s.

edicin
INTRODUCCiN AL
,
ALGEBRA
LINEAL
r:8LIMUSA
Contenido de esta obra:
SISTEMAS DE ECUACIONES LINEALES
Y MATRICES
DETERMINANTES
VECTORES EN LOS ESPACIOS BIDI-
MENSIONAL Y TRIDIMENSIONAL
ESPACIOS VECTORIALES
TRANSFORMACION,ES LINEALES
EIGENVALORES (VALORES PROPIOS),
EIGENVECTORES (VECTORES PRO-
PIOS)
Introduccin
al lgebra
Howard Anton
Drexel University
!El LlMUSA
NORIEGA EDITORES
M8(ICO Espaa Venezuela. Colombia
VERSiN A.UTORIZADA EN ESPAOL
DE LA OBRA PUBLICADA EN INGLt:S POR
JOHN W,LEY & SONS, INC., CON EL TITULO:
ELEMENTARY LINEAR ALGEBRA,
3RD. EDITION.
<Cl JOHN WIlEY & SONS, INc.
ISBN 0-471-05338-4
VERSiN EN ESPAAoL:
JOS HERNNDEZ PREZ
CASTELLANOS
INGENIERO INDUSTRIAL DE LA ESCUelA MILI-
TAR DE INGENIEROS.
PROFESOR TITULAR DE MATEMTICAS y COOR-
DINADOR DE MATEMTICAS OE LA ESCUELA
SUPERIOR DE INGENIERIA MECNICA y
TRICA OEL INSTITUTO NACIONAL
DE
LA PRESENTACiN Y DISPOSICIN EN CONJUNTO DE
INTRODUCCiN AL LGEBRA LINEAL
SON PROPIEDAD DEL EDITOR. NINGUNA PARTE DE
ESTA OBRA PUEDE SER REPRODUCIDA. O TRANSMI -
TIDA, MEDIANTE NINGN SISTEMA O
ELECTRNICO O MECNICO (INCLUYENDO El FOTO-
LA GRABACiN O CUALQUIER SISTEMA
DE RECUPERACiN Y ALMACENAMIENTO DE IN-
FORMACIN) , SIN CONSENTIMIENTO POR ESCRITO
Del EDITOR.
DERECHOS RESERVADOS:
<Cl1994, EDITORIAL LlMUSA, SA DE C. V.
GRUPO NORIEGA EDITORES
BALOERAS 95, MExICO, D.F.
C.P. 06040
521-21-05
FAx 512-29-03
CANIEM N ... . 121
PRI ... ERA EDICiN: 1986
1988,1989,1989, 1990,1991 ,
1992, 1993, 1994
HECHO EN
ISBN 968-18-1660-9
(13209)
A Pat ya mis hijos Brian, David y Lauren
Prlogo
En este texto se proporciona un tratamiento elemental del lgebra lineal, apropiado para
estudiantes del primero y segundo aos del nivel licenciatura. No se requiere saber Clculo;
sin embargo, se incluye cierto nmero de ejercicios para estudiantes que tengan conoci-
miento de l; estos ejercicios estn marcados con claridad: "Para estudiantes que hayan
estudiado clculo".
Mi propsito principal al escribir este libro es presentar los fundamentos del lgebra
lineal de la manera ms clara posible. El aspecto pedaggico es lo ms importante; el for-
malismo es secundario. En donde es posible, las ideas bsicas se estudian por medio de
ejemplos numricos (ms de 200) y la interpretacin geomtrica.
Mi tratamiento de las demostraciones vara. Aqullas que son elementales y tienen
un contenido pedaggico significativo se presentan con precisin, en forma apI:opiada
para los principiantes. Unas cuantas demostraciones que son ms difciles, pero pedag-
gicamente valiosas, aparecen al final de la seccin y marcadas "Opcional". No obstante,
otras demostraciones se omiten por completo, haciendo hincapi en l aplicacin del
teorema. Siempre que se omite una demostracin, trato de motivar el resultado, a menudo
con un anlisis acerca de su interpretacin en el espacio bidimensional o tridimensional.
Mi propia experiencia me ha llevado a concluir queja ntacin k es ms un estorbo
que una ayuda para los principiantes en el lgebra lineal; por consiguiente, en general he
evitado su uso.
Un axioma pedaggico es que el profesor debe ir de lo familiar a lo desconocido y
de lo concreto a lo abstracto; en el ordenamiento de los captulos se ha tenido en cuenta
este principio.
El captulo 1 trata de los sistemas de ecuaciones lineales, cmo resolverlos y algunas.---
de sus propiedades. Tambin contiene el material bsico sobre matrices y sus propieaades
aritmticas.
El captulo 2 se refiere a los determinantes. Se ha aplicado el enfoque clsico de las
permutaciones. En opinin del autor, es menos abstracto que el enfoque a travs de n for-
mas lineales alternantes y da al estudiante una mejor comprensin intuitiva del tema que
un desarrollo inductivo.
7
8 PROLOGO
El captulo 3 presenta los vectores en los espacios bidimensional y tridimensional
como flechas, y desarrolla la geometra analtica de las rectas y los planos en el espacio
. tridimensional. Dependiendo de los conocimientos previos de los estudiantes, se puede
omitir este captulo sin perder continuidad (vase la gua para el profesor a continuacin
de este prlogo).
En los captulos 4 y 5 se desarrollan los resultados bsicos acerca de los espacios
vectoriales reales de dimensin finita y las transformaciones lineales. Se empieza con un
estudio de Rn y se avanza lentamente hacia el concepto general de vector.
El captulo 6 trata del problema de los eigenvalores (valores propios) y la diagona-
lizacin.
En el captulo 7 se dan algunas aplicaciones del lgebra lineal a problemas de apro-
ximacin, sistemas de ecuaciones diferenciales, series de Fourier y la identificacin de
secciones cnicas y superficies cuadrticas. Las aplicaciones a la administracin, biologa,
ingeniera, economa, las ciencias sociales y las ciencias fsicas se incluyen en una publi-
cacIn opcional (en ingls) que constituye un suplemento para este texto, Aplicaciones
de Algebra Lineal por Chris Rorres y el autor (publicada en espaol por Editorial Li-
musa). En el suplemento se incluyen temas como: curvas del mejor ajuste a datos emp-
ricos, dinmica de la poblacin, procesos de Markov, cosecha ptima, modelos de Leon-
tief en la economa, aplicaciones a la ingeniera, teora de las grficas y una introduccin
a la programacin lineal.
En el Captulo 8 se presentan los mtodos numricos del lgebra lineal; no se re-
quiere tener acceso a medios de computacin, ya que se pueden resolver los ejercicios a
mano o con la ayuda de una calculadora de bolsillo. En este captulo se dan al estudiante
conocimientos bsicos de cmo se pueden resolver prcticamente ciertos problemas del
lgebra lineal. Tambin, muchos estudiantes completan sus estudios del lgebra lineal con
la ingenua creencia de que, en la prctica, los eigenvalores se encuentran al resolver la
ecuacin caracterstica. Es posible que algunos profesores deseen utilizar esta seccin
en conjuncin con un curso de programacin.
He incluido gran nmero de ejercicios. Cada conjunto de ejercicios se inicia con
problemas rutinarios de "habilidad" y progresa hacia problemas ms tericos. Al final del
texto se dan las respuestas a todos los problemas de clculo.
Puesto que se tiene ms material en este libro que el que se puede cubrir en un curso
de un semestre o un trimestre, el profesor tendr que seleccionar los temas; para auxiliarlo
en esta seccin, he agregado una gua para el profesor, a continuacin de este prlogo.
CARACTERISTICAS DE LA TERCERA EDICIDN
La amplia aceptacin de las dos primeras ediciones ha sido lo ms satisfactorio y el autor
agradece los muchos comentarios favorables y las sugerencias constructivas que ha recibido
del pblico. Como respuesta a estas sugerencias he realizado los siguientes cambios:
Se han introducido ejercicios suplementarios al final de los captulos 1, 2, 4, 5
y 6. Estos ejercicios son diferentes de los que se encuentran al final de las sec-
ciones y deben proporcionar alguna variedad adicional.
PROLOGO 9
Se ha agregado una seccin nueva sobre la geometra de las transformaciones
lineales en el plano (seccin 5.3). Este material es muy til para el profesor ; le
ayuda a reducir el nivel de abstraccin en el estudio de las transformaciones
lineales.
Se han simplificado algunos de los ejercicios de clculo que eran innecesariamente
tediosos.
El ejemplo 40 de la seccin 4.6 y el anlisis que lo precede son nuevos. Se muestra
cmo encontrar una base para el subespacio generado por un conjunto de vec-
tores "independientes" del conjunto. Este mtodo proporciona una base que es
un subconjunto del conjunto dado de vectores.
La segunda edicin del suplemento ,Applications of Linear Algebra, contiene algu-
nos temas nuevos: Geometra plana, Equilibrio de los cuerpos rgidos, El pro-
blema de asignacin y Grficas con computadora.
LIBROS COMPlEMENTARIOS*
Student Solutions Manual for Elementary Linear Algebra contiene soluciones
detalladas para la mayora de los ejercicios tericos y muchos ejercicios de clculo.
Solutions Manual for Applications of Linear Algebra contiene soluciones deta-
lladas para todos los ejercicios.
Una publicacin opcional complementaria, titulada Aplicaciones de Algebra Lineal
(ehris Rorres y Howard Anton, 1979, publicado en espafol por Editorial Limu-
sa), contiene aplicaciones a administracin, economa,
ciencias sociales y ciencias fsicas. Este suplemento tambin contiene un "mi-
nicurso" en programacin lineal que se puede cubrir aproximadamente en seis
clases.
*Slo existen las ediciones originales en ingls, publicadas por 10hn Wilcy & Sons, Inc., Nueva York.
Gua para el profesor
CURSO ESTANOAR
Se puede omitir el captulo 3, sin perder la continuidad, si los estudiantes han estudiado
con anterioridad rectas, planos y vectores geomtricos en los espacios bidimensional y
tridimensional. Dependiendo del tiempo disponible y la preparacin de los estudiantes,
el instructor tal vez desee agregar todo de este captulo al material fundamental que se
sugiere a continuacin:
Captulo 1 7 Clases
Captulo 2 5 Clases
Captulo 4 14 Clases
Captulo 5 6 Clases
Captulo 6 5 Clases
Este programa es un tanto flexible; permite aprovechar una cantidad apreciable de
tiempo de clase en el aula para analizar los problemas dejados como tarea, pero supone quese
dedica poco de ese tiempo al material marcado como "opcional". El profesor puede de-
sarrollar su curso sobre este material segn 10 permita el tiempo, incluyendo clases acerca
del material opcional y los captulos 3, 7 y 8.
CURSO ORIENTADO A LAS APLICACIONES
Los profesores que deseen hacer hincapi en las aplicaciones a los mtodos numricos
pueden preferir el programa que sigue, el cual llega a los eigenvalores y eigenvectores con
mayor rapidez:
Captulo 1
Captulo 2
Secciones 4.1-4.6
Secciones 5.1-5 .2
Secciones 6.1-6.2
11
7 Clases
5 Clases
8 Clases
3 Clases
3 Clases
12 GUIA PARA EL PROFESOR
Siempre que se eliminen las secciones 5.4 y 5.5 , el profesor debe omitirel material opcional
que est al final de la 6.1 , iniciar la seccin 6.2 con las formas matriciales de los problemas
1 y 2, Y eliminar el ejemplo 9 de esa seccin.
Una vez que se cubra el material mencionado, el profesor puede elegir temas del ca-
ptulo 7 u 8 del texto, o bien, elegir temas del suplemento,Applications of Linear Algebra.
Dependiendo de los temas que se seleccionen, es posible que sea necesario cubrir algo del
material de las secciones 4.7-4.10 5.3-5.5.
Agradecimientos
Agradezco la colaboracin de
Profesor Joseph Buckley, Western Michigan University
Profesor Harold S. Engelsohn, Kingsborough Community College
Profesor Lawrence D. Kugler, University of Michigan
Profesor Robert W. Negus, Rio Hondo Junior College
Profesor Hal G. Moore , Brigham Young University
Profesor William A. Brown, University ofMaine at Portland-Gorham
Profesor Ralph P. Grimaldi, Rose-Hulman Institute ofTechnology
Profesor Robert M. McConnel, University of Tennessee
Profesor James R. Wall, Aubum University
Profesor Roger H. Marty, Cleveland State University
Profesor Donald R. Sherbert , University of Illinois
Profesor Joseph L. Ullman, University of Michigan
Expreso tambin mi agradecimiento al Profesor William F. Trench de la DrexeJ
University, quien ley el manuscrito completo; sus sugerencias mejoraron inmensamente
tanto el estilo como el contenido del texto. Por su mecanografa exacta y experta, les doy
las gracias a Susan R. Gershuni y Kathleen R. MeCabe ; tambin agradezco al Profesor
Dale Lick el haberme alentado en mi trabajo en sus primeras etapas, al Profesor Robert
Higgins por su ayuda al resolver los problemas y a Frederick C. Corey de John Wiley,
quien ayud a que la primera edicin se convirtiese en realidad. Por ltimo, estoy en
deuda con todo el equipo de produccin y, en especial, con mi editor Gary W. Ostedt
por sus innovadoras contribllciones a esta nueva edicin.
Howard Anton
13
Contenido
1 Sistemas de ecuaciones lineales
y matrices 1 9
1.1 Introduccin a los sistemas de ecuaciones lineales 19
~ . 2 Eliminacin gaussiana 26
1.3 Sistemas homogneos de ecuaciones lineales 38
1.4 Matrices y operaciones matriciales 42
1.5 Reglas de la aritmtica matricial 50
1.6 Matrices elementales y un mtodo para hallar A-l 60
1.7 Resultados adicionales acerca de los sistemas de
ecuaciones y la inversibili dad 68
2 Determinantes 77
2. '1 La funcin determinante 77
2.2 Evaluacin de los determinantes por reduccin en los renglo-
nes84
2.3 Propiedades de la funcin Qet erminante 90
2.4 Desarrollo por cofactores; regl a de Cramer 97
3 Vectores en los espacios
bidimensional y tridimensional 113
3.1 Introduccin a los vectores (geomtricos) 113
3.2 Normas de un vector; aritmtica vectorial 123
3.3 Producto escalar (punto); proyecciones 126
3.4 Producto vectorial (cruz) 133
3.5 Rectas y planos en el espacio tridimensional 142
15
16 CONTENIDO
4 Espacios vectoriales 1 51
4.1 Espacio euclidiano n dimensional 151
4.2 Espacios vectoriales generales 157
4.3 Subespacios 163
4.4 Independencia lineal 172
4.5 Base y dimensin 178
4.6 Espacio de renglones y columnas de una matriz; rango;
aplicaciones para hallar bases 186
4.7 Espacios de productos interiores 197
4.8 Longitud y ngulo en los.jlspacios de productos interiores
203
4.9 Bases ortonormales; proceso de Gram-Schmidt 211
4.10 Coordenadas; cambio de base 222
5 Transformaciones lineales 247
5.1 Introduccin a las transformaciones lineales 247
5.2 Propiedades de las transformaciones lineales: ncleo (ker-
nel) y recorrido 256
5.3 Transformaciones lineales de R" hacia Rm; geometra de las
transformaciones lineales de R2 hacia R2 265
5.4 Matrices de las transformaciones lineales 284
5.5 :emejanza 292
6 Eigenvalores (valores propios). eigenvectores (vectores
propios) 301
6.1 Eigenvalores y eigenvectores301
6.2 Diagonalizacin 309 .
6.3 Diagonalizacin ortogonal; matrices simtricas 318
7 Aplicaciones* 329
7.1 Aplicacin a las ecuaciones diferenciales 329
7.2 Aplicacin a problemas de aproximacin; series de Fourier
336
7.3 Formas cuadrticas; aplicacin a las secciones cnicas
343
7.4 Formas cuadrticas; aplicacin a las superficies cudricas
354
* En un suplemento en ingls a este texto se encuentran otras aplicaciones a la admi
nistracin, la economa y las ciencias fsicas y sociales.
CONTEf,uoo
8 Int,adtt(m fos mtods numricos del lgebra lineal 363
8', l' Ellmincin gaussiana con condensacin pivotal 363
8.2 Los: mtOdos de Gauss-Seidel y de Jacobi 369
8.3 Aproximacin de los eigenvalores por el mtodo df3 las po-
tenciS 315
8,4- Aproximacin de los eigenvalores no dominantes por defla-
cin 385
Rspue'stas a los ejercicios 391
Indice' 419
- ~
. ~ ,;"t
c
t.' '
17
1
Sistemas de ecuaciones lineales
y matrices
1.1 INTRODUCCION A LOS SISTEMAS DE ECUACIONES
LINEALES
En esta seccin se da la terminologa bsica y se analiza un mtodo para resolver los
sistemas de ecuaciones lineales.
Una recta en el plano xy se puede representar algebraicamente mediante una ecua-
cin de la forma
Una ecuacin de este tipo se conoce como ecuacin lineal en las variables x y y. En forma
general, se define una ecuacin lineal en las n variables Xl' X2, . . , X
n
como aqulla que
se puede expresar en la forfllil.
en donde al, a2, ... , a
n
y b son constantes reales.
Ejemplo 1
Las siguientes son ecuaciones lineales:
x + 3y = 7
Y = tx + 3z + 1
Xl - 2x
2
- 3X3 + X
4
= 7
Xl + X
2
+ .. . + X
n
= 1
Observe que una ecuacin lineal no comprende productos o races de variables. Todas
las variables se presentan nicamente a la primera potencia y no aparecen como argumen-
t9 para funciones trigonomtricas, logartmicas o exponenciales. Las que siguen no son
ecuaCiones lineales:
19
20 SISTEMAS DE ECUACIONES LINEALES Y MATRICES
x + 3.1'2 = 7 3x + 2y - z + xz = 4
Y -sen x = O JX + 2x
2
+ x
3
= 1
Unasolucindeunaecuacinlineala1x1 + a2x2 + ... + anx
n
= b esunasucesin
de n nmeros Sl' S2, . .. , sn , tales que la ecuacin se satisface cuando se hace la sustitu-
cin Xl = Sl , X2 = S2, . . . , X
n
= Sn. El conjunto de todas las soluciones de la ecuacin
es su conjunto solucin.
Ejemplo 2
Encuntrese el conjunto solucin de cada una de las siguientes ecuaciohes:
(i) 4x - 2y = 1 (ii) Xl - 4X
2
+ 7X3 = 5
A fin de encontrar las soluciones de (i), se puede asignar un valor arbitrario a x y
despejar y, o bien, elegir un valor arbitrario para y y despejar x . Si se sigue el primer
procedimiento y se asigna a x un valor arbitrario t, se obtiene
x = t, y = 2t - ~
Estas frmulas describen el conjunto solucin en trminos del parmetro arbitrario t. Es
posible obtener soluciones numricas particulares al sustituir t por valores especficos. Por
ejemplo, t = 3 proporciona la solucin X = 3, Y = 11/2, Y t = 1/2 proporciona la solu-
cin x = -1/2,y = -3/2.
Si se sigue el segundo procedimiento y se asigna ay el valor arbitrario t , se obtiene
x = ~ t + , y = t
Aun cuando estas frmulas son diferentes a las obtenidas con anterioridad , proporcionan
el mismo conjunto solucin cuando se hace variar t sobre todos los nmeros reales f}osibles.
Por ejemplo, las frmulas previas dieron la solucin x = 3.)! = 11/2 cuando t = 3,
mientras que estas frmulas conducen a esta solucin cuando'; = 11/2.
Para encontrar el r.onjunto solucin de (ii) se puede asignar valores arbitrarios a
dos variables cualesquiera y despejar la tercera variable. En particular, si se asignan los
valores arbitrarios s y t a X2 Y X3 , respectivamente, y se despeja Xl, se obtiene
Xl = 5 + 4s - 7t,
Un conjunto fmito de ecuaciones lineales en las variables Xl , X2, ... , x
n
se conoce
como sistema de ecuaciones lineales o sistema lineal. Una sucesin de nmeros si, 52, . .. ,
Sr! es una solucin del sistema si Xl = Sl, X2 = S2," ., X
n
,,; 5
n
es una solcin de toda
ecuacin en tal sistema. Por ejemplo, el sistema
tiene la solucin Xl = 1, X2 = 2, X3 = -1, puesto que estos valores satisfaen las dos
ecuaciones. Sin embargo, Xl = 1, X2 = 8, X3 = 1 no es una solucin, ya que estos valo-
res slo satisfacen la primera de las dos ecuaciones del sistema.
INTRO!>UCCIO\l,/ A LOS SIS,TI;MAS DE ECUACIONES LINEALES
21
No to.dos los sistemas de ecuaciones lineales tienen soluciones. Por ejemplo, si se
multiplica, l segunda del sistema
x + y = 4
2x + 2)" = 6
por 1/2, es evidente que n,o hay solucin alguna, ya que las dos ecuaciones del sistema
resultante
cO{ltradicen entre s.
.\+.1'=4
x+y=3
un de ecuaciones no tiene solucin se dice que es inconsistente. Si
al menos l!na solucin, se le denomina consistente. A fin de ilustrar las posibilida-
des qUe pueden al resolver sistemas de ecuaciones lineales, c"onsidrese un
sjstema general ele dos ecua,iones lineales en las incgnitas.x y y:
alX + QIY = CI
(hx"" b
2
Y = C2
(al' b
l
ninguno es cero)
(a2' b
2
ninguno es cero)
Las grficas de estas ecuaciones son rectas; se har referencia a ellas como /1 y /2 ' Puesto
que un punto (x, y) est sobre una recta si y slo si los nmeros x y y satisfacen la ecua-
cin de la mism. , las soluQiones del sistema de ecuaciones corresponden a puntos de inter-
seccin de /1 y /1, . Se tienen tJ;es posibilidades (figura 1.1):
a) Las rectas /1 y /2 pueden ser paralelas, en cuyo caso no existe interseccin alguna y,
como consecuencia, no hay solucin para el sistema.
b) Las rectas /t y /2 pueden intersecarse en slo un punto, en cuyo caso el sistema
tiene exactamente un,a solucin.
) rectas /1 y /2 pueden coincidir, en cuyo caso existe una infinidad de puntos de
interseccin y, por consiguiente una infinidad de soluciones para el sistema.
Aun cuando slo han considerado dos ecuaciones con dos incgnitas, posterionnente
se que se cumple este mismo resultado para sistemas arbitrllr:,s; es decir,
Figura 1.1 (a) Nin$Una soluci6J\. (b) Una solucl6n. (e) Una infmidad de soluciones.
22
SISTEMAS DE ECUACIONES LINEALES Y MATRICES
todo sistema de ecuaciones lineales no tiene solucin alguna, tiene exactamente una
solucin, o bien, una infinidad de soluciones.
Un sistema arbitrario de m ecuaciones lineales en n incgnitas se escribe
Qx + Q2X2 + ... + a"x" = b
a
2
x + Q22X 2 + ... + a
2
"x" = b
2
en dondex, X2, . .. ,x
n
son las incgnitas y lasa y b con subndices denotan constantes.
Por ejemplo, un sistema general de tres ecuaciones lineales en cuatro incgnitas se
escribe
ax + a2x2 + a3x3 + a4x4 = b
a2x + a22x2 + a
23
x
3
+ a
24
x
4
= b
2
a
3
x + a
32
x
2
+ a33
x
3 + a34
x
4 = b
3
El sub ndice doble en los coeficientes de las incgnitas es una idea til que se emplea
para establecer la ubicacin del coeficiente en el sistema. El primer subndice del coefi-
ciente a indica la ecuacin en la que se encuentra, y el segundo indica la incgnita que
multiplica. Por tanto, a 2 se encuentra en la primera ecuacin y multiplica a la incgnita X2 .
Si mentalmente se mantiene presente la ubicacin de los signos +, las x y los signos
= , es posible abreviar un sistema de m ecuaciones lineales en n incgnitas escribiendo
nicamente el arreglo rectangular de nmeros:
la"
a
12 a"
b']
a2
a
22 a2"
b
2
amI
a
m2
a
mn
bit
Esto se conoce como matriz aumentada para el sistema. (En matemticas se utiliza el
trmino matriz para denotar un arreglo rectangular de nmeros. Las matrices surgen en
muchos contextos ; y en secciones posteriores se estudian con ms detalle.) Como ilustra-
cin, la matriz aumentada para el sistema de ecuaciones
es
x + X
2
+ 2X3 = 9
2x
I
+ 4X2 - 3x
3
= 1
3x + 6x
2
- 5X3 = O
[ ~
2
4 -3
6 - 5
!]
OBSERVACION. Al construir una matriz aumentada, las incgnitas se deben escribir en el
mismo orden en cada cuestin.
INTROOUCCION A LOS SISTEMAS DE ECUACIONES LINEALES
23
El mtodo bsico para resolver un sistema de ecuaciones lineales es reemplazar el
sistema dado por uno nuevo que tenga el mismo conjunto solucin, pero que sea ms
fcil de resolver. En general, este sistema nuevo se obtiene siguiendo una serie de pasos apli-
cando los tres tipos siguientes de operaciones a fin de eliminar sistemticamente las incg-
nitas.
Puesto que los renglones (lneas horizontales) de una matriz aumentada corres-
ponden a las ecuaciones del sistema asociado, estas tres operaciones corresponden a las
operaciones siguie;ltes sobre los renglones de la matriz aumentada:
40 cero.
Estas se denominan operaciones elementales sobre los renglones_ El ejemplo que
sigue ilustra cmo pueden aplicarse estas operaciones para resolver sistemas de ecuaciones
lineales. Como en la seccin que sigue se deduce un procedimiento sistemtico para ha-
llar las soluciones, no es necesario preocuparse por la forma en que se seleccionaron los
pasos en este ejemplo. Por el momento, la atencin debe centrarse en comprender los clcu-
los y el anlisis.
Ejemplo 3
A continuacin, en la columna de la izquierda se resuelve un sistema de ecuaciones
lineales realizando las operaciones sobre las propias ecuaciones del sistema y en la colum-
na de la derecha, se resuelve el mismo sistema realizando las operaciones sobre los renglones
de la matriz aumentada.
x + .r + 2: = 9
2x + 4)' - 3: = 1
3x + 6y - 5: = O
Smese - 2 veces la primera ecuacin
a la segunda para obtener
x + .r + 2: = 9
2)' - 7z = -17
3.\ + 6y - 5: = O
Smese - 3 veces la segunda ecuacin
a la tercera para obtener
2
4 -3
6 -5
Smese - 2 veces el primer rengln al segundo
para obtener
[ ~
2
2 -7
6 -5
- l ~ ]
Smese -3 veces el primer rengln al tercero
para obtener
24
x + y + 2z? 9
2y- 7z= -17
3y - llz=-27
Multiplquese la segunda ecuacin
por 1/2 para obtener
x + y + 2z = 9
Y - tz = _1}
3y - 11z = -27
Smese -3 veces la segunda ecuacin
a la tercera para obtener
x + y + 2z = 9
Y - tz = _1
2
7
-!z =
Multiplquese la tercera ecuacin
por - 2 para 0btener
x + y + 2z = 9
i 17
Y - 2
Z
= -2
z = 3
Smese - 1 veces la segunda ecuacin
a la primera para obtener
x + 121Z = 3l
Y - tz = _ 1
2
7
Z = 3
Smese - .!1.. veces la tercera ecuacin
1
. 2 7 1
a a pnmera y "2 veces a tercera
ecuacin a la segunda para obtener
x =1
Y =2
z=3
Ahora es evident.e la solucin
1,
DE ,eCUACIONeS LIr,EAJ.E;S Y,MATFlICES

Multiplquese el
para obtener

1 2
9]
2 -7 -17
3 - 11
segundo
1
3
2
7
- ]:
-ll
9]
17
=2; .
por In
Smese -3 veceS el s,egundo r,englpn
para obtener

O
2

1
7
=2 . 2
O
I
- 2
Multiplquese el tercer rengln por para
obtener

1
O
Smese - 1 veces el segundo rengln al primero
para obtener

O
1
O
ti
2
7
- 2
3
l
] 17
-T
3
Smese - 1
2
1
'veces el tercer rengln al primero
y -} veces el tercer rengln al segundo para
obtene.r
y = 2, z=3
O
1
O
O
O

J, Cllll,ls sgujentl,ls en ;X 1/ Xl , Y x 3 ?
(a) XI + 2XIX2 + X3 = 2
(!;) x, - 3x
2
+ "" 4
(e) XI + XiI - 3X3 ==
(a) 6x - 7y"" 3
(b) Xl + X2 + X3 I,lS una CQnstante)
(4) XI = JiX;3 =- X2 T '7
(f) X;=X3 -
(b) fX + 4X2 - 7X3 = 8
(e) (d) 2v - w + 3x t y 4z = D
3. Iialle l matril: pP-,a upo !il,l los sjgyjl,lptl,l jstl,lma

4
(a) XI - = O
3x
I
+ 4X2 = - 1
- x; =;= 3
(b) XI + x)= 1
-XI + -.,. X
3
== 3
(el XI + X
J
= 1 (9) XI = 1
2X2 X3 + Xs =;= '}.
X2 == '}.
2x
3
=l- X
4
' ;= 3
fIaJle ,\;ln 4e Unl,lall,ls qjle 9!l!ia !llll! <!$; las
!lUmentag
l')
O
']
lo) [i
O

3 1
-J 2 4 -1
ld)
O O O
iJ
(e) G
2 3 A

O O
4 3 2 O 1 O
O O 1
s. qll,. val9T, o pam qu vl!lores, de 1!l c9n.stnte k t1l sistema ge
eC!lcionl,ls Unel!ll,l$ nO tienl,l solllcjQnes? Tiene I,lx!l9tmeotl,l pna solUcin?
TieIj.1,l infil)icJJj.d eJe SolllCiQnes?
X - y= 3
2x - = k
(. ConsWete I,ll sistema de I,lcul!<;ionl,l
l/ X + by = k
ex + dy = I
ex + Iv = m
--
Analice posicQnes reJativas de ll!s rectas ax + !Jy = k, ex + dy = 1 Y f!X + !Y ;;:: m
cuando:
26 SISTEMAS DE ECUACIONES LINEALES Y MATRICES
a) El sistema no tiene soluciones
b) El sistema tiene exactamente una solucin
e) El sistema tiene infinidad de soluciones
7. Demuestre que si el sistema de ecuaciones del ejercicio 6 es consistente, enton-
ces se puede descartar al menos una ecuacin de l, sin alterar el conj\Jnto
solucin.
8. Sea k = [= m = O en el ejercicio 6; demuestre que el sistema debe ser consis-
tente. Qu se puede decir acerca del punto de interseccin de las tres rectas,
si el sistema tiene exactamente una solucin?
9. Considere el sistema de ecuaciones
x + y + 2z = a
x + z = b
2x + y + 3z = e
Demuestre que para que este sistema sea consistente, a, b y e deben satisfacer
e = a + b.
10. Demuestre que si las ecuaciones lineales Xl + kX2 = e y XI + [X2 = d tienen
el mismo conjunto solucin, entonces las ecuaciones son idnticas.
1.2 ELlMINACION GAUSSIANA
En esta seccin se da un procedimiento sistemtico para resolver sistemas de ecuaciones
lineales; se basa en la idea de reducir la matriz aumentada a una forma que sea lo suficien-
temente simple como para que el sistema de ecuaciones se pueda resolver por observacin.
En el ltimo paso del ejemplo 3 se obtuvo la matriz aumentada
[ ~
O
l
O
o
O
~ ]
a partir de la cual la solucin del sistema result evidente.
(1.1)
La matriz (l. 1) es un ejemplo de una que se encuentra en la forma escalonada en
los renglones reducida. Para encontrarse en esta forma, una matriz debe tener las siguientes
propiedades:
ELlMINACION GAUSSIANA 27
Si una matriz tiene las propiedades 1,2 Y 3 se dice que est en la formo eSC(Jlonall en los
renglanes.
Ejemplo 4
Las matrices siguientes estn en la forma escalonada en los renglones reducida.
[ ~
[ ~
1 -2 O
O O
4] [1 O O]
O O 1
1 O 7, O 1 O,
O' O O
O -1 O O 1
O O O
Las matrices que siguen estn en la forma escalonada en los renglones.
[
1 4 3
O 1 6
O O 1
1
O
O
2
1
O
6
-1
O
~ J [ ~ ~ J
~ ]
El lector debe verificar que cada una de las matrices anteriores satisface todos los requi-
sitos necesarios.
OBSERVACION. No es difcil ver que una' matriz en la forma escalonada en los renglones
debe tener ceros debajo de cada I principal (vase el ejemplo 4). Como contraste, una
matriz en la forma escalonada en los renglones reducida debe tener ceros arriba y abajo
de cada 1 principal.
Si, por una sucesin de operaciones elementales sobre los renglones, la matriz au-
mentada correspondiente a un sistema de ecuaciones lineales se pone en la forma escalonada
en los renglones reducida, entonces es posible obtener el conjunto solucin para el
sistema por observacin, o bien en el peor de los casos, despus de unos cuantos sencillos
pasos. El ejemplo que sigue ilustra estas consideraciones.
Ejemplo S
Supngase que la matriz aumentada correspondiente a un sistema de ecuaciones lineales
se ha reducido por medio de operaciones sobre los renglones a la forma escalonada en
los renglones reducida que se da. Resulvase el sistema.
la) [ ~
O
1
O
lb) [ ~
O
1
O
O
O
4
2
3
PI; y
1,)
P
Q Q
4

lo)
O O

O 1
O J
O O 5
l
O O Q O
O O
Solucin parg a). El es
XI 5
= = 2
= 4
Xl + 4,x!j, == ""'" l
X2 + 2x
4
= 6
X3 + 3x
4
= 2
q1.H: y X3 1 ppngipales la se l"s llamar
nr;"o;pale$. Al4e&pejlf lli pringjpwlls dll
Xl ::; 1 4x4
,x7. = ( -. 2x
4
= 2 - 3X4
pagQ l se !e sign" un valor arbitrarig, por t, tl!mjl. una inflni.
dlq ge El gp!ljuntp sglllcin queda P90 por 11)s fprrntJ&
Xl = -1 4t,
6 - 2t,

+ ==
+ = 1
X
4
+ 5x
s
=
Aqu ls vlriables XII X3 't x\ Al despejllf hjs principales en
de variibles d .
= ..., 4xs -
X3 == 1 = 3x
s
eliMiNAe,N GAUSSIANA 29
Cmo a x s se le puede asignar un valor arbitrarlo, t, Y a Xi un Valor rblUafiti s, se tiene
una infinidad de soluciones. El conjunto slud6n qeda dado por las frmlas
Xl = 2 4t - 6s,
Xs = t
Solil'cion paro d), La ltima ecuacin @i1 el sistema cdl'tlispondierite es
Ya qu nunca es posible satisfacer esta ecuacin, no existe solucin para el sistema.
Se acaBa d ver qu fcil es resolver un sistema de ecuaciones lineales, una vet qUe
su matriz auffi.ntada se encuefitra en la foma escalonada en los renglones reduCida.
Ahora se explica un procedimiento paso a paso, conocido como eliminM:in de Gauss-Jor-
dan,';' que se pued aplicar a fin de llevar cualquier matriz a la fonna escalonada en los
rengl'ortes redcida. A medida que se enuncie cada paso del procedimiento, se ilustra ia
idea ilevand a esa foma a la matriz siguiente:
o - 2
4 -10
4 -5
o 7
6 12
6
.-", ,',
, :( ,. J .;,

1;
1 4 -5 6 -5 -1
L Columna mis a la iiquierda tIbe HU
comta coirip1tameite de ce'OS
'" ea,.l Friedrich Gauss (1777-J 855) . A veces conocido como el "prncipe de los matmticos", Guss
hizo valiosas contribuciones la teora de los nmeros, teora de funciones, probbiidad y stads-
tica. Descubri una manera de calcular las rbitas de los asteroides, hizo dcscubrIriiento's bsicos en
la teora electromagntic e invent un telgrafo.
Camle lardan (l838-j 922) . lordan fue profesor en la cole Polyteehnique n Pars. Fue pionero
en varias ramas de las matemticas, incluyendo la teora de las matrices. Se hizo en prtieular famoso por
el Teorema de la Curva de Jordan, el cual anrma : una curva simple cerrada (como un crculo o url
cuadrado) divide al plano en dos regiones conexas que no se intersccan.
30



4
O
4
2
O
4
2
O
O
-10
-2
-5
-5
-2
- 5
-5
-2
5
6
O
6
3
O
6
3
O
O
SISTEMAS DE ECUACIONES LINEALES Y MATRICES
12
7
-5
6
7
-5
6
7
-17
28l
12
-1
14]
12
-1
14]
12
-29
Se intercambiaron el primero y
segundo renglones de la matriz
ejemplo.
El primer rengln de la
matriz anterior se
multiplic por 1/2 .
Se sum -2 veces el primer
rengln de la matriz anterior
al tercer rengln.
. s' 1" __ ...
. .' .. ' ,"'".';. ,", ,,"':' -1 r:
" v " .... "'_ ti
. .
" '-' ..

O -2 O 7
12J
O 5 O -17 -29
t
Columna ms a la izquierda que no consta
completamente de ceros en la subrnatriz

Se multiplic el primer
O 1 O
7
-6J
rengln de asubmatriz por
- 2
O 5 O -17 -29
-1/2. para introducir un 1
principal.

Se sum -s veces el primer
O O 1 O
7
rengln al segundo de ella
- 2
misma para introducir un
O O O O
1
cero debajo del 1 principal.
2
ELlMINACION GAUSSIANA 31
~
2 -S 3
Se cubri el rengln
O 1 O
superior de la submatriz
O O O
1-
Y se regres una vez ms
2
al paso 1.
LColumna ms a la izquierda que no consta
completamente de ceros en la nueva sub matriz
l ~
2 -5 3
Se multiplic el primer
(y nico) rengln de la
O 1 O
nueva sub matriz por 2,
O O O 1
para introducir un 1
principal.
La matriz completa est ahora en la fonna escalonada en los renglones. A fin de encontrar la
forma escalonada en los renglones reducida se necesitan los siguientes pasos adicionales :
[ ~
2 - 5 3 6
1 ~ ]
Se sum 7/2 veces el tercer
O 1 O O
rengln de la matriz anterior
al segundo.
O O O 1
[ ~
2 - 5 3 O
~ ]
O O O
Se sum -6 veces el tercer
rengln al primero.
O O O
[ ~
2 O 3 O
I]
Se sum S veces el
O l O O
segundo rengln al
O O O
primero.
La ltima matriz est en la fonna escalonada en los renglones reducida.
Ejemplo 6
Resulvase por medio de la eliminacin de Gauss-Jordan.
O
+ 15x6 = 5
, ' ~ ' ' ' ' ~ ~ ' '
.'_!i .. " t ~ ~ -..
_" 1"
SISfEMAS DE EcUAlOES V MA fRics
La matriz aumerHdll para el sistem es

3 -2 2
()

6 -5 -2 4 =3
O O 5 10
()
15
2 '
6 O 8 4 18 6
Al smr - 2 vecs el pfimer telgifi segundo y l CUlitW da

3 '-' 2 O 2

O -i =2 O

O 5 10 15
4 8 O 18
Al mUltplicar el segundo teglfi p6r - 1 y, a 6ntlmiaiiI, sumar ""'5 el segund al
y -4 veces el segtltldd al ctlafW da
[t
3 -"2 O 2

(j
1 :1 O
j
O O O
(j
O
O O O 6
Al iritrml:Haf el tetcero y cuafto renglones y despus d multiplicaf l tercer rengln
d la matriz rsultante por 1/6 s Hg a la fotIna eSGa10lada ert los tnglones

3

O 2 O
i]
O 1 2 O 3
O
(j
O O 1
O O O O O
Al sumar -3 veceS l tercer rengln al segundo y despus de sumar :2 veces el segundo
rengln de la matrIz tesuftante al prirriiO, se obtiene l fotma escalonada en los refiglofies
tedlidda

3 O 4 2 O
il
O 1 2 O O
O O O O
O O O O O
El sistem de ecucibnes correspondiente es
X l + 3X2 + 4x
4
+ 2xs =0
X3 + 2X4 = 0
X
6
= 1-
ElIMINACION GAUSSIANA 33
(Se ha descartado la ltima ecuacin, Ox + OX2 + OX3 4- OX4 + OXs + OX6 = O, puesto
que ser satisfecha automticamente por las soluciones de las ecuaciones restant es.) Al
despejar las variables principales, se obtiene
Xl = -3X2 - 4x
4
- 2X5
x
3
= -2x
4
x
6
= t
Si se asignan a X2, X4 Y x s los valores arbitrarios r, s y t respectivamente, la solucin
queda dada por las frmulas
Xl = - 3r - 4s - 2t, X3 = -2s, X
5
= t,
Ejemplo 7
A menudo conviene ms resolver un sistema de ecuaciones lineales, llevando la matriz
aumentada hacia la forma escalonada, sin llevar a cabo todos los pasos hasta la escalonada
reducida. Cuando se hace esto, se puede resolver el sistema de ecuaciones que corresponde
por medio de una tcnica llamada sustitucin IUlcia atrs. Ahora se ilustra este mtodo utili-
zando el sistema ttel ejemRlo 6.
Por lo obtenido en los clculos del ejemplo 6, una forma escalonada en los renglones
de la matriz aumentada es
3 -2
O 1
O O
O O
O
2
O
O
2
O
O
O
Para resolver el sistema de ecuaciones correspondiente
o
3
1
O
X l + 3X2 - 2X3 + 2xs = O
X3 + 2X4 + 3X6 = 1
X6 = -1
se procede como sigue:
Paso 1. Se despejan las variables principales en las ecuaciones.
Xl = -3X2 + 2x
3
- 2x
s
X3 = 1 - 2X4 - 3X6
X6 =-1
Paso 2. Empezando con la ecuacin de abajo y yendo hacia arriba, se sustitu-
ye sucesivamente cada ecuacin en todas las ecuaciones que estn
fu d ella.,
34
SISTEMAS DE ECUACIONES LINEALES Y MATRICES
Al sustituir x 6 = 1/ 3 en la segunda ecuacin da
X l = -3X2 + 2X3 - 2xs
X3 = -
2X
4
X6 = 1
Al sustituir X3 =- 2x
4
en la primera ecuacin da
Xl = - 3X2 - 4X4 - 2x
s
X3 =- 2x
4
1
X6 =3"
Paso 3. Se asignan valores arbitrarios a variables no principales cualesquiera.
Si se asignan a X2, X4 Y X s los valores arbitrarios r, s y t , respectivamente, el conjun-
to solucin queda dado por las frmulas
Xl = - 3r - 4s - 2t, X3 = 2s, Xs = t,
Esto concuerda con la solucin obtenida en el ejemplo 6.
El mtodo de resolver sistemas de ecuaciones lineales reduciendo la matriz aumenta-
da a la forma escalonada en los renglones se llama eliminacin gaussJna.
Ejemplo 8
Resulvase
Por eliminacin gaussiana.
x+y+2z=9
2x + 4y - 3z = 1
3x + 6y - 5z = O
Solucin. Este es el sistema del ejemplo 3. En ese ejemplo se convirti la matriz aumentada
[i
2
~ ]
4
-3 I
6 -5
a la forma escalonada en los renglones
[ ~
2
- ' ~ ]
1
7
- 2
O
ELIMINACION GAUSSIANA
El sistema correspondiente a esta matriz es
x + J' + 2.: = 9
y - t
z
= _1
2
7
Al despejar las variables principales da
x = 9 - Y - 2.:
.\' = - 1
2
7 + 1':
.: = 3
3
Sustituyendo la ecuacin de abajo en las que se encuentran arriba queda
x=3 - y
.\'=2
.: = 3
y al sustituir la segunda ecuacin en la de arriba da
x = 1
.\'=2
z = 3
35
lo cual concuerda con la solucin encontrada por medio de la eliminacin de Gauss-Jor-
dan en el ejemplo 3.
OBSERVACION. El procedimiento que se ha dado para reducir una matriz a la forma
escalonada en los renglones o a la escalonada en los renglones reducida resulta apropiado
para utilizar computadoras porque es sistemtico. Sin embargo, a veces este procedimien-
to introduce fracciones, las que, de lo contrario, se podran evitar al hacer variar los pasos
en la forma correcta. Por consiguiente, una vez que haya dominado el procedimiento
bsico, es psible que el lector desee hacer variar los pasos en problemas especficos a fm
de evitar fracciones (vase el ejercicio 13). Se puede probar, aunque no se har, que no
importa en qu forma se hagan variar las operaciones elementales sobre los renglones,
siempre se llega a la misma forma escalonada en los renglones reducida; es decir, la forma
escalonada en los renglones reducida es nica. No obstante, una forma escalonada en los
renglones no es nica ; al cambiar la sucesin de operaciones elementales sobre los renglo-
nes es posible llegar a una forma escalonada en los renglones diferente (vase ejercicio 14).
EJERCICIOS l . 2
1. Cules de .las siguientes matrices est en la forma escalonada en los renglones
reducida?
36 SISTEMAS DE ECUACIONES LINEALES Y MATRICES
[
1 2 O 3 0J
O O 1 1 O
(d) O O O O 1
O O O O O
[
1 O 3 41J
(r) O 2
2. Cules de las siguientes matrices estn en la forma escalonada en los renglones?
H]

O O O 1
O O O O

5
3
3. En cada inciso suponga que la matriz aumentada para un sistema de ecuaciones
lineales se ha llevado por medio de operaciones sobre los renglones a la forma
escalonada en los renglones reducida que se da . Resuelva el sistema .
[i
O O
:]
lb) [i
O O 3
21
(a) O 1 O -1

O 1 O
le)
5 O O 5
-;J
Id) [i

2 O
O 1 O 3
O 1
O O 1 4
O O
O O O O
4. En cada inciso suponga que la matriz aumentada para un sistema de ecuaciones
lineales se ha llevado por medio de operaciones sobre los renglones a la forma
escalonada en los renglones que se da. Resuelva el sistema.
[i
2 -4
-;]
lb) [i
O 4 7

(a) 1 -2 1 -3 -4
O O 1
le)
5 -4 O - 7

O 1 1
[1 22 ']
7
O O 1 4
(d) O 1 3 3
O O O O
O O O 1
S. Resuelva cada uno de los sistemas que siguen por medio de la eliminacin de
Gauss-Jordan.
(a) x. + X
2
+ 2x
3
= 8 (b)
- x.-2x
2
+3:.
3
=1
3x
1
- 7x
2
+ 4x] = 10
(c)
2x
1
+ 2X2 + 2X3 = O
- 2X1+5x2+2x3 = 0
- 7x
1
+ 7x
2
+ X3 = O
x - y + 2z - IV = - 1
2x + y - 2z - 2w = - 2
-x +2y - 4z + w= 1
3x - 3", = - 3
ELIMINACION GAUSSIANA 37
6. Resuelva cada uno de los sistemas del ejercicio 5 por eliminacin gaussiana.
7'. Resuelva cada uno de los sistemas siguient es por eliminacin de Gauss-Jordan.
(a) 2x - 3X2 = -2
2x+ x
2
= 1
3x + 2x
2
=
(b) 3x + 2X2 - X
3
= -15
5x + 3X2 + 2X3 = O
3x
l
+ X2+3x3= 11
l1x + 7x
2
= - 30
(c) 4x
1
- 8X2 = 12
3x-6x
2
= 9
-2x
1
+ 4x
2
= -6
8. Resuleva cada uno de los sistemas del ejercicio 7 por eliminacin gaussiana.
9. Resuelva cada uno de los sistemas que siguen por eliminacin de Gauss-Jordan.
(a) 5x +2x2+ 6x3=0
- 2x
1
+ X2 + 3X3 = O
(b) X - 2X2 + x
3
- 4x
4
= 1
x+ 3X2+ 7x
3
+ 2X4 = 2
x - 12x
2
- 11 x3 - 16x
4
= 5
10. Resuelva cada uno de los sistemas del ej'ercicio 9 por eliminacin gaussiana.
11. Resuelva los sistemas que siguen, en donde a, b y e son constantes.
(a) 2x + y = a
3x + 6y = b
(b) x+ x
2
+ x
3
=a
2x + 2X3 = b
3X2 + 3X3 = e
12. Para qu valores de a el sistema que sigue no tiene soluciones? Tiene exacta-
mente Una solucin? Tiene infinidad de soluciones?
B. lleve
x + 2y - 3: = 4
- Y + 5: = 2
4x + y + (a
2
- 14)z = a + 2
-2
4
a la forma escalona:da en los renglones reducida sin introducir fraccin alguna.
14. Encuentre dos formas escalonadas en los renglones diferent es para
[
1 3J
2 7
1 S. Resuelva el sistema de ecuaciones no lineales que sigue para lOS ngulo. deseo-
nocidosa, {3 y "1 , en donde O";;a";; 2rr , 0";;{3";; 21r Y O
38 SISTEMAS DE ECUACIONES LINEALES Y MATRICES
2 sen ex - cos f3 + 3 tan y = 3
4 sen ex + 2 cos f3 - 2 tan ( = 2
6 sen ex - 3 cos f3 + tan I = 9
16. Describa las formas escalonadas en los renglones reducidas que sean posibles para
17. Demuestre que si ad - be *- 0, entonces la forma escalonada en los renglones
reducida de
es
18. Aplique el resultado del ejercicio 17 para demostrar que si ad - be *- 0, enton-
ces el sistema
ax + by = k
ex + dy = I
tiene exactamente una solucin.
1.3 SISTEMAS HOMOGENEOS OE ECUACIONES LINEALES
Como ya se seal, todo sistema de ecuaciones lineales tiene una solucin, una infinidad
de soluciones, o bien, ninguna solucin. A medida que se avance, se presentan situaciones
en las que no se tiene inters en encontrar las soluciones para un sistema dado, si no que,
por el contrario, se trata de decidir cuntas soluciones tiene el sistema. En esta seccin
se consideran varios casos en los que es posible, por simple observacin, llegar a proposi-
ciones acerca del nmero de soluciones.
Se dice que un sistema de ecuaciones lineales es homogneo si todos los t rminos
constantes son cero; es decir , el sistema tiene la forma
a 1x + aZx
Z
+ . . . + a nXn = O
aZx + a z zxz + . . . + a ZnX
n
= O
Todo sistema homog neo de ecuaciones lineales es consistente, ya que X = 0, X2 = 0,
.. . ,x
n
= siempre es una solucin. Esta solucin se conoce como solucin trivial; si
existen otras soluciones, se dice que son soluciones no triviales.
Dado que un sistema homogneo de ecuaciones lineales debe ser consistente, se
tiene una solucin o una infmidad de soluciones. Puesto que una de estas soluciones es
la trivial, se puede afIrmar 10 siguiente:
SISTEMAS HOMOGENEOS DE ECUACIONES LINEALES
39
Para un sistema homogneo de ecuaciones lineales, se cumple exactamente una de
las siguientes proposiciones :
l . El sistema tiene slo la solucin trivial.
2. El sistema tiene una infinidad de soluciones no triviales adems de la trivial.
Existe un caso en el que queda asegurado que un sistema homogneo tiene soluciones no
triviales; a saber, siempre que el sistema comprende ms incgnitas que P::ra
ver la razn, considrese el ejemplo que sigue de cuatro ecuaciones en cinco incgnitas.
Ejemplo 9
Resulvase el sistema homogneo de ecuaciones lineales que sigue, aplicando la elimina-
cin de Gauss-Jordan.
+ x
5
= O
-Xl - X
2
+ 2X3 - 3x
4
+ x
5
= O
Xl + X 2 - 2x 3 - X 5 = O
X
3
+ X
4
+ X
5
= O
La matriz aumentada para el sistema es
[-1
:2 -1 O

-1 2 -3
1 - 2 O -1
O 1
Al llevar esta matriz a la forma escalonada en los renglones reducida, se obtiene
1
O
O
O
o
1
O
O
O
O
1
O
1
1
O
O
El sistema correspondiente de ecuaciones es
Xl + x
2
+ x
5
= O
X3 + X5 = O
x
4
= O
Despejando las variables principales se llega a
X l = - X2 - x
5
x
3
= - x
5
X
4
= O
(1.2)
(1.3)
40
SISTEMAS DE ECUACIONES LINEALES Y MATRICES
Por tanto, el conjunto solucin queda dado por
Xl = -s - t,
X
s
= t
Ntese que se obtiene la solucin trivial cuando s = t = O.
En el ejemplo 9 se ilustran dos hechos importantes acerca de la resolucin de sis-
temas homogneos de ecuaciones lineales. En primer lugar, ninguna de las tres operaciones
elementales sobre los renglones puede alterar la columna final de ceros en la matriz au-
mentada, de modo que el sistema de ecuaciones correspondiente a la forma escalonada en
los renglones reducida de la matriz aumentada tambin debe ser un sistema homogneo
(vase el sistema 1.3 del ejemplo 9). En segundo lugar, dependiendo de si la forma esca-
lonada en los renglones reducida de la matriz aumentada tiene algn rengln slo con
ceros, el nmero de ecuaciones en el sistema reducido es igual o menor que el nmero de
ecuaciones en el sistema original (comprense los sistemas 1.2 y 1.3 del ejemplo 9). Por
consiguiente, si el sistema homogneo dado tiene m ecuaciones en n incgnitas con m
< n, si existen r renglones diferentes de cero en la forma escalonada en los renglones
requcida de la matriz aumentada, se tendr r < n; as entonces, el sistema de ecuaciones
correspondiente a la forma escalonada en los renglones reducida de la matriz aumentada
se ver
+ L( ) = O
+ L ( ) = O
(l.4)
en donde Xkl, Xk2, ... , Xkr son las variables principales y L ( ) denota sumas que com-
prenden las n - r variables restantes. Al despejar las variables principales da
Xk, =
-L( )
X
k2
= -L( )
Xk, =
-L( )
Como en el ejemplo 9, es posible asignar valores arbitrarios a las variables del segundo
miembro y obtener as una infinidad de soluciones para el sistema.
En resumen, se tiene el importante teorema que sigue :
Teorema 1. Un sistema homogneo de ecuaciones lineales con ms incgnitas que ecua-
ciones siempre tiene una infinidad de soluciones.
OBSERVACION. Ntese que el teorema 1 slo se a p 1 i c ~ a los sistemas homogneos. Un
sistema no homogneo con ms incgnitas que ecuaciones no necesariamente es consistente
(ejercicio 11); sin embargo, si el sistema es consistente, tendr una infinidad de soluciones.
Se omite la demostracin.
SISTEMAS HOMOGENEOS DE ECUACIONES LINEALES 41
EJERCICIOS 1. 3
l. Sin utilizar lpiz ni papel, determine cules de los sistemas homogneos que
siguen tienen soluciones no triviales.
(a) XI + 3X2 + 5x} + x
4
= O (b) XI+2X2+3x}=0
4x
1
- 7X2 - 3x} - X4 =0 x
2
+ 4x} = O
3x
I
+2X2+7x}+8x4=0 5x} = O
(e) al1xI + a
12
x
2
+ al}x} = O (d) x
1
+ x
2
= O
a21xI + a22x2 + a2}x} = O 2x
I
+ 2X2 = O
En los ejercicios 2 al 5, resuelva el sistema homogneo dado de ecuaciones lineales.
2. 2xI + X2 + 3x} = O
XI + 2X2 = O
X2 + x} = O
4.2xl-4x2+ x}+x
4
=0
x
l
-5x
2
+2x} =0
- 2X2 - 2x} - X
4
= O
XI + 3x 2 + x
4
= O
XI-2x2- X}+X4=0
3. 3x
I
+ X2 + X} + X
4
= O
5x
1
- x
2
+ x} - X
4
= O
5. X + 6y - 2z = O
2x - 4y + z = O
6. Para cul valor, o cules valores, de A el siguiente sistema de ecuaciones tiene
soluciones no triviales?
(i. - 3)x + y = O
x + (i. - 3)y = O
7. Considere el sistema de ecuaciones
ax + by = O
ex + dy = O
ex + fy = O
Analice las posiciones relativas de las rectas ax + by = O, ex + dy = O Y ex +
fy = O, cuando:
a) el sistema tiene nicamente la solucin trivial
b) el sistema tiene soluciones no triviales.
8. Considere el sistema de ecuaciones
ax + hy = O
ex + dy = O
a) Demuestre que si x = Xo. y = Yo es cualquier solucin y k es cualquier
entonces x = kxo . y = kyo tambin es una solucin.
b) Demuestre que si x = Xo. y = Yo Y x = XI . Y = YI son dos soluciones cuales-
quiera, entonces x = Xo + XI.Y= Yo +YI t'ambin es una solucin.
42
SISTEMAS DE ECUACIONES LINEALES Y MATRICES
9. Considere los sistemas de ecuaciones
(1) ax + by = k
ex + dy = I
(Il) ax + by = O
. ex + dy = O
a) Demuestre que si tanto x =XI. Y = YI como x = X2. Y = Y2 son soluciones
de 1, entonces x = XI - X2, Y = YI - Y2 es una solucin de 11.
b) Demuestre que si x = XI. Y = YI es una solucin de I y x = Xo. y = Yo es
una solucin de 11, entonces X = XI + XO. Y = YI + Yo es una solucin de 1.
10. a) En el sistema de ecuaciones numerado (l.4), explique por qu sera incorrec-
to denotar las variables principales por Xl. X2' ... X
r
, en lugar de xkl'
xk2.' . . , xkr' como se ha hecho.
b) El sistema de ecuaciones numerado (l. 3) es un caso especfico de (l . 4).
Cules valores tiene r en e<;1;e caso? Cules son Xk 1. Xk2' ... Xkr en este
caso? Escriba por completo las sumas denotadas por ~ ( ) en (l. 4).
11. Encuentre un sistema lineal inconsistente que tenga ms incgnitas que ecua-
ciones .
1.4 MATRICES Y OPERACIONES MATRICIALES
Los arreglos rectangulares de nmeros reales surgen en muchos contextos que no son los
de las matrices aumentadas para sistemas de ecuaciones lineales. En esta seccin se conside-
ran eso:; arreglos como objetos por derecho propio y se desarrollan algunas de sus propieda-
des que se usan en el trabajo posterior en este texto.
Definicin. Una matriz es un arreglo rectangular de nmeros. Los nmeros del arreglo se
conocen como elementos de la matriz.
Ejemplo 10
Los objetos siguientes son matrices :
[2 o - 3J
[
- J2 n e]
3 1 O [ ~ J
O O O
[4J
Como se indica en estos ejemplos, las matrices tienen tamaos diferentes. El tamao de
una matriz se describe especificando el nmero de renglones (lneas horizontales) y
columnas (lneas verticales) que se presentan en ella. La primera matriz del ejemplo 10
tiene 3 renglones y 2 columnas, por tanto su tamao es de 3 por 2 (lo cual se escribe
3 X 2). El primer nmero siempre indica el nmero de renglones y el segundo el nmero
de columnas. As entonces, las matrices restantes del ejemplo 10 tienen los tamaiios
1 X 4,3 X 3,2 X 1 Y IX1, respectivamente.
Se usarn letras maysculas para denotar matrices y minsculas para denotar las
cantidades numricas; por tanto, se podra escribir
e = [a
ti
h
e]
e I
MATRICES Y OPERACIONES MATRICIALES 43
Al analizar las matrices, por lo comn se da el nombre de escalares a las cantidades num-
ricas. En este texto, todos los escalares sern nmeros reales.
Si A es una matriz, se usar a para denotar el elemento que est en el rengln i y
la columna j de A. Por consiguiente, una matriz general de 3 X 4 se puede escribir
QI2 QI3
Q22 Q23
Q32 Q33
Naturalmente, si se usa B para denotar la matriz, entonces se usar b
i
para el elemento
que est en el rengln i y la columnaj. As entonces, una matriz general de m X 11 podra
escribirse
lb"
b
12
b
21
b
22
B= .
b
m1
b
m2
Una matriz A con 11 renglones y n columnas se denomina matriz cuadrada de orden n
y se dice que los elementos all , a22, ... , a
nn
estn en la diagonal principal de A (vase la
figura 1. 2).
[
Q12
"'"1
a22 a
2n
QIl2 ano .J
Figura 1.2
Hasta ahora se han utilizado las matrices para abreviar el trabajo al resolver sistemas
de ecuaciones lineales. No obstante , para otras aplicaciones conviene desarrollar una "arit-
mtica de matrices" , en la que sea posible sumar y multiplicar las matrices en una forma
til. El resto de esta seccin se ded'fc'a al desarrollo de esta aritmtica.
Se dice que dos matrices son iguales si tienen el mismo tamao y los elementos
correspondientes en las dos matrices son iguales.
Ejemplo 11
Considrense las matrices
A =e
B = [ ~ e = [ ~
4
Aqu A =1= e, puesto que A 'y e no tienen el mismo tamao. Por la misma razn, B =1= C.
Tambin A =1= B, ya que no todos los elementos correspondientes son iguales.
44 SISTEMAS DE ECUACIONES LINEALES V MATRICES
Definicin. Si A Y B son dos matrices cualesquiera del mismo tamao, entonces la suma
A + B es la matriz que se obtiene al sumar los elementos correspondientes de las dos
matrices. Las matrices de tamaos difererites no se pueden sumar.
Ejemplo 12
Considrense las matrices
A ~ H
1 O
~ ]
n
3 5
-:]
e = [ ~
~ J
O 2 B= 2 O
- 2 7 2 -4
Entonces
[-2
4 5
~ ]
A + B= ~
2 2
O 3
en tanto que A + e y B + e no estn definidas.
Definicin. Si A es una matriz cualquiera y e es cualquier escalar, entonces el producto
eA es la matriz que se obtiene al multiplicar cada elemento de A por c.
Ejemplo 13
Si A es la matriz
entonces
A ~ U ~ ]
y ( - I)A = [= ~ = ~ ]
. 10'
2A = [ ~ :]
-2 O
Si B es una matriz cualquiera, entonces - B denota el producto (-1) B. Si A Y B son
dos matrices del mismo tamao, entonces A- B se define como la suma A + (- B) = A
+ (- 1)B.
Ejemplo 14
Considrense las matrices
A = [ ~
B = [ ~
3
2
2
- 3
~ J
~ ]
MATRICES Y OPERACIONES MATRICIALES
45
Con base en las definiciones dadas
- B = [ O
-2
-7J
-1 3 -5
Y
A - B = [ ~
3
~ J + [ - ~
-2
-7J = [2
1
-3J
2 3 -5 O 5 -4
Obsrvese que es posible obtener A - B directamente, restandQ los elementos de B de
los elementos correspondientes de A.
En prrafo anterior se defmi la multiplicacin de una matriz por un escalar. Enton-
ces, la pregunta siguiente es: cmo se multiplican dos matrices? Tal vez la definicin ms
natural de la multiplicacin de matrices podra parecer : "multiplquense los elementos
correspondientes". Sin embargo, sorprende el hecho de que esta definicin no sera muy
til para la mayora de los problemas. La experiencia ha conducido a los matemticos a
concluir la siguiente defmicin menos intuitiva pero ms til de multiplicacin de matrices.
Definicin. Si A es una matriz de m X r y B es una de r X n, entonces el producto AB es
la matriz de m X n cuyos elementos se determinan como sigue. Para encontrar el elemento
en el rengln i y la columna j de AB, distngase el rengln i de la matriz A y la columna
de la B. Multiplquense los elementos corrspondientes del rengln y columna y, a conti
nuacin, smense los productos resultantes.
Ejemplo 15
Considrense las matrices
A = [ ~
2
~ J
6
B ~ [ ~
4
!]
- 1 3
7 5
Dado que A es una matriz de 2 X 3 y B es una de 3 X 4, el producto AB es una
matriz de 2 X 4. Para determinar, por ejemplo, el elemento del rengln 2 y la columna 3
de AB, se distingue el rengln 2 de A y la columna 3 ce B Entonces, como se ilustra a
continuacin, se multiplican los elementos correspondientes y se suman estos productos.
-1
7
3] [DOOOJ
~ = OO[I]O
(2' 4) + (6 . 3) + (O 5) = 26
46
SISTEMAS DE ECUACIONES LINEALES Y MATRICES
El elemento del rengln 1 y la columna 4 de AB se calcula como sigue:
-1
7
4
3
5
'j = [ DDOlTIlJ
DO[l]O
(l . 3) + (2 . 1) + (4 . 2) = 13
Los clculos para los productos restantes son :
(1 . 4) + (2 . O) + (4 . 2) = 12
(l . 1) - (2 . 1) + (4' 7) = 27
(1 . 4) + (2' 3) + (4' 5) = 30
(2 . 4) + (6 . O) + (O . 2) = 8
(21)-(61)+(07)= - 4
(2' 3) + (6' 1) + (O' 2) = 12
[
12
AB= 8
27
-4
30
26
13J
12
La detinicin de la multiplicacin de matrices requiere que el nmero de colwnnas
del primer factor A sea igual al nmero de renglones del segundo factor B, para formar el
producto AB. Si no se satisface esta condicin, el producto no est definido. Un modo de
determinar si un producto de dos matrices est definido, es escribir el tamao del primer
factor y, a la derecha del mismo, el tamao del segundo factor. Si, como en la figura 1.3,
los nmeros interiores son iguales, entonces el producto est definido. Entonces, los nme
ros exteriores dan el tamao del producto.
A
m X r
t
Figura 1.3
Ejemplo 16
Interiores
Exteriores
B
r X n
t
AB
In X n
Supngase que A es una matriz de 3 X 4, B es una de 4 X 7 y C una de 7 X 3. Entonces
AB est definido y es una matriz de 3 X 7; CA est definido y es una matriz de 7 X 4;
BC est definido y es una matriz de 4 X 3. Todos los productos AC, CB y BA estn
definjdos.
Ejemplo 17
Si A es una matriz general de m X r y B una matriz general de r X n, entonces, como lo
sugieren las lneas sombreadas de abajo, el elemento que queda en el rengln i y la columna
j de AB est dado por la frmula
MATRICES Y OPERACIONES MATRICIALES
47
ailb
lj
+ a
i2
b
2j
+ ai3b3j + .. . + airb
rj
la
u a
l
2
a" 1
a
2l a22 a2r
[bU
b
l2
bt}
h'"J
' AB= :
b
22
b
1j b
2n
a,1 al2 Gir I

b
rl
b
r1
b
rj b
rn
a
ml
La multiplicacin de matrices tiene una aplicacin importante a los sistemas de
ecuaciones lineales. Considrese cualquier sistema de m ecuaciones lineales en n incg-
nitas:
allx
l
+ allxl + ... + alnx
n
= b
l
a
2l
x
l + a22 x
2
+ ' . , + alnx" = b
l
Puesto que dos matrices son iguales si y slo si sus elementos correspondientes son
iguales, es posible reemplazar las m ecuaciones de este sistema por la ecuacin matricial
nica
l
allxl + a
l
2
x
l + ' , , + alnxn] lb
'
]
allx
l
+ a22xl +., . + alnx
n
b
l
+ + . , , + =
La matriz de m X 1 del primer miembro de esta ecuacin se puede escribir como un
producto para dar
Si se designan estas matrices por A, X , Y B, respectivamente, se ha reemplazado el sistema
original de m ecuaciones en n incgnitas por la ecuacin matricial nica
AX=B (1.5)
Parte de lo que se ve posteriormente se dedica a la resolucin de ecuaciones matriciales
como sta, para la matriz de incgnitas X. Como consecuencia de este enfoque matricial,
se obtienen nuevos mtodos efectivos para resolver sistemas de ecuaciones lineales. La
matriz A dada en (I. 5) se llama matriz de coeficientes para el sistema.
48 SISTEMAS DE ECUACIONES LINEALES Y MATRICES
Ejemplo 18
A veces es til encontrar un rengln o columna particular de un producto AB, sin calcular
el producto completo. Se deja como ejercicio demostrar que los elementos en la j-sirna
columna de AB son los elementos del producto ABj, en donde Bi es la matri z formada al
usar nicamente la j-sirna columna de B. Por tanto, si A y B son las matrices del ejemplo
15, la segunda columna de AB se puede obtener por medio del clculo
segunda columna
de B
[ ~ : J
t
segunda columna
deAB
De modo anlogo, los elementos del i-sirno rengln de AB son los elementos del produc-
to AB, en donde A es la matriz fonnada al usar nicamente el i-sirno rengln de A. Por
consiguiente, es posible obtener el primer rengln del producto AB del ejemplo 15
por medio del clculo:
[[1 2 4] [ ~ - ~
primer rengln de A
4
3
5
!] ~ [12 27 30 1:J
primer rengln de AB
EJERCICIOS 1. 4
1. Suponga que A y B son matrices de 4 X 5 Y que C, D y E son matrices de 5 X 2,
4 X 2, Y 5 X 4, respectivamente. Determine cules de las siguientes expresiones
matriciales estn definidas. Para las que estn definidas, d el tamao de la matriz
resultante.
(a) BA
(d) AB + B
(b) AC + D
(e) E(A + B)
(e) AE + B
(f) E(AC)
2. a) Demuestre que si tanto AB como BA estn definidas entonces AB y BA son
matrices cuadradas.
3.
4.
b) Demuestre que si A es una matriz de m X n y A(BA) est definido, entonces
B es una matriz de n X m.
Resuelva la siguiente ecuacin matricial para a, b, e y d
[a -b
3d + e
b + e J [8
2a - 4d = 7
~ J
Considere las matrices
A-H
~ l
B = [ ~
-~ J
c=G
4
~ J
MATRICES Y OPERACIONES MATRICIALES 49
D = [- ~ ~ ~ l E = [- ~ ~ l
324 413
Calcule
(a) AB ,. (b) D + E
(d) DE (e) ED
(c) D-E
(f) -7B
5. Utilizando las matrices del ejercicio 4, calcule (cuando se pueda):
(al 3C - D (b) (3E)D
(c) (AB)C (d) A(BC)
(e) (4B)C + 2B (f) D + E
2
(donde E
2
= EE)
6. Sean
A ~ [:
-2
:1
[6 -2
~ l
5 Y B= O 1
4 7 7
Aplique el mtodo del ejemplo 18 para encontrar
a) el primer rengln de AB b) el tercer rengln de AB
e) la segunda columna de AB d) la primera columna de BA
e) el tercer rengln de AA f) la tercera columna de AA
7. Sean C. D y E las matrices del ejercicio 4. Realizando los menos clculos posi-
bles, determine el elemento del rengln 2 y columna 3 de C(DE).
8. a) Demuestre que si A tiene un rengln de ceros y B es cualquier matriz parli
la que AB est definido, entonces AB tambin tiene un rengln de ceros.
b) Encuentre un resultado semejante que comprenda una columna de ceros.
9. Suponga que A es cualquier matriz de m X n y que O sea la matriz de m X n
para la que cada uno de los elementos es cero. Demuestre que si kA = O,
entonces k = O, o bien A = O.
10. Sea !la matriz de m X n cuyo elemento del rengln i y columnaj es
{ ~
si
si
i = j
i#j
Dem4estre que AI= lA = A para toda matriz A de n X n.
11. Se dice que una matriz cuadrada es una matriz diagonal, si todos los elementos
que no estn en la diagonal principal son ceros. Demuestre que el producto de
matrices diagonales tambin es una matriz diagonal. Enuncie una regla para mul-
tiplicar matrices diagonales.
12. a) Demuestre que los elementos de laj-sima columna de AB son los elementos
del producto ABj, en donde Bj es la matriz formada a partir de la j-sima
columna de B.
b) Demuestre que los elementos del i-simo rengln de AB son los elementos
del producto AIB, en donde Al es la matriz formada por el i-simo rengln
deA.
_ ~ l , ~ , .' ....:. '
50 SISTEMAS DE ECUACIONES LINEALES Y MATRICES
1.5 REGLAS DE LA ARITMETICA MATRICIAL
Aun cuando muchas de las reglas de la aritmtica para los nmeros reales tambin se cum-
plen para las matrices, hay algunas excepciones ; una de las excepciones ms importantes
se presenta en la multiplicacin de matrices. Para los nmeros reales a y b, siempre se tiene
ab =: bao Esta propiedad a menudo se denomina ley conmutativa para la multiplicacin.
Sin embargo, en el caso de las mtrices, AB y BA no necesariamente son iguales. Es posible
que la igualdad no se cumpla por tres razones. Puede suceder, por ejemplo, que AB
est definido , pero BA no. Este es el caso si A es una matriz de 2 X 3 Y B una de 3 X 4.
Tambin puede suceder que tanto AB como BA estn defmidos, pero tengan tamaos dife-
rentes. Esta es la situacin si A es una matriz de 2 X 3 Y B una de 3 X 2. Por ltimo, como
se muestra en el ejemplo que sigue, se puede tener AB * BA, incluso si AB y BA estn
ambos definidos y tienen el mismo tamao.
Ejemplo 19
Considrense las matrices
B = G ~ J
Al multiplicar da
[
-1
AB = 11
De donde, AB *BA.
Aunque la ley conmutativa para la multiplicacin no es vlida en la aritmtica
matricial, muchas leyes conocidas de la aritmtica se cumplen para las matrices. En el
teorema que sigue se resumen algunas de las ms importantes,junto con sus denominaciones.
Teorema 2. Suponiendo que los tamaos de las matrices son tales que es posible efectuar
las operaciones indicadas, son vlidas las reglas que siguen de la aritmtica matricial:
(a) A + B = B + A
(b) A + (B + C) = (A + B) + C
(c) A(BC) = (AB)C
(d) A(B + C) = AB + AC
(e) (B + C)A = BA -l' CA
(f) A(B - C) = AB - AC
(g) (B - C)A = BA - CA
(h) a(B + C) = aB + aC
(i) . a(B - C) = aB - aC
(j) (a + b)C = aC -t-bC
(k) (a - b)C = aC - bC
(1) (ab)C = a(bC)
(m) a(BC) = (aB)C = B(aC)
(Ley conmutativa para la adicin)
(Ley asociativa para la adicin)
(Ley asociativa para la multiplicacin)
(Ley d istrib utiva)
(Ley distributiva)
REGLAS DE LA ARITMETICA MATRICIAL 51
Cada una de las ecuaciones de este teorema sostiene una igualdad entre matrices.
Para probar una de estas igualdades, es necesario demostrar que la matriz del primer miem-
bro tiene el mismo tamao que la matriz del segundo miembro, y que los elementos
correspondientes en los dos miembros son iguales. Como ilustracin, se probar (h) .
Algunas de las demostraciones restantes se dan como ejercicios.
Demostracin de (h). Puesto que el primer miembro comprende la operacin B + C, B
Y e deben tener el mismo tamao, por ejemplo m X n. Se deduce que a( B + e) y aB + ae
tambin son matrices de m X n y, por tanto, tienen el mismo tamao.
Sea lji cualquier elemento del primer miembro y rji el elemento correspondiente
del segundo. Para completar la demostracin, es necesario demostrar que lji = rjj. Si ajj '
bij y Cij son los elementos del i-simo rengln y j- sima columna de A, B Y e, respectiva-
mente, entonces, por las definiciones de las operaciones matriciales,
ji = a(b
ij
+ Cij ) y rij = ab
ij
+ aCij
Debido a que a(bjj + Ci/) = ab jj + aCij ' se tiene ljj = rij' 10 cual completa la demostra-
cina
Aunque las operaciones de adicin y multiplicacin de matrices se defmieron para
pares de stas, las leyes asociativas (b) Y (c) permiten denotar sumas y productos de tres
matrices, como A + B + e y ABe, sin introducir parntesis algunos. Esto queda justifi-
cado por el hecho de que no importa cmo se introduzcan los parntesis, las leyes asocia-
tivas garantizan que se obtendr el mismo resultado final. Sin entrar en detalles, se observa
que son vlidos resultados semejantes para sumas o productos que comprenden cuatro o
ms matrices. En general , dados cualquier suma o cualquier producto de matrices, se pue-
den colocar o quitar pares de parntesis en cualquier lugar dentro de la expresin, sin
afectar el resultado final.
Ejemplo 20
Como ilustracin de la ley asociativa para la multiplicacin de matrices, considrese
Entonces
de modo que
Por otra parte,
B =
(ABlC H ti] G

52 SISTEMAS DE ECUACIONES LINEALES Y MATRICES
de manera que
[
1 2] [18 15]
A(BC) = ~ ~ [ l ~ ~ ] = 4 ~ 3 ~
Por tanto, (AB) C =A (BC) , como lo garantiza el teorema 2(C).
Una matriz en la que todos los elementos son cero, tales como
[
O o O]
O O O ,
O O O
[OJ
se denomina matriz cero. Las matrices cero se denotan por O; si es importante hacer
hincapi en el tamao, se escribe Om Xn para la matriz cero de m X n.
Si A es cualquier matriz y O es la matriz cero con el mismo tamao , es obvio que
A + O = A . La matriz O desempea casi la misma funcin en esta ecuacin matricial que el
nmero en la ecuacin numrica a + O = a.
Como ahora ya se sabe que algunas de las reglas de la aritmtica para los nmeros
reales no son vlidas en la aritmtica de las matrices, sera aventurado suponer que to-
das las propiedades del nmero real cero se llevan a las matrices cero. Por ejemplo, con-
sidrense los dos resultados estndar que siguen de la aritmtica de los nmeros reales :
i) Si ab = ac ya #= 0, entonces b = c. (Esta se conoce como ley de cancelacin.)
ii) Si ad = 0, entonces al menos uno de los factores de la izquierda es O.
Como se muestra en el siguiente ejemplo, los resultados correspondientes son falsos en
la aritmtica matricial .
Ejemplo 21
Considrense las matrices
A = [ ~ ~ J
B=G !]
Aqu
AB = AC = [! :]
Aunque A #= 0, es inco"ecto cancelar laA de ambos miembros de la ecuacinAB = AC y
escribir B = C. Por tanto, la ley de cancelacin no se cumple para las matrices.
Tambin, AD = 0, sin embargo, A #= y D #= 0, de modo que el resultado (ii) que
se lista en prrafo anterior no se lleva a la aritmtica matricial.
REGLAS DE LA ARITMETICA MATRICIAL 53
A pesar de estos ejemplos negativos, cierto nmero de propiedades conocidas
del nmero real O se llevan hacia las matrices cero. En el teorema que sigue se resumen
algunas de las ms importantes; las demostraciones se dejan como ejercicios.
Teorema 3. Suponiendo que los tamaos de las matrices son tales que se pueden efectuar
las operaciones indicadas, las siguientes reglas de la aritmtica matricial son vlidas.
(a) A + O = O + A = A
(h) A - A = O
(e) O-A=-A
(d) AO = O: OA = O
Como aplicacin de estos resultados de la aritmtica matricial, se probar el teorema
que sigue, el cual se anticip con anterioridad en el texto.
Teorema 4. Todo sistema de ecuaciones linru/es no tiene soluciones, tiene exactamente
una solucin, o bien, una infinidad de soluciones.
Demostracin. Si AX = B es un sistema de ecuaciones lineales, exactamente una de las
siguientes afirmaciones es verdadera: (a) el sistema no tiene soluciones, (b) !'JI sistema tiene
exactamente una solucin, o bien, (e) el sistema tiene ms de una solucin. Se completa
la demostracin si se puede probar que el sistema tiene una infinidad de soluciones en el
caso (e).
Supngase que AX = B tiene ms de una solucin y que Xl y Xl son dos solucio-
nes diferentes. Por tanto, AX
I
= By AX
2
= B. Al restar estas ecuaciones daAX
I
- AX
2
= O, o bien, A(X - X
2
) = O. Si se hace que X
o
= Xl - X
2
y k es cualquier escalar,
entonces
A(.\'I + /':.\'0) = AX
1
+ A(/.:X
o
)
= A.\'I + /.:(AX
o
)
= 8 + kO
= 8 + ()
=8
Pero con esto se afirma que X + k X o es una solucin de AX = B. Ya que existe una in-
finidad de valores que puede tomar k, AX = B tiene una infinidad de soluciones .
En especial interesantes son las matrices cuadradas que tienen puros 1 en la diago-
nal principal y O en todas las dems posiciones, tales como
[
1 O O]
O 1 O,
O O 1
[
1 O O 01
O 1 O O
O O 1 O'
O O O 1
etc.
Una matriz de este tipo se denomina matriz identidad y se denota por l. Si es im-
portante hacer hincapi en el tamao, se escribe In para la matriz identidad de n X n.
54 SISTEMAS DE ECUACIONES LINEALES Y MATRICES
Si A es una matriz de m X n, entonces, como se ilustra en el ejemplo que sigue,
AIn = A Y ImA = A. Por consiguiente , una matriz identidad desempea casi la misma
funcin en la aritmtica matricial que el nmero 1 en las relaciones numricas a 1 = 1
a = a
FJemplo 22
Considrese la matriz
Entonces
y
A = [a!!
a
2
!
1
2
A = [1 0J [a!!
1 a
2
!
A13 = [a
ll
a2!
Si A es una matriz cuadrada cualquiera y si es posible hallar una matriz B tal que
AB = BA = 1, entonces se dice que A es inversible y B se conoce como inversa de A.
Ejemplo 23
La matriz
B = [ ~ ~ J
es una inversa de
puesto que
AB = [ 2
- 1 - ~ J [ ~ ~ J = [ ~ ~ J = 1
Y
BA = [ ~
5J[ 2 -5J=[1
~ J = 1
2 -1 3 O
FJemplo 24
La matriz
A ~ [ ~
4
~ ]
5
6
REGLAS DE LA ARITMETICA MATRICIAL 55
no es inversible. Para ver por qu, sea
una matriz cualquiera de 3 X 3. Por lo visto en el ejemplo 18 la tercera colurT:!!'l de BA es
Por tanto,
[
1 O 0J
BA #- l = O 1 O
O O 1
Resulta razonable preguntar si una matriz inversible puede tener ms de una inversa.
El teorema que sigue indica que la respuesta es no: una matriz inversible tiene exactamen-
te una inversa.
Teorema S. Si tanto B como C son inversas de la matriz A, entonces B = C.
Demostracin. Supuesto que B es una inversa de A, BA = /. Al multiplicar por la derecha
ambos miembros por C da (BA) C = IC = C. Pero (BA) C= B(AC) = BI= B, de modo
queB= C. I
Como consecuencia de este importante resultado, ahora se puede hablar de "la"
inversa de una matriz inversible. Si A es inversible, entonces su inversa se denota por
medio del smbolo A _ 1 . Por consiguiente
~ - '1' ...-- -t
..
... - : -__ 1.:.
La inversa de A desempea casi la misma funcin en la aritmtica matricial que la desem-
peada por el recproco a-
1
en las relaciones numricas aa-
I
= 1 Y a-
1
a = 1.
Ejemplo 2S
Considrese la matriz de 2 X 2
A=[: !]
56 SISTEMAS DE ECUACIONES LINEALES Y MATRICES
Si ad - bc :#: O, entonces
A-
1
_ 1 [d
- ad - bc -e
-ad: bcl
ad - bJ
dado que AA - 1 = 1
2
yA - 1 A = 1
2
(verifquese). En la siguiente ecuacin se muestra
cmo encontrar las inversas de las matrices inversibles cuyos tamaos son mayores que
2 X 2.
Teorema 6. Si A Y B son matrices inversibles del mismo tamao, entonces
a) AB es inversible
b) (ABr
1
=B-
1
A-
1
Demostracin. Si se puede demostrar que (AB) (B- 1 A -1 ) = (B-
1
A -1 ) (AB) = 1, ento n
ces se habr establecido simultneamente que AB es inversible y que (AB r 1 = B-
1
A -1
Pero (AB) (B-
1
A-
1
) =A(BB-
1
) A -
1
=AIA-
1
=AA-
1
=1. Anlogamente, (B-
1
A-
1
)
(AB) =1 .
Aun cuando no se probar, este resultado se puede extender hasta incluir tres o
ms factores. Por tanto, es posible enunciar la siguiente regla general :
Ejemplo 26
Considrense las matrices
A = G ~ J
AB = [ ~ ~ J
Al aplicar la frmula dada en el ejemplo 25, se obtiene
Tambin
-;J [ 3 -2J = [ : - ~ J
2 -1 1 - 2 2
Por consiguiente, (AB r
1
= B-
1
A -1 , segn lo garantiza el teorema 6.

REGLAS DE LA ARITMETICA MATRICIAL 57
Si A es una matriz cuadrada y n es un entero positivo, se define
Si , adems, A es inversible, se define
Teorema 7. Si A es una matriz inversible, entonces:
a) A -1 es inversible y (A - 1 r
1
= A.
b) A"esinversibley(A"r
1
=(A-
1
)"paran=O,1,2, ....
e) Para cualquier esca/ardiferentede cero k, kA es in versib le y (kAr
l
=tA-1
Demostracin.
a) Dado que AA- 1 =A -1 A =l, A -1 es inversible y (A -1 r
1
=A.
b) Esta parte se deja como ejercicio.
e) Si k es cualquier escalar diferente de cero, los resultados (1) y (m) del teorema 2
permiten escribir
De modo ana10go G A -1) (kA) = l, de manera que kA es inversible y (kA r
1
= A-
1
I
Se concluye esta seccin con la siguiente observacin: si A es una matriz cuadrada y
r y s son enteros, entonces son vlidas las conocidas leyes de los exponentes que siguen:
Las demostraciones se dejan como ejercicios.
EERCICIOS 1.5
l. Sean
B = [ ~ ~ J
ti = - 3 h = 2
68
SISTEMAS DE ECUACIONES LINEALES Y MATRICES
Demuestre que
(a) A + (B + C) = (A + B) + C
(e) (a + b)C = aC + bC
(b) (AB)C = A(BC)
(d) a(B - C) = aB - aC
2. Utilizando las matrices y los escalares del ejercicio 1, demuestre que
(a) a(BC) = (aB)C = B(aC) (b) A(B - C) = AB - AC.
3. Aplique la frmula dada en el ejemplo 25 para calcular las inversas de las
SIguientes matrices :
A = [ ~ ~ J C = [ ~ ~ J
4. Verifique que las matrices A y B del ejercicio 3 satisfacen la relacin (ABr 1
=B-1A-
1
.
5. Sean A y B matrices cuadradas del mismo tamao. Es (ABl = A
2
B
2
una
identidad matricial vlida? Justifique la respuesta .
6. Sea A una matriz inversible cuya inversa es
Encuentre la matriz A.
7. Sea A una matriz inversible y suponga que la inversa de 7A es
[
-1 2J
4 -7
Encuentre la matriz A.
8. Sea A la matriz
Calcule A 3 , A - 3 , Y A 2 - 2A + l .
9. Sea A la matriz
Determine si A es inversible y, si lo es, encuentre su inversa. (Sugerencia.
Resuelva AX = / igualando los elementos correspondientes de los dos miembros.)
10. Encuentre la inversa de
[
cos O sen oJ
_ - sen O cos O
REGLAS DE LA ARITMETICA MATRICIAL
59
11. aJ Encuentre las matrices A y B de 2 X 2 tales que
b J Demuestre que, si A y B son matrices cuadradas tales que AB = BA, en-
tonces
(A + B)2 = A 2 + 2AB + B
2
cJ Halle un desarrollo de (A + B/ que sea vlido para todas las matrices
cuadradas A y B que tengan el mismo tamao.
12. Considere la matriz
f
~ l l
A = .
O O O
en donde aa22 . .. a
nn
'*- O. Demuestre que A es inversible y encuentre su
inversa.
13. Suponga que A es una matriz cuadrada que satisface A 2 _ 3A + 1= O. Demuestre
que A - = 31 - A.
14. aJ Demuestre que una matriz con un rengln de ceros no puede tener una
inversa.
b) Demuestre que una matriz con una columna de ceros no puede tener una
inversa.
15. Es necesariamente inversible la suma de dos matrices inversibles?
16. Sean A y B matrices cuadradas tales que AB = O. Demuestre que A no puede
ser inversible a menos que B = O.
17. En el teorema 3, porqu no se pudo escribir el inciso (dJ como AO = 0= OA?
18. La ecuacin real a
2
= 1 tiene exactamente dos soluciones. Encuentre al menos
ocho matrices diferentes de 3 X 3 que satisfagan la ecuacin matricialA
2
= 13'
(Sugerencia. Busque soluciones en las que todos los elementos que no estn en
la diagonal principal sean cero.)
19. Sea AX = B cualquier sistema consistente de ecuaciones lineales y supngase
que X es una solucin fija. Demuestre que toda solucin para el sistema se pue-
de escribir en la forma X = X + X o, en donde X o es una solucin para AX = O.
Demuestre tambin que toda matriz de esta forma es una solucin.
20. Aplique los incisos (dJ y (mJ del teorema 2 a las matrices A, By ( - 1) Cpara
deducir el resultado del inciso ([J.
21. Demuestre el inciso (bJ del teorema 2.
22. Demuestre el teorema 3.
23. Demuestre el inciso (cJ del teorema 2.
24. D.emuestre el-inciso (bJ del teorema 7.
25. Considere las leyes de los exponentes ArAs = Ar+ s y (Ar Js = Ars.
aJ Demuestre que si A es cualquier matriz cuadrada, estas leyes son vlidas
para todos los valores enteros no negativos de r y s.
60 SISTEMAS DE ECUACIONES LINEALES Y MATRICES
b) Demuestre que si A es inversible, entonces estas leyes se cumplen para
todos los valores enteros negativos de r y s.
26. Demuestre que si A es inversible y k es cualquier escalar diferente de cero, en-
tonces (kA)n == k
n
A n para todos los valores enteros de n .
27. a) Demuestre que siA es inversible y AB == AC entoncesB == C.
b) D una explicacin de por qu el inciso (a) y el ejemplo 21 no se contra-
dicen entre s.
28. Demuestre: Si R es una matriz cuadrada en la forma escalonada en los renglones
reducida y si R no tiene renglones cero, entonces R == I.
1.6 MATRICES ELEMENTALES Y UN METODO PARA HALLAR A-
1
En esta seccin se desarrolla un esquema o algoritmo sencillo para encontrar la inversa de
una matriz inversible.
Definicin. Se dice que una matriz de n X n es una matriz elemental si se puede obtener
a partir de la matriz identidad de n X n realizando una sola operacin elemental sobre los
renglones.
Ejemplo 27
A continuacin se listan cuatro matrices elementales y las operaciones que las producen:

O O


O

(;v)
O

. [1

(ii)
O O
(1) O
(iii) 1 1
O 1
O O
O
Multipl quese el lntercmbiense
3 .. "",
Mu\tiplq uese el
segundo rengln el segundo y cuarto tercer rengln de primer rengl n
de 1, por - 3 renglones de l. 1, al primer rengln del, porl
Cuando se multiplica por la izquierda una matriz A por una matriz elemental E, el
efecto es el de realizar una operacin elemental sobre los renglones en A. Este es el conte-
nido del teorema que sigue, el cual se enuncia sin demostracin.
Teorema 8. Si la matriz elemental E resulta al efectuar cierta operacin sobre los renglo-
nes en 1m Y si A es una matriz de m X n, entonces el producto EA es la matriz que resulta
al efectuar la misma operacin sobre los renglones en A.
En el siguiente ejemplo se ilustra esta idea.
Ejemplo 28
Considrese la matriz
A
O 2
3]
-1 3 6
4 4 O
-1
MATRICES ELEMENTALES Y UN METOCO PARA HALLAR A
y considrese la matriz elemental
(
1 O 0J
E = O 1 O
3 O 1
61
que resulta al sumar 3 veces el primer rengln de 13 al tercer rengln. El producto EA es
O
- 1
4
2
3
10
que es precisamente la misma matriz que resulta al sumar 3 veces el primer rengln de A
al tercer rengln.
OBSERVACION. El teorema 8 es principalmente de inters terico y se aplicar para desa-
rrollar algunos resultados acerca de las matrices y los sistemas de ecuaciones lineales.
Desde el punto de vista del clculo, es preferible efectuar las operaciones sobre los ren-
glones directamente, en lugar de multiplicar por la izquierda por una matriz elemental.
Si se aplica una operacin elemental sobre los renglones a una matriz identidad 1
para producir una matriz elemental E, entonces existe una segunda operacin sobre los
renglones que, al aplicarse a E, reproduce l . Por ejemplo, si se obtiene E al multiplicar el
i-simo rengln de 1 por una constante diferente de cero e, entonces es posible recobrar
1 si se multiplica el i-simo rengln de E por l/c. En la figura lA se listan las diversas
posibilidades.
M ultipI q uese el rengln i
por e 1=0
Intercmbiense los renglones
i y j
Smese e veces el rengln i
al renglnj
Figura 1.4
Multiplquese el rengln
i por l/e
Intercmbiense los renglones
y j
Smese -e veces el rengln i
al rengln j
Las operaciones que estn a la derecha en esta tabla se denominan operaciones
inversas de las operaciones correspondientes que estn a la izquierda.
Ejemplo 29
Si se aplican los resultados que se dan en la figura lA, las tres primeras matrices elemen-
tales que se dan en el ~ e m p l o 27 se pueden llevar nuevamente a matrices identidad al
aplicar las siguientes operaciones sobre los renglones: multiplicar el segundo rengln de
(i) por .- 1/3 ; intercambiar el segundo y cuarto renglones de (ii) ; sumar - 3 veces el tercer
rengln de (iii) al primer rengln.
62 SISTEMAS DE ECUACIONES LINEALES Y MATRICES
El teorema que sigue da una importante propiedad de las matrices elementales.
Teorema 9. Tockz matriz elemental es inversible y la inversa tambin es una matriz
elemental.
Demostracin. Si E es una matriz elemental, entonces se llega a E llevando a cabo alguna
operacin sobre los renglones en l. Sea Eo la matriz que se obtiene al realizar la inversa de
esta operacin en l. Al aplicar el teorema 8 y teniendo en cuenta el hecho de que-las
operaciones inversas sobre los renglones cancelan el efecto de cada una de las otras, se
deduce que
EoE = 1 y EEo = 1
Por tanto, la matriz elemental Eo es la inversa de E. I
Si es posible obtener una matriz B a partir de una matriz A, efectuando una suce-
sin finita de operaciones elementales sobre los renglones, entonces, obviamente, se puede
regresar de B hacia A, llevando a cabo las inversas de estas operaciones, en orden inverso.
Las matrices que se pueden obtener una de la otra por medio de una sucesin finita de
operaciones elementales sobre los renglones, se dice que son equivalentes respecto a los
renglones.
El teorema que sigue establece algunas relaciones fundamentales entre las matrices
de n X n y los sistemas de n ecuaciones lineales en n incgnitas. Estos resultados son
sumamente importantes yse aplican muchas veces en secciones posteriores.
Teorema..lO. Si A es una matriz de n X n, entonces las siguientes proposiciones son equi-
valentes, es decir, todas son verdaderas o todas son falsas.
a) A es inversible.
b) AX = O tiene nicamente la solucin trivial.
c) A es equivalente respecto a los renglones a In .
Demostracin. Se prob ar la equivalencia al establecer la cadena siguiente de implicaciones:
a) =>b) => c) => a).
a) ~ B): Supngase que A es inversible y que X
o
es cualquier solucin para AX = O. Por
consiguiente , AX
u
= O. Al multiplicar los dos miembros de esta ecuacin por A - 1 se ob-
tiene A - 1 (AX
o
) = A - 1 O, o bien (A - 1 A)X
o
= O, o bien,IX
o
= O, o bien X
o
= 0.. Por tan-
to, AX = O slo tiene la solucin trivial.
b) => c): Sea AX = O la forma matricial del sistema
(1.6)
MATRICES ELEMENTALES Y UN METODO PARA HALLAR A-
l
63
y supngase que el sistema nicamente tiene la solucin trivial. Si se resuelve por la elimi-
nacin de Gauss-Jordan, entonces el sistema de ecuaciones correspondiente a la forma
escalonada en los renglones reducida de la matriz aumentada ser
Xl
=0
X2 =0
(1.7)
X
n
= O
Por consiguiente, la matriz aumentada
r
a12
a
ln
!J
a21
a
22
a2n
anl a n2
a
nn
para (1. 6) se puede reducir a la matriz aumentada
l O O O O
O 1 O O O
O O O O
O O O O
para (1.7), por una sucesin de operaciones elementales sobre los renglones. Si se descarta
la ltima columna (de ceros) en cada una de estas matrices, es posible concluir que se pue-
de reducir A hacia In por una sucesin de operaciones elementales sobre los renglones;
es decir, A es equivalente respecto a los renglones a In.
e) ~ a): Supngase que A es equivalente respecto a los renglones a In, de modo que es
posible llevar A hacia In por una sucesin finita de operaciones elementales sobre los ren-
glones. Por el teorema 8 es posible realizar cada una de estas operaciones multiplicando
por la izquierda, por una matriz elemental apropiada. Por tanto, se pueden encontrar las
matrices elementales El, E
2
, .. , Ek tales que
(1.8)
Por el teorema 9, El, E
2
, . , Ek son inversibles. Al multiplicar los dos miembros de la
ecuacin (1.8) por la izquierda, sucesivamente por Ek/ , ... , Ei
l
, E
l
l
se obtiene
(1.9)
Dado que (I .9) expresa a A como un producto de matrices inversibles, se puede concluir
que A es inversible. I
64
SISTEMAS DE ECUACIONES LINEALES Y MATRICES
OBSERV ACION . Como In est en la forma escalonada en los renglones reducida y ya que
sta para una matriz A es nica, el inciso (e) del teorema 10 es equivalente a afirmar
que In es la forma escalonada en los renglones reducida de A.
Como primera <ij>licacin de este teorema, se establecer un mtodo para determinar
la inversa de una matriz inversible.
La inversin del primero y segundo miembros de (I .9) da A -1 ::: Ek . . . E2E , o
lo que es equivalente,
(1.10)
con lo cual se afirma que es posible obtener A -1 al multiplicar In sucesivamente por la
izquierda, por las matrices elementales El, E
2
, .. . , Ek' Puesto que cada multiplicacin
por la izquierda, por una de estas matrices elementales, realiza una operacin sobre los
renglones, se concluye, al comparar las ecuaciones (1.8) y (l.l O), que la sucesin de
operaciones sobre los renglones que reduce A hacia In, reducir In hacia A - . Por tanto,
para hallar la inversa de una matriz inversible A, debe encontrarse una sucesin de opera-
ciones elementales sobre los renglones que reduzca A hacia la identidad y, a continuacin,
efectuar esta misma sucesin de operaciones sobre In para obtener A - . En el sigui(!nte
ejemplo se da un mtodo sencillo para llevar a cabo este procedimiento.
Ejemplo 30
Encuntrese la inversa de
2
5
O
]
Se desea reducir A hacia la m.atriz identidad por operaciones sobre los renglones y, simul-
tneamente, aplicar estas operaciones a 1 para producir A - . Se puede realizar esto,
adjuntando la matriz identidad a la derecha de A y aplicando las operaciones sobre los
renglones a ambos lados, hasta que el lado izquierdo se reduce a l. Entonces la matriz final
tendr la forma [IIA -1 J. Los clculos se pueden realizar como sigue:
[i
2 3
5 3
O 8
[ ~
2
.g
1 -3
-2 5
[ ~
2 3
1 -3
O -1
1
O
O
1
- 2
-1
I
1
I
I
-2 I
I
i. -5
O
1
O
O
1
O
O
1
2
~ ]
~ ]
~ ]
Se sum -2 veces el primer renl:!n
al segundo y -1 vecOlS el primer
rengln al tercero
Se sum 2 veces el segundo
rengln al tercero
MATRICES ElEMt;NTALES y UN METOOO PARA MALLAR A-
1
65

"
3 O

.
1 - 3 -2 1
Se multiplic el tercer
rengln por -1.
O 5 -2

2 O \ -14 6
-:]
sum 3 veces el tercer
O
I
13 -5
rengln al segundo y -3
I
veces el tercer rengln al
I
O
I
5 -2 -1
primero.
I
[
O O \ -40 16

1 O
I
13 -5
Se sum -2 veces el segundo
O
I
rengln a1.primero
I
O O
I
5 -2
-1
I
Por tanto,

16

A - =
13 - 5
5 -2 -1
A menudo no se sab r con anterioridad si una matriz dada es inversible. Si se intenta
el procedimiento aplicado en este ejemplo sobre una matriz que no es inversible, entonces,
por el inciso (e) del teorema 10, ser imposible reducir el lado izquierdo hacia 1 por ope-
raciones sobre los renglones. En algn paso del clculo, se Presentar un rengln de ceros
en el lado izquierdo; entonces se puede concluir que la matriz dada no es inverslble y
detener los clculos.
31
Considrese la matriz

-1 2 5
Al aplicar el procedimiento del ejemplo 30 da

6 4
4 -1
2 5
[
6 4
O -8 -9
O 8 9
[
1 6 4
O -8 -9
O O O
1
O
O
-2
1
-2
-1
O
1
O
O
1
O
O


Se sum -2 veces el primer
rengln al segundo y el
primero al tercero.

Se sum el segundo
rengln al tercero.
66
SISTEMAS DE ECUACIONES LINEALES Y MATRICES
Puesto que se ha obtenido un rengln de ceros en el lado izquierdo, A no es inversible.
Ejemplo 32
En el ejemplo 30 se demostr que
2 3]
5 3
O 8
es una matriz inversible . Con base en el teorema lO se puede concluir ahora que el sistema
de ecuaciones
Xl + 2xz + 3x
3
= O
2x
l
+ 5xz + 3x
3
= O
Xl + 8X3 = O
tiene nicamente la solucin trivial.
EJERCICIOS 1.6
1. Cules de las que siguen son matrices elementales?
(a) [ ~ ~ J
(b) [ ~
~ J
(e) [ ~ ~ J
(d) [ ~
1 0]
[:
1
!l
O O (e) O
O 1 O
[
-:]
(g) [l
O
0]
O
(f)
O O
1 1 O
O
O O 1
2. Determine la operacin sobre los renglones que llevar la matriz elemental
dada hacia una matriz identidad.
(a) [ ~ ~ J
(e) [l
MATRICES ELEMENTALES Y UN METODO PARA HALLAR A-
67
3. Considere las matrices
[
1 2 3]
A = 4 5 6
789
[
7 8 9]
B = 4 5 6
123
Encuentre las matrices elementales E , E
2
, E 3 Y E4 tales que
(a) EA=B
4. En el ejercicio 3' es posible encontrar una matriz elemental E tal que EB = C?
Justifique la respuesta.
En los ejercicios 5-7, aplique el mtodo mostrado en los ejemplos 30 y 31 a fn de
encontrar la inversa de la matriz dada, si la matriz es inversible.
5. (a) [ ~
~ J
(b) [ - ~
- ~ J
(e) [ _!
- ~ J
[
4
-:]
IblU
J
lel [i
O
~ ]
6. (a) O 4
5 - 4 2
[
6
]
H
O
:1
[J
1
-1]
5
(d) 7 (e)
(O
1
5
7
1
10
[ "
v1
~ ]
Ib{
O O
~ J
(el []
11 7
-!J
V2
2 O 1 4
7. (a)
- ~
Ji
2 4 - 2 8
O
2 4
O O
8. Demuestre que la matriz
es inversible para todos los valores de e y encuentre A - 1 .
9. Considere la matriz
A = [ ~ ~ J
a) Encuentre las matrices elementales E y E tales que EEIA' = l.
b) Escriba A - 1 como un producto de dos matrices elementales.
e) Escriba A como un producto de dos matrices elementales.
10. Efecte las operaciones sobre los renglones que siguen
58
SISTEjV1AS PI" y MJ!,TFIICI:S
sobre
A = [ - 1
35 5
multiplicando A por la izquierd&, por una n&triz elemental apropiada. En cada
caso, vt:rifique la respuesta llevando a cabo la operacin sobre los di-
rectamente sobre A.
a) Intercambie el primero y ter::er renglones.
b; Multiplique el rengln por 1/3 .
r) Sume el del segundo rengln al prin1ero.
11. Exprese la matriz
3
- 5
1
3
7
en la forma A = EFR, en donde E y F SO!) matrices elementales y R est4 en la
forma escalonada en los renglones .
12. Demuestre que si
,1 O 0]
A = lO 1 O
a b e
es una matriz elemental, entonces al menOS un elemento del tercer rengln
debe ser un cero.
13. Encuentre la inversa de cada una de las matrices de 4 X 4 siguientes, en donde
k 1, k
2
,.k
3
, k4 Y k son todas diferentes de cero.
[
kl O O 0-'
O k
2
O O
(a) O O k3 O J
O O O k4
[
O
O
(b) O
k4
[
k O 01
1 k O
(e) O 1 k 0J
O O 1 k
14. Pruebe que si A es una matriz de m X n, existe una matriz inversible e tal que
CA est en la forma escalonada en los renglones reducida.
15. Pruebe que si A es una matriz inversible y B es equivalente respecto a los ren-
glones a A entonces B tambin es inversible.
1.7 RESULTADOS ADICIONALES ACERCA DE LOS SISTEMAS DE
ECUACIONES Y LA INVERSIBILlDAD
En esta seccn se establecen ms resultados acerca de los sistemas de ecuaciones lineales
y la inversibilidad de las matrices. Lo que se vea conducir a un mtodo para resolver n
ecuaciones en n incgnitas, que es ms eficaz que la eliminacin g;lllssiana, para ciertos
tipos de problemas.
RESULTADOS ADICIONALES DE los SISTEMAS DE ECUACIONES 69
Teorema 11. Si A es una matriz irtversible de n X n, entonces para cada matriz B di! n Xl,
el sistemd de ecuaciones AX = B tiene exactamente una solucin. a saber, X = A -1 B.
Dernostrdcin. PuestO' que A( A -1/1) == B, X = A -1 B es una sO'lucin de AX = B. Para
dertlO'stta:t que sta: es la nica sO'lUcln, se supO'ndr que X
o
es una sO'lucin arbitraria y,
a continuacin, se demostrar que X
o
debe ser la sO'lucin A -1 B.
Si X
d
es cua:lquier solucin, entO'nces AX
o
= B. Al multiplicar IO's dO's miembros
por A -1 , se tt15tiene X
o
= A - 1 B:
EjemPl 33
Cnsidere l sisterna de eeUaciO'nes lineales
x j + 2 + 3.\ 3 = 5
2x
1
+ 5X1 + 3.\3 = 3
Xl + 8.\'3 = 17
En la: f(jrni matricial. este sistema se puede eScribir come AX = B, en dO'nde
[
1 :2 3] [Xl] [ 5J
A = y = .:: B =
En el ejemplO' 30 se dettidstt6 q116 A es lnversible y que
[
-40
A-
1
=
Por el teO'fema 11. la selucin del sistema es
16
-5
- 2
16
-5
_1

- 1
- [ = r -
-1 17 L 2
La tcnica que S ifustr en este ejemplO' slO' se aplica cuandO' la matriz de ceefi-
cientes A es cuadrada, es decir, cuando el sistema tiene tantas ecuacienes cerne incgnitas.
Sin e'mbargO', rtnichO's problemas de la ciencia y la ingeniera cemprenden sistemas de este
tipO' . Ei mtO'de eS til en particular cuandO' eS necesariO' resolver una serie cempleta de sis-
temas
AX= 13
1
, AX= 13
2
"", AX= Bk
70
SISTEMAS DE ECUACIONES LINEALES Y MATRICES
cada uno de los cuales tiene la misma matriz cuadrada de coeficientes A. En este caso, se
pueden obtener las soluciones
X= A -lBI,X= A -IB
2
, ... , X= A - IB
k
aplicando una inversin de matrices y k multiplicaciones de matrices. Este procedimiento
es ms eficaz que el de aplicar por seprado la eliminacin gaussiana a.. cada uno de los k
sistemas.
Se har un parntesis para ilustrar en qu forma puede surgir esta situacin en las
aplicaciones. En ciertos problemas de aplicacin, se consideran sistemas fsicos que pueden
describirse como cajas negras. Este trmino indica que se ha despojado al sistema de todo
lo superfluo y se contemplan sus caractersticas esenciales. Como se ilustra en la figura
1.5, uno se imagina simplemente que si se aplica cierta entrada al sistema, entonces se
Figura 1.5
Sistema
(Caja negra)
Salida
obtendr de l determinada salida. La forma en que funciona el sistema internamen-
te se desconoce o no tiene importancia para el problema - de ah el nombre de caja negra.
En el caso de muchos sistemas importantes de caja negra, es posible describir matemtica-
mente tanto la entrada como la salida en forma de matrices que tienen una sola columna. Por
ejemplo, si la caja negra consta de cierta circuitera electrnica, entonces la entrada podra
ser una matriz de n X 1 cuyos elementos fuesen n voltajes ledos a travs de determinadas
terminales de entrada, y la salida podra ser una matriz de n X 1 cuyos elementos fuesen
las corrientes resultantes en n alambres de salida. Hablando matemticamente, un sistema
de este tipo hace nada ms que transformar una matriz de entrada de n X 1 en una matriz de
salida de n X 1. Para una clase grande de sistemas de caja negra, una matriz de entrada C
est relacionada con la matriz de salida B por medio de una ecuacin matricial
AC= B
en donde A es una matriz de n X n cuyos elementos son parmetros fsicos determinados
por el sistema. Un sistema de este tipo es un ejemplo de lo que se conoce como sistema
[isico lineal. En las aplicaciones, a menudo es importante determinar qu entrada se debe
aplicar al sistema para lograr una determinada salida deseada. Para un sistema fsico lineal
del tipo que acaba de describirse, esto equivale a resolver la ecuacin AX = B para la
entrada X desconocida, dada la salida B que se desea. Por tanto, si se tiene una sucesin
de matrices de salida diferentes B 1, .. . , B
k
, Y se desea determinar las matrices de entrada
que producen estas salidas dadas, ser necesario resolver sucesivamente los k sistemas ,de
ecuaciones lineales
AX= BI j = 1, 2, .' " k
cada uno de los cuales tiene la misma matriz cuadrada A de coeficientes.
RESUL TADOS ADICIONALES ACERCA DE LOS SISTEMAS DE ECUACIONES 71
El teorema que sigue simplifica el problema de demostrar que una matriz es inversi-
ble. Hasta ahora, para demostrar que una matriz A de n X n es inversible, era necesario
encontrar una matriz B de n X n tal que
AB= 1 y BA = 1
El teorema que sigue a continuacin muestra que si se produce una matriz B de n X n que
satisfaga cualquiera de las dos condiciones que se dan, entonces la otra condici6n :;e cum-
ple automticamente.
Teorema 12. Sea A una matriz cuadrada.
a) Si B es una matriz cuadrada que satisface BA = 1, entonces B = A -1.
b) Si B es una matriz cuadrada que satisface AB = 1, entonces B = A -1
DemostracilI. Se probar (a) y se dejar (b) como ejercicio.
a) Supngase que BA = 1. Si es posible demostrar que A es inversible, se puede com-
pletar la demostracin al multiplicar los dos miembros de BA = 1 por A - 1 para
obtener
BAA - 1 = lA - 1 o BI= lA - 1 o B = A -1
para demostrar que A es inversible. basta con demostrar que el sistema AX = O tiene
nicamente la solucin trivial (vase el teorema 10). Sin embargo, si se multiplican por
la izquierda ambos miembros de AX = O por B, se obtiene BAX = BO, o bien, IX = O,
o bien, X = O. Por tanto, el sistema de ecuaciones AX = O tiene solamente la solucin
trivial. I
Ahora se est en condiciones de agregar una cuarta proposicin que equivale a las
tres dadas en el teorema 10.
Teorema 13. Si A es una matriz de n X n, entonces las proposiciones que siguen son
equh'alelltes:
a) A es i/ll'ersible.
b) AX = O tielle nicamente la solucin trivial.
e) A es equil'alente respecto a los renglones a In.
d) AX = B es consistente para toda matriz B de n X 1.
DemostracilI. Puesto que se prob en el teorema 10 que (a), (b) Y (e) son equivalentes,
bastar con probar que (a) =* (d) Y (d) =* (a).
a) =* d): Si A es inversible y B es cualquier matriz de n Xl, entonces X = A - 1 B es una
solucin de AX = B, segn se afirma en el teorema 11. Por tanto, AX = B es consistente.
d) =* a): Si el sistema AX = B es consistente para toda matrizB de n Xl, entonces, en
particular. los sistemas
12 SIStl:MAS DE ECUACINES LINEALS Y MATRICES
1 O
~ l
O 1
AX= O AX= O .. . , AX=
IJ
O O
sern consistentes. Sea XI una solucin del primer sistema, X 2 -una solucin del segundo
sistema, ... , y X
n
una solucin del ltimo sistema, y frmese una matriz e de ti X ti que
tenga estas soluciones como columnas. Por tanto, e tiene la forrla
C= [XI x.]
Como se analiz en el ejemplo 18, las columnas sucesivas del prdducto AC sern
Por tanto,
1 O O
O 1 a
AC = [AX
1
AX
2
AX.] = O o O =1
o o
Con base en el inciso (b J del tememli 12, se G{1r1s1uye que e:: A -l. Por consiguiente, A
es ifiversible. I
Posteriormente en este libro, el problema fundamental que sigue se presenta repeti-
damente eft varios contextos.
Un problema !ufldtJfnental. Sea A trna matriz fija de m X n.l-:IlleflS todas las matrices B
de m X 1 tales que el sistema de ecua'Ciones AX = B sea OOI1sistcnte.
Si A es una matriz inversible, el teorema 11 resuelVe este problema por completo
al afirmar que, pata toda matriz B de m Xl, AX = B tiene la solucin nica X = A - 1 H.
Si A no es cuadrada, o siA es cuadrada pero no inversib le , entonces no se aplica ~ I teorema
11. En estos casas, sera conveniente poder determinar Qu condiCiones, si las hay, debe
satisfacer la matriz B para que AX = B sea consistente. En el ejemplo que sigue se ilustra
cmo se puede aplicar la eliminacitt gauSSiami a fin de determinar esas condiciones.
FJemplo 34
Qu condiciones deben satisfacer b
1
, 6
2
y b
3
para que el sistema de ecuaciones
XI + .x2 + 2X3 = b
.t} + .x} =b
2
2x} + X2 + 3 ' ~ 3 = b
3
RESUL fADOS ADICIONALES ACERCA DE lOs SISTEMAS DE ECUACIONES 13
sea consistente?
Solucin. La matriz aumentada es
que se puede llevar a la forma escalonada en tos renglones de la manera siguiente:

1 2
b, ]
Sol sum6 - 1 veces el primer
-1 -1 b
2
- b
tenllltllll segundo y - 2
veces el primefo al tt!tc:!!t.
- 1 -1 &3 - 2b!

2
b, ]
,t
1 1 b - b
2
Se rtll,lltil'lic& ei segundo
rengldrt por - t.
-1 - 1 b
3
- 2b!
P
1 2
b, ]
1 1 b! - b
2
Se Sl1trt6 el segurtdo tengill
al tt!rcer.
LO
O O b
3
-b
2
-b{
Ahora es evidente, con base en lo exptesado en el tercer rengln de la matriz, que el
sistema tiene una solucin si, y slo si l b
1
, b
2
Y ha sat isfllcen la
o bien,
Para expresar esta condicin de otra maneta, AX = jJ es cotlslsfettte si y sl(j si /J es tina
matriz de la fortna
en donde b Y b
2
son arbitrarios.
EJERCICIOS 1.7
En los ejercicios 1- 6, resuelva el sistema aplicando el mtodo del ejemplo 33,
t. X ) + 2X2= 7
2x , + SX
2
= - 3
3. x ) + 2x 1 + 2x 3 = - I
)( 1+ 3x2+ Xj = 4
x , + :h
2
+ 2 X3 = )
2. :h - 6X2 = H
2x + SX2 = J
4, 2_'1:, + X 2 + X.l = 7
J Xl + 2 X2 + x
3
= - 3
5
74 SISTEMAS DE ECUACIONES LINEALES Y MATRICES
5. !x + h + !z = 1
!x + h - ~ z = 2
- tx + foY + foz = O
6. 3w + x + 7)' + 9z = 4
w + x + 4)' + 4z = 7
-IV -2y - 3z=0
-2w - x - 4y-6z=6
7. Resuelva el sistema
X + 2x 2 + X 3 = b
X - X2 + X3 = b
2
X+ X
2
= b
3
cuando
(a) b = - 1, b
1
= 3, b
3
= 4
(e) b = - 1, b
1
= - 1, b
3
= 3
(b) b = 5, b
1
= O, b
3
= O
(d) b = t, b
1
= 3, b
3
= +
8. Qu condiciones deben satisfacer las b para que el sistema dado sea consistente?
(a) X - X
2
+ 3X3 = b
3x - 3X1 + 9X3 = b
1
-2x + 2x
1
- 6X3 = b
3
9. Considere las matrices
2
2
-2
(b) 2x + 3.\'2 - X3 + X
4
= b
X+5X2+ X3 - 2x*=b
2
-Xl + 2X2 + 2X3 - 3.\"4 = b
3
3x + X2 - 3X3 + 4x
4
= b*
y
a) Demuestre que la ecuacin AX = X se puede reescribir como (A - l ) X = O
Y aplique este resultado a fin de resolver AX = X para X.
b) Resue1vaAX= 4X.
10. Sin usar lpiz y papel, determine si las matnces siguientes son inversibles.
(,)[
1 - 3
J
(b) r
1 4
-;]
5 4 O 2
O 1 O 1
O O O O
Sugerencia. Considere los sistemas homogneos asociados
2x + X l - .h
3
+ .Y* = ()
5x
2
+ 4x, + Jy* = O
x .I + 2x .. = ()
:h .. = 0
y
5X + -'"2 + 4-,".I + -'" .. = ()
2-'".1 - -'" .. = O
-'".1 + -'" .. = ()
7-," .. = O
11. Sea AX = O un sistema homogneo de n ecuaciones lineales en Il incgnitas que
tiene nicamente la solucin trivial. Demuestre que si k es cualquier entero
RESUL TADOS ADICIONALES ACERCA DE LOS SISTEMAS DE ECUACIONES 75
positivo, entonces el sistema A k X = O tambin tiene solamente la solucin trivial.
12. Sea AX = O un sistema homogneo de n ecuaciones lineales en n incgnitas y
suponga que Q es una matriz inversible. Demuestre que A X = O slo tiene la so-
lucin trivial si, y slo si, (QA) X = O tiene nicamente la solucin trivial.
13. Demuestre que una matriz A de n X n es inversible si, y slo si, es posible escri-
birla como un producto de matrices elementales.
14. Use el inciso (a) del teorema 12 a fin de probar el inciso (b).
EJERCICIOS SUPLEMENTARIOS
1. Aplique la eliminacin de Gauss-Jordan para despejar x' y y' en trminos de
x y y.
3 f 4 I
X = S"X - S"y
Y = ~ x ' + ~ y '
2. Aplique la eliminacin de Gauss-Jordan para despejar x' y y' en trminos de
x y y .
x = x' cos () - y' sen()
y = x' sen () + y' cos ()
3. Una caja que contiene monedas con las denominaciones de un centavo, cinco
centavos y diez centavos tiene 13 de ellas con un valor total de 83 centavos.
Cuntas monedas de cada tipo hay en la caja?
4. Halle los enteros positivos que satisfagan
x+y+z=9
x + 5y + IOz = 44
5. Para cul valor, o cules valores, de a el sistema siguiente tiene cero, una y una
infinidad de soluciones?
6. Sea
X
1
+X2+ X3= 4
X3 = 2
(a
2
- 4) X3 = a - 2
la matriz aumentada para un sistema lineal. Para cules valores de a y b el
sistema tiene
a) una solucin nica;
b} una solucin uniparamtrica;
76
SiSTEMAs He ECUAi(jNES LINEALES Y
e) una solucin bipararnttica
d) ninguna solucin?
'7. Halie una mattiz K tal que Al( 11 :::::: e dada que
A= ;].
o 0J
1 - 1 '
C= 6 - 1 1
[
8 6 -6]
1 -2 - 4 O O
8. Si A es de nt :x ti y B de ti X Ti, cuntas opetacidhS de multiplicacin y cUn-
tas de dicit'i se para calcular el prddutd de matrices A E 7
9. Sea A un matfiz cuadrada.
(l j Detnuestrequ(I - A)_i:: I+A +A
2
+A
3
, Si A
4
:: a.
b) Detnestreque(I - A)-l:: I+A +A
2
+ . . . +An , siAn+i:: O.
10. Halle los valorlls de , b Y c de modo que la grfica del poliriotnio p(x ):::: ax
2
+ bx + e pase por los p'Untos (1 , 2) , (- 1, 6) Y (2, 3).
11. (Pia los lectores qUe hayan estudiado Clculo.) Encuentte los valores de a, h y
c de modo que 1a grfica del pdlinonio p(x) :: dX
2
+ bx + e pase por el punto
(-1, O) Y tenga dna: tangente 1o'fiznfl ett (2
1
- 9).
12. Pruebe que si A es un. mtriz de iri )< rt Y B es la matriz d n X 1 para la cual
cada: U110 de sus elri'leh ts es 1 In 1 Ntonces
Ti
l
Ttl
AB = T",
en donde r eS el promedio de los elementos del i-sirrl rengln de A.
13, (Par los lectores 4e hayan estudiado Clculo.) S'i
[
CI I (X) CI2(X) . . CI>'(\':J]
C (x) C ( x) . .. e (xl
C = 2 1 ' 22 . 2n
Cm: (xl ,,)
en donde e
ji
(x J es una funcin difetenciab'le de x , ent oTics s defirie
Demuestre que; si los elementos en A y E son furidiones difetenciatJleS de x y el
pr09licto AB est definido,
(/ el dB
- (A Bl = -- B +A -
lis eI.x eI.\1
2
De termnan tes
L4 FUNCION PETEFUIIllNANl'E
El lector ya (}Onoce fungiones qomo j{x) = sen x y f(x) = Xl, as cuales asocian un nlrnero
realf(x) con un valor real de la. x, Dado Ql1\ltanto x cumo f(x) toman
valores real!ls, se PIJeder describir funciones corno fUllciones de valor real de una varia-
ble real. En esta seccin se inicia el estudio de funciones con valor r!lal d!l una variable
matricial , es decir., que asocian un nmero relf(X) con una matriz X. Blobjetivo
principal es el estudio de una de esas funciones denominada fUilclon determinante. LQ
que se haga sobre la fun.cin determinnte tendr aplj(;aciones importantes a la teora de
los sistemas deecuaciores lineales y tambin conduoir a una frmula ex:plcita para la in-
versa de una matriz inversible .
Antes de poder definir la funcin determinante, es necesario establecer algunos re-
sultados referentes a las permutaciones .
Definicjn. Una permutacifl del conjunto de enteros {l , 2, .. . , n } es un arreglo de es-
t os enteros en cjerto orden, sin ornisio1es o repeti ciones .
Ejemplo 1
Hay seis diferentes del conjunto de enteros {l, 2, }; stas on
(1 , 2, 3)
(1,3, 2)
(2, 1, 3)
(2, 3, 1)
(3, 1,2)
(3, 2, 1)
Un mtodo conveniente para listar en forma sistemtica las permutaciones es usar
un rbol de permutaciones. En el ejemplo siguiente se ilustra este mtodo.
Ejemplo 2
Lstense todas las permutaciones del conjunto de enteros {l, 2,3,4 }.
Solucin. Considrese las figura 2.l. Los cuatro puntos marcados 1, 2, 3,4 que estn en
la parte superior de la figura representan las elecciones posibles para :1 primer nmero de la
77
78 DETERMINANTES
permutacin. Las tres ramas que emanan de estos puntos representan las elecciones posi-
bles para la segunda posicin en la permutecin. Por tanto , si la permutacin se inicia (2,
-, --, - ), las tres posibilidades para la segunda posicin son 1, 3 Y 4. Las dos ramas que
emanan de cada punto en la segunda posicin representan las elecciones posibles para la
tercera . As entonces, si la permutacin se inicia (2, 3, -, -), las dos elecciones posibles
para la tercera posicin son 1 y 4. Por ltimo, la nica rama que emana de cada punto en
la tercera posicin representa la nica eleccin posible para la cuarta . Por consiguiente,
si la permutacin se inicia (2,3,4, - ), la nica eleccin para la cuarta posicin es l. Aho-
ra es posible listar las diferentes permutaciones, recorriendo todas las trayectorias posibles
a travs del "rbol", desde la primera posicin hasta la ltima. Por medio de este proceso
se obtiene la siguiente lista :
(1,2,3,4) (2,1,3,4) (3,1,2,4) (4,1,2,3)
(1,2,4,3) (2, 1,4,3) (3,1,4,2) (4,1,3,2)
(1,3,2,4) (2 , 3, 1, 4) (3,2,1,4) (4,2,1,3)
(1,3,4,2) (2,3,4,1) (3,2,4,1) (4,2,3,1)
(1,4,2,3) (2 , 4,1,3) (3,4,1,2) (4 , 3,1,2)
(1,4,3,2) (2,4,3,1) (3,4,2, 1) (4,3,2,1)
Al observar este ejemplo se ve que hay 24 permutaciones de {1, 2, 3,4 }. Se pudo
haber anticipado este resultado, sin listar realmente las permutaciones, por medio de la ar-
gumentacin que sigue. Como es posible llenar la primera posicin de cuatro maneras y, a
continuacin, la segunda posicin de tres maneras, existen 4 3 maneras para Henar las
primeras dos posiciones. Ya que entonces se puede llenar la tercera posicin de dos mane -
ras, se tienen 4 3 2 maneras para llenar las tres primeras posiciones. Por ltimo, puesto
que entonces se puede llenar la ltima posicin slo de una manera, existen 4 3 2 1
= 24 maneras para llenar las cuatro posiciones. En general, el conjunto {1, 2, ... , n} ten-
dr n (n -- 1) (n -- 2) 2 1 = n! permutaciones diferentes .
Para denotar una permutacin general del conjunto {I, 2, . .. , n } , se escribir O"
i2 , -. . , in)' Aqu, i I es el primer entero de la permutacin, i 2 es el segundo , etc. Se dice
que ocurre una inversin en una permutacin 01, i2 , ... , in)' siempre que un entero ma -
yor precede a uno menor. Se puede obtener el nmero total de inversiones que ocurren
en una permutacin de la manera siguiente : 1) se encuentra el nmero de enteros que son
menores que i I Y que siguen a i 1 en la permutacin; 2) se encuentra el nmero de enteros
que son menores que i2 y que siguen a i2 en la permutacin. Se contina con este proceso
de . conteo para h, . . . , in _ l. La suma de estos nmeros ser el nmero total de inver-
siones en la permutacin.
Figura 2.1
LA FUNCION DETERMINANTE
Ejemplo 3
Determnese el nmero de inversiones en las permutaciones siguientes:
(i) (6, 1, 3, 4,5 ,2) (ii) (2, 4, 1 , 3)
(i) El nmero de inversiones es 5 + O + 1 + 1 + I = 8.
(ii) El nmero de inversiones es 1 + 2 + O = 3.
(iii) En esta permutacin no existen inversiones.
(i) (l, 2, 3, 4)
79
Definicin. Se dice que una permutacin es por, si el nmero total de inversiones es un en-
tero par, y se dice que es impar, si el nmero total de inversiones es un entero impar.
En la tabla que aparece a contin uacin se clasifican las diversas permutaciones de {I , 2, 3 }
como pares o impares .
Permutacin
(1,2, 3)
(1,3, 2)
(2, 1,3)
(2,3, 1)
(3, 1, 2)
(3, 2, 1)
Considrese la matriz n X n
Nmero d.e
inversiones
O
2
2
3
a
l
2
a 2 l
A= .
f""
a 22
a
nl
a
n2
Clasificacin
par
impar
impar
par
par
impar
Por producto elemental tomado de A se entiende cualquier producfo de n elemen -
tos tomados de A, sin que dos cualesquiera de ellos provengan del misrro rengln o la mis-
ma columna .
Ejemplo 5
Lstense todos los prod uetos elementales tomados de las matrices
DH!:RNlINANTI;S
O) Ya que cada prodllcto elemental dos factores, y como cada fctor proviene de
un rengln un producto puede escribir en la forma
en donde con los guiones se designan nmeros correspondientes a las columnas, Supuesto
que ningllno de los dos factores del producto provienen de la misma
de coluJl1na deben ser L2_ 2_ 1-.:.
y a12
a
21'
ji) Puesto que cada producto elemental tiene tres faytores, cada Uno de los cuales provie-
ne de un rengln se puede escribir un producto elemental en la forma
Y que dos fijctores del producto no deben provenir de la nism, columna, los nmeros
de columna no tienen repeticiones; como consecuencl! deben formar una permutacin del
conjunto {l, 2, 3 }. Estas 3! =6 permutaciones cond\.lCen a la siguiente Iist;l de prodllctos

al I a22
C
!) 3
a
ll
'!23(/32
al2
a
21
a
33
a"a2:a31
(/13
a
21(/32
aI3a 22(/31
Como se seala en este ejemplo, una matri: A de n X n tiene n! prodllctos elemen-
tales. Esto son los productos de la forma , - , anin' en donde (jI ,j." .. ,jn) es
una permutacin del conjunto {I, 2, , .. ,n }. Se denomina Pro(1ucTo elemenfq/ {.'vn signo
rorna(1o de A a un producto elemental aljl 'a2i2 . .. anin multiplicado por + l Q bien, -l.
Se utiliza el + si VI'!2" " ,jll} es un permutacin par y el - siVI,j2" " ,jn)esuna
permutacin impar.
Ejemplo 6
Lstense todos los productos elementales con signo de las matrices:
[""
(/12
a,,]
(i) [a
ll
(/12J
(ii) (/21
422 a23
a21
(/22
a31 a32 a33
(i) Producto
Producto Permutacin ekmental
elemental
asoci{lc!{l Par Q impar con signo
a
ll
a22
(I,2) par
a
ll
a22
a l 2
a
ll
(2, 1)
impar
- (/12(/21
LA FUNCiON oeTERMINANTE 81
(ii)
Producto
Producto Permutacin elemental
elemental asociada Par o mpar con signo
a
11
a
22
a3
3
(1,2,3) par
[/ll
a
22
a
33
a
11
[/23
a
32
(1 , 3, 2) impar - a
11
a23a 32
a
12
[/21
a
33
(2, 1, 3) impar -[/12
a
2 1[/33
a
1
2[/23
a
31
(2, 3, 1) par
a
1
2
a
23[/31
a l 3
a
21
a
32
(3, 1, 2) par
a 13
a
21
a
32
a
13
a
2
2
a
3 1
(3, 2, 1) impar
-a
I
3
a
22[/31
Ahora se tiene ya la posibilidad de definir la funcin determinante.
Defin.icin. Sea A una matriz cuadrada. La funcin determinante se denota por det, y se
define det (A) como la suma de todos los productos elementales con signo tomados de A.
Ejemplo 7
Con referencia al ejemplo 6, se obtiene
(i) det [. a
11
a21
(
' ') d [a
11
. et a
21
a31
Es til disponer de las dos frmulas de este ejemplo para su uso posterior. Sin em-
bargo, a fin de evitar la memorizacin de estas pesadas expresiones, se sugiere recurrir a los
artificios mnemnicos que se ilustran en la figura 2.2. La primera frmula del ejemplo 7
se pbtiene a partir de la figura 2.2a, multiplicando los elementos por los que pasa la fle-
cha que apunta hacia la derecha y restando el producto de los elementos por los que pa-
sa la flecha que apunta hacia la izquierda. La segunda frmula del ejemplo 7 se obtiene
copiando la primera y segunda columnas como se muestran en la figura 2.2b. Entonces
el determinante se calcula al sumar los productos correspondientes a las flechas que apun-
tan hacia la derecha y restar los productos correspondientes a las flechas que apuntan hacia
la izquierda.
(a)
Figura 2.2
82
Ejemplo 8
Evalense los determinantes de
y
Al aplicar el mtodo de la figura 2.2a da
2
5
- 8
det(A) = (3)( - 2) - (1)(4) = - 10
Al aplicar el mtodo de la figura 2.2b da
DETERMINANTES
det(B) = (45) + (84) + (96) - (lOS) - ( - 48) - ( - 72) = 240
Observacin. Se debe hacer hincapi en que los mtodos que se describen en la figura 2.2
no funcionan para determinantes de matrices de 4 X 4 o mayores.
La evaluacin de los determinantes directamente a partir de la definicin crea difi-
cultades de clculo. De hecho, la evaluacin directa de un determinante de 4 X 4 com-
. prendera el clculo de 4! = 24 productos elementales con signo, y un determinante de 10
X 10 comprendera lO! = 3 628 800 productos elementales con signo. Aun la ms rpida
de las computadoras digitales actuales no puede manejar el clculo de un determinante de
25 X 25 con este mtodo, en una cantidad prctica de tiempo . Por tanto, la mayor parte
del resto de este captulo se dedica a desarrollar propiedades de los determinantes que sim-
plificarn su evaluacin.
Se concluye esta seccin haciendo notar que el determinante de A a menudo se es-
cribe simblicamente como
en donde L indica que se deben sumar los trminos sobre todas las permutaciones (j 1 , J2'
.. . , in) y se selecciona + o - en cada trmino , segn la permutacin sea par o impar. Una
notacin alternativa para el determinante de una matriz A es lA 1, en lugar de det (A) . En
esta notacin, el determinante de la matriz A del ejemplo 8 se puede escribir
'I!
11 = - lO
- 2
LA FUNCION DETERMINANTE 83
EJERCICIOS 2. 1
1. Encuentre el nmero de inversiones en cada una de las siguientes permutacio-
nesde {l,2,3,4,5}.
(a) (34 1 5 2)
(d) (1 2 3 4 5)
(b) (4 2 5 3 1)
(e) (1 3 5 42)
(c) (5432 1)
(f) (2 3 5 4 1)
2. Clasifique cada una de las permutaciones del ej ercicio 1 como par o impar .
En los ejercicios 3- 10 evale el deter minante.
3. 1 1
~ I
4 1 ~
:1
1-
1
- ~ I
1"-1
, , ~ 31
5.
6. 4
- 1 -8
I - 2 7 8 2 - 1 O 3 k - 3 9
7. 3 5 1 8. - 3 4 -6 9. 4 O - 1 10. 2 4 k + 1
4 3 8 7 2 2 8 6 k
2
3
11 . Halle todos los valores A para los que det (A) = O.
[
i - I - ) J
(a) A = ' . -
1 l . - 4
[
i. - 6 O
(b) A = O i.
O 4
O 1
- 1
i. - 4
12. Clasifique cada permutacin de {l , 2, 3, 4 } como par o impar.
13. Utilice los resultados del ejercicio 12 para construir una frmula para el deter-
minante de una matriz de 4 X 4.
14. Use la frmula que se obtuvo en el ejercicio 13 para evaluar
15. Aplique la definicin de determinante para evaluar
O O O O I O 4 O O
~ I
O O O 2 O O O O 2
(a) O O 3 O O (b) O O 3 O O
O 4 O O O O O O O 1
5 O O O O 5 O O O O
16. Pruebe que si una matriz cuadrada A tiene una columna de ceros, entonces det
(A) = O ..
84
2.2 EVALUACION DE LOS DETERMINANTES POR
REDUCCION EN LOS RENGLONES
En esta seccin se muestra que hay la posibilidad de evaluar el determinante de una matriz
reducindola a la forma escalonada en los renglones. La importanca de este mtodo radi-
ca en el hecho de que evita los largos clculos relacionados con la aplicacin directa de la
definicin de determinante.
Primero se consideran dos clases de matrices cuyo determinante se puede evaluar
con facilidad , sin importar el tamao de la matriz.
Teorema 1. Si A es cualquier matriz cuadrada que contiene un rengln de ceros, enton-
ces det(A) = O.
Demostracin. Ya que un producto elemental con signo tomado de A contiene un factor
de cada rengln de A, todo producto elemental con signo contiene un factor del rertgln de
ceros y, como consecuencia, tiene valor cero . Ya que det (A) es la suma de todos los pro-
ductos elementales con signos, se obtiene det (A) = O. I
Se dice que una matriz cuadrada es triangular superior si todos los elementos que
est n debajo de la diagonal principal son ceros . De modo anlogo, se di ce que una matriz
cuadrada es triangular inferior si todos los elementos que estn arriba de la diagonal prin-
cipal son ceros. Una matriz que se menciona simplemente como trianguJr puede ser supe- .
rior o inferior.
Ejemplo 9
Una matriz triangular superior general de 4 X 4 tiene la forma
QI2 a
l
3 a14]
a 22 a23 a24
O Q33 a 34
O O a
4
4
Una matriz iriangular inferior general de 4 X 4 tiene la forma
Ejemplo 10
Evalese det (A), en donde
O O
Q2 2 O
a32 a33
Q42 Q43
PI; LOS DETERMINANTES REDUCCION EN LOS RENGLONES 85
(/ 31 (/ 33
Q"l Q43
El nico producto elemental tomado de A que puede ser diferente de cero es a 11422 a 33a44 .
Para ver esto, considrese un producto elemental tpico aljla2;2a3j 3a4j4' Supuesto que
a12 = a 13 = a 14 = O, debe tenerse ji = 1 para tener un producto elemental diferent e de ce-
ro, Si ji T I, se debe tener j2 =1= 1, dado que dos factores cualesquiera no pueden prove-
nir de l.a misma columna. Adems, como (lB =a24 = O, se ha de tener j2 = 2 para tener un
producto diferent e de CerO. Al continuar de est.a manera , se obtiene h = 3 Y j4 = 4. Ya
que alla72a33a 44 se mult iplica por +1 al formar el producto elemental con signo , se ob-
tiene
E$ posible aplicr un argumento semejante al que acaba de presentarse, a cualquier
m!triz triang\.llar, para l1egi)r al general siguiente:
Teorema 4. Si A es Ul/a matriz triangular de 11 X 11, .entonces det (A) es .el producto de los
elementos de la dillgonal prill(:ipl; es decir, det (A) =gllqn a/
V
) ,
Ejemplo 1}
,
7 - 3 S 3
-
O - 3 7 5 1
O O 6 7 6 = (,2)( - 3)(6)(9)(4) = - 1296
O O O 9 8
O O O O 4
En el teorema que sigue se muest ra en qu forma una operacin elemental sobre los
renglones de una matriz afecta el valor de su determinante.
Teor.ema 3. Sea A cualquier matriz de n X n.
(a) Si A ' es la matriz que se obtiene cU{lndo un solo renglf)/1 de A se multiplica por una
cOll stante k, entonces det (A') =k det (A) .
(b) Si A' es la matriz que se obtiene al intercambiar dos renglones de A, entonces det
(A ') =- det (A) .
(c) Si A ' es la matriz que se obtiene al sumar un mltiplo de uno de los renglones de A a
otro rengln, entonces det (A ') =det (A).
Se onte la demost racin (vase el .ejercicio 15).
86
Ejemplo 12
Considrense las matrices
2
1
2
A, ~ [ ~
8
1
2
A
3
=
H
DETERMINANTES
1 ~ ]
A, ~ [:
:]
2
2
2
J]
- 3 2
2 1
Si se evalan los determinantes de estas matrices por medio del mtodo usado en el ejem-
plo 8, se obtiene
det(A) = -2, det(A
I
) = -8, det(A
2
) = 2, det(A)= - 2
Obsrvese que A 1 se obtiene al multiplicar el primer rengln de A por 4 ;A
2
al intercam-
biar los dos primeros renglones; y A 3 al sumar - 2 veces el tercer rengln de A al segundo.
Como lo predice el teorema 3, se tienen las relaciones
det(A tl = 4 det(A)
det(A
2
) = - del(A) y det(A
3
) = det(A)
Ejemplo 13
La proposicin (a) del teorema 3 tiene una interpretacin alternativa que a veces es til. Es-
te resultado pennite extraer un "factor comn" de cualquier rengln de una matriz cua-
drada hacia afuera del signo de detenninante. Como ilustracin, considrense las matrices
[
a
ll
A = a 2 1
a31
l
all
B = ka 2 1
a31
en donde el segundo rengln de B tiene un factor comn de k. Puesto que B es la matriz
que resulta al multiplicar el segundo rengln deA por k , la proposicin (a) del teorema 3
anrma que det (B) = k det (A); esto es,
a
l
3 a
ll
ka 2 3 = k (/ 2 1
(11 2
a 2 2
Ahora se plantea un mtodo alternativo para evaluar los determinantes, que evita la
gran cantidad de clculos relacionados con la aplicacin directa de la definicin de deter-
minante. La idea bsica de este mtodo es aplicar las operaciones elementales sobre los
EVALUACION DE LOS DETERMINANTES POR REDUCCION EN LOS RENGLONES 87
renglones, a fin de reducir la matriz dada A hacia una matriz R que est en la forma esca-
lonada en los renglones. Puesto que una forma escalonada en los renglones de una matriz
cuadrada es triangular superior (ejercicio 14), es posible evaluar det (R) aplicando el teo-
rema 2. Entonces se puede obtener el valor de det (A) al aplicar el teorema 3 para relacio-
nar el valor desconocido de det (A) con el cJnocido de det (R) . En el ejemplo siguiente
se ilustra este mtodo.
Ejemplo 14
Evalese det (A) , en donde
1
- 6
6
Solucin. Al reducir A a la fomla escalonada en los renglones y aplicar el teorema 3, se
obtiene
o 1
- 1
,
)
.'
det( A) =
,
- 6 9 - O
.'
')
6
')
-
[1
1
,
- .'

1 5
6
1 2
O 1 5
O 10 -5
1
_ 1

O 1 5
O O - 55
1
- ')
= - 55) O 1
O O
= = 165
-6 9
1
6
5
Se intercambian el primero
y segundo renglones de A.
Se extrajo del signo de det un factor de 3
del primer rengln de la matriz precedente
(vase el ejemplo 13).
Se sum - 2 veces el primer rengln
de la matriz precedente al tercer
rengln.
,
.'
5
Se sum 10 veces el segundo rengln
de la matriz precedente al tercer
rengln.
se extrajo del signo de det
un factor comn de SS . del
ltimo rengln de la matriz
precedente.
OBSERVAClON . El mtodo de reduccin en los renglones resulta apropiado para la evalua-
cin de determinantes con computadora debido a que es sistemtico y se programa con
facilidad. Sin embargo, para clculos a mano, a menudo son ms sencillos los mtodos que
se desarrollan en secciones subsiguientes.
Ejemplo 15
Evalese det (A) , en donde
88 PE'TERMINANTES
A
3 - 2
iJ
6 - 4
9
4
1 3 -2 4
O O O O
se sum 2
det(A) = 3
9 1
5
primer rengln
4
si
de A al segundo. 1
No se necesita reducir ms ya que, por el teorema 1, se deduce que de! (A) = O.
Con base en este ejemplo debe ser evidente que, siempre que una matriz cuadrada
tenga dos renglones proporcionales (corno el primero y segundo r,englones de A), es po
.sible introducir un rengln de ceros al sumar un mltiplo apropiado de uno de estos ren-
al otro . Por consiguiente, si una matriz cuadrada lienedos renglones proporcionalcs,
su determinante es cero.
Ejemplo 16
Cada una de las matrice.s Siguientes tiene dos renglones proporcionales; por tanto, por sim-
ple observacin se concluye que cada una tiene un determinante cero.
-1 4
-51
-2 5 2
,
8 4 ,
3 - 12 15 ,
EJERCICIOS 2.2
l. Evale por observacin los siguientes determinantes :
!2
.-40
,Q
O

i7'
(al,o
,- 9 - 1 O
i I.l (b !
I2 7

,.o .o .3
,
4
5 7
1 2 3 3 -1 2
{,e) 3 7 6 (d) 6 - 2 4
2 .J 7 3
En los ejercicios 2 al 9, eyale los determinantes de las matrice.s dadas, reducindolas a
una forma escalonada en los renglones.
[
2 3 7]
2. ' ,Q 0-3
1 -2 7
3. 2
1 3 O'
EVALU4CION PE ,,"OS DETERMINANTES POR REDUCCI ON EN ,,"OS RENGLONES !'lit
H
- 2
:]
H
- 4
-]
4. 5 5. 7
- 3
[-:
6 9

7.[
1 3

O 1 O
6.
3 2
2 1
-1 - 2 -2 '2
[-1
1-

3 5 r
1
2
- 2

O -4 2
1
O
8.
"2
9,
1- 1-
O O 1 O
3 3
O O 2
.l.
3
O O O
[
d e f]
(a) det 9 h i
a b e
(b) det
- g - h -1
[
a+d b+ e
le) det d e
9 h
[
a b e ]
(d) det d - 3a e - 3b f - 3c
. 2g '2h 2i
11. Aplique la reduccin en los nmglones para demostrar que
1
a h (' = (b - (1)( C - (1)( e - b)
a
2
h
J
('2
12. Aplique \ln argumento COmO el que se da en el ejempio 10 para demostrar que
(a) do< [:
O
",,]
a22 a 23 =;;o - aI 3a 22,l/31
l/. 3 1 aH 11 3 3
[0
O O
""J
O O
,(/2 3 a24
(b det
= aI4a 2)a
32
u
41
O
aH 1133 U J4
(/41
U
4
3
U
44
13 .. Pruebe que el teorema l es verdadero cuando se reemplaza la palabra "rengln"
por "column,a".
90
DETERMINANTES
14. Pruebe que una forma escalonada en los renglones de una matriz cuadrada es
triangular superior.
15. Pruebe los siguientes casos especiales del teorema 3.
" 21
a22 a2J
a
11
0
1
2 a
1
3
(b) a
11
a
12
a
13
= -
" 2 1
a22 a 23
l/3 1 a 32
a
33
l/ 3 1 a32 a33
a
11
+ Ka2 1 a
1
2 + k a22 a
1
3 + ka 23
la
11
a
12
a
1
3
(e) a
2 1
a
22
a23 = (/2 1 a22 Q:!3
a3 1 a32 a33 1(/ 31 a32 a 33
2.3 PROPIEDADES DE LA FUNCION DETERMINANTE
En esta seccin se desarrollan algunas de las propiedades fundamentales de la funci n deter-
minante_ Lo que aqu se haga proporcionar alguna perspectiva adicional respecto a la rela-
cin entre una matriz cuadrada y su determinante. Una de las consecuencias inmediatas
de este material ser una import ante prueba con un determinante en relacin con la in-
versibilidad de una matriz.
Si A es cualquier matriz m X n, entonces la transpuesta de A se denota por A t Y se
define como la matriz de n X m cuya primera columna esel primerrengln deA , su segunda
columna es el segundo rengln de A , su tercera columna es el tercer rengln deA , etc.
Ejemplo 17
Las transpuestas de las matri ces
[
2 3]
B = ~ :
[
a
11
A = (/ 2 1
(/ 3 1
e = [1 3 5]
PROPIEDADES DE LA FUNCION DETERMINANTE 91
son
B'=G 4

Suponiendo que los tamaos de las matrices son tales que se pueden efectuar las
operaciones, la operacin transpuesta tiene las propiedades que siguen (vase el ejercicio
13):
Propiedades de la operacin transpuesta.
(i) (A')' = A
(ii) (A + m' = A' + B'
(iii) (kA)' = kA', "en donde k es cualquier escalar
(iv) (AB)' = B' A'
Recurdese que el determinante de .una matriz A de n X n se define como la suma
de todos los productos elementales con signo tomados de A . Puesto que un producto .ele-
mental tiene un factor tomado de cada rengln y uno tomado de cada columna, es obvio
que A y A t tienen precisamente el mismo conjunto de productos elementales. Aun cuando
se omiten los detalles, se puede demostrar que A y A t tienen en realidad los mismos pro-
ductos elementales con signo; esto conduce al teorema que sigue:
Teorema 4. Si A es cualquier matriz cuadrada, entonces det (A) = det (A t).
En virtud de este resultado, casi todo teorema acerca de los determinantes que con-
tiene la palabra "rengln" en su enunciado, tambin es verdadero cuando se sustituye la
palabra "rengln" por "columna". A fin de probar una proposicin relacionada con las
slo se necesita transponer la matriz en cuestin para convertir la proposicin
acerca de las columnas en una referente a los renglones, y a continuacin aplicar el resul-
tado conocido correspondiente, respecto a los renglones. Para ilustrar la idea, supngase
que se desea probar que el intercambio de dos columnas de una matriz cuadrada A cam-
bia el signo de det (A). Se puede proceder como sigue: SeaA' la matriz que se obtiene al
intercambiar la columna r y la columna s de A. Por tanto (A'l es la matriz que se obtie-
ne al intercambiar el rengln r y el rengln s de A t. Por tanto ,
lo que prueba el resultado
delt A' ) = det(A' )'
- deltA')
- delt A)
(Teorema 4)
(Teorema 3b)
(Teorema 4)
Qj:TERMINANTES
Los que siguen ilustran varios hl;!chos respecto a los determinantes que de-
penden de relacionadas con las columnas de la matriz.
Por obsllrvacin: la matriz
H
- 2
8
- 4

3
tiene un determin<mte, Cl)ro, que la primera y segundil columnas son proporcionales.
Ejemplo 19
Calclese el determinante de
o
7
6
3
o
O
3
Se podra calcular este- determinante como antes, mediante la aplicacin de oPllraciones
elementlcs sobre los renglones para reducir A a una forma escalonada en los renglones. Por
otra parte, !le puede poner A en la forma triangular inferior en un Paso, sumado -3 ve-
ces la primera columna. a la cuarta., para obtener
dellAI
o
7
6
3
o
O
3
(1)(71(311 -261 - 546
-26J
Este ejemplo seala. que ;onviene no perder el !'! vista las operaciones sobre
las colmnas que puedan acortar los clculos.
Supngase que A y B son matrices de n X n 'j qUe k es cualquier Ahora se
consideran las relaciones posibles entre det (A), det (B) , y
det(kAl, delt A + Bl, Y det\,48)
Ya que es posible extraer del signo det un faetor comn de cllalquier rengln de una
matriz y supye.sto que cada uno de los n renglones de kA tiene un factor comn de k, se
obtiene
dCI(krl) = !;"dCI(A) (2,1 )
PROPIOAoES DE LA FUNCION DETERMINANTE
Ejemplo 20
Considrese las matrices
y
5.4 =
Por clculo directo det (A) == 4 Y det (5A) == 100. Esto concuerda con la relacin (i .!), l
cual afirma que det (5A) == 5
2
det (A) .
Desafortunadamente, en geeral, no existe relacin simple entre det (A), det (B) y
det (A + B) . En particular, es necesario hacer ntar que, por lo comn, dt (A + B) no es
igual a det (A) + det (B). El ejemplo siguiente ilustra este hecho.
Ejemplo 21
Considrese las matrices
A = G
B = ] [
4. 38 ' J
A + B = 3
Se tiene det (A) = 1, det (B) = 8 Y det (A + B) == 23; por tanto, dt (A + 13) =1= det
(A) + det (E).
A pesar de este resultado negativo, hay Una importante rehlcin refereiHe a las sUmas
de determinantes que con frecuencia resulta til. Corno ilustracin, considrense dos ma
trices de 2 X 2
[
(/11
A =
(/ 21
(/.1 2J
a l;!
y
que difieren nicamente en el segundo rengln. Con base en la fm1Ula del ejemplo 7, se
obtiene
Por tanto ,
det( A) + det( A' ) = (all(l2 2 - (/11(/ 2 d + -
= (/11(a
2
2 + - a
1
2(u21 + a d
det[(/11
a 2 1
l
-
d
(/11
= et
(/ 21+
U
'2 1
= del
(/12J . [ (/11
a 2 . (/ 21 + a 1
94 DETERMINANTES
Este ejemplo es un caso especial de resultado general que sigue:
Supngase que A, A' Y A" son matrices de n X n que difieren nicamente en un solo ren-
gln, por ejemplo, el r- simo, y que es posible obtener el r- simo rengln de A" al su-
mar los elementos correspondientes de los r- simos renglones de A y A'. Entonces
det (A" ) = det(A) + det(A' )
Se cumple un resultado semejante para las columnas.
Ejemplo 22
Evaluando los determinantes, el lector puede verificar que
det [ ~
1 + O
7
O
4 + 1
5] [1 7 5] [1
3 = det 2 O 3 + det 2
7 + (- 1) 1 4 7 O
7
O
Teorema 5. Si A Y B son matrices cuadradas del mismo tamao, entoncesdet (AB) =det
(A)det (B).
La elegante sencillez de este resultado, comparada con la compleja naturaleza tanto
de la multiplicacin matricial como de la definicin de determinante, es interesante y sor-
prendente. Se omite la demostracin.
Ejemplo 23
Considrense las matrices
B = [ - ~ ~ ] AB = [ ~
17]
14
Si tiene det (A) det (B) = (1) ( - 23) =- 23. Por otra parte, el clculo d recto muestra que
det (AB) = -23, de modo que det (AB) = det (A) det (B).
En el teorema 13 del captulo 1, se dieron tres proposiciones importantes que son
equivalentes a la inversibilidad de una matriz. El ejemplo siguiente ayuda a agregar otro
resultado a esa lista.
Ejemplo 24
El propsito de este ejemplo es demostrar que, si la forma escalonada en los renglones re-
ducida R de una matriz cuadrada no tiene renglones que const en completamente de ceros,
entonces R debe ser la matriz identidad. Se puede ilustrar este hecho considerando la ma-
triz de n X n que sigue
PROPIEDADES DE LA FUNCION DETERMINANTE 95
['"
1'12
1'21
/'22
R =
1':"
r
n2
En esta matriz, el ltimo rengln puede constar o no completamente de ceros. Si no consta
completamente de ceros, la matriz no contiene renglones cero y, como consecuencia, cada
uno de los n renglones tiene un elemento principal de l. Puesto que estos 1 principales se
presentan progresivamente cada vez ms hacia la derecha, a medida que se recorre la matriz
hacia abajo, cada uno de estos 1 debe estar en la diagonal principal. Ya que los otros ele-
mentos de la misma columna en el que se encuentra uno de estos 1 son cero, R debe ser
l. Por tanto , R tiene un rengln de ceros, o bien, R =1. I
Teorema 6. Una matriz cuadrada A es inversible si y slo si det (A) -=1= O.
Demostracin. Si A es inversible, entonces 1 = AA -1 de modo que 1 = det (l) = det (A) det
(A-
I
) . Por tanto , det (A) -=1= O. Inversamente, supngase que det (A) -=1= O. Se demostrar
que A es equivalente respecto a los renglones de 1, y, por consiguiente, se concluir con
base en el teorema 10 del captulo 1, que A es inversible. Sea R la forma escalonada en los
renglones reducida de A. Debido a que R se puede obtener a partir de A por medio de una
sucesin finita de operaciones elementales sobre los renglones, es posible encontrar las
matrices elementales El, E
2
, . .. , Ek tales que Ek E2EIA = R, o bien, A =E - I'E
2
- 1
Ek - 1 R.
Por tanto ,
det(A) = det(E 1
1
)det(E
z
1) , .. det(E; 1 )det(R)
Ya que se est suponiendo que det (A) -=1= O, con base en esta ecuacin se deduce que det
(R) -=1= O. Por consiguiente, R no tiene renglones cero, de modo que R =1 (vase el ejem-
plo 24). I
Corolario. Si A esinversible, entonces
- 1 1
det(A ) = det(A)
Demostracin. Ya que A -, A = 1, det (A -, A) = det (l); es decir, det (Xl) det (A) = 1. Su-
puesto que det (A) -=1= O, se puede completar la demostracin al dividir todo entre det (A) .'
Ejemplo 25
Dado que ei primero y tercer renglones de
son proporcionales, det (A) =0, Por tanto , A no es invcrsible.
98
DETeRMINANTES
EJERCICIOS 2.3
l. Encuentre las tanspuestas de
(e) [7 2]
2. Verifique el teorem 4 para
3. Verifique que det (AB) = det (A) det (8) cUndo
[
2 1 O]
A = 3 4 O
O O 2
y
[
1 ~ 1
B = ~ ~
4. Apque el teorma 6 para determinar cules de las matrices sigUientes son inver-
sibles.
S. Suponga que det (A) = S, en donde
[
a
A = :
Encuentre
(a) det(3A) (e) det((2A) - 1)
l
ra 9 el]
(d) det b h e
e 1 f
6. Sin evaluar directamente, demuestre que x = O Y x = 2 satisfacen
:2 I =
O 0 - 5
POR COfACTORE$; RE;GlA DE CRAMER
'1 . Sin evaluar directamente, demuestre que
[
b + e e + a
del a b
b + a]
e = O
1 I I
8. Para cul valor, o valores de k , A no es invesible?
[
k-3 -2J
(a) A = _ 2 k _ 2
[
l 2 4]
(b) A = 3 1 6 ..
!; 3 1
97
9. Suponga que A y E son matrices de n X n. Demuestre que si A es invel'sble, en-
tonces det (E) = det (A -1 EA ).
10. (ll) Encuentre una matriz A de 3 X 3 diferente de cero tal que A = A
t
.
(b) Halle una matriz A de 3 X 3 diferente de cero tal que A = - A t .
11 . Sea (Ji el elemento que est en el i- simo rengln y j-sima columna de A.
En cul rengln y cul columna de A
t
aparecer aj ?
12. Sea AX = O un sistema de n ecul ciones lineales en n incgnitas. Demuestre que
el sistema tiene una solucin no trivial si y slo si det (A ) = O.
13. Sean
[
(1
1 1
A = l/2 1
l/ JI
Demuestre que
(a) (A')' = A (b) (A + By = A' + E'
14. Pruebe que (AtBti =EA .
y
r
bll / t 1
hU]
' y'
b
22
b
13
I b
J I
b
32
b.1 3
(c) (AB)' = 8' A' (d) (kA)' = kA'
1 S. Se dice que una matriz cuadrada A es simtrica si A
t
= A yantisimtrica si A t
= - A. Demuestre qlle si B es una matriz cuadrada, entonces
(a) Bil
t
Y B + st son simtricas (b) B - B
t
es antisimtrica
2.4 DESARROLLO POR COFACTORES; REGLA DE CRAMER
En esta seccin se considera un mtodo para evaluar determinantes que resulta til para
clculos a mano y tiene gran importancia terica. COmo consecuencia de lo que se haga
aqu. se obtendr una frmula para la inversa de una matriz inversible as otra para
la solucin de ciertos sistemas de ecuaciones lineales, en trminos de determinantes.
98
DETERMINANTES
Definicin. Si A es una matriz cuadrada, entonces el menor del elemento a se denota por
M y se define como el determinante de la sub matriz que se deja despus de eliminar de
A el i-simo rengln y la j-sima columna. El nmero ( - 1 )I+} M se denota por C y se
conoce como cofactor del elemento ai-
Ejemplo 26
Sea
El menor del elemento all es
El cofactor de all es
3
Mil = 2
- l
5
4
Anlogamente, el menor del elemento a32 es
El cofactor de a32 es
5
4
1
5
4
-4
6 = I!
8
- 4
6 = I ~
8
~ I = 16
-41
6 = 26
Ntese que el cofactor y el menor de un elemento a; difieren nicamente en el sig-
no, es decir, O = Mij_ Una manera rpida de determinar si se usa el +, o bien, - es apli-
car el hecho de que el signo que relaciona C con MI est en el i- simo rengln y j - sima
columna del arreglo
+ + +
+ +
+ + +
+ +
Por ejemplo, C
1l
= M
1l
, C
21
= - M
21
, C
12
= -M
12
C
22
= M
22
, etc.
DESARROLLO POR COFACTORES; REGLA DE CRAMER 99
Considrese la matriz general de 3 X 3
En el ejemplo 7 se demostr que
det(A) = 1I11a ZZa )3 + alZaZ3a 3 1 + ClI3aZ la32
- a
l
3
a
22
a
31 - a12a21a33 - Cllla23C132 (2.2)
lo cual se puede volver a escribir como
Ya que las expresiones que estn dentro de los parntesis son precisamente los cofactores
C
ll
, C
21
y C
31
(verifquese) se tiene
(2.3)
En la ecuacin (2.3) se muestra que es posible calcular el determinante de A multipliClln-
do los elementos que estn en la primera columna de A por sus cofactores y sumando los
productos que resultan. Este mtodo para evaluar det (A) se conoce como deso"ollo por
cotactores a lo largo de la primera columna de A .
27
Sea
A = -4
5 4 - 2
Evalese det (A) aplicando el desarrollo por cofactores a lo largo de la primera columna
deA.
Solucin. Con base en (2.3) ,
det(A) = 3 - (-2) +5
/
-4 3/ 11 01 I 1
4 -2 4 - 2 -4

= 3( - 4) - (-2)( - 2) + 5(3) =-1
Al reacomodar los trminos dados en (2.2) de diversas maneras, es posible obtener
otras frmulas como la (2.3). No debe ser difcil verificar que todas las frmulas siguientes
son correctas (vase el ejercicio 23):
100 DETERMINANTES
det(A) = C/ l l e
ll
+ C/12eI2 + C/ 13e13
= ({lle
ll
+ 02l
e
21 + C/ 3 1
C
31
= (/2 1C2 1 + ClnC} 2 + a2 3
C
2 3
= (l1 2
C
I } + C/ 2 2
C
2 2 + a32
C
32
-= (/ 3 1
C
31 + (/32
C
3l + C/3 3
C
3 3
= a
l
3
C
l 3 + a23
C
23 + C/33
C
33
(2.4)
Nt ese que, en cada ecuacin, todos los elementos y cofactores provienen del mismo ren-
gln o columna. Estas ecuaciones se conocen como los deS4rroflos por cofactores de det
(A).
Los resultados que se acaban de dar para las matri ces de 3 X 3 forman un caso espe-
cial del teorema general siguiente, el cual se enuncia sin demostracin.
Teorema 7. Se puede rolcular el determinante de una matriz A de n X n multiplicando los
elementos de cualquier rengln (o columna) por sus ca factores y sumando los productos que
restilten; es decir, para cada 1 ~ i ~ n y 1 ~ j ~ n,
y
det(A) = ClljC
lj
+ C/
2 j
C
2 j
+ ... + Clnje
nj
(desarrollo por cofactores a lo /argo de la j-sima columna)
det(A) = C/
il
C;l + U
i2
C
i 2
+ . . . + ClinCin
(desarrollo por cofactores a lo largo del i- simo rengln)
Ejemplo 28
Sea A la matriz del ejemplo 27. Evalese det (A) por medio de su desarrollo por cofacto-
res a lo largo del primer rengln.
Solucin.
3
det(A)= -2
5
1
- 4
~ =3 1-
4
4
4 . -2
31 1-
2
-2 - (1) 5
= 3( - 4) - (1)( - 11) = - 1
Esto concuerda con el resultado obtenido en el ejemplo 27.
3\ 01-2
- 2 + 5
OBSERV ACION. En este ejemplo result innecesario calcular el ltimo cofactor, puesto que
qued multiplicado por cero. En general, la mejor estrategia para evaluar un determinante
por medio del desarrollo por cofactores es llevndolo a cabo a lo largo de un rengln o co-
lumna que tenga el mayor nmero de ceros.
A v ~ c e s se puede aplicar el desarrollo pot ca factores combinado con operaciones so-
bre los renglones o columnas, para suministrar un mtodo efectivo con el cual evaluar los
determinantes. El siguiente ejemplo ilustra esta idea.
DESARRObLO POR COFACiORES; REGLA DE CRAMER
Ejemplo 29
Evalese det (A), en donde
5 - 2
2 - 1
4 1
7 5
101
Solucin. Al sumar mltiplos apropiados del segundo rengln a los renglones restantes, se
obtiene
o
--1
i\
1 -
,
- 1
det(A) =
-
O O
,
3\
--'
O 8 O,
1-
1
31
Desarrollo por cofae
_ 1
O 3
\ i
tares a lo largo de la
I
1 8
O/
primera columna
1-1 3
Se sum el
i
I
I
I
O 3
,
primer renglon 1
- 1 .'
a la tercera
,
1
O 9 3
columna.
-( - 1) I ~
~ I
Desarrollo por cofac
I t o ~ e s a 10 largo de la
- 18
pnmera columna
En un desarrollo por cofactores se calcula det (A) al multiplicar los elmentos de un
rengln o columna por sus cofactores y sumar los productos resultantes. Resulta que si se
multiplican los elementos de cualquier rengln por los factores correspondientes de un
rengln diferente. la suma de estos productos siempre es cero. (Tambin se cumple este re
sultado para las columnas). Aun cuando se omite la demostracin general, en el ejemplo
que sigue se ilustra la idea de la demostracin en un caso especial.
Ejemplo 30
Sea
Considrese la cantidad
102 DETERMINANTES
que se forma al multiplicar los elementos del primer rengln por los cofactores de los ele-
mentos correspondientes del tercer rengln y sumar los productos resultantes. Ahora se
demuestra que esta cantidad es igual a cero por medio dei siguiente artificio.
se una nueva matriz A' reemplazando el tercer rengln de A con otra copia del primer ren-
gln. As entonces,
[
a
11
A' = a21
a
11
Sean e' 31, e' 32 y e' 33 los cofactores de los elementos que estn en el tercer rengln deA'.
Dado que los dos primeros renglones de A y A' son los mismos, y ya que el clculo de
e
31
, e
32
, e
33
, e' 31, e' 32 y e' 33 slo comprende elementos de los dos primeros renglones
de A y A' se deduce que
Puesto que A' tiene dos renglones idnticos,
det(A' ) = O (2.5)
Por otra parte, la evaluacin de det (A') mediante el desarrollo por cofactores a lo largo
del tercer rengln da
det(A' ) = u 11 1 + U 12
C
32 + a l 3e :33
= a
11
e
3 1
+ (/12
e
32 + el
1
3
e
33
Por lo expresado en (2.5) y (2.6) se obtiene
(2.6)
Definicin. Si A es una matriz cualquiera de n X n y e; es el cofactor de aij, entonces la
matriz
le"
e
12
C,"j c 21
C
22
e
2
..
e"" C" 1
e ..
2
se conoce como matriz de cofactores tomados de A. La transpuesta de esta matriz se de
nomina adjunto de A y se denot a por adj (A).
Ejemplo 31
Sea
[
3
A =
2
6
- 4
- l l
6J
DESARROLLO POR COFACTORES; REGLA DE CRAMER
Los cofactores de A son
e
l l
= 12
e
2 l
= 4
e
3 l
= 12
e
12
= 6
e
22
= 2
e
32
= - 1O
de modo que la matriz de los cofactores es
[
1 ~
11
6
2
-10
- 16]
16
16
y la adjunta de A es
[
12
adj(A) = 6
-1 6
4
16
e
13
=-16
C ~ 3 = 16
e 33 = 16
11]
- 10
16
103
Ahora se cuenta con los elementos para establecer una frmula para la inversa de una
matriz inversible .
Teorema 8. Si A es una matriz im'ersible. entonces
1
- 1 == det()adj()
Demostracill. Se demostrar primero que
A adj(A) = det(A)!
Considrese el producto
a
l1
a
12
. ..
:::1 r ~ "
a21 a22
. . .
e
21
C
j1
c"j
en C
j2
C
n2
: ~ e::
e
2n
C
Jn
Cnn
a
n1
a
n2
a
nn
El elemento del i- simo rengln y j - sima columna de A adj (A) es
(2.7)
(vanse las lneas sombreadas arriba) .
14
DfEMINANtS
Si i = j , entonces (2.7) es el desarrollo por cofactores de det (A) a 10 largo del i- si-
mo rengln de A (teorema 7). Por otra parte, si i 4= j, entonces los a y los cofactores pro-
vienen de renglones diferentes de A, por tanto el valor de (2.7) es cero. Por tanto,
[
det( A) O . ..
O det (A) ' . .
A adJ(A) = . .
. .
. .
O O
~ J = det(A)I
det(A)
(2.8)
Supuesto que A es ivetsible, det (A) '* 0, Por consiguiet, es posible volver a escribir la
ecuacin (2.8) como
o bien,
1 .
-d - [A adj(A)] = 1
et(A)
A [de:(A) adj(A)] = 1
Al multiplicar por la izquierda los dos miembros por A- da
Ejetnplo 32
A - 1 = _ 1_ adj(A) I
det(A)
Usese (2.9) a fin de encontrar la inversa de la matriz A del ejemplo 31 .
SOlucin. Ellectr puede comprobar que det (A) = 64. Por tanto,
1 [ 12
A - 1 = - - adj(A) = ~ 6
det(A) 64
-16
[
12
64
6
= - ~
64
4 12] 64 64
l4 - ~
16 16
64 64
~
4
2
16
12]
~ 1 0
16
(2.9)
Se observa que para matrices mayores que las de 3 X 3, el mtodo de inversin de
matrices que se da en este ejemplo es, desde el punto de vista del clculo, inferior a la tc-
nica dada en la seccin 1.6. Por otro lado, el mtodo de inversin de la seccin 1.6 slo
es un procedimiento de clculo, o algoritmo , para calcular A- y n O resulta muy til pa-
ra estudiar las propiedades de la inversa. A menudo es posible utilizar la frmula (2.9) a
fin de obtener propiedades de la inversa, sin calcularla realmente (ejercicio 20).
DESARROLLO COFA(!TOR8: REGlA OE 105
Asimismo; Con frecuencia resulta til tener una frmula para la solucin de un sis-
tema de ecuaciones que se pueda utilizar para estudiar las propiedades de la solucin, sin
resolver el sistema. El teorema que sigue establece esa ftrntda pata los sistemas de n ecua-
ciones en n incgnitas. La frmula se colibce cotnb regla de Crali1er.
Teorema 9. (Regla de Cramer). Si AX = B es un sistema de n ecuaciones lineales en n in-
cgnitas tal que det (A) =1= O. entonces el &isterha tiene una solucin nica, Esta solucin es
det(Ad det(A
2
) det(A
n
)
XI = det(A)' X2 = det(A)" '" X" = det(A)
en donde A es la matriz que se obtiene al ;eemplazar los elementos de la' j- sima colum-
na de A por los elementos de la matriz
BJ;:l
lb"
Demostracin. Si det (A) 0/= O, entoncsA es inversible ,/, por ei teoretna 11 d la seccin
1.7 X = A -1 B es la solucin fiica de AX == !J. Pbr consiguiente, pot el teorma 8 se tiene
l
CIl
- 1 J . ' 1 C
12
X = A B = -d ( adJ(A)B = -d t( ,
et A) e A) ;
C
lri
Al multiplicar las tfitriccs tia
Por tanto, el elmento del j- simo rengln de X cs'
(2.10)
Ahora, sea
l""
U1i U !j .. I /ji
Utj + I
"'"1
A . = a2!
a 22 U2J - t U2J+
:::
J :
() ,,1 U
n
2
a"j
h
n Unj + I
. . ,
106
DETERMINANTES
Dado que Aj difiere de A nicamente en la j - sima columna, los cofactores de los elemen-
fos b . 02 . . . b" de Aj son iguales a los cofactores de los elementos correspondientes
que estn en la j - sima columna de A. Como consecuencia, el desarrollo por cofacto-
res de det (A
j
) a lo largo de la j - sima columna es
Al sustituir este resultado en ( 2.10) se obtiene
X. = det(A) I
j det(A)
Ejemplo 33
Aplquese la regla de Cramer para resolver
Solucin.
Por tanto ,
X l + + 2 X3 = 6
-3x + 4 X2 + 6 X3 = 30
- X - 2x 2 + 3x 3 = 8
[
1
A = -3
-1

- 1
o
4
-2
6
30
8

3 .

det(A) - 40 - 10
\" - --- - _ .- - - - -
. det(A) - 44 - 11 '
det(A J) 152 38
.\"3 = det(A) = 44 = IT
O
4
- 2
O
4
-2


det( A
2
) 72 18
\" - --- - - - -
. 2 - det(A) - 44 - 11 '
Para resolver un sistema de n ecuaciones en n incgnitas por la regla de Cfamer, se
necesita evaluar n + 1 detenninantes de matrices de 11 X n. Desde el punto de vista del
clculo, para slste mas con ms de tres ecuaciones, la eliminacin gaussiana resulta superior,
pues lo que slo se ha de reducir una matriz aumentada de 11 X /1 + l . Sin embargo, la re-
gIa de Cramer da una frmula para la solucin.
/
DESARROLLO POR COFACTORES; REGLA DE CRAMER
107
EJERCICIOS 2.4
l. Sea
3. Evale el determinante de la matriz del ejercicio 1 por medio de un desarrollo
por cofactores a lo largo de
(a) e\ "prime! ren,&\n
(d) la segunda columna
(o) \a "primera co\umna
(e) el tercer rengln
(e) el ren,&\n
(f) la tercera columna
4. Para la matriz del ejercicio 1, halle
(a) adj (A) (b) A - 1 aplicando el mtodo del ejemplo 32.
En los ejercicios S al 10 evale det (A ) por medio de un desarrollo por cofactores a lo lar-
go de cualquier rengln o columna que se elija.
5 A -[:
6
:l
. A_ [-:
3
-:1
6 O
2 - 1 - 3
7A - [:
1
I 1
[' - I
2

k f.:
8. A =
k - 3
.J.:Z
J.:Z
f.: 2
4
A{
4 O
4 3 1 9 2
()
-:]
()
3 2 4 2
9.
W. A =
()
3 4 6 4
3
()
- 3
6 14 3
1 - 1
2 2 2
6
()
O 3 3 3
108
DETERMINANTES
11. Sea
(a) Evale A - 1 aplicando el mtodo del ejemplo 32 .
(h) Evale A - 1 aplicando el mtodo del ejemplo 29 de la seccin 1.6.
(e) Cul de los dos mtodos implica menos clculos?
En los ejercicios 12 al 17 rsuelva por medo de lii regla de Ctamer, cUiUid sea factible
aplicarla.
li. 3x
I
- 4X2 = ~ 5
2x I + X2 = 4
14. x + .1' - 2:: = 1
2x- .r + :: = 2
x - 2.1' - 4:: = -4
tli. 2xI ~ x 1+ X3- 4x4= -32
7x
I
+ 2x
2
+ 9X3 = .\: 4 "" 14
3x
I
- X2 + X3 + x
4
= 11
.\' 4- Xi - 4X3 ~ 2X4 = - 4
13. 4x + 5-" = 2
II x + f + 2:: = 3
x + 5.1' + 2:: = 1
15. XI - 3.\'2 + X3 = 4
2x
I
- X 2 = - 2
4 .\ 1 - 3X3 = O
17. 2x
I
- X2 t x) = 8
4xI + 3X2 + X 3 = 7
6x 1 + 2x 2 + 2x ) = 15
18. Aplique la regl de Cramer a fin de despejar z, sin despejar x , y y w.
4.\' + .r + tl + t; =' 6
3x + 7y - :: + IV = I
7x + 3,\, - 5.: + 8w = - 3
t" .\' 4- .r +' z + :2 \\. = 3
19. Sa AX == B el sistema del ejercicio 18 .
(a) Resulvalo por medi de la regla de Ctamer.
(b) Resulval por medio de la eliminacin de Gauss-Jordan.
(c) Con cul de los dos mtodos se realizan menos clculos?
20. Pruebe que si det (A) = l Y todos los elementos de A Son enteros, entonces to-
dos los elementos de A -1 son. enteros.
21. Sea AX = B un sistema de n ecuaciortes lineales en 11 in:;grutas con :; oeficien-
tes enteros y constantes enteras. Pruebe que si det (A) = 1, entonces la solucin
X tiene elementos enteros,
22. Pruebe que si A es una matri z triangUlar sUperior invetsible, entonces A -\ es
triangular su perior.
23. Deduzca el primero y ltimo desarrollos por cofactores de la lista dada en (2.4).
DESARROI,.LO POR COFACTORES; REGLA DE CRAMER 109
24. Pruebe que la ecuaci6n de la recta que pasa por los puntos distintos (a 1, b 1) Y
(a2' b
2
) se puede escribir como
x y
al b
l
=;; O
a2 b
2
IX
I YI
S2 Y2
= 0
I
:"3
Y3
26. Pruebe qUe la eCllllcin dlll qYe por los puntos no coUneales (al, 6
1
,
CI ), (a 2, b
2
, e2 ) Y (a3, b
3
, C3 ) se puede escribir :
x y z
al
b
el
=;;0
(/2
b
2
C2
(/3 b
3
e3
EJERCICIOS SuPLEMENTARIOS
1. Aplique la regla de Cramef para x' y y ' el'! trminos de x y y .
x = ix' -!y'
y='h'+h'
2. Aplique la regla de Cramer para x' y y I en trminos qe y y.
x = x' r;os e - y' sen 1)
y = x' sen e + y' cos o
3. Medil}nte el examen del determinante de la matriz de los coeficientes, demues.
tre que el si.stema que sigue tiene una soluci6n no trivial si y slo si a = {J ,
x + y + l;! = O
X + Y + {Jz = O
'l.X + {Jy + z = O
4. Demuestre que si una matriz cuadrada A satisface
.A
J
+ 4A
2
- 2A + 7/ = O
entonces A
t
tambin satisface la misma relacin .
110
DETERMINANTES
s. (a) Para el tringulo que se da abajo, aplique la trigonometra a fin de demos-
trar que
b cos y + ecos fJ = a
ecos (J. + a cos y = b
a cos fJ + b cos (J. = e
y, a continuacin, aplique la regla de Cramer para demostrar que
(b) Use la regla de Cramer para obtener frmulas semejantes para cos(3 y cos 'Y.
G
e
6. Use determinantes para demostrar que, para todos los valores reales de 'Y, la
nica solucin de
esx = O, y = O.
x - 2y = j ,x
x - y = Ay
7. Pruebe que si A es inversible, entonces adj (A) es inversible y
1
[adj(AW I = __ A = adj(A ~ 1)
det(A)
8. Pruebe que si A es un;! matriz de n X n, entonces
det[adj(A)] = [det(A)]n - I
9. (Para loslectores que hayan estudiado clculo) . Demuestre que si 1
1
(x), 12 (x),
g (x) Y g2 (x) son funciones diferenciables, y si
entonces
W = III(X) j ~ ( X ) 1
g{x) gz(x)
dW I ('I(X) ('>(X)! ! II(x) / ,(X) !
--;; = !JI(X) Y : (x) + '{ x ) y: CX)
10. (a) En la figura que se da al final , el rea del tringulo ABC se puede expresar
como
rea A RC = rea ADHC + rea Ch'FB - rea AJJFB
DESARROLLO POR COFACTORES; REGLA DE CRAMER 111
Aplique esto y el hecho de que el rea de un trapecio es igual a 1/2 de la altura
multiplicada por la suma de los lados paralelos, para demostrar que
1
X I
YI
rea ABe ="2 X2
Yz
-" 3 Y3
[Nota. En la deduccin de esta frmula, se nombran los vrtices de manera
que el tringulo se recorra en sentido contrario al movimiento de las mane-
cillas del reloj, yendo de (x 1 , Y 1 ) a (x 2, Y2 ) Y a (x 3, Y 3). Si el recorrido se
hace en el sentido del movimiento de las manecillas del reloj, el determi-
nante que se obtiene conduce al negativo del rea .]
(b) Aplique el resultado obtenido en el inciso (a) para hallar el rea del trin-
gulo con vrtices (3, 3), (4, O), (- 2, -1).
D E F
3
Vectores en los espacios
bidimensional y tridimensional
Los lectores que conozcan el contenido de este captulo pueden pasar al captulo 4, sin
prdida de contil/uidad.
3.1INTRODUCCION A LOS VECTORES (GEOMETRICOS)
En esta seccin se presentan geomtricamente los vectores en los espacios bidimensioaal
(espacio 2) y tridimensional (espacio 3). Se definen las operaciones aritmticas sobre los
vectores y se establecen algunas propiedades bsicas de estas operaciones.
Muchas cantidades fsicas, como rea, longitud y masa, se definen completamente
una vez que se da un nmero real que representa la magnitud de la misma. Otras canti
dades fsicas, denominadas vectores, no quedan determinadas por completo hasta que se
especifican una magnitud y una direccin. * Fuerza, desplazamiento y velocidad son
ejemplos de vectores.
Los vectores se pueden representar geomtricamente como segmentos rectilneos
dirigidos, o flechas, en los espacios bidimensional y tridimensional; la direccin de la tlecha
especifica la direccin del vector y la longitud de la misma describe su magnitud. La cola
de la flecha se llama punto inicial del vector y su punta es el punto terminal. Los vectores
se denotarn por medio de letras minsculas negritas como a, k, v, w y x. Al analizar los
vectores, los nmeros se mencionarn como escalares. Todos los escalares que se usen en
este libro sern nmeros reales y se denotarn por medio de letras minsculas cursivas
comoa, k, JI, W y . X.
*En muchos libros en espaol sobre el tema se seala que un vector queda determinado al dar su mag-
nitud, direccin y sentido; considerando la palabra direccin slo con el significado de recta que con-
tiene al vector; tal prctica, en no pocos casos, conduce a textos confusos. En este libro se traduce la
palabra direction simplemente por direccin, dndole el significado - como en el texto en ingls, lo
cual tambin es correcto en espaol- tanto de recta que contiene el vector como de sentido que se
toma sobre la misma. (N. del T.)
113
114 VECTORES EN LOS BIDIMENSIONAL y TRIDIMENSIONAL
Figura 3.1 a) El vector A B. b) Vectores equivalen tes.
Si, como en la figura 3.10, el punto inicial de un vector v es A, y el punto terminal
es B, se escribe
v = AB
Los vectores con la misma longitud y la misma direccin, como los de la figura 3.lb,
se dice que son equivalentes. puesto que se desea que un vector quede determinado ni-
camente por su longitud y direccin, los vectores equivalentes se consideran como iguales
aun cuando puedan estar localizados en posiciones diferentes . Si v y w son equivalen-
tes se escribe -
,' = w
Definicin. Si v y w son dos vectores cualesquiera, entonces la suma v + w es el vector
que se determina como sigue: Colquese el vector w de modo que su punto inicial coin-
cida con el punto terminal de v. El vector v + w se representa por medio de la flecha que
va del punto inicial de v al terminal de w (figura 3.20).
En la figura 3.2b se han construido dos sumas, v + w (flechas azules) y w + v (fle-
chas blancas); es evidente que

y que la suma cOIncide con la diagonal del paralelogramo determinado por v y w. al ubicar
estos vectores de modo que tengan el mismo punto inicial.
(al
Figura 3.2
INTRODUCCION A LOS VECTORES (GEOMETRICOSI 115
Figura 3.3
El vector de longitud cero se denomina vector cero y se denota por O. Se define
O+v=v+O=v
para todo vector v. Como no existe direccin natural para el vector cero, se convendr
en que se le puede asignar cualquier direccin que resulte conveniente para el problema
que se est considerando. Si v es cualquier vector diferente de cero, es obvio que el nico
vector w que satisface v + w = O es el vector que tiene la misma magnitud que v pero cuya
direccin es la opuesta (figura 3.3). Este vector se conoce como negativo (o inverso adi-
tivo) de v y se escribe
w=-v
Adems, se define - 0=0.
/ ' o . - - " ~
Definicin. Si v y w son dos vectores cualesquiera, entonces la sustraccin se define por
v-w= v+(-w)
Figura 3.40).
Para obtener la diferencia v - w, sin construir - w, colquense v y w de modo que
coincidan sus puntos iniciales; el vector que va del punto terminal de w hacia el punto
terminal de v es entonces el vector v - w (figura 3.4b)
Definicin. Si v es un vector y k es el nmero real (escalar), entonces el producto kv se
define como el vector cuya longitud es Ikl multiplicado por la longitud de v y cuya direc-
cin es la misma que la de v, si k > 0, y opuesta a la de v, si k < o. Se define kv = O si
k =0 o v=O. \
iJ_w
-w
w w
(a) (b)
Figura 3.4
116
VECTORES EN LOS ESPACIOS BIDIMENSIONAL Y TRIDIMENSIONAL
Figura 3.5
En la figura 3.5 se ilustra la relacin entre un vector v y el vector tv, (- l)v, 2v
y ( - 3)v.
Ntese que el vector ( - l)v tiene la misma longitud que v pero su direccin es la
opuesta. Por tanto, ( - l)v es precisamente el negativo de v; es decir,
\ (- l)V=-V )
---
Los problemas relacionados con vectores a menudo se simplifican al introducir un
sistema de coordenadas rectangulares. Por el momento , el anlisis se restringe a vectores
en el espacio bidimensional (el plano). Sea v cualquier vector en el plano y supngase,
como en la figura 3.6, que se ha colocado v de manera que su punto inicial quede en el
origen de un sistema de coordenadas rectangulares. Las coordenadas (VI . v
2
) del punto
terminal de v se llaman componentes de v, y se escribe
Si se colocan vectores equivalentes, v y w, de modo que sus puntos iniciales caigan
en el origen, entonces es obvio que sus puntos terminales deben coincidir (supuesto que
los vectores tienen la misma longitud y la misma direccin) . As entonces, los vectores
tienen las mismas componentes. Es igualmente obvio que ve;tores con las mismas compo-
nentes deben tener la misma longitud y la misma direccin y, por consiguiente, son eqti-
valen tes. En resumen, dos vectores
son equivalentes si y slo si
y
x
Figura 3.6
INTROOUCCION A LOS VECTORES (GEOMETRICOS) 117
Figura 3.7
Las operaciones de adicin vectorial y multipliccinpor escalares son muy fciles
de llevar a cabo en trminos de componentes. Como. se ilustra en la figura 3.7, si
erttonces
Si v = (VI. V2) Y k es un escalar cualquiera, entonces. aplicando un argumento geomtrico
relacionado con tringulos semejantes, se puede demostrar (ejercicio 14) que
(figura 3.8).
As, por ejemplo, si v = (l . - 2) y w = (7, 6) entonces
v + w = (1. .- 2) + (7, 6) = (l + 7), - 2 + 6) = (8,4)
y
4v = 4( l. - 2) = (4( 1), 4(- 2 = (4, - 8)
Figura 3.8
VECTORES EN LOS ESPACIOS BIDIMENSIONAL Y TRIDIMENSIONAL
z
z
y
o
(a)
(b)
Figura 3.9
Precisamente como los vectores en el plano se pueden describir por parejas de n-
meros reales, es posible describir los vectores en el espacio tridimensional por ternas de
nmeros reales, introduciendo un sistema de coordenadas reactangulares. Para construir
un sistema de coordenadas de este tipo, se selecciona un punto O, conocido como origen,
y se eligen tres rectas mutuamente perpendiculares, llamadas ejes de coordenadas, que
pasen por el origen. Se denominan estos ejes como x, y y z y se selecciona una direccin
positiva para cada uno de ellos, as como una unidad de longitud para medir las distancias
(figura 3.9a). Cada par de ejes de coordenadas determinan un plano conocido como plano
coordenado. Estos planos se mencionan como plano xy, plano xz y plano yz. A cada
punto P en el espacio tridimensional se le asigna una terna de nmeros (x, y, z), llamados
coordenadas de P, como sigue: se pasan tres planos por P que sean paralelos a los planos
coordenados, y se denotan los puntos de interseccin de estos planos con los tres ejes
coorde'nados por X, Y Y Z (figura 3.9b). Las coordenadas de P se definen como las longi-
tudes con signo
x =OX y=OY z=OZ
En la figura 3.10 se han situado los puntos cuyas coordenadas son (4, 5, 6) y (- 3, 2, - 4).
Los sistemas de coordenadas rectangulares en el espacio tridimensional caen en dos
categoras, izquierdos y !erechos. Un sistema derecho tiene la propiedad de que un tornillo
y
(-3,2, -4)
y x
~ - - ~ - - = - - - - - ~ ~ .
x
Figura 3.10
INTRODUCCION A lOS VECTORES (GEOMETRICOS)
119
Figura 3.11 a) Derecho. b) Izquierdo.
--z6
comn que apunte en 1 . ireccin positiva del eje z avanzara si el eje x positivo se hiciese
girar 90 hacia el eje v ositivo (figura 3.1 la). El sistema es izquierdo si el tornillo se des-
plazase hacia atrs (figura 3.1Ib).
En este libro slo se utilizan sistemas derechos de coordenadas.
Si , como en la figura 3. 12, un vector ven el espacio tridimensional se ubica de modo
que su punto inicial quede en el origen de un sistema rectangular de coordenadas, entonces
las coordenadas del punto terminal se conocen como componentes de v y se escribe
Si v = (VI . V2, V3 ) Y w = (WI ' W2, W3) son dos vectores en el espacio tridimensional,
entonces es posible aplicar argumentos semejantes a los usados para los vectores en un .
plano, a fin de establecer los resultados que siguen:
i) v y w son equivalentes si y slo si VI = W , V2 = W2 Y V3 = W3
ii) v + w = (VI + WI . V2 + W2 , V3 + W3)
iii) kv = (kv l . kV2 . kV3), en donde k es un escalar cualquiera
Ejemplo 1
Si v = (1 , - 3, 2) Y w = (4, 2, 1), entonces
v + w = (5. - 1, 3), 2v = (2, - 6, 4), - w = (- 4, - 2, - 1),
v - w = v + (- w) = (- 3, - 5, 1).
z
y
Figura 3. 12
120 VECTORES EN LOS ESPACIOS BIOIMENSIONAL y TRlDIMErJSIONAL
r
,p(X, y, z )
P'2(X-2, y::! . Z-2 }
_1-
OP
y
x
Figura 3.13
A veces surgen vectores que no tienen sus puntos iniciales en el origen. Si el vector
pp
2
tiene el punto inicial p(x , y , z) y el punto terminal P ~ ( X 2 , Y2, Z2), entonces
. ,/
es decir, las componentes de pp
2
se obtienen al estar las coordenadas del punto inicial
de las coordenadas del punto terminal. Se puerle ver esto considerando la figura 3.13;
el vector pp
2
es la diferencia de los vectores OP
2
y OP, de modo que
Ejemplo 2
Las componentes del vector v = pp
2
con punto inicial p (2, - 1,4) Y punto terminal
P
2
(7 , 5, - 8) son
v=(7 - 2,5 - (- I),(- 8) --' 4)=(5,6, - 12)
. De modo anlogo, en el espacio bidimensional, el vector con punto inicial p (x, Y)
ypuntoterminalP
2
(x2,h)esPP
2
=(X2 - X,Y2 - y).
Ejemplo 3
Se pueden simplificar las soluciones para muchos problemas, trasladando los ejes de coor-
denadas a fm de obtener nuevos ejes paralelos a los originales.
En la figura 3.140 se han trasladado los ejes de coordenadas xy para obtener un sis-
tema de coordenadas x'Y' cuyo origen O' est en el punto (x, y) = (k, [). Un punto P en
el espacio bidimensional ahora tiene tanto las coordenadas (x, y) como las coordenadas
(x', y'). Para ver la forma en la que las dos estn relacionadas, considrese el vector O'P
(figura 3.14b). En el sistema xy, su punto ini<;ial est en (k, 1) Y su punto terminal en
INTRODUCCION A LOS VECTORES (GEOMETRICOSI
121
- O'P ?
D '
Figura 3.14
(X, y) ; por (x - k, Y - 1). En x' y', su punto inicial est en (0, O)
Y su terminal en (x', y',);as entonces, OF = (x', y'). Por tanto,
'{
J m
Estas expresiones se denominan ecuaciones de tras/acin.
Como ilustracin, si el nuevo origen est en (k, 1) = (4, 1) Y las coordenadas xy
de un punto P son (2,0), entonces las coordenadas x'y' de P son x' = 2 - 4 = - 2 Y X' =
_ 1 =_ l. '.' J
En .el espacio tridimensional , ecuaciones de traslacin son
en donde (k, 1, m) son las oordenadas xyz del nuevo origen.
EJERCICIOS 3.1
1. Dibuje un sistema derecho de coordenadas y ubique los puntos cuyas coorde-
nadas son:
a) (2, 3, 4)
e) ( - 2, -3, 4)
i) (0,2, O)
b) ( - 2, 3.4)
1) ( - 2, 3, - 4)
j) (0, 0, - 2)
c)(2, - 3,4)
g) (2, - 3, - 4)
k) (2,0, 2)
d) (2, 3, - 4)
11) ( - 2, - 3, - 4)
1) ( - 2,0, O)
2. Dibuje los vectores siguientes con los puntos iniciales ubicados en el origen:
a) VI = (2, 5)
d) V
4
= (6, - 2)
g) v
7
= (2, 3, 4)
b)v
z
= ( - 3.7)
e)v,= (2. 0)
h)v
H
= (2, O, 2)
e) v] = ( - 5, - 4)
n v" = (0, -X)
i) V
4
= (O: 0, - 2)
3. Halle los componentes del vector que tiene el punto inicial PI Y el punto ter-
minalP
2
.
122
VECTORES EN LOS ESPACIOS BIDIMENSIONAL V TRIDIMENSIONAL
a) P(3, 5), 1'2(2, 8) b) P(7, - 2), Pz{O, O)
e) P(6,5, 8), P
2
(8, - 7, - 3) d) PIrO, O, 0), 1'2( - 8, 7,4)
'1, 4. Halle un vector con punto inicial P(2, - 1,4) Y que tenga la 'llisma direccin que
v = (7,6, - 3).
) 5. Halle un vector, con direccin opuesta a la de v = (- 2, 4, - 1), que tenga el pun-
to terminal Q(2, 0, - 7).
6. Sea u = (1,2,3), v = (2, - 3, 1) y w = (3,2, - 1). Halle las componentes de
a) u - w
d) 3(u - 7v)
b) 7v + 3w
e) -3v-8w
e) -w+v
f) 2v - (u + w)
7. Sean u, v y w los vectores del ejercicio 6. Encuentre las componentes del vector
x que satisfaga 2u - v + x = 7x + w.
8. Sean u, v y w los vectores dd ejercicio 6. Halle los escalares el, e2 Y e3 tales que
elu+e2v+e3w=(6, 14, -- 2).
9. Demuestre que no existen los escalares el. e2 Y e3 tales que
c(1 ,2, - 3) + ( 2(5. 7, 1) + c
3
(6. 9, -2) = (4, 5, O).
10. Encuentre todos los escalares el. e; y e3 tales que
I
c(2, 7, 8) + c
2
(1 , - 1, 3) + c
3
(3, 6. 11) = (0, 0, O).
11. Sea P el punto (2, 3, - 2) Y Q el punto (7 , - 4, 1 ).
a) Encuentre el punto medio del segmento rectilneo que une a P con Q.
b) Encuentre el punto del segmento rectilneo que une a l' con Q que est a las
3/4 partes de la distancia de P a Q.
12. Suponga que un sistema de coordenadas xy se traslada para obtener un sistema
de coordenadas x'y' cuyo origen O' tiene las coordenadas xy (2, - 3).
a) Halle las coordenadas x'y' del punto P cuyas coordenadas xy son (7,5).
b) Encuentre las coordenadas xy del punto Q cuyas coordenadasx'y' son (- 3,6).
(';Trace los ejes de coordenadas xy y x'y' y ubique los puntos P y Q.
13. Suponga que un sistema de coordenadasxy z se traslada para obtener un sistema de
coordenadas x'y' z'. Sea v un vector cuyas componentes son v = (1' . ]J
2
1'3) en el
sistema xyz. Demuestre que v tiene las mismas componentes en el sistema x'y'::' .
14. Pruebe geomtricamente que si v = (v l. V2), entonces kv = (kv 1 , kV2 ). (Restrinja
la de'mostracin al caso k > que se ilustra en la figura 3.8. La demostracin
completa comprendera muchos casos que dependen del cuadrante en el que cae
el vector y el signo de k . )
NORMAS DE UN VECTOR; ARITMETICA VECTORIAL 123
3.2 NORMAS DE UN Vf.CTOR;ARITMETICA VECTORIAL
En esta seccin se establecen las reglas bsicas de la aritmtica vectorial.
Teorema l. Si u, v y w son vectores en el espacio bidimensional o tridimensional. y k Y 1
son escalares. entonces se cumplen las relaciones siguientes:
a) u + v = v + u
b) (u + v) + w = u + (v + w)
c) u + O = O + u = u
d) u + (-u) = O
)
e) k(lu) = (kl)u
f) k(u + v) = ku + kv
g) (k + l)u = ku + lu
h) 1u = u
Antes de analizar la demostracin, observe que se han desarrollado dos enfoques hacia los
vectores: geomtrico. en el que los vectores se representan por medio de flechas o segmen-
tos rectilneos dirigidos, y analtico. en el que se representan por parejas o temas de n-
meros denominados componentes. Como consecuencia, los resultados del teorema 1 se
pueden establecer geomtricamente o analticamente. Como i1uSiJ acin, se probar el
inciso b) en ambas formas. Las demostraciones restantes se dejan como ejercicios.
Demostracin del inciso b) (analtica). Se dar la demostracin para vectores en el es-
pacio tridimensional. La demostracin para el espacio bidimensional es semejante. Si
u = (UI. U2. U3), v = (VI . v
2
V3) Y W = (WI. W2. W3) , entonces
(u +' v) + W = [(UI> u
z
, U3) + (VI> v
z
, V3 )] + ( WI> w
z
, W3)
= (UI + VI , Uz + v
z
, U3 + v
3
) +,( w
l
, wz, W3)
= ([u
l
+ VI] + w
l
, [u z + vz ] + wz, [U3 + V3] + W3)
= (UI + [ VI + w
l
] , U
z
+ [vz + w
z
], U3 + [V3 + W3])
= (UI> uz, U3) + (VI + wl> Vz + w
z
, V3 + W3)
= u + (v + w) I
Demostracin del inciso b) (geomtrica). Supngase que u, v y W se representan por PO
QR Y RS. como se muestra en la figura 3.15. Entonces,
v + w = QS . y u + (v + w) = PS
Tambin,
u + v = PR Y (u + v) + w = PS D'Vv'
Por tanto ,
u + (v + w) = (u + v) + w I
...:
124
VECTORES EN LOS ESPACIOS BIDIMENSIONAL Y TRIDIMENSIONAL
p
Figura 3.15
A la longitud de un vector v a menudo se le da el nombre de norma oe v y se le
denota 'por IIvll. Del teorema de Pitgoras se deduce que la norma de un vector' v = (v) , 1' 2)
en el espacio bidimensional es
Sea v = (VI, 1' 2, 1'3) un vector en el espacio tridimensional . Utilizando la,
figura 3 .16b Y con dos aplicaciones del teorema de Pitgoras, se 'obtiene
IlvW = (OR) 2 + (RP) 2
= (OQ) 2 + (OS) 2 + (RP) 2 \
= vi + +
. ,)
Por tanto,
1111

v = -J Vi + [' 2 + 1')
(3. 1 )
Si PI (XI , YI, ZI) Y P
2
(X2 , h , Z2) son dos puntos en el espacio tridimensional , entonces
la distancia 'd entre ellos es la norma del vector PI P
2
(figura 3.17). Debido a que
Figura 3.16
NORMAS OE UN VECTOR; ARITMETICA VECTORIAL 125
z
/P' ,,,.,,, " l
p (X.y . z)
y
Figura 3.17
de (3.1) se deduce que
De modo anlogo, si PI(X, Y) y P
2
(X2, Y2) son puntos en el espacio bidimensional,
entonces la distancia entre ellos est dada por
Ejemplo 4
La norma del vector v =(- 3,2,1) es
La Jistancia d entre los puntos p (2, - 1, - 5) Y P
2
(4, - 3, 1) es
EJERCICIOS 3.2
1. Calcule la norma de v cuando
a) v = (3,4)
d) v = (1 , 1, 1)
b) v = ( - I , 7)
e) v = ( - H, 7, 4)
2. Calcule la distancia entre PI y P
2
.
a) /J
I
(2, 3), Pl (4, 6)
e) /JI( H, - 4, 2), /J
2
( - 6, -- 1, O)
c) \' = (O, - 3)
n v = (9, O. (J)
b) PI ( - 2, 7)_ 1' 2(0, - 3)
d)P,( I , I.I), 1' 2(6,- 7.3)
3. Sea u = (1, -- 3,2), v = (l, 1, O) Y w '" (2, 2, -- 4). Encuentre
a) Il u + vii b) li ui + Il vll e) 11 - 2ull + 211
u
ll
126 VECTORES EN LOS ESPACIOS BIDIMENSIONAL Y TRIDIMENSIONAL
d) 113u - 5v + wl l
4. Halle todos los escalares k tales que IIkvll = 3, en donde v = (l , 2,4).
5. Verifique los incisos (b), (e), (f) y (g) del teorema 1, para u = (1, - 3, 7), v = (6,
6,9), w = (- 8,1,2), k = - 3 Y 1 = 6.
I
6. Demuestre ~ u e si v es diferente de cero, entonces I T ~ I I v tiene norma l.
7. Use el resultado del ejercicio 6 para hallar un vector de norma 1 que tenga la
misma direccin que v = (1, 1, 1).
8. Sea Po = (xo. Yo. zo) y P = (x. y. z). Describa el conjunto de todos los puntos
(x. y . z) para los que IIp - Po 11 = 1. -
9. Pruebe geomtricamente que si u y y son vectores en los espacios bidimensional
y tridimensional, en tonces lIu + v 11 :s;;; lIu 11 + IIv 11 .
10. Pruebe analticamente los incisos (a), (e) y (e) del teorema l.
11. Pruebe analticamente los incisos (d), (g) y (h) del teorema l.
12. Pruebe geomtricamente el inciso (n del teorema l .
3.3 PRODUCTO ESCALAR (PUNTO); PROYECCIONES
En esta seccin se presenta un tipo de multiplicacin de vectores en los espacios bidimen-
sional y tridimensional. Se establecen las propiedades aritmticas de esta multiplicacin y
se dan algunas aplicaciones.
Sean u y v dos vectores diferentes de cero en los espacios bidimensional o tridimen-
sional y supngase que se h-an situado estos vectores de modo que sus puntos iniciales
coincidan. Se dir que el ngulo entre u y v es el ngulo () determinado por u y v que satis-
face O :s;;; () :s;;; 7T (figura 3.18).
Definicin. Si u y v son vectores en los espacios bidimensional o tridimensional y () es el
ngulo entre u y v, entonces el producto escalar (punto) o producto euclidiano interior
u . " se define por
L
v
..
v v u
Figura 3.18
PRODUCTO ESCALAR (PUNTOI: PROYECCIONES 127
Ejemplo 5
r (0, 2, 21
(0,0, 1)
y
Figura 3.19
u . v = { l l u l ~ l l v l l cos e,
si u -=1- o y v -=1- o
siu=O v=O
Como se muestra en la figura 3.19, el ngulo entre los vectores u = (O, O, 1) Y v = (O, 2,
2) es de 45. Por tanto,
Sean u = (UI, U2 , U3) Y v = (VI. V
2
V3 ) dos vectores diferentes de cero. Si, como en la fi
gura 3.20, (J es el ngulo entre u y v, entonces la ley de los cosenos da
-"
Puesto que PQ = v - u, se puede volver a escribir (3. 2) como
o bien,
- z
/
Figura 3.20
Q (VI. V2, V3 )
y
~
(3.2)
128 VECTORES EN LOS ESPACIOS BIDIMENSIONAL, TRIDIMENSIONAL
Al hacer la sustitucin,
y
despus de simplificar, se obtiene:
(3.3)
Si u = (UI, U2) Y v = (VI, V2) son dos vectores en el espacio bidimensional , entonces la
frmula que corresponde a (3.3) es
Ejemplo 6
Considrense los vectores
u = (2, - 1, 1) y
v = (I , I, 2)
Hllese u . v y determnese el ngulo e entre u y v.
Solucin.
Tambin lIull = IIvll =V6, de modo que
u . v 3 l
cos () = ------. = --:-_ ._= = --
Il ullll"11 "; 6 .,;' 6 2"
Por tanto, e = 60.
Ejemplo 7
Hll ese el ngulo entre una de las diagonales de un cubo y una de sus aristas.
Solucin. Sea k la longitud de una de las aristas e introdzcase un sistema de coordenadas
como se muestra en la fi gura 3.2 1.
Si se hace u. = (k, 0, O), U2 = (0, k, O) Y U
3
= (0, 0, k), entonces el vector
d = (". k. Id = u I + U 2 + u.\
PRODUCTO ESCALAR .(PUNTOl; PROYECCIONES 129
y
V"(k, O, O)
Figura 3.21
es una diagonal del cubo. El ngulo e entre d y la arista UI satisface
1
J3
Por tanto,
() = cos -' l ( _ 1_) :::: 54 ' 44'
y3
En el teorema que sigue se muestra cmo puede usarse el producto escalar para
obtener informacin acerca del ngulo entre dos vectores; tambin se establece una im
portante relacin entre la norma y el producto escalar.
Teorema 2. Sean u y v vectores en el espacio bidimensional o en el tridimensional.
a)
b)
v v = IIvIl
2
;esdecir, IIvll = (v V)I/2 )
Si u y v son vectf!res diferentes de cero y e es el ngulo entre ellos. entonces ~ \ 1\
e es agudo
e es obtuso
e = .2!..
2
si y slo si
si y slo si
si y slo si
U v>O
u' v<O
u'v=O
Demostracill.
a) Supuesto que el ngulo e entre v y ves O, se tiene
v . v = I! vlll lvll cos O = Il vW cos O = IIvl1 2
b) Dado' qJe lIu 11 > O, IIv 11 > O Y u v = lIu 11 IIv 11 cos e, u v tiene el mismo signo que
cos e. Supuesto que e satisface O .;;;;; () .;;;;; n, !l ngulo e es agudo si y slo si cos e > O,
() es obtuso si y slo si cos () < O Y () = n/2 si y slo si cos e = o. I
130
VECTORES EN LOS ESPACIOS BIDIMENSIONAL Y TRIDIMENSIONAL
Ejemplo 8
Si u = (1, - 2,3), v = (- 3,4,2) Y W = (3,6, 3), entonces
u' v = (1)( - 3) + (-2)(4) + (3)(2) = -5
v W = (- 3)(3) + (4)(6) + (2)(3) = 21
u' w = (1)(3) + (-2)(6) + (3)(3) = O
Por tanto, u y v forman un ngulo obtuso, v y w forman un ngulo agudo y u y w son
perpendiculares.
En el teorema que se da a continuacin se listan las propiedades aritmticas princi-
pales del producto escalar.
Teorema 3. Si u, v y w son vectores en el espacio bidimensional o en el tridimensional y
k es un escalar, entonces
a) u' v = v . u
b) u (v + w) = u v + u w
c) k(u v) = (ku) v = u . (kv)
d) v . v > O si v #- O Y v v = O si v = O
Demostracin. Se probar (c) para vectores en el espacio tridimensional y se dejarn las de- .
mostraciones que restan como ejercicios. Sean u = (u 1, uz, U3) Y v = (VI> vz, V3); entonces
k(u v) = k(Ul VI + U2V2 + U3V3)
= (kU}Vl + (kU2)V2 + (kU3)V3
= (ku) v
De modo anlogo, k(u v) = u . (kv) I
Con base en el inciso b) del teorema 2, se defmen dos vectores u y v como ortogo-
nales (escrito u 1 v) si u v = O. Si se conviene en que eI'vector cero forma un ngulo de
1r/2 con todo vector, entonces dos vectores son ortogonales si y slo si son geomtrica-
mente perpendiculares.
El producto escalar es til en problemas en los que se tiene inters en "descomponer"
un vector en una suma de vectores perpendiculares. Si u y v son vectores diferentes de
cero en el espacio bidimensional o en el tridimensional, entonces siempre es posible es-
cribir u como
u = W
1
+ W2
en donde Wl es un mltiplo escalar de v y W2 es perpendicular a v (figura 3.22). El vector
Wl recibe el nombre de proyeccin ortogonal de u sobre v y el Wz es la componente de u
ortogonal a v.
PRODUCTO ESCALAR (PUNTO); PROYECCIONES 131
Figura 3.22
Los vectores Wl Y W2 se pueden obtener como sigue. Debido a que Wl es un ml-
tiplo escalar de v, se puede escribir en la forma Wl = kv. Por i.anto,
. u = W + W
2
= kv + W
2
(3.4)
Al tomar el producto escalar de dos miembros de (3.4) con v y aplicar los teoremas 2 y 3,
se obtiene f
u . v = (kv + w
2
) v = kllvW + W
2
V
v
.
Supuesto que W2 es el perpendicular a v, se tiene W2 v = 0, de modo que por esta ~ c u a -
cin se llega a
u'v
k = TIVIr
y como Wl = kv, se obtiene
uv
W = IIvl12V
proyeccin ortogonal-de u sobre v
"-
Al despejar W2 de u = w, + W2 da
componente de u ortogonal a v
Ejemplo 9
Considrense los vectores
u = (2, - 1, 3) Y v = (4, - 1, 2)
)
Ya que
u ' v = (2}(4) + (-1)( -1) + (3)(2) = 15
y
01
132
VECTORES EN LOS EsPACIOS BIDIMENSI"JNAL y TRIDIMENSIONAL
la proyeccin ortogonal de u sobre v es
u . v 15 (20 - 5 10)
w = II
v
l1 2 V = 21 (4, - 1,2) = 7 ' 7 -' 7
La componente de u ortogonal a v es
(
20 - 5 10) ( - 6 - 2 11)
w
2
=u-w=(2,-1,3)- \7 ' 7 ' 7. = -7-'7'7

Como comprobacin, es posible que el lector desee verificar que W2 perpendicular a v,
mostrando que W2 v = O.
EJERCICIOS 3.3
f\
". 1. Halle u v para
a) u = (1,2), v = (6, -8) b) u = (-7, - 3), v = (O, 1)
e) u = (1 , - 3,7), v = (8, - 2, -2) d) u = (- 3, 1, 2), v = (4, 2, - 5) .'
,J. 2. En cada parte del ejercicio 1, halle el coseno del ngulo (} entre u y v.
u.-3. Determine si u y v forman un ngulo agudo, forman un ngulo obtuso o son
ortogonales.
a) u=(7,3,5),v=( - 8,4,2)
e) u = (1, 1, 1), v = ( - 1, O, O)
b) u=(6, 1,3),v = (4, 0, -6)
d) u = (4, 1,6), v = (- 3, O, 2)
.. 4. Halle la proyeccin ortogonal de u sobre v si:
a) u = (2, 1), v = (- 3,2)
e) u=( - 7,1,3),v=(5,0,1)
b) u = (2,6), v = (- 9, 3)
d) u = (O, O, 1), v = (8, 3, 4)
d S. En cada uno de los incisos del ejercicio 4, halle la componente de u ortogonal a v.
6. Verifique el teorema 3 para u = (6, - 1,2), v = (2, 7, 4)y k = ~ 5.
7. Encuentre dos vectores de norma 1 que sean ortogonales a (3 , - 2).
lS 8. Sean u = 0,2), v = (4, - 2) Y w = (6, O). Halle :
a}u'(7v+w)
b} II(u w) wll e) Ilull (v w) d) IIlull v) . w
9. D una explicacin de por qu cada una de las expresiones siguientes no tienen
significado.
a} u (v' w)
~ .1 ,
b)(u' v + ~
'Y'/')
"
d} k' (u + v)
10. Use vectores para hallar los cosenos de los ngulos interiores del tringulo con
~ vrtices en (- 1, O), (- 2, 1) Y O , 4 ).
PRODUCTO VECTORIAL (CRull
133
11 . Establezca la identidad
12. Establezca la identidad
13. Halle el ngulo entre una de las diagonales de un cubo y una de sus caras .
14. Los cosenos de direccin de un vector v en el espacio tridimensional son los n-
meroscos Q, cos y cos 'Y, en donde Q , Y 'Y son los ngulos entre v y los
x , y y z positivos. Demuestre que si v = Ca, b, d, entonces cos Q =a/ya
1
+ b
2
+ c
2

Halle cos y cos 'Y.
IS. Demuestr,e que si ves ortogonal a w} y W2. entonces v es ortogonal a k} w
+ k2W2 para todos los escalares k
l
y k
2
,
16. Sean u y v vectcres diferentes de cero en el espacio bidimensional o en el tridi-
mensional. Si k '" Ilull y 1 = IIvll , demuestre que el vector
biseca el ngulo entre u y v.
1
11 = - - lb + lu)
/.: I
3.4 PRODUCTO VECTORIAL (CRUZ)
I
,En muchas aplicaciones de los vectores a problemas de la geometra, fsica e ingeniera,
se tiene inters en construir un vector en el espacio tridimensional que sea perpendicular
a dos vectores dados. En esta seccin se presenta un tipo de multiplicacin vectorial que
facilita esta construccin.
Definicin. Si u = (u 112. 113) Y v = (VI. V2 , V3) son vectores en el espacio tridimensional,
entonces el producto vectorial (cruz) u X ves el vector definido por
o . ,con la notacin de determinantes.
u x " =
"
11.1 1 -1"'
r .l 1',
11.11. 1
11
'
l' l' .1 ,
(3.5)
OI3SFRVACION. Existe un patrn en la frmula (3.5) que es til tener presente. Si se forma
la matriz de 2 X 3
[
",
1',
Ir]
3
r
.1
I
\
134 VECTORES EN LOS ESPACIOS BIDIMENSIONAL Y TRIDIMENSIONAL
en donde los elementos del primer rengln son las componentes del primer factor u, y los
del segundo rengln son las componentes del segundo factor v, entonces el determinante de
la primera componente de u X v se obtiene al eliminar la primera columna de la matriz, el
determinante de la segunda componente al eliminar la segunda columna de la matriz, y
el determinante de la tercera componente. al eliminar la tercera columna de la matriz.
Ejemplo 10
Halle u X v, en donde u = (1,2, - 2) Y v = (3,0, 1).
Solucin.
e ~ - n
u x v = ( I ~ - ~ I , - I ~ - ~ I , I ~ ~ I )
= (2, - 7, -6)

En tanto que el producto escalar (punto) de dos vectores es un escalar, el producto
vectorial (cruz) es otro vector. El teorema que sigue da una relacin importante entre el
producto escalar y el vectorial y tambin indica que u X v es ortogonal tanto a u como a v.
Teorema 4. Si uy v son vectores en el espacio tridimensional, entonces,
a) u (u x v) = O
b) v (u x v) = O
e) Ilu x vl1
2
= IIul1211vll2 - (u . V)2
(u x v es ortogonal a u)
(u x v es ortogonal a v)
(Identidad de Lagrange)
a) u (u x v) = (u
1
, U2' U3) (U2V3 - U3V2, U3Vl - U1V3, UIV2 - U2Vl)
= Ul(U2
V
3 - U3
V
2) + U2(U3
V
l - UIV3) + U3(UIV2 - U2Vl)
=0
b) Semejante a (a)
c) Puesto que
y
IIul12 IIvl12 - (u . V)2
=(U1
2
+ U/ + U3
2
)(V/ + V/ + V3
2
) - (UIVl + U2V2 + U3V3)2 (3.7)
Se puede establecer la identidad de Lagrange al "efectuar las multiplicaciones" de los se-
gundos miembros de (3.6) y (3.7) Y verificar su igualdad.
PRODUCTO VECTORIAL (CRUZ) 135
Ejemplo 11
Considrense los vectores
u = (1, 2, -2) and v = (3, O, 1)
En el ejemplo lOse demostr que
u x v = (2, -7, -6)
Debido a que
u . (u x v) = (1)(2) + (2)( - 7) + ( - 2)( - 6) = O
y
}
v . (u x v) = (3)(2) + (0)( - 7) + (1)( - 6) = O
u X ves ortogonal tanto a u como a v, como lo garantiza el teorema 4.
Las propiedades aritmticas principales del producto vectorial se listan en el teorema
siguiente:
Teorema 5. Si u, v y w son vectores cualesquiera en el espacio tridimensional y k es un es-
calar cualquiera, entonces:
a) u x v = - (v x u)
b) u x (v + w) = (u x v) + (u x w)
c) (u + v) x w = (u x w) + (v x w)
d) k(u x v) = (ku) x v = u x (kv)
e) u x O = O x u = O
j)u x u=O
Las demostraciones se deducen inmediatamente de la frmula 3.5 y de las propiedades de los
determinantes; por ejemplo, (a) se puede probar como sigue:
Demostracin. (a) Al intercambiar u y v en (3.5) se intercambian los renglones de los tres
determinantes del segundo miembro de (3.5) y, en consecuencia, se cambia el signo de
cada componente del producto vectorial. Por tanto, u X v = - (v X u). I
Las demostraciones de los incisos restarrtes se dejan como ejercicios.
Ejemplo 12
Considrense los vectores
i = (1, O. O) j = (0, 1, O) k = (O, 0, 1)
Cada uno de estos vectores tienen longitud 1 y estn a lo largo de los ejes de coordenadas
(figura 3.23); stos se conocen como vectores unitarios estndar del espacio tridimensional.
\
136
VECTORES EN LOS ESPACIOS BIDIMENSIONAL Y TRIDIMENSIONAL
r
z
(0,0, 1)
k
Figura 3.23
Todo vector v = (VI , V2, V3) en el espacio tridimension.al se puede expresar en trminos de
i , j y k, ya que se puede escribir
Por ejemplo,
(2, - 3, 4) = 2i - 3j + 41(
De (3.5) se obtiene
i x j = ( I ~ ~ I , - I ~ ~ I , I ~ ~ I ) = (0, 0, 1) = k
El lector no debe tener problemas en obtener los siguientes resultados.
i x i=j x j=k x k = O
i x j = k, j x k = i, k x i = j
j x i = - k, k x j = - i, i x k = - j
El diagrama que sigue es ti! para recordar estos resultados.
i
o :
Con referencia a este diagrama, el producto vectorial de dos vectores consecutivos al ir en
el sentido de las manecillas del reloj es el vector que sigue sobre la circunferencia, y el
producto vectorial de dos vectores consecutivos al avanzar en sentido contrario a las ma-
necillas del reloj es el negativo del vector siguiente sobre la circunferencia.
Tambin conviene hacer notar que se puede representar simblicamente un producto
vectorial en la forma de un determinante de 3 x 3,
PRODUCTO VECTORIAL (CRUZI
u X V = U
V
Por ejemplo, si u = (1, 2, - 2) Y v = (3, O, 1), entonces
j
u x v = 1 2
3 O
k
- 2 = 2i - 7j - 6k
1
lo cual concuerda con el resultado que se obtuvo en el ejemplo 10.
Observacin. En general, no es cierto que u X (v X w) :-= (u X v) X w. Por ejemplo,
i x (j x j) = i x O = O
y
(i x j) x j = k x j = - (j x k) = - i
de modo que
i x (j x j) 4 (i x J) x j
137
----
Por el teorema 4 se sabe que u X v es ortogonal tanto a u como a v: Si u y v son vecto-
res diferentes de cero, se puede demostrar que es posible determin'lr la direccin de ti X v
aplicando la "regla de la mano derecha" siguiente (figura 3.24). Sea 8 el ngulo entre u y v,
y supngase que se hace girar u de modo que describa el ngulo 8 hasta que coincida con
uxv
Figura 3.24
*Recurdese quei en este texto, se convino en considerar slo sistemas derechos de coordenadas. Si
o;c hubieran utilizado sistemas izquierdos. a4u se aplicara la "rc!la de la milon izquierda".
138 VECTORES EN LOS ESPACIOS BIDIMENSIONAL Y TRIDIMENSIONAL
v. Si se curvan los dedos de la mano derecha de modo que apunten en la direccin de rota-
cin, entonces el pulgar apunta (aproximadamente) en la direccin de u X v.
Quizs el lector considere instructivo practicar esta regla con los productos.
i x j = k j x k = i k x i = j
Si u y v son vectores diferentes de cero en el espacio tridimensional, entonces la
norma de u X v tiene una interoretacin geomtrica til. La identidad de Lagrange, dada
.en el teorema 4, afirma que
(3.8)
. ~ i (J denQta el ngulo entre u y v, entonces u v = lIullllvll cos (J, de modo que se puede
, . volver a escribir (3.8) como .
Por tanto,
Ilu X vl1
2
= IIul12 IIvl12 - IIul12 IIvl12 cos
2
e
= IluW IlvW (1 - cos
2
e)
= IIul1211vl12 sen
2
e

(3.9)
Pero l\vll sen (J es la altura del paralelogramo determinado por u y v (figura 3.2,S). Por
consiguiente, por 10 expresado en (3.9), el rea A de este paralelogramo est dada por
A = (base)(,altura) = Ilullllvll sen e = Ilu x vII
En otras palabras, la nonna de u X v es igual al rea del paralelogramo detenninado
por uy v.
Ejemplo 13
Hllese el rea del tringulo determinado por los puntos P1 (2, 2, O), P
2
(- 1, 0, 2) Y
P
3
(0, 4, 3).
Figura 3.25
PRODUCTO VECTORIAL (CRUZ) 139
Figura 3.26
SOlucin. El rea A del tringulo es 1/2 del rea del paralelogramo determinado por los
vectoresPlP2 y P
1
P
3
(figura 3.26).
Al aplicar el mtodo analizado en el ejemplo 2 de la seccin 3.1 ,P
1
P
2
= (- 3, -2,
2) Y P
1
P
3
= (- 2,2,3). Se deduce que
P
1
P
2
X P
1
P
3
= (- 10, 5, - 10)
y, como consecuencia,
A = tllpp2 x P
1
P
3
11 = t(15) = 1f-
Inicialmente, se defmi un vector como un segmento rectilneo dirigido, o flecha,
en el espacio bidimensional o en el tridimensional; posteriormente, se introdujeron los
sistemas de coordenadas y las componentes para simplificar los clculos con vectores.
Por tanto, un vector tiene una "existencia matemtica" sin importar si se haya introducido
o no un sistema de coordenadas. Adems, las componentes de un vector no quedan ,deter-
minadas slo por el propio vector; tambin dependen del sistema de coordenadas que se
elija. Por ejemplo, en la figura 3.27 se tiene indicado un vector fijo en.el plano, v, y dos
sistemas diferentes de coordenadas. En el sistema de coordenadas xy, las componentes de
v son (1 , ), yen el sistemax'y' son (..Ji, O).
Esto lleva a una pregunta importante acerca de la defmicin dada de producto vec-
torial. Puesto que se defmi el producto vectorial u X ven trminos de las componentes
-
Figura 3.27
140 VECTORES EN LOS ESPACIOS BIDIMENSIONAL Y TRIOIMENSIONAI,.
de u y V, y como estas componentes dependen del sistema de coordenadas elegido, parece
factible que dos vectores fijos u. y v podran tener productos vectoriales diferentes en sis-
temas diferentes de coordenadas. Por fortuna, ste no es .el caso. Para justificar esto, basta
con recordar que:
i) u X ves perpendicular tanto a u como a v.
ii) La orientacin de u X v se determina por la regla de la mano derecha.
iii) lIu X vll= lIullllvll sen 8.
Estas tres propiedades determinan por completo al vector u X v; las propiedades (i) y (ii)
determinan la direccin, y la (iii) deterinina la longitud. Dado que estas propied.des
dependen nicamente de las longitudes y posiciones relativas de u y v, y no del sistema
derecho de coordenadas que se est utilizando en particular, el vector u X v permanece
inalterado si se introduce un sistema derecho diferente d.e coordenadas. Este hecho se
describe al afirmr que la definicin de u X v es independiente de las coordenados. Este
resultado tiene gran importancia para los fsicos .e ingenieros quienes, COn frecu.encia,
trabajan con muchos sistemas de coordendas en el mismo problema.
Ejemplo 14
Considrense dos vectores perpendiculares u y v, cada uno de longitud 1 (como se mues-
tra en la figura 3.280). Si se introduce un sistema de coordenadas XYf. como se ve ,en la
figura 3.28b, entonces
u = (1 , O, O) = i y v = (O. 1, O) = j
de modo que
u x v = i x j = k = (O, 0, 1)
Por otro lado, si se introduce un sistema de x'y'i', como muestra en la
figura 3.28c, entonces
(a)
v
.-
u = (0, 0, 1) = k
J. O. 1)
\J X v
(b)
y
.Y
*
Figura 3.28
v=JI,O,O)=i
r
(lJ. 1 O)
u)o; \'
.r '

u
PRODUCTO VECTORIAL (CRUZ) 141
de modo que
u x v = k x i = j = (O, 1, O)
Pero en las figuras 3.28by e se ve con claridad que el vector (O, 0,1) del sistemaxyz es el
mismo que el vector (0, 1, O) del sistema x'y' z'. Por tanto, se obtiene el mismo vector
u X v, sea que se calcule con coordenadas del sistema xyz o con las coordenadas del sis-
tema x'y'z'.
I ,
EJERCICIOS 3.4
1. San u = (2, - 1
1
3), v = (0,1,7) Y w = (1, 4, 5). Calcule:
a) v x w
d) (u x v) x (v x w)
b) u x (v. x w)
e) u x (v - 2w)
c)(u x v) XW
f) (u x v) - 2w
2. En cada inciso, halle un vector ortogonal tanto a u como a v.
a) u=(-7,3, 1) v = (2,0,4)
b) u=(-I, - 1, -1) v=(2, 0, 2)
3. En cada inciso, halle el rea del tringulo que tiene los vrtices p. Q y R.
a) P(1, 5, -2)
b) P(2,0, -3)
I
Q(O, 0, O)
Q(I, 4,5) .
R(3, 5,1)
R(7, 2, 9)
4. Verifique el teorma 4 para los vectores u = (l, - 5,6) Y v = (2, 1,2).
S Verifique el teorema 5 para u = (2, 0, - 1), v= (6, 7, 4), w = (1,1, l)y k = - 3.
6. Qu es errneo en la expresin u X v X w?
7 .. Sean u = (-1, 3, 2) Y w == (1, 1, - 1). Halle todos los vectores x que satisfagan
u X x = w.
8. Sean ti =(UI . U2. U3), v= (VI. V
L
V3) Y w = (wI. W2. W3) . Demuestre que P
LI) Uz
:'1
u' (v x w) = r ;2
) .1
w) W
2
\\'
.1
9. Use el resultado del ejercicio 8 para calcular u' (v X w) cuando u = ( - 1, 4,7),
v = (6, - 7,3) Y w = (4, 0,1).
10. Sean m y n vectores cuyas componentes en el sistema xyz de la figura 3.28 son
m=(O,O, l)yn=(O, 1,0).
a) Halle las componentes de m y n en el sistema x'y'/ de la figura 3.28.
b) Calcule m X n utilizando las componentes en el sistema xyz.
f') Calcule m X n utilizando las componentes en el sistema x'y'z' .
d) Demuestre que los vectores que se obtuvieron en (b) y (e) son los mismos.
142 VECTORES EN LOS ESPACIOS BIDIMENSIONAL Y TRIDIMENSIONAL
? 11. Pruebe las siguientes identidades.
1
a) (u + kv) x v = u x v
b) (u x v) z = u . (v x z)
12. Sean u, v y w vectores diferentes de cero en el espacio tridimensional,tales que
ningn par de ellos son colineales. Demuestre que: I
+- a) u X (v X w) se encuentra en el plano determinado por v y w (suponiendo que
los vectores se sitan de modo que tengan los mismos puntos iniciales).
b) (u X v) X w se encuentra en el plano determinado por u y v.
13. Pruebe que. x X (y X z) = (x z)y - (x y)z. Sugerencia. Pruebe primero el resul-
tado en el caso en el que z = i = 0', 0, O), entonces cuando z = j = (0, 1, O) y, a
continuacin, cuando z = k = (0, 0, 1). Por ltimo, pruebe para un vector arbi-
trario z = (Zl , Z2, Z3), escribiendo z = Zl i + Z2j + Z3k.
14. Pruebe los incisos (a) y (b) del teorema 5.
15. Pruebe los incisos (e) y (d) del teorema 5.
16. Pruebe los incisos (e) y (d) del teorema 5.
3.5 RECTAS Y PLANOS EN EL ESPACIO TRIDIMENSIONI'L
En esta seccin se usan los vectores para deducir ecuaciones de rectas y planos en el espacio
tridimensional. A su vez, se utilizan estas ecuaciones para resolver algunos problemas b-
sicos de la geometra.
En geometra analtica en el plano, se puede especificar una recta al dar su pendiente
y uno de sus puntos. Anlogamente, es posible determinar un plano en el espacio tridi-
mensional al dar su inclinacin y especificar uno de sus puntos. Un mtodo conve\niente
para describir la inclinacin es especificar un vector (llamado normal) que sea perpendicu-
lar al plano.
Supngase que se desea la ecuacin del plano que pasa por el punto Po (xo , Yo, zo)
y que tiene como normal al vector n = (a, b, e). Es evidente, en la figura 3.29, que el plano
consta precisamente de aquellos puntos P (x, y, z) para los cuales el vector PoP es orto-
gonal a n; es decir, para los que
(3.10)
dado que PoP = (x - xo, Y - Yo, z - zo), (3.l0) se puede volver a escribir como
(3.11 )
A esta expresin se le da el nombre de forma punto-normal de la ecuacin de un plano.
l.
RECTAS Y PLANOS EN EL ESPACIO TRIOIMENSIONAL 143
--
Figura 3.29
Ejemplo 15
Encuntrese la ecuacin del plano que pasa por el punto (3, - 1, 7) Y es perpendicular al
vector n = (4, 2, - 5).
Solucin-:Por la expresin (3.11), una forma punto-normal es
4(x - 3) + 2(y + 1) - 5(z - 7) = O
Al realizar las multiplicaciones y agrupar los trnnos, (3.11) se puede escribir en
la forma
ax + by + cz + d = O (3.12)
en donde a, b c y d son constantes, y a, b yc no son todas cero. Como ilustracin, la ecua-
cin del ejemplo 15 se puede escribir como
4x + 2y - 5z + 25 = O
Segn lo indica el teorema que sigue, toda ecuacin que tiene la forma de (3.12) re-
presenta un plano en el espacio tridimensional.
Teorema 6. Si a, b, c y d son constantes, y a, b y c no son todas cero, entonces la grfica
de la ecuacin
es un plano que tiene al vector n = (a, b, c) como normal.
Demostracin. Por hiptesis, a, b y c no son todas cero. Supngase, por el momento, que
a "* O. Entonces la ecuacin ax + by + cz + d = O se puede volver a escribir como a(x +
144 VECTORES EN LOS ESPACIOS BIDIMENSIONAL Y TRIDIMENSIONAL
(dla)) + by + ez = O. Pero esto es una forma punto-normal del plano que pasa por el pun-
to (- dla, O, O) Y que' tiene a n = (a, b, e) como una normal.
Si a = O, entonces b *- O, o bien, e*- O. Con una modificacin directa del argumento
dado se manejarn estos otros casos.
La ecuacin (3.12) es una ecuacin lineal en x, y y z; esta ecuacin se conoce como
forma general de la ecuacin de un plano.
Del mismo modo como las soluciones a un sistema de ecuaciones lineales
ax + by = k
ex + dy = k
2
corresponden a puntos de interseccin de las f f ~ c t a s ax + by = k yex + dy = k
2
en el
plano xy, las soluciones de un sistema
ax + by + ez = k I
e/x + ey + f z = k
2
gx + hy + ;z = k3
(3.13)
corresponden a puntos de interseccin de los planos ax + by + ez = k, dx + ey + fz ==
k
2
Y gx + hy + iz = k3'
En la figura 3.30 se han ilustrado algunas de las posibilidades geomtricas cuando
(3.13) tiene cero, una o una infinidad de soluciones.
(a)
(b) (e)
(d) (e) (f)
Figura 3.30 (a) Ninguna solucin (tres planos paralelos). (b) Ninguna solucin (dos planos
paralelos). (e) Ninguna solucin (tres planos sin interseccin comn). (d) Una infinidad
de soluciones (tres planos coinciden tes). (e) Una infinidad de soluciones (tres planos que
se intersecan en una recta). (f) Una lolucin (tres planos que se intersecan en un punto).
RECTAS Y PLANOS EN EL ESPACIO TRIDIMENSIONAL 145
Ejemplo 16
Encuntrese la ecuacin del plano que pasa por los puntos PI (1,2, - 1) , P
2
(2, 3, 1) Y
P
3
(3 , - 1,2).
Solucin. Debido a que los tres puntos se encuentran en el plano, sus coordenadas deben
satisfacer la ecuacin general ax + by + cz + d = O del propio plano. Por tanto,
Al resolver este sistema da
a = - 9
6
(
a + 2b - e + d = O
2a + 3b + e + d = O
3a - b + 2e + ti = O
b = - /6( e =-h(
Al hacer t = - 16, por ejemplo, se llega a la ecuacin deseada
9.\ + y - : 5 ~ - 16 = O
d=(
Se observa que cualquier otra eleccin de t da un mltiplo de esta ecuacin, de modo que
cualquier valor de t * O sera igualmente apropiado.
/
Solucin alternativa. Supuesto que PI (1 ,2, - 1). P 2(2, 3, 1) Y P
3
(3 , - 1, 2) se encuentran
en el plano, los vectores PI P 2 = (1 , 1, 2) yP I P 3 = (2, - 3, 3) son paralelos al plano. Por
tanto P
I
P
2
X P
I
P
3
=(9 , 1, - 5) es normal el plano, ya que es perpendicular tanto aP
I
P
2
como a Ip I P 3. Con base en esto y en el hecho de que PI "est en el plano, una fomla pun-
to-normal para la ecuacin del plano es
9(.\: - 1) + (y - 2) - 5(z + 1) = O
o bien,
9x + J' - 5z - 16 = O
Ahora se muestra cmo obtener ecuaciones para rectas en el espacio tridimensional.
Supngase que 1 es la recta en el espacio tridimensional que pasa por el punto Po(xo, Yo,
zo) y es paralela al vector diferente de cero v=(a, b, e). Es obvio (figura 3.31) que 1 consta
precisamente de aquellos puntos P (x, y, z) para los que el vector PoP es paralelo a v, es
decir , para los cuales existe un escalar t tal que
PoP = tv
En tmlinos de componentes, (3.14) se puede escribir
(x - x
o
, y - Yo, z - zo) = lta, tb, te)

(3.14)
146 VECTORES EN LOS ESPACIOS BIDIMENSIONAL Y TRIDIMENSIONAL
x
Figura 3.31
de lo cual se deduce que
x = ~ o + tQ ~
Y- Yo + lb endo.nde-oo < t < +00
Estas ecuaciones se denominan ecuaciones paramtricas para 1, ya que P(x, y, z) recorre la
recta 1 a medida que el parmetro t vara de - 00 a + 00
Ejemplo 17
La recta que pasa por el punto (1, 2, - 3) y es paralela al vector v = (4, 5, - 7) tiene las
ecuaciones paramtricas
Ejemplo 18
x = 1 + 4t
y = 2 + St en donde - 00 < t < + 00
z = - 3 - 7t
a) Hllense las ecuaciones paramtricas para la recta 1 que pasa por los puntos PI (2 ,
4, - 1) y P2(S, 0, 7).
b) En dnde se interseca la recta con el plano xy?
_Solucin. a) Ya que el vector pp
2
= (3, - 4, 8) es paralelo a 1 y P
I
(2 , 4, - 1) est sobre
1, la recta 1 est dada por
x = 2 + 3t
y = 4 - 4t en donde - 00 < t < + 00
z = - 1 + 8t
RECTAS Y PLANOS EN EL ESPACIO TRIDIMENSIONAL 147
b) La recta se interseca con el plano xy en el {Xlnto en el que z = - 1 + 8t = O; es decir,
cuando t = 1/8. Al sustituir este valor de t en las ecuaciones paramtricas para I se
obtiene como punto de interseccin
(s. y. :) = (18
9
.;. O)
Ejemplo 19
Hllense las ecuaciones paramtricas para la recta de interseccin de los planos
J\ + 21' - 4: - 6 = O y s - 31' - 2: - 4 = O
Solucin. La recta de interseccin consta de todos los puntos (x, y, z) que satisfacen las
dos ecuaciones del sistema
Al resolver este sistema se llega a
s = + H-t
3s + 21' - 4: = 6
s - 3\ - 2: = 4
Por tanto, las ecuaciones paramtricas para I son

: = r
l' = - ti - 1
2
1 r en donde - x < t < + x:
: = r
En algunos problemas, se da una recta
s = .\ 0 + ar
l' = Yo + b1 en donde .- x: < 1 < + ce
: = : (l + C1
(3.15)
y se tiene inters en encontrar los dos planos cuya interseccin sea la recta dada. Supuesto
que existe una infinidad de planos que pasan por la recta, siempre se tiene una infinidad
de pares de esos planos. Para encontrar uos de esos planos, cuando a, b y e son t odas di-
ferentes de cero, se puede volver a escribir cada ecuacin dada en (3 . 15) en la forma
s - X
o
- --= 1
a
J' - Yo = 1
b
z - Zo
- - -=1
e
Al eliminar el parmetro t se llega a la conclusin de que la recta consta de todos los pun-
tos (x, y, z) que satisfacen las ecuaciones
x - Xo y - Yo z - Zo
a =-b-=-c-
148 VECTORES EN LOS ESPACIOS BIDIMENSIONAL Y TRIDIMENSIONAL
conocidas como ecuaciones simtricas para la recta. Por tanto, es posible concebir la recta
como la interseccin de los planos
x - Xo y - Yo
a b
y
.1' - Yo z - Zo
b e
o como la interseccin de
x - Xo z - Zo Y - Yo Z - 20
a e
y
h e
y as sucesivamente.
Ejemplo 20
Hllense dos planos cuya interseccin sea la recta
x = 3 + 2e
y = - 4 + 7 e en donde - - ~ < e < + 'l.
Z = l + 3t
Solucin. Debido a que las ecuaciones simtricas para esta recta son
x - 3 y+ 4 z- 1
es la interseccin de los planos
o, lo que es equivalente,
x - 3
2
2 7 3
y+ 4
7
y
7x - 2y - 29 = O y
y+ 4
7
z- I
3
3y - 7z + 19 = O
(3.16)
Es posible obtener otras soluciones si se eligen pares diferen tes de ecuaciones en (3 .16).
EJERCICIOS 3.5
1. En cada inciso, halle una forma punto-normal de la ecuacin del plano que pasa
por P y tiene a n como una normal.
a) P(2, 6, 1); n = (1 , 4,2)
e) P(l , O, O) ; n = (O, 0,1)
b) P( -1, -1,2); n = (-1 ,7, 6)
d) P(O, O, O); n = (2,3, 4)
2. Escriba las ecuaciones. de los planos del ejercicio I en la forma general.
RECTAS Y PLANOS EN EL ESPACIO TRIDIMENSIONAL 149
3. Halle una forma punto-normal de:
a) 2.\' - 31' + 7:: - 10 = O b) .\ + 3::=0
4. En cada inciso, halle una ecuacin para el plano que pasa por los puntos dados.
a) \ -- 2, 1. 1)
b) (3, 2, 1)
(0, 2.3)
(2, 1. - 1)
(1.0. - 1)
(- 1. 3. 2)
5. En cada inciso, halle las ecuaciones paramtricas para la recta que pasa por P y
es paralela a n.
a) PL2. 4. 6); n = (1. 2. 5)
e) PI!. 1. 5): n = (O. O. l)
b) P( - 3.2. - 4) : n = (5. - 7. - 3)
d) P(ll. O. O): n = ( 1. 1. 1)
6. Halle las ecuaciones simtricas para la recta de los incisos (a) y (b) del ejercicio 5.
7. En cada inciso, halle las ecuaciones paramtricas para la recta que pasa por los
puntos dados.
a) (6. - 1.5). (7.2. - 4) b) (O. O. Ol.(-l. - 1.-1)
8. En cada inciso, halle las t!cuaciones paramtricas para la recta de interseccin
de los planos dados.
a) - 2.\' -;- 31' + 7: + 2 = O
b) 3.\' - 5.1' + 2:: = O
y
y
.\' + 2.1' - 3:: + 5 = O
:: =0
9. En cada inciso, halle las ecuaciones para los dos planos cuya interseccin es la
recta dada .
.\' = ,:\ + "r
a) .1' = - 7 + 2r - x< r<+ x
- 6 - r
.\' = 5r
b) .r=3r
:: = 6r
- X <I<+oo
10. Halle las ecuaciones para d plano xY. el plano xz y el plano )'z.
11. Demuestre que la recta
.\' = 0
.1' = 1 - :x; < 1 < + x
:: = 1
a) est en el plano 6x + 4y -- 4z = O
b) es paralela al plano 5x -- 3y + 3z = 1 Y est debajo de l.
c) es paralela al plano 6,x + 2,v - 2z = 3 Y est arriba de l.
12. Halle el punto de interseccin de la recta
.\ - 4 = 51
.1'+2=1
; - 4 = - 1
y el plano 3x - y + 7z + 8 = O.
150
VECTORES EN LOS ESPACIOS BIDIMENSIONAL Y TRIDIMENSIONAL
13. Halle un plano que pase por el punto (2, - 7, 6) Y sea paralelo al plano
Ss - 2.r + ;: - 9 = O.
14. Demuestre que la recta
x - 4 = 2t
y =-1
Z + 1 = - 4t
es paralela al plano 3x + 2y + z - 7 = O.
15. Demuestre que las rectas
x + 1 = 41
y - 3= 1
z - I =O
y
-%< 1< + %
s + 13 = 121
y.- 1 = 61
Z - 2 = 31
se intersecan. Encuentre el punto de interseccin.
16. Halle una ecuacin para el plano determinado por las rectas del ejercicio 15.
4
Espacios vectoriales
4.1 ESPACIO EUCLIDIANO 11 DIMENSIONAL
La idea de usar parejas de nmeros para localizar puntos en el plano}' ternas para localizar
puntos en el espacio tridimensional se concibi por primera vez con claridad a mediados del
siglo XVII. A fines del siglo XIX, matemticos y fsicos empezaron a darse cuenta que no
era necesario quedarse en las ternas. Se reconoci que los conjuntos ordenados de cuatro
nmeros (al , a2 , a3 , a4) se podan considerar como puntos en el espacio "tetradimen-
sional" , los conjuntos ordenados de cinco nmeros (a 1 , a2 , . . . , as) como puntos en el
espacio "pentadimensional", etc, Aun cuando la concepcin geomtrica no se extiende
ms all del espacio tridimensional, es posible extender muchas ideas conocidas ms all
de tal espacio, trabajando con propiedades analticas o numricas de puntos y vectores, en
lugar de las propiedades geomtricas. En esta seccin se precisan ms estas ideas.
Definicin. Si 11 es un entero positivo, entonces una n-ada ordenada es una sucesin de n
nmeros reales (al , a2, . .. , a
,l
). El conjunto de todas las /loadas ordenadas se conoce como
espacio n dimensional y se denota por RIl.
Cuando 11 = 2, o bien. 3, es comn usar los trminos " pareja ordenada" y "terna ordenada",
en lugar de 2-ada y 3-ada ordenadas. Cuando 11 = 1, cada n-ada ordenada consta de un n-
mero real y, por tanto, R I se puede concebir como el conjunto de los nmeros reales.
Para este conjunto, es comn escribir R en lugar de R
I

Es posible que el lector haya encontrado, en el estudio del espacio tridimensional,
que el smbolo (a \. a2. a3) tiene dos interpretaciones geomtricas diferentes. Puede inter-
pretarse como un punto, en cuyo caso al , a2 Y 03 son las coordenadas (figura 4.10) o se
puede interpretar como un vector, en cyo caso al, a2 ya3 son las componentes (figura
4. 1 b). Por tanto, se concluye que una -ada ordenada (al, 02, ... , a
n
) se puede concebir
como un "punto generalizado" o como un "vector generalizado" - desde el punto de vista
matemtico, la distincin no tiene importancia. Por consiguiente, se tiene libertad de des-
cribir la S-ada (-2. 4, O, 1, 6) como un punto en R
S
o como un vector en R
S
Se har uso
de ambas descripciones.
151
152 ESPACIOS VECTORIALES
i
(a)
Figura 4.1
Definicin Se dice que dos vectores u = (U, U
2
, . , Un) Y V = (VI, 1'2, . . , V
n
) en Rn
son iguales si
L1
1
= L"l , U2 = (; 2' . . . , Un = L"n
La suma u + V se define por
u + v = (U I + (;1 ' U2 + 1:2 ' .. . , Un + V
n
)
y sik es cualquier escalar, el mltiplo escalar ku se define por
ku = (kul ,.ku2 , ... , ku
n
)
Las operaciones de adicin y muItip.\icacin escalar dadas en esta definicin se denominan
operaciones estndar sobre Rn.
Se define el vector cero en Rn como el vector
o = (0, O, .. . , O)
Si u = (u 1, U2, . .. , un) es un vector cualquiera en Rn, entonces el negativo (o inverso
aditivo) de u se denota por - u y se liefine por
- u = ( - ulo - U2 , "" -Un)
Se define la sustraccin de vectores en Rn por v - u = v + (-u) o, en trminos de
las componentes,
v - u = v + (-u) = (VI , V2," " v
n
) + ( - L/I, -U2, " " -Un)
= (VI - U lo V2 - U2 , . . . , V
n
- Un)
En el teorema que sigue se listan las propiedades aritmticas ms importantes de la
adicin y la multiplicacin escalar de vectores en Rn. Todas las demostraciones son fciles
y se dejan como ejercicios.
Teorema 1. Si u = (u, U
z
, ... ,un), V = (v, V2, .. . , v
n
) y W =(w. W2,"" wn)son
I'ectores en R" y k Y 1 son escalares, entonces:
ESPACIO EUCLIDIANO n DIMENSIONAL
a) u + v = v + u
b) u + (v + w) = (u + v) + w
::) u + O = O + u = u
d) u + (-u) = O,esdecir.u - u = O
e) k(lu) = (kl)u
f) k(u + v) = ku + kv
g) (k + [)u = ku + lu
h) lu = u
153
Con este teorema se pueden manipular los vectores en Rn sin expresarlos en tr-
minos de componentes, casi de la misma manera como se manipulan los nmeros reales.
Por ejemplo, para despejar x en la ecuacin vectorial x + u = v, se puede sumar - u a am-
bos miembros y proceder como sigue:
(x + u) + ( - u) = v + ( - u)
x + (u - u) = v - u
x + O= v - u
x = v - u
El lector encontrar de utilidad nombrar los incisos del teorema I que justifican cada uno
de los pasos en este clculo.
A fin de extender las nociones de distancia, norma y ngulo hacia Rn , se principia
con la generalizacin siguiente del producto escalar sobre R
2
y R
3
(seccin 3.3).
Definicin. Si u = (UI. U2 , .. . , un) y V = (VI. V2 , . .. , v
n
) son vectores cualesquiera en
Rn, entonces el producto euclidiano interior u . v se define por
Obsrvese que cuando n = 2, o bien, 3, el producto euclidiano interior es el produc-
to escalar ordinario (seccin 3.3).
Ejemplo 1
El producto euclidiano interior de los vectores
u = ( - 1, 3, 5, 7)
y
v = (5, - 4, 7, O)
u . v = ( - 1 ( 5) + (3)( - 4) + (5)(7) + (7)(0) = I X
En el siguiente teorema se listan las cuatro propiedades' aritmticas principales del
producto euclidiano interior.
154 ESPACIOS VECTORIALES
Teorema 2. Si u, v y w son vectores en Rn y k es un escalar cualquiera, entonces:
(a) u v = v . u
(b) (u + v) . w = u w + v w
(e) (ku)' v = k(u . v)
(d) v v O. Adems, v . v = O si y slo si v = O
Se probarn los incisos (b) Y (d) Y se dejan las dems demostraciones como ejercicios.
Demostracin (b). Sean u = (UI, U2, .. . , un), v = (VI, V2, . .. , v
n
) y W =(WI ' W2," " w
n
).
Entonces
(u + v) . W = (u
I
+ VI ' U2 + V2' .. . , u" + v,,) . (w , W
2
, . .. , w,,)
= (u + L'}II' + (u
z
+ [2 )WZ + .. . + (u" + [ ")11',,
= (1IH' + U
Z
H' 2 + . .. + u"w,,) + ( V IV + V211' 2 + ... + L' "II',,)
= U'W + V'W
v + . .. = V2 = . .. =
v
n
= O; es decir, si y slo si v =.().
Ejemplo 2
El teorema 2 permite efectuar los clculos con los productos euclidianos interiores casi de
la misma manera como se efectan con los productos aritmticos ordinarios. Por ejemplo,
(3u + 2v) . (4u + v) = (3u) . (4u + v) + (2v) . (4u + v)
= (3u) . (4u) + (3u) . v + (2v) . (4u) + (2v) . v
= 12(u' u) + 3(u . v) + . u) + 2(v . v)
= 12(u'u) + II(u'v) + 2(v'v)
El lector debe determinar cules incisos del teorema 2 se aplicaron en cada paso.
Por analoga con las conocidas frmulas en R
2
y R
3
, se define la norma euclidiano
(o longitud euclidiano) de un vector u = (u 1, U2 , . . . , Un) en Rn por
Ilull = (u . U)1 /2 = Jui + + ... + u;
De modo anlogo, la distancia euclidiana entre los puntos u =(U, 112 ,' .. , u
lI
) Y v =(1'1'
V2 , .. . , v
n
) en Rn se define por
ESPACIO EUCLIDIANO n DIMENSIONAL 155
Ejemplo 3
Si u = (1 , 3, - 2, 7) y} = (0,7,2,2) entonces
y
d(u, v) = .J(l - Of + (3 - 7)2 + ( -=-2 - 2)2 + (7 - 2f = j58
Puesto que se trasladaron tantas conocidas ideas del espacio bidimensional y tridi-
es comn referirse a Rn , con las operaciones de adi cin, multiplicacin escalar
y producto interior que se han definido aqu, como espacio euclidiano n dimensional.
Se concluye esta seccin haciendo notar que muchos autores prefieren usar la nota-
cin matricial
[
Ul]
U2
u =

en lugar de la notacin horizontal u = (Ul , U2 , ... , un), para denotar los vectores en Rn.
Esto se justifica por el hecho de que las operaciones matriciales
U2 U2 U2 + V
2
[
Ul] [Ul] [Ul + Ul]
u + v = . + . = .
Un U"
[
Ul] [ kUI]
ku = k =
U" kU
n
producen lbs mi smos resultados que las operaciones vectoriales
u + v = (Ul , Uz, .. . , un) + (U
l
, Uz, . .. , Un! = (U
l
+ Ul' Uz + uz, . .. , Un + Un)
ku = k(u, u
2
, . . . , Un! = (ku
l
, kuz, ... , ku,,)
La nica diferencia es que, en uno de los casos, los resultados se presentan verticalmente,
mientras que en el otro se presentan en forma horizontal. En diversas ocasiones se usarn
las dos notaciones. Sin embargo, de aqu en adelant e, las matri ces de n X I se denotan por
medio de letras negritas minsculas. As entonces, un sistema de ecuaciones lineales se es-
cribir
A x = b
en lugar de AX = B como antes.
156 ESPACIOS VECTORIALES
EJERCICIOS 4.1
1. Sean u = (2,0, - 1, 3), v = (5,4, 7, -1) Y w = (6, 2,0, 9). Halle:
(a) u - v
(d) 3(u - 7v)
(b) 7v + 3w
(e) - 3v-8w
(e) -w + v
(f) 2v - (u + w)
2. Sean u, v y w los vectores del ejercicio 1. Encuentre el vector x que satisfaga
2u - v + x = 7x + w.
3. Seanul =.(- 1, 3,2, 0),U2 =(2,0,4, - I),u3 = (7, 1, 1,4),yu4=(6,3, 1,2).
Encuentre los escalares el. e2, C3 Y C4 tales que Cl Ul + t2 U2 + e3U3' + C4 U4 =
(0, 5, 6, - 3).
4. Demuestre que no existen los escalares Cl. e2 Y C3 tales que CI (1, 0, -2, 1) +
C2 (2, 0, 1, 2) + ('3(1, -2, 2, 3) = (1,0, 1, O) .
5. Calcule la norma euclidiana de v cuando
(a) v = (4. - 3) (b) v= (1. - 1.3) (e) v = (2, 0.3, - 1) (d) v = (- 1. 1. 1,3,6)
6. Seanu=(3,0, 1,2), v = (-1,2,7, - 3)yw =(2,0, 1,1). Halle
(a) lI u + .vll
(d) 113u - 5v + wll
(b) Il ull + Il vll
1
(e) lR] w
(e) 11- 2ull + 211
u
ll
(f) I I I I ~ I I "'11
7. Demuestre que si v es un vector diferente de cero en Rn, entonces Ojllvll)v
tiene norma l.
8. Encuentre todos los escalares k tales que IIkvll = 3, en donde v = (- 1,2, O, 3).
9. Halle el producto euclidiano interior u v cuando:
(a) u = ( -- I ,3),v = (7, 2) (b) u = (3. 7. 1). " = (- 1. O. 2)
(e) u = (I. - I ,2.3).v = (3. 3, -6. 4) (d) u = (1.3. 2.6. - 1). = (O. O. 2, 4. 1)
10. (a) Halle dos vectores en R 2 con norma euclidiana 1, cuyos productos euclidianos
interiores con (- 2, 4) sean cero.
(b) Demuestre que existen una infinidad de vectores en R 3 con norma euclidiana
1, cuyo producto euclidiano interior con (-1 , 7,2) es cero.
11. Halle la distancia euclidiana entre u y v cuando:
(a) u = (2. - 1). v = (3. 2) (h)u = 11.1. - 1l., = (2.6. 11)
(e) u = (2,O, 1.3).v = ( - I, 4. ,) (d) u = (. O. 1. 3.01. " = ( - 1. 4. 2. ~ . _,)
12. Establezca la identidad
para los vectores en Rn . Interprete este resultado geomtricamente en R
2
,
ESPACIOS VECTORIALES GENERALES 157
13. Establezca la identidad
para los vectores en Rn .
14. Verifique los incisos (b), (e), (f) y (g) del teorema 1, cuando u = (1, O, - 1,2),
v = (3, - 1, 2, 4), w = (2, 7, 3, O), k = 6 Y 1== -2.
1 S. Verifique los incisos (b) Y (c) del teorema 2 para los valores de u, v, w y k del
ejercicio 14
16. Pruebe desde el inciso (a) hasta el (d) del teorema 1.
17. Pruebe desde el inciso (e) hasta el (h) del teorema 1.
18. Pruebe (a) y (c) del teorema 2.
JO\
4.2 ESPACIOS VECTORIALES GENERALES
En esta seccin se generaliza todava ms el concepto de vector. Se enuncia un conjunto
de que, si son satisfechos por una clase de Objetos, a estos objetos se les da el
nombre de " yectores". Los axiomas se eligen por medio de la abstraccin de las propieda-
des ms importantes de los vectores en Rn; como consecuencia, los vectores en Rn autom-
ticamente satisfacen estos axiomas. Por tanto , este nuevo concepto de vector incluye tanto
a los que se dieron con anterioridad como a muchas nuevas clases de vectores.
Definicin. Sea V un conjunto arbitrario de objetos sobre los cuales se definen dos opera-
ciones, la adicin y la multiplicacin por escalares (nIn eros reales) . Por adicin se entien-
de una regla para asociar, con cada pareja de objetos u y y en V, un elemento u + Y, llamado
suma de u y v; por multiplicacin escalar se entiende una regla para asociar, con cada esca-
lar k y cada objeto u en V, un elemento ku, llamado mltiplo escalar de u por k . si los
axiomas siguientes son satisfechos por todos los objetos u, Y, w en V y todos los escala-
res k y 1, entonces V recibe el nombre de espacio vectorial ya los objetos en V se les denomi -
na vectores:
(J) Si u y Y son objetos en V, entonces u + v est en V.
(2) u+v = v+u
(3) u + (v + w) = (u + v) + w
(4) Existe un objeto O en V tal que O + u == u + O = u para todo u en V
(5) Para cada u en V, existe un objeto - u en V, conocido como negativo de u, tal que
u + (- - u) = (- u) + u == O.
(6) Si k es cualquier nmero real y u es cualquier objeto en V, entonces ku est en V
(7) k(u + v) + kv
(8) (k+l)u =ku+/u
(9) k(!u) == (kl)(u)
(10) lu = u
El vector O del axioma 4 se conoce como vector cero para V
158 ESPACIOS VECTORIALES
Para algunas aplicaciones es necesario considerar espacios vectoriales en los que los
escalares son nmeros complejos en lugar de nmeros reales. Tales espacios vectoriales se
conocen como espacios vectoriales complejos. Sin embargo, en este texto, todos los esca-
lares que se utilicen sern reales.
El lector debe tener presente que, en la definicin de espacio vectorial, no se especi-
fica la naturaleza de los vectores ni la de las operaciones. Cualquier clase de objetos que se
desee puede servir como vectores; todo lo que se requiere es que se satisfagan los axiomas de
los espacios vectoriales. Los ejemplos que siguen dan cierta idea de la diversidad de espacios
vectoriales posibles.
Ejemplo 4
El conjunto V == Rn , con las operaciones estndar de adicin y multiplicat:in escalar defi-
nidas en la seccin anterior, es un espacio vectorial. Los axiomas 1 y 6 se deducen de las de-
finiciones de las operaciones estndar sobre Rn ; los axiomas restantes se deducen del
teorema l.
Ejemplo 5
Sea V cualquier plano que pasa por el origen en R
3
. A continuacin se demuestra que los
puntos en V forman un espacio vectorial bajo las operaciones estndar de adicin y multi-
plicacin escalar para vectores en R
3
.
Por lo que se acaba de ver en el ejemplo 4, se sabe que el propio R
3
es un espacio
vectorial bajo estas operaciones. Por tanto, los axiomas 2,3,7,8,9 Y 10 se cumplen para
todos los puntos en R
3
y, como consecuencia, para todos los pu"ntos en el plano V. Por
consiguiente, slo es necesario demostrar que se satisfacen los axiomas 1,4, 5 Y 6.
Supuesto que el plano V pasa por el origen, tiene una ecuacin de la forma
us + hr + e: = O
(4.1)
,
(teorema 6 del captulo 3). Por tanto, si u == (u 1, U2 , 11)) Y v == (VI, v
2
, V3 ) son puntos en
V, entonces au I + bU2 + CU3 == O yavl + bV2 + CV) == O. Al sumar estas ecuaciones da
En esta igualdad se afirma que las coordenadas del punto u + v =(UI + VI, U2 + V2, U3
+ V3) satisfacen (4. 1); por tanto, u + v se encuentra en el plano V. Esto prueba que se sa-
tisface el axioma l. Al multiplicar toda la expresin au I + bU
2
+ CU3 == O por - 1 da
a( - u) + h( - U2) + ("( - ud = O
Como consecuencia, - u = (- u
l
, - u
2
, - U3) est en V. Esto establece el axioma 5. Las ve-
rificaciones de los axiomas 4 Y 6 se dejan como ejercicios.
Ejemplo 6
Los puntos de una recta V que pasa por el origen en R
J
forman un espacio vectorial bajo
las operaciones estndar de adicin y multiplicacin escalar para los vectores en R
3
.
ESPACIOS VECTORIALES GENERALES
159
El argumento es semejante al que se us en el ejemplo 5 y se basa en el hecho de que
s puntos de V satisfacen ecuaciones paramtricas de la forma
X = (/f
J" = hr
::: = ct
seccin 3.5). Los detalles se dejan como ejercicio.
Ejemplo 7
El conjunto V de todas las matrices de m X n con elementos reales,junto con las operacio-
nes de adicin matricial y multiplicacin escalar, es un espacio vectorial. La matriz cero de
X n es el vector cero O, y si u es la matriz A de m X n, entonces la matriz - A es el vector
- u del axioma 5. La mayora de los axiomas restantes se satisfacen en virtud del teorema
_ de la seccin 1.5 .. Este espacio vectorial se denota por el smbolo M
mn
.
ea Vel l-0djU nto de las funciones con valor real definidas sohre toda la recta real. Si f =
[(x ) y g = g(x) son dos de esas funciones y k es cualquier nmero real, se define la fun-
in suma f + g y el mltiplo escalar hf por
(f + g)(x) = I( x ) + U( x )
(H)( x ) = "(( x )
En otras palabras, el valor de la funcin f + g en x se obtiene al sumar los valores de f y g
en x (figura 4.2a) . De manera anloga, el valor de kf en x es k multiplicada por el valor de
f en x (figura 4.2b). El conjunto Ves un espacio vectorial bajo estas operaciones.
El vector cero en este espacio es la funcin constante cero, es decir, la funcin cuya
grfica es una recta horizontal que pasa por el origen. La verificacin de los axiomas res-
tantes es un ejercicio.
Figura 4.2
160 ESPACIOS VECTORIALES
f'iaun4.3
Ejemplo 9
Sea Vel conjunto de todos los puntos (x, y) en R
2
que se encuentran en el primer cua-
drante ; es decir, tales que x ;;;;. O Y y ;;;;' O. El conjunto V no es un espacio vectorial bajo las
operaciones estndar sobre R
2
, puesto que no se satisfacen los axiomas 5 y 6. Para ver este
hecho, obsrvese que v == (l, 1) est en V, pero (-l)v == - v = ( -1 , - 1) no lo est (fIgu-
ra 4.3).
Ejemplo 10
Supngase que V consta de un solo objeto, el cual se denota por O, y se define por
O+ () = ()
/..:0 = (1
para todos los escalares k. Se comprueba con facilidad que se satisfacen todos los axiomas
de los espacios vectoriales. A este espacio se le da el nombre de espacio vectorlI cero.
A medida que se avance, se agregan a la lista ms ejemplos de espacios vectoriales.
Se concluye esta seccin con un teorema que da una lista til de propiedades de los vectores.
Teorema 3. Sea V un espacio vectorial, u un vector en Vy k un escalar; entonces:
(u) Ou = O
(h) "O = O
(e) ( - I)u = - u
(d) Si ku = O, entonces k = O o bien, u = 11
Demostracin. Se probarn los incisos (a) y (e) y se dejan las demostraciones de los incisos
restantes como ejercicios.
(a) Se puede escribir
()u + ()u = (O + O)u
= Ou
(Axioma 8)
(Propiedad del nmero O)
ESPACIOS VECTORIALES GENERALES 161
Por el axioma 5, el vector Ou tiene un negativo, -Ou. Al sumar este negativo a los dos miem-
bros de la expresin anterior se obtiene
[Ou + OuJ + (-Ou) = Ou + ( - Ou)
I
o bien,
,
Ou + [Ou + ( - Ou) ] = Ou + ( - Ou) (Axioma 3)
o bien,
(Axioma 5)
o bien,
Ou = O (Axioma 4)
(e) Para demostrar que ( - l)u = - u, debe demostrarse que u + (-I)u = O. A fin de ver
que esto es cierto, obsrvese que I
u + ( - l )u = l u + ( - 1)u (Axioma 10)
= (1 + (-I))u (Axioma 8)
= Ou (Propiedad de los nmeros)
= O (inciso a anterior)
EJERCICIOS 4.2
En los ejercicios 1 al14 sa da un conjunto de objetos junto con las operaciones de adicin y
multiplicacin escalar. Determine cules de los conjuntos son espacios vectoriales bajo las
operaciones dadas. Para aqullos que no lo son, liste todos los axiomas que no se cumplen.
1. El conjunto de todas las ternas de nmeros reales (J; y, z) con las operaciones
(x, y, z) + (x', /, Z',) = (x + x' , y + y ' , z + Z') Y k(xy, z) = (kx, y, z).
2. El conjunto de todas las ternas de nmeros reales (x, y, z) con las operaciones
(x, y, z) + (x', .1" , z',) = (x + x', y + y', z + Z') Y k(x, y, z) = (0,0, O).
3. El conjunto 'de todas las parejas de nmeros reales (x, y) con las operaciones
(x, y ) + (x' , .1") =(x +X', y + y') Y k(x, y) = (2ky; 2ky).
4. El conjunto de todos los nmeros reales x con las operaciones estndar de adi-
cin y multiplicacin.
.J
5. El conjunto de todas las parejas de nmeros reales de la forma (x, O) con las
operaciones estndar sobre R
2
.
6. El conjunto de todas las parejas de nmeros reales de la forma (x, y), en donde
x ;;;. 0, con las operaciones estndar sobre R
2
.
162 ESPACIOS VECTORIALES
7. El conjunto de todas las n-adas de nmeros reales de la forma (x, x, . . . , x) con
las operaciones estndar sobre Rn.
8. El conjunto de todas las parejas de nmeros reales (x, y) con las operaciones
(>; y.) + (x', y ') = (x + x' + 1, Y + y' + 1) Y k(x, y) = (kx, ky ).
9. El conjunto de todos los nmeros reales positivos x con las operaciones x + x'
=xx' y kx =x
k
.
10. El conjunto de todas las matrices de 2 X 2 de la forma
con la adicin matricial y la multiplicacin escalar.
11. El conjunto de todas las matrices de 2 X 2 de la forma
con la adicin matricial y la multiplicacin escalar.
12. El conjunto de todas las funciones con valor real! definidas en todo punto sobre
la recta real y tales que f( 1) = O, con las operaciones definidas en el ejemplo 8.
13. El conjunto de todas las matrices de 2 X 2 de la forma
[
a a + h]
a + b h
con la adicin matricial y la multiplicacin escalar.
14. El conjunto cuyo nico elemento es la luna. Las operaciones son la luna + luna
= luna y k(luna) = luna, en donde k es un nmero real.
15. Pruebe que una recta que pasa por el origen en R j es un espacio vectorial bajo
las operaciones estndar sobre R 3 .
16. Complete los detalles faltan tes en el ejemplo 5.
17. Complete los detalles que faltan en el ejemplo 8.
18. Pruebe el inciso (e) del teorema 3.
19. Pruebe el inciso (d) del teorema 3.
20. Pruebe que un espacio vectorial no puede tener ms de un vector cero.
21. Pruebe que un vector tiene exactamente un negativo.
SUBESPACIOS 163
4.3 SUBESPACIOS
Si V es un espacio vectorial, entonces ciertos subconjuntos de V forman por s mismos
espacios vectoriales bajo la adicin vectorial y multiplicacin escalar defmida sobre V. En
esta seccin se estudia con todo detalle esos subconjuntos.
Definicin. Un subconjunto W de un espacio vectorial Ves un subespacio de V, si Wes a s
mismo un espacio vectorial bajo la adicin y multiplicacin escalar definidas sobre V
Por ejemplo, las rectas y planos que pasan por el origen son subespacios deR
3
(ejem-
plos 5 y 6).
En' general, se deben verificar los diez axiomas de los espacios vectoriales para de-
mostrar que un conjunto W, con la adicin y la multiplicacin escalar, forma un espacio
vectoriaL Sin embargo, si W es de un conjunto mayor V del que ya se sabe que es un
espacio vectorial, entonces no es necesario verificar ciertos axiomas para W porque se " here-
dan" de V. Por ejemplo, no se necesita verificar que u + v = v + u (axioma 2) para W,
porque esto se cumple para todos los vectores en V y, como consecuencia, para todos los
vectores en W. Otros axiomas heredados por W de V son: 3, 7, '8, 9 y 10. Por tanto, para
demostrar que un conjunto W es un subespacio de un espacio vectorial V, slo es necesa
rio verificar los axiomas 1, 4, 5 y 6. El siguiente teorema hace ver que incluso se puede ha-
cer caso omiso de los axiomas 4 y 5.
Teorema 4. Si W es un conjunto de uno o ms vectores de un espacio vectorial V, entonces
W es lIn subespacio de V si y slo si se cumplen las condiciones siguientes:
(a) Si u y v son vectores en W, entonces u + v eSt en W
(b) Si k es un escalar cualquiera y u es cllalquier vector en W, entonces ku est en W.
[Las condiciones (a) y (b) a menudo se describen diciendo que fiJ es cerrado bajo la
adicin y es cerrado bajo la multiplicacin escalar.]
Demostracin. Si Wes un espacio de V, entonces se satisfacen todos los axiomas de los
espacios vectoriales ; en particular, se cumplen los axiomas 1 y 6. Pero stas son precisamen-
te las condiciones (a) y (b) .
Recprocamente, supngase que se cumplen las condiciones (a) y (b). Como estas
condiciones son los axiomas 1 y 6 de los espacios vectoriales, slo se necesita demost rar
que W satisface los ocho axiomas restant es. Los ax iomas 2,3, 7, 8, 9 Y 10 son satisfechos
automticamente por los vectores en W, dado que son stisfechos por t odos los vect ores
en V. Por tanto, para completar la demostracin, basta con verificar que los axiomas 4 y 5
son satisfchos por W.
Sea u cualquier vector en W. Por la condicin (b) , ku est en W para todo escalar k.
Al hacer k = O, 'se deduce que Ou == O 'est en W, y al hacer k = -1, se concluye 'que
= - u est en' W. - I . ' '
Todo espacio vectorial V tiene al menos dos subespacios. El propio V es un subespa-
cio y el conjunto {O }que slo consta del vector cero en Ves otro subespacio denominado
suhespacio cero. Los ejemplos que siguen suministran ilustraciones menos triviales de sub-
espacios.
164
ESPACIOS VECTORIALES
Figura 4.4
Ejemplo 11
En el ejemplo 5 de la seccin 4.2 se demostr que todos los vectores en cualquier plano
que pase por el origen de R
3
forman un espacio vectorial ; es decir, los planos que pasan
por el origen son subespacios de R
3
. Tambin se puede probar este resultadp de manera
geomtrica, aplicando el teorema 4.
Sea W cualquier plano que pasa por el origen y supngase que u y v son vectores
cualesquiera en W. Entonces u + v debe estar en W porque es la diagonal del paralelogra-
mo determinado por u y v (figura 4.4), y ku debe estar en W, para cualquier escalar k,
porque ku est sobre una recta que contiene a u. Por tanto, W es un subespacio de R
3

OBSERVAClON. Puede aplicarse un argumento geomtrico, como el de este ejemplo, pala
demostrar que las rectas que pasan por el origen son subespacios de R 3 . Es posible d\!mos-
trar (ejercicio 20, seccin 4.5) que los nicos subespacios de R
3
son : {O}, R
3
, las rectas
que pasan por el origen y los planos que pasan por el origen. Tambin, los nicos subes-
pacios de R
2
son: {O}, R
2
Y las rectas que pasan por el origen.
Ejemplo 12
Demustrese que el conjunto W de todas las matrices de 2 X 2 que tienen ceros en la dia-
gonal principal es un subespacio del espacio vectorial M
22
de todas las matrices de 2 X 2.
Solucin. Sean
[
O
A-
a 2 !
. [0
B -
- b
2
!
dos matrices cualesquiera en W y k un escalar cualquiera. Entonces
[
O
kA =
- ka
2
,
y A+B =
[

a2! + b
2
!
Debido a que kA y A + B tienen ceros en la diagonal principal, estn en W. Por consiguien-
te, W es un sub espacio de M
21
.
SUBESPACIOS 165
Ejemplo 13
Sea n un entero positivo y supngase que W consta de la funcin cero y de todas las fun-
ciones polinmicas que tienen un grado";; 11 ; esto es, todas las funciones expresables en la
forma
(4.2)
en donde ao , ... , a
n
son nmeros reales. El conjunto W es un subespacio del espacio vec-
torial de todas las funciones con valor real analizadas- en el ejemplo 8. Para ver esto, sean
p y q los polinomios
p(x) = a
o
+ al x + . . . + a/lx/l
y
(](.\) = /J o + blx + . .. + h/lx/l
Entonces,
(p + q)(x) = p(x) + (](x) = (<l o + bol + (al + bl)x + . .. + (a" + b/l)x"
y
(kpl(x) = kp(.') = (ktl o) + (ka I ).\' + . . . + (ka/l).\"
tienen la forma dada en (4.2). Por tanto, p + q y kp estn en W. El espacio vectorial W de
este ejemplo se denota por el smbolo P
n
.
Ejemplo 14
(Para los lectores que hayan estudiado Clculo.)
Recurdese, por lo visto en Clculo, que si f y g son funciones continuas y k es una cons-
tante, entonces f + g y kf son funciones continuas. Se concluye que el conjunto de todas
las funciones continuas es un subespacio del espacio vectorial de todas las funciones con
valor real. Este espacio se denota por C(- XI, + (0) . Un ejemplo ntimamente reiacionado
es el espacio vectorial de todas las funciones que son continuas sobre un intervalo cerrado
a ..;; x ..;; b. Este espacio se denota por C(a, b J .
Ejemplo 15
Considrese un sistema de 111 ecuaciones lineales en 11 incgnitas
0IIX
I
+ (/12'\2 + .. . + (/11l.\n = b
l
(/21 X 1 + (/22'\2 + ... + a2n.\/I = h
2
166 ESPACIOS VECTORIALES
o bien, en notacin matricial , Ax == b. Se dice que un vector*
[
SI l S2
s = .
' ~ 1 I
en Rn es un vector solucin del sistema si XI == SI, X2 ==S2" " ,X
n
== Sn es una :solucin
de tal sistema. En este ejemplo se demostrar que el conjunto de vectores solucin de un
sistema homogneo es un subespacio de Rn.
Sea A x == O un sistema homogneo de m ecuaciones lineales en n incgnitas, W el
conjunto de vectores solucin, y s y s' vectores en W. Para demostrar que W es cerrado ba-
jo la adicin y la multiplicacin escalar, se debe demostrar que s + s' y ks tambin son vec-
tores solucin, en donde k es un escalar cualquiera. Supuesto que s y s' son vectores solu-
cin se tiene,
As = O y
As' = O
Por tanto,
A(s + s' ) = As + As' = O + O = O'
y
..1(I\s) = k(As) = 1\0 = O
En estas ecuaciones se muestra que s + s' y ks satisfacen la ecuacin A x == O. Por tanto,
s + s' y ks son vectores solucin.
El subespacio W de este ejemplo se denomina espacio solucin del sistema A x == O.
En muchos problemas se da un espacio vectorial V y es importante hallar el subespa-
cio "ms pequeo" de V que contenga un conjunto especificado de vectores {VI, v
2
, ...
, vy } . La definicin que sigue proporciona la clave para la construccin de tales subespacios.
Defini"cin. Se dice que un vector w es una combinacin lineal de los vect ores VI, V2' .. . ,
v; si se puede expresar 'en la forma
w = k
l
VI + k
2
v
2
+ . . . + k,v,
en donde k 1, k
2
, , k
y
son escalares.
Ejemplo 16
Considrese los vectores u == (1 , 2, - 1) Y v == (6, 4, 2) en R 3 . Demustrese que w == (9, 2,
7) es una combinacin lineal de u y v y que w' == (4, - 1, 8) no es comb inacin lineal de
u y v.
"'En este ejemplo se est usando la notacin matricial para los vectores en Rn
SUBESPACIOS 167
Solucin. Para que w sea una combinacin lineal de u y v, deben existir los escalares k y
k
2
tales que w = k 1 U + k
2
v; es decir,
(9, 2. 7) =k( 1.2. - 1) + k
2
(6.4.2)
o bien,
Al igualar las componentes correspondientes se obtiene
k
l
+ 6k
2
= 9
2k
l
+ 4k
2
= 2
-k
l
+ 2k
2
= 7
Si se resuelve este sistema se llega a k 1 = - 3, k
2
= 2, de modo que
w = - 3u + 2\"
De manera "anloga, para que w' sea una combinacin lineal de u y v, deben existir
los escalares k
l
y k
2
tales que w' = k
l
U + k
2
v; es decir,
(4. - 1. 8) = k
l
(1. 2. - 1) + k
2
(6. 4, 2)
o bien,
Al igualar las componentes correspondientes da
k
l
+ 6k
2
= 4
2k
l
+ 4k
2
= -1
-k
l
+ 2k
2
= 8
Este sistema de ecuaciones es inconsistente (verifquese) , de modo que no existen esos
escalares. Como consecuencia, w no es una combinacin lineal de u y v.
Definicin. Si VI, V2 , . . , v
r
son vectores en un espacio vectorial V y si todo vector en V
es expresable como una combinacin lineal de VI, V2 , , v" entonces se dice que estos
vectores gel/eran a V
Ejemplo 17
Los vectores i = (l, 0, O), j = (O, 1, O) Y k = (O, O, 1) generan aR
3
porque todo vector (a,
b. e) en R 3 se puede escribir como
(a, h, e) = oi + hj + ck
'la cual es una combinacin lineal de i,j y k.
168 ESPACIOS VECTORIALES
Ejemplo 18
Los polinomios 1, x , X
2
, . . , xn generan al espacio vectorialP
n
(vase el ejemplo 13) da-
do que cada polinomio p en P
n
se puede escribir como
p = a
o
+ al x + ... + a.x
la cual es una combinacin lineal de 1, x, X2, . , xn .
Ejemplo 19
Determnese si VI = (1,1,2), V
2
=(1, 0,1) Y V3 =(2, 1,3) generan aR
3
.
Solucin Se debe determinar si un vector arbitrario b = (b 1, b
2
, b
3
) en R
3
se puede ex-
presar como una combinacin lineal
de los vectores VI, V2, Y V3. Si se expresa esta ecuacin en trminos de componentes da
o bien,
o bien,
k + k
2
+ 2k3 = b
k + k3 = b
2
2k + k
2
+ 3k
3
= b
3
Por consiguiente, el problema se reduce a determinar si este sistema es o no consisten-
te para todos los valores de b 1, b
2
Y b 3. Por los incisos (a) y (d) del teorema 13 de la sec-
cin l. 7, este sistema ser para todos los valores de b , b
2
Y b 3 si y slo si la
matriz de los coeficientes .
es inversible. Pero det(A) = O (verifquese), de modo que A no es inversible y, como con-
secuencia, VI, "2 Y V3 no generan a R
3

En general, un conjunto dado de vectores {v I , V2 , . . , v, } en un espacio vectorial V
puede generar o no a V. Si lo genera, entonces todo vector en Ves expresable como una
combinacin lineal de VI, V2, .. , v" y si no lo genera, entonces algunos vectores se pue-
den expresar mediante tal combinacin, mientras que otros no. El siguiente teorema indi-
SUBESPACIOS 169
ca que si se agrupan todos los vectores en V que son expresables como combinaciones
lineales de VI , V2, ... , Vy, entonces se obtiene un subespacio de V. Este subespacio se de-
nomina espacio lineal generado por {VI, V2 ' . . , v
r
} , o ms simplemente, espacio generado
por {VI, v
2
, . , v
r
} .
Teorema 5. Si VI, v
2
, . . . , v
r
son vectores en un espacio vectorial JI, entonces:
(a) H conjunto W de todas las combinaciones lineales_de VI' V2 . . , V
r
es un subespa-
cio de V.
(b) Wes el subespacio ms pequeo de V que contiene a VI, V2 ' ... , v" en el sentido de
que cualquier otro subespacio de . V que contenga a VI , V
2
, . .. , V
r
debe contener a W
Demostracin.
(a) Para demostrar que W es un sub espacio de V, debe probarse que es cerrado ba-
jo la adicin y la multiplicacin escalar. Si u y V son vectores en W, entonces
y
en donde el , e 2 ,"" c
r
, k
l
, k
2
, . . , k
r
son escal ares. Por tanto,
u + V = (el + k}v
I
+ (e2 + k
2
)V
2
+ ... + (c
r
+ kr)v
r
y, para cualquier escalar k,
ku = (kel)v
I
+ (kc
2
)V
2
+ ... + (kc,)v
r
As entonces, u + v y ku son combinaciones lineales de VI, v
2
, ... , V
r
y, como consecuen-
cia, estn en W. Por consiguiente, W es cerrado bajo la adicin y la multiplicacin escalar.
(b) Cada vector vi es una combinacin lineal de VI , V
2
, . . . , Vy, puesto que es po si-
b le escrib ir,
Vi = Ov I + Ov 2 + ... + 1 V j + .. . + Ov r
Por tanto, el subespacio W contiene a cada uno de los vectores VI, V2 , . . . , v, . Sea W'
cualquier otro subespacio que contenga a VI, V2 , .. . , v
r
. Dado que W' es cerrado bajo la
adicin y multiplicacin escalar, debe contener todas las combinaciones lineales
de \ ' , V
2
, ,V
r
;
por tanto, W' contiene a cada vector de W
El espacio lineal W generado por un conjunto de vectores S = { VI , V2 , ... , v
r
}
se denota por
lin (S)
() bien, lin {VI, V
2
, . . . , v
r
}
170
ESPACIOS VECTORIALES
b)
Figura 4.5
Ejemplo 20
Si VI Y V2 son vectores no colineales en R
3
con puntos iniciales en el origen, entonces
Iin {VI, V2}, el cual consta de todas las combinaciones lineales k
l
VI + k2V2 , es el plano
determinado por VI y V2 (figura 4.5a).
De modo anlogo, si V es un vector diferente de cero en R
2
o R
3
, entonce's lin {v },
el cual es el conjunto de todos los mltiplos escalares kv, es la recta detenninada por v
(figura 4.5b).
EJERCICIOS 4.3
1. Aplique el teorema 4 para determinar cules de los siguientes son subespacios
de R
3
.
(a) todos los vectores de la forma (a, O, O) ;
(b) todos los vectores de la forma (a, 1, 1);
(e) todos los vectores de la forma (a, b, e), en donde b = a + e;
(d) todos los vectores de la forma (a, b, e), en donde b = a + e + 1.
2. Aplique el teorema 4 para determinar cules de los siguientes son subespacios
de Mu .
(a) todas las matrices de la forma
[
(/ hl
e di
en donde a, b, e, y d son enteros
(b) todas las matrices de la forma
[
(/ h]
e "
en donde a + d == O
(e) todas las matrices A de 2 X 2 tales que A == A t
(d) todas las matrices A de :1 X :1 tales que det(A) = O
SUBESPACIOS
3. Aplique el teorema 4 para determinar cules de los siguientes son subespa-
ciosdeP3 '
(a) todos los polinomios ao + ax + a2x2 + a3x3 para los que ao = O
(b) todos los polinomios ao + a x + a2x2 + a3x3 para los que ao + a + a2
+a3 =0
(e) todos los polinomios ao + ax -+ a2x2 + a3x3 para los que ao. al. a2 Y
a3 son enteros
(d) todos los polinomios de la forma ao + ax, en donde ao yal son nmeros
reales.
4. Aplique el teorema 4 para determinar cules de los siguientes son subespacios
del espacio de todas las funciones con valor real, f, definidas sobre toda la recta
real
(a) todas las f tales quef(x)':;;:; O para toda x;
(b) todaslasftalesquef(O) = O;
(e) todas las f tales que feO) = 2;
(d) todas las funciones constantes;
(e) todas las f de la forma k 1 + k
2
sen x, en donde k I Y k
2
son nmeros reales.
S. Cules de las siguientes son combinaciones lineales de u = (1 , - '1, 3), Y v =
(2, 4, O)?
(a) (3,3,3) (b)(4,2,6) (c)(J,5,6) (d)(O, O, O)
6. Exprese los siguientes como combinaciones lineales de u = (2, 1,4), v = (1, - ),
3) Y w = (3, 2, 5). .
(a) (5, 9, 5) (b) (2, O, 6) (e) (O, O, O) (d) (2,2,3)
7. Exprese los siguientes como combinaciones lineales de PI = 2 + x + 4x2 , P2 =
l -:x + 3x2 y P3 = 3 + 2x + 5x
2
.
(a) 5 + 9x + 5x2 (b)2+6x
2
(e) O (d) 2 + 2x + 3x
2
8. Cules de las siguientes son com binaciones lineales de
(a)
A = [ 1
- 1
[
-1 7J
(b) 5 1

[
O 0J [ 6
(e) O O (d) _ g
-2J
.)
- 2 .
9. En cada inciso determine si los vectores dados generan a R 3.
(a) VI = (1 , 1, \), v
2
= (2, 2. O). v} = (3, O, O)
(b) V I = (2, - \ , 3), V
2
= (4, 1, 2), v
3
= (X, - 1, g)
(e) VI = (3, 1, 4), v
2
= (2, - 3,5), v.l = (5, - 2, lI), v
4
= (1 , 4, - 1)
(u) VI = (1 ,3, 3), v
2
= (1 , 3, 4), v.l = (1 , 4,3), v
4
= (6, 2.1)
10. Determine cules de los siguientes estn en el espacio generado por
y
(a) cos 2, (e) 1 (u) sen .\
171
172
11. Determine si los siguientes polinomios generan a P2
PI = 1 + 2x - X2
P3 = 5 + 4x - X2
P2 = 3 + Xl
P4 = - 2 + 2x - 2X2
ESPACIOS VECTORIALES
12. Sean VI = (2, 1, 0, 3), V2 = (3, - 1, 5, 2) Y V3 = (- 1, 0, 2, 1). Cules de los si-
guientes vectores estn en !in {VI, v
2
, V3 }?
(a) (2. 3. - 7, 3) (b) (0. 0, O. O) (e) (1, 1, 1, 1) (d) ( -4. 6, - 13.4)
1 3. Halle una ecuacin para el plano generado por los vectores u = (1, 1, - 1) Y V =
(2, 3, 5)
14. Halle las ecuaciones paramtricas para la recta generada por el vector u = (2,
7, - 1).
15. Demuestre que los vectores solucin de un sistema no homogneo consistente
de In ecuaciones lineales en n incgnitas no forman un subespacio de R".
16. (Para los lectores que hayan estudiado Clculo.) Demuestre que los siguientes
conjuntos de funciones son subespacios del espacio vectorial del ejemplo 8.
(a) todas las funciones continuas en todo punto ;
(b) todas las funciones diferenciables en todo Junto ;
(e) todas las funciones diferenciables en todo punto que satisfacen f' + 2f = O.
4.4 INDEPENDENCIA LINEAL
Por lo estudiado en la seccin 4.3, se sabe que un espacio vectorial Ves generado por un
conjunto de vectores S = {VI , v
2
, .. . , V
r
} , si cada vector en Ves una combinacin lineal
de VI, V2 ' . . . , V
r
. Los conjuntos generadores resultan tiles en una gran diversidad de pro-
blemas ya que, a menudo, es posible estudiar un espacio vectorial V estudiando primero
los vectores en un conjunto generador S y, a continuacin, extendiendo los resultados
hacia el resto de V. Por tanto, conviene mantener el conjunto generador S tan pequeo
como sea posible. El problema de encontrar los conjuntos generadores ms pequeos para
un espacio vectorial depende de la nocin de independencia lineal , la cual se estudia en esta
seccin.
Si S = {vI , v
2
, , V
r
l es un conjunto de vectores, entonces la ecuacin vectorial
tiene al menos una solucin, a saber,
k
2
= O . . . . . /.:, = O
Si esta es la nica solucin, entonces S recibe el nOlllbre de conjunto /ea/mellle il1l!epl'n-
diente. Si hay otrassolllciones entonces se dice qlleSes un conjunto/inl'a/ml'llll' depel/diel/-
te.
INDEPENDENCIA LINEAL 173
Ejemplo 21
El conjunto de vectores S = {VI , V2 , V3 }, en donde VI = (2,0.1, 0,3), V
2
= (1 ,2,5, - 1),
V3 = (7, - 1, 5, 8) es linealmente dependiente, ya que 3v + V2 - V3 = O.
Ejemplo 22
Los polinomios PI = 1 - X , P2 :-o 5 + 3x - 2x
2
y P3 = I + 3x - X2 forman un conjunto
linealmente dependiente en P2 ya que 3PI - P2 + 2p3 = O.
Ejemplo 23
Considrense los vectores i = (1 , O, O), j = (O, 1, O) Y k = (O, O, 1) en R
3
. En trminos de
componentes, la ecuacin vectorial
se convierte en
k(1 , O, O) + k
2
(0, 1, O) + k
3
(0, 0, 1) = (O, O, O)
o, lo que es equivalente,
Por tanto, k = O, k
2
= O, k 3 = O; como consecuencia, el conjunto S = {i, j, k }es lineahnen-
te independi ente. Es posible aplicar un argumento semejante para demostrar que los vec-
tores e l = (1, O, O, . .. , O), e
2
= (O, 1, O, ... , O), .. . , en = (0, O, 0, . . . ,1) forman un
conjunto linealmente independiente en Rn .
Ejemplo 24
Determnese si los vectores
VI = (1 , - 2, 3) V
2
= (5, 6, -1) v
3
= (3, 2,1 )
forman un conjunto linealmente dependiente o linealmente independiente.
Solucin En trminos de componen tes, la ecuacin vectorial
queda
kl(l , - 2, 3) + k
2
(5 , 6, - 1) + ")( 3, 2, 1) = (0, O, O)
o, lo que es equivalente
174
Al igualar las componentes correspondientes da
k
1
+ 5k
2
+ 3k
3
= O
- 2k 1 + 6k
2
+ 2k 3 = O
3k
1
- k
2
+ k3 = O
ESPACIOS VECTORIALES
Por tanto, V1, V2 Y V3 forman un conjunto linealmente dependiente si este sistema tiene
una solucin no trivial, o bien, un conjunto linealmente independiente si tienen slo la so-
lucin trivial. Al resolver este sistema se llega a
Como consecuencia, el sistema tiene soluciones no triviales y V
1
, V
2
Y V3 forman un con-
junto linealmente dependiente. De modo alternativo, se pudo haber demostrado la existen-
cia de soluciones no triviales sin resolver el sistema, demostrando que la matriz de coeficien-
tes tiene determinante cero y, como consecuencia, no es inversible (verifquese).
El trmino "linealmente dependiente" sugiere que los vectores "dependen" uno del
otro de alguna manera. Para ver que , en efecto, este es el caso, supngase que S = {V1, v
2
,
, V
r
}es un conjunto linealmente dependiente, de modo que la ecuacin vectorial
tiene una solucin diferente de k = k
2
= .. . = k
r
= O. Para ser especficos, supngase
que k
1
*" O. Al multiplicar ambos miembros por l /k
1
Y despejar V
1
, se llega a
As entonces, V
1
se ha expresado como una combinacin lineal de los vectores restantes
v
2
, , v
r
. Se deja como ejercicio demostrar que un conjunto con dos o ms vectores es
linealmente dependiente si y slo si al menos uno de los vectores es una combinacin lineal
de los vectores restantes.
Los dos ejemplos que siguen dan una interpretacin geomtrica de la dependencia
lineal en R
2
y R
3
.
Ejemplo 25
Dos vectores, V
1
Y v
2
, forman un conjunto linealmente dependiente si y slo si uno de los
vectores es un mltiplo escalar del otro. Para ver por qu, supngase que S = {v
1
, V
2
}es
linealmente dependiente. Supuesto que la ecuacin vectori al k j v j + /\2 v
2
= O tiene una
solucin diferente de k 1 = k
2
= O, esta ecuacin puede reescribirse como

Pero esto afirma que v
1
es un mltiplo escalar de v
2
, o bien, que v
2
es mlt ipl o esca lar de
v
1
La recproca se deja como ejercicio.
INDEPENDENCIA LINEAL
175
z
z z
y y
x
(a) lb) ( e)
Figura 4.6 (a) Linealmente dependientes. (h) Linealmente dependientes. ( e) Linealmente
independientes.
Se deduce que dos vectores en R
2
o en R
3
son linealmente dependientes si y slo si estn
sobre la misma recta que pasa por el origen (figura 4.6).
Ejemplo 26
Si VI, V2 Y V3 son tres vectores en R
3
, entonces el conjunto S = {VI, v
2
, V3 }es linealmen
te dependiente si y slo si los tres vectores estn en el mismo plano que pasa por el origen,
cuando los vectores se colocan con los puntos iniciales en el origen (figura 4.7). Para esto,
recurdese que VI, V2 Y V3 son linealmente dependientes si y slo si al menos uno de los vec-
tores es_ una combinacin lineal de los dos restantes o, lo que es equivalente, si y slo si al
menos uno de los vectores est en el espacio generado por los dos restantes. Pero el espacio
generado por dos vectores cualesquiera en R
3
es una recta que pasa por el origen, un pIa-
no que pasa por el origen, o bien, el propio origen (ejercicio 17). En todo caso, el espacio
generado por dos vectores en R
3
siempre est en un plano que pasa por el origen.
Se concluye esta seccin con un teorema que indica que un conjunto linealmente
independiente en Rn puede contener cuando ms n vectores.
Teorema 6. Sea S = {VI, V2 , .. , V
r
}un conjunto de vectores en R". Si r > n. entonces S
es linealmente dependiente.
( a ) lb) (e)
Figura 4.7 (a) Linealmente dependientes. (h) Linealmente dependientes. ( e) Linealmente
independientes.
176
ESPACIOS VECTORIALES
Demostracin Supngase que
VI = (v I l' ; 12 , ... , VI n)
V
2
=-( V2 1, V22 , . . . , V
21l
)
Considrese la ecuacin
Si, como se ilustr en el ejemplo 24, se expresan los dos miembros de esta ecuacin en tr-
minos de componentes y, a continuacin, se igualan las componentes correspondientes, se
obtiene el sistema
v llk + v 2k
2
+ . . . + v rk
r
= O
V 2k l + V22k 2 + .. . + v
r2
k
r
= O
Este es un sistema homogneo de n ecuaciones en las r incgnitas k , . . . , k,. Supuesto
que r > n, con base en el teorema l de la seccin) .3, se deduce que el sistema tiene solu-
ciones no triviales. Por tanto, S = {VI, v
2
, ... , v
r
}es un conjunto linealmente dependiente.
En particular, en este teorema se afirma que un conjunto en R
2
, con ms de dos vec-
tores, es linealmente dependiente, y que un conjunto en R
3
, con ms de tres vectores, es
linealmente dependiente. 1
EJERCICIOS 4.4
1. D una explicacin de por qu los siguientes conjuntos de vectores son lineal-
mente dependientes. (Resuelva este problema por simple
(a)u, = (1. 2) y u
1
= (-3, - 6)enR
1
(b) u, = (2, 3), U
1
( - 5, 8). U
J
= (6, 1) enR
1
(e) p, = 2 + 3x - ,2 Y Pl = 6 + 9:< - 3.\2 en p 2
[
1 3' - [- 1
(d) A = J y B =
2 O - 2
2. Cules de los siguientes conjuntos de vectores en R 3 son linealmente depen-
dientes?
(a) (2, - l' . 4). (3, 6. 2), (2, 10. - 4)
(b) (3,1 , 1), (2, - 1. 5), (4. (l , - 3)
(e) (ri, O. - 1). (1. ). 4)
(d) (1. 3, ]J. (O. 1. 4J. (5. 6. 3J. (7, 2. - 1 J
INDEPENDENCIA LINEAL 177
3. Cules de los siguientes conjuntos de vectores en R
4
son linealmente depen-
dientes?
(a) (1 , 2, 1, - 2), (O, - 2, - 2, O). (0,2, 3, 1 l, (3. O, - 3.6)
(b) (4, - 4,8, O), (2,2, 4, O), (6, O. O, 21. (6.3. - 3, O)
(e) (4,4, O, O), (O, O, 6. 6), (- 5, O. 5, 5)
(d) (3, O, 4, 1), (6,2, - 1,2), ( - 1, 3.5, 1), (-3,7, 8, 3)
4. Cules de los siguientes conjuntos de vectores en P2 son linealmente depen-
dientes?
(a) 2-x+4x
2
, 3 +6x+2x
2
2 + 10,-4,2
(b) 3 + , + , 2, 2 - , + 5,2. 4 - 3,2
(e) 6 - ,2, 1 + x + 4,1
(d) 1 + 3.\ + 3.\2, X + 4x
2
, 5 + 6, + 3.,2, 7 + 2, - ,2
,
5. Sea V el espacio vectorial de todas las funciones con valor real definidas sobre
la recta real completa. Cules de los siguientes conjuntos de vectores en V son
linealmente dependientes?
(a) 2.4 sen
2
x, cos
2
x
(e) l ,sen x sen 2x
(e) (1 + X)2 , x" + 2x, 3
(b) x, eos x
(d) eos 2x, sen
2
x. cos
2
x
(f) O. x, X2
6. Supngase que VI, V2 Y V3 son vectores en R
3
que tienen sus puntos iniciales
en el origen. En cada inciso, determine si los tres vectores estn en un plano.
(a) VI = (1 , O. - 2). V
2
= (3. L 2). " 3 = (1 , - L O)
(b) "1 = (2, - 1. 4), "2 = (4, 2.3), \ ' 3 = (2, 7, - 6)
7. Suponga que VI, V2 Y V3 son vectores en R
3
que tienen sus puntos iniciales en
el origen. En cada inciso, determine si los tres vectores estn en la misma recta.
(a) VI = (3. - 6,9). v
2
= (2, - 4,6), v
3
= (1,1,1)
(b) VI = (2, - 1, 4), v
1
= (4, 2. 3). "3 = (2. 7. - 6)
(e) \ ' 1 = (4. 6. 8), "1 = (2. 3,4), v
3
= ( - 2, - 3. - 4)
8. Para cules valores de A los vectores que siguen forman un conjunto lineal-
mente dependiente en R
3
?
VI = (io. - 1, - 1), V
2
= (- 1. io, -1), V
3
= (-1, -1, io)
9. Sea S = {v 1, V 2, . . , V n } un conjunto de vectores en un espacio vectorial V.
Demuestre que si uno de los vectores es cero, entonces S ~ s linealmente depen-
diente.
10. Si {VI, V2, V3 } es un conjunto linealmente independiente de vectores, demues-
tre que {VI, V2 }, {VI, V3 } , {V2, V3 }, {VI }, {V2 } Y {V3 } son tambin conjun-
tos linealmente independientes.
11. Si S = {VI, V2, ... , v
n
} es un conjunto linealmente independiente de vectores,
demuestre que todo conjunto de S con uno o ms vectores tambin es lineal-
mente independiente.
178
ESPACIOS VECTORIALES
12. Si {VI' V2, V3 } es un conjunto linealmente dependiente de vectores en un espa-
cio vectorial V, demuestre que {VI, V2' V3, V4 } tambin es linealmente depen-
diente, en donde V4 es cualquier otro vector en V.
13. Si {VI , V2 , , v
r
} es un conjunto linealmente dependiente de vectores en un
espacio vectorial V, demuestre que {VI, V2, . . , v
r
+
l
' .. . ,v
n
} tambin es
linealmente dependiente, en donde v
r
+ 1" . , v
n
son otros vectores cuales-
quiera en V.
14. Demuestre que todo conjunto con ms de tres vectores tomados de P2 es lineal-
mente dependiente.
15. Demuestre que si {v I , V2 } es linealmente independiente y V 3 no est en lin {v I ,
V2 }, entonces {VI, V2 , V3 } es linealmente independiente.
16. Pruebe que un conjunto con dos o ms vectores es linealmente dependiente si y
slo si al menos uno de los vectores es expresable como una combinacin lineal
de los valores restantes.
17. Pruebe que el espacio generado por dos vectores en R 3 es una recta que pasa por
el origen, un plano que pasa por el origen, o bien, el propio origen.
18. (Para los lectores que hayan estudiado Clculo.) Sea V el espacio vectorial de las
funciones con valor real definidas sobre la recta real completa. Si f, g Y h son
vectores en V, las cuales son doblemente diferenciables, entonces la funcin
w = w(x) definida por
{(X) Y( :':)
h(x)
Iv(X) = F (x ) y' (x ) h' (x)
j"(x ) q" (x) h" (O\)
se conoce como wronskiano de f, g Y h, Pruebe que f, g Y h forman un conjun-
to linealmente independiente si el wronskiano no es el vector cero en V [es decir,
w (x) no es idnticamen te cero] .
19. (Para los lectores que hayan estudiado Clculo.) Utilice el wronskiano (ej erci-
cio 18) para demostrar que los siguientes conjuntos de vectores son linealmen-
te independientes.
(a) 1, x, eX
(b) senx, cosx, x sen x (d) 1, X, X2
4.5 BASE Y DI MENSIDN
Por lo comn, se concibe una recta como un espacio unidimensional, un plano como uno
bidimensional y el espacio que lo rodea a uno como tridimensional. El objetivo princi
pal de esta seccin es precisar esta nocin intuitiva de dimensin.
Definicin. Si Ves cualquier espacio vectorial y S = {VI, V2, . . , V
r
} es un conjunto fini
to de vect ores en V, entonces S se denomina hase para V si '
BASE Y DIMENSION
(i) S es linealmente independiente;
() S genera a V.
Ejemplo 27
179
Sean el "" 0, 0,0, ... , O), e
2
= (O, 1,0, . .. ,O), .. . ,en = (0,0, O, . .. , 1). En el ejem-
plo 23 se seal que S = {el, e2, ... , en } es un conjunto linealmente independiente en
R n. Dado que cualquier vector v = (VI' V2, .. , v
n
) en R
n
se puede escribir como v = V I e2
+ V2e2 + ... + vne
n
, S genera a R
n
y, por tanto, es una base. Esta base se conoce como
base estndar para Rn.
Ejemplo 28
Sean VI = (1, 2, 1), V2 = (2 , 9, O) y V3 = (3,3,4). Demustrese que el conjunto S = {VI,
V2, V3 } es una base paraR
3
.
Solucin. Para demostrar que S genera a R
3
, es necesario demostrar que un vector arbitra-
rio b = (b
l
, b
2
, b
3
) se puede expresar como combinacin lineal
de los vectores en S. Al expresar (4.3) en trminos de las componentes da
o bien,
o bien,
/.:1 + 2/.:
2
;+- 3/.:
3
= b
1
2/.:
1
+ 9/.:
2
+ 3k3 = b
2
/.:1 + 4/.:
3
= b
3
(4.3)
(4.4)
Por tanto, para demostrar que S genera a V, se debe demostrar que el sistema (4.4) tiene
una solucin para todas las elecciones de b = (b, b
2
, b
3
). Para probar que S es linealmente
independiente, es necesario demostrar que la nica solucin de
(4.5)
esk
1
=k
2
=k
3
=0.
Como se hizo antes, si (4.5) se expresa en trminos de las componentes, la verifica-
cin de la independencia se reduce a demostrar que el sistema homogneo
k
1
+2k
2
+3k
3
=O
2/.: 1 + 9k
2
+ 3k
3
= O
/.:1 + 4k
3
= O
(4.6)
180
ESPACIOS VECTORIALES
tiene nicamente la sulucin tri vial. Obsrvese que los sistemas (4.4) y (4.6) tienen la mis-
ma matriz de coeficiente. As entonces, por los incisos (a) , (b) Y (d) del teorema 13 de la
seccin l. 7, es posible probar simultneamente que S es linealmente independiente y que
genera a R
3
, demostrando que la matriz de coeficientes
de los sistemas (4.4) Y (4.6) es inversible. Puesto que
1
I
det(A) = 12
I
; 1
2 3
9 3
4!
- 1
por el teorema 6 de la seccin 2.3, se concluye que A es inversible. Por consiguiente, S es
una base para R 3 .
Ejemplo 29
El conjunto S = {l, x, xZ , ... ,x
n
} es una base para el espacio vectorial P n que se intro-
dujo en el ejemplo 13. Por lo visto en el ejemplo 18, los vectores en S generan a P
n
. A fin
de ver que S es linealmente independiente, supngase que alguna combinacin lineal de
vectores en S es el vector cero, esto es,
Co + e
1
x + ... + C"X" == O
(4.7)
se debe demostrar que eo = el = ... = en = O. Con base en lo visto en el Algebra , un po-
linomio diferente de cero de grado n tiene cuando ms n raoes distintas. Dado que (4.7)
es una identidad, todo valor de x es una raz del primer miembro. Esto implica que el =e2
= ... = en = O; por otra parte, eo + el x + . .. + enx
n
podra tener cuanqo ms n races.
Por tanto, el conjunto S es linealmente independiente.
La base S de este ejemplo se conoce como base estndar para P
n
.
Ejemplo 30
Sean
-[0 0J
M4 -
O l
El conjunto S = {MI, M
z
, M
3
, M4 } es una base para el espacio vectorial M
22
de matrices
de 2 X 2. A fin de ver que S genera a M
Z2
, ntese que un vector (matriz) tpico
BASE Y DIMENSION
181
se puede escribir como

= aMI + bM
2
+ c.\1
3
+ dM4
Para verificar que S es linealmente independiente, supngase que
.% decir,
Entonces,
[
a bJ = rO 0J
e d LO O
Por tanto, a = b = c = d = O de modo que S es linealmente independiente.
Ejemplo 31
Si S = {VI, V2, . ' .' , V
r
} es un conjunto linealmente independiente en un espacio vectorial
V, entonces S es una base para el subespacio lin(S), ya que S es independiente y, por defi-
nicin de lin(S), S genera a lin(S).
Se dice que un espacio vectorial diferente de cero V es de dimensin finita si contie-
ne un conjunto finito de vectores {VI, V2, . .. , VII } que fonna una base. Si no existe un
conjunto de este tipo, se dice que Ves de dimensin infinita. Adems, se considera el es-
pacio vectorial cero como de dimensin filta, aun cuando no tiene conjuntos linealmente
independientes y, como consecuencia, no tiene base.
Ejemplo 32
Por lo visto en los ejemplos 27, 29 y 30, R", PI! Y M
22
son espacios vectoriales de dimen-
sin tlnit a.
El siguiente teorema suministra la clave hacia el concepto de dimensin para espacios
vectoriales. Con base en l se obtendrn algunos de los resultados ms importantes del l-
gebra lineal.
Teorema 7. Si S = {VI, V2 , . . . , VI! } es una base para un espacio vectorial V, entonces
todo conjullfo COIl ms de n vectores es linealmente dependiente.
Demostracin Sea S' = {WI, W2 , .. . , W
m
} cualquier conjunto de m vectores en V, en
donde ni > 11. Se desea demos! rar que S' es linealmente dependiente. Supuesto que S = {VI I
V2' .. . , VI! } es una base, cada w se puede expresar como una combinacin lineal de los
vectores en S, por ejemplo,
182
ESPACIOS VECTORIALES
W = av + a l v
1
+ . . . + ClIlV
Il
W
1
= alv + C/
11
V
2
+ .. . + all1v
Il
(4. 8)
Para demostrar que S' es linealmente dependiente, se deben hallar los escalares k 1, k
2
, . ,
km, no todos cero, tales que
(4.9)
Al aplicar las ecuaciones dadas en (4.8), (4.9) se puede volver a escribir como
(kCI + k
2
a2 + . .. + k",a",)v
+ (kC/
2
+ k
2
C1
z2
+ . . . + k",a2",)v
2
Por tanto, el problema de probar que S' es un conjunto linealmente dependiente se redu-
ce a demostrar que existen k , k 2, .. . , km, no todos cero, que satisfacen
uk + UI 2k 2 + . .. + u",k", = O
u2k + a22k2 + . .. + uzmk
m
= O
(4.10)
Dado qe (4. 10) tiene ms incgnitas que ecuaciones, la demostracin queda completa,
ya que el teorema 1 de la seccin 1.3 garantiza la existencia de soluciones no triviales. I
Como consecuencia, se obtiene el resultado siguiente:
Teorema 8. Dos bases cualesquiera para un espacio vectorial de dimensin finita tiene el
mismo nmero de vectores.
Demostracin. Sean S = {v, V2, .. . , v
n
} Y S' = {WI, W2' ... , W
m
} dos bases para un
espacio vectorial de dimensin finita V. Dado que S es una base y S' es un conjunto lineal-
mente independiente, el teorema 7 implica que m';;:; n. De modo anlogo, dado que S' es
una base y S es tinealmente independiente, tambin se tiene n .;;:; m. Por tanto, m = n. I
Ejemplo 33
La base estndar para Rn contiene n vectores (ejemplo 27). Por consiguiente, toda base
para Rn contiene n vectores.
Ejemplo 34
La base estndar para P
n
(ejemplo 29) contiene n + I vectores; as entonces, toda base
para P
n
contiene n + 1 vectores.
BASE Y DIMENSION 183
El nmero de vectores en una base para un espacio vectorial de dimensin finita es
una cantidad en particular importante. Por el ejemplo 33, toda base para R
2
tiene dos
vectores y toda base para R
3
tiene tres vectores. Ya que R
2
(el plano) es intuitivamente
bidimensional y R
3
es intuitivamente tridimensional, la dimensin de estos espacios es
igual al nmero de vectores que se tienen en sus bases. Esto sugiere la siguiente definicin:
Definicin. La dimensin de un espacio vectorial de dimensin fInita V se defme como el
nmero de vectores en una base para V. Adems, por definicin, el espacio vectorial cero
tiene dimensin cero.
Por lo que se vio en los ejemplos 33 y 34, RIl es un espacio vectorial de dimensin n
y P
n
es un espacio vectorial de dimensin n + l .
Ejemplo 35
Determnese una base y la dimensin para el espacio de soluciones del sistema homogneo
.2X + .2X2 - X " + x" = O
- .\ - .\ 2 + 2s" - 3.\ .. + S" = O
Solucin En el ejemplo 8 de la seccin 1.3 se demostr que las soluciones estn dadas por
s=-S-{
Por tanto, los vectores solucin se pueden escribir como
Xl - s - r
s, s
lo cual demuestra que los vectores
-1
I
l = O
O
O
-s
~
O
+
O
O
y
-(
O
-(
= s
O
- 1
- 1
-1
O
O
O
O
V
2
= -1
O
-1
O
+ (
-1
O
generan el espacio de soluciones. Dado que estos vectores tambin son linealmente indepen-
dientes l verifquese), {VI, V2 } es una base, y el espacio de soluciones es bidimensional.
En general, a fin de demostrar que un conjunto de vectores {VI, V2, .. . , V
n
}es una
base para un espacio vectorial V se tiene que demostrar que los vectores son linealmente
184
ESPACIOS VECTORIALES
independientes y que generan a V. Sin embargo, si se sabe de antemano que V tiene di-
mensin n (de modo que {VI, V2, ' .. , v
n
} contiene el nmero correcto de vectores para
tener una base) entonces basta con verificar la independencia lineal, o bien, la generacin
-- la condicin restante se satisfar automticamente. Este es el contenido de los incisos
(a) y (b) del teorema siguiente. En el inciso (c) de este teorema se afirma que todo conjun-
t o lineabtlente independiente forma parte de alguna base para V.
Teorema 9.
(a) Si S = {VI, v
2
, _ . . , V
n
} es un conjunto de n vectores linealmente independientes en
un espacio V de dimensin n, entonces S es una base para V.
(b) Si S = {v 1, V2, .. . , v
n
} es un conjunto de n vectores que genera un espacio V de
dimensin n, entonces S es una base para V.
(c) Si S = {VI , V2, _ _ , v
r
} es un conjunto linealmente independiente en un espacio V
de dimensin n y r < n, entonces se puede I}grandar S hasta formar una base para V;
es decir, existen los vectores v
r
+, _ .. , v
n
tales que {VI, V2 , . . . , V" vy+ , . . _ ,
v
n
} es una base para V.
Las demostraciones se dejan como ejercicios.
Ejemplo 36
Demustrese que VI = (- 3, 7) Y V2 = (S, S) forman una base para R2_
Solucin. Dado que ninguno de los vectores es un mltiplo escalar del otro, S = {VI, V2 }
es linealmente independiente. Puesto que R
2
es bidimensional, S es una base para R
2
con
base en el inciso (a) del teorema 9. '
EJERCICIOS 4.5
1. D una explicacin de por qu los conjuntos siguientes de vectores no son bases
para los espacios vectoriales que se indican. (Resuelva este problema por simple
observacin. )
(a) U
1
= (1, 2), U
2
= (O, 3), U
3
= (2, 7) para R
2
(b) U
1
= ( -1, 3, 2), U
2
= (6, 1, 1) para R
3
(el P I = 1 + .'( + X2, P 2 = X - 1 para P 2
(d) A = G
~ J
B = [ 6
- 1
~ J
e = [ ~
~ l
D = [!
~ J
E=C
2 ~ J
para M 2 2
2 Cules de los siguientes conjuntos de vectores son bases para R
2
?
(al (2. 1). (3. Ol (bl (4. 1 l, ( - 7, - 8)
(e) (0, OUI, 3) (u) (3,9), ( - 4, - 12)
BASE Y DIMENSION
3. Cules de los siguientes conjuntos de vectores son bases para R
3
,?
(a) (1, O, O), (2, 2, O), (3,3, 3)
(e) ( 2 ~ - 3, 1), (4, 1, 1), (0, - 7, 1)
(b) (3, 1, - 4), (2, 5. 6), (1 , 4, 8)
(d) (1 , 6, 4), (2, 4, - 1),( - 1, 2,5)
4. Cules de los siguientes conjuntos de vectores son bases para P2 ?
(a) 1 - 3.\ + 2X2, 1 + x + 4X2. 1 - 7.\
(b) 4 + 6x + X 2, - 1 + 4.\ + 2 X 2, 5 + 2x - X2
(e) 1 + x + X2 , X + X2 , X2
(d) - 4 + x + 3x
2
, 6 + 5x + 2x
2
, 8 + 4x + X2
5. Demuestre que el conjunto siguiente de vectores es una base para M
zz
.
[
O -IJ
- 1 O '
[
O -8J
- 12 -4 '
6. Sea Vel espacio generado por VI = cos
2
X, V2 = sen
2
x V3 = cos 2x.
(a) Demuestre que S = {VI, V2' V3 } no es una base para V.
(b) Halle una base para V.
185
En los ejercicios 7 al 12 determine la dimensin del espacio de soluciones del sistema que
se da y encuentre una base para l.
7. X I + X
2
- X
3
= O
- 2x 1 - X 2 + 2x) = O
- X I + X 3 = O
8. 3x
I
+ X
2
+ X
3
+ X
4
= O
5x
I
- X
2
+ X, - X
4
= O
9. X I - 4 X2 + 3x) - X
4
= O
2x
I
- SX2 + 6x) - 2X4 = O
10. x
l
-3x
2
+ X3= 0
2x 1 - 6x 2 + 2x 3 = O ,
3x
I
- 9 X 2 + 3x
3
= O
11. 2x
I
+X2+ 3x)= 0 12. x + y + z = O
X I + 5x
3
= O
X2 + X3 = O
3x + 2y - 22 = O
4x + 3y - :; = O
x + 5y + :; = ()
13. Determine bases para los subespacios de R
3
que siguen:
(a) El plano 3x - 2y + 52 = O
(b) El plano x - y = O
x = 2t
(e) Larectay= - t - oo<t<+oo
2 = 4t
(d) Todos los vectores de la forma (a, b. e), en donde b = a + e
14. Determine las dimensiones de los siguientes subespacios de R
4
.
(a) Todos los vectores de la forma (a. b. c. O)
J
(b) Todos los vectores de la forma (a. b, e, d), en donde d = a + b y e = a - b.
(e) Todos los vectores de la forma (a, b. e, d), en donde a = b = (' = d
186
ESPACIOS VECTORIALES
15. Determine la dimensin del subespacio de P3 que consta de todos los polino-
miosao +ax +a2x2 +a3x3 , paraloscualesao =0.
16. Sea {v, V2, V3 } una base para un espacio vectorial V. Demuestre que {u, U2 ,
U3 } tambin es una base, en donde U = V, U2 = V + V2 Y U3 = v + V2 + V3.
17. Demuestre que el espacio vectorial de todas las funciones con valor real defini-
das sobre la recta real completa es de dimensin infinita. (Sugerencia. Suponga
que es de dimensin finita y que su dimensin es n y obtenga una contradiccin
al producir n + 1 vectores linealmente independientes.)
18. Demuestre que un subespacio de un espacio vectorial de dimensin finita es de
dimensin finita.
19. Sea V un sub espacio de un espacio vectorial de dimensin finita W. Demuestre
que dim( V) ~ dim( W) (Sugerencia. Por lo visto en el ejercicio 18, Ves de dimen-
sin finita.)
20. Demuestre que los nicos subespacios de R
3
son rectas que pasan por el origen,
planos que pasan por el origen, el sub espacio cero y el propio R 3. (Sugerencia.
Por lo visto en el ejercicio 19, los subespacios de R
3
deben ser de dimensin 0,
dimensin 1, dimensin 2, o bien, de dimensin 3.)
21. Pruebe el inciso (a) del teorema 9.
22. Pruebe el inciso (b) del teorema 9.
23. Pruebe el inciso (e) del teorema 9.
4.6 ESPACIO DE RENGLONES V COLUMNAS DE UNA MATRIZ; RANGO;
APLICACIONES PARA HALLAR BASES
En esta seccin se estudian ciertos espacios vectoriales asociados con las matrices. Los re
sultados suministrarn un procedimiento sencillo para encontrar bases, reduciendo una ma
triz apropiada a una forma escalonada en los renglones.
Definicin. Considrese la matriz de m X n
l
lll 1
A = 1121
1 I ~ " 1
lI
lll
1
ll l "
11,:""
Los vectores
rlll == (0"'1 ' lI1I/ 2' . . . . ",",,)
APLICACIONES PARA HALLAR BASES 187
formados a partir de los renglones de A se conocen como vectores rengln de A, Y los vec-
tores
formados a partir de las columnas de A se llaman vectores columna de A El subespacio de
Rn generado por los vectores rengln es el espacio de renglones de A, y el subespacio de
Rm generado por los vectores columna es el espacio de columnas de A.
Ejemplo 37
Sea
A = [ ~
-1
~ J
Los vectores rengln de A son
r
1
= (2, 1,0)
y
r 2 = (3, -1,4)
y los vectores colurrmas de A son
y
El teorema siguiente ayuda a encontrar bases para los espacios vectoriales; su demos-
tracin se difiere hasta el final de la seccin
Teorema 10. Las operaciones elementales sobre los renglones no cambian el espacio de
renglones de una matriz.
Con base en este teorema se deduce que el espacio de renglones de una matriz A per-
manece inalterado al red ucir\a hasta una forma e'scalonada en los rengkmes. S.in embargo,
los vectores rengln diferentes de cero de una matriz en la forma escalonada en los renglo-
nes siempre son lineales independientes (ejercicio 17), de modo que estos vectores rengln
diferentes de cero forman una base para el espacio de renglones As entonces, se tiene el
s igu ie n te resultado:
Teorema 11. I,os vectores rengln diferentes de cero en una forma escalonada en los ren-
glones de una matriz A forman una base para el espacio de renglones de A.
Ejemplo 38
Encuntrese una base para el espacio generado por los vectores
188 ESPACIOS VECTORIALES
VI =(1. - 2.0,0, 3) V
2
= (2, - 5, - 3, -2, 6)
V
4
= (2, 6, 18,8, 6)
V) = (0, 5, 15. 10, O)
Solucin El espacio generado por estos vectores es el espacio de renglones de la matriz
[ ~
- 2
- 5
5
6

- 3
15
18

-2
10
8
Al poner esta matriz en forma escalonada en los renglones se obtiene (verifquese):
[ ~
- 2

~ l
l 3 2

l l
O'

OJ
Los vectores rengln diferentes de cero en esta matriz son
W
I
= (1 , - 2,0,0, 3) W
2
= (O, 1, 3, 2, O) W
J
= (O. 0, 1, 1, O)
Estos vectores forman una base para el espacio de renglones y, como consecuencia, una
b a s ~ para el espacio generado por VI , V2, V3 Y V4. '
OBSERVACION. Se han estado escribiendo los vectores rengln de una matriz en notacin
horizontal, y los vectores columna en notacin vertical (matricial), debido a que esto pare
ce ms natural. Sin embargo, no hay razn alguna de por qu no puedan escribirse los vec-
tores rengln en notacin vertical y los vectores columna en notacin horizontal, si as
resulta conveniente.
Teniendo en cuenta esta observacin, es evidente que, excepto por un cambio de
notacin vertical a horizontal, el espacio de columnas de una matriz es el mismo que el
espacio de renglones de su transpuesta. Por tanto, si se desea, se puede encontrar una base
para el espacio de columnas de una matriz A, encontrando una base para el espacio de
renglones de A t y, a continuacin, regresando a la notacin vertical.
Ejemplo 39
Hllese una base para el espacio de columnas de
()
4
-"
4
"
APLICACIONES PARA HALLAR BASES
Solucin. Al transponer se obtiene
3
2
5
189
y al realizar la reduccin hacia una forma escalonada en los renglones se llega a (verif-
quese)
Por tanto, los vectores (1, 3, O) Y (O, 1, 2) forman una base para el espacio de renglones
de Ato, lo que es equivalente,
y
fonnan una base para el espacio de columnas de A.
En el ejemplo 38, se aplic la reduccin en los renglones a fin de encontrar una base
para el espacio generado por un conjunto de vectores. Sin embargo, ese mtodo puede
producir vectores base que no se encuentren entre los vectores del conjunto original. Ahora
se muestra cmo producir una base que sea un subconjunto del conjunto dado de vectores.
La idea es eliminar vectores del conjunto dado que sean combinaciones lineales del resto,
dejando en consecuencia un conjunto de vectores linealmente independientes que generen
el mismo espacio que el conjunto original de vectores . El mtodo, el cual se aplica nica-
mente a vectores en R
n
, se explica por medio de un ejemplo.
Ejemplo 40
Encuntrese un subconjunto de los vectores
VI = (1, - 2, 0, 3), V
2
= (2, - 5, - 3, 6)
V 3 = (0, 1, 3, O), v
4
= (2, -1,4, - 7), V
s
= (5, - 8, 1,2)
que forme una base para el espacio generado por estos vectores
Solucin. Se principia por resolver la ecuacin vectorial
(4. 11)
-------
Al sustitu ir las componentes y, a continuacin, igualar las componentes correspondientes
de los dos miembros de (4. 1 1) se llega al sistema homogneo
190 ESPACIOS VECTORIALES
C
1
+ 2c
2
+ 2c
4
+ 5c
s
= O
- 2c
I
5c
2
+ C3 - c
4
-8c
s
=0
- 3c
2
+ 3c
3
+ 4c
4
+ C
s
= O
3c
I
+ 6e2 - 7('4 + 2e
s
= O
Al obtener este sistema por la eliminacin de Gauss-Jordan se obtiene (verifquese):
el = - 25 - t,
e2' = s - t, es = t (4.12)
en donde s y t son arbitrarios, Sustituyendo (4.12) en (4.11), se obtiene
(-25 - t)v
I
+ (5 - t)v
2
+ sV
3
- tV
4
+ tv
s
= O
10 cual se puede volver a escribir como
(4.13)
Ya que s y t son arbitrarias, es posible hacer s = 1, t = O y, entonces s = O, ["= 1 Esto con-
duce a las ecuaciones de dependencia
-2v
I
+ v
2
+ v
3
= O
- VI - v
2
- V
4
+ V
s
= O
(4.14)
Con estas ecuaciones se pueden expresar los vectores V3 Y Vs como combinaciones linea-
les de los vectores precedentes (es decir, los vectores con subndices menores) Se obtiene
V
3
= 2v
I
- v
2
V
s
= VI + v
2
+ v
4
( 4.15)
lo cual indica que es posible descartar V3 Y Vs del conjunto original, sin afectar el 'espacio
generado .
A continuacin se demuestra que los vectores restantes VI, V2 Y V4 son linealmente
independientes y, por tanto, forman una base para el espacio generado por VI, V2, V3, V4
Y Vs- Si
,
entonces (4.11) se cumple con e3 = O yes = O Por tanto (4.12) se cumple con s = e3 = O
y t = es = O. A partir de las ecuaciones restantes en (4.12), se deduce que
C1 = 0,
10 cual prueba que VI, V2 Y v 4 son linealmente independientes .
OIlSFRV \CION. Aun cuandp se omite la demostracin. se puede demostr<lr que despus de
aplicar las ecuaciones de dependencia, a fin de 'climinar aqucllos vecforcs que dependen de
APLICACIONES PARA HALLAR BASES 191
los precedentes, los vectores restantes siempre sern linealmente independientes. P : con-
siguiente, no es necesario verificar la independencia como se hizo en el ltimo ejemplo.
El teorema que sigue es uno de los resultados ms fundamentales del lgebra lineal.
La demostracin se deja hasta el final de esta seccin.
Teorema 12. Si A es una matriz cualquiera, entonces el espacio de renglones y el espacio
de columnas de A tienen la misma dimensin.
Ejemplo 41
En el ejemplo 39 se vio que la matriz
A = [ ~
o
2
4
tiene un espacio de columnas bidimensional. Por consiguiente, en el teorema 12 se afirma
que el espacio de renglones tambin es bidimensional. Para comprobar que, de hecho, este
es el caso, se reduce A a una forma escalonada en los renglones, obteniendo (verifquese)
o
1
O
Dado que esta matriz tiene dos renglones diferentes de cero, el espacio de renglones de A
es bidimensional.
Definicin. La dimensin del espacio de renglones y columnas de una matriz A se conoce
como rango de A.
Por ejemplo, la matriz A de los ejemplos 39 y 41 tiene rango 2.
El siguiente teorema agrega tres resultados ms a los del teorema 13 de la seccili
1.7 Y del teorema 6 de la seccin 2.3.
Teorema 13. Si A es una matriz de n X n, entonces las proposiciones que siguen son equi-
valentes.
(a) A es inversible.
(b)
(e)
(d)
(e)
(1)
(g)
(h)
A x = O tiene nicamente la solucin trivial.
A es equivalente, respecto a los renglones, a In .
A x = b es consistente para toda matriz b de n X l .
det(A) *" O
A tiene rango n
l . os vectores rengln de A son linealmente independientes.
,os vectores columna de A son linealnzente independientes.
Demostracin. Se demostrar que (e), (1), (g) y (h) son equivalentes, prohando la sucesin
de implicaciones (e) => (f) => C ~ ) ~ (h) => (e) .
Esto completa la demostracin puesto que ya se sabe que (e) equivale a (a), (b) , (d) y (e).
192 ESPACIOS VECTORIALES
(e) ~ (j) Supuesto que A es equivalente, respecto a los renglones, al
n
y In tiene n renglones
diferentes de cero, el espacio de renglones de A es de dimensin n, por el teorema 11. Por
consiguiente, A tiene rango n.
(j) ~ (g) Supuesto que A tiene rango n, el espacio de renglones de A es de dimensin n.
Ya que los n vectores rengln de A generan el espacio de renglones de A , por el teorema 9
de la seccin 4.5 se concluye que los vectores rengln de A son linealmente independientes.
(g) ~ (h) Supngase que los vectores rengln de A son linealmente independientes. As
entonces, el espacio de renglones de A es de dimensin n. Por el teorema 12, el espacio
de columnas de A tambin tiene dimensin n. Dado que los vectores columna de A generan
el espacio de columnas, los vectores columna de A son linealmente independientes, con
base en el teorema 9 de la seccin 4.5.
:h) ~ (e) Supngase que los vectores columna de A son linealmente independientes. Por
tanto, el espacio de columnas de A tiene dimensin n y, como consecuencia, el espacio de
renglones de A, por el teorema 12, tambin es de dimensin n. Esto significa que la fonna
escalonada en los renglones reducida de A tiene n renglones diferen tes de cero, es decir,
todos los renglones son diferentes de cero. Como se hizo notar en el ejemplo 24 de la sec-
cin 2.3, esto implica que la forma escalonada en los renglones reducida de A esl
n
. As
entonces, A es equivalente, respecto a los renglones, a In I
Es interesante hacer notar que el teorema 13 rene todos los ternas principales que
se han estudiado hasta aqu: matrices, sistemas de ecuaciones, determinantes y espacios
vectoriales.
Se concluye esta seccin con un resultado adicional acerca de los sistemas de ecua-
ciones lineales. Considrese un sistema de ecuaciones lineales
Ax = b
o, lo que es equivalente,
al/ljf.\lj fh
l
j
Q2/1 .\2 h
2
l m / l ~ / I = lm
U
m
2
Al hacer la multiplicacin de las matrices que se encuentran en el primer miembro, se pue-
de volver a escribir este sistema como
1(/11 Xl + (/12'\2 + ... + a
1
/1.\/I] fhl j
a
2 1
Xl + 0 22 .\: 2 + ... + a2/1.\/I h
2
_:/ml.\1 + lm2.\2 + ... + }I/lIt'\/I - hit,
o bien,
f
a
11
] fa 12 j flll/1j fh
1
j
(/ 2 1 a22 (/2/1 h
1
.\ 1 . +'\ 2 , +"' +'\/1' = .
:'",1 :'11/2. :1", 11 JIU
APLICACIONES IAAA HALLAR BASES
193
Dado que el primer miembro de esta ecuacin es una combinacin lineal de los vectores
columna de A. se deduce que el sistema A x = b es consistente si, y slo si, b es una combi-
nacinlneal de los vectores columna de A. Por tanto, se tiene el tl teorema que sigue :
Teorema 14. Un sistema de ecuaciones lineales x = b es consistente si y slo si b est en
el espacio de columnas qe A. .
OPCIONAL
Demostracin del teorema 10. Supngase que los vectores rengln de una matriz A son r, ,
r2 , . .. , r
m
y que se obtiene B a partir de A , efectuando una operacin demental sobre
los renglones. Se demostrar que todo vector en el espacio de renglones de B tambin est
en el espacio de renglones de A e , inversamente, que todo vector que est en el espacio de
renglones de est en el espacio de renglones de B. Entonces es posible concluir que A y
B tienen el mismo espacio de renglones.
Considrese las posibilidades. Si la operacin sobre los renglones es un intercambio
de los mismos, entonces B y A tienen los mismos vectores rengln y. como consecuencia, el
mismo espacio de renglones. Si la operacin sobre los renglones es la multiplicacin de
uno de ellos por un escalar, o la adicin de un mltiplo de uno de los renglones a otro , en-
tonces los vectores rengln r' 1 , r'2 . .. , r'm de B son combinaciones lineales de r; , r2 , . . . ,
r
m
; por consiguiente, estn en el espaCio de renglones de A. Dado que un espacio vectorial
es cerrado bajo la adicin y la multiplicacin escalat , todas las combinaciones lineales de
r'l , r'2 , ... , r' n1 tambin estarn en el espacio de renglones de A. Por tanto , cada vector
del espacio de renglones de B est en el espacio de renglones de A.
Supuesto que B se obtiene a partir de A al efectuar una operacin sobre los renglo-
nes, se puede obtener A a partir de B, efectuando la operacin inversa (seccin 1.7). Por
consiguiente, el argumento que se da Indica que el espacio de renglones de A est cont e-
nido en el espacio de renglones de B.
OPCIONAL
Demostracin del teorema 12. Dentense los vectores rengln de
la"
(11 2
a, . ]
A = (/21
(1 22
a 2"
~ " ' l
(1", 2
~ m "
por
r "r
2
, , r",
Supngase que el espacio de renglones de A tiene dimensin k y que S = {b, , b. , . . . ,b" }
es una base para el espacio de renglones, en donde b i = (b;, , b., "" bln)' Supuesto
que S es tina base para el espacio de renglones, cada vector rengln se puede expresar co-
mo una combinacin lineal de b
l
, b
1
, . . . , b" ; por tanto,
194 ESPACIOS VECTORIALES
r = cb + C2b2 + ... + Clkbk
r
2
= c2b + C22b2 + ... + C2kbk
(4.16)
Ya que dos vectores en R" son iguales si y slo si las componentes correspondientes son
iguales, se pueden igualar las j - simas componentes de cada lado de (4.16), para obtener
aj = cbj + C 2b2j + ... + clkb
kj
a2j = c2bj + C22
b
2j + ... + C2k
b
kj
0 , 10 que es equivalente,
l
Gj] lClJ lC12] lClk]
a" ~ b'l e" + b'l e" + .. . + b, e"
G
m
} C
m l
C
m2
Cmk
(4.17)
El primer miembro de esta ecuacin es elj- simo vector columna de A y i = 1,2, .. . , n
es arbitrario; por tanto , cada vector columna de A est en el espacio generado por los k
vectores del segundo miembro de (4.17). Por consiguiente, el espacio de columnas de A
tiene dimensin ~ k. Ya que
k = dim (espacio de renglones de A)
se tiene
dim (espacio de columnas de A) ~ dim (espacio de renglones de A). (4-.18)
Supuesto que la matriz A es completamente arbitraria, se aplica esta misma conclusin a
A t , es decir,
dim (espacio de columnas de A
t
) ~ dim (espacio de renglones de A t) (4.19)
Pero al transponer una matriz se convierten las columnas en renglones y los renglones en
columnas de modo que
espacio de columnas A t = espacio de renglones de A
y
espacio de renglones de A t = espacio de columnas de A
Por tanto, (4.19) se puede volver a escribir como
dim (espacio de renglones de A) ~ dirn (espacio de columnas de A)
APLICACIONES PARA HALLAR BASES
Con base en este resultado y (4.18) se concluye que
dim (espacio de renglones de A) = dim (espacio de columnas de A) I
EJERCICIOS 4.6
1. Liste los vectores rengln y los vectores columna de la matriz

-1
5
4
o 1]
7 -1
2 7
195
En los ejer cicios 2 al 5 halle : (a) una base para el espacio de renglones; (b) una base para
el espacio de columnas ; (e) el rango de la
2.
3. [i
2
- :]
4 [ ;
1 2
i1
- 3J
4 O 1
- 6
O -8 3
1 - 3 2 2
O 3 6 O
_ J
5. 2 - 3 - 2 4 4
3 -3 " 6 6 3
5 -3 10 10 5
6. Halle una base para el subespacio de R" generado por los vectores que se dan .
(a) (1 , 1, -4, -3), (2, 0,2, - 2), (2, -1,3,2)
(b) ( - 1, 1, -2, O), (3, 3. 6, O), (9, O, 0, 3)
(e) (1, 1, O, O), (O, O, 1, 1), (- 2, O. 2, 2), (O, - 3, O, 3)
7. Verifique que el espacio de renglones y el espacio de columnas tienen la misma
dimensin (como lo garantiza el teorema 12).
l
2
3
(a) 1
- 3
O
- 4
2
2
- 1
3
-2
3
2
5
1
5
En los ejercicios 8 al 9, aplique el mtodo del ejemplo 40 para: (a) encontrar un subcon-
junto de los vectores que forme una base para el espacio generado por los propios vectores;
(b) expresar cada Vi que no est en la base como una combinacin lineal de los vectores base.
8. v = (l , - 1, 5, 2), v
2
= (- 2, 3, 1, 0), v
3
=(4, - 5, 9, 4), v
4
= (0, 4, 2, -3), v
s
= (-7.1 8.2, -8)
9. v = (1 , 0, 1, 1), v
2
= ( - 3, 3, 7, 1), v
3
=(- I, 3, 9, 3), v
4
= (-5, 3, 5, - 1)
lQ. En Q4Q \W p&fa renglQnes q\1e Qonste por
completo de rengl,n, y. enCl\entre l\na base Da!'!!' el esp,ciQ de cqll\mnis
que c,onste c\1il vectores CQ\Yffinj, .
l'

6
'J
",[-:
- 4
-:]
lb) .2
= 1 3
6

<"'
-*
-5
9-
3
o
I
Q
- ,
(a) Si A es Una. de 3 x :1 , 4c4\ el valor pQsil'le para el
A?
(o) Sl A es \,lna matriz de m X n, el valor mximo posible Paf e) fan,

t En cad", lnC;isg, b eft l espaoiQ ele \!pll,\mnas. de A. Si lo est,
e>\PfeSe q comQ \,lpa combinacin 1m e"'! de los veetqres, QO!llmna.
(a) A =

(c) A = l- ':
- 1
3J [-2J
-6 :b = lO
-4
l
[OJ
J
, b -
-g . - 1
- 1
1
- 1
13, () Prveoe qUe A es l\pa mtri; 4e 3 X ,51 entQnes IOIl VtilQtOfeS !.mna d(,\
A son linealmente dependientes.
(b) q,ue si A (tS, una 't 3, \Qs A
son line!!'lmente
14. Pr\1ebe que si A una matriz que nO es Quadract, entonces los VeQtQr
e
! rengln
de A, o bien, lo! QQ14m\1 ge,4
1$. Sea
Pruebe: A tiene rango 2 si y slo si \1no Q mi'\ de lQ&