3.

SISTEMA DE ECUACIONES LINEALES

3.1 Ecuaciones Lineales
La ecuación

𝑎1 𝑥1 + 𝑎2 𝑥2 + ⋯ + 𝑎𝑛 𝑥𝑛 = 𝑏
donde los coeficientes 𝑎1 , 𝑎2 , … , 𝑎𝑛 y el término independiente 𝑏 son constantes
conocidas, se llama lineal en las incógnitas 𝑥1 , 𝑥2 , … , 𝑥𝑛 . Se llama lineal porque todas
las incógnitas están elevadas a la potencia 1 y porque los coeficientes 𝑎1 , 𝑎2 , … , 𝑎𝑛 no
contienen a ninguna de las incógnitas.

Ejemplo 3.1
La ecuación 3𝑥 + 2𝑦 − 7𝑧 + 4𝑤 = −8 es una ecuación lineal en las incógnitas 𝑥, 𝑦, 𝑧, 𝑤.
Las siguientes ecuaciones no son lineales

3𝑥 − 2𝑦 + 4𝑧 − 8𝑤 2 = 4

2𝑥𝑦 − 4𝑧𝑤 + 𝑦 − 𝑧 = −1

3𝑥 3 − 4𝑦 + 7𝑧 − 𝑤 = 0

7𝑥 − 𝑠𝑒𝑛(𝑦) + 𝑧 2 − 𝑤 = 𝑒
Resolver una ecuación lineal es encontrar los valores de las incógnitas que satisfacen
la ecuación, es decir, encontrar los valores que al sustituir las incógnitas reducen la
ecuación a una identidad. El conjunto de valores que satisfacen la ecuación se llama
solución de la ecuación. En concreto una sucesión de números 𝑠1 , 𝑠2 , … , 𝑠𝑛 se llama
solución de la ecuación lineal.
𝑎1 𝑥1 + 𝑎2 𝑥2 + ⋯ + 𝑎𝑛 𝑥𝑛 = 𝑏

𝑎1 𝑠1 + 𝑎2 𝑠2 + ⋯ + 𝑎𝑛 𝑠𝑛 = 𝑏
obtenida es verdadera.
La sucesión 𝑠1 = 2, 𝑠2 = 4, 𝑠3 = 4, 𝑠4 = 3 es una solución de la ecuación lineal 2𝑥1 +
𝑥2 − 5𝑥3 + 3𝑥4 = −3.

3.2 Sistema de ecuaciones lineales

Definición 3.1 (Sistema de ecuaciones lineales) Se llama sistema de m ecuaciones
lineales en n incógnitas, o simplemente sistema de ecuaciones lineales, a una
colección de ecuaciones de la forma:
𝐸𝑐1 : 𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 = 𝑏1

𝐸𝑐2 : 𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛 = 𝑏2

𝐸𝑐3 : 𝑎31 𝑥1 + 𝑎32 𝑥2 + ⋯ + 𝑎3𝑛 𝑥𝑛 = 𝑏3

⋮
{𝐸𝑐𝑚 : 𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 = 𝑏𝑚
Donde:

1
𝑎𝑖𝑗 : coeficiente de variable

𝑥𝑗 : Variable o incógnita

𝑏𝑖 : término independiente
El número de ecuaciones m puede ser menor, igual o mayor que el número de
incógnitas n. De la definición de multiplicación de matrices, podemos realizar una
representación matricial, concisa y elegante, de un sistema de ecuaciones lineales:

𝐴. 𝑋 = 𝐵
donde:
𝑎11 𝑎12 𝑎13 … 𝑎1𝑛 𝑥1 𝑏1
𝑎21 𝑎22 𝑎23 … 𝑎2𝑛 𝑥2 𝑏2
𝐴= 𝑎31 𝑎32 𝑎33 … 𝑎3𝑛 𝑋 = 𝑥3 𝑦 𝐵 = 𝑏3
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
(𝑎𝑚1 𝑎𝑚2 𝑎𝑚3 … 𝑎𝑚𝑛 )𝑚×𝑛 (𝑥𝑛 )𝑛×1 (𝑏𝑚 )𝑚×1

La matriz 𝐴 ∈ 𝑀𝑚×𝑛 está formada con los coeficientes 𝑎𝑖𝑗 del sistema; la matriz 𝑋 ∈
𝑀𝑛𝑥1 , por las incógnitas 𝑥𝑖 del sistema; y 𝐵 ∈ 𝑀𝑚𝑥1 , por los términos independientes 𝑏𝑖
del sistema. Como se indicó, con la definición de multiplicación de matrices, es fácil
ver que la representación matricial 𝐴𝑋 = 𝐵 se reduce a la representación explícita del
sistema de ecuaciones lineales:
𝐴𝑋 = 𝐵
𝑎11 𝑎12 𝑎13 … 𝑎1𝑛 𝑥1 𝑏1
𝑎21 𝑎22 𝑎23 … 𝑎2𝑛 𝑥2 𝑏2
𝑎31 𝑎32 𝑎33 … 𝑎3𝑛 ∗ 𝑥3 = 𝑏3
⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
(𝑎𝑚1 𝑎𝑚2 𝑎𝑚3 … 𝑎𝑚𝑛 )𝑚×𝑛 (𝑥𝑛 )𝑛×1 (𝑏𝑚 )
𝑚×1

𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 𝑏1

𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛 𝑏2

=
𝑎31 𝑥1 + 𝑎32 𝑥2 + ⋯ + 𝑎3𝑛 𝑥𝑛 𝑏3

⋮ ⋮
( 𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 )𝑚𝑥𝑛 (𝑏𝑚 )𝑚×1

3.3 Solución de un sistema Lineal

Definición 3.2 (Solución de un sistema lineal) Una matriz
𝑆 = (s1 s2 ⋯ sn )

es solución del sistema lineal AX = B si y solo si AS = B.

Dicho de forma explícita, la sucesión s1 , s2 , … , sn es una solución del sistema lineal
AX = B si al realizar las sustituciones x 1 = s1 , x 2 = s2 , . . . , x n = sn en cada una de
las ecuaciones
ai1 x1 + ai2 x2 + · · · + ain xn = bi i = 1, 2, . . . , m

2
del sistema lineal, cada una de ellas se reduce a una identidad:
ai1 s1 + ai2 s2 + · · · + ain sn = bi i = 1, 2, . . . , m
Solo existen tres posibilidades de solución de un sistema lineal:
No existe solución: No existe un conjunto de valores para las incógnitas xi que
satisfaga todas las ecuaciones simultáneamente.
𝐴𝑚𝑥𝑛 ∗ 𝑋𝑛×1 = 𝐵𝑚𝑥1
C. S. = ∅
Sistema inconsistente
Resolver el sistema da una falsedad.
Solución única: Existe uno y solo un conjunto de valores para las incógnitas 𝑥𝑖 que
satisface todas las ecuaciones simultáneamente.
Se dice que existe un único vector que es solución para el sistema.
𝐴𝑚𝑥𝑛 ∗ 𝑋𝑛×1 = 𝐵𝑚𝑥1

𝑥1
𝑥2
C. S. ={𝑉𝑖 ∈ 𝑉}, 𝑉𝑖 particular 𝑉1 → 𝑋𝑗 𝑢𝑛𝑖𝑐𝑎 𝑥3
⋮
𝑥
( 𝑛)
a) Solución única trivial (Trivial: sin importancia)

C. S. ={0𝑣 ∈ 𝑉}
0
0
𝑋𝑗 = 0 𝑋𝑛𝑥1 = 0
⋮
( 0)
Su solución se ubicará en el punto de origen
b) Solución única no trivial Al menos tiene una variable distinta de cero
C. S. ={𝑉1 ∈ 𝑉}
0
0
∃𝑋𝑗 ≠ 0 𝑋𝑛𝑥1 ≠ 0𝑛𝑥1 0
⋮
𝑋
( 𝑗)

Infinitas soluciones: Existen infinito conjunto de valores para las incógnitas 𝑥𝑖 que
satisfacen todas las ecuaciones simultáneamente. Es sencillo probar que si un sistema
tiene más de una solución, tiene, en realidad, un número infinito de soluciones.
𝐴𝑚𝑥𝑛 ∗ 𝑋𝑛×1 = 𝐵𝑚𝑥1
C. S. ={∀ 𝑉𝑖 ∈ 𝑉/ 𝑐𝑜𝑛𝑑𝑖𝑐𝑖𝑜𝑛}
C. S. = 𝑊𝑖 𝑠. 𝑒. 𝑣. C. S. = 𝑊𝑖 𝑠𝑢𝑏𝑐𝑜𝑛𝑗𝑢𝑛𝑡𝑜

3.4 Clases de Sistemas

Según la solución:

 Consistentes: si y solo si tiene una o varias soluciones.

 Inconsistentes: si y solo si no tiene solución.
Según el término independiente

3
  Homogéneo: si y solo si todas las ecuaciones están igualadas a cero.
𝐵𝑚𝑥1 = 0𝑚𝑥1
 No Homogéneo: si y solo si todas las ecuaciones difieren de cero.
𝐵𝑚𝑥1 ≠ 0𝑚𝑥1
Según el número de incógnitas

 m = n → # Ecuaciones lineales = # de incógnitas (Determinado)

𝐴𝑚𝑥𝑛 ∗ 𝑋𝑛×1 = 𝐵𝑚𝑥1
 𝑚 < 𝑛 → # Ecuaciones lineales < # de variables (Escasamente Determinado)
𝐴𝑚𝑥𝑛 ∗ 𝑋𝑛×1 = 𝐵𝑚𝑥1
 𝑚 > 𝑛 → # Ecuaciones lineales > # de incógnitas (Sobre determinado)
𝐴𝑚𝑥𝑛 ∗ 𝑋𝑛×1 = 𝐵𝑚𝑥1

Definición 3.3 (Ecuación combinación lineal) Al multiplicar cada ecuación de un

sistema lineal por un escalar 𝑐𝑖 , 𝑖 = 1,2, . . . , 𝑚 (no todos nulos) y luego sumar los
miembros izquierdos y los miembros derechos, respectivamente, se obtiene la
ecuación:
𝑚 𝑚 𝑚 𝑛 𝑛 𝑛

(∑ 𝑐𝑖 𝑎𝑖1 ) 𝑥1 + (∑ 𝑐𝑖 𝑎𝑖2 ) 𝑥2 + ⋯ (∑ 𝑐𝑖 𝑎𝑖𝑛 ) 𝑥𝑛 = ∑ (∑ 𝑐𝑖 𝑎𝑖𝑗 ) 𝑥𝑗 = ∑ 𝑐𝑖 𝑏𝑖

𝑖=1 𝑖=1 𝑖=1 𝑗=1 𝑖=1 𝑖=1

la cual se llama combinación lineal de las ecuaciones del sistema lineal.

Ejemplo
Sea el sistema lineal

3𝑥 − 5𝑦 = 7
2𝑥 − 8𝑦 = −5
Si se multiplica la primera ecuación por -2 y la segunda por 4:

−6𝑥 + 10𝑦 = −14,

8𝑥 − 32𝑦 = −20.
Sumando miembro a miembro las dos ecuaciones anteriores. La nueva ecuación
2𝑥 − 22𝑦 = −34
es una combinación lineal de las ecuaciones del sistema lineal.
Definición 3.4 Sistemas lineales equivalentes Se dice que dos sistemas lineales
𝐴𝑋 = 𝐵 y 𝐶𝑋 = 𝐷 son equivalentes si cada una de las ecuaciones del un sistema es
una combinación lineal de las ecuaciones del otro sistema.
Teorema 3.1 Dos sistemas lineales equivalentes tiene exactamente las mismas
soluciones.
Teorema 3.2 Sean A y B dos matrices de orden n y equivalentes por filas. Entonces
los sistemas homogéneos 𝐴𝑋 = 𝑂 y 𝐵𝑋 = 𝑂 son equivalentes; es decir, tienen las
mismas soluciones.

4
Definición 3.5 (Sistemas lineales homogéneos y no homogéneos) Un sistema de
ecuaciones lineales 𝐴𝑋 = 𝐵 se llama homogéneo si 𝐵 = 𝑂 . Si 𝐵 ≠ 𝑂 el sistema se
llama no homogéneo.

3.4.1 Métodos de solución

La idea general del método de solución de un sistema lineal es hallar un sistema
equivalente más simple de resolver que el original. Existen dos métodos que se
diferencian en el tipo de sistema equivalente al que se llega.
3.4.1.1 Método de Gauss En el método de Gauss se halla una matriz escalonada de
la matriz ampliada (𝐴 | 𝐵) del sistema lineal 𝐴𝑋 = 𝐵.
Sea el sistema lineal
2𝑥1 + 2𝑥2 + 2𝑥3 + 2𝑥4 = 12,
𝑥 + 𝑥2 + 3𝑥3 + 3𝑥4 = 12,
{ 1
𝑥1 + 𝑥2 + 2𝑥3 + 3𝑥4 = 12,
𝑥1 + 3𝑥2 + 3𝑥3 + 3𝑥4 = 14
Solución.
Sea (𝐴 |𝐵) la matriz ampliada del sistema. Hallemos una matriz escalonada de la
matriz ampliada:

2 2 2 2 12 (1⁄2)𝑓1 1 1 1 1 6 1 1 1 16
3 12 𝑓2 − 𝑓1 0
(𝐴|𝐵)~ (1 1 3 3 12 1 1 3 0 2 26
| ) ~( | ) ( | )
1 1 2 3 12 1 1 2 3 12 𝑓3 − 𝑓1 0 0 1 26
1 3 3 3 14 1 3 3 3 14 𝑓4 − 𝑓1 0 2 2 2 8 (1⁄2)𝑓4

1 1 1 16 1 1 1 16 1 1 1 1 6
0 0 2 26 0 1 1 14 0 1 1 1 4
~( | ) ~( | ) ~( | )
0 0 1 26 0 0 1 26 0 0 1 2 6
0 1 1 1 4 𝑓4 ⟷ 𝑓2 0 0 2 2 6 𝑓4 − 2𝑓3 0 0 0 −2 −6 −(1⁄2)𝑓4
1 1 1 16
0 1 1 14
~( | ) = (𝐶|𝐷)
0 0 1 26
0 0 0 13
El sistema 𝐶𝑋 = 𝐷
𝑥1 + 𝑥2 + 𝑥3 + 𝑥4 = 6,
𝑥 + 𝑥3 + 𝑥4 = 4,
{ 2
𝑥3 + 2𝑥4 = 6,
𝑥4 = 3,
es equivalente al original 𝐴𝑋 = 𝐵, pero es más fácil de resolver. Se lo resuelve al
empezar a encontrar el valor de las incógnitas desde la última ecuación hacia la
primera:
𝑥4 = 3,
𝑥 = 6 − 2𝑥4 = 6 − 2 ∗ 3 = 0,
{ 3
𝑥2 = 4 − 𝑥3 − 𝑥4 = 4 − 0 − 3 = 1,
𝑥1 = 6 − 𝑥2 − 𝑥3 − 𝑥4 = 6 − 1 − 0 − 3 = 2,
Hemos encontrado que el sistema tiene solución y que tal solución es única.
Verifiquemos que la solución encontrada del sistema 𝐶𝑋 = 𝐷 es también solución del
sistema original 𝐴𝑋 = 𝐵. Es decir, si la matriz

5
𝑆 = (2 1 0 3) 𝑇
es solución del sistema 𝐶𝑋 = 𝐷, también es solución del sistema 𝐴𝑋 = 𝐵:
2 2 2 12 2 12
1 1 3 3 1 12
( )( ) = ( )
1 1 2 3 0 12
1 3 3 3 3 14

3.4.1.2 Método de Gauss-Jordan

En el método de Gauss-Jordan, se halla la matriz escalonada reducida por filas de la
matriz ampliada del sistema lineal.

Ejemplo
Resolver el sistema lineal del ejemplo anterior por el método de Gauss-Jordan.
Solución.
Hallemos la matriz escalonada reducida por filas de la matriz ampliada del sistema
partiendo desde la ya encontrada matriz escalonada:

2 2 2 2 12 (1⁄2)𝑓1 1 1 1 1 6 1 1 1 16
3 12 𝑓2 − 𝑓1 0
(𝐴|𝐵)~ (1 1 3 3 12 1 1 3 0 2 26
| ) ~( | ) ( | )
1 1 2 3 12 1 1 2 3 12 𝑓3 − 𝑓1 0 0 1 26
1 3 3 3 14 1 3 3 3 14 𝑓4 − 𝑓1 0 2 2 2 8 (1⁄2)𝑓4

1 1 1 16 1 1 1 1 6 𝑓1 − 𝑓2 1 0 0 0 2
0 0 2 26 0 1 1 14 0 1 1 1 4 𝑓 − 𝑓3
~( | ) ~( | ) ~( | ) 2
0 0 1 26 0 0 1 26 0 0 1 2 6
0 1 1 1 4 𝑓4 ⟷ 𝑓2 0 0 2 26 0 0 0 −2 −6 −(1⁄2)𝑓4

1 0 0 0 2 1 0 0 02
0 1 0 −1 −2 𝑓2 + 𝑓4 0 1 0 01
~( | ) ~( | ) = (𝐸|𝐹)
0 0 1 2 6 2𝑓3 − 𝑓4 0 0 1 00
0 0 0 1 3 0 0 0 13
El sistema lineal 𝐸𝑋 = 𝐹, equivalente al sistema original 𝐴𝑋 = 𝐵, puede escribirse
explícitamente como

𝑥 = 2, 𝑦 = 1, 𝑧 = 0, 𝑤 = 3,
el cual, a su vez, es ya la solución del sistema.
Obsérvese que en este caso el sistema lineal tiene solución única y que:
1. El rango de la matriz de coeficientes es igual al rango de la matriz ampliada:
𝑟𝑎𝑛𝐴 = 4 = 𝑟𝑎𝑛(𝐴 | 𝐵)
2. Dicho rango es igual al número de incógnitas:
𝑟𝑎𝑛𝐴 = 𝑟𝑎𝑛(𝐴 |𝐵) = 4 = 𝑛
Resolver por el método de Gauss-Jordan el sistema lineal
𝑥 + 2𝑦 + 𝑤 = 7,
{𝑥 + 𝑦 + 𝑧 − 𝑤 = 3,
3𝑥 + 𝑦 + 5𝑧 − 7𝑤 = 1.

6
Solución.
Sea (𝐴 | 𝐵) la matriz ampliada del sistema lineal. Hallemos su matriz escalonada
reducida por filas:

1 2 0 1 7 1 2 0 1 7
(𝐴|𝐵) = (1 1 1 | )
−1 3 2𝑓 − 𝑓1 ~ ( 0 −1 1 −2 −4 ) −𝑓2
|
3 1 5 −7 1 𝑓3 − 3𝑓1 0 −5 5 −10 −20

1 2 0 1 7 𝑓1 − 2𝑓2 1 0 2 −3 −1
~ (0 1 −1 2 | 4 ) ~ ( 0 1 −1 2 | 4 ) = (𝐶|𝐷)
0 −5 5 −10 −20 𝑓3 + 5𝑓2 0 0 0 0 0
La tercera ecuación
0𝑥 + 0𝑦 + 0𝑧 + 0𝑤 = 0
del sistema 𝐶𝑋 = 𝐷 tiene como solución cualesquiera conjunto de valores de las
incógnitas 𝑥, 𝑦, 𝑧 𝑦 𝑤. Por lo tanto,cualesquiera solución de las dos primeras
ecuaciones será también solución de la tercera. Por ello el sistema lineal 𝐶𝑋 = 𝐷 lo
escribimos así:
x + 2z − 3w = −1,
{
y − z + 2w = 4.
Para empezar a dar la solución del sistema, pensemos solamente en la segunda
ecuación. Parece que hay una gran amplitud para los valores de y, z y w. Intentemos
escogiendo valores arbitrarios para 𝑧 y 𝑤. Sean 𝑧 = 𝑡 ∈ 𝑅 y 𝑤 = 𝑢 ∈ 𝑅. Para la
incógnita 𝑦 ya no podemos escoger cualquier valor, sino que lo encontramos
despejando 𝑦 de la segunda ecuación:
𝑦 = 4 + 𝑧 − 2𝑤 = 4 + 𝑡 − 2𝑢.
Procedamos de igual manera con la primera ecuación. Como los valores de 𝑧 y 𝑤 ya
están fijados, despejamos x:

𝑥 = −1 − 2𝑧 + 3𝑤 = −1 − 2𝑡 + 3𝑢
Escribamos la solución del sistema 𝐶𝑋 = 𝐷 en forma de la matriz
−1 − 2𝑡 + 3𝑢
4 + 𝑡 − 2𝑢
𝑆=( ) 𝑡, 𝑢 ∈ ℝ
𝑡
𝑢
Como los parámetros 𝑡 y 𝑢 pueden asumir cualquier valor en los números reales
tenemos que el sistema 𝐶𝑋 = 𝐷 tiene número infinito de soluciones. Por ejemplo, 𝑆1 y
𝑆2 son dos de dichas soluciones:
3 6
1 0
𝑆1 = ( ) si 𝑡 = 1, 𝑢 = 2 y 𝑆2 = ( ) si 𝑡 = −2, 𝑢 = 1
1 −2
2 1
Podríamos verificar que 𝑆1 y 𝑆2 son soluciones del sistema 𝐶𝑋 = 𝐷 y también del
sistema 𝐴𝑋 = 𝐵. Comprobemos que la matriz 𝑆 es solución del sistema original 𝐴𝑋 =
𝐵 que se nos dio a resolver. Sean 𝑡, 𝑢 ∈ 𝑅. Entonces:

7
 −1 − 2𝑡 + 3𝑢
1 2 0 1
4 + 𝑡 − 2𝑢
𝐴 ∗ 𝑆 = (1 1 1 −1) ( ) 𝑡, 𝑢 ∈ ℝ
𝑡
3 1 5 −7
𝑢
(−1 − 2t + 3u) + 2(4 + t − 2u) + 0 + u 7
( (−1 − 2t + 3u) + (4 + t − 2u) + t − u ) = (3) = 𝐵
3(−1 − 2t + 3u) + (4 + t − 2u) + 5t − 7u 1

Observemos que en este ejemplo:

𝑟𝑎𝑛(𝐴) = 2 = 𝑟𝑎𝑛(𝐴 | 𝐵)
y que el rango es menor que el número de incógnitas:
𝑟𝑎𝑛𝐴 = 𝑟𝑎𝑛(𝐴 | 𝐵) = 𝑟 = 2 < 4 = 𝑛.
Observemos también que el número de parámetros es igual al número de incógnitas
menos el rango: 𝑛 − 𝑟 = 4 − 2 = 2.

Ejemplo
Si es posible, resolver el sistema lineal
𝑥 + 2𝑦 + 3𝑧 = 6,
{−2x + 3y − 5z = 4,
x + 9y + 4z = 10.
Solución. c
Sea (𝐴 | 𝐵) la matriz ampliada del sistema lineal. Hallemos su matriz escalonada
reducida por filas:

1 2 3 6 1 2 3 6 1 2 3 6
(𝐴|𝐵) = (−2 3 −5| 4 ) 𝑓2 + 2𝑓1 ~ (0 7 1|16) (0 7 1| 4 ) = (𝐶|𝐷)
1 9 4 10 𝑓3 − 𝑓1 0 7 1 4 𝑓3 − 𝑓2 0 0 0 −12
El sistema equivalente (𝐶𝑋 = 𝐷) puede escribirse así:
𝑥 + 2𝑦 + 3𝑧 = 6
{−2x + 3y − 5z = 4,
0x + 0y + 0z = − 12.
Claramente se ve que no existen números 𝑥, 𝑦 y 𝑧 que satisfagan la tercera ecuación.
Si la tercera ecuación no tiene solución, entonces el sistema lineal 𝐴𝑋 = 𝐵 tampoco
tiene solución.
Observemos que, en este caso, el rango de la matriz de los coeficientes es menor que
el rango de la matriz ampliada del sistema:
𝑟𝑎𝑛𝐴 = 2 < 3 = 𝑟𝑎𝑛(𝐴 |𝐵).
En los tres ejemplos anteriores hemos encontrado que en los que existe solución, el
rango de la matriz de los coeficientes es igual al rango de la matriz ampliada del
sistema. Si, además, ese rango es igual al número de incógnitas la solución es única;
pero si el rango es menor al número de incógnitas, el sistema lineal tiene número
infinito de soluciones. También hemos encontrado que si el rango de la matriz de los
coeficientes es menor que el rango de la matriz ampliada del sistema, entonces el
sistema no tiene solución. Por supuesto, los ejemplos estudiados no son suficientes

8
para concluir que esto siempre es así. Sin embargo, se puede demostrar que esto
ocurre así efectivamente, por lo que enunciamos el siguiente teorema

Teorema 3.3 (Soluciones de un sistema lineal)

Sea el sistema lineal de 𝑚 ecuaciones con 𝑛 incógnitas cuya representación matricial
es 𝐴𝑋 = 𝐵.
1. Si 𝑟𝑎𝑛𝐴 < 𝑟𝑎𝑛(𝐴 |𝐵), el sistema no tiene solución.

2. 𝑆𝑖 𝑟𝑎𝑛𝐴 = 𝑟𝑎𝑛(𝐴 |𝐵) = 𝑟, el sistema tiene solución.

(a) Si, además,𝑟 = 𝑛, tal solución es única.

(b) Si, además, 𝑟 < 𝑛, el sistema tiene número infinito de soluciones con 𝑛 − 𝑟
parámetros.

Corolario 3.4 Un sistema lineal homogéneo 𝐴𝑋 = 𝑂 siempre tiene solución.

En los sistemas homogéneos tenemos otro criterio para determinar el número de
soluciones que tiene el sistema.

Teorema 3.5 Si en el sistema 𝐴𝑋 = 𝑂 hay menos ecuaciones que incógnitas; es

decir, si la matriz A es de orden 𝑚 × 𝑛 con 𝑚 < 𝑛, el sistema tiene un número infinito
de soluciones.

Si el sistema lineal 𝐴𝑋 = 𝐵 tiene igual número de ecuaciones que de incógnitas es

más fácil saber si el sistema tiene o no solución con base en el conocimiento del
determinante |𝐴|.
Teorema 3.6 (Soluciones de un sistema cuadrado) Sea el sistema lineal de n
ecuaciones con n incógnitas cuya representación matricial es 𝐴𝑋 = 𝐵.
1. Si |𝐴| ≠ 0, el sistema tiene solución única.
2. Si |A| = 0, el sistema o no tiene solución o tiene número infinito de soluciones.
Si el sistema lineal es homogéneo tenemos el siguiente corolario.
Corolario 3.7 Sea el sistema lineal homogéneo de n ecuaciones con n incógnitas cuya
representación matricial es 𝐴𝑋 = 𝑂.
1. Si |𝐴| = 0, el sistema tiene número infinito de soluciones.
2. Si |𝐴| ≠ 0, el sistema tiene solución única, la trivial; es decir, la matriz columna
nula.
Si tenemos un sistema lineal cuadrado que tiene solución única, se cuenta con un
procedimiento que utiliza los determinantes, llamado regla de Cramer, para hallar su
solución.
Teorema 3.8 (Regla de Cramer) La solución de un sistema lineal 𝐴𝑋 = 𝐵, con 𝐴 ∈
𝑀𝑛 inversible, viene dada por:
𝑎11 𝑎12 … 𝑎1(𝑖−1) 𝑏1 𝑎1(𝑖+1) … 𝑎1𝑛
1 𝑎21 𝑎22 … 𝑎2(𝑖−1) 𝑏2 𝑎2(𝑖+1) … 𝑎2𝑛
𝑥𝑖 = | ||
|𝐴| | ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
𝑎𝑛1 𝑎𝑛2 … 𝑎𝑛(𝑖−1) 𝑏𝑛 𝑎𝑛(𝑖+1) … 𝑎𝑛𝑛

9
Ejemplo
Usar la regla de Cramer para encontrar la solución del sistema lineal
𝑥 + 2𝑦 + 3𝑧 = 13,
{2𝑥 + 3𝑦 + 𝑧 = 10,
3𝑥 + 𝑦 + 2𝑧 = 13
Solución.
Sea 𝐴𝑋 = 𝐵 la representación matricial del sistema. Hallemos el determinante de la
matriz de coeficientes:
1 2 3
|𝐴| = |2 3 1| = −18 ≠ 0
3 1 2
Entonces el sistema tiene solución única que la hallamos con la regla de Cramer:

1 13 2 3 1
𝑥= |10 3 1| = (−36) = 2
−18 −18
13 1 2

1 1 13 3 1
𝑦= |2 10 1| = (−18) = 1
−18 −18
3 13 2

1 1 2 13 1
𝑧= |2 3 10| = (−54) = 3
−18 −18
3 1 13
Ejercicio
Sea el sistema lineal:
−𝑥 + 𝑦 − 𝑧 = 𝑚 − 𝑝 + 2,
(𝑝 + 1)𝑥 + 𝑦 + 𝑧 = 2𝑚 + 2,
{
𝑥 + 𝑧 = 𝑚,
(𝑝 + 1)𝑥 − 𝑦 + 𝑧 = 𝑝 − 2

Hallar los valores de 𝑚, 𝑝 ∈ 𝑅 para que el sistema

(a) Tenga solución única.
(b) Tenga un número infinito de soluciones.
(c) No tenga solución.
En los dos primeros casos, encuentre las soluciones.
Desarrollo.
Sea 𝐴𝑋 = 𝐵 la representación matricial del sistema lineal. Hallemos la matriz
escalonada reducida por filas de la matriz ampliada (𝐴| 𝐵):
−1 1 −1 𝑚 − 𝑝 + 2 𝑓1 + 𝑓4 𝑝 0 0 𝑚
(𝑝 + 1) 1 1 2𝑚 + 2 (𝑝 + 1) 1 1 2𝑚 + 2 𝑓2 − 𝑓1
(𝐴|𝐵) = ( | ) ~( | ) ~
1 0 1 𝑚 1 0 1 𝑚
(𝑝 + 1) −1 1 𝑝−2 (𝑝 + 1) −1 1 𝑝 − 2 𝑓4 − 𝑓1

10
 𝑝 0 0 𝑚 𝑝 0 0 𝑚 𝑝 0 0 𝑚
1 1 1 𝑚+2 𝑓2 − 𝑓3 0 1 0 2 0 1 0 2
( | 𝑚 ) ~( | 𝑚 ) ~( | ) ~
1 0 1 1 0 1 1 0 1 𝑚
1 −1 1 𝑝 − 𝑚 − 2 𝑓4 − 𝑓1 1 −1 1 𝑝 − 𝑚 − 2 𝑓4 + 𝑓2 1 0 1 𝑝 − 𝑚 𝑓4 − 𝑓3
𝑝 0 0 𝑚
0 1 0 2
( | 𝑚 ) = (𝐶|𝐷)
1 0 1
0 0 0 𝑝 − 2𝑚
Dependiendo de los valores de 𝑚 𝑦 𝑝 el rango de la matriz 𝐴 sera igual o menor que el
rango de la matriz ampliada (𝐴 | 𝐵) y, por lo tanto, el sistema 𝐴𝑋 = 𝐵 tendrá o no
solución. Estudiemos cada caso.
Sea 𝑝 ≠ 2𝑚.
Entonces 𝑟𝑎𝑛(𝐴) = 2 < 3 = 𝑟𝑎𝑛(𝐴| 𝐵)

y el sistema 𝐴𝑋 = 𝐵 no tiene solución.

Sea 𝑝 = 2𝑚.
El sistema 𝐴𝑋 = 𝐵 se convierte en el sistema
2𝑚𝑥 = 𝑚,
{y = 2,
𝑥 + 𝑧 = 𝑚.
Sea 𝐸𝑋 = 𝐹 su representación matricial. El determinante de la matriz de los
coeficientes es
2𝑚 0 0
|𝐸| = | 0 1 0| = 2𝑚
1 0 1
El valor del determinante depende del valor de m. Entonces:

– si m = 0, el determinante |𝐸| es igual a cero; el sistema 𝐸𝑋 = 𝐹 se convierte en el

sistema
y = 2,
{
𝑥 + 𝑧 = 0.
el cual tiene número infinito de soluciones.
Sea 𝑧 = 𝑟 ∈ 𝑅. Entonces 𝑥 = −𝑟. El número infinito de soluciones viene dado por la
matriz
−𝑟
𝑆=(2) 𝑟∈ℝ
𝑟
– Si 𝑚 ≠ 0, el determinante |𝐸|es distinto de cero. El sistema 𝐸𝑋 = 𝐹 tiene, pues,
una sola solución:
1⁄2
𝑆=( 2 )
𝑚 − (1⁄2)
En resumen:

11
 a) Sean 𝑝, 𝑚 ∈ 𝑅 tales que 𝑝 = 2𝑚 y 𝑚 ≠ 0. Entonces el sistema dado tiene la
solución única
1⁄2
𝑆=( 2 )
𝑚 − (1⁄2)
b) Sean 𝑚 = 0 y 𝑝 = 0. Entonces el sistema dado tiene número infinito de
soluciones dados por la matriz
−𝑟
𝑆=(2) 𝑟∈ℝ
𝑟
c) ) Sean 𝑝, 𝑚 ∈ 𝑅 tales que 𝑝 ≠ 2𝑚. Entonces el sistema dado no tiene
solución.
Resumen
1. Matriz Ampliada
Sea 𝑆𝑖 un Sistema de Ecuaciones Lineales (S.E.L) representadas por:
𝐴mxn ∗ 𝑋𝑛×1 = 𝐵𝑚𝑥1
(𝐴𝑚𝑥𝑛 ⃒𝐵𝑚×1 )
# 𝑓𝑖𝑛𝑖𝑡𝑜 𝑑𝑒 𝑜𝑝𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑎𝑙𝑒𝑠
𝑀é𝑡𝑜𝑑𝑜 𝑑𝑒 𝐺𝑎𝑢𝑠𝑠 − 𝐽𝑜𝑟𝑑𝑎𝑛
(𝐴∗ 𝑚𝑥𝑛 ⃒𝐵∗ 𝑚×1 )

𝐴∗𝑚𝑥𝑛 ~𝐴𝑚𝑥𝑛 𝑚=𝑛

𝑆2 ~𝑆1 Sirve para todos los casos 𝑚 < 𝑛
𝐶. 𝑆𝑆2 ~𝐶. 𝑆𝑆1 𝑚>𝑛

2. Matriz inversa
Sea 𝑆𝑖 un Sistema de Ecuaciones Lineales (S.E.L) representadas por:
𝐴𝑚𝑥𝑛 ∗ 𝑋𝑛×1 = 𝐵𝑚𝑥1
Condición: 𝑚 = 𝑛: # 𝐸𝑐𝑢𝑎𝑐𝑖𝑜𝑛𝑒𝑠 = # 𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠
𝐴𝑚𝑥𝑛 = 𝐴𝑛𝑥𝑛 → ∃ |𝐴𝑛𝑥𝑛 | → |𝐴𝑛𝑥𝑛 | ≠ 0
𝐴 es inversible → Existirá 𝐴𝑛𝑥𝑛 −1
𝐴𝑛𝑥𝑛 ∗ 𝑋𝑛×1 = 𝐵𝑚𝑥1
𝐴𝑛𝑥𝑛 −1 ∗ 𝐴𝑚𝑥𝑛 ∗ 𝑋𝑛×1 = 𝐴𝑛𝑥𝑛 −1 ∗ 𝐵𝑛𝑥1
𝐼𝑛𝑥𝑛 ∗ 𝑋𝑛𝑥1 −1 = 𝐴𝑛𝑥𝑛 −1 ∗ 𝐵𝑛𝑥1
𝑋𝑛𝑥1 = 𝐶𝑛𝑥1
Sucede siempre que busque solución única
3. Crammer o por determinantes
Sea 𝑆𝑖 un Sistema de Ecuaciones Lineales (S.E.L) representadas por:
𝐴𝑚𝑥𝑛 ∗ 𝑋𝑛×1 = 𝐵𝑚𝑥1
Condición: 𝑚 = 𝑛: # 𝐸𝑐𝑢𝑎𝑐𝑖𝑜𝑛𝑒𝑠 = # 𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠
𝐴𝑚𝑥𝑛 = 𝐴𝑛𝑥𝑛 → ∃ |𝐴𝑛𝑥𝑛 | → |𝐴𝑛𝑥𝑛 | ≠ 0
𝑎11 𝑎12 … 𝑎1(𝑖−1) 𝑏1 𝑎1(𝑖+1) … 𝑎1𝑛
1 𝑎21 𝑎22 … 𝑎2(𝑖−1) 𝑏2 𝑎2(𝑖+1) … 𝑎2𝑛
𝑥𝑖 = | || 𝑖 = 1,2,3, … , 𝑛
|𝐴| | ⋮ ⋮ ⋮ ⋮ ⋮ ⋮ ⋮
𝑎𝑛1 𝑎𝑛2 … 𝑎𝑛(𝑖−1) 𝑏𝑛 𝑎𝑛(𝑖+1) … 𝑎𝑛𝑛

12
Análisis
1. m=n

𝐴𝑛𝑥𝑛 ∗ 𝑋𝑛×1 = 𝐵𝑛𝑥1 , → ∃ |𝐴𝑛𝑥𝑛 |

i.|𝑨𝒏 | ≠ 𝟎
Espero solución única
a) Si es homogéneo → 𝐴𝑛𝑥𝑛 ∗ 𝑋𝑛×1 = 0𝑛𝑥1
Espero solución única trivial → ∀𝑋𝑗 = 0 → 𝑋𝑛𝑥1 = 0𝑛𝑥1
b) Si es no homogéneo →, 𝐴𝑛𝑥𝑛 ∗ 𝑋𝑛×1 = 𝐵𝑛𝑥1
Espero solución única no trivial → ∃𝑋𝑗 ≠ 0 → 𝑋𝑛𝑥1 ≠ 0𝑛𝑥1

Se resuelve por matriz ampliada, inversa o Cramer

ii.|𝑨𝒏𝒙𝒏 | = 𝟎
Espero Infinitas soluciones o ninguna solución
a) Si es homogéneo
Espero Infinitas soluciones
→ C. S. = 𝑊𝑖 {∀𝑉𝑖 𝑐𝑜𝑛𝑑𝑖𝑐𝑖𝑜𝑛}(𝑠𝑢𝑏𝑐𝑜𝑛𝑗𝑢𝑛𝑡𝑜)
b) Si es no homogéneo
Espero Infinitas soluciones o ninguna solución

→ C. S. = 𝑊𝑖 v C. S. = ∅
Se resuelve por matriz ampliada
2. m < n
No puedo encontrar solución única
a) Sistema homogéneo: 𝐴𝑚𝑥𝑛 ∗ 𝑋𝑛×1 = 0𝑚𝑥1
Espero infinitas soluciones
b) Sistema no homogéneo
Espero infinitas soluciones o ninguna solución
→ C. S. = 𝑊𝑖 v C. S. = ∅ → 𝑆𝑜𝑙𝑢𝑐𝑖𝑜𝑛 𝑒𝑠 𝑓𝑎𝑙𝑠𝑜
Se resuelve con ampliada
3. m > n
Solución depende del sistema
i. Solución única
ii. Infinitas soluciones → 𝑊𝑖 𝑒𝑠 𝑆. 𝑒. 𝑣. 𝑜 𝑠𝑢𝑏𝑐𝑜𝑛𝑗𝑢𝑛𝑡𝑜
iii. Ninguna solución → C. S. = ∅

Ejemplo:
𝑥1 + 2𝑥2 − 𝑥3 + (1⁄2)𝑥4 = 0
{−𝑥1 + (1⁄3)𝑥3 + 2𝑥4 = 0
−(1⁄4)𝑥1 + 2𝑥2 − 𝑥3 + 𝑥4 = 0

13
 𝑥1
1 2 −1 1⁄2 𝑥2
( −1 0 1⁄3 2 ) (𝑥 )
3
−(1⁄4) 2 −1 1
3𝑥4 𝑥4 4𝑥1

Análisis:
𝑚 = 3, 𝑛 = 4; 𝑚 < 𝑛 Escasamente determinado
Sistema homogéneo
Espero infinitas soluciones
Método la ampliada

1 2 −1 (1⁄2) 0 1 2 −1 (1⁄2) 0
( −1 0 (1⁄3) 2 |0) 𝑓2 + 𝑓1 ~ (0 2 −(2⁄3) (5⁄2)|0) (1⁄2)𝑓2 ~
−(1⁄4) 2 −1 1 0 𝑓3 + (1⁄4)𝑓1 0 (5⁄2) −(5⁄4) (9⁄8) 0

1 2 −1 (1⁄2) 0 1 2 −1 (1⁄2) 0
(0 1 ⁄
−(1 3 ) (5 ⁄ )
4 |0) ~ (0 1 ⁄
−(1 3 ) (5⁄4)|0) ~
0 (5⁄2) −(5⁄4) (9⁄8) 0 𝑓3 − (5⁄2)𝑓2 0 0 −(5⁄12) −2 0 −(12⁄5)𝑓3

1 2 −1 (1⁄2) 0
(0 1 −(1⁄3) (5⁄4) |0)
0 0 1 (24⁄5) 0

Sea: 𝑥4 = 𝑡 entonces se tiene el sistema:

𝑥1 + 2𝑥2 − 𝑥3 + (1⁄2)𝑥4 = 0 𝑥3 = −(24⁄5)𝑥4 = −(24⁄5)𝑡

{ 𝑥2 − (1⁄3)𝑥3 + (5⁄4)𝑥4 = 0 {𝑥2 = (1⁄3)𝑥3 − (5⁄4)𝑥4 = −(57⁄20)𝑡
𝑥3 + (24⁄5)𝑥4 = 0 𝑥1 = −2𝑥2 + 𝑥3 − (1⁄2)𝑥4 = (2⁄5)𝑡

𝐶. 𝑆 = {(𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 )} = {(2⁄5)𝑡, −(57⁄20)𝑡, −(24⁄5)𝑡, 𝑡}

Dados los siguientes sistemas de ecuaciones lineales, indicar:
i. Cuando el sistema tiene única solución. Hallar la solución
ii. Cuando el sistema tiene infinitas soluciones. Hallar las soluciones.
iii. Cuando el sistema no tiene solución

𝝀𝒙 + 𝒚 + 𝒛 = 𝟏
a) { 𝒙 + 𝝀𝒚 + 𝒛 = 𝝀
𝒙 + 𝒚 + 𝝀𝒛 = 𝝀𝟐

Análisis: 𝑚 = 𝑛 = 3 → ∃ |𝐴𝑛𝑥𝑛 |
Calculando su determinante se obtiene:

𝜆 1 1 𝑓1 + 𝑓2 + 𝑓3 𝜆+2 𝜆+2 𝜆+2 1 1 1

|𝐴| = |1 𝜆 1| =| 1 𝜆 1 | = (𝜆 + 2) |1 𝜆 1| 𝐶2 − 𝐶1
1 1 𝜆 1 1 𝜆 1 1 𝜆 𝐶3 − 𝐶1
1 0 0
|𝐴| = (𝜆 + 2) |1 𝜆 − 1 0 | = (𝜆 + 2)(𝜆 − 1)2
1 0 𝜆−1

14
|𝐴| ≠ 0 𝑠𝑠𝑖 𝜆 ≠ −2 ∧ 𝜆 ≠ 1 ⇒ ∃𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 ú𝑛𝑖𝑐𝑎 𝑠𝑖 𝜆 ≠ −2 ∨ 𝜆 ≠ 1

Obtengamos el determinante de x y luego el valor de la variable

1 1 1 1 0 1
1 1
|𝐴𝑥| = | 𝜆 𝜆 |
1 2 𝐶 − 𝐶1 = | 𝜆 0 1| = −(1 − 𝜆2 ) | | = −(1 − 𝜆2 )(1 − 𝜆)
𝜆 1
𝜆2 1 𝜆 𝜆2 1 − 𝜆2 𝜆
|𝐴𝑥| −(1 − 𝜆2 )(1 − 𝜆) (1 − 𝜆)(1 + 𝜆) −(1 + 𝜆)
𝑥= = 2
= =
|𝐴| (𝜆 + 2)(𝜆 − 1) (𝜆 + 2)((𝜆 − 1)) (𝜆 + 2)

De igual forma para y

𝜆 1 1 𝜆 1 1 𝜆 1+𝜆 1
△ 𝑦 = |1 𝜆 1| 𝑓2 − 𝑓1 = |1 − 𝜆 𝜆 − 1 0| 𝐶2 + 𝐶1 = |1 − 𝜆 0 0|
1 𝜆2 𝜆 1 𝜆2 𝜆 1 𝜆2 + 1 𝜆
1+𝜆 1
△ 𝑦 = −(1 − 𝜆) | 2 | = (𝜆 − 1)(𝜆 + 𝜆2 − 𝜆2 − 1) = (𝜆 − 1)2
𝜆 +1 𝜆
△𝑦 (𝜆 − 1)2 1
𝑦= = =
|𝐴| (𝜆 + 2)(𝜆 − 1)2 (𝜆 + 2)
Por último, se obtiene la variable z

𝜆 1 1 𝜆 1−𝜆 1−𝜆 𝜆 −1 −1 𝑓1 + 𝑓2
𝐶 − 𝐶 (𝜆 2
△ 𝑧 = |1 𝜆 𝜆| 2 1 = |1 𝜆−1 𝜆 − 1 | = − 1) |1 1 1 | =
1 1 𝜆2 𝐶3 − 𝐶1 1 0 𝜆2 − 1 1 0 𝜆+1
𝜆+1 0 0
1 1
△ 𝑧 = (𝜆 − 1)2 | 1 1 1 | = (𝜆 − 1)2 (𝜆 + 1) | | = (𝜆 − 1)2 (𝜆 + 1)2
0 𝜆+1
1 0 𝜆+1
△𝑧 (𝜆2 − 1)2 (𝜆 + 1)2
𝑧= = =
|𝐴| (𝜆 + 2)(𝜆 − 1)2 (𝜆 + 2)

−(1 + 𝜆) 1 (𝜆 + 1)2
𝐶. 𝑆 = ( , , )
(𝜆 + 2) (𝜆 + 2) (𝜆 + 2)

Estudiemos que sucede cuando 𝝀 = −𝟐

−2 1 1 1 𝑓1 + 𝑓2 + 𝑓3 0 0 0 3
( 1 −2 1|−2) ∼ (1 −2 1|−2)
1 1 −2 4 1 1 −2 4
Como en la primera fila se genera la ecuación
0𝑥 + 0𝑦 + 0𝑧 = 3
y no existen valores de 𝑥, 𝑦, 𝑧 que hagan cumplir esa igualdad, concluimos que el
sistema para 𝜆 = −2 no tiene solución.
Hagamos el mismo proceso para cuando 𝝀 = 𝟏

1 1 11 1 1 11
(1 1 1|1) 𝑓2 − 𝑓1 ∼ (0 0 0|0)
1 1 1 1 𝑓3 − 𝑓1 0 0 00
El sistema inicial quedaría de la siguiente forma:

15
 𝑥+𝑦+𝑧 =1
Si 𝑧 = 𝑡 ∧ 𝑦 = 𝑢 𝑐𝑜𝑛 𝑢, 𝑡 ∈ ℝ ⇒ 𝑥 = 1 − 𝑡 − 𝑢 al despejar
Obteniéndose infinitas soluciones con el siguiente conjunto solución
𝐶. 𝑆 = (1 − 𝑡 − 𝑢, 𝑢, 𝑡)𝑐𝑜𝑛 𝑢, 𝑡 ∈ ℝ
(𝝀 + 𝟐)𝒂𝒐 + 𝒂𝟏 + 𝒂𝟐 = 𝟏
𝒂𝒐 + (𝝀 + 𝟐)𝒂𝟏 + 𝒂𝟐 = 𝟏
b)
𝒂𝒐 + 𝒂𝟏 + (𝝀 + 𝟐)𝒂𝟐 = 𝟏
{(𝝀 + 𝟑)𝒂𝒐 + (𝟐𝝀 + 𝟒)𝒂𝟏 + (𝟏 − 𝝀)𝒂𝟐 = 𝟐

(𝜆 + 2) 1 1 1
𝑎0
1 (𝜆 + 2) 1 1
( ) (𝑎1 ) = ( )
1 1 (𝜆 + 2) 𝑎2 1
(𝜆 + 3) (2𝜆 + 4) (1 − 𝜆) 2

Análisis
𝑚 > 𝑛 Sistema No Homogéneo. Solución depende del sistema.

(𝜆 + 2) 1 1 1 (𝜆 + 2) 1 1 1
1 (𝜆 + 2) 1 1 (𝜆 + 2) 1
~( 1 1
( | ) | )
1 1 (𝜆 + 2) 1 1 1 (𝜆 + 2) 1
(𝜆 + 3) (2𝜆 + 4) (1 − 𝜆) 2 𝑓4 − (𝑓1 + 2𝑓2 − 𝑓3 ) 0 0 0 0

El sistema inicial se transforma entonces:

(𝜆 + 2)𝑎𝑜 + 𝑎1 + 𝑎2 = 1
{𝑎𝑜 + (𝜆 + 2)𝑎1 + 𝑎2 = 1
𝑎𝑜 + 𝑎1 + (𝜆 + 2)𝑎2 = 1
Haciendo un nuevo análisis decimos que 𝑚 = 𝑛 → ∃|𝐴|

(𝜆 + 2) 1 1 𝑓1 + 𝑓2 + 𝑓3 (𝜆 + 4) (𝜆 + 4) (𝜆 + 4)
|𝐴| = | 1 (𝜆 + 2) 1 | =| 1 (𝜆 + 2) 1 |
1 1 (𝜆 + 2) 1 1 (𝜆 + 2)

1 1 1 1 0 0
|𝐴| = (𝜆 + 4) |1 (𝜆 + 2) 1 | 𝐶2 − 𝐶1 = (𝜆 + 4) |1 (𝜆 + 1) 0 |
1 1 (𝜆 + 2) 𝐶3 − 𝐶1 1 0 (𝜆 + 1)

|𝐴| = (𝜆 + 4)(𝜆 + 1)2

|𝐴| = 0 𝑠𝑠𝑖 𝜆 = −4 ∨ 𝜆 = −1
Por lo tanto {
|𝐴| ≠ 0 𝑠𝑠𝑖 𝜆 ≠ −4 ∨ 𝜆 ≠ −1
Si 𝜆 = −4

−2 1 1 1 𝑓1 + 2𝑓2 0 −3 33 0 −3 3 3
1 −2 11 1 −2 11 1 −2 1 1
( | ) ~( | ) ~( | )
1 1 −2 1 𝑓3 − 𝑓2 0 3 −3 0 𝑓3 + 𝑓1 0 0 0 3
−1 −4 5 2 𝑓4 − 𝑓2 0 −6 6 3 𝑓4 − 2𝑓1 0 0 0 −3

De la fila 3 y la fila 4 se concluye que no existen valores para 𝑎0 , 𝑎1 y 𝑎2 que cumplan

con esa igualdad, por lo tanto el sistema no tiene solución.

16
Si 𝜆 = −1

1 1 11 1 1 11
1 1 1 1 𝑓2 − 𝑓1 0 0 00
( | ) ~( | )
1 1 1 1 𝑓3 − 𝑓1 0 0 00
2 2 2 2 𝑓4 − 2𝑓1 0 0 00

Como existe solo una ecuación y 3 variables, es decir 𝑚 < 𝑛 existen infinitas
soluciones, cuyo conjunto solución será.

𝐶. 𝑆 = (1 − 𝑡 − 𝑢, 𝑢, 𝑡)𝑢, 𝑡 ∈ ℝ

(𝟐𝒎 + 𝟐)𝒙 + (𝒎 − 𝟏)𝒚 + (𝒎 + 𝟑)𝒛 = 𝟐𝒎 + 𝟐

c) { (𝒎 − 𝟏)𝒚 − (𝒎 − 𝟏)𝒛 = 𝟎
𝒎𝒙 + 𝒚 − 𝒛 = 𝒎 + 𝟏
Análisis
𝑚 = 𝑛 = 3 → ∃|𝐴|
(2𝑚 + 2) (𝑚 − 1) (𝑚 + 3)
|𝐴| = | 0 (𝑚 − 1) −(𝑚 − 1)| 𝐶2 + 𝐶3
𝑚 1 −1

(2𝑚 + 2) (2𝑚 + 2) (𝑚 + 3) (2𝑚 + 2) 1 (𝑚 + 3)

|𝐴| = | 0 0 −(𝑚 − 1)| = (2𝑚 + 2) | 0 0 −(𝑚 − 1)|
𝑚 0 −1 𝑚 0 −1

|𝐴| = (2𝑚 + 2)(𝑚 − 1) |(2𝑚 + 2) 1| = −𝑚(2𝑚 + 2)(𝑚 − 1)

𝑚 0
|𝐴| = 0 𝑠𝑠𝑖 𝑚 = −1 ∨ 𝑚 = 0 ∨ 𝑚 = 1
Por lo tanto {
|𝐴| ≠ 0 𝑠𝑠𝑖 𝑚 ≠ −1 ∨ 𝑚 ≠ 0 ∨ 𝑚 ≠ 1
Si 𝑚 = −1

0 −2 2 0 𝑓1 − 𝑓2 0 0 0 0 0 0 0 0
(0 −2 2 |0) ~( 0 −2 2 |0) −(1⁄2)𝑓2 ~ ( 0 1 −1|0)
−1 1 −1 0 −1 1 −1 0 −1 1 −1 0 𝑓3 − 𝑓2
0 0 0 0 0 0 0 0 𝑓1 ↔ 𝑓3 1 0 0 0
( 0 1 −1|0) ~ (0 1 −1|0) ~ (0 1 −1|0)
−1 0 0 0 −𝑓3 1 0 0 0 0 0 0 0
Tenemos el siguiente sistema equivalente:
𝑥=0
{ Si 𝑧 = 𝑡 → 𝑦 = 𝑡; 𝑡𝜖ℝ
𝑦−𝑧 =0

𝐶. 𝑆(0, 𝑡, 𝑡) es decir, infinitas soluciones

Si 𝑚 = 0

2 −1 3 2 𝑓1 − 𝑓2 2 0 2 2 (1⁄2)𝑓1 1 0 1 1
(0 −1 1 |0) ~ (0 −1 1|0) −𝑓2 ~ (0 1 −1|0)
0 1 −1 1 𝑓3 + 𝑓2 0 0 01 0 0 0 1
Si observamos la última matriz equivalente:

𝜌(𝐴) = 2 ∧ 𝜌(𝐴|𝐵) = 3 por lo tanto, no existe solución.

17
Si 𝑚 = 1

4 0 4 4 𝑓1 − 4𝑓4 0 −4 8 −4 −(1⁄4)𝑓1 0 1 −2 1
(0 0 𝑓
0 |0) 2 ↔ 𝑓3 ~ (1 1 −1| 2 ) ~ (1 1 −1|2) 𝑓2 − 𝑓1
1 1 −1 2 𝑓3 + 𝑓2 0 0 0 0 0 0 0 0
0 1 −2 1 𝑓1 ↔ 𝑓2 1 0 1 1
~ (1 0 1 | 1) ~ (0 1 −2|1)
0 0 0 0 0 0 0 0
Este sistema tiene 𝑚 = 2 ∧ 𝑛 = 3, por lo tanto, infinitas soluciones.
Si 𝑧 = 𝑡 entonces 𝑥 = 1 − 𝑡 ∧ 𝑦 = 1 + 2𝑡, por lo que el conjunto solución es:

𝐶. 𝑆 = {∀ 𝑣𝑖 ∈ ℝ3 ⁄𝑥 = 1 − 𝑡, 𝑦 = 1 + 2𝑡, 𝑧 = 𝑡 ∕ 𝑧 ∈ ℝ}
(𝝀 + 𝟏)𝒂𝒐 + 𝒂𝟏 + 𝒂𝟐 = 𝟏
𝒂 + (𝝀 + 𝟏)𝒂𝟏 + 𝒂𝟐 = 𝟏
d 𝒐
𝒂𝒐 + 𝒂𝟏 + (𝝀 + 𝟏)𝒂𝟐 = 𝟏
{(𝝀 + 𝟑)𝒂𝒐 (𝟐𝝀 + 𝟒)𝒂𝟏 + (𝟏 − 𝝀)𝒂𝟐 = 𝟐

Análisis
𝑚 > 𝑛 Sistema No Homogéneo. Solución depende del sistema

(𝜆 + 1) 1 1 1 𝑓1 ↔ 𝑓3 1 1 (𝜆 + 1) 1
1 (𝜆 + 1) 1 1 1 (𝜆 + 1) 1 1 𝑓 − 𝑓1
( | ) ~( | ) 2
1 1 (𝜆 + 1) 1 (𝜆 + 1) 1 1 1 𝑓3 − (𝜆 + 1)𝑓1
(𝜆 + 3) (2𝜆 + 4) (1 − 𝜆) 2 (𝜆 + 3) (2𝜆 + 4) (1 − 𝜆) 2 𝑓4 − 𝑓1 − 𝑓2 − 𝑓3

1 1 (𝜆 + 1) 1 𝜆 ≠ 0 1 1 (𝜆 + 1) 1
0 𝜆 −𝜆 0 (1⁄𝜆)𝑓2 0 1 −1 0
~( | ) ~( | )
0 −𝜆 −𝜆2 − 2𝜆 −𝜆 (1⁄𝜆)𝑓3 0 −1 −𝜆 − 2 −1 𝑓3 + 𝑓2
0 (𝜆 + 1) (−2 − 2𝜆) −1 0 (𝜆 + 1) (−2 − 2𝜆) −1 𝑓4 − (𝜆 + 1)𝑓2

1 1 (𝜆 + 1) 1 1 1 (𝜆 + 1) 1
0 1 −1 0 0 1 −1 0
~( | ) ~( (𝜆 + 3)(1 + 𝜆)𝑓3 | (1 + 𝜆)𝑓3 )
0 0 −(𝜆 + 3) −1 −(1 + 𝜆)𝑓3 0 0
0 0 −(1 + 𝜆) −1 (𝜆 + 3)𝑓4 0 0 −(1 + 𝜆)(𝜆 + 3) −2(𝜆 + 3) 𝑓4 + 𝑓3
1 1 (𝜆 + 1) 1
0 1 −1 0
( | )
0 0 (𝜆 + 3)(1 + 𝜆)𝑓3 (1 + 𝜆)𝑓3
0 0 0 −2
Si 𝜆 ≠ 0 entonces no existe solución.
Ahora cuando 𝜆 = 0 se tiene:

1 1 11 1 1 1 1 𝑓1 − 𝑓4 1 0 3 2
1 1 1 1 𝑓2 − 𝑓1 0 0 0 0 0 0 0 0
( | ) ~( | ) ~( | )
1 1 1 1 𝑓3 − 𝑓1 0 0 0 0 0 0 0 0
3 4 1 2 𝑓4 − 3𝑓1 0 1 −2 −1 0 1 −2 −1
Existen infinitas soluciones cuyo conjunto solución es:

18
(2 − 3𝑡, 2𝑡 − 1, 𝑡)𝑡 ∈ ℝ
𝒂𝒙 + 𝒚 + 𝒛 = 𝒂
𝒙 + 𝒂𝒚 − 𝒛 = 𝟏
e) {
𝟑𝒙 + 𝒚 + 𝒃𝒛 = 𝟐
𝒙−𝒚−𝒛=𝟏
Análisis
𝑚 > 𝑛 Sistema No Homogéneo. Solución depende del sistema
𝑎 1 1 𝑎 𝑓1 − 𝑎𝑓4 0 1 + 𝑎 1 + 𝑎 0 (1⁄1 + 𝑎)𝑓1 , 𝑎 ≠ −1
1 𝑎 −1 1 𝑓2 − 𝑓4 0 𝑎+1 0 0 (1⁄1 + 𝑎)𝑓2 , 𝑎 ≠ −1
( | ) ≈( | ) ≈
3 1 𝑏 2 𝑓3 − 3𝑓4 0 4 𝑏 + 3 −1
1 −1 −1 1 1 −1 −1 1

0 1 1 0 0 1 1 0 𝑓1 + 𝑓2
0 1 0 0 𝑓 − 𝑓 0 0 −1 0 −𝑓2
( | ) 2 1
≈( | )
0 4 𝑏 + 3 −1 𝑓3 − 4𝑓1 0 0 𝑏 − 1 −1 𝑓3 + (𝑏 − 1)𝑓2
1 −1 −1 1 𝑓4 + 𝑓1 1 0 0 1
0 1 0 0 Si 𝑎 ≠ −1 ∧ 𝑏 𝜖 𝑅 el sistema no tiene solución. Eso se referencia en la
0 0 1 0
( | ) tercera fila pues dice que 0 = −1. Lo cual es absurdo.
0 0 0 −1
1 0 0 1
Si 𝑎 = −1

−1 1 1 −1 𝑓1 + 𝑓4 0 0 0 0
1 −1 −1 1 𝑓2 − 𝑓4 0 0 0 0
( | ) ≈( | )
3 1 𝑏 2 𝑓3 − 3𝑓4 0 4 𝑏 + 3 −1 (1⁄4)𝑓3
1 −1 −1 1 1 −1 −1 1
0 1 (𝑏 + 3)⁄4 − 1⁄4 0 1 (𝑏 + 3)⁄4 − 1⁄4
( | ) ≈( | )
1 −1 −1 1 𝑓2 + 𝑓1 1 0 (𝑏 − 1)⁄4 3⁄4

Una vez escalonada la matriz se tiene que existen infinitas soluciones pues 𝑚 < 𝑛 y
𝑟𝑎𝑛(𝐴) = 𝑟𝑎𝑛(𝐴|𝐵).
(3⁄4) − ((𝑏 − 1)⁄4)𝑡
𝐶. 𝑆 = (−(1⁄4) − ((𝑏 + 3)⁄4)𝑡)
𝑡
(𝒂 − 𝟏)𝒙 + 𝒚 − 𝒛 = 𝒂
(𝒂 − 𝟏)𝒙 + (𝒃 + 𝟐)𝒚 + 𝒛 = 𝒃
f)
(𝒂 − 𝟏)𝒙 + (𝒃 + 𝟐)𝒚 + (𝒃 + 𝟏)𝒛 = 𝒃𝟐
{ (−𝟐𝒃 − 𝟐)𝒚 − (𝒃 + 𝟒)𝒛 = 𝟐𝒂 − 𝒃𝟐 − 𝒃

Análisis
𝑚 > 𝑛 Sistema No Homogéneo. Solución depende del sistema
𝑎−1 1 −1 𝑎 𝑓1 − 𝑓2
𝑎−1 𝑏+2 1 𝑏
( | ) ≈
𝑎−1 𝑏+2 𝑏+1 𝑏2 𝑓3 − 𝑓2
0 −2𝑏 − 2 −(𝑏 + 4) 2𝑎 − 𝑏2 − 𝑏
0 −𝑏 − 1 −2 𝑎−𝑏
𝑎−1 𝑏+2 1 𝑏
( | ) ≈
0 0 𝑏 𝑏2 − 𝑏
0 −2𝑏 − 2 −(𝑏 + 4) 2𝑎 − 𝑏2 − 𝑏 𝑓4 − 2𝑓1

19
 0 −𝑏 − 1 −2 𝑎 − 𝑏
𝑎−1 𝑏+2 1 𝑏
( | )
0 0 𝑏 𝑏2 − 𝑏
0 0 −𝑏 −𝑏2 + 𝑏 𝑓4 + 𝑓3
0 −𝑏 − 1 −2 𝑎 − 𝑏 Como una fila se hace cero, entonces se
𝑎−1 𝑏+2 1 𝑏 hace un nuevo análisis. 𝑚 = 𝑛 = 3 → ∃|𝐴|
( | )
0 0 𝑏 𝑏2 − 𝑏
0 0 0 0

0 −𝑏 − 1 −2
−𝑏 − 1 −2
|𝑎 − 1 𝑏 + 2 1 | = −(𝑎 − 1) | | = −(𝑎 − 1)(−𝑏 − 1)(𝑏)
0 𝑏
0 0 𝑏
= (𝑎 − 1)(𝑏 + 1)𝑏
𝑎≠1
Por lo tanto, para que exista solución única debe ocurrir:{ 𝑏 ≠ 0
𝑏 ≠ −1
Se va hallar el valor de 𝑧 utilizando Cramer
0 −𝑏 − 1 𝑎 − 𝑏
|𝑎 − 1 𝑏 + 2 𝑏 | −𝑏 − 1 𝑎 − 𝑏
∆𝑧 2 −(𝑎 − 1)(𝑏2 − 𝑏) | |
0 0 𝑏 −𝑏 0 1
𝑧= = =
∆𝑥𝑦𝑧 (𝑎 − 1)(𝑏 + 1)(𝑏) (𝑎 − 1)(𝑏 + 1)(𝑏)
2
(𝑎 − 1)(𝑏 + 1)(𝑏 − 𝑏)
=
(𝑎 − 1)(𝑏 + 1)(𝑏)
𝑧 =𝑏−1
Si 𝒃 = 𝟎
0 −1 −2 𝑎 −𝑓1
0 1 2 −𝑎 0 1 2 −𝑎 1
(𝑎 − 1 2 1 |0 ) ≈( | ) ≈( | )
𝑎 − 1 2 1 0 𝑓2 − 2𝑓1 𝑎−1 0 −3 2𝑎 ( )𝑓
0 0 0 0 𝑎−1 2

0 1 2 −𝑎
( | ) 𝐶𝑜𝑛 𝑎 ≠ 1
1 0 −3⁄(𝑎 − 1) 2𝑎⁄(𝑎 − 1)
2𝑎 3
𝑥 = 𝑎−1 + 𝑎−1 𝑡
Por lo que el C.S es {𝑦 = −𝑎 − 2𝑡 𝑎 ≠ 1
𝑧=𝑡
Si 𝒂 = 𝟏

0 −𝑏 − 1 −2 1 − 𝑏 𝑓1 + 2𝑓2 0 𝑏+3 0 1 + 𝑏 𝑓1 − 𝑓2
(0 𝑏+2 1 |𝑏 ) ≈ (0 𝑏+2 1|𝑏 ) 𝑓2 − 𝑓3
0 0 𝑏 𝑏2 − 𝑏 (1⁄𝑏)𝑓3 0 0 1 𝑏−1
0 1 −1 1 𝑓1 + 𝑓3 0 1 0 𝑏
≈ (0 𝑏 + 2 0 |1 ) 𝑓2 − (𝑏 + 2)𝑓1 ≈ (0 0 𝑏 + 2|−𝑏 − 1) 𝑓2 − (𝑏 + 2)𝑓3
0 0 1 𝑏−1 0 0 1 𝑏−1
0 1 0𝑏 Para que exista solución el valor de b debe
(0 0 0|−𝑏2 − 2𝑏 + 1) ser: 𝑏 = −1 ± √2.
0 0 1 𝑏−1 𝐶. 𝑆 = {𝑥𝜖𝑅, 𝑏, 𝑏 − 1}𝑏 ≠ 0

20
 𝒙+𝒚+𝒛=𝟏
𝒈) { 𝒂𝒙 + 𝒃𝒚 + 𝒄𝒛 = 𝒎
𝒂𝟐 𝒙 + 𝒃𝟐 𝒚 + 𝒄𝟐 𝒛 = 𝒎𝟐
Análisis
𝑚 = 𝑛 Sistema No Homogéneo. Existencia del determinante.
1 1 1 𝐶2 − 𝐶1 1 0 0 𝑏−𝑎 𝑐−𝑎
=|𝑎 =| |
|𝑎 𝑏 𝑐 | 𝐶3 − 𝐶1 𝑏−𝑎 𝑐−𝑎 | (𝑏 − 𝑎)(𝑏 + 𝑎) (𝑐 − 𝑎)(𝑐 + 𝑎)
𝑎2 𝑏2 𝑐2 𝑎2 𝑏2 − 𝑎2 𝑐 2 − 𝑎2

1 1 = (𝑏 − 𝑎)(𝑐 − 𝑎)(𝑐 − 𝑏)
(𝑏 − 𝑎)(𝑐 − 𝑎) | |
(𝑏 + 𝑎) (𝑐 + 𝑎)

𝑃𝑎𝑟𝑎 𝑞𝑢𝑒 ℎ𝑎𝑦𝑎 𝑠𝑜𝑙𝑢𝑐𝑖ó𝑛 → |𝐴| ≠ 0 𝑠𝑠𝑖 𝑏 ≠ 𝑎; 𝑐 ≠ 𝑎; 𝑐 ≠ 𝑏

La solución única se resuelve usando Cramer
1 1 1
△𝑥 =|𝑚 𝑏 𝑐 | La forma de resolver este determinante es similar al anterior.
𝑚2 𝑏2 𝑐2
△ 𝑥 = (𝑏 − 𝑚)(𝑐 − 𝑚)(𝑐 − 𝑏), con lo que:
(𝑏 − 𝑚)(𝑐 − 𝑚)(𝑐 − 𝑏) (𝑏 − 𝑚)(𝑐 − 𝑚)
𝑥= =
(𝑏 − 𝑎)(𝑐 − 𝑎)(𝑐 − 𝑏) (𝑏 − 𝑎)(𝑐 − 𝑎)
1 1 1
△𝑦 =|𝑎 𝑚 𝑐 | La forma de resolver este determinante es similar al anterior
𝑎2 𝑚2 𝑐2
△ 𝑦 = (𝑚 − 𝑎)(𝑐 − 𝑎)(𝑐 − 𝑚), con lo que:
(𝑚 − 𝑎)(𝑐 − 𝑎)(𝑐 − 𝑚) (𝑚 − 𝑎)(𝑐 − 𝑚)
𝑦= =
(𝑏 − 𝑎)(𝑐 − 𝑎)(𝑐 − 𝑏) (𝑏 − 𝑎)(𝑐 − 𝑏)
1 1 1
△𝑧 =|𝑎 𝑏 𝑚 | La forma de resolver este determinante es similar al anterior
𝑎2 𝑏2 𝑚2
△ 𝑧 = (𝑏 − 𝑎)(𝑚 − 𝑎)(𝑚 − 𝑏), con lo que:
(𝑏 − 𝑎)(𝑚 − 𝑎)(𝑚 − 𝑏) (𝑚 − 𝑎)(𝑚 − 𝑏)
𝑧= =
(𝑏 − 𝑎)(𝑐 − 𝑎)(𝑐 − 𝑏) (𝑐 − 𝑎)(𝑐 − 𝑏)
(𝑏 − 𝑚)(𝑐 − 𝑚) (𝑚 − 𝑎)(𝑐 − 𝑚) (𝑚 − 𝑎)(𝑚 − 𝑏)
𝐶. 𝑆 = ( ; ; )
(𝑏 − 𝑎)(𝑐 − 𝑎) (𝑏 − 𝑎)(𝑐 − 𝑏) (𝑐 − 𝑎)(𝑐 − 𝑏)

−𝒙 + 𝒚 − 𝒛 = 𝒂 − 𝒃 + 𝟐
(𝒃 + 𝟏)𝒙 + 𝒚 + 𝒛 = 𝟐𝒂 + 𝟐
𝒉) {
𝒙+𝒛 =𝒂
(𝒃 + 𝟏)𝒙 − 𝒚 + 𝒛 = 𝒃 − 𝟐

−1 1 −1 𝑎 − 𝑏 + 2 𝑓1 + 𝑓3 0 1 0 2𝑎 − 𝑏 + 2
𝑏+1 1 1 2𝑎 + 2 𝑓 − 𝑓4 0 2 0 2𝑎 − 𝑏 + 4 𝑓2 − 2𝑓1
( | ) 2 ( | )
1 0 1 𝑎 1 0 1𝑎
𝑏+1 −1 1 𝑏 − 2 𝑏+1 −1 1 𝑏−2

21
 0 1 0 2𝑎 − 𝑏 + 2 Para que exista solución −2𝑎 + 𝑏 = 0 es decir
0 0 0 −2𝑎 + 𝑏 𝑏 = 2𝑎
( | )
1 0 1 𝑎
𝑏+1 −1 1 𝑏−2

Si 𝑏 ≠ 2𝑎 No existe solución

Si 𝑏 = 2𝑎, quedaría un sistema de la siguiente forma

0 1 0 2𝑎 − 𝑏 + 2 Análisis 𝑚 = 𝑛 = 3 → ∃|𝐴|
( 1 0 1| 𝑎 )
𝑏 + 1 −1 1 𝑏 − 2

0 1 0
1 1
|𝐴| = | 1 0 1| = − | | = −(1 − (2𝑎 + 1)) = 2𝑎.
2𝑎 + 1 1
2𝑎 + 1 −1 1

|𝐴| ≠ 0 ↔ 𝑎 ≠ 0

2𝑎 − 𝑏 + 2 1 0 2 1 0 2 1 0
|𝐴𝑥 | = | 𝑎 0 1| = | 𝑎 0 1| 𝑓2 − 𝑓3 = |−𝑎 + 2 1 0|
𝑏−2 −1 1 2𝑎 − 2 −1 1 2𝑎 − 2 −1 1

2 1
|𝐴𝑥 | = | |=2+𝑎−2 =𝑎
−𝑎 + 2 1

𝑎 1
𝑥= =
2𝑎 2

0 2 0
1 1
|𝐴𝑦 | = | 1 𝑎 1| − 2 | | = −2(1 − 2𝑎 − 1) = 4𝑎
2𝑎 + 1 1
2𝑎 + 1 2𝑎 − 2 1

4𝑎
𝑦= =2
2𝑎

0 1 2 𝐶3 − 2𝐶2 0 1 0
1 𝑎
|𝐴𝑧 | = | 1 0 𝑎 | =| 1 0 𝑎 | = −| |
2𝑎 + 1 2𝑎
2𝑎 + 1 −1 2𝑎 − 2 2𝑎 + 1 −1 2𝑎

|𝐴𝑧 | = −(2𝑎 − 2𝑎2 − 𝑎) = 2𝑎2 − 𝑎

2𝑎2 − 𝑎 𝑎 − 1
𝑧= =
2𝑎 2

22
Ejercicios propuestos:
1. Determinar una ecuación que relacione a, b y c de modo que el sistema lineal
sea consistente para cualesquiera valores de a, b y c.
𝑥 + 2𝑦 − 3𝑧 = 𝑎 2𝑥 + 2𝑦 + 3𝑧 = 𝑎 3𝑥 + 2𝑦 − 4𝑧 = 𝑎
𝑎. {2𝑥 + 3𝑦 + 3𝑧 = 𝑏 𝑏. {3𝑥 − 𝑦 + 5𝑧 = 𝑏 𝑐. {−4𝑥 + 𝑦 − 𝑧 = 𝑏
5𝑥 + 9𝑦 − 6𝑧 = 𝑐 𝑥 − 3𝑦 + 2𝑧 = 𝑐 7𝑥 + 12𝑦 − 22𝑧 = 𝑐

−𝟏 𝟐 𝟏 𝟎
2. Se tiene el sistema 𝑨𝑿 = 𝑩 con 𝑨 = ( 𝟑 −𝟏 𝟐) y 𝑩 = (𝟎), se pide:
𝟎 𝟏 𝒂 𝟎
a. Estudiar el sistema según el parámetro a
𝟏
b. Si 𝑩 = (𝟏) estudiar el sistema según el parámetro a.
𝟏
3. Dados los sistemas lineales:𝑨𝑿 = 𝑩𝟏 y 𝑨𝑿 = 𝑩𝟐 , donde la matriz 𝑨𝟑𝒙𝟑 de
ambos sistemas es la misma

a. ¿Es posible que 𝑨𝑿 = 𝑩𝟏 tenga solución única y 𝑨𝑿 = 𝑩𝟐 tenga muchas

soluciones?
b. ¿Es posible que 𝑨𝑿 = 𝑩𝟏 tenga solución única y 𝑨𝑿 = 𝑩𝟐 no tenga solución?

c. ¿Es posible que 𝑨𝑿 = 𝑩𝟏 tenga muchas soluciones y 𝑨𝑿 = 𝑩𝟐 no tenga

solución?
4. Estudiar según los parámetros a y b los siguientes sistemas:
𝟑𝒙 − 𝟐𝒚 + 𝒛 = 𝒃 𝒂𝒙 + 𝒚 + 𝒃𝒛 = 𝟏 𝒙+𝒚+𝒛 =𝟏
𝒂. {𝟓𝒙 − 𝟖𝒚 + 𝟗𝒛 = 𝟑 𝒃. {𝒂𝒙 + 𝒚 − 𝒃𝒛 = 𝟏 𝒄. {𝟐𝒙 − 𝒂𝒚 + 𝒛 = 𝟏
𝟐𝒙 + 𝒚 + 𝒂𝒛 = −𝟏 𝒂𝒙 + 𝒚 + 𝒛 = 𝒃 −𝟑𝒙 + (𝒂 − 𝟏)𝒚 + 𝒃𝒛 = 𝟐𝒃

𝟐𝒙 − 𝒚 + 𝟑𝒛 = 𝟏 𝒙 − 𝟐𝒚 + 𝟑𝒛 = 𝟏 𝒙+𝒚−𝒛=𝒂
𝒅. {𝒙 + 𝟐𝒚 − 𝒛 = −𝒃 𝒆. {𝟐𝒙 + 𝒂𝒚 = 𝟐𝒃 𝒇. {𝟐𝒙 − 𝒚 + 𝒛 = 𝟎
𝒙 + 𝒂𝒚 − 𝟔𝒛 = −𝟏𝟎 𝟒𝒙 − 𝟐𝒚 + 𝒃𝒛 = 𝒃 𝒙 − 𝟐𝒚 − 𝒂𝒛 = 𝒂𝟐 − 𝒂

𝒂𝒙 + 𝒚 + 𝒛 = 𝒂 𝟑𝒙 + 𝒚 + 𝒂𝒛 = 𝟎
𝒙 + 𝒂𝒚 − 𝒛 = 𝟏 𝒙−𝒚−𝒛=𝟎
𝒈. { 𝒉. {
𝟑𝒙 + 𝒚 + 𝒃𝒛 = 𝟐 𝒃𝒙 + 𝒚 + 𝒛 = 𝟎
𝒙−𝒚−𝒛=𝟏 𝒙 + 𝒃𝒚 − 𝒛 = 𝟎

(𝒂 + 𝟏)𝒙 + 𝒚 + 𝒛 = 𝒂 (𝒂 − 𝟏)𝒙 + 𝒚 − 𝒛 = 𝒂
𝒙 + (𝒂 + 𝟏)𝒚 + 𝒛 = 𝟏 (𝒂 − 𝟏)𝒙 + (𝒃 + 𝟐)𝒚 + (𝒃 + 𝟏)𝒛 = 𝒃𝟐
𝒊. 𝒋.
𝒙 + 𝒚 + (𝒂 + 𝟏)𝒛 = 𝟏 (𝒂 − 𝟏)𝒙 + (𝒃 + 𝟐)𝒚 + 𝒛 = 𝒃
{(𝒂 + 𝟑)𝒙 + (𝟐𝒂 + 𝟒)𝒚 + (𝟏 − 𝒂)𝒛 = 𝟐 𝟐
{(−𝟐𝒃 − 𝟐)𝒚 − (𝒃 + 𝟒)𝒛 = 𝟐𝒂 − 𝒃 − 𝒃

23
4. ESPACIOS VECTORIALES
Definición 4.1 (Espacio vectorial) Sean:〈𝑉, 𝐾,⊕,⊙〉
𝑽 : un conjunto no vacío. Debe ser Grupo Abeliano
𝑲 : un campo; un conjunto auxiliar.
+ : una operación interna definida sobre V;
· : una operación externa definida de K en V
Se dice que (𝑉, 𝐾, +,·) es un espacio vectorial si y solamente si:
𝑉𝑥𝑉 → 𝑉
+: {(𝑣 , 𝑣 ) ↦ 𝑣𝑖 + 𝑣𝑗 = 𝑣𝑘 𝜖𝑉 es la ley de composición interna
𝑖 𝑗

𝐾𝑥𝑉 → 𝑉
. : {(𝛼, 𝑣 ) ↦ 𝛼. 𝑣𝑗 = 𝑣𝑙 𝜖𝑉 es la ley de composición externa
𝑗

4.2 Propiedades
Suma de vectores

a) Clausurativa: ∀ (𝑣𝑖 , 𝑣𝑗 ) ∈ 𝑉: (𝑣𝑖 + 𝑣𝑗 ) = 𝑣𝑘 ∈ 𝑉. Es la misma que la ley de

composición interna, expresada arriba
b) Conmutativa: ∀ (𝑣𝑖 , 𝑣𝑗 ) ∈ 𝑉: 𝑣𝑖 + 𝑣𝑗 = 𝑣𝑗 + 𝑣𝑖
c) Asociativa: ∀ (𝑣𝑖 , 𝑣𝑗 , 𝑣𝑘 ) ∈ 𝑉: 𝑣𝑖 + (𝑣𝑗 + 𝑣𝑘 ) = (𝑣𝑖 + 𝑣𝑗 ) + 𝑣𝑘
d) Existencia del neutro aditivo ∃𝑒 ∈ 𝑉, ∀𝑣 ∈ 𝑉: 𝑒 + 𝑣 = 𝑣 + 𝑒 = 𝑣
e) Existencia del inverso aditivo ∀𝑣 ∈ 𝑉, ∃𝑣̂ ∈ 𝑉: 𝑣 + 𝑣̂ = 𝑣̂ + 𝑣 = 𝑒
Multiplicación escalar por vector

a) Clasurativa: ∀ 𝑣𝑖 ∈ 𝑉, ∀ 𝛼 ∈ 𝐾: (𝛼 ∙ 𝑣𝑖 ) = 𝑣𝑘 ∈ 𝑉 Es la misma ley de composición

externa, expresada en la parte superior.
b) Asociativa Mixta ∀𝑣𝑖 ∈ 𝑉, ∀ 𝛼, 𝛽 ∈ 𝐾: (𝛼⨀𝛽) ∙ 𝑣𝑖 = 𝛼 ∙ (𝛽 ∙ 𝑣𝑖 )
c) Neutro multiplicativo Sea 1 ∈ 𝐾𝑒𝑙 neutro multiplicativo de 𝐾, ∀ 𝑣𝑖 ∈ 𝑉 ∶ 1 ∙ 𝑣𝑖 = 𝑣𝑖
d) Distributiva de ∙ respecto a + 𝑑𝑒 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 (∀ 𝛼 ∈ 𝐾, ∀, 𝑢, 𝑣 ∈ 𝑉): 𝛼(𝑢 + 𝑣) = 𝛼𝑢 + 𝛼𝑣
e) Distributiva de ∙ respecto a ⨁𝑑𝑒 𝑒𝑠𝑐𝑎𝑙𝑎𝑟𝑒𝑠 (∀ 𝛼, 𝛽 ∈ 𝐾, ∀, 𝑢 ∈ 𝑉): (𝛼⨁𝛽)𝑣 = 𝛼𝑣 + 𝛽𝑣
Se suele decir que el conjunto V, con las operaciones + y ·, es un espacio vectorial
sobre el campo K.
Observaciones:
1) A los elementos del espacio vectorial V se denominan vectores y a los elementos
de K escalares.
2) Que la operación + sea una operación interna definida sobre V significa que para
todo u ∈ V y todo v ∈ V, debe ocurrir que: (u + v) ∈ V. Esto se indica diciendo que
la operación + es cerrada y que satisface la propiedad clausurativa.
3) Que la operación · sea una operación externa definida de K en V quiere decir que
para todo α ∈ K y todo v ∈ V, debe ocurrir que: αv ∈ V. Esto se expresa diciendo
que la operación · es cerrada y que satisface la propiedad clausurativa.
4) Para la verificación de que un cierto conjunto es un espacio vectorial, hay que
cerciorarse antes que las operaciones + y · son, efectivamente, cerradas.

Ejercicios resueltos 1
1) (ℝ,ℝ, +,∙)

24
 V: ℝ 𝑐𝑜𝑛𝑗𝑢𝑛𝑡𝑜 𝑑𝑒 𝑣𝑒𝑐𝑡𝑜𝑟𝑒𝑠 𝑎, 𝑏, 𝑐
K: ℝ 𝑐𝑎𝑚𝑝𝑜 𝑎𝑢𝑥𝑖𝑙𝑖𝑎𝑟 𝛼, 𝛽, 𝜆
+: L.C.I. suma vectorial ∀ (𝑎, 𝑏) ∈ 𝑅;(𝑎 + 𝑏) = 𝑐 ∈ ℝ
*: L.C.E. multiplicación escalar por vector ∀ 𝑎 ∈ 𝑅, ∀ 𝛼 ∈ 𝑅; (𝛼 ∗ 𝑎) = 𝑐 ∈ ℝ

2) Demostrar que la operación suma en R3 es asociativo

𝑃𝐷: ∀ (𝑢, 𝑣, 𝑤) 𝜖 R3 : (𝑢 + 𝑣) + 𝑤 = 𝑢 + (𝑣 + 𝑤)
𝐷𝑒𝑚𝑜𝑠𝑡𝑟𝑎𝑐𝑖ó𝑛 ∶
𝑆𝑒𝑎 𝑢 = (𝑥1 , 𝑥2 , 𝑥3 ); 𝑣 = (𝑦1 , 𝑦2 , 𝑦3 ); 𝑤 = (𝑧1 , 𝑧2 , 𝑧3 )
(𝑢 + 𝑣) + 𝑤 = [(𝑥1 , 𝑥2 , 𝑥3 ) + (𝑦1 , 𝑦2 , 𝑦3 )] + (𝑧1 , 𝑧2 , 𝑧3 ) Definición de u, v y w
= (𝑥1 + 𝑦1 , 𝑥2 + 𝑦2 , 𝑥3 +𝑦3 ) + (𝑧1 , 𝑧2 , 𝑧3 ) + en R3 entre u y v
= [(𝑥1 + 𝑦1 ) + 𝑧1 , (𝑥2 + 𝑦2 ) + 𝑧2 , (𝑥3 +𝑦3 ) + 𝑧3 ] + en R3 entre (u + v) y w
= [𝑥1 + (𝑦1 + 𝑧1 ), 𝑥2 + (𝑦2 + 𝑧2 ), 𝑥3 + (𝑦3 + 𝑧3 )] Asociativa en R
= (𝑥1 , 𝑥2 , 𝑥3 ) + (𝑦1 + 𝑧1 , 𝑦2 + 𝑧2 , 𝑦3 + 𝑧3 ) + en R3 entre u y (v+ w)
= (𝑥1 , 𝑥2 , 𝑥3 ) + [(𝑦1, 𝑦2 , 𝑦3 ) + (𝑧1 , 𝑧2 , 𝑧3 )] + en R3 entre v y w
= 𝑢 + (𝑣 + 𝑤) Definición de u, v y w

3) Demostrar la existencia del neutro aditivo en R2

𝑃𝐷: ∃ 𝑒 ∈ 𝑅2 , ∀ 𝑢 ∈ 𝑅2 ∶ 𝑢 + 𝑒 = 𝑒 + 𝑢 = 𝑢
𝐷𝑒𝑚𝑜𝑠𝑡𝑟𝑎𝑐𝑖ó𝑛 ∶
𝑆𝑒𝑎 𝑒 = (0,0) ∈ 𝑅2 ∧ 𝑢 = (𝑥1 , 𝑥2 ) ∈ 𝑅2
𝑢 + 𝑒 = (𝑥1 , 𝑥2 ) + (0,0) Definición de u y e
= (𝑥1 + 0, 𝑥2 + 0) Definición de + en R3
= (𝑥1 , 𝑥2 ) Existencia del neutro en R
=𝑢 Definición de u

4) Demostrar la existencia del inverso aditivo en Rn

𝑃𝐷: ∀ 𝑢 ∈ 𝑅𝑛 , ∋ 𝑢̂ ∈ 𝑅𝑛 : 𝑢 + 𝑢̂ = 𝑢̂ + 𝑢 = 𝑒
𝐷𝑒𝑚𝑜𝑠𝑡𝑟𝑎𝑐𝑖ó𝑛 ∶
𝑆𝑒𝑎 𝑢 = (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) ∈ 𝑅𝑛 ∧ 𝑢̂ = (−𝑥1 , −𝑥2 , … , −𝑥𝑛 ) ∈ 𝑅𝑛
𝑢 + 𝑢̂ = (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) + (−𝑥1 , −𝑥2 , … , −𝑥𝑛 ) Definición de u y 𝑢̂
= (𝑥1 − 𝑥1 , 𝑥2 − 𝑥2 , … , 𝑥𝑛 − 𝑥𝑛 ) Definición de + Rn
= (0,0, … ,0) Inversa aditivo R
=𝑒 existencia del elemento neutro

5) Demostrar la asociativa mixta en las matrices (Mmxn,R,+,*)

𝑃𝐷: ∀𝛼, 𝛽 ∈ 𝑅 ∧ ∀ 𝐴 ∈ 𝑀𝑚𝑥𝑛 ∶ (𝛼 ʘ 𝛽)𝐴 = 𝛼(𝛽𝐴)
𝐷𝑒𝑚𝑜𝑠𝑡𝑟𝑎𝑐𝑖ó𝑛 ∶
(𝛼 ʘ 𝛽)𝐴 = (𝛼 ʘ 𝛽)(𝑎𝑖𝑗 )𝑚𝑥𝑛 Definición de A
= [(𝛼 ʘ 𝛽)𝑎𝑖𝑗 ] Prod. Escalar en Mmxn
𝑚𝑥𝑛
= [𝛼(𝛽𝑎𝑖𝑗 )]𝑚𝑥𝑛 Asociativa en un K
= 𝛼(𝛽𝑎𝑖𝑗 )𝑚𝑥𝑛 Prod. Escalar en Mmxn
= 𝛼(𝛽(𝑎𝑖𝑗 )𝑚𝑥𝑛 ) Prod. Escalar en Mmx
= 𝛼(𝛽𝐴) Definición de A

6) Demostración la distributiva de * respecto a la + de funciones

𝑃𝐷: ∀𝛼, ∈ 𝑅 ∧ ∀𝑓, 𝑔 ∈ ℱ: [𝛼(𝑓 + 𝑔)](𝑥) = (𝛼𝑓 + 𝛼𝑔)(𝑥)
𝐷𝑒𝑚𝑜𝑠𝑡𝑟𝑎𝑐𝑖ó𝑛 ∶
𝑆𝑒𝑎 𝑥 ∈ 𝑅, 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠
[𝛼(𝑓 + 𝑔)](𝑥) = 𝛼(𝑓 + 𝑔)(𝑥) Definición de * en F
= 𝛼[𝑓(𝑥) + 𝑔(𝑥)] Definición de + en F

25
 = 𝛼𝑓(𝑥) + 𝛼𝑔(𝑥) Distributiva en R
= (𝛼𝑓)(𝑥) + (𝛼𝑔)(𝑥) Definición de * en F
= (𝛼𝑓 + 𝛼𝑔)(𝑥) Definición de + en F

7) En el e.v (𝑴𝒎𝒙𝒏 , ℝ, +,∙). Enuncie y compruebe la propiedad del inverso aditivo,

asumiendo la existencia del neutro aditivo.
𝑃. 𝐷 ∶ ∀𝐴 ∈ 𝑀𝑚𝑥𝑛 ∃𝐴̂ ∈ 𝑀𝑚𝑥𝑛 : 𝐴 + 𝐴̂ = 𝐴̂ + 𝐴 = 𝐸
𝐷𝑒𝑚𝑜𝑠𝑡𝑟𝑎𝑐𝑖ó𝑛
Sean 𝐴 = (𝑎𝑖𝑗 )𝑚𝑛 𝐴̂ = (−𝑎𝑖𝑗 )𝑚𝑛 𝐸 = (0𝑖𝑗 )𝑚𝑛
𝐴 + 𝐴̂ = (𝑎𝑖𝑗 )𝑚𝑛 + (−𝑎𝑖𝑗 )𝑚𝑛 Definición de u y v
= (𝑎𝑖𝑗 + (−𝑎𝑖𝑗 )) Definición de + en 𝑀𝑚𝑥𝑛
𝑚𝑛
= (0𝑖𝑗 )𝑚𝑛 Existencia del neutro en R
=𝐸 Definición de e

8) Verifique si la siguiente función es un espacio vectorial

a) El conjunto de todas las funciones 𝒇 diferenciables en [𝟎, 𝟏]tales que
𝒇" (𝒙) = 𝒇(𝒙) − 𝟏
Clausurativa:
𝑃𝐷: ∀ 𝑓1 ∧ 𝑓2 ∈ 𝑆: (𝑓1 + 𝑓2 ) ∈ 𝑆
Sea 𝑆 = {𝑓 ∈ ℱ ⁄𝑓 " (𝑥) = 𝑓(𝑥) − 1, 0 ≤ 𝑥 ≤ 1}
Por lo tanto
(𝑓1 + 𝑓2 )(𝑥) = 𝑓1 (𝑥) + 𝑓2 (𝑥) Definición + de funciones
= 𝑓1" (𝑥) + 1 + 𝑓2" (𝑥) + 1 Despejando 𝑓(𝑥)
" (𝑥) " (𝑥) Definición + de funciones
= 𝑓1 + 𝑓2 +2
= (𝑓1 + 𝑓2 ) (𝑥) + 2 pero ≠ (𝑓1 + 𝑓2 )" (𝑥) + 1
"

Como no cumple la primera propiedad S no es espacio vectorial.

b) V es el conjunto de todas las matrices de 2x2 con componentes reales,
cuyas operaciones se definen: para la suma la misma habitual de matrices y
la multiplicación escalar como:
𝒂 𝒃 𝜶𝒂 𝟎
𝜶( )=( )
𝒄 𝒅 𝟎 𝜶𝒅
Como las matrices son un e.v, entonces cumplen todas las propiedades para la
suma, por lo que se va a analizar las propiedades del producto escalar.

i) 𝑃. 𝐷 ∀𝛼 ∈ 𝐾, ∀(𝐴, 𝐵 ) ∈ 𝑀𝑚𝑛 : 𝛼(𝐴 + 𝐵) = 𝛼𝐴 + 𝛼𝐵

𝑎 𝑏 𝑒 𝑓
Sea 𝐴 = ( ) ∧ 𝐵=( )
𝑐 𝑑 𝑔 ℎ

𝑎 𝑏 𝑒 𝑓
= 𝛼 [( )+( )]
1 𝛼(𝐴 + 𝐵) 𝑐 𝑑 𝑔 ℎ Sustitución

𝑎+𝑒 𝑏+𝑓
= 𝛼( )
𝑐+𝑔 𝑑+ℎ Suma de matrices

𝛼(𝑎 + 𝑒) 0
=( ) ∗ Definición prod. Escalar ejercicio
0 𝛼(𝑑 + ℎ)
2 𝛼𝐴 + 𝛼𝐵 𝑎 𝑏 𝑒 𝑓
= 𝛼( )+𝛼( )
𝑐 𝑑 𝑔 ℎ Sustitución

26
 𝛼𝑎 0 𝛼𝑒 0
=( )+( )
0 𝛼𝑑 0 𝛼ℎ Definición prod. Escalar ejercicio

𝛼𝑎 + 𝛼𝑒 0
=( )
0 𝛼𝑑 + 𝛼ℎ Suma de matrices

𝛼(𝑎 + 𝑒) 0
=( ) ∗ Distributiva en un K
0 𝛼(𝑑 + ℎ)

Como 1 = ∗ y 2 = ∗ se concluye que 1 = 2 con lo que se comprueba la

demostración.

ii) P.D: ∀(𝛼, 𝛽) ∈ 𝐾, ∀𝐴 ∈ 𝑀𝑚𝑛 : (𝛼 + 𝛽)𝐴 = 𝛼𝐴 + 𝛽𝐴

1 𝛼𝐴 + 𝛽𝐴 𝑎 𝑏 𝑎 𝑏
= 𝛼( )+𝛽( )
𝑐 𝑑 𝑐 𝑑 Sustitución

𝛼𝑎 0 𝛽𝑎 0
=( )+( )
0 𝛼𝑑 0 𝛽𝑑 Definición prod. escalar ejercicio

𝛼𝑎 + 𝛽𝑎 0
=( ) ∗
0 𝛼𝑑 + 𝛽𝑑 Suma de matrices

2 (𝛼 + 𝛽)𝐴 𝑎 𝑏
= (𝛼 + 𝛽) ( )
𝑐 𝑑 Sustitución

(𝛼 + 𝛽)𝑎 0
=( )
0 (𝛼 + 𝛽)𝑑 Definición prod. escalar ejercicio

𝛼𝑎 + 𝛽𝑎 0
=( ) ∗ Distributiva en un K
0 𝛼𝑑 + 𝛽𝑑

Como 1 = ∗ y 2 = ∗ se concluye que 1 = 2 con lo que se comprueba la

demostración.
iii) P.D: ∀𝐴 ∈ 𝑀𝑚𝑛 , ∀ 𝛼, 𝛽 ∈ 𝐾: (𝛼⨀𝛽) ∙ 𝐴 = 𝛼 ∙ (𝛽 ∙ 𝐴)

1 (𝛼⨀𝛽) ∙ 𝐴 = (𝛼⨀𝛽) ∙ (𝑎 𝑏
)
𝑐 𝑑 Sustitución

(𝛼𝛽)𝑎 0
=( ) ∗
0 (𝛼𝛽)𝑑 Definición prod. escalar ejercicio

2 𝛼 ∙ (𝛽 ∙ 𝐴) 𝑎 𝑏
= 𝛼 ∙ [𝛽. ( )]
𝑐 𝑑 Sustitución

𝛽. 𝑎 0
= 𝛼 ∙ [( )]
0 𝛽. 𝑑 Definición prod. escalar ejercicio

𝛼. (𝛽. 𝑎) 0
=( )
0 𝛼. (𝛽. 𝑑) Definición prod. escalar ejercicio

(𝛼𝛽)𝑎 0
=( ) ∗ Asociativa en un K
0 (𝛼𝛽)𝑑

27
Como 1 = ∗ y 2 = ∗ se concluye que 1 = 2 con lo que se comprueba la
demostración.

iv) P.D: Sea 1 ∈ 𝐾𝑒𝑙 neutro multiplicativo de 𝐾, ∀ 𝐴 ∈ 𝑀𝑚𝑛 ∶ 1 ∙ 𝐴 = 𝐴

1∙𝐴 𝑎 𝑏
=1∙( )
𝑐 𝑑 Sustitución

1∙𝑎 0
=( )
0 1 ∙ 𝑑 Definición prod. escalar ejercicio
𝑎 0 Existencia del neutro mult.
=( )
0 𝑑

≠ 𝐴 Solo sera =A ssi b y c =0

No cumple la propiedad por lo tanto no es e.v.

c) El conjunto V del literal anterior, en el que la suma se define como:

𝒂 𝒃 𝒆 𝒇 𝒂 𝒃
( )+( )=( )
𝒄 𝒅 𝒈 𝒉 𝒄 𝒅
Clausurativa para la suma

P.D: ∀(𝐴, 𝐵) ∈ 𝑀2𝑥2 : (𝐴 + 𝐵) ∈ 𝑀2𝑥2

Cumple por la definición de suma de matrices que da el mismo ejercicio.
Asociativa:
P.D.∀(𝐴, 𝐵, 𝐶) ∈ 𝑀2𝑥2 : (𝐴 + 𝐵) + 𝐶 = 𝐴 + (𝐵 + 𝐶)

𝑎 𝑏 𝑒 𝑓 𝑖 𝑗
1 (𝐴 + 𝐵) + 𝐶 = (( )+( )) + ( ) Sustitución
𝑐 𝑑 𝑔 ℎ 𝑘 𝑙
𝑎 𝑏 𝑖 𝑗 Definición de suma de matrices
=( )+( )
𝑐 𝑑 𝑘 𝑙 ejercicio.
𝑎 𝑏 Definición de suma de matrices
=( ) ∗
𝑐 𝑑 ejercicio.
𝑎 𝑏 𝑒 𝑓 𝑖 𝑗
2 𝐴 + (𝐵 + 𝐶) = ( ) + (( )+( )) Sustitución
𝑐 𝑑 𝑔 ℎ 𝑘 𝑙
𝑎 𝑏 𝑒 𝑓 Definición de suma de matrices
=( )+( )
𝑐 𝑑 𝑔 ℎ ejercicio.
𝑎 𝑏 Definición de suma de matrices
=( ) ∗
𝑐 𝑑 ejercicio.

Como 1 = ∗ y 2 = ∗ se concluye que 1 = 2 con lo que se comprueba la

demostración.
Conmutativa
P.D ∀(𝐴, 𝐵) ∈ 𝑀2𝑥2 : 𝐴 + 𝐵 = 𝐵 + 𝐴

𝑎 𝑏 𝑒 𝑓
(1) 𝐴 + 𝐵 =( )+( ) Sustitución
𝑐 𝑑 𝑔 ℎ
𝑎 𝑏 (∗)
=( ) Definición de suma de matrices ejercicio.
𝑐 𝑑

28
 (2) 𝐵 + 𝐴 𝑒 𝑓 𝑎 𝑏
=( )+( ) Sustitución
𝑔 ℎ 𝑐 𝑑
𝑒 𝑓
=( ) (∗∗) Definición de suma de matrices ejercicio.
𝑔 ℎ
Como (1) = (∗) y (2) = (∗∗) se concluye que (1) ≠ (2) con lo que no se comprueba
la demostración.
Al no cumplir la propiedad conmutativa para la suma de matrices definida en el
ejercicio, se concluye que V no es espacio vectorial.
d) El conjunto V del literal anterior en las que sus operaciones se definen
como sigue:

𝒂 𝒃 𝒆 𝒇 𝒆 𝒇 𝒂 𝒃 𝟎 𝟎
( )+( )=( ) ∧ 𝜶( )=( )
𝒄 𝒅 𝒈 𝒉 𝒈 𝒉 𝒄 𝒅 𝟎 𝜶𝒅
Distributiva de ∙ respecto a +
P.D. ∀𝛼𝜖𝐾, ∀(𝐴, 𝐵) ∈ (𝑀)2𝑥2 : 𝛼(𝐴 + 𝐵) = 𝛼𝐴 + 𝛼𝐵

𝑏𝑎 𝑒 𝑓
(1) 𝛼(𝐴 + 𝐵) = 𝛼 (( )+( )) Sustitución
𝑑𝑐 𝑔 ℎ
𝑒 𝑓 Definición de suma de matrices
= 𝛼( )
𝑔 ℎ ejercicio.
0 0 Definición de prod. escalar
=( ) (∗)
0 𝛼ℎ matrices ejercicio.
𝑎 𝑏 𝑒 𝑓
(2) 𝛼𝐴 + 𝛼𝐵 = 𝛼( )+𝛼( ) Sustitución
𝑐 𝑑 𝑔 ℎ
0 0 0 0 Definición de prod. escalar
=( )+( )
0 𝛼𝑑 0 𝛼ℎ matrices ejercicio.
0 0 Definición de suma de matrices
=( ) (∗)
0 𝛼ℎ ejercicio.
Como (1) = (∗) y (2) = (∗) se concluye que (1) = (2) con lo que se comprueba la
demostración.
Conmutativa

P.D ∀(𝐴, 𝐵) ∈ 𝑀2𝑥2 : 𝐴 + 𝐵 = 𝐵 + 𝐴

𝑎 𝑏 𝑒 𝑓
(1) 𝐴 + 𝐵 =( )+( ) Sustitución
𝑐 𝑑 𝑔 ℎ
𝑒 𝑓
=( ) (∗) Definición de suma de matrices ejercicio.
𝑔 ℎ
𝑒 𝑓 𝑎 𝑏
(2) 𝐵 + 𝐴 = ( )+( ) Sustitución
𝑔 ℎ 𝑐 𝑑
𝑎 𝑏 (∗∗)
=( ) Definición de suma de matrices ejercicio.
𝑐 𝑑
Como (1) = (∗) y (2) = (∗∗) se concluye que (1) ≠ (2) con lo que no se comprueba la
demostración.
Al no cumplir la propiedad conmutativa para la suma de matrices definida en el
ejercicio, se concluye que V no es espacio vectorial.

29
 𝒂𝝐𝑹
e) Sea 𝑽 = {((𝒂, 𝒃, 𝒂 − 𝒃)| )} con la suma ⊕ definida como:
𝒃𝝐𝑹+
(𝒂𝟏 , 𝒃𝟏 , 𝒂𝟏 − 𝒃𝟏 ) ⊕ (𝒂𝟐 , 𝒃𝟐 , 𝒂𝟐 − 𝒃𝟐 ) = (𝒂𝟏 + 𝒂𝟐 − 𝟑, 𝒃𝟏 𝒃𝟐 , 𝒂𝟏 − 𝒃𝟏 𝒃𝟐 + 𝒂𝟐 − 𝟑) y la
multiplicación por un escalar:𝒌⨂(𝒂, 𝒃, 𝒂 − 𝒃) = (𝒌𝒂 − 𝟑𝒌 + 𝟑, 𝒃𝒌 , 𝒌(𝒂 − 𝟑) − 𝒃𝒌 + 𝟑)

Determine si (𝑽,⊕, ⨂) es un e.v.

1. Clausurativa: 𝑷. 𝑫: ∀𝒖, 𝒗 𝝐𝑽: (𝒖 ⊕ 𝒗)𝝐𝑽
Sea 𝑢 = (𝑎1 , 𝑏1 , 𝑎1 − 𝑏1 ) ∧ 𝑣 = (𝑎2 , 𝑏2 , 𝑎2 − 𝑏2 ) por la definición de ⊕ se tiene
que: (𝑎1 , 𝑏1 , 𝑎1 − 𝑏1 ) ⊕ (𝑎2 , 𝑏2 , 𝑎2 − 𝑏2 ) = (𝑎1 + 𝑎2 − 3, 𝑏1 𝑏2 , 𝑎1 − 𝑏1 𝑏2 + 𝑎2 − 3).
Las características de u y v son que el primer elemento pertenece a los 𝑅, el segundo
elemento pertenece a los 𝑅+ y el tercer elemento es la diferencia entre el primero y el
segundo.
Al comparar el elemento resultante 𝑢 ⊕ 𝒗 con los elementos originales comprobamos
que cumple con las condiciones impuestas. Pues (𝑎1 + 𝑎2 − 3)𝜖 𝑅 ; 𝑏1 𝑏2 𝜖𝑅+ ⋀𝑎1 + 𝑎2 −
3 − 𝑏1 𝑏2 = 𝑎1 − 𝑏1 𝑏2 + 𝑎2 − 3 es la diferencia entre el primero y segundo elemento.
2. Conmutativa: 𝑷. 𝑫 ∀𝒖, 𝒗 𝝐𝑽: (𝒖 ⊕ 𝒗) = (𝒗 ⊕ 𝒖)
Sea 𝑢 = (𝑎1 , 𝑏1 , 𝑎1 − 𝑏1 ) ∧ 𝑣 = (𝑎2 , 𝑏2 , 𝑎2 − 𝑏2 )

1 𝑢⊕𝑣 = (𝑎1 , 𝑏1 , 𝑎1 − 𝑏1 ) ⊕ (𝑎2 , 𝑏2 , 𝑎2 − 𝑏2 ) Reemplazo

= (𝑎1 + 𝑎2 − 3, 𝑏1 𝑏2 , 𝑎1 − 𝑏1 𝑏2 + 𝑎2 − 3) 2 Definición ⊕

3 𝑣⊕𝑢 = (𝑎2 , 𝑏2 , 𝑎2 − 𝑏2 ) ⊕ (𝑎1 , 𝑏1 , 𝑎1 − 𝑏1 ) Reemplazo

= (𝑎2 + 𝑎1 − 3, 𝑏2 𝑏1 , 𝑎2 − 𝑏2 𝑏1 + 𝑎1 − 3) Definición ⊕
= (𝑎1 + 𝑎2 − 3, 𝑏1 𝑏2 , 𝑎1 − 𝑏1 𝑏2 + 𝑎2 − 3) 2 Operaciones en R

Como 1 = 2 y 2 = 3 se concluye que 1 = 3 ) con lo que se comprueba la

demostración.

3. Asociativa: 𝑷. 𝑫 ∀𝒖, 𝒗, 𝒘 𝝐𝑽: (𝒖 ⊕ (𝒗 ⊕ 𝒘)) = ((𝒖 ⊕ 𝒗) ⊕ 𝒘)

Sea 𝑢 = (𝑎1 , 𝑏1 , 𝑎1 − 𝑏1 ) 𝑣 = (𝑎2 , 𝑏2 , 𝑎2 − 𝑏2 ) ∧ 𝑤 = (𝑎3 , 𝑏3 , 𝑎3 − 𝑏3 )

𝟏 (𝒖 ⊕ (𝒗 ⊕ 𝒘)) = (𝑎1 , 𝑏1 , 𝑎1 − 𝑏1 ) + ((𝑎2 , 𝑏2 , 𝑎2 − 𝑏2 ) + (𝑎3 , 𝑏3 , 𝑎3 − 𝑏3 )) Sustitución

= (𝑎1 , 𝑏1 , 𝑎1 − 𝑏1 ) + (𝑎2 + 𝑎3 − 3, 𝑏2 𝑏3 , 𝑎2 − 𝑏2 𝑏3 + 𝑎3 − 3) Def. ⊕ entre v y w

= (𝑎1 + (𝑎2 + 𝑎3 − 3) − 3, 𝑏1 (𝑏2 𝑏3 ), (𝑎1 ) − 𝑏1 (𝑏2 𝑏3 ) + (𝑎2 + 𝑎3 − 3) − 3) Def. ⊕ entre u y v y w

= (𝑎1 + 𝑎2 + 𝑎3 − 6, 𝑏1 𝑏2 𝑏3 , 𝑎1 + 𝑎2 + 𝑎3 − 𝑏1 𝑏2 𝑏3 − 6) 3

𝟐 ((𝒖 ⊕ 𝒗) ⊕ 𝒘) = ((𝑎1 , 𝑏1 , 𝑎1 − 𝑏1 ) + (𝑎2 , 𝑏2 , 𝑎2 − 𝑏2 )) + (𝑎3 , 𝑏3 , 𝑎3 − 𝑏3 ) Sustitución

= ((𝑎1 + 𝑎2 − 3, 𝑏1 𝑏2 , 𝑎1 − 𝑏1 𝑏2 + 𝑎2 − 3)) + (𝑎3 , 𝑏3 , 𝑎3 − 𝑏3 ) Def. ⊕ entre u y v

= ((𝑎1 + 𝑎2 − 3) + 𝑎3 − 3, (𝑏1 𝑏2 )𝑏3 , (𝑎1 + 𝑎2 − 3) − (𝑏1 𝑏2 )𝑏3 + 𝑎3 − 3) Def. ⊕ entre u y v y w

= (𝑎1 + 𝑎2 + 𝑎3 − 6, 𝑏1 𝑏2 𝑏3 , 𝑎1 + 𝑎2 + 𝑎3 − 𝑏1 𝑏2 𝑏3 − 6) 3

4. Existencia del Neutro Aditivo: 𝑷. 𝑫. ∃𝒆𝝐𝑽, ∀𝒖 𝝐𝑽: 𝒖 + 𝒆 = 𝒆 + 𝒖 = 𝒖

Sea 𝑢 = (𝑎, 𝑏. 𝑎 − 𝑏) ∧ 𝑒 = (3,1,2)
𝑢 ⊕ 𝑒 = (𝑎, 𝑏, 𝑎 − 𝑏) + (3,1,2) Sustitución

30
 = (𝑎 + 3 − 3, 𝑏(1), 𝑎 − 𝑏(1) + 3 − 3) Def. ⊕ entre u y e
= (𝑎, 𝑏, 𝑎 − 𝑏) = 𝑢 Operaciones
𝑒 ⊕ 𝑢 = (3,1,2) + (𝑎, 𝑏, 𝑎 − 𝑏) Sustitución
= (3 + 𝑎 − 3, (1)𝑏, 3 − (1)𝑏 + 𝑎 − 3) Def. ⊕ entre e y u
= (𝑎, 𝑏, 𝑎 − 𝑏) = 𝑢 Operaciones

̂ 𝝐𝑽, : 𝒖 + 𝒖
5. Existencia del Inverso Aditivo: 𝑷. 𝑫. , ∀𝒖 𝝐𝑽, ∃𝒖 ̂=𝒖
̂+𝒖=𝒆
1 (−𝑎+6)𝑏−1
Sea 𝑢 = (𝑎, 𝑏. 𝑎 − 𝑏) ∧ 𝒖
̂ = (−𝑎 + 6, , )
𝑏 𝑏

1 (−𝑎 + 6)𝑏 − 1 Sustitución

𝑢⊕𝒖 ̂ = (𝑎, 𝑏. 𝑎 − 𝑏) + (−𝑎 + 6, , )
𝑏 𝑏
1 1 Def. ⊕ entre u y e
= (𝑎 − 𝑎 + 6 − 3, 𝑏 ( ) , 𝑎 − 𝑏 ( ) − 𝑎 + 6 − 3)
𝑏 𝑏
= (3,1,2) = 𝑒 Operaciones
1 (−𝑎 + 6)𝑏 − 1 Sustitución
̂ ⊕ 𝑢 = (−𝑎 + 6, ,
𝒖 ) + (𝑎, 𝑏. 𝑎 − 𝑏)
𝑏 𝑏
1 1 Def. ⊕ entre e y u
= (−𝑎 + 6 + 𝑎 − 3, ( ) 𝑏, −𝑎 + 6 − ( ) 𝑏 + 𝑎 − 3)
𝑏 𝑏
= (3,1,2) = 𝑒 Operaciones

Multiplicación escalar por vector

1. Clasurativa: ∀ 𝑢 ∈ 𝑉, ∀ 𝑘 ∈ 𝐾: (𝑘 ∙ 𝑢) ∈ 𝑉
Sea 𝑢 = (𝑎, 𝑏. 𝑎 − 𝑏)
𝒌⨂(𝒂, 𝒃, 𝒂 − 𝒃) = (𝒌𝒂 − 𝟑𝒌 + 𝟑, 𝒃𝒌 , 𝒌(𝒂 − 𝟑) − 𝒃𝒌 + 𝟑) Def. 𝒌⨂𝒖
(𝑘 ∙ 𝑢) ∈ 𝑉 pues los elementos que pertenecen a V deben cumplir:
𝒌𝒂 − 𝟑𝒌 + 𝟑 ∈𝑅
𝒌
{ 𝒃 ∈ 𝑅 𝑝𝑢𝑒𝑠 𝑏 ∈ 𝑅 +
+
𝒌
𝒌(𝒂 − 𝟑) − 𝒃 + 𝟑 𝑐𝑢𝑚𝑝𝑙𝑒 𝑐𝑜𝑛 𝑠𝑒𝑟 𝑙𝑎 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑐𝑖𝑎 𝑒𝑛𝑡𝑟𝑒 𝑙𝑎 𝑝𝑟𝑖𝑚𝑒𝑟𝑎 𝑦 𝑠𝑒𝑔𝑢𝑛𝑑𝑎 𝑐𝑜𝑜𝑟𝑑𝑒𝑛𝑎𝑑𝑎

2. Asociativa Mixta: ∀𝑢 ∈ 𝑉, ∀ 𝛼, 𝛽 ∈ 𝐾: (𝛼⨀𝛽)⨂𝑢 = 𝛼⨂(𝛽⨂𝑢)

(𝛼⨀𝛽)⨂𝑢 = (𝛼⨀𝛽)⨂(𝑎, 𝑏. 𝑎 − 𝑏) Sustitución
= ((𝛼⨀𝛽)𝒂 − 𝟑(𝛼⨀𝛽) + 𝟑, 𝒃(𝛼⨀𝛽) , (𝛼⨀𝛽)(𝒂 − 𝟑) − 𝒃(𝛼⨀𝛽) + 𝟑) Def. Prod.Escalar
= ((𝛼𝛽)𝒂 − 𝟑(𝛼𝛽) + 𝟑, 𝒃(𝛼𝛽) , (𝛼𝛽)𝒂 − 𝟑(𝛼𝛽) − 𝒃(𝛼𝛽) + 𝟑) 𝛼⨀𝛽 = 𝛼𝛽
(𝛼𝛽) (𝛼𝛽) Operaciones
= (𝛼𝛽𝒂 − 𝟑𝛼𝛽 + 3, 𝒃 , 𝜶𝛽𝑎 − 3𝛼𝛽 − 𝒃 + 𝟑)
𝛼⨂(𝛽⨂𝑢) = 𝛼⨂(𝛽𝒂 − 𝟑𝛽 + 𝟑, 𝒃𝛽 , 𝛽(𝒂 − 𝟑) − 𝒃𝛽 + 𝟑) Def. Prod.Escalar
𝜶 𝜶
= (𝛼(𝛽𝒂 − 𝟑𝛽 + 𝟑) − 𝟑𝛼 + 3, (𝒃𝛽 ) , 𝜶(𝛽(𝒂 − 𝟑)) − (𝒃𝛽 ) + 𝟑) Def. Prod.Escalar
= (𝛼𝛽𝒂 − 𝟑𝛼𝛽 + 𝟑𝛼 − 𝟑𝛼 + 3, 𝒃(𝛼𝛽) , 𝜶𝛽𝑎 − 3𝛼𝛽 − 𝒃(𝛼𝛽) + 𝟑) Operaciones
= (𝛼𝛽𝒂 − 𝟑𝛼𝛽 + 3, 𝒃(𝛼𝛽) , 𝜶𝛽𝑎 − 3𝛼𝛽 − 𝒃(𝛼𝛽) + 𝟑) Operaciones

3. Neutro multiplicativo Sea 1 ∈ 𝐾𝑒𝑙 neutro multiplicativo de 𝐾, ∀ 𝑢 ∈ 𝑉 ∶ 1 ∙ 𝑢 = 𝑢

Sea 𝑢 = (𝑎, 𝑏. 𝑎 − 𝑏)
1⨂𝒖 = 1(𝑎, 𝑏, 𝑎 − 𝑏) Sustitución
1 1
= ((1)𝑎 − 3(1) + 3, 𝑏 , 1(𝑎 − 3) − 𝑏 + 3 Def. Prod. Escalar k=1
= (𝑎, 𝑏, 𝑎 − 𝑏) Operaciones

31
 4. Distributiva de ⨂ respecto a ⊕ (∀𝑘 ∈ 𝐾, ∀, 𝑢, 𝑣 ∈ 𝑉): 𝑘⨂(𝑢 ⊕ 𝑣) = 𝑘⨂𝒖 ⊕ 𝑘⨂𝑣
Sea 𝑢 = (𝑎1 , 𝑏1 , 𝑎1 − 𝑏1 ) ∧ 𝑣 = (𝑎2 , 𝑏2 , 𝑎2 − 𝑏2 )
𝑘⨂(𝑢 ⊕ 𝑣) = 𝑘⨂((𝑎1 , 𝑏1 , 𝑎1 − 𝑏1 ) + (𝑎2 , 𝑏2 , 𝑎2 − 𝑏2 )) Sustitución
= 𝑘⨂(𝑎1 + 𝑎2 − 3, 𝑏1 𝑏2 , 𝑎1 − 𝑏1 𝑏2 + 𝑎2 − 3) Def. ⊕
= (𝑘(𝑎1 + 𝑎2 − 3) − 3𝑘 + 3, (𝑏1 𝑏2 )𝑘 , 𝑘(𝑎1 + 𝑎2 − 3) − (𝑏1 𝑏2 )𝑘 + 3) Def. ⨂
= (𝑘𝑎1 + 𝑘𝑎2 − 6𝑘 + 3, (𝑏1 𝑏2 )𝑘 , 𝑘𝑎1 + 𝑘𝑎2 − 6𝑘 − (𝑏1 𝑏2 )𝑘 + 3) Operaciones
𝑘⨂𝒖 ⊕ 𝑘⨂𝑣 = 𝑘⨂(𝑎1 , 𝑏1 , 𝑎1 − 𝑏1 ) ⊕ 𝑘⨂(𝑎2 , 𝑏2 , 𝑎2 − 𝑏2 ) Sustitución
= (𝑘𝑎1 − 3𝑘 + 3, 𝑏1 𝒌 , 𝒌(𝑎 − 𝟑) − 𝑏1 𝒌 + 𝟑) ⊕ (𝑘𝑎2 − 3𝑘 + 3, 𝑏2 𝒌 , 𝒌(𝑎2 − 𝟑) − 𝑏2 𝒌 + 𝟑) Def. ⨂

= (𝑘𝑎1 − 3𝑘 + 3 + 𝑘𝑎2 − 3𝑘 + 3 − 3, 𝑏1 𝒌 𝑏2 𝒌 , 𝑘𝑎1 − 3𝑘 + 3 − 𝑏1 𝒌 𝑏2 𝒌 + 𝒌(𝑎2 − 𝟑) − 𝑏2 𝒌 + 𝟑 − 𝟑) Def. ⊕

= (𝑘𝑎1 + 𝑘𝑎2 − 6𝑘 + 3, (𝑏1 𝑏2 )𝑘 , 𝑘𝑎1 + 𝑘𝑎2 − 6𝑘 − (𝑏1 𝑏2 )𝑘 + 3) Operaciones

5. Distributiva de +respecto a ⨂(∀ 𝛼, 𝛽 ∈ 𝐾, ∀, 𝑢 ∈ 𝑉): (𝛼 + 𝛽)⨂𝑣 = 𝛼⨂𝑣 ⊕ 𝛽⨂𝑣

Sea 𝑢 = (𝑎, 𝑏, 𝑎 − 𝑏)

(𝛼 + 𝛽)⨂𝑣 = (𝛼 + 𝛽)⨂(𝑎, 𝑏, 𝑎 − 𝑏) Sustitución

= ((𝛼 + 𝛽)𝑎 − 3(𝛼 + 𝛽) + 3, (𝑏)(𝛼+𝛽) , (𝛼 + 𝛽)(𝑎 − 3) − (𝑏)(𝛼+𝛽) + 3) Def. ⨂
= (𝛼𝑎 + 𝛽𝑎 − 3𝛼 − 3𝛽 + 3, (𝑏)(𝛼+𝛽) , 𝛼𝑎 + 𝛽𝑎 − 3𝛼 − 3𝛽 − (𝑏)(𝛼+𝛽) + 3) Operaciones

(𝛼⨂𝑣) ⊕ (𝛽⨂𝑣) = (𝛼𝑎 − 3𝛼 + 3, 𝑏 𝛼 , 𝛼(𝑎 − 3) − 𝑏 𝛼 + 3) ⊕ (𝛽𝑎 − 3𝛽 + 3, 𝑏 𝛽 , 𝛽(𝑎 − 3) − 𝑏 𝛽 + 3 Def. ⨂

= (𝛼𝑎 − 3𝛼 + 3 + 𝛽𝑎 − 3𝛽 + 3 − 3, 𝑏 𝛼 𝑏𝛽 , 𝛼𝑎 − 3𝛼 + 3 − 𝑏 𝛼 𝑏𝛽 + 𝛽𝑎 − 3𝛽 + 3 − 3) Def. ⊕
= (𝛼𝑎 + 𝛽𝑎 − 3𝛼 − 3𝛽 + 3, (𝑏)(𝛼+𝛽) , 𝛼𝑎 + 𝛽𝑎 − 3𝛼 − 3𝛽 − (𝑏)(𝛼+𝛽) + 3) Operaciones

4.3 Propiedades de los espacios vectoriales

Teorema 4.1 (Propiedades aditiva y multiplicativa) Sean (𝑉, 𝐾, +,·) un espacio
vectorial, 𝛼 ∈ 𝐾, 𝑢 ∈ 𝑉 , 𝑣 ∈ 𝑉 y 𝑤 ∈ 𝑉 . Se verifican las siguientes propiedades:
1. Aditiva: si 𝑢 = 𝑣, entonces 𝑢 + 𝑤 = 𝑣 + 𝑤.
𝐷𝑒𝑚𝑜𝑠𝑡𝑟𝑎𝑐𝑖ó𝑛: Sean 𝛼 ∈ 𝐾, 𝑢 ∈ 𝑉 , 𝑣 ∈ 𝑉 𝑦 𝑤 ∈ 𝑉
𝑢 = 𝑣 hipótesis,
𝑢 + 𝑤 = 𝑢 + 𝑤 axioma de identidad de la igualdad,
𝑢 + 𝑤 = 𝑣 + 𝑤 sustitución de v por u en la igualdad anterior ya que u = v

2. Multiplicativa: si u = v, entonces αu = αv
𝐷𝑒𝑚𝑜𝑠𝑡𝑟𝑎𝑐𝑖ó𝑛. Sean 𝛼 ∈ 𝐾, 𝑢 ∈ 𝑉 , 𝑣 ∈ 𝑉 𝑦 𝑤 ∈ 𝑉
𝑢 = 𝑣 hipótesis,
𝛼𝑢 = 𝛼𝑢 axioma de identidad de la igualdad,
𝛼𝑢 = 𝛼𝑣 v se sustituye por u en la igualdad anterior ya que u = v.
Teorema 4.2 (Propiedades cancelativas) Sean (𝑉, 𝐾, +,·) un espacio vectorial, 𝛼 ∈
𝐾, 𝑢 ∈ 𝑉 , 𝑣 ∈ 𝑉 y 𝑤 ∈ 𝑉 . Se verifican las siguientes propiedades:
1. Cancelativa de la suma: si 𝑢 + 𝑤 = 𝑣 + 𝑤, entonces 𝑢 = 𝑣.
2. Cancelativa de la multiplicación: si 𝛼 ≠ 0 y 𝛼 · 𝑢 = 𝛼 · 𝑣, entonces 𝑢 = 𝑣.
𝐷𝑒𝑚𝑜𝑠𝑡𝑟𝑎𝑐𝑖ó𝑛. Sean α ∈ K, u ∈ V, v ∈ V y w ∈ V.
1. Cancelativa de la suma:
𝑢 + 𝑤 = 𝑣 + 𝑤 hipótesis,
(𝑢 + 𝑤) + (−𝑤) = (𝑣 + 𝑤) + (−𝑤) propiedad aditiva,
𝑢 + (𝑤 + (−𝑤)) = 𝑣 + (𝑤 + (−𝑤)) propiedad asociativa,
𝑢 + 0𝑣 = 𝑣 + 0𝑣 definición de, opuesto aditivo
𝑢 = 𝑣 definición de neutro aditivo.

32
 2. Cancelativa de la multiplicación: sea 𝛼 ≠ 0; entonces, existe 𝛼 −1 :
𝛼·𝑢 = 𝛼·𝑣 hipótesis,
𝛼 −1 · [𝛼 · 𝑢] = 𝛼 −1 ·[𝛼 · 𝑣] propiedad multiplicativa,
(𝛼 −1 𝛼) · 𝑢 = (𝛼 −1 𝛼) · 𝑣 propiedad asociativa mixta,
1·𝑢 = 1·𝑣 definición de inverso multiplicativo en K,
𝑢 = 𝑣 definición de 1.

Teorema 4.3 (Propiedades de los espacios vectoriales) Sea (𝑉, 𝐾, +,·) un espacio
vectorial. Entonces, para todo 𝛼 ∈ 𝐾 y todo 𝑣 ∈ 𝑉 , se tiene que:
𝟏. 𝜶 · 𝟎𝒗 = 𝟎𝒗. 𝟐. 𝟎 · 𝒗 = 𝟎𝒗.
𝟑. 𝒂 · 𝒗 = 𝟎𝒗 ⇔ 𝜶 = 𝟎 ∨ 𝒗 = 𝟎𝒗. 𝟒. (−𝟏) · 𝒗 = −𝒗.

Demostraciones. En todo lo que sigue, 𝛼 representará un elemento cualquiera de 𝐾 y

𝑣 uno cualquiera de 𝑉 .
1. Ya que 0𝑣 es el neutro aditivo de V, tenemos que:

𝛼 · 0𝑣 = 𝛼 · 0𝑣 + 0𝑣. 1

Por otro lado, la definición de 0𝑣 y la propiedad distributiva en 𝑉 nos permite escribir lo

siguiente:

𝛼 · 0𝑣 = 𝛼 · (0𝑣 + 0𝑣) 2 = 𝛼 · 0𝑣 + 𝛼 · 0𝑣.

Entonces, por la propiedad transitiva de la igualdad aplicada a las ecuaciones
anteriores, tenemos que:
𝛼 · 0𝑣 + 𝛼 · 0𝑣 = 𝛼 · 0𝑣 + 0𝑣.

De esta igualdad se colige que 𝛼 · 0𝑣 también es un neutro aditivo en 𝑉 . Pero 0𝑣 es

único. Entonces:
𝛼 · 0𝑣 = 0𝑣.
2. Como 0𝑣 es el neutro aditivo de V, tenemos que:

0 · 𝑣 = 0 · 𝑣 + 0𝑣. (1)

Por otro lado, la definición de 0 ∈ 𝐾 y la propiedad distributiva en 𝑉 nos permite

escribir lo siguiente:
0 · 𝑣 = (0 + 0) · 𝑣 = 0 · 𝑣 + 0 · 𝑣. (2)

Entonces, por la propiedad transitiva de la igualdad aplicada a (1) 𝑦 (2), tenemos que:
0 · 𝑣 + 0 · 𝑣 = 0 · 𝑣 + 0𝑣.
De esta igualdad se concluye que 0·v también es un neutro aditivo en V . Pero 0v es
único. Entonces: 0 · 𝑣 = 0𝑣.

3. En primer lugar, demostremos que si α·v = 0v, entonces o bien 𝛼 = 0 o bien 𝑣 =

0𝑣 (o ambos).
Utilicemos el método por contradicción. Para ello, supongamos que 𝛼 · 𝑣 = 0𝑣, y que
𝛼 ≠ 0 y 𝑣 ≠ 0𝑣. Entonces, existe 𝛼 −1 y:

33
 𝛼 −1 · (𝛼 · 𝑣) = 𝛼 −1 ·0𝑣 multiplicativa
(𝛼 −1 𝛼) = 𝛼 −1 0𝑣 asociativa mixta
1. 𝑣 = 𝛼 −1 . 0𝑣 definición de 𝛼 −1 ,
𝑣 = 𝛼 −1 . 0𝑣 definición de 1,
𝑣 = 0𝑣 definición de 0v
.

Por lo tanto 𝑣 = 0𝑣. Pero esta igualdad contradice la hipótesis de que 𝑣 ≠ 0𝑣

Entonces, lo supuesto es falso; es decir, es verdad que 𝛼 = 0 o 𝑣 = 0𝑣 siempre que
𝛼 · 𝑣 = 0𝑣.
Ahora debemos probar la recíproca: si α = 0 o v = 0v, entonces α·v = 0v. Pero esta
implicación no es más que la disyunción de las dos primeras propiedades que ya
hemos demostrado que son verdaderas.
4. Vamos a demostrar que (−1) · 𝑣 = −𝑣:
(−1) · 𝑣 = (−1) · 𝑣 + 0𝑣 definición de 0v,
= (−1) · 𝑣 + (𝑣 + (−𝑣)) Existencia del inverso aditivo,
= [(−1) · 𝑣 + 𝑣] + (−𝑣) asociativa en V,
= [(−1) · 𝑣 + 1 · 𝑣] + (−𝑣) axioma del neutro multiplicativo en V,
= (−1 + 1) · 𝑣 + (−𝑣) distributiva en V,
= 0 · 𝑣 + (−𝑣) axioma del inverso aditivo en K,
= 0𝑣 + (−𝑣) segunda propiedad de este teorema,
= −𝑣 definición de 0v
Por lo tanto, hemos demostrado que (−1) · 𝑣 = −𝑣.

4.4 SUB ESPACIOS VECTORIALES

Definición 4.2 (Subespacio vectorial) Sean (𝑉, 𝐾, +,·) un espacio vectorial y 𝑊 ⊂ 𝑉 .
Se dice que 𝑊 es un subespacio vectorial (s.e.v.) de 𝑉 si y solamente si (𝑊, 𝐾,⊕,⊙)
es un espacio vectorial, donde ⊕ 𝑦 ⊙ son las restricciones de + y · a 𝑊.
Puesto que
𝑢 ⊕ 𝑣 = 𝑢 + 𝑣 y 𝛼 ⊙ 𝑣 = 𝛼 · 𝑣 para todo 𝛼 ∈ 𝐾 y 𝑣 ∈ 𝑊, decir que 𝑊 es un
subespacio vectorial de 𝑉 es equivalente a decir que 𝑊 es un espacio vectorial sobre
𝐾 con las “mismas operaciones” de 𝑉 . Por esta razón, se acostumbra utilizar la misma
notación para las operaciones de 𝑊 que de 𝑉 , aunque, en sentido estricto, son
diferentes porque poseen dominios diferentes. En adelante, seguiremos esta
convención.
Sea (𝑉, 𝐾, +,∙) un e. v. 𝑤i ∈ 𝑊 y es un s. e. v. de V si y solo si

𝑊 = {∀𝑣𝑖 ∈ 𝑉/ 𝑐𝑜𝑛𝑑𝑖𝑐𝑖𝑜𝑛 }

Propiedades

Teorema 4.4 – Observaciones

1. ∀𝑢, 𝑣 ∈ 𝑊, ∀𝛼 ∈ 𝐾 : (αu + v) ∈ 𝑊
2. Una condición necesaria para que un subconjunto sea un s. e. v. → 0v ∈ 𝑊
3. Una condición necesaria para que un subconjunto sea un s. e. v. es que el inverso
aditivo de un subconjunto sea un elemento de un subconjunto
4. Debe cumplir las ´propiedades clausurativas
 Suma vectorial:
(∀ 𝑣𝑖 , 𝑣𝑗 ∈ 𝑊) → (𝑣𝑖 +𝑣𝑗 ) = 𝑣𝑘 ∈ 𝑊

34
  Multiplicación de un escalar por vector:
(∀ 𝑣𝑖 ∈ 𝑊, 𝛼 ∈ 𝐾) → (𝛼𝑣𝑖 ) = 𝑣𝑘 ∈ 𝑊
Ejemplo:
El conjunto

𝑊 = {(𝑥1 , 𝑥2 , 𝑥3 )𝜖 R3 ; 𝑥3 = 3𝑥1 + 2𝑥2 }

Es un subespacio vectorial de (R3 , R, +,∙)

Lo primero que hay que demostrar es que la ley de composición interna y externa son
cerradas

i) 𝐿. 𝐶. 𝐼: 𝑃𝐷: ∀ 𝑢, 𝑣 ∈ 𝑊: (𝑢 + 𝑣) ∈ 𝑊

Sea: 𝑢 = (𝑥1 , 𝑥2 , 𝑥3 )⁄𝑥3 = 3𝑥1 + 2𝑥2 ∧ 𝑣 = (𝑦1, 𝑦2 , 𝑦3 )⁄𝑦3 = 3𝑦1 + 2𝑦2 ; 𝑢, 𝑣 ∈ 𝑊

𝑢+𝑣 = (𝑥1 , 𝑥2 , 𝑥3 ) + (𝑦1, 𝑦2 , 𝑦3 ) Definición de u y v

= (𝑥1 , 𝑥2 , 3𝑥1 + 2𝑥2 ) + (𝑦1, 𝑦2 , 3𝑦1 + 2𝑦2 ) Condición 𝑥3

= (𝑥1 + 𝑦1 , 𝑥2 + 𝑦2 , 3𝑥1 + 2𝑥2 + 3𝑦1 + 2𝑦2 ) Definición de + en R3

= [𝑥1 + 𝑦1 , 𝑥2 + 𝑦2 , 3𝑥1 + 3𝑦1 + 2𝑥2 + 2𝑦2 ] Conmutativa y asociativa en R

= [𝑥1 + 𝑦1 , 𝑥2 + 𝑦2 , 3(𝑥1 + 𝑦1 ) + 2(𝑥2 + 𝑦2 )] Distributiva en R

= (𝑧1 , 𝑧2 , 3𝑧1 + 2𝑧2 ) ∈ 𝑊 𝑧1 = 𝑥1 + 𝑦1 ∧ 𝑧2 = 𝑥2 + 𝑦2

Como 𝑢 + 𝑣 cumple la carácterística de que la tercera coordenada debe ser igual a la

suma de la primera multiplicada por 3 con la segunda multiplicada por 2, pertenece a
W y por lo tanto se cumple la propiedad clausurativa o L.C.I.
ii) 𝐿. 𝐶. 𝐸: 𝑃𝐷: ∀ 𝑢, ∈ 𝑊 ∧ ∀∝ ∈ 𝐾: (∝ 𝑢) ∈ 𝑊
∝𝑢 =∝ (𝑥1 , 𝑥2 , 𝑥3 ) Definición de u

=∝ (𝑥1 , 𝑥2 , 3𝑥1 + 2𝑥2 ) Condición 𝑥3

= [∝ 𝑥1 , ∝ 𝑥2 , ∝ (3𝑥1 + 2𝑥2 )] Definición de ∙ escalar en R3

= (∝ 𝑥1 , ∝ 𝑥2 , 3 ∝ 𝑥1 + 2 ∝ 𝑥2 ) Distributiva de ∙ respecto a + en R

= (𝑡1 , 𝑡2 , 3𝑡1 + 2𝑡2 ) ∈ 𝑊 𝑡1 = 𝛼𝑥1 ∧ 𝑡2 = 𝛼𝑥2 ∧ 𝑡3 = 3𝑡1 + 2𝑡2

Como 𝛼𝑢 cumple la carácterística de que la tercera coordenada debe ser igual a la

suma de la primera multiplicada por 3 con la segunda multiplicada por 2, pertenece a
W y por lo tanto se dice que es cerrada respecto de la propiedad clausurativa o L.C.E.
1. Conmutativa: (∀𝑢 ∈ 𝑊)(∀𝑣 ∈ 𝑊)(𝑢 ⊕ 𝑣 = 𝑣 ⊕ 𝑢):
𝑢⊕𝑣 = 𝑢 + 𝑣 ⊕ es restricción de + a W y u ∈ W y v ∈ W

= 𝑣 + 𝑢 + es conmutativa,

35
 = 𝑣⊕𝑢 ⊕ es restricción de + a W y u ∈ W y v ∈ W.

2. Asociativa: (∀𝑢 ∈ 𝑊)(∀𝑣 ∈ 𝑊)(∀𝑣 ∈ 𝑊)(𝑢 ⊕ 𝑣 = 𝑣 ⊕ 𝑢):

𝑢 ⊕ (𝑣 ⊕ 𝑤) = 𝑢 + (𝑣 + 𝑤) ⊕ es restricción de + a W y u ∈ W, v ∈ W y w ∈ W,

= (𝑢 + 𝑣) + 𝑤 + es asociativa

= (𝑢 ⊕ 𝑣) ⊕ 𝑤 ⊕ es restricción de + a W y u ∈ W, v ∈ W y w ∈ W

3. Existencia del neutro aditivo: (∃𝑒 ∈ 𝑊)(∀𝑤 ∈ 𝑊)(𝑤 ⊕ 𝑒 = 𝑤):

Definamos e = 0R3 = (0,0,0).

Veamos que e ∈ W: 0 = 3 · 0 + 2. 0 = 0 + 0 = 0.
Por lo tanto, si w ∈ W, tenemos que w ∈ V , de donde:
w ⊕ e = w + e = w + 0R3 = w.

4. Existencia del inverso aditivo: (∀𝑤 ∈ 𝑊)(∃𝑤

̂ ∈ 𝑊)(𝑤 + 𝑤
̂ = 0𝑊 ):

Definamos 𝑤̂ = −𝑤 = (−𝑥1 , −𝑥2 , −𝑥3 ),

donde 𝑤 = (𝑥1 , 𝑥2 , 𝑥3 ). Veamos que – 𝑤 ∈ 𝑊:

−𝑥3 = −(3𝑥1 + 2 𝑥2 ) = 3(−𝑥1 ) + 2 (−𝑥2 ).

Además, por la definición de −w, se verifica que:

𝑤⊕ 𝑤
̂ = 𝑤 + (−𝑤) = 0R3 .

5. Asociativa mixta: (∀𝛼 ∈ 𝑅)(∀𝛽 ∈ 𝑅)(∀𝑤 ∈ 𝑊)(𝛼 ⊙ (𝛽 ⊙ 𝑤) = (𝛼𝛽) ⊙ 𝑤):

𝛼 ⊙ (𝛽 ⊙ 𝑤) = 𝛼(𝛽𝑤) ⊙ es restricción de · a W, w ∈ W y βw ∈ W,

= (𝛼𝛽)𝑤 Asociativa mixta en 𝑅3

= (𝛼𝛽) ⊙ 𝑤 ⊙ es restricción de · a W y w ∈ W
.
6. Neutro multiplicativo: (∀𝑤 ∈ 𝑊)(1 ⊙ 𝑤 = 𝑤), donde 1 ∈ K:

1⊙𝑤 = 1·𝑤 ⊙ es restricción de · a W y w ∈ W,

= 𝑤1 es el neutro multiplicativo en V y w ∈ V

7. Distributiva: (∀𝑢 ∈ 𝑊)(∀𝑣 ∈ 𝑊)(∀𝛼 ∈ 𝐾)(𝛼 ⊙ (𝑢 ⊕ 𝑣) = 𝛼 ⊙ 𝑢 ⊕ 𝛼 ⊙ 𝑣).

La demostración se deja al lector como ejercicio.
8. Distributiva: (∀𝛼 ∈ 𝐾)(∀𝛽 ∈ 𝐾)(∀𝑤 ∈ 𝑊)(𝛼 + 𝛽) ⊙ 𝑤 = 𝛼 ⊙ 𝑢 ⊕ 𝛽 ⊙ 𝑤).
La demostración se deja al lector como ejercicio.
Teorema 4.5 (Subespacio vectorial) Sean (𝑉, 𝐾, +,·) un espacio vectorial y 𝑊 ⊂ 𝑉 .
Entonces, 𝑊 es un subespacio vectorial de 𝑉 si y solamente si:

36
1. 𝑊 ≠ ∅;
2. (∀𝑢 ∈ 𝑊)(∀𝑣 ∈ 𝑊)(𝑢 + 𝑣 ∈ 𝑊) (la restricción de + a W es cerrada); y
3. (∀𝛼 ∈ 𝐾)(∀𝑤 ∈ 𝑊)(𝛼𝑤 ∈ 𝑊) (la restricción de · a W es cerrada).

Demostración. Es evidente que si 𝑊 es un subespacio vectorial de 𝑉 , entonces las

tres propiedades enunciadas son verdaderas, ya 𝑊 es un espacio vectorial en sí
mismo con las operaciones de 𝑉 restringidas a 𝑊.
Recíprocamente, probemos que, si las tres condiciones son verdaderas, entonces
(𝑊, 𝐾, +,·) es un espacio vectorial. Para ello, debemos verificar las ocho condiciones
de la definición de espacio vectorial. Estas verificaciones siguen el mismo patrón que
el realizado anteriormente, así que no se las va a realizar de manera detallada. Sin
embargo, ver más de cerca la existencia del neutro y del inverso aditivo en W, ilustra el
porqué de la primera condición.
En efecto, dado que 𝑊 ≠ ∅;, sea 𝑤 un elemento de 𝑊. Por la segunda condición, si
tomamos α = 0, entonces, como 𝑤 ∈ 𝑉 (ya que 𝑊 ⊂ 𝑉 ):

𝛼𝑤 = 0 · 𝑤 = 0𝑣 ∈ 𝑊.
En otras palabras, en 𝑊 debe estar, al menos, el vector nulo de 𝑉 . Y este elemento es
también el vector nulo de 𝑊.
Ahora, si aplicamos nuevamente la segunda condición al elemento 𝑤 de 𝑊, pero esta
vez con 𝛼 = −1, podemos concluir (con ayuda de la cuarta propiedad enunciada en el
teorema que:

𝛼𝑤 = −1 · 𝑤 = −𝑤 ∈ 𝑊.
Es decir, en 𝑊 también está, a más de 𝑤, su inverso aditivo,−𝑤. Por lo tanto, para
cada elemento de 𝑊, su inverso aditivo es el mismo inverso aditivo de este elemento
considerado un elemento de 𝑉 .
Observaciones
1. La segunda y la tercera condiciones del teorema pueden ser reemplazadas por la
siguiente:
(∀𝛼 ∈ 𝐾)(∀𝑢 ∈ 𝑊)(∀𝑣 ∈ 𝑊)(𝛼𝑢 + 𝑣 ∈ 𝑊).

2. En la demostración del teorema, vimos que 0𝑣 siempre debe estar en 𝑊. En otras

palabras, una condición necesaria para que un subconjunto de un espacio vectorial
sea un subespacio vectorial es que contenga al vector cero del espacio vectorial. Por
esta razón, para demostrar el cumplimiento de la primera propiedad, probaremos que
el vector nulo está en el conjunto, ya que, si no estuviera, el conjunto no sería un
subespacio vectorial.
3. De la demostración del teorema también obtenemos otra condición necesaria para
que un subconjunto de un espacio vectorial sea un subespacio vectorial de éste: el
inverso aditivo de un elemento del subconjunto debe estar en el conjunto.

Ejercicios
1. Determine si los siguientes subconjuntos son subespacios de 𝑹𝟑 .
Compruebe su respuesta.
a) 𝑺 = {(𝒂, 𝒃, 𝒄)⁄𝒂 + 𝒃 − 𝟑 = 𝟐𝒄: 𝒂, 𝒃, 𝒄 ∈ 𝑹}

37
a) P.D. 𝑆 ≠ ∅ es decir que 0𝑣 ∈ 𝑆
𝑎+𝑏−3
𝑆 = {(𝑎, 𝑏, ) : 𝑎, 𝑏, 𝑐 ∈ 𝑅 }
2
𝑎=0
El 0𝑣 ∈ 𝑅3 = (0,0,0) tiene la forma {𝑏 = 0 por lo tanto un elemento que
𝑐=0
pertenece a 𝑆 debería cumplir con esas condiciones, lo cual no ocurre pues los
𝑎=0
elementos de 𝑆 son de la forma: { 𝑏=0 por lo que se
𝑐 = (0 + 0 − 3)/2 = −3/2
concluye que 0𝑣 ∉ 𝑆, es decir 𝑆 no es s.e.v.

b) 𝑺 = {(𝒂, 𝒃, 𝒄)⁄𝒂 + 𝒃 = 𝟐𝒄: 𝒂, 𝒃, 𝒄 ∈ 𝑹}

i) P.D. 𝑆 ≠ ∅ es decir que 0𝑣 ∈ 𝑆

𝑎+𝑏
𝑆 = {(𝑎, 𝑏, ) : 𝑎, 𝑏, 𝑐 ∈ 𝑅 }
2
Si reemplazamos el 0𝑣 en el conjunto 𝑆 se tiene:
𝑎=0
{ 𝑏0+0=0 por lo que concluimos que 0𝑣 ∈ 𝑆
𝑐= 2 =0

ii) PD. (∀𝑢 ∈ 𝑆)(∀𝑣 ∈ 𝑆)(𝑢 + 𝑣 ∈ 𝑆)

Sea:
𝑎1 + 𝑏1 𝑎2 + 𝑏2
𝑢 = (𝑎1 , 𝑏1 , ) ∧ 𝑣 = (𝑎2 , 𝑏2 , )
2 2

𝑎1 + 𝑏1 𝑎2 + 𝑏2
𝑢+𝑣 = (𝑎1 , 𝑏1 , ) + (𝑎2 , 𝑏2 , ) Definición de u y v
2 2
𝑎1 + 𝑏1 𝑎2 + 𝑏2
= (𝑎1 + 𝑎2 , 𝑏1 + 𝑏2 , + ) Definición de + en R3
2 2
𝑎1 + 𝑎2 𝑏1 + 𝑏2
= (𝑎1 + 𝑎2 , 𝑏1 + 𝑏2 , + ) Asociativa, Conmutativa en R
2 2
𝑥1 + 𝑦1
= (𝑥1 , 𝑦1 , ) 𝑥1 = 𝑎1 + 𝑎2 ∧ 𝑦1 = 𝑏1 + 𝑏2
2

Es decir que( 𝑢 + 𝑣) ∈ 𝑆 pues tiene la característica que el tercer elemento

es la semisuma de los dos primeros.

iii) P.D (∀𝛼 ∈ 𝐾)(∀𝑤 ∈ 𝑆)(𝛼𝑤 ∈ 𝑆)

Sea:
𝑎+𝑏
𝑢 = (𝑎, 𝑏, )
2

𝑎+𝑏
𝛼∙𝑢 = 𝛼 ∙ (𝑎, 𝑏, ) Definición de 𝛼 y u
2
𝑎+𝑏 Definición de producto escalar por vector en
= (𝛼𝑎, 𝛼𝑏, 𝛼 ( ))
2 R3.
𝛼𝑎 + 𝛼𝑏 Distributiva en R
= (𝛼𝑎, 𝛼𝑏, ( ))
2

38
 𝑥+𝑦
= (𝑥, 𝑦, ) 𝑥 = 𝛼𝑎 ∧ 𝑦 = 𝛼𝑏
2

Es decir que(𝛼 𝑢) ∈ 𝑆 pues tiene la característica que el tercer elemento es la

semisuma de los dos primeros.

c) 𝑾𝟏 = {(𝒙𝟏 , 𝒙𝟐 , 𝒙𝟑 ) ∈ 𝑹𝟑 ∶ 𝟐𝒙𝟏 > 𝒙𝟑 }.

Empecemos por verificar si 𝑊1 contiene o no al vector nulo de 𝑅3 . Para ello,

debemos determinar si el doble de la primera coordenada de (0,0,0) es mayor que
la tercera:2·0 > 0. Pero 2 · 0 = 0 no es mayor que 0, sino igual (y no puede ser
mayor por el axioma de tricotomía de R. Por lo tanto 0𝑣 ∉ 𝑊1 , de donde podemos
concluir que 𝑊1 no es un subespacio vectorial de 𝑅3 .

d) 𝑾𝟐 = {(𝒙𝟏 , 𝒙𝟐 , 𝒙𝟑 ) ∈ 𝑹𝟑 ∶ |𝒙𝟏 + 𝒙𝟐 | = 𝒙𝟑 }

El vector nulo 0𝑣 sí es elemento de 𝑊2 , ya que |0 + 0| = |0| = 0. Por lo tanto,

𝑊2 ≠ ∅.
Sean 𝛼 ∈ 𝑅, 𝑢 ∈ 𝑊2 y 𝑣 ∈ 𝑊2 . Veamos si 𝛼𝑢 + 𝑣 ∈ 𝑊2 .
Observemos que el vector (1, −2,1) está en 𝑊2 , ya que|1 + (−2)| = | − 1| = 1.
Sin embargo, su inverso aditivo−(1, −2,1) = (−1,2, −1) no está en 𝑊2 , porque

| − 1 + 2| = |1| = 1 ≠ −1. Esto significa que 𝑊2 no puede ser un subespacio

vectorial de 𝑅3 .

e) 𝑾𝟑 = {𝑷(𝒙) = 𝒂𝟎 + 𝒂𝟏 𝒙 + 𝒂𝟐 𝒙𝟐 𝝐 𝑷𝟐 [𝒙] / 𝟑𝒂𝟎 − 𝟓𝒂𝟏 = 𝒂𝟐 𝒆𝒔 𝒔. 𝒆. 𝒗. 𝒅𝒆 𝑷𝟐 [𝒙]

𝑖. 𝑃. 𝐷. 𝑤 ≠ ∅ → 0𝑣 𝜖 𝑊

0𝑣 = 0 + 0𝑥 + 0𝑥 2

𝑎0 = 0 𝑃. 𝐷: 3𝑎0 − 5𝑎1 = 𝑎2

𝑎1 = 0 1 3𝑎0 − 5𝑎1 = 3(0) − 5(0)

𝑎2 = 0 =0 3

2 𝑎2 = 0 3

Como 1 = 3 ∧ 2 = 3 → 1 = 2 es decir ⇒ 0𝑣 𝜖 𝑊3

𝑖𝑖. ∀ 𝑝(𝑥), 𝑞(𝑥) 𝜖 𝑊: (𝑝(𝑥) + 𝑞(𝑥)) 𝜖 𝑊

𝑆𝑒𝑎: 𝑝(𝑥) = 𝑎0 + 𝑎1 𝑥 + (3𝑎0 − 5𝑎1 )𝑥 2 ∧ 𝑞(𝑥) = 𝑏0 + 𝑏1 𝑥 + (3𝑏0 − 5𝑏1 )𝑥 2

𝑝(𝑥) + 𝑞(𝑥) = (𝑎0 + 𝑎1 𝑥 + (3𝑎0 − 5𝑎1 )𝑥 2 ) + (𝑏0 + 𝑏1 𝑥 + (3𝑏0 − 5𝑏1 )𝑥 2 )

= (𝑎0 + 𝑏0 ) + (𝑎1 + 𝑏1 )𝑥 + (3𝑎0 − 5𝑎1 + 3𝑏0 − 5𝑏1 )𝑥 2
= (𝑎0 + 𝑏0 ) + (𝑎1 + 𝑏1 )𝑥 + (3(𝑎0 + 𝑏0 ) − 5(𝑎1 + 𝑏1 ))𝑥 2
𝑆𝑖 (𝑎0 + 𝑏0 ) = 𝑐0 ∧ (𝑎1 + 𝑏1 ) = 𝑐1 →
𝑝(𝑥) + 𝑞(𝑥) = 𝑐0 + 𝑐1 𝑥 + (3𝑐0 − 5𝑐1 )𝑥 2

𝑖𝑖𝑖. ∀ 𝛼 𝜖 ℝ ∀ 𝑝(𝑥) 𝜖 𝑊: [𝛼 𝑝(𝑥)] 𝜖 𝑊

𝑆𝑒𝑎: 𝑝(𝑥) = 𝑎0 + 𝑎1 𝑥 + (3𝑎0 − 5𝑎1 )𝑥 2 entonces

𝛼𝑝(𝑥) = 𝛼(𝑎0 + 𝑎1 𝑥 + (3𝑎0 − 5𝑎1 )𝑥 2 )

39
 𝛼𝑝(𝑥) = 𝛼𝑎0 + 𝛼𝑎1 𝑥 + (3𝛼𝑎0 − 5𝛼𝑎1 )𝑥 2
𝑆𝑖 𝛼(𝑎0 ) = 𝑑0 ∧ 𝛼(𝑎1 ) = 𝑑1 →

𝛼𝑝(𝑥) = 𝑑0 + 𝑑1 𝑥 + (3𝑑0 − 5𝑑1 )𝑥 2 𝜖 𝑊3

g) Sea 𝑾𝒊 la solución infinita del siguiente sistema.

(2𝑚 + 2)𝑥1 + (𝑚 − 1)𝑥2 + (𝑚 + 3)𝑥3 = 0

𝑆𝑖: { (𝑚 − 1)𝑥2 − (𝑚 − 1)𝑥3 = 0
𝑚𝑥1 + 𝑥2 − 𝑥3 = 0

Demostrar que es s.e.v de 𝑹𝟑

(2𝑚 + 2) (𝑚 − 1) (𝑚 + 3) 𝑥1 0
( 0 (𝑚 − 1) −(𝑚 − 1)) (𝑥2 ) = (0)
𝑚 1 −1 𝑥3 0
Análisis
𝑚 = 𝑛 = 3 → 𝐴3 → ∃|𝐴|

(2𝑚 + 2) (𝑚 − 1) (𝑚 + 3) (2𝑚 + 2) (𝑚 − 1) (2𝑚 + 2)

| 0 (𝑚 − 1) −(𝑚 − 1)| = | 0 (𝑚 − 1) 0 |
𝑚 1 −1 𝑚 1 0
𝐶3 + 𝐶2

(𝑚 − 1)
= (2𝑚 + 2) | 0 | = −𝑚(𝑚 − 1)(2𝑚 + 2)
𝑚 1

𝑚≠0
Para que exista solución única {𝑚 ≠ −1
𝑚≠1

Si 𝒎 = 𝟏

(2𝑚 + 2) (𝑚 − 1) (𝑚 + 3) 0 4 0 4 0 𝑓1 − 4𝑓3
( 0 (𝑚 − 1) −(𝑚 − 1)|0) = (0 0 0 |0)
𝑚 1 −1 0 1 1 −1 0
0 −4 8 0 −(1⁄4)𝑓1 0 1 −2 0 0 1 −2 0 𝑓1 ↔ 𝑓3
~ (0 0 0|0) ~ (0 0 0|0) ~ (0 0 0|0)
1 1 −1 0 1 1 −1 0 𝑓3 − 𝑓1 1 0 10
1 0 10 𝑥1 = −𝑥3 = −𝑡
(0 1 −2|0) Sea 𝑥3 = 𝑡 entonces se tiene: { 𝑥 = 2𝑥 = 2𝑡
2 3
0 0 00
𝑥1 = −𝑥3 = −𝑡
Por lo tanto el 𝐶. 𝑆 = {(𝑥1 , 𝑥2 , 𝑥3 ) ∈ 𝑅3 ⁄ , 𝑥 = 𝑡 ∧ 𝑡 ∈ 𝑅}, es decir
𝑥2 = 2𝑥3 = 2𝑡 3

𝐶. 𝑆 = 𝑊1 = {(−𝑡, 2𝑡, 𝑡) ∈ 𝑅3 ∕ 𝑡 ∈ 𝑅} tiene infinitas soluciones.

P.D 𝑊1 𝑒𝑠 𝑠. 𝑒. 𝑣 𝑑𝑒 𝑅3
i) 𝑊1 ≠ ∅ es decir PD. 0𝑣 ∈ 𝑊1

40
Un elemento que ∈ a 𝑊1 tiene la forma (−𝑡, 2𝑡, 𝑡), vamos a comprobar que
0𝑣 = (0,0,0) ∈ 𝑅3 es parte de 𝑊. En efecto 0𝑣 = (0,0,0) = (−0,2 ∗ 0,0) cuando
𝑡 = 0.

ii) P.D (∀(𝑢, 𝑣) ∈ 𝑊1 )(∀𝛼 ∈ 𝐾): ((𝛼𝑢 + 𝑣) ∈ 𝑊1 )

Sea:
𝑢 = (−𝑡1 , 2𝑡1 , 𝑡1 ) , 𝑣 = (−𝑡2 , 2𝑡2 , 𝑡2 ) ∧ 𝛼 ∈ 𝐾
𝛼𝑢 + 𝑣 = 𝛼(−𝑡1 , 2𝑡1 , 𝑡1 ) + (−𝑡2 , 2𝑡2 , 𝑡2 ) Definición de u, v, 𝛼

= (−𝛼𝑡1 , 2𝛼𝑡1 , 𝛼𝑡1 ) + (−𝑡2 , 2𝑡2 , 𝑡2 ) Prod.escal.por vector en R3

= (−𝛼𝑡1 −𝑡2 , 2𝛼𝑡1 + 2𝑡2 , 𝛼𝑡1 + 𝑡2 ) Definición de + en R3

= (−(𝛼𝑡1 + 𝑡2 ), 2(𝛼𝑡1 + 𝑡2 ), (𝛼𝑡1 + 𝑡2 )) Distribut, Asociat en R

= (−𝑥, 2𝑥, 𝑥) Sustitución 𝑥 = 𝛼𝑡1 + 𝑡2

Como (𝛼𝑢 + 𝑣) tiene la forma de los elementos que pertenecen a 𝑊1 , este es

uno de ellos, por lo tanto, por i) y ii) concluimos que 𝑊1 es s.e.v de R3.
Si 𝒎 = 𝟎

(2𝑚 + 2) (𝑚 − 1) (𝑚 + 3) 0 2 −1 3 0 𝑓1 − 𝑓2
( 0 (𝑚 − 1) −(𝑚 − 1) | 0 ) = ( 0 −1 1 |0)
𝑚 1 −1 0 0 1 −1 0 𝑓3 + 𝑓2

2 0 2 0 (1⁄2)𝑓1 1 0 1 0
(0 −1 1|0) −𝑓2 ~ (0 1 −1|0)
0 0 00 0 0 0 0
𝑥 = −𝑥 = −𝑡
Sea 𝑥3 = 𝑡 entonces se tiene: { 1𝑥 = 𝑥3 = 𝑡
2 3

𝑥1 = −𝑥3 = −𝑡
Por lo tanto el 𝐶. 𝑆 = {(𝑥1 , 𝑥2 , 𝑥3 ) ∈ 𝑅3 ⁄ 𝑥2 = 𝑥3 = 𝑡 , 𝑥3 = 𝑡 ∧ 𝑡 ∈ 𝑅}, es decir

𝐶. 𝑆 = 𝑊2 = {(−𝑡, 𝑡, 𝑡) ∈ 𝑅3 ∕ 𝑡 ∈ 𝑅} tiene infinitas soluciones.

Realizando el proceso similar para cuando 𝑚 = 1 se demuestra que 𝑊2 es

s.e.v de R3.

Si 𝒎 = −𝟏

(2𝑚 + 2) (𝑚 − 1) (𝑚 + 3) 0 0 −2 2 0 𝑓1 − 𝑓2
( 0 (𝑚 − 1) −(𝑚 − 1)|0) = ( 0 −2 2 | 0)
𝑚 1 −1 0 −1 1 −1 0 −𝑓3

0 0 00 0 0 0 0 𝑓1 ↔ 𝑓3 0 0 0 0
(0 −2 2|0) −(1⁄2)𝑓2 ~ (0 1 −1|0) ~ (0 1 −1|0)
1 −1 10 1 −1 1 0 𝑓3 + 𝑓2 1 0 0 0

𝑥1 = 0
Sea 𝑥3 = 𝑡 entonces se tiene: {
𝑥2 = 𝑥3 = 𝑡

41
 𝑥1 = 0
Por lo tanto el 𝐶. 𝑆 = {(𝑥1 , 𝑥2 , 𝑥3 ) ∈ 𝑅3 ⁄ , 𝑥 = 𝑡 ∧ 𝑡 ∈ 𝑅} es decir
𝑥2 = 𝑥3 = 𝑡 3

𝐶. 𝑆 = 𝑊3 = {(0, 𝑡, 𝑡) ∈ 𝑅3 ∕ 𝑡 ∈ 𝑅} tiene infinitas soluciones.

Realizando el proceso similar para cuando 𝑚 = 1 se demuestra que 𝑊3 es

s.e.v de R3.

e) 𝑺𝟐 = {𝑨 ∈ 𝑴𝒏𝒏 ⁄𝑻𝒓(𝑨𝑻 ) = 𝟎}

i) 𝑆2 ≠ ∅ es decir PD. 0𝑣 ∈ 𝑆2
Sea
0 ⋯ 0 0 ⋯ 0
0𝑣 = 0𝑛𝑥𝑛 → 0𝑛𝑥𝑛 = ( ⋮ ⋱ ⋮) → (0𝑛𝑛 )𝑇 = ( ⋮ ⋱ ⋮)
0 ⋯ 0 𝑛𝑥𝑛 0 ⋯ 0 𝑛𝑥𝑛
𝑇𝑟(0𝑛𝑛 )𝑇 = 𝑇𝑟0𝑛𝑥𝑛 = 0 + 0 + 0 + ⋯ + 0 = 0

Por lo que se demuestra que 0𝑣 ∈ 𝑆2

ii) P.D (∀(𝐴, 𝐵) ∈ 𝑆2 )(∀𝛼 ∈ 𝐾): ((𝛼𝐴 + 𝐵) ∈ 𝑆2 )

Sea:

𝐴 ∈ 𝑀𝑛𝑛 ⁄𝑇𝑟((𝐴)𝑇 ) = 0 ∧ 𝐵 ∈ 𝑀𝑛𝑛 ⁄𝑇𝑟((𝐵)𝑇 ) = 0

Si 𝐶 = (𝛼𝐴 + 𝐵) → 𝐶 𝑇 = (𝛼𝐴 + 𝐵)𝑇

Vamos a determinar qué valor tendrá 𝑇𝑟 ((𝐶)𝑇 )

𝑇𝑟 ((𝐶)𝑇 ) = 𝑇𝑟((𝛼𝐴 + 𝐵)𝑇 ) Sustitución

= 𝑇𝑟((𝛼𝐴)𝑇 + 𝐵𝑇 ) (𝐴 + 𝐵)𝑇 = 𝐴𝑇 + 𝐵𝑇

= 𝑇𝑟((𝛼𝐴)𝑇 ) + 𝑇𝑟(𝐵𝑇 ) 𝑇𝑟(𝐴 + 𝐵) = 𝑇𝑟(𝐴) + 𝑇𝑟(𝐵)

= 𝛼 𝑇𝑟(𝐴𝑇 ) + 𝑇𝑟(𝐵𝑇 ) 𝑇𝑟(𝛼𝐴) = 𝛼𝑇𝑟(𝐴)

=𝛼∗0+0 Definición 𝑇𝑟(𝐴)𝑇 , 𝑇𝑟(𝐵)𝑇

=0 Operación en R

𝒂𝟎 − 𝒂𝟏 + 𝒂𝟐 = 𝟎
f) 𝑾𝟑 = {𝒑(𝒙) = 𝒂𝟎 + 𝒂𝟏 𝒙 + 𝒂𝟐 𝒙𝟐 | 𝒂 }
𝟐𝒂𝟎 − 𝟐𝟏 + 𝒂𝟐 = 𝟎

Análisis
𝑚 = 2, 𝑛 = 3 entonces se utiliza la matriz ampliada. Se espera infinitas
soluciones.

1 −1 10 1 −1 10
( | ) ~( ~
2 −(1⁄2) 1 0 𝑓2 − 2𝑓1 0 (3⁄2) −1|0) (2⁄3)𝑓2

1 −1 1 0 𝑓1 + 𝑓2 1 0 1⁄3 0
( | ) ( | )
0 1 −(2⁄3) 0 0 1 −(2⁄3) 0

42
 Al escalonar la matriz, se tienen las variables 𝑎0 𝑦 𝑎1 en función de 𝑎2 ∈ 𝑅, por
lo que 𝑊3 se puede expresar como:

𝑎0 = −(1⁄3)𝑎2
𝑊3 = {𝑝(𝑥) = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 ∕ ∕ 𝑎2 ∈ 𝑅}, es decir:
𝑎1 = (2⁄3)𝑎2

𝑊3 = {𝑝(𝑥) = −(1⁄3)𝑎2 + (2⁄3)𝑎2 𝑥 + 𝑎2 𝑥 2 ∕ 𝑎2 ∈ 𝑅}

i) P.D 𝑊3 ≠ ∅ es decir que 0𝑣 ∈ 𝑊3

El 0𝑣 = 0 + 0𝑥 + 0𝑥 2
Al reemplazar en un elemento genérico de 𝑊3 observamos que 0𝑣 ∈ 𝑊3 pues
𝑎2 = 0 ∈ 𝑅
𝑎
{ 0 = −(1 ⁄ 3)𝑎2 = −(1⁄3)0 = 0
𝑎1 = (2⁄3)𝑎2 = (2⁄3)0 = 0

ii) P.D. ∀(𝑝1 (𝑥), 𝑝2 (𝑥) ∈ 𝑊3 )(𝛼𝑝1 (𝑥) + 𝑝2 (𝑥)) ∈ 𝑊3

Sea:

𝑝1 (𝑥) = −(1⁄3)𝑎2 + (2⁄3)𝑎2 𝑥 + 𝑎2 𝑥 2

𝑝2 (𝑥) = −(1⁄3)𝑏2 + (2⁄3)𝑏2 𝑥 + 𝑏2 𝑥 2

Las justificaciones tienen la misma forma que los ejercicios anteriores.

𝛼𝑝1 (𝑥) + 𝑝2 (𝑥) = 𝛼(−(1⁄3)𝑎2 + (2⁄3)𝑎2 𝑥 + 𝑎2 𝑥 2 )+(−(1⁄3)𝑏2 + (2⁄3)𝑏2 𝑥 + 𝑏2 𝑥 2 )

= (−(1⁄3)𝛼𝑎2 + (2⁄3)𝛼𝑎2 𝑥 + 𝛼𝑎2 𝑥 2 )+(−(1⁄3)𝑏2 + (2⁄3)𝑏2 𝑥 + 𝑏2 𝑥 2 )

= (−(1⁄3)𝛼𝑎2 − (1⁄3)𝑏2 ) + ((2⁄3)𝛼𝑎2 + (2⁄3)𝑏2 )𝑥 + (𝛼𝑎2 + 𝑏2 )𝑥 2

= −(1⁄3)(𝛼𝑎2 + 𝑏2 ) + (2⁄3)(𝛼𝑎2 + 𝑏2 )𝑥 + (𝛼𝑎2 + 𝑏2 )𝑥 2

= −(1⁄3)𝑐2 + (2⁄3)𝑐2 𝑥 + 𝑐2 𝑥 2
Como 𝛼𝑝1 (𝑥) + 𝑝2 (𝑥) tiene la forma característica de un elemento de 𝑊3 se
concluye que pertenece al mismo.

Por i) y ii) 𝑊3 es s.e.v.

4.5 Combinaciones lineales

Dentición 4.3 (Combinación lineal de vectores) Sean (𝑉, 𝐾, +,·) un espacio vectorial
y 𝑣1 , 𝑣2 , . . . , 𝑣𝑛 elementos de 𝑉 . Una combinación lineal de los vectores 𝑣1 , 𝑣2 , . . . , 𝑣𝑛 es
cualquier elemento de 𝑉 de la forma:
𝑛

∑ 𝛼𝑗 𝑣𝑗 = 𝛼1 𝑣1 + 𝛼2 𝑣2 + 𝛼3 𝑣3 + ⋯ +𝛼𝑛 𝑣𝑛
𝑗=1

donde 𝛼1 , 𝛼2 , . . . , 𝛼𝑛 son elementos de K.

43
Definición 4.4 (Un vector es combinación lineal de vectores) Sean (𝑉, 𝐾, +,·) un
espacio vectorial y 𝑣1 , 𝑣2 , . . . , 𝑣𝑛 elementos de V. Un vector 𝑢 ∈ 𝑉 es una combinación
lineal de los vectores 𝑣1 , 𝑣2 , . . . , 𝑣𝑛 si existen n escalares 𝛼1 , 𝛼2 , . . . , 𝛼𝑛 tales que
.
𝑛

𝑢 = ∑ 𝛼𝑗 𝑣𝑗 = 𝛼1 𝑣1 + 𝛼2 𝑣2 + 𝛼3 𝑣3 + ⋯ +𝛼𝑛 𝑣𝑛
𝑗=1

Se forman un sistema de ecuaciones lineales (S.E.L) el cual se debe resolver:

i) Si la solución es única no trivial (S.U.N.T), entonces se halla 𝛼1 , 𝛼2 , . . . , 𝛼𝑛

encontrando una solución particular por lo que podemos decir que 𝑢 es combinación
lineal de los vectores 𝑣1 , 𝑣2 , . . . , 𝑣𝑛 .
ii) Si se tienen infinitas soluciones o ninguna solución entonces se dice que 𝑢 no es
combinación lineal de los vectores 𝑣1 , 𝑣2 , . . . , 𝑣𝑛 .

Ejemplo
Sea 𝒑 un vector del espacio (𝑷𝟐 [𝒙], 𝑹, +,·) definido por 𝒑(𝒙) = 𝟏 + 𝒙 − 𝒙𝟐 para
todo 𝒙 ∈ 𝑹. ¿Es p una combinación lineal de 𝒒 ∈ 𝑷𝟐 [𝒙] y 𝒓 ∈ 𝑷𝟐 [𝒙] donde
𝒒(𝒙) = 𝟏 + 𝟐𝒙𝟐 y 𝒓(𝒙) = 𝟐 + 𝒙 + 𝒙𝟐 para todo x ∈ R?

Solución. Queremos saber si existen 𝛼 ∈ 𝑅 y 𝛽 ∈ 𝑅 tales que 𝑝 = 𝛼𝑞 + 𝛽𝑟.

Para averiguarlo, supongamos que sí existen. Entonces, para todo x ∈ R, se verifica la
siguiente igualdad:
𝒑(𝒙) = 𝜶𝒒(𝒙) + 𝜷𝒓(𝒙).
Es decir, es verdadera la igualdad:

1 + 𝑥 − 𝑥 2 = 𝛼(1 + 2𝑥 2 ) + 𝛽(2 + 𝑥 + 𝑥 2 )

para todo x ∈ R.
Ahora bien, si realizamos la suma de los dos polinomio en el lado derecho de la
igualdad, obtenemos que:

1 + 𝑥 − 𝑥 2 = (𝛼 + 2𝛽) + 𝛽𝑥 + (2𝛼 + 𝛽)𝑥 2

para todo x ∈ R.
Entonces, por la definición de igualdad de polinomios, tenemos que α y β, en el caso
de que existieran, satisfarían el siguiente sistema de tres ecuaciones:

𝛼 + 2𝛽 = 1
𝛽 = 1
2𝛼 + 𝛽 = −1.
Veamos qué valores de α y β satisfacen este sistema. Para ello, trabajemos con la
matriz ampliada de este sistema:

1 2 1 1 2 1 𝑓1 − 2𝑓2 1 0 −1
(0 1| 1 ) ~ (0 1 | 1 ) ~ (0 1| 1 )
2 1 −1 𝑓3 − 2𝑓1 0 −3 −3 𝑓3 + 3𝑓2 0 0 0

44
Como el rango de la matriz es 2, entonces el sistema tiene solución única:
𝛼 = −1 y 𝛽 = 1. Veamos, entonces, si estos valores satisfacen la igualdad
𝜶𝒒(𝒙) + 𝜷𝒓(𝒙) = (−1)(1 + 2𝑥 2 ) + (1)(2 + 𝑥 + 𝑥 2 )

= (−1 + 2) + 𝑥 + (−2 + 1)𝑥 2

= 1 + 𝑥 − 𝑥2

= 𝑝(𝑥).
Es decir, existen dos escalares 𝛼 y 𝛽 tales que 𝑝 = 𝛼𝑞 + 𝛽𝑟. En otras palabras, 𝑝 sí
es una combinación lineal de 𝑞 y 𝑟.

Ejemplo
¿Para qué valores del número real 𝒂 el vector 𝒖 = (𝒂, 𝟎, 𝟎) ∈ 𝑹𝟑 es una
combinación lineal de los vectores 𝒗 = (𝟎, 𝟏, 𝟏) y 𝒘 = (𝟏, −𝟏, 𝟏)?

Solución. Buscamos el valor de 𝑎 para que 𝑢 sea una combinación lineal de 𝑣 y 𝑤.

Planteamos entonces:

𝒖 = 𝜶𝒗 + 𝜷𝒘.
Supongamos que esos dos escalares existen. Entonces, debe satisfacerse la
siguiente igualdad:
(𝑎, 0,0) = 𝛼(0,1,1) + 𝛽(1, −1,1)

= (𝛽, 𝛼 − 𝛽, 𝛼 + 𝛽),

entonces α y β deben satisfacer el siguiente sistema de tres ecuaciones lineales:

𝛽 = 𝑎
𝛼−𝛽 = 0
𝛼 + 𝛽 = 0.
Resolvamos este sistema:

0 1 𝑎 0 1 𝑎 0 1 𝑎
(1 −1|0) 𝑓2 − 𝑓3 ~ (0 −2|0) 𝑓2 + 2𝑓3 ~ (0 0| 2𝑎 )
1 1 0 1 1 0 𝑓3 − 𝑓1 1 0 −𝑎
Para que el sistema tenga solución, debemos tener que 2𝑎 = 0; es decir, que 𝑎 = 0.

Por lo tanto, el vector nulo de 𝑅3 es una combinación lineal de (0,1,1) y (1,−1,1) (los
escalares respectivos son 𝛼 = 0 y 𝛽 = 0.

Ejercicios:
𝟐 𝟏
1. Sea 𝒑𝒊 (𝒙) = 𝟏 − 𝟑 𝒙 + 𝟐 𝒙𝟑 y sea 𝑺 = {𝟏 + 𝒙, 𝒙𝟐 − 𝟐𝒙𝟑 , 𝟏 − 𝒙 + 𝒙𝟐 , 𝟏}
Verificar si 𝒑𝒊 (𝒙) es combinación lineal de 𝑺.

Sea 𝑆 = {𝑝1 (𝑥), 𝑝2 (𝑥), 𝑝3 (𝑥), 𝑝4 (𝑥)} entonces por la definición se tiene:

𝒑𝒊 (𝒙) = 𝜶𝒑𝟏 (𝒙) + 𝜷𝒑𝟐 (𝒙) + 𝜸𝒑𝟑 (𝒙) + 𝜹𝒑𝟒 (𝒙) que al reemplazar:

45
 2 1
1 − 𝑥 + 𝑥3 = 𝛼(1 + 𝑥) + 𝛽(𝑥 2 − 2𝑥 3 ) + 𝛾(1 − 𝑥 + 𝑥 2 ) + 𝛿(1)
3 2
= (𝛼 + 𝛾 + 𝛿) + (𝛼 − 𝛾)𝑥 + (𝛽 + 𝛾)𝑥 2 + (−2𝛽)𝑥 3

Se forma el siguiente sistema lineal.

𝛼+𝛾+𝛿 =1
2
𝛼−𝛾 =−
3
𝛽+𝛾 =0
1
{ −2𝛽 =
2
Análisis
𝑚 = 𝑛 = 4 → 𝐴𝑛 → ∃|𝐴𝑛 |
1 0 1 1
1 0 −1
|𝐴4 | = |1 0 −1 0 1 1
| = −1 |0 1 1| = −1 | | = −2 ≠ 0
0 1 1 0 −2 0
0 −2 0
0 −2 0 0
La solución debe ser única No Trivial. Utilizaremos Matriz Ampliada.
1 0 1 1 1 1 0 1 1 1
1 0 −1 0 −(2⁄3) 𝑓2 − 𝑓1 0 0 −2 −1 −(5⁄3)
( | ) ~( | )
0 1 1 0 0 0 1 1 0 0
0 −2 0 0 (1⁄2) 0 −2 0 0 (1⁄2) 𝑓4 + 2𝑓3

1 0 1 1 1 1 0 1 1 1 𝑓1 − 𝑓2
0 0 −2 −1 −(5⁄3) −(1⁄2)𝑓2 0 0 1 (1⁄2) (5 ⁄ 6 )
( | ) ~( | )
0 1 1 0 0 0 1 1 0 0 𝑓3 − 𝑓2
0 0 2 0 (1⁄2) 0 0 2 0 (1⁄2) 𝑓4 − 2𝑓2

1 0 0 (1⁄2) (1⁄6) 1 0 0 (1⁄2) (1⁄6) 𝑓1 − (1⁄2)𝑓4

0 0 1 (1⁄2) (5 ⁄6 ) (1⁄2) (5⁄6) 𝑓2 − (1⁄2)𝑓4
~ (0 0 1
( | ) | )
0 1 0 −(1⁄2) −(5⁄6) 0 1 0 −(1⁄2) −(5⁄6) 𝑓3 + (1⁄2)𝑓4
0 0 0 −1 −(7⁄6) −𝑓4 0 0 0 1 (7⁄6)

1 0 0 0 −(5⁄12)
0 0 1 0 (1⁄4)
( | )
0 1 0 0 −(1⁄4)
0 0 0 1 (7⁄6)
El conjunto solución será:

𝐶. 𝑆 = {𝛼 = −(5⁄12), 𝛽 = −(1⁄4), 𝛾 = (1⁄4), 𝛿 = (7⁄6)}

𝟑 𝟏
2. Verifique si la matriz 𝑨 = ( ) se puede expresar como combinación lineal
𝟏 −𝟏
𝟏 𝟎 𝟎 𝟎 𝟎 𝟐 𝟎 𝟏
de las matrices 𝑩 = ( ),𝑪 = ( ),𝑫 = ( ),𝑬 = ( )
𝟏 𝟎 𝟏 𝟏 𝟎 −𝟏 𝟏 𝟎
Realizando el mismo procedimiento anterior tenemos:
3 1 1 0 0 0 0 2 0 1
( ) = 𝛼( )+𝛽( )+𝛾( )+𝛿( )
1 −1 1 0 1 1 0 −1 1 0

𝛼 0 0 0 0 2𝛾 0 𝛿
=( )+( )+( )+( )
𝛼 0 𝛽 𝛽 0 −𝛾 𝛿 0

46
 𝛼 2𝛾 + 𝛿
=( )
𝛼+𝛽+𝛿 𝛽−𝛾

Lo que nos presenta el sistema lineal siguiente:

𝛼=3
2𝛾 + 𝛿 = 1
{
𝛼+𝛽+𝛿 =1
𝛽 − 𝛾 = −1

1 0 0 0 3 1 0 0 0 3 1 0 0 0 3
0 0 2 1 1 0 0 2 1 1 0 0 2 1 1 𝑓2 − 2𝑓3
( | ) ~( | ) ~( | )
1 1 0 1 1 𝑓3 − 𝑓1 0 1 0 1 −2 𝑓3 − 𝑓4 0 0 1 1 −1
0 1 −1 0 −1 0 1 −1 0 −1 0 1 −1 0 −1 𝑓4 + 𝑓3

1 0 0 0 3 1 0 0 0 3 1 0 0 0 3
0 0 0 −1 3 0 0 0 −1 3 −𝑓2 0 0 0 1 −3
( | ) ( | ) ~( | )
0 0 1 1 −1 𝑓3 + 𝑓2 0 0 1 0 2 0 0 1 0 2
0 1 0 1 −2 𝑓4 + 𝑓2 0 1 0 0 1 0 1 0 0 1
Cuyo conjunto solución es:
{𝛼 = 3, 𝛽 = 1, 𝛾 = 2, 𝛿 = −3}

Por lo que:𝐴 = 3𝐵 + 𝐶 + 2𝐷 − 3𝐸
3. Expresar (−𝟐, −𝟖, −𝟔) como combinación lineal de (𝟏, −𝟏, 𝟏) 𝒚 (𝟐, 𝟑, 𝟒)
La definición de C.L dice:
(−2, −8, −6) = 𝛼(1, −1,1) + 𝛽(2,3,4)
(−2, −8, −6) = (𝛼, −𝛼, 𝛼) + (2𝛽, 3𝛽, 4𝛽)
(−2, −8, −6) = (𝛼 + 2𝛽, −𝛼 + 3𝛽, 𝛼 + 4𝛽)

Formando el sistema:
−2 = 𝛼 + 2𝛽
{−8 = −𝛼 + 3𝛽
−6 = 𝛼 + 4𝛽
Análisis 𝑚 = 3, 𝑛 = 2 → Matriz Ampliada. Solución depende del sistema

1 2 −2 1 2 −2 1 2 −2 𝑓1 − 2𝑓3 1 0 2
(−1 3|−8) 𝑓2 + 𝑓1 ~ (0 5|−10) ~ (0 5|−10) 𝑓2 − 5𝑓3 ~ (0 0| 0 )
1 4 −6 𝑓3 − 𝑓1 0 2 −4 (1⁄2)𝑓3 0 1 −2 0 1 −2
Cuyo conjunto solución es:
𝛼=2
{
𝛽 = −2
Por lo tanto (−2, −8, −6) = 2(1, −1,1) − 2(2,3,4)

47
4.6 Cápsula lineal de un conjunto
Definición 4.5 (Cápsula) Sean (V, K, +,·) un espacio vectorial y S ⊂ V tal que S ≠ ∅.
La cápsula de S es el conjunto formado por todos los elementos de 𝑉 que se pueden
expresar como una combinación lineal de elementos de 𝑆. En otras palabras, la
cápsula de 𝑆 es el conjunto de todas las combinaciones lineales de elementos de 𝑆. La
cápsula de 𝑆 es representada por 〈𝑆〉. Por lo tanto:
〈𝑆〉 = {𝑣 ∈ 𝑉 ∶ ∑𝑛𝑗=1 𝛼𝑗 𝑣𝑗 , 𝛼𝑗 ∈ 𝐾, 𝑣𝑗 ∈ 𝑉}.

De forma general podemos decir que cuando se forma el Sistema de ecuaciones

Lineales pueden suceder dos cosas:
1. Si ∃ condición S genera un s. e. v. Wi={∀𝑣𝑖 ∈ 𝑉/ 𝑐𝑜𝑛𝑑𝑖𝑐𝑖𝑜𝑛 𝑒𝑛𝑐𝑜𝑛𝑡𝑟𝑎𝑑𝑎}
2. 𝑁𝑜 ∃ condición S genera todo el e. v.
Ejemplo

Sea 𝑺 = {𝟏 + 𝒙, 𝟏 + 𝒙𝟐 , 𝟏 + 𝒙𝟑 } subconjunto de 𝑷𝟑 [𝒙] con las operaciones usuales

de suma de polinomios y producto de un escalar por un polinomio. Calcular la
cápsula de S.
Solución. Sea 𝑝 ∈ 〈𝑆〉. Entonces 𝑝 ∈ 𝑃3 [𝑥] , por lo que:

𝑝(𝑥) = 𝑎 + 𝑏𝑥 + 𝑐𝑥 2 + 𝑑𝑥 3

para todo x ∈ R.
Por otro lado, como 𝑝 ∈ 〈𝑆〉, existen 𝛼, 𝛽, 𝛾 y 𝛿 en 𝑅 tales que

𝑝(𝑥) = 𝑎 + 𝑏𝑥 + 𝑐𝑥 2 + 𝑑𝑥 3 = α(1 + x) + β(1 + 𝑥 2 ) + γ(1 + 𝑥 3 )

para todo x ∈ R. Puesto que:

𝑎 + 𝑏𝑥 + 𝑐𝑥 2 + 𝑑𝑥 3 = (𝛼 + 𝛽 + 𝛾) + 𝛼𝑥 + 𝛽𝑥 2 + 𝛾𝑥 3 ,
por la definición de igualdad entre polinomios, podemos concluir que:
〈𝑆 〉 = {𝑝(𝑥) = 𝑎 + 𝑏𝑥 + 𝑐𝑥 2 + 𝑑𝑥 3 ∈ 𝑃3 [𝑥] ∶

α + β + γ = a, α = b, β = c, γ = d}.

Para determinar cómo son los elementos de 〈𝑆〉, debemos determinar los coeficientes
𝑎, 𝑏, 𝑐 𝑦 𝑑 (esto es lo que significa calcular 〈𝑆〉). Para ello, resolvamos el sistema de
cuatro ecuaciones lineales:
𝛼 + 𝛽 + 𝛾 = 𝑎
𝛼 = 𝑏

𝛽 = 𝑐
𝛾 = 𝑑.

1 1 1𝑎 1 1 1 𝑎 𝑓1 + 𝑓2 1 0 0 𝑏
1 0 0 𝑏 𝑓2 − 𝑓1 0 −1 −1 𝑏 − 𝑎 0 −1 −1 𝑏 − 𝑎 𝑓 + 𝑓4
( | ) ~( | ) ~( | ) 2
0 1 0 𝑐 0 1 0 𝑐 𝑓3 + 𝑓2 0 0 −1 𝑐 + 𝑏 − 𝑎 𝑓3 + 𝑓4
0 0 1𝑑 0 0 1 𝑑 0 0 1 𝑑

48
 1 0 0 𝑏 1 0 0 𝑏
0 −1 0 𝑏−𝑎+𝑑 −𝑓2 0 1 0 𝑎−𝑏−𝑑
( | ) ~( | )
0 0 0 𝑐+𝑏−𝑎+𝑑 0 0 0 𝑐+𝑏−𝑎+𝑑
0 0 1 𝑑 0 0 1 𝑑
Por lo tanto, el sistema tiene solución si y solo si se verifica que:
−𝑎 + 𝑏 + 𝑐 + 𝑑 = 0.
De esta manera, la cápsula de S está formada por todos los vectores p tal que

𝑝(𝑥) = 𝑎 + 𝑏𝑥 + 𝑐𝑥 2 + 𝑑𝑥 3 y −𝑎 + 𝑏 + 𝑐 + 𝑑 = 0. Entonces, tenemos que:

〈𝑆〉 = {𝑎 + 𝑏𝑥 + 𝑐𝑥 2 + 𝑑𝑥 3 ∈ 𝑃3 [𝑥] ∶ −𝑎 + 𝑏 + 𝑐 + 𝑑 = 0}.

Ejemplo

Si 𝑺 = {(𝟏, −𝟏), (𝟎, 𝟑)} ∈ 𝑹𝟐 , calcular 〈𝑺〉

Solución. De la definición de 〈𝑆〉 tenemos:

〈𝑆〉 = {(𝑎, 𝑏) ∈ 𝑹𝟐 ∶ (𝑎, 𝑏) = 𝛼(1, −1) + 𝛽(0,3), 𝛼, 𝛽 ∈ 𝑅}

= {(𝑎, 𝑏) ∈ 𝑹𝟐 ∶ (𝑎, 𝑏) = (𝛼, −𝛼 + 3𝛽), 𝛼, 𝛽 ∈ 𝑅}

= {(𝑎, 𝑏) ∈ 𝑹𝟐 ∶ 𝛼 = 𝑎, −𝛼 + 3𝛽 = 𝑏, 𝛼, 𝛽 ∈ 𝑅}

Por lo tanto, para caracterizar los elementos de 〈𝑆〉, debemos determinar las
condiciones bajos las cuales el sistema
α=a
−α + 3β = b
tenga solución. Para ello, observemos que:

1 0𝑎 1 0 𝑎 1 0 𝑎
( | ) ~( | ) ~( |(𝑏 + 𝑎)⁄3)
−1 3 𝑏 𝑓2 + 𝑓1 0 3 𝑏 + 𝑎 (1 ⁄ 3 )𝑓2 0 1
De manera que el sistema tiene solución para cualquier par de valores para a y b, ya
que el determinante de la matriz de coeficientes es diferente de 0 independientemente
de los valores de 𝑎 y de 𝑏.
En otras palabras:
(𝑎, 𝑏) ∈ 〈𝑆〉 ⇐⇒ 𝑎 ∈ 𝑅 𝑦 𝑏 ∈ 𝑅.
Por lo tanto:
〈𝑆〉 = {(𝑎, 𝑏) ∈ 𝑅2 ∶ 𝑎 ∈ 𝑅, 𝑏 ∈ 𝑅} = 𝑅2

Ejercicios
1. Hallar el conjunto de vectores generados por 𝑺𝒊

𝑺𝒊 = {𝟏 + 𝒙, 𝒙𝟐 − 𝟐𝒙𝟑 , 𝟏 − 𝒙 + 𝒙𝟐 , 𝟏}

Un elemento general de Si es 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 + 𝑎3 𝑥 3 por lo que se plantea de la

siguiente forma:

𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 + 𝑎3 𝑥 3 = 𝛼(1 + 𝑥) + 𝛽(𝑥 2 − 2𝑥 3 ) + 𝛾(1 − 𝑥 + 𝑥 2 ) + 𝛿(1)

49
 = (𝛼 + 𝛾 + 𝛿) + (𝛼 − 𝛾)𝑥 + (𝛽 + 𝛾)𝑥 2 + (−2𝛽)𝑥 3

Se forma el siguiente sistema lineal.

𝛼 + 𝛾 + 𝛿 = 𝑎0
𝛼 − 𝛾 = 𝑎1
{
𝛽 + 𝛾 = 𝑎2
−2𝛽 = 𝑎3
La solución debe ser única No Trivial. Utilizaremos Matriz Ampliada.
1 0 1 1 𝑎0 1 0 1 1 𝑎0
1 0 −1 0 𝑎1 𝑓2 − 𝑓1 0 0 −2 −1 𝑎1 − 𝑎0
( | ) ~( | 𝑎 )
0 1 1 0 𝑎2 0 1 1 0 2
0 −2 0 0 𝑎3 0 −2 0 0 𝑎3 𝑓4 + 2𝑓3

1 0 1 1 𝑎0 1 0 1 1 𝑎0 𝑓1 − 𝑓2
0 0 −2 −1 𝑎1 − 𝑎0 −(1⁄2)𝑓2 0 0 1 (1⁄2) (𝑎0 − 𝑎1 )⁄2
( | 𝑎 ) ~( | 𝑎2 )
0 1 1 0 2 0 1 1 0 𝑓3 − 𝑓2
0 0 2 0 3𝑎 + 2𝑎2 0 0 2 0 𝑎 3 + 2𝑎 2 𝑓4 − 2𝑓2

1 0 0 (1⁄2) (𝑎0 + 𝑎1 )⁄2

0 0 1 (1⁄2)| (𝑎0 − 𝑎1 )⁄2
( ) ~
0 1 0 −(1⁄2) (2𝑎2 − 𝑎0 + 𝑎1 )⁄2
0 0 0 −1 𝑎3 + 2𝑎2 − 𝑎0 + 𝑎1 −𝑓4

1 0 0 (1⁄2) (𝑎0 + 𝑎1 )⁄2 𝑓1 − (1⁄2)𝑓4

0 0 1 (1⁄2) | (𝑎0 − 𝑎1 )⁄2 𝑓 − (1⁄2)𝑓4
( ) 2
0 1 0 −(1⁄2) (2𝑎2 − 𝑎0 + 𝑎1 ) ⁄ 2 𝑓3 + (1⁄2)𝑓4
0 0 0 1 𝑎0 − 𝑎1 − 2𝑎2 + 𝑎3

1 0 0 0 (2𝑎1 + 2𝑎2 − 𝑎3 )⁄2

0 0 1 0| (2𝑎2 − 𝑎3 )⁄2
0 1 0 0 (−2𝑎0 + 2𝑎1 + 4𝑎2 − 𝑎3 )⁄2
(0 0 0 1 (𝑎0 − 𝑎1 − 4𝑎2 − 2𝑎3 )⁄2 )

𝟐 𝟏 𝟏 𝟎
2. Sea 𝑺 = {( ),( )} Hallar el conjunto generador.
𝟎 𝟎 𝟏 𝟏
Como un elemento genérico de las matrices 2x2 tiene 4 variables, necesitaré al menos
4 vectores para que genere todo el e.v (𝑀2𝑥2 , 𝑅, +,∙), por lo que se supone que se
tendrá un s.e.v que tendrá 4 − 2 = 2 condiciones.
𝑎11 𝑎12 2 1 1 0
(𝑎
21 𝑎22 ) = 𝛼 (0 0) + 𝛽 (1 1
)

𝑎11 𝑎12 2𝛼 𝛼 𝛽 0
(𝑎
21 𝑎22 ) = ( 0 0
)+(
𝛽 𝛽
)

𝑎11 𝑎12 2𝛼 + 𝛽 𝛼
(𝑎
21 𝑎22 ) = ( 𝛽 𝛽
)

Quedándonos el siguiente sistema:

50
 𝑎11 = 2𝛼 + 𝛽
𝑎12 = 𝛼
{
𝑎21 = 𝛽
𝑎22 = 𝛽
Análisis 𝑚 > 𝑛 → 𝐴4𝑥2 → ∄|𝐴| → 𝑆. 𝑁. 𝐻 → 𝑀𝑎𝑡𝑟𝑖𝑧 𝐴𝑚𝑝𝑙𝑖𝑎𝑑𝑎.

2 1 𝑎11 𝑓1 − 2𝑓2 0 1 𝑎11 − 2𝑎12 0 1 𝑎11 − 2𝑎12

1 0 𝑎12 1 0 𝑎12 1 0 𝑎12
( | ) ~( | ) ~( | )
0 1 𝑎21 0 1 𝑎21 𝑓3 − 𝑓1 0 0 𝑎21 − 𝑎11 + 2𝑎12
0 1 𝑎22 0 1 𝑎22 𝑓4 − 𝑓1 0 0 𝑎22 − 𝑎11 + 2𝑎12
Para que el sistema tenga solución o sea consistente se generan estas condiciones
𝑎 𝑎12
〈𝑆〉 = 𝑊𝑖 = {∀𝐴𝑖 = (𝑎11 𝑎22 )⁄ 𝑎21 − 𝑎11 + 2𝑎12 = 0; 𝑎22 − 𝑎11 + 2𝑎12 = 0}
21

𝑎21 − 𝑎11 + 2𝑎12 = 0

{
𝑎22 − 𝑎11 + 2𝑎12 = 0
Las condiciones las vamos a escalonar para tenerlo más organizado:

1 −2 −1 0 0 1 −2 −1 0 0 𝑓1 + 𝑓2 1 −2 0 −1 0
( | ) ~( | ) ~( | )
1 −2 0 −1 0 𝑓2 − 𝑓1 0 0 1 −1 0 0 0 1 −1 0
Es decir:
𝑎 𝑎12
〈𝑆〉 = 𝑊𝑖 = {∀𝐴𝑖 = (𝑎11 𝑎22 )⁄ 𝑎11 = 2𝑎12 + 𝑎22 ; 𝑎21 = 𝑎22 }
21

2𝑎 + 𝑎22 𝑎12
〈𝑆〉 = 𝑊𝑖 = {( 12 )}
𝑎22 𝑎22
𝟏
3. Sea 𝑺𝟐 = {(𝟏, −𝟏, 𝟐 𝟏), ( ,
𝟐
−𝟏, 𝟎, 𝟏) , (𝟏 𝟐 𝟏 𝟎)} ∈ 𝑹𝟒 . Determinar el
conjunto generador.
〈𝑆〉 = {𝑣𝑖 = (𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ) ∈ 𝑅4 }
1
(𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ) = 𝛼(1, −1,2,1) + 𝛽 ( , −1,0,1) + 𝛾(1,2,1,0)
2
1
= (𝛼, −𝛼, 2𝛼, 𝛼) + ( 𝛽, −𝛽, 0, 𝛽) + (𝛾, 2𝛾, 𝛾, 0)
2
1
= (𝛼 + 𝛽 + 𝛾, −𝛼 − 𝛽 + 2𝛾, 2𝛼 + 𝛾, 𝛼 + 𝛽)
2

El sistema de ecuaciones lineales que se forma es:

1
𝑥1 = 𝛼 + 𝛽 + 𝛾
2
𝑥2 = −𝛼 − 𝛽 + 2𝛾
𝑥3 = 2𝛼 − 𝛾
{ 𝑥4 = 𝛼 + 𝛽

Análisis 𝑚 = 4, 𝑛 = 3 → ∄|𝐴| 𝑆𝑒 𝑢𝑡𝑖𝑙𝑖𝑧𝑎 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑧 𝑎𝑚𝑝𝑙𝑖𝑎𝑑𝑎

51
 1 1⁄2 1 𝑥1 1 1⁄2 1 𝑥1
−1 −1 2 𝑥2 𝑓2 + 𝑓1 0 − 1⁄2 3 𝑥2 + 𝑥1
( |𝑥 ) ≈( | ) ≈
2 0 1 3 3 𝑓 − 2𝑓1 0 −1 −1 𝑥3 − 2𝑥1 −𝑓3
1 1 𝑥
0 4 𝑓4 − 𝑓1 0 1⁄2 −1 𝑥4 − 𝑥1

1 1⁄2 1 𝑥1 𝑓1 − (1⁄2)𝑓3
0 − 1⁄2 3 𝑥2 + 𝑥1 𝑓 + (1⁄2)𝑓3
( | ) 2 ≈
0 1 1 2𝑥1 − 𝑥3
0 1⁄2 −1 𝑥4 − 𝑥1 𝑓4 − (1⁄2)𝑓3

1 0 1 ⁄2 (𝑥3 )⁄2
0 0 7⁄2 (2𝑥2 + 4𝑥1 − 𝑥3 )⁄2
( | ) ≈
0 1 1 2𝑥1 − 𝑥3
0 0 −3⁄2 (2𝑥4 − 4𝑥1 + 𝑥3 )⁄2 −(2⁄3)𝑓4

1 0 1⁄2 (𝑥3 )⁄2 𝑓1 − (1⁄2)𝑓4

(0 0 7⁄2|(2𝑥2 + 4𝑥1 − 𝑥3 )⁄2) 𝑓2 − (7⁄2)𝑓4 ≈
0 1 1 2𝑥1 − 𝑥3 𝑓3 − 𝑓4
0 0 1 (4𝑥1 − 𝑥3 − 2𝑥4 )⁄3

1 0 0 (−4𝑥1 + 4𝑥3 + 2𝑥4 )⁄6

0 0 0|(−8𝑥1 + 3𝑥2 + 2𝑥3 + 7𝑥4 )⁄3
0 1 0 (2𝑥1 + 2𝑥4 )⁄3
(0 0 1 (4𝑥1 − 𝑥3 − 2𝑥4 )⁄3 )
Para que el sistema tenga solución o sea consistente se debe aplicar esta condición
−8𝑥1 + 3𝑥2 + 2𝑥3 + 7𝑥4 = 0 por lo que el conjunto generador es:
〈𝑆〉 = {𝑣𝑖 = (𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ) ∈ 𝑅4 ⁄−8𝑥1 + 3𝑥2 + 2𝑥3 + 7𝑥4 = 0}

4. Demuestre que
𝑺𝟏 = {(𝟏, 𝟎, 𝟔, 𝟒), (𝟐, 𝟎, 𝟒, −𝟏), (−𝟏, 𝟎, 𝟐, 𝟓)} ∧ 𝑺𝟐 = {(𝟏, 𝟎, −𝟐, −𝟓), (𝟎, 𝟎, 𝟖, 𝟗)}
Forman o generan el mismo subespacio.

Para 𝑆1 tenemos:
(𝑎, 𝑏, 𝑐, 𝑑) = 𝛼(1,0,6,4) + 𝛽(2,0,4, −1) + 𝛾(−1,0,2,5)

= (𝛼, 0,6𝛼, 4𝛼) + (2𝛽, 0,4𝛽, −𝛽) + (−𝛾, 0,2𝛾, 5𝛾)

(𝛼 + 2𝛽 − 𝛾, 0,6𝛼 + 4𝛽 + 2𝛾, 4𝛼 − 𝛽 + 5𝛾)

Cuyo S.E.L es el siguiente
𝛼 + 2𝛽 − 𝛾 = 𝑎
0𝛼 + 0𝛽 + 0𝛾 = 𝑏
{
6𝛼 + 4𝛽 + 2𝛾 = 𝑐
4𝛼 − 𝛽 + 5𝛾 = 𝑑

Análisis 𝑚 = 4, 𝑛 = 3 → 𝑀𝑎𝑡𝑟𝑖𝑧 𝐴𝑚𝑝𝑙𝑖𝑎𝑑𝑎

1 2 −1 𝑎 1 2 −1 𝑎
0 0 0 𝑏 0 0 0 𝑏
( | ) ≈( | ) ≈
6 4 2 𝑐 𝑓3 − 6𝑓1 0 −8 8 𝑐 − 6𝑎 −(1⁄8)𝑓3
4 −1 5 𝑑 𝑓4 − 4𝑓1 0 −9 9 𝑑 − 4𝑎 −(1⁄9)𝑓4

52
 1 2 −1 𝑎 𝑓1 − 2𝑓4 1 0 1 (−2𝑎 + 𝑐)⁄4
0 0 0 𝑏 0 0 0 𝑏
( | ) ≈( | )
0 1 −1 (6𝑎 − 𝑐)⁄8 𝑓3 − 𝑓4 0 0 0 (8𝑑 + 22𝑎 − 9𝑐)⁄72
0 1 −1 (4𝑎 − 𝑑) ⁄ 9 0 1 −1 (4𝑎 − 𝑑)⁄9
Por lo tanto:
〈𝑆1 〉 = {(𝑎, 𝑏, 𝑐, 𝑑) ∈ 𝑅4 ⁄𝑏 = 0 ∧ 8𝑑 + 22𝑎 − 9𝑐 = 0}

Para 𝑆2 en cambio:
(𝑎, 𝑏, 𝑐, 𝑑) = 𝛼(1,0, −2, −5) + 𝛽(0,0,8,9)

= (𝛼, 0, −2𝛼, −5𝛼) + (0,0,8𝛽, 9𝛽)

= (𝛼, 0, −2𝛼 + 8𝛽, −5𝛼 + 9𝛽)

Cuyo S.E.L es:
𝛼=𝑎
0𝛼 + 0𝛽 = 𝑏
{ −2𝛼 + 8𝛽 = 𝑐
−5𝛼 + 9𝛽 = 𝑑
Análisis 𝑚 = 4, 𝑛 = 2 → 𝑀𝑎𝑡𝑟𝑖𝑧 𝑎𝑚𝑝𝑙𝑖𝑎𝑑𝑎

1 0𝑎 1 0 𝑎 1 0 𝑎
0 0𝑏 0 0 𝑏 0 0 𝑏
( | ) ≈( | ) ≈( | )
−2 8 𝑐 𝑓3 + 2𝑓1 0 8 𝑐 + 2𝑎 0 8 𝑐 + 2𝑎 𝑓3 − 8𝑓4
−5 9 𝑑 𝑓4 + 5𝑓1 0 9 𝑑 + 5𝑎 𝑓4 − 𝑓3 0 1 𝑑 + 3𝑎 − 𝑐

1 0 𝑎
0 0 𝑏
( | )
0 0 9𝑐 − 22𝑎 − 8𝑑
0 1 𝑑 + 3𝑎 − 𝑐
Por lo tanto:
〈𝑆2 〉 = {(𝑎, 𝑏, 𝑐, 𝑑) ∈ 𝑅4 ⁄𝑏 = 0 ∧ 8𝑑 + 22𝑎 − 9𝑐 = 0}

Que son las mismas restricciones que tiene 𝑆1 por lo que concluimos que los 2
generan el mismo subespacio.

4. Si 𝒑(𝒙) = 𝒙𝟐 + 𝟏, el conjunto 𝑺 = {𝒑(𝒙), 𝒑′(𝒙), 𝒑′′(𝒙)} genera el espacio

vectorial (𝑷𝟐 [𝒙], 𝑹, +,·).
Solución. Por el teorema anterior, lo que debemos mostrar es que 〈𝑆〉 = 𝑃2 [𝑥]. Para
ello, calculemos 〈𝑆〉:
〈𝑆〉= {𝑞(𝑥) = 𝑎 + 𝑏𝑥 + 𝑐𝑥 2 ∈ 𝑃: [𝑥]𝑞(𝑥) = 𝛼𝑝(𝑥) + 𝛽𝑝′(𝑥) + 𝛾𝑝′′(𝑥)}
= { 𝑎 + 𝑏𝑥 + 𝑐𝑥 2 ∈ 𝑃: [𝑥] 𝑎 + 𝑏𝑥 + 𝑐𝑥 2 = 𝛼(𝑥 2 + 1) + 𝛽(2𝑥) + 𝛾(2)}

= { 𝑎 + 𝑏𝑥 + 𝑐𝑥 2 ∈ 𝑃: [𝑥] 𝑎 + 𝑏𝑥 + 𝑐𝑥 2 = (𝛼 + 2𝛾) + 2𝛽𝑥 + 𝛼𝑥 2 }

= { 𝑎 + 𝑏𝑥 + 𝑐𝑥 2 ∈ 𝑃: [𝑥]𝛼 + 2𝛾 = 𝑎, 2𝛽 = 𝑏, 𝛼 = 𝑐}.

53
Entonces, para determinar los elementos a, b y c, debemos averiguar bajo qué
condiciones necesarias y suficientes el sistema

𝛼 + 2𝛾 = 𝑎
2𝛽 = 𝑏
𝛼 = 𝑐
tiene solución.
Para ello, miremos su matriz ampliada:

1 0 2𝑎 1 0 2 𝑎 𝑓1 + 𝑓3 1 0 0 𝑐
(0 2 0| 𝑏 ) ≈ (0 2 0 | 𝑏 ) (1⁄2)𝑓2 ≈ (0 1 0 |(𝑏)⁄2)
1 0 0 𝑐 𝑓3 − 𝑓1 0 0 −2 𝑐 − 𝑎 0 0 −2 𝑐 − 𝑎
Como el determinante de la matriz de coeficientes es diferente de 0,
independientemente de a, b y c, entonces el sistema tiene solución para todo a, b y c.
Por lo tanto 〈𝑆〉 = 𝑃2 [𝑥].
En otras palabras, el conjunto
{p,p′,p′′} genera todo 𝑃2 [𝑥]].

5. 𝐒𝐞𝐚 𝐒 = {(𝟐, −𝟏, 𝟒)} 𝝐 〈ℝ𝟑 , ℝ, +,∙〉 hallar la cápsula de S

(𝑥, 𝑦, 𝑧) = 𝛼1 (2, −1,4)
x = 2α1
{ y = α1
z = −4α1

2 𝑥 𝑓1 − 2𝑓2 0 𝑥 − 2𝑦
( 1 |𝑦 ) ≈ (1| 𝑦 )
−4 𝑧 𝑓3 + 4𝑓2 0 𝑧 + 4𝑦
𝑥 − 2𝑦 = 0 𝑥 = 2𝑦
𝑆 = {(𝑥, 𝑦, 𝑧)| } = {(𝑥, 𝑦, 𝑧)| }
𝑧 + 4𝑦 = 0 𝑧 = −4𝑦
〈𝑆〉 = {(2𝑦, 𝑦, −4𝑦)}

Definición 4.6 (Dependencia e independencia lineal) Sean (𝑉, 𝐾, +,·) un espacio

vectorial y 𝑆 = {𝑣1 , 𝑣2 , . . . , 𝑣𝑛 }un subconjunto finito de 𝑉 .
1. El conjunto S es linealmente independiente(li) si y solamente si la combinación lineal
𝛼1 𝑣1 + 𝛼2 𝑣2 +··· + 𝛼𝑛 𝑣𝑛 = 0𝑣,
denominada combinación lineal nula, tiene como solución única la solución trivial:
𝛼𝑗 = 0 para todo 𝑗 ∈ {1,2, . . . , 𝑛}. En otras palabras, el conjunto S es li si:

𝛼1 𝑣1 + 𝛼2 𝑣2 +··· + 𝛼𝑛 𝑣𝑛 = 0𝑣 ⇒ 𝛼1 = 𝛼2 = ··· = 𝛼𝑛 = 0.
2. El conjunto S es linealmente dependiente (ld) si y solo si no es linealmente
independiente. Es decir, si la combinación lineal nula tiene un número infinito de
soluciones. En otras palabras, el conjunto S es ld si:
𝛼1 𝑣1 + 𝛼2 𝑣2 +··· + 𝛼𝑛 𝑣𝑛 = 0𝑣 ∧ ∃𝑗 ∈ {1,2, . . . , 𝑛}tal que 𝛼𝑗 ≠ 0.

54
De la definición es claro que un conjunto no puede ser linealmente independiente y
dependiente al mismo tiempo. Esto lo podemos ver de otra manera: la combinación
lineal nula produce un sistema de ecuaciones lineales homogéneo que, como
sabemos, o tiene una sola solución —la trivial—, o tiene un número infinito de
soluciones. En el primer caso, el conjunto es li; en el segundo, es ld.

Ejemplo
El conjunto 𝑺 = {𝒑, 𝒑′, 𝒑′′} es li en (𝑷𝟐 [𝒙], 𝑹, +,·), donde 𝒑(𝒙) = 𝟏 + 𝒙𝟐

para todo x ∈ R.
Solución. Supongamos que
𝛼1 𝑝 + 𝛼2 𝑝′ + 𝛼3 𝑝′′ = 0𝑣.

Vamos a probar que 𝛼1 = 𝛼2 = 𝛼3 = 0.

Para todo x ∈ R,
la igualdad implica la siguiente:
𝛼1 𝑝(𝑥) + 𝛼2 𝑝′(𝑥) + 𝛼3 𝑝′′(𝑥) = 0;
es decir, es verdad que:

𝛼1 (1 + 𝑥 2 ) + 𝛼2 (2𝑥) + 𝛼3 (2) = ( 𝛼1 + 2 𝛼3 ) + 2 𝛼2 𝑥 + 𝛼1 𝑥 2 = 0 + 0𝑥 + 0𝑥 2

para todo x ∈ R.
Por lo tanto, por la definición de igualdad entre polinomios, tenemos que:
𝛼1 + 2 𝛼3 = 0, 2 𝛼2 = 0, 𝛼1 = 0,

de donde obtenemos que 𝛼1 = 𝛼2 = 𝛼3 = 0. En otras palabras, el conjunto 𝑆 es

linealmente independiente.

Ejemplo
Sea 𝑺 = {(𝟏, 𝒂, 𝟏), (−𝟏, 𝟎, 𝟏), (𝟏 + 𝒂, 𝟏, 𝟎)} ⊂ 𝑹𝟑 . ¿Para qué valores de a el conjunto
S es li? ¿Para qué valores de a es ld?
Solución. Sean 𝛼, 𝛽 y 𝛾 escalares tales que:
𝛼(1, 𝑎, 1) + 𝛽(−1,0,1) + 𝛾(1 + 𝑎, 1,0) = (0,0,0).
Entonces, se verifica que:
(𝛼 − 𝛽 + (1 + 𝑎)𝛾, 𝑎𝛼 + 𝛾, 𝛼 + 𝛽) = (0,0,0).

Por lo tanto, los números 𝛼, 𝛽 y γ que satisfacen la igualdad satisfacen el siguiente

sistema de tres ecuaciones lineales:
𝛼 − 𝛽 + (1 + 𝑎)𝛾 = 0

𝑎𝛼 + 𝛾 = 0
𝛼 + 𝛽 = 0.
Ahora debemos determinar para qué valores de a, este sistema tiene como única
solución la trivial y para qué valores tiene un número infinito de soluciones. Para ello,
calculemos el determinante de la matriz de coeficientes del sistema:

55
 1 −1 1 + 𝑎 𝑓1 + 𝑓3 2 0 1+𝑎
2 1+𝑎
|𝑎 0 1 | = |𝑎 0 1 | = −| | = (𝑎2 + 𝑎 − 2) = (𝑎 + 2)(𝑎 − 1)
𝑎 1
1 1 0 1 1 0
Por lo tanto, el determinante es igual a 0 si y solo si 𝑎 = −2 𝑜 𝑎 = 1.
Esto significa que el sistema tiene un número infinito de soluciones si y solo si 𝑎 = −2
o 𝑎 = 1. Por lo tanto, conjunto 𝑆 es linealmente dependiente cuando 𝑎 = −2 𝑜 𝑎 =
1; y es linealmente independiente si 𝑎 ≠ −2 𝑦 𝑎 ≠ 1.
Observaciones
1. Todo conjunto finito que contiene el vector nulo, es linealmente dependiente, pues
0𝑣 = 1 · 0𝑣; es decir, hay al menos un escalar diferente de 0 en la combinación nula.
2. Si un conjunto contiene un subconjunto linealmente dependiente, entonces el
conjunto también es linealmente dependiente.
3. Todo subconjunto de un conjunto linealmente independiente también es linealmente
independiente.
Haciendo un resumen podríamos decir:

1. Como el sistema es homogéneo → 𝑺. 𝑼. 𝑻

(𝒎 = 𝒏) → ∃𝑨𝒏 → ∃|𝑨𝒏 | ≠ 𝟎 → ∀𝜶𝒊 = 𝟎 → 𝑺 𝒆𝒔 𝑳. 𝑰
(𝒎 < 𝒏) → ∞ 𝒔𝒐𝒍𝒖𝒄𝒊𝒐𝒏𝒆𝒔 → ∃𝜶𝒊 ≠ 𝟎 → 𝑺 𝒆𝒔 𝑳. 𝑫
𝒊) 𝑺. 𝑼. 𝑻 → 𝑺 𝒆𝒔 𝑳. 𝑰
(𝒎 > 𝒏) → {
𝒊𝒊) ∞ 𝒔𝒐𝒍𝒖𝒄𝒊𝒐𝒏𝒆𝒔 → 𝑺 𝒆𝒔 𝑳. 𝑫

Propiedades
1. Sea (𝑉, 𝐾, +,∙) un e.v sea 𝑆 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } ⊂ 𝑉 si ∃ 𝑣𝑖 ∈ 𝑆 que sea C.L → 𝑆 es L.D
2. Sea (𝑉, 𝐾, +,∙) un e.v sea 𝑆 = {𝑣1 , 𝑣2 , … , 𝑣𝑛 } ⊂ 𝑉 si ∄ 𝑣𝑖 ∈ 𝑆 que sea C.L → 𝑆 es L.I.
3. Sea 𝑆 = {𝑣𝑖 , 𝑣2 , … , 0𝑣 , … , 𝑣𝑛 } ⊂ 𝑉𝑒𝑣 . Si 0𝑣 ∈ 𝑆 → 𝑆 es L.D

4. Sea 𝑆 = {𝑣𝑖 , 𝑣2 , … , … , 𝑣𝑛 } ⊂ 𝑉𝑒𝑣 Sea 𝑆1 = {𝑣𝑖 , 𝑣2 , 𝑣3 } ⊂ 𝑆 → Si 𝑆 es L.I.→ 𝑆1 es L.I.

5. Sea 𝑆 = {𝑣𝑖 , 𝑣2 , … , 0𝑣 , … , 𝑣𝑛 } ⊂ 𝑉𝑒𝑣 Sea 𝑆2 = {𝑣𝑖 , 𝑣2 , 𝑣3 } ⊂ 𝑆 → Si 𝑆2 es L.D.→ 𝑆 es
L.D.
6. Sea (𝑉, 𝐾, +,∙) un e.v sea 𝑆 = {𝑣𝑖 , 𝑣2 , … , 𝑣𝑘 } ⊂ 𝑉, sea 𝑛 = 𝑑𝑖𝑚(𝑉) (número de
elementos mínimos para generar todo 𝑉𝑒𝑣 ). Si 𝑛 < 𝑘 → S es L.D.
7. Sea (𝑉, 𝐾, +,∙) un e.v sea 𝑆 = {𝑣𝑖 , 𝑣2 , … , 𝑣𝑘 } ⊂ 𝑉, sea 𝑛 = 𝑑𝑖𝑚(𝑉) (número de
elementos mínimos para generar todo 𝑉𝑒𝑣 ). Si 𝑛 = 𝑘 →
i) |𝑺| ≠ 𝟎 → ∀𝜶𝒊 = 𝟎 (𝑺. 𝑼. 𝑻) → 𝑺 𝒆𝒔 𝑳. 𝑰
ii) |𝑺| = 𝟎 → ∃𝜶𝒊 ≠ 𝟎 (∞ 𝒔𝒐𝒍) → 𝑺 𝒆𝒔 𝑳. 𝑫
8. Sea (𝑉, 𝐾, +,∙) un e.v sea 𝑆 = {𝑣𝑖 , 𝑣2 , … , 𝑣𝑘 } ⊂ 𝑉, sea 𝑛 = 𝑑𝑖𝑚(𝑉) (número de
elementos mínimos para generar todo 𝑉𝑒𝑣 ). Si 𝑛 > 𝑘 → 𝑆 puede ser L.I o L.D (aplicando
el teorema del Ov).
9. Teorema de Wronskiano

Sea 𝐹 𝑒. 𝑣. de funciones continuas definidas en 𝐼 (𝑎, 𝑏), sea

56
 𝑆 = {𝑓1 (𝑥), 𝑓2 (𝑥), … , 𝑓𝑛 (𝑥) } ⊂ 𝐹 𝑒. 𝑣 .
Para demostrar que S es L. I. o L. D. entonces:
𝑓1 (𝑥) 𝑓2 (𝑥) ⋯ 𝑓𝑛 (𝑥)
𝑓′ (𝑥) 𝑓′2 (𝑥) ⋯ 𝑓 ′ 𝑛 (𝑥)
| 1 |
|𝐴| = 𝑓"1 (𝑥) 𝑓"2 (𝑥) ⋯ 𝑓"𝑛 (𝑥)
| ⋮ ⋮ ⋱ ⋮ |
(𝑛−1) (𝑛−1) (𝑛−1)
𝑓1 (𝑥) 𝑓2 (𝑥) ⋯ 𝑓𝑛 (𝑥)

Si |𝐴| ≠ 0→ Es linealmente independiente

Si |𝐴| = 0→ Si es L.D.

Ejercicios
1. Determinar si 𝑺 es L.I. o L.D.

𝑆 = {(1,1,1), (1, −1,1), (1,2, −1)}

a) Teorema del 0𝑣

El 0𝑣 𝑑𝑒 𝑅3 es (0,0,0) por lo tanto

(0,0,0) = 𝛼(1,1,1) + 𝛽(1, −1,1) + 𝛾(1,2, −1)
= (𝛼, 𝛼, 𝛼) + (𝛽, −𝛽, 𝛽) + (𝛾, 2𝛾, −𝛾)
= ((𝛼 + 𝛽 + 𝛾), (𝛼 − 𝛽 + 2𝛾), (𝛼 + 𝛽 − 𝛾))
El S.E.L será:
𝛼+𝛽+𝛾 =0
{𝛼 − 𝛽 + 2𝛾 = 0
𝛼+𝛽−𝛾 =0
b) Análisis 𝑚 = 𝑛 = 3 → 𝐴𝑛 → ∃|𝐴𝑛 |

1 1 1 1 1 1
|𝐴3 | = |1 −1 2 | 𝑓2 − 𝑓1 ≈ |0 −2 1 | = (1)(−2)(−2) = 4 ≠ 0
1 1 −1 𝑓3 − 𝑓1 0 0 −2
c) Sistema Homogéneo → espero S.U.T y por la propiedad S es L.I
Vamos a demostrarlo usando matriz ampliada.

1 1 1 0 1 1 1 0
(1 −1 2 |0) 𝑓2 − 𝑓1 ≈ (0 −2 1 |0) −(1⁄2)𝑓2 ≈
1 1 −1 0 𝑓3 − 𝑓1 0 0 −2 0

1 1 1 0 𝑓1 − 𝑓2 1 0 3⁄2 0
(0 1 −(1⁄2)|0) ≈ (0 1 −(1⁄2)|0) ≈
0 0 −2 0 0 0 −2 0 −(1 ⁄ 2 )𝑓3

1 0 3⁄2 0 𝑓1 − (3⁄2)𝑓3 1 0 00
(0 1 | )
−(1⁄2) 0 𝑓2 + (1⁄2)𝑓3 ≈ ( 0 1 0|0)
0 0 1 0 0 0 10
De aquí se concluye que 𝛼 = 0, 𝛽 = 0, 𝛾 = 0, es decir S es L.I.

57
2. Para que valores de 𝜶 S es L.I

𝑺 = {(𝟏 − 𝒙 + 𝜶𝒙𝟐 ), (𝟏 − 𝜶𝒙 + 𝒙𝟐 ), (𝜶 + 𝒙 + 𝒙𝟐 )}

a) Teorema de 0𝑣

El 0𝑣 de 𝑃2 [𝑥] = 0 + 0𝑥 + 0𝑥 2 por lo que:

0 + 0𝑥 + 0𝑥 2 = 𝛽1 (1 − 𝑥 + 𝛼𝑥 2 ) + 𝛽2 (1 − 𝛼𝑥 + 𝑥 2 ) + 𝛽3 (𝛼 + 𝑥 + 𝑥 2 )

= (𝛽1 − 𝛽1 𝑥 + 𝛼𝛽1 𝑥 2 ) + (𝛽2 − 𝛼𝛽2 𝑥 + 𝛽2 𝑥 2 ) + (𝛼𝛽3 + 𝛽3 𝑥 + 𝛽3 𝑥 2 )

= ((𝛽1 + 𝛽2 + 𝛼𝛽3 ) + (−𝛽1 − 𝛼𝛽2 + 𝛽3 )𝑥 + (𝛼𝛽1 + 𝛽2 + 𝛽3 )𝑥 2 )

S.E.L
(𝛽1 + 𝛽2 + 𝛼𝛽3 ) = 0
{(−𝛽1 − 𝛼𝛽2 + 𝛽3 ) = 0
(𝛼𝛽1 + 𝛽2 + 𝛽3 ) = 0

b. Análisis 𝑚 = 𝑛 = 3 → 𝐴𝑛 → ∃|𝐴𝑛 |

1 1 𝛼 1 1 𝛼 1 1 𝛼
𝐴3 = |−1 −𝛼 1 | 𝑓2 + 𝑓1 = | 0 1−𝛼 1 + 𝛼| = (𝛼 − 1) |0 1−𝛼 1 + 𝛼|
𝛼 1 1 𝑓3 − 𝑓1 𝛼−1 0 1−𝛼 1 0 −1 𝐶3 + 𝐶1
1 1 𝛼+1
1 𝛼+1 1 𝛼+1
(𝛼 − 1) |0 1−𝛼 1 + 𝛼| = (𝛼 − 1) | | = (𝛼 − 1) | |
1−𝛼 1 + 𝛼 𝑓2 − 𝑓1 −𝛼 0
1 0 0
= (𝛼)(1 − 𝛼)(𝛼 + 1)
−1
Para que |𝐴| ≠ 0 → 𝛼 ≠ { 0 y cuando ocurre aquello S es L.I.
1
Para los valores de 𝜶 que hace que S sea L.D. Hallar la 〈𝑺〉
Si 𝛼 = −1

𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 = 𝛽1 (1 − 𝑥 − 𝑥 2 ) + 𝛽2 (1 + 𝑥 + 𝑥 2 ) + 𝛽3 (−1 + 𝑥 + 𝑥 2 )

= (𝛽1 − 𝛽1 𝑥 − 𝛽1 𝑥 2 ) + (𝛽2 + 𝛽2 𝑥 + 𝛽2 𝑥 2 ) + (−𝛽3 + 𝛽3 𝑥 + 𝛽3 𝑥 2 )

= ((𝛽1 + 𝛽2 − 𝛽3 ) + (−𝛽1 + 𝛽2 + 𝛽3 )𝑥 + (−𝛽1 + 𝛽2 + 𝛽3 )𝑥 2 )

S.E.L
(𝛽1 + 𝛽2 − 𝛽3 ) = 𝑎0
{(−𝛽1 + 𝛽2 + 𝛽3 ) = 𝑎1
(−𝛽1 + 𝛽2 + 𝛽3 ) = 𝑎2

1 1 −1 𝑎0 1 1 −1 𝑎0 1 1 −1 𝑎0
(−1 1 | 𝑎
1 1 2 ) 𝑓 + 𝑓1 ≈ (0 2 |
0 1 𝑎 + 𝑎0 ) ≈ ( 0 2 0 |𝑎1 + 𝑎0 )
−1 1 1 𝑎2 𝑓3 + 𝑓1 0 2 0 𝑎2 + 𝑎0 𝑓3 − 𝑓2 0 0 0 𝑎2 − 𝑎1
〈𝑆〉 = 𝑊𝛼=−1 {𝑃2 (𝑥) = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 ⁄𝑎2 − 𝑎1 = 0}

58
〈𝑆〉 = 𝑊𝛼=−1 {𝑃2 (𝑥) = 𝑎0 + 𝑎1 𝑥 + 𝑎1 𝑥 2 }

Si 𝛼 = 0

𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 = 𝛽1 (1 − 𝑥) + 𝛽2 (1 + 𝑥 2 ) + 𝛽3 (𝑥 + 𝑥 2 )

= (𝛽1 − 𝛽1 𝑥) + (𝛽2 + 𝛽2 𝑥 2 ) + (𝛽3 𝑥 + 𝛽3 𝑥 2 )

= ((𝛽1 + 𝛽2 ) + (−𝛽1 + 𝛽3 )𝑥 + (𝛽2 + 𝛽3 )𝑥 2 )

S.E.L
𝛽1 + 𝛽2 = 𝑎0
{−𝛽1 + 𝛽3 = 𝑎1
𝛽2 + 𝛽3 = 𝑎2

1 1 0 𝑎0 1 1 0 𝑎0 1 1 0 𝑎0
(−1 0 1|𝑎1 ) 𝑓2 + 𝑓1 ≈ (0 1 1|𝑎1 + 𝑎0 ) ≈ (0 1 1| 𝑎1 + 𝑎0 )
0 1 1 𝑎2 0 1 1 𝑎2 𝑓3 − 𝑓2 0 0 0 𝑎2 − 𝑎1 − 𝑎0
〈𝑆〉 = 𝑊𝛼=0 {𝑃2 (𝑥) = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 ⁄ 𝑎2 − 𝑎1 − 𝑎0 = 0}

〈𝑆〉 = 𝑊𝛼=0 {𝑃2 (𝑥) = 𝑎0 + 𝑎1 𝑥 + (𝑎1 + 𝑎0 )𝑥 2 }

Si 𝛼 = 1

𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 = 𝛽1 (1 − 𝑥 + 𝑥 2 ) + 𝛽2 (1 − 𝑥 + 𝑥 2 ) + 𝛽3 (1 + 𝑥 + 𝑥 2 )

= (𝛽1 − 𝛽1 𝑥 + 𝛽1 𝑥 2 ) + (𝛽2 − 𝛽2 𝑥 + 𝛽2 𝑥 2 ) + (𝛽3 + 𝛽3 𝑥 + 𝛽3 𝑥 2 )

= ((𝛽1 + 𝛽2 + 𝛽3 ) + (−𝛽1 − 𝛽2 + 𝛽3 )𝑥 + (𝛽1 + 𝛽2 + 𝛽3 )𝑥 2 )

S.E.L
𝛽1 + 𝛽2 + 𝛽3 = 𝑎0
{−𝛽1 − 𝛽2 + 𝛽3 = 𝑎1
𝛽1 + 𝛽2 + 𝛽3 = 𝑎2

1 1 1 𝑎0 1 1 1 𝑎0
(−1 −1 1|𝑎1 ) 𝑓2 + 𝑓1 ≈ (0 0 2|𝑎1 + 𝑎0 )
1 1 1 𝑎2 𝑓3 − 𝑓1 0 0 0 𝑎2 − 𝑎0
〈𝑆〉 = 𝑊𝛼=1 {𝑃2 (𝑥) = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 ⁄ 𝑎2 − 𝑎0 = 0}

〈𝑆〉 = 𝑊𝛼=1 {𝑃2 (𝑥) = 𝑎0 + 𝑎1 𝑥 + 𝑎0 𝑥 2 }

2. Sea 𝑺 = {𝟏 + 𝟐𝒙 − 𝒙𝟐 , −𝟏 + 𝜶𝒙 + 𝜷𝒙𝟐 , −𝟐 − 𝟒𝒙 + (𝜶𝟐 + 𝜶)𝒙𝟐 }

a) Para que valores de 𝜶 y 𝜷 S es linealmente dependiente

b) Para que valores de 𝜶 y 𝜷 S es linealmente independiente

0𝑣 = 0 + 0𝑥 + 0𝑥 2 = 𝛾1 (1 + 2𝑥 − 𝑥 2 ) + 𝛾2 (−1 + 𝛼𝑥 + 𝛽𝑥 2 ) + 𝛾3 (−2 − 4𝑥 + (𝛼 2 + 𝛼)𝑥 2 )

0 = 𝛾1 − 𝛾2 − 2𝛾3
0 = 2𝛾1 + 𝛼𝛾2 − 4𝛾3

0 = −𝛾1 + 𝛽𝛾2 − (𝛼 2 + 𝛼)𝛾3

59
Análisis:
𝑚 = 𝑛 = 3 ⇒ |𝐴|𝑒𝑥𝑖𝑠𝑡𝑒
1 −1 −2 1 0 0
|𝐴| = | 2 𝛼 −4 | = | 2 𝛼+2 0 |
−1 𝛽 𝛼2 + 𝛼 −1 𝛽−1 𝛼2 + 𝛼 − 2
𝐶2 + 𝐶1 𝐶3 + 2𝐶1

|𝐴| = (𝛼 + 2)(𝛼 2 + 𝛼 − 2)

= (𝛼 + 2)(𝛼 + 2)(𝛼 − 1)

= (𝛼 + 2)2 (𝛼 − 1)
S es linealmente independiente si y solo si 𝛼 ≠ −2 y 𝛼 ≠ 1

S es linealmente dependiente si y solo si 𝛼 = −2 y 𝛼 = 1

3.- Sean u,v,w un sistema de vectores linealmente independientes. ¿Serán
linealmente independientes los siguientes sistemas de vectores?

a) 𝑺𝟏 = {𝒖, 𝒖 + 𝒗, 𝒖 + 𝒗 + 𝒘}
Aplicando el teorema del Ov
∅𝑣 = 𝛼𝑢 + 𝛽(𝑢 + 𝑣) + 𝛾(𝑢 + 𝑣 + 𝑤)

= (𝛼 + 𝛽 + 𝛾)𝑢 + (𝛽 + 𝛾)𝑣 + 𝛾𝑤

Cuyo S.E.L es
𝛼+𝛽+𝛾 =0
{ 𝛽+𝛾 =0
𝛾=0
Como 𝑚 = 𝑛 = 3 Utilizamos el determinante para verificar si es L.I o L.D
1 1 1
|𝐴3 | = |0 1 1| = 1 ≠ 0 por lo que S1 es L.I.
0 0 1
𝑺𝟐 = {(𝒖 − 𝒗), (𝒗 − 𝒘), (𝒘 − 𝒖)}
Aplicando el teorema del Ov
∅𝑣 = 𝛼(𝑢 − 𝑣) + 𝛽(𝑣 − 𝑤) + 𝛾(𝑤 − 𝑢)

= (𝛼 − 𝛾)𝑢 + (−𝛼 + 𝛽)𝑣 + (𝛾 − 𝛽)𝑤

Cuyo S.E.L es
𝛼−𝛾 =0
{−𝛼 + 𝛽 = 0
−𝛽 + 𝛾 = 0

Como 𝑚 = 𝑛 = 3 Utilizamos el determinante para verificar si es L.I o L.D

60
 1 0 −1 1 0 −1 1 0 −1
|𝐴3 | = |−1 1 0 | = |0 1 −1| = |0 1 −1| = 0 por lo que S2 es L.D.
0 −1 1 0 −1 1 0 0 0
4. Sean a,b,c ∈ 𝑹. El siguiente sistema de polinomios será L.I o L.D.
𝑾 = {(𝒙 − 𝒂)(𝒙 − 𝒃), (𝒙 − 𝒂)(𝒙 − 𝒄), (𝒙 − 𝒃)(𝒙 − 𝒄)}
Aplicando el teorema del Ov
∅𝑣 = 𝛼(𝑥 − 𝑎)(𝑥 − 𝑏) + 𝛽(𝑥 − 𝑎)(𝑥 − 𝑐) + 𝛾(𝑥 − 𝑏)(𝑥 − 𝑐)

0 + 0𝑥 + 0𝑥 2 = 𝛼(𝑥 2 − (𝑎 + 𝑏)𝑥 + 𝑎𝑏) + 𝛽(𝑥 2 − (𝑎 + 𝑐)𝑥 + 𝑎𝑐) + 𝛾(𝑥 2 − (𝑏 + 𝑐)𝑥 + 𝑏𝑐)

= (𝑎𝑏𝛼 + 𝑎𝑐𝛽 + 𝑏𝑐𝛾) + (−(𝑎 + 𝑏)𝛼 − (𝑎 + 𝑐)𝛽 − (𝑏 + 𝑐)𝛾)𝑥 + (𝛼 + 𝛽 + 𝛾)𝑥 2

Cuyo S.E.L es

𝑎𝑏𝛼 + 𝑎𝑐𝛽 + 𝑏𝑐𝛾 = 0

{−(𝑎 + 𝑏)𝛼 − (𝑎 + 𝑐)𝛽 − (𝑏 + 𝑐)𝛾 = 0
𝛼+𝛽+𝛾 =0

Como 𝑚 = 𝑛 = 3 Utilizamos el determinante para verificar si es L.I o L.D

𝑎𝑏 𝑎𝑐 𝑏𝑐 𝐶1 − 𝐶2 𝑎(𝑏 − 𝑐) 𝑐(𝑎 − 𝑏) 𝑏𝑐
|𝐴3 | = |−(𝑎 + 𝑏) −(𝑎 + 𝑐) −(𝑏 + 𝑐)| 𝐶2 − 𝐶3 = | 𝑐 − 𝑏 𝑏−𝑎 −(𝑏 + 𝑐)| =
1 1 1 0 0 1
𝑎 𝑐
= (𝑏 − 𝑐)(𝑎 − 𝑏) | | = (𝑏 − 𝑐)(𝑎 − 𝑏)(𝑐 − 𝑎)
−1 −1
Esto implica que W es L.D si 𝑎 = 𝑏 ∨ 𝑏 = 𝑐 ∨ 𝑎 = 𝑐 y será L.I si 𝑎 ≠ 𝑏 ∨ 𝑏 ≠ 𝑐 ∨ 𝑎 ≠ 𝑐
5. Analizar la dependencia e independencia de:
𝟏 −𝟏 𝟏 𝟎 𝟏 −𝟐
𝑺 = {( ),( ),( )} ⊂ 〈𝑴𝟐 , ℝ, +, . 〉
𝟏 −𝟏 𝟎 𝟐 −𝟏 𝟑
0 0 1 −1 1 0 1 −2
( ) = 𝛼1 ( ) + 𝛼2 ( ) + 𝛼3 ( )
0 0 1 −1 0 2 −1 3
0 = 𝛼1 + 𝛼2 + 𝛼3
0 = −𝛼1 − 2𝛼3
0 = 𝛼1 − 𝛼3

0 = −𝛼1 + 2𝛼2 + 3𝛼3

Análisis
𝑚 = 4, 𝑛 = 3, 𝑚 > 𝑛

1 1 10 1 1 1 0 𝑓1 − 𝑓2
−1 0 −2 0 𝑓2 + 𝑓1 0 1 −1 0
( 1 0 −1|0) 𝑓3 − 𝑓1 ∼ (0 −1 −2|0) 𝑓3 + 𝑓2
−1 2 3 0 𝑓4 + 𝑓1 0 3 4 0 𝑓4 − 3𝑓2

61
 1 0 2 0 𝑓1 − 2𝑓4 1 0 0 0
(0 1 −1|0) 𝑓2 + 𝑓4 ∼ (0 1 0 |0)
0 0 −3 0 𝑓3 + 3𝑓4 0 0 0 0
0 0 10 0 0 10
Es linealmente independiente ya que:

0 = 𝛼1 = 𝛼2 = 𝛼3

6. 𝑺 = {−𝟏, 𝟐𝒆𝒂𝒙 , 𝒙𝟐 𝒆𝒂𝒙 } 𝑺 𝒆𝒔 𝑳. 𝑰 𝑶 𝑳. 𝑫

Como los elementos del conjunto S son funciones, utilizaremos el Teorema de

Wronskiano

−1 2𝑒 𝑎𝑥 𝑥 2 𝑒 𝑎𝑥
|𝑆| = | 0 2𝑎𝑒 𝑎𝑥 2𝑥𝑒 𝑎𝑥
+ 𝑎𝑥 2 𝑒 𝑎𝑥 |
0 2𝑎2 𝑒 𝑎𝑥 2(𝑒 + 𝑎𝑥𝑒 ) + 𝑎(2𝑥𝑒 𝑎𝑥 + 𝑎𝑥 2 𝑒 𝑎𝑥 )
𝑎𝑥 𝑎𝑥

2𝑎𝑒 𝑎𝑥 𝑒 𝑎𝑥 (2𝑥 + 𝑎𝑥 2 )
|𝑆| = − | 2 𝑎𝑥 |
2𝑎 𝑒 𝑒 𝑎𝑥 (2 + 2𝑎𝑥 + 2𝑎𝑥 + 𝑎2 𝑥 2 )

|𝑆| = −2𝑎𝑒 2𝑎𝑥 |1 2𝑥 + 𝑎𝑥 2 |

𝑎 2 + 4𝑎𝑥 + 𝑎2 𝑥 2
= −2𝑎𝑒 2𝑎𝑥 [2 + 4𝑎𝑥 + 𝑎2 𝑥 2 − 2𝑎𝑥 − 𝑎2 𝑥 2 ]

= −2𝑎𝑒 2𝑎𝑥 [2 + 2𝑎𝑥] Ya que 2𝑎𝑒 2𝑎𝑥 jamás será cero.

1 1
Entonces 2 + 2𝑎𝑥 = 0 𝑥 = −𝑎 𝑆𝑖 𝑥 = − 𝑎 ⇒ |𝑆| = 0 𝐸𝑠 𝐿. 𝐷

7. Verificar si S= {𝟏, 𝒔𝒆𝒏 (𝟐𝒙), 𝐜𝐨𝐬(𝟐𝒙)} es linealmente dependiente o

independiente

1 𝑠𝑒𝑛 (2𝑥) cos(2𝑥)

|𝑆| = |0 2 cos(2𝑥) −2𝑠𝑒𝑛(2𝑥)|
0 −4𝑠𝑒𝑛(2𝑥) −4cos(2𝑥)

2 cos(2𝑥) −2𝑠𝑒𝑛(2𝑥)
|𝑆| = | |
−4𝑠𝑒𝑛(2𝑥) −4cos(2𝑥)
|𝑆| = −8𝑐𝑜𝑠 2 (2𝑥) − 8𝑠𝑒𝑛2 (2𝑥)

|𝑆| = −8(𝑐𝑜𝑠 2 (2𝑥) + 𝑠𝑒𝑛2 (2𝑥))

|𝑆| = −8 → |𝑆| ≠ 0 → 𝑆 𝑒𝑠 𝐿𝐼
8. Analizar la dependencia e independencia de:
𝑺 = {𝒔𝒆𝒏(𝒙 + 𝜶), 𝒔𝒆𝒏(𝒙 + 𝜷), 𝒔𝒆𝒏(𝒙 + 𝜹)} si 𝛂, 𝛃, 𝛅 son constantes

𝑠𝑒𝑛(𝑥 + 𝛼) 𝑠𝑒𝑛(𝑥 + 𝛽) 𝑠𝑒𝑛(𝑥 + 𝛿)

|𝑆| = | 𝑐𝑜𝑠(𝑥 + 𝛼) 𝑐𝑜𝑠(𝑥 + 𝛽) co s(𝑥 + 𝛿) |
−𝑠𝑒𝑛(𝑥 + 𝛼) −𝑠𝑒𝑛(𝑥 + 𝛽) −𝑠𝑒𝑛(𝑥 + 𝛿) 𝑓3 + 𝑓1

𝑠𝑒𝑛(𝑥 + 𝛼) 𝑠𝑒𝑛(𝑥 + 𝛽) 𝑠𝑒𝑛(𝑥 + 𝛿)

|𝑆| = | 𝑐𝑜𝑠(𝑥 + 𝛼) 𝑐𝑜𝑠(𝑥 + 𝛽) 𝑐𝑜𝑠(𝑥 + 𝛿) |
0 0 0
|𝑆| = 0

62
⇒ S es linealmente dependiente.
Definición 4.7 (Base) Sean (𝑉, 𝐾, +,·) un espacio vectorial y 𝐵 ⊂ 𝑉 . El conjunto 𝐵 es
una base del espacio vectorial 𝑉 si y solamente si 𝐵 es linealmente independiente y 𝐵
genera 𝑉 ; es decir, el subespacio vectorial generado por 𝐵 es el espacio vectorial 𝑉 .
En otras palabras, 𝐵 es una base de 𝑉 si y solo si:
1. 𝐵 es linealmente independiente; y

2. 〈𝐵〉 = 𝑉 .
Ejemplo

El conjunto 𝐵 = {𝑝, 𝑝′, 𝑝′′}, donde 𝑝(𝑥) = 1 + 𝑥 2 para todo x ∈ R, es una base del
espacio vectorial (𝑃2 [𝑥], 𝑅, +,·).

Solución. En un ejemplo anterior, probamos que el conjunto 𝐵 es linealmente

independiente; también se demostró que 〈𝐵〉 = 𝑃2 [𝑥]. Por lo tanto, B es una base de
(𝑃2 [𝑥], 𝑅, +,·).

Ejemplo
El conjunto

𝐵 = {1, 𝑥 − 1, (𝑥 − 1)2 , (𝑥 − 1)3 } es una base del espacio vectorial (𝑃3 [𝑥], 𝑅, +,·).

Solución. Debemos probar que la cápsula de B es 𝑃3 [𝑥]y que B es un conjunto

linealmente independiente.
1. Calculemos la cápsula de B:
〈𝐵〉 = {𝑝 ∈ 𝑃3 [𝑥] ∶ 𝑝(𝑥) = 𝛼(1) + 𝛽(𝑥 − 1) + 𝛾(𝑥 − 1)2 + 𝛿(𝑥 − 1)3 }

= {𝑝 ∈ 𝑃3 [𝑥] ∶ 𝑝(𝑥) = 𝛼(1) + 𝛽(𝑥 − 1) + 𝛾(𝑥 2 − 2𝑥 + 1) + 𝛿(𝑥 3 − 3𝑥 2 + 3𝑥 − 1)}

= {𝑝 ∈ 𝑃3[𝑥] ∶ 𝑝(𝑥) = (𝛼 − 𝛽 + 𝛾 − 𝛿) + (𝛽 − 2𝛾 + 3𝛿)𝑥 + (𝛾 − 3𝛿)𝑥 2 + 𝛿𝑥 3 }

Si 𝑝(𝑥) = 𝑎 + 𝑏𝑥 + 𝑐𝑥 2 + 𝑑𝑥 3 , entonces que 𝑝 ∈ 〈𝐵〉 es equivalente a

𝑎 + 𝑏𝑥 + 𝑐𝑥 2 + 𝑑𝑥 3 = (𝛼 − 𝛽 + 𝛾 − 𝛿) + (𝛽 − 2𝛾 + 3𝛿)𝑥 + (𝛾 − 3𝛿)𝑥 2 + 𝛿𝑥 3 },

lo que es equivalente al siguiente sistema de cuatro ecuaciones lineales en 𝛼, 𝛽, 𝛾 y 𝛿:

𝛼−𝛽 + 𝛾 − 𝛿 = 𝑎
𝛽 − 2𝛾 + 3𝛿 = 𝑏

𝛾 − 3𝛿 = 𝑐
𝛿 = 𝑑.
Por lo tanto: ℎ𝐵𝑖 = { 𝑎 + 𝑏𝑥 + 𝑐𝑥 2 + 𝑑𝑥 3 ∈ 𝑃3 [𝑥] ∶ 𝑎, 𝑏, 𝑐 𝑦 𝑑 satisfacen el sistema
Ahora bien, la matriz de los coeficientes del sistema es la siguiente:
1 −1 1 −1 𝑎
0 1 −2 3 𝑏
( | )
0 0 1 −3 𝑐
0 0 0 1 𝑑
Como se puede ver, su determinante es diferente de 0 para cualquier a, b, c y d. Por lo
tanto, el sistema tiene solución para todo a, b, c y d. Esto significa que

63
〈𝐵〉 = 𝑃3 [𝑥].

En resumen, B genera 𝑃3 [𝑥]

2. Ahora probemos que el conjunto B es linealmente independiente. Para ello, sean
𝛼, 𝛽, 𝛾, escalares tales que:

𝛼(1) + 𝛽(𝑥 − 1) + 𝛾(𝑥 − 1)2 + 𝛿(𝑥 − 1)3 = 0 + 0𝑥 + 0𝑥 2 + 0𝑥 3 .

Esta igualdad es equivalente a la siguiente:

(𝛼 − 𝛽 + 𝛾 − 𝛿) + (𝛽 − 2𝛾 + 3𝛿)𝑥 + (𝛾 − 3𝛿)𝑥 2 + 𝛿𝑥 3 = 0 + 0𝑥 + 0𝑥 2 + 0𝑥 3 ..

Por lo tanto, 𝛼, 𝛽, 𝛾 y 𝛿 satisfacen el siguiente sistema de ecuaciones lineales:

𝛼−𝛽 + 𝛾 − 𝛿 = 0
𝛽 − 2𝛾 + 3𝛿 = 0
𝛾 − 3𝛿 = 0
𝛿 = 0
cuya matriz de coeficientes es la misma que la del sistema anterior, de la cual
sabemos que su determinante es diferente de 0, por lo que, al tratarse este segundo
sistema de uno homogéneo, la única solución que tiene es la trivial.
Por lo tanto:
𝛼 = 𝛽 = 𝛾 = 𝛿 = 0.
En resumen, la igualdad implica que los cuatro escalares son iguales a 0, por lo que el
conjunto B es linealmente independiente.
Hemos probado, entonces, que el conjunto B, al generar 𝑃3 [𝑥] y ser linealmente
independiente, es una base del espacio vectorial (𝑃3 [𝑥], 𝑅, +,·).

Ejemplo
𝒂 𝒃 𝒂 𝒃
El conjunto 𝑾 = {( ) ∈ 𝑴𝟐𝒙𝟐 ∶ | | = 𝟎} es un s.e.v de (𝑴𝟐 , 𝑹, +,∙). Encontrar
𝒄 𝒅 𝟏 𝟐
una base para W.
Solución:
𝑎 𝑏 𝑎 𝑏 𝑎 𝑏
𝑊 = {( ) ∈ 𝑀2𝑥2 ∶ | | = 0} = {( ) ∈ 𝑀2𝑥2 ∶ 2𝑎 − 𝑏 = 0}
𝑐 𝑑 1 2 𝑐 𝑑
𝑎 𝑏 𝑎 2𝑎
𝑊 = {( ) ∈ 𝑀2𝑥2 ∶ 2𝑎 = 𝑏} = 𝑊 = {( ) ∈ 𝑀2𝑥2 ∶ 𝑎, 𝑐, 𝑑 ∈ 𝑅}
𝑐 𝑑 𝑐 𝑑
Ahora bien, como:
𝑎 2𝑎 1 2 0 0 0 0
( ) = 𝑎( )+𝑐( )+𝑑( )
𝑐 𝑑 0 0 1 0 0 1
Tenemos que:
𝑎 2𝑎 1 2 0 0 0 0
𝑊 = {( ) = 𝑎( )+𝑐( )+𝑑( ) : 𝑎, 𝑐, 𝑑 ∈ 𝑅 }
𝑐 𝑑 0 0 1 0 0 1
1 2 0 0 0 0
𝐵 = 〈{( ),( ),( )}〉
0 0 1 0 0 1

64
Por lo tanto el conjunto
1 2 0 0 0 0
𝐵 = {( ),( ),( )}
0 0 1 0 0 1
Genera W ya que 〈𝐵〉 = 𝑊
Ahora probemos que B es linealmente independiente. Para ello, supongamos que
𝛼, 𝛽 𝑦 𝛾 escalares tales que:
1 2 0 0 0 0 0 0
𝛼( )+𝛽( )+𝛾( )=( )
0 0 1 0 0 1 0 0
Esta igualdad implica que:
𝛼 2𝛼 0 0
( )=( )
𝛽 𝛾 0 0
la que, a su vez, implica, por la definición de igualdad entre matrices, que se verifiquen
las siguientes igualdades: 𝛼 = 0, 2𝛼 = 0, 𝛽 = 0, 𝛾 = 0.
En resumen, la igualdad implica que 𝛼 = 𝛽 = 𝛾 = 0. Esto significa que B es un
conjunto linealmente independiente.

Hemos probado, entonces, que B genera 𝑀2𝑥2 y es linealmente independiente;

entonces, B es una base del espacio (𝑀2𝑥2 ,𝑅, +,·).
La importancia de una base es que v se expresa de manera única como combinación
lineal de los elementos de la base.
A los escalares 𝛼𝑖 con 𝑖 ∈ 𝐼𝑛 se les conoce con el nombre de coordenadas del vector
𝑣 respecto de la base 𝐵. Las coordenadas de un vector de una base son utilizadas
para representar e identificar a un vector respecto de una base. Muchas veces, en
lugar de hablar de v respecto de la base, hablaríamos de la n-upla (𝛼1 , 𝛼2 , . . . , 𝛼𝑛 ).
Teorema 4.7 Sean (𝑉, 𝐾, +,·) un espacio vectorial y 𝑆 = {𝑣1 , 𝑣2 , . . . , 𝑣𝑚 } ⊂ 𝑉 . Si S
genera el espacio V, entonces cualquier conjunto de V linealmente independiente tiene
m elementos a lo más.
Ejemplo
El conjunto
𝟏 𝟐 𝟎 𝟎 𝟎 𝟎
𝑩 = {( ),( ),( )} es una base del e.v.
𝟎 𝟎 𝟏 𝟎 𝟎 𝟏
𝒂 𝒃 𝒂 𝒃
𝑾 = {( ) ∈ 𝑴𝟐𝒙𝟐 ∶ | | = 𝟎}. Demuestre que el conjunto
𝒄 𝒅 𝟏 𝟐
𝟏 𝟐 𝟎 𝟎 𝟎 𝟎 −𝟐 −𝟒
𝑺 = {( ),( ),( ),( )} es L.D
𝟑 𝟎 −𝟏 𝟎 𝟒 −𝟑 𝟏 𝟎
Solución. Como B es una base de (𝑀2𝑥2 , 𝑅, +,·), entonces es un conjunto linealmente
independiente que tiene 3 elementos. Entonces, por el teorema anterior, cualquier
conjunto de 𝑀2𝑥2 con cuatro o más elementos debe ser linealmente dependiente. Ese
es el caso de S, que tiene cuatro elementos.
La principal consecuencia del último teorema es que todas las bases tienen el mismo
número de elementos. En efecto, supongamos que B y B′ son dos bases de un
espacio vectorial V , y m y n son el número de elementos de B y B′ respectivamente.

65
Ahora bien, B genera el espacio V y tiene m elementos. Entonces, como B′ es
linealmente independiente, por el teorema anterior se debe cumplir que n ≤ m. Si
ahora intercambiamos B y B′ en el razonamiento anterior, tenemos que m ≤ n. Es
decir, m = n.
Teorema 4.8 Todas las bases de un espacio vectorial tienen el mismo número de
elementos
Definición 4.8 (Dimensión) Sea (V,K,+,·) un espacio vectorial. El número de
elementos de cualquier base de 𝐵 se denomina dimensión del espacio vectorial 𝑉 . En
el caso de que V sea el espacio nulo, se asigna 0 a la dimensión de 𝑉 . Se acostumbra
a representar la dimensión de 𝑉 con 𝑑𝑖𝑚(𝑉 ).
Ejemplo
Dado que el conjunto
1 2 0 0 0 0
𝐵 = {( ),( ),( )} es una base del e.v.
0 0 1 0 0 1
𝑎 𝑏 𝑎 𝑏
𝑊 = {( ) ∈ 𝑀2𝑥2 ∶ | | = 0}.
𝑐 𝑑 1 2
podemos concluir que 𝑑𝑖𝑚(𝑊) = 3.
Cuando el número de elementos de una base es finito, se dice que el espacio vectorial
es de dimensión finita.
Las siguientes son las bases denominadas canónicas en el sentido de que se ajustan
a un canon o modelo ideal y son de los principales e.v que se estudia a este nivel.

Ejemplo
1. En el espacio vectorial (𝑅, 𝐾, +,·), el conjunto 𝐶 = {1} es linealmente independiente,
pues la igualdad 𝛼 · 1 = 0 implica necesariamente que 𝛼 = 0, ya que 1 ≠ 0
Adicionalmente, la cápsula de 𝐶 es 𝑅, pues
〈𝐶〉 = {𝛼 · 1 ∈ 𝑅 ∶ 𝛼 ∈ 𝑅} = {𝛼 ∈ 𝑅 ∶ 𝛼 ∈ 𝑅} = 𝑅.

Por lo tanto, 𝐶 es una base para (𝑅, 𝐾, +,·), y es la canónica. Además, 𝑑𝑖𝑚(𝑅) = 1.

2. En el espacio (𝑅2 , 𝐾, +,·), el conjunto 𝐶 = {(1,0), (0,1)} es la base canónica y

𝑑𝑖𝑚(𝑅2 ) = 2. En efecto:
(a) C es linealmente independiente, porque la igualdad
𝛼(1,0) + 𝛽(0,1) = (0,0)
implica que:
(𝛼, 𝛽) = (0,0),

de donde: 𝛼 = 𝛽 = 0.

(b) C genera 𝑅2 , pues:

〈𝐶〉 = {𝛼(1,0) + 𝛽(0,1) ∶ 𝛼 ∈ 𝑅, 𝛽 ∈ 𝑅} = {(α,β) : α ∈ R, β ∈ R}= 𝑅2 .

3. En el espacio (𝑅3 , 𝐾, +,·), la base canónica es:

𝐶 = {(1,0,0), (0,1,0), (0,0,1)}. Por lo tanto, 𝑑𝑖𝑚(𝑅3 ) = 3.

66
4. En el espacio (𝑅𝑛 , 𝐾, +,·), la base canónica es:
𝐶 = {(1,0,0, . . . ,0), (0,1,0, . . . ,0), . . . , (0,0, . . . ,0,1)}. Entonces, 𝑑𝑖𝑚(𝑅𝑛 ) = 𝑛.
5. En el espacio (𝐶, 𝐾, +,·), la base canónica es:
𝐶 = {1, 𝚤}. Por lo tanto, 𝑑𝑖𝑚(𝐶) = 2.

6. En el espacio (𝐶 2 , 𝐾, +,·), la base canónica es:

𝐶 = {(1,0), (𝚤, 0), (0,1), (0, 𝚤)}. Por lo tanto, 𝑑𝑖𝑚(𝐶 2 ) = 4.

7. En el espacio (𝑃𝑛[𝑥], 𝑅, +,·), la base canónica es:

𝐶 = {1, 𝑥, 𝑥 2 , . . . , 𝑥 𝑛 }. Entonces, 𝑑𝑖𝑚(𝑃𝑛[𝑥]) = 𝑛 + 1.

8. En el espacio (𝑀2𝑥2 , 𝑅, +,·), la base canónica es:

1 0 0 1 0 0 0 0
𝐶 = {( ),( ),( ),( )}
0 0 0 0 1 0 0 1
Corolario 4.9 Si la dimensión de (𝑉, 𝐾, +,·) es 𝑛, entonces cualquier subconjunto de 𝑉
con más de 𝑛 elementos es linealmente dependiente. En otras palabras, la base de un
espacio vectorial es el conjunto linealmente independiente máximo en dicho espacio.
Corolario 4.10 Si la dimensión de (𝑉, 𝐾, +,·) es 𝑛, entonces ningún subconjunto de 𝑉
con menos elementos de 𝑛 puede generar 𝑉 . En otras palabras, la base de un
espacio vectorial es el conjunto mínimo que puede generar el espacio.
Teorema 4.11 Sean (𝑉, 𝐾, +,·) un espacio vectorial, 𝐵 = {𝑣1, 𝑣2, . . . , 𝑣𝑚} ⊂ 𝑉 y 𝑢 ∈ 𝑉
. Si 𝐵 es linealmente independiente y 𝑢 ∉ 〈𝐵〉, entonces el conjunto 𝐵 ∪ {𝑢} es
linealmente independiente.
En otras palabras, si un conjunto linealmente independiente no genera el espacio (es
decir, no es una base), entonces si se añade a dicho conjunto un elemento que no ha
sido generado por él, el conjunto resultante sigue siendo linealmente independiente.
Teorema 4.12 Sea (W,K,+,·) un espacio vectorial de dimensión n, entonces todo
subconjunto linealmente independiente de W es finito y es parte de una base de W.
Corolario 4.13 Sea (𝑉, 𝐾, +,·) un espacio vectorial tal que 𝑑𝑖𝑚(𝑉 ) = 𝑛. Entonces, un
conjunto B linealmente independiente es una base de V si y solo si tiene n elementos.

Ejemplo
Determinar si el conjunto

𝑩 = {(𝟎, 𝟏, 𝟏), (𝟏, 𝟎, 𝟏), (𝟏, 𝟏, 𝟎)} es una base del espacio vectorial (𝑹𝟑 , 𝑲, +,·).

Solución. Puesto que B tiene tres elementos y la dimensión de 𝑅3 es 3, para

determinar si B es una base, es suficiente determinar si es un conjunto linealmente
independiente.
Para ello, sean 𝛼, 𝛽 y 𝛾 escalares tales que:
𝛼(0,1,1) + 𝛽(1,0,1) + 𝛾(1,1,0) = (0,0,0).
Entonces:
(𝛽 + 𝛾, 𝛼 + 𝛾, 𝛼 + 𝛽) = (0,0,0).

67
Por lo tanto, si la igualdad fuera verdadera, entonces 𝛼, 𝛽 y 𝛾 satisfarían el siguiente
sistema de ecuaciones:
𝛽 + 𝛾 = 0
𝛼 + 𝛾 = 0

𝛼 + 𝛽 = 0,
cuya matriz de coeficientes:
0 1 1
(1 0 1)
1 1 0
tiene determinante es diferente de 0, pues:
0 1 1 0 1 1
|1 0 1| = |0 −1 1| = 2
1 1 0 1 1 0
Por lo tanto, la solución del sistema es la trivial: 𝛼 = 𝛽 = 𝛾 = 0.
En otras palabras, el conjunto B es linealmente independiente y, por lo tanto, es una
base de 𝑅3 .
Ejemplo

El conjunto de 𝑹𝟑
𝑩 = {(𝟏, 𝟎, 𝟏), (𝟏, −𝟏, 𝟎)} es linealmente independiente. Obtener una base 𝑩′ para
𝑹𝟑 de manera que 𝑩′ contenga a 𝑩.

Solución. El procedimiento a utilizar consiste en añadir un elemento 𝑢 ∈ 𝑅3 tal que

𝑢 ∉ 〈𝐵〉. Sabemos que este elemento existe, porque B no puede ser una base de 𝑅3 ,
ya que B tiene dos elementos, mientras que 𝑑𝑖𝑚(𝑅3 ) = 3.
Empecemos, entonces, obteniendo la cápsula de B:
〈𝐵〉 = {(𝑎, 𝑏, 𝑐) ∈ 𝑅3 : (𝑎, 𝑏, 𝑐) = 𝛼(1,0,1) + 𝛽(1, −1,0)}

𝑅3 = {(𝑎, 𝑏, 𝑐) ∈ 𝑅3 : 𝛼 + 𝛽 = 𝑎, −𝛽 = 𝑏, 𝛼 = 𝑐)}.
Ahora determinemos las condiciones que deben cumplir a, b y c para que el sistema

𝛼 + 𝛽 = 𝑎
−𝛽 = 𝑏
𝛼 = 𝑐
tenga solución.
Para ello, trabajemos con su matriz ampliada:
1 1 𝑎 1 1 𝑎 1 1 𝑎
(0 −1|𝑏) ≈ (0 −1| 𝑏 ) ≈ (0 −1| 𝑏 )
1 0 𝑐 0 −1 𝑐 − 𝑎 0 0 𝑐−𝑎−𝑏
Por lo tanto, el sistema tiene solución si y solo si −𝑎 − 𝑏 + 𝑐 = 0.

Entonces: 〈𝐵〉 = {(𝑎, 𝑏, 𝑐) ∈ 𝑅 3 : 𝑐 = 𝑎 + 𝑏}.

68
Ahora busquemos un elemento de 𝑅 3 que no esté en 〈𝐵〉.
Por ejemplo, el vector (0,0,1) (la tercera coordenada no es la suma de las dos
primeras) no está en 〈𝐵〉. Por lo tanto, el conjunto 𝐵′ = 𝐵 ∪ {(0,0,1)} es linealmente
independiente. Como tiene tres elementos, 𝐵′ es una base de 𝑅 3 y contiene a B.
El siguiente es otro corolario del teorema.
Teorema 4.14 Sea (𝑉, 𝐾, +,·) un espacio vectorial de dimensión 𝑛. Si 𝑊 es un
subespacio vectorial propio de 𝑉 (es decir, 𝑊 ⊂ 𝑉 y 𝑊 ≠ 𝑉 ), entonces W tiene
dimensión finita y 𝑑𝑖𝑚(𝑊) < 𝑑𝑖𝑚(𝑉 ).
Teorema 4.15 Sean (𝑉, 𝐾, +,·) un espacio vectorial y S un subconjunto finito de V . Si
S es linealmente dependiente y 𝑣 ∈ 𝑆 es combinación lineal de los demás elementos
de S, entonces: 〈𝑆〉 = 〈𝑆 − {𝑣}〉.
Ejemplo 4.54
Sea
1 0 0 −2 2 2
𝑆 = {( ),( ),( )}
0 −1 −1 1 1 −3
Obtener:

1. la cápsula de 𝑆,〈𝑆〉 ; y
2. una base y la dimensión de 〈𝑆〉.
Solución.
1. Observemos que el conjunto S es linealmente dependiente, ya que
1 0 0 −2 2 2
2( ) + (−1) ( )=( )
0 −1 −1 1 1 −3
2 2
Por el teorema anterior, al eliminar el vector ( )
1 −3
de S, la cápsula de S menos ese vector sigue siendo igual a la cápsula de S:
〈𝑆〉 = 〈{(1 0
),(
0 −2
)}〉
0 −1 −1 1

𝑎 𝑏 𝑎 𝑏 1 0 0 −2
= {( ) ∈ 𝑀2𝑥2 : ( ) = 𝛼( )+𝛽( )}
𝑐 𝑑 𝑐 𝑑 0 −1 −1 1

Ahora veamos qué condiciones deben satisfacer a, b, c y d para que el sistema

𝛼 = 𝑎
−2𝛽 = 𝑏
−𝛽 = 𝑐
−𝛼 + 𝛽 = 𝑑
tenga solución. De las matrices equivalentes de la matriz ampliada:

69
 1 0 𝑎 1 0 𝑎 1 0 𝑎
0 −2 𝑏 0 −2 𝑏 0 0 2𝑎 + 𝑏 + 2𝑑
( | )~( | )~( | )
0 −1 𝑐 0 −1 𝑐 0 0 𝑐+𝑎+𝑑
−1 1 𝑑 0 1 𝑑+𝑎 0 1 𝑑+𝑎
concluimos que el sistema tiene solución si
𝑐 + 𝑎 + 𝑑 = 0 y 2𝑎 + 𝑏 + 2𝑑 = 0
Por lo tanto:

〈𝑆〉 = {(𝑎 𝑏
) ∈ 𝑀2𝑥2 : 𝑐 + 𝑎 + 𝑑 = 0,2𝑎 + 𝑏 + 2𝑑 = 0 }
𝑐 𝑑
2. El conjunto
1 0 0 −2
{( ),( )}
0 −1 −1 −1
es el ideal para ser la base de 〈𝑆〉. Para confirmarlo, lo único que resta por hacer es
probar que es linealmente independiente. Para ello, sean α y β escalares tales que:
1 0 0 −2 0 0
𝛼( )+𝛽( )=( )
0 −1 −1 −1 0 0
De esta igualdad se obtiene:
𝛼 −2𝛽 0 0
( )=( )
−𝛽 −𝛼 + 𝛽 0 0
de donde tenemos que α = 0 y β = 0. Por lo tanto, este conjunto es linealmente
independiente y, por lo tanto, una base de 〈𝑆〉 Finalmente, podemos afirmar que
𝑑𝑖𝑚 〈𝑆〉 = 2.
Teorema 4.16 Sean (𝑉, 𝐾, +,·) un espacio vectorial de dimensión 𝑛 y 𝐵 ⊂ 𝑉 con 𝑛
elementos. Entonces, 𝐵 es una base de 𝑉 si y solo si 𝐵 genera 𝑉 ; es decir, si y solo si
〈𝐵〉 = 𝑉.

Ejemplo

El conjunto 𝑾 = {(𝒂, 𝒃, 𝒄, 𝒅) ∈ 𝑹𝟒 ∶ 𝒃 − 𝒄 = 𝟎} es un subespacio vectorial de 𝑹𝟒

y su dimensión es igual a 3. Encontrar una base para W.
Solución. El conjunto W puede ser caracterizado de la siguiente manera:

𝑊 = {(𝑎, 𝑐, 𝑐, 𝑑) ∈ 𝑅4 ∶ 𝑎, 𝑐, 𝑑 ∈ 𝑅}.
Por lo tanto:
𝑊 = {(𝑎, 0,0,0) + (0, 𝑐, 𝑐, 0) + (0,0,0, 𝑑) ∈ 𝑹𝟒 ∶ 𝑎, 𝑐, 𝑑 ∈ 𝑅}

= {𝑎(1,0,0,0) + 𝑐(0,1,1,0) + 𝑑(0,0,0,1) ∈ 𝑹𝟒 ∶ 𝑎, 𝑐, 𝑑 ∈ 𝑅}

.
Si definimos el conjunto B por:
𝐵 = {(1,0,0,0), (0,1,1,0), (0,0,0,1)},
entonces 𝑊 = 〈𝐵〉 y, como 𝑑𝑖𝑚(𝑊) = 3 y B tiene tres elementos, entonces B es una
base de W.

70
 𝒂 − 𝟐𝒃 + 𝒄 = 𝟎
𝑊 = {(𝒂, 𝒃, 𝒄, 𝒅) ∈ ℝ𝟒 | 𝟑𝒂 − 𝟓𝒄 + 𝟐𝒅 = 𝟎 } 𝑩𝒂𝒔𝒆 𝒑𝒂𝒓𝒂 𝑾 =?
−𝟐𝒃 + 𝟑𝒄 − 𝟓𝒅 = 𝟎

1 −2 1 0 0 1 −2 1 0 0
(3 0 −5 2 |0) 𝑓2 − 3𝑓1 (0 6 −8 2 |0) (1⁄6)𝑓2
0 −2 3 −5 0 0 −2 3 −5 0

1 −2 1 0 0 𝑓1 + 2𝑓2 1 0 (− 5⁄3) (2⁄3) 0

(0 1 (−4⁄3)(1⁄3)|0) (0 1 (−4⁄3) (1⁄3) |0)
0 −2 3 −5 0 𝑓3 + 2𝑓2 0 0 (1⁄3) (− 13⁄3) 0 3𝑓3

1 0 (− 5⁄3)(2⁄3) 0 𝑓1 + (5⁄3)𝑓3 1 0 0(− 63⁄3) 0

(0 1 (− 4⁄3)(1⁄3)|0) 𝑓2 + (4⁄3)𝑓3 (0 1 0 (−51⁄3) |0)
0 0 1 −13 0 0 0 1 −13 0

63 51
𝑎= 𝑑 𝑏= 𝑑 𝑐 = 13𝑑
3 3
𝑊 = {((63⁄3)𝑑, (51⁄3)𝑑, 13𝑑, 𝑑)}

𝑊 = {𝑑((63⁄3), (51⁄3), 13, 1)}

𝐵𝑤 = {(63⁄3 , 51⁄3 , 13,1)}

𝟑𝒙 − 𝟐𝒚 + 𝒛 = 𝟎
Sea 𝑾 = {(𝒙, 𝒚, 𝒛)/ } subespacio vectorial de 𝑹𝟑 , calcular Bw
𝒙 + 𝟑𝒚 − 𝟒𝒛 = 𝟎
3 −2 1 0 0 −11 13 0
( | ) ( | )
1 3 −4 0 1 3 −4 0
0 1 −13/11 0 0 1 −13⁄11 0
( | ) ( | )
1 3 −4 0 1 0 5⁄11 0

5 13
𝑥=− 𝑧 𝑦= 𝑧
11 11

5
𝑥 = − 11 𝑧
𝑊 = {(𝑥, 𝑦, 𝑧)| }
13
𝑦 = 11 𝑧

5 13
𝑊 = {(− 𝑧, 𝑧, 𝑧)}
11 11

5 13
𝑊 = {𝑧(− 11 , 11 , 1)}

5 13
𝐵𝑤 = {(− 11 , 11 , 1)}

dim(𝐵𝑤) = 1
Para la dimensión de Bw

dim(𝑅3 ) = 3

71
# restricciones = 2

dim(𝑅3 ) − # restricciones = 3 − 2 = 1 = dim(Bw)

Sea 𝑺 = {𝟏 − 𝒕 − 𝟐𝒕𝟐 , 𝟐 + 𝒕 − 𝒕𝟐 , 𝒕 + 𝒕𝟐 }

a) ¿S es base de 𝑷𝟐 (𝒕)?
b) Si no lo es, hallar la cápsula de S y a partir de esa cápsula calcular su
base

𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 = 𝛼1 (1 − 𝑡 − 2𝑡 2 ) + 𝛼2 (2 + 𝑡 − 𝑡 2 ) + 𝛼3 (𝑡 + 𝑡 2 ) = 0 + 0𝑥 + 0𝑥 2
Análisis:
𝑚 = 𝑛 = 3 ⇒ |𝑆| existe
1 2 0
|𝑆| = |−1 1 1|
−2 −1 1
𝐶2 − 2𝐶1
1 0 0
|𝑆| = |−1 3 1| = 0
−2 3 1
Como |𝑆| = 0 ⇒ S es linealmente dependiente
Al ser linealmente dependiente no genera a 〈𝑃2 (𝑡)〉

1 2 0 0 𝑎0
(−1 1 1|0| 𝑎1 ) 𝑓2 + 𝑓1 ≈
−2 −1 1 0 𝑎2 𝑓3 + 2𝑓1

1 2 00 𝑎0
(0 3 1|0| 𝑎1 + 𝑎0 ) 𝑓2 ⁄3
0 3 10 𝑎2 + 2𝑎0 𝑓3 − 𝑓2

1 2 0 0 𝑎0 𝑓1 − 2𝑓2
(0 1 1/3|0| (𝑎1 + 𝑎0 )/3 )
0 0 0 0 𝑎2 + 𝑎0 − 𝑎1
1 0 −2⁄3 0 (𝑎0 − 2𝑎1 )/3
(0 1 1/3 |0| (𝑎1 + 𝑎0 )/3 )
0 0 0 0 𝑎2 + 𝑎0 − 𝑎1
2
𝑎0 − 3 𝑎2 = 0
1
𝑎1 + 3 𝑎2 = 0

𝑎2 = 𝑡
Presenta infinitas soluciones

⇒ no es linealmente independiente
〈𝑆〉 = {𝑎0 + 𝑎1 𝑡 + 𝑎2 𝑡 2 /𝑎0 − 𝑎1 + 𝑎2 = 0}

〈𝑆〉 = {𝑎0 + (𝑎0 + 𝑎2 )𝑡 + 𝑎2 𝑡 2 }

72
〈𝑆〉 = {𝑎0 + 𝑎0 𝑡 + 𝑎2 𝑡 + 𝑎2 𝑡 2 }

〈𝑆〉 = {𝑎0 (1 + 𝑡) + 𝑎2 (𝑡 + 𝑡 2 )}

𝐵𝑆 = {1 + 𝑡; 𝑡 + 𝑡 2 }
Comprobar si Bs es linealmente independiente

1 00 1 00 1 00
(1 1|0) 𝑓2 − 𝑓1 ≈ (0 1| 0 ) ≈ (0 1| 0)
0 10 0 1 0 𝑓3 − 𝑓2 0 00
𝛼1 = 0 𝛼2 = 0
⇒ 𝐵𝑠 es base de S
Definición 4.9 (Suma de subespacios) Sean (𝑉, 𝐾, +,·) un espacio vectorial y 𝑊1 y
𝑊2 dos subespacios vectoriales de V . Se define 𝑊1 + 𝑊2 por:
𝑊1 + 𝑊2 = {𝑣 ∈ 𝑉 ∶ 𝑣 = 𝑤1 + 𝑤2 , 𝑤1 ∈ 𝑊1 , 𝑤2 ∈ 𝑊2 }.

Es decir, 𝑊1 + 𝑊2 es el conjunto de todos los elementos del espacio vectorial V que

se pueden expresar como la suma de un elemento del subespacio vectorial 𝑊1 con
otro elemento del subespacio vectorial 𝑊2 .
Teorema 4.17 Sean (𝑉, 𝐾, +,·) y 𝑊1 y 𝑊2 dos subespacios vectoriales de V. Entonces,
𝑊1 + 𝑊2 es un subespacio vectorial de V
Teorema 4.18 Sean (𝑉, 𝐾, +,·) un espacio vectorial y 𝑊1 y 𝑊2 subespacios vectoriales
de V de dimensión finita. Si 𝐵1 y 𝐵2 son bases de 𝑊1 y 𝑊2 , respectivamente, entonces
𝑊1 + 𝑊2 = 〈𝐵1 ∪ 𝐵2 〉.
Teorema (de la dimensión) 4.19 Sean (𝑉, 𝐾, +,·) un espacio vectorial y 𝑊1 y 𝑊2 dos
subespacios vectoriales de V de dimension finita. Entonces, se verifica la siguiente
igualdad:
𝑑𝑖𝑚(𝑊1 + 𝑊2 ) = 𝑑𝑖𝑚(𝑊1 ) + 𝑑𝑖𝑚(𝑊2 ) − 𝑑𝑖𝑚(𝑊1 ∩ 𝑊2 ).
Definición 4.10 (Suma directa) Sean (𝑉, 𝐾, +,·) un espacio vectorial y 𝑊1 y 𝑊2 dos
subespacios vectoriales de V. La suma directa de 𝑊1 y 𝑊2 , representada por 𝑊1 ⊕ 𝑊2
se define de la siguiente manera:
𝑊1 ⊕ 𝑊2 = {𝑤 ∈ 𝑉 ∶ (∃! 𝑢 ∈ 𝑊1 )(∃! 𝑣 ∈ 𝑊2 )(𝑤 = 𝑢 + 𝑣)}.

Teorema 4.20 Sean (𝑉, 𝐾, +,·) un espacio vectorial y 𝑊1 𝑦 𝑊2 subespacios de

dimensión finita de V. Entonces: 𝑉 = 𝑊1 ⊕ 𝑊2 si y solo si
𝑽 = 𝑾𝟏 + 𝑾𝟐 y 𝑾𝟏 ∩ 𝑾𝟐 = {𝟎𝒗}.
Corolario 4.21 Sean (𝑉, 𝐾, +,·) un espacio vectorial y 𝑊1 y 𝑊2 subespacios vectoriales
de V de dimensión finita. Entonces:
𝑑𝑖𝑚(𝑊1 ⊕ 𝑊2 ) = 𝑑𝑖𝑚(𝑊1 ) + 𝑑𝑖𝑚(𝑊2 ).
Teorema 4.22 Sean (𝑉, 𝐾, +,·) un espacio vectorial de dimensión finita 𝑛 y 𝑊1 un
subespacio vectorial de 𝑉 . Entonces, existe un subespacio vectorial 𝑊2 de V tal que
𝑉 = 𝑊1 ⊕ 𝑊2 .
Ejemplo

73
Sea 𝑈 = {𝑎 + 𝑏𝑥 + 𝑐𝑥 2 + 𝑑𝑥 3 ∈ 𝑃3 [𝑥] ∶ 𝑎 − 2𝑏 − 𝑐 = 0, 𝑏 − 𝑐 − 𝑑 = 0} un
subespacio vectorial de (𝑃3 [𝑥], 𝑅, +,·). Encontrar un subespacio vectorial 𝑊 tal que
𝑃3 [𝑥] = 𝑈 ⊕ 𝑊.

Solución. Vamos a utilizar el siguiente procedimiento para encontrar 𝑊:

1. Encontrar una base para U.
2. Si U es el espacio nulo, entonces 𝑊 = 𝑃3 [𝑥].
3. Si U es el V , entonces W es el espacio nulo.
4. Si U no es ni el espacio nulo ni V , entonces 𝑊 = 〈𝐵 − 𝐵1 〉, donde 𝐵 es una base
de V obtenida a partir de 𝐵1 , una base de U.
En este caso, es fácil ver que U ni es el espacio nulo ni 𝑃3 [𝑥]. Entonces, lo que
tenemos que hacer es: encontrar una base para U y luego completar esa base a una
para 𝑃3 [𝑥]].
1. Una base para U.
𝑈 = {𝑎 + 𝑏𝑥 + 𝑐𝑥 2 + 𝑑𝑥 3 ∈ 𝑃3 [𝑥] ∶ 𝑎 = 2𝑏 + 𝑐, 𝑑 = 𝑏 − 𝑐}

= {(2𝑏 + 𝑐) + 𝑏𝑥 + 𝑐𝑥 2 + (𝑏 − 𝑐)𝑥 3 ∈ 𝑃3 [𝑥] ∶ 𝑏 ∈ 𝑅, 𝑐 ∈ 𝑅}

= {(2𝑏 + 𝑏𝑥 + 𝑏𝑥 3 ) + (𝑐 + 𝑐𝑥 2 − 𝑐𝑥 3 ) ∈ 𝑃3 [𝑥]: 𝑏 ∈ 𝑅, 𝑐 ∈ 𝑅}

= {𝑏(2 + 𝑥 + 𝑥 3 ) + 𝑐(1 + 𝑥 2 − 𝑥 3 ) ∈ 𝑃3[𝑥]: 𝑏 ∈ 𝑅, 𝑐 ∈ 𝑅}

Sea 𝐵1 = {2 + 𝑥 + 𝑥 3 , 1 + 𝑥 2 − 𝑥 3 }. Entonces 𝑈 = 〈𝐵1 〉. Para que 𝐵1 sea una base

de U, es suficiente que sea linealmente independiente. Veamos si es así
efectivamente.
Sean α y β dos escalares tales que

𝛼(2 + 𝑥 + 𝑥 3 ) + 𝛽(1 + 𝑥 2 − 𝑥 3 ) = 0 + 0𝑥 + 0𝑥 2 + 0𝑥 3 .
Por lo tanto:
(2𝛼 + 𝛽) + 𝛼𝑥 + 𝛽𝑥 2 + (𝛼 − 𝛽)𝑥 3 = 0 + 0𝑥 + 0𝑥 2 + 0𝑥 3 ,

de donde es inmediato que α = 0 y β = 0 son los únicos valores que satisface esta
igualdad. Por lo tanto, 𝐵1 es linealmente independiente. En resumen, hemos
encontrado una base para U, el conjunto 𝐵1 .
2. Una base para V que contenga a 𝐵1 . El procedimiento a seguir es el siguiente:

(a) Si 𝐵1 genera V (es decir, U = V ), entonces 𝐵1 es una base de V .

(b) Si U es diferente de V , entonces se determina si 𝐵2 = 𝐵1 ∪ {𝑣1 }, donde 𝑣1 ∈ 𝑉 −
〈𝐵1 〉, genera V . En caso afirmativo, 𝐵2 es la base buscada. En el caso contrario, se
repite este paso hasta encontrar B.
Como 𝑑𝑖𝑚(𝑃3 [𝑥]) = 4, entonces U, cuya dimensión es 2, no es igual a 𝑃3 [𝑥]. Por lo
tanto, debemos aplicar el segundo paso del procedimiento descrito. ¿Cuántas veces?
Exactamente dos.

74
En primer lugar, busquemos un polinomio de 𝑃3 [𝑥]que no esté en U. Por ejemplo, 𝑥, ya
que 𝑎 ≠ 2𝑏 − 𝑐, pues 𝑎 = 0, 𝑏 = 1 𝑦 𝑐 = 0. Sea 𝐵2 = 𝐵1 ∪ {𝑥}. Como tiene tres
elementos, entonces no genera 𝑃3 [𝑥]cuya dimensión es 4.
Volvemos al segundo paso del procedimiento: buscar un vector que esté en 𝑃3 [𝑥]pero
no en 〈𝐵2 〉 Para esto, determinemos 〈𝐵2 〉:
〈𝐵2 〉 = {𝑝(𝑥) = 𝑎 + 𝑏𝑥 + 𝑐𝑥 2 + 𝑑𝑥 3 ∈ 𝑃3[𝑥]
= 𝑝(𝑥) = 𝛼(2 + 𝑥 + 𝑥 3 ) + 𝛽(1 + 𝑥 2 − 𝑥 3 ) + 𝛾𝑥}
= 𝑝(𝑥) = (2𝛼 + 𝛽)(𝛼 + 𝛾)𝑥 + 𝛽𝑥 2 + (𝛼 − 𝛽)𝑥 3 }
Entonces, α, β y γ satisfacen el siguiente sistema de ecuaciones:
2𝛼 + 𝛽 = 𝑎
𝛼 + 𝛾 = 𝑏

𝛽 = 𝑐
𝛼 − 𝛽 = 𝑑.
Ahora determinemos las condiciones que deben cumplir a, b, c y d para que este
sistema tenga solución. Para ello, trabajemos con la matriz ampliada del sistema:
2 1 0𝑎 0 3 0 𝑎 − 2𝑑 0 0 0 𝑎 − 3𝑐 − 2𝑑
1 0 1𝑏 0 1 1 𝑏−𝑑 0 1 1 𝑏−𝑑
( | )~( | )~( | )
0 1 0 𝑐 0 1 0 𝑐 0 1 0 𝑐
1 −1 0𝑑 1 −1 0 𝑑 1 −1 0 𝑑
Por lo tanto, para que el sistema tenga solución, se debe satisfacer la igualdad:

𝑎 − 3𝑐 − 2𝑑 = 0.
Entonces:
〈𝐵2 〉 = {𝑎 + 𝑏𝑥 + 𝑐𝑥 2 + 𝑑𝑥 3 ∈ 𝑃3 [𝑥] ∶ 𝑎 − 3𝑐 − 2𝑑 = 0}.

El polinomio 𝑥 2 no es elemento de 〈𝐵2 〉, pues, como 𝑎 = 0, 𝑏 = 0, 𝑐 = 1 𝑦 𝑑 = 0,

entonces 𝑎 − 3𝑐 − 2𝑑 = −3 ≠ 0. Entonces 𝐵′ = 𝐵1 ∪ {𝑥 2 } es una base de 𝑃3 [𝑥] y
𝑊 = 〈𝐵′ − 𝐵1 〉 = 〈𝑥, 𝑥 2 〉 Por lo tanto:

𝑊 = {𝑎𝑥 + 𝑏𝑥 2 ∶ 𝑎 ∈ 𝑅, 𝑏 ∈ 𝑅}.
Ejemplo

Sean 𝑾 𝟏 = {(𝒙, 𝒚, 𝒛) ∈ 𝑹𝟑 ∶ 𝒙 + 𝒚 + 𝒛 = 𝟎} y

𝑾𝟐 = {(𝒙, 𝒚, 𝒛) ∈ 𝑹𝟑 ∶ 𝟐𝒙 + 𝒚 = 𝟎, 𝒚 − 𝒛 = 𝟎}

dos espacios vectoriales de ( 𝑹𝟑 , 𝑹, +,·). Calcular 𝑾 𝟏 + 𝑾𝟐 y probar que:

𝑹𝟑 = 𝑾 𝟏 ⊕ 𝑾𝟐.

Solución. Por teorema, sabemos que 𝑊 1 + 𝑊2 = 〈𝐵1 ∪ 𝐵2 〉, donde 𝐵1 y 𝐵2 son

bases de 𝑊 1 y 𝑊2 respectivamente. Por lo tanto, para calcular la suma de 𝑊 1 y
𝑊2 encontremos una base para cada uno.
1. Una base para 𝑊 1 :
𝑊1 = {(𝑥, 𝑦, 𝑧) ∈ 𝑅3 ∶ 𝑥 + 𝑦 + 𝑧 = 0}

75
 = {(−𝑦 − 𝑧, 𝑦, 𝑧) ∈ 𝑅3 ∶ 𝑦 ∈ 𝑅, 𝑧 ∈ 𝑅}

= {𝑦(−1,1,0) + 𝑧(−1,0,1) ∈ 𝑅3 ∶ 𝑦 ∈ 𝑅, 𝑧 ∈ 𝑅}.

Por lo tanto, el conjunto 𝐵 1 = {(−1,1,0), (−1,0,1)} genera 𝑊 1 .

Veamos si 𝐵 1 es linealmente independiente. Para ello, sean α y β escalares tales que:

𝛼(−1,1,0) + 𝛽(−1,0,1) = (0,0,0).

De esta igualdad, obtenemos que: −𝛼 − 𝛽 = 0, 𝛼 = 0, 𝛽 = 0, de donde 𝛼 = 𝛽 = 0

es la única solución. Por lo tanto, 𝐵 1 es linealmente independiente, y, por lo tanto, es
una base de 𝑊 1 .

2. Una base para 𝑊2 :

𝑊2 = {(𝑥, 𝑦, 𝑧) ∈ 𝑅3 ∶ 2𝑥 + 𝑦 = 0, 𝑦 − 𝑧 = 0}

= {(𝑥, 𝑦, 𝑧) ∈ 𝑅3 ∶ 𝑦 = −2𝑥, 𝑧 = 𝑦 = −2𝑥}

= {(𝑥, −2𝑥, −2𝑥) ∈ 𝑅3 ∶ 𝑥 ∈ 𝑅}

= {𝑥(1, −2, −2) ∈ 𝑅3 ∶ 𝑥 ∈ 𝑅}.

Por lo tanto, el conjunto 𝐵2 = {(1, −2, −2)} genera 𝑊2 . Puesto que también es
linealmente independiente, pues tiene un solo elemento y ese elemento es diferente
de 0v, 𝐵2 es una base de 𝑊2 .
3. Determinación de 𝑊 1 + 𝑊2 . Recordemos que: 𝑊 1 + 𝑊2 = 〈𝐵1 ∪ 𝐵2 〉. Vamos a
probar que 𝐵1 ∪ 𝐵2 es linealmente independiente. Como tiene tres elementos,
entonces va a generar 𝑅3 , es decir, 𝑅3 = 𝑊 1 + 𝑊2. Pero esto implica, por el teorema
de la dimensión, que 𝑑𝑖𝑚(𝑊1 ∩ 𝑊2) = 0, de donde 𝑊1 ∩ 𝑊2 = {0𝑣}. Es
decir, 𝑊1 ⊕ 𝑊2 = 𝑅3 .

4. El conjunto 𝐵1 ∪ 𝐵2 es linealmente independiente. En efecto, sean α, β y γ

escalares tales que
𝛼(−1,1,0) + 𝛽(−1,0,1) + 𝛾(1, −2, −2) = (0,0,0).
Entonces los escalares satisfacen el siguiente sistema de ecuaciones lineales
−𝛼 − 𝛽 + 𝛾 = 0
𝛼 − 2𝛾 = 0

𝛽 − 2𝛾 = 0
que tiene solución única, la trivial, pues la matriz de coeficientes es equivalente a una
triangular superior cuyo rango es igual a 3:
−1 −1 1 0 −1 −1 1 0 −1 −1 1 0
(1 0 −2|0) ~ ( 0 −1 −1|0) ~ ( 0 −1 −1|0)
0 1 −2 0 0 1 −2 0 0 0 −3 0
Por lo tanto, 𝐵1 ∪ 𝐵2 es un conjunto linealmente independiente
Ejemplo

76
Sean 𝑾𝟏 , 𝑾𝟐 y 𝑾𝟑 tres subespacios vectoriales de un espacio vectorial V de
dimensión finita tales que:
1. 𝑾𝟏 ⊂ 𝑾𝟐 ;
2. 𝑾𝟏 + 𝑾𝟑 = 𝑾𝟐 + 𝑾𝟑 ; y

3. 𝑾𝟏 ∩ 𝑾𝟑 = 𝑾𝟐 ∩ 𝑾𝟑 .
Entonces 𝑾𝟏 = 𝑾𝟐 .
Solución. Del teorema de la dimensión, podemos afirmar que
𝑑𝑖𝑚(𝑊1 ∩ 𝑊3 ) = 𝑑𝑖𝑚(𝑊1 ) + 𝑑𝑖𝑚(𝑊3 ) − 𝑑𝑖𝑚(𝑊1 + 𝑊3 )
y que
𝑑𝑖𝑚(𝑊2 ∩ 𝑊3 ) = 𝑑𝑖𝑚(𝑊2 ) + 𝑑𝑖𝑚(𝑊3 ) − 𝑑𝑖𝑚(𝑊2 + 𝑊3 ).
La segunda hipótesis implica que
𝑑𝑖𝑚(𝑊1 + 𝑊3 ) = 𝑑𝑖𝑚(𝑊2 + 𝑊3 )
y la tercera,
𝑑𝑖𝑚(𝑊1 ∩ 𝑊3 ) = 𝑑𝑖𝑚(𝑊2 ∩ 𝑊3 ).
Por lo tanto:
𝑑𝑖𝑚(𝑊1 ) + 𝑑𝑖𝑚(𝑊3 ) − 𝑑𝑖𝑚(𝑊1 + 𝑊3 ) = 𝑑𝑖𝑚(𝑊2 ) + 𝑑𝑖𝑚(𝑊3 ) − 𝑑𝑖𝑚(𝑊2 + 𝑊3 )
𝑑𝑖𝑚(𝑊1 ) + 𝑑𝑖𝑚(𝑊3 ) = 𝑑𝑖𝑚(𝑊2 ) + 𝑑𝑖𝑚(𝑊3 )
𝑑𝑖𝑚(𝑊1 ) = 𝑑𝑖𝑚(𝑊2 ).

De la primera hipótesis, 𝑊1 es un subespacio vectorial de 𝑊2 y una base de 𝑊1 tiene el

mismo número de elementos que una base de 𝑊2 . Entonces la base de 𝑊1 genera 𝑊2 .
Esto significa que 𝑊1 = 𝑊2 .

4.7 OPERACIONES ENTRE ESPACIOS VECTORIALES

4.7.1 Unión
Sea 𝑊1 , 𝑊2 s.e.v de (𝑉, 𝐾, +,∙)

𝑊1 = {𝑤𝑖 ∈ 𝑉 / 𝑐𝑜𝑛𝑑𝑖𝑐𝑖ó𝑛 1 } y
𝑊2 = {𝑤𝑗 / 𝑐𝑜𝑛𝑑𝑖𝑐𝑖𝑜𝑛2 },

existe 𝑊1 ∪ 𝑊2 = 𝑊3 = {𝑤𝑘 ∈ 𝑉 ∕ 𝑐𝑜𝑛𝑑𝑖𝑐𝑖ó𝑛1 ∨ 𝑐𝑜𝑛𝑑𝑖𝑐𝑖ó𝑛2}

Generalmente 𝑊1 ∪ 𝑊2 no es s.e.v. debido a que no se cumple la propiedad

clausurativa de la suma puesto que 𝑤𝑘 = 𝑤𝑖 + 𝑤𝑗 ∉ 𝑊1 ∪ 𝑊2

4.7.2 Intersección
Sea 𝑊1 , 𝑊2 s.e.v de (𝑉, 𝐾, +,∙)

𝑊1 = {𝑤𝑖 ∈ 𝑉 / 𝑐𝑜𝑛𝑑𝑖𝑐𝑖ó𝑛 1 } y
𝑊2 = {𝑤𝑗 / 𝑐𝑜𝑛𝑑𝑖𝑐𝑖𝑜𝑛2 },

existe 𝑊1 ∩ 𝑊2 = 𝑊4 = {𝑤𝑙 ∈ 𝑉 ∕ 𝑐𝑜𝑛𝑑𝑖𝑐𝑖ó𝑛1 ∧ 𝑐𝑜𝑛𝑑𝑖𝑐𝑖ó𝑛2}

77
4.7.3 Suma
Sea 𝑊1 , 𝑊2 s.e.v de (𝑉, 𝐾, +,∙)

𝑊1 = {𝑤𝑖 ∈ 𝑉 / 𝑐𝑜𝑛𝑑𝑖𝑐𝑖ó𝑛 1 } y
𝑊2 = {𝑤𝑗 / 𝑐𝑜𝑛𝑑𝑖𝑐𝑖𝑜𝑛2 },

∃ 𝑊1 + 𝑊2 = 𝑊5 = {𝑤𝑚 ∈ 𝑉 ∕ 𝑤𝑚 = 𝑤1 + 𝑤2 }

4.7.4 Suma directa

Sea 𝑊1 , 𝑊2 s.e.v de (𝑉, 𝐾, +,∙)

𝑊1 = {𝑤𝑖 ∈ 𝑉 / 𝑐𝑜𝑛𝑑𝑖𝑐𝑖ó𝑛 1 } y
𝑊2 = {𝑤𝑗 / 𝑐𝑜𝑛𝑑𝑖𝑐𝑖𝑜𝑛2 },

∃𝑊1 ⨁ 𝑊2 = 𝑊6 = {𝑤𝑘 ∈ 𝑉⁄𝑤𝑘 ú𝑛𝑖𝑐𝑜 = 𝑤𝑖 + 𝑤𝑗}

Condiciones

1) 𝑤1 ∩ 𝑤2 = 𝑂𝑣 →Base (𝑤1 ∩ 𝑤2) = ∅

𝑑𝑖𝑚 (𝑤1 ∩ 𝑤2) = 0
2) W1 es complementario de W2 →
3) 𝑊1 ⨁ 𝑊2 = 𝑉𝑒. 𝑣.
𝐵𝑤1 ⨁ 𝑤2 = 𝐵𝑐𝑉𝑒.𝑣
𝑑𝑖𝑚 (𝑤1 ⨁ 𝑤2) = 𝑑𝑖𝑚 (𝑉𝑒. 𝑣. )
Casos que ocurren
i) 𝑊1, 𝑊2 son disjuntos

 𝑊1 𝑈 𝑊2 = W3 = C
 𝑊1 ∩ 𝑤2 = 0v
 𝑊1 + 𝑤2 = W3 = elementos
ii) 𝑊1, 𝑊2 se intersecan

 𝑊1 𝑈 𝑊2= W3
 𝑊1 ∩ 𝑊2 = W4
 𝑊1 + 𝑊2 = W5
iii) 𝑊1 ⊂ 𝑊2

 𝑊1 𝑈 𝑊2 = W2
 𝑊1 ∩ 𝑊2 = W1
 𝑊1 + 𝑊2 = W3
iv) W1 = W2

 𝑊1 𝑈 𝑊2 = W1=W2
 𝑊1 ∩ 𝑊2 = W1=W2
 𝑊1 + 𝑊2 = W1=W3
v) W1 se interseca con W2

 𝑊1 𝑈 𝑊2 = V
 𝑊1 ∩ 𝑊2 = W3

78
  𝑊1 + 𝑊2= V
vi) W1 y W2 son complementarios

 𝑊1 𝑈 𝑊2 = Ve.v.
 𝑊1 ∩ 𝑊2 = 0v Base (𝑤1 ∩ 𝑤2) = ∅
𝑑𝑖𝑚 (𝑤1 ∩ 𝑤2) = 0
 𝑊1 + 𝑊2 = V

Ejercicio
a) Hallar el valor de 𝜷 para que 𝑺𝒊 tenga ∞ soluciones
b) Si 𝜷 = 𝟐 hallar la base y dimensión del C.S resultante =𝑾𝟏
c) Sea 𝑺𝟐 = {(−𝟏, −𝟐, 𝟑), (𝟎, 𝟏, 𝟐), (−𝟐, −𝟒, 𝟔)} Hallar 𝑾𝟐 = 〈𝑺𝟐 〉, 𝑩𝒂𝒔𝒆 𝒚 𝒅𝒊𝒎
d) Hallar (𝑾𝟏 ∩ 𝑾𝟐 ), (𝑾𝟏 + 𝑾𝟐 ), 𝑩𝒂𝒔𝒆 𝒚 𝒅𝒊𝒎
(𝟕 − 𝜷)𝒙 − 𝟐𝒚 − 𝟒𝒛 = 𝟎
𝑺𝒊 = { 𝟑𝒙 − 𝜷𝒚 − 𝟐𝒛 = 𝟎
𝟔𝒙 − 𝟐𝒚 − (𝟑 + 𝜷)𝒛 = 𝟎
a) Análisis 𝑚 = 𝑛 = 3 → |𝐴3 |
(7 − 𝛽) −2 −4 𝐶1 + 𝐶2 + 𝐶3 (1 − 𝛽) −2 −4
|𝐴| = | 3 −𝛽 −2 | = |(1 − 𝛽) −𝛽 −2 | =
6 −2 −(3 + 𝛽) (1 − 𝛽) −2 −(3 + 𝛽)

1 −2 −4 1 −2 −4
(1 − 𝛽) |1 −𝛽 −2 | 𝑓2 − 𝑓1 = (1 − 𝛽) |0 (2 − 𝛽) 2 |
1 −2 −(3 + 𝛽) 𝑓3 − 𝑓1 0 0 (1 − 𝛽)

|𝐴| = (1 − 𝛽)2 (2 − 𝛽)
1
Para que existan infinitas soluciones 𝛽 = {
2
b) Si 𝛽 = 2

5 −2 −4 0 𝑓1 − 𝑓2 2 0 −2 0 3𝑓1 − 2𝑓3 0 0 0 0
(3 −2 −2|0) ≈ (3 −2 −2|0) (1⁄3)𝑓2 ≈ (1 − 2⁄3 − 2⁄3|0)
6 −2 −5 0 𝑓3 − 𝑓2 3 0 −3 0 3 0 −3 0 𝑓3 − 3𝑓2
0 0 0 0 0 0 0 0
(1 − 2⁄3 ⁄ |
−2 3 0 ) ≈ ( 1 − 2⁄3 − 2⁄3|0) 𝑓2 + (2⁄3)𝑓3
0 2 −1 0 (1⁄2 𝑓3 ) 0 1 − 1⁄2 0
0 0 0 0
(1 0 −1 |0)
0 1 − 1 ⁄2 0

𝐶. 𝑆 = 𝑊1 = {(𝑥, 𝑦, 𝑧) ∈ 𝑅3 ⁄𝑥 − 𝑧 = 0; 𝑦 − (1⁄2)𝑧 = 0}

𝐶. 𝑆 = 𝑊1 = {(𝑧, (1⁄2)𝑧, 𝑧) ∈ 𝑅3 ⁄𝑧 ∈ 𝑅}

𝐶. 𝑆 = 𝑊1 = {𝑧(1, (1⁄2), 1) ∈ 𝑅3 ⁄𝑧 ∈ 𝑅}

𝐵𝑊1 = {(1, (1⁄2), 1)}

79
𝑑𝑖𝑚(𝐵𝑊1 ) = 1

c) 𝑆2 = {(−1, −2,3), (0,1,2), (−2, −4,6)}

〈𝑆2 〉 = 𝑊2 = {(𝑥, 𝑦, 𝑧) ∈ 𝑅3 ⁄(𝑥, 𝑦, 𝑧) = 𝛼(−1, −2,3) + 𝛽(0,1,2) + 𝛾(−2, −4,6)}

〈𝑆2 〉 = 𝑊2 = {(𝑥, 𝑦, 𝑧) ∈ 𝑅3 ⁄(𝑥, 𝑦, 𝑧) = (−𝛼 − 2𝛾, −2𝛼 + 𝛽 − 4𝛾, 3𝛼 + 2𝛽 + 6𝛾)}

−𝛼 − 2𝛾 = 𝑥
{−2𝛼 + 𝛽 − 4𝛾 = 𝑦
3𝛼 + 2𝛽 + 6𝛾 = 𝑧

Análisis 𝑚 = 𝑛 = 3 → |𝐴3 |
−1 0 −2 (1⁄2)𝐶1 −1 0 −1
|−2 1 −4| = |−2 1 −2| = 0
3 2 6 3 2 3
S.N.H. entonces se espera infinitas o ninguna solución se realiza con matriz ampliada.
−1 0 −2 𝑥 −1 0 −2 𝑥 −𝑓1
(−2 1 −4|𝑦) 𝑓2 − 2𝑓1 ≈ ( 0 1 0 |𝑦 − 2𝑥 ) ≈
3 2 6 𝑧 𝑓3 + 3𝑓1 0 2 0 𝑧 + 3𝑥 𝑓3 − 2𝑓1

1 0 2 −𝑥 −𝑓1
(0 1 0 | 𝑦 − 2𝑧 )
0 0 0 7𝑥 − 2𝑦 + 𝑧 𝑓3 − 2𝑓1
〈𝑆2 〉 = 𝑊2 = {(𝑥, 𝑦, 𝑧) ∈ 𝑅3 ∕ 7𝑥 − 2𝑦 + 𝑧}

2𝑦 − 𝑧
〈𝑆2 〉 = 𝑊2 = {(𝑥, 𝑦, 𝑧) ∈ 𝑅3 ⁄𝑥 = }
7

2𝑦 − 𝑧
〈𝑆2 〉 = 𝑊2 = {( , 𝑦, 𝑧) 𝑦, 𝑧 ∈ 𝑅}
7

2 1
〈𝑆2 〉 = 𝑊2 = {𝑦 ( , 1,0) + 𝑧 (− , 0,1) 𝑦, 𝑧 ∈ 𝑅}
7 7

2 1
𝐵𝑊2 = {( , 1,0) , (− , 0,1)}
7 7

𝑑𝑖𝑚(𝑊2 ) = 2
d) Intersección
𝑥−𝑧=0
𝑊1 ∩ 𝑊2 = {(𝑥, 𝑦, 𝑧)⁄ 𝑦 − (1⁄2)𝑧 = 0 }
7𝑥 − 2𝑦 + 𝑧 = 0

1 0 −1 0 1 0 −1 0
(0 1 − 1⁄2|0) ≈ (0 1 − 1⁄2|0) ≈
7 −2 1 0 𝑓3 − 7𝑓1 0 −2 8 0 𝑓3 + 2𝑓2

80
 1 0 −1 0 1 0 −1 0 𝑓1 + 𝑓3
(0 1 − 1⁄2|0) ≈ (0 1 − 1⁄2|0) 𝑓2 + (1⁄2)𝑓3 ≈
0 0 7 0 (1⁄7)𝑓3 0 0 1 0

1 0 00
(0 1 0|0)
0 0 10
𝑊1 ∩ 𝑊2 = (0,0,0)
𝐵(𝑊1∩𝑊2 ) = (∅)

𝑑𝑖𝑚(𝐵𝑊1 ∩𝑊2 ) = 0

e) Suma
𝑑𝑖𝑚(𝑊1 + 𝑊2 ) = 𝑑𝑖𝑚(𝑊1 ) + 𝑑𝑖𝑚(𝑊2 ) − 𝑑𝑖𝑚(𝑊1 ∩ 𝑊2 )

𝑑𝑖𝑚(𝑊1 + 𝑊2 ) = 1 + 2 − 0

𝑑𝑖𝑚(𝑊1 + 𝑊2 ) = 3

Conocemos que 𝑑𝑖𝑚(𝑅3 ) = 3 y es la misma que 𝑑𝑖𝑚(𝑊1 + 𝑊2 ) por lo que se concluye

que:
(𝑊1 ⨁𝑊2 ) = 𝑅3 → 𝐵(𝑊1 ⨁𝑊2) = 𝐵𝑐 = {(1,0,0), (0,1,0), (0,0,1)}
𝑊1 es complementario a 𝑊2
Entonces se nos encontramos frente al caso 6 por lo tanto.
𝐵(𝑊1⨁𝑊2 ) = 𝐵𝑊1 + 𝐵𝑊2
2 1
𝐵(𝑊1⨁𝑊2 ) = {(1, (1⁄2), 1), ( , 1,0) , (− , 0,1)}
7 7
𝒂 𝒃 𝒃=𝒄 𝟏 𝟎 𝟎 𝟏 −𝟏 −𝟏
2. Sea 𝑾𝟏 = {( )⁄ } y sea 𝑺𝟐 = 〈{( ),( ),( )}〉
𝒄 𝒅 𝒃+𝒄=𝒅 𝟎 𝟏 𝟏 −𝟏 −𝟏 𝒔
a) Hallar la Base B y dimensión de 𝑾𝟏
b) Hallar el valor de 𝒔 para que 𝑺𝟐 sea L.D
c) Con ese valor de s hallar 〈𝑺𝟐 〉 = 𝑾𝟐
d) Hallar 𝑾𝟏 ∩ 𝑾𝟐 , 𝑾𝟏 + 𝑾𝟐

𝑎 𝑏
a) 𝑊1 = {( )⁄𝑑 = 𝑏 + 𝑐; 𝑏 = 𝑐, → 𝑑 = 2𝑏}
𝑐 𝑑
𝑎 𝑏
𝑊1 = {( )}
𝑏 2𝑏

𝑎 0 0 𝑏 1 0 0 1
𝑊1 = {( )+( )} = {𝑎 ( )+𝑏( )}
0 0 𝑏 2𝑏 0 0 1 2

1 0 0 1
𝐵(𝑊1) = {( ),( )}
0 0 1 2

𝑑𝑖𝑚𝐵(𝑊1 ) = 2
Vamos a comprobar que son L.I

0 0 1 0 0 1
( ) = 𝛼( )+𝛽( )
0 0 0 0 1 2

81
 0 0 𝛼 𝛽
( )=( )
0 0 𝛽 2𝛽

De aquí se concluye que:

𝛼=0 ∧ 𝛽=0
Por lo que concluimos que 𝐵(𝑊1 ) es base de 𝑊1

0 0 1 0 0 1 −1 −1
b) ( ) = 𝛼( )+𝛽( )+𝛾( )
0 0 0 1 1 −1 −1 𝑠

0 0 𝛼−𝛾 𝛽−𝛾
( )=( )
0 0 𝛽 − 𝛾 𝛼 − 𝛽 + 𝑠𝛾
Formándose el siguiente sistema:
𝛼−𝛾 =0
𝛽−𝛾 =0
{
𝛽−𝛾 =0
𝛼 − 𝛽 + 𝑠𝛾 = 0
Análisis 𝑚 = 4 𝑛 = 3 →, 𝑚é𝑡𝑜𝑑𝑜 𝑚𝑎𝑡𝑟𝑖𝑧 𝑎𝑚𝑝𝑙𝑖𝑎𝑑𝑎

1 0 −1 0 1 0 −1 0 1 0 −1 0
0 1 −1 0 0 1 −1 0 0 1 −1 0
( | ) ≈( | ) ≈( | )
0 1 −1 0 3 𝑓 − 𝑓2 0 0 0 0 0 0 0 0
1 −1 𝑠 0 𝑓4 − 𝑓1 0 −1 𝑠 + 1 0 𝑓4 + 𝑓2 0 0 𝑠 0 (1⁄𝑠)𝑓4 , 𝑠 ≠ 0

1 0 −1 0 𝑓1 + 𝑓4 1 0 00
0 1 −1 0 𝑓2 + 𝑓4 0 1 00
( | ) ≈( | )
0 0 0 0 0 0 00
0 0 1 0 0 0 10
Para que 𝑆2 sea L.D el valor de 𝑠 = 0 es decir:
1 0 0 1 −1 −1
𝑆2 = {( ),( ),( )}
0 1 1 −1 −1 0
𝑎 𝑏 𝑎 𝑏 1 0 0 1 −1 −1
c) 〈𝑆2 〉 = {( )⁄ ( ) = 𝛼( )+𝛽( )+𝛾( )}
𝑐 𝑑 𝑐 𝑑 0 1 1 −1 −1 0

𝛼−𝛾 𝛽−𝛾
〈𝑆2 〉 = {(𝑎 𝑏 )⁄(𝑎 𝑏
)=( )}
𝑐 𝑑 𝑐 𝑑 𝛽−𝛾 𝛼−𝛽
Cuyo S.E.L es:
𝛼−𝛾 =𝑎
𝛽−𝛾 =𝑏
{𝛽 − 𝛾 = 𝑐
𝛼−𝛽 =𝑑

1 0 −1 𝑎 1 0 −1 𝑎 1 0 −1 𝑎
0 1 −1 𝑏 0 1 −1 𝑏 0 1 −1 𝑏
( | ) ≈( | ) ≈( | )
0 1 −1 𝑐 𝑓3 − 𝑓2 0 0 0 𝑐 − 𝑏 0 0 0 𝑐 − 𝑏
1 −1 0 𝑑 𝑓4 − 𝑓1 0 −1 1 𝑑 − 𝑎 𝑓4 + 𝑓2 0 0 0 𝑑−𝑎+𝑏

Para que el sistema sea consistente se debe cumplir que:

𝑐−𝑏 =0
{
𝑑−𝑎+𝑏 =0

𝑐=𝑏
〈𝑆2 〉 = 𝑊2 = {(𝑎 𝑏
)⁄ }
𝑐 𝑑 𝑎 =𝑑+𝑏

82
〈𝑆2 〉 = 𝑊2 = {(𝑏 + 𝑑 𝑏
)} = {(
𝑏 𝑏
)+(
𝑑 0
)}
𝑏 𝑑 𝑏 0 0 𝑑

〈𝑆2 〉 = 𝑊2 == {𝑏 (1 1) + 𝑑 (1 0
)}
1 0 0 1
1 1 1 0
𝐵(𝑊2) = {( ),( )}
1 0 0 1

𝑑𝑖𝑚(𝐵(𝑊2 ) ) = 2

d) Intersección
𝑏=𝑐
𝑎 𝑏 𝑏+𝑐 =𝑑
𝑊1 ∩ 𝑊2 = {( )⁄ }
𝑐 𝑑 𝑏=𝑐
𝑎 =𝑏+𝑑
0 1 −1 0 0 𝑓1 − 𝑓3 0 0 0 0 0
0 1 1 −1 0 𝑓2 − 𝑓3 0 0 2 −1 0 (1⁄2)𝑓2
( | ) ≈( | ) ≈
0 1 −1 0 0 0 1 −1 0 0
1 −1 0 −1 0 𝑓4 + 𝑓3 1 0 −1 −1 0

0 0 0 0 0 0 0 0 0 0
0 0 1 −1⁄2 0 0 0 1 −1⁄2 0
( | ) ≈( | )
0 1 −1 0 0 3 𝑓 + 𝑓2 0 1 0 − 1⁄2 0
1 0 −1 −1 0 𝑓4 + 𝑓2 1 0 0 − 3⁄2 0

𝑎 = (3⁄2)𝑑
𝑎 𝑏
𝑊1 ∩ 𝑊2 = {( ) |𝑏 = (1⁄2)𝑑 }
𝑐 𝑑
𝑐 = (1⁄2)𝑑

(3⁄2)𝑑 (1⁄2)𝑑 (3⁄2) (1⁄2)

𝑊1 ∩ 𝑊2 = {( )} = {𝑑 ( )}
(1⁄2)𝑑 𝑑 (1⁄2) 1
(3⁄2) (1⁄2)
𝐵(𝑊1∩𝑊2 ) = {( )}
(1⁄2) 1
𝑑𝑖𝑚(𝑊1 ∩ 𝑊2 ) = 1
d) Suma
𝑑𝑖𝑚(𝑊1 + 𝑊2 ) = 𝑑𝑖𝑚(𝑊1 ) + 𝑑𝑖𝑚(𝑊2 ) − 𝑑𝑖𝑚(𝑊1 ∩ 𝑊2 )

𝑑𝑖𝑚(𝑊1 + 𝑊2 ) = 2 + 2 − 1 = 3
Estamos frente al caso 2
1 1 1 0 1 0 0 1
𝑆3 = 𝐵𝑊1 ∪ 𝐵𝑊2 = {( ),( ),( ),( )}
1 0 0 1 0 0 1 2

〈𝑆3 〉 = {(𝑎 𝑏 𝑎 𝑏 1 1 1 0 1 0 0 1
) ⁄( ) = 𝛼( )+𝛽( )+𝛾( )+𝛿( )}
𝑐 𝑑 𝑐 𝑑 1 0 0 1 0 0 1 2

83
 𝛼+𝛽+𝛾 𝛼+𝛿
〈𝑆3 〉 = {(𝑎 𝑏
)=( )}
𝑐 𝑑 𝛼+𝛿 𝛽+𝛿
𝛼+𝛽+𝛾 =𝑎
𝛼+𝛿 =𝑏
{
𝛼+𝛿 =𝑐
𝛽+𝛿 =𝑑

1 1 0 1𝑎 1 1 0 1 𝑎 𝑓1 − 𝑓4
1 0 0 1 𝑏 𝑓 − 𝑓 0 −1 0 0 𝑏 − 𝑎 𝑓 + 𝑓4
( | )≈ 2 1
≈( | )≈ 2 ≈
1 0 0 1 𝑐 𝑓3 − 𝑓2 0 0 0 0 𝑐−𝑏
0 1 0 1𝑑 0 1 0 1 𝑑
1 0 0 0 𝑎−𝑑 1 0 0 0 𝑎−𝑑
0 0 0 1 𝑏−𝑎+𝑑 0 0 0 1 𝑏−𝑎+𝑑
( | ) ≈( | )
0 0 0 0 𝑐−𝑏 0 0 0 0 𝑐−𝑏
0 1 0 1 𝑑 𝑓4 − 𝑓2 0 1 0 0 𝑎−𝑏

〈𝑆3 〉 = {(𝑎 𝑏
) ⁄ 𝑐 − 𝑏 = 0}
𝑐 𝑑
𝑎 0 0 0
〈𝑆3 〉 = {(𝑎 𝑏
)} = {( )+(
0 𝑏
)+( )}
𝑏 𝑑 0 0 𝑏 0 0 𝑑

〈𝑆3 〉 = {𝑎 (1 0 0 1 0 0
)+𝑏( )+𝑑( )}
0 0 1 0 0 1
1 0 0 1 0 0
𝐵(𝑊1+𝑊2) = {( ),( ),( )}
0 0 1 0 0 1
𝑑𝑖𝑚(𝐵(𝑊1 +𝑊2 ) ) = 3

3. La forma matricial escrita a continuación representa un sistema de ecuaciones

a) Hallar el valor de m para que el sistema tenga infinitas soluciones.

b) Con un valor de m hallar este conjunto solución 𝑺𝟏 que represente un s.e.v su

base y dimensión.
𝒂𝟎
𝟏 𝒎 𝟏 𝟎
𝑺𝟏 = ( ) (𝒂𝟏 ) = ( )
𝒎 𝟏 𝒎−𝟏 𝒂𝟐 𝟎

𝑺𝒆𝒂 𝑺𝟐 = {−𝟏 − 𝟐𝒕 + 𝟑𝒕𝟐 , 𝒕 + 𝟐𝒕𝟐 , −𝟐𝒕 − 𝟒𝒕𝟐 } 𝒅𝒆𝒎𝒖𝒆𝒔𝒕𝒓𝒆 𝒒𝒖𝒆 𝒆𝒍 𝒄𝒐𝒏𝒋𝒖𝒏𝒕𝒐 𝒆𝒔 𝑳. 𝑫

Hallar 〈𝑺𝟏 + 𝑺𝟐 〉,〈𝑺𝟏 ∩ 𝑺𝟐 〉

𝑎0 + 𝑚𝑎1 + 𝑎2 = 0
{
𝑚𝑎0 + 𝑎1 + (𝑚 − 1)𝑎2 = 0

1 𝑚 1 0 1 𝑚 1 0 𝐹1 + 𝐹2
( | ) ( | )
𝑚 1 𝑚 − 1 0 𝐹2 − 𝑚𝐹1 0 1 − 𝑚2 −1 0

(1 𝑚 + 1 − 𝑚2 0 |0)
0 1 − 𝑚2 −1 0 (1⁄(1 − 𝑚2 ) 𝐹2 )𝑚 ≠ {−1,1}
1 𝑚 + 1 − 𝑚2 0 0 𝐹 − (𝑚 + 1 − 𝑚2 )𝐹2
( 2 | ) 1
0 1 −1⁄(1 − 𝑚 ) 0
1 0 (1 + 𝑚 − 𝑚2 )⁄(1 − 𝑚2 ) 0
( | )
0 1 −1⁄(1 − 𝑚2 ) 0

84
Para que existan soluciones 𝑚 ≠ 1; 𝑚 ≠ −1

𝑎0 = −((1 + 𝑚 − 𝑚2 )⁄(1 − 𝑚2 ))𝑎2

𝐶. 𝑆 = {((𝑎0 + 𝑎1 𝑡 + 𝑎2 𝑡 2 )| )}
𝑎1 = (1⁄(1 − 𝑚2 ))𝑎2

𝐶. 𝑆 = {(−((1 + 𝑚 − 𝑚2 )⁄(1 − 𝑚2 ))𝑎2 + (1⁄(1 − 𝑚2 ))𝑎2 𝑡 + 𝑎2 𝑡 2 )}

Si 𝑚 = 1
1 1 10 1 1 1 0 1 1 00
( | ) ≈ ( | )≈ ( | )
1 1 00 0 0 −1 0 0 0 10
𝑎 =0
𝐶. 𝑆 = 𝑆1 = {((𝑎0 + 𝑎1 𝑡 + 𝑎2 𝑡 2 )| 2 )} ⇒ 𝑆1 = {𝑎0 − 𝑎0 𝑡}
𝑎0 = −𝑎1

𝑆1 = {𝑎0 (1 − 𝑡)}
BS1 = {1 − t} ⇒ dim(S1 ) = 1

Si 𝑚 = −1
1 −1 1 0 1 −1 1 0 1 −1 0 0
( | ) ≈ ( | )≈ ( | )
−1 1 −2 0 0 0 −1 0 0 0 10
𝑎 =0
𝐶. 𝑆 = 𝑆1 = {((𝑎0 + 𝑎1 𝑡 + 𝑎2 𝑡 2 )| 2 )} ⇒ 𝑆1 = {𝑎0 + 𝑎0 𝑡}
𝑎0 = 𝑎1

𝑆1 = {𝑎0 (1 + 𝑡)}
BS1 = {1 + t} ⇒ dim(S1 ) = 1

𝑺𝟐

−1 0 0 0 𝑎0 −𝐹1 1 0 0 0 −𝑎0
(−2 1 𝑎
−2| 0| 1 ) 𝐹2 − 2𝐹1 (0 1 −2| 0| 1 − 2𝑎0 )
𝑎
3 2 −4 0 𝑎2 𝐹3 + 3𝐹1 0 2 −4 0 𝑎2 + 3𝑎0 𝐹3 − 2𝐹2
1 0 0 0 −𝑎0
(0 1 −2| 0| 𝑎1 − 2𝑎0 )
0 0 0 0 𝑎2 + 7𝑎0 − 2𝑎1
〈𝑆2 〉 = {𝑎0 + 𝑎1 𝑡 + 𝑎2 𝑡 2 ⁄𝑎2 = 2𝑎1 − 7𝑎0 }

〈𝑆2 〉 = {𝑎0 + 𝑎1 𝑡 + (2𝑎1 − 7𝑎0 )𝑡 2 }

〈𝑆2 〉 = {𝑎0 (1 − 7𝑡 2 ) + 𝑎1 (𝑡 + 2𝑡 2 )}

𝐵𝑆2 = {(1 − 7𝑡 2 ); (𝑡 + 2𝑡 2 )} ⇒ 𝑑𝑖𝑚(𝑆2 ) = 2

𝑎2 = 0
〈𝑆1 ∩ 𝑆2 〉 = {(𝑎0 + 𝑎1 𝑡 + 𝑎2 𝑡 2 |𝑎0 = −𝑎1 )}
𝑎2 = 2𝑎1 − 7𝑎0
1 1 00 1 0 00 1 1 0 0 1 0 1⁄ 9 0
(0 0 1|0) ≈ (0 0 1|0) ≈ (0 0 1 |0) ≈ (0 0 1 |0) ≈
7 −2 10 0 −9 10 0 1 −1⁄9 0 0 1 −1⁄9 0
1 0 00
(0 0 1|0)
0 1 00

85
𝑎0 = 0
𝑎1 = 0
𝑎2 = 0
〈𝑆1 ∩ 𝑆2 〉 = {0 + 0𝑡 + 0𝑡 2 } ⇒ 𝑑𝑖𝑚〈𝑆1 ∩ 𝑆2 〉 = 0
𝑑𝑖𝑚(𝑆1 + 𝑆2 ) = 𝑑𝑖𝑚(𝑆1 ) + 𝑑𝑖𝑚(𝑆2 ) − 𝑑𝑖𝑚(𝑆1 ∩ 𝑆2 )
=1+2−0
𝑑𝑖𝑚(𝑃2 (𝑡)) = 3 = 𝑑𝑖𝑚(𝑆1 + 𝑆2 )
𝐵𝑠1⨁𝑠2 = 𝐵𝑐 𝑃2(𝑡) = {1, 𝑡, 𝑡 2 }

86