0% encontró este documento útil (0 votos)

17 vistas275 páginas

Propiedades y Operaciones Algebraicas

Cargado por

emilianocarrizo162

Derechos de autor

Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.

Formatos disponibles

Descarga como PDF, TXT o lee en línea desde Scribd

0% encontró este documento útil (0 votos)

17 vistas275 páginas

Propiedades y Operaciones Algebraicas

Cargado por

emilianocarrizo162

Derechos de autor

Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.

Formatos disponibles

Descarga como PDF, TXT o lee en línea desde Scribd

Propiedades básicas de las operaciones algebraicas

Regla de los signos

RS1. −(−b) = b RS4. a · (−b) = (− a) · b = − ab

RS2. a − (−b) = a + b
RS3. −( a + b) = − a − b RS5. (− a) · (−b) = ab

Potenciación

P1. an = |a · a{z. . . }a 1
P5. a−n = ( a 6 = 0)
n veces an
P2. an · am = an+m an
P6. = an−m ( a 6 = 0)
P3. ( an )m = anm am

P4. ( a · b)n = an · bn P7. a0 = 1

Suma de fracciones
a c ad + bc
Q1. + =
b d bd
m m
a c a + c
Q2. + = b d , donde m es un múltiplo común de b y d.
b d m

Producto y cociente de fracciones

a c ac a
F1. · = a d ad
b d bd F2. bc = · =
b c bc
d

Potenciación con exponente fraccionario

p √ √
Si a > 0, a q = q
a p = ( q a) p .
Producto de expresiones algebraicas
Distintas versiones de la Propiedad distributiva.

D1. a(b + c) = ab + ac

D2. ( a + b)c = ac + bc

D3. ( a + b)(c + d) = ac + bc + ad + bd

D4. ( a − b)(c − d) = ac − ad − bc + bd

Casos particulares:

D5. ( a + b)( a + b) = aa + ab + ba + bb = a2 + 2ab + b2 (cuadrado de un binomio suma)

D6. ( a − b)( a − b) = aa − ab − ba + bb = a2 − 2ab + b2 (cuadrado de un binomio resta)

D7. ( a + b)( a − b) = aa − ab + ba − bb = a2 − b2 (diferencia de cuadrados)

Álgebra 27 (Ciencias Exactas) PRELIMINARES

Conjuntos – Definiciones básicas

Conjuntos, pertenencia e inclusión

Un conjunto es una colección de objetos. A los objetos que forman un conjunto, se los llama
elementos del conjunto. En un conjunto, no importa el orden de los elementos, ni se tienen en
cuenta repeticiones de elementos. √
de números formada por −3, 4 y 2, H es un conjunto y se lo
Si el conjunto H es la colección √
puede escribir ası́: H = {−3, 4, 2}.
Si A es un conjunto y a es un elemento de A, se dice que a pertenece a A, y se escribe a ∈ A.
Si un objeto b no pertenece a un conjunto A, escribimos b ∈
/ A. En nuestro ejemplo anterior
−3 ∈ H y 2, 23 ∈/ H.
Dos conjuntos que se utilizan frecuentemente en matemática son los siguientes:

• N = {1, 2, 3, 4, . . . }, el conjunto de los números naturales;

• Z = {. . . , −2, −1, 0, 1, 2, . . . }, el conjunto de los números enteros.

Dos formas de describir un conjunto son por extensión y por comprensión. Por ejemplo, el con-
junto C que contiene a todos los números naturales del 1 al 4 se puede definir como sigue:

• (por extensión) enumerando todos sus elementos, escritos entre llaves: C = {1, 2, 3, 4}
(notar que ası́ fue como definimos al conjunto H de antes, elemento por elemento) ;
• (por comprensión) a través de una propiedad que verifican los elementos del conjunto y
ningún otro: C = {n ∈ N : n ≤ 4} (lo que se lee: el conjunto C es el de los n que
pertenecen a N tales que n es menor o igual que 4). Los dos puntos o la barra / son
sı́mbolos indistintos que se leen ”tal que” o ”tales que”.

Otros conjuntos que se utilizan frecuentemente en matemática son los siguientes:

na o
• Q= : a ∈ Z, b ∈ N , el conjunto de los números racionales (fracciones con numera-
b
dor y denominador enteros);
• R, el conjunto de los números reales, que corresponen a todos los desarrollos decimales
posibles (finitos e infinitos) con signo positivo o negativo.

Se define el conjunto vacı́o como el conjunto que no tiene ningún elemento, y se lo representa
con el sı́mbolo ∅.
Dos conjuntos A y B son iguales si tienen exactamente los mismos elementos. En este caso, se
escribe A = B.
Se dice que un conjunto B está incluido en un conjunto A, o que B es un subconjunto de A, si cada
elemento de B es un elemento de A. En este caso, se nota B ⊂ A. Si B no es un subconjunto de
A, escribimos B 6⊂ A. √
Con los ejemplos anteriores, C ⊂ N y H 6⊂ N (porque −3 ∈ /Ny 2∈ / N).

Unión, intersección y diferencia de conjuntos

Sean A y B dos conjuntos.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 1

Álgebra 27 (Ciencias Exactas) PRELIMINARES

• La unión de A y B, que se nota A ∪ B, es el conjunto formado por todos los elementos que
pertenecen al conjunto A o al conjunto B (o sea, los elementos que pertenecen a alguno
de los dos conjuntos, incluyendo los que pertenecen a ambos); es decir,

A ∪ B = { x : x ∈ A o x ∈ B }.
√
Con los ejemplos anteriores, C ∪ H = {−3, 1, 2, 3, 4, 2}.
• La intersección de A y B, que se nota A ∩ B, es el conjunto de todos los elementos que
pertenecen simultáneamente a A y a B; es decir,

A ∩ B = { x : x ∈ A y x ∈ B }.

Con los ejemplos anteriores, C ∩ H = {4}.

Otro ejemplo: {1, 2, 3} ∩ {5, 6} = ∅ pues los conjuntos no tienen elementos en común.
Cuando dos conjuntos no tienen elementos en común, es decir, cuando su intersección es
el conjunto vacı́o, se dice que son disjuntos.
• La diferencia de conjuntos ”A menos B”, que se nota A − B, es el conjunto formado por
los elementos de A que no pertenecen a B; es decir,

A − B = {x : x ∈ A y x ∈
/ B }.
√
Con los ejemplos anteriores, C − H = {1, 2, 3} y H − C = {−3, 2}.
Notar que, como sucede en el ejemplo, en general, las diferencias A − B y B − A no son
iguales.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 2

Álgebra 27 (Ciencias Exactas) PRELIMINARES

La recta real, el plano y el espacio

La recta real R
Los números reales pueden representarse en una recta (en general, por convención, se dibuja
una recta horizontal). Fijamos un punto como el 0 y otro punto a su derecha como el 1. Todos
los puntos de la recta van a representar números y cada número real se puede representar con
un punto.
Los números a la derecha del 0 serán los positivos y los números a la izquierda del 0 serán
los negativos. La escala de su ubicación está definida por la distancia entre el 0 y el 1 √ (el 2
estará al doble de distancia, el −3 al triple, el 4, 5 a 4 unidades y media de distancia del 0, 2 a
1, 41421356... unidades).

R
√
−3 0 1 2 4, 5

Se define el módulo o valor absoluto de un número real x (y se escribe | x |) como la distancia del
número x al 0. Por lo tanto |3| = 3, | − 2| = 2 y |0| = 0. Notar que, como el módulo es una
distancia, siempre será mayor o igual que 0. Entonces, por ejemplo, se tiene que

{ x ∈ R : | x | = 5} = {−5, 5},

ya que −5 y 5 son todos los números que distan 5 del 0.

El plano R2
Podemos identificar puntos en el plano usando pares ordenados de núme-ros reales, por ejemplo
3
(2, 3), (−1, 2), (− , −2). Al primer número del par se lo llama primera coordenada y, al segundo,
2
segunda coordenada.
Para esto, dibujamos en el plano dos rectas perpendiculares que llamaremos ejes. A la recta
horizontal la llamaremos eje x y a la vertical, eje y. Los dos ejes se cortan en un punto, que
llamaremos origen de coordenadas, al que le asignamos el par de números (0, 0). A este plano lo
llamaremos plano real o R2 .
Ahora ya podemos representar pares ordenados, teniendo en cuenta que la primera coorde-
nada corresponde al eje x y la segunda, al eje y. Por ejemplo, el punto (2, 3) está ubicado 2 hacia
la derecha y 3 hacia arriba a partir del origen de coordenadas. De la misma forma, (−1, 2) está
5 5
1 hacia la izquierda y 2 hacia arriba del origen, y (− , −2) está hacia la izquierda y 2 hacia
2 2
abajo del origen:

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 1

Álgebra 27 (Ciencias Exactas) PRELIMINARES

y
3
(−1, 2) (2, 3)
2

−3 −2 −1 0 1 2 3 4 x
−1
−2
5
(− , −2)
2 −3

El espacio R3
En forma análoga a lo visto en el plano real, podemos representar puntos en el espacio. En este
caso, en lugar de pares ordenados usaremos ternas ordenadas de números reales, por ejemplo,
(2, 3, 1), (1, −1, 4), (3, 0, −1). Como antes, los números que forman la terna se llaman coorde-
nadas.
Para esto, a partir del plano real con ejes x e y (que representamos en el espacio en forma
horizontal), agregamos una tercera recta perpendicular y que lo corta en el origen, a la que
llamamos eje z. Al conjunto de todas las ternas ( x, y, z) de números reales lo notaremos R3 . La
tercera coordenada z representa la ”altura” a la que está el punto respecto del plano del ”piso”.
Por ejemplo, para representar el punto (2, 3, 1), podemos ubicar en primer lugar el punto de
coordenadas x = 2, y = 3 en el plano horizontal y luego subir 1 unidad, como indica su tercera
coordenada. Similarmente, el punto (1, −1, 4) está ubicado 4 unidades hacia arriba del punto
de coordenadas x = 1, y = −1 en el plano horizontal. El punto (3, 0, −1), al tener tercera
coordenada negativa, está 1 unidad hacia abajo del punto con x = 3, y = 0 del plano horizontal.

z
4
(1, −1, 4)
3

1 −1
−2 −1 1 2 3
1 O (2, 3, 1) y
2 −1
3 −2
x (3, 0, −1)

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 2

Álgebra 27 (Ciencias Exactas) PRELIMINARES

Ángulos, seno y coseno

Ángulos medidos en radianes
En esta materia los ángulos, a menos que se indique lo contrario, se expresarán en radianes.
La medida de un ángulo α en radianes puede definirse como la longitud del arco sobre la
circunferencia de radio 1, desde el semieje x positivo, en sentido antihorario, hasta el punto P
tal que el ángulo entre el semieje x positivo y el segmento OP es α.

1
P

−1 O 1

−1

Por ejemplo, un ángulo de 180◦ , que corresponde a media circunferencia, mide π radianes, ya
que la longitud de la circunferencia de radio 1 es 2π. Similarmente, un ángulo recto (de 90◦ ),
π
que corresponde a un cuarto de circunferencia, mide radianes.
2
Más generalmente, para convertir a radianes ángulos dados en el sistema sexagesimal se utiliza
la relación:
α β
=
π 180◦
donde α es el ángulo medido en radianes y β el ángulo medido en grados.

A cada punto de la circunferencia de radio 1 le corresponde un ángulo α tal que 0 ≤ α < 2π y

recı́procamente.
Sin embargo, podemos considerar también ángulos mayores o iguales a 2π o menores que 0 y
asociarles similarmente un punto en la circunferencia de radio 1. A continuación podemos ver
ejemplos gráficos de estas situaciones:

1 1
P

O O α<0
1 −1 1
α ≥ 2π
P

−1 −1

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 1

Álgebra 27 (Ciencias Exactas) PRELIMINARES

Los ángulos mayores a 2π resultan de dar más de un giro sobre la circunferencia. Por ejemplo,
5π π
el ángulo corresponde a una vuelta y cuarto (es decir, 2π + ). Por lo tanto, a los ángulos
2 2
5π π
y les corresponde el mismo punto en la circunferencia de radio 1.
2 2
Los ángulos negativos se definen recorriendo la circunferencia en sentido horario desde el
π
semieje x positivo. Por ejemplo, el ángulo − se obtiene al hacer un cuarto de vuelta en
2
sentido horario. Ası́, el punto de la circunferencia de radio 1 que le corresponde a este ángulo
3π
es el mismo que el que le corresponde al ángulo , que se obtiene al hacer tres cuartos de
2
vuelta en sentido antihorario.

Seno y coseno
A partir de los ángulos y los puntos que les asociamos en la circunferencia de radio 1, podemos
definir las llamadas funciones trigonométricas (por esto a la circunferencia de radio 1 en R2
también se la llama circunferencia trigonométrica).

1
P = (cos(α), sen(α))

−1 O 1

−1

π
En la figura, P está en el primer cuadrante, con 0 < α < .
2
En términos de las longitudes de los catetos adyacente (CA), cateto opuesto (CO) e hipotenusa
(H) podemos definir el coseno y el seno de α como:

CA CO
cos(α) = y sen(α) =
H H
Como la hipotenusa mide 1 (es el radio de la circunferencia), resulta que CA = cos(α) y CO =
sen(α) y, por lo tanto, las coordenadas de P son (cos(α), sen(α)).
Para un ángulo α al que le corresponda un punto P de la circunferencia de radio 1 ubicado en
otro cuadrante, los valores para cos(α) y sen(α) se definen por las coordenadas del punto P
3π 3π 3π
asociado. Por ejemplo, cos( ) = 0 y sen( ) = −1, ya que al ángulo α = le corresponde
2 2 2
el punto P = (−1, 0).
De esta forma quedan definidos el coseno y el seno para cualquier ángulo α ∈ R como las
coordenadas x e y, respectivamente, del punto P de la circunferencia trigonométrica que le
corresponde al ángulo α.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 2

Álgebra 27 (Ciencias Exactas) PRELIMINARES

Tabla de valores de seno y coseno para algunos ángulos frecuentes

π π π π
α 0◦ | 0 30◦ | 45◦ | 60◦ | 90◦ |
6 4 3 2
√ √
1 2 3
sen(α) 0 1
2 2 2
√ √
3 2 1
cos(α) 1 0
2 2 2

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 3

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Operaciones en R2 y R3
Comenzaremos viendo cómo se calcula la suma en R2 y en R3 y cómo se multiplica un elemento
de R2 o R3 por un número real.

Ejemplo 1. Dados A = (1, 4), B = (3, −2) y C = (−2, 4), calcular:

i) 2A + 4B − C
1
ii) 3A + (2B + C )
2

Solución. Para realizar estos cálculos que involucran más de una operación, hay que tener en
cuenta que el orden en que se realizan las operaciones está determinado por las mismas reglas
que para las operaciones entre números reales.
En el caso i) aparecen productos por escalares y sumas:
2A + 4B − C = 2(1, 4) + 4(3, −2) − (−2, 4)
Tanto los productos por escalares como las sumas se realizan ”coordenada a coordenada”.
Primero se realizan los productos por escalares:
2 · (1, 4) + 4 · (3, −2)−(−2, 4) = (2 · 1, 2 · 4) + (4 · 3, 4 · (−2)) + ((−1) · (−2), (−1) · 4)
= (2, 8) + (12, −8) + (2, −4)
Observamos que, por los signos que tienen los números, es necesario que aparezcan paréntesis.
Por último se hacen las sumas. Pueden hacerse simultáneamente gracias a la propiedad aso-
ciativa de la suma:
(2, 8) + (12, −8) + (2, −4) = (2 + 12 + 2, 8 − 8 − 4) = (16, −4)

Respuesta: 2A + 4B − C = (16, −4)

1
En el caso ii) notar que multiplica a los dos términos que están dentro del último paréntesis
2

1 1
3A + (2B + C ) = 3 · (1, 4) + · (2 · (3, −2) + (−2, 4))
2 2
1
= (3, 12) + · ((6, −4) + (−2, 4))
2
1
= (3, 12) + · (4, 0)
2
= (3, 12) + (2, 0)
= (5, 12)

1
Respuesta: 3A + (2B + C ) = (5, 12)
2

En R3 , el procedimiento para hacer este tipo de cálculos es el mismo, dado que la suma y el
producto por escalares se definen de la misma manera y verifican las mismas propiedades.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 1

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Igualdad en R2 y R3
Para comparar elementos de R2 o R3 hay que tener presente que son pares o ternas ordenadas:
A y B son iguales si y sólo si cada coordenada de A coincide con su correspondiente en B.

Ejemplo 2. Hallar, si es posible, k y l ∈ R tales que:

i) (k + 1, −3k + 4, k − 1) = (3, −2, 1)

ii) (l + 1, −3l + 4, l − 1) = (3, −6, 1)

Solución. En el caso i), para que valga la igualdad, el valor de k buscado debe cumplir si-
multáneamente:
k + 1 = 3, − 3k + 4 = −2 y k − 1 = 1
Despejando de la primera igualdad, tenemos que

k + 1 = 3 ⇐⇒ k = 3 − 1 ⇐⇒ k = 2

con lo cual, k = 2 es el único valor que verifica esta igualdad. Sin embargo, tenemos que ver si
para este valor se cumplen también las demás igualdades.
Reemplazamos:
−3 · 2 + 4 = −2 y 2 − 1 = 1
Como estas igualdades son ciertas, concluimos que:

Respuesta: k = 2

Verificación: (2 + 1, −3 · 2 + 4, 2 − 1) = (3, −2, 1).

En el caso ii), para que valga la igualdad, el valor de l debe cumplir simultáneamente:

l + 1 = 3, − 3l + 4 = −6 y l − 1 = 1.

Como en el caso anterior, despejando de la primera igualdad, deducimos que l = 2 es el único

valor posible. Sin embargo, al verificar si para este valor se cumplen las demás igualdades,

−3 · 2 + 4 = −2 6 = −6 y 2 − 1 = 1

encontramos que, aunque se cumple la última, hay una que no vale. Es decir, no hay un valor
de l para el cual coincidan todas las coordenadas de ambas ternas.

Respuesta: no existe l ∈ R para que valga la igualdad pedida.

Ejemplo 3. Hallar, si es posible, x; y ∈ R tales que:

(1, 2x, 3) + (−2, 1, 1) = (−1, 5, y).

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 2

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Solución. Para plantear la igualdad, primero realizamos la suma en el lado izquierdo:

(−1, 2x + 1, 4) = (−1, 5, y)
Ahora estamos en las mismas condiciones que en el ejemplo anterior: se tiene que cumplir

−1 = −1, 2x + 1 = 5 y 4 = y.

La primera igualdad se verifica, para la segunda necesitamos que x = 2 y, para que valga la
tercera, y = 4.

Respuesta: x = 2, y = 4

Verificación:

(1, 2 · 2, 3) + (−2, 1, 1) = (−1, 5, 4)

(1, 4, 3) + (−2, 1, 1) = (−1, 5, 4)
(−1, 5, 4) = (−1, 5, 4)

Ejemplo 4. Hallar, si es posible, a; b; c ∈ R tales que

(4, 4, 5) = a(2, 0, 0) + b(0, −1, 1) + c(0, 1, 2).

Solución. Como en el ejemplo anterior, primero realizamos las operaciones:

(4, 4, 5) = (2a, 0, 0) + (0, −b, b) + (0, c, 2c)

= (2a, −b + c, b + 2c)
y luego planteamos las igualdades coordenada a coordenada:

4 = 2a, 4 = −b + c y 5 = b + 2c.

Como a solo aparece en la primera ecuación, el único valor posible es a = 2. En la segunda y en

la tercera ecuación aparecen tanto b como c. Podemos despejar, por ejemplo, b en la segunda
ecuación
4 = −b + c ⇐⇒ b = c − 4,
sustituir la expresión obtenida en la tercera, y despejar el valor de c:

5 = (c − 4) + 2c ⇐⇒ 5 = 3c − 4 ⇐⇒ 9 = 3c ⇐⇒ c = 3

Reemplazando en b = c − 4, obtenemos que

b = 3 − 4 = −1.

Respuesta: a = 2, b = −1, c = 3

Verificación:

(4, 4, 5) = 2(2, 0, 0) + (−1)(0, −1, 1) + 3(0, 1, 2)

(4, 4, 5) = (4, 0, 0) + (0, 1, −1) + (0, 3, 6)
(4, 4, 5) = (4, 4, 5)

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 3

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Ejemplo 5. Dados A = (1, 2, 3), B = (0, −1, 4) y C = (1, 0, 1), hallar todos los X ∈ R3
tales que
A − 2B = 4C + 3X.

Solución. Reemplazando y efectuando las operaciones nos queda:

(1, 2, 3) − 2(0, −1, 4) = 4(1, 0, 1) + 3X

(1, 4, −5) = (4, 0, 4) + 3X

Gracias a las propiedades de la suma y el producto por escalares podemos despejar X como lo
hacı́amos en las ecuaciones con números reales.
Sumamos el opuesto de (4, 0, 4) a ambos lados:

(1, 4, −5) − (4, 0, 4) = 3X

(−3, 4, −9) = 3X

1
Para terminar de despejar X solo nos queda multiplicar por (el inverso multiplicativo de 3):
3
1 1
· (−3, 4, −9) = · (3X )
3 3
4
(−1, , −3) = X
3

4
Respuesta: X = (−1, , −3)
3

Verificación:

A − 2B = 4C + 3X
4
(1, 2, 3) − 2(0, −1, 4) = 4(1, 0, 1) + 3(−1, , −3)
3
(1, 2, 3) + (0, 2, −8) = (4, 0, 4) + (−3, 4, −9)
(1, 4, −5) = (1, 4, −5)

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 4

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Vectores en el plano y el espacio

En esta sección vamos a enfocarnos en cómo aprovechar las operaciones vistas en R2 y R3 para
operar con vectores en el plano o el espacio.

−→
Ejemplo 1. Dados los puntos A = (4, 1) y B = (2, 3), hallar la suma de los vectores OA
−→
y OB.

Solución.

5
4
B = (2, 3)
3
2
1
A = (4, 1)
O 1 2 3 4 5 6 7

La regla del paralelogramo nos permite construir geométricamente esta suma completando los
lados paralelos a los vectores a partir de sus extremos. Llamemos C al extremo del vector suma
que queda en la diagonal desde el origen de coordenadas.

5
C = (4 + 2, 1 + 3)
4
B = (2, 3)
3
2
1
A = (4, 1)
O 1 2 3 4 5 6 7

Si prestamos atención a los lados que agregamos, vemos que son paralelos y de la misma lon-
gitud que los lados opuestos (los vectores). Por ejemplo, para moverse desde A hasta C hay
que desplazarse lo mismo (en la dirección de cada eje) que para ir de O hasta B. Esto hace que
las coordenadas del punto C sean las sumas, por separado, de las coordenadas horizontales y
de las verticales de A y B.

Esto nos da una forma analı́tica de calcular la suma de vectores:

−→ −→ −→
Si OC = OA + OB, entonces C = A + B
En nuestro ejemplo, C = (4, 1) + (2, 3) = (6, 4).
−→ −→ −→
Respuesta: OA + OB = OC con C = (6, 4).
−→
Similarmente, para multiplicar un vector OA, por ejemplo por k = 2,

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 1

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

3
D = (8, 2)
2 −→
2 OA
1
A = (4, 1)
O 1 2 3 4 5 6 7 8

lo único que necesitamos hacer es el producto por escalar con las coordenadas de su extremo:

−→ −→
Si OD = k · OA entonces D = kA.

En el ejemplo con A = (4, 1), obtenemos D = (8, 2).

Observar que al multiplicar un vector por un escalar el vector resultante tiene su misma di-
rección; sólo se modifican la longitud y el sentido (esto último, si el escalar es negativo). Es
decir, todos los múltiplos de un vector dado quedan alineados.

Como vemos, tanto para la suma como para el producto por escalares de vectores con origen
en O, las operaciones se transfieren directamente a las coordenadas de sus extremos. Es por
esto que identificamos a cada punto con el vector con origen en O y extremo en ese punto.

Aplicación: Punto medio de un segmento

Dado un segmento de extremos A y B podemos calcular analı́ticamente su punto medio M
aprovechando lo que hemos visto.
−→ −→
Sabemos que la suma de los vectores OA + OB completa un paralelogramo, una de cuyas
diagonales es el segmento AB.

5
C
4
B
3
M
2
1
A
O 1 2 3 4 5 6 7

La otra diagonal la da el propio vector suma. Como las diagonales de un paralelogramo se

cortan en sus puntos medios, el punto que estamos buscando es también en el punto medio del
vector suma:
−−→ 1 −→ −→
OM = (OA + OB)
2
o, directamente,
1
M = ( A + B)
2

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 2

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Ejemplo 2. Dado A = (1, 2, 3), hallar C ∈ R3 , paralelo a B = (3, −2, 1), de tal forma que
el punto medio del segmento entre A y C tenga tercera coordenada igual a −1.

Solución. Para que C sea paralelo a B deberá existir k ∈ R tal que C = kB, ası́ que tenemos:

C = (3k, −2k, k ).

Calculamos el punto medio entre A y C usando la fórmula vista más arriba:

1 1 1 1
((1, 2, 3) + (3k, −2k, k)) = ( (1 + 3k), (2 − 2k), (3 + k))
2 2 2 2
Para que este punto tenga tercera coordenada igual a −1, debe valer:

1
(3 + k) = −1 ⇐⇒ k = −5.
2
Reemplazando el valor de k, obtenemos C = (−15, 10, −5).

Respuesta: C = (−15, 10, −5)

Verificación:

• (−15, 10, −5) = (−5) · (3, −2, 1), con lo cual C = (−15, 10, −5) es paralelo a B = (3, −2, 1).
1
• ((1, 2, 3) + (−15, 10, −5)) = (−7, 6, −1) tiene tercera coordenada igual a −1.
2

Aplicación: Cómo operar con vectores que no están en el origen

Como vimos, las operaciones con vectores con origen en O se convierten en cuentas con las
coordenadas de sus extremos. Para hacer esas mismas operaciones con vectores que no tengan
el origen en O lo que haremos primero es trasladarlos al origen. Esto significa encontrar un
vector equivalente (es decir, con la misma longitud, dirección y sentido), pero con origen en el
origen de coordenadas O. Para ver cómo hacerlo, volvamos a mirar el gráfico que nos dio la
receta para la suma de vectores.

5
C
4
B
3
2
1
A
O 1 2 3 4 5 6 7

Obtuvimos la relación C = A + B para hallar el vector suma.

−→
Ahora, si conocemos el vector BC (para nosotros esto es conocer las coordenadas de B y de
C), el mismo razonamiento que hicimos para la suma nos dice que tiene la misma dirección y

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 3

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

−→ −→
longitud que BC, además del mismo sentido. Por lo tanto, el vector OA es equivalente al vector
−→
BC. A partir de la relación C = A + B, despejando A resulta

A =C−B

En general, para vectores en R2 o R3 :

−→
El trasladado al origen de un vector PQ tiene su extremo en Q − P.

−→
Ejemplo 3. Dados P = (3, 1, −1) y Q = (5, 6, −3), hallar un vector equivalente a PQ con
origen en O.

Solución. Si llamamos R al extremo del vector trasladado al origen O, será

R = Q − P = (5, 6, −3) − (3, 1, −1) = (2, 5, −2).

−→
Respuesta: el vector equivalente a PQ con origen en O tiene extremo en (2, 5, −2)

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 4

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Norma de un vector
Para calcular la longitud o norma de un vector en R2 utilizamos el teorema de Pitágoras

3
A = ( a1 , a2 )
2 k Ak
a2
1

−1 O 1 2 3 4
−1 a1

p
k Ak = a1 2 + a2 2

Análogamente en R3 podemos aplicar el teorema a los dos triángulos rectángulos de la figura

y obtenemos:
p
k Ak = a1 2 + a2 2 + a3 2

Ejemplo 1. Calcular la norma de los vectores A = (3, 4) y B = (−2, −1, 4).

Solución: Para el vector A ∈ R2 , aplicando la primera fórmula obtenemos:

p
k A k = 32 + 42
√
= 25
=5

Respuesta: k Ak = 5

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 1

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

En el caso de B ∈ R3 , aplicamos la segunda fórmula. Tenemos que tener cuidado con las
coordenadas que son negativas; se hace necesario usar paréntesis al elevar al cuadrado:
q
k Bk = (−2)2 + (−1)2 + 42
√
= 21
√
Respuesta: k Bk = 21

Las mismas fórmulas pueden usarse para calcular la longitud de un segmento:

Ejemplo 2. Hallar la longitud del segmento de extremos A = (1, −2, 3) y B =

(−2, 1, 3).

Solución: Si le asignamos un sentido al segmento, podemos verlo como un vector, digamos

−→
AB. Sin importar cuál de los puntos elijamos como origen y cuál como extremo, la longitud de
este vector es la del segmento de extremos A y B.
−→
Tenemos el vector AB que no tiene el origen en O. Para usar las fórmulas anteriores para
calcular su longitud tendremos que trasladarlo al origen.
−→
k ABk = k B − Ak
= k(−2, 1, 3) − (1, −2, 3)k
= k(−3, 3, 0)k
q
= (−3)2 + 32 + 02
√
= 18
√
Respuesta: La longitud del segmento de extremos A y B es 18.

Este ejemplo nos muestra una forma general para calcular la distancia entre dos puntos: la
distancia entre A y B, que escribimos d( A, B), se calcula como

d( A, B) = k B − Ak

Ejemplo 3. Representar gráficamente el conjunto D = { X ∈ R2 /d( X, (2, −3)) < 2}.

Solución: Los puntos de D son los puntos del plano que están a distancia menor que 2 del
punto (2, −3). Esta es la descripción de un disco de radio 2 con centro en (2, −3), sin incluir el
borde.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 2

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

−1 O 1 2 3 4 5
−1
−2
(2, −3)
−3
2
−4
D
−5

Con la lı́nea punteada damos a entender que el borde no es parte del conjunto.

Ejemplo 4. Si A = (−1, 1, 0) y B = (1, −2, k ), hallar todos los valores de k ∈ R para los
cuales d( A, B) = 7.

Solución: Sabemos que d( A, B) = k B − Ak; en este caso:

d( A, B) = k(1, −2, k ) − (−1, 1, 0)k

= k(2, −3, k)k
q
= 22 + (−3)2 + k2
p
= 13 + k2 .

En consecuencia, el valor de k ∈ R tiene que cumplir

p
13 + k2 = 7
13 + k2 = 72
k2 = 49 − 13
k2 = 36
√ √
k2 = 36

Hay que tener cuidado con la última ecuación. Como la potencia k2 está dentro de la raı́z, esta
√
parte se simplifica como k2 = |k | . Entonces |k | = 6 y, por lo tanto, k = 6 o k = −6.

Respuesta: k = 6 y k = −6

Verificación:

Con k = 6, B = (1, −2, 6):

p √
d( A, B) = k(1, −2, 6) − (−1, 1, 0)k = k(2, −3, 6)k = 22 + (−3)2 + 62 = 49 = 7
Con k = −6, B = (1, −2, −6):

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 3

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

p √
d( A, B) = k(1, −2, −6) − (−1, 1, 0)k = k(2, −3, −6)k = 22 + (−3)2 + (−6)2 = 49 = 7

Ejemplo 5. Hallar todos los vectores A paralelos a B = (1, 2, −2), de sentido opuesto a
B y de longitud 12.

Solución: Para que los vectores sean paralelos es necesario que estén alineados, lo que equi-
vale a que exista k ∈ R que verifique A = kB (es decir, que sean múltiplos). Además, para que
tengan sentidos opuestos, debe ser k < 0
Resumimos las condiciones del problema:

i) A = kB con k ∈ R (para que A y B sean paralelos)

ii) k < 0 (para que A y B tengan sentidos opuestos)
iii) k Ak = 12 (longitud)

Buscamos que se cumplan las tres condiciones simultáneamente:

Por las condiciones i) y ii),
A = k(1, 2, −2) = (k, 2k, −2k ) con k < 0.
Reemplazamos en la condición iii),
q √ √ √
k Ak = k2 + (2k)2 + (−2k)2 = 9k2 = 9 k2 = 3|k| = 12 ⇐⇒ |k| = 4

Las soluciones de esta ecuación son k = 4 y k = −4. Teniendo en cuenta que por la condición
ii) debe ser k < 0, nos queda una única solución: k = −4.
Con este valor de k obtenemos el único vector A que cumple lo pedido: A = (−4, −8, 8).

Respuesta: A = (−4, −8, 8)

Verificación:

• Paralelismo: A = −4(1, 2, −2) = −4B

• Sentido: −4 < 0
p √
• Longitud: k Ak = k(−4, −8, 8)k = (−4)2 + (−8)2 + 82 = 144 = 12

Un procedimiento similar al del ejemplo nos permite encontrar vectores unitarios (también
llamados versores) en una dirección determinada.
Si queremos un vector unitario A con la dirección de un vector dado B, debe valer:
A = kB (k ∈ R) y k Ak = 1.
1
Como k Ak = kkBk = |k | · k Bk, igualando a 1 y despejando, nos queda que |k| = ; es decir,
k Bk
1 1
hay dos soluciones k = yk = − . Estas dos soluciones corresponden a los dos vectores
k Bk k Bk
unitarios que tienen la misma direción que B: el que tiene el mismo sentido que B se obtiene
1 1
con k = , y el que tiene sentido contrario, con k = − .
k Bk k Bk

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 4

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Nota: La norma de una suma de vectores no solo depende de sus normas sino también del
ángulo entre ellos. Por ejemplo, en las figuras siguientes los vectores A y B tienen las mismas
normas respectivamente, pero sus sumas no.

A + B = (5, 4) 4
4 B = (−2, 3)
B = (2, 3) 3
3
2 A + B = (1, 2)
2
1
1
A = (3, 1)

O −2 −1 O 1 2 3
1 2 3 4 5 −1
A = (3, −1)

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 5

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Producto interno o escalar

Cálculo de productos internos
Para calcular el producto interno o escalar de dos vectores a partir de sus coordenadas se uti-
lizan las siguientes fórmulas:
En R2 , si A = ( a1 , a2 ) y B = (b1 , b2 ):

A · B = a1 b1 + a2 b2

Similarmente en R3 , si A = ( a1 , a2 , a3 ) y B = (b1 , b2 , b3 ):

A · B = a1 b1 + a2 b2 + a3 b3

Ejemplo 1. Dados A = (1, 3, 1), B = (5, −3, 2) y C = (−3, −4, 2), calcular:
i) A · B

ii) ( A + 2B) · (C − B)

iii) A · B − ( B + C ) · A + 2A · C

Solución:

A · B = (1, 3, 1) · (5, −3, 2)

= 1 · 5 + 3(−3) + 1 · 2
= 5−9+2
= −2

Respuesta: A · B = −2

ii)

( A + 2B) · (C − B) = ((1, 3, 1) + 2(5, −3, 2)) · ((−3, −4, 2) − (5, −3, 2))
= (11, −3, 5) · (−8, −1, 0)
= 11.(−8) + (−3).(−1) + 5.0
= −85

Respuesta: ( A + 2B) · (C − B) = −85

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 1

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

iii) En este caso podemos calcular los productos internos de cada término y luego efectuar la
resta y la suma, pero como observamos que tienen el mismo factor A, podemos aplicar
propiedades para simplificar:

A · B − ( B + C ) · A + 2A · C = A · B − A · ( B + C ) + A · (2C )
= A · ( B − ( B + C ) + 2C )
= A·C
= (1, 3, 1) · (−3, −4, 2)
= −13

Respuesta: A · B − ( B + C ) · A + 2A · C = −13

Ángulo entre dos vectores

Para comparar direcciones entre vectores podemos utilizar el ángulo entre ellos. Definimos
como ángulo entre dos vectores A y B, y lo notamos θ ( A, B), al menor de los dos ángulos
determinados por A y B, es decir, el que satisface 0 ≤ θ ( A, B) ≤ π.

B
3

2
θ ( A, B)
1
A

−1 O 1 2 3 4 5
−1

Para calcular este ángulo podemos usar la siguiente expresión del producto escalar:

A · B = k Ak k Bk cos(θ ( A, B))

Ejemplo 2. Hallar el ángulo entre A = (−3, 0) y B = (2, 2).

B
2
θ ( A, B)
1
A
−3 −2 −1 O 1 2 3
−1

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 2

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Solución: Combinemos las dos expresiones para el producto escalar:

k Akk Bk cos(θ ) = A · B = a1 b1 + a2 b2 .

En esta igualdad, θ es la medida del ángulo entre A y B. Como ninguno de los vectores es nulo,
podemos despejar cos(θ ):
A·B
cos(θ ) =
k Akk Bk
(−3, 0) · (2, 2)
=p √
(−3)2 + 02 22 + 22
−3 · 2 + 0 · 2
= √ √
9 8
−6
= √
3 8
√
2
Esta última expresión se puede racionalizar como − .
2 √
2
Queda por determinar el ángulo θ tal que 0 ≤ θ ≤ π y cos(θ ) = − .
2
Para hacer esto podemos, por ejemplo, valernos de la circunferencia trigonométrica y la tabla
de valores de las funciones
√ seno y coseno elaborada en la Práctica 0.
2
El valor cos(θ ) = − que obtuvimos es negativo; por lo tanto, en la circunferencia trigo-
2
nométrica, el ángulo θ corresponde a un punto en el segundo o en el tercer cuadrante. Como
0 ≤ θ ≤ π, corresponderá a un punto del segundo cuadrante.

1
P
θ
α
√
2 O
−1 − 1
2

−1

√
2 π
Buscamos en la tabla de valores el ángulo que tiene coseno igual a (positivo), que es .
2 4
Esta medida corresponde a la del ángulo α en el dibujo. La medida del ángulo buscado se
consigue con la relación:
π 3
θ = π−α = π− = π
4 4
3
Respuesta: θ ( A, B) = π
4

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 3

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Nota: Otra forma de hallar el ángulo θ tal que 0 ≤√θ ≤ π a partir de cos(θ ) es utilizando
2
la calculadora. En nuestro caso en que cos(θ ) = − , por ejemplo, con la calculadora con
2
ángulos en grados, se calcula √
2
arccos(− ) = 135◦
2
y al resultado se lo convierte a radianes:

π 3
135◦ ◦
= π.
180 4

De la misma manera que en el ejemplo anterior se puede calcular el ángulo entre dos vectores
en R3 :

Ejemplo 3. Hallar el ángulo entre A = (−2, 1, 1) y B = (−1, 0, 1).

Solución: Calculamos el coseno del ángulo θ = θ ( A, B):

A·B
cos(θ ) =
k Akk Bk
(−2, 1, 1) · (−1, 0, 1)
=p p
(−2)2 + 12 + 12 (−1)2 + 02 + 12
√
−2 · (−1) + 1 · 0 + 1 · 1 3 3
= √ √ =√ =
6 2 12 2
√
3
Ahora buscamos el ángulo θ tal que 0 ≤ θ ≤ π y que cumple cos(θ ) = .
2
En este caso, como cos(θ ) > 0, la condición 0 ≤ θ ≤ π asegura que el ángulo θ corresponde a
un punto en el primer cuadrante de la circunferencia trigonométrica. Buscamos entonces en√la
3
tabla de valores de la función coseno elaborada en la Práctica 0 el ángulo θ tal que cos(θ ) =
2
π
y obtenemos θ = .
6
π
Respuesta: θ ( A, B) =
6

El producto escalar de dos vectores nos permite determinar si sus direcciones son perpendicu-
lares.

Definición. Diremos que dos vectores A y B son ortogonales, y lo notaremos A ⊥ B, si vale

A · B = 0.
A⊥B ⇐⇒ A·B = 0
La igualdad A · B = 0 puede darse si alguno de los vectores es nulo o si se anula el coseno
π
del ángulo θ entre A y B. Esto último ocurre justamente cuando θ = , lo que indica que las
2
direcciones de los vectores son perpendiculares.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 4

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Ejemplo 4. Determinar si los siguientes pares de vectores son ortogonales.

i) A = (1, 3) y B = (3, 1)

ii) A = (1, 3) y B = (3, −1)

iii) A = (1, 3) y B = (−6, 2)

iv) A = (1, 3, 2) y B = (3, 1, −3)

v) A = (1, 3, 2) y B = (0, −2, 3)

Solución: Para determinar si los pares de vectores dados son ortogonales, calculamos los
productos escalares y vemos si dan 0.

i) A · B = (1, 3) · (3, 1) = 1 · 3 + 3 · 1 = 6 6= 0
Respuesta: A = (1, 3) y B = (3, 1) no son ortogonales.

ii) A · B = (1, 3) · (3, −1) = 1 · 3 + 3(−1) = 0

Respuesta: A = (1, 3) y B = (3, −1) son ortogonales.

iii) A · B = (1, 3) · (−6, 2) = 1(−6) + 3 · 2 = 0

Respuesta: A = (1, 3) y B = (−6, 2) son ortogonales.

iv) A · B = (1, 3, 2) · (3, 1, −3) = 1 · 3 + 3 · 1 + 2(−3) = 0

Respuesta: A = (1, 3, 2) y B = (3, 1, −3) son ortogonales.

v) A · B = (1, 3, 2) · (0, −2, 3) = 1 · 0 + 3(−2) + 2 · 3 = 0

Respuesta: A = (1, 3, 2) y B = (0, −2, 3) son ortogonales.

Observar que en los tres primeros casos el vector A es el mismo. Por estar en el plano, el hecho
que los vectores B = (3, −1) y B = (−6, 2) de ii) y iii) hayan resultado ortogonales al mismo
vector A indica que dichos vectores tienen la misma dirección: en efecto, (−6, 2) = −2(3, −1).
Sin embargo, no sucede lo mismo en iv) y v): aunque los dos vectores B = (3, 1, −3) y B =
(0, −2, 3) son ortogonales al mismo vector A, dichos vectores no tienen la misma dirección.
Esto puede ocurrir debido a que en el espacio hay infinitas direcciones ortogonales a una dada.

Ejemplo 5. Hallar todos los vectores ( x, y) ∈ R2 que son ortogonales a A = (−3, 2).

Solución: De nuestra definición, la condición para x e y para que ( x, y) sea ortogonal a A es

( x, y) · (−3, 2) = 0 ⇐⇒ −3x + 2y = 0,

que es una ecuación con dos incógnitas de la que solo podemos despejar una variable respecto
de la otra. Por ejemplo ( x, y) = ( x, 23 x ) para cualquier x ∈ R con lo que tendremos infinitas
soluciones:

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 5

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Respuesta: Los vectores ortogonales a A son los del conjunto D = {( x, y) ∈ R2 /( x, y) =

( x, 32 x ), con x ∈ R}.

Notar que, en el ejemplo, si x vale cero, obtenemos ( x, y) = (0, 0) = O como solución. El vector
O, que llamamos vector nulo, no define una dirección ni sentido. Aunque carece de algunas
de las caracterı́sticas fundamentales de los vectores, lo consideraremos como tal para poder
operar.

Ejemplo 6. Hallar dos vectores X ∈ R3 ortogonales a A = (1, 2, −1) y a B = (−3, 1, 4)

simultáneamente.

Solución: Necesitamos que se cumplan simultáneamente las dos condiciones:

X⊥A y X⊥B

Si X = ( x1 , x2 , x3 ), estas condiciones nos dan las ecuaciones:

x1 + 2x2 − x3 = 0 y − 3x1 + x2 + 4x3 = 0

Podemos despejar en la primera ecuación x3 = x1 + 2x2 . Sustituimos en la segunda, obtenemos
−3x1 + x2 + 4( x1 + 2x2 ) = 0 que, simplificando, nos da x1 + 9x2 = 0. Despejamos x1 = −9x2 .
Reemplazamos esta expresión en el despeje anterior: x3 = −9x2 + 2x2 = −7x2 . Ası́, concluimos
que:
x1 = −9x2 y x3 = −7x2
Como solo necesitamos hallar dos vectores X = ( x1 , x2 , x3 ), podemos elegir dos valores para x2
y, para cada uno de ellos, calcular las otras coordenadas de X. Por ejemplo, con x2 = 1, resulta
X = (−9, 1, −7) y con x2 = −2, X = (18, −2, 14).

Respuesta: Dos vectores ortogonales a A y B son X = (−9, 1, −7) y X = (18, −2, 14).

Verificación:

Con x2 = 1
X · A = (−9, 1, −7) · (1, 2, −1) = −9 + 2 + 7 = 0 y X · B = (−9, 1, −7) · (−3, 1, 4) = 27 + 1 −
28 = 0
Con x2 = −2
X · A = (18, −2, 14) · (1, 2, −1) = 18 − 4 − 14 = 0 y X · B = (18, −2, 14) · (−3, 1, 4) = −54 −
2 + 56 = 0

Es importante notar que en este caso la respuesta no es única: si elegimos otros valores de x2 ,
obtendremos otros vectores X ortogonales a A y B simultáneamente.

El próximo ejemplo muestra cómo hallar vectores que forman determinado ángulo (no nece-
sariamente recto) con una dirección dada.

√ π
Ejemplo 7. Dado A = (1, 3), hallar todos los B tales que θ ( A, B) = y k Bk = 3.
6

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 6

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Solución: Tenemos dos condiciones:

π
a) La relación A · B = k Akk Bk cos( )
6
b) k Bk = 3

Si llamamos ( x, y) a las coordenadas de B, de a) obtenemos

√
√ 3
x+ 3·y = 2·3·
2
y de b), q
x2 + y2 = 3 ⇐⇒ x2 + y2 = 9.
Entonces, debemos encontrar los valores x, y para los cuales se cumplen simultáneamente:
√ √
x + 3 · y = 3 3 y x2 + y2 = 9.

Como la segunda ecuación es cuadrática, conviene despejar en la primera

√ √
x = 3 3− 3·y

y luego reemplazar en la segunda:

√ √
(3 3 − 3 · y )2 + y2 = 9
√ √ √ √
(3 3)2 + 2(3 3)(− 3 · y) + (− 3 · y)2 + y2 = 9
27 − 18 · y + 4 · y2 = 9

Igualando a 0 y reordenando los términos obtenemos:

4 · y2 − 18 · y + 18 = 0

Esta es una ecuación cuadrática de la forma ay2 + by + c = 0, donde la incógnita es y y los

coeficientes son a = 4, b = −18 y c = 18. Usamos la fórmula resolvente para hallar sus ceros:
√ p √
−b ± b2 − 4ac −(−18) ± (−18)2 − 4 · 4 · 18 18 ± 36 18 ± 6
y= = = = .
2a 2·4 8 8
De este modo, hallamos las dos soluciones de la ecuación:
18 − 6 3 18 + 6
y= = e y= =3
8 2 8
Para encontrar los vectores B correspondientes, reemplazamos en el despeje de x en función de
y;
√ √ 3 3√ 3√ 3

3
Con y = ⇒ x = 3 3 − 3 · = 3 ⇒ B1 = 3,
2 2 2 2 2
√ √
Con y = 3 ⇒ x = 3 3 − 3 · 3 = 0 ⇒ B2 = (0, 3)

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 7

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

3 B2

2 π A
6 π
1 6 B1

−1 O 1 2 3 4

3√ 3

Respuesta: Hay dos soluciones B1 = 3, y B2 = (0, 3).
2 2

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 8

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Producto vectorial
Si A = ( a1 , a2 , a3 ) y B = (b1 , b2 , b3 ) son vectores de R3 , el producto vectorial A × B se define como
el vector
A × B = ( a2 b3 − a3 b2 , a3 b1 − a1 b3 , a1 b2 − a2 b1 )
Notar que el producto vectorial de dos vectores en R3 es también un vector en R3 .
El vector A × B definido por esta fórmula cumple las siguientes propiedades:

i) A × B es un vector ortogonal a los dos factores A y B simultáneamente.

ii) Su norma verifica la relación

k A × Bk = k Akk Bk sen(θ ( A, B))

iii) Forma terna derecha junto con A y B ( si vemos los vectores A, B y A × B, en ese orden, su
disposición debe semejar a la de los ejes x, y y z, en ese orden).

Podemos ver que en la fórmula del producto vectorial, la primera coordenada del resultado
no depende de las primeras coordenadas de los vectores (no hay subı́ndices 1), es una cuenta
que involucra a las demás. Lo mismo ocurre en las demás coordenadas del resultado: en la
segunda no hay subı́ndices 2 y en la tercera no hay subı́ndices 3.
Una forma de recordar esta fórmula consiste en poner un vector sobre el otro. Arriba el vector
a la izquierda del sı́mbolo de producto y abajo el otro.

( a1 , a2 , a3 )
×
(b1 , b2 , b3 )

Cada coordenada del vector resultante se calcula haciendo las siguientes operaciones:

( a1 , a2 , a3 ) a1 a2 a3 a1 a2 a3 a1 a2 a3
× = , ,
(b1 , b2 , b3 ) b1 b2 b3 b1 b2 b3 b1 b2 b3

Se ignoran las coordenadas verdes (es lo que mencionamos recién), y se hacen los productos
rojos menos los azules.

( a1 , a2 , a3 ) a2 a3 a1 a3 a1 a2
× =
,
,

(b1 , b2 , b3 ) b2 b3 b1 b3 b1 b2

( a1 , a2 , a3 )
× = ( a2 b3 − a3 b2 , a3 b1 − a1 b3 , a1 b2 − a2 b1 )
(b1 , b2 , b3 )
Observar que en la segunda coordenada los productos se restan en orden distinto comparado
con las otras dos coordenadas.

Ejemplo 1. Dados A = (−2, 2, −1) y B = (−3, 1, 4), calcular el producto A × B.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 1

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Solución: Si directamente ignoramos las coordenadas que no se usan:

(−2, 2, −1) 2 −1 −2 −1 −2 2
× = , ,
(−3, 1, 4) 1 4 −3 4 −3 1

(−2, 2, −1)
× = (2 · 4 − (−1) · 1, (−1)(−3) − (−2) · 4, (−2) · 1 − 2(−3)) = (9, 11, 4)
(−3, 1, 4)

Respuesta: A × B = (9, 11, 4).

Verificación:

No es del todo una verificación pero al menos podemos comprobar que el resultado es ortogo-
nal a los vectores dados:
A ⊥ ( A × B ): (−2, 2, −1) · (9, 11, 4) = −18 + 22 − 4 = 0
B ⊥ ( A × B ): (−3, 1, 4) · (9, 11, 4) = −27 + 11 + 16 = 0

√
Ejemplo 2. Hallar todos los vectores C de norma 3 5, ortogonales a A = (1, 2, 3) y a
B = (−2, 0, 4) simultáneamente.

Solución: Como A y B no son paralelos, habrá una única dirección ortogonal a los dos.

El producto vectorial nos da un vector en esa dirección:

D = (1, 2, 3) × (−2, 0, 4) = (8, −10, 4)

pero este vector no cumple lo pedido ya que

q √ √ √
k D k = 82 + (−10)2 + 42 = 180 = 6 5 6= 3 5.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 2

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

√
Podemos buscar k ∈ R para que kC k = kk (8, −10, 4)k = 3 5 o, combinar cosas que ya sabe-
mos.
Recordemos que los vectores de longitud 1 en la dirección de D, son:

1 1
D y − D
kDk kDk
√
Para cambiar la longitud de estos a 3 5, los multiplicamos por este escalar:
√ √
3 5 1 3 5 1
C1 = √ (8, −10, 4) = (8, −10, 4) y C2 = − √ (8, −10, 4) = − (8, −10, 4)
6 5 2 6 5 2

Respuesta: Los únicos C posibles son C1 = (4, −5, 2) y su opuesto C2 = (−4, 5, −2)

Verificación:

Con C1 :
Ortogonalidad:
(1, 2, 3) · (4, −5, 2) = 1 · 4 + 2 · (−5) + 3 · 2 = 0
(−2, 0, 4) · (4, −5, 2) = (−2) · 4 + 0 · (−5) + 4 · 2 = 0
q √ √
Norma: k(4, −5, 2)k = 42 + (−5)2 + 22 = 45 = 3 5
Con C2 :
Ortogonalidad:
(1, 2, 3) · (−4, 5, −2) = 1 · (−4) + 2 · 5 + 3 · (−2) = 0
(−2, 0, 4) · (−4, 5, −2) = (−2)(−4) + 0 · 5 + 4 · (−2) = 0
q √ √
Norma: k(−4, 5, −2)k = (−4))2 + 52 + (−2)2 = 45 = 3 5

Cálculo de áreas mediante producto vectorial

La norma del producto vectorial se relaciona con el ángulo entre los vectores A y B mediante
la propiedad:
k A × Bk = k Akk Bk sen(θ ) (donde θ = θ ( A, B)))

A+B

B
k Bk

θ
A
O k Ak

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 3

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

En el triángulo rectángulo de la figura, el cateto opuesto al ángulo θ mide k Bk sen(θ ) y coincide

con la altura del paralelogramo de vértices O, A, A + B y B.
En la norma del producto vectorial de A con B tenemos entonces el producto entre la longitud
de la base, k Ak, y la altura del paralelogramo, k Bk sen(θ ), lo que nos da su área.

Ejemplo 3. Hallar el área del paralelogramo de la figura anterior sabiendo que A =

(−1, 4, 1) y B = (0, 2, 3).

Solución: Calculemos primero el producto vectorial

(−1, 4, 1) × (0, 2, 3) = (10, 3, −2)
q √
El área del paralelogramo es k(10, 3, −2)k = 102 + 32 + (−2)2 = 113.
√
Respuesta: El área del paralelogramo de vértices O, A, A + B y B es 113.

Ejemplo 4. Hallar el área del triángulo de vértices O, A = (−1, 1, 2) y B = (2, 0, 2).

Solución: Con la suma C = A + B, completamos un paralelogramo de vértices OACB. Su

área se calcula con la norma del producto vectorial entre A y B como en el problema anterior.
El área del triángulo que buscamos es la mitad de la del paralelogramo.

1 1 √
Área = k(−1, 1, 2) × (2, 0, 2)k = k(2, 6, −2)k = 11
2 2
√
Respuesta: El área del triángulo de vértices O, A y B es 11.

Ejemplo 5. Hallar el área del triángulo de vértices A = (−1, 1, 2), B = (2, 0, 2) y C =

(1, 1, −1).

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 4

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Solución: A diferencia del ejemplo anterior, ninguno de los vectores A, B o C coinciden con
un lado del triángulo, ya que el origen O no es un vértice del triángulo. Para que esto ocurra,
−→ −→
trasladamos el triángulo al origen. Por ejemplo, podemos elegir los lados AB y AC (vistos
como vectores). Sus trasladados tendrán extremos en B − A y C − A respectivamente.

El área del triángulo trasladado (que es la misma del original) se calcula como en el ejemplo
anterior:
1
Área = k( B − A) × (C − A)k
2
En nuestro ejemplo:
√
1 1 94
Área = k((2, 0, 2) − (−1, 1, 2)) × ((1, 1, −1) − (−1, 1, 2))k = k(3, 9, 2)k =
2 2 2

√
94
Respuesta: El área del triángulo de vértices A, B y C es .
2

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 5

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Rectas en R2 y R3

Ejemplo 1. Dado el vector v = (2, 1), graficar el conjunto

C = { X ∈ R2 /X = kv, k ∈ R}.

Solución: Como el producto de un escalar por un vector mantiene la dirección, los múltiplos
de un vector en el origen están alineados con éste.

3 √ √ √
(2 10, 10), k = 10
2
(4, 2), k = 2
1
v = (2, 1), k = 1
O
−1 1 2 3 4 5 6 7
(−1, − 21 ), k = − 12 −1

En este gráfico se muestran elementos de C para algunos valores de k. Para obtenerlos a todos,
necesitamos usar todos los k ∈ R.
Podemos establecer una correspondencia entre los valores de R del eje horizontal y los puntos
del conjunto a través de los valores de k.

3 √ √ √
(2 10, 10), k = 10
2
C (4, 2), k = 2
1
v = (2, 1), k = 1
O
−1 1 2 3 4 5 6 7 k
(−1, − 12 ), k = − 21 −1

Respuesta: El conjunto C es una recta con la dirección de v que pasa por el origen.

Observación
Si v es el vector nulo, el conjunto { X ∈ R2 /X = kv, k ∈ R} se reduce a un punto: el origen O.

Para describir rectas que no pasan por el origen veamos el siguiente ejemplo.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 1

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Ejemplo 2. Dados el vector v = (2, 1) y el punto P = (−1, 3), graficar el conjunto

L = { X ∈ R2 /X = kv + P, k ∈ R}.

Solución: Notar que los elementos de este conjunto son los del conjunto C del ejemplo ante-
rior sumados con P.
√ √ √
(2 10 − 1, 10 + 3), k = 10
6
(3, 5), k = 2
5
(1, 4), k = 1
4
P = (−1, 3)
3

(−2, − 52 ), k = − 12 2

1
v = (2, 1)

−2 −1 O 1 2 3 4 5 6 7
−1

Observar que los extremos de los vectores resultantes están alineados. El conjunto de todos los
puntos de la forma kv + P con k ∈ R forma entonces una recta, con la dirección de v, que pasa
por el punto P (este punto se obtiene con k = 0).

Respuesta:

5
L
4
P = (−1, 3)
3

1
v = (2, 1)

−2 −1 O 1 2 3 4 5 6 7
−1

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 2

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Ejemplo 3. Dados el vector v = (1. − 2, 2) y el punto P = (−1, 2, 1), graficar el conjunto

L = { X ∈ R3 /X = kv + P, k ∈ R}.

Solución: Al igual que en el plano, el conjunto descripto es una recta que pasa por el punto P
y con la dirección de v.

Respuesta:

Ecuación paramétrica de la recta

Vamos a abreviar la notación para el conjunto

L = { X ∈ Rn /X = λv + P, λ ∈ R} (n = 2 o n = 3)

escribiendo
L : X = λv + P
A esta expresión la llamamos ecuación paramétrica de la recta que pasa por P en la dirección de
v (si v 6= O). Damos por sobreentendido que la letra λ no representa un único número, sino
que es una variable que debe tomar todos los valores dentro de un conjunto (en este caso R). A
este tipo de variables las llamamos parámetros.
Al vector v se lo llama vector director y a P punto de paso.
Es importante notar que para una recta determinada, no hay una única ecuación paramétrica.
El vector director v solo determina la dirección de la recta, con lo cual se lo puede reemplazar
por cualquier otro vector con la misma dirección, sin importar su sentido o longitud; es decir,
si se cambia v por cualquier múltiplo kv no nulo (k 6= 0), la ecuación paramétrica obtenida
continuará describiendo la misma recta. También el punto de paso puede variar; cualquier
punto de la recta sirve como punto de paso de la misma.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 3

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Ejemplo 4. Hallar una ecuación paramétrica para la recta L que pasa por los puntos
A = (1, 2) y B = (3, 3).

Solución: Graficando los puntos A y B podemos imaginarnos cómo deberı́a ser esta recta.

5
L
4
B = (3, 3)
3
A = (1, 2)
2

−2 −1 O 1 2 3 4 5 6 7
−1

Para dar una ecuación paramétrica de la recta necesitamos determinar un vector director y un
−→
punto de paso. Vemos que el vector AB tiene la misma dirección que la recta; sin embargo, para
la ecuación paramétrica necesitamos un vector con origen en O. Podemos tomar como vector
director su trasladado v = B − A = (3, 3) − (1, 2) = (2, 1).
Usando como punto de paso A = (1, 2), nos queda

Respuesta: L : X = λ(2, 1) + (1, 2)

Podemos generalizar:

Una ecuación paramétrica para la recta que pasa por A y B es X = λ( B − A) + A

Esta fórmula es válida tanto en el plano como en el espacio.

Observaciones
−→ −→
En el ejemplo, si usáramos el vector BA en lugar del AB, obtendrı́amos
L : X = λ(−2, −1) + (1, 2)
que, aunque es una expresión distinta a la que encontramos, describe la misma recta (solo
cambia el sentido del vector director, no su dirección).
También podemos cambiar el punto de paso por B:
L : X = λ(−2, −1) + (3, 3)
Todas estas respuestas son válidas. Como mencionamos antes, cualquier otro vector director
−→
(en el origen) con la misma dirección de AB y cualquier otro punto de la recta como punto de
paso nos darı́an ecuaciones paramétricas para la misma recta.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 4

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Ejemplo 5. Decidir si los puntos Q = (0, 7, −1) y R = (6, −2, 1) pertenecen a la recta
L : X = λ(2, −3, 1) + (4, 1, 1).

Solución: Los puntos de R3 que pertenecen a la recta son aquellos que se obtienen haciendo
los cálculos indicados en la ecuación paramétrica para algún valor λ ∈ R. Entonces, para que
se cumpla la condición Q ∈ L, debe existir algún valor particular de λ con el que se verifique
la igualdad

(0, 7, −1) = λ(2, −3, 1) + (4, 1, 1)

= (2λ, −3λ, λ) + (4, 1, 1)
= (2λ + 4, −3λ + 1, λ + 1)

Se deben cumplir
0 = 2λ + 4, 7 = −3λ + 1 y −1 = λ+1
Despejando en la primera ecuación obtenemos λ = −2.
Reemplazando en las otras, 7 = −3(−2) + 1 y −1 = −2 + 1 , vemos que se verifican.

Para el punto R, el mismo procedimiento nos lleva a buscar otro valor de λ tal que

(6, −2, 1) = (2λ + 4, −3λ + 1, λ + 1)

Se deben cumplir ahora

6 = 2λ + 4, − 2 = −3λ + 1 y 1 = λ + 1

Despejando en la primera ecuación obtenemos λ = 1.

Reemplazando en las otras, −2 = −3 · 1 + 1 y 1 = 1 + 1 , vemos que la última no se
verifica. En este caso no hay un valor de λ para la ecuación paramétrica con el que se obtengan
las coordenadas del punto R y por lo tanto R no pertenece a la recta.

Respuesta: Q ∈ L y R ∈
/L

Verificación:
Q ∈ L: Con λ = −2 en la ecuación paramétrica de la recta:
−2(2, −3, 1) + (4, 1, 1) = (0, 7, −1) = Q

Ejemplo 6. Hallar un ecuación paramétrica para la recta L0 paralela a L : X =

λ(1, 2, 3) + (−4, 1, 3) y que pasa por P = (3, −3, 0).

Solución: El enunciado ya nos indica un punto de paso para la recta L0 ; para poder dar una
ecuación paramétrica nos falta un vector director v.
Recordemos que dos rectas son paralelas si sus direcciones lo son y, para que eso pase, sus
vectores directores deben ser múltiplos. Como la dirección de la recta L está dada por el vector
(1, 2, 3), buscamos entonces v = k(1, 2, 3) con algún k 6= 0, por ejemplo k = 1, y queda:

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 5

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Respuesta: L0 : X = λ(1, 2, 3) + (3, −3, 0)

Ejemplo 7. Hallar una ecuación paramétrica para la recta L0 , perpendicular a L : X =

λ(2, 3) + (−4, 1), que pasa por P = (1, −3).

Solución: Nuevamente el enunciado nos muestra un punto de paso para la recta buscada:
P = (1, −3). Para hallar una ecuación paramétrica nos queda encontrar un vector director.
Para que las rectas sean perpendiculares sus direcciones tienen que serlo y, para eso, sus vec-
tores directores deben ser ortogonales. Si llamamos v = (v1 , v2 ) al vector director de L0 , se
deberá cumplir
v ⊥ (2, 3) ⇐⇒ (v1 , v2 ) · (2, 3) = 2v1 + 3v2 = 0
Una de las soluciones de esta ecuación es v1 = 3 y v2 = −2, es decir, v = (3, −2) es un vector
director para L0 .
La recta que buscamos tiene entonces la ecuación paramétrica:

Respuesta: L0 : X = λ(3, −2) + (1, −3)

Verificación:
Ortogonalidad de los vectores directores:
(3, −2) · (2, 3) = 0
P ∈ L0 : Lo usamos como punto de paso.

Observación
−→
Como la recta L0 pasa por el punto P, para los puntos X ∈ L0 , los vectores PX son ortogonales
al vector director de L:

( X − P) ⊥ (2, 3) ⇐⇒ ( X − P) · (2, 3) = 0

lo que nos lleva a la ecuación:

(( x, y) − (1, −3)) · (2, 3) = 0

( x, y) · (2, 3) − (1, −3) · (2, 3) = 0
( x, y) · (2, 3) = (1, −3) · (2, 3)
2x + 3y = −7

Esta ecuación describe a la recta L0 de una forma distinta a la que encontramos en el problema.
Se llama ecuación implı́cita de la recta en R2 .

En general, si una ecuación paramétrica de la recta en R2 es L : X = λ(v1 , v2 ) + ( p1 , p2 ),

podemos construir una ecuación implı́cita buscando un vector ortogonal a su vector director,
por ejemplo (v2 , −v1 ), y haciendo la cuenta anterior:

L : v2 x − v1 y = d, con d = ( p1 , p2 ) · (v2 , −v1 ).

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 6

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Si necesitamos encontrar una ecuación paramétrica a partir de la ecuación implı́cita solo nece-
sitamos hallar dos puntos que sean solución (por ejemplo dándole valores a x y despejando y)
y construir la recta que pasa por esos dos puntos.
Al igual que la ecuación paramétrica, la ecuación implı́cita no es única: podemos cambiar el
vector ortogonal por cualquier múltiplo no nulo y describiremos la misma recta ya que en el
plano solo hay una única dirección ortogonal a la de L.

Ejemplo 8. Hallar dos rectas L1 y L2 , perpendiculares a L : X = λ(1, 2, 3) + (−4, 1, 3),

que pasen por P = (3, −3, 0).

Solución: Tenemos como dato un punto de paso, P = (3, −3, 0) para las dos rectas. Nos falta
determinar sus direcciones.
Recordemos que dos rectas son perpendiculares si sus direcciones lo son. Necesitamos hallar
entonces, dos vectores v ortogonales al vector director de L, y que no sean múltiplos entre sı́
(vimos que no alcanza con que sean distintos; si mantienen la dirección, describirán la misma
recta).
La condición de ortogonalidad para los dos es la misma:

v · (1, 2, 3) = (v1 , v2 , v3 ) · (1, 2, 3) = v1 + 2v2 + 3v3 = 0.

Dándole valores, por ejemplo, a v2 y v3 , usando la ecuación anterior despejamos la coordenada

que falta.
Si v2 = 1 y v3 = 1 nos da v1 = −5 y v = (−5, 1, 1).
Si v2 = 1 y v3 = 0 nos da v1 = −2 y v = (−2, 1, 0).

Respuesta: L1 : X = λ(−5, 1, 1) + (3, −3, 0) y L2 : X = λ(−2, 1, 0) + (3, −3, 0)

Verificación:

P ∈ L: Lo usamos como punto de paso.

Son rectas: Ningún vector director es nulo.

Perpendicularidad respecto a L:
Con L1 : (−5, 1, 1) · (1, 2, 3) = −5 + 2 + 3 = 0
Con L2 : (−2, 1, 0) · (1, 2, 3) = −2 + 2 = 0
L1 y L2 no son la misma recta:
Si lo fueran, sus vectores directores serı́an múltiplos.
Si k ∈ R, cumple (−5, 1, 1) = k (−2, 1, 0) entonces −5 = −2k, 1 = k y 1 = 0 (Absurdo)

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 7

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Planos

Ejemplo 1. Hallar el conjunto C de vectores X ∈ R3 ortogonales a N = (1, −2, 4).

Solución: Recordemos nuestra definición de ortogonalidad:

X⊥N ⇐⇒ X·N =0
Si escribimos X = ( x, y, z), la condición para que X esté en el conjunto C es:

X · N = ( x, y, z) · (1, −2, 4) = x − 2y + 4z = 0

Respuesta: C = {( x, y, z) ∈ R3 /x − 2y + 4z = 0}.

Observaciones

O = (0, 0, 0) pertenece a C.

Como la condición para pertenecer a C es solo una ecuación con tres incógnitas, el conjunto
tendrá infinitos elementos:
Podemos ver que, por ejemplo, (0, 2, 1) y (4, 0, −1) están en C:

(0, 2, 1) · (1, −2, 4) = 0 y (4, 0, −1) · (1, −2, 4) = 0

Al estar en el conjunto, todos sus múltiplos también lo están:

Si A = λ(0, 2, 1) con λ ∈ R ⇒ A · N = (λ(0, 2, 1)) · N = λ((0, 2, 1) · N ) = 0

Lo mismo se aplica a los múltiplos de (4, 0, −1).
Hemos visto que estos múltiplos forman rectas que pasan por el origen (observar que las rectas
generadas por los múltiplos de (0, 2, 1) y (4, 0, −1) no son paralelas).
Además, estas rectas son ortogonales al vector N. Lo mismo ocurre con todos los elementos de
C.
Recı́procamente, si una recta que pasa por el origen es ortogonal a N, entonces cualquier vector
director de la misma es ortogonal a N y por tanto está en el conjunto C.
El conjunto C está formado entonces por todas las rectas que pasan por el origen y son per-
pendiculares a la dirección de N. Todas estas rectas forman un plano cuya inclinación está
determinada por la dirección del vector N y que pasa por el origen.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 1

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Ejemplo 2. Hallar el plano, paralelo al plano C del Ejemplo 1, que pasa por el punto
Q = (3, −1, 2).

Solución: Gráficamente podemos imaginarnos cómo es este plano:

Podemos ver que los vectores que van desde el origen hasta los puntos de este plano no son
ahora ortogonales a N como ocurrı́a en el ejemplo anterior. Sı́ lo son los vectores con origen y
extremo en el plano que buscamos, o sea, los que están contenidos en este plano (sus traslada-
dos al origen quedan en el plano C del ejemplo anterior).

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 2

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

−→
Para un punto X en el plano solución, el vector QX es entonces ortogonal a N. Si escribimos
X = ( x, y, z), la condición para estar en el conjunto es ahora:

( X − Q) · N = 0
que podemos reescribir

( X − Q) · N = 0
X·N−Q·N = 0
X·N = Q·N
x − 2y + 4z = (3, −1, 2) · (1, −2, 4)
x − 2y + 4z = 13

Respuesta: El plano paralelo a C que pasa por Q es {( x, y, z) ∈ R3 /x − 2y + 4z = 13}.

Ecuación implı́cita del plano

Dados un vector N = ( a, b, c), no nulo, y un punto Q ∈ R3 , el plano Π que es perpendicular a
N y pasa por Q es el conjunto

Π = {( x, y, z) ∈ R3 /( x, y, z) · N = Q · N }
= {( x, y, z) ∈ R3 /ax + by + cz = d} (con d = Q · N )

Vamos a abreviar la notación escribiendo

Π : ax + by + cz = d (con d = Q · N )
Esta ecuación es una ecuación implı́cita del plano Π que pasa por Q y es perpendicular a N.
Diremos que el vector N es normal al plano.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 3

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Observaciones

El producto escalar ( x, y, z) · N hace que las coordenadas del vector normal se conviertan en los
coeficientes de x, y y z en la ecuación del plano.
El vector normal N no es único, cualquier múltiplo no nulo tiene la misma dirección ası́ que la
condición de ortogonalidad se mantiene: si k 6= 0,

( X − Q) · N = 0 ⇐⇒ ( X − Q) · (kN ) = k(( X − Q) · N ) = 0

y la recta de dirección N (que pasa por el origen) es perpendicular al plano. Por este motivo,
cualquier múltiplo de N puede tomarse como vector normal al plano.

Si el vector N fuera nulo, la ecuación se reducirı́a a 0 = 0 que, al ser una identidad, la verifican
todos los puntos de R3 y el conjunto ya no es un plano.

Ejemplo 3. Hallar una ecuación implı́cita para el plano Π perpendicular a N =

(3, −2, 2) que pasa por Q = (1, 2, 1).

Solución: Para una ecuación implı́cita del plano necesitamos hallar valores para a, b, c y d en
la ecuación ax + by + cz = d que vimos más arriba. Como observamos antes, los coeficientes
a, b y c corresponden a las coordenadas de un vector normal al plano. El enunciado ya nos
indica uno que podemos usar: ( a, b, c) = (3, −2, 2).
Para hallar d usamos el punto de paso Q:
Como d = Q · N = (1, 2, 1) · (3, −2, 2) = 1, una ecuación implı́cita del plano Π es

Respuesta: Π : 3x − 2y + 2z = 1.

Observación

Si usamos como vector normal a N 0 = 2(3, −2, 2) = (6, −4, 4) y calculamos d0 = Q · N 0 =

(1, 2, 1) · (6, −4, 4) = 2 nos queda la ecuación
Π : 6x − 4y + 4z = 2
que describe el mismo plano (observar que es la ecuación de la respuesta anterior multiplicada
por 2).
Al igual que ocurre para rectas, podemos tener distintas expresiones que describan un mismo
plano.

Ejemplo 4. Decidir si los puntos A = (1, −3, 2) y B = (1, 3, 2) pertenecen al plano de

ecuación Π : 3x − 2y + 4z = 5.

Solución: Un punto pertenece al plano Π si, y solo si, sus coordenadas verifican la ecuación
de Π.
Si reemplazamos las coordenadas de A en la ecuación nos queda

3 · 1 − 2(−3) + 4 · 2 = 17 6= 5

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 4

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Haciendo lo mismo con B:

3·1−2·3+4·2 = 5
/ Π y B ∈ Π.
Respuesta: A ∈

Ejemplo 5. Hallar tres puntos no alineados del plano Π : 2x − 2y − 4z = 3.

Solución: Para hallar puntos del plano Π, podemos despejar una variable, por ejemplo y, de
la ecuación del plano
1 3
y = − (3 − 2x + 4z) = − + x − 2z
2 2
y dar valores arbitrarios a las otras, en este caso x y z, para calcular y.

3 3
• x = 0, z = 0 ⇒ y = − +0−0 = −
2 2

3 5
• x = 1, z = 1 ⇒ y = − +1−2 = −
2 2

3 3
• x = 2, z = 1 ⇒
y = − +2−2 = −
2 2

3 5 3
Los puntos que encontramos son 0, − , 0 , 1, − , 1 y 2, − , 1 .
2 2 2
Veamos si están alineados, es decir, si pertenecen a una misma recta.
Llamemos A, B y C a los tres puntos.
Si consideramos la recta que pasa por A y B y la recta que pasa por A y C, para que los puntos
estén alineados necesitamos que estas rectas sean la misma. Como las dos pasan por el punto A,
−→ −→
es suficiente que tengan la misma dirección o, equivalentemente, que AB y AC, como vectores
directores, sean paralelos y por lo tanto sus trasladados al origen deben ser múltiplos. Para que
esto ocurra debe existir k ∈ R tal que

B − A = k (C − A)

3 5 3
Tomando A = 0, − , 0 , B = 1, − , 1 y C = 2, − , 1 nos queda la igualdad
2 2 2

5 3 3 3
1, − , 1 − 0, − , 0 = k 2, − , 1 − 0, − , 0
2 2 2 2
(1, −1, 1) = k (2, 0, 1)

La igualdad de las segundas coordenadas requiere que −1 = 0, lo que no se cumple para

ningún valor de k.

3 5 3
Respuesta: 0, − , 0 , 1, − , 1 y 2, − , 1 son tres puntos no alineados del plano Π.
2 2 2

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 5

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Verificación:

Ya vimos que no están alineados. Solo falta ver que están en Π

3 3
0, − , 0 ∈ Π : 2 · 0 − 2 · − −4·0 = 3
2 2

5 5
1, − , 1 ∈ Π : 2 · 1 − 2 · − −4·1 = 3
2 2

3 3
2, − , 1 ∈ Π : 2 · 2 − 2 · − −4·1 = 3
2 2

Ejemplo 6. Dar una ecuación implı́cita de un plano Π que pasa por los puntos A =
(1, 2, 1), B = (−2, 3, 1) y C = (0, 1, 3).

Solución: Ya vimos que A, B y C, como vectores, no tienen por qué estar contenidos en el
plano (esto ocurre solo si el plano pasa por O). Los que sı́ lo están son los vectores que tienen
−→ −→ − →
origen y extremo en dichos puntos: AB, AC, BC y sus opuestos. La dirección del vector normal
−→ −→
deberá ser ortogonal a todos ellos. Si elegimos dos, por ejemplo AB y AC, el producto vectorial
nos servirá para calcular un vector normal N:

N = ( B − A) × (C − A) = ((−2, 3, 1) − (1, 2, 1)) × ((0, 1, 3) − (1, 2, 1))

= (−3, 1, 0) × (−1, −1, 2) = (2, 6, 4)

Con esta normal y alguno de los puntos, por ejemplo A, formamos la ecuación del plano

2x + 6y + 4z = (2, 6, 4) · (1, 2, 1) = 18

Respuesta: Π : 2x + 6y + 4z = 18.

Verificación:

A∈Π: 2 · 1 + 6 · 2 + 4 · 1 = 18
B∈Π: 2(−2) + 6 · 3 + 4 · 1 = 18

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 6

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

C∈Π: 2 · 0 + 6 · 1 + 4 · 3 = 18

Observaciones

Dados tres puntos A, B y C en R3 , si los puntos no están alineados hay un único plano que los
contiene.
−→ −→ −→ − →
En el ejemplo, si en lugar de los vectores AB y AC usamos AC y CB, el vector normal que
obtenemos es

N 0 = (C − A) × ( B − C ) = ((0, 1, 3) − (1, 2, 1)) × ((−2, 3, 1) − (0, 1, 3))

= (−1, −1, 2) × (−2, 2, −2) = (−2, −6, −4)

con lo que cambia la ecuación del plano aunque sigue siendo el mismo (N 0 y N tienen la misma
dirección).

Si los tres puntos de los datos están alineados, el producto vectorial nos da (0, 0, 0), que no
sirve como vector normal. Esto no significa que no exista un plano que los contenga. Al es-
tar contenidos en una recta, hay muchos planos posibles. En caso de querer hallar uno, solo
tendremos que elegir como normal un vector perpendicular a esa recta.

Ejemplo 7. Dar una ecuación implı́cita de un plano Π que pase por los puntos A =
(2, 3, 3), B = (0, −1, −3) y C = (3, 5, 6).

Solución: Planteemos lo mismo que en el ejemplo anterior:

N = ( B − A) × (C − A) = ((0, −1, −3) − (2, 3, 3)) × ((3, 5, 6) − (2, 3, 3))

= (−2, −4, −6) × (1, 2, 3) = (0, 0, 0)

Como comentamos antes, este resultado indica que los tres puntos están alineados. Para la
normal solo necesitamos un vector ortogonal a la dirección de la recta que pasa por los tres
−→
puntos. Por ejemplo, si N = ( a, b, c), la condición para N ⊥ AB nos lleva a la ecuación

( a, b, c) · ((0, −1, −3) − (2, 3, 3)) = 0

( a, b, c) · (−2, −4, −6) = 0
−2a − 4b − 6c = 0

Eligiendo a = b = 1, se despeja c = −1 y se obtiene una solución posible: N = (1, 1, −1).

Por lo tanto d = A · N = (2, 3, 3) · (1, 1, −1) = 2 nos da la ecuación de un plano posible:

Respuesta: Π : x + y − z = 2

Verificación:

A∈Π: 2+3−3 = 2
B∈Π: 0 − 1 − (−3) = 2
C∈Π: 3+5−6 = 2

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 7

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Observación
En este problema no hay una única dirección para la normal ası́ que habrá muchos planos
distintos como posibles respuestas.

Ejemplo 8. Dados el punto A = (3, −4, −1) y la recta L : λ(−2, 0, 3) + (2, 3, −2), hallar
una ecuación implı́cita para el plano Π perpendicular a L que pasa por A.

Solución: Como la recta tiene que ser perpendicular al plano, su vector director (o cualquier
múltiplo no nulo), sirve como vector normal. Con N = (−2, 0, 3), por ejemplo, y con el punto
de paso A hallamos la ecuación

( x, y, z) · (−2, 0, 3) = d = (3, −4, −1) · (−2, 0, 3) = −9

Respuesta: Π : −2x + 3z = −9.

Ejemplo 9. Dadas las rectas L1 : λ(1, 2, 1) + (0, −1, 3), L2 : λ(2, −2, 1) + (3, 4, −1) y el
punto Q = (3, 3, 2), hallar la ecuación de un plano Π paralelo a las dos rectas y que pase
por Q.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 8

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Solución: Como las rectas tienen que ser paralelas al plano, sus direcciones deben ser orto-
gonales a la normal del plano. Entonces, el producto vectorial entre sus vectores directores nos
da un vector normal.
N = (1, 2, 1) × (2, −2, 1) = (4, 1, −6)
y además, para que el plano pase por Q = (3, 3, 2),

d = (3, 3, 2) · (4, 1, −6) = 3

Respuesta: Π : 4x + y − 6z = 3

Verificación:

Q ∈ Π : 4·3+3−6·2 = 3
Perpendicularidad entre vector director de las rectas y normal del plano:
L1 k Π : (1, 2, 1) · (4, 1, −6) = 0
L2 k Π : (2, −2, 1) · (4, 1, −6) = 0

Observación

Notar que una recta y un plano son paralelos si el vector director de la recta es perpendicular a
la normal al plano.

Ejemplo 10. Dados el punto A = (1, −3, −4) y la recta L : λ(−2, 1, 1) + (3, −3, 1),
hallar un plano Π que los contenga.

Solución: Para contener a la recta, alcanza con que el plano contenga a dos de sus puntos:
por ejemplo
con λ = 0, B = 0(−2, 1, 1) + (3, −3, 1) = (3, −3, 1) ∈ L
con λ = 1, C = 1(−2, 1, 1) + (3, −3, 1) = (1, −2, 2) ∈ L

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 9

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Como el plano también tiene que contener a A, el problema se reduce a encontrar el plano que
pasa por los tres puntos A, B y C. Para hallarlo, procedemos como en el Ejemplo 7.

N = ( B − A) × (C − A) = ((3, −3, 1) − (1, −3, −4)) × ((1, −2, 2) − (1, −3, −4))
= (2, 0, 5) × (0, 1, 6) = (−5, −12, 2)
Verificación de la ortogonalidad del producto vectorial:
(2, 0, 5) · (−5, −12, 2) = 0 y (0, 1, 6) · (−5, −12, 2) = 0

Con esta normal y el punto A, formamos la ecuación del plano

−5x − 12y + 2z = (−5, −12, 2) · (1, −3, −4) = 23

Respuesta: Π : −5x − 12y + 2z = 23.

Verificación:

A∈Π: −5 · 1 − 12(−3) + 2(−4) = 23

L ⊂ Π: Para que la recta esté incluida en el plano basta verificar que dos de sus puntos
pertenezcan al plano
B∈Π: −5 · 3 − 12 · (−3) + 2 · 1 = 23
C∈Π: −5 · 1 − 12 · (−2) + 2 · 2 = 23

Notar que la condición L ⊂ Π también se puede verificar mostrando que la dirección de la

recta es ortogonal a la normal (lo que indica que L k Π) y que tienen algún punto en común.

Ecuación paramétrica del plano

La ecuación implı́cita de un plano nos da una relación que deben cumplir las coordenadas de
sus puntos. Por ejemplo en el plano de ecuación implı́cita Π : 2x + z = 7 podemos despejar
z = −2x + 7. Esto nos permite escribir las coordenadas de los puntos del plano como:

X = ( x, y, z) ∈ Π ⇔ X = ( x, y, −2x + 7) (con x, y ∈ R)
Si separamos esta expresión en una suma de tres ternas (separando las variables entre sı́ y de
los términos sin variables):

X = ( x, y, −2x + 7) = (0, 0, 7) + ( x, 0, −2x ) + (0, y, 0)

= (0, 0, 7) + x (1, 0, −2) + y(0, 1, 0) (con x, y ∈ R)
llegamos a una expresión similar a la ecuación paramétrica de una recta pero esta vez con
dos parámetros. Esta es otra forma de describir a los planos llamada ecuación paramétrica. La
orientación del plano está controlada por los vectores (1, 0, −2) y (0, 1, 0), que son paralelos al
plano, y el punto (0, 0, 7) es un punto del plano.

En general, dados dos vectores v1 , v2 (no paralelos ni nulos) y un punto P, el conjunto de todos
los X que cumplen
X = αv1 + βv2 + P (con α y β ∈ R)

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 10

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

es el plano que pasa por P y es paralelo a las direcciones de v1 y v2 .

Dado un plano, al igual que para rectas, no hay una única ecuación paramétrica para de-
scribirlo.
Notar que si los vectores v1 y v2 fueran paralelos, determinarı́an una única dirección y la ex-
presión anterior describirı́a una recta con esa dirección.

Ejemplo 11. Hallar una ecuación implı́cita del plano

Π : X = α(1, 2, 3) + β(1, 0, −1) + (0, −2, 1).

Solución: Como el plano es paralelo a los vectores (1, 2, 3) y (1, 0, −1), un vector normal debe
ser ortogonal a los dos.
Podemos usar N = (1, 2, 3) × (1, 0, −1) = (−2, 4, −2).
Verificación de la ortogonalidad del producto vectorial:
(1, 2, 3) · (−2, 4, −2) = 0 y (1, 0, −1) · (−2, 4, −2) = 0.
Con el punto de paso (0, −2, 1) obtenemos d = (0, −2, 1) · (−2, 4, −2) = −10.

Respuesta: Una ecuación implı́cita para el plano es Π : −2x + 4y − 2z = −10

Verificación:
Ya verificamos la ortogonalidad de la normal.
(0, −2, 1) ∈ Π: −2 · 0 + 4(−2) − 2 · 1 = −10

Para decidir si un punto pertenece o no a un plano definido por una ecuación paramétrica, se
procede de forma similar a lo visto para una recta dada por una ecuación paramétrica:

Ejemplo 12. Dados el punto A = (−3, 1, 2) y el plano Π : X = α(3, 1, 3) + β(2, 0, −2) +

(4, 2, 1), decidir si A pertenece a Π.

Solución: Queremos ver si existen α, β ∈ R que verifiquen:

(−3, 1, 2) = α(3, 1, 3) + β(2, 0, −2) + (4, 2, 1)

Procedemos igual que en el caso de ecuaciones paramétricas de rectas

(−3, 1, 2) = α(3, 1, 3) + β(2, 0, −2) + (4, 2, 1)

= (3α + 2β + 4, α + 2, 3α − 2β + 1)

Se deben cumplir simultáneamente las tres ecuaciones:

−3 = 3α + 2β + 4 , 1 = α+2 y 2 = 3α − 2β + 1

Si despejamos α = −1 en la segunda ecuación y sustituimos el valor en la primera, −3 =

3(−1) + 2β + 4, podemos despejar β = −2.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 11

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Sustituyendo los valores hallados de α y β en la tercera ecuación

2 = 3(−1) − 2(−2) + 1 = 2

vemos que se verifica, por lo tanto, el punto A pertenece al plano Π.

Respuesta: A = (−3, 1, 2) ∈ Π.

Verificación:

A ∈ Π:
Reemplazando los valores hallados de α = −1 y β = −2 en la ecuación paramétrica de Π
−1(3, 1, 3) + −2(2, 0, −2) + (4, 2, 1) = (−3 − 4 + 4, −1 + 0 + 2, −3 + 4 + 1) = (−3, 1, 2)
obtenemos el punto A.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 12

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Intersecciones y posiciones relativas entre rectas y planos

Intersección de una recta y un plano

Ejemplo 1. Dados la recta L : λ(1, 1, 2) + (−3, 1, 4) y el plano Π : 2x + 3z = 2, hallar

L ∩ Π.

Solución: Si Q es un punto de la intersección, deberá cumplir simultáneamente:

i) Q ∈ L: existe algún valor particular de λ ∈ R que verifica Q = λ(1, 1, 2) + (−3, 1, 4)

ii) Q ∈ Π: Q verifica la ecuación de Π

De i) obtenemos que Q = (λ − 3, λ + 1, 2λ + 4). Reemplazando en ii) nos queda una ecuación

para λ:
2(λ − 3) + 3(2λ + 4) = 2
1
Despejamos λ = − , con lo cual:
2
1 7 1
Q = − (1, 1, 2) + (−3, 1, 4) = (− , , 3).
2 2 2

7 1
Respuesta: L ∩ Π = {(− , , 3)}
2 2

Verificación:
7 1 1 1 7 1
(− , , 3) ∈ L : Con λ = − en la ecuación de L queda − (1, 1, 2) + (−3, 1, 4) = (− , , 3).
2 2 2 2 2 2
7 1 7
(− , , 3) ∈ Π : 2(− ) + 3 · 3 = 2 verifica la ecuación del plano.
2 2 2
Podemos asegurarnos que la intersección es solo un punto si vemos que el plano y la recta no
son paralelos:
(1, 1, 2) · (2, 0, 3) = 8 6= 0 ⇒ la dirección de la recta no es ortogonal a la normal del plano.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 1

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Observación

La ecuación que surgió de reemplazar i) en ii) podrı́a habernos llevado a otras posibilidades.
Si quedara una identidad, indicarı́a que todos los puntos de la recta están en el plano, es decir,
que L ⊂ Π. Si quedara un absurdo, no habrı́a ningún punto de la recta que pertenezca al plano,
es decir, L ∩ Π = ∅. En R3 , esto último solo puede pasar si la recta y el plano son paralelos y
la recta no está incluida en el plano.

Intersección de planos

Ejemplo 2. Hallar la intersección de los planos

Π1 : 2x + y + 2z = 4 y Π2 : x − y + 3z = 5.

Solución: Los puntos X = ( x, y, z) de la intersección de Π1 y Π2 son los puntos que verifican

las ecuaciones de los dos planos simultáneamente:

2x + y + 2z = 4 y x − y + 3z = 5

De la primera podemos despejar y = 4 − 2x − 2z, sustituir en la segunda

5
x − (4 − 2x − 2z) + 3z = 5, y ası́ obtener x = 3 − z.
3
Reemplazando x en el despeje anterior de y, nos quedan las dos variables x e y en términos de
z:
5 5 4
x = 3 − z y y = 4 − 2(3 − z) − 2z = −2 + z ∀z ∈ R
3 3 3
5 4
Si miramos la expresión resultante para X = ( x, y, z) = (3 − z, −2 + z, z), podemos ver que
3 3
es la de los puntos de un recta con parámetro z:

Si reescribimos esta expresión como suma de dos ternas, una con los términos que son múltiplos
de z y la otra con los términos en los que no aparece z, se obtiene:

5 4 5 4
X = 3− z, −2 + z, z = − z, z, z + (3, −2, 0)
3 3 3 3

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 2

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

y si sacamos z como factor escalar de la primera terna

5 4 5 4
− z, z, z + (3, −2, 0) = z − , , 1 + (3, −2, 0)
3 3 3 3

nos queda la ecuación paramétrica de una recta.

5 4
Respuesta: Π1 ∩ Π2 = L : λ − , , 1 + (3, −2, 0).
3 3

Verificación:

L ⊂ Π1 :
(3, −2, 0) ∈ Π1 : 2 · 3 + (−2) + 2 · 0 = 4

5 4
L ⊥ N1 (normal de Π1 ) : − , , 1 · (2, 1, 2) = 0
3 3
L ⊂ Π2 :
(3, −2, 0) ∈ Π2 : 3 − (−2) + 0 = 5

5 4
L ⊥ N2 (normal de Π2 ) : − , , 1 · (1, −1, 3) = 0
3 3
Podemos asegurarnos que la intersección es una recta si comprobamos que los planos no son
paralelos, es decir, que sus vectores normales no son paralelos.
Si son múltiplos, existe k ∈ R tal que (2, 1, 2) = k (1, −1, 3) ⇒ 2 = k, 1 = −k y 2 = 3k.
Entre la primera y la segunda igualdad obtenemos el absurdo 2 = k = −1.

Observaciones

En general una recta en R3 puede describirse como la intersección de dos planos no paralelos
que la contienen.
Al conjunto de las ecuaciones de esos planos se lo denomina ecuaciones implı́citas de la recta.
Dada una ecuación paramétrica de una recta, esos planos deberán tener vectores normales
perpendiculares a la dirección de la recta, no ser paralelos entre sı́ y contener algún punto de la
recta.

Otros posibles resultados:

Si al resolver las ecuaciones hubiéramos llegado a un absurdo, significarı́a que los planos no
tienen puntos en común, es decir, que los planos son paralelos y distintos.
Si al despejar en las ecuaciones llegamos a una identidad, quedando más de una variable como
parámetro, entonces los dos planos son el mismo.

Ejemplo 3. Hallar la intersección de los planos

Π1 : −2x + y + 2z = 4 y Π2 : 6x − 3y − 6z = −12.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 3

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Solución: Como en el Ejemplo 2, los puntos X = ( x, y, z) de la intersección deberán verificar

las ecuaciones de los dos planos simultáneamente:

−2x + y + 2z = 4 y 6x − 3y − 6z = −12

De la primera podemos despejar y = 4 + 2x − 2z y, sustituyendo en la segunda obtenemos

6x − 3(4 + 2x − 2z) − 6z = −12 ⇐⇒ 6x − 12 − 6x + 6z − 6z = −12 ⇐⇒ −12 = −12

que es una identidad y no nos permite despejar más variables. Esto indica que todos los puntos
que cumplen la primera ecuación, y por lo tanto pertenecen al plano Π1 , verifican la segunda,
y entonces son puntos de Π2 .
Los dos planos coinciden.

Respuesta: Π1 ∩ Π2 = Π1 = Π2 .

Verificación:

Podemos ver que son paralelos: sus normales son múltiplos

(6, −3, −6) = −3(−2, 1, 2)
y que comparten un punto o directamente que la ecuación de Π2 es la de Π1 multiplicada por
ese factor −3 entre las normales.

Ejemplo 4. Hallar ecuaciones implı́citas para la recta L : λ(1, −2, 4) + (3, 0, −1).

Solución: Como observamos antes, estas ecuaciones corresponden a las de dos planos Π1 y
Π2 , no paralelos, cuya intersección es la recta L.
Tomando un punto cualquiera de la recta, tenemos un punto de paso común para estos planos.
Nos queda encontrar dos vectores normales, no paralelos, que sean ortogonales a la dirección
de la recta:
Si N = ( a, b, c), queremos que

(1, −2, 4) · N = a − 2b + 4c = 0.

Dos soluciones posibles son, por ejemplo, N1 = (4, 0, −1) y N2 = (0, 2, 1) que no son nulos ni
múltiplos entre sı́.
Con el punto (3, 0, −1) de la recta obtenemos:
d1 = (3, 0, −1) · (4, 0, −1) = 13 para Π1 y d2 = (3, 0, −1) · (0, 2, 1) = −1 para Π2 .
(
4x − z = 13
Respuesta: Un conjunto de ecuaciones implı́citas para L es
2y + z = −1

Verificación:

L ⊂ Π1 :
L k Π1 : (1, −2, 4) · (4, 0, −1) = 0
(3, 0, −1) ∈ Π1 : 4 · 3 − (−1) = 13

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 4

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

L ⊂ Π2 :
L k Π2 : (1, −2, 4) · (0, 2, 1) = 0
(3, 0, −1) ∈ Π2 : 0 · 3 + 2 · 0 + (−1) = −1
Los planos no son paralelos:
Si existe k ∈ R tal que (4, 0, −1) = k (0, 2, 1) tenemos el absurdo 4 = 0 en la primera coordenada.

Más sobre posiciones relativas de rectas y planos

Ejemplo 5. Dadas las rectas L1 : λ(1, 1, 2) + (2, 3, −1) y L2 : λ(−2, 1, 1) + (3, 3, 2) hallar,
si es posible, una ecuación implı́cita para un plano Π que las contenga.

Solución: Para dar una ecuación implı́cita de un plano Π que cumpla lo pedido necesitamos
un vector normal N y un punto de paso que garanticen
L1 ⊂ Π:
i) (1, 1, 2) ⊥ N

ii) (2, 3, −1) ∈ Π

y, simultáneamente, L2 ⊂ Π:

iii) (−2, 1, 1) ⊥ N

iv) (3, 3, 2) ∈ Π

Con i) y iii) obtenemos un vector normal N = (1, 1, 2) × (−2, 1, 1) = (−1, −5, 3)

Verificación de la ortogonalidad del producto vectorial: (1, 1, 2) · (−1, −5, 3) = 0
y (−2, 1, 1) · (−1, −5, 3) = 0.
Usando la condición ii) obtenemos d = (2, 3, −1) · (−1, −5, 3) = −20.
Nos queda entonces la ecuación − x − 5y + 3z = −20.
Este plano contiene a la recta L1 y es paralelo a L2 . Sin embargo, no sabemos si contiene a la
recta L2 . Nos queda ver si se verifica iv):

−3 − 5 · 3 + 3 · 2 = −12 6= −20
Como no se verifica, el plano que encontramos no contiene a L2 .
Como (1, 1, 2) y (−2, 1, 1) no son paralelos, el producto vectorial nos da un vector en la única
dirección que es ortogonal a las dos rectas simultáneamente. Podemos cambiar el vector normal
pero solo por múltiplos no nulos, lo que cambiará la ecuación pero no el plano.
Si en lugar de ii) usamos iv) para calcular d, obtenemos el plano − x − 5y + 3z = −12, paralelo
al anterior, pero que no cumple ii). Este plano contiene a L2 y es paralelo a L1 , pero no la
contiene.
Estos son los únicos planos paralelos a las dos rectas que contienen a alguna de las dos rectas.

Respuesta: No existe un plano Π que contenga simultáneamente a L1 y a L2 .

Observaciones

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 5

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Las rectas L1 y L2 no tienen puntos en común porque están incluidas en planos paralelos dis-
tintos. Además no son paralelas. Por lo tanto, son alabeadas.
En general, dado cualquier par de rectas alabeadas podemos construir dos planos paralelos
(distintos), cada uno de los cuales contiene a una de las rectas, pero no existe un plano que las
contenga a ambas simultáneamente.

Ejemplo 6. Para las rectas L1 y L2 del ejemplo anterior, hallar ecuaciones implı́citas de
dos planos Π1 y Π2 que verifiquen simultáneamente: L1 ⊂ Π1 , L2 ⊂ Π2 y Π1 k Π2 .

Solución: Π1 y Π2 son los planos que encontramos en la resolución del ejemplo anterior:
Π1 : − x − 5y + 3z = −20 que contiene a L1 .
Π2 : − x − 5y + 3z = −12 que contiene a L2 .
Estos planos son paralelos.

Respuesta: Π1 : − x − 5y + 3z = −20 y Π2 : − x − 5y + 3z = −12

Verificación:

L1 ⊂ Π1 :
(1, 1, 2) ⊥ N: (1, 1, 2) · (−1, −5, 3) = 0
(2, 3, −1) ∈ Π1 : −2 − 5 · 3 + 3(−1) = −20
L2 ⊂ Π2 :
(−2, 1, 1) ⊥ N: (−2, 1, 1) · (−1, −5, 3) = 0
(3, 3, 2) ∈ Π2 : −3 − 5 · 3 + 3 · 2 = −12
Π1 k Π2 : Tienen la misma normal.

Ejemplo 7. Dadas las rectas L1 : λ(1, 3, −1) + (−2, 1, 4) y L2 : λ(2, 2, 1) + (−4, 3, 0)

hallar, si es posible, una ecuación implı́cita para un plano Π que las contenga.

Solución: Podemos ver que las rectas no son paralelas:

si existe k ∈ R que cumple (1, 3, −1) = k (2, 2, 1), tenemos que, para que valga la igualdad de
1 3
las primeras coordenadas k = y, para la de las segundas, k = .
2 2
Calculemos la intersección entre L1 y L2 . Buscamos λ, µ ∈ R que verifiquen simultáneamente:

λ(1, 3, −1) + (−2, 1, 4) = µ(2, 2, 1) + (−4, 3, 0)

(λ − 2, 3λ + 1, −λ + 4) = (2µ − 4, 2µ + 3, µ)

Esto nos lleva a las tres ecuaciones

λ − 2 = 2µ − 4 , 3λ + 1 = 2µ + 3 y −λ+4 = µ

Reemplazamos la expresión de µ dada por la tercera ecuación en la primera:

λ − 2 = 2(−λ + 4) − 4, y despejamos λ = 2.
En la tercera ecuación queda entonces µ = −2 + 4 = 2.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 6

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Sustituyendo los valores encontrados de λ y µ en la segunda ecuación 3 · 2 + 1 = 2 · 2 + 3 = 7

vemos que se verifican las tres simultáneamente.
La intersección entre L1 y L2 es el punto Q = 2(1, 3, −1) + (−2, 1, 4) = (0, 7, 2).
Veremos que esta intersección garantiza la existencia de un plano que contiene a las dos rectas.
Para hallar la normal de Π podemos usar los vectores directores de L1 y L2 , como en los ejem-
plos anteriores (N debe ser ortogonal a las direcciones de ambas rectas):
N = (1, 3, −1) × (2, 2, 1) = (5, −3, −4)
Verificación de la ortogonalidad del producto vectorial:
(1, 3, −1) · (5, −3, −4) = 0 y (2, 2, 1) · (5, −3, −4) = 0.
Con el punto (0, 7, 2) de L1 ∩ L2 obtenemos d = (0, 7, 2) · (5, −3, −4) = −29
Nos queda la ecuación 5x − 3y − 4z = −29.
El punto de intersección de las rectas garantiza que el plano encontrado contiene a las dos
rectas porque es paralelo a las dos y contiene un punto que pertenece a ambas.

Respuesta: Π : 5x − 3y − 4z = −29.

Verificación:

L1 ⊂ Π:
(1, 3, −1) ⊥ N: (1, 3, −1) · (5, −3, −4) = 0
(−2, 1, 4) ∈ Π: 5(−2) − 3 · 1 − 4 · 4 = −29
L2 ⊂ Π:
(2, 2, 1) ⊥ N: (2, 2, 1) · (5, −3, −4) = 0
(−4, 3, 0) ∈ Π: 5(−4) − 3 · 3 − 4 · 0 = −29

Ejemplo 8. Dadas las rectas L1 : λ(1, 1, −1) + (0, 1, −2) y L2 : λ(−2, −2, 2) + (3, 3, 1),
hallar, si es posible, un plano Π que las contenga.

Solución: Observar que las rectas L1 y L2 son paralelas, ya que (−2, −2, 2) = (−2)(1, 1, −1),
ası́ que un plano paralelo a una, será también paralelo a la otra.
Buscamos entonces un plano Π que contenga a una de las rectas y que pase por un punto de la
otra.
Si tomamos dos puntos de L1 , por ejemplo A = (0, 1, −2) y B = 1(1, 1, −1) + (0, 1, −2) =
(1, 2, −3), más un punto de L2 , por ejemplo C = (3, 3, 1), podemos obtener Π como el plano
que pasa por los tres puntos.

N = ( B − A) × (C − A) = ((1, 2, −3) − (0, 1, −2)) × ((3, 3, 1) − (0, 1, −2))

= (1, 1, −1) × (3, 2, 3) = (5, −6, −1)

Verificación de la ortogonalidad del producto vectorial:

(1, 1, −1) · (5, −6, −1) = 0 y (3, 2, 3) · (5, −6, −1) = 0.
Con A calculamos d = (0, 1, −2) · (5, −6, −1) = −4

Respuesta: Π : 5x − 6y − z = −4.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 7

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Verificación:

L1 ⊂ Π:
(1, 1, −1) ⊥ N: (1, 1, −1) · (5, −6, −1) = 0
(0, 1, −2) ∈ Π: 5 · 0 − 6 · 1 − (−2) = −4
L2 ⊂ Π:
(−2, −2, 2) ⊥ N: (−2, −2, 2) · (5, −6, −1) = 0
(3, 3, 1) ∈ Π: 5 · 3 − 6 · 3 − 1 = −4

Observación
Los ejemplos anteriores ilustran la siguiente propiedad:

Dadas dos rectas, existe un plano que las contiene, si y solo si, las rectas se cortan o
son paralelas.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 8

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Distancia de un punto a un plano

Recordemos que para medir distancias entre puntos utilizamos la norma con la fórmula:
d( A, B) = k B − Ak.
Dados un punto P ∈ R3 y un plano Π definimos la distancia entre ellos, d( P, Π), como la que
hay entre el punto P y el punto de Π más cercano a P.

Ejemplo 1. Dados P = (1, −3, 8) y Π : − x + y + 4z = 10, hallar el punto de Π más

cercano a P y calcular la distancia entre P y Π.

Solución: En el gráfico podemos ver que el punto R que buscamos está sobre la recta L per-
pendicular a Π que pasa por P. Efectivamente, si tomamos otro punto Q en el plano, el seg-
mento que mide su distancia a P es la hipotenusa del triángulo rectángulo PRQ y por lo tanto
su longitud es mayor que la del cateto RP.

Para hallar R buscamos la intersección de la recta L con el plano Π.

En primer lugar, hallamos una ecuación paramétrica de la recta L.
Como vector director nos sirve el vector normal del plano y como punto de paso tenemos a P:
L : λ(−1, 1, 4) + (1, −3, 8)
El punto que buscamos lo encontramos como R ∈ L ∩ Π.
Como R debe pertenecer a L, para algún λ ∈ R,
R = λ(−1, 1, 4) + (1, −3, 8) = (−λ + 1, λ − 3, 4λ + 8).
Reemplazando en la ecuación del plano obtenemos
−(−λ + 1) + (λ − 3) + 4(4λ + 8) = 10 ⇐⇒ 18λ + 28 = 10 ⇐⇒ λ = −1
y, entonces, el punto que buscamos es R = −1(−1, 1, 4) + (1, −3, 8) = (2, −4, 4).
Con este punto calculamos la distancia de P al plano Π
√
d( P, Π) = d( P, R) = k(2, −4, 4) − (1, −3, 8)k = 18
√
Respuesta: El punto de Π más cercano a P es R = (2, −4, 4) y la distancia de P a Π es 18.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 1

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Fórmula para la distancia entre un punto y un plano

Si Π es el plano de vector normal N = ( a, b, c) que pasa por el punto Q, podemos calcular la
distancia de un punto P = ( x P , y P , z P ) al plano Π, con el procedimiento visto en el ejemplo
anterior:

i) Buscamos la recta L perpendicular a Π que pasa por P.

ii) Hallamos el punto R de la intersección entre L y Π.

iii) Calculamos d( P, Π) = d( P, R).

i) La recta perpendicular al plano que pasa por P es L : λN + P.

ii) Para el punto R más cercano a P vale, como antes:

R = λN + P para algún valor de λ ∈ R

y cumple la ecuación del plano Π:

( R − Q) · N = 0
Reemplazando la expresión de R como punto de la recta L en la ecuación del plano

(λN + P − Q) · N = 0

podemos despejar λ:

( Q − P) · N
λN · N + ( P − Q) · N = 0 ⇐⇒ λN · N = ( Q − P) · N ⇐⇒ λ=
N·N
Recordando que N · N = k N k2 tenemos

( Q − P) · N
λ=
k N k2
y
( Q − P) · N d−P·N
R= N+P o R= N+P (con d = Q · N)
k N k2 k N k2

iii) La distancia entre P y el plano Π queda expresada en términos de P, N y Q:

( Q − P) · N ( Q − P) · N
d( P, Π) = k R − Pk = ( 2
N + P) − P = N
kNk k N k2

( Q − P) · N
Podemos simplificar esta fórmula teniendo en cuenta que el cociente es un escalar
k N k2
y la norma de N es un número positivo:

( Q − P) · N |( Q − P) · N | |( Q − P) · N |
d( P, Π) = 2
kNk = 2
kNk =
kNk kNk kNk

|( Q − P) · N |
d( P, Π) =
kNk

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 2

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

que, en términos de las coordenadas de los vectores y con d = Q · N, se puede expresar

| ax P + by P + cz P − d|
d( P, Π) = √
a2 + b2 + c2

Observación:

Al punto R del plano más cercano al punto P se lo denomina proyección ortogonal de P sobre el
plano Π y se lo puede calcular con las fórmulas obtenidas en la deducción anterior:

( Q − P) · N d−P·N
R= N+P o R= N+P (si Π : ax + by + cz = d)
k N k2 k N k2

Si aplicamos estas fórmulas en el Ejemplo 1 obtenemos:

| − 1 + (−3) + 4 · 8 − 10| |18| √

d((1, −3, 8), Π) = p = √ = 18
(−1)2 + 12 + 42 18
y

10 − (1, −3, 8) · (−1, 1, 4) 10 − 28

R= 2
(−1, 1, 4) + (1, −3, 8) = (−1, 1, 4) + (1, −3, 8) = (2, −4, 4).
k(−1, 1, 4)k 18

Ejemplo
√ 2. Hallar los puntos de la recta L : λ(−2, 1, 2) + (2, 3, 0) que están a distancia
6 del plano Π : − x + 2y + 7z = 2.

Solución: Si P es un punto de la recta L, debe cumplir

P = λ(−2, 1, 2) + (2, 3, 0) = (−2λ + 2, λ + 3, 2λ)

para algún valor de λ ∈ R.

Usamos la fórmula para la distancia al plano

| − x P + 2y P + 7z P − 2|
d( P, Π) = p
(−1)2 + 22 + 72
y reemplazamos las coordenadas √de P para despejar los valores de λ que dan lugar a puntos
de la recta que están a distancia 6 de Π:

| − (−2λ + 2) + 2(λ + 3) + 7(2λ) − 2| √

d( P, Π) = p = 6
(−1)2 + 22 + 72
|2λ − 2 + 2λ + 6 + 14λ − 2| √
√ = 6
54
√ √
|18λ + 2| = 6 54 = 18
El módulo nos lleva a dos posibilidades:

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 3

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

i) 18λ1 + 2 = 18
ii) 18λ2 + 2 = −18
8 10
De i) se obtiene λ1 = y de ii) λ2 = − , lo que nos da dos puntos en la recta:
9 9
8 2 35 16
P1 = (−2, 1, 2) + (2, 3, 0) = , ,
9 9 9 9
10 38 17 20
P2 = − (−2, 1, 2) + (2, 3, 0) = , ,−
9 9 9 9

2 35 16 38 17 20
Respuesta: Los puntos buscados son P1 = , , y P2 = , ,− .
9 9 9 9 9 9

Verificación:
2 35 16
− +2 +7 −2 √
9 9 9 |18|
d( P1 , Π) = p =√ = 6
(−1)2 + 22 + 72 54
38 17 20
− +2 +7 − −2
9 9 9 | − 18| √
d( P2 , Π) = p = √ = 6
(−1)2 + 22 + 72 54

√
Ejemplo 3. Hallar los puntos P ∈ R3 que están a distancia 6 del plano Π : − x + 2y +
7z = 2.

Solución: Si tomamos P = ( x, y, z), la condición de la distancia se cumple si se satisface la

ecuación
| − x + 2y + 7z − 2| √
d( P, Π) = p = 6
(−1)2 + 22 + 72
que reagrupando nos conduce a
√ √
| − x + 2y + 7z − 2| = 6 54 = 18.
Esto equivale a que valga alguna de las dos igualdades siguientes:

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 4

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

i) − x + 2y + 7z − 2 = 18 ⇐⇒ − x + 2y + 7z = 20
ii) − x + 2y + 7z − 2 = −18 ⇐⇒ − x + 2y + 7z = −16

Cada una de estas ecuaciones describe un plano de soluciones.

√
Respuesta: Los puntos P ∈ R3 que están a distancia 6 del plano Π son los pertenecientes a
los planos Π1 : − x + 2y + 7z = 20 y Π2 : − x + 2y + 7z = −16.

Observación:

En este problema, el plano Π y la distancia que buscamos son los mismos que en el Ejemplo 2.
Los puntos P1 y P2 que encontramos en ese ejemplo pueden verse como las intersecciones entre
los planos Π1 y Π2 con la recta L.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 5

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Ejemplo 4. Si Π1 : y + 4z = 1 y √ Π2 : − x + 10y + z = −21, hallar todos los puntos

P ∈ R3 que verifican: 2 d( P, Π1 ) = 6 d( P, Π2 ).

Solución: Si tomamos P = ( x, y, z), las fórmulas para la distancia de P a cada plano quedan:

|y + 4z − 1|
d( P, Π1 ) = √
12 + 42

| − x + 10y + z − (−21)|
d( P, Π2 ) = p
(−1)2 + 102 + 12
Planteando la relación que buscamos entre las distancias nos queda la igualdad

|y + 4z − 1| √ | − x + 10y + z − (−21)| 2|y + 4z − 1| | − x + 10y + z + 21|

2 √ = 6 √ ⇐⇒ √ = √ .
17 102 17 17
Simplificando llegamos a la igualdad

2|y + 4z − 1| = | − x + 10y + z + 21|.

Esta igualdad equivale a que valga alguna de las dos igualdades siguientes:

i) 2(y + 4z − 1) = (− x + 10y + z + 21) ⇐⇒ x − 8y + 7z = 23

ii) 2(y + 4z − 1) = −(− x + 10y + z + 21) ⇐⇒ − x + 12y + 9z = −19

Cada una de estas ecuaciones representa un plano de soluciones.
√
Respuesta: Los puntos P que verifican la relación 2 d( P, Π1 ) = 6 d( P, Π2 ) son los de los
planos Π3 : x − 8y + 7z = 23 y Π4 : − x + 12y + 9z = −19.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 6

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Ejemplo 5. Dados el plano Π : 2x + 3y − 6z = 3 y la recta L : λ(−1, 2, 3) + (2, 2, 0),

hallar la ecuación paramétrica de una recta L0 que cumpla simultáneamente:

L ∩ L0 6 = ∅ y d( P, Π) = 2 ∀ P ∈ L0 .

Solución: Buscamos un vector director v y un punto de paso Q para L0 que garanticen si-
multáneamente
L ∩ L0 6= ∅:
i) Debe existir al menos un punto S que cumpla S ∈ L y S ∈ L0 .
y d( P, Π) = 2 ∀ P ∈ L0 :
Esta condición dice literalmente que la distancia al plano debe ser la misma para todos los
puntos de L0 y esto implica que L0 debe ser paralela al plano Π.
ii) L0 k Π ⇐⇒ v ⊥ (2, 3, −6)
Además, el punto de paso Q tiene que cumplir
iii) d( Q, Π) = 2.
El punto S de i), por pertenecer a L0 , tiene que cumplir la condición de la distancia. Si tomamos
Q = S como punto de paso de la recta, se cumplirán simultáneamente las condiciones i) y iii).
Calculemos entonces S como un punto de L a distancia 2 del plano Π.
Si S ∈ L, debe cumplir S = λ(−1, 2, 3) + (2, 2, 0) = (−λ + 2, 2λ + 2, 3λ) para algún λ ∈ R.
Reemplazando en la fórmula de la distancia a Π
|2xS + 3yS − 6zS − 3|
d(S, Π) = p
22 + 32 + (−6)2
podemos despejar λ
|2(−λ + 2) + 3(2λ + 2) − 6(3λ) − 3|
d(S, Π) = =2
7
| − 14λ + 7| = 14
es decir,
−14λ + 7 = 14 o − 14λ + 7 = −14.
1 3
Tenemos dos soluciones: λ1 = − y λ2 = .
2 2
Como el problema nos pide una sola recta podemos elegir cualquiera de los dos valores, por
1
ejemplo con λ1 = − obtenemos el punto
2

1 5 3
S = − (−1, 2, 3) + (2, 2, 0) = , 1, − .
2 2 2
Nos queda la condición ii), que podemos hacer que se cumpla con cualquier vector ortogonal
a (2, 3, −6), por ejemplo, (0, 2, 1).

5 3
Respuesta: Una recta L0 que cumple lo pedido es L0 : λ(0, 2, 1) + , 1, − .
2 2

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 7

Álgebra 27 (Ciencias Exactas) ÁLGEBRA VECTORIAL

Verificación:

L ∩ L0 6= ∅:

5 3 1
, 1, − ∈ L: Se obtiene con λ = − en la ecuación paramétrica.
2 2 2

5 3
, 1, − ∈ L0 : Lo usamos como punto de paso.
2 2
d( P, Π) = 2 ∀ P ∈ L0 :
L0 k Π : (0, 2, 1) · (2, 3, −6) = 0.

5 3
2 +3·1−6 − −3
|5 + 3 + 9 − 3| |14|

5 3 2 2 14
d , 1, − ,Π = p = = = = 2.
2 2 2 2
2 + 3 + (−6) 2 7 7 7

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 8

Álgebra 27 (Ciencias Exactas) SISTEMAS LINEALES Y MATRICES

Sistemas lineales
Ecuaciones lineales y sistemas de ecuaciones
Una ecuación lineal en las variables x1 , x2 , . . . , xn es de la forma

a1 · x1 + a2 · x2 + · · · + a n · x n = b

donde a1 , a2 , . . . , an son números reales (que llamamos coeficientes de la ecuación) y b es también

un número real. Un ejemplo conocido para nosotros es la ecuación implı́cita de un plano, como
puede ser
3x1 − 2x2 + 5x3 = 8.
Una solución de esta ecuación será una terna X = ( x1 , x2 , x3 ) para la cual se cumpla la igualdad.
Por ejemplo, (1, 0, 1) es una de estas soluciones ya que 3 · 1 − 2 · 0 + 5 · 1 = 8.
En el caso general, una ecuación con n variables tendrá soluciones que son n-uplas. Ası́ la
ecuación en cuatro variables
2x1 + x2 − x3 + 3x4 = 0
tiene soluciones que son 4-uplas, es decir X = ( x1 , x2 , x3 , x4 ). Es fácil chequear que X =
(2, 0, 4, 0) es una de estas soluciones y que X = (1, 2, 0, −1) no es solución reemplazando los
valores en la ecuación: 2 · 2 + 0 − 4 + 3 · 0 = 0, mientras que 2 · 1 + 2 − 0 + 3 · (−1) = 1 6= 0.
Cuando b = 0, como en este último caso, se dice que la ecuación es homogénea. Para cualquier
ecuación homogénea, el punto (0, . . . , 0) satisface la ecuación. Se lo llama la solución trivial.

Un sistema de ecuaciones reúne varias ecuaciones en las variables x1 , x2 , . . . , xn y en este caso una
n-upla será solución del sistema si satisface cada una de ellas.
Por ejemplo, para el sistema

 2x1 + x2 − x3 + 3x4 = 0
S: x2 + x3 − x4 = 4 ,
− x3 + 2x4 = −3


vemos que X = (1, 1, 3, 0) es solución, mientras que X = (2, 0, 4, 0) no lo es (ya que no verifica,
por ejemplo, la segunda ecuación).
Cuando todas las ecuaciones del sistema son homogéneas diremos que es un sistema homogéneo;
en caso contrario, diremos que es no homogéneo. Como X = (0, . . . , 0) es solución de cualquier
ecuación homogénea, tenemos que:

Un sistema homogéneo siempre tiene (al menos) una solución, la solución trivial.

Sistemas escalonados
En este curso resolver un sistema con n incógnitas quiere decir hallar el conjunto de todos los
X ∈ Rn que lo satisfacen. Algunos sistemas se podrán resolver despejando de la última ecua-
ción alguna variable en función de otras y sustituyendo esta relación en las demás ecuaciones.
Estos son los sistemas escalonados.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 1

Álgebra 27 (Ciencias Exactas) SISTEMAS LINEALES Y MATRICES

Por ejemplo, el sistema

x1 + x2 = 5
S:
3x2 = −6
es escalonado. De la segunda ecuación despejamos x2 = −2 y, sustituyendo este valor en la
primera, nos queda que x1 + (−2) = 5. De aquı́ despejamos x1 = 7 y concluimos que la única
solución del sistema es ( x1 , x2 ) = (−2, 7).

El mismo procedimiento se aplica para resolver sistemas escalonados con más incógnitas.

Ejemplo 1. Resolver el sistema


 2x1 + x2 − x3 + 3x4 = 0
S: x2 + x3 − x4 = 4 .
− x3 + 2x4 = −3


Solución. Despejamos la variable x3 de la última ecuación:


 2x1 + x2 − x3 + 3x4 = 0
x2 + x3 − x4 = 4 ,
x3 = 2x4 + 3


y luego sustituimos la expresión para x3 en función de la variable x4 en cada una de las ecua-
ciones de arriba:

 2x1 + x2 − (2x4 + 3) + 3x4 = 0
x2 + (2x4 + 3) − x4 = 4 .
x3 = 2x4 + 3


Podemos despejar también (mirando la ecuación central) la variable x2 en función de x4 :


 2x1 + x2 − (2x4 + 3) + 3x4 = 0
x2 = − x4 + 1 .
x3 = 2x4 + 3


Ahora sustituimos la expresión obtenida para x2 en función de x4 en la primera ecuación:


 2x1 + (− x4 + 1) − (2x4 + 3) + 3x4 = 0
x2 = − x4 + 1 .
x3 = 2x4 + 3


Por último despejamos la variable x1 :


 x1 = 1
x2 = − x4 + 1 .
x3 = 2x4 + 3


Esto significa que las 4-uplas que son soluciones de este sistema tienen sus coordenadas restrin-
gidas por las 3 ecuaciones obtenidas. El hecho que la variable x4 no aparezca despejada quiere

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 2

Álgebra 27 (Ciencias Exactas) SISTEMAS LINEALES Y MATRICES

decir que x4 está libre, es decir, que puede tomar cualquier valor en R, y con ese valor obtenerse
una solución. Escribimos:
X = ( x1 , x2 , x3 , x4 ) es solución de S ⇔ X = (1, − x4 + 1, 2x4 + 3, x4 ) con x4 ∈ R.
La expresión final que adoptamos para el conjunto solución es similar a la ecuación paramétrica
de una recta. Cambiamos la variable por un parámetro λ y tenemos que:
X = (1, −λ + 1, 2λ + 3, λ) = (0, −λ, 2λ, λ) + (1, 1, 3, 0)

X = λ · (0, −1, 2, 1) + (1, 1, 3, 0) con λ ∈ R.

Esto quiere decir que para cada valor de λ que elijamos, obtendremos una solución de S:
λ=1 ⇒ X = 1 · (0, −1, 2, 1) + (1, 1, 3, 0) = (1, 0, 5, 1) es solución de S
λ = −2 ⇒ X = (−2) · (0, −1, 2, 1) + (1, 1, 3, 0) = (1, 3, −1, −2) es solución de S
λ = ··· ⇒ X = ···
Este sistema tiene infinitas soluciones; decimos entonces que S es un sistema compatible indeter-
minado, y lo abreviamos S.C.I.

Respuesta: El conjunto solución del sistema es {λ · (0, −1, 2, 1) + (1, 1, 3, 0) con λ ∈ R}.

Matriz ampliada asociada a un sistema

El método que usaremos para resolver sistemas lineales consiste en transformar el sistema dado
en otro que sea escalonado y tenga las mismas soluciones que el original, haciendo ciertas
operaciones con las ecuaciones del sistema. Estas operaciones involucrarán únicamente hacer
cuentas con los coeficientes de las ecuaciones.
Por este motivo, a un sistema lineal le asociaremos una matriz (esto es, un arreglo rectangular
de números) construida a partir de los coeficientes del sistema. Recı́procamente, a cada matriz
le asociaremos un sistema de ecuaciones lineales.
Más precisamente, dado un sistema lineal le asociamos una matriz ampliada. Esta matriz tiene
una fila por cada ecuación del sistema y una columna por cada incógnita, más una columna
adicional para los términos constantes de cada ecuación. En cada fila de la matriz se ubican los
coeficientes de las incógnitas x1 , . . . , xn en las columnas correspondientes y, en la última colum-
na, se escribe la constante b que aparece a la derecha en la ecuación. Cuando una incógnita no
aparece explı́citamente en una ecuación, el coeficiente correspondiente es 0.
Por ejemplo, para el sistema


 x2 + 4x3 = 3
x1 + 2x3 = 5

S1 :

 2x1 + 3x3 = 8
− x1 + x2 + 3x3 = 0


la matriz ampliada del sistema es:

x1 x2 x3 b
 0 1 4 3 ← ecuación 1
 1 0 2 5 ← ecuación 2 .
2 0 3 8 ← ecuación 3
 
−1 1 3 0 ← ecuación 4

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 3

Álgebra 27 (Ciencias Exactas) SISTEMAS LINEALES Y MATRICES

Recı́procamente, dada la matriz ampliada de un sistema S2

0 0 −2 0 7
 
12
2 4 −10 6 12 28 ,
2 4 −5 6 −5 −1

reconstruimos el sistema armando una ecuación por cada fila de la matriz:


 − 2x3 + 7x5 = 12
S2 : 2x1 + 4x2 − 10x3 + 6x4 + 12x5 = 28 .
2x1 + 4x2 − 5x3 + 6x4 − x5 = −1


Veamos ejemplos de matrices ampliadas asociadas a algunos sistemas:

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

Estas matrices tienen más ceros que las de los ejemplos anteriores, más aún, los tienen reparti-
dos de una forma especial: son matrices escalonadas,
 
    1 4 1 7 0
1 −2 0 1 1 0 1 0 0 4 0 0 1 6

1 −1

0 0 1 3 2  0 0 1 0 7 0  0 0 1 −2 1 .
     
0 1 −1 0 0 0 1 −1 0
 
0 0 0 0 0 0 0 
0 0 0 0 0

En cada fila, el primer número distinto de cero es un 1; este número resaltado se llama el 1
principal de la fila (en la práctica no seremos tan estrictos, podemos trabajar con el primer lugar
no nulo de cada fila).
Al mirar dos filas consecutivas, sus unos principales forman un escalón hacia la derecha (no
pueden estar a la misma altura). Es decir, la de abajo debe empezar con más ceros que la de
arriba. Si una fila tiene todos sus lugares iguales a cero, se ubica al final de la matriz, como en
el tercer ejemplo.
Estas matrices corresponden a sistemas escalonados.

Método de eliminación de Gauss

Vamos a aplicar el método de eliminación de Gauss para llevar un sistema lineal a un sistema
equivalente escalonado. Las operaciones que se realizan sobre las ecuaciones de un sistema
al aplicar este método, que no cambian su conjunto solución, son operaciones que se reflejan
sobre la matriz ampliada. Al hacerlo tendremos matrices ampliadas equivalentes entre sı́. Las
operaciones permitidas sobre una matriz para obtener una matriz equivalente en las filas las

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 4

Álgebra 27 (Ciencias Exactas) SISTEMAS LINEALES Y MATRICES

abreviamos de la siguiente manera:

(1) Fi ↔ Fj (intercambiar dos filas)

(2) Fi + αFj → Fi α∈R (a una fila sumarle un múltiplo de otra)

(3) βFi → Fi si β 6= 0 (multiplicar una fila por un número 6= 0)

Revisamos su significado y notación trabajando con ejemplos.

Ejemplo 2. Resolver el sistema


 x1 − x2 + 2x3 = 1
S: 2x1 + 3x3 = 2
− 2x2 + x3 = 1


Solución. Veamos cómo resolver el sistema trabajando con su matriz ampliada


1 −1 2 1
 
 x1 − x2 + 2x3 = 1
S: 2x1 + 3x3 = 2 → 2 0 3 2.
− 2x2 + x3 = 1 0 − 2 1 1


Esta matriz no está escalonada, pero podemos operar con las filas para conseguir un cero debajo
del 1 principal de la primera fila (resaltado debajo). Calculamos lugar a lugar la Fila 2 menos el
doble de la Fila 1, y lo reemplazamos en la segunda fila:

−1 2 1 −1
   
1 1 2 1
2 0 3 2 F2 − 2 · F1 → F2 0
  2 −1 0.
0 −2 1 1 0 −2 1 1

La segunda matriz todavı́a no está escalonada, pero podemos repetir el procedimiento para
conseguir que la tercera fila empiece con más ceros que la segunda. Con la misma notación que
antes operamos sobre la tercera fila:

1 −1 1 −1
   
2 1 2 1
0 2 −1 0 F3 + F2 → F3 0 2 −1 0.
0 −2 1 1 0 0 0 1

Ahora sı́, la matriz resulta escalonada (no exigimos un 1 en el lugar principal). Veamos a qué
sistema está asociada:

1 −1
 
2 1  x1 − x2 + 2x3 = 1
0 2 −1 0 → 2x2 − x3 = 0 .
0 0 0 1 0 = 1


La última ecuación de este sistema proviene de reconstruir 0 · x1 + 0 · x2 + 0 · x3 = 1 , que es

equivalente a 0 = 1. Esta ecuación en las incógnitas x1 , x2 , x3 no tiene solución. Por lo tanto, el

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 5

Álgebra 27 (Ciencias Exactas) SISTEMAS LINEALES Y MATRICES

sistema S (que es equivalente a éste) no admite solución: ninguna terna ( x1 , x2 , x3 ) lo satisface.

Decimos que es un sistema incompatible o S.I. para abreviar.
Respuesta: El sistema no tiene soluciones.

Habı́amos mencionado que una ecuación de 3 incógnitas se podı́a relacionar con la ecuación
implı́cita de un plano. Un sistema de tres de estas ecuaciones, como el del ejemplo anterior, se
puede reinterpretar como la intersección de tres planos, ya que buscamos puntos que satisfagan
las tres ecuaciones. En este caso, la intersección es vacı́a.

Ejemplo 3. Resolver el sistema


 − 2x3 + 7x5 = 12
S: 2x1 + 4x2 − 10x3 + 6x4 + 12x5 = 28
2x1 + 4x2 − 5x3 + 6x4 − 5x5 = −1


Solución. La matriz ampliada de este sistema es

0 0 −2 0 7
 
12
2 4 −10 6 12 28 .
2 4 −5 6 −5 −1
No está escalonada, pero mejora si intercambiamos sus dos primeras filas. Anotamos esta ope-
ración como se muestra:
0 0 −2 0 7 2 4 −10 6 12 28
   
12
2 4 −10 6 12 28  F1 ↔ F2 0 0 −2 0 7 12 .
2 4 −5 6 −5 −1 2 4 −5 6 −5 −1
Para ir hacia la forma escalonada necesitamos que la última fila empiece con 0, para lograr esto
la modificamos “usando”la primera fila:
2 4 −10 6 12 28 2 4 −10 6 12
   
28
0 0 −2 0 7 12  F3 − F1 → F3 0 0 −2 0 7 12 .
2 4 −5 6 −5 −1 0 0 5 0 −17 −29
Queremos que la última fila empiece con al menos tres 0. Para lograrlo, observamos que debe-
mos recurrir a la fila 2 (si involucramos a la fila 1 arruinamos todo lo hecho).

2 4 −10 6 12 2 4 −10 6 12 28
   
28
0 0 −2 0 7 12  2F3 + 5F2 → F3 0 0 −2 0 7 12.
0 0 5 0 −17 −29 0 0 0 0 1 2
(Este útimo paso es una combinación de la propiedad (3), 2F3 → F3 , y la propiedad (2), F3 +
5F2 → F3 .)
Si bien dijimos que no ı́bamos a ser tan estrictos, esta vez vamos a buscar cómo llegar a los 1
principales. Podemos cambiar cada fila por un múltiplo de ella misma:
 
2 4 −10 6 12 28 1 −
 
F
2 1 → F1 1 2 5 3 6 14
0 0 −2 0 7 12  0 0 1 0 − 72 −6.
 
0 0 0 0 1 2 − 12 F2 → F2 0 0 0 0 1 2

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 6

Álgebra 27 (Ciencias Exactas) SISTEMAS LINEALES Y MATRICES

Ahora que tenemos la matriz escalonada, reconstruimos el sistema y lo resolvemos despejando

de abajo hacia arriba:

1 2 −5 3 6
 
14  x1 + 2x2 − 5x3 + 3x4 + 6x5 = 14
0 0 1 0 − 7 −6 → x3 − 27 x5 = −6 .
2
0 0 0 0 1 2 x5 = 2


Reemplazamos x5 = 2 en las primeras ecuaciones y obtenemos

 
 x1 + 2x2 − 5x3 + 3x4 + 6 · 2 = 14  x1 + 2x2 − 5x3 + 3x4 + 12 = 14
7
x3 − 2 · 2 = −6 → x3 − 7 = −6
x5 = 2 x5 = 2
 

Después de despejar la variable x3 , también se la puede sustituir en la primera ecuación:

 
 x1 + 2x2 − 5 · 1 + 3x4 + 12 = 14  x1 = −2x2 − 3x4 + 7
x3 = 1 → x3 = 1
x5 = 2 x5 = 2
 

Si bien hubiéramos podido despejar de otras formas, siempre se prodrán despejar en función
de las demás, aquellas variables que se corresponden con los unos principales. Las variables x2
y x4 que no están despejadas, están libres, es decir, pueden tomar cualquier valor en R. Ası́, las
soluciones de S2 son de la forma:

X = ( x1 , x2 , x3 , x4 , x5 ) = (−2x2 − 3x4 + 7, x2 , 1, x4 , 2) con x2 , x4 ∈ R.

Si cambiamos las variables libres por los parámetros s y t, la forma paramétrica del conjunto
solución es

X = (−2s − 3t + 7, s, 1, t, 2) = s(−2, 1, 0, 0, 0) + t(−3, 0, 0, 1, 0) + (7, 0, 1, 0, 2), con s, t ∈ R.

El sistema tiene infinitas soluciones, es un S.C.I.

Respuesta: El sistema es compatible indeterminado y su conjunto solución es

{s(−2, 1, 0, 0, 0) + t(−3, 0, 0, 1, 0) + (7, 0, 1, 0, 2), con s, t ∈ R}.

Ejemplo 4. Resolver el sistema



 x2 + 4x3 = 3
x1 + 2x3 = 5

S:

 2x 1 + 3x3 = 8
− x1 + x2 + 3x3 = 0


Solución. La matriz ampliada asociada a este sistema es

 
0 1 4 3
 1 0 2 5
 2 0 3 8.
 

−1 1 3 0

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 7

Álgebra 27 (Ciencias Exactas) SISTEMAS LINEALES Y MATRICES

Como en los ejemplos anteriores, para resolver el sistema escalonamos su matriz ampliada
     
0 1 4 3 1 0 2 5 1 0 2 5
 1 0 2 5  0 1 4 3 0 1 4 3
F ↔ F2 
8 1
   
 2 0 3  2 0 3 8 F3 − 2F1 → F3 0 0 −1 −2
−1 1 3 0 −1 1 3 0 F4 + F1 → F4 0 1 5 5
   
1 0 2 5 1 0 2 5
0 1 4 3  0 1 4 3 
F4 − F2 → F4   F + F3 → F4  .
0 0 −1 −2 4 0 0 −1 −2
0 0 1 2 0 0 0 0
Ahora volvemos al sistema de ecuaciones
  
1 0 2 5 
 x1 + 2x3 = 5
0 1 4 3  
x2 + 4x3 = 3
0 0 −1 −2 → .
 

 − x3 = −2
0 0 0 0 0 = 0


Observemos que la última ecuación (que es la ecuación 0 · x1 + 0 · x2 + 0 · x3 = 0) no impone

ninguna restricción en las variables, y entonces la podemos omitir. En particular, vemos que
el sistema de cuatro ecuaciones que vinculaba estas variables contenı́a información redundan-
te, ya que el sistema resulta equivalente a otro con tres ecuaciones. Además, en este caso, al
despejar de abajo hacia arriba no queda ninguna variable libre:
  
 x1 + 2x3 = 5  x1 + 2·2 = 5  x1 = 1
x2 + 4x3 = 3 → x2 + 4 · 2 = 3 → x2 = −5
− x3 = −2 x3 = 2 x3 = 2
  

El sistema tiene una única solución, la terna X = (1, −5, 2). Se trata entonces de un sistema
compatible determinado o S.C.D. para abreviar.

Respuesta: El sistema es compatible determinado y su única solución es X = (1, −5, 2).

Resolución simultánea de sistemas

Ejemplo 5. Resolver los sistemas lineales asociados a las matrices ( A|b1 ), ( A|b2 ) y ( A|b3 )
con:
       
1 1 −1 1 1 0 0
A =  2 −1 0 1  ; b1 =  0  ; b2 =  3  ; b3 =  0  .
2 −4 2 0 −2 2 0

Solución. A partir de las matrices ampliadas, construimos los sistemas a resolver:


 x1 + x2 − x3 + x4 = 1
SI : 2x1 − x2 + x4 = 0
2x1 − 4x2 + 2x3 = −2


Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 8

Álgebra 27 (Ciencias Exactas) SISTEMAS LINEALES Y MATRICES


 x1 + x2 − x3 + x4 = 0
SI I : 2x1 − x2 + x4 = 3
2x1 − 4x2 + 2x3 = 2


 x1 + x2 − x3 + x4 = 0
SI I I : 2x1 − x2 + x4 = 0
2x1 − 4x2 + 2x3 = 0


Si bien estos sistemas son distintos, se resuelven (respectivamente) escalonando las matrices
ampliadas dadas por:

( A|b1 ) ( A|b2 ) ( A|b3 )

1 1 −1 1 1 1 1 −1 1 0 1 1 −1 1 0
     
2 −1 0 1 0  ; 2 −1 0 1 3 ; 2 −1 0 1 0.
2 −4 2 0 −2 2 −4 2 0 2 2 −4 2 0 0

En la tercera matriz, observamos que, como la última columna tiene todos los coeficientes igua-
les a 0 (el sistema era homogéneo), cualquier operación que hagamos en las filas dará lugar a
una matriz cuya última columna tendrá todos 0. Por este motivo, al escalonarla podemos omitir
esta última columna y trabajar simplemente con la matriz A. (Esta observación es válida para
cualquier sistema homogéneo.)
Para conseguir matrices equivalentes que sean escalonadas, podemos ver que basta hacer las
mismas operaciones para las tres matrices anteriores. Por ejemplo:

1 1 −1 1 1 1 1 −1 1
   
1
( A|b1 ) 2 −1 0 1 0  F2 − 2F1 → F2 0 −3 2 −1 −2
2 −4 2 0 −2 2 −4 2 0 −2

1 1 −1 1 0 1 1 −1 1 0
   

( A|b2 ) 2 −1 0 1 3 F2 − 2F1 → F2 0 −3 2 −1 3 .
2 −4 2 0 2 2 −4 2 0 2

1 1 −1 1 1 1 −1 1
   

A 2 −1 0 1 F2 − 2F1 → F2 0 −3 2 −1
2 −4 2 0 2 −4 2 0

Los cambios en las matrices coinciden en los tres casos, excepto por la última columna. Para
resumir la resolución de estos tres sistemas anotamos:
1 1 −1 1
 
1 0
( A|b1 |b2 ) → 2 −1 0 1 0 3,
2 −4 2 0 −2 2

(no escribimos la columna b3 de resultados que está formada sólo por 0) y llevamos a cabo las
operaciones sobre las filas simultáneamente:

1 1 −1 1 1 1 −1 1
   
1 0 1 0
2 −1 0 1 0 3 F2 − 2F1 → F2 0 −3 2 −1 −2 3
2 −4 2 0 −2 2 2 −4 2 0 −2 2

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 9

Álgebra 27 (Ciencias Exactas) SISTEMAS LINEALES Y MATRICES

1 1 −1 1 1 1 −1 1
   
1 0 1 0
F3 − 2F1 → F3 0 −3 2 −1 −2 3 F3 − 2F2 → F3 0 −3 2 −1 −2 3 .
0 −6 4 −2 −4 2 0 0 0 0 0 −4
Finalmente al ver la matriz escalonada se reconstruyen los tres sistemas asociados S0I , S0I I y S0I I I
equivalentes a los sistemas que se quiere resolver:

1 1 −1 1
 
1  x1 + x2 − x3 + x4 = 1
0 −3 2 −1 −2 → S 0 : − 3x2 + 2x3 − x4 = −2
I 
0 0 0 0 0 0 = 0

1 1 −1 1
 
0  x1 + x2 − x3 + x4 = 0
0 −3 2 −1 3  → S 0 : − 3x2 + 2x3 − x4 = 3
II
0 0 0 0 −4 0 = −4



1 1 −1 1
 
 x1 + x2 − x3 + x4 = 0
0 −3 2 −1 → S0I I I : − 3x2 + 2x3 − x4 = 0 ,
0 0 0 0 0 = 0


y cada uno de ellos se resuelve sustituyendo de abajo hacia arriba:


 x1 + x2 − x3 + x4 = 1

0
SI : x2 = 32 x3 − 31 x4 + 2
3 .

0 = 0


Podemos omitir la última ecuación y sustituir hacia arriba

(
x1 + ( 32 x3 − 13 x4 + 32 ) − x3 + x4 = 1
2
,
x2 = 3 x3 − 13 x4 + 2
3

y al terminar de despejar nos queda

(
1
x1 = 3 x3 − 23 x4 + 1
3
2
x2 = 3 x3 − 13 x4 + 2
3

es decir,
1 2 1 2 1 2
X= x3 − x4 + , x3 − x4 + , x3 , x4 x 3 , x 4 ∈ R.
3 3 3 3 3 3
Concluimos escribiendo las soluciones de S I en función de dos parámetros s y t:

1 2 2 1 1 2
X=s , , 1, 0 + t − , − , 0, 1 + , , 0, 0 s, t ∈ R.
3 3 3 3 3 3
Al proceder con el segundo sistema,

 x1 + x2 − x3 + x4 = 0
0
SI I : − 3x2 + 2x3 − x4 = 3
0 = −4


vemos que su última ecuación ”0 = −4”no se satisface para ninguna 4-upla, y ası́ concluimos
que no tiene solución o, dicho de otra forma, que su conjunto de soluciones es vacı́o. Es decir,
el sistema S I I es incompatible.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 10

Álgebra 27 (Ciencias Exactas) SISTEMAS LINEALES Y MATRICES

El sistema S0I I I es homogéneo:


 x1 + x2 − x3 + x4 = 0
0
SI I I : − 3x2 + 2x3 − x4 = 0 .
0 = 0


Su última ecuación se puede omitir y tendrá, como en el caso de S I , infinitas soluciones. Queda
como ejercicio hallarlas y verificar que una expresión posible para dichas soluciones es

1 2 2 1
X=s , , 1, 0 + t − , − , 0, 1 s, t ∈ R.
3 3 3 3

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 11

Álgebra 27 (Ciencias Exactas) SISTEMAS LINEALES Y MATRICES

Matrices
Una matriz es un arreglo rectangular de números reales. Consideramos el conjunto Rm×n de
todas las matrices de m filas y n columnas (siempre anotamos f ilas × columnas en ese orden).
Mostramos algunos ejemplos:
   
5 −1 1 −4 3 8 7
1 −2 0 3
∈ R2 × 4 ;  0 0  ∈ R3×2 ;  −4 −5 −6 9 0  ∈ R3×5 .
0 0 21 4
2 2 7 8 9 6 2

Distinguimos las matrices fila y las matrices columna:

 
15
1
∈ R1 × 4 ; ∈ R1 × 2 3 × 1
∈ R2 × 1 .

7 −2 0 4 0 1 ;  2  ∈R ;
0
−5
Las matrices cuadradas son aquellas que tienen la misma cantidad de filas que de columnas:
 
  1 0 0 −4
0 −2 1 0 −1 0 7 
1 √4
∈ R2×2 ; −2 3 0  ∈ R3×3 ; 
0 0 0 3  ∈ R
 4×4
2 7
1 0 −3
0 0 0 10

En cada conjunto Rm×n , tenemos la matriz cero, que notamos Om×n , con todos sus lugares igua-
les a 0. En Rn×n , la matriz identidad, por ejemplo:
 
  1 0 0 0
1 0 0
1 0 0 1 0 0
I2 = ; I3 =  0 1 0  ; I4 = 
0 0 1 0 .

0 1
0 0 1
0 0 0 1

Estas matrices cumplirán un papel importante respecto de las operaciones entre matrices.
Para referirnos a los lugares de una matriz, usaremos subı́ndices dobles: el primero para indicar
la fila y el segundo para la columna. Veamos un ejemplo,
 
2 −7 3 0 −1 a11 = 2 coeficiente de la fila 1 y la columna 1
A=0 1 4 1 0  → a23 = 4 coeficiente de la fila 2 y la columna 3
 
5 −2 6 0 0 a35 = 0 coeficiente de la fila 3 y la columna 5.

Operaciones con matrices

Suma y resta. La primera operación que presentamos es la suma (y la resta) de matrices de
Rm×n , que se calcula lugar a lugar tal como para vectores.
10 −2
   
1 2
Por ejemplo: si A = −2 0 y B =  1 1 entonces,
3 3 −2 3
   
10 + 1 2 + (−2) 11 0
A + B =  −2 + 1 0 + 1  =  −1 1,
3 + (−2) 3+3 1 6

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 1

Álgebra 27 (Ciencias Exactas) SISTEMAS LINEALES Y MATRICES

10 − 1 2 − (−2)
   
9 4
A − B =  −2 − 1 0 − 1  =  −3 −1.
3 − (−2) 3−3 5 0
Observamos que para poder sumar dos matrices A y B, deben tener la misma cantidad de filas
y de columnas.
La matriz O es elemento neutro de la suma de matrices, es decir M + O = M para cada matriz
M.

Producto por un escalar. El producto de una matriz por un número real también se efectúa
lugar a lugar, como en el caso de vectores. Por ejemplo, para las matrices A y B anteriores,
1 1
· 10 · (−2) 5 −1
   
2 2
3·1 3·2
   
3 6    
1  1 1
  1 1

3A =  3 · (− 2 ) 3 · 0  =  − 6 0, B= 2 ·1 2 ·1 
= 2

2 .
2 
3·3 3·3 9 9    
1 1 3
2 · (−2) 2 ·3 −1 2

Producto de matrices. El producto A · B de dos matrices A y B está definido únicamente si la

cantidad de columnas de A es igual a la cantidad de filas de B.
Por ejemplo, podremos calcularlo para A ∈ R1×3 y B ∈ R3×1 , una matriz fila por una matriz
columna. Recurrimos al producto interno o producto escalar de R3 para definir este producto
de matrices:
 
−1
1 2 3 ·  0  = (1, 2, 3) · (−1, 0, 2) = 1 · (−1) + 2 · 0 + 3 · 2 = 5
2

Caso general:

si A ∈ Rm×k y B ∈ Rk×n podemos calcular A · B, que será una matriz de tamaño m × n.

Ejemplo 1. Sean
 
1 0 1
1 −1 0 2  −1 1 3 ⇒ se puede calcular A · B.
A= , B= 
3 0 4 −2  2 4 1
0 0 5
2×4 4×3 2×3

Solución. Para calcular A · B, multiplicamos cada fila de A por cada columna de B; más pre-
cisamente,

para obtener el lugar ij de A · B, multiplicamos la fila i de A por la columna j de B.

Por ejemplo, para obtener

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 2

Álgebra 27 (Ciencias Exactas) SISTEMAS LINEALES Y MATRICES

el lugar 11 de A · B, multiplicamos la fila 1 de A por la columna 1 de B,

el lugar 12 de A · B, multiplicamos la fila 1 de A por la columna 2 de B, etc.
De esta forma resulta
 
1
 −1
( A · B)11 = 1 −1 0 2 · 
 2  = (1, −1, 0, 2) · (1, −1, 2, 0) = 2.


0
Continuamos calculando cada uno de los lugares de la matriz A · B:
 
1 0 1
1 −1 0 2  −1 1 3  2
· =
3 0 4 −2  2 4 1 
0 0 5

(1, −1, 0, 2) · (1, −1, 2, 0) = 2

Para obtener el elemento en la fila 1 columna 2 del producto multiplicamos la primera fila de
A por la segunda columna de B, y queda
 
1 0 1
1 −1 0 2  −1 1 3  2 −1
·
  =
3 0 4 −2 2 4 1 
.
0 0 5

(1, −1, 0, 2) · (0, 1, 4, 0) = −1

Para obtener el elemento de la fila 1 columna 3, calculamos:
 
1 0 1
1 −1 0 2  −1 1 3  2 −1 8
·
  =
3 0 4 −2 2 4 1 
0 0 5

(1, −1, 0, 2) · (1, 3, 1, 5) = 8

Y ahora trabajamos con la segunda fila de A, para calcular similarmente los elementos de la
segunda fila de A · B:
 
1 0 1
1 −1 0 2  −1 1 3  2 − 1 8
·
 2 4 1 =

3 0 4 −2 11
0 0 5

(3, 0, 4, −2) · (1, −1, 2, 0) = 11

 
1 0 1
1 −1 0 2  −1 1 3  2 −1 8
·
  =
3 0 4 −2 2 4 1  11 16
0 0 5

(3, 0, 4, −2) · (0, 1, 4, 0) = 16

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 3

Álgebra 27 (Ciencias Exactas) SISTEMAS LINEALES Y MATRICES

 
1 0 1
1 −1 0 2  −1 1 3  2 −1 8
· =
3 0 4 −2  2 4 1  11 16 −3
0 0 5

(3, 0, 4, −2) · (1, 3, 1, 5) = −3

Hemos calculado:
2 −1 8
A·B = .
11 16 −3
Notemos que en este caso no se puede calcular (no está definido) el producto B · A, ya que la
cantidad de columnas de B no coincide con la cantidad de filas de A.

Observación. Al considerar la primera columna de B como una matriz de 4 × 1 y multiplicar

resulta  
1
1 −1 0 2  −1  2
·   =
3 0 4 −2  2  11 .
0
2×4 4×1 2×1

De la misma manera, las demás columnas de A · B son el resultado del producto de A por la
columna correspondiente de B:
   
0 1
1 −1 0 2  1  − 1 1 − 1 0 2  3  8
·  =
  y ·  =
  .
3 0 4 −2 4 16 3 0 4 −2 1 −3
0 5

Ejemplo 2. Calcular el producto M · N y el producto N · M para

 
1 1
2 −1 0
M= , N =  −2 2
3 0 1
3 0

Solución. Observemos que

 
1 1
2 −1 0
M= , N = −2 2 ⇒ podemos calcular M · N.
3 0 1
3 0
2×3 3×2 2×2

Procedemos como en el ejemplo anterior:

 
1 1
2 −1 0 4
M·N = ·  −2 2  =
3 0 1
3 0

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 4

Álgebra 27 (Ciencias Exactas) SISTEMAS LINEALES Y MATRICES

 
1 1

2 −1 0 4 0
M·N = ·  −2 2  =
3 0 1
3 0
 
1 1
2 −1 0 4 0
M·N = ·  −2 2  =
3 0 1 6
3 0
 
1 1
2 −1 0 4 0
M·N = ·  −2 2  = .
3 0 1 6 3
3 0
Volvemos a copiar las matrices M y N para calcular N · M
 
1 1
2 −1 0
N=  −2 2 , M =
 ⇒ podemos calcular N · M.
3 0 1
3 0
3×2 2×3 3×3

Repitiendo el procedimiento (agrupamos algunos pasos) tenemos

   
1 1 5 −1 1
2 − 1 0
N · M =  −2 2  · = 
3 0 1
3 0
  
1 1 5 −1 1
2 −1 0
N · M =  −2 2  · = 2 2 2 
3 0 1
3 0
  
1 1 5 −1 1
2 −1 0
N · M =  −2 2  · =  2 2 2 .
3 0 1
3 0 6 −3 0

 
5 −1 1
4 0
Respuesta: M · N = y N · M =  2 2 2 .
6 3
6 −3 0

Ejemplo 3. Calcular el producto S · T y el producto T · S para

7 −1 1 0
S= , T= .
3 1 0 2

Solución. Si S y T son matrices cuadradas de n × n podemos calcular S · T, que será una

matriz de n × n, y también T · S, que será del mismo tamaño. Haciendo los cálculos obtenemos:

7 −1 1 0 7 −2
S·T = · = .
3 1 0 2 3 2

1 0 7 −1 7 −1
T·S = · = .
0 2 3 1 6 2

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 5

Álgebra 27 (Ciencias Exactas) SISTEMAS LINEALES Y MATRICES

7 −2 7 −1
Respuesta: S · T = yT·S = .
3 2 6 2

Podemos observar que S · T y T · S no son iguales. Como muestra este ejemplo, el producto de
matrices no es conmutativo.

Para terminar, señalamos la relación entre la matriz identidad y el producto: para cada matriz
A se tiene que

A · I = I · A = A.

Decimos que la matriz I es el elemento neutro del producto de matrices (como lo es el número 1
para el producto de números reales).

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 6

Álgebra 27 (Ciencias Exactas) SISTEMAS LINEALES Y MATRICES

Ecuaciones matriciales
En esta sección trabajaremos con ecuaciones donde la incógnita a despejar es una matriz.

Ejemplo 1. Resolver
   
1 1 2 1
2A − 3  0 −1  =  0 3  − 3A.
−2 0 1 1

Solución. Debemos hallar todas las matrices A que satisfacen la ecuación. En primer lugar
determinemos qué tamaño debe tener A. Vemos que en el primer miembro se debe poder sumar
2A con una matriz de tamaño 3 × 2 por lo tanto 2A también debe ser de tamaño 3 × 2. Se deduce
entonces que A ∈ R3×2 .
La ecuación planteada para resolver establece una igualdad entre matrices de R3×2 . Usamos
las propiedades conmutativa, asociativa (y otras) de la suma y el producto por escalar, junto
con la propiedad distributiva, para despejar.
   
1 1 2 1
2A − 3  0 −1  =  0 3  − 3A ⇐⇒
−2 0 1 1
   
3 3 2 1
2A −  0 −3  =  0 3  − 3A ⇐⇒
−6 0 1 1

  
2 1 3 3
2A + 3A =  0 3  +  0 −3  ⇐⇒
1 1 −6 0
 
5 4
(2 + 3) A =  0 0  ⇐⇒
−5 1
 
5 4
1 1
5 · 5A = 5 0 0  ⇐⇒
−5 1

1 54
 

A =  0 0 .
−1 15

1 54
 

Respuesta: La ecuación tiene una única solución A =  0 0 .

−1 15

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 1

Álgebra 27 (Ciencias Exactas) SISTEMAS LINEALES Y MATRICES

Ejemplo 2: Hallar todas las matrices X ∈ R2×2 tales que

1 0 1 0
·X = X· .
−2 1 −2 1

a b
Solución. Ya que el enunciado establece que X ∈ R2×2 , proponemos X = y calcu-
c d
lamos los productos

1 0 1 0 a b a b
·X = · =
−2 1 −2 1 c d −2a + c −2b + d

1 0 a b 1 0 a − 2b b
X· = · = .
−2 1 c d −2 1 c − 2d d

Para que estos productos coincidan, debe ser

a b a − 2b b
= ,
−2a + c −2b + d c − 2d d

y entonces las matrices deben coincidir lugar a lugar:



 a = a − 2b lugar 11
b = b lugar 12

.

 −2a + c = c − 2d lugar 21
d = −2b + d lugar 22


Este es un sistema lineal con incógnitas a, b, c, d. Agrupando estas incógnitas en el miembro de

la izquierda, resulta ser un sistema homogéneo:


 2b = 0
0 = 0

.

 −2a + 2d = 0
2b = 0


Podemos ver (aún sin escalonar) que se trata de un sistema con infinitas soluciones, equivalente
al que sigue: 
 a=d
−2a + 2d = 0
⇒ b=0 .
2b = 0
c, d ∈ R


A pesar de haber hallado estos valores mediante la resolución de un sistema, no tendrı́a sentido
escribir la solución como una 4-upla dado que la incógnita X es una matriz. Damos la forma
paramétrica de la solución recordando que a, b, c, d eran los coeficientes de X. Escribimos

a b d 0 0 0 1 0
X= = =c +d , c, d ∈ R
c d c d 1 0 0 1

para describir todas las soluciones de la ecuación.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 2

Álgebra 27 (Ciencias Exactas) SISTEMAS LINEALES Y MATRICES

0 0 1 0
Respuesta: La ecuación tiene infinitas soluciones, X = c +d , con c, d ∈ R.
1 0 0 1

Ejemplo 3. Resolver la ecuación

   
1 2 0 −1 2
 2 1 1 3 X =  7 .
0 −3 1 5 3

Solución. El primer paso es determinar qué tamaño tiene X para que la igualdad tenga sen-
tido:    
1 2 0 −1 2
 2 1 1 3  X =  7 
.
0 −3 1 5 3
3×4 m×n 3×1

Vemos que m, la cantidad de filas de X, queda determinada para poder calcular el producto y
debe ser igual a 4. Obtenemos en el miembro izquierdo de la igualdad una matriz de 3 × n que
solo puede ser igual al miembro de la derecha si n, la cantidad de columnas de X, es 1. Es decir,
X es una matriz columna (de 4 × 1). Proponemos
 
x1  
 x2  1 2 0 −1
X= 
 x3  y calculamos  2 1 1 3  · X
0 −3 1 5
x4
 
  x1  
1 2 0 −1 x 1 + 2x 2 − x 4
 2 1 1 3   x2  = 2x1 + x2 + x3 + 3x4  .
 
 x3 
0 −3 1 5 −3x2 + x3 + 5x4
x4
Estamos buscando x1 , x2 , x3 , x4 ∈ R que cumplan
   
x1 + 2x2 − x4 2
2x1 + x2 + x3 + 3x4  =  7  .
−3x2 + x3 + 5x4 3

Al igualar estas matrices tenemos que x1 , x2 , x3 , x4 deben ser soluciones del sistema

 x1 + 2x2 − x4 = 2
2x1 + x2 + x3 + 3x4 = 7 .
− 3x2 + x3 + 5x4 = 3


Para resolverlo, pasamos a su matriz ampliada para luego escalonar

2 0 −1 2
 
1
2 1 1 3 7.
0 −3 1 5 3

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 3

Álgebra 27 (Ciencias Exactas) SISTEMAS LINEALES Y MATRICES

Si nos tomamos un momento para releer la ecuación que queremos resolver, vemos que tiene
la forma A · X = b y que para hallar X vamos a escalonar la matriz ampliada ( A|b). Es decir, si
b es una matriz columna entonces

A · X = b se resuelve escalonando la matriz ( A|b).

Hagámoslo para este caso:

1 2 0 −1 2 1 2 0 −1 2 1 2 0 −1 2
     
2 1 1 3 7 F2 −2F → F2 0 −3 1 5 3 F3 − F2 → F3
0 −3 1 5 3 .
1
0 −3 1 5 3 0 −3 1 5 3 0 0 0 0 0

Hemos terminado de escalonar; ahora reconstruimos el sistema para despejar:

x1 + 2x2 − x4 = 2
− 3x2 + x3 + 5x4 = 3

x1 + 2x2 − x4 = 2
⇐⇒
x2 = −1 + 31 x3 + 53 x4
.
x1 + 2(−1 + 13 x3 + 53 x4 ) − x4 = 2

⇐⇒
x2 = −1 + 13 x3 + 35 x4

= 4 − 23 x3 − 37 x4

x1
⇐⇒
x2 = −1 + 13 x3 + 53 x4

Para expresar la solución recordamos que la incógnita X era una matriz columna:

4 − 23 x3 − 37 x4
 2  7
−3
   
4 −3
 −1 + 1 x3 + 5 x4   −1  1   5 
X= 3 3  =   3   3 
  0  + x3  1  + x4  0  ,
 x3 , x4 ∈ R.
 x3
x4 0 0 1

 2  7
−3

4 −3
 −1  1   5 
 0  + s  1  + t  0 , s, t ∈ R.
Respuesta: Tenemos infinitas soluciones, X =    3   3 

0 0 1

Ejemplo 4. Hallar todas las matrices X ∈ R2×2 que satisfacen

3 4 1 3 −2 1
·X = ·X+ .
0 2 2 3 2 1

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 4

Álgebra 27 (Ciencias Exactas) SISTEMAS LINEALES Y MATRICES

x1 y1
Solución. Proponemos X = . Antes de reemplazar manipulamos la ecuación tra-
x2 y2
tando de que la incógnita X aparezca en un solo miembro de la igualdad (como harı́amos en
una ecuación de números reales):

3 4 1 3 −2 1
·X− ·X = ⇐⇒
0 2 2 3 2 1

3 4 1 3 −2 1
(prop. del producto de matrices) − ·X = ⇐⇒
0 2 2 3 2 1

2 1 −2 1
·X = .
−2 −1 2 1

x1 y1
Ahora sı́, escribimos X = y entonces debe valer
x2 y2

2 1 x1 y1 2x1 + x2 2y1 + y2 −2 1
· = = .
−2 −1 x2 y2 −2x1 − x2 −2y1 − y2 2 1

Nuevamente esta igualdad de matrices conduce a un sistema (de incógitas x1 , x2 , y1 , y2 )



 2x1 + x2 = −2
2y1 + y2 = 1

.

 −2x1 − x2 = 2
− 2y1 − y2 = 1


Vemos que las variables x1 , x2 (que corresponden a la primera columna de X) aparecen ”separa-
das”de las variables y1 , y2 (que corresponden a la segunda columna de X). Podemos aprovechar
esta caracterı́stica para considerar dos sistemas independientes

2x1 + x2 = −2 2y1 + y2 = 1
Sx : , Sy : .
−2x1 − x2 = 2 −2y1 − y2 = 1

Pasamos a las matrices ampliadas asociadas y vemos que

2 1 −2 2 1 1
Sx → , Sy → .
−2 −1 2 −2 −1 1

Al estar asociadas a la misma matriz podemos resolver simultáneamente:

2 1 −2 1
.
−2 −1 2 1

2 1 −2 1
Notar que para resolver la ecuación X= tenemos que escalonar la matriz
−2 −1 2 1

2 1 −2 1
. En en el caso general
−2 −1 2 1

A · X = B se resuelve escalonando ( A| B).

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 5

Álgebra 27 (Ciencias Exactas) SISTEMAS LINEALES Y MATRICES

Volviendo a la resolución, escalonamos:

2 1 −2 1 2 1 −2 1
F2 + F1 → F2 .
−2 −1 2 1 0 0 0 2

Recordemos que despejamos cada columna de la solución X según la columna correspondiente

que amplı́a el sistema,

2 1 −2 2 1 1
S0x → , Sy0 → .
0 0 0 0 0 2

El sistema S0x tiene infinitas soluciones (es decir, hay infinitas posibilidades para la primera
columna de X), pero el sistema Sy0 es incompatible (no existe segunda columna para X). Con-
cluimos que:
Respuesta: La ecuación no tiene solución.

Inversa de una matriz

En esta sección trabajaremos únicamente con matrices cuadradas. Hemos mencionado que la
matriz identidad In es el elemento neutro del producto en Rn×n . Ahora queremos averiguar si
una matriz A ∈ Rn×n tiene inversa, es decir, si existe una matriz B ∈ Rn×n que cumpla

B · A = A · B = In .

En caso afirmativo, en lugar de B escribimos A−1 para notar a la inversa de A, y decimos que A
es inversible. Para ver si existe y, en caso afirmativo hallarla, planteamos la ecuación A · X = In
y buscamos resolverla.

3 1
Ejemplo 1. Hallar, si existe, la inversa de la matriz A = .
2 0

Solución. Planteamos

3 1 1 0
A · X = I2 ⇐⇒ ·X = .
2 0 0 1

Según lo estudiado en la sección anterior hallamos (las columnas de) X escalonando la matriz
ampliada:

3 1 1 0 3 1 1 0 6 0 0 3
3F2 − 2F1 → F2 2F1 + F2 → F1
2 0 0 1 0 −2 −2 3 0 −2 −2 3

procurando llegar al 1 principal en cada fila:

1
 
1
6 F1 → F1
 1 0 0 2 

6 0 0 3
.
0 −2 −2 3
 3 
− 12 F2 → F2 0 1 1 −
2

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 6

Álgebra 27 (Ciencias Exactas) SISTEMAS LINEALES Y MATRICES

0
La ecuación tiene (una única) solución. La solución X ∈ R2×2 tiene primera columna y
1
1
 

segunda columna  2 . Verificamos que esta matriz X también cumple que X · A = I2 y, por
 
3
−
2
lo tanto, es la inversa de A. Concluimos que:

1
 
0
Respuesta: La matriz A es inversible y A−1 =
 2  .
3 
1 −
2

Observación. Se puede demostrar (aunque no lo haremos) que, para una matriz A ∈ Rn×n ,
si existe una solución de A · X = In , la matriz solución tambien es solución de X · A = In , es
decir, es la inversa de A. En este caso A resulta equivalente a In y su inversa puede hallarse
escalonando

( A | In ) (In | A−1 ).


−1 −1 1
Ejemplo 2. Mostrar que la matriz A =  1 3 9 no es inversible.
1 2 4

Solución. Planteamos la ecuación A · X = I3 y escalonamos la matriz ampliada ( A|I3 ) hasta

reducir,
   
−1 −1 1 1 0 0 −1 −1 1 1 0 0
 1 3 9 0 1 0  F2 + F1 → F2  0 2 10 1 1 0 
1 2 4 0 0 1 F3 + F1 → F3 0 1 5 1 0 1
 
−1 −1 1 1 0 0
2F3 − F2 → F3  0 2 10 1 1 0  .
0 0 0 1 −1 2
Para hallar cada columna de la solución X debemos estudiar las matrices ampliadas
     
−1 −1 1 1 −1 −1 1 0 −1 −1 1 0
 0 2 10 1   0 2 10 1   0 2 10 0 
0 0 0 1 0 0 0 −1 0 0 0 2

que corresponden a sistemas incompatibles. No es posible hallar X: esto implica que A no es

inversible.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 7

Álgebra 27 (Ciencias Exactas) SISTEMAS LINEALES Y MATRICES

Rango de una matriz

El rango de una matriz M, que notamos rg( M), es la cantidad de filas no nulas de una matriz
escalonada a la que es equivalente M. Recordemos que dos matrices son equivalentes si se
puede llegar de una a la otra aplicando las operaciones entre filas con las que hemos trabajado.
Para las matrices de los Ejemplos 1 y 2 de la sección anterior:

3 1 3 1 1 0
rg = 2, ya que es equivalente a
2 0 2 0 0 1
     
−1 −1 1 −1 −1 1 −1 −1 1
rg  1 3 9  = 2, ya que  1 3 9  es equivalente a  0 2 10 .
1 2 4 1 2 4 0 0 0

 
1 4 1 0
2 2 2 0
Ejemplo 3. Hallar la matriz inversa de C = 
0
 y verificar que rg(C ) = 4.
2 2 0
0 0 0 1

Solución. Escalonamos la matriz ampliada

   
1 4 1 0 1 0 0 0 1 4 1 0 1 0 0 0
 2 2 2 0 0 1 0 0   0 −6 0 0 −2 1 0 0 
 0 2 2 0 0 0 1 0  F2 −2F1 → F2  0
   
2 2 0 0 0 1 0 
0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1
 
1 4 1 0 1 0 0 0
 0 −6 0 0 −2 1 0 0 
3F3 + F2 → F3 
 .
0 0 6 0 −2 1 3 0 
0 0 0 1 0 0 0 1
Vemos que la matriz está escalonada y podemos afirmar que rg(C ) = 4. Para reducir, ahora
vamos a conseguir ceros arriba de los lugares principales:
   
1 4 1 0 1 0 0 0 6 0 6 0 −2 4 0 0
 0 −6 0 0 −2 1 0 0   0 −6 0 0 −2 1 0 0 
0 6 0 −2 1 3 0  6F1 +4F2 → F1  0
   
 0 0 6 0 −2 1 3 0 
0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1
 
6 0 0 0 0 3 −3 0
 0 −6 0 0 −2 1 0 0 
F1 − F3 → F1 
 
0 0 6 0 −2 1 3 0 
0 0 0 1 0 0 0 1
1 1
 
1 0 0 0 0 − 0
1 2 2
6 F1 → F1
 
 1 1 
− 61 F2 → F2  0 1 0 0

− 0 0 

 3 6 .
1
F
6 3 → F3

 0 0 1 0 − 1 1 1 
0 
 3 6 2 
0 0 0 1 0 0 0 1

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 8

Álgebra 27 (Ciencias Exactas) SISTEMAS LINEALES Y MATRICES

Hemos calculado
1 1
 
0 − 0
 2 2 
 1 1 

− 0 0 

C −1 = 3 6 .

 1 1 1 
 − 0 
 3 6 2 
0 0 0 1

Podemos ver en los ejemplos que una matriz M ∈ Rn×n es inversible si y solo si rg( M) = n.
Observamos que si M es inversible, la ecuación M · x = b tiene una única solución. Despeja-
mos dicha solución multiplicando ambos miembros de la ecuación por la inversa de M (por
izquierda),
M·x = b
M −1 · M · x = M −1 · b
In · x = M −1 · b
x = M −1 · b .
A su vez, si para una matriz cuadrada M, cada sistema M · x = b tiene (única) solución, enton-
ces M resulta inversible.
Resumimos las propiedades de las matrices cuadradas respecto de su inversa:

Propiedad.

Si M ∈ Rn×n , son equivalentes:

M es inversible.

M · x = b es un sistema compatible determinado.

M · x = 0 tiene única solución trivial.

M es equivalente a In .

El rango de M es n.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 9

Álgebra 27 (Ciencias Exactas) SISTEMAS LINEALES Y MATRICES

Sistemas lineales asociados a una matriz A

Dada una matriz A ∈ Rm×n y b ∈ Rm×1 , considerar la ecuación A · X = b es equivalente a
considerar el sistema asociado a la matriz ampliada ( A|b), un sistema de m ecuaciones en n
incógnitas. Identificamos las soluciones de la ecuación, que son matrices columna de Rn×1 y
las soluciones del sistema, que son n-uplas.
Usando la notación matricial para sistemas lineales, vamos a deducir algunas propiedades que
relacionan soluciones de A · X = b con soluciones del sistema homogéneo asociado A · X = 0.

   
1 2
Ejemplo 1. Sean A ∈ R2×3 y b ∈ R2×1 , b 6= 0. Se sabe que  −1  y  0  son
1 −1
 
0
soluciones de A · X = b, y que 2 es solución de A · X = 0. Verificar que:
1
   
0 0
(a) 6 = 3 2 es solución de A · X = 0,
3 1
     
−1 1 2
(b)  −1  =  −1  −  0  es solución de A · X = 0,
2 1 −1
     
1 1 0
(c)  1  =  −1  +  2  es solución de A · X = b,
2 1 1
     
−1 0 −1
(d)  5  =  6  +  −1  es solución de A · X = 0.
5 3 2

Solución. En cada caso, para ver que la matriz columna dada es una solución de la ecuación,
reemplazamos X por dicha matriz y vemos que se cumple la igualdad.
       
0 0 0 0
(a) A · 6 = A · 3 2 = 3. A · 2 = 3 · 0 = 0 ⇒ 6 es solución de A · X = 0.
3 1 1 3
 
0
Observar que en la penúltima igualdad usamos que 2 es solución de A · X = 0.
1
De la misma manera se puede deducir que:

Los múltiplos de una solución de un sistema homogéneo A · X = 0 son también solu-

ciones del sistema homogéneo.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 1

Álgebra 27 (Ciencias Exactas) SISTEMAS LINEALES Y MATRICES

         
−1 1 2 1 2
(b) A ·  −1  = A ·  −1  −  0  = A ·  −1  − A ·  0  = b − b = 0
2 1 −1 1 −1
 
−1
⇒  −1  es solución de A · X = 0.
2
   
1 2
Observar que usamos que  −1  y  0  son dos soluciones de A · X = b.
1 −1
En forma similar a lo hecho en este ejemplo, se puede verificar que:

La diferencia entre dos soluciones de un sistema A · X = b es una solución del sistema

homogéneo asociado A · X = 0.

         
1 1 0 1 0
(c) A ·  1  = A·   −1  +  2   = A·  −1  +A·  2  = b + 0 = b.
2 1 1 1 1
 
1
⇒  1  es solución de A · X = b.
2
   
1 0
En este caso usamos que  −1  es solución de A · X = b y  2  es solución de
1 1
A · X = 0.
De la misma manera se puede mostrar, en general, que:

Al sumar una solución del sistema A · X = b con una del sistema homogéneo asociado
A · X = 0 se obtiene una solución de A · X = b.

         
−1 0 −1 0 −1
(d) A ·  5  = A ·  6  +  −1  = A ·  6  + A ·  −1  = 0 + 0 = 0
5 3 2 3 2
 
−1
⇒  5  es solución de A · X = 0.
5
   
0 −1
En esta verificación usamos que  6  y  −1  son soluciones de A · X = 0 (lo sabe-
3 2
mos por los incisos (a) y (c) respectivamente).
Con una verificación similar, se puede probar que:

La suma de dos soluciones de un sistema homogéneo A · X = 0 es una solución del

mismo sistema homogéneo.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 2

Álgebra 27 (Ciencias Exactas) SISTEMAS LINEALES Y MATRICES

Sea A ∈ Rm×n . Para cada b ∈ Rm×1 , anotamos como Sb al conjunto de las soluciones del sistema
A · X = b; en particular, escribimos S0 para el conjunto de soluciones del sistema homogéneo
asociado a A. Resumimos las relaciones entre los elementos de estos conjuntos vistas a partir
del ejemplo:

(I) v ∈ S0 , λ ∈ R ⇒ λ · v ∈ S0

(II) v, w ∈ S0 ⇒ v + w ∈ S0

(III) v, w ∈ Sb ⇒ v − w ∈ S0

(IV) v ∈ Sb , w ∈ S0 ⇒ v + w ∈ Sb

De estas propiedades se deduce que si v es una solución particular de A · X = b, entonces:

S b = S0 + v = { h + v | h ∈ S0 }

es decir, que todas las soluciones del sistema A · X = b son las soluciones del sistema ho-
mogéneo asociado sumadas con una solución particular.
Resolvamos algunos ejercicios para familiarizarnos con estas propiedades.

   
1 0
Ejemplo 2. Sean A ∈ R3×3 3 × 1
y b ∈ R . Si 0 y 2 son soluciones de A · X = b,
  
0 1
hallar:

(a) Tres soluciones del sistema homogéneo asociado a A.

(b) Tres soluciones, distintas de las dadas, del sistema A · X = b.

Solución.
(a) Por la propiedad (III), la resta de dos soluciones del sistema A · X = b será solución del
sistema homogéneo asociado A · X = 0:
     
1 0 1
h 1 =  0  −  2  =  − 2  ∈ S0 .
0 1 −1
Según la propiedad (I), cualquier múltiplo de h1 será otra solución del sistema homogéneo.
Proponemos    
1 2
h 2 = 2 · h 1 = 2 ·  − 2  =  − 4  ∈ S0
−1 −2
   
1 −4
h3 = (−4) · h1 = (−4) ·  −2  =  8  ∈ S0 .
−1 4

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 3

Álgebra 27 (Ciencias Exactas) SISTEMAS LINEALES Y MATRICES

Más aún, podemos hallar infinitas soluciones del sistema A · X = 0:

 
1
h = λ ·  − 2  , λ ∈ R.
−1

(b) Por la propiedad (IV), para obtener una solución de A · X = b podemos sumar una so-
lución
 de  ese sistema con una solución del sistema homogéneo A · X = 0. Considerando
1
v = 0 ∈ Sb y las soluciones h1 , h2 , h3 del inciso (a), proponemos:
0
     
1 1 2
u1 = v + h1 = 0 +  −2  =  −2  ∈ Sb
0 −1 −1
     
1 2 3
u2 = v + h2 = 0 +  −4  =  −4  ∈ Sb
0 −2 −2
     
1 −4 −3
u3 = v + h3 = 0 +  8  =  8  ∈ Sb
0 4 4
De hecho, a partir de las infinitas soluciones de A · X = 0 que hallamos en el inciso
anterior, podemos exhibir infinitas soluciones del sistema A · X = b:
   
1 1
u = v + h =  0  + λ ·  − 2  , λ ∈ R.
0 −1

Como en el ejemplo anterior, a partir de dos soluciones distintas v y w del sistema A · X = b,

podemos dar infinitas soluciones:

X = v + λ · ( v − w ) ∈ Sb ∀ λ ∈ R.

Algunas veces se hace referencia a este conjunto como una recta de soluciones del sistema A · X =
b aunque X no sea de R2 ni de R3 (porque su expresión recuerda la ecuación paramétrica de la
recta que pasa por v y w).

Ejemplo 3. Sea A ∈ R3×3 . Se sabe que (1, 1, −4) es solución del sistema 2AX = b y
(0, 1, 4) es solución del sistema AX = −b. Hallar una recta de soluciones del sistema
AX = b y, si es posible, alguna solución con última coordenada nula.

Solución. Como vimos, podemos formar una recta de soluciones del sistema AX = b si cono-
cemos dos soluciones distintas de dicho sistema. En este ejercicio las soluciones que conocemos

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 4

Álgebra 27 (Ciencias Exactas) SISTEMAS LINEALES Y MATRICES

no son soluciones del sistema AX = b. Sin embargo podremos trabajar a partir de la informa-
ción dada:
 
1
(1, 1, −4) es solución del sistema 2AX = b ⇐⇒ 2A ·  1  = b
−4
 
0
(0, 1, 4) es solución del sistema AX = −b ⇐⇒ A ·  1  = −b
4
En la primera identidad podemos reescribir el producto 2A.X = A.2X y obtener
     
1 1 2
2A ·  1  = A · 2 ·  1  = A ·  2  = b ⇒ v = (2, 2, −8) ∈ Sb .
−4 −4 −8
En la segunda identidad podemos multiplicar ambos miembros por −1 y obtener
   
0 0
(−1) A ·  1  = (−1) · (−b) ⇒ A ·  −1  = b ⇒ w = (0, −1, −4) ∈ Sb .
4 −4
Podemos afirmar que la recta que pasa por v y w está contenida en el conjunto solución Sb :
λ[(2, 2, −8) − (0, −1, −4)] + (2, 2, −8) = λ(2, 3, −4) + (2, 2, −8), λ ∈ R.
Buscamos entre estas soluciones un valor del parámetro λ de modo que la coordenada x3 re-
sulte ser nula:
x3 = 0 ⇐⇒ −4λ − 8 = 0 ⇐⇒ λ = −2.
Luego,
X = (−2)(2, 3, −4) + (2, 2, −8) = (−2, −4, 0)
es una solución del sistema con última coordenada nula.

Respuesta: λ(2, 3, −4) + (2, 2, −8), con λ ∈ R, es una recta de soluciones del sistema y
(−2, −4, 0) es una solución con última coordenada nula.

Ejemplo 4. Sean A ∈ R2×4 y b, c ∈ R2×1 tales que

    
1 0 0
 2   1
 son soluciones de AX = b y  0  es solución de AX = c.
  
  y 
 0   1   2 
1 0 3

Hallar tres soluciones del sistema AX = b + 2c.

Solución. Comencemos hallando una solución de AX = b + 2c. Para esto, observamos que si
   
1 0
 2   0 
A· 0  = b y A ·  2  = c,
  

1 3

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 5

Álgebra 27 (Ciencias Exactas) SISTEMAS LINEALES Y MATRICES

entonces    
1 0
 2   0 
 0 +2A·
A·    = b + 2c.
2 
1 3
Como          
1 0 1 0 1
 2  0  2  0  = A ·  2  ,
      
A· +2A·
 0 
 = A ·  +2
 2   0   2   4 
1 3 1 3 7
deducimos que  
1
 2 
A·
 4  = b + 2c,


7
es decir, que (1, 2, 4, 7) es una solución del sistema AX = b + 2c.
Podemos obtener otra solución de AX = b + 2c repitiendo este procedimiento con la otra
solución que conocemos de AX = b. Pero necesitamos hallar tres soluciones.
Otra forma de construir más soluciones de AX = b + 2c es hallando soluciones del sistema
homogéneo asociado a A. Para esto, restamos las dos soluciones que conocemos del sistema
AX = b y tenemos
      
1 0 1 1
 2   1   1   1 
 −
  − 1  ∈ S0 ⇒  −1  ∈ S0 ∀λ ∈ R.
λ·
=  
 0   1
1 0 1 1

Concluimos que X = λ(1, 1, −1, −1) + (1, 2, 4, 7) ∈ Sb+2c para todo λ ∈ R. Entonces, consegui-
mos tres soluciones del sistema asignándole distintos valores a λ. Por ejemplo,

λ = 0 ⇒ X = (1, 2, 4, 7) ∈ Sb+2c

λ = 1 ⇒ X = (2, 3, 3, 6) ∈ Sb+2c

λ = −2 ⇒ X = (−1, 0, 6, 9) ∈ Sb+2c

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 6

Álgebra 27 (Ciencias Exactas) SISTEMAS LINEALES Y MATRICES

Sistemas con parámetros

Llamamos sistemas con parámetros a aquellos sistemas donde algunos de los coeficientes depen-
den de uno o más parámetros. Por ejemplo,

 x1 − x2 + x3 = 5
S: 2
( k − 1) x2 + 3x3 = 3 .
( k − 2) x3 = −3


es un sistema con un parámetro k ∈ R.

Usamos esta expresión para describir muchos sistemas, uno para cada valor de k ∈ R. Por
ejemplo para k = 0, el sistema es

 x1 − x2 + x3 = 5
− x2 3x3 = 3
− 2x3 = −3


y, para k = −2, resulta 

 x1 − x2 + x3 = 5
3x2 + 3x3 = 3 .
− 4x3 = −3


Cada uno de estos sistemas tiene su correspondiente conjunto solución. Buscamos clasificar es-
tos sistemas, para cada valor del parámetro k, respecto de sus conjuntos solución como: sistema
incompatible, sistema compatible indeterminado o sistema compatible determinado.
Tendremos como herramienta primordial el Teorema de Rouché-Frobenius y sus consecuen-
cias:

Teorema
El sistema lineal de matriz ampliada ( A|b) es compatible si y solo si el rango de ( A|b) es igual
al rango de A. Además, el sistema es compatible determinado si y sólo si los rangos de
( A|b) y de A son ambos iguales a la cantidad de incógnitas (que coincide con la cantidad
de columnas de A).

Podemos visualizar las posibilidades en el siguiente diagrama:

A ∈ Rm × n , b ∈ Rm ×1

rg( A) = rg( A|b) rg( A) 6= rg( A|b)

Ax = b
rg( A) = n rg( A) < n incompatible
S.I.
Ax = b Ax = b
compatible determinado compatible indeterminado
S.C.D S.C.I

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 1

Álgebra 27 (Ciencias Exactas) SISTEMAS LINEALES Y MATRICES

Veamos algunos ejemplos.

Ejemplo 1. Clasificar el sistema para cada valor de k ∈ R:


 x1 − x2 + x3 = 5
S: 2
( k − 1) x2 + 3x3 = 3 .
( k − 2) x3 = −3


Solución. Para cada valor de k, debemos estudiar rg( A) y rg( A|b), es decir debemos esca-
lonar estas matrices para determinar la cantidad de filas no nulas en una matriz escalonada
equivalente. Trabajamos sobre el ejemplo, pasando a la matriz ampliada ( A|b)
 
1 −1 1 5
 0 k2 − 1 3 3 .
 

0 0 k − 2 −3

Esta matriz parece estar escalonada; sin embargo, esto no es cierto para algunos valores de k.
Solo podemos afirmar que si k2 − 1 6= 0 y k − 2 6= 0, la matriz está escalonada y rg( A) =
rg( A|b) = 3. Entonces, el sistema

 x1 − x2 + x3 = 5
( k 2 − 1) x2 + 3x3 = 3
( k − 2) x3 = −3


es compatible determinado si k2 − 1 6= 0 y k − 2 6= 0.

Falta analizar rg( A) y rg( A|b) para los casos en que k2 − 1 = 0 ó k − 2 = 0.

k = −1
   
1 −1 1 5 1 −1 1 5
( A|b) =  0 0 3 3  no está escalonada  0 0 3 3  está escalonada.
F3 + F2 → F3
0 0 −3 −3 0 0 0 0

Como rg( A) = rg( A|b) = 2, se trata de un sistema compatible indeterminado.

k=1
   
1 −1 1 5 1 −1 1 5
( A|b) =  0 0 3 3  no está escalonada.  0 0 3 3  está escalonada.
3F3 + F2 → F3
0 0 −1 −3 0 0 0 −6

Podemos afirmar que rg( A) = 2 y rg( A|b) = 3, luego se trata de un sistema incompatible.
k=2  
1 −1 1 5
( A|b) =  0 3 3 3  está escalonada,
0 0 0 −3
entonces rg( A) = 2 y rg( A|b) = 3. El sistema es incompatible.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 2

Álgebra 27 (Ciencias Exactas) SISTEMAS LINEALES Y MATRICES

Hemos clasisficado este sistema para cada posible valor del parámetro k, según sus posibles
conjuntos solución.

Respuesta:

compatible determinado ∀k ∈ R − {−1, 1, 2}.

%
S es un sistema → incompatible si k = 1 ó k = 2.
&
compatible indeterminado si k = −1.

Ejemplo 2. Clasificar, para cada valor de a ∈ R, el sistema asociado a la matriz ampliada

 
1 1 −1 1 2
 −3 −2 1 a −5 
 ,
 6 5 −3 5 10 
a 0 a −(3a + 2) −1

y resolverlo para aquellos valores de a ∈ R para los que resulte ser un sistema compatible
indeterminado.

Solución. Para clasificar el sistema debemos hallar el rango de la matriz ampliada (en fun-
ción del parámetro a). Tendremos que escalonar la matriz. Recordamos que las operaciones
permitidas para obtener una matriz equivalente en las filas son

(1) Fi ↔ Fj

(2) Fi + αFj → Fi ∀α ∈ R

(3) βFi → Fi si β 6= 0

Al escalonar procuramos usar la propiedad (2) antes que la propiedad (3) ya que esta última
tiene la restricción β 6= 0 (hay que tener cuidado de no multiplicar una fila por cero). Comen-
zamos
   
1 1 −1 1 2 1 1 −1 1 2
 −3 −2 1 −5 
a  F2 + 3F1 → F2  0 1 −2 a+3 1
 
 .
 6 5 −3 5 10  F3 − 6F1 → F3  0 −1 3 −1 −2 
a 0 a −(3a + 2) −1 F4 − aF1 → F4 0 − a 2a −4a − 2 −1 − 2a

Observamos que la operación F4 − aF1 → F4 es lı́cita ya que sigue la forma de la propiedad (2).
Continuamos escalonando:
 
1 1 −1 1 2
 0 1 −2 a+3 1  F3 + F2 → F3
 
 0 −1 3 −1 −2  F4 + aF2 → F4
0 − a 2a −4a − 2 −1 − 2a

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 3

Álgebra 27 (Ciencias Exactas) SISTEMAS LINEALES Y MATRICES

1 1 −1 1 2
 
0
 1 −2 a+3 1 

0 0 1 a+2 −1 .
0 0 0 a2 − a − 2 −1 − a
z }| { z }| {
−4a−2+ a( a+3) −1−2a+ a·2

La matriz está escalonada. Como en el ejemplo anterior, analizamos primero el caso en que
a2 − a − 2 6= 0: para los valores de a que cumplen esto, rg( A) = rg( A|b) = 4.
Concluimos que ( A|b) resulta ser un sistema compatible determinado si a 6= 2, −1 (soluciones
de la ecuación a2 − a − 2 = 0).
Estudiamos los casos a = 2 y a = −1 por separado volviendo a la matriz escalonada
a=2

   
1 1 −1 1 2 1 1 −1 1 2
 0
 1 −2 a+3 1   0 1 −2 5 1
=

 ⇒ rg( A) = 3, rg( A|b) = 4.
 0 0 1 a+2 −1   0 0 1 4 −1 
0 0 0 a2 − a − 2 −1 − a 0 0 0 0 −3
Para a = 2 el sistema es incompatible.
a = −1

   
1 1 −1 1 2 1 1 −1 1 2
 0
 1 −2 a+3 1   0 1 −2 2 1
=

 ⇒ rg( A) = rg( A|b) = 3 < 4.
 0 0 1 a+2 −1   0 0 1 1 −1 
0 0 0 a2 − a − 2 −1 − a 0 0 0 0 0
Para a = −1 el sistema es compatible indeterminado. Hallamos sus soluciones despejando del
sistema escalonado 
 x1 + x2 − x3 + x4 = 2
x2 − 2x3 + 2x4 = 1 .
x3 + x4 = −1


De la tercera ecuación despejamos la variable x3 = −1 − x4 y reemplamos esta expresión en las

ecuaciones superiores

 x1 + x2 − (−1 − x4 ) + x4 = 2
x2 − 2(−1 − x4 ) + 2x4 = 1
x3 = −1 − x4


Reescribimos el sistema:

 x1 + x2 + 2x4 = 1
x2 + 4x4 = −1 .
x3 = −1 − x4


De la segunda ecuación despejamos la variable x2 = −1 − 4x4 , la reemplazamos en la primera

ecuación 
 x1 + (−1 − 4x4 ) + 2x4 = 1
x2 = −1 − 4x4 .
x3 = −1 − x4


Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 4

Álgebra 27 (Ciencias Exactas) SISTEMAS LINEALES Y MATRICES

y, finalmente, despejamos x1 en función de x4 :


 x1 = 2 + 2x4
x = −1 − 4x4 ⇒ X = (2 + 2x4 , −1 − 4x4 , −1 − x4 , x4 ).
 2
x3 = −1 − x4

Escribimos las soluciones del sistema correspondiente a a = −1 en forma paramétrica

S: X = λ(2, −4, −1, 1) + (2, −1, −1, 0), λ ∈ R.

Resumimos la clasificación del sistema para los distintos valores de a ∈ R:

Respuesta:

compatible determinado ∀ a ∈ R − {−1, 2}.

%
S es un sistema → incompatible si a = 2.
&
compatible indeterminado si a = −1.

Para el valor a = −1, para el cual es compatible indeterminado, las soluciones del sistema
son X = λ(2, −4, −1, 1) + (2, −1, −1, 0), λ ∈ R.

Ejemplo 3. Hallar todos los a y b ∈ R tales que (−3, 1, 0) es una de las infinitas soluciones
del sistema 
 −2x − ay + 2z = 4
S: − x + y − bz = 4
2y + 5z = 2


Solución. En primer lugar veamos cómo tienen que ser a y b para que (−3, 1, 0) sea solución
de este sistema, es decir, que cumpla todas las ecuaciones

 −2 · (−3) − a · 1 + 2 · 0 = 4
−(−3) + 1 − b · 0 = 4 ⇐⇒ a = 2.
2·1 + 5·0 = 2


Entonces, (−3, 1, 0) es solución para a = 2 y para cualquier valor de b. Ahora sı́, con a = 2 ana-
lizamos para qué valores de b resulta ser un sistema compatible indeterminado (con infinitas
soluciones). Lo hacemos buscando que el rango de la matriz del sistema sea menor que 3 (es
decir, que se anule alguna fila al escalonar),
  
 −2x − 2y + 2z = 4 −2 −2 2 4
S: − x + y − bz = 4 →  −1 1 −b 4 
2y + 5z = 2 0 2 5 2


 
−2 −2
 
−2 −2 2 4 2 4
2F2 − F1 → F2  0 4 −2b − 2 4  2F3 − F2 → F3  0 4 −2b − 2 4 
 
0 2 5 2 0 0 12 + 2b 0

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 5

Álgebra 27 (Ciencias Exactas) SISTEMAS LINEALES Y MATRICES

Para que el rango de ( A|b) sea igual al de A y menor que 3, la única posibilidad es que la tercera
fila sea nula; esto solo ocurre si b = −6.
Por lo tanto,
Respuesta: (−3, 1, 0) es una de las infinitas soluciones del sistema si y solo si a = 2 y b = −6.

Ejemplo 4. Clasificar el sistema para cada c ∈ R:

   
c −1 1 1 1
 0 c2 − 1 c + 1 −1  X = 0 .
c c2 − 1 1 0 2

Solución. Pasamos a la matriz ampliada para estudiar su rango

   
c −1 1 1 1 c −1 1 1 1
 0 c2 − 1 c + 1 −1 0  F3 − F1 → F3  0 c2 − 1 c + 1 −1 0  .
c c2 − 1 1 0 2 0 c2 0 −1 1

Para seguir escalonando, si c2 − 1 6= 0, podrı́amos hacer

(c2 − 1) F3 − c2 F2 → F3

y conseguir un 0 en el lugar 32 de la matriz. Observemos que ésta es una combinación de la

operación (3) con β = c2 − 1 (para aplicarla es necesario que c2 − 1 6= 0) y la operación (2) con
α = −c2 . Si procedemos de este modo, tendrı́amos que analizar, separadamente, los valores de
c tales que c2 − 1 = 0, para los cuales la operación anterior no es válida.
Mostramos una alternativa que, si bien en el primer paso no logra escalonar la matriz, en el
segundo sı́. Procuramos que el parámetro no aparezca en el lugar principal de la segunda fila
   
c −1 1 1 1 c −1 1 1 1
 0 c2 − 1 c + 1 −1 0  F2 − F3 → F2  0 −1 c + 1 0 −1  ,
0 c2 0 −1 1 0 c2 0 −1 1

y ahora sı́ operamos usando la propiedad (2) para escalonar

 
c −1 1 1 1
F3 + c2 F2 → F3  0 −1 c+1 0 −1  .

0 0 3
c +c 2 −1 1 − c 2

Podemos asegurar que la matriz está escalonada si c 6= 0 y c3 + c2 6= 0. Para estos valores de c

tenemos que rg( A) = rg( A|b) = 3 y ası́ el sistema resulta compatible indeterminado.
Los valores que nos resta analizar por separado son c = 0 y c = −1 (las soluciones de c = 0 y
de c3 + c2 = 0).
c = −1
 
−1 −1 1 1 1
 0 −1 0 0 −1  está escalonada ⇒ rg( A) = rg( A|b) = 3.
0 0 0 −1 0

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 6

Álgebra 27 (Ciencias Exactas) SISTEMAS LINEALES Y MATRICES

Entonces, para c = −1 el sistema es compatible indeterminado.

c=0
   
0 −1 1 1 1 0 −1 1 1 1
 0 −1 1 0 −1  no está escalonada  0 0 0 −1 −2 
F2 − F1 → F2
0 0 0 −1 1 0 0 0 −1 1
 
0 −1 1 1 1
F3 − F2 → F3  0 0 0 −1 −2 .
0 0 0 0 3
Para c = 0 resulta rg( A) = 2 y rg( A|b) = 3; luego, el sistema es incompatible.

Resumimos la clasificación completa del sistema:

Respuesta:

compatible indeterminado ∀c ∈ R − {0}.

%
S es un sistema
&
incompatible si c = 0.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 7

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Espacios vectoriales
Un espacio vectorial es un conjunto con una operación suma y un producto por escalares que
cumplen una serie de propiedades (para más detalles, ver el Apéndice al final).
Las propiedades de la suma y el producto por un escalar definidos en R2 , R3 y, en general,
Rn hacen que estos conjuntos sean ejemplos de espacios vectoriales reales. También lo son los
conjuntos de matrices Rm×n con la suma y producto por escalares.
En estas notas, cuando nos referimos a un espacio vectorial (en adelante abreviado e.v.) nos
referimos a un espacio vectorial real, es decir, a que los escalares están en R. A los elementos
de un espacio vectorial los denominamos vectores.

Subespacios
Dentro de un espacio vectorial V, nos interesará trabajar con ciertos subconjuntos que cumplen
propiedades especiales, relacionadas a la operación de suma y al producto por escalares en V.

Definición
Un subconjunto W de un espacio vectorial V es un subespacio de V si se cumplen:

1) El vector nulo O de V pertenece a W.

2) Si u y v son elementos de W, entonces su suma u + v pertenece a W.

3) Si v es un elemento de W y c es un número real, entonces el producto cv pertenece

a W.

Algunos casos especiales:

El conjunto vacı́o no es un subespacio: no verifica 1).

El conjunto W = {O} es un subespacio de cualquier e.v. V.

1) O ∈ W.
2) Si u y v son elementos de W, la única posibilidad es u = O y v = O, entonces su
suma u + v = O + O = O pertenece a W.
3) Si v es un elemento de W, la única posibilidad es v = O y, si c ∈ R, el producto
cv = c O = O pertenece a W.

El conjunto V es un subespacio de V.

Ejemplo 1. Determinar cuáles de los siguientes conjuntos son subespacios de R2 .

a) W = {x ∈ R2 /x1 − x2 = 2}

b) W = {x ∈ R2 /x1 − x2 = 0}

c) W = {x ∈ R2 /x1 − x2 ≥ 0}

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 1

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Solución: Veamos en cada caso si se verifican las condiciones 1), 2) y 3) de la definición de

subespacio.

a) 1) Si x = O = (0, 0) la condición 0 − 0 = 2 no se verifica.

Como no se cumple una de las condiciones para ser subespacio:
Respuesta: El conjunto W no es un subespacio de R2 .

b) 1) 0 − 0 = 0 =⇒ O ∈ W.
2) Si u = (2, 2) y v = (−3, −3), que pertenecen a W porque 2 − 2 = 0 y −3 − (−3) = 0,
vemos que u + v = (−1, −1) también pertenece a W, dado que −1 − (−1) = 0.
Esto no es suficiente para asegurar la validez de la propiedad: la condición 2) debe
cumplirse para todos los vectores u y v de W.
Si u = (u1 , u2 ) y v = (v1 , v2 ) pertenecen a W entonces verifican u1 − u2 = 0 y
v1 − v2 = 0. Tenemos que ver si se cumple que u + v = (u1 + v1 , u2 + v2 ) ∈ W, es
decir, si se verifica que (u1 + v1 ) − (u2 + v2 ) = 0.
Usando propiedades de las operaciones de números podemos reordenar la cuenta
( u1 + v1 ) − ( u2 + v2 ) = u1 + v1 − u2 − v2 = ( u1 − u2 ) + ( v1 − v2 ).
Si u, v ∈ W, como dijimos antes, las expresiones en los dos últimos paréntesis valen
0 y entonces u + v ∈ W.
3) Si v = (v1 , v2 ) ∈ W, se cumple que v1 − v2 = 0, y si c ∈ R, tenemos que cv =
(cv1 , cv2 ) verifica cv1 − cv2 = c(v1 − v2 ) = 0. Entonces, cv ∈ W.
Respuesta: El conjunto W es un subespacio de R2 .

c) 1) 0 − 0 = 0 =⇒ O ∈ W.
2) Si u = (u1 , u2 ) y v = (v1 , v2 ) pertenecen a W, se verifican u1 − u2 ≥ 0 y v1 − v2 ≥ 0.
Tenemos que u + v = (u1 + v1 , u2 + v2 ) cumple (u1 + v1 ) − (u2 + v2 ) = (u1 − u2 ) +
(v1 − v2 ) ≥ 0 + 0 = 0 y, por lo tanto, u + v ∈ W.
3) Si v = (v1 , v2 ) ∈ W, cumple que v1 − v2 ≥ 0. Para c ∈ R, tenemos que cv = (cv1 , cv2 )
y la cuenta cv1 − cv2 = c(v1 − v2 ) cambia de signo si c es negativo.
Contraejemplo para 3):
Si c = −1 y v = (2, 1), que verifica 2 − 1 ≥ 0 y por lo tanto pertenece a W, vemos
que con cv = (−2, −1) ocurre que −2 − (−1) = −1 0 y entonces −1v ∈ / W.
Respuesta: El conjunto W no es un subespacio de R2 .

Observación: En general para ver que un subconjunto de un espacio vectorial es un subes-

pacio necesitamos, además de que valga la condición 1), verificar las condiciones 2) y 3) para
todos los elementos del conjunto y para todos los valores de c ∈ R. En cambio, para mostrar
que no lo es alcanza con encontrar un contraejemplo para alguna de las condiciones.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 2

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Ejemplo 2. Determinar cuáles de los siguientes conjuntos son subespacios de R3 .

a) W = {x ∈ R3 /x = λ(1, 2, 3), λ ∈ R}

b) W = {x ∈ R3 /x1 − 4x2 − 9x3 = −3}

c) W = {x ∈ R3 /x1 − 4x2 − 9x3 = 0}

Solución:

a) 1) Si λ = 0, entonces O = 0(1, 2, 3) ∈ W.
2) Si u y v pertenecen a W, existen valores λ1 , λ2 ∈ R tales que u = λ1 (1, 2, 3) y v =
λ2 (1, 2, 3). Reescribiendo la suma u + v = λ1 (1, 2, 3) + λ2 (1, 2, 3) = (λ1 + λ2 )(1, 2, 3)
tenemos que u + v es un múltiplo de (1, 2, 3). Entonces u + v ∈ W.
3) Si v = λ(1, 2, 3) y c ∈ R tenemos que cv = c(λ(1, 2, 3)) = (cλ)(1, 2, 3) es múltiplo
de (1, 2, 3) y, por lo tanto, cv ∈ W.
Respuesta: El conjunto W es un subespacio de R3 .

b) 1) 0 − 4 · 0 − 9 · 0 = 0 6= −3 =⇒ O ∈
/ W.
Respuesta: El conjunto W no es subespacio un subespacio de R3 .

c) 1) 0 − 4 · 0 − 9 · 0 = 0 =⇒ O ∈ W.
2) Si u = (u1 , u2 , u3 ) y v = (v1 , v2 , v3 ) pertenecen a W, verifican u1 − 4u2 − 9u3 = 0 y
v1 − 4v2 − 9v3 = 0, entonces u + v = (u1 + v1 , u2 + v2 , u3 + v3 ) verifica
(u1 + v1 ) − 4(u2 + v2 ) − 9(u3 + v3 ) = (u1 − 4u2 − 9u3 ) + (v1 − 4v2 − 9v3 ) = 0 + 0 = 0
y, por lo tanto, u + v ∈ W.
3) Si v = (v1 , v2 , v3 ) ∈ W, cumple que v1 − 4v2 − 9v3 = 0, y c ∈ R, entonces cv =
(cv1 , cv2 , cv3 ) verifica cv1 − 4cv2 − 9cv3 = c(v1 − 4v2 − 9v3 ) = c · 0 = 0. Entonces,
cv ∈ W.
Respuesta: El conjunto W es un subespacio de R3 .

Observaciones:
En el caso a) del ejemplo anterior, las condiciones para ser un subespacio se verifican sin im-
portar cuáles son las coordenadas del vector (1, 2, 3). Es decir, si en lugar de (1, 2, 3) tenemos
un vector fijo w ∈ R3 y consideramos W = {x ∈ R3 /x = λw, λ ∈ R}, que es el conjunto de
todos los múltiplos de w, valen:

1) Si λ = 0 entonces O = 0w ∈ W.

2) Si u y v pertenecen a W, existen valores λ1 , λ2 ∈ R tales que u = λ1 w y v = λ2 w.

Reescribiendo la suma u + v = λ1 w + λ2 w = (λ1 + λ2 )w tenemos que u + v es un
múltiplo de w. Entonces u + v ∈ W.

3) Si v = λw y c ∈ R, tenemos que cv = c(λw) = (cλ)w es múltiplo de w y por lo tanto

cv ∈ W.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 3

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Entonces W resulta ser un subespacio de R3 cualquiera que sea el vector w.

Algo similar ocurre con el plano que pasa por el origen del ejemplo c). El hecho que O, u + v y
cv pertenezcan a W para u y v ∈ W, y c ∈ R, se deduce del mismo modo que en el ejemplo,
a partir de que O, u y v cumplen la ecuación del plano, independientemente de cuál sea esta
ecuación.
En general las rectas y planos que pasan por el origen forman subespacios en R2 y R3 .
Es importante destacar que en esos casos, para demostrar que se verifican las condiciones para
ser subespacio, se utilizan propiedades de la operación suma y del producto por escalares que
son válidas también en Rn y Rmxn . Esto hace que conjuntos como
W = {x ∈ Rn /x = λv, λ ∈ R} con v ∈ Rn fijo.
W = {x ∈ Rn /a1 x1 + a2 x2 + · · · + an xn = 0} con a1 , a2 , ..., an ∈ R fijos.
sean subespacios del e.v. correspondiente.

Varios de los ejemplos anteriores consisten en subespacios descriptos por una ecuación lineal
homogénea. Veamos qué ocurre, más generalmente, al considerar conjuntos de soluciones de
sistemas lineales homogéneos.

Ejemplo 3. Decidir
 si el conjunto W= {x ∈ R5 /Ax = O} es un subespacio de R5 , para
1 2 1 −2 1
la matriz A =  2 −1 0 1 2 .
0 5 2 −5 0

Solución:
1) Como el sistema es homogéneo, la solución trivial pertenece al conjunto:
AO = O =⇒ O ∈ W.

2) Si u, v ∈ W, entonces se cumplen Au = O y Av = O, con lo cual la suma u + v verifica

A(u + v) = Au + Av = O + O = O y pertenece a W.
3) Si v ∈ W, cumple Av = O, y si c ∈ R, entonces cv verifica A(cv) = c( Av) = O y
pertenece a W.

Respuesta: El conjunto W de soluciones del sistema homogéneo es un subespacio de R5 .

Observación: En el ejemplo anterior, la verificación de las condiciones para que W sea un

subespacio no depende de cuál es la matriz del sistema. Las condiciones se cumplen gracias a
propiedades de las operaciones definidas para matrices y valen en general para el conjunto de
soluciones de un sistema lineal homogéneo de cualquier tamaño.

Los conjuntos de la forma S = {x ∈ Rn /Ax = O}, con A ∈ Rmxn son subespacios de Rn .

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 4

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Combinaciones lineales y generadores

Como vimos en la sección anterior, un plano que pasa por el origen es un subespacio de R3 . Este
hecho lo dedujimos a partir de ver al plano como el conjunto de las soluciones de una ecuación
homogénea. Sin embargo, conocemos otra forma de expresar un plano, que es mediante una
ecuación paramétrica. Esto nos permite afirmar, por ejemplo, que el conjunto
W = {x ∈ R3 /x = α(3, 3, −1) + β(1, −2, 1), α, β ∈ R} es un subespacio de R3 , ya que sabemos
que
x = α(3, 3, −1) + β(1, −2, 1), α, β ∈ R,
es una descripción paramétrica de un plano que pasa por el origen.
En este caso, los vectores de R3 que pertenecen al plano W se generan a partir de las dos
direcciones (3, 3, −1) y (1, −2, 1).

En lo que sigue veremos cómo se generaliza la forma paramétrica de rectas y planos que pasan
por el origen en R3 para representar subespacios de otros espacios vectoriales.

Combinaciones lineales
Dados un e.v. V y v1 , v2 , . . . , vn elementos de V, se dice que un vector v ∈ V es una
combinación lineal (c.l.) de los vectores v1 , v2 , . . . , vn si existen números reales a1 , a2 , . . . , an
que verifican
v = a1 v1 + a2 v2 + · · · + a n v n .
Dado un subconjunto finito C = {v1 , v2 , . . . , vn } de V, al conjunto formado por todas
las combinaciones lineales de vectores de C lo escribimos en forma abreviada con la
notación hv1 , v2 , . . . , vn i. Ası́,

hv1 , v2 , . . . , vn i = {v ∈ V/v = a1 v1 + a2 v2 + · · · + an vn , con a1 , a2 , . . . , an ∈ R}.

Por ejemplo, el plano W = {x ∈ R3 /x = α(3, 3, −1) + β(1, −2, 1), α, β ∈ R} es el conjunto de

todas las combinaciones lineales del conjunto C = {(3, 3, −1), (1, −2, 1)}. En este caso escribi-
mos W = h(3, 3, −1), (1, −2, 1)i.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 5

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Propiedad

Dado un espacio vectorial V y un subconjunto finito C = {v1 , v2 , . . . , vn } de V, el con-

junto W = hv1 , v2 , . . . , vn i es un subespacio de V.

Subespacio generado

Al conjunto W = hv1 , v2 , . . . , vn i se lo denomina el subespacio generado por C =

{v1 , v2 , . . . , vn } y al conjunto C se lo llama un conjunto de generadores de W.

Demostración de la propiedad:

1) 0v1 + 0v2 + · · · + 0vn = O =⇒ O ∈ W (propiedad del producto por escalar 0v = O)

2) Si u = b1 v1 + b2 v2 + · · · + bn vn y w = c1 v1 + c2 v2 + · · · + cn vn , podemos reescribir u + w
usando las propiedades de la suma y el producto por escalares (ver el Apéndice al final)
como

u + w = (b1 v1 + b2 v2 + · · · + bn vn ) + (c1 v1 + c2 v2 + · · · + cn vn )
= (b1 v1 + c1 v1 ) + (b2 v2 + c2 v2 ) + · · · + (bn vn + cn vn ) EV3 y EV6
= (b1 + c1 )v1 + (b2 + c2 )v2 + · · · + (bn + cn )vn EV8

Esto muestra que, con a1 = b1 + c1 , a2 = b2 + c2 , . . . , an = bn + cn , tenemos u + w ∈ W.

3) Si u = b1 v1 + b2 v2 + · · · + bn vn y c ∈ R, las propiedades EV7 y EV9 implican que

cu = c(b1 v1 + b2 v2 + · · · + bn vn )
= c(b1 v1 ) + c(b2 v2 ) + · · · + c(bn vn ) EV7
= (cb1 )v1 + (cb2 )v2 + · · · + (cbn )vn EV9

Entonces, con a1 = cb1 , a2 = ca2 , . . . , an = cbn , se verifica cu ∈ W.

Observaciones: Los vectores v1 , v2 , . . . , vn pertenecen al subespacio hv1 , v2 , . . . , vn i, ya que

v1 = 1v1 + 0v2 + 0v3 + · · · + 0vn

v2 = 0v1 + 1v2 + 0v3 + · · · + 0vn
... ...
vn = 0v1 + 0v2 + 0v3 + · · · + 1vn

Además, si un subespacio U de V contiene a los vectores v1 , v2 , . . . , vn entonces, por cumplir

con las condiciones 2) y 3) de la definición de subespacio, tiene que contener a todas las combi-
naciones lineales de v1 , v2 , . . . , vn , es decir, a todos los vectores de hv1 , v2 , . . . , vn i.
En este sentido el subespacio hv1 , v2 , . . . , vn i es el menor subespacio que contiene a los vectores
v1 , v2 , . . . , v n .

De este modo, podemos definir subespacios a partir de conjuntos de generadores. Por ejemplo:

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 6

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

W = h(1, 2, 3, 1), (−3, 1, 2, 1), (4, 1, 1, 0)i es un subespacio de R4 .

Dado un e.v. V, v1 , v2 , v3 ∈ V y los vectores
w1 = 2v1 + v2 , w2 = −3v2 + 2v3 y w3 = − v1 + v2 − v3 ,
el conjunto W = hw1 , w2 , w3 i es un subespacio de V.
Lo escribiremos directamente como W = h2v1 + v2 , −3v2 + 2v3 , −v1 + v2 − v3 i.

3 −2 −1 0
W= , es un subespacio de R2x2 .
1 6 0 1

Ejemplo 1. Decidir si el vector v pertenece al subespacio S en los siguientes casos.

a) S = h(1, 1, 1), (2, 1, 3)i y v = (0, 1, −1).

b) S = h(1, 0, 1, 0), (0, 1, 0, −1), (1, −1, 1, 1)i y v = (3, −1, 3, 1).

c) S = h(1, 0, 1, 0), (0, 1, 0, −1), (1, −1, 1, 1)i y v = (3, −1, 3, 0).

Solución:
a) Tenemos que ver si v = (0, 1, −1) es una combinación lineal de los generadores de S, es
decir, si existen escalares a y b que verifiquen (0, 1, −1) = a(1, 1, 1) + b(2, 1, 3).
Igualando coordenadas en la expresión
(0, 1, −1) = a(1, 1, 1) + b(2, 1, 3) = ( a + 2b, a + b, a + 3b)

nos queda el sistema


 a + 2b = 0
a + b = 1
a + 3b = −1


Escalonamos su matriz ampliada para determinar si el sistema tiene solución:

     
1 2 0 1 2 0 1 2 0
F − F1 → F2 
 1 1 1  2 0 −1 1  F3 + F2 → F3  0 −1 1 
F3 − F1 → F3
1 3 −1 0 1 −1 0 0 0
Encontramos que el sistema es compatible y por lo tanto v ∈ S.

Respuesta: v ∈ S.

Verificación:

Si terminamos de resolver el sistema

a + 2b = 0
−b = 1
hallamos b = −1 y a = −2b = 2. Reemplazamos en el planteo original y nos queda:

2(1, 1, 1) − 1(2, 1, 3) = (0, 1, −1).

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 7

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

b) Como en el caso anterior, queremos determinar si v es una combinación lineal de los

generadores de S. Planteamos:
v = (3, −1, 3, 1) = a(1, 0, 1, 0) + b(0, 1, 0, −1) + c(1, −1, 1, 1) = ( a + c, b − c, a + c, −b + c)

y el sistema para los escalares a, b y c es

  

 a + c = 3 1 0 1 3
b − c = −1 0 1 −1 −1 
 
con matriz asociada  

 a + c = 3  1 0 1 3 
− b + c = 1 0 −1 1 1


Escalonamos:
   
1 0 1 3 1 0 1 3
 0
 1 −1 −1 
 F3 − F1 → F3
 0
 1 −1 −1 

 1 0 1 3  F4 + F2 → F4  0 0 0 0 
0 −1 1 1 0 0 0 0

El sistema es compatible; por lo tanto, existe la combinación lineal que da v.

Respuesta: v ∈ S.

Verificación:
Como el sistema es compatible, aunque sea indeterminado para verificar que v ∈ S solo
necesitamos usar una de las soluciones. Por ejemplo, si c = 1, entonces b = c − 1 = 0 y
a = 3 − c = 2. Usando estos valores de a, b y c:
2(1, 0, 1, 0) + 0(0, 1, 0, −1) + 1(1, −1, 1, 1) = (3, −1, 3, 1).
c) Planteamos, como en los ejemplos anteriores,
v = (3, −1, 3, 0) = a(1, 0, 1, 0) + b(0, 1, 0, −1) + c(1, −1, 1, 1) = ( a + c, b − c, a + c, −b + c)
  

 a + c = 3 1 0 1 3
b − c = −1  0 1 −1 −1 

⇐⇒ ↔ 

 a + c = 3  1 0 1 3 
− b + c = 0 0 −1 1 0


Escalonamos
     
1 0 1 3 1 0 1 3 1 0 1 3
 0
 1 −1 −1 
 F3 − F1 → F3
 0
 1 −1 −1 
 F3 ↔ F4  0 1 −1 −1 
 
 1 0 1 3  F4 + F2 → F4  0 0 0 0   0 0 0 −1 
0 −1 1 0 0 0 0 −1 0 0 0 0

El sistema es incompatible; por lo tanto, no existen a, b, c que cumplan lo requerido.

Respuesta: v ∈
/ S.

Ejemplo 2. Dados S = h(2, 2, 2, 2), (1, 3, 0, 2)i y H = {x ∈ R4 / − 3x1 + x2 + 2x3 = 0},

decidir si S ⊂ H.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 8

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Solución: Como H es un subespacio, si contiene a los vectores (2, 2, 2, 2) y (1, 3, 0, 2) del con-
junto de generadores de S, entonces contiene a todas las combinaciones lineales de estos vec-
tores, es decir, a todos los vectores de S. Entonces, si vemos que los generadores de S cumplen
con la ecuación de H, entonces todos los vectores de S pertenecerán a H:
(2, 2, 2, 2) ∈ H : −3 · 2 + 2 + 2 · 2 = 0
(1, 3, 0, 2) ∈ H : −3 · 1 + 3 + 2 · 0 = 0
Respuesta: S ⊂ H

Ejemplo 3. Hallar un conjunto de generadores del subespacio

S = {x ∈ R3 /x1 − 4x2 − 9x3 = 0}.

Solución: El subespacio S está definido por una ecuación lineal homogénea, con lo cual, es
un plano en R3 que pasa por el origen. Sabemos entonces que podemos describirlo, alternati-
vamente, en forma paramétrica. Usaremos una ecuación paramétrica para obtener un conjunto
de generadores de S.
A partir de la ecuacion del plano x1 − 4x2 − 9x3 = 0, despejamos x1 = 4x2 + 9x3 . Entonces, los
puntos del plano son los x ∈ R3 de la forma

x = (4x2 + 9x3 , x2 , x3 ) = x2 (4, 1, 0) + x3 (9, 0, 1), x 2 , x 3 ∈ R,

es decir, son las combinaciones lineales de los vectores (4, 1, 0) y (9, 0, 1). Por lo tanto, estos
vectores forman un conjunto de generadores de S.

Respuesta: {(4, 1, 0), (9, 0, 1)} es un conjunto de generadores de S.

Verificación:
Necesitamos asegurarnos que los generadores están en el subespacio S y son suficientes para
formar un plano:
(4, 1, 0) ∈ S: 4−4·1−9·0 = 0
(9, 0, 1) ∈ S: 9 − 4 · 0 − 9 · 1 = 0
Además, (4, 1, 0) y (9, 0, 1) no son múltiplos uno del otro.
Entonces, α(4, 1, 0) + β(9, 0, 1), con α, β ∈ R es una ecuación paramétrica del plano S.

Observación: Para el subespacio S, {(4, 1, 0), (9, 0, 1)} no es el único conjunto de generadores.
Cualquier par de vectores, no múltiplos entre sı́, que pertenezcan a S forman un conjunto de
generadores de este plano.
Por ejemplo, {(3, 3, −1), (1, −2, 1)} es otro conjunto de generadores de S. Reemplazando en la
ecuación, verificamos que ambos vectores pertenecen a S. Además, no son múltiplos entre sı́:
(3, 3, −1) = k(1, −2, 1) conduce a una contradicción al despejar k.
En consecuencia, vemos que S coincide con el plano W = h(3, 3, −1), (1, −2, 1)i con el que
trabajamos al comienzo de esta sección.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 9

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

5
de generadores del subespacio S = {x ∈ R /Ax = O},
4. Hallar un conjunto
Ejemplo 
1 2 1 −2 1
con A =  2 −1 0 1 2 .
0 5 2 −5 0

Solución: Al igual que con planos que pasan por el origen, la forma paramétrica de las solu-
ciones del sistema Ax = O nos sirve para encontrar generadores de S.
(Nota: Para explicitar que estamos trabajando con un sistema de ecuaciones, escribiremos la
última columna de 0 en la matriz ampliada del sistema homogéneo.)
Resolvamos el sistema
   
1 2 1 −2 1 0 1 2 1 −2 1 0
 2 −1 0 1 2 0  F2 − 2F1 → F2  0 −5 −2 5 0 0 
0 5 2 −5 0 0 0 5 2 −5 0 0
 
1 2 1 −2 1 0
F3 + F2 → F3  0 −5 −2 5 0 0 
0 0 0 0 0 0

Observemos que el rango de esta matriz es 2. Como hay 5 incógnitas, quedarán 3 variables
libres. Volviendo a las ecuaciones

x1 + 2x2 + x3 − 2x4 + x5 = 0
− 5x2 − 2x3 + 5x4 = 0

despejamos

x1 + 2x2 + x3 − 2x4 + x5 = 0
(
2
x2 = − x3 + x4
5

2

 x1 + 2 − x3 + x4
 + x3 − 2x4 + x5 = 0
5
2
x2 = − x3 + x4


5


1
 x1

= − x3 − x5
5
2

 x2 = − x3 + x4
5
Las soluciones del sistema son los x ∈ R5 de la forma

1 2
x = − x3 − x5 , − x3 + x4 , x3 , x4 , x5
5 5

1 2
= x3 − , − , 1, 0, 0 + x4 (0, 1, 0, 1, 0) + x5 (−1, 0, 0, 0, 1)
5 5

con x3 , x4 , x5 ∈ R.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 10

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

1 2
Respuesta: − , − , 1, 0, 0 , (0, 1, 0, 1, 0) , (−1, 0, 0, 0, 1) es un conjunto de generadores
5 5
para el subespacio S.

Verificación:
Más adelante veremos una verificación completa. Por ahora podemos corroborar que los gene-
radores que encontramos pertenecen al subespacio verificando que cumplen las ecuaciones:

1 2
− , − , 1, 0, 0 ∈ S :
5 5
 1   1 
− /5 − /5
 −2/5  2
   
  1 2 1 −2 1  − /5 
  0
A 1  =  2 −1 0 1 2  1  =  0 
   
 0  0 5 2 −5 0  0  0
0 0
(0,1, 0, 1, 0 ∈S:
 )  
0   0  
 1 
  1 2 1 − 2 1  1


 0
  2 −1 0
 0 =
A 1 2  = 0 
 0 
 1  0 5 2 −5 0  1  0
0 0
1, 0, 0, 0, 1) ∈ S :
(−
−1 −1
  
   
 0 
  1 2 1 − 2 1  0


 0
A 0  =  2 −1 0 1 2  0 = 0 
   
 0  0 5 2 −5 0  0  0
1 1

Observación: Como mencionamos antes estos generadores no son únicos. Por ejemplo po-
demos usar múltiplos no nulos: {(−1, −2, 5, 0, 0) , (0, 1, 0, 1, 0) , (−1, 0, 0, 0, 1)} también es un
conjunto de generadores de S.

Ejemplo 5. Hallar un conjuto de generadores del subespacio

n
2×2 1 −1 1 −1 o
S= X∈R / .X = X. .
0 2 0 2

Solución: Como en los ejemplos anteriores, vamos a resolver la ecuación que define S y es-
cribir sus soluciones
en forma paramétrica.

x11 x12
Si escribimos X = ∈ R2×2 la ecuación queda:
x21 x22

1 −1 x11 x12 x11 x12 1 −1
· = ·
0 2 x21 x22 x21 x22 0 2

x11 − x21 x12 − x22 x11 − x11 + 2x12
=
2x21 2x22 x21 − x21 + 2x22

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 11

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Igualamos lugar a lugar y reescribimos las ecuaciones como un sistema lineal homogéneo en
las incógnitas x11 , x12 , x21 , x22 :
 

 x 11 − x 21 = x 11 
 − x21 = 0
x12 − x22 = − x11 + 2x12 x11 − x12 − x22 = 0
 
⇐⇒

 2x 21 = x 21 
 x 21 = 0
2x22 = − x21 + 2x22 x21 = 0
 

Este sistema es equivalente a

x11 − x12 − x22 = 0 x11 = x12 + x22
⇐⇒
x21 = 0 x21 = 0

Por lo tanto, las soluciones X ∈ R2×2 son de la forma

x12 + x22 x12 1 1 1 0
X= = x12 + x22 , x12 , x22 ∈ R,
0 x22 0 0 0 1

1 1 1 0
es decir, los elementos de S son las combinaciones lineales de y .
0 0 0 1

1 1 1 0
Respuesta: , es un conjunto de generadores para el subespacio S.
0 0 0 1

En Rn también se puede hacer el camino inverso: dado un subespacio por medio de un conjunto
de generadores podemos hallar un sistema homogéneo de ecuaciones cuyas soluciones forman
el mismo subespacio.
Esto ya lo sabemos hacer, por ejemplo, en el caso de planos en R3 : a partir de una ecuación
paramétrica del plano, podemos hallar una ecuación implı́cita. Veámoslo ahora con mayor ge-
neralidad.

Ejemplo 6. Hallar un sistema de ecuaciones cuyo conjunto de soluciones sea el subes-

pacio S = h(1, 0, 1, −2, 2), (1, 2, 3, 1, −2)i.

Solución: Los puntos x ∈ R5 que pertenecen al subespacio S son aquellos para los cuales
existen escalares a, b ∈ R que verifican

( x1 , x2 , x3 , x4 , x5 ) = a(1, 0, 1, −2, 2) + b(1, 2, 3, 1, −2) = ( a + b, 2b, a + 3b, −2a + b, 2a − 2b)

lo que equivale a que sea compatible el sistema



 a + b = x1


 2b = x2
a + 3b = x3
− 2a + b = x4




2a − 2b = x5


Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 12

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Observar que, aunque estamos buscando condiciones para las coordenadas de x, las incógnitas
en este sistema son las variables a y b. Las coordenadas x1 , x2 , x3 , x4 , x5 actúan como parámetros
del sistema. Escalonamos:
   
1 1 x1 1 1 x1
2 x2  F3 − F1 → F3  0 x2
 0  2 
 
 1
 3 x3  F4 + 2F1 → F4  0
  2 x3 − x1  
 −2 1 x4  F5 − 2F1 → F5  0 3 x4 + 2x1 
2 −2 x5 0 −4 x5 − 2x1
 
1 1 x1
F3 − F2 → F3   0 2 x2 

2F4 − 3F2 → F4  0 0
 ( x3 − x1 ) − ( x2 )  
F5 + 2F2 → F5  0 0 2( x4 + 2x1 ) − 3( x2 ) 
0 0 ( x5 − 2x1 ) + 2( x2 )
Para que el sistema sea compatible es necesario y suficiente que se anulen los coeficientes de la
última columna en las filas donde todas las incógnitas (a y b) tienen coeficientes 0:
 
1 1 x1
 0 2
 x2 

 0 0
 ( x 3 − x 1 ) − ( x 2 ) 

 0 0 2( x4 + 2x1 ) − 3( x2 ) 
0 0 ( x5 − 2x1 ) + 2( x2 )
Es decir, x ∈ R5 pertenece al subespacio S si y solo si las coordenadas de x cumplen simultánea-
mente las ecuaciones

 ( x3 − x1 ) − ( x2 ) = 0
2( x4 + 2x1 ) − 3( x2 ) = 0
( x5 − 2x1 ) + 2( x2 ) = 0


que, reordenadas, nos dan un sistema de ecuaciones para S


 − x1 − x2 + x3 = 0
4x1 − 3x2 + 2x4 = 0
−2x1 + 2x2 + x5 = 0


Respuesta: S = {x ∈ R5 / − x1 − x2 + x3 = 0; 4x1 − 3x2 + 2x4 = 0; −2x1 + 2x2 + x5 = 0}.

Verificación:

Más adelante veremos una verificación completa.

Por el momento, corroboremos que los generadores de S son soluciones del sistema encontrado:
(1, 0, 1, −2, 2) :

 −1 − 0 + 1 = 0
4·1 − 3·0 + 2(−2) = 0
−2 · 1 + 2 · 0 + 2 = 0


(1, 2, 3, 1, −2) :

 −1 − 2 + 3 = 0
4·1 − 3·2 + 2·1 = 0
−2 · 1 + 2 · 2 + (−2) = 0


Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 13

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Observaciones: En Rn tenemos dos formas de describir un subespacio: como el conjunto de

soluciones de un sistema de ecuaciones lineales homogéneas o a través de un conjunto de
generadores, y podemos, cuando sea necesario, pasar de una descripción a la otra.
Si en un ejemplo como el anterior, al escalonar el sistema planteado obtenemos un sistema que
es compatible independientemente de las coordenadas de x, podemos concluir que cualquier
x ∈ Rn es una combinación lineal de los vectores considerados, es decir, que el subespacio
generado por esos vectores es todo el espacio Rn .

Ejemplo 7. Hallar un sistema de ecuaciones para el subespacio

S = h(1, 0), (1, 2), (−3, 1)i .

Solución: Un vector x ∈ R2 pertenece al subespacio S si existen a, b, c ∈ R que verifican

( x1 , x2 ) = a(1, 0) + b(1, 2) + c(−3, 1),
lo que equivale a que sea compatible el sistema

a + b − 3c = x1
2b + c = x2
Como este sistema es compatible independientemente de x1 , x2 ∈ R concluimos que cualquier
x ∈ R2 pertenece al subespacio S, es decir, S = R2 .

Respuesta: S = {x ∈ R2 /0 = 0}

Ejemplo 8. Decidir si el conjunto C = {(−2, 2, 3), (1, 0, 1), (4, −2, −1)} genera R3 .

Solución: Veamos si todos los vectores x = ( x1 , x2 , x3 ) ∈ R3 se pueden escribir como combi-

nación lineal de los vectores de C, es decir, si para todo x = ( x1 , x2 , x3 ) ∈ R3 existen a, b, c ∈ R
que cumplen
( x1 , x2 , x3 ) = a(−2, 2, 3) + b(1, 0, 1) + c(4, −2, −1).
Esto equivale a que sea compatible el sistema
  
 −2a + b + 4c = x1 −2 1 4 x1
2a − 2c = x2 ↔  2 0 −2 x2 
3 + b − c = x3 3 1 −1 x3


Escalonamos:
   
−2 1 4 x1 −2 1 4 x1
F2 + F1 → F2 
0 1 2 x2 + x1  F3 − 5F2 → F3  0 1 2 x2 + x1 
2F3 + 3F1 → F3
0 5 10 2x3 + 3x1 0 0 0 −2x1 − 5x2 + 2x3
Encontramos que el sistema no es compatible para todos los valores x1 , x2 , x3 ∈ R. Solo lo es
cuando se cumple −2x1 − 5x2 + 2x3 = 0.

Respuesta: El conjunto C no genera R3 .

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 14

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Observación: En el ejemplo anterior, al analizar la compatibilidad del sistema, encontramos

que el conjunto C genera el subespacio {x ∈ R3 / − 2x1 − 5x2 + 2x3 = 0}.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 15

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Apéndice: Definición de espacio vectorial real

Espacio vectorial real

Un espacio vectorial real, o espacio vectorial sobre R, es un conjunto V de elementos lla-

mados vectores, junto con una operación suma y un producto por escalares, que satisfacen
las siguientes propiedades:

EV1. Si u ∈ V y v ∈ V, entonces la suma u + v ∈ V.

EV2. Si k ∈ R y v ∈ V, entonces el producto k · v ∈ V.

EV3. Si u, v y w ∈ V, entonces (u + v) + w = u + (v + w).

EV4. Existe un elemento en V, notado O, tal que O + u = u + O = u para todo u ∈ V.

EV5. Para cada elemento u ∈ V, existe –u ∈ V tal que u + (–u) = –u + u = O.

EV6. Si u y v ∈ V, entonces u + v = v + u.

EV7. Si u y v ∈ V y c ∈ R, entonces c · (u + v) = c · u + c · v.

EV8. Si a y b ∈ R y v ∈ V, entonces ( a + b) · v = a · v + b · v.

EV9. Si a y b ∈ R y v ∈ V, entonces ( ab) · v = a · (b · v).

EV10. Si u ∈ V, entonces 1 · u = u (1 ∈ R).

Notación: u − v = u + (−v), para u, v ∈ V.

Si V es un espacio vectorial real, valen las siguientes propiedades.

0 · v = O para todo v ∈ V.

k · O = O para todo k ∈ R.

(−1) · v = −v para todo v ∈ V.

−(v + w) = −v − w para todos v y w ∈ V.
k · (v − w) = k · v − k · w para todos v y w ∈ V, k ∈ R.

k · v = O si y sólo si k = 0 ó v = O.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 16

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Independencia lineal
Un espacio vectorial puede estar generado por distintos conjuntos de vectores y además, dos
conjuntos de generadores del mismo espacio vectorial pueden tener distinta cantidad de ele-
mentos.
Por ejemplo, la recta L : X = λ(1, −1, 2) la podemos escribir como L = h(1, −1, 2)i, pero tam-
bién como L = h(1, −1, 2), (2, −2, 4)i. De hecho, los elementos del subespacio
h(1, −1, 2), (2, −2, 4)i son los vectores v ∈ R3 de la forma

v = a(1, −1, 2) + b(2, −2, 4), a, b ∈ R.

Teniendo en cuenta que (2, −2, 4) = 2(1, −1, 2), obtenemos:

v = a(1, −1, 2) + 2b(1, −1, 2) = ( a + 2b)(1, −1, 2), a, b ∈ R,

y concluimos que estos vectores son los puntos de la recta h(1, −1, 2)i. Es decir,

h(1, −1, 2), (2, −2, 4)i = h(1, −1, 2)i.

En otras palabras, podemos suprimir el vector (2, −2, 4) del conjunto de generadores y el
subespacio generado es el mismo (en este caso, la recta L). Esto se debe, como vimos, a que
(2, −2, 4) ∈ h(1, −1, 2)i.
Al analizar h(1, −1, 2), (2, −2, 4)i de la misma manera, pero usando que (1, −1, 2) = 21 (2, −2, 4),
podemos concluir que h(1, −1, 2), (2, −2, 4)i = h(2, −2, 4)i, o sea, que alternativamente, pode-
mos suprimir (1, −1, 2).

Cuando tenemos un subespacio nos interesa expresarlo de la manera más simple posible. En
este contexto, lo que buscamos es trabajar con conjuntos de generadores que sean lo más chi-
cos posible, o sea, en los que no podamos suprimir ningún vector sin perder elementos del
subespacio.
En el ejemplo anterior, el haber podido eliminar uno de los vectores del conjunto de genera-
dores {(1, −1, 2), (2, −2, 4)} y seguir teniendo el mismo subespacio generado se debe a que los
vectores satisfacen una relación de dependencia lineal:

2 · (1, −1, 2) + (−1) · (2, −2, 4) = (0, 0, 0),

la que nos permitió expresar a uno de ellos en función del otro despejando:

1
(2, −2, 4) = 2 · (1, −1, 2) ó (1, −1, 2) = · (2, −2, 4).
2
En lo que sigue vamos a estudiar las nociones de dependencia e independencia lineal de vec-
tores en un espacio vectorial V, utilizarlas para analizar la minimalidad de los conjuntos de
generadores de V e introducir una noción de dimensión.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 1

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Dependencia e independencia lineal

Decimos que un conjunto de vectores {v1 , . . . , vn } de un espacio vectorial V es linealmen-

te dependiente si existen escalares a1 , a2 , . . . , an ∈ R no todos iguales a 0 tales que:

a1 v1 + a2 v2 + · · · + an vn = O.

En caso contrario, decimos que {v1 , . . . , vn } es linealmente independiente; es decir, cuando

la única manera de escribir al vector O como combinación lineal de los vectores v1 , . . . , vn
es con todos los escalares iguales a 0. Ası́, {v1 , . . . , vn } es linealmente independiente si
dados a1 , a2 , . . . , an ∈ R tales que

a1 v1 + a2 v2 + · · · + an vn = O,

entonces, necesariamente,

a1 = a2 = · · · = an = 0.

También decimos que los vectores v1 , . . . , vn son linealmente dependientes (respectiva-

mente, independientes) cuando el conjunto {v1 , . . . , vn } es linealmente dependiente (res-
pectivamente, independiente).

Observación: Dados vectores v1 , . . . , vn siempre es posible escribir al vector nulo O como

combinación lineal de esos vectores, simplemente como

0 · v1 + 0 · v2 + · · · + 0 · vn = O.

La diferencia entre vectores linealmente independientes y dependientes es si ésta es la única

opción o no.

Por ejemplo, el conjunto {(1, −1, 2), (2, −2, 4)} es linealmente dependiente ya que

2(1, −1, 2) + (−1)(2, −2, 4) = (0, 0, 0).

Escribimos al vector nulo como combinación de ambos vectores usando los escalares 2 y −1.
En este caso pudimos verlo a simple vista porque (1, −1, 2) y (2, −2, 4) son múltiplos.

Ejemplo 1. Decidir si {(1, 1, 1), (1, 2, 3)} es linealmente independiente.

Solución. Estos dos vectores no son uno múltiplo del otro. Para ver si son linealmente depen-
dientes o linealmente independientes tenemos que ver si podemos escribir al vector nulo como
combinación lineal de los vectores involucrados usando escalares distintos de 0 o no. Es decir,
primero escribimos a (0, 0, 0) como combinación lineal de ambos vectores,

a(1, 1, 1) + b(1, 2, 3) = (0, 0, 0),

( a + b, a + 2b, a + 3b) = (0, 0, 0).

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 2

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Si igualamos coordenada a coordenada obtenemos un sistema de ecuaciones,


a + b
 = 0,
a + 2b = 0,

a + 3b = 0.


Resolviendo ese sistema vemos que la única solución es a = 0 y b = 0. Es decir, la única forma
de escribir al vector nulo como combinación lineal de (1, 1, 1) y (1, 2, 3) es usando escalares a y
b iguales a 0. Concluimos que el conjunto es linealmente independiente.

Respuesta: El conjunto {(1, 1, 1), (1, 2, 3)} es linealmente independiente.

Observación: Cuando tenemos sólo dos vectores podemos determinar si son linealmente de-
pendientes viendo si son múltiplos. Esta regla no sirve cuando el conjunto tiene más de dos
vectores.

Ejemplo 2. Decidir si {(1, 0, 1), (1, 2, 3), (0, 2, 2)} es linealmente independiente.

Solución. Nuevamente la idea es analizar cómo son todas las combinaciones lineales posibles
que dan como resultado el vector nulo y ver si hay una sola (con todos los escalares iguales a
0) o si hay otra posibilidad. Planteamos entonces,

a(1, 0, 1) + b(1, 2, 3) + c(0, 2, 2) = (0, 0, 0),

( a + b, 2b + 2c, a + 3b + 2c) = (0, 0, 0).

Igualando cada coordenada,


a + b
 = 0,
2b + 2c = 0,

a + 3b + 2c = 0.


Para resolver el sistema planteamos su matriz ampliada y la escalonamos:

     
1 1 0 0 1 1 0 0 1 1 0 0
 0 2 2 0  F3 − F1 → F3  0 2 2 0  F3 − F2 → F3  0 2 2 0  .
1 3 2 0 0 2 2 0 0 0 0 0

Como tenemos 3 incógnitas y luego de escalonar hay dos ecuaciones no nulas concluimos que
es un sistema compatible indeterminado.
Las soluciones de este sistema representan todas las posibles combinaciones lineales de los
vectores que dan como resultado (0, 0, 0). Por lo tanto, que el sistema tenga infinitas soluciones
quiere decir que hay más de una combinación lineal posible y que los vectores son linealmente
dependientes.

Respuesta: El conjunto {(1, 0, 1), (1, 2, 3), (0, 2, 2)} es linealmente dependiente.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 3

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Observación: Cuando tenemos tres o más vectores ya no podemos saber si son linealmente
dependientes sólo viendo si alguno es múltiplo de otro o no. En este ejemplo, la combinación
lineal que da el vector nulo se forma usando los tres vectores.

Ejemplo 3. Hallar alguna combinación lineal de (1, 0, 1), (1, 2, 3) y (0, 2, 2) que dé
(0, 0, 0) y tal que sus coeficientes no sean todos 0.

Solución: Para encontrar una combinación lineal que dé el vector nulo tendrı́amos que encon-
trar alguna solución del sistema que planteamos en el ejemplo anterior. Al escalonar la matriz
ampliada del sistema, llegamos a que es equivalente a:
(
a+ b = 0,
2b + 2c = 0.

De la segunda ecuación tenemos que b = −c y, si reemplazamos esto en la primera, queda

a − c = 0, es decir, que a = c. Entonces, cualquier combinación lineal de los vectores dados con
escalares de la forma (c, −c, c), con c ∈ R, da como resultado (0, 0, 0). Si tomamos, por ejemplo,
c = 1 tenemos que

1(1, 0, 1) − 1(1, 2, 3) + 1(0, 2, 2) = (0, 0, 0).

Respuesta: Una combinación lineal posible es 1(1, 0, 1) − 1(1, 2, 3) + 1(0, 2, 2) = (0, 0, 0).

Podemos reescribir la combinación lineal de los vectores que nos da el vector nulo en el ejemplo
anterior como
(1, 0, 1) + (0, 2, 2) = (1, 2, 3).
Vemos entonces que (1, 2, 3) es una combinación lineal de (1, 0, 1) y (0, 2, 2). Como estamos
trabajando con vectores de R3 , podemos interpretar esto geométricamente: (1, 2, 3) pertenece
al plano que pasa por (1, 0, 1), (0, 2, 2) y (0, 0, 0).
Esto es justamente lo que podemos detectar cuando estudiamos la dependencia o independen-
cia lineal de un conjunto de vectores: si alguno de los vectores dados es una combinación de
los restantes o no.

Si un conjunto de vectores es linealmente dependiente alguno de ellos es combinación

lineal de otros, y recı́procamente.

En el ejemplo, a partir de la expresión de (1, 2, 3) como una combinación lineal de (1, 0, 1) y

(0, 2, 2):
(1, 2, 3) = (1, 0, 1) + (0, 2, 2)
podemos, despejando, hallar una comabinación lineal de los tres vectores que da el vector nulo:

(1, 0, 1) + (0, 2, 2) − (1, 2, 3) = (0, 0, 0).

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 4

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Observación: Siempre que planteamos una combinación lineal de vectores igualada a cero
llegamos a un sistema homogéneo. Para saber si los vectores son linealmente independientes
o linealmente dependientes nos interesa saber si este sistema es compatible determinado o
compatible indeterminado y no necesitamos resolverlo.

1 1 −1 2 0 0
Ejemplo 4. Decidir si el conjunto , , es linealmente
0 0 1 1 1 1
independiente.

Solución: En primer lugar planteamos una combinación lineal del conjunto que dé la matriz
nula:

1 1 −1 2 0 0 0 0
a +b +c =
0 0 1 1 1 1 0 0

a − b a + 2b 0 0
⇐⇒ =
b+c b+c 0 0

Igualar lugar a lugar nos lleva al sistema:




 a− b = 0,

 a + 2b = 0,


 b+c = 0,

 b+c = 0,

que tiene como matriz ampliada a

 
1 −1 0 0
 1 2 0 0 
 .
 0 1 1 0 
0 1 1 0

Ahora tenemos que decidir si el sistema es compatible determinado o indeterminado. Para esto,
escalonamos la matriz. Si hacemos las operaciones F2 − F1 → F2 y F4 − F3 → F4 tenemos
 
1 −1 0 0
 0 3 0 0 
 .
 0 1 1 0 
0 0 0 0

Ahora hacemos F3 − 31 F2 → F3
 
1 −1 0 0
 0 3 0 0 
 .
 0 0 1 0 
0 0 0 0

Por lo tanto, el sistema es compatible determinado y, como consecuencia, el conjunto dado es

linealmente independiente.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 5

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

1 1 −1 2 0 0
Respuesta: El conjunto , , es linealmente independiente.
0 0 1 1 1 1

Ejemplo 5. Decidir si {(0, 0, 0), (1, 2, 3), (1, 1, 0)} es linealmente independiente.

Solución: Este es un ejemplo muy particular porque uno de los vectores involucrados es el
vector nulo. Es muy fácil entonces formarlo como combinación lineal de estos tres vectores
usando algún escalar no nulo. Por ejemplo:
1(0, 0, 0) + 0(1, 2, 3) + 0(1, 1, 0) = (0, 0, 0).
O sea, el conjunto de vectores es linealmente dependiente.
Respuesta: El conjunto {(0, 0, 0), (1, 2, 3), (1, 1, 0)} es linealmente dependiente.

Observación: Si observamos el ejemplo con atención vemos que no importó cuáles eran los
vectores no nulos del conjunto: el hecho de que esté el vector nulo alcanzó para ver que son
linealmente dependientes.

Si un conjunto de vectores contiene al vector nulo entonces es linealmente dependiente.

Ejemplo 6. Determinar todos los k ∈ R para los cuales el conjunto

{(1, 0 − 1, 0), (1, 1, −1, 2), (2, 3, −2, k)}

es linealmente independiente.

Solución: Para que el conjunto sea linealmente independiente, debemos ver que la única com-
binación lineal de los vectores que da el vector (0, 0, 0, 0) es con todos los escalares iguales a 0.
Planteamos:
a(1, 0, −1, 0) + b(1, 1, −1, 2) + c(2, 3, −2, k ) = (0, 0, 0, 0)
que, igualando coordenada a coordenada, nos conduce al sistema,


 a + b + 2c = 0
b + 3c = 0


 − a − b − 2c = 0
2b + kc = 0


Buscamos entonces los valores de k ∈ R para los cuales este sistema es compatible determina-
do. Escribimos la matriz y escalonamos:
   
1 1 2 0 1 1 2 0
 0 1 3 0  F3 + F1 → F3  0 1 3 0 
 

 −1 −1 −2 0   0 0 0 0 
0 2 k 0 0 2 k 0

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 6

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

   
1 1 2 0 1 1 2 0
 0 1 3 0   0 1 3 0 
F4 − 2F2 → F4   F3 ↔ F4  .
 0 0 0 0   0 0 k−6 0 
0 0 k−6 0 0 0 0 0
Mirando la última matriz concluimos que el sistema es compatible determinado si k − 6 6= 0,
es decir, si k 6= 6, mientras que para k = 6 es compatible indeterminado.

Respuesta: El conjunto {(1, 0 − 1, 0), (1, 1, −1, 2), (2, 3, −2, k )} es linealmente independiente
si y sólo si k 6= 6.

Ejemplo 7. Sea V un espacio vectorial y v1 , v2 , v3 ∈ V. Sabiendo que {v1 , v2 , v3 } es

linealmente independiente decidir si {2v1 + v2 , −3v2 + 2v3 , −v1 + v2 − v3 } lo es.

Solución. De la misma manera que antes, planteamos una combinación lineal de los vectores
igualada al vector nulo, al que llamaremos simplemente O:

a(2v1 + v2 ) + b(−3v2 + 2v3 ) + c(−v1 + v2 − v3 ) = O.

Las propiedades de la suma y el producto por escalares del espacio vectorial V nos permiten
reescribir el lado izquierdo de esta igualdad como una combinación lineal de v1 , v2 y v3 :

2av1 + av2 − 3bv2 + 2bv3 − cv1 + cv2 − cv3 = O EV7 y EV9

2av1 − cv1 + av2 − 3bv2 + cv2 + 2bv3 − cv3 = O EV6
(2a − c)v1 + ( a − 3b + c)v2 + (2b − c)v3 = O EV8

Como tenemos una combinación lineal de v1 , v2 y v3 que da O y estos vectores son linealmente
independientes, cada uno de los escalares involucrados debe ser 0. Entonces:

 2a − c = 0,
a − 3b + c = 0,
2b − c = 0.


Notemos que a, b y c son los coeficientes de la combinación lineal que planteamos en primer
lugar. Llegamos a que deben ser soluciones de un sistema lineal homogéneo. Entonces nos
queda determinar si este sistema admite una única solución o infinitas. Para eso planteamos la
matriz y escalonamos.
     
2 0 −1 0 2 0 −1 0 2 0 −1 0
 1 −3 1 0  2F2 − F1 → F2  0 −6 3 0  3F3 + F2 → F3  0 −6 3 0 .
0 2 −1 0 0 2 −1 0 0 0 0 0

Como el sistema es compatible indeterminado, los vectores son linealmente dependientes.

Respuesta: {2v1 + v2 , −3v2 + 2v3 , −v1 + v2 − v3 } es linealmente dependiente.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 7

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Bases y dimensión
Como comentamos al comienzo de la sección anterior, de los distintos conjuntos de generado-
res que puede tener un espacio vectorial, estamos interesados en buscar aquellos que tengan la
menor cantidad de vectores que sea posible. La independencia lineal es la propiedad que nos
asegurará esta buena caracterı́stica en un conjunto de generadores.

Bases de un espacio vectorial

Un conjunto de vectores {v1 , . . . , vn } es una base de un espacio vectorial V si es lineal-

mente independiente y genera V.

Una base es un conjunto de generadores en el que no “sobra” ninguno.

Por ejemplo {(1, −1, 2)} es una base de h(1, −1, 2)i, pues lo genera y es linealmente indepen-
diente. En cambio, {(1, −1, 2), (2, −2, 4)} no es una base, porque si bien genera el subespacio
no es linealmente independiente.
Un mismo espacio vectorial puede tener muchas (infinitas) bases distintas, pero todas tienen la
misma cantidad de vectores.

Dimensión de un espacio vectorial

Llamamos dimensión de un espacio vectorial V a la cantidad de vectores que forman una

base de V. Escribimos dim(V) para referirnos a la dimensión de V.

Por ejemplo, la recta h(1, −1, 2)i tienen dimensión 1 ya que {(1, −1, 2)} es una base y está
formada por un vector.
Si queremos calcular la dimensión del plano S = h(1, 1, 0), (1, 2, 3)i tenemos que dar una base.
Los vectores (1, 1, 0) y (1, 2, 3) lo generan y además son linealmente independientes (como son
sólo dos podemos saberlo porque no son múltiplos). Entonces {(1, 1, 0), (1, 2, 3)} es una base
de S. Por lo tanto, dim(S) = 2.
¿Es la única base posible? No, cualquier otro par de vectores linealmente independientes que
estén en S formarán una base. Por ejemplo, podemos tomar {(1, 1, 0), (2, 3, 3)}. Lo que nunca
podremos conseguir es una base de S que no tenga 2 vectores.

Consideremos ahora V = R3 . Para obtener la dimensión de V, tenemos que dar una base. Hay
una forma muy fácil de hacerlo. Tomemos

E = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}.

Veamos que E es una base de R3 . Verifiquemos que R3 = h(1, 0, 0), (0, 1, 0), (0, 0, 1)i, es decir,
que todo vector de R3 es combinación lineal de los vectores de E. Dado ( x, y, z) ∈ R3 es fácil
encontrar la combinación lineal, ya que

( x, y, z) = x (1, 0, 0) + y(0, 1, 0) + z(0, 0, 1).

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 8

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Falta ver que {(1, 0, 0), (0, 1, 0), (0, 0, 1)} es linealmente independiente. Si planteamos

a(1, 0, 0) + b(0, 1, 0) + c(0, 0, 1) = (0, 0, 0),

igualando coordenadas tenemos que


 a = 0,

b = 0,

c = 0.


Por lo tanto, E es linealmente independiente. En consecuencia, E es una base de R3 y, entonces,

dim(R3 ) = 3. Esta base se llama la base canónica de R3 .

Observación: Podemos construir bases similares para Rn , para cualquier n. Por ejemplo, E2 =
{(1, 0), (0, 1)} y E4 = {(1, 0, 0, 0), (0, 1, 0, 0), (0, 0, 1, 0), (0, 0, 0, 1)} son las bases canónicas de R2
y R4 respectivamente. Por lo tanto, dim(Rn ) = n.

Similarmente podemos hallar bases para Rm×n , para m, n ∈ N, y calcular su dimensión. Por
ejemplo:

1 0 0 1 0 0 0 0
, , , es una base de R2×2 ,
0 0 0 0 1 0 0 1

1 0 0 0 1 0 0 0 1 0 0 0 0 0 0 0 0 0
, , , , ,
0 0 0 0 0 0 0 0 0 1 0 0 0 1 0 0 0 1
es una base de R2×3 .

De este modo deducimos que dim(Rm×n ) = mn.

Ejemplo 1. Hallar una base y la dimensión del subespacio

H = {x ∈ R4 : x1 + x2 + x3 + x4 = 0}.

Solución: El primer paso es buscar generadores de H. Si despejamos de la ecuación de H, por

ejemplo,

x1 = − x2 − x3 − x4 ,

llegamos a que un vector general de H es de la forma (− x2 − x3 − x4 , x2 , x3 , x4 ) con x2 , x3 y

x4 ∈ R. Entonces,

H = h(−1, 1, 0, 0), (−1, 0, 1, 0), (−1, 0, 0, 1)i.

Veamos si el conjunto de generadores que hallamos {(-1,1,0,0),(-1,0,1,0),(-1,0,0,1)} es linealmen-

te independiente. Planteamos:

a(−1, 1, 0, 0) + b(−1, 0, 1, 0) + c(−1, 0, 0, 1) = (0, 0, 0, 0),

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 9

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

que nos lleva al sistema de matriz ampliada

 
−1 −1 −1 0
 1 0 0 0 
 .
 0 1 0 0 
0 0 1 0

De las filas 2, 3 y 4, vemos claramente que es un sistema compatible determinado y, por lo tanto,
{(−1, 1, 0, 0), (−1, 0, 1, 0), (−1, 0, 0, 1)} es linealmente independiente. Concluimos que:
Respuesta: {(−1, 1, 0, 0), (−1, 0, 1, 0), (−1, 0, 0, 1)} es una base de H y dim(H) = 3.

Observemos que los tres vectores de la base vienen de las tres variables libres que tenı́amos
(x2 , x3 y x4 ). Esto nos da una pauta de cuál es la dimensión de H antes de encontrar la base.

Propiedad

Si S = {x ∈ Rn : Ax = 0} entonces dim(S) = n − rg( A).

Recordar que rg( A), el rango de A, es la cantidad de filas no nulas de una matriz escalonada
obtenida a partir de A.

Ejemplo 2. Sea S = {x ∈ R4 : x1 + x3 + 2x4 = 0; x1 + 3x2 + x3 = 0; 3x2 − 2x4 = 0}.

Calcular la dimensión y dar una base de S.

Solución: La matriz asociada a las ecuaciones de S es

 
1 0 1 2
A= 1 3 1 0 .
0 3 0 −2

Para calcular la dimensión de S, escalonamos A y calculamos su rango:

     
1 0 1 2 1 0 1 2 1 0 1 2
 1 3 1 0  F2 − F1 → F2  0 3 0 −2  F3 − F2 → F3  0 3 0 −2  .
0 3 0 −2 0 3 0 −2 0 0 0 0

Vemos que el rango de A es 2. Entonces, dim(S) = 4 − 2 = 2.

Conocer la dimensión de un subespacio de antemano es muy útil para calcular una base. En
este caso, como ya sabemos que la dimensión de S es 2, sólo necesitamos encontrar dos vectores
que generen a S. Estos vectores serán linealmente independientes porque si no, la dimensión
de S serı́a menor que 2. Para esto resolvemos el sistema:

x1 + x3 + 2x4 = 0
3x2 − 2x4 = 0
Tenemos que
2
x2 = x4 , x1 = − x3 − 2x4 .
3

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 10

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Ası́, un vector de S tiene la forma (− x3 − 2x4 , 23 x4 , x3 , x4 ) = x3 (−1, 0, 1, 0) + x4 (−2, 23 , 0, 1), con

x3 , x4 ∈ R. Entonces,
2
S = h(−1, 0, 1, 0), (−2, , 0, 1)i.
3
2
Como ya sabemos que S tiene dimensión 2, concluimos que B = {(−1, 0, 1, 0), (−2, , 0, 1)} es
3
una base de S.
2
Respuesta: dim(S) = 2 y {(−1, 0, 1, 0), (−2, , 0, 1)} es una base de S.
3

Propiedad

Si dim(V) = n, para ver que n vectores de V forman una base sólo hace falta verificar
una de las dos condiciones: que son linealmente independientes o que generan V.

Ejemplo 3. Sea H = h(−1, 1, 0, 0), (−1, 0, 1, 0), (−1, 0, 0, 1)i. Hallar una base de H for-
mada por vectores cuyas coordenadas sean todas distintas de 0.

Solución: Ya trabajamos con este subespacio en el Ejemplo 1 de esta sección y vimos que el
conjunto de vectores {(−1, 1, 0, 0), (−1, 0, 1, 0), (−1, 0, 0, 1)} es una base de H. Esta base, clara-
mente, no cumple lo pedido. Como dim(H) = 3, para formar otra base necesitamos 3 vectores
de H que sean linealmente independientes. Además, necesitamos que esos vectores no tengan
ninguna coordenada igual a 0.
Para formar vectores de H tomamos combinaciones lineales de los generadores. Podemos con-
siderar, por ejemplo:

(−1, 1, 0, 0) + (−1, 0, 1, 0) + (−1, 0, 0, 1) = (−3, 1, 1, 1),

(−1, 1, 0, 0) + (−1, 0, 1, 0) − (−1, 0, 0, 1) = (−1, 1, 1, −1),
(−1, 1, 0, 0) + 2(−1, 0, 1, 0) − (−1, 0, 0, 1) = (−2, 1, 2, −1).

Estos tres vectores pertenecen a H. Para que formen una base, deben ser linealmente indepen-
dientes. Planteamos

a(−3, 1, 1, 1) + b(−1, 1, 1, −1) + c(−2, 1, 2, −1) = (0, 0, 0, 0),

que nos lleva al sistema


−3a − b − 2c = 0,



 a+ b+ c = 0,


 a+ b + 2c = 0,
 a−

b− c = 0.

Escalonamos:

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 11

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

−3 −1 −2 −3 −1 −2 0
   
0
3F + F1 → F2
 1 1 1 0  2  0 2 1 0 
3F + F1 → F3 
 1 1 2 0  3 0 2 4 0 
3F4 + F1 → F4
1 −1 −1 0 0 −4 −5 0

−3 −1 −2 −3 −1 −2 0
   
0
F3 − F2 → F3  0 2 1 0   0 2 1 0 
F + F3 → F4 
F4 + 2F2 → F4  0 0 3 0  4 0 0 3 0 
0 0 −3 0 0 0 0 0
Como el sistema es compatible determinado el conjunto de vectores es linealmente indepen-
diente y, por lo tanto, es una base de H.

Respuesta: B = {(−3, 1, 1, 1), (−1, 1, 1, −1), (−2, 1, 2, −1)} es una base H con vectores sin
coordenadas iguales a 0.

Observación: Podrı́amos haber formado otras combinaciones lineales distintas. Hay infinitas
bases de H que tienen la forma pedida.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 12

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Extracción y extensión de bases

Dado un conjunto C de vectores en un subespacio S de un espacio vectorial V, extraer de C una
base de S significa encontrar un subconjunto de C que sea una base de S, es decir, que genere
el subespacio S y sea linealmente independiente.
Para poder hacer esto, es necesario que C sea un conjunto de generadores de S; de lo contrario,
ningún subconjunto de C podrá generar S.

Ejemplo 1. Dado el subespacio S = h(−1, 1, 2), (1, 2, 1), (−1, 4, 5)i de R3 , extraer del
conjunto C = {(−1, 1, 2), (1, 2, 1), (−1, 4, 5)} una base de S.

Solución: Observar que C es un conjunto de generadores de S. Podemos ver que C no es un

conjunto linealmente independiente:

a(−1, 1, 2) + b(1, 2, 1) + c(−1, 4, 5) = (0, 0, 0)

  
 −a + b − c = 0 −1 1 −1 0
⇐⇒ a + 2b + 4c = 0 ↔  1 2 4 0 
2a + b + 5c = 0 2 1 5 0


Escalonamos:
     
−1 1 −1 0 −1 1 −1 0 −1 1 −1 0
F + F1 → F2 
 1 2 4 0  2 0 3 3 0  F3 − F2 → F3  0 3 3 0 
F3 + 2F1 → F3
2 1 5 0 0 3 3 0 0 0 0 0

y vemos que el sistema es compatible indeterminado. El conjunto C, entonces, no es una base

de S.
Para extraer una base tenemos que quitar elementos de C.
Volvamos a la última matriz:
 
−1 1 −1 0
 
 0 3 3 0 
0 0 0 0

Sabemos que si les damos valores a las incógnitas que corresponden a las columnas donde no
están los lugares principales de la matriz (en este caso, a la incógnita c), podemos despejar los
valores de las restantes y hallar una solución del sistema. Por ejemplo, si c = 1, de la segunda
ecuación obtenemos b = −1 y, reemplazando estos valores en la primera ecuación, despejamos
a = −2. La solución del sistema que obtuvimos nos da una combinación lineal

(−2)(−1, 1, 2) + (−1)(1, 2, 1) + 1(−1, 4, 5) = (0, 0, 0)

que permite despejar el vector (−1, 4, 5), que es el que está multiplicado por el coeficiente al
que le dimos el valor c = 1, en términos de los otros dos (esto podremos hacerlo siempre,
independientemente de cuáles sean los valores de a y b obtenidos en la solución con c = 1;
en este caso, como a y b no son 0, también podrı́amos despejar cualquiera de los otros dos
vectores):

(−1, 4, 5) = 2(−1, 1, 2) + 1.(1, 2, 1).

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 1

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Esto significa que

(−1, 4, 5) ∈ h(−1, 1, 2), (1, 2, 1)i .
Recordando que h(−1, 1, 2), (1, 2, 1), (−1, 4, 5)i es el menor subespacio que contiene a los vec-
tores de C = {(−1, 1, 2), (1, 2, 1), (−1, 4, 5)}, resulta que
S = h(−1, 1, 2), (1, 2, 1), (−1, 4, 5)i ⊂ h(−1, 1, 2), (1, 2, 1)i ,
y como también vale que
h(−1, 1, 2), (1, 2, 1)i ⊂ h(−1, 1, 2), (1, 2, 1), (−1, 4, 5)i = S,
concluimos que C 0 = {(−1, 1, 2), (1, 2, 1)} genera S.
Para ver si C 0 es un conjunto linealmente independiente planteamos
  
 −a + b = 0 −1 1 0
a(−1, 1, 2) + b(1, 2, 1) = (0, 0, 0) ⇐⇒ a + 2b = 0 ↔  1 2 0 
2a + b = 0 2 1 0


Si usamos los mismos pasos para escalonar que en el sistema para los vectores de C, obtenemos
     
−1 1 0 −1 1 0 −1 1 0
 1 2 0  F2 + F1 → F2  0 3 0  F3 − F2 → F3  0 3 0 
F3 + 2F1 → F3
2 1 0 0 3 0 0 0 0
El sistema es compatible determinado y, por lo tanto, el conjunto C 0 = {(−1, 1, 2), (1, 2, 1)} es
linealmente independiente.
En resumen, C 0 genera S y es linealmente independiente; entonces, C 0 es una base de S.

Respuesta: El conjunto {(−1, 1, 2), (1, 2, 1)} es una base de S = h(−1, 1, 2), (1, 2, 1), (−1, 4, 5)i.

Observación: El último sistema que escalonamos equivale a ignorar al tercer vector (el que
quitamos) en el planteo para el análisis de la independencia lineal de C:

 −a + b − c = 0
a(−1, 1, 2) + b(1, 2, 1) + c(−1, 4, 5) = (0, 0, 0) ⇐⇒ a + 2b + 4c = 0
2a + b + 5c = 0


Como usamos los mismos pasos para escalonar en ambos casos, obtenemos
     
−1 1 −1 0 −1 1 −1 0 −1 1 −1 0
F + F1 → F2 
 1 2 4 0  2 0 3 3 0  F3 − F2 → F3  0 3 3 0 
F3 + 2F1 → F3
2 1 5 0 0 3 3 0 0 0 0 0
Ignorando la tercera columna conseguimos el sistema compatible determinado que nos mostró
que C 0 es una base de S.
Además, la matriz del sistema para el problema de la independencia lineal planteado con C 0
tiene el mismo rango que la matriz del sistema para el problema planteado con C.

Esto sugiere una forma más rápida de extraer una base a partir de un conjunto de generadores:

Ejemplo 2. Dado el conjunto C = {(1, 2, 1, −1), (−2, 1, 3, 1), (0, 5, 5, −1), (1, −1, 1, −1)},
extraer una base del subespacio S generado por C.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 2

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Solución: Ya sabemos que C genera S. Veamos si es un conjunto linealmente independiente:

a(1, 2, 1, −1) + b(−2, 1, 3, 1) + c(0, 5, 5, −1) + d(1, −1, 1, −1) = (0, 0, 0, 0)
  

 a − 2b + d = 0 1 −2 0 1 0
2a + b + 5c − d = 0  2 1 5 − 1 0
 
↔ 

 a + 3b + 5c + d = 0  1 3 5 1 0 
−a + b − c − d = 0 −1 1 −1 −1 0


   
1 −2 0 1 0 1 −2 0 1 0
F2 − 2F1 → F2 
 2
 1 5 −1 0   F3 − F1 → F3  0 5 5 −3 0  
 1 3 5 1 0   0 5 5 0 0 
F4 + F1 → F4
−1 1 −1 −1 0 0 −1 −1 0 0
   
1 −2 0 1 0 1 −2 0 1 0
F3 − F2 → F3  0 5 5 − 3 0   0
 F + F3 → F4  5 5 − 3 0 
0  4
 
5F4 + F2 → F4  0 0 0 3  0 0 0 3 0 
0 0 0 −3 0 0 0 0 0 0
Obtenemos un sistema compatible indeterminado y, por lo tanto, el conjunto C es linealmente
dependiente.
Notar que la última ecuación no nula, 3d = 0, nos dice que, aunque el sistema tiene soluciones
no triviales que relacionan a los vectores, en todas ellas el valor de d es cero. Esto significa que
en realidad las relaciones existentes involucran a los otros vectores pero no a (1, −1, 1, −1), que
es el vector asociado a la incógnita d en la combinación lineal. El vector (1, −1, 1, −1) no es una
combinación lineal de los otros y si lo quitamos, el subespacio generado se achica.
Como en el ejemplo anterior, si consideramos las columnas que contienen a los lugares princi-
pales de la matriz (es decir, los primeros elementos distintos de 0 de cada fila)
 
1 −2 0 1 0
 0 5 5 −3 0 
 
 
 0 0 0 3 0 
0 0 0 0 0
se forma un sistema compatible determinado. Por lo tanto, los vectores asociados a esas colum-
nas forman un subconjunto C 0 = {(1, 2, 1, −1), (−2, 1, 3, 1), (1, −1, 1, −1)} de C que es lineal-
mente independiente.
Para ver que el vector (0, 5, 5, −1) que suprimimos es combinación lineal de C 0 , podemos hallar
una solución no trivial del sistema con c = 1 despejando las demás incógnitas a partir de las
ecuaciones del sistema escalonado: d = 0, b = −1 y a = −2. Obtenemos:
(−2)(1, 2, 1, −1) + (−1)(−2, 1, 3, 1) + 1 (0, 5, 5, −1) + 0(1, −1, 1, −1) = (0, 0, 0, 0)
De esta combinación lineal con c = 1, despejamos el vector en función de los de C 0 :
(0, 5, 5, −1) = 2(1, 2, 1, −1) + (−2, 1, 3, 1).
Entonces, (0, 5, 5, −1) ∈ h(1, 2, 1, −1), (−2, 1, 3, 1), (1, −1, 1, −1)i.
Con el mismo razonamiento que en el ejemplo anterior, deducimos que C 0 genera el mismo
subespacio que C.

Respuesta: {(1, 2, 1, −1), (−2, 1, 3, 1), (1, −1, 1, −1)} es una base de S extraı́da de C.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 3

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Si M es la matriz del sistema planteado al analizar la independencia lineal de un conjunto

C de generadores del subespacio S, el subconjunto B de C formado por los vectores
correspondientes a las columnas que contienen a los lugares principales de una matriz
escalonada obtenida a partir de M es una base de S.
La dimensión del subespacio S es el rango de la matriz M.

La base obtenida a partir de las columnas correspondientes a los lugares principales de la ma-
triz escalonada, en general no es la única base que podemos extraer de C. Por ejemplo, en el
caso anterior podemos elegir también las columnas 1, 3 y 4,
 
1 −2 0 1 0
 0
 5 5 −3 0 

 0 0 0 3 0 
0 0 0 0 0

Podemos ver que estas columnas dan lugar a un sistema compatible determinado. Esto nos
muestra que el conjunto {(1, 2, 1, −1), (0, 5, 5, −1), (1, −1, 1, −1)} es linealmente independiente
y, como dim(S) = 3, es una base de S.
Si elegimos las columnas 2, 3 y 4,
 
1 −2 0 1 0
 0
 5 5 −3 0 

 0 0 0 3 0 
0 0 0 0 0

la matriz aún no está escalonada. Para determinar si los vectores correspondientes forman una
base de S tendrı́amos que escalonarla y ver si el sistema es compatible determinado para ase-
gurar, como en el caso anterior, la independencia lineal de los vectores.

n 1 0

0 1

−1 1

1 0

0 1 o
Ejemplo 3. Extraer de C = , , , ,
0 −1 1 0 1 1 0 0 1 1
si es posible, dos bases del subespacio S de R 2 × 2 que genera.

Solución. Como antes, vamos a analizar la independencia lineal de C y, a partir de este plan-
teo, determinar subconjuntos de C que sean bases del subespacio de R2×2 que genera:

1 0 0 1 −1 1 1 0 0 1 0 0
a +b +c +d +e =
0 −1 1 0 1 1 0 0 1 1 0 0

  

 a − c + d = 0 1 0 −1 1 0 0
b + c + e = 0 0 1 1 0 1 0 
 
↔ 

 b + c + e = 0  0 1 1 0 1 0 
−a + c + e = 0 −1 0 1 0 1 0


Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 4

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Escalonamos:
   
1 0 −1 1 0 0 1 0 −1 1 0 0
 F3 − F2 → F3
 0 1 1 0 1 0   0 1 1 0 1 0 
  
 0 1 1 0 1 0  F4 + F1 → F4  0 0 0 0 0 0 
−1 0 1 0 1 0 0 0 0 1 1 0
 
1 0 −1 1 0 0
 0 1 1 0 1 0 
F3 ↔ F4 
 0

0 0 1 1 0 
0 0 0 0 0 0

Los lugares principales de la matriz escalonada están en las columnas 1, 2 y 4:

 
1 0 −1 1 0 0
 0 1 1 0 1 0 
 
 .
 0 0 0 1 1 0 
0 0 0 0 0 0

Como consecuencia,
las matrices
1, 2 y 4 del conjunto C forman una base del subespacio S:
1 0 0 1 1 0
B1 = , , . Entonces, dim(S) = 3.
0 −1 1 0 0 0
Para obtener otra base de S, basta elegir otras 3 columnas que den lugar a una matriz de rango
3. Por ejemplo, vemos que las columnas 1, 3 y 5 forman una matriz escalonada de rango 3
 
1 0 −1 1 0 0
 0 1 1 0 1 0 
 .
 0 0 0 1 1 0 
0 0 0 0 0 0

y, por lo tanto, los elementos correspondientes del conjuntoC son linealmente independientes.
n 1 0

−1 1

0 1 o
Deducimos que B2 = , , es otra base de S.
0 −1 1 1 1 1

Respuesta:

1 0 0 1 1 0 n 1 0

−1 1

0 1 o
B1 = , , y B2 = , ,
0 −1 1 0 0 0 0 −1 1 1 1 1
son dos bases de S extraı́das de C.

Ejemplo 4. Sea B = {v1 , v2 , v3 } una base de un espacio vectorial V y sea C = {2v1 + v2 ,

−3v2 + 2v3 , −v1 + v2 − v3 }. Extraer de C, si es posible, dos bases distintas del subespacio
S = h2v1 + v2 , −3v2 + 2v3 , −v1 + v2 − v3 i.

Solución: Notar que C es un conjunto de generadores de S. Veamos si C es linealmente inde-

pendiente

a(2v1 + v2 ) + b(−3v2 + 2v3 ) + c(−v1 + v2 − v3 ) = O

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 5

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Usando propiedades de los espacios vectoriales desarrollamos

2av1 + av2 − 3bv2 + 2bv3 − cv1 + cv2 − cv3 = O

y reagrupamos:
(2a − c)v1 + ( a − 3b + c)v2 + (2b − c)v3 = O
Como B = {v1 , v2 , v3 } es una base de V, el conjunto {v1 , v2 , v3 } es linealmente independiente,
es decir, si para a1 , a2 , a3 ∈ R se tiene que

a1 v1 + a2 v2 + a3 v3 = O

entonces, necesariamente, debe valer

a1 = a2 = a3 = 0.

Esto nos conduce al sistema

  
 2a − c = 0 2 0 −1 0
a − 3b + c = 0 ↔  1 −3 1 0 
2b − c = 0 0 2 −1 0


Escalonamos
     
2 0 −1 0 2 0 −1 0 2 0 −1 0
 1 −3 1 0  2F2 − F1 → F2  0 −6 3 0  3F3 + F2 → F3  0 −6 3 0 
0 2 −1 0 0 2 −1 0 0 0 0 0

Eligiendo las columnas 1 y 2, que contienen a los lugares principales de la matriz,

 
2 0 −1 0
 0 −6 3 0 
0 0 0 0

tenemos que B1 = {2v1 + v2 , −3v2 + 2v3 } es una base de S y dim(S) = 2.

Seleccionando las columnas 1 y 3,
 
2 0 −1 0
 0 −6 3 0 
0 0 0 0

obtenemos también una matriz de rango 2, con lo cual B2 = {2v1 + v2 , −v1 + v2 − v3 } es otra
base de S.

Respuesta: B1 = {2v1 + v2 , −3v2 + 2v3 } y B2 = {2v1 + v2 , −v1 + v2 − v3 } son bases de S

extraı́das de C.

Ejemplo 5. Sean S = h(2, 2, 2, 2), (1, 3, 0, 2)i y H = {x ∈ R4 / − 3x1 + x2 + 2x3 = 0}.

Hallar, si es posible, una base de H que contenga una base de S.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 6

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Solución: Como los vectores de una base pertenecen al subespacio que generan, si queremos
que una base de S sea parte de una base de H, necesitamos que los vectores de la base de S
pertenezcan a H y, por lo tanto, el subespacio S debe estar contenido en H.
Podemos verificar que esto ocurre viendo que los generadores de S cumplen la ecuación de H:
(2, 2, 2, 2) ∈ H : −3 · 2 + 2 + 2 · 2 = 0
(1, 3, 0, 2) ∈ H : −3 · 1 + 3 + 2 · 0 = 0
Entonces S ⊂ H.
Para obtener una base de S podemos extraerla del conjunto de sus generadores. Como solo son
dos y no nulos, para ver que forman un conjunto linealmente independiente alcanza con ver
que no son múltiplos: si k ∈ R cumple (2, 2, 2, 2) = k (1, 3, 0, 2), tenemos el absurdo 2 = 0 en
la tercera coordenada. Tenemos entonces que BS = {(2, 2, 2, 2), (1, 3, 0, 2)} es una base de S y
dim(S) = 2.
Podemos encontrar una base de H resolviendo la ecuación que lo describe pero difı́cilmente
encontremos entre los generadores a los vectores de BS .
Lo que haremos para resolver el problema planteado es extender la base BS a una base de H,
esto es, agregar vectores de H hasta alcanzar un conjunto linealmente independiente con una
cantidad de vectores igual a la dimensión de H.
Para saber cuántos vectores necesitamos agregar, calculamos la dimensión de H. Al ser un
subespacio de R4 dado por ecuaciones vale: dim(H) = 4 − rg( A), donde A = (−3 1 2 0)
es la matriz asociada al sistema (en este caso, una ecuación no nula) que define a H. Como
rg( A) = 1 tenemos que dim(H) = 3.
Entonces, para extender la base BS a una base de H necesitamos agregar un vector v ∈ H tal
que el conjunto B = {(2, 2, 2, 2), (1, 3, 0, 2), v} sea linealmente independiente.
Tomando los valores x1 = 1, x3 = 1, x4 = 2, de la ecuación de H podemos despejar x2 = 1, que
nos da la solución (1, 1, 1, 2).
Verificación (1, 1, 1, 2) ∈ H: −3 · 1 + 1 + 2 · 1 = 0.
Para ver si nos queda un conjunto linealmente independiente planteamos

a(2, 2, 2, 2) + b(1, 3, 0, 2) + c(1, 1, 1, 2) = (0, 0, 0, 0)

  

 2a + b + c = 0 2 1 1 0
2a + 3b + c = 0  2 3 1 0
 
⇐⇒ ↔ 

 2a + c = 0  2 0 1 0 
2a + 2b + 2c = 0 2 2 2 0


     
2 1 0 0 2 1 0 0 2 1 0 0
F2 − F1 → F2 
0 2 0 0 
 2F3 + F2 → F3
 0 2 0 0   0 2
 F ↔ F4  0 0 
F3 − F1 → F3 
0  3
 
F4 − F1 → F4
 0 −1 0 0  2F4 − F2 → F4  0 0 0  0 0 2 0 
0 1 1 0 0 0 2 0 0 0 0 0

Como el sistema es compatible determinado, el conjunto es linealmente independiente.

Respuesta: B = {(2, 2, 2, 2), (1, 3, 0, 2), (1, 1, 1, 2)} es una base del subespacio H que contiene
a BS = {(2, 2, 2, 2), (1, 3, 0, 2)}, que es una base de S.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 7

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Para poder extender un conjunto a una base de un subespacio hay que partir de un
conjunto linealmente independiente que esté contenido en el subespacio.
El problema de extender una base de un subespacio S a una base de un subespacio H
tiene solución si y solo si S ⊆ H.

En el ejemplo, para extender una base BS de S a una base de H, elegimos un vector v ∈ H

arbitrario que resultó formar un conjunto linealmente independiente junto con los de BS . Pero
podrı́a haber resultado un conjunto linealmente dependiente.
En forma más general podemos agregar una base completa de H al conjunto BS y de ahı́ extraer
la base que necesitamos. Hagamos esto en el ejemplo.

En primer lugar, buscamos una base de H. Despejando x2 en la ecuación de H para escribir en

forma paramétrica las soluciones, obtenemos la base BH = {(1, 3, 0, 0), (0, −2, 1, 0), (0, 0, 0, 1)}.
Ahora, del conjunto C = BS ∪ BH = {(2, 2, 2, 2), (1, 3, 0, 2), (1, 3, 0, 0), (0, −2, 1, 0), (0, 0, 0, 1)}
extraemos una base, tomando la precaución de dejar en ella los vectores de BS (observamos que
siempre podremos hacer esto debido a que los vectores de BS son linealmente independientes):
a(2, 2, 2, 2) + b(1, 3, 0, 2) + c(1, 3, 0, 0) + d(0, −2, 1, 0) + e(0, 0, 0, 1) = (0, 0, 0, 0)


 2a + b + c = 0
2a + 3b + 3c − 2d = 0

⇐⇒

 2a + d = 0
2a + 2b + e = 0


   
2 1 1 0 0 0 2 1 1 0 0 0
F2 − F1 → F2 
 2 3 3 −2 0 0 
 F3 − F1 0 2 2 −2 0 0 

 2 → F3 
 0 −1 −1

0 0 1 0 0  1 0 0 
F4 − F1 → F4
2 2 0 0 1 0 0 1 −1 0 1 0
   
2 1 1 0 0 0 2 1 1 0 0 0
2F3 + F2 → F3  0 2
 2 −2 0 0   0 2 2 −2 0 0 
F ↔ F4 
0 0 0  3

2F4 − F2 → F4  0 0 0  0 0 −4 2 2 0 
0 0 −4 2 2 0 0 0 0 0 0 0
Para extraer de C una base que contenga a BS usamos las dos primeras columnas y una de las
otras tres (en este caso, con cualquiera de las tres se obtiene una matriz de rango dim(H) = 3);
por ejemplo, las columnas correspondientes a los lugares principales:
 
2 1 1 0 0 0
 0 2
 2 −2 0 0  
 0 0 −4 2 2 0 
0 0 0 0 0 0
Entonces, {(2, 2, 2, 2), (1, 3, 0, 2), (1, 3, 0, 0)} es otra base de H que contiene una base de S.

1 0 1 1
Ejemplo 6. Extender, si es posible, el conjunto , a una base de
0 −1 0 0
R2×2 .

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 8

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

1 0 1 1
Solución: El conjunto C0 = , es linealmente independiente, ya que
0 −1 0 0
tiene sólo dos elementos y no son uno múltiplo del otro. Esto nos asegura que podemos exten-
derlo a una base de R2×2 .
Como dim(R2×2 ) = 4, para conseguir una base debemos agregar 2 elementos a C0 de modo que
el nuevo conjunto de 4 elementos continúe siendo linealmente independiente. Para hacer esto,
podemos probar con cualquier matriz de R2×2 , pero podrı́a resultar un conjunto linealmente
dependiente y tendrı́amos que volver a empezar eligiendo otra matriz, con la que nos podrı́a
pasar lo mismo, y ası́ sucesivamente.
Una manera sistemática
deresolverelproblema
es agregar
elementos de una base de R2×2 , por
1 0 0 1 0 0 0 0
ejemplo, B = , , , .
0 0 0 0 1 0 0 1
Veamos si al agregar a C0 el primer elemento de B nos queda un conjunto linealmente indepen-
diente:


 a+b+c = 0
1 0 1 1 1 0 0 0 b = 0

a +b +c = ⇐⇒
0 −1 0 0 0 0 0 0 
 0 = 0
−a = 0


solucióndelsistemaesa = 0, b
La única = 0 y c = 0. Por lo tanto,
1 0 1 1 1 0
C1 = , , es linealmente independiente.
0 −1 0 0 0 0
Ahora veamos si al agregar a C1 el segundo elemento de B nos queda un conjunto linealmente
independiente:


 a+b+c = 0
1 0 1 1 1 0 0 1 0 0 b+d = 0

a +b +c +d = ⇐⇒
0 −1 0 0 0 0 0 0 0 0 
 0 = 0
−a = 0


Las soluciones de este sistema son b(0, 1, −1, −1) con b ∈ R; es decir, tiene solución no trivial
y,
por lotanto, el conjunto es linealmente dependiente. Esto significa que no podemos agregar
0 1
al conjunto C1 (y, además, que esta matriz pertenece al subespacio generado por C1 ).
0 0
Analizamos entonces si al agregar a C1 el tercer elemento de B resulta un conjunto linealmente
independiente:


 a+b+c = 0
1 0 1 1 1 0 0 0 0 0 b = 0

a +b +c +d = ⇐⇒
0 −1 0 0 0 0 1 0 0 0 
 d = 0
−a = 0


Como
la única soluci
ón del sistema = 0,
es a b = 0,
c = 0, d = 0, el conjunto
1 0 1 1 1 0 0 0
C2 = , , , es linealmente independiente.
0 −1 0 0 0 0 1 0

1 0 1 1 1 0 0 0
Respuesta: , , , es una base de R2×2 que extien-
0 −1 0 0 0 0 1 0
de al conjunto dado.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 9

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Ejemplo 7. Sea B = {v1 , v2 , v3 , v4 } una base de un espacio vectorial V y sea S el subes-

pacio S = hv2 − 2v4 , v1 + v2 − v3 , v1 − v3 + 2v4 i. Hallar una base de S y extenderla a
una base de V.

Solución: Veamos si los generadores de S nos sirven como base, es decir, si son linealmente
independientes. Planteamos:
a(v2 − 2v4 ) + b(v1 + v2 − v3 ) + c(v1 − v3 + 2v4 ) = O
que reagrupando queda
(b + c)v1 + ( a + b)v2 + (−b − c)v3 + (−2a + 2c)v4 = O
Como {v1 , v2 , v3 , v4 } es linealmente independiente por ser una base de V, la única posibilidad
para que esto ocurra es

  

 b + c = 0 0 1 1 0
a + b = 0 1 1 0 0 
 
↔ 

 − b − c = 0  0 −1 −1 0 
−2a + 2c = 0 −2 0 2 0


     
1 1 0 0 1 1 0 0 1 1 0 0
 0 1 1 0   0 1 1 0  0 1 1 0 
 F3 + F2 → F3
 
F1 ↔ F2  F − 2F2 → F4 
0  4
 
 0 −1 −1 0  F4 + 2F1 → F4  0 0 0  0 0 0 0 
−2 0 2 0 0 2 2 0 0 0 0 0
Entonces BS = {v2 − 2v4 , v1 + v2 − v3 } es una base de S.
Para extenderla a una base de V podemos agregar toda la base B y luego extraer una base:
C = BS ∪ B = {v2 − 2v4 , v1 + v2 − v3 , v1 , v2 , v3 , v4 }
a(v2 − 2v4 ) + b(v1 + v2 − v3 ) + cv1 + dv2 + ev3 + f v4 = O
⇐⇒ (b + c)v1 + ( a + b + d)v2 + (−b + e)v3 + (−2a + f )v4 = O
  

 b + c = 0 0 1 1 0 0 0 0
a + b + d = 0  1 1 0 1 0 0 0 

⇐⇒ ↔ 

 − b + e = 0  0 −1 0 0 1 0 0 
−2a + f = 0 −2 0 0 0 0 1 0


   
1 1 0 1 0 0 0 1 1 0 1 0 0 0
 F3 + F2 → F3
 0 1 1 0 0 0 0   0 1 1 0 0 0 0 
F1 ↔ F2 
 0 −1
 
0 0 1 0 0  F4 + 2F1 → F4  0 0 1 0 1 0 0 
−2 0 0 0 0 1 0 0 2 0 2 0 1 0
   
1 1 0 1 0 0 0 1 1 0 1 0 0 0
 0 1 1 0 0 0 0   0 1 1 0 0 0 0 
F4 − 2F2 → F4   F + 2F3 → F4 
0  4

 0 0 1 0 1 0  0 0 1 0 1 0 0 
0 0 −2 2 0 1 0 0 0 0 2 2 1 0

Respuesta: B0 = {v2 − 2v4 , v1 + v2 − v3 , v1 , v2 } es una base de V que contiene una base de S.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 10

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Observación: En este ejemplo, dim(S) = 2 y dim(V) = 4. Hay muchos pares de vectores

de V que sirven para extender la base BS a una base de todo el espacio vectorial (no solo las
opciones que surgen al agregar vectores de la base B = {v1 , v2 , v3 , v4 }, como en la solución
anterior). Podrı́amos haber elegido dos vectores cualesquiera de V (combinaciones lineales de
los vectores de B) para agregar y, si nos aseguramos que junto con los de BS queda un conjunto
linealmente independiente, tendremos una base de V.

Ejemplo 8. Dados los subespacios S = {x ∈ R3 /x1 − 4x2 − 9x3 = 0} y T =

h(3, 3, −1), (1, −2, 1), (−1, −7, 3)i, decidir si S = T.

Solución: Podemos verificar que T ⊂ S viendo que cada uno de los vectores del conjunto de
generadores de T cumple la ecuación de S:
(3, 3, −1) ∈ S: 3 − 4 · 3 − 9(−1) = 0
(1, −2, 1) ∈ S: 1 − 4(−2) − 9 · 1 = 0
(−1, −7, 3) ∈ S: −1 − 4(−7) − 9 · 3 = 0
Notar que, como T ⊂ S, se cumple dim(T) ≤ dim(S).
Como S está definido en R3 por una ecuación de matriz A = (1 − 4 − 9), entonces dim(S) =
3 − rg( A) = 3 − 1 = 2, con lo cual dim(T) ≤ 2.
Por otro lado, podemos ver que (3, 3, −1) y (1, −2, 1), que son dos de los generadores de T, no
son múltiplos: si k ∈ R cumple (3, 3, −1) = k (1, −2, 1), entre la primera y tercera coordenada
aparece la contradicción k = 3 y k = −1. Entonces, tenemos que dim(T) ≥ 2.
Concluimos entonces que dim(T) = 2 y que {(3, 3, −1), (1, −2, 1)} es una base de T.
Dado que T ⊂ S, se puede extender una base de T a una base de S; pero como dim(T) =
dim(S), no necesitamos agregar ningún vector; por lo tanto, S = T.

Respuesta: S = T.

En general vale:

Propiedad

Si S y T son dos subespacios de un e.v. V que cumplen que S ⊂ T y dim(S) = dim(T),

entonces S = T.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 11

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Intersección de subespacios

Dado un espacio vectorial V y dos subespacios S, T ⊂ V la intersección entre S y T es:

S ∩ T = {v ∈ V / v ∈ S y v ∈ T}.

Es decir, la intersección entre S y T es el conjunto formado por los vectores que pertene-
cen tanto a S como a T.

Ejemplo 1. Dados los subespacios

S = h(1, 1, 1, 1), (−1, 2, 2, 1)i y T = {x ∈ R4 /x1 + x2 + x3 = 0; x2 − x3 = 0},

hallar S ∩ T.

Solución: Tenemos un subespacio que viene dado por generadores y otro que está dado por
ecuaciones.
Si un vector pertenece a S sabemos que es combinación lineal de sus generadores:

( x1 , x2 , x3 , x4 ) ∈ S ⇐⇒ ( x1 , x2 , x3 , x4 ) = a(1, 1, 1, 1) + b(−1, 2, 2, 1), con a, b ∈ R.

Por otro lado, las ecuaciones de T nos dan condiciones que tienen que cumplir las coordenadas
de un vector para pertenecer al subespacio:

( x1 , x2 , x3 , x4 ) ∈ T ⇐⇒ x1 + x2 + x3 = 0 y x2 − x3 = 0.

Los vectores que pertenecen a S ∩ T deben cumplir todas las condiciones simultáneamente, de
modo de pertenecer a ambos subespacios S y T.
Para ver cuáles son estos vectores, primero escribimos las coordenadas de un vector genérico
de S,

( x1 , x2 , x3 , x4 ) = a(1, 1, 1, 1) + b(−1, 2, 2, 1)
( x1 , x2 , x3 , x4 ) =( a − b, a + 2b, a + 2b, a + b)

y luego reemplazamos estas coordenadas en las ecuaciones de T, para determinar qué restric-
ciones imponen estas ecuaciones sobre los coeficientes a y b:
( (
a − b + a + 2b + a + 2b = 0 3a + 3b = 0
⇐⇒ ⇐⇒ a = −b.
a + 2b − ( a + 2b) =0 0 =0

Como sabemos que

( x1 , x2 , x3 , x4 ) =( a − b, a + 2b, a + 2b, a + b),

usando que a = −b, tenemos

( x1 , x2 , x3 , x4 ) = (−b − b, −b + 2b, −b + 2b, −b + +b) = (−2b, b, b, 0) = b(−2, 1, 1, 0).

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 1

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Entonces, los vectores de S ∩ T son los de la forma b(−2, 1, 1, 0), con b ∈ R. Concluimos que:

Respuesta: S ∩ T = h(−2, 1, 1, 0)i.

En el ejemplo, la interesección entre los subespacios S y T resultó ser, a su vez, un subespacio.

Esto es siempre ası́:

Propiedad

Sea V un espacio vectrorial y sean S, T dos subespacios de V. Entonces S ∩ T es un

subespacio de V.

Veamos por qué es cierto esto. Para ver que la intersección entre dos subespacios S y T (acá
S y T representan cualquier par de subespacios, no los del ejemplo anterior) es también un
subespacio, tenemos que chequear tres propiedades:

1) O ∈ S ∩ T.

2) Si v, w ∈ S ∩ T, entonces v + w ∈ S ∩ T.

3) Si v ∈ S ∩ T y c ∈ R, entonces cv ∈ S ∩ T.

Hagamos la verificación de cada una:

1) Para ver que O ∈ S ∩ T tenemos que ver que O pertenece a ambos subespacios. Esto es
cierto porque todos los subespacios tienen al vector nulo.

2) Si v, w ∈ S ∩ T, entonces v, w ∈ S y v, w ∈ T. Como tanto S como T son subespacios,

v + w ∈ S y v + w ∈ T; por lo tanto, v + w ∈ S ∩ T.

3) Si v ∈ S ∩ T y c ∈ R, tenemos que v ∈ S y v ∈ T. Como S y T son subespacios, entonces

cv ∈ S y cv ∈ T; por lo tanto, cv ∈ S ∩ T.

Observación: En el ejemplo anterior tenı́amos que dim(S) = 2, dim(T) = 2 y resultó que

dim(S ∩ T) = 1. Es decir que la intersección resultó ser un subespacio más “chico” que S y que
T. Esto tiene sentido porque S ∩ T está incluido en ambos subespacios y no puede pasar que
sea más “grande”. En otras palabras, siempre se tiene que

dim(S ∩ T) ≤ dim(S) y dim(S ∩ T) ≤ dim(T).

Veamos algunos ejemplos más de cómo calcular la intersección de dos subespacios.

D 1 −1 −2 1 E
Ejemplo 2. Dados S = { A ∈ R2 × 2 / a11 + a22 = 0} y T = , ,
3 1 −1 1
hallar S ∩ T.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 2

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Solución: Como en el ejemplo anterior, tenemos un subespacio dado por ecuaciones y otro
por generadores. Buscamos las matrices A ∈ R2×2 que pertenecen simultáneamente a S y a T.
Las matrices que pertenecen a S son las que cumplen la ecuación que lo define:

a11 a12
A= ∈ S ⇐⇒ a11 + a22 = 0.
a21 a22

Por otro lado, las que pertenecen a T, son las combinaciones lineales de sus generadores:

a11 a12 a11 a12 1 −1 −2 1
A= ∈ T ⇐⇒ =a +b
a21 a22 a21 a22 3 1 −1 1

a − 2b − a + b
= , con a, b ∈ R.
3a − b a+b

Reemplazamos los valores de las entradas de una matriz genérica de T en la ecuación de S para
determinar bajo qué condiciones pertenece a dicho subespacio:

( a − 2b) + ( a + b) = 0 ⇐⇒ 2a − b = 0 ⇐⇒ b = 2a.
| {z } | {z }
a11 a22

En definitiva, tenemos que los elementos de S ∩ T son

a − 2b − a + b
A= , con b = 2a y a ∈ R,
3a − b a+b

que, reemplazando y haciendo las operaciones, nos quedan de la forma

−3a a −3 1
A= =a , con a ∈ R.
a 3a 1 3

D −3 1 E
Respuesta: S ∩ T = .
1 3

Ejemplo 3. Dados los subespacios

S = h(1, 1, 0, 1), (1, −1, 1, 2)i y T = {x ∈ R4 / x1 + x2 + x3 = 0; x2 − x3 = 0},

hallar S ∩ T.

Solución: Nuevamente tenemos un subespacio dado por generadores y otro dado por ecua-
ciones. Procedemos como en los ejemplos anteriores.
Si un vector pertenece a S, sabemos que es una combinación lineal de sus generadores:

( x1 , x2 , x3 , x4 ) ∈ S ⇐⇒ ( x1 , x2 , x3 , x4 ) = a(1, 1, 0, 1) + b(1, −1, 1, 2), con a, b ∈ R,

es decir,

( x1 , x2 , x3 , x4 ) =( a + b, a − b, b, a + 2b).

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 3

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Por otro lado, para pertencer a T debe cumplir las ecuaciones que lo definen:

( x1 , x2 , x3 , x4 ) ∈ T ⇐⇒ x1 + x2 + x3 = 0 y x2 − x3 = 0.

Entonces reemplazamos las coordenadas de un vector genérico de S en las ecuaciones de T:

( ( (
a+b+a−b+b = 0 2a + b = 0 a =0
⇐⇒ ⇐⇒
a−b−b =0 a − 2b = 0 b =0

Como sabemos que

( x1 , x2 , x3 , x4 ) =( a + b, a − b, b, a + 2b),

con a = 0 y b = 0 obtenemos que

( x1 , x2 , x3 , x4 ) = (0 + 0, 0 − 0, 0, 0 + 2 · 0) = (0, 0, 0, 0)

es el único vector que pertenece simultáneamente a S y a T.

Respuesta: S ∩ T = {(0, 0, 0, 0)}.

Observación: En este caso la intersección S ∩ T está formada únicamente por el vector nulo.
Esto es lo más “chica” que puede ser una intersección entre subespacios, ya que el vector nulo
siempre está en cualquier subespacio.

Ejemplo 4. Dados los subespacios

H = {x ∈ R4 / x1 + x2 − x3 + 2x4 = 0} y T = {x ∈ R4 / x1 + x2 + x3 = 0; x2 − x3 = 0},

hallar H ∩ T.

Solución: En este caso tenemos ambos subespacios dados por ecuaciones. Ası́,

( x1 , x2 , x3 , x4 ) ∈ H ⇐⇒ x1 + x2 − x3 + 2x4 = 0.

y, por otro lado,

( x1 , x2 , x3 , x4 ) ∈ T ⇐⇒ x1 + x2 + x3 = 0 y x2 − x3 = 0.

Por lo tanto, los vectores de la intersección H ∩ T son aquellos que cumplen las tres ecuaciones
a la vez, es decir,

H ∩ T = {x ∈ R4 / x1 + x2 + x3 = 0; x2 − x3 = 0; x1 + x2 − x3 + 2x4 = 0}.

Si queremos encontrar una base de la intersección simplemente resolvemos el sistema. Pasamos

a la matriz y la escalonamos:
   
1 1 1 0 0 1 1 −1 0 0
 0 1 −1 0 0  F3 − F1 → F3  0 1 −1 0 0  .
1 1 −1 2 0 0 0 −2 2 0

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 4

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Volviendo a las ecuaciones,


 x1 + x2 + x3
 =0
x2 − x3 =0

− 2x3 + 2x4 = 0.


Como luego de escalonar tenemos 3 ecuaciones y 4 incógnitas podemos despejar todo en fun-
ción de una variable. También sabemos que la intersección tiene dimensión 1.

 x3
 = x4
x2 = x4

x1 = −2x4 .


Un vector que pertenece a H ∩ T tiene la forma (−2x4 , x4 , 2x4 , x4 ) = x4 (−2, 1, 1, 1), con x4 ∈ R,
por lo que B = {(−2, 1, 1, 1)} es una base de H ∩ T.

Respuesta: H ∩ T = h(−2, 1, 1, 1)i.

Ejemplo 5. Dados los subespacios

S = h(1, 1, 0, 1), (1, −1, 1, 2)i y W = h(2, 0, 1, 3), (0, 2, −1, −1), (0, 1, 1, 0)i,

hallar S ∩ W.

Solución: En este caso, ambos subespacios están dados por generadores. La forma más prácti-
ca de calcular su intersección es buscar ecuaciones para alguno de los dos y luego proceder
como en los primeros ejemplos que resolvimos.
Busquemos ecuaciones para W, es decir, qué condiciones tiene que cumplir ( x1 , x2 , x3 , x4 ) para
ser una combinación lineal de (2, 0, 1, 3), (0, 2, −1, −1) y (0, 1, 1, 0):

( x1 , x2 , x3 , x4 ) = α(2, 0, 1, 3) + β(0, 2, −1, −1) + γ(0, 1, 1, 0)

( x1 , x2 , x3 , x4 ) = (2α, 2β + γ, α − β + γ, 3α − β), con α, β, γ ∈ R.

Armamos el sistema,

2α

 = x1

 2β + γ = x2


 α−β+γ = x3
3α − β

= x4

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 5

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

y analizamos bajo qué condiciones es compatible:

   
2 0 0 x1 2 0 0 x1
 2F3 − F1 → F3
x2  x2
 0 2 1  0 2 1 
  
 1 −1 1 x3  2F4 − 3F2 → F4  0 −2 2 2x3 − x1 
3 −1 0 x4 0 −2 0 2x4 − 3x1
 
2 0 0 x1
F3 + F2 → F3 
 0 2 1 x2 

F4 + F2 → F4  0 0 3 2x3 − x1 + x2 
0 0 1 2x4 − 3x1 + x2
 
2 0 0 x1
 0 2 1 x2 
3F4 − F3 → F3  .
 0 0 3 2x3 − x1 + x2 
0 0 0 −8x1 + 2x2 − 2x3 + 6x4

Observamos que el sistema es compatible si y solo si −8x1 + 2x2 − 2x3 + 6x4 = 0, es decir,

W = {x ∈ R4 / − 8x1 + 2x2 − 2x3 + 6x4 = 0}.

Ahora para calcular S ∩ W procedemos como antes. Primero escribimos una expresión de un
vector genérico de S:

( x1 , x2 , x3 , x4 ) =( a + b, a − b, b, a + 2b), con a, b ∈ R.

Reemplazamos en la ecuación de W:

−8( a + b) + 2( a − b) − 2(b) + 6( a + 2b) = 0,

0 = 0.

Obtuvimos que para cualquier valor de a y de b ∈ R un vector de la forma ( a + b, a − b, b, a + 2b)

pertenece a W, es decir, S ⊂ W. Por lo tanto,

S ∩ W = h(1, 1, 0, 1), (1, −1, 1, 2)i = S.

Respuesta: S ∩ W = S.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 6

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Suma de subespacios
Ası́ como la intersección de dos subespacios es un subespacio contenido en ambos, dados dos
subespacios S y T de un espacio vectorial V, vamos a contruir un subespacio de V más “grande”
que contenga simultáneamente a S y a T.
Observamos que si W es un subespacio al que pertenecen todos los vectores de S y todos los
de T, entonces también pertenecen a W todas las combinaciones lineales entre esos vectores; en
particular, todas las sumas de vectores de S con vectores de T. Esto es lo que llamamos suma
de subespacios.

Suma de subespacios

Sea V un espacio vectorial, y sean S y T dos subespacios de V. Definimos la suma de S y

T como:

S + T = {s + t | s ∈ S y t ∈ T}.

Es decir, la suma de S y T es el conjunto formado por todos los vectores que resultan de
sumar un vector de S y uno de T.

Propiedad

Si S y T son subespacios de un e.v. V, entonces S + T es un subespacio de V. Más aún, es

el subespacio ”más chico”de V que contiene a S y a T.

Observación: Dados dos subespacios S y T, la unión S ∪ T = {v ∈ V | v ∈ S o v ∈ T} en

general no es un subespacio de V, con lo cual S + T 6= S ∪ T.
Consideremos, por ejemplo, S = h(1, 1)i y T = h(−1, 1)i en R2 . La unión de S y T es el conjunto
de vectores que pertenecen a alguno de los dos. Entonces, s = (1, 1) y t = (−1, 1) pertenecen a
S ∪ T. Si los sumamos (1, 1) + (−1, 1) = (0, 2), obtenemos un vector que no pertenece ni a S ni
a T, o sea, que no pertenece a S ∪ T. Por lo tanto, S ∪ T no es un subespacio.

s+t

s t

T S

En este caso, considerando todos los vectores que se obtienen como suma de un vector de S y
otro de T, podemos ver que S + T = R2 .

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 1

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Ejemplo 1. Sean S = h(1, 1, 1, 1), (0, −1, 1, −2)i y T = h(0, 1, 1, 0), (1, 0, 2, −1)i. Hallar
una base de S + T.

Solución. Un vector de v ∈ S + T tiene la forma:

v = a(1, 1, 1, 1) + b(0, −1, 1 − 2) + c(0, 1, 1, 0) + d(1, 0, 2, −1) .

| {z } | {z }
s∈S t∈T

Entonces S + T = h(1, 1, 1, 1), (0, −1, 1, −2), (0, 1, 1, 0), (1, 0, 2, −1)i. Para obtener una base, ve-
amos si los generadores forman un conjunto linealmente independiente. Planteamos

a(1, 1, 1, 1) + b(0, −1, 1, −2) + c(0, 1, 1, 0) + d(1, 0, 2, −1) = (0, 0, 0, 0),

que nos da el sistema con matriz ampliada

 
1 0 0 1 0
 1 −1 1 0 0 
 .
 1 1 1 2 0 
1 −2 0 −1 0

Escalonamos,
   
1 0 0 0
1 1 0 0 1 0
 1 −1 F2 − F1 → F2 
1 0
0 
 F − F1 → F3  0 − 1 1 −1 0 
0  3
 
 1 1 1 2  0 1 1 1 0 
F4 − F1 → F4
1 −2 0 −1
0 0 −2 0 −2 0
   
1 0 0 1 0 1 0 0 1 0
F3 + F2 → F3  0 −1
 1 −1 0   0 −1 1 −1 0 
 F + F4 → F4  ,
F4 − 2F2 → F4  0 0 2 0 0  3  0 0 2 0 0 
0 0 −2 0 0 0 0 0 0 0

y vemos que es un S.C.I. Por lo tanto, los vectores son linealmente dependientes. Observando
la matriz escalonada notamos que si nos quedamos con las tres primeras columnas, resulta
un S.C.D. Entonces, el conjunto {(1, 1, 1, 1), (0, −1, 1, −2), (0, 1, 1, 0)} de los vectores correspon-
dientes a esas columnas es una base de S + T.
Respuesta: B = {(1, 1, 1, 1), (0, −1, 1, −2), (0, 1, 1, 0)} es una base de S + T.

Dados subespacios S y T de un e.v. V, es sencillo obtener un conjunto de generadores de S + T

a partir de un conjunto de generadores de S y un conjunto de generadores de T:

Generadores de la suma
Si S = hs1 , . . . , sn i y T = ht1 , . . . tm i, entonces S + T = hs1 , . . . , sn , t1 , . . . , tm i.

Como puede verse en el ejemplo anterior, en general el conjunto {s1 , . . . , sn , t1 , . . . , tm } no es

una base de S + T, aun cuando {s1 , . . . , sn } y {t1 , . . . , tm } sean bases de S y de T respectiva-
mente.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 2

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Ejemplo 2. Dados los subespacios

S = h(1, 1 − 2, 1), (0, 1, 0, 2)i , T = h(1, 1, 1, 4), (1, 1, −1, 2)i y

H = {x ∈ R4 /x1 + 2x2 + x3 − x4 = 0},

decidir si S + T = H.

Solución: A partir de los conjuntos de generadores de S y T dados, obtenemos que

S + T = h(1, 1 − 2, 1), (0, 1, 0, 2), (1, 1, 1, 4), (1, 1, −1, 2)i .

Veamos si los generadores pertenecen a H

(1, 1 − 2, 1) ∈ H : 1 + 2 · 1 + (−2) − 1 = 0
(0, 1, 0, 2) ∈ H : 0+2·1+0−2 = 0
(1, 1, 1, 4) ∈ H : 1+2·1+1−4 = 0
(1, 1, −1, 2) ∈ H : 1 + 2 · 1 + (−1) − 2 = 0

Esto muestra que S + T ⊂ H. Calculemos dim(S + T) y dim(H).

Analizamos la independencia lineal de los generadores de S + T:

a(1, 1 − 2, 1) + b(0, 1, 0, 2) + c(1, 1, 1, 4) + d(1, 1, −1, 2) = (0, 0, 0, 0)



 a + c + d = 0
a + b + c + d = 0

⇐⇒

 −2a + c − d = 0
a + 2b + 4c + 2d = 0


   
1 0 1 1 0 1 0 1 1 0
 1 F2 − F1 → F2 
 1 1 1  F3 + 2F1 → F3  0 1 0
0  0 0 

 −2 0 1 −1 0   0 0 3 1 0 
F4 − F1 → F4
1 2 4 2 0 0 2 3 1 0
   
1 0 1 1 0 1 0 1 1 0
 0 1 0 0 0   0 1 0 0 0 
F4 − 2F2 → F4   F − F3 → F4 
0 3 1 0  4

 0  0 0 3 1 0 
0 0 3 1 0 0 0 0 0 0

El sistema es compatible indeterminado y la matriz tiene rango 3, con lo cual dim(S + T) = 3.

Por otro lado, como H está definido por una sola ecuación en R4 , dim(H) = dim(R4 ) − 1 = 3.
En resumen, tenemos que S + T ⊂ H y dim(S + T) = dim(H), de donde podemos concluir
que los subespacios son iguales.

Respuesta: S + T = H.

Observación: Si alguno de los subespacios S o T está dado por ecuaciones, podemos hallar
un conjunto de generadores del subespacio y repetir lo anterior.
Si el subespacio H está dado por generadores resulta conveniente buscar un sistema de ecua-
ciones que lo defina para luego proceder como en el ejemplo.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 3

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

D 1 −1 −2 1 E
Ejemplo 3. Dados S = { A ∈ R2 × 2 / a11 + a22 = 0} y T = , ,
3 1 −1 1
decidir si S + T = R2×2 .

Solución. Comenzamos buscando un conjunto de generadores de S + T. Para esto, primero

hallaremos un conjunto de generadores de S.

a11 a12
A= ∈ S ⇐⇒ a11 + a22 = 0 ⇐⇒ a11 = − a22
a21 a22

Entonces, las matrices A ∈ S son las de la forma

− a22 a12 −1 0 0 1 0 0
= a22 + a12 + a21 , con a22 , a12 , a21 ∈ R,
a21 a22 0 1 0 0 1 0
D −1 0 0 1 0 0 E
y, por lo tanto, S = , , .
0 1 0 0 1 0
Con este conjunto de generadores de S y el conjunto de generadores dado de T, tenemos un
conjunto de generadores para S + T:
D −1 0 0 1 0 0 1 −1 −2 1 E
S+T = , , , , .
0 1 0 0 1 0 3 1 −1 1

Para decidir si S + T = R2×2 , calculemos dim(S + T). Planteamos:

−1 0 0 1 0 0 1 −1 −2 1 0 0
a +b +c +d +e =
0 1 0 0 1 0 3 1 −1 1 0 0

para extraer una base del conjunto de generadores, lo que nos conduce al sistema
  

 − a + d − 2e = 0 −1 0 0 1 −2 0
b − d + e = 0 0 1 0 −1 1 0
  
←→  

 c + 3d − e = 0  0 0 1 3 − 1 0 
a + d + e = 0 1 0 0 1 1 0


Escalonamos la matriz del sistema:

 
−1 0 0 1 −2 0
 0 1 0 −1 1 0 
F4 + F1 → F4  
 0 0 1 3 −1 0 
0 0 0 2 −1 0

Vemos que la matriz tiene rango 4 (más aún, que los primeros 4 elementos del conjunto de
generadores forman una base de S + T) y, por lo tanto, dim(S + T) = 4. Como S + T ⊂ R2×2 y
dim(R2×2 ) = 4, concluimos que vale la igualdad.

Respuesta: S + T = R2×2 .

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 4

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Ejemplo 4. Sean S = h(1, 1, 0, 2), (3, 1, 1, 2), (2, 0, 1, 0)i y T = {x ∈ R4 /x1 + x3 + x4 = 0;

x1 + x2 + 2x3 + x4 = 0}.
a) Hallar S + T.

b) Hallar una base de S + T.

c) Hallar una base de S + T que contenga simultáneamente una base de S y una base
de T.

Solución:

a) Para aplicar lo anterior de modo de hallar un conjunto de generadores de S + T necesita-

mos un conjunto de generadores de T: resolvemos el sistema

x1 + x3 + x4 = 0 1 0 1 1 0
↔
x1 + x2 + 2x3 + x4 = 0 1 1 2 1 0

1 0 1 1 0
F2 − F1 → F2
0 1 1 0 0

que, despejando x1 y x2 , tiene como soluciones a

( x1 , x2 , x3 , x4 ) = (− x3 − x4 , − x3 , x3 , x4 ) = x3 (−1, −1, 1, 0) + x4 (−1, 0, 0, 1), con x2 , x4 ∈ R.
Ası́, el conjunto {(−1, −1, 1, 0), (−1, 0, 0, 1)} es un base de T.
Entonces, a partir del conjunto de generadores dado para S y el conjunto de generadores
obtenido para T, tenemos un conjunto de generadores de S + T.
Respuesta: S + T = h(1, 1, 0, 2), (3, 1, 1, 2), (2, 0, 1, 0), (−1, −1, 1, 0)(−1, 0, 0, 1)i.

b) Veamos si el conjunto de generadores de S + T que encontramos en el ı́tem anterior es

linealmente independiente:

a(1, 1, 0, 2) + b(3, 1, 1, 2) + c(2, 0, 1, 0) + d(−1, −1, 1, 0) + e(−1, 0, 0, 1) = (0, 0, 0, 0)

  

 a + 3b + 2c − d − e = 0 1 3 2 −1 −1 0
a + b − d = 0  1 1 0 −1 0 0 

⇐⇒ ↔ 

 b + c + d = 0  0 1 1 1 0 0 
2a + 2b + e = 0 2 2 0 0 1 0


Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 5

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

 
1 3 2 −1 −1 0
F2 − F1 → F2   0 −2 −2 0 1 0 

F4 − 2F1 → F4  0 1 1 1 0 0 
0 −4 −4 2 3 0
 
1 3 2 −1 −1 0
2F3 + F2 → F3   0 −2 −2 0 1 0 

F4 − 2F2 → F4  0 0 0 2 1 0 
0 0 0 2 1 0
 
1 3 2 −1 −1 0
 0 −2 −2 0 1 0 
F4 − F3 → F4 
 0

0 0 2 1 0 
0 0 0 0 0 0

El conjunto de generadores es linealmente dependiente. Podemos extraer un base consi-

derando los vectores asociados a la primera, segunda y cuarta columnas:
Respuesta: El conjunto {(1, 1, 0, 2), (3, 1, 1, 2), (−1, −1, 1, 0)} es una base de S + T.

c) Observar que los dos primeros vectores de la base obtenida en el ı́tem anterior no cum-
plen las ecuaciones de T, por lo tanto esa base no contiene una base de T, ya que dim(T) =
2 (como vimos en a)) y esa base solo contiene a un vector que pertenece a T.
A partir del desarrollo hecho en el inciso anterior, observamos que los tres generadores
con los que tenemos expresado el subespacio S son linealmente dependientes y que po-
demos extraer una base de S considerando los dos primeros {(1, 1, 0, 2), (3, 1, 1, 2)}; por
lo tanto, dim(S) = 2. También sabemos que dim(T) = 2.
Como dim(S + T) = 3, para la base que buscamos necesitamos tres vectores de S + T,
de los cuales dos tienen que formar una base de S, y dos una base de T: necesitamos un
vector que simultáneamente sea parte de estas últimas dos bases, es decir, un vector no
nulo v ∈ S ∩ T.
Si v ∈ S entonces existen a, b, c ∈ R que cumplen

v = a(1, 1, 0, 2) + b(3, 1, 1, 2) + c(2, 0, 1, 0) = ( a + 3b + 2c, a + b, b + c, 2a + 2b).

Si además v ∈ T entonces sus coordenadas verifican las ecuaciones de T:

( a + 3b + 2c) + (b + c) + (2a + 2b) = 0
( a + 3b + 2c) + ( a + b) + 2(b + c) + (2a + 2b) = 0

3a + 6b + 3c = 0 3 6 3 0 3 6 3 0
⇐⇒ ↔ 3F2 − 4F1 → F2
4a + 8b + 4c = 0 4 8 4 0 0 0 0 0

que tiene como soluciones a = −2b − c con b, c ∈ R y

v = (−2b − c)(1, 1, 0, 2) + b(3, 1, 1, 2) + c(2, 0, 1, 0)

= (b + c, −b − c, b + c, −2b − 2c)
= b(1, −1, 1, −2) + c(1, −1, 1, −2)
= (b + c)(1, −1, 1, −2)

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 6

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Concluimos que S ∩ T = h(1, −1, 1, −2)i.

Para completar la base extendemos {(1, −1, 1, −2)} a una base BS de S y, por otro lado,
extendemos {(1, −1, 1, −2)} a una base BT de T.
Como dim(S) = dim(T) = 2, solo nos queda agregar un vector de S que no sea múltiplo
de (1, −1, 1, −2), por ejemplo (1, 1, 0, 2), y un vector de T que tampoco sea múltiplo de
(1, −1, 1, −2), por ejemplo (−1, 0, 0, 1) (recordar que en a) hallamos generadores para T).
En caso que extender la base de S ∩ T a una base de S y a una base de T no nos resulte
tan directo, podemos recurrir al método general para extender bases.

Respuesta: El conjunto B = {(1, 1, 0, 2), (1, −1, 1, −2), (−1, 0, 0, 1)} es una base de
S + T que contiene a la base BS = {(1, 1, 0, 2), (1, −1, 1, −2)} de S y a la base BT =
{(1, −1, 1, −2), (−1, 0, 0, 1)} de T.

Verificación:

Veamos que B es linealmente independiente:

a(1, 1, 0, 2) + b(1, −1, 1, −2) + c(−1, 0, 0, 1) = (0, 0, 0, 0)



 a + b − c = 0
a − b = 0

⇐⇒

 b = 0
2a − 2b + c = 0


   
1 1 −1 0 1 1 −1 0
 1 −1
 F2 − F1 → F2  0 −2
0 0  1 0 

 
 0 1 0 0  F4 − 2F1 → F4  0 1 0 0 
2 −2 1 0 0 −4 3 0
   
1 1 −1 0 1 1 −1 0
2F3 + F2 → F3  0 −2
 1 0   0 −2 1 0 
F − F3 → F4 
1 0  4

F4 − 2F2 → F4  0 0  0 0 1 0 
0 0 1 0 0 0 0 0

Es sistema compatible determinado y, por lo tanto, B es linealmente independiente.

(1, −1, 1, −2) = −2(1, 1, 0, 2) + 1(3, 1, 1, 2) + 0(2, 0, 1, 0) ∈ S. Con esto probamos que
BS es una base de S pues es linealmente independiente, porque lo es B, dim(S) = 2 y
(1, 1, 0, 2), (1, −1, 1, −2) ∈ S.
(1, −1, 1, −2) verifica las ecuaciones de T:

1 + 1 − 2 = 0
1 − 1 + 2·1 − 2 = 0

y entonces BT es una base de T porque es linealmente independiente, pues B lo es,

dim(T) = 2 y (1, −1, 1, −2), (−1, 0, 0, 1) ∈ T.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 7

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Teorema de la dimensión para subespacios

En el ejemplo anterior, aunque tenemos dos subespacios de dimensión 2, resultó que la di-
mensión de la suma de los subespacios no es 4, debido a la presencia de una intersección de
dimensión 1. Un ejemplo más elemental lo tenemos en R3 para el caso de dos subespacios que
sean planos (dimensión 2): la suma de esos subespacios no puede ser de dimensión mayor a 3,
y eso hace que la intersección sea de dimensión al menos 1.
En general, dados subespacios S y T de un e.v. V, las dimensiones de S, T, S + T y S ∩ T están
relacionadas.

Teorema de la dimensión para subespacios

Sea V un e.v. de dimensión finita, y sean S y T subespacios de V. Se cumple:

dim(S + T) = dim(S) + dim(T) − dim(S ∩ T).

Demostración: Procedamos como en el último ı́tem del ejemplo anterior.

i) Obtenemos una base Bint = {v1 , v2 , . . . , vk } de S ∩ T, con k = dim(S ∩ T).
(Si S ∩ T = {O}, k = 0 y no hay vectores en Bint .)
ii) Extendemos Bint a una base BS de S con CS = {s1 , s2 , . . . , sm }; o sea, BS = Bint ∪ CS y
dim(S) = k + m.
iii) Extendemos Bint a una base BT de T con CT = {t1 , t2 , . . . , tn }; o sea, BT = Bint ∪ CT y
dim(T) = k + n.
Observar que como S = hv1 , v2 , . . . , vk , s1 , s2 , . . . , sm i y T = hv1 , v2 , . . . , vk , t1 , t2 , . . . , tn i, enton-
ces
base de T
z }| {
C = {s1 , s2 , . . . , sm , v1 , v2 , . . . , vk , t1 , t2 , . . . , tn } genera S + T.
| {z }
base de S
Para ver si C es linealmente independiente, planteamos al vector nulo como una combinación
lineal de C:
a1 s1 + a2 s2 + · · · + am sm + b1 v1 + b2 v2 + · · · + bk vk + c1 t1 + c2 t2 + · · · + cn tn = O
Veamos que necesariamente todos los coeficientes son nulos.
Sea v = a1 s1 + a2 s2 + · · · + am sm ∈ S. Usando la igualdad anterior, podemos despejar a v en
términos de los vectores de la base BT de T:
v = a1 s1 + a2 s2 + · · · + am sm = −b1 v1 − b2 v2 − · · · − bk vk − c1 t1 − c2 t2 − · · · − cn tn .
Entonces tenemos que v ∈ S ∩ T. Como Bint genera S ∩ T, existen escalares d1 , . . . , dk tales que
v = d1 v1 + d2 v2 + · · · + dk vk y tenemos que
v − v = (d1 v1 + d2 v2 + · · · + dk vk ) − ( a1 s1 + a2 s2 + · · · + am sm ) = O,
es decir, una combinación lineal de la base BS que da el vector nulo. Como BS es linealmente in-
dependiente, esto implica que d1 , . . . , dk , a1 , . . . , am deben ser todos 0. Entonces, reemplazando
a1 = a2 = · · · = am = 0 en la combinación lineal de C que da O nos queda:
b1 v1 + b2 v2 + · · · + bk vk + c1 t1 + c2 t2 + · · · + cn tn = O,

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 8

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

es decir, una combinación lineal de la base BT que da el vector nulo. Como BT es linealmente
independiente, concluimos que b1 , . . . , bk , c1 , . . . , cn deben ser todos 0.
En resumen, a1 , . . . , am , b1 , . . . , bk , c1 , . . . , cn deben ser todos iguales a 0; por lo tanto, C es lineal-
mente independiente.
Concluimos que C es una base de S + T. La cantidad de elementos de C es

dim(S + T) = k + m + n = (k + m) + (k + n) − k = dim(S) + dim(T) − dim(S ∩ T).

Ejemplo 5. Sean S y T subespacios de R6 tales que dim(S) = 3 y dim(T) = 4. Verificar

que S ∩ T 6= {O}.

Solución: Tenemos que ver que, bajo las condiciones del enunciado, independientemente de
cuáles sean los subespacios S y T, su intersección no será el subespacio {O}.
Para esto, analicemos la dimensión de S ∩ T y veamos que no puede ser 0 (esto es equivalente
a decir que S ∩ T no puede ser el subespacio {O}). El teorema de la dimensión nos dice que:

dim(S + T) = dim(S) + dim(T) − dim(S ∩ T).

De esta igualdad podemos despejar dim(S ∩ T):

dim(S ∩ T) = dim(S) + dim(T) − dim(S + T).

Sabemos que dim(S) = 3 y dim(T) = 4, aunque no conocemos dim(S + T). Lo que sı́ sabemos
es que S + T es un subespacio de R6 ; por lo tanto, dim(S + T) ≤ 6. Entonces,

dim(S ∩ T) = 3 + 4 − dim(S + T) = 7 − dim(S + T) ≥ 7 − 6 = 1.

Como dim(S ∩ T) ≥ 1, entonces S ∩ T 6= {O}.

Ejemplo 6. Dados los subespacios

S = h(1, 0, 1), (1, 1, 1)i y T = {x ∈ R3 /x1 − x2 + x3 = 0}

y el vector v = (1, −1, 2), decidir si S + T = R3 y hallar, si es posible, dos vectores

distintos s, s0 de S y dos vectores t, t0 de T que verifiquen s + t = v = s0 + t0 .

Solución: Calculemos S ∩ T: si w ∈ S,

w = a(1, 0, 1) + b(1, 1, 1) = ( a + b, b, a + b)

y si además w ∈ T, se cumple

( a + b) − b + ( a + b) = 0 ⇐⇒ b = −2a,

con lo cual w = (− a, −2a, a) = a(−1, −2, −1), con a ∈ R. Entonces S ∩ T = h(−1, −2, −1)i y
dim(S ∩ T) = 1.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 9

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Además, dim(S) = 2 pues {(1, 0, 1), (1, 1, 1)} es linealmente independiente. También tenemos
que dim(T) = dim(R3 ) − 1 = 2, dado que T está definido por una ecuación en R3 .
Entonces vale

dim(S + T) = dim(S) + dim(T) − dim(S ∩ T) = 2 + 2 − 1 = 3

y, como S + T ⊂ R3 , podemos concluir que S + T = R3 .

Observar que (1, 0, 1) ∈ S y no es múltiplo de (−1, −2, −1). Por otro lado, (0, 1, 1) ∈ T, ya que
verifica la ecuación 0 − 1 + 1 = 0, y no es múltiplo de (−1, −2, −1).
Con esto podemos formar una base de S + T = R3 que contiene una base de S y una base de T:
base de T
z }| {
B = {(1, 0, 1), (−1, −2, −1), (0, 1, 1)}
| {z }
base de S

Para hallar los vectores s, s0 , t y t0 planteamos

v = (1, −1, 2) = a(1, 0, 1) + b(−1, −2, −1) + c(0, 1, 1)

que tiene única solución a = 2, b = 1, c = 1 pues B es una base de R3 (podemos hallar esta
solución resolviendo el sistema lineal que se obtiene igualando coordenadas).
Tenemos:
∈T
z }| {
v = (1, −1, 2) = 2(1, 0, 1) + 1(−1, −2, −1) + 1(0, 1, 1)
| {z }
∈S

Como (1, 0, 1) y (−1, −2, −1) pertenecen a S y (0, 1, 1) a T, tenemos:

s = 2(1, 0, 1) + 1(−1, −2, −1) = (1, −2, 1) ∈ S y t = 1(0, 1, 1) ∈ T que cumplen s + t =
(1, −1, 2) = v.
También podemos considerar (−1, −2, −1) como vector de T y obtener otro par de vectores:
s0 = 2(1, 0, 1) = (2, 0, 2) ∈ S y t0 = 1(−1, −2, −1) + 1(0, 1, 1) = (−1, −1, 0) ∈ T que cumplen
s0 + t0 = v.

Respuesta: S + T = R3
s = (1, −2, 1) ∈ S, t = (0, 1, 1) ∈ T, s0 = (2, 0, 2) ∈ S y t0 = (−1, −1, 0) ∈ T cumplen
s + t = (1, −1, 2) = s0 + t0 .

Verificación:
s = (1, −2, 1) ∈ S : (1. − 2, 1) = 3(1, 0, 1) − 2(1, 1, 1)
t = (0, 1, 1) ∈ T : verifica 0 − 1 + 1 = 0

s + t = (1. − 2, 1) + (0, 1, 1) = (1, −1, 2) = v

s0 = (2, 0, 2) ∈ S : (2, 0, 2) = 2(1, 0, 1) + 0(1, 1, 1)

t0 = (−1, −1, 0) ∈ T : verifica − 1 − (−1) + 0 = 0

s0 + t0 = (2, 0, 2) + (−1, −1, 0) = (1, −1, 2) = v

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 10

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Observación: En el ejemplo anterior, en realidad hay infinitos pares de vectores para s ∈ S

y t ∈ T que verifican s + t = v, pues a los vectores de S ∩ T podemos descomponerlos como
parte de S y de T. Por ejemplo:
∈T
z }| {
v = (1, −1, 2) = 2(1, 0, 1) + c(−1, −2, −1) + (1 − c)(−1, −2, −1) + 1(0, 1, 1) con c ∈ R.
| {z }
∈S

Esto no puede pasar si S ∩ T = {O}.

Suma directa
Vamos a estudiar ahora la suma de dos subespacios en el caso particular en que la intersección
es el subespacio {O}.

Suma directa
Si S y T son subespacios de un e.v. V y se cumple que V = S + T y S ∩ T = {O}, decimos
que V es la suma directa de S y T y escribimos V = S ⊕ T.

Propiedad

Sean S y T subespacios de un e.v. V. Si V = S ⊕ T, para cada v ∈ V existen únicos

vectores s ∈ S y t ∈ T que verifican v = s + t.

Observación: El teorema de la dimensión aplicado en el caso de suma directa dice que

dim(S ⊕ T) = dim(S) + dim(T)

pues dim(S ∩ T) = 0. De esto se deduce que, en este caso, al unir una base de S y una base de
T resulta un conjunto linealmente independiente.

Ejemplo 7. Dados S = h(1, 1, 1, 1), (1, 2, 1, 2), (3, 1, 3, 1)i y H = {x ∈ R4 /x1 − x3 = 0},
hallar, si es posible, dos subespacios distintos T1 , T2 ⊂ R4 que verifiquen

S ⊕ T1 = H = S ⊕ T2 .

Solución: Recordar que S + T1 incluye tanto a S como a T1 por lo que se debe cumplir S ⊂ H,
de lo contrario no hay solución. Verifiquémoslo con los generadores de S:
(1, 1, 1, 1) ∈ H : 1−1 = 0
(1, 2, 1, 2) ∈ H : 1−1 = 0
(3, 1, 3, 1) ∈ H : 3−3 = 0
y entonces S ⊂ H.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 11

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Calculemos dimensiones de S y H para determinar qué dimensión deben tener T1 y T2 :

dim(H) = dim(R4 ) − 1 = 3, ya que H está definido por una ecuación.
Para calcular la dimensión de S, analizamos la independencia lineal y extraemos una base del
conjunto de generadores {(1, 1, 1, 1), (1, 2, 1, 2), (3, 1, 3, 1)}:


 a + b + 3c = 0
a + 2b + c = 0

a(1, 1, 1, 1) + b(1, 2, 1, 2) + c(3, 1, 3, 1) = (0, 0, 0, 0) ⇐⇒

 a + b + 3c = 0
a + 2b + c = 0


     
1 1 3 0 1 1 3 0 1 1 3 0
F2 − F1 → F2 
 1 2 1 0 
 F − F1 → F3  0 1 −2 0   0 1 −2 0 
↔  F − F2 → F4 
0  3 0 0  4

 1 1 3  0 0  0 0 0 0 
F4 − F1 → F4
1 2 1 0 0 1 −2 0 0 0 0 0

Entonces {(1, 1, 1, 1), (1, 2, 1, 2)} es una base de S y dim(S) = 2.

El teorema de la dimensión nos dice que

dim(H) = dim(S ⊕ T1 ) = dim(S) + dim(T1 ) − dim(S ∩ T1 )

3 = 2 + dim(T1 ) − 0

y tenemos que dim(T1 ) = 1. De la misma manera, dim(T2 ) = 1.

Si buscamos generadores para un subespacio T1 que cumpla S ⊕ T1 = H, necesitamos un
vector de H (porque T1 ⊂ H y dim(T1 ) = 1) que forme un conjunto linealmente independiente
junto con los vectores de una base de S, de modo que la suma de S y T1 sea una suma directa.
En otras palabras, vamos a extender una base de S a una base de H, y el vector con el que
hagamos esto generará el subespacio T1 .
Tomemos una solución de la ecuación de H, por ejemplo (0, 1, 0, 0), que cumple 0 − 0 = 0, y
veamos si C = {(1, 1, 1, 1), (1, 2, 1, 2), (0, 1, 0, 0)} es un conjunto linealmente independiente:


 a + b = 0
a + 2b + c = 0

a(1, 1, 1, 1) + b(1, 2, 1, 2) + c(0, 1, 0, 0) = (0, 0, 0, 0) ⇐⇒

 a + b = 0
a + 2b = 0


     
1 1 0 0 1 1 0 0 1 1 0 0
 1 F2 − F1 → F2 
2 1 0 
 0 1 1 0 
  0 1 1 0 
↔ F − F1 → F3  F − F2 → F4 
0  3 0  4

 1 1 0  0 0 0  0 0 0 0 
F4 − F1 → F4
1 2 0 0 0 1 0 0 0 0 −1 0

El sistema escompatible determinado; por lo tanto, C es linealmente independiente y resulta

una base de S + T1 , con T1 = h(0, 1, 0, 0)i.
Para hallar T2 solo necesitamos otro vector de H que no sea múltiplo de (0, 1, 0, 0), y que nue-
vamente forme un conjunto linealmente independendiente junto con la base de S. Tomemos,

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 12

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

por ejemplo (1, 0, 1, 1), que cumple 1 − 1 = 0 y veamos si C 0 = {(1, 1, 1, 1), (1, 2, 1, 2), (1, 0, 1, 1)}
es linealmente independiente:


 a + b + c = 0
a + 2b = 0

a(1, 1, 1, 1) + b(1, 2, 1, 2) + c(1, 0, 1, 1) = (0, 0, 0, 0) ⇐⇒

 a + b + c = 0
a + 2b + c = 0


     
1 1 1 0 1 1 0 0 1 1 0 0
F2 − F1 → F2 
 1 2 0 0 
 F3 − F1 → F3  0 1 − 1 0   0 1 1 0 
↔
 1
 F4 − F2 → F4  
1 1 0   0 0 0 0   0 0 0 0 
F4 − F1 → F4
1 2 1 0 0 1 0 0 0 0 1 0

El sistema es compatible determinado y, por lo tanto, C 0 es linealmente independiente y resulta

una base de S + T2 , con T2 = h(1, 0, 1, 1)i.

Respuesta: T1 = h(0, 1, 0, 0)i y T2 = h(1, 0, 1, 1)i cumplen lo pedido: S ⊕ T1 = H = S ⊕ T2 .

Verificación:

Ya verificamos que S ⊂ H.
T1 ⊂ H : (0, 1, 0, 0) verifica 0 − 0 = 0
Como C = {(1, 1, 1, 1), (1, 2, 1, 2), (0, 1, 0, 0)} es linealmente independiente y genera S + T1 ,
entonces dim(S + T1 ) = 3 y se cumple H = S + T1 .
Además, dim(S ∩ T1 ) = dim(S + T1 ) − dim(S) − dim(T1 ) = 3 − 2 − 1 = 0, lo que asegura que
la suma es directa.
T2 ⊂ H : (1, 0, 1, 1) verifica 1 − 1 = 0
Como C 0 = {(1, 1, 1, 1), (1, 2, 1, 2), (1, 0, 1, 1)} es linealmente independiente y genera S + T2 ,
nuevamente podemos deducir que dim(S + T2 ) = 3 y se cumple H = S + T2 .
Además, que dim(S ∩ T2 ) = dim(S + T2 ) − dim(S) − dim(T2 ) = 3 − 2 − 1 = 0, con lo cual la
suma es directa.
T1 6= T2 , pues no existe k ∈ R tal que (0, 1, 0, 0) = k(1, 0, 1, 1).

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 13

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Complemento ortogonal de un subespacio

Al comienzo de la materia estudiamos el producto interno entre vectores de R2 y R3 . Ahora
vamos a generalizar esta idea para Rn con n ∈ N.
Si v = (v1 , v2 , . . . , vn ) y w = (w1 , w2 , . . . , wn ) son vectores de Rn , se define el producto interno
como el número real:
v · w = v 1 w1 + v 2 w2 + · · · + v n w n .
Al espacio vectorial Rn junto con el producto interno se lo llama espacio euclı́deo.

Se puede verificar que el producto interno cumple las siguientes propiedades: si u, v, w ∈ Rn

y λ ∈ R, entonces

1. v · w = w · v.

2. u · (v + w) = u · v + u · w.

3. λ (v · w) = (λ v) · w = v · (λ w).

Al igual que en R2 y R3 , decimos que dos vectores v y w son ortogonales si v · w = 0.

Complemento ortogonal

Dado un subespacio S ⊂ Rn el complemento ortogonal de S es el conjunto

S⊥ = {v ∈ Rn / v · s = 0 para todo s ∈ S}.

Es decir, S⊥ es el conjunto de los vectores de Rn que son ortogonales a todos los vectores
de S.

Ejemplo 1. Dado S = h(2, 1, 5)i, hallar S⊥ .

Solución: Para hallar el complemento ortogonal de S vamos a escribir la condición:

v ∈ S⊥ ⇐⇒ v · s = 0 para todo s ∈ S.

Ahora bien, como S es una recta generada por (2, 1, 5), tenemos que

v ∈ S⊥ ⇐⇒ v · (λ(2, 1, 5)) = 0 para todo λ ∈ R

⇐⇒ λ (v · (2, 1, 5)) = 0 para todo λ ∈ R.

Para λ = 1, la condición anterior nos dice que, para que v ∈ S⊥ , debe valer v · (2, 1, 5) = 0.
Recı́procamente, si v · (2, 1, 5) = 0, entonces al mutiplicar por cualquier λ ∈ R, tenemos que
λ (v · (2, 1, 5)) = 0. Podemos decir entonces que

v ∈ S⊥ ⇐⇒ v · (2, 1, 5) = 0.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 1

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Si llamamos v = ( x, y, z),
v · (2, 1, 5) = 2x + y + 5z,
ası́ que los vectores del complemento ortogonal de S son las soluciones de la ecuación ho-
mogénea 2x + y + 5z = 0. En conclusión,

S⊥ = {( x, y, z) ∈ R3 / 2x + y + 5z = 0}.

Observamos que S es una recta por el origen y S⊥ es un plano que tiene como vector normal a
un generador de la recta, N = (2, 1, 5):

Notar que S⊥ es un subespacio ya que es el conjunto de soluciones de una ecuación homogénea,

y cumple dim(S⊥ ) = 3 − dim(S) = 2.
| {z }
1

Despejamos de la ecuación y = −2x − 5z y obtenemos generadores de S⊥ .

Respuesta: S⊥ = {( x, y, z) ∈ R3 / 2x + y + 5z = 0} = h(1, −2, 0), (0, −5, 1)i.

En forma similar al ejemplo anterior, se puede probar que si S = hs1 , s2 , . . . , sk i, entonces S⊥ es

el conjunto de vectores que son ortogonales a todos los generadores:

Observación
Si S = hs1 , s2 , . . . , sk i es un subespacio de Rn , entonces

S⊥ = {x ∈ Rn / x · s1 = 0, x · s2 = 0, . . . , x · sk = 0}

En efecto, si x ∈ S⊥ , dado que si ∈ S es claro que x · si = 0 para todo i tal que 1 ≤ i ≤ k.

Tomemos ahora un vector que cumple x · s1 = 0, x · s2 = 0, . . . , x · sk = 0.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 2

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Si s ∈ S, s = α1 s1 + α2 s2 + . . . + αk sk , entonces

x · s = x · ( α 1 s1 + α 2 s2 + . . . + α k s k )
= x · ( α 1 s1 ) + x · ( α 2 s2 ) + . . . + x · ( α k s k )
=α1 (x · s1 ) +α2 (x · s2 ) + . . . + αk (x · sk ) = 0.
| {z } | {z } | {z }
0 0 0

Por lo tanto, x · s = 0 para todo s ∈ S; es decir, x ∈ S⊥ .

Propiedad

S⊥ es un subespacio de Rn y dim(S⊥ ) = n − dim(S) para todo subespacio S de Rn .

Demostración: La observación anterior nos indica que si S es un subespacio de Rn , entonces

S⊥ es un subespacio de Rn pues es el conjunto de soluciones de un sistema de ecuaciones
lineales homogéneo con n incógnitas.
La dimensión de S⊥ es igual a n − rg( A) donde A es la matriz del sistema; como las filas de A
son un conjunto de generadores de S entonces rg( A) = dim(S).

Ejemplo 2. Dado S = h(1, 0, −3, 1, 1), (0, 1, −1, 1, 2)i, hallar una base de S⊥ .

Solución: Por la observación anterior tenemos que

S⊥ = {x ∈ R5 / x1 − 3x3 + x4 + x5 = 0, x2 − x3 + x4 + 2x5 = 0}

El sistema está escalonado, ası́ que solo vamos a despejar para hallar una base.

x1 = 3x3 − x4 − x5 , x2 = x3 − x4 − 2x5

x ∈ S⊥ ⇐⇒ x = (3x3 − x4 − x5 , x3 − x4 − 2x5 , x3 , x4 , x5 )
= x3 (3, 1, 1, 0, 0) + x4 (−1, −1, 0, 1, 0) + x5 (−1, −2, 0, 0, 1)

Tenemos entonces que S⊥ = h(3, 1, 1, 0, 0), (−1, −1, 0, 1, 0), (−1, −2, 0, 0, 1)i. Como el conjunto
de generadores hallado es linealmente independiente, es una base de S⊥ .

Respuesta: Una base de S⊥ es {(3, 1, 1, 0, 0), (−1, −1, 0, 1, 0), (−1, −2, 0, 0, 1)}.

Propiedad

Si S es un subespacio de Rn , entonces (S⊥ )⊥ = S.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 3

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Demostración: Para demostrar la igualdad vamos a ver que S ⊂ (S⊥ )⊥ y que ambos subes-
pacios tienen la misma dimensión. Por la definición de complemento ortogonal aplicada al
subespacio S⊥ , tenemos que

(S⊥ )⊥ = {v ∈ Rn / v · t = 0 para todo t ∈ S⊥ }

i) Si s ∈ S, cumple que s · t = 0 para todo t ∈ S⊥ , ası́ que s ∈ (S⊥ )⊥ .

ii) dim((S⊥ )⊥ ) = n − dim(S⊥ ) = n − (n − dim(S)) = dim(S).

Ejemplo 3. Dado T = {x ∈ R4 / x1 − 2x2 + 4x3 − 5x4 = 0; − x2 + x3 − 6x4 = 0}, hallar

T⊥ .

Solución: En este caso tenemos el subespacio dado por ecuaciones. Veamos qué información
nos dan sobre su complemento ortogonal.

x ∈ T ⇐⇒ x1 − 2x2 + 4x3 − 5x4 = 0 y − x2 + x3 − 6x4 = 0

Observamos que las ecuaciones x1 − 2x2 + 4x3 − 5x4 = 0 y − x2 + x3 − 6x4 = 0 pueden reescri-
birse, usando el producto interno, como

x · (1, −2, 3, −5) = 0 y x · (0, −1, 1, 6) = 0.

Ahora, estas condiciones equivalen a que x pertenezca al complemento ortogonal del subespa-
cio h(1, −2, 3, −5), (0, −1, 1, 6)i. Resumiendo:

x · (1, −2, 3, −5) = 0
x ∈ T ⇐⇒ ⇐⇒ x ∈ h(1, −2, 3, −5), (0, −1, 1, 6)i⊥
x · (0, −1, 1, 6) = 0

Si llamamos S = h(1, −2, 3, −5), (0, −1, 1, 6)i, tenemos que T = S⊥ y entonces, por la propiedad
anterior,
T⊥ = (S⊥ )⊥ = S.

Respuesta: T⊥ = h(1, −2, 4, −5), (0, −1, 1, −6)i.

Notar que los generadores que obtuvimos para T⊥ son los vectores formados por los coeficien-
tes de las ecuaciones que definen a T. Se puede demostrar que esto vale en general.

Si el subespacio S es el conjunto de soluciones de un sistema lineal homogéneo, las filas

de la matriz de coeficientes del sistema forman un conjunto de generadores de S⊥ .
En otras palabras, si S está definido por un sistema homogéneo de m ecuaciones lineales
homogéneas en n incógnitas y a partir de cada una de las ecuaciones construimos el vec-
tor vi cuyas coordenadas son los coeficientes de la ecuación, entonces S⊥ = hv1 , . . . , vm i.

Resumiendo:

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 4

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

  

 
 x · v1 = 0 


  x · v2 = 0
 

S⊥ = h v 1 , v 2 , . . . , v m i ⇐⇒ S= x ∈ Rn / ..





 . 


x · vm = 0
  

Ejemplo 4.
i) Dado S = {x ∈ R4 / x1 − x2 = 0; 2x1 + x3 − x4 = 0; − x2 + 2x3 + 4x4 = 0}, hallar
S⊥ .
ii) Hallar el subespacio S de R4 tal que S⊥ = h(1, 0, −2, 0), (0, 1, 1, 1)i.

Solución:

i) Como vimos recién, podemos hallar un conjunto de generadores de S⊥ a partir de las

ecuaciones de S:
     
  x1 − x2 = 0    x · (1, −1, 0, 0) = 0 
4
S= x∈R / 2x1 + x3 − x4 = 0 = x ∈ R4 / x · (2, 0, 1, −1) = 0
− x2 + 2x3 + 4x4 = 0 x · (0, −1, 2, 4) = 0
     

Concluimos que

S⊥ = h(1, −1, 0, 0), (2, 0, 1, −1), (0, −1, 2, 4)i.

ii) Por la propiedad anterior, sabemos que los generadores de S⊥ nos dan ecuaciones para
S. En este caso,

S⊥ = h(1, 0, −2, 0), (0, 1, 1, 1)i ⇐⇒ S = {x ∈ R4 / x · (1, 0, −2, 0) = 0; x · (0, 1, 1, 1) = 0}

Como x · (1, 0, −2, 0) = x1 − 2x3 y x · (0, 1, 1, 1) = x2 + x3 + x4 , resulta que

S = {x ∈ R4 / x1 − 2x3 = 0; x2 + x3 + x4 = 0}.

Propiedad

Si S un subespacio de Rn entonces S ⊕ S⊥ = Rn .

Demostración: Tenemos que probar que se cumplen las siguientes condiciones

i) S ∩ S⊥ = {O}.

ii) S + S⊥ = Rn .

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 5

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

i) Sea v ∈ S ∩ S⊥ .
Dado que v ∈ S⊥ , tenemos que v · s = 0 para todo s ∈ S. En particular, como v ∈ S,
resulta que v · v = 0. Si v = (v1 , . . . , vn ), entonces v · v = v21 + · · · v2n . Observar que cada
término v2i de la suma anterior es mayor o igual que 0 y vale 0 sólo si vi = 0, con lo cual
v21 + · · · v2n = 0 implica que v = O.

ii) Como S ⊂ Rn y S⊥ ⊂ Rn tenemos que S + S⊥ ⊂ Rn . Además,

dim(S + S⊥ ) = dim(S) + dim(S⊥ ) − dim(S ∩ S⊥ )

| {z }
0
⊥
= dim(S) + dim(S ) = dim(S) + n − dim(S)
= n = dim(Rn )

Por lo tanto S + S⊥ = Rn .

Observación: La propiedad anterior nos asegura que si v ∈ Rn entonces existen únicos s0 ∈ S

y t0 ∈ S⊥ de manera tal que v = s0 + t0 . Esto nos permite dar la siguiente definición.

Proyección ortogonal sobre un subespacio

Dado v ∈ Rn , v = s0 + t0 con s0 ∈ S y t0 ∈ S⊥ , el vector s0 se llama proyección ortogonal

de v sobre S.

Propiedad

La proyección ortogonal de v sobre S es el punto de S que está a menor distancia de v,

es decir que
kv − s0 k ≤ kv − sk ∀ s ∈ S.

Dados P ∈ Rn y S un subespacio de Rn , llamamos distancia de P a S a la distancia entre P y su

proyección ortogonal sobre S.

Ejemplo 5. Dados el subespacio S = h(1, 2)i y el punto P = (−3, −1), hallar el punto
de S que está más próximo al punto P y calcular la distancia de P a S.

Solución: Busquemos primero generadores de S⊥ : como S = h(1, 2)i, entonces

S⊥ = {x ∈ R2 / x1 + 2x2 = 0} = h(−2, 1)i

A continuación vamos a escribir a P = Q + R con Q ∈ S y R ∈ S⊥

(−3, −1) = α(1, 2) + β(−2, 1)

| {z } | {z }
Q∈S R∈S⊥

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 6

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Obtenemos el sistema,
α − 2β = −3
2α + β = −1
Lo resolvemos y la solución es α = −1 y que β = 1. Reemplazando en las expresiones de Q y R
nos queda que Q = (−1, −2) y R = (−2, 1). El punto Q es la proyección ortogonal de P sobre
S (ver gráfico).
Para terminar, calculamos la distancia:
q √
d( P, S) = d( P, Q) = k P − Qk = k Rk = (−2)2 + 12 = 5.

√
Respuesta: El punto de S a menor distancia de P es Q = (−1, 2) y d( P, S) = 5.

Ejemplo 6. Sean S el plano en R3 definido por S = {x ∈ R3 / x1 − 2x2 + x3 = 0} y

P = (−1, −7, 5). Hallar el punto Q ∈ S a menor distancia de S y calcular la distancia de
P a S.

Solución: Si despejamos de la ecuación del plano obtenemos que S = h(2, 1, 0), (−1, 0, 1)i, y
como S está dado por una ecuación tenemos que S⊥ = h(1, −2, 1)i.
Trabajamos en forma similar al ejemplo anterior:

P = Q + R = α(2, 1, 0) + β(−1, 0, 1) + γ(1, −2, 1)

| {z } | {z }
Q∈S R∈S⊥

Resolvemos el sistema usando la matriz ampliada,

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 7

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

   
2 −1 1 −1 1 0 −2 −7
 1 0 −2 −7  F1 ↔ F2  2 −1 1 −1 
0 1 1 5 0 1 1 5
 
1 0 −2 −7
F2 − 2F1 → F2  0 −1 5 13 
0 1 1 5
 
1 0 −2 −7
F3 + F2 → F3  0 −1 5 13  .
0 0 6 18

Despejando obtenemos que γ = 3, β = 2 y α = −1, ası́ que

P = −(2, 1, 0) + 2(−1, 0, 1) + 3(1, −2, 1) = (−4, −1, 2) + (3, −6, 3) .

| {z } | {z } | {z } | {z }
Q∈S R∈S⊥ Q∈S R∈S⊥

Calculamos la distancia:
q √ √
d( P, S) = d( P, Q) = k P − Qk = k Rk = 32 + (−6)2 + 32 = 54 = 3 6.

√
Respuesta: El punto de S a menor distancia de P es Q = (−4, −1, 2) y d( P, S) = 3 6.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 8

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Coordenadas en una base

Comencemos recordando la definición de base de un espacio vectorial.
Un conjunto de vectores B = {v1 , v2 , . . . , vn } es una base de un espacio vectorial V si cumple

B es un conjunto linealmente independiente.

B genera V.

La segunda condición significa que para cada vector v ∈ V existen escalares a1 , a2 , . . . , an ∈ R

que cumplen v = a1 v1 + a2 v2 + · · · + an vn .
Además, si b1 , b2 , . . . , bn ∈ R cumplen v = b1 v1 + b2 v2 + · · · + bn vn , restando las dos igualdades
obtenemos una combinación lineal de los vectores de la base B igualada al vector nulo:

v − v = ( a1 v1 + a2 v2 + · · · + an vn ) − (b1 v1 + b2 v2 + · · · + bn vn )
O = ( a1 − b1 )v1 + ( a2 − b2 )v2 + · · · + ( an − bn )vn

Como B es un conjunto linealmente independiente, la única solución de la última igualdad es

a1 − b1 = a2 − b2 = · · · = an − bn = 0 que nos dice que a1 = b1 , a2 = b2 , . . . , an = bn .
Esto significa que para cada vector v ∈ V existen únicos escalares a1 , a2 , . . . , an ∈ R que cum-
plen v = a1 v1 + a2 v2 + · · · + an vn . Decimos que ( a1 , a2 , . . . , an ) son las coordenadas de v con
respecto a la base B y escribimos (v) B = ( a1 , a2 , . . . , an ). En resumen:

(v) B = ( a1 , a2 , . . . , an ) ⇐⇒ v = a1 v1 + a2 v2 + · · · + an vn

Observar que las coordenadas de un vector dependen de la base, en particular, del orden de
los vectores que la forman. En adelante, una base de un espacio vectorial V es un conjunto
ordenado de vectores linealmente independientes que genera V.

Ejemplo 1. Hallar las coordenadas de v = (1, 2, 3) con respecto a las siguientes bases
de R3 .
a) B1 = {(1, 1, −1), (−1, 1, 0), (0, 1, −1)}

b) B2 = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}

c) B3 = {(−1, 1, 0), (0, 1, −1), (1, 1, −1)}

Solución: Usando la definición de coordenadas, planteamos las combinaciones lineales con

cada base y resolvemos el sistema lineal que resulta.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 1

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

(1, 2, 3) B1 = ( a, b, c) ⇐⇒ (1, 2, 3) = a(1, 1, −1) + b(−1, 1, 0) + c(0, 1, −1)

  
 a − b = 1 1 −1 0 1
⇐⇒ a + b + c = 2 ↔ 1 1 1 2 
−a − c = 3 −1 0 −1 3

   
1 −1 0 1 1 −1 0 1
F2 − F1 → F2 
0 2 1 1  2F3 + F2 → F3  0 2 1 1 
F3 + F1 → F3
0 −1 −1 4 0 0 −1 9

que tiene como solución a = 6, b = 5 y c = −9

Respuesta: Las coordenadas de (1, 2, 3) con respecto a B1 son (1, 2, 3) B1 = (6, 5, −9).

Verificación:
Hagamos la combinación lineal de los vectores de la base B1 con las coordenadas halladas:
6(1, 1, −1) + 5(−1, 1, 0) − 9(0, 1, −1) = (1, 2, 3).

(1, 2, 3) B2 = ( a, b, c) ⇐⇒ (1, 2, 3) = a(1, 0, 0) + b(0, 1, 0) + c(0, 0, 1)

De esta igualdad se puede despejar como solución a = 1, b = 2 y c = 3.

Respuesta: Las coordenadas de (1, 2, 3) con respecto a B2 son (1, 2, 3) B2 = (1, 2, 3).

Verificación:
Hagamos la combinación lineal de los vectores de la base B2 con las coordenadas halladas:
1(1, 0, 0) + 2(0, 1, 0) + 3(0, 0, 1) = (1, 2, 3)

c)
(1, 2, 3) B3 = ( a, b, c) ⇐⇒ (1, 2, 3) = a(−1, 1, 0) + b(0, 1, −1) + c(1, 1, −1)

Notar que los vectores de la base B3 son los mismos que los de la base B1 pero en otro
orden; por lo tanto, ya sabemos cuál es la combinación lineal de estos vectores que da
como resultado (1, 2, 3). Entonces a = 5, b = −9 y c = 6.
Respuesta: Las coordenadas de (1, 2, 3) con respecto a B3 son (1, 2, 3) B3 = (5, −9, 6).

Verificación:
Hagamos la combinación lineal de los vectores de la base B3 con las coordenadas halladas:
5(−1, 1, 0) − 9(0, 1, −1) + 6(1, 1, −1) = (1, 2, 3)

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 2

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Observación: En el ejemplo anterior, B2 es la base canónica de R3 y, para esta base, nuestra

definición de coordenadas coincide con la que ya venı́amos usando: (1, 2, 3) B2 = (1, 2, 3).
Lo mismo ocurre para la base canónica de Rn para cualquier n: si v = ( x1 , . . . , xn ) ∈ Rn y E es
la base canónica de Rn , entonces (v) E = ( x1 , . . . , xn ).

1 −1 0 1 2 −1 0 −1
Ejemplo 2. Sea B = , , , base de
2 1 −1 0 4 2 1 1
R2×2 .
a) Hallar la matriz A ∈ R2×2 cuyas coordenadas con respecto a la base B son
(4, 0, 1, −3).

0 −3
b) Hallar las coordenadas de con respecto a la base B.
2 3

Solución:
a) A partir de la definición de coordenadas, sabemos que la matriz A se obtiene calculan-
do la combinación lineal de los elementos de la base B con los escalares dados por las
coordenadas de A con respecto a la base:
( A) B = (4, 0, 1, −3)

1 −1 0 1 2 −1 0 −1
⇐⇒ A = 4 . +0. +1. + (−3).
2 1 −1 0 4 2 1 1

6 −2
A=
9 3

6 −2
Respuesta: La matriz A tal que ( A) B = (4, 0, 1, −3) es A = .
9 3

b) Como en el Ejemplo 1, para hallar las coordenadas de la matriz dada con respecto a la
base B usamos la definición de coordenadas, que nos conduce a un sistema lineal de
ecuaciones:

0 −3
= ( a, b, c, d)
2 3 B

0 −3 1 −1 0 1 2 −1 0 −1
⇐⇒ =a +b +c +d
2 3 2 1 −1 0 4 2 1 1
  

 a + 2c = 0 1 0 2 0 0
− a + b − c − d = −3  −1 1 −1 −1 −3 

⇐⇒ ↔ 

 2a − b + 4c + d = 2  2 − 1 4 1 2 
a + 2c + d = 3 1 0 2 1 3


Escalonamos para resolver el sistema:

   
1 0 2 0 0 1 0 2 0 0
F2 + F1 → F2 
0 1 1 −1 −3    0 1 1 −1 −3 
F2 − 2F1 → F3  F + F2 → F3 
1 2  3

 0 −1 0  0 0 1 0 −1 
F4 − F1 → F4
0 0 0 1 3 0 0 0 1 3

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 3

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Finalmente calculamos la solución del sistema: a = 2, b = 1, c = −1, d = 3.

0 −3
Respuesta: Las coordenadas de la matriz con respecto a la base B son
2 3

0 −3
= (2, 1, −1, 3).
2 3 B

Verificación:
Comprobemos que al hacer la combinación lineal de B con las coordenadas halladas el
resultado es la matriz dada.

1 −1 0 1 2 −1 0 −1 0 −3
2. +1. + (−1). +3. = .
2 1 −1 0 4 2 1 1 2 3

Ejemplo 3. Sean V un e.v., B = {v1 , v2 , v3 }, B0 = {v1 − v3 , 2v1 + v2 , v1 − v2 + v3 } y

B00 = {v2 − v3 , v1 + v2 − 2v3 , v1 + v3 } bases V, y sea v ∈ V tal que (v) B0 = (4, 2, 1).
Hallar (v) B00 .

Solución: Por la definición de coordenadas con respecto a la base B0 ,

(v) B0 = (4, 2, 1) ⇐⇒ v = 4(v1 − v3 ) + 2(2v1 + v2 ) + 1(v1 − v2 + v3 )
= 9v1 + v2 − 3v3
Buscamos ahora las coordenadas de v = 9v1 + v2 − 3v3 con respecto a la base B00 . Nuevamente,
la definición nos dice que:
(v) B00 = ( a, b, c) ⇐⇒ v = a(v2 − v3 ) + b(v1 + v2 − 2v3 ) + c(v1 + v3 ).
Podemos igualar las dos combinaciones lineales que dan v:
9v1 + v2 − 3v3 = a(v2 − v3 ) + b(v1 + v2 − 2v3 ) + c(v1 + v3 ).
Igualando a O y reagrupando, obtenemos una combinación lineal de los vectores de la base B
igualada al vector nulo
O = a(v2 − v3 ) + b(v1 + v2 − 2v3 ) + c(v1 + v3 ) − (9v1 + v2 − 3v3 )
O = (b + c − 9)v1 + ( a + b − 1)v2 + (− a − 2b + c + 3)v3
Como B es un conjunto linealmente independiente, por ser una base de V, la única solución
para esta última combinación lineal es la que tiene sus coeficientes iguales a 0, es decir
 
 b + c − 9 = 0  b + c = 9
a + b − 1 = 0 ⇐⇒ a + b = 1
− a − 2b + c + 3 = 0 − a − 2b + c = −3
 

   
0 1 1 9 1 1 0 1
 1 1 0 1  F2 ↔ F1  0 1 1 9 
−1 −2 1 −3 −1 −2 1 −3
   
1 1 0 1 1 1 0 1
F3 + F1 → F3  0 1 1 9  F3 + F2 → F3  0 1 1 9 
0 −1 1 −2 0 0 2 7

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 4

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

9 11 7
La solución del sistema es a = − , b = ,c = .
2 2 2

9 11 7
Respuesta: (v) B00 = − , , .
2 2 2

Verificación:
Usamos las coordenadas en la combinación lineal con la base B00 :
9 11 7
− (v2 − v3 ) + (v1 + v2 − 2v3 ) + (v1 + v3 ) = 9v1 + v2 − 3v3 = v
2 2 2

Observación: En este ejemplo no conocemos cómo son los elementos del espacio vectorial
V ni cuáles son los vectores v1 , v2 y v3 que definen las bases. Las propiedades utilizadas en
la resolución son las de la suma y del producto por escalares que valen en todos los espacios
vectoriales. De las hipótesis del enunciado podemos deducir que dim(V) = 3, pero eso no
significa que el espacio vectorial sea R3 . Lo que sı́ ocurre es que las coordenadas de los vectores
de este espacio vectorial son ternas de números reales.
En general, para un espacio vectorial V de dimensión n, las coordenadas de los elementos de
V con respecto a una base son n-uplas, aunque dichos elementos no lo sean.

Ejemplo 4. Sea B = {(1, 0, 1, −1), (1, 1, 0, 1), (0, 1, 0, 1), (1, 0, 1, 0)} base de R4 y sea S el
subespacio S = {x ∈ R4 / − 2x1 + x2 + 2x3 = 0; 2x1 + x2 + x4 = 0; 2x2 + 2x3 + x4 = 0}.
Hallar todos los vectores v ∈ S cuyas coordenadas con respecto a la base B son de la
forma ( a, b, b, a).

Solución: Veamos cómo son los vectores v ∈ R4 que cumplen (v) B = ( a, b, b, a) con a, b ∈ R:

(v) B = ( a, b, b, a) ⇐⇒ v = a(1, 0, 1, −1) + b(1, 1, 0, 1) + b(0, 1, 0, 1) + a(1, 0, 1, 0)

= (2a + b, 2b, 2a, − a + 2b)

Ahora veamos cuáles de estos vectores pertenecen al subespacio S reemplazando en las ecua-
ciones de S y despejando:
 
 −2 · (2a + b) + 2b + 2 · (2a) = 0  0 = 0
2 · (2a + b) + 2b + (− a + 2b) = 0 ⇐⇒ 3a + 6b = 0
2 · (2b) + 2 · (2a) + (− a + 2b) = 0 3a + 6b = 0
 

Este sistema tiene como soluciones a = −2b para todo b ∈ R; entonces

v = −2b(1, 0, 1, −1) + b(1, 1, 0, 1) + b(0, 1, 0, 1) − 2b(1, 0, 1, 0) = b(−3, 2, −4, 4), con b ∈ R.

Respuesta: Los vectores de S cuyas coordenadas en la base B son de la forma ( a, b, b, a) son

los de la forma v = b(−3, 2, −4, 4), con b ∈ R, es decir, los del subespacio h(−3, 2, −4, 4)i.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 5

Álgebra 27 (Ciencias Exactas) ESPACIOS VECTORIALES

Ejemplo 5. Sean B = {v1 , v2 , v3 } y B0 = {v1 + v2 + v3 , 2v2 + v3 , −v1 + v3 } bases de un

e.v. V. Hallar todos los v ∈ V que tienen las mismas coordenadas en ambas bases.

Solución: Buscamos los vectores v ∈ V que cumplan (v) B = (v) B0 , es decir, si (v) B = ( a, b, c)
también debe valer (v) B0 = ( a, b, c). Como

(v) B = ( a, b, c) ⇐⇒ v = av1 + bv2 + cv3 y

(v) B0 = ( a, b, c) ⇐⇒ v = a(v1 + v2 + v3 ) + b(2v2 + v3 ) + c(−v1 + v3 )

podemos igualar las combinaciones lineales:

av1 + bv2 + cv3 = a(v1 + v2 + v3 ) + b(2v2 + v3 ) + c(−v1 + v3 ).

Pasando todo al mismo lado y reagrupando

av1 + bv2 + cv3 − a(v1 + v2 + v3 ) − b(2v2 + v3 ) − c(−v1 + v3 ) = O

cv1 + (− a − b)v2 + (− a − b)v3 = O

obtenemos una combinación lineal de los vectores de la base B igualada al vector nulo. Por la
independencia lineal de B, la única solución es con todos los coeficientes iguales a 0, es decir:

 c = 0
−a − b = 0
−a − b = 0


Las soluciones de este sistema son b = − a, con a ∈ R y c = 0, con lo cual,

(v) B = ( a, − a, 0) ⇐⇒ v = av1 − av2 + 0v3 = a(v1 − v2 ), a ∈ R.

Respuesta: Los vectores de V que tienen las mismas coordenadas en B y en B0 son los de la
forma v = a(v1 − v2 ) con a ∈ R, es decir, los del subespacio hv1 − v2 i.

Verificación:
Hagamos la combinación lineal con la base B0 :
(v) B0 = ( a, − a, 0) ⇐⇒ v = a(v1 + v2 + v3 ) − a(2v2 + v3 ) + 0(−v1 + v3 ) = a(v1 − v2 ).

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 6

Álgebra 27 (Ciencias Exactas) TRANSFORMACIONES LINEALES

Transformaciones Lineales
En lo que sigue vamos a trabajar con una clase de funciones f : V → W que tienen dominio V
y codominio W que son espacios vectoriales. Estas funciones son muy importantes pues pre-
servan las estructuras de los espacios vectoriales, respetando sumas y productos por escalares.

Transformación lineal
Sean V y W espacios vectoriales sobre R. Una función f : V → W se llama una transfor-
mación lineal si cumple las siguientes condiciones:

1. Dados u, v ∈ V, f (u + v) = f (u) + f (v).

2. Dados v ∈ V y α ∈ R, f (αv) = α f (v).

Por brevedad usaremos la abreviatura t.l. para las transformaciones lineales.

Por ejemplo, son transformaciones lineales:

1. O : V → W, tal que O(v) = O para todo v ∈ V, llamada transformación lineal nula.

2. id : V → V, tal que id(v) = v para todo v ∈ V, llamada transformación lineal identidad.

Es fácil ver que ambas funciones cumplen las condiciones de t.l.,

O (v + w) = O = O + O = O (v) + O (w) 4
O(αv) = O = αO = αO(v) 4

id(v + w) = v + w = id(v) + id(w) 4

id(αv) = αv = α id(v) 4

Ejemplo 1. Verificar que f : R3 → R2 dada por f ( x1 , x2 , x3 ) = ( x1 − x2 , 2x1 + x3 ) es

una transformación lineal.

Solución: f es una función que va del espacio vectorial R3 al espacio vectorial R2 . Para ver
que es una transformación lineal tenemos que ver que se verifican las dos condiciones de la
definición:

1. Si u, v ∈ R3 , u = (u1 , u2 , u3 ), v = (v1 , v2 , v3 ) entonces u + v = (u1 + v1 , u2 + v2 , u3 + v3 )

f (u + v) = ( u1 + v1 − ( u2 + v2 ), 2( u1 + v1 ) + u3 + v3 )
= (u1 − u2 + v1 − v2 , 2u1 + u3 + 2v1 + v3 )
= (u1 − u2 , 2u1 + u3 ) + (v1 − v2 , 2v1 + v3 )
= f (u) + f (v) 4

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 1

Álgebra 27 (Ciencias Exactas) TRANSFORMACIONES LINEALES

2. Si u = (u1 , u2 , u3 ) ∈ R3 y α ∈ R, entonces αu = (αu1 , αu2 , αu3 )

f (αu) = (αu1 − αu2 , 2αu1 + αu3 )

= (α(u1 − u2 ), α(2u1 + u3 ))
= α(u1 − u2 , 2u1 + u3 )
= α f (u) 4

Ejemplo 2. Decidir si f : R2 → R2 dada por f ( x, y) = (0, xy) es una transformación

lineal.

Solución: Si intentamos ver que se cumple la propiedad 1 de la definición tomando u =

(u1 , u2 ) y v = (v1 , v2 ), se tiene que

f (u + v) = (0, (u1 + v1 )(u2 + v2 )) = (0, u1 u2 + u1 v2 + v1 u2 + v1 v2 )

y
f (u) + f (v) = (0, u1 u2 ) + (0, v1 v2 ) = (0, u1 u2 + v1 v2 ),
ası́ que f (u + v) = f (u) + f (v) si y sólo si u1 v2 + v1 u2 = 0.
Para ver que esto no se verifica siempre, vamos a mostrar un contraejemplo, o sea un par de
vectores para los cuales f (u + v) 6= f (u) + f (v).
Tomemos u = (1, 2) y v = (−2, 3). Se tiene que f (u) = (0, 2) y f (v) = (0, −6), ası́ que

f (u) + f (v) = (0, −4).

Por otro lado,

f (u + v) = f (−1, 5) = (0, −5).
Como f (u) + f (v) 6= f (u + v) concluimos que f no es t.l.
Respuesta: f no es una transformación lineal.

Ejemplo 3. Caracterizar todas las transformaciones lineales f : R → R.

Solución: Caracterizar se refiere a decir qué aspecto tienen estas t.l.

Si x ∈ R entonces x = x · 1 y, aplicando la condición 2 de t.l., f ( x ) = x f (1), ası́ que estas t.l.
solo dependen de cuánto vale f (1). Si escribimos f (1) = a ∈ R, nos queda

f ( x ) = a · x.

Es fácil verificar que estas funciones son t.l., es decir, que cumplen las dos propiedades de la
definición. Podemos decir entonces que:

Respuesta: Todas las t.l. f : R → R son las funciones de la forma f ( x ) = a · x, con a ∈ R.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 2

Álgebra 27 (Ciencias Exactas) TRANSFORMACIONES LINEALES

Más generalmente, a partir de una matriz A ∈ Rm×n se puede definir una t.l. f : Rn → Rm :

Sea A ∈ Rm×n . La funci n m

ón f :R → R definida por
x1
 x2 
f ( x1 , x2 , . . . , xn ) = A ·  .  para todo ( x1 , x2 , . . . , xn ) ∈ Rn es una t.l.
 
 . .
xn
En forma abreviada escribiremos f (x) = A · x pensando a los vectores como columnas.

Veamos que esta función cumple las propiedades de una t.l.:

1. Sean x e y vectores de Rn ,

f (x + y) = A · (x + y) = A · x + A · y = f (x) + f (y) 4

2. Sean x ∈ Rn y α ∈ R,

f (αx) = A · (αx) = α( A · x) = α f (x) 4

Se puede probar que toda t.l f : Rn → Rm es de la forma f (x) = A · x, con A ∈ Rm×n . Más
adelante trataremos este tema.

Propiedades

Si f : V → W es una transformación lineal, entonces:

1. f (OV ) = OW , para OV y OW los vectores nulos de V y W respetivamente.

2. f (−v) = − f (v) para todo v ∈ V.

3. f (v − w) = f (v) − f (w) para todo v, w ∈ V.

4. f (α1 v1 + α2 v2 + . . . + αk vk ) = α1 f (v1 ) + α2 f (v2 ) + . . . + αk f (vk ), para todos

v1 , v2 , . . . , vk ∈ V, α1 , α2 , . . . , αk ∈ R.

Demostración: Usamos las propiedades 1 y 2 de la definición de transformación lineal y pro-

piedades de la suma y el producto por escalares en espacios vectoriales.

1. f (OV ) = f (0 · OV ) = 0 · f (OV ) = OW .

2. f (−v) = f ((−1)v) = (−1) f (v) = − f (v).

3. f (v − w) = f (v + (−w)) = f (v) + f (−w) = f (v) − f (w).

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 3

Álgebra 27 (Ciencias Exactas) TRANSFORMACIONES LINEALES

f (α1 v1 + α2 v2 + . . . + αk vk ) = f ((α1 v1 ) + (α2 v2 + . . . + αk vk ))

= f (α1 v1 ) + f (α2 v2 + . . . + αk vk )
= ...
= f (α1 v1 ) + f (α2 v2 ) + . . . + f (αk vk )
= α1 f (v1 ) + α2 f (v2 ) + . . . + αk f (vk ).

La propiedad 1 es muy útil para descartar funciones que no sean t.l., por ejemplo:

Ejemplo 4. Decidir si f : R2 → R3 dada por f ( x, y) = ( x − y, 2x + y, 3) es una transfor-

mación lineal.

Solución: Esta función no es una t.l. pues f (0, 0) = (0, 0, 3) 6= (0, 0, 0).

La propiedad 4 se usa para demostar el siguiente (y muy importante) teorema:

Teorema (de existencia y unicidad de t.l.)

Sean V y W espacios vectoriales. Si {v1 , v2 , . . . , vn } es una base de V y w1 , w2 , . . . , wn son

vectores de W (no necesariamente distintos), entonces existe una única transformación
lineal f : V → W tal que: 

 f (v1 ) = w1 ,
 f (v2 ) = w2 ,

..


 .
f (vn ) = wn .


Este teorema nos está indicando que es posible conocer a una t.l. a partir de cuánto vale en una
base. Veamos ejemplos de esto.

Ejemplo 5. Hallar la expresión de la única t.l. f : R2 → R3 que verifica:

f (1, −1) = (1, 0, −5)
f (0, 2) = (−2, 4, 6)

Solución:

N Lo primero que tenemos que hacer es verificar que f está definida sobre una base de R2 :
En este caso es fácil de justificar que B = {(1, −1), (0, 2)} es base de este espacio vectorial
pues está formado por dos vectores no múltiplos.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 4

Álgebra 27 (Ciencias Exactas) TRANSFORMACIONES LINEALES

N Buscamos las coordenadas en base B de un vector genérico de R2 :

α = x
( x, y) = α(1, −1) + β(0, 2) =⇒
−α + 2β = y
x +y
Resolvemos el sistema y obtenemos α = x y β = 2 , o sea:

x+y
( x, y) = x (1, −1) + (0, 2)
2

N Ahora aplicamos f a la igualdad anterior

x+y
f ( x, y) = f x (1, −1) + (0, 2) ,
2

usamos que f es t.l. ası́ que “separa en sumas” y “saca escalares afuera”
x+y
f ( x, y) = x f (1, −1) + f (0, 2),
2
reemplazamos f (1, 1) y f (0, 2),
x+y
f ( x, y) = x (1, 0, −5) + (−2, 4, 6)
2
y, por último, juntamos la expresión de la derecha

f ( x, y) = ( x, 0, −5x ) + (− x − y, 2x + 2y, 3x + 3y)

= (−y, 2x + 2y, −2x + 3y)

N Ya tenemos la expresión de la t.l. Es importante verificar que cumple las condiciones

pedidas:

f (1, −1) = (1, 2 − 2, −2 − 3) = (1, 0, −5) 4

f (0, 2) = (−2, 4, 6) 4

Respuesta: f ( x, y) = (−y, 2x + 2y, −2x + 3y).

Ejemplo 6. Hallar la expresión de la única t.l. f : R2 → R2×2 que verifica:


1 0
 f (1, 1) =


0 1
0 −1
 f (1, 0) =


1 0

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 5

Álgebra 27 (Ciencias Exactas) TRANSFORMACIONES LINEALES

Solución: Vamos a proceder como en el ejemplo anterior.

N Verificamos que f está definida sobre una base de R2 : en este caso, B = {(1, 1), (1, 0)}.

N Buscamos las coordenadas en base B de un vector genérico de R2 :

α + β = x
( x, y) = α(1, 1) + β(1, 0) ⇐⇒
α = y

Resolvemos el sistema y obtenemos α = y y β = x − y, o sea:

( x, y) = y(1, 1) + ( x − y)(1, 0).

N Aplicamos f a la igualdad anterior, usamos las propiedades que tiene f por ser una t.l. y
los valores de f (1, 1) y f (1, 0) dados:

f ( x, y) = f y(1, 1) + ( x − y)(1, 0)
= y f (1, 1) + ( x − y) f (1, 0)

1 0 0 −1
=y + ( x − y)
0 1 1 0

Finalmente, hacemos las operaciones y obtenemos la expresión para f :

y −x + y
f ( x, y) =
x−y y

N Verificación:

1 −1 + 1 1 0
f (1, 1) = = 4
1−1 1 0 1

0 −1 + 0 0 −1
f (1, 0) = = 4
1−0 0 1 0

y −x + y
Respuesta: f ( x, y) = .
x−y y

Ejemplo 7. Decidir si existe una t.l. f : R3 → R3 que verifica:


 f (1, 0, 0) = (1, 2, −1)
f (0, 1, 0) = (1, 1, 2)
f (1, 2, 0) = (3, 4, 5)


Solución: Este ejemplo es diferente al anterior pues los vectores (1, 0, 0), (0, 1, 0) y (1, 2, 0) no
forman base de R3 , dado que el tercer vector es combinación lineal de los otros dos vectores,
ası́ que no podemos usar el teorema anterior. Para decidir si existe alguna t.l. que cumpla las
condiciones vamos a hacer lo siguiente:

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 6

Álgebra 27 (Ciencias Exactas) TRANSFORMACIONES LINEALES

Como (1, 2, 0) = (1, 0, 0) + 2(0, 1, 0), toda t.l. f : R3 → R3 debe verificar que

f (1, 2, 0) = f (1, 0, 0) + 2 f (0, 1, 0).

Veamos si con las condiciones del enunciado se verifica esta igualdad:

f (1, 0, 0) + 2 f (0, 1, 0) = (1, 2, −1) + 2(1, 1, 2) = (3, 4, 3) 6= (3, 4, 5) = f (1, 2, 0) 8

Respuesta: no existe ninguna t.l. que verique lo pedido.

Ejemplo 8. Decidir si existe una t.l. f : R3 → R3 que verifica:


 f (1, 0, 0) = (1, 2, −1)
f (0, 1, 0) = (1, 1, 2)
f (1, 2, 0) = (3, 4, 3)


Solución: Si miramos el ejemplo anterior no necesitamos volver a hacer las cuentas, en este
ejemplo sı́ se verifica
f (1, 2, 0) = f (1, 0, 0) + 2 f (0, 1, 0) 4
En este caso la t.l. no es única, la tercera condición la sacamos pues no aporta nada. Podemos
definir distintas transformaciones lineales extendiendo el conjunto {(1, 0, 0), (0, 1, 0)} a una ba-
se de R3 y definiendo f sobre el vector agregado para completar la base. Lo más fácil es agregar
el vector e3 = (0, 0, 1) para tener la base canónica.
Por ejemplo, si pedimos que f (0, 0, 1) = (2, 5, 0) tenemos una t.l.,

f ( x, y, z) = ( x + y + 2z, 2x + y + 5z, − x + 2y),

y si elegimos que f (0, 0, 1) = (0, 3, −1) obtenemos otra t.l.

f ( x, y, z) = ( x + y, 2x + y + 3z, − x + 2y − z).

Queda como ejercicio para el lector verificar que ésas son las fórmulas que se obtienen en cada
caso y que estas t.l. verifican las condiciones pedidas.
Respuesta: Existen (infinitas) t.l. que verifican lo pedido.

Imagen y preimagen de conjuntos por transformaciones lineales

Imagen y preimagen

Sean V, W espacios vectoriales, f : V → W una transformación lineal, S ⊂ V y T ⊂ W.

Definimos

f (S) = {w ∈ W : w = f (s), con s ∈ S} (la imagen de S por f )

f −1 (W) = {v ∈ V : f (v) ∈ W} (la preimagen de W por f )

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 7

Álgebra 27 (Ciencias Exactas) TRANSFORMACIONES LINEALES

Observación. La notación f −1 puede prestarse a confusiones: salvo algunos casos que vere-
mos luego, esto NO se refiere a la función inversa de f .

Si el conjunto W tiene un único elemento, W = {w}, al conjunto f −1 ({w}) lo notaremos

f −1 (w), o sea,

f −1 (w) = {v ∈ V : f (v) = w} (la preimagen del vector w por f )

Propiedades de la imagen y la preimagen de subespacios

Sean V, W espacios vectoriales y f : V → W una transformación lineal.

1. Si S es un subespacio de V, entonces f (S) es un subespacio de W.

2. Si T es un subespacio de W, entonces f −1 (T) es un subespacio de V.

3. Si S = hv1 , v2 , . . . , vr i, entonces f (S) = h f (v1 ), f (v2 ), . . . , f (vr )i.

Demostración:
1. Esta verificación queda como ejercicio ya que es similar a la de la propiedad 2.
2. Para demostrar que un conjunto es un subespacio de V tenemos que verificar que se
cumplen las tres propiedades de los subespacios.

1) T es un subespacio de W ası́ que OW ∈ T. Como f es t.l., f (OV ) = OW entonces

f (OV ) ∈ T con lo cual tenemos que OV ∈ f −1 (T).
2) Sean u, v ∈ f −1 (T). Esto significa que f (u) ∈ T y f (v) ∈ T, pero T es un subespacio
de W, entonces f (u) + f (v) ∈ T.
Si usamos la propiedad 1 de t.l., f (u) + f (v) = f (u + v), ası́ que f (u + v) ∈ T, con
lo cual obtenemos que u + v ∈ f −1 (T).
3) Sean v ∈ f −1 (T) y α ∈ R. Entonces f (v) ∈ T y, como T es subespacio de W, tenemos
que α f (v) ∈ T.
Ahora usamos la propiedad 2 de las t.l., α f (v) = f (αv). Entonces f (αv) ∈ T, lo que
significa que αv ∈ f −1 (T).

3. Sea w ∈ f (S), entonces w = f (s) con s ∈ S. Como S = hv1 , v2 , . . . , vr i,

s = α1 v1 + α2 v2 + · · · + αr vr

con α1 , α2 , . . . , αr ∈ R. Aplicando f obtenemos que

f (s) = f (α1 v1 + α2 v2 + · · · + αr vr ) = α1 f (v1 ) + α2 f (v2 ) + · · · + αr f (vr ).

Entonces w = f (s) ∈ h f (v1 ), f (v2 ), . . . , f (vr )i.

Con esto probamos que f (S) ⊆ h f (v1 ), f (v2 ), . . . , f (vr )i.
Por otro lado, f (v1 ), . . . , f (vr ) ∈ f (S), con lo cual, h f (v1 ), f (v2 ), . . . , f (vr )i ⊂ f (S), ası́
que los subespacios son iguales.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 8

Álgebra 27 (Ciencias Exactas) TRANSFORMACIONES LINEALES

Ejemplo 9. Sea f : R3 → R3 la t.l. definida por

f ( x, y, z) = ( x + y − z, y + 2z, x + 2y + z);

y sean S = h(1, 2, 0)i, w = (0, 2, 2) y W = {x ∈ R3 : x1 + x2 + x3 = 0}.

Hallar f (S), f −1 (w) y f −1 (W).

Solución: Teniendo en cuenta la propiedad 3, para calcular f (S) lo que hacemos es aplicar f
al generador de S, f (1, 2, 0) = (3, 2, 5) y este vector genera f (S), o sea,

f (S) = h(3, 2, 5)i.

Ahora calculemos la preimagen de w. Para esto buscamos los vectores de R3 “que van a parar
a él” cuando aplicamos la t.l.,

f ( x, y, z) = ( x + y − z, y + 2z, x + 2y + z) = (0, 2, 2).

Obtenemos entonces un sistema de ecuaciones lineales cuya matriz ampliada es

     
1 1 −1 0 1 1 −1 0 1 1 −1 0
 0 1 2 2 → 0 1 2 2 → 0 1 2 2 
1 2 1 2 0 1 2 2 0 0 0 0

Es un S.C.I cuyas soluciones son de la forma λ(3, −2, 1) + (−2, 2, 0) con λ ∈ R. Entonces,

f −1 (w) = λ(3, −2, 1) + (−2, 2, 0) con λ ∈ R.

Para calcular la preimagen de W vamos a aprovechar que este subespacio está dado por una
ecuación y pedir que los vectores que obtenemos al aplicar la t.l. cumplan esta ecuación:

v = ( x, y, z) ∈ f −1 (W) ⇐⇒ f (v) = ( x + y − z, y + 2z, x + 2y + z) ∈ W

⇐⇒ ( x + y − z) + (y + 2z) + ( x + 2y + z) = 0 ⇐⇒ 2x + 4y + 2z = 0
Por lo tanto,

f −1 (W) = {x ∈ R3 : 2x + 4y + 2z = 0} = h(−2, 1, 0), (−1, 0, 1)i.

Núcleo e imagen de una transformación lineal

Ahora vamos a definir dos conjuntos muy importantes, asociados a una transformación lineal,
que son casos especiales de los conjuntos que vimos en la sección anterior.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 9

Álgebra 27 (Ciencias Exactas) TRANSFORMACIONES LINEALES

Núcleo e imagen de una t.l.

Sean V, W espacios vectoriales, f : V → W una transformación lineal. Llamamos

núcleo de f al conjunto
Nu( f ) = f −1 (O) = {v ∈ V : f (v) = O}.

imagen de f al conjunto
Im( f ) = f (V) = {w ∈ W : w = f (v), con v ∈ V}.

Antes de hacer ejemplos, veamos algunas propiedades que se deducen de las propiedades de
imágenes y preimágenes de subespacios por una t.l. y que nos van a ayudar para calcular
núcleos e imágenes.

Propiedades

1. Nu( f ) es un subespacio de V.

2. Im( f ) es un subespcio de W.

3. Si V = hv1 , v2 , . . . , vr i entonces Im( f ) = h f (v1 ), f (v2 ), . . . , f (vr )i.

Ejemplo 1. Hallar bases y calcular las dimensiones del núcleo y de la imagen de f , si

f : R3 → R3 es la t.l. dada por

f ( x, y, z) = ( x + 2y − z, y + z, − x − y + 2z).

Solución: Para hallar el núcleo de f debemos encontrar los vectores ( x, y, z) ∈ R3 tales que
f ( x, y, z) = (0, 0, 0), ası́ que igualamos a 0 cada una de las componentes de la t.l., obteniendo el
siguiente sistema homogéneo:

 x + 2y − z = 0
y + z = 0
− x − y + 2z = 0


Trabajamos con la matriz ampliada del sistema

     
1 2 −1 0 1 2 −1 0 1 2 −1 0
 0 1 1 0  −→  0 1 1 0  −→  0 1 1 0 
−1 −1 2 0 0 1 1 0 0 0 0 0

El rango de la matriz es igual a 2, entonces dim(Nu( f )) = 3 − 2 = 1. Despejando hallamos una

base de Nu( f ):

x = (3z, −z, z) = z(3, −1, 1), con z ∈ R,

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 10

Álgebra 27 (Ciencias Exactas) TRANSFORMACIONES LINEALES

y, entonces, una base es BNu( f ) = {(3, −1, 1)}.

Para hallar la imagen usamos la propiedad 3. Lo más cómodo es tomar la base canónica de R3 ,

Im( f ) = h f (1, 0, 0), f (0, 1, 0), f (0, 0, 1)i = h(1, 0, −1), (2, 1, −1), (−1, 1, 2)i.

Para ver si el conjunto de generadores de la imagen es un conjunto l.i o l.d planteamos la

siguiente combinación lineal:

α(1, 0, −1) + β(2, 1, −1) + γ(−1, 1, 2) = (0, 0, 0)

que da lugar a las ecuaciones:


 α + 2β − γ = 0
β + γ = 0
−α − β + 2γ = 0


Es el mismo sistema que el del núcleo, ası́ que no vamos a repetir la triangulación. Obtenemos
que el conjunto es linealmente dependiente, necesitamos entonces extraer una base. Procede-
mos de manera similar a lo hecho en el Capı́tulo 4: miramos la última matriz del sistema donde
están marcados los lugares principales y notamos que las dos primeras columnas corresponden
a vectores linealmente independientes.
 
1 2 −1 0
 
 0 1 1 0 
0 0 0 0

La dimensión de Im( f ) es igual a 2 y una base es BIm( f ) = {(1, 0, −1), (2, 1, −1)}.

Respuesta:

BNu( f ) = {(3, −1, 1)} es una base de Nu( f ) y dim(Nu( f )) = 1.

BIm( f ) = {(1, 0, −1), (2, 1, −1)} es una base de Im( f ) y dim(Im( f )) = 2.

Ejemplo 2. Hallar bases y calcular las dimensiones del núcleo y de la imagen de la t.l.
f : R2 → R2×2 definida por

x−y 0
f ( x, y) = .
2x − 2y − x + y

Solución: El núcleo de f está formado por todos los ( x, y) ∈ R2 tales que f ( x, y) = O:



 x − y = 0
x−y 0 0 0 0 = 0

= ⇐⇒ ⇐⇒ x − y = 0.
2x − 2y − x + y 0 0 
 2x − 2y = 0
−x + y = 0


Es decir, ( x, y) = (y, y) = y(1, 1), con y ∈ R.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 11

Álgebra 27 (Ciencias Exactas) TRANSFORMACIONES LINEALES

Entonces, una base de Nu( f ) es BNu( f ) = {(1, 1)} y dim(Nu( f )) = 1.

Buscamos ahora la imagen de f . Para esto, en primer lugar hallamos un sistema de generadores
de Im( f ) aplicando f a los vectores de una base de R2 :

1 0 −1 0
Im( f ) = h f (1, 0), f (0, 1)i = ,
2 −1 −2 1

−1 0 1 0 1 0
Como =− , vemos que una base de Im( f ) es BIm( f ) =
−2 1 2 −1 2 −1
y dim(Im( f )) = 1.

Respuesta:

BNu( f ) = {(1, 1)} es una base de Nu( f ) y dim(Nu( f )) = 1.

1 0
BIm( f ) = es una base de Im( f ) y dim(Im( f )) = 1.
2 −1

Teorema de la dimensión para transformaciones lineales

Las dimensiones del núcleo y de la imagen de una transformación lineal cumplen una relación,
que está dada por el siguiente teorema:

Teorema de la dimensión
Si f : V → W es una transformación lineal, entonces:

dim(Nu( f )) + dim(Im( f )) = dim(V).

Ejemplo 3. Hallar bases de Nu( f ) e Im( f ) y calcular sus dimensiones para las siguien-
tes t.l.:
a) f : R2 → R3 dada por f ( x, y) = ( x − y, 2x + 4y, x + 2y)

b) f : R4 → R3 dada por f ( x1 , x2 , x3 , x4 ) = ( x1 + x2 − x4 , x1 + x3 + 2x4 , x1 − 2x2 + 2x3 )

c) f : R3 → R3 la única t.l que verifica:


 f (1, 1, 1) = (−1, 2, 3)
f (0, 1, 2) = (0, 1, 4)
f (0, 0, 1) = (0, 0, 0)


Solución:
a) f ( x, y) = ( x − y, 2x + 4y, x + 2y).
Comencemos calculando la imagen:

Im( f ) = h f (1, 0), f (0, 1)i = h(1, 2, 1), (−1, 4, 2)i.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 12

Álgebra 27 (Ciencias Exactas) TRANSFORMACIONES LINEALES

Es claro que son vectores l.i. ası́ que tenemos que dim(Im( f )) = 2 ,

y una base de Im( f ) es BIm( f ) = {(1, 2, 1), (−1, 4, 2)} .

Para el núcleo vamos a usar el teorema de la dimensión,

dim(R2 ) = dim(Nu( f )) + dim(Im( f ))

entonces 2 = dim(Nu( f )) + 2 =⇒ dim(Nu( f )) = 0 .

El único subespacio de dimensión 0 es el subespacio nulo, ası́ que Nu( f ) = {(0, 0)} y este
subespacio no tiene base.

b) f ( x1 , x2 , x3 , x4 ) = ( x1 + x2 − x4 , x1 + x3 + 2x4 , x1 − 2x2 + 2x3 ). En este caso vamos a cal-

cular primero el núcleo, y para esto resolvemos el sistema homogéneo que se obtiene al
igualar a 0 cada una de las coordenadas de f ( x1 , x2 , x3 , x4 ):
     
1 1 0 −1 0 1 1 0 −1 0 1 1 0 −1 0
 1 0 1 2 0  −→  0 −1 1 3 0  −→  0 −1 1 3 0 
1 −2 2 0 0 0 −3 2 1 0 0 0 −1 −8 0

Escribiendo las ecuaciones y despejando queda lo siguiente:

x ∈ Nu( f ) ⇐⇒ x = (6x4 , −5x4 , −8x4 , x4 ) = x4 (6, −5, −8, 1)
Obtenemos que dim(Nu( f )) = 1 y que una base de este subespacio es

BNu( f ) = {(6, −5, −8, 1)} .

Ahora vamos a usar el teorema de la dimensión,

4 = dim(R4 ) = dim(Nu( f )) + dim(Im( f )) = 1 + dim(Im( f )) =⇒ dim(Im( f )) = 3

Nos quedó entonces que la dimensión de la Im( f ) es igual a 3, y como la imagen es

un subespacio de R3 , porque f : R4 → R3 , entonces Im( f ) = R3 . Como base de Im( f )
podemos tomar cualquier base de R3 , por ejemplo, BIm( f ) = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} .

c) 
 f (1, 1, 1) = (−1, 2, 3)
f (0, 1, 2) = (0, 1, 4)
f (0, 0, 1) = (0, 0, 0)


En este caso tenemos la t.l. definida en una base de R3 . Observamos que, para hallar la
imagen, no es necesario que encontremos la expresión ya que

Im( f ) = h f (1, 1, 1), f (0, 1, 2), f (0, 0, 1)i = h(−1, 2, 3), (0, 1, 4), (0, 0, 0)i.

Ahora extraemos una base de este conjunto, sacando el vector nulo. Obtenemos que una
base es BIm( f ) = {(−1, 2, 3), (0, 1, 4)} y que dim(Im( f ) = 2.
Antes de buscar el núcleo usamos el teorema de la dimensión,

3 = dim(R3 ) = dim(Nu( f )) + dim(Im( f )) = dim(Nu( f )) + 2 =⇒ dim(Nu( f )) = 1.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 13

Álgebra 27 (Ciencias Exactas) TRANSFORMACIONES LINEALES

Al mirar la definición de la t.l, notamos que (0, 0, 1) ∈ Nu( f ), ya que f (0, 0, 1) = (0, 0, 0),
y como el núcleo es un subespacio de dimensión 1, este vector forma una base de dicho
subespacio, o sea BNu( f ) = {(0, 0, 1)}.

Monomorfismos, epimorfismos e isomorfismos

En lo que sigue estudiamos las propiedades de inyectividad, suryectividad y biyectividad

usuales para funciones en el caso particular de las t.l.

Definiciones
Sean V y W espacios vectoriales y f : V → W una transformación lineal. Decimos que:

f es monomorfismo si es una función inyectiva (o sea: si cumple la condición

“ f (u) = f (v) =⇒ u = v”)

f es epimorfismo si es una función suryectiva (o sea: si Im( f ) = W)

f es isomorfismo si es monomorfismo y epimorfismo.

Propiedades

1. f es monomorfismo ⇐⇒ Nu( f ) = {O}

2. Si f es monomorfismo y {v1 , v2 , . . . , vr } es linealmente independiente, entonces

{ f (v1 ), f (v2 ), . . . , f (vr )} es linealmente independiente.
3. f es isomorfismo si y sólo si se cumple: “Si {v1 , v2 . . . , vr } es una base de V, enton-
ces { f (v1 ), f (v2 ), . . . , f (vr )} es una base de W.”

Demostración:

1. Hay que probar dos implicaciones.

=⇒) Por ser t.l. f (O) = O =⇒ O ∈ Nu( f ) y tenemos que probar que no hay ningún otro
elemento en ese conjunto.
Tomamos un elemento v ∈ Nu( f ) =⇒ f (v) = O, igualando obtenemos que f (v) = f (O)
pero f es un monomorfismo, lo que significa que es una función inyectiva, ası́ que v = O
y por lo tanto Nu( f ) = {O}.
⇐=) Para probar la inyectividad tomamos v y w ∈ W que cumplen f (v) = f (w) y
debemos probar que v = w.

f (v) = f (w) =⇒ f (v) − f (w) = O =⇒ f (v − w) = O

=⇒ v − w ∈ Nu( f ) = {O} =⇒ v − w = O =⇒ v = w.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 14

Álgebra 27 (Ciencias Exactas) TRANSFORMACIONES LINEALES

2. Sea {v1 , v2 , . . . , vr } un conjunto l.i. Vamos a probar que { f (v1 ), f (v2 ), . . . , f (vr )} también
es l.i.
Sean α1 , α2 , . . . , αr ∈ R tales que

α1 f (v1 ) + α2 f (v2 ) + . . . + αr f (vr ) = O.

Usando que f es una t.l. obtenemos que

f ( α 1 v1 + α 2 v2 + . . . + α r v r ) = O

y entonces
α1 v1 + α2 v2 + . . . + αr vr ∈ Nu( f ).
En 1. demostramos que si f es monomorfismo entonces Nu( f ) = {O}, por lo tanto,

α1 v1 + α2 v2 + . . . + αr vr = O.

Por hipótesis {v1 , v2 , . . . , vr } es l.i., entonces α1 = α2 = . . . = αr = 0 y queda demostrada

la propiedad.

3. Queda como ejercicio.

Ejemplo 4. Calcular dim(Nu( f )) y dim(Im( f )) para las siguientes t.l.

a) f : R3 → R6 monomorfismo.

b) f : R5 → R3 epimorfismo.

c) f : V → V es la única t.l. que verifica


 f (v1 ) = v1 + v2
f (v2 ) = −v2 + v3
f (v3 ) = v1 + 2v3


donde B = {v1 , v2 , v3 } es una base de V.

Solución: En todos los casos vamos a usar el teorema de la dimensión.

a) f es monomorfismo ası́ que dim(Nu( f )) = 0 , y el dominio de la t.l. es R3 , con lo cual

3 = dim(Nu( f )) + dim(Im( f )) = 0 + dim(Im( f )).
Entonces dim(Im( f )) = 3.

b) f es un epimorfismo, entonces Im( f ) = R3 , ası́ que dim(Im( f )) = 3 y

5 = dim(Nu( f )) + dim(Im( f )) = dim(Nu( f )) + 3.
Por lo tanto, dim(Nu( f )) = 2.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 15

Álgebra 27 (Ciencias Exactas) TRANSFORMACIONES LINEALES

c) Como f está definida sobre una base podemos afirmar que

Im( f ) = h f (v1 ), f (v2 ), f (v3 )i = hv1 + v2 , −v2 + v3 , v1 + 2v3 i.

Es cómodo utilizar las coordenadas de estos vectores en la base B para calcular la dimen-
sión de la imagen de f ,

(v1 + v2 ) B = (1, 1, 0), (−v2 + v3 ) B = (0, −1, 1) y (v1 + 2v3 ) B = (1, 0, 2).

{(1, 1, 0), (0, −1, 1), (1, 0, 2)} es un conjunto l.i. (¡verificarlo!), ası́ que dim(Im( f )) = 3 .
Y por el teorema de la dimensión,

3 = dim(V) = dim(Nu( f )) + dim(Im( f )) = dim(Nu( f )) + 3 =⇒ dim(Nu( f )) = 0

Es interesante notar que esta t.l. es un isomorfismo.

Ejemplo 5. Definir, en cada caso, una t.l. que verifique las condiciones pedidas.
a) f : R3 → R2 tal que (1, 2, 3) ∈ Nu( f ) y f es epimorfismo.

b) f : R3 → R4 tal que (1, −2, 3, 1) ∈ Im( f ) y f es monomorfismo.

c) f : R4 → R4 tal que Nu( f ) = Im( f ) = h(1, 2, 0, 9), (0, 1, 3, 2)i.

Solución: En todos los casos vamos a definir las t.l. sobre bases convenientes (no vamos a
buscar las expresiones de las t.l.)

a) Elegimos una base del dominio (R3 en este caso) que contenga al vector que queremos
que esté en el núcleo, por ejemplo, {(1, 2, 3); (0, 1, 0); (0, 0, 1)} y ahora definimos la t.l.
sobre esta base, teniendo en cuenta que el vector (1, 2, 3) debe ir al (0, 0) y que f debe ser
epimorfismo, ası́ que la dimensión de la imagen de f deber ser igual a 2.
Definimos f como la única transformación lineal que verifica:

 f (1, 2, 3) = (0, 0)
f (0, 1, 0) = (1, 0)
f (0, 0, 1) = (0, 1)


Veamos que cumple lo pedido.

N Como definimos f sobre una base de R3 podemos afirmar que f está bien definida 4
N f (1, 2, 3) = (0, 0) entonces (1, 2, 3) ∈ Nu( f ) 4
N Im( f ) = h(0, 0), (1, 0), (0, 1)i = h(1, 0), (0, 1)i = R2 =⇒ f es un epimorfismo 4

b) En este ejemplo nos piden que f sea un monomorfismo, esto significa que Nu( f ) = {O}.
Aplicamos el teorema de la dimensión:

3 = dim(Nu( f )) + dim(Im( f )) = 0 + dim(Im( f )) =⇒ dim(Im( f )) = 3.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 16

Álgebra 27 (Ciencias Exactas) TRANSFORMACIONES LINEALES

Además nos piden que (1, −2, 3, 1) ∈ Im( f ) ası́ que vamos a poner este vector en la ima-
gen. Sobre la base del dominio no tenemos ningún condicionamiento con lo cual podemos
elegir la base canónica.
Definimos f como la única transformación lineal que verifica:

 f (1, 0, 0) = (1, −2, 3, 1)
f (0, 1, 0) = (0, 1, 0, 0)
f (0, 0, 1) = (0, 0, 0, 1)


Veamos que cumple lo pedido.

N Como definimos f sobre una base de R3 podemos afirmar que f está bien definida 4
N Im( f ) = h(1, −2, 3, 1), (0, 1, 0, 0), (0, 0, 0, 1)i =⇒ (1, −2, 3, 1) ∈ Im( f ) 4
N dim(Im( f )) = 3 (dado que {(1, −2, 3, 1), (0, 1, 0, 0), (0, 0, 0, 1)} es l.i.)
=⇒ dim(Nu( f )) = 0 =⇒ f es monomorfismo 4
c) Para que los vectores (1, 2, 0, 9) y (0, 1, 3, 2) pertenezcan al núcleo de f , vamos a definir la
t.l. en una base que los contenga, por ejemplo, {(1, 2, 0, 9), (0, 1, 3, 2), (0, 0, 1, 0), (0, 0, 0, 1)}
(es fácil ver que es un conjunto l.i). Por otro lado, para asegurarnos que (1, 2, 0, 9) y
(0, 1, 3, 2) pertenezcan a la imagen vamos a mandar vectores del dominio a esto vecto-
res.
Definimos f como la única transformación lineal que verifica:


 f (1, 2, 0, 9) = (0, 0, 0, 0)
f (0, 1, 3, 2) = (0, 0, 0, 0)


 f (0, 0, 1, 0) = (1, 2, 0, 9)
f (0, 0, 0, 1) = (0, 1, 3, 2)


Veamos que cumple lo pedido.

N Como definimos f sobre una base de R4 podemos afirmar que f está bien definida 4
N Im( f ) = h(1, 2, 0, 9), (0, 1, 3, 2)i 4
N dim(Im( f )) = 2 =⇒ dim(Nu( f )) = 4 − 2 = 2. Además (1, 2, 0, 9), (0, 1, 3, 2) ∈ Nu( f ).
Entonces Nu( f ) = h(1, 2, 0, 9), (0, 1, 3, 2)i 4

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 17

Álgebra 27 (Ciencias Exactas) TRANSFORMACIONES LINEALES

Composición de transformaciones lineales

Dadas transformaciones lineales f : V → W y g : W → U entre espacios vectoriales V, W y U,
tales que el codominio de f coincide con el dominio de g (en este caso, ambos son W), para
un vector v ∈ V podemos calcular f (v) y al resultado, que es un vector de W, aplicarle la
transformación lineal g y obtener un vector g( f (v)) en U. De este modo se define la composición

g ◦ f : V → U, ( g ◦ f )(v) = g( f (v)).

Propiedad

Sean V, W y U espacios vectoriales, f : V → W y g : W → U transformaciones lineales.

Entonces g ◦ f : V → U es una transformación lineal.

Demostración:

1. Sean u, v ∈ V. Entonces:
g ◦ f (u + v) = g( f (u + v)) = g( f (u) + f (v)) = g( f (u)) + g( f (v)) = g ◦ f (u) + g ◦ f (v).

2. Sean v ∈ V y α ∈ R. Entonces:
g ◦ f (αv) = g( f (αv)) = g(α f (v)) = α g( f (v)) = α ( g ◦ f )(v).

Ejemplo 1. Sean f : R2 → R3 , f ( x, y) = ( x + y, x − y, y) y g : R3 → R2 , g( x, y, z) =
(2y − z, − x + 3z). Hallar g ◦ f y f ◦ g.

Solución:

g ◦ f : R2 → R2 ,
g ◦ f ( x, y) = g( f ( x, y)) = g( x + y, x − y, y) = (2( x − y) − y, −( x + y) + 3y)
= (2x − 3y, − x + 2y)

f ◦ g : R3 → R3 ,
f ◦ g( x, y, z) = f ( g( x, y, z)) = f (2y − z, − x + 3z)
= ((2y − z) + (− x + 3z), (2y − z) − (− x + 3z), − x + 3z)
= (− x + 2y + 2z, x + 2y − 4z, − x + 3z)

Respuesta:

g ◦ f : R2 → R2 , g ◦ f ( x, y) = (2x − 3y, − x + 2y)

f ◦ g : R3 → R3 , f ◦ g( x, y, z) = (− x + 2y + 2z, x + 2y − 4z, − x + 3z).

El núcleo y la imagen de g ◦ f se relacionan con los de f y g. Más precisamente:

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 1

Álgebra 27 (Ciencias Exactas) TRANSFORMACIONES LINEALES

Propiedad

Si f : V → W y g : W → U son transformaciones lineales, entonces

Nu( f ) ⊂ Nu( g ◦ f ) y Im( g ◦ f ) ⊂ Im( g).

Demostración:

Si v ∈ Nu( f ), entonces g ◦ f (v) = g( f (v)) = g(O) = O, con lo cual v ∈ Nu( g ◦ f ). Esto

muestra que Nu( f ) ⊂ Nu( g ◦ f ).

Si u ∈ Im( g ◦ f ), entonces hay un vector v ∈ V tal que u = g ◦ f (v). Si w = f (v), vale

g(w) = g( f (v)) = g ◦ f (v) = u y concluimos que u ∈ Im( g). Luego, Im( g ◦ f ) ⊂ Im( g).

Ejemplo 2. Sean f : R3 → R3 la transformación lineal tal que

f (1, −1, 1) = (0, 0, 0), f (−1, 1, 0) = (2, 1, 1) y f (1, 0, 0) = (1, 1, −2)

y g : R3 → R2 , g( x, y, z) = ( x − y + z, − x + y − z).
Hallar Im( g ◦ f ) y Nu( g ◦ f ) y compararlos con Im( g) y Nu( f ) respectivamente.

Solución: La transformación lineal f está definida en la base {(1, −1, 1), (−1, 1, 0), (1, 0, 0)}
de R3 (es fácil verificar que este conjunto es linealmente independiente)

 f (1, −1, 1) = (0, 0, 0)
f (−1, 1, 0) = (2, 1, 1)
f (1, 0, 0) = (1, 1, −2)


Podemos definir g ◦ f : R3 → R2 en la misma base:


 g ◦ f (1, −1, 1) = g( f (1, −1, 1)) = g(0, 0, 0) = (0, 0)
g ◦ f (−1, 1, 0) = g( f (−1, 1, 0)) = g(2, 1, 1) = (2, −2)
g ◦ f (1, 0, 0) = g( f (1, 0, 0)) = g(1, 1, −2) = (−2, 2)


Entonces, Im( g ◦ f ) = h(0, 0), (2, −2), (−2, 2)i, es decir, Im( g ◦ f ) = h(2, −2)i .
Por el teorema de la dimensión, dim(Nu( g ◦ f )) = 3 − dim(Im( g ◦ f )) = 3 − 1 = 2.
Observamos que (1, −1, 1) ∈ Nu( g ◦ f ). Además, como g ◦ f (−1, 1, 0) = (2, −2) y g ◦ f (1, 0, 0) =
(−2, 2),

g ◦ f ((−1, 1, 0) + (1, 0, 0)) = (2, −2) + (−2, 2)

g ◦ f (0, 1, 0) = (0, 0)

es decir, (0, 1, 0) ∈ Nu( g ◦ f ). Entonces h(1, −1, 1), (0, 1, 0)i ⊂ Nu( f ) y, como dim(Nu( g ◦ f )) =
2, concluimos que Nu( g ◦ f ) = h(1, −1, 1), (0, 1, 0)i .
Para terminar, comparemos la imagen y el núcleo hallados con Im( g) y Nu( f ) respectivamente.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 2

Álgebra 27 (Ciencias Exactas) TRANSFORMACIONES LINEALES

Im( g) = h g(1, 0, 0), g(0, 1, 0), g(0, 0, 1)i = h(1, −1), (−1, 1), (1, −1)i = h(1, −1)i.
Como h(2, −2)i = h(1, −1)i, resulta que Im( g ◦ f ) = Im( g).

De la definición de f , vemos que dim(Im( f )) = 2 y que (1, −1, 1) ∈ Nu( f ). Por el teore-
ma de la dimensión, dim(Nu( f )) = 1, ası́ que Nu( f ) = h(1, −1, 1)i. Entonces
Nu( f ) = h(1, −1, 1)i ( h(1, −1, 1), (0, 1, 0)i = Nu( g ◦ f ), es decir, vale la inclusión, pero
no son iguales.

Ejemplo 3. Sean S = h(1, 0, 1, 2), (1, 0, 0, 1)i y T = {x ∈ R4 / x1 + x2 + x3 − x4 = 0}.

Definir, si es posible, una transformación lineal f : R4 → R4 tal que Nu( f ) = S y
Nu( f ◦ f ) = T.

Solución: Como Nu( f ) ⊂ Nu( f ◦ f ), para que sea posible definir una transformación lineal
con las condiciones pedidas, es necesario que S ⊂ T. Para ver esto, basta verificar que los
generadores de S pertenecen a T:
(1, 0, 1, 2) ∈ T: 1 + 0 + 1 − 2 = 0
(1, 0, 0, 1) ∈ T: 1 + 0 + 0 − 1 = 0
Vamos a definir f en una base conveniente de R4 . Teniendo en cuenta las condiciones que debe
cumplir, consideraremos una base B de R4 que contenga a una base de S y una base de T. Como
S ⊂ T, dim(S) = 2 y dim(T) = 3, para construir la base B, extendemos una base de S a una
base de T y luego ésta a una base de R4 . Por ejemplo, tomando (0, 1, 0, 1) ∈ T y (0, 0, 0, 1) ∈ R4 ,
obtenemos
BT
nz }| { o
B = (1, 0, 1, 2), (1, 0, 0, 1), (0, 1, 0, 1), (0, 0, 0, 1) .
| {z }
BS

Queda como ejercicio verificar que este conjunto es linealmente independiente y, por lo tanto,
es una base de R4 .
Para garantizar que Nu( f ) = S, basta definir f en la forma


 f (1, 0, 1, 2) = (0, 0, 0, 0)
f (1, 0, 0, 1) = (0, 0, 0, 0)

 f (0, 1, 0, 1) = v

f (0, 0, 0, 1) = w


con {v, w} linealmente independiente, de modo que Im( f ) = hv, wi tenga dimensión 2. Esto
nos asegura que dim(Nu( f )) = 2 y, por lo tanto, Nu( f ) = h(1, 0, 1, 2), (1, 0, 0, 1) = S.
Si definimos f de este modo, f ◦ f nos queda:


 f ◦ f (1, 0, 1, 2) = f (0, 0, 0, 0) = (0, 0, 0, 0)
f ◦ f (1, 0, 0, 1) = f (0, 0, 0, 0) = (0, 0, 0, 0)


 f ◦ f (0, 1, 0, 1) = f (v)
f ◦ f (0, 0, 0, 1) = f (w)


Entonces, para que Nu( f ◦ f ) = T, necesitamos que f (v) = (0, 0, 0, 0), es decir, v ∈ Nu( f ) = S
y, además, que f (w) 6= (0, 0, 0, 0), o sea, w ∈
/ Nu( f ) = S (de lo contrario f ◦ f = 0).

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 3

Álgebra 27 (Ciencias Exactas) TRANSFORMACIONES LINEALES

Elegimos v = (1, 0, 1, 2) ∈ S y w = (0, 1, 0, 0) ∈/ S y definimos f como la única transformación

lineal que verifica: 

 f (1, 0, 1, 2) = (0, 0, 0, 0)
f (1, 0, 0, 1) = (0, 0, 0, 0)


 f (0, 1, 0, 1) = (1, 0, 1, 2)
f (0, 0, 0, 1) = (0, 1, 0, 0)


Verificación:

S = h(1, 0, 1, 2), (1, 0, 0, 1)i ⊂ Nu( f ) y dim(Nu( f )) = 4 − 2 = 2 = dim(S), ya que

Im( f ) = h(1, 0, 1, 2), (0, 1, 0, 0)i tiene dimensión 2. Entonces Nu( f ) = S.

T = h(1, 0, 1, 2), (1, 0, 0, 1), (0, 1, 0, 1)i ⊂ Nu( f ◦ f ) y

dim(Nu( f ◦ f )) = 4 − dim(Im( f ◦ f )) = 4 − 1 = 3 = dim(T).
Entonces Nu( f ◦ f ) = T.

Inversa de una transformación lineal

Si f : V → W es un isomorfismo, la función inversa f −1 : W → V que cumple las condi-

ciones f ◦ f −1 = idW y f −1 ◦ f = idV también es un isomorfismo.

Ejemplo 4. Sea f : R3 → R3 la transformación lineal dada por

f ( x, y, z) = ( x − y + z, y − z, 3x + y + z).

Verificar que f es un isomorfismo y encontrar f −1 .

Solución: Para probar que f es un isomorfismo podemos ver que manda una base de R3 en
otra base de R3 . Para esto tomamos, por ejemplo, la base canónica y calculamos la imagen de
cada vector, f (1, 0, 0) = (1, 0, 3), f (0, 1, 0) = (−1, 1, 1) y f (0, 0, 1) = (1, −1, 1).
Resolvemos el sistema homogéneo para verificar que los vectores forman un conjunto l.i.
     
1 −1 1 0 1 −1 1 0 1 −1 1 0
 0 1 −1 0  −→  0 1 −1 0  −→  0 1 −1 0  4
3 1 1 0 0 4 −2 0 0 0 2 0

Por lo tanto, {(1, 0, 3), (−1, 1, 1), (1, −1, 1)} es una base de R3 y, entonces, f es un isomorfismo.
Ahora que probamos que es un isomorfismo, veamos qué aspecto tiene la función inversa. Esta
cumple que f −1 ◦ f = idR3 lo que significa que f −1 ( f (v)) = v para todo v ∈ R3 , en particular,

f −1 ( f (1, 0, 0)) = (1, 0, 0) =⇒ f −1 (1, 0, 3) = (1, 0, 0)

f −1 ( f (0, 1, 0)) = (0, 1, 0) =⇒ f −1 (−1, 1, 1) = (0, 1, 0)
f −1 ( f (0, 0, 1)) = (0, 0, 1) =⇒ f −1 (1, −1, 1) = (0, 0, 1)

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 4

Álgebra 27 (Ciencias Exactas) TRANSFORMACIONES LINEALES

Si observamos las implicaciones, notamos que tenemos definida a f −1 en una base de R3 , o sea,
f −1 es la única t.l. que verifica:
 −1
 f ( 1, 0, 3) = (1, 0, 0)
f −1 (−1, 1, 1) = (0, 1, 0)
 −1
f (1, −1, 1) = (0, 0, 1)

Proyectores

Proyector

Una transformación lineal p : V → V es un proyector si cumple p ◦ p = p.

x + y x + y
Ejemplo 5. Verificar que la t.l. p : R2 → R2 dada por p( x, y) = , es un
2 2
proyector.

Solución: Veamos que se cumple la condición p ◦ p(v) = p(v) para todo v ∈ R2 :

x+y x+y
p ◦ p( x, y) = p ( p( x, y)) = p ,
2 2
x +y x +y x +y
+ x+2 y
!
2 + 2 x+y x+y
= , 2 =( , ) = p( x, y) 4
2 2 2 2

Con un fácil cálculo obtenemos que, para el proyector p del ejemplo, Nu( p) = h(−1, 1)i e
Im( p) = h(1, 1)i.
Si observamos con atención el gráfico podemos ver que, por efecto de la transformación lineal
p, los vectores se proyectan sobre la imagen de p en forma paralela al núcleo de p. Por este
motivo estas t.l. son llamadas proyectores.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 5

Álgebra 27 (Ciencias Exactas) TRANSFORMACIONES LINEALES

Tenemos que Im( p) = h(1, 1)i, es decir, v ∈ Im( p) ⇐⇒ v = λ(1, 1) = (λ, λ). Si aplicamos p a
estos vectores obtenemos:

λ+λ λ+λ
p(v) = p(λ, λ) = , = (λ, λ) = v
2 2

O sea, si v ∈ Im( p) entonces p(v) = v. Esto no es casualidad, es una propiedad que cumplen
todos los proyectores como veremos a continuación.

Propiedades de un proyector

Si p : V → V es un proyector, entonces:

1. Para todo v ∈ Im( p), p(v) = v.

2. V = Nu( p) ⊕ Im( p).

Demostración:

1. Sea v ∈ Im( p), entonces v = p(w) para algún vector w ∈ V. Aplicando p a ambos
miembros obtenemos que p(v) = p( p(w)) y como p es proyector p( p(w)) = p ◦ p(w) =
p(w). Juntando todo,

p(v) = p( p(w)) = p(w) = v =⇒ p(v) = v.

2. Veamos primero que Nu( p) ∩ Im( p) = {O}:

Sea v ∈ Nu( p) ∩ Im( p). Entonces v ∈ Nu( p) y v ∈ Im( p), con lo cual p(v) = O y, por la
propiedad 1, p(v) = v. Luego, v = O.
Como Nu( p) ∩ Im( p) = {O}, podemos escribir Nu( p) ⊕ Im( p).

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 6

Álgebra 27 (Ciencias Exactas) TRANSFORMACIONES LINEALES

Dado que Nu( p) ⊂ V y Im( p) ⊂ V, entonces Nu( p) ⊕ Im( p) ⊂ V. Si probamos que

tienen la misma dimensión habremos probado la igualdad; para esto usamos primero el
teorema de la dimensión de espacios vectoriales y luego el teorema en su versión de t.l.,
dim(Nu( p) ⊕ Im( p)) = dim(Nu( p)) + dim(Im( p)) = dim(V).
Por lo tanto, Nu( p) ⊕ Im( p) = V.

Ejemplo 6. Definir, si es posible, un proyector p : R3 → R3 tal que:

a) Nu( p) = h(1, 1, 0)i y Im( p) = {x ∈ R3 / x1 + x2 + x3 = 0}.

b) Nu( p) = h(1, −2, 1)i y Im( p) = {x ∈ R3 / x1 + x2 + x3 = 0}.

Solución:
a) Por la propiedad 1 de un proyector, p debe verificar que p(v) = v para todo v ∈ Im( p).
Además, sabemos que p(v) = (0, 0, 0) para todo v ∈ Nu( p).
Entonces, para que Im( p) = {x ∈ R3 / x1 + x2 + x3 = 0} = h(−1, 1, 0), (−1, 0, 1)i y
Nu( p) = h(1, 1, 0)i, vamos a definir p en una base de R3 que contenga una base de cada
uno de estos subespacios.
Consideramos {(−1, 1, 0), (−1, 0, 1), (1, 1, 0)}, que resulta ser una base de R3 , y definimos:

 p(−1, 1, 0) = (−1, 1, 0)
p(−1, 0, 1) = (−1, 0, 1)
p(1, 1, 0) = (0, 0, 0)


Es fácil verificar que Im( p) = h(−1, 1, 0), (−1, 0, 1)i y Nu( p) = h(1, 1, 0)i.
p es un proyector: al volver a aplicar p a partir de la definición en la base,

 p ◦ p(−1, 1, 0) = p(−1, 1, 0)
p ◦ p(−1, 0, 1) = p(−1, 0, 1)
p ◦ p(1, 1, 0) = p(0, 0, 0) = (0, 0, 0) = p(1, 1, 0)


Como p ◦ p y p son dos t.l. cuyos valores en una base de R3 coinciden, entonces son la
misma, es decir p ◦ p = p.
b) Al intentar proceder como en el caso anterior, nos encontramos con que al unir una base
de {x ∈ R3 / x1 + x2 + x3 = 0} con una de h(1, −2, 1)i resulta un conjunto linealmente
dependiente, es decir, no se obtiene una base de R3 . Esto se debe a que
h(1, −2, 1)i ∩ {x ∈ R3 / x1 + x2 + x3 = 0} = h(1, −2, 1)i 6= {(0, 0, 0)}.
Veamos que no es posible definir un proyector que cumpla las condiciones pedidas.
La propiedad 2 de un proyector nos dice que para cualquier proyector p : R3 → R3 , vale
Nu( p) ⊕ Im( p) = R3 .
Entonces, los subespacios h(1, −2, 1)i y {x ∈ R3 / x1 + x2 + x3 = 0}, que tienen intersec-
ción no trivial, no pueden ser el núcleo y la imagen de un proyector.

Respuesta: No existe un proyector p que cumpla lo pedido.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 7

Álgebra 27 (Ciencias Exactas) TRANSFORMACIONES LINEALES

Matrices de cambio de base

Un espacio vectorial V tiene distintas bases y, dado un vector v ∈ V, vimos cómo asociarle
coordenadas (v) B con respecto a cualquier base B de V. A continuación introducimos unas
matrices que permiten hallar las coordenadas de un vector en una base de V a partir de sus
coordenadas en otra base de V.
Utilizaremos estas matrices para calcular, a partir de la matriz MBV BW ( f ) de una transformación
lineal f : V → W en las bases BV y BW de V y W respectivamente, la matriz MBV0 BW 0 ( f ) en otras
0 0
bases BV y BW de V y W.

Matriz de cambio de base

Sean B y B0 bases de un espacio vectorial V. La matriz de la t.l. identidad en las bases B
y B0 se llama matriz de cambio de base B a base B0 ,

CBB0 = MBB0 (id)

¿Cómo se calcula esta matriz?

Si B = {v1 , v2 , . . . , vn },

CBB0 = MBB0 (id) = (id(v1 ))tB0 (id(v2 ))tB0 · · · (id(vn ))tB0 = (v1 )tB0 (v2 )tB0 · · · (vn )tB0

La matriz CBB0 tiene como columnas a las coordenadas en la base B0 de los vectores de la
base B.

Antes de hacer ejemplos, veamos una propiedad que resulta muy útil:

Propiedad

CB0 B = (CBB0 )−1

Demostración. Esta igualdad se deduce de la relación entre la matriz de un isomorfismo y la

de su inversa:

CB0 B = MB0 B (id) = MB0 B (id−1 ) = ( MBB0 (id))−1 = (CBB0 )−1

Ejemplo 1. Dadas B = {(1, −1, 1); (0, 1, 1); (1, 0, 1)} y E = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}
bases de R3 , calcular CEB y CBE .

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 1

Álgebra 27 (Ciencias Exactas) TRANSFORMACIONES LINEALES

Solución: Por la propiedad anterior las matrices CEB y CBE son una la inversa de la otra. Ası́
que calculamos una y luego la invertimos. La pregunta es ¿cuál conviene calcular primero? La
respuesta es CBE , dado que para todo vector v ∈ R3 vale (v) E = v, ası́ que esta matriz es muy
fácil de armar. ¡Sólo tenemos que poner los vectores de la base B como columnas de la matriz!
 
1 0 1
CBE =  −1 1 0 
1 1 1

Si invertimos CBE obtenemos CEB ,

  −1  
1 0 1 −1 −1 1
CEB =  −1 1 0  =  −1 0 1 
1 1 1 2 1 −1
   
1 0 1 −1 −1 1
Respuesta: CBE =  −1 1 0  y CEB =  −1 0 1 .
1 1 1 2 1 −1

Propiedad de la matriz de cambio de base

Si B y B0 son dos bases de un espacio vectorial V, para todo v ∈ V vale:

CBB0 · (v) B = (v) B0

O sea, si multiplicamos a las coordenadas de un vector en la base B por la matriz CBB0

obtenemos las coordenadas en base B0 del mismo vector. Es por esto que la matriz recibe
el nombre de matriz de cambio de base B a base B0 .

Demostración: Vimos que MBB0 ( f ) · (v) B = ( f (v)) B0 . En el caso de la t.l. identidad queda

CBB0 · (v) B = MBB0 (id) · (v) B = (id(v)) B0 = (v) B0 .

Ejemplo 2. Sean B = {v1 , v2 , v3 } y B0 = {v1 + v2 , v2 − v3 , −2v1 − v3 } bases de un e.v.

V. Calcular CBB0 , CB0 B y (v) B0 para v = v1 + v2 − 3v3 .

Solución: Otra vez tenemos que calcular dos matrices, CBB0 , CB0 B , que son una la inversa de
la otra. En este caso es fácil calcular CB0 B ya que las columnas de esta matriz son

(v1 + v2 ) B = (1, 1, 0), (v2 − v3 ) B = (0, 1, −1) y (−2v1 − v3 ) B = (−2, 0, −1).

Entonces,  
1 0 −2
CB 0 B = 1 1 0 
0 −1 −1

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 2

Álgebra 27 (Ciencias Exactas) TRANSFORMACIONES LINEALES

Calculamos la inversa de esta matriz y obtenemos

 
−1 2 2
CBB0 = (CB0 B )−1 =  1 −1 −2 
−1 1 1

Si usamos la definición de coordenadas, inmediatamente obtenemos que (v) B = (1, 1, −3).

Para calcular las coordenadas de v en la base B0 vamos a usar la propiedad anterior, es decir,
multiplicar por CBB0 sus coordenadas en la base B:
    
−1 2 2 1 −5
(v) B0 = CBB0 · (v) B =  1 −1 −2   1  =  6 
−1 1 1 −3 −3

Por lo tanto:
   
1 0 −2 −1 2 2
Respuesta: CB0 B = 1 1 0 , CBB0 =  1 −1 −2  y (v) B0 = (−5, 6, −3).
0 −1 −1 −1 1 1

Propiedad (cambios de base en la matriz de una t.l.)

Sean BV y BV0 bases de un e.v. V y B y B0 bases de un e.v. W. Si f : V → W es una

W W
transformación lineal entonces:

0 ( f ) = CB B 0 · M B B ( f ) · CB 0 B .
MBV0 BW W W V W V V

Demostración: Si pensamos a f : V → W como la composición idW ◦ f ◦ idV y usamos que la

matriz de una composición de t.l. es el producto de las matrices de las t.l. en bases convenientes,
obtenemos:

0 ( f ) = M B0 B0 (idW ◦ f ◦ idV )
MBV0 BW V W

0 (idW ) · M B B ( f ) · M B0 B (idV )
= MBW BW V W V V

0 · M B B ( f ) · CB 0 B .
= CBW BW V W V V

Si se cambia sólo la base de V o sólo la base de W, la fórmula anterior tiene una expresión más
sencilla, ya que hay que multiplicar por una sola de las matrices de cambio de base:

MBV0 BW ( f ) = MBV BW ( f ) · CBV0 BV .

0 ( f ) = CB B 0 · M B B ( f ).
MBV BW W W V W

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 3

Álgebra 27 (Ciencias Exactas) TRANSFORMACIONES LINEALES

En el caso particular de una t.l. f : V → V, si B y B0 son bases V, la fórmula de cambio de

base queda:
MB0 ( f ) = CBB0 · MB ( f ) · CB0 B .

Ejemplo 3. −2)}, y f , g : R3→ R3 las t.l. tales que

Sean B = {(1, 0, −1), (0, 1, 2), (1, −1,
1 2 −1
f ( x, y, z) = ( x − 2y, y + 3z, x + y − 4z) y MB ( g) =  2 0 −2  . Encontrar M( g ◦ f ).
0 −2 3

Solución: Para calcular M( g ◦ f ), que es lo mismo que ME ( g ◦ f ), nos conviene tener las
matrices de ambas t.l. en bases canónicas.
La matriz de f la calculamos directamente,
 
1 −2 0
ME ( f ) =  0 1 3 ,
1 1 −4
y para la matriz de g vamos a usar cambios de base y la propiedad anterior,
ME ( g) = CBE · MB ( g) · CEB
Como vimos en un ejemplo anterior, CBE se construye en forma directa a partir de los vectores
de B y CEB = (CBE )−1 . En este caso quedan
   
1 0 1 0 2 −1
CBE =  0 1 −1  y CEB =  1 −1 1 .
−1 2 −2 1 −2 1
Entonces,
   
1 0 1 1 2 −1 0 2 −1
M E ( g ) =  0 1 −1   2 0 −2   1 −1 1 
−1 2 −2 0 −2 3 1 −2 1
  
1 0 1 1 2 0
=  0 1 −1   −2 8 −4 
−1 2 −2 1 −4 1
 
2 −2 1
=  −3 12 −5  .
−7 22 −10
Por último, calculamos la matriz pedida:
    
2 −2 1 1 −2 0 3 −5 −10
M( g ◦ f ) = M( g) · M( f ) =  −3 12 −5   0 1 3  =  −8 13 56  .
−7 22 −10 1 1 −4 −17 26 106
 
3 −5 −10
Respuesta: M ( g ◦ f ) =  −8 13 56 .
−17 26 106

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 4

Álgebra 27 (Ciencias Exactas) NÚMEROS COMPLEJOS

Números complejos - Forma binómica

Los números complejos son un conjunto de números que extiende a los números reales. Se
crearon para resolver problemas de diversas áreas de la fı́sica, la ingenierı́a y la matemática.

Forma binómica
Notamos con la letra C al conjunto de los números complejos y usamos la letra z para
referirnos a ellos:
C = {z = a + bi, con a, b ∈ R, i2 = −1}.
La expresión a + bi es la forma binómica del número complejo z = a + bi.
A a lo llamamos parte real del número z y a b lo llamamos parte imaginaria del número z
y escribimos Re(z) = a e Im(z) = b.

Por ejemplo: La parte imaginaria de un número com-

plejo es un número real, no tiene la i.
• z = 1 − 2i Re(z) = 1, Im(z) = −2 Im(1 − 2i ) = −2
5 5 Im(1 − 2i ) = −2i
• z = 3+ i Re(z) = 3, Im(z) =
4 4
• z = −4i Re(z) = 0, Im(z) = −4

• z=1 Re(z) = 1, Im(z) = 0

• z=0 Re(z) = 0, Im(z) = 0

Observación.
Los números reales también son números complejos (son los que tienen parte imaginaria nula,
o sea a ∈ R, b = 0): R ⊂ C.

Representación en el plano complejo

Podemos representar a los números complejos en el plano cartesiano ubicando la parte real
del número en el eje x y la parte imaginaria en el eje y, lo que nos permitirá darle un sentido
geométrico a las operaciones.
−→
Identificamos a z = a + b i con el punto P = ( a, b) de R2 o bien con el vector OP.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 1

Álgebra 27 (Ciencias Exactas) NÚMEROS COMPLEJOS

Im(z) Observar que los números reales se ubican so-

2 5
bre el eje x. Sobre el eje y se ubican los que
3+ i tienen parte real nula, a los que llamamos ima-
−2 + i 4
1 ginarios puros.

−3 −2 −1 1 2 3 4 Asociamos por ejemplo:

1+0i
−1 Re(z)
• z = 1 − 2 i ∼ (1, −2)
−2 1−2i • z = 1 = 1 + 0 i ∼ (1, 0)
5 5
−3 • z = 3 + i ∼ (3, )
4 4
−4 0−4i • z = −2 + i ∼ (−2, 1)
• z = −4 i = 0 − 4 i ∼ (0, −4)

Operaciones
1. Suma
Si z = a + bi y w = c + di son dos números complejos, la suma se define como:

z + w = ( a + c) + (b + d) i .
Por ejemplo,
(−2 + i ) + (3 + 4 i ) = (−2 + 3) + (1 + 4) i = 1 + 5 i.

La suma se corresponde en el plano complejo con la suma de vectores.

2. Producto por escalares

Si z = a + b i es un número complejo y k ∈ R es un escalar, el producto se define como:

k.z = (k.a) + (k.b) i .

Por ejemplo,
−3.(−2 − i ) = −3.(−2) + (−3).(−1) i = 6 + 3 i.

En el plano complejo, se corresponde con el producto de un vector por un escalar.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 2

Álgebra 27 (Ciencias Exactas) NÚMEROS COMPLEJOS

1+5i
5

4 3+4i
6+3i
3

2 Observar que se verifica la ley

−2 + i del paralelogramo de la suma de
1 vectores. También se observa
el efecto de dilatación del pro-
−3 −2 −1 1 2 3 4 5 6 ducto por escalares.
−1
−2 − i

3. Producto de números complejos

Dados dos números complejos z = a + b i y w = c + d i se define el producto entre z y w
como:

z · w = ( a · c − b · d) + ( a · d + b · c) i .

Parece una fórmula complicada, pero no hace falta memorizarla gracias a que este pro-
ducto cumple la propiedad distributiva con la suma.
Sabemos que i2 = −1, que se corresponde con hacer z · z cuando z = i. Podemos, en-
tonces, multiplicar dos números complejos de la siguiente forma:

( a + b i ) · (c + d i ) = a · c + a · d i + b · c i + b · d i2 = a · c + ( a · d + b · c) i + b · d(−1)
= a · c − b · d + ( a · d + b · c) i

Por ejemplo:

• (3 − 2 i ) · (4 + i ) = 3 · 4 + 3 · i + (−2) · 4 i + (−2) i2 = 12 + 3 i − 8 i − 2(−1)

= 12 + 2 − 5 i = 14 − 5 i
• (3 + 4 i )2 = (3 + 4 i )(3 + 4 i ) = 3 · 3 + 3 · 4 i + 4 · 3 i + 4 · 4 i2
= 9 − 16 + 24 i = −7 + 24 i
• (3 i )3 = 33 i3 = 27 (i2 ) i = 27 · (−1) i = −27 i

Observaciones.

1. Si z = a + b i, podemos generalizar

z2 = a2 − b2 + 2ab i

Ası́ también podrı́amos calcular cualquier potencia de z, pero un exponente alto involucra
muchas cuentas. La forma binómica es cómoda para sumar y restar pero no lo es para
hacer potencias grandes.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 3

Álgebra 27 (Ciencias Exactas) NÚMEROS COMPLEJOS

2. Algo curioso sucede con las potencias de i:

 1
 i = i
 2

i = −1
i 3 = (i2 ) · i = −i


 4
i = ( i 2 )2 = 1

Luego, i5 = (i4 ) · i = i, y comienzan a repetirse esos 4 resultados: i, −1, −i y 1.

Por ejemplo i18 = (i4 )4 · i2 = 14 (−1) = −1.
Notamos entonces que el resultado depende del resto de dividir el exponente por 4, ası́
sabiendo que 139 = 4 · 34 + 3, calculamos:

i139 = (i4 )34 · i3 = i3 = −i.

Módulo
Dado z = a + b i, llamamos módulo de z al número real no negativo
√
|z| = a2 + b2 .

Si representamos a z en el plano complejo, el módulo coincide con la longitud del vector,

o bien con la distancia de ( a, b) al origen.

0+3i
3
Por ejemplo:
p √ 2
3
• |3 − 2 i | = 32 + (−2)2 = 13 1+ i
√ √ 1
√
• | 1 + i | = 12 + 12 = 2 −4 + 0 i 4 2
√
• |3i | = 02 + 32 = 3 −4 −3 −2 −1 1 2 3 4
√
−1 13
p
• |−4| = (−4)2 + 02 = 4
−2 3−2i

Ejemplo 1. Representar el siguiente conjunto en el plano complejo:

A = {z ∈ C/ |z| = 1 y Re(z) < 0}.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 4

Álgebra 27 (Ciencias Exactas) NÚMEROS COMPLEJOS

Solución.

3
Re(z) < 0 Si quisiéramos resolver
√ la ecuación |z| = 1 de-
2
berı́amos plantear a2 + b2 = 1. Pero no se podrı́a
despejar de ahı́ ni a ni b.
1
A Como se pide representar en el plano, resulta útil
1 pensar a |z| como la distancia de z al origen.
−2 −1 1 2 El conjunto A resulta ser entonces el conjunto de to-
dos los puntos del plano complejo que distan 1 del
−1 origen y tienen parte real negativa.

−2

Ejemplo 2. Representar en el plano complejo el conjunto:

B = { z ∈ C/ | z − 1 + 3 i | ≥ 2}

Solución.

Nuevamente interpretemos la inecuación pensando

al módulo como una distancia. Acá es útil la si-
−1 1 2 3 guiente observación, equivalente a la que vimos con
vectores de R2 :
−1
B |z − w| = distancia entre z y w
−2 Reescribimos entonces:
1−3i
−3 |z − 1 + 3 i | = |z − (1 − 3 i )|

2 para poder interpretar al conjunto B como el con-

−4
junto de todos los puntos del plano complejo que
distan 2 o más de 1 − 3 i.

Vamos a introducir la noción de conjugado de un número complejo, que nos será de utilidad.

Conjugado

Dado z = a + b i, llamamos conjugado de z al número complejo:

z = a − b i.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 5

Álgebra 27 (Ciencias Exactas) NÚMEROS COMPLEJOS

Por ejemplo:

• 4−5i = 4+5i • −1 + i = −1 − i
• 3 i = −3 i • 5=5

Geométricamente, conjugar es reflejar con respecto al eje x. Observar que los números reales
son los únicos números complejos que quedan igual cuando los conjugamos, es decir

z ∈ R ⇐⇒ z = z.

Propiedad.

Si z = a + b i ∈ C, entonces
z · z = | z |2 .

Esta propiedad se comprueba haciendo el producto:

( a + b i ) · ( a − b i ) = a2 + abi − ab i − b2 i2 = a2 + b2 ,

que es el módulo de z elevado al cuadrado.

Por ejemplo,

(3 − 2 i ) · (3 − 2 i ) = (3 − 2 i ) · (3 + 2 i ) = 32 − 6 i + 6 i − 22 i2 = 32 + 22 = 13.

Observar que lo importante es que obtuvimos un número real, “sin la i”.

Si z 6= 0, |z| es un número real estrictamente positivo y podemos pasarlo dividiendo:
!
z · z z
z · z = |z|2 ⇐⇒ = 1 ⇐⇒ z · = 1.
| z |2 | z |2

Por lo tanto:

Inverso multiplicativo

Si z 6= 0, el inverso multiplicativo de z es

z
z −1 = .
| z |2

Con esta observación podemos presentar la división de números complejos.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 6

Álgebra 27 (Ciencias Exactas) NÚMEROS COMPLEJOS

División
Si z y w son dos números complejos y w 6= 0, definimos el cociente de z por w como:

z w z·w
= z · w −1 = z · 2
= .
w |w| w·w
Por ejemplo,

(3 + 5 i ) · (2 + i ) 6 + 3 i + 10 i + 5 i2

3+5i 3+5i 2+ i 1 13
= · = = 2 2
= + i.
2− i 2− i 2+ i (2 − i ) · (2 + i ) 2 +1 5 5

A continuación enunciamos algunas propiedades que verifican el conjugado y el módulo de

números complejos:

Propiedades.

C1) z = z M1) z = 0 ⇐⇒ |z| = 0

C2) z + w = z + w M2) |z · w| = |z| · |w|

C3) z · w = z · w M3) |z| = |z|

C4) Si z 6= 0, z−1 = (z)−1 M4) Si z 6= 0, |z−1 | = |z|−1

Ejemplo 3. Calcular el módulo de z, siendo

(3 − i )6 · (−i )15 · (2 + 2 i )
z= .
(1 − i )3

Solución. La idea es usar las propiedades de módulo para no calcular las potencias de los
números complejos que en forma binómica son muy costosas.
Sabemos:
· · · }z = |z| · |z| · · · |z| = |z|n .
• |z · w| = |z| |w| =⇒ |zn | = z| · z{z
| {z }
n veces n veces

z |z|
• Si w 6= 0, w−1 = |w|−1 ; entonces, = z · w −1 = | z | · w −1 = | z | · | w | −1 = .
w |w|
• | z | = | z |.
Luego,

(3 − i )6 (−i )15 (2 + 2 i ) |3 − i |6 |−i |15 2 + 2 i

|z| = = =
(1 − i )3 |1 − i |3
6
√ √
p
32 + (−1)2 115 |2 + 2 i | 1
(10 2 )6 · 1 · 2 12 + 12 103 .22
= √ = √ = √ = 1000
2
( 1 +1 ) 2 3 ( 2) 3 2 2

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 7

Álgebra 27 (Ciencias Exactas) NÚMEROS COMPLEJOS

Respuesta: |z| = 1000.

3 + 3i
Ejemplo 4. Dar la forma binómica de z = .
(1 + i )2

Solución. Primero desarrollamos el cuadrado y luego multiplicamos y dividimos por el con-

jugado del denominador.

3 + 3i 3 + 3i 3 + 3i (3 + 3i ) · (−2i )
z= 2
= = = =
(1 + i ) 1 + 2i − 1 2i (2i ) · (−2i )

(3 + 3i ) · (−2i ) −6i + 6 3 3
= = = − i
4 4 2 2
3 3
Respuesta: La forma binómica de z es z = − i.
2 2

Ejemplo 5. Dar la forma binómica de todos los z ∈ C que verifican la ecuación:

1
(1 − i )z = 3 − 2 i − 3z − .
i

Solución. Realizamos el despeje de la ecuación igual que con los números reales. En los
cocientes multiplicamos y dividimos por el conjugado del denominador.

1
(1 − i )z = 3 − 2 i − 3z − ⇐⇒
i
1 (−i )
(1 − i )z + 3z = 3 + 2 i − ⇐⇒
i (−i )
−i
(1 + 3 − i )z = 3 + 2 i − ( ) ⇐⇒
1
(4 − i )z = 3(1 + i ) ⇐⇒
1+ i (1 + i )(4 + i ) 3+5i 9 15
z = 3· = 3· = 3· = + i
4− i (4 − i )(4 + i ) 16 + 1 17 17

9 15
Respuesta: El único z ∈ C que es solución de la ecuación es z = + i.
17 17

Ejemplo 6. Dar la forma binómica de los z ∈ C que verifican la ecuación:

z · (z + 1) = 10 + 2i.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 8

Álgebra 27 (Ciencias Exactas) NÚMEROS COMPLEJOS

Solución. Comenzamos planteando z = a + bi y reescribiendo la ecuación que deben cumplir

los z ∈ C que estamos buscando:
z · (z + 1) = ( a + bi ) · ( a − bi + 1) = 10 + 2i
Si desarrollamos el producto de la izquierda, tenemos
a · ( a + 1) + b2 + bi = a2 + a + b2 + bi = 10 + 2i.
Como dos números complejos son iguales si y sólo si lo son su parte real y su parte imaginaria,
el problema consiste en encontrar a y b ∈ R tales que:
2
a + a + b2 = 10
b = 2
Reemplacemos el valor de b en la primera ecuación:
a2 + a + 4 = 10 ⇐⇒ a2 + a − 6 = 0 ⇐⇒ a = −3 ó a = 2.
Ası́ obtenemos que z = −3 + 2i ó z = 2 + 2i.

Respuesta: Todos los z ∈ C que satisfacen la ecuación son z = −3 + 2i y z = 2 + 2i.

Ecuaciones cuadráticas
Veamos ahora cómo, con los números complejos, podemos resolver ecuaciones de grado 2.

Ejemplo 7. Hallar todos los z ∈ C que verifican:

a) z2 − 4 = 0 b) z2 + 1 = 0 c) z2 + 9 = 0

Solución.
a) z2 − 4 = 0.

Buscamos las raı́ces de la ecuación cuadrática x2 − 4 = 0. Que la “incógnita” se llame z

sólo nos sugiere que las soluciones pueden ser complejas.
z2 − 4 = 0 ⇐⇒ z2 = 4 ⇐⇒ z = 2 ó z = −2

b) z2 + 1 = 0.

z2 + 1 = 0 ⇐⇒ z2 = −1, que no tiene solución para los números reales.

Pero en C tenemos dos soluciones:
z=i y z = −i
pues i2 = −1 y (−i )2 = −1.
c) z2 + 9 = 0.
z2 + 9 = 0 ⇐⇒ z2 = −9 ⇐⇒ z = 3i ó z = −3i
pues (3i )2 = −9 y (−3i )2 = −9.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 9

Álgebra 27 (Ciencias Exactas) NÚMEROS COMPLEJOS

Observación.

Al incorporar el objeto i conseguimos dos soluciones de la ecuación x2 + 1 = 0 y ahora,

en C, todas las ecuaciones cuadráticas tendrán dos raı́ces (eventualmente repetidas).

Ejemplo 8. Hallar todos los z ∈ C que verifican z2 − 3 + 4i = 0.

Solución. El problema equivale a resolver z2 = 3 − 4 i, pero ahora la solución no es tan in-

mediata como en los ejemplos anteriores.
Buscamos a y b ∈ R tales que:
( a + b i )2 = 3 − 4 i
Desarrollamos el cuadrado y llegamos a:

a2 − b2 + 2ab i = 3 − 4 i.

Como dos números complejos son iguales si y sólo si lo son su parte real y su parte imaginaria,
el problema consiste en encontrar a y b ∈ R tales que:
2
a − b2 = 3
.
2ab = −4
Para poder despejar a y b de este sistema de ecuaciones de manera más sencilla, agregamos
una tercera ecuación que también verifican los números reales a y b que buscamos.
Como z2 = 3 − 4 i, tomando módulo a cada lado, tenemos:
q
|z|2 = |3 − 4 i | =⇒ a2 + b2 = 32 + (−4)2 = 5.
La agregamos a nuestro sistema:
 2
 a − b2 = 3 (1)
2ab = −4 (2) Observar que estas ecuaciones tienen incógnitas
 2
a + b2 = 5 (3) reales, “¡no hay i!”, a y b son números reales.

Con (1) y (3) despejamos a2 y b2 , por ejemplo sumando las ecuaciones:

2a2 = 8 ⇐⇒ a2 = 4 ⇐⇒ a = 2 ó a = −2.

Volviendo a (3):
4 + b2 = 5 ⇐⇒ b2 = 1 ⇐⇒ b = 1 ó b = −1.
Por último, con la ecuación (2) terminamos de determinar a y b usando la regla de los signos.
Como 2ab < 0, a y b tienen distinto signo.
Luego, o bien a = 2 y b = −1 o bien a = −2 y b = 1.
Se tiene entonces que los z ∈ C que verifican z2 − 3 + 4i = 0 son

z = 2− i y z = −2 + i.

Respuesta: Todos los z ∈ C tales que z2 − 3 + 4 i = 0 son z = 2 − i y z = −2 + i.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 10

Álgebra 27 (Ciencias Exactas) NÚMEROS COMPLEJOS

Ejemplo 9. Hallar todos los z ∈ C tales que: z2 − 2z + 3 = 0

Solución. Vemos que a diferencia de los ejemplos anteriores tenemos tres términos y no pode-
mos despejar directamente z de ahı́. Completando cuadrados se puede reescribir la ecuación
cuadrática en su forma canónica:

z2 − 2z + 3 = 0 ⇐⇒ (z − 1)2 + 2 = 0
√ √
(z − 1)2 = −2 ⇐⇒ z − 1 = 2 i ó z − 1 = − 2 i
√ √
⇐⇒ z = 1 + 2 i ó z = 1 − 2 i
√ √
Respuesta: Todos los z ∈ C tales que z2 − 2z + 3 = 0 son z = 1 + 2i y z = 1− 2 i.

Cualquier ecuación cuadrática se puede expresar en su forma canónica:

b 2 b2 b 2 b2 − 4ac

2
ax + bx + c = 0 ⇐⇒ a x + +c− = 0 ⇐⇒ x + = .
2a 4a a 6 =0 2a 4a2
De esta expresión se deduce la fórmula resolvente para hallar las raı́ces de una ecuación cua-
drática.

Fórmula resolvente

Versión compleja de la fórmula resolvente: las soluciones en C de la ecuación az2 + bz + c = 0

son
−b + w
z= ,
2a
donde w es un número complejo que cumple w2 = b2 − 4ac.

Apliquemos la fórmula resolvente a la ecuación de este ejercicio:

z2 − 2z + 3 = 0

Tenemos que los coeficientes de la ecuación son a = 1, b = −2 y c = 3.

Como b2 − 4ac = (−2)2 − 4 · 1 · 3 = −8 es un número real negativo,
−b + w −(−2) + w 2+w
z= = =
2a 2.1 2
con w ∈ C que cumple:
w2 = −8.
Esta ecuación tiene dos soluciones:
√ √ √ √
w = 8i = 2 2i y w = − 8 i = −2 2 i.

Por lo tanto, las soluciones de la ecuación dada son:

√ √
2+2 2i 2−2 2i
z= y z=
2 2

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 11

Álgebra 27 (Ciencias Exactas) NÚMEROS COMPLEJOS

que, simplificando el 2, vemos que son las mismas que obtuvimos arriba.

Ejemplo 10. Hallar todos los z ∈ C tales que z2 − z + 1 + i = 0.

Solución. Tenemos una ecuación cuadrática con incógnita z con los tres términos. Para aplicar
la fórmula resolvente, reconocemos los coeficientes:

a = 1, b = −1 y c = 1 + i.

Calculamos b2 − 4ac = (−1)2 − 4 · 1 · (1 + i ) = −3 − 4 i, que es un número no real.

Usamos entonces la versión compleja de la fórmula resolvente:

−b + w −(−1) + w 1+w
z= = = ,
2a 2.1 2
donde w ∈ C cumple w2 = b2 − 4ac = −3 − 4 i.
Ahora para hallar w usamos la técnica de las tres ecuaciones como en el Ejemplo 8.
Resolviendo las tres ecuaciones, se llega a:

w = −1 + 2 i ó w = 1 − 2 i.

Por lo tanto,

1 + (−1 + 2 i ) 1 + (1 − 2 i ) 2i 2−2i
z= ó z= ⇐⇒ z = ó z= .
2 2 2 2
Luego, las soluciones de la ecuación son:

z= i y z = 1 − i.

Respuesta: Todos los z ∈ C tales que z2 − z + 1 + i = 0 son z = i y z = 1 − i.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 12

Álgebra 27 (Ciencias Exactas) NÚMEROS COMPLEJOS

Números complejos - Forma trigonométrica

Usando la representación en el plano que vimos al estudiar números complejos en forma
binómica, podemos introducir una manera alternativa de expresar a los números complejos:
la forma trigonométrica.
Dado un punto P = ( a, b) ∈ R2 − {(0, 0)} podemos identificarlo a través de sus coordenadas
cartesianas o a través de sus coordenadas polares, que son la distancia r del punto al origen y el
−→
ángulo θ que forma el vector OP con el semieje positivo de las x.

P 3 P 3
b
2 2

r
1 1
a θ
−2 −1 1 2 −2 −1 1 2
−1 −1

¿Cómo se relacionan a y b con r y θ?

Sabemos que r es la longitud del vector:
p
r= a2 + b2 = k P k .
1
Si multiplicamos a P por tenemos un vector de norma 1 y que forma el mismo ángulo con el
r
1
semieje positivo de las x; por lo tanto · P es un punto de la circunferencia de centro 0 y radio
r
1.

Como vimos en la sección Ángulos, seno y

P 3 coseno, existe θ ∈ [0, 2π ) tal que
1
2 · P = (cos(θ ), sen(θ )).
r
1 1 sen(θ )
·P
r Multiplicando por r,
P = r · (cos(θ ), sen(θ )).
−2 −1cos(θ ) 1 2
−1 Entonces:
( a, b) = P = (r cos(θ ), r sen(θ )).

Luego, podemos reescribir al número complejo z = a + b i de la siguiente forma:

z = a + b i = r cos(θ ) + r sen(θ ) i

z = r (cos(θ ) + i sen(θ ))

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 1

Álgebra 27 (Ciencias Exactas) NÚMEROS COMPLEJOS

√
donde r = a2 + b2 = |z| y θ es el ángulo que forma z con el semieje positivo de las x en su
representación en el plano complejo.

Conseguimos ası́ una nueva expresión que pone dos nuevos valores en juego. Como las fun-
ciones seno y coseno son periódicas, hay muchos valores de θ ∈ R que dan el mismo resultado
z. Para tener unicidad en la escritura tomamos un representante θ ∈ [0, 2π ) y lo llamamos el
argumento de z. Escribimos θ = arg(z).

Forma trigonométrica

Dado z ∈ C − {0}, llamamos la forma trigonométrica de z a la expresión:

z = |z| (cos(θ ) + i sen(θ )), con θ ∈ [0, 2π ).

Ejemplo 1. Expresar en forma binómica, calculando la parte real y la parte imaginaria.

π π
a) z = 2(cos( ) + i sen( )).
4 4
2 5 5
b) z = (cos( π ) + i sen( π ))
3 3 3
c) z = cos(π ) + i sen(π )

Solución.
π π
a) z = 2(cos( ) + i sen( )).
4 4
Es el número complejo que tiene módulo 2
π
y argumento . 2
4 √ z
Si queremos conocer sus coordenadas
2
cartesianas calculamos: 1 2
√ √ π
π 2 π 2 4
cos( ) = y sen( ) =
4 2 4 2
−2 −1 1 √2 2
π π
z = 2(cos( ) + i sen( )) −1
√ 4 √ 4
2 2 −2
= 2( +i )
√ 2 √ 2
= 2+ 2i
√ √
Respuesta: z = 2+ 2i.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 2

Álgebra 27 (Ciencias Exactas) NÚMEROS COMPLEJOS

2 5 5
b) z = (cos( π ) + i sen( π ))
3 3 3
2
Es el número complejo que tiene módulo
3
5 2
y argumento π.
3
Podemos calcular: 5
3π 1
√ 1
5 1 5 3 3
cos( π ) = y sen( π ) = −
3 2 3 2
−2 − 1 √3 1 2
− 3 z
2 5 5
z= (cos( π ) + i sen( π ))
3 3√ 3
2 1 3 −2
= ( −i )
3 2√ 2
1 3
= − i.
3 3
√
1 3
Respuesta: z = − i.
3 3

c) z = cos(π ) + i sen(π )

En este caso, z tiene módulo 1 y argumento

2
π.
π
1
z
Podemos calcular coseno y seno o bien ubi-
carlo en el plano y ver sus coordenadas −2 −1 1 2
cartesianas.
−1

−2
z = −1.

Respuesta: z = −1.

Si z está expresado en su forma binómica y queremos escribirlo en su forma trigonométrica

tenemos que tener presente la relación de a = Re(z) y b = Im(z) con r = |z| y θ = arg(z)
que se obtiene a partir de la igualdad

z = a + b i = |z| (cos(θ ) + i sen(θ )) = |z| cos(θ ) + i |z| sen(θ ),

(
a = |z| cos(θ )
b = |z| sen(θ )

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 3

Álgebra 27 (Ciencias Exactas) NÚMEROS COMPLEJOS

En esta sección será útil la siguiente tabla de valores de seno y coseno:

π π π π
α 0
6 4 3 2
√ √
1 2 3
sen(α) 0 1
2 2 2
√ √
3 2 1
cos(α) 1 0
2 2 2
y recordar los signos de seno y coseno de acuerdo al cuadrante donde se ubica el punto.

Ejemplo 2. Expresar en forma trigonométrica, calculando el módulo y el argumento.

a) z = 4i b) z = −3 c) z = 1 − i

Solución.

a) z = 4i

Podemos ubicar el número z en el plano y 4 z

observar que su distancia al origen es 4 (y
por lo tanto su módulo es 4) y que su argu- 2 π
π 2
mento es porque z se ubica en el semieje
2 −4 −2 2 4
positivo de las y.
−2

−4

O bien podemos calcular |z| y θ. En este caso a = 0 y b = 4.

√
Calculamos |z| = 02 + 42 = 4, y luego buscamos el argumento θ:
( ( (
0
a = |z| cos(θ ) 0 = 4 cos(θ ) cos(θ ) = 4 =0
⇐⇒ ⇐⇒ 4
b = |z| sen(θ ) 4 = 4 sen(θ ) sen(θ ) = 4 =1

π
El único θ ∈ [0, 2π ) que cumple las ecuaciones es θ = .
2
π π
Respuesta: z = 4(cos( ) + i sen( )).
2 2

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 4

Álgebra 27 (Ciencias Exactas) NÚMEROS COMPLEJOS

b) z = −3

Nuevamente es sencillo observar la repre- 4

sentación de z en el plano.
2
π
Su distancia al origen es 3 y, como z se en- z
cuentra en el semieje negativo de las x, su −4−3−2 2 4
argumento es π. −2

−4
−3 = 3(cos(π ) + i sen(π ))

Respuesta: z = 3(cos(π ) + i sen(π )).

c) z = 1 − i

En este caso a = 1 y b = −1.

El módulo de z no es evidente, lo calculamos:
p √
|z| = 12 + (−1)2 = 2.

Para hallar el argumento tenemos dos opciones. Una opción es observar que el valor
absoluto de la parte real y de la parte imaginaria coinciden y, por lo tanto, el complejo se
π
ubica en la mitad del cuarto cuadrante y su argumento es θ = 2π − . La otra opción es
4
usar las ecuaciones:
 √
√ 1 2
(
a = |z| cos(θ )
(
1 = 2 cos(θ )  cos(θ ) =

 √ =
2 2
√
⇐⇒ √ ⇐⇒
b = |z| sen(θ ) −1 = 2 sen(θ ) −1 2
√ = −

sen(θ ) =

2 2

Observamos que los valores de seno y coseno

π 4
están en la tabla (son los correspondientes a )
4
pero con distinto signo, debido a que el número
z se encuentra en el cuarto cuadrante y no en 2
7
el primero. Buscamos el ángulo del cuarto cua- 4π

drante para el cual nos dan esos resultados. 1 2

−4 −2 −1 4
√ z
7 π 2 −2
cos( π ) = cos( ) =
4 4 2 √
7 π 2 −4
sen( π ) = − sen( ) = −
4 4 2
7 √
Por lo tanto, θ = π. Recordando que el módulo de z es 2, concluimos:
4

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 5

Álgebra 27 (Ciencias Exactas) NÚMEROS COMPLEJOS

√ 7 7
Respuesta: z = 2(cos( π ) + i sen( π )).
4 4

La forma binómica y la forma trigonométrica son dos formas de expresar el mismo

número complejo. La forma trigonométrica pone de manifiesto otras caracterı́sticas, que
son su módulo y su argumento. Esta representación nos va a ser útil para calcular pro-
ductos, potencias y raı́ces de números complejos.

√
Ejemplo 3. Escribir a z = −1 + 3 i en forma trigonométrica.

√
Solución. Sabemos que a = −1 y b = 3, entonces z está en el segundo cuadrante.
Calculamos: q √ √
|z| = (−1)2 + ( 3)2 = 1 + 3 = 2

−1
 cos(θ ) =
( (
a = |z| cos(θ ) −1 = 2 cos(θ )

⇐⇒ √ ⇐⇒ √2
b = |z| sen(θ ) 3 = 2 sen(θ ) sen(θ ) = 3

2
Si miramos los valores de cos(θ ) y sen(θ ) sin signo, en la tabla se corresponden con la columna
π
de . Ahora buscamos el ángulo θ en el segundo cuadrante. Tenemos:
3
√
2 π 1 2 π 3
cos( π ) = − cos( ) = − y sen( π ) = sen( ) =
3 3 2 3 3 2
2
Por lo tanto, |z| = 2 y θ = π.
3
2 2
Respuesta: La forma trigonométrica de z es z = 2(cos( π ) + i sen( π )).
3 3

π π
Ejemplo 4. Escribir a z = 5 i (cos( ) + i sen( )) en forma trigonométrica.
3 3

Solución. Parece ya estar resuelto, pero... Recordemos que en la forma trigonométrica aparece
como factor el módulo de z que es un número real positivo (5i no puede ser el módulo).
Luego, ésta no es la forma trigonométrica de z. Para poder determinarla, buscamos los valores
de la parte real a y de la parte imaginaria b. Aplicando la propiedad distributiva y calculando
los valores de seno y coseno, resulta:
√ √ √
π π 1 3 1 2 3 5 3 5
z = 5i (cos( ) + i sen( )) = 5i ( + i ) = 5 i + 5i =− + i
3 3 2 2 2 2 2 2

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 6

Álgebra 27 (Ciencias Exactas) NÚMEROS COMPLEJOS

√
5 3 5
Tenemos entonces que la parte real y la parte imaginaria de z son: a = − y b = , y,
2 2
por lo tanto, z se encuentra en el segundo cuadrante.
5
Ahora sı́ calculamos el módulo (sacando de factor común) y el argumento de z:
2
5 √
q √
5 5
|z| = (− 3 + i ) = (− 3)2 + 12 = · 2 = 5.
2 2 2
 √  √
5 3  cos(θ ) = − 3
(
a = |z| cos(θ ) −

= 5 cos(θ )

⇐⇒ 2 ⇐⇒ 2
b = |z| sen(θ )  5

= 5 sen(θ )

 sen(θ ) =
1
2 2
Los valores de seno y coseno, sin considerar el signo, se encuentran en la tabla en la columna de
π 5
. En el segundo cuadrante, los valores corresponden a θ = π.
6 6
5 5
Respuesta: La forma trigonométrica de z es z = 5(cos( π ) + i sen( π )).
6 6

Ejemplo 5. Representar en el plano el conjunto

π 7
A = { z ∈ C/ | z | ≤ 4 y ≤ arg(z) ≤ π }.
3 6

Solución. La condición para el módulo ya la analizamos en los primeros ejercicios y vimos

que convenı́a pensar en |z| como la distancia de z al origen. Por lo tanto los números complejos
que cumplen |z| ≤ 4 son aquellos que se ubican dentro de la circunferencia de centro el origen
y radio 4.
Por otro lado, hay una restricción para el argumento, que, recordemos, es el ángulo que forma
π
con el semieje positivo de las x. Ubicamos como siempre primero “los iguales”: arg(z) = y
3
7
arg(z) = π, que son semirrectas que comienzan en el origen (“rayos”). Y luego, pintamos la
6
región que encierran esos “rayos”.

4 π
arg(z) = 3
3

2
A
1

−4 −3 −2 −1 1 2 3 4
−1

−2

arg(z) = 76 π −3

−4

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 7

Álgebra 27 (Ciencias Exactas) NÚMEROS COMPLEJOS

Operaciones en forma trigonométrica

A un número complejo z 6= 0 podemos representarlo con su módulo y su argumento, que es
un valor entre 0 y 2π. Pero sabemos que coseno y seno son funciones periódicas con perı́odo
2π. Por ejemplo, cos(π ) = cos(3π ) = cos(21π ) = cos(−5π ).
A la hora de operar es más cómodo permitirnos variar el valor de θ y, de ser necesario, al final
de las operaciones tomar un representante en [0, 2π ) para dar el argumento.
Sobre todo cuando resolvemos ecuaciones, es necesario poder determinar cuándo dos expre-
siones con seno y coseno son iguales.

Igualdad

Si z = r (cos(θ ) + i sen(θ )) y w = t(cos(α) + i sen(α)), con r, t > 0, y θ, α ∈ R, entonces

r = t
z = w ⇐⇒
θ = α + 2kπ, para algún k ∈ Z.

Por ejemplo,
3(cos(π ) + i sen(π )) = 3(cos(21π ) + i sen(21π )) (con k = 10),
3(cos(π ) + i sen(π )) = 3(cos(−π ) + i sen(−π )) (con k = −1),
y, expresado en forma binómica, es el número −3.

Para calcular el producto de dos números complejos no nulos usaremos el siguiente teorema
que se deduce de las fórmulas para el seno y el coseno de la suma de dos ángulos:

Teorema de De Moivre
Sean z y w dos números complejos no nulos,

z = |z| (cos(α) + i sen(α)) y w = |w| (cos( β) + i sen( β)), con α, β ∈ R.

Entonces:
z · w = |z| |w| (cos(α + β) + i sen(α + β)).

Observamos que, en este enunciado, α y β no son necesariamente los argumentos de z y w (es

decir, pueden no estar en el intervalo [0, 2π )).

A partir del Teorema de De Moivre se deducen fórmulas para las potencias, el conjugado y el
inverso multiplicativo de un número complejo no nulo:

Si z = |z| (cos(θ ) + i sen(θ )), entonces

• zn = |z|n (cos(nθ ) + i sen(nθ )) para todo n ∈ N

• z = |z| (cos(−θ ) + i sen(−θ ))

• z−1 = |z|−1 (cos(−θ ) + i sen(−θ ))

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 8

Álgebra 27 (Ciencias Exactas) NÚMEROS COMPLEJOS

Por lo tanto, se deduce también una fórmula para el cociente de dos números complejos no
nulos:

Si z = |z| (cos(α) + i sen(α)) y w = |w| (cos( β) + i sen( β)), entonces

z |z|
= (cos(α − β) + i sen(α − β)).
w |w|

1 π π 5 5
Ejemplo 6. Si z = (cos( ) + i sen( )) y w = 3(cos( π ) + i sen( π )), escribir en
2 2 2 3 3
forma trigonométrica
z · w, z−1 y w4 .

Solución.

• z·w
Usando el teorema de De Moivre:
1 π 5 π 5 3 13 13
z·w = · 3(cos( + π ) + i sen( + π )) = (cos( π ) + i sen( π )).
2 2 3 2 3 2 6 6

13 13 π
Observar que π > 2π, por lo que para dar el argumento restamos 2π: π − 2π = .
6 6 6
3 π π
z·w = (cos( ) + i sen( )).
2 6 6

• z −1

1 π π π π
z−1 = ( )−1 (cos(− ) + i sen(− )) = 2(cos(− ) + i sen(− )).
2 2 2 2 2
π π 3
Ahora, como − < 0, sumamos 2π para poder dar el argumento: − + 2π = π.
2 2 2
3 3
z−1 = 2(cos( π ) + i sen( π )).
2 2
• w4
Usamos la fórmula para las potencias que se deduce del Teorema de De Moivre:

5 5 20 20
w4 = 34 (cos(4 · π ) + i sen(4 · π )) = 81(cos( π ) + i sen( π )).
3 3 3 3

20 20
Ahora, el ángulo π es bastante mayor que 2π, ya que ≈ 6, 7. ¿Cuánto hay que
3 3
20 20
restarle para obtener el argumento de w4 ? Recordemos que cos( π ) = cos( π + 2kπ )
3 3

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 9

Álgebra 27 (Ciencias Exactas) NÚMEROS COMPLEJOS

para cualquier valor entero de k, y lo mismo ocurre para seno. Es decir, se suman o restan
múltiplos de 2π.
20 2
En este caso, con k = −3 queda π + 2(−3)π = π, con lo cual
3 3
2 2
w4 = 81(cos( π ) + i sen( π )).
3 3

3 π π 3 3
Respuesta: z · w = (cos( ) + i sen( )), z−1 = 2(cos( π ) + i sen( π )) y
2 6 6 2 2
4 2 2
w = 81(cos( π ) + i sen( π )).
3 3

Observación. El cálculo de potencias se facilita considerablemente al usar la forma trigonomé-

trica (imaginemos calcular w4 usando la forma binómica...) Pero no tenemos una fórmula para
la suma ni para la resta de números complejos expresados en esta forma.
Por ejemplo, z + w queda:

1 π π 5 5
z+w = (cos( ) + i sen( )) + 3(cos( π ) + i sen( π ))
2 2 2 3 3
Para sumarlos, nos conviene expresarlos en forma binómica. Dependiendo de la operación que
queramos realizar usaremos la forma binómica o√la forma trigonométrica.
√
1 1 1 3 3 3 3
En este caso, z = (0 + i 1) = i y w = 3( − i )= − i y, entonces,
2 2 2 2 2 2
√ √
1 3 3 3 3 1 3 3
z+w = i+ − i = +( − )i.
2 2 2 2 2 2

(1 + i )8
Ejemplo 7. Calcular la parte real y la parte imaginaria de z = √ .
( 3 + i )3

Solución. Para calcular potencias de números complejos es conveniente expresarlos en forma

trigonométrica.
Trabajemos con 1 + i: √
|1 + i | = 2
y, ubicando al punto en el plano, notamos que está en la mitad del primer cuadrante. Por lo
π
tanto el argumento es . Entonces,
4
√ π π
1 + i = 2(cos( ) + i sen( )).
4 4
Aplicando el teorema de De Moivre,
√ π π
(1 + i )8 = ( 2)8 (cos(8. ) + i sen(8. )) = 24 (cos(2π ) + i sen(2π )).
4 4

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 10

Álgebra 27 (Ciencias Exactas) NÚMEROS COMPLEJOS

√
Ahora trabajamos con 3 + i:
√ √
3+i = 3 + 1 = 2.

Para determinar su argumento, buscamos θ que cumpla las ecuaciones:

√
√

( 3
2 cos(θ ) = 3 cos(θ ) =


⇐⇒ 2
2 sen(θ ) = 1 sen(θ ) = 1

2
π
Estos resultados se hallan en la tabla en la columna de θ = . Entonces,
6
√ π π
3 + i = 2(cos( ) + i sen( )).
6 6
Aplicando el teorema de De Moivre,
√ π π π π
( 3 + i )3 = 23 (cos(3 ) + i sen(3 )) = 23 (cos( ) + i sen( )).
6 6 2 2
Por último usamos la fórmula que dedujimos del teorema de De Moivre para calcular el co-
ciente:
(1 + i )8 24 (cos(2π ) + i sen(2π )) 24 π π
z= √ = 3 π π = 3
(cos(2π − ) + i sen(2π − ))
( 3 + i) 3 2 (cos( 2 ) + i sen( 2 )) 2 2 2
3π 3π
= 2(cos( ) + i sen( )) = 2(0 + i (−1)) = −2i
2 2
Nos dio como resultado un número imaginario puro; por lo tanto:
Respuesta: La parte real de z es 0 y la parte imaginaria de z es −2.

Observación. Ahora que vimos la forma trigonométrica, podemos apreciar el efecto geomé-
trico del producto entre números complejos. Sabemos que sumar y restar produce traslaciones
y que multiplicar por un escalar produce dilataciones.
Cuando multiplicamos dos números complejos los módulos se multiplican y los argumentos
se suman. De este modo:

La multiplicación por un número complejo no nulo z = |z| (cos(θ ) + i sen(θ )) produce

una dilatación por un factor |z| y una rotación de ángulo θ.

Por ejemplo, observemos la multiplicación de 3i por 1 + i. En forma binómica,

3i (1 + i ) = 3i + 3i2 = −3 + 3i.

Si los escribimos en forma trigonométrica, tenemos:

π π √ π π
3i = 3(cos( ) + i sen( )) y 1+i = 2(cos( ) + i sen( ))
2 2 4 4

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 11

Álgebra 27 (Ciencias Exactas) NÚMEROS COMPLEJOS

4
−3 + 3i
3i
3

2
1+i
1

−3 −2 −1 1 2
−1

Entonces,
√ π π π π
3i (1 + i ) = 3 2(cos( + ) + i sen( + )).
2 4 2 4
√ π
Vemos que 3i se “estiró” por un factor 2 ≈ 1, 4 y rotó en un ángulo de .
4

Ejemplo 8. Dado el triángulo T1 de vértices −1, 0 e i, determinar qué operaciones se

deben realizar para transformarlo en el triángulo T2 de vértices 1 − i, 3 − i y 3 − 3i.

Solución.

1 Al dibujarlo observamos que el triángulo está

T1 rotado, “estirado” y trasladado.
−2 −1 1 2 3 La rotación y la dilatación las podemos con-
−1 seguir multiplicando por un número com-
T2 plejo. ¿Cuál?
−2

π
Vemos que el triángulo está rotado en 90◦ ó
2
y que los lados iguales inicialmente medı́an 1 2
y finalmente miden 2. i
1
Debemos entonces multiplicar por un número −2
de módulo 2 para duplicar su longitud y de
π −2 −1 1 2 3
argumento para rotarlo.
2 −1
Por lo tanto, multiplicamos primero todos los
puntos del triángulo por el número: −2
π π
z = 2(cos( ) + i sen( )) = 2i.
2 2

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 12

Álgebra 27 (Ciencias Exactas) NÚMEROS COMPLEJOS

Por ejemplo, el vértice i en forma trigonométrica es:

π π
i = cos( ) + i sen( ).
2 2
Al multiplicarlo por z queda:
π π π π
i.z = 2(cos( + ) + i sen( + )) = 2(cos(π ) + sen(π )) = −2.
2 2 2 2
Ahora sólo nos falta trasladarlo rı́gidamente
3 unidades a la derecha y una unidad hacia 2
abajo. Por lo que debemos sumar a todos los i
puntos del triángulo el número w = 3 − i. 1
Por ejemplo, al sumarle w al vértice −2 queda: −2
T1
−2 −1 1 2 3
−2 + w = −2 + 3 − i = 1 − i. 1−i
−1
T2
Por lo tanto, las dos operaciones son multi-
−2
plicar primero por z = 2i y luego sumar w =
3 − i. (Observar que el orden es importante).

Concluimos que si x pertenece al triángulo T1 , entonces x.z + w pertenece al triángulo T2 .

Respuesta: Para transformar T1 en T2 hay que multiplicar por z = 2i y luego sumar w = 3 − i.

Raı́ces y ecuaciones con números complejos

Con la forma binómica de números complejos llegamos a resolver ecuaciones cuadrátricas.
Ahora con la forma trigonométrica podremos resolver algunas ecuaciones de mayor grado.
Por ejemplo, la ecuación x3 − 8 = 0, que es √ equivalente a x3 = 8, tiene una sola solución en el
conjunto de los números reales, que es x = 3 8 = 2.
En el conjunto de los números complejos tendremos √ dos soluciones más y por eso diremos que
hay tres raı́ces cúbicas del número 8. El sı́mbolo resulta insuficiente y no lo usaremos.

Ejemplo 1. Hallar todos los z ∈ C tales que z3 = 8.

Solución. Ponemos nuestra incógnita en forma trigonométrica:

z = |z| (cos(θ ) + i sen(θ )).

Expresamos también al 8 en forma trigonométrica:

8 = 8(cos(0) + i sen(0))

Tenemos entonces una igualdad en forma trigonométrica:

z3 = 8 ⇐⇒ (|z| (cos(θ ) + i sen(θ )))3 = 8(cos(0) + i sen(0)).

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 13

Álgebra 27 (Ciencias Exactas) NÚMEROS COMPLEJOS

Aplicamos el teorema de De Moivre del lado izquierdo de la igualdad, y el problema se traduce

en encontrar |z| y θ tales que:

|z|3 (cos(3θ ) + i sen(3θ )) = 8(cos(0) + i sen(0)).

Finalmente planteamos la igualdad de los números en términos de sus módulos y ángulos:

| z |3 = 8

3
z = 8 ⇐⇒
3θ = 0 + 2kπ, con k ∈ Z.

Resolvemos primero la ecuación para el módulo:

√ El módulo de z es un número
|z|3 = 8 ⇐⇒ |z| = 3
8=2 √ real,
acá tiene sentido el sı́mbolo .
Sabemos entonces que |z| = 2.
Despejamos θ de la igualdad para los ángulos. Queda:

0 + 2kπ 2kπ
θ= = , con k ∈ Z.
3 3
Para cada valor de k ∈ Z, tenemos un valor de θ diferente. Sin embargo, veremos que hay
sólo tres valores que dan lugar a números complejos distintos (es decir, hay sólo tres posibles
argumentos distintos para z). Si le damos valores enteros a k, tenemos:
2.0.π
• Si k = 0, entonces θ = = 0. Con |z| = 2, formamos el complejo
3
z0 = 2(cos(0) + i sen(0)) =⇒ z0 = 2(1 + 0i ) = 2

2.1.π 2π
• Si k = 1, entonces θ = = . Con |z| = 2, formamos el complejo
3 3
√
2π 2π 1 3 √
z1 = 2(cos( ) + i sen( )) =⇒ z1 = 2(− + i ) = −1 + 3i
3 3 2 2

2.2.π 4π
• Si k = 2, entonces θ = = . Con |z| = 2, formamos el complejo
3 3
√
4π 4π 1 3 √
z2 = 2(cos( ) + i sen( )) =⇒ z2 = 2(− + i (− )) = −1 − 3i
3 3 2 2

Observación. Cualquier otro valor de k ∈ Z dará un resultado diferente de θ pero un valor

repetido de z.
2.3.π
Por ejemplo, con k = 3, θ = = 2π y el número z queda z = 2(cos(2π ) + i sen(2π )) = 2,
3
que es el mismo resultado que con k = 0.
Si tomamos k = 4 obtenemos z1 . Los resultados comienzan a repetirse.
Similarmente, para k < 0 podemos ver que se repiten los mismos resultados.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 14

Álgebra 27 (Ciencias Exactas) NÚMEROS COMPLEJOS

Obtuvimos tres soluciones de la ecuación

z1
2 z3 = 8

1 Por lo tanto hay tres números complejos que

4π 2π z0 elevados al cubo dan como resultado 8.
3 3
Uno es z = 2 (la raı́z cúbica real) y obtuvimos,
−2 −1 1 2 además, dos
√ raı́ces cúbicas no √ reales, que son
−1 z = −1 + 3i y z = −1 − 3i.
Podemos corroborar:
23 = 8 √
z2 −2 (−1 + √3i )3 = 8
(−1 − 3i )3 = 8.
√ √
Respuesta: Todos los z ∈ C tales que z3 = 8 son z = 2, z = −1 + 3i y z = −1 − 3i.

Ejemplo 2. Hallar las raı́ces sextas de −1.

Solución. Las raı́ces sextas del número −1 son todos los números complejos que elevados a
la sexta dan como resultado −1, es decir, todos los z ∈ C que verifican la ecuación:

z6 = −1.

En este caso no hay soluciones reales, ya que ningún número real elevado a la sexta da un
resultado negativo. De haber soluciones, serán todas complejas. Las buscamos trabajando en
forma trigonométrica.

z = |z| (cos(θ ) + i sen(θ )) =⇒ z6 = |z|6 (cos(6θ ) + i sen(6θ ))

−1 = cos(π ) + i sen(π ).
Luego,
z6 = −1 ⇐⇒ |z|6 (cos(6θ ) + i sen(6θ )) = (cos(π ) + i sen(π ))
Buscamos los valores de |z| y de θ tales que:

|z|6 = 1,

6
|z| (cos(6θ ) + i sen(6θ )) = (cos(π ) + i sen(π )) ⇐⇒
6θ = π + 2kπ, k ∈ Z.
 √
 |z| = 6 1 = 1,
⇐⇒ π + 2kπ
 θ = , k ∈ Z.
6
Todas las soluciones tienen módulo 1 y, por lo tanto, están sobre la circunferencia de radio 1.
Si vamos tomando valores enteros consecutivos de k, vemos que los resultados se ditribuyen
2
regularmente en la circunferencia. De un ángulo al siguiente se avanza en π.
6
π+0 π
• Si k = 0, entonces θ = = . Teniendo en cuenta que |z| = 1, se obtiene el complejo:
6 6
π π π π
z0 = 1.(cos( ) + i sen( )) = cos( ) + i sen( ).
6 6 6 6

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 15

Álgebra 27 (Ciencias Exactas) NÚMEROS COMPLEJOS

π + 2π 3π 3π 3π
• Si k = 1, entonces θ = = y resulta z1 = cos( ) + i sen( )
6 6 6 6
π + 4π 5π 5π 5π
• Si k = 2, entonces θ = = y resulta z2 = cos( ) + i sen( )
6 6 6 6
π + 6π 7π 7π 7π
• Si k = 3, entonces θ = = y resulta z3 = cos( ) + i sen( )
6 6 6 6
π + 8π 9π 9π 9π
• Si k = 4, entonces θ = = y resulta z4 = cos( ) + i sen( )
6 6 6 6
π + 10π 11π 11π 11π
• Si k = 5, entonces θ = = y resulta z5 = cos( ) + i sen( )
6 6 6 6

Obtuvimos 6 raı́ces sextas del número −1, que

2
son las 6 raı́ces de la ecuación:
z1
z2 1 z0
z6 + 1 = 0

−2 −1 1 2 Todas las soluciones están inscriptas en la

z3 −1 z5 circunferencia de radio 1 y se distribuyen
z4 regularmente. Podemos pensarlas como los
−2 vértices de un polı́gono regular de 6 lados
(hexágono).

Raı́ces n-ésimas

Podemos generalizar el procedimiento realizado en los ejemplos anteriores. Dado un número

complejo w no nulo, buscamos todos los z ∈ C que cumplen:
zn = w
A las soluciones de esta ecuación las llamamos las raı́ces n-ésimas de w.

Planteamos la igualdad en forma trigonométrica como en los ejemplos anteriores:

z = |z| (cos(θ ) + i sen(θ )) =⇒ zn = |z|n (cos(nθ ) + i sen(nθ ))
w = |w| (cos(α) + i sen(α))
n n
z = w ⇐⇒ |z| (cos(nθ ) + i sen(nθ )) = |w| (cos(α) + i sen(α))
|z|n = |w| ,

⇐⇒
nθ = α + 2kπ, k ∈ Z.
Pidiendo que 0 ≤ θ < 2π (ésta es la condición para que θ sea un argumento), obtenemos n
soluciones diferentes, que son:
α + 2kπ α + 2kπ
zk = |w|1/n (cos( ) + i sen( )), 0 ≤ k ≤ n − 1.
n n
En el plano complejo, las n soluciones están inscriptas en la circunferencia de centro en el ori-
gen y radio |w|1/n y se distribuyen regularmente. Podemos pensarlas como los vértices de un
polı́gono regular de n lados centrado en el origen.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 16

Álgebra 27 (Ciencias Exactas) NÚMEROS COMPLEJOS

Más ecuaciones con números complejos

Ejemplo 3. Hallar todos los z ∈ C tales que z3 + 2z2 = 0.

Solución. Tenemos que resolver una ecuación que involucra potencias, por lo que conviene
expresar a z en forma trigonométrica. Sin embargo, la forma trigonométrica no es la más con-
veniente para trabajar con sumas. En este caso lo podemos evitar pasando un término del otro
lado de la ecuación:
z3 + 2z2 = 0 ⇐⇒ z3 = −2z2 .
En primer lugar, observemos que z = 0 es una solución de la ecuación. Buscamos ahora las
soluciones z 6= 0 trabajando en forma trigonométrica.
Usamos el Teorema de De Moivre:

z = |z| (cos(θ ) + i sen(θ )) =⇒ z3 = |z|3 (cos(3θ ) + i sen(3θ )),

z = |z| (cos(−θ ) + i sen(−θ )) =⇒ z2 = |z|2 (cos(−2θ ) + i sen(−2θ )),

−2 = 2(cos(π ) + i sen(π )) =⇒ −2z2 = 2 |z|2 (cos(−2θ + π ) + i sen(−2θ + π )).
Es fundamental escribir a −2 en forma trigonométrica. Recordar que los números reales posi-
tivos tienen argumento 0 y los números reales negativos tienen argumento π.

z3 = −2z2 ⇐⇒ |z|3 (cos(3θ ) + i sen(3θ )) = 2 |z|2 (cos(−2θ + π ) + i sen(−2θ + π ))

Buscamos |z| y θ ∈ [0, 2π ) tales que:

| z |3 = 2 | z |2 , |z|3 − 2 |z|2 = 0,

⇐⇒
3θ = −2θ + π + 2kπ, k ∈ Z. 3θ + 2θ = π + 2kπ, k ∈ Z.

|z|2 (|z| − 2) = 0,

⇐⇒
5θ = π + 2kπ, k ∈ Z.
Trabajamos primero con la ecuación para el módulo.
Para que el producto sea 0 o bien |z|2 = 0 o bien |z| − 2 = 0. Por lo tanto,

|z| = 0 ó |z| = 2

Como |z| = 0 ⇐⇒ z = 0, volvemos a obtener z = 0 (ya habı́amos deducido a simple vista que
es una solución de la ecuación).
Para los z de módulo 2 bucamos el argumento con la ecuación para θ. Despejando:

π + 2kπ
θ= , k∈Z
5
π π π
• Si k = 0, θ= =⇒ z0 = 2(cos( ) + i sen( ))
5 5 5
3π 3π 3π
• Si k = 1, θ= =⇒ z1 = 2(cos( ) + i sen( ))
5 5 5
5π
• Si k = 2, θ= = π =⇒ z2 = 2(cos(π ) + i sen(π )) = −2
5

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 17

Álgebra 27 (Ciencias Exactas) NÚMEROS COMPLEJOS

7π 7π 7π
• Si k = 3, θ= =⇒ z3 = 2(cos( ) + i sen( ))
5 5 5
9π 9π 9π
• Si k = 4, θ= =⇒ z4 = 2(cos( ) + i sen( ))
5 5 5
11π π
Observar que si k = 5, entonces θ = = + 2π; por lo tanto z5 = z0 y comienzan a
5 5
repetirse las soluciones.

Una forma sistemática de hallar todos los valores de k para los cuales se obtienen las distintas
π + 2kπ
soluciones es determinar todos los k ∈ Z para los cuales θ = es el argumento de un
5
número complejo, es decir, verifica θ ∈ [0, 2π ). Planteamos:
π + 2kπ
0≤ < 2π
5
Para despejar k, en primer lugar, multiplicamos cada miembro de la desigualdad por 5 (que
como es positivo no modifica las desigualdades)

0 ≤ π + 2kπ < 10π

Observamos que π + 2kπ = (1 + 2k )π. Entonces, dividimos cada miembro por π (y como
π > 0 no se modifican los signos de las desigualdades):

0 ≤ 1 + 2k < 10

Finalmente, restamos 1 y dividimos por 2 en cada miembro:

1 9
− ≤k<
2 2
De este modo, concluimos que los valores de k que nos dan los argumentos de las soluciones
1 9
z 6= 0 de la ecuación son todos los números enteros que están en el intervalo [− , ), es decir,
2 2
k = 0, 1, . . . , 4.

La ecuación z3 + 2z2 = 0 tiene 6 soluciones.

z1 Una es z = 0 y las otras 5 están inscriptas en
2
la circunferencia de radio 2. Se distribuyen re-
z0 2π
1 gularmente cada = 72◦ . Para graficarlas
5
z2 z=0 dividimos π en quintos y ubicamos la primera
solución que encontramos que es z0 , que tiene
−2 −1 1 2 π 2
argumento . Luego avanzamos de a π.
−1 5 5
Observar que obtuvimos dos soluciones reales
z4
que son 0 y −2 y las otras cuatro son complejas
−2 no reales.
z3

Respuesta: Las soluciones de la ecuación z3 + 2z2 = 0 son z = 0 y los números complejos

π + 2kπ π + 2kπ
zk = 2(cos( ) + i sen( )) con k = 0, 1, 2, 3, 4.
5 5

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 18

Álgebra 27 (Ciencias Exactas) NÚMEROS COMPLEJOS

Ejemplo 4. Hallar todos los z ∈ C tales que:

z4 = 9i |z|2 y Re(z) < 0.

Solución. Trabajamos primero con la ecuación que, como tiene exponentes altos, la escribi-
mos en forma trigonométrica. Observemos que, si bien z = 0 es solución de la ecuación, no
satisface la condición Re(z) < 0. Buscamos entonces z 6= 0, z = |z| (cos(θ ) + i sen(θ )). En-
tonces,
z4 = |z|4 (cos(4θ ) + i sen(4θ )).
Como |z|2 es un número real positivo, 9i |z|2 es imaginario [Link] entonces módulo 9 |z|2 y
π
argumento :
2
π π
9i |z|2 = 9 |z|2 (cos( ) + i sen( )).
2 2
Buscamos entonces |z| y θ tales que:
π π
|z|4 (cos(4θ ) + i sen(4θ )) = 9 |z|2 (cos( ) + i sen( )).
2 2
Esto equivale a que:

 | z |4 = 9 | z |2 ,
 |z|4 − 9 |z|2 = 0,



⇐⇒ π
+ 2kπ
 4θ = π + 2kπ, k∈Z θ = 2

2 , k ∈ Z.

4
Para el módulo tenemos:
|z|4 − 9 |z|2 = 0 ⇐⇒ |z|2 (|z|2 − 9) = 0 ⇐⇒ |z| = 0 ó | z |2 = 9
Descartamos |z| = 0 porque estamos buscando z 6= 0. Tenemos entonces que |z|2 = 9 y, por lo
tanto, |z| = 3.
Trabajamos ahora con el argumento:
π
+ 2kπ π 2kπ π + 4kπ
θ= 2 = + = .
4 8 4 8
Para que z cumpla la condición Re(z) < 0 debe estar en el segundo o en el tercer cuadrante.
Busquemos los valores de k ∈ Z para que se verifique:
π 3π π π + 4kπ 3π
Re(z) < 0 ⇐⇒ <θ< ⇐⇒ < <
2 2 2 8 2
Despejamos las dos inecuaciones en simultáneo, pasamos el 8 multiplicando (que como es
positivo no modifica las inecuaciones) y luego pasamos π restando en ambas inecuaciones:
π 3π
8· < π + 4kπ < 8 · ⇐⇒ 4π < π + 4kπ < 12π ⇐⇒ 4π − π < 4kπ < 12π − π
2 2
3π 11π 3 11
⇐⇒ 3π < 4kπ < 11π ⇐⇒ <k< ⇐⇒ < k < .
4π >0 4π 4π 4 4
3 11
Los valores enteros de k que se encuentran entre y son k = 1 y k = 2, por lo tanto:
4 4

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 19

Álgebra 27 (Ciencias Exactas) NÚMEROS COMPLEJOS

5π 5π 5π
• Con k = 1, θ= =⇒ z1 = 3(cos( ) + i sen( )).
8 8 8

9π 9π 9π
• Con k = 2, θ= =⇒ z2 = 3(cos( ) + i sen( )).
8 8 8
5π 5π 9π 9π
Respuesta: Las soluciones son z1 = 3(cos( ) + i sen( )) y z2 = 3(cos( ) + i sen( )).
8 8 8 8

z1 3
Observación. Re(z) < 0

Se puede verificar calculando 2

5π z0
Re(z1 ) = 3 cos( ) ≈ −1, 1 < 0 y
8 1
9π
Re(z2 ) = 3 cos( ) ≈ −2, 7 < 0. z=0
8
Otra opción es calcular las cuatro soluciones −3 −2 −1 1 2 3
no nulas de la ecuación y representarlas en un z2 −1
gráfico para observar cuáles “caen” en el se-
gundo o tercer cuadrante. En ese caso, z0 y −2
z3 se descartan por estar en el primer y cuarto
cuadrante respectivamente y tener parte real −3 z3
positiva.

Ejemplo 5. Hallar los vértices de un hexágono regular de centro 1 + 2i, inscripto en

una circunferencia de radio 1 y tal que uno de sus vértices es 2i.

Solución. Hagamos un gráfico para comprender mejor lo que buscamos.

Uno de los 6 vértices ya lo tenemos, es 2i.

Con el gráfico tal vez podemos ver el vértice
3
opuesto, que es el 2 + 2i, pero no es sencillo
1 + 2i identificar los otros cuatro vértices.
2i Sabemos que las raı́ces sextas de un número
complejo se distribuyen como vértices de un
1 hexágono, pero centrado en el origen.
Busquemos primero los vértices del hexágono
centrado en el origen y luego traslademos
−1 1 2 3
rı́gidamente sumando 1 + 2i a todos los
−1 vértices.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 20

Álgebra 27 (Ciencias Exactas) NÚMEROS COMPLEJOS

¿Los vértices rojos son las raı́ces sextas de qué

número?
3
Pensemos que son las soluciones de z6 = w.
Tomamos entonces uno de los vértices, por 1 + 2i
ejemplo z = 1, y lo reemplazamos en la 2
ecuación: 16 = 1. Por lo tanto, son las 6 raı́ces
sextas del número 1 (también decimos raı́ces 1
sextas de la unidad). Observar que −1 es una
de las raı́ces sextas de 1.
−1 1 2 3
−1

Buscamos primero los z ∈ C tales que z6 = 1.

Observamos que z = 0 no es solución. Resolvemos en forma trigonométrica, buscando |z| y θ:

z = |z| (cos(θ ) + i sen(θ )) y 1 = 1(cos(0) + i sen(0))

Entonces:

z6 = 1 ⇐⇒ |z|6 (cos(6θ ) + i sen(6θ )) = cos(0) + i sen(0).


6  |z| = 1,
|z| = 1,
⇐⇒ ⇐⇒ 2kπ
6θ = 2kπ, k ∈ Z.  θ = , 0 ≤ k ≤ 6 − 1.
6
Ası́, las soluciones de la ecuación son:
2kπ 2kπ
zk = cos( ) + i sen( ), 0 ≤ k ≤ 5.
6 6
Para conseguir los vértices azules debemos sumarles 1 + 2i. Expresamos entonces los 6 vértices
zk en forma binómica y luego les sumamos 1 + 2i para trasladarlos.

z0 = 1 =⇒ w0 =1 + 1 + 2i = 2 + 2i.
√ √ √
1 3 1 3 3 3
z1 = + i =⇒ w1 = + i + 1 + 2i = + ( + 2)i.
2 √2 2 2√ 2 2√
1 3 1 3 1 3
z2 = − + i =⇒ w2 = − + i + 1 + 2i = + ( + 2)i.
2 2 2 2 2 2
z3 = −1 =⇒ w3 = − 1 + 1 + 2i = 2i.
√ √ √
1 3 1 3 1 3
z4 = − − i =⇒ w4 = − − i + 1 + 2i = + (− + 2)i.
2 √2 2√ 2 2 √ 2
1 3 1 3 3 3
z5 = − i =⇒ w5 = − i + 1 + 2i = + (− + 2)i.
2 2 2 2 2 2

Respuesta: Los vértices del hexágono son {w0 , w1 , w2 , w3 , w4 , w5 } .

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 21

Álgebra 27 (Ciencias Exactas) POLINOMIOS

Polinomios: definiciones básicas

La resolución de ecuaciones es uno de los problemas con más historia dentro de la matemática.
El interés por resolver estos problemas dio origen al estudio de los polinomios. En esta sección
estudiaremos propiedades que nos permitirán, entre otras cosas, encontrar soluciones de ecua-
ciones polinomiales.

Una expresión que está formada por una combinación de sumas, productos y restas entre una
indeterminada x y diferentes números se llama un polinomio. En general:

Polinomios
Un polinomio con coeficientes en K = Q, R ó C es una expresión de la forma:
n
P ( x ) = a 0 + a 1 x + · · · + a n −1 x n −1 + a n x n = ∑ aj xj
j =0

con n ∈ N y a j ∈ K. Los a j son los coeficientes de P.

Notamos K[ x ] = { P / P es un polinomio con coeficientes en K}.
Es decir, K[ x ] es el conjunto formado por todos los polinomios con coeficientes en K.

Por ejemplo, las siguientes expresiones son polinomios:

• P( x ) = 2x − 1, P ∈ Q[ x ]

• Q( x ) = 2x3 + (2 + i ) x2 + 1, Q ∈ C[ x ]
√
• R( x ) = x2 + 2x − 1, R ∈ R[ x ]

Operaciones en K[ x ]

Ejemplo 1. Sean P( x ) = 2x2 − 3x + 1, Q( x ) = x5 − 1 y R( x ) = − x3 + 2x − 5. Calcular:

a) P.Q b) P + R c) P2 − xQ

Solución. Para hacer estos cálculos vamos a utilizar las propiedades de las operaciones que
conocemos (distributiva, conmutativa y asociativa). También vamos a agrupar los términos
con el mismo exponente. Es decir, vamos a trabajar con la indeterminada x como si fuera un
número.
a)

( P.Q)( x ) = (2x2 − 3x + 1).( x5 − 1) = 2x2 x5 − 3xx5 + x5 − 2x2 + 3x − 1

= 2x7 − 3x6 + x5 − 2x2 + 3x − 1

Respuesta: ( P.Q)( x ) = 2x7 − 3x6 + x5 − 2x2 + 3x − 1

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 1

Álgebra 27 (Ciencias Exactas) POLINOMIOS

b)
( P + R)( x ) = (2x2 − 3x + 1) + (− x3 + 2x − 5) = − x3 + 2x2 + (−3 + 2) x + (1 − 5)
= − x3 + 2x2 − x − 4

Respuesta: ( P + R)( x ) = − x3 + 2x2 − x − 4

c) En este caso, calculemos primero P2 :

P2 ( x ) = (2x2 − 3x + 1)2 = (2x2 − 3x + 1).(2x2 − 3x + 1) = 4x4 − 12x3 + 13x2 − 6x + 1
Calculemos ahora xQ:
( xQ)( x ) = x ( x5 − 1) = x6 − x
Por lo tanto,
( P2 − xQ)( x ) = 4x4 − 12x3 + 13x2 − 6x + 1 − ( x6 − x ) = − x6 + 4x4 − 12x3 + 13x2 − 5x + 1

Respuesta: ( P2 − xQ)( x ) = − x6 + 4x4 − 12x3 + 13x2 − 5x + 1

Como vimos, las operaciones entre polinomios se realizan utilizando las propiedades y reglas
que conocemos de las operaciones entre números.
En cuanto a la igualdad de polinomios, tenemos la siguiente definición:

Igualdad de polinomios
n n
Dos polinomios P( x ) = ∑ a j x j y Q( x ) = ∑ b j x j en K[ x ] son iguales si y sólo si
j =0 j =0

a j = b j ∀ 0 ≤ j ≤ n.

Ejemplo 2. Sean P( x ) = a2 x2 − (3 − a) x − 1 y Q( x ) = (3x − 1)(3x + 1). Determinar

todos los a ∈ R tales que P = Q.

Solución. Observemos primero que el polinomio Q se puede escribir como Q( x ) = 9x2 − 1 (es
decir, como una diferencia de cuadrados). Esto se puede comprobar desarrollando el producto
(3x − 1)(3x + 1). Luego, para que P = Q, todos los coeficientes tiene que ser iguales, es decir:
• −1 = −1
• 3−a = 0
• a2 = 9
La primera condición se verifica para todo a ∈ R; la segunda, únicamente para a = 3, y la
tercera, para a = 3 o a = −3. Por lo tanto, el único valor de a para el cual los polinomios son
iguales es a = 3.

Respuesta: a = 3

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 2

Álgebra 27 (Ciencias Exactas) POLINOMIOS

Grado y coeficiente principal

Si P ∈ K[ x ] no es el polinomio nulo, es decir si P 6= 0, entonces existe n ∈ N tal que el

polinomio se puede escribir de la forma:

P( x ) = a0 + a1 x + · · · + an−1 x n−1 + an x n con an 6= 0.

En ese caso, n es el grado de P y se nota gr( P) = n. Además, an se llama el coeficiente

principal de P. Por definición, el polinomio nulo no tiene grado.
Cuando el coeficiente principal es igual a 1, se dice que el polinomio es mónico.

Ejemplo 3. Sean P( x ) = 2x2 − 3x + 1, Q( x ) = x5 − 1 y R( x ) = −2x2 + x. Determinar

los grados de los polinomios P, Q, P + Q, P + R y P.Q.

Solución.

• gr( P) = 2

• gr( Q) = 5

• gr( P + Q) = gr( x5 + 2x2 − 3x ) = 5

• gr( P + R) = gr(−2x + 1) = 1

• gr( P.Q) = gr(2x7 − 3x6 + x5 − 2x2 + 3x − 1) = 7

Observemos que si P, Q ∈ K[ x ] son polinomios no nulos, entonces

• si P + Q 6= 0, entonces gr( P + Q) ≤ máx {gr( P), gr( Q)}.

Más aún, si gr( P) 6= gr( Q), entonces gr( P + Q) = máx {gr( P), gr( Q)}.

• gr( P.Q) = gr( P) + gr( Q).

Ejemplo 4. Sea Q un polinomio de grado 4. Sabiendo que el polinomio ( x5 Q + 1) x2 P

tiene grado 12, determinar el grado del polinomio P.

Solución. Observemos primero que

gr( x5 Q + 1) = 9

En efecto,
gr( x5 Q) = gr( x5 ) + gr( Q) = 5 + 4 = 9

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 3

Álgebra 27 (Ciencias Exactas) POLINOMIOS

y
gr( x5 Q + 1) = máx gr( x5 Q), gr(1) = máx {9, 0} = 9.

Por otra parte, tenemos que

gr( x2 P) = gr( x2 ) + gr( P) = 2 + gr( P)

de lo que se deduce que

12 = gr(( x5 Q + 1) x2 P) = gr( x5 Q + 1) + gr( x2 P) = 9 + 2 + gr( P).

Por lo tanto, despejando, gr( P) = 1.

Respuesta: gr( P) = 1

Especialización y raı́ces
Dado un polinomio podemos reemplazar la indeterminada x por un número y efectuar las
operaciones. Este procedimiento se llama especializar el polinomio.

Especialización de un polinomio

Sean P( x ) = a0 + a1 x + · · · + an x n ∈ K[ x ] y z ∈ K. Llamamos especialización de P en z

al número
P(z) = a0 + a1 z + · · · + an zn ∈ K.

1 2
Ejemplo 5. Sean P( x ) = 2x + 1, Q( x ) = 2x3 + (2 + i ) x2 + 1, R( x ) = 1 y S( x ) = x + 2.
2
Calcular P(1), Q(i ), R(−1) y S(0).

Solución.

• P (1) = 2 · 1 + 1 = 3

• Q(i ) = 2i3 + (2 + i )i2 + 1 = −2i − (2 + i ) + 1 = −1 − 3i

• R(−1) = 1
1 2
• S (0) = ·0 +2 = 2
2

Raı́ces de un polinomio

Dado un polinomio P ∈ K[ x ] y un número z ∈ K, decimos que z es una raı́z de P si

P(z) = 0.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 4

Álgebra 27 (Ciencias Exactas) POLINOMIOS

Ejemplo 6. Hallar las raı́ces de los siguientes polinomios:

a) P( x ) = 4x − 8 d) S( x ) = 2x2 + (−1 + i ) x + i
b) Q( x ) = 2ix − 8 e) T ( x ) = x5 − 1
c) R( x ) = x2 − 2x + 1

Solución. Calcular las raı́ces de un polinomio P es resolver la ecuación P( x ) = 0. Es decir, en-

contrar todos los números z tales que, al especializar P en z, el resultado da 0. ¿A qué conjunto
de números tiene que pertenecer z? Cuando no se indique lo contrario, vamos a buscar las
raı́ces en C. Es decir, cuando el problema pida encontrar las raı́ces de un polinomio P, vamos a
buscar todos los z ∈ C que verifican P(z) = 0.

a) Para encontrar las raı́ces de P, despejamos: 4x − 8 = 0 ⇐⇒ 4x = 8 ⇐⇒ x = 2.

Respuesta: La única raı́z de P es z = 2.

b) Para encontrar las raı́ces de Q, también despejamos:

2ix − 8 = 0 ⇐⇒ 2ix = 8 ⇐⇒ ix = 4 ⇐⇒ i2 x = 4i ⇐⇒ − x = 4i ⇐⇒ x = −4i.
Respuesta: La única raı́z de Q es z = −4i.

c) Tenemos que resolver la ecuación cuadrática x2 − 2x + 1 = 0. Para eso, utilizamos la

fórmula resolvente o podemos ver que x2 − 2x + 1 = ( x − 1)2 , que se anula si y sólo si
x = 1.
Respuesta: La única raı́z de R es z = 1.

d) Para hallar las raı́ces de S, también tenemos que resolver una ecuación cuadrática, pero a
diferencia de la anterior, el polinomio S tiene coeficientes complejos. Aplicamos la fórmula
resolvente (versión compleja):

−b + w
az2 + bz + c = 0 con a, b, c ∈ C ⇐⇒ z =
2a
donde w es un número complejo tal que w2 = b2 − 4ac.
En este caso, a = 2, b = −1 + i y c = i. Al aplicar la fórmula obtenemos:

1−i+w
z=
4
donde w es un número complejo tal que w2 = (−1 + i )2 − 4 · 2 · i = −10i.
Si w = a + bi, la igualdad de las partes reales y de las partes imaginarias da lugar al
sistema: 2
a − b2 = 0
2ab = −10

(A este sistema podrı́amos agregarle, como ya vimos, la ecuación a2 + b2 = 10 que resulta

de imponer la condición |w|2 = | − 10i |.) De la segunda ecuación, deducimos que a y b

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 5

Álgebra 27 (Ciencias Exactas) POLINOMIOS

tienen signos opuestos. Como b = 0 no es solución de la segunda ecuación, podemos

5
despejar de esa ecuación a = − y, sustituyendo en la primera,
b
25 2 4
√
− b = 0 ⇐⇒ 25 − b = 0 ⇐⇒ b = ± 5
b2
Reemplazando en la expresión de a:
√
a = ∓ 5.
2
√ √
Entonces, los dos números complejos w tales √ que√w = −10i son w √1 = √ 5 − 5i y
√ √ 1 − i + 5 − 5i 1 − i − 5 + 5i
w2 = − 5 + 5i. Por lo tanto, z1 = y z2 = .
4 4
√ √ √ √
1+ 5 1+ 5 1− 5 1− 5
Respuesta: Las raı́ces de S son z1 = − i y z2 = − i.
4 4 4 4

e) Ahora tenemos que resolver la ecuación x5 − 1 = 0. Es decir, tenemos que encontrar

los z ∈ C tales que z5 = 1. Por lo tanto, las raı́ces de T son las raı́ces quintas de la
unidad. Recordemos que una forma de resolver este problema es escribir a z en forma
trigonométrica z = |z| (cos(θ ) + i sen(θ )), con θ = arg(z), y utilizar el teorema de De
Moivre. Entonces, buscamos los z ∈ C tales que

|z|5 (cos(5θ ) + i sen(5θ )) = 1

Es decir: 
5  |z| = 1
(
|z| = 1
⇐⇒
5θ = 2kπ, k ∈ Z.  θ = 2kπ , k ∈ Z.
5
Como buscamos que 0 ≤ θ < 2π, obtenemos k = 0, 1, 2, 3, 4 y, con estos valores, las cinco
2kπ 2kπ
raı́ces de T: zk = cos( ) + i sen( ).
5 5

Respuesta:
2π 2π 4π 4π
Las raı́ces de T son z0 = 1, z1 = cos( ) + i sen( ), z2 = cos( ) + i sen( ),
5 5 5 5
6π 6π 8π 8π
z3 = cos( ) + i sen( ) y z4 = cos( ) + i sen( ).
5 5 5 5

Cálculo de raı́ces de polinomios

En lo que sigue, vamos a ver algunas herramientas que nos servirán para hallar raı́ces de poli-
nomios.
Un resultado útil en el caso de polinomios con coeficientes en R es el siguiente:

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 6

Álgebra 27 (Ciencias Exactas) POLINOMIOS

Propiedad
n
Si P( x ) = ∑ a j x j ∈ R[ x ] y z ∈ C es una raı́z de P, entonces z es raı́z de P.
j =0

Esto se da porque si
a n z n + a n −1 z n −1 + · · · + a 1 z + a 0 = 0
entonces
an zn + an−1 zn−1 + · · · + a1 z + a0 = 0.
Usando que, para w1 y w2 en C, vale que w1 w2 = w1 · w2 y w1 + w2 = w1 + w2 , resulta que

an zn + an−1 zn−1 + · · · + a1 z + a0 = 0.

Observemos que la última igualdad es válida porque los coeficientes del polinomio son números
reales, es decir, ai = ai para i = 0, . . . , n. Este razonamiento no se hubiera podido aplicar si
P∈/ R[ x ].

Algoritmo de división
Al igual que definimos la suma y el producto entre polinomios inspirados en la aritmética,
vamos a extender la noción de divisibilidad de números a la divisibilidad de polinomios.
Sabemos, por ejemplo, que el polinomio P( x ) = x2 − 9 se puede escribir como producto de
dos polinomios: P( x ) = x2 − 9 = ( x − 3)( x + 3). Esto da lugar a decir que el polinomio P es
divisible por x − 3 y por x + 3.
Se puede probar que si P y Q son dos polinomios en K[ x ], Q 6= 0, existen únicos polinomios
C, R ∈ K[ x ] tales que
P( x ) = Q( x )C ( x ) + R( x )
con R = 0 o gr( R) < gr( Q). En este caso, C y R se llaman, respectivamente, el cociente y el resto
de la división de P por Q.

Divisibilidad
Si P y Q son polinomios en K[ x ], Q 6= 0, se dice que Q divide a P (o que P es divisible por
Q) si el resto de la división de P por Q es el polinomio nulo. En este caso notamos Q | P.

Ejemplo 1. Sean P( x ) = x2 − 2x + 1, Q( x ) = x − 1 y S( x ) = x4 − x3 + 2x2 + x + 1.

Decidir si las siguientes afirmaciones son verdaderas o falsas:
a) Q | P b) Q | S c) P | S

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 7

Álgebra 27 (Ciencias Exactas) POLINOMIOS

Solución. Calculemos los cocientes y los restos en cada caso. En esta ocasión, utilizaremos un
algoritmo similar al que se puede utilizar en la división de números enteros.

a) x2 − 2x + 1 x − 1
− x2 + x x−1
−x+1
x−1
0
Entonces, C ( x ) = x − 1 y R( x ) = 0.
Respuesta: La afirmación es verdadera.

b) x4 − x3 + 2x2 + x + 1 x − 1
− x4 + x3 x3 + 2x + 3
2x2 + x
− 2x2 + 2x
3x + 1
− 3x + 3
4
Entonces, C ( x ) = x3 + 2x + 3 y R( x ) = 4.
Respuesta: La afirmación es falsa.

c) x4 − x3 + 2x2 + x + 1 x2 − 2x + 1
− x4 + 2x3 − x2 x2 + x + 3
x3 + x2 + x
− x3 + 2x2 − x
3x2 +1
2
− 3x + 6x − 3
6x − 2
Entonces, C ( x ) = x2 + x + 3 y R( x ) = 6x − 2.
Respuesta: La afirmación es falsa.

Una consecuencia importante del algoritmo de división es la siguiente: si P ∈ K[ x ] y z ∈ K,

entonces
P( x ) = ( x − z)C ( x ) + R
donde R = 0 ó gr( R) < 1, es decir R ∈ K (es constante).
Especializando el polinomio en z,

P(z) = (z − z)C (z) + R = R.

Es decir, R = P(z).

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 8

Álgebra 27 (Ciencias Exactas) POLINOMIOS

Teorema del resto

Si P ∈ K[ x ] y z ∈ K, entonces

P ( x ) = ( x − z ) C ( x ) + P ( z ),

es decir, el resto de la división de P( x ) por x − z es P(z).

En particular, de este teorema se deduce que:

Si P ∈ K[ x ] y z ∈ K, entonces

z es raı́z de P ⇐⇒ ( x − z) | P.

Ejemplo 2. Sea P( x ) = x4 − 4x3 + 5x2 − 4x + 4. Sabiendo que i es una raı́z de P,

determinar todas las raı́ces de P en C.

Solución. Como i es raı́z de P y P ∈ R[ x ], i = −i también es raı́z de P. Entonces, x − i y

x + i son polinomios que dividen a P. Luego, ( x − i )( x + i ) = x2 + 1 divide a P. Realizando la
división,

P( x ) = x4 − 4x3 + 5x2 − 4x + 4 = ( x2 + 1)( x2 − 4x + 4) = ( x − i )( x + i )( x2 − 4x + 4)

Tenemos entonces que

P( x ) = 0 ⇐⇒ x = i ó x = −i ó x2 − 4x + 4 = 0.

Finalmente buscamos las raı́ces de x2 − 4x + 4. Este polinomio tiene una única raı́z x = 2; de
hecho, x2 − 4x + 4 = ( x − 2)2 .

Respuesta: Todas las raı́ces de P son i, −i y 2.

Sabemos que no todo polinomio en R[ x ] tiene una raı́z en R; por ejemplo, conocemos poli-
nomios de grado 2, como ser x2 + 1, sin raı́ces reales. Sin embargo, también vimos que para
estos polinomios de grado 2 siempre podemos hallar raı́ces en C. Estas observaciones nos ha-
cen plantearnos la siguiente pregunta: ¿existen polinomios no constantes que no tengan raı́ces
en C?
Esta pregunta inquietó a muchos matemáticos a lo largo de la historia. A principios del siglo
XIX, se publicaron las primeras demostraciones correctas del siguiente resultado:

Teorema Fundamental del Álgebra (T.F.A.)

Sea P ∈ C[ x ] tal que gr( P) ≥ 1. Entonces existe z ∈ C tal que z es raı́z de P.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 9

Álgebra 27 (Ciencias Exactas) POLINOMIOS

Del teorema también se puede deducir que si gr( P) = n, con n ≥ 1, el polinomio P tiene (a lo
sumo) n raı́ces en C y se puede escribir como un producto de n polinomomios de grado 1.
En efecto, si z1 ∈ C es una raı́z de P (el T.F.A asegura su existencia), podemos escribir P( x ) =
( x − z1 ) Q1 ( x ), donde gr( Q1 ) = n − 1. Si gr( Q1 ) 6= 0, entonces Q1 también tiene una raı́z
z2 ∈ C. Es decir, Q1 ( x ) = ( x − z2 ) Q2 ( x ) y, entonces, P( x ) = ( x − z1 )( x − z2 ) Q2 ( x ), donde
gr( Q2 ) = n − 2. Si seguimos haciendo lo mismo hasta que el cociente sea un polinomio de
grado cero, llegamos a escribir a P como

P( x ) = a( x − z1 )( x − z2 ) . . . ( x − zn ),

donde a es el coeficiente principal de P. Observamos que en esta expresión puede haber fac-
tores repetidos, es decir, raı́ces repetidas (como ocurre para el polinomio del Ejemplo 2). Vol-
veremos sobre esto más adelante, al introducir la noción de multiplicidad.

Saber que un polinomio tiene al menos una raı́z no es suficiente para encontrarla. Hasta ahora
vimos que si el polinomio P ∈ K[ x ] es de grado 1, podemos, despejando, encontrar la única
raı́z:
a0
si P( x ) = a1 x + a0 , entonces z = −
a1
También vimos que si P ∈ K[ x ] es de grado 2, podemos encontrar las raı́ces aplicando la
fórmula resolvente. Pero, ¿qué pasa si gr( P) > 2? ¿Podemos hallar raı́ces de P?
Lamentablemente, en el siglo XIX los matemáticos Abel y Galois probaron que no hay fórmulas
generales para hallar las raı́ces en C de cualquier polinomio (salvo en situaciones particulares,
como ser polinomios de grado bajo). Trabajaremos con métodos que nos permitirán resolver el
problema en algunos casos.

Raı́ces racionales de un polinomio en Z[ x ]

El siguiente resultado nos brinda una herramienta para saber si un polinomio con coeficientes
enteros tiene raı́ces racionales y, en caso afirmativo, hallarlas:

Lema de Gauss
n p
Sea P( x ) = ∑ a j x j ∈ Z[ x ], tal que an 6= 0 y a0 6= 0. Si
∈ Q es una raı́z de P, con p ∈ Z
j =0 q
y q ∈ N sin factores primos en común, entonces p divide a a0 y q divide a an .

Observemos que el Lema de Gauss no nos dice cuáles son las raı́ces racionales de P, pero nos
propone una lista finita con las candidatas. Es decir, nos permite afirmar que los números
racionales que quedan afuera de la lista no son raı́ces de P. De este modo, si queremos hallar
todas las raı́ces racionales de P, basta hacer la lista de todos los números candidatos y espe-
cializar P en cada uno de ellos para ver si es raı́z o no.

Apliquemos el Lema de Gauss en algunos ejemplos.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 10

Álgebra 27 (Ciencias Exactas) POLINOMIOS

Ejemplo 3. En cada uno de los siguientes casos, hallar todas las raı́ces racionales de P.
a) P( x ) = 2x3 + x2 + x − 1
7
b) P( x ) = x3 − 2x −
8

Solución.

a) El polinomio P( x ) = 2x3 + x2 + x − 1 tiene coeficientes enteros. El Lema de Gauss nos

p
dice que si ∈ Q es una raı́z de P, con p ∈ Z y q ∈ N sin factores primos en común
q
(es decir, una fracción irreducible donde el numerador tiene el signo), entonces p | −1
(coeficiente constante de P) y q | 2 (coeficiente principal de P). Es decir, el numerador
es p = 1 ó p = −1 y el denominador es q = 1 ó q = 2. Entonces, las posibles raı́ces
racionales de P son:
1 1
1, −1, , − .
2 2
Al especializar P en cada una de ellas obtenemos:

• P (1) = 3 6 = 0 1
• P( ) = 0
2
1 3
• P(−1) = −3 6= 0 • P(− ) = − 6= 0
2 2
1
con lo cual podemos afirmar que la única raı́z racional de P es .
2
1
Respuesta: La única raı́z racional de P es z = .
2
b) Para poder utilizar el Lema de Gauss, el polinomio debe tener los coeficientes en Z. No
7
es el caso de P ya que a0 = − . Sin embargo, las raı́ces de P son las mismas que las del
8
polinomio
Q( x ) = 8.P( x ) = 8x3 − 16x − 7.
Ahora sı́ estamos en condiciones de aplicar el lema:
p
Si es una raı́z de Q con p ∈ Z y q ∈ N sin factores primos en común, entonces p | −7
q
y q | 8. Es decir, p = ±1 o p = ±7 y q = 1 o q = 2 o q = 4 o q = 8. Luego, las posibles
raı́ces racionales de Q son:

• ±1 1 • ±7 7
• ± • ±
4 4
1 1 7 7
• ± • ± • ± • ±
2 8 2 8

Especializando en cada uno de los 16 números, comprobamos que la única raı́z racional
de Q y, por lo tanto también de P, es

1
z=−
2

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 11

Álgebra 27 (Ciencias Exactas) POLINOMIOS

1
Respuesta: La única raı́z racional de P es z = −
2

7
Ejemplo 4. Calcular todas las raı́ces de P( x ) = x3 − 2x − y escribirlo como producto
8
de polinomios de grado 1.

1
Solución. Por lo realizado anteriormente, sabemos que z = − es una de las raı́ces (la única
2
1 1
racional). Sabemos que, entonces, ( x − (− )) = ( x + ) | P. De este modo, para encontrar las
2 2
otras raı́ces, vamos primero a hallar el polinomio C ∈ R[ x ] tal que

1
P ( x ) = ( x + ) C ( x ).
2
Dividiendo, llegamos a escribir al polinomio P como:

1 1 7
P( x ) = ( x + )( x2 − x − )
2 2 4
1 7
Para finalizar, busquemos las raı́ces de x2 − x − .
2 4
Utilizando la fórmula resolvente,
√
q q
1 1 1 29
2 ± 4 + 7 2 ± 4 1 29
x1,2 = = = ±
2 2 4 4
y, entonces, √ √
1 7 1 + 29 1 − 29
x2 − x − = ( x − )( x − ).
2 4 4 4
√ √
1 1 + 29 1 − 29
Por lo tanto, las raı́ces de P son z1 = − , z2 = y z3 = y P se escribe como
2 4 4
producto de polinomios de grado 1 como:
√ √
1 1 + 29 1 − 29
P( x ) = a( x − z1 )( x − z2 )( x − z3 ) = ( x + )( x − )( x − )
2 4 4
(observar que el coeficiente principal de P es a = 1).
√ √
1 1 + 29 1 − 29
Respuesta: Las raı́ces de P son z1 = − , z2 = y z3 = y se escribe como
√ √2 4 4
1 1 + 29 1 − 29
P( x ) = ( x + )( x − )( x − ).
2 4 4

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 12

Álgebra 27 (Ciencias Exactas) POLINOMIOS

Multiplicidad de raı́ces
Una caracterı́stica de las raı́ces de un polinomio es su multiplicidad.
Miremos el polinomio P( x ) = x4 − 4x3 + 5x2 − 4x + 4 con el que trabajamos en el Ejemplo 2 de
la sección anterior. Vimos que las raı́ces de P en C son i, −i y 2; más aún, a partir de lo hecho
en el ejemplo, podemos escribir a P como producto de polinomios de grado 1 en C[ x ]:

P( x ) = ( x − i )( x + i )( x − 2)2 .

En este caso aparece un único factor x − i, correspondiente a la raı́z z = i, y un único factor

x + i, correspondiente a z = −i. Asociado a la raı́z z = 2 aparece el factor x − 2 dos veces, o
sea, ( x − 2)2 .
Diremos entonces que z = 2 es una raı́z doble de P, o que la multiplicidad de z = 2 como raı́z
de P es 2, y que z = i y z = −i son raı́ces simples de P, o que la multiplicidad de z = i o de
z = −i como raı́z de P es 1. En general,

Multiplicidad - Raı́ces simples y múltiples

Dados P ∈ K[ x ] y z ∈ K raı́z de P, decimos que la multiplicidad de z como raı́z de P es

k ∈ N si

P( x ) = ( x − z)k Q( x ) con Q ∈ K[ x ] y Q(z) 6= 0.

Si la multiplicidad de una raı́z z de P es 1, decimos que z es raı́z simple de P, mientras

que si la multiplicidad es mayor que 1, decimos que z es raı́z múltiple de P.

Ejemplo 1. Determinar la multiplicidad de z = 3 como raı́z del polinomio P( x ) =

( x2 − 9)3 ( x + 3)( x − 3)2 .

Solución. Factorizamos x2 − 9 = ( x − 3)( x + 3). Luego, el polinomio P se puede escribir

como:
P( x ) = [( x − 3)( x + 3)]3 ( x + 3)( x − 3)2
Distribuyendo la potencia,

P( x ) = ( x − 3)3 ( x + 3)3 ( x + 3)( x − 3)2

y, agrupando,
P ( x ) = ( x − 3)5 ( x + 3)4
El factor x − 3 correspondiente a la raı́z z = 3 aparece elevado al exponente 5, y el polinomio
( x + 3)4 no se anula en z = 3. Por lo tanto,

Respuesta: la multiplicidad de z = 3 como raı́z de P es 5.

Veamos ahora el siguiente ejemplo, en el que vamos a construir un polinomio que cumpla una
serie de condiciones dadas.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 13

Álgebra 27 (Ciencias Exactas) POLINOMIOS

Ejemplo 2. Hallar P ∈ C[ x ] de grado mı́nimo que tenga a 2 como raı́z, a 3i como raı́z
múltiple y que verifique P(0) = 36.

Solución. Para empezar, listemos las caracterı́sticas que debe tener el polinomio P:

• Los coeficientes de P son números complejos.

• ( x − 2) | P (porque 2 es raı́z).
• ( x − 3i )k | P para algún k > 1 (porque 3i es raı́z múltiple).
• P(0) = 36.
• Si Q es otro polinomio que verifica las condiciones anteriores, entonces gr( Q) ≥ gr( P).

Mirando las tres primeras caracterı́sticas, proponemos:

P( x ) = A( x − 2)( x − 3i )k con A ∈ C

y, para que se cumpla la última (es decir, que el polinomio tenga el menor grado posible),
proponemos k = 2. Como además debe valer P(0) = 36,

A(0 − 2)(0 − 3i )2 = 36 ⇐⇒ A(−2)(−3i )2 = 36 ⇐⇒ 18A = 36 ⇐⇒ A = 2

Respuesta: P( x ) = 2( x − 2)( x − 3i )2 = 2x3 − (4 + 12i ) x2 − (18 − 24i ) x + 36.

¿Cómo cambiarı́a la resolución anterior si buscáramos un polinomio con coeficientes en R?

Ejemplo 3. Hallar P ∈ R[ x ] de grado mı́nimo que tenga a 2 como raı́z, a 3i como raı́z
múltiple y que verifique P(0) = 36.

Solución. En primer lugar, observemos que el polinomio de la respuesta anterior no nos sirve,
porque no tiene todos los coeficientes en R. Para encontrar un polinomio que cumpla lo pedido,
debemos tener en cuenta que si z ∈ C es raı́z de P, z̄ también lo es. Entonces, el polinomio P
debe cumplir:

• Los coeficientes de P son números reales.

• ( x − 2) | P (porque 2 es raı́z).
• ( x − 3i )k | P para algún k > 1 (porque 3i es raı́z múltiple).
• ( x + 3i ) | P (porque 3i = −3i es raı́z de P).
• P(0) = 36.
• Si Q es otro polinomio que verifica las condiciones anteriores, entonces gr( Q) ≥ gr( P).

Si propusiéramos como respuesta el polinomio P( x ) = A( x − 2)( x − 3i )2 ( x + 3i ), sus coefi-

2
cientes no serı́an todos reales: como P(0) = 36, el número A deberı́a ser igual a − i. Es decir,
3
2
el coeficiente principal de P serı́a − i ∈
/ R.
3

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 14

Álgebra 27 (Ciencias Exactas) POLINOMIOS

Entonces, debemos “agregarle” otra raı́z. Tomando −3i, el producto ( x − 3i )( x + 3i ) queda

igual a x2 + 9, que tiene coeficientes en R. Proponemos entonces

P( x ) = A( x − 2)( x − 3i )2 ( x + 3i )2 .
2
Como P(0) = 36, deducimos que A = − . Por lo tanto,
9
2
P( x ) = − ( x − 2)( x − 3i )2 ( x + 3i )2
9
2 2 4
= − ( x − 2)( x2 + 9)2 = − x5 + x4 − 4x3 + 8x2 − 18x + 36
9 9 9
2 4
Respuesta: P( x ) = − x5 + x4 − 4x3 + 8x2 − 18x + 36.
9 9

Lo que vimos en el ejemplo anterior vale en general: si P ∈ R[ x ] y z ∈ C, entonces z es una raı́z

de P de multiplicidad k si y sólo si z̄ es una raı́z de P de multiplicidad k.

Una propiedad muy útil para determinar la multiplicidad de una raı́z de un polinomio P ∈
K[ x ] es la siguiente:

n
Sean P( x ) = ∑ a j x j ∈ K[ x ] y z ∈ K una raı́z de P. Entonces,
j =0

z tiene multiplicidad k ⇐⇒ P(z) = 0, ∂P(z) = 0, ∂2 P(z) = 0, . . . , ∂k−1 P(z) = 0

y ∂k P(z) 6= 0.
n
donde ∂P ∈ K[ x ] es el polinomio derivado de P, definido por ∂P( x ) = ∑ ja j x j−1 ,
j =1
∂2 P = ∂(∂P), ∂3 P = ∂ ( ∂2 P ), . . . , ∂ k P = ∂ ( ∂ k −1 P ).

Ejemplo 4. Determinar la multiplicidad de z = 1 como raı́z de

3 5 13 9
P( x ) = x5 − x4 − x3 + x2 − x + 1
2 2 2 2

Solución. Calculemos:
3 5 13 9
• P (1) = 1 − − + − +1 = 0
2 2 2 2
15 2 9 15 9
• ∂P( x ) = 5x4 − 6x3 − x + 13x − y ∂P(1) = 5 − 6 − + 13 − = 0
2 2 2 2
• ∂2 P( x ) = 20x3 − 18x2 − 15x + 13 y ∂2 P(1) = 20 − 18 − 15 + 13 = 0

• ∂3 P( x ) = 60x2 − 36x − 15 y ∂3 P(1) = 60 − 36 − 15 6= 0

Respuesta: z = 1 es una raı́z de P de multiplicidad 3 .

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 15

Álgebra 27 (Ciencias Exactas) DIAGONALIZACIÓN

Diagonalización
Una transformación lineal f : V → V definida en un espacio vectorial V de dimensión n, para
cada base B de V, tiene asociada una matriz MB ( f ) ∈ Rn×n que depende de la base.
En lo que sigue nos interesará buscar bases en las que la matriz sea lo más ”simple” posible.
Más precisamente, intentaremos, cuando sea posible, hallar una base B tal que MB ( f ) sea dia-
gonal, es decir, de la forma
 
λ1 0 . . . 0
.. 
 0 λ2 . . .

. 
MB ( f ) =  .
 .
 .. . . . . . . 0 


0 ... 0 λn

Autovalores y autovectores
Para darnos una idea de cómo deberı́a ser una base B tal que la matriz MB ( f ) sea diagonal,
pensemos el problema para una transformación lineal f : R2 → R2 . En este caso, buscamos
una base B de R2 tal que
λ1 0
MB ( f ) = .
0 λ2
Si B = {v1 , v2 }, la primera columna de MB ( f ) contiene las coordenadas de f (v1 ) en la base B
y la segunda, las coordenadas de f (v2 ) en la base B, con lo cual, debe valer

( f (v1 )) B = (λ1 , 0) ⇐⇒ f (v1 ) = λ1 v1 + 0v2 = λ1 v1

( f (v2 )) B = (0, λ2 ) ⇐⇒ f (v2 ) = 0v1 + λ2 v2 = λ2 v2

Es decir, al aplicarle la transformación lineal a cada vector de la base B debe resultar un múltiplo
del mismo vector.

Autovector y autovalor de una transformación lineal

Si f : V → V es una transformación lineal, un vector v ∈ V, v 6= 0, es un autovector de f

asociado al autovalor λ ∈ R si vale f (v) = λv.

Una matriz A ∈ Rn×n define una transformación lineal f : Rn → Rn , f (x) = A · x. A los

autovalores y autovectores de esta transformación lineal se los llama autovalores y autovectores
de A, respectivamente.

Autovector y autovalor de una matriz

Si A ∈ Rn×n , un vector v ∈ Rn , v 6= 0, es un autovector de A asociado al autovalor λ ∈ R

si vale A v = λv.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 1

Álgebra 27 (Ciencias Exactas) DIAGONALIZACIÓN

1 3
Ejemplo 1. Hallar todos los autovalores y autovectores de A = . Si
1 −1
f : R2 → R2 es la transformación lineal definida por f (x) = Ax, decidir si existe una
base B de R2 tal que MB ( f ) sea diagonal.

Solución. Buscamos v = ( x, y) ∈ R2 , v 6= 0, y λ ∈ R tales que Av = λv. Reescribimos:

Av = λv ⇐⇒ Av − λv = 0 ⇐⇒ ( A − λI )v = 0.

Tenemos un sistema homogéneo, cuya matriz es A − λI, con un parámetro λ y buscamos que
este sistema tenga una solución v 6= 0. En otras palabras, buscamos los valores de λ para que
el sistema sea compatible indeterminado. Esto ocurre cuando det( A − λI ) = 0. Escribimos la
matriz del sistema y calculamos su determinante:

1 3 1 0 1−λ 3
A − λI = −λ =
1 −1 0 1 1 −1 − λ

1−λ 3
det( A − λI ) = det = (1 − λ)(−1 − λ) − 3 = λ2 − 4
1 −1 − λ
Igualamos a 0 y resolvemos:

λ2 − 4 = 0 ⇐⇒ λ = 2 ó λ = −2

Concluimos entonces que los autovalores de A son λ = 2 y λ = −2 .

Para cada uno de los autovalores, busquemos los autovectores asociados. Estos son los vectores
v 6= 0 que cumplen Av = λv, es decir, las soluciones no triviales del sistema

( A − λI )v = 0

• Para λ = 2, el sistema queda

−1 3 x 0
=
1 −3 y 0

y es equivalente a la ecuación − x + 3y = 0. Entonces, las soluciones son v = y(3, 1), con

y ∈ R. Por lo tanto:
Los autovectores asociados a λ = 2 son los vectores v = y(3, 1), con y 6= 0.

• Para λ = −2, el sistema queda

3 3 x 0
=
1 1 y 0

y es equivalente a la ecuación x + y = 0. Entonces, las soluciones son v = y(−1, 1), con

y ∈ R. Por lo tanto:
Los autovectores asociados a λ = −2 son los vectores v = y(−1, 1), con y 6= 0.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 2

Álgebra 27 (Ciencias Exactas) DIAGONALIZACIÓN

Para f : R2 → R2 , f (x) = Ax, como vimos al comienzo de la sección, una base B = {v1 , v2 } de
R2 tal que MB ( f ) sea diagonal estará formada por autovectores de f , es decir, autovectores de
la matriz A.
Si v1 = (3, 1) (autovector asociado al autovalor λ = 2) y v2 = (−1, 1) (autovector asociado
al autovalor λ = −2), tenemos que B = {(3, 1), (−1, 1)} es una base de R2 , ya que los dos
vectores del conjunto no son uno múltiplo del otro. Además:

• f (3, 1) = 2 · (3, 1) = 2(3, 1) + 0(−1, 1) ⇒ ( f (3, 1)) B = (2, 0)

• f (−1, 1) = (−2)(−1, 1) = 0(3, 1) + (−2)(−1, 1) ⇒ ( f (−1, 1)) B = (0, −2)

y, por lo tanto,
2 0
MB ( f ) = .
0 −2

B = {(3, 1), (−1, 1)} es una base de R2 tal que MB ( f ) es diagonal.

 
0 −1 2
Ejemplo 2. Sea A =  k 1 1 . Hallar k ∈ R para que λ = 2 sea autovalor de A.
3 0 1
Para el valor de k hallado, calcular todos los autovectores de A asociados al autovalor
λ = 2.

Solución. Sabemos que λ = 2 es autovalor de A si tiene un autovector asociado, es decir, si

existe un vector v 6= 0 tal que Av = 2v. Reescribiendo esta igualdad, esto es lo mismo que
decir que el sistema homogéneo ( A − 2I )v = 0 es compatible indeterminado. Como A − 2I es
una matriz cuadrada, esto ocurre cuando

det( A − 2I ) = 0.

Calculamos el determinante de la matriz

     
0 −1 2 2 0 0 −2 −1 2
det( A − 2I ) = det  k 1 1  −  0 2 0  = det  k −1 1  = 1 − k,
3 0 1 0 0 2 3 0 −1

igualamos a 0 y despejamos: k = 1 .

Para k = 1, buscamos los autovectores de A asociados al autovalor λ = 2 resolviendo el sistema

( A − 2I )v = 0.
   
−2 −1 2 0 1 −1 1 0
( A − 2I | 0) =  1 −1 1 0  →  −2 −1 2 0 
3 0 −1 0 3 0 −1 0
   
1 −1 1 0 1 −1 1 0
→  0 −3 4 0  →  0 −3 4 0 
0 3 −4 0 0 0 0 0

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 3

Álgebra 27 (Ciencias Exactas) DIAGONALIZACIÓN

Las soluciones no triviales de este sistema son de la forma α(1, 4, 3), con α ∈ R, α 6= 0. Estos
son los autovectores asociados al autovalor λ = 2.

Respuesta: El único valor de k ∈ R para el cual λ = 2 es autovalor de A es k = 1 y, para este

valor, los autovectores asociados a λ = 2 son los vectores v = α(1, 4, 3), con α 6= 0.

Verificación: Con k = 1,
        
1 0 −1 2 1 2 1
A  4  =  1 1 1   4  =  8  =2 4 

3 3 0 1 3 6 3
y, en consecuencia, lo mismo vale para todo v = α(1, 4, 3), con α ∈ R.

Polinomio caracterı́stico
De la misma manera que en los ejemplos anteriores, vemos que los autovalores de una matriz
A ∈ Rn×n son los λ ∈ R tales que el sistema ( A − λI )v = 0 tiene solución no trivial, es decir,
los λ ∈ R tales que det( A − λI ) = 0.

Polinomio caracterı́stico de una matriz

Si A ∈ Rn×n , se llama polinomio caracterı́stico de A a

P(λ) = det( A − λI ),

que es un polinomio en la variable λ con coeficientes en R.

Propiedad del polinomio caracterı́stico

Los autovalores de A son las raı́ces en R del polinomio caracterı́stico de A.

0 −1
Ejemplo 3. Hallar todos los autovalores de A = .
1 0

Solución. Para hallar los autovalores de A calculamos su polinomio caracterı́stico:

0 −1 λ 0 − λ −1
P(λ) = det( A − λI ) = det − = det = λ2 + 1
1 0 0 λ 1 −λ

El polinomio P(λ) = λ2 + 1 no tiene raı́ces reales. Por lo tanto, A no tiene autovalores .

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 4

Álgebra 27 (Ciencias Exactas) DIAGONALIZACIÓN

Diagonalización y subespacios asociados a autovalores

La matriz A ∈ R2×2 del ejemplo anterior no tiene autovalores y, en consecuencia, tampoco
tiene autovectores. Esto nos dice que para la transformación lineal f : R2 → R2 , f (x) = Ax
definida con esa matriz no existe una base B de R2 tal que MB ( f ) sea diagonal, ya que dicha
base deberı́a estar formada por autovectores de A. Vemos entonces que el problema planteado
al comienzo no siempre tiene solución.

Transformación lineal diagonalizable

Una transformación lineal f : V → V se dice diagonalizable si existe una base B de V tal

que MB ( f ) es diagonal.

De manera similar a lo que hicimos al comienzo para una transformación lineal f : R2 → R2 ,

se puede ver que vale lo siguiente:

Propiedad

Una transformación lineal f : V → V es diagonalizable si y sólo si existe una base B de

V formada por autovectores de f .

En lo que sigue nos concentraremos en hallar autovalores y autovectores de matrices y trans-

formaciones lineales.

Si λ es un autovalor de la matriz A ∈ Rn×n , los autovectores asociados a λ son las soluciones

no triviales del sistema homogéneo ( A − λI )v = 0; entonces, junto con el vector nulo, estos
autovectores forman un subespacio de Rn . Algo similar sucede para una transformación lineal
f : V → V.

Subespacio asociado a un autovalor

Si A ∈ Rn×n y λ es un autovalor de A, el conjunto

Sλ = {v ∈ Rn / Av = λv}

es el subespacio asociado al autovalor λ.

Similarmente, si f : V → V es una transformación lineal y λ es un autovalor de f ,

Sλ = {v ∈ V/ f (v) = λv}

es el subespacio asociado al autovalor λ.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 5

Álgebra 27 (Ciencias Exactas) DIAGONALIZACIÓN

Ejemplo 1. En cada caso, calcular todos los autovalores de la matriz A y, para cada uno
de ellos, hallar el subespacio asociado. Si f : R3 → R3 es la transformación lineal tal que
M( f ) = A, decidir si f es diagonalizable y, en caso afirmativo, exhibir una base B de R3
tal que MB ( f ) sea diagonal.
     
1 3 0 1 3 0 1 3 0
a) A =  1 −1 0  b) A =  1 −1 0  c) A =  1 −1 0 
1 −2 1 −1 3 2 −1 1 2

Solución.

a) Para hallar los autovalores de A, buscamos las raı́ces de su polinomio caracterı́stico:

P(λ) = det( A − λI ).

Calculamos:
     
1 3 0 λ 0 0 1−λ 3 0
A − λI =  1 −1 0  −  0 λ 0  =  1 −1 − λ 0 
1 −2 1 0 0 λ 1 −2 1−λ
 
1−λ 3 0
1 − λ 3
P(λ) = det  1 −1 − λ 0  = (1 − λ) det
1 −1 − λ
1 −2 1−λ
= (1 − λ)(λ2 − 4)

y buscamos las raı́ces de P(λ), que son λ = 1, λ = 2 y λ = −2. Entonces:

Los autovalores de A son λ = 1, λ = 2 y λ = −2
Ahora, para cada uno de los autovalores hallados, calculamos el subespacio asociado Sλ
resolviendo el sistema
( A − λI )v = 0

Para λ = 1:    
0 3 0 0 1 −2 0 0
( A − I | 0 ) =  1 −2 0 0  →  0 3 0 0 
1 −2 0 0 0 0 0 0
Las soluciones son v = z(0, 0, 1), con z ∈ R. Entonces:
El subespacio asociado al autovalor λ = 1 es S1 = h(0, 0, 1)i.

Para λ = 2:
   
−1 3 0 0 −1 3 0 0
( A − 2I | 0) =  1 −3 0 0  →  0 1 −1 0 
1 −2 −1 0 0 0 0 0

Las soluciones son v = z(3, 1, 1), con z ∈ R. Entonces:

El subespacio asociado al autovalor λ = 2 es S2 = h(3, 1, 1)i.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 6

Álgebra 27 (Ciencias Exactas) DIAGONALIZACIÓN

Para λ = −2:
   
3 3 0 0 1 1 0 0
( A − (−2) I | 0) =  1 1 0 0  →  0 −3 3 0 
1 −2 3 0 0 0 0 0
Las soluciones son v = z(−1, 1, 1), con z ∈ R. Entonces:
El subespacio asociado al autovalor λ = −2 es S−2 = h(−1, 1, 1)i.

La transformación lineal f : R3 → R3 tal que M ( f ) = A, es decir f (x) = Ax, es diago-

nalizable si y sólo si existe una base B = {v1 , v2 , v3 } de R3 formada por autovectores
de A. Como la dimensión del subespacio Sλ asociado a cada autovalor es 1, para que el
conjunto B sea linealmente independiente, elegimos un autovector asociado a cada uno
de los autovalores, por ejemplo:

B = {(0, 0, 1), (3, 1, 1), (−1, 1, 1)}

Queda como ejercicio verificar que este conjunto es linealmente independiente y, por lo
tanto, es una base de R3 formada por autovectores de f . Entonces f es diagonalizable .
Para esta base B, tenemos que:
 
1 0 0
MB ( f ) =  0 2 0 
0 0 −2

Verificación:
    
1 3 0 0 0
f (0, 0, 1) =  1 −1 0  0 =  0  ⇒ ( f (0, 0, 1)) B = (1, 0, 0)
1 −2 1 1 1
      
1 3 0 3 6 3
f (3, 1, 1) =  1 −1 0  1 =  2  = 2 1 
1 −2 1 1 2 1
⇒ ( f (3, 1, 1)) B = (0, 2, 0)
      
1 3 0 −1 2 −1
f (−1, 1, 1) =  1 −1 0   1  = −2  = (−2)  1 
1 −2 1 1 −2 1
⇒ ( f (−1, 1, 1)) B = (0, 0, −2)

b) Como en el caso anterior, para hallar los autovalores de A, calculamos su polinomio ca-
racterı́stico:
   
1 3 0 λ 0 0
P(λ) = det( A − λI ) = det  1 −1 0  −  0 λ 0 
−1 3 2 0 0 λ
 
1−λ 3 0
1−λ 3
= det  1 −1 − λ 0  = (2 − λ) det
1 −1 − λ
−1 3 2−λ
= (2 − λ)(λ2 − 4)

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 7

Álgebra 27 (Ciencias Exactas) DIAGONALIZACIÓN

y le buscamos las raı́ces que, en este caso, son λ = 2 (doble) y λ = −2. Entonces:
Los autovalores de A son λ = 2 y λ = −2
Ahora, para cada uno de los autovalores, calculamos el subespacio asociado Sλ resolviendo
el sistema
( A − λI )v = 0
Para λ = 2:
   
−1 3 0 0 −1 3 0 0
( A − 2I | 0) =  1 −3 0 0  →  0 0 0 0 
−1 3 0 0 0 0 0 0
Las soluciones son v = y(3, 1, 0) + z(0, 0, 1), con y, z ∈ R. Entonces:
El subespacio asociado al autovalor λ = 2 es S2 = h(3, 1, 0), (0, 0, 1)i.

Para λ = −2:
   
3 3 0 0 1 1 0 0
( A − (−2) I | 0) =  1 1 0 0  →  0 4 4 0 
−1 3 4 0 0 0 0 0
Las soluciones son v = z(1, −1, 1), con z ∈ R. Entonces:
El subespacio asociado al autovalor λ = −2 es S−2 = h(1, −1, 1)i.

Para decidir si f : R3 → R3 , f (x) = Ax es diagonalizable, buscamos una base B de R3

formada por autovectores de A. En este caso tenemos que dim(S2 ) = 2 y dim(S−2 ) = 1.
Consideramos una base de S2 , por ejemplo BS2 = {(3, 1, 0), (0, 0, 1)}, y una base de S−2 ,
por ejemplo BS−2 = {(1, −1, 1)}. Al unirlas obtenemos

B = {(3, 1, 0), (0, 0, 1), (1, −1, 1)}

que resulta ser linealmente independiente. Por lo tanto, B es una base de R3 formada por
autovectores de f . Concluimos que f es diagonalizable .
Como los dos primeros vectores de la base B son autovectores asociados al autovalor 2 y
el tercero es un autovector asociado al autovalor −2, tenemos que
 
2 0 0
MB ( f ) =  0 2 0 
0 0 −2

c) Nuevamente, para hallar los autovalores de A, calculamos las raı́ces de su polinomio

caracterı́stico:
   
1 3 0 λ 0 0
P(λ) = det( A − λI ) = det  1 −1 0  −  0 λ 0 
−1 1 2 0 0 λ
 
1−λ 3 0
1−λ 3
= det  1 −1 − λ 0  = (2 − λ) det
1 −1 − λ
−1 1 2−λ
= (2 − λ)(λ2 − 4)

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 8

Álgebra 27 (Ciencias Exactas) DIAGONALIZACIÓN

Las raı́ces de este polinomio son λ = 2 (doble) y λ = −2. Entonces:

Los autovalores de A son λ = 2 y λ = −2.
Ahora, para cada uno de los autovalores, calculamos el subespacio asociado Sλ resolviendo
el sistema
( A − λI )v = 0

Para λ = 2:
   
−1 3 0 0 −1 3 0 0
( A − 2I | 0) =  1 −3 0 0  →  0 −2 0 0 
−1 1 0 0 0 0 0 0

Las soluciones son v = z(0, 0, 1), con z ∈ R. Entonces:

El subespacio asociado al autovalor λ = 2 es S2 = h(0, 0, 1)i.

Para λ = −2:
   
3 3 0 0 1 1 0 0
( A − (−2) I | 0) =  1 1 0 0  →  0 2 4 0 
−1 1 4 0 0 0 0 0

Las soluciones son v = z(2, −2, 1), con z ∈ R. Entonces:

El subespacio asociado al autovalor λ = −2 es S−2 = h(2, −2, 1)i.

Veamos que en este caso no existe una base de R3 formada por autovectores de A. Vi-
mos que A tiene dos autovalores, λ = 2 y λ = −2. Si tomamos tres autovectores
de A para intentar formar una base de R3 , necesariamente dos de ellos pertenecerán
a S2 o dos de ellos a S−2 . Pero cada uno de estos subespacios tiene dimensión 1, con
lo cual no puede contener dos vectores linealmente independientes. Concluimos que
f : R3 → R3 , f (x) = Ax, no es diagonalizable .

Observaciones:
El polinomio caracterı́stico de una matriz A ∈ Rn×n tiene grado n y, como consecuencia, tiene
n raı́ces en C (contadas con multiplicidad). Los autovalores de A son las raı́ces reales de este
polinomio. Entonces:

Una matriz A ∈ Rn×n puede tener como máximo n autovalores.

En el ejemplo anterior, por ejemplo, la matriz A ∈ R3×3 del inciso a) tiene 3 autovalores; sin
embargo, en los incisos b) y c), tenemos matrices en R3×3 que tienen sólo dos autovalores.
En el caso a), al considerar un autovector asociado a cada uno de los 3 autovalores (es decir,
una base del subespacio asociado a cada autovalor, ya que cada uno tiene dimensión 1) obtu-
vimos un conjunto linealmente independiente, es decir, una base de R3 . De la misma manera,
en el inciso b), al unir bases de los subespacios asociados a cada autovalor (un subespacio
de dimensión 2 y otro de dimensión 1), conseguimos un conjunto de 3 vectores linealmente

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 9

Álgebra 27 (Ciencias Exactas) DIAGONALIZACIÓN

independiente, o sea una base de R3 . En el caso c), no fue posible obtener una base de R3 for-
mada por autovectores de A, ya que la matriz tiene dos autovalores y para cada uno de ellos
el subespacio asociado es de dimensión 1. Si bien al unir bases de estos subespacios resulta un
conjunto linealmente independiente, éste tiene sólo 2 vectores y, entonces, no es una base de
R3 .

Las observaciones anteriores valen en general: si λ1 , . . . , λr son autovalores de una matriz A ∈

Rn×n y B1 , . . . , Br son bases de los subespacios asociados Sλ1 , . . . , Sλr respectivamente, el con-
junto B1 ∪ · · · ∪ Br es linealmente independiente. En particular, si dim(Sλ1 ) + · · · + dim(Sλr ) =
n, entonces B = B1 ∪ · · · ∪ Br es una base de Rn formada por autovectores de A.
De esta propiedade se deduce que:

Si A ∈ Rn×n tiene n autovalores distintos, entonces f (x) = Ax es diagonalizable.

Esto se debe a que, si λ1 , . . . , λn son los n autovalores distintos de A y v1 , . . . , vn son autovec-

tores asociados a cada uno de ellos, entonces B = {v1 , . . . , vn } es una base de Rn tal que MB ( f )
es diagonal.

Más generalmente, vale el siguiente criterio:

Si f : Rn → Rn es la transformación lineal tal que M ( f ) = A ∈ Rn×n y λ1 , . . . , λr son

todos sus autovalores, entonces

f es diagonalizable si y sólo si dim(Sλ1 ) + · · · + dim(Sλr ) = n.

Matrices diagonalizables
Dada una matriz A ∈ Rn×n , si la transformación lineal f : Rn → Rn definida por f (x) = Ax
es diagonalizable, existe una base B de Rn , formada por autovectores de A, tal que MB ( f ) es
diagonal. Vı́a matrices de cambio de base, tenemos la siguiente relación:

A = M ( f ) = CBE MB ( f ) CEB = C D C −1

donde C = CBE es una matriz inversible y D = MB ( f ) es una matriz diagonal.

1 3
Por ejemplo, en el Ejemplo 1 de la sección anterior, para la matriz A = hallamos
1 −1

2 0
B = {(3, 1), (−1, 1)}, base de R2 tal que MB ( f ) = . Entonces, si
0 −2

3 −1 2 0
C = CBE = y D = MB ( f ) =
1 1 0 −2
se tiene que
−1
1 3 3 −1 2 0 3 −1
A= = = C D C −1
1 −1 1 1 0 −2 1 1

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 10

Álgebra 27 (Ciencias Exactas) DIAGONALIZACIÓN

Matriz diagonalizable

Una matriz A ∈ Rn×n se dice diagonalizable si existen una matriz diagonal D ∈ Rn×n y
una matriz inversible C ∈ Rn×n tales que A = C D C −1 .

Como en el ejemplo anterior, una matriz A ∈ Rn×n es diagonalizable cuando es diagonalizable

la transformación lineal f : Rn → Rn definida por f (x) = Ax. Entonces:

A ∈ Rn×n es diagonalizable si y sólo si existe una base B = {v1 , . . . , vn } de Rn formada

por autovectores de A.
En tal caso, si v1 es un autovector asociado al autovalor λ1 , v2 un autovector asociado a
λ2 , . . . , vn un autovector asociado a λn (con λ1 , λ2 , . . . , λn no necesariamente distintos),
 
λ1 0 . . . 0
.. 
 0 λ2 . . .

t t t
. 
C = ( v1 ) ( v2 ) · · · ( v n ) y D= .  
 .. . . . . . . 0 


0 ... 0 λn

cumplen que
A = C D C −1 .

Ejemplo 2. Para cada una de las matrices del Ejemplo 1, decidir si A es diagonalizable
y, en caso afirmativo, hallar una matriz inversible C y una matriz diagonal D tales que
A = C D C −1 .

Solución. Utilizaremos los resultados de los cálculos que hicimos en el Ejemplo 1.

 
1 3 0
a) A =  1 −1 0 
1 −2 1
Vimos que B = {(0, 0, 1), (3, 1, 1), (−1, 1, 1)} es una base de R3 formada por autovectores
de A y, por lo tanto, A es diagonalizable . Además:

• (0, 0, 1) es un autovector de A asociado al autovalor 1,

• (3, 1, 1) es un autovector de A asociado al autovalor 2,
• (−1, 1, 1) es un autovector de A asociado al autovalor −2.

Entonces A = C D C −1 para las matrices

   
0 3 −1 1 0 0
C= 0 1 1  y D= 0 2 0 
1 1 1 0 0 −2

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 11

Álgebra 27 (Ciencias Exactas) DIAGONALIZACIÓN

Verificación: calculamos C −1 y efectuamos los productos

0 −1 1
     
0 3 −1 1 0 0 1 3 0
C D C −1 =  0 1 1  0 2 0   41 1
4 0
 =  1 −1 0  = A
0 0 −2 1 3 1 −2 1
1 1 1 −4 4 0
 
1 3 0
b) A =  1 −1 0 
−1 3 2
Vimos que B = {(3, 1, 0), (0, 0, 1), (1, −1, 1)} es una base de R3 formada por autovectores
de A y, por lo tanto, A es diagonalizable . Además:

• (3, 1, 0) y (0, 0, 1) son autovectores de A asociados al autovalor 2,

• (1, −1, 1) es un autovector de A asociado al autovalor −2.

Entonces A = C D C −1 para las matrices

   
3 0 1 2 0 0
C =  1 0 −1  y D= 0 2 0 
0 1 1 0 0 −2

Verificación: calculamos C −1 y efectuamos los productos

   1 1   
3 0 1 2 0 0 4 4 0 1 3 0
C D C −1 =  1 0 − 1   0 2 0   − 14 3
4 1
 =  1 −1 0  = A
0 0 −2 1 3 −1
4 −4 0
0 1 1 3 2
 
1 3 0
c) A =  1 −1 0 
−1 1 2
Para esta matriz vimos que no existe una base de R3 formada por autovectores de A y,
por lo tanto, A no es diagonalizable .

 
1 0 0
Ejemplo 3. Sea A =  6 k −3 . Hallar k ∈ R para que v = (0, 1, −1) sea un au-
−6 6 4
tovector de A. Para el valor hallado, decidir si A es diagonalizable y, en caso afirmativo,
hallar una matriz inversible C y una matriz diagonal D tales que A = C D C −1 .

Solución. El vector v es un autovector de A si existe λ ∈ R tal que Av = λv, o sea,

        
1 0 0 0 0 0 0
 6 k −3   1  = λ  1  ⇐⇒  k + 3  =  λ  ⇐⇒ k+3 = λ
2 = −λ
−6 6 4 −1 −1 2 −λ

Deducimos que λ = −2 y k = −5. Entonces, para k = −5 , el vector v = (0, 1, −1) es un

autovector de A asociado al autovalor −2.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 12

Álgebra 27 (Ciencias Exactas) DIAGONALIZACIÓN

Veamos si, para el valor de k hallado, la matriz es diagonalizable. Al reemplazar k = −5, queda:
 
1 0 0
A =  6 −5 −3  .
−6 6 4

Buscamos los autovalores de A, que son las raı́ces de su polinomio caracterı́stico:

 
1−λ 0 0
P(λ) = det( A − λI ) = det  6 −5 − λ −3  = (1 − λ)2 (−2 − λ)
−6 6 4−λ

Las raı́ces de P(λ) son λ = 1 (doble) y λ = −2. Ası́, los autovalores de A son λ = 1 y λ = −2.
Para decidir si A es diagonalizable, buscamos los autovectores asociados a cada autovalor, es
decir las soluciones no triviales de ( A − λI )v = 0, y vemos si es posible construir una base de
R3 formada por autovectores de A.
Para λ = 1:    
0 0 0 0 6 −6 −3 0
( A − I | 0 ) =  6 −6 −3 0  →  0 0 0 0 
−6 6 3 0 0 0 0 0
Las soluciones son los vectores v = ( x, y, 2x − 2y) = x (1, 0, 2) + y(0, 1, −2), con x, y ∈ R.
Entonces, el subespacio asociado al autovalor λ = 1 es S1 = h(1, 0, 2), (0, 1, −2)i.
Para λ = −2, ya conocemos el autovector v = (0, 1, −1), por lo que vimos al comienzo del
ejemplo. También podemos resolver el sistema ( A − (−2) I )v = 0 y obtener que el subespacio
asociado a este autovalor es S−2 = h(0, 1, −1)i.
A partir de estos cálculos, tenemos que B = {(1, 0, 2), (0, 1, −2), (0, 1, −1)} es una base de R3
formada por autovectores de A. En consecuencia, A es diagonalizable.
Como los dos primeros vectores de la base B son autovectores asociados al autovalor 1 y el
tercero es un autovector asociado al autovalor −2, entonces A = C D C −1 para las matrices
   
1 0 0 1 0 0
C= 0 1 1  y D= 0 1 0 
2 −2 −1 0 0 −2

Verificación: calculamos C −1 y efectuamos los productos

     
1 0 0 1 0 0 1 0 0 1 0 0
C D C −1 =  0 1 1  0 1 0   2 −1 −1  =  6 −5 −3  = A
2 −2 −1 0 0 −2 −2 2 1 −6 6 4

Respuesta: el valor de k para el cual v = (0, 1, −1) es

 un autovectorde A es k= −5 y, para
este
1 0 0 1 0 0
valor, A es diagonalizable: A = C D C −1 con C =  0 1 1 yD= 0 1 0 .
2 −2 −1 0 0 −2

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 13

Álgebra 27 (Ciencias Exactas) DIAGONALIZACIÓN

Más ejemplos de diagonalización

Hasta el momento vimos ejemplos donde analizamos si es diagonalizable una transformación
lineal f : Rn → Rn dada por f (x) = Ax con A ∈ Rn×n , es decir, dada por su matriz A = M( f )
en la base canónica.
Consideremos ahora ejemplos en los que aparecen otras bases.

Ejemplo 4. En cada caso, decidir si f es diagonalizable y, en caso afirmativo, hallar una

base B0 de R3 tal que MB0 ( f ) sea diagonal.
 
−2 4 0
a) f : R3 → R3 la transformación lineal tal que MEB ( f ) =  3 −5 −6 ,
0 0 2
con B = {(1, 0, 0), (2, 1, 0), (0, 0, 1)} base de R3 .
 
1 −1 1
b) f : R3 → R3 la transformación lineal tal que MBE ( f ) =  1 2 −2 ,
2 0 0
con B = {(1, 0, −1), (1, −1, 0), (0, 1, 0)} base de R3 .

Solución. En ambos casos, vamos a calcular la matriz de f en la base canónica efectuando

un cambio de base conveniente y luego analizaremos si f es diagonalizable como hicimos en
ejemplos anteriores.

a) Aplicando la fórmula de cambio de base para la matriz de una transformación lineal

tenemos que
    
1 2 0 −2 4 0 4 −6 −12
A = MEE ( f ) = CBE MEB ( f ) =  0 1 0   3 −5 −6  =  3 −5 −6 
0 0 1 0 0 2 0 0 2

(Recordar que la matriz de cambio de base CBE tiene como columnas a los vectores de B.)
La matriz A hallada cumple que f (x) = Ax para todo x ∈ R3 .
Calculamos los autovalores de f buscando las raı́ces del polinomio caracterı́stico de A:
 
4−λ −6 −12
P(λ) = det( A − λI ) = det  3 −5 − λ −6  = (2 − λ)(λ2 + λ − 2)
0 0 2−λ
= (2 − λ)(λ − 1)(λ + 2)

Entonces los autovalores de f son 2, 1 y −2.

Como f está definida en R3 y tiene 3 autovalores distintos, entonces f es diagonalizable .
Una base B0 de R3 tal que MB0 ( f ) es diagonal debe estar formada por autovectores de
f . Para hallarlos, resolvemos los sistemas homogéneos ( A − λI )v = 0 para cada uno
de los autovalores λ encontrados. Queda como ejercicio hacer estos cálculos. Se obtiene
S2 = h(−12, −6, 1)i, S1 = h(2, 1, 0)i y S−2 = h(1, 1, 0)i.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 14

Álgebra 27 (Ciencias Exactas) DIAGONALIZACIÓN

Armamos la base B0 considerando un autovector asociado a cada autovalor:

 
2 0 0
B0 = {(−12, −6, 1), (2, 1, 0), (1, 1, 0)} y M B0 ( f ) =  0 1 0 
0 0 −2

Respuesta: f es diagonalizable y B0 = {(−12, −6, 1), (2, 1, 0), (1, 1, 0)} es una base de R3
tal que MB0 ( f ) es diagonal.

b) Nuevamente comenzamos aplicando la fórmula de cambio de base para calcular la matriz

de f en la base canónica:
    
1 −1 1 0 0 −1 0 1 −1
A = MEE ( f ) = MBE ( f )CEB =  1 2 −2   1 0 1  =  0 −2 −1 
2 0 0 1 1 1 0 0 −2

(Recordar que la matriz de cambio de base CEB se puede hallar, o bien directamente a
partir de la definición, o bien como la inversa de CBE , que es fácil de construir.)
Calculamos los autovalores de f buscando las raı́ces del polinomio caracterı́stico de A:
 
−λ 1 −1
P(λ) = det( A − λI ) = det  0 −2 − λ −1  = −λ(−2 − λ)2
0 0 −2 − λ

Las raı́ces de este polinomio son λ = 0 y λ = −2 (doble). Entonces f tiene dos auto-
valores, 0 y −2. Sólo con esta información no podemos determinar si es diagonalizable.
Debemos buscar autovectores.
Para λ = 0, los autovectores son las soluciones no triviales de ( A − 0I )v = 0, es decir, de
Av = 0. El conjunto de soluciones de este sistema es S0 = h(1, 0, 0)i.
Para λ = −2:  
2 1 −1 0
( A − (−2) I | 0) =  0 0 −1 0 
0 0 0 0
que tiene como cojunto solución a S−2 = h(1, −2, 0)i.
Como f : R3 → R3 y dim(S0 ) + dim(S−2 ) = 2 < 3, no hay suficientes autovectores
linealmente independientes para formar una base de R3 . Por lo tanto:

Respuesta: f no es diagonalizable.

Diagonalización de transformaciones lineales f : V → V

Para hallar autovalores y autovectores de una transformación lineal f : V → V definida en
un espacio vectorial tal que dim(V) = n, vamos a usar que mediante bases y coordenadas
podemos asociarle a f matrices en Rn×n .

Dada f : V → V, buscamos λ ∈ R y v ∈ V, v 6= 0, tales que f (v) = λv.

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 15

Álgebra 27 (Ciencias Exactas) DIAGONALIZACIÓN

Si B = {v1 , . . . , vn } es una base de V, el vector v ∈ V es de la forma v = a1 v1 + · · · + an vn con

a1 , . . . , an ∈ R. Entonces la condición f (v) = λv se escribe como

f (v) = λ( a1 v1 + · · · + an vn ) = λa1 v1 + · · · + λan vn .

Si miramos coordenadas en la base B, lo anterior nos dice que si v ∈ V es un autovector de f

asociado al autovalor λ y sus coordenadas en la base B son (v) B = ( a1 , · · · , an ), entonces

( f (v)) B = (λa1 , · · · , λan ) = λ( a1 , · · · , an ) = λ · (v) B .

Recordemos que ( f (v)) B se puede calcular a partir de (v) B usando la matriz de f en la base B:

( f (v)) B = MB ( f ) · (v) B

Juntando estas dos últimas igualdades, deducimos que

MB ( f ) · (v) B = λ · (v) B

es decir, que λ es un autovalor de la matriz MB ( f ) ∈ Rn×n y el vector (v) B de las coordenadas

de v en la base B es un autovector asociado a λ.
Recı́procamente, si ( a1 , . . . , an ) ∈ Rn es un autovector de MB ( f ) asociado al autovalor λ, en-
tonces v = a1 v1 + · · · + an vn ∈ V (el vector cuyas coordenadas en la base B son ( a1 , . . . , an )) es
un autovector de f asociado al mismo autovalor.

Si f : V → V es una transformación lineal en un espacio vectorial V de dimensión n y B

es una base de V, entonces:

• λ es autovalor de f ⇐⇒ λ es autovalor de MB ( f ) ∈ Rn×n

• v ∈ V es autovector de f asociado al autovalor λ ⇐⇒ (v) B ∈ Rn es autovector de

MB ( f ) asociado al autovalor λ

Ejemplo 1. Sea B = {v1 , v2 } una base de un espacio vectorial V y sea f : V → V la

transformación lineal definida por

f (v1 ) = −2v1 − v2
f (v2 ) = 3v1 + 2v2

Hallar los autovalores y los autovectores de f . Decidir si f es diagonalizable y, en caso

afirmativo, dar una base B0 de V tal que MB0 ( f ) sea diagonal.

Solución. Como f está definida en la base B, podemos constuir fácilmente MB ( f ) ∈ R2×2 .

Sabemos que los autovalores de f son los autovalores de esta matriz.

f (v1 ) = −2v1 − v2 ⇒ ( f (v1 )) B = (−2, −1) −2 3
−→ MB ( f ) =
f (v2 ) = 3v1 + 2v2 ⇒ ( f (v2 )) B = (3, 2) −1 2

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 16

Álgebra 27 (Ciencias Exactas) DIAGONALIZACIÓN

Buscamos los autovalores de MB ( f ). Para esto, calculamos su polinomio caracterı́stico:

−2 − λ 3
P(λ) = det( MB ( f ) − λI ) = det = (−2 − λ)(2 − λ) + 3 = λ2 − 1
−1 2−λ
Las raı́ces de este polinomio son λ = 1 y λ = −1. Por lo tanto:
Los autovalores de f son λ = 1 y λ = −1 .
Ahora buscamos los autovectores de MB ( f ) asociados a cada autovalor, que son las coorde-
nadas ( a1 , a2 ) de los autovectores de f en la base B.
Para λ = 1:
−3 3 0 −1 1 0
( MB ( f ) − I | 0) = →
−1 1 0 0 0 0
Las soluciones del sistema son ( a1 , a2 ) = ( a1 , a1 ) con a1 ∈ R. Los vectores v ∈ V que tienen
estas coordenadas en la base B son v = a1 v1 + a1 v2 = a1 (v1 + v2 ), con a1 ∈ R.
El subespacio de autovectores de f asociado al autovalor λ = 1 es S1 = hv1 + v2 i.
Para λ = −1:
−1 3 0 −1 3 0
( MB ( f ) − (−1) I | 0) = →
−1 3 0 0 0 0
Las soluciones del sistema son ( a1 , a2 ) = (3a2 , a2 ), con a2 ∈ R. Los vectores v ∈ V que tienen
estas coordenadas en la base B son v = 3a2 v1 + a2 v2 = a2 (3v1 + v2 ), con a2 ∈ R.
El subespacio de autovectores de f asociado al autovalor λ = −1 es S−1 = h3v1 + v2 i.

Con los autovectores hallados, armamos la base B0 = {v1 + v2 , 3v1 + v2 } de V. Por lo tanto,

1 0
f es diagonalizable y MB0 ( f ) = .
0 −1

Ejemplo 2. Sean B = {v1 , v2 , v3 } y B0 = {v1 − v2 , v2 , −v1 + v3 } bases

 de un espacio

2 −2 4
vectorial V y sea f : V → V la transformación lineal tal que MBB0 ( f ) =  2 1 4 .
2 4 1
00
Decidir si f es diagonalizable y, en caso afirmativo, hallar una base B de V tal que
MB00 ( f ) sea diagonal.

Solución. Vimos que para hallar los autovalores y los autovectores de f podemos trabajar con
la matriz de f en cualquier base de V. En este caso, tenemos como dato la matriz MBB0 ( f ), que
está armada con dos bases distintas, B y B0 , ası́ que no podemos usar directamente esta matriz.
Comenzaremos haciendo un cambio de base para hallar MB ( f ):
MB ( f ) = CB0 B MBB0 ( f )
Como (v1 − v2 ) B = (1, −1, 0), (v2 ) B = (0, 1, 0) y (−v1 + v3 ) = (−1, 0, 1), nos queda:
    
1 0 −1 2 −2 4 0 −6 3
M B ( f ) =  −1 1 0  2 1 4 = 0 3 0 
0 0 1 2 4 1 2 4 1

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 17

Álgebra 27 (Ciencias Exactas) DIAGONALIZACIÓN

Ahora, como en el ejemplo anterior, buscamos los autovalores de f y las coordenadas en la base
B de los autovectores asociados usando la matriz MB ( f ). El polinomio caracterı́stico es
 
− λ −6 3
P(λ) = det( MB ( f ) − λI ) = det  0 3 − λ 0  = −(λ − 3)2 (λ + 2),
2 4 1−λ

con lo cual los autovalores de f son λ = 3 y λ = −2.

Como f tiene 2 autovalores y está definida en un espacio vectorial de dimensión 3, sólo con
esta información no podemos decidir si f es diagonalizable o no. Para hacerlo, buscamos los
autovectores.
Para cada autovalor, buscamos los autovectores de MB ( f ) asociados, que son las coordenadas
en la base B de los autovectores de f .
Para λ = 3:
   
−3 −6 3 0 1 2 −1 0
( MB ( f ) − 3I | 0) =  0 0 0 0 → 0 0 0 0 
2 4 −2 0 0 0 0 0

Las soluciones del sistema son ( a1 , a2 , a3 ) = ( a1 , a2 , a1 + 2a2 ), con a1 , a2 ∈ R. Los vectores v ∈ V

que tienen estas coordenadas en la base B son v = a1 v1 + a2 v2 + ( a1 + 2a2 )v3 = a1 (v1 + v3 ) +
a2 (v2 + 2v3 ), con a1 , a2 ∈ R.
Entonces, el subespacio de autovectores de f asociado al autovalor 3 es S3 = hv1 + v3 , v2 + 2v3 i.
Para λ = −2:
   
2 −6 3 0 2 0 3 0
( MB ( f ) − (−2) I | 0) =  0 5 0 0 → 0 1 0 0 
2 4 3 0 0 0 0 0

3
Las soluciones del sistema son de la forma ( a1 , a2 , a3 ) = (− a3 , 0, a3 ), con a3 ∈ R.
2
3
Los vectores v ∈ V que tienen estas coordenadas en la base B son v = − a3 v1 + a3 v3 =
2
3
a3 (− v1 + v3 ), con a3 ∈ R.
2
3
Entonces, el subespacio de autovectores de f asociado al autovalor −2 es S−2 = h− v1 + v3 i.
2
3
Uniendo una base de S3 y una base de S−2 obtenemos B00 = {v1 + v3 , v2 + 2v3 , − v1 + v3 },
2
que es una base de V formada por autovectores de f . Por lo tanto,
 
3 0 0
f es diagonalizable y MB00 ( f ) =  0 3 0 .
0 0 −2

Área de Matemática - Ciclo Básico Común - Universidad de Buenos Aires 18

También podría gustarte

Teóricas de Álgebra (27) (UBA CBC Exactas)
Aún no hay calificaciones
Teóricas de Álgebra (27) (UBA CBC Exactas)
293 páginas
Curso de Ingreso a Ingeniería
Aún no hay calificaciones
Curso de Ingreso a Ingeniería
97 páginas
CBC - Algebra 62 - Practica
Aún no hay calificaciones
CBC - Algebra 62 - Practica
89 páginas
Prácticas de Álgebra: Conjuntos y Complejos
Aún no hay calificaciones
Prácticas de Álgebra: Conjuntos y Complejos
65 páginas
Introducción a Conjuntos Numéricos
Aún no hay calificaciones
Introducción a Conjuntos Numéricos
22 páginas
Conceptos Clave de la Recta Real
Aún no hay calificaciones
Conceptos Clave de la Recta Real
45 páginas
Conjunto de Números Reales en Matemáticas
Aún no hay calificaciones
Conjunto de Números Reales en Matemáticas
57 páginas
Prácticas de Álgebra A para Ingeniería UBA
Aún no hay calificaciones
Prácticas de Álgebra A para Ingeniería UBA
88 páginas
Introducción a Notaciones Matemáticas
Aún no hay calificaciones
Introducción a Notaciones Matemáticas
10 páginas
Tema 2 - Anillos - DefiniciÃ N y Ejemplos
Aún no hay calificaciones
Tema 2 - Anillos - DefiniciÃ N y Ejemplos
22 páginas
Introducción al Análisis Real y Topología
Aún no hay calificaciones
Introducción al Análisis Real y Topología
103 páginas
Problemas Resueltos de Cálculo ESCOM-IPN
Aún no hay calificaciones
Problemas Resueltos de Cálculo ESCOM-IPN
58 páginas
Algebra PDF Profe Lunes 25
Aún no hay calificaciones
Algebra PDF Profe Lunes 25
60 páginas
Símbolos y Operaciones Matemáticas
Aún no hay calificaciones
Símbolos y Operaciones Matemáticas
8 páginas
Ejemplos Resueltos de Intervalos
Aún no hay calificaciones
Ejemplos Resueltos de Intervalos
9 páginas
Clase#1 Dominios Numéricos
Aún no hay calificaciones
Clase#1 Dominios Numéricos
11 páginas
Propiedades de los Números Reales
Aún no hay calificaciones
Propiedades de los Números Reales
13 páginas
Matem Atica - Lic. Cs. Biol Ogicas: 1.1. Relaciones de Orden
Aún no hay calificaciones
Matem Atica - Lic. Cs. Biol Ogicas: 1.1. Relaciones de Orden
10 páginas
Funciones Elementales en Matemáticas
Aún no hay calificaciones
Funciones Elementales en Matemáticas
15 páginas
Lenguaje Matemático: Conjuntos y Operaciones
Aún no hay calificaciones
Lenguaje Matemático: Conjuntos y Operaciones
12 páginas
Propiedades de los Números Reales
Aún no hay calificaciones
Propiedades de los Números Reales
5 páginas
Análisis Matemático: Recta Real y Funciones
Aún no hay calificaciones
Análisis Matemático: Recta Real y Funciones
28 páginas
Sistemas Numéricos y sus Estructuras
Aún no hay calificaciones
Sistemas Numéricos y sus Estructuras
46 páginas
Clase Teórica 1 - 9
Aún no hay calificaciones
Clase Teórica 1 - 9
78 páginas
Fundamentos de Matemáticas I: Números y Funciones
Aún no hay calificaciones
Fundamentos de Matemáticas I: Números y Funciones
19 páginas
Fundamentos de Números Reales y Propiedades
Aún no hay calificaciones
Fundamentos de Números Reales y Propiedades
23 páginas
Apunte PDF
Aún no hay calificaciones
Apunte PDF
21 páginas
Algebra I: Inecuaciones y Trigonometría
Aún no hay calificaciones
Algebra I: Inecuaciones y Trigonometría
90 páginas
2-Dominios Numericos
Aún no hay calificaciones
2-Dominios Numericos
11 páginas
Fundamentos de Cálculo Avanzado 1
Aún no hay calificaciones
Fundamentos de Cálculo Avanzado 1
65 páginas
Reales
Aún no hay calificaciones
Reales
65 páginas
Números Reales en Álgebra 2024
Aún no hay calificaciones
Números Reales en Álgebra 2024
9 páginas
Matemáticas Básicas para Ingeniería
Aún no hay calificaciones
Matemáticas Básicas para Ingeniería
46 páginas
Conjuntos y Números Reales en Matemáticas
Aún no hay calificaciones
Conjuntos y Números Reales en Matemáticas
19 páginas
Álgebra de Números Reales y Recta Real
Aún no hay calificaciones
Álgebra de Números Reales y Recta Real
118 páginas
Conjuntos Numéricos y Números Reales
Aún no hay calificaciones
Conjuntos Numéricos y Números Reales
10 páginas
Conjuntos y Funciones en Matemáticas
Aún no hay calificaciones
Conjuntos y Funciones en Matemáticas
17 páginas
Ana 12
Aún no hay calificaciones
Ana 12
14 páginas
Introducción al Álgebra Lineal
Aún no hay calificaciones
Introducción al Álgebra Lineal
66 páginas
Apuntes de Álgebra I UGR 2022-2023
Aún no hay calificaciones
Apuntes de Álgebra I UGR 2022-2023
8 páginas
Álgebra A 62 (Teoría Oficial)
100% (1)
Álgebra A 62 (Teoría Oficial)
38 páginas
Cálculo Diferencial: Teoría de Conjuntos
Aún no hay calificaciones
Cálculo Diferencial: Teoría de Conjuntos
55 páginas
Geometría Vectorial y Analítica
Aún no hay calificaciones
Geometría Vectorial y Analítica
10 páginas
Nociones Básicas de Conjuntos en Matemáticas
Aún no hay calificaciones
Nociones Básicas de Conjuntos en Matemáticas
3 páginas
Operaciones y Conceptos de Conjuntos
Aún no hay calificaciones
Operaciones y Conceptos de Conjuntos
24 páginas
Curso de Matemáticas Noveno
Aún no hay calificaciones
Curso de Matemáticas Noveno
6 páginas
Wa0022.
Aún no hay calificaciones
Wa0022.
66 páginas
Fundamentos de Teoría de Conjuntos
Aún no hay calificaciones
Fundamentos de Teoría de Conjuntos
17 páginas
Introducción a los Conjuntos Matemáticos
Aún no hay calificaciones
Introducción a los Conjuntos Matemáticos
10 páginas
Introducción a Conjuntos y Números
Aún no hay calificaciones
Introducción a Conjuntos y Números
16 páginas
Introducción a Conjuntos y Números Reales
Aún no hay calificaciones
Introducción a Conjuntos y Números Reales
45 páginas
Conjunto de Números Reales (ℝ)
Aún no hay calificaciones
Conjunto de Números Reales (ℝ)
9 páginas
Curso de Nivelación en Matemática
Aún no hay calificaciones
Curso de Nivelación en Matemática
63 páginas
Los Sistemas Políticos Contemporáneos - de La Democracia A La Poliarquía Según Dahl
Aún no hay calificaciones
Los Sistemas Políticos Contemporáneos - de La Democracia A La Poliarquía Según Dahl
1 página
Análisis Del Fascismo Como Movimiento Político Autoritario (Estado Fascista)
Aún no hay calificaciones
Análisis Del Fascismo Como Movimiento Político Autoritario (Estado Fascista)
1 página
Producto Interno y Ángulo entre Vectores
Aún no hay calificaciones
Producto Interno y Ángulo entre Vectores
8 páginas
Introducción a los Polinomios en Álgebra
Aún no hay calificaciones
Introducción a los Polinomios en Álgebra
15 páginas
Fisica CBC Páginas Eliminadas
Aún no hay calificaciones
Fisica CBC Páginas Eliminadas
210 páginas
Práctica de Vectores - CBC UBA
Aún no hay calificaciones
Práctica de Vectores - CBC UBA
3 páginas
Problemas de Álgebra y Divisiones Notables
Aún no hay calificaciones
Problemas de Álgebra y Divisiones Notables
7 páginas
Sistemas Mixtos: Ejercicios y Resoluciones
Aún no hay calificaciones
Sistemas Mixtos: Ejercicios y Resoluciones
5 páginas
Act2 Funciones
Aún no hay calificaciones
Act2 Funciones
6 páginas
Guía de Series de Potencia y Convergencia
Aún no hay calificaciones
Guía de Series de Potencia y Convergencia
5 páginas
Raíces y Teoremas de Ecuaciones Polinomiales
Aún no hay calificaciones
Raíces y Teoremas de Ecuaciones Polinomiales
13 páginas
Ecuaciones Diferenciales de Segundo Orden
Aún no hay calificaciones
Ecuaciones Diferenciales de Segundo Orden
5 páginas
Unidad I - Conjuntos Numéricos
Aún no hay calificaciones
Unidad I - Conjuntos Numéricos
12 páginas
Factorización LU y Método de Cholesky
Aún no hay calificaciones
Factorización LU y Método de Cholesky
1 página
TP1 Inecuacion
Aún no hay calificaciones
TP1 Inecuacion
3 páginas
Em m3 A9 Francisco Garduno
Aún no hay calificaciones
Em m3 A9 Francisco Garduno
6 páginas
5° - Actividad 1
Aún no hay calificaciones
5° - Actividad 1
7 páginas
Teoremas de Cálculo Vectorial en 3D
Aún no hay calificaciones
Teoremas de Cálculo Vectorial en 3D
6 páginas
Grupo 1
Aún no hay calificaciones
Grupo 1
1 página
Exa 2º Bach - Ensayo 2025 Solucionado
Aún no hay calificaciones
Exa 2º Bach - Ensayo 2025 Solucionado
10 páginas
Examen Parcial de Álgebra Lineal 2º Semestre
Aún no hay calificaciones
Examen Parcial de Álgebra Lineal 2º Semestre
1 página
Taller 4 Reglas de Derivacion
Aún no hay calificaciones
Taller 4 Reglas de Derivacion
10 páginas
Interpolacion Lineal
Aún no hay calificaciones
Interpolacion Lineal
6 páginas
Resumen de Sucesiones y Series en Cálculo II
Aún no hay calificaciones
Resumen de Sucesiones y Series en Cálculo II
2 páginas
Funciones Definidas a Trozos y Operaciones
Aún no hay calificaciones
Funciones Definidas a Trozos y Operaciones
7 páginas
Teoria y Practica LL - ECUACIONES DE PRIMER GRADO-SIST - DE ECUACIONES
Aún no hay calificaciones
Teoria y Practica LL - ECUACIONES DE PRIMER GRADO-SIST - DE ECUACIONES
12 páginas
Tarea Virtual 6 Matrices
75% (4)
Tarea Virtual 6 Matrices
4 páginas
Matrices en Álgebra Lineal: Guía y Actividades
Aún no hay calificaciones
Matrices en Álgebra Lineal: Guía y Actividades
10 páginas
Expresiones Algebraicas
Aún no hay calificaciones
Expresiones Algebraicas
2 páginas
Taller Matematicas PDF
Aún no hay calificaciones
Taller Matematicas PDF
5 páginas
Nociones Básicas de Geometría
Aún no hay calificaciones
Nociones Básicas de Geometría
7 páginas
Introducción a la Dinámica
Aún no hay calificaciones
Introducción a la Dinámica
10 páginas
Diferencia de Cuadrados: Factorización
Aún no hay calificaciones
Diferencia de Cuadrados: Factorización
13 páginas
Sílabo de Matemática Básica CCHH
Aún no hay calificaciones
Sílabo de Matemática Básica CCHH
5 páginas
Ejercicios de Procesos Estocásticos 2021
Aún no hay calificaciones
Ejercicios de Procesos Estocásticos 2021
25 páginas