ISBN: 978-607-02-5458-1

Ma. del Carmen Hernández Ayuso

9 786070 254581

Fondo: pantone 165 / cuadro pantone 3252 / pleca pantone 3282

Antonio Lascurain Orive

ÁLGEBRA SUPERIOR I
Segunda edición

FACULTAD DE CIENCIAS, UNAM

2014
 Lascurain Orive, Antonio
Álgebra superior, 1 / Antonio Lascurain Orive - 2D edición. -
México : UNAM, Facultad de Ciencias, 2014.
x, 168 páginas : ilustraciones ; 22 cm. - (Temas de matemáticas)
(Las prensas de ciencias)
Incluye índice
Bibliografía: página 163
ISBN 978-607-02-5458-1

1. Álgebra Estudio y enseñanza (Superior). 2. Álgebra3URblemas,

ejercicios, etc. I. Universidad Nacional Autónoma de México. Facultad
de Ciencias. II. Título. III. Serie. IV. Serie: Las prensas deFiencias.

512-scdd21 Biblioteca Nacional de México

Álgebra superior I.
1º edición, 2 de agosto de 2012
2º edición, 20 de mayo de 2014
žUHLPSUHVLyQ

© D.R. 2014. Universidad Nacional Autónoma de México.

Facultad de Ciencias.
Ciudad Universitaria. Delegación Coyoacán,
C. P. 04510, México, Distrito Federal.
[email protected]

ISBN: 978-607-02-5458-1

Diseño de portada: Laura Uribe Hernández

Prohibida la reproducción parcial o total de la obra por cualquier medio,

sin la autorización por escrito del titular de los derechos patrimoniales.

Impreso y hecho en México.

 A Adda Stella

A Guadalupe y Antonio
Prólogo

Este libro trata de algunos temas introductorios de Álgebra que se han en-
señado en la Facultad de Ciencias de la UNAM en las últimas décadas, en
el primer semestre de las carreras de Matemáticas, de Actuarı́a y de Fı́sica.
Estos temas son fundamentales para todas las ramas de las matemáticas.
El objetivo es que los alumnos de los primeros semestres de las carreras de
Matemáticas, Actuarı́a, Ciencias de la Computación y Fı́sica cuenten con un
texto simple y breve donde puedan entender sin mucha dificultad los temas
que se cubren en el curso Álgebra Superior I. Esta materia es un fundamento
esencial en la formación de los estudiantes de estas carreras, y no solamente
de aquéllos que se van a especializar en Álgebra. Los temas que se discuten
son los del programa vigente, es decir, conjuntos, funciones, relaciones de
equivalencia, inducción, cálculo combinatorio, el espacio vectorial Rn , ma-
trices, determinantes y sistemas de ecuaciones lineales. Además se incluye el
tema del anillo de los enteros y los anillos Zm .
Existen dos buenos libros sobre el tema: el primero, Álgebra superior,
de los autores H. Cárdenas, E. Lluis, F. Raggi y F. Tomás [2], y el segundo,
editado en años recientes con el mismo tı́tulo, de los autores A. Bravo, C.
Rincón y H. Rincón [1]. Estos dos libros han constituido la herramienta de los
estudiantes en los últimos años para esta importante materia del inicio de la
carrera. Sin embargo, el primero [2] contiene un número excesivo de erratas,
no ha sido actualizado y en algunos temas es impreciso y poco formal; algunos
resultados no los prueba, como el hecho de que los anillos Zm , en efecto lo
son. El segundo [1] es, en cierto sentido, más adecuado que el primero, al ser
más reciente y al profundizar más en los temas; el problema radica en que es
demasiado extenso.
En particular, el libro Álgebra superior, de Cárdenas et al. [2] es, de alguna
manera, bastante bueno. Esto se debe, en parte, a que contiene ejemplos muy
didácticos, como son los de la baraja inglesa. Otra cualidad que presenta, es

v
vi

la de estar ordenado conforme al temario vigente. Sin embargo, desde que

se editó, hace ya más de cuarenta años, sólo se han hecho reimpresiones
(sin revisión), y no parece que se vaya a actualizar. Este hecho, junto con la
demanda de mis estudiantes por mis notas manuscritas, motivó la elaboración
del presente libro, el cual retoma varios de los ejemplos de [2], pero enmarca la
teorı́a en un discurso matemático más actual. Cabe señalar que esta materia
tiene un alto ı́ndice de reprobación, ya que un sector amplio de los estudiantes
viene de la preparatoria con una formación deficiente, por lo que un texto
de apoyo como el presente puede coadyuvar a mejorar el aprovechamiento de
los alumnos.
El objetivo de este libro, basado principalmente en el de Cárdenas et al
[2], es presentar los temas de manera simple y rigurosa. En la parte inicial se
hace énfasis en algunos aspectos de la lógica formal, con el objeto de describir
la simbologı́a y facilitar el manejo de las pruebas formales en matemáticas.
En la parte de combinatoria se hace claramente la diferencia de la parte
formal y de la intuitiva. En general, se subraya la relación con otras ramas
como el cálculo y la geometrı́a analı́tica, por ejemplo, en el capı́tulo del
espacio vectorial Rn , se hace una breve descripción de las ecuaciones de los
planos; en el capı́tulo de determinantes, se proporcionan también las ideas
geométricas de este tema. Además, en el capı́tulo de ecuaciones, probando
algunos teoremas simples de álgebra lineal, se demuestran de manera rigurosa
los resultados necesarios para resolver cualquier sistema de m ecuaciones con
n incógnitas; la inclusión de estos resultados, fáciles de probar, ciertamente
aclaran al estudiante el tema, el cual se entiende mejor a la luz de la teorı́a que
mediante una aplicación mecánica de algoritmos. Finalmente, en el capı́tulo
de los enteros se prueba formalmente que los conjuntos Zm son en efecto
anillos.
En este libro aparecen también algunos temas más avanzados que no for-
man parte del material básico que se pretende cubrir en un curso diseñado
para el primer semestre de la carrera, la razón de incluirlos es motivar a los
estudiantes. Por ejemplo, la discusión del significado geométrico del determi-
nante ciertamente es un tema más avanzado, por lo que se sugiere verlo al
final del curso y no incluirlo como tema por examinar.
En resumen, el espı́ritu del libro es proporcionar a los alumnos un texto
breve, simple, formal, que pone énfasis en que las matemáticas no son ramas
aisladas, sino que interactúan unas con otras.
 vii

Los temas de este libro se pueden cubrir en un semestre, una posible dis-
tribución de ellos es la siguiente: cinco semanas para cubrir los primeros dos
capı́tulos (conjuntos, funciones, inducción, relaciones de equivalencia y com-
binatoria); cinco semanas para estudiar el espacio vectorial Rn , las matrices
y las permutaciones; cinco semanas para los temas de los determinantes (as-
pectos algebraicos), las ecuaciones y los enteros, y la última semana, para la
interpretación geométrica del determinante.
Agradezco a Cristina Angélica Núñez Rodrı́guez por la captura en La-
tex de mis notas para el curso Álgebra Superior I —el cual he impartido
en múltiples ocasiones— ası́ como por la elaboración de las figuras. Quiero
agradecer también a Manuel Flores Galicia y a uno de los árbitros, quienes
leyeron el texto de manera minuciosa.
Mi gratitud asimismo a los colegas que me han enriquecido con sus co-
mentarios sobre la enseñanza de esta asignatura, ası́ como a varios de mis
alumnos por sus pertinentes intervenciones; a las autoridades de la Facultad
de Ciencias y a la Dirección General de Asuntos del Personal Académico
(DGAPA), que me apoyaron en la publicación de este libro con el proyecto
PAPIME PE-103811. Finalmente, a la Coordinación de Servicios Editoriales,
por su cuidadosa revisión, y a Héctor Cejudo Camacho por la corrección de
algunas figuras del texto.
En esta segunda edición se hicieron diversas correcciones y se incluyeron
nuevos ejercicios.
Contenido

1. Fundamentos 1
1.1. Conjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Subconjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.3. Operaciones con conjuntos . . . . . . . . . . . . . . . . . . . . 3
1.4. Producto cartesiano . . . . . . . . . . . . . . . . . . . . . . . . 8
1.5. Relaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.6. Funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.7. Composición de funciones . . . . . . . . . . . . . . . . . . . . 12
1.8. Funciones inyectivas, suprayectivas y biyectivas . . . . . . . 15
1.9. Cardinalidad y conjuntos finitos . . . . . . . . . . . . . . . . . 17
1.10. Inducción matemática . . . . . . . . . . . . . . . . . . . . . . 19
1.11. El teorema del binomio . . . . . . . . . . . . . . . . . . . . . . 21
1.12. Relaciones de equivalencia y particiones . . . . . . . . . . . . . 23
1.13. Estructuras numéricas y algebraicas . . . . . . . . . . . . . . . 28

2. Cálculo combinatorio 31
2.1. Ordenaciones con repetición (versión intuitiva) . . . . . . . 31
2.2. Ordenaciones (versión intuitiva) . . . . . . . . . . . . . . . . . 32
2.3. Permutaciones (versión intuitiva) . . . . . . . . . . . . . . . . 33
2.4. Combinaciones . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.5. Funciones (2a visita) . . . . . . . . . . . . . . . . . . . . . . . 36
2.6. Funciones inyectivas, suprayectivas y biyectivas (2a visita) 39
2.7. Ordenaciones con repetición (versión formal) . . . . . . . . 41
2.8. Ordenaciones (versión formal) . . . . . . . . . . . . . . . . . . 43
2.9. Permutaciones (versión formal) . . . . . . . . . . . . . . . . . 45
2.10.Combinaciones y coeficientes binomiales . . . . . . . . . . . . . 46

ix
x Contenido

3. El espacio vectorial Rn 53
3.1. Vectores y sus operaciones . . . . . . . . . . . . . . . . . . . . 53
3.2. Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
3.3. Subespacios vectoriales . . . . . . . . . . . . . . . . . . . . . . 63
3.4. Combinaciones lineales, dependencia e independencia lineal 69
3.5. Bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74

4. Matrices y determinantes 81
4.1. Definiciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
4.2. El rango de una matriz . . . . . . . . . . . . . . . . . . . . . . 83
4.3. Permutaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
4.4. Determinantes . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
4.5. Propiedades de los determinantes . . . . . . . . . . . . . . . . 95
4.6. Desarrollo por menores . . . . . . . . . . . . . . . . . . . . . . 102
4.7. Cálculo de determinantes . . . . . . . . . . . . . . . . . . . . . 107
4.8. Caracterización del rango de una matriz usando determinantes 109
4.9. El determinante como área o volumen . . . . . . . . . . . . . . 113

5. Sistemas de ecuaciones lineales 121

5.1. Preliminares . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
5.2. Existencia de soluciones . . . . . . . . . . . . . . . . . . . . . 123
5.3. Sistemas de n ecuaciones y n incógnitas . . . . . . . . . . . . 126
5.4. Sistemas homogéneos, funciones lineales . . . . . . . . . . . . 132
5.5. Sistema homogéneo asociado . . . . . . . . . . . . . . . . . . . 136
5.6. Resolución de sistemas . . . . . . . . . . . . . . . . . . . . . . 138

6. Los anillos Z y Zm 147

6.1. Anillos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 147
6.2. Anillos Zm . . . . . . . . . . . . . . . . . . . . . . . . . . . . 148
6.3. Propiedades de los enteros . . . . . . . . . . . . . . . . . . . . 152
6.4. Orden y unidades en Z . . . . . . . . . . . . . . . . . . . . . . 155
6.5. Principio de inducción . . . . . . . . . . . . . . . . . . . . . . 158

Glosario de sı́mbolos 161

Bibliografı́a 163

Índice analı́tico 165

Capı́tulo 1

Fundamentos

1.1. Conjuntos
No se profundizará en la definición axiomática de conjunto, simplemente se
tratará de manera intuitiva como una colección de elementos, por ejemplo,
una colección de libros, de peces o de números. Se dirá que 2 conjuntos son
iguales si tienen los mismos elementos.
Se usarán las letras mayúsculas A, B, C... para los conjuntos y las minúscu-
las a, b, c, . . . , n, m, . . . para los elementos. Para especificar los elementos de
un conjunto se usarán llaves, por ejemplo

A = {a, b, c}.

Un conjunto importante son los enteros positivos llamados números na-

turales, denotado por N = {1, 2, 3, ...}, y por supuesto los enteros

Z = {..., −3, −2, −1, 0, 1, 2, 3, ...}.

Notación: x ∈ A significa que el elemento x pertenece al conjunto A,

y x ∈ A querrá decir que x no pertenece al conjunto A.

Ejemplos

1) Sea el conjunto A = {1, 3, 5, 7}. Se tiene que 5 ∈ A y 6 ∈ A.

2) Sea A = {1, 4, 9, 16, ..., n2 , ...}. En este caso 169 ∈ A, pero 50 ∈ A.

3) El conjunto de las letras de la palabra Uaxactún es {a, c, n, t, u, x}.

1
2 1.2. Subconjuntos

Otros ejemplos importantes son los números reales, que son los puntos de
la recta, este conjunto se denota por R; por otro lado el plano cartesiano

R2 = {(x, y) | x, y ∈ R},

ası́ como sus subconjuntos, por ejemplo, la recta y = 3x + 3.

Figura 1.1: La recta y = 3x + 3 es un subconjunto del plano

El sı́mbolo ∅ se usará para describir el conjunto que no tiene elementos;

a este conjunto se le llama conjunto vacı́o.
Es conveniente usar condiciones para describir conjuntos:

{2, 4, 6, 8, ...} = {n ∈ N | n es par}

= {n ∈ N | n = 2m, m ∈ N},

o
{1, 3, 5, 7, 9} = {n ∈ N | 1 ≤ n ≤ 9 y n es impar}.
Otro ejemplo serı́a

{1, 4, 9, 25, 36, ..., m2 , ...} = {n ∈ N | n = m2 , m ∈ N}.

1.2. Subconjuntos
Definición 1 Sean A y B conjuntos, se dice que B es un subconjunto de
A, si cada elemento de B lo es también de A, se denota B ⊂ A, en caso
contrario se escribirá B ⊂ A.

Obsérvese que si B ⊂ A, se tiene x ∈ B ⇒ x ∈ A y, viceversa, si

para todo x ∈ B se tiene x ∈ A, entonces B ⊂ A. En general, cuando la
proposición P se cumple si y sólo si se cumple la proposición Q, escribiremos
P ⇐⇒ Q.
1. Fundamentos 3

Bajo esta notación, la observación anterior se puede reescribir ası́

B ⊂ A ⇐⇒ (x ∈ B ⇒ x ∈ A) .

Si B ⊂ A, se puede escribir también A ⊃ B, y se dirá que B está conte-

nido en A, o que A contiene a B.

Ejemplos

1. Si A = {golondrinas}, B = {aves} y C = {reptiles}, entonces

A ⊂ B, pero B ⊂ C.

2. A = {n ∈ N | 1 ≤ n ≤ 7}, B = {2, 3, 7} y C = {2, 3, 8}, entonces

B ⊂ A, pero B ⊂ C.

3. Si z, w ∈ L, donde L es una recta en R2 , y si A = {t ∈ L | t ∈ zw},

donde zw es el segmento en L que une a z con w, entonces z ∈ L
y A ⊂ L.

1.3. Operaciones con conjuntos

Al comparar dos conjuntos es conveniente pensar que ambos son subconjun-
tos de un mismo conjunto fijo, llamado universal.

Definición 2 La unión de dos conjuntos A y B se define como el conjunto:

A ∪ B = {x | x ∈ A o x ∈ B}.

Las propiedades siguientes son consecuencia inmediata de la definición.

i) A ⊂ A ∪ B, B ⊂ A ∪ B,

ii) A ∪ B = B ∪ A (conmutatividad),

iii) (A ∪ B) ∪ C = A ∪ (B ∪ C) (asociatividad).

En virtud de la última observación, iii), al denotar la unión de más de

dos conjuntos, no es necesario escribir los paréntesis.
4 1.3. Operaciones con conjuntos

Definición 3 La intersección de dos conjuntos A y B se define como

A ∩ B = {x | x ∈ A y x ∈ B}.
De nuevo se sigue de manera inmediata que
iv) A ∩ B ⊂ A, A ∩ B ⊂ B,
v) A ∩ B = B ∩ A (conmutatividad),
vi) (A ∩ B) ∩ C = A ∩ (B ∩ C) (asociatividad).
Como antes se pueden quitar los paréntesis.

A B A B

A∪B A∩B

Figura 1.2: Unión e intersección de conjuntos

Proposición 1.3.1 (Ley distributiva) Sean A, B y C conjuntos, enton-

ces se tiene
vii) A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C)

viii) A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C).

Demostración. Probamos vii) y dejamos viii) como ejercicio.

Léase primero ⇒ y luego ⇐
x ∈ A ∩ (B ∪ C) ⇔ x ∈ A y x ∈ (B ∪ C)
⇔ x ∈ A y (x ∈ B o x ∈ C)
⇔ (x ∈ A y x ∈ B) o (x ∈ A y x ∈ C)
⇔ x ∈ (A ∩ B) ∪ (A ∩ C).

 1

1
 significa “fin de la prueba”.
1. Fundamentos 5

Otras técnicas de prueba muestran que

(A ∩ B) ∪ (A ∩ C) ⊂ A ∩ (B ∪ C) :

Se tiene A ∩ B ⊂ A y A ∩ C ⊂ A, además A ∩ B ⊂ B ⊂ B ∪ C y
A ∩ C ⊂ C ⊂ B ∪ C, por lo cual

(A ∩ B) ⊂ A ∩ (B ∪ C) y (A ∩ C) ⊂ A ∩ (B ∪ C).

Recordamos que un conjunto universal es un conjunto fijo que contiene

a todos los conjuntos en discusión. Por ejemplo, en la geometrı́a analı́tica
el plano R2 es el conjunto universal y los subconjuntos son las rectas, las
parábolas, los cı́rculos, etcétera. En otras geometrı́as, los subconjuntos del
plano pueden ser objetos simples o muy complejos como los fractales.

Definición 4 Sea X un conjunto universal y A un subconjunto de X. Se

define el complemento del conjunto A, denotado por Ac , como los elementos
de X que no pertenecen a A, especı́ficamente

Ac = {x | x ∈ X, x ∈ A}.

Evidentemente el complemento de un conjunto varı́a si el universal donde

vive cambia, por ejemplo, el complemento de A = {1, 2} en X = {1, 2, 3}
es {3} pero en X = {1, 2, 3, 4} es {3, 4}.

Las propiedades básicas del complemento son:

ix) (Ac )c = A,

x) A ∪ Ac = X,

xi) A ∩ Ac = ∅.

Las propiedades x) y xi) se siguen directamente de la definición. Para

probar ix) tómese x ∈ (Ac )c , entonces como x ∈ X y x ∈ Ac , se sigue
de x) que x ∈ A. Viceversa, si x ∈ A, entonces x ∈ X pero x ∈ Ac

∴ x ∈ (Ac )c . 2

2
∴ significa “de donde”.
6 1.3. Operaciones con conjuntos

Otra propiedad importante es

xii) A ⊂ B ⇔ B c ⊂ Ac .

A ⊂ B ⇔ B c ⊂ Ac

Figura 1.3: La contención de conjuntos se invierte al tomar complementos

Demostración.
⇒) Se debe probar que si x ∈ B c , entonces x ∈ Ac . Suponiendo que no
es cierto lo afirmado se tendrı́a que existe una x ∈ B c que no pertenece a
Ac , i.e., 3 x ∈ Ac , por lo que x ∈ A, pero entonces se sigue por hipótesis
que x ∈ B, lo cual contradice x ∈ B c . Por lo tanto se concluye que suponer
lo contrario de lo afirmado llevó a una contradicción, por lo que lo afirmado
debe ser cierto.4
⇐) Esta propiedad es dual de la anterior, sólo tendrı́amos que escribir
E = B c y F = Ac . Por la primera parte, como E ⊂ F, se sigue F c ⊂ E c ,
i.e., A ⊂ B. 

Proposición 1.3.2 (Leyes de De Morgan) Sean A y B conjuntos, enton-

ces

xiii) (A ∪ B)c = Ac ∩ B c ,

xiv) (A ∩ B)c = Ac ∪ B c .

3
i.e., del latı́n id est, “es decir”.
4
Este tipo de demostración, usada por Aristóteles, se le llama por reducción al absurdo,
y conlleva el razonamiento elemental de la lógica formal que dice:
(La proposición M ⇒ La proposición N ) ⇔ (∼ N ⇒ ∼ M ),
donde el sı́mbolo ∼ significa: no.
1. Fundamentos 7

A B A B

(A ∪ B)c = Ac ∩ B c (A ∩ B)c = Ac ∪ B c

Figura 1.4: Complementos de unión e intersección

Demostración. Probamos xiv) y dejamos xiii) como ejercicio.

Léase primero ⇒ y luego ⇐

x ∈ (A ∩ B)c ⇔ x ∈ (A ∩ B)
⇔ x  ∈ A o x ∈ B
⇔ x ∈ Ac o x ∈ Bc
⇔ x ∈ Ac ∪ Bc.


Otra demostración de

(A ∩ B)c ⊃ Ac ∪ B c :

Se tiene A ∩ B ⊂ A y A ∩ B ⊂ B, por lo que (A ∩ B)c ⊃ Ac y

(A ∩ B)c ⊃ B c , entonces

(A ∩ B)c ⊃ Ac ∪ B c .

Definición 5 La diferencia entre dos conjuntos A y B es el conjunto:

A − B = {x | x ∈ A y x ∈ B}.

Nótese que A − B = A ∩ B c .

Proposición 1.3.3 A − (B ∩ C) = (A − B) ∪ (A − C).

8 1.4. Producto cartesiano

Demostración.
A − (B ∩ C) = A ∩ (B ∩ C)c
= A ∩ (B c ∪ C c )
= (A ∩ B c ) ∪ (A ∩ C c )
= (A − B) ∪ (A − C).

EJERCICIOS 1.3
1. Demuestre la Proposición 1.3.1 viii).
2. Demuestre la Proposición 1.3.2 xiii).

1.4. Producto cartesiano

Definición 6 Sea A un conjunto, las parejas ordenadas de A son aquéllas
de la forma (a, b), tal que a ∈ A y b ∈ A.
Nótese, que dadas dos parejas ordenadas (a, b), y (c, d), éstas son iguales si
y sólo si a = c y b = d. Por ejemplo, si A = {1, 2} las parejas ordenadas
de A son (1, 1), (1, 2), (2, 1), (2, 2). Otro ejemplo es el plano cartesiano que
consiste de las parejas ordenadas de reales:
R × R = {(x, y) | x, y ∈ R}.
También se pueden considerar parejas ordenadas de un par de conjuntos
A y B, de tal manera que el primer elemento esté en A y el segundo en B.

Figura 1.5: Retı́cula N × N

Definición 7 Sean A y B conjuntos, el producto cartesiano de A y B,

denotado por A × B, es el conjunto de parejas ordenadas
A × B = {(a, b) | a ∈ A y b ∈ B}.
1. Fundamentos 9

Por ejemplo, si A = {1, 2} y B = {a, b}, entonces

A × B = {(1, a), (1, b), (2, a), (2, b)}.

Otros ejemplo es la retı́cula descrita en la Figura 1.5

N × N = {(n, m) | n ∈ N y m ∈ N}.

También son ejemplos de productos cartesianos Z × Z y R × R.

Obsérvese que (a, b) = (c, d) si y sólo si a = c y b = d. En particular,
(1, 2) = (2, 1) (= significa es distinto). Se escribirá A2 por A × A.
Dado un conjunto A se define otro llamado conjunto potencia cuyos ele-
mentos son los subconjuntos de A. Por ejemplo, si A = {1, 2}, su conjunto
potencia es {{1}, {2}, {1, 2}, ∅}. Por convención el vacı́o es subconjunto de
todo conjunto A, ya que ∀ x ∈ ∅, se tiene x ∈ A. 5 Nótese que el conjunto
potencia también se puede pensar como una familia de conjuntos.

1.5. Relaciones
Definición 8 Sean A y B conjuntos, una relación entre A y B es un
subconjunto del producto cartesiano.

Por ejemplo, si A = {a} y B = {1, 2}, A × B tiene 2 relaciones de un

elemento R1 = {(a, 1)} y R2 = {(a, 2)}, también tiene una sola relación de
2 elementos (la total) R3 = {(a, 1), (a, 2)}, finalmente contiene la relación
vacı́a, i.e., ∅, por lo que A × B tiene exactamente 4 relaciones.
Encontramos ahora las relaciones entre A y B, donde A = {a, b} y
B = {1, 2}. Como A × B = {(a, 1), (a, 2), (b, 1), (b, 2)}, éstas son:

R1 = {(a, 1)}, R9 = {(a, 2), (b, 2)},

R2 = {(a, 2)}, R10 = {(b, 1), (b, 2)},
R3 = {(b, 1)}, R11 = {(a, 1), (a, 2), (b, 1)},
R4 = {(b, 2)}, R12 = {(a, 1), (a, 2), (b, 2)},
R5 = {(a, 1), (a, 2)}, R13 = {(a, 1), (b, 1), (b, 2)},
R6 = {(a, 1), (b, 1)}, R14 = {(a, 2), (b, 1), (b, 2)},
R7 = {(a, 1), (b, 2)}, R15 = {(a, 1), (a, 2), (b, 1), (b, 2)},
R8 = {(a, 2), (b, 1)}, R16 = ∅.
5
∀ significa “para todo”.
10 1.6. Funciones

Definición 9 El dominio de una relación R ⊂ A × B se define como:

DR = {a ∈ A | ∃ b ∈ B, (a, b) ∈ R}. 6

En los ejemplos anteriores se tiene

DR5 = {a}, DR7 = A, DR3 = {b}.

Definición 10 La imagen de una relación R ⊂ A × B se define como:

IR = {b ∈ B | ∃ a ∈ A, tal que (a, b) ∈ R}.

Usando los ejemplos anteriores se tendrı́a

IR3 = {1}, IR5 = B, IR2 = {2}.

El codominio de una relación A × B es el segundo factor B, obsérvese

que la imagen de una relación siempre es un subconjunto del codominio.

1.6. Funciones
Una subclase de las relaciones son particularmente importantes.
Definición 11 Sea R una relación entre A y B. Se dice que R es una
función si R cumple las siguientes 2 condiciones:

1) DR = A, i.e., ∀ x ∈ A ∃ b ∈ B  (a, b) ∈ R. 7

2) Cada elemento en A tiene asociado un único elemento en B, i.e., si

(x, y1 ) ∈ R y (x, y2 ) ∈ R, entonces necesariamente y1 = y2 .

Si R ⊂ A × B es una función, la pareja (x, y) ∈ R se escribirá como

(x, f (x)) y la función se denotará por
f
f : A −→ B o A −−→ B

y se dirá que f (x) es la imagen de x bajo f. Al conjunto A se le llama

dominio de la función y a B el codominio.
6
∃ significa “existe”.
7
 significa “tal que”.
1. Fundamentos 11

Ejemplos
1. Retomando los ejemplos de la sección anterior A = {a, b} y B = {1, 2},
se tiene que R8 = { (a, 2) , (b, 1) } es una función, sin embargo
R2 = {(a, 2)} y R10 = {(b, 1), (b, 2)} no lo son, ¿por qué?

2. f : N −→ N dada por la regla de correspondencia f (n) = n2 + 1 es

una función.

3. Sean A = {seres humanos}, B = {paı́ses}, f : A −→ B la relación

que a cada persona le asocia su paı́s de nacimiento, y g : A −→ B la
relación que a cada persona le asocia su nacionalidad. Entonces, f es
función pero g no lo es, ¿ por qué?

4. Sea A cualquier conjunto, la relación IA : A −→ A que tiene la regla

de correspondencia IA (x) = x ∀ x ∈ A, llamada función idéntica,
es una función.
Obsérvese que 2 funciones

f : A −→ B y g : C −→ D

son iguales si y sólo si

a) A = C,

b) B = D,

c) f (x) = g(x) ∀ x ∈ A.
Esto nos permite reformular nuestra definición: Una función f : A −→ B
es una regla de correspondencia que a cada elemento del conjunto A le aso-
cia uno y sólo un elemento de B.

En resumen, una función consiste de 3 cosas: 2 conjuntos (dominio y

codominio) y una regla de correspondencia.

Definición 12 La imagen de una función f : A −→ B es

Im f = {b ∈ B | ∃ a ∈ A, f (a) = b}.
12 1.7. Composición de funciones

Ejemplos
1. Sean A = {1, 2}, B = {a, b}, f : A → B dada por f (1) = a, y
f (2) = a, entonces Im f = {a}.
2. Sea f : N ∪ {0} −→ N dada por f (n) = n + 1, entonces Im f = N.
Obsérvese que Im f siempre es un subconjunto del codominio. Traba-
jando con funciones cuyo codominio es un conjunto finito, y donde no es
necesario especificar el codominio, algunas veces conviene denotarlas de la
siguiente manera  
a1 a2 · · · an
f = ,
b1 b2 · · · bn
donde A = {a1 , a2 , ..., an }, bi ∈ B ∀i, f : A −→ B y f (ai ) = bi ∀i.

Por ejemplo, si A = {1, 2, 3, 4, 5}, entonces f (x) = x2 se puede denotar

 
1 2 3 4 5
f = ,
1 4 9 16 25
el codominio puede ser N o Z o cualquier conjunto finito que contenga a
{1, 4, 9, 16, 25}.

EJERCICIO 1.6
1. Sean f : Z −→ Z y g : N −→ Z dadas por f (n) = n2 + 1 = g(n), ¿son
iguales?

1.7. Composición de funciones

Si el codominio de una función coincide con el dominio de otra se puede
construir una nueva función.
Definición 13 Sean f : A −→ B y g : B −→ C funciones, se puede
construir entonces una nueva función g ◦ f : A −→ C con dominio A,
codominio C y con regla de correspondencia
x −→ g(f (x)),
A esta función se le llama f compuesta con (o seguida de) g, y se denota por
g ◦ f. También se escribe g ◦ f (x) = g(f (x)).
1. Fundamentos 13

Ejemplos

1. Sean f : R −→ R dada por f (x) = x2 + 1 y g : R −→ R dada por

g(x) = 4x − 1, entonces g ◦ f : R −→ R y f ◦ g : R −→ R están
dadas por

g ◦ f (x) = g(x2 + 1) = 4(x2 + 1) − 1 = 4x2 + 3,

y f ◦ g(x) = f (4x − 1) = (4x − 1)2 + 1 = 16x2 − 8x + 2.

2. Sean A = {a1 , a2 , a3 }, B = {b1 , b2 }, C = {c1 , c2 , c3 } y

   
a1 a2 a3 b1 b2
f = y g = ,
b1 b1 b2 c1 c2

entonces  
a 1 a2 a3
g◦f = .
c1 c1 c2

3. Sean A = {1, 2} y f : A −→ A dada por

 
1 2
,
2 1

entonces f 2 = f ◦ f = IA .

4. Sean f, g : R −→ R dadas por f (x) = x3 y g(x) = −2, entonces

f ◦ g(x) = f (−2) = (−2)3 = −8 y g ◦ f (x) = g(x3 ) = −2.

Obsérvese que si f : A −→ B es una función, entonces

IB ◦ f = f y f ◦ IA = f.

Proposición 1.7.1 Sean f : A −→ B, g : B −→ C y h : C −→ D

funciones, entonces
h ◦ (g ◦ f ) = (h ◦ g) ◦ f,
es decir, la composición de funciones es asociativa y por lo tanto se pueden
omitir los paréntesis.
14 1.7. Composición de funciones

Demostración. Como ambas composiciones tienen dominio A y codomi-

nio D, basta verificar que tienen la misma regla de correspondencia.
Si x ∈ A,

h ◦ (g ◦ f )(x) = h[g ◦ f (x)] = h[g(f (x))],

también

(h ◦ g) ◦ f (x) = h ◦ g(f (x)) = h[g(f (x))].



Definición 14 Sea f : A −→ B una función, si existe otra función de la

forma g : B −→ A  g ◦ f = IA , a g se le llama inversa izquierda de f,
(a f inversa derecha de g).

Por ejemplo, sea g : Z −→ Z definida por g(n) = [n/2], 8

y sea
f : Z −→ Z, dada por f (n) = 2n, entonces

g ◦ f (n) = g(2n) = [2n/2] = [n] = n y g ◦ f = IZ ,

i.e., g es inversa izquierda de f.

De manera análoga se define la inversa derecha de f : A −→ B, como
otra función h : B −→ A  f ◦ h = IB . Obsérvese que en el ejemplo anterior
la función g no tiene a f como inversa izquierda, ya que, por ejemplo:

f ◦ g(3) = f ([3/2]) = f (1) = 2 i.e., f ◦ g = IZ .

Sin embargo, como se probó, f es inversa derecha de g (ya que g es inversa

izquierda de f ).

Definición 15 Sean f : A −→ B y g : B −→ A  g ◦f = IA , y f ◦g = IB ,
entonces se dice que f es invertible y a g se le llama simplemente inversa.

Por ejemplo, si f : R −→ R, está dada por f (x) = 2x, y g : R −→ R,

es tal que g(x) = x/2, entonces g es inversa de f .

Teorema 1.7.2 Si f tiene inversa izquierda g1 e inversa derecha g2 , enton-

ces g1 = g2 , i.e., f es invertible.
8
La función [x] es el máximo entero menor o igual a x, por ejemplo [2.1] = 2, [0.3] = 0,
[-1.2] = -2.
1. Fundamentos 15

Demostración. Por hipótesis si f : A −→ B se tiene g1 ◦ f = IA y

f ◦ g2 = IB , por lo que

g 1 = g1 ◦ I B = g1 ◦ f ◦ g 2 = IA ◦ g2 = g2 .

Corolario 1.7.3 Sea f : A −→ B invertible, entonces su inverso g : B −→ A

es único.

EJERCICIO 1.7
1. Sean f : R −→ R, g : R −→ R dadas por f (x) = 4x2 + x + 1 y
g(x) = 2x − 3, calcule g ◦ f y f ◦ g.

1.8. Funciones inyectivas, suprayectivas y

biyectivas
Definición 16 Una función f : A −→ B se llama inyectiva si ∀x1 , x2 ∈ A,
tales que x1 = x2 , se tiene f (x1 ) = f (x2 ).

Ejemplos

1. f (x) = x + 1, f : R −→ R.

2. f (n) = 2n, f : Z −→ Z.

Es claro que estas funciones son inyectivas ya que mandan puntos distintos
en puntos distintos, sin embargo la función f : R −→ R dada por f (x) = x2
no es inyectiva, ya que f (1) = f (−1) = 1.
En general, si la afirmación M dice x1 , x2 ∈ A, x1 = x2 y la afirmación
N dice f (x1 ) = f (x2 ), probar que f es inyectiva es mostrar que M ⇒ N,
para esto (como ya se mencionó) basta demostrar que ∼ N ⇒ ∼ M, esto
es, f es inyectiva, si dados a1 , a2 ∈ A, tales que f (a1 ) = f (a2 ) se debe
tener a1 = a2 .
Por ejemplo, f (x) = 2x + 3 es inyectiva, ya que si 2x + 3 = 2y + 3,
entonces, 2x = 2y y x = y (ésta es la forma más común de probar que
una función es inyectiva).
16 1.8. Funciones inyectivas, suprayectivas y biyectivas

Definición 17 Sea f : A −→ B, se dice que f es suprayectiva (o sobre)

si Imf = B, i.e., si ∀ y ∈ B ∃ x ∈ A  f (x) = y.

Retomando los ejemplos anteriores, f : R −→ R, dada por f (x) = x + 1

es suprayectiva, ya que si y ∈ R, escribiendo y = x + 1, se puede tomar
x = y − 1 y f (y − 1) = y.
Sin embargo, f : Z −→ Z, dada por f (n) = 2n no es suprayectiva, ya
que la imagen de esta función consiste sólo de los números pares.

Definición 18 A una función que es inyectiva y suprayectiva se le llama

biyectiva.

La función f : R −→ R dada por f (x) = 3x + 1 es biyectiva. Pri-

mero, ésta es inyectiva ya que si f (x) = f (y), entonces 3x + 1 = 3y + 1
∴ 3x = 3y y x = y. También es suprayectiva, ya que dada y ∈ R,
escribiendo y = 3x + 1 y despejando se tiene x = y−1 3
. Por lo cual,
f ( y−1
3
) = 3 ( y−1
3
) + 1 = y.

Como último ejemplo se toma la función g : Z −→ Z dada por

n
g(n) = ,
2
g es suprayectiva ya que dada m ∈ Z, tomando x = 2m,
 
2m
g(2m) = = m,
2
sin embargo, g no es inyectiva, ya que
   
2n + 1 2n
g(2n + 1) = = n = = g(2n).
2 2

Proposición 1.8.1 Una función f : A −→ B es biyectiva si y sólo si es

invertible.

Demostración. Si f es biyectiva se define g : B −→ A de la manera

obvia: a y ∈ B se le asocia la única x ∈ A que cumple f (x) = y (la existen-
cia de dicha x se sigue de la inyectividad y la suprayectividad). Escribiendo
g(y) = x se tiene que si y ∈ B f ◦ g(y) = f (x) = y y f ◦ g = IB , y
si x ∈ A g ◦ f (x) = g(y) = x por lo que g ◦ f = IA .
1. Fundamentos 17

Viceversa, si f es invertible sea g : B −→ A su inversa. En este caso,

si f (a1 ) = f (a2 ), entonces g ◦ f (a1 ) = g ◦ f (a2 ) y a1 = a2 , por lo cual
f es inyectiva. Asimismo, si y ∈ B, tomando x ∈ A de tal manera que
g(y) = x, se tiene que y = f ◦ g(y) = f (x) y f es suprayectiva.

Obsérvese que la composición de funciones inyectivas es inyectiva: dadas
g : A −→ B y f : B −→ C funciones inyectivas, a1 , a2 ∈ A tales que
f ◦ g(a1 ) = f ◦ g(a2 ) se sigue que g(a1 ) = g(a2 ), ya que f es inyectiva,
más aún a1 = a2 por la inyectividad de g.
También si f : A −→ B y g : B −→ C son suprayectivas se tiene que
g ◦ f lo es, esto se sigue ya que si c ∈ C existe b ∈ B  g(b) = c y tam-
bién a ∈ A  f (a) = b (por la suprayectividad de f y g) ∴ g ◦ f (a) = c
y por consiguiente g ◦ f es suprayectiva.

EJERCICIOS 1.8
1. Sea f (x) = x2 + 1 f : R −→ R pruebe que f no es inyectiva ni tampoco
suprayectiva.
2. Sea f : R −→ R dada por f (x) = 4x + 7, pruebe que f es biyectiva;
encuentre la inversa.
3. Exhiba f : N −→ N y g : N −→ N tales que f es inyectiva, g
suprayectiva, pero g ◦ f no sea inyectiva ni suprayectiva.

1.9. Cardinalidad y conjuntos finitos

Definición 19 Dados dos conjuntos A y B se dice que tienen la misma
cardinalidad si existe f : A −→ B biyectiva.

Se usará el sı́mbolo In para denotar el conjunto de los primeros n naturales,

In = {1, 2, 3, ..., n} = {a ∈ N | 1 ≤ a ≤ n}.

Definición 20 Un conjunto A es finito si existe una biyección (función

biyectiva)
f : A −→ In ,
para alguna n ∈ N. En este caso se dice que el cardinal de A, denotado
por #A, es n.
18 1.10. Cardinalidad y conjuntos finitos

Definición 21 Sea A un conjunto que no es finito, entonces se dice que A

es infinito.
Con lo anterior se tienen las siguientes observaciones que relacionan las
funciones y la cardinalidad de conjuntos finitos.
1. Sea f : A −→ B una función inyectiva entre dos conjuntos finitos,
entonces
#A ≤ #B.
Para probar esto, nótese que si A = {a1 , a2 , ..., an }, entonces el con-
junto {f (a1 ), f (a2 ), ..., f (an )} consiste de elementos distintos (ya que
f es inyectiva).
2. Sea f : A −→ B una función suprayectiva entre dos conjuntos finitos,
entonces
#A ≥ #B.
Esto se cumple, ya que si B = {b1 , b2 , ..., bm }, como f es suprayectiva
existen a1 , a2 , ..., an ∈ A tales que f (ai ) = bi , i = 1, 2, ..., m, y
además las ai son todas distintas, ya que f es función.
3. Sea f : A −→ B una función biyectiva entre dos conjuntos finitos,
entonces
#A = #B.
Por las dos observaciones anteriores se da la igualdad.
Proposición 1.9.1 Sea f : A −→ B una función, donde A y B son
finitos con la misma cardinalidad, entonces,
f es inyectiva ⇔ f es suprayectiva.
Demostración. Se tiene como hipótesis que: #A = n = #B.
⇒) Dado que f es inyectiva, se tienen n imágenes distintas, i.e., todos los
elementos de B están en la imagen.
⇐) Si f no es inyectiva, entonces #Imf < n, pero eso contradice la
hipótesis.

Esta propiedad no es válida para conjuntos infinitos, por ejemplo, la fun-
ción f : N −→ N, f (n) = 2n es inyectiva pero no suprayectiva. Tam-
bién, como ya se probó, la función g : Z −→ Z, dada por g(n) = [n/2],
es suprayectiva pero no inyectiva.
1. Fundamentos 19

1.10. Inducción matemática

La inducción matemática consiste en una manera de probar múltiples afir-
maciones o propiedades (tantas como los naturales), y que dependen de los
mismos números naturales. Por ejemplo si se quiere probar que
n(n + 1)
1 + 2 + ··· + n = , (1.1)
2
obsérvese que cada n ∈ N define una igualdad, el axioma o principio de
inducción establece que si se cumplen dos condiciones, la propiedad es válida
para todos los naturales, estas condiciones son:
A) 1 cumple la propiedad,
B) si la propiedad es válida para n, entonces también lo es para n + 1.
En nuestro ejemplo particular probaremos que se cumplen las dos condi-
ciones y concluiremos que (1.1) se cumple ∀ n ∈ N :
1(2)
A) 1 = 2
por lo que (1.1) se cumple si n = 1,
B) si (1.1) es válida para n, entonces
n(n + 1)
1 + 2 + ··· + n = ,
2
sumando n + 1 se tiene
n(n + 1)
1 + 2 + ··· + n + n + 1 = + n+1
2
n (n + 1)(n + 2)
= (n + 1) +1 = ,
2 2
es decir, (1.1) se cumple para n+1 y se sigue del principio de inducción
que (1.1) se cumple ∀ n ∈ N.
Intuitivamente es clara la validez del principio: si vale para 1, vale para
2, si también es válido para 2, entonces también para 3, etcétera.
Ejemplos
1) Se prueba que
n3 − n es un múltiplo de 6 ∀ n ∈ N. (1.2)

Para probar (1.2) se aplica inducción probando A y B :

20 1.11. Inducción matemática

A) si n = 1 ⇒ 13 − 1 = 6 · 0,
B) si se cumple (1.2) para m, se tiene m3 − m = 6 · k, k ∈ Z.
Ahora

(m + 1)3 − (m + 1) = m3 + 3m2 + 3m + 1 − m − 1
= m3 − m + 3(m2 + m)
= 6k + 6t, t ∈ Z,
i.e., (1.2) se cumple para m + 1 y por lo tanto ∀ m ∈ Z (usamos
el hecho de que m2 +m siempre es par: (2n+1)2 = 4n2 +4n+1).

2) Se afirma que
2n < n! si n ≥ 4, 9
(1.3)
Nótese que basta probar, usando inducción, que

2n+3 < (n + 3)! ∀ n ∈ N.

A) 21+3 = 16 < (1 + 3)! = 24,

B) si 2n+3 < (n + 3)!, como 2 < n + 4 se tiene
2 · 2n+3 < (n + 3)!(n + 4), esto es 2n+4 < (n + 4)!
∴ (1.3) se cumple ∀ n ≥ 4.

EJERCICIOS 1.10
1. Demuestre por inducción que si r ∈ R, r = 1

1 − rn+1
1 + r + r2 + · · · + rn = .
1−r
2. Usando inducción pruebe que
n(n + 1)(2n + 1)
1 2 + 2 2 + 3 2 + · · · + n2 = .
6
3. Demuestre que 1 + 3 + 5 + 7 + · · · + 2n − 1 = n2 .
4. Usando inducción muestre que
n (3n + 1)
2 + 5 + 8 + · · · + (3n − 1) = .
2
9
El sı́mbolo n! se le llama n factorial, se define como 1 · 2 · 3 · · · · (n − 1)(n), por
ejemplo, 4! = 4 · 3 · 2 · 1 = 24.
1. Fundamentos 21

1.11. El teorema del binomio

Recordamos de la sección anterior que dado un número natural n, n-factorial,
denotado por n!, está dado por n(n − 1)(n − 2) · · · 3 · 2 · 1.
Por convención 0! = 1. Obsérvese que se puede definir n! inductiva-
mente, esto es, n! = n (n − 1)!. Por ejemplo, 4! = 4 (3)! = 24.

Teorema 1.11.1 (Pascal) Sean n,m enteros no negativos y

n!
Cnm = , n ≥ m,
m!(n − m)!
entonces se tiene
m m−1
Cn−1 + Cn−1 = Cnm .
Demostración. Sumamos
(n − 1)! (n − 1)!
+
m!(n − 1 − m)! (m − 1)!(n − 1 − (m − 1))!

(n − 1)! (n − 1)! (n − 1)!(n − m) (n − 1)!m

= + = +
m!(n − m − 1)! (m − 1)!(n − m)! m!(n − m)! m!(n − m)!

(n − 1)![(n − m) + m] n!
= = = Cnm .
m!(n − m)! m!(n − m)!

Corolario 1.11.2 Cnm ∈ N
Demostración. Lo probamos por inducción sobre n.
1! 1!
A) Si n = 1 C11 = 1!(1−1)!
= 1 y C10 = 0!(1−0)!
= 1,
m
B) Si suponemos cierto el teorema para n−1 se tiene que tanto Cn−1 como
m−1
Cn−1 son números naturales, y por lo tanto en virtud del teorema de
Pascal, se sigue que Cnm también es un número natural 

Teorema 1.11.3 (Del binomio de Newton) Si a, b ∈ R y n es un entero

no negativo, entonces

(a + b)n = Cn0 an + Cn1 an−1 b + · · · + Cnn bn .

22 1.11. El teorema del binomio

Por ejemplo: (a+b)2 = a2 + 2ab + b2 y (a+b)3 = a3 + 3a2 b + 3ab2 + b3 , ya

2! 3!
que C21 = 1!(2−1)! , C32 = 2!(3−2)! , etcétera. Obsérvese que los superı́ndices
y los subı́ndices que definen el teorema crecen y decrecen conforme a la
siguiente fórmula 10

n
Cnj an−j bj .
j=0

Demostración. Probamos el teorema usando inducción sobre n.

A) Si n = 1 (a + b)1 = C10 a1 + C11 a0 b1 = 1 · a + 1 · b = a + b.

B) Si el teorema es cierto para n − 1, se tiene

n−1
j
(a + b)n−1 = Cn−1 an−1−j bj ,
j=0

y entonces

n−1
j

n−1
j
(a + b)n = (a + b)(a + b)n−1 = a Cn−1 an−1−j bj + b Cn−1 an−1−j bj
j=0 j=0

n−1
j

n−1
j
= Cn−1 an−j bj + Cn−1 an−1−j bj+1 ,
j=0 j=0

expresando la segunda sumatoria en términos de k = j + 1, en lugar

de j, i.e., corriendo los ı́ndices, se tiene

n−1
j

n
n n−j j k−1 n−k k
(a + b) = Cn−1 a b + Cn−1 a b .
j=0 k=1

10

significa “sumatoria”, y cada ı́ndice desde j = 0 hasta n representa un suman-
do, i.e., el teorema del binomio dice:
n

(a + b)n = Cnj an−j bj .

j=0
1. Fundamentos 23

Finalmente, homologando ı́ndices y factorizando

n−1

n−1
n i
(a + b) = Cn−1 an−i bi + i−1 n−i i
Cn−1 0
a b + Cn−1 an + Cn−1
n−1 n
b
i=1 i=1

n−1
i i−1
= (Cn−1 + Cn−1 )an−i bi + Cn0 an + Cnn bn
i=1

n
= Cni an−i bi ,
i=0

en virtud del teorema de Pascal. 

1.12. Relaciones de equivalencia y particiones

Definición 22 Una relación R ⊂ A × A se llama de equivalencia si satis-
face:

1) (a, a) ∈ R ∀a ∈ A (reflexividad),

2) si (a, b) ∈ R, entonces (b, a) ∈ R (simetrı́a),

3) si (a, b) ∈ R y (b, c) ∈ R, entonces (a, c) ∈ R (transitividad).

Obsérvese que la simetrı́a se puede expresar como:

(a, b) ∈ R ⇔ (b, a) ∈ R.

Ejemplos
1. Sea A cualquier conjunto, entonces la mı́nima relación de equivalencia
es la diagonal
R = {(a, a) | a ∈ A},
i.e., toda relación de equivalencia incluye a la diagonal, ¿por qué?

2. Sea A la familia de los triángulos del plano y

R = {(a, b) ∈ A × A | a, b son semejantes},

evidentemente R es de equivalencia.
24 1.12. Relaciones de equivalencia y particiones

3. Sea A = {1, 2, 3} y

R = {(1, 1), (1, 2), (2, 1)(2, 2)},

entonces R no es de equivalencia. Aunque es simétrica y transitiva, no

es reflexiva pues (3, 3) ∈
/ R.

4. Sea A = {1, 2, 3} y

R = {(1, 1), (2, 2), (3, 3)(1, 2), (2, 1), (2, 3), (3, 2)},

R tampoco es de equivalencia, ya que no es transitiva pues (1, 3) ∈

/ R.

Dada cualquier relación de equivalencia R, escribiremos

a ∼ b si (a, b) ∈ R.

Definición 23 Sea A un conjunto, una partición P de A consiste de una

familia de subconjuntos de A no vacı́os {Ai }i ∈ I , tales que

1) si Ai = Aj , entonces Ai ∩ Aj = ∅,

2) i ∈ I Ai = A.

Ejemplos

1. Si A = {1, 2, 3, 4, 5}, una partición de A es

A1 = {1, 2}, A2 = {3} y A3 = {4, 5}.

2. Si A = N, una partición de A es

A1 = {pares} y A2 = {nones}.

3. Sea A = {instrumentos de una orquesta sinfónica} y

A1 = {cuerdas}, A2 = {alientos}, A3 = {metales},

A4 = {percusiones}.
Entonces estos subconjuntos no forman una partición de A, ya que el
clarinete es un aliento y también es un metal.
1. Fundamentos 25

4. Si A = {1, 2, 3, .., 10} y

A1 = {1, 3, 5}, A2 = {1, 4, 6} y A3 = {2, 7, 8, 9, 10},

entonces A1 , A2 , A3 no forman una partición de A pues 1 ∈ A1 ∩ A2 .
Teorema 1.12.1 Sea A cualquier conjunto y R una relación de equivalen-
cia en A × A, entonces R induce una partición en A.

Demostración. Sea x ∈ A, se define

Ax = {y ∈ A | y ∼ x},
donde y ∼ x significa (y, x) ∈ R. Obsérvese que Ax = ∅, ya que x ∈ Ax .
Se afirma que {Ax }x ∈ A es una partición P de A.
La propiedad
 2) es inmediata, ya que como Ax ⊂ A, ∀ x ∈ A, cierta-
mente x ∈ A Ax ⊂ A. Además, como dada x ∈ A, se tiene que x ∈ Ax

se sigue que A ⊂ x ∈ A Ax .
Para probar la propiedad 1) supongamos que z ∈ Ax ∩ Ay , donde
x, y, z ∈ A, se debe probar que Ax = Ay .
Como z ∈ Ax ∩ Ay , se sigue que z ∼ x y z ∼ y, por lo que x ∼ y
(simetrı́a y transitividad).
Finalmente, probamos Ax ⊂ Ay (y viceversa). Sea w ∈ Ax , entonces
w ∼ x y por transitividad w ∼ y, i.e., w ∈ Ay ∴ Ax ⊂ Ay . La otra
contención se prueba de la misma manera.

El recı́proco también es cierto.

Teorema 1.12.2 Sea A un conjunto arbitrario y P una partición en A,

entonces P induce una relación de equivalencia en A.

Demostración. Se define una relación R en A × A de la siguiente

manera (x, y) ∈ R si existe Ai en P  x, y ∈ Ai . Probamos que esta
relación es de equivalencia.
Evidentemente x ∼ x ∀ x. También es obvio que si x ∼ y entonces
y ∼ x. Finalmente, si x ∼ y y y ∼ z, entonces existe Ai y Aj en la
partición tales que x, y ∈ Ai y y, z ∈ Aj , como Ai y Aj se intersectan
deben ser iguales i.e., x, z ∈ Ai = Aj , y x ∼ z (por lo que la relación es
transitiva).

26 1.12. Relaciones de equivalencia y particiones

Definición 24 Dada una relación de equivalencia R en A × A, a los sub-

conjuntos de la partición inducida por R se les llama clases de equivalencia.

Ejemplos
1. Sean A un conjunto arbitrario y R la relación diagonal, i.e.,
R = {(x, x) | x ∈ A},
entonces la partición inducida por R es

A = {x}.
x∈A

2. Sean A = {1, 2, 3} y R = {(1, 1), (1, 2), (2, 1), (2, 2), (3, 3)}, enton-
ces la partición inducida por R es
A = {1, 2} ∪ {3}.

3. Sea m ∈ N fijo. Se define una relación R ⊂ Z × Z de la siguiente

manera: (x, y) ∈ R si x − y = mt, t ∈ Z. Esta relación es de
equivalencia (ejercicio), y la partición inducida es

m−1
Z = [j],
j=0

donde
[j] = {s ∈ Z | s − j = mt, t ∈ Z}, j ∈ {0, 1, 2, ..., m − 1}.

Esto se sigue del algoritmo de la división y del hecho de que dados

h = k, h, k ∈ N ∪ {0}  h, k < m, entonces m no es un factor de
h − k. El algoritmo de la división establece que dado t ∈ Z y m ∈ N
existen s, r únicos tales que

t = sm + r, 0 ≤ r < m.
En el caso en que t < 0, tomando −t = sm + r
t = −sm − r − m + m = −(s + 1)m + (m − r),
(m − r) es el nuevo residuo, cf. [2] o [5].
1. Fundamentos 27

Por ejemplo, si m = 3 la partición es

Z = A0 ∪ A1 ∪ A2 donde
Aj = {3t + j | t ∈ Z} j = 0, 1, 2.
Sea RA el conjunto de las relaciones de equivalencia en un conjunto A
y PA las particiones de A. Los teoremas anteriores muestran que existen
funciones
ϕ : RA −→ PA y ψ : PA −→ RA ,
definidas por la asociación natural.
Proposición 1.12.3 Sean ϕ, ψ, RA , PA y A, como se indicó arriba, enton-
ces se tiene
a) ψ ◦ ϕ = IRA ,

b) ϕ ◦ ψ = IPA .
Demostración.
a) Dada una relación de equivalencia R en A, ϕ(R) es la partición
definida por las clases de equivalencia de A determinadas por R y
ciertamente ψϕ(R) = R, ya que la definición de ψ establece que dos
elementos de A están relacionados si pertenecen al mismo subconjunto
(estos subconjuntos son las clases de equivalencia de R).
b) Dada P una partición de A, ψ(P ) es una relación de equivalencia
cuyas clases de equivalencia son precisamente los subconjuntos de P
y se concluye que ϕψ(P ) es de nuevo P. Esto se sigue, ya que por
definición ϕ le asocia a ψ(P ) la partición definida por sus clases de
equivalencia.

EJERCICIOS 1.12
1. Demuestre que la siguiente relación es de equivalencia. Sea m ∈ N fijo,
se define una relación R ⊂ Z × Z de la siguiente manera: (x, y) ∈ R si
x − y = mt, t ∈ Z.
2. Describa la partición en Z inducida por la relación de equivalencia descrita
en el Ejercicio 1. Pruebe sus afirmaciones.
3. Defina en R, x ∼ y, si x−y ∈ Z, pruebe que esta relación es de equivalen-
cia y demuestre que cada clase de equivalencia tiene un único representante
en el intervalo [0, 1).
28 1.13. Estructuras numéricas y algebraicas

1.13. Estructuras numéricas y algebraicas

Las estructuras algebraicas más elementales son las numéricas, es decir, con-
juntos de números que cumplen ciertos axiomas. Algunas de éstas son:
Los naturales
N = {1, 2, 3, ...};
el anillo de los números enteros

Z = {..., −2, −1, 0, 1, 2, ...};

el campo de los números racionales, denotados por Q,

a  
Q =  a, b, ∈ Z, b = 0 ;
b
el campo de los números reales
R = {A.b1 b2 b3 ...},
donde A ∈ Z y bj ∈ {0, 1, , 2, ..., 9}, i.e, los números enteros con expansio-
nes decimales infinitas, y sin colas infinitas de nueves; estos puntos se pueden
pensar como los puntos de la recta;
el campo de los números complejos

C = {a + ib | a, b ∈ R},
estos puntos pueden pensarse como los puntos del plano, donde i = (0, 1)
satisface i2 = −1,
Una operación binaria en un conjunto A es una función

μ : A × A −→ A.
Por ejemplo, en los enteros la suma y el producto son operaciones binarias
que satisfacen ciertas propiedades.
SUMA

S1) a + b = b + a ∀ a, b ∈ Z (conmutatividad),

S2) (a + b) + c = a + (b + c) ∀ a, b, c ∈ Z (asociatividad),
S3) ∃ 0 ∈ Z  a + 0 = a ∀ a ∈ Z (existencia del neutro aditivo),

S4) a + (−a) = 0 ∀ a ∈ Z (existencia del inverso aditivo).

1. Fundamentos 29

PRODUCTO

P1) a b = b a ∀ a, b ∈ Z (conmutatividad),

P2) (a b) c = a (b c) ∀ a, b, c ∈ Z (asociatividad),

P3) ∃ 1 ∈ Z  a · 1 = a ∀ a ∈ Z (existencia del neutro multiplicativo),

DISTRIBUTIVIDAD

D) a (b + c) = a b + a c ∀ a, b, c ∈ Z.

Estas propiedades implican otra.

LEY DE LA CANCELACIÓN DE LA SUMA

Si a + c = b + c, entonces a = b.
Esta ley se cumple, ya que (a + c) + (−c) = (b + c) + (−c) ⇒ a = b.

Los números racionales, reales y complejos también cumplen estas pro-

piedades y otra más:

P4) a a−1 = 1 ∀ a = 0 (existencia del inverso multiplicativo).

De manera análoga a la suma se tiene la siguiente propiedad.

LEY DE LA CANCELACIÓN DEL PRODUCTO

Si a b = a c, a = 0, entonces b = c.
Esto se sigue, al suponer que a b = a c, ya que entonces se tiene que
a−1 (a b) = a−1 (a c) y b = c.
En estas estructuras (salvo en C) existe también una relación de orden,
denotada por <, que satisface las siguientes cuatro propiedades:

a) si a < b y b < c, entonces a < c (transitividad),

b) dados a y b se cumple una y sólo una de las siguientes afirmaciones:

30 1.13. Estructuras numéricas y algebraicas

i) a = b,
ii) a < b,
iii) b < a,

a esta propiedad se le llama ley de tricotomı́a,

c) si a < b ⇒ a + c < b + c ∀ a, b, c
(compatibilidad del orden con la suma),

d) si a < b y 0 < c, entonces ac < bc ∀ a, b, c

(compatibilidad del orden con el producto).

Una estructura algebraica que satisface S1), ..., S4), P 1), P 2), P 3) y D)
se le llama anillo conmutativo con unidad, si además cumple P 4) se le llama
campo.
Si un anillo cumple también las propiedades de orden se le llama anillo
ordenado, por ejemplo Z. Ejemplos de campos ordenados son Q y R.
A la estructura algebraica más simple se le llama grupo; es un conjunto
G con una operación binaria, que se le llama usualmente producto, de tal
manera que cada elemento tiene un inverso, existe un neutro y el producto es
asociativo. Por ejemplo, el conjunto de biyecciones (funciones biyectivas) de
un conjunto cualquiera en sı́ mismo constituye un grupo, donde el producto
es la composición, léase de derecha a izquierda.
EJERCICIOS 1.13
1. Demuestre la última afirmación de esta sección.
2. Exhiba una relación en un conjunto infinito que sea simétrica y transitiva
pero que no sea reflexiva.
3. Muestre en un conjunto finito una relación que sea reflexiva y transitiva
pero que no sea simétrica.
4. Exhiba una relación que sea reflexiva y simétrica pero que no sea transitiva.
5. Defina la unión e intersección de conjuntos para un número finito o infinito
de éstos.
6. Generalice y pruebe las Proposiciones 1.3.1 y 1.3.2 para más de tres o dos
conjuntos (un número finito de éstos).
Capı́tulo 2

Cálculo combinatorio

Describiremos primero los conceptos del cálculo combinatorio de manera in-

tuitiva y posteriormente los estudiaremos rigurosamente.

2.1. Ordenaciones con repetición (versión

intuitiva)
Consideremos el conjunto A = {a, b, c}. Al conjunto de ‘palabras’ de dos
letras formadas con elementos de A se les llama ordenaciones con repetición
de las letras a, b, c tomadas de 2 en 2 (decimos ‘palabras’ ya que solamente se
trata de yuxtaponer letras). Se les llama con repetición ya que, por ejemplo,
puede aparecer aa . En este caso hay nueve ordenaciones con repetición, y
un método para obtener todas se ilustra en la Figura 2.1.

a b c
a aa ab ac
b ba bb bc
c ca cb cc

Figura 2.1: Tabla de ordenaciones con repetición de dos elementos

Si tomamos ahora como ejemplo las trasmisiones telegráficas de dos so-
nidos: uno corto denotado por · y uno largo denotado por −, a las señales
de un sonido, se les puede considerar como las ordenaciones con repetición
del conjunto A = {·, −} tomadas de uno en uno, éstas son:
· y −

31
32 2.2. Ordenaciones (versión intuitiva)

Las señales de dos sonidos serı́an las ordenaciones con repetición tomadas
de 2 en 2, éstas las podemos derivar de las de un sonido, como se muestra en
la siguiente tabla, el número de ellas es 2×2 = 4.

− ·
− −− ·−
· −· ··

Figura 2.2: Tabla de ordenaciones con repetición de dos sonidos

Las de tres sonidos serı́an las ordenaciones con repetición tomadas de tres
en tres, que a su vez se pueden derivar de la tabla anterior, el número de ellas
es 2×4 = 8. Son todas, ya que cualquier señal de tres sonidos consiste de una
de un sonido seguida de una de dos sonidos.

−− −· ·− ··
− −−− −−· −·− −··
· ·−− ·−· ··− ···

Figura 2.3: Tabla de ordenaciones con repetición de tres sonidos

Se denotará por ORnm al número de ordenaciones con repetición de un

conjunto de n elementos tomados de m en m. Se deduce de los ejemplos
anteriores que OR32 = 32 , OR21 = 2, OR22 = 22 , OR23 = 23 . Proba-
remos posteriormente que ORnm = nm .

2.2. Ordenaciones (versión intuitiva)

Supongamos ahora que se requiere formar palabras de dos letras tomadas del
conjunto {a, b, c}, pero con la condición que éstas sean distintas, se tienen
seis casos
ab, ac, ba, bc, ca, cb.
A estas palabras se les llamará ordenaciones del conjunto {a, b, c}, toma-
das de 2 en 2.
Si consideramos ahora el conjunto A = {a, b, c, d}, las ordenaciones de
A tomadas de 2 en 2 son 12:

ab, ac, ad, ba, bc, bd, ca, cb, cd, da, db, dc.
2. Cálculo combinatorio 33

Obsérvese que el número de ordenaciones es el número de ordenaciones con

repetición menos el número de ordenaciones con letras repetidas.
En nuestro ejemplo, el número de las ordenaciones es:

42 − 4 = 4(4 − 1) = 12.

Se denotará por Onm al número de ordenaciones en un conjunto de n

elementos tomadas de m en m. Obsérvese que m ≤ n, ¿por qué? Se sigue
de nuestros ejemplos que
O32 = 6, O42 = 12.

n!
Se probará que Onm = (n−m)!
.
Consideremos ahora el siguiente problema, se tienen cuatro lienzos de
colores: rojo, azul, verde y blanco. ¿Cuántas banderas tricolores se pueden
formar? La pregunta es equivalente a encontrar las ordenaciones de 3 en 3
del conjunto {r, a, v, b}.
Un primer grupo de banderas serı́a,
rav, rab, rva, rvb, rba, rbv,

intercambiando el rojo con los otros tres colores se obtienen todas las posibi-
lidades, i.e., hay 24 banderas tricolores, lo cual coincide con nuestra fórmula
4!
O43 = = 24.
(4 − 3)!

2.3. Permutaciones (versión intuitiva)

A las ordenaciones de un conjunto de n elementos tomadas de n en n se
les llama permutaciones de n elementos.
Por ejemplo: si A = {1, 2, 3}, las permutaciones de A son

123, 132, 213, 231, 312, 321.

Las banderas bicolores también se pueden pensar como permutaciones de

dos elementos, cuando se trabaja con sólo dos colores.
34 2.4. Combinaciones

La fórmula que mostramos para el número de ordenaciones exhibe como

caso particular el número de permutaciones de un conjunto de n elementos.
Este número, denotado por Pn , está dado por
n!
Pn = Onn = = n!.
(n − n)!
Nótese que esta fórmula se aplica a nuestros ejemplos.

r v v r

Figura 2.4: Banderas bicolores con dos lienzos verde y rojo

Como un último ejemplo calcularemos cuántos números de cuatro cifras

distintas se pueden formar con los digitos 1, 3, 7 y 8.
Los que empiezan con 1 son:
1378, 1387, 1738, 1783, 1837 y 1873,
intercambiando 1 con los otros tres dı́gitos se obtienen un total de 24, i.e.,
4!.

2.4. Combinaciones
Definición 25 Sea A un conjunto de n elementos, a los subconjuntos de A
que tienen m elementos se les llama combinaciones de los n elementos de
A tomadas de m en m.
Ejemplos
1. Sea A = {1, 2, 3}, las combinaciones de A tomadas de 2 en 2 son:
{1, 2}, {1, 3} y {2, 3},
tomadas de 1 en 1 son:
{1}, {2} y {3},
tomadas de 3 en 3 son:
{1, 2, 3}.
2. Cálculo combinatorio 35

2. Si se tiene un grupo de cinco músicos y se quiere elegir un trı́o, el

número posible de trı́os es el número de combinaciones de un conjunto
de cinco elementos tomados de 3 en 3; si los músicos son Andrea, Itzel,
Laura, Pedro y Juan, los trı́os posibles son:
{A, I, L}, {A, I, P }, {A, I, J}, {A, L, P }, {A, L, J},
{A, P, J}, {I, L, P }, {I, L, J}, {I, P, J}, {L, P, J},
por lo que se pueden formar 10 trı́os.
3. Si ahora se quiere elegir un trı́o entre Andrea, Itzel, Laura y Pedro las
posibilidades son :
{A, I, L}, {A, I, P }, {A, L, P }, y {I, L, P },
éstas son cuatro, que es el mismo número de posibilidades para elegir
una persona entre 4, i.e., elegir 3 de 4 es eliminar 1 de 4.
Se probará que el número de combinaciones de un conjunto de n ele-
mentos tomadas de m en m está dado por los coeficientes binomiales (del
teorema del binomio)
n!
Cnm = . (2.1)
m!(n − m)!
Suponiendo cierto este hecho, usamos también el sı́mbolo Cnm para denotar
el número de estas combinaciones.
Habiendo probado la fórmula de las ordenaciones se demostrará que
Cnm Pm = Onm ,
lo cual implica la fórmula (2.1), y justifica el uso del sı́mbolo Cnm como
número de combinaciones, ya que
n!
Cnm m! = .
(n − m)!
La baraja inglesa provee de buenos ejemplos al análisis combinatorio,
se tienen 52 cartas, cada una con un número y un palo, los números son
A, 2, 3, 4, 5, 6, 7, 8, 9, 10, J, Q y K, los palos son: {, , ♣ y ♠}, es decir,
diamantes, corazones, tréboles y espadas (o pics), respectivamente.
Dado que una mano de poker consta de cinco cartas, el número total de
manos es
52! 52 · 51 · 50 · 49 · 48
C525
= = = 52 · 51 · 10 · 49 · 2.
5!47! 5·4·3·2
36 2.5. Funciones (2a visita)

2 Q
♠ ♣

Figura 2.5: Ejemplos de cartas de baraja inglesa

2.5. Funciones (2a visita)

Las funciones surgen en una infinidad de situaciones, veamos unos ejemplos.

1. Sea A el conjunto de alumnos de la primaria “Benito Juárez” y B

los salones de dicha primaria, la asociación de que a cada alumno le
corresponde su salón es una función (en la Facultad de Ciencias esta
asociación no serı́a una función).

2. Sea A el conjunto de casas de la calle Uxmal y B = N, asignar a

cada casa un número oficial es una función. Las casas que tienen dos
números no serı́an ejemplo de función (por ejemplo, # 20 antes 5).

3. Las parejas ordenadas de números se pueden pensar también como

funciones, i.e., si A = {1er lugar, 2o lugar}, B = Z, entonces
(2, 5) o (7, 7) son funciones:
1er lugar −→ 2,
2o lugar −→ 5, etcétera.

4. Sea A un conjunto de 12 jugadores de beisbol (numerados del 1 al 12)

y B el conjunto de posiciones en este deporte: lanzador, receptor, pri-
mera, segunda y tercera bases, jardineros izquierdo, derecho y central,
esto es,
B = {L, R, Pb , Sb , Tb , JI , JD , JC }.

Si el capitán asigna a cada posición un jugador, entonces está formando

una función, digamos

L → 7 Sb → 2 JD → 4
R → 11 Tb → 6 JC → 10.
Pb → 1 JI → 5
2. Cálculo combinatorio 37

5. La función f : Z −→ Z, dada por f (n) = n3 .

En los ejemplos anteriores siempre se mencionó:

a) un conjunto A (el dominio) de: alumnos, casas, 1o y 2o lugares,

posiciones de beisbol y los números enteros Z;

b) otro conjunto B (el codominio) al cual se le asocian los elementos de

A: salones, números naturales, números enteros, jugadores y de nuevo
números enteros;

c) una forma de asociación en la que a cada elemento de A se le asigna

un único elemento de B. A ésta se le llama regla de correspondencia.

Como se mencionó, estas funciones se designan por

f : A −→ B,
y f (a) = b, si b ∈ B es el elemento de B asociado a a. Por ejemplo,
f (2) = 8, en el Ejemplo 5.

Otros ejemplos
1. Sean A = {x, y, z} y B = {1, −1}, la función f : A −→ B dada
por f (x) = 1, f (y) = −1, f (z) = 1, se puede expresar como
 
x y z
f = .
1 −1 1
 
x x z
Una expresión de la forma no serı́a función.
1 −1 1

2. Un problema que puede ser relevante es saber cuántas funciones hay de

un conjunto en otro. Un ejemplo trivial pero didáctico es el siguiente:
¿Cuántas banderas bicolores se pueden formar con tres colores: verde,
blanco y rojo? Esta pregunta se puede expresar en términos de funcio-
nes como sigue. Sean A = {1, 2} y B = {v, b, r}, donde 1 se refiere
el lugar izquierdo de la bandera y 2 al derecho. De esta manera las
banderas son funciones.
38 2.6. Funciones (2a visita)

v b

1 2

Figura 2.6: Bandera bicolor

Por ejemplo, la bandera en la Figura 2.6 está representada por la

función  
1 2
,
v b
las demás son
    
1 2 1 2 1 2 1 2
v r b v b r r v
    
1 2 1 2 1 2 1 2
,
r b v v b b r r
sin embargo las últimas tres, aunque son funciones, no representan
banderas bicolores, i.e., hay seis banderas bicolores.

EJERCICIOS 2.5
1. Interprete como función el resultado de un examen en un grupo de 20
alumnos.
2. ¿Qué diagramas son funciones en la Figura 2.7?

a) b)

c)

Figura 2.7: ¿Cuáles son funciones?

2. Cálculo combinatorio 39

2.6. Funciones inyectivas, suprayectivas y

biyectivas (2a visita)
Recordamos las definiciones. Sea f : A −→ B una función.

a) Se dice que f es inyectiva si ∀ a1 , a2 ∈ A  a1 = a2 , se tiene

f (a1 ) = f (a2 ).

b) Se dice que f es suprayectiva si ∀ y ∈ B, existe x ∈ A  f (x) = y.

c) Se dice que f es biyectiva si es inyectiva y suprayectiva.

Ejemplos

1. El problema de buscar banderas bicolores con los colores {v, b, r} se

puede reformular y se afirma que hay seis al ser éste el número de fun-
ciones inyectivas que hay del conjunto A = {1, 2} en B = {v, b, r}.
Obsérvese que de las nueve funciones establecidas en dicho ejemplo
ninguna es suprayectiva, ¿por qué?

2. Considérese los conjuntos A = {x, y, z} y B = {7, 8}. Nótese que

hay ocho funciones de A en B :
       
x y z x y z x y z x y z
7 7 7 7 7 8 7 8 7 7 8 8
       
x y z x y z x y z x y z
.
8 7 7 8 7 8 8 8 7 8 8 8

Obsérvese que este procedimiento es el mismo que el de encontrar las

ordenaciones con repetición de un conjunto de dos elementos tomados
de 3 en 3, se tenı́a OR23 = 23 , ninguna de estas funciones es inyectiva,
y todas, salvo la primera y la última, son suprayectivas.

En general, si f : A −→ B, A tiene n elementos y B m elementos,

y n > m, entonces f no puede ser inyectiva, ¿por qué?
40 2.7. Funciones inyectivas, suprayectivas y biyectivas (2a visita)

Obsérvese que una función es:

a) inyectiva, si a elementos distintos del dominio le corresponden elemen-

tos distintos del codominio,

b) suprayectiva, si su imagen es el codominio,

c) biyectiva, si a cada elemento del codominio le corresponde uno y sólo

un elemento en el dominio.

Definición 26 Sea f : A −→ B una función, el subconjunto de B

{y ∈ B | ∃ x ∈ A  f (x) = y},

se llama la imagen de f y se denota por Imf .

Ejemplo: sea f : R −→ R, f (x) = 2x + 1, f es inyectiva ya que

si f (x1 ) = f (x2 ), se tiene 2x1 + 1 = 2x2 + 1 y x1 = x2 . También es
y−1
suprayectiva, ya que si y ∈ R f (x) = 2x + 1 = y si y sólo si x = 2
,
i.e., f ( y −2 1 ) = 2( y −2 1 ) + 1 = y.

Nótese que si se tienen dos funciones g : A −→ B y f : B −→ C,

tales que f ◦ g es inyectiva, entonces g es inyectiva. Esto se sigue ya que si
g(x1 ) = g(x2 ), necesariamente f g(x1 ) = f g(x2 ) y x1 = x2 .
También si f : A −→ B y g : B −→ C son tales que g ◦ f es
suprayectiva, entonces g es suprayectiva. Esto se sigue ya que dado z ∈ C,
∃ x ∈ A  g ◦ f (x) = z, por lo cual g(y) = z, donde f (x) = y.
Por otra parte, si f : A −→ B es suprayectiva y g, h : B −→ C
son tales que g ◦ f = h ◦ f, entonces g = h. Para probar esto se toma
y ∈ B, entonces ∃ x ∈ A tal que f (x) = y y se tiene gf (x) = hf (x), i.e.,
g(y) = h(y).
EJERCICIO 2.6
1. Pruebe que si f : B −→ C es inyectiva y g, h : A −→ B son tales que
f ◦ g = f ◦ h, entonces g = h.
2. Cálculo combinatorio 41

2.7. Ordenaciones con repetición (versión

formal)
Definición 27 Sea A un conjunto de n elementos, las ordenaciones con
repetición de A tomadas de m en m son las funciones f : Im −→ A,
donde Im = {1, 2, ..., m}.
Recordando las señales telegráficas corta y larga: · −, las de tres sonidos
pueden interpretarse en términos de funciones, como sigue
       
1 2 3 1 2 3 1 2 3 1 2 3
· · · · · − · − · · − −
       
1 2 3 1 2 3 1 2 3 1 2 3
.
− · · − · − − − · − − −
Como un segundo ejemplo consideremos las ordenaciones con repetición del
conjunto A = {x, y, z} tomadas de 2 en 2, éstas son:
           
1 2 1 2 1 2 1 2 1 2 1 2
x x x y x z y x y y y z
     
1 2 1 2 1 2
.
z x z y z z
Obsérvese que estas parejas son, en cierta manera, los elementos del pro-
ducto cartesiano A × A. Análogamente, las ordenaciones con repetición to-
madas de 3 en 3 del conjunto A son, en cierta manera, los elementos de
A × A × A.
Algunas veces en lugar de escribir
 
1 2 3 ··· n
a1 a2 a3 · · · an
se escribe simplemente (a1 , a2 , a3 , ..., an ).
Definición 28 Sea f : A −→ B, g : C −→ B funciones, tales que
A ⊂ C. Supóngase también que
f (x) = g(x) ∀ x ∈ A.
Bajo estas hipótesis se dice que g es una extensión de f y que g restringida
a A, denotado por g | A, es igual a f (se escribe g | A = f ).
42 2.7. Ordenaciones con repetición (versión formal)

Por ejemplo, si f : Z −→ Z, donde f (n) = n2 y g : R −→ R,

g(x) = x2 , entonces g | Z = f .
Consideramos ahora un ejemplo que nos servirá para entender la prueba
de que ORnm = nm .
Sean A un conjunto de 10 elementos, a y b dos elementos de A no
necesariamente distintos y f : I2 −→ A  f (1) = a y f (2) = b. Es claro
que el número de funciones que extienden f a funciones con dominio I3 son
10, ya que hay 10 maneras de elegir la imagen de 3.

Teorema 2.7.1 Sea A un conjunto de n elementos, y m ∈ N, entonces

ORnm = nm .

Demostración. Inducción sobre m, donde n es fija.

Si m = 1
ORn1 = n,
ya que es el número de funciones de I1 en A.
Suponemos cierto el teorema para m − 1, se afirma que

ORnm = n ORnm−1 .

La afirmación implica el resultado ya que n · nm−1 = nm . Para probar

la afirmación basta probar que dada f : Im−1 −→ A existen n funciones
que extienden f a funciones de Im en A, esto es claro ya que la imagen de
m puede ser cualquier elemento de A. 

Definición 29 Sea A un conjunto, el producto cartesiano

 ×A×
A  · · · × A,
n−veces

denotado por An , es el conjunto cuyos elementos son las n-adas de elementos

de A, es decir, elementos de la forma

(a1 , a2 , ..., an ), ai ∈ A, i ∈ {1, 2, ..., n}.

Por ejemplo: si n = 2, son las parejas ordenadas. Si n = 3 son ternas

ordenadas, etcétera. Si A = R, R3 = {(x, y, z) | x, y, z ∈ R}.
2. Cálculo combinatorio 43

Definición 30 Una correspondencia biunı́voca entre 2 conjuntos A y B es

una función biyectiva f : A −→ B.

Las observaciones anteriores muestran que si A es un conjunto de n

elementos, la cardinalidad de Am es precisamente el número ORnm . Esto se
sigue ya que hay una correspondencia biunı́voca entre las ordenaciones con
repetición de A tomadas de m en m con los elementos de Am .
Si A = {a1 , ..., an }, esta correspondencia está dada por
 
1 2 ··· m  
←→ ai1 , ai2 , ..., aim ,
ai1 ai2 · · · aim
aij ∈ A ∀ j.

2.8. Ordenaciones (versión formal)

Definición 31 Dado A un conjunto de n elementos y m ≤ n, las or-
denaciones de los elementos de A tomadas de m en m, son las funciones
inyectivas del conjunto Im en A.

Observemos que la inyectividad es la condición que establece que no

haya repeticiones. Como ejemplo, consideremos las ordenaciones del conjunto
A = {a, b, c, d, e}, tomadas de tres en tres. Éstas se pueden pensar también
como palabras con tres letras distintas.
Un método para encontrarlas es considerar, por ejemplo, la función in-
yectiva f : I2 −→ A dado por
 
1 2
.
a e

Ahora la pregunta relevante es ¿cuántas funciones inyectivas hay de I3

en A que extiendan a f ? Éstas son
 
1 2 3
,
a e x

donde x = b, c, d, es decir, hay 5-2 funciones. Se concluye que por cada

función inyectiva de I2 en A hay 3 de I3 en A.
44 2.8. Ordenaciones (versión formal)

Teorema 2.8.1 Sean n, m ∈ N, m ≤ n, entonces

n!
Onm = .
(n − m)!
Demostración. Se usará inducción sobre m. Sea A un conjunto de n
elementos. En el caso m = 1, es evidente que hay n funciones inyectivas de
I1 en A y se sigue que
n!
On1 = .
(n − 1)!
Suponemos cierta la fórmula para m − 1
n!
Onm−1 = .
(n − (m − 1))!

El ejemplo anterior ilustra el paso inductivo. Dada cualquier función in-

yectiva f de Im−1 en A, f se puede extender a n − (m − 1) funciones
inyectivas de Im en A, ya que al elemento m se le puede asociar cualquier
elemento que no sea la imagen de 1, 2, ..., m − 1 (por la inyectividad).
En consecuencia
n!
Onm = (n − (m − 1)) Onm−1 = (n − (m − 1))
(n − (m − 1))!
n! n!
= (n − m + 1) =
(n − m + 1)! (n − m)!

La fórmula en el Teorema 2.7.1 resuelve el siguiente problema: ¿cuántas
placas de automóvil hay que consten de 3 letras y 2 cifras?
3
Considerando 27 letras en el alfabeto, placas de 3 letras hay OR27 = 273 ,
2 2
y de 2 cifras hay OR10 = 10 . Por cada ordenación (con repetición) en la
2
primera lista, esto es, la de las letras, se puede generar OR10 placas distintas,
lo cual muestra el carácter multiplicativo y es claro que el número total de
placas es
OR273
OR102
= 273 · 102
Ejemplos
1. ¿Cuántos números telefónicos de 6 cifras hay que comiencen con 5, 7, 2, 6
u 8?
5
De 5 cifras hay OR10 = 105 , considerando la 1a cifra se tienen 5 · 105 .
2. Cálculo combinatorio 45

2. ¿Cuántas placas de automóvil hay que consten de dos letras y tres

cifras, si la primera letra es K y la segunda una letra de la A a la D?
4 × 103 .
3. ¿Cuántas placas de siete cifras distintas pueden formarse si la 1a la 2a
y la 5a son cifras pares?
Las posibilidades de ordenaciones tomadas de 3 en 3 con cifras pares son
O53 (lugares 1, 2 y 5). Fijando cualquiera de ellas, las posibilidades de
ordenaciones que existen son O74 (puesto que tres números ya aparecen
en los lugares 1, 2 y 5) ∴ el número total es O53 O74 .

EJERCICIOS 2.8
1. Sean B = {x, y, z} y f : I3 −→ B tal que manda 1 y 2 en x y 3 en y,
¿cuántas extensiones hay de f a I5 ?
2. ¿Cuántos números telefónicos hay con tres números, no necesariamente
distintos, si exactamente dos de ellos son impares?
3. ¿Cuántas placas de automóvil hay de tres cifras y cuatro letras, si las cifras
son distintas?
4. ¿Cuántas cifras de cuatro dı́gitos distintos hay, si exactamente dos de ellos
son impares?
5. ¿Cuántas placas de cuatro números hay, que tengan al menos dos números
iguales?

2.9. Permutaciones (versión formal)

Definición 32 Las permutaciones de un conjunto A son las funciones bi-
yectivas de A en A.
Se demostró que si A es finito y f : A −→ A es inyectiva, entonces f
es biyectiva.
Sean A = {a1 , a2 , .., an } y f : A −→ A una permutación, entonces se
puede identificar a f con la ordenación g : In −→ A dada por
 
1 2 ··· n
g = ,
f (a1 ) f (a2 ) · · · f (an )
y viceversa dada cualquier función inyectiva de In en A se le puede asociar
una única permutación de A.
46 2.10. Combinaciones y coeficientes binomiales

Por ejemplo, si A = {a, b, c}, las seis permutaciones de A son:

      
a b c a b c a b c a b c a b c a b c
a b c a c b b a c b c a c a b c b a

que se pueden indentificar con las ordenaciones

      
1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3
.
a b c a c b b a c b c a c a b c b a

Dada esta correspondencia biunı́voca se sigue del Teorema 2.8.1 que

n!
Pn = Onn = = n!.
(n − n)!

2.10. Combinaciones y coeficientes binomiales

Recordamos la definición de combinación.

Definición 33 Sea A un conjunto de n elementos y 0 ≤ m ≤ n. A los

subconjuntos de A que tienen m elementos se les llama combinaciones de
A tomadas de m en m, y el número de éstas se denota por Cnm .
n!
Probaremos ahora que Cnm es precisamente el coeficiente binomial (n−m)!m!
,
lo cual justifica el uso doble de este sı́mbolo.

Teorema 2.10.1 Sea A un conjunto de n elementos, entonces

Cnm Pm = Onm .

Demostración. Sea S el conjunto de las ordenaciones de los elementos

de A tomadas de m en m y T el conjunto de las combinaciones de los
elementos de A tomadas de m en m. Obsérvese que #S = Onm y #T = Cnm .
Sea ψ : S −→ T dada por
 
1 2 ··· m
ψ = {a1 , a2 , ..., am },
a1 a2 · · · am

donde aj ∈ A ∀ j y ai = aj si i = j, esencialmente la función ψ ‘olvida’

el orden. Claramente ψ es suprayectiva, ya que dados m elementos distintos
2. Cálculo combinatorio 47

en A se puede construir una función inyectiva de Im en A cuyas imágenes

sean estos elementos.
Además existen exactamente Pm ordenaciones a las que se les asocia la
misma combinación. En consecuencia
Cnm Pm = Onm .


Obsérvese que el teorema anterior establece que
Onm n!
Cnm = = .
Pm (n − m)!m!

Un ejemplo que ilustra la última parte de la prueba del teorema ante-

rior es el siguiente: sea A = {a, b, c, ..., z} y consideremos las ordenaciones
asociadas a la combinación {a, b, c}, éstas son:
      
1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3
.
a b c a c b b a c b c a c a b c b a

A los números Cnm se les llama coeficientes binomiales ya que aparecen

en el desarrollo del binomio de Newton

(a + b)n = Cno an + Cn1 an−1 b1 + · · · + Cnn bn .

Obsérvese que Cno = 1, ya que el número de subconjuntos que no tienen

elementos del conjunto A = {a1 , a2 , ..., an } es uno, el vacı́o.

Teorema 2.10.2 Sean m, n enteros no negativos, tales que m ≤ n, en-

tonces
Cnm = Cnn−m .

Demostración. Sea A un conjunto de n elementos, S las combinaciones

de A tomadas de m en m y T las combinaciones de A tomadas de n − m
en n − m.
Definimos una función ψ : S −→ T de la siguiente manera: a cada
combinación {a1 , a2 , ..., am } en S se le asocia A − {a1 , a2 , ..., am } en T,
i.e., su complemento.
Esta función ψ es claramente inyectiva, ya que dos subconjuntos distintos
de A tienen complementos distintos. También es suprayectiva, ya que si
B ⊂ A, entonces ψ(B c ) = B.
48 2.10. Combinaciones y coeficientes binomiales

Por lo tanto, ψ es biyectiva y se sigue el teorema

#S = #T, i.e., Cnm = Cnn−m .


Otra prueba más simple del teorema anterior, pero menos ilustrativa, es
la siguiente
n! n!
= .
(n − m)! m! (n − (n − m))! (n − m)!

Definición 34 Sea B un subconjunto de A. Se define la siguiente función

fB : A −→ {0, 1}, llamada caracterı́stica, como sigue

1 si x ∈ B,
fB (x) =
0 si x ∈ B.

Obsérvese que la asociación

B −→ fB

es una biyección entre los subconjuntos de A y las funciones caracterı́sticas

definidas en A, i.e., las funciones de A en {0, 1}. Si B1 = B2 , es claro que
fB1 = fB2 . Más aún, dada una función caracterı́stica g : A −→ {0, 1},
ésta viene del subconjunto que la define, i.e., si g −1 (1) = B, se sigue que
g = fB .

Teorema 2.10.3 Sea n un número natural, entonces

Cn0 + Cn1 + · · · + Cnn = 2n .

Demostración. Obsérvese que el miembro izquierdo es el número total de

subconjuntos de un conjunto A de n elementos, por lo que se sigue de la
observación anterior que es el número de funciones de A en {0, 1}. Se afirma
que este número es 2n , esto se puede probar por inducción sobre n. Si A
tiene un elemento hay 2 funciones de A en {0, 1}.
Suponiendo cierta la afirmación para n−1, i.e., si A = {a1 , a2 , ..., an−1 }
hay 2n−1 funciones de A en {0, 1}. Se sigue entonces que cada una de estas
funciones tiene dos extensiones a funciones de {a1 , a2 , ..., an } en {0, 1}, al
elemento an se le puede asignar el 0, o el 1 .

2. Cálculo combinatorio 49

Otra demostración más breve se sigue del teorema del binomio

n
(1 + 1)n = Cnj .
j=0

Terminamos esta sección con una segunda demostración de la fórmula del

triángulo de Pascal
Cnr−1 + Cnr = Cn+1
r
.
Sea A = {1, 2, ..., n + 1}. Los subconjuntos de A con r elementos (que
r
son un total de Cn+1 ) son de 2 tipos:
a) los que no contienen al elemento n + 1, de estos hay Cnr ,
b) los que contienen al elemento n + 1, éstos quedan determinados por los
subconjuntos de {1, 2, ..., n} que contienen r − 1 elementos, de estos
hay Cnr−1 .
En consecuencia, se sigue la fórmula de Pascal.

1 C00
1 1 C10 C11
1 2 1 C20 C21 C22
1 3 3 1
C30 C31 C32 C33
1 4 6 4 1
1 5 10 10 5 1 C40 C41 C42 C43 C44

Figura 2.8: Triángulo de Pascal

El dominó consta de 28 fichas cada una con dos lados, cada lado es blanco,
o tiene 1, 2, 3, 4, 5 o 6 puntos, por ejemplo,

1 3 0 6

Figura 2.9: Ejemplo de fichas de dominó

Veamos por qué son 28 fichas. En efecto, una ficha se puede pensar como
una ordenación con repetición de 2 lugares con 7 sı́mbolos: blanco, o

, , ··· , ,
50 2.10. Combinaciones y coeficientes binomiales

i.e., son 72 , sin embargo las que no son dobles se repiten, por ejemplo,

=
.

Por lo que el número de fichas es

49 − 7
+ 7 = 21 + 7 = 28.
2
Ejemplos

1. De un grupo de 20 personas debe elegirse un comité de 5 miembros

en el que debe estar Juan o Pedro, pero no ambos. ¿Cuántos comités
pueden ser electos?
4
Excluyendo a Juan y a Pedro, hay C18 maneras de elegir los otros 4
miembros, i.e., hay 2 · C18 maneras.
4

2. Consideramos la baraja simplificada, es decir, con solamente 3 números

y 2 palos. ¿Cuántas manos de 3 cartas hay que no tengan 2 cartas del
mismo número?
La respuesta se obtiene al restar del número total de manos, las manos
que tienen un par. Ahora, hay C63 manos posibles. Por otro lado, las
manos con un par se obtienen al elegir un número entre 3, i.e., hay C31
maneras, la 3a carta se puede elegir de 4 maneras distintas. Por lo que
el número total es
6!
C63 − 3 · 4 = − 3 · 4 = 5 · 4 − 3 · 4 = 8.
3!3!

3. El dominó consta de 28 fichas y una mano de dominó consta de 7 fichas

¿Cuántas manos de dominó hay?
7
El número de manos son C28 .

4. Sea A un conjunto con n elementos, n ≥ 5 y x0 un elemento de A.

¿Cuántos subconjuntos de A hay con 5 elementos, tales que contengan
al elemento x0 ?
4
El número es Cn−1 , ya que se toman de un conjunto de n−1 elementos,
4 de ellos.
2. Cálculo combinatorio 51

5. ¿Cuántas manos de poker hay que no tengan dos cartas del mismo
número?
Se seleccionan primero los 5 números distintos, éstos son tantos como
5
C13 . Ahora dados 5 números distintos, las posibilidades para los pa-
los son las ordenaciones con repetición de un conjunto de 4 elementos
{, , ♣, ♠} tomados de 5 en 5. Fijando, por ejemplo 7,8,9,Q,K las
posibles manos con estos números corresponden a las palos distintos,
funciones de I5 en {, , ♣, ♠}. Por lo tanto hay C13 5
·OR45 = 5!8!
13! 5
·4 .
6. ¿Cuántas manos de poker hay que tengan exactamente un par?
1
Elegir un par es elegir un número de 13, i.e., C13 , ahora hay 4 palos y
2
se deben tomar 2 de 4, i.e., C4 . Fijando este par se piensa cuántas
3
formas hay de elegir las otras 3 cartas, para esto hay C12 maneras
de elegir 3 números distintos (13 - 1 = 12), y para los palos, siguiendo
la técnica del ejemplo 5, hay OR43 maneras de elegir los palos. Por lo
tanto el número total es
4! 12! 3
1
C13 C42 C12
3
OR43 = 13 · · · 4 = 13 · 12 · 11 · 10 · 43 .
2!2! 9!3!

7. ¿Cuántas manos de poker hay que tengan 2 pares distintos, que no sea
full (es decir una tercia y un par)?
2
Hay C13 maneras de elegir 2 números distintos de 13, como en el ejem-
plo anterior hay C42 maneras de elegir 2 palos para un par y C42 para
el otro. Finalmente hay 44 = 52 - 8 maneras de elegir la quinta carta,
por lo que el número de manos es
4! 4! 13!
44(C42 )2 C13
2
= 44 · · · = 22 · 36 · 13 · 12.
2!2! 2!2! 11!2!
8. ¿Cuántas manos de poker hay que tengan al menos 3 cartas del mismo
número?
Calculamos independientemente el número de tercias y de poker (4
cartas iguales). Hay 13 maneras de elegir un número, C43 = C41 maneras
2
de elegir 3 palos de 4, y C48 maneras de elegir las 2 cartas restantes
(de 2 números distintos a la tercia), i.e., el número de tercias es
48!
13 · 4 · = 13 · 2 · 48 · 47.
46!2!
52 2.10. Combinaciones y coeficientes binomiales

El número de manos de poker es 13 · 48 por lo que el número total es

13 · 2 · 48 · 47 + 13 · 48 = 13 · 48 · 95.

9. ¿Cuántas diagonales se pueden trazar en un polı́gono regular de n la-

dos?
Por cada dos vértices se puede trazar una diagonal, sin embargo el
segmento de recta que une un vértice con su adyacente no es diagonal
∴ el número es
 
n! n(n − 1) n 3 n(n − 3)
Cn2 −n= −n= −n=n − = .
(n − 2)!2! 2 2 2 2

10. ¿Cuántas manos de dominó hay que tengan exactamente 4 fichas do-
bles?
C74 son las posibilidades de elegir 4 números de 7 (fichas dobles), ha-
biendo elegido las 4 dobles las 3 restantes se pueden elegir entre 21 (las
otras 3 dobles se excluyen).
∴ la respuesta es C74 C21
3
.

11. ¿Cuántas manos de dominó hay que tengan por lo menos 3 fichas do-
bles?
Exactamente 3 dobles C73 C21
4
, exactamente 4 hay C74 C21
3
, etcétera,
por lo que el total es

C73 C21
4
+ C74 C21
3
+ C75 C21
2
+ C76 C21
1
+ 1.

EJERCICIOS 2.10
1. ¿De cuántas maneras se pueden distribuir 4 libros distintos entre 2 estu-
diantes?
2. ¿Cuántas manos de poker hay que tengan full, i.e., tercia y par?
3. ¿Cuántas manos de poker hay que tengan flor (todos los números del
mismo palo)?
4. ¿Cuántas manos de poker hay que tengan flor imperial, i.e., todas las
cartas del mismo palo, y los números cı́clicamente consecutivos?
5. ¿Cuántos números telefónicos con cuatro cifras, no necesariamente distin-
tas hay, si exactamente dos de ellas son impares?
Capı́tulo 3

El espacio vectorial Rn

3.1. Vectores y sus operaciones

Definición 35 El producto cartesiano R × R es el conjunto de parejas or-
denadas (a, b), donde a, b ∈ R, se le designa como R2 y se le identifica con
los puntos del plano.

(3, 2)

Figura 3.1: Puntos del plano cartesiano

A los elementos del plano o puntos de R2 se les llama vectores y a los
números reales se les llama escalares. Por ejemplo, el vector (3, 2) es el punto
descrito en la Figura 3.1. Se definen las siguientes operaciones en R2 .

1) SUMA DE VECTORES

(a, b) + (c, d) = (a + c, b + d) ∀ (a, b), (c, d) ∈ R2 .

2) PRODUCTO DE UN ESCALAR POR UN VECTOR

λ(a, b) = (λ a, λ b) ∀ λ ∈ R y ∀ (a, b) ∈ R2 .

53
54 3.1. Vectores y sus operaciones

Si (a, b) es un vector, a la primera coordenada a se le llama abcisa y a

la segunda coordenada b se la llama ordenada.
Ejemplos

(−1, 2) + (1, 2) = (0, 4),

(a, 0) + (0, b) = (a, b),

3(1, 2) = (3, 6),

b(0, 1) = (0, b).

Obsérvese que (a, b) = a(1, 0) + b(0, 1). Exhibimos ahora una inter-
pretación geométrica de la adición, para esto recordamos dos hechos de la
geometrı́a elemental.
C

m2
α
m1 m1
A B
α m

m2

Figura 3.2: Un cuadrilátero cuyas diagonales se encuentran en su punto medio

es un paralelogramo

I. Si las diagonales de un cuadrilátero se intersecan en su punto medio,

entonces es un paralelogramo.
Para probar este hecho, nótese primero que el triángulo  A m C es
igual al triángulo  D m B y también que  A m D =  C m B. Esto
se sigue de que tienen un ángulo común delimitado por lados iguales.
Por consiguiente, los ángulos δ, que aparecen en la Figura 3.3, son
iguales, y esto implica que AC es paralela a BD, y que AD también
lo es a CB. De otra manera, por ejemplo, se toma la paralela a AC
que pasa por D, y al considerar ángulos alternos internos se llega a
una contradicción.
3. El espacio vectorial Rn 55

C C

δ m2
m2
m1 m1 m δ
A B A B
m1 m δ m1
m2
m2
δ

D D

Figura 3.3: Prueba de la afirmación I

a

a
Figura 3.4: En un paralelogramo las diagonales se intersectan
en el punto medio

Obsérvese que también es cierto el recı́proco, es decir, en un parale-

logramo las diagonales se intersecan en su punto medio. A esto se llega
por el hecho de que los 4 triángulos que se generan son iguales, dos a
dos, al ser semejantes y tener un lado común, véase la Figura 3.4.

II. Si A1 = (x1 , y1 ) y A2 = (x2 , y2 ) son 2 puntos del plano, entonces el

punto medio del segmento A1 A2 está dado por
 
x1 + x 2 y 1 + y 2
m = , .
2 2
Por semejanza, en los trı́angulos descritos en la Figura 3.5 se sigue que
y 2 − y1
= 2, i.e., y2 − y1 = 2 (y2 − m2 ),
y2 − m2
donde m = (m1 , m2 ). En consecuencia, 2 m2 = y1 + y2 . Un argumento
similar prueba que también 2 m1 = x1 + x2 .
56 3.1. Vectores y sus operaciones

A2 = (x2 , y2 )

m = (m1 , m2 )
l l1
l
l1 = 2
A1 = (x1 , y1 )

Figura 3.5: Punto medio de un segmento

INTERPRETACIÓN GEOMÉTRICA DE LA ADICIÓN DE VECTORES

Dados los vectores P = (a, b), Q = (c, d), el cuadrilátero formado por
los vectores O, P, Q y P + Q es un paralelogramo.

Esto sucede, ya que si

P + Q = R = (a + c, b + d),

los puntos medios de OR y de P Q son iguales, ya que éstos están dados

por    
a+c+0 b+d+0 a+c b+d
, y , ,
2 2 2 2
respectivamente, véase la Figura 3.6. Obsérvese que la suma de los vectores,
P + Q es el vector determinado por la diagonal desde el origen a P + Q,
por lo que se le llama la resultante.

R=P +Q

Q P

Figura 3.6: Interpretación geométrica de la adición

3. El espacio vectorial Rn 57

P +Q
Q

P
O

Figura 3.7: La resultante

INTERPRETACIÓN GEOMÉTRICA DEL PRODUCTO DE UN ESCALAR POR UN VECTOR

Probamos primero un resultado. Recordamos que dados 2 puntos P = (x1 , y1 )

y Q = (x2 , y2 ), se define su distancia como

d(P, Q) = (x2 − x1 )2 + (y2 − y1 )2 .
La motivación para esta definición es, por supuesto, el teorema de Pitágoras.

y2 − y 1
P
x2 − x1

Figura 3.8: Distancia entre dos puntos

Proposición 3.1.1 Sean P1 , P2 , P3 3 puntos del plano tales que P2 ∈ P1 P3 ,

entonces
d(P1 , P2 ) + d(P2 , P3 ) = d(P1 , P3 ).
Demostración. Sean P2 − P1 = (x1 , y1 ) y P3 − P2 = (x2 , y2 ), entonces
 
d(P1 , P2 ) = x1 2 + y1 2 y d(P2 , P3 ) = x2 2 + y2 2 .
En virtud de la semejanza de triángulos en la Figura 3.9, se sigue que
y1 y2 y 1 + y2
= = = λ.
x1 x2 x 1 + x2
58 3.1. Vectores y sus operaciones

En consecuencia, se llega al resultado, i.e.,

  
x1 2 + y1 2 + x2 2 + y2 2 = (x1 + x2 )2 + (y1 + y2 )2 ,

ya que éste es equivalente a la ecuación

√ √ √
x1 1 + λ2 + x2 1 + λ2 = (x1 + x2 ) 1 + λ2 .


P3
y2
P2
y1
P1
x1 x2

Figura 3.9: Proporcionalidad de las distancias en tres puntos alineados

El recı́proco también es cierto como se muestra en el siguiente resultado.

Proposición 3.1.2 Si se cumple

d(P1 , P2 ) + d(P2 , P3 ) = d(P1 , P3 ), (3.1)

entonces P2 ∈ P1 P3 .

P2

P3

P1

Figura 3.10: Prueba de la Proposición 3.1.2

Demostración. Si P2 ∈ / P1 P3 probamos que no se cumple la igualdad

(3.1)
Si P2 está en la misma lı́nea que P1 y P3 y P2 ∈ / P1 P3 , por ejemplo,
P3 ∈ P1 P2 . No se puede cumplir (3.1), ya que en virtud de la Proposición
3.1.1 se sigue que d(P1 , P3 ) < d(P1 , P2 ), véase la Figura 3.10. El otro caso
es análogo.
3. El espacio vectorial Rn 59

P2
P2

P3 P2
P2 P3
P1 P1

Figura 3.11: Prueba de la Proposición 3.1.2

Si P2 no está en la recta determinada por el segmento P1 P3 , se tienen

otros dos casos, como se muestra en la Figura 3.11.
En el primer caso de la figura se cumple la igualdad para P2 , y por lo
tanto no se cumple para P2 (por el teorema de Pitágoras). En el segundo
caso de la figura tampoco, ya que d(P1 , P2 ) > d(P1 , P2 ) > d(P1 , P3 ). Un
argumento similar muestra también que no se cumple la igualdad, si P2 se
proyecta del lado de P1 . 

Proposición 3.1.3 (Interpretación geométrica del producto de un escalar

por un vector). Sean P = O y Q = λP, puntos del plano, donde O = (0, 0)
y λ ∈ R, entonces

a) si λ ≥ 1, P está en el segmento OQ,

b) si 0 ≤ λ ≤ 1, Q ∈ OP ,

c) si λ ≤ 0, O ∈ P Q.

Q = λP P
P

P λP O
λP

a) λ>1 b) 0<λ<1 c) λ<0

Figura 3.12: 3 casos de la Proposición 3.1.3

60 3.2. Rn

√
Demostración. Sean P = (a, b) y |P | = d(O, P ), i.e., |P | = a2 + b 2 ,
entonces 
d(O, λP ) = (λa)2 + (λb)2 = |λ||P |,
y también

d(P, Q) = (a − λa)2 + (b − λb)2 = |1 − λ||P |.
Consideramos casos.
Caso 1: λ ≥ 1. Se tiene
d(O, P ) + d(P, Q) = |P | + (λ − 1)|P | = λ|P | = |λ||P | = d(O, Q),
ya que λ ≥ 1, y por lo tanto P ∈ OQ (por la Proposición 3.1.2).
Caso 2: 0 ≤ λ ≤ 1. Se tiene
d(O, Q) + d(Q, P ) = λ|P | + (1 − λ)|P | = |P | = d(O, P )
y Q ∈ OP .
Caso 3: λ ≤ 0. Se tiene
d(Q, O) + d(O, P ) = −λ|P | + |P | = (1 − λ)|P | = |1 − λ||P | = d(P, Q)
∴ O ∈ QP .


3.2. Rn
Definición 36 El espacio vectorial Rn es el conjunto de todas las colec-
ciones ordenadas de n números reales (a1 , a2 , ..., an ), i.e.,
Rn = {(a1 , a2 , ..., an ) | ai ∈ R ∀i ∈ {1, 2, ..., n}}.
Se tienen 2 operaciones:
SUMA

(a1 , a2 , ..., an ) + (b1 , b2 , ..., bn ) = (a1 + b1 , a2 + b2 , ..., an + bn ).

PRODUCTO POR ESCALARES

λ(a1 , a2 , ..., an ) = (λa1 , λa2 , ..., λan ).

A los elementos (a1 , a2 , ..., an ) se les llama vectores, a los números reales
se les llama escalares.
3. El espacio vectorial Rn 61

PROPIEDADES

1. Conmutatividad
A+B =B+A ∀ A, B ∈ Rn .

2. Asociatividad
(A + B) + C = A + (B + C) ∀A, B, C ∈ Rn .

3. Existencia del neutro aditivo

A+0=A ∀A ∈ Rn donde 0 = (0, 0, ..., 0).

4. Existencia del inverso aditivo

∀A ∈ Rn existe B ∈ Rn 
A + B = 0, si A = (a1 , a2 , ..., an ), B = (−a1 , −a2 , ..., −an ),
el inverso aditivo B se denota por −A.
Estas cuatro propiedades se derivan de las mismas leyes para los
números reales, por ejemplo,
(a1 , a2 , a3 ) + (b1 , b2 , b3 ) = (a1 + b1 , a2 + b2 , a3 + b3 )
= (b1 + a1 , b2 + a2 , b3 + a3 )
= (b1 , b2 , b3 ) + (a1 , a2 , a3 ).

5. Si A ∈ Rn y λ, μ ∈ R, entonces λ(μA) = (λμ)A.

Demostración. Sea A = (a1 , a2 , ..., an ), entonces
λ(μA) = λ(μa1 , ..., μan ) = (λμa1 , ..., λμan ) = (λμ)A.

6. Si A, B ∈ Rn y λ ∈ R, entonces λ(A + B) = λA + λB.

Demostración. Sean A = (a1 , a2 , ..., an ) y B = (b1 , b2 , ..., bn )
λ(A + B) = λ[(a1 , ..., an ) + (b1 , ..., bn )]
= (λ(a1 + b1 ), ..., λ(an + bn ))
= (λa1 + λb1 , ..., λan + λbn )
= λA + λB.
62 3.3. Rn

7. Si A ∈ Rn , y λ, μ ∈ R, entonces (λ + μ)A = λA + μA.

Demostración.

(λ + μ)A = (λ + μ)[(a1 , ..., an )]

= ((λ + μ)a1 , ..., (λ + μ)an )
= (λa1 + μa1 , ..., λan + μan )
= λA + μA.

8. Se tiene que 1 · A = A ∀A ∈ Rn .
Demostración. 1 (a1 , ..., an ) = (1 · a1 , ..., 1 · an ) = (a1 , ..., an ) = A.

Definición 37 Un conjunto que satisface las propiedades 1 a 8 se llama

espacio vectorial sobre los reales.

Nótese que en Rn , también se cumple que −A = (−1)A, ya que

(−1)A = (−1)(a1 , ..., an ) = ((−1) · a1 , ..., (−1) · an )) = (−a1 , ..., −an ) = −A.

También, como 0[(a1 , ..., an )] = (0 · a1 , ..., 0 · an ) = 0, en Rn se cumple que

0 · A = 0 ∀A ∈ Rn .
Finalmente, nótese que si λA = 0, entonces λ = 0 o A = 0, donde
λ ∈ R y A ∈ Rn .
Esto se tiene, ya que si λ = 0, como λ A = (λa1 , ..., λan ) = 0, se sigue
que λ ai = 0 ∀ i, por lo que λ−1 λ ai = λ−1 0 = 0, y ai = 0 ∀ i.
De manera análoga se pueden definir espacios vectoriales sobre otros cam-
pos, por ejemplo
Cn = C × ·
· · × C
n−veces

es un espacio vectorial sobre C o

Qn = Q × · · · × Q
  
n−veces

lo es sobre Q.
3. El espacio vectorial Rn 63

3.3. Subespacios vectoriales

Definición 38 Sea W ⊂ Rn , se dice que W es un subespacio vectorial de
Rn , si se cumplen las siguientes propiedades

a) 0 ∈ W,
b) ∀ A, B ∈ W, se tiene A + B ∈ W,
c) ∀ A ∈ W y λ ∈ R, se tiene λA ∈ W.

Ejemplos
1. Sea W = {(x, y) ∈ R2 | x = 0}, i.e., W es el eje de las ordenadas en
R2 . Entonces W es un subespacio vectorial, ya que

a) 0 ∈ W,
b) si A, B ∈ W , entonces A = (0, y1 ) y B = (0, y2 ), por lo
que A + B = (0, y1 + y2 ) ∈ W,
c) si A ∈ W y λ ∈ R, entonces A = (0, y) y λA = (0, λy) ∈ W.

2. Sea W = {(x, y) ∈ R2 | (x, y) = λ(x0 , y0 ), λ ∈ R}, donde (x0 , y0 ) ∈ R2

es un vector fijo, entonces W es un subespacio vectorial de R2 :

a) 0 = 0(x0 , y0 ) ∴ 0 ∈ W,
b) si A1 , A2 ∈ W , entonces A1 = λ1 (x0 , y0 ) y A2 = λ2 (x0 , y0 )
∴ A1 + A2 = (λ1 x0 + λ2 x0 , λ1 y0 + λ2 y0 ) = (λ1 + λ2 )(x0 , y0 ) ∈ W,
c) si A ∈ W y μ ∈ R, entonces A = λ(x0 , y0 )
∴ μA = μ[λ(x0 , y0 )] = (μλ)(x0 , y0 ) ∈ W.
W

(x0 , y0 )

Figura 3.13: La recta W = {(x, y) ∈ R2 | (x, y) = λ(x0 , y0 ), λ ∈ R} es un

subespacio vectorial de R2
64 3.3. Subespacios vectoriales

3. Sea W = {(x1 , x2 , x3 ) ∈ R3 | x1 = 0 = x2 }, entonces W es un

subespacio vectorial de R3 :

a) 0 ∈ W,
b) si (0, 0, x3 ) ∈ W y (0, 0, x3 ) ∈ W, se tiene (0, 0, x3 + x3 ) ∈ W,
c) si (0, 0, x3 ) ∈ W, entonces λ(0, 0, x3 ) = (0, 0, λx3 ) ∈ W.

Figura 3.14: La recta W = {(x1 , x2 , x3 ) ∈ R3 | x1 = 0 = x2 } es un subespacio

vectorial de R3

4. El plano W = {(x1 , x2 , x3 ) ∈ R3 | x3 = 0} es un subespacio vectorial

de R3 , ya que 0 ∈ W ; (x1 , x2 , 0)+(x1 , x2 , 0) = (x1 +x1 , x2 +x2 , 0) ∈ W
y λ(x1 , x2 , o) = (λx1 , λx2 , 0) ∈ W.

Figura 3.15: El plano W = {(x1 , x2 , x3 ) ∈ R3 | x3 = 0} es un subespacio

vectorial de R3
3. El espacio vectorial Rn 65

5. Sean A, B ∈ R3 y W = {x ∈ R3 | x = λA + μB  λ, μ ∈ R},
entonces W es un subespacio vectorial. Obsérvese que W es el plano
“generado” por A y B, véase la Figura 3.16. Esto se sigue, ya que se
cumplen las tres condiciones:
a) 0 = 0 · A + 0 · B ∴ 0 ∈ W,
b) si x1 ∈ W y x2 ∈ W, x1 = λ1 A + μ1 B y x2 = λ2 A + μ2 B,
entonces

x1 +x2 = λ1 A+μ1 B +λ2 A+μ2 B = (λ1 +λ2 )A+(μ1 +μ2 )B ∈ W,

c) si x ∈ W y t ∈ R, x = λA + μB, entonces se tiene que

t x = t (λA + μB) = (t λ)A + (t μ)B ∈ W.

A
B
W

Figura 3.16: El plano por el origen W en R3 dado por la siguiente ecuación

{x ∈ R3 | x = λA + μB  λ, μ ∈ R} es un subespacio vectorial

6. 0 es un subespacio vectorial Rn :
0 + 0 = 0 y λ 0 = 0 ∀ λ ∈ R.
Se define el producto punto de dos vectores en R3 , como sigue

(x1 , y1 , z1 ) · (x2 , y2 , z2 ) = x1 x2 + y1 y2 + z1 z2 .

Análogamente se define en R2 (o en Rn ). Este producto determina la per-

pendicularidad u ortogonalidad, como se muestra a continuación.
Definición 39 Los vectores A y B en R2 (o R3 ) son ortogonales o per-
pendiculares, si |A − B| = |A + B|, i.e., las magnitudes de sus diagonales
son iguales.
66 3.3. Subespacios vectoriales

Teorema 3.3.1 Dos vectores A y B en R2 (o R3 ) son perpendiculares si

y sólo si A · B = 0.

Demostración. |A + B|2 − |A − B|2 = 4 A · B.


A

A+B

A
−B
B

Figura 3.17: Una manera de definir que dos vectores sean perpendiculares es
que sus diagonales midan lo mismo

Ahora, si se tienen dos vectores A, B ∈ R3 de longitud unitaria, como en

la Figura 3.18, aplicando el Teorema 3.3.1, se sigue que el vector A − tB es
perpendicular al vector B si y sólo si (A − tB) · B = 0. Esta condición es
equivalente a su vez a que A · B = t. Por otra parte, dicha ortogonalidad se
tiene si t = cos θ, véase la Figura 3.18. En consecuencia

A · B = cos θ,

por supuesto, A · B = 0 ⇐⇒ θ = π/2.

A 1
A − tB
θ θ
B
t cos θ

Figura 3.18: Si |A| = 1 , |B| = 1 , t = cos θ,

entonces A − t B es perpendicular a B.

Ahora, la ecuación de un plano en R3 está dada por

(P − P0 ) · n = 0,

es decir,
[(x, y, z) − (x0 , y0 , z0 )] · (n1 , n2 , n3 ) = 0,
3. El espacio vectorial Rn 67

donde n = (n1 , n2 , n3 ) es una normal (es decir, perpendicular) al plano y

P0 = (x0 , y0 , z0 ) es un punto del plano. Dicho de otra manera, la ecuación
general de un plano en R3 está dada por

ax + by + cz = d.

P
n
P0

Figura 3.19: Ecuación general de un plano P en R3

p · n = constante, donde n es la normal y p ∈ P

Otros ejemplos

1. Probamos que W = {(x, y) ∈ R2 | 2x − 3y = 0} es un subespacio

vectorial de R2 :

a) 2 · 0 − 3 · 0 = 0 ∴ 0 ∈ W,
b) si (x1 , y1 ) y (x2 , y2 ) ∈ W, se tiene 2x1 − 3y1 = 0 y 2x2 − 3y2 = 0
∴ 2(x1 + x2 ) − 3(y1 + y2 ) = 0 ∴ (x1 + x2 , y1 + y2 ) ∈ W,
c) si (x, y) ∈ W y λ ∈ R, 2x − 3y = 0 ∴ 2λx − 3λy = 0
∴ (λ x, λ y) ∈ W.

y = 23 x
W

Figura 3.20: La recta W = {(x, y) ∈ R2 | 2x − 3y = 0} es un subespacio

vectorial
68 3.4. Subespacios vectoriales

2. Probamos que

W = {(x, y, z) ∈ R3 | 2x + y + z = 0, 3x − 5y + z = 0}

es un subespacio vectorial en R3 . Nótese que W es la intersección

de 2 planos distintos, por lo que es una recta. Como la intersección
de subespacios vectoriales es un subespacio vectorial (ejercicio), basta
probar que
W1 = {(x, y, z) ∈ R3 | 2x + y + z = 0}
y
W2 = {(x, y, z) ∈ R3 | 3x − 5y + z = 0}
lo son. Probamos que W1 es un subespacio vectorial y la prueba para
W2 es análoga.

a) Como 2 · 0 + 0 + 0 = 0, 0 ∈ W1 ,
b) si
2x1 + y1 + z1 = 0,
2x2 + y2 + z2 = 0

entonces
2(x1 + x2 ) + (y1 + y2 ) + (z1 + z2 ) = 0,
i.e., la suma de vectores en W1 está en W1 ,
c) si 2 x + y + z = 0 y λ ∈ R, entonces 2λ x + λ y + λ z = 0 y
(λ x, λ y, λ z) ∈ W1 .

EJERCICIOS 3.3
1. Pruebe que un plano en R3 por el origen , i.e., un conjunto de la
forma W = {(x, y, z) ∈ R3 | ax + by + cz = 0, a, b, c ∈ R} es un subespacio
vectorial.
2. Pruebe que W = {(x, y, z) ∈ R3 | 3x − 3y + z = 0} es un subespacio
vectorial de R3 .
3. Pruebe que W = {(x1 , x2 , x3 , x4 ) ∈ R4 | x1 + x2 + x3 + x4 = 0} es un
subespacio vectorial.
4. Pruebe que la intersección de 2 subespacios vectoriales en Rn es un
subespacio vectorial.
3. El espacio vectorial Rn 69

3.4. Combinaciones lineales, dependencia e

independencia lineal
Definición 40 Sean A1 , A2 , ..., Ak vectores en Rn , se dice que C ∈ Rn
es combinación lineal de A1 , A2 , ..., Ak , si existen λ1 , λ2 , ..., λk ∈ R
tales que C = λ1 A1 + λ2 A2 + · · · + λk Ak .

Ejemplos
1. El vector (−4, 5) en R2 es combinación lineal de A1 = (1, 1) y
A2 = (2, −1), ya que (−4, 5) = 2(1, 1) + (−3)(2, −1).
2. En R2 (2, 1) no es combinación lineal de los vectores (1, 0) y (−2, 0),
esto se sigue ya que λ(1, 0) + μ(−2, 0) = (λ − 2 μ, 0).
3. En R3 todo vector es combinación lineal de los vectores (1, 0, 0), (0, 1, 0)
y (0, 0, 1):

(x, y, z) = x (1, 0, 0) + y(0, 1, 0) + z(0, 0, 1).

4. En Rn todo vector es combinación lineal de los vectores canónicos

e1 , e2 , ..., en , donde ej = (0, 0, ..., 0, 1, 0, ..., 0):
  
j-ésimo lugar

(x1 , x2 , ..., xn ) = x1 e1 + x2 e2 + · · · + xn en .

5. Dados vectores A1 , A2 , ..., Ak , cualquiera de ellos es combinación lineal

del conjunto de todos ellos, por ejemplo

A1 = 1 · A1 + 0 · A2 + ... + 0 · Ak .

6. 0 es combinación lineal de cualquier conjunto de vectores A1 , A2 , ..., Ak :

0 = 0 · A1 + 0 · A 2 + · · · + 0 · A k .

7. Si tanto C como D son combinación lineal de A1 , ..., Ak , entonces

C + D también lo es:

k
C = λi Ai , D = μ i Ai ∴ C +D = (λi + μi ) Ai .
i=1 i=1 i=1
70 3.4. Combinaciones lineales, dependencia e independencia lineal

8. En R3 todo vector (x, y, z) es combinación lineal de (1, 0, 0), (1, 1, 0)

y (1, 1, 1).
Para probar este hecho se toma (x, y, z) ∈ R3 , se buscan escalares
λ1 , λ2 , λ3 tales que
(x, y, z) = λ1 (1, 0, 0) + λ2 (1, 1, 0) + λ3 (1, 1, 1)
= (λ1 + λ2 + λ3 , λ2 + λ3 , λ3 ),
tomando λ3 = z, se tiene λ2 = y − λ3 = y − z, y x = λ1 + y − z + z,
i.e., λ1 = x − y.
9. Se expresa al vector (8, −1) como combinación lineal de (2, 1) y (3, −1).
Para esto, se buscan λ y μ tales que (8, −1) = λ(2, 1) + μ(3, −1),
i.e.,
 
8 = 2λ + 3μ 8 = 2λ + 3μ
⇔
−1 = λ − μ −3 = 3λ − 3μ,

sumando tenemos 5 = 5λ, λ = 1 y μ = 2.

Definición 41 Dados vectores A1 , ..., Ak en Rn , al conjunto de combina-
ciones lineales de A1 , A2 , ..., Ak , es decir,
{λ1 A1 + λ2 A2 + · · · + λk Ak | λi ∈ R, ∀i}.
se le llama el subespacio generado por A1 , A2 , ..., Ak , y se le denota por
< A1 , A2 , ..., Ak > .
Proposición 3.4.1 Dados vectores A1 , ..., Ak , entonces

W =< A1 , A2 , ..., Ak >

es un subespacio vectorial.
Demostración. El vector nulo está en W , ya que 0 = 0 · A1 + · · · + 0 · Ak .
Ahora, si λ1 A1 + · · · + λk Ak , μ1 A1 + · · · + μk Ak ∈ W, entonces
(λ1 + μ1 )A1 + · · · + (λk + μk )Ak ∈ W,
y si λ ∈ R, se tiene
λ λ1 A1 + · · · + λ λk Ak ∈ W.

3. El espacio vectorial Rn 71

Dependencia lineal

Definición 42 Se dice que C ∈ Rn depende linealmente de A1 , A2 , ..., Ak ,

si C es combinación lineal de A1 , A2 , ..., Ak , i.e., si existen λ1 , λ2 , ..., λk ∈ R
tales que
C = λ1 A 1 + λ 2 A 2 + · · · + λ k A k .

Obsérvese que C depende linealmente de A1 , A2 , ... , Ak , si y sólo si

C ∈ < A1 , ..., Ak > .

Definición 43 Se dice que los vectores A1 , A2 , ..., Ak en Rn son linealmen-

te dependientes, si alguno de ellos depende linealmente de los otros.

Por ejemplo, si A = (1, 1, 0), B = (4, 4, 0) y C = (0, 0, 7), entonces

A, B, C son linealmente dependientes, ya que B = 4 · A + 0 · C.
Obsérvese que cuando se dice que uno de ellos depende linealmente de los
otros, no se tiene que necesariamente cada uno de ellos es combinación lineal
de los otros, por ejemplo si A, B y C son como arriba, C no es combinación
lineal de A y B.

Teorema 3.4.2 Sean A1 , A2 , ..., Ak vectores en Rn , entonces estos vectores

son linealmente dependientes si y sólo si existe una combinación lineal de
ellos igual a 0 con algún coeficiente distinto de 0, i.e.,

λ1 A1 + λ2 A2 + · · · + λk Ak = 0

y λj = 0 para alguna j ∈ {1, 2, ..., k}.

Demostración.
⇒) Si A1 , A2 , ..., Ak son linealmente dependientes, alguno de ellos, digamos
Aj , depende linealmente de los otros, i.e., existen λ1 , λ2 , ..., λj−1 , λj+1 , ..., λk
números reales, tales que
j−1

k
Aj = λ i Ai + λi Ai ,
i=1 i=j+1

y por lo tanto

λ1 A1 + · · · + λj−1 Aj−1 + (−1)Aj + λj+1 Aj+1 + · · · + λk Ak = 0.

72 3.4. Combinaciones lineales, dependencia e independencia lineal

⇐) Viceversa, si existen λ1 , λ2 , ..., λk ∈ R  λ1 A1 + λ2 A2 + · · · + λk Ak = 0,

donde λj = 0, entonces despejando se tiene
       
−λ1 −λj−1 −λj+1 −λk
Aj = A1 + · · · + Aj−1 + Aj+1 + · · · + Ak .
λj λj λj λj


Definición 44 Se dice que una colección de vectores A1 , A2 , ..., Ak en Rn

son linealmente independientes, si no son linealmente dependientes.

Esta definición se puede reformular como sigue: A1 , A2 , ..., Ak son lineal-

mente independientes, si ninguno de ellos es combinación lineal de los otros.

Corolario 3.4.3 Sean A1 , A2 , ..., Ak vectores en Rn . Entonces, estos

vectores son linealmente independientes si y sólo si para toda combina-
ción lineal λ1 A1 + · · · + λk Ak = 0, se tiene que λi = 0 ∀ i.

Demostración.
⇒) Si A1 , A2 , ..., Ak son linealmente independientes, entonces no son lineal-
mente dependientes. En consecuencia, se sigue del Teorema 3.4.2 que si
λ1 A1 + · · · + λk Ak = 0,
necesariamente λi = 0 ∀ i.
⇐) Si para toda combinación lineal λ1 A1 + · · · + λk Ak = 0, se tiene que
λi = 0 ∀ i, se sigue del Teorema 3.4.2 que A1 , A2 , ..., Ak no pueden ser
linealmente dependientes i.e., son linealmente independientes.

Por ejemplo, en R2 los vectores (1, 0) y (1, 1) son linealmente indepen-
dientes, en efecto si λ(1, 0) + μ(1, 1) = 0, entonces λ + μ = 0 y μ = 0,
por lo que λ = 0.

Nótese que si un conjunto de vectores {A1 , A2 , ..., Ak } es linealmente

dependiente, entonces cualquier otro conjunto que lo contenga, por ejemplo
{A1 , A2 , . . . , Ak , Ak+1 , . . . , As } también es linealmente dependiente.
Esto se sigue ya que existen λ1 , λ2 , . . . , λk ∈ R, alguno distinto de 0,
tales que λ1 A1 + · · · + λk Ak = 0, por lo cual se tiene
λ1 A1 + · · · + λk Ak + 0 · Ak+1 + . . . + 0 · Ak+s = 0.
3. El espacio vectorial Rn 73

Ejemplos
1. Probamos que los vectores D1 = (1, 0, 0), D2 = (1, 1, 0) y D3 = (1, 1, 1)
son linealmente independientes en R3 :
si λ1 D1 + λ2 D2 + λ3 D3 = 0, entonces
λ1 + λ2 + λ3 = 0,
λ2 + λ3 = 0,
λ3 = 0,
y por lo tanto λ1 , λ2 , λ3 = 0.
2. En Rn , los vectores D1 = (1 , 0 , . . . , 0), D2 = (1 , 1 , 0 , . . . , 0), . . . ,
Di = (1, . . . , 1 , 1, 0, . . . , 0), . . . , Dn = (1, . . . , 1)

i-ésima coordenada
son linealmente independientes:

n
si λi Di = 0,
i=1
se tiene
λ1 + λ2 + · · · + λn = 0,
..
.
λ2 + · · · + λn = 0,
..
.
λn = 0,
y por lo tanto λ1 , λ2 , . . . , λn = 0.

3. Probamos que en R2 los vectores (−1, 1) , (2, 3) y (−5, 2) son lineal-

mente dependientes:
si λ1 (−1, 1) + λ2 (2, 3) + λ3 (−5, 2) = 0, entonces

−λ1 + 2λ2 − 5λ3 = 0,
λ1 + 3λ2 + 2λ3 = 0,

sumando se tiene 5λ2 − 3λ3 = 0, tomando λ2 = 3 se obtiene λ3 = 5.

Sustituyendo estos valores, por ejemplo, en la primera ecuación se tiene
−λ1 + 6 − 25 = 0 y λ1 = −19. Se concluye que los vectores son
linealmente dependientes, ya que −19(−1, 1) + 3(2, 3) + 5(−5, 2) = 0.
74 3.5. Bases

EJERCICIOS 3.4
1. Demuestre que en R2 todo vector es combinación lineal de (1, 2) y (0, 1).
2. Exprese el vector (3, 4) como combinación lineal de (1, 2) y (0, 1).
3. Dados u1 = (3, −1, 0), u2 = (0, 1, 0) y u3 = (5, 4, 0), exprese el vector u3
como combinación lineal de los otros dos.
4. Probar que en R3 los vectores (2, 0, 0), (1, 3, 0) y (1, 2, 4) son linealmente
independientes.
5. Probar que en R3 los vectores (1, 0, −2), (1, 1, 0), (1, 0, 4) y (1, 1, 1) son
linealmente dependientes.

3.5. Bases
Definición 45 Un conjunto {A1 , A2 , ..., Ar } de vectores en Rn se llama
base del subespacio vectorial W ⊂ Rn , si

a) {A1 , A2 , ..., Ar } son linealmente independientes,

b) < A1 , A2 , ..., Ar > = W, i.e. A1 , A2 , ..., Ar generan W .

Ejemplos

1. Si e1 = (1, 0) y e2 = (0, 1), entonces {e1 , e2 } es una base de R2 ,

esto se sigue ya que e1 y e2 son linealmente independientes y generan
R2 : (x, y) = x e1 + y e2 .

2. Si D1 = (1, 0) y D2 = (1, 1), entonces {D1 , D2 } es una base de

R2 : si λ1 (1, 0) + λ2 (1, 1) = 0, entonces λ1 = λ2 = 0 y D1 , D2
son linealmente independientes. Ahora probamos que generan: dado
(x, y) ∈ R2 , se debe resolver el sistema (x, y) = λ1 (1, 0) + λ2 (1, 1),
es decir,

x = λ 1 + λ2 ,
y = λ2 .
El cual evidentemente tiene solución.

3. En Rn los vectores canónicos e1 , e2 , ..., en , forman una base, donde

ei = (0, 0, ..., 0, 1, 0, ..., 0),

3. El espacio vectorial Rn 75

con coordenada i-ésima igual a 1 y las otras 0. Estos son linealmente

n
independientes ya que si λi ei = 0, se tiene λi = 0 ∀ i. Por
i=1
otra parte, se mostró en la sección anterior que todo vector en Rn es

n
combinación lineal de éstos: si x = (x1 , ..., xn ) ∈ Rn , x = xi e i .
i=1

4. También los vectores D1 , D2 , ..., Dn forman una base de Rn , donde

D1 = (1, 0, 0, ..., 0), D2 = (1, 1, 0, ..., 0),...,Dn = (1, 1, 1, ..., 1).
Se mostró al final de la sección anterior el hecho de que estos vecto-
res son linealmente independientes, mostramos ahora que generan Rn .
Dado (x1 , x2 , ..., xn ) ∈ Rn se deben encontrar λ1 , λ2 , ..., λn ∈ R 

n
λi Di = (x1 , ..., xn ),
i=1

esto es,
⎧
⎪
⎪ λ1 + λ2 + · · · + λn = x 1 ,
⎪
⎪
⎨ λ2 + · · · + λn = x 2 ,
⎪ .. .
⎪
⎪ . = ..
⎪
⎩ λn = x n ,

y la solución está dada por: λn = xn ,

λn−1 + λn = xn−1 , i.e., λn−1 = xn−1 − xn ,
λn−2 = xn−2 − (xn−1 − xn ) − xn = xn−2 − xn−1 ,
λn−3 = xn−3 − (xn−2 − xn−1 ) − (xn−1 − xn ) − xn = xn−3 − xn−2 ,
inductivamente se sigue que λn−j = xn−j − xn−j+1 (ejercicio).

5. Sea W = {(x, y, z) ∈ R3 | 2x + 3y − z = 0}, W es un subespacio

vectorial con base {(1, 0, 2) , (0, 1, 3)}. Por una parte los vectores son
linealmente independientes: λ(1, 0, 2) + μ(0, 1, 3) = 0 ⇒ λ = μ = 0; y
por otra estos vectores también generan W : dado (x, y, z) ∈ W , se
tiene z = 2x + 3y, hay que probar
(x, y, z) = λ(1, 0, 2) + μ(0, 1, 3),
i.e., (x, y, z) = (λ, μ, 2λ + 3μ), tomando λ = x y μ = y se sigue el
resultado.
76 3.5. Bases

6. Sea A ∈ Rn − {0} y W = {x ∈ Rn | x = λA, λ ∈ R}, entonces A

es una base de W : A es linealmente independiente ya que si λA = 0,
entonces λ = 0, también genera ya que si y ∈ W, entonces y = λA.
7. En R3 , W = {(x1 , x2 , x3 ) ∈ R3 | x3 = 0} es un subespacio vectorial
con base e1 = (1, 0, 0) y e2 = (0, 1, 0): ya se mostró que e1 y e2
son linealmente independientes, ahora dado (x, y, z) ∈ W se tiene

(x, y, z) = xe1 + ye2 .

Geométricamente es evidente que si A, B, C son vectores en R2 (veáse la

Figura 3.21), éstos deben ser linealmente dependientes; probaremos esto de
manera formal y más general.

B C

Figura 3.21: En R2 cualesquiera tres vectores

son linealmente dependientes

Teorema 3.5.1 Sea W un subespacio vectorial generado por k vectores,

entonces cualquier conjunto de k + 1 vectores en W es linealmente depen-
diente. Y por ende, cualquier otro conjunto de k +m vectores en W, m ≥ 1,
también es linealmente dependiente.

Antes de probar el teorema mostramos un ejemplo. Sea W un subespacio

vectorial generado por A1 y A2 en Rn y

B1 = α11 A1 + γ1 A2 ,

B2 = α21 A1 + γ2 A2 ,

B3 = α31 A1 + γ3 A2 ,

donde alguna γi = 0 (si γi = 0 ∀ i son tres vectores generados por un solo

vector, lo cual no es el planteamiento), digamos γ1 = 0, entonces
3. El espacio vectorial Rn 77

 γ2
B2 = B2 − B
γ1 1
= (escalar)A1 ,
 γ3
B3 = B3 − B
γ1 1
= (escalar)A1 ,

 
por lo que B2 y B3 son linealmente dependientes. En consecuencia, B1 , B2 ,
 
y B3 también lo son, ya que una combinación lineal de B2 y B3 igual a 0,
con algún coeficiente distinto de 0, genera una análoga para B1 , B2 , B3 (el
 
coeficiente de B2 es el mismo que el de B2 , y también el de B3 es el de B3 ).

Demostración del Teorema 3.5.1. Se prueba por inducción sobre k.

Si k = 1, W = {λA | λ ∈ R}, donde A ∈ Rn − {0} es un vector fijo.
Dados B1 y B2 ∈ W , B1 = B2 , entonces
 B 1 = λ1 A y B2 = λ2 A, don-
de podemos suponer λ1 = 0 ∴ B2 = λ2 1
B
λ1 1
y B1 , B2 son linealmente
dependientes.

Suponiendo cierto el resultado para k, ahora probamos para k + 1. Sean

A1 , A2 , ...., Ak+1 vectores que generan W y B1 , B2 , ..., Bk+2 vectores en W,
entonces

B1 = α11 A1 + ··· + α1k Ak + γ1 Ak+1

B2 = α21 A1 + ··· + α2k Ak + γ2 Ak+1
.. ..
. .
Bk+2 = α(k+2)1 A1 + · · · + α(k+2)k Ak + γ(k+2) Ak+1 .

Se tienen 2 casos:
Caso 1: alguna γi = 0. Sin perder generalidad, se puede tomar γ1 = 0.
 
En este caso los vectores B2 , ..., Bk+2 , definidos por
 γ2  γk+2
B2 = B2 − B1 , ... , Bk+2 = Bk+2 − B1 ,
γ1 γ1

son k + 1 vectores que pertenecen al subespacio vectorial generado por

A1 , A2 , ...., Ak (análogamente al ejemplo, se eliminó Ak+1 y B1 ).
 
Se sigue entonces de la hipótesis de inducción que B2 , ..., Bk+2 son lineal-
mente dependientes, por lo que existe una combinación lineal
 
λ2 B2 + · · · + λk+2 Bk+2 = 0
78 3.5. Bases

con alguna λi = 0, sustituyendo se tiene

λ2 B2 + · · · + λk+2 Bk+2 + (coef iciente)B1 = 0
∴ B1 , B2 , ..., Bk+2 son linealmente dependientes.
Caso 2: γi = 0 ∀ i. En este caso, B1 , B2 , ..., Bk+2 están en el subespacio
generado por A1 , ..., Ak , se sigue entonces de la hipótesis de inducción que
B1 , B2 , ..., Bk+1 son linealmente dependientes, y por lo tanto B1 , B2 , ..., Bk+2
también lo son. 
Corolario 3.5.2 En Rn , cualquier conjunto de más de n vectores es lineal-
mente dependiente.
Demostración. La base canónica e1 , e2 , ..., en genera Rn . 

Existencia de bases
Lema 3.5.3 Sea W un subespacio vectorial de Rn generado por los
vectores linealmente independientes B1 , B2 , ..., Bk . Supóngase también que
B ∈ Rn − W , entonces B, B1 , B2 , ..., Bk son linealmente independientes.
Demostración. Sea
λ1 B1 + · · · + λk Bk + λB = 0
una combinación lineal. Necesariamente λ = 0, ya que de otra manera
B ∈ W , por lo cual
λ1 B1 + ... + λk Bk = 0.
Se sigue entonces que λi = 0 ∀ i (ya que B1 , B2 , ..., Bk son linealmente
independientes),
∴ {B, B1 , B2 , ..., Bk } son linealmente independientes.

Teorema 3.5.4 Sea W un subespacio vectorial de Rn y B1 , B2 , ..., Bk
vectores de W linealmente independientes, entonces existen vectores
Bk+1 , Bk+2 , ..., Bk+t
tales que
B1 , B2 , ..., Bk , ..., Bk+t
es una base de W .
3. El espacio vectorial Rn 79

Demostración. Si B1 , B2 , ..., Bk generan W no hay nada que probar. De

otra manera, sea W1 =< B1 , B2 , ..., Bk > y Bk+1 ∈ W − W1 , por el Lema
3.5.3
{B1 , B2 , ..., Bk , Bk+1 }
son linealmente independientes. Si estos generan W , ya terminamos, de otra
manera, sea Bk+2 ∈ W − W2 , donde W2 =< B1 , ..., Bk+1 >, etcétera.
El proceso debe terminar antes de que k + t sea menor o igual a n, en
caso contrario se tendrı́an más de n vectores linealmente independientes en
Rn , lo cual contradice el Corolario 3.5.2.
∴ Existe t ∈ N  k + t ≤ n y los vectores {B1 , B2 , ..., Bk+t } forman
una base de W .


Corolario 3.5.5 Todo subespacio vectorial de Rn (distinto de 0 ) tiene una

base.

Demostración. Si W = 0, entonces existe A ∈ W  A = 0, como {A}

es linealmente independiente, el resultado se sigue del Teorema 3.5.4.

dimensión

Teorema 3.5.6 Todas las bases de un subespacio vectorial W de Rn tienen

el mismo número de elementos.

Demostración. Sean {A1 , ..., Ak } y {B1 , ..., Bt } dos bases de W , hay

que probar que k = t.
Como A1 , A2 , ..., Ak generan W y B1 , B2 , ..., Bt son linealmente inde-
pendientes, se sigue del Teorema 3.5.1 que t ≤ k (si t > k dicho teorema
dice que B1 , B2 , ..., Bt son linealmente dependientes).
Aplicando el mismo argumento al revés se tiene k ≤ t.


Definición 46 Sea W un subespacio vectorial de Rn , se define su dimen-

sión como el número de elementos de cualquier base.

Ejemplos

1. R tiene dimensión 1, R2 dimensión dos, R3 dimensión tres y Rn

dimensión n.
80 3.5. Bases

2. Cualquier recta por el origen en R2 tiene dimensión 1. Una recta con

estas caracterı́sticas es de la forma

L = {λ(x0 , y0 ) | λ ∈ R},
donde (x0 , y0 ) ∈ L − {0} es un vector fijo.
3. Si se toma el vacı́o como base de {0}, entonces {0} tiene dimensión
0 (el número de elementos de la base es 0). De otra manera, se puede
convenir que su dimensión es 0.
4. En R3 las rectas por el origen tienen dimensión 1 y los planos dimen-
sión 2 : si P es un plano por el origen en R3 , sea A1 = 0, A1 ∈ P ,
debe existir también A2 ∈ P − < A1 >, ya que de otra manera P
es una recta. Se afirma que P = < A1 , A2 >; esto se deriva ya que si
A3 ∈ P − < A1 , A2 >, se sigue del Lema 3.5.3 que A1 , A2 y A3 son
linealmente independientes, y entonces P = R3 (de otra manera existe
A4 ∈ R3 − < A1 , A2 , A3 >, y R3 , tendrı́a dimensión mayor a 3).
5. En Rn se les llama rectas por el origen a los subespacios de dimensión
1, planos por el origen a los subespacios de dimensión 2, hiperpla-
nos a los subespacios de dimensión k, 2 < k < n, y subespacios de
codimensión 1, a los de dimensión n − 1 en Rn .

EJERCICIOS 3.5
1. Acabar los argumentos formales en el ejemplo 4 antes del Teorema 3.5.1.
2. Sea W = {(x, y, z) ∈ R3 | 5x + y + z = 0}, encuentre una base de W y
pruebe que en efecto lo es.
3. Sea W = {(x1 , x2 , x3 , x4 ) ∈ R4 | x1 + x2 + x3 + x4 = 0}, encuentre una
base de W , verifique formalmente.
4. Encuentre una base para la recta,
W = {(x, y, z) ∈ R3 | 2x − y − z = 0, 3x + y − 2z = 0}.
Justifique rigurosamente sus afirmaciones.
5. Encuentre una base para el plano
W = {(x1 , x2 , x3 , x4 ) ∈ R4 | 2 x1 + x2 − x3 + x4 = 0, x1 − x2 − x3 + 5x4 = 0}.
Verifique formalmente.
6. Pruebe que (1, 2), (2, −1) forman una base de R2 .
Capı́tulo 4

Matrices y determinantes

4.1. Definiciones
En las matemáticas aparecen frecuentemente arreglos rectangulares de números.
Por ejemplo, al estudiar un sistema de ecuaciones lineales
⎧
⎪
⎪ a11 x1 + a12 x2 + · · · + a1n xn = b1
⎪
⎪
⎨ a21 x1 + a22 x2 + · · · + a2n xn = b2
⎪ .. ..
⎪
⎪ . .
⎪
⎩ a x + a x + ··· + a x = b ,
m1 1 m2 2 mn n m

es natural considerar el siguiente arreglo de números

⎛ ⎞
a11 a12 · · · a1n
⎜ a21 a22 · · · a2n ⎟
⎜ ⎟
⎜ .. .. ⎟ . (4.1)
⎝ . . ⎠
am1 am2 · · · amn
Este tipo de arreglos se llaman matrices, las hileras verticales se llaman
columnas y las horizontales renglones, en este caso se tienen m renglones y
n columnas, y se dice que se trata de una matriz de m × n. También con los
términos constantes del sistema se obtiene una matriz de m × 1.
⎛ ⎞
b1
⎜ b2 ⎟
⎜ ⎟
⎜ .. ⎟ .
⎝ . ⎠
bm

81
82 4.1. Definiciones

Por ejemplo, al sistema

⎧
⎪
⎨ 3x − 2y + z = 0
y − 3z = 7
⎪
⎩
2x + 7y = 4,
se le asocian las matrices
⎛ ⎞ ⎛ ⎞
3 −2 1 0
⎝ 0 1 −3 ⎠ y ⎝ 7 ⎠
2 7 0 4
Los elementos que forman una matriz se toman en un anillo como Z, o
en un campo como en Q, R o C. El sı́mbolo aij denotará el número ubicado
en el renglón i y la columna j. Por ejemplo en la matriz de 3 × 3 descrita
anteriormente a2 3 = −3. En una matriz de n × n, denominada cuadrada, a
los elementos de la forma ajj , se les llama diagonales. Una matriz cuadrada
se llama diagonal si sus únicos elementos distintos de 0 son los diagonales,
por ejemplo
⎛ ⎞
  5 0 0
4 0
o ⎝ 0 6 0 ⎠
0 1
0 0 0
Sean aij , las entradas de una matriz cuadrada 1 ≤ i ≤ n, y 1 ≤ j ≤ n.
Nótese que si i > j, aij está abajo de la diagonal, y si i < j, entonces aij
está arriba de la diagonal. Para constatar este hecho considérese el renglón
i ≥ 2 y la primera columna, esto es abajo de la diagonal, moviéndose de
columna en el mismo renglón, el número de columna crece, en la diagonal es
igual a i, etcétera.
Definición 47 Una matriz cuadrada se le llama triangular si todas las en-
tradas de arriba (o todas las de abajo) de la diagonal son 0.

Por ejemplo, las siguientes matrices son triangulares

⎛ ⎞
1 0 0
⎝ 5 2 0 ⎠ triangular inferior,
0 1 3
 
2 1
triangular superior.
0 3
4. Matrices y determinantes 83

Obsérvese que si A es una matriz de m×n como en (4.1), a los renglones

de A se les pueden asociar

R1 = (a11 , a12 , . . . , a1n )

R2 = (a21 , a22 , . . . , a2n )
.. .. (4.2)
. .
Rm = (am1 , am2 , . . . , amn ),
que son m vectores en Rn , llamados vectores renglón; y a las columnas se
les puede asociar

C1 = (a11 , a21 , . . . , am1 )

C2 = (a12 , a22 , . . . , am2 )
.. .. (4.3)
. .
Cn = (a1n , a2n , . . . , amn ),
que son n vectores en Rm , llamados vectores columna.
Si una matriz B se obtiene de otra A eliminando algunos renglones y/o
columnas se dice que B es una submatriz de A.

4.2. El rango de una matriz

Definición 48 Sea A la matriz descrita en (4.1), se define el rango de A
como la dimensión del subespacio vectorial en Rn generado por los vectores
renglón, i.e, los descritos en (4.2).
Se probará, al final del capı́tulo, que esta dimensión es la misma que la del
subespacio vectorial en Rm generado por los vectores columna. Obsérvese
que si r es el rango, entonces r ≤ m (ya que son m vectores renglón) y
también r ≤ n (ya que estos vectores viven en Rn ).
Por ejemplo, el rango de la siguiente matriz es 2
⎛ ⎞
1 0 0
⎝ 0 1 0 ⎠,
4 4 0
y de esta otra es 3 ⎛ ⎞
1 2 3 4
⎝ 0 2 4 5 ⎠.
0 0 2 1
84 4.2. El rango de una matriz

Operaciones elementales

A continuación se definen ciertas operaciones llamadas elementales para ren-

glones (también se puede hacer lo mismo para columnas).
OPERACIÓN 1: intercambio de renglones.
OPERACIÓN 2: multiplicación de un renglón por un escalar distinto
de 0.
OPERACIÓN 3: sumar un renglón a otro.
Definición 49 Dos matrices A y B son equivalentes si se puede obte–
ner una de otra mediante un número finito de operaciones elementales, se
escribirá A ∼ B.
Obsérvese que ∼ es de equivalencia (ejercicio).
Ejemplo de operación 1:
   
1 3 0 4 π 7
∼ ,
4 π 7 1 3 0
de operación 2: ⎛ ⎞ ⎛ ⎞
1 0 4 3 0 12
⎝ 2 1 3 ⎠ ∼ ⎝ 2 1 3 ⎠,
1 1 2 1 1 2
de operación 3:    
1 3 0 5 π+3 7
∼ .
4 π 7 4 π 7
Otro ejemplo
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
x1 x 2 x1 x2 x1 + αy1 x2 + αy2
⎝ y1 y2 ⎠ ∼ ⎝ αy1 αy2 ⎠ ∼ ⎝ y1 y2 ⎠
z1 z2 z1 z2 βz1 βz2
⎛ ⎞
x1 + αy1 + βz1 x2 + αy2 + βz2
∼ ⎝ y1 y2 ⎠,
z1 z2

es decir, usando operaciones elementales, a un renglón se le puede sumar una

combinación lineal de otros renglones.
4. Matrices y determinantes 85

Este procedimiento permite hacer ceros, por ejemplo:

⎛ ⎞ ⎛ ⎞ ⎛ ⎞
1 2 3 1 2 3 1 2 3
⎝ 2 1 1 ⎠ ∼ ⎝ 0 −3 −5 ⎠ ∼ ⎝ 0 −3 −5 ⎠
3 0 1 3 0 1 0 −6 −8

Obsérvese que siempre se puede hacer 0 debajo de una entrada distinta

de 0 (si las entradas están en un campo), por ejemplo si a1 = 0,
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
a1 a2 a3 1 a2 /a1 a3 /a1 1 ∗ ∗
⎝ b1 b2 b3 ⎠ ∼ ⎝ b1 b2 b3 ⎠ ∼ ⎝ 0 ∗ ∗ ⎠
c1 c2 c3 c1 c2 c3 0 ∗ ∗

Teorema 4.2.1 Las operaciones elementales no alteran el rango y por con-

siguiente 2 matrices equivalentes tienen el mismo rango.

Demostración. Sean R1 , R2 , . . . , Rm los vectores renglón de una matriz

A, entonces el rango de A resulta ser la dimensión del subespacio vectorial
W , generado por estos vectores, i.e. W = < R1 , R2 , . . . , Rm >. Hay que
probar que cada una de las 3 operaciones no altera el rango:
La operación 1 ciertamente no lo cambia (ya que al intercambiar 2 ren-
glones el espacio W no cambia).
Con respecto a la operación 2, si multiplicamos Ri por λ, se tiene
< R1 , R2 , . . . , Rm > = < R1 , . . . , λRi , . . . , Rm >, ya que los vectores que gene-
ran el primer subespacio están en el segundo, y viceversa,
1
Ri = (λRi ).
λ
Finalmente, en cuanto a la operación 3, si

W  = < R1 , . . . , Rj−1 , Ri + Rj , Rj+1 , . . . , Rm >,

ciertamente W  ⊂ W, ya que todas las combinaciones de los vectores que

definen W  , lo son también de R1 , R2 , . . . , Rm . Finalmente, para probar que
W ⊂ W  , basta probar que Rj ∈ W  , lo cual se sigue de la identidad

Rj = (Ri + Rj ) − Ri .


86 4.2. El rango de una matriz

Obsérvese que la prueba del teorema anterior muestra algo más general:
El subespacio vectorial generado por los vectores renglón no se altera bajo las
operaciones elementales, i.e., es invariante. Este teorema permite calcular el
rango de una matriz al transformarla mediante operaciones elementales en
otra, para la cual es fácil calcular el rango.
Definición 50 Una matriz es escalonada si la primera entrada distinta de
cero de cada renglón está más a la derecha de la primera entrada distinta de
cero del renglón anterior.

Ejemplos de matrices escalonadas:

⎛ ⎞
    0 2 5 3
1 3 π 4 9 4 0
, ,⎝ 0 0 1 2 ⎠.
0 0 0 1 0 1 0
0 0 0 8
 
0 1 4 1 1
Por otra parte, la matriz no es escalonada.
0 3 0 0 0

Lema 4.2.2 En una matriz escalonada, los vectores renglón distintos de 0

son linealmente independientes.

Antes de probar el lema exhibimos un ejemplo:

⎛ ⎞
1 1 1 1 1
⎜ 0 1 1 1 1 ⎟
Sea ⎜ ⎟
⎝ 0 0 0 1 1 ⎠,
0 0 0 0 0
entonces, si

λ1 (1, 1, 1, 1, 1) + λ2 (0, 1, 1, 1, 1) + λ3 (0, 0, 0, 1, 1) = 0,

se sigue que ⎧
⎪
⎨ λ1 = 0
λ1 + λ2 = 0
⎪
⎩
λ1 + λ2 + λ3 = 0,
y λ1 , λ2 , λ3 = 0.
Demostración del lema. En una matriz de m × n sean

1 ≤ j1 < j2 < · · · < jk ≤ n, k ≤ n,

4. Matrices y determinantes 87

tales que j1 es el número de columna donde aparece el primer número = 0

del 1er renglón, j2 el número de columna donde aparece el primer número
= 0 del 2o renglón, etcétera.
Ahora si
λ1 R1 + λ2 R2 + · · · + λm Rm = 0,
donde Ri son los vectores renglón de la matriz. Considerando la ecuación
escalar determinada por la coordenada j1 , se tiene λ1 = 0. Con la definida
por la coordenada j2 , se obtiene λ1 a1j2 + λ2 a2j2 = 0, por lo que λ2 = 0,
etcétera.

Por consiguiente, para calcular el rango de una matriz basta transformarla
mediante operaciones elementales en un escalonada y contar los renglones de
ésta distintos de 0.
Ejemplos
1. Sea ⎛ ⎞
1 −1 3 −5
⎜ 2 −3 4 −10 ⎟
A = ⎜ ⎟
⎝ −3 3 −9 15 ⎠ ,
3 −3 −6 −4
haciendo ceros debajo de la entrada a11 , se tiene
⎛ ⎞ ⎛ ⎞
1 −1 3 −5 1 −1 3 −5
⎜ 0 −1 −2 0 ⎟ ⎜ 0 −1 −2 0 ⎟
A∼⎜ ⎝ 0 0
⎟∼⎜ ⎟,
0 0 ⎠ ⎝ 0 0 −15 11 ⎠
0 0 −15 11 0 0 0 0
por lo que A tiene rango 3.
⎛ ⎞
0 1 2 3 1 0
⎜ 0 −1 −2 −4 2 1 ⎟
2. Sea A la matriz ⎜⎝ 0 0
⎟,
0 2 0 1 ⎠
0 1 2 2 4 1
⎛ ⎞ ⎛ ⎞
0 1 2 3 1 0 0 1 2 3 1 0
⎜ 0 0 0 −1 3 1 ⎟ ⎜ 0 0 0 −1 3 1 ⎟
A∼⎜ ⎝ 0 0 0 2 0 1
⎟∼⎜
⎠ ⎝ 0
⎟,
0 0 0 6 3 ⎠
0 0 0 −1 3 1 0 0 0 0 0 0
i.e, A tiene rango 3.
88 4.3. Permutaciones

EJERCICIOS 4.2
1. Calcular el rango de las siguientes matrices
⎛ ⎞
⎛ ⎞ ⎛ ⎞ 2 0 1 −1 3
1 2 3 1 1 2 0 ⎜ 1 2 −1 1 ⎟
⎝ 4 2 −1 ⎠ , ⎝ 2 3 1 4 ⎠ , ⎜ 2 ⎟.
⎝ 1 1 1 2 4 ⎠
3 0 1 1 5 0 2
3 0 1 1 −1
2. Pruebe que la relación establecida en la Definición 49 es de equivalencia.

4.3. Permutaciones
Recordamos que una permutación de In = {1, 2, . . . , n} es una función
biyectiva de In en In y que hay n! permutaciones de In . El conjunto de
ellas se denota por Sn , por ejemplo
   $
1 2 1 2
S2 = , ,
1 2 2 1
      $
1 2 3 1 2 3 1 2 3 1 2 3 1 2 3 1 2 3
S3 = , , , , , .
1 2 3 1 3 2 2 1 3 2 3 1 3 1 2 3 2 1
Escribiremos para una permutación σ ∈ Sn
 
1 2 ··· n
σ =
σ(1) σ(2) · · · σ(n)
o simplemente σ = (σ(1), σ(2), . . . , σ(n)).

Permutaciones pares e impares

Consideramos primero el siguiente ejemplo: sea
 
1 2 3 4 5 6 7
σ = ,
3 7 1 5 6 2 4
diremos que σ(2) = 7 y σ(3) = 1, en el 2o renglón forman una inversión,
ya que 2 < 3, pero σ(2) = 7 > σ(3) = 1, también σ(5) y σ(7) lo hacen.
Sin embargo, σ(3) y σ(6) no la forman, ya que σ(3) = 1 < 2 = σ(6). En
consecuencia, la definición formal general es la siguiente.

Definición 51 Sea σ ∈ Sn , se dice que σ(i) y σ(j) forman inversión, si

i < j y σ(i) > σ(j).
4. Matrices y determinantes 89

Para contar el número de inversiones de una permutación dada basta con-

tar cuantos números mayores a un número dado en el 2o renglón lo preceden.
En el ejemplo anterior al 1 lo preceden 3 y 7, a 5 el 7, a 6 el 7, a 2, lo hacen
3, 7, 5 y 6, y a 4, 7, 5 y 6. Por lo que esta permutación tiene 11 inversiones.

Definición 52 Se dice que una permutación es par si tiene un número par

de inversiones, e impar si este número es impar (la paridad de la permutación
es la propiedad de ser par o impar).

Por ejemplo, la permutación (1 2 3 4 5) es par, ya que tiene cero inver-

siones y la permutación (2 1 3 4 5) es impar, ya que tiene una inversión
(σ(1) > σ(2)). Nuestro ejemplo original σ = (3 7 1 5 6 2 4) es impar, ya que
tiene 11 inversiones.

Transposiciones

Definición 53 Una transposición es una permutación que consiste en inter-

cambiar 2 elementos.

Por ejemplo
 
1 2 3 4 5
.
1 5 3 4 2
Construiremos una nueva permutación a partir de una permutación dada,
al intercambiar dos elementos en el 2o renglón, i.e., si
 
1 2 ··· r ··· s ··· n
σ =
σ(1) σ(2) · · · σ(r) · · · σ(s) · · · σ(n)
y τ es la transposición que intercambia σ(r) y σ(s), se obtiene una nueva
permutación μ = τ · σ
 
1 2 ··· r ··· s ··· n
μ = ,
σ(1) σ(2) · · · σ(s) · · · σ(r) · · · σ(n)
probaremos que si σ es par, entonces μ es impar, y que si σ es impar, μ
es par, i.e., σ y μ tienen paridad distinta.
90 4.3. Permutaciones

Por ejemplo, si
   
1 2 3 4 5 6 7 1 2 3 4 5 6 7
σ = y μ = ,
3 7 1 5 6 2 4 3 7 5 1 6 2 4
se habı́a mostrado que σ tiene 11 inversiones, entonces μ tiene 12, ya que
tiene todas las de σ y una más, 1 con 5.

Lema 4.3.1 Sea μ la permutación obtenida de σ mediante la transposición

de 2 elementos consecutivos en el 2o renglón de σ, entonces σ y μ tienen
distinta paridad.

Demostración. Probamos que si σ tiene k inversiones, entonces μ tiene

k − 1 o k + 1 inversiones. Sean
 
1 2 ··· j j+1 ··· n
σ =
σ(1) σ(2) · · · σ(j) σ(j + 1) · · · σ(n)
y  
1 2 ··· j j + 1 ··· n
μ = .
σ(1) σ(2) · · · σ(j + 1) σ(j) · · · σ(n)
Todas las parejas que forman inversión en σ, también lo hacen en μ, salvo
σ(j) y σ(j + 1); éstas lo forman en σ si y sólo si no lo forman en μ.

Generalizamos ahora este resultado.
Teorema 4.3.2 Sea μ la permutación obtenida de la permutación σ me–
diante la transposición de dos elementos en el 2o renglón de σ, entonces σ
y μ tienen distinta paridad.
Demostración. El caso en los números que se transponen son consecutivos
se probó en el lema. Supongamos ahora que estos números están separados
por s lugares, i.e.,
 
1 2 ··· r ··· r+s ··· n
σ = , y
σ(1) σ(2) · · · σ(r) · · · σ(r + s) · · · σ(n)
 
1 2 ··· r ··· r + s ··· n
μ = .
σ(1) σ(2) · · · σ(r + s) · · · σ(r) · · · σ(n)
En el 2o renglón de σ podemos mover σ(r) a la derecha mediante s trans-
posiciones de elementos consecutivos, hasta que ocupe el lugar σ(r + s),
obteniéndose
4. Matrices y determinantes 91

 
 1 2 ··· r ··· r + s ··· n
σ = ,
σ(1) σ(2) · · · σ(r + 1) · · · σ(r) · · · σ(n)
posteriormente mediante s − 1 transposiciones de elementos consecutivos
podemos mover σ(r + s) a la izquierda, hasta que ocupe el lugar original
de σ(r), la permutación obtenida es precisamente μ. Por lo tanto se puede
pasar de σ a μ mediante 2s − 1 transposiciones de elementos consecutivos,
como la paridad cambia en cada paso y el número de éstos es impar, se sigue
el resultado.

Teorema 4.3.3 Sean σ ∈ Sn y m el número de inversiones de σ, entonces
σ se puede expresar como composición de m transposiciones.
Demostración. La siguiente representación de σ ilustra la idea de la
prueba  
·········
σ = .
····  1 · ···
Se mueve el 1 a la izquierda en el 2o renglón con transposiciones de elementos
consecutivos (todos estos números precedentes forman inversión con el 1),
hasta que ocupe el 1er lugar. Obsérvese que este movimiento no altera las
inversiones que forman otros números distintos de 1 entre sı́. Posteriormente,
se repite el proceso con el 2 hasta obtener (1, 2, ...), etcétera. Se sigue que
σm ·· · ··σ1 ·σ = I, donde las σj denotan las transposiciones descritas. Nótese
que el número de estos movimientos, i.e. m, es exactamente el número de
inversiones de σ. Finalmente, σ = σ1 · · · · · σm .


Inversa de una permutación

Dada σ ∈ Sn , σ es una función biyectiva de In en In , por lo que existe

σ −1 : In −→ In y σ −1 ∈ Sn . Obsérvese que σ(i) = k si y sólo si σ −1 (k) = i.
Si  
1 2 ··· n
σ = ,
σ(1) σ(2) · · · σ(n)
la inversa se puede expresar como
 
σ(1) σ(2) · · · σ(n)
,
1 2 ··· n
92 4.3. Permutaciones

o como  
1 2 ··· n
−1 −1 −1 .
σ (1) σ (2) · · · σ (n)
Por ejemplo, si
     
1 2 3 4 4 1 3 2 1 2 3 4
σ= , σ −1 = = .
4 1 3 2 1 2 3 4 2 4 3 1

Obsérvese que las transposiciones son involuciones, i.e., ellas son su propio
inverso, ya que si τ es una transposición, entonces τ 2 = τ · τ = Id.
Podemos enumerar los inversos de los elementos de S3 .
   
1 2 3 −1 1 2 3
σ1 = = σ1 , σ2 = = σ2−1 ,
1 2 3 1 3 2
 
1 2 3
σ3 = = σ3−1 ,
2 1 3
     
1 2 3 2 3 1 1 2 3
σ4 = , σ4−1 = = ,
2 3 1 1 2 3 3 1 2
     
1 2 3 3 1 2 1 2 3
σ5 = , σ5−1 = = ,
3 1 2 1 2 3 2 3 1
 
1 2 3
σ6 = = σ6−1 ,
3 2 1
por lo que σ4 = σ5−1 y σ5 = σ4−1 .
Obsérvese que la asociación σ → σ −1 , es una biyección de Sn . Si σ, τ
son distintas, entonces σ −1 y τ −1 lo son, y dada una permutación μ ∈ Sn ,
μ es la imagen de su inversa bajo esta asociación.

Proposición 4.3.4 Una permutación σ es par si y sólo si σ −1 lo es.

Consideremos primero un ejemplo:

     
1 2 3 4 5 · 5 · 1 · 1 · · · 5
σ= , σ −1 = = ,
· 5 · 1 · · 2 · 4 · 4 · · · 2
i.e σ(2) = 5 y σ(4) = 1, forman inversión en σ si y sólo si σ −1 (1) = 4,
lo hace con σ −1 (5) = 2, en σ −1 . La relación: el número chico en el primer
renglón va al número grande en el segundo renglón se preserva.
4. Matrices y determinantes 93

Demostración de la proposición. La biyeción σ → σ −1 en Sn preserva

inversiones:

i<j y r = σ(i) > σ(j) = s

⇐⇒
s<r y σ −1 (s) = j > i = σ −1 (r),
i.e., las parejas que forman inversión en σ se corresponden de manera bi-
unı́voca con las que lo hacen en σ −1 . Por consiguiente, el número de inver-
siones de σ es el mismo que el de σ −1 . 
Nótese que la inversión también se puede definir en términos del 1er
renglón i < j y σ(i) > σ(j).
EJERCICIO 4.3
1. Encuentra la paridad de las siguientes permutaciones
   
3 5 6 1 2 4 y 1 7 8 2 4 3 5 6

4.4. Determinantes
El determinante es una función que le asocia a una matriz un número. Éstos
son muy importantes en matemáticas, por ejemplo, en el estudio de las ecua-
ciones lineales. En muchos casos, estos números representan el área o el volu-
men de los lugares geométricos asociados a sus vectores renglón, es decir, los
correspondientes paralelogramos o paralelepı́pedos, como se muestra al final
de este capı́tulo.
Definición 54 Se define el determinante de una matriz cuadrada
⎛ ⎞
a11 a12 · · · a1n
⎜ a21 a22 · · · a2n ⎟
⎜ ⎟
A = ⎜ .. .. . . .. ⎟ .
⎝ . . . . ⎠
an1 an2 · · · ann

como det A = ε(σ)a1σ(1) a2σ(2) · · · anσ(n) ,

σ ∈ Sn

donde 
1 si σ es par,
ε(σ) =
−1 si σ es impar.
94 4.4. Determinantes

En particular, para el caso n = 2, esta definición es más simple y familiar.

Definición 55 Sea  
a b
A=
c d
una matriz con entradas reales, al número ad − bc se le llama determinante
de A y se le denota por det A o por |A|.

Ejemplos
1. Si  
a11 a12
A= ,
a21 a22
entonces det A = a11 a22 − a12 a21 , ya que las permutaciones de {1, 2} son
   
1 2 1 2
que es par, y que es impar.
1 2 2 1

2. Calculamos el determinante de la matriz

⎛ ⎞
a11 a12 a13
A = ⎝ a21 a22 a23 ⎠ .
a31 a32 a33

Calculamos primero las permutaciones de {1, 2, 3}, y sus paridades.

 
1 2 3
es par (cero inversiones), genera el sumando a11 a22 a33 ,
1 2 3
 
1 2 3
es impar (una inversión), genera −a11 a23 a32 ,
1 3 2
 
1 2 3
es impar (una inversión), genera −a12 a21 a33 ,
2 1 3
 
1 2 3
es par (dos inversiones), genera a12 a23 a31 ,
2 3 1
 
1 2 3
es par (dos inversiones), genera a13 a21 a32 , y finalmente
3 1 2
 
1 2 3
es impar (tres inversiones), define el sumando −a13 a22 a31 .
3 2 1
4. Matrices y determinantes 95

Por consiguiente,
det A = a11 a22 a33 − a11 a23 a32 − a12 a21 a33 + a12 a23 a31 + a13 a21 a32 − a13 a22 a31 .

Volviendo al caso general de matrices de n × n, obsérvese que los su-

mandos están hechos por factores que son uno por cada renglón (ya que
los primeros subı́ndices son 1, 2, . . . , n), y uno por cada columna. Esto se
sigue ya que los segundos subı́ndices son σ(1), σ(2), . . . , σ(n), y σ es una
permutación.
Dada una matriz diagonal A, su determinante es a11 a22 . . . ann , i.e., el
producto de los elementos de la diagonal. Esto se sigue, ya que todos los
sumandos donde aparecen factores ajσ(j) con σ(j) = j son 0, esto es, la
única permutación que produce sumandos distintos de 0 es la identidad.

Proposición 4.4.1 Sea A una matriz triangular A = (aij ), 1 ≤ i, j ≤ n,

entonces det A = a11 a22 · · · ann .

Demostración. Probamos la proposición para triangulares superiores (ele-

mentos debajo de la diagonal son 0), el otro caso es análogo. Se afirma que
los sumandos donde aparece ajσ(j) , σ(j) = j son todos 0. Para probar la
afirmación consideramos dos casos, donde σ es fija y no es la identidad.
Caso 1: j > σ(j). En este caso por ser A triangular superior ajσ(j) = 0,
y se sigue la afirmación.
Caso 2: j < σ(j). En este caso, alguna otra i, de los primeros n naturales,
cumple i > σ(i). De otra manera, σ(n) ≥ n, y σ(n) = n. Asimismo
σ(n − 1) ≥ n − 1, por lo cual σ(n − 1) = n − 1, procediendo de esta manera,
se tiene σ(j) = j, lo cual contradice la hipótesis j < σ(j). Se concluye que
existe dicha i, y entonces aiσ(i) = 0 (por ser triangular superior).


4.5. Propiedades de los determinantes

Propiedad 1
Si el vector renglón Ri de una matriz A es la suma de 2 vectores renglón,
 
digamos Ri = Ri + Ri , entonces
 
|A| = |A | + |A |,
96 4.5. Propiedades de los determinantes

 
donde A y A son las matrices cuyos renglones i-ésimos están determi-
 
nados por Ri y Ri , respectivamente y los demás renglones son los mismos
que los de A.
Ejemplo
      
 a + a b + b     
  = (a + a )d − (b + b )c = ad − bc + a d − b c =  a b  +  a b   .
 c d   c d   c d
Demostración de la Propiedad 1. Sea
⎛ ⎞
a11 a12 · · · a1n
⎜ a21 a22 · · · a2n ⎟
⎜ ⎟
A = ⎜ .. .. ... .. ⎟ . (4.4)
⎝ . . . ⎠
an1 an2 · · · ann
 
Si el vector renglón Ri de A es Ri + Ri , podemos escribir
     
(ai1 , ai2 , . . . , ain ) = (ai1 , ai2 , . . . , ain ) + (ai1 , ai2 , . . . , ain ),
y se tiene que

|A|= ε(σ)a1σ(1) a2σ(2) · · ·aiσ(i) · · ·anσ(n)

σ∈Sn

 
= ε(σ)a1σ(1) a2σ(2) · · ·(aiσ(i) + aiσ(i) )· · ·anσ(n)
σ∈Sn




= ε(σ)a1σ(1) a2σ(2) · · ·aiσ(i) · · ·anσ(n) + ε(σ)a1σ(1) a2σ(2) · · ·aiσ(i) · · ·anσ(n)
σ∈Sn σ∈Sn
 
=|A | + |A |.

Esta propiedad nos permite simplificar determinantes, por ejemplo:
       
 a1 b 1 c 1   a1 + 0 b1 + 0 c1 + 0   a1 b1 0   0 0 c1 
    
 a2 b 2 c 2  =  a2 b2 c2  =  a2 b2 c2  +  a2 b2 c2 
    
 a3 b 3 c 3   a3 b3 c3   a3 b 3 c 3   a3 b 3 c 3 
     
 a1 0 0   0 b1 0   0 0 c1 
   
=  a2 b2 c2  + 
  a2 b2 c2  + 
 a2 b2 c2  .
 a3 b3 c3   a3 b 3 c3   a3 b 3 c 3 
4. Matrices y determinantes 97

Propiedad 2

Si el vector renglón Ri de la matriz A es de la forma Ri = λRi , entonces

|A| = λ|A |,

donde A es la matriz que se obtiene de A cambiando el renglón definido

por Ri por el renglón asociado a Ri .
Ejemplos
   
 λa λb   
1.   = λad − λbc = λ  a b .
c d   c d 

2. Observando que en la expresión del determinante aparece solamente un

factor de la forma a1j , por cada sumando, 1 ≤ j ≤ 3, se tiene
   
 λa1 λb1 λc1   a1 b 1 c 1 
   
 a2 b 2 c 2  = λ  a2 b 2 c 2  .
   
 a3 b 3 c 3   a3 b 3 c 3 

Demostración de la Propiedad 2. Sea A como en (4.4) y Ri = λRi ,
donde   
Ri = (ai1 , ai2 , . . . , ain ) = λ(ai1 , ai2 , . . . , ain ),
entonces

|A| = ε(σ)a1σ(1) a2σ(2) · · · aiσ(i) · · · anσ(n)

σ∈Sn


= ε(σ)a1σ(1) a2σ(2) · · · λaiσ(i) · · · anσ(n)
σ∈Sn


= λ ε(σ)a1σ(1) a2σ(2) · · · aiσ(i) · · · anσ(n)
σ∈Sn

= λ|A |.

Propiedad 3

Si la matriz A se obtiene intercambiando dos renglones de otra matriz A,
entonces

|A | = −|A|.
98 4.5. Propiedades de los determinantes

Ejemplo
   
a b  c d
Sean A = y A = ,
c d a b

entonces |A | = cb − da = −(ad − bc) = −|A|.
Demostración de la Propiedad 3. Sean
⎛ ⎞ ⎛ ⎞
a11 a12 · · · a1n b11 b12 · · · b1n
⎜ .. ⎟ y A = ⎜ .. .. ⎟ ,
A = ⎝ ... ..
.
...
. ⎠ ⎝ .
.. . .
. . . ⎠
an1 an2 · · · ann bn1 bn2 · · · bnn

donde
bij = aij ∀ i, j, i = r, i = s,
brj = asj ∀ j,
bsj = arj ∀ j,

i.e. A y A son la misma matriz excepto por los renglones r y s intercam-
biados.
Ahora dada σ ∈ Sn , se define τ ∈ Sn como sigue:

τ (i) = σ(i), ∀ i = r, s,
τ (r) = σ(s),
τ (s) = σ(r),
es decir,  
1 ··· r ··· s ··· n
τ= .
σ(1) · · · σ(s) · · · σ(r) · · · σ(n)
Nótese que τ tiene distinta paridad de σ, ya que se obtiene de ésta mediante
una transposición.
Finalmente

|A| = ε(σ)a1σ(1) · · · arσ(r) · · · asσ(s) · · · anσ(n)

σ∈Sn

= ε(σ)b1σ(1) · · · bsσ(r) · · · brσ(s) · · · bnσ(n)

σ∈Sn

= −ε(σ)b1τ (1) · · · bsτ (s) · · · br τ (r) · · · anτ (n)

τ ∈Sn

= −|A |.
4. Matrices y determinantes 99

Si σ recorre todas las permutaciones, τ también, ya que σ → τ es una

biyección en Sn .

Propiedad 4
Sea A = (aij ) la matriz identidad, esto es, aij = δij , donde

1 si i = j,
δij =
0 si i = j.

Entonces, |A| = 1, a la función δij se le llama la delta de Kronecker.

Demostración. Cada sumando a1σ(1) · · · anσ(n) es 0 salvo si σ(j) = j ∀j,
i.e., si σ = Id.

Ejemplo  
 1 0 
 
 0 1  = 1.

Propiedad 5
Si una matriz cuadrada tiene 2 renglones iguales su determinante es 0.

Demostración. Sea A dicha matriz y A la que se obtiene intercambiando

los 2 renglones que son iguales i.e., A = A, se sigue entonces de la Propiedad

3 que |A| = −|A | = −|A|, por lo que 2|A| = 0 y |A| = 0.

Propiedad 6
Si una matriz cuadrada tiene un renglón de ceros, entonces su determinante
es cero.
Demostración. En la definición de determinante aparece en cada sumando
un factor de cada uno de los renglones, i.e., cada sumando tiene un factor 0,
i.e., todos lo sumandos son 0.
Otra demostración se obtiene usando la Propiedad 2: se puede factorizar
0 del renglón de ceros y se tiene |A| = 0 · |A|, i.e., |A| = 0.

Ejemplo
       
 a1 b c   a1 b1 c1   a1 b1 c1   a1 b1 c1 
 1 1       
 a2 + λa3 b2 + λb3 c2 + λc3 = a2 b2 c2 + λa3 λb3 λc3 = a2 b2 c2 
       
 a3 b3 c3   a3 b3 c3   a3 b3 c3   a3 b3 c3 
100 4.5. Propiedades de los determinantes

Las igualdades son consecuencia de las Propiedades 1, 2 y 5. La siguiente

propiedad es una generalización de este ejemplo.

Propiedad 7

Si la matriz A se obtiene de la matriz cuadrada A sumando a un renglón

un multiplo de otro, entonces |A | = |A|.
Demostración. Supóngase que al renglón Ri se le sumó el renglón Rk
multiplicado por λ, entonces por las Propiedad 1 y la Propiedad 2 se tiene
que

|A | = |A| + λ|B|,
donde B es una matriz igual a A excepto por el renglón i que es el mismo
que el renglón k. Finalmente la Propiedad 5 establece que |B| = 0.

Iterando este proceso se tiene

Corolario 4.5.1 Si a un renglón de una matriz cuadrada A le sumamos


una combinación lineal de los demás renglones, obteniendo una matriz A ,

entonces |A | = |A|.

Corolario 4.5.2 Si los vectores renglón de una matriz cuadrada A son li-
nealmente dependientes, entonces |A| = 0.

Demostración. Las hipótesis implican que alguno de los vectores renglón

es combinación lineal de los otros, restando a dicho renglón esa combinación
lineal se obtiene un renglón de ceros.

Por ejemplo, si
⎛ ⎞
1 2 3
A = ⎝ 4 5 6 ⎠,
6 9 12

entonces (6, 9, 12) = 2(1, 2, 3) + (4, 5, 6) y |A| = 0, ya que

 
 1 2 3 
 
|A| =  4 5 6 .

 6−2·1−4 9−2·2−5 12 − 2 · 3 − 6 
4. Matrices y determinantes 101

Definición 56 Dada una matriz A = (aij ), 1 ≤ i ≤ n, 1 ≤ j ≤ m,

se define otra matriz llamada la transpuesta de A, denotada por t A (o At ),
como sigue

t
A = (bij ), donde bij = aji ,

Por ejemplo, si
⎛
⎞
  a π
a 2 0
A= , entonces t A = ⎝ 2  ⎠ .
π  1
o 1

Es decir, el 1er renglón se transforma en la 1a columna y el 2o renglón en la

2a columna.

Propiedad 8

|A| = |t A|.
Ejemplo
   
 a b   a c 
  = ad − bc = ad − cb =  
 c d   b d 
Demostración de la Propiedad 8. Sean A = (aij ) y t A = (bij ), i.e.,
aij = bji ∀ i, j. Ahora

|A| = ε(σ)a1σ(1) · · · anσ(n) = ε(σ)bσ(1)1 · · · bσ(n)n ,

σ∈Sn σ∈Sn

como bσ(j)j = biσ−1 (i) , donde σ(j) = i; se pueden reordenar los factores de
cada sumando y se tiene

bσ(1)1 bσ(2)2 · · · bσ(n)n = b1σ−1 (1) · · · bnσ−1 (n) .

Además Sn = {σ1 , . . . , σn! } = {σ1−1 , . . . , σn!
−1
} y ε(σ) = ε(σ −1 ), en virtud
de la Proposición 4.3.4, por lo que

|A| = ε(σ)b1σ(1) · · · bnσ(n) = |t A|.

σ∈Sn


102 4.6. Desarrollo por menores

Corolario 4.5.3 Las propiedades 1 a 7 para renglones son también válidas

para columnas.

Ejemplo
       
 a1 λb1 c1   a1 a2 a3   a 1 a2 a3   a1 b1 c1 
       
 a2 λb2 c2  =  λb1 λb2 λb3  = λ  b1 b2 b3  = λ  a2 b2 c2  .
       
 a3 λb3 c3   c1 c2 c3   c1 c2 c3   a3 b3 c3 

4.6. Desarrollo por menores

Este método nos permite expresar el determinante de una matriz de n × n
como la suma de determinantes de matrices de (n − 1) × (n − 1).
Dada una matriz
⎛ ⎞
a11 a12 ··· a1n
⎜ a21 a22 ··· a2n ⎟
⎜ ⎟
A=⎜ .. .. ... .. ⎟,
⎝ . . . ⎠
am1 am2 ··· amn

se denota por Aij la matriz obtenida de A eliminando el renglón i y la

columna j.
Por ejemplo, si ⎛ ⎞
a π 0
A = ⎝ 2 4 7 ⎠, (4.5)
9 6 8

entonces
     
4 7 a π a 0
A11 = , A23 = , A32 = ,
6 8 9 6 2 7

etcétera.

Definición 57 Al determinante |Aij | de una matriz cuadrada A se le llama

el menor del elemento aij .

Por ejemplo, si A es la matriz (4.5), se tiene |A11 | = −10 y |A32 | = 7a.

4. Matrices y determinantes 103

Podemos desarrollar el determinante de una matriz de 3 × 3 con respecto

a los menores del 1er renglón. Sea
⎛ ⎞
a11 a12 a13
A = ⎝ a21 a22 a23 ⎠ ,
a31 a32 a33

entonces

|A| = a11 a22 a33 − a11 a23 a32 − a12 a21 a33 + a12 a23 a31 + a13 a21 a32 − a13 a22 a31
= a11 |A11 | − a12 |A12 | + a13 |A13 |.

Probaremos que este proceso se puede generalizar para cualquier renglón

o columna.

Lema 4.6.1 Sea ⎛ ⎞

a11 a12 · · · a1n
⎜ a21 a22 · · · a2n ⎟
⎜ ⎟
A=⎜ .. .. .. .. ⎟ ,
⎝ . . . . ⎠
an1 an2 · · · ann

tal que anj = 0 ∀ j = n, entonces

|A| = ann |Ann |.

Ejemplo  
 1 0 2 4   
   1 0 2 
 3 7 1 8   
  = 7  3 7 1 .
 −1 4 0 2   
   −1 4 0 
 0 0 0 7 

Demostración.

|A| = ε(σ)a1σ(1) · · · anσ(n),

σ∈Sn

como anσ(n) = 0 si σ(n) = n, se tiene

|A| = ε(σ)a1σ(1) · · · an−1σ(n−1) ann = ann |Ann |,

σ∈Sn−1
104 4.6. Desarrollo por menores

ya que las permutaciones que fijan a n están en correspondencia biunı́vo-

ca con las permutaciones de Sn−1 (el número de inversiones también es el
mismo).


Corolario 4.6.2 Sea A = (aij ) una matriz de n × n, tal que ajn = 0 para
los naturales j menores a n, entonces |A| = ann |Ann |.

Demostración. Aplicando el Lema 4.6.1 a At , se tiene |At | = ann |(At )nn |.

Ahora, en virtud de la Propiedad 8 se sigue que |A| = ann |Ann |. En este
último paso usamos el hecho de que (Ann )t = (At )nn (ejercicio).

Ejemplo
⎛ ⎞ ⎛ ⎞
2 3 1 2 5 0
Si A = ⎝ 5 7 2 ⎠ , entonces At = ⎝ 3 7 2 ⎠ .
0 2 7 1 2 7

Por lo cual  
t 2 5
(A33 ) = = (At )33 .
3 7

Lema 4.6.3 Si en una matriz cuadrada todos los elementos distintos de aij
en el renglón i son cero, entonces

|A| = (−1)i+j aij |Aij |.

Demostración. Intercambiamos renglones y columnas consecutivas hasta

obtener la situación del Lema 4.6.1. Especı́ficamente sean
⎛ ⎞
a1,1 · · · a1,j−1 a1,j a1,j+1 ··· a1,n
⎜ ... .. ⎟
⎜ . ⎟
⎜ ⎟
⎜ ai−1,1 ai−1,j−1 ai−1,j ai−1,j+1 ai−1.n ⎟
⎜ ⎟
A = ⎜ ai,1 ai,j−1 ai,j ai,j+1 ai,n ⎟ y
⎜ ⎟
⎜ ai+1,1 ai+1,j−1 ai+1,j ai+1,j+1 ai+1,n ⎟
⎜ . .. ⎟
⎝ .. . ⎠
an,1 · · · an,j−1 an,j an,j+1 ··· an,n
4. Matrices y determinantes 105

⎛ ⎞
a1,1 · · · a1,j−1 a1,j+1 ··· a1,n a1,j
⎜ ... .. .. ⎟
⎜ . . ⎟
⎜ ⎟
⎜ ai−1,1 ai−1,j−1 ai−1,j+1 ai−1,n ai−1,j ⎟
 ⎜ ⎟
A = ⎜ ai+1,1 ai+1,j−1 ai+1,j+1 ai+1,n ai+1,j ⎟ .
⎜ . .. .. ⎟
⎜ .. . . ⎟
⎜ ⎟
⎝ an,1 · · · an,j−1 an,j+1 ··· an,n an,j ⎠
ai,1 ai,j−1 ai,j+1 ai,n ai,j
Obsérvese que se pueden intercambiar renglones consecutivos, de tal manera
que el renglón Ri de A se transforme en el renglón n-ésimo, esto se obtiene
mediante n−i intercambios. Análogamente se puede intercambiar la columna
Cj por la columna Cj+1 , después por Cj+2 hasta que ocupe la columna Cj

el lugar de Cn . Es claro entonces que A se obtiene de A mediante n − i
intercambios de renglones y n − j de columnas. Finalmente, como cada
intercambio de columnas o reglones cambia el signo del determinante, se
tiene por el Lema 4.6.1 que
  
|A| = (−1)2n−i−j |A | = (−1)i+j |A | = (−1)i+j aij |Ann | = (−1)i+j aij |Aij |,

puesto que (−1)k = (−1)−k = (−1) 1
k , y evidentemente la submatriz Ann

es igual a la submatriz Aij (ambas consisten de eliminar el renglón i y la

columna j en A).

Corolario 4.6.4 Si en una matriz cuadrada todos los elementos distintos de
aij en la columna j son cero, entonces

|A| = (−1)i+j aij |Aij |.

Demostración. Exactamente la misma prueba del Lema 4.6.3, aplicando

el Corolario 4.6.2 en lugar de Lema 4.6.1, implica el resultado.

Estos resultados permiten desarrollar el determinante de una matriz uti-
lizando cualquier renglón o columna.

Propiedad 9
Sea A una matriz de n × n, y 1 ≤ i, j ≤ n, entonces

|A| = (−1)i+1 ai,1 |Ai,1 | + (−1)i+2 ai,2 |Ai,2 | + · · · + (−1)i+n ai,n |Ai,n |
= (−1)1+j a1,j |A1,j | + (−1)2+j a2,j |A2,j | + · · · + (−1)n+j an,j |An,j |.
106 4.6. Desarrollo por menores

Antes de probar esta propiedad damos algunos ejemplos. Calculamos el

siguiente determinante desarrollando con respecto a la 2a columna:
 
 5 7 9       
       
 2 1 0  = (−1)1+2 · 7  2 0 +(−1)2+2  5 9 +(−1)3+2 · 4  5 9 
   3 5   3 5   2 0 
 3 4 5 
= −70 − 2 − 4(−18) = 0.
En la siguiente matriz desarrollamos con respecto al 3er renglón:
 
 1 0 2 0     
  1 0 0   1 0 2 
 3 0 1 0     
 = (−1)3+3 · 2  3 0 0  + (−1)3+4  3 0 1 
 0 0 2 1 
  2 1 3   2 1 0 
 2 1 0 3 
= 2 · 0 − [1(−1) + 2(3)] = −5,
Demostración de la Propiedad 9. Probamos primero para el caso de
los renglones, sea Ri = (ai1 , ai2 , . . . , ain ) el vector renglón i-ésimo de A,
entonces si los renglones se denotan también por R1 , R2 , . . . , Rn (abusando
de la notación), se tiene por la Propiedad 1 que
       
 R1   R1   R1   R1 
       
 R2   R2   R2   R2 
 .       
 .   .
..   .
..   .
.. 
 .       
|A| =  = +  + ··· +  
 Ri   ai1 0 · · · 0   0 ai2 0 · · · 0   0 · · · 0 ain 
 .   ..   ..   .. 
 ..       
   .   .   . 
 R   Rn   Rn   Rn 
n

n
= (−1)i+k aik |Aik |,
k=1

aplicando el Lema 4.6.3. El mismo argumento se aplica para columnas, usan-

do ahora el Corolario 4.6.4:
   
 ai j   0 
   
 0   0 
   
   . 
|A| = C1 C2 · · · 0 · · · Cn  + · · · + C1 C2 · · · .. · · · Cn  ,
 ..   
 .   0 
   
 0   an j 

donde Ck denota la columna k-ésima, etcétera. 

4. Matrices y determinantes 107

EJERCICIOS 4.6
1. Calcular el determinante de las siguientes matrices⎛ ⎞
⎛ ⎞ ⎛ ⎞ 1 3 −1 2 1
1 1 2 −1 2 1 0 −1 ⎜
⎜ 3 0 1 −1 ⎟ ⎜ 1 0 2 0 1 2 ⎟
⎜ ⎟ , ⎜ 3 2 1 ⎟ ⎟ , ⎜
⎜ ⎟
⎝ −1 2 3 ⎜ 1 3 2 1 1 ⎟⎟.
1 ⎠ ⎝ −1 1 0 3 ⎠ ⎝ 0 1 −2 0 2 ⎠
1 2 −1 −2 2 −1 2 1
1 3 1 3 0
2. Terminar la prueba del Corolario 4.6.2.

4.7. Cálculo de determinantes

Calcular un determinante a partir de la definición no es muy apropiado,
por ejemplo el determinante de una matriz de 7 × 7 involucra 7! = 5040
sumandos. El método de menores simplifica un poco esta situación, pero no
mucho, por ejemplo, encontrar un determinante de 8 × 8 involucra sumar 8
determinantes de 7 × 7, etcétera.
En general, la manera más eficaz es simplificar la matriz haciéndola trian-
gular usando las propiedades 1 a 8. En algunos casos es conveniente usar
también el método de menores.
Ejemplos
1. Primero, se hacen ceros debajo de a11
   
 1 1 1 1   1 1 1 1   
  0 1 1 
 1 1 −1 −1   0 0 −2 −2   
    1 0 1 ,
 2 −1 2 −1  =  0 −3 0 −3 
= 6  
    1 −2 −3 
 1 2 −1 −2   0 1 −2 −3 
    
 1 1   1 0 
= 6 −  +  = 6[4 − 2] = 12.
1 −3   1 −2 
En el último paso, se desarrolló por menores en el primer renglón.
2. Haciendo ceros
   
 1 1 1 1   1 1 1 1     
   1 2 3   1 2 3 
 1 2 3 4   0 1 2 3     
 = = 2 5 9 = 0 1 3 .
 1 3 6 10   0 2 5 9     
   3 9 19   0 3 10 
 1 4 10 20   0 3 9 19 
= 10 − 9 = 1.
En el último paso, se desarrolló por menores en la 1a columna.
108 4.7. Cálculo de determinantes

3. Sumando las 4 columnas

     
 1 2 3 4   10 2 3 4   1 2 3 4 
   
 2
 3 4 1   10 3 4 1  
 = 10  1 3 4 1 

=
 3
 4 1 2   10 4 1 2 


 1 4 1 2 

 4 1 2 3   10 1 2 3   1 1 2 3 

 
 1 2 3 4     
   1 1 −3   1 1 −3 
 0 1 1 −3     
= 10   = 20  1 −1 −1
 
 = 20  0 −2 2
 
 = 160.

 0 2 −2 −2   −1 −1 −1   0 0 −4 
 0 −1 −1 −1 

Determinantes tipo Van der Monde

Multiplicando por a1 la 2a columna y restándola de la 3a y posterior-

mente multiplicando la 1a columna por a1 y restándola de la 2a, se tiene

     
 1 a1 a21   1 a1 0   1 0 0 
     
     
     
 1 a2 a22  =  1 a2 a22 − a1 a2  =  1 a2 − a1 a22 − a1 a2 
     
     
     
 1 a3 a2   1 a3 a2 − a 1 a3   1 a3 − a1 a2 − a1 a3 
3 3 3

 
 1 a2 
= (a2 − a1 )(a3 − a1 )   = (a2 − a1 )(a3 − a1 )(a3 − a2 ).

1 a3

   
 1 a1 a21 a31   1 a1 a21 0 
  
   
   
 2 3 
1 a2 a2 a2   1 a2 a22 2 
a2 − a1 a2 
3
 
  =  
   
 2 3 
1 a3 a3 a3   1 a3 a23 2 
a3 − a1 a3 
3
 
   
   
 2
1 a4 a a 3   1 a4 a24 2 
a4 − a1 a4
3
4 4
4. Matrices y determinantes 109

   
 1 a1 0 0   1 0 0 0 
   
   
   
1 a2 a22 − a1 a2 a32 − a1 a22   1 a2 − a1 a22 − a1 a2 2 
a2 − a 1 a2 
3
 
=   =
 


1 a3 a23 − a1 a3 a33 − a1 a23   1 a3 − a1 a23 − a1 a3 2 
a3 − a 1 a3 
3
 
   
   
1 a4 a4 − a1 a4 a4 − a1 a4
2 3 2   1 a4 − a1 a24 − a1 a4 2 
a4 − a 1 a4
3

 
 1 a2 a22 
 
 
  %
 2 
= (a2 − a1 )(a3 − a1 )(a4 − a1 )  1 a3 a3  = (ak − aj ),
  j<k
 
 1 a4 a2 
& 4
donde significa producto.
EJERCICIOS 4.7
1. Generalizar el último ejemplo probando que
 
 1 a1 a2 · · · an−1 
 
..  = % (a − a ).
1 1
 .. .. .. . .
 . . . ., .  k j

 1 an a2n · · · ann−1  j<k
2. Calcular los determinantes de las siguientes matrices
⎛ ⎞ ⎛ ⎞
1 −1 2 3 4 7 1 0 2 4
⎜ 2 1 0 1 2 ⎟ ⎜ 1 −1 1 1 1 ⎟
⎜ ⎟ ⎜ ⎟
⎜ 3 −1 0 1 4 ⎟ , ⎜ 4 3 2 1 0 ⎟.
⎜ ⎟ ⎜ ⎟
⎝ 5 1 0 2 7 ⎠ ⎝ 5 1 −1 0 7 ⎠
1 2 1 0 1 1 2 3 4 5

4.8. Caracterización del rango de una matriz

usando determinantes
Probaremos que el rango de una matriz es también la dimensión del sub-
espacio vectorial generado por los vectores columna.
Teorema 4.8.1 Un conjunto de vectores {A1 , A2 , . . . , Ak } en Rn son li–
nealmente dependientes ⇔ todos los determinantes de las submatrices de
k × k obtenidos al fijar k coordenadas de los vectores A1 , A2 , . . . , Ak , son
cero.
110 4.8. Caracterización del rango de una matriz usando determinantes

Exhibimos primero unos ejemplos que ilustran las técnicas de la prueba.

Primero, si A = (a1 , a2 , . . . , an ) y B = (b1 , b2 , . . . , bn ) son vectores lineal-
mente dependientes, entonces existen escalares α, β ∈ R  αA + βB = 0 y
alguno de ellos es distinto de 0, digamos β = 0. Bajo estas hipótesis, se tiene
entonces que αai + βbi = 0 ∀ i ∈ {1, . . . , n}, y
       
 ai aj   ai aj   ai aj   ai aj 
0=   =   =β   ∴    = 0 ∀i, j.
0 0   αai + βbi αaj + βbj  bi bj  bi bj 
Por otra parte, sean A = (a1 , . . . , an ) y B = (b1 , . . . , bn ) vectores que
satisfacen la siguiente condición
 
 ai aj 
 
 bi bj  = 0 ∀ i, j, i = j.
Si A = 0, A, B son linealmente dependientes, por lo que podemos suponer
A = 0, digamos aj = 0. Se tiene entonces que
−bj A + aj B = (−bj a1 + aj b1 , . . . , −bj an + aj bn ) = 0,
como aj = 0, se sigue que A y B son linealmente dependientes (claramente,
la condición ai bi − ai bi = 0 siempre se cumple).
Demostración del Teorema 4.8.1. Probamos primero la necesidad, sean
A1 = (a11 , a12 , . . . , a1n ),
A2 = (a21 , a22 , . . . , a2n ),
..
.
Ak = (ak1 , ak2 , . . . , akn ),
vectores linealmente dependientes, entonces existen escalares α1 , α2 , . . . , αk ,
alguno distinto de 0, tales que
α1 A1 + α2 A2 + · · · + αk Ak = 0.
Sin perder generalidad, αk = 0. Tomando coordenadas j = 1, 2, . . . , n, se
tiene que α1 a1,j + α2 a2,j + · · · αk ak,j = 0.
Finalmente, sean 1 ≤ i1 < i2 < · · · < ik ≤ n, k coordenadas distintas,
entonces
 
 a1,i1 ··· a1,ik 
 
 a2,i1 a2,ik 
 
0= .. .. 
 . . 
 
 α1 a1,i1 + α2 a2,i1 + · · · + αk ak,i1 · · · α1 a1,ik + α2 a2,ik + · · · + αk ak,ik 
4. Matrices y determinantes 111

 
 a1,i · · · a1,ik 
 1 
 a2,i · · · a2,ik 
 1 
= αk  .. .. ,
 . . 
 
 ak,i1 · · · ak,ik 

y se sigue que cualquier submatriz de k × k tiene determinante igual a 0,

ya que αk = 0.
Probamos ahora el recı́proco por inducción. Si k = 1 el resultado es tri-
vial, un vector cuyas coordenadas son cero, es el vector 0 que es linealmente
dependiente.
Suponemos cierto el teorema para k − 1 vectores y probamos para k
vectores, digamos A1 , . . . , Ak−1 , Ak . Si todas las submatrices de k − 1 × k − 1
obtenidas de los vectores A1 , . . . , Ak−1 tienen determinante 0, se sigue de
la hipótesis de inducción que A1 , . . . , Ak−1 son linealmente dependientes, y
por lo tanto A1 , . . . , Ak−1 , Ak también lo son. De otra manera, existe una
submatriz con determinante distinto de 0 de la forma
 
 a1,i a · · · a 
 1 1,i 2 1,i k−1 
 a2,i a2,i2 · · · a2,ik−1 
 1
 .. .. ... ..  = γ = 0.
 . . . 
 
 ak−1,i1 ak−1,i2 · · · ak−1,ik−1 
Finalmente, ∀ j ∈ {1, . . . , n}, se tiene por hipótesis
 
 a1,i · · · a1,ik−1 a1,j 
 1
 a2,i · · · a2,ik−1 a2,j 
 1
0 =  .. .. .. 
 . . . 

 ak,i1 · · · ak,ik−1 ak,j 

= α1 a1j + α2 a2j + · · · + γak,j ,

donde las αs denotan los correspondientes menores a asj multiplicados por
(−1)(s+j) . Notése también que si j = is para alguna s ∈ {i1 , i2 , . . . , ik−1 }, se
trata de una matriz con 2 columnas iguales. Por lo tanto

α1 A1 + α2 A2 + · · · + γAk = 0,

y como γ = 0, se tiene que A1 , A2 , . . . , Ak son linealmente dependientes. 

112 4.9. Caracterización del rango de una matriz usando determinantes

Corolario 4.8.2 Sea A una matriz, entonces el rango de A es k ⇔ todas

las submatrices de r × r, r > k tienen determinante 0, y A tiene una
submatriz de k × k con determinante no nulo.
Demostración.
⇒) Si el rango de A es k, entonces A tiene k renglones linealmente inde-
pendientes. En general, cualquier conjunto de generadores de un subespacio
vectorial contiene una base (ejercicio). Se sigue entonces del teorema anterior
que existe una submatriz de k × k con determinante distinto de 0. También
se sigue del mismo teorema que si r > k, cualquier submatriz de r × r tiene
determinante 0, ya que cualesquiera r renglones son linealmente dependien-
tes.
⇐) Se sigue también del teorema anterior que como existe una submatriz de
k × k con determinante no nulo, los renglones involucrados son linealmen-
te independientes, y que si todo submatriz de r × r, donde r > k, tiene
determinante 0, entonces cualesquiera r vectores renglón son linealmente
dependientes. En otras palabras, el rango es k.

Corolario 4.8.3 El rango de una matriz es igual a la dimensión del sub-
espacio vectorial generado por las columnas.
Demostración. Provisionalmente denotamos por rango1 , a la definición
original y rango2 a la dimensión del subespacio vectorial generado por las
columnas. Se sigue entonces del Corolario 4.8.2 que

rango2 (A) = rango1 (At ) = rango1 (A),

ya que este corolario permite definir rango sin mencionar columnas o renglo-
nes, sino solamente submatrices, y éstas y sus transpuestas tienen los mismos
determinantes.

Corolario 4.8.4 Una matriz de n × n es de rango n ⇔ su determinante
es distinto de 0.
Demostración. Se sigue del Teorema 4.8.1 que los vectores renglón son
linealmente dependientes si y sólo si el determinante de la matriz es 0.

EJERCICIO 4.8
1. Pruebe que cualquier conjunto finito de generadores de un subespacio
vectorial en Rn contiene una base.
4. Matrices y determinantes 113

4.9. El determinante como área o volumen

Definición 58 Sea f : Rn × Rn 
× · · · × Rn −→ R, se dice que f es
m veces
multilineal, si es lineal con respecto a cada variable, i.e., se cumplen las si-
guientes dos condiciones ∀ λ ∈ R, ∀ k ∈ {1, 2, . . . , m} y ∀ xk , xk ∈ Rn :

i) f (x1 , . . . , xk−1 , xk + xk , xk+1 , . . . , xm )

= f (x1 , . . . , xk−1 , xk , xk+1 , . . . , xm )+f (x1 , . . . , xk−1 , xk , xk+1 , . . . , xm ),

ii)
f (x1 , . . . , λ xk , . . . , xn ) = λ f (x1 , . . . , xk , . . . , xn ).

Obsérvese que la función determinante se puede pensar como una función

multilineal de n vectores en Rn , ya sea las columnas o los renglones (por
las propiedades demostradas). Esto se ve claro al escribir, por ejemplo
⎛ ⎞
v1
⎜ v2 ⎟
⎜ ⎟
Det A = Det (v1 , v2 , . . . , vn ), donde A = ⎜ .. ⎟ .
⎝ . ⎠
vn

Recordamos que el determinante como función de los n vectores renglón (o

columna) en Rn cumple las siguientes tres propiedades:

Det
i) (Rn × Rn × · · · × Rn ) −−→ R es multilineal,

ii) Det (v1 , v2 , . . . , vj−1 , vj , vj , vj+2 , . . . , vn ) = 0, i.e., si se tienen dos ren-

glones consecutivos iguales, el determinante es 0,

iii) Det (e1 , e2 , . . . , en ) = 1, i.e., Det (I) = 1.

Teorema 4.9.1 Existe una única función con dominio

n n
× · · · × Rn
 × R 
R
n veces

y valores reales, que satisface i), ii) y iii), esta función es el determinante.
114 4.9. El determinante como área o volumen

Probamos primero un lema.

Lema 4.9.2 Bajo las hipótesis del Teorema 4.9.1, una transposición de ele-
mentos consecutivos cambia el signo de la función.

Demostración.
0 = f (v1 , . . . , vk + vk , vk + vk , vk+2 , . . . , vn ),

por lo cual
f (v1 , . . . , vk−1 , vk , vk , vk+2 , . . . , vn ) = −f (v1 , . . . , vk−1 , vk , vk , vk+2 , . . . , vn ).

Demostración del Teorema 4.9.1 Sea f dicha función, entonces
' n (

f a1 i e i , . . . , an i ei = a1 σ(1) · · · an σ(n) f (eσ(1) , . . . eσ(n) ).

i=1 i=1 σ ∈ Sn

Ya que al aplicar la propiedad de multilinealidad se tienen tantos sumandos

como permutaciones.
Finalmente, usando el Teorema 4.3.3, si la permutación
 
1 ··· n
σ=
σ(1) · · · σ(n)

consiste de m inversiones, entonces se puede mediante m transposiciones

de elementos consecutivos, componer σ y obtener la identidad.
Por lo cual
' n (

f a1 i ei , . . . , an i e i = a1 σ(1) · · · an σ(n) ε(σ).

i=1 i=1 σ ∈ Sn


´
Area - volumen

Definición 59 Sean v, w ∈ R2 y P (v, w) el paralelogramo generado por

v y w. Se denota por vol0 (v, w) al área de P (v, w) si Det (v, w) ≥ 0 y
menos el área de P (v, w) si Det (v, w) ≤ 0.
4. Matrices y determinantes 115

Nótese que si el área se denota por vol (v, w), entonces

|vol0 (v, w)| = vol (v, w).

Se usarán propiedades simples del área como las siguientes:

1. Área (segmento)= 0,

2. Si Área(A) = m, Área(T (A)) = m, donde T es una traslación,

3. Si A ∩ B = ∅ o A ∩ B es un conjunto de área cero, entonces

Área(A ∪ B) = Área(A) ∪ Área(B),

La prueba formal de estas propiedades se lleva a cabo en el curso de

cálculo de varias variables, donde se define al área como una integral doble
)
AE (R) = d A.
R

La invariabilidad bajo traslación se sigue del teorema de cambio de variable

aplicado a x → x + x0 , ya que el jacobiano es la identidad.

Teorema 4.9.3 Sean v, w ∈ R2 , entonces

vol0 (v, w) = Det (v, w).

Necesitamos primero unos lemas antes de probar el teorema.

Lema 4.9.4 Si c ∈ R, c ≥ 0 y v, w ∈ R2 , entonces

vol (c v, w) = c vol (v, w).

Demostración. Basta probar el caso cuando v y w son linealmente in-

dependientes. En este caso, si n ∈ N, el paralelogramo generado por n v y
w consiste de n paralelogramos paralelos a P (v, w).
Los paralelogramos obtenidos son traslaciones por v, 2 v, . . . , (n−1) v del
paralelogramo P (v, w) y se tiene que

vol (n v, w) = n vol (v, w).

116 4.9. El determinante como área o volumen

También v 1
vol ,w = vol (v, w),
n n
y si m, n ∈ N
m m
vol v, w = vol (v, w).
n n
v
Esto se sigue, ya que si v1 = n
, se tiene de la observación anterior que

vol (n v1 , w) = n vol (v1 , w).

Más aún,
   
1 1
vol m v, w = m vol v, w
n n
1
= m vol (v, w).
n

nv
(n − 1) v

2v

v
w

P (v, w)

Figura 4.1: Paralelogramo generado por n v y w

Finalmente, si c ∈ R, c > 0, entonces vol (c v, w) = c vol (v, w). Para

probar esto, sean r1 , r2 ∈ Q, 0 < r1 < c < r2 . Entonces

r1 vol (v, w) = vol (r1 v, w) ≤ vol (c v, w) ≤ vol (r2 v, w) = r2 vol (v, w),
4. Matrices y determinantes 117

(veáse la Figura 4.2). Haciendo tender r1 y r2 a c, en el lı́mite se tiene que

c vol (v, w) = vol (c v, w).

r2 v
cv
r1 v

Figura 4.2: c vol (v, w) = vol (c v, w)

Por otro lado, al trasladar el paralelogramo P (v, w) por −v se obtiene

el siguiente resultado.

Lema 4.9.5 Sean v, w ∈ R2 , entonces

vol (−v, w) = vol (v, w).

P (v, w)
v
w
P (−v, w)

−v

Figura 4.3: vol (−v, w) = vol (v, w)

Lema 4.9.6 Sean v, w ∈ R2 , y c ∈ R, entonces

vol0 (c v, w) = c vol0 (v, w).

Demostración. El resultado es evidente si v y w son linealmente depen-

dientes. Consideramos casos
118 4.9. El determinante como área o volumen

Caso 1: Det (v, w) > 0 y c < 0. En este caso, Det (c v, w) ≤ 0 y

tomando c = −d, se sigue en virtud del Lema 4.9.5 que

vol0 (c v, w) = −vol(c v, w) = −vol (−d v, w) = −vol (d v, w)

= −d vol (v, w) = c vol (v, w) = c vol0 (v, w).

El caso Det (v, w) > 0, c > 0 ya se probó. De manera análoga, se prueban
los dos casos restantes (ejercicio). 
Para probar que vol0 distribuye la suma usamos los siguientes resultados.

Lema 4.9.7 Sean v, w ∈ R2 , entonces

vol0 (v, w) = −vol0 (w, v).

Demostración.
Caso 1: Det (v, w) ≤ 0.

vol0 (v, w) = −vol (v, w) = −vol (w, v) = −vol0 (w, v),

puesto que Det (w, v) ≥ 0.

Caso 2: Det (v, w) > 0.

vol0 (v, w) = vol (v, w) = vol (w, v) = −vol0 (w, v),

puesto que Det (w, v) ≤ 0.



v+w
w
v A
+
A
B

Figura 4.4: vol (v + w, w) = vol (v, w)

Lema 4.9.8 Sean v, w vectores en el plano, entonces

vol (v + w, w) = vol (v, w).

4. Matrices y determinantes 119

Demostración. El paralelogramo generado por v y w consiste de 2

triángulos A y B. Por otra parte, el generado por v + w y w consiste del
triángulo B y del triángulo A + w, por lo que tienen la misma área (ver la
Figura 4.4).


Lema 4.9.9 Sean v, w ∈ R2 , y d ∈ R, entonces

vol0 (v + d w, w) = vol0 (v, w).

Demostración.

d vol0 (v + dw, w) = vol0 (v + dw, dw) = vol0 (v, dw) = d vol0 (v, w).


Demostración del Teorema 4.9.3 Basta probar que el vol0 (v, w) cum-
ple las propiedades i), ii) y iii). Hay que demostrar i), ya que ii) y iii)
son triviales. Es decir, hay que probar la multilinealidad. En virtud de los
Lemas 4.9.4, 4.9.6 y 4.9.7 es suficiente probar que

vol0 (v1 + v2 , w) = vol0 (v1 , w) + vol0 (v2 , w).

v + 2w

2w
2w

w w v
v

Figura 4.5: Interpretación geométrica del Lema 4.9.9, para el caso d = 2, se

tiene que vol (v + 2w, w) = vol (v, w)

Si w = 0 no hay nada que probar. De otra manera, tomando como base

{v, w}, se tiene

v1 = c1 v + d1 w y v2 = c2 v + d2 w.
120 4.9. El determinante como área o volumen

Finalmente, usando los Lemas 4.9.6 y 4.9.9, se tiene

vol0 (v1 + v2 , w) = vol0 (c1 v + d1 w + c2 v + d2 w, w)

= (c1 + c2 ) vol0 (v, w) = c1 vol0 (v, w) + c2 vol0 (v, w)

= vol0 (c1 v, w) + vol0 (c2 v, w)
= vol0 (v1 , w) + vol0 (v2 , w).

Un hecho interesante es que la misma prueba se aplica para R3 o Rn . Es-
to se sigue ya que las condiciones que caracterizan el determinante involucran
dos coordenadas a la vez, por lo cual los argumentos se pueden adaptar al
caso bidimensional. Por ejemplo, tomando paralelepı́pedos y trasladándolos
como en el caso bidimensional, se siguen todos los argumentos.
Nótese que el teorema se puede formular como sigue

| Det (v, w) | = vol (v, w).

Otros resultados interesantes sobre áreas y determinantes se puede con-

sultar en [4]. Uno de estos resultados establece que si L : R2 −→ R2 es lineal,
entonces
Área L(P ) = |det A| Área P,
donde A es la matriz que define L.

EJERCICIO 4.9
1. Terminar la prueba del Lema 4.9.6.
Capı́tulo 5

Sistemas de ecuaciones lineales

5.1. Preliminares
Estudiaremos un sistema de m ecuaciones lineales con n incógnitas:
⎧
⎪
⎪ a11 x1 + a12 x2 + ··· + a1n xn = b1
⎪
⎪
⎨ a21 x1 + a22 x2 + ··· + a2n xn = b2
.. .. (5.1)
⎪
⎪ . .
⎪
⎪
⎩ a x + am2 x2 + · · · + amn xn = bm .
m1 1

Las incógnitas o variables por resolver son x1 , x2 , . . . , xn , las constantes

ai j , bj se toman generalmente en un campo como los reales o los complejos,
o también en un anillo como los enteros. A los términos b1 , b2 , . . . , bm se les
llama libres.
A un sistema se le asocian dos matrices
⎛ ⎞ ⎛ ⎞
a1 1 · · · a1 n a1 1 · · · a1 n b1
⎜ .. .. ⎟ y ⎜ .. .. ⎟ ,
⎝ . . ⎠ ⎝ . . ⎠
am 1 · · · am n am 1 · · · am n bm
a la primera se les llama matriz del sistema y a la segunda se le conoce como
la matriz aumentada.
Obsérvese que si denotamos las columnas de la matriz por C1 , C2 , . . . , Cn
y a B la columna de los términos libres, el sistema (5.1) se puede reescribir
como

x1 C1 + x2 C2 + · · · + xn Cn = B. (5.2)

121
122 5.1. Preliminares

Más aún, si X = (x1 , x2 , . . . , xn ) es solución, entonces B ∈ < C1 , . . . , Cn >.

Por ejemplo, el sistema

2x + 3y − z = 5
x − y + z = 2
se puede escribir como x(2, 1) + y(3, −1) + z(−1, 1) = (5, 2).

Definición 60 Al sistema (5.1) se le llama homogéneo si

B = (b1 , . . . , bm ) = 0.

Algunos sistemas tienen muchas soluciones, otros exactamente una y al-

gunos otros ninguna.
Por ejemplo, 
x + y = 3
x − y = 1
tiene una única solución, ya que las ecuaciones implican 2x = 4, y y = 1.

(2, 1)

Figura 5.1: Las rectas x + y = 3, x − y = 1 se intersectan en (2, 1)

Por otra parte, la ecuación 2x − y = 0 tiene una infinidad de soluciones,

éstas son los puntos de la recta 2x = y.

(1, 2)

Figura 5.2: Las soluciones de 2x − y = 0

5. Sistemas de ecuaciones lineales 123

Sin embargo, el sistema


−x + y = −1
−x + y = −2

no tiene soluciones, de lo contrario, restando se tendrı́a 0 = −1.

Figura 5.3: Las rectas y = x − 1, y = x − 2 no se intersecan, al ser paralelas

Ciertamente un sistema homogéneo siempre tiene al menos la solución

trivial, i.e., el vector 0.

5.2. Existencia de soluciones

Conocer el rango de las matrices del sistema es muy útil para resolver un
sistema. En el siguiente teorema usamos la notación de la ecuación (5.2).

Teorema 5.2.1 Un sistema de ecuaciones lineales tiene solución si y sólo si

el rango de la matriz del sistema es igual al rango de la matriz aumentada.

Demostración. La existencia de soluciones significa que existe x ∈ Rn ,

x = (x1 , . . . , xn ) tal que

x1 C1 + x2 C2 + · · · + xn Cn = B.

Esto sucede si y sólo si

B ∈ < C1 , C 2 , . . . , C n > .

Más aún, esta condición se cumple si y sólo si

< C1 , C2 , . . . , Cn > = < B, C1 , C2 , . . . , Cn > .

124 5.2. Existencia de soluciones

Finalmente, esta condición equivale a que los rangos de la matriz del sistema,
y de la matriz aumentada sean iguales: si B ∈ / < C1 , C2 , . . . , Cn >, entonces
el rango de < B, C1 , C2 , . . . , Cn > es mayor al de la matriz del sistema, y
B junto con una base de {C1 , C2 , . . . , Cn } forman un conjunto linealmente
independiente.


Ejemplos

1. Consideremos el siguiente sistema de ecuaciones

⎧
⎪
⎨ x + y − w = 0
x + z − w = −1
⎪
⎩
−x + y − 2z + w = 3.
⎛ ⎞
1 1 0 −1 0
La matriz aumentada es ⎝ 1 0 1 −1 −1 ⎠
−1 1 −2 1 3
⎛ ⎞ ⎛ ⎞
1 1 0 −1 0 1 1 0 −1 0
∼ ⎝ 0 −1 1 0 −1 ⎠ ∼ ⎝ 0 −1 1 0 −1 ⎠ ,
0 2 −2 0 3 0 0 0 0 1

y la matriz tiene rango 3. Las mismas operaciones muestran que la

matriz del sistema
⎛ ⎞ ⎛ ⎞
1 1 0 −1 1 1 0 −1
⎝ 1 0 1 −1 ⎠ ∼ ⎝ 0 −1 1 0 ⎠ ,
−1 1 −2 1 0 0 0 0

tiene rango 2, por lo que el sistema no tiene soluciones.

2. Analizamos ahora el sistema

⎧
⎪
⎪ x − y + 2z = 1
⎪
⎨ y − z = 1
⎪
⎪ 3x + y − z = 0
⎪
⎩
4x + y = 2.
5. Sistemas de ecuaciones lineales 125

La matriz aumentada de este sistema de ecuaciones es

⎛ ⎞ ⎛ ⎞
1 −1 2 1 1 −1 2 1
⎜ 0 1 −1 1 ⎟ ⎜ 0 1 −1 1 ⎟
⎜ ⎟ ⎜ ⎟
⎝ 3 1 −1 0 ⎠ ∼ ⎝ 0 4 −7 −3 ⎠
4 1 0 2 0 5 −8 −2
⎛ ⎞ ⎛ ⎞
1 −1 2 1 1 −1 2 1
⎜ 0 1 −1 1 ⎟ ⎜ ⎟
∼ ⎜ ⎟ ∼ ⎜ 0 1 −1 1 ⎟ ,
⎝ 0 0 −3 −7 ⎠ ⎝ 0 0 −3 −7 ⎠
0 0 −3 −7 0 0 0 0
es decir, tiene rango 3. Las mismas operaciones establecen que
⎛ ⎞ ⎛ ⎞
1 −1 2 1 −1 2
⎜ 0 1 −1 ⎟ ⎜ 0 1 −1 ⎟
⎜ ⎟ ⎜ ⎟
⎝ 3 1 −1 ⎠ ∼ ⎝ 0 0 −3 ⎠ ,
4 1 0 0 0 0

que también tiene rango 3, y por lo tanto el sistema sı́ tiene solución.

3. Consideramos el sistema x1 C1 + x2 C2 + · · · + xn Cn = B, donde los

vectores columna Cj son vectores en Rn (y B también), supóngase
también que
det(C1 C2 · · · Cn ) = 0.
Entonces el sistema tiene solución, esto se sigue ya que esta hipóte-
sis implica que la matriz del sistema tiene rango n (Corolario 4.8.4).
Además, el rango de la matriz aumentada (que siempre es mayor o igual
que el de la matriz del sistema) es ≤ n, ya que sus vectores columna
viven en Rn . Es decir, ambos rangos son iguales.

4. Otra prueba de que cualquier sistema homogéneo tiene solución es ob-

servando que las columnas de las dos matrices del sistema generan el
mismo subespacio vectorial (la última columna es de ceros).

5. Un sistema de m ecuaciones y n incógnitas, donde m < n, y tal

que el rango de la matriz sea m, tiene solución. Esto se sigue de que el
rango de la matriz aumentada es ≤ m (los vectores columna viven en
Rm ), y por lo tanto es m.
126 5.3. Sistemas de n ecuaciones y n incógnitas

EJERCICIO 5.2
1. Determine si los siguientes sistemas tienen solución.
⎧ ⎧
⎪
⎨ x − y + 2z = 7 ⎪
⎨ x + y − z = 1
a) y + z = 5 b) 2x − 3z = 5
⎪
⎩ ⎪
⎩
2z = 6, 2y + 5z = 2,
⎧ ⎧
⎪
⎨ 2x + 3y + z = 7 ⎪
⎨ x − y + 2z = −2
c) 2x − 4y + 6z = 10 d) 3x − 3y + 6z = 1
⎪
⎩ ⎪
⎩
3x − 5y + 3z = 4, 2x − 2y + 4z = 0.

5.3. Sistemas de n ecuaciones y n incógnitas

Consideremos el siguiente sistema de ecuaciones
⎧
⎪
⎪ a11 x1 + a12 x2 + · · · + a1n xn = k1
⎪
⎪
⎨ a21 x1 + a22 x2 + · · · + a2n xn = k2
(5.3)
⎪ ...
⎪
..
.
⎪
⎪
⎩ a x + a x + ··· + a x = k .
n1 1 n2 2 nn n n

Denotaremos por d al determinante de la matriz del sistema, i.e.,

⎛ ⎞
a11 a12 · · · a1n
⎜ a21 a22 · · · a2n ⎟
⎜ ⎟
d = det ⎜ .. .. ... .. ⎟ .
⎝ . . . ⎠
an1 an2 · · · ann
Obsérvese que si d = 0, el sistema (5.3) tiene solución. Esto se sigue del
argumento del ejemplo 3 de la sección anterior. Para encontrar la solución
(se probará que es única) se usan los siguientes determinantes
   
 k1 a12 · · · a1n   a11 k1 a13 · · · a1n 
   
 k2 a22 · · · a2n   a21 k2 a23 · · · a2n 
   
d1 =  .. .. . . . ..  , d2 =  .. .. .. ... ..  ,
 . . .,  . 
  . . .
 kn an2 · · · ann   an1 kn an3 · · · ann 
 
 a11 · · · a1,n−1 k1 
 
 a21 · · · a2,n−1 k2 
 
··· , dn =  .. ... .. ..  .
 . . . 

 an1 · · · an,n−1 kn 
5. Sistemas de ecuaciones lineales 127

Ahora sea S = (s1 , s2 , . . . , sn ) una solución del sistema, entonces

a11 s1 + · · · + a1n sn = k1
a21 s1 + · · · + a2n sn = k2
.. .. .. ..
. . . .
an1 s1 + · · · + ann sn = kn ,
y usando las propiedades del determinante se tiene que
 
 k1 a12 · · · a1n 
 
 k2 a22 · · · a2n 
 
d1 =  .. .. .. .. 
 . . . . 
 
 kn an2 · · · ann 
 
 a11 s1 + · · · + a1n sn a12 · · · a1n 
 
 a21 s1 + · · · + a2n sn a22 · · · a2n 
 
=  .. .. ... .. 
 . . . 

 an1 s1 + · · · + ann sn an2 · · · ann 
 
 a11 s1 a12 · · · a1n 
 
 a21 s1 a22 · · · a2n 
 
=  .. .. . ..  = s1 d.
 . . . . . 

 an1 s1 an2 · · · ann 
Análogamente, d2 = s2 d, . . . , dn = sn d. Hemos probado el siguiente teo-
rema.
Teorema 5.3.1 (Regla de Cramer) El sistema (5.3) tiene una única solución
 
d1 d2 dn
s= , ,..., .
d d d
Corolario 5.3.2 Si la matriz de un sistema homogéneo de n ecuaciones y
n incógnitas, tiene determinante distinto de 0, entonces su única solución es
la trivial, i.e., el vector 0.

Demostración. Se tiene que d1 = · · · = dn = 0, ya que estas matrices

tienen una columna de ceros. 
Otra demostración se obtiene al observar que 0 siempre es solución, y
por la regla de Cramer es la única.
128 5.3. Sistemas de n ecuaciones y n incógnitas

Ejemplos
1. Dado el sistema

  
x + y = a  1 1 
, se tiene que d =   = −2,

x − y = b 1 −1
 
 a 1 
d1 =    = −a − b
b −1 
 
 1 a 
y d2 =   = b − a,
1 b 
 
∴ la solución única es (x, y) = a+b2
, a−b
2
.

2. Para el sistema

x sen α + y cos α = sen 2α
x cos α − y sen α = cos 2α,
 
 sen α cos α 
se tiene que d =   = −1,
cos α − sen α 
 
 sen 2α cos α 
d1 
=  
cos 2α − sen α 
= − sen α sen 2α − cos α cos 2α
= − sen α(2 sen α cos α) − cos α(cos2 α − sen2 α)
= −2 sen2 α cos α − cos α(1 − 2 sen2 α )
= − cos α,

 
 sen α sen 2α 
d2 =  

cos α cos 2α
= (cos2 α − sen2 α) sen α − 2 sen α cos2 α
= (2 cos2 α − 1) sen α − 2 sen α cos2 α
= − sen α,

y la solución es (cos α, sen α).

5. Sistemas de ecuaciones lineales 129

Usando un poco de geometrı́a analı́tica y notación compleja el último

ejemplo se puede interpretar geométricamente.
Se busca (x, y) ∈ R2 tal que
     
sen α cos α x sen 2α
= ,
cos α − sen α y cos 2α
obsérvese que
     
0 1 sen α cos α cos α − sen α
= . (5.4)
1 0 cos α − sen α sen α cos α.

x=y

α
2

π α
Figura 5.4: Reflexión en la recta por 0 y ei( 4 − 2 )

Ahora las transformaciones definidas por

   
cos α − sen α 0 1
y
sen α cos α 1 0

son, respectivamente, rotación por α, y reflexión en la recta x = y (la última

intercambia x por y). Si denotamos la rotación por R y la reflexión por T,
usando (5.4) se tiene
     
sen α cos α 0 1 cos α − sen α
= , (5.5)
cos α − sen α 1 0 sen α cos α

(ya que T = T −1 ) y como R(eiα ) = ei(2α) = cos 2α + isen 2 α, al componer

con T se tiene ( sen 2α, cos 2α), i.e., la solución es (cos α, sen α).
Obsérvese que se sigue de la ecuación (5.5) que la transformación definida
por
 
sen α cos α
cos α − sen α
130 5.3. Sistemas de n ecuaciones y n incógnitas

π α π α
es la reflexión en la recta que pasa por ei( 4 − 2 ) , ya que al rotar ei( 4 − 2 ) por
π α
eiα y reflejar en x = y, se tiene ei( 4 − 2 ) (se sigue del álgebra lineal que como
la matriz tiene determinante −1 es una reflexión). Véase la Figura 5.4.
El sı́mbolo eix corresponde a (cos x, sen x). La multiplicación de matrices
se define como
     
a b α β aα + bγ aβ + bδ
= ,
c d γ δ cα + dγ cβ + dδ
y      
a b x ax + by
= .
c d y cx + dy
Otros ejemplos

1. Se resuelve el sistema
⎧
⎪
⎨ x + y + z = 1
ax + by + cz = k
⎪
⎩ 2
a x + b2 y + c2 z = k 2 ,

donde a, b, c son tres números distintos. El determinante del sistema

es de tipo Van der Monde y está dado por
 
 1 1 1 
 
d =  a b c  = (c − b)(b − a)(c − a).
 a2 b2 c2 
Los determinantes d1 , d2 , d3 son también de tipo Van der Monde, y se
sigue de la regla de Cramer que la solución está dada por
 
(c − k)(c − b)(b − k) (c − k)(k − a)(c − a) (k − b)(k − a)(b − a)
, ,
(c − b)(b − a)(c − a) (c − b)(b − a)(c − a) (c − b)(b − a)(c − a)
 
(c − k)(b − k) (c − k)(k − a) (k − b)(k − a)
= , , .
(b − a)(c − a) (c − b)(b − a) (c − b)(c − a)

2. Exprese K = (5, 1, 11) como combinación lineal de B1 = (3, 2, 2),

B2 = (2, 3, 1) y B3 = (1, 1, 3). Se debe resolver

x1 B1 + x2 B2 + x3 B3 = K,
5. Sistemas de ecuaciones lineales 131

es decir, ⎧
⎪
⎨ 3x1 + 2x2 + x3 = 5
2x1 + 3x2 + x3 = 1
⎪
⎩
2x1 + x2 + 3x3 = 11.
Se tiene
       
 3 2 1   6 2 1   1 2 1   1 2 1 
       
d =  2 3 1  =  6 3 1  = 6  1 3 1  = 6  0 1 0  = 12,
 2 1 3   6 1 3   1 1 3   0 −1 2 
∴ hay una única solución.
Ahora
     
 5 2 1   1 5 2   1 5 2 
     
d1 =  1 3 1  =  1 1 3  =  0 −4
    1  = 24,

 11 1 3   3 11 1   0 −4 −5 
     
 3 5 1   1 3 5   1 3 5 
     
d2 =  2 1 1  =  1 2 1  =  0 −1 −4  = −24,

 2 11 3   3 2 11   0 −7 −4 
 
 3 2 5       
   3 1   2 1   2 3 
 
d3 =  2 3 1  = 3    − 2   +5  
1 11   2 11   2 1 
 2 1 11 
= 3 · 32 − 40 − 20 = 36,
∴ la solución es (2, −2, 3).
3. ¿Son los vectores B1 = (1, 5, 3), B2 = (2, 1, −1) y B3 = (4, 2, 1)
linealmente independientes?
Se debe probar que el determinante de la matriz formada con estos
tres vectores es distinto de 0, esto se sigue del teorema que relaciona el
rango con vectores linealmente independientes. Dicho de otra manera,
escribiendo x1 B1 + x2 B2 + x3 B3 = 0, la independencia lineal se sigue
si x1 , x2 , x3 son 0, esto es, la única solución es la trivial, lo cual usando
el teorema de Cramer se obtiene si el determinante es distinto de 0. En
efecto, al calcular se obtiene
   
 1 2 4   1 2 4   
    2 
 5 1 2  =  0 −9 −18  = −9  1
     −7 −11  = −27 = 0.
 3 −1 1   0 −7 −11 
132 5.4. Sistemas homogéneos, funciones lineales

EJERCICIOS 5.3
1. Encuentre la solución a los siguientes sistemas usando la regla de Cramer.
⎧ ⎧
⎪
⎨ x + y − z = −2 ⎪
⎨ x − y + z = −1
a) 3x − y + 2z = 4 b) 2x − y − z = 4
⎪
⎩ ⎪
⎩
−x + 2y − z = 6, 3x + 2y + z = −1,
⎧
⎪
⎨ x − y + 3z = 4
c) 2x − y + z = 6
⎪
⎩
3x − 2y + 2z = 10.
2. Exprese el vector K = (1, 5, 9) como combinación lineal de los vectores
B1 = (1, 3, 7), B2 = (1, 2, 3) y B3 = (0, 1, 1).

5.4. Sistemas homogéneos, funciones lineales

Los sistemas homogéneos son aquéllos de la forma
⎧
⎪
⎪ a11 x1 + a12 x2 + ··· + a1n xn = 0
⎪
⎪
⎨ a21 x1 + a22 x2 + ··· + a2n xn = 0
.. .. (5.6)
⎪
⎪ . .
⎪
⎪
⎩ a x + am2 x2 + · · · + amn xn = 0,
m1 1

o en la notación de la ecuación (5.2) x1 C1 + x2 C2 + · · · + xn Cn = 0.

Teorema 5.4.1 Si W es el conjunto de soluciones de (5.6), entonces W
es un subespacio vectorial de Rn .
Demostración. Evidentemente 0 ∈ W . También, si X, Y ∈ W, donde
X = (x1 , x2 , . . . , xn ) y Y = (y1 , y2 , . . . , yn ), se tiene que
x1 C 1 + · · · + x n C n = 0
y1 C 1 + · · · + yn C n = 0,
y en consecuencia (x1 + y1 ) C1 + · · · + (xn + yn ) Cn = 0, i.e., X + Y ∈ W.
Finalmente, si λ ∈ R y X = (x1 , x2 , . . . , xn ) ∈ W , entonces

λ x1 C1 + · · · + λ xn Cn = 0

y λ X ∈ W. 
5. Sistemas de ecuaciones lineales 133

Obsérvese que en general para cualquier sistema de ecuaciones, como en

(5.1), siempre se pueden reordenar las variables, renombrándolas de tal ma-
nera que las primeras columnas C1 , C2 , . . . , Cr sean una base del espacio
vectorial generado por las columnas, i.e., < C1 , C2 , . . . , Cn > . En el caso
homogéneo probaremos que W, el espacio de soluciones del sistema, tiene
dimensión n − r.
Los siguientes resultados relacionan la dimensión de W y n.

Teorema 5.4.2 Sean C1 , C2 , . . . , Cr una base del subespacio vectorial W

generado por las columnas C1 , C2 , . . . , Cn del sistema (5.2), i.e.,

x1 C1 + x2 C2 + · · · + xn Cn = B.

Supóngase también que el sistema tiene solución, entonces dados n−r números

sr+1 , sr+2 , . . . , sn ,

existen otros r números únicos s1 , s2 , . . . , sr , tales que

s = (s1 , s2 , . . . , sr , sr+1 , . . . , sn )

es solución de (5.2).

Demostración. Sea C = sr+1 Cr+1 + sr+2 Cr+2 + · · · + sn Cn , como

C1 , C2 , . . . , Cr generan W , entonces C ∈ W. Además, como el sistema
tiene solución se tiene que B ∈ W. Por lo cual B − C ∈ W y existen
s1 , s2 , . . . , sr 
B − C = s1 C1 + · · · + sr Cr ,
i.e.,
B = s1 C1 + · · · + sr Cr + sr+1 Cr+1 + · · · + sn Cn ,
y s = (s1 , s2 , . . . , sr , sr+1 , . . . , sn ) es solución.
 
Para probar la unicidad, supóngase que (s1 , . . . , sr , sr+1 , . . . , sn ) también
es solución, entonces
 
s1 C1 + · · · + sr Cr + sr+1 Cr+1 + · · · + sn Cn = B

y
s1 C1 + · · · + sr Cr + sr+1 Cr+1 + · · · + sn Cn , = B.
134 5.4. Sistemas homogéneos, funciones lineales

Por lo cual restando, se tiene que

 
(s1 − s1 ) C1 + · · · + (sr − sr ) Cr = 0,

y como C1 , C2 , . . . , Cr son linealmente independientes, se sigue que si = si
∀ i ∈ {1, . . . , r}.

Definición 61 Se dice que una función f : Rn −→ Rm es lineal, si cumple
las siguientes dos condiciones
a) f (X + Y ) = f (X) + f (Y ) ∀ X, Y ∈ Rn ,
b) f (t X) = t f (X) ∀t ∈ R y ∀ X ∈ Rn .
Nótese que si f es lineal, entonces f (0) = 0. Esto es consecuencia de la
condición b), puesto que f (0X) = 0f (X).
Si f : Rn −→ Rm es lineal, al conjunto {X ∈ Rn | f (X) = 0} se le llama
el núcleo de f y se le denota por ker f (del alemán kernel). Obsérvese que
se sigue de manera inmediata de la definición que ker f es un subespacio
vectorial de Rn .
Por otra parte, a un sistema de ecuaciones como (5.2) con n incógnitas y
m ecuaciones
x1 C1 + · · · + xn Cn = B,
se le puede asociar una función f de Rn en Rm con regla de correspondencia
f ((x1 , . . . , xn )) = x1 C1 + · · · + xn Cn . (5.7)
Esta función es lineal:
si X = (x1 , . . . , xn ) y Y = (y1 , . . . , yn ), entonces
f (X + Y ) = (x1 + y1 ) C1 + · · · + (xn + yn ) Cn
= x 1 C 1 + · · · + xn C n + y1 C 1 + · · · + y n C n
= f (X) + f (Y ),
y si λ ∈ R y X = (x1 , . . . , xn ) ∈ Rn , entonces
f (λ X) = λ x1 C1 + · · · + λ xn Cn = λ f (X).
Es importante destacar que ker f es el conjunto de soluciones del sistema
homogéneo asociado, es decir, el definido por la ecuación
x1 C1 + · · · + xn Cn = 0.
5. Sistemas de ecuaciones lineales 135

Lema 5.4.3 Sea f : Rn −→ Rm lineal, entonces

Im f = {Y ∈ Rm | ∃ X ∈ Rn  f (X) = Y }

es un subespacio vectorial de Rm .

Demostración. Si Y1 , Y2 ∈ Im f , existen X1 , X2 ∈ Rn  f (Xi ) = Yi ,

i = 1, 2, por lo que

f (X1 + X2 ) = f (X1 ) + f (X2 ) = Y1 + Y2 ,

y Y1 + Y2 ∈ Im f,
También, si Y ∈ Im f y λ ∈ R, entonces existe X ∈ Rn  f (X) = Y .
Por lo que f (λ X) = λ f (X) = λ Y, y λ Y ∈ Im f . 
Nótese que en el caso de una función lineal f asociada a un sistema de
la forma
x1 C1 + · · · + xn Cn = B,
se tiene que Im f es precisamente el subespacio vectorial generado por las
columnas < C1 , C2 , . . . , Cn > .

Teorema 5.4.4 Sea f : Rn −→ Rm lineal, entonces

dim(ker f ) + dim(Im f ) = n.

Demostración. Sean C1 , . . . , Cr una base de Im f y B1 , . . . , Bk una

base de ker f (si ker f = {0} no se considera ningún vector Bi ).
Ahora, existen vectores D1 , . . . , Dr ∈ Rn  f (Di ) = Ci ∀ i. Se afirma
que el conjunto de vectores D1 , D2 , . . . , Dr , B1 , B2 , . . . , Bk constituyen una
base de Rn , lo cual prueba el teorema, por lo que basta probar la afirmación.
Los vectores son linealmente independientes ya que si

λ1 D1 + · · · + λr Dr + μ1 B1 + · · · + μk Bk = 0,

entonces

f (λ1 D1 + · · · + λr Dr + μ1 B1 + · · · + μk Bk ) = f (0) = 0.

Por lo cual, usando la linealidad se tiene

λ1 f (D1 ) + · · · + λr f (Dr ) = 0 y λ1 C1 + · · · + λr Cr = 0.
136 5.5. Sistema homogéneo asociado

Como C1 , . . . , Cr son linealmente independientes, λ1 = · · · = λr = 0, lo

cual implica que
μ1 B1 + · · · + μk Bk = 0,
y entonces μ1 = · · · = μk = 0.
Probamos ahora que estos vectores también generan. Si X ∈ Rn ,
f (X) = α1 C1 + α2 C2 + · · · + αr Cr ,
en términos de los vectores Di , i = 1, 2, . . . , r, esto se escribe
f (X) = α1 f (D1 ) + α2 f (D2 ) + · · · + αr f (Dr ),
y la linealidad nos permite afirmar que
f (X − α1 D1 − · · · − αr Dr ) = 0.
En consecuencia, X − α1 D1 − · · · − αr Dr ∈ ker f y
X − α1 D1 − · · · − αr Dr = μ1 B1 + · · · + μk Bk ,
para algunas μj ∈ R, j = 1, 2, . . . , k. Es decir, D1 , . . . Dr , B1 , . . . , Bk ge-
neran Rn . 
Este resultado implica que si se tiene una ecuación vectorial
x 1 C 1 + · · · + xn C n = 0
y las columnas C1 ,. . .,Cr son una base del subespacio vectorial <C1 ,. . .,Cn >,
entonces
dim(ker f ) = n − r,
donde f es como en (5.7). Esto es, el espacio de soluciones de un sistema
homogéneo tiene dimensión n − r (compárese este resultado con el Teorema
5.4.2).

5.5. Sistema homogéneo asociado

De manera natural al sistema (5.2)
x1 C1 + · · · + xn Cn = B,
se le asocia el sistema homogéneo (5.6)
x1 C1 + · · · + xn Cn = 0,
y se le llama sistema homogéneo asociado.
5. Sistemas de ecuaciones lineales 137

Teorema 5.5.1 Las soluciones del sistema (5.2) consisten en todos los vec-
tores de la forma
X0 + S,
donde X0 es una solución particular de (5.2) y S es cualquier solución de
(5.6) el sistema homogéneo asociado.

Demostración. Sea X0 = (x1 , . . . , xn ) y Y cualquier solución de (5.2),

Y = (y1 , . . . , yn ), entonces
x 1 C 1 + · · · + xn C n = B
y
y1 C1 + · · · + yn Cn = B,
por lo cual
(y1 − x1 ) C1 + · · · + (yn − xn ) Cn = B − B = 0,
y Y − X0 = S es solución de (5.6), i.e., Y = X0 + S.
Finalmente si S es solución de (5.6), S = (s1 , . . . , sn ), entonces
(x1 + s1 ) C1 + · · · + (xn + sn ) Cn = x1 C1 + · · · + xn Cn + s1 C1 + · · · + sn Cn
= B + 0 = B,

y X0 + S es solución. 
Ejemplo
Consideremos x + y = 2.
El sistema homogéneo asociado es x + y = 0, una solución particular del
sistema es (1, 1), por lo que las soluciones de este sistema consisten de los
puntos de la recta y = −x trasladados por (1, 1).

(0, 2)
(1, 1)
(2, 0)

y = −x

Figura 5.5: Soluciones a los sistemas

x+y =2 y x+y =0
138 5.6. Resolución de sistemas

5.6. Resolución de sistemas

La primera simplificación consiste en aplicar operaciones elementales a los
vectores renglón.

Teorema 5.6.1 Si un sistema de ecuaciones lineales se obtiene de otro me-

diante operaciones elementales en los renglones de la matriz aumentada, en-
tonces ambos sistemas tienen las mismas soluciones.

Antes de probar el teorema primero exhibimos un ejemplo, consideremos

los sistemas:
 
x − 2y = 3 x − 2y = 3
(1) (2)
3x + 5y = 6 9x + 15y = 18

 
x − 2y = 3 3x + 5y = 6
(3) (4)
(3x + x) + (5y − 2y) = 6 + 3 x − 2y = 3

El sistema (2) se obtuvo de (1), multiplicando por 3 el 2o renglón. Además,

multiplicando por 3 (o dividiendo entre 3), se sigue que

(x, y) es solución de (1) ⇐⇒ es solución de (2).

Ahora si (x, y) satisface (1) también satisface (3), ya que sumando las
dos ecuaciones en (1) se obtiene la 2a ecuación en (3). Asimismo, si (x, y)
satisface (3), restando en este sistema la 1a ecuación de la 2a , se sigue que
(x, y) satisface (1). La equivalencia de (1) y (4) es evidente.

Demostración del Teorema 5.6.1 La 1a operación elemental de inter-

cambiar renglones ciertamente no altera las soluciones del sistema, ya que
si (x1 , x2 , . . . , xn ) cumple m ecuaciones, el orden en el que aparezcan es
irrelevante.
Ahora si se multiplica en el sistema (5.1) el renglón (ai1 , ai2 , . . . , ain , bi )
por λ = 0, entonces

λ x1 ai1 + λ x2 ai2 + · · · + λ xn ain = λ bi

⇐⇒
x1 ai1 + x2 ai2 + · · · + xn ain = bi .
5. Sistemas de ecuaciones lineales 139

Finalmente, si (x1 , . . . , xn ) satisface


x1 ai1 + x2 ai2 + · · · + xn ain = bi (1)
x1 aj1 + x2 aj2 + · · · + xn ajn = bj , (2)

entonces (x1 , x2 , . . . , xn ) satisface

x1 (ai1 + aj1 ) + x2 (ai2 + aj2 ) + · · · + xn (ain + ajn ) = bi + bj . (3)

Y viceversa, si (x1 , x2 , . . . , xn ) satisface (3) y (2), entonces restando (2) de

(3), se sigue que este punto satisface también la ecuación (1). 
Sabiendo que un sistema de ecuaciones lineales tiene solución, por ejem-
plo, verificando que los rangos de las matrices sean iguales, un método para
resolverlo es el siguiente:
Paso 1. Aplicar operaciones elementales a los renglones de la matriz
aumentada hasta que ésta sea escalonada.
Paso 2. Se pueden reordenar las columnas de la matriz del sistema (si
es necesario), renombrando las variables, para que el nuevo sistema sea de la
forma⎧
⎪
⎪ a11 x1 + a12 x2 + · · · + a1r xr + · · · + a1n xn = b1
⎪
⎪
⎨ a22 x2 + · · · + a2r xr + · · · + a2n xn = b2
.. .. (5.8)
⎪
⎪ . .
⎪
⎪
⎩ a x + ··· + a x = b ,
rr r rn n r

donde los primeros r vectores columna de la matriz del sistema son lineal-
mente independientes.
Usando el Teorema 5.4.2 se obtienen todas las soluciones. Primero se
aplica, para encontrar una particular. Posteriormente, se usa para encon-
trar las soluciones del sistema homogéneo asociado. Y de esta manera se
obtienen todas las soluciones del sistema en virtud del Teorema 5.5.1. Recor-
damos que el Teorema 5.4.2 establece que dados n − r números arbitrarios
sr+1 , sr+2 , . . . , sn , existen otros r números únicos s1 , s2 , . . . , sr , tales que
s = (s1 , . . . , sr , sr+1 , . . . , sn )

es solución de (5.8).
140 5.6. Resolución de sistemas

Paso 3. Para encontrar la solución particular, se toma la elección fácil,

es decir, sr+1 = sr+2 = · · · = sn = 0. Este paso es muy simple, ya que basta
resolver el sistema
⎧
⎪
⎪ a11 x1 + a12 x2 + · · · + a1r xr = b1
⎪
⎪
⎨ a22 x2 + · · · + a2r xr = b2
⎪ ..
⎪
⎪ .
⎪
⎩ a x = b,
rr r r

que es muy fácil de resolver, ya sea directamente por sustitución, o usando

la regla de Cramer. A esta solución particular encontrada del sistema (5.8)
la denotamos por X0 .
Paso 4. Finalmente, en virtud del Teorema 5.5.1 se encuentran todas las
soluciones. Para esto, basta encontrar una base del subespacio de soluciones
del sistema homogéneo asociado a (5.8)
Esta base se obtiene directamente aplicando de nuevo el Teorema 5.4.2,
n − r veces, ahora al sistema homogéneo asociado para los valores
⎧
⎪
⎪ sr+1 = 1, sr+2 = 0, · · · , sn = 0
⎪
⎪
⎨ sr+1 = 0, sr+2 = 1, · · · , sn = 0
⎪ .. .. .. ..
⎪
⎪ . . . .
⎪
⎩ s
r+1 = 0, sr+2 = 0, · · · , s = 1.
n

Las soluciones se obtienen fácilmente, por sustitución, o usando la regla de

Cramer.
Los vectores solución en Rn generados por estos valores que denotamos
por X1 , . . . , Xn−r son evidentemente linealmente independientes (ya que tie-
nen una submatriz de n − r × n − r con determinante igual a 1), y por lo
tanto forman una base. Esto último se sigue, ya que si se toma f : Rn −→ Rm
determinada por
x −→ x1 C1 + · · · + xn Cn ,
donde las Ci son las columnas de (5.8), se tiene en virtud del Teorema 5.4.4
que la dimensión del kernel de f es n − r.

Por consiguiente, todas las soluciones de (5.8) están dadas por

 *

n−r
X0 + ti Xi | ti ∈ R, i ∈ {1, 2, ..., n − r} .
i=1
5. Sistemas de ecuaciones lineales 141

Ejemplos

1. Para resolver el sistema

⎧
⎪
⎪ x + y − 2z = 1
⎪
⎨ 2x − y − z − 3t = −4
⎪
⎪ x + 2y − 3z + t = 3
⎪
⎩
2x + y − 3z − t = 0,
se aplican operaciones elementales a la matriz del sistema
⎛ ⎞ ⎛ ⎞
1 1 −2 0 1 1 1 −2 0 1
⎜ 2 −1 −1 −3 −4 ⎟ ⎜ 0 −3 3 −3 −6 ⎟
⎜ ⎟ ∼ ⎜ ⎟
⎝ 1 2 −3 1 3 ⎠ ⎝ 0 1 −1 1 2 ⎠
2 1 −3 −1 0 0 −1 1 −1 −2
⎛ ⎞ ⎛ ⎞
1 1 −2 0 1 1 1 −2 0 1
⎜ 0 −1 1 −1 −2 ⎟ ⎜ ⎟
∼⎜ ⎟ ∼ ⎜ 0 −1 1 −1 −2 ⎟ .
⎝ 0 1 −1 1 2 ⎠ ⎝ 0 0 0 0 0 ⎠
0 0 0 0 0 0 0 0 0 0
Se concluye que el sistema original tiene las mismas soluciones que el
sistema 
x + y − 2z = 1
− y + z − t = −2.

Tomando los valores (t, z) = (0, 0), se obtiene la solución particular

X0 = (−1, 2, 0, 0).
Resolvemos ahora el sistema homogéneo asociado. Estas mismas
operaciones elementales por renglones se aplican para simplificar el sis-
tema homogéneo asociado, la última columna, que son ceros, no cambia.
Nótese que la dimensión del subespacio vectorial de las soluciones es
4 − 2 = 2. Se puede encontrar una base de éste tomando para (z, t),
los valores (1, 0) y (0, 1).
Si z = 1 y t = 0 se tiene

x + y − 2 = 0
− y + 1 = 0,
142 5.6. Resolución de sistemas

cuya solución es X1 = (1, 1, 1, 0). En el caso de z = 0, y t = 1 se

tiene 
x + y = 0
− y + −1 = 0,
i.e., X2 = (1, −1, 0, 1). Por lo cual el conjunto de soluciones del sistema
está dado por

{X0 + t1 X1 + t2 X2 | t1 , t2 ∈ R},

o alternativamente, usando las variables originales

{X0 + z X1 + t X2 | z, t ∈ R}.

2. ⎧
⎪
⎪ x − y + z + 2t = 0
⎪
⎨ 2x + y − z − 5t = −6
⎪
⎪ x − 2y + z + 4t = −1
⎪
⎩
x + y + 2z − t = 5.

La matriz aumentada del sistema es

⎛ ⎞ ⎛ ⎞
1 −1 1 2 0 1 −1 1 2 0
⎜ 2 1 −1 −5 −6 ⎟ ⎜ 0 3 −3 −9 −6 ⎟
⎜ ⎟ ∼ ⎜ ⎟
⎝ 1 −2 1 4 −1 ⎠ ⎝ 0 −1 0 2 −1 ⎠
1 1 2 −1 5 0 2 1 −3 5
⎛ ⎞ ⎛ ⎞
1 −1 1 2 0 1 −1 1 2 0
⎜ 0 1 −1 −3 −2 ⎟ ⎜ 0 1 −1 −3 −2 ⎟
∼ ⎜⎝ 0 −1 0
⎟ ∼ ⎜ ⎟,
2 −1 ⎠ ⎝ 0 0 −1 −1 −3 ⎠
0 0 1 1 3 0 0 1 1 3
y el sistema es equivalente a
⎧
⎪
⎨ x − y + z + 2t = 0
y − z − 3t = −2
⎪
⎩
z + t = 3.

Tomando el valor t = 0, se obtiene de manera inmediata una solución

particular X0 = (−2, 1, 3, 0) (se encuentra z, luego y y finalmente x).
5. Sistemas de ecuaciones lineales 143

Ahora resolvemos el sistema homogéneo asociado, tomando t = 1,

se tiene ⎧
⎪
⎨ x − y + z = −2
y − z = 3
⎪
⎩
z = −1,
cuya solución es X1 = (1, 2, −1, 1). En consecuencia, el conjunto de
soluciones está dado por
{X0 + t X1 | t ∈ R}.

Nótese que el conjunto de soluciones se puede expresar en términos

de las variables originales, como en los dos ejemplo anteriores. Esto
siempre se puede hacer, ya que las variables libres pueden ser usadas
como parámetros, ya que los vectores elegidos tienen coordenadas cero
en estas variables, salvo en una de ellas donde toman el valor 1.
3. ⎧
⎪
⎪ x − y + 2z = 1
⎪
⎨ y − z = 1
⎪
⎪ 3x + y − z = 0
⎪
⎩
4x + y = 2.

La matriz aumentada del sistema está dada por

⎛ ⎞ ⎛ ⎞ ⎛ ⎞
1 −1 2 1 1 −1 2 1 1 −1 2 1
⎜ 0 1 −1 1 ⎟ ⎜ ⎟ ⎜ 0 1 −1 1 ⎟
⎜ ⎟ ∼ ⎜ 0 1 −1 1 ⎟ ∼ ⎜ ⎟,
⎝ 3 1 −1 0 ⎠ ⎝ 0 4 −7 −3 ⎠ ⎝ 0 0 −3 −7 ⎠
4 1 0 2 0 5 −8 −2 0 0 −3 −7
i.e., las soluciones son las mismas que las del sistema
⎧
⎪
⎨ x − y + 2z = 1
y − z = 1
⎪
⎩
3z = 7.
Por consiguiente, la única solución es
 
−1 10 7 3 14 10
X0 = , , , ya que x = − + .
3 3 3 3 3 3
144 5.6. Resolución de sistemas

4. Considérese el sistema
⎧
⎪
⎨ x1 + x2 + 2 x4 = 2
x2 + 2 x3 = 0
⎪
⎩
x4 = 2.

La matriz aumentada asociada es

⎛ ⎞
1 1 0 2 2
⎝ 0 1 2 0 0 ⎠.
0 0 0 1 2

Aunque esta matriz es escalonada, las primeras tres columnas no son

linealmente independientes, por lo que se debe renombrar las variables.
Sean y1 = x1 , y2 = x2 , y3 = x4 y y4 = x3 , entonces el sistema se
escribe ⎧
⎪
⎨ y 1 + y 2 + 2 y3 = 2
y2 + 2 y4 = 0
⎪
⎩
y3 = 2,
y la matriz aumentada del nuevo sistema es
⎛ ⎞
1 1 2 0 2
⎝ 0 1 0 2 0 ⎠.
0 0 1 0 2

Obsérvese que esta matriz se obtuvo al intercambiar dos columnas de

la original. Ahora podemos encontrar las soluciones, tomando y4 = 0,
se obtiene una solución particular

Y0 = (−2, 0, 2, 0).

Para el sistema homogéneo, si y4 = 1 se obtiene la solución

Y1 = (2, −2, 0, 1),

y todas las soluciones son

{Y0 + y4 Y1 | y4 ∈ R}.
5. Sistemas de ecuaciones lineales 145

En términos de las variables originales se obtiene

X0 = (−2, 0, 0, 2), X1 = (2, −2, 1, 0),

y todas las soluciones son

{X0 + x3 X1 | x3 ∈ R}.

EJERCICIO 5.6
1. Resolver los siguientes sistemas de ecuaciones encontrando una solución
particular y una base del subespacio de soluciones del sistema homogéneo
asociado.
⎧
⎪
⎨ 2x + 3y + z − t + w = 2
a) 3x + z + 2t − 5 w = 0
⎪
⎩
x + y − 2z − 4 w = 0,

⎧
⎪
⎨ x1 + x2 + x3 + x4 + x5 + x6 = 7
b) 2 x2 + x3 − 4 x5 = 8
⎪
⎩
4 x1 + 2 x5 − x6 = 2,

⎧
⎪
⎨ x + 3y + z + t − w = 2
c) 3y − 2z − 3w = 0
⎪
⎩
2 t + 5 w = 2,

⎧
⎪
⎨ x − 2y + z + t = 5
d) y + 2z − t = 3
⎪
⎩
5 z − 2 t = −1.
Capı́tulo 6

Los anillos Z y Zm
Se establecen las propiedades del anillo de los enteros de manera axiomática,
se definen los anillos Zm , y se prueba que en efecto son anillos. Posterior-
mente, se discuten los dominios enteros, el orden y las unidades. El libro
concluye probando la equivalencia del principio de inducción con el del buen
orden.

6.1. Anillos
Definición 62 El conjunto de los enteros, denotados por Z, consiste de los
números
{. . . , −2, −1, 0, 1, 2, . . .}.

Un axioma es un fundamento de verdad o un hecho evidente que se acep-

ta por verdadero pero no se demuestra. Los axiomas que fundamentan la
matemática son pocos, éstos esencialmente son los de Peano, que están basa-
dos en razonamientos que de alguna manera, su validez es evidente, dicho de
otra manera, se aceptan como verdaderos. El estudio de estos axiomas son
objeto de estudio en los cursos de Lógica Matemática y Teorı́a de Conjuntos.
Recordamos ahora la siguiente importante definición.

Definición 63 Sea A un conjunto, una operación binaria en A es una

función
μ : A × A −→ A.

Por ejemplo, la suma y la multiplicación en Z son operaciones binarias.

Recordamos del primer capı́tulo que éstas cumplen los siguientes axiomas.

147
148 6.2. Anillos Zm

S1) a + b = b + a ∀ a, b ∈ Z (conmutatividad),

S2) (a + b) + c = a + (b + c) ∀ a, b, c ∈ Z (asociatividad),
S3) ∃ 0 ∈ Z  a + 0 = a ∀ a ∈ Z (existencia del neutro aditivo),

S4) a + (−a) = 0 ∀ a ∈ Z (existencia del inverso aditivo).

P1) a b = b a ∀ a, b ∈ Z (conmutatividad),

P2) (a b) c = a (b c) ∀ a, b, c ∈ Z (asociatividad),
P3) ∃ 1 ∈ Z  a · 1 = a ∀ a ∈ Z (existencia del neutro multiplicativo),

D) a (b + c) = a b + a c ∀ a, b, c ∈ Z (distributividad).

Definición 64 A un conjunto X con dos operaciones binarias que satisfa-

cen los axiomas S1, S2, S3, S4, P 1, P 2, P 3 y D se le llama anillo conmuta-
tivo con elemento unitario (o unidad). Si no satisface P 1 y P 3 se le llama
simplemente anillo.
Con esta terminologı́a, Z es un anillo conmutativo con unidad. No se
prueba este hecho, aceptaremos las propiedades S1, S2, S3, S4, P 1, P 2, P 3
y D como ciertas, y simplemente nos referiremos a éstas como los primeros
ocho axiomas de los enteros, llamándolos Axioma 1, Axioma 2,..., y Axio-
ma 8, respectivamente. Estos axiomas, junto con otros axiomas, se tomarán
como el fundamento para el estudio de los anillos Zm y de otros temas que
se estudian en el segundo curso Álgebra Superior II, como por ejemplo, la
divisibilidad y los números reales.

6.2. Anillos Zm
Sea A = {0, 1}, se definen operaciones de suma y producto mediante las
siguientes tablas.
+ 0 1 × 0 1
0 0 1 0 0 0
1 1 0 1 0 1

Figura 6.1: Tablas de suma y producto en Z2

6. Los anillos Z y Zm 149

Se les puede llamar suma y producto a estas operaciones, el conjunto A

con estas operaciones resulta ser un anillo conmutativo con unidad, que se le
denota por Z2 .
Se deben verificar las propiedades de anillo, por ejemplo
0 + 1 = 1 + 0.
Demostrar otras propiedades es largo y tedioso. En particular, para probar la
asociatividad hay que considerar todas las posibles ternas en los valores 0 y
1 (el número de posibilidades es OR23 = 23 ). Más aún, hay ocho propiedades
de anillo por probar. Una manera más eficaz es establecer un patrón general
que ahora presentamos.
Recordamos del primer capı́tulo que dado un número m ∈ N fijo, la
relación a ∼ b, si a − b = km, k ∈ Z es de equivalencia. Denotaremos
por a la clase de equivalencia a la que pertenece a.
Por ejemplo, si m = 2

0 = {. . . , −4, −2, 0, 2, 4, . . .} = {pares},

1 = {. . . , −3, −1, 1, 3, 5, . . .} = {impares}.
Esto se sigue, ya que

0 = {t ∈ Z | t ∼ 0} y 1 = {t ∈ Z | t ∼ 1},

i.e., t ∼ 0, si t es par. Y también t ∼ 1, si t − 1 es par, lo cual sucede

si t es impar.
Para el caso m = 3, las clases de equivalencia son

0 = {. . . , −6, −3, 0, 3, 6, . . .},

1 = {. . . , −5, −2, 1, 4, . . .},

2 = {. . . , −4, −1, 2, 5, . . .}.
Una mejor descripción serı́a
0 = {t | t = 3k, i.e., t es un múltiplo de 3},
1 = {t | t − 1 = 3k, i.e., t − 1 es un múltiplo de 3},
2 = {t | t − 2 = 3k, i.e., t − 2 es un multiplo de 3}.
Obsérvese que con la convención adaptada se tiene que en el presente caso
m = 3, por ejemplo, 5 = 2 = −1.
150 6.2. Anillos Zm

Definición 65 Al conjunto de clases de equivalencia en Z definidas por la

relación
a ∼ b si a − b = km, k ∈ Z, m ∈ N fijo,
se le denota por Zm .
Resulta que este conjunto es un anillo conmutativo con unidad, lo cual
probamos ahora. Obsérvese primero que

Zm = {0, 1, 2, . . . , m − 1}

(ejercicio).
Se definen dos operaciones en Zm

a + b = a1 + b1 , donde a1 ∈ a y b1 ∈ b,

a b = a1 b1 , donde a1 ∈ a y b1 ∈ b.
Hay que probar que estas operaciones están bien definidas y no dependen
de los representantes a1 y b1 . Si

a 1 ∼ a2 y b1 ∼ b 2 ,
se tiene

a1 − a2 = m k1 y b1 − b2 = m k2 , donde k1 , k2 ∈ Z.

Por lo tanto
a1 + b1 − (a2 + b2 ) = m(k1 + k2 )
∴ a1 + b1 ∼ a2 + b2 .
También,

a1 b1 − a2 b2 = a1 b1 − a2 b1 + a2 b1 − a2 b2
= (a1 − a2 ) b1 + a2 (b1 − b2 )
= m k1 b1 + a2 m k2 = m(entero),

y a1 b1 ∼ a2 b2 .
Resulta ahora fácil probar para todos los conjuntos Zm que son en efecto
anillos conmutativos con unidad.

Teorema 6.2.1 ∀ m ∈ N, Zm es un anillo conmutativo con unidad.

6. Los anillos Z y Zm 151

Demostración. El teorema se sigue esencialmente del hecho de que estas

mismas propiedades las cumplen los enteros y de que las operaciones están
bien definidas. Probamos seis de estas propiedades y las dos restantes quedan
como ejercicio. Tomando cualesquiera representantes a, b, y c de a, b y c,
se tiene
S1) a + b = a + b = b + a = b + a,
S2) a + (b + c) = a + b + c = a + (b + c) = (a + b) + c = a + b + c
= (a + b) + c,
S3) a + 0 = a + 0 = a,
P1) a · 1 = a · 1 = a,
P3) a b = a b = b a = b a,
D) a (b + c) = a(b + c) = a(b + c) = ab + ac = ab + ac = a b + a c.


Habiendo probado que Zm es un anillo podemos usar m sı́mbolos únicos
para los elementos. Por ejemplo, Z3 = {0, 1, 2}. Sin embargo, esto no impide
pensar, o escribir, cualquier elemento en otros términos, por ejemplo, en Z3
4 es 7. Esta manera de razonar es la herramienta adecuada para sumar y
multiplicar.
La relación a ∼ b se escribirá posteriormente como a ≡ b mod m, se
dirá que a es congruente con b módulo m. Este tema se estudiará con más
detalle en el segundo curso.
Podemos ahora, sin mayor dificultad, establecer las tablas de multiplicar
de algunos de estos anillos, por ejemplo Z4 .

+ 0 1 2 3 × 0 1 2 3
0 0 1 2 3 0 0 0 0 0
1 1 2 3 0 1 0 1 2 3
2 2 3 0 1 2 0 2 0 2
3 3 0 1 2 3 0 3 2 1

Figura 6.2: Tablas de suma y producto en Z4

Nótese la simetrı́a en las tablas, la cual se debe a la conmutatividad de

la suma y del producto.
152 6.3. Propiedades de los enteros

EJERCICIOS 6.2
1. Sea m ∈ N fijo. Demuestre que Zm = {0, 1, 2, . . . , m − 1}. Sugerencia:
usar el algoritmo de la división.
2. Terminar la prueba de que Zm es una anillo conmutativo con unidad, es
decir, hay que probar las propiedades S4) y P2).
3. Escribir las tablas de Z3 , Z5 y Z6 .

6.3. Propiedades de los enteros

Probaremos primero ciertas propiedades que sólo dependen de los axiomas
de la suma y el producto junto con la distributividad. Por lo que son también
válidas para todo anillo comnutativo con unidad.

LEY DE LA CANCELACIÓN POR LA IZQUIERDA

Dados a, b, c ∈ Z tales que a + b = a + c, se tiene b = c.

Usando la existencia del inverso y la asociatividad se tiene

(−a) + (a + b) = (−a) + (a + c) y b = c.

LEY DE LA CANCELACIÓN POR LA DERECHA

Dados a, b, c ∈ Z tales que a + c = b + c, se tiene a = b.

Esta ley se sigue ahora de la conmutatividad. Como consecuencia se tiene
que el neutro aditivo es único. Si a + b = a, entonces a + b = a + 0, y b = 0.

Proposición 6.3.1 ∀ a ∈ Z, a · 0 = 0.

Demostración. Como

0 + 0 · a = 0 · a = (0 + 0) a = 0 · a + 0 · a,

por cancelación
0 = 0 · a.

La cancelación implica también que el inverso aditivo es único. Si a+c = 0,
entonces a + (−a) = a + c , por lo tanto −a = c.
6. Los anillos Z y Zm 153

Proposición 6.3.2 ∀ a ∈ Z −(−a) = a.

Demostración. Como a + (−a) = 0, entonces el inverso aditivo de (−a),

es decir, −(−a) es a, por unicidad.

Una propiedad fundamental es la siguiente.

Proposición 6.3.3 (Regla de los signos) ∀ a, b ∈ Z se tiene

i) (−a) b = −(a b) = a (−b),

ii) (−a)(−b) = a b.

Demostración. Como

(−a) b + a b = ((−a) + a) b = 0,

por unicidad
(−a) b = −(a b).
La otra igualdad en i) se prueba de manera análoga.
Para probar ii), usando i) se tiene

(−a)(−b) + [−(ab)] = (−a)(−b) + [(−a) b] = (−a)(−b + b) = 0,

por lo que (por unicidad) (−a)(−b) = a b.


Como caso particular de la Proposición 6.3.3 se tiene (−1) a = −a y
(−1)(−1) = 1.

Definición 66 Sean a, b ∈ Z, se define la resta o diferencia de a menos

b como
a + (−b),
se denota por a − b.

Obsérvese que a (b − c) = ab − ac, ya que

a(b + (−c)) = a b + a (−c) = a b + (−(ac)),

por la regla de los signos.

154 6.3. Propiedades de los enteros

Nótese que la unicidad del inverso aditivo implica que

−(a + b) = −a − b,

ya que ambos son inversos aditivos de a + b.

Los enteros tienen otras propiedades que no son consecuencia de los pri-
meros 8 axiomas: S1), S2), S3), S4), P1), P2), P3) y D), que los hemos
denotado también como Axioma 1, Axioma 2,. . . , Axioma 8.
Axioma 9 ∀ a, b ∈ Z − {0}, se tiene a b = 0.
Una formulación equivalente es decir ∀ a, b ∈ Z  a b = 0 se tiene
que a = 0 o b = 0. Esta propiedad válida en Z no se cumple en otros
anillos conmutativos con unidad, por ejemplo en Z4 , 2 · 2 = 0, o en Z9 ,
3 · 3 = 0. También, en Z6 , 2 · 3 = 0.
Obsérvese que la existencia de estos ejemplos prueba que, en efecto, el
Axioma 9 no es consecuencia de los primeros 8 axiomas.
Una manera intuitiva de convencerse de la veracidad del Axioma 9 es
suponer a b = 0, introducir sus inversos multiplicativos, es decir, los números
racionales 1/a y 1/b y llegar a una contradicción:
     
1 1 1 1
1= ab = 0 = 0.
a b a b

Sin embargo, este argumento no tiene validez formal, ya que no se han

definido los números racionales.

Definición 67 Sean A un anillo, y a, b ∈ A tales que a b = 0, entonces a

los elementos a y b se les llama divisores del cero.

El axioma 9 dice que en Z no hay divisores de cero distintos de cero.

Definición 68 Un dominio entero es un anillo conmutativo con unidad que

no tiene divisores de 0 distintos de 0.

Un ejemplo de dominio entero es Z, mientras que Z4 , Z6 , Z9 , Z18 , no

lo son. Obsérvese que en un dominio entero A vale la LEY DE LA CANCELACIÓN
PARA LA MULTIPLICACIÓN:

Sean a, b, c ∈ A, a = 0, tales que a b = a c, entonces b = c.

6. Los anillos Z y Zm 155

Esta ley se sigue ya que la hipótesis implica a b − a c = 0, por lo cual se

tiene a (b − c) = 0, y dado que a = 0, necesariamente b − c = 0.
En particular, esta ley es válida en Z. Nótese que es necesaria la condi-
ción a = 0, ya que 0 · b = 0 · c ∀ b, c ∈ A. El recı́proco es cierto: si A es
un anillo conmutativo con 1, para el cual vale la ley de la cancelación para
el producto, entonces A es un dominio entero (ejercicio).

EJERCICIO 6.3
1. Probar que si A es un anillo conmutativo con 1, para el cual vale la ley
de la cancelación para el producto, entonces A es un dominio entero.

6.4. Orden y unidades en Z

Se quiere formalizar el hecho de que un número entero es mayor que otro si
está más a la derecha en la recta.

−2 −1 0 1 2

Figura 6.3: Los enteros como puntos en la recta real

Este concepto lo podemos relacionar con los naturales, N = {1, 2, 3, . . .},

primero necesitamos algunos axiomas de cerradura y tricotomı́a.
Axioma 10 Si a, b ∈ N, entonces a + b ∈ N.
Axioma 11 Si a, b ∈ N, entonces a b ∈ N.
Axioma 12 Si a ∈ Z, entonces se cumple una y sólo una de las si-
guientes afirmaciones:
i) a ∈ N,
ii) a = 0,
iii) −a ∈ N.
Estos axiomas junto con las leyes de los signos establece que Z es un con-
junto cerrado bajo la suma y el producto. Como se mencionó antes, estos 12
axiomas de los enteros se basan en otro conjunto menor de axiomas llamados
de Peano, y éstos a su vez se basan en otros pocos axiomas fundamentales
que de alguna manera son hechos contundentes, por ejemplo, el axioma de
extensión que establece que dos conjuntos son iguales si tienen los mismo
elementos, otros axiomas son el de especificación y el de infinito. Cf. [3]
156 6.4. Orden y unidades en Z

Definición 69 Sean a, b ∈ Z, se dice que a es mayor que b, si

a − b ∈ N,
Se escribe a > b.

Obsérvese que

a > 0 ⇔ a−0 ∈ N ⇔ a ∈ N.

Proposición 6.4.1 (Transitividad) Sean a, b, c ∈ Z tales que a > b y

b > c, entonces a > c.

Demostración. Como a − b ∈ N, y b − c ∈ N, se tiene

a−b+b−c=a−c ∈ N

(en virtud del Axioma 10), es decir a > c.


Obsérvese que el Axioma 12 se puede reescribir de la siguiente manera:
dado a ∈ Z, sucede una y sólo una de las siguientes tres afirmaciones:

a > 0, a < 0, o a = 0.

Esto se sigue ya que a ∈ N ⇔ a > 0,

a < 0 ⇔ 0 > a ⇔ 0−a ∈ N ⇔ −a ∈ N.

El orden es compatible con la suma y el producto.

Proposición 6.4.2 Sean a, b, c ∈ Z tales que a > b, entonces

a + c > b + c.

Demostración. Como a − b ∈ N, se tiene

a + c − (b + c) ∈ N.

Proposición 6.4.3 Sean a, b, c ∈ Z tales que a > b y c > 0, entonces

a c > b c.
6. Los anillos Z y Zm 157

Demostración. a − b ∈ N y c ∈ N, por lo cual

(a − b) c = a c − b c ∈ N,

es decir, a c > b c.


OTRAS PROPIEDADES DE ORDEN

1. a2 > 0 ∀ a ∈ Z − {0}:
Si a ∈ N, se sigue del Axioma 11 que también a2 es un natural. Si
−a ∈ N, (−a)(−a) ∈ N y a2 ∈ N, por la regla de los signos.

2. Si a ≥ 0 y b ≥ 0, entonces a + b ≥ 0 :

a, b ∈ N ⇒ a + b ∈ N.

3. a < b ⇔ −a > −b (−b < −a) :

b−a ∈ N ⇔ −a − (−b) ∈ N.

UNIDADES EN Z

Se mostró que todos los elementos de Z tienen un inverso aditivo, sin embar-
go, sólo 1 y -1 tienen inverso multiplicativo. Lo cual se prueba a continuación.

Definición 70 En un anillo a los elementos que tienen inverso multiplica-

tivo se les llama unidades.

Por ejemplo, en Z5 todos los elementos no cero son unidades, ya que

2 · 3 = 1, y 4 · 4 = 1, sin embargo, en Z6 , 2 no es unidad, ya que

2 · 1 = 2, 2 · 2 = 4, 2 · 3 = 0, 2 · 4 = 2, 2 · 5 = 4, 2 · 0 = 0.

Proposición 6.4.4 Las únicas unidades en Z son 1 y -1.

Demostración. 0 no es unidad, ya que 0 a = 0 ∀ a ∈ Z. Como 1· 1 = 1

y (−1) (−1) = 1, 1 y −1 sı́ lo son.
Ahora, si a > 1, a no es unidad. Probamos que a b = 1 ∀ b ∈ Z.
Primero, a 0 = 0 y a 1 = a. Si b < 0, entonces a b < a · 0 = 0 y a b = 1.
También si b > 1, a b > a 1 = a y a b = 1.
158 6.5. Principio de inducción

Si a < −1, a tampoco es unidad. Si a fuera unidad, se tendrı́a a b = 1

y (−a)(−b) = 1, i.e., −a, que es mayor a 1, serı́a unidad, contradiciendo la
1a parte.

EJERCICIO 6.4
1. Encuentre las unidades en los anillos Z4 , Z6 , y Z7 .

6.5. Principio de inducción

Profundizamos sobre este tema que se presentó al inicio del libro.
Axioma 13 (Principio de inducción)
Sea M un subconjunto de los naturales tales que se cumplen las siguientes
condiciones:

i) 1 ∈ M

ii) si n ∈ M, entonces n + 1 ∈ M .
Bajo estas hipótesis se concluye que

M = N.

Este axioma, o principio, dice que si un subconjunto de los naturales

cumple las condiciones i) y ii), entonces ese subconjunto consiste de todos
los naturales.
Su importancia radica en ser muy útil para probar propiedades que cum-
plen todos los naturales, por ejemplo, para probar la identidad
1 + 3 + 5 + 7 + · · · + (2n − 1) = n2 . (6.1)
Sea M ⊂ N, aquellos números que cumplen (6.1), se tiene que

i) 1 ∈ M, ya que 1 = 12 ,

ii) si n ∈ M, entonces
1 + 3 + 5 + 7 + · · · + (2n − 1) + (2n + 1) = n2 + (2n + 1) = (n + 1)2 ,
por lo que n + 1 ∈ M .
6. Los anillos Z y Zm 159

El principio de inducción implica que (6.1) es válido para todos los naturales.
Como un segundo ejemplo, considérese la igualdad
20 + 21 + 22 + · · · + 2n−1 = 2n − 1. (6.2)
La prueba de esta identidad se puede interpretar como sigue: para cada
número n, la identidad (6.2) es una proposición que denotamos por Pn , si
se logra probar que P1 es correcta, y que cada vez que Pn lo es, la proposición
Pn+1 también lo es, se concluye que (6.2) se cumple ∀ n ∈ N.

i) 21−1 = 20 = 21 − 1 y por lo tanto P1 se cumple,

ii) si Pn se cumple

20 + 21 + 22 + · · · + 2n−1 + 2n = 2n − 1 + 2n = 2 · 2n − 1 = 2n+1 − 1,

por lo que Pn+1 se cumple.

Algunas veces es útil usar un principio equivalente al de inducción.

PRINCIPIO DE INDUCCIÓN MODIFICADO

Sea M ⊂ N tal que cumple las siguientes dos condiciones:

a) 1 ∈ M

b) cada vez que 1, 2, . . . , n ∈ M, se tiene que n + 1 ∈ M.

Bajo estas hipótesis se concluye que M = N.

Teorema 6.5.1 El principio de inducción es equivalente al principio de in-
ducción modificado.
Demostración. Denotamos por  1 al principio de inducción y por 
2
al principio modificado. Para probar que  1 implica , 2 hay que probar
que las hipótesis de 
2 implican las de .
1 Para esto se debe probar que si
n ∈ M, entonces n + 1 ∈ M . Aplicando a) junto con n veces la hipótesis
b) se tiene que si n ∈ M , entonces n + 1 ∈ M : 1, 2 ∈ M ⇒ 3 ∈ M ,
1, 2, 3 ∈ M ⇒ 4 ∈ M . Iterando este proceso se obtiene n + 1 ∈ M , por
lo que se cumple ii). Por lo tanto M = N , y se sigue .
2
Finalmente para probar que  2 implica ,1 se debe probar que las
hipótesis de 1 implican las de ,
2 lo cual es evidente. 
160 6.5. Principio de inducción

El texto concluye estableciendo otra propiedad de los enteros que sor-

prendentemente es equivalente al principio de inducción.

PRINCIPIO DEL BUEN ORDEN

Sea A ⊂ N, A = ∅, entonces A tiene un menor elemento, i.e., ∃ m0 ∈ N,

tal que m0 ≤ n ∀ n ∈ A.

Teorema 6.5.2 El principio de inducción es equivalente al de buen orden.

Demostración. Probamos primero que el de inducción implica el del buen

orden. Si A ⊂ N, A = ∅, y A no tiene un menor elemento, sea

B = {m ∈ N | m < n ∀ n ∈ A},

es decir, el conjunto de las cotas inferiores de A. Obsérvese que A y B no

se intersecan, ya que ningún elemento es menor a sı́ mismo.
Resulta que 1 ∈ B: si 1 ∈ A, 1 es el menor elemento. También si
k ∈ B, k + 1 también está en B, ya que de otra manera k + 1 no es menor
que algún elemento de A. Esta última situación sólo acontece si k + 1 ∈ A,
puesto que se está suponiendo que todos los elementos de A son mayores a
k. Sin embargo si k + 1 ∈ A, k + 1 serı́a el menor elemento de A.
El principio de inducción implica entonces que B = N y A = ∅, lo
cual contradice las hipótesis, ∴ A tiene un menor elemento.
Finalmente, probamos que el principio de buen orden implica el de induc-
ción. Sea M ⊂ N tal que cumple las hipótesis del principio de inducción,
probamos que M c = ∅. Si M c = ∅, sea m el menor elemento de M c , en-
tonces m − 1 ∈ M y por hipótesis de inducción m ∈ M , lo cual contradice
m ∈ M c , ∴ M c = ∅.

EJERCICIO 6.5
1. Probar la siguiente identidad
 2
n (n + 1)
1 3 + 2 3 + 3 3 + · · · + n3 = .
2
Glosario de sı́mbolos

Cnk número de combinaciones de n elementos tomados de k en k,

coeficiente binomial
C los números complejos
⊃ contiene a
∴ de dónde, por lo tanto
∼ equivalente a, relacionado con
∈ pertenece a, es elemento de
∈
/ no pertenece a, no es elemento de
∃ existe
 no existe
∩ intersección (de conjuntos)
N los números naturales
= diferente a, no igual a
Onm número de ordenaciones de n elementos tomados de m en m
ORnm número de ordenaciones con repetición de n elementos tomados de m en m
∀ para todo
Pn número de permutaciones de n elementos
Q los números racionales
R los números reales
⊂ subconjunto de

sumatoria

161
162 Glosario de sı́mbolos

n
ak = a0 + a1 + a2 + a3 + · · · + an
k=0
⇐⇒ si y sólo si
 tal que
| tal que, para especificar pertenencia a un conjunto
∪ unión (de conjuntos)
∅ el conjunto vacı́o
Z los números enteros
Bibliografı́a

[1] Bravo A., Rincón H. y Rincón C., Álgebra superior, México, Fa-
cultad de Ciencias, UNAM, 2008.

[2] Cárdenas H., Lluis E., Raggı́ F., Tomás F., Álgebra superior,
México, Trillas, 1982.

[3] Halmos, P., Naive Set Theory, Nueva York, Springer-Verlag, 1974.

[4] Lang, S., Linear Algebra, Addison-Wesley, 1972.

[5] Lascurain, A., Álgebra superior II (en preparación).

163
Índice analı́tico

abcisa, 54 Cramer
anillo, 30, 148 regla de, 127
conmutativo, 148
axioma De Morgan
de extensión, 155 leyes de, 6
de infinito, 155 dependencia lineal, 71
especificación, 155 determinante, 93
axiomas propiedades, 95
Peano, 147 dominio entero, 154

base, 74 escalares, 53
buen orden espacio vectorial
principio del, 160 Rn , 60
sobre los reales, 62
campo, 30 estructuras algebraicas, 28
cardinalidad, 17
clase de equivalencia, 26, 149 factorial
coeficientes binomiales, 47 n-factorial, 21
combinación lineal, 69 función (es), 10, 36
combinaciones, 34, 46 biyectiva, 16, 39
conjunto caracterı́stica, 48
de combinaciones lineales, 70 codominio de, 10
conjunto (s), 1 composición de, 12
complemento de, 5 dominio de, 10
diferencia de, 7 extensión de, 41
finito, 17 imagen de, 11, 40, 135
infinito, 18 inversa derecha de, 14
intersección de, 4 inversa izquierda de, 14
unión de, 3 invertible, 14
vacı́o, 2 inyectiva, 15, 39
corresponencia biunı́voca, 43 kernel de, 134

165
166 ´Indice analı́tico

lineal, 134 teorema del binomio, 21

multilineal, 113
suprayectiva, 16, 39 operación binaria, 147
ordenaciones, 32, 43
grupo, 30 con repetición, 31, 41
ordenada, 54
inducción
principio modificado de, 159 pareja ordenada, 8
principio de, 19, 158 partición, 24
inversión, 88 Pascal
fórmula del triángulo de, 49
ley teorema de, 21
de cancelación para el producto, permutación
29 impar, 89
de cancelación para la suma, 29 inversa, 91
de la cancelación, 152 par, 89
de tricotomı́a, 30 permutaciones, 33, 45, 88
ley distributiva, 4 producto
cartesiano, 8, 42, 53
matrices, 81 de un escalar por un vector, 53
matriz por escalares, 60
aumentada, 121 punto, 65
cuadrada, 82
del sistema, 121 regla de correspondencia, 11
determinante, 126 relación, 9
diagonal, 82 de equivalencia, 23, 149
escalonada, 86 dominio de, 10
menores, 102 imagen de, 10
rango de, 83, 112, 123
transpuesta, 101 signos
triangular, 82 regla de los, 153
sistema
números homogéneo, 122, 132
complejos, 28 homogéneo asociado, 136
enteros, 28, 147 solución de, 123
naturales, 28 subconjunto, 2
racionales, 28 subespacio
reales, 28 generado, 70
Newton vectorial, 70
´Indice analı́tico 167

vectorial de Rn , 63
vectorial generado, 76
suma, 60
de vectores, 53

transposición, 89

unidades, 157

Van der Monde, 130

determinante tipo, 108
vectores, 53
linealmente dependientes, 71
linealmente independiantes, 72
ortogonales, 65
 $OJHEUDVXSHULRU,
editado por la Facultad de Ciencias
de la Universidad Nacional Autónoma de México,
se terminó de imprimir el 14 de septiembre de 2017
en los talleres de Gráfica premier S. A. de C. V.
5 de febrero 2309. Col. San Jerónimo Chicahualco
C.P. 52170. Metepec. Estado de México.

El tiraje fue de 1000 ejemplares.

Está impreso en papel cultural de 90 g.

En su composición se utilizó tipografía Computer Modern de
11:13.5, 14:16 y 16:18 puntos de pica.

Tipo de impresión: offset.

El cuidado de la edición estuvo a cargo de

Patricia Magaña Rueda