E SCUELA C OLOMBIANA DE I NGENIER ÍA

J ULIO G ARAVITO

ÁLGEBRA LINEAL
[para principiantes]

Jorge Enrique Gordillo Ardila

Óscar Antonio Pulido Cardozo
Boris Mauricio Pulido Piraquive

28 de septiembre de 2021
Contenido

1 MATRICES 1
1.1 MATRICES DE ENTRADAS REALES . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 ALGUNOS TIPOS DE MATRICES . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 ÁLGEBRA DE MATRICES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3.1 ADICIÓN DE MATRICES . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3.2 MULTIPLICACIÓN DE UN REAL POR UNA MATRIZ . . . . . . . . . 11
1.3.3 MULTIPLICACIÓN DE MATRICES . . . . . . . . . . . . . . . . . . . . 14
1.3.4 OTROS RESULTADOS EN ÁLGEBRA DE MATRICES. . . . . . . . . 23
1.4 TALLER CON MATHEMATICA . . . . . . . . . . . . . . . . . . . . . . . . . . 29
1.5 TALLER . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
1.6 EJERCICIOS DE CAPÍTULO . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

2 SISTEMAS DE ECUACIONES LINEALES 41

2.1 ECUACIONES Y SOLUCIONES . . . . . . . . . . . . . . . . . . . . . . . . . . 41
2.2 MATRICES Y SISTEMAS DE ECUACIONES . . . . . . . . . . . . . . . . . . 48
2.3 MATRICES ESCALONADAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
2.4 UN LOGRO PARCIAL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
2.5 SISTEMAS EQUIVALENTES . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
2.6 OPERACIONES ELEMENTALES ENTRE FILAS . . . . . . . . . . . . . . . . 68
2.7 EL LOGRO DEL OBJETIVO FINAL . . . . . . . . . . . . . . . . . . . . . . . 78
2.8 INVERSA DE UNA MATRIZ . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
2.9 TALLER . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
2.10 TALLER CON MATHEMATICA . . . . . . . . . . . . . . . . . . . . . . . . . . 95
2.11 TALLER . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
2.12 EJERCICIOS DE CAPÍTULO . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100

3 DETERMINANTES 105
3.1 DEFINICIÓN Y PROPIEDADES . . . . . . . . . . . . . . . . . . . . . . . . . . 105
3.2 PROPIEDADES DEL DETERMINANTE . . . . . . . . . . . . . . . . . . . . . 109
3.3 DETERMINANTE Y MATRIZ INVERSA . . . . . . . . . . . . . . . . . . . . . 119
3.4 REGLA DE CRAMER . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
3.5 TALLER . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 127

I
 CONTENIDO

3.6 EJERCICIOS DE CAPÍTULO . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128

4 VECTORES DEL ESPACIO USUAL, R2 Y R3 131

4.1 VECTORES EN EL ESPACIO USUAL . . . . . . . . . . . . . . . . . . . . . . . 131
4.2 R2 y R3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 138
4.3 PRODUCTO PUNTO DE VECTORES DE R2 y R3 . . . . . . . . . . . . . . . . 148
4.4 PRODUCTO VECTORIAL DE VECTORES DE R3 . . . . . . . . . . . . . . . . 154
4.5 RECTAS EN EL PLANO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
4.6 RECTAS EN EL ESPACIO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
4.7 PLANOS EN EL ESPACIO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
4.8 EJERCICIOS DE CAPÍTULO . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186

5 ESPACIOS VECTORIALES REALES 189

5.1 DEFINICIÓN Y PROPIEDADES . . . . . . . . . . . . . . . . . . . . . . . . . . 189
5.2 SUBESPACIOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 194
5.3 SISTEMAS DE GENERADORES . . . . . . . . . . . . . . . . . . . . . . . . . . 207
5.4 DEPENDENCIA E INDEPENDENCIA LINEAL . . . . . . . . . . . . . . . . . 214
5.5 BASES, DIMENSIÓN, COORDENADAS . . . . . . . . . . . . . . . . . . . . . 227
5.6 RANGO Y NULIDAD DE UNA MATRIZ . . . . . . . . . . . . . . . . . . . . . 240
5.7 PRODUCTO INTERNO Y ORTOGONALIDAD . . . . . . . . . . . . . . . . . . 250
5.8 TALLER . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 263
5.9 EJERCICIOS DE CAPÍTULO . . . . . . . . . . . . . . . . . . . . . . . . . . . . 264

6 TRANSFORMACIONES LINEALES 273

6.1 DEFINICIÓN Y PROPIEDADES . . . . . . . . . . . . . . . . . . . . . . . . . . 273
6.2 ALGEBRA DE APLICACIONES LINEALES . . . . . . . . . . . . . . . . . . . 278
6.3 NÚCLEO E IMAGEN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 281
6.4 TRANSFORMACIONES LINEALES Y MATRICES . . . . . . . . . . . . . . . 288
6.5 TRANSFORMACIONES LINEALES Y MATRICES EN GEOMETRIA
PLANA ELEMENTAL. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 294
6.6 VALORES Y VECTORES PROPIOS, DIAGONALIZACIÓN . . . . . . . . . . 304
6.7 TALLER . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 322
6.8 TALLER CON MATHEMATICA . . . . . . . . . . . . . . . . . . . . . . . . . . 323
6.9 TALLER . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 325
6.10 TALLER CON MATHEMATICA . . . . . . . . . . . . . . . . . . . . . . . . . . 326
6.11 EJERCICIOS DE CAPÍTULO . . . . . . . . . . . . . . . . . . . . . . . . . . . . 329
 C AP ÍTULO 1

MATRICES

1.1. MATRICES DE ENTRADAS REALES

Definición 1

Una matriz de entradas reales es un arreglo rectangular de números reales.

Ejemplo 1

Cada uno de los siguientes arreglos representa una matriz.

−5 0 0 4
π 0 −2 1
√ 0 1 1 −2
1
5 3 −1
3
− 75 −9 −0,5 −4
1 −1 1 1 √
3 1 −2 − 29

Comunmente usamos letras mayúsculas para notar las matrices, A, B, X etc, y escribimos
el arreglo entre paréntesis. Notamos las matrices del ejemplo anterior en la siguiente
forma:
   
  −5 0 0 4
π 0 −2 1    
√ −2
A=     
0 1 1
 1
5 3 −1  B=  C= 
3  − 57   −9 −0,5 −4 
1 −1 1 1 √
3 1 −2 − 29

Definición 2

Cada uno de los arreglos horizontales en una matriz se denomina una fila y se nombran
secuencialmente de arriba hacia abajo comenzando en 1 y cada uno de los arreglos
verticales se denomina una columna y se nombran de izquierda a derecha de la misma
forma.

1
2 CAPÍTULO 1. MATRICES

Ejemplo 2  
π 0 −2 1
√
La matriz A = 
 1
3
5 3

−1  tiene tres filas y cuatro columnas a saber:
1 −1 1 1

   √   
Fila 1: π 0 −2 1 , Fila 2: 1
3
5 3 −1 , Fila 3: 1 −1 1 1
   
π 0
 √ 
Columna 1: 
 1
3

; Columna 2:  5 ;
1 −1

   
−2 1
 
Columna 3:  3 ; Columna 
4: −1 

1 1

Definición 3

Si A es una matriz con m filas y n columnas, decimos que su orden o tamaño es m por n y
escribimos m × n

Si m = n decimos que la matriz es cuadrada de orden n.

Definición 4

Dada una matriz A, el corte de la fila −i− con la columna −j− de A, lo denominamos la
entrada −ij− de A.

NOTACIÓN. Notamos aij o (A)ij para representar el número real que aparece en la
entrada −ij−de la matriz A.
 
..
 . 
 
 .. 
 . 
 
 ··· 
 ··· ··· aij ···  −→ fila i
 .. 
 
 . 
 
..
.
↓
columna j

Una matriz tamaño m × n tiene mn entradas.

Ejemplo 3  
π 0 −2 1
 √ 
La matriz A =  1
3
5 3 −1  tiene tamaño 3 × 4 y sus doce entradas son:
1 −1 1 1
 1.1. MATRICES DE ENTRADAS REALES 3

a11 = π a12 = 0 a13 = −2 a14 = 1

√
a21 = 13 a22 = 5 a23 = 3 a24 = −1
a31 = 1 a32 = −1 a33 = 1 a34 = 1

Una matriz tamaño m × n tiene m filas notadas A1 , A2 , ..., Ai , ..., Am , donde para cada −i−,
1 ≤ i ≤ m,
 
Ai = ai1 ai2 · · · aij · · · ain

Una matriz tamaño m × n tiene n columnas notadas A(1) , A(2) , ..., A(j) , ..., A(n) , donde para
cada −j−, 1 ≤ j ≤ n,
 
a1j
 
 a2j 
 
 .. 
 . 
A(j) =  
 
 aij 
 .. 
 
 . 
amj

NOTACIÓN. Escribimos A = (aij ) con 1 ≤ i ≤ m y 1 ≤ j ≤ n, para referirnos de manera

genérica a la matriz A, de tamaño m × n
 
a11 a12 ··· a1j ··· a1n
 ··· ··· 
 a21 a22 a2j a2n 
 
 .. .. .. .. 
 . . . . 
A=  
 ··· 
 ai1 ai2 ... aij ain 
 .. .. .. .. 
 
 . . . . 
am1 am2 ··· amj ··· amn

Cuando no hay lugar a confusión respecto del tamaño, solamente escribiremos A = (aij ) .

Definición 5

Una matriz tamaño 1 × n la denominamos matriz vector fila y una matriz tamaño m × 1 la
denominamos matriz vector columna.

Ejemplo 4
 √ 
La matriz A = 1 0 −6 37 2 es una matriz vector fila tamaño 1 × 5 y la matriz
 0
B = −7π es una matriz vector columna tamaño 4 × 1.
2

Definición 6

Decimos que dos matrices A y B del mismo tamaño m × n son iguales y escribimos A = B
si y solamente si para todo i, 1≤ i ≤ m y para todo j, 1≤ j ≤ n; aij = bij es decir si para
4 CAPÍTULO 1. MATRICES

todo i, 1≤ i ≤ m y para todo j, 1≤ j ≤ n el elemento de la entrada -ij- de A es igual a el

elemento de la entrada -ij- de B.

EJERCICIOS 1.1
! ! ! !
1 2 1 2 0 1 x 1 2 w
1. Sean A = , B= , C= , D=
1 2 1 2 0 y 2 1 2 z
Para cada uno de los siguientes enunciados diga si la proposición es verdadera o falsa
y por qué.

a) A = B
b) Si x = 2 y y = 1 entonces A = C
c) Si B = D entonces w = 0
d) Si w = 0 y z = 0 entonces B = D
e) a22 = c22 = d22
f ) b31 = 0
 
g) La fila 1 de B es 1 2 0
h) La columna 2 de C es igual a la columna 2 de B y a la columna 2 de A
i) Si y = 2 entonces la columna 2 de D es igual a la fila 2 de C.

2. Considere las matrices

 
1 −1 0 !
 
 2 0 1  1 0 0
A= ,B = , x, a ∈ R
 x 3 a  a −1 2
5 2 −2

a) Diga cual es el tamaño de A y el tamaño de B.

b) Escriba la fila 4 de A y la fila 2 de B e identifique su tamaño.
c) Escriba la columna 3 de A y la columna 3 de B e identifique su tamaño.
d) Complete:

a13 = , a31 = , a21 = , a11 = ,

a12 = , a33 = , a23 = ,
a32 = , a22 = .

e) Complete: x es el elemento de la entrada de A; a es el elemento de la

entrada de A y de la entrada de B.
 1.2. ALGUNOS TIPOS DE MATRICES 5

3. Sean    
2 z 0 2 −2 w
   
A =  x − 3y 3 0  , y B =  3 3 0 .
0 1 1 0 2x + 4y 1
Encuentre valores de x, y, z, w tales que A = B.

4. Sean A,B matrices tales que: A es de tamaño 5 × 4, B es de tamaño 5 × 5 y

( (
2 si i ≤ j + 1 ij si i ≤ j
aij = ; bij =
1 si i > j + 1 j i si i > j

Escriba explı́citamente las matrices A y B.

5. Construya una matriz A tal que: A sea de tamaño 7 × 5, la suma de los elementos de
A6 , la suma de los elementos de A(5) , la suma de los elementos de A1 y el producto de
los de A(5) , sean todos iguales e iguales a cero, solo una entrada de A sea cero y todas
las entradas sean diferentes.

1.2. ALGUNOS TIPOS DE MATRICES

Definición 7

Si A es una matriz de tamanño m × n, los elementos de las entradas −ii− con 1 ≤ i ≤ n,

forman la denominada diagonal principal de A.

 
a11 ∗ ∗ ∗
 ∗ ∗ ∗ 
 a22 
A=  
 .. 
 ∗ ∗ . ∗ 
∗ ∗ ∗ ann

Definición 8

Decimos que una matriz A de tamaño n × n es triangular superior si todas las entradas
debajo de la diagonal son cero, es decir si para todo i tal que i > j; aij = 0

 
a11 ∗ ∗ ∗
 0 ∗ ∗ 
 a22 
A=  
 .. 
 0 0 . ∗ 
0 0 0 ann

Definición 9

Decimos que una matriz A de tamaño n × n es triangular inferior si todas las entradas
encima de la diagonal son cero, es decir si para todo i tal que i < j; aij = 0
6 CAPÍTULO 1. MATRICES

 
a11 0 0 0
 ∗ 
 a22 0 0 
A=  
 .. 
 ∗ ∗ . 0 
∗ ∗ ∗ ann

Definición 10

Decimos que una matriz A tamaño n × n es diagonal si todas las entradas distintas a las
de la diagonal son cero, es decir si para todo i, j tal que i ̸= j; aij = 0

 
a11 0 0 0
 0 
 a22 0 0 
A=  
 .. 
 0 0 . 0 
0 0 0 ann

Definición 11

Decimos que una matriz A tamaño n × n es escalar si es diagonal y además todas las
̸ j; aij = 0 y aii = k
entradas de la diagonal son iguales, es decir si para todo i, j tal que i =

 
k 0 0 0
 0 0 
 k 0 
A=  
 .. 
 0 0 . 0 
0 0 0 k

Para cada tamaño n × n la matriz escalar I(n) tal que para todo i, j tal que i ̸= j; aij = 0 y
aii = 1, se denomina la matriz idéntica o matriz identidad de orden n.

Ejemplo 5

Si
 
5 −7 9 11
3
 
  0 0 0 0
 0 0 0 −1   
 √  −1
B= 
4 0 0
A=  0 0 2 4   
   − 17 1 −2 0 
 0 0 0 2  5
0 8 π 7
0 0 0 0
   √ 
4 0 0 2 0 0
  √
C=  0 5 0  D=
 0 2 0 

√
0 0 −1 0 0 2
 
  1 0 0 0
1 0 0  
 
I(4)=  
0 1 0 0
I(3) =  0 1 0   
 0 0 1 0 
0 0 1
0 0 0 1
 1.2. ALGUNOS TIPOS DE MATRICES 7

entonces:

→ A es una matriz triangular superior.

→ B es una matriz triangular inferior.

→ C es una matriz diagonal.

→ D es una matriz escalar.

→ I(3) , I(4) son las matrices idénticas de orden 3 y 4 respectivamente.

EJERCICIOS 1.2
1. Considere la matriz  
1 0 0
 
A= 0 1 0  a∈R
0 a 1
. Analice la veracidad o falsedad de las siguientes afirmaciones, de razones de su
decisión.

a) A es una matriz triangular superior.

b) A es una matriz triangular inferior.
c) A es una matriz diagonal.
d) A es una matriz escalar
e) A es la matriz idéntica de tamaño 3 × 3.

2. En cada caso construya una matriz con las condiciones dadas.

a) Triangular superior de tamaño 3 × 3, tal que la suma de los elementos de la

diagonal sea igual a la suma de todos los demás elementos diferentes de cero.
b) Diagonal tamaño 5 × 5, tal que el producto de los elementos de la diagonal sea
15 y aii ̸= 15 para todo i, 1 ≤ i ≤ 5
c) Escalar tamaño 6 × 6, tal que el producto de los elementos de la diagonal sea 64
y por lo menos un aii ̸= 2.
d) Diagonal tamaño 5 × 5, tal que el producto de sus elementos diferentes de cero
sea 1, pero que al menos una de sus entradas sea diferente de 1 o −1

3. Para cada una de las afirmaciones siguientes diga si es verdadera o falsa y por qué.

a) No existen matrices que sean a la vez triángular superior y triangular inferior.

b) Toda matriz escalar es una matriz diagonal.
8 CAPÍTULO 1. MATRICES

c) Si A es una matriz de tamaño n × n, con n > 5, triangular superior entonces

a54 = 0.
d) Si A es una matriz de tamaño n × n, con n > 5, diagonal entonces a44 = 0.
e) La matriz  
0 a a a
 
 c 0 a a 
A=  , a, c ∈ R
 c c 0 a 
c c c 0
es una matriz diagonal.
f ) La matriz  
1 1 1
 
A =  1 1 1  , es una matriz idéntica.
1 1 1

1.3. ÁLGEBRA DE MATRICES

En lo que sigue estudiaremos la estructura algebraica de los conjuntos de matrices
de entradas reales, el lector debe observar que solamente en la adición existe un
comportamiento idéntico al comportamiento de la adición de números reales, en lo demás,
tanto el tipo de operación como sus propiedades difieren completamente de las usuales de
los sitemas numéricos.

1.3.1. ADICIÓN DE MATRICES

Definición 12

Para cada par de enteros positivos m,n; consideramos:

M (m, n) = {X|X es una matriz de tamaño m × n, de entradas reales}.

OBSERVACIÓN. En la bibliografia puede encontrar Mm×n (R) para referirse a M (m, n).

Si A ∈ M (m, n), B ∈ M (m, n) definimos A + B = C donde C ∈ M (m, n) y cij = aij + bij .

Para el caso m = 1, n = 1 identificamos M (1, 1) con R, C se denomina la suma de A con B
y es una matriz del mismo tamaño que A y B y tal que su entrada −ij− es la suma de los
números reales de las entradas −ij− de A y de B respectivamente.
     
a11 · · · a1n b11 · · · b1n a11 + b11 ··· a1n + b1n
 ..   ..   .. 
 .   .   . 
     
     
 · · · aij · · ·  +  · · · bij · · ·  =  ··· aij + bij ··· 
     
 ..   ..   .. 
 .   .   . 
am1 · · · amn bm1 · · · bmn am1 + bm1 ··· amn + bmn
 1.3. ÁLGEBRA DE MATRICES 9

Ejemplo 6
     
1 −2 0 4 − 13 2 2 −7 4 2 3 0 −7 8 5
 √     √ 3

 4 2 1 7 6   0 5 1 0 −4   4 5+ 2 2 7 2 
 + = 
 −0,5 0 −3 −1 −5   3 0 π −1 5   2,5 0 −3 + π −2 0 
1 1 π 1 1 0 −1 π
8 0 1 1 0 9π
8 1 2

La siguiente proposición presenta las propiedades de la suma de matrices.

Proposición 1

Para cada tamaño, la adición ası́ definida satisface las siguientes propiedades:

1. Propiedad Asociativa. Para toda A ∈ M (m, n), B ∈ M (m, n), y C ∈ M (m, n)

A + (B + C) = (A + B) + C

2. Propiedad modulativa. Existe 0m×n ∈ M (m, n), tal que para toda A ∈ M (m, n)

A+0m×n =0m×n + A = A

3. Propiedad Invertiva. Para toda A ∈ M (m, n), existe B ∈ M (m, n) tal que

A + B = B + A =0m×n

4. Propiedad Conmutativa. Para toda A ∈ M (m, n), B ∈ M (m, n)

A+B =B+A

Prueba.−

1. Basta comparar para todo i, 1 ≤ i ≤ m y para todo j, 1 ≤ j ≤ n, los elementos de la

entrada −ij− de las matrices A + (B + C) y (A + B) + C ası́:

(A + (B + C))ij = aij + (B + C)ij = aij + (bij + cij )

((A + B) + C)ij = (A + B)ij + cij = (aij + bij ) + cij

La asociatividad de la adición de números reales nos garantiza que las expresiones

de la derecha representan el mismo número real, en consecuencia

A + (B + C) = (A + B) + C
10 CAPÍTULO 1. MATRICES

2. Basta observar que 0m×n es la matriz tal que todas sus entradas son cero y para todo
i, 1 ≤ i ≤ m y para todo j, 1 ≤ j ≤ n,

(A+0m×n )ij = aij + 0 = aij

(0m×n + A)ij = 0 + aij = aij

3. Si A ∈ M (m, n) basta definir B ∈ M (m, n) por bij = −aij , para todo i, 1 ≤ i ≤ m y

para todoj, 1 ≤ j ≤ n, y en consecuencia

(A + B)ij = aij + bij = aij + (−aij ) = 0

(B + A)ij = bij + aij = (−aij ) + aij = 0

Al igual que en números reales B se denomina “La opuesta de A” y se nota −A.

Usualmente escribimos A − B por A + (−B)

4. Basta comparar, para todo i, 1 ≤ i ≤ m y para todo j, 1 ≤ j ≤ n, las entradas −ij− de

las matrices (A + B) y (B + A)

(A + B)ij = aij + bij

(B + A)ij = bij + aij

La conmutatividad de la adición de números reales nos garantiza que las expresiones

de la derecha representan el mismo número real, en consecuencia A + B = B + A. 

EJERCICIOS 1.3.1
1. Sean    
1 2 3 4 −2 0 −1 0
   
A =  −4 −2 −2 −1  , B =  2 3 4 5 ,
0 1 0 2 −1 0 5 0
 
1 2 3 4
 
C =  0 1 −1 −1 
3 1 1 0

Encuentre A + B, (A + B) + C, −A − B − C, −B + A, −C + B
ij
2. Sean A, B, C ∈ M (4, 5) tales que aij = 2i − j , bij = i − 2j , cij = 2 si i ̸= j y
aii = −bii = cii = 1.
 1.3. ÁLGEBRA DE MATRICES 11

a) Encuentre (A + B)ij , (A + (B + C))ij , ((A + B) + C)ij , (−A)ij , (−B + C)ij ,

(−A − B − C)ij .
b) Escriba en forma explı́cita A+B, A+(B +C), (A+B)+C, −A, −B +C, −A−B −C

3. Los costos en dólares, de adquirir y transportar unidades determinadas de cemento,

acero y arena desde distintos puntos de la ciudad, están descritos en las siguientes
tablas:

Bodega norte:
cemento acero arena
25 30 20 costo de material
9 10 8 costo de transporte
Bodega centro:

cemento acero arena

32 40 30 costo de material
7 9 7 costo de transporte

Bodega oriental:

cemento acero arena

33 18 25 costo de material
5 7 12 costo de transporte

Determine la matriz que describe los costos totales de material y de transporte por
unidades de cemento, acero y arena desde cada punto de la ciudad.

1.3.2. MULTIPLICACIÓN DE UN REAL POR UNA MATRIZ

Definición 13

Sean λ ∈ R y A ∈ M (m, n) definimos la “multiplicación del número real λ por la matriz A”

(en ese orden) a la matriz del mismo tamaño de A y tal que para todo i, 1 ≤ i ≤ m y para
todo j, 1 ≤ j ≤ n su entrada −ij− se obtiene multiplicando λ por la entrada −ij− de A.

Es decir, (λA) ∈ M (m, n) y para todo i, 1 ≤ i ≤ m y para todo j, 1 ≤ j ≤ n,

(λA)ij = λaij .

Ejemplo 7

Si
12 CAPÍTULO 1. MATRICES

!
1 4 −5
A= √
13
6 3 −0,5



! !
2
3
(1)

2
3
(4)
2
3
(−5)
2 8
− 10
2
3A = √ = 3 √
3 3
2
3
13
6
2
3 3 2
3 (−0,5)
13
9
2 3
3 − 13

La siguiente proposición presenta las propiedades de la multiplicación de escalares con

matrices.

Proposición 2

Para cada tamaño, la multiplicación ası́ definida, satisface las siguientes propiedades:

1. Para todo λ ∈ R, µ ∈ R, y para toda A ∈ M (m, n),

λ (µA) = (λµ) A

2. Para todo λ ∈ R, µ ∈ R, y para toda A ∈ M (m, n),

(λ + µ)A = λA + µA

3. Para todo λ ∈ R y para toda A ∈ M (m, n), B ∈ M (m, n),

λ(A + B) = λA + λB

4. Si A ∈ M (m, n) y 1 ∈ R,
1A = A

Prueba.−

1. Basta comparar, para todo i, 1 ≤ i ≤ m y para todo j, 1 ≤ j ≤ n, los elementos de la

entrada −ij− de las matrices λ (µA) y (λµ) A:

(λ (µA))ij = λ (µA)ij = λ(µaij )

((λµ)A)ij = (λµ) aij

La asociatividad de la multiplicación de números reales nos garantiza que las
expresiones de la derecha representan el mismo número real, en consecuencia

λ (µA) = (λµ) A.

2. Basta comparar, para todo i, 1 ≤ i ≤ m y para todo j, 1 ≤ j ≤ n, los elementos de la

entrada −ij− de las matrices (λ + µ)A y λA + µA:

((λ + µ)A)ij = (λ + µ)aij = λaij + µaij

(λA + µA)ij = (λA)ij + (µA)ij = λaij + µaij

 1.3. ÁLGEBRA DE MATRICES 13

3. Basta comparar, para todo i, 1 ≤ i ≤ m y para todo j, 1 ≤ j ≤ n, los elementos de la

entrada −ij− de las matrices λ(A + B) y λA + λB:

(λ(A + B))ij = λ (A + B)ij = λ(aij + bij )

(λA + λB)ij = (λA)ij + (λB)ij = λaij + λbij

Puesto que la multiplicación de números reales distribuye respecto de la adición, las

expresiones de la derecha representan el mismo número real y en consecuencia

λ(A + B) = λA + λB.

4. Para todo i, 1 ≤ i ≤ m y para todo j, 1 ≤ j ≤ n, (1A)ij = 1aij = aij puesto que 1 es la

identidad para la multiplicación de números reales. 

EJERCICIOS 1.3.2
1. Sean
     
−2 0 −1 0 1 2 3 4 1 2 3 4
     
A= 2 3 4 5  , B =  0 1 −1 −1  , C =  −4 2 2 −1 
3 0 5 0 −1 1 1 0 0 1 0 2

Encuentre 2A + B, (A + 3B) + C, −2A − B − C, −B + 3A, −C + 2B

ij
2. Sean A, B, C ∈ M (4, 5) tales que aij = 2i − j , bij = i − 2j , cij = 2 si i ̸= j y
aii = −bii = cii = 1.

a) Encuentre (A + 2B)ij , (A + 2(B + C))ij , ((2A + B) + 3C)ij ,

(−3A)ij , (−B + 3C)ij , (−A − 2B − C)ij .
b) Escriba en forma explı́cita A + 2B, A + 2(B + C), (2A + B) + 3C, −A, −B + 3C,
−A − 2B − C.

3. Un fabricante de camisetas las produce en color negro, blanco y azul para niños,
damas y caballeros. La capacidad de producción (en miles de unidades) en su planta
I, se describe con la tabla:

Hombres Mujeres niños

14 26 25 Negro
40 25 17 Blanco
34 20 30 Azul

La producción en la planta II está descrita por la tabla:

14 CAPÍTULO 1. MATRICES

Hombres Mujeres niños

30 35 26 Negro
50 26 18 Blanco
24 22 23 Azul

a) Determine una matriz que describa la producción total de cada tipo de camiseta
en ambas plantas.
b) Si la producción en la planta I se incrementa en un 40 % y la planta II en un
25 %, determine la matriz que describa la nueva producción total de cada tipo de
camiseta.

1.3.3. MULTIPLICACIÓN DE MATRICES

Definición 14

Sean A una matriz vector fila tamaño 1 × n y B una matriz vector columna tamaño n × 1
 
b11
 
 b21 
   . 
 
A = a11 a12 · · · a1n , B =  .. ,
 . 
 . 
 . 
bn1

definimos el producto AB, en ese orden, como el número real c que se obtiene como la suma
de los productos de las entradas “correspondientes”; es decir, primera entrada de A por
primera entrada de B, mas segunda entrada de A por segunda entrada de B, mas tercera
por tercera y ası́ sucesivamente hasta la n-ésima entrada de A por n-ésima entrada de B.
De esta forma:

c = a11 b11 + a12 b21 + a13 b31 + · · · + a1n bn1

P
Abreviadamente, utilizando la notación escribimos:
 
b11
 
 b21 
 
 ..

 P
k=n
AB = C = a11 a12 ··· ... a1n  .  = a1k bk1
 
 ..  k=1
 
 . 
bn1

Es importante recalcar que para hablar de “entradas correspondientes” es necesario que el

número de columnas de la matriz vector fila A sea igual al número de filas de la matriz
vector columna B.
 1.3. ÁLGEBRA DE MATRICES 15

 
π
 
 

4 


−3 5
−3 π 1  2  = −3π + 5
4 + (−3) (2) + 3π + 1 (0) = 1
4   4
 3 
0

Definición 15

Sean A ∈ M (m, n), B ∈ M (n, s) definimos el producto AB, en ese orden, como la matriz C
tamaño m × s tal que la entrada -ij− de C se obtiene al multiplicar la fila −i− de A por la
columna −j−de B, de acuerdo con la definición anterior, es decir

 
b1j
 
 b2j 
 
 ..

 P
k=n
cij = Ai B (j) = ai1 ai2 ··· ... ain  .  = aik bkj
 
 ..  k=1
 
 . 
bnj
 
A1 B (1) ··· A1 B (j) ··· A1 B (s)
 
 .. 
 . 
 
 .. .. 
AB = C =  . Ai B (j) . 
 
 
 .. 
 . 
Am B (1)
··· Am B (j)
··· Am B (s)

Ejemplo 8

Si
 
7 5 !
  −4 8 2 1
A=  −1 −2 , B=
6 −5 −3 −5
0 3

entonces el producto AB es la matriz que resulta de

 ! ! ! ! 
−4 8 2 1
 ( 7 5 ) ( 7 5 ) ( 7 5 ) ( 7 5 ) 
 −5 −3 −5
! 
6
 ! ! ! 
 −4 8 2 1 
 ( −1 −2 ) ( −1 −2 ) ( −1 −2 ) ( −1 −2 ) 
 −5 −3 −5 
 6
! ! ! ! 
 
 −4 8 2 1 
( 0 3 ) ( 0 3 ) ( 0 3 ) ( 0 3 )
6 −5 −3 −5

es decir,
 
2 31 −1 −18
 
AB =  −8 2 4 9 
18 −15 −9 −15
16 CAPÍTULO 1. MATRICES

El lector debe observar que la “operación” que acabamos de definir tiene particularidades
especiales y no se comporta de la misma forma que la multiplicación de números reales;
solo en el caso de matrices cuadradas opera dos elementos de un mismo conjunto y produce
como resultado un elemento del mismo conjunto; en los demás casos es completamente
atı́pica ya que tiene una condición o requisito para su definición, “el número de columnas
del primer factor debe ser igual al número de filas del segundo”, es decir opera elementos
de conjuntos diferentes y además produce como resultado un elemento de otro conjunto
distinto.
Los siguientes ejemplos muestran algunas situaciones donde se evidencia el
comportamiento especial de la multiplicación de matrices.

Ejemplo 9

Si
   
−1 0 3 0 1 5
   
A=  2 −7 11  y B=  −1 3 0 ,
1 2 −2 1 2 2

entonces    
3 5 1 7 3 1
   
C = AB =  18 3 32  y D = BA =  7 −21 30 .
−4 3 1 5 −10 21

Se observa que A, B, AB y BA son matrices cuadradas 3 × 3, pero AB ̸= BA.

Ejemplo 10

Si
 
1 0 !
 
 0 1  0 1 0 1
L=   y S= ,
 1 0  1 0 1 0
0 1

entonces  
0 1 0 1 !
 
 1 0 1 0  0 2
LS =   y SL =
 0 1 0 1  2 0
1 0 1 0
Es decir que, L ∈ M (4, 2), S ∈ M (2, 4) y LS ∈ M (4, 4) mientras que SL ∈ M (2, 2).

Ejemplo 11

Si
 
2 0 !
  1 −1 0 −1
U=  0 3  y V = ,
0 2 1 1
2 0
 1.3. ÁLGEBRA DE MATRICES 17

se tiene que  
2 −2 0 −2
 
UV =  0 6 3 3 
2 −2 0 −2

Es decir que, U ∈ M (3, 2), V ∈ M (2, 4) y U V ∈ M (3, 4), mientras que V U no está definido.

Ejemplo 12

Si
! !
1 0 0 0
A= y B= ,
0 0 0 1

entonces !
0 0
AB = BA =
0 0

Las matrices A, B, AB y BA son cuadradas 2 × 2, A ̸= 02×2 , B ̸= 02×2 sin embargo

AB = BA = 02×2

La siguiente proposición presenta las propiedades de la multiplicación entre matrices.

Proposición 3

1. Si A ∈ M (m, n), B ∈ M (n, r) y C ∈ M (r, s) entonces

(AB)C = A(BC)

2. Si A ∈ M (m, n), B ∈ M (n, r) y C ∈ M (n, r) entonces

A(B + C) = AB + AC

3. Si A ∈ M (m, n), B ∈ M (m, n) y C ∈ M (n, r) entonces

(A + B)C = AC + BC

4. Si A ∈ M (m, n), B ∈ M (n, r) y λ ∈ R entonces

((λA) B) = (A (λB)) = λ (AB)

5. I(m) y I(n) son tales que para toda matriz A ∈ M (m, n) tenemos

I(m) A = A = AI(n)

Prueba.−
18 CAPÍTULO 1. MATRICES

1. Evidentemente todos los productos están definidos y las matrices finales resultan del
mismo tamaño, basta entonces observar que para todo i, 1 ≤ i ≤ m y para todo j,
1 ≤ j ≤ s,

!
X
k=r X
k=r X
t=n X
k=r X
t=n
((AB) C)ij = (AB)ik ckj = ait btk ckj = ait btk ckj
k=1 k=1 t=1 k=1 t=1
!
X
k=n X
k=n X
t=r XX
k=n t=r
(A(BC))ij = aik (BC)kj = aik bkt ctj = aik bkt ctj
k=1 k=1 t=1 k=1 t=1

Las propiedades algebraicas de la adición y multiplicación de números reales nos

garantizan que las expresiones de la derecha en ambos casos representan el mismo
número real, en consecuencia (AB)C = A(BC).

2. Evidentemente las sumas y los productos están definidos y las matrices finales
resultan del mismo tamaño, basta entonces observar que para todo i, 1 ≤ i ≤ m y
para todo j, 1 ≤ j ≤ r,

X
k=n X
k=n X
k=n
(A(B + C))ij = aik (B + C)kj = aik (bkj + ckj ) = aik bkj + aik ckj
k=1 k=1 k=1

X
k=n X
k=n X
k=n
(AB + AC)ij = (AB)ij + (BC)ij = aik bkj + aik ckj = aik bkj + aik ckj
k=1 k=1 k=1

En consecuencia,
A(B + C) = AB + AC

3. Ejercicio para el lector.

4. Las matrices ((λA)B), (A(λB)) y (λ(AB)) resultan matrices del mismo tamaño
en consecuencia es suficiente probar que coinciden en cada una de sus entradas
correspondientes.
Ahora, para todo i, 1 ≤ i ≤ m y para todo j, 1 ≤ j ≤ r,
P
k=n P
k=n P
k=n
((λA)B)ij = (λA)ik bkj = λaik bkj = λ aik bkj = (λ(AB))ij
k=1 k=1 k=1

P
k=n P
k=n P
k=n
(A(λB)ij ) = aik (λB)kj = aik (λbkj ) = λ aik bkj = (λ(AB))ij
k=1 k=1 k=1

por tanto ((λA)B) = (A(λB)) = (λ(AB)).

 1.3. ÁLGEBRA DE MATRICES 19

5. Recordamos que I(m) es la matriz cuadrada de orden m tal que

I(m) kl = 0 si k ̸= l, y I(m) kk = 1, entonces

X
k=n


I(m) A ij
== I(m) ik
akj = 0a1j + ... + 1aij + 0ai+1,j + ... + 0anj = aij
k=1

El lector probará la igualdad restante. 

Para cada entero positivo n, en el conjunto M (n, n), matrices cuadradas de orden n, la
propiedad (5) corresponde exactamente a decir que la matriz I(n) se comporta como módulo
o elemento idéntico para la multiplicación en el conjunto.

Como en otras situaciones ya verificadas, la multiplicación de matrices es atı́pica con

respecto a la existencia de inversos. Solo podemos hablar de matriz inversa en algunos
casos de matrices del mismo tamaño.

Dada una matriz A ∈ M (n, n), decimos que A es invertible si y solo si existe B ∈ M (n, n)
tal que AB = BA = I(n) . A y B se denominan inversas la una de la otra y se nota A−1 = B
o B −1 = A.

Ejemplo 13

Es facil verificar que:

! ! ! ! !
2 1 1 −1 1 0 1 −1 2 1
= =
1 1 −1 2 0 1 −1 2 1 1
! !
2 1 1 −1
es decir A = yB= son inversas la una de la otra.
1 1 −1 2

Ejemplo 14 !
1 2
Es fácil verificar que la matriz C = , no tiene inversa.
2 4
!
x y
En efecto, afirmar que D = es la inversa de C, significa que
z w
! ! !
1 2 x y 1 0
= ,
2 4 z w 0 1
es decir
! !
x + 2z 2w + y 1 0
= ,
2x + 4z 4w + 2y 0 1
20 CAPÍTULO 1. MATRICES

por lo que se debe tener que

x + 2z = 1
2x + 4z = 0
y + 2w = 0
2y + 4w = 1
y la existencia de números reales que satisfagan estas ecuaciones nos lleva a una
contradicción 2(1) = 2 = 0, luego tales x, y, z, w no existen y en consecuencia C no tiene
inversa.

Tanto los criterios para decidir si una matriz A ∈ M (n, n) tiene o no inversa, como la
mecánica de los cálculos para encontrarla, cuando existe, los presentaremos un poco mas
adelante.

EJERCICIOS 1.3.3
1. Sean ! !
1 2 −4 2
A= ,B = .
3 4 3 −1
Calcule AB − BA

2. Sean    
1 2 3 1 −1 0
   
A =  4 5 6  , B =  0 −1 1  .
5 7 9 1 −1 0
Calcule AB − BA.

3. Sean  
  5 −5 5
1 −1 4 0 
   −13 11 −3 

A= 2 0 5 0 ,B =  
 −2 4 −2 
3 1 6 5
2 −4 2

a) Calcule AB y BA
b) ¿Puede calcular AB − BA? ¿Por qué?

4. Sean  
  5 −5 5
1 −1 4 0 
   −13 11 −3 

A= 2 0 5 0 ,B =  ,
 −2 4 −2 
3 1 6 5
2 −4 2
 1.3. ÁLGEBRA DE MATRICES 21

 
1 0
 
C= 0 1 
1 0

a) Calcule (AB) C, (BC) , A (BC)

b) ¿Puede calcular C (BA)? ¿Por qué?

5. Sean      
1 2 3 1 2 3 −1 1 0
     
A =  0 0 1  , B =  2 2 3  , C =  1 −2 1 
0 0 0 3 3 3 0 1 − 23

Calcule (AB) C, (AC) B, (CA) B, (CB) A.

! !
1 2 −1 1
6. Sean A = , B= . Verifique que B = A−1
2 2 1 − 12
   
1 2 3 −1 1 0
   
7. Sean C =  2 2 3  , D =  1 −2 1  . Verifique que D = C −1
3 3 3 0 1 − 32

8. Pruebe la propiedad (3) de la proposición 3

9. Complete la prueba de la propiedad (5) de la proposición 3.

10. Un almacén de electrodomésticos tiene cinco televisores de 24 pulgadas, ocho de

32, cuatro televisores de 40 pulgadas y diez de 65. Los televisores de 24 pulgadas
se venden a $650000 cada uno, los de 32 pulgadas a $800000 cada uno, los de 40
pulgadas en $1200000 cada uno y los de 65 pulgadas en $3100000 cada uno. Exprese
el precio total de venta de la existencia de televisores del almacén como producto de
dos matrices.

11. Cierta fábrica utiliza tres tipos de materias primas a, b y c en a elaboración de dos
productos p1 y p2 . El número de unidades de a, b y c usados por cada unidad de p1 son
3, 2 y 4 respectivamente, y por unidad de p2 son 4, 1 y 3, respectivamente. Suponga
que la fábrica produce 20 unidades de p1 y 30 unidades de p2 a la semana. Describa
las respuestas a las siguientes preguntas como producto de matrices:

a) Determine el consumo semanal de de las materias primas.

b) Si los costos por unidad (en dólares) para a, b y c son, respectivamente, 60, 100 y
120, determine los costos de las materias primas por unidad de p1 y p2 .
c) Determine la cantidad total empleada en materias primas a la semana en la
producción de p2 y p2 .
22 CAPÍTULO 1. MATRICES

12. Una empresa de renta de automóviles organizó en la siguiente tabla el número de

rentas (por hora) de sus tres tipos de automóviles durante los meses de Mayo, Junio,
Julio y Agosto del mismo año.

Mayo Junio Julio Agosto

65 80 50 75 Deportivo
40 55 45 40 Sedán
50 75 60 70 Vagoneta
Defina
  A ∈ M (3, 4) que represente la información dada, y sea P =
una matriz
120 100 150 la matriz que representa los precios (en dólares) de alquiler por
hora de cada clase de automóvil, determine la matriz P A e interprete el significado
de cada una de sus entradas.

13. Una matriz de transferencia de red resume el comportamiento de entrada-salida de

la red, independientemente de los circuitos internos de la red. Considere un circuito
eléctrico con una entrada y una salida. El !voltaje v (en volts) y la corriente i (en
v1
amperes) de entrada se describen con , mientras que el voltaje y la corriente
i1
!
v2
de salida se describen con .
i2
Una matriz A, llamada matriz de transferencia del circuito, cumple:
! !
v2 v1
=A
i2 i1

En una red que consiste en dos circuitos conectados en serie (de manera que la salida
de un circuito sea la entrada del siguiente circuito), si el primer circuito tiene una
resistencia R1 (en ohms), y el segundo circuito (con derivación) tiene una resistencia
R2 , luego de aplicar las leyes de Kirchhof y de Ohm se obtienen las matrices de
transferencia respectivas:
! !
1 −R1 1 0
A1 = y A2 =
0 1 − R12 1

Note que una entrada X se transforma primero en A1 X y luego en A2 (A1 X).

a) Determine la matriz de transferencia para la red.

b) Si la matriz de transferencia de la red es
!
1 −8
A=
−0,5 5

determine los valores correspondientes de R1 y R2 .

 1.3. ÁLGEBRA DE MATRICES 23

1.3.4. OTROS RESULTADOS EN ÁLGEBRA DE MATRICES.

Definición 16

Si A ∈ M (n, n) definimos A2 = AA y para cada entero positivo k ≥ 2,

Ak+1 = Ak A = A · A · ... · A; A tomado k + 1 veces como factor.

Proposición 4

Si A ∈ M (n, n) y r, s enteros positivos, entonces:

(Ar ) (As ) = Ar+s y (Ar )s = Ars

Prueba.−
Evidentemente todas las matrices que intervienen son tamaño n×n. Probamos el resultado
(Ar )(As ) = Ar+s , por inducción sobre el entero positivo s, asumiendo r fijo.

Para s = 1 es claro que (Ar )A = Ar+1 .

Suponemos la proposición verdadera para s = k, es decir (Ar )(Ak ) = Ar+k , calculamos

(Ar )(Ak+1 ) y obtenemos

(Ar )(Ak+1 ) = (Ar )((Ak A)) = (Ar Ak )(A) = (Ar+k )A = A(r+k)+1 = Ar+(k+1)

por lo tanto, para todo s ∈ Z+ , (Ar )(As ) = Ar+s .

Igualmente para el resultado (Ar )s = Ars .

Para s = 1 es claro que (Ar )1 = Ar .

Suponemos la proposición verdadera para s = k, es decir (Ar )k = Ark , calculamos (Ar )k+1
y obtenemos

(Ar )k+1 = (Ar )k Ar = (Ark )(Ar ) = A(rk)+r = Ar(k+1)

por lo tanto, para todo s ∈ Z+ , (Ar )s = Ars . 

!Importante! Si A ∈ M (n, n), B ∈ M (n, n) no necesariamente (AB)k = Ak B k

Ejemplo 15
! !
1 2 −1 0
Si A = ,B= , entonces
0 3 3 2
24 CAPÍTULO 1. MATRICES

! ! !
5 4 3 1 26 3 −1 0
AB = , A = , B =
9 6 0 27 9 8
y ! !
3 3 233 208 3 701 508
A B = y (AB) =
243 216 1143 828

Proposición 5

1. Si A ∈ M (m, n) y los productos existen, entonces

0A = A0 = 0

2. Si A ∈ M (m, n) y 0 ∈ R, entonces

0 A = 0m×n

3. Si A ∈ M (m, n) y (−1) ∈ R, entonces

(−1) A = −A

4. Si k ∈ R, entonces
k (0m×n ) = 0m×n

Prueba.−

1. Para todo entero positivo k, la matriz 0k×m se puede multplicar con A, en ese orden y
X
k=m X
k=m
((0k×m ) A)ij = (0k×m )ik akj = 0 (akj ) = 0,
k=1 k=1

análogamente se procede con la multiplicación a derecha.

2. Basta obserar que para todo i, 1 ≤ i ≤ n y para todo j, 1 ≤ j ≤ n, (0A)ij = 0aij = 0

3. Basta obsevar que A + (−1)A = (1 + (−1))A = 0.A = 0

4. Ejercicio para el lector. 

En adelante y siempre que no haya lugar a confusión, notaremos simplemente 0 para

referirnos a la matriz 0m×n ∈ M (m, n), cualquiera sean m y n.

Definición 17

Si A ∈ M (n, n), denominamos la traza de A notada T r(A), al número real

X
k=n
T r(A) = a11 + a22 + · · · + ann = akk
k=1
 1.3. ÁLGEBRA DE MATRICES 25

Proposición 6

Si A ∈ M (n, n), B ∈ M (n, n), k ∈ R entonces:

1. T r(A + B) = T r(A) + T r(B)

2. k · T r(A) = T r(k · A)

3. T r(AB) = T r(BA)

Prueba.−

X
k=n X
k=n X
k=n X
k=n
1. T r(A + B) = (A + B)kk = akk + bkk = akk + bkk + T r(A) + T r(B).
k=1 k=1 k=1 k=1

2. Ejercicio para el lector.

! !
X
i=n X X
i=n k=n X
k=n X
i=n X
k=n
3. T r(AB) = (AB)ii = aik bki = bki aik = (BA)kk = T r(BA). 
i=1 i=1 k=1 k=1 i=1 k=1

!Importante! La T r(AB) no necesariamente es igual a T r(A)T r(B)

Ejemplo 16

Sean
   
1 −2 3 2 −4 0
   
A=  0 −2 5 , B=  −2 −1 7 , entonces
1 0 1 3 0 5

 
15 −2 1
 
AB =  19 2 11 
5 −4 5

y además
T r(A) = 0, T r(B) = 6, T r(A) · T r(B) = 0, T r(AB) = 22

Definición 18

Si A ∈ M (m, n) denominamos la transpuesta de A, notada AT , a la matriz tamaño n × m

que se obtiene de A al transformar sus filas en columnas y sus columnas en filas en el
mismo orden.

AT ∈ M (n, m) tal que para todo 1 ≤ i ≤ n y para todo j, 1 ≤ j ≤ m, AT ij
= aji .
26 CAPÍTULO 1. MATRICES

Ejemplo 17

 
  1 0 6
 −9 
1 2 3 4 5  2 7 
  T  
A=  0 −9 −8 −7 −6 , A =  3 −8 8 
 
6 7 8 9 0  4 −7 9 
5 −6 0

Proposición 7

Si A ∈ M (m, n), B ∈ M (m, n) y k ∈ R, entonces

T
1. AT =A

2. (A + B)T = AT + B T

3. (kA)T = kAT

4. Si A ∈ M (m, n), B ∈ M (n, r) entonces (AB)T = B T AT

Prueba.−

T
1. Es claro que AT ∈ M (m, n) y para todo i, 1 ≤ i ≤ m y para todo j, 1 ≤ j ≤ n
tenemos 
T 

AT = AT ji
= aij .
ij

2. Es claro que (A + B)T , AT ,B T ∈ M (n, m) y para todo i, 1 ≤ i ≤ m y para todo j,

1 ≤ j ≤ n tenemos





(A + B)T ij
= (A + B)ji = aji + bji = AT ij
+ BT ij
= AT + B T ij

3. Ejercicio para el lector.

4. (AB)T ∈ M (r, m), B T ∈ M (r, n), AT ∈ M (n, m) y para todo i, 1 ≤ i ≤ r y para todo j,
1 ≤ j ≤ m tenemos

X
k=n X
k=n X
k=n



(AB)T ij
= (AB)ji = ajk bki = bki ajk = BT ik
AT kj

k=1 k=1 k=1

Definición 19

Decimos que una matriz cuadrada A es simétrica si y solamente si AT = A, es decir si y

solo si para todo i, 1 ≤ i ≤ n y para todo j, 1 ≤ j ≤ n aij = aji .
 1.3. ÁLGEBRA DE MATRICES 27

Definición 20

Decimos que una matriz cuadrada A es antisimétrica si y solamente si

AT = −A,

es decir si y solo si para todo i, 1 ≤ i ≤ n y para todo j, 1 ≤ j ≤ n aij = −aji .

Ejemplo 18

 
1 −2 −3 6
 √ 
−2
A= 
0 3 0
 √ es una matriz simétrica
 −3 3 2 −1 
6 0 −1 7
y
 
0 −1 3 2 0
 −π −1 
 1 0 5 
B=
 −3 −5 0 −8 − 15

es una matriz antisimétrica.
 
 −2 π 8 0 0,5 
0 1 1
5
−0,5 0

Proposición 8

Sea A ∈ M (n, n) antisimétrica entonces para todo i, 1 ≤ i ≤ n se tiene que aii = 0.

Prueba.−
Si A es antisimétrica entonces para todo i, 1 ≤ i ≤ n aii = −aii y en consecuencia para
todo i, 1 ≤ i ≤ n aii = 0. 

Proposición 9

Si A ∈ M (n, n), entonces

1
B = A + AT es simétrica, C = A − AT es antisimétrica y A = (B + C)
2

Prueba.−

T
B T = (A + AT )T = AT + AT = AT + A = B, es decir B es una matriz simétrica.

Por otra parte,

T
T

C T = A − AT = AT − AT = AT − A = − A − AT = −C,
28 CAPÍTULO 1. MATRICES

es decir C es una matriz antisimétrica y claramente

(B + C) = (A + AT ) + (A − AT ) = 2A

es decir
1
A= (B + C) .
2


EJERCICIOS 1.3.4
   
1 2 3 1 0 0
   
1. Sea A =  0 0 1  , B =  −1 0 0 
0 0 0 0 1 1

2
4
100
a) Calcule A2 , A3 , A4 , A100 , AT , AT , AT

2
4
100
b) Calcule B 2 , B 3 , B 4 , B 100 , B T , BT , BT
c) Calcule AB, (AB)2 , (AB)3 , (AB)4 , (AB)6 , (AB)5
d) Calcule A2 B 2 , A3 B 3 , A4 B 4 , A5 B 5 , A6 B 6

2. Sean ! !
2 3 2 1
A= ,B =
5 1 0 −7

a) Calcule T r(A), T r(B), T r(AB), T r(A)T r(B)

b) Calcule T r(AB T ), T r(AT B), T r(BAT )

3. Pruebe la afirmación 4 de la proposición 5.

4. Pruebe la afirmación 2 de la proposición 6.

5. Pruebe la afirmación 3 de la proposición 7.

 1.4. TALLER CON MATHEMATICA 29

1.4. TALLER CON MATHEMATICA

Mathematica es un programa que sirve como herramienta para realizar todo tipo de
operaciones y cálculos matemáticos, representaciones gráficas y cálculos simbólicos, entre
otros.
La interface del programa Mathematica que permite la comunicación con el usuario,
se carateriza porque se divide en entradas ( In[]:= ), que permiten ingresar las órdenes
solicitadas por el usuario y salidas ( Out[]= ) que son los espacios en donde el programa
responde. Ambos casos aparecen automáticamente.

Ejemplo.

Abra el programa, seleccione nuevo documento, escriba 12345 + 6789. Para obtener el
resultado oprima SHIFT + ENTER simultáneamente. Verifique que se obtiene:
In[1]:= 12345 + 6789
Out[1]= 19134
Construcción de matrices

En forma explı́cita.
Una forma para escribir matrices es realizando una lista, por filas de la matriz de la
siguiente forma:

m:={{a,b},{c,d}}

esta escritura representa una matriz con dos filas y dos columnas, cada uno de los
conjuntos internos representa una fila, es decir que la lista anterior representa:
!
a b
m=
c d

Observación. Para nombrar las matrices se utilizan letras minúsculas y los dos
puntos. De ésta forma, se pueden realizar operaciones mas adelante con la matriz,
simplemente colocando la letra con la que se nombró.

Para ver la matriz en la forma rectangular acostumbrada se puede usar el comando

MatrixForm[ ]

Ejemplo.

Al escribir
30 CAPÍTULO 1. MATRICES

n=MatrixForm[{{3,5,7},{4,8,1},{2,10,1}} ]

se obtiene
 
3 5 7
 
4 8 1 
2 10 1

Observación. Otra forma de escribir las matrices es usando en el menú del

programa, la opción:

paletas → ayudante de matemáticas básicas

y escoja el ı́cono de matriz para construir matrices.

Ejercicios.
Utilice la última opción dada para escribir cada una de las siguientes matrices
!  
2 0 1 2 0
1.  
3 7 2. 3 4 7
0 3 0

Usando regla para el elemento aij

Mathematica permite construir matrices a partir de reglas. Usando el comando

Table[ regla , variación parametro 1 , variación parametro 2 ]

Ejemplo.
Al escribir:

s:=Table[3i+j,{i,3},{j,3}]

la matriz s es de la forma s = (aij )9×9 , con aij = 3i + j, es decir se obtiene

{{4, 5, 6}, {7, 8, 9}, {10, 11, 12}}, que representa la matriz:
 
4 5 6
 
7 8 9
10 11 12

Recuerde que para obtener esta escritura se escribe MatrixForm[ s ]

Para seleccionar una entrada de una matriz, por ejemplo de la matriz anterior s, se
usa
 1.4. TALLER CON MATHEMATICA 31

s[[ fila , columna ]]

y si se quiere la fila completa

s[[ fila , All ]].

Ejemplo.
Para encontrar el elemento −23− de s se escribe s[[ 2 , 3 ]].

Matrices con entradas aleatorias

El comando

MatrixForm[RandomInteger[ r , {m , n} ] ]

genera una matriz con entradas enteras que varian desde 0 hasta r y de tamaño m×n.

Operaciones entre matrices

Después de nombrar las matrices se pueden utilizar cada uno de los nombres para realizar
las operaciones que se necesiten, sin embargo, no es necesario nombrarlas porque se
pueden operar directamente.

En la siguiente tabla se pueden observar cada uno de los comandos que se deben usar para
realizar las operaciones deseadas. Se usarán las matrices a y b definidas en la primera
tabla.

Operación mathematica significado

!
1 1
Suma a+b
6 5
!
6 1
Multiplicación a.b
12 1

Cada función que utiliza mathematica se comienza con la primera letra en mayúscula y se
continúa con los paréntesis [ ], como se vió con MatrixForm[ ] y con las funciones que se
dan en la siguiente tabla:

Operación mathematica Resultado

!
1 3
Traspuesta Transpose[a]
2 4
!
−2 1
Inversa Inverse[a] 3
2 − 12
Traza Tr[a] 5
32 CAPÍTULO 1. MATRICES

Ejercicios

A continuación se dan dos matrices y se pide que realice algunas operaciones entre ellas.
Utilice mathematica para realizarlas.
Sean    
2 0 1 0 −1 −1 3 0
 0 1 2 −1   −2 0 c 
   0 
A=  y B= ,
 1 −2 a b   0 1 −2 5 
−1 2 0 1 31 4 10 0
donde a y b son los dos últimos dı́gitos del año en curso y c = 1 o c = 2 según sea primer o
segundo semestre.

Calcule


1. A + B 8. B T − (A + B) AT 15. T r AB T


2. πA − 3B 9. B T − AT (A + B)

16. T r AT B
3. AT 10. AB T

T
4. (A + B)T 11. AB T 17. T r(B T A)

T
5. AT + B T 12. AT B
18. A−1 , si existe.
T
6. (A + B) (B − A) 13. BT A

7. (A + B) 14. BAT 19. B −1 , si existe.

20. Utilice, para cada caso, una regla para construir una matriz de tamaño 8×8 en donde:

a) cada entrada sea la suma de los cuadrados correspondientes a las posiciones de

la fila y la columna de su posición.
b) cada entrada sea el número que corresponda a la fila en donde se encuentra.
c) la matriz sea simétrica.

21. Construya una matriz de tamaño 12 × 12 de entradas enteras aleatorias usando

solamente los números 0 y 1. ¿Es una matriz invertible?

22. Construya una matriz de tamaño 12 × 12 de entradas enteras aleatorias usando

solamente los números 0, 1, 2, · · · , 12. ¿Es una matriz invertible?
2+i
23. Construya una matriz E = (aij )6×6 , con aij = 3−j y encuentre el resultado de (E 2 )3 5 +
(2E)5 3 y el de E1 + E5 .
 1.5. TALLER 33

1.5. TALLER

Un sencillo proceso de codificación de mensajes cortos consiste, inicialmente, en numerar

del 1 al 26 las letras del alfabeto en el orden usual. Para codificar el mensaje procedemos
ası́:
Paso 1. Elegimos una matriz cuadrada M (n, n) con inversa que
denominamos Matriz de transmisión.
Paso 2. Escribimos el mensaje y le asignamos la sucesión de
enteros positivos entre 0 y 26 que resulte de asignar a
cada letra su correspondiente, separando las palabras
por un cero.
Paso 3. Formamos en estricto orden grupos de n enteros, con
los que construı́mos matrices tamaño n × 1, a saber
B1 , B2 , · · · completamos con ceros y calculamos los
productos AB1 , AB2 , · · · .
Paso 4. El mensaje codificado es la sucesión resultante al escribir
en el mismo orden los resultados obtenidos.

Para descifrar el mensaje repetimos el paso tres con el mensaje cifrado, construyendo
matrices C1 , C2 , · · · , ahora los productos son con la matriz A−1 , es decir, A−1 C1 , A−1 C2 , · · ·
y volvemos al abecedario.

Ejemplo. Codificar el mensaje “hoy es martes”.

Paso1. Elegimos !
1 2
A= ,
3 4
Paso 2.

h o y e s m a r t e s
↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓ ↓
8 15 25 0 5 19 0 13 1 18 20 5 19 0
Paso 3.

! ! ! !
8 25 5 0
B1 = , B2 = , B3 = , B4 = ,
15 0 19 13
! ! !
1 20 19
B5 = , B6 = , B7 =
18 5 0
34 CAPÍTULO 1. MATRICES

entonces
! ! ! !
38 25 43 26
AB1 = , AB2 = , AB3 = , AB4 = ,
84 75 91 52
! ! !
37 30 19
AB5 = , AB6 = , AB7 = .
75 80 57

Paso 4. El mensaje cifrado será

“38,84,25,75,43,91,26,52,37,75,30,80,19,57”

Para descifrar el mensaje primero observamos que

! ! !
1 2 −2 1 1 0
=
3 4 3
2 − 12 0 1

Es decir
!
−2 1
A−1 = 3
2 − 12
y ! ! ! !
38 25 43 26
C1 = , C2 = , C3 = , C4 = ,
84 75 91 52
! ! !
37 30 19
C5 = , C6 = , C7 =
75 80 57

Finalmente
! ! !
8 25 5
A−1 C1 = , A−1 C2 = , A−1 C3 =
15 0 19
! ! !
0 1 20
A−1 C4 = , A−1 C5 = , A−1 C6 =
13 18 5
!
19
A−1 C7 =
0
y el mensaje descifrado es

“8,15,25,0,5,19,0,13,1,18,20,5,19,0”

es decir

“hoy es martes”.

Ejercicios
 1.5. TALLER 35

1. Verifique que
    
−2 13 1 5 1 −1 2 −2 1 0 0 0
 −1 13 1  3 −3 0   
 3  0   0 1 0 0 
  = 
 −1 0 1 3  −2 2 0 1   0 0 1 0 
−2 0 1 4 1 −1 1 −1 0 0 0 1

2. Suponga que usamos  

−2 31 1 5
 −1 13 1 
 3 
A= 
 −1 0 1 3 
−2 0 1 4

para codificar un mensaje y obtenemos

124 109 62 62 188 131

, , 30, 30, , , 19, 19, , , 39, 38, 39, 30,
3 3 3 3 3 3
142 100
26, 30, −7, 1, 1, −12, , , 33, 40, −7, 5, 2. − 10
3 3

Descifre el mensaje. ¿Por qué funciona?

3. Construya un mensaje y usando una matriz de tamaño 5 × 5, codifı́quelo. Si lo

considera necesario use Mathematica para conseguir A y su inversa.
36 CAPÍTULO 1. MATRICES

1.6. EJERCICIOS DE CAPÍTULO

1. ¿Cuáles de siguientes afirmaciones son ciertas para las matrices dadas?

   
2 0 0 0 0 0 0 0
0   0
 3 0 0 0 0 0 
A= ; B =  
0 0 1 0  0 0 0 0
0 0 0 0 0 0 0 0
 
a) A es una matriz triangular e) A2 = 0 0 0 0
superior.  
0
b) B es una matriz triangular inferior. 3
 
c) A es una matriz escalar. f ) A(2) = 
0
d) B es una matriz diagonal. 0

2. Utilice las matrices

! ! !
2 −2 1 1 −6 3 3 −2
A= ; B= y C=
−1 3 4 1 3 5 −2 1

para realizar las operaciones indicadas.

2
T
a) A + B. d) CA. g) C T + C2 .
b) A − B. e) 2A + B.
c) 2A − 3B. f ) 3AT + B T C. h) AB T + C.
!
α 1
3. Si A = encuentre el resultado de A2 , A3 , A4 , An , n ∈ N.
0 α

4. Determine matrices A y B , de tamaño 2 × 2 que cumplan simultaneamente:

  




3 4

 2A + B = ;
 2 0
a)  

 2 −1



 A−B = 
 4 0
  




1 4

 2A − 3B = ;
 5 2
b)  

 1 −1



 A−B = 
 0 4
 1.6. EJERCICIOS DE CAPÍTULO 37

5. Calcule 3AAT − 2I ; si:

 
2 1 7
 
A= 4 0 1 
2 1 −1

6. Hallar la matriz X tal que X − B 2 = AB siendo:

   
1 0 1 −1 0 1
   
A =  0 0 2  ; B =  −1 1 −1 
1 1 0 0 0 1
!
x 0
7. Determine los valores de x para los cuales X = ; verifica la ecuación:
0 3

10
X2 − X +I =0
3

8. Calcular A2 ; A3 ; A128 si:

 
4 5 −1
 
A =  −3 −4 1 
−3 −4 0

9. Determine condiciones sobre a , b , c para que se cumpla que AB = BA, si:

   
5 2 0 a b 0
   
A =  2 5 0 ;B =  c c 0 
0 0 1 0 0 1
 
0 3 4
 
10. Dada A =  1 −4 −5 , verifique que A3 + I = 0 y calcule A10 .
−1 3 4

11. Dadas las matrices:  

! 7 0
 −3 
1 2 3  2 
A= ;B =  
−2 5 6  4 1 
0 1
   
2 7 1 5 1 −1 1
   
C= 0 0 6 3 ;D =  0 5 3 .
5 −2 0 2 −5 1 2
Calcular AC , AD , BA , CB , DC , D2 .
38 CAPÍTULO 1. MATRICES

12. Sean
 
  −1 1 0
1 2 3 4  1 −2 
   1 
A =  2 2 3 4 , B =  ,
 − 3 −3
4
0 
3 3 3 4
1 3 − 12
 
  1 2 3
−1 1 − 43 1  
   2 2 3 
C= 1 −2 −3 3 , D =  ,
 3 3 3 
0 1 0 − 21
4 4 4
 
  1 2 1 a
1 2 1  0 −1 −1 −1 
   
E =  0 −1 −1  , F =  
 0 0 1 2 
0 0 1
0 0 0 −1

Calcule todos los productos de dos factores, ambos en el conjunto

A = {A, B, C, D, E, F }

Respuesta Parcial: Hay 18 productos posibles.

 
1 1 1
 
13. Sea A =  0 1 1 , para k = 1, ..., 6 calcule Ak , sugiera un resultado general para
0 0 1
n
A , verifı́quelo para n = 7, 8, 9.
 
  1 0 0 0
1 1 1  1 −1 
   0 0 
14. Sean A =  0 −1 −2  , B =  1  calcule A2 y B 2
 2 −1 1 0 
0 0 1
a − 21 1 −1

15. a) Sean
     
1 1 −1 1 −2 2 1 1 0
     
A =  1 −1 1 ,B =  1 3 −3  , C =  0 0 1  ,
1 1 −1 1 1 −1 0 0 1

calcule AC, BC
     
1 2 3 1 0 5 1 1 0
     
b) Sean M =  2 2 3  , N =  2 2 3  , K =  0 0 1 
3 3 3 3 2 4 0 0 1
calcule M K y N K
 1.6. EJERCICIOS DE CAPÍTULO 39

     
1 2 3 4 2 2 3 0 1 1 1 0
     
 2 2 3 4   2 2 3 6   0 0 0 1 
c) Sean U =  ,V =  ,W =  
 3 3 3 4   2 3 3 6   0 0 0 1 
4 4 4 4 4 4 4 4 0 0 0 1
calcule W U y WV

16. Sean A, B, C, matrices de tamaño n × n. Demuestre o refute:

a) Si AB + BA = 0 entonces A2 B 3 = B 3 A2 .
b) (A + B)2 = A2 + 2AB + B 2
c) (A − B)(A + B) = A2 − B 2
d) Si AB = AC entonces B = C
40 CAPÍTULO 1. MATRICES
 C AP ÍTULO 2

SISTEMAS DE ECUACIONES
LINEALES

2.1. ECUACIONES Y SOLUCIONES

Una buena cantidad de las respuestas a preguntas que tienen que ver con los
conceptos estudiados en este escrito se obtiene al “resolver” un sistema de ecuaciones
lineales. Auncuando muy seguramente el lector puede tener alguna experiencia en este
tema consideramos de fundamental importancia precisar cada uno de los términos
y procedimientos a fin de garantizar que nuestras respuestas son ciertas, claras y
universales.
En particular nos parece importante romper la creencia equivocada de que la mera
comparación del número de incógnitas con el número de ecuaciones nos permite tomar
decisiones en el caso general.

Definición 1

La expresión

a1 x1 + a2 x2 + · · · + an xn = b (2.1)

donde n es un entero positivo, a1 , a2 , · · · , an , b ∈ R y x1 , x2 , · · · , xn son incógnitas o

indeterminadas, se denomina una ecuación lineal en R con n incógnitas, a1 , a2 , · · · , an se
denominan los coeficientes y b el término independiente o término constante.

El adjetivo lineal, hace referencia a que todas las incógnitas que aparecen en la ecuación
(2.1) tienen exponente uno.

Decimos que la ecuación (2.1) es homogenea si y solo si b = 0

41
42 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES

Los enteros 1, 2, · · · , n ordenan de manera natural las incógnitas, en consecuencia nos

referimos a x1 como la primera incógnita, x2 la segunda y ası́ sucesivamente, xn la n-ésima.

Ejemplo 1

2x1 + 3x2 − 5x3 = 4

es una ecuación lineal con tres incógnitas, donde 2 es el coeficiente de la primera incógnita,
3 es el coeficiente de la segunda, −5 el coeficiente de la tercera y 4 es el término
independiente.

Por costumbre en casos especı́ficos, cuando n es “pequeño”, nombramos las incógnitas con
algunas de las últimas letras del alfabeto x, y, z, w, ası́ la ecuación del ejemplo puede
encontrarse escrita como:

2x + 3y − 5z = 4

La expresión (2.1) es una expresión formal, pero si reemplazamos las incógnitas por
números reales e interpretamos los signos de operación (+) y (·), como la adición y
multiplicación de reales obtenemos una igualdad que puede ser verdadera o falsa.

Ası́, si en la ecuación 2x + 3y − 5z = 4 reemplazamos x por 5, y por 1, z por 3; obtenemos

2 (5) + 3 (1) − 5 (3) = 4 que claramente es falsa; pero si reemplazamos x por 13, y por 6, z
por 8 obtenemos 2 (13) + 3 (6) − 5 (8) = 4 igualdad evidentemente verdadera

Definición 2

Si a1 x1 + a2 x2 + · · · + an xn = b es una ecuación lineal y (α1 , α2 , · · · , αn ) es un conjunto

ordenado de números reales tal que al reemplazar x1 por α1 , x2 por α2 , · · · , xn por αn
se verifica la igualdad, es decir, es cierto que a1 α1 + a2 α2 + · · · + an αn = b, decimos que
(α1 , α2 , · · · , αn ) es una solución de la ecuación.

Usualmente escribimos

x1 = α1 , x2 = α2 , · · · , xn = αn es una solución de (2.1)

Ejemplo 2


Puesto que 2 (13) + 3 (6) − 5 (8) = 4 y 2 (1) + 3 (1) − 5 51 = 4 decimos que x = 13,
y = 6, z = 8 y x = 1, y = 1, z = 15 son dos soluciones de la ecuación 2x + 3y − 5z = 4.

Además, si reemplazamos y por 0, z por 2 y “despejamos” x, obtenemos

1
x= (4 − 3(0) + 5(2)) = 7
2
 2.1. ECUACIONES Y SOLUCIONES 43

y claramente x = 7, y = 0, z = 5 es una solución de 2x + 3y − 5z = 4.

En general, si reemplazamos y por a, z por b, con a, b números reales arbitrarios y

despejamos x, obtenemos x = 12 (4 − 3a + 5b) y claramente para cada a, b ∈ R, se tiene
que:


 1

 x = (4 − 3a + 5b)
 2
 y=a



z=b

es una solución de 2x + 3y − 5z = 4; usualmente llamada la solución general. Igualmente

la solución general se obtiene si asignamos valores arbitrarios a dos de las incógnitas y
despejamos la tercera.

Respecto de las soluciones de ecuaciones lineales en R, afirmamos:

Si a ̸= 0, la ecuación ax = b tiene una única solución a saber x = a−1 b = ab .

Si b ̸= 0, la ecuación lineal 0x1 + 0x2 + · · · + 0xn = b no tiene solución.

Una ecuación lineal con mas de una incógnita y por lo menos dos de sus coeficientes
diferentes de cero tiene muchas soluciones (Infinitas), basta reemplazar todas las
incógnitas menos una, por números reales arbitrarios y “despejar la restante” para
obtener la solución general.

Definición 3

Sean m, n enteros positivos, una lista ordenada de m ≥ 1 ecuaciones lineales con las
mismas n ≥ 1 incógnitas, se denomina sistema de m ecuaciones lineales simultáneas con n
incógnitas.

Escribimos: 

 a11 x1 + a12 x2 + · · · + a1n xn = b1



 a21 x1 + a22 x2 + · · · + a2n xn = b2



 ..
.
(2.2)

 ai1 x1 + ai2 x2 + · · · + ain xn = bi



 ..

 .


am1 x1 + am2 x2 + · · · + amn xn = bm

para referirnos de forma general a un sistema de ecuaciones, donde observamos que cada
coeficiente tiene dos subı́ndices −ij− que nos indican que es el coeficiente en la ecuación
44 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES

−i− que acompaña a la incógnita xj y cada término independiente tiene el subı́ndice que
indica la ecuación a la que corresponde; ası́ por ejemplo a23 es el coeficiente en la segunda
ecuación de la incógnita x3 y b6 es el término independiente de la ecuación seis.

Ejemplo 3

El sistema


2x + 3y − 2z
 =4
3x − 2y − 4z =1



−x + 4y + z = −2

es un sistema de 3 ecuaciones con 3 incógnitas.

Ejemplo 4

El sistema
(
−x + 3y − 5z = 0
y − 3z = −1

es un sistema de 2 ecuaciones con 3 incógnitas.

Ejemplo 5

El sistema


 2x − 3y = 0



 5x + y = −1

 −2x − 2y = 3



 2x =8

es un sistema de 4 ecuaciones con 2 incógnitas.

Cuando no hay riesgo de confusión omitimos el corchete ({ ) en la escritura.

Ejemplo 6

El sistema

3x − 2y = 5
6x − 4y = 1

es un sistema de 2 ecuaciones con 2 incógnitas.

 2.1. ECUACIONES Y SOLUCIONES 45

Definición 4

Una solución simultánea de todas las ecuaciones de un sistema de ecuaciones se

denomina una solución del sistema

Ejemplo 7

Dado el sistema

2x + 3y − 2z = 4
3x − 2y − 4z = 1
−x + 4y + z = −2
afirmamos que x = 7, y = 0, z = 5 es una solución del sistema, puesto que
2 (7) + 3 (0) − 2 (5) = 4
3 (7) − 2 (0) − 4 (5) = (1)
− (7) + 4 (0) + (5) = −2

Un sistema de ecuaciones lineales puede tener o no tener solución y cuando tiene solución
puede tener una única o muchas (Infinitas). Cuando un sistema no tiene solución lo
denominamos inconsistente; cuando tiene solución lo denominamos consistente.

Ejemplo 8

El sistema

3x − 5y = 1
x−y =3
tiene una única solución, a saber x = 7, y = 4

Ejemplo 9

El sistema

3x − 5y = 1
3x − 5y = 0
no tiene solución, es inconsistente. La existencia de una solución, implicarı́a 0 = 1.

Ejemplo 10

El sistema

3x − 5y = 1
6x − 10y = 2
46 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES

tiene infinitas soluciones, todas de la forma:

1
x = (1 + 5a)
3
y=a

para cualquier valor real de a.

El objetivo final en este capı́tulo es resolver sistemas de ecuaciones lineales, entendiendo

por “resolver”, que frente a un sistema cualquiera sea posible decidir si es consistente o
inconsistente y en el evento que sea consistente determinar si tiene una única solución y
hacerla explı́cita o si tiene muchas, dar un procedimiento eficaz para encontrar cualquiera
de ellas.

De manera coloquial diremos que el camino a seguir para el logro de este objetivo será:

1. Asociar de manera unı́voca cada sistema de ecuaciones lineales con una matriz. (Su
matriz aumentada)

2. Mostrar que siempre es posible “resolver el sistema” cuando la matriz aumentada

satisface ciertas condiciones. (La matriz de coeficientes es escalonada reducida)

3. Presentar un algoritmo que permite transformar cualquier sistema en uno de los

mencionados en la afirmación anterior con soluciones idénticas.

EJERCICIOS 2.1
1. Identifique cuáles de las siguientes ecuaciones son lineales y encuentre una solución,
si es posible.

a) 4x = π c) x + 2y = 0 e) 0x + 0y + 0z = 5
b) πz = e d) x2 = 0 f) x + y + z = 1

2. De los siguientes enunciados, cuáles son una proposición verdadera, cuáles una
proposición falsa y por qué.

a) Las ecuaciones

3x − y + 2z = 4k, 2x1 + 3x2 − 5x4 = 33, 3x2 + 5y − z = 0

son ecuaciones lineales.

b) La tripla (0, 0, 0) es la solución de toda ecuación lineal homogenea de tres
incógnitas.
c) Toda ecuación lineal con término independiente diferente de cero tiene solución.
 2.1. ECUACIONES Y SOLUCIONES 47

d) Todo sistema de m ecuaciones lineales con n incógnitas con m > n tiene solución.
e) Todo sistema de ecuaciones lineales se puede resolver.

3. Halle:

a) una solución de la ecuación 3x − 2y = 4, tal que y = 3

b) dos soluciones de la ecuación 4x + 3y − z = 5 tal que x = 1
c) la solución de la ecuación 4x + 3y − z = 5 tal que x = 2, y = −1

4. Encuentre dos soluciones de la ecuación lineal 3x − 4y = 5

5. Las siguientes ecuaciones lineales tienen muchas soluciones. Encuéntrelas.

a) x + 3y = 0 b) 2x + y = 1 c) x + y − z = 0

6. Verifique que (3, −1) es la solución de los sistemas

2x + y = 5 x − 5y = 8
a) b)
−x − 5y = 2 2x + 3y = 3

7. Verifique que (2, −1, 4) es una solución de los sistemas

2x − y − z = 1 2x − y − z = 1 x+y+z =5
a)
−x + y + z = 1 b) −x + y + z = 1 x + 2y + z =4
3x − 6y − 3z = 0 c) −x + y + z =1
3x − 6y − 3z =0
2x − y − z =1

3x + 2y − 5z = 1
8. Muestre, por qué el sistema −3x − 2y + 5z = −1 es inconsistente.
9x + 6y − 15z = 2

9. Cuántas soluciones tiene la ecuación lineal 3x1 = 5

10. Construya una ecuación lineal con muchas soluciones.

11. Construya una ecuación lineal sin soluciones.

12. Construya un sistema de dos ecuaciones lineales con dos incógnitas con una única
solución.

13. Construya un sistema de dos ecuaciones lineales con dos incógnitas con infinitas
soluciones.

14. Construya un sistema de dos ecuaciones lineales con dos incógnitas inconsistente.
48 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES

15. De los siguientes enunciados, cuáles son una proposición verdadera, cuáles una
proposición falsa y por qué.

a) Si (α1 , α2 , · · · , αn ) es una solución de la ecuación

a1 x1 + a2 x2 + · · · + an xn = b

entonces para todo k ∈ R, (kα1 , kα2 , · · · , kαn ) es una solución de la ecuación

a1 kx1 + a2 kx2 + · · · + an kxn = b.

b) Si (α1 , α2 , · · · , αn ) es una solución simultánea de la ecuaciónes a1 x1 + a2 x2 +

· · · + an xn = α y b1 x1 + b2 x2 + · · · + bn xn = β entonces para todo k, t ∈ R,
(α1 , α2 , · · · , αn ) es una solución de la ecuación (ka1 + tb1 ) x1 + (ka2 + tb2 ) x2 +
· · · + ((kan + tbn )) xn = kα + tβ.

2.2. MATRICES Y SISTEMAS DE ECUACIONES

Consideramos el sistema de ecuaciones dado en (2.2)

a11 x1 + a12 x2 + · · · + a1n xn = b1

a21 x1 + a22 x2 + · · · + a2n xn = b2
..
.
ai1 x1 + ai2 x2 + · · · + ain xn = bi
..
.
am1 x1 + am2 x2 + · · · + amn xn = bm

Definición 5

La matriz A ∈ M (m, n)
 
a11 ··· a1j ··· a1n
 
 .. .. .. 
 . . . 
 
A=  ai1 aij ain  = (aij )
 
 .. .. 
 .. 
 . . . 
am1 ··· amj ··· amn

la denominamos la matriz de coeficientes del sistema (2.2).

Definición 6

La matriz columna B ∈ M (m, 1)

 2.2. MATRICES Y SISTEMAS DE ECUACIONES 49

 
b1
 
 .. 
 . 
 
B=  bi 
 
 .. 
 
 . 
bm

la denominamos la matriz de los términos constantes del sistema (2.2).

Ejemplo 11

En el sistema

2x + 3y − 2z = 4
3x − 2y − 4z = 1
−x + 4y + z = −2

la matriz de coeficientes del sistema es:

 
2 3 −2
 
A=  3 −2 −4 
−1 4 1

y la matriz de términos constantes es:

 
4
 
B=  1 
−2

Ejemplo 12

En el sistema

2x − 3y = 0
5x + y = −1
−2x − 2y = 3
2x =8

La matriz de coeficientes A y la matriz de B términos constantes son:

   
2 3 0
   −1 
A= 
y B= 
5 1
   
 −2 −2   3 
2 0 8

En la construcción de la matriz de coeficientes debemos ser muy cuidadosos, debemos

tener en cuenta que cuando una incógnita no aparece en alguna ecuación del sistema su
coeficiente es cero y ası́ lo debemos escribir.
50 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES

Ejemplo 13

El sistema

2x + 3y = 1
4y − 5z = 2
−z − w = 0

es un sistema de 3 ecuaciones con 4 incógnitas, a saber: x, y, z, w. Para mayor claridad antes

de escribir su matriz de coeficientes, escribimos el sistema ası́:

2x + 3y + 0z + 0w = 1
0x + 4y − 5z + 0w = 2
0x + 0y − z − w = 0

y en consecuencia la matriz de coeficientes A y la matriz de B términos constantes son:

   
2 3 0 0 1
   
A=  0 4 −5 0  B =  2 .
0 0 −1 −1 0

Puesto que la matriz de coeficientes no identifica de manera unı́voca un sistema de

ecuaciones, pues muchos sistemas diferentes pueden tener la misma matriz de coeficientes,
construı́mos otra que sı́ lo hace.

Definición 7

La matriz de tamaño m × (n + 1), notada (A |B ) donde A es la matriz de coeficientes y B la

matriz vector columna de términos constantes, la denominamos la matriz aumentada del
sistema (2.2).

Ejemplo 14

En el sistema

2x + 3y − 2z = 4
3x − 2y − 4z = 1
−x + 4y + z = −2

La matriz aumentada es:

 
2 3 −2 4
 
(A |B ) =  3 −2 −4 1 
−1 4 1 −2
 2.2. MATRICES Y SISTEMAS DE ECUACIONES 51

Ejemplo 15

En el sistema

2x + 3y = 0
5x + y = −1
−2x − 2y = 3
2x = 8

La matriz aumentada es:

 
2 3 0
 −1 
(A |B ) =  
5 1
 
 −2 −2 3 
2 0 8

Ejemplo 16

En el sistema

2x + 3y + 0z + 0w = 1
0x + 4y − 5z + 0w = 2
0x + 0y − z − w = 0

La matriz aumentada es:

 
2 3 0 0 1
 
(A |B ) =  0 4 −5 0 2 
0 0 −1 −1 0

Observación. Es importante observar que una vez escrito el sistema en forma ordenada
y “completa” (En todas las ecuaciones todas las incógnitas incluso las de coeficiente cero),
la matriz aumentada del sistema se obtiene borrando las incógnitas y reemplazando
los sı́mbolos “igual” por la vertical que separa la matriz de coeficientes de la matriz de
términos independientes y en este contexto cada columna de la matriz de coeficientes
corresponde a una incógnita y cada fila de la matriz aumentada corresponde a una ecuación.

Por otra parte, si consideramos una matriz vector columna cuyas entradas son las
incógnitas:
 
x1
 
 .. 
 . 
 
X=  xj 
 
 .. 
 
 . 
xn
52 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES

y evocamos la multiplicación de matrices, es fácil verificar que el sistema (2.2) se puede

mirar como la ecuación en matrices:
AX = B (2.3)

En lo que sigue y mientras sea posible, utilizaremos esta última escritura para referirnos
a un sistema de ecuaciones lineales donde A ∈ M (m, n) es la matriz de coeficientes, X ∈
M (n, 1) la matriz vector columna de incógnitas y B ∈ M (m, 1) la matriz vector columna
de términos constantes o independientes.

EJERCICIOS 2.2

1. Considere el sistema
3x + 4y − 2z + w = 0
x+w =5
w − z = 18

Encuentre la matriz de coeficientes y la matriz aumentada del sistema.

2. Construya tres sistemas de 4 ecuaciones lineales con 4 incógnitas cuya matriz de

coeficientes sea
 
1 2 3 4
 0 1 −1 0 
 
A= 
 5 0 1 2 
0 0 2 −1

3. Considere el sistema
3x − 2y − 2z + w = 0
y−x+w =5
x − 5y − w − z = 18

Escrı́balo el la forma matricial AX = B.

4. Considere los sistemas

3x − 2y − 2z + w = 0 3x − 2y − 2z + w = 0
−x+y+w =5 (1) y y − 2z + 4w = 15 (2)
x − 3y − z − w = 0 − 5z + 8w = 35

a) Encuentre las correspondientes matrices aumentadas.

b) Verifique que (−4, 1, −7, 0) y (−3, −3, 1, 5) son soluciones de (1).
c) Investigue si (−4, 1, −7, 0) y (−3, −3, 1, 5) son o nó soluciones de (2).
 2.3. MATRICES ESCALONADAS 53

2.3. MATRICES ESCALONADAS

Definición 8

Decimos que una matriz A ∈ M (m, n), A ̸= 0 es escalonada si satisface las siguientes
condiciones:

Si hay una fila de ceros, todas de esa en adelante son filas de ceros.

En dos filas consecutivas no nulas, el primer elemento diferente de cero de la primera

aparece en una columna anterior al primero diferente de cero de la siguiente.

Coloquialmente decimos que una matriz no nula, es escalonada si el número de ceros que
anteceden al primer elemento diferente de cero, crece fila por fila y si hay una fila de ceros
todas de ella en adelante son filas de ceros.

Ejemplo 17

La matriz
 
2 −2 0 5 0
 
A=  0 0 −5 0 1 
0 0 0 0 7

es escalonada pues el primer elemento diferente de cero de la fila −1− aparece en la −1−, el
primero diferente de cero de la siguiente fila aparece en la columna −3− (Dos a la derecha
de la uno), y el primero diferente de cero de la siguiente aparece en la columna −5− (Dos
a la derecha de la tres)

Ejemplo 18

La matriz

 
0 −5 0 −4 8 −1
 −2 −2 
 0 0 3 11 
 
B=  0 0 0 0 6 −7 
 
 0 0 0 0 0 −5 
0 0 0 0 0 0

es escalonada, pues si contamos el número de ceros anteriores al primer diferente de cero

de cada fila tenemos: en la primera fila, uno; en la segunda fila, dos; en la tercera fila,
cuatro; en la cuarta fila, cinco y claramente 1 < 2 < 4 < 5.
54 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES

Ejemplo 19

La matriz
 √ 
5 −5 0 −4 8 −1
 √ 
 0 0 2 −2 11 −2 
 
C=  0 0 0 0 6 −7 
 
 0 0 0 0 0 5 
0 0 0 0 0 1

no es escalonada porque el número de ceros anteriores al primer elemento diferente de cero

no crece de la fila cuatro a la cinco, en ambos casos es cinco.

Ejemplo 20

La matriz
 
1 −2 5 7
 −1 
 0 2 4 
 
D=  0 0 1 3 
 
 0 0 0 0 
0 0 0 5

no es escalonada porque la fila cuatro es una fila de ceros y la siguiente no lo es.

Definición 9

Si A ∈ M (m, n), A ̸= 0 es una matriz escalonada, el primer elemento diferente de cero de

cada fila lo denominamos el pivote, o elemento principal, o elemento distinguido de la fila.

Ejemplo 21

En la matriz escalonada
 
0 −5 0 −4 8 −1
 −2 −2 
 0 0 3 11 
 
A=  0 0 0 0 6 −7 
 
 0 0 0 0 0 −5 
0 0 0 0 0 0

los pivotes, principales, o elementos distinguidos aparecen en: la entrada −12− en la

primera fila; la entrada −23− en la segunda fila; la entrada −35− en la tercera fila; la
entrada −46− en la cuarta fila.

Podemos reescribir las definiciones anteriores en términos de las entradas en la forma

siguiente:
 2.3. MATRICES ESCALONADAS 55

Definición 10

Decimos que una matriz A ∈ M (m, n), A ̸= 0 es escalonada si existen enteros r, k1 , k2 , · · · kr

tales que:

1≤r≤m y 1 ≤ k1 < k 2 < · · · < k r ≤ n

aiki ̸= 0 si i<r

aij = 0 si j < ki o i>r

Los elementos de las entradas −iki − los denominamos pivotes o elementos distinguidos.
En el ejemplo anterior tenemos A ∈ M (5, 6), r = 4, k1 = 2, k2 = 3, k3 = 5, k4 = 6
Es importante recalcar que en una matriz escalonada todas las filas diferentes de cero
tienen un pivote, no ası́ las columnas.

Proposición 1

Si A ∈ M (m, n), A ̸= 0 es escalonada entonces todos los elementos en entradas por debajo
de la diagonal principal, son cero.

Prueba.−
La desigualdad 1 ≤ k1 < k2 < · · · < kr ≤ n de la definición de matriz escalonda implica
que para todo i , 1 ≤ i ≤ r tenemos que i ≤ ki , por lo tanto si j < i, entonces j < i ≤ ki y
por lo tanto aij = 0. 

Definición 11

Decimos que una matriz escalonada A ∈ M (m, n), A ̸= 0 es reducida por filas si los pivotes
son todos uno y son los únicos diferentes de cero en su columna, es decir; si existen enteros
r, k1 , k2 , · · · kr tales que:

1≤r≤m y 1 ≤ k1 < k 2 < · · · < k r ≤ n

aikj = 1 si i = j, y aikj = 0 si i, j < r

aij = 0 si j < ki o i>r

Ejemplo 22

   
1 0 0 0 1 0 0 0 −8 0
   
 0 1 0 0   0 1 0 0 11 0 
   
A=  0 0 1 0  B=  0 0 1 0 −6 0 
   
 0 0 0 1   0 0 0 1 −5 0 
0 0 0 0 0 0 0 0 0 1
56 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES

Las matrices A y B son matrices escalonadas reducidas por filas, puesto que cada pivote
es 1 y es la única entrada diferente de cero en su columna.

Ejemplo 23

Para cada entero positivo n, la matriz I(n) ;

 
1 0 ··· 0
(  .. 

1 si i = j  0 . 
= 
1
I(n) =  . 
ij 0 si i ̸= j  . .. 
 . . 0 
0 ··· 0 1

es escalonada reducida.

Proposición 2

Si A ∈ M (m, n), A ̸= 0 es una matriz escalonada reducida, sin filas de ceros, entonces m = n
y A = I(n) o existe k tal que la columna A(k) no tiene pivote.

Prueba.−
La mejor manera de leer esta prueba es tomar papel y lapiz y construir una matriz que
cumpla las condiciones de la hipótesis.

Supongamos A ∈ M (m, n) A ̸= 0 una matriz escalonada reducida y tal que todas sus
columnas tienen pivote, entonces para todo i , 1 ≤ i ≤ mı́n {m, n} tenemos que aii = 1 y es
el pivote de la fila i, puesto que si i0 es el primer subı́ndice tal que ai0 i0 = 0 entonces la
columna A(i0 ) no tiene pivote.

Ahora, si m > n entonces n = mı́n{m, n} y A(n+1) es una fila de ceros, contrario a la

hipótesis y si n > m; m = mı́n{m, n} y A(m+1) no tiene pivote, contrario al supuesto, en
consecuencia m = n y A = I(n) . 

EJERCICIOS 2.3
1. Para cada una de las matrices siguientes diga si es escalonada, si es escalonada
reducida por filas o si no es escalonada, a, b, c números reales. Justifique sus
afirmaciones.
   
1 0 0 1 2 3 0 1 0
   
 0 0 1  b) B =  0 0 1 1 0 0 
a) A =  
 0 0 1  0 0 0 0 3 4
0 0 0
 2.3. MATRICES ESCALONADAS 57

   
1 2 0 0 0 1 1 1 a b 1 1
   
c) C =  0 0 1 3 0 1  e) E =  a a a 1 1 1 
0 0 0 0 1 4 0 0 0 0 0 1
 
1 0 1
 
 0 0 1 
 
 0 1 1 
  
f) F =  

1 1 1 0 a b  0 a 1 
   
d) D =  0 0 0 1 a c   0 0 b 
0 0 0 0 0 1 a 0 0

2. Complete cada una de las matrices dadas, de tal forma que resulten ser matrices
escalonadas reducidas:
  ! !
a11 0 0 1 0 0 a14 0 1 2 a14
  b) c)
a)  0 1 0  0 0 a23 2 a21 a22 a23 1
0 a32 a33

3. Para cada uno de los siguientes enunciados, diga si es una proposición verdadera o
una proposición falsa y por qué.

a) Si A ∈ M (m, n) es escalonada entonces todos sus elementos por debajo de la

diagonal principal son cero.
b) Una matriz escalonada no tiene columnas de ceros.
c) La matriz  
1 2 3 4 0
 
A =  0 0 0 0 0 ,
0 0 0 0 1
es una matriz escalonada reducida.
d) La única matriz 2 × 2 escalonada reducida es I(2) .
e) Si A ∈ M (m, n) con m < n es escalonada entonces A tiene columnas sin pivote.
f ) Si A es de tamaño 5 × 3 y es escalonada entonces A4 = (0, 0, 0).
g) Si A ∈ M (10, 10) y a55 = 0 entonces A no es escalonada reducida.
h) Si A ∈ M (m, n) es escalonada y tal que una de sus columnas no tiene pivote
entonces n > m.

4. Construya una matriz tamaño 5 × 5 escalonada y tal que a44 = 5 y tenga por lo menos
una columna sin pivote y una columna de ceros.

5. Sea A ∈ M (m, n) escalonada reducida y tal que a44 = 1 pruebe que si i < j ≤ 4
entonces aij = 0.
58 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES

2.4. UN LOGRO PARCIAL

En algunos casos, según la naturaleza de la matriz de coeficientes o la de términos
constantes, el logro de nuestro objetivo es inmediato.

Definición 12

Si A ∈ M (m, n) el sistema de ecuaciones AX = 0 se denomina sistema homogéneo.

Un sistema de ecuaciones lineales homogéneo siempre tiene solución, basta observar que
para cada i, 1 ≤ i ≤ n.

ai1 0 + ai2 0 + · · · + ain 0 = 0

Definición 13

La solución x1 = 0, x2 = 0, · · · , xn = 0 de un sistema homogéneo AX = 0, la denominamos

la solución trivial.

Por otra parte, cuando la matriz de coeficientes de un sistema AX = B es una matriz

escalonada reducida, “resolverlo” es inmediato, basta observar tres casos, a saber:

CASO 1.- En el sistema aparece una ecuación inconsistente.

Proposición 3

Sea A ∈ M (m, n), A ̸= 0 una matriz escalonada reducida y sea AX = B un sistema tal
que una de sus ecuaciones es inconsistente entonces el sistema es inconsistente.

Prueba.−
Si el sistema tiene una solución a saber (α1 , α2 , · · · , αn ) , ésta es solución simultánea de
todas las ecuciones, contrario a la hipótesis. 

Ejemplo 24

En el sistema

1x + 0y + 0z + 0w = 5
0x + 1y + 0z + 0w = −7
0x + 0y + 1z + 0w = 0
0x + 0y + 0z + 1w = 1
0x + 0y + 0z + 0w = 4
 2.4. UN LOGRO PARCIAL 59

la matriz  
1 0 0 0
 
 0 1 0 0 
 
A=  0 0 1 0 
 
 0 0 0 1 
0 0 0 0

de coeficientes es escalonada reducida y la quinta ecuación es claramente inconsistente, lo

mismo que el sistema.

CASO 2.- En el sistema no hay ecuaciones inconsistentes y todas las columnas de la

matriz de coeficientes tienen un pivote

Proposición 4

Si A ∈ M (m, n), A ̸= 0 es una matriz escalonada reducida tal que todas sus columnas
tienen pivotes y AX = B es un sistema de ecuaciones lineales consistente entonces la
solución es única.

Prueba.−
Al no tener ecuaciones inconsistentes, la matriz de coeficientes escalonada reducida, no
tiene filas de ceros o si las tiene corresponden a ecuaciones de la forma

0x1 + 0x2 + · · · + 0xn = 0

que pueden pensarse no escritas, en consecuencia, por la proposición 2 la matriz de

coeficientes debe ser la matriz I(n) para algún entero positivo n y el sistema y su solución
acaban siendo exactamente lo mismo. 

Ejemplo 25

En el sistema

1x + 0y + 0z + 0w = 5
0x + 1y + 0z + 0w = −7
0x + 0y + 1z + 0w = 0
0x + 0y + 0z + 1w = 1

que es lo mismo que

x = 5, y = −7, z = 0, w = 1

CASO 3.- En el sistema no hay ecuaciones inconsistentes y por lo menos una columna
de la matriz de coeficientes no tiene pivote.
60 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES

Definición 14

Si AX = B es un sistema de ecuaciones lineales cuya matriz de coeficientes es escalonada

reducida, las incógnitas que corresponden a columnas con pivote las denominamos
incógnitas ligadas y las que corresponden a columnas sin pivote las denominamos
incógnitas libres.

Proposición 5

Si AX = B es un sistema de ecuaciones lineales consistente y A ∈ M (m, n) es una matriz

escalonada reducida tal que por lo menos una de sus columnas no tiene pivote entonces el
sistema tiene infinitas soluciones.

Prueba.−
Basta observar que si “despejamos” las incógnitas ligadas en términos de las libres,
por cada asignación arbitraria de valores a las incógnitas libres obtenemos los
correspondientes para las ligadas que nos dan una solución es decir, si renumeramos las
incógntas como xk1 , xk2 , · · · , xkr las ligadas y xt1 , xt2 , · · · , xts las libres; con r+s = n, despejar
las incógnitas ligadas significa escribir el sistema en la siguiente forma:
X
i=s
x k1 = b1 − a1ti xti
Pi=s
i=1
x k 2 = b2 − i=1 a2ti xti
..
.
X
i=s
x kr = br − arti xti
i=1

Usualmente decimos que hemos escrito la familia de soluciones del sistema en términos
paramétricos y los parámetros son precisamente las asignaciones de las incógnitas libres.


Ejemplo 26

El sistema

x + 2y − 5v = 3
z + 4v = −1
w − 4v = 3
lo reescribimos
x + 2y + 0z + 0w − 5v = 3
0x + 0y + z + 0w + 4v = −1
0x + 0y + 0z + w − 4v = 3
 2.4. UN LOGRO PARCIAL 61

en consecuencia su matriz aumentada es

 
1 2 0 0 −5 3
 
 0 0 1 0 4 −1 
0 0 0 1 −4 3

y la matriz de coeficientes es
 
1 2 0 0 −5
 
A=  0 0 1 0 4 
0 0 0 1 −4

que es una matriz escalonada reducida, los pivotes aparecen en las columnas 1,3,4 en
consecuencia las incógnitas x, z, w son ligadas y las incógnitas y, v son libres.

Al despejar las incógnitas ligadas en términos de las libres obtenemos:

x = 3 − 2y + 5v
z = −1 − 4v
w = 3 + 4v

y para cada asignación y = a, v = b obtenemos la solución:



 x = 3 − 2a + 5b  

 3 − 2a + 5b




y=a  
 a 
 
z = −1 − 4b o X=  −1 − 4b , a, b ∈ R

 




 3 + 4b

 w = 3 + 4b

 b
v=b

familia de soluciones escrita en términos de los parámetros a, b usualmente denominada

solución general.

Si asignamos, por ejemplo, a = 1, b = 0 obtenemos:



 x=1  




1


y=1  
 1 
 
z = −1 o X1 =  −1 

 




 3

 w=3

 0
v=0

Si asignamos, por ejemplo, a = 0, b = 1 obtenemos:

62 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES



 x=8  




8


y=0  
 0 
z = −5 o X2 = 
 −5



 




 7

 w=7

 1
v=1

soluciones que denominamos soluciones particulares.

El lector verificará por cálculo directo que X = aX1 + bX2 , resultado que no es una
casualidad, pero que para el caso general, precisaremos mas adelante.

EJERCICIOS 2.4
1. Considere el sistema
x−y+u=1
z+u=2
w−u=3
t=1

a) Encuentre la matriz de coeficientes y la matriz aumentada del sistema.

b) Encuentre la solución del sistema.

2. Resuelva el sistema
x + 2y − w + v = 0
z − 2w + v = 1
u+v =2

3. De los siguientes enunciados diga cuáles son proposiciones verdaderas, cuáles

proposiciones falsas y por qué?

a) Todo sistema homogéneo de ecuaciones lineales tiene muchas soluciones.

b) Si A ∈ M (m, n), A ̸= 0, es escalonada reducida entonces para toda B ∈ M (m, 1)
el sitema AX = B tiene una única solución.
c) Todo sistema de ecuaciones lineales AX = B con más incógnitas que ecuaciones
tiene por lo menos una variable libre y por tanto muchas soluciones.
d) La ecuación 0x1 + 0x2 + 0x3 + · · · + 0xn = 0 es una ecuación inconsistente.
e) Un sistema de cinco ecuaciones lineales con cuatro incógnitas cuya matriz
aumentada tiene forma escalonada reducida con cinco elementos distinguidos
(pivotes) es inconsistente.
 2.5. SISTEMAS EQUIVALENTES 63

4. En cada caso construya sistemas de ecuaciones lineales con las condiciones dadas.

a) Un sistema AX = B con A ∈ M (2, 3) escalonada reducida sin solución.

b) Un sistema AX = B con A ∈ M (2, 3) escalonada reducida con muchas
soluciones.
c) Un sistema AX = B con A ∈ M (3, 2) escalonada reducida sin solución.
d) Un sistema AX = B con A ∈ M (3, 2) escalonada reducida con muchas
soluciones.
e) Un sistema AX = B con A ∈ M (3, 3) escalonada reducida con una única
solución.

2.5. SISTEMAS EQUIVALENTES

Definición 15

Decimos que dos sistemas de ecuaciones lineales con las mismas incógnitas son
equivalentes si y solamente si tienen exactamente las mismas soluciones.

Ejemplo 27

Los sistemas

2x + 3y − 2z = 4 1x + 0y + 0z = 7
3x − 2y − 4z = 1 y 0x + 1y + 0z = 0
−x + 4y + z = −2 0x + 0y + 1z = 5
son sistemas equivalentes.

Ejemplo 28

Los sistemas
1
3x − 5y = 1 3x − 5y = 1 x + 0y = (1 + 5a)
y y 3 a∈R
6x − 10y = 2 0x − 0y = 0 0x + y = a
son sistemas equivalentes.

Proposición 6

El conjunto ordenado (α1 , α2 , · · · , αn ) es una solución de la ecuación

a1 x1 + a2 x2 + · · · + an xn = b
64 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES

si y solamente si para todo k ∈ R, k ̸= 0; (α1 , α2 , · · · , αn ) es una solución de la ecuación

ka1 x1 + ka2 x2 + · · · + kan xn = kb

Prueba.−
Basta observar que a1 α1 + a2 α2 + · · · + an αn = b, si y solamente si

ka1 α1 + ka2 α2 + · · · + kan αn = k (a1 α1 + a2 α2 + · · · + an αn ) = kb. 

Coloquialmente decimos que al multiplicar una ecuación por un real diferente de cero, sus
soluciones no se alteran.

Proposición 7

Si el conjunto ordenado (α1 , α2 , · · · , αn ) es una solución simultánea de las ecuaciones a1 x1 +

a2 x2 + · · · + an xn = b y a′1 x1 + a′2 x2 + · · · + a′n xn = b′ entonces (α1 , α2 , · · · , αn ) es una solución
de la ecuación





a1 + ka′1 x1 + a2 + ka′2 x2 + · · · + an + ka′n xn = b + kb′

Prueba.−
Basta observar que si

a1 α1 + a2 α2 + · · · + an αn = b, y a′1 α1 + a′2 α2 + · · · + a′n αn = b′

entonces


(a1 α1 + a2 α2 + · · · + an αn ) + k a′1 α1 + a′2 α2 + · · · + a′n αn = b + kb′

es decir





a1 + ka′1 α1 + a2 + ka′2 α2 + · · · + an + ka′n αn = b + kb′ 
Cuando estamos estudiando sistemas de ecuaciones, coloquialmente decimos que si en un
sistema reemplazamos una ecuación por la suma de ella mas un múltiplo real de otra, sus
soluciones no se alteran.

Proposición 8

Si AX = B y A′ X = B ′ son dos sistemas de ecuaciones lineales con las mismas

incógnitas y tales que uno se obtiene del otro por una sucesión finita de uno o varios de
los procedimientos siguientes:

Multiplicar una ecuación por un número real diferente de cero.

Reemplazar una ecuación por la suma de ella mas un real por otra.

Intercambiar dos ecuaciones.

 2.5. SISTEMAS EQUIVALENTES 65

entonces

AX = B y A′ X = B ′ son sistemas equivalentes.

Prueba.−
Consecuencia inmediata de las proposiciones 6 y 7 del presente capı́tulo y de observar que
el orden en la escritura de las ecuaciones del sistema no interviene en las soluciones. 

Ejemplo 29

Consideramos el sistema
3x − 5y = 1
x−y =3
1. Intercambiamos las ecuaciones uno y dos y obtenemos:

x−y =3
3x − 5y = 1


2. Multiplicamos la ecuación dos por − 13 y obtenemos:

x−y =3
   
5 −1
−x + y=
3 3

3. Reemplazamos las ecuación dos por la suma de la dos y la uno.

x−y =3
   
2 8
0x + y=
3 3

3


4. Multiplicamos la ecuación dos por 2

x−y =3
0x + 1y = 4

5. Finalmente, reemplazamos la ecuación uno por la suma de ella y la dos, para obtener:

x=7
y=4

Después de cinco pasos hemos transformado el sistema

x−y =3
3x − 5y = 1
66 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES

en el sistema equivalente
x=7
y=4

que evidentemente está “resuelto”.

Observaciones. Al mirar cuidadosamente el procedimiento anterior observamos:

En el tercer paso la segunda ecuación del sistema no contiene la incógnita x (la

eliminamos), y en el paso cinco la primera ecuación no contiene la incógnita y (la
eliminamos).

En cada uno de los pasos el sistema resultante es equivalente al anterior y por tanto al
inicial.

La matriz de coeficientes del sistema obtenido en el paso cinco es escalonada reducida por
tanto el sistema está resuelto.

El lector puede verificar que aún por diferentes caminos el resultado final siempre es el
mismo.

Por otra parte, el procedimiento usado en el ejemplo no es un procedimiento al azar, es

la aplicación de un proceso estructurado algorı́tmicamente que garantiza el resultado
exitoso, denominado “Algoritmo de eliminación Gauss-Jordan para solución de sistemas
de ecuaciones lineales”, el cual precisaremos en adelante.

EJERCICIOS 2.5

1. Considere el sistema se ecuaciones

x − 4y = 0
3x − 2y = 2

a) Escriba el sistema equivalente obtenido al reemplazar la ecuación 2 por la suma

de la ecuación 2 mas (−3) por la ecuación uno.
1
b) Escriba el sistema equivalente obtenido al reemplazar la ecuación 2 por ( 10 ) por
la ecuación 2.
c) Escriba el sistema equivalente al reemplazar la ecuación 1 por la suma de la
ecuación 1 mas (4) por la ecuación 1.
d) Resuelva el sistema.
 2.5. SISTEMAS EQUIVALENTES 67

2. Considere el sistema
x + 3y + z = 5
−x − y + z = 3

a) Escriba el sistema equivalente obtenido al reemplazar la ecuación (2), por la

suma de la ecuación (2) mas la ecuación (1).
b) Escriba el sistema equivalente obtenido al reemplazar la ecuación (2), por ( 12 )
por la ecuación 2.
c) Escriba el sistema equivalente obtenido al reemplazar la ecuación (1), por la
suma de la ecuación 1 mas (−3) por la ecuación 2.
d) Encuentre una solución del sistema tal que z = 3.
e) Encuentre la solución general del sistema.

3. Considere el sistema
x + 3y + z = 5
−x − y + z = 3
x − 2y − z = 0

a) Escriba el sistema equivalente obtenido al reemplazar la ecuación (2), por la

suma de la ecuación (2) mas la ecuación (1).
b) Escriba el sistema equivalente obtenido al reemplazar la ecuación (3), por la
suma de la ecuación (3) mas (−1) por la ecuación (1)


c) Escriba el sistema equivalente obtenido al reemplazar la ecuación (3), por 31
por la ecuación (3).
d) Escriba el sistema equivalente obtenido al reemplazar la ecuación (2), por la
ecuación 2 mas (−1) por la ecuación (3).
e) Escriba el sistema equivalente obtenido al reemplazar la ecuación (1), por la
ecuación (1) mas (−1) por la ecuación (3)
f ) Escriba el sistema equivalente obtenido al reemplazar la ecuación (1), por la
ecuación (1) mas (−3) por la ecuación (2).
g) Resuelva el sistema.

4. Considere el sistema de ecuaciones lineales

x+y−z+w−u =0
3x − 4z + w =1
2x + y − 5z + 7w =2
y − 3z + 5u =1

a) Escriba un sistema equivalente tal que el coeficiente de la incógnita z en la

tercera ecuación sea cero.
68 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES

b) Escriba un sistema equivalente al obtenido en (a) y tal que el coeficiente de x en

la tercera ecuación sea cero.
c) Escriba un sistema equivalente al obtenido en (b) y tal que el coeficiente de x en
la segunda ecuación sea cero.
Compare su respuesta con alguno de sus compañeros. ¿El sistema obtenido al
final es el mismo? Si es diferente, ¿quién tiene la razón?

5. Considere el sistema
x−y+z =4
2x − z = 5
3x + 5y + z = 0

a) Escriba el sistema obtenido al reemplazar la ecuación dos por el resultado de

multiplicar la ecuación uno por dos y restarle la ecuación dos.
b) Escriba el sistema obtenido del anterior al reemplazar la ecuación tres por el
resultado de multiplicar la ecuación uno por tres y restarle la fila tres.
c) Escriba el sistema obtenido del anterior al reemplazar la ecuación tres por el
resultado de multiplicar la ecuación dos por cuatro y restarle la fila tres.
d) Escriba el sistema obtenido del anterior al reemplazar la ecuación tres por el
1
resultado de multiplicar la ecuación tres por 10 .
e) Escriba el sistema obtenido del anterior al reemplazar la ecuación uno por el
resultado de restarle la ecuación tres a la fila uno.
f ) Escriba el sistema obtenido del anterior al reemplazar la ecuación dos por el
resultado de restarle el producto de tres por la ecuación tres a la ecuación dos.
g) Escriba el sistema obtenido del anterior al reemplazar la ecuación dos por el
resultado de multiplicar la ecuación dos por − 12 .
h) Escriba el sistema obtenido del anterior al reemplazar la ecuación uno por el
resultado de sumar la ecuación dos a la ecuación uno.
i) Resuelva el último sistema.
j) Verifique que su solución es solución del sistema inicial.

2.6. OPERACIONES ELEMENTALES ENTRE FILAS

Definición 16

Sea A ∈ M (m, n), denominamos operación elemental entre filas de matrices a una
cualquiera de las transformaciones siguientes.

Multiplicar una fila por un número real diferente de cero.

 2.6. OPERACIONES ELEMENTALES ENTRE FILAS 69

Reemplazar una fila por la suma de ella mas el producto de un real por otra.

Intercambiar dos filas.

Usualmente escribimos:

Ai → kAi , para decir que transformamos la matriz A, en otra que coincide con A en
todas las filas diferentes de la fila −i− y su fila −i− es (kai1 kai2 · · · kain )
   
a11 ··· a1j ··· a1n a11 ··· a1j ··· a1n
   
 .. .. ..   .. .. .. 
 . . .   . . . 
   
 ai1 aij ain  Ai → kAi  kai1 kaij kain 
  −−−−−−→  
 .. ..   .. .. 
 ..   .. 
 . . .   . . . 
am1 ··· amj ··· amn am1 ··· amj ··· amn

Ai → Ai + kAs , i ̸= s, para decir que transformamos la matriz A, en otra

que coincide con A en todas las filas diferentes de la fila −i− y su fila −i− es
(ai1 + kas1 ai2 + kas2 · · · ain + kasn )
   
a11 ··· a1j ··· a1n a11 ··· a1j ··· a1n
   
 .. .. ..   .. .. .. 
 . . .   . . . 
   
 ai1 aij ain  Ai → Ai + kAs  ai1 + kas1 aij + kasj ain + kasn 
  −−−−−−−−−−−→  
 .. ..   .. .. 
 ..   .. 
 . . .   . . . 
am1 ··· amj ··· amn am1 ··· amj ··· amn

Ai ←→ As , para decir que transformamos la matriz A, en otra que coincide con A en

todas las filas diferentes de las filas −i− y −s−; y en la fila −i− aparece la −s− de A
y recı́procamente.
   
a11 ··· a1j ··· a1n a11 ··· a1j ··· a1n
 .. ..   .. .. .. 
   
 . .   . . . 
   
 ai1 ··· aij ··· ain   as1 ··· asj ··· asn 
   
 .. .. ..   .. .. .. 
 . . .  Ai ←→ As  . . . 
  −−−−−−−→  
   
 as1 ··· asj ··· asn   ai1 ··· aij ··· ain 
   
 .. .. ..   .. .. .. 
 . . .   . . . 
am1 ··· amj ··· amn am1 ··· amj ··· amn

Definición 17

Sean A, B ∈ M (m, n), decimos que A es equivalente por filas a B si y solo si B se obtiene
de A por una sucesión finita de operaciones elementales entre filas.
70 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES

Proposición 9

Toda operación elemental entre filas de matrices posee una operación inversa, es decir una
operación tal que al aplicar las dos, una seguida de la otra obtenemos nuevamente la matriz
inicial

Prueba.−
Basta observar que:

Si B se obtiene de A al multiplicar la fila −i− por un real λ ̸= 0, entonces A se obtiene de

B al multiplicar la fila −i− por λ1 .

Si B se obtiene de A al intercambiar las filas −i− y −k− entonces A se obtiene de B por

la misma operación.

Finalmente, si B se obtiene de A al reemplazar la fila −i− por la suma de la fila −i− mas
el producto de un real λ ̸= 0 por la fila k entonces A se obtiene de B al reemplazar la fila
−i− por la suma de la fila −i− mas el producto de (−λ) por la fila k. 

El lector estudioso puede escribir los argumentos de la proposición anterior en términos de

las entradas de cada una de las matrices que intervienen.

Ejemplo 30

   
1 0 1 0   1 0 1 0
  1  
A =  2 −4 0 6  A2 → A2  1 −2 0 3 =B
2
0 −1 2 −1 −−−−−−−−−−→ 0 −1 2 −1
y
   
1 0 1 0 1 0 1 0
   
B =  1 −2 0 3  B2 → 2B2  2 −4 0 6 =A
−−−−−−−→
0 −1 2 −1 0 −1 2 −1

Ejemplo 31

   
1 0 1 0 1 0 1 0
   
A =  2 −4 0 6  A2 → A2 + (−2)A1  0 −4 −2 6 =B
−−−−−−−−−−−−−−→
0 −1 2 −1 0 −1 2 −1
y
 2.6. OPERACIONES ELEMENTALES ENTRE FILAS 71

   
1 0 1 0 1 0 1 0
   
B =  0 −4 −2 6  B2 → B2 + 2B1  2 −4 0 6 =A
−−−−−−−−−−−→
0 −1 2 −1 0 −1 2 −1

Proposición 10

1. Si A, B ∈ M (m, n) son tales que A es equivalente por filas a B entonces B es

equivalente por filas a A

2. Si A, B, C ∈ M (m, n) son tales que A es equivalente por filas a B y B es equivalente

por filas a C entonces A es equivalente por filas a C.

Prueba.−

1. Supongamos Ψ1 , · · · , Ψn una sucesión finita de operaciones elementales entre filas

que transforma A en B ∈ M (m, n), la aplicación reiterada de la proposición anterior
−1
nos permite afirmar que la sucesión Ψ−1n , · · · , Ψ1 transforma B en A.

2. Supongamos Ψ1 , · · · , Ψn una sucesión finita de operaciones elementales entre filas

que transforma A en B ∈ M (m, n) y sea Φ1 , · · · , Φk , una sucesión finita de operaciones
elementales entre filas que transforma B en C, claramente la aplicación consecutiva
de Ψ1 , · · · , Ψn , Φ1 , · · · , Φk es una sucesión de n + k operaciones elementales entre filas
que transforma A en C. 

Ejemplo 32

Las matrices
   
1 −4 −1 2 1 0 0 7
   
A=  2 3 −2 4  y B=  0 1 0 0 
3 −2 −4 1 0 0 1 5

son equivalentes por filas, porque B se obtiene de A por la siguiente sucesión de operaciones
elementales.
Paso 1.
   
1 −4 −1 2 1 −4 −1 2
   
 2 3 −2 4  A2 → A2 + (−2)A1  0 11 0 0 
−−−−−−−−−−−−−−→
3 −2 −4 1 3 −2 −4 1

Paso 2.    
1 −4 −1 2 1 −4 −1 2
   
 0 11 0 0  A3 → A3 + (−3)A1  0 11 0 0 
−−−−−−−−−−−−−−→
3 −2 −4 1 0 10 −1 −5
72 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES

Paso 3.    
1 −4 −1 2 1 −4 −1 2
 
 
 0 11 0 0  A2 → 111
A2  0 1 0 0 
−−−−−−−−−−→
0 10 −1 −5 0 10 −1 −5

Paso 4.    
1 −4 −1 2 1 −4 −1 2
   
 0 1 0 0  A3 → A3 + (−10)A2  0 1 0 0 
−−−−−−−−−−−−−−−→
0 10 −1 −5 0 0 −1 −5

Paso 5.    
1 −4 −1 2 1 −4 −1 2
   
 0 1 0 0  A3 → (−1) A3  0 1 0 0 
−−−−−−−−−−→
0 0 −1 −5 0 0 1 5

Paso 6.    
1 −4 −1 2 1 −4 0 7
   
 0 1 0 0  A1 → A1 + A3  0 1 0 0 
−−−−−−−−−−→
0 0 1 5 0 0 1 5

Paso 7.    
1 −4 0 7 1 0 0 7
   
 0 1 0 0  A1 → A1 + 4A2  0 1 0 0 
−−−−−−−−−−−→
0 0 1 5 0 0 1 5

Observaciones. Nuevamente, al mirar con detenimento observamos:

En cada uno de los pasos la matriz resultante es equivalente a la anterior y por tanto
a la inicial.

En cada paso, la notación hace referencia a las filas de la matriz inmediatamente

anterior, no a las filas de la matriz inicial A.

Al terminar el paso tres todas las entradas de la columna uno desde la fila dos en
adelante son cero.

Al terminar el paso cuatro la matriz resultante es escalonada.

Al terminar el proceso la matriz resultante es escalonada reducida.

Teniendo la debida precaución podemos ejecutar varios pasos en uno solo, por ejemplo
uno y dos al tiempo, sin alterar los resultados.

Es posible desarrollar un proceso similar con otras operaciones elementales y el

resultado final es el mismo.

Podemos además verificar que B es equivalente por filas a A devolviéndonos en cada paso
por su correspondiente “Inverso”.

Paso 1’ (Inverso paso 7)

 2.6. OPERACIONES ELEMENTALES ENTRE FILAS 73

   
1 0 0 7 1 −4 0 7
   
B =  0 1 0 0  A1 → A1 − 4A2  0 1 0 0 
−−−−−−−−−−−→
0 0 1 5 0 0 1 5

Paso 2’ (inverso paso 6)

   
1 −4 0 7 1 −4 −1 2
   
 0 1 0 0  A1 → A1 − A3  0 1 0 0 
−−−−−−−−−−→
0 0 1 5 0 0 1 5

Paso 3’ (Inverso paso 5)

   
1 −4 −1 2 1 −4 −1 2
   
 0 1 0 0  A3 → (−1)A3  0 1 0 0 
−−−−−−−−−→
0 0 1 5 0 0 −1 −5

Paso 4’ (Inverso paso 4)

   
1 −4 −1 2 1 −4 −1 2
   
 0 1 0 0  A3 → A3 + 10A2  0 1 0 0 
−−−−−−−−−−−−→
0 0 −1 −5 0 10 −1 −5

Paso 5’ (Inverso paso 3)

   
1 −4 −1 2 1 −4 −1 2
   
 0 1 0 0  A2 → 11A2  0 11 0 0 
−−−−−−−−→
0 10 −1 −5 0 10 −1 −5

Paso 6’ (inverso paso 2)

   
1 −4 −1 2 1 −4 −1 2
   
 0 11 0 0  A3 → A3 + 3A1  0 11 0 0 
−−−−−−−−−−−→
0 10 −1 −5 3 −2 −4 1

Paso 7’ (Inverso paso 1)

   
1 −4 −1 2 1 −4 −1 2
   
 0 11 0 0  A2 → A2 + 2A1  2 3 −2 4  = A
−−−−−−−−−−−→
3 −2 −4 1 3 −2 −4 1

Proposición 11

Si A ∈ M (m, n), A ̸= 0 entonces existe una matriz escalonada B ∈ M (m, n) tal que A es
equivalente por filas a B.
74 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES

Prueba.−
Puesto que la conclusión afirma la existencia de una matriz B con ciertas propiedades, la
prueba consiste en mostrar un procedimiento que dada cualquier matriz A ∈ M (m, n) nos
permita construir la matriz B que cumpla las condiciones, este proceso es el denominado:

ALGORITMO PARA TRANSFORMAR UNA MATRIZ A FORMA ESCALONADA.

Sea A ∈ M (m, n), A ̸= 0.

Paso 1.-Buscamos la primera columna diferente de cero y en ella la primera entrada

diferente de cero e intercambiamos su fila con la fila uno.

Paso 2.- Identificamos la entrada del pivote de la primera fila, sea a1k1

Paso 3.-Para cada i, i ≥ 2 ; tal que aik1 ̸= 0; Ai −→ (−a1k1 ) Ai + (aik1 ) A1

Puesto que (−a1k1 ) (aik1 ) + (aik1 ) (a1k1 ) = 0 entonces al terminar el paso tres en todas las
entradas de la columna k1 de la fila dos en adelante aparece un cero.
 
0 ··· 0 a1k1 ∗ ··· ∗
 
 .. .. .. 
 . . 0 ∗ . 
 
 0 ··· 0 0 ∗ ∗ 
 
 .. .. .. .. 
 .. 
 . . . ∗ . . 
0 ··· 0 0 ∗ ··· ∗

Paso 4. Repetimos los pasos (1), (2) y (3) para la matriz que se obtiene al “no tener en
cuenta”, la fila uno.
 
0 ··· 0 a1k1 ∗ ··· ∗
 
 .. .. .. 
 . . 0 a2k2 ∗ . 
 
 0 ··· 0 0 0 ∗ ∗ 
 
 .. .. .. .. .. 
 .. 
 . . . . . . 
0 ··· 0 0 0 ∗ ∗

Paso 5. Repetimos hasta obtener el pivote de la última fila diferente de cero.

La matriz obtenida al final del proceso es la matriz B buscada.
 
0 ··· 0 a1k1 ∗ ∗ ··· ∗ ··· ∗ ∗
 .. 
 
 0 0 a2k2 ∗ ∗ . 
 
B=  . .. .. 
 .. . . ∗ ∗ ∗ 
 0 0 a3k3 
 
 0 0 arkr ∗ 
0 ··· 0 0 ··· 0 0 0 0 0 0
 2.6. OPERACIONES ELEMENTALES ENTRE FILAS 75


Observaciones.

“No tener en cuenta”, no significa eliminar, simplemente se escribe pero no se opera con
ella.
La ejecución estricta del algoritmo garantiza el resultado, sinembargo en casos especı́ficos
son posibles algunas simplificaciones.

Ejemplo 33

Consideremos
 
0 9 13 −8
 
A=  5 4 3 −3 
1 1 1 −1

La primera entrada diferente de cero de la columna uno es la (2, 1), luego:

Paso 1.
   
0 9 13 −8 5 4 3 −3
   
 5 4 3 −3  A1 ←→ A2  0 9 13 −8 ,
−−−−−−−→
1 1 1 −1 1 1 1 −1

Paso2. El pivote de la fila uno aparece en la columna uno, entonces.

Paso 3.
   
5 4 3 −3 5 4 3 −3
   
 0 9 13 −8  3
A −→ (−5) A 3 + (1) A 1 0 9 13 −8 
−−−−−−−−−−−−−−−−−−→
1 1 1 −1 0 −1 −2 2

Ahora tenemos que todas las entradas debajo de la (1, 1) son cero.
Para el siguiente paso no tenemos en cuenta la fila (5 4 3 − 3); el nuevo pivote aparece
en la entrada (2, 1), luego:
Paso 4.
   
5 4 3 −3 5 4 3 −3
   
 0 9 13 −8  A3 −→ (−9) A3 + (−1) A2  0 9 13 −8 
−−−−−−−−−−−−−−−−−−−→
0 −1 −2 2 0 0 5 −10

Esta última matriz es escalonada y equivalente por filas a A.

Coloquialmente podemos afirmar que el algoritmo consiste en encontrar el pivote de la

primera fila y por medio de operaciones elementales entre filas hacer cero todas las
entradas debajo de él y repetir ordenadamente para cada una de las filas diferentes de
cero hasta terminar.

Proposición 12

Si A ∈ M (m, n), A ̸= 0 entonces existe una única matriz escalonada reducida B ∈ M (m, n)
tal que A es equivalente por filas a B.
76 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES

Prueba.−
De la misma forma que en la proposición anterior es suficiente presentar el algoritmo para
transformar una matriz escalonada en una escalonada reducida.

ALGORITMO PARA TRANSFORMAR UNA MATRIZ ESCALONADA A FORMA

ESCALONADA REDUCIDA.

Sea A ∈ M (m, n), una matriz escalonada con pivotes a1k1 , a2k2 , · · · , arkr
Paso 1.- A1 −→ (−a2k2 ) A1 + (a1k2 ) A2 .
Al terminar el paso uno a1k2 = 0
 
0 ··· 0 a1k1 ∗ 0 ··· ∗ ··· ∗ ∗
 .. 
 
 0 0 a2k2 ∗ ∗ . 
 
 . .. .. 
 .. . . ∗ ∗ ∗ 
 0 0 a3k3 
 
 0 0 arkr ∗ 
0 ··· 0 0 ··· 0 0 0 0 0 0

Paso 2. -Para cada i, i < s = 3 tal que (aik3 ) ̸= 0 Ai −→ (−a3k3 ) Ai + (aik3 ) A3

Puesto que (−a3k3 ) (aik3 ) + (aik3 ) (a3k3 ) = 0 entonces al terminar el paso dos en las entradas
de la columna k3 de las filas uno y dos aparece un cero.
 
0 ··· 0 a1k1 ∗ 0 ∗ 0 ∗ ∗ ∗
 .. 
 
 0 0 a2k2 ∗ 0 ∗ ··· . 
 
 . .. .. 
 .. . . ∗ ∗ ∗ 
 0 0 a3k3 
 
 0 0 arkr ∗ 
0 ··· 0 0 ··· 0 0 0 0 0 0

Paso 3. -Repetir el paso 2, para s = 4.

Paso 4. -Repetir para s = 5, s = 6, hasta s = r.
 
0 ··· 0 a1k1 ∗ 0 ∗ 0 ∗ 0 ∗
 .. 
 .. 
 ··· 0 0 a2k2 ∗ 0 . 0 . 
 
 .. .. .. 
 . . . ∗ ∗ 
 0 0 a3k3 0 
 
 0 0 0 arkr ∗ 
0 ··· 0 0 ··· 0 0 0 0 0 0

Al terminar el paso 4. todos los pivotes son las únicas entradas diferentes de cero en sus
columnas correspondientes.  
Paso 5.- Para cada i, 1 ≤ i ≤ r, Ai −→ aik1
Ai y terminar.
i
 
0 ··· 0 1 ∗ 0 ∗ 0 ∗ 0 ∗
 .. .. 
 
 0 0 0 1 ∗ 0 . 0 . 
 
 .. .. .. .. 
B=  . . . . 0 0 1 ∗ 0 ∗ 
 
 
 .. 
 0 ··· . 0 0 1 ∗ 
0 ··· 0 0 ··· 0 0 0 0 0 0
 2.6. OPERACIONES ELEMENTALES ENTRE FILAS 77

La matriz obtenida al terminar el proceso es la matriz B buscada.

Coloquialmente afirmamos que el algoritmo consiste en aplicar operaciones elementales
entre filas para hacer cero todas las entradas encima del pivote de la fila dos, luego de
la tres, y ası́ sucesivamente hasta la fila −r− y finalmente multiplicar cada fila por el
recı́proco de su pivote. 

Ejemplo 34

Continuamos el proceso con la matriz del ejemplo anterior.

 
5 4 3 −3
 
 0 9 13 −8 
0 0 5 −10

Paso 1.-    
5 4 3 −3 −45 0 25 −5
   
 0 9 13 −8  A1 −→ (−9) A1 + (4) A2  0 9 13 −8 
−−−−−−−−−−−−−−−−−−→
0 0 5 −10 0 0 5 −10

Paso 1′ .-    
−45 0 25 −5 −1

9 0 −5 1
  A1 −→ 5
A1  
 0 9 13 −8   0 9 13 −8 
A3 −→ 15 A3
0 0 5 −10 −−−−−−−−−−−−−→ 0 0 1 −2

Este es un paso que simplifica los cálculos, en este caso especı́fico.

Paso 2.-    
9 0 −5 1 9 0 0 −9
  A1 −→ A1 + (5) A3  
 0 9 13 −8   0 9 0 18 
A2 −→ A2 + (−13) A3
0 0 1 −2 −−−−−−−−−−−−−−−−−−→ 0 0 1 −2

Paso 3.-    
9 0 0 −9
1 0 0 −1
 A1 −→ 9
A1 
1
 
 0 9 0 18   0 1 0 2 
A2 −→ 19 A2
0 0 1 −2 −−−−−−−−−−−−→ 0 0 1 −2

Esta última matriz es escalonada reducida y equivalente por filas a la inicial.

Una prueba de la unicidad requiere utilizar conceptos que auncuando sencillos, no han sido
tratados y aceptamos el resultado sin prueba.

EJERCICIOS 2.6
!
1 2 3 4
1. Sea A =
3 −1 2 0

a) Encuentre una matriz escalonada equivalente por filas a A.

b) Encuentre una matriz escalonada reducida equivalente por filas a A.
78 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES

 
1 2
 
 3 4 
2. Sea A =  
 5 6 
7 8

a) Encuentre una matriz escalonada equivalente por filas a A.

b) Encuentre una matriz escalonada reducida equivalente por filas a A.

3. Sea  
1 2 3 4 5 6 7 8
 
 2 2 3 4 5 6 7 8 
 
A=
 3 3 3 4 5 6 7 8 

 
 4 4 4 4 5 6 7 8 
5 5 5 5 5 6 7 8

a) Encuentre una matriz escalonada equivalente por filas a A.

b) Compare su resultado con el de sus compañeros.
c) Encuentre una matriz escalonada reducida equivalente por filas a A.
d) Compare su resultado con sus compañeros.

2.7. EL LOGRO DEL OBJETIVO FINAL

Algoritmo de eliminación Gauss-Jordan para solución de sistemas de ecuaciones
lineales.

Ahora es inmediato el logro de nuestro objetivo final, basta observar que si AX = B es un

sistema de ecuaciones lineales, la matriz aumentada del sistema (A |B ) es simplemente
una escritura abreviada del sistema donde asignamos a cada incógnita una columna de
la matriz de coeficientes y omitimos su escritura y reemplazamos el sı́mbolo (=) de cada
ecuación por la raya vertical, en este orden de ideas cada operación elemental entre filas
equivale a uno de los procedimientos que permiten transformar sistemas en sistemas
equivalentes, podemos afirmar entonces:

TEOREMA 1

Dos sistemas de ecuaciones AX = B y A′ X = B ′ son equivalentes si y

solamente si sus matrices aumentadas (A |B ) y (A′ |B ′ ) son equivalentes
por filas.

Prueba.−
 2.7. EL LOGRO DEL OBJETIVO FINAL 79

Es evidente la correspondencia entre las operaciones elementales entre filas de matrices

aplicadas a la matriz aumentada y los procedimientos que permiten cambiar la
presentación de los sistemas sin alterar sus soluciones.

En consecuencia para resolver un sistema de ecuaciones AX = B escribimos su matriz

aumentada (A |B ) le aplicamos el algoritmo para llevar su matriz de coeficientes a forma
escalonada reducida y obtenemos una matriz equivalente por filas (A′ |B ′ ) ; escribimos el
sistema correspondiente en la forma A′ X = B ′ y resolvemos de acuerdo con los casos del
numeral 2.4. 

Ejemplo 35

Resolver el sistema


 x + 4y − z =9






2x + 3y + z =9
5x + 7y + 2z = 20





 2x + 3y + 6z = 19


x − 2z = −5

Solución

La matriz aumentada del sistema es

 
1 4 −1 9
 
 2 3 1 9 
 
 5 7 2 20 
 
 2 3 6 19 
1 0 −2 −5

reducimos a forma escalonada y obtenemos

 
1 4 −1 9
 −5 −9 
 0 3 
 
 0 0 1 2 
 
 0 0 0 0 
0 0 0 0

puesto que las dos últimas filas corresponden a ecuaciones de la forma

0x + 0y + 0z = 0

que pueden considerarse no escritas, podemos afirmar que el sistema tiene solución y
puesto que todas las columnas tienen pivote, no hay variables libres es decir la solución
es única.
80 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES

Si continuamos con la reducción de la nueva matriz aumentada a forma reducida por filas
obtenemos:  
1 0 0 −1
 0 
 1 0 3 
 
 0 0 1 2 
 
 0 0 0 0 
0 0 0 0

que es la matriz aumentada del sistema

x = −1
y = 3 , cuyo planteo es la solución.
z = 2

Ejemplo 36

Resolver el sitema

x + 4y − z = 9
2x + 3y + z = 9
5x + 7y + 2z = 2
2x + 3y + 6z = 9
x − 2z = −5

Solución.

La matriz aumentada del sistema es

 
1 4 −1 9
 
 2 3 1 9 
 
 5 7 2 2 
 
 2 3 6 9 
1 0 −2 −5

reducimos a forma escalonada y obtenemos

 
1 4 −1 9
 −5 −9 
 0 3 
 
 0 0 2 49 
 
 0 0 0 1 
0 0 0 0

puesto que la fila 4, corresponde a la ecuación 0x + 0y + 0z = 1, afirmamos que el sistema

no tiene solución, es inconsistente.
 2.7. EL LOGRO DEL OBJETIVO FINAL 81

Ejemplo 37

Resolver el sistema

x + 4y − z = 9
2x + 3y + z = 3
−x + y − 2z = 6
3x + 2y + 3z = −3
4x + y + 5z = −9

Solución.

La matriz aumentada del sistema es

 
1 4 −1 9
 
 2 3 1 3 
 
 −1 1 −2 6 
 
 3 2 3 −3 
4 1 5 −9

reducimos a forma escalonada y obtenemos

 
1 4 −1 9
 0 −5 −15 
 3 
 
 0 0 0 0 
 
 0 0 0 0 
0 0 0 0

puesto que las tres últimas filas corresponden a ecuaciones de la forma

0x + 0y + 0z = 0

que pueden considerarse no escritas, podemos afirmar que el sistema tiene solución y
puesto que la columna tres no tiene pivote, hay una variable libre es decir el sistema tiene
infinitas soluciones
Al continuar la reducción de la nueva matriz aumentada a forma escalonada reducida por
filas, obtenemos:  
1 0 7
5
−3
 0 − 35 
 1 3 
 
 0 0 0 0 
 
 0 0 0 0 
0 0 0 0

es decir el sistema inicial es equivalente al sistema

7
x + z = −3
5
3
y− z=3
5
82 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES

cuya solución general es:

x = −3 − 75 a
y = 3 + 35 a ,a ∈ R
z=a

EJERCICIOS 2.7

1. Resuelva los sistemas

3x + y = 1 x−y =1 x+y =1
a) b) c)
y + 3x = 1 −x + y = 1 3x + 3x = 3

2. Resuelva los sistemas

x+y+z =1 x−y+z =1 x−y+z =1

a) x − y + z = −1 b) −x + y − z = 1 c) −x + y − z = −1
x+y−z =1 x−y+z =1 x−y+z =1

3. Considere la matriz  
2 0 2 −2 −3
 0 −1 0 
 0 1 
A= 
 −3 0 −3 −1 0 
1 −1 1 −3 0

a) Reduzca A a forma escalonada reducida.

b) Suponga que A es la matriz aumentada de un sistema no homogeneo de 4
ecuaciones lineales con 4 incognitas, “resuelva” el sistema.

4. La matriz aumentada de un sistema de ecuaciones lineales es

 
3 0 2 −2 b
 0 4 −1 a c 
 
(A |B ) =  
 5 0 3 −1 2 
1 −2 1 1 0

a) Para qué valores de a, b, c, el sistema no tiene solución?

b) Para qué valores de a, b, c, el sistema tiene una única solución?
c) Para qué valores de a, b, c, el sistema tiene infinitas soluciones?
d) Resuelva el sistema para a = −1, b = c = 1.
 2.8. INVERSA DE UNA MATRIZ 83

5. Considere el sistema de ecuaciones

2x + 3y − z + 2w = 5
4x − 2y + 2z + 3w = 6
x − y + z − w = −2
0x + 0y + 0z + 0w = 0

a) Diga si el sistema tiene solución.

b) Encuentre, si existe, una solución del sistema tal que w = 4.
c) Encuentre, si existe, una solución del sistema talque x = 5.

2.8. INVERSA DE UNA MATRIZ

Recordemos que para cada entero positivo n, la matriz I(n) es la única matriz n × n, tal que
para toda A ∈ M (n, n) , AI(n) = I(n) A = A

Definición 18

Decimos que una matriz A ∈ M (n, n) tiene inversa si existe B ∈ M (n, n) tal que

AB = BA = I(n)

en este caso escribimos B = A−1 que leemos B es la inversa de A.

Una matriz A ∈ M (n, n) que tiene inversa se denomina tambien una matriz no singular.

Proposición 13

Si A ∈ M (n, n) tiene inversa B ∈ M (n, n) entonces:

a) La inversa de A es única.

b) B tiene inversa y B −1 = A

Prueba.−

a) Si C ∈ M (n, n) es tal que AC = CA = I(n) entonces

C = CI(n) = C (AB) = (CA) B = I(n) B = B

b) Basta observar que BA = AB = I(n) .

−1
Observe que este resultado podemos escribirlo como A−1 =A 
84 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES

Proposición 14

Si A, B ∈ M (n, n) son tales que AB = I(n) entonces BA = I(n) y en consecuencia B = A−1 .

Prueba.−
Puesto que (BA) B = B (AB) = BI(n) = B entonces BA = I(n) . 

Proposición 15

Si A, B ∈ M (n, n) tienen inversa entonces:

a) (AB) tiene inversa y (AB)−1 = B −1 A−1

n
b) An tiene inversa y (An )−1 = A−1

Prueba.−

a) Basta observar que





(AB) B −1 A−1 = A BB −1 A−1 = AI(n) A−1 = AA−1 = I(n)

b) Probamos por inducción. La afirmación es evidente para n = 1.

−1
k
Suponemos Ak = A−1 y en consecuencia si multiplicamos por A−1 obtenemos

 −1

k −1

Ak A−1 = A−1 A
por tanto

 −1
k+1
AAk = A−1
es decir

 −1
k+1
Ak+1 = A−1

en consecuencia, para todo entero positivo n,

n
(An )−1 = A−1

Una aplicación inmediata de la solución de sistemas de ecuaciones es responder la

pregunta, dada una matriz A ∈ M (n, n), ¿es A una matriz no singular? Es decir, ¿existe
X ∈ M (n, n) tal que AX = XA = I(n) ?
 2.8. INVERSA DE UNA MATRIZ 85

Supongamos entonces A = (aij ) , X = (xij ), obviamente la respuesta se obtiene al resolver

los n sistemas de ecuaciones lineales:
   
x11 1
 .   
 ..   0 
   . 
   
A  xi1  =  ..  (1)
 .   . 
 .   . 
 .   . 
x 0
 n1   
x12 0
 .   
 ..   1 
   . 
   
A  xi2  =  ..  (2)
 .   . 
 .   . 
 .   . 
xn2 0
..
  . 
x1n 0
 .   
 ..   0 
   
  .. 
A  xin  =  (n)
 .   . 
 .   
 .   0 
xnn 1

Puesto que todos los n sistemas tienen la misma matriz A de coeficientes podemos intentar
resolverlos simultáneamente considerando la matriz n × 2n, que obtenemos al pegar I(n) a
la derecha de A,
 
a11 a12 · · · a1j · · · ann 1 0 · · · 0 · · · 0
 .. 
 a · · · · · · . 
 21 a 22 a 2j a 2n 0 1 
 . .. .. .. .. 
 .. 
 . . . . 0 1 
 . .  (∗)
 a . . . 0 .. 
 i1 ai2 · · · aij · · · ain 0 .. 
 .. 
 
 . 1 0 
an1 an2 · · · anj · · · ann 0 · · · 0 · · · 0 1
y reducimos por filas.

Si A es equivalente por filas a I(n) todos los sistemas en consideración tienen una única
solución, además la solución del sistema (1) aparece en la columna correspondiente a la
columna 1 de I(n) , la solución del sistema (2) aparece en la columna correspondiente a la
columna 2 de I(n) , la solución del sistema (3) aparece en la columna correspondiente a la
columna 3 de I(n) y ası́ sucesivamente, es decir si A es equivalente por filas a I(n) entonces
A tiene inversa y al terminar la reducción por filas de la matriz (∗) obtenemos la matriz


tamaño n × 2n, I(n) | A−1 . 
86 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES

Ejemplo 38

Si
 
1 2 3
 
A= 1 2 4 
−1 2 5

entonces
   
1 2 3 1 0 0 1 2 3 1 0 0
  A2 −→ A2 − A1  
 1 2 4 0 0 1  0 0 1 −1 1 0 
A3 −→ A3 + A1
−1 2 5 0 1 0 −−−−−−−−−−−−−→ 0 4 8 1 0 1
   
1 2 3 1 0 0 1 2 3 1 0 0
   
 0 0 1 −1 1 0  A2 ←→ A3  0 4 8 1 0 1 
−−−−−−−→
0 4 8 1 0 1 0 0 1 −1 1 0
   
1 2 3 1 0 0 2 0 −2 1 0 −1
   
 0 4 8 1 0 1  A1 −→ 2A1 − A2  0 4 8 1 0 1 
−−−−−−−−−−−−→
0 0 1 −1 1 0 0 0 1 −1 1 0

En este momento podemos asegurar que A tiene inversa, continuamos para encontrarla,
   
2 0 −2 1 −1
0 2 0 0 −1 2 −1
  1A −→ A 1 + 2A 3  
 0 4 8 1 1 
0  0 4 0 9 −8 1 
A2 −→ A2 − 8A3
0 0 1 −1 1
0 −−−−−−−−−−−−−−→ 0 0 1 −1 1 0
   
2 0 0 −1 2 −1
1 0 0 − 21 1 − 12
 A1 −→ 2
A1 
1
 1 
 0 4 0 9 −8 1   0 1 0 9
−2 4 
A2 −→ 41 A2 4
0 0 1 −1 1 0 −−−−−−−−−−−−→ 0 0 1 −1 1 0

en consecuencia  
− 12 1 − 12
A−1 = 
 9
4
−2 1
4


−1 1 0

Obtenemos el mismo resultado práctico si seguimos un procedimiento diferente sin acudir

a los sistemas de ecuaciones, que presentamos a continuación.

Proposición 16

Sean A, B, C ∈ M (n, n) tales que B se obtiene de A por una operación elemental entre filas
y E se obtiene de I(n) al aplicar la misma operación elemental, entonces B = EA

Prueba.−

a) Supongamos que B se obtiene de A al multiplicar la fila −l− por λ ∈ R, λ ̸= 0, entonces

(
aij si i ̸= l
bij =
λalj si i = l
 2.8. INVERSA DE UNA MATRIZ 87



 1 si i = j, i ̸= l
(E)ij = λ si i = j = l


0 de otra forma
(
X
k=n
aij si i ̸= l
(EA)ij = (E)ik akj =
k=1
λalj si i = l

b) Supongamos que B se obtiene de A al reemplazar la fila −l− por la suma de ella mas
λ ∈ R, por la fila −s− entonces
(
aij si i ̸= l
bij =
alj + λasj si i = l


 1 si i = j
(E)ij = λ si i = l, j = s


0 de otra forma
(
X
k=n
aij si i ̸= l
(EA)ij = (E)ik akj =
k=1
alj + λasj si i = l

c) Supongamos que B se obtiene de A al intercambiar las filas −l− y −s− entonces



 aij si i ̸= l, i ̸= s
bij = asj si i = l


alj si i = s


 1 si i = j, i ̸= l, i ̸= s
(E)ij = 1 si i = l, j = s o i = s, j = l


0 de otra manera


 aij si i ̸= l, i ̸= s
X
k=n
(EA)ij = (E)ik akj = asj si i=l


k=1 alj si i=s


Definición 19

Sea E ∈ M (n, n) la matriz obtenida al aplicar una operación elemental entre filas a la
matriz I(n) , decimos que E es una matriz elemental.
88 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES

Proposición 17

Sea B ∈ M (n, n) equivalente por filas a A ∈ M (n, n), entonces B = P A donde P es un

producto de matrices elementales.

Prueba.−
Sea ψ1 , · · · ψr la sucesión finita de operaciones elementales entre filas que transforma A
en B y sean E1 , · · · , Er las correspondientes matrices elementales; la aplicación reiterada
de la proposición 15 del presente capı́tulo para 1 ≤ i ≤ r muestra que

Er (Er−1 (· · · (E1 A))) = B

basta entonces hacer P = Er Er−1 · · · E1 . 

Proposición 18

Toda matriz elemental tiene inversa, que es también una matriz elemental.

Prueba.−
Ya hemos probado que cada operación elemental entre filas, tiene una inversa, en
consecuencia:
Si E se obtiene de I(n) al multiplicar su fila k por λ ∈ R, λ ̸= 0 entonces


 0 si i ̸= j
(E)ij = 1 si i = j, i ̸= k


λ si i=k=j

b la matriz que se obtiene de I(n) al multiplicar su fila k por 1 , entonces

y sea E λ

  
 0 si i ̸= j
b
E = 1 si i = j, i ̸= k
ij 
 1
λ si i=k=j

y por tanto

    
 0 si r ̸= s
X
t=n
b
EE = b
(E)rt E = 1 si r = s, r ̸= k
rs ts 
 1


t=1 λ =1 si r = s = k
λ

es decir
b = I(n)
EE

lo que significa
b = E −1 .
E
 2.8. INVERSA DE UNA MATRIZ 89

Análogamente si E se obtiene de I(n) al intercambiar las filas k y l, k < l entonces



 1 si i = j, i ̸= l, i ̸= k
(E)ij = 1 si i = l, j = k o i = k, j = l


0 en los demás casos

entonces

(
X
t=n
1 si r=s
(EE)rs = (E)rt (E)ts =
t=1
0 si r ̸= s

es decir
EE = I(n)

lo que significa
E = E −1 .

Finalmente si E se obtiene de I(n) al reemplazar la fila k por la suma de la fila k mas λ por
la fila l entonces 

 1 si i=j
(E)ij = λ si i = k, j = l


0 en los demás casos

b la matriz que se obtiene de I(n) al reemplazar la fila k por la suma de la fila k mas
y sea E
(−λ) por la fila l , entonces

  
 1 si i=j
b
E = −λ si i = k, j = l
ij 

0 en los demas casos

y por tanto
(
  X
t=n
1 si r=s
b
EE = (E)rt (E)ts =
rs
t=1
0 si r ̸= s

es decir
b = I(n)
EE

lo que significa
b = E −1 .
E


90 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES

Ejemplo 39

Consideremos
   
1 0 0 0 0 1 0 0 0 0
   
 0 1 0 0 0   0 1 0 0 0 
   
I(5) =
 0 0 1 0 0  F3 −→ λF3 
 −−−−−−−−→  0 0 λ 0 0 =E

   
 0 0 0 1 0   0 0 0 1 0 
0 0 0 0 1 0 0 0 0 1
   
1 0 0 0 0 1 0 0 0 0
   
 0 1 0 0 0     0 1 0 0 0 
   
I(5) = 0 0 1 0 0  F3 −→ 1 F3  0 0 1 b
=E
   λ 0 0 
  −−−−−−−−λ−−−→  
 0 0 0 1 0   0 0 0 1 0 
0 0 0 0 1 0 0 0 0 1
    
1 0 0 0 0 1 0 0 0 0 1 0 0 0 0
    
 0 1 0 0 0  0 1 0 0 0   0 1 0 0 0 
    
b
EE =  0 0 λ 0 0  0 0 1 0 0  =  0 0 1 0 0 
  λ   
    
 0 0 0 1 0  0 0 0 1 0   0 0 0 1 0 
0 0 0 0 1 0 0 0 0 1 0 0 0 0 1
Por otra parte
   
1 0 0 0 0 1 0 0 0 0
   
 0 1 0 0 0   0 1 0 0 0 
   
I(5) =
 0 0 1 0 0  F3 −→ F3 + λF5 
 −−−−−−−−−−−−→  0 0 1 0 λ =E

   
 0 0 0 1 0   0 0 0 1 0 
0 0 0 0 1 0 0 0 0 1
   
1 0 0 0 0 1 0 0 0 0
   
 0 1 0 0 0   0 1 0 0 0 
   
I(5) =  F3 −→ F3 + (−λ) F5  0 −λ  b
 0 0 1 0 0  −−−−−−−−−−−−−−−→  0 0 1 =E
   
 0 0 0 1 0   0 0 0 1 0 
0 0 0 0 1 0 0 0 0 1
    
1 0 0 0 0 1 0 0 0 0 1 0 0 0 0
    
 0 1 0 0 0  0 1 0 0 0   0 1 0 0 0 
    
b=
EE  0 −λ   0 1 0 0 
 0 0 1 0 λ  0 0 1 = 0 
    
 0 0 0 1 0  0 0 0 1 0   0 0 0 1 0 
0 0 0 0 1 0 0 0 0 1 0 0 0 0 1
 2.8. INVERSA DE UNA MATRIZ 91

Proposición 19

Sea A ∈ M (n, n), las siguientes afirmaciones son equivalentes.

a) A es equivalente por filas a I(n) .

b) A es producto de matrices elementales.

c) A es invertible (no singular).

d) El sistema homogéneo AX = 0 tiene una única solución.

Prueba.−
Basta probar que (a) ⇒ (b) ⇒ (c) ⇒ (d) ⇒ (a)

(a) ⇒ (b) Sea ψ1 , · · · ψr la sucesión finita de operaciones elementales entre filas que
transforma A en I(n) y sean E1 , · · · , Er las correspondientes matrices elementales; la
aplicación reiterada de la proposición 15 del presente capı́tulo para 1 ≤ i ≤ r muestra que

Er (Er−1 (· · · (E1 A))) = I(n) ,

luego

−1
A = E1−1 · · · Er−1 Er−1 .
(b) ⇒ (c) A resulta ser un producto de matrices invertibles y por la proposición 15 del
presente capı́tulo, es invertible.

(c) ⇒ (d) Basta observar que si A tiene inversa

X = (In )X = A−1 A X = A−1 (AX) = A−1 0 = 0

(d) ⇒ (a) A es equivalente por filas a una matriz escalonada reducida B, si B ̸= I(n)
entonces B tiene una fila de ceros y en consecuencia AX = 0 tiene una solución diferente
de la trivial, contrario a la hipótesis, por tanto B = I(n) 

Proposición 20

Sea A ∈ M (n, n) invertible entonces A−1 se obtiene al aplicar a I(n) la misma sucesión de
operaciones elementales entre filas que hace A equivalente por filas a I(n) .

Prueba.−
Sea ψ1 , · · · ψr , la sucesión finita de operaciones elementales entre filas que transforma A
en I(n) y sean E1 , · · · , Er las correspondientes matrices elementales; entonces

Er Er−1 · · · E1 A = I(n)
92 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES

es decir
Er Er−1 · · · E1 = A−1

lo que significa que A−1 se obtiene al aplicar la sucesión ψ1 , · · · , ψr a I(n) 

En la práctica la decisión sobre si una matriz cuadrada A tiene inversa o no y encontrar su

inversa en caso afirmativo , se hace simultáneamente; tomamos la matriz n × 2n A I(n)


y la reducimos por filas, si A es invertible al final obtenemos I(n) A−1 .

EJERCICIOS 2.8
!
2 3
1. Para qué valores de a, la matriz D = tiene inversa.
2 a

2. Para cada una de las matrices siguientes encuentre, si existe, su inversa y escrı́bala
como producto de matrices elementales.
! ! !
1 2 2 4 1 π
a) A = b) B= c) C = ,
2 2 3 6 0 2

3. Para cada uno de los enunciados siguientes diga si es una proposición verdadera o
una proposición falsa y por qué.

−1
T
a) Si A ∈ M (n, n) es invertible entonces AT es invertible y AT = A−1 .
b) Si A, B ∈ M (n, n) son matrices invertibles entonces A + B es invertible y
(A + B)−1 = A−1 + B −1 .


c) Si A ∈ M (n, n) y A4 = 0 entonces I(n) − A es invertible y

−1
I(n) − A = I(n) + A + A2 + A3

d) Si B ∈ M (n, n) es equivalente por filas a una matriz invertible A ∈ M (n, n)

entonces B es invertible.

4. Sea  
1 −1 1 −1 1
 
 0 3 −3 1 0 
 
A=
 1 1 1 −2 −1 ,

 
 1 0 1 0 4 
−1 1 2 −1 −2
encuentre A−1 y escriba A y A−1 como producto de matrices elementales.

5. Calcule la longitud de de cada lado de un paralelogramo con 120 centı́metros de

perı́metro y en el que dos lados no paralelos difieren 6 centı́metros en su longitud.
 2.8. INVERSA DE UNA MATRIZ 93

6. Una fábrica cuenta con tres tipos de máquinas I, II y III que producen envases
plásticos de tres clases : A, B y C, de tal forma que el número de envases que producen
diariamente es: 760 de clase A, 380 de clase B y 660 de clase C. Si la máquina de tipo
I produce diariamente 20 envases de clase A, 10 envases de clase B y ningun envase
de clase C; la máquina tipo II produce diariamente 24 envases de clase A, 18 envases
de clase B y 30 de clase C; y la máquina tipo III produce diariamente 30 envases de
clase A, 10 envases de clase B y 30 envases de clase C, ¿cuántos envases produce cada
máquina de la compañı́a diariamente?

7. Si f (x) = ax3 + bx2 + cx + d, determine los valores de a, b, c y d tales que la gráfica de

f pase por los puntos P = (−1, −3), Q = (1, −1), R = (−2, 41) y T = (3, −39).

8. En circuitos eléctricos, si dos resistores R1 y R2 están conectadas en paralelo, la

resistencia total R está dada por:
1 1 1
= +
R R1 R2
Dados tres resistores A, B y C, suponga que la resistencia total es 48 ohms si A y
B están conectados en paralelo, 80 ohms si B y C están conectados en paralelo y 60
ohms si A y C están conectados en paralelo. Determine las resistencias de A, B y C.

9. Un quı́mico debe obtener 50 ml de una solución que contenga 32 % de ácido mezclando

tres soluciones diferentes. Una primera solución contiene 10 % de ácido, la segunda
30 % y la tercera 50 %. Por motivos de existencias, el quı́mico debe usar el doble de la
solución al 50 % que la solución al 30 %, ¿Cuántos ml de cada solución debe usar?

10. Suponga que se invierten 20000 dólares en tres fondos al 6 %, 8 % y 10 %. El ingreso

anual total fue de 1624 dólares y el ingreso de la inversión del 10 % fue dos veces el
ingreso de la inversión al 6 %. ¿De cuánto fue cada inversión?
94 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES

2.9. TALLER

1. Considere la matriz  
2 0 2 −2 −3
 0 −1 0 
 0 1 
A= 
 −3 0 −3 −1 0 
1 −1 1 −3 0

a) Reduzca A a forma escalonada reducida.

b) Suponga que A es la matriz aumentada de un sistema no homogéneo de 4
ecuaciones lineales con 4 incógnitas, “resuelva” el sistema.

2. La matriz aumentada de un sistema de ecuaciones lineales es

 
3 0 2 −2 b
 4 −1 
 0 a c 
(A |B ) =  
 5 0 3 −1 2 
1 −2 1 1 0

a) ¿Para qué valores de a, b, c, el sistema no tiene solución?

b) ¿Para qué valores de a, b, c, el sistema tiene una única solución?
c) ¿Para qué valores de a, b, c, el sistema tiene infinitas soluciones?
d) Resuelva el sistema para a = −1, b = c = 1

3. Considere el sistema de ecuaciones

2x + 3y − z + 2w =5
4x − 2y + 2z + 3w =6
x−y+z−w = −2
2y − 2z + 7w = 14

a) Diga si el sistema tiene solución.

b) Encuentre, si existe, una solución del sistema tal que z = 3.
c) Encuentre, si existe, una solución del sistema talque x = −5.
d) Encuentre, si existe, una solución del sistema talque w = 2 y x = 1.
e) Si hacemos y = z, “resuelva” el sistema resultante.
 2.10. TALLER CON MATHEMATICA 95

2.10. TALLER CON MATHEMATICA

Solución de ecuaciones.

Con Mathematica se pueden resolver ecuaciones. Es importante tener en cuenta que para
escribir una igualdad entre dos expresiones se debe usar “==” y que para resolverla se
puede usar el comando Solve[expr,vars]. En la primera parte se escribe la ecuación y en
la segunda parte las incógnitas. Por ejemplo, para resolver la ecuación 2x + 3 = 5 se debe
escribir Solve[2x + 3 == 5, x] y se obtiene

In[1]:= Solve[2x + 3 == 5, x]
Out[1]= {{x → 1}}

Lo cual indica que la solución de la ecuación es x = 1.

Solución de sistemas de ecuaciones lineales.

En el caso de los sistemas de ecuaciones se usa la estrutura

Solve[{ecua 1, · · · , ecua n}, {var1, · · · , var n}]

Ejemplo.
Para resolver: 
5x + 2y = 8
3x − y = 7

se escribe

Solve[{5x + 2y == 8, 3x − y == 7}, {x, y}]

Al hacer SHIFT + ENTER se obtiene

In[1]:= Solve[{5x + 2y == 8, 3x − y == 7}, {x, y}]

Out[1]= {{x → 2, y → −1}}

Use Mathematica para resolver




0,1x + 0,1y = 5
0,5y + z = 1



0,1x + 0,3y + z = −1

Inversas y reducción por Gauss-Jordan. Los siguientes comandos permiten encontrar

la inversa de una matriz dada y reducir una matriz por el método de Gauss- Jordan
96 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES

Operación mathematica Resultado

!
−2 1
Inversa Inverse[a]
2 −!
3 1
2
1 0
Reducción a escalonada reducida RowReduce[a]
0 1

Ejercicios.

1. Encuentre la matriz escalonada reducida equivalente, posteriormente encuentre su

inversa, si existe  
1 1 −3
 2 
 2 − 21 3 
1 4 −1

2. Construya una matriz aleatoria con Mathematica usando

MatrixForm[RandomInteger[ r , {m , n} ] ] de tamaño 6 × 6 (m = n = 6)
con entradas enteras entre 0 y 2 (r = 2); llámela a. Indique si el sistema determinado
por aX = 0 tiene solución, en caso afirmativo encuentre la solución y en caso contario,
indique por qué no tiene solución.

3. Un hotel en Cartagena tiene un total de 235 camas y se acostumbra llenar con

reservas fijas que tienen agencias de viajes de Francia, Italia, Alemania, Reino
Unido, España y Colombia.

En Junio de 2017 el hotel tuvo una ocuapción del 100 % gracias a las reservas hechas
por las agencias mencionadas. El siguiente mes el hotel mantuvo su ocupación, pero
con reservas diferentes de cada agencia, ya que la italiana canceló sus reservas, pero
las portuguesas la duplicaron. En agosto del mismo año tan solo se mantuvieron las
reservas de las agencias francesas y colombianas y se duplicaron las reservas de las
agencias italianas, quedando 33 camas libres.

Tratando de mejorar la ocupación del hotel, su administración determinó realizar

una promoción para las agencias colombianas y francesas, manteniendo las mismas
condiciones de contratación que tenı́a en junio con el resto de las compañı́as. Con
esta estrategia, en junio 2018 se tuvieron 3 camas vacı́as y se supo que la ocupación
habı́a sido por reservas de las agencias francesas, colombianas y portuguesas y que
se habı́an duplicado las reservas de las agencias alemanas. En julio de 2018, el hotel
solo tuvo 132 camas ocupadas por personas que reservaron con agencias colombianas,
alemanas y en el caso de las agencias portuguesas, reservaron el doble de su reserva
hecha un año antes.
 2.10. TALLER CON MATHEMATICA 97

En agosto de 1997 solo reservaron las agencias española, alemana y británica,

quedando vacı́as 150 camas.

¿Cuáles son los cupos de reserva que el hotel tiene contratados con cada una de las
agencias?
98 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES

2.11. TALLER

Considere la matriz  
1 2 3 4 5 6
 
 2 2 3 4 5 6 
 
A=
 3 3 3 4 5 6 

 
 4 4 4 4 5 6 
5 5 5 5 5 6
1. Aplique cuidadosa y ordenadamente cada una de las operaciones elementales entre
filas que se muestran a continuación:

Paso 1. A2 → A2 − 2A1
Paso 2. A3 → A3 − 3A1
Paso 3. A4 → A4 − 4A1
Paso 4. A5 → A3 − 5A1
Paso 5. A3 → A3 − 23 A2
Paso 6. A4 → A4 − 2A2
Paso 7. A5 → − 25 A2
Paso 8. A4 → A4 − 34 A3
Paso 9. A5 → A5 − 35 A3
Paso 10. A5 → A5 − 45 A4

2. Llame U la matriz escalonada obtenida después del paso 10.

3. Sea L la matriz cuadrada 5 × 5 triangular inferior con unos en la diagonal y tal

que los elementos de la columna 1 debajo de L11 son en su orden los opuestos de los
coeficientes de A1 en los pasos 1, 2, 3, y 4; los elementos de la columna 2 debajo de L22
son en su orden los opuestos de los coeficientes de A2 en los pasos 5, 6 y 7; los elementos
de la columna 3 debajo de L33 son en su orden los opuestos de los coeficientes de A3
en los pasos 8 y 9; y finalmente el elemento L54 es el opuesto del coeficiente de A4 en
el paso 10.

4. Calcule el producto LU, compare con A.

El producto LU se denomina la descomposición (Low) (U p) de la matriz A y el
procedimiento funciona siempre y cuando todas las operaciones elementales entre
filas para llevar A a su forma escalonada U sean de la forma Ak → Ak + (λ)Ai , λ ∈
R, se ejecuten ordenadamente de acuerdo al Algoritmo de Gauss y no se hagan
intercambios de filas.
La matriz L no es otra que el producto E1−1 E2−1 E3−1 · · · Es−1 de los inversos de las
matrices elementales que aparecen en cada uno de los pasos que transforman A en
U.
 2.11. TALLER 99

5. Verifique que en nuestro ejemplo L = E1−1 E2−1 E3−1 · · · E10

−1
100 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES

2.12. EJERCICIOS DE CAPÍTULO

1. Para cada uno de los sistemas de ecuaciones dados escriba la matriz aumentada
correspondiente.

3x1 − 2x2 − 5x3 = 9 x1 − x3 = 0

a) x1 − 4x2 + 3x3 = 0 b) −3x2 + x3 = 0
−x1 + 5x2 − x3 = −1 8x1 + 5x2 = −5

2. Para cada una de las siguientes matrices aumentadas escriba los sistemas de
ecuaciones lineales correspondientes.
   
1 4 −1 6 3 7 −1 7
   
a)  0 3 1 −3  b)  0 0 1 −1 
9 1 0 −9 −3 −1 2 −3

3. Escriba cada uno de los sistemas dados en la forma AX = B

4x1 − x2 + 2x3 = 0 x1 + 4x2 − x3 = 0 x1 = 10

−x1 − 9x2 − 2x3 = 2 b) −3x2 + x3 = 0 c) 3x2 = 2
a)
2x1 − 12x3 = 2 −2x1 + 5x2 = 3 x3 = −3
4x1 − 11x2 − x3 = 8

4. Expliqueporqué el sistema
 de
 ecuaciones
 lineales representado en la forma AX = B,
1 7 −1 1
con A = 
 1 0

1  yB=


1  representa un sistema inconsistente.
0 0 0 −1

5. Indique en la parte (a), valores para a, b, c, d, e que hacen de la matriz A una matriz
escalonada y en la parte (b), otros valores para los cuales B sea una matriz escalonada
reducida.
   
a 4 −1 0 a 4 0 0 1 0
   
a) A =  0 c 1 0  b) B =  0 b d 0 −3 0 
b 0 d e 0 c 0 0 0 e

6. Utilice las proposiciones 3, 4 o 5 para determinar si cada uno de los sistemas de

ecuaciones dados en la forma AX = B tiene una única solución, infinitas soluciones o
si es inconsistente. Explique su respuesta.
 2.12. EJERCICIOS DE CAPÍTULO 101

        
1 0 0 x 3 1 0 0 0   0
      0  x  1 
a)  0 1 0   y =  1   1 0 0     
   y   
c)  0

0 1 0 

 = −1 
0 0 0 z 2  z   
   0 0 0 1   7 
  x   w
0 0 0 0 0
1 0 0 0   0
  y   
b)  0 0 1 0   = 1 
 z 
0 0 0 1 −1
w

7. En cada caso se observa la obtención de una matriz B que es equivalente a la matriz A

a través de operaciones elementales entre filas. Realice el proceso “inverso” partiendo
de B para llegar a A usando operaciones elementales.

a)    
1 0 1 1 0 1
   
A =  −1 1 1  A2 → 2A2  −2 2 2 =B
−−−−−−−−→
0 1 −2 0 1 −2

b)    
2 1 −1 1 1 −1 1 0
   
A =  −1 0 1 1  A ↔A  −1 0 1 1 
−−−−3−−−−−1−→
1 −1 1 0 2 1 −1 1
   
1 −1 1 0 1 −1 1 0
   
 −1 0 1 1  A2 → A2 + 2A1  1 −2 3 1 
−−−−−−−−−−−→
2 1 −1 1 2 1 −1 1
   
1 −1 1 0 1 −1 1 0
   
 1 −2 3 1  A3 → 31 A3  1 −2 3 1 =B
−−−−−−−−−−−→
2 1 −1 1 2
3 3 −3
1 1 1
3

8. Resolver los siguientes sistemas de ecuaciones lineales:

 
 
x1 + 2x2 − x3 = 1
 2x1 − 5x2 = 4

a) 2x1 + x2 + x3 = 1 d) x1 + x2 − x3 = 8

 

 
x1 − x2 + 2x3 = 1 3x1 + 5x3 = 0



x1 + 2x2 − x3 = 0

b) 2x1 + x2 + x3 = 0



x1 − x2 + 2x3 = 0


 x1 + x2 + x3 + x4 = 0
 


2x + x + 2x + 2x = 0

 3 x1 − 5 x2 + 2 x3 = 10
1 1 1 7
 1 2 3 4
e)
c) − 23 x1 + 25 x2 + 23 x3 = 11 
 2x1 + 2x2 + 3x3 + 4x4 = 1
 10 


 

x1 − 54 x2 + x3 = 95 2x1 + 3x2 + 4x3 + 5x4 = 2
102 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES

 

 x1 + 2x3 + 2x4 = 6 
 2x1 + 2x2 − x3 + x5 = 0

 


x − 2x = −3 
−x − x + 2x − 3x + x = 0
2 3 1 2 3 4 5
f) h)

 x1 + 2x2 − x3 = −2 
 x1 + x2 − 2x3 − x5 = 0

 


 

2x1 + x2 + 3x3 + −2x4 = 0 x3 + x4 + x5 = 0


 2x1 + x2 − 3x3 + x4 = 0



5x + 4x + 3x = 0
2 3 4
g)

 x3 + 2x4 = 0




3x4 = 0

9. Calcular,si existe, la inversa de cada una de las siguientes matrices:

!  
1 3 1 1 1 1
a) A =  1 −1 −1 
1 2  1 
e) A =  
 1 −1 1 −1 
  1 −1 −1 1
2 0 1
   
b) A =  1 −1 0  1 2 3 4
 0 4 5 6 
1 2 2  
f) A =  
 0 0 2 3 
  0 0 0 1
1 2 −1 1
   
 −1 2 3 0  1 0 0 0
c) A =   
 −1 −1 −1 1   3 −1 0 0 

g) A =  
2 0 −1 −1  1 0 −1 0 
0 1 −3 1
   
−1 0 2 1 2 −1 −1 0
 2 −1 3 1   −1 0 −1 
   1 
d) A =   h) A =  
 −3 1 0 1   −1 0 2 −1 
2 −1 3 0 0 −1 −1 1

10. a) Sea A es una matriz n × n no singular. Pruebe que la solución de una ecuación
matricial de la forma AX = B es X = A−1 B.
 
−40 16 9
 
b) Encuentre la inversa de A =  13 −5 −3 
5 −2 −1
c) Resuelva los siguientes sistemas de ecuaciones lineales
 
 
−40x1 + 16x2 + 9x3 = 1 −40x1 + 16x2 + 9x3 =
1
  3
(I) 13x1 − 5x2 − 3x3 = −2 (II) 13x1 − 5x2 − 3x3 = − 12

 

 
5x1 − 2x2 − x3 = 0 5x1 − 2x2 − x3 = 2
3
 2.12. EJERCICIOS DE CAPÍTULO 103

11. Sea
AX = X

un sistema de ecuaciones lineales para A una matriz n × n y X una matriz n × 1.

a) Pruebe que que el sistema de ecuaciones dado es equivalente al sistema

A − I(n) X = 0.
!
2 1
b) Resuelva el sistema dado para A =
1 1

12. Determine los valores de las constantes a , b y c para que se cumpla:

2 + 2x + 2x2 a bx + c
2
= + 2
(x + 1)(x + 1) x + 1 (x + 1)

Indicación: multiplique la ecuación por (x + 1)(x2 + 1) , luego al igualar los coeficientes

de los polinomios en cada lado de la igualdad, se genera un sistema de ecuaciones
lineales en las incógnitas a, b y c.

13. Escriba una expresión algebraica para la función cuadrática f que pasa por los puntos
P = (1, 1), Q = (−1, 4) y R = (2, 3).
Indicación: Evalúe la función f (x) = ax2 + bx + c en los puntos P , Q y R para generar
un sistema de ecuaciones lineales en las incógnitas a, b y c.

14. La solución general de cierta ecuación diferencial es de la forma:

x(t) = C1 et + C2 e2t + C3 e−2t

Determine los valores de las constantes C1 , C2 y C3 para los que se satisfacen las
condiciones iniciales, x(0) = 1 , x′ (0) = 2 , x′′ (0) = −1.

15. Deduzca una fórmula para calcular la suma:

X
n
i2
i=1

sabiendo que dicha fórmula es un polinomio de grado 3.

Indicación: Suponga que la fórmula es es f (n) = an3 + bn2 + cn + d, evalúela en
n = 1, 2, 3, 4 y genere el sistema de ecuaciones lineales en las incognitas a , b , c , y d.

16. Si P = (x0 , y0 ), Q = (x1 , y1 ), R = (x2 , y2 ) son tres puntos no colineales de la parábola

de ecuación y = Ax2 + Bx + C, y0 > 0, y1 > 0, y2 > 0, x1 = x0 + h, x2 = x0 + 2h, entonces
el área de la región limitada por la parábola, el eje X , las rectas x = x0 y x = x2 , está
dada por 13 h(y0 + 4y1 + y2 ).
Un método para estimar el área limitada por la gráfica de una función y = f (x) > 0,
104 CAPÍTULO 2. SISTEMAS DE ECUACIONES LINEALES

el eje X y las rectas x = a, x = b, consiste en conectar grupos sucesivos de tres puntos

sobre la gráfica de f mediante parábolas y sumar las áreas respectivas.
Estime el área de la región limitada por la gráfica de una función y = f (x) > 0 , el eje
X y las rectas x = 0 , x = 4 si se conocen los puntos descritos en la tabla siguiente:

x 0, 5 1, 0 1, 5 2, 0 2, 5 3, 0 3, 5 4, 0 4, 5
f (x) 3, 25 4, 17 4, 60 3, 84 3, 59 4, 23 4, 01 3, 96 3, 75

17. Hallar los valores de k para los que cada sistema tiene solución única, infinitas
soluciones, ninguna solución.
 
 x + 2y + kz = 1
x + y − z = 1

b)
a) x + ky + 3z = 2 2x + ky + 8z = 3



2x + 3y + kz = 3

18. Si se dispone de tres aleaciones de plata, cobre y oro con la siguiente composición:

% plata % cobre % oro

I 5 15 80
II 10 25 65
III 15 30 55

Si se quiere obtener 20 gramos de una aleación que contenga 12 % de plata, 26 % de

cobre y 62 % de oro, ¿cuántos gramos de cada aleación se deben extraer?
!
−1 sin θ cos θ
19. Encuentre A sabiendo que A =
− cos θ sin θ

20. Si A una matriz cuadrada pruebe que, Si An+1 = 0 entonces

(I − A)−1 = I + A + A2 + ... + An ;

para n ∈ N.
 C AP ÍTULO 3

DETERMINANTES

3.1. DEFINICIÓN Y PROPIEDADES

En este capı́tulo solo haremos referencia a matrices cuadradas de orden n, n entero positivo,
pues solamente para éstas tiene sentido el concepto de determinante, tema central del
capı́tulo.
La consulta de diferentes autores muestra enfoques diversos para la definición del concepto
de determinante, cada uno exige sus propios prerrequisitos, en algunos casos fuera del
alcance del presente escrito; hemos escogido la definición por recurrencia que consideramos
la más práctica para efectos del cálculo en el caso de órdenes pequeños, sin embargo para
algunos resultados fundamentales aceptamos el resultado sin prueba.

Definición 1

Sea A ∈ M (n, n) llamamos submatriz −ij− de A, que notamos A(i|j) a la matriz tamaño
(n − 1) × (n − 1) obtenida de A, al eliminar su fila −i− y su columna −j − .

Ejemplo 1

Para la matriz:
 
1 0 5
 
A =  3 π −1 
√
7 9 4
Las submatrices de A son:
! ! !
π −1 3 −1 3 π
A(1|1) = A(1|2) = √ A(1|3) = √
9 4 7 4 7 9
! ! !
0 5 1 5 1 0
A(2|1) = A(2|2) = √ A(2|3) = √
9 4 7 4 7 9

105
106 CAPÍTULO 3. DETERMINANTES

! ! !
0 5 1 5 1 0
A(3|1) = A(3|2) = A(3|3) =
π −1 3 −1 3 π

Definición 2

Sea A ∈ M (n, n) definimos el determinante de A, notado Det(A) o simplemente |A| , al único

número real obtenido de la siguiente manera:

Si n = 1, A = (a) entonces Det(A) = a

P
n
Si n > 1, Det(A) = (−1)i+k aik Det [A(i|k)], para algún i fijo, 1 ≤ i ≤ n.
k=1

Observación. Usualmente decimos que hemos “desarrollado” el determinante por la fila

−i−, cuya elección es arbitraria.

Ejemplo 2

Si
!
1 0
A=
3 π
entonces,

A(1|1) = (π), A(1|2) = (3)

A(2|1) = (0), A(2|2) = (1)

Si tomamos i = 1, tenemos

Det(A) = (−1)1+1 a11 Det (A(1|1)) + (−1)1+2 a12 Det (A(1|2))

es decir,

1 0
Det(A) = = (−1)2 (1)(π) + (−1)3 (0)(3) = π − 0 = π
3 π

Si tomamos i = 2, tenemos:

Det(A) = (−1)2+1 a21 Det (A(2|1)) + (−1)2+2 a22 Det (A(2|2))

es decir,

1 0
= (−1)3 (3)(0) + (−1)4 (π)(1) = 0 + π = π
3 π
 3.1. DEFINICIÓN Y PROPIEDADES 107

Proposición 1 !
a b
Si A = entonces Det(A) = ad − bc
c d

Prueba.−
Tomamos i = 1, entonces

Det(A) = (−1)1+1 a11 Det (A(1|1)) + (−1)1+2 a12 Det (A(1|2))

es decir,
a b
= (−1)2 (a)(d) + (−1)3 (b)(c) = ad − bc
c d

El lector verificará que si elige i = 2, y hace el desarrollo de acuerdo con la definición, el

resultado es el mismo. 

Proposición 2

(Ley de Sarrus para matrices 3 × 3)

Sean
 
a11 a12 a13
 
A =  a21 a22 a23 
a31 a32 a33

′ ′
Si definimos los productos d1 , d2 , d3 , d′1 , d2 , d3 como en la gráfica, entonces

′ ′
Det(A) = (d1 + d2 + d3 ) − (d′1 + d2 + d3 )

Prueba.−
Si desarrollamos el determinante de A por la fila −2− tenemos:
108 CAPÍTULO 3. DETERMINANTES

X
k=3
Det(A) = (−1)2+k a2k Det [A(2|k)]
k=1

= (−1)2+1 a21 Det [A(2|1)] + (−1)2+2 a22 Det [A(2|2)] + (−1)2+3 a23 Det [A(2|3)]
a12 a13 a11 a13 a11 a12
= (−1)2+1 a21 + (−1)2+2 a22 + (−1)2+3 a23
a32 a33 a31 a33 a31 a32
= (−1)a21 (a12 a33 − a13 a32 ) + a22 (a11 a33 − a13 a31 ) + (−1)a23 (a11 a32 − a12 a31 )
= −a12 a21 a33 + a13 a21 a32 + a11 a22 a33 − a13 a22 a31 − a11 a23 a32 + a12 a23 a31


= −d′3 + d3 + d1 − d′1 − d′2 + d2 = (d1 + d2 + d3 ) − d′1 + d′2 + d′3

El lector verificará que el resultado es válido independientemente de la fila por la que se

desarrolle el determinante. 

EJERCICIOS 3.1
!
a b
1. Sea A = , desarrolle |A| por la fila −2− para verificar que |A| = ad − bc
c d

2. Dada la matriz  
3 1 2 −1
 0 
 2 a 1 
A= 
 0 0 −1 0 
0 3 2 2

a) Si a = 0, calcule |A|.
b) Encuentre el valor de a, sabiendo que Det [A(3|1)] = 0.
c) Si a = 0, encuentre los valores de Det [A(3|1)], Det [A(3|2)] , Det [A(3|3)] y de
Det [A(3|4)].

3. Compruebe que el resultado de |A| es independiente de la fila que se escoja usando la

matriz:  
4 2 2
 
A= 2 1 1 
0 2 −1
(sugerencia: Siga el ejemplo 2)

4. Calcule los siguientes determinantes:

2 3 −2 6
a) b)
3 5 −1 7
 3.2. PROPIEDADES DEL DETERMINANTE 109

1 1 1 1 2 3 4
c) 0 5 1 2 2 3 4
h) A =
0 6 8 −1 0 0 2
5 1 4 0 −1 3 4
d) 9 6 8 3 0 0 0
0 3 6 1 2 3 4
i) A =
3 9 0 −1 0 −1 0
e) 0 −1 1 1 −2 3 −4
1 0 2 1 2 3 4
1 2 3 0 1 0 0
j) A =
f) A = 2 2 3 0 2 1 2
0 −1 3 0 3 3 4
2 3 4
g) A = 2 3 4
−1 3 4

5. Determine en cada caso, los valores de x que satisfacen la ecuación dada.

x+1 1 1 1 1 1
a) 1 2 x =0 c) 1 x 1 =0
1 x 0 1 1 x2
x−1 1 −1
b) 0 x+6 3 =0
x−1 2 2
 
a11 a12 a13
 
6. Sea A =  a21 a22 a23  , desarrolle |A| por la fila −3− para verificar la Ley de
a31 a32 a33
Sarrus.

3.2. PROPIEDADES DEL DETERMINANTE

Para facilitar la escritura y la lectura, en lo que sigue cuando lo consideremos conveniente,
notaremos las matrices cuadradas como matrices columna cuyas entradas son sus filas
   
a11 a12 ··· a1j ··· a1n A1
 ··· ···   
 a21 a22 a2j a2n   A2 
   
 .. .. .. ..   .. 
 . . . .   . 
A=  = 
 ···   
 ai1 ai2 ... aij ain   Ai 
 .. .. .. ..   .. 
   
 . . . .   . 
an1 an2 ··· anj ··· ann An
110 CAPÍTULO 3. DETERMINANTES

TEOREMA 1

Sea A ∈ M (n, n) entonces

D.1.- Para 1 ≤ i ≤ n se tiene que,

   
A1 A1
   
 
A2  A2 
 ..  .. 
   
  .  . 
Det   = kDet  
 kAi   Ai 
   
 ..   .. 
 .   . 
An An

D.2.- Para 1 ≤ i ≤ n se tiene que,

     
A1 A1 A1
     
 A2   A2   A2 
 ..   ..   .. 
     
 .   .   . 
Det  ′  = Det   + Det  
 Ai + A′′i   A′i   A′′i 
     
 ..   ..   .. 
 .   .   . 
An An An

D.3.- Si B se obtiene de A al intercambiar dos filas consecutivas

entonces

Det(B) = −Det(A)

D.4.- Para todo entero positivo n,

Det(I(n) ) = 1

Nota Importante
Aun cuando este resultado es el fundamental del capı́tulo, por la forma como definimos el
determinante, la prueba del Teorema 1 exige usar el Principio de Inducción Matemática
y su escritura resulta demasiado larga y compleja; por el alcance del presente escrito
aceptamos el resultado y continuamos; el lector interesado puede verificarlo directamente
por simple mecánica de la Aritmética de números reales para n = 1, 2, 3 y consultar la
bibliografı́a para el caso general.

El siguiente resultado resuelve el problema de angustia del lector quien no entiende

y seguramente no acepta, la escogencia arbitraria de una fila para desarrollar el
 3.2. PROPIEDADES DEL DETERMINANTE 111

determinante.

Proposición 3

Sea A ∈ M (n, n) entonces el determinante de A es independiente de la selección de la fila

por la cual se desarrolle.

Prueba.−
Sin perder generalidad podemos probar que el valor obtenido para el determinante si se
desarrolla por la fila −i−, es el mismo que el obtenido al desarrollarlo por la fila −1−.

Supongamos entonces que si A ∈ M (n, n), n entero positivo entonces

P
k=n
Det(A) = (−1)1+k a1k Det [A(1|k)]
k=1

Sean ahora A y B matrices, tales que B es obtenida de A después de i − 1 intercambios

sucesivos de filas consecutivas, a saber: fila i con fila (i − 1), fila (i − 1) con fila (i − 2), fila
(i − 2) con fila (i − 3), y ası́ sucesivamente hasta llegar a que la fila 1 de B es la fila i de A,
es decir que B es la matriz:
 Ai 
A1
 A2 
 . 
 .. 
B= 
 Ai−1  ,
 Ai+1 
 . 
..
An

entonces la aplicación repetida de D.3 del Teorema 1, nos permite afirmar que:

P
k=n
Det(A) = (−1)i−1 Det(B) = (−1)i−1 (−1)1+k b1k Det [B(1|k)]
k=1

Ahora bien, es inmediato verificar que para todo k, 1 ≤ k ≤ n, b1k = aik y B(1|k) = A(i|k),
en consecuencia:

P
k=n P
k=n
Det(A) = (−1)i−1 (−1)1+k b1k Det [B(1|k)] = (−1)i+k aik Det [A(i|k)]
k=1 k=1

Claramente la última expresión de la derecha es el “desarrollo” de Det(A) por la fila −i−.

El Teorema 1 identifica de manera unı́voca el determinante y la proposición 3 nos

proporciona seguridad en los cálculos. A continuación enunciamos y probamos algunas
otras propiedades que son consecuencia inmediata de estos dos resultados y facilitan los
cálculos.
112 CAPÍTULO 3. DETERMINANTES

Proposición 4

Sea A ∈ M (n, n) entonces

1. Si B = kA entonces Det(B) = k n Det(A).

2. Si A tiene una fila de ceros entonces Det(A) = 0.

3. Si B se obtiene de A al intercambiar dos filas entonces Det(B) = −Det(A).

4. Si A tiene dos filas iguales entonces Det(A) = 0.

5. Si una fila de A es un múltiplo real de otra entonces Det(A) = 0.

6. Si B se obtiene de A al reemplazar una fila por la suma de ella con un múltiplo real
de otra entonces Det(B) = Det(A).

Prueba.−

1. Basta aplicar la parte D.1 del teorema 1 primero para la fila uno, luego para la fila
dos, luego para la tres y ası́ sucesivamente, luego de n pasos obtenemos el resultado.

2. Supongamos que la fila −i− de A es una fila de ceros, desarrollamos el determinante

por la fila −i− y obtenemos el resultado.

3. Supongamos que B se obtiene de A al intercambiar Ai ←→ Ak , con i < k.

El mismo resultado se obtiene si ejecutamos primero la siguiente sucesión de
intercambios de filas consecutivas:

Ai ←→ Ai+1 , Ai+1 ←→ Ai+2 , Ai+2 ←→ Ai+3 , · · · , Ak−1 ←→ Ak

al final de la cual tendremos la matriz:

 
A1
 .. 
 
 . 
 
 Ai+1 
  ←− i
 .. 
 
 . 
 
 Ak  ←−(k−1)
 
 Ai  ←− k
 
 .. 
 
 . 
An

y luego, con la sucesión de intercambios:

Ak−1 ←→ Ak−2 , Ak−2 ←→ Ak−3 , Ak−3 ←→ Ak−4 , · · · , Ai+1 ←→ Ai ,

 3.2. PROPIEDADES DEL DETERMINANTE 113

obtenemos B.
Ahora bien, si contamos el número de intercambios de filas consecutivas tenemos
(k − i) para “bajar”Ai desde el lugar i hasta el lugar k y luego (k − i) − 1 para
“subir”Ak desde el lugar (k − 1) hasta el lugar i, en total hemos realizado 2(k − i) − 1
intercambios consecutivos, la parte D.3 del teorema 1 afirma que el efecto sobre el
determinante en cada paso es multiplicar por (−1), en consecuencia

Det(B) = (−1)2(k−1)−1 Det(A) = −Det(A)

4. Supongamos A ∈ M (n, n) tal que Ai = Ak obviamente al intercambiar Ai ←→ Ak

obtenemos la misma matriz A, pero por la propiedad anterior el determinante se
afecta en un factor (−1), es decir Det(A) = − Det(A), en consecuencia Det(A) = 0
que es el único número real igual a su opuesto.

5. Supongamos A ∈ M (n, n) tal que Ai = λAk entonces por D.1

     
A1 A1 A1
 ..   ..   .. 
 .   .   . 
     
     
 Ai   λAk   Ak 
 ..   ..   .. 
Det 
 .
 = Det 
  .
 = λDet 
  .
 = λ(0) = 0

     
 Ak   Ak   Ak 
     
 ..   ..   .. 
 .   .   . 
An An An

6. Supongamos A, B ∈ M (n, n) tales que B se obtiene de A, al reemplazar Ai ←→ Ai + λAk

entonces por las partes D.1 y D.2 del teorema 1
     
A1 A1 A1
   A   A 
 A2   2   2 
 ..   
..   . 
    . 
 .   .   . 
Det(B) = Det   = Det   + Det  
 Ai + λAk   Ai   λAk 
     
 ..   ..   .. 
 .   .   . 
An An An
   
A1 A1
 A   
 2   A2 
 .   .. 
 ..   
   . 
= Det   + λDet  
 Ai   Ak  ←− f ila − i−
   
 ..   .. 
 .   . 
An An
= Det(A) + λ(0)
= Det(A)
114 CAPÍTULO 3. DETERMINANTES

puesto que la última matriz de la derecha tiene iguales las filas i y k. 

Proposición 5

Si A ∈ M (n, n) es triangular inferior entonces

Det(A) = a11 a22 · · · ann

Prueba.−
Si suponemos
 
a11 0 ··· 0
 .. 
 a . 
 21 a22 
A= . 
 .. ..
. 0 
 
an1 an2 · · · ann

con aij = 0 para i < j, entonces al desarrollar el determinante por la fila −1− obtenemos:

P
k=n
Det(A) = (−1)i+k aik Det [A(i|k)] = a11 Det [A(1|1)] + 0 + 0 + · · · + 0
k=1

recordemos que:
 
a22 0 ··· 0
 .. 
 a . 
 32 a33 
A(1|1) =  . 
 .. ..
. 0 
 
an2 an3 · · · ann

Si ahora, desarrollamos Det [A(1|1)] también por su fila −1− obtenemos

 h i 
b
Det(A) = a11 Det [A(1|1)] = a11 a22 Det A(1|1) + 0 + 0 + ··· + 0

donde  
a33 0 ··· 0
 .. 
 a . 
b  43 a44 
A(1|1) = . 
 .. ..
. 0 
 
an3 an4 · · · ann
Repetimos el procedimiento y luego de n pasos obtenemos el resultado. 

Proposición 6

Si A ∈ M (n, n) es triangular superior entonces

Det(A) = a11 a22 · · · ann

 3.2. PROPIEDADES DEL DETERMINANTE 115

Prueba.−
La prueba es conceptualmente igual a la anterior, basta hacer el desarrollo por la última
fila; el lector interesado puede escribirla como ejercicio.

La proposición 6 nos permite calcular determinantes de matrices de tamaño “grande”por

un procedimiento casi siempre mas corto o por lo menos mas simple que el cálculo por
la definición, procedimiento que consiste en ejecutar cuidadosamente el algoritmo para
llevar una matriz a forma escalonada, aplicando en cada paso el efecto correspondiente en
el cálculo del determinante.

En general podemos afirmar que los procedimientos mas eficientes consisten en obtener
matrices equivalentes por filas a la inicial con muchos ceros en una fila y finalmente hacer
el desarrollo por ésa, evidentemente se debe ser muy cuidadoso en el efecto que sobre el
valor del determinante causa cada operación entre filas.

Ejemplo 3

Calcular
1 −1 0 2
0 1 3 1
,
−1 4 0 3
2 1 −1 5

A3 −→ A3 + A1
Paso 1.
A4 −→ A4 + (−2)A1

el numeral (6) de la proposición 4 nos garantiza que el determinante no cambia, es decir:

1 −1 0 2 1 −1 0 2
0 1 3 1 0 1 3 1
=
−1 4 0 3 0 3 0 5
2 1 −1 5 0 3 −1 1

A3 −→ A3 + (−3)A2
Paso 2.
A4 −→ A4 + (−3)A2

y el mismo argumento del paso 1, nos garantiza que:

1 −1 0 2 1 −1 0 2
0 1 3 1 0 1 3 1
=
0 3 0 5 0 0 −9 2
0 3 −1 1 0 0 −10 −2
116 CAPÍTULO 3. DETERMINANTES

A3 −→ (10)A3
Paso 3.
A4 −→ (−9)A4

y por la propiedad D.1 teorema 1

1 −1 0 2 1 −1 0 2
0 1 3 1

0 1 3 1
= 1
− 19
0 0 −9 2 10
0 0 −90 20
0 0 −10 −2 0 0 90 18

Paso 4. A4 −→ A4 + A3

y en consecuencia

1 −1 0 2 1 −1 0 2


0 1 3 1

0 1 3 1
1
− 91 1
= 10 − 19
10
0 0 −90 20 0 0 −90 20
0 0 90 18 0 0 0 38

luego

1 −1 0 2
0 1 3 1


= 1
− 19 (1)(1)(−90)(38) = 38
−1 4 0 3 10

2 1 −1 5

El lector interesado puede calcular el mismo determinante por la definición y decidir sobre
la eficacia o no del método usado.

Proposición 7

Si A ∈ M (n, n) es singular entonces |A| = 0

Prueba.−
Si A es singular entonces A es equivalente por filas a una matriz B con una fila de ceros en
consecuencia k |A| = |B| = 0 para algún k ∈ R, k ̸= 0, en consecuencia |A| = 0. 

Proposición 8

Sea E ∈ M (n, n) una matriz elemental

1. Si E se obtiene de I(n) por intercambio de dos filas entonces |E| = −1.

2. Si E se obtiene de I(n) al multiplicar una fila por un número real k ̸= 0 entonces

|E| = k.
 3.2. PROPIEDADES DEL DETERMINANTE 117

3. Si E se obtiene de I(n) al reemplazar una fila por la suma de ella y un múltiplo de otra
entonces |E| = 1.

Prueba.−

1. Si E se obtiene de I(n) por intercambio de dos filas entonces aplicamos el numeral (3)
de la proposición 4 y obtenemos |E| = (−1) I(n) = −1

2. Si E se obtiene de I(n) al multiplicar una fila por un número real k ̸= 0 entonces

aplicamos D.1 y obtenemos |E| = k I(n) = k

3. Si E se obtiene de I(n) al reemplazar una fila por la suma de ella y un múltiplo de otra
entonces aplicamos el numeral (6) de la proposición 4 y obtenemos |E| = I(n) = 1. 

Proposición 9

Si E ∈ M (n, n) es una matriz elemental y A ∈ M (n, n) entonces |EA| = |E| |A|.

Prueba.−
Ejercicio para el lector.

Proposición 10

Si A, B ∈ M (n, n) entonces |AB| = |A| |B|

Prueba.−

1. Si A es singular entonces AB es singular por lo tanto |A| = 0, |AB| = 0 y en

consecuencia |AB| = |A| |B|.

2. Si A es no singular entonces A = Ek Ek−1 ...E1 donde Ei es una matriz elemental, para

cada i, 1 ≤ i ≤ k, y la aplicación reiterada de la proposición 9 prueba el resultado.

Proposición 11

Si A ∈ M (n, n) es triangular entonces Det(A) = Det(AT )

Prueba.−
Basta observar que las matrices A y AT tienen la misma diagonal y el determinante es
precisamente el producto de los elementos de dicha diagonal. 

Es natural preguntarnos si el resultado de la proposición 11 es válido para matrices

cualesquiera, la respuesta es “sı́”, sin embargo la escritura de la prueba correspondiente,
118 CAPÍTULO 3. DETERMINANTES

exige prerrequisitos que exceden el presente escrito, en consecuencia lo aceptamos sin

prueba.

Proposición 12

Sea A ∈ M (n, n) entonces Det(A) = Det(AT )

Observación. La proposición 12 nos permite afirmar que, en este capı́tulo todo lo

dicho hasta el momento para filas de una matriz es válido si reemplazamos “filas” por
“columnas”, en adelante utilizaremos el resultado que más nos facilite los cálculos.

Proposición 13

Sea A ∈ M (n, n) entonces para todo entero positivo m, Det(Am ) = [Det(A)]m

Prueba.−
Basta aplicar el Principio de Inducción Matemática, la definición de potencia de una matriz
y la proposición 10. El lector interesado puede escribirla cuidadosamente.

EJERCICIOS 3.2
1. Si  
1 −1 2
 
A= 2 2 0 
0 −1 1
encuentre

a) AT . b) A3 . c) 3AT .

2. Suponga que A es no singular para probar que

1
A−1 =
|A|

3. Sean A y B dos matrices de tamaño 4×4. Si |A| = −2 y |B| = 3 encuentre los siguientes
determinantes:

a) |3B|. b) B 4 AT . c) |A + B| d) A−1

4. Suponga que:
1 1 1
a b c =8
d e f
calcular:
 3.3. DETERMINANTE Y MATRIZ INVERSA 119

1−d 1−e 1−f 1 1 1

a) a + 2d b + 2e c + 2f b) a+9 b+9 c+9
2d 2e 2f d e f
3 3 3

5. Para cada uno de los enunciados siguientes diga si es una proposición verdadera o
una proposición falsa y por qué.

a) Si A ∈ M (n, n) es tal que Ai = Aj para algún par de enteros i, j tales que i < j
entonces |A| = 0.
b) Si A, B ∈ M (n, n) son tales que B se obtiene de A al reemplazar Ai → 5Ai
entonces |A| = 15 |B|
c) Si A ∈ M (n, n) es tal que para algún entero i tal que 1 ≤ i ≤ n; Ai = (1 −1 0 · · · 0)
entonces |A| = 0.
d) Si A ∈ M (n, n) es tal que |A| = 0 entonces A tiene una fila de ceros.
e) Si A ∈ M (n, n), n > 1 entonces

X
k=n
i+k
X
k=n
(−1) aik Det [A (i|k)] = (−1) (−1)(i+1)+k a(i+1) k Det [A (i + 1|k)]
k=1 k=1

f ) La Ley de Sarrus se aplica solamente para calcular determinantes de matrices

3 × 3.
g) Si A, B ∈ M (n, n) son tales que B se obtiene de A al reemplazar A(k) → A(k) +cA(l)
para algún par de enteros k, l tales que 1 ≤ k < l ≤ n. entonces |B| = 0
h) Si A, B ∈ M (n, n) son tales que B se obtiene de A al reemplazar A(k) → A(l) +cA(k)
para algún par de enteros k, l tales que se tiene 1 ≤ k < l ≤ n entonces |B| = |A|
P
k=n
i) A ∈ M (n, n), n > 1 entonces |A| = (−1)l+k akl Det [A (k|l)]
k=1

6. Calcule
1 −1 4 0 −1 5
−1 1 1 0 3 0
3 4 5 1 −1 −1
1 0 2 0 3 0
3 0 2 0 1 0
−1 0 −2 0 −3 0

3.3. DETERMINANTE Y MATRIZ INVERSA

Definición 3

Sea A ∈ M (n, n), para cada par −ij− definimos

Mij (A) = Det [A(i|j)] ,

120 CAPÍTULO 3. DETERMINANTES

y lo denominamos el menor −ij− -ij- de A.

Definición 4

Sea A ∈ M (n, n), para cada par −ij− definimos

Cij (A) = (−1)i+j Det [A(i|j)] = (−1)i+j Mij (A)

y lo denominamos el cofactor −ij− de A.

Definición 5

Sea A ∈ M (n, n), llamamos matriz de cofactores de A a la matriz Cof (A) tal que

(Cof (A))ij = Cij (A)

Definición 6

Sea A ∈ M (n, n), llamamos adjunta clásica o simplemente adjunta de A a la matriz Adj(A)
definida por
Adj(A) = (Cof (A))T

Ejemplo 4

Para
 
1 0 5
 
A =  3 1 −1  ,
−2 2 4
se tiene que

1 −1 3 −1 3 1
M11 (A) = ; M12 (A) = ; M13 (A) =
2 4 −2 4 −2 2

0 5 1 5 1 0
M21 (A) = ; M22 (A) = ; M23 (A) =
2 4 −2 4 −2 2

0 5 1 5 1 0
M31 (A) = ; M32 (A) = ; M33 (A) =
1 −1 3 −1 3 1

por lo tanto

C11 (A) = (−1)2 (6); C12 (A) = (−1)3 (10); C13 (A) = (−1)4 (8)
C21 (A) = (−1)3 (−10); C22 (A) = (−1)4 (14); C23 (A) = (−1)5 (2)
C31 (A) = (−1)4 (−5); C32 (A) = (−1)5 (−16); C33 (A) = (−1)6 (1)
 3.3. DETERMINANTE Y MATRIZ INVERSA 121

en consecuencia
   
6 −10 8 6 10 −5
   
Cof (A) =  10 14 −2  y Adj(A) =  −10 14 16 
−5 16 1 8 −2 1

Observación. En textos mas avanzados de Algebra Lineal, el término adjunta tiene otra
interpretación adicional, puesto que ese concepto no será estudiado en este escrito, no
corremos riesgo de confusión.

Proposición 14

Si A ∈ M (n, n) y i, l son enteros positivos tales que 1 ≤ i, l ≤ n con l ̸= i, entonces

X
k=n
aik Clk (A) = 0
k=1

Prueba.−

Consideramos B la matriz que se obtiene de A al reemplazar la fila −l− por la fila −i− de
A
 
A1
 
 
 
 Ai  ←− f ila − i−
 
B=



 
 Ai  ←− f ila − l−
 
 
An

entonces puesto que B tiene dos filas iguales, Det(B) = 0. Ahora desarrollamos Det(B) por
la fila −l− y obtenemos

P
k=n P
k=n
0 = Det(B) = (−1)l+k blk Det [B(l|k)] = aik Clk (A)
k=1 k=1

Proposición 15

Sea A ∈ M (n, n). Si j, r son enteros positivos tales que 1 ≤ j, r ≤ n y j ̸= r entonces

X
k=n
akj Ckr (A) = 0
k=1
122 CAPÍTULO 3. DETERMINANTES

Prueba.−

La prueba es conceptualmente idéntica a la anterior y queda como ejercicio para el lector.

Proposición 16

Sea A ∈ M (n, n) entonces

A (Adj(A)) = Adj(A)A = Det(A)I(n)

Prueba.−
Basta probar que A(Adj(A)) = Det(A)I(n) ; ahora bien, por la proposición 14 y la definición
de determinante, tenemos:
(
P
k=n P
k=n 0 si i ̸= j
(AAdj(A))ij = aik (Adj(A))kj = aik Cjk (A) =
k=1 k=1 |A| si i = j

es decir
 
|A| 0 ···
0
 .. 
 |A| 0 . 
 0 
 .. .. 
(AAdj(A)) =  . . 0  = |A| I(n)
 0 
 
 |A| 0 
0 · · · 0 |A|

El lector interesado que probó la proposición 15 reforzará su aprendizaje probando la

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

Proposición 17

Sea A ∈ M (n, n) entonces A es no singular si y solamente si Det(A) ̸= 0. En tal caso

1
A−1 = Adj(A)
Det(A)

Prueba.−

Suponemos A no singular entonces A tiene inversa y AA−1 = I(n) por lo tanto

Det(A)Det(A−1 ) = Det(AA−1 ) = Det(I(n) ) = 1

en consecuencia Det(A) ̸= 0.

Recı́procamente, si Det(A) ̸= 0, basta multiplicar la expresión

 3.3. DETERMINANTE Y MATRIZ INVERSA 123

AAdj(A) = Adj(A)A = Det(A)I(n)

por
1
Det(A)
y obtenemos
   
1 1
A Adj(A) = Adj(A) A = I(n)
Det(A) Det(A)

Ejemplo 5

Nuevamente tomemos
 
1 0 5
 
A =  3 1 −1 
−2 2 4

Det(A) = 46 ̸= 0
en consecuencia
 
6 10 −5
1 1  
A−1 = Adj(A) =  −10 14 16 
|A| 46
8 −2 1
Es inmediato verificar que
    
1 0 5 6 10 −5 46 0 0
    
 3 1 −1   −10 14 16  =  0 46 0 
−2 2 4 8 −2 1 0 0 46
es decir
     
1 0 5 6 10 −5 1 0 0
  1    
 3 1 −1   46  −10 14 16  =  0 1 0 
−2 2 4 8 −2 1 0 0 1

EJERCICIOS 3.3
1. Si  
1 −1 2
 
A= 2 2 0 
0 −1 1
encuentre el valor de A−1 .

2. Para cada una de las siguientes matrices encuentre su determinante, su matriz de

cofactores y la inversa en caso que exista.
124 CAPÍTULO 3. DETERMINANTES

   
1 −1 1 1 −1 1 −1
  
A= 1 0 −1   2 3 −2 −3 

B= 
−1 1 0  0 1 −1 2 
−1 −1 1 0

3. Sean A y B dos matrices de tamaño 4 × 4. Si |A| = −2 y |B| = 3 encuentre AB −1

3.4. REGLA DE CRAMER

Proposición 18

Sea A ∈ M (n, n) no singular, entonces para toda matriz B ∈ M (n, 1) el sistema de

ecuaciones lineales AX = B tiene una única solución.

Prueba.−
El lector conoce la prueba desde el capı́tulo 2.

Proposición 19 (Regla de Cramer)

Sean A ∈ M (n, n) no singular y B ∈ M (n, 1), entonces la solución del sistema de ecuaciones
lineales AX = B viene dada por
Det(A [B|j])
xj =
Det(A)
donde A [B|j] es la matriz que se obtiene de A al reemplazar su columna j, por la matriz
vector columna B de los términos independientes.

Prueba.−

La solución del sistema AX = B obviamente es X = A−1 B, es decir

 
1 1
X= Adj(A) B = (Cof (A))T B
Det(A) Det(A)
es decir
   C11 (A) C21 (A) Ci1 (A) Cn1 (A)  
x1 Det(A) Det(A) ··· Det(A) ··· Det(A) b1
   C12 (A) C22 (A) Ci1 (A) Cn2 (A)  
 x2   ··· ···  b2 
   
Det(A) Det(A) Det(A) Det(A)

 ..   .. .. .. ..  .. 
 .   . . . .  . 
 =  
   C1j (A) C2j (A) Cij (A)
···
Cnj (A)  .. 
   
xj .

   
Det(A) Det(A) Det(A) Det(A)
 ..
 .  

..
.
..
.
..
.
..
.


..
.


C1n (A) C21 (A) Ci1 (A) Cnn (A)
xn
Det(A) Det(A) ··· Det(A) ··· Det(A)
bn
 3.4. REGLA DE CRAMER 125

En consecuencia
P
k=n
bk Ckj (A)
1 k=1
xj = (C1j (A)b1 + C2j (A)b2 + · · · + Cnj (A)bn ) = (3.1)
Det(A) Det(A)

Por otra parte si desarrollamos por la columna −j−, el determinante de la matriz

 
a11 a12 · · · a1,j−1 b1 a1,j+1 · · · a1n
 a 
 21 a22 · · · a2,j−1 b2 a2,j+1 · · · a2n 
 . .. .. .. .. .. 
 .. . 
 . . . . 
A [B|j] =  
 ai1 ai2 . . . ai,j−1 bi ai,j+1 · · · ain 
 
 .. .. .. .. .. .. 
 . . . . . . 
a a ··· a b a · · · a
n1 n2 n,j−1 n n,j+1 nn

obtenemos:
P
k=n
Det(A [B|j]) = bk Ckj (A),
k=1

que es precisamente el numerador de la expresión (3.1).

EJERCICIOS 3.4
1. Use la Regla de Cramer para resolver los siguientes sistemas de ecuaciones:

a) 3x + 2y − 4z − 3w = 12
x + 7y = 4 5y − x − 2z + 4w =5
c)
3y − 5z =8
−2x − 4y = 13
2z − 5w − 2x = −6
b)
2x + 3y − 2z = 4
3x − 2y − 4z = 1
−x + 4y + z = −2

2. Use la regla de Cramer para responder:

a) Para que valores de α, el sistema

x + 3z =1
x + y + αz = −1
2x + y = −1

tiene una única solución.

126 CAPÍTULO 3. DETERMINANTES

b) Resuelva el sistema para todos los valores de α para los cuales existe una única
solución.
c) Para que valor de α la solución del sistema es x = 0, y = −1, z = 1
3
 3.5. TALLER 127

3.5. TALLER

Sea  
1 1 ··· 1
 ··· 
 a1 a2 an 
 
V =

a21 a22 ··· a2n 

 .. .. .. 
 . . . 
an−1
1 an−1
2 · · · an−1
n

la matriz de Vandermonde.

Q
n
Probaremos por inducción que |V | = (aj − ai )
i=1
i<j≤n

1 1
1. Calcule , para verificar la afirmación en el caso n = 2.
a1 a2

2. Ejecute ordenadamente las siguientes operaciones elementales entre filas a la matriz

V.

Vn → Vn + (−a1 ) Vn−1
Vn−1 → Vn−1 + (−a1 ) Vn−2
..
.
V3 → V3 + (−a1 ) V2
V2 → V2 + (−a1 ) V1

3. Escriba la matriz V ∗ obtenida al terminar el proceso, su primera columna deberá ser

1
0
..
.
0

4. Compare |V | con |V ∗ |

5. Desarrolle |V ∗ | por la primera columna.

6. En el nuevo determinante, factorice (a2 − a1 ) en la columna 1, (a3 − a1 ) en la columna

2 y ası́ sucesivamente hasta factorizar (an − a1 ) en la columna n − 1.

7. Aplique a las columnas la propiedad D.1 del Teorema1 para “sacar” del determinante
las expresiones factorizadas.

8. Aplique la hipóteis de inducción y obtenga el resultado

128 CAPÍTULO 3. DETERMINANTES

3.6. EJERCICIOS DE CAPÍTULO

1. Calcule los siguientes determinantes:

−3 2 −3 9 0
a)
−4 8 c) 0 −1 1
1 0 2
5 −2 4 0 4 1
b) 1 6 0 d) −1 3 1
2 3 6 3 2 0

2. Determine en cada caso, los valores de x que satisfacen la ecuación dada.

x + 1 −1 1 2 1 2
a) −1 2 x =0 c) 1 x 1 =0
1 x 0 1 2 x2
x−1 1 1
b) 3 x+6 0 =0
x−1 1 −3

3. Suponga que:
a b c
d e f = −5
1 1 1
Calcular:

−3d −3e −3f 9−a 9−b 9−c

a) 1−d 1−e 1−f b) 1 1 1
2a + d 2b + e 2c + f d e f
− − −
5 5 5

4. Verifique que:

x2 xy y2 1 x2 x3 yz x x2
a) 2x x + y 2y = (x − y)3 b) 1 y2 y3 = xz yy y 2
1 1 1 1 z2 z3 xy z z 2

5. Calcule A−1
 3.6. EJERCICIOS DE CAPÍTULO 129

!  
4 2 −1 0 1
a) A =  
2 1 b) A =  −3 2 −1 
1 −2 −1

6. Encuentre los valores de k que hacen que la matriz

 
1 −1 2
 
A=  2 2 0 
0 k 1

sea singular.

7. Sea A una matriz 3 × 3 tal que la suma de los elementos de cada fila es cero. Pruebe
que |A| = 0.

8. Si  
−1 1 2
 
A=  −1 2 1 
2 2 0

encuentre:

a) 2(AT )T . b) −3A2 . c) 1 T
2A . d) (2A)−1

9. Sean A y B dos matrices de tamaño 4 × 4. Si |A| = −2 y |B| = 3 encuentre, si es

posible, los siguientes determinantes:

a) 3B 2 . c) B 3 AT .
b) A−2 B −1 . d) |2A + 3B|

10. Si se sabe que A es una matriz 3 × 3 y que 3AT = 5, encuentre el valor de |A|.

11. Calcule la inversa (vı́a adjunta) de cada matriz:

   
1 2 1 2 1 1
   
a)  2 0 3  b)  0 1 3 
0 1 0 2 1 0

12. Considere la matriz :  

1 0 0
 
A= 0 1 0 
x 0 y

Determine las parejas (x, y) para las que A es igual a su inversa.

130 CAPÍTULO 3. DETERMINANTES

13. Verifique que:

1+a 1 1 1
1+a 1 1 1
1 1−a 1 1
1 1−a 1 1
=
1 1 1+b 1
1 1 1+b 1
1 1 1 1−b
1 1 1 1−b

14. Considere la matriz :  

2 −3 1
 
A= 0 1 0 
2 0 1
Resuelva |λI − A| = 0

15. Hallar la solución de cada sistema de ecuaciones, utilizando la regla de Cramer.

 
 
x + 2y − z = 1
 


−x + 2z + 2w = 1

2x − 3z − 3w = 0
a) −3x + y + z = −5

 c)
 
x − y + 3z = 5 
 −x − 3z + 2w = 0
√ 

√ √ √ 
 − −2x − y + 2z + w = 0

 3x + 2 3y + 2 3z = 3
b) 2x + y − z = 0



2x − 2y + 10z = 2

16. Realice la prueba de la proposición 15.

 C AP ÍTULO 4

VECTORES DEL ESPACIO

USUAL, R2 Y R3

En este momento, en diferentes asignaturas, el lector ha tenido ocasión de escuchar

y trabajar con términos como segmento, vector, parejas, triplas ordenadas de números
reales ası́ como adición de estos elementos y multiplicación por un “escalar”, pretendemos
en este capı́tulo precisar, organizar y generalizar estos conceptos de tal forma que los
procedimientos de cálculo y resolución de problemas resulten mas seguros, claros y
sencillos.

En este tratamiento y para todo el capı́tulo, asumimos todos los conceptos y resultados
básicos de la Geometrı́a Euclidiana del plano y del espacio, por costumbre llamado espacio
usual, y siempre que lo consideremos oportuno usaremos sus propios argumentos.

4.1. VECTORES EN EL ESPACIO USUAL

Definición 1
−−→
Un vector AB del espacio usual, es un segmento dirigido con punto inicial A y punto final
B, que tiene magnitud, dirección y sentido.

Definición 2
−−→
La magnitud de AB es un número real no negativo determinado de manera unı́voca por los
puntos A y B.(Longitud de AB ).

Definición 3
−−→
La dirección del vector AB es la dirección geométrica de la recta determinada por A y B.

131
132 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3

Definición 4
−−→
El sentido del vector AB es el determinado cuando decimos “ punto inicial A y punto final
B ”.

−−→ −−→ −−→

Usualmente notamos los vectores por AB, CD, XY , etc o también −
→
v ,−
→
u,−
→
w,−
→
z etc.

Definición 5
−−→ −−→
Decimos que dos vectores AB y CD son iguales si y solamente si tienen la misma
magnitud, la misma dirección y el mismo sentido.

La definición 5 nos permite en adelante y siempre que lo encontremos conveniente,

considerar los vectores del espacio usual con un punto inicial común.

Definición 6

Dos vectores →
−
v ,−
→
u del espacio usual se denominan paralelos si y solo si tienen la misma
dirección.

Ejemplo 1

B
....... ...
.... ...
... ...
..
.
.... ⃗z
...
......
E
... ...... .........
... ....... ...
... .. ...
.
.... . ..
.
.. .. ..
... .. ...
... .. ...
... .. ...
.
.... . .. .
....
.. . ..
... .. ...
... .. ...
... .. ...
... .. ...
...
..
.
.
.........
..
.
...
.
..
.
D
.....
A ...
...
.
C ...

...
...
...
...
....
.
..
...
⃗u ...
... ⃗v
.
....
..
...
...
...
.
....
..
... .....
... .

La gráfica muestra ejemplos de vectores del espacio usual, si asumimos las condiciones
geométricas del dibujo podemos afirmar que:
−−→ −
→
AB, u y −
→
z tienen la misma dirección.
−−→ −−→
AB, CD y −→u tienen la misma magnitud.
→
−u y −
→
z tienen sentidos opuestos.
−−→ −
→
AB y z tienen sentidos opuestos.
 4.1. VECTORES EN EL ESPACIO USUAL 133

−−→ −
→
CE y v tienen la misma magnitud.
−−→ −
AB = →
u

Sea S el conjunto de todos los vectores del espacio usual, definimos sobre S una adición.

Definición 7

Si →
−
v ,−
→
u ∈ S, tomados con punto inicial común, la suma − →v +−→u es el vector − →
w ∈ S
cuyo punto inicial es el común y cuyo punto final es el vértice opuesto en el paralelogramo
determinado por −→v ,−
→
u.

.
....
.... ..........
........ ..
... ........ ...
..... ...
...
......... .
.. ... ..
... ........
⃗v + ⃗u ........ ..
⃗u ...
... ........
........ ..
..
....
. ...
...
......... ..
.. ... ..
... ........
... ........ ..
... ........ ..
........ ..
.... ...............
. .
. ...
... .......... ..
......... ..
......
⃗v

Observación. Obtenemos el mismo resultado si decimos − →v +−→

u es el vector −
→
w ∈ S que se
→
− →
−
obtiene haciendo coincidir el punto inicial de u , con el punto final de v , y tomando como
punto inicial de −
→
w , el punto inicial de −
→
v y como punto final de − →
w el punto final de − →u.
Coloquialmente decimos que colocamos − →
u “a continuación de” −→
v

.....
............
........ .....
........ .....
....
..........
. ...
... ..
........ ...
........
w =v+u .........
........
........
...
...
...
....
.. .
.
... ..
........ ...
........ ... u
........ ...
........
............... ....
.
.... .
........ ...
..........................................................................................................................
v

Proposición 1

La adición ası́ definida goza de las siguientes propiedades:

1. Para todo −
→
v ,→
−
u ∈ S, la suma −
→
w =−
→
v +−
→
u ∈ S.

2. Para todo −
→
v ,→
−
u,−
→
z ∈ S, (−
→
v +−
→
u)+−
→
z =−
→
v + (−
→
u +−
→
z ).
→
− → −
− → →
3. Existe 0 ∈ S, tal que para todo −
→
v ∈ S, −
→
v + 0 = 0 +−
v = v.
134 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3

− −
→
4. Para todo −
→
v ∈ S, existe −→
w ∈ S, tal que →
−
v +−
→
w =→
−
w +−
→
v = 0,→
w se denomina el
→
− →
− →
−
opuesto de v y se nota w = − v .

5. Para todo −
→
v ,−
→
u ∈ S, −
→
v +−
→
u =−
→
u +−
→
v

Prueba.−

1. Evidente

2. Basta observar cuidadosamente el siguiente dibujo que representa (⃗u + ⃗v ) + ⃗z.

......
....... ..
.. ... .... ...
.. . ..
(⃗
u + ⃗v ) + ⃗z ... ... ..
... ... ..
... .. ..
. . .
... ..
. . . .. ..
.. .. ..
. . . .
.
. . .
. ..
. . .. ..
. . .
. ..
. . .
.
. ..
.. ....
.......... ..
... ... ..
... .
. ..
... ..
. .
. ........... ..
... .
. .. .... .
... . . . .... ..
... .... .... .....
........
... . ..
.
... .. ...
. .
..........
.
... ..
... ... ... ..... ..
..... ..
... .... .... ⃗v .
......
... .. .. ..... ..
⃗z ...
... ... ...
... ... .....
.....
.....
..
..
...
... .... .... . . .
...... ...
... ..
... ........ ..........
.....
.. ⃗
u + ⃗v ..
.
... .... ...... ..
... ...... ....... ...
............. .
..........
.......... ..
.......... ..
.......... . ..
⃗u .............
..

y compararlo con el siguiente dibujo que representa ⃗u + (⃗v + ⃗z)

.
...........
........ ........
... .... .. ....
.....
. .
.. ... .. ........
⃗v + ⃗z ..
.. .... ...
... . ..... ⃗
u + (⃗v + ⃗z)
.. .
... ... ..
. .. ..
.
.
... .
.. . .. .. ..
.
. ... .. .. .
..
. ... .. ... ...
... .. .. . .
.. ... .. .. ..
.. ... .. ... ..
.. ... .. ..
. .. ... ....
..
..
. . ... ....
. . .
.......... ... .. .. ..
.
... ... . .. ..
.
.
... ... . .. ..
.
... . .
...
... ... ... ........ ..
... ... ... ... ...
... ... ... ... ..
... ... .. ...
. ..
... ... .. .. ..
... .
. ... ....
. ..
... ...
... ... .... .... ⃗v ..
... . .
. . ..
⃗z ...
... ... .. ..
... .. ..
. .
.
..
... .. .. .. . . . ..
... ... .. .. ..
... .. .. .. ..
... ... ...... ..
... ... .... ..
......... ..
........ ..
.......... ..
..........⃗
u ..........
.......... ...
.
.............
..

→
−
3. El vector 0 es el vector cuyos puntos inicial y final coinciden.
−−→ −−→ →
−
4. Si −
→
v = AB entonces −
→
w = BA es tal que −
→
v +−
→
w =−
→
w +−
→
v = 0.

5. Evidente 

Escribimos −
→
v −−→
w , que leemos “−
→
v menos −
→
w ” y significa −
→
v + (−−
→
w).
→
− −−→ →
− −→ →
− →
− −−→
Geométricamente si v = AB y w = AC entonces v − w = CB
 4.1. VECTORES EN EL ESPACIO USUAL 135

......
...........
........ ..
C
........ .....
....
..........
. ...
... .
........ ...
........ ...
........ ...
........
..
.w
⃗
........ .....
⃗v − w
.
.....
. .
........ ..
........
........
........ ...
...
... ⃗
.
...
..........
. ....
.
........ .....
A ........ ......... B
⃗v

Definición 8

Sean λ ∈ R, −
→
v ∈ S definimos el producto del número real λ por el vector −
→
v ,(en ese orden),
→
− −
→
como el vector w = λv, obtenido de la siguiente manera:
−
→ − →
Si λ = 0, →
−
w = λv = 0 .
−→
Si λ > 0, −
→
w = λv es un vector de la misma dirección y sentido que −
→
v y de magnitud
→
−
λ por la magnitud de v .
−
→
Si λ < 0, −
→
w = λv es un vector de la misma dirección que −
→
v , sentido opuesto al de −
→
v
→
−
y de magnitud (−λ) por la magnitud de v .

Ejemplo 2

.....
.........
.......
.......
.............
...
• .......
.......
.......
.......
....
.........
...
... ⃗ •
4v .......
.......
.....
......... ....... .......
....... ....... .......
⃗v
.................
.
......
............
.......
.......
− ⃗v •
...
... ....
.. 5 ..
....
... ... .......
.......
.......
.......•....... 2................
.
....... .......
.
...........
. ..
...........
.......
. ....
.......
....... •
.......
....... √ .......
.......
....... .......
........... − 2⃗v ....
.........
.......
.....
•
.......
.......
.......
...........

La multiplicación de un real por un vector, ası́ definida, goza de las siguientes propiedades:

Proposición 2
−
→
1. Para todo λ ∈ R y para todo →
−
v ∈ S, →
−
w = λv ∈ S.

2. Para todo λ, µ ∈ R y para todo −

→
v ∈ S, (λ(µ−
→
v )) = (λµ)−
→
v.

3. Para todo λ, µ ∈ R y para todo −

→
v ∈ S, (λ + µ)−
→
v = λ−
→
v + µ−
→
v.
136 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3

4. Para todo λ ∈ R, y para todo −

→
v ,−
→
u ∈ S; λ(−
→
v +−
→
u ) = λ−
→
v + λ−
→
u

5. 1 ∈ R, −
→
v ∈ V ; 1−
→
v =−
→
v

En razón de la definición, la prueba de la proposición exige argumentos geométricos e

involucra la necesidad de un procedimiento eficaz para medir la magnitud de un vector que
al momento no tenemos, en consecuencia solo mostraremos algunos ejemplos con números
enteros que ilustran los resultados.

Ejemplo 3

2(−3−
→
v ) = −6−
→
v

⃗v ......
..

−3v
⃗
........ p p p
2(−3v)
⃗
........ p p
−6v
⃗
........ p p p p p p

Este ejemplo ilustra la proposición 2 parte 2.

Ejemplo 4

2−
→
v + 3−
→
v = (2 + 3)−
→
v = 5−
→
v

⃗v ..
......

⃗
2v
p ..
......

⃗
p 3v p ..
......

⃗ + 3v
2v ⃗
p ......
..

⃗
5v
p p p p ......
..

Este ejemplo ilustra la proposición 2 parte 3.

 4.1. VECTORES EN EL ESPACIO USUAL 137

Ejemplo 5

3(−
→
v +−
→
w ) = 3−
→
v + 3−
→
w

.
........ .. .. ..........
...... .. .. ..........
..... .. .. ....... ..
.
......
. . .. ... .............. ...
.... .. . .
.. ........ ..
..... .. .......... ..
..... .. ..... ..
..... .. ......... ..
⃗ .....
. .. ............ ..
3v .
....
.....
.
. . .
.. ........ ..
.. ....... ...
.
...
. ⃗ + 3v
3u ⃗ ..
.. .
..... .. ........ .. ..
..
..... .......... .. ..
............. .
... .
.
....... . . . .
.... ................ .. ..
⃗v .....
..... ........ ...
.. . ..
..
..
..
..... ....... . .. ..
..
................... . ...
.
. . ..
.. . . ..
.... .. ..
...... ......
⃗
u ⃗
3u

Este ejemplo ilustra la proposición 2 parte 4.

EJERCICIOS 4.1

1. Se observa el vector −
→
u,

.................
. ...........
..........
−
→
u
..........
..........
..........
..........
......

dibuje los vectores 2−

→
u , −−
→
u, 3−
→
2 u, − 32 −
→
u.

2. Se observan los vectores −

→
u y−
→
v,
138 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3

................
. ...........
..........
−
→
u
−
→
v
..........
..........
..........
..........
......

.....
...

dibuje los vectores −

→
u +−
→
v, →
−
u −−
→
v, →
−
v −−
→
u.

3. Construya dos ejemplos que ilustren la parte (4) de la proposición 2.

4.2. R2 y R3
La solución definitiva de la dificultad anterior se encuentra en la identificación de los
puntos del plano y puntos del espacio usual con parejas y triplas ordenadas de números
reales respectivamente.

En este momento es importante recordar que el sistema de los números reales R, es un

sistema numérico tal que sus elementos están en correspondencia con los puntos de una
recta de tal forma que a cada número real corresponde un único punto en la recta y a cada
punto en la recta corresponde un único número real, decimos entonces que a la recta le
hemos asignado un sistema de coordenadas, la denominamos recta real y hablamos de
forma indiferente del punto o del número real correspondiente.

...
..... • ..
0 1 x

El punto x o el número x.

Definición 9

La expresión (a, b) donde a, b ∈ R, se denomina una pareja ordenada de números reales, a

 4.2. R2 Y R3 139

se denomina la primera componente o coordenada, b se denomina la segunda componente o

coordenada.

Definición 10

Si (a1 , b1 ) y (a2 , b2 ) son parejas ordenadas de números reales (a1 , b1 ) = (a2 , b2 ) si y solo si
a 1 = a 2 , b 1 = b2 .

Coloquialmente afirmamos que dos parejas ordenadas son iguales si tienen iguales sus
correspondientes coordenadas es decir primera igual a primera y segunda igual a segunda.

Escribimos R2 , que leemos Erre dos y no erre al cuadrado para referirnos al conjunto de
todas las parejas ordenadas de números reales,

R2 = {(x, y)| x ∈ R, y ∈ R}

Identificamos el plano euclideo con R2 , de la siguiente forma:

Tomamos dos rectas reales que se corten en ángulo recto, generalmente una horizontal y
una vertical y cuyos ceros (orı́genes) coincidan, a las que denominamos ejes de coordenadas,
por cada punto P del plano trazamos paralelas a los ejes hasta que los corten, el corte
a, con el eje horizontal lo llamamos abcisa; el corte b, con el eje vertical lo denominamos
ordenada, de esta forma cada punto del plano determina una pareja ordenada (a, b) de
manera unı́voca.

Inversamente cada pareja ordenada (a, b) determina de manera unı́voca un punto en el

plano, basta trazar una paralela al eje vertical por el punto a sobre el eje horizontal y
una paralela al eje horizontal por el punto b sobre el eje vertical, el punto de corte de las
paralelas es el determinado por (a, b).

Por costumbre denominamos al eje de abcisas como eje “equis” y al eje de ordenadas como
eje “ye”
.........
y

b P
•

........ .....
....
0 a x
140 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3

Decimos que hemos dotado al plano de un sistema de coordenadas cartesianas y nos

referimos indistintamente al punto del plano o a la pareja ordenada correspondiente, tanto
que escribimos P = (a, b).

Definición 11

La expresión (a, b, c) donde a, b, c ∈ R, se denomina una tripla ordenada de números reales,

a se denomina la primera componente o coordenada, b se denomina la segunda componente
o coordenada y c se denomina la tercera componente o coordenada.

Definición 12

Si (a1 , b1 , c1 ) y (a2 , b2 , c2 ) son triplas ordenadas de números reales (a1 , b1 , c1 ) = (a2 , b2 , c2 ) si

y solo si a1 = a2 , b1 = b2 , c1 = c2 .
Coloquialmente afirmamos que dos triplas ordenadas son iguales si tienen iguales sus
correspondientes coordenadas es decir primera igual a primera, segunda igual a segunda
y tercera igual a tercera.

Escribimos R3 , que leemos erre tres y no erre al cubo para referirnos al conjunto de todas
las triplas ordenadas de números reales,

R3 = {(x, y, z)| x ∈ R, y ∈ R, z ∈ R}

Análogamente a como lo hicimos con el plano, identificamos el espacio usual con R3 ,

para tal efecto tomamos el plano cartesiano y por el origen trazamos una recta real
perpendicular y cuyo cero coincida con el origen, e identificamos (a, b, c) con el vértice
opuesto al origen del paralelepı́pedo construı́do sobre los segmentos Oa, Ob, Oc.

De la misma forma que en el plano decimos que hemos dotado al espacio usual de un
sistema de coordenadas cartesianas y nos referimos de manera indistinta al punto o a la
tripla ordenada correspondiente, escribimos entonces P = (a, b, c).

Al nuevo eje lo denominamos eje “zeta”.

 4.2. R2 Y R3 141

.
..... z

c
........ ...
..........
.......... ..........
.......... ..........
..........
.
..........
...
............
. P•................................

........
....
...
..........
....
..........
......
.. y
a .......
....
....
.
...
...
..
..........
..........
b
. ..
.. ... ..........
..........
..........
..........
x .
....
...............
..
...
............
.

.....
.

Aunque en el encabezamiento de la sección escribimos R2 y R3 , en lo que sigue del capı́tulo

enunciamos las definiciones y presentamos los resultados solamente en R3 ; con excepción
del producto vectorial (cruz) de vectores de R3 , el lector interesado podrá reconstruir las
unas y los otros, con algún cuidado pero sin mayor dificultad, solamente cambiando espacio
por plano, tripla por pareja y naturalmente R3 por R2 , además los dibujos que justifican
argumentos geométricos, son realizados en un plano.

Definición 13

Si (a1 , b1 , c1 ), (a2 , b2 , c2 ) ∈ R3 , definimos

(a1 , b1 , c1 ) + (a2 , b2 , c2 ) = (a1 + a2 , b1 + b2 , c1 + c2 )

La adición ası́ definida goza de las siguientes propiedades:

Proposición 3

1. Para todo (a1 , b1 , c1 ), (a2 , b2 , c2 ) ∈ R3 , la suma (a1 , b1 , c1 ) + (a2 , b2 , c2 ) ∈ R3

2. Para todo (a1 , b1 , c1 ), (a2 , b2 , c2 ), (a3 , b3 , c3 ) ∈ R3

(a1 , b1 , c1 ) + [(a2 , b2 , c2 ) + (a3 , b3 , c3 )] = [(a1 , b1 , c1 ) + (a2 , b2 , c2 )] + (a3 , b3 , c3 )

3. Existe (0, 0, 0) ∈ R3 , tal que para todo (a, b, c) ∈ R3

(0, 0, 0) + (a, b, c) = (a, b, c) + (0, 0, 0) = (a, b, c)

4. Para todo (a, b, c) ∈ R3 existe (x, y, z) ∈ R3 tal que

(a, b, c) + (x, y, z) = (x, y, z) + (a, b, c) = (0, 0, 0)

142 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3

5. Para todo (a1 , b1 , c1 ), (a2 , b2 , c2 ) ∈ R3

(a1 , b1 , c1 ) + (a2 , b2 , c2 ) = (a2 , b2 , c2 ) + (a1 , b1 , c1 )

Prueba.−

1. Evidente.

2. De un lado,

(a1 , b1 , c1 ) + [(a2 , b2 , c2 ) + (a3 , b3 , c3 )] =

= (a1 , b1 , c1 ) + (a2 + a3 , b2 + b3 , c2 + c3 ) =
= (a1 + a2 + a3 , b1 + b2 + b3 , c1 + c2 + c3 )

Por otra parte,

[(a1 , b1 , c1 ) + (a2 , b2 , c2 )] + (a3 , b3 , c3 ) =

= (a1 + a2 , b1 + b2 , c1 + c2 ) + (a3 , b3 , c3 ) =
= (a1 + a2 + a3 , b1 + b2 + b3 , c1 + c2 + c3 )

3. Evidente.

4. Basta tomar (x, y, z) = (−a, −b, −c)

5. Se tiene que

(a1 , b1 , c1 ) + (a2 , b2 , c2 ) = (a1 + a2 , b1 + b2 , c1 + c2 )

= (a2 + a1 , b2 + b1 , c2 + c1 )
= (a2 , b2 , c2 ) + (a1 , b1 , c1 )

Definición 14

Si (a, b, c) ∈ R3 , λ ∈ R, definimos λ(a, b, c) = (λa, λb, λc)

La multiplicación de un real por una tripla, ası́ definida, goza de las siguientes propiedades:

Proposición 4

1. Para todo λ ∈ R y para todo (a, b, c) ∈ R3 ,

λ(a, b, c) = (λa, λb, λc) ∈ R3

 4.2. R2 Y R3 143

2. Para todo λ, µ ∈ R y para todo (a, b, c) ∈ R3 ,

λ [µ(a, b, c)] = (λµ)(a, b, c)

3. Para todo λ, µ ∈ R y para todo (a, b, c) ∈ R3 ,

(λ + µ)(a, b, c) = λ(a, b, c) + µ(a, b, c)

4. Para todo λ ∈ R, y para todo (a, b, c) ∈ R3 , (r, s, t) ∈ R3 ;

λ [(a, b, c) + (r, s, t)] = λ(a, b, c) + λ(r, s, t)

5. 1 ∈ R, (a, b, c) ∈ R3 , 1(a, b, c) = (a, b, c)

Prueba.−

1. Evidente.

2. λ [µ(a, b, c)] = λ(µa, µb, µc) = (λ(µa), λ(µb), λ(µc)) =

= ((λµ)a, (λµ)b, (λµ)c) = (λµ)(a, b, c)

3. (λ + µ)(a, b, c) = ((λ + µ)a, (λ + µ)b, (λ + µ)c) =

= (λa + µa, λb + µb, λc + µc) = (λa, λb, λc) + (µa, µb, µc) =

= λ(a, b, c) + µ(a, b, c)

4. λ [(a, b, c) + (r, s, t)] = λ(a + r, b + s, c + t) =

= (λ(a + r), λ(b + s), λ(c + t)) = (λa + λr, λb + λs, λc + λt) =

= (λa, λb, λc) + (λr, λs, λt) = λ(a, b, c) + λ(r, s, t)

5. Evidente. 

Finalmente, los sistemas de coordenadas cartesianas permiten identificar los vectores en

el espacio usual S con las triplas ordenadas de números reales, basta identificar la tripla
(a, b, c) con el vector de punto inicial el origen O y punto final el de coordenadas (a, b, c),
escribimos − →
v = (a, b, c)
144 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3

.
..... z

c
........ ...
..........
.......... ..........
.......... ..........
..........
.........
...
...
............ P...•.....................................
...
..
...
⃗v.........
..
...
...
O y
......
........ ... ....
.... .......... ..
.... .......... b x
.... ..........
.... ..........
a ..........
....
.... .
...
..........
..
...
...
...
...
...
......
x ..........
..........
..........
...............

.....
.

La identificación V ector ←→ T ripla, es compatible con las operaciones definidas sobre el

conjunto S de vectores del espacio usual y las definidas sobre el conjunto R3 , es decir es
indiferente operar en S o en R3 .

Proposición 5

Si −
→
v = (x1 , y1 , z1 ) y →
−
u = (x2 , y2 , z2 ) entonces

−
→
v +−
→
u = (x1 , y1 , z1 ) + (x2 , y2 , z2 ) = (x1 + x2 , y1 + y2 , z1 + z2 )

Prueba.−
Basta observar la gráfica. 

−−→ −−→
Recordando la situación geométrica de la adición de vectores, si →
−
v = OP y →
−
w = OQ
−−→
entonces −
→
v −−→
w = QP .

−−→ −−→
Con la identificación vector ←→ tripla tenemos que si − →
v = OP = (x1 , y1 , z1 ) y −
→
w = OQ con
−−→ −−→
OQ = (x2 , y2 , z2 ) entonces −
→
v −−
→
w = QP = (x1 − x2 , y1 − y2 , z1 − z2 ) que evidentemente es
−−→
igual a −
→u = OR donde R = (x1 − x2 , y1 − y2 , z1 − z2 )
 4.2. R2 Y R3 145

Definición 15

Sea −
→
v = (x, y, z) ∈ R3 , definimos la magnitud o norma de −
→
v , notada ∥−
→
v ∥ ; como
p
∥−
→
v∥= x2 + y 2 + z 2

Observación. Claramente la magnitud no es otra cosa que la longitud del segmento OA

donde O es el origen y A = (x, y, z).

Proposición 6

La magnitud o norma goza de las siguientes propiedades:

→
−
1. Para todo −
→
v ∈ R3 , ∥−
→
v ∥ ≥ 0 y ∥−
→
v ∥ = 0 si y solo si −
→
v = 0.
−
→
2. Para todo −
→
v ∈ R3 y para todo λ ∈ R, λv = |λ| ∥−
→
v ∥.

3. Para todo −
→
v ,→
−
w ∈ R 3 , ∥−
→
v +−
→
w ∥ ≤ ∥−
→
v ∥ + ∥−
→
w ∥ (Desigualdad triangular).

Prueba.−
p
1. Es claro que ∥− →
v ∥ = x2 + y 2 + z 2 ≥ 0 por la definición de raı́z cuadrada; además, si
p
x2 + y 2 + z 2 = 0 entonces x2 + y 2 + z 2 = 0 y en consecuencia x = y = z = 0.
√
Recı́procamente, si − →
v = (0, 0, 0) entonces ∥−
→v ∥ = 02 + 02 + 02 = 0.
−
→
2. Suponemos −
→
v = (x, y, z) por tanto λv = (λx, λy, λz) y

q p √ p
−
→
λv = (λx)2 + (λy)2 + (λz)2 = λ2 (x2 + y 2 + z 2 ) = λ2 x2 + y 2 + z 2 = |λ| ∥−
→
v∥

−
→
3. a) Si los vectores son paralelos es decir −
→
w = λv entonces

−
→
∥−
→
v +−
→
w∥ = →
−
v + λv = ∥(1 + λ)−
→
v ∥ = |1 + λ| ∥−
→
v ∥,

y
|1 + λ| ∥−
→
v ∥ ≤ (1 + |λ|) ∥−
→
v ∥ = ∥−
→
v ∥ + |λ| ∥−
→
v ∥ = ∥−
→
v ∥ + ∥−
→
w∥

b) Si los vectores no son paralelos, usamos un argumento geométrico, simplemente

evocamos el teorema de la Geometrı́a Euclidiana que dice “En todo triángulo la
longitud de un lado es menor que la suma de las longitudes de los otros dos y
mayor que su diferencia.”
146 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3

...
.........
........
.................. ......
......... ......
........ ..........
..........
...............
........ .................
.......... .........
........ .........
. .....
...... .....
⃗v
.
.
.
.
.
.... w
⃗
.........
........
... ......
....... ... ......
....... ... ......
... ...
. ... .....
.....
.... ... ... .....
.. ...
. ... .....
.
.. . ... ......
.
.. ..
... . ......
.
.
. .
... ..
⃗v + w
⃗

Proposición 7

Si λ ∈ R, −
→
v = (a, b, c) entonces λ−
→
v = (λa, λb, λc)

Prueba.−

z...
.....

λc......
...
...
...
...
...
...
...
c ... ..
...
...
λ⃗ v.....................
... ......
.
...................
v ..................
⃗
... λb
O................. b ....
..
.. .
....... ..... ....
... ... ......
... ....
a ..
.. .
.........
...
.. .
.......
. ..
... ...
.... ..... .. . .....
............ y
.
...
. ... ..
...... ...
....
..
.......... ...
....
.......... ...
... ........
λa ............
. ............ ...
.................
x

Basta observar el gráfico. 

Definición 16

Un vector −
→
v ∈ R3 , tal que ∥−
→
v ∥ = 1, se denomina un vector unitario.

Ejemplo 6
→
− →
− →
−
Los vectores i = (1, 0, 0), j = (0, 1, 0), k = (0, 0, 1) son vectores unitarios.

Ejemplo 7
 
→
−
v = √314 , √−1 , √2 es un vector unitario, puesto que
14 14
 4.2. R2 Y R3 147

s 2  2  2
3 −1 2
√ + √ + √ =1
14 14 14

Ejemplo 8
→
−
Dado cualquier vector →−
v ∈ R3 , −
→
v ̸= 0 , el vector −
→ 1 −
w = − →v , es un vector unitario en la
∥→
v∥
→
− →
− →
−
misma dirección y sentido que v y el vector u = − w = −1 →
−
v es un vector unitario en la
∥−
→v∥
→
−
misma dirección de v y sentido opuesto.

Observación.
→
− →
− →
−
1. Si −
→
v = (a, b, c) ∈ R3 , entonces −
→
v = a i + b j + c k y decimos que a es la componente
→
− →
−
de −
→
v en la dirección de i ; b es la componente de − →v en la dirección de j y c es la
→
−
componente de − →
v en la dirección de k .

2. En lo que sigue, aunque formalmente no hay diferencia, usaremos letras mayúsculas

A, B, C, P, Q etc, para referirnos a puntos del espacio, usaremos expresiones como
→
− →
− →
− →
−
v = a i + b j + c k para referirnos a vectores del espacio usual y usaremos las
expresiones (x, y, z) para referirnos a los elementos de R3 ; también en algunos casos
→
− −−→
escribimos P para expresar OP .

EJERCICIOS 4.2

1. Sean −
→
u = (−4, 2, 3), −
→
v = (8, −6, 1) y →
−
w = (1, −1, 0), encuentre

a) −7−→u d) →
−
u − 3−
→
v
→
−
b) 0 u
c) 2v + −
→
u −−
→
w e) 3−
→
u + 8−
→
v + 2−
→
w

2. Determine un vector unitario paralelo a cada vector obtenido en las partes c), d) y e)
del punto anterior.

3. Dados los puntos P = (2, −3, 5), Q = (−4, 2, 6), R = (−3, 5, 6)

−−→ −−→ −→
a) Determine las coordenadas de los vectores P Q, QR y P R
b) ¿Es el △P QR un triángulo isósceles? Justifique.

4. Considere los vectores

−
→
u = (1, −5, 2); →
−
v = (3, 4, −1); →
−
w = (6, 3, −5); →
−
z = (24, −26, −6).
148 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3

Determine constantes α , β y δ tales que:

α−
→
u + β−
→
v + δ−
→
w =−
→
z

5. Halle un vector con punto inicial P = (3, −2, 4) y que tenga la misma dirección que el
vector −
→
u = (9, 6, −3).

6. Halle un vector con punto final Q = (−1, 2, 4), igual dirección que el vector −
→
v = (3, 5, 0)
→
−
y sentido opuesto a v .

7. Dados los vectores:

−
→
u = (1, −2, 3) ; →
−
v = (3, 2, −1) ; →
−
w = (2, −1, 3)

Determine (si existen) las componentes de un vector −

→
z tal que:

3−
→
u − 2−
→
z +−
→
v = 5−
→
z −−
→
w

4.3. PRODUCTO PUNTO DE VECTORES DE R2 y R3

Definición 17
−
→ →
− →
− → −
− →
− −
→ →
−
Dados v = a1 i + a2 j + a3 k , →
w = b1 i + b2 j + b3 k definimos →
−
v ·−
→
w , que leemos “ −
→
v
punto →
−
w ”, por
→
−
v ·−
→
w =a b +a b +a b .
1 1 2 2 3 3

Hemos definido una nueva operación entre vectores de R3 , que denominamos producto
escalar o producto punto, con un comportamiento diferente a las operaciones entre números
y mas bien con una semejanza al producto de matrices fila por matrices columna, vale decir,
→
−v ·−
→
w es numéricamente igual a
 
b1
 
(a1 a2 a3 )  b2  .
b3

En particular es importante observar que el producto escalar opera dos vectores y produce
como resultado un número real.

PROPIEDADES DEL PRODUCTO PUNTO

Proposición 8

1. Para todo −
→
v ∈ R3 , −
→
w ∈ R3 , →
−
v ·−
→
w ∈R

2. Para todo −
→
v ∈ R3 , →
−
v ·−
→
v = ∥−
→ 2
v∥
 4.3. PRODUCTO PUNTO DE VECTORES DE R2 Y R3 149

3. Para todo −
→
v ∈ R3 , →
−
v ·−
→
v ≥0 y →
−
v ·−
→
v = 0 si y solo si −
→
v =0

4. Para todo −
→
v ∈ R3 , −
→
w ∈ R3 , para todo λ ∈ R, (λ−
→
v)·−
→
w = λ(−
→
v ·−
→
w) = −
→
v · (λ−
→
w)

5. Para todo −
→
v ∈ R3 , −
→
w ∈ R3 , →
−
v ·−
→
w =−
→
w ·−
→
v

6. Para todo −
→
v ∈ R3 , −
→
w ∈ R3 , −
→
z ∈ R3 , →
−
v · (−
→
w +−
→
z)=−
→
v ·−
→
w +−
→
v ·−
→
z

Prueba.−

1. Evidente.

2. Evidente.
→
− →
− →
−
3. Sea −
→
v = a i + b j + c k entonces −
→v ·−→v = a2 + b2 + c2 ≥ 0.
Además −
→
v ·−→
v = a2 + b2 + c2 = 0 si y solo si a2 = b2 = c2 = 0 es decir a = b = c = 0
→
− →
− → →
− →
− →
− →
−
4. Sean −
→
v =a i +bj +ck,−
w = r i + s j + t k , λ ∈ R entonces
(λ−
→
v)·−
→
w = (λa)r + (λb)s + (λc)t = λar + λbs + λct
λ(−
→
v ·−
→
w ) = λ(ar + bs + ct) = λar + λbs + λct
−
→
v · λ−
→
w = a(λr) + b(λs) + c(λt) = aλr + bλs + cλt = λar + λbs + λct

y la conclusión es evidente.
→
− →
− → →
− →
− →
− −
→
5. →
−
v =a i +bj +ck ,− w = r i + s j + t k , entonces
→
−
v ·−
→
w = ar + bs + ct = ra + sb + tc = −
→
w ·−
→v
→
− →
− → →
− →
− →
− → →
− →
− →
− →
−
6. Sean −
→
v =a i +bj +ck ,−
w =r i +sj +tk y−
z = x i + y j + z k entonces

−
→ →
− →
− →
− →
− →
− →
−
v · (−
→
w +−
→
z ) = (a i + b j + c k ) · ((r + x) i + (s + y) j + (t + z) k )
= a(r + x) + b(s + y) + c(t + z)
= (ar + bs + ct) + (ax + by + cz)
= −
→v ·−
→
w +− →v ·−
→z

Proposición 9

Desigualdad de Cauchy.
Para todo −
→
v ∈ R3 , −
→
w ∈ R3 ,
|−
→
v ·−
→
w | ≤ ∥−
→
v ∥ ∥−
→
w∥.
150 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3

Prueba.−
→
−
Sin perder generalidad podemos suponer − →
w ̸= 0 y ∥− →v ∥ − ∥−
→
w∥ ≥ 0
En estas condiciones la desigualdad triangular nos permite escribir

0 ≤ ∥−
→
v ∥ − ∥−
→
w ∥ ≤ ∥−
→
v +−
→
w ∥ ≤ ∥−
→
v ∥ + ∥−
→
w∥
y por tanto

(∥−
→
v ∥ − ∥−
→
w ∥) ≤ ∥−
→
v +−
→
w ∥ ≤ (∥−
→
v ∥ + ∥−
→
2 2 2
w ∥)
es decir

∥−
→
v ∥ − 2 ∥−
→
v ∥ ∥−
→
w ∥ + ∥−
→
w ∥ ≤ (−
→
v +−
→
w ) · (−
→
v +−
→
w ) ≤ ∥−
→
v ∥ + 2 ∥−
→
v ∥ ∥−
→
w ∥ + ∥−
→
2 2 2 2
w∥

∥→
−
v ∥ − 2 ∥−
→
v ∥ ∥−
→
w ∥ + ∥−
→
w ∥ ≤ ∥−
→
v ∥ + 2 (−
→
v ·−
→
w ) + ∥−
→
w ∥ ≤ ∥−
→
v ∥ + 2 ∥−
→
v ∥ ∥−
→
w ∥ + ∥−
→
2 2 2 2 2 2
w∥

y por tanto

−2 ∥−
→
v ∥ ∥−
→
w ∥ ≤ 2 (−
→
v ·−
→
w ) ≤ 2 ∥−
→
v ∥ ∥−
→
w∥
Es decir

|−
→
v ·−
→
w | ≤ ∥−
→
v ∥ ∥−
→
w∥

Observación. El lector interesado, quien no esté satisfecho con las pruebas de la

desigualdad triangular y la desigualdad de Cauchy usando la triangular, aquı́ presentadas,
encontrará en el Capı́tulo 5, proposición 40 numerales (3) y (4) una prueba de la
desigualdad de Cauchy, no soportada en la desigualdad triangular y una prueba de la
desigualdad triangular soportada en la desigualdad de Cauchy, naturalmente válidas en
este contexto.

Definición 18
−→ → −−→
Sean → −
v ,−
→
w ∈ R3 , −→
v = OA, −
w = OB definimos el ángulo θ entre los vectores −
→
v y →
−
w , como
el ángulo entre los segmentos OA, OB.

Proposición 10

Sea θ el ángulo entre dos vectores no nulos −

→
v ,−
→
w ∈ R3 , entonces
→
−
v ·− →
w
cos θ = →
∥ v ∥ ∥−
− →
w∥
 4.3. PRODUCTO PUNTO DE VECTORES DE R2 Y R3 151

Prueba.−

B
..........
.... .........
... .....
....
. .....
... .....
.....
...
. .....
⃗v − w
.
.. .....
w
⃗......
.
..
. .....
.....
.....
.....
⃗
...
. .....
.... .....
......
. .....
. .....
... .....
. .....
..
. ... .....
.
...
.
.
..
θ ...
.
.. ⃗v .....
.....
..........
O A

−→ → −−→
Suponemos −→ v = OA, −
w = OB, aplicamos al triángulo ∆AOB el Teorema del Coseno de la
trigonometrı́a elemental, entonces:

(AB)2 = (OA)2 + (OB)2 − 2 (OA) (OB) cos θ

es decir,

∥−
→ w ∥ = ∥−
v −−
→ → w ∥ − 2 ∥−
v ∥ + ∥−
→ →
v ∥ ∥−
→
2 2 2
w ∥ cos θ

es decir,

(−
→
v −−
→
w ) · (−
→
v −−
→
w ) = ∥−
→
v ∥ + ∥−
→
w ∥ − 2 ∥−
→
v ∥ ∥−
→
2 2
w ∥ cos θ

∥−
→
v∥ −2−
→
v ·−
→
w + ∥−
→
w ∥ = ∥−
→
v ∥ + ∥−
→
w ∥ − 2 ∥−
→
v ∥ ∥−
→
2 2 2 2
w ∥ cos θ

en consecuencia

−
→
v ·−
→
w = ∥−
→
v ∥ ∥−
→
w ∥ cos θ

es decir
→
−
v ·− →
w
cos θ = →
∥ v ∥ ∥−
− →
w∥


Proposición 11

Sean −
→
v ,−
→
w ∈ R3 , vectores no nulos entonces −
→
v y −
→
w son perpendiculares si y solo si
→
− →
−
v ·w =0

Prueba.−
152 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3

Suponemos que −
→
v y →
−
w son perpendiculares es decir θ = π
2 entonces

cos θ = 0 y por lo tanto −

→
v ·−
→
w =0

Recı́procamente si →
−
v ·−
→
w = 0 entonces

→
−
v ·−
→w π
cos θ = →
− →
− = 0 y en consecuencia θ = arc cos (0) =
∥ v ∥∥w∥ 2


Observación. Aunque en la visión geométrica que estamos haciendo de los vectores de
R3 , el término perpendicular es claro y preciso también usamos “ortogonal”, término mas
general (no solo de la geometrı́a euclı́dea) pero con el mismo significado en este momento.

Proposición 12

Sean −
→
v ,−
→
w ∈ R3 , vectores no nulos entonces −
→
v y →
−
w son paralelos si y solo si

|−
→
v ·−
→
w | = ∥−
→
v ∥ ∥−
→
w∥

Prueba.−
Suponemos que −
→
v y →
−
w son paralelos, entonces −
→
w = λ−
→
v , λ ̸= 0, entonces

−
→ −
→
v ·−
→ →
− λ ∥−→ 2
w v · λv v∥ λ
→
− →
− = −→ = →
− →
− =
∥ v ∥∥w∥ ∥→
−
v ∥ λv |λ| ∥ v ∥ ∥ v ∥ |λ|

es decir
−
→
v ·− →
= 1 o sea |−
→
v ·−
→
w | = ∥−
→
v ∥ ∥−
→
w
w∥
∥ v ∥ ∥−
→
− →
w∥

Recı́procamente si

→
−
v ·− →
|−
→
v ·−
→
w | = ∥−
→
v ∥ ∥−
→ w
w ∥ entonces = 1 es decir |cos θ| = 1
∥ v ∥ ∥−
−
→ →
w∥

y en consecuencia θ = 0 o θ = π es decir −
→
v y →
−
w son paralelos. 

Definición 19
−→ → −−→
Sean →
−v = OA, − w = OB vectores no nulos del espacio usual, C el pie de la perpendicular
←→ −−→
desde A a la recta OB. El vector − →u = OC se denomina la componente de −→v a lo largo de
→
− →
− →
−
w o la proyección de v a lo largo de w .
 4.3. PRODUCTO PUNTO DE VECTORES DE R2 Y R3 153

A
......
........
......
......
.
..
.......
.
.
......
⃗v ......
......
......
.
..
.......
.
.
......
......
......
......
......
.
...
......
.
..
.
⃗u .....
...
w
⃗ .....
...
O C B

Proposición 13
−→ → −−→ −−→
Sean − →
v = OA, −w = OB vectores no nulos del espacio usual, −
→
u = OC la componente de −
→
v
→
−
a lo largo de w entonces
→
−
v ·−→
→
−u = −
w− →
→ 2 w
∥w∥

Prueba.−
De la definición de componente de −
→
v a lo largo de −
→
w es claro que

(−
→
v −−
→
u)·−
→
w = 0, además, −
→
u = λ−
→
w
en consecuencia 0 = (−
→v −− →
u)·−
→
w = (−
→v − λ−→
w) · −→
w =− →
v ·−
→
w − λ−
→
w ·−
→
w
→
− →
− →
− →
− →
− →
−
v ·w
y por tanto v · w = λ w · w o sea − 2 = λ
∥→w∥
luego !
→
− · →
−
→
−
u =
v w →
−
w
∥−
→ 2
w∥


EJERCICIOS 4.3
1. Dados los vectores
−
→ √ → → −
− → → →
− →
− →
−
u = (−2, 4, − 2), −
v = (0, 2, −1); −
→
w = 3 i − k ;−
z =− i −3j +6k

. Determine:

a) →
−
z ·−→u −−→
v ·−
→w
b) −
→
u · (−
→w +−
→v)
c) (→
−
z −−
→
u ) · (−
→
v +−
→
u)
d) El coseno del ángulo entre −
→
u y−
→
w
154 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3

e) El coseno del ángulo entre −

→
u −−
→
z y−
→
w +−
→
v

2. Determine el valor de k para que los vectores:

−
→
u = (3, −8, 12); →
−
v = (2, 2k, −11)

sean perpendiculares.

3. Considere los vectores

−
→
u = (5, −6, 2); →
−
v = (−2, 7, −12)

Calcule

a) →
−
u ·−
→v − 2∥−
→u ∥ + 3∥−
→u∥
b) La proyección de −
→
u sobre −
→
v
c) El área del paralelogramo determinado por −
→
u y−
→
v.

4. Determine tres vectores perpendiculares al vector →

−
u = (−2, 3, −5) que no sean
paralelos entre si.

4.4. PRODUCTO VECTORIAL DE VECTORES DE R3

Definición 20
→
− →
− → →
− →
− →
− →
−
Dados →
−v = a1 i + a2 j + a3 k , −w = b1 i + b2 j + b3 k definimos →
−
v ×−
→
w , que leemos “−
→
v
→
− →
− →
−
cruz w ” o “el producto vectorial de v y w ”, por

−
→ →
− →
− →
−
v ×→
−
w = (a2 b3 − a3 b2 ) i + (a3 b1 − a1 b3 ) j + (a1 b2 − a2 b1 ) k

Observación. Aunque solo hemos estudiado matrices de entradas reales, para las cuales
su determinante es un número real, como ayuda mnemotécnica recordaremos el producto
cruz de vectores como
h el determinante de una matriz formal de tamaño tres por tres
→ −
− → − → i
cuya primera fila es i j k , su segunda las componentes de − →v y su tercera las
→
−
componentes de w , desarrollado por la primera fila,
− −
→ → −→
i j k
−
→ −
→ −
→ −
→
v ×−
→ a2 a3 a1 a3 a1 a2
w = a1 a2 a3 = i − j + k
b2 b3 b 1 b3 b1 b2
b1 b2 b3

sin embargo es claro que las componentes son determinantes de matrices dos por dos
de entradas reales y en consecuencia podemos aplicar todos los resultados probados para
determinantes de matrices de entradas reales.
 4.4. PRODUCTO VECTORIAL DE VECTORES DE R3 155

Ejemplo 9

→ −
− −
→ → → −
− −
→ →
i j k i j k
− →
→ − →
− − −
→ → −→
i × j = 1 0 0 = k, j × i = 0 1 0 = −k
0 1 0 1 0 0

Ejemplo 10

→ −
− −
→ → → −
− −
→ →
i j k i j k
− −
→ → → →
− − −→ →
−
j × k = 0 1 0 = i, k × j = 0 0 1 =−i
0 0 1 0 1 0

Ejemplo 11

→ −
− −
→ → → −
− −
→ →
i j k i j k
− −
→ → − →
→ − −→ →
−
k × i = 0 0 1 = j, i × k = 1 0 0 =−j
1 0 0 0 0 1

Ejemplo 12

− −
→ → − → −→ − → −→ − →
i × i = j × j = k × k = 0

Observación. Los ejemplos 9, 10, 11 y 12 muestran todas las posibilidades de productos

→ −
− →−→
entre los vectores unitarios i , j, k .

Proposición 14

1. Para todo −
→
v ∈ R3 , −
→
w ∈ R3 , →
−
v ×−
→
w ∈ R3
→
−
2. Para todo −
→
v ∈ R3 , →
−
v ×−
→
v = 0
→ −
− → → − →
3. Para todo −
→
v ∈ R3 , →
−
v × 0 = 0 ×−
v = 0

4. Para todo −
→
v ∈ R3 , −
→
w ∈ R3 , para todo λ ∈ R, (λ−
→
v)×−
→
w = λ(−
→
v ×−
→
w) = −
→
v × (λ−
→
w)

5. Para todo −
→
v ∈ R3 , −
→
w ∈ R3 , ( −
→
v ×−
→
w) · −
→
v =0 y (−
→
v ×−
→
w) · −
→
w =0

6. Para todo −
→
v ∈ R3 , −
→
w ∈ R3 , →
−
v ×−
→
w = − (−
→
w ×−
→
v)

7. Para todo −
→
v ∈ R3 , −
→
w ∈ R3 , −
→
u ∈ R3 →
−
v × (−
→
w +−
→
u)= −
→
v ×−
→
w +−
→
v ×−
→
u
156 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3

8. Para todo −
→
v ∈ R3 , −
→
w ∈ R3 , −
→
u ∈ R3 , ( −
→
v +−
→
u)×−
→
w =−
→
v ×−
→
w +−
→
u ×−
→
w

9. Para todo −
→
v ∈ R3 , −
→
w ∈ R3 , −
→
u ∈ R3 , −
→
v × (−
→
u ×−
→
w ) = (−
→
v ·−
→
w)−
→
u − (−
→
v ·−
→
u)−
→
w

10. Para todo →

−
v ∈ R3 , −
→
w ∈ R3 , −
→
u ∈ R3 , (−
→
v ×−
→
u)×−
→
w = (−
→
v ·−
→
w)−
→
u − (−
→
u ·−
→
w)−
→
v

Prueba.−
Probamos las afirmaciones 7. y 9. las demás las dejamos como ejercicio al lector, en todos
los casos es suficiente aplicar la definición en forma ordenada y cuidadosa.

→
− →
− → →
− →
− →
− →
− →
− →
− →
−
7. Sean −
→
v =a i +bj +ck,−
w =r i +sj +tk y →
−
u = x i + y j + z k entonces

i j k
−
→
v × (−
→
w +−
→
u)= a b c
r+x s+y t+z

b c −
→ a c −
→ a b →
−
= i − j + k
s+y t+z r+x t+z r+x s+y
→
− →
− →
−
= [b(t + z) − c(s + y)] i − [a(t + z) − c(r + x)] j + [a(s + y) − b(r + x)] k

→
− →
− →
−
= [(bt − cs) + (bz − cy)] i − [(at − cr) + (az − cx)] j + [(as − br) + (ay − bx)] k

h →
− →
− →i h
− →
− →
− →i
−
= (bt − cs) i − (at − cr) j + +(as − br) k + (bz − cy) i − (az − cx) j (ay − bx) k

=−
→
v ×−
→
w +−
→
v ×−
→
u

→
− →
− → →
− →
− →
− → →
− →
− →
− →
−
9. Sean −
→
v =a i +bj +ck,−
u =x i +y j +zk y−
w = r i + s j + t k entonces

−
→ →
− →
−
i j k
−
→
v × (−
→
u ×−
→
w) = a b c
yt − sz rz − xt xs − ry
→
− →
− →
−
= [b(xs − ry) − c (rz − xt)] i −[a (xs − ry) − c (yt − sz)] j +[a (rz − xt) − b (yt − sz)] k

Ahora,

→
− →
− →→ −
−
(−
→
v ·−
→
w )−
→
u = (ar + bs + ct) x i + (ar + bs + ct) y j + (ar + bs + ct) z k (−
v ·→
u )−
→
w
 4.4. PRODUCTO VECTORIAL DE VECTORES DE R3 157

→
− →
− →→ −
−
= (ax + by + cz) r i + (ax + by + cz) s j + (ax + by + cz) t k (−
v ·→
w )−
→
u − (−
→
v ·−
→
u )−
→
w

→
− →
− →
−
= [b (sx − yr) + c (xt − zr)] i [a (ry − sx) + c (ty − sz)] j + [a (rz − tx) + b (sz − yt)] k

y claramente se verifica que

−
→
v × (−
→
u ×−
→
w ) = (−
→
v ·−
→
w )−
→
u − (−
→
v ·−
→
u )−
→
w

Observación.

1. El numeral cinco de la proposición 14 afirma que el producto cruz de vectores es

simultaneamente ortogonal a sus factores, resultado de gran utilidad en solución de
muchos problemas geométricos.

Una regla práctica para determinar el sentido de − →

v ×−→w es la denominada “regla de
la mano derecha” que dice: “ Se coloca la mano derecha sobre el vector − →
v y se gira
→
− →
− →
−
hacia el vector w , el sentido de v × w es el que indica el dedo pulgar”, ver dibujo.

2. Los numerales 7 y 8 de la proposición 14 permiten mostrar que es suficiente recordar

→ −
− →− →
los resultados del producto cruz de los vectores unitarios i , j, k para calcular el
producto cruz de cualquier par de vectores de R3 , como se observa en la siguiente
proposición.

Proposición 15
→
− →
− → →
− →
− →
− →
−
v = a1 i + a2 j + a3 k , −
Si →
− w = b1 i + b2 j + b3 k entonces
−
→ −→ −
→ −→ −
→ −→
−
→
v ×−
→
w = a 1 b1 i × i + a 1 b2 i × j + a 1 b3 i × k +
−
→ − → −
→ − → −
→ − →
+a2 b1 j × i + a2 b2 j × j + a2 b3 j × k +
−
→ − → −
→ − → −
→ − →
+a3 b1 k × i + a3 b2 k × j + a3 b3 k × k
158 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3

Prueba.−
 → − →
− →  −
− → →
− →
−
−
→
v ×−
→
w = a 1 i + a 2 j + a 3 k × b1 i + b2 j + b3 k
 − →  − → →
− →
−
= a 1 i × b 1 i + b2 j + b 3 k
 −→  − → →
− →
−
+ a 2 i × b 1 i + b2 j + b 3 k
 −→  − → →
− →
−
+ a 3 i × b 1 i + b2 j + b 3 k
−→ − → −
→ − → −→ − →
= a 1 b1 i × i + a 1 b2 i × j + a 1 b3 i × k +
−
→ − → −
→ − → −→ −→
+a2 b1 j × i + a2 b2 j × j + a2 b3 j × k +
−
→ − → −
→ − → −→ −→
+a3 b1 k × i + a3 b2 k × j + a3 b3 k × k


Proposición 16

Para todo →
−
v ∈ R3 , −
→
w ∈ R3 ,
∥−
→
v ×−
→
w ∥ = ∥−
→
v ∥ ∥−
2 → 2
w ∥ − (−
→
v ·−
→
2 2
w)

Prueba.−
→
− →
− → →
− →
− →
− →
−
Sean −→
v = a1 i + a2 j + a3 k , −
w = b1 i + b2 j + b3 k entonces

∥−
→
v ×→
− 2
w ∥ = (a2 b3 − a3 b2 )2 + (a3 b1 − a1 b3 )2 + (a1 b2 − a2 b1 )2
= a22 b23 − 2a2 b3 a3 b2 + a23 b22 + a23 b21 − 2a3 b1 a1 b3 + a21 b23 + a21 b22 − 2a1 b2 a2 b1 + a22 b21
Por otra parte:

∥→
−
v ∥ ∥→
2 − 2
w ∥ − (−
→
v ·−
→ 2
w) =

= a21 + a22 + a23 b21 + b22 + b23 − (a1 b1 + a2 b2 + a3 b3 )2

= a21 b21 + a21 b22 + a21 b23 + a22 b21 + a22 b22 + a22 b23 + a23 b21 + a23 b22 + a23 b23
−(a21 b21 + a22 b22 + a23 b23 + 2a1 b1 a2 b2 + 2a1 b1 a3 b3 + 2a2 b2 a3 b3 )

= a21 b22 + a21 b23 + a22 b21 + a22 b23 + a23 b21 + a23 b22 − 2a1 b1 a2 b2 − 2a1 b1 a3 b3 − 2a2 b2 a3 b3

Claramente las dos expresiones finales a la derecha del igual son idénticas. 

Proposición 17

Para todo →
−
v ∈ R3 , −
→
w ∈ R3 , si θ es el ángulo entre −→
v y−→w entonces
∥−
→v ×−→
w ∥ = ∥−→v ∥ ∥−
→
w ∥ |sen θ|
 4.4. PRODUCTO VECTORIAL DE VECTORES DE R3 159

Prueba.−
Basta recordar que →
−
v ·−
→
w = ∥−
→
v ∥ ∥−
→
w ∥ cos θ y reemplazar en la conclusión de la proposición
anterior

∥−
→
v ×−
→
w ∥ = ∥−→
v ∥ ∥−
2 → 2
w ∥ − (−
→
v ·−
→
w ) = ∥−
→v ∥ ∥−
2 → 2
w ∥ − (∥−
→v ∥ ∥−
→
2 2 2
w ∥ cos θ)


= ∥−
→
v ∥ ∥−
2 → 2
w ∥ 1 − cos2 θ = ∥−
→v ∥ ∥−
2 → 2
w ∥ sen2 θ

en consecuencia
∥−
→
v ×−
→
w ∥ = ∥−
→
v ∥ ∥−
→
w ∥ |sen θ|

Proposición 18

Para todo − →
v ∈ R3 , −
→
w ∈ R3 , si θ , 0 < θ < π es el ángulo entre −
→
v y−
→
w entonces ∥−
→
v ×−
→
w ∥ es
→
−
el área del paralelogramo construı́do sobre los vectores v y w . →
−

Prueba.−

B ........................................................................................................................................................ P
...............................................................................................................................................................
...............................................................................................................................................................
..............................................................................................................
.. . .. .......................................................................................................................................................................................................................................................................
w
⃗ .
..................................................................................................
. . . . . . . .
..............................................................................................................................................................
................................................................................................................................................................
... ........................................................................................................................................................................................................................................................................
............................................................................................................
...............................................................................................................................................................
.................................................................................................................................................................
................................................................................................................................................................
.. .. ......................................................................................................................................................................................................................................................................
............................................................................................................
θ
............................................................................................................................................................... ⃗v
...............................................................................................................................................................................................................
O R Q

Si observamos la gráfica y llamamos A el área del paralelogramo OQP B tenemos:

A = (OQ) (RB) = (∥−

→
v ∥) (∥−
→
w ∥ sin θ) = ∥−
→
v ×−
→
w∥

Definición 21

Dados −→
v ,−
→
w,− →u ∈ R3 el producto →
−
v ·−
→
w ×−
→
u , se denomina el producto triple escalar de los
→
− →
− →
−
vectores v , w , u .
160 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3

Proposición 19
→
− →
− →→
− →
− →
− →→
− →
− →
− →
−
Si −
→
v = a1 i + a2 j + a3 k −
w = b1 i + b2 j + b3 k −
u = c1 i + c2 j + c3 k entonces

a1 a2 a3
−
→
v ·−
→
w ×−
→
u = b1 b2 b3
c1 c2 c3

Prueba.−
De un lado,
−
→
v ·−
→
w ×−
→
u = (a1 , a2 , a3 ) · (b2 c3 − b3 c2 , b3 c1 − b1 c3 , b1 c2 − b2 c1 )
= a1 (b2 c3 − b3 c2 ) + a2 (b3 c1 − b1 c3 ) + a3 (b1 c2 − b2 c1 )
Por otra parte, desarrollando el determinante por la fila 1,
a1 a2 a3
b2 b3 b1 b3 b1 b2
b1 b2 b3 = a1 − a2 + a3
c2 c3 c1 c3 c1 c2
c1 c2 c3
= a1 (b2 c3 − b3 c2 ) − a2 (b1 c3 − b3 c1 ) + a3 (b1 c2 − b2 c1 )
Claramente las dos expresiones finales a la derecha del igual son idénticas. 

Proposición 20

Si −
→
v ,→
−
w,−
→
u ∈ R3 , entonces −
→
v ·−
→
w ×−
→
u =−
→
v ×−
→
w ·−
→
u

Prueba.−
→
− →
− → →
− →
− →
− → →
− →
− →
− →
−
Si −
→
v = a1 i + a2 j + a3 k , −
w = b 1 i + b 2 j + b3 k , −
u = c1 i + c2 j + c3 k entonces
a1 a2 a3
−
→
v ·−
→
w ×−
→
u = b1 b2 b3 .
c1 c2 c3
Por otra parte,

c1 c2 c3
→
−
v ×−
→
w ·−
→
u =−
→
u ·−
→
v ×−
→
w = a1 a2 a3
b1 b2 b3
a1 a2 a3 a1 a2 a3
= (−1) c1 c2 c3 = (−1)(−1) b1 b2 b3
b1 b2 b3 c1 c2 c3
a1 a2 a3
= b1 b 2 b 3
c1 c2 c3
 4.4. PRODUCTO VECTORIAL DE VECTORES DE R3 161

Proposición 21

Si −
→
v ,−
→
w,−→
u ∈ R3 , vectores no paralelos y no coplanares entonces −
→
v ·−
→
w ×−
→
u es el volumen
→
− →
− →
−
del paralelepı́pedo construı́do sobre los vectores v , w y u .

Prueba.−

. .
........... ...........
.......... ... .......... ....
.......... ..........
.......... .. .......... ..
. .. . . ........... . .
...
............ ...
Q•
C ..........
..........
........ . . .
..
. .
.........
..........
..........
. ... .
...
...
........... .. .. ..
.. . .. ... ..
.
. . . .
... .. ... ...
... .. ... ...
... .. ... ..
..
..
. . .
.. ..
... .. ... ...
... .. ... ...
... .. .. ..
.. .. ..
β
.............
.
..
. B ..
.
..
..
.
........
.
.
.
...
⃗u w
⃗ ...................................................................................................................................................................................
.................................................................................................................
....................................................................................................................................................... P
... .. ... .... ... .....................................................................................................................................................................................................................................................
.
... ......................................................................................................................................................
...............................................................................................................
....................................................................................................................................................................................................................................................................
....... ..............................................................................................................
O ⃗v A

Si observamos la gráfica y llamamos V el volumen del paralelepı́pedo tenemos:

V = (Área de la base)(Altura) = (Área de OAP B)(OQ)

= ∥−
→v ×−→w ∥ ∥−
→
u ∥ |cos β| = |−
→
v ×−
→
w ·−→
u|
= |−
→
v ·−
→
w ×−
→
u|


Aunque los conceptos de punto, recta y plano son conceptos primitivos (No definidos)
de la geometria euclı́dea, la identificación punto ↔ tripla induce de manera natural
descripciones analı́ticas de la recta en el plano y en el espacio y del plano en el espacio que
presentamos en las secciones siguientes.

EJERCICIOS 4.4
1. Considere los vectores:

−
→
u = (−1, −3, 2) ; →
−
v = (−2, 1, 3) ; →
−
w = (−3, −1, 2)

Calcule:
162 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3

a) →
−
u ×−
→
v −→
−
v ×−
→
w c) →
−
u ×−
→
v ·−
→
w
b) −
→
v ×−
→
u ×→
−
w d) −
→
w ×−
→
v ·−
→
u

2. Determine dos vectores unitarios ortogonales a

−
→ →
− →
− →
− →
−
u =3 i +2j y →
−
v =4j −3k.

3. Determine el valor seno del ángulo entre los vectores

−
→ →
− →
− →
− → −
− → →
−
u = i +2j −3k y →
−
v = −3 i − j + 4 k .

4. Calcule el área del triángulo de vértices en los puntos P = (1, 5, −2) , Q = (1, 4, 5) y
R = (7, 2, 9).

5. Calcule el volumen del paralelepı́pedo determinado por los vectores

−
→
u = (1, 0, −4) , →
−
v = (1, −3, −2) y →
−
w = (0, 2, −1).

6. Determine el valor de t para el que los vectores:

−
→
u = (−5, −3, 1); →
−
v = (5, −4, 3); →
−
w = (−7, t, 9)

sean coplanares.

7. Dados los vectores −→

u = (−1, −3, 2); − →
v = (−2, 1, 3), determine un vector −
→
w
→
− →
− →
− √
perpendicular a u y a v , tal que ∥ w ∥ = 6.

8. Calcule el volumen del tetraedro formado por los vectores

−
→
u = (−4, 5, 7); −
→
v = (8, −7, 10) y −
→
w =−
→
v ×−
→
u

9. Dados los vectores −→u = (1, −1, 2); −

→
v = (3, 1, −1) determine todos los vectores
perpendiculares a u , que sean coplanares con −
→
− →
u y−
→
v.

10. Determine, si existe, un vector −

→
u con la misma dirección del vector −
→v = (1, 2, −3) y
→
−
tal que determine con el vector w = (2, −4, 1) un paralelogramo de área 49 unidades
cuadradas.

11. Sean −
→
u,− →
v , vectores no paralelos en el espacio, tales que −
→
u ·−
→
v = 2; ∥−
→
u ∥ = 1; ∥−
→
v ∥ = 4;
→
− →
− →
− →
−
w = 2( u × v ) − 3 v .
Calcule

a) →
−
u · (−
→
v +−
→
w)
b) ∥−
→
w∥
c) El coseno del ángulo θ que forman −
→
v y−
→
w.
 4.5. RECTAS EN EL PLANO 163

4.5. RECTAS EN EL PLANO

Comenzamos con la recta, recordando la caracterización geométrica que dice que una
recta está unı́vocamente determinada por un punto P0 por el cual pasa y una dirección,
asumimos en lo que sigue que nuestro universo es el plano cartesiano R2 .

Definición 22
→
−
Dados P0 un punto en el plano y V ∈ R2 , la recta l que pasa por P0 y tiene como dirección
→
−
la de V es el conjunto de puntos P tales que el vector de punto inicial P0 y punto final P es
→
−
paralelo a V .

n −−→ →
− o
l = P ∈ R 2 P0 P = t V , t ∈ R

Proposición 22
→
−
Dados P0 un punto en el plano y V ∈ R2 , P ̸= P0 pertenece a la recta que pasa por P0 y
→
− → −
− → →
−
tiene a V como vector dirección si y solo si P = P0 + t V , con t ∈ R.

Prueba.−

→
−
Suponemos que P ̸= P0 pertenece a la recta que pasa por P0 y tiene a V como vector
−−→ →
− → −
− → →
−
dirección entonces P0 P es paralelo a V es decir P − P0 = t V , con t ∈ R es decir
→ −
− → →
−
P = P0 + t V , con t ∈ R.

→
− −
→ →
− → −
− → →
−
Recı́procamente si P = P0 + t V , con t ∈ R entonces P − P0 = t V , con t ∈ R es decir P
→
−
pertenece a la recta que pasa por P0 y tiene a V como vector dirección. 

Definición 23
→ −
− → − →
La ecuación P = P0 + t V , con t ∈ R se denomina la ecuación vectorial de la recta que pasa
→
−
por P0 y tiene a V como vector dirección.

→
− −→
Evidentemente la dirección de V y la de cualquier vector W paralelo, es la misma, en
→
− −
→
consecuencia la recta que pasa por P0 y tiene como dirección la de V , o la de W , es la
misma.

Proposición 23
−
→ →
−
Si W = λ V , λ ̸= 0 y t, k ∈ R entonces
n −−→ →o n
− −−→ →o
−
P ∈ R2 P0 P = t V = P ∈ R2 P0 P = k W
164 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3

Prueba.−
n −−→ →o
− → −
− → →
−
A ∈ P ∈ R2 P0 P = t V si y solo si A = P0 + t V es decir
 
−
→ −
→ 1 −→
A = P0 + t W
λ

es decir n −−→ →o
−
A ∈ P ∈ R 2 | P0 P = k W .

→
− →
− →
− → −
− → →
−
Además, si suponemos P0 = (x0 , y0 ) , V = a i + b j y P = (x, y) la ecuación P = P0 + t V
se transforma en (x, y) = (x0 , y0 ) + t(a, b) y al comparar coordenadas se obtienen las
ecuaciones (
x = x0 + ta
t∈R
y = y0 + tb

Definición 24

Las ecuaciones
(
x = x0 + ta
t∈R
y = y0 + tb
se denominan las ecuaciones paramétricas, con parámetro t, de la recta, que pasa por
→
− →
− →
−
P0 = (x0 , y0 ) y tiene a V = a i + b j como vector dirección.

Adicionalmente, si suponemos ab ̸= 0, despejamos el parámetro t de las ecuaciones

paramétricas e igualamos, obtenemos:

x − x0 y − y0
t= =
a b
o lo que es lo mismo bx + (−a)y + (ay0 − bx0 ) = 0 que es equivalente a la ecuación de la
forma Ax + By + C = 0 con A = b, B = −a, C = ay0 − bx0 , que es la forma general de la
ecuación de la recta en el plano cartesiano.

Ejemplo 13
→ →
− − →
−
La ecuación vectorial de la recta que pasa por P0 = (2, 3) y que tiene a V = i − 5 j como
vector dirección, es
−
→
P = (2, 3) + t(1, −5) con t ∈ R

y sus ecuaciones paramétricas

(
x=2+t
t∈R
y = 3 − 5t
 4.5. RECTAS EN EL PLANO 165

y−3
y al eliminar el parámetro t obtenemos x − 2 = es decir 5x + y − 13 = 0
−5

Proposición 24
n → − −→ →o
− n → − −→ −→o
Dos rectas, l1 = P P = P0 + t V y l2 = P P = Q0 + k W se cortan si y solo si existen
−
→ → −
− → −
→
números reales t0 y k0 , no necesariamente iguales y tales que P0 + t0 V = Q0 + k0 W .

Prueba.−
→ −
− → →
−
Suponemos C = l1 ∩ l2 entonces C ∈ l1 por tanto existe t0 tal que C = P0 + t0 V , igualmente
→ −
− → −
→ −
→ → −
− → − → −
→
C ∈ l2 por tanto existe k0 tal que C = Q0 +k0 W y en consecuencia P0 +t0 V = C = Q0 +k0 W .

Recı́procamente si existen números reales t0 y k0 , no necesariamente iguales y tales que

−
→ → −
− → −
→ − →
P0 + t0 V = Q0 + k0 W = C entonces C ∈ l1 y C ∈ l2 . 

Ejemplo 14

Consideremos las rectas l1 y l2 con ecuaciones P = (1, 3) + t(−1, 1), P = (−2, 5) + k(3, −2),
con t y k en R, respectivamente, entonces l1 y l2 se cortan si y solo si

(1, 3) + t(−1, 1) = (−2, 5) + k(3, −2)

para un par de reales t y k, es decir si y solo si

(
1 − t = −2 + 3k
3 + t = 5 − 2k

es un sistema de dos ecuaciones con dos incógnitas cuya única solución es t = 0, k = 1 en

consecuencia
(1, 3) + (0)(−1, 1) = (1, 3) ∈ l1
y también
(1, 3) = (−2, 5) + (1)(3, −2) ∈ l2

Ejemplo 15

Consideremos las rectas l1 y l2 con ecuaciones P = (1, 2) + t(2, −1), P = (4, 0) + k(−4,2) t, k
en R, respectivamente, entonces l1 y l2 se cortan si y solo si

(1, 2) + t(2, −1) = (4, 0) + k(−4, 2)

para un par de reales t y k, es decir si y solo si
(
1 + 2t = 4 − 4k
2 − t = 2k
166 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3

es un sistema de dos ecuaciones lineales con dos incógnitas cuya matriz aumentada
!
2 4 3
−1 −2 −2

es equivalente por filas a !

1 2 0
0 0 1
en consecuencia el sistema es inconsistente, es decir l1 y l2 no se cortan.

Si observamos con detenimiento encontramos que los vectores dirección de l1 y l2 , a saber:

→
− → −
− → →
− →
−
v =2i − j y − →
u = −4 i + 2 j son tales que −
→
u = (−2)−→v , es decir son paralelos.

Definición 25

Sean l1 y l2 rectas que se cortan, el ángulo α entre ellas es precisamente el ángulo α entre
sus vectores dirección.

Definición 26

Dos rectas l1 y l2 en el plano se denominan paralelas si y solo si no se cortan.

Proposición 25
n →
− −
→ →o
− n →− −
→ →o
−
Dos rectas: l1 = P P = P0 + t V y l2 = P P = Q0 + k W son paralelas si y solo si
→
− −
→
V = λW

Prueba.−
→
− −
→
Suponemos V = λW y Z ∈ l1 ∩ l2 es decir existen t1 , k1 ∈ R tales que
−
→ → −
− → − → −
→
P0 + t 1 V = Z = Q 0 + k 1 W

en consecuencia
−
→ − → →
− −
→ − → −
→ −
→ − → −
→
P0 = Q0 − t1 V + k1 W = Q0 − t1 λW + k1 W = Q0 + (k1 − t1 λ) W
−
→
es decir P0 ∈ l2 .

Análogamente
−
→ −
→ →
− −
→
Q 0 = P0 + t 1 V − k 1 W
   
−
→ 1 →
−
= P0 + t 1 − k1 V
λ
 4.5. RECTAS EN EL PLANO 167

−
→
es decir Q0 ∈ l1 , en consecuencia l1 y l2 coinciden.

Sean
→
− →
− → −
− → →
− →
−
P0 = (x0 , y0 ), Q0 = (x′0 , y0′ ), V = a i + b j , W = c i + d j .

Decir l1 ∩ l2 = ϕ significa que no existen t1 , k1 ∈ R tales que

−
→ → −
− → − → −
→
P0 + t 1 V = Z = Q 0 + k 1 W

es decir el sistema ′
ax − cy = x0 − x0
bx − dy = y0′ − y0
no tiene solución o lo que es lo mismo

a c
=0
b d
→
− −
→
lo que significa ad = bc es decir a = λc y b = λd es decir V = λW 

Proposición 26
n − → − → →o
−
Sean l = P P = P0 + t V una recta y P1 un punto tal que P1 ∈
/ l entonces la distancia d
−
→ →  −
− → →
− →
− →
− →
−
de P1 a l es P 1 − P 0 − U donde U es la componente de P 1 − P 0 a lo largo de V .

Prueba.−

l
P1....................... ........
.......
. ... ......
... ... d ......
..... ... .
..
......
.
...
...
.. ... ..........
... .. ....
... .............
.
.... ...
.........
.
... .......
.
...
.. ......
.....
...
... ......
......
⃗
U
..... ..
.......
..
... .....
.....
... ......
... ......
..... ..........
.. ....
..........
.........
......
..
...... P
.
.... 0
......
......
. .....
..........

Basta observar en la gráfica.

−
→ →  −
− →
−
→ →  −
− → →
− → 
− P1− P0 ·V −
→
d= P1− P0 − U = P1− P0 − V
→ 2
−
V


168 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3

Ejemplo 16
→
−
Consideremos la recta del ejemplo 13 de ecuación vectorial P = (2, 3) + t(1, −5) y el punto
P1 = (4, 1) entonces la distancia d de P1 a la recta es
−
→ →  −
− →
−
→ → 
− P1− P0 ·V −
→
d= P1− P0 − V
→ 2
−
V
((4, 1) − (2, 3)) · (1, −5)
= ((4, 1) − (2, 3)) − (1, −5)
∥(1, −5)∥2
(2, −2) · (1, −5)
= (2, −2) − (1, −5)
26
6
= (2, −2) − (1, −5)
13
 
20 4
= ,
13 13
√
4 26
=
13

Por otra parte, en el ejemplo 13 encontramos que la ecuación cartesiana de la recta l,

es 5x + y − 13 = 0 y de la geometrı́a analı́tica sabemos que la distancia del punto P1 = (4, 1)
a l, es
√ √
5(4) + (1) − 13 8 8 26 4 26
d= √ =√ = =
26 26 26 13

El resultado del ejemplo anterior no es una casualidad.

Proposición 27
n − → − → →o
−
Sean l = P P = P0 + t V una recta con ecuación cartesiana Ax + By + C = 0 y P1 un
punto tal que P1 ∈
/ l, entonces la distancia d de P1 a l es

|Ax1 + By1 + C|
d= √
A2 + B 2

Prueba.−
Si suponemos
→
− →
− →
−
P = (x, y), P0 = (x0 , y0 ), P1 = (x1 , y1 ) y V = a i + b j

entonces
 4.5. RECTAS EN EL PLANO 169

→
− →  −
− →
d= P1− P0 − U
(x1 −x0 )a+(y1 −y0 )b
= (x1 − x0 , y1 − y0 ) − 2 2 (a, b)

a +b
2 ) ∥((x1 − x0 ) a + b − ((x1 − x0 ) a + (y1 − y0 ) b) a,
1 2 2
= (a2 +b


(y1 − y0 ) a + b − ((x1 − x0 ) a + (y1 − y0 ) b) b)∥
2 2
 
1
= (a2 +b 2) (x1 − x0 ) b2 − (y1 − y0 ) ba, (y1 − y0 ) a2 − (x1 − x0 ) ab
2 ) ∥((x1 − x0 ) b − (y1 − y0 ) a) b, ((y1 − y0 ) a − (x1 − x0 ) b) a∥
1
= (a2 +b
rh i
1
= (a2 +b2 ) (x1 − x0 )2 b2 + (y1 − y0 )2 a2 − 2ab (x1 − x0 ) (y1 − y0 ) (a2 + b2 )
√ q
2 +b2
= (aa2 +b 2) [b(x1 − x0 ) − a (y1 − y0 )]2
= √a21+b2 |b(x1 − x0 ) − a (y1 − y0 )|
= √ 1
a2 +b2
|bx1 + (−a)y1 + (ay0 − bx0 )|

y si recordamos que la ecuación cartesiana de la recta l, es bx + (−a)y + (ay0 − bx0 ) = 0 se

tiene el resultado. 

EJERCICIOS 4.5

1. Encuentre la ecuación vectorial de la recta con las condiciones dadas en cada caso.

→
− →
−
a) Pasa por P0 = (−1, 3) y que tiene a −
→
v = −2 i + 3 j como vector dirección.

b) Pasa por P0 = (2, −1) y es paralela a la recta que que tiene ecuaciones
paramétricas

x = 2 + 3t
y = −t

c) Es paralela al eje x y pasa por el origen.

→
−
2. Encuentre la distancia entre la recta de ecuación vectorial P = (−2, −1) + t(3, −3) y
el punto P1 = (−2, −3).

→
−
3. Encuentre la distancia entre la recta de ecuación vectorial P = (0, 2) + t(−1, 4) y la
→
− →
−
intersección de las rectas de ecuaciones P = (−4, −1) + t(1, 2) y P = (1, 2) + k(2, 2).

→
−
4. Encuentre la ecuación cartesiana de la recta dada por P = (2, 5) + t(−1, 3).

5. Encuentre la distancia entre la recta con ecuación cartesiana 2x − 3y = 1 y el punto

P0 = (−1, 3).
170 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3

4.6. RECTAS EN EL ESPACIO

Definición 27
→
−
Dados P0 un punto del espacio y V ∈ R3 , llamado vector dirección, la recta l que pasa por
→
−
P0 y tiene como dirección la de V es el conjunto de puntos P tales que el vector de punto
→
−
inicial P0 y punto final P es paralelo a V .

n −−→ →
− o
l = P P0 P = t V , t ∈ R

Proposición 28
→
−
Dados P0 un punto del espacio y V ∈ R3 , P ̸= P0 pertenece a la recta que pasa por P0 y
→
− → −
− → →
−
tiene a V como vector dirección si y solo si P = P0 + t V , con t ∈ R.

Prueba.−
→
−
Suponemos que P ̸= P0 pertenece a la recta que pasa por P0 y tiene a V como vector
−−→ →
− → −
− → →
−
dirección, entonces P0 P es paralelo a V es decir, P − P0 = t V , con t ∈ R es decir que
→ −
− → →
−
P = P0 + t V , con t ∈ R.
→ −
− → →
− → −
− → →
−
Recı́procamente si P = P0 + t V , con t ∈ R entonces P − P0 = t V , con t ∈ R es decir P
→
−
pertenece a la recta que pasa por P0 y tiene a V como vector dirección. 

Definición 28
→ −
− → − →
La ecuación P = P0 + t V , con t ∈ R se denomina la ecuación vectorial de la recta que pasa
→
−
por P0 y tiene a V como vector dirección.

→
− −→
Evidentemente la dirección de V y la de cualquier vector W paralelo, es la misma, en
→
− −
→
consecuencia la recta que pasa por P0 y tiene como dirección la de V , o la de W , es la
misma.

Proposición 29
−
→ →
−
Si W = λ V y t, k ∈ R, entonces
n −−→ → o n −−→
− →o
−
P P0 P = t V = P P0 P = k W

Prueba.−
Ejercicio para el lector.

→
− → −
− → − → → −
− → − →
Si suponemos P0 = (x0 , y0 , z0 ) , V = a i +b j +c k y P = (x, y, z) la ecuación P = P0 +t V
se transforma en (x, y, z) = (x0 , y0 , z0 ) + t(a, b, c) y al comparar coordenadas se obtienen
 4.6. RECTAS EN EL ESPACIO 171

las ecuaciones 

 x = x0 + ta
y = y0 + tb , t ∈ R


z = z0 + tc

Definición 29

Las ecuaciones


 x = x0 + ta
y = y0 + tb , t ∈ R


z = z0 + tc

se denominan las ecuaciones paramétricas de la recta que pasa por P0 = (x0 , y0 , z0 ) y con
→
− →
− →
− →
−
vector dirección V = a i + b j + c k , t se denomina el parámetro.

Ejemplo 17
→ −
− → − → − →
La ecuación vectorial de la recta que pasa por P0 = (2, 3, −1) y que tiene a V = i −2 j +7 k
como vector dirección es:
−
→
P = (2, 3, −1) + t(1, −2, 7) con t ∈ R

y sus ecuaciones paramétricas



 x=2+t
y = 3 − 2t , t ∈ R


z = −1 + 7t

→
− → −
− → − →
Finalmente si suponemos que V = a i +b j +c k es tal que abc ̸= 0, al despejar el parámetro
t, de las ecuaciones paramétricas, obtenemos

x − x0 y − y0 z − z0
t= = =
a b c

Definición 30
y−y0
Las ecuaciones x−x a
0
= b = z−z0
c se denominan ecuaciones simétricas o ecuaciones
cartesianas de la recta.

Ejemplo 18

Las ecuaciones cartesianas de la recta del ejemplo 17, son:

x−2 y−3 z − (−1)

= =
1 −2 7
172 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3

es decir
3−y z+1
x−2= =
2 7

Observación. Es importante tener en cuenta que tanto en el caso paramétrico, como en el

cartesiano hablamos en plural, es decir ecuaciones paramétricas y ecuaciones cartesianas
de la recta.

Proposición 30
n−
→ →− −
→ →o
− n→
− − → − → −→o
Dos rectas: l1 = P P = P0 + t V y l2 = P P = Q 0 + k W se cortan si y solo si
−
→ → −
− → −
→
existen números reales t0 y k0 , no necesariamente iguales y tales que P0 + t0 V = Q0 + k0 W

Prueba.−
Suponemos C = l1 ∩ l2 entonces C ∈ l1 por tanto existe t0 tal que

−
→ −
→ →
−
C = P0 + t 0 V ,
igualmente C ∈ l2 por tanto existe k0 tal que
−
→ −
→ −
→
C = Q0 + k0 W

y en consecuencia
−
→ → −
− → − → −
→
P0 + t 0 V = C = Q 0 + k 0 W .
Recı́procamente si existen números reales t0 y k0 , no necesariamente iguales y tales que
−
→ → −
− → −
→ − →
P0 + t 0 V = Q 0 + k 0 W = C

entonces C ∈ l1 y C ∈ l2 . 

Ejemplo 19

Consideremos las rectas l1 y l2 de ecuaciones

−
→ −
→
P = (1, 2, 3) + t(2, −1, 1), P = (−2, 8, 6) + k(−1, 2, 1)

entonces l1 y l2 se cortan si y solo si

(1, 2, 3) + t(2, −1, 1) = (−2, 8, 6) + k(−1, 2, 1)

para un par de reales t y k, es decir si y solo si



 1 + 2t = −2 − k

2 − t = 8 + 2k


 3+t=6+k
 4.6. RECTAS EN EL ESPACIO 173

es un sistema de tres ecuaciones con dos incógnitas cuya única solución es t = 0, k = −3 en

consecuencia

(1, 2, 3) + (0)(2, −1, 1) = (−2, 8, 6) + (−3)(−1, 2, 1) = (1, 2, 3) ∈ l1 ∩ l2

Ejemplo 20
→
−
Consideremos las rectas l1 con ecuación P = (1, 2, 3) + t(2, −1, 1) y l2 con ecuación
→
−
P = (4, 0, 2) + k(1, 1, 2) entonces las rectas l1 y l2 se cortan si y solo si se tiene que
(1, 2, 3) + t(2, −1, 1) = (4, 0, 2) + k(1, 1, 2) para un par de reales t y k, es decir si y solo si


 1 + 2t = 4 + k

2−t=k


 3 + t = 2 + 2k

es un sistema de tres ecuaciones con dos incógnitas cuya matriz aumentada es

   
2 −1 3 2 −1 3
   
 1 1 2  equivalente por filas a  0 3 4 
1 −2 −1 0 0 1
en consecuencia el sistema es inconsistente es decir l1 y l2 no se cortan.

Definición 31

Sean l1 y l2 rectas que se cortan. El ángulo α entre ellas es precisamente el ángulo α entre
sus vectores dirección.

Ejemplo 21
→
−
Sabemos que las rectas l1 de ecuación vectorial P = (1, 2, 3) + t(2, −1, 1) y l2 de ecuación
→
−
vectorial P = (−2, 8, 6) + k(−1, 2, 1) se cortan en (1, 2, 3) entonces el ángulo α entre ellas es
tal que

(2, −1, 1) · (−1, 2, 1) −3 1

cos α = = √ √ =−
∥(2, −1, 1)∥ ∥(−1, 2, 1)∥ 6 6 2
en consecuencia
 
1 2
α = arc cos − = π
2 3

Ejemplo 22
→
− →
−
Las rectas l1 de ecuación P = t(2, −1, 1) y l2 de ecuación P = (1, 1, 1) + k(1, 4, 2) se cortan
en ( 23 , − 13 , 13 ) y puesto que (2, −1, 1) · (1, 4, 2) = 0 las rectas son perpendiculares.
174 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3

Definición 32
→ −
− →
Sean l1 y l2 rectas que se no cortan, con vectores dirección V y W respectivamente, entonces

→ −
− →
Si V y W son paralelos decimos que las rectas son paralelas.
→ −
− →
Si V y W no son paralelos decimos que las rectas se cruzan (Alabeadas).

Ejemplo 23
→
− →
−
Las rectas l1 y l2 con ecuaciones P = t(2, −1, 1) y P = (1, 1, 1)+k(4, −2, 2) respectivamente,
son paralelas.
→
− →
−
Las rectas l1 y l2 con ecuaciones P = (1, 2, 3) + t(2, −1, 1) y P = (4, 0, 2) + k(1, 1, 2)
respectivamente, no se cortan y no son paralelas es decir se cruzan (son alabeadas).

Proposición 31
n →
− −
→ →o
−
Sean l = P P = P0 + t V una recta y P1 un punto tal que P1 ∈
/ l entonces la distancia d de
P1 a l es
−
→ →  −
− →
d= P1− P0 − U

→
− →
− →
− →
−
donde U es la componente de P 1 − P 0 a lo largo de V .

Prueba.−

l
P1....................... .......
........
. ... ......
... ... d ......
.
.... ...
. ..
..
......
.. ... ..
... ... ..........
... . ..
..............
...
..... ...
.......
.
..
... .....
.....
... ......
..
...
... ...
.
......
...... ⃗
U
..
... .....
.....
... ......
... ......
..... ..........
.. ....
... ......
... ......
..........
..
.......
.....
......
.
..... P 0
......
.
............
.....

Basta observar la gráfica.

−
→ →  −
− →
−
→ →  −
− → →
− → 
− P1− P0 ·V −
→
d= P1− P0 − U = P1− P0 − V
→ 2
−
V


 4.6. RECTAS EN EL ESPACIO 175

Proposición 32

Sean P0 , P1 dos puntos en el espacio, entonces la ecuación vectorial de la recta determinada

→
− →
− →
−
por P0 y P1 es P = (1 − t) P 0 + t P 1 , t ∈ R.

Prueba.−
−−−→
Basta observar que el vector P0P1 es un  vector dirección de la recta, en consecuencia la
→ −
− → →
− →
− →
− →
− →
−
ecuación vectorial es P = P0 + t P 1 − P 0 es decir P = (1 − t) P 0 + t P 1 , t ∈ R. 

→
− →
− →
−
Observación. La ecuación P = (1 − t) P 0 + t P 1 con t ∈ [0, 1] , describe los puntos del
segmento P0 P1 .

Además si suponemos P = (x, y, z), P0 = (x0 , y0 , z0 ) y P1 = (x1 , y1 , z1 ) reemplazamos en la

ecuación e igualamos componentes obtenemos

x = (1 − t)x0 + tx1 = x0 + t(x1 − x0 )

y = (1 − t)y0 + ty1 = y0 + t(y1 − y0 )
z = (1 − t)z0 + tz1 = z0 + t(z1 − z0 )
que son las ecuaciones paramétricas de la recta y despejando t en cada una e igualando
tenemos:
x − x0 y − y0 z − z0
t= = =
x1 − x0 y1 − y0 z1 − z0
que son las ecuaciones simétricas o cartesianas de la recta.

EJERCICIOS 4.6
1. Encuentre en cada caso una ecuación vectorial, las ecuaciones paramétricas y las
simétricas de la recta indicada.

a) Pasa por los puntos P0 = (2, 2, −3) y P1 = (−2, 3, 1).

→ −
− → →
−
b) Pasa por el punto P0 = (1, −7, 3) y es paralela al vector −
→
u = −2 i + j − 3 k .
c) Pasa por el origen y es paralela al eje x.
→
−
d) Pasa por la intersección de las rectas dadas por l1 : P = (1, −3, −2) + t(1, 2, −1),
→
− →
− →
− →
−
l2 : P = (17, 4, −8) + t(3, 1, −1) y es paralela al vector −
→
u =− i +2j −5k.

2. Diga si las rectas con ecuaciones paramétricas

 

 x = 2 − t 

 x = 2k
l1 : y = 1 + t , l2 : y =2−k , t, k ∈ R

 

 
z = 1 + 2t z =k

se cortan o no.
176 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3

3. Encuentre en cada caso una recta ortogonal al par de rectas dadas y que pase por el
punto dado.

→
− →
−
a) P = (0, −1, 1) + t(2, 1, 1), P = (−1, 1, 3) + t(−1, 2, 0); P0 = (2, 3, 1).
x−2 3−y x−1 y+3 z
b) = = 1 − z; = = ; P0 = (−1, 2, 1).
2 4 2 3 2

4. Encuentre en cada caso la distancia entre el punto y la recta dados:

→
−
a) P0 = (2, −1, 7), l1 : P = (0, −1, −3) + t(0, −4, −1).
x−1 y−5 x−3
b) P0 = (1, 2, −1), l2 : = = .
2 3 2

4.7. PLANOS EN EL ESPACIO

Para el plano, recordamos la caracterización geométrica que dice que un plano está
unı́vocamente determinado por un punto P0 por el cual pasa y una recta perpendicular al
mismo.

Definición 33
→
− →
−
Dados P0 un punto del espacio y N ∈ R3 , el plano P que pasa por P0 y tiene a N como
vector normal es el conjunto de puntos P tales que el vector de punto inicial P0 y punto
→
−
final P es perpendicular a N .

n −−→ →o
−
P = P P0 P es perpendicular a N

...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
...
.
. .. . . . . . . . . . . . .. .. . .. . .. .. .. .. .. ...................................................................................................................... .
.... ........................................................................................................................................................................................................................................................................................................................................
.
. . . . . . . . . .
. ... ...................................................................................................................................................................................................................................................................................................
.
...........................................................................................................................................................................................................................
......................................................................................................................................................
....................................................................................................................................................................................................................................................................................................
.........................................................................................................................................................
. ....................................................................................................................................................................................................................................................................................................................................................................................
P0
.............................................................................................................................................................................................................................
..............................................................................................................................................................................................................................
...............................................................................................................................................................................................................................
... . P
.........................................................................................................................................................
..................................................................................................................................................................................................................................................................................................................................................................................
.................................................................................................................................................
........................................................................................................................................................
....................................................................................................................................................................................................................................................................................................................................................
...
...
...
...
...
...
..
 4.7. PLANOS EN EL ESPACIO 177

⃗
N
....
..........
...
...
...
...
..
... ... ... ... .. . . .. . . . . .. . . . ... ... . . ... . ... ...........................................................................................................................................................
. ..................................................................................................................................................................................................................................................................................................................................................................
.
... . . . . . . . . . . . . . . .
.. ...
..
....................................................................................................................................................
.
..................................................................................................................................................................................................................................
P
.......................................................................................................................................................................................................................................................................................................

.............................................................................................................................................................................................................................
.... .....................................................................................................................................................................................................................................................................................................................................................................................
.
.....................................................................................................................................................
............................................................................................................................................................................................................................
P0
............................................................................................................................................................................................................................
...........................................................................................................................................................................................................................
.. ..
............................................................................................................................................................................................................................................................................................................................................................................
..........................................................................
......................................................................................................................................................
............................................................................................................................................................................................................................
.....................................................................................................................................................................................................................................................................................................................................................
...
...
...
...
...
...
..

Proposición 33
→
− →
−
Dados P0 un punto del espacio y N ∈ R3 , P pertenece al plano que pasa por P0 y tiene a N
→ −
− → − → − →
como vector normal si y solo si P · N = P 0 · N

Prueba.−
−−→ →
−
Suponemos P un punto del plano entonces  el vector P0 P es perpendicular a N , en
−−→ − → → −
− → →
− → −
− → − → − →
consecuencia P0 P · N = 0 es decir P − P 0 · N = 0 o lo que es lo mismo P · N = P 0 · N .

→ −
− → − → − → −
→ − →  − →
Recı́procamente suponemos P un punto tal que P · N = P 0 · N entonces P − P 0 · N = 0
−−→ →
−
es decir P0 P es perpendicular a N . 

Definición 34
→ −
− → − → − →
La ecuación P · N = P 0 · N se denomina la ecuación vectorial del plano P

Ejemplo 24

La ecuación vectorial del plano −xy− es la ecuación del plano que pasa por (0, 0, 0) y es
→ −
− → − → −→
perpendicular al eje z es decir P · k = 0 · k = 0

La ecuación vectorial del plano −xz− es la ecuación del plano que pasa por (0, 0, 0) y es
→ −
− → − → −→
perpendicular al eje y es decir P · j = 0 · j = 0

La ecuación vectorial del plano −yz− es la ecuación del plano que pasa por (0, 0, 0) y es
→ −
− → − → −→
perpendicular al eje x es decir P · i = 0 · i = 0

−→ →
− →
−
Evidentemente si M es un vector paralelo a N , cualquier vector perpendicular a N
−
→ →
−
también es perpendicular a M , en consecuencia el plano que pasa por P0 y tiene a N como
−
→
vector normal y el que pasa por P0 y tiene a M como vector normal, es el mismo.
178 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3

Proposición 34
−
→ →
−
Si M = λ N , entonces
n −−→ → o n −−→
− →o
−
P P0 P es perpendicular a N = P P0 P es perpendicular a M

Prueba.−
Ejercicio para el lector.

→
− →
− →
− →
−
Además, si suponemos P0 = (x0 , y0 , z0 ), N = a i + b j + c k y P = (x, y, z) la ecuación
→ →
− − → −
− →
P · N = P 0 · N se transforma en (x, y, z) · (a, b, c) = (x0 , y0 , z0 ) · (a, b, c) es decir

ax + by + cz = ax0 + by0 + cz0 o también ax + by + cz = D

donde ax0 + by0 + cz0 = D.

Definición 35

La ecuación ax + by + cz = ax0 + by0 + cz0 = D se denomina la ecuación cartesiana del

→
− →
− →
− →
−
plano P que pasa por P0 = (x0 , y0 , z0 ) y tiene como vector normal a N = a i + b j + c k .

Recı́procamente toda ecuación de la forma ax+by+cz = D con a, b, c no todos cero, describe

→
− →
− −
→ →
−
un plano P cuyo vector normal es N = a i + b j + c k

P = {(x, y, z) |ax + by + cz = D }

Ejemplo 25

La ecuación cartesiana del plano −xy− es z = 0 es decir {(x, y, z) |z = 0 }

La ecuación cartesiana del plano −xz− es y = 0 es decir {(x, y, z) |y = 0 }

La ecuación cartesiana del plano −yz− es x = 0 es decir {(x, y, z) |x = 0 }

Ejemplo 26

La ecuación 3x − 2y + 5z = 0 describe un plano que pasa por el origen y tiene como vector
→
− →
− →
− →
−
normal N = 3 i − 2 j + 5 k

Ejemplo 27

La ecuación ax + by = 0, ab ̸= 0, describe el plano “paralelo al eje z” que contiene la recta

ax + by = 0 del plano −xy−
 4.7. PLANOS EN EL ESPACIO 179

z.......
..
....
. .....................................
.... ........................................................................................................................................
.... .
.... .....................................................................................
......................................................................................................................................................................................................................................
.................................................................................................................................................................................................................................
....................................................................................................................................................................................
....................................................................................................................................................................................
....................................................................................................................................................................................
....................................................................................................................................................................................
....................................................................................................................................................................................
....................................................................................................................................................................................
....................................................................................................................................................................................
O
........................................................................................................................................................................................
................................................................................................................................................................................
......
....
...............................................................................................................................
..
..
............... ......................
................................
y
...
...
.. .
.......
. ..
...
........
. .
...
.
ax + by = 0
...
. ...........
...............
x

Cuando decimos
n “paralelo al ejeo z” significa que si el punto P0 = (x0 , y0 , 0) ∈ P entonces
→ −
− → →
−
toda la recta P P = P 0 + t k ⊂ P

Definición 36
n − → − → − → −→o n →− − → − → − →o
Dos planos P = P P · N = P 0 · N y P ′ = P P · M = P 1 · M tales que P ∩ P ′ = ∅ y
−
→ →
−
M = λ N se dicen paralelos.

Definición 37
n →− − → − → − →o n →
− − → − → − →o
Dados dos planos P = P P · N = P 0 · N y P ′ = P P · M = P 1 · M tales que
P ∩ P ′ ̸= ∅ el ángulo α entre P y P ′ es el ángulo α entre sus vectores normales.

Proposición 35

Sean P0 , P1 , P2 tres puntos no colineales en el espacio, entonces la ecuación vectorial del

plano determinado por P0 , P1 y P2 es
−
→ − →  −−−→ −−−→
P − P 0 · P0 P1 × P0 P2 = 0

Prueba.−
−−−→ −−−→
Puesto que P0 , P1 , P2 son puntos no colineales P0 P1 y P0 P2 no son paralelos en consecuencia
−−−→ −−−→ − →
P0 P1 × P0 P2 ̸= 0 y resulta un vector normal al plano de ecuación
−→ − →  −−−→ −−−→
P − P 0 · P0 P1 × P0 P2 = 0

Ahora bien, tres puntos no colineales determinan un único plano, en consecuencia basta
probar que P0 , P1 y P2 satisfacen la ecuación.
180 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3

En efecto, claramente P0 satisface la ecuación, además

→
− →
− −−−→ −−−→ −−−→ −−−→ −−−→
( P 1 − P 0 ) · P0 P1 × P0 P2 = P0 P1 · P0 P1 × P0 P2 = 0 es decir P1 satisface la ecuación,
→
− →
− −−−→ −−−→ −−−→ −−−→ −−−→
( P 2 − P 0 ) · P0 P1 × P0 P2 = P0 P2 · P0 P1 × P0 P2 = 0 es decir P2 satisface la ecuación. 

Ejemplo 28
−−−→
Sean los puntos P0 = (1, 2, 3), P1 = (−2, 1, 0), P2 = (4, 2, −1) entonces P0 P1 = (−3, −1, −3),
−−−→
P0 P2 = (3, 0, −4) en consecuencia

− −
→ → −→
i j k
−−−→ −−−→ →
− →
− →
−
P0 P1 × P0 P2 = −3 −1 −3 = 4 i − 21 j + 3 k
3 0 −4

−
→ − →  −−−→ −−−→
P − P 0 · P0 P1 × P0 P2 = (x − 1, y − 2, z − 3) · (4, −21, 3) = 4x − 21y + 3z + 29

En consecuencia la ecuación del plano es

4x − 21y + 3z + 29 = 0

En la práctica, dados los puntos P0 = (x0 , y0 , z0 ), P1 = (x1 , y1 , z1 ), P2 = (x2 , y2 , z2 ), la

ecuación del plano determinado por ellos es

x y z x0 y0 z0
x 1 − x 0 y 1 − y 0 z 1 − z0 = x 1 − x 0 y 1 − y 0 z 1 − z0
x 2 − x 0 y 2 − y 0 z 2 − z0 x 2 − x 0 y 2 − y 0 z2 − z0

Otra caracterización geométrica de un plano dice que “un plano está unı́vocamente
determinado por dos rectas que se cortan”, analı́ticamente podemos entonces afirmar

Proposición 36

Dadas dos rectas l1 y l2 que se cortan, con ecuaciones

n →− −
→ →o
− n →− −
→ →o
−
l 1 = P P = P0 + t V , l 2 = P P = P0 + k W ,

→ −
− → →
− −
→
una ecuación del plano determinado por l1 y l2 es P = P 0 + t V + k W , t, k ∈ R

Prueba.−
 4.7. PLANOS EN EL ESPACIO 181

...
....
....
....
...... .......
.
... .. ....
z ....
....
....
......................................
.... .....................................
. . . ..................................... .....
...................................... ......
.. ..................................... ....... ......
.
...
......
.. .. ..
...
........
... .
............ .................. ...
...... ...... . ............... ......
...... ..... ............ ......
....................
.................... ...... ..... ........... ..... ......
.................... ...... ..... ........... .............. ......
.......................... .........
........ . . .... .. . .
.....
....
........................................ ............................... ........... ......
...... ........... ......
......
............
..............
........ .... ......... ......
........ ............
........
........
........ ........................
.............
........ ... ........
... .. . . . .. . . ...... .. .... ......... .
.. .
. .
... ... . ... ........................................................
...... .... .. ................................................... ...................
...... .......................................... .. ....................
......................................... ........ . ..... ....................
..... ...
. ......... ....................
....................
... ... .
.
. ....... ....................
....................
.. ...
. ..
. ....... ....................
.. .... ..
. ....... ....................
.......
.. .... ... .......
...... .. .......
.
. . ... .. .......
.
. . .. ....
.... ..........
.... ..........
........
.... ....... .......
.

. .. .....
....
................. y
.....
......
.......
.......
.......
.............
x ...
.........

Basta observar la gráfica

→
− →
− →
− → −
− → →
− →
− →
−
Ahora, si P = (x, y, z), P0 = (x0 , y0 , z0 ), V = a1 i + b1 j + c1 k , W = a2 i + b2 j + c2 k y
comparamos coordenadas obtenemos


 x = x0 + a1 t + a2 k
y = y0 + b1 t + b2 k t, k ∈ R


z = z0 + c 1 t + c 2 k
que denominamos ecuaciones paramétricas del plano; t, k se denominan los parámetros.
Ahora bien, si miramos las ecuaciones paramétricas


 x − x0 = a1 t + a2 k
y − y0 = b1 t + b2 k (∗)


z − z0 = c 1 t + c 2 k

como un sistema de tres ecuaciones con dos incógnitas e intentamos resolverlo, su matriz
aumentada será:
 
a1 a2 x − x0
 
 b1 b2 y − y0 
c1 c2 z − z0
y al reducirla a forma escalonada obtenemos:
 
a1 a2 x − x0
 −b1 a2 + a1 b2 −b1 (x − x0 ) + a1 (y − y0 ) 
 0 
 
 0 0 −c1 b2 (x − x0 ) + c1 a2 (y − y0 ) + b1 c2 (x − x0 ) 
−b1 a2 (z − z0 ) − a1 c2 (y − y0 ) + a1 b2 (z − z0 )

es decir el sistema tiene solución si y solo si

−c1 b2 (x − x0 ) + c1 a2 (y − y0 ) + b1 c2 (x − x0 ) − b1 a2 (z − z0 ) − a1 c2 (y − y0 ) + a1 b2 (z − z0 ) = 0
182 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3

o lo que es lo mismo

(x − x0 ) (b1 c2 − c1 b2 ) + (y − y0 ) (c1 a2 − a1 c2 ) + (z − z0 ) (a1 b2 − b1 a2 ) = 0

y al observar cuidadosamente esta última ecuación vemos que es la ecuación cartesiana del
plano que pasa por P0 y tiene como vector normal
→
− →
− →
− → −
− → − →
N = (b1 c2 − c1 b2 ) i + (c1 a2 − a1 c2 ) j + (a1 b2 − b1 a2 ) k = V × W .

Es decir, hemos mostrado que la eliminación de los parámetros t, k de las ecuaciones

paramétricas (*) nos conduce a la ecuación vectorial
→ −
− → − → − → − →
→ −
P · V ×W = P0· V ×W

que evidentemente es la ecuación vectorial del plano mencionado. 

Proposición 37
n − → − → −
→ − →o
Sea P = P P · N = P 0 · N un plano que no contiene al origen, la distancia d del origen
−
→− →
P0 · N
al plano es d = →
−
N

Prueba.−

..
.....
z
.
.......................
..................................
...........................................
...
... .. ..
................................................................................
.
. .......................
.........................................................................
...................................................................................
............... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ...
.................................................................................................................................................................................................
...............................................................................................
.................................................................................................
................................................................................................
...............................................................................................
.................................................................................................
................................................................................................
...............................................................................................
................................................................................................
...............................................................................................
................................................................................................
................................................................................................
...........................................................................................................................................
.................................................................................................
.................................................................................................
................................................................................................
...........................................................................................................................................
......................................................................................................
....................................................................................................
...................................................................................................
...................................................................................................
... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ..
......................................................................................................
....... ..............................................................................................................................................................................................
....... ...............................................................................................
.... ......................................................................................................
..
. .............................................................................................
..... .....................................................................................
......... ..................................................................................................
...........................................................
....... ................................................
....... ........................................
..............................
.......... ....... .............. ......
..
. .. .......... ....
........
...
...
. .
.........
...
.. .
.......
. .. . . . ..
y
.
. . ..
................
P⃗1
x
... ..
..

→
− →
− →
− → −
− → − −
→ →
Si observamos la gráfica d = P 1 donde P1 ∈ P y P 1 = λ N , por tanto P 1 · N = λ N · N
− −
→ →
P 1·N
en consecuencia λ = → 2
− por lo tanto
N

→ −
− → → −
− →
→
− →
− →
− P1 · N −
→ P0 ·N
d = P 1 = λ N = |λ| N = N = −
→
→ 2
−
N N
 4.7. PLANOS EN EL ESPACIO 183

Proposición 38
n − → − → − → − →o n →
− −
→ −
→ − →o
Sean P = P P · N = P 0 · N y P ′ = P P · N = P 1 · N planos paralelos entonces la
distancia d entre P y P ′ está dada por

− −
→ → → −
− →
P0·N − P1·N
d= →
−
N

Prueba.−
Observar la gráfica

...
.. ..
z
................
.............................
.....................................
.................. ..............................
.........
...... .............................................................................................................
..... . . . . . . . . . . . . . . . . . . . . . . . . . . . .
..................................................................................
................ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .....
.........................................................................................................................................................................................................
.............................................................................................................
....................................................................................................................................................
................................................................................................................
.... ............ . . . . . . . . . . . . . . . . . . . . ..... . . . . . . . . . . . . . . . .....
...............................................................................................................................................................................................................
............... ...................................................................................................
............... ...................................................................................................
.................. ...................................................................................................
..... ....................................................................................................
..... ..............................................................................................................................................
..... ..... ...............................................................................................
..... ...................................................................................................
..... ...................................................................................................
..... ...................................................................................................
..... ...................................................................................................
..... ........................................................................................................
..... .......................................................................................................
..... .................................................................................................................................................
..... .......................................................................................................
..... .....................................................................................................
..... . . .
..... ..... ..................................................................................................
..... ... ..... ....................................................................................................................................................................................................
.
..... .. ........................................................................................................
..... .............. ........................................................................................................
..... .. . . ..
.. . .. . . . . . . . . . . . . . . . . . .. ... .... .. . . . .... ...... . . . . . . ...
... . . . . . .. .. . . . .. .
..
.....
.... .
..... ....... .....................................................................................
........ ........................................................................
....... ............................................................................ .....
..... ........ ............................................. .....
. ........ ..... ......................................
.........................
.....
.... ......
......... .. .... ..... ........
... ...... .. .. . ....... .... ............... ....
.. . . .. . . ..........
.......
... .
. ...
. ....... .. .
.. ... . .....
.......
.
. .
..
...
...
..
.............
..
....
..
..
...........
.
y
.. .......... .....
...............
.....
x ............... .....
..... .............................
.......

.....
..

Ejercicio para el lector. 

Finalmente, si miramos una a una las ecuaciones cartesianas de la recta que pasa por
→
− →
− →
− →
−
P0 = (x0 , y0 , z0 ) y tiene a V = a1 i + b1 j + c1 k como vector dirección,tenemos:

x − x0 y − y0
= es decir b(x − x0 ) − a(y − y0 ) = 0 ecuación de un plano paralelo al eje z.
a b
z − z0 x − x0
= es decir a(z − z0 ) − c(x − x0 ) = 0 ecuación de un plano paralelo al eje y.
c a
y − y0 z − z0
= es decir c(y − y0 ) − b(z − z0 ) = 0 ecuación de un plano paralelo al eje x.
b c

En conclusión toda recta en el espacio se puede ver como la intersección de tres planos uno
paralelo al eje x, uno paralelo al eje y y uno paralelo al eje z.
184 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3

.
......
.. ..
z ..........
..........
..........
..
...
.............
.
...
..........
....... ..........
....... ..........
....... ..........
...
. ......... ...
...
........... .................... l
... .. . .
....... ....... .... ..........
....... ....... ...............
....... ....... .............
....... ....... ..........
....... . ...... ............. ...................... .......
.
. . . . . . . .. ... .. .
. . .......
....... ...... ....... .............. .......
. . .. ....... .............. .......................... ..
............
...... ....... .......... .... .......
..... ......... ................... ........... ..............
....... .
..... ............ ....... ........
. .
...... ...................... ........... .............
..
. . .. ....... .
..
.
.. ...
. .........
..... ... . ...... . ..
......... ...... .......
.......
...
..
...
.................. ........... ..
...
..
.. . ..
.......... ..... ........ .......
.......... ............. .......
.......... ................. .......
.......... .......
..
....
..
........... .
... . . . .......
.. ....
.........
..........
..........
..........
..
..
..
..
........... ........
..... . .
.......... ..... .......
.......... ..... y
.........
.. .....
....
.....
x .....
.....
. ........
..
.........
.............

EJERCICIOS 4.7
1. En cada caso encuentre la ecuación del plano que se indica
→
− → −
− → →
−
a) Pasa por el punto P0 = (−1, 0, 3) y tiene a N = 2 i − j + 2 k como vector normal.
→
− →
− →
− →
−
b) Pasa por el punto P0 = (3, 0, 0) y tiene a N = − i − 7 j − 6 k como vector normal.
c) Contiene los puntos P1 = (6, 5, −2), P2 = (−1, 9, 1) y P3 = (−5, 6, −3).
d) Contiene los puntos P1 = (1, 3, 2), P2 = (1, 2, 0) y P3 = (5, 1, −2).

2. Encuentre la ecuación del plano que contiene la recta con ecuaciones paramétricas



x = 1 + t
y = 2 + 3t



z = −2 − t

y es perpendicular al plano definido por 2x − y − z = 0.

3. Dada la recta l que pasa por el punto P = (1, 2, 3) y es paralela al vector −→

u = (1, 1, 1),
y dado el punto Q = (2, 3, 5) que no está en l, hallar la ecuación cartesiana del plano
T que pasa por Q y que contiene todos los puntos de l.

4. Encuentre la ecuación del plano que contiene la recta con ecuaciones paramétricas



x = 1 + t
y = 2 + 3t



z = −2 − t

y es perpendicular al plano definido por 2x − y − z = 0

 4.7. PLANOS EN EL ESPACIO 185

5. Hallar la ecuación cartesiana del plano paralelo a los vectores i + j y j + k y que

intersecta el eje X en el punto P0 = (2, 0, 0).
→
−
6. Determine la ecuación del plano que pasa por el punto (1, 1, 1) si un vector normal N
→
− →
− →
−
forma ángulos de π3 , π4 y π3 con los vectores i , j , k respectivamente.

7. Encuentre la distancia entre el punto P0 = (2, 0, 0) y el plano cuya ecuación cartesiana

es 2x − 3x + 2y = 1.

8. Calcule la distancia entre los planos de ecuaciones

3x + y − 5z = 2 y 10z − 6x − 2y = 3
186 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3

4.8. EJERCICIOS DE CAPÍTULO

1. Si −
→
u = (4, −2, 1) y →
−
v = (3, −1, 2), realice las operaciones que se indican

a) −5−
→
u i) 3→
−
u + 8− →
v
b) −
→
u ×−→
v j) −2−→
u · (−
→
u ×−
→
v)
c) 0−
→
u k) ∥→
−
u +−→
v ∥2
d) −
→
u · (−
→
u ×−
→
v) l) −
→
u ·−
→
v − 2∥−→
u ∥ + 3∥−
→
u∥
e) (→
−
u − 3−→
v ) · (−
→
u ×−
→
v) m) (→
−
v ×− →
u ) × (−−
→
v)
→
− →
−
f) 2 v + u n) P roy−
→v→
−
u

g) →
−
u − 3−
→
v ñ) P roy−
→ →
−
v u

h) ∥−
→
v ×−→
u∥ o) ∥P roy−→−→
v∥ v

2. Considere los vectores −

→
u = (1, −1, 2); →
−
v = (−2, 2, −1); →
−
w = (0, −2, −1), calcule:

a) El área del paralelogramo determinado por −

→
u y−
→
v.
b) El área del paralelogramo determinado por −
→
w y−
→
v.
c) El volumen del paralelepı́pedo determinado por −
→
u,−
→
v y−
→
w.

3. Considere los vectores:

−
→
u = (−1, 5, 2); →
−v = (−3, 4, 1); −
→
w = (6, 3, −5);
→
−
z = (−24, 26, −6)

determine, si existen, constantes α , β y δ tales que α−

→
u − β−
→
z + δ−
→
w =−
→
v.

4. Halle un vector con punto inicial P = (1, −2, 3) y que tenga la misma dirección que el
vector −
→
u = (−3, 2, 1)

5. Halle un vector que tenga punto final Q = (−1, 3, −4), la misma dirección que el vector
→
−
v = (−5, 0, 3) y sentido opuesto a −
→
v

6. Dados los vectores −

→u = (−1, 2, 3); −→
v = (3, 5, −4); −→
w = (−2, 1, 3), determine, si
existen, las componentes de un vector z tal que 2 u − 3−
→
− →
− →
z − 2−
→
v =−→z − 5−→w

7. Determine el valor de k para que los vectores →

−
u = (12, −8, −3); →
−
v = (2k, 11, 2) sean
perpendiculares.

8. Determine tres vectores perpendiculares al vector −

→
u = (5, 2, −3) que no sean
paralelos entre si.

9. Considere los vectores −

→
u = (−4, 3, 2); →
−
v = (2, 4, −3); →
−
w = (−2, −4, 3), calcule
 4.8. EJERCICIOS DE CAPÍTULO 187

a) →
−
v ×−
→
u +−
→
v ×−
→
w c) (→
−
v ×−
→
w) · −
→
u
b) −
→
w ×−
→
u ×−
→
v d) (−
→
u ×−
→
v)·− →
w

10. Determine el valor de t para el cual los vectores −

→
u = (5, −3, 2); →
−
v = (5, −t, 3);
→
−
w = (−7, 4, 1) sean coplanares.

11. Dados los vectores −

→
u = (1, 2, −3); −→
v = (2, −3, 1) , determine, si existe, un vector −
→
w
→
− →
− →
− √
perpendicular a u y a v , tal que ∥ w ∥ = 3.

12. Calcule el volumen del tetraedro construido sobre los vectores →

−
u = (−4, 5, 7); →
−
v =
→
− →
− →
−
(8, −7, 10) y w = v × u .

13. Dados los vectores −→

u = (1, −1, 2); − →
v = (3, 1, −1) determine todos los vectores
perpendiculares a u , que sean coplanares con −
→
− →
u y−→
v.

14. Determine, si existe, un vector −

→
u de igual dirección que el vector →
−
v = (4, 2, 3) y tal
→
−
que determine con el vector w = (1, −3, 2) un paralelogramo de área 64 unidades
cuadradas.

15. Encuentre la ecuación del plano paralelo al vector − →u = (3, −1, 29), si contiene a la
recta de intersección de los planos de ecuaciones x + y = 3 y 2y + 3z = 4

16. Sean −→u, −

→v , vectores unitarios y perpendiculares en el espacio y →
−
w un vector que
→
− →
− →
− →
−
satisface la ecuación w × v = u − w . Verifique que
√
a) →
−
w es perpendicular a −
→
v b) ∥−
→
w∥ = 2
2

17. Encuentre la ecuación del plano que contiene la recta con ecuaciones paramétricas


 =1−t
x
y = −2 + 3t



z = −3 − 2t

y es perpendicular al plano definido por x − 2y + 3z = 0

18. Sean −→
u, −
→v,−→
w vectores en el espacio, tales que el ángulo entre −
→
u y−→
w es igual que el
ángulo entre v y w . Verifique que w es perpendicular al vector ∥ v ∥ −
→
− →
− →
− →
− →
u − ∥−→
u∥− →
v.

19. Dada la recta l que pasa por el punto P = (1, 2, 3) y es paralela al vector −→u = (1, 1, 1)
y dado el punto Q = (2, 3, 5) que no está en l, hallar la ecuación cartesiana del plano
T que pasa por Q y que contiene todos los puntos de l.
188 CAPÍTULO 4. VECTORES DEL ESPACIO USUAL, R2 Y R3

20. Encuentre la ecuación del plano que contiene la recta con ecuaciones paramétricas



x = 1 + t
y = 2 + 3t



z = −2 − t

y es perpendicular al plano definido por 2x − y − z = 0

21. Sean los puntos A = (1, −1, 1), B = (2, 3, −1) y C = (−1, 2, 2); O el origen del sistema
de coordenadas cartesianas y P = (x, y, z) cualquier punto del espacio.
−→ −−→ −−→ −→ −−→ −−→
a) Calcular OA · OB × OC y OA × OB × OC .
−−→
b) Encontrar todos los valores de x, y, z tales que el vector OP sea unitario y
−−→ −→ −−→
perpendicular a OC y que el punto P esté en el plano de los vectores OA y OB.

22. Sean −
→
u,−
→
v vectores no paralelos y −
→
w = (−
→
v ×−
→
u)−−
→
v.

a) Verifique que −
→u es ortogonal a −→
v +− →
w.
b) Si ∥−
→
v ∥ = 1 y ∥−
→v ×−→
u ∥ = 2 , calcular ∥−
→
w∥

23. Determine la ecuación del plano que pasa por el punto (−1, 2, −3) si un vector normal
→
− → −
− → − →
N forma ángulos de π6 , π3 y π4 con los vectores i , j y k respectivamente.
 C AP ÍTULO 5

ESPACIOS VECTORIALES
REALES

5.1. DEFINICIÓN Y PROPIEDADES

Definición 1

Consideramos un conjunto V ̸= ∅ y R el campo de los números reales. Sea + una adición

definida sobre V tal que:

1. Para todo −
→
v ,→
−
u ∈ V , la suma −
→
w =−
→
v +−
→
u ∈ V ( Propiedad Clausurativa)

2. Para todo −
→
v ,→
−
u,−
→
z ∈ V , (−
→
v +−
→
u)+−
→
z =−
→
v + (−
→
u +−
→
z ) ( Propiedad Asociativa).
→
− → −
− → → −
3. Existe 0 ∈ V, tal que para todo −
→
v ∈V,−
→
v + 0 = 0 +−
v =→
v (Propiedad Modulativa).
→
−
4. Para todo −
→
v ∈ V existe −
→
w ∈ V tal que −
→
v +−
→
w =−
→
w +−
→
v = 0 ( Propiedad Invertiva).

5. Para todo −
→
v ,→
−
u ∈V,−
→
v +−
→
u =−
→
u +−
→
v ( Propiedad Conmutativa).

Sea además, (·) una multiplicación de un número real por un elemento de V , tal que:

6. Para todo λ ∈ R y para todo−

→
v ∈V,−
→
w =λ·−
→
v ∈V

7. Para todo λ, µ ∈ R y para todo −

→
v ∈ V , (λ · (µ · −
→
v )) = (λµ) · −
→
v

8. Para todo λ, µ ∈ R y para todo −

→
v ∈ V , (λ + µ) · −
→
v =λ·−
→
v +µ·−
→
v

9. Para todo λ ∈ R y para todo −

→
v ,−
→
u ∈ V , λ · (−
→
v +−
→
u)= λ·−
→
v +λ·−
→
u

10. Para todo −

→
v ∈ V y para 1 ∈ R, 1 · −
→
v =−
→
v

Decimos entonces ⟨V, +, · ⟩ es un espacio vectorial real a izquierda.

189
190 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

Los elementos del conjunto V se denominan vectores y los números reales se denominan
escalares. En adelante, la operación λ · −→
v se escribirá como λ−
→
v ; además, se notará un
espacio vectorial ⟨V, +, · ⟩ simplemente por V .

Observación. Puesto que en nuestro tratamiento solo utilizamos el campo R como

campo de escalares y en el producto de un escalar por un vector el escalar siempre aparece
a la izquierda, no hay confusión si solo nos referimos a espacios vectoriales y ası́ lo haremos.

→
−
Notación. 0 ∈ V, se denomina el módulo o elemento idéntico de V y para cada −→v ∈ V
→
−
el vector w ∈ V tal que v + w = w + v = 0 se denomina el opuesto de −
→
− →
− →
− →
− →
− →
v y
se nota −− →v , (−
→w = −−
→
v ) en consecuencia reescribimos la ecuación de la propiedad 4,
→
−
ası́. −
→
v + (−−
→v ) = (−−
→
v)+− →
v = 0

El lector observará que ya conocemos algunos ejemplos de espacios vectoriales.

Ejemplo 1

V el conjunto de vectores en el espacio usual con la adición de vectores y multiplicación de

un real por un vector, usuales.

Ejemplo 2

V = Rn , n = 1, 2, 3 con las operaciones usuales de adición de elementos de Rn , n = 1, 2, 3 y

de multiplicación de un real por un elemento de Rn , con n = 1, 2, 3.

Ejemplo 3

V = M (m, n), n y m enteros positivos, con las operaciones usuales de adición de matrices y
de multiplicación de un real por una matriz.

Otros ejemplos:

Ejemplo 4
n−→ −→ o
V = Rn = X | X = (x1 , x2 , ..., xn ) , xi ∈ R, n ∈ Z+ con las operaciones definidas ası́:

→
− →
−
Si X = (x1 , x2 , ..., xn ) ∈ Rn y Y = (y1 , y2 , ..., yn ) ∈ Rn , entonces
− −
→ →
X + Y = (x1 + y1 , x2 + y2 , ..., xn + yn ) ,
→
−
y si X = (x1 , x2 , ..., xn ) ∈ Rn y λ ∈ R
→
−
λ X = (λx1 , λx2 , ..., λxn )
 5.1. DEFINICIÓN Y PROPIEDADES 191

Ejemplo 5

V = P2 [x] = p(x) p(x) = a0 + a1 x + a2 x2 , a0 , a1 , a2 ∈ R con las operaciones definidas
ası́:

Si p(x) = a0 + a1 x + a2 x2 y q(x) = b0 + b1 x + b2 x2 , entonces

r(x) = p(x) + q(x) = (a0 + b0 ) + (a1 + b1 ) x + (a2 + b2 ) x2

y si λ ∈ R y p(x) = a0 + a1 x + a2 x2 entonces

λ(p(x)) = λp(x) = λa0 + λa1 x + λa2 x2

Ejemplo 6

V = Pn [x] = p(x) | p(x) = a0 + a1 x + a2 x2 + · · · + an xn , a0 , a1 , · · · , an ∈ R, n ∈ Z+ con las
operaciones definidas ası́:

Si p(x) = a0 + a1 x + · · · + an xn y q(x) = b0 + b1 x + · · · + bn xn entonces

r(x) = p(x) + q(x) = (a0 + b0 ) + (a1 + b1 ) x + · · · + (an + bn ) xn

Si λ ∈ R y p(x) = a0 + a1 x + · · · + an xn entonces

λ(p(x)) = λp(x) = λa0 + λa1 x + · · · + λan xn

Ejemplo 7

V = F (x) = {f | f es una función de variable real con valor real} con las operaciones
definidas ası́:

Si f, g ∈ F (x) entonces
(f + g) (x) = f (x) + g(x)

y si λ ∈ R y f ∈ F (x) entonces
λ · (f (x)) = λf (x).

El lector verificará en cada caso el cumplimiento de las propiedades.

Ejemplo 8

V = {(x, y) | Ax + By = 0, x, y ∈ R, A, B reales fijos} con las operaciones usuales en R2 .

Verificación.-
192 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

Basta verificar las propiedades (1),(3),(4) y (6) de la definición 1 puesto que las otras se
verifican de manera inmediata por el hecho que V ⊂ R2 , ası́ tenemos:

Propiedad 1. Suponemos (x1 , y1 ) ∈ V, (x2 , y2 ) ∈ V , es decir Ax1 + By1 = 0 y Ax2 + By2 = 0

y por tanto
(Ax1 + By1 ) + (Ax2 + By2 ) = 0 + 0 = 0

y como
A (x1 + x2 ) + B (y1 + y2 ) = (Ax1 + By1 ) + (Ax2 + By2 ) = 0

entonces
(x1 + x2 , y1 + y2 ) ∈ V

Propiedad 3. Puesto que A(0) + B(0) = 0 entonces (0, 0) ∈ V y obviamente para todo
(x, y) ∈ V, (x, y) + (0, 0) = (0, 0) + (x, y) = (x, y).

Propiedad 4. Si (x1 , y1 ) ∈ V entonces

Ax1 + By1 = 0

y en consecuencia
A(−x1 ) + B(−y1 ) = −(Ax1 + By1 ) = −0 = 0

es decir (−x1 , −y1 ) ∈ V y claramente

(x1 , y1 ) + (−x1 , −y1 ) = (−x1 , −y1 ) + (x1 , y1 ) = (0, 0)

.
Propiedad 6. Si λ ∈ R y (x1 , y1 ) ∈ V es decir si λ ∈ R y Ax1 + By1 = 0 entonces

A (λx1 ) + B (λy1 ) = λ (Ax1 + By1 ) = λ 0 = 0,

es decir
(λx1 , λy1 ) = λ (x1 , y1 ) ∈ V.

Si evocamos la identificación geométrica de R2 con el plano, hemos probado que toda recta
que pasa por el origen tiene estructura de espacio vectorial.

Proposición 1

Sea V un espacio vectorial.

→
−
1. El módulo 0 ∈ V es único.
 5.1. DEFINICIÓN Y PROPIEDADES 193

2. Para cada −
→
v ∈ V su opuesto (−−
→
v ) es único.

Prueba.−
−
→ → −
− → − → − →
1. Si suponemos 0 ′ ∈ V es otro módulo entonces 0 = 0 + 0 ′ = 0′ .

2. Si suponemos −
→
w1 y −
→
w 2 opuestos de −
→
v entonces

−
→ → →
− → →
−
w1 = −
→
w1 + 0 = −
w 1 + (−
→
v +−
→
w 2 ) = (−
→
w1 + −
→
v)+−
→
w2 = 0 + −
w2 = −
→
w2 

Proposición 2
→
−
Sea V un espacio vectorial, 0 ∈ R, 0 ∈ V, entonces
→
−
1. Para todo −
→
v ∈ V, 0−
→
v = 0.
→ −
− →
2. Para todo λ ∈ R, λ 0 = 0 .

3. Para todo −
→
v ∈ V, (−1)−
→
v = −−
→
v.
→
− →
−
4. Si λ−
→
v = 0 entonces λ = 0 o →
−
v = 0.

Prueba.−
→
−
1. Como 0−
→v + 0−
→
v = (0 + 0)−
→
v = 0−
→
v entonces por la proposición 1.1 0−
→
v = 0
→
− −
→ − → →
− →
− → −
− →
2. Como λ 0 = λ 0 + 0 = λ 0 + λ 0 entonces por la proposición 1.1 λ 0 = 0 .
→
−
3. Como 0 = 0 −→v = (1+(−1))− →v =−
→v +(−1)−
→
v entonces (−1)−
→
v = −−→v , por la proposición
1.2.
→
− 
→
→
−→ − →
4. Si λ−→
v = 0 y λ ̸= 0 entonces −
→
v = 1−
→
v = λ1 λ − v = λ1 (λ−v ) = λ1 0 = 0 . 

EJERCICIOS 5.1
1. Determine si el conjunto dado con las operaciones indicadas en cada caso, tiene
estructura de espacio vectorial. Justifique su respuesta.

a) V = p(x) ∈ P3 [x] | p(x) = ax3 + b, a, b ∈ R con las operaciones usuales en P3 [x].
( ! )
a b
b) V = ∈ M (2, 2) | a + d = c + b con las operaciones usuales en
c d
M (2, 2), con m y n enteros positivos.
c) V = {(x, y, z) ∈ R3 | x = 2t, y = −t, z = −5t; t ∈ R} con las operaciones usuales en
R3 .
194 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

2. En cada uno de los ejemplos 4, 5, 6 y 7. Verifique de manera explı́cita que ⟨V, +, · ⟩ es

un espacio vectorial.

3. Considere V = R, con la adición usual y el producto de un real λ por un elemento

x ∈ R la multiplicación usual de números reales. Pruebe que ⟨R, +, · ⟩ es un espacio
vectorial.

4. Considere V = R2 y las operaciones de adición ⊕ y multiplicación ⊙ de un real por

un elemento de V, definidas de la siguiente manera: Si (x1 , y1 ) ∈ V y (x2 , y2 ) ∈ V
entonces
(x1 , y1 ) ⊕ (x2 , y2 ) = (x1 + x2 + 1, y1 + y2 + 1)

y si λ ∈ R, (x, y) ∈ V entonces

λ ⊙ (x, y) = (λ(1 + x) − 1, λ(1 + y) − 1) .

Diga si ⟨V, ⊕, ⊙⟩ es o no un espacio vectorial y por qué?

5.2. SUBESPACIOS
Definición 2

Sea ⟨V, +, · ⟩ un espacio vectorial, W ⊂ V tal que ⟨W, +, ·⟩ es un espacio vectorial, decimos
que ⟨W, +, ·⟩ es un subespacio de ⟨V, +, · ⟩

Ejemplo 9
n−
→o
Sea V un espacio vectorial, entonces V y V−
→ =
0
0 , claramente son subespacios, los
denominamos subespacios triviales.

Ejemplo 10

W = {(x, y, z)| Ax + By + Cz = 0} es un subespacio de R3 .

Verificación.-
Basta verificar las propiedades (1), (3), (4) y (6) de la definición 1. puesto que las otras se
verifican de manera inmediata por el hecho que W ⊂ R3 , ası́ tenemos:

Propiedad 1- Suponemos que (x1 , y1 , z1 ) ∈ W, (x2 , y2 , z2 ) ∈ W, es decir

Ax1 + By1 + Cz1 = 0 y Ax2 + By2 + Cz2 = 0

y por tanto
(Ax1 + By1 + Cz1 ) + (Ax2 + By2 + Cz2 ) = 0 + 0 = 0
 5.2. SUBESPACIOS 195

es decir

A (x1 + x2 ) + B (y1 + y2 ) + C(z1 + z2 ) = (Ax1 + By1 + Cz1 ) + (Ax2 + By2 + Cz2 ) = 0

es decir
(x1 + x2 , y1 + y2 , z1 + z2 ) ∈ W
Propiedad 3- Puesto que A(0) + B(0) + C(0) = 0 entonces (0, 0, 0) ∈ W y obviamente para
todo (x, y, z) ∈ W, se tiene que

(x, y, z) + (0, 0, 0) = (0, 0, 0) + (x, y, z) = (x, y, z)

Propiedad 4- Si (x1 , y1 , z1 ) ∈ W entonces Ax1 + By1 + Cz1 = 0 y en consecuencia

A(−x1 ) + B(−y1 ) + C(−z1 ) = −(Ax1 + By1 + Cz1 ) = −0 = 0

es decir (−x1 , −y1 , −z1 ) ∈ W y claramente

(x1 , y1 , z1 ) + (−x1 , −y1 , −z1 ) = (−x1 , −y1 , z1 ) + (x1 , y1 , z1 ) = (0, 0,0) .

Propiedad 6- Si λ ∈ R y (x1 , y1 , z1 ) ∈ W es decir si λ ∈ R y Ax1 + By1 + Cz1 = 0 entonces

A (λx1 ) + B (λy1 ) + C (λz1 ) = λ (Ax1 + By1 + Cz1 ) = λ 0 = 0,

es decir
(λx1 , λy1 , λz1 ) = λ (x1 , y1 , z1 ) ∈ W.
Si evocamos la identificación geométrica de R3 con el espacio, hemos mostrado que todo
plano que pasa por el origen tiene estructura de subespacio de R3 .

Ejemplo 11

Sea n entero positivo, W = {A ∈ M (n, n)) | A es simétrica} es un subespacio de M (n, n)

Verificación.-
Nuevamente basta verificar las propiedades (1), (3), (4) y (6) de la definición 1. puesto
que las otras se verifican de manera inmediata por el hecho que W ⊂ M (n, n), ası́ tenemos:

Propiedad 1- Si A, B son matrices n × n simétricas, es decir AT = A y B T = B, entonces

(A + B)T = AT + B T = A + B

es decir (A + B) es una matriz n × n simétrica.

Propiedad 3- Evidentemente la matriz 0n×n es simétrica.

196 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

Propiedad 4- Si A es una matriz simétrica n × n, es decir AT = A, entonces

(−A)T = [(−1)A]T = (−1)AT = (−1)A = −A

y claramente
A + (−A) = (−A) + A = 0.

Propiedad 6- Si λ ∈ R y A es una matriz simétrica n × n,

(λA)T = λ AT = λ A,

es decir λ A es una matriz simétrica n × n.

Ejemplo 12

Sea AX = 0 un sistema homogéneo de ecuaciones lineales, A ∈ M (n, m) y

W = {(α1 , α2 , · · · , αm ) ∈ Rm |(α1 , α2 , · · · , αm ) es una solución de AX = 0} ,

entonces W es un subespacio de Rm .

Verificación.-
Nuevamente basta verificar las propiedades (1), (3), (4) y (6) de la definición 1. puesto que
las otras se verifican de manera inmediata por el hecho que W ⊂ Rm y la dejamos al lector.

Ejemplo 13

Sea
W = {p(x) ∈ P2 [x] | a0 = a1 + a2 + 1}

puesto que el polinomio 0 = 0+0x+0x2 ∈

/ W , W no satisface la propiedad 3, en consecuencia
W no es un subespacio de P2 [x] .

Ejemplo 14

Sea

W = (x, y) ∈ R2 | xy ≥ 0 ,

puesto que (−1, −4) ∈ W, (4, 5) ∈ W y sin embargo

(−1, −4) + (4, 2) = (3, −2) y 3(−2) = −6 < 0

es decir
[(−1, −4) + (4, 2)] ∈
/ W,

en consecuencia W no es un subespacio de R2 .
 5.2. SUBESPACIOS 197

Si observamos cada una de las verificaciones en los ejemplos, vemos que para verificar que
un cierto subconjunto de un espacio vectorial, con las mismas operaciones, tiene estructura
de espacio vectorial y por lo tanto es subespacio basta verificar las propiedades (1), (3), (4)
y (6) de la definición 1. en consecuencia enunciamos y probamos el siguiente criterio.

Proposición 3

Sea V un espacio vectorial W ⊂ V , W es un subespacio de V si y solamente si

1. W ̸= ∅

2. Para todo −
→
w 1 ∈ W, −
→
w2 ∈ W; →
−
w1 + −
→
w2 ∈ W
−→
3. Para todo λ ∈ R y para todo −
→
w ∈ W; λw ∈ W.

Prueba.−
Si suponemos W un subespacio de V , la propiedad (1) de la definición 1 es precisamente
la condición (2), la propiedad (6) de la definición 1 es precisamente la condición (3) y la
propiedad (3) de la definición 1 verifı́ca la condición (1).

Recı́procamente, suponemos las condiciones (1),(2),(3) y verificamos la definición 1:

Propiedad 1. Es la condición (2).

Propiedad 2. Se cumple en W puesto que se cumple en V.

−
→
Propiedad 3. Por la condición (1), sea →
−
w ∈ W entonces 0 ∈ V se puede expresar como
→
−
0 = 0−→
w ∈ W.

Propiedad 4. Para todo −

→
w ∈ W, la condición (3) garantiza que

(−1)−
→
w = −−
→
w ∈ W.

Propiedad 5. Se cumple en W puesto que se cumple en V.

Propiedad 6. Es la condición (3).

Propiedad 7. Se cumple en W puesto que se cumple en V.

Propiedad 8. Se cumple en W puesto que se cumple en V.

Propiedad 9. Se cumple en W puesto que se cumple en V.

198 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

Propiedad 10. Se cumple en W puesto que se cumple en V. 

Obviamente en lo que sigue, cada vez que necesitemos probar que un subconjunto W de
un espacio vectorial V tiene calidad de subespacio, solo utilizaremos el criterio probado en
la proposición anterior, además por costumbre, para verificar la condición (1) probamos
→
−
que 0 ∈ W.

Ejemplo 15

Claramente el conjunto P de puntos del espacio que constituyen un plano que no pasa por
→
−
el origen no tiene estructura de subespacio de R3 puesto que 0 ∈
/ P.

Ejemplo 16

Sean V = F (x) , W = Fp (x) = {f ∈ F (x) | f es una función par}

1. Claramente la función idénticamente 0, es decir f (x) = 0 para todo x ∈ R, es tal que

f (−x) = f (x) = 0, es decir es una función par.

2. Si f y g son funciones pares entonces,

(f + g) (−x) = f (−x) + g(−x) = f (x) + g(x) = (f + g)(x)

para todo x ∈ R es decir (f + g) es una función par.

3. Si λ ∈ R y f es un función par entonces

(λf ) (−x) = λf (−x) = λf (x) = (λf )(x)

para todo x ∈ R es decir (λf ) es una función par.

En consecuencia Fp (x) es un subespacio de F (x)

Ejemplo 17

Sean V = F (x) , W = C (x) = {f ∈ F (x) | f es una función continua en R}

1. Claramente la función idénticamente 0, es decir f (x) = 0 para todo x ∈ R, es una

función continua en R.

2. Si f y g son funciones continuas en R, entonces (f + g) es una función continua en R.

3. Si λ ∈ R y f es un función continua en R entonces (λf ) es una función continua en

R.

En consecuencia C (x) es un subespacio de F (x) .

 5.2. SUBESPACIOS 199

Ejemplo 18

Una función f ∈ F (x) , se dice una función polinómica si está definida por una ecuación de
la forma f (x) = a0 + a1 x + a2 x2 + · · · + an xn , a0 , a1 , · · · , an ∈ R, n ∈ Z+ .

Sean V = F (x) , W = P = {f ∈ F (x) |f es una función polinómica} .

1. Claramente la función idénticamente 0, es decir f (x) = 0 para todo x ∈ R, es una

función polinómica.

2. Si f y g son funciones polinómicas, es decir f (x) = a0 + a1 x + a2 x2 + · · · + an xn ,

a0 , a1 , · · · an ∈ R, n ∈ Z+ y g(x) = b0 + b1 x + b2 x2 + · · · + bn xn , b0 , b1 , · · · , bn ∈ R, n ∈ Z+
entonces (f + g)(x) = (a0 + b0 ) + (a1 + b1 ) x + (a2 + b2 ) x2 + · · · + (an + bn ) xn es decir
(f + g) es una función polinómica.

3. Si λ ∈ R y f una función polinómica entonces f (x) = a0 + a1 x + a2 x2 + · · · + an xn ,

a0 , a1 , · · · , an ∈ R, n ∈ Z+ y


λf (x) = λ a0 + a1 x + a2 x2 + · · · + an xn = λa0 + λa1 x + λa2 x2 + · · · + λan xn

es decir λf es una función polinómica.

En consecuencia P (x) es un subespacio de F (x) .

Ejemplo 19

Sea W = {(x, y, z) | x ≥ 0, y ≥ 0, z ≥ 0} ⊂ R3
→
−
1. Obviamente 0 ∈ W .

2. Si (x1 , y1 , z1 ) ∈ W y (x2 , y2 , z2 ) ∈ W es claro que (x1 , y1 , z1 ) + (x2 , y2 , z2 ) ∈ W,

sin embargo si (x1 , y1 , z1 ) ∈ W entonces (−1)(x1 , y1 , z1 ) = (−x1 , −y1 , −z1 ) ∈ / W, en
consecuencia W no es un subespacio de R . 3

Ejemplo 20

Consideremos un sistema homogéneo de ecuaciones lineales AX = 0, donde A ∈ M (m, n),

el conjunto S = {B ∈ M (n, 1) | AB = 0 } es un subespacio de M (n, 1) denominado el espacio
de soluciones del sistema o el espacio nulo de A.

1. Claramente 0n×1 ∈ S.

2. Si B, C ∈ M (n, 1) son tales que AB = 0 y AC = 0 entonces A(B + C) = 0.

3. Si λ ∈ R, B ∈ M (n, 1) son tales que AB = 0 entonces A (λB) = λ(AB) = 0

En consecuencia S es un subespacio.
200 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

Proposición 4

Sea V un espacio vectorial, W1 y W2 subespacios de V entonces W1 ∩ W2 es un subespacio

de V.

Prueba.−
→
− →
− →
−
1. Claramente 0 ∈ W1 y 0 ∈ W2 en consecuencia 0 ∈ W1 ∩ W2 .

2. Suponemos −→
w 1 ∈ W1 ∩ W2 , −
→w 2 ∈ W1 ∩ W2 entonces −→
w 1 ∈ W1 , −
→
w 2 ∈ W1 y puesto que
W1 es subespacio entonces w 1 + w 2 ∈ W1 ; de la misma forma w 1 ∈ W2 , −
→
− →
− →
− →
w 2 ∈ W2 y
→
− →
− →
− →
−
puesto que W2 es subespacio entonces w 1 + w 2 ∈ W2 ası́, w 1 + w 2 ∈ W1 ∩ W2 .

3. Suponemos λ ∈ R, − →
w ∈ W1 ∩ W2 , puesto que W1 es subespacio entonces λ−
→w ∈
→
−
W1 ; de la misma forma puesto que W2 es subespacio λ w ∈ W2 y en consecuencia
λ→
−
w ∈ W1 ∩ W2 . 

Proposición 5

Sea V un espacio vectorial, W1 y W2 subespacios de V , sea

W1 ⊕ W2 = {−
→
v ∈V |v=−
→
w1 + −
→
w 2 para −
→
w 1 ∈ W1 , −
→
w 2 ∈ W2 }

entonces W1 ⊕ W2 es un subespacio de V .

Prueba.−
→
− →
− → −
− → −→
1. Claramente 0 ∈ W1 y 0 ∈ W2 en consecuencia 0 = 0 + 0 ∈ W1 ⊕ W2 .

2. Si −
→
v 1 ∈ W1 ⊕ W2 , −
→v 2 ∈ W1 ⊕ W2 entonces −
→v1=− →
w1 +−→
w 2 con −
→
w 1 ∈ W1 , →
−
w 2 ∈ W2 y
→
− →
− ′ →
− ′ →
− ′ →
− ′
v 2 = w 1 + w 2 con w 1 ∈ W1 , w 2 ∈ W2 en consecuencia,




(−
→
v1+−
→
v 2 ) = (−
→
w1 + −
→
w 2) + →
−
w ′1 + −
→
w ′2 = →
−
w1 + −
→
w ′1 + →
−
w2 + −
→
w ′2 ∈ W1 ⊕ W2 .

3. Suponemos λ ∈ R, v ∈ W1 ⊕ W2 entonces v = w1 + w2 con w1 ∈ W1 , w2 ∈ W2 y en

consecuencia λv = λ (w1 + w2 ) = λw1 + λw2 ∈ W1 ⊕ W2 

Definición 3

Sea V un espacio vectorial, −

→
v 1, −
→
v 2, · · · , −
→
v n vectores de V y λ1 , λ2 , · · · , λn ∈ R y sea

X
k=n
−
→
w = λ1 −
→
v 1 + λ2 −
→
v 2 + · · · + λn −
→
vn= λk −
→
vk
k=1

decimos que →
−
w es una combinación lineal de {−
→
v 1, −
→
v 2, · · · , →
−
v n }.
 5.2. SUBESPACIOS 201

Ejemplo 21

Sea V un espacio vectorial, −

→
v 1, −
→
v 2, · · · , −
→
v n vectores de V, puesto que
−
→
0 = 0−
→
v 1 + 0−
→
v 2 + · · · + 0−
→
vn
→
−
afirmamos que 0 es combinación lineal de {−
→
v 1, −
→
v 2, · · · , →
−
v n }.

Ejemplo 22

Sea V = R2 y puesto que

(0, 0) = (2)(3, 4) + (−1)(6, 8)

afirmamos que (0, 0) es combinación lineal de los vectores {(3, 4), (6, 8)}

Ejemplo 23

Sea V = M (2, 2) puesto que

! ! !
0 −1 0 −1 0 0
= (1) + (4) ,
1 4 1 0 0 1
podemos afirmar que !
0 −1
1 4
( ! !)
0 −1 0 0
es combinación lineal de , .
1 0 0 1

Ejemplo 24

Sea V = M (2, 2) puesto que

! ! ! !
0 −1 0 1 0 0 0 0
= (−1) + (1) + (4) ,
1 4 0 0 1 0 0 1
podemos afirmar que !
0 −1
1 4
( ! ! !)
0 1 0 0 0 0
es combinación lineal de , ,
0 0 1 0 0 1

Ejemplo 25

Sea V = M (2, 3) puesto que

202 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

! ! ! !
1 3 −2 1 0 0 0 0 1 0 1 0
= (1) + (−2) + (3) ,
0 1 2 0 1 0 0 0 −1 0 0 0
podemos afirmar que
!
1 3 −2
0 1 2
( ! ! !)
1 0 0 0 0 1 0 1 0
es una combinación lineal de , , .
0 1 0 0 0 −1 0 0 0

Ejemplo 26

Sea V = R3 . Observe que

(3, 2, 1) = (−1)(1, 2, 3) + (4)(0, −1, 2) + (4)(1, 2, −1) + (0)(5, 0, 1)

y que
(3, 2, 1) = (6)(1, 2, 3) + (−16)(0, −1, 2) + (−13)(1, 2, −1) + (2)(5, 0, 1)
y que además,
5 9
(3, 2, 1) = (1, 2, 3) − 6(0, −1, 2) − (1, 2, −1) + 1(5, 0, 1)
2 2
es decir, (3, 2, 1) ha sido escrito como combinación lineal de

{(1, 2, 3), (0, −1, 2), (1, 2, −1), (5, 0, 1)}

de varias formas diferentes. ¿Puede el lector encontrar otra?

Proposición 6

Sea V un espacio vectorial, W ̸= ∅, W ⊂ V y sea

L(W ) = {−
→
v ∈V |−
→
v es una combinación lineal de vectores de W }

entonces L(W ) es un subespacio de V.

Prueba.−
→
−
1. Sea −
→
w ∈ W entonces 0 = 0−
→
w ∈ L(W ).

2. Suponemos −
→
v ∈ L(W ), −
→
v ′ ∈ L(W ), entonces existen −
→
w 1, · · · , −
→
w n ∈ W tales que

X
k=n
−
→
v = λ1 −
→
w 1 + λ2 −
→
w 2 + · · · + λn −
→
wn = λk −
→
wk y
k=1
 5.2. SUBESPACIOS 203

X
k=n
−
→
v ′ = µ1 −
→
w 1 + µ2 −
→
w 2 + · · · + µn −
→
wn = µk −
→
wk
k=1
para algunos λ1 , λ2 , · · · , λn ∈ R y µ1 , µ2 , · · · , µn ∈ R entonces,
−
→
v +−
→
v ′ = (λ1 −
→
w 1 + λ2 −
→
w 2 + · · · + λn −
→
w n ) + (µ1 −
→
w 1 + µ2 −
→
w 2 + · · · + µn −
→
w n)
X
k=n
= (λ1 + µ1 ) →
−
w 1 + (λ2 + µ2 ) −
→
w 2 + · · · + (λn + µn ) −
→
wn = (λk + µk ) −
→
w k ∈ L(W )
k=1

3. Suponemos λ ∈ R, −
→
v ∈ L(W ) entonces existen −
→
w 1, −
→
w 2, · · · , −
→
w n ∈ W tales que
X
k=n
−
→
v = λ1 −
→
w 1 + λ2 −
→
w 2 + · · · + λn −
→
wn = λk −
→
wk
k=1

y en consecuencia
X
k=n X
k=n
λ→
−
v = λ (λ1 −
→
w 1 + λ2 −
→
w 2 + · · · + λn −
→
w n) = λ (λk →
−
w k) = (λλk ) −
→
w k ∈ L(W ) 
k=1 k=1

Definición 4

Sea V un espacio vectorial, W ̸= ∅, W ⊂ V , el subespacio L(W ) se denomina el subespacio

de V generado por W o también la envolvente lineal de W.

Definición 5

Sea V un espacio vectorial, W = ∅, definimos el subespacio L(∅) = {0} .

L(W ) también se nota como Gen [W ] o [W ] o ⟨W ⟩.

Ejemplo 27

Sea W = {(1, 2)} ⊂ R2 entonces


L(W ) = (x, y) ∈ R2 | (x, y) = λ(1, 2)

= (x, y) ∈ R2 | x = λ y y = 2λ, λ ∈ R

= (x, y) ∈ R2 | y = 2x

Si recordamos la interpretación geométrica de R2 , el ejemplo muestra que L ({(1, 2)}) es

precisamente la recta determinada por los puntos (0, 0) y (1, 2).

Ejemplo 28

Sea W = {(1, 2, 3)} ⊂ R3 entonces

 
L(W ) = (x, y, z) ∈ R3 | (x, y, z) = λ(1, 2, 3) = (x, y, z) ∈ R3 | x = λ, y = 2λ y z = 3λ, λ ∈ R
204 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

Si recordamos la interpretación geométrica de R3 y la descripción paramétrica de una recta

en el espacio, el ejemplo muestra que L ({(1, 2, 3)}) es precisamente la recta que pasa por
el origen y el punto A = (1, 2, 3).

Ejemplo 29

Sea W = {(1, 2, 3) , (4, 5, 6)} ⊂ R3 entonces


L(W ) = (x, y, z) ∈ R3 | (x, y, z) = λ(1, 2, 3) + µ(4, 5, 6), λ, µ ∈ R

= (x, y, z) ∈ R3 | x = λ + 4µ, y = 2λ + 5µ y z = 3λ + 6µ, λ, µ ∈ R .

Si recordamos la interpretación geométrica de R3 y la descripción paramétrica de un

plano en el espacio, el ejemplo muestra que L ({(1, 2, 3), (4, 5, 6)}) es precisamente el plano
determinado por los puntos O = (0, 0, 0), A = (1, 2, 3), B = (4, 5, 6); además, si resolvemos el
sistema 

λ + 4µ = x

2λ + 5µ = y



3λ + 6µ = z
para las incógnitas λ, µ obtenemos también

L ({(1, 2, 3), (4, 5, 6)}) = {(x, y, z)| x − 2y + z = 0} ,

que es la descripción cartesiana del mismo plano.

Ejemplo 30

Sea
n →
− →
− → −
− →
− →
− →o
−
W = →−
w 1 = a 1 i + b1 j + c 1 k , →
w 2 = a 2 i + b2 j + c 2 k ⊂ R 3 ,
→ →
− → → −
−
con a1 , a2 , b1 , b2 , c1 , c2 ∈ R y −
→
w 1 ̸= 0 , −
w 2 ̸= 0 y −
w 1, →
w 2 no paralelos entonces,

L(W ) = {−
→v |−
→
v = λ−→
w 1 + µ−
→
w 2 , λ, µ ∈ R}
n →
− →
− →o
−
= − →
v |−
→v = (λa1 + µa2 ) i + (λb1 + µb2 ) j + (λc1 + µc2 ) k

Ahora, haciendo x = λa1 + µa2 , y = λb1 + µb2 , z = λc1 + µc2 , λ, µ ∈ R

n →
− →
− →
− o
L(W ) = − →
v |−→
v = x i + y j + z k , λ, µ ∈ R

Ahora, si resolvemos el sistema




 a1 λ + a2 µ = x
b1 λ + b2 µ = y ,



c1 λ + c2 µ = z
 5.2. SUBESPACIOS 205

para las incógnitas λ, µ obtenemos

→
− →
− →
−
L(W ) = {−
→
v = x i + y j + z k | (b1 c2 − c1 b2 ) x + (c1 a2 − a1 c2 ) y + (a1 b2 − b1 a2 ) z = 0}
→ → −
−
es decir, L (W ) es el plano que pasa por el origen y tiene como vector normal a N = −
w 1 ×→
w 2.

Ejemplo 31

Sean V = R3 y W = {(1, 2, 3), (0, −1, 2), (1, 2, −1), (5, 0, 1)} entonces L(W ) = R3 .

Verificación.-
Basta observar que todo vector (a, b, c) ∈ R3 se escribe en la forma

(a, b, c) = λ1 (1, 2, 3) + λ2 (0, −1, 2) + λ3 (1, 2, −1) + λ4 (5, 0, 1),

es decir basta probar que el sistema de ecuaciones lineales




λ1 + 0λ2 + λ3 + 5λ4 =a
2λ1 − λ2 + 2λ3 + 0λ4 =b



3λ1 + 2λ2 − λ3 + λ4 =c

tiene solución para todo valor real de a, b y c.

En efecto la matriz aumentada del sistema es

 
1 0 1 5 a
 
 2 −1 2 0 b 
3 2 −1 1 c

cuya forma escalonada reducida es

 
1 0 0 − 27 1
2b − 34 a + 14 c
 
 0 1 0 10 2a − b 
0 0 1 17 4a − 2b − 4c
7 1 1
2

es decir la incógnita λ4 es libre y para cada escogencia de a, b y c, el sistema correspondiente

tiene infinitas soluciones.

Proposición 7

Sea V un espacio vectorial, W ⊂ V entonces L(W ) es el menor subespacio de V que contiene

a W.
206 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

Prueba.− n−→o
Si W = ∅ entonces L (W ) = L (∅) = 0 . Por otro lado, si W ̸= ∅, es evidente que L(W ) es
un subespacio de V que contiene a W .

Además si U es un subespacio de V que contiene a W y − →

v ∈ L(W ) entonces
→
− P k=n →
− →
− →
−
v = k=1 λk w k con w k ∈ W, para todo 1 ≤ k ≤ n y en consecuencia v ∈ U es decir
L(W ) ⊂ U. 

EJERCICIOS 5.2

1. Haga una lista de todos los subespacios vectoriales del espacio vectorial ⟨R, +, ·⟩
! ( ! !)
1 2 x 0
2. Considere A = yW = X= AX = .
2 4 y 0

a) Muestre que W es un subespacio de R2 .

b) Encuentre explı́citamente W.
      
1 2 3 
 x 0 
     
3. Considere A =  2 2 3  y W1 = X =  y  AX =  0  .

 

3 3 3 z 0

a) Muestre que W1 es un subespacio de R3

b) Encuentre explı́citamente W1 .

4. Verifique de manera explı́cita que el conjunto W del ejemplo 12 es un subespacio

vectorial de Rm .

5. Muestre que el plano descrito por la ecuación cartesiana 2x + y − 3z = 0 es un

subespacio de R3 .
− −
→ → − →
6. Muestre que la recta que pasa por P0 = (2, 2, −2) y tiene el vector →
−
v = i + j − k,
como vector dirección, es un subespacio de R3 .

7. Muestre que todo plano que no pasa por el origen no constituye un subespacio de R3
y que toda recta que no pasa por el origen tampoco.

8. Considere en R3 el conjunto W = {(1, 0, 1), (0, 1, 0), (1, 1, 1)} , encuentre explı́citamente
L(W ).

9. Considere en R3 . el conjunto W = {(2, 0, 2), (0, 2, 0)} encuentre en forma explı́cita

L(W ).
 5.3. SISTEMAS DE GENERADORES 207

10. Considere en M (2, 3) el conjunto

( ! !)
1 0 1 0 1 0
W = ,
0 1 0 1 0 1

encuentre explı́citamente L(W ).

11. Considere en R2 el conjunto W = {− →

w 1 = (1, 2), −
→
w 2 = (3, 4), −
→
w 3 = (5, 6)} , escriba (0, 0)
como combinación lineal de vectores de W, por lo menos de tres formas diferentes.

12. Considere en R3 el conjunto W = {(1, 2, 3), (4, 5, 6), (1, 0, 0)} , de cuántas formas
diferentes se puede escribir (0, 0, 0) como combinaciónlineal de vectores de W.?

5.3. SISTEMAS DE GENERADORES

Definición 6

Sea V un espacio vectorial, W ⊂ V, W ∅ϕ, si L(W ) = V decimos que W es un sistema de

generadores de V o simplemente que W genera V.

Claramente, decir que W es un sistema de generadores de V significa que todo vector −

→
v ∈V
es una combinación lineal de vectores de W.

Ejemplo 32

El ejemplo 31 prueba que W = {(1, 2, 3), (0, −1, 2), (1, 2, −1), (5, 0, 1)} es un sistema de
generadores de R3 .

Ejemplo 33 ( ! ! ! !)
1 0 0 1 0 0 0 0
Sean V = M (2, 2) y W = , , , entonces W es un
0 0 0 0 1 0 0 1
sistema de generadores de V

Verificación.-
Basta observar
! ! todo valor!de a, b, c, d ∈ R,
que, para ! !
a b 1 0 0 1 0 0 0 0
=a +b +c +d
c d 0 0 0 0 1 0 0 1

Ejemplo 34

Puesto que ya mostramos que

L ({(1, 2, 3), (4, 5, 6)}) = {(x, y, z)| x − 2y + z = 0} ̸= R3 ,

afirmamos que W = {(1, 2, 3), (4, 5, 6)} no es un sistema de generadores de R3 .

208 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

Ejemplo 35

Sean V = P3 [x] y W = p0 (x) = 1, p1 (x) = x, p2 (x) = x2 . Es inmediato verificar que
q(x) = x3 ∈ / L(W ) en consecuencia podemos afirmar que W no es un sistema de
generadores de V.

Ejemplo 36

Sea W = {(1, 2, 3) , (1, 0, 2) , (0, 1, −1)} ⊂ R3 , ¿Cómo decidir si W es o nó un sistema de

generadores de R3 ?
Basta responder la pregunta ¿Para todo (a, b, c) ∈ R3 existen escalares λ, µ, γ tales que

(a, b, c) = λ (1, 2, 3) + µ (1, 0, 2) + γ (0, 1, −1)?

Pregunta equivalente a

¿Para todo a, b, c ∈ R el sistema de ecuaciones



 λ+µ=a
2λ + γ = b


3λ + 2µ − γ = c

tiene solución para las incógnitas λ, µ, γ?

Para responder, miramos la matriz aumentada del sistema

 
1 1 0 a
 
 2 0 1 b 
3 2 −1 c

y al reducir por filas obtenemos

 
3b −
1 2
1 0 0 3a + 13 c
 
3a − − 13 c 
5 1
 0 1 0 3b
0 0 1 4
3a +
1
3b − 23 c
en consecuencia la respuesta es, sı́ porque

1 2 1 5 1 1 4 1 2
λ = b − a + c, µ = a − b − c, γ = a + b − c
3 3 3 3 3 3 3 3 3
Afirmamos entonces que W = {(1, 2, 3) , (1, 0, 2) , (0, 1, −1)} es un sistema de generadores de
R3 .

Ejemplo 37

Sean
 5.3. SISTEMAS DE GENERADORES 209

( ! ! !)
1 2 0 1 −2 0
V = M (2, 2) y W = , ,
−1 0 1 1 1 −1

¿Cómo decidir si W es o nó un sistema de generadores de M (2, 2)?

Es suficiente responder la pregunta:

!
a b
¿Para todo ∈ M (2, 2) existen escalares λ1 , λ2 , λ3 , tales que
c d

! ! ! !
a b 1 2 0 1 −2 0
= λ1 + λ2 + λ3 ?
c d −1 0 1 1 1 −1

Pregunta equivalente a:

¿Para todo a, b, c, d ∈ R el sistema de ecuaciones



 λ1 − 2λ3 = a

 2λ1 + λ2 = b

 −λ1 + λ2 + λ3 = c


λ2 − λ 3 = d

tiene solución para las incógnitas λ1 , λ2 , λ3 ?

Para responder, miramos la matriz aumentada del sistema

 
1 0 −2 a
 
 2 1 0 b 
 
 −1 1 1 c 
0 1 −1 d

y al reducir por filas obtenemos

 
1 0 −2 a
 b − 2a 
 0 1 4 
 
 0 0 −5 c − b + 3a 
0 0 0 a+c−d

en consecuencia la respuesta es NO, basta observar que cualquier escogencia de a, b, c, d

que no satisfaga la condición a + c − d = 0, nos muestra un vector A ∈ M (2, 2) que no puede
ser escrito como combinación lineal de vectores de W, por ejemplo si a = c = d = 1, b = 5
obtenemos
210 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

!
1 5
A= ∈ M (2, 2),
1 1
tal que A ∈
/ L(W ) pues obviamente el sistema cuya matriz aumentada es
 
1 0 −2 1
 −1 
 0 1 4 
 
 0 0 −5 −1 
0 0 0 1
no tiene solución.
En consecuencia afirmamos que
( ! ! !)
1 2 0 1 −2 0
W = , ,
−1 0 1 1 1 −1

no es un sistema de generadores de V = M (2, 2).

Ejemplo 38

Consideremos el sistema homogéneo de ecuaciones



x + 2y − 5v = 0

z + 4v =0 (5.1)



w − 4v =0

reescrito como 

x + 2y + 0z + 0w − 5v = 0

0x + 0y + z + 0w + 4v = 0



0x + 0y + 0z + w − 4v = 0
cuya matriz de ampliada es
 
1 2 0 0 −5 0
 
A= 0 0 1 0 4 0 ,
0 0 0 1 −4 0
que es una matriz escalonada reducida, los pivotes aparecen en las columnas 1,3,4 en
consecuencia las incógnitas x, z, w son ligadas y las incógnitas y, v son libres.

Al despejar las incógnitas ligadas en términos de las libres obtenemos:



x = −2y + 5v

z = −4v



w = 4v
 5.3. SISTEMAS DE GENERADORES 211

y para cada asignación y = a, v = b obtenemos la solución:


 = −2a + 5b  

 x

 2a + 5b

  

y =a  a 
 
z = −4b o 
X= −4b  , a, b ∈ R
 

  

 w = 4b  4b 



v b
=b
es decir   

 2a + 5b 


   


   

 a
 
W =  
−4b  , a, b ∈ R

   


  4b  


 

 b 

es el subespacio de M (5, 1) de soluciones del sistema y es fácil verificar que

     
2a + 5b 2 5
     
 a   1   0 
     
 −4b  = a 0  + b −4 
     
     
 4b   0   4 
b 0 1
en consecuencia podemos afirmar que
   

 2 5 


    

 

1  
 
0


B=  0 ,
  −4 


    

  0   4 

 

 0 1 

es un sistema de generadores del espacio de soluciones del sistema (5.1). 

Aun cuando la decisión sobre si un conjunto es o no es un sistema de generadores

de un cierto espacio vectorial exige una prueba especı́fica para cada caso, hay algunas
afirmaciones generales al respecto.

Proposición 8

Sean V un espacio vectorial, W ⊂ S ⊂ V, W ̸= ∅, si W es un sistema de generadores de V.

entonces S es un sistema de generadores de V.

Prueba.−
212 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

Decir que W es un sistema de generadores de V significa que para todo →

−
v ∈ V existen
→
− →
−
w 1 , · · · , w n ∈ W tales que
−
→
v = λ1 −
→
w 1 + λ2 −
→
w 2 + · · · + λn −
→
wn

y por la hipótesis −
→
w 1, · · · , −
→
w n ∈ S es decir
−
→
v = λ1 −
→
w 1 + λ2 −
→
w 2 + · · · + λn −
→
w n ∈ L(S)

por tanto V ⊂ L(S) y en consecuencia V = L(S). 

Proposición 9

Si W = {−
→
w 1, −
→
w 2 } ⊂ R3 , entonces W no es un sistema de generadores de R3

Prueba.−
Suponemos −
→
w 1 = (a11 , a21 , a31 ), −
→
w 2 = (a12 , a22 , a32 ) ∈ R3 , un vector arbitrario
−
→
v = (A, B, C) ∈ R3

es una combinación lineal de {−

→
w 1, −
→
w 2 } si y solo si existen escalares λ, µ ∈ R tales que

−
→
v = λ−
→
w 1 + µ−
→
w 2 = λ(a11 , a21 , a31 ) + µ(a12 , a22 , a32 )
es decir si y solo si el sistema de ecuaciones lineales



λa11 + µa12 = A
λa21 + µa22 = B



λa31 + µa32 = C

tiene solución para las incógnitas λ, µ; pero como la matriz de coeficientes de este sistema
es tamaño 3 × 2, su forma escalonada reducida tiene por lo menos una fila de ceros y en
consecuencia existe una escogencia de A, B, C para la cual el sistema es inconsistente, es
decir existe por lo menos un vector de R3 que no puede ser escrito como combinación lineal
de {→
−
w 1, −
→
w 2 }. 

Proposición 10

En Rn todo conjunto finito con k < n elementos no es un sistema de generadores de Rn .

Prueba.−
Suponemos que − →w 1 = (a11 , · · · , a1n ), · · · , −
→
w k = (ak1 , · · · , akn ) ∈ Rn , un vector arbitrario
→
−
v = (A1 , · · · , An ) ∈ Rn es una combinación lineal de {− →
w 1, · · · , −
→
w k } si y solo si existen
escalares λ1 , · · · , λk ∈ R tales que
−
→
v = λ1 →
−
w 1 + · · · + λk −
→
w k = λ1 (a11 , · · · , an1 ) + · · · + λk (a1k , · · · , ank )
 5.3. SISTEMAS DE GENERADORES 213

es decir si y solo si el sistema de ecuaciones lineales



 λ1 a11 + · · · + λk a1k = A1


 λ1 a21 + · · · + λk a2k = A2
 ..

 .


λ1 an1 + · · · + λk ank = An

tiene solución para las incógnitas λ1 , · · · , λk , pero como la matriz de coeficientes de este
sistema es tamaño n × k, con k < n, su forma escalonada reducida tiene por lo menos una
fila de ceros y en consecuencia existe una escogencia de A1 , · · · , An para la cual el sistema
es inconsistente, es decir existe por lo menos un vector de Rn que no puede ser escrito como
combinación lineal de {−→
w 1, · · · , −
→
w k} . 

Proposición 11

El conjunto W = {p0 (x) = 1, p1 (x) = x, · · · , pn (x) = xn , n ∈ Z+ } es un sistema de

generadores de Pn [x] .

Prueba.−
Basta observar que si
q(x) = a0 + a1 x + a2 x2 + · · · + an xn
entonces
q(x) = a0 p0 (x) + a1 p1 (x) + a2 p2 (x) + · · · + an pn (x)
es decir P [x] ⊂ L(W ) y por lo tanto

Pn [x] = L(W ).

Proposición 12

El espacio vectorial

V = P [x] = {p(x) | p(x) es un polinomio con coeficientes reales}

no tiene un sistema de generadores con un número finito de elementos.

Prueba.−

Sea W = {p0 (x), p1 (x), · · · , pk (x)} un subconjunto de P [x] con un número finito de
elementos y sea

m = máx {grad(p0 (x)), grad(p1 (x)), · · · , grad(pk (x))}

214 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

es claro que el polinomio q(x) = xm+1 ∈ / L(W ), es decir existe por lo menos un vector
q(x) ∈ V que no puede ser escrito como combinación lineal de vectores de W. Puesto que W
es cualquier subconjunto finito de V , se tiene la conclusión. 

EJERCICIOS 5.3
1. Decida si  ! ! ! !
1 0 1 2 4 −1 −2 5
A= , , ,
1 0 0 0 3 0 6 0
es o nó un conjunto de generadores de M (2, 2).

2. Decida si A = {2x, x3 − 3, 1 + x − 4x3 , x3 + 18x − 9} es o nó un conjunto de generadores

de P3 [x].

3. Verifique que A = {(1, 2, −1, 3) , (0, 1, −1, 1) , (1, 1, 1, 1)} no es un sistema de

generadores de R4 .

4. Construya un sistema de generadores de R4 , que contenga al conjunto A dado en el

punto enterior.

5. Decida si A = {(1, −1, 0), (2, 2, 1), (0, −4, −1)} es o nó un sistema de generadores de R3 .

6. Pruebe que B = {(1, −1, 0), (2, 2, 1), (0, −1, −1)} es un sistema de generadores de R3 .

7. Construya un conjunto de 6 vectores de R3 , que no sea un sistema de generadores de

R3 .

8. Construya un conjunto de 6 vectores de R3 , que sea un sistema de generadores de R3 .

9. Encuentre, si existen, valores para a, b, c ∈ R, tales que A = {(a, 1, b) , (0, c, 1)} sea un
sistema de generadores de R3 .

10. Encuentre, si existen, valores para a, b, c ∈ R, tales que A = {(a, 1, b) , (0, c, 1) , (0, 1, 0)}
sea un sistema de generadores de R3 .

11. Encuentre, si existen, valores para a, b, c ∈ R, tales que A = {(a, 1, b) , (0, c, 1) , (0, 1, 0)}
no sea un sistema de generadores de R3 .

5.4. DEPENDENCIA E INDEPENDENCIA LINEAL

Definición 7

Sea V un espacio vectorial −

→
v 1, −
→
v 2, · · · , −
→
v n vectores de V si
−
→
0 = λ1 −
→
v 1 + λ2 −
→
v 2 + · · · + λn −
→
vn

decimos que la combinación lineal es una combinación lineal nula.

 5.4. DEPENDENCIA E INDEPENDENCIA LINEAL 215

Definición 8

Sea V un espacio vectorial, W ⊂ V decimos que W es un conjunto de vectores linealmente

dependiente si existe una combinación lineal nula de vectores de W donde no todos los
escalares que aparecen como coeficientes son cero, es decir, si existen −
→
w 1, −
→
w 2, · · · , −
→
wn ∈ W
y escalares λ1 , λ2 , · · · , λn no todos cero y tales que
→
−
λ1 −
→
w 1 + λ2 −
→
w 2 + · · · + λn −
→
wn = 0

Ejemplo 39

Puesto que
(2)(3, 4) + (−1)(6, 8) = (0, 0)
el conjunto W = {(3, 4), (6, 8)} es un conjunto de vectores linealmente dependiente.

Ejemplo 40

Puesto que

(−3)(1, 0, 3) + (1)(2, −1, 0) + (8)(0, 0, 1) + (1)(1, 1, 1) = (0, 0, 0)

el conjunto
W = {(1, 0, 3), (2, −1, 0), (0, 0, 1), (1, 1, 1)}
es un conjunto de vectores linealmente dependiente de R3

Ejemplo 41

Sean V = M (2, 2) y
( ! ! !)
1 2 0 1 3 4
W = , ,
−1 0 1 1 −5 −2

¿Cómo decidir si W es o nó un conjunto de vectores linealmente dependiente de M (2, 2)?

Es suficiente responder la pregunta: ¿existen escalares λ1 , λ2 , λ3 , no todos cero y tales que
! ! ! !
0 0 1 2 0 1 3 4
= λ1 + λ2 + λ3 ?
0 0 −1 0 1 1 −5 −2
Esta pregunta equivalente a ¿el sistema homogéneo de ecuaciones


 λ1 + 3λ3 =0



2λ + λ + 4λ
1 =0 2 3

 −λ1 + λ2 − 5λ3 =0




λ2 − 2λ3 =0
216 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

tiene solución diferente de la trivial para las incógnitas λ1 , λ2 , λ3 ?

Para responder, observamos que la matriz de coeficientes del sistema y su reducción por
filas son respectivamente:

   
1 0 3 1 0 3
   1 −2 
 2 1 4   0 
  −→  
 −1 1 −5   0 0 0 
0 1 −2 0 0 0
en consecuencia la respuesta es sı́, puesto que el sistema tiene infinitas soluciones debido
a que la incógnita λ3 es libre.

Si asignamos λ3 = 1 obtenemos λ1 = −3, λ2 = 2 y es fácil verificar que

! ! ! !
1 2 0 1 3 4 0 0
(−3) + (2) + (1) =
−1 0 1 1 −5 −2 0 0
Afirmamos entonces que
( ! ! !)
1 2 0 1 3 4
W = , ,
−1 0 1 1 −5 −2
es un conjunto de vectores linealmente dependiente de M (2, 2).

Ejemplo 42

Para saber si
     
1 2 0 1 −2 0
W = , ,
−1 0 1 1 1 −1
es un conjunto de vectores linealmente dependiente de M (2, 2), se debe saber si existen
escalares λ1 , λ2 , λ3 , no todos cero, tales que:
! ! ! !
0 0 1 2 0 1 −2 0
= λ1 + λ2 + λ3
0 0 −1 0 1 1 1 −1
lo cual equivale a saber si el sistema homogéneo de ecuaciones:


 λ1 − 2λ3 =0



2λ + λ
1 2 =0

 −λ1 + λ2 + λ3 =0




λ2 − λ 3 =0
tiene solución diferente de la trivial para las incógnitas λ1 , λ2 , λ3 .
Para saber esto, se reduce por filas la matriz de coeficientes del sistema
 5.4. DEPENDENCIA E INDEPENDENCIA LINEAL 217

   
1 0 −2 1 0 0
   
 2 1 0   0 1 0 
  −→  
 −1 1 1   0 0 1 
0 1 −1 0 0 0

en consecuencia la respuesta es no, ya que el sistema tiene una única solución que es la
trivial, vale decir λ1 = λ2 = λ3 = 0. Por esta razón afirmamos, entonces, que
( ! ! !)
1 2 0 1 −2 0
W = , ,
−1 0 1 1 1 −1
no es un conjunto de vectores linealmente dependiente de M (2, 2).

Observación. Si miramos los ejemplos (41) y (42) observamos que los vectores
   
1 2 0 1
y
−1 0 1 1

pertenecen en un caso a un conjunto de vectores linealmente dependiente y en el otro

pertenecen a un conjunto de vectores que no es un conjunto de vectores linealmente
dependiente, es decir la propiedad de dependencia lineal es global del conjunto y no
individual de sus elementos.

Proposición 13
→
−
Sean V un espacio vectorial, W ⊂ V . Si 0 ∈ W entonces W es un conjunto de vectores
linealmente dependientes.

Prueba.−
−
→ −
→
Basta observar que la combinación lineal 1 · 0 = 0 es una combinación lineal nula y
claramente 1 ̸= 0. 

Proposición 14

Sea V un espacio vectorial, W ⊂ S ⊂ V , si W es un conjunto de vectores linealmente

dependiente entonces S también lo es.

Prueba.−
Si W es un conjunto de vectores linealmente dependiente, existen →
−
w 1, −
→
w 2 , · · · ,−
→
wn ∈ W y
escalares λ1 , λ2 , · · · , λn no todos cero tales que
→
−
λ1 −
→
w 1 + λ2 −
→
w 2 + · · · + λn −
→
wn = 0

y como W ⊂ S, se tiene que

−
→
w 1, −
→
w 2, · · · , −
→
wn ∈ S
218 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

es decir S es un conjunto de vectores linealmente dependiente. 

Proposición 15

Sea V un espacio vectorial, W ⊂ V un conjunto de vectores linealmente dependiente

entonces existe por lo menos un vector −
→
w ∈ W que puede ser escrito como combinación
lineal de otros vectores de W.

Prueba.−

Si W es un conjunto de vectores linealmente dependiente entonces existe una combinación

lineal nula de vectores de W,
→
−
λ1 −
→
w 1 + λ2 −
→
w 2 + · · · + λn −
→
wn = 0

tal que por lo menos uno de los λs es diferente de cero, sin perder generalidad, podemos
asumir que λ1 ̸= 0 y en consecuencia
     
−
→
w1 = −
λ2 −
→
w2 + −
λ3 − →
w3 + ··· + −
λn − →
w n,
λ1 λ1 λ1

es decir −
→
w 1 ha sido escrito como combinación lineal de {−
→
w 2, · · · , →
−
w n} . 

Definición 9

Sea V un espacio vectorial, W ⊂ V, decimos que W es un conjunto de vectores linealmente

independiente si W no es un conjunto de vectores linealmente dependiente.

Proposición 16

Sea V un espacio vectorial, W ⊂ V , W es un conjunto de vectores linealmente independiente

si para toda combinación lineal
→
−
λ1 −
→
w 1 + λ2 −
→
w 2 + · · · + λn −
→
wn = 0

con −
→
w 1, −
→
w 2, · · · , −
→
w n ∈ W, necesariamente

λ1 = λ 2 = · · · = λn = 0

Prueba.−
→
−
Sea λ1 −
→
w 1 +λ2 −
→
w 2 +· · ·+λn −
→
w n = 0 una combinación lineal nula de vectores de W, si λk ̸= 0
para algún valor o valores de k, W es un conjunto de vectores linealmente dependiente en
consecuencia λ1 = λ2 = · · · = λn = 0. 
 5.4. DEPENDENCIA E INDEPENDENCIA LINEAL 219

Ejemplo 43

Sea V = R4 ,
W = {(1, 0, 0, 0), (0, 1, 0, 0), (0, 0, 1, 0), (0, 0, 0, 1)}
es un conjunto de vectores linealmente independiente.

Verificación.-

Suponemos

λ1 (1, 0, 0, 0) + λ2 (0, 1, 0, 0) + λ3 (0, 0, 1, 0) + λ4 (0, 0, 0, 1) = (0, 0, 0, 0)

entonces
(λ1 , λ2 , λ3 , λ4 ) = (0, 0, 0, 0)
por tanto λ1 = 0, λ2 = 0, λ3 = 0, λ4 = 0.

Ejemplo 44

Sean V = R3 , W = {(1, 2, 3), (4, 5, 6), (1, 0, 1)} ¿Cómo decidir si W es o nó un conjunto de
vectores linealmente independiente?

Basta tomar una combinación lineal nula de los vectores de W y probar que los escalares
que en ella aparecen como coeficientes, deben ser cero; es decir, suponemos

λ(1, 2, 3) + µ(4, 5, 6) + γ(1, 0, 1) = (0, 0, 0)

que es equivalente a

(λ + 4µ + γ, 2λ + 5µ+, 3λ + 6µ + γ) = (0, 0, 0).

En consecuencia, encontrar los posibles valores de λ, µ, γ, equivale a resolver el sistema
homogéneo 


λ + 4µ + γ =0
2λ + 5µ =0,



3λ + 6µ + γ =0
cuya matriz de coeficientes y su forma escalonada reducida son respectivamente:
   
1 4 1 1 0 0
   
 2 5 0  −→  0 1 0  ,
3 6 1 0 0 1

por lo tanto la única solución del sistema es la trivial λ = µ = γ = 0.

Afirmamos entonces que W es un conjunto de vectores linealmente independiente.

220 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

Ejemplo 45

Sea V = Pn [x].
n o
W = qk (x) | qk (x) = xk , k = 0, 1, 2, · · · , n; n ∈ N
es un conjunto de vectores linealmente independiente.

Verificación.-

Una combinación lineal nula de los vectores de W es la expresión:

λ0 q0 (x) + λ1 q1 (x) + λ2 q2 (x) + · · · + λn qn (x) = 0

es decir λ0 + λ1 x + λ2 x2 + · · · + λn xn = 0 para todo x ∈ R y en consecuencia

λ 0 = λ 1 = λ2 = · · · = λn = 0

Ejemplo 46

Sea V = M (2, 2). En el ejemplo 42 se mostró que

     
1 2 0 1 −2 0
W = , ,
−1 0 1 1 1 −1
es un conjunto de vectores linealmente independiente.

Ejemplo 47

Consideremos V = R3 y Wa = {(1, 1, 0), (0, 1, 1), (0, 1, a), a ∈ R fijo} ¿Para qué valores de a
el conjunto Wa es un conjunto de vectores linealmente independiente?

Solución.-
Basta tomar una combinación lineal nula de vectores de Wa , es decir

λ(1, 1, 0) + µ(0, 1, 1) + γ(0, 1, a) = (0, 0, 0)

y averiguar los posibles valores de λ, µ, γ.

Wa es un conjunto de vectores linealmente independiente para todos aquellos valores de a

para los cuales el sistema homogéneo



λ + 0µ + 0γ = 0
λ+µ+γ =0



0λ + µ + aγ =0
tiene como única solución la trivial λ = µ = γ = 0 y puesto que la matriz de coeficientes del
sistema y su forma escalonada son respectivamente
 5.4. DEPENDENCIA E INDEPENDENCIA LINEAL 221

   
1 0 0 1 0 0
   
 1 1 1  −→  0 1 1 
0 1 a 0 0 a−1

y se puede concluir que cuando a = 1 el sistema tiene infinitas soluciones, es decir el

conjunto de vectores es linealmente dependiente; para el resto de valores de a, el conjunto
de vectores es linelamente independiente.

Ejemplo 48

Consideremos V = R3 y

Wa = {(1, 1, 0), (0, 1, 1), (1, 0, 1), (2, −1, a), a ∈ R fijo}

¿Para qué valores de a el conjunto Wa es un conjunto de vectores linealmente

independiente?

Solución.-
Basta tomar una combinación lineal nula de vectores de Wa , es decir:

λ(1, 1, 0) + µ(0, 1, 1) + γ(1, 0, 1) + ζ(2, −1, a) = (0, 0, 0)

y averiguar los posibles valores de λ, µ, γ, ζ; es decir, Wa es un conjunto de vectores

linealmente independiente para todos aquellos valores de a para los cuales el sistema
homogéneo:



λ + 0µ + γ + 2ζ = 0
λ + µ + 0γ − ζ = 0



0λ + µ + γ + aζ = 0

tiene como única solución la trivial λ = µ = γ = ζ = 0. Puesto que la matriz de coeficientes

del sistema y su forma escalonada reducida son respectivamente:
   
2 − 2a
1 1
1 0 1 2 1 0 0
   
 1 1 0 −1  −→  0 1 0 2a − 2
1 3

1 3
0 1 1 a 0 0 1 2a + 2

la incógnita ζ es libre y por tanto el sistema tiene infinitas soluciones; es decir, no existe
a ∈ R, tal que Wa sea un conjunto de vectores linealmente independiente.

Ejemplo 49

Consideremos V = R3 y Wa = {(1, 1, 0), (0, 1, 1), (2, −1, a), a ∈ R fijo} ¿Para qué valores
de a el conjunto Wa es un conjunto de vectores linealmente independiente?
222 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

Solución.-
Basta tomar una combinación lineal nula de vectores de Wa , es decir:

λ(1, 1, 0) + µ(0, 1, 1) + γ(2, −1, a) = (0, 0, 0)

y averiguar los posibles valores de λ, µ, γ.

Wa es un conjunto de vectores linealmente independiente para todos aquellos valores de a

para los cuales el sistema homogéneo



λ + 0µ + 2γ =0
λ+µ−γ =0



0λ + µ + aγ =0
tiene como única solución la trivial λ = µ = γ = 0 y puesto que la matriz de coeficientes del
sistema y su forma escalonada son respectivamente
   
1 0 2 1 0 2
   
 1 1 −1  −→  0 1 −3  ,
0 1 a 0 0 a+3

entonces, si a ̸= −3 la forma escalonada reducida es:

 
1 0 0
 
 0 1 0 ,
0 0 1

y el sistema tiene como única solución la trivial. De otra parte si a = −3 la forma escalonada
reducida es  
1 0 2
 
 0 1 −3 
0 0 0
y el sistema tiene una variable libre; es decir tiene infinitas soluciones, en particular una
no trivial.

Por tanto Wa es un conjunto de vectores linealmente independiente si y solo si a ̸= −3.

Ejemplo 50

Consideramos nuevamente el sistema homogéneo de ecuaciones lineales:



x + 2y − 5v
 =0
z + 4v =0



w − 4v =0
 5.4. DEPENDENCIA E INDEPENDENCIA LINEAL 223

del ejemplo 38. Es inmediato verificar que el conjunto

   

 2 5 


    

 

1  
 
0


B=  0 ,
  −4 


   

  0   4 

 

 0 1 

es un conjunto de vectores linealmente independiente.

Notación.-

En adelante escribiremos L.I. y L.D. para denotar “Linealmente Independiente” y

“Linealmente dependiente” respectivamente.

Proposición 17

Sean V un espacio vectorial, U ⊂ W ⊂ V. Si W es un conjunto de vectores L.I. entonces U

es un conjunto de vectores L.I.

Prueba.−
→
−
Sea λ1 −
→
u 1 + λ2 −
→
u 2 + · · · + λm −
→
u m = 0 una combinación lineal nula de vectores de U, puesto
→
−
que para todo k, 1 ≤ k ≤ m se tiene que − →
u k ∈ W entonces λ1 −
→u 1 + λ2 −
→
u 2 + · · · + λm −
→
um = 0
una combinación lineal nula de vectores de W y por tanto λ1 = λ2 = · · · = λm = 0 y en
consecuencia U es un conjunto de vectores L.I. 

Proposición 18

Sea V un espacio vectorial, W un conjunto de vectores L.I. de V y sea →

−
v ∈ V tal que
→
−
v ∈ →
−
/ L(W ) entonces W ∪ { v } es un conjunto de vectores L.I.

Prueba.−
Consideramos una combinación lineal nula de vectores de W ∪ {−
→
v}
→
−
λ1 −
→
w 1 + λ2 −
→
w 2 + · · · + λn −
→
w n + λ−
→
v = 0

Si λ ̸= 0 entonces
     
−
→
v = −
λ1 −
→
w1 + −
λ2 −→
w2 + ··· + −
λn −→
w n,
λ λ λ

es decir −
→
v ∈ L(W ) contrario a la hipótesis, luego λ = 0, por lo tanto
−
→
λ1 −
→
w 1 + λ2 −
→
w 2 + · · · + λn −
→
w n + λ−
→
v = 0 = λ1 −
→
w 1 + λ2 −
→
w 2 + · · · + λn −
→
w n + 0−
→
v
224 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

es una combinación lineal nula de vectores de W y entonces

λ 1 = λ 2 = · · · = λn = 0

y en consecuencia W ∪ {−
→
v } es un conjunto de vectores L.I. 

Proposición 19

Sea W = {−
→
w 1, −
→
w 2, −
→
w 3, −
→
w 4 } ⊂ R3 entonces W es un conjunto de vectores L.D.

Prueba.−
Sean
−
→
w 1 = (a11 , a21 , a31 ), −
→
w 2 = (a12 , a22 , a32 ), −
→
w 3 = (a13 , a23 , a33 ), −
→
w 4 = (a14 , a24 , a34 ) ∈ R3

Si
→
−
λ1 −
→
w 1 + λ2 −
→
w 2 + λ3 −
→
w 3 + λ4 −
→
w4 = 0
que en forma equivalente es

λ1 (a11 , a21 , a31 ) + λ2 (a12 , a22 , a32 ) + λ3 (a13 , a23 , a33 ) + λ4 (a14 , a24 , a34 ) = (0, 0, 0),

la dependencia o independencia lineal de W depende de las soluciones del sistema

homogéneo 
a11 λ1 + a12 λ2 + a13 λ3 + a14 λ4 = 0


a21 λ1 + a22 λ2 + a23 λ3 + a24 λ4 = 0



a31 λ1 + a32 λ2 + a33 λ3 + a34 λ4 = 0
para las incógnitas λ1 , λ2 , λ3 , λ4 .

Puesto que la matriz de coeficientes del sistema es tamaño 3 × 4 el sistema tiene infinitas
soluciones, en particular una diferente de la trivial, es decir W es un conjunto de vectores
L.D. 

Proposición 20

Sea W = {−
→
w 1, −
→
w 2, · · · , →
−
w m } ⊂ Rn con m > n entonces W es un conjunto de vectores L.D.

Prueba.−
Sean
−
→
w 1 = (a11 , a21 , · · · , an1 ) , −
→
w 2 = (a12 , a22 , · · · , an2 ), · · · , −
→
w m = (a1m , a2m , · · · , anm ) ∈ Rn ,

con m > n y sea

X
i=m
→
−
λi −
→
wi = 0
i=1
 5.4. DEPENDENCIA E INDEPENDENCIA LINEAL 225

una combinación lineal nula de ellos, si desarrollamos e igualamos componentes obtenemos



 λ1 a11 + λ2 a12 + · · · + λm a1m


=0



 λ1 a21 + λ2 a22 + · · · + λm a2m =0



 ..
 .
,

 λ1 ai1 + λ2 ai2 + · · · + λm aim =0



 ..



 .


λ1 an1 + λ2 an2 + · · · + λm anm =0
que es un sistema homogéneo de n ecuaciones con m incógnitas, siendo m > n y el cual
tiene infinitas soluciones, en particular una diferente de la trivial, en consecuencia W es
un conjunto de vectores L.D. 

Proposición 21

Sea W = {−→
w 1, −
→
w 2, · · · , −
→
w n } ⊂ Rn entonces W es un conjunto de vectores L.I. si y solamente
si W es un sistema de generadores de Rn .

Prueba.−
Consideremos

−
→
w 1 = (a11 , a21 , · · · , an1 ) , −
→
w 2 = (a12 , a22 , · · · , an2 ), · · · , −
→
w n = (a1n , a2n , · · · , ann ),
→
−
B = (b1 , · · · , bn ) ∈ R , n

X
i=n
→
−
entonces al igualar coordenadas en la combinación lineal λi −
→
w i = B obtenemos el
i=1
sistema de ecuaciones lineales AX = B donde A = (aij ) es una matriz n × n y
   
λ1 b1
 λ2   b2 
   
X= .. , B =  .. .
 .   . 
λn bn
→ −
− →
Ahora si suponemos B = 0 y W un conjunto de vectores L.I. entonces AX = 0 tiene como
única solución la solución trivial y por la proposición 19(d) del capı́tulo 2, A es inversible
y en consecuencia para todo B ∈ Rn el sistema AX = B tiene como única solución
X = A−1 B es decir W es un sistema de generadores de Rn .

Recı́procamente si suponemos W un sistema de generadores es decir si para todo B el

sistema AX = B tiene solución entonces por la misma proposición 19 del capı́tulo 2 A
tiene inversa y por tanto el sistema AX = 0 tiene como única solución la trivial y en
consecuencia W es un conjunto de vectores L.I. 
226 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

Proposición 22

Sea A ∈ M (n, n) entonces las siguientes afirmaciones son equivalentes:

1. A es equivalente por filas a I(n) .

2. A es producto de matrices elementales.

3. A es invertible.

4. El sistema homogéneo AX = 0 tiene una única solución.

5. Para cada B ∈ M (n, 1), el sistema AX = B tiene una única solución.

Prueba.−
La proposición 19 del capı́tulo 2 prueba la equivalencia de las afirmaciones (a), (b), (c) y
(d) en consecuencia basta probar la equivalencia de la afirmación (e) con cualquiera de las
anteriores. En efecto si suponemos (c) la ecuación matricial AX = B con B ∈ M (n, 1) es
tal que su única solución es la matriz X = (A−1 )B y recı́procamente para cada j, 1 ≤ j ≤ n,
la solución del sistema AX = (In )(j) resulta ser la columna j de la matriz A−1 . 

EJERCICIOS 5.4
1. Muestre que A = {(1, 2, −1, 3) , (0, 1, −1, 1) , (1, 1, 1, 1)} es un conjunto de vectores L.I.
de R4 .

2. Muestre que A = {(1, 2, −1, 3) , (0, 1, −1, 1) , (1, 1, 1, 1) , (3, 3, 2, 4)} no es un conjunto de
vectores L.I. de R4 , escribiendo (0, 0, 0, 0) de dos formas diferentes como combinación
lineal de vectores de A.

3. Muestre que A = {(1, 2, −1, 3) , (0, 1, −1, 1) , (1, 1, 1, 1) , (0, 1, 1, 2)} es un conjunto de
vectores L.I. de R4 .

4. Determine si el conjunto dado de vectores de P3 [x] es L.D o L.I.

a) A = {2x, x3 − 3, 1 + x − 4x3 , x3 + 18x − 9}

b) B = {x, x2 − x, x3 − x}

5. Determine si el conjunto dado de vectores de M (2, 2) es L.D o L.I.

 ! ! ! !
1 0 1 2 4 −1 −2 5
a) A = , , ,
1 0 0 0 3 0 6 0
 ! ! ! 
2 −1 0 −3 4 1
b) B = , ,
4 0 1 5 7 −5
 5.5. BASES, DIMENSIÓN, COORDENADAS 227

6. Construya, si es posible, un conjunto de 3 vectores de R5 , que no sea un conjunto de

vectores L.I.

7. Construya, si es posible, un conjunto de 3 vectores de R5 , que sea un conjunto de

vectores L.I.

8. Construya, si es posible, un conjunto de 4 vectores de R3 , que sea un conjunto de

vectores L.I.

9. El conjunto A = {(1, −1, 0), (−2, 2, 0), (0, −4, −1)} no es un conjunto L.I., escriba una
lista de todos los subconjuntos de A que resultan conjunto de vectores L.I.

10. Decida si B = {(1, −1, 0), (−2, 2, 0), (0, −1, −1), (1, 2, 3)} es o no es, un conjunto de
vectores L.I.

11. Encuentre, si existen, valores para a, b, c ∈ R, tales que A = {(a, 1, b) , (0, c, 1)} no sea
un conjunto de vectores L.I. de R3 .

12. Encuentre, si existen, valores para a, b, c ∈ R, tales que A = {(a, 1, b) , (0, c, 1) , (0, 1, 1)}
sea un conjunto de vectores L.I. de R3 .

13. Encuentre, si existen, valores para a, b, c ∈ R, tales que A = {(a, 1, b) , (0, c, 1) , (0, 1, 1)}
no sea un conjunto de vectores L.I. de R3 .

14. Construya, si existe, un conjunto de 4 vectores de R4 ., que contenga a

A = {(1, 2, 3, 4) , (5, 6, 7, 8)} y no sea un conjunto de vectores L.I.

15. Construya, si existe, un conjunto de 4 vectores L.I. de R4 , que contenga a

A = {(1, 2, 3, 4) , (5, 6, 7, 8)}

5.5. BASES, DIMENSIÓN, COORDENADAS

Definición 10

Sean V un espacio vectorial real, B ⊆ V, B ̸= ∅ tal que:

(I) B es un conjunto de vectores L.I.

(II) B es un sistema de generadores de V .

Decimos que B es una base de V.

Ejemplo 51
n−
→ −→o
Consideramos V = R2 el conjunto B = i , j es una base de V.
228 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

Ejemplo 52
n−
→ −→ − →o
Consideramos V = R3 , el conjuto B = i , j , k es una base de V.

Ejemplo 53
n−
→ o
Consideramos V = Rn , el conjunto B = E k | 1 ≤ k ≤ n donde
−
→
E k = (0, ..., 0, 1, 0, ..,0),

tiene 1 en la k-ésima componente, 0 en las demás, es una base de V.

Ejemplo 54

Consideramos V = M (n, m), B = {Ek,l |1 ≤ k ≤ n, 1 ≤ l ≤ m } donde Ek,l ∈ M (n, m) es tal

que

1 si i = k, j = l
(Ek,l )ij =
0 si i ̸= k o j ̸= l
(1 en la entrada ij, 0 en las demás), es una base de V.

Ejemplo 55

Consideramos V = Pn [x] , el conjunto B = qk (x) qk (x) = xk , 0 ≤ k ≤ n es una base de
V.

Las bases presentadas en los ejemplos anteriores se denominan usualmente bases estandar
o bases canónicas de los espacios correspondientes.

Ejemplo 56

El conjunto B = {(1, 2), (3, 4)} es una base de R2 .

Ejemplo 57

El conjunto B = {(1, 2, 3), (3, 4, 5), (1, 0, 1)} es una base de R3 .

Ejemplo 58

El conjunto
( ! ! ! !)
1 0 1 1 1 1 1 1
B= , , ,
0 0 0 0 1 0 1 1
es una base de M (2, 2).
 5.5. BASES, DIMENSIÓN, COORDENADAS 229

Verificación.-
Primero mostramos que B es un sistema de generadores, para esto planteamos la ecuación
matricial:
! ! ! ! !
1 0 1 1 1 1 1 1 a b
α +β +γ +δ =
0 0 0 0 1 0 1 1 c d

que da origen al sistema de ecuaciones:



 α+β+γ+δ =a

 β+γ+δ =b

 γ+δ =c


δ=d

cuya matriz de coeficientes es:

 
1 1 1 1
 
 0 1 1 1 
 
 0 0 1 1 
0 0 0 1

y que tiene determinante 1, en consecuencia el sistema siempre tiene una única solución
independiente de los valores de los términos a, b, c, d.
Para verificar que B es un conjunto L.I. la ecuación matricial a plantear es
! ! ! ! !
1 0 1 1 1 1 1 1 0 0
α +β +γ +δ =
0 0 0 0 1 0 1 1 0 0

que da origen al sistema:



 α+β+γ+δ =0

 β+γ+δ =0

 γ+δ =0


δ=0

cuya única solución es a = b = c = d = 0 

Ejemplo 59

Nuevamente consideramos el sistema homogéneo de ecuaciones lineales



x + 2y − 5v
 =0
z + 4v =0


w − 4v =0
230 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

de los ejemplos 38 y 50 en ellos probamos que el conjunto

   

 2 5 


  1   0 


   

   
B =  0  ,  −4 

    

  0   4 



 

0 1

es una base del espacio de las soluciones del sistema.

El lector cuidadoso observará que en los ejemplos anteriores la decisión sobre si un

conjunto de vectores es o no una base del correspondiente espacio vectorial se reduce a
resolver un sistema de ecuaciones lineales.

Igualmente habrá observado que en nuestros ejemplos, con excepción de los espacios
P [x] y F (x) , siempre hemos mostrado sistemas de generadores con un numero finito de
elementos, en lo que sigue solo nos interesaremos por este tipo de espacio vectorial, el
tratamiento en general está fuera del alcance de este escrito.

Definición 11

Un espacio vectorial V con un sistema de generadores finito se denomina un espacio

vectorial de dimensión finita o finitamente generado.

Proposición 23

Sea V un espacio vectorial real, W = {→−

w 1, −
→
w 2, · · · , −
→
w m } un sistema de generadores de V
entonces todo conjunto de vectores de V con k vectores, k > m, es un conjunto de vectores
L.D.

Prueba.−
Consideramos U = {− →u 1, −
→
u 2, · · · , −
→
u k } ⊂ V un conjunto de vectores con k > m y
consideramos una combinación lineal nula de ellos

µ1 −
→
u 1 + µ2 −
→
u 2 + · · · + µk −
→
u k = 0,

puesto que W es un sistema de generadores existen escalares λij tales que

−
→
u 1 = λ11 −
→
w 1 + λ21 −→w 2 + · · · + λm1 −
→
wm
→
− →
− →
− →
−
u 2 = λ12 w 1 + λ22 w 1 + · · · + λm2 w m
..
.
→
− −−→
u = λ w + λ 2kw + · · · + λ −
k
→
−
1k 1 11 1
→
w mk m
 5.5. BASES, DIMENSIÓN, COORDENADAS 231

al reemplazar en la combinación lineal nula, obtenemos:

! ! !
X
i=m X
i=m X
i=m
µ1 λi1 −
→
wi + µ2 λi2 −
→
wi + · · · + µk λik −
→
wi =0
i=1 i=1 i=1

es decir !
X
j=k X
i=m
µj λij −
→
wi =0
j=1 i=1

por tanto  
X
i=m Xj=k
 λij µj  −
→
wi = 0
i=1 j=1

es una combinación lineal nula de vectores de W y naturalmente una escogencia de los

P
j=k
escalares es λij µj = 0, para todo i, 1 ≤ i ≤ m.
j=1
Ahora, el sistema


 λ11 µ1 + λ12 µ2 + · · · + λ1k µk =0



λ21 µ1 + λ22 µ2 + · · · + λ2k µk =0
 ..

 .



λm1 µ1 + λm2 µ2 + · · · + λmk µk =0

es un sistema homogéneo de ecuaciones lineales con mas incógnitas que ecuaciones por tanto tiene
una solución no trivial, es decir existen reales α1 , α2 , · · · , αn no todos cero y tales que para todo
i, 1 ≤ i ≤ m
X
j=k
λij αj = 0
j=1

y en consecuencia
α1 −
→
u 1 + α2 −
→
u 2 + · · · + αk −
→
uk =0

es decir W = {−
→
w 1, −
→
w 2, · · · , →
−
w m } es un conjunto de vectores L.D.

Proposición 24

Sea V un espacio vectorial de dimensión finita y sea W = {−

→
v 1, −
→
v 2, · · · , →
−
v k } un conjunto de vectores
L.I. entonces existe una base B de V tal que W ⊆ B.

Prueba.−

1. Si W es un sistema de generadores de V, se tiene el resultado.

2. Si L(W ) ̸= V , entonces por la proposición 18, existe −

→
v k+1 ∈
/ L(W ) tal que

W(1) = {−
→
v 1, −
→
v 2, · · · , →
−
v k, −
→
v k+1 }

es L.I.
232 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

3. Si L(W(1) ) ̸= V por la misma razón existe −

→
v k+2 ∈
/ L(W(1) ) tal que

W(2) = {−
→
v 1, −
→
v 2, · · · , →
−
v k, −
→
v k+1 , −
→
v k+2 }

es L.I.

Puesto que V es de dimensión finita el proceso debe terminar en un número finito de pasos, es decir
existe m tal que
B = {−→v 1, −
→
v 2, · · · , −
→
v k, −
→
v k+1 , −
→
v k+2 , · · · , −
→
v m}
es una base de V. 

Proposición 25
→
−
Sea V un espacio vectorial de dimensión finita y sea W = {−
→
v 1, −
→
v 2, · · · , →
−
v m } con −
→
v i ̸= 0 un sistema
de generadores de V , entonces existe U ⊆ W base de V.

Prueba.−

1. Si W es un conjunto de vectores L.I. W es una base de V.

2. Si W es un conjunto de vectores L.D., sin perder generalidad podemos afirmar que − →v m puede
ser escrito como combinación lineal de los restantes elementos de W, consideramos

W (1) = {−
→
v 1, →
−
v 2, · · · , −
→
v m−1 }

afirmamos que W (1) es un sistema de generadores de V y repetimos el proceso: si W (1) es un

conjunto de vectores L.I. W (1) es una base de V si W (1) es un conjunto de vectores L.D., −
→
v m−1
puede ser escrito como combnación lineal de los restantes elementos de W (1), consideramos

W (2) = {−
→
v 1, →
−
v 2, · · · , −
→
v m−2 }

y repetimos. Puesto que W es finito y todos sus vectores son diferentes del vector cero el
proceso termina y obtenemos un conjunto U ⊆ W tal que U es una base de V. 

TEOREMA 1
n−
→o
Todo espacio vectorial V ̸= 0 , finitamente generado tiene una base.

Prueba.−
El teorema es una consecuencia directa de las proposiciones 24 y 25. 

Proposición 26

Sean V un espacio vectorial de dimensión finita, B = {− →

v 1, −
→
v 2, · · · , →
−
v k } y sea
′ →
− →
− →
−
B = { w 1 , w 2 , · · · , w m } bases de V , entonces k = m.

Prueba.−

Es una consecuencia inmediata de la proposición 23. 

 5.5. BASES, DIMENSIÓN, COORDENADAS 233

Definición 12

Sea V un espacio vectorial de dimensión finita. Si B = {− →v 1, −

→
v 2, · · · , →
−
v n } es una base para V ,
decimos que la dimensión de V es n y escribimos Dim(V ) = n.

Definición 13
→
−
Sea V un espacio vectorial, el subespacio N = { 0 } se considera un espacio vectorial de dimensión
finita, en este caso afirmamos que Dim(N ) = 0.

Observación. En la bibliografı́a existen escritos donde el campo K de escalares no necesariamente

es R, allı́ el lector encontrará que DimR (V ) = n es simplemente la dimensión.

Ejemplo 60
n−
→ −→o
Puesto que el conjuto B = i , j es una base de R2 , entonces Dim(R2 ) = 2.
n−
→ −→ − →o
Puesto que el conjunto B = i , j , k es una base de R3 , entonces Dim(R3 ) = 3.
n−
→ o →
−
Puesto que el conjunto B = E k |1 ≤ k ≤ n donde E k = (0, ..., 0, 1, 0, ..,0) con 1 en la k-ésma
componente y 0 en las demás, es una base de Rn entonces Dim(Rn ) = n.

Puesto que el conjunto B = {Ek,l |1 ≤ k ≤ n, 1 ≤ l ≤ m } donde Ek,l ∈ M (n, m) es tal que

(
1 si i = k, y j = l
(Ek,l )ij =
0 si i ̸= k o j ̸= l

1 en la entrada ij y 0 en las demás, es una base de V = M (n, m) entonces Dim (M (n, m)) = nm

Puesto que el conjunto B = qk (x) qk (x) = xk , 0 ≤ k ≤ n es una base del conjunto V = Pn [x],
decimos que Dim (Pn [x]) = n + 1.

Puesto que el sistema de ecuaciones homogéneo y una base para el conjunto S de soluciones del
sistema son respectivamente
   
  
  2  

5


x + 2y − 5v
 =0 
 1   0 
z + 4v =0 y B=   
 0 ,  −4



 
    
w − 4v 
  0   4 

=0  
0 1

entonces Dim(S) = 2

Proposición 27

Sea V un espacio vectorial de dimensión finita, W ⊆ V un subespacio, entonces W es de dimensión

finita y Dim(W ) ≤ Dim(V ).
234 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

Prueba.−
→
− →
−
Si W = { 0 } el resultado es inmediato, si W ̸= { 0 }, sea U = {−→v 1, −
→
v 2, · · · , −
→
v k } una base de W
entonces U es un conjunto de vectores L.I. de V y por la proposición 24 existe B una base de V tal
que U ⊆ B es decir Dim(W ) ≤ Dim(V ). 

Proposición 28

Sea V un espacio vectorial de dimensión finita, B = {− →

v 1, −
→
v 2, · · · , →
−
v n } una base de V entonces, para
cada −
→
v ∈ V existen escalares λ1 , · · · , λn tales que

−
→ P −
v = λ1 −
→
v 1 + λ2 −
→
v 2 + · · · + λn −
→ λk →
k=n
vn= vk
k=1

y esta escritura es única.

Prueba.−
Realmente lo único por probar es la unicidad de la escritura, suponemos entonces

X
k=n
−
→
v = λ1 −
→
v 1 + λ2 −
→
v 2 + · · · + λn −
→
vn= λk −
→
vk
k=1

y
X
k=n
−
→
v = µ1 −
→
v 1 + µ2 −
→
v 2 + · · · + µn −
→
vn= µk −
→
vk
k=1

en consecuencia
−
→ X
k=n
0 =−
→
v −−
→
v = (λk − µk ) −
→
vk
k=1

y puesto que B es un conjunto L.I. concluimos que para todo k, 1 ≤ k ≤ n, λk = µk y la escritura es

única.

Definición 14

Sea V un espacio vectorial de dimensión finita, B = {−→v 1, −

→
v 2, · · · , −
→
v n } una base de V, si afirmamos
que v 1 es el primer vector de B, v 2 es el segundo vector de B y ası́ hasta −
→
− →
− →
v n , el n-ésimo vector de
B, decimos que B es una base ordenada de V.

Al suponer las bases ordenadas la proposición anterior se puede reescribir diciendo

Proposición 29

Sea V un espacio vectorial de dimensión finita B = {→

−
v 1, −
→
v 2, · · · , →
−
v n } una base ordenada de V
→
−
entonces para cada v ∈ V existe una única matriz
 
λ1
 .. 
 
 .  P −
  k=n
 λk  ∈ M (n, 1) tal que −
→
v = λk →
vk
 
 ..  k=1
 . 
λn
 5.5. BASES, DIMENSIÓN, COORDENADAS 235

Definición 15

Sea V un espacio vectorial de dimensión finita, B = {− →

v 1, −
→
v 2, · · · , −
→
v n } una base ordenada de
→
−
V entonces para cada v ∈ V , la matriz de la proposición anterior se denomina la matriz de
coordenadas de −
→
v respecto de B y se nota [−
→
v ]B , es decir
 
λ1
 .. 
 
 . 
→
−  
[ v ]B =  λk .
 
 .. 
 . 
λn

Ejemplo 61

Si para cada n, aceptamos el orden natural en la base canónica B = {E1 , · · · , En } de Rn , como

aparecen definidos en el ejemplo 60, es inmediato verificar que:
 
x1
 . 
[(x1 , · · · , xn )]B =  
 .. 
xn

Ejemplo 62

Si para cada n, aceptamos el orden natural en la base canónica dada por el conjunto

B = qk (x) qk (x) = xk , 0 ≤ k ≤ n de Pn [x], es inmediato verificar que
 
a0
 . 
[a0 + a1 x + · · · + an xn ]B =  
 ..  ∈ M(n+1)×1 (R)
an

Ejemplo 63

Si aceptamos en {1, 2} × {1, 2} el orden lexicográfico (1, 1) , (1, 2) , (2, 1) , (2, 2) en la base canónica B
de M (2, 2) del ejemplo 60, entonces
 
" !# a
 
a b  b 
= 
c d  c 
B
d

El ejemplo anterior se puede extender si para cada n y cada m también aceptamos el orden
lexicográfico en {1, 2, · · · , n} × {1, 2, · · · , m} en la base canónica

B = {Ek,l |1 ≤ k ≤ n, 1 ≤ l ≤ m }
236 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

de M (n, m) y A = (aij ) entonces [A]B es una matriz tamaño nm×1 donde escribimos en las primeras
n filas en estricto orden los elementos de la primera fila de A, a continuación y en estricto orden
los elementos de la segunda fila de A y ası́ sucesivamente. Por comodidad y economı́a no escribimos
esta matriz pero el lector lo deberı́a hacer en su cuaderno.

Ejemplo 64

Considere la base ordenada B = q1 (x) = 1, q2 (x) = 1 + x, q3 (x) = 1 + x + x2 de P2 [x] para
 
encontrar 3 + 2x + 5x2 B

Solución.-
Basta encontrar números reales λ, µ, γ tales que


3 + 2x + 5x2 = λ(1) + µ(1 + x) + γ 1 + x + x2 ,

si desarrollamos la expresión de la derecha agrupamos términos semejantes e igualamos

coeficientes de las correspondientes potencias de x, obtenemos



3 = λ + µ + γ
2=µ+γ


5 = γ

sistema no homogéneo de tres ecuaciones con tres incógnitas cuya única solución es λ = 1,
µ = −3, γ = 5 en consecuencia  
1
   
3 + 2x + 5x2 B =  −3 
5

Ejemplo 65

Si se considera la base ordenada


B = q1 (x) = x + x2 , q2 (x) = 1 + x2 , q3 (x) = 1 + x
 
de P2 [x], para encontrar 3 + 2x + 5x2 B , basta encontrar números reales λ, µ, γ tales que

3 + 2x + 5x2 = λ(x + x2 ) + µ(1 + x2 ) + γ (1 + x) ,

si desarrollamos la expresión de la derecha agrupamos términos semejantes e igualamos

coeficientes de las correpondientes potencias de x, obtenemos el siguiente sistema no homogéneo
de tres ecuaciones con tres incógnitas: 
3 = µ + γ


2=λ+γ


5 = λ + µ

cuya única solución es λ = 2, µ = 3, γ = 0 y en consecuencia:

 
2
   
3 + 2x + 5x2 B =  3 
0
 5.5. BASES, DIMENSIÓN, COORDENADAS 237

Ejemplo 66

Sea S el espacio de las soluciones del sistema homogéneo de ecuaciones



x + 2y − 5v = 0

z + 4v = 0


w − 4v = 0

de los ejemplos 38 y 50 y sea

    

 2 5 


    


  1   0 

−
→   −
→  
B = u1 =  0 , u2 =  −4 

    

  0   4 



 

0 1
una base ordenada de S entonces para cada solución del sistema
 
x = 2a + 5b
 
 y=a 
 
X= z = −4b 
 
 w = 4b 
v=b
!
a
se tiene que [X]B =
b

Ejemplo 67

En el ejemplo 44 probamos que

U = {−
→
u 1 = (1, 2, 3), −
→
u 2 = (4, 5, 6), −
→
u 3 = (1, 0, 1)}

es un conjunto de vectores linealmente independiente de R3 , en consecuencia es una base que

ordenamos por el orden natural de N. Encontrar [(a, b, c)]U.

Solución.-
Basta encontrar números reales λ, µ, γ tales que:

λ(1, 2, 3) + µ(4, 5, 6) + γ(1, 0, 1) = (a, b, c)

al desarrollar la expresión de la izquierda e igualar componentes obtenemos




λ + 4µ + γ =a
2λ + 5µ =b


3λ + 6µ + γ =c

sistema no homogéneo de tres ecuaciones con tres incógnitas, cuya única solución es
238 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

5 1 5 1 1 1 1 1
λ= c − b − a, µ = a + b − c, γ = a − b + c
6 3 6 3 3 3 2 2
en consecuencia:  
6c − 3b − 6a
5 1 5
 
3a + 3b − 3c
[(a, b, c)]U. =  1 1 1

2a − b + 2c
1 1

En particular:
     
− 56 − 13 5
     6

[(1, 0, 0)]U =  1
3  , [(0, 1, 0)]U =  1
3 , [(0, 0, 1)]U =  − 13 
1
2 −1 1
2

El lector cuidadoso comenzará a encontrar un interesante parecido entre los espacios vectoriales
de dimensión finita y los espacios Rn ; evidentemente esto no es una casualidad, en el capı́tulo 6
estableceremos una identificación de unos y otros que muestra que desde el punto de vista del
Álgebra Lineal no se diferencian, es decir debe ser suficiente conocer muy bien los espacios Rn .

Claramente se observa que dadas dos bases ordenadas de un espacio vectorial las matrices de
coordenadas de un vector respecto de cada una de las bases puede ser diferente, es entonces
interesante y útil encontrar procedimientos generales que nos permitan pasar de una a la otra.

Proposición 30

Sea V un espacio vectorial de dimensión finita,

B = {−
→
v 1, −
→
v 2, · · · , →
− b = {−
v n} y B →
w 1, −
→
w 2, · · · , →
−
w n}

bases ordenadas de V, existe una matriz A ∈ M (n, n) tal que para todo −
→
v ∈ V, se tiene que
[−
→
v ]Bb = A [−
→
v ]B

Prueba.−  
λ1
 . 
Si suponemos que −
→
v ∈ V y [−
→
v ]B =  
 ..  entonces se puede afirmar que,
λn

X
k=n
−
→
v = λk −
→
v k,
k=1

b es una base de V, para cada k, 1 ≤ k ≤ n existen números reales aik tales que
y como B

X
i=n
−
→
vk= aik −
→
wi
i=1

al reemplazar obtenemos !
X
k=n X
i=n
−
→
v = λk aik −
→
wi
k=1 i=1
 5.5. BASES, DIMENSIÓN, COORDENADAS 239

Ahora, si desarrollamos y agrupamos en cada −

→
w i obtenemos
!
X
i=n X
k=n
−
→
v = aik λk −
→
wi
i=1 k=1

es decir
 
P
k=n

 k=1 a1k λk 
 
 
[−
→ ..
v ]Bb =  . 
 
 k=n
P 
ank λk
k=1

Por otra parte si llamamos A = (aij ) encontramos que:

 
P
k=n

 a1k λk 
 k=1 
−
→  .. 
A [ v ]B =  . 
 
 P
k=n 
ank λk
k=1

y con esto queda terminada la prueba. 

Definición 16

Sea V un espacio vectorial de dimensión finita, y sean

B = {−
→
v 1, −
→
v 2, · · · , →
− b = {−
v n} y B →
w 1, −
→
w 2, · · · , →
−
w n}

bases ordenadas de V entonces la matriz A de la cual probamos su existencia en la proposición

b
anterior se denomina la matriz de paso (o de cambio de base) de la base B a la base B.

Ejemplo 68

En el ejemplo anterior puesto que

     
− 56 − 13 5
     6

[(1, 0, 0)]U =  1
3  , [(0, 1, 0)]U =  1
3 , [(0, 0, 1)]U =  −3
1

1
2 −1 1
2

la matriz  
− 65 − 31 5
 6

A= 1
3
1
3 − 13 
1
2 −1 1
2

resulta ser la matriz de paso de la base canónica a la base U y es inmediato verificar que
    
6c − 3b − 6a − 56 − 13
5 1 5 5
a
 1   6
 
 3 a + 13 b − 31 c  =  13 1
3 − 31   b 
2a − b + 2c −1
1 1 1 1
2 2 c
240 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

EJERCICIOS 5.5
1. Muestre que el conjunto A = {(−1, 1, 0), (1, −1, 2), (0, 1, −2)} es una base de R3 y escriba el
vector (a, b, c) como combinación lineal de los vectores de A. Determine la matriz de paso de
la base canónica a la base A.

2. Muestre que el conjunto A = p(x) = x − x2 , q(x) = x2 − x + 2, r(x) = x − 2 es una base de
P2 [x]. Determine la matriz de paso de la base canónica a la base A.
3. Construya una base del espacio M (2, 2).
4. Encuentre una base del subespacio W = {(x, y, z) | x − 2y + 2z = 0} ⊂ R3 .
5. Construya una base del espacio ⟨R, +, ·⟩ de los números reales.
6. En el ejercicio 4 de la sección 5.1 usted “probó” que R2 , ⊕, ⊙ es un espacio vectorial.
Encuentre una base de este espacio.
7. Encuentre una base para el espacio de las soluciones del sistema

x + 3z + w − u = 0
2x + 2y − u = 0
3y + 3z − w = 0
8. Considere
( ! ! ! !)
0 1 1 0 1 1 1 1
B= A1 = , A2 = , A3 = , A4 =
1 1 1 1 0 1 1 0

a) Pruebe que B es una base de M (2, 2).

" !#
a b
b) Considere B ordenada por el orden “natural”, y encuentre .
c d
B
c) Encuentre la matriz de paso de B a la base canónica de M (2, 2).
d) Encuentre la matriz de paso de la base canónica de M (2, 2) a B.

5.6. RANGO Y NULIDAD DE UNA MATRIZ

En esta sección pretendemos responder, en general, varias preguntas que surgen al mirar una
matriz A ∈ M (m, n) como un conjunto de m vectores de Rn , vale decir sus filas; aquı́ identificamos
M (1, n) con Rn , o alternativamente como un conjunto de n vectores de Rm , sus columnas; aquı́
identificamos M (m, 1) con Rm . Estas preguntas son, por ejemplo

¿Cuál es la dimensión del subespacio de Rn de las soluciones del sistema homogéneo de ecuaciones
lineales AX = 0?

¿Cuál es la dimensión del subespacio de Rn generado por las filas de A?

¿Cuál es la dimensión del subespacio de Rm generado por las columnas de A?

¿Cuál es la dimensión del subespacio de Rm dado por S = {B ∈ Rm : AX = B tiene solución} ?

 5.6. RANGO Y NULIDAD DE UNA MATRIZ 241

Proposición 31

Sea A ∈ M (m, n) y sea A b su forma escalonada reducida por filas entonces los subespacios S y Sb de
b = 0 respectivamente, son iguales.
Rn de las soluciones de los sistemas AX = 0 y AX

Prueba.−

La afirmación es una consecuencia inmediata del Teorema 1 del capı́tulo 2 aplicado a sistemas
homogéneos y escrito en términos de subespacios. 

La proposición anterior nos permite, en lo que tiene que ver con sistemas homogéneos, estudiar solo
matrices escalonadas reducidas.

Proposición 32

Sea A ∈ M (m, n) una matriz escalonada reducida por filas con columnas sin pivote a saber
A(k1 ) , · · · , A(kr ) y sea S el subespacio de Rn de soluciones del sistema AX = 0 entonces

Dim(S) = r

Prueba.−
Basta encontrar una base de S que posea exactamente r elementos, por lo tanto construimos el
conjunto B = {− →v 1, −
→
v 2, · · · , −
→
v r } de la siguiente manera
→
−v 1 es la solución del sistema, obtenida por la siguiente asignación de valores a las variables libres
xk1 = 1 y todas las demás cero.

−
→v 2 es la solución del sistema obtenida por la siguiente asignación de valores a las variables libres:
xk2 = 1 y todas las demás cero y ası́ sucesivamente hasta − →v r la solución del sistema obtenida por
la siguiente asignación de valores a las variables libres: xkr = 1 y todas las demás cero.

Puesto que toda solución se obtiene por una asignación arbitraria de valores a las variables libres,
es claro que B es un sistema de generadores de S.

Por otra parte, al igualar componentes en la combinación lineal nula

X
j=r
→
−
µj −
→
vj = 0
j=1

obtenemos un sistema homogéneo CX = 0 tal que la columna C (k) de su matriz de coeficientes es

→
−
v k y por tanto la ecuación correspondiente a la fila de la variable libre xk1 es

1µ1 + 0µ2 + · · · + 0µr = 0,

la ecuación correspondiente a la fila de la variable libre xk2 es

0µ1 + 1µ2 + · · · + 0µr = 0

y ası́ sucesivamente, la ecuación correspondiente a la fila de la variable libre xkr es

0µ1 + 0µ2 + · · · + 1µr = 0 y en consecuencia µ1 = · · · = µr = 0 y por tanto B es un conjunto
242 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

de vectores L.I. 

Observación. Si A es una matriz escalonada reducida por filas donde todas las columnas tienen
pivote el sistema AX = 0 equivale a un sistema I(n) X = 0 cuya única solución es la trivial.

Definición 17

Sea A ∈ M (m, n), sea S el subespacio de Rn de las soluciones del sistema homogéneo AX = 0
decimos entonces que S es el espacio nulo de A y su dimensión se denomina la nulidad de A, notada
η(A).

Ejemplo 69

Consideremos la matriz A y su respectiva forma escalonada reducida por filas:

   
1 0 2 1 0 0
   
 0 1 1   0 1 0 
A= → 
 −1 0 −3   0 0 1 
−2 2 5 0 0 0

y el sistema
   
1 0 2   0
  x  
 0 1 1    0 
  y  =  
 −1 0 −3   0 
z
−2 2 5 0

que equivale a
    
1 0 0 x 0
    
 0 1 0  y  =  0 
0 0 1 z 0

pues la última ecuación es 0x + 0y + 0z = 0 que puede considerarse no escrita y el espacio nulo de

A es  
 0 
 
 
L=  0 
 0 
 

y su nulidad η(A) = 0

Ejemplo 70

Si A y su forma escalonada son respectivamente:

   
1 0 −1 −2 1 0 0 −9
  b= 
A= 0 1 0 2 →A  0 1 0 2 ,
2 1 −3 5 0 0 1 −7
 5.6. RANGO Y NULIDAD DE UNA MATRIZ 243

b = 0 tiene una variable libre y por tanto todas las soluciones son de la
se tiene que el sistema AX
forma x = 9t, y = −2t, z = 7t, w = t para cualquier asignación arbitraria de valores a t ∈ R, es
decir el espacio nulo de A es  

 9  

 −2  
 
L  

  7  

 

1
y su nulidad η(A) = 1.

Ejemplo 71

Si A y su forma escalonada son respectivamente:

   
1 −2 1 0 3 1 0 −1 4
3
1
3
 −1 −1 −2   −1 2
− 34
 2 1  b= 0 1 
A= →A  3

 0 −3 3 −2 4   0 0 0 0 0 
−2 −5 7 −6 6 0 0 0 0 0

entonces el sistema AX b = 0 tiene tres variables libres y por tanto todas las soluciones son de la
forma x = a − 3 b − 3 c, y = a − 23 b + 43 c, para cualquier asignación arbitraria de valores a, b, c ∈ R,
4 1

es decir el espacio nulo de A es

     

 1 − 34 − 13 


      4 


 1   − 32   
3 
     
L  1 , 0 , 0 

      


 0   1   0 



 
0 0 1
y su nulidad η(A) = 3.

Hemos respondido ası́ la primera pregunta.

Proposición 33

Sean A ∈ M (m, n) y Ab su forma escalonada reducida, sea T el subespacio de Rn generado por las
filas de A, consideradas como vectores de Rn entonces el conjunto de las filas diferentes de cero de
b es una base de T.
A

Prueba.−

Puesto que cada fila de Ab se obtiene por una sucesión finita de operaciones elementales entre filas
y cada una de estas tiene una operación inversa del mismo tipo es claro que cada fila de A es una
combinación lineal de las filas diferentes de cero de A b es decir éstas últimas son un sitema de
generadores de T.
Basta probar que son un conjunto de vectores L.I.
244 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

Consideremos entonces
     
Ab = (1, ∗, 0, ∗, 0, ∗, · · · , 0, ∗) , A
b = (0, ∗, 1, ∗, 0, ∗, · · · , 0, ∗) , · · · , A
b = (0, ∗, 0, ∗, 0, ∗, · · · , 1, ∗)
1 2 r

b En esta descripción los unos y ceros aparecen en las columnas

las filas diferentes de cero de A.
donde hay pivote, vale decir las columnas k1 , k2 , · · · , kr , y la (*) significa sucesiones de una o mas
columnas sin pivote

Sea entonces una combinación lineal nula de ellas, digamos

X
i=r  
b = (0, 0, · · · , 0)
λi A
i
i=1

al desarrollar e igualar componentes obtenemos un sistema homogéneo de n ecuaciones con r ≤ n

incógnitas cuya primera ecuación es 1µ1 + 0µ2 + · · · + 0µr = 0, cuya ecuación j2 correspondiente a
la columna del segundo pivote es 0µ1 + 1µ2 + · · · + 0µr = 0 y ası́ sucesivamente, la ecuación jr
correspondiente a la columna del pivote r−ésimo es 0µ1 + 0µ2 + · · · + 1µr = 0 y en consecuencia
b es un conjunto de vectores
µ1 = · · · = µr = 0 y por tanto el conjunto de filas diferentes de cero de A
L.I. 

Observación. El lector notará que las pruebas de independencia lineal en las proposiciones 32
y 33 son esencialmente la misma escrita en forma diferente, puede como ejercicio de verificación
intentar escribir las dos de la misma forma.

Definición 18

Sea A ∈ M (m, n), sea T el subespacio de Rn generado por las filas de A, T se denomina el espacio
fila de A y su dimensión se denomina el rango fila de A notado ρF (A).

Ejemplo 72

Si consideremos la matriz A y su respectiva forma escalonada reducida por filas

   
1 0 2 1 0 0
   
 0 1 1   0 1 0 
A= → ,
 −1 0 −3   0 0 1 
−2 2 5 0 0 0

su espacio fila es R3 y su rango fila ρF (A) = 3.

Ejemplo 73

Si consideramos la matriz A y su respectiva forma escalonada reducida por filas

   
1 0 −1 −2 1 0 0 −9
  b= 
Sea A =  0 1 0 2 →A  0 1 0 2 
2 1 −3 5 0 0 1 −7
 5.6. RANGO Y NULIDAD DE UNA MATRIZ 245

su espacio fila es
T = L ({(1, 0, 0, −9) , (0, 1, 0, 2) , (0, 0, 1, −7)})

y su rango fila ρF (A) = 3

Ejemplo 74

Si consideremos la matriz A y su respectiva forma escalonada reducida por filas

   
1 −2 1 0 3 1 0 −1 4
3
1
3
 −1 −1 2 −2   −1 2
− 43
 1  b= 0 1 
A= →A  3

 0 −3 3 −2 4   0 0 0 0 0 
−2 −5 7 −6 6 0 0 0 0 0

su espacio fila es
   
4 1 2 4
T =L 1, 0, −1, , , 0, 1, −1, , −
3 3 3 3
y su rango fila ρF (A) = 2.

Observación. La proposición 34 nos provee de un procedimiento eficaz para encontrar una base y
la dimensión del subespacio L(S) generado por un conjunto S = {− →w 1, −
→
w 2, · · · , −
→
w m } de m vectores
de un espacio R , basta construir la matriz A ∈ M (m, n) cuyas filas son en su orden los vectores de
n

S,
 →
− 
w1
 −
→ 
 w2 
A=
 ..


 . 
→
−
wm

reducimos A a forma escalonada reducida Ab y el conjunto de filas diferentes de cero consideradas

como vectores de R es una base para L(S) y su dimensión es el rango fila de A.
n

Definición 19

Sea A ∈ M (m, n), sea U el subespacio de Rm generado por las columnas de A, se denomina el espacio
columna de A y su dimensión se denomina el rango columna de A notado ρC (A)

Ejemplo 75

Consideremos
 
1 0 2
 
 0 1 1 
A= 
 −1 0 −3 
−2 2 5
246 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

el espacio columna de A no es otro que el subespacio de R4 , L ({(1, 0, −1, −2), ((0, 1, 0, 2), (2, 1, −3, 5)})
y por la observación posterior a la proposición 33, si B y su correspondiente reducción por filas son
respectivamente
   
1 0 −1 −2 1 0 0 3
  b= 
B= 0 1 0 2 →B  0 1 0 2 
2 1 −3 5 0 0 1 1

entonces

W = {(1, 0, 0, 3), (0, 1, 0, 2), (0, 0, 1, 1)}

es una base del espacio columna de A y en consecuencia el rango columna ρC (A) = 3. El lector
observará que B = AT

Ejemplo 76

Sea
 
1 −2 1 0 3
 −1 −1 −2 1 
 2 
A= ,
 0 −3 3 −2 4 
−2 −5 7 −6 6
el espacio columna de A no es otro que el subespacio de R4 ,

L ({(1, −1, 0, −2), (−2, −1, −3, −5), (1, 2, 3, 7), (0, −2, −2, −6), (3, 1, 4, 6)})
y por la observación posterior a la proposición 33, sea
 
1 −1 0 −2
 −2 −1 −3 −5 
 
 
B= 1 2 3 7 ,
 
 0 −2 −2 −6 
3 1 4 6

reducimos por filas y obtenemos

 
1 0 1 1
 
 0 1 1 3 
b  
B= 0 0 0 0 
 
 0 0 0 0 
0 0 0 0
entonces
W = {(1, 0, 1, 1), (0, 1, 1, 3)}
es una base del espacio columna de A y en consecuencia el rango columna ρC (A) = 2.

Proposición 34

Sea A ∈ M (m, n) entonces ρF (AT ) = ρC (A) y ρC (AT ) = ρF (A)

 5.6. RANGO Y NULIDAD DE UNA MATRIZ 247

Prueba.−
Ejercicio para el lector. 

Proposición 35

Sea A ∈ M (m, n) entonces su rango fila y su rango columna son iguales (ρF (A) = ρC (A)).

Prueba.−

Sean U el subespacio de Rm generado por las columnas de A y B = A(k1 ) , A(k2 ) , · · · , A(ks ) una
base de U, por tanto cada j, 1 ≤ j ≤ n la columna A(j) de A se escribe de una única forma como
combinación lineal los elementos de B es decir existen escalares
X
r=s
λrj ∈ R tales que A(j) = λrj A(kr ) , es decir
r=1
       
a1j a1k1 a1k2 a1ks
 ..   ..   ..   .. 
       
 .   .   .   . 
       
 aij  = λ1j  aik1  + λ2j  aik2  + · · · + λsj  aiks ,
       
 ..   ..   ..   .. 
 .   .   .   . 
amj amk1 amk2 amks
al igualar entradas tenemos:
P
r=s
a1j = a1k1 λ1j + a1k2 λ2j + · · · + a1ks λsj = a1kr λrj
r=1
..
.
P
r=s
aij = aik1 λ1j + aik2 λ2j + · · · + aiks λsj = aikr λrj
r=1
..
.
P
r=s
amj = amk1 λ1j + amk2 λ2j + · · · + amks λsj = amkr λrj
r=1

en consecuencia podemos afirmar que para cada i, 1 ≤ i ≤ m y para cada j, 1 ≤ j ≤ n

P
r=s
aij = aikr λrj
r=1

lo que significa que para cada i, 1 ≤ i ≤ m la fila Ai de A se escribe como

!
X
r=s X
r=s
Ai = (ai1 , · · · , ain ) = aikr λr1 , · · · , aikr λrn
r=1 r=1

Ahora, si llamamos L = (λrj ) , 1 ≤ r ≤ s, 1 ≤ j ≤ m; la expresión (5.2) es equivalente a decir que,

para cada i, 1 ≤ i ≤ m,
X
r=s
aij = aik1 (λ11 , λ12 , · · · , λ1m ) + · · · + aiks (λs1 , λs2 , · · · , λsm ) = aiks Lr
r=1

escritura que claramente dice que para cada i, 1 ≤ i ≤ m la fila Ai de A está escrita como una
combinación lineal de las filas de L y esta última afirmación implica que ρF (A) ≤ s = ρC (A).
248 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

Finalmente si aplicamos el último resultado a la matriz AT , tenemos ρF (AT ) ≤ ρC (AT ) y por la

proposición 34 deducimos que ρF (A) = ρC (A). 

Definición 20

Sea A ∈ M (m, n), llamamos rango de A, notado ρ(A) al valor común del rango fila y el rango
columna de A.

Ejemplo 77

Sea
 
1 0 −1 −2
 
A= 0 1 0 2 ,
2 1 −3 5
su forma escalonada reducida es  
1 0 0 −9
b=
A  0 1 0

2 
0 0 1 −7
en consecuencia su rango ρ(A) = 3.

Hemos respondido ası́ las preguntas 2 y 3 tercera que planteamos al comienzo del capı́tulo.

Ahora, si comparamos los ejemplos 69 y 72, 70 y 73, 71 y 74, observamos una interesante relación
entre la nulidad y el rango de una matriz A, a saber, la suma de nulidad mas rango es n, el número
de columnas de A.

Este resultado no es casual, en general podemos afirmar,

Proposición 36

Sea A ∈ M (m, n) entonces η(A) + ρ(A) = n.

Prueba.−
Sea Ab la forma escalonada reducida de A, el resultado es inmediato si observamos que η(A) es
b que no tienen pivote, mientras que ρ(A) es el número de
precisamente el número de columnas de A
columnas con pivote de la misma matriz y n es su número total de columnas. 

Por último la respuesta a la pregunta cuatro es consecuencia de la siguiente proposición,

Proposición 37

Sea A ∈ M (m, n), el sistema AX = B, B ∈ Rm tiene solución si y solo si B es una combinación lineal
de las columnas de A.

Prueba.−
 5.6. RANGO Y NULIDAD DE UNA MATRIZ 249

Sean
   
x1 b1
 ..   .. 
   
 .   . 
   
X= xi  y B= bk 
   
 ..   .. 
 .   . 
xn bm
en consecuencia AX = B se escribe también ası́:
       
a11 a12 a1n b1
 ..   ..   ..   .. 
       
 .   .   .   . 
       
 ai1  x1 +  ai2  x2 + · · · +  ain  xn =  bk 
       
 ..   ..   ..   .. 
 .   .   .   . 
am1 am2 amn bm
es decir
A(1) x1 + A(2) x2 + · · · + A(n) xn = B
En consecuencia si B es tal que el sistema AX = B tiene solución entonces B es una combinación
lineal de las columnas de A. 

Usualmente el espacio S = {B ∈ Rm |AX = B tiene solución } ⊆ Rm se denomina la imagen de A y

se nota Im(A), con esta notación la conclusión de la proposición 35 simplemente dice que la imagen
de A es igual al espacio columna de A.

EJERCICIOS 5.6
1. Determine una base para el espacio nulo y la nulidad de la matriz:
 
2 −1 3
 
A =  4 −2 6 
−6 3 −9

2. Determine una base para el espacio nulo, la nulidad, una base para la imagen, rango, una
base para el espacio fila de la matriz:
!
1 2 −1
B=
2 −1 3

3. Determine una base para el espacio nulo, la nulidad, una base para la imagen, rango, una
base para el espacio fila de la matriz:
 
1 −1 3
 
C= 2 0 −4 
−1 3 1

4. Determine una base para el espacio generado por el subconjunto de R3

D = {(1, 2, −3), (−2, 0, 4), (0, 4, −2), (−2, −4, 6)}

250 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

5. Considere  
1 2 3 4 1 0
 −1 
 2 2 3 4 1 
A= 
 3 3 3 4 1 0 
4 4 4 4 −1 1
a) Encuentre una base para el espacio nulo de A.
b) Encuentre la nulidad de A.
c) Encuentre una base para la Imagen de A.
d) Encuentre el rango de A.

5.7. PRODUCTO INTERNO Y ORTOGONALIDAD

En esta sección generalizamos el producto punto que definimos en el capı́tulo 4 a los espacios
vectoriales reales y utilizaremos este hecho para hablar de manera mas general de longitud, ángulo
entre vectores y otros términos de la Geometrı́a Euclidea.

Definición 21

Sea V un espacio vectorial real, decimos que V es un espacio con producto interno (Producto escalar)
si para cada par −
→
u,−
→v de vectores de V, existe un único número real, notado ⟨−
→
u,−
→v ⟩ ,tal que
→
−
1. Para todo −
→
u ∈ V, ⟨−
→
u,−
→
u ⟩ ≥ 0 y ⟨→
−
u,−
→
u ⟩ = 0 si y solo si −
→
u = 0.
2. Para todo −
→
u,−
→v ,−
→
w ∈ V,
⟨−
→
u +−
→v ,−
→
w ⟩ = ⟨−
→
u,−→w ⟩ + ⟨−
→
v ,−
→
w⟩
y
⟨−
→
u,−→
v +−→
w ⟩ = ⟨−
→
u,−
→
v ⟩ + ⟨−→u,−
→w⟩.
D−→ → E D −
→ E
3. Para todo −
→ v ∈ V y para todo λ ∈ R, λu, −
u,−
→ v = − →u , λv = λ ⟨−
→
u,−
→
v ⟩.

4. Para todo −
→
u,−
→
v ∈ V, ⟨−
→
u,−
→
v ⟩ = ⟨−
→
v ,−
→
u ⟩.

⟨−
→
u,−
→
v ⟩ se denomina el producto interno o producto escalar de −
→
u y−
→
v.

Ejemplo 78

Sean →
−
u = (x1 , x2 , · · · , xn ), −
→
v = (y1 , y2 , · · · , yn ) ∈ Rn , el producto punto de vectores de Rn definido
por X
k=n
⟨−
→
u,− →v⟩=−→u ·− →v = x 1 y1 + x 2 y 2 + · · · + x n y n = x k yk
k=1

es un producto interno.

Verificación.-
Propiedad 1.

X
k=n X
k=n
Si −
→
u = (x1 , x2 , · · · , xn ) ∈ Rn entonces −
→
u ·−
→ 2
u = xk xk = (xk ) ≥ 0, además si
k=1 k=1
 5.7. PRODUCTO INTERNO Y ORTOGONALIDAD 251

−
→ →
−
u = 0 = (0, · · · , 0)
entonces − −
→ →
0 · 0 =0
y recı́procamente si X
k=n
−
→
u ·−
→
u =
2
(xk ) = 0
k=1

para todo k, 1 ≤ k ≤ n, se tiene que xk = 0

Propiedad 2.

Si −
→
u = (x1 , x2 , · · · , xn ), −
→
v = (y1 , y2 , · · · , yn ), −
→
w = (z1 , z2 , · · · , zn ) ∈ Rn entonces
X
k=n
(→
−
u +−
→
v)·−
→
w = (x1 + y1 , x2 + y2 , · · · , xn + yn ) · (z1 , z2 , · · · , zn ) = (xk + yk ) zk
k=1
X
k=n
= (xk zk + yk zk )
k=1

Por otra parte

X
k=n X
k=n
−
→
u ·−
→
w +−
→
v ·−
→
w = x k zk + y k zk
k=1 k=1

Si comparamos las dos últimas expresiones de la derecha comprobamos su igualdad. Análogamente

se verifica la otra igualdad.

Propiedad 3.

Si −
→
u = (x1 , x2 , · · · , xn ), −
→
v = (y1 , y2 , · · · , yn ) ∈ Rn y λ ∈ R entonces

−
→ − X
k=n X
k=n
→
λu · v = λxk yk = λ x k yk = λ ( −
→
u ·−
→
v)
k=1 k=1

y
→ X X X
k=n k=n k=n
−
→ −
u · λv = xk (λyk ) = λxk yk = λ x k yk = λ ( −
→
u ·−
→
v)
k=1 k=1 k=1

Propiedad 4.

Si −
→
u = (x1 , x2 , · · · , xn ), −
→
v = (y1 , y2 , · · · , yn ) ∈ Rn entonces

X
k=n X
k=n
−
→
u ·−
→
v = x k yk = yk x k = −
→
v ·−
→
u
k=1 k=1

Ejemplo 79


Sea V = M (n, n), si A, B ∈ M (n, n) definimos ⟨A, B⟩ = T r AB T entonces ⟨A, B⟩ es un producto
interno.
252 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

Verificación.-

Propiedad 1.

Si A ∈ M (n, n) entonces
! ! !

X
i=n

X
i=n X
k=n

X
i=n X
k=n X
i=n X
k=n
2
⟨A, A⟩ = T r AA T
= AA T
ii
= aik A T
ki
= aik aik = (aik ) ≥0
i=1 i=1 k=1 i=1 k=1 i=1 k=1

Además si A, AT = 0 entonces
!
X
i=n X
k=n
2
(aik ) =0
i=1 k=1

en consecuencia para todo i, 1 ≤ i ≤ n y para todo k, 1 ≤ k ≤ n, aik = 0, es decir A = 0.

Recı́procamente si A = 0 entonces
! !
X
i=n X
k=n

X
i=n X
k=n
⟨A, A⟩ = aik A T
ki
= 0 = 0.
i=1 k=1 i=1 k=1

Propiedad 2.

Si A, B, C ∈ M (n, n) entonces





⟨A + B, C⟩ = T r (A + B) C T = T r AC T + BC T = T r AC T + T r BC T = ⟨A, C⟩ + ⟨B, C⟩ .

Análogamente se verifica la otra igualdad.

Propiedad 3.

Si A, B ∈ M (n, n) y λ ∈ R entonces




⟨λA, B⟩ = T r (λA) B T = T r λ AB T
! i=n k=n ! !
X X
i=n k=n

X X X
i=n X
k=n
= T
λaik B ki = λaik bik = λ aik bik = λ ⟨A, B⟩
i=1 k=1 i=1 k=1 i=1 k=1

y






⟨A, λB⟩ = T r A λB T = T r λ AB T = λT r AB T = λ ⟨A, B⟩
Propiedad 4.

Si A, B ∈ M (n, n) entonces
! !

X
i=n

X
i=n X
k=n

X
i=n X
k=n
⟨A, B⟩ = T r AB T
= AB T
ii
= aik B T
ki
= aik bik
i=1 i=1 k=1 i=1 k=1

y
 5.7. PRODUCTO INTERNO Y ORTOGONALIDAD 253

⟨B, A⟩ = T r BAT
! ! !
X
i=n

X
i=n X
k=n

X
i=n X
k=n X
i=n X
k=n
T T
= BA ii
= bik A ki
= bik aik = aik bik
i=1 i=1 k=1 i=1 k=1 i=1 k=1

Proposición 38

Sea V un espacio vectorial real de dimensión finita, ⟨ , ⟩ un producto interno definido sobre V y
B = {− →
u 1, −
→
u 2, · · · , −
→
u n } una base ordenada de V entonces ⟨−
→
u,→
−
v ⟩ está unı́vocamente determinado
→
− →
−
por los valores ⟨ u i , u j ⟩ , 1 ≤ i ≤ n, 1 ≤ j ≤ n.

Prueba.−
Sean −
→
u,−→v ∈ V entonces −
→
u,−
→
v se escriben de una única forma como
−
→
u = λ1 −
→
u 1 + λ2 →
−
u 2 + · · · + λn u n ,
→
−
v =µ − →
u +µ − →
u + ··· + µ u
1 1 2 2 n n

entonces
 
X
i=n X
j=n
⟨→
−
u,−
→
v ⟩ = ⟨λ1 −
→
u 1 + λ2 −
→
u 2 + · · · + λn −
→
u n , µ1 −
→
u 1 + µ2 −
→
u 2 + · · · + µn −
→
u n⟩ =  λi µ j ⟨ →
−
u i, −
→
u j ⟩ . 
i=1 j=1

Proposición 39

Sea V un espacio vectorial real de dimensión finita, ⟨ , ⟩ un producto interno definido sobre V y
B = {−
→
u 1, −
→
u 2, · · · , −
→
u n } una base ordenada de V y sea A ∈ M (n, n) tal que aij = ⟨−
→
u i, −
→
u j ⟩ entonces

⟨−
→
u,−
→
v ⟩ = ([−
→
u ]B ) A [−
→
T
v ]B

Prueba.-
Si
−
→
u = λ1 −
→
u 1 + λ2 −
→
u 2 + · · · + λn un , −
→
v = µ1 −
→
u 1 + µ2 −
→
u 2 + · · · + µn un
entonces  
µ1
 
−
→ →
−  µ2 
([ u ]B ) = (λ1 , λ2 , · · · , λn ) y [ v ]B =  
T
 .. 
 . 
µn
en consecuencia
! !
X
j=n X
i=n X
j=n X
i=n
([→
−
u ]B ) A [−
→ λi ⟨ →
−
u i, −
→ λi µ j ⟨ →
−
u i, −
→
T
v ]B = u j ⟩ µj = u j⟩
j=1 i=1 j=1 i=1


254 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

Usualmente denominamos la matriz A como “la matriz del producto interno asociada a la base
ordenada B”

Asociada a cada producto interno podemos definir una “magnitud”(Longitud o norma) de la

siguiente manera

Definición 22

Sea V un espacio vectorial real, ⟨ , ⟩ un producto interno definido sobre V , definimos la magnitud
p→ −
de −
→
u notada ∥−
→
u ∥ , por ∥−
→
u ∥ = ⟨− u,→ u ⟩.

Proposición 40

Sea V un espacio vectorial real, ⟨ , ⟩ un producto interno definido sobre V entonces:

→
−
1. Para todo −
→u ∈ V, ∥−
→
u ∥ ≥ 0 y ∥− →
u ∥ = 0 si y solo si −
→
u = 0
−
→
2. Para todo −
→u ∈ V y para todo λ ∈ R, λu = |λ| ∥− →
u∥

3. Para todo −
→
u,−
→
v ∈ V, |⟨−
→
u,−
→
v ⟩| ≤ ∥−
→
u ∥ ∥−
→
v ∥ (Desigualdad de Cauchy-Schwarz)
4. Para todo −
→
u,−
→
v ∈ V ∥−
→
u +−
→
v ∥ ≤ ∥−
→
u ∥ + ∥−
→
v ∥ (Desigualdad triangular)

Prueba.−

1. Es solo una reescritura de la propiedad 1 del producto interno.

rD
→
− −→ −
→ − →E p √ p→ −
2. Sean u ∈ V, λ ∈ R λu = λu, λu . = λ2 ⟨−→u,−
→
u ⟩ = λ2 ⟨ − u,→
u ⟩ = |λ| ∥−
→
u∥

→
− − →E
D→ − →
→
3. Sean −
→
u,−
→
v ∈ V, si se supone que −
→ v = 0 = 0 ∥−
u = 0 se tiene que 0 , − v ∥.
→
− ⟨→
−u ,→
−
v ⟩−
Ahora, si se supone que −
→
u ̸= 0 , sea −
→
w =−
→
v − →−
→ → 2
−
2 u entonces ∥ w ∥ ≥ 0
∥u∥
es decir,
* +
⟨−
→
u,−→ ⟨→
−
u,−→ ⟨−
→
u,−→ 2
v ⟩− v ⟩− v⟩
0 ≤ ∥→
− −
→ → →
− → = ⟨−
→
v ,−
→
2
w∥ = v − →− u , v − →
− 2 u v⟩− →
∥−
2 2
∥u∥ ∥u∥ u∥

por tanto, ∥−
→
u ∥ ∥−
2 → 2
v ∥ − ⟨−
→
u,−
→
v ⟩ ≥ 0, luego ⟨→
−
u,−
→
v ⟩ ≤ ∥−
→
u ∥ ∥−
2 2 2 → 2
v∥
y en consecuencia
|⟨−
→
u,−
→
v ⟩| ≤ ∥−
→
u ∥ ∥−
→
v∥

4. Sean − →
u,−→
v ∈ V, entonces ∥−
→u +−→v ∥ = ⟨−
→
u +−
→
v ,−
→
u +− →
v ⟩ = ∥−
→
u ∥ + 2 ⟨−
→
u,−
→
v ⟩ + ∥−
→
2 2 2
v ∥ entonces
si utilizamos la desigualdad de Cauchy-Schwarz (3) tenemos

∥−
→
u +−
→
v ∥ = ∥−
→
u ∥ + 2 ⟨−
→
u,−
→
v ⟩ + ∥−
→
v ∥ ≤ ∥−
→
u ∥ + 2 ∥−
→
v ∥ ∥−
→
u ∥ + ∥−
→
v ∥ = (∥−
→
v ∥ + ∥−
→
2 2 2 2 2 2
u ∥)

y por lo tanto
∥−
→
u +−
→
v ∥ ≤ ∥−
→
u ∥ + ∥−
→
v∥

 5.7. PRODUCTO INTERNO Y ORTOGONALIDAD 255

También como una consecuencia de la desigualdad de Cauchy-Schwarz podemos generalizar el

concepto de ángulo entre vectores, puesto que para cada par de vectores −→u,−→v en un espacio V
→
− →
−
⟨u,v ⟩
con producto interno, la desigualdad garantiza que → ≤ 1, por tanto, se puede definir:
∥−u ∥∥→
−
v∥

Definición 23

Sea V un espacio vectorial real, ⟨ , ⟩ un producto interno definido sobre V , − →

u ,−
→
v ∈ V no nulos,
→
− →
−
definimos la medida del ángulo θ entre u y v , como el único el número real 0 ≤ θ ≤ π tal que
⟨−
→u,−→v⟩
cos θ = −
∥ u ∥ ∥−
→ → .
v∥

Definición 24

Sea V un espacio vectorial real, ⟨ , ⟩ un producto interno definido sobre V , −

→
u,−
→
v ∈ V decimos que
→
− →
− →
− →
−
u y v son ortogonales si y solo si ⟨ u , v ⟩ = 0

Observación. Como lo dijimos en su momento, en los espacios R2 y R3 la ortogonalidad corresponde

a la perpendicularidad de la geometrı́a euclı́dea del espacio usual.

Definición 25

Sea V un espacio vectorial real, ⟨ , ⟩ un producto interno definido sobre V y sea S ⊆ V, decimos que
S es ortogonal si y solo si para todo −
→
u,−
→v ∈ S, −
→
u ̸= −
→
v , se tiene que ⟨−
→
u,−
→
v⟩=0

Ejemplo 80

Sea R2 con el producto punto, S = {(3, 4), (−4, 3)} es ortogonal, puesto que
(3, 4) · (−4, 3) = (3)(−4) + (4)(3) = 0

Ejemplo 81

Sea R3 con el producto punto, S = {(3, 4, 0), (−4, 3, 5)} es ortogonal ya que
(3, 4, 0) · (−4, 3, 5) = (3)(−4) + (4)(3) + (0)(5) = 0

Ejemplo 82
n−
→ o
Sea Rn con el producto punto, la base canónica B = E k , 1 ≤ k ≤ n es ortogonal, ya que si i ̸= j
→ −
− →
entonces E i · E j = 0

Ejemplo 83

Sea M (2, 2) con el producto interno definido en el ejemplo 79 y sea:

( ! ! !)
2 3 2 1 − 21 1
S= , ,
5 1 0 −7 − 52 0
256 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

Debido a que
" ! !# !
2 3 2 0 7 −21
Tr = Tr =0
5 1 1 −7 11 −7
" ! !# !
2 3 − 12 − 25 2 − 45
Tr = Tr =0
5 1 1 0 − 32 −2
" ! !# !
2 1 − 12 − 25 0 − 45
Tr = Tr =0
0 −7 1 0 −7 0

afirmamos que S es ortogonal

Proposición 41
→
−
Sea V un espacio vectorial real, ⟨ , ⟩ un producto interno definido sobre V y sea S ⊆ V tal que 0 ∈
/S
y S es un conjunto ortogonal entonces S es un conjunto L.I.

Prueba.−
P
k=n →
−
Consideramos una combinación lineal nula de vectores de S, λk −
→
w k = 0 , entonces
k=1
para cada i, con 1 ≤ i ≤ n
* +
X
k=n D →E
−
−
→
w i, λk −
→
wk = →−
w i , 0 = 0,
k=1
pero
* +
X
k=n X
k=n
−
→
w i, λk →
−
wk = λk ⟨ −
→
w i, −
→
w k ⟩ = λ i ∥−
→ 2
w i∥ ,
k=1 k=1

es decir, λi ∥→
− 2
w i ∥ = 0 y por tanto λi = 0 y en consecuencia S es L.I. 

Proposición 42
→
−
Sea V un espacio vectorial real, ⟨ , ⟩ un producto interno definido sobre V y sea S ⊆ V tal que 0 ∈
/S
→
−
y S es un conjunto ortogonal entonces para todo v ∈ L(S),

X ⟨−
→
v ,−
→
k=n
−
→ w k⟩ −
→
v = →
− 2 w k.
k=1 ∥w ∥ k

Prueba.−
P →
k=n
Si −
→
v ∈ L(S) entonces −
→
v = λk −
w k luego para todo i, 1 ≤ i ≤ n,
k=1
*k=n +
X X
k=n
⟨−
→
v ,−
→ λk −
→
w k, −
→ λk ⟨ −
→
w k, −
→
w i ⟩ = λi ∥−
→ 2
w i⟩ = wi = w i∥
k=1 k=1

⟨→
−
v ,−
→ X ⟨−→
v ,−
→
k=n
w i⟩ →
− w k⟩ −
→
por lo tanto λi = −→ 2 es decir v = →
− 2 wk 
∥w ∥i ∥w ∥ k=1 k
 5.7. PRODUCTO INTERNO Y ORTOGONALIDAD 257

Definición 26
−
→
Sea V un espacio vectorial real con un producto interno ⟨ , ⟩ , sean →
−
u,−
→
v ∈ V, −
→
v ̸= 0 , el vector
→
− ⟨−
→
u,−
→v ⟩−
→ →
− →
−
w = − → 2 v se denomina “la proyección de u sobre v ”.
∥v∥

Proposición 43
→
−
Sea V un espacio vectorial real con un producto interno ⟨ , ⟩ , sean −
→
u,−
→
v ∈ V, −
→
v ̸= 0 , entonces

* +
−
→ ⟨−
→
u,−→
v ⟩−
→ −
→
u − → 2 v, v =0
∥−
v∥

Prueba.−
* +
→
− ⟨−
→
u,−
→v ⟩−
→ −
→ ⟨−
→
u,−→
v⟩ −
u − −→ 2 v, v = ⟨−
→
u,−
→
v⟩− →−
→ −
→ → −
− → → −
− →
2 ⟨v, v⟩ = ⟨u, v⟩−⟨u, v⟩ = 0 
∥v∥ ∥v∥

La proposición anterior muestra la manera de construir un par de vectores ortogonales a partir

de dos vectores dados, el proceso general para construir conjuntos ortogonales a partir de un
conjunto de vectores L.I. dado, por un procedimiento recurrente, se denomina PROCESO DE
ORTOGONALIZACION DE GRAM-SCHMIDT y es el fundamento de la siguiente proposición.

Proposición 44

Todo espacio vectorial V finitamente generado con un producto interno ⟨ , ⟩ , tiene una base
ortogonal.

Prueba.−
El Teorema 1. de la sección 5 garantiza la existencia de una base B = {− →
u 1, −
→
u 2, · · · , −
→
u n } , a partir
de la cual se construye una nueva base B b = {−→
w 1, −
→
w 2, · · · , −
→
w n } que resulta ortogonal, el proceso de
construcción es el siguiente:

Paso 1.
Sea −
→
w1 = −
→
u1

Paso 2.
⟨→
−
u 2 ,−
→
1⟩ −
Si −
→
w2 = −
→ → → −
− →
w
u2− →− 2 w 1 , claramente, por la proposición 43, { w 1 , w 2 } es ortogonal.
∥ w 1∥

Paso 3.
Suponemos construı́do {−
→
w 1, −
→
w 2, · · · , →
−
w k } ortogonal.

P ⟨→
i=k −
u k+1 ,→−
w i⟩ −
Si −
→
w k+1 = −
→
u k+1 − →−
→
wi entonces {−
→
w 1, −
→
w 2, · · · , →
−
w k, −
→
w k+1 } resulta ortogonal ya que para
∥ ∥
2
i=1 w i
258 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

todo j, 1 ≤ j ≤ k
* i=k −
+
X ⟨→
u k+1 , −
→
w i⟩ −
⟨→
−
w k+1 , −
→
w j⟩ = −
→
u k+1 − → →
−
w i, w j
∥−
→ 2
i=1 w i∥
* i=k +
X ⟨− →
u k+1 , −
→
w i⟩ −
→
− →
−
= ⟨ u k+1 , w j ⟩ − → →
−
w i, w j
∥−
→ 2
i=1 w i∥
i=k −
X ⟨→
u k+1 , −
→
w i⟩ −
= ⟨→
−
u k+1 , −
→
w j⟩ − →
− 2 ⟨→
w i, −
→
w j⟩
i=1 ∥w ∥ i

= ⟨→
−
u k+1 , −
→
w j ⟩ − ⟨−
→
u k+1 , −
→
w j⟩
=0

b = {−
Después de n pasos el proceso termina y obtenemos B →
w 1, −
→
w 2, · · · , →
−
w n } base ortogonal de V. 

Ejemplo 84

Consideremos R3 con el producto punto, apliquemos a la base

B = {−
→
u 1 = (1, 2, 3), −
→
u 2 = (3, 4, 5), −
→
u 3 = (1, 0, 1)}
el proceso Gram-Schmidt.
Paso 1. Sea
−
→
w1 = −
→
u 1 = (1, 2, 3)
Paso 2. Sea

−
→ ⟨−
→u 2, −
→
w 1⟩ −
w2 = −
→u2− → −
→
2 w1
∥ w 1∥
(3, 4, 5) · (1, 2, 3)
= (3, 4, 5) − 2 (1, 2, 3)
∥(1, 2, 3)∥
26
= (3, 4, 5) − (1, 2, 3)
 14

8 2 4
= , ,−
7 7 7

Paso 3. Sea

−
→ ⟨−
→
u 3, −
→
w 1⟩ − ⟨→
−
u 3, −
→
w 2⟩ −
w3 = −
→
u3− →−
→
2 w1 − →
−
→
2 w2
∥ w 1∥ ∥ w 2∥
8 2 −4

 
(1, 0, 1) · (1, 2, 3) (1, 0, 1) ·7, 7, 7 8 2 4
= (1, 0, 1) − 2 (1, 2, 3) −
2 , ,−
∥(1, 2, 3)∥ 8 2 −4 7 7 7
7, 7, 7

es decir
4  
−
→ 2
w 3 = (1, 0, 1) − (1, 2, 3) − 7 8 2 4
, ,−
7 12 7 7 7
  7
1 2 1
= ,− ,
3 3 3
 5.7. PRODUCTO INTERNO Y ORTOGONALIDAD 259




b = (1, 2, 3),
7, 7, −7 3, −3, 3 es una base ortogonal de R3
8 2 4 1 2 1
Es inmediato verificar que B ,

Ejemplo 85

Consideremos M (2, 2) con el producto definido en el ejemplo 79, apliquemos el proceso

Gram-Schmidt a la base
( ! ! ! !)
→
−
B = u1 =
1 1 −
→
, u2 =
1 1 −
→
, u3 =
1 1 −
→
, u4 =
1 0
1 1 1 0 0 0 0 0

Paso 1. Sea !
−
→
w1 = −
→
u1 =
1 1
1 1

Paso 2. Sea
* ! !+
1 1 1 1
! , !
→
− ⟨−
→
u 2, −
→
w 1⟩ − 1 0 1 1
w2 = −
→ → 1 1 1 1
u2− −→ 2 w1 = − ! 2
∥w ∥ 1 1 0 1 1 1 1
1 1
" ! !#
1 1 1 1
! Tr ! ! !
1 1 1 0 1 1 1 1 1 1 3 1 1
= − " ! !# = −
1 0 1 1 1 1 1 1 1 0 4 1 1
Tr
1 1 1 1
!
1 1
= 4 4
1
4 − 34

Paso 3. Sea
−
→ ⟨−
→
u 3, −
→
w 1⟩ − ⟨→
−
u 3, −
→
w 2⟩ −
w3 = −
→
u3− →− 2
→
w 1 − →
−
→
2 w2
∥ w 1∥ ∥ w 2∥
entonces
" ! !#
1 1 1 1
! Tr !
→
− 1 1 0 0 1 1 1 1
w3 = − " ! !#
0 0 1 1 1 1 1 1
Tr
1 1 1 1
" ! !#
1 1
1 1
Tr 4 4 !
0 0 1
4 − 34 1 1
− " ! !# 4 4
1 1 1 1 1
4 − 43
Tr 4 4 4 4
1
4 − 34 1
4 − 34
! ! ! !
1 1 1 1 1
1 1 2 1 1
= − − 2 4 4 = 3 3
0 0 4 1 1 3
4
1
4 − 34 −3
2
0
260 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

Paso 4. Sea
−
→ ⟨−
→
u 4, −
→
w 1⟩ − ⟨→
−
u 4, −
→
w 2⟩ − ⟨→
−
u 4, −
→
w 3⟩ −
w4 = −
→
u4− →− 2
→
w 1 − →
− 2
→
w 2 − →
−
→
2 w3
∥ w 1∥ ∥ w 2∥ ∥ w 3∥
entonces

" ! !#
1 0 1 1
! Tr !
−
→ 1 0 0 0 1 1 1 1
w4 = − " ! !#
0 0 1 1 1 1 1 1
Tr
1 1 1 1
" ! !#
1 1
1 0
Tr 4 4 !
0 0 1
4 − 34 1 1
− " ! !# 4 4
1 1 1 1 1
4 − 34
Tr 4 4 4 4
1
4 − 34 1
4 − 34
" ! !#
1 0 1
− 32
Tr 3
1
!
0 0 3 0 1 1
− " ! !# 3 3
1 1 1
− 32 − 23 0
Tr 3 3 3
−3
2
0 1
3 0
! ! ! !
1 1 1 1 1 1
1 0 1 1 1
= − − 4 4 4 − 3 3 3
0 0 4 1 1 3
4
1
4 − 34 2
3
− 23 0
!
1
2 − 12
=
0 0
Fácilmente se puede verificar que
( ! ! ! !)
b= 1 1 1
4
1
4
1
3
1
3
1
2 − 12
B , , ,
1 1 1
4 − 43 − 23 0 0 0
es base ortogonal de M (2, 2).

Definición 27

Sean V un espacio vectorial real de dimensión finita, ⟨ , ⟩ un producto interno definido sobre V y
b = {−
B →
w 1, −
→
w 2, · · · , −
→ b es ortonormal si para todo i, 1 ≤ i ≤ n el
w n } una base ortogonal, decimos que B
→
− →
−
vector w i es unitario es decir ∥ w i ∥ = 1.

Obviamente cada vez que obtenemos una base ortogonal de un espacio vectorial con producto
interno, inmediatamente tenemos una base ortonormal, basta multiplicar cada vector −
→
w i por el
1
escalar → y claramente el vector ası́ obtenido tiene norma 1.
∥−w i∥

Ejemplo 86

Consideremos R3 con el producto punto. La base

    
b 8 2 4 1 2 1
B = (1, 2, 3), , ,− , ,− ,
7 7 7 3 3 3
 5.7. PRODUCTO INTERNO Y ORTOGONALIDAD 261

es una base ortogonal y como

  r   r
√ 8 2 4 12 1 2 1 2
∥(1, 2, 3)∥ = 14, , ,− = , ,− , =
7 7 7 7 3 3 3 3
entonces ( √ √ √ ! √ √ √ ! √ √ √ !)
e= 14 14 3 14 4 21 21 2 21 6 6 6
B , , , , ,− , ,− ,
14 7 14 21 21 21 6 3 6
es una base ortonormal.

Ejemplo 87

Consideremos M (2, 2) con el producto definido en el ejemplo 79, en el ejemplo 85 encontramos la

base ortogonal ( ! ! ! !)
b 1 1 1
4
1
4
1
3
1
3
1
2 − 21
B= , , ,
1 1 1
4 − 34 − 32 0 0 0
y ya que
! ! r ! r ! r
1 1 1
4
1
4
3 1
3
1
3
2 1
2 − 21 1
= 2, = , = , = ,
1 1 1
4 − 34 4 − 23 0 3 0 0 2
entonces
( ! √ √ ! √ √ ! √ √ !)
e=
1
2
1
2 √6
3
√6
3
√6
6
6
6
2
2
− 2
2
B 1 1 , , ,
2 2 6
3
− 23 − 36 0 0 0
es una base ortonormal.

EJERCICIOS 5.7
1. Considere en R3 el producto punto usual, B = {(1, 2, 3) , (2, 2, 3) , (3, 3, 3)}. Aplique el proceso
de ortogonalización de Gram-Schmidt para encontrar, a partir de B, una base B e de R3 ,
ortonormal.
2. Construya una base ortonormal para cada subespacio vectorial dado. Considere como
producto interno el producto punto.

a) H = {(x, y) ∈ R2 | x + y = 0}
b) H = {(x, y) ∈ R2 | ax + by = 0}
c) H = {(x, y, z) ∈ R3 | 3x − 2y + 6z = 0}

3. Considere en R3 el producto punto usual, B = {(1, 1, 1), (0, 1, 1), (1, 3, 2)}. Aplique el proceso de
Gram-Schmidt para encontrar, a partir de B, una base ortonormal de R3 .
4. Considere en P2 [x] la base B = {1, x, x2 } y el producto interno definido por:
Z 1
⟨f, g⟩ = f (x)g(x)dx
0

Aplique el proceso de Gram-Schmidt para encontrar, a partir de B, una base ortonormal de

P2 [x].
262 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

! !
5 4 x
5. Sea A = . En R2 definimos ⟨(a, b), (x, y)⟩ = ( a b )A , usando el producto
4 5 y
usual de matrices.

a) Muestre que ⟨ , ⟩ es un producto interno.

b) Calcule ∥(1, 1)∥, ∥(1, −1)∥ y ∥(1, 0)∥
c) Encuentre el coseno del ángulo entre (1, 1) y (1, 0) .
d) Encuentre el ángulo entre (1, 1) y (1, −1)

6. Considere en R3 el producto punto usual A = {(x, y, z) | 2x − 2y − 3z = 0}.

Encuentre el conjunto B = {(a, b, c) | para todo (x, y, z) ∈ A, (a, b, c) · (x, y, z) = 0} .
7. Considere en R3 el producto punto usual y el conjunto A = {α (1, 1, 1) | α ∈ R}.

Encuentre el conjunto B = (x, y, z) ∈ R3 | para todo (a, b, c) ∈ A; (a, b, c) · (x, y, z) = 0. .
 5.8. TALLER 263

5.8. TALLER

Considere en R4 el conjunto A = {(1, 0, 3, 0) , (1, 8, −5, −4) , (1, 2, 1, −1) , (1, 1, −1, −1)}

1. Escriba una combinación lineal de vectores de A.

2. Dados números reales a, b, c, d, escriba el vector →
−
w = (a, b, c, d) como una combinación lineal
de vectores de A, en forma general.
3. Iguale componentes para obtener un sistema de ecuaciones lineales con cuatro incógnitas y
resuélvalo.
4. ¿Para qué valores de a, b, c, d el sistema del punto (3) tiene solución?
5. ¿Es A un sistema de generadores de R4 ?
6. ¿Es A un conjunto de vectores L.I.?
7. Identifique plenamente L(A), el subespacio de R4 generado por A.
8. ¿Cuál es la dimensión de L(A)?
9. ¿Cuántos subconjuntos de A, son base de L(A)? ¿Cuáles?
10. Construya una base de R4 que contenga una de las bases de L(A) del punto (9).
11. Escriba cada uno de los vectores
−
→ −
→ −
→ −
→
E 1 = (1, 0, 0, 0), E 2 = (0, 1, 0, 0), E 3 = (0, 0, 1, 0), E 4 = (0, 0, 0, 1),

como combinación lineal de la base del punto (10).

264 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

5.9. EJERCICIOS DE CAPÍTULO

1. Determine si el conjunto dado con las operaciones indicadas en cada caso, tiene estructura de
espacio vectorial. Justifique su respuesta.

a) V = {(x, y, z) ∈ R3 | 2x + y − 3z = 0} con las operaciones usuales en R3 .

( ! )
a b
b) V = ∈ M (2, 2)| a = 0 con las operaciones usuales en M (m, n), con m y n
c d
enteros positivos.
c) V = {(x, y) ∈ R2 | x ≥ 0} con las operaciones usuales en R2 .

d) V = p(x) ∈ P2 [x] | p(x) = a + ax + ax2 , a ∈ R con las operaciones usuales en P2 [x].

e) V = p(x) ∈ P3 [x] | p(x) = x3 + ax2 + b, a, b ∈ R con las operaciones usuales en P3 [x] .
( ! )
a b
f) V = ∈ M (2, 2) | ab = 0 con las operaciones usuales en M (m, n), con m y n
c d
enteros positivos.
  

 a b 

 
g) V =  c d  ∈ M (3, 2) | a − c + e = 0; b = 5f con las operaciones usuales en

 

e f
M (m, n), con m y n enteros positivos.
( ! )
a b
h) V = ∈ M (2, 2) | a + b + c + d = 1 con las operaciones usuales en M (m, n),
c d
con m y n enteros positivos.
i) V = {f | f es una función continua en [0, 1] cuya gráfica pasa por los puntos (0,0) y (1,0) }
con las operaciones usuales para funciones.

2. Sea V un espacio vectorial y sean −

→
u,−
→
v ∈ V . Pruebe que existe −
→
w ∈ V tal que −
→
u +−
→
w =−
→
v.
3. En cada caso determine si R2 es o no un espacio vectorial con las operaciones de adición y
producto por escalar definidas. Si no es un espacio vectorial, indique los axiomas que no se
cumplen.

a) (x1 , x2 ) + (y1 , y2 ) = (x1 + y1 , x2 + y2 ) ; a(x1 , x2 ) = (ax1 , 0)

b) (x1 , x2 ) + (y1 , y2 ) = (x1 , x2 + y2 ) ; a(x1 , x2 ) = (ax1 , ax2 )
c) (x1 , x2 ) + (y1 , y2 ) = (x1 , x2 + y2 ) ; a(x1 , x2 ) = (|ax1 |, |ax2 |)
d) (x1 , x2 ) + (y1 , y2 ) = (máx{x1 , y1 }, mı́n{x2 , y2 }) ; a(x1 , x2 ) = (ax1 , ax2 )

4. En cada caso determine si M (2, 2) es o no un espacio vectorial con las operaciones de adición
y producto por escalar definidas. Si no es un espacio vectorial, indique los axiomas que no se
cumplen.
! ! !
a11 a12 b11 b12 a11 b11 + a12 b21 a11 b12 + a12 b22
a) + =
a21 a22 b21 b22 a21 b11 + a22 b21 a21 b12 + a22 b22
! !
a11 a12 αa11 αa12
α =
a21 a22 αa21 αa22
 5.9. EJERCICIOS DE CAPÍTULO 265

! ! !
a11 a12 b11 b12 a11 + b11 a12 + b12
b) + =
a21 a22 b21 b22 a21 + b21 a22 + b22
! !
a11 a12 αa11 0
α =
a21 a22 0 αa22

5. En cada caso determine si P2 [x] es o no un espacio vectorial con las operaciones de adición y
producto por escalar definidas. Si no es un espacio vectorial, indique los axiomas que no se
cumplen.

a) (a2 x2 + a1 x + a0 ) + (b2 x2 + b1 x + b0 ) = 2(a2 + b2 )x + (a1 + b1 )

α(a2 x2 + a1 x + a0 ) = αa2 x2 + αa1 x + αa0
b) (a2 x2 + a1 x + a0 ) + (b2 x2 + b1 x + b0 ) = (a2 + b2 )x2 + (a1 + b1 )x + (a0 + b0 )
α(a2 x2 + a1 x + a0 ) = 3αa2 x2 + 2αa1 x + αa0

6. Considere V = R+ y las operaciones de adición ⊕ y multiplicación ⊙ de un real por un

elemento de V, definidas de la siguiente manera: si x, y ∈ V, entonces x
y = xy (producto
usual en R) y si λ ∈ R, x ∈ V entonces λ x = xλ (Potencia usual con la base en R+ ). Pruebe
que ⟨V, ⊕, ⊙⟩ es un espacio vectorial.
7. Construya una base del espacio ⟨R+ ,
, ⟩ definido en el ejercicio anterior.
8. Considere ⟨V,
, ⟩ el espacio vectorial del ejercicio 6.

a) Sea ⟨{2}⟩ = {z ∈ V | z = λ 2, para algún λ ∈ R} , pruebe que ⟨{2}⟩ es un subespacio de

⟨V,
, ⟩ .
b) ¿Qué pasa si en el literal (a) cambiamos 2 por π ?
c) ¿Qué pasa si cambiamos 2 por k, k ∈ R+ .?

9. Para el mismo espacio vectorial del ejercicio 6, sean W1 = ⟨{7}⟩ y W2 = ⟨{e}⟩

a) Encuentre en forma explı́cita W1 ∩ W2 .

b) Encuentre en forma explı́cita W1 ⊕ W2 en los términos de la definición dada en la
proposición 5 de la sección 5.2.
( ! )
a b
10. Sean V = ∈ M (2, 2) | a + b + c + d = 0 y W el espacio vectorial del ejemplo 11
c d
para n = 2.

a) Muestre que V con las operaciones usuales en M (m, n) tiene estructura de espacio
vectorial.
b) Encuentre dos elementos del espacio vectorial V ⊕ W , definido en la proposición 5.
!
4 2
c) Muestre que ∈ V ⊕ W.
5 −5
d) ¿Es lo mismo V ⊕ W que W ⊕ V ?

11. Sea W = {(1, 0, 2), (−1, 1, 0)}. Hallar dos subespacios T de R3 tales que R3 = L(W ) ⊕ T .
12. Sean W1 = {(x, y, z) ∈ R3 | x − y = 0} y W2 = {(x, y, z) ∈ R3 | 2x − 3y = 0} con las operaciones
usuales en R3 , dos espacios vectoriales.¿ Es W1 ∪ W2 con las operaciones usuales en R3 , un
espacio vectorial?
266 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

13. Dados −→
u = (1, 2, 0), −
→
v = (2, 1, 1) y −
→
w = (0, −1, 2) escriba, si es posible, cada uno de los
siguientes vectores como combinación lineal de −
→
u,−
→v y−→
w.

a) (4, −1, 3). b) (1, 1, 1). c) ( 12 , −1, 32 ).

! ! ! !
1 0 0 2 1 −2 1 2
14. Dadas A = ,B= ,C= yD= , escriba cada una de las
2 −1 2 −1 1 0 0 −1
siguientes matrices como combinación lineal de A, B, C y D.
! ! !
−1 2 1 0 3 1/3
a) b) c)
5 −2 0 0 1 −1
! ! !
2 0 1 1 2 −8 8 −4 21
15. Dadas A = ; B = ; C = . Escriba, si es
0 3 5 −3 −10 −1 6 35 27
posible, la matriz C como combinación lineal de las matrices A y B.

16. Dados p1 = 2 + 3x2 , p2 = x − x2 y p3 = 2 + x en P2 [x], escriba, si es posible, cada uno de los

siguientes polinomios como combinación lineal de p1 , p2 y p3 .

a) 3 + x − 3x2 . b) 4 + x. c) 2x2 .

17. Determine si los siguientes conjuntos de vectores de R2 son linealmente dependientes o

independientes

a) {(2, 1), (−1, −2)} c) {(7, −3), (0, 0)}

b) {(−3, 4), (6, −8)} d) {(−3, −1), (4, 5)}

18. Determine si los siguientes conjuntos de vectores de R3 son linealmente dependientes o

independientes

a) {(−1, 2, 4), (3, −6, 2), (0, 0, −2)} c) {(1, 4, 1), (7, −1, 3), (23, 5, 11)}
b) {(1, −2, 0), (0, −6, −2), (−4, 8, 0)} d) {(−1, 0, 1), (2, −1, 2), (0, 1, −1)}

19. Determine si los siguientes conjuntos de vectores de P2 [x] son linealmente dependientes o
independientes

a) {3, x2 , x + 2} c) {5 + x2 , 4 − x2 }
b) {−2, 2 − x2 , 2 − x} d) {1, 2 + x, 3 + 4x + 5x2 }

20. Determine si los siguientes conjuntos de vectores de P3 [x] son linealmente dependientes o
independientes:

a) {2, 2 + x + x2 , x3 }
b) {−3 + x − x3 , 2 + 3x − x3 }
c) {3, 3 + 2x, 5 − x + x2 , 1 + 2x − x2 + 6x3 }
 5.9. EJERCICIOS DE CAPÍTULO 267

21. Determine los valores de α para que el conjunto:

( ! ! !)
0 α 0 0 −1 0 0 −1 0
, ,
0 −1 0 0 α α 0 α 0

sea linealmente dependiente en el espacio M (2, 3).

22. Determine los valores de α para que el conjunto:
     
1 1 1 1 1 1
α, − , − , − , α, − , − ,− ,α
3 3 3 3 3 3

sea linealmente dependiente en el espacio R3 .

23. Sean −
→u,−
→v ,−
→
w vectores de un espacio vectorial V . Si →
−
w no está en L ({−
→
u,−
→
v }) probar que
{−
→
u,−
→
v ,−
→
w } es linealmente independiente.
24. Determine cuáles de los siguientes conjuntos son base para R2 , justificando su respuesta.

a) {(1, 2), (0, −1)} c) {(3, −2), (−9, 6)}

b) {(−1, 5), (0, 0)} d) {(4, −3), (−3, 4)}

25. Determine cuáles de los siguientes conjuntos son base para R3 , justificando su respuesta.

a) {(1, 1, 0), (0, 2, 2), (3, 3, 3)} c) {(−1, 3, 5), (1, 12, 19), (1, 2, 3)}
b) {(4, 2, 1), (5, 4, 3), (7, 2, 0)} d) {(1, 6, 4), (2, 4, 1), (1, −2, 5)}

26. Determine cuáles de los siguientes conjuntos son base para P2 [x], justificando su respuesta.

a) {3 + x, x2 , 1 − 8x} c) {1 − x − x2 , x + x2 , x2 }
b) {1 + 5x + 3x2 , 2 − x + 7x2 , 4x2 − 6x − 1} d) {4x, 2 + 3x2 , 10 − 8x + 15x2 }

27. Justifique si β es o no es una base para M (2, 2) , siendo:

( ! ! ! !)
2 4 0 1 0 −3 1 0
β= , , ,
2 −4 1 0 −12 2 1 −2

28. Describa el subespacio de P [x] correspondiente, generado por cada conjunto de vectores dado,
determine una base para dicho subespacio y encuentre su dimensión.

a) {2, x2 , x4 } b) {x, x3 , x5 } c) {2 − x, (2 − x)2 }

29. Determine una base y la dimensión para el espacio de soluciones de cada sistema de
ecuaciones.
 (

x + y − z = 0 x − 4y + 3z − w = 0
 b)
a) −2x − y + 2z = 0 2x − 8y + 6z − 2w = 0


−x + z = 0
268 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

 
 
x − 3y + z = 0
 


x+y+z =0

−3x − 2y + 2z = 0
c) 2x − 6y + 2z = 0

 d)
3x − 9y + 3z = 0  −4x − 3y + z = 0




6x + 5y + z = 0

30. Determine una base y la dimensión de cada uno de los siguientes subespacios de R3 .

a) W = {(x, y, z) ∈ R3 | 2x + 4y − z = 0}
b) W = {(x, y, z) ∈ R3 | x − 3z = 0}
c) W = {(x, y, z) ∈ R3 | x = −2t; y = 3t; z = 5t; t ∈ R}
d) W = {(x, y, z) ∈ R3 | x = 3t; y = 0; z = −4t; t ∈ R}

31. Sea β = {−→v1 , −

→
v2 , −
→
v2 } una base para un espacio vectorial V . Pruebe que γ = {−
→, −
u → − →
1 u2 , u3 } es
también una base para V , donde:

−
→=−
u →
v1 , −
→=−
u →
v1 + −
→
v2 , −
→=−
u →
v1 + −
→
v2 + −
→
v3
1 2 3

32. Sea V = {(x, y, z, w) ∈ R4 | x + y + z + w = 0} un subespacio de R4 .

a) Es β = {(1, −1, 0, 0), (1, 1, −2, 0), (1, 0, −1, 0)} una base para V ? Justifique.
b) Hallar dos bases para V que no tengan elementos en común.
c) Hallar dos bases diferentes para V , que tengan en común los vectores −
→ = (0, 0, 1, 0) y
u 1
−
→
u2 = (0, 0, 0, 1) .

33. Determine los valores de λ de tal forma que el conjunto β sea una base para R3 , si

β = {(λ, 1 − λ, λ), (2λ, 2λ − 1, λ + 2), (−2λ, λ, −λ)}

34. Sea W ⊂ R4 dado por

W = {(1, −1, 2, 3), (1, 0, 1, 0), (3, −2, 5, 7)}

Hallar una base de L(W ) en la que esté incluido el vector −

→ = (1, 1, 0, −1) .
u 1

35. Extender el conjunto

γ = {(1, 1, −1, 1), (1, 0, 1, 1), (1, 2, 1, 1)}

para formar una base de R4 .

36. Sean S, T ⊂ R3 dados por

S = {(1, 0, 1), (1, 1, 0)}; T = {(1, 2, 3), (0, 0, 1)}

determine una base y la dimensión para cada uno de los subespacios L(S)∩L(T ) y L(S)⊕L(T ).

37. Determine la matriz de coordenadas para el vector →

−
v = (−5, 12, −3) respecto de la base
−
→ −
→ −
→
ordenada β = {u1 , u2 , u3 } de R3 ; donde

−
→ = (1, 2, 3), −
u → = (4, −5, 6), −
u → = (−7, 8, −9)
u
1 2 3
 5.9. EJERCICIOS DE CAPÍTULO 269

38. Determine la matriz de coordenadas para el vector →

−
v = x2 + 3x − 4 respecto de la base
ordenada β = {−
→, −
u → − →
1 u2 , u3 } de P2 [x] ; donde

−
→ = x + x2 , −
u → = 1 + x, −
u → = x2 − 1
u
1 2 3

!
−3
39. Determine la matriz de coordenadas para el vector →
− 2
v = respecto de la base
−1 4
ordenada β = {−
→, −
u → − → − →
1 u2 , u3 , u4 } de M (2, 2), donde
! ! ! !
−
→ 1 −1 −→ −1 −1
, −→= , −
→=
0 0 0 0
u1 = , u2 = u 3 u 4
0 0 1 0 0 −1 0 0

40. Considere las bases ordenadas β = {−

→, −
u → − → → −
− → − →
1 u2 , u3 } y ξ = { v1 , v2 , v3 } de R , donde
3

−
→ = (3, 0, 3), −
u → = (1, 2, −3), −
u → = (−1, 6, 1)
u
1 2 3
→
−
v = (−3, −3, 0), − →
v = (1, 3, −2), −→v = (2, −3, 7)
1 2 3

a) Halle la matriz de paso de la base β a la base ξ.

b) Determine la matriz de coordenadas [→ −w ]β , donde →
−
w = (−7, 5, −7) y a partir de ella y de
→
−
la matriz de paso obtenga [ w ] . ξ

c) Verifique lo realizado calculando directamente [ −

→
w ]ξ .

41. Considere las bases ordenadas β = {−

→, −
u → − → → −
− → − →
1 u2 , u3 } y ξ = { v1 , v2 , v3 } de P2 [x], donde

−
→ = 4, −
u → = −3x, −
u → = 1 − x2
u
1 2 3
→
−
v1 = x2 + x, −→v2 = 1 + x, −→
v 3 = x2 + 2

a) Halle la matriz de paso de la base β a la base ξ.

b) Determine la matriz de coordenadas [ −→w ]β ; donde −
→
w = x2 + 3x − 4 y a partir de ella y de
→
−
la matriz de paso obtenga [ w ] . ξ

c) Verifique lo realizado calculando directamente [−

→
w ]ξ .

42. Para cada matriz A determine una base para el espacio fila, el rango y la nulidad.
!  
3 −5 1 0 −1
a) A =  
−9 15 d) A =  0 2 3 
0 0 −7
! !
4 −7 1 −2 2
b) A = e) A =
−1 5 −3 4 −5
 
  1 2 −3
−1  −1 −2 
1 2  3 
  f) A =  
c) A =  −2 −4 −6   −4 −8 12 
0 0 8 −1 1 −5

43. Sea A = (aij ) una matriz triangular superior de orden n tal que a11 · a22 · a33 · · · · ann ̸= 0.
Determine el rango de A.
270 CAPÍTULO 5. ESPACIOS VECTORIALES REALES

44. Pruebe que un sistema de ecuaciones lineales AX = B es consistente si y solamente si el

rango de su matriz aumentada es igual al rango de A.
45. Sea A una matriz inversible de orden n. Pruebe que los vectores fila de A forman una base
para Rn .
46. Sean V un espacio vectorial con producto interior ⟨ , ⟩, {−
→
u,−
→
v } ⊆ V . Probar que

| ⟨−
→
u,−
→
v ⟩ | = ∥u∥∥v∥

si y solo si {−
→
u,−
→
v } es un conjunto linealmente dependiente.
47. En R2 determine si las siguientes expresiones definen productos interiores, donde
→
−
u = (x1 , x2 ) y −
→
v = (y1 , y2 )

a) ⟨→
−u,−→v ⟩ = 2x1 y1 + 3x2 y1 − x2 y2 + 3x1 y2
→
− →
−
b) ⟨ u , v ⟩ = x y − x y
1 1 2 2

c) ⟨→
−u,−→v ⟩ = |x1 y1 − x2 y2 |
→
− →
− 1
d) ⟨ u , v ⟩ = (x21 y12 − x22 y22 ) 2
!
e) ⟨→
−
u,−
→
v⟩=−
→
u A−
→
v T , donde −
→
u y−
→ 3 1
v están representados como vectores fila y A = .
1 3

48. En P2 [x] determine si las siguientes expresiones definen productos interiores, donde
p(x) = a0 + a1 x + a2 x2 y p(x) = b0 + b1 x + b2 x2 .

a) ⟨p, q⟩ = a0 b0 + a1 b1 + a2 b2 b) ⟨p, q⟩ = p(0)q(0) + p(1)q(1) + p(2)q(2)

49. En M (2, 2) determine si las siguientes expresiones definen productos interiores, donde
! !
a1 a2 b 1 b2
A= ; B=
a3 a4 b 3 b4

a) ⟨A, B⟩ = a1 b1 + a2 b2 + a3 b3 + a4 b4
b) ⟨A, B⟩ = a1 b1 + a2 b3 + a3 b2 + a4 b4

50. Determine los valores de las constantes a y b tales que

⟨(x1 , x2 , x3 ), (y1 , y2 , y3 )⟩ = ax1 y1 + bx1 y2 + bx2 y1 + bx2 y2 + (1 + b)x3 y3

define un producto interior en R3

51. Sean V un espacio vectorial con producto interior, −
→
u,−
→
v vectores de V tales que:

∥−
→
u −−
→
v ∥ = ∥−
→
u +−
→
v∥

Probar que −
→
u y−
→
v son ortogonales.
52. Sean V un espacio vectorial con producto interior, −
→
u,−
→
v vectores de V . Probar que

∥−
→
u +−
→
v ∥2 = ∥−
→
u ∥2 + ∥−
→
v ∥2

si y solo si −
→
u y−
→
v son ortogonales.
 5.9. EJERCICIOS DE CAPÍTULO 271

53. Sean V un espacio vectorial con producto interior, −

→
u, −
→
v vectores de V . Probar que para todo
número real λ
∥−
→u + λ−→
v ∥ > ∥−→u∥
si y solo si −
→
u y−
→
v son ortogonales.
54. Considere el producto interior para Rn definido en el ejemplo 78. En cada caso determine el
ángulo entre los vectores dados.

a) →
−
u = (1, 0, 0, 1) , −
→
v = (2, 3, 4, 3) b) →
−
u = (1, 5, 0, 1, 1) , −
→
v = (−1, 0, 4, 3, −2)

55. Considere espacio vectorial P2 [x] con el producto interior definido por:
⟨p, q⟩ = a0 b0 + 2a1 b1 + 3a2 b2
donde p(x) = a0 + a1 x + a2 x2 y q(x) = b0 + b1 x + b2 x2 . Determine el ángulo entre los vectores
dados.
a) p(x) = 1 − 3x + 5x2 , q(x) = 3 − 2x − 7x2
b) p(x) = 4 − x , q(x) = x2 + x
c) p(x) = 1 − x − x2 , q(x) = 2 + 3x + 4x2
56. Considere espacio vectorial P2 [x] con el producto interior definido por
⟨p, q⟩ = a0 b0 + 2a1 b1 + 3a2 b2
donde p(x) = a0 + a1 x + a2 x2 y q(x) = b0 + b1 x + b2 x2 . Obtener una base ortonormal para P2 [x]
a partir de la base β = {1, 1 + x, 1 + x + x2 }.
57. Determine en cada caso una base ortonormal para el subespacio L(W ) de R4 , si se considera
el producto interior definido en el ejemplo 78.

a) W = {(−1, 1, −1, 1), (5, 1, 1, 1), (3, 3, −1, 3)}

b) W = {(1, 0, 0, 1), (0, 1, 0, 1), (0, 1, 1, 0), (0, 0, 1, 1)}
c) W = {(1, 0, 0, 1), (2, 3, 4, 3), (0, 1, 1, 0), (0, 0, 1, 1)}

58. Determine en cada caso una base ortonormal para el subespacio L(W ) de R3 , si se considera
el producto interior definido en el ejemplo 78.

a) W = {(1, 1, 1), (−1, 0, −1), (3, 2, −3)} c) W = {(1, 2, 3), (0, 1, 1), (−1, 0, 1)}
b) W = {(−1, 1, −1), (0, 0, −1), (1, 0, 1)} d) W = {(−1, 1, −1), (1, 1, 1), (1, 0, 1)}

59. Determine en cada caso una base ortonormal para el subespacio L(W ) de M (2, 2), si se
considera el producto interior definido en el ejemplo 79.
( ! ! ! !)
0 0 0 0 0 1 1 1
a) W = , , ,
0 1 1 1 1 1 1 1
( ! ! !)
1 0 −1 0 1 −1
b) W = , ,
−1 0 −1 0 0 0
( ! ! ! !)
1 21
−1 21
0 1 1
2 − 21
c) W = , , ,
0 1 −1 0 −1 1 0 0
272 CAPÍTULO 5. ESPACIOS VECTORIALES REALES
 C AP ÍTULO 6

TRANSFORMACIONES
LINEALES

6.1. DEFINICIÓN Y PROPIEDADES

Definición 1

Sean V y W espacios vectoriales, T : V → W una función definida en V y con valores en W , si T es

tal que

1. Para todo −
→
v 1, −
→
v2∈V T (−
→
v1+−
→
v 2 ) = T (−
→
v 1 ) + T (−
→
v 2)

2. Para todo λ ∈ R, para todo −

→
v ∈ V, T (λ−
→
v ) = λT (−
→
v)

decimos que T es una Transformación Lineal (Aplicación lineal).

También decimos que una aplicación lineal es un homomorfismo o simplemente morfismo de

espacios vectoriales.

Ejemplo 1

T : R3 −→ R2 , Definida por T (x, y, z) = (z, y) es lineal porque

T [(x1 , y1 , z1 ) + (x2 , y2 , z2 )] = T (x1 + x2 , y1 + y2 , z1 + z2 ) = (z1 + z2 , y1 + y2 )

T (x1 , y1 , z1 ) + T (x2 , y2 , z2 ) = (z1 , y1 ) + (z2 , y2 ) = (z1 + z2 , y1 + y2 )

evidentemente las expresiones de la derecha son iguales.

T [λ(x, y, z)] = T (λx, λy, λz) = (λz, λy) = λ(z, y)

λT (x, y, z) = λ(z, y)

evidentemente las expresiones de la derecha son igules.

273
274 CAPÍTULO 6. TRANSFORMACIONES LINEALES

Ejemplo 2

La aplicación T : M (n, m)−→M (m, n) definida por T (A) = AT es lineal, puesto que

T (A + B) = (A + B)T = AT + B T = T (A) + T (B)

T
T (λA) = (λA) = λAT = λT (A)

Ejemplo 3
−→
Si S es el espacio usual, la aplicación L : S −→ R3 , definida por L(OA) = (a, b, c) donde A = (a, b, c),
es una aplicación lineal.

Ejemplo 4

Si V es un espacio vectorial y B = {−
→
v 1, −
→
v 2, · · · , →
−
v n } una base de V , la aplicación

T : V −→M (n, 1),

definida por T (−→

v ) = [−
→
v ]B es lineal.
→
− P −
k=n P
k=n
En efecto, si v = λk →
vk y − →u = µk −
→
u k α, β ∈ R tenemos
k=1 k=1

X
k=n
α−
→
v + β−
→
u = (αλk + βµk ) −
→
vk
k=1

en consecuencia
T (α−
→
v + β−
→
u ) = α [−
→
v ]B + β [−
→
u ]B = αT (→
−
v ) + βT (→
−
u)

Ejemplo 5

La aplicación L : Pn [x] −→ Rn+1 , definida por L(a0 + a1 x + a2 x2 + · · · + an xn ) = (a0 , a1 , · · · , an ) es

lineal porque

L [(a0 + a1 x + · · · + an xn ) + (b0 + b1 x + · · · + bn xn )]
 
= L (a0 + b0 ) + (a1 + b1 )x + (a2 + b2 )x2 + · · · + (an + bn )xn
= (a0 + b0 , a1 + b1 , a2 + b2 , · · · , an + bn ) (6.1)

De otro lado

L(a0 + a1 x + · · · + an xn ) + L(b0 + b1 x + · · · + bn xn )
= (a0 , a1 , · · · , an ) + (b0 , b1 , · · · , bn )
= (a0 + b0 , a1 + b1 , a2 + b2 , · · · , an + bn ) (6.2)

Evidentemente (6.1) y (6.2) son iguales.

Además
 
L λ(a0 + a1 x + a2 x2 + · · · + an xn ) = L(λa0 + λa1 x + · · · + λan xn )
= (λa0 , λa1 , · · · , λan )
= λ(a0 , a1 , · · · , an )
= λL(a0 + a1 x + · · · + an xn )
 6.1. DEFINICIÓN Y PROPIEDADES 275

Ejemplo 6

Sea A ∈ M (m, n), LA : M (n, 1) −→ M (m, 1), definida por LA [X] = AX, para
 
x1
 
 x2 
X=
 .. .

 . 
xn

LA es lineal.

Proposición 1

Si T : V → W es lineal entonces
→
− →
−
1. T ( 0 ) = 0

2. Para todo −
→
v ∈ V, T (−−
→
v ) = −T (−
→
v)

3. Para todo λ1 , · · · , λn ∈ R, y para todo −

→
v 1, −
→
v 2, · · · , −
→
v n ∈ V,

!
X
k=n X
k=n
T λk →
−
vk = λk T ( −
→
v k)
k=1 k=1

Prueba.−

→
− → −
− → →
− →
− →
− →
−
1. Basta ver que T ( 0 ) = T ( 0 + 0 ) = T ( 0 ) + T ( 0 ) y por lo tanto T ( 0 ) = 0 .
→
− →
−
2. Basta observar que T (−
→
v ) + T (−−
→
v ) = T (v + (−−
→
v )) = T ( 0 ) = 0 .

3. Ejercicio para el lector. 

→
− −
→
Observación. Note que T aplica el 0 del espacio V en el 0 del espacio W , los cuales no
necesariamente son iguales.

Proposición 2

Sean V y W espacios vectoriales, B = {− →

v 1, −
→
v 2, · · · , −
→
v n } una base de V, −
→
w 1, −
→
w 2, · · · , −
→
w n ∈ W no
necesariamente distintos, entonces existe una única aplicación lineal T : V → W tal que para todo
i, 1 ≤ i ≤ n T (−
→
v i) = −
→
w i.

Prueba.−
P −
k=n P −
k=n
Si −
→
v ∈ V, entonces −
→
v = λk →
v k definimos T (−
→
v)= λk →
w k , entonces:
k=1 k=1

1. Para todo i, 1 ≤ i ≤ n T (−
→
v i) = −
→
w i.

2. T es lineal
276 CAPÍTULO 6. TRANSFORMACIONES LINEALES

P
k=n P
k=n
Si −
→
v1= λk −
→
vk y →
−
v2= µk −
→
v k entonces
k=1 k=1
!
X
k=n X
k=n
T (→
−
v1+−
→
v 2) = T λk →
−
vk+ µk →
−
vk
k=1 k=1
!
X
k=n
=T (λk + µk )−
→
vk
k=1
X
k=n X
k=n X
k=n
= (λk + µk )−
→
wk = λk −
→
wk + µk −
→
wk
k=1 k=1 k=1
! !
X
k=n X
k=n
=T λk −
→
vk +T µk −
→
vk
k=1 k=1

= T (→
−
v 1 ) + T (−
→
v 2)

P −
k=n
Si λ ∈ R, →
−
v = λk →
v k entonces
k=1

! !
X
k=n X
k=n
T (λ→
−
v)=T λ λk →
−
vk =T λλk →
−
vk
k=1 k=1
!
X
k=n X
k=n
= λλk −
→
wk = λ λk −
→
vk
k=1 k=1

= λT (−
→
v)

Finalmente si L : V → W es lineal y tal que para todo i, 1 ≤ i ≤ n L(−

→
v i) = →
−
w i , entonces para
→
−
todo v ∈ V,
!
X
k=n X
k=n X
k=n
L(→
−
v)=L λk →
−
vk = λk L(−
→
v k) = λk −
→
w k = T (−
→
v)
k=1 k=1 k=1

La conclusión de la proposición anterior nos permite afirmar que toda aplicación lineal T : V → W
está unı́vocamente determinada por sus valores en los elementos de una base de V .

Proposición 3

Si T : V → W es lineal, U un subespacio de V, entonces

T (U ) = {−
→
w ∈ W | existe −
→
u ∈ U tal que T (−
→
u)= −
→
w}

es un subespacio de W.

Prueba.−
→
− → −
− →
1. Puesto que T ( 0 ) = 0 , 0 ∈ T (U )
2. Si −
→
w 1, −
→
w 2 ∈ T (U ) entonces existen −
→
u 1, →
−
u 2 ∈ U tales que T (−
→
u 1) = −
→
w 1 y T (−
→
u 2) = −
→
w2
→
− →
− →
− →
− →
− →
− →
− →
−
en consecuencia w + w = T ( u ) + T ( u ) = T ( u + u ) por lo tanto ( w + w ) ∈ T (U ).
1 2 1 2 1 2 1 2
 6.1. DEFINICIÓN Y PROPIEDADES 277

3. Si λ ∈ R, − →
w ∈ T (U ), entonces existe →
−
u ∈ U tal que T (−
→
u) = →
−
w y en consecuencia λ→
−
w =
→
− →
−
λT ( u ) = T (λ u ) ∈ T (U ).

EJERCICIOS 6.1
En los ejercicios 1 al 7, determine si la aplicación definida es una transformación lineal, en caso de
no serlo, muestre las propiedades que no se cumplen.
→
−
1. Para U , V espacios vectoriales, T : U → V definida por T (u) = 0 .

2. Para U espacio vectorial, T : U → U definida por T (u) = u.

3. T : R3 → P2 [x] definida por T (a, b, c) = (a + c)(x2 + 1) − b(3x − 1).

4. T : R2 → R3 definida por T (x, y) = (x − y, 2y, 1 + x).

5. T : R3 → R3 definida por T (x, y, z) = (x − y, y − x, 2x − 2y + z).

6. T : M (2, 2) → M (2, 3) definida por

! !
a11 a12 a12 + a21 a22 1
T =
a21 a22 a22 − 2a11 0 a11
.

7. T : R2 → M (2, 2) definida por

!
x −y
T (x, y) =
−y x + y
.

8. Halle, si es posible, una transformación lineal T : R2 → R2 que cumpla que T (1, 1) = (0, 1) y
T (1, 0) = (3, −2).

9. Halle, si es posible, una transformación lineal T : R2 → R2 que cumpla que T (1, 1) = (5, −3),
T (1, −1) = (−5, −2) y T (7, 2) = (3, 5).

10. Halle, si es posible, una transformación lineal T : P3 [x] → R3 que cumpla que
T (x3 − 2x2 + x − 1) = (1, 5, −3), T (5x2 − x − 7) = (5, 0, −2), T (x3 − 3x2 + x − 2) = (1, 1, 0) y
T (2x3 − 3x2 + 7) = (−3, 0, 0).

11. Construya una aplicación de la forma T : M (2, 2) → M (2, 2), que cumpla que
T (u + v) = T (u) + T (v) para todo u , v en M (2, 2), pero que T no sea transformación lineal.

12. Construya una aplicación T : P2 [x] → P2 [x], que cumpla que T (αu) = αT (u) para todo u en
P2 [x] y todo α en R, pero que T no sea transformación lineal.
278 CAPÍTULO 6. TRANSFORMACIONES LINEALES

6.2. ALGEBRA DE APLICACIONES LINEALES

Consideramos V, W dos espacios vectoriales fijos, notamos

£(V, W ) = {L | L : V −→ W, lineal }.

Las operaciones que dan a ⟨W, +, ·⟩ estructura de espacio vectorial, nos permiten definir una
adición sobre £(V, W ) y una multiplicación de un real por un elemento de £(V, W ).

Definición 2

Sean L, T ∈ £(V, W ), λ ∈ R, definimos

1. (L + T ) : V −→ W, por (L + T ) (−→
v ) = L(−→
v ) + T (−
→
v ) para todo −
→
v ∈ V.
2. (λL) : V −→ W, por (λL) (− →v ) = λL(−→
v ) para todo −→v ∈V

Proposición 4

Sean V, W dos espacios vectoriales, £(V, W ) con las operaciones de la definición 2 tiene estructura
de espacio vectorial.

Prueba.−
Sean L, T ∈ £(V, W ),
1. Si −
→v ,−
1
→v ∈V;
2

(L + T ) (−
→
v1+−
→
v 2) = L(−
→v1+− →v 2 ) + T (−
→
v1+− →v 2)
= [L( v 1 ) + L( v 2 )] + [T ( v 1 ) + T (−
→
− →
− →
− →
v 2 )]
→
− →
− →
−
= [L( v ) + T ( v )] + [L( v ) + T ( v )] →
−
1 1 2 2

= (L + T ) (→
−
v 1 ) + (L + T ) (−
→
v 2)

2. Si µ ∈ R, →
−
v ∈ V,

(L + T ) (µ−
→
v) = L(µ−
→
v ) + T (µ−
→
v)
= µL(−
→
v ) + µT (−
→
v)
= µ [L(−
→
v ) + T (−→v )]
= →
−
µ (L + T ) ( v )

De (1) y (2) (L + T ) ∈ £(V, W )

3. Si −
→
v 1, −
→
v2 ∈V;

(λL) (−
→
v1+−
→
v 2) = λL(−→
v1+− →
v 2)
= λ (L( v 1 ) + L(−
→
− →
v 2 ))
= →
−
λL( v ) + λL( v )→
−
1 2

= (λL) (→
−
v 1 ) + (λL) (−
→
v 2)
 6.2. ALGEBRA DE APLICACIONES LINEALES 279

4. Si µ ∈ R, →
−
v ∈ V,

(λL) (µ−
→
v) = λ (L(µ−
→v )) = λ (µL(−
→v ))
→
− →
−
= (λµ) L( v ) = µ (λL( v ))
= µ [(λL) (−
→
v )]

De (3) y (4) (λL) ∈ £(V, W ).

→
−
La aplicación O : V −→ W, definida por O(−
→
v ) = 0 para todo →
−
v ∈ V se comporta como identidad
(módulo) de la adición.

Para cada aplicación L : V −→ W, se tiene que la aplicación (−L) : V −→ W definida por

(−L)(−
→
v ) = − (L(−
→
v )) para todo −
→
v ∈ V , es el opuesto de L.

Las demás propiedades se deducen inmediatamente de las correspondientes en W . 

Proposición 5

Si V, W, U espacios vectoriales, L : V −→ W lineal y T : W −→ U lineal entonces

(T ◦ L) : V −→ U, definida por (T ◦ L)(−

→
v ) = T [L(−
→
v )]

es lineal.

Prueba.−
Ejercicio para el lector.

Proposición 6

Sean V y W espacios vectoriales reales de dimensión finita entonces £(V, W ) es de dimensión finta
y
Dim (£(V, W )) = Dim(V )Dim(W )

Prueba.−
Consideremos B = {− →v 1, −
→
v 2, · · · , −
→
v n } y B ′ = {−
→
w 1, −
→
w 2, · · · , −
→
w m } bases ordenadas fijas de V y W
respectivamente.
Para cada (r, s) ∈ [1, m] × [1, n] sea Lr,s : V → W , definida por
(
−
→
w r si s = k
Lr,s (→
−
v k) = →
−
0 si s ̸= k

Basta probar que B = {Lr,s |(r, s) ∈ [1, m] × [1, n]} es una base de £(V, W ).

Sea L : V → W tal que

280 CAPÍTULO 6. TRANSFORMACIONES LINEALES

L(−→
v 1 ) = α11 −
→
w 1 + α21 −→
w 2 + · · · + αm1 −
→
wm
..
.
L( v k ) = α1k w 1 + α2k −
→
− →
− →
w 2 + · · · + αmk −
→
wm
..
.
L( v n ) = α1n w 1 + α2n −
→
− →
− →
w 2 + · · · + αmn −
→
wm
 
P s=n
r=m P
Probaremos que L = αrs Lr,s . Sea k, 1 ≤ k ≤ n
r=1 s=1

!!
X
r=m X
s=n X
r=m X
r=m
αrs Lr,s (−
→
v k) = αrk Lr,k (−
→
v k) = αrk −
→
w r = L (−
→
v k)
r=1 s=1 r=1 r=1
 
P s=n
r=m P
es decir las aplicaciones lineales αrs Lr,s y L coinciden en cada uno de los elementos de
r=1 s=1
la base B, en consecuencia !
X
r=m X
s=n
L= αrs Lr,s
r=1 s=1

es decir B es un sistema de generadores.

s=n 
P
r=m P
De otro lado, sea λrs Lr,s = O una combinación lineal nula de vectores de B, entonces
r=1 s=1
para cada k, 1 ≤ k ≤ n
!!
X
r=m X
s=n
→
−
λrs Lr,s (−
→
v k) = 0
r=1 s=1

P
r=m −
→
es decir λrk −
→
w r = 0 y como B ′ es base de W entonces para todo r, 1 ≤ r ≤ n se tiene que
r=1
λrk = 0 y por tanto B es un conjunto L.I.

Obviamente B tiene mn elementos y la prueba termina. 

EJERCICIOS 6.2
1. Sean V, W, U espacios vectoriales, L : V → W y T : W → U transformaciones lineales. Pruebe
que la aplicación T ◦ L : V → U definida por

(T ◦ L)(−
→
v ) = T [L(−
→
v )]

es una transformación lineal.

2. Considere el subespacio vectorial V de P3 [x] : V = {ax3 + bx | a, b ∈ R} y las transformaciones

lineales T : R3 → V y R : V → R4 definidas por

T (a, b, c) = bx3 + (c − a)x ; R(ax3 + bx) = (−2a, a, −b, 2b).

Obtenga una expresión para R ◦ T .

 6.3. NÚCLEO E IMAGEN 281

3. Dadas las transformaciones lineales T : P3 [x] → P2 [x] ; L : P2 [x] → P3 [x] definidas por

T (c0 + c1 x + c2 x2 + c3 x3 ) = c1 + c2 x + c3 x2
L(a0 + a1 x + a2 x2 ) = a0 x + a1 x2 + a2 x3

Determine expresiones para

a) L ◦ T b) T ◦ L ◦ T

4. Dadas las transformaciones lineales T : R3 → R3 , R : R3 → R3 ; L : R3 → R3 definidas por

T (x, y, z) = y − x + z, 2x + y + 3z, 5x + 2y − z)
R(x, y, z) = (x + 2y − z, 4y − 2x + 2z, −3x + 5y − 2z)
L(x, y, z) = (y + x, x − 2y, 3x + 2y)

Determine expresiones para

a) (T + 3R) ◦ L b) T ◦ (3R + L) c) (3T − L) ◦ R d) T ◦ 2R ◦ 3L

6.3. NÚCLEO E IMAGEN

Definición 3
→
−
Sea T : V → W lineal, ker(T ) = {−
→
v ∈ V | T (−
→
v ) = 0 } ⊂ V se denomina el Núcleo de T.

Definición 4

Sea T : V → W lineal, Im(T ) = {→

−
w ∈ W | existe →
−
v ∈ V tal que T (−
→
v)=→
−
w } ⊂ W se denomina la
Imagen de T.

Observación. Evidentemente Im(T ) no es otra cosa que el recorrido de T, vista como función del
conjunto V en el conjunto W.

Proposición 7

Sea T : V → W lineal, ker(T ) es un subespacio de V

Prueba.−
→
− →
− −
→
1. Puesto que T ( 0 ) = 0 , 0 ∈ ker(T )
→
− →
−
2. Si →
−
v 1, −
→
v 2 ∈ ker(T ) entonces T (−
→
v 1 ) = 0 , T (−
→
v 2 ) = 0 en consecuencia
→ −
− → − →
T (−
→
v1+−
→
v 2) = T (→
−
v 1 ) + T (−
→
v 2) = 0 + 0 = 0

es decir (−
→
v1+−
→
v 2 ) ∈ ker(T )
282 CAPÍTULO 6. TRANSFORMACIONES LINEALES

→
−
3. Si λ ∈ R, −
→
v ∈ ker(T ) entonces T (−
→
v ) = 0 y por tanto
→ −
− →
T (λ−
→
v ) = λT (−
→
v)=λ0 = 0

es decir λ−
→
v ∈ ker(T ) 

Proposición 8

Sea T : V → W lineal, Im(T ) es un subespacio de W.

Prueba.−
Basta aplicar la proposición 3 con U = V. 

Proposición 9
→
−
Sea T : V → W lineal, T es inyectiva si y solo si ker(T ) = { 0 }

Prueba.−
→
− →
− →
−
Suponemos T inyectiva y sea − →
u ∈ ker(T ), en consecuencia T (−→u ) = 0 = T ( 0 ) por lo tanto − →
u = 0
→
−
es decir ker(T ) = { 0 }.
→ → −
−
Recı́procamente, suponemos ker(T ) = { 0 } y −
v 1, →
v 2 ∈ V tales que T (−
→
v 1 ) = T (−
→
v 2 ) entonces T (−
→
v 1−
→
− →
− →
− →
− →
− →
− →
−
v 2 ) = 0 y en consecuencia v 1 − v 2 = 0 es decir v 1 = v 2 y por tanto T es inyectiva. 

Proposición 10
→
−
Sea T : V → W lineal, tal que ker(T ) = { 0 } , B = {→
−
u 1, −
→
u 2, · · · , →
−
u s } ⊂ V, un conjunto L.I.
entonces

e = {T (−
B →
u 1 ), T (−
→
u 2 ), · · · , T (−
→
u s )} ⊂ W

es un conjunto L.I.

Prueba.−
→
− →
−
Suponemos λ1 T (− →u 1 ) + λ2 T ( −
→u 2 ) + · · · + λs T ( −
→
u s ) = 0 , entonces T (λ1 −
→
u 1 + λ2 −
→
u 2 + · · · + λs −
→
u s) = 0
→
− →
−
es decir (λ1 −
→
u 1 + λ2 −
→u 2 + · · · + λs −→
u s ) ∈ ker(T ) = { 0 }, por tanto λ1 − →
u 1 + λ2 −
→u 2 + · · · + λs −
→
us = 0, y
→
− →
− →
−
puesto que B es L.I. entonces λ1 = λ2 = · · · = λs = 0 es decir {T ( u 1 ), T ( u 2 ), · · · , T ( u s )} ⊂ W es
un conjunto L.I. 

Definición 5

La dimensión de ker(T ) se denomina la Nulidad de T y se nota η(T )

Definición 6

La dimensión de Im(T ) se denomina el Rango de T y se nota ρ(T )

 6.3. NÚCLEO E IMAGEN 283

Proposición 11

Sea T : V → W lineal, T es epiyectiva o sobre si y solo si ρ(T ) = Dim(W )

Prueba.−
Suponemos que T es epiyectiva entonces Im(T ) = W y en consecuencia,
Dim(W ) = Dim(Im(T )) = ρ(T ).
Recı́procamente, suponemos ρ(T ) = Dim(W ) entonces Im(T ) es un subespacio de W talque
Dim(W ) = Dim(Im(T )) por lo tanto Im(T ) = W. 

Proposición 12

Sea T : V → W lineal, T es epiyectiva o sobre si y solo si Im(T ) = W

Prueba.−
Consecuencia directa de la proposición 11. 

TEOREMA 1

Sea T : V → W lineal entonces

η(T ) + ρ(T ) = Dim(V )

Prueba.−
→
−
Supongamos ker(T ) ̸= { 0 }, ker(T ) ̸= V, consideremos U = {−
→
v 1, −
→
v 2, · · · , →
−
v r } con
1 ≤ r < Dim(V ) = n, una base de ker(T ) y construimos

B = {−
→
v 1, −
→
v 2, · · · , →
−
v r, −
→
v r+1 , −
→
v r+2 , · · · , →
−
v n}

una base de V, basta verificar que Dim(Im(T )) = n − r.

Sea entonces −
→
w ∈ Im(T ), existe −
→
v ∈ V, tal que T (−
→
v)=−
→
w y puesto que B es una base de V ,
→
− P
k=n
v = λ −
→
v , en consecuencia:
k k
k=1

−
→
w = T (−
→
v)
!
X
k=n
=T λk →
−
vk
k=1

= λ1 T ( −
→
v 1 ) + · · · + λr T ( −
→
v r ) + λr+1 T (−
→
v r+1 ) + λr+2 T (−
→
v r+2 ) + · · · + λn T (−
→
v n)
→
− →
− →
− →
− →
−
= λ 0 + ··· + λ 0 + λ T( v
1 r r+1 r+1 ) + λ T( v
r+2 ) + ··· + λ T( v )
r+2 n n

= λr+1 T (→
−
v r+1 ) + λr+2 T (−
→
v r+2 ) + · · · + λn T (−
→
v n)

en consecuencia {T (−
→
v r+1 ), T (−
→
v r+2 ), · · · , T (−
→
v n )} es un sitema de generadores de Im(T ).

→
−
Por otra parte, si µ1 T (−
→
v r+1 ) + µ2 T (−
→
v r+2 ) + · · · + µn−r T (−
→
v n ) = 0 entonces
284 CAPÍTULO 6. TRANSFORMACIONES LINEALES

→
−
T (µ1 −
→
v r+1 + µ2 −
→
v r+2 + · · · + µn−r −
→
v n) = 0

es decir

(µ1 −
→
v r+1 + µ2 −
→
v r+2 + · · · + µn−r −
→
v n ) ∈ ker(T )

por tanto, existen escalares λ1 , · · · , λr tales que

µ1 −
→
v r+1 + µ2 −
→
v r+2 + · · · + µn−r −
→
v n = λ1 −
→
v 1 + · · · + λr −
→
vr

es decir

→
−
λ1 −
→
v 1 + · · · + λr −
→
v r + (−µ1 )−
→
v r+1 + (−µ2 )−
→
v r+2 + · · · + (−µn−r )−
→
vn= 0

y como B es una base de V , concluı́mos que

λ1 = · · · = λr = (−µ1 ) = (−µ2 ) = · · · = (−µn−r ) = 0

en particular µ1 = µ2 = · · · = µn−r = 0 ; es decir

{T (−
→
v r+1 ), T (−
→
v r+2 ), · · · , T (−
→
v n )}

es un conjunto L.I.

→
−
Si ker(T ) = { 0 } y B = {−→
v 1, −
→
v 2, · · · , −
→
v n } es una base de V entonces {T (−
→
v 1 ), T (−
→
v 2 ), · · · , T (−
→
v n )}
es L.I. y por lo tanto una base de Im(T ) en consecuencia Dim(V ) = 0 + Dim(Im(T ))

→
−
Finalmente si ker(T ) = V entonces Im(T ) = { 0 } y por tanto

Dim(V ) = n + 0

Proposición 13

Sean V y W espacios vectoriales, si T : V → W es una aplicación lineal biyectiva entonces

Dim(V ) = Dim(W )

Prueba.−
Consecuencia inmediata de las proposiciones 9, 10 y 11 y el Teorema 1. (Ejercicio para el lector)

Proposición 14

Sean V y W espacios vectoriales, si T : V → W es una aplicación lineal biyectiva entonces

T −1 : W → V es lineal.

Prueba.−
 6.3. NÚCLEO E IMAGEN 285

Recordemos inicialmente que para cada −

→
w ∈ W, T −1 (−
→
w) = −
→
v (−
→
v es el único elemento de V tal que
→
− →
−
T ( v ) = w ).

Sean entonces −→w 1, −

→
w 2 ∈ W , existen → −
v 1, −
→
v 2 ∈ V únicos y tales que T (−
→
v 1) = −
→
w 1 y T (−
→
v 2) = −
→
w2
→
− →
− →
− →
− →
− →
−
puesto que T es lineal T ( v 1 ) = w 1 y T ( v 1 + v 2 ) = w 1 + w 2 y en consecuencia

T −1 (−
→
w1 + −
→
w 2) = −
→
v1+→
−
v 2 = T −1 (−
→
w 1 ) + T −1 (−
→
w 2)

Además, si λ ∈ R y −
→
w ∈ W existe un único →
−
v ∈ V tal que T (−
→
v)=→
−
w por tanto T (λ−
→
v ) = λ→
−
w y en
−1 − → →
− −1 −
→
consecuencia T (λ w ) = λ v = λT ( w ) 

Definición 7

Sean V y W espacios vectoriales, si T : V → W es una aplicación lineal biyectiva decimos que T es

un isomorfismo de espacio vectorial y que los espacios V y W son isomorfos.

Ejemplo 7

S y R3 son isomorfos; la aplicación definida por L(−

→
v ) = (a, b, c) es un isomorfismo.

Ejemplo 8

Pn [x] y Rn+1 son isomorfos; la aplicación definida por T (a0 +a1 x+a2 x2 +· · ·+an xn ) = (a0 , a1 , · · · , an )
es un isomorfismo.

Ejemplo 9

Sea W = {(x, y, 0) | x ∈ R, y ∈ R} subespacio de R3 , entonces L : R2 −→ W, definida por L(x, y) =

(x, y, 0) es un isomorfismo.

 
Ejemplo 10 a1
 
 a2 
Rn y M (n, 1) son isomorfos; la aplicación definida por L((a1 , a2 , · · · , an )) = 
 ..  es un

 . 
an
isomorfismo.

TEOREMA 2

Todo espacio vectorial real de dimensión finita es isomorfo a un espacio Rn .

Prueba.−
Sea V un espacio vectorial de dimensión finita, B = {−
→
v 1, −
→
v 2, · · · , −
→
v n } una base ordenada de
P −
k=n
V , definimos L : V → Rn de la siguiente manera, si −
→
v ∈ V es tal que − →
v = λ→v definimos i i
k=1
L(→
−
v ) = (λ1 , λ2 , · · · , λn ) , claramente L es un isomorfismo. 
286 CAPÍTULO 6. TRANSFORMACIONES LINEALES

Definición 8

Una transformación lineal T : V → V se denomina un operador lineal sobre V .

Proposición 15

Sea un operador lineal T : V → V definido en un espacio euclideo V , con producto interno ⟨ , ⟩ ,

entonces las siguientes afirmaciones son equivalentes

(a) Para todo −

→
v 1, −
→
v 2 ∈ V se tiene ⟨T (−
→
v 1 ), T (−
→
v 2 )⟩ = ⟨−
→
v 1, −
→
v 2⟩

(b) Para todo −

→
v ∈ V se tiene ∥T (−
→
v )∥ = ∥−
→
v∥

(c) Para todo −

→
v 1, −
→
v 2 ∈ V se tiene ∥T (−
→
v 1 ) − T (−
→
v 2 )∥ = ∥−
→
v1−−
→
v 2∥

Prueba.−
(a)=⇒(b)
p p p→ −
Sea −
→ v )∥ = ⟨T (−
v ∈ V entonces ∥T (−
→ →
v ), T (−
→
v )⟩ pero por (a), ⟨T (−
→
v ), T (−
→
v )⟩ = ⟨−
v ,→
v ⟩ = ∥−
→
v∥

(b)=⇒(c)

Sean − →v 1, −
→
v 2 ∈ V entonces ∥T (−
→
v 1 ) − T (−
→
v 2 )∥ = ∥T (−
→
v1−−
→
v 2 )∥ pero por (b) se tiene que
→
− →
− →
− →
−
∥T ( v 1 − v 2 )∥ = ∥ v 1 − v 2 ∥

(c)=⇒(a)

Sean →
−
v 1, −
→
v 2 ∈ V entonces

∥T (−
→
v 1 ) − T (−→v 2 )∥ = ⟨T (−
→v 1 ) − T (−→v 2 ), T (−
→
v 1 ) − T (−→v 2 )⟩ = ∥T (−→v 1 )∥ + ∥T (−
→
v 2 )∥ − 2 ⟨T (−
→
v 1 ), T (−
→
2 2 2
v 2 )⟩
y →
− →
−
∥ v 1 − v 2∥
2 →
− 2 →
− 2 →
− →
−
= ∥ v 1 ∥ + ∥ v 2 ∥ − 2 ⟨ v 1 , v 2 ⟩ , en consecuencia por (c) se tiene que
−2 ⟨T (−
→v 1 ), T (−
→
v 2 )⟩ = −2 ⟨−
→v 1, −→
v 2 ⟩ es decir ⟨T (− →v 1 ), T (−
→v 2 )⟩ = ⟨−
→v 1, −
→
v 2 ⟩. 

Además también puede probarse que

(c)=⇒(b)

→
−
Sea −
→
v ∈ V basta aplicar (c) con −
→
v =−
→
v1y →
−
v2 = 0.

Definición 9

Un operador lineal T : V → V definido en un espacio eucideo V, con producto interno ⟨ , ⟩, se

denomina una isometrı́a si para todo −
→
v 1, −
→
v 2 ∈ V se tiene que

∥T (−
→
v 2 ) − T (−
→
v 1 )∥ = ∥−
→
v2−−
→
v 1∥ .
 6.3. NÚCLEO E IMAGEN 287

Proposición 16

Sea T : V → V una isometrı́a definida en un espacio eucideo V, con producto interno ⟨ , ⟩, entonces
si −
→v 1, −
→
v 2 ∈ V son tales que α es el ángulo entre − →v1 y− →v 2 entonces α es el ángulo entre T (−
→
v 1) y
→
− →
− →
− →
− →
−
T ( v 2 ) en particular si ⟨ v 1 , v 2 ⟩ = 0 entonces ⟨T ( v 1 ), T ( v 2 )⟩ = 0.

Prueba.−
Sean α es el ángulo entre − →
v1 y − →v 2 y β es el ángulo entre T (−
→
v 1 ) y T (−
→
v 2) entonces
→
− →
−
⟨ v 1, v 2⟩
α = arc cos , pero por hipótesis
∥→
−
v 1 ∥∥→ −
v 2∥

⟨−
→v 1, −
→
v 2⟩ ⟨T (−
→v 1 ), T (−
→
v 2 )⟩
→
− →
−
∥ v 1∥ ∥ v 2∥
=
∥T ( v 1 )∥ ∥T (−
→
− →v 2 )∥

en consecuencia α = β. 

EJERCICIOS 6.3
Determine el núcleo, la imagen, el rango y la nulidad de cada transformación lineal definida en los
ejercicios 1 al 5.

1. T : M (2, 1) → M (3, 1) definida por

 
2 1
 
T (X) =  −2 3 X
0 −3

2. T : R2 → R3 definida por
T (x, y) = (x − y, 2y, x + y)

3. T : R2 → M (2, 2) definida por:

!
x −y
T (x, y) =
−y x + y
.

4. T : R3 → P2 [x] definida por

T (a, b, c) = (a + c)(x2 + 1) − b(3x − 1)

5. T : M (3, 1) → M (3, 1) definida por

 
−1 1 0
 
T (X) =  0 1 1 X
−1 −1 1
288 CAPÍTULO 6. TRANSFORMACIONES LINEALES

6. Considere la transformación lineal T : P3 [x] → M (2, 2) definida por

!
2 3 a0 − a1 + a3 a1 − a2
T (a0 + a1 x + a2 x + a3 x ) =
2a0 − 3a2 − a3 3a1 + 2a2 a3

Verifique que T es un isomorfismo.

7. Considere la transformación lineal T : R4 → M (2, 2) definida por

!
x1 x1 + x2
T (x1 , x2 , x3 , x4 ) =
x2 + x3 x1 + x4

Verifique que T es un isomorfismo.

6.4. TRANSFORMACIONES LINEALES Y MATRICES

En la sección 6.1 asociamos de manera natural una aplicación lineal de la forma
LA : M (n, 1) −→ M (m, 1) a cada matriz A ∈ M (m, n), en esta efectuamos el proceso inverso,
es decir, asociamos una matriz a cada aplicación lineal para concluir que para todos los efectos del
Álgebra Lineal podemos identificar unas con otras.

El ejemplo 10 de la sección anterior nos permite hablar indistintamente de Rn o M (n, 1) y de Rm o

M (m, 1), igualmente podemos notar los elementos de Rn en forma horizontal o vertical.

 
Proposición 17 x1
 
 x2 
Sea T : Rn −→ Rm lineal, entonces existe una matriz A tamaño m × n tal que si X = 
 .. ,

 . 
xn
entonces T (X) = AX.

Prueba.−
 
x1
 
 x2 
Si un vector X es de la forma X = 
 .. , esto significa

 . 
xn

     
1 0 0
     
     
 = x1 −
→ →
− →
−
0 1 0
X = x1 
 ..  + x2 
  0
 + · · · + xn 
  ..  E 1 + x2 E 2 + · · · + xn E n ,
 .     . 
..
0 . 1
 6.4. TRANSFORMACIONES LINEALES Y MATRICES 289

entonces si
→
− →
− →
− →
−
T ( E 1 ) = α11 E 1 + α21 E 2 + · · · + αm1 E m
..
.
→
− →
− →
− →
−
T ( E j ) = α1j E 1 + α2j E 2 + · · · + αmj E m
...
→
− →
− →
− →
−
T ( E n ) = α1n E 1 + α2n E 2 + · · · + αmn E m

basta definir A como la matriz de tamaño m × n, cuya columna j es la matriz vector columna
→
−
T ( E j ) ∈ Rm , ası́
 
α11 α12 ··· α1n
 α ··· 
 21 α22 α2n 
 . .. .. 
h − → i h − → i h − → i   .
. . . 

A = T ( E 1) T ( E 2) · · · T ( E n) =  
 αi1 αi2 ··· αin 
 
 .. .. .. 
 . . . 
αm1 αm2 ··· αmn
y en consecuencia

→
− →
− →
− →
− →
− →
− X →
−
j=n
T (X) = T (x1 E 1 + x2 E 2 + · · · + xn E n ) = x1 T ( E 1 ) + x2 T ( E 2 ) + · · · + xn T ( E n ) = xj T ( E j )
j=1
!  
X
j=n
−
→ →
− →
− X
j=n X
k=m
→
− X
k=m X
j=n
→
−
= xj (α1j E 1 + α2j E 2 + · · · + αmj E m ) = xj αkj E k =  αkj xj  E k
j=1 j=1 k=1 k=1 j=1

= AX


A se llama la matriz asociada a T respecto de las bases canónicas de R y R , respectivamente. n m

Ejemplo 11

Consideramos la aplicación lineal T : R4 → R3 definida por la ecuación

T (x, y, z, w) = (x + 2y + 4w, 2x + 3z, 3x + 3y + w)
Calculamos
   
1   0  
  1   2
 0     1   
T   =  2  ; T   =  0 
 0   0 
3 3
0 0

   
0   0  
  0   4
 0     0   
T   =  3  ; T   =  0 
 1   0 
0 1
0 1

En consecuencia
290 CAPÍTULO 6. TRANSFORMACIONES LINEALES

   
  x   x
1 2 0 4   1 2 0 4  
   y    y 
A= 2 0 3 0  y para todo X =   se tiene AX =  2 0 3 0   = T [X]
 z   z 
3 3 0 1 3 3 0 1
w w

Proposición 18

Sean V, W espacios vectoriales y B = {→

−
v 1, −
→
v 2, · · · , −
→
v n }, B ′ = {−
→
w 1, −
→
w 2, · · · , −
→
w m } bases ordenadas
de V y W respectivamente y sea T : V → W lineal, entonces existe una matriz A de tamaño m × n
tal que
[T (−
→v )]B ′ = A [− →v ]B

Prueba.−
Basta construir A y verificar la igualdad, para tal efecto definimos A como la matriz cuya columna
j, 1 ≤ j ≤ n es la matriz de coordenadas de la imagen de − →
v j respecto de B ′ , es decir:

Si
T (−
→v 1 ) = α11 −
→
w 1 + α21 −→
w 2 + · · · + αm1 −
→
wm
..
.
T ( v j ) = α1j w 1 + α2j →
→
− →
− −
w 2 + · · · + αmj −
→
wm
..
.
T (−
→
v n ) = α1n −→
w 1 + α2n →−
w 2 + · · · + αmn −
→
wm
entonces  
α11 α12 ··· α1n
 ··· 
 α21 α22 α2n 
 .. .. .. 
 
 . . . 
A = ([T (−
→
v 1 )]B ′ [T (−
→
v 2 )]B ′ →
−
· · · [T ( v n )]B ′ ) =  
 αi1 αi2 ··· αin 
 
 .. .. .. 
 . . . 
αm1 αm2 ··· αmn
Ahora, si −
→
v ∈ V,
k=n 
−
→ P −
k=n P P
k=n
v = λk →
v k y T (−
→
v)=T λk −
→
vk = λk T ( −
→
v k)
k=1 k=1 k=1

es decir
X
k=n X
k=n
T (−
→
v)= λk T ( −
→
v k) = λk (α1k −
→
w 1 + α2k −
→
w 2 + · · · + αmk −
→
w m)
k=1 k=1
!
X
k=n X
i=m X
i=m X
k=n X
i=m

→
= λk αik →
−
wi = αik λk −
→
wi = A(i) [−
→
v ]B −
wi
k=1 i=1 i=1 k=1 i=1

luego

[T (−
→
v )]B ′ = A [−
→
v ]B (6.3)


 6.4. TRANSFORMACIONES LINEALES Y MATRICES 291

Definición 10

Sean V, W espacios vectoriales y B = {− →v 1, −

→
v 2, · · · , −
→
v n }, B ′ = {−
→
w 1, −
→
w 2, · · · , −
→
w m } bases ordenadas
de V y W respectivamente y sea T : V → W lineal, la matriz A cuya existencia garantiza la
proposición anterior se denomina la matriz asociada a T , respecto de las bases B y B ′ y se nota
B′
A = [T ]B , con esta notación la ecuación (6,3) se escribe

[T (−
→
v )]B ′ = [T ]B [−
B′ →
v ]B

Ejemplo 12

Consideramos los espacios P2 [x] con base B = p1 (x) = 1, p2 (x) = 1 + x, p3 (x) = 1 + x + x2 y
( ! ! ! !)
′ 1 1 1 1 1 0 0 1
M (2, 2) con base B = A1 = , A2 = , A3 = , A4 = y la
1 0 0 1 1 1 1 1
!
2a − b + 5c a − b + 6c
aplicación lineal T : P2 [x] → M (2, 2) definida por T (a + bx + cx2 ) =
2a − 3b + 7c a − b + 6c
entonces !
2 1
T (p1 (x)) = = αA1 + βA2 + γA3 + δA4 =
2 1
! ! ! ! !
1 1 1 1 1 0 0 1 α+β+γ α+β+δ
α +β +γ +δ =
1 0 0 1 1 1 1 1 α+γ+δ β+γ+δ

ecuación matricial que da origen al sistema

α+β+γ =2
α+β+δ =1
α+γ+δ =2
β+γ+δ =1
 
1
 
 0 
cuya solución es α = 1, β = 0, γ = 1, δ = 0, es decir [T (p1 (x)]B ′ =  
 1 
0
Analogamente
!
1 0
T (p2 (x)) = = αA1 + βA2 + γA3 + δA4 =
−1 0
! ! ! ! !
1 1 1 1 1 0 0 1 α+β+γ α+β+δ
α +β +γ +δ =
1 0 0 1 1 1 1 1 α+γ+δ β+γ+δ

ecuación matricial que da origen al sistema

α+β+γ =1
α+β+δ =0
α + γ + δ = −1
β+γ+δ =0
292 CAPÍTULO 6. TRANSFORMACIONES LINEALES

 
0
 
 1 
cuya solución es: α = 0, β = 1, γ = 0, δ = −1 es decir T [p2 (x)]B ′ =  
 0 
−1
Finalmente !
6 6
T (p3 (x)) = = αA1 + βA2 + γA3 + δA4 =
6 6
! ! ! ! !
1 1 1 1 1 0 0 1 α+β+γ α+β+δ
α +β +γ +δ =
1 0 0 1 1 1 1 1 α+γ+δ β+γ+δ
ecuación matricial que da origen al sistema

α + β + γ = 6α + β + δ = 6α + γ + δ = 6β + γ + δ = 6
 
2
 
 2 
cuya solución es α = 2, β = 2, γ = 2, δ = 2, es decir [T (p3 (x)]B ′ =  .
 2 
2
De lo anterior
 
1 0 2
 
B′  0 1 2 
[T ]B =  
 1 0 2 
0 −1 2
 
a−b
  B′
De otro lado, es inmediato verificar que [(a, b, c)]B =  b − c  y que [T ]B [(a, b, c)]B = [T (a, b, c)]B ′ ;
c
En efecto,
   
1 0 2   a − b + 2c
  a−b  
 0 1 2    b+c 
  b − c  =  ,
 1 0 2   a − b + 2c 
c
0 −1 2 3c − b
y ! ! ! !
1 1 1 1 1 0 0 1
(a − b + 2c) + (b + c) + (a − b + 2c) + (3c − b) =
1 0 0 1 1 1 1 1
!
2a − b + 5c a − b + 6c
2a − 3b + 7c a − b + 6c

Proposición 19

Sean V , W , U espacios vectoriales, B = {− →

v 1, −
→
v 2, · · · , −
→
v n }, B ′ = {−
→
w 1, −
→
w 2, · · · , −
→
w m },
B ′′ = →
− →
− →
−
{ u 1 , u 2 , · · · , u s } bases ordenadas de V , W y U respectivamente, L : V −→ W lineal y
T :W −→ U lineal entonces

B ′′ B ′′ B′
[T ◦ L]B = [T ]B ′ [L]B
 6.4. TRANSFORMACIONES LINEALES Y MATRICES 293

Prueba.−
Suponemos A = [L]B , C = [T ]B ′ y D = [T ◦ L]B consideremos − →
B′ B ′′ B ′′
v ∈ V, entonces
→
− B −
′
→ →
− →
− B ′′
→
−
[L( v )]B ′ = [L]B [ v ]B = A [ v ]B , y [T (L( v ))]B ′′ = [T ]B ′ [L( v )]B ′ por lo tanto
 
[T (L(−
→v ))]B ′′ = [T ]B ′ [L]B [−
B′ →
v ]B = C (A [− →v ]B ) = (CA) [−
→
B ′′
v ]B

por otra parte

[(T ◦ L) (−
→
v )]B ′′ = [T ◦ L]B [−
B ′′ →
v ]B = D [−
→
v ]B
en consecuencia
(CA) = D


TEOREMA 3

Sean V, W espacios vectoriales con bases ordenadas fijas

B = {−→v 1, −
→
v 2, · · · , →
−
v n }, B ′ = {−
→
w 1, −
→
w 2, · · · , −
→
w m } respectivamente, entonces la
trasformación
Ψ : £(V, W ) −→ M (m, n)
B′
definida por Ψ(L) = [L]B es un isomorfismo entre £(V, W ) y M (m, n).

Prueba.−
La verificación de la linealidad de la transformación Ψ es un cálculo de rutina, el lector interesado
puede realizarlo como ejercicio.
Por otra parte, si L ∈ ker(Ψ) entonces Ψ (L) = [L]B = 0 ∈ M (m, n) por tanto para todo − →
B′
v ∈ V,
→
− B ′
→
− →
− →
− →
− →
− →
−
[L( v )]B ′ = [L]B [ v ]B = 0 [ v ]B = 0 ∈ W en consecuencia para todo v ∈ V, L( v ) = 0 es decir
L = O, por tanto
ker(Ψ) = {O}
en consecuencia Ψ es inyectiva y por el teorema de rango mas nulidad Ψ es epiyectiva. 

EJERCICIOS 6.4
1. Determine la matriz asociada a la transformación lineal T : R2 → R3 definida por:

T (x, y) = (x − y, 2y, x + y)

respecto de las bases canónicas de R2 y R3 .

2. Determine la matriz asociada a la transformación lineal T : R2 → M (2, 2) definida por
!
x −y
T (x, y) = .
−y x + y

respecto de las bases canónicas de R2 y M (2, 2).

3. Determine la matriz asociada a la transformación lineal T : R3 → P2 [x] definida por

T (a, b, c) = (a + c)(x2 + 1) − b(3x − 1)

respecto de las bases canónicas de R3 y P2 [x].

294 CAPÍTULO 6. TRANSFORMACIONES LINEALES

4. Dada la transformación lineal T : P4 [x] → P3 [x] definida por

T (ax4 + bx3 + cx2 + dx + e) = ax3 + bx2 + cx + d

′
′
Determine la matriz [T ]B
B ; donde B y B son las bases canónicas de P4 [x] y P3 [x]
respectivamente.
5. Dada la transformación lineal T : R3 → R3 definida por

T (x, y, z) = (x + y, x + z, x + y + z)

Determine la matriz [T ]B B′
donde B = {− →
v1 = (0, 1, 4), −
→
v2 = (1, 1, 1), −
→
v3 = (1, 0, 2)} y
B ′ = {−
→ = (1, 0, 0), −
u 1
→ = (0, 1, 0), −
u 2
→ = (0, 0, 1)}.
u 3

6. Sean B = {−
→
v1 , −
→
v2 , −
→
v 3 } , B ′ = {−
→, −
u → − → − →
1 u2 , u3 , u4 } bases ordenadas de R y de R respectivamente;
3 4

T : R3 → R4

la transformación lineal tal que

 
1 −2 1
 −1 −1 
′  1 
B =
[T ]B 
 2 1 4 
3 −2 5

Determine T (3−
→
v1 + 2 −
→
v2 − −
→
v3 ).

6.5. TRANSFORMACIONES LINEALES Y MATRICES EN

GEOMETRIA PLANA ELEMENTAL.
En esta sección estudiamos algunos operadores lineales sobre R2 y su interpretación geométrica.
En todos los casos
n− presentamos la ecuación que lo define, su matriz asociada respecto de la base
→ −→o
canónica B = i , j y un caso especı́fico de la imagen de un objeto de R2 . Las operaciones entre
matrices y el producto escalar en R2 son los usuales.

1. El operador lineal Rx : R2 → R2 , definido por la ecuación

Rx (x, y) = (x, −y)

es la reflexión de un punto del plano sobre su simétrico respecto del eje x.

Puesto que Rx (1, 0) = (1, 0) y Rx (0, 1) = (0, −1) entonces
!
B 1 0
[Rx ]B =
0 −1

Ejemplo 13

Consideramos la figura plana constituida por el segmento AB, A = (1, 1), B = (5, 1) y el arco
d de la parábola y = 5 − (x − 3)2 = −x2 + 6x − 4. Describimos el segmento en la forma
AB
 6.5. TRANSFORMACIONES LINEALES Y MATRICES EN GEOMETRIA PLANA ELEMENTAL. 295

AB = {(x, y)| 1 ≤ x ≤ 5, y = 1} su imagen es A′ B ′ = {(x, y)| 1 ≤ x ≤ 5, y = −1} ; y puesto

que ! ! !
1 0 x x
=
0 −1 −x2 + 6x − 4 x2 − 6x + 4
d es el arco A
la imagen del arco AB [ ′ B ′ de la parábola y = x2 − 6x + 4.

.
..... .
.....
....................
.... ...
... ...
... ..
..
. ..
...
.
..
.. ...
.. ...
..
. ..
... ..
..
.
. .B
A.
..
...... Rx ......
−
→ . .
..

A’ .... .. B’
.. ..
... ...
... ..
.
... .
.. ...
... ..
... ..
.... .
....
...... ......
.........

2. El operador lineal Ry : R2 → R2 , definido por la ecuación

Ry (x, y) = (−x, y)

es la reflexión de un punto del plano sobre su simétrico respecto del eje y.

Puesto que Ry (1, 0) = (−1, 0) y Ry (0, 1) = (0, 1) entonces
!
B −1 0
[Ry ]B =
0 1

Ejemplo 14

Consideramos la curva de ecuación 9(x − 4)2 + 16y 2 − 144 = 9x2 − 72x + 16y 2 = 0 su imagen es

9(−x)2 − 72(−x) + 16y 2 = 9x2 + 72x + 16y 2

= 9(x + 4)2 + 16y 2 − 144
= 0

...... ......

........................................................ ..........................................................
.......... ...... ..........
....... ..... ......
......
..
...... .... ......
.
.....
....
. ... . ...
... ... ... ...
.... ... .....
.... ......
...
Ry ...
...
. .....
...
...
....
..
..
.
... −
→ ...
...
.... ...
....
...
..... ..... .
...... ..... ...... .....
......... ..... ......
............... ........ ..........
..........................................................
........................................

3. El operador lineal R0 : R2 → R2 , definido por la ecuación R0 (x, y) = (−x, −y) es la reflexión

de un punto del plano sobre su simétrico respecto del origen.
Puesto que R0 (1, 0) = (−1, 0) y R0 (0, 1) = (0, −1) entonces
!
B −1 0
[R0 ]B =
0 −1
296 CAPÍTULO 6. TRANSFORMACIONES LINEALES

Ejemplo 15

Consideramos la curva de ecuación (x − 4)2 + 4(y − 3)2 = 4, su imagen es

((−x) − 4)2 + 4((−y) − 3)2 = 4

es decir
(x + 4)2 + 4(y + 3) = 4

...... ......
.. .... .... .... ... ...
.... .... ..... .... .... .....
.... .... ......... .. .... .... .........
.................................. .... .
................ ........ .................... ...........
. .
..
..... ....... ......... ...........
. . . .
............ ........ ......... .............. .... ..... ...... .......
. .... . .. ... . ..... ..
.. ....... ........ ....................
. .... .. ... ... ... . .. ... ..
.... ................................................. .... .... ...... .......
.... ................. .... ..................
.... ................. .... .................
.
.. ................................. .
.. .................................
................ ................
...........
....... ...... R0 ...........
.......
......

.. . . .
.
............
........................... −
→ .. .. .
.
............
...........................
.
............................ .
...
. .
.......................
........... .... .... ........... .... ....
...... ..... .... ... .............................. .... ...
...... ..... .... .... ................ .... .............. ....
...... ..... ..... ... ..... ...... ..... .... ......
...
........ ......... ....... ....... ..
..................... ....... ............
.
... ... ... . ... .. .. ... ...........
...... ..... .... ....... ...... ......... .... .
...... ......... ....... ...... ......... .............................................
... ... .... ... ... .
..... .... .... ..... .... ....
..... .... .... ..... .... ....

4. El operador lineal Ri : R2 → R2 , definido por la ecuación

Ri (x, y) = (y, x)

es la reflexión de un punto del plano sobre su simétrico respecto de la recta y = x.

Puesto que Ri (1, 0) = (0, 1) y Ri (0, 1) = (1, 0) entonces
!
B 0 1
[Ri ]B =
1 0

Ejemplo 16

Consideremos el triángulo de vértices A = (1, 2), B = (1, 4), C = (3, 4), hallemos su imagen.

Encontremos inicialmente la imagen del segmento AB, A = (1, 2), B = (1, 4) descrito por las
ecuaciones paramétricas x(t) = 1, y(t) = 2 + 2t, t ∈ [0, 1], calculamos
! ! !
0 1 1 2t + 2
=
1 0 2 + 2t 1

y obtenemos el segmento A′ B ′ , A′ = (2, 1), B ′ = (4, 1) descrito por las ecuaciones paramétricas
x(t) = 2t + 2, y(t) = 1, t ∈ [0, 1]
Ahora, encontremos la imagen del segmento BC, B = (1, 4), C = (3, 4) descrito por las
ecuaciones paramétricas x(t) = 1 + 2t, y(t) = 4, t ∈ [0, 1], calculamos
! ! !
0 1 1 + 2t 4
=
1 0 4 2t + 1

y obtenemos el segmento B ′ C ′ , B ′ = (4, 1), C ′ = (4, 3) descrito por las ecuaciones paramétricas
x(t) = 4, y(t) = 2t + 1, t ∈ [0, 1]
 6.5. TRANSFORMACIONES LINEALES Y MATRICES EN GEOMETRIA PLANA ELEMENTAL. 297

Finalmente, encontremos la imagen del segmento AC, A = (1, 2), C = (3, 4) descrito por las
ecuaciones paramétricas x(t) = 1 + 2t, y(t) = 2 + 2t, t ∈ [0, 1], calculamos
! ! !
0 1 1 + 2t 2t + 2
=
1 0 2 + 2t 2t + 1

y obtenemos el segmento B ′ C ′ , B ′ = (2, 1), C ′ = (4, 3) descrito por las ecuaciones paramétricas
x(t) = 2 + 2t, y(t) = 2t + 1, t ∈ [0, 1]

Geométricamente tenemos
...... ......

5 ...
... 5 ...
...
..... .....
4 B C ..
......
...... ...
...
.
4 ...
...
.
...... ... ...
...... ′
3 .
..
......
..
..
...
.. ..
3 ...
.. . .
C ..
......
.
.
...... ... ... ......
...... ......
.
...... ... . . ..
..
2 A .. . . 2 ...
.. ....
......
......
... ... ......
... ... ′ ...... ′
1 ....... 1 ...
.... .
.
A B
... ...
... ..... Ri .. .....
−2 −1 ...
.....
1 2 3 4 5 6 −
→ −2 −1 ...
...
...
1 2 3 4 5 6
−1
...
−1 ...

5. El operador lineal Sα : R2 → R2 , definido por la ecuación

Sα (x, y) = (x cos α + y sin α, −x sin α + y cos α)

es la rotación de un punto un ángulo α al rededor del origen.

Puesto que

Sα (1, 0) = (cos α, sin α) y Sα (0, 1) = (− sin α, cos α)

entonces !
B cos α − sin α
[Sα ]B =
sin α cos α

Ejemplo 17

Encontremos la imagen por la rotación un ángulo π3 , de la curva descrita en forma paramétrica

por las ecuaciones

x(t) = 4 cos t, y(t) = 2 sin t, t ∈ [0, 2π]

√ ! ! √ !
1
− 12 3 4 cos t 2 cos t − 3 sin t
1
√
2
1 = √
2 3 2 2 sin t sin t + 2 3 cos t
! √ !
 B cos π3 − sin π3 1
− 21 3
S π3 = = √
2
B sin π3 cos π3 1
2 3 1
2

en consecuencia las ecuaciones paramétricas de la imagen se obtienen al calcular

298 CAPÍTULO 6. TRANSFORMACIONES LINEALES

√ ! ! √ !
1
− 12 3 4 cos t 2 cos t − 3 sin t
1
√
2
1 = √
2 3 2 2 sin t sin t + 2 3 cos t

gráficamente tenemos:
...... ...... ...
..
............ ..
............ ..............
... .........
. .
.. ..
...
..
..... ... ...
..... ...
..... ...
........................................... .... ... ..
............... .......... .... .. ...
.......... ........ . .
........ ....... .. ... ...
..
....... ..... ..
.
.
... ...
....
. ....
... ... ... ...
.... ... ... ...
...
...
..
...... s π3 ..
...
..
... ...
..
......
−
→
...
... . . .
...
..... ..... ... ... ...
..... ....
... ... ... ...
........
........ ... ... ..
..........
............. .......... .... .. ....
.................................................. .. ...
. ...
... .. ....
.. .....
...
... ... .....
... ... .. ........
.
....... .......
... ...........
... ................
..
...

Las reflexiones y la rotación son algunos de los denominados movimientos rı́gidos del plano;
el otro, la traslación, definido por la ecuación

T (x, y) = (x, y) + (a, b) con (a, b) ̸= (0, 0),

claramente no es una transformación lineal ya que T (0, 0) = (a, b) ̸= (0, 0).

Por otra parte, si consideramos en R2 el producto punto usual y la distancia definida como:
Si A = (a, b) y B = (c, d) entonces

d(A; B) = ∥A − B∥
p
= (A − B) · (A − B)
p
= (a − c)2 + (b − d)2

los movimientos rı́gidos del plano resultan ser isometrı́as.

Proposición 20

Los operadores sobre R2 ; Rx , Ry , R0 , Ri , Sα , vale decir, las reflexiones y la rotación son

isometrı́as y sus matrices asociadas a la base canónica son ortogonales.

Prueba.−
En todos los casos basta probar que, para todo A ∈ R2 , B ∈ R2 , T (A) · T (B) = AB

1. Rx : R2 → R2 , definido por la ecuación Rx (a, b) = (−a, b)

Rx (a, b) · Rx (c, d) = (−a, b) · (−c, d) = (−a)(−c) + bd = ac + bd = (a, b) · (c, d)

2. Ry : R2 → R2 , definido por la ecuación Ry (a, b) = (a, −b)

Ry (a, b) · Ry (c, d) = (a, −b) · (c, −d) = ac + (−b)(−d) = ac + bd = (a, b) · (c, d)

3. R0 : R2 → R2 , definido por la ecuación R0 (a, b) = (−a, −b)

R0 (a, b) · R0 (c, d)(−a, −b) · (−c, −d) = (−a)(−c) + (−b)(−d) = ac + bd = (a, b) · (c, d)
 6.5. TRANSFORMACIONES LINEALES Y MATRICES EN GEOMETRIA PLANA ELEMENTAL. 299

4. Ri : R2 → R2 , definido por la ecuación R(a, b) = (b, a)

Ri (a, b) · Ri (c, d) = (b, a) · (d, c) = bd + ac = (a, b) · (c, d)

5. Sα : R2 → R2 , definido por la ecuación

Sα (x, y) = (a cos α + b sin α, −a sin α + b cos α)

Sα (a, b) · Sα (c, d) = (a cos α + b sin α, −a sin α + b cos α) · (c cos α + d sin α, −c sin α + d cos α)
= (a cos α + b sin α) (c cos α + d sin α) + (−a sin α + b cos α) (−c sin α + d cos α)
= (ac + bd) cos2 α + (bd + (−a)(−c)) sin2 α
= ac + bd
= (a, b) · (c, d)

En cuanto a las matrices asociadas respecto de la base canónica, tenemos:

! ! ! !
1 0  T 1 0 1 0 1 0
B B B
1. [Rx ]B = y [Rx ]B [Rx ]B = =
0 −1 0 −1 0 −1 0 1

! ! ! !
−1 0  T −1 0 −1 0 1 0
B B B
2. [Ry ]B = y [Ry ]B [Ry ]B = =
0 1 0 1 0 1 0 1

! ! ! !
1 0  T −1 0 −1 0 1 0
B B B
3. [R0 ]B = y [R0 ]B [R0 ]B = =
0 −1 0 −1 0 −1 0 1

! ! ! !
0 1  T 0 1 0 1 1 0
B B B
4. [Ri ]B = y [Ri ]B [Ri ]B = =
1 0 1 0 1 0 0 1

!
B cos α − sin α
5. [Sα ]B = y
sin α cos α
! ! !
 T cos α − sin α cos α sin α 1 0
B B
[Sα ]B [Sα ]B = =
sin α cos α − sin α cos α 0 1


Existen otras aplicaciones lineales con interpretación geométrica simple, que no son
isometrı́as, a continuación presentamos algunas de ellas.
6. El operador lineal Lkx : R2 → R2 , definido por la ecuación

Lkx (x, y) = (kx, y)

se denomina dilatación paralela a x, cuando k > 1 y compresión paralela a x, cuando 0 <

k < 1.
Puesto que Lkx (1, 0) = (k, 0) y Lkx (0, 1) = (0, 1) entonces
!
 B k 0
Lkx B
=
0 1
300 CAPÍTULO 6. TRANSFORMACIONES LINEALES

Ejemplo 18

Consideremos el rectángulo de vértices A = (1, 1), B = (1, 4), C = (5, 4), D = (5, 1) y la
aplicación definida por L2x (x, y) = (2x, y), en consecuencia
!
 B 2 0
L2x B =
0 1

Ahora, encontremos la imagen del segmento AB, A = (1, 1), B = (1, 4) descrito por las
ecuaciones paramétricas x(t) = 1, y(t) = 3t + 1, t ∈ [0, 1] , calculamos
! ! !
2 0 1 2
=
0 1 3t + 1 3t + 1

y obtenemos el segmento A′ B ′ , A′ = (2, 1), C ′ = (2, 4) descrito por las ecuaciones paramétricas
x(t) = 2, y(t) = 3t + 1, t ∈ [0, 1] .
Para encontrar la imagen del segmento BC, B = (1, 4), C = (5, 4) descrito por las ecuaciones
paramétricas x(t) = 1 + 4t, y(t) = 4, t ∈ [0, 1] , calculamos
! ! !
2 0 1 + 4t 8t + 2
=
0 1 4 4

y obtenemos el segmento B ′ C ′ , B ′ = (2, 4), C ′ = (10, 4) descrito por las ecuaciones

paramétricas x(t) = 8t + 2, y(t) = 4, t ∈ [0, 1].
Para encontrar la imagen del segmento CD, C = (5, 4), D = (5, 1) descrito por las ecuaciones
paramétricas x(t) = 5, y(t) = 4 − 3t, t ∈ [0, 1] , calculamos
! ! !
2 0 5 10
=
0 1 4 − 3t 4 − 3t

y obtenemos el segmento C ′ D′ , C ′ = (10, 4), D′ = (10, 1) descrito por las ecuaciones

paramétricas x(t) = 10, y(t) = 4 − 3t, t ∈ [0, 1].
Finalmente, para encontrar la imagen del segmento AD, A = (1, 1), D = (5, 1), descrito por
las ecuaciones paramétricas x(t) = 4t + 1, y(t) = 1, t ∈ [0, 1], calculamos
! ! !
2 0 4t + 1 8t + 2
=
0 1 1 1

y obtenemos el segmento A′ D′ , A′ = (2, 1), D ′ = (10, 1) descrito por las ecuaciones

paramétricas x(t) = 2 + 8t, y(t) = 1, t ∈ [0, 1].
Geométricamente tenemos:
.... ....

B C B’ C’

A D A’ D’
...... L2x ......
−
→
 6.5. TRANSFORMACIONES LINEALES Y MATRICES EN GEOMETRIA PLANA ELEMENTAL. 301

7. El operador lineal Lsy : R2 → R2 , definido por la ecuación

Lsy (x, y) = (x, sy)

se denomina dilatación paralela y cuando s > 1 y compresión paralela a y cuando 0 < s < 1.
Puesto que Lsy (1, 0) = (1, 0) y Lsy (0, 1) = (0, s) entonces
!
 B 1 0
Lsy B
=
0 s

Ejemplo 19

Consideremos el cı́rculo de radio r = 1, con centro en C = (2, 2) descrito por las ecuaciones
paramétricas x(t) = 2 + cos t, y(t) = 2 + sin t, t ∈ [0, 2π] y la aplicación definida por
1
Ly2 (x, y) = (x, 12 y), en consecuencia
!
h 1
iB 1 0
Lx
2
= 1
B 0 2

Para encontrar la imagen calculamos

! ! !
1 0 2 + cos t 2 + cos t
=
0 12 2 + sin t 1 + 12 sin t

es decir la imagen es la curva descrita por las ecuaciones paramétricas x(t) = 2 + cos t,
y(t) = 1 + 21 sin t, t ∈ [0, 2π] que corresponde a una elipse con centro en C ′ = (2, 1) y de
semiejes de longitud a = 2 y b = 12 respectivamente.

Geométricamente tenemos:
. .
...... ......

...........................
......... ......
...... .....
..... ....
.
..... ...
.... ...
...
.... ...
... ...
...
... • ..
..
... ...
.
... ..
... . .......
.... ... ................... ............................
..... .... ......... ......
...... ..... ..... ....
......... ...... ....
............................ .... •
..
.
.... ..
......
........
.......... .
....................................................

1/2
....... Ly .......
−−→
.. ..

8. El operador lineal Lk0 : R2 → R2 , definido por la ecuación

Lk0 (x, y) = (kx, ky)

se denomina dilatación cuando k > 1 y compresión cuando 0 < k < 1.

Puesto que Lk0 (1, 0) = (k, 0) y Lk0 (0, 1) = (0, k) entonces
!
 B k 0
Lk0 B
=
0 k
302 CAPÍTULO 6. TRANSFORMACIONES LINEALES

.....
... ..
...
... ...
. ....
.
.. .... ....
.... ... ....
.. ................... .............................
........... . .... ....... .. .... ..
.
.... ....
.
. .. .. .... ....
.... ....... .... ....
.. .... .... .... .. ....
... .... .... ... . .. ....
. .....
... .... .... ........ .
..
....
.
.
. ..
. ... .. .. .... ....
.. ... .... ..... .. .... ....
..... .... .... .... .... .... .... ...
.
. ... .
....
..... . .
... ...
.
..
.
.... .... .....
. .
.. .. . .. . . ..
. ... .....
.. .... ...... ....
... ....
.. .. .. ... .... .....
.. .... ...... ....... .... ..
.. . ..... ..... ......
.... .
....
.
. .
. . ..
. .
.. ...... .... .... .. .. .... .....
.. .. . .. ...... .. .....
. .. .... ..... .....
.
. . ..
.. ..... ....... ......
. .. ... .
.. ..... .. .... .... .........
.......... .... .... . .....
.. .... ..... ........... ...... .. ...... ....... ........ .......
.. .... .... .... ................................................ ........................ .... ..... .......
.. ...... ....... ........ . .. .. ..... ...... ............. ......... .. .. .. .......
. . .. . .....
.. ...... ...... ....... ...... ... .... ..... ....... .......
.. .... ..... ...... ...... .... .... .... ..... . .......
...... . ...... ..... ...... .... ........
.. .......... ..... ........ ............................... ...............
...................... ........... . . . . .. ...
........................ ......................................
......................... .........................
............ ........
......
Lk0 ............ ........
......
−
→

9. El operador lineal Exk : R2 → R2 , definido por la ecuación

Exk (x, y) = (x + ky, y), k ∈ R,

denominada elongación paralela a x, mueve un punto del plano a la izquierda o a la derecha

pero siempre sobre la misma horizontal.
Puesto que Exk (1, 0) = (1, 0) y Exk (0, 1) = (k, 1) entonces
!
 B 1 k
Exk B =
0 1

...... ......
... .. ... ..

•................... ........
...... .....
•
....... ......
.......
....... .
...
....... ...
...
.
....... ...... ...
.......
....... ....
....... ...
....... ..
..
..... ...
• ....
•
....... .
. ...
..... .
.
. .
.... .......
...... .
.....
..
...... . .
..... .
...... .
..
. .......
.
...... .. .
.... ...
.........
• • • •
.
... ..
.. .
.. ....
...... ...... ..........

........
.......
Ry ........
.......
−
→

10. La aplicación Eyk : R2 → R2 , definida por la ecuación

Eyk (x, y) = (x, kx + y), k ∈ R,

denominada elongación paralela a y, mueve un punto del plano hacia arriba o hacia abajo
siempre sobre la misma vertical.

!
 
k B 1 0
Puesto que Eyk (1, 0) = (1, k) y Eyk (0, 1) = (0, 1) entonces Ey B
=
k 1
 6.5. TRANSFORMACIONES LINEALES Y MATRICES EN GEOMETRIA PLANA ELEMENTAL. 303

..... .
... ... .....
.. ..
• ...................
...................
................... • .....
.....
................... .....
...................
•
............... .....
.....
......... .....
...............
• • ...............
• ......
.....
.....
........
.......
. Eyk ......
......
......
.....
.....
.....
.......
........
−→ ......
......
......
.....
.....
.....
.....
...... .....
...... .....
...... .
...... .........
...... ..
...... .........
• ...... ......
....... ....
....... ......
....... .....
....... .....
............
..........
•.....

Obviamente el lector habrá notado que todos los procesos geométricos descritos por los
operadores presentados anteriormente son suceptibles de construir el procedimiento inverso,
en consecuencia no se sorprenderá al observar que sus matrices asociadas son invertibles
(no singulares) y mas aún que excepto la asociada a la rotación, son matrices elementales,
si además, recordamos el resultado que afirma que toda matriz inversible es un producto de
matrices elementales, podemos de una manera natural afirmar que todo proceso geométrico
en el plano representado por un operador lineal inversible es una sucesión finita de procesos
representados por operadores cuya matriz asociada es elemental como los presentados en esta
sección.

EJERCICIOS 6.5
Para los ejercicios de esta sección considere las curvas descritas a continuación

C1 es el triángulo con vértices en los puntos P = (1, 1) , Q = (3, 2) y R = (4, 1).

C2 es la elipse de representación paramétrica, x = 3 + 2 cos t, y = 4 + 3 sin t t ∈ [0, 2π]
C3 es la recta de ecuación y = 1 − 2x
C4 es el segmento que une los puntos M = (2, 1) y N = (3, 4).

Utilice las matrices asociadas a las transformaciones correspondientes para realizar los siguientes
ejercicios
1. Halle y dibuje junto con C3 , la ecuación de la imagen de C3 bajo
1
a) Una compresión de factor k = 2 paralela a y.
b) Una reflexión respecto del eje y.
π
c) Una rotación de un ángulo 6.

2. Halle y dibuje junto con C2 , la ecuación de la imagen de C2 bajo

a) Una reflexión respecto del eje x.

b) Una reflexión respecto del origen.
π
c) Una rotación de un ángulo 4.

3. Halle y dibuje junto con C1 , la ecuación de la imagen de C1 bajo

a) Una dilatación de factor k = 2 paralela al eje x.

b) Una reflexión respecto la recta y = x.
304 CAPÍTULO 6. TRANSFORMACIONES LINEALES

c) Una elongación de factor k = 2 paralela al eje y.

4. Determine la matriz asociada a la composición de las correspondientes transformaciones,

luego halle y dibuje junto con C4 , la ecuación de la imagen de C4 bajo

a) Una dilatación de factor k = 5 paralela al eje y, seguida por una elongación de factor
k = 2 en la dirección de x.
b) Una reflexión respecto la recta y = x , seguida por la rotación de un ángulo π.
c) Una reflexión respecto del eje y, seguida por una dilatación de factor k = 3 y finalmente
una reflexión respecto del eje x.

6.6. VALORES Y VECTORES PROPIOS,

DIAGONALIZACIÓN

Definición 11

Sea T : V → V una trasformación lineal , un número real λ se denomina un valor caracterı́stico

→
−
de T si y solo si existe un vector − →v ∈ V, −
→ ̸ 0 tal que T (−
v = →
v ) = λ−
→
v . Afirmamos además que
→
−
v es un vector caracterı́stico asociado a λ.

Observaciones.
→
− →
− →
−
1. Evidentemente para todo λ ∈ R, y toda T : V −→ V lineal T ( 0 ) = 0 = λ 0 , por esta razón
→
−
excluı́mos 0 en la definición.
2. Los valores caracterı́sticos y vectores caracterı́sticos son también denominados valor propio
y vector propio asociado respectivamente, incluso hay textos donde encontramos los nombres
eigenvalor y eigenvector.
3. Evidentemente los vectores −→v y λ− →v son paralelos en consecuencia una aplicación lineal
tiene vectores propios cuando envı́a un vector no nulo en uno paralelo y el valor propio es el
correspondiente coeficiente.

Ejemplo 20

Sea T : V −→ V definida por T (− →

v ) = µ−
→v entonces µ es un valor caracterı́stico de T y para todo
→
− →
−
v ∈ V, v es un vector caractrı́stico asociado a µ.

Ejemplo 21

Sea Ry : R2 −→ R2 definida por Ry (x, y) = (x, −y) entonces para todo x ∈ R,

Ry (x, 0) = (x, 0) = (1)(x, 0)

es decir 1 es un valor propio de Ry y (x, 0) un vector propio asociado 1.

Además, para todo y ∈ R,
Ry (0, y) = (0, −y) = (−1)(0, y)
 6.6. VALORES Y VECTORES PROPIOS, DIAGONALIZACIÓN 305

es decir −1 es un valor propio de Ry y (0, y) un vector propio asociado −1.

Si recordamos que Ry es la reflexión respecto del eje y es claro que los vectores que son aplicados
en vectores paralelos son los de punto final en el eje x cuya imagen es el mismo y los de punto final
sobre el eje y cuya imagen es el opuesto.

Ejemplo 22

Sea T : R2 −→ R2 , definida por T (x, y) = (x + y, x + y). Investiguemos la existencia de valores y

vectores propios.
(x + y, x + y) = λ(x, y) significa (
(1 − λ)x + y = 0
x + (1 − λ)y = 0
sistema de ecuaciones lineales homogeneo que tiene solución diferente de la trivial si y solo si

1−λ 1
=0
1 1−λ

es decir
λ2 − 2λ = λ(λ − 2) = 0
en consecuencia los valores propios de T son λ = 0 y λ = 2, además

T (x, y) = (x + y, x + y) = (0)(x, y) = (0, 0),

es decir (
x+y =0
x+y =0
→
−
cuya solución es {(−t, t)|t ∈ R} es decir , v es un vector propio de T, asociado al valor propio
λ = 0 si y solo si −
→
v ∈ L ({(−1, 1)}) y análogamente

T (x, y) = (x + y, x + y) = (2)(x, y)

es decir
(
x + y = 2x
x + y = 2y
cuya solución es {(t, t)|t ∈ R} es decir , −
→
w es un vector propio de T, asociado al valor propio λ = 2
→
−
si y solo si w ∈ L ({(1, 1)})

Ejemplo 23

Sea T : R3 −→ R3 , definida por T (x, y, z) = (x, −y, z). Entonces

T (x, y, z) = (x, −y, z) = λ(x, y, z)

si y solo si 

 x = λx
−y = λy

 z = λz
306 CAPÍTULO 6. TRANSFORMACIONES LINEALES

es decir 

 (1 − λ)x = 0
(1 + λ)y = 0

 (1 − λ)z = 0

sistema homogeneo que tiene solución no trivial si y solo si

1−λ 0 0
0 1+λ 0 =0
0 0 1−λ

en consecuencia los valores propios de T son λ = 1 y λ = −1.

Además
T (x, y, z) = (x, −y, z) = (1)(x, y, z)
es decir , −
→
w = (x, y, z) es un vector propio de T, asociado al valor propio λ = 1 si y solo si y = 0 es
→
−
decir w ∈ L ({(1, 0, 0), (0, 0, 1)}) y análogamente

T (x, y, z) = (x, −y, z) = (−1)(x, y, z)

es decir , →
−
w = (x, y, z) es un vector propio de T, asociado al valor propio λ = −1 si y solo si x = z = 0
→
−
es decir w ∈ L ({(0, 1, 0)}) .

Ejemplo 24

Sea T : R2 −→ R2 definida por T (x, y) = (x cos θ + y sin θ, −x sin θ + y cos θ) , entonces

T (x, y) = (x cos θ + y sin θ, −x sin θ + y cos θ) = λ(x, y)

si y solo si (
x cos θ + y sin θ = λx
−x sin θ + y cos θ = λy
es decir (
(cos θ − λ)x + y sin θ = 0
,
−x sin θ + (cos θ − λ)y = 0
sistema homogeneo que tiene solución no trivial si y solo si

cos θ − λ sin θ
=0
− sin θ cos θ − λ

es decir si λ es una raı́z real del polinomio

λ2 − 2λ cos θ + 1 = 0.
√
Ahora, las raı́ces del polinomio λ2 − 2λ cos θ + 1 = 0 son λ = cos θ ± cos2 θ − 1 por tanto λ será
real si y solo si cos2 θ − 1 = 0 es decir θ = nπ. En consecuencia si θ = (2n + 1)π para cualquier
n ∈ Z, la aplicación resulta ser la definida por T (x, y) = (−x, −y) = (−1)(x, y) que obviamente tiene
un único valor propio λ = −1 y es tal que para todo (x, y) ∈ R2 , (x, y) es un vector propio de T
asociado al valor propio λ = −1.
 6.6. VALORES Y VECTORES PROPIOS, DIAGONALIZACIÓN 307

Por otro lado si θ = 2nπ para cualquier n ∈ Z, la apliación resulta ser la definida por T (x, y) = (x, y)
que obviamente tiene un único valor propio λ = 1 y es tal que para todo (x, y) ∈ R2 , (x, y) es un
vector propio de T asociado al valor propio λ = 1.

Geométricamente es claro afirmar entonces que las únicas rotaciones que envı́an vectores en
vectores paralelos son la rotación de un ángulo θ = (2n + 1)π caso en el cual envı́a todo vector
en su opuesto y la “rotación”de un ángulo θ = 2nπ que en la práctica es la identidad.

Definición 12

Sea A ∈ M (n, n), un número real λ se denomina un valor caracterı́stico de A si y solo si existe un
→
− → −
− → →
− →
− →
−
vector X ∈ Rn , X ̸= 0 tal que A X = λ X . Afirmamos además que X es un vector caracterı́stico
asociado a λ.

Observación.. Las observaciones 1,2,3, posteriores a la definición 11 son igualmente válidas para
los términos aquı́ definidos.

Proposición 21

Sea A ∈ M (n, n), un número real α es un valor propio de A si y solo si α es una raiz del polinomio
p(λ) = |λI − A|

Prueba.−
→
− →
−
Decir que un número real α es un valor propio de A significa que A X = α X para algún
→
− →
− →
− →
− →
−
X ∈ Rn , X ̸= 0 ; es decir (αI − A) X = 0 , sistema homogéneo de ecuaciones lineales que tiene
solución diferente de la trivial si y solo si |(αI) − A| = 0 

Observación. Como consecuencia inmediata de la proposición 19 podemos afirmar que una matriz
A ∈ M (n, n) tiene a lo más n valores propios diferentes.

Definición 13

Sea A ∈ M (n, n), el polinomio p(λ) = |λI − A| se denomina el polinomio caracterı́stico de A.

Proposición 22

Sea A ∈ M (n, n), α un valor propio de A entonces

n−
→ →
− →o
−
V (α) = X ∈ Rn |A X = α X

es un subespacio de Rn .

Prueba.−
Es suficiente con observar que V (α) es el espacio de soluciones del sistema homogéneo de ecuaciones
→ −
− →
lineales (λI − A) X = 0 
308 CAPÍTULO 6. TRANSFORMACIONES LINEALES

Definición 14

Sea A ∈ M (n, n), α un valor propio de A, V (α) se denomina el subespacio propio de V asociado a α.

Ejemplo 25

Sea
!
1 0
A=
0 −1
entonces
λ−1 0
p(λ) = |λI − A| = = (λ − 1)(λ + 1)
0 λ+1

y en consecuencia sus valores propios son 1 y −1.

Los vectores propios de A, asociados a 1 son entonces los vectores del espacio solución del sistema
! ! !
0 0 x 0
=
0 2 y 0

es decir L ({(1, 0)}) , y los vectores propios de A, asociados a −1 son entonces los vectores del espacio
solución del sistema ! ! !
−2 0 x 0
=
0 0 y 0

es decir L ({(0, 1)}) .

Ejemplo 26

Sea
!
1 1
A=
1 1
entonces
λ−1 −1
p(λ) = |λI − A| = = λ2 − 2λ
−1 λ−1

y en consecuencia sus valores propios son 0 y 2.

Los vectores propios de A, asociados a 0 son entonces los vectores del espacio solución del sistema
! ! !
−1 −1 x 0
=
−1 −1 y 0

es decir L ({(−1, 1)}) , y los vectores propios de A, asociados a 2 son entonces los vectores del espacio
solución del sistema ! ! !
1 −1 x 0
=
−1 1 y 0

es decir L ({(1, 1)}) .

 6.6. VALORES Y VECTORES PROPIOS, DIAGONALIZACIÓN 309

Ejemplo 27

Sea
 
1 0 0
 
A= 0 −1 0 
0 0 1
entonces
λ−1 0 0
2
p(λ) = |λI − A| = 0 λ+1 0 = λ3 − λ2 − λ + 1 = (λ + 1) (λ − 1)
0 0 λ−1

y en consecuencia sus valores propios son −1 y 1.

Los vectores propios de A, asociados a −1 son entonces los vectores del espacio solución del sistema
    
−2 0 0 x 0
    
 0 0 0  y  =  0 
0 0 −2 z 0

es decir L ({(0, 1, 0)}) , y los vectores propios de A, asociados a 1 son entonces los vectores del espacio
solución del sistema     
0 0 0 x 0
    
 0 2 0  y  =  0 
0 0 0 z 0
es decir L ({(1, 0, 0), (0, 0, 1)}) .

Ejemplo 28

Sea
!
cos θ sin θ
A=
− sin θ cos θ
√
entonces las raı́ces del polinomio λ2 − 2λ cos θ + 1 = 0 son λ = cos θ ± cos2 θ − 1 por tanto λ será
real si y solo si cos2 θ − 1 = 0 es decir θ = nπ.

Ahora, si θ = 2nπ entonces !

1 0
A=
0 1
en consecuencia
2
p(λ) = (λ − 1)
y por tanto λ = 1 y V (1) = R2 .

Si θ = (2n + 1) π entonces !
−1 0
A=
0 −1
2
en consecuencia p(λ) = (λ + 1) y por tanto λ = −1 y V (−1) = R2 .
310 CAPÍTULO 6. TRANSFORMACIONES LINEALES

El lector cuidadoso habrá notado la similitud de los ejemplos 21 y 25, 22 y 26, 23 y 27, 24 y 28, en
realidad son conceptualmente idénticos.

Ejemplo 29

Sea
 
5 4 2
 
A= 4 5 2 
2 2 2

Entonces

λ−5 −4 −2
2
p(λ) = −4 λ−5 −2 = λ3 − 12λ2 + 21λ − 10 = (λ − 10) (λ − 1)
−2 −2 λ−2

por lo tanto los valores propios de A son 1 y 10.

Además,
        

 x 5 −4 −2 x 0    2 
 
        
V (10) =  y  ∈ R3  −4 5 −2   y  =  0  = L  2 

 z 
 
 

−2 −2 8 z 0 1

y
           

 x −4 −4 −2 x 0  
 −1 − 12 

            
V (1) =  y  ∈ R3  −4 −4 −2   y  =  0  = L   1  ,  0  

 z   
−2 −2 −1 z 0   0 1 

En adelante, si tenemos en cuenta que todo espacio vectorial de dimensión finita V es naturalmente
isomorfo a un espacio Rn y que si fijamos una base ordenada B en el espacio V todo operador lineal
T : V → V , se identifica con una matriz, vale decir, TBB = A ∈ M (n, n); solo nos referimos a matrices
cuadradas de orden n.

Ejemplo 30

Sea
 
4 6 6
 
A= 1 3 2 
−1 −5 −2

Entonces

λ−4 −6 −6
2
p(λ) = −1 λ−3 −2 = λ3 − 5λ2 + 8λ − 4 = (λ − 1) (λ − 2)
1 5 λ+2

por lo tanto los valores propios de A son 1 y 2.

 6.6. VALORES Y VECTORES PROPIOS, DIAGONALIZACIÓN 311

Además,
        

 x −3 −6 −6 x 0  
 −3 
4

          
V (1) =  y  ∈ R3  −1 −2 −2   y  =  0  = L   − 13  

 z   
1 5 3 z 0   1 

        

 x −2 −6 −6 x 0   −2 
 3

          
V (2) =  y  ∈ R3  −1 −1 −2   y  =  0  = L   − 12  

 z   
1 5 4 z 0   1 

Proposición 23

Sea A ∈ M (n, n), α1 , · · · , αr , r ≤ n, valores propios de A, diferentes dos a dos con vectores propios
asociados −
→
v 1, · · · , −
→
v r respectivamente entonces el conjunto {− →v 1, · · · , −
→
v r } es un conjunto L.I.

Prueba.−
Claramente {− →v 1 } es un conjunto L.I.
→
−
v2∈ / L ({ v 1 }) en consecuencia {−
→
− →v 1, −
→
v 2 } es un conjunto L.I.
→
−
v3 ∈ / L ({− →v 1, −
→
v 2 }) en consecuencia {−→v 1, −
→
v 2, −
→
v 3 } es un conjunto L.I., en general si suponemos
{ v 1 , · · · , v k−1 } un conjunto L.I. y v k ∈ L ({ v 1 , · · · , −
→
− →
− →
− →
− →
v k−1 }) existen escalares λ1 , · · · , λk−1 tales
que

−
→
v k = λ1 −
→
v 1 + · · · + λk−1 −
→
v k−1 (6.4)

y multiplicando a izquierda por A tenemos

A−
→
v k = A (λ1 −
→
v 1 + · · · + λk−1 −
→
v k−1 ) = λ1 A−
→
v 1 + · · · + λk−1 A−
→
v k−1

y puesto que →
−
v 1, · · · , →
−
v k son vectores propios asociados a α1 , · · · , αk tenemos,

αk −
→
v k = λ1 α 1 −
→
v 1 + · · · + λk−1 αk−1 −
→
v k−1 (6.5)

ahora si multiplicamos la ecuación (6.4) por αk y restamos la ecuación (6.5) obtenemos;

−
→
0 = λ1 (αk − α1 )−
→
v 1 + · · · + λk−1 (αk − αk−1 )−
→
v k−1

por tanto λ1 = 0, · · · , λk−1 = 0 y en consecuencia

−
→ →
−
v k = λ1 −
→
v 1 + · · · + λk−1 −
→
v k−1 = 0v1 + · · · + 0−
→
v k−1 = 0

lo cual es imposible puesto que − →v k es un vector propio de A asociado a αk , en consecuencia

−
→vk ∈/ L ({ v 1 , · · · , v k−1 }) y { v 1 , · · · , −
→
− →
− →
− →
v k } es unconjunto L.I., el proceso es finito y por tanto
→
− →
−
{ v , · · · , v } es un conjunto L.I. 
1 r
312 CAPÍTULO 6. TRANSFORMACIONES LINEALES

Definición 15

Sea A ∈ M (n, n), α un valor propio de A, la dimensión del espacio V (α) se denomina la
multiplicidad geométrica de V (α).

Observación. De la definición de vector propio asociado a un valor propio es inmediato afirmar

que la multiplicidad geométrica de un valor propio nunca es cero.

Aceptamos sin prueba que si A ∈ M (n, n), α un valor propio de A entonces la multiplicidad
geométrica de α es menor o igual que su multiplicidad algebráica.

Proposición 24

Sea A ∈ M (n, n), α un valor propio de A entonces α es un valor propio de AT

Prueba.−

T T
Basta ver que λI − AT = (λI) − AT = (λI − A) en consecuencia si llamamos p(λ) el polinomio
caracterı́stico de A y q(λ) el polinomio caracterı́stico de AT , tenemos

T T
p(λ) |λI − A| = (λI − A) = (λI) − AT = λI − AT = q(λ)

Proposición 25

Sea A ∈ M (n, n), α un valor propio de A entonces para todo k ∈ R, kα es un valor propio de kA.

Prueba.−

→
− −
→ −
→ →
− →
−
Sabemos que α ∈ R, es tal que existe X ∈ Rn , X ̸= 0 tal que A X = α X en consecuencia si
→
− →
−
k ∈ R, kA X = kα X 

Proposición 26

Sea A ∈ M (n, n), α un valor propio de A entonces para todo entero positivo n, αn es un valor propio
de An .

Prueba.−
→
− → −
− → →
− →
−
Sabemos que α ∈ R, es tal que existe X ∈ Rn , X ̸= 0 tal que A X = α X , es decir la proposición
es verdadera para n = 1.
→
− → −
− → →
− →
−
Suponemos que existe X ∈ Rn , X ̸= 0 tal que An X = αn X y multiplicamos a izquierda por A,
en consecuencia
 − →  − →
A An X = A α n X

es decir
 6.6. VALORES Y VECTORES PROPIOS, DIAGONALIZACIÓN 313

→
−  −
→  −
→ →
−
An+1 X = αn A X = αn α X = αn+1 X
→
− −
→ →
− →
− →
−
en consecuencia existe X ∈ Rn , X ̸= 0 tal que para todo n ∈ Z+ , An X = αn X 

Proposición 27

Sea A ∈ M (n, n), es singular si y solo si 0 es un valor propio de A.

Prueba.−
Basta recordar que A ∈ M (n, n), es singular si y solo si el sistema AX = 0 tiene una solución no
trivial. 

Proposición 28
1
Sea A ∈ M (n, n), no singular y sea α un valor propio de A entonces es un valor propio de A−1 .
α

Prueba.−
→
− → −
− → →
− −
→
Puesto que A es no singular, α ̸= 0 y existe X ∈ Rn , X ̸= 0 tal que A X = α X , multiplicamos a
izquierda por A−1 y obtenemos  −→  −→
A−1 A X = A−1 α X
es decir 

−
→ →
−
A−1 A X = α A−1 X
o lo que es lo mismo  
−1 −
→ 1 −→
A X = X
α


Ejemplo 31

Sea
!
1 2
A=
5 10
entonces
λ−1 −2
p(λ) = |λI − A| = = λ2 − 11λ = λ (λ − 11)
−5 λ − 10
en consecuencia sus valores propios son 0 y 11, además

( ! ! ! !) ( !)!
x −1 −2 x 0 −2
V (0) = ∈ R2 = =L
y −5 −10 y 0 1
y
( ! ! ! !) ( !)!
x 10 −2 x 0 1
V (0) = ∈R 2
= =L 5
y −5 1 y 0 1
El lector observará que A es singular.
314 CAPÍTULO 6. TRANSFORMACIONES LINEALES

Ejemplo 32

Sea
 
2 −1 −2
 
A =  −2 −3 −8 
1 3 7
entonces
λ−2 1 2
p(λ) = |λI − A| = 2 λ+3 8 = λ3 − 6λ2 + 11λ − 6 = (λ − 1) (λ − 2) (λ − 3)
−1 −3 λ−7

en consecuencia sus valores propios son 1, 2 y 3, además

          

 x −1 1 2 x 0  
 0 

          
V (1) =  y  ∈ R tales que  2
3
4 8   y  =  0  = L   −2  

 z   
−1 −3 −6 z 0   1 

         

 x 0 1 2 x 0  
 1 

          
V (2) =  y  ∈ R3 tales que  2 5 8   y  =  0  = L   −2  

 z   
−1 −3 −5 z 0   1 

         

 x 1 1 2 x 0   −1 
 
          
V (3) =  y  ∈ R3 tales que  2 6 8   y  =  0  = L   −1  

 z   
−1 −3 −4 z 0   1 

Ejemplo 33

Sea
 
4 6 6
 
A= 1 3 2 
−1 −5 −2
en el ejemplo 22 encontramos que sus valores propios son 1 y 2.
Ahora  
1 − 29 − 32
−1  
A =  0 − 21 − 12 
− 12 7
2
3
2

y su polinomio caracterı́stico

λ−1 9
2
3
2 5 1 1 2
p(λ) = 0 λ +21 1
2
= λ3 − 2λ2 + λ − = (λ − 1) (2λ − 1)
4 4 4
1
2 − 72 λ− 3
2

y por tanto los valores propios de A−1 son 1 y 1

2
 6.6. VALORES Y VECTORES PROPIOS, DIAGONALIZACIÓN 315

Por otra parte  

16 12 24
 
A2 =  5 5 8 
−7 −11 −12
y su polinomio caracterı́stico

λ − 16 −12 −24
2
p(λ) = −5 λ−5 −8 = λ3 − 9λ2 + 24λ − 16 = (λ − 1) (λ − 4)
7 11 λ + 12
y en consecuencia los valores propios de A2 son 1 y 4.

Finalmente
    
16 12 24 4 6 6 52 12 72
3     
A = 5 5 8  1 3 2  =  17 5 24 
−7 −11 −12 −1 −5 −2 −27 −15 −40
y su polinomio caracterı́stico

λ − 52 −12 −72
2
p(λ) = −17 λ − 5 −24 = λ3 − 17λ2 + 80λ − 64 = (λ − 1) (λ − 8)
27 15 λ + 40
y en consecuencia los valores propios de A3 son 1 y 8.

Definición 16

Decimos que una matriz B ∈ M (n, n) es semejante o similar a una matriz A tal que A ∈ M (n, n) si
existe P ∈ M (n, n) no singular y tal que B = P −1 AP.

Ejemplo 34

Sean
     
1 1 −1 26 39 −18 1 0 −1
     
A= 0 −1 1 , B =  −7 −9 5  y P = 3 4 −2 
−1 −2 0 25 40 −17 3 5 −2
entonces
 
−2 5 −4
 
P −1 = 0 −1 1 
−3 5 −4
y
     
−2 5 −4 1 1 −1 1 0 −1 26 39 −18
     
P −1 AP =  0 −1 1  0 −1 1  3 4 −2  =  −7 −9 5 =B
−3 5 −4 −1 −2 0 3 5 −2 25 40 −17
es decir B es similar a A.
316 CAPÍTULO 6. TRANSFORMACIONES LINEALES

Ejemplo 35

Sean
     
4 6 6 7 3
− 43 −4 −3 0
   4 4
  
A= 1 3 2 , B= −3 3 −1  y P =  −1 −2 1 
−1 −5 −2 − 13
4
7
4
1
4 4 2 0
entonces
 
1 3
0
 2 4

P −1 =  −1 0 −1 
− 32 1 − 45
y
     
1
0 3
4 6 6 −4 −3 0 7 3
− 43
 2 4
    4 4

P −1 AP =  −1 0 −1   1 3 2   −1 −2 1  =  −3 3 −1  = B
− 23 1 − 54 −1 −5 −2 4 2 0 − 13
4
7
4
1
4

es decir B es similar a A.

Ejemplo 36

Sean
     
2 −1 −2 1 0 0 0 1 −1
     
A =  −2 −3 −8  , B =  0 2 0  y P =  2 −2 −1 
1 3 7 0 0 3 −1 1 1
entonces
 
1 2 3
 
P −1 = 1 1 2 
0 1 2
y
     
1 2 3 2 −1 −2 0 1 −1 1 0 0
     
P −1 AP =  1 1 2   −2 −3 −8   2 −2 −1  =  0 2 0 
0 1 2 1 3 7 −1 1 1 0 0 3
=B

es decir B es similar a A.

Ejemplo 37

Sean
     
5 4 2 10 0 0 2 −1 − 21
     
A= 4 5 2 , B =  0 1 0  y P =  2 1 0 
2 2 2 0 0 1 1 0 1
entonces
 6.6. VALORES Y VECTORES PROPIOS, DIAGONALIZACIÓN 317

 
2 2 1
 9 9 9

P −1 =  − 49 9
5
− 29 
− 29 − 92 8
9
y
     
2 2 1
5 4 2 2 −1 − 21 10 0 0
 9 9 9
    
P −1 AP =  − 49 5
9 − 29  4 5 2  2 1 0 = 0 1 0 =B
− 29 −9
2 8
9 2 2 2 1 0 1 0 0 1
es decir B es similar a A.

Proposición 29

Para cada n ∈ Z+ , la relación de similaridad (semejanza) es una relación de equivalencia en el

conjunto M (n, n).

Prueba.−

1. Reflexiva. Es evidente que para toda A ∈ M (n, n), A es similar a A ya que I −1 AI = A.

2. Simétrica. Suponemos B es similar a A, es decir existe P inversible tal que P −1 AP = B;


en consecuencia P BP −1 = A, es decir existe Q = P −1 tal que Q−1 BQ = A, lo que significa
que A es similar a B.
3. Transitiva. Suponemos A similar a B y B es similar a C es decir existen P, Q inversibles


y tales que P −1 BP = A y Q−1 CQ = B, en consecuencia P −1 Q−1 CQ P = A, es decir

−1
P −1 Q−1 C (QP ) = A, lo que significa que existe (QP ) inversible tal que (QP ) C (QP ) = A,
es decir A es similar a C.

Proposición 30

Matrices similares tienen el mismo polinomio caracterı́stico.

Prueba.−
Supongamos A, B ∈ M (n, n) matrices similares entonces existe P ∈ M (n, n) inversible y tal que
P −1 AP = B, ahora |λI − B| = λP −1 P − P −1 AP = P −1 (λI − A) P = P −1 |λI − A| |P | = |λI − A|


Proposición 31

Sean A, B ∈ M (n, n) tales que A y B son similares entonces AT y B T son similares.

Prueba.−
Si A y B son similares existe P tal que P −1 AP = B en consecuencia

T
T
−1
B T = P −1 AP = P T AT P −1 = P T AT P T

−1
por tanto si llamamos Q = P T obtenemos Q−1 AT Q = B T es decir AT y B T son similares.
318 CAPÍTULO 6. TRANSFORMACIONES LINEALES

Proposición 32

Sean A, B ∈ M (n, n) tales que A y B son similares entonces A es no singular si y solo si B es no

singular.

Prueba.−
Si A y B son similares existe P tal que P −1 AP = B, además si A es no singular entonces



B(P −1 A−1 P ) = P −1 AP P −1 A−1 P = I por tanto B es no singular y B −1 = P −1 A−1 P .

La prueba del recı́proco se deja como ejercicio al lector. 

Proposición 33

Sean A, B ∈ M (n, n), no singulares y tales que A y B son similares entonces A−1 y B −1 son
similares.

Prueba.−
Si A y B son similares existe P tal que P −1 AP = B, si además A y B son no singulares entonces

−1
B −1 = P −1 AP = P A−1 P −1 en consecuencia si llamamos Q = P −1 obtenemos Q−1 A−1 Q = B −1
−1 −1
es decir A y B son similares. 

Proposición 34

Sea T : V → V un operador lineal, B = {−

→
v 1, · · · , →
−
v n } y B ′ = {−
→
w 1, · · · , →
−
w n } bases ordenadas de V,
B B′
A = [T ]B y B = [T ]B′ entonces A y B son matrices similares.

Prueba.−
Ejercicio para el lector.

Proposición 35

Sea T : V → V un operador lineal B = {− →

v 1, · · · , −
→
v n } una base de V cuyos vectores son vectores
propios asociados a valores propios α1 , · · · , αn entonces
 
α1 0 · · · 0
 .. 
 0 α . 
B  2 
[T ]B =  . 
 . .. 
 . . 0 
0 · · · 0 αn

Prueba.−
Ejercicio para el lector.

Definición 17

Una matriz A ∈ M (n, n) se dice diagonalizable si y solo si existe una matriz diagonal D tal que A
es similar a D.
 6.6. VALORES Y VECTORES PROPIOS, DIAGONALIZACIÓN 319

Observación. Los ejemplos 36 y 37 muestran dos matrices 3 × 3 diagonalizables, una con tres
valores propios y la otra con dos valores propios pero tal que la suma de sus multiplicidades
geométricas es tres.
Finalmente presentamos y aceptamos sin prueba la siguiente proposición.

Proposición 36

Sea A ∈ M (n, n), A es diagonalizable si y solo si A tiene un conjunto de n vectores propios

linealmente independientes, la matriz P que “diagonaliza” a A es aquella cuyas columnas son
precisamente los vectores propios mencionados.

Ejemplo 38

Sea
 
1 2 3 4
 
 1 2 3 4 
A= 
 1 2 3 4 
1 2 3 4
entonces
λ−1 −2 −3 −4
−1 λ−2 −3 −4
p (λ) = |λI − A| = = λ4 − 10λ3 = λ3 (λ − 10)
−1 −2 λ−3 −4
−1 −2 −3 λ−4
es decir sus valores propios son 10 de multiplicidad uno y 0 de multiplicidad tres.
     

 x 10 − 1 −2 −3 −4 x 0  

  
y  −1 10 − 2 −3 −4   y   0 
   


V (10) =   = 

 z  −1 −2 10 − 3 −4   z   0   

 

w −1 −2 −3 10 − 4 w 0
     

 x 9 −2 −3 −4 x 0  

 y  −1 
 8 −3 −4    
 y   0 

=   = 
 z  −1 −2
 7 −4   z   0   

 

w −1 −2 −3 6 w 0
      

 x 9 −2 −3 −4 x 0  

 y  −1 
 8 −3 −4    
 y   0 

=   = 

 z  −1 −2 7 −4   z   0   

 

w −1 −2 −3 6 w 0
     

 x 1 0 0 −1 x 0  
 y  0 1 0 −1   y   0  
 
    
=   = 

 z  0 0 1 −1   z   0   

 

w 0 0 0 0 w 0
 

 1 
  

  1  
= L   
  1   

 

1
320 CAPÍTULO 6. TRANSFORMACIONES LINEALES

Por otra parte

     

 x 0 − 1 −2 −3 −4 x 0 


 y  −1 0 − 2 −3 
 −4    
 y   0 

V (0) =   = 

 z  −1 −2 0 − 3 −4   z   0 

 

w −1 −2 −3 0 − 4 w 0
     

 x −1 −2 −3 −4 x 0 


 y  −1 −2 −3 −4   y   0   
    
=   = 
 z  −1 −2 −3 −4   z   0  
 

 

w −1 −2 −3 −4 w 0
      

 x 1 2 3 4 x 0  

 y  0 0 0 0   y   0  
    
=   = 

 z  0 0 0 0   z   0  

 

w 0 0 0 0 w 0
      

 −2 −3 −4  
 1   0   0 
 
       
= L  , ,  

  0   1   0   

 

0 0 1

en consecuencia
   
1 −2 −3 −4 1
10
1
5
3
10
2
5
   − 10
1 4
− 10
3
− 25 
 1 1 0 0   
P =  , P −1 =  5

 1 0 1 0   − 10
1
− 51 7
10 − 25 
1 0 0 1 − 10
1
− 51 − 10
3 3
5

y
     
1
10
1
5
3
10
2
5 1 2 3 4 1 −2 −3 −4 10 0 0 0
 − 10
1 4
− 10
3
− 25     0 0 0 0 
  1 2 3 4  1 1 0 0   
P −1 AP =  5
  = 
 − 10
1
− 15 7
10 − 25  1 2 3 4  1 0 1 0   0 0 0 0 
− 10
1
− 15 − 10
3 3
5 1 2 3 4 1 0 0 1 0 0 0 0

El lector verificará que los ejemplos 30 y 31 se usó el proceso descrito en la proposición para obtener
los resultados.

EJERCICIOS 6.6
Para cada una de las transformaciones lineales de los ejercicios 1,2,3 determine los valores propios,
sus multiplicidades algebraicas y geométricas y bases para los espacios propios asociados a cada
valor propio.

1. T : R3 → R3 ; definida por T (x, y, z) = (x + y − z, x + y + z, −x + y + z).

2. T : P2 [x] → P2 [x] ; definida por T (a + bx + cx2 ) = 2a + cx − (b + c)x2

 6.6. VALORES Y VECTORES PROPIOS, DIAGONALIZACIÓN 321

3. T : V → V ; cuya matriz asociada a la base β = {−

→
v1 , −
→
v2 } del espacio vectorial V es
!
β 0 1
[T ]β =
−1 0

Determine los valores propios y bases para los correspondientes espacios propios de cada
matriz de los ejercicios 4,5,6 y 7.
!  
1 −1 1 1 1
4. A =  
1 −1 6. A =  2 1 −1 
−3 2 4
 
  3 2 4
2 0 0  
  7. A =  2 0 2 
5. A =  0 0 1 
4 2 3
0 −1 −1

Para cada matriz de los ejercicios 8,9,10 y 11, determine, si existe, una matriz P que
diagonalice la matriz A.
!  
1 3 0 0 1
8. A =  
3 1 10. A =  1 0 −1 
0 1 1
   
3 1 1 1 1 0
   
9. A =  2 4 2  11. A =  0 1 2 
−1 −1 1 0 0 3
322 CAPÍTULO 6. TRANSFORMACIONES LINEALES

6.7. TALLER

Considere las funciones

F : R2 → R3 y G : R 3 → R 2
definidas por las ecuaciones

F (x, y) = (3x − 4y, x + 3y, −y); G(x, y, z) = (y + 3z, −z)

y las bases ordenadas

b = {(1, 0, 1), (0, 2, 2), (1, 1, 0)}

B = {(1, 2), (1, −1)} y B

1. Pruebe que F y G son lineales.

2. Encuentre una base para ker(F ) y una para Im(F )
3. Encuentre una base para ker(G) y una para Im(G)
b
B b
B
4. Encuentre [F ]B , [(x, y)]B , [F (x, y)]Bb y verifique que [F (x, y)]Bb = [F ]B [(x, y)]B
B B
5. Encuentre [G]Bb , [(x, y, z)]Bb , [G(x, y, z)]B y verifique que [G(x, y, z)]B = [G]Bb [(x, y, z)]Bb .
b
B B
6. Encuentre [F ◦ G]Bb y [G ◦ F ]B
 6.8. TALLER CON MATHEMATICA 323

6.8. TALLER CON MATHEMATICA

El objetivo del presente laboratorio es el de afianzar los conceptos ya estudiados. En particular se

pretende que mediante un uso apropiado de Mathematica como una fuerte herramienta de cálculo,
y del análisis de los resultados obtenidos, poder formular conclusiones referentes a propiedades de
algunas matrices especiales.

Se espera que el lector tenga alguna familiaridad con Mathematica, sin embargo algunas funciones
que se recomienda utilizar son:

MatrixRank[M]. Calcula el rango de la matriz M.

RowReduce[M]. Genera la forma escalonada reducida por filas de la matriz M.

NullSpace[M]. Genera una lista de vectores que forman una base para el espacio nulo de la
matriz M.

Solve[expr,vars]. Determina la solución de un sistema de ecuaciones. Las expresiones

(ecuaciones) deben escribirse separadas por comas, al igual que las variables.

Eigenvalues[M]. Genera una lista de los autovalores de la matriz M.

Eigenvectors[M]. Genera una lista de los autovectores de la matriz M.

MATRICES MÁGICAS
Una matriz cuadrada de entradas reales es una matriz mágica si todas sus filas, columnas y
diagonales tienen la misma suma. A esta suma se le llama constante mágica.

Por ejemplo, la matriz:

 
14 7 12
 
A= 9 11 13 
10 15 8

Es una matriz mágica de orden 3 y constante mágica M = 33.

Notaremos por Mg (n) al conjunto de las matrices mágicas de orden n.

Una matriz mágica de orden n es normal si además sus entradas son todas distintas y son los
2
números enteros desde 1 hasta n2 . En este caso la constante mágica es M = n(n2+1) .

1. Escriba un ejemplo de una matriz mágica normal de de orden 3, 4, 5 y 6 y verifique que la

2
constante mágica M cumple que: M = n(n2+1) .

2. Pruebe que Mg (n) es un subespacio vectorial de M (n, n).

324 CAPÍTULO 6. TRANSFORMACIONES LINEALES

3. Describa el espacio Mg (3) y determine su dimensión.

indicación: Considere la matriz:

 
a1 a2 a3
 
A =  b1 b2 b3 
c1 c2 c3

La matriz A es mágica siempre que se satisfaga el sistema de ecuaciones:



 a 1 + a 2 + a 3 = b1 + b 2 + b3





 a1 + a2 + a3 = c1 + c2 + c3





 a 1 + a 2 + a 3 = a 1 + b1 + c 1
a 1 + a 2 + a 3 = a 2 + b2 + c 2




 a 1 + a 2 + a 3 = a 3 + b3 + c 3







a 1 + a 2 + a 3 = a 1 + b2 + c 3

a + a + a = a + b + c
1 2 3 3 2 1

Utilice Mathematica para resolver este sistema, luego, al despejar las variables libres puede
caracterizar el subespacio pedido y establecer la dimensión de dicho subespacio.
4. Describa el espacio Mg (4) y determine su dimensión.
5. Describa el espacio Mg (5) y determine su dimensión.
6. Describa el espacio Mg (6) y determine su dimensión.
7. A partir de lo realizado en (1), (2), (3) y (4) establezca una fórmula para la dimensión de
Mg (n). Justifique su respuesta.
8. Es posible probar que toda matriz mágica normal de orden par es singular y de orden impar
es no singular. Verifique este hecho determinando el rango de matrices mágicas normales de
orden 3, 4, 5 y 6.
9. Para los ejemplos de matrices mágicas no singulares consideradas en el punto anterior,
determine sus inversas. ¿Son también matrices mágicas normales estas inversas?, ¿son
matrices mágicas estas inversas?, ¿existe alguna relación entre las constantes mágicas de
una matriz mágica normal y su inversa? Justifique sus respuestas.
10. Determine los valores propios de las matrices mágicas normales de orden 3, 4, 5 y 6
consideradas antes. Para cada ejemplo verifique que si λ1 , λ2 , λ3 , ..., λn son estos valores
propios entonces λ1 + λ2 + ... + λn = M donde M es la correspondiente constante mágica.
Pruebe que este resultado es siempre válido para matrices mágicas normales.
 6.9. TALLER 325

6.9. TALLER

Considere la matriz  
1 0 0 0
 
 3 4 3 4 
A= 
 2 2 3 0 
−3 −3 −3 −1

1. Encuentre el polinomio caracterı́stico de A.

2. Encuentre los valores propios de A y su multiplicidad algebráica.
3. Para cada valor propio encuentre una base de su espacio propio y su multiplicidad geométrica.
4. Diga si A es una matriz diagonalizable y por qué?
5. Sea P la matriz tal que sus columnas son los vectores de las bases hallados en la parte (3).
Encuentre P −1 y P −1 AP.
6. Sea  
0 0 1 2
 −2 −1 
 0 1 
Q= ,
 4 4 −2 −1 
−3 −2 0 0
calcule
Q−1 AQ.

7. Comparando las respuestas de los numerales (5) y (6) ¿ Se atreve a hacer una afirmación
sobre los espacios propios de A y las columnas de Q? Intente verificarla.
326 CAPÍTULO 6. TRANSFORMACIONES LINEALES

6.10. TALLER CON MATHEMATICA

El taller tiene como objetivo utlizar Mathematica en interpretación geométrica de las

transformaciones lineales en el plano.

Inicialmente se van a estudiar los comandos que se necesitarán para que al final se puedan realizar
los ejercicios que tiene que ver directamente con la representación de algunas transformaciones.

Comandos a utilizar:

La expresión f[ x1 , x2 , x3 , · · · ] permite definir una función.

In[1]:= f [x ]:=xˆ 2
Out[1]= x2
In[2]:= f[ 2 ]
Out[2]= 4

Para escribir funciones como sin θ, cos θ, ln x, · · · , puede usar en el menú Paletas →audante
de clase o tener en cuenta que siempre las funciones empiezan con la primera letra en
mayúscula y el argumento con [ ]

Para evaluar, incluso si aparece dentro de un argumento se usa Evaluate[ ]

In[1]:= Sqrt[ Evaluate[ f[3]+f[4] ] ]

Out[1]= 5

Ejercicio
Construya cada una de las siguientes funciones y evalúelas donde se indica (las funciones
que se muestran a continuación se muestran las funciones en la forma tradicional, pero al
escribirlas en Mathematica, las instrucciones dadas antes del ejercicio).

! !
1. T (x) = 2x3 − 3x + 7; T (4) 1 1 x
4. T (x, y) = ; T (2, 3)
2. T (θ) = cos θ; T (2π/3) 0 1 y
2x − 3
3. T (x) = 3 ; T (4)
3x − 2x + 1

La expresión Graphics[ Arrow[ Punto1, punto2 ], opciones de gráfico ] permite

realizar una gráfica en dos dimensiones de flechas y lı́neas.
 6.10. TALLER CON MATHEMATICA 327

In[1]:= Graphics[Arrow[{{1, 1}, {2, 2}}], Axes → True, PlotRange → {{-1.2, 2.3}, {-0.2, 2.3}}]

Out[1]=

Axes → True se usa para que los ejes se vean y PlotRange → {{-1.2, 2.3}, {-0.2, 2.3}} para
que los ejes queden fijos, adicionalmente muestra la ventana en la que se realiza la gráfica
(x ∈ [−1,2, 2,3]; y ∈ [−0,2, 2,3]).

Ejercicio
Construya cada una de las siguientes funciones y evalúelas donde se indica.

1. En lugar de usar Arrow, use Line pra dibujar un triángulo con vértices en P = (0, 0); Q =
(2, 2) y R = (−2, 2).

La expresión Manipulate[ Expresión , {u,umin ,umax ] permite dinamizar objetos en el plano

y operaciones.

In[1]:= Manipulate[ a+5 , {a,1,3} ]

Out[1]=

Ejercicio

1. Escriba la siguiente instrucción

Manipulate[ Graphics[Line[{{a, 0,5}, {2, 2}, {3, 0}, {a, 0,5}}],

In[1]:=
Axes → True, PlotRange → {{−1,2, 4,3}, {−0,2, 2,2}}], {a, 1, 2}]

2. Construya un triángulo en en cual la ubicación de todos los vértices se puedan modificar

con el deslizador que produce Manipulate

La transformación Sθ ( que llamaremos T ) de la parte 5, sección 6,5, es la Rotación un ángulo

θ, de un punto al rededor del origen y se define por
! ! !
x cos θ − sin θ x
T =
y sin θ cos θ y

Ejercicio
328 CAPÍTULO 6. TRANSFORMACIONES LINEALES

1. Escriba la siguiente instrucción

In[1]:= M = {{Cos[θ], -Sin[θ]}, {Sin[θ], Cos[θ]}};

u0 = {1, 0};
M.u0;
u[θ ] = Evaluate[M.u0]
f[θ ] = Graphics[{AbsoluteThickness[2.5], Red, Line[{{0, 0}, u0}],
Blue, Line[{{0, 0}, u[θ]}]}];
Manipulate[ Show[f[θ], Axes → True, PlotRange → {{-1.2, 1.2}, {-0.2,
1.6}}], {θ, 0, π/2}]

Explicación del código anterior renglón por renglón:

a) Matriz de rotación
b) Punto (1, 0)
c) Indica la rotación del punto (1, 0)
d) Función permite determinar la ubicación del punto (0, 1) para un θ determinado.
e) Grafica la función u[θ]
f ) Dinamiza el valor de θ.
2. Construya un cuadrado que no tenga ningún vértice en el origen y use las instrucciones
necesarias para rotarlo usando Sθ y Manipulate[ ] para 0 ≤ θ ≤ π.
 6.11. EJERCICIOS DE CAPÍTULO 329

6.11. EJERCICIOS DE CAPÍTULO

En las definiciones dadas en los primeros 10 ejercicios determine si cada aplicación es lineal o no.
Justifique su respuesta.
1. T : R3 → R2 , definida por T (x, y, z) = (0, x).
! ! !
x 1 0 x
2. T : R → R , definida por T
2 2
=
y −1 1 y
!
a b
3. T : M (2, 2) → P2 [x], definida por T = (a + b)x2 + (c + d)x + (a + b + c + d + 1).
c d
4. T : M (n, n) → R, definida por T (A) = Det(A).
!
a b
5. T : M (2, 2) → R, definida por T = ⟨a, b⟩·⟨c, d⟩.
c d
6. T : M (n, n) → R, definida por T (A) = T r(A).
7. T : R3 → R3 , definida por T (x, y, z) = ⟨1, 1, 1⟩ × ⟨x, y, z⟩.
! ! !
x cos(π/2) − sin(π/2) x
8. T : R2 → R2 , definida por T = .
y sin(π/2) cos(π/2) y
→
−
9. Sean V y W dos espacios vectoriales, T : V → W , tal que T (−
→
u ) = 0 para todo −
→
u ∈V.
10. Sea V un espacio vectorial un con producto interno ⟨ , ⟩, T : V → R, tal que
T (−
→
u ) = ⟨−
→
u,−
→⟩, para −
u 0
→ ∈ V fijo.
u 0

11. Muestre que si T : U → U es una transformación lineal, entonces T 2 = T ◦ T tambien lo es.

12. Sea T : R2 → R3 una transformación lineal y β = {(2, 3), (−1, 1)} una base para R2 , si
T (2, 3) = (1, 2, 1) y T (−1, 1) = (0, −1, 2).

a) Encuentre T (1, 9) y T (−1, 5). b) Encuentre T (x, y).

13. Sea T : P2 [x] → M (2,!2) una transformación

! lineal y β = {−3,
! −x , x} una base para P2 [x], si
2

0 −1 2 0 0 −1
T (−3) = , T (−x2 ) = y T (x) = .
−1 0 0 2 0 −1
a) Encuentre T (2 − x2 ) y T (−1 + x − 3x2 ). b) Encuentre T (ax2 + bx + c).

14. Sea T : R3 → R2 definida por T (x, y, z) = (x, y). Encuentre T (U ) sabiendo que
U = {(x, y, z) | x = 0} y explique la razón por la cual T (U ) es un subespacio vectorial de
R2 .
15. Sea £(R3 , P [2]).

a) Encuentre dos elementos L1 , L2 ∈ £(R3 , P [2]).

b) Verifique que L1 + L2 ∈ £(R3 , P [2]) y 2L1 ∈ £(R3 , P [2]).


c) Encuentre Dim £(R3 , P [2]) .
330 CAPÍTULO 6. TRANSFORMACIONES LINEALES

16. Sean L, T ∈ £(R2 , R2 ) definidas por

L(x, y) = (x + y, x − y) y T (x, y) = (y, x).

Encuentre una ecuación que defina

a) 2L − 3T .
b) T 2 + 2T (Recuerde que T 2 = T ◦ T ).
c) ¿Es cierto que T ◦ L = L ◦ T ?.

En los ejercicios del 17 al 25 encuentre Ker(T ), Im(T ), η(T ) y ρ(T )

17. T : R2 → R2 , con T (x, y) = (2y, 2x).

!
1 0
18. T : M (2, 2) → M (2, 2), con T (A) = A.
−1 1

19. T : R2 → R2 , con T (x, y) = (0, 3x − 2y).

20. T : R2 → R3 , con T (x, y) = (2x, 3x, x).

21. T : R2 → R3 , con T (x, y) = (4x + 4y, x + y, 0).

22. T : M (2, 2) → R, con T (A) = T r(A).

23. T : R3 → R3 , con T (x, y, z) = (2y − z, 2x + y + z, x − y − z).

24. T : P1 [x] → P2 [x] con T (ax + b) = (2a + 3b)x2 + (4a + 6b)x

25. Si M (2, 2) tiene definido a ⟨A, B⟩ = T r(AB T ) como producto interno.!T : M (2, 2) → R es la
1 −1
transformación lineal definida por T (A) = ⟨A, B⟩ con B = .
−1 1

26. Encuentre una transformación lineal T : R3 → R3 tal que

Im(T ) = {(x, y, z) | 2x − 3y − z = 0}

27. Encuentre una transformación lineal T : R3 → R3 tal que

Ker(T ) = {(x, y, z) | 2x − 3y − z = 0}

28. Dada la transformación lineal T : M (n, n) → M (n, n) con T (A) = A − AT .

a) Muestre que Ker(T ) = {A ∈ M (n, n) | A es simétrica}.

b) Muestre que Im(T ) = {A ∈ M (n, n) | A es antisimétrica}.
c) Encuentre η(T ) y ρ(T ) en el caso en que n = 2.

29. Si T : R5 → R4 es una transformación lineal, encuentre

a) η(T ) sabiendo que ρ(T ) = 4 .

b) ρ(T ) sabiendo que η(T ) = 2 .
c) ρ(T ) sabiendo que Ker(T ) = {0} .
 6.11. EJERCICIOS DE CAPÍTULO 331

30. ¿Es posible encontrar una transformación lineal biyectiva entre P2 [x] y R2 ? En caso afirmativo
encuentre una y en caso negativo, explique por qué.

En los ejercicios del 31 al 33, diga si el valor λ dado es un valor caracterı́stico y que →
−
v es un
vector caracterı́stico correspondiente.
31. Para T : R2 → R2 , definida por T (x, y) = (y, x); λ1 = 1 con −
→
v 1 = (1, 1); λ2 = −1 con
→
−
v 2 = (1, −1) .
32. Para T : R3 → R3 , definida por T (x, y, z) = (y, z, x); λ1 = 1 y −
→
v 1 = (1, 1, 1); λ2 = −1 y
→
−
v 2 = (1, −1, 1).
! ! !
33. Para T : M (2, 2) → M (2, 2), definida por T
a b
=
a+b 0 →
−
; λ1 = 1 y v 1 =
1 0
;
c d 0 c+d 0 1
!
→
− 1 −1
λ2 = 0 y v 2 = .
−1 1

Determine los valores propios y los correspondientes vectores propios de cada una de las
transformaciones lineales dadas en los ejercicios del 34 al 36.

34. T : R2 → R2 , definida por T (x, y) = (2x, 3y).

35. T : R3 → R3 , definida por T (x, y, z) = (2x + y, 3y − z, z).
36. T : M (2, 2) → M (2, 2), definida por T (A) = AT .

Para cada una de las siguientes matrices dadas en los ejercicios del 37 al 40, encuentre los
subespacios V (α) de Rn asociados a los correspondientes valores propios α y la multiplicidad
geométrica de cada α.
!  
2 −1 −1 3 0
37. A = .  
0 1 39. A =  3 0 1 .
1 0 1
 
! 2 0 1
−1 3  
40. A =  −1 1 2 .
38. A = .
3 0 1 1 1

41. Sean  
! 1 0 −1
−2 1  
A= yB= 0 1 2 ,
1 0
2 0 1
encuentre los valores propios de las matrices

T
a) −4A. d) 3B T . g) −2 AB T .
6
b) A . e) 125B.
−1

−1
c) A . f ) AB. h) 3 A−1 B T .
332 CAPÍTULO 6. TRANSFORMACIONES LINEALES

   
2 1 0 3 2 4
   
42. Use la matriz P =  1 −2 −2  para mostrar que la matriz A =  2 0 2  es
2 0 1 4 2 3
 
8 0 0
 
semejante con la matriz B =  0 −1 0 
0 0 −1
43. Verifique si las siguientes matrices son diagonalizables. En caso afirmativo hallar la matriz
P tal que P −1 AP = D , siendo D la matriz diagonal.
!  
1 0 1 −1 −1
a) A =  
6 −1 e) A =  1 3 1 
! −1 −1 1
1 2
b) A =  
5 4 −1 4 −2
   
2 0 −2 f ) A =  −3 4 0 
  −3 1 3
c) A =  0 3 0 
0 0 3  
  −2 0 0 0
−2  0 −2 5 −5 
0 0  
  g) A =  
d) A =  1 2 1   0 0 3 0 
1 0 3 0 0 0 3

44. Determine, si existen, los valores de a para que las siguientes matrices sean diagonalizables.
   
a 2 2 1 a 0
   
a)  0 0 −2  b)  0 2 3 
0 1 3 0 0 1

45. Pruebe que A es una matriz no singular si y solo si λ = 0 no es un autovalor de A.

46. Si A es una matriz no singular pruebe que los autovalores de A−1 son los inversos
multiplicativos de los autovalores de A.
 Bibliografı́a

[1] A POSTOL , T OM M., Calculus, volumen 1, first edition, Blaisdell Publishing Comp, DF, 1962.

[2] A POSTOL , T OM M., Calculus, volumen 2, second edition, Xeros Publishing Comp., DF, 1969.

[3] B ERNARD K OLMAN y H ILL D AVID R., Álgebra Lineal Fundamentos y Aplicaciones, Pearson,
2013.

[4] G ROSSMAN, S TANLEY I., Álgebra Lineal, sexta edición, McGraw Hill Books Comp., 2007.

[5] H AEUSSLER JR. E RNEST F., R ICHARD S. PAUL y W OOD R ICHARD J. , Matemáticas Para
Administración y Economı́a, Decimosegunda edición, Pearson Education, 2008.

[6] H OFFMAN, K ENNETH y R AY K UNZE, Linear Algebra, Prentice Hall, 1967.

[7] L ANG, S ERGE, Álgebra Lineal, Fondo Educativo Interamericano S.A., 1971.

[8] L IPSCHUTZ S EYMOUR, Álgebra Lineal Fundamentos y Aplicaciones, McGraw Hill, 1993.

333
 Índice alfabético

Álgebra de matrices, 8 ecuaciones paramétricas de la recta en el plano,

Adición de matrices, 8 164
matriz transpuesta, 25 elemento distinguido, 54
multiplicación de matrices, 14 elemento principal, 54
multiplicación de un real por una matriz, Envolvente lineal, 203
11 Espacio columnas de A, 245
traza, 24 Espacio con producto interno, 250
Ángulo entre dos vectores, 150, 255 Espacio filas de A, 244
Área del paralelogramo, 159 Espacio Nulo, 199, 242
Espacio vectorial, 189
adjunta, 120
de dimensión finita, 230
Algoritmo de eliminación Gauss-Jordan, 66
espacio vectorial a izquierda, 189
Base, 227
Homomorfismo entre espacios vectoriales, 273
ordenada, 234
ortogonal, 255, 260 Imagen de una Transformación Lineal, 281
ortonormal, 260 incógnitas libres, 60
cofactor -ij-, 120 incógnitas ligadas, 60
Combinación lineal de vectores, 201 Isometrı́a, 286
combinación lineal nula, 214 Isomorfismo, 285
componente de un vector, 152
Ley de Sarrus, 107
conjunto de vectores linealmente dependiente,
215 Matrices equivalentes por filas, 69
conjunto de vectores linealmente Matrices semejantes, 315
independiente, 218 Matriz, 1
de cambio de base, 239
Desigualdad de Cauchy, 149
de paso, 239
Desigualdad triangular, 145
de coordenadas, 235
Determinante, 106
matriz
diagonal principal, 5
matriz adjunta, 120
Dimensión de un espacio vectorial, 233
matriz antisimétrica, 27
Distancia de un punto a una recta, 174
matriz aumentada, 50
ecuación lineal en R con n incógnitas, 41 matriz cuadrada, 2

334
 ÍNDICE ALFABÉTICO 335

matriz de cofactores, 120 Rectas

matriz de transmisión, 33 ángulo entre rectas, 173
matriz de Vandermonde, 127 alabeadas, 174
matriz diagonal, 6 ecuación vectorial en el espacio, 170
matriz elemental, 87 ecuaciones cartesianas, 171
matriz escalar, 6 ecuaciones paramétricas en el espacio, 171
matriz escalonada, 53 ecuaciones simétricas en el espacio, 171
matriz escalonada reducida por filas, 55 en el espacio, 170
matriz idéntica, 6 en el plano, 163
matriz inversa, 83 paralelas en el plano, 166
matriz no singular, 83 rectas
matriz simétrica, 26 paralelas en general, 174
matriz triangular inferior, 5 Regla de Cramer, 124
matriz triangular superior, 5 Regla de la mano derecha, 157
matriz vector columna, 3
matriz vector fila, 3 sistema de ecuaciones lineales, 43
Matriz asociada a una Transformación Lineal, inconsistente, 45
291 resolver, 46
Matriz diagonalizable, 318 solución, 45
sistema de generadores, 207
Núcleo de una Transformación Lineal, 281 sistema homogéneo, 58
Nulidad de una matriz, 242 Sistemas equivalentes, 63
solución de una ecuación lineal, 42
operación elemental entre filas, 68 Solución general de un sistema de ecuaciones,
Operador Lineal, 286 61
solución particular., 62
pivote, 54 solución trivial, 58
pivotes, 55 Subespacio generado, 203
Planos en el espacio, 176 Subespacio vectorial, 194
ecuación cartesiana, 178 submatriz, 105
ecuación vectorial, 177
ecuaciones paramétricas, 181 Transformación Lineal, 273
Proceso de ortogonalización de Gram-Schmidt, matriz asociada, 291
257 nulidad de, 282
producto cruz, 154 rango de, 282
producto escalar, 148 Imagen de, 281
producto punto, 148 Núcleo de, 281
producto triple escalar, 159 transpuesta, 25
producto vectorial, 154 traza, 24
proyección de un vector, 152, 257
Valor caracterı́stico, 304
Rango columna de A, 245 Valor propio, 304, 307
Rango de A, 248 vector, 131
Rango filas de A, 244 dirección de, 131
Recta magnitud de, 131, 145, 254
ecuación vectorial en el plano, 163 norma de, 145
336 ÍNDICE ALFABÉTICO

normal a un plano, 176

opuesto de, 134
sentido de, 132
Vector caracterı́stico, 304
Vector propio, 304, 307
vectores ortogonales, 152, 255
vectores paralelos, 152
volumen del paralelepı́pedo, 161