Notas de Algebra para Economistas 1

Algebra para economistas

1. Matrices
Definición: Una matriz m × n es un cuadro de m × n números (que en este
curso serán reales) dispuestos ordenadamente en m filas y n columnas (donde las
filas tienen disposición horizontal y las columnas disposición vertical).

Notamos a las matrices con letras imprentas mayúsculas A,B,C, etc. y a sus
elementos con letras minúsculas y dos subı́ndices que indican la posición del elemento
en la matriz, el primero de los subı́ndices indica la fila y el segundo la columna. Esto
es, aij es el elemento de la matriz A ubicado en la i -ésima fila y en la j -ésima
columna.
 
a11 a12 ... a1n
 a21 a22 ... a2n 
A =  ..
 
.. .. 
 . . ... . 
am1 am2 ... amn

Abreviamos, A = (aij ), donde 1 ≤ i ≤ m y 1 ≤ j ≤ n.

Si m = n, la matriz se dice cuadrada de orden n.

Si m 6= n, la matriz es rectangular.


Si m = 1, A = a11 a12 ... a1n se llama una matriz fila.
 
a11
 a21 
Si n = 1, A =  ..  se dice una matriz columna.
 
 . 
am1

Notación: Al conjunto de todas las matrices de m filas y n columnas cuyos

elementos son números reales
 se lo 
nota Mm×n (<).
1 0 5
Ası́, por ejemplo, A = ∈ M2×3 (<).
0 2 4

Al conjunto de todas las matrices de orden n, es decir, matrices con n filas y n

columnas, cuyos elementos son números reales lo representamos por Mn (<).
Notas de Algebra para Economistas 2

1.1. Igualdad entre matrices

Definición: Se dice que dos matrices m × n A = (aij ) y B = (bij ) son iguales,
y se nota A = B, si aij = bij para cada valor de i y cada valor de j.
√  √ 
2 0 −1 2 0 −1
Ejemplo: A= B=
−3 12 4 1
2
−3 4

1
Las matrices A y B no son iguales pues a21 = −3 6= 2
= b21 (por otro lado,
a22 6= b22 ).

1.2. Suma de matrices

Definición: Dadas las matrices m × n A = aij y B = bij ,
se llama matriz
suma de A y B , y se representa A + B,
a la matriz C = cij m × n tal que
cij = aij + bij , es decir, A + B = aij + bij .
   
1 2 3 0 1 5
Ejemplo: A = −5 0
 4 B = 6 7 4  .
1 2
3 3
−2 0 0 −1

   
1+0 2+1 3+5 1 3 8
A + B = −5 + 6 0 + 7 4 + 4  =  1 7 8  .
1
3
+ 0 32 + 0 −2 − 1 1
3
2
3
−3

Propiedades:
S1 . Asociativa: (A + B) + C = A + (B + C), cualesquiera que sean A, B y
C matrices de orden m × n.
S2 . Conmutativa: A + B = B + A, cualesquiera que sean A y B matrices
de orden m × n.  
0 0 ... 0
0 0 ... 0
S3 . La matriz m × n 0 =  .. .. ..  llamada matriz nula es tal que
 
 . . ... . 
0 0 ... 0
A + 0 = A, cualquiera que sea la matriz A.


S4 . Dada una matriz m × n A = aij , la matriz B = −aij m × n es tal
que A + B = 0.

1.3. Producto de una matriz por un escalar

Definiremos el producto de una matriz por un número real, al que denominaremos
escalar.
Notas de Algebra para Economistas 3

Definición: Sea A = aij una matriz m × n y k un número real. Se define
el
producto de k por la matriz A, y se representa kA, a la matriz m×n kA = k.aij .
Es decir, kA es la matriz que se obtiene de multiplicar todos los elementos de la
matriz A por el número real k.
 
2 −1 3
Ejemplo: Dados A = y k = 13 , se tiene que
5 4 6

−1|
2 
1 1
kA = 3
A = 3
5
3
4 .
3 3
2

Propiedades:
Sean A y B matrices m × n y k, k 0 números reales. Entonces:

1. a) k(A + B) = kA + kB.
b) (k + k 0 )A = kA + k 0 A.

2. (kk 0 )A = k(k 0 A).

3. 1.A = A.

1.4. Producto de matrices

El producto de dos matrices A y B en ese orden (es decir, AB) está definido
únicamente cuando el número de columnas de A es igual al número de filas de B.



Definición:

Si A = a ij es una matriz m × n y B = b ij n × r, entonces AB =
C = cij es de orden m × r donde cada elemento cij = ai1 b1j + ai2 b2j + ... + ain bnj ,
es decir, cada elemento cij se obtiene de la siguiente manera:
  ..

 
... b1j ... ... ... . ... ...

... ... ... ...
... b ... ... ... cij ... ...
 
ai1 ai2 ... ain   2j
 
A.B =   ... ... ... ...  .  =
 
 . .. 
... .. ... ...   ... . ... ... 

... ... ... ... ... bnj ... ... ..
... . ... ...

Se multiplican ordenadamente los elementos de la i-ésima fila de A por los de la

j-ésima columna de B y se suman esos productos para obtener el elemento Cij de
C.

Ejemplo:
   
1 −1 2 -1 0
A= B=
3 5 7 4 1
Notas de Algebra para Economistas 4

   
1,2 + (−1),7 1.(−1) + (−1),4 1,0 + (−1),1 −5 −5 −1
A.B = =
3,2 + 5,7 3.(-1)+5.4 3,0 + 5,1 41 17 5

Observación: El producto B.A no está definido ya que el número de columnas

de B es 3 y el número de filas de A es 2.
   
1 2 −1 0
Ejemplo 2: A= B=
−2 4 1 3

   
1 6 −1 −2
A.B = y B.A = .
6 12 −5 14

Observación: Nótese que, en este caso, pese a estar definidos los productos AB
y BA, A.B 6= B.A. Es decir, el producto de matrices no es conmutativo.
   
1 −1 1 0
Ejemplo 3: A= B=
0 0 1 0

     
1 −1 1 0 0 0
A.B = . = =0
0 0 1 0 0 0
     
1 0 1 −1 1 −1
B.A = . =
1 0 0 0 1 −1

Observación: A.B = 0 pero A 6= 0 y B 6= 0. Luego, el producto de dos matrices

puede dar la matriz nula sin que ninguno de los factores sea la matriz nula.

Propiedades:
Sean A, B, C matrices tales que están definidas las operaciones indicadas. En-
tonces valen las propiedades:
M1 . Asociativa: (A.B).C = A(B.C).
M2 . Distributiva: A(B + C) = A.B + A.C.
M3 . (k.A)B = A(k.B) = k(A.B), para todo escalar k ∈ <.

1.5. Matriz Identidad

Definición: Se llama matriz
identidad de orden n, y se representa In (o sim-
plemente I), a la matriz In = aij tal que

1 si i = j
aij = ;
0 si i 6= j

esto es, a11 = a22 = ... = ann = 1 y los restantes elementos iguales a 0:
Notas de Algebra para Economistas 5

 
1 0 ... 0
0 1 ... 0
In =  ..
 
.. .. 
. . ... . 
0 0 ... 1
 
1 0 0
Ejemplo: I3 = 0 1 0
0 0 1

M4 .Se verifica que A.In = In .A = A, para toda matriz A de orden n.

1.6. Matriz Traspuesta

Definición: Si A = aij ∈
Mm×n (<), se llama matriz traspuestade A, y se
nota AT , a la matriz AT = bij ∈ Mn×m (<) tal que bij = aji .
Esto es, AT se obtiene de A intercambiando filas por columnas. Luego, si A ∈
Mm×n (<), AT ∈ Mn×m (<).
 
√1 −2 5
Ejemplo: A=
3 0 4

Luego, B = AT es tal que b11  = a11 ,√b12= a21 , b21 = a12 , b22 = a22 ,
1 3
T
b31 = a13 y b32 = a23 . Es decir, B = A = −2 0 

5 4

Propiedades:

1. (AT )T = A, cualquiera que sea la matriz A ∈ Mm×n (<).

2. (A + B)T = AT + B T , cualesquiera que sean las matrices A, B ∈ Mm×n (<).
3. (A.B)T = B T .AT , cualesquiera que sean las matrices A y B tales que el pro-
ducto A.B esté definido.
4. (k.A)T = k.AT , para toda matriz A ∈ Mm×n (<) y todo escalar k ∈ <.

1.7. Matriz Idempotente

Definición: Una matriz A cuadrada de orden n se dice idempotente si A2 =
A.A = A.
       
1 0 2 1 0 1 0 1 0
Ejemplo 1: A= . Luego, A = . =
1 0 1 0 1 0 1 0
Notas de Algebra para Economistas 6

     
1 0 0 1 0 0 1 0 0
Ejemplo 2: B = 0 1 0. Entonces, B 2 = 0 1 0 . 0 1 0 =
0 0 0 0 0 0 0 0 0
 
1 0 0
0 1 0.
0 0 0

Otro ejemplo es la matriz identidad, es decir, I.I = I.

Observación: Si A es una matriz idempotente, A3 = A.A.A = A2 .A = A.A =

A2 = A.
En general, si A es idempotente se tiene que An = A, para todo número natural
n.

1.8. Matriz Diagonal

Definición: Una matriz A de orden n se dice matriz diagonal si aij = 0, para

todo i 6=j. Es decir, 
a11 0 ... 0
 0 a22 ... 0 
A= 0
.
0 ... 0 
0 0 ... ann

1.8.1. Caso Particular: Matriz Escalar

Definición: Una matriz A = aij diagonal se dice una matriz escalar si
a11 = a22 = ... = ann .
 
5 0 0
Ejemplo: A = 0 5 0.
0 0 5

 
1 0 0
Observación: A = 5.I = 5. 0 1
 0.
0 0 1
En general, toda matriz escalar A es tal que A = k.I para algún k ∈ <.

1.9. Matriz Triangular

En una matriz de orden n llamaremos diagonal principal a la que contiene a
los elementos a11 , a22 , ..., ann .
Notas de Algebra para Economistas 7

Definición: Una matriz A de orden n se dice triangular superior si aij = 0

cuando i > j. Es decir, todos sus elementos por debajo de la diagonal principal son
cero.

Definición: Una matriz A de orden n se dice triangular inferior si aij = 0

cuando i < j. Es decir, todos sus elementos por encima de la diagonal principal son
cero.
 
1 2 3 0
0 −5 −1 5
Ejemplo: A= 0 0
 es una matriz triangular superior.
2 6
0 0 0 3

1.10. Matriz simétrica

Definición: Una matriz A de orden n se dice simétrica si A = AT o, equiva-

lentemente, si aij = aji , para todo i y para todo j.
   
1 5 0 1 5 0
Ejemplo: A = 5 7 8 es tal que AT = 5 7 8 = A.
0 8 9 0 8 9

2. Sistemas de ecuaciones lineales

Se conoce la ecuación general de una recta en el plano que está dada por L :
ax + by + c = 0 donde a, b y c son números reales, a y b no simultáneamente nulos.
Cuando se desea conocer la intersección de dos rectas, es decir, los puntos que
tienen en común ambas rectas, se plantea el sistema que queda determinado por las
ecuaciones de las dos rectas:

ax + by + c = 0
dx + ey + f = 0

Este sistema puede tener una solución (rectas incidentes), ninguna solución (rec-
tas paralelas) o infinitas soluciones (rectas coincidentes).

Un sistema de dos ecuaciones con dos incógnitas se puede escribir, en general,

de la forma 
ax + by = c
dx + ey = f
donde a, b, c, d, e y f son números reales cualesquiera.
Notas de Algebra para Economistas 8

Una solución de este sistema es un par ordenado de números reales tales que se
satisfacen ambas ecuaciones.
Como las soluciones de un tal sistema corresponden a la intersección de dos
rectas en el plano puede ocurrir que:

el sistema no tenga solución. En este caso, se dice que el sistema es incompatible

y es el caso en que las rectas son paralelas.

el sistema tenga solución. En cuyo caso, decimos que el sistema es compatible

y distinguimos las siguientes situaciones:

• existe una única solución. Por lo que el sistema se dice compatible deter-
minado y estamos en presencia de rectas incidentes.
• existen infinitas soluciones. A este sistema se lo llama compatible inde-
terminado y se trata de rectas coincidentes.

Definición: Una ecuación lineal con n incógnitas, donde m y n arbitrarios,

puede escribirse de la siguiente manera: a1 x1 + a2 x2 + ...an xn = b donde los ai
con i = 1, ..., n y b son números reales. Al número real b se le llama el término
independiente y a los xi para i = 1, ..., n se les dice variables o incógnitas.
Una solución de esta ecuación es una n-upla (k1 , k2 , ..., kn ) de números reales
tales que al reemplazar cada xi por ki se satisface la ecuación, es decir, al efectuar
las operaciones indicadas la ecuación se transforma en una identidad.

Ejemplo: La 4-upla (3, 2, 1, 0) es solución de la ecuación

2x1 − 3x2 + 5x3 − 4x4 = 5 pues 2,3 − 3,2 + 5,1 − 4,0 = 5.

Un sistema de m ecuaciones con n incógnitas se escribe:



 a11 x1 + a12 x2 + a13 x3 + ... + a1n xn = b1
a21 x1 + a22 x2 + a23 x3 + ... + a2n xn = b2


 ....... ..
am1 x1 + am2 x2 + am3 x3 + ... + amn xn = bm


donde aij y bi son números reales para i = 1, ..., m y j = 1, ..., n.

Ası́, aij es el coeficiente de la incógnita xj en la i-ésima ecuación.
Una solución de este sistema es una n-upla (k1 , k2 , ..., kn ) de números reales que
es simultáneamente solución de todas las ecuaciones.

El sistema se dice incompatible si no admite solución, compatible deter-

minado si la solución es única y compatible indeterminado si existen infinitas
soluciones.
Si b1 = b2 = b3 = ... = bm = 0, el sistema se dice homogéneo.
Notas de Algebra para Economistas 9

Observemos que un sistema homogéneo es siempre compatible, ya que la n-upla

(0, 0, ..., 0) es una solución (aunque pueden existir más soluciones).

Dado un sistema de ecuaciones, se trata de ver si tiene solución y, si es ası́,

hallarla.
Vamos a indicar un método de resolución de sistemas que se denomina Método
de eliminación o Método de Gauss que consiste en la aplicación reiterada de las
siguientes tres operaciones que transforman el sistema en uno equivalente (es decir,
un sistema distinto pero con exactamente la misma solución). Las operaciones son:

I. Intercambiar dos ecuaciones entre sı́.

II. Multiplicar una ecuación por un número real (escalar) no nulo.

III. Reemplazar una ecuación por la que resulta de sumar a la misma otra ecuación
previamente multiplicada por un escalar.

Ejemplo:

 2x − y + 3z = 2
x − y + 4z = 8
3x + 2y + z = 10


Tratando de que quede el primer coeficiente igual a 1, se aplica la operación del tipo
I intercambiando la primer y segunda ecuación:

 x − y + 4z = 8
2x − y + 3z = 2
3x + 2y + z = 10


Ahora, aplicando la operación del tipo III y reemplazando la segunda ecuación por
la que resulta de sumar a la segunda ecuación la primera (previamente multipli-
cada por (−2)) y, análogamente, reemplazando la tercer ecuación por la suma de
la primera multiplicada por (−3) más la tercera; se obtiene el siguiente sistema de
ecuaciones equivalente al que se tenı́a:

 x − y + 4z = 8
0x + y − 5z = −14
0x + 5y − 11z = −14


Finalmente, se aplica la operación del tipo III a la tercer ecuación reemplazándola

por la suma de la segunda ecuación multiplicada por (-5) y la tercera, obteniéndose:

 x − y + 4z = 8
y − 5z = −14
14z = 56

Notas de Algebra para Economistas 10

Luego, despejando de la tercer ecuación se tiene que z = 4. Con este resultado se

obtiene de la segunda ecuación que y = 6 y, finalmente, con ambos valores se despeja
x = −2 de la primer ecuación.
Ası́, el sistema tiene una única solución que es la terna (−2, 6, 4) y, por lo tanto,
resulta un sistema compatible determinado.

2.1. Matriz del Sistema

Definición: Dado un sistema de ecuaciones:


 a11 x1 + a12 x2 + a13 x3 + ... + a1n xn = b1
a21 x1 + a22 x2 + a23 x3 + ... + a2n xn = b2


 ...... ...
am1 x1 + am2 x2 + am3 x3 + ... + amn xn = bm


se llama matriz de los coeficientes del sistema de ecuaciones a la siguiente matriz:

 
a11 a12 ... a1n
 a21 a22 ... a2n 
..  .
 
 .. ..
 . . ... . 
am1 am2 ... amn

Y se llama matriz del sistema de ecuaciones a la matriz que sigue:

 
a11 a12 ... a1n b1
 a21 a22 ... a2n b2 
..  .
 
 .. .. ..
 . . ... . . 
am1 am2 ... amn bm


 2x − y + 3z = 2
Ejemplo: En el caso del sistema resuelto anteriormente x − y + 4z = 8
3x + 2y + z = 10

   
2 −1 3 2 −1 3 2
la matriz de los coeficientes es 1 −1 4 y la matriz del sistema es 1 −1 4 8 .
3 2 1 3 2 1 10

Podemos aplicar a las filas de la matriz del sistema las mismas operaciones
que se aplicaron a las ecuaciones. En este caso, se suele llamar a las operaciones
operaciones elementales, que traducidas en términos de la matriz del sistema son las
siguientes:

I. Intercambiar dos filas entre sı́.

Notas de Algebra para Economistas 11

II. Multiplicar una fila por un escalar no nulo.

III. Reemplazar una fila por la que resulta de sumarle otra previamente multipli-
cada por un escalar.
Estas operaciones elementales transforman la matriz del sistema en otra matriz
que corresponde a un sistema equivalente al dado.

 x + 2y + z = 2
Ejemplo: Resolver el siguiente sistema de ecuaciones lineales: x − y − 2z = 5
2x + y + z = 1


 
1 2 1 2
Primero se arma la matriz del sistema:1 −1 −2 5.
2 1 1 1
Luego se le aplican operaciones elementales (a lasfilas):
2◦ + (−1)1◦ → 2◦
Por ejemplo, aplicando operaciones del tipo III
  3◦ + (−2)1◦ → 3◦
1 2 1 2
se tiene: 0 −3 −3 3 .

0 −3 −1 −3
1 ◦ ◦
 Ahora si se  una operación elemental del tipo II (− 3 )2 → 2 , se obtiene:
aplica
1 2 1 2
0 1 1 −1
0 −3 −1 −3
y, para terminar, puede aplicarse
 nuevamente
 una operación del tipo III
1 2 1 2
3◦ + 32◦ → 3◦ y se tiene: 0 1 1 −1.
0 0 2 −6 
 x + 2y + z = 2
Finalmente, se escribe el sistema obtenido: y + z = −1
2z = −6


Luego, despejando las variables se tiene que la solución es (1, 2, −3).

Observaciones:
1. Si al aplicar las operaciones del método de Gauss al sistema original se obtiene
en alguno de los sistemas intermedios una ecuación de la forma 0x1 + 0x2 +
... + 0xn = b, con b 6= 0, entonces el sistema es incompatible.

 3x − 2y + z = 5
Ejemplo: −x − 3y + 2z = 4
8x − 9y + 5z = 10

Notas de Algebra para Economistas 12

 
3 −2 2 5
La matriz del sistema es −1 −3 2 4 .
8 −9 5 10
 
1 3 −2 −4
Aplicando operaciones elementales se obtiene: 3 −2 1 5  −→
8 −9 5 10
 
1 3 −2 −4
0 −11 7 −7 −→
0 −33 21 42
 
1 3 −2 −4
0 −11 7 −7 −→
0 −11 7 14
 
1 3 −2 −4
0 −11 7 −7 .
0 0 0 21

 x + 3y − 2z = −4
Luego, el sistema obtenido es: 0x − 11y + 7z = −7 que claramente no tiene
0x + 0y + 0z = 21

solución, es decir, es un sistema incompatible.
2. Si en alguno de los sistemas intermedios aparece una ecuación de la forma
0x1 + 0x2 + ..,0xn = 0, la misma puede eliminarse del sistema. En términos
de la matriz del sistema, es el caso en que aparece una fila donde todos los
elementos son nulos.

 x + 3y − 2z = 3
Ejemplo: 3x + 8y + z = 4
5x + 14y − 3z = 10


   
1 3 −2 3 1 3 −2 3
Tenemos: 3 8 1 4  −→ 0 −1 7 −5 −→
5 14 −3 10 0 −1 7 −5
 
1 3 −2 3
0 −1 7 −5.
0 0 0 0

x + 3y − 2z = 3
Luego el sistema obtenido es .
0x − y + 7z = −5
Por lo que no existe una única solución, ya que, despejando se tiene: y = 7z +5
y x = −19z − 12. Es decir, se obtiene la expresión de dos de las variables en
función de la otra. La solución general puede expresarse como el conjunto de
ternas
Notas de Algebra para Economistas 13

{(x, y, z) : y = 7z + 5, x = −19z − 12} = {(−19z − 12, 7z + 5, z) : z ∈ <}.

Ası́ el sistema es compatible indeterminado (es decir, tiene más de una solu-
ción) ya que para cada valor real de la variable z se tiene una solución.
Por ejemplo, una solución particular de este sistema es (7, −2, −1) que se
obtiene cuando z = −1.

Veamos más ejemplos de resolución de sistemas de ecuaciones con el método de

Gauss:

Ejemplo 1:

 x + 2y + z = 0
2x + y + 3z = 0
3y + z = 0


Como el sistema es homogéneo, es decir, todos los términos independientes son

nulos; puede obviarse la última columna en la matriz del sistema puesto que todos
sus elementos son iguales a cero. Ası́, comenzamos con la matriz del sistema (o
matriz
 de los coeficientes,
  en estecaso) yaplicamoslas operaciones elementales:
1 2 1 1 2 1 1 2 1
2 1 3 −→ 0 −3 1 −→ 0 −3 1
0 −3 1 0 −3 1 0 0 0

x + 2y + z = 0
El sistema que se obtiene es: Luego, despejando z y x en
−3y + z = 0

función de y se tiene que z = 3y y x = −5y. Por lo tanto, el sistema es compatible

indeterminado y la solución general es {(−5y, y, 3y) : y ∈ <}.
O bien, despejando y y x en función de z se obtiene y = ( 31 )z y x = (− 35 )z.
Luego, la solución es {((− 53 )z, ( 13 )z, z) : z ∈ <}

Ejemplo 2:


 x + 4y − z + t = 2
 10y − 4z + t = 1


3x + 2y + z + 2t = 5
 −2x − 8y + 2z − 2t = −4



x − 6y + 3z = 1

     
1 4 −1 1 2 1 4 −1 1 2 1 4 −1 1 2
 0 10 −4 1 1 0 10 −4 1 1 0 10 −4 1 1
     
3 2 1 2 5  −→ 0 −10 4 −1 −1 −→ 0 0 0 0 0 −→
     
−2 −8 2 −2 −4 0 0 0 0 0 0 0 0 0 0
1 −6 3 0 1 0 −10 4 −1 −1 0 0 0 0 0
Notas de Algebra para Economistas 14


x + 4y − z + t = 2
Es sistema que se obtiene es
0x + 10y − 4z + t = 1

Asi despejando, se obtienen x = 1 + 6y − 3z y t = 1 − 10y + 4z.

Luego, la solución general puede expresarse como
(1 + 6y − 3z, y, z, 1 − 10y − 4z) : y, z ∈ <.

Ejemplo 3:
  
x + y + z + 2t = 3 1 1 1 2 3
−→
y + 2z + 3t = 5 0 1 2 3 5

En este caso, no es necesario aplicar el método de Gauss pues pueden despejarse

las variables directamente. A saber, y = 5 − 2z − 3t y x = −2 + z + t. Ası́, se tiene
la solución general {(−2 + z + t, 5 − 2z − 3t, z, t) : z, t ∈ <}. Luego, el sistema es
compatible indeterminado de grado de indeterminación 2 pues existen dos variables
independientes.
Una solución particular del sistema es (−1, 3, 1, 0) en el caso en que z = 1 y
t = 0.

2.2. Determinante de una matriz

Se trata de hacer corresponder a toda matriz cuadrada de orden n un número
bien determinado llamado determinante de A. Para definirlo vamos a ver primero la
noción de permutación de orden n. Una permutación de orden n es una ordenación
cualquiera de los primeros n números naturales (es decir, se dan los primeros n
números naturales en un cierto orden).

Ejemplo: Si n = 4, es decir, se tienen los números 1234; una permutación

de orden 4 de estos cuatro primeros números naturales es, por ejemplo, la siguiente:
1342.

La permutación en que los números aparecen en el orden natural se denomina

permutación principal. Por ejemplo, en el caso en que n = 4 la permutación
principal es 1234.
Se dice que dos números i, j presentan una inversión en la permutación en que
se encuentran si están ubicados en distinto orden (uno respecto del otro) que en la
permutación principal.
En el ejemplo, 3 y 2 presentan inversión. Lo mismo ocurre con 4 y 2.
En esta permutación, el número total de inversiones es igual a 2.
Notas de Algebra para Economistas 15

2.2.1. Determinante de una matriz de orden 2

 
a11 a12
Definición: Si A es una matriz de orden 2, A = , el determinante de
a21 a22
a a
A que se nota detA = 11 12 , se define:
a21 a22

a11 a12
= a11 a22 − a12 a21
a21 a22
.
 
1 −2
Ejemplo: Si A = , el determinante de A es
3 5

1 −2
detA = = 1,5 − 3(−2) = 11
3 5
.

2.2.2. Determinante de una matriz de orden 3

 
a11 a12 a13
Consideremos una matriz de orden 3, A = a21 a22 a23 .
a31 a32 a33
Para definir el determinante se procede ası́:
Se toman todos los productos de tres elementos de la matriz de modo que en cada
producto aparezca un elemento de cada fila y uno de cada columna tal que no haya
dos elementos de una misma fila ni de una misma columna en cada producto. A cada
uno de esos productos se les antepone un ”factor de signo”(positivo o negativo), como
se verá enseguida, y cuando se suman esos resultados se obtiene el determinante de
la matriz A.
Obtenemos todos los productos posibles de elementos de la matriz
partiendo de la permutación natural de los primeros subı́ndices y escribiendo las
seis permutaciones (es decir, todas las presentaciones posibles de los números 123)
de los tres segundos subı́ndices que indican la columna:

a11 a22 a33

a11 a23 a32
a12 a21 a33
a12 a23 a31
a13 a21 a32
a13 a22 a31
Notas de Algebra para Economistas 16

Se dice que una permutación es par si el número total de inversiones es par.

Análogamente, se dice que una permutación es impar si el número total de inver-
siones es impar.

Luego, a cada producto de los anteriores se le antepone un signo + si la per-

mutación de los segundos subı́ndices es par, y un signo − si la permutación de los
subı́ndices que indican la columna del elemento es impar. Es decir, el factor de signo
de cada producto es (−1)k donde k es el número de inversiones de la permutación
de los segundos subı́ndices. Ası́, se tiene:

+a11 a22 a33

−a11 a23 a32
−a12 a21 a33
+a12 a23 a31
+a13 a21 a32
−a13 a22 a31

Finalmente, el determinante de la matriz A es la suma de todos estos productos

con su correspondiente signo.
Para el caso particular de una matriz de orden 3 se tiene una regla nemotécnica
para el cálculo del determinante llamada regla de Sarrus. Esta consiste en obtener
los productos siguiendo poligonales imaginarias trazadas en la matriz, algunas con
signo positivo y otras con signo negativo.
 
a11 a12 a13
Dada la matriz A = a21 a22 a23 , el determinante de A se obtiene sumando
a31 a32 a33
los productos de los tres elementos que se ”tocanrecorriendo las siguientes poligo-
nales de la matriz:  
. . .
. . .
. . .
y restando los productos obtenidos de recorrer las siguientes poligonales:
 
. . .
. . .
. . .
.
 
2 1 2
Ejemplo: Calcular el determinante de la matriz A = −4 0 3 .
−5 4 −6
Entonces el determinante de A es
Notas de Algebra para Economistas 17

2 1 2
detA = −4 0 3 = 2,0.(−6)+1,3.(−5)+(−4),4,2−2,0.(−5)−(−4),1.(−6)−
−5 4 −6
4,3,2 =
= 0 − 15 − 32 + 0 − 24 − 24 = −95.
Observaciones: Las definiciones anteriores son casos particulares de la siguiente:
 
a11 a12 ... a1n
 a21 a22 ... a2n 
Definición: Sea A =  .. ..  una matriz de orden n. (Si la matriz
 
..
 . . ... . 
an1 an2 ... ann
no es cuadrada no está definido el determinante).
Por definición el determinante de A es la suma de todos los productos posi-
bles de n elementos de la matriz A de modo que en cada producto haya un factor
de cada fila y uno de cada columna, o sea, productos de la forma a1α1 .a2α2 ...anαn
donde α1 α2 ...αn es una permutación de 1, 2, 3, ..., n.(Hay n! = n.(n − 1).(n − 2)..,2,1
productos de esta forma); y cada producto tiene asociado el signo (−1)k donde k es
el número de inversiones de la
Ppermutación α1 , α2 , ..., αn .
k
Simbólicamente, detA = (−1) a1α1 .a2α2 ...anαn donde k es el número de inver-
siones de la permutación α1 , α2 , ..., αn .
 
4 0 0 0
0 0 −2 0 
Ejemplo: Calcular el determinantes de A =  .
1 1 1 −1
7 2 0 −1
Los productos que no se anulan son:
(−1)1 .a11 .a23 .a32 .a44 (1324 → 1 inv.) (−1)1 ,4.(−2),1.(−1) = −8
2 −→ . Luego,
(−1) .a11 .a23 .a34 .a42 (1342 → 2inv.) (−1)2 ,4.(−2).(−1),2 = 16
el determinante de A es detA = −8 + 16 = 8.

Observemos que la definición es bastante ineficiente para calcular determinantes

de orden n, incluso para valores de n no muy grandes. Por ejemplo, si n = 5 existen
5! = 5,4,3,2,1 = 120 términos para sumar. Por lo tanto, será necesario indicar ciertas
propiedades de los determinantes que faciliten su cálculo.

Observación: El caso más

 simple de calcular undeterminante es el de una matriz
a11 a12 a13 ... a1n
 0 a22 a23 ... a2n 
 
0 0 a ... a
triangular superior A =   o bien, triangular inferior A =
33 3n

 .. .. .. .. 
 . . . ... . 
0 0 0 ... ann
Notas de Algebra para Economistas 18

 
a11 0 0 ... 0
 a21 a22 0 ... 0 
 
 a31 a32 a33 ... 0 
  . Es, simplemente, el producto de los elementos de la
 .. .. .. .. 
 . . . ... . 
an1 an2 an3 ... ann
diagonal principal. Es decir, el determinante de las matrices dadas anteriormente es
detA = a11 .a22 .a33 ...ann .
Luego, para facilitar el cálculo de un determinante de una matriz de orden n
cualquiera pueden aplicarse operaciones elementales a la matriz hasta obtener una
matriz triangular (sabiendo cómo afecta cada operación elemental al determinante
de la matriz) y calcular su determinante como el producto de los elementos de la
diagonal principal; lo que veremos más adelante.

Propiedades:

1. detA = det(AT ), cualquiera que sea A una matriz cuadrada.

Observación: De acuerdo con esta propiedad resulta que a toda propiedad
del determinante relativa a las columnas de una matriz corresponde a una
propiedad totalmente análoga para las filas, y recı́procamente.

2. Si en una matriz una fila (o columna) está formada unicamente por ceros, el
determinante de esa matriz es cero.

3. Si en una matriz se intercambian dos filas entre sı́ (o columnas), el determinante

cambia de signo.

a b c d e f
Ejemplo: d e f =− a b c .
g h i g h i

4. El determinante de una matriz que tiene dos filas (o columnas) iguales, es cero.
Esta propiedad puede deducirse de la anterior ya que, por ejemplo, si k =
a b c a b c
d e f = − d e f = −k pensando en que se han intercambiado la primer
a b c a b c
y tercer fila. Como ambas matrices son iguales, los determinantes deben ser
iguales. Entonces, de k = −k, resulta que k = 0.

5. Si se multiplican todos los elementos de una fila (o columna) de una matriz

cuadrada A por un número real k, se obtiene una matriz A0 tal que detA0 =
k.detA.
Notas de Algebra para Economistas 19

   
a b c a b c
Ejemplos: Si A = d e f  y A0 = k.d k.e k.f , entonces
g h i g h i

detA0 = k.detA

1 3 1
2 2 2
1 3 1
1
Otro ejemplo: 0 1 1 = 2
. 0 1 1
−1 −2 −1 −1 −2 −1
De acuerdo con esta propiedad es posible sacar un factor común de una fila
(o columna) solamente y escribirlo fuera del determinante. Entonces, debe
observarse la diferencia que existe entre multiplicar una matriz por un número
(en cuyo caso se multiplican todos los elementos de la matriz por ese número) y
multiplicar el determinante de una matriz por un número (en cuyo caso sólo se
multiplican los elementos de una fila, o columna, cualquiera por ese número).
Por lo tanto,

6. Si A es una matriz de orden n y k es un número real, se tiene que det(k.A) =

k n .det(A).
 
a11 a12 a13
Ejemplos: Si n = 3 y A = a21 a22 a23 , entonces det(k.A) =
a31 a32 a33
k.a11 k.a12 k.a13 a11 a12 a13
k.a21 k.a22 k.a23 = k 3 . a21 a22 a23 .
k.a31 k.a32 k.a33 a31 a32 a33
Otro ejemplo: Si A es una matriz de orden 5 y el detA = 7, se tiene que
det( 32 .A) = ( 32 )5 .detA = ( 23 )5 ,7.

7. Si A = (aij ) es una matriz tal que la r-ésima columna se puede expresar como
air = bir + cir , entonces detA = detB + detC donde B y C coinciden con A
salvo en la columna r-ésima donde en la matriz B aparecen los elementos bir
a11 b12 + c12 a13 a11 b12 a13
y en la matriz C, los cir . Por ejemplo, a21 b22 + c22 a23 = a21 b22 a23 +
a31 b32 + c32 a33 a31 b32 a33
a11 c12 a13
a21 c22 a23 .
a31 c32 a33
Combinaciones lineales: Sea A una matriz de orden m×n y notemos C1 , C2 , ..., Cn
a las n columnas de A. Se dice que una columna Ci es combinación lineal de
dos columnas Cj y Ck si Ci = α.Cj + β.Ck donde α y β son números reales.
Notas de Algebra para Economistas 20

Ejemplos:
 
1 3 5
a) A = 0 2 2 . En este caso, C3 = 2C1 + 1C2 , con α = 2 y β = 1.
2 8 12
 
1 3
b) A = −2 1 . Aquı́, C3 = 3C1 + (−2)C2 , es decir, α = 3 y β = −2.
7 7
8. Propiedad: Si en una matriz una columna es combinación lineal de otras, el
determinante se anula.
En el ejemplo anterior y utilizando las propiedades anteriores, se tiene:
1 3 5 1 3 2,1 + 3 1 3 1 1 3 3
0 2 2 = 0 2 2,0 + 2 = 2 0 2 0 + 0 2 2 = 2,0+0 = 0
−1 4 2 −1 4 2.(−1) + 4 −1 4 −1 −1 4 4
ya que cada uno de los dos últimos determinantes tiene dos columnas iguales
por lo que ambos se anulan.

9. Si en una matriz se suma a una columna una combinación lineal de otras

columnas entonces el determinante no cambia.

−1 1 2
Ejemplo: A = 3 0 −5 . Obtenemos la matriz A0 reemplazando la
1 7 2
tercer columna por la suma de ella más el doble de la primer columna, es
−1 1 0
decir, C30 = C3 + 2C1 . Luego, A0 = 3 0 1 . Entonces,
1 7 4
−1 1 2 + 2(−1) −1 1 2 −1 1 2(−1) −1 1 2
0
detA = 3 0 −5 + 2,3 = 3 0 −5 + 3 0 2,3 = 3 0 −5 +
1 7 2 + 2,1 1 7 2 1 7 2,1 1 7 2
−1 1 −1
2. 3 0 3 = det(A) + 20 = det(A).
1 7 1
Observación: Sabemos, por la propiedad 1, que a esta propiedad para las co-
lumnas le corresponde igual propiedad para las filas; por lo tanto, vemos que
si a una matriz le aplicáramos la operación elemental del tipo III del método
de Gauss, su determinante no cambiarı́a.

Conclusión:Observamos también que al aplicar la operación elemental del tipo

I a una matriz, el determinante de la misma cambia de signo. Si aplicamos a una
Notas de Algebra para Economistas 21

matriz la operación elemental del tipo II, el determinante queda multiplicado por
un número; y al aplicar la operación del tipo III, el determinante no cambia.

Recordemos que si una matriz es triangular, el determinante es el producto de

los elementos de la diagonal principal.

2.2.3. Cálculo de un determinante por triangulación de la matriz

0 1 5 3 −6 9 1 −2 3
Ejemplo: 3 −6 9 = − 0 1 5 =1 (−3) 0 1 5
F1 ↔F2 F1 → 3 F1
2 6 1 2 6 1 2 6 1
1 −2 3 1 −2 3
= (−3) 0 1 5 = (−3) 0 1 5 = −3(−55) =
F3 →F3 +(−2).F1 F3 →F3 +(−10)F2
0 10 −5 0 0 −55
165.

2.2.4. Cálculo de un determinante por los elementos de una fila o co-

lumna
Menor complementario y complemento algebraico

Sea A = (aij ) una matriz de orden n:

 
a11 a12 ... a1j ... a1n
 a21 a22 ... a2j ... a2n 
 . .. . . 
 .
 . . ... .. ... .. 

A=
 ai1 ai2 ... aij ... ain 

 . .. . . 
 .. . ... .. ... .. 
an1 an2 ... anj ... ann
Si en la matriz A suprimimos la i-ésima fila y la columna j-ésima, resulta una
matriz A0 de orden (n − 1).

Definición: Se llama menor complementario del elemento aij , y se nota Mij ,

al determinante de la matriz A0 que se obtiene de A suprimiendo la i-ésima fila y la
j-ésima columna.
 
1 −2 5
1 5
Ejemplo: Si A = 4 3 2 , entonces M32 = = −18.
4 2
7 1 −1

Definición: Se llama complemento algebraico o adjunto del elemento aij ,

y se nota Aij , al número Aij = (−1)i+j Mij .
Notas de Algebra para Economistas 22

Ejemplo: En el ejemplo anterior, A32 = (−1)3+2 M32 = (−1)(−18) = 18.

Teorema: El determinante de una matriz A es igual a la suma de los elementos

de una fila cualquiera multiplicados por sus respectivos complementos algebraicos.
Vale lo mismo si se toma una columna. Concretamente, si se elige la fila i-ésima,
detA = ai1 Ai1 + ai2 Ai2 + ... + ain Ain ; si se elige la columna j-ésima, detA = a1j A1j +
a2j A2j + ... + anj Anj .

2 1 3 1
1 3 1
1 0 1 1
Ejemplo: = 0A31 +2A32 +1A33 +0A34 = 0(−1)3+1 0 1 1 +
0 2 1 0
1 2 3
0 1 2 3
2 3 1 2 1 1 2 1 3
2(−1)3+2 1 1 1 + 1(−1)3+3 1 0 1 + 0(−1)3+4 1 0 1 = 0 + 2(−1)(−5) +
0 2 3 0 1 3 0 1 2
1,1(−4) + 0 = 10 − 4 = 6.

Observación: Para calcular un determinante utilizando una fila o columna, a veces

conviene utilizar antes operaciones elementales y transformar el determinante en otro
que tenga únicamente un elemento no nulo en una columna o fila determinada.

2 1 3 1
1 0 1 1
Ejemplo: Utilizando la misma matriz del ejemplo anterior
0 2 1 0
0 1 2 3
Aplicamos operaciones elementales del tercer tipo para obtener en la primer co-
lumna de la matriz todos los elementos nulos excepto uno de ellos. En este caso,
reemplazamos la primer fila por la suma de la primer fila y el resultado de multipli-
0 1 1 −1
1 1 −1
1 0 1 1 2+1
car a la segunda fila por (−2). En efecto, = 1(−1) 2 1 0 =
0 2 1 0
1 2 3
0 1 2 3
1(−1)(−6) = 6.

Otra propiedad de los determinantes :El determinante de un producto de

matrices es igual al producto de los determinantes de cada una de las matrices. Es
decir, det(AB) = detAdetB.
Observación 1: det(BA) = detBdetA.
Vemos que si bien, en general, AB 6= BA, det(AB) = det(BA)

Observación 2: det(A + B) 6= detA + detB.

Notas de Algebra para Economistas 23

1   1 
2
0 −2 0 1
Ejemplo: Si A = 1 yB= , como det(A) = y det(B) =
0 2
0 − 12 4

1 1 0 0
2
, det(A) + det(B) = 2
pero det(A + B) = = 0.
0 0

2.3. Matriz Inversa

Definición: Sea A una matriz de orden n. La matriz A se dice inversible si

existe una matriz B de orden n tal que AB = BA = In . Si una tal matriz B existe,
se demuestra que es única, y se dice la matriz inversa de A. Se nota B = A−1 .
Observación: no toda matriz tiene inversa.
 
3 2
Ejemplo: A=
3 2
 
x y
Si existiera una matriz B inversa de A, B serı́a de la forma B = y tal
z t
que AB =  I.       
3 2 x y 3x + 2z 3y + 2t 1 0
Luego, . = = .
3 2 z t 3x + 2z 3y + 2t 0 1
Entonces
 se tiene el siguiente sistema de ecuaciones lineales:

 3x + 2z = 1
3y + 2t = 0


 3x + 2z = 0
3y + 2t = 1

que es claramente un sistema incompatible; por lo tanto, no existe una matriz B
que sea la inversa de A.

2.4. Matriz Adjunta

Si A = (aij ) es una matriz de orden n, se llama matriz adjunta de A, y la
representamos Adj(A),
 a la matriz de orden
 n: Adj(A) = (Aij
). 
a11 a12 ... a1n A11 A12 ... A1n
 a21 a22 ... a2n   A21 A22 ... A2n 
Es decir, si A =  .. , entonces Adj(A) = .. .
   
.. ..   .. ..
 . . ... .   . . ... . 
an1 an2 ... ann An1 An2 ... Ann
 
1 3 1
−1 4
Ejemplo: Si A = 2 −1 4 , entonces A11 = (−1)1+1 = −3,
2 −5
1 2 −5
2 4 2 −1
A12 = (−1)1+2 = 14, A13 = (−1)1+3 = 5,
1 −5 1 2
Notas de Algebra para Economistas 24

3 1 1 1
A21 = (−1)2+1 = 17, A22 = (−1)2+2 = −6,
2 −5 1 −5
1 3 3 1
A23 = (−1)2+3 = 1, A31 = (−1)3+1 = 13,
1 2 −1 4
1 1 1 3
A32 = (−1)3+2 = −2, A33 = (−1)3+3 = −7. Luego, Adj(A) =
  2 4  2 −1
A11 A12 A13 −3 14 5
A21 A22 A23  =  17 −6 1 .
A31 A32 A33 13 −2 −7     
1 3 1 −3 17 13 44 0 0
Observación: A.(Adj(A))T = 2 −1 4  .  14 −6 −2 =  0 44 0  =
  1 2 −5 5 1 −7  0 0 44
1 0 0 1 0 0
= 44 0 1 0 . Análogamente, (Adj(A))T .A = 44 0 1 0 .
0 0 1 0 0 1
1 3 1
Por otro lado, det(A) = 2 −1 4 = 5 + 4 + 12 + 1 − 8 + 30 = 44. Ası́,
1 2 −5
observamos que, en este caso se verifica que (Adj(A))T .A = A.(Adj(A))T = det(A).I.
Esta propiedad se verifica en general y vale el siguiente
Teorema: Una matriz A es inversible si y sólo si det(A) 6= 0 y A−1 = det(A)1
.(Adj(A))T .
1 1 1
Dem: Si det(A) 6= 0, det(A) .[A.(Adj(A))T ] = ( det(A) (det(A).I) = = ( det(A) .det(A)).I =
1 T 1 T
A.[ det(A) .(Adj(A)) . Luego, A.[ det(A) .(Adj(A)) ] = I. Análogamente, si hacemos
1
[ det(A) .(Adj(A))T ].A = I.
Luego, A−1 = det(A)1
.(Adj(A))T .
Por otro parte, si una matriz A es inversible, es tal que A.A−1 = I (y A−1 .A = I).
Luego det(A.A−1 ) = det(I) = 1, entonces det(A).det(A−1 ) = 1. Ası́ det(A) 6= 0.
c.q.d.
Observación: Vale que (Adj(A))T = Adj(AT ).
T  3
− 44 17 13
 
−3 14 5 44 44
Ejemplo: A−1 1 
= 44 . 17 −6 1  =  14
44
6
− 44 2 
− 44 .
5 1 7
13 −2 −7 44 44
− 44
 A.A−1 = I.  3
Verificación:
− 44 17 13
  
1 3 1 44 44
1 0 0
14 6 2 
En efecto, 2 −1 4  .  44 − 44 − 44 = 0 1 0 .
5 1 7
1 2 −5 44 44
− 44 1 0 0
−1 1
Ejercicio: Probar que det(A ) = det(A) .
Notas de Algebra para Economistas 25

2.5. Regla de Cramer

Consideremos un sistema de n ecuaciones lineales con n incógnitas:

 a11 x1 + a12 x2 + ... + a1n xn = b1

a21 x1 + a22 x2 + ... + a2n xn = b2


 ...
an1 xn + an2 x2 + ... + ann xn = bn

 
a11 a12 ... a1n
 a21 a22 ... a2n 
Sean A =  .. ..  la matriz de los coeficientes,
 
..
 . . ... . 
a a ... ann
  n1 n2  
x1 b1
 x2   b2 
X =  ..  la matriz columna formada por las incógnitas e Y =  ..  la matriz
   
. .
xn bn
columna de los términos independientes. El sistema puede, entonces, escribirse como
A.X = Y. Si A es una matriz inversible, entonces (A−1 .A).X = A−1 .Y , es decir,
I.X = A−1 .Y . Luego, X = A−1 .Y .
De acá resulta que existe solución de este sistema, la solución es única y efec-
tuando los cálculos correspondientes se demuestra que de esa igualdad entre matrices
resulta que cada incógnita xi se obtiene de la siguiente manera:
i
z}|{
a11 a12 ... b1 ... a1n
a21 a22 ... b2 ... a2n
.. .. .. .
. . ... . ... ..
an1 an2 ... bn ... ann
xi =
a11 a12 ... a1n
a21 a22 ... a2n
.. .. .
. . ... ..
an1 an2 ... ann
Este método se llama regla de Cramer y sólo se puede aplicar cuando el sistema
tiene igual número de ecuaciones e incógnitas y es compatible determinado, cosa que
ocurre cuando det(A) 6= 0.
  
 x1 + x2 + 2x3 = 1 1 1 2
Ejemplo: 2x1 − x2 + 3x3 = −3 Entonces A = 2 −1 3, luego det(A) =
x1 + 2x2 + x3 = 4 1 2 1


1 1 2
2 −1 3 = 4 6= 0. Se puede aplicar el método pues la matriz A es inversible. Ası́,
1 2 1
Notas de Algebra para Economistas 26

1 1 2 1 1 2
−3 −1 3 2 −3 3
4 2 1 4 1 4 1 8
x1 = 4
= 4
= 1, x2 = 4
= 4
=2y
1 1 1
2 −1 −3
1 2 4
x3 = 4
= −4
4
= −1.
Luego, la solución es (1, 2, −1).

3. Vectores en el plano y en el espacio

3.1. Sistema de coordenadas
3.1.1. En el plano
Consideremos en el plano dos rectas L1 y L2 que se cortan en un punto o. o es
el origen (0, 0).
GRAFICO
A un punto P cualquiera del plano le hacemos corresponder un par (x, y) que son
las coordenadas de P . x se dice la absisa e y la ordenada. Sobre L1 consideramos
un segmento U1 y, sobre L2 , un segmento U2 que serán las unidades de medida. Si P
es un punto cualquiera del plano, trazando por P una recta paralela a L2 , esta recta
corta a L2 en un punto A. Y trazando por P una recta paralela a L1 , esta corta a
L2 .
A todo punto del plano le corresponde un único par bien determinado de números
reales (x, y) y, recı́procamente, dado un par (x, y) de números reales, existe un único
punto P cuyos coordenadas son (x, y). Se dice que se ha establecido el sistema L1 L2
de coordenadas.
Si L1 es perpendicular a L2 y se tiene la misma unidad de medida en ambas
rectas, se dice que es un sistema de coordenadas rectangulares.
GRAFICO

3.1.2. En el espacio
Análogamente, en el espacio los puntos se representan por ternas de números
reales. Para ello se consideran tres rectas no paralelas a un mismo plano.
GRAFICO
Consideraremos las tres rectas perpendiculares dos a dos, con un punto en común
o (que será el origen) y con la misma unidad de medida en las tres. El espacio está
dividido en ocho octantes. Cada uno de los planos determinados por dos ejes se
llama plano coordenado: plano XY , plano XZ y plano Y Z, según los ejes que lo
determinan. Cada uno de estos planos divide al espacio en tres partes.
Notas de Algebra para Economistas 27

A cada punto P del espacio le corresponde una única terna (x, y, z) de números
reales y recı́procamente. x se dice la absisa, y se dice la ordenada y z se dice la
cota.
GRAFICO

3.2. Vectores
Sean A y B dos puntos del plano o del espacio. Se dice que el segmento AB está
orientado cuando se indica un orden para A y B (en que punto se inicia y en que
punto termina). El punto A se dice el origen y al punto B se lo llama el extremo
de AB.
−→
Definición: Se llama vector a todo segmento orientado y se escribe → −
v = AB.
−→
- Si A 6= B, la recta que contiene al vector AB determina la dirección del mismo
y la orientación sobre la recta determina el sentido del vector.
- Si A = B, el segmento se reduce a un punto y no podrı́a hablarse de vector,
por que en este caso no están determinados ni la dirección ni el sentido. A pesar de
−→ →
−
ésto, vamos a llamar al vector AA vector nulo y lo representaremos 0 .

3.2.1. Módulo de un vector

−→
Definición: Dado un vector AB, se llama módulo del mismo y se representa
−→
kABk a la longitud del segmento orientado que lo representa.
→
−
Se deduce que: k 0 k = 0 y es el único vector que tiene módulo 0. Todo otro
−→ −→ −→
vector AB 6= 0 es tal que kABk > 0. Entonces puede deducirse que kABk ≥ 0.

3.2.2. Igualdad de vectores

−→ −−→
Dos vectores AB y A0 B 0 son iguales si se verifica que:
−→ −−→
1. AB y A0 B 0 son paralelos, es decir, tienen la misma dirección.
−→ −−→
2. AB y A0 B 0 tienen igual sentido.
−→ −−→
3. kABk = kA0 B 0 k.

Con este criterio de igualdad, todos los vectores pueden ser trasladados de modo
que tengan un mismo origen o.
De esta manera, cada vector y los infinitos que son iguales a él, tendrán un único
representante entre los vectores con origen en el punto o. Se dice ası́ que trabajamos
con vectores libres.
Llamamos V2 al conjunto de todos los vectores libres del plano, y V3 a todos los
vectores libres del espacio. Si no hace falta distinguirlos, solamente V .
Notas de Algebra para Economistas 28

Ejemplo:
GRAFICO

3.2.3. Operaciones con vectores

−→ − −−→
1. Suma de vectores: Sean los vectores →
−u = AB y →
v = BC, se define la suma
→
− −→
u +→−
v como el segmento orientado AC.
GRAFICO
Entonces se verifican las siguientes propiedades:

a) Asociativa: (→
−
u +→−
v )+ →
−
w =→−
u +(→
−v +→
−w ), cualquiera que sean →
−
u ,→
−
v ,→
−
w ∈
V.
b) Conmutativa: → −
u +→−v =→−
v +→−
u , ∀→
−
u ,→
−
v ∈ V.
→
−
c) →−
u + 0 =→−u , ∀→
−
u ∈ V.
→
− →
− →
−
d ) Dado →
−
u ∈ V., existe u0 tal que →
−
u + u0 = 0 .
−→ →
− −→
Observación: Si →
−
u = AB, al vector u0 = BA se lo llama el vector simétrico
→
−
y se lo nota −→−
u . Se verifica que →
−
u + (−→
−
u)= 0.

Definición: →
−
u −→
−
v =→
−
u + (−→
−
v ).

3.2.4. Ley del paralelogramo

Otra forma equivalente a la dada para definir la suma es considerar los dos
vectores con origen común, entonces la suma es la diagonal del paralelogramo
que tiene a los dos vectores como lados. La diagonal tomada con igual origen
que los dos vectores.

2. Producto de un escalar por un vector.

Sea →
−
v un vector y λ ∈ R. Se define λ.→ −
v de la siguiente manera:
→
− →
−
Si λ = 0 o →−v = 0 , entonces λ.→ −
v = 0.
→
−
Si λ 6= 0 y →−
v 6= 0 , entonces λ.→ −v está definido por las tres condiciones
siguientes:
• λ.→−v es paralelo a →
−
v , es decir, λ.→
−
v tiene igual dirección que overrightarrowv.
→
− →
−
• kλ. v k = |λ|.k v k.
• Si λ > 0, λ.→−v tiene igualsentido que → −v.
Si λ < 0, λ. v tiene sentido contrario a →
→
− −v.
Notas de Algebra para Economistas 29

Ejemplo:
GRAFICO
Propiedades:

a) λ.(→
−
u +→ −v ) = λ.→
−
u + λ.→ −v
→
− →
− →
−
b) (λ + λ0 ). u = λ. u + λ0 . u
c) λ.(λ0 .→
−
u ) = (λ.λ0 ).→
−
u
d) →
−
u =→ −
u , ∀→
−
u ∈ V.

Observaciones:
→
−
a) Si →−
u 6= 0 es posible determinar un vector paralelo a → −u cuyo módulo sea
igual a 1.
→
− 1 →
→
−
Consideremos u0 = k− →uk
.− 1 →
u . Entonces k u0 k = k k−
→
uk
.− 1
u k = | k−
→
uk
|.k→
−
uk =
1 →
−
→ .k u k = 1.
−
kuk
→
−0
u se dice el versor de →−
u . Este tiene igual dirección y sentido que →−u.
Solamente existen dos vectores paralelos a uno dado que tienen módulo
→
−
1, u0 y su simétrico.
b) Que →−
v1 y →−
v2 sean paralelos significa que tienen igual dirección, pero pue-
den tener distinto módulo y sentido. Ası́, existe un número real λ tal que
→
−
v2 = λ.→−
v1 .
c) −(λ. u ) = λ.(−→
→
− −
u ) = (−λ).→−u . En particular, −→−u = (−1).→−u.

4. Bases del plano y del espacio

4.1. En el plano

Definición: Sean v1 , v2 , ..., vn vectores. Entonces se dice que → −u es combinación

lineal de los vectores v1 , v2 , ..., vn si existen escalares λ1 , λ2 , ..., λn tales que →
−
u =
λ1 →
−
v1 + λ2 →
−
v2 + ... + λn →
−
vn .
→
− → −
Consideremos dos vectores b1 y b2 no nulos y no paralelos.
GRAFICO
Si →
−
u es un vector cualquiera del plano se tiene la siguiente situación:
GRAFICO
→
− −→ −−→ −→ →
−
u = OA + OB donde OA es paralelo a b1 (están sobre la misma recta. Análo-
−−→ →
− −→ →
− −−→ →
−
gamente, OB es paralelo a b2 . Es decir, OA = λ1 b1 y OB = λ2 b2 donde λ1 y λ2
son números reales únicos. Luego, → −
u puede escribirse de una única manera como
→
− →
− →
− →
−
u = λ1 b1 + λ2 b2 , es decir, u es una combinación lineal de b1 y b2 .
Notas de Algebra para Economistas 30

En este caso se dice que los vectores b1 y b2 forman una base del plano.
→
− → −
Entonces, si un conjunto B = b1 ; b2 es una base (del plano) resulta que todo
vector →−
u perteneciente al plano, se escribe de una única manera como combinación
→
− →
−
lineal de b1 y b2 , es decir, →
−
u = λ1 b1 + λ2 b2 .
Luego, fijada una base B del plano, los coeficientes λ1 y λ2 de la combinación
lineal que expresa a todo vector → −
u en esa base están unı́vocamente determinados y
es posible asociar al vector con esos coeficientes: → −u = (λ1 , λ2 ).
λ1 y λ2 se llaman las componentes del →
−
 vector
 u en la base B.
→
− λ1 →
−
Otra notación es la siguiente: [ u ]B = , ó [ u ]B = (λ1 , λ2 ).
λ2

4.2. En el espacio
Consideremos vectores en el espacio no nulos y no paralelos a un mismo plano
→
− → − → −
b1 , b2 , b3 (uno se sale del plano).
GRAFICO −−→ −−→ −−→
−→
Todo vector → −
u del espacio es tal que: → −u = OP = OP 0 + P 0 P donde OP 0
−−→ →
− →
−
perteneciente al plano que contiene a b1 y b2 . Entonces, OP 0 = λ1 b1 + λ2 b2 de una
−−→ →
−
única manera y P 0 P = λ3 b3 con λ3 único.
GRAFICO
−→ −−→ −−→ →
− →
− →
−
Ası́, →
−u = OP = OP 0 + P 0 P = λ1 b1 + λ2 b2 + λ3 b3 .
Conclusión: Todo vector del espacio se escribe de una única manera como com-
→
− →− → − →
− → − → −
binación lineal de b1 , b2 , b3 . Se dice que B = b1 , b2 , b3 es una base del espacio.
Análogamente, se representa → −u = (λ1 , λ2 , λ3 ). λ1 , λ2 y λ3 se dicen las componentes
 
λ1
→
− →− → −
→
− →
−
del vector u en la base B = b1 , b2 , b3 y se nota [ u ]B = λ2  ó [→
 −u ]B = (λ1 , λ2 , λ3 ).
λ3
Observación: Las componentes de un vector → −v son las componentes del extremo
del vector con origen en el origen de coordenadas.

5. Operaciones de suma y producto por un escalar

en términos de componentes
→
− → −
Sean B = b1 , b2 una base del plano y → −
u = (λ1 , λ2 ), →
−v = (α1 , α2 ) dos vectores
en el plano y λ ∈ <.
Luego, el vector suma es → −u +→ −v = (λ1 + α1 , λ2 + α2 ) y el vector λ→
−
u = (λλ1 , λλ2 .
→
− →
− →
− →
− →
− →
−
Demostración: Supongamos u = λ1 b1 + λ2 b2 y v = α1 b1 + α2 b2 . Debemos
→
− →
−
probar que → −u +→−v = (λ1 + α1 ) b1 + (λ2 + α2 ) b2 .
→
− →
− →
− →
− →
− →
− →
−
En efecto, →−
u +→ −v = (λ1 b1 + λ2 b2 ) + (α1 b1 + α2 b2 ) = (λ1 b1 + α1 b1 ) + (λ2 b2 +
→
− →
− →
−
α2 b2 ) = (λ1 + α1 ) b1 + (λ2 + α2 ) b2 . Luego, →
−
u +→ −v = (λ1 + α1 , λ2 + α2 )
Notas de Algebra para Economistas 31

→
− →
− →
− →
− →
− →
−
Por otro lado, λ→−u = λ(λ1 b1 + λ2 b2 ) = λ(λ1 b1 ) + λ(λ2 b2 ) = (λλ1 ) b1 + (λλ2 ) b2 .
Ası́, λ→−
u = (λλ1 , λλ2 ).
Estos mismos resultados valen para sumar vectores en el espacio y para multi-
plicar en el espacio un vector por un número, fijada la base.
Dados →−u = (λ1 , λ2 , λ3 ) y →
−
v = (α1 , α2 , α3 ), la suma es →
−
u +→
−v = (λ1 + α1 , λ2 +
→
−
α2 , λ3 + α3 ) y el producto de λ por el vector es λ u = (λλ1 , λλ2 , λλ3 ).

6. Bases y sistemas de coordenadas

Veremos que a cada base del plano o del espacio le corresponde un sistema de
coordenadas y recı́procamente.
En el plano
Sea C = {→−
e1 , →
−
e2 } una base tal que k→
−
e1 k = k→
−
e2 k = 1 y →
−
e1 perpendicular a →
−
e2 .
GRAFICO
XY es el sistema de coordenadas.
→
− −→ −→ −→ −−→
u = OP = x→ −
e1 + y →
−
e2 ya que OP = OA + OB.

Luego, existe una correspondencia entre bases y sistemas de coordenadas de tal

forma que las coordenadas de un punto son las componentes del vector que tiene
origen en el origen de coordenadas y extremo final en dicho punto.
En el espacio
GRAFICO
Para el sistema de coordenadas rectangulares habitual (esto es, con los ejes per-
pendiculares dos a dos e igual unidad de medida), la base asociada es C = {→
−e1 , →
−
e2 , →
−
e3 }
donde e1 es perpendicular a e2 y a e3 , y e2 es perpendicular a e3 ; y los tres miden
uno, es decir, k→−
e1 k = k→
−
e2 k = k→
−e3 k = 1. Entonces, tal como ocurre en el plano, si
−→
P = (x, y, z), OP = (x, y, z).

7. Componentes de un vector en términos de los

puntos extremos
GRAFICO
Dadas las coordenadas de los puntos extremos de un vector A = (x1 , y1 ) y
−→
B = (x2 , y2 ), se desea hallar las componentes del vector AB.
−→
AB = λ1 → −
e +λ → −
e
−−→ −→1 −→2 2 −→ −−→ −→ −→
OB = OA + AB. Entonces, AB = OB − OA. Es decir, AB = (x2 , y2 )−(x1 , y1 ) =
−→
(x2 − x1 , y2 − y1 ). Luego, AB = (x2 − x1 )→
−
e1 + (y2 − y1 )→ −
e2 .
−→
Análogamente, en el espacio: Si A = (x1 , y1 , z1 ) y B = (x2 , y2 , z2 ), AB = (x2 −
x1 , y2 − y1 , z2 − z1 ).
Notas de Algebra para Economistas 32

8. Producto escalar
El producto escalar es una operación que a todo par de vectores le hace corres-
ponder un número real bien determinado.

Definición: Sean →
−
u y→
−v vectores del plano o del espacio. Se define el producto
escalar de u y v y lo representamos h→
→
− →
− −
u ,→−
v i al número real definido ası́:
→
− − →
−
si →
−
u = 0 o→
(
→
− →
− 0 v = 0
hu, vi= →
− − − ,
→
k→−
u kk→
−v k cos θ si →−
u 6= 0 y→v 6= 0

donde θ es el ángulo comprendido entre los vectores →

−
u y→
−
v.
Propiedades:
→
−
1. h→
−
u ,→
−
u i ≥ 0 y h→
−u ,→
−
u i = 0 si y solo si →
−
u = 0.
Dem: h→ −
u ,→
−
u i = k→
−u kk→
−u k cos(0) = k→−
u k2 ≥ 0
→
−
k→
−u k2 = 0 =⇒ k→−u k = 0 =⇒ → −u = 0.

2. h→
−
u1 + →
−
u2 , →
−
v i = h→
−
u1 , →
−
v i + h→
−
u2 , →
−
vi

3. hλ→
−
u ,→
−
v i = h→
−
u , λ→
−
v i = λh→
−
u ,→
−
v i, donde λ ∈ <

4. h→
−
u ,→
−
v i = h→
−
v ,→
−
ui

Observación: h→
−
u ,→
−
v1 +→
−
v2 i = h→
−
v1 +→
−
v2 , →
−
u i = h→
−
v1 , →
−
u i+h→
−
v2 , →
−
u i = h→
−
u ,→
−
v1 i+h→
−
u ,→
−
v2 i

9. Propiedad de perpendicularidad
→
− − →
−
Sean → −
u 6= 0 y → v 6= 0 .
Supongamos que h→ −u ,→
−v i = 0. Luego, h→ −
u ,→−
v i = k→
−
u kk→
−v k cos(θ) = 0 =⇒
cos(θ) = 0 =⇒ θ = π2 o θ = f rac3π2, entonces → −
u es perpendicular a →
−v.
Es claro que si dos vectores son perpendiculares el ángulo comprendido entre
ellos es π2 o 3π
2
, luego el producto escalar es cero.

10. Producto escalar en términos de las compo-

nentes de los vectores
Daremos el resultado para vectores del espacio (de tres componentes) y, como
caso particular, el razonamiento valdrá también para vectores de dos componentes.
En adelante seguiremos utilizando la base que está asociada al sistema de coor-
denadas cartesianas rectangulares habitual.
Notas de Algebra para Economistas 33

Sea C = {→ −
e1 , →
−
e2 , →
−
e3 } tal que → −
e1 es perpendicular a →−
e2 y a →
−
e3 , el vector →
−
e2 es
perpendicular al vector → −
e3 y k→
−e1 k = k→ −
e2 k = k→
−
e3 k = 1.
La base equivale a 
→
− →
− 0 si i 6= j
h ei , ej i =
1 si i = j
para 1 ≤ i ≤ 3 y 1 ≤ j ≤ 3.
Una base C que verifica estas condiciones se dice una base ortonormal y, en
particular, C que es una base ortonormal se denomina la base canónica.
Luego, si → −
u = (x1 , x2 , x3 ) y →
−v = (y1 , y2 , y3 ) se tiene que h→ −u ,→ −v i = x1 y 1 + x2 y 2 +
x3 y 3 .
En efecto, h→ −
u ,→ −
v i = hx1 →−e1 + x2 → −
e2 + x3 →
−
e3 , y1 →
−
e1 + y2 →
−
e2 + y3 → −
e3 i= hx1 →
−e1 , y1 →
−
e1 i +
hx1 e1 , y2 e2 i+hx1 e1 , y3 e3 i+hx2 e2 , y1 e1 i+hx2 e2 , y2 e2 i+hx2 e2 , y3 e3 i+hx3 e3 , y1 →
→
− →
− →
− →
− →
− →
− →
− →
− →
− →
− →
− −
e1 i+
→
− →
− →
− →
− →
− →
− →
− →
− →
− →
− →
− →
−
hx3 e3 , y2 e2 i+hx3 e3 , y3 e3 i = x1 y1 h e1 , e1 i+x1 y2 h e1 , e2 i+x1 y3 h e1 , e3 i+x2 y1 h e2 , e1 i+
x2 y2 h→ −
e2 , →
−
e2 i+x2 y3 h→
−
e2 , →
−
e3 i+x3 y1 h→
−
e3 , →
−
e1 i+x3 y2 h→
−
e3 , →
−
e2 i+x3 y3 h→
−
e3 , →
−
e3 i =x1 y1 1+x1 y2 0+
x1 y3 0 + x2 y1 0 + x2 y2 1 + x2 y3 0 + x3 y1 0 + x3 y2 0 + x3 y3 1 = x1 y1 + x2 y2 + x3 y3 .

Ejemplo:

1. (En el espacio) Si →−u = (1, −2, 3) y → −

v = (0, 4, 5), entonces
→
− →
−
h u , v i = h(1, −2, 3), (0, 4, 5)i10 + (−2)4 + 35 = 7.
2. (En el plano) Si →
−
u = (1, −3) y →
−
v = (5, 4), h→
−
u ,→
−
v i = h(1, −3), (5, 4)i15 +
(−3)4 = −7.

Observación: El producto escalar entre dos vectores es negativo si el coseno del

ángulo comprendido entre ellos es negativo, es decir, si el ángulo pertenece al segundo
o cuarto cuadrante.

11. Cálculo del módulo de un vector y del ángulo

entre vectores
1. Módulo de un vector: Supongamos que →
−
u = (x1 , x2 , x3 ). Como h→
−
u ,→
−
ui =
→
− 2 →
− p →
− →
− →
− →
−
k u k , entonces k√u k = + h u , u i. Es decir, h u , u i = x1 + x2 + x3 2 .
2 2

Luego, k→−u k = + x1 2 + x2 2 + x3 2 .
En particular, si A = (x1 , y1 , z1 ) y B = (x2 , y2 , z2 ) son dos puntos del espacio se
−→ p
tiene que kABk = k(x2 −x1 , y2 −y1 , z2 −z1 )k = + (x2 − x1 )2 + (y2 − y1 )2 + (z2 − z1 )2 =
d(A, B).
→
−
2. Angulo entre vectores: Por definición, h→ −
u ,→ −v i = k→ −u kk→ −
v k cos(θ). Si →−
u 6= 0
→
− −
→u ,−
→ −
→u ,−
→
y→−v 6= 0 , cos(θ) = kh−
→
vi
u kk−
→vk
. Ası́, θ = arcsin( kh−→
vi
u kk−
→vk
).
Si →
−u = (x , x , x ) y →
1 2
−
3v = (y , y , y ), cos(θ) = √
1 2 3
x1 y1 +x2 y2 +x3 y3
√ .
x1 2 +x2 2 +x3 2 y1 2 +y2 2 +y3 2
Notas de Algebra para Economistas 34

12. Producto vectorial

Las dos orientaciones del plano

En el plano se puede girar alrededor de un punto fijo en dos sentidos: el sentido

horario y el antihorario. Por convención, se dice que el sentido antihorario es
el sentido positivo y el horario el negativo.

→
− →− →
− →
−
Definición: Se dice que una base B = b1 , b2 (ambos vectores b1 y b2 con
origen común y en ese orden) es directa si: .el camino más corto que per-
→
− →
−
mite llevar el vector b1 a superponerse con b2 se recorre siguiendo el sentido
positivo”.
GRAFICO
→
− →− → −
En el espacio diremos que una base B = b1 , b2 , b3 (con origen común y en ese
→
−
orden) es directa si .el camino más corto que lleva a superponer el vector b1
→
− →
−
con el b2 se puede observar desde el extremo final de b3 describiendo el sentido
→
− → −
positivo de giro en el plano determinado por b1 y b2 (la sombra en el piso)”.
GRAFICO
En particular, la base canónica es una base directa y, salvo que se aclare lo
contrario, se supone que en el espacio se tiene fijada siempre esta base.

12.1. Producto vectorial

Sean →
−u y→ −v vectores del espacio. Se define el producto vectorial, y se nota
→
− →
−
u ∧ v , al vector definido de la siguiente manera:
→
− − →
− →
−
1. Si →
−
u = 0 o→ v = 0 , entonces → −u ∧→−
v = 0.
→
− →
−
2. Si →
−u 6= 0 y → −v 6= 0 , entonces → −u ∧→−v se define por las tres condiciones
siguientes:

k→−
u ∧→−
v k = k→
−u kk→
−v k sin(α)
→
−u ∧ v es perpendicular a →
→
− −
u y→ −
u ∧→ −
v es perpendicular a →
−
v . Es decir,
h→
−u ∧→
−v ,→
−
u i = 0 y h→
−u ∧→ −v ,→
−v i = 0.
El sentido de →
−
u ∧→ −
v es tal que →−
u, →−v y→ −u ∧→
−
v , en ese orden, forman
una terna directa.
→
− →
− →
−
Observación: Si →
−
u 6= 0 y → −v 6= 0 que el producto vectorial → −u ∧→−v = 0
→
−
equivale a decir que →
−
u es paralelo a →
−
v . En efecto, si →
−
u ∧→
−
v = 0 =⇒ k→ −u ∧→−vk=
k→
−u kk→
−
v k sin(α) = 0 =⇒ sin(α) = 0. Luego, α = kπ con k ∈ Z, es decir, → −u es
→
−
paralelo a v .
Notas de Algebra para Economistas 35

12.2. Area de un paralelogramo

GRAFICO
Area = bh = k→ −u kh = k→ −u kk→−
v k sin(α) = k→−u ∧→−
v k pues sin(α) = cat.op.
hipot.
=
h →
− →
− →
−
k−
→
vk
=⇒ h = k v k sin(α), si v 6= 0 .
Conclusión: k→
−
u ∧→
−v k es el área del paralelogramo construı́do con los dos vectores
como lados.
Propiedades:
1. →
−
u ∧→ −
v = −(→
−
v ∧→
−
u ) donde →
−
u ,→
−
v ∈ V.
2. λ→
−
u ∧→
−
v =→
−
u ∧ λ→
−
v = λ(→
−
u ∧→
−
v ) con →
−
u ,→
−
v ∈ V y λ ∈ <.
3. →
−
u ∧ (→
−
v1 + →
−
v2 ) = ( →
−
u ∧→
−
v1 ) + (→
−
u ∧→
−
v2 ), donde →
−
u ,→
−
v1 y →
−
v2 ∈ V.

12.3. Producto vectorial en términos de las componentes de

los vectores
Consideremos C = → −
e1 , →
−
e2 , →
−
e3 . Entonces la tabla de producto vectorial es:
∧ →
−e1 →
−
e2 →
−e3
→
− →
− →
−
e1 0 e3 −→ −
e2
→
− →
− →
− →
−
e2 − e3 0 e1
→
− →
− →
− →
−
e3 e2 − e1 0
Supongamos que u = (x1 , y1 , z1 ) y →
→
− −v = (x2 , y2 , z2 ). Entonces → −u = x1 → −
e1 +y1 →
−
e2 +
→
− →
− →
− →
−
z1 e3 y v = x2 e1 + y2 e2 + z2 e3 . →
−
Ası́, →
−
u ∧→ −v = (x1 →−
e1 + y1 → −
e2 + z1 →
−
e3 ) ∧ (x2 →
−
e1 + y2 → −
e2 + z2 →−
e3 ) = (x1 →−
e1 ) ∧ (x2 →
−
e1 ) +
(x1 →
−
e1 )∧(y2 → −
e2 )+(x1 →−
e1 )∧(z2 → −
e3 )+(y1 →−
e2 )∧(x2 →−
e1 )+(y1 → −
e2 )∧(y2 → −
e2 )+(y1 →−
e2 )∧(z2 →−
e3 )+
→
− →
− →
− →
− →
− →
− →
− →
− →
− →
−
(z1 e3 ) ∧ (x2 e1 ) + (z1 e3 ) ∧ (y2 e2 ) + (z1 e3 ) ∧ (z2 e3 ) = x1 x2 ( e1 ∧ e1 ) + x1 y2 ( e1 ∧ e2 ) +
x1 z2 (→
−
e1 ∧ →
−e3 )+y1 x2 (→−
e2 ∧ →−
e1 )+y1 y2 (→−
e2 ∧ →
−
e2 )+y1 z2 (→ −
e2 ∧ →
−
e3 )+z1 x2 (→ −
e3 ∧ →
−
e1 )+z1 y2 (→
−e3 ∧
→
− →
− →
− →
− →
− →
− →
− →
− →
−
e2 ) + z1 z2 ( e3 ∧ e3 ) = x1 x2 0 + x1 y2 ( e3 + x1 z2 (− e2 ) + y1 x2 (− e3 ) + y1 y2 0 + y1 z2 e1 +
→
−
zx→ −
e +z y (−→
1 2 2 1 2
−
e )+z z + 0 =(y z −z y )→
1 1 2 1 2 1 2
−
e −(x z −x z )→
1 1 2 2 1
−
2e +(x y −x y )→
1 2 2 1
−
e =
3

y1 z1 →
− x z − x y −
e − 1 1 →e + 1 1 → e
y2 z2 1 x2 z2 2 x2 y 2 3
.
Este resultado se puede considerar obtenido del siguiente determinante simbólico,
desarrollandolo por la primer fila:
→
−
e1 →
−
e2 →
−
e3
→
− y z − x z − x y −
u ∧→
−
v = x1 y1 z1 = 1 1 → e − 1 1 →e + 1 1 → e .
y2 z2 1 x2 z2 2 x2 y 2 3
x2 y2 z2

Ejemplo:
Notas de Algebra para Economistas 36

→
−
e1 → −
e2 →−
e3
Sean →
−
u = (1, 2, 3) y →
−
v = (−1, 0, 1). Entonces →
−
u ∧→
−
v = 1 2 3 = (21 −
−1 0 1
30)→
−
e1 − (11 − 3(−1))→
−
e2 + (10 − 2(−1))→
−
e3 = 2→
−
e1 − 4→
−
e2 + 2→
−
e3 = (2, −4, 2).

12.4. Producto mixto

Sean →−
u ,→−v y→−
w vectores del espacio. Se define el producto mixto de estos tres
vectores como h u ∧ →
→
− −v ,→ −
w i.
Interpretación geométrica
El volúmen del paralelepı́pedo que tiene por lados a los vectores → −u ,→
−
v y→ −
w es
→
− →
−
igual a el área de la base por la altura donde Areadelabase = k u ∧ v k y la altura
es igual a la proyección de → −w sobre →−u ∧→ −v . Ası́, se tiene que: V ol.paralelepipedo =
→
− →
− →
−
|h u ∧ v , w i|.
Conclusión: Para que tres vectores del espacio → −u ,→
−v y→−
w sean coplanares (es
decir, que se puedan ubicar los tres en un mismo plano) es condición necesaria y
suficiente que el producto mixto sea cero: h→ −
u ∧→ −v ,→
−
w i = 0.
Veamos cómo se calcula el producto mixto:
Sean →−u = (x1 , y1 , z1 ), →
−v = (x2 , y2 , z2 ) y →
−
w = (x3 , y3 , z3 ). Entonces, →
−
u ∧→ −v =
→
− →
−
e1 e2 e3 →
−  
y1 z1 x z x y y z
x1 y1 z1 = , − 1 1 , 1 1 . Ası́, h→ −u ∧→−v ,→
−w i = 1 1 x3 −
y2 z2 x2 z2 x2 y2 y2 z2
x2 y2 z2
x3 y3 z3 x1 y1 z1
x1 z1 x y
y3 + 1 1 z3 = x1 y1 z1 = x2 y2 z2 . Es decir, h→ −
u ∧→ −v ,→
−
wi =
x2 z2 x2 y2
x2 y2 z2 x3 y3 z3
x1 y1 z1
x2 y2 z2 .
x3 y3 z3

13. Espacios Vectoriales

Sea V 6= ∅ un conjunto a cuyos elementos llamaremos vectores y notaremos
→
−u , v ,→
→
− −
w , ... y R el conjunto de los números reales.
V se dice un R-espacio vectorial (o espacio vectorial real) si se cumplen las
siguientes condiciones:

1. Están definidas dos operaciones llamadas suma y producto por un escalar

de la siguiente manera:

a) La operación de suma se indica con el signo + y a cada par (→ −

u ,→
−v ) de
→
− →
−
elementos de V le hace corresponder el elemento u + v ∈ V.
b) La operación de producto por un escalar asocia a cada par (λ, →
−
v ) donde
→
− →
−
λ ∈ R y v ∈ V , el elemento λ v ∈ V.
Notas de Algebra para Economistas 37

2. Se deben verificar los siguientes axiomas:

a) La suma es asociativa: (→
−u +→−
v )+ →
−
w =→ −u +(→−v +→−
w ) donde →
−
u ,→
−
v ,→
−
w ∈ V.
b) La suma es conmutativa: → −
u +→ −
v =→ −
v +→ −u , con →
−u ,→
−
v ∈ V.
→
− →
−
c) Existe 0 ∈ V tal que → −u + 0 =→ −
u , ∀→
−u ∈ V.
→
−
d ) Dado →
−
u ∈ V , existe →
−
v ∈ V tal que → −
u +→ −v = 0.
e) λ(→−u +→ −
v ) = λ→
−u + λ→
−v donde λ ∈ R y →−u ,→
−
v ∈ V.
f ) (λ + λ0 )→
−u = λ→−
u + λ0 →
−
u con λ, λ0 ∈ R y →
−
u ∈ V.
g) λ(λ0 →
−
u ) = (λλ0 )→
−
u , con λ, λ0 ∈R, →
−
u ∈ V.
→
− →
− →
−
h) 1 u = u , ∀ u ∈ V.
De la definición resultan las siguientes propiedades:
→
−
1. El vector 0 se llama vector nulo y es único.
→
−
2. El vector →
−
v ∈ V que existe, dado → −u ∈ V , tal que →
−
u +→−
v = 0 es único (se
nota →
−v = −→−u ). Ası́, puede definirse →
−
u −→−v =→ −
u + (−→
−
v ).
→
−
3. 0→
−u = 0.
→
− →
−
4. λ 0 = 0 , λ ∈ R.
→
− →
−
5. λ→
−u = 0 ⇐⇒ λ = 0 o → −
u = 0.
6. (−λ)→
−
u = λ(−→
−
u ) = −(λ→
−
u ). En particular, −→
−
u = (−1)→
−
u.

Ejemplos:

1. R con la suma y el producto habituales es un espacio vectorial.

2. V2 y V3 con la suma y el producto vistos forman un espacio vectorial.
3. R2 = (x, y) : x, y ∈ R es un espacio vectorial real. La forma natural de definir
la suma es (x, y) + (x0 , y 0 ) = (x + x0 , y + y 0 ) y el producto por escalar es
λ(x, y) = (λx, λy).
4. Rn = (x1 , x2 , x3 , ..., xn ); xi ∈ R, i = 1, 2, ..., n. Si n = 2 se tiene el plano y si
n = 3, el espacio.
Este es un espacio con la suma y el producto por escalar siguientes: (x1 , x2 , ..., xn )+
(y1 , y2 , ..., yn ) = (x1 + y1 , x2 + y2 , ..., xn + yn ) y si, λ ∈ R, λ(x1 , x2 , ..., xn ) =
(λx1 , λx2 , ..., λxn ).
5. El conjunto Mm×n (R) de todas las matrices de m filas y n columnas con
elementos en R es un espacio vectorial con las definiciones de suma y producto
por escalar conocidos.
Notas de Algebra para Economistas 38

13.1. Combinaciones Lineales

Sea V un espacio vectorial. Se dice que un vector → −
u ∈ V es combinación
lineal de los vectores v1 , v2 , ..., vn si existen escalares λ1 , λ2 , ..., λn tal que →
→
− →
− →
− −
u =
λ1 →
−
v1 + λ2 →
−
v2 + ... + λn →
−
vn .

Ejemplos:
Sea V = R2 y → −
v1 = (1, 0), →
−
v2 = (−1, 1); → −
v3 = (4, 1) pertenecientes a V . Veamos
que u = (2, 1) es combinación lineal de los vectores →
→
− −
v1 , →
−
v2 , →
−
v3 :
→
−u = (2, 1) = −2 v1 +0 v2 + v3 = −2(1, 0)+0(−1, 1)+1(4, 1) o bien, →
→
− →
− →
− −u = (2, 1) =
→
− →
− →
−
3 v1 + v2 + 0 v3 = 3(1, 0) + 1(−1, 1) + 0(4, 1).
Vemos que → −u es combinación lineal de → −
v1 , →
−
v2 , →
−
v3 pero no de una única manera.
En cambio, →−u es combinación lineal de → −
v1 , →
−
v2 de una única manera: →−u = (2, 1) =
→
− →
−
λ1 v1 + λ2 v2 = λ1 (1, 0) + λ2 (−1, 1) = (λ1 , 0) + (−λ2 , λ2 ) = (λ1 − λ2 , λ2 ).
Obtenemos el sistema de ecuaciones:

λ1 − λ2 = 2
λ2 = 1

=⇒ λ1 = 3 y λ2 = 1. Luego, → −u = 3→
−
v1 + 1→
−
v2 de una única forma (formarı́an una
base por que no son paralelos).

13.2. Subespacios
Definición: Sea V un R-espacio vectorial. Un subconjunto no vacı́o S de V se
dice un subespacio de V si con las mismas operaciones de V es él mismo un espacio
vectorial.
Se demuestra que para que S sea un subespacio de V es necesario y suficiente
que se verifiquen las tres condiciones siguientes:
→
−
1. 0 ∈ S.

2. Si →
−
u y→
−
v ∈ S, entonces →
−
u +→
−
v ∈ S.

3. Si →
−
u ∈ S y λ ∈ R, entonces λ→
−
u ∈ S.

Ejemplos:

→
− →
−
1. S = 0 es un subespacio de V. V también es subespacio de sı́ mismo. 0 y V
son los llamados subespacios triviales, cualquier otro subespacio se denomina
subespacio propio.

2. Sea V = R2 . En R2 , los subespacios son las rectas que pasan por el origen
(0, 0).
Notas de Algebra para Economistas 39

3. Sean V = R3 y un sistema de ecuaciones lineales homogéneo


x+y+z =0
x−z =0

Sea S el conjunto de todas las soluciones de este sistema homogéneo.

Veamos que las soluciones forman un subespacio:
La solución del sistema (que es compatible determinado) es x = z e y = −2z.
Es decir, S = (z, −2z, z) : z ∈ R.
→
−
0 = (0, 0, 0) ∈ S pues si z = 0 en la expresión (z, −2z, z) se obtiene el
vector nulo.
Sean →−u = (z1 , −2z1 , z1 ) y → −
v = (z2 , −2z2 , z2 )∈ S. Entonces → −
u +→ −v =
(z1 + z2 , −2z1 − 2z2 , z1 + z2 ) = (z1 + z2 , −2(z1 + z2 ), z1 + z2 ) que pertenece
a S.
Supongamos → −u = (z, −2z, z) ∈ S y λ ∈ R. Luego λ→ −u = (λz, λ(−2z), λz) =
(λz, −2(λz), λz).
De estas tres condiciones resulta que S es un subespacio de V.
Esto vale también en el caso en que se tienen n ecuaciones y n incógnitas,
y la solución pertenece a Rn .
En general, vale el siguiente resultado:
El conjunto de todas las soluciones de un sistema de ecuaciones lineales
homogéneo con n incógnitas es un subespacio de Rn .

4. Sea V = R2 y S = (x, y) : x, y ∈ R, y = x2 = (x, x2 ). Este conjunto no es

un subespacio pues dados dos vectores → −
u = (x1 , x21 ) y →−v = (x2 , x22 ) ∈ S,
→
− →
−
u + v = (x1 + x2 , x1 + x2 ) pero, en general, x1 + x2 6= (x1 + x2 )2 . Luego, la
2 2 2 2

suma de dos vectores que pertenecen a S no siempre pertenece a S.

  
 a11 a12 a13 
5. Sean V = M3 (R) = a21 a22 a23  ; aij ∈ R y
a31 a32 a33
 

  
 0 a12 a13 
S = (aij ) ∈ M3 (R) : a11 = 0 =  a 21 a 22 a 23
 ; aij ∈ R .
a31 a32 a33
 

   
a11 a12 a13 0 0 0
→
−
0 = a21 a22 a23  = 0 0 0 ∈ S pues a11 = 0.
a31 a32 a33 0 0 0
Supongamos las matrices
Notas de Algebra para Economistas 40

   
0 a12 a13 0 b12 b13
A = a21 a22 a23  y B = b21 b22 b23  ∈ S. Entonces la matriz
a31 a32 a33 b31 b32 b33
suma  
0+0 a12 + b12 a13 + b13
A + B = a21 + b21 a22 + b22 a23 + b23  ∈ S.
a31 + b31 a32 + b32 a33 + b33
 
0 a12 a13
Sean λ ∈ R y A = a21 a22 a23  ∈ S. Ası́,
a31 a32 a33
   
λ0 λa12 λa13 0 λa12 λa13
λA = λa21 λa22 λa23  = λa21 λa22 λa23  ∈ S.
λa31 λa32 λa33 λa31 λa32 λa33

14. Dependencia e independencia lineal

Dados n vectores →
−
v1 , →
−
v2 , ..., →
−
vn ∈ V donde V es un espacio vectorial, observemos
→
− →
−
que 0 es siempre combinación lineal de ellos de manera trivial: 0 = 0→ −
v1 + 0→
−
v2 +
→
−
... + vn .
→
−
Pero puede ocurrir que 0 sea una combinación lineal de ciertos vectores y que
no todos los coeficientes sean iguales a 0.

Ejemplo:
→
−
Si →
−
v1 = (1, 1, 1), →−
v2 = (2, −1, 5), → −
v3 = (1, −2, 4), el vector nulo es 0 = (0, 0, 0) =
→
−
0→
−
v1 + 0→ −v2 + 0 →
−
v3 y 0 = (0, 0, 0) = 1→ −
v1 + (−1)→ −
v2 + 1→−
v3 = (1, 1, 1) + (−2, 1, −5) +
(1, −2, 4).
→
−
Definición: Si la única manera de expresar al vector nulo 0 como combina-
ción lineal de →−
v1 , →
−
v2 , ..., →
−
vn es la trivial, se dice que estos vectores son linealmente
independientes. En caso contrario, se dice que los vectores son linealmente de-
pendientes.
Por ejemplo, → −
v1 , →
−
v2 , →
−v3 del ejemplo anterior no son linealmente independientes.

Ejemplos:

1. Sea V = R2 y → −
v1 = (1, −1), →
−
v2 = (1, 3).
→
− →
−
Se supone que 0 = (0, 0) es combinación lineal de → −
v1 , →
−
v2 : 0 = λ1 (1, −1) +
λ2 (1, 3). Para ver que →
−
v1 y →−
v2 son linealmente independientes debe probarse
que λ1 = λ2 = 0 :
 0) = λ1 (1, −1) + λ2 (1, 3) = (λ1 , −λ1 ) + (λ2 , 3λ2 ) = (λ1 + λ2 , −λ1 + 3λ2 )=⇒
(0,
λ1 + λ2 = 0
Aplicando el método de triangulación, se obtiene el siguien-
−λ1 + 3λ2 = 0
Notas de Algebra para Economistas 41

te sistema equivalente: 
λ1 + λ2 = 0
λ2 = 0
cuya solución es λ1 = λ2 = 0. Luego, los vectores →
−
v1 y →
−
v2 son linealmente
independientes.

2. Sea V = R3 . Veamos si los vectores → −

v1 = (1, 1, 1), → −
v2 = (2, −1, 5), → −
v3 =
3 →
−
(−1, −2, 4) ∈ R son linealmente independientes. Supongamos 0 = (0, 0, 0) =
λ1 (1, 1, 1)+λ2 (2, −1, 5)+λ3 (1, −2, 4) = (λ1 , λ1 , λ1 )+(2λ2 , −λ2 , 5λ2 )+(λ3 , −2λ3 , 4λ3 ) =
(λ1 + 2λ2 + λ3 , λ1 − λ2 − 2λ3 , λ1 + 5λ2 + 4λ3 ) =⇒
  
 λ1 + 2λ2 + λ3 = 0  λ1 + 2λ2 + λ3 = 0  λ1 + 2λ2 + λ3 = 0
λ1 − λ2 − 2λ3 = 0 =⇒ −3λ2 − 3λ3 = 0 =⇒ −3λ2 − 3λ3 = 0
λ1 + 5λ2 + 4λ3 = 0 3λ2 + 3λ3 = 0 0=0
  

Ası́ se tiene el sistema: 

λ1 + 2λ2 + λ3 = 0
λ2 + λ3 = 0
cuya solución es λ1 = λ3 y λ2 = −λ3 . Es decir, S = (λ3 , −λ3 , λ3 ) : λ3 ∈ R y
el sistema es compatible indeterminado por lo que existe más de una forma
de expresar al vector nulo como combinación lineal de → −
v1 , →
−
v2 , →
−
v3 , luego los
vectores →
−
v1 , →
−
v2 , →
−
v3 no son linealmente independientes.

14.1. Condiciones equivalentes

Sean A y B dos proposiciones. Se dice que A implica B, y se escribe A =⇒ B, si
toda vez que A es verdadera B también lo es (B es necesario para A).
Si además B =⇒ A se dice que A y B son equivalentes, o que vale A si y sólo si
vale B, y se nota A ⇐⇒ B.

Ejemplo: B ⊆ A ⇐⇒ A ∩ B = B y B ⊆ A ⇐⇒ A ∪ B = A.
Teorema: Sean →
−
v1 , →
−
v2 , ..., →
−
vn ∈ V . Las siguientes condiciones son equivalentes:

1. →
−
v1 , →
−
v2 , ..., →
−
vn son linealmente independientes.

2. Si λ1 →−v1 + λ2 →
−
v2 + ... + λn →
−
v n = α1 →
−
v1 + α2 →
−
v2 + ... + αn →
−
vn , entonces λ1 = α1 , λ2 =
α2 , ..., λn = αn .

3. Ningún →
−
vi , i = 1, 2, ..., n, es combinación lineal de los demás.

Observaciones:

La segunda condición del teorema nos dice que cuando un vector es combina-
ción lineal de vectores linealmente independientes lo es de una única manera.
Notas de Algebra para Economistas 42

Si aplicamos la tercer condición para tres vectores del espacio → −

v1 = (x1 , y1 , z1 ), →
−
v2 =
(x2 , y2 , z2 ), →
−
v3 = (x3 , y3 , z3 ), resulta que →
−
v1 , →
−
v2 , →
−
v3 son linealmente independien-
x1 y1 z1
tes si y sólo si x2 y2 z2 6= 0 (porque si una fila o columna es combinación
x3 y3 z3
lineal de otra, el determinante se anula, o bien, → −
v1 , →
−
v2 , →
−
v3 no son coplanares).
En general, podemos concluir que n vectores de Rn son linealmente indepen-
dientes si y sólo si el determinante de la matriz que tiene a los vectores como
filas (o columnas) es distinto de cero.

15. Bases de un espacio vectorial

Definición: Sea V un R-espacio vectorial y B ⊆ V . B se llama base del espacio
V si vale que:
1. Los vectores de B son linealmente independientes.
2. Todo vector →
−
x ∈ V es combinación lineal de los vectores de B.

Ejemplos:
→
− →
−
1. Si S = 0 la base es B = ∅ pues como el vector 0 no es linealmente indepen-
→
− →
−
diente (que λ 0 = 0 no implica que λ = 0) se tiene que la única base es un
conjunto vacı́o.
2. Si V = R2 = {(x, y) : x, y ∈ R} una base es B = {→
−
e1 = (1, 0), →
−
e2 = (0, 1)}
2
que se dice la base canónica de R .
3. Si V = R3 = {(x, y, z) : x, y, z ∈ R} entonces una base es B = {→ −
e1 =
→
− →
− 3
(1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)} y se dice la base canónica de R .
En general, si V = Rn = {(x1 , x2 , ..., xn ) : xi ∈ R} la base canónica de Rn
es B = {→ −
e1 = (1, 0, ..., 0), →
−
e2 = (0, 1, 0, ..., 0), ..., →
−
en = (0, 0, ..., 1)}.
→
− →
− →
−
4. Para V = R3 , B = { b1 = (1, −1, 0), b2 = (0, 1, 0), b3 = (2, 1, 3)} es una base
de R3 distinta de la canónica. En efecto,
→
− → − → −
b1 , b2 , b3 son linealmente independientes:
→
− →
− →
− →
−
Supongamos λ1 b1 + λ2 b2 + λ3 b3 = 0 , es decir, λ1 (1, −1, 0) + λ2 (0, 1, 0) +
λ3 (2, 1, 3) = (0, 0, 0). Entonces (λ1 , −λ1 , 0) + (0, λ2 , 0) + (2λ3 , λ3 , 3λ3 ) =
(λ1 +2λ3 , −λ1 +λ2 +λ3 , 3λ3 ) = (0, 0, 0). Ası́, se obtiene el siguiente sistema
de ecuaciones: 
 λ1 + 2λ3 = 0
−λ1 + λ2 + λ3 = 0
3λ3 = 0

Notas de Algebra para Economistas 43

Luego, se tiene que λ1 = λ2 = λ3 = 0 y, ası́, los vectores son linealemente

independientes.
Sea → −
u = (x, y, z) ∈ R3 .Debemos probar que → −
u es combinación lineal de
→
− → − → −
b1 , b2 , b3 :
(x, y, z) = λ1 (1, −1, 0) + λ2 (0, 1, 0) + λ3 (2, 1, 3) = (λ1 + 2λ3 , −λ1 + λ2 +
λ3 , 3λ3 ) Ası́ se obtiene el siguiente sistema de ecuaciones lineales:
 
 λ1 + 2λ3 = x  λ1 + 2λ3 = x
−λ1 + λ2 + λ3 = y =⇒ λ2 + 3λ3 = x + y
3λ3 = z 3λ3 = z
 

Luego, se tiene que el sistema es compatible determinado y la solución

es: λ1 = x − 32 z, λ2 = x + y − z, λ3 = 13 z. De esta manera, puede escribirse
→
− →− →−
al vector → −
u como combinación lineal de b1 , b2 , b3 de la siguiente forma:
→
− →
− →
−
(x, y, z) = λ1 b1 + λ2 b2 + λ3 b3 = (x − 23 z)(1, −1, 0) + (x + y − z)(0, 1, 0) +
1
3
z(2, 1, 3).
Por ejemplo, si → −u = (x, y, z) = (2, −1, 5) se tiene que λ1 = x − 23 z =
2 − 3 5 = − 3 , λ2 = x + y − z = 2 − 1 − 5 = −4 y λ3 = 13 z = 13 = 13 5 = 35 .
2 4
→
− →
− →
−
Y,en efecto, se verifica que λ1 b1 +λ2 b2 +λ3 b3 = − 43 (1, −1, 0)−4(0, 1, 0)+
5
3
(2, 1, 3) = (− 34 , 43 , 0) − (0, 4, 0) + ( 10
3 3
, 5 , 5) = (− 43 + 10 , 4 − 4 + 35 , 5) =
3 3
(2, −1, 5) = → −u
→
− → − → −
Ası́, b1 , b2 , b3 forman una base de V3 .

5. Sea S ⊆ R4 el subespacio de soluciones del siguiente sistema homogéneo:


x1 − x2 + 2x3 = 0
x3 − x4 = 0

Es decir, el subespacio de R4 S = (x2 − 2x4 , x2 , x4 , x4 ) : x2 , x4 ∈ R.

Luego, una base de S es el conjunto B = {(1, 1, 0, 0), (−2, 0, 1, 1)} que es
claramente un conjunto de vectores linealmente independientes y se verifica
que todo vector de S se escribe como combinación lineal de los vectores del
conjunto B:(x2 − 2x4 , x2 , x4 , x4 ) = x2 (1, 1, 0, 0) + x4 (−2, 0, 1, 1). Observación:
En la base hay tantos vectores como variables independientes en la expresión
general de S (en este caso, x2 y x4 ).

15.1. Extensión a una base

Se puede demostrar que todo conjunto de vectores linealmente independientes
de un espacio vectorial puede extenderse a una base, es decir, se le puede agregar los
vectores linealmente independientes que faltan para llegar a tener una base. Vamos
a indicar cómo se procede con un ejemplo:
Notas de Algebra para Economistas 44

→
− →
−
Extender a una base de R3 los vectores b1 = (1, −1, 0) y b2 = (1, 1, 0).
Luego de verificar que los vectores dados son linealmente independientes debo
→
− →
− →− → −
agregar un tercer vector b3 de R3 de manera tal que los tres vectores b1 , b2 , b3 sean
linealmente independientes. Por ejemplo, puede elegirse el tercer vector de entre los
de la base canónica de R3 que es C = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}. Basta con tomar
un vector tal que el determinante de la matriz formada con los tres vectores como
1 −1 0
→
− → − → −
filas sea no nulo, por ejemplo, 1 1 0 6= 0. Luego, b1 , b2 , b3 son linealmente
0 0 1
independientes.
Observación: No es necesario verificar la segunda condición de base pues basta
con obtener tres vectores linealmente independientes de R3 para tener una base de
ese espacio.

15.2. Dimensión de un espacio vectorial

Se demuestra que en un espacio vectorial V dos bases tienen el mismo número
de vectores. Más concretamente, todas las bases de un espacio vectorial tienen igual
número de vectores.Por lo tanto, tiene sentido la siguiente definición:
Definición: Sea V un R-espacio vectorial. Se dice que la dimensión de V sobre
R es n y se nota dimB V = n si n es el número de vectores de una base cualquiera.
Cuando no existe lugar a confusión se puede escribir simplemente, dimV = n.

Ejemplos:

dimR2 = 2.

dimR3 = 3.

dimRn = n.

Observación: Se puede demostrar que en un espacio vectorial de dimn todo

conjunto de n vectores linealmente independientes forman una base (la dimensión de
un espacio es el máximo número de vectores linealmente independientes que existen
para una base del espacio).

Procedimiento práctico para decidir cuántos vectores linealmente independien-

tes hay en un conjunto de vectores de Rn .

Ejemplo: Se trata de decidir cuántos vectores linealmente independientes

hay entre los siguientes: →
−
v = (1, 1, −1, 0), →
1
−
v = (0, 1, 0, 0), →
2
−
v = (2, 1, 0, 0), →
3 4
−
v =
Notas de Algebra para Economistas 45

(3, 2, −1, 0).

     
1 1 −1 0 1 1 −1 0 1 1 −1 0
0 1 0 0 0 1 0 0 0 1 0 0
   

2 =⇒ 
0 −1 2 0 =⇒ 0

1 0 0 0 2 0
3 2 −1 0 0 −1 2 0 0 0 0 0

Ası́, existen tres de los vectores que no se anulan. Luego, existen tres vec-
tores de los cuatro iniciales que son linealmente independientes (los cuatro
vectores dados no son linealmente independientes) pues el último de ellos es
combinación lineal de los tres primeros.

En general, dados k vectores de Rn : →

−
v1 = (a1 , a2 , ..., an ), →
−
v2 = (b1 , b2 , ..., bn ), ..., →
−
vk =
(c1 , c2 , ..., cn ).
Se puede demostrar que si se considera la matriz que tiene por filas a es-
tos vectores y se aplican las operaciones elementales se mantiene el número
de vectores linealmente independientes; más concretamente, si al final de la
triangulación no aparece ninguna fila nula es porque los vectores de partida
son linealmente independientes, de lo contrario el número de vectores lineal-
mente independiente es igual al número de filas no nulas que quedaron.

15.3. Rango de una matriz

Si A es una matriz m×n con coeficientes en R el rango de A es el número de filas
no nulas que tiene la matriz obtenida de A por aplicación de las operaciones elemen-
tales de Gauss. Por lo tanto, de acuerdo al procedimiento que indicamos anterior-
mente el rango de una matriz A es el máximo número de vectores ”fila”linealmente
independientes.

Ejemplos:

 
1 −2 −1 3
Si A = −1 2 4 −1, el rango de A es 3.
3 −4 1 5
 
4 2 3 −1
8 5 2 4
Si A = 
7 4 5
, el rango de A es 3.
1
5 3 0 2

15.4. Cambios de base en

R3
Notas de Algebra para Economistas 46

→
− → − → −
Recordemos que si B = { b1 , b2 , b3 } es una base de R3 , todo vector → −x ∈ R3
→
− →
− →
−
se escribe de una única manera como → − λ3 ∈ R
x = λ1 b1 + λ2 b2 + λ3 b3 con λ1 , λ2 , 
λ1
→
− →
−
donde λ1 , λ2 , λ3 se dicen las componentes de x en B, y se nota [ x ]B = λ2  o 
λ3
→
−x = (λ1 , λ2 , λ3 ) en B.
Si la base es la base canónica podremos no aclararlo, es decir, en lugar de escribir
[→
−
x ]C podemos notar → −
x = (λ1 , λ2 , λ3 ).
Se trata de ver cómo se pueden obtener las componentes de un vector en una
base cuando se los conoce en otra. →
− →− → −
→
− → − →−
Supongamos que tenemos dos bases B = { b1 , b2 , b3 } y B 0 = { b01 , b02 , b03 }.
Sea →−x ∈ R3 un vector cualquiera del espacio.  
λ1
→
− →
− →
− →
− →
−
Supongamos x = λ1 b1 + λ2 b2 + λ3 b3 con λ1 , λ2 , λ3 ∈ R, es decir, [ x ]B = λ2 .
 λ3
→
−0 →
−0 →
−0 µ1
→
− →
− 0
Por otro lado, x = µ1 b1 + µ2 b2 + µ3 b3 con µ1 , µ2 , µ3 ∈ R, es decir, [ x ]B = µ2 .
µ3
→
− →
− 0
Conocido x en B, cómo es x en B y recı́procamente ?

15.4.1. Matriz de cambio de base

Vamos a llamar matriz de cambio de base de la base B a la base B 0 , y
α1 β1 γ1 →
− →
− →
− →
→
− −
la representaremos [B]B = α2 β2 γ2  donde b1 = α1 b01 + α2 b02 + α3 b03 , b2 =
0 
α3 β3 γ3
→
−0 →
−0 →
−0 → − →
−0 →
− →
−
β1 b1 + β2 b2 + β3 b3 y b3 = γ1 b1 + γ2 b02 + γ3 b03 .
Esto es, las columnas de la matriz se forman con las componentes de los vectores
de B expresados en B 0 .
Se demuestra que vale lo siguiente: [→ −
x ]B 0 = [B]B 0 [→
−x ]B donde [→
−x ]B 0 ∈ M3×1 (R),
→
−
[B]B 0 ∈ M3×3 (R) y [ x ]B ∈ M3×1 (R).
Análogamente, [B 0 ]B tiene por columnas las componentes
h→ de los vectores de la
0 0 −0 →
−0 →
−0 i
base B expresados en la base B. Es decir, [B ]B = [ b1 ]B [ b2 ]B [ b3 ]B .
Se demuestra que la matriz [B 0 ]B = [B]−1
B0 .
Observación: La inversa de la matriz [B]B 0 existe pues los vectores son linealmente
independientes, es decir, el determinante es no nulo.

Ejemplo:
→
− →
− →
− →
−
Supongamos B = b1 = (1, −1, 2), b2 = (1, 0, 1), b3 = (2, −1, 1) y B 0 = b01 =
→
− →
−
(3, 0, 1), b02 = (−1, 2, 0), b03 = (2, 2, 3). Hallar la matriz [B]B 0 .
Notas de Algebra para Economistas 47

 
α1 β1 γ1
La matriz [B]B 0 = α2 β2 γ2  donde
α3 β3 γ3
(1, −1, 2) = α1 (3, 0, 1) + α2 (−1, 2, 0) + α3 (2, 2, 3),
(1, 0, 1) = β1 (3, 0, 1) + β2 (−1, 2, 0) + β3 (2, 2, 3),
(2, −1, 1) = γ1 (3, 0, 1) + γ2 (−1, 2, 0) + γ3 (2, 2, 3).
Luego, se tiene:
(1, −1, 2) = (3α1 − α2 + 2α3 ; 2α2 + 2α3 ; α1 + 3α3 ),
(1, 0, 1) = (3β1 − β2 + 2β3 ; 2β2 + 2β3 ; β1 + 3β3 ),
(2, −1, 1) = (3γ1 − γ2 + 2γ3 ; 2γ2 + 2γ3 ; γ1 + 3γ3 ).
Ası́ se obtienen tres sistemas de ecuaciones:
  
 3α1 − α2 + 2α3 =1  α1 + 3α3 =2  α1 + 3α3 =2
2α2 + 2α3 = −1 =⇒ 2α2 + 2α3 = −1 =⇒ 2α2 + 2α3 = −1
11
α1 + 3α3 =2 −α2 − 7α3 = −5 −6α3 = − 12
  

De donde se obtiene que α1 = − 43 , α2 = − 12

17
, α3 = 11
12
.

  
 3β1 − β2 + 2β3 = 1  β1 + 3β3 =1  α1 + 3α3 =1
2β2 + 2β3 = 0 =⇒ 2β2 + 2β3 = 0 =⇒ 2α2 + 2α3 =0
β1 + 3β3 =1 −β2 − 7β3 = −2 −6α3 = −2
  

De donde se obtiene que β1 = 0, β2 = − 31 , β3 = 13 .

  
 3γ1 − γ2 + 2γ3 =2  γ1 + 3γ3 =1  γ1 + 3γ3 =1
2γ2 + 2γ3 = −1 =⇒ 2γ2 + 2γ3 = −1 =⇒ 2γ2 + 2γ3 = −1
γ1 + 3γ3 =1 −γ2 − 7γ3 = −1 −6γ3 = − 23
  

γ1 =14 , γ2 = − 43 , γ3 = 14 .
De donde se obtiene que   3 1
 
1 −4 0 4
1
→
−   →
− →
−  17 1
Supongamos que [ v ]B = 2 . Entonces [ v ]B 0 = [B]B 0 [ v ]B = − 12 − 3 − 43 
2 =
11 1 1
  −1 12 3 4
−1
−1
− 4  .
3
4
3

15.5. Cambio de base a través de la base canónica

Como los vectores de las bases generalmente están representados en la base
canónica es posible simplificar el procedimiento visto para hallar la matriz de cambio
de base. Veremos a continuación que dicha matriz se puede obtener como producto
de otras dos que se pueden encontrar rápidamente.
Se tiene la siguiente fórmula: [B]B 0 = [C]B 0 [B]C = [B 0 ]−1
C [B]C .
Notas de Algebra para Economistas 48

Observación: [B 0 ]B = [B]−1 −1 0
B 0 = [B]C [B ]C .  −1  
3 −1 2 1 1 2
En el ejemplo anterior, [B]B 0 = [B 0 ]−1
C [B]C =
0 2 2 −1 0 −1 .
1 0 3 2 1 1
Aclaración: Teniendo en cuenta que los vectores se identifican con los puntos
de sus extremos y tenemos los vectores considerados con origen en el origen de
coordenadas resulta que la matriz de cambio de base se utiliza tanto para pasar
vectores de una base a otra como para pasar puntos en los sistemas de coordenadas
correspondientes a esas bases.

15.6. Bases ortonormales

→
− →− → −
Definición: Una base B = { b1 , b2 , b3 } se dice ortonormal (B.O.N.) si los vec-
→
− →
−
tores son perpendiculares dos a dos y de módulo igual a 1. Es decir, h b1 , b2 i =
→
− → − →
− → − →
− →
− →
−
0, h b1 , b3 i = 0, h b2 , b3 i = 0, k b1 k = k b2 k = k b3 k = 1. 
→
− →− 0, sii 6= j
Concretamente, para i = 1, 2, 3 y j = 1, 2, 3, h bi , bj i =
1, sii = j

15.7. Matriz ortogonal

Definición: Si A es una matriz inversible, A se dice matriz ortogonal si A−1 =
T
A .

Ejemplo:

La matriz identidad I es una matriz ortogonal.

0 √12 − √12
 

A = 1 0 0  es una matriz ortogonal.

0 √12 √12
Vale la siguiente proposición :
α1 β1 γ1
→
− →
−
Una matriz A = α2 β2 γ2  es ortogonal si y sólo si B = { b1 = (α1 , α2 , α3 ), b2 =
α3 β3 γ3
→
−
(β1 , β2 , β3 ), b3 = (γ1 , γ2 , γ3 )} es una base ortonormal.
Propiedades:
1. Si A es una matriz ortogonal entonces A−1 también lo es.
Dem: Supongamos que A es ortogonal, es decir, supongamos que A−1 =
AT . Queremos probar que A−1 también lo es, es decir, queremos probar que
(A−1 )−1 = (A−1 )T .
Como A−1 = AT , se tiene que (A−1 )T = (AT )T = A y es claro que (A−1 )−1 =
A.
Notas de Algebra para Economistas 49

2. Si A y B son matrices ortogonales entonces AB también lo es.

Dem: Supongamos que A y B son ortogonales, es decir, supongamos que A−1 =
AT y B −1 = B T . Queremos probar que (AB)−1 = (AB)T . En efecto, (AB)−1 =
B −1 A−1 = B T AT = (AB)T .

15.8. Matriz de cambio de base cuando las bases son orto-

normales
Vale el siguiente resultado: La matriz de cambio de base de una base ortonormal
B a la base canónica es una matriz ortogonal.
En efecto, supongamos que B = {(α1 , α2 , α3 ), (β1 , β2 , β3 ), (γ1 , γ2 , γ3 )} es una ba-
se
 ortonormal.
 Sabemos que la matriz de cambio de base de B a C es [B]C =
α1 β1 γ1
α2 β2 γ2 . Teniendo en cuenta que la condición necesaria y suficiente para que
γ3 γ3 γ3
una matriz sea ortogonal es que las columnas formen una base ortonormal resulta
que [B]C es ortogonal.

Ejemplo: Si B = {( √12 , √12 , 0), ( √12 , − √12 , 0)(0, 0, −1)} es una base ortonor-
1
√1 0

√
2 2
mal, entonces [B]C =  √12 − √12 0  es una matriz ortogonal. Luego, [C]B =
0 0 −1
−1 T
[B]C = [B]C que también resulta una matriz ortogonal pues la base es ortonormal.
1
√1 0

√
2 2
Ası́, [C]B = [B]TC =  √12 − √12 0  .
0 0 −1
Observación: La base canónica es ortonormal.
En realidad, el resultado anterior se generaliza de la siguiente manera:
Proposición: Si B y B 0 son dos bases ortonormales cualesquiera, la matriz de
cambio de base de B a B 0 es una matriz ortogonal.
Demostración: Como [B]B 0 = [C]B 0 [B]C = [B 0 ]−1 0 T
C [B]C = [B ]C [B]C , se tiene que
[B]B 0 es el producto de dos matrices ortogonales pues [B 0 ]C es ortogonal, [B 0 ]−1 C
también lo es y el producto de dos matrices ortogonales es ortogonal; ası́ resulta
que, como [B]C es ortogonal, [B]B 0 también lo es.

Ejemplo: Sean
B = {( √12 , √12 , 0), ( √12 , − √12 , 0), (0, 0, −1)} y B = {(0, √15 , √25 ), (0, √15 , − √25 ), (1, 0, 0)}.
0 √15 √25
 1
√1 0
 
√
2 2
Entonces, [B]B 0 = [C]B 0 [B]C = [B 0 ]TC [B]C = 0 √15 − √25   √12 − √12 0  =
1 0 0 0 0 −1
Notas de Algebra para Economistas 50

 
√1 − √110 − √25
 √110 − √110 √25 
=  10 .
√1 √1 0
2 2

16. Rectas y planos

16.1. Ecuación de una recta en el plano
Si L es una recta paralela al eje y su ecuación es x = a, es decir, L = {(a, y), y ∈
R)} donde a es fijo.
Si L no es paralela al eje y está determinada por dos puntos cualesquiera P =
(x0 , y0 ) y Q = (x1 , y1 ) que pertenecen a ella. Se entiende por pendiente de L a la
tangente del ángulo α b que forma el semieje positivo de las absisas con la recta L.
GRAFICO −→
cat.op. y1 −y0
Luego, tan(b α) = cat.ady. = AQ
−→ = x −x .
PA 1 0
Usando la noción de pendiente, la ecuación de la recta L es y = mx + b donde
m es la pendiente y b la ordenada al origen.

Ejemplo: Si L es la recta que pasa por el punto (1, 1) y tiene pendiente

m = 31 .
Ası́, y = mx + b = 13 x + b pero como (1, 1) ∈ L se tiene que 1 = 13 1 + b =⇒ b = 23 .
Luego, y = 13 x + 23 .
De esta ecuación se obtiene que y = x+23
=⇒ 3y = x + 2 =⇒ x + 2 − 3y = 0 =⇒
x − 3y + 2 = 0.
En general, la ecuación de una recta se puede escribir Ax + By + C = 0 donde
A, B, C ∈ R y A, B no simultáneamente nulos (si B = 0, la recta es paralela al eje
y.

16.2. Ecuación paramétrica de una recta en el plano

GRAFICO
→
−
Si P = (x, y) y P0 = (x0 , y0 ) pertenecen a L y d = (a, b) es un vector paralelo
−−→ →
− −−→
a L, se tiene que P0 P es paralelo a d. Esto es, P0 P = (x − x0 , y − y0 ) = λ(a, b) =
x − x0 = λa x = x0 + λa
(λa, λb). Ası́, =⇒ , λ ∈ R Que es la ecuación
y − y0 = λb y = y0 + λb
paramétrica de una recta. A λ se lo denomina parámetro. Para cada valor de λ
se obtiene un valor de (x, y), es decir, un punto de la recta. A medida que λ toma
valores en R se van obteniendo los puntos de la recta.
→
−
Al vector d se lo llama el vector director de la recta.

Ejemplo: Si L es la recta que pasa por el punto P0 = (−1, 3) y tiene al vector

Notas de Algebra para Economistas 51


−
→ x = −1 + 2λ
dL = (2, −5) como director, su ecuación paramétrica es L , λ ∈ R.
y = 3 − 5λ
(Si λ = 0 se obtiene el punto P0 ).
Análogamente, se obtiene la ecuación paramétrica de una recta en el espacio
(aunque no existe la ecuación de la forma y = mx + b). Si L es la recta que pasa por
→
−
P0 = (x0 , y0 , z0 ) y es paralela al vector d = (a, b, c), se tiene que si P es un punto
−−→ −−→
genérico de la recta el vector P0 P es paralelo a L, es decir, P 0 P = (x − x0 , y − y0 , z −
 x = x0 + λa
z0 ) = λ(a, b, c), ası́ la ecuación paramétrica de la recta L es y = y0 + λb , λ ∈ R.
z = z0 + λc



 x = −1 + λ
Ejemplo: L y = −λ , λ ∈ R. es la ecuación de la recta que pasa por
z = 3 + 2λ

−
→
el punto P0 = (−1, 0, 3) y tiene como director al vector dL = (1, −1, 2).

16.3. Ecuación de un plano

GRAFICO
Un plano es el lugar geométrico de todos los vectores perpendiculares a un vector
→
−
u.
Si → −
n = (A, B, C) es un vector perpendicular (o normal) al plano, y P0 =
(x0 , y0 , z0 ), P = (x, y, z) son dos puntos que pertenecen al plano, se tiene que
−−→ −−→ −
P0 P es un vector perpendicular a → −
n , es decir, hP0 P , →
n i = h(x − x0 , y − y0 , z −
z0 ), (A, B, C)i = 0. Ası́, se obtiene A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0 que es
la ecuación del plano perpendicular al vector → −n = (A, B, C) y contiene al punto
P0 = (x0 , y0 , z0 ).
De la ecuación A(x − x0 ) + B(y − y0 ) + C(z − z0 ) = 0 se obtiene Ax + By + Cz +
(−Ax0 − By0 − Cz0 ) = 0 donde −Ax0 − By0 − Cz0 es conocido. Luego, la ecuación
general del plano es Ax + By + Cz + D = 0 con A, B, C, D ∈ R no simultáneamente
nulos.
Ecuaciones incompletas

Si D = 0 la ecuación del plano es Ax + By + Cz = 0. Ası́, el plano pasa por

el origen de coordenadas pues (0, 0, 0) pertenece al plano.

Si C = 0, la ecuación del plano es Ax + By + D = 0 que no es la ecuación

de una recta por ser una ecuación en el espacio (en el espacio no existe una
ecuación de recta de esta forma). Este plano tiene normal →
−
n = (A, B, 0).

La ecuación del plano XY es z = 0 pues pasa por el origen de coordenadas

(es decir, D = 0) y es paralelo al eje X y al eje Y , o bien, es perpendicular al
eje Z (luego, tiene normal (0, 0, 1).
Notas de Algebra para Economistas 52

Análogamente, la ecuación del plano XZ es y = 0 y la del plano Y Z es x = 0.

Ejemplos prácticos:

1. Tres puntos no alineados determinan un plano al cual pertenecen. Se desea

hallar la ecuación de un plano que contiene a tres puntos dados P0 , P1 , P2 . Se
determina el vector normal al plano →−
n = (A, B, C) como el producto vectorial
de dos vectores determinados por los puntos tomados de a pares, es decir,
→
− −−→ −−→
n = (A, B, C) = P0 P1 ∧ P0 P2 . Luego, se escribe la ecuación del plano que
tiene ese vector normal y pasa por el punto P0 , P1 o P2 .
2. Dado un plano π : 5x − 7y + 2z − 9 = 0 se desea hallar un plano π 0 paralelo a
π que pase por el punto P0 = (1, 1, 1). Como π es paralelo a π 0 , − → = (5, −7, 2)
nπ
−→
es paralelo a nπ0 . Ası́, puede considerarse al normal del plano π como normal
del plano π 0 . Luego, la ecuación del plano π 0 es 5(x − 1) − 7(y − 1) + 2(z − 1) =
0, es decir, 5x − 7y + 2z = 0 (como pasa por el origen no tiene término
independiente).
Otra forma de hacerlo: Como (5, −7, 2) es el normal de π 0 , la ecuación del
plano π 0 es π 0 : 5x − 7y + 2z + D = 0, pero como el punto (1, 1, 1) pertenece a
π 0 satisface la ecuación de π 0 , es decir, 51 − 71 + 21 + D = 0 entonces D = 0
y, ası́, se obtiene π 0 : 5x − 7y + 2z = 0.
3. Dado un plano π : 5x−7y+2z−9 = 0 se trata de hallar la ecuación de una recta
 y pasa por el punto (1, 1, −1). La ecuación
L que es perpendicular al plano
 x = 1 + 5λ
paramétrica de la recta L es y = 1 − 7λ , λ ∈ R. pues el director de la
z = −1 + 2λ

−
→ →
recta debe ser paralelo al normal del plano, por ejemplo, d = −
n = (5, −7, 2).
L π

16.4. Intersecciones
En el plano
Para hallar la intersección de dos rectas en el plano L1 : ax + by + c = 0 y
L2 : a0 x+b0 y+c0 = 0 debe resolverse el sistema de ecuaciones
 lineales que determinan
ax + by + c = 0
las ecuaciones de ambas rectas, es decir, el sistema . Las rectas
a0 x + b 0 y + c 0 = 0
L1 y L2 pueden ser:
-incidentes (se cortan en un punto), si el sistema es compatible determinado;
-paralelas (no se cortan en ningún punto), si el sistema es incompatible;
-coincidentes (se cortan en infinitos puntos), si el sistema es compatible inde-
terminado.
En el espacio
Posición relativa de dos rectas
Notas de Algebra para Economistas 53

Si L1 y L2 son dos rectas del espacio tales que no existe ningún plano que las
contenga a ambas, L1 y L2 se dicen alabeadas.
En cambio, si L1 y L2 son tales que existe algún plano que las contenga, las
rectas se dicen coplanares. En tal caso, las rectas pueden cortarse o ser paralelas.
Posición relativa de una recta y un plano
Dados una recta L y un plano π en el espacio, puede suceder que que la recta
y el plano sean paralelos (si el normal del plano es perpendicular al director de la
→, −
recta, es decir, h−
→
n π dL i = 0) en cuyo caso L puede estar contenida en π, o bien la
intersección de L y π es vacı́a; o que la recta y el plano se intersecten en un punto.

 x=2+λ
Ejemplo: Dados el plano π : 2x−3y+4z−9 = 0 y la recta L : y =1−λ
z = −3 − 3λ


se desea hallar la intersección de ellos.

Se reemplaza la expresión de x, y y z dada en la ecuación paramétrica de la recta
en la ecuación del plano y se obtiene el valor de λ:
2(2 + λ) − 3(1 − λ) + 4(−3 − 3λ) − 9 = 0 =⇒ 4 + 2λ − 3 + 3λ − 12 − 12λ − 9 =
0=⇒ −7λ − 20 = 0 =⇒ λ = − 20 7
.
Luego ese valor de λ se reemplaza en la ecuación paramétrica de la recta para
obtener los valores de x, y, z que serán las coordenadas del punto de intersección de
la recta
 y el plano: 20
 x = 2 + (− 7 ) = − 67
y = 1 − (− 20
7
) = 27
7
z = −3 − 3(− 20 ) = 39

7 7
Ası́, el punto de intersección de la recta y el plano es (− 67 , 27
7 7
, 39 ).

16.5. Intersección de planos

Dados dos planos π1 y π2 puede suceder que:
-π1 y π2 son paralelos. En este caso, el −
n→ −→ −→ −→
π1 es paralelo al nπ2 , es decir, nπ1 ∧ nπ2 =
(0, 0, 0).
-π1 y π2 se cortan en una recta. Esta situación permite obtener otra forma para
la ecuación de una recta en el espacio:
Supongamos que la recta L es el conjunto de puntos de intersección de los planos
π1 : Ax + By + Cz + D = 0 y π2: A0 x + B 0 y + C 0 z + D0 = 0. Ası́, L es el
Ax + By + Cz = −D
conjunto de soluciones del sistema: . De esta manera,
A x + B 0 y + C 0 z = −D0
0

se obtiene
 la ecuación de la recta L como intersección de dos planos y se nota:
Ax + By + Cz + D = 0
L: .
A0 x + B 0 y + C 0 z + D0 = 0
Puede obtenerse a partir de esta ecuación la ecuación paramétrica de la recta
L, para esto se elige un punto P0 = (x0 , y0 , z0 ) perteneciente a la recta tomando
Notas de Algebra para Economistas 54


Ax + By + Cz + D = 0
una solución particular del sistema y puede hallarse
A x + B 0 y + C 0 z + D0 = 0
0

el director de la recta tomando dos soluciones particulares de este sistema P0 =

−−→
(x0 , y0 , z0 ) y P1 = (x1 , y1 , z1 ), determinando el vector P0 P1 y considerándolo como
director de la recta.
Otra forma de determinar el director de L es obteniéndolo como producto vec-
−
→
torial de los normales de los planos que la determinan, es decir, dL = − n→ −→
π 1 ∧ nπ 2 .

17. Transformaciones lineales

Definición: Sean V y W dos R-espacios vectoriales. Una aplicación T : V → W
se dice una transformación lineal si cumple con las dos condiciones siguientes:
T1 ) El transformado de la suma de dos vectores es igual a la suma de los dos
transformados, es decir, T (→
−x +→−y ) = T (→
−x ) + T (→−
y ), cualesquiera que sean →−
x e
→
−y ∈ V.
T2 ) El transformado de un escalar por un vector es igual al escalar por el trans-
formado del vector, es decir, T (λ→−
x ) = λT (→ −x ), cualesquiera que sean λ ∈ R y
→
−x ∈ V.

Ejemplos:

1. Si V = R3 , W = R3 , entonces T : R3 → R3 . Sea c ∈ R fijo, y T (→−

x ) = c→
−
x , es
decir, T (x, y, z) = (cx, cy, cz). T se dice una homotecia de razón cy es una
transformación lineal. En efecto:
T )elT (→
1
−u +→ −v ) = c(→
−
u +→ −v ) = c→
−
u + c→−v = T (→
−
u ) + T (→
−
v ).
T2 ) T (λ→
−
u ) = c(λ→
−
u ) = (cλ)→
−
u = (λc)→
−
u = λ(c→
−
u ) = λT (→
−
u ).
Casos particulares:
→
− −
Si c = 0, T (→
−
u ) = 0→
−u = 0 , ∀→u ∈ V. Ası́, T se dice la transformación
nula y se nota T = 0.
→
−
Obs: Al vector nulo de cualquier espacio vectorial lo notaremos 0 .
Si c = 1, T (→
−
u ) = 1→
−u =→ −
u , ∀→
−
u ∈ V. Ası́, T se dice la transformación
identidad y se nota T = I.

2. Si T : R2 → R3 es tal que T (x, y) = (x, y, x + y), T es una transformación

lineal.
T1 ) Supongamos →
−
u = (x1 , y1 ) y →
−
v = (x2 , y2 ). Luego, →
−
u +→
−
v = (x1 +x2 , y1 +y2 ).
Entonces, T (→
−
u +→−
v ) = T (x + x , y + y ) = (x + x , y + y , (x + x ) + (y +
1 2 1 2 1 2 1 2 1 2 1
y2 )) = (x1 +x2 , y1 +y2 , (x1 +y1 )+(x2 +y2 )) = (x1 , y1 , x1 +y1 )+(x2 , y2 , x2 +y2 ) =
T (→−
u ) + T (→
−
v ).
Notas de Algebra para Economistas 55

T2 ) Si λ ∈ R y → −
u = (x, y) ∈ R2 , λ→ −u = (λx, λy). Entonces, T (λ→
−
u) =
T (λx, λy) = (λx, λy, λx + λy) = λ(x, y, x + y) = λT (→
−
u ).

3. Si T : R2 → R2 es tal que T (x, y) = (x, y 2 ), entonces T no es una transforma-

ción lineal. En efecto:
Supongamos → −u = (x1 , y1 ) y →
−
v = (x2 , y2 ). Luego, →
−
u +→
−
v = (x1 + x2 , y1 + y2 ).
Entonces, T (→ −u +→−v ) = T (x1 + x2 , y1 + y2 ) = (x1 + x2 , (y1 + y2 )2 ). Por otro
lado, T (→−u ) + T (→
−
v ) = T (x , y ) + T (x , y ) = (x , y 2 ) + (x , y 2 ) 6= (x +
1 1 2 2 1 1 2 2 1
2
x2 , (y1 + y2 ) ), engeneral. Por ejemplo, T ((1, 1) + (1, 2)) = T (2, 3) = (2, 9) y
T (1, 1) + T (1, 2) = (1, 1) + (1, 4) = (2, 5).

4. Si T : R3 → R3 es tal que T (x, y, z) = (x, y, 0), es decir, T es la proyección

ortogonal sobre el plano XY , T es una transformación lineal. En efecto,
T1 ) Supongamos → −u = (x, y, z) y →
−
v = (x0 , y 0 , z 0 ), entonces →
−
u +→
−
v = (x+x0 , y +
0 0 →
− →
−
y , z + z ). Ası́, T ( u + v ) = T (x + x , y + y , z + z ) = (x + x0 , y + y 0 , 0) =
0 0 0

(x, y, 0) + (x0 , y 0 , 0) = T (→
−
u ) + T (→
−v ).
T2 ) T (λ→−
u ) = T (λ(x, y, z)) = T (λx, λy, λz) = (λx, λy, 0) = λ(x, y, 0) =
→
−
λT ( u ).

Observaciones:
De la definición de transformación lineal se deducen las siguientes condiciones:
→
− →
−
1. T ( 0 ) = 0 , cualquiera que sea la transformación lineal T . Dem: Sea →−
x ∈ V,
→
− →
− →
− →
− →
− →
− →
−
T ( x ) = T ( x + 0 ) = T ( x ) + T ( 0 ) =⇒ T ( 0 ) = 0 .
Esta es una condición necesaria para que T sea transformación lineal pero
no es condición suficiente. Por ejemplo, vimos que T : R2 → R2 definida
→
−
por T (x, y) = (x, y 2 ) no era transformación lineal y, sin embargo, T ( 0 ) =
→
−
T (0, 0) = (0, 02 ) = 0 .

2. T (−→
−
u ) = −T (→
−u ), cualesquiera que sean la transformación T y el vector →
−
u.
Dem: T (−→−
u ) = T ((−1)→−u ) = (−1)T (→
−
u ) = −T (→−
u ).

3. T (→
−u −→ −
v ) = T (→ −
u ) − T (→
−
v ).
Dem: T (→ −
u −→ −v ) = T (→
−
u + (−→ −
v )) = T (→
−
u ) + T (−→
−
v ) = T (→
−
u ) + (−T (→
−
v )) =
→
− →
−
T ( u ) − T ( v ).

4. T (λ1 →
−
v1 + λ2 →
−
v2 ) = λ1 T (→
−
v1 ) + λ2 T (→
−
v2 ).
Dem: T (λ1 →−
v1 + λ2 →−
v2 ) = T (λ1 →
−
v1 ) + T (λ2 →
−
v2 ) = λ1 T (→
−
v1 ) + λ2 T (→
−
v2 ).
En general, vale que T (λ1 v1 + λ2 v2 + ... + λn vn ) = λ1 T ( v1 ) + λ2 (→
→
− →
− →
− →
− −
v2 ) + ... +
λ T (→
n
−
v ).
n
Notas de Algebra para Economistas 56

→
− → − →
−
Teorema: Sean V y W dos R-espacios vectoriales. Sea B = { b1 , b2 , ..., bn } una
base de V y → −
a1 , →
−
a2 , ..., →
−
an vectores cualesquiera de W. Entonces existe una única
→
− →
− →
−
transformación lineal T : V → W tal que T ( b1 ) = → −
a1 , T ( b 2 ) = →
−
a2 , ..., T ( bn ) = →
−
an .
Idea de la demostración:
→
− →
− →
− →
− →
−
Si →−
x ∈ V, → −x = λ1 b1 + λ2 b2 + ... + λn bn . Luego, T (→ −x ) = T (λ1 b1 + λ2 b2 + ... +
→
− →
− →
− →
−
λn bn ) = λ1 T ( b1 ) + λ2 T ( b2 ) + ... + λn T ( bn ) = λ1 →
−
a1 + λ 2 →−
a2 + ... + λn → −
an .
Se demuestra que ası́ definida la transformación T resulta ser la única transfor-
mación lineal en las condiciones del teorema.
Observación: El teorema anterior asegura que una transformación lineal queda
unı́vocamente determinada cuando se conocen los transformados de los vectores de
una base.

Ejemplo: Sea T : R3 → R3 la transformación lineal tal que T (1, 0, 0) =

(2, −1, 2), T (1, 1, 0) = (0, 0, 0) y T (1, 1, 1) = (1, 1, 1). Se desea hallar la expresión
general de T.
Como B = {(1, 0, 0), (1, 1, 0), (1, 1, 1)} es una base de R3 , sabemos que a cual-
quier vector del espacio (x, y, z) puede escribirse como una combinación lineal de
éstos vectores, es decir, (x, y, z) = λ1 (1, 0, 0) + λ2 (1, 1, 0) + λ3 (1, 1, 1) =(λ1 , 0, 0) +
(λ2 , λ2 , 0) + (λ3 , λ3 , λ3 ) =(λ1 + λ2 + λ3 , λ2 + λ3 , λ3 ). De esta manera se obtiene el
siguiente sistema de ecuaciones lineales:

 λ1 + λ2 + λ3 = x
λ2 + λ3 = y
λ3 = z


Cuya solución es λ1 = x − y, λ2 = y − z, λ3 = z.
Por otro lado, como (x, y, z) = λ1 (1, 0, 0) + λ2 (1, 1, 0) + λ3 (1, 1, 1) se tiene que
T (x, y, z) = λ1 T (1, 0, 0) + λ2 T (1, 1, 0) + λ3 T (1, 1, 1) =λ1 (2, −1, 2) + λ2 (0, 0, 0) +
λ3 (1, 1, 1) = (x − y)(2, −1, 2) + (y − z)(0, 0, 0) + z(1, 1, 1) =(2(x − y), −1(x − y), 2(x −
y)) + (0, 0, 0) + (z, z, z). Es decir, la expresión general de la transformación T es
T (x, y, x) = (2x − 2y + z, −x + y + z, 2x − 2y + z).
De esta expresión general puede calcularse el transformado de cualquier vector;
por ejemplo, T (1, −2, 5) = (11, 2, 11).

17.1. Matriz asociada a una transformación lineal

Sea T : R3 → R3 una transformación lineal.
Recordemos que toda transformación lineal queda perfectamente definida cuando
se conoce cuáles son los transformados de los vectores de una base.
→
− → − →−
Consideremos una base B = { b1 , b2 , b3 }. Como todos los vectores de R3 se
pueden expresar de una sola manera como combinación lineal de los vectores de
→
− →
− →
−
la base B, en particular, esto vale para los vectores T ( b1 ), T ( b2 ) y T ( b3 ). Luego,
Notas de Algebra para Economistas 57

→
− →
− →
− →
− →
− →
− →
− →
−
supongamos T ( b1 ) = α1 b1 + α2 b2 + α3 b3 , T ( b2 ) = β1 b1 + β2 b2 + β3 b3 y con
→
− →
− →
− →
−
T ( b3 ) = γ1 b1 + γ2 b2 + γ3 b3 con α1 , α2 , α3 , β1 , β2 , β3 , γ1 , γ2 , γ3 ∈ R.
Definición: Se llama matriz asociada a la transformación lineal T con
respecto a la base B y se representa [T ]B a la matriz cuyas columnas se forman
con los coeficientes que permiten expresar a los transformados de los vectores de B
en la misma base B. Concretamente,
 
α1 β1 γ1
[T ]B = α2 β2 γ2  .
α3 β3 γ3

Se demuestra que, para todo vector →

−
x ∈ R3 ,[T (→
−
x )]B = [T ]B [→
−
x ]B .

Ejemplo: Sea T : R3 → R3 definida por T (x, y, z) = (x − y, x + z, 2x).

Hallar [T ]C , siendo C es la base canónica de R3 .
Como T (1, 0, 0) = (1, 1, 2), T (0, 1, 0) = (−1, 0, 0) y T (0, 0, 1) = (0, 1, 0) (reem-
plazando en la expresión general),
 
1 −1 0
[T ]C = 1 0 1 .
2 0 0

Por ejemplo, si → −x = (−1, 3, 7) se trata de hallar

→
−
 T ( x). 
1 −1 0 −1 −4
→
−
[T (−1, 3, 7)]C = [T ]C [ x ]C = 1 0 1
   3  =  6 .
2 0 0 7 −2
Para la misma transformación T del ejercicio anterior se desea hallar [T ]B , siendo
la base B = {(1, 1, 0), (0, 1, 0), (1, 1, −1)}.
Se calculan los transformados de los vectores de la base B:
y T (1, 1, −1) = (0, 0, 2).
T (1, 1, 0) = (0, 1, 2), T (0, 1, 0)= (−1, 0, 0)
0 −1 0
Atención!! La matriz [T ]B 6= 1 0 0 .
2 0 2
Luego, para hallar [T ]B se necesitan conocer los vectores (0, 1, 2), (−1, 0, 0), (0, 0, 2)
−1
en la base B. Debe utilizarse  la matriz [C]
B = [B]C .
1 0 1
La matriz [B]C es [B]C = 1 1 1  . Debe hallarse la inversa:

0 0 −1   
1 1 0 −1 0 −1
det([B]C ) = −1 y [B]TC = 0 1 0 =⇒ Adj[B]TC =  1 −1 0 =⇒
1 1 −1  0 0 1
1 0 1
[C]B = [B]−1 C = 1
det([B]C )
Adj([B] T
C ) =  −1 1 0 .
0 0 −1
Notas de Algebra para Economistas 58

    
1 0 1 0 2
→
−
Entonces, [T ( b1 )]B = −1 1 0
   1 =
  1 ,
 0 0 
 −1  2  −2
1 0 1 −1 −1
→
−
[T ( b2 )]B = −1 1 0
   0  =  1y
 0 0 −1  0  0
1 0 1 0 2
→
−
[T ( b3 )]B = −1 1 0
   0 =
  0 .
0 0 −1 2 −2
2 −1 2
Luego, [T ]B =  1 1 0 .
−2 0 −2

17.1.1. Relación entre matrices de una transformación lineal con res-

pecto a bases distintas
Sean B y B 0 dos bases de R3 y T : R3 → R3 una transformación lineal, entonces
vale que: [T ]B 0 = [B]B 0 [T ]B [B]−1 B0 .
Dem: [T (→ −
x )]B 0 = [T ]B 0 [→
−x ]B 0 .
→
−
Por otro lado, [T ( b1 )]B 0 = [B]B 0 [T (→ −x )]B = [B]B 0 [T ]B [→
−
x ]B =[B]B 0 [T ]B [B 0 ]B [→
−x ]B 0 .
Ası́, para cada → −
x ∈ R3 , se tiene que [T ]B 0 [→ −x ]B 0 = ([B]B 0 [T ]B [B 0 ]B )[→
−
x ]B 0 . Es
decir, [T ]B 0 = ([B]B 0 [T ]B [B 0 ]B ).
En el ejemplo anterior,     
1 0 1 1 −1 0 1 0 1
[T ]B = [B]−1C [T ]C [B]C = ( −1 1
 0  1 0 1) 1 1 1  =
  0 0−1 2 0 0 0 0 −1
3 −1 0 1 0 1 2 −1 2
0 1 0   1 1 1  ==  1 1 0 .
−2 0 0 0 0 −1 −2 0 −2
Observación: Si B fuera base ortonormal, tendrı́amos que [T ]B = [B]TC [T ]C [B]C .
Si suponemos la base B = {( √12 , √12 , 0), (0, 0, 1), ( √12 , − √12 , 0)}. Entonces [T ]B es
la matriz
1   √1 √1

√1
 1
0 0 √1 1

√ 1 −1 0 √
2 2 2 2 2 2
[T ]B = [B]TC [T ]C [B]C =  0 0 1 1 0 1  √12 0 − √12  =  √22 0 √2  .
 
2
√1 − √12 0 2 0 0 0 1 0 − 12 − √12 0
2

Observación: Lo que hemos visto para R3 vale para R2 en cuyo caso las matrices
asociadas a una transformación lineal son de orden 2 y, en general, las matrices
asociadas a una transformación lineal T : Rn → Rn con respecto a una base B
serán matrices de orden n.
Si una transformación lineal T : V → W donde V y W son espacios vectoriales
→
− →− →
−
de dimensión n y m, respectivamente. Si B = { b1 , b2 , ..., bn } es una base de V y
Notas de Algebra para Economistas 59

− →
→ − −
→
B 0 = { b01 , b02 , ..., b0m } es una base de W , entonces [T ]BB 0 ∈ Mm×n y sus columnas son
los transformados de los vectores de la base B expresados en la base B 0 .

Ejemplo: Sea T : R2 → R3 dada por T (x, y) = (x, 2y, 0). Ası́, se tiene que
T (1, 0) = (1, 0, 0), T (0, 1) = (0, 2, 0).
Recordemos que las bases canónicas de R2 y R3 son C = {(1, 0), (0, 1)} y C 0 =
{(1, 0, 0), (0, 1, 0), (0,
0, 1)},respectivamente.
1 0
Luego, [T ]CC 0 = 0 2 .
0 0

18. Autovalores y autovectores de una transfor-

mación lineal
Sea T : R3 → R3 una transformación lineal y A = [T ]C .
→
− → − →−
Sabemos que si B = { b1 , b2 , b3 } es una base ortonormal de R3 , la matriz [T ]B =
[C]B [T ]C [B]C = [B]TC [T ]C [B]C . Si llamamos H a [B]C , tenemos que [T ]B = H T AH.
Se trata de hallar una base ortonormal
 B talque la matriz [T ]B sea lo más simple
λ1 0 0
posible. Más aún, tal que [T ]B =  0 λ2 0 , con λ1 , λ2 , λ3 ∈ R.
0 0 λ3
→
− →
− →
− →
− →
− →
− →
− →
−
Si tal base existe, debe ser: T ( b1 ) = λ1 b1 + 0 b2 + 0 b3 , T ( b2 ) = 0 b1 + λ2 b2 + 0 b3
→
− →
− →
− →
− →
− →
− →
− →
− →
− →
−
y T ( b3 ) = 0 b1 + 0 b2 + λ3 b3 . Es decir, T ( b1 ) = λ1 b1 , T ( b2 ) = λ2 b2 y T ( b3 ) = λ3 b3 .
Ası́, deberı́amos considerar vectores que se transforman en múltiplos de sı́ mis-
mos, es decir, vectores que conserven su dirección al ser transformados.
Definición: Sea T : R3 → R3 una transformación lineal. Un número real λ se
→
−
dice un autovalor de T si existe un vector → −v 6= 0 tal que T (→ −v ) = λ→ −v . Dicho
→
−
vector v se llama un autovector de T asociado al autovalor λ.

Ejemplo:

1. Sea T : R3 → R3 la transformación identidad, es decir, T (→−

x) = →−x = 1→
−
x,
→
− 3
para todo vector x ∈ R .
Entonces λ = 1 es autovalor de la transformación T y todo vector →
−
x ∈ R3 es
autovector asociado al autovalor λ.
→
−
2. Sea T : R3 → R3 la transformación nula, es decir, T (→−
x ) = 0 = 0→ −
x , para
todo vector →
−
x ∈ R3 .
Entonces λ = 0 es autovalor de la transformación T y todo vector →
−
x ∈ R3 es
autovector asociado al autovalor 0.
Notas de Algebra para Economistas 60

3. Sea T : R2 → R2 la transformación lineal definida por T (x, y) = (x, 0) (T

es la proyección ortogonal sobre el eje X). Entonces T (→
−x) = →
−x = 1→−
x , para
→
−
todo vector x perteneciente al eje X.
→
−
Ası́, λ = 1 es autovalor y todo →
−
x 6= 0 que pertenezca al eje X es autovector
de T asociado a λ = 1.
→
−
Por otro lado, T (→−v ) = 0 = 0→ −
v si →−v pertenece al eje Y. Luego, λ = 0 es
→
− →
−
autovalor de T y todo vector v 6= 0 que pertenezca al eje Y es autovector
asociado a λ = 0.

4. Sea T : R2 → R2 tal que T (→ − x ) es el vector que se obtiene por una rotación

→
−
en un ángulo α del vector x .
Luego, si α = 0, T es la transformación identidad y λ = 1 es autovalor de T .
Si α = π, T es la transformación lineal que a cada vector le hace corresponder
su simétrico, es decir, T (→
−
x ) = −→
−x . En este caso, λ = −1 es autovalor de la
transformaación lineal y los autovectores asociados son todos los vectores de
R3 .
En cualquier otro caso, no existen autovalores de T y, por lo tanto, no existen
autovectores asociados.

18.1. Cálculo de autovalores y autovectores

 
a11 a12 a13
Sea T : R3 → R3 , A = [T ]C = a21 a22 a23  y λ ∈ R. Entonces A − λI =
    a31 a32 a33 
a11 a12 a13 1 0 0 (a11 − λ) a12 a13
a21 a22 a23  − λ 0 1 0 =  a21 (a22 − λ) a23  .
a31 a32 a33 0 0 1 a31 a32 (a33 − λ)
Teorema: λ ∈ R es autovalor de T si y sólo si det(A − λI) = 0.
a11 − x a12 a13
P (x) = det(A − λI) = a21 a22 − x a23 es un polinomio de tercer
a31 a32 a33 − x
grado que se denomina polinomio caracterı́stico de la transformación lineal T.

Observación: De acuerdo con el teorema anterior resulta que los autovalores de

T son las raı́ces del polinomio caracterı́stico P (x) = det(A − xI). Como este es un
polinomio de tercer grado con coeficientes reales, puede tener las tres raı́ces reales,
o una real y dos complejas. En definitiva, las transformaciones lineales del espacio
tienen siempre, por lo menos, un autovalor real.
 
0 1 −1
Ejemplo: Sea T : R3 → R3 tal que A = [T ]C =  1 2 −1 . Hallar
−1 −1 0
Notas de Algebra para Economistas 61

los autovalores de T.
0−x 1 −1
P (x) = det(A−xI) = 1 2 − x −1 = (2−x)x2 +1+1−(2−x)+x+x =
−1 −1 0 − x
−x3 + 2x2 + 3x.
Ası́, las raı́ces de P (x) son x = 0, x = 3, x = −1. Es decir, los autovalores de T
son λ1 = 0, λ2 = 3, λ3 = −1.
Supongamos tener calculados los autovalores de una transformación lineal T ,
esto es, conocemos los autovalores de T. Se desean hallar los autovectores de T.
Debe ser T (→ −x ) = λ→ −
x con → −x 6= 0.
Como A = [T ]C , sea [ x ]C = (x0 , y0 , z0 ) entonces T (→
→
− −
x ) = A[→−
x ]C =λ[→
−
x ]C =
→
−
λI[ x ]C . Luego, A[ →
−
x ] − λI[→−
x ] = 0, es decir, (A − λI)[→
−x ] = 0.
 C C     C
a11 − λ a12 a13 x0 0
Entonces,  a21 a22 − λ a23   y0 = 0 =⇒
 
 a31 a32 a33 − λ z0 0
 (a11 − λ)x0 + a12 y0 + a13 z0 = 0
a21 x0 + (a22 − λ)y0 + a23 z0 = 0
a31 x0 + a32 y0 + (a33 − λ)z0 = 0

Ası́, (x0 , y0 , z0 ) es una solución no trivial del sistema homogéneo siguiente:

 (a11 − λ)x + a12 y + a13 z = 0
a21 x + (a22 − λ)y + a23 z = 0
a31 x + a32 y + (a33 − λ)z = 0

Este sistema tiene soluciones no triviales ya que el determinante de los coeficien-
tes de las incógnitas es igual a cero ya que es el determinante de (A − λI). Si tuviera
una única solución serı́a la solución trivial pero, en ese caso, dicho determinante
tendrı́a que se distinto de cero. (REGLA DE CRAMER)
Retomamos el ejemplo anterior:

Autovectores asociados a λ1 = 0 :
  
 y−z =0  x + 2y − z = 0  x + 2y − z = 0
x + 2y − z = 0 =⇒ y−z =0 =⇒ y−z =0
−x − y = 0 y−z =0 0=0
  

Luego, x = −z, y = z. Ası́, la solución es S = {(−z, z, z) : z ∈ R − {0}}.

Por ejemplo, →
−
v = (−1, 1, 1) es un autovector de T asociado a λ = 0.
1 1

Autovectores asociados a λ2 = −1 :
 
 x+y−z =0  x+y−z =0 
x+y−z =0
x + 3y − z = 0 =⇒ x + 3y − z = 0 =⇒
2y = 0
−x − y + z = 0 0=0
 

Luego, x = z, y = 0. Ası́, la solución es S = {(z, 0, z) : z ∈ R − {0}}.

Por ejemplo, →
−
v = (1, 0, 1) es un autovector de T asociado a λ = −1.
2 2
Notas de Algebra para Economistas 62

Autovectores asociados a λ3 = 3 :
  
 −3x + y − z = 0  x−y−z =0  x−y−z =0
x−y−z =0 =⇒ −2y − 4z = 0 =⇒ −2y − 4z = 0
−x − y − 3z = 0 −2y − 4z = 0 0=0
  

Luego, x = −z, y = −2z. Ası́, la solución es S = {(−z, −2z, z) : z ∈ R − {0}}.

Por ejemplo, →
−
v = (−1, −2, 1) es un autovector de T asociado a λ = 3.
3 3

Ejemplo: Sea T : R3 → R3 la transformación lineal tal que

 
1 0 3
A = [T ]C = 0 4 0 .
3 0 1
Observación: Los autovalores de T son los mismos que los de la matriz A = [T ]C .
1−x 0 3
P (x) = det(A−xI) = 0 4−x 0 = (1−x)(4−x)(1−x)−9(4−x) ==
3 0 1−x
(4 − x)[(1 − x)(1 − x) − 9] = 0.
Luego, las raı́ces de P (x) son: x1 = 4, x2 = 4, x3 = −2. Es decir, los autovalores
de T son λ1 = 4, λ2 = 4, λ3 = −2.
Autovectores
 asociados a λ1 = 4 = λ2 :
 −3x + 0y + 3z = 0
0x + 0y + 0z = 0
3x + 0y − 3z = 0

Ası́, se obtiene x = z. Luego, los autovectores de T asociados al autovalor 4 son
S = {(z, y, z) : y, z ∈ R, no simultáneamente nulos }. Dos autovectores asociados
a λ = 4 son → −
v1 = (1, 0, 1) y →
−v2 = (0, 1, 0) (Obsérvese que →−
v1 y →−
v2 son linealmente
independientes).
Autovectores
 asociados a λ3 = −2 :
 −3x + 0y + 3z = 0
0x + 6y + 0z = 0
−3x + 0y + 3z = 0

Ası́, se obtiene x = −z e y = 0. Luego, los autovectores de T asociados al
autovalor −2 son S = {(−z, 0, z) : z ∈ R − {0}}. Un autovector asociado a ese
autovalor −2 es → −v = (−1, 0, 1).
Ejercicio: Sean → −
u y →−v autovectores de una transformación lineal asociados a
un mismo autovalor λ. Demostrar que → −w = α→ −
u + β→ −v (siendo →−w 6= 0) es también
autovector de T asociado a λ.
Dem: Debemos probar que T (→ −w ) = λ→ −
w . En efecto, T (→
−w ) = T (α→−
u + β→ −
v) =
αT (→
−
u ) + βT (→−v ) =α(λ→ −
u ) + β(λ→
−v ) = λ(α→ −u + β→−
v ) = λ→
−w . c.q.d.
Observación: Se puede demostrar que el polinomio caracterı́stico de una trans-
formación lineal no depende de la base en la que se tome la matriz asociada. Esto
asegura en forma algebraica que el efecto geométrico de la transformación lineal
Notas de Algebra para Economistas 63

sobre los vectores es, por supuesto, siempre el mismo. Concretamente, se podrı́a
demostrar lo siguiente:
Si A = [T ]C y D = [T ]B donde B es otra base cualquiera del espacio, entonces
det(A − xI) = det(D − xI).

18.2. Transformaciones lineales simétricas

Recordemos que una  matriz (cuadrada)
 A de orden n es simétrica si A = AT .
1 0 7
Por ejemplo, A = 0 −2 5 es una matriz simétrica.

7 5 3
Además, si T : R → R3 es una transformación
3
 lineal 
se trata de hallar una base
λ1 0 0
→
− → − → −
ortonormal B = { b1 , b2 , b3 } tal que [T ]B =  0 λ2 0  = D.
0 0 λ3
Supongamos que tal base exista, entonces: D = [T ]B = [C]B [T ]C [B]C = [B]TC [T ]C [B]C .
Es decir, si A = [T ]C y H = [B]C se tiene que D = H T AH. Análogamente,
A = HDH T .
Si A = HDH T , AT = (HDH T )T = (H T )T (D)T (H)T = HDT H T = HDH T pues
D es simétrica.
Luego, si existe una base ortonormal respecto de la cual la matriz de T es dia-
gonal, forzosamente la matriz A = [T ]C es simétrica.
Recı́procamente, vamos a ver que si A es simétrica el problema se resuelve; más
aún, vamos a demostrar que el problema tiene solución si y sólo si la matriz de la
transformación en una base ortonormal es simétrica.
Ejercicio: Sea T : R3 → R3 una transformación lineal y A = [T ]B donde B es
una base ortonormal. Si A es simétrica, también lo es la matriz [T ]B 0 cualquiera que
sea la base ortonormal B 0 .
Dem: En efecto, supongamos A = [T ]B tal que A = AT , es decir, [T ]B = [T ]TB .
Queremos probar que [T ]B 0 = [T ]TB 0 .
Como [T ]B 0 = [B]B 0 [T ]B [B]TB 0 , entonces [T ]TB 0 = ([B]B 0 [T ]B [B]TB 0 )T =([B]TB 0 )T [T ]TB [B]TB 0 =
[B]B 0 [T ]TB [B]TB 0 =[B]B 0 [T ]B [B]TB 0 = [T ]B 0 . c.q.d.
Observación: Hemos probado que una transformación lineal tiene matriz simétri-
ca en todas las bases ortonormales o en ninguna.
Definición: Una transformación lineal se dice una transformación lineal simétri-
ca si en una base ortonormal cualquiera se representa por una matriz simétrica. Esto
es, si [T ]B es una matriz simétrica cualquiera que sea la base ortonormal B.
Observación: Como la base C es una base ortonormal, generalmente resulta cómo-
do utilizar [T ]C para decidir si la transformación lineal T es simétrica.

Ejemplos:
Notas de Algebra para Economistas 64

 
1 −1 3
1. Sea T : R3 → R3 tal que [T ]C = −1 0 2 . Entonces, como [T ]C es
3 2 6
una matriz simétrica y C es una base ortonormal, se tiene que T es una
transformación lineal simétrica.
 
1 0 −1
2. Sea T : R3 → R3 tal que [T ]B =  0 2 3  siendo B = {(1, 0, 1), (1, 0, −1), (0, −1, 0)}.
−1 3 5
se desea saber si T es una transformación lineal simétrica.
Con estos datos no se puede decidir si T es una transformación lineal simétrica
pues, si bien [T ]B es una matriz simétrica, la base B no es ortonormal. Para
saber si T es simétrica debemos hallar la matriz de T respecto a una base orto-
normal, por ejemplo, [T ]C utilizando las matrices de cambio de base, es decir,
[T ]C = [B]C [T ]B [B]−1
C . Si [T ]C resultara simétrica, T serı́a una transformación
lineal simétrica; de los contrario, T no serı́a simétrica.
Se puede demostrar lo siguiente:
Lema: Si T : R3 → R3 es una transformación lineal simétrica, vale que: cuales-
quiera que sean los vectores → −
x ,→ −y ∈ R3 , hT (→ −
x ), →
−
y i = h→
−x , T (→
−
y )i.
Proposición 1: Autovectores asociados a autovalores distintos de una transfor-
mación lineal simétrica son ortogonales (perpendiculares).
Dem: Supongamos λ1 , λ2 autovalores distintos de una transformación lineal T .
→
− →
−
Sea b1 autovector asociado a λ1 y b2 autovector asociado a λ2 . Se quiere probar que
→
− → − →
− → −
b1 y b2 son ortogonales, es decir, h b1 , b2 i.
→
− →
− →
− →
− →
− → − →
− → −
Sabemos que T ( b1 ) = λ1 b1 y T ( b2 ) = λ2 b2 . Luego, hT ( b1 ), b2 i = hλ1 b1 , b2 i =
→
− → −
λ1 h b1 , b2 i.
→
− → −
Por otro lado, por ser T una transformación lineal simétrica se tiene que hT ( b1 ), b2 i =
→
− →
− →
− →
− →
− → −
h b1 , T ( b2 )i = h b1 , λ2 b2 i = λ2 h b1 , b2 i.
→
− → − →
− → − →
− →− →
− → − →
− → −
Luego, λ1 h b1 , b2 i = λ2 h b1 , b2 i −→ λ1 h b1 , b2 i−λ2 h b1 , b2 i = 0−→ (λ1 −λ2 )h b1 , b2 i =
→
− → −
0. Como λ1 6= λ2 , se concluye que h b1 , b2 i = 0. c.q.d.
Proposición 2: Si T es una transformación lineal simétrica, todas las raı́ces del
polinomio caracterı́stico son reales.
Observación: Como los autovalores son las raı́ces del polinomio caracterı́stico,
esta proposición asegura que toda transformación lineal simétrica de R3 tiene tres
autovalores reales.
Ejercicio: Si → −v es una autovector asociado a un autovalor λ de una transforma-
ción lineal T entonces todo vector → −w = α→ −v con alpha ∈ R − {0} es también un
autovector asociado al mismo autovalor λ.
Dem: Debe probarse que T (→ −w ) = λ→ −w.
En efecto, T (→ −
w ) = T (α→ −v ) = αT (→ −
v ) = α(λ→
−v ) = λ(α→ −
v ) = λ→ −
w.
Observación: Lo anterior nos indica que para un autovalor dado, si se desea un
autovector asociado, éste puede tomarse con el módulo que se desee.
Notas de Algebra para Economistas 65

Teorema: Sea T : R3 → R3 una transformación lineal simétrica. Entonces existe

→
− → − → −
una base ortonormal B = { b1 , b2 , b3 } tal que [T ]B es diagonal.
Dem: Como la transformación es simétrica, por la proposición 2, tiene tres au-
tovalores reales, digamos λ1 , λ2 , λ3 .
Se considerarán tres casos:
1. λ1 6= λ2 , λ2 6= λ3 y λ1 6= λ3 .
2. λ1 6= λ2 = λ3 .
3. λ1 = λ2 = λ3 .
1. λ1 6= λ2 , λ2 6= λ3 y λ1 6= λ3 .
→
− →− → −
Sean b1 , b2 , b3 autovectores asociados a λ1 , λ2 , λ3 respectivamente. Entonces,
→
− → − →
−
por proposición 1, sabemos que b1 , b2 , b3 son perpendiculares dos a dos. Po-
→
− →
− →
−
demos suponer que k b1 k = k b2 k = k b3 k = 1 por la observación anterior al
→
− →− → −
teorema. Ası́, B = { b1 , b2 , b3 } es una base ortonormal y
→
− →
− →
− →
− →
− →
− →
− →
− →
− →
−
T ( b1 ) = λ1 b1 = λ1 b1 + 0 b2 + 0 b3 , T ( b2 ) = λ2 b2 = 0 b1 + λ2 b2 + 0 b3 y
→
− →
− →
− →
− →
−
T ( b3 ) = λ 3 b3 = 0 b1 + 0 b2 + λ 3 b3 .
 
λ1 0 0
Por lo tanto, [T ]B =  0 λ2 0  .
0 0 λ3


0 1 −1
Ejemplo: Sea T : R3 → R3 tal que [T ]C =  1 2 −1 . Luego, T
−1 −1 0
es una transformación lineal simétrica. Sus autovalores son 3, −1, 0.
Los autovectores asociados a λ1 = 3 son {(−α, −2α, α) : α ∈ R − {0}}; los
autovectores asociados a λ2 = −1 son {(α, 0, α) : α ∈ R − {0}} y los asociados
a λ3 = 0 son {(−α, α, α) : α ∈ R − {0}}. (Obsérvese que los autovectores
asociados a autovalores distintos son ortogonales).
→
−
Debe armarse la base B. Tomamos b01 = (−1, −2, 1) autovector asociado a
λ1 = 3. A este vector lo dividimos por su módulo para hacerlo de módulo 1:
→
− √ →
− →
−
k b01 k = 6 −→ elegimos b1 = (− √16 , − √26 , √16 ). Análogamente, b02 = (1, 0, 1)
→
− √ →
− →
−
es autovector asociado a λ2 = −1, k b02 k = 2 −→ b2 = ( √12 , 0, √12 ); y b03 =
→
− √ →
−
(−1, 1, 1) es autovector asociado a λ3 = 0, k b03 k = 3 −→ b3 = (− √13 , √13 , √13 ).
Ası́, B = {(− 61 , − √26 , √16 ), ( √12 , 0, √12 ), (− √13 , √13 , √13 )} es una base ortonormal
 
3 0 0
y [T ]B = 0 −1 0 .
0 0 0
Notas de Algebra para Economistas 66

2. λ1 = λ2 = λ3 .
→
− →− →
−
Sean b1 , b2 autovectores asociados a λ1 , λ2 respectivamente, y tal que k b1 k =
→
− →
− →
− → − →
− →
− → − →
−
k b2 k = 1. Sea b3 = b1 ∧ b2 . Luego, b3 es perpendicular a b1 y b2 , y k b3 k = 1
→
− →
− → − →
− → −
pues k b3 k = k b1 kk b2 ksen(α) donde α es el ángulo comprendido entre b1 y b2 .
→
− → −
Como b1 y b2 son ortogonales, α = 90◦ , es decir, sen(α) = 1.
→
− → − → − →
− →
− →
− →
− →
−
Ası́, la base B = { b1 , b2 , b3 } es ortonormal y T ( b1 ) = λ1 b1 = λ1 b1 +0 b2 +0 b3 ,
→
− →
− →
− →
− →
− →
− →
− →
− →
−
T ( b2 ) = λ2 b
 2 = 0 b1 + λ2 b2 + 0 b3 y T ( b3 ) = a b1 + b b2 + c b3 . Ası́, D = [T ]B =
λ1 0 a
 0 λ2 b  .
0 0 c
Como, por hipótesis, T es una transformación lineal simétrica y B es una base
ortonormal, 
entonces Des simétrica, es decir, a = 0, b = 0. Por lo tanto,
λ1 0 0
D = [T ]B = 0 λ2 0 .

0 0 c
Como el polinomio caracterı́stico es independiente de la base respecto de la
cual se tiene la matriz de la transformación lineal y P (x) = det(D − xI) =
λ1 − x 0 0
0 λ2 − x 0 = (λ1 − x)(λ2 − x)(c − x), las raı́ces del polinomio son
0 0 c−x
λ1 , λ2 y c. Luego, c = λ3 = λ2 .
 
λ1 0 0
Conclusión: D = [T ]B =  0 λ2 0  .
0 0 λ3
→
− →
− → −
Observación: De la demostración anterior se deduce que T ( b3 ) = T ( b1 ∧ b2 ) =
→
− →
− → −
λ3 b3 . Entonces b1 ∧ b2 es un autovector asociado a λ3 = λ2 .
 
1 0 3
Ejemplo: Sea T : R3 → R3 tal que A = [T ]C = 0 4 0 . T es una
3 0 1
transformación lineal simétrica. Se quiere hallar una base ortonormal donde
una matriz sea diagonal.
Los autovalores son λ1 = −2, λ2 = λ3 = 4. Y los autovectores asociados son:
{(−z, 0, z) : z ∈ R − {0}} y {(z, y, z) : z, y ∈ R no simultáneamente nulos },
respectivamente.
→
− →
− →
− →
− → −
Se eligen b1 = (− √12 , 0, √12 ) y b2 = (0, 1, 0). Luego, b3 = b1 ∧ b2 = (− √12 , 0, − √12 )
(que también es de la forma (z, y, z).
Notas de Algebra para Economistas 67

Ası́, B = {(− √12 , 0, √12 ), (0, 1, 0), (− √12 , 0, − √12 )} es una base ortonormal y
 
−2 0 0
[T ]B =  0 4 0 .
0 0 4
3. λ1 = λ2 = λ3 = λ.
Se demuestra que en este caso todos los vectores no nulos del espacio son
autovectores
 y, entonces,
 en cualquier base la matriz es diagonal. Es decir,
λ 0 0
[T ]B =  0 λ 0  , cualquiera sea la base B.
0 0 λ
Este caso no tiene aplicación práctica pues si en cualquier base la matriz de la
transformación es diagonal, [T ]C ya es diagonal y C es base ortonormal.

Aclaraciones:
1. Hemos demostrado que si la transformación lineal es simétrica es posible en-
contrar una base ortonormal respecto de la cual la matriz de la transformación
es diagonal, y esta posibilidad de que la base sea ortonormal se da únicamente
cuando la transformación es simétrica. Esto no significa que si la transforma-
ción es simétrica no tenga matriz diagonal en una base que no sea ortonormal.

2. Existen transformaciones lineales que a pesar de no ser simétricas igualmente

pueden diagonalizarse, esto es que se puede hallar una base (no será ortonor-
mal) respecto de la cual la matriz de la transformación sea diagonal. Esto será
posible siempre que con los autovectores se puede .armarüna base. Se pue-
de asegurar solamente que esa base existe (para T no simétrica) cuando los
tres autovalores λ1 , λ2 , λ3 son distintos entre sı́. En ese caso, los autovectores
→
− → − → −
b1 , b2 , b
3 asociados a
ellos resultan ser linealmente independientes. Entonces,
λ1 0 0
[T ]B =  0 λ2 0  .
0 0 λ3
3. En cambio, si se tiene el caso en que λ1 6= λ2 = λ3 no se puede asegurar, en
principio, la diagonalización.
APENDICE

19. Formas cuadráticas (en R2)

Definición: Una forma cuadrática en dos variables es una expresión de la forma:
φ(x, y) = ax2 + by 2 + cxy donde a, b, c ∈ R.
Generalmente, se escribe: φ(x, y) = a11 x2 + a22 y 2 + 2a12 xy.
En tres variables, φ(x, y, z) = a11 x2 + a22 y 2 + a33 z 2 + 2a12 xy + 2a13 xz + 2a23 yz.
Notas de Algebra para Economistas 68

φ(x, y, z) = 0 es la ecuación de alguna superficie en el espacio (en realidad, es

una parte de una tal ecuación). ”Podemos pensar que los puntos de coordenadas
x, y, z que satisfacen esa ecuación están referidos a la base C”. Entonces, se necesita
habitualmente referirse a esos mismos puntos, pero con una forma cuadrática más
simple. Es decir, se trata concretamente de encontrar una base ortonormal B de
modo que refiriendo los puntos al sistema de coordenadas x0 y 0 z 0 asociado a B la forma
cuadrática siga representando lo mismo, pero que sea más simple. Este procedimiento
se denomina: Reducción  de una formacuadrática.
a11 a12 a13
Se considera A = a12 a22 a23  y se completa de modo que sea simétrica.

a13 a23 a33
Entonces, la transformación lineal T : R3 → R3 tal que A es la matriz [T ]C resulta
ser una transformación lineal simétrica. Luego, existe una base ortonormal B =
→
− → − → −
{ b1 , b2 , b3 } tal que [T ]B es diagonal.
Observemos que si → −v = (x, y, z), la forma cuadrática está dada por φ(→−
v) =
→
−
φ(x, y, z) =hA v , v i. →
−
   
a11 a12 a13 x a11 x + a12 y + a13 z
A→ −
v = a12 a22 a23  y  = a12 x + a22 y + a23 z  .
a13 a23 a33 z a13 x + a23 y + a33 z
→− →
−
hA v , v i= (a11 x + a12 y + a13 z)x + (a12 x + a22 y + a23 z)y + (a13 x + a23 y +
a33 z)z =a11 x2 + a12 yx + a13 xz + a12 yx + a22 y 2 + a23 yz + a13 xz + a23 yz + a33 z 2 =
a11 x2 + a22 y 2 + a33 z 2 + 2a12 xy + 2a13 xz + 2a23 yz.
Se puede demostrar que cualquiera sea la base de referencia, la forma cuadrática
en (x, y, z) es siempre igual a hA→ −
v ,→
−
v i. Luego, si utilizamos la matriz D = [T ]B
(donde B es una base ortonormal) diagonal  obtenida
  0resulta
  0que:

λ1 0 0 x x
φ(x, y, z) = hD[→ −
v ]B , [→
−
v ]B i =h 0 λ2 0  y 0  , y 0 i =λ1 x02 + λ2 y 02 +
0 0 λ3 z0 z0
λ3 z 02 = φ0 (x0 , y 0 , z 0 ).

Ejemplo: Hallar la forma normal (o reducida) de la siguiente forma cuadráti-

ca φ(x, y, z) = 3x2 −4xy + 3y +5z .
2 2

3 −2 0 3 − x −2 0
Entonces A = −2 3 0 . Luego, P (x) = −2 3 − x
  0 = (3 −
0 0 5 0 0 5−x
x)(3 − x)(5 − x) − 4(5 − x) = 0. Ası́, los autovalores son λ1 = 1, λ2 = λ3 = 5.
Por lo tanto, φ0 (x0 , y 0 , z 0 ) = x02 + 5y 02 + 5z 02 .
Si se desea saber en qué base quedó formada, deben buscarse los autovectores:
Asociados a λ1 = 1: S = {(y, y, 0) : y ∈ R − {0}}; asociados a λ2 = λ3 = 5:
S = {(−y, y, z) : y, z ∈ R no simultáneamente nulos}.
→
− →
− →
− →
− → −
Luego, podemos elegir b1 = ( √12 , √12 , 0) y b2 = (0, 0, 1). Ası́, b3 = b1 ∧ b2 =
Notas de Algebra para Economistas 69

→
−
e1 → −
e2 → −
e3
1 1
√
2
√
2
0 = ( √1 , − √1 , 0).
2 2
0 0 1
Entonces B = {( √12 , √12 , 0), (0, 0, 1), ( √12 , − √12 , 0)} es la base donde quedó reduci-
da la forma cuadrática.
En general, se puede definir una forma cuadrática en n variables o forma cuadráti-
ca n-aria (en Rn ).
φ(x1 , x2 , ..., xn ) = hA→
−
x ,→
−x i donde A es una matriz simétrica de orden n.
φ(x1 , x2 , ..., xn ) = a11 x1 + a22 x22 + ... + ann x2n + 2a12 x1 x2 + 2a13 x1 x3 + ... +
2

2an−1n xn−1 xn .
La forma normal es φ0 (x01 , x02 , ..., x0n ) = λ1 x01 2 + λ2 x02 2 + ... + λn x0n 2 .
Ejercicios:

1. φ(x, y, z) = −2x2 + 3y 2 + 3z 2 + 6y 2 .
Resultados: λ1 = 0, λ2 = −2, λ3 = 6. B = {(0, √12 , − √12 ), (1, 0, 0), (0, √12 , √12 )}.
φ(x, y, z) = φ0 (x0 , y 0 , z 0 ) = −2y 02 + 6z 02 .

2. φ(x, y, z) = 5x2 + 4xy + 2xz + y 2 + z 2 .

Resultados: λ1 = 0, λ2 = 1, λ3 = 6. φ(x, y, z) = φ0 (x0 , y 0 , z 0 ) = y 02 + 6z 02 .