1 Espacios Vectoriales

Denicin.- Un espacio vectorial \ sobre campo F consiste de un conjunto en el que estn

denidas dos operaciones la adicin y la multiplicacin por escalares, respectivamente, tal que
para cualquier par de elementos r y en \ exista un elemento nico r + en \ , y para cada
elemento c en F y cada elemento r en \ existe un elemento nico cr en \ , de manera que se
cumplan las siguientes condiciones:
1. Para toda r. \ , r + = +r (conmutatividad de la adicin).
2. Para toda r. . . \ , (r +) +. = r + ( +.) (asociatividad de la adicin).
3. Existe un elemento en \ llamado 0 tal que r + 0 = r para toda r \ .
4. Para cada elemento r \ , existe un elemento \ tal que r + = 0.
5. Para cada elemento r \ , 1r = r.
6. Para cada par c. / F y cada elemento r \ , (c/)r = c(/r).
7. Para cada elemento c F y cada par de elementos r. \ , c(r +) = A +c.
8. Para cada par de elementos c. / F y cada elemento r \ , (c +/)r = A +/r.
Los elementos r + y cr se denominaran, respectivamente, suma de r e y el producto de c
con r. Los elementos del campo F se llaman escalares y los elementos del espacio vectorial \ se
llaman vectores.
Teorema 1.1.- (Ley de cancelacin de la suma vectorial) Si r, , y . son elementos de un espacio vectorial
\ tal que r +. = +., entonces r = .
Corolario 1 El vector 0 descrito en 3 de la denicin de espacio vectorial es nico.
Corolario 2 El vector descrito en co:dici o: 4 de la denicin de espacio vectorial es nico.
Teorema 1.2.- En cualquier espacio vectorial \ , son verdaderos los siguientes enunciados:
a) 0r = 0 para toda r \ .
b) (c)r = (cr) para toda c F y toda r \ .
c) c0 = 0 para toda c F.
2 Subespacios Vectoriales
Denicin.- Un subconjunto \ de un espacio vectorial \ sobre un campo F se llama un sube-
spacio de \ si \ es un espacio vectorial sobre F, bajo las operaciones de suma y multiplicacin
por escalares denidas en \ .
Un subconjunto \ de \ es un subespacio de \ si y slo si las siguientes cuatro condiciones se satisfacen:
i) r + \ siempre y cuando r \ e \.
ii) A \ siempre que c F y r \.
iii) El vector cero de \ pertenece a \.
i) El inverso aditivo de cada elemento de \ pertenece a \.
Teorema 1.3.- Sea \ un espacio vectorial y \ un subcojunto de \ . Entonces, \ es un subespacio de
\ si y slo si se satisfacen las tres condiciones siguientes:
a) 0 \.
b) r + \ siempre que r \ e \
c) cr \ siempre que c F y r \.
Teorema 1.4.- Cualquier interseccin de subespacios de un espacio vectorial \ es un subespacio de \ .
Denicin.- Si o
1
y o
2
son dos subconjuntos no vacos de un espacio vectorial \ , entonces la
suma de o
1
y o
2
que se expresa como o
1
+o
2
, es el conjunto r+ : r o
1
y o
2
. La suma de
cualquier nmero nito de subconjuntos no vacos de \ , o
1
. . . . o
n
, se dene anlogamente como
el conjunto
o
1
+ +o
n
= r
1
+ +r
n
: r
i
o
i
para i = 1. 2. . . . . :.
Teorema1.5.- Si \
1
y \
2
son subconjuntos de un espacio vectorial \ , entonces \
1
+\
2
es un subespacio
de \ .
Corolario La suma de cualquier nmero nito de subespacios de \ es un subespacio de \ .
Denicin.-Se dice que un espacio vectorial \ es la suma directa de \
1
y \
2
, expresada como
\ = \
1
\
2
, si \
1
y \
2
son subespacios de \ tales que \
1
\
2
= 0 y \
1
+\
2
= \ .
Teorema 1.6 Sean \
1
y \
2
subespacios de un espacio vectorial \ . entonces \ es la suma directa de
\
1
y \
2
si y slo si cada elemento de \ puede ser escrito de manera nica como r
1
+r
2
, donde r
1
\
1
y
r
2
\
2
.
3 Combinaciones Lineales
Denicin.- Sea \ un espacio vectorial y o un conjunto no vacio de \ . Se dice que un vector
r de \ es una combinacin lineal de elementos de o, si existe un nmero nito de elementos

1
. ....
n
en o y escalares c
1
. .... c
n
en F tales que r = c
1

1
+ ... + c
n

n
. En este caso, es comn
decir que r es una combinacin lineal de
i
. ....
n
.
Teorema 1.7.- Si o es un subconjunto no vaco de un espacio vectorial \ , entonces el conjunto \,
integrado por todas las combinaciones lineales de elementos de o, es un subespacio de \ ms pequeo que
contiene a o en el sentido de que \ es un subconjunto de cualquier subespacio de \ que contiene a o.
Denicin.- Al subespacio \ descrito en el Teorema anterior se le llama subespacio generado
por los elementos de o y se denota por L(S). Por conveniencia, deniremos L(?) =0.
Denicin.- Un conjunto o de un espacio vectorial \ genera a \ si L(S) = \ . En esta situacin
tambin podemos decir que los elementos de o generan a \ .
4 Dependencia e Independencia Lineal
Denicin.- Un subconjunto o de un espacio vectorial \ es linealmente dependiente si existe un
nmero nito de vectores distintos r
1
. r
2
. .... r
n
en o y escalares c
1
. c
2
. .... c
n
en F, no todos cero,
tales que c
1
r
1
+c
2
r
2
+... +c
n
r
n
= 0. Tambin se puede describir esta situacin diciendo que los
elementos de o son linealmente dependientes.
Denicin.- Se dice que un subconjunto o de un espacio vectorial, que no es linealmente dependi-
ente, es linealmente independiente. Como anteriormente, describiremos a menudo esta situacin
diciendo que los elementos de o son linealmente independientes.
Teorema1.8.- Sea \ un espacio vectorial y sea o
1
_ o
2
_ \ . Si o
1
es linealmente dependiente entonces
o
2
tambin lo es.
Corolario.- Sea \ un espacio vectorial y sea o
1
_ o
2
_ \ . Si o
2
es linealmente independiente
entonces o
1
tambin lo es.
5 Bases y Dimensiones.
Denicin.- Una base , para un espacio vectorial \ es un subconjunto linealmente independiente
de \ que genera a \ . (Si , es una base de \ , diremos a menudo que los elementos de , forman
una base de \ .)
Teorema1.9.- Sea \ un espacio vectorial y , = r
1
. .... r
n
un subconjunto de \ . Luego , es una base
de \ si y slo si cada vector y en \ puede ser expresado de manera nica como una combinacin lineal de
vectores de ,, es decir, puede ser expresado en la forma
= c
1
r
1
+... +c
n
r
n
para escalares nicos
c
1
. .... c
n
.
Lema.- Sea S un subconjunto linealmente independiente de un espacio vectorial \ , y sea r un
elemento de \ que no est en S. Luego, S 'r es linealmente dependiente si y slo si r L(S).
Teorema 1.10.- Si un espacio vectorial \ es generado por un conjunto nito o
0
, entonces un subconjunto
de o
0
es una base para \ . Y por tanto, \ tiene una base nita.
Teorema 1.11.- Sea \ un espacio vectorial que tiene una base , con exactamente : elementos. Sea
o =
1
. ....
m
un subconjunto linealmente independiente de \ que contenga exactamente : elementos,
donde : _ :. Entonces, existe un subconjunto o
1
de , que contiene exactamente : : elementos tales que
o ' o
1
genera a \ .
Corolario 1. Sea \ un espacio vectorial que tiene una base , que contenga exactamente :
elementos. Entonces, cualquier subconjunto linealmente independiente de \ que contenga exac-
tamente : elementos es una base de \ .
Corolario 2. Sea \ un espacio vectorial que tiene una base , con exactamente : elementos.
Entonces, cualquier subconjunto de \ que contenga ms de : elementos es linealmente dependi-
ente. Consecuentemente, cualquier subconjunto de \ linealmente independiente contiene como
mximo : elementos.
Corolario 3. Sea \ un espacio vectorial que tiene una base , con exactamente : elementos.
Entonces, toda base para \ contendr exactamente : elementos.
Deniciones. Un espacio vectorial \ se llama dimensionalmente nito si tiene una base que
consta de un nmero nito de elementos; el nico nmero de elementos en cada base de \ se
llama dimensin de \ y se denota por dim(\ ). Si un espacio vectorial no es dimensionalmente
nito, se llama dimensionalmente innito.
Corolario 4. Sea \ un espacio vectorial de dimensin :, y sea o un subconjunto de \ que
genera a \ y contiene como mximo : elementos. Entonces, o es una base para \ y, por tanto,
contiene exactamente : elementos.
Corolario 5. Sea , una base de un espacio vectorial \ de dimensin : y sea o un subconjunto
linealmente independiente de \ que contiene : elementos. Entonces, existe un subconjunto o
1
de
, tal que o ' o
1
es una base de \ .
Teorema 1.12. Sea \ un subespacio de un espacio vectorial \ de dimensin :. Entonces, \ es
dimensionalmente-nito y dim(\) _ :. Adems, si dim(\) = :, entonces \ = \ .
Corolario. Si \ es un subespacio de un espacio \ dimensionalmente nito, entonces \ tiene
una base nita y cualquier base para \ es un subconjunto de una base para \ .
Teorema 1.13.- Sean \
1
y \
2
sub espacios dimensionalmente nitos de un espacio vectorial \ . Entonces,
\
1
+\
2
es dimensionalmente nito y
dim(\
1
+\
2
) = dim(\
1
) + dim(\
2
) dim(\
1
\
2
).
Corolario. Sean \
1
y \
2
subespacios dimensional mente nitos de un espacio vectorial \
tales que \ = \
1
+\
2
. Luego, \ es la suma directa de \
1
y \
2
si y slo si
dim(\ ) = dim(\
1
) + dim(\
2
).
6 Transformaciones Lineales, Espacios nulos y Rangos
Denicin. Sean \ y \ espacios vectoriales (sobre F). Una funcin 1 : \ \ se llama
transformacin lineal de \ en \ si para toda r. \ y c F tenemos que:
(c)1(r +) = 1(r) +1().
(/)1(cr) = c1(r).
A menudo denominaremos a 1 simplemente lineal. El lector deber vericar los siguientes hechos
sobre la funcin 1 : \ \.
1. Si 1 es lineal, entonces 1(0) = 0.
2. 1 es lineal si y slo si 1(cr +) = c1(r) +1() para toda r. \ y c F.
3. 1 es lineal si y slo si para r
1
. ... r
n
\ y c
1
. .... c
n
F tenemos que
1

n
X
i=1
c
i
r
i
!
=
n
X
i=1
c
i
1 (r
i
)
Generalmente utilizaremos la propiedad 2 para demostrar que una transformacin dada es lineal.
Denicin. Sean \ un espacio vectorial y \
1
un subespacio de \ . Una funcin 1 : \ \ se
llama proyeccin sobre \
1
si
(a) Existe un subespacio \
2
tal que \ = \1 \2
(b) Para r = r
1
+r
2
, donde r
1
\
1
y r
2
\
2
, tenemos 1(r) = r
1
.
Por lo que \
1
= r : 1(r) = r.Ahora supngase que existe un subespacio \
0
2
,= \
2
tal que
\ = \
1
\
0
2
. Denase l : \ \ mediante l(r) = r
i
donde r = r
i
+r
0
2
, r
i
\
1
, y r
2
\
0
2
.
Entonces, l es otra proyeccin sobre \
1
y de nuevo \
1
= r : l(r) = r.
Deniciones. Sean \ y \ espacios vectoriales y sea 1 : \ \ lineal. Denimos al espacio
nulo (o kernel) `(1) de 1 como el conjunto de todos los vectores r en \ tal que 1(r) = 0; es decir,
`(1) = r \ : 1(r) = 0. Denimos al rango (o imagen) 1(1) como el subconjunto de \ que
consta de todas las imgenes (bajo 1) de los elementos de \ ; es decir, 1(1) = 1(r) : r \ .
Teorema 2.1. Sea \ un espacio vectorial y \
1
un subespacio de \ . Sea 1 una proyeccin sobre \
1
, y
sea \
2
tal como en la denicin de proyeccin. Entonces
\
1
= 1(1) y \
2
= `(1).
Teorema 2.2. Sean \ y \ espacios vectoriales y 1 : \ \ lineal. Entonces `(1) y 1(1) son
subespacios de \ y \, respectivamente.
Deniciones. Sean \ y \ espacios vectoriales y sea 1 : \ \ lineal. Si `(1) y 1(1) son
dimensionalmente nitos, entonces denimos la nulidad de T, expresada como :n|idcd(1), y el
rango de T, expresado como :c:qo(1), como las dimensiones de `(1) y 1(1), respectivamente.
Teorema 2.3. Sean \ y \ espacios vectoriales y sea 1 : \ \ lineal. Si \ es dimensionalmente nito,
entonces
:n|idcd(1) +:c:qo(1) = dim(\ ).
Corolario. Sean \ y \ espacios vectoriales y sea 1 : \ \ lineal. Si \ tiene una base
, = r
i
. .... r
n
, entonces
1(1) = L(1(,)) = L(1(r
i
). .... 1(r
n
)).
Teorema 2.4. Sean \ y \ espacios vectoriales y sea 1 : \ \ lineal. Entonces 1 es uno-a-uno si y
slo si `(1) = 0.
Teorema 2.5. Sean \ y \ espacios vectoriales de dimensiones iguales (nitas) y sea 1 : \ \ lineal.
Entonces 1 es uno-a-uno si y slo si 1 es sobreyectiva.
Teorema 2.6. Sean \ y \ espacios vectoriales, y sea 1 : \ \ lineal. Entonces 1 es uno-a-uno si y
slo si 1 lleva subconjuntos linealmente independientes
de \ a subconjuntos linealmente independientes de \.
Corolario. Sean \ y \ espacios vectoriales y sea 1 : \ \ una transformacin lineal
uno-a-uno. Supngase que o es un subconjunto de \ . Entonces o es linealmente independiente
si y slo si 1(o) es linealmente independiente.
Teorema 2.7. Sean \ y \ espacios vectoriales y supngase que \ es un espacio vectorial dimensional-
mente nito con una base r
i
. .... r
n
. Para cualquier subconjunto
1
. ....
n
de \ existe exactamente una
transformacin lineal 1 : \ \ tal que 1(r
i
) =
i
para i = 1. .... :.
Corolario. Sean \ y \ espacios vectoriales y supngase que \ es dimensiona/mente nito
con una base r
1
. .... r
n
. Si l. 1 : \ \ son lineales y l(r
i
) = 1(r
i
) para i = 1. .... :, entonces
l = 1.
7 Representacin Matricial
Denicin. Sea \ un espacio vectorial dimensionalmente nito. Una base ordenada para \
es una base para \ establecida con un orden especco; es decir, una base ordenada para \
es una secuencia nita de elementos de \ linealmente independientes que generen a \ . Sea
, = r
1
. .... r
n
una base ordenada para un espacio vectorial \ dimensionalmente nito. Para
r \ denimos al vector coordenado de r relativo a ,, denotado por [r]

, mediante
[r]

=
0
B
B
B
B
B
B
B
B
B
@
c
1

c
n
1
C
C
C
C
C
C
C
C
C
A
.
donde
r =
n
X
i=1
c
i
r
i
.
Ntese que en la denicin anterior [r
i
]

= c
i
. Supngase que V y W son espacios vectoriales
dimensionalmente nitos con bases ordenadas , = r
1
. .... r
n
y =
1
. ....
m
, respectivamente.
Sea 1 : \ \ lineal. Entonces existen escalares nicos c
i
F (i = 1. .... : y , = 1. .... :)
tales que
1 (r
j
) =
m
X
i=1
c
ij
r
j
para 1 _ , _ :.
Utilizando la notacin anterior, llamaremos a la matriz A de ::, denida mediante
ij
= c
ij
,
la matriz que representa a 1 en las bases ordenadas , y y la escribiremos = [1]

. Si \ = \
y , = , escribiremos = [1]

. Sean 1. l : \ \ funciones arbitrarias, donde \ y \ son

espacios vectoriales, y sea c F. Denimos 1 +l : \ \ mediante (1 +l)(r) = 1(r) +l(r)
para toda r \ y c1 : \ \ mediante (c1)(r) = c1(r) para toda r \ .
Teorema 2.8. Sean \ y \ espacios vectoriales y sean 1. l : \ \ lineales. Entonces para toda c F
a) c1 +l es lineal.
b) Utilizando las operaciones de suma y de multiplicacin por escalares, como se denieron anteriormente,
la coleccin de todas las transformaciones lineales de \ en \, denotada por /(\. \), es un espacio
vectorial sobre F.
Teorema 2.9. Sean \ y \ espacios vectoriales dimensionalmente nitos con bases ordenadas , y ,
respectivamente, y sean 1. l : \ \ transformaciones lineales. Entonces
a) [1 +l]

= [1]

+ [l]

.
b) [c1]

= c [1]

para toda c F.
8 Invertibilidad e Isomorsmos
Denicin. Sean \ y \ espacios vectoriales y sea 1 : \ \ lineal. 1 tiene una ,inversa
l : \ \ si 1l = 1
W
y l1 = 1
V
. Como en el Apndice B, las inversas son nicas y escribiremos
l = 1
1
. Decimos que 1 es invertible si 1 tiene una inversa. Las siguientes propiedades se
cumplen para funciones invertibles 1 y l.
1. (1l)
1
= l
1
1
1
.
2. (1
1
)
1
= 1; en particular, 1
1
es invertible. Utilizaremos tambin el hecho de que una
funcin es invertible si y slo si es uno-a-uno y sobreyectiva.
Teorema 2.19. Sean \ y \ espacios vectoriales, y sean 1 : \ \ lineales e invertibles, entonces
1
1
: \ \ es lineal.
Teorema 2.20. Sean \ y \ espacios vectoriales dimensionalmente nitos de dimensiones iguales, y sea
1 /(\. \). Entonces las siguientes proposiciones son: equivalentes.
a) 1 es invertible.
b) 1 es uno-a-uno.
c) 1 es sobreyectiva.
Denicin. Sea una matriz de ::. Entonces es invertible si existe una matriz 1 de ::
tal que 1 = 1 = 1. La matriz 1 es nica y se llama inversa de y se escribe 1 =
1
. (Si C
fuera otra matriz, entonces C = C1 = C(1) = (C)1 = 11 = 1.
Teorema 2.21. Sean \ y \ espacios vectoriales dimensionalmente nitos con bases ordenadas , y ,
respectivamente. Sea 1 : \ \ lineal. Entonces 1 es invertible si y slo si [1]

es invertible. Adems,
[1
1
]

[1]

1
.
Corolario 1. Sea \ un espacio vectorial dimensiona/mente nito con una base ordenada ,, y
sea 1 : \ \ lineal. Entonces 1 es invertihle si y slo si [1]

lo es. Adems. [1
1
]

[1]

1
Corolario 2. Sea una matriz de ::. Entonces es invertible si y slo si 1
A
es invertible.
Adems (1
A
)
1
= 1
A
1.
Denicin. Sean \ y \ espacios vectoriales. Decimos que \ es isomorfo a \ si existe una trans-
formacin lineal 1 : \ \ que sea invertible. Tal transformacin lineal se llama isomorsmo de
\ en \.
Teorema 2.22. Sean \ y \ espacios vectoriales dimensionalmente nitos (sobre el mismo campo F).
Entonces \ es isomorfo a \ si y slo si dim(\ ) = dim(\).
Corolario. Si \ es un espacio vectorial de dimensin :, entonces \ es isomorfo a F
n
.
Teorema 2.23. Sean \ y \ espacios vectoriales dimensionalmente nitos de dimensiones : y :, respec-
tivamente, y sean , y bases ordenadas para \ y \, respectivamente. Entonces la funcin : /(\. \)
`
mn
(F), denida por (1) = [1]

para 1 /(\. \) es un isomorsmo.

Corolario. Sean \ y \ espacios vectoriales dimensional mente nitos de dimensiones : y :,
respectivamente. Entonces /(\. \) es dimensionalmente nito de dimensin ::.
Denicin. Sea , una base ordenada para un espacio vectorial n-dimensional \ sobre el campo
F. La representacin estndar de \ con respecto a , es la funcin c

: \ F
n
denida por
c

(r) = [r]

para toda r \ .
Teorema 2.24. Para cualquier espacio vectorial \ dimensionalmente nito con una base ordenada ,, c

es un isomorsmo.
Teorema 2.25. Sea 1 : \ \ una transformacin lineal de un espacio vectorial n-dimensional \ sobre
F a un espacio vectorial m-dimensional \ sobre F. Sean , y bases ordenadas, respectivamente, para \ y
\, y sea = [1]

;. Entonces 1
A
c

= c

1.
9 Matriz de Cambio de Coordenadas
Teorema 2.26. Sean , y ,
0
dos bases ordenadas para un espacio vectorial dimensionalmente nito \ y sea
Q = [1
V
]

0 . Entonces
(a) Q es invertible.
(b) Para toda \ , []

= Q[]

0 .
Teorema 2.27. Sea 1 : \ \ una transformacin lineal de un espacio vectorial \ dimensionalmente
nito a un espacio vectorial \ dimensionalmente nito, y sean , y ,
0
bases ordenadas para \ y y
0
bases
ordenadas para \. Entonces [1]

0 = P
1
[1]

Q, donde Q es la matriz que transforma las coordenadas de ,

0
en coordenadas de , y P es la matriz que transforma las coordenadas de
0
en coordenadas de .
Corolario. Sea 1 : \ \ una transformacin lineal en un espacio vectorial dimensionalmente
nito \ que tiene bases ordenadas , y ,
0
. Entonces [1]

0 = Q
1
[1]

Q, donde Q es la matriz que

transforma coordenadas de ,
0
en coordenadas de ,.
Denicin. Sean y 1 matrices de :: con elementos del campo F. Decimos que 1 es similar
a si existe una matriz invertible Q `
nn
(F) tal que 1 = Q
1
Q.
10 Operaciones Elementales en Matrices
Deniciones. Sea una matriz de ::, como la anterior. Cualquiera de las tres operaciones
siguientes sobre los renglones [columnas] de se denomina operacin elemental sobre los renglones
[columnas].
(a) Intercambio de dos renglones [columnas] cualesquiera de .
(b) Multiplicacin de cualquier rengln [columna] de por una constante no nula.
(c) Suma de cualquier mltiplo constante de un rengln [columna] de A a otro rengln [columna].
Cualquiera de las tres operaciones anteriores se denominar operacin elemental. Las operaciones
elementales sern tipo 1, tipo 2 o tipo 3, dependiendo de si se trata de (a), (b) o (c). Una matriz
elemental de : : es una matriz obtenida al realizar una operacin elemental en 1
n
. Se dice que
la matriz es del tipo 1, 2, o 3 dependiendo de que la operacin realizada en 1
n
haya sido del tipo
1, 2 o 3, respectivamente.
Teorema 3.1. Sea `
mn
(F), y supngase que 1 se obtiene a partir de A al realizar una operacin
elemental con renglones [columnas]. Entonces existir una matriz elemental 1 de : : [: :] tal que
1 = 1 [1 = 1]. De hecho, 1 se obtiene al realizar la operacin correspondiente con renglones [columnas]
en 1
m
[1
n
]. Recprocamente, si 1 es una matriz elemental de :: [: :], entonces 1 [1] es una matriz
que se puede obtener realizando una operacin elemental con renglones [columnas] en .
Teorema 3 .2. Las matrices elementales son invertibles y la inversa de una matriz elemental es una
matriz elemental del mismo tipo.
11 Rango de Una Matriz y La Inversa de una Matriz
Denicin. Si `
mn
(F), denimos el rango de , que escribiremos rango(A), como el rango
de la transformacin lineal 1
A
: F
n
F
m
.
Teorema 3.3. Sea 1 : \ \ una transformacin lineal entre espacios vectoriales dimensionalmente
nitos y sean , y bases ordenadas para \ y \, respectivamente. Entonces, :c:qo(1) = :c:qo([1]

).
Corolario 1. Sea una matriz de ::. Si 1 y Q son respectivamente matrices invertibles
de :: y ::, entonces :c:qo(1Q) = :c:qo(). En particular :c:qo(1) = :c:qo(Q) =
:c:qo().
Corolario 2. Las operaciones elementales con renglones y columnas en una matriz conservan
el rango.
Teorema 3.4. El rango de cualquier matriz es igual al mximo nmero de columnas linealmente
independientes de dicha matriz; esto es, el rango de una matriz es la dimensin del subespacio
generado por las columnas de dicha matriz.
Teorema 3.5. Sea una matriz de :: de rango :. Entonces : _ :, : _ :, y por medio de un nmero
nito de operaciones elementales con reniglones y columns se puede transformar en una matriz 1 tal que
(a) 1
ij
= 0 para i ,= ,,
(b) 1
ii
= 1 para i _ :,
(c) 1
ii
= 0 para i :.
Corolario 1. Sea una matriz de :: de rango :. Entonces existen matrices invertibles 1
y C de dimensiones :: y : :, respectivamente, tales que 1 = 1C donde 1 es una matriz
de :: que satisface
(a) 1
ij
= 0 para i ,= ,,
(b) 1
ii
= 1 para i _ :,
(c) 1
ii
= 0 para i :.
Corolario 2. Sea una matriz arbitraria de ::.
(a) 1c:qo(
t
) = :c:qo().
(b) El rango de cualquier matriz es igual al nmero mximo de renglones linealmente indepen-
dientes de dicha matriz; esto es, el rango de una matriz es la dimensin del subespacio generado
por los renglones de la matriz.
(c) Los renglones y las columnas de cualquier matriz generan subespacios de la misma dimen-
sin, numricamente iguales al rango de la matriz.
Corolario 3. Cualquier matriz invertible es un producto de matrices elementales.
Teorema 3.6. Sean 1 : \ \ y l : \ 2 transformaciones lineales en espacios vectoriales
dimensionalmente nitos \ , \ y 2, y sean y 1 matrices tales que 1 est denido. Entonces
(a) :c:qo(l1) _ :c:qo(l).
(b) :c:qo(l1) _ :c:qo(1).
(c) :c:qo(1) _ :c:qo().
(d) :c:qo(1) _ :c:qo(1).
Denicin. Sean y 1 matrices de :: y de :j, respectivamente. Por matriz aumentada
( [ 1) entenderemos la matriz de :(: +j)
(
1
. ....
n
. 1
1
. .... 1
P
).
donde
i
y 1
j
signican la i c:i:c columna de y la , c:i:c columna de 1, respectivamente.
Si es una matriz invertible de : : y si la matriz ( [ 1
n
) se transforma en una matriz de la
forma (1
n
[ 1) por medio de un nmero nito de operaciones elementales con renglones, entonces
1 =
1
.
12 Sistemas de Ecuaciones Lineales Aspectos Teoricos
Denicin. Se dice que un sistema A = 1 de : ecuaciones con : incgnitas es homogneo si
1 = 0; de lo contrario se dice que el sistema es no homogneo.
Teorema 3.7. Sea A = 0 un sistema homogneo de ecuaciones lineales con : incgnitas sobre un campo
1. Sea 1 el conjunto de todas las soluciones para A = 0. Entonces 1 = `(1
A
); por lo tanto, 1 es un
subespacio de F
n
de dimensin : :c:qo(1
A
) = : :c:qo().
Corolario. Si : < : el sistema A = 0 tiene una solucin no trivial.
Teorema 3.8. Sea 1 el conjunto solucin de un sistema de ecuaciones lineales A = 1 y sea 1
H
el
conjunto solucin del sistema homogneo correspondiente
A = 0. Entonces para cualquier solucin : de A = 1
1 = : +1
H
= : +/ : / 1
H
.
Teorema 3.9. Sea A = 1 un sistema de : ecuaciones y : incgnitas. Si es invertible, entonces el
sistema tiene exactamente una solucin, que ser

1
1. Inversamente, si el sistema tiene nicamente una solucin, entonces es invertible.
Teorema 3.10. Sea A = 1 un sistema de ecuaciones lineales. Entonces el sistema tiene al menos una
solucin si y slo si :c:qo() = :c:qo( [ 1).
Teorema 3 .11. Sea una matriz de consumo de : : de la forma
=
0
@
1 C
1 1
1
A
donde 1 es una matriz positiva de 1(:1) y C es una matriz positiva de (:1)1. Entonces (1 )r = 0
tiene un conjunto de soluciones unidimensional generado por un vector no negativo.
13 Eigenvalores, Eigenvectores
Teorema 5.1. Sea `
nn
(F) y sea = r
1
. r
2
. .... r
n
una base cualquiera para F
n
. Entonces [1
A
]

=
Q
1
Q, donde Q es una matriz de : : en la que la columna , es r
j
(, = 1. 2. .... :).
Teorema 5.2. Sea 1 un operador lineal en un espacio vectorial \ n-dimensional, y sea , una base para
\ . Si 1 es cualquier matriz de : : similar a [1]

, entonces existe una base ,

0
para \ tal que 1 = [1]

0 .
Deniciones. Se dice que un operador lineal 1 sobre un espacio vectorial dimensionalmente nito
\ es diagonalizable si existe una base , para \ tal que [1]

sea una matriz diagonal. Una matriz

cuadrada es diagonalizable si es similar a una matriz diagonal.
Teorema 5.3. Sea 1 un operador lineal en un espacio vectorial dimensionalmente nito \ . Los siguientes
incisos son equivalentes:
(a) 1 es diagonalizable.
(b) Existe una base , para \ tal que la matriz [1]

es diagonalizable.
(c) La matriz [1]

es diagonalizable para cualquier base para \ .

Corolario. Una matriz A es diagonalizable si y slo si 1
A
es diagonalizable.
Teorema 5.4. Sea 1 un operador lineal en un espacio vectorial dimensionalmente nito \ . Entonces 1 es
diagonalizable si y slo si existe una base , = r
1
. r
2
. .... r
n
para \ y escalares `
1
. .... `
n
(no necesariamente
distintos) tales que 1 (r
j
) = `
j
r
j
para 1 _ , _ :. Bajo estas circunstancias
[1]

=
0
B
B
B
B
B
B
B
B
B
B
B
B
@
`
1
0 0
0 `
2
0



0 0 `
n
1
C
C
C
C
C
C
C
C
C
C
C
C
A
.
Deniciones. Sea 1 un operador lineal en un espacio vectorial \ . Un elemento no nulo r \ se
llama eigenvector de 1 si existe un escalar ` tal que 1(r) = `r. Al escalar ,` se le llama eigenvalor
correspondiente al eigenvector r. Anlogamente, si es una matriz de : : en un campo F,
un elemento no nulo r F
n
se denomina eigenvector de la matriz , si r es un eigenvector de
1

. Como en el prrafo anterior, el escalar ` se denomina eigenvalor de correspondiente al

eigenvector r.
Teorema 5.5.- Sea 1 un operador lineal en un espacio vectorial dimensionalmente nito \ y sean , y ,
0
un par de bases cualesquiera para \ . Entonces det([1]

) = det([1]

0 ).
Denicin. Sea 1 un operador lineal en un espacio vectorial dimensionalmente nito \ . Den-
imos el determinante de 1, que denotaremos por det (1), de la manera siguiente: Escjase una
base , para \ , y defnase det(1) = det([1]

). Ntese que segn el Teorema 5.5 det(1) est bien

denido, es decir, es independiente de la seleccin de la base ,.
Teorema 5.6. Sea 1 un operador lineal en un espacio vectorial dimensionalmente innito \ . Entonces:
a) 1 es invertible si y slo si det(1) ,= 0.
b) Si 1 es invertible, entonces det (1
1
) = [det (1)]
1
c) Si l : \ \ es lineal, entonces det(1l) = det(1) det(l).
d) Si ` es un escalar y , es una base cualquiera para \ , entonces
det (1 `1
V
) = det ( `1)
donde = [1]

.
Teorema 5.7. Sea 1 un operador lineal en un espacio vectorial dimensionalmente nito \ sobre un
campo F. Un escalar ` F es un eigenvalor de 1 si y slo si
det (1 `1) = 0.
Corolario 1. Sea una matriz de : : sobre un campo F. Entonces un escalar ,` F es
un eigenvalor de si y slo si det ( `1) = 0.
Corolario 2. Sea 1 un operador lineal en un espacio vectorial dimensionalmente nito \ , y
sea , una base para \ . Entonces ` es un eigenvalor de 1 si y slo si es un eigenvalor de [1]

.
Denicin. Si `
nn
(F), el polinomio dct(t1
n
) en la incgnita t se denomina polinomio
caracterstico de .
Denicin. Sea 1 un operador lineal en un espacio vectorial, dimensionalmente nito \ con base
,. Denimos al polinomio caracterstico ,(t) de 1 como el polinomio caracterstico de = [1]

;
esto es,
,(t) = det( t1).
Teorema 5.8. El polinomio caracterstico de `
nn
(F) es un polinomio de grado : con coeciente
principal (1)
n
.
Corolario 1. Sea cualquier matriz de : : y sea ,(t) el polinomio caracterstico de .
Entonces
(a) Un escalar ` es un eigenvalor de si y slo si ` es un cero del polinomio ,(t) (es decir, si
y slo si ,(`) = 0).
(b) tiene como mximo : eigenvalores distintos.
Corolario 2. Sea 1 un operador lineal en un espacio vectorial : di:c::io:c| \ con
polinomio caracterstico ,(t). Entonces
(a) Un escalar ` es un eigenvalor de 1 si y slo si ` es un cero del polinomio ,(t) (es decir, si
y slo si ,(`) = 0).
(b) 1 tiene como mximo : eigenvalores distintos.
Teorema 5.9. Sea 1 un operador lineal en un espacio vectorial \ , y sea ` un eigenvalor de 1. Un vector
r \ es un eigenvector de 1 que corresponde a ` si y slo si r ,= 0 y r `(1 `1).
14 Diagonalizabilidad
Teorema 5.10. Sea 1 un operador lineal en \ y sean `
1
. `
2
. .... `
k
eigenvalores de 1 diferentes. Si r
1
. r
2
. .... r
k
son eigenvectores de 1 tales que
j
corresponda a r
j
(1 _ , _ /), entoncesr
1
. r
2
. .... r
k
es linealmente
independiente.
Corolario. Sea T un operador lineal en V, un espacio vectorial dimensionalmente nito de
dimensin n. Si T tiene n eigenvalores distintos, entonces T es diagonalizable.
Teorema 5.11. Sea 1 un operador lineal diagonalizable en un espacio vectorial :-dimensional \ , y sea
,(t) el polinomio caracterstico de 1. Entonces ,(t) se descompone en un producto de : factores, todos de
grado 1; esto es, existen escalares `
1
. `
2
. .... `
n
(no necesariamente distintos) tales que
,(t) = (1)
n
(t `
1
)(t `
2
)...(t `
n
).
Denicin. Sea ` un eigenvalor de un operador lineal o de una matriz cuyo polinomio caracters-
tico es ,(t). La multiplicidad (algebraica) de ` es el mayor entero positivo / para el que (t `)
k
es un factor de ,(t).
Denicin. Sea 1 un operador lineal en un espacio vectorial \ y sea ` un eigenvalor de 1.
Defnase a
1

= r \ : 1(r) = `r = `(1 `1
V
).
El conjunto 1

se denomina el eigenespacio de 1 correspondiente al eigenvalor `. Como es de es-

perarse, por eigenespacio de una matriz entendemos el eigenespacio correspondiente del operador
1
A
.
Teorema 5.12. Sea 1 un operador lineal en un espacio vectorial dimensionalmente nito \ . Si ` es un
eigenvalor de 1 de multipcidad :, entonces 1 _ dim(1

) _ :.
Denicin. Sean \
1
. \
2
. .... \
k
subespacios de un espacio vectorial \ . Escribiremos \ = \
1

\
2
... \
k
y llamaremos a \ la suma directa de \
1
. \
2
. .... \
k
si
\ =
k
X
i=1
\
i
y
\
1

X
j
\
j
!
= 0 para cada i (1 _ i _ /) .
Teorema 5.13. Sean \
1
. \
2
. .... \
k
subespacios de un espacio vectorial dimensionalmente nito \ . Las
siguientes condiciones son equivalentes:
a) \ = \
1
\
2
... \
k
.
b) \ =
k
X
i=1
\
i
y, para vectores r
1
. r
2
. .... r
k
cualesquiera tales que r
i
\
i
(i = 1. 2. .... /), si r
1
+r
2
+...+r
k
=
0, entonces r
i
= 0 (i = 1. 2. .... /).
c) Cada vector en \ puede escribirse de manera nica en la forma = r
1
+ r
2
+ ... + r
k
, donde r
i
\
i
(i = 1. 2. .... /).
d) Si para toda i = 1. 2. .... /,
i
es una base ordenada cualquiera para \
i
, entonces
1
'
2
' ... '
k
es una
base ordenada para \ .
e) Para toda i = 1. 2. .... / existe una base ordenada
i
para \
i
(i = 1. 2. .... /) tal que
1
'
2
' ... '
k
es
una base ordenada para \ .
Teorema 5.14. Sea 1 un operador lineal en un espacio vectorial : di:c::io:c| \ . Supngase que el
plinomio caracterstico de 1 se puede descompner en un producto de factores de grado 1 y sean `
1
. `
2
. .... `
k
los distintos eigenvalores de 1. Entonces los siguientes incisos son equivalentes:
a) 1 es diagonalizable.
b) \ = 1

1
1

2
... 1

k
.
c) Si d
j
= dim(1

j
) para 1 _ , _ /, entonces d
1
+d
2
+... +d
k
= :.
d) Si :
j
es la multiplicidad de `
j
para toda , (1 _ , _ /), entonces dim(1

j
) = :
j
(, = 1. 2. .... /).
Una prueba para diagonalizabilidad
Sea T un operador lineal en un espacio vectorial : di:c::io:c|. Entonces 1 es diagonalizable si y slo
si se satisfacen las siguientes dos condiciones.
1. El polinomio caracterstico de 1 se descompone en un producto de factores de grado 1.
2. La multiplicidad de ` es igual a : :c:qo(1 `1) para cada eigenvalor de 1.
Un algoritmo para la diagonalizacin
Sea 1 un operador lineal diagonalizable en un espacio vectorial dimensionalmente nito \ y sean `
1
. .... `
k
los distintos eigenvalores de 1. Para cada ,, sea ,
j
una base para 1

j
= `(1 `
j
1) y sea , = ,
1
',
2
'... ',
k
.
Entonces , es una base para \ , y [1]

es una matriz diagonal.