Algebra Lineal I-2013

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
(Universidad del Per, DECANA DE AMRICA)

FACULTAD DE CIENCIAS MATEMTICAS
DEPARTAMENTO DE MATEMTICA

NOTAS DE CLASE

LGEBRA LINEAL I

Profesor: Vctor G. Osorio Vidal

2011-I

Notas de clase de lgebra Lineal I Vctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
i
NDICE GENERAL
Prlogo
1. Preliminares 1
Funciones . 1
Leyes de composicin interna y externa 2
Conjuntos
n
R y
n
C .. 2
Grupos y campos . 2
2. Espacios vectoriales 7
Espacios vectoriales . 7
Ejercicios .. 14
Subespacios .. 16
Ejercicios .. 19
Operaciones con subespacios 20
Ejercicios ... 25
Independencia y dependencia lineal
Base y dimensin de un espacio vectorial .... 26
Ejercicios ... 44
3. Transformaciones lineales y temas afines 48
Transformaciones lineales ... 48
Ncleo e imagen de una transformacin lineal .... 53
Ejercicios .. 61
Composicin de transformaciones lineales .. 63
Transformaciones lineales inversibles .. 63
Espacio vectorial de las transformaciones lineales ... 67
Espacio dual de un espacio vectorial .... 71
Segundo espacio dual obidual de un espacio vectorial . 76
Anuladores 78
Dual de una transformacin lineal 81
4. Matriz asociada a una transformacin lineal 83
Coordenadas o componentes de un vector 83
Matriz asociada a una transformacin lineal ... 84
Matriz cambio de base . 96
Frmulas de transformacin de coordenadas 99
Matrices semejantes .. 103
Ejercicios .. 105
----------------------------------------------------------------------------------------------------------
ii
5. Determinantes 110
Formas n-lineales .. 114
Funcin determinante .. 115
Adjunta de una matriz .. 126
Regla de Cramer ...... 131
Ejercicios 133
6. Producto interno y ortogonalidad 139
Producto interno 139
Ejercicios ... 147
Ortogonalidad conjunto ortogonal conjunto ortonormal 147
Proceso de ortogonalizacin .. 153
Ejercicios ... 159
7. Valores y vectores propios 161
Valores y vectores propios de una transformacin lineal .... 161
Valores y vectores propios de una matriz .... 165
Polinomio caracterstico 172
Polinomio anulador y polinomio minimal 175
Ejercicios .. 177
Teorema de Cayley-Hamilton .. 179
----------------------------------------------------------------------------------------------------------
iii
Prlogo
El lgebra Lineal es un curso bsico en la formacin de los estudiantes de ciencias,
ingenieras, economa y ciencias administrativas.
El material que pongo a disposicin de los estudiantes que cursan la asignatura de
lgebra Lineal corresponde a las Notas de Clase entregadas a mis alumnos de la
Facultad de Ciencias Matemticas y Facultad de Educacin (Especialidad de
Matemtica y Fsica) de la Universidad Nacional de San Marcos a travs de Chamilo
que es una solucin de software libre, licenciada bajo la GNU/GPLv3, de gestin del
E-learning o aprendizaje electrnico, desarrollada con el objetivo de mejorar el acceso a
la educacin y el conocimiento globalmente. La direccin es
http://campus.chamilo.org/.
Para finalizar agradecer a mis colegas y alumnos por las sugerencias y crticas que
tengan a bien hacer llegar a la siguiente direccin vosoriov@unmsm.edu.pe.
EL AUTOR
----------------------------------------------------------------------------------------------------------
1
PRELIMINARES
El presente captulo tiene dos objetivos. El primero es recordar definiciones y
resultados que se supone el estudiante ha adquirido en los cursos que son prerrequisitos.
El segundo objetivo es dar a conocer algunos conceptos sin entrar en detalle, ya que es
necesario para la mejor comprensin de los captulos siguientes.
1. FUNCIONES
DEFINICIN 1.1.- Sean X e Y dos conjuntos cualesquiera; llamaremos producto
cartesiano de X por Y al conjunto denotado por:
{ ; Y y X x y x Y X e . e = / ) , (
DEFINICIN 1.2.- Dados X, Y conjuntos; diremos que R es una relacin de X en
Y si y solo si R es un subconjunto de Y X .
DEFINICIN 1.3.- Sean X, Y conjuntos; Y X f : es una aplicacin o funcin
de X en Y si y solo si f es una relacin de X en Y y adems satisface:
z y f z x f y x = e . e ) , ( ) , (
Si f y x e ) , ( entonces ) (x f y = , y se denomina valor de f en x imagen de x
segn f.
DEFINICIN 1.4.- Sea Y X f : una funcin.
a) f es inyectiva si y solo si se cumple:
2 1 2 1 2 1
) ( ) ( : , x x x f x f X x x = = e
o equivalentemente,
) ( ) ( : ,
2 1 2 1 2 1
x f x f x x X x x = = e .
b) f es suryectiva si y solo si Y X f = ) ( ; es decir, para todo Y y e , existe X x e
tal que y x f = ) ( .
c) f es biyectiva si y solo si es inyectiva y suryectiva.
DEFINICIONES 1.5
a) Sea Y X f : y X A c , llamaremos imagen de A segn f al conjunto
denotado por:
} ), ( / { ) ( A a a f y Y y A f e = e = .
b) Sea Y X f : y Y B c , llamaremos pre-imagen o imagen inversa de B
segn f al conjunto denotado por:
----------------------------------------------------------------------------------------------------------
2
} , ) ( / { ) (
1
B b b x f X x B f e = e =
.
DEFINICIN 1.6.- Sean Y X f : , W Y g : funciones, llamaremos funcin
composicin de g con f f seguida de g a la funcin denotada por:
W X f g : tal que , ) ) ( ) )( ( x f g x f g =
2. LEYES DE COMPOSICIN INTERNA Y EXTERNA
DEFINICIN 2.1.- Sea un conjunto u = A , llamaremos ley de composicin
interna definida en A a toda aplicacin de A A en A.
2 1 2 1 2 1
) , ( ) , (
:
a a a a a a
A A A

Es decir el resultado de operar dos elementos de A sigue estando en A.

DEFINICIN 2.2.- Sean A, O dos conjuntos ( O se denomina conjunto de
operadores o escalares). Llamaremos ley de composicin externa definida en A y
con operadores en O, a toda aplicacin de A O en A.
a a a
A A

=
O
) , ( ) , (
:
3. LOS CONJUNTOS
n
R Y
n
C
Sea R el conjunto de nmero reales, C el conjunto de los nmeros complejos y n un
nmero entero positivo. Denotaremos por:
} , , 2 , 1 , , / ) , , ( {
1
n i R x ordenadas uplas n x x x R
i n
n
= e = =
sean ) , , (
1 n
x x x = ,
n
n
R y y y e = ) , , (
1
diremos que y x = si y solo si
i i
y x =
para todo n i , , 2 , 1 = .
De manera anloga denotaremos:
} , , 2 , 1 , , / ) , , ( {
1
n i C z ordenadas uplas n z z z C
i n
n
= e = =
4. GRUPOS Y CAMPOS
DEFINICIN 4.1.- Sea un conjunto u = G , si en G definimos una ley de
composicin interna T, diremos que el objeto ) , ( T G es un grupo si satisface las
siguientes condiciones:
G
1
) ) ( ) ( c T b T a c T b T a = para todo a, b, G c e .
G
2
) Existe G e e tal que para todo G a e se cumple que a a T e e T a = =
----------------------------------------------------------------------------------------------------------
3
G
3
) Para todo G a e , existe G a e ' tal que e a T a a T a = ' = ' .
Si adems de las tres condiciones se cumple:
G
4
) a T b b T a = para todo a, G b e .
Se dice que ) , ( T G es un grupo conmutativo o grupo abeliano.
NOTAS:
(1) e se denomina elemento identidad o nulo del grupo.
(2) El elemento a' relativo a la propiedad G
3
) recibe el nombre de elemento
inverso de a.
EJEMPLO 4.1.1.- ) , } 0 { ( ), , ( ), , ( ), , ( + + + R R Q Z donde "+" y "." denotan la
adicin y multiplicacin usuales, son grupos conmutativos.
EJEMPLO 4.1.2.- El conjunto de las matrices de componentes reales de orden
n m denotada por
n m
R

con la operacin usual de suma de matrices es un grupo
abeliano.
) ( ) ( ) ( / ) ( ), (
j i j i j i j i
n m
j i j i
b a b a R b a + = + e

donde m i s s 1 y n j s s 1 .
EJEMPLO 4.1.3.- Sea n un nmero entero positivo, denotemos por
{ ; Z a a Z
n
e = / ] [ , donde ] [a designa a la clase de restos mdulo n que contiene al
nmero a. Definimos en
n
Z una operacin + tal que:
, ) ] [ ] [ ] [ ] [ ], [
:
b a b a b a
Z Z Z
n n n
+ = +
+
donde + es la adicin usual en Z. ) , ( + Z es un grupo conmutativo.

EJEMPLO PARTICULAR.- Sea { ; ] 2 [ , ] 1 [ , ] 0 [ , 3
3
= = Z n .
] 1 [ ] 0 [ ] 2 [ ] 2 [
] 0 [ ] 2 [ ] 1 [ ] 1 [
] 2 [ ] 1 [ ] 0 [ ] 0 [
] 2 [ ] 1 [ ] 0 [ +
DEFINICIN 4.2.- Sea un conjunto u = K , definimos en K dos leyes de
composicin internas:
Adicin:
b a b a
K K K
+
+
) , (
:
----------------------------------------------------------------------------------------------------------
4
Multiplicacin:
b a b a
K K K
) , (
:

Diremos que el objeto ) , , ( + K es un campo si y solo si satisface las siguientes
condiciones:
K
1
) ) ( ) ( c b a c b a + + = + + para todo K c b a e , , .
K
2
) Existe K e 0 tal que a a a = + = + 0 0 para todo K a e . 0 es llamado elemento
nulo o cero.
K
3
) Para todo K a e , existe un elemento de K que se llama opuesto de a o inverso
aditivo de a que denotaremos por a y es tal que: 0 ) ( ) ( = + = + a a a a .
K
4
) a b b a + = + para todo K b a e , .
K
5
) ) ( ) ( bc a c ab = para todo K c b a e , , .
K
6
) Existe K e e tal que a a e e a = = para todo K a e . e es llamado elemento
idntico o identidad.
K
7
) Para todo 0 = a elemento de K, existe un elemento tambin en K llamado
opuesto de a o inverso de a con respecto a la multiplicacin que se denota por
1
a y es tal que: e a a a a = =
1 1
.
K
8
) a b b a = para todo K b a e , .
K
9
) c a b a c b a + = + ) ( y c b c a c b a + = + ) ( para todo K c b a e , , .
OBSERVACIONES:
(1) ) , ( + K es un grupo aditivo conmutativo.
(2) ) }, 0 { ( K es un grupo multiplicativo conmutativo.
(3) El elemento 0 que cumple K
2
), y e que cumple K
6
) son nicos.
(4) El inverso aditivo y multiplicativo ( K
3
), K
7
)) de cada elemento es nico.
(5) 0 0 = a para todo K a e .
(6) 0 = b a entonces 0 = a 0 = b . Esta propiedad se expresa diciendo que K no
tiene divisores de cero.
EJEMPLO 4.2.1.- ) , , ( ), , , ( ), , , ( + + + C R Q donde "+" y "." son las
operaciones usuales de adicin y multiplicacin son campos.
----------------------------------------------------------------------------------------------------------
5
EJEMPLO 4.2.2.- Sea { ; Z a a Z
p
e = / ] [ , ] [a como se vio en el ejemplo 4.1.3.
representa la clase de restos mdulo p donde p es primo. Definimos en
p
Z las
operaciones: ] [ ] [ ] [ b a b a + = +
] [ ] [
] [ b a b a =
donde "+" y "." son las operaciones usuales de adicin y multiplicacin. ) .
, , ( +
p
Z
es un campo.
NOTA.- Si p no es primo la afirmacin anterior no es verdadera. En efecto,
consideremos:
{ ; ] 3 [ ], 2 [ ], 1 [ ], 0 [
4
= Z y construyamos la tabla siguiente:
] 1 [ ] 2 [ ] 3 [ ] 3 [
] 2 [ ] 0 [ ] 2 [ ] 2 [
] 3 [ ] 2 [ ] 1 [ ] 1 [
] 3 [ ] 2 [ ] 1 [
de la tabla podemos observar que ] 0 [ ] 2 [ = pero; sin embargo, no tiene inverso

multiplicativo, es decir no cumple K
7
) de la definicin 4.2.
EJEMPLO 4.2.3.- Consideremos el conjunto } , / 2 { ) 2 ( Q b a b a Q e + = . Si
sobre ) 2 ( Q se definen las operaciones
Adicin : 2 ) ( ) ( ) 2 ( ) 2 ( d b c a d c b a + + + = + + +
Multiplicacin : 2 ) ( ) 2 ( ) 2 )( 2 ( bc ad bd ac d c b a + + + = + +
Probar que , ) , ), 2 ( + Q es un campo.
PRUEBA:
Slo probaremos la condicin K
7
) de la definicin 4.2.; las restantes condiciones no
ofrecen dificultad.
Sea 0 2 = +b a donde ) 0 ( = b , debemos probar que existe 2 d c + tal que
1 ) 2 ( ) 2 ( = + + d c b a .
Sabemos que 2 0 1 1 2 ) ( ) 2 ( ) 2 ( ) 2 ( + = = + + + = + + d a c b bd c a d c b a
De donde: 1 2 = + bd c a (1)
0 = + d a bc (2)
despejando c de (1) y (2) respectivamente tenemos:
----------------------------------------------------------------------------------------------------------
6
a
bd
c
2 1
= (3)
b
d a
c

= (4)
igualando (3) y (4), obtenemos:
2 2
2 a b
b
d
=
y reemplazando el valor de d en (4), resulta:
2 2
2b a
a
c
=
Luego:
2 2 2 2
2
2
2
2
b a
b
b a
a
d c
= +
) 2 ( Q es un campo.
EJEMPLO 4.2.4.- El conjunto } , / 2 { ) 2 ( Z b a b a Z e + = con las operaciones
de adicin y multiplicacin definidas en el ejemplo 4.2.3. no es un campo. La
verificacin es inmediata.
----------------------------------------------------------------------------------------------------------
7
ESPACIOS VECTORIALES
En el clculo elemental se estudia funciones reales de una variable real; es decir,
funciones cuyo dominio y rango son R o subconjuntos de R. Para esto es necesario
conocer las propiedades de nmeros reales. Una situacin muy similar se presenta en el
lgebra lineal; los objetos realmente importantes son las transformaciones lineales que
son un tipo particular de funciones cuyo dominio y contradominio son conjuntos
dotados de una estructura muy importante: los espacios vectoriales. Es por lo tanto, la
intencin de este captulo dar los conceptos y propiedades bsicas de los espacios
vectoriales.
1. ESPACIOS VECTORIALES
DEFINICIN PRELIMINAR.- Dado un conjunto u = V , un campo ) , , ( + K
(que puede ser los reales R o los complejos C ), se define una ley de composicin
interna en V
y x y x
V V V

) , (
:
llamada adicin y se define una ley de composicin externa en V con escalares en el
campo K
: V V K
) , ( x a ax
denominada multiplicacin por escalares. Diremos que el objeto , , , ( K V ) es
un espacio vectorial sobre el campo K si y solo si verifica las siguientes
condiciones:
V
1
) ) ( ) ( z y x z y x = para todo V z y x e , , .
V
2
) Existe V e tal que x x x = = , para todo V x e . El elemento se
denomina neutro aditivo o cero.
V
3
) Para todo V x e , existe V y e tal que = = x y y x . El elemento y se
denomina opuesto de x y se denota por x y = .
V
4
) x y y x = para todo V y x e , .
V
5
) a(bx) ) ( b a = x para todo K b a e , , para todo V x e .
V
6
) ) ( b a + = x a b x x para todo K b a e , , para todo V x e .
V
7
) a = ) ( y x ax ay para todo K a e , para todo V y x e , .
V
8
) Existe K e 1 llamado elemento idntico multiplicativo tal que 1 x x = . Para
todo V x e ,
----------------------------------------------------------------------------------------------------------
8
OBSERVACIONES:
a) Un conjunto u = V para que sea espacio vectorial sobre un campo K debe tener
definidas dos operaciones adicin y multiplicacin por un escalar; las
cuales deben cumplir las ocho propiedades arriba mencionadas. En caso que no
cumpla con alguna de ellas no es un espacio vectorial.
b) A los elementos de V se les llaman vectores y el elemento neutro aditivo
recibe el nombre de vector nulo.
c) Si R K = , V es llamado espacio vectorial real y si C K = , V se denomina
espacio vectorial complejo.
d) En lo que sigue de las notas si no se dice lo contrario en lugar de denotar la
adicin de vectores con el smbolo simplemente denotaremos con +,
haciendo la diferencia segn el contexto cuando se trata de la suma de vectores
) ( y x + o la suma de escalares ) ( b a + ; el smbolo se usar ms adelante
para denotar la suma directa.
Omitiremos escribir el smbolo que denota la ley de composicin externa,
simplemente con la yuxtaposicin se entender la multiplicacin de un vector
por un escalar haciendo la diferencia segn el contexto cuando se trate de la
multiplicacin de un vector por un escalar (ax) o la multiplicacin de dos
escalares (ab).
Con las precisiones hechas en d), la definicin de espacio vectorial se puede
enunciar formalmente como sigue:
DEFINICIN 1.1.- Dados un conjunto u = V , un campo K, una ley de
composicin interna + en V llamada adicin y una ley de composicin externa
definida en V y con operadores o escalares en K denominada multiplicacin
por escalares. Diremos que V es un K- espacio vectorial o que V es un espacio
vectorial sobre el campo K si y solo si se verifican las siguientes condiciones:
V
1
) ) ( ) ( z y x z y x + + = + + para todo V z y x e , , .
V
2
) Existe V e tal que x x x = + = + , para todo V x e . El elemento se
denomina neutro aditivo o cero.
V
3
) Para todo V x e , existe V y e tal que = + = + x y y x . El elemento y se
denomina opuesto de x y se denota por x y = .
V
4
) x y y x + = + para todo V y x e , .
----------------------------------------------------------------------------------------------------------
9
V
5
) x b a x b a ) ( ) ( = para todo K b a e , , para todo V x e .
V
6
) bx ax x b a + = + ) ( para todo K b a e , , para todo V x e .
V
7
) ay ax y x a + = + ) ( para todo K a e , para todo V y x e , .
V
8
) Existe K e 1 llamado elemento idntico multiplicativo tal que x x = 1 . Para todo
V x e ,
EJEMPLO 1.1.1.- Sea } , , 2 , 1 , / ) , , ( {
1
n i R x x x R V
i n
n
= e = = y R K = .
Dados
n
n n
R y y y x x x e = = ) , , ( , ) , , (
1 1
y R a e , definimos:
) , , (
1 1 n n
y x y x y x + + = +
) , , (
1 n
x a x a x a =
) , , , ( R R
n
+ cumple las condiciones de espacio vectorial. En efecto:
V
1
) Sean
n
R z y x e , ,
) , , ( ] ) , , ( ) , , ( [ ) (
1 1 1 n n n
z z y y x x z y x + + = + +
) , , ( ) , , (
1 1 1 n n n
z z y x y x + + + =
] ) ( , , ) ( [
1 1 1 n n n
z y x z y x + + + + =
] ) ( , ), ( [
1 1 1 n n n
z y x z y x + + + + =
) , , ( ) , , (
1 1 1 n n n
z y z y x x + + + =
) ( z y x + + =
V
2
) Existe x x x R
n
= + = + e = / ) 0 , , 0 ( , para todo
n
R x e .
V
3
) Para todo
n
R x e , existe ) , , (
1 n
x x x y = = tal que = + = + x y y x .
V
4
) Sean
n
R y x e ,
) , , ( ) , , (
1 1 n n
y y x x y x + = +
) , , (
1 1 n n
y x y x + + =
) , , (
1 1 n n
x y x y + + =
x y + =
V
5
), V
6
), V
7
) y V
8
) se verifican anlogamente.
----------------------------------------------------------------------------------------------------------
10
EJEMPLO 1.1.2.- Consideremos { ; R R f = : F el conjunto de funciones
definida en los reales y con valores reales, y R K = . Sean F e g f , y R ae
definimos:
) ( ) ( ) ( ) ( x g x f x g f + = + para todo R x e
) ( ) )( ( x f a x f a = para todo R x e
La cuaterna ) , , , ( R + F es un espacio vectorial. Verificaremos slo las
condiciones V
2
) y V
3
), las dems quedan como ejercicio para el lector.
V
2
) Existe F e definida como 0 ) ( = x para todo R x e (funcin cero) y
cumple f f f = + = + para todo F e f .
V
3
) Para todo F e f , existe un opuesto que definimos como:
) ( ) )( ( x f x f = tal que = + = + f f f f ) ( .
EJEMPLO 1.1.3.- R no es un espacio vectorial sobre C K = . Pues si C a e y
R x e , no siempre se cumple que R axa e ; es decir, no es una ley de composicin
externa.
EJEMPLO 1.1.4.- Sea K un campo, construyamos el conjunto:
{ ; n i K k k k K
i n
n
, , 2 , 1 , / ) , , (
1
= e =
para
n
n n
K k k y k k x e = = ) ' , , ' ( ), , , (
1 1
y K c e , definimos:
) ' , , ' (
1 1 n n
k k k k y x + + = +
) , , (
1 n
ck ck cx =
) , , , ( K K
n
+ es un espacio vectorial.
EJEMPLO 1.1.5.- Denotemos por:
)
`
e =
=
) (
, ) , , , , ( /
1 0
nmeros elementos de finito nmero
un excepto ceros, todos son K a los donde a a a x x
K
i n

Sean K b y a x
i i
e = = ) ( ), ( y K c e . Definimos:
) , , , , (
1 1 0 0

n n
b a b a b a y x + + + = +
) , , , , (
1 0

n
ca ca ca cx =
se deja al lector verificar que ) , , , ( K K +
es un espacio vectorial.
----------------------------------------------------------------------------------------------------------
11
EJEMPLO 1.1.6.- Consideremos ] [x P el conjunto de las funciones polinomiales
en la indeterminada x de grado menor o igual que ) (
+
eZ n n sobre el campo de
los nmeros reales. Sean:
n
n
x a x a a x p + + + =
1 0
) ( , ] [ ) (
1 0
x P x b x b b x q
n
n
e + + + = y R e
Definimos:
n
n n
x b a x b a b a x q x p ) ( ) ( ) ( ) ( ) (
1 1 0 0
+ + + + + + = +
n
n
x a x a a x p + + + =
1 0
) (
, ) , , ], [ R x P + es un espacio vectorial. La verificacin es anloga en el ejemplo
1.1.2.
NOTA.- Si se considera el conjunto de todos los polinomios de grado igual a
) (
+
eZ n n con las mismas operaciones, no constituye un espacio vectorial sobre R,
pues la adicin para este conjunto no es una ley de composicin interna.
EJEMPLO 1.1.7.- Sea K un campo, consideremos:
} , , 1 { }, , , 1 { n I m I
n m
= =
} 1 1 / ) , ( { } , , 1 { } , , 1 { n j m i j i n m P s s . s s = =
es decir
n m
I I P = (producto cartesiano de
m
I por
n
I ). Definimos:
1
1
1
]
1
= e = =
mn m
n
j i
n m
a a
a a
A K a j i A K P A K
1
1 11
, ) , ( / :
K P A :
11
) 1 , 1 ( a
12
) 2 , 1 ( a

n
a n
1
) , 1 (

j i
a j i ) , (

mn
a n m ) , (
n m
K

recibe el nombre de conjunto de matrices de orden n m sobre el campo K.
Sean
n m
K B A

e , y K e . Definimos la:
----------------------------------------------------------------------------------------------------------
12
Adicin :
j i j i j i
b a j i B j i A j i B A c + = + = + = ) , ( ) , ( ) , ( ) (
Multiplicacin :
j i j i
a j i A j i A c = = = ) , ( ) , ( ) (
Fcilmente se verifica que
n m
K

con las operaciones definidas arriba es un espacio
vectorial sobre K.
EJEMPLO 1.1.8.- Dado el sistema lineal homogneo:
0
1 2 12 1 11
= + + +
n n
x a x a x a

0
2 2 1 1
= + + +
n n m m m
x a x a x a
con coeficientes en R.
Sea } ) , , /( ) , , ( {
1 1
sistema del solucin es x x x x S
n n
=
S con las operaciones usuales de adicin y multiplicacin por escalares es un
espacio vectorial sobre R.
EJEMPLO 1.1.9.- Sean
2 1
, V V espacios vectoriales sobre el campo K y
consideremos el conjunto:
} / ) , ( {
2 2 1 1 2 1
V v V v v v V e . e =
para V v v v v e ) ' ' ( ), , (
2 1 2 1
y K ae . Definimos:
) ' , ' ( ) ' ' ( ) , (
2 2 1 1 2 1 2 1
v v v v v v v v + + = +
) , ( ) , (
2 1 2 1
v a v a v v a =
V con las operaciones arriba definidas es un espacio vectorial sobre K.
EJEMPLO 1.1.10.- Sea R f ) 1 , 1 ( : (R un espacio vectorial sobre R con las
operaciones usuales) tal que:
<
+
>
=
0
1
0
1
) (
x si
x
x
x si
x
x
x f
Es fcil mostrar que f as definida es una biyeccin.
Para ) 1 , 1 ( , e y x y R a e definimos:
, ) ) ( ) (
1
y f x f f y x + = +

, ) ) (
1
x af f x a

=
----------------------------------------------------------------------------------------------------------
13
demostrar que ) 1 , 1 ( con las operaciones arriba definidas es un espacio vectorial
sobre R.
SOLUCIN
Slo verificaremos las condiciones V
1
) y V
7
) las restantes se dejan al lector para
que las verifique.
V
1
) )) ( ) ( ( ) (
1
z f y x f f z y x + + = + +

)) ( ))) ( ) ( ( ( (
1 1
z f y f x f f f f + + =

)) ( )) ( ) ( ((
1
z f y f x f f + + =

))) ( ) ( ( ) ( (
1
z f y f x f f + + =

)))) ( ) ( (( ( ) ( (
1 1
z f y f f f x f f + + =

)) ( ) ( (
1
z y f x f f + + =

) ( z y x + + =
V
7
) bx ax x b a + = + ) ( para todo R b a e , y para todo ) 1 , 1 ( e x .
)) ( ) ( (
1
bx f ax f f bx ax + = +

)))) ( ( ( )))) ( ( ( (
1 1 1
x bf f f x af f f f

+ =
)) ( ) ( (
1
x bf x af f + =

)) ( ) ((
1
x f b a f + =

x b a ) ( + =
PROPOSICIN 1.2.- Sea ) , , , ( K V + un espacio vectorial. Entonces se tiene:
i) El elemento es nico.
ii) = x 0 para todo V x e .
iii) = a para todo K a e .
iv) Si = ax , entonces 0 = a = x .
v) ) ( ) ( ax x a = para todo K a e y para todo V x e .
PRUEBA.- Solamente, a modo de ilustracin, probaremos i) y v).
Prueba de i)
Supongamos que exista V e ' tal que x x x = + = + ' ' para todo V x e .
Haciendo = x tenemos que:
= + = + ' ' (1)
----------------------------------------------------------------------------------------------------------
14
Por otro lado en virtud de la condicin V
2
) de espacios vectoriales existe V e tal
que x x x = + = + para todo V x e , haciendo ' = x tenemos que:
' ' ' = + = + (2)
de (1), (2) y V
4
) finalmente se tiene: ' = .
Prueba de v):
= + ax ax) ( por V
3
)
x 0 = por ii)
x a a ) ( + = por suma de opuestos en K
ax ax ax ax + = + ) ( por V
6
)
ax ax = ) ( por la ley de cancelacin.

EJERCICIOS
1. Sean
2
R V = y R K = . Averiguar si
2
R con las operaciones definidas a
continuacin es un espacio vectorial sobre R.
a) ) 0 , ( ) , ( ) , (
2 1 2 2 1 1
x x y x y x + = + y ) 0 , ( ) , ( ax y x a =
b) ) , ( ) , ( ) , (
2 1 2 1 2 2 1 1
y y x x y x y x + + = + y ) 0 , ( ) , ( ax y x a =
(las operaciones que aparecen en el segundo miembro de las igualdades,
tanto en a) como en b) son la adicin y multiplicacin usuales).
2. En
3
R con la operacin usual de adicin y la multiplicacin definida como:
) 2 , , ( ) , , ( : ) , , ( ;
3
az ay ax z y x a R z y x R a = e e
averiguar si
3
R es un espacio vectorial sobre R.
3. Sean
+
= R V (el conjunto de los nmeros reales positivos) y R K = . Se definen
las operaciones de adicin y multiplicacin por escalar como sigue:
xy y x R y x = e
+
: ,
a
x x a R x R a = e e
+
: ;
Averiguar si
+
R con las operaciones definidas anteriormente es un espacio
vectorial sobre R.
4. Sean V=R y K=R; se define la operacin de adicin como sigue:
} , { : , y x mx y x R y x = e
Si la multiplicacin por escalar es la usual de nmeros reales, averiguar si R con
las operaciones antes definidas es un espacio vectorial.
----------------------------------------------------------------------------------------------------------
15
5. Sea Z el conjunto de los nmeros enteros con la adicin usual y la multiplicacin
por escalar definida por
[ x a x a Z x R a = e e : ,
donde [ a denota el mximo entero; esto es
[ Z k k a k k a e + < s = ; 1
Por ejemplo
[ 8 ) 4 )( 2 ( 4 75 , 2 4 75 , 2 = = = , [ 9 ) 3 )( 3 ( 3 15 , 2 3 15 , 2 = = =
Cules de las condiciones de espacio vectorial no se verifican?.
6. Sea el conjunto } , / 2 { ) 2 ( Q b a b a Q e + = . Se define:
2 ) ( ) ( ) 2 ( ) 2 ( d b c a d c b a + + + = + + +
2 ) 2 ( b a b a + = +
Es ) , , ), 2 ( ( K Q + un espacio vectorial?, Si:
(a) ) 2 ( Q K = , (b) Q K = y (c) R K = .
7. Demostrar ii), iii) y iv) de la proposicin 1.2.
8. En el conjunto
2
R se definen la adicin y la multiplicacin como sigue:
, )
3
1
3
1
) ( , ) ( : ) , ( , ) , (
3
2
3
2
3
1
3
1
2
2 1 2 1
y x y x y x R y y y x x x + + = e = =
) , ( : ) , ( ;
2 1
2
2 1
ax ax x a R x x x R a = e = e
Averiguar si
2
R con las operaciones arriba definidas es un espacio vectorial.
9. En un grupo aditivo V se da la siguiente definicin. Para V x e y para
cualquier entero positivo n, se define el producto nx inductivamente por
x x = 1 y x x n nx + = ) 1 (
Para un entero negativo n, se define
) ) (( x n nx = ,
donde n es un entero y por consiguiente x n) ( est bien definido. Denotando
por Z el conjunto de todos los enteros, demostrar que la aplicacin
nx x n
V V Z
) , (

verifica las siguientes propiedades:
a) ny nx y x n + = + ) ( b) nx mx x n m + = + ) ) (
c) ) ( ) ( nx m x mn = d) x x = 1
Es V un espacio vectorial?. La respuesta es obvia.
----------------------------------------------------------------------------------------------------------
16
2. SUBESPACIOS
DEFINICIN 2.1.- Sea ) , , , ( K V + un espacio vectorial cualesquiera. Diremos
que W, un subconjunto de V diferente del vaco es un subespacio si y solo si
) , , , ( K W + con las operaciones definidas para V es por s mismo un espacio
vectorial.
NOTA.- El conjunto } { y V son subespacios vectoriales de V, denominados
subespacios triviales; cualquier otro subespacio es llamado subespacio propio.
Ntese adems que el elemento neutro aditivo de W es el mismo que el de V.
TEOREMA 2.2.- Sea V un K-espacio vectorial un espacio vectorial y W un
subconjunto de V diferente del vaco. W es un subespacio vectorial de V si y solo si:
i) Para todo W y x W y x e + e , , .
ii) Para todo K a e , para todo W ax W x e e , .
PRUEBA
) Es obvio
) : Por hiptesis tenemos que se cumple i) y ii), probaremos que W es un K-espacio
vectorial.
V
1
) ) ( ) ( z y x z y x + + = + + para que W z y x e , , . Se verifica: V W z y x c e , , y
en V se cumple V
1
).
V
2
) Existe x x x W = + = + e / para todo W x e . En efecto, sea:
W y y W y e = e ) 1 ( (por ii)) W y y e = + ) ( por i)).
V
3
) Para todo W x e , existe W x e tal que = + = + x x x x ) ( en virtud de i) y
ii).
Anlogamente se puede verificar que ) , , , ( K W + cumple las condiciones restantes
del espacio vectorial.
EJEMPLO 2.2.1.- Sea
2
R V = y consideremos:
)
`
= = = = e = constante y 0 , ) 0 , 0 ( ) , /( ) , (
1
1
2
2 1
2
2 1
a x a
x
x
x x R x x W
W es un subespacio vectorial de V.
EJEMPLO 2.2.2.- Sea F el R-espacio vectorial de todas las funciones reales de
variable real, consideremos:
----------------------------------------------------------------------------------------------------------
17
} continua es / : { f R R f = C
es un subespacio vectorial de F. En efecto, tenemos que u = C ya que C e ,
pues R R : tal que 0 ) ( = x para que R x e es una funcin continua. Las otras
condiciones se cumplen en virtud de las propiedades de funciones continuas.
EJEMPLO 2.2.3.- Sea ) , , , (
3
R R + y dados ) 0 , 3 , 1 ( = u y ) 1 , 0 , 2 ( = v
elementos de
3
R . Construimos:
} ), ( / {
3
R a u v a u w R w W e + = e =
W no es un subespacio de
3
R , pues es fcil verificar que cero no pertenece a W.
EJEMPLO 2.2.4.- Sea F = V el R-espacio vectorial de todos las funciones reales
de variable real. Averiguar si el conjunto definido como:
)} ( ) ( ) ( ) ( ) ( / { a f a f b f a f b a f f W = . + = + e = F
es un subespacio vectorial.
SOLUCIN
Haciendo uso del teorema 2.2. tenemos que V W c por definicin y adems
u = W pues la funcin cero pertenece a W. Veamos si cumplen las condiciones i) y
ii) del teorema.
i) W g f e , entonces:
) ( ) ( ) ( ) ( ) ( a f a f b f a f b a f = . + = + (1)
) ( ) ( ) ( ) ( ) ( a g a g b g a g b a g = . + = + (2)
Sumando las igualdades de (1) y (2) miembro a miembro
)) ( ) ( ( )) ( ) ( ( ) ( ) ( b g a g b f a f b a g b a f + + + = + + +
) ( ) ( ) ( ) ( a g a f a g a f + = + .
agrupando convenientemente y usando la definicin de suma de funciones,
tenemos:
) )( ( ) )( ( ) )( ( ) )( ( ) )( ( a g f a g f b g f a g f b a g f + = + . + + + = + +
luego W g f e + .
ii) W f R e e , entonces:
) ( ) ( ) ( ) ( ) ( , a f a f b f a f b a f R = . + = + e (3)
----------------------------------------------------------------------------------------------------------
18
multiplicando las igualdades de (3) por y de la definicin de producto de una
funcin por un escalar tenemos:
) )( ( ) )( ( ) )( ( ) )( ( ) )( ( a f a f b f a f b a f = . + = +
luego W f e .
De i) y ii) W es un subespacio vectorial.
EJEMPLO 2.2.5.- Sea } continua es / : { f R R f V = =C y consideremos:
} 0 ) ( / {
1
0 1
= } e = dt t f f W C
} 1 ) ( / {
1
0 2
= } e = dt t f f W C
1
W es un subespacio vectorial,
2
W no es un subespacio pues no se cumplen las
condiciones del teorema 2.2. En efecto, tomemos R R f : tal que 1 ) ( = t f ,
entonces
2
W f e ya que 1
1
0
= } dt , pero
2
W f f e + pues 1 2 )) ( ) ( (
1
0
= = + } dt t f t f .
EJEMPLO 2.2.6.- Sea
n n
R V

= el espacio vectorial de las matrices cuadradas de
orden n n sobre el campo R. Definimos:
} , ; / {
j i j j i
n n
i a a R A S = e =

} , ; / {
j i j j i
n n
i a a R A T = e =

Los elementos del conjunto S se denominan matrices simtricas, y a los elementos
de T se les llaman matrices antisimtricas. Los conjuntos S y T con las operaciones
heredadas de ) , , , ( R R
n n
+
son subespacios vectoriales.

EJEMPLOS 2.2.7.- Sea } / ) {( C a a C
j i j i
n n
e =
el espacio vectorial de las

matrices de componentes complejas sobre el campo R. Definimos:
} , 1 ; / ) {( n j i a a C a H
i j j i
n n
j i
s s = e =

H es un subespacio de
n n
C

.
----------------------------------------------------------------------------------------------------------
19
EJERCICIOS
1. Sea el espacio vectorial ) , , , (
2
R R + . Averiguar cules de los siguientes sub-
conjuntos son subespacios vectoriales:
a) } 0 / ) , ( {
2
= + e = y x R y x U
b) } 0 / ) , ( {
2
= e = xy R y x W
c) } 2 / ) , ( {
2
y x R y x S = e =
d) } 1 2 / ) , ( {
2
+ = e = y x R y x T
3
R R + . Averiguar cules de los siguientes sub-
a) } / ) , , ( {
3
1
z x R z y x U = e =
b) } 1 / ) , , ( {
2 2 2 3
2
s + + e = z y x R z y x U
c) } / ) , , ( {
3
3
y x R z y x U = e =
d) } 0 2 / ) , , ( {
3
4
= + e = z y x R z y x U
e) } / ) , , ( {
3
5
z y x R z y x U < < e =
3. Sea el espacio vectorial ) , , , ( R + F , donde } : { R R f = F (ver el
ejemplo 1.1.2.). Averiguar cules de los siguientes subconjuntos de F son
subespacios vectoriales.
a) } 0 ) 1 ( / {
1
= e = f f W F
b) } ) 1 ( ) 0 ( / {
2
f f f W = e = F
c) } 0 ) 1 ( ) 0 ( / {
3
= + e = f f f W F
d) } 0 ) ( / {
4
> e = x f f W F
e) } 0 ) 1 ( / {
5
= e = f f W F
f)
)
`
+
= e =
2
) 1 ( ) 0 (
) 2 / 1 ( /
6
f f
f f W F
----------------------------------------------------------------------------------------------------------
20
g) } )) ( ( ) ( / {
2 2
7
x f x f f W = e = F
h) } ) 5 ( 1 ) 3 ( / {
8
+ = e = f f f W F
i) } 0 ) 1 ( 0 ) 1 ( / {
9
= . = e = f f f W F
j) } 0 ) 1 ( 0 ) 1 ( / {
10
= v = e = f f f W F
2
R C + . Determinar cules de los siguientes sub-
a) } 0 / ) , ( {
2 2 2
1
= + e = u z C u z S
b) } ) Re( ) Re( / ) , ( {
2
2
u z C u z S = e =
c) } ) Im( ) Re( 0 ) Im( / ) , ( {
2
3
z u z z C u z S = . = e =
d) } 0 ) Im( ) Im( / ) , ( {
2
4
= e = u z C u z S
5. Analizar si ) , , , (
2
R R + es un subespacio de ) , , , (
3
R R + .
6. Sea ) , , , (
2 2
R R +
el espacio vectorial de las matrices cuadradas de orden

2 2 de entradas reales sobre R y
2 2
eR A una matriz particular. Determinar
cules de los siguientes subconjuntos son subespacios vectoriales:
a) } / {
2 2
1
BA AB R B T = e =

b) } / {
2 2
2
BA AB R B T = e =

c) } 0 / {
2 2
3
= e =

BA R B T
3. OPERACIONES CON SUBESPACIOS
PROPOSICIN 3.1.- Sea { ;
I i i
W
e
una familia de subespacios de ) , , , ( R V + . Si
I i
i
W W
e
=
entonces, W es un subespacio de V.
PRUEBA
V W c por definicin y adems es no vaco ya que I i W
i
e e , entonces W e .
i) Sean i W y x i W y x W y x
i i
e + e e , ,
W y x e + .
ii) Sean i W ax i W x K a W x K a
i i
e e . e e e ,
W ax e .
----------------------------------------------------------------------------------------------------------
21
EJEMPLO 3.1.1.- Sea ) , , , (
3
R R + y consideremos:
} 0 / ) , , ( {
3
1
= e = y x R z y x W
} 0 2 / ) , , ( {
3
2
= + e = z x R z y x W
} 0 2 0 / ) , , ( {
3
2 1
= + . = e = z x y x R z y x W W es un subespacio de .) , , , (
3
R R +
DEFINICIN 3.2.- Sean
2 1
, W W subespacios de ) , , , ( R V + . Definimos:
} , / {
2 2 1 1 2 1
W x W x x x x V x W e . e + = e =
W se denota por
2 1
W W W + = y se le llama suma de subespacios
1
W y
2
W .
PROPOSICIN 3.3.- La suma de dos subespacios de V es un subespacio vectorial
de V.
PRUEBA
Sea V W W W x W x x x x V x W W c + e . e + = e = +
2 1 2 2 1 1 2 1 2 1
}, , / { por definicin
y adems es diferente del vaco pues
2 1
W W + e ya que se puede escribir
+ = ( es elemento de
1
W y de
2
W ).
i)
2 1
, W W y x + e , debemos probar que
2 1
W W y x + e + .
2 2 1 1 2 1
, W x W x x x x e . e + =
2 2 1 1 2 1
, W y W y y y y e . e + =
2 1 2 2 1 1
) ( ) ( W W y x y x y x + e + + + = +
pues
2 2 2 1 1 1
W y x W y x e + . e + .
ii)
2 1
, W W x K a + e e , debemos probar que
2 1
W W ax + e .
2 1 2 1 2 1
W W ax ax ax x x x + e + = + = pues
2 2 1 1
W ax W ax e . e .
Luego
2 1
W W + es un subespacio vectorial.
EJEMPLO 3.3.1.- En ) , , , (
3
R R + consideremos los subespacios:
} , / ) , 0 , ( {
3
1
R z x R z x W e e = y } , / ) , , 0 ( {
3
2
R z y R z y W e e =
Tenemos:
)
`
e e
+ = e
= +
2 2 2 1 1 1
2 2 1 1
3
2 1
) , , 0 ( ) , 0 , (
); , , 0 ( ) , 0 , ( ) , , /( ) , , (
W z y y W z x
z y z x w v u R w v u
W W
----------------------------------------------------------------------------------------------------------
22
Podemos observar que
3
2 1
R W W = + pues cualquier vector
3
) , , ( R w v u e se puede
escribir como )
2
1
, , 0 ( )
2
1
, 0 , ( ) , , ( w v w u w v u + = donde
1
)
2
1
, 0 , ( W w u e y
2
)
2
1
, , 0 ( W w v e .
DEFINICIN 3.4.- Sean V un espacio vectorial sobre
1
, W K y
2
W subespacios de
V. Diremos que V es la suma directa de los subespacios
1
W y
2
W y denotaremos
por:
2 1
W W V = .
Si y solo si:
i)
2 1
W W V + =
ii) } {
2 1
= W W
EJEMPLO 3.4.1.- En ) , , , (
2
R R + consideremos los subespacios:
} / ) , ( {
2
1
x y R y x W = e = y } / ) , ( {
2
2
x y R y x W = e =
2 1
2
W W R = . En efecto:
i) Cualquier vector
2
) , ( R v u e se puede expresar como:
)) (
2
1
), (
2
1
( )) (
2
1
), (
2
1
( ) , ( u v v u v u v u v u + + + =
es decir que
2 1
2
W W R + = .
Obsrvese que
1
)) (
2
1
), (
2
1
( W v u v u e + + y
2
)) (
2
1
), (
2
1
( W u v v u e .
ii) Probaremos ahora que } ) 0 , 0 ( {
2 1
= W W .
2 1
} ) 0 , 0 ( { W W c se cumple siempre.
Sea y x y x W y x W y x W W y x = . = e . e e
2 1 2 1
) , ( ) , ( ) , (
} ) 0 , 0 ( { ) , ( 0 e = = y x y x . Luego } ) 0 , 0 ( {
2 1
c W W
} ) 0 , 0 ( {
2 1
= W W .
De i), ii) y la definicin 3.4 se tiene:
2 1
2
W W R =
----------------------------------------------------------------------------------------------------------
23
EJEMPLO 3.4.2.- Sea V el espacio vectorial de todas las funciones de R en R; sea
p
V el conjunto de las funciones pares )) ( ) ( ( x f x f = y
i
V el conjunto de las
funciones impares )) ( ) ( ( x f x f = . Afirmamos que
i p
V V V = . En efecto:
i) Debemos probar que
i p
V V V + = . Esta condicin se satisface del hecho que
cualquier funcin de R en R se puede escribir como:
)) ( ) ( (
2
1
)) ( ) ( (
2
1
) ( x f x f x f x f x f + + =
Ntese que )) ( ) ( (
2
1
x f x f + es una funcin par, y )) ( ) ( (
2
1
x f x f es una
funcin impar.
ii) Probaremos que } { =
i p
V V .
Sea
i p i p
V f V f V V f e . e e
R x x f x f R x x f x f e = . e = ), ( ) ( ), ( ) (
= e = f R x x f , 0 ) ( 2
De i), ii) y definicin 3.4. tenemos que:
i p
V V V =
EJEMPLO 3.4.3.- Sea V el espacio vectorial de las matrices cuadradas sobre el
campo R; y consideremos:
} / {
T
A A V A U = e = conjunto de las matrices simtricas.
} / {
T
A A V A W = e = conjunto de las matrices antisimtricas.
Demostrar que W U V = .
i) Demostraremos que W U V + = . Sea A una matriz cuadrada arbitraria de orden
n. Siempre es posible expresar A como:
) (
2
1
) (
2
1
T T
A A A A A + + =
Slo nos falta hacer ver que:
a) U A A
T
e + ) (
2
1
y
b) W A A
T
e ) (
2
1
Probando a)
----------------------------------------------------------------------------------------------------------
24
T T T T
A A A A ) (
2
1
)) (
2
1
( + = +
, ) , )
T
T T
A A + =
2
1
) (
2
1
A A
T
+ =
) (
2
1
T
A A+ =
Probando b)
T T T T
A A A A ) (
2
1
)) (
2
1
( =
, ) , )
T
T T
A A =
2
1
) (
2
1
A A
T
=
) (
2
1
T
A A =
Luego satisface la condicin i).
ii) Demostraremos que } { = W U .
Sea = = . = e . e e A A A A A W A U A W U A
T T
.
Luego } { = W U .
De i), ii) y de la definicin 3.4 se tiene:
W U V =
OBSERVACIN 3.5.- La definicin de suma de espacios puede ser generalizada
para una familia finita de subespacios. En efecto la suma de los subespacios
n
W W W , , ,
2 1
de ) , , , ( K V + es el conjunto:

= = )
`
= e . = e = =
n
i
n
i
i i i i
n i W w w v V v W W
1 1
, , 2 , 1 ; /
W es un subespacio de ) , , , ( K V + . Adems si tales subespacios tienen como nico
elemento comn al vector cero, es decir si para todo j i = se tiene que
} { =
j i
W W , entonces diremos que W es la suma directa y escribiremos:
n
W W W W =
2 1
----------------------------------------------------------------------------------------------------------
25
EJERCICIOS
1. Sea
4
R V = y ) 2 , 3 , 6 , 2 ( ), 1 , 3 , 4 , 1 ( ), 3 , 0 , 2 , 1 (
3 2 1
= = = v v v elementos de
4
R . Definimos:
} , ; / {
2 1
4
1
R b a bv av v R v W e + = e =
} ; / {
3
4
2
R a av v R v W e = e =
i) Calcule
2 1
W W
ii) Hallar un vector de
4
R tal que no pertenezca a
1
W .
iii) Si consideramos } , , ; / {
3 2 1
4
3
R c b a cv bv av v R v W e + + = e = .
Cul es la relacin que existe entre
1
W y
3
W ?
2. Dados U y W subespacios de V. Demostrar que W U es un subespacio de V
si y solo si W U c U W c .
3. Extendemos la definicin de suma a subconjuntos arbitrarios no vacos (no
necesariamente subespacios) S y T de un espacio vectorial V definiendo
} / { T t S s t s T S e . e + = +
Demostrar que esta operacin satisface:
i) S T T S + = +
ii) S S S = + = + } { } {
ii) ) ( ) (
3 2 1 3 2 1
S S S S S S + + = + +
iv) V S V V S = + = +
4. Demostrar que para todo subespacio vectorial W de V se tiene que W W W = + .
5. Dados U, W y T subespacios de un espacio vectorial V. Demostrar:
) ( ) ( ) ( W T U W U T U + c +
6. Sean U, V y W subespacios de ) , , , (
3
R R + donde:
} 0 / ) , , ( { = + + = z y x z y x U , } / ) , , ( { y x z y x V = = y } / ) , 0 , 0 ( { R z z W e =
a) Calcular W U V U + + , y W V + .
b) Decir en cual de los tres casos anteriores de la parte a) la suma es directa.
7. Dada la recta } 5 / ) , ( {
2
1
x y R y x L = e = . Hallar otra recta
2
L tal que
2 1
2
L L R =
----------------------------------------------------------------------------------------------------------
26
4. INDEPENDENCIA Y DEPENDENCIA LINEAL BASE Y DIMENSIN DE
UN ESPACIO VECTORIAL
DEFINICIN 4.1.- Sea ) , , , ( K V + un espacio vectorial y } , , , {
2 1 n
v v v A = un
subconjunto de V diferente del vaco, llamaremos combinacin lineal (c.l.) de
elementos de A a todos los vectores de la forma:
=
+ + + =
n
i
n n i i
v a v a v a v a
1
2 2 1 1
, donde K a
i
e y A v
i
e .
Diremos que V v e es una combinacin lineal de los elementos de A si existen
escalares K a a a
n
e , , ,
2 1
tal que:
=
e =
n
i
i i i
A v v a v
1
,
EJEMPLO 4.1.1.- Dado ) 0 , 1 , 1 (
1
= v y ) 2 , 2 , 1 (
2
= v vectores del espacio vectorial
) , , , (
3
R R + . Averiguar si los vectores ) 2 , 0 , 1 ( ), 3 , 1 , 0 ( = = w u son
combinaciones lineales de
1
v y
2
v .
SOLUCIN
Para u: Si u fuera combinacin lineal de
1
v y
2
v se podra escribir
2 2 1 1
v a v a u + =
para R a a e
2 1
, .
) 2 , 2 , 1 ( ) 0 , 1 , 1 ( ) 3 , 1 , 0 (
2 1
a a + =
) 2 , 2 , ( ) 0 , , (
2 2 2 1 1
a a a a a + =
) 2 , 2 , (
2 2 1 2 1
a a a a a + + =
=
= +
= +
) 3 ( 3 2
) 2 ( 1 2
) 1 ( 0
2
2 1
2 1
a
a a
a a
de (3) 2 / 3
2
= a y reemplazando dicho valor en (2) se tiene 2
1
= a . Sustituyendo
dichos valores en la ecuacin (1) se tiene:
) ( 0
2
1
: =
luego para u no existen nmeros reales
2 1
, a a tales que
2 2 1 1
v a v a u + = . En
consecuencia u no es c.l. de
1
v y
2
v .
Para w:
2 2 1 1
v b v b w + =
) 2 , 2 , 1 ( ) 0 , 1 , 1 ( ) 2 , 0 , 1 (
2 1
b b + =
----------------------------------------------------------------------------------------------------------
27
) 2 , 2 , ( ) 0 , , (
2 2 2 1 1
b b b b b + =
) 2 , 2 , (
2 2 1 2 1
b b b b b + + =
=
= +
= +
) ' 3 ( 2 2
) ' 2 ( 0 2
) ' 1 ( 1
2
2 1
2 1
b
b b
b b
de las ecuaciones (2) y (3) resulta 2
1
= b y 1
2
= b reemplazando dichos valores
en (1) satisface la ecuacin. Luego existen 2
1
= b y 1
2
= b tal que
) 2 , 2 , 1 ( ) 0 , 1 , 1 ( 2 ) 1 , 0 , 1 ( = ; entonces w es combinacin lineal de
1
v y
2
v .
EJEMPLO 4.1.2.- Dado el espacio vectorial ) , , , ( R + F y considerando
F e h g f , , definidas como t t g t t f cos ) ( , sen ) ( = = y
2
) ( t t h = . Hallar todos los
nmeros reales tales que = + + ch bg af .
SOLUCIN
= + + ch bg af
0 ) ( ) )( ( = = + + t t ch bg af
0 ) ( ) ( ) ( = + + t ch t bg t af
0 cos sen
2
= + + t c t b t a (1)
derivando (1)
0 2 sen cos
2
= + t c t b t a (2)
nuevamente derivando (2)
0 2 cos sen = + c t b t a (3)
En las ecuaciones (1), (2) y (3) para todo 0 = t se tiene:
0 = b (1)
0 = a (2)
0 2 = + c b (3)
de (1), (2) y (3) concluimos que los nicos nmeros reales que satisfacen la
ecuacin = + + ch bg af son:
0 = = = c b a
DEFINICIN 4.2.- Sean V un espacio vectorial sobre un campo K y
} , , {
1 n
v v A = un subconjunto de V diferente del vaco, definimos el conjunto:
v V v A L / { } { e = es combinacin lineal de elementos de A}.
PROPOSICIN 4.3.- El conjunto } {A L definido en 4.2. es un subespacio de V.
----------------------------------------------------------------------------------------------------------
28
PRUEBA
Tenemos que } , , {
1 n
v v A = es un subconjunto de V diferente del vaco. V A L c } {
por definicin y = } {A L puesto que = A , existe por lo menos un elemento
A v
i
e para i entre 1 y n que se puede escribir como:
n i i i i
v v v v v v 0 0 0 0
1 1 1
+ + + + + + =
+

i) Sean } { , A L u v e , entonces mostraremos que } {A L u v e + .
} {A L v e , entonces existen escalares K a a
n
e , ,
1
tal que
=
=
n
i
i i
v a v
1
(1)
} {A L u e , entonces existen escalares K b b
n
e , ,
1
tal que
=
=
n
i
i i
v b u
1
(2)
de (1) y (2)

= = = =
= + = + = +
n
i
i i
n
i
i i i
n
i
i i
n
i
i i
v c v b a v b v a u v
1 1 1 1
) (
donde
i i i
b a c + = .
} {A L u v e +
ii) Sea } { , A L v K a e e hay que mostrar que } {A L av e .
} {A L v e entonces existen escalares K a a
n
e , ,
1
tal que

= = = = =
= = = = =
n
i
i i
n
i
i i
n
i
i i
n
i
i i
n
i
i i
v b v aa v a a v a a av v a v
1 1 1 1 1
) ( ) (
donde
i i
aa b =
} {A L av e
luego } {A L es un subespacio de V y es llamado subespacio generado por A.
EJEMPLO 4.3.1.- En el espacio vectorial ) , , , (
3
R R + consideremos
)} 1 , 0 , 3 ( ), 1 , 2 , 1 {( = A , hallar el subespacio } {A L .
SOLUCIN
} , ); 1 , 0 , 3 ( ) 1 , 2 , 1 ( ) , , /( ) , , {( } {
3
R b a b a z y x R z y x A L e + = e =
) 1 , 0 , 3 ( ) 1 , 2 , 1 ( ) , , ( b a z y x + =
) , 2 , 3 ( b a a b a + + =
----------------------------------------------------------------------------------------------------------
29
= +
=
= +
z b a
y a
x b a
2
3
(*)
en el sistema (*) eliminando a y b
2
y
a = y
+ =
=
) 2 (
2
) 1 (
2
3
y
z b
y
x b
multiplicando (2) por 3 y sumando con (1), resulta 0 3 2 = z y x .
} 0 3 2 / ) , , {( } {
3
= e = z y x R z y x A L que es un plano en
3
R que pasa por el
origen.
EJEMPLO 4.3.2.- En el espacio ) , , , (
3
R R + averiguar si los conjuntos:
)} 1 , 5 , 2 ( ), 3 , 1 , 2 ( ), 1 , 1 , 0 {( = A y )} 2 , 0 , 1 ( ), 4 , 2 , 1 ( ), 1 , 1 , 1 {( = B generan el
mismo subespacio.
SOLUCIN
i) } , , ; ) 1 , 5 , 2 ( ) 3 , 1 , 2 ( ) 1 , 1 , 0 ( ) , , /( ) , , {( } {
3
R c b a c b a z y x R z y x A L e + + = e =
) 1 , 5 , 2 ( ) 3 , 1 , 2 ( ) 1 , 1 , 0 ( ) , , ( c b a z y x + + =
) 3 , 5 , 2 2 ( c b a c b a c b + + + + =
+ =
+ + =
+ =
) 3 ( 3
) 2 ( 5
) 1 ( 2 2
c b a z
c b a y
c b x
eliminando a, b y c
(2)-(3) c b z y 4 4 + = (4)
y ahora multiplicando (1) por 2 y restando (4) resulta: 0 2 = + z y x
Luego } 0 2 / ) , , {( } {
3
= + e = z y x R z y x A L
ii) } , , ; ) 2 , 0 , 1 ( ) 4 , 2 , 1 ( ) 1 , 1 , 1 ( ) , , /( ) , , {( } {
3
R c b a c b a z y x R z y x B L e + + = e =
) 2 , 0 , 1 ( ) 4 , 2 , 1 ( ) 1 , 1 , 1 ( ) , , ( + + = c b a z y x
) 2 4 , 2 , ( c b a b a c b a + + + =
+ =
+ =
+ =
) ' 3 ( 2 4
) ' 2 ( 2
) ' 1 (
c b a z
b a y
c b a x
eliminando a, b y c
----------------------------------------------------------------------------------------------------------
30
(2)-(3) c b a z y 2 2 2 + = ( ' 4 )
y ahora multiplicando (1) por 2 y restando ( ' 4 ) resulta: 0 2 = + z y x
Luego } 0 2 / ) , , {( } {
3
= + e = z y x R z y x B L
De i) y ii) } { } { B L A L = . Es decir, A y B generan los mismos subespacios.
PROPOSICIN 4.4.- Sea el espacio vectorial ) , , , ( K V + , } , , {
1 n
v v A = un
subconjunto de V diferente del vaco y { ;
I i i
W
e
la familia de todos los subespacios
tales que
i
W A c , para todo I i e . Entonces:
I i
i
W A L
e
= } {
PRUEBA
i) Probaremos

I i
i
W A L
e
c } { .
Sea } {A L v e , entonces existen escalares K a a
n
e , ,
1
tal que

=
=
n
j
j j
v a v
1
;
n j A v
j
, , 1 , = e . Pero como n j I i W v I i W A
i j i
, , 1 , , , = e e e c
I i
i i i n
n
j
j j
W v I i W v I i W v v v a v
e =
e e e e e =

; , , , ;
1
1
I i
i
W A L
e
c } { .
ii) Ahora verificaremos que } {A L W
I i
i
c
e
.
} {A L A c . En efecto, para n j A v
j
, , 1 ; = e se puede escribir siempre
n j j j j
v v v v v v 0 0 1 0 0
1 1 1
+ + + + + + =
+
; n j , , 1 = .
0
} { } {
i
W A L A L A = c para algn I i e
0
} { } {
0
A L W A L W W
I i
i i
I i
i
c = c
e e

Luego de i) y ii)

I i
i
W A L
e
= } { .
NOTA.- La proposicin 4.4. tambin se puede enunciar diciendo que } {A L es el
menor de todos los subespacios que contienen a A.
DEFINICIN 4.5.- Un subconjunto diferente del vaco, de vectores } , , , {
2 1 n
v v v
de un espacio vectorial V sobre un campo K, se dice que es linealmente
independiente (l.i.) si y solo si:
----------------------------------------------------------------------------------------------------------
31
=
= = =
n
i
i i i
n i a v a
1
, , 1 ; 0
Si } , , , {
2 1 n
v v v no cumple esta condicin diremos que } , , , {
2 1 n
v v v es
linealmente dependiente (l.d.); es decir
=
=
n
i
i i
v a
1
y 0 =
i
a para algn i entre 1 y n
EJEMPLO 4.5.1.- En ) 0 , 1 , 0 ( ), 0 , 0 , 1 ( ,
2 1
3
= = e e R y ) 1 , 0 , 0 (
3
= e son
linealmente independientes.
EJEMPLO 4.5.2.- En ) 1 , 1 , 2 ( ), 3 , 2 , 1 ( ,
2 1
3
= = v v R y ) 11 , 8 , 1 (
3
= v son
linealmente dependientes, pues = + +
3 2 1
) 1 ( ) 2 ( 3 v v v .
EJEMPLO 4.5.3.- En
)
`
(
]
1
(
]
1
(
]
1
(
]
1
1 0
0 0
,
0 1
0 0
,
0 0
1 0
,
0 0
0 1
,
2 2
R son linealmente
independientes
EJEMPLO 4.5.4.- En F , el espacio vectorial de las funciones sobre } , { ,
2t t
e e R
es linealmente independiente. En efecto, sea la combinacin lineal:
0
2
= +
t t
be ae (1)
derivando (1) obtenemos:
0 2
2
= +
t t
be ae (2)
y resolviendo (1) y (2) resulta 0 = = b a .
PROPOSICIN 4.6.- Sea ) , , , ( K V + un espacio vectorial.
a) Un vector V v e es linealmente independiente. si y solo si = v .
b) Si
n
v v v , , ,
2 1
son linealmente independientes, entonces
m
v v v , , ,
2 1
donde
n m < s 1 tambin son linealmente independientes.
PRUEBA
a) ) Asumamos que v es linealmente independiente en V.
Por el absurdo supongamos que = v , entonces K a av e = , . En particular
si elegimos 1 = a , tenemos que = v 1 , lo cual es una contradiccin con el
hecho de que v es linealmente independiente.
Luego = v .
) : Ahora asumiendo que = v .
= = = v a av 0
----------------------------------------------------------------------------------------------------------
32
pero con = v por hiptesis, resulta que 0 = a y en consecuencia v es
linealmente independiente.
b)
= + =

+ = = =
n
m i
i i
m
i
i i
n
i
i i
v a v a v a
1 1 1
0 =
i
a , para todo n i , , 1 = por ser
n
v v , ,
1
linealmente independientes.
0 =
i
a , para todo m i , , 1 = para los
m
v v , ,
1
, pues n m <
m
v v , ,
1
son linealmente independientes.
Dado un espacio vectorial ) , , , ( K V + , hemos definido el concepto de linealmente
independiente, para un subconjunto S finito diferente del vaco. Extenderemos ahora
esta definicin cuando S es un subconjunto cualquiera de V.
DEFINICIN 4.7.- Sean ) , , , ( K V + un espacio vectorial, V S c , diremos que S es
linealmente independiente si todo subconjunto finito de S es linealmente
independiente.
PROPOSICIN 4.8.- Sean S y ' S subconjuntos de V tal que ' S S c . Entonces:
i) Si ' S es linealmente independiente, entonces S tambin lo es.
ii) Si S es linealmente dependiente tambin lo es ' S .
PRUEBA. Queda como ejercicio.
EJEMPLO 4.8.1.- Sea ] [x P el espacio vectorial de los polinomios con coeficientes
en R e indeterminada x. } , , , , , 1 {
2

n
x x x S = es linealmente independiente.
DEFINICIN 5.9.- Dado un espacio vectorial V sobre un campo K, llamaremos
base de V a todo subconjunto no vaco S de V que cumple las siguientes condiciones:
i) S es linealmente independiente.
ii) V S L = } {
EJEMPLO 4.9.1.- El conjunto } , , {
3 2 1
e e e es una base para el espacio vectorial
) , , , (
3
R R + , donde ), 0 , 0 , 1 (
1
= e ) 0 , 1 , 0 (
2
= e y ) 1 , 0 , 0 (
3
= e .
EJEMPLO 4.9.2.- El conjunto } , , , {
2 1 n
e e e es una base para el espacio vectorial
) , , , ( R R
n
+ , donde ), 0 , , 0 , 1 (
1
= e ) 0 , , 1 , 0 (
2
= e ,..., ) 1 , , 0 , 0 ( =
n
e son
n-uplas.
----------------------------------------------------------------------------------------------------------
33
EJEMPLO 4.9.3.- El conjunto
)
`
(
]
1
(
]
1
(
]
1
(
]
1
1 0
0 0
,
0 1
0 0
,
0 0
1 0
,
0 0
0 1
es una base
para el espacio vectorial ,.) , (
2 2
R R +
.
EJEMPLO 4.9.4.- Hallar una base para } 0 2 2 / ) , , {(
3
= + + e = z y x R z y x S
subespacio de ) , , , (
3
R R + .
SOLUCIN
} 0 2 2 / ) , , {(
3
= + + e = z y x R z y x S
} , / ) , 2 2 , {( R z x z z x x e =
} , / ) , 2 , 0 ( ) 0 , 2 , {( R z x z z x x e + =
} , / ) 1 , 2 , 0 ( ) 0 , 2 , 1 ( { R z x z x e + =
)} 1 , 2 , 0 ( ), 0 , 2 , 1 {( = L
El conjunto )} 1 , 2 , 0 ( ), 0 , 2 , 1 {( es una base para S, pues:
i) Es linealmente independiente.
ii) )} 1 , 2 , 0 ( ), 0 , 2 , 1 {( = L S
PROPOSICIN 4.10.- Un conjunto de elementos } , , {
1 n
v v del espacio vectorial
V sobre un campo K forman una base si y solo si v V v , e puede ser expresado de
forma nica como combinacin lineal de
n
v v , ,
1
.
PRUEBA
) Asumamos que
n
v v , ,
1
es una base. Sabemos que V v e , v puede ser
expresado como una combinacin lineal de
n
v v , ,
1
. Supongamos que v se puede
expresar de dos formas, es decir = = =

= = =
n
i
i i i
n
i
i i
n
i
i i
v b a v b v a v
1 1 1
) ( , pero
como
n
v v , ,
1
son linealmente independientes:
n i b a
i i
, , 1 , 0 = =
n i b a
i i
, , 1 , = =
) : Recprocamente, asumamos que
n
v v , ,
1
tiene la propiedad que v V v , e
puede ser expresado de una nica forma como combinacin lineal de los
n
v v , ,
1
.
Por lo tanto es V v v L
n
= } , , {
1
.
----------------------------------------------------------------------------------------------------------
34
Nos resta probar que
n
v v , ,
1
son linealmente independientes. Supongamos que

= =
= =
n
i
i
n
i
i i
v v a
1 1
0 , entonces, por la unicidad 0 =
i
a para todo n i , , 1 = .
Luego } , , {
1 n
v v forma una base.
LEMA 4.11.- Sea } , , {
1 n
v v S = un conjunto de generadores para el espacio
vectorial ) , , , ( K V + . Sea V v e = tal que

=
=
n
i
i i
v a v
1
, si 0 =
i
a para algn i,
entonces } {
i
S L V = , donde } { }) { (
i i
v v S S = , ( } , , , , , , {
1 1 1 n i i i
v v v v v S
+
= ).
PRUEBA
Sea V u e un elemento arbitrario, mostraremos que u se puede expresar como una
combinacin lineal de elementos de
i
S .
Por hiptesis:

=
= =
n
i
i i
v b u S L V
1
} { (1)
Adems tenemos que:

= =
+ = = =
n
i j
i i j j
n
i
i i
v a v a v v a v
1
=
+ =
i j
j i j
i
i
v a a v
a
v ) / (
1
(2)
reemplazando (2) en (1)
n n
i j
j i j
i
i
v b v a a v
a
b v b u + +
|
|
.
|
\
|
+ + + =

=
) / (
1
1 1
n i n i n i i i i i i
v a a b b v a b v a a b b v a a b b )) / ( ( ) / ( )) / ( ( )) / ( (
2 2 2 1 1 1
+ + + + + =
denotando
) / ( , , / , ), / ( ), / (
2 2 2 1 1 1 i n i n n i i i i i i i
a a b b c a b c a a b b c a a b b c = = = =
tenemos
n n i
v c v c v c v c u + + + + + =
2 2 1 1
} {
i
S L V =
PROPOSICIN 4.12.- Sean ) , , , ( K V + un espacio vectorial
V v v v S
n
c = } , , , {
2 1
y } { } , , , { '
2 1
S L u u u S
m
c = .
Si ' S es linealmente independiente, entonces n m s .
----------------------------------------------------------------------------------------------------------
35
PRUEBA
Consideremos } {
1
S L V = .
Sea

=
= e
n
i
i i
v a u V u
1
1 1
Suponemos que 0
1
= a (reordenando si fuera necesario) y por el lema anterior
1 3 2 1
} , , , , { V v v v u L
n
= .
Ahora sea
n n
v b v b u b u V u + + + = e =
2 2 1 1 2 1 2
2 , 0 > = i b
i
; pues de suponer lo contrario resultara
1 1 2
u b u = que es una
contradiccin ya que
2
u es linealmente independiente.
Suponemos que 0
2
= b (reordenando si fuera necesario) y aplicando nuevamente el
lema anterior tenemos que:
1 3 2 1
} , , , , { V v v u u L
n
=
Afirmacin n m s
Por el absurdo, supongamos que n m > , entonces el proceso anterior se podra seguir
inductivamente hasta obtener
1 2 1
} , , , { V u u u L
n
= ; pero si n m > , entonces
1
1
+
+ >
n
u n m por estar en
1
V sera combinacin lineal de
n
u u u , , ,
2 1
, lo que es
una contradiccin con el hecho de que } , , , {
2 1 n
u u u son linealmente
independientes. Dicha contradiccin proviene de haber supuesto que n m > .
COROLARIO 4.12.1.- Sea ) , , , ( K V + un espacio vectorial. Si } , , {
1 n
v v S = y
} , , { '
1 m
u u S = son bases del espacio vectorial V, entonces m n = .
PRUEBA
i) Si S es base de V, entonces V S L = } { . Por otra parte, } { ' S L V S = c y ' S es
linealmente independiente por ser base de V, en virtud de la proposicin 5.12.
resulta que n m s .
ii) Anlogamente, ' S base de V S L V = } ' { . Como } ' {S L V S = c y S
linealmente independiente por ser base de V, aplicando nuevamente la
proposicin 5.12. resulta que m n s .
De i) y ii) se sigue que n m = .
NOTA.- Del corolario podemos observar que si V tiene una base infinita, entonces
cualquier otra base tiene un nmero infinito de elementos.
----------------------------------------------------------------------------------------------------------
36
DEFINICIN 4.13.- Llamaremos dimensin de un espacio vectorial V sobre un
campo K, al nmero de elementos de cualquiera de sus bases.
NOTACIN.- Denotamos por V
K
dim y se lee dimensin de V sobre el campo
K.
OBSERVACIN 4.13.1.
(1) Si V tiene como nico elemento el vector nulo, convenimos que la dimensin de
V es cero. Es decir 0 } { dim =
K
.
(2) Si V tiene una base infinita, la dimensin de V denotaremos por = V
K
dim .
EJEMPLO 4.13.2.- El conjunto )} 1 , 0 , 0 ( ), 0 , 1 , 0 ( ), 0 , 0 , 1 {( es una R base para
3
R , entonces 3 dim
3
= R
R
.
EJEMPLO 4.13.3.- El conjunto )} 1 , , 0 , 0 ( , ), 0 , , 1 , 0 ( ), 0 , , 0 , 1 {( es una
K base para
n
K , entonces n K
n
K
= dim .
EJEMPLO 4.13.4.- Sea } , , , / ) ( {
3 2 1 0
3
3
2
2 1 0
R a a a a t a t a t a a t p V e + + + = =
4 dim = V
R
, pues } , , , 1 {
3 2
t t t es una R base para V.
EJEMPLO 4.13.5.- Dado ) , , , ( R C
n
+ . Cul es la dimensin de
n
C sobre R?
SOLUCIN
} , , 1 , / ) , , {(
1
n j C z z z C
j n
n
= e =
C z
j
e donde
j j j
ib a z + = y podemos escribir:
) 0 ( ) 0 (
j j j
ib i a z + + + =
Afirmamos que:
)} , , 0 , 0 ( ), 1 , , 0 , 0 ( , ), 0 , , , 0 ( ), 0 , , 1 , 0 ( ), 0 , , 0 , ( ), 0 , , 0 , 1 {( i i i B =
es una base.
En efecto
i) B es linealmente independiente.
ii)
n
C B L = } { , pues cualquier
n
n
C z z e ) , , (
1
se puede escribir como:
) , , 0 , 0 ( ) 1 , , 0 , 0 ( ) 0 , , 0 , ( ) 0 , , 0 , 1 ( ) , , (
1 1 1
i b a i b a z z
n n n
+ + + + =
) , , (
1 1 n n
ib a ib a + + =
donde
j j j
ib a z + = para todo n j , , 1 = .
Luego n C
n
R
2 dim = .
----------------------------------------------------------------------------------------------------------
37
PROPOSICIN 4.14.- Sea ) , , , ( K V + un espacio vectorial finito dimensional
(asumamos que n V
K
= dim ). Se cumple:
i) Si V u u S
m
c = } , , {
1
donde n m > , entonces S es linealmente dependiente
sobre K.
ii) Si V u u S
m
c = } , , {
1
donde n m < , entonces S es V S L _ } { .
iii) Si V u u S
m
c = } , , {
1
es linealmente independiente sobre K, entonces S es
una base para V.
iv) Si V u u S
m
c = } , , {
1
genera V. Entonces S es una base para V.
PRUEBA.- Queda como ejercicio.
LEMA 4.15.- Sea } , , {
1 m
v v S = un subconjunto linealmente independiente de un
espacio vectorial V sobre un campo K. Si V v e = es un vector tal que } {S L v e ,
entonces } , , , { '
1
v v v S
m
= tambin es linealmente sobre K.
PRUEBA
Sea 0
2 2 1 1
= + + + + av v a v a v a
m m
.
Afirmamos que 0 = a . Pues si suponemos que 0 = a tenemos que:
} { ) / ( ) / ( ) / (
2 2 1 1
S L v v a a v a a v a a v
m m
e =
lo cual es una contradiccin ya que por hiptesis } {S L v e .
0 = a y como 0
1
= = =
m
a a , resulta que ' S es linealmente independiente.
TEOREMA 4.16.- (Completacin de bases)
Sea V un espacio vectorial sobre un campo K, tal que n V
K
= dim , W subespacio de
V y } , , {
1 m
v v es base de W. Entonces se cumple:
i) n m s .
ii) Si n m < , entonces existen V v v
n m
e
+
, ,
1
tal que } , , , , , {
1 1 n m m
v v v v
+
es
una base para V.
PRUEBA
i) Sea } , , {
1 n
u u una base para V. Entonces } , , {
1 n
u u L V = , pero
} , , { } , , {
1 1 m n
v v u u L y en virtud d la proposicin 5.12. podemos
implicar que n m s ya que } , , {
1 m
v v al ser base, es linealmente
independiente.
----------------------------------------------------------------------------------------------------------
38
ii) Si n m < , entonces V W _ , luego existe V v
m
e
+1
tal que e
+
W v
m 1
e
+
} , , {
1 1 m m
v v L v por el lema 5.15. } , , , {
1 1 + m m
v v v es l.i.
Si V v v v L
m m
=
+
} , , , {
1 1
, entonces la prueba finaliza. En caso contrario, si
V v v v L
m m
_
+
} , , , {
1 1
, existe V v
m
e
+2
tal que } , , , {
1 1 2 + +
e
m m m
v v v L v ,
entonces nuevamente en virtud del lema 5.15. } , , , {
1 1 + m m
v v v es l.i.
Si V v v v v L
m m m
=
+ +
} , , , , {
2 1 1
, entonces la demostracin concluye. En caso
contrario seguimos el proceso anterior.
Pero por hiptesis la n V
K
= dim , entonces existirn slo un nmero finito
V v v v
p m m m
e
+ + +
, , ,
2 1
tal que } , , , , , {
1 1 p m m m
v v v v
+ +
es l.i. y adems
genera V.
COROLARIO 4.16.1.- Sea W un subespacio de un espacio vectorial V sobre K.
V W W V
K K
dim dim = =
COROLARIO 4.16.2.- Sea V un espacio vectorial de dimensin finita sobre un
campo K y W un subespacio propio de V. Entonces existe un subespacio U propio de
V tal que: U W V =
PRUEBA
Hay que demostrar la existencia de U y adems
i) U W V + =
ii) } { = U W
Como V es de dimensin finita, sea n V
K
= dim . Consideremos } , , {
1 m
w w , donde
n m < es una base para V U _ . Entonces por el teorema de completacin de bases
existen V u u
m n
e
, ,
1
tal que } , , , , , {
1 1 m n m
u u w w

es una base para V, as
definida V U _ .
Nos resta probar que
V U W u u w w L
m n m
= =
} , , , , , {
1 1

i) Sea eV v como } , , , , , {
1 1 m n m
u u w w

es una base para V, podemos
escribir:

= =
+ =
m n
i
i i
m
i
i i
u b w a v
1 1
donde W w a v
m
i
i i
e =
=1
y U u b
m n
i
i i
e
=1
----------------------------------------------------------------------------------------------------------
39
U W V + =
ii) } { = U W es evidente por la definicin de U.
Por consiguiente existe U subespacio propio de V tal que:
U W V =
EJEMPLO 4.16.3.- Sea el espacio vectorial ) , , , (
2
R R + y } / ) , 2 {( R t t t W e = .
Encontrar
2
R U _ tal que U W R =
2
.
SOLUCIN
} / ) , 2 {( R t t t W e =
} / ) 1 , 2 ( { R t t e =
)} 1 , 2 {( = L
)} 1 , 2 {( es una base para
2
R W _ .
Completamos dicha base para
2
R y sea )} 2 , 1 ( ), 1 , 2 {( .
Definimos )} 2 , 1 {( L U = y U W R =
2
.
3
R R + y
} 0 3 / ) , , {(
3
= + e = z y x R z y x W
1) Hallar una base para W.
2) Construir U subespacio de
3
R tal que U W R =
3
.
SOLUCIN
1) } 0 3 / ) , , {(
3
= + e = z y x R z y x W
} , / ) , 3 , {( R z x z z x x e + =
} , / ) , , 0 ( ) 0 , 3 , {( R z x z z x x e + =
} , / ) 1 , 1 , 0 ( ) 0 , 3 , 1 ( { R z x z x e + =
)} 1 , 1 , 0 ( ), 0 , 3 , 1 {( L =
)} 1 , 1 , 0 ( ), 0 , 3 , 1 {( es una base para el subespacio W.
2) Completamos dicha base para
3
R y sea )} 0 , 0 , 1 ( ), 1 , 1 , 0 ( ), 0 , 3 , 1 {( . Definimos
)} 0 , 0 , 1 {( L U = y U W R =
3
.
EJEMPLO 4.16.5.- En el espacio vectorial ) , , , (
2 2
R R +
y
} 0 ) ( / {
2 2
= e =

A Tr R A W
----------------------------------------------------------------------------------------------------------
40
1) Hallar una base para W.
2) Construir U subespacio de
2 2
R tal que U W R =
2 2
.
SOLUCIN
Definicin.- Dada
n n
j i
R a A

e = ) ( definimos la traza de A denotada por ) ( A Tr
como la suma de los elementos de la diagonal. Es decir:
=
=
n
i
ii
a A Tr
1
) (
1) Hallamos una base para W.
} 0 ) ( / {
2 2
= e =

A Tr R A W
)
`
= +
(
]
1
= 0 /
22 11
22 21
12 11
a a
a a
a a
)
`
e
(
]
1
= R a a a
a a
a a
21 12 11
11 21
12 11
, , /
)
`
e
(
]
1
+
(
]
1
+
(
]
1
= R a a a
a
a
a
a
21 12 11
21
12
11
11
, , /
0
0 0
0 0
0
0
0
)
`
e
(
]
1
+
(
]
1
+
(
]
1
= R a a a a a a
21 12 11 21 12 11
, , /
0 1
0 0
0 0
1 0
1 0
0 1
)
`
(
]
1
(
]
1
(
]
1
=
0 1
0 0
,
0 0
1 0
,
1 0
0 1
L
)
`
(
]
1
(
]
1
(
]
1
0 1
0 0
,
0 0
1 0
,
1 0
0 1
es una base para 3 dim = W W
R
.
2) Pero sabemos que 4 dim
2 2
=
R
R
. Luego tenemos que completar la base de W
con un vector ms de
2 2
R que con los ya hallados sea l.i. Si elegimos
2 2
0 0
0 1

e
(
]
1
R .
)
`
(
]
1
(
]
1
(
]
1
(
]
1
0 0
0 1
,
0 1
0 0
,
0 0
1 0
,
1 0
0 1
es una base para
2 2
R .
Definimos
)
`
(
]
1
=
0 0
0 1
L U y se cumple que U W R =
2 2
.
PROPOSICIN 4.17.- Sea V un espacio vectorial sobre un campo K de dimensin
finita ( n V
K
= dim ). Si U, W son subespacios de V, entonces se verifica que:
----------------------------------------------------------------------------------------------------------
41
) ( dim dim dim ) ( dim W U W U W U
K K K K
+ = +
PRUEBA
Como V es de dimensin finita sobre K, sea q W p U
K K
= = dim , dim y
r W U
K
= ) ( dim .
Consideremos } { = W U y } , , {
1 r
v v una base para W U . Como W U es
un subespacio de U y W, respectivamente, por el teorema de completacin de bases,
completamos la base } , , {
1 r
v v a bases para U y W. Sean:
} , , , , , {
1 1 r p r
u u v v

base para U y
} , , , , , {
1 1 r q r
w w v v

base para W
Afirmacin.- El conjunto } , , , , , , , , {
1 1 1 r q r p r
w w u u v v

es una base W U + .
Prueba de la afirmacin
i) Que sea linealmente independiente.
Considrese la combinacin lineal
= + +

=
= =
r q
i
i i
r p
i
i i
r
i
i i
w c u b v a
1 1 1
(1)

=
= =
= +
r q
i
i i
r p
i
i i
r
i
i i
w c u b v a
1 1 1
(2)
W U w c
r q
i
i i
e
=1
pues la relacin (2), por un lado por ser igual a una
combinacin lineal de elementos de } , , , , , {
1 1 r p r
u u v v

, est en U y de
otro lado por ser una combinacin lineal de elementos de
} , , , , , {
1 1 r q r
w w v v

, est en W.

=
=
=
r
i
i i
r q
i
i i
v d w c
1 1
(3)
reemplazando (3) en (1), tenemos
= + +

=
= =
r
i
i i
r p
i
i i
r
i
i i
v d u b v a
1 1 1
= + +

= =
r p
i
i i
r
i
i i i
u b v d a
1 1
) (
= =
= = +
) 4 ( , , 1 , 0
, , 1 , 0
r p i b
r i d a
i
i i

----------------------------------------------------------------------------------------------------------
42
pues } , , , , , {
1 1 r p r
u u v v

es una base para U.
como r p i b
i
= = , , 1 , 0 en (1) se tiene
= +

= =
r q
i
i i
r
i
i i
w c v a
1 1
= =
= =
) 6 ( , , 1 , 0
) 5 ( , , 1 , 0
r q i c
r i a
i
i
pues } , , , , , {
1 1 r q r
w w v v

es una base para W.
de (5), (4) y (6) resulta que
= =
= =
= =
r q i c
r p i b
r i a
i
i
i
, , 1 , 0
, , 1 , 0
, , 1 , 0
} , , , , , , , , {
1 1 1 r q r p r
w w u u v v

es l.i.
ii) Que genere W U + .
Sea W U v + e . Por definicin de subespacio suma w u v + = donde U u e y
W we .
Pero

= =
+ =
r p
i
i i
r
i
i i
u b v a u
1 1
y

= =
+ =
r q
i
i i
r
i
i i
w d v c w
1 1
|
|
.
|
\
|
+ +
|
|
.
|
\
|
+ =

= =
= =
r q
i
i i
r
i
i i
r p
i
i i
r
i
i i
w d v c u b v a v
1 1 1 1

=
= =
+ + + =
r q
i
i i
r p
i
i i
r
i
i i i
w d u b v c a
1 1 1
) (
} , , , , , , , , {
1 1 1 r q r p r
w w u u v v

genera W U + .
De i) y ii) la afirmacin queda probada.
Por la afirmacin como } , , , , , , , , {
1 1 1 r q r p r
w w u u v v

es una base para W U +
resulta que
) ( ) ( ) ( dim r q r p r W U
K
+ + = +
r q p + =
) ( dim dim dim W U W U
K K K
+ =
COROLARIO 4.17.1.- Sea V un espacio vectorial sobre K de dimensin finita. Si U
y W son subespacios de V tal que W U V = , entonces
W U V
K K K
dim dim dim + =
----------------------------------------------------------------------------------------------------------
43
PRUEBA.- Ejercicio
4
R R + . Consideremos
} 2 / ) , , , {(
4
t z y x R t z y x U = + e = y } 2 0 / ) , , , {(
4
t x z y x R t z y x W = . = + e =
Hallar ) ( dim W U
R
+
SOLUCIN
Hallemos W U
R R
dim , dim y ) ( dim W U
R
.
Para U
} 2 / ) , , , {(
4
t z y x R t z y x U = + e =
} , , / ) 2 , , , {( R z y x z y x z y x e + =
} , , / ) , , 0 , 0 ( ) , 0 , , 0 ( ) 2 , 0 , 0 , {( R z y x z z y y x x e + + =
} , , / ) 1 , 1 , 0 , 0 ( ) 1 , 0 , 1 , 0 ( ) 2 , 0 , 0 , 1 ( { R z y x z y x e + + =
)} 1 , 1 , 0 , 0 ( ), 1 , 0 , 1 , 0 ( ), 2 , 0 , 0 , 1 {( = L
)} 1 , 1 , 0 , 0 ( ), 1 , 0 , 1 , 0 ( ), 2 , 0 , 0 , 1 {( es una base para U. Entonces
3 dim = U
R
.
Para W
} 2 0 / ) , , , {(
4
t x z y x R t z y x W = . = + e =
} , / ) , , 2 , 2 {( R t z t z t z t e + =
} , / ) 0 , , , 0 ( ) , 0 , 2 , 2 {( R t z z z t t t e + =
} , / ) 0 , 1 , 1 , 0 ( ) 1 , 0 , 2 , 2 ( { R t z z t e + =
)} 0 , 1 , 1 , 0 ( ), 1 , 0 , 2 , 2 {( L =
)} 0 , 1 , 1 , 0 ( ), 1 , 0 , 2 , 2 {( es una base para W. Entonces 2 dim = W
R
.
Para W U
} 2 0 2 / ) , , , {(
4
t x z y x t z y x R t z y x W U = . = + . = + e =
} 0 , 0 / ) , , , {(
4
= = e = t x R t z y x
} / ) 0 , , , 0 {( R y y y e =
} / ) 0 , 1 , 1 , 0 ( { R y y e =
)} 0 , 1 , 1 , 0 {( L =
)} 0 , 1 , 1 , 0 {( es una base para W U . Entonces, 1 ) ( dim = W U
R
. Luego
usando la proposicin 4.17. tenemos que:
) ( dim dim dim ) ( dim W U W U W U
R R R R
+ = +
----------------------------------------------------------------------------------------------------------
44
1 2 3 + =
4 =
EJERCICIOS
1. Determinar cules de los siguientes vectores pertenecen al subespacio de
3
R
generado por ) 2 , 3 , 1 ( y ) 1 , 4 , 0 ( :
a) ) 8 , 1 , 3 (
b) ) 1 , 2 , 2 (
c) ) 1 , 2 / 9 , 2 (
2. Determinar cules de los siguientes polinomios pertenecen al subespacio
generado por: 2 , 1 2
2 2 3
+ + x x x y x x +
3
:
a) 3
2
+ x x
b) 1
4
+ x
c) 1
2
5
2
1
2 3
+ x x x
3. Sea el espacio vectorial } ] 1 , 0 [ : / { ] 1 , 0 [ R f f = C sobre R. Si
] 1 , 0 [ , C e g f donde:
s <
s s
=
1 2 / 1 2 / 1
2 / 1 0 0
) (
x si x
x si
x f
s <
s s +
=
1 2 / 1 0
2 / 1 0 2 / 1
) (
x si
x si x
x g
Hallar: } { }, { g L f L y } , { g f L .
4. En el espacio vectorial F de las funciones de R en R. Averiguar si F h g f e , ,
son linealmente independiente donde:
a)
2
) ( , sen ) ( , ) ( t t h t t g e t f
t
= = =
b) t t h e t g e t f
t t
= = = ) ( , ) ( , ) (
2
c) t t h t t g e t f
t
cos ) ( , sen ) ( , ) ( = = =
5. Mostrar que:
a) Los vectores ) , 1 ( i i y ) 1 , 2 ( i + en
2
C son linealmente dependientes
sobre el campo complejo C, pero son linealmente independientes sobre el
campo real R.
b) Los vectores ) 2 1 , 2 3 ( + + y ) 2 2 1 , 7 ( + en
2
R son linealmente
independientes sobre el campo Q de los racionales.
----------------------------------------------------------------------------------------------------------
45
6. Encontrar todos los subconjuntos linealmente independientes de los siguientes
conjuntos de vectores en
3
R :
a) } 7 , 4 , 6 ( ), 1 , 0 , 0 ( ), 1 , 1 , 0 ( ), 1 , 1 , 1 {(
b) } 1 , 0 , 0 ( ), 0 , 0 , 1 ( ), 2 , 2 , 2 ( ), 1 , 1 , 1 {(
7. Sea el espacio vectorial de los polinomios de grado menor que cuatro, con
coeficientes en R e indeterminada x. Determine todos los subconjuntos que son
linealmente independientes a partir de los conjuntos que se dan a continuacin:
a) } , 1 2 , 1 , 1 {
2 2
x x x x + +
b) } 1 , 1 , 1 , 2 {
2 2
+ + x x x x
c) } , 2 , ), 1 ( {
2 3 3
x x x x x x
d) } 1 , , , , 1 {
2 3 2
+ + x x x x x
8. Probar que los polinomios: x x x x
2
3
2
5
,
2
1
2
3
, , 1
3 2
forman una base para el
espacio vectorial de los polinomios de grado menor que cuatro.
9. Sean w v u , , vectores l.i. de un espacio vectorial V sobre el campo Q.
Demostrar que w v w u v u + + + , , son tambin l.i. sobre Q. Esto es verdad
para un campo arbitrario K?
10. Averiguar si los subconjuntos )} 1 , 0 , 3 ( ), 2 , 1 , 1 {( = A y ), 3 , 2 , 1 {( = B
)} 4 , 3 , 3 ( generan el mismo subespacio de
3
R .
11. Sea el espacio vectorial de las funciones continuas definidas en el intervalo
] , [ b a y con valores en R. Demostrar que los subconjuntos
} cos sen , cos , sen {
2 2
t t t t A = y } 2 cos , 2 , 1 { t t sen B = generan el mismo
subespacio.
12. Hallar una base para los espacios vectoriales que se dan a continuacin:
a) R K r z y x R r z y x V = = + + + e = }, 0 / ) , , , {(
4
b) R K r y x z y x R r z y x W = = = e = }, 3 2 , / ) , , , {(
4
c) R K r y x z y x z y x R r z y x U = = + + = = + e = }, 0 2 , 3 , / ) , , , {(
4
13. Sea V un espacio vectorial sobre un campo K. Si } , , {
1 n
v v es l.i. y
} , , , , {
2 1 n
v v v v es l.d. para todo v elemento de V. Entonces demostrar que
} , , , {
2 1 n
v v v es una base para V.
----------------------------------------------------------------------------------------------------------
46
14. Sea V un espacio vectorial sobre un campo K. Si V v v L
n
= } , , {
1
y
V v v v v L
n i i
_
+
} , , , , , {
1 1 1
para n i , , 2 , 1 = . Demostrar que } , , {
1 n
v v
es una base para V.
15. En ) , , , (
2
C C + se considera el subespacio } 0 2 / ) , {(
2
= e = u z C u z W .
Obtener una base de W y decir su dimensin.
16. Verificar que el conjunto )} , , ( ), 1 , 1 , 1 ( ), , 0 , 1 {( i i i i i i + es una base para el
espacio vectorial ) , , , (
3
C C + .
17. Sean:
} 0 / ) , , , {(
4
= + + e = t z y x R t z y x U y
} 0 / ) , , , {(
4
= e = t z y x R t z y x W
subespacios de ) , , , (
4
R R + . Hallar la dimensin de W U + .
18. En el espacio vectorial de los polinomios con coeficientes reales e inde-
terminada en x, consideremos los siguientes subespacios:
} 5 5 10 3 , 5 5 , 3 4 {
2 3 2 3 2 3
+ + + + + + = x x x x x x x x L U y
} 9 3 2 2 , 5 2 , 6 4 {
2 3 2 3 2 3
+ + + + + + = x x x x x x x x L W
Hallar la dimensin de W U + .
4
R R + . Si se consideran los subespacios:
} 0 2 0 / ) , , , {(
4
= + . = + e = t y x z y x R t z y x U y
} 0 4 3 2 / ) , , , {(
4
= + + + e = t z y x R t z y x W
a) Hallar la dimensin de W U W U W U + , , , .
b) Encontrar subespacios ' U y ' W de
4
R tales que '
4
U U R = y
'
4
W W R = .
20. Una compaa constructora almacena tres mezclas bsicas A, B, y C. Las
cantidades se miden en gramos y cada unidad de mezcla pesa 60 gramos.
Pueden formularse mezclas especiales de argamasa efectuando combinaciones
de las tres mezclas bsicas. Por ello, las mezclas especiales posibles pertenecen
al espacio generado por los tres vectores que representan las tres mezclas
bsicas. La composicin de stas es:
----------------------------------------------------------------------------------------------------------
47
A B C
Cemento
Agua
Arena
Grava
Hormign
20
10
20
10
0
18
10
25
5
2
12
10
15
15
8
a) Es posible hacer una mezcla que consiste en 1000 gramos de cemento,
200 gramos de agua, 1000 gramos de arena, 500 gramos de grava y 300
gramos de hormign?. Por qu se puede y por que no?. Si se puede
Cuntas unidades de cada mezcla bsica A, B, y C se necesitan para
formular la mezcla especial?.
b) Supngase que se desea hacer 5400 gramos de argamasa de manera que
contenga 1350 gramos de cemento, 1675 gramos de arena y 1025 gramos
de graba. Si la razn de agua a cemento es de 2 a 3, que cantidad de
hormign debe utilizarse para hacer los 5400 gramos de argamasa?. Se
puede formular esta masa como una mezcla especial?. Si es as, cuntas
unidades de las mezclas A, B y C se necesitan para formular la mezcla
especial.
----------------------------------------------------------------------------------------------------------
48

TRANSFORMACIONES LINEALES Y TEMAS AFINES

1. TRANSFORMACIONES LINEALES
DEFINICIN 1.1.- Sean ) , , , ( K V + y ) , , , ( K W + dos espacios vectoriales. Una
funcin W V T : es llamada transformacin lineal si satisface las siguientes
condiciones:
i) V v u v T u T v u T e + = + , ), ( ) ( ) ( .
ii) K a v aT av T e = ), ( ) ( y V v e .
EJEMPLO 1.1.1.- Dados ) , , , ( K V + y ) , , , ( K W + espacios vectoriales.
Definimos:

V v v T v
W V T
W
e =
; ) (
:
u

T as definida es una transformacin lineal pues satisface las condiciones i) y ii) de
la definicin 1.1. y es llamada transformacin lineal nula o cero y se denota por
u = T .
EJEMPLO 1.1.2.- Dado ) , , , ( K V + espacio vectorial. Definimos:

V v v v I v
V V I
e =
; ) (
:

I es transformacin lineal y es llamada transformacin lineal idntica de V.
EJEMPLO 1.1.3.- Sea ) , , , ( K V + un espacio vectorial. La aplicacin:

av v T v
V V T
=
) (
:

para todo K ae fijo y para todo V v e , es una transformacin lineal.
EJEMPLO 1.1.4.- Sea ) , , , (
2
R R + espacio vectorial. Definimos
2 2
: R R T tal
que ) 2 , 1 ( ) , ( + + = y x y x T ; no es una transformacin lineal.
EJEMPLO 1.1.5.- Sean ) , , , ( K K
n
+ y ) , , , ( K K + . Definimos:
K K p
n
i
:
tal que
i n i
x x x x p = ) , , , (
2 1
.
i
p es una transformacin lineal y es llamada i-
sima proyeccin.

----------------------------------------------------------------------------------------------------------
49
EJEMPLO 1.1.6.- Sea el espacio vectorial ) , , ], [ ( R x + P . (Ejemplo 1.1.6. Cap.
1). Definimos:
] [ ] [ : x x D P P
tal que:

=
=
= |
.
|
\
|
n
k
k
k
n
k
k
k
x ka x a D
0
1
0
para todo ] [ ) (
0
x x a x p
n
k
k
k
P e =
=

D es llamada derivada de ) (x p y es una transformacin lineal.
EJEMPLO 1.1.7.- Sea el espacio vectorial:
R R f f V = : / { continuas}
sobre el campo R. Definimos:

Tf f
V V T
:

tal que
}
=
x
dt t f x Tf
0
) ( ) )( ( . Afirmamos que T as definida es una transformacin
lineal.
PRUEBA DE LA AFIRMACIN
i) Probaremos que V g f Tg Tf g f T e + = + , ; ) ( .
}
+ = +
x
dt t g f x g f T
0
) )( ( ) ))( ( (
}
+ =
x
dt t g t f
0
)) ( ) ( (
} }
+ =
x x
dt t g dt t f
0 0
) ( ) (
) )( ( ) )( ( x Tg x Tf + =

Tg Tf g f T + = + ) ( .
ii) Ahora probaremos que aTf af T = ) ( .
}
=
x
dt t af x af T
0
) )( ( ) ))( ( (
}
=
x
dt t af
0
) (
}
=
x
dt t f a
0
) (
) )( ( x Tf a =
aTf af T = ) ( .
De i) y ii) T es una transformacin lineal.
----------------------------------------------------------------------------------------------------------
50
PROPOSICIN 1.2.- Dados ) , , , ( K V + y ) , , , ( K W + espacios vectoriales.
W V T : es una transformacin lineal si y solo si:
K b a v bT u aT bv au T e + = + , ; ) ( ) ( ) ( y V v u e ,
PRUEBA
) Asumamos que T es una transformacin lineal.
) ( ) ( ) ( bv T au T bv au T + = + por def. 1.1. parte i)
) ( ) ( v bT u aT + = por def. 1.1. parte ii)
) ( ) ( ) ( v bT u aT bv au T + = +
) : Hay que probar que cumpla las condiciones de la definicin 1.1. asumiendo
que:
K b a v bT u aT bv au T e + = + , , ; ) ( ) ( ) ( y V v u e ,
i) ) 1 1 ( ) ( v u T v u T + = +
) ( 1 ) ( 1 v T u T + =
V v u v T u T e + = , ), ( ) (
ii) ) 0 ( ) ( av u T av T + =
) ( ) ( 0 v aT u T + =
K a v aT e = ), ( y V v e
PROPOSICIN 1.3.- Sean ) , , , ( K V + y ) , , , ( K W + dos espacios vectoriales y
W V T : una transformacin lineal. Se cumplen las siguientes afirmaciones:
i)

= =
= |
.
|
\
|
n
i
i i
n
i
i i
v T a v a T
1 1
) (
ii)
W V
T u u = ) (
iii) ) ( ) ( v T v T =
PRUEBA
i) Usar induccin.
ii) ) ( ) (
V V V
T T u u u + =

) ( ) (
V V
T T u u + =

por ser T transformacin lineal.
Entonces
W V
T u u = ) (
iii) ) ( ) ( ) ( v v T v T v T + = + por ser una transformacin lineal.
) (
V
T u = por ser inversos
----------------------------------------------------------------------------------------------------------
51
W
u = por la parte ii)
Entonces ) ( ) ( v T v T = .
DEFINICIN 1.4.- Sean V, W espacios vectoriales sobre el campo K y
W V T : una transformacin lineal, diremos que:
i) T es un monomorfismo si y solo si T es inyectiva.
ii) T es un epimorfismo si y solo si T es suryectiva.
iii) T es un isomorfismo si y solo si T es biyectiva.
OBSERVACIONES 1.4.1.
(1) Si W V = , la transformacin lineal T recibe el nombre de endomorfismo, y si
adems T es biyectiva se denomina automorfismo. Es decir, un automorfismo
es una transformacin lineal biyectiva de un espacio vectorial en s mismo.
(2) Si W V T : es un isomorfismo, se dice que V es isomorfo a W y se denota
como W V ~ .
EJEMPLO 1.4.2.- Sea
2 2
: R R T definida ) , ( ) , ( y x y x y x T + = , donde T es
un automorfismo. En efecto, T es una transformacin lineal y adems:
i) T es un monomorfismo. Probaremos que:
) , ( ) , ( ) , ( ) , (
2 2 1 1 2 2 1 1
y x y x y x T y x T = =
) , ( ) , (
2 2 2 2 1 1 1 1
y x y x y x y x + = +
2 1 2 1
2 2 1 1
2 2 1 1
, y y x x
y x y x
y x y x
= =
)
`
=
+ = +

) , ( ) , (
2 2 1 1
y x y x =
Luego T es un monomorfismo.
ii) T es un epimorfismo. Probaremos que:
2
1 1
2
2 2
) , ( , ) , ( R y x R y x e - e tal que ) , ( ) , (
2 2 1 1
y x y x T = .
) , ( ) , ( ) , (
2 2 1 1 1 1 1 1
y x y x y x y x T = + =
2
2 2
1
2 1 1
2 1 1
y x
x
y y x
x y x
+
=
)
`
=
= +
y
2
2 2
1
y x
y

=
Luego |
.
|
\
| +
= -
2
) (
,
2
) (
) , ( ), , (
2 2 2 2
1 1 2 2
y x y x
y x y x tal que:
) , ( ) , (
2 2 1 1
y x y x T =
En consecuencia T es epimorfismo.
De i) y ii) T es un isomorfismo y por lo tanto un automorfismo.
----------------------------------------------------------------------------------------------------------
52
EJEMPLO 1.4.3.- Sea
3 2
: R R T definida por:
) , 0 , ( ) , ( y x y x y x T + + =
T es una transformacin lineal.
i) T no es monomorfismo pues considerando y x = se tiene:
) , ( ) , ( ) , ( ) , ( x y T y x T x y y x = . =
ii) T no es epimorfismo ya que para
3
) 2 , 1 , 3 ( R e no existe
2
) , ( R y x e tal que
) 2 , 1 , 3 ( ) , ( = y x T .
TEOREMA 1.5.- (Teorema fundamental de las transformaciones lineales).
Sean ) , , , ( K V + y ) , , , ( K W + dos espacios vectoriales. Sea } , , , {
2 1 n
v v v una
base de V y } , , , {
2 1 n
w w w un subconjunto de vectores de W, entonces existe
una nica transformacin lineal W V T : tal que
i i
w v T = ) ( para todo
n i , , 2 , 1 = .
PRUEBA
i) Existencia
Sea V v e , entonces v se puede expresar de una nica forma como:
K a n i v a v
i
n
i
i i
e = =
=
, , , 2 , 1 ;
1

por ser } , , , {
2 1 n
v v v base de V.
Definimos W V T : como:
=
=
n
i
i i
w a v T
1
) (
Afirmacin.- T es una transformacin lineal.
Sean V v u e , y K b a e , , probaremos que:
) ( ) ( ) ( v bT u aT bv au T + = +
Como
=
= e
n
i
i i
v a u V v u
1
, y
=
=
n
i
i i
v b v
1

|
.
|
\
|
+ = +

= =
n
i
i i
n
i
i i
v b b v a a T bv au T
1 1
) (
|
.
|
\
|
+ =

= =
n
i
i i
n
i
i i
v bb v aa T
1 1
) ( ) (
----------------------------------------------------------------------------------------------------------
53
|
.
|
\
|
+ =

=
n
i
i i i
v bb aa T
1
) (
=
+ =
n
i
i i i
w bb aa
1
) ( por definicin de T

= =
+ =
n
i
i i
n
i
i i
w bb w aa
1 1
) ( ) (

= =
+ =
n
i
i i
n
i
i i
w b b w a a
1 1

) ( ) ( v bT u aT + =
tomando extremos resulta que:
) ( ) ( ) ( v bT u aT bv au T + = +
con lo cual queda demostrada la afirmacin.
Adems T cumple con la condicin de que:
n i w v T
i i
, , 2 , 1 ; ) ( = =
En efecto ya que
n i i
v v v v 0 1 0
1
+ + + + =

n i i
w w w v T 0 1 0 ) (
1
+ + + + =
n i w v T
i i
, , 2 , 1 ; ) ( = =
ii) Unicidad
Sea W V T ' : otra transformacin lineal tal que
=
=
n
i
i i
w a v T
1
) ( '
Mostraremos que ' T T = .
Sea
=
= e
n
i
i i
w a v T V v
1
) ( ' , por definicin de ' T
) (v T = por definicin T
Luego V v v T v T e = ; ) ( ) ( ' y en consecuencia T T = ' .
De i) y ii) el teorema queda completamente demostrado.

2. NCLEO E IMAGEN DE UNA TRANSFORMACIN LINEAL
DEFINCIN 2.1.- Sea W V T : una transformacin lineal.
i) Llamaremos ncleo de la transformacin lineal T al conjunto denotado por
Nu(T) que definiremos como:
----------------------------------------------------------------------------------------------------------
54
} ) ( / { ) ( Nu
W
v T V v T u = e =
Es decir, el ncleo de T es el conjunto formado por todos los elementos de V
tales que sus imgenes mediante T es igual al elemento nulo de W.

ii) Llamaremos imagen de la transformacin lineal T al conjunto denotado por
Im(T) que definimos como:
} ) ( / { ) Im( w v T V v W w T = . e - e =
Es decir, W we es un elemento de la imagen de T si existe V v e tal w v T = ) ( .

(1) Nu(T) es un subespacio de V e Im(T) es un subespacio de W.
(2) Si } , , {
1 n
v v L V = entonces )} ( , ), ( { ) Im(
1 n
v T v T L T = .
(3) La dimensin de Im(T) se denomina rango de T y se denota por r(T). Es
obvio que W T r
K
dim ) ( s .
La verificacin de las observaciones 2.1.1. se deja al estudiante.
T
V
W
V
u
W
u
) (T Nu
T
V
W
W
u
) Im(T
----------------------------------------------------------------------------------------------------------
55
EJEMPLO 2.1.2.- Dada la transformacin lineal
2 2
: R R T definida en el
ejemplo 1.4.2. como
) , ( ) , ( y x y x y x T + = .
Hallar Nu(T) e Im(T).
SOLUCIN
i) )} 0 , 0 ( ) , ( / ) , {( ) ( Nu
2
= e = y x T R y x T
)} 0 , 0 ( ) , /( ) , {(
2
= + e = y x y x R y x
} 0 0 / ) , {(
2
= . = + e = y x y x R y x
} 0 0 / ) , {(
2
= . = e = y x R y x
)} 0 , 0 {( =
Luego )} 0 , 0 {( ) ( Nu = T y 0 ) ( Nu dim = T
R
.
ii)
2
) Im( R T = (pues ya hemos visto en el ejemplo 1.4.2. que T es un
epimorfismo) luego 2 ) ( Im dim = T
R
.

EJEMPLO 2.1.3.- Sea la transformacin lineal
3 2
: R R T definida en el ejemplo
1.4.3. como ) , 0 , ( ) , ( y x y x y x T + + = .
Hallar Nu(T) e Im(T).
SOLUCIN
)} 0 , 0 , 0 ( ) , ( / ) , {( ) ( Nu
2
= e = y x T R y x T
)} 0 , 0 , 0 ( ) , 0 , /( ) , {(
2
= + + e = y x y x R y x
} 0 / ) , {(
2
= + e = y x R y x
} / ) , {( R x x x e =
} / ) 1 , 1 ( { R x x e =
)} 1 , 1 {( = L
Luego 1 ) ( Nu dim = T
R
.

----------------------------------------------------------------------------------------------------------
56

} , / ) , ( { ) ( Im R y x y x T T e =
} , / ) , 0 , {( R y x y x y x e + + =
} , / ) , 0 , ( ) , 0 , {( R y x y y x x e + =
} , / ) 1 , 0 , 1 ( ) 1 , 0 , 1 ( { R y x y x e + =
)} 1 , 0 , 1 ( ), 1 , 0 , 1 {( L =
)} 1 , 0 , 1 {( L =
Luego 1 ) ( Im dim = T
R
.

EJEMPLO 2.1.4.- Sea
2 2
: R R T un endomorfismo tal que ) 1 , 2 ( ) 0 , 1 ( = T ,
) 1 , 1 ( ) 1 , 0 ( = T . Determinar la imagen del tringulo rectngulo cuyos vrtices son
) 1 , 4 ( ), 1 , 1 ( y ) 5 , 1 ( .

SOLUCIN
u

) (T Nu

2
R

T

3
R

u

) Im(T

u

2
R

T

3
R

u

----------------------------------------------------------------------------------------------------------
57
Expresamos primero ) 1 , 4 ( ), 1 , 1 ( y ) 5 , 1 ( como una combinacin lineal de los
vectores ) 0 , 1 ( y ) 1 , 0 ( .
) 1 , 0 ( 1 ) 0 , 1 ( 1 ) 1 , 1 ( + = (1)
) 1 , 0 ( 1 ) 0 , 1 ( 4 ) 1 , 4 ( + = (2)
) 1 , 0 ( 5 ) 0 , 1 ( 1 ) 5 , 1 ( + = (3)
aplicando T a (1), (2) y (3), tenemos:
) 0 , 3 ( ) 1 , 1 ( ) 1 , 2 ( ) 1 , 0 ( ) 0 , 1 ( )) 1 , 0 ( 1 ) 0 , 1 ( 1 ( ) 1 , 1 ( = + = + = + = T T T T
) 3 , 9 ( ) 1 , 1 ( ) 1 , 2 ( 4 ) 1 , 0 ( ) 0 , 1 ( 4 )) 1 , 0 ( 1 ) 0 , 1 ( 4 ( ) 1 , 4 ( = + = + = + = T T T T
) 4 , 7 ( ) 1 , 1 ( 5 ) 1 , 2 ( ) 1 , 0 ( 5 ) 0 , 1 ( )) 1 , 0 ( 5 ) 0 , 1 ( 1 ( ) 5 , 1 ( = + = + = + = T T T T

El segmento de recta de extremos ) 1 , 4 ( y ) 5 , 1 ( es:
} 1 0 / )) 1 , 4 ( ) 5 , 1 (( ) 1 , 4 {( s s + = t t S
y } 1 0 / )) 1 , 4 ( ) 5 , 1 ( ( ) 1 , 4 ( { ) ( s s + = t T T t T S T
} 1 0 / )) 3 , 9 ( ) 4 , 7 (( ) 3 , 9 {( s s + = t t
es precisamente el segmento de recta de extremos ) 3 , 9 ( ) 1 , 4 ( = T y
) 4 , 7 ( ) 5 , 1 ( = T .
Anlogamente se proceden para los otros dos lados que forman el tringulo.
EJEMPLO 2.1.5.- Sea
2 3
: R R T una transformacin lineal definida de tal
manera que a los elementos de la base )} 3 , 1 , 0 ( ), 1 , 2 , 1 ( ), 0 , 1 , 1 {( de
3
R se le hace
corresponder los vectores ) 1 , 5 ( ), 3 , 1 ( y ) 1 , 0 ( respectivamente.
i) Hallar la imagen de ) 5 , 1 , 3 ( mediante T.
ii) Hallar la imagen de un vector cualesquiera de
3
R .
5
Y
Y
X X
0 0
-4
3 1 4
3
7 9
T
----------------------------------------------------------------------------------------------------------
58
SOLUCIN
i) Expresamos ) 5 , 1 , 3 ( como una combinacin lineal de la base dada para
3
R .
) 3 , 1 , 0 ( ) 1 , 2 , 1 ( ) 0 , 1 , 1 ( ) 5 , 1 , 3 ( c b a + + =
) 3 , 2 , ( c b c b a b a + + + + =
luego tenemos
3 = +b a
1 2 = + + c b a
5 3 = c b
Resolviendo el sistema, obtenemos
2
17
,
2
23
= = b a y
2
9
= c , entonces:
) 3 , 1 , 0 (
2
9
) 1 , 2 , 1 (
2
17
) 0 , 1 , 1 (
2
23
) 5 , 1 , 3 ( + =
y aplicando T
) 3 , 1 , 0 (
2
9
) 1 , 2 , 1 (
2
17
) 0 , 1 , 1 (
2
23
) 5 , 1 , 3 ( T T T T + =
) 1 , 0 (
2
9
) 1 , 5 (
2
17
) 3 , 1 (
2
23
+ =
)
2
61
, 31 ( =
ii) Sea
3
) , , ( R z y x e un vector arbitrario.
)} 3 , 1 , 0 ( ) 1 , 2 , 1 ( ) 0 , 1 , 1 ( ) , , ( c b a z y x + + =
) 3 , 2 , ( c b c b a b a + + + + =
Luego
x b a = +
y c b a = + + 2
z c b = 3
Resolviendo el sistema obtenemos ) 3 3 (
4
1
), 3 7 (
4
1
z y x b z y x a + = = y
) (
4
1
z y x c + = , entonces:
) 3 , 1 , 0 )( (
4
1
) 1 , 2 , 1 )( 3 3 (
4
1
) 0 , 1 , 1 )( 3 7 (
4
1
) , , ( z y x z y x z y x z y x + + + + =

y aplicando T
----------------------------------------------------------------------------------------------------------
59
+ + + = ) 1 , 2 , 1 ( ) 3 3 (
4
1
) 0 , 1 , 1 ( ) 3 7 (
4
1
) , , ( T z y x T z y x z y x T
) 3 , 1 , 0 ( ) (
4
1
T z y x +
) 1 , 0 )( (
4
1
) 1 , 5 )( 3 3 (
4
1
) 3 , 1 )( 3 7 (
4
1
) , , ( z y x z y x z y x z y x T + + + + =
)) 3 5 17 (
4
1
, 3 2 ( z y x z y x + + =
) ) 3 5 17 (
4
1
, 3 2 ( ) , , ( z y x z y x z y x T + + =
PROPOSICIN 2.2.- Sean ) , , , ( K V + y ) , , , ( K W + espacios vectoriales y
W V T : una transformacin lineal. Se cumplen:
i) T es un monomorfismo } { ) ( Nu
V
T u = .
ii) Sea } , , , {
2 1 n
v v v un conjunto linealmente dependiente en V, entonces
)} ( , ), ( ), ( {
2 1 n
v T v T v T es linealmente dependiente en W.
iii) Si } , , , {
2 1 n
v v v es un conjunto linealmente independiente y T es un
monomorfismo, entonces )} ( , ), ( ), ( {
2 1 n
v T v T v T es linealmente
independiente.
PRUEBA
i) ) Asumiendo que T es monomorfismo probaremos que:
} { ) (
V
T Nu u =
se cumple siempre que ) ( } { T Nu
V
c u por ser ) ( Nu T un subespacio de
V. Luego solo nos resta probar que } { ) (
V
T Nu u c . Sea e ) ( Nu T x
V V W
x T x T u u u = = = ) ( ) ( por ser T monomorfismo e } {
V
x u
} { ) (
V
T Nu u c .
} { ) ( Nu
V
T u =
) : Asumamos ahora que } { ) (
V
T Nu u = . Probaremos que T es mono-
morfismo.
W
y T x T y T x T u = = ) ( ) ( ) ( ) (
W
y x T u = ) ( por ser T transformacin lineal
} { ) (
V
T Nu y x u = e
----------------------------------------------------------------------------------------------------------
60
V
y x u =
y x =
T es un monomorfismo.
ii) Ejercicio.
iii) } , , , {
2 1 n
v v v es linealmente independiente y T un monomorfismo.
Probaremos que )} ( , ), ( ), ( {
2 1 n
v T v T v T es linealmente independentes.

= =
= =
n
i
W i i V
n
i
i i
v a T v T a
1 1
) ( ) ( u u
W
n
i
i i
v a T u = |
.
|
\
|

=1

V
n
i
i i
v a u =
=1
por ser un monomorfismo
n i a
i
, , 2 , 1 ; 0 = =
por ser } , , , {
2 1 n
v v v linealmente independiente.
)} ( , ), ( ), ( {
2 1 n
v T v T v T es linealmente independiente.
EJEMPLO 2.3.- Sea } , , , / ) ( {
3 2 1 0
3
3
2
2 1 0
R a a a a x a x a x a a x p V e + + + = = ,
0 ) ( = x p . Definimos como el ejemplo 1.1.6. ) ( ' )) ( ( / : x p x p D V V D = (la
derivada de ) (x p ). Averiguar si D es un monomorfismo, haciendo uso de la
proposicin 2.2. parte i).
SOLUCIN
Sea
3
3
2
2 1 0
) ( x a x a x a a x p + + + =
0 0 3 2 ) ( ' )) ( (
3 2 1
2
3 2 1
= = = = + + = = a a a x a x a a x p x p D
Luego } / ) ( { ) ( Nu
0 0
R a a x p D e = =
0 0
/ { a a = es constante}
} 1 { L =
entonces tenemos que 1 ) ( Nu dim = D
R
, en consecuencia D no es un mono-
morfismo.
EJEMPLO 2.4.- Sea
3 3 2
:

R R f una transformacin lineal definida por:
(
(
(
+ =
1 2 1
2 1 2 1
2 2
2 1
0
0
) , (
x x x
x x x x
x x
x x f
----------------------------------------------------------------------------------------------------------
61
averiguar si f es un monomorfismo.
SOLUCIN
(
(
(
=
(
(
(
+ =
0 0 0
0 0 0
0 0 0
0
0
) , (
1 2 1
2 1 2 1
2 2
2 1
x x x
x x x x
x x
x x f
entonces por igualdad de matrices resulta que 0
2 1
= = x x .
Luego )} 0 , 0 {( ) ( Nu = f , por lo tanto f es un monomorfismo.

EJERCICIOS
1. De las siguientes aplicaciones, averiguar cules son transformaciones lineales:
a) z z T C C T = ) ( / : (C espacio vectorial sobre R)
b) ) , ( ) , , ( / :
2 3
z y x z x z y x G R R G + + + =
c)
x
e x E R R E = ) ( / :
d) ) , ( / :
12 21 22 11
22 21
12 11 2 2 2
a a a a
a a
a a
H R R H + =
|
|
.
|
\
|
(

2. Con relacin al ejercicio 1., hallar una base y dimensin del ncleo e imagen de
aquellas que sean transformaciones lineales.
3. Hallar la transformacin lineal
3 4
: R R T tal que:
4 1 , ) ( s s = i y x T
i i

siendo ) 1 , 1 , 1 , 1 ( ), 0 , 1 , 1 , 1 ( ), 0 , 0 , 1 , 1 ( ), 0 , 0 , 0 , 1 (
4 3 2 1
= = = = x x x x base de
4
R y ) 0 , 1 , 1 ( ), 0 , 0 , 0 ( ), 1 , 2 , 1 ( ), 3 , 2 , 1 (
4 3 2 1
= = = = y y y y .
4. Sean V y W espacios vectoriales sobre un campo K,
W V T :
una transformacin lineal y los vectores
r
v v , ,
1
en V (no necesariamente una
base). Demostrar que si:
r i v T
W i
, 1 ; ) ( = =u
entonces } , { ; ) (
1 r W
v v L v v T e =u .
5. Sea V un espacio vectorial sobre un campo K y T un endomorfismo. Demostrar
que las siguientes afirmaciones son equivalentes:
i) } { ) ( Nu ) Im( u = T T
ii) u u = = ) ( )) ( ( v T v T T
----------------------------------------------------------------------------------------------------------
62
6. Sean V un espacio vectorial sobre K, U y W subespacios de V tal que
W U V = . Si
1
E y
2
E son aplicaciones lineales definidas como: u v E = ) (
1
y
w v E = ) (
2
, donde W w U u w u v e e + = , , . Verificar que:
i)
1
2
1
E E = y
2
2
2
E E = , esto es
1
E y
2
E son proyecciones.
ii) I E E = +
2 1
, la aplicacin idntica.
iii) 0
2 1
= E E y 0
1 2
= E E .
7. Sea } / ) {(
2 2
j i j i j i
a a C a W = e =

un espacio vectorial sobre el campo de
nmeros reales con las operaciones usuales. Demostrar que:
W R H
4
: tal que
(

+ +
=
x t iz y
iz y y t
t z y x H ) , , , (
es un monomorfismo de
4
R en W.
8. Sea C V = un espacio vectorial sobre el campo de los reales, se define una
funcin:
2 2
:

R C T tal que
(

+
= +
y x y
y y x
iy x T
7 10
5 7
) (
a) Verificar que T es una transformacin lineal inyectiva de C en
2 2
R .
b) Verificar que ) ( ) ( ) ( w T u T uw T = , donde
1 1
iy x u + = y
2 2
iy x w + = .
c) Dar una base de ) Im(T .
9. (Aplicacin a la criptografa) Dada la matriz

(
(
(

=
2 3 3
1 2 3
1 1 1
A
Se define la transformacin lineal
3 3
: R R T por x x A T = ) ( .
Haga uso de la transformacin lineal T para:
a) codificar el mensaje VERDE ESPERANZA
b) decodificar el mensaje 15, -45, 49, 21, 45, -65, 11, 10, -16, 35, -9, -10

Sugerencia.- Usar la correspondencia:

28 27 26 25 24 23 22 21 20 19 18 17 16 15
z y x w v u t s r q p o
14 13 12 11 10 9 8 7 6 5 4 3 2 1
n m l k j i h g f e d c b a
+ + + + + + + + + + + + + +

+ + + + + + + + + + + + + +
----------------------------------------------------------------------------------------------------------
63
3. COMPOSICIN DE TRANSFORMACIONES LINEALES
DEFINICIN 3.1.- Sean U V T : y W U F : dos transformaciones lineales
entre espacios vectoriales sobre un mismo campo K. La funcin compuesta.
W V T F :
es definida como:
)) ( ( ) )( ( v T F v T F =
PROPOSICIN 3.2.- La composicin de dos transformaciones lineales es una
transformacin lineal.
PRUEBA
Sean T y F las transformaciones lineales dadas en la definicin 3.1.
)) ( ( ) )( ( bv au T F bv au T F + = + definicin de composicin 3.1.
)) ( ( )) ( ( v T bF u aT F + = por ser T transformacin lineal
)) ( ( )) ( ( v T bF u T aF + = por ser F transformacin lineal
) )( ( ) )( ( v T F b u T F a + = def. de composicin.
T F es una transformacin lineal.
EJEMPLO 3.3.- Sea z y x z y x T R R T + = 2 ) , , ( / :
3
y
y ) , 2 ( ) ( / :
2
x x x F R R F = .
Hallar T F .
SOLUCIN
)) , , (( ( ) , , )( ( z y x T F z y x T F =
) 2 ( z y x F + =
) 2 ), 2 ( 2 ( z y x z y x + + =
) 2 , 2 4 2 ( z y x z y x + + =

4. TRANSFORMACIONES LINEALES INVERSIBLES
DEFINICIN 4.1.- Sea W V T : una transformacin lineal. Diremos que T es
inversible si existe una funcin V W F : tal que
W
I F T = y
V
I T F = .
Notacin.- Denotaremos
1
= T F .
LEMA 4.2.- Si W V T : es una transformacin lineal inversible, su inversa
V W T
:
1
tambin es una transformacin lineal.
PRUEBA.- Ejercicio.
----------------------------------------------------------------------------------------------------------
64
TEOREMA 4.3.- Sean V, W espacios vectoriales de dimensin finita y W V T :
una transformacin lineal. Entonces T es inversible si y solo si T transforma una
base de V en una base de W.
DEMOSTRACIN
) Asumiremos que T es inversible y sea } , , {
1 n
v v una base de V.
Consideremos los vectores ) ( , ), (
1 1 n n
v T w v T w = = .
Afirmacin: El conjunto de vectores } , , {
1 n
w w es una base de W.
i) Los vectores
n
w w , ,
1
son l.i.
En efecto, sea = + + +
W n n
v a w a w a u
2 2 1 1
por ser
1
T una
transformacin lineal, en virtud del lema 4.2. tenemos:
V n n
w T a w T a w T a u = + + +

) ( ) ( ) (
1
2
1
2 1
1
1

V n n
v a v a v a u = + + +
2 2 1 1

pero ser } , , {
1 n
v v una base para V, resulta que:
0
2 1
= = = =
n
a a a
Luego } , , {
1 n
w w son linealmente independientes.
ii) El conjunto de vectores } , , , {
2 1 n
w w w genera el espacio vectorial W.
En efecto, sea V w T W w e e

) (
1

=
n
i
i i
v a w T
1
1
) (

= =
= = =
n
i
i i
n
i
i i
w a v T a w T T w
1 1
1
) ( )) ( (
luego } , , , {
2 1 n
w w w genera W.
De i) y ii) } , , , {
2 1 n
w w w es una base para W, verificndose la afirmacin.
) : Ahora asumiremos que } , , , {
2 1 n
w w w es una base para W. Mostraremos
que T es inversible.
Definamos V W F : tal que n i v w F
i i
, , 2 , 1 , ) ( = = . Lo cual siempre es
posible en virtud del teorema fundamental de las transformaciones lineales.
Entonces, si V v e , donde
=
=
n
i
i i
v a v
1
, tenemos que:
)) ( ( ) )( ( v T F v T F =
----------------------------------------------------------------------------------------------------------
65

|
|
.
|
\
|
|
.
|
\
|
=

=
n
i
i i
v a T F
1
sustitucin de v
|
.
|
\
|
=

=
n
i
i i
v T a F
1
) ( por ser T transformacin lineal
|
.
|
\
|
=

=
n
i
i i
w a F
1
por def. de T

=
=
n
i
i i
w F a
1
) ( por ser F transformacin lineal

=
=
n
i
i i
v a
1
por def. de F
v =

V
I T F = (1)
Por otro lado si W we donde
=
=
n
i
i i
w b w
1
tenemos:
)) ( ( ) )( ( w F T w F T =

|
|
.
|
\
|
|
.
|
\
|
=

=
n
i
i i
w b F T
1
sustitucin de w.
|
.
|
\
|
=

=
n
i
i i
w F b T
1
) ( por ser F transformacin lineal
|
.
|
\
|
=

=
n
i
i i
v b T
1
por def. de F
=
=
n
i
i i
v T b
1
) ( por ser T transformacin lineal
=
=
n
i
i i
w b
1
por def. de T
w =

W
I F T = (2)
De (1) y (2) T es inversible y su inversa es F.
COROLARIO 4.3.1.- Si existe una transformacin lineal inversible entre dos
espacios vectoriales de dimensin finita, entonces sus dimensiones coinciden.
TEOREMA 4.4.- Sea W V T : una transformacin lineal entre dos espacios
vectoriales de igual dimensin. Entonces las siguientes afirmaciones son
equivalentes:
----------------------------------------------------------------------------------------------------------
66
i) T es inversible.
ii) T es inyectiva.
iii) T es suryectiva.
iv) T transforma bases en bases.
DEMOSTRACIN
i) ii)
)) ( ( )) ( ( ) ( ) (
1 1
v T T u T T v T u T

= =
v u = por ser T inversible.
ii) iii)
Sea V v v v
n
c } , , , {
2 1
una base para V. Como T es inyectiva
}, ) ( ), ( ), ( {
2 1 n
v T v T v T es linealmente independiente en W; pero como
n W
K
= dim , entonces )} ( , ), ( ), ( {
2 1 n
v T v T v T es una base para W.
Luego sea W we , donde
=
=
n
i
i i
w a w
1
, donde n i v T w
i i
, , 1 ; ) ( = =
Entonces existe V v e donde
=
=
n
i
i i
v a v
1
tal que:
w w a v T a v a T v T
n
i
i i
n
i
i i
n
i
i i
= = = |
.
|
\
|
=

= = = 1 1 1
) ( ) (
en consecuencia T es suryectiva.
iii) iv)
Sea } , , , {
2 1 n
v v v una base de V y n i w v T
i i
, , 2 , 1 ; ) ( = = , sus imgenes
mediante T. Probaremos que } , , , {
2 1 n
w w w genera W.
En efecto, para todo W we , existe V v e , donde
=
=
n
i
i i
v a v
1
tal que

= = =
= = |
.
|
\
|
= =
n
i
i i
n
i
i i
n
i
i i
w a v T a v a T v T w
1 1 1
) ( ) (
por ser T suryectiva. Por otra parte como n W
K
= dim , entonces
} , , , {
2 1 n
w w w es una base para W.
Luego T transforma bases en bases.
iv) i)
Ya fue demostrado (ver teorema 4.3.)
----------------------------------------------------------------------------------------------------------
67
PROPOSICIN 4.5.- Sean V y W dos espacios vectoriales de dimensin finita
sobre un mismo campo K. W V ~ si y solo si W V
K K
dim dim = .
PRUEBA.- Ejercicio.
PROPOSICIN 4.5.-.- Sean V, W espacios vectoriales de dimensin finita sobre
un campo K y W V T : una transformacin lineal. Entonces:
) Im( dim ) ( dim dim T T Nu V
K K K
+ =
PRUEBA.- Ejercicio.

5. ESPACIO VECTORIAL DE LAS TRANSFORMACIONES LINEALES
Sean V y W dos espacios vectoriales sobre el campo K. Denotemos el conjunto
formado por todas las transformaciones lineales de V en W por:
T W V T W V L / : { ) , ( = es una transformacin lineal}
En ) , ( W V L definimos:
La adicin
2 1 2 1
) , (
) , ( ) , ( ) , (
T T T T
W V L W V L W V L
+

tal que V v v T v T v T T e + = + ); ( ) ( ) )( (
2 1 2 1
.
La multiplicacin por escalar
aT T a
W V L W V L K
) , (
) , ( ) , (

tal que V v K a v aT v aT e e = , ); ( ) )( ( .
Afirmacin
1)
2 1
T T + y
2) aT
son transformaciones lineales de V en W.
1) ) ( ) ( ) )( (
2 1 2 1
bv au T bv au T bv au T T + + + = + + def. de adicin
) ( ) ( ) ( ) (
2 2 1 1
v bT u aT v bT u aT + + + = por ser
2 1
, T T t.l.
)) ( ) ( ( )) ( ) ( (
2 1 2 1
v T v T b u T u T a + + + =
) )( ( ) )( (
2 1 2 1
v T T b u T T a + + + =
Luego
2 1
T T + es una transformacin lineal de V en W.
2) ) ( ( ) )( ( cv bu T a cv bu aT + = + def. de multiplicacin.
----------------------------------------------------------------------------------------------------------
68
)) ( ) ( ( v cT u bT a + = por ser T t.l.
) ( ) ( ) ( ) ( v T ac u T ab + =
) )( ( ) )( ( v aT c u aT b + =
Luego aT es una transformacin lineal de V en W.

PROPOSICIN 5.1.- Sean V y W dos espacios vectoriales sobre un mismo campo
K. El conjunto de las transformaciones lineales ) , ( W V L con las operaciones
definidas anteriormente es un espacio vectorial sobre K.
DEMOSTRACIN.- Los detalles de la demostracin la dejaremos para el lector.
Slo haremos notar las propiedades V
2
) y V
3
); es decir, la existencia del elemento
nulo para ) , ( W V L es la transformacin lineal W V : u tal que
W
v u u = ) ( ,
V v e y el hecho de que ) , ( W V L T e existe inverso T que se define como
V v v T v T e = ; ) ( ) )( ( .

EJERCICIOS
1. Si ) , ( , ,
3 2 1
V V L T T T e y K ae . Entonces demuestre que se cumple:
a)
3 1 2 1 3 2 1
) ( T T T T T T T + = +
b)
3 2 2 1 3 2 1
) ( T T T T T T T + = +
c) ) ( ) ( ) (
2 1 2 1 2 1
aT T T aT T T a = =
2. Si ) , ( ,
2 1
W V L T T e son invertibles, entonces demuestre que
2 1
T T es tambin
invertible y adems se verifica que:
1
1
1
2
1
2 1
) (

= T T T T

DEFINICIN 5.2.- Un lgebra sobre K es un conjunto que cumple las siguientes
condiciones:
i) Que sea un espacio vectorial.
ii) Que est provisto de una operacin producto tal que:
a) AC AB C B A + = + ) ( ; A, B y C elementos del conjunto.
b) CA BA A C B + = + ) (
c) B A aB A B aA AB a , ; ) ( ) ( ) ( = = elementos del conjunto y K ae .
----------------------------------------------------------------------------------------------------------
69
OBSERVACIN 5.2.1.- ) , ( W V L es un lgebra sobre K con la operacin de
composiciones lineales.

TEOREMA 5.3.- Sean V y W dos espacios vectoriales sobre un mismo campo K
tales que n V
K
= dim y m W
K
= dim . Entonces:
W V W V L
K K K
dim dim ) , ( dim =
PRUEBA
Sean } , , , {
2 1 n
v v v y } , , , {
2 1 m
w w w bases ordenadas de V y W respecti-
vamente. Para cada m j n i j i s s . s s 1 1 ), , ( definimos:
W V T
j i
:
como:
=
=
=
i k si w
i k si
v T
j
W
K j i
,
,
) (
u

j k i
w o =
donde:
=
=
=
i k si
i k si
K i
1
0
o delta de Kronecker (o )
Por el teorema fundamental de las transformaciones lineales 1.5. existe una
transformacin lineal nica que satisface las condiciones anteriores.
Afirmacin.- } {
j i
T donde m j n i s s . s s 1 1 es una base para ) , ( W V L .
i) Que son linealmente independientes
Sea u =
=
m n
j i
j i ij
T a
,
1 ,

Consideremos k fijo donde n k s s 1 .
W
m n
j i
K j i ij
v T a u =
=
,
1 ,
) (
W
m n
j i
j k i ij
w a u o =
=
,
1 ,

W
m
j
j kj
w a u =
=1

pero como } , , , {
2 1 m
w w w es linealmente independiente.
----------------------------------------------------------------------------------------------------------
70
m j a
j K
s s = 1 , 0 y n k s s 1
m i a
j i
s s = 1 , 0 y n j s s 1
} {
j i
T donde n i s s 1 y m j s s 1 es linealmente independiente sobre K.
ii) Que genere el espacio
Sea ) , ( W V L T e , fijemos k tal que n k s s 1 . ) (
k
v T es un elemento de W.
Entonces:
K a w a v T
j k
m
j
j j k k
e =
=
; ) (
1

Probaremos que
=
=
m n
j i
j i ij
T a T
,
1 ,
(1)
Denotemos por G la transformacin del segundo miembro de (1).
) , (
,
1 ,
W V L T a G
m n
j i
j i ij
e =

=

=
=
m n
j i
k j i ij k
v T a v G
,
1 ,
) ( ) (

=
=
m n
j i
j k i ij
w a
,
1 ,
o , definicin de
j i
T

= =
=
m
j
n
i
j ik ij
w a
1 1
o

=
=
m
j
j j k
w a
1

) (
k
v T =
n k v T v G
k k
, , 1 ), ( ) ( = = y como } , , , {
2 1 n
v v v es una base de V.
=
= =
m n
j i
j i ij
T a G T
,
1 ,
.
De i) y ii) queda probada la afirmacin de que } {
j i
T donde m j n i s s . s s 1 1 es
una base para ) , ( W V L .
W V nm W V L
K K K
dim dim ) , ( dim = =

----------------------------------------------------------------------------------------------------------
71
6. ESPACIO DUAL DE UN ESPACIO VECTORIAL
DEFINICIN 6.1.- Sea V un espacio vectorial sobre el campo K. Llamaremos
espacio dual del espacio vectorial V al espacio vectorial de las transformaciones
lineales de V en K.
NOTACIN.- El espacio dual del espacio vectorial V sobre el campo K
denotaremos por
*
V . Luego ) , (
*
K V L V = ; los elementos de
*
V se llaman
funcionales lineales o formas lineales.
Sean } , , {
1 n
v v y {1} bases para V y K respectivamente. Definimos:
K V T
j i
: , donde n i s s 1 y 1 = j
En virtud del teorema 6.3., tendremos que n n V
K
= = 1 dim
*
, y } , , , {
1 21 11 n
T T T
es una base para
*
V que denotaremos como:
} , , , {
1 2 21 1 11 n n
T T T = = =
llamada base dual.
OBSERVACIN.- Tambin es usual denotar la base de un espacio dual como
} , , { } , , { } , , {
* *
1 1 1 n n n
v v f f = = =
-
B
EJEMPLO 6.1.1.- Sea K un campo y K a a
n
e , ,
1
. La funcin K K
n
:
definida por

n n n
x a x a x x + + =
1 1 1
) , , (
es una funcional lineal sobre
n
K .
EJEMPLO 6.1.2.- Sea
n n
K V

= V el espacio vectorial de las matrices cuadradas de
orden n sobre K. La funcin traza K K T
n n
: definido como
nn
a a a A T + + + =
22 11
) (
donde
n n ij
a A

= ] [ es un funcional lineal.
Dado V un K-espacio vectorial de dimensin finita y } , , {
1 n
v v = B una base
ordenada de V; por el teorema fundamental de las transformaciones lineales, existe
para cada i, un funcional lineal nico
ij j i
v o = ) ( . De esta forma, se obtiene a partir
de la base } , , {
1 n
v v = B un conjunto de n funcionales lineales linealmente
independientes
n
, ,
1
sobre V que forman una base para
-
V . En el siguiente
teorema se formaliza la afirmacin dada anteriormente.
----------------------------------------------------------------------------------------------------------
72
TEOREMA 6.2.- Sea V un espacio vectorial de dimensin finita sobre el campo K
y sea } , , {
1 n
v v = B una base de V sobre K. Sean
-
eV
n
, ,
1
los
funcionales lineales definidos como
=
=
= =
j i si
j i si
v
ij j i
0
1
) ( o
Entonces el conjunto } , , {
1 n
=
-
B es una base de V*.
PRUEBA
i) El conjunto } , , {
1 n
=
-
B es linealmente independiente.
En efecto, suponiendo que
0
2 2 1 1
= + + +
n n
a a a (1)
Evaluando, ambos lados de (1) en v
1
se tiene:
) ( 0 ) )( (
1 1 2 2 1 1
v v a a a
n n
= + + +
) ( 0 ) )( (
1 1 2 2 1 1
v v a a a
n n
= + + +
0 0 ) 0 ( ) 0 ( ) 1 (
1 2 1
= = + + + a a a a
n

De manera anloga para i = 2, ., n
) ( 0 ) )( (
2 2 1 1 i i n n i i
v v a a a a = + + + + +
0 ) ( ) ( ) ( ) (
2 2 1 1
= + + + + +
i n n i i i i i
v a v a v a v a
0 ) 0 ( ) 1 ( ) 0 ( ) 0 (
2 1
= + + + + +
n i
a a a a
a
i
= 0 ; i = 2, .., n
Entonces 0 , , 0 , 0
2 1
= = =
n
a a a .Luego } , , {
1 n
=
-
B es linealmente
independiente.
ii) } , , {
1 n
=
-
B genera V*
Sea
-
eV y supongamos que
n n
k v k v k v = = = ) ( , , ) ( , ) (
2 2 1 1

Tomamos
n n
k k k o + + + =
2 2 1 1
. Entonces
) )( ( ) (
1 2 2 1 1 1
v k k k v
n n
o + + + =
) ( ) ( ) (
1 1 2 2 1 1 1
v k v k v k
n n
+ + + =
) 0 ( ) 0 ( ) 1 (
2 1 n n
k k k + + + =
1 1
) ( k v = o

De manera anloga para; i = 2, ., n
----------------------------------------------------------------------------------------------------------
73
) )( ( ) (
2 2 1 1 i n n i i i
v k k k k v o + + + + + =
) ( ) ( ) ( ) (
2 2 1 1 i n n i i i i i
v k v k v k v k + + + + + =
) 0 ( ) 1 ( ) 0 ( ) 0 (
2 1 n i
k k k k + + + + + =

i
k =
Luego
i i
k v = ) ( o

; i = 1, .., n
Como y coinciden sobre los vectores de la base B,
n n
k k o + + = =
1 1
.
En consecuencia } , , {
1 n
=
-
B genera V*
De (i) y (ii) } , , {
1 n
=
-
B es una base para V*.
EJEMPLO 6.2.1.- Hallar la base dual de )} 2 , 1 , 0 ( ), 0 , 1 , 2 ( ), 1 , 0 , 1 {( .
SOLUCIN
Hallaremos funcionales
* 3
3 2 1
) ( , , R f f f e tales que:
k i k i
v f o = ) ( para 3 , 2 , 1 = i y 3 , 2 , 1 = k
donde )} 2 , 1 , 0 ( ), 0 , 1 , 2 ( ), 1 , 0 , 1 (
3 2 1
= = = v v v y R R f
i

3
: .
Sea
3
) , , ( R z y x v e = un vector cualesquiera
3 3 2 2 1 1
v a v a v a v + + = (1)
) 2 , 1 , 0 ( ) 0 , 1 , 2 ( ) 1 , 0 , 1 ( ) , , (
3 2 1
a a a z y x + + =
) 2 , , 2 (
3 1 3 2 2 1
a a a a a a + + + =
de donde:
= +
= +
= +
z a a
y a a
x a a
3 1
3 2
2 1
2
2
(2)
resolviendo el sistema (2) se tiene que ) 2 (
4
1
), 2 (
2
1
2 1
z y x a z y x a + = + = y
) 2 (
4
1
3
z y x a + + = , y reemplazando estos valores en (1) tenemos:
3 2 1
) 2 (
2
1
) 2 (
4
1
) 2 (
2
1
v z y x v z y x v z y x v + + + + + + = (3)
aplicando
2 1
, f f y
3
f a (3), se tiene:
----------------------------------------------------------------------------------------------------------
74

+ + =
+ =
+ =
) 2 (
4
1
) , , (
) 2 (
4
1
) , , (
) 2 (
2
1
) , , (
3
2
1
z y x z y x f
z y x z y x f
z y x z y x f
(4)
(se ha hecho uso de que
ik k i
v f o = ) ( para 3 , 2 , 1 = i y 3 , 2 , 1 = k ).
Por consiguiente la base dual de )} 2 , 1 , 0 ( ), 0 , 1 , 2 ( ), 1 , 0 , 1 {( est formada por
} , , {
3 2 1
f f f obtenida en (4).

EJEMPLO 6.2.2.- Sea } , {
2 1
f f una base dual para
* 2
) (R donde y x y x f 3 ) , (
1
=
y y x y x f + = 2 ) , (
2
. Hallar una base } , {
2 1
v v de
2
R tal que } , {
2 1
f f sea dual de
} , {
2 1
v v .
SOLUCIN
Sea )} , ( ), , ( {
2 2 2 1 1 1
y x v y x v = = la base de
2
R .
Evaluando
1
f y
2
f en
1
v , tenemos:
1 3 ) (
1 1 1 1
= = y x v f
0 2 ) (
1 1 1 2
= + = y x v f
y resolviendo el sistema de ecuaciones, se tiene que 7 / 1
1
= x y 7 / 2
1
= y . Luego
) 7 / 2 , 7 / 1 (
1
= v .
Ahora evaluando
1
f y
2
f en
2
v , tenemos:
0 3 ) (
2 2 2 1
= = y x v f
1 2 ) (
2 2 2 2
= + = y x v f
y resolviendo el sistema de ecuaciones, se tiene que 7 / 3
2
= x y 7 / 1
2
= y . Luego
) 7 / 1 , 7 / 3 (
2
= v .
por consiguiente la base en
2
R es:
)} 7 / 1 , 7 / 3 ( ), 7 / 2 , 7 / 1 {(

TEOREMA 6.3.- Sea } , , {
1 n
v v = B una base de V y sea } , , {
1 n
=
-
B la
base dual de V*. Entonces todo vector V u e , se puede escribir como
n n
v u v u v u u ) ( ) ( ) (
2 2 1 1
+ + + = (1)
----------------------------------------------------------------------------------------------------------
75
y toda funcional lineal
-
eV o se puede escribir como

n n
v v v o o o o ) ( ) ( ) (
2 2 1 1
+ + + = (2)
Prueba
Supongamos que

n n
v a v a v a u + + + =
2 2 1 1
(3)
Entonces aplicando
1
a (3) se tiene
) ( ) (
2 2 1 1 1 1 n n
v a v a v a u + + + =
) ( ) ( ) (
1 2 1 2 1 1 1 n n
v a v a v a + + + =
) 0 ( ) 0 ( ) 1 (
2 1 n
a a a + + + =
) (
1 1
u a =
De forma similar se tiene aplicando n i
i
, , 2 ; =
) ( ) (
1 1 n n i i i i
v a v a v a u + + + + =
) ( ) ( ) (
1 1 n i n i i i i
v a v a v a + + + + =
) 0 ( ) 1 ( ) 0 (
1 n i
a a a + + + + =
n i u a
i i
, , 1 ; ) ( = =
Luego se tiene que
n n
a u a u a u = = = ) ( , , ) ( , ) (
2 2 1 1

y reemplazando los valores anteriores en (3) se tiene
n n
v u v u v u u ) ( ) ( ) (
2 2 1 1
+ + + =
Para demostrar que se verifica la relacin (2), aplicamos el funcional lineal o a
ambos lados de (1)
) ) ( ) ( ) ( ( ) (
2 2 1 1 n n
v u v u v u u o o + + + =
) ( ) ( ) ( ) ( ) ( ) (
2 2 1 1 n n
v u v u v u o o o + + + =
) ( ) ( ) ( ) ( ) ( ) (
2 2 1 1
u v u v u v
n n
o o o + + + =
) )( ) ( ) ( ) ( ( ) (
2 2 1 1
u v v v u
n n
o o o o + + + =
Como se cumple V u e , entonces se tiene que

n n
v v v o o o o ) ( ) ( ) (
2 2 1 1
+ + + =
Con lo cual se completa la demostracin del teorema.

----------------------------------------------------------------------------------------------------------
76
EJERCICIOS
1. Sea V un K-espacio vectorial de dimensin finita y u = v un vector
perteneciente a V. Probar, que existe
*
V f e tal que 0 ) ( = v f .
2. Hallar una base dual para cada una de las siguientes bases de
3
R :
i) )} 1 , 1 , 1 ( ), 0 , 1 , 1 ( ), 0 , 0 , 1 {(
ii) )} 7 , 4 , 2 ( ), 1 , 1 , 1 ( ), 3 , 2 , 1 {(
3. Sea V el espacio vectorial de los polinomios reales de grado menor o igual a 2.
Si
2 1
, | | y
3
| son funcionales lineales sobre V definidas como:
}
= =
1
0
2 1
) 1 ( ' )) ( ( , ) ( )) ( ( f t f dt t f t f | | y ) 0 ( )) ( (
3
f t f = |
donde V ct bt a t f e + + =
2
) ( . Hallar } , , {
3 2 1
f f f de V que es dual a
} , , {
3 2 1
| | | .
4. Sean V v u e , y supongamos que 0 ) ( = u f implica 0 ) ( = v f para todo V v e .
Mostrar que ku v = para algn escalar k.
5. Sean
*
, V g f e y que 0 ) ( = v f implica 0 ) ( = v g , para todo V v e . Mostrar
que kf g = para algn escalar k.

7. SEGUNDO ESPACIO DUAL O BIDUAL DE UN ESPACIO VECTORIAL
Dado V un espacio vectorial sobre un campo K tiene un espacio dual.
} / : { lineal funcional una es K V V =
-

Asimismo,
-
V tiene su dual que denotamos por
- -
V , llamado segundo dual de V o
bidual de V y esta formado por todas las funcionales lineales sobre
-
V .
A cada V v e se le asocia un elemento
* *
V v e , definiendo

) ( ) (
:
*
v v
K V v
=

La aplicacin v es lineal: En efecto,
*
, ; , V K b a e e o
) )( ( ) ( v b a b a v o o + = + Por definicin de v
) ( ) ( v b v a o + = Por ser y o funcionales lineales
) ( ) ( o v b v a + =
Luego, v es lineal y por consiguiente
* *
V v e
)} ( ) ( / : {
* * *
v v K V v V = =
----------------------------------------------------------------------------------------------------------
77
PROPOSICIN 7.1.- . Sea V un K-espacio vectorial de dimensin finita.
Demostrar que si V v e y u = v , entonces existe
*
V e tal que 0 ) ( = v .
PRUEBA.
Sea n V = dim , v 0 es linealmente independiente.
Por el teorema de completacin de bases existen V v v
n
e , ,
2
, tal que
} , , , {
2 n
v v v es una base para V. Luego por el teorema fundamental de las
transformaciones lineales existe una nica aplicacin lineal K V : tal que
1 ) ( = v y n i v
i
, , 2 ; 0 ) ( = = . Luego tiene las condiciones pedidas.
TEOREMA 7.2.- Si V tiene dimensin finita, entonces la aplicacin v v es un
isomorfismo de V sobre
* *
V .
Prueba

Luego la aplicacin v v es lineal.
Probemos que la aplicacin es un isomorfismo.
Es suficiente verificar que la aplicacin v v es inyectiva.
Por la proposicin anterior, dado u = e v V v , v V, existe
*
V e tal que
0 ) ( = v . Luego 0 ) ( ) ( = = v v y por consiguiente 0 = v .
Como 0 = = v v u , la aplicacin v v es inyectiva y por consiguiente es un
isomorfismo.
Ahora
* * *
dim dim dim V V V = = ya que V iene dimensin finita. En
consecuencia la aplicacin v v es un isomorfismo de V sobre
* *
V .
----------------------------------------------------------------------------------------------------------
78
Del teorema, consideraremos a V como el espacio de las funcionales lineales sobre
*
V y se escribir
* *
V V ~ .
Ntese que si } {
i
es la base de
*
V dual a una base } {
i
v de V, entonces } {
i
v es
la base de
* *
V V ~ dual a
i
.

8.- ANULADORES
Sea V un K-espacio vectorial y W un subconjunto (no necesariamente subespacio)
de V. Se dice un funcional lineal
*
V e es un anulador de W si
W w w e = , 0 ) ( ; es decir } 0 { ) ( = W . El conjunto formado por todas las
funcionales lineales que cumplen la definicin anterior se denota por
0
W y es
llamado el anulador de W. Es decir,
} ; 0 ) ( / {
* 0
W w w V W e = e =
El conjunto
0
W es un subespacio de
*
V , pues
* 0
V W c por definicin y adems
u =
0
W , pues el funcional lineal nulo 0 ) ( 0 = w est en
0
W .
Hay que probar que dados
0 0
; , , , W b a W K b a e + e e o o
En efecto, ) )( ( ) )( ( ) )( ( w b w a w b a o o + = +
) ( ) ( w b w a o + =
) 0 ( ) 0 ( b a + = Por ser
0
, W e o
0 =
Luego,
0
W b a e + o y en consecuencia
0
W es un subespacio de
*
V .

EJERCICIO 8.1.1.- Sea V un K-espacio vectorial. Demostrar que si
*
V e anula
un subconjunto V S c , entonces anula al subespacio ) (S L .
SOLUCIN
Si ) (S L v e entonces existen S w w
r
e , ,
1
tal que
r r
w a w a v + + =
1 1
.
Luego, 0 ) ( ) ( ) (
1 1
= + + =
r r
w a w a v . Como v es un elemento arbitrario de
) (S L , anula a ) (S L .

EJEMPLO 8.1.2 .- Sea W el subespacio de
4
R , generado por ) 4 , 3 , 2 , 1 (
1
= v y
) 1 , 4 , 1 , 0 (
2
= v . Hallar una base para el anulador de W.
----------------------------------------------------------------------------------------------------------
79
SOLUCIN
Por el ejercicio anterior es suficiente hallar una base del conjunto de funcionales
lineales dw cz by ax w z y x R R + + + = ) , , , ( / :
4
tal que 0 ) (
1
= v y
0 ) (
2
= v .
0 4 ) 1 , 4 , 1 , 0 (
0 4 3 2 ) 4 , 3 , 2 , 1 (
0 ) (
0 ) (
1
1
= + =
= + + =
=
=
d c b
d c b a
v
v
1
0
1 4 1 0
6 11 0 1
~
1
0
1 4 1 0
4 3 2 1

+ =
=
= +
= +
d c b
d c a
d c b
d c a
4
6 11
0 4
0 6 11

i) Para 4 , 11 , 0 , 1 = = = = b a d c , se tiene z y x w z y x + = 4 11 ) , , , (
1

ii) Para 1 , 6 , 1 , 0 = = = = b a d c , se tiene w y x w z y x + + = 6 ) , , , (
2
.
Luego, de i) y ii) el conjunto } , {
2 1
es una base para
0
W anulador de W.

PROPOSICIN 8.2.- Demostrar las siguientes proposiciones:
i)
00
, S S V S c c .
ii)
0
1
0
2 2 1
S S S S c c .
PRUEBA
i) Sea
0 0 0
) ( 0 ) ( ) ( , S v v v S S v e = = e e . Por lo tanto, por medio
de la identificacin de V y V**,
00
S v e . Por consiguiente
00
S S c .
ii)
2 1
S S c (Hiptesis)

0
1
0
2
S S c (Por demostrar)
Sea
2
0
2
; 0 ) ( S v v S e = e

1
; 0 ) ( S v v e = Por hiptesis

0
1
S e
Luego,
0
1
0
2
S S c .

----------------------------------------------------------------------------------------------------------
80
TEOREMA 8.3.- Sea V un K-espacio vectorial de dimensin finita y W un
subespacio de V. Entonces se cumplen las siguientes proposiciones:
i) V W W dim dim dim
0
= +
ii) W W =
00

donde } ; 0 ) ( / {
0 00
W v V v W e = e = , tambin es usual denotar
0 0 00
) (W W = , consideramos
00
W un subespacio de V por la identificacin de V
con V*.
PRUEBA
i) Supongamos que n V = dim y n r W s = dim .
Se quiere probar que r n W =
0
dim .
Sea } , , {
1 r
w w una base para W, luego por el teorema de completamiento de
bases extendemos a la siguiente base } , , , , , {
1 1 r n r
v v w w

para V .
Consideramos la base dual } , , , , , {
1 1 r n r
o o .
Por definicin de la base dual, cada una de las anteriores o anula a cada
i
w ,
luego
0
1
, , W
r n
e
o o .
Afirmacin.- } {
j
o es una base de
0
W .
a) Que sea } {
j
o linealmente independiente.
Al ser } , , , , , {
1 1 r n r
o o base, entonces } , , {
1 r n
o o es
linealmente independiente.
b) Que } {
j
o genere a
0
W .
Sea
0
W e o , por una proposicin anterior se puede expresar

r n r n r r
v v w w

+ + + + + = o o o o o o o ) ( ) ( ) ( ) (
1 1 1 1

r n r n r
v v

+ + + + + = o o o o ) ( ) ( 0 0
1 1 1

r n r n
v v

+ + = o o o o o ) ( ) (
1 1

Luego } , , {
1 r n
o o genera
0
W .
De a) y b) el conjunto } , , {
1 r n
o o es una base de
0
W y en consecuencia
W V r n W dim dim dim
0
= =

0
dim dim dim W W V + =
----------------------------------------------------------------------------------------------------------
81
ii) Supongamos que n V = dim y r W = dim . Entonces, n V = * dim y por i)
r n W =
0
dim . Luego, nuevamente por i) r r n n W = = ) ( dim
00
, por
consiguiente,
00
dim dim W W = y por el ejercicio anterior
00
W W c .
En consecuencia
00
W W = .
PROPOSICIN 8.4.- Sean U y W subespacios de V. Probar que
0 0 0
) ( W U W U = + .
PRUEBA
i) Sea + e
0
) ( W U anula W U + .
anula U y W
0 0
W U e . e ) (
0 0
W U e

0 0 0
) ( W U W U c + .
ii) Sea ) (
0 0
W U e o , entonces o anula a U y tambin anula a W.
Si W U v + e entonces W w U u w u v e e + = , ; .
o o o o = + = + = 0 0 0 ) ( ) ( ) ( w u v anula a W U + .

0
) ( W U + e o .
Luego,
0 0 0
) ( W U W U + c .
Finalmente de la doble inclusin y definicin de igualdad se tiene

0 0 0
) ( W U W U = +

9. DUAL DE UNA TRANSFORMACIN LINEAL
DEFINICIN 9.1.- Sean V y W dos espacios vectoriales sobre el campo K y
W V T : una transformacin lineal arbitraria. La transformacin lineal T induce
una aplicacin lineal llamada dual de T, denotada por
*
T y que est definida como
* *
* * *
; ) (
:
W f T f f T f
V W T
e =

es decir:
K W V
f T

OBSERVACIN 9.1.1.- Tambin es usual llamar a
*
T transpuesta de la
aplicacin lineal T. En caso de usar esta denominacin es natural denotar
T
T T =
*
.
PROPOSICIN 9.2.- El dual de T es decir
*
T (segn la definicin 9.1.) es una
T f
----------------------------------------------------------------------------------------------------------
82
PRUEBA
T bg af bg af T ) ( ) (
*
+ = + por def. 9.1.
T bg T af ) ( ) ( + =
) ( ) ( T g b T f a + =
) ( ) (
* *
g bT f aT + =
*
T es una transformacin lineal.
EJEMPLO 9.2.1.- sea f la funcional lineal definida sobre
2
R por
y x y x f + = 2 ) , ( . Hallar ) , ))( ( (
*
y x f T si:
a) ) , 3 ( ) , ( x y y x T =
b) ) , 2 ( ) , ( y x y x y x T + =
SOLUCIN
a) ) , )( ( ) , ))( ( (
*
y x T f y x f T =
)) , ( ( y x T f =
) , 3 ( x y f =
x y = ) 3 ( 2
x y = 6
b) ) , )( ( ) , ))( ( (
*
y x T f y x f T =
)) , ( ( y x T f =
) , 2 ( y x y x f + =
) ( ) 2 ( 2 y x y x + + =
y x + = 5
V
T W
T
) ( / T Nu V t
----------------------------------------------------------------------------------------------------------
83
MATRIZ ASOCIADA A UNA TRANSFORMACIN LINEAL

Coordenadas o componentes de un vector
Sea V un K-espacio vectorial de dimensin finita y consideremos una base ordenada
} , , , {
2 1 n
v v v . = B . Luego, todo vector V v e se puede expresar de una nica forma
como combinacin lineal de los elementos de B. Es decir existen K a
i
e , n i , , 2 , 1 . =
tal que:
=
= + + + =
n
i
i i n n
v a v a v a v a v
1
2 2 1 1
. (1)
de tal forma que el vector V v e se puede caracterizar nicamente por los escalares
K a
i
e , n i , , 2 , 1 . = correspondientes a la combinacin lineal (1); esto es, por la n-upla
de elementos de K que expresamos como un vector columna y denotamos por:
(
(
(
(
=
n
a
a
a
v
.
2
1
] [
B
(2)
DEFINICIN.- La relacin (2) se denomina vector de coordenadas de v relativo a la
base B, a los escalares
i
a se les llaman coordenadas o componentes del vector V v e
respecto a la base B. Ntese que la transformacin lineal
B
] [v v determinada por la
base ordenada B es un isomorfismo de V en
1 n
K ; es decir a todo vector V v e se le
puede asociar de forma nica un vector columna cuyas componentes o coordenadas son
los escalares K a
i
e , n i , , 2 , 1 . = correspondientes a la combinacin (1) con respecto a
la base B.
Nota.- En lo que se sigue de esta seccin supondremos que el K-espacio vectorial es de
dimensin finita y la base considerada B es ordenada.
Ejemplo.-Sea } ) 1 , 1 , 1 ( ), 0 , 1 , 1 ( ), 0 , 0 , 1 ( { = B una base ordenada del espacio vectorial
3
R sobre R. Hallar el vector coordenado de ) 1 , 3 , 2 ( = v relativo a la base B.
Solucin
) 1 , 1 , 1 ( ) 0 , 1 , 1 ( ) 0 , 0 , 1 ( ) 1 , 3 , 2 (
3 2 1
a a a + + =
) 1 , 1 , 1 ( 1 ) 0 , 1 , 1 ( 4 ) 0 , 0 , 1 ( 1 ) 1 , 3 , 2 ( + =
----------------------------------------------------------------------------------------------------------
84

(
(
(
=
1
4
1
] [
B
v
Observacin.- Si B es la base cannica de ) , , , ( + K K
n
y ) , , , (
2 1 n
x x x v . =
cualquier vector de
n
K .
(
(
(
(
=
n
x
x
x
v
.
2
1
] [
B
y denotaremos ] [ ] [ v v =
B

MATRIZ ASOCIADA A UNA TRANSFORMACIN LINEAL
Sean V y W dos K-espacios vectoriales de dimensiones finitas, con bases ordenadas
} , , , {
2 1 n
v v v . = B y } , , , { '
2 1 m
w w w . = B , respectivamente. Si W V T : es una
transformacin lineal, entonces por el teorema fundamental de las transformaciones
lineales, T est unvocamente determinado por los valores que toma T en los vectores de
B. Es decir, como W V T : , entonces W v T
j
e ) ( , donde:
K a w a v T
ij
m
i
i ij j
e =
=
, ) (
1
(3)
para n j , , 1 = ; escribiendo en forma explcita:
m m
w a w a w a v T
1 2 21 1 11 1
) ( + + + = .
m m
w a w a w a v T
2 2 22 1 12 2
) ( + + + = .
. . . . .
m mn n n n
w a w a w a v T + + + = .
2 2 1 1
) (
entonces construimos una matriz que tenga como columnas los vectores de coordenadas
de ) ( , ), ( ), (
2 1 n
v T v T v T . la cual denotaremos por:
(
(
(
(
=
mn m m
n
n
a a a
a a a
a a a
A
.
. . . .
.
.
2 1
2 22 21
1 12 11
(4)
Definicin.- La matriz A obtenida en la relacin (2) es llamada matriz asociada a la
transformacin lineal T respecto a las bases B y ' B de V y W respectivamente y la
denotaremos como:
----------------------------------------------------------------------------------------------------------
85
'
] [
B
B
T A = (5)
Nota.- La matriz
'
] [
B
B
T A = definida en la relacin (5) tambin es frecuente denotar
como
| | ' ] [ ] [
'
'
B B
B B
B
B
T T T A = = =
,

Ejemplo.- Sea
4 3
: R R T tal que ) , 0 , , ( ) , , (
3 2 1 3 2 1
x x x x x x T = . Hallar la matriz
asociada a la transformacin lineal T.
a) Respecto a la bases cannicas de
3
R y
4
R respectivamente.
b) Si )} 1 , 1 , 1 ( ), 0 , 1 , 1 ( ), 0 , 0 , 1 {( = B es la base para
3
R y
)} 1 , 1 , 1 , 1 ( ), 0 , 1 , 1 , 1 ( ), 0 , 0 , 1 , 1 ( ), 0 , 0 , 0 , 1 {( ' = B es la base para
4
R

Solucin
a) Respecto a las bases cannicas
)} 1 , 0 , 0 ( ), 0 , 1 , 0 ( ), 0 , 0 , 1 {( de
3
R
)} 1 , 0 , 0 , 0 ( ), 0 , 1 , 0 , 0 ( ), 0 , 0 , 1 , 0 ( ), 0 , 0 , 0 , 1 {( de
4
R
) 1 , 0 , 0 , 0 ( 0 ) 0 , 1 , 0 , 0 ( 0 ) 0 , 0 , 1 , 0 ( 0 ) 0 , 0 , 0 , 1 ( 1 ) 0 , 0 , 0 , 1 ( ) 0 , 0 , 1 ( + + + = = T
) 1 , 0 , 0 , 0 ( 0 ) 0 , 1 , 0 , 0 ( 0 ) 0 , 0 , 1 , 0 ( 1 ) 0 , 0 , 0 , 1 ( 0 ) 0 , 0 , 1 , 0 ( ) 0 , 1 , 0 ( + + + = = T
) 1 , 0 , 0 , 0 ( 1 ) 0 , 1 , 0 , 0 ( 0 ) 0 , 0 , 1 , 0 ( 0 ) 0 , 0 , 0 , 1 ( 0 ) 1 , 0 , 0 , 0 ( ) 1 , 0 , 0 ( + + + = = T
luego
3 4
1 0 0
0 0 0
0 1 0
0 0 1
] [
(
(
(
(
= T
b) Respecto a las bases
)} 1 , 1 , 1 ( ), 0 , 1 , 1 ( ), 0 , 0 , 1 {( = B de
3
R
)} 1 , 1 , 1 , 1 ( ), 0 , 1 , 1 , 1 ( ), 0 , 0 , 1 , 1 ( ), 0 , 0 , 0 , 1 {( ' = B de
4
R
) 1 , 1 , 1 , 1 ( 0 ) 0 , 1 , 1 , 1 ( 0 ) 0 , 0 , 1 , 1 ( 0 ) 0 , 0 , 0 , 1 ( 1 ) 0 , 0 , 0 , 1 ( ) 0 , 0 , 1 ( + + + = = T
) 1 , 1 , 1 , 1 ( 0 ) 0 , 1 , 1 , 1 ( 0 ) 0 , 0 , 1 , 1 ( 1 ) 0 , 0 , 0 , 1 ( 0 ) 0 , 0 , 1 , 1 ( ) 0 , 1 , 1 ( + + + = = T
) 1 , 1 , 1 , 1 ( 1 ) 0 , 1 , 1 , 1 ( 1 ) 0 , 0 , 1 , 1 ( 1 ) 0 , 0 , 0 , 1 ( 0 ) 1 , 0 , 1 , 1 ( ) 1 , 1 , 1 ( + + = = T
luego
3 4
'
1 0 0
1 0 0
1 1 0
0 0 1
] [
(
(
(
(
=
B
B
T
----------------------------------------------------------------------------------------------------------
86
Ejemplo.- Dados los espacios vectoriales .) , , , ( R R + , .) , , , (
2
R R + y la
transformacin lineal
2
: R R T definida como
) 2 , ( ) ( x x x T =
Hallar la matriz asociada a T respecto a las bases } 1 { = B , } ) 1 , 1 ( ), 0 , 1 {( ' = B
Solucin
) 1 , 1 ( 2 ) 0 , 1 ( 1 ) 2 , 1 ( ) 1 ( + = = T

1 2
'
2
1
] [
=
B
B
T
Ejemplo.- Sea V un espacio vectorial sobre K de dimensin n y V V F : una
transformacin lineal definida como
v v F 2 ) ( =
Hallar la matriz asociada de F respecto a ala base: } , , , { '
2 1 n
v v v . = =B B
Solucin
n
v v v v F 0 0 2 ) (
2 1 1
+ + + = .
n
v v v v F 0 2 0 ) (
2 1 2
+ + + = .
. . . . .
n n
v v v v F 2 0 0 ) (
2 1
+ + + = .

n n
F
(
(
(
(
=
2 0 0
0 2 0
0 0 2
] [
.
. . . .
.
.
B
B

Ejemplo.- Dados los espacios vectoriales
} / ) , , {(
3
1
y x R z y x W = e = y } / ) {(
2 2
2 2 2 ji ij ij
a a R a W = e =

se define la transformacin lineal
2 1
: W W G como
(
=
0
) , , (
x
x z
z y x G
Hallar la matriz asociada de G respecto a las bases:

)} 1 , 0 , 0 ( ), 0 , 1 , 1 {( = B de
1
W y
)
`
=
0 1
1 0
,
1 0
0 0
,
0 0
0 1
' B de
2
W .
Solucin
----------------------------------------------------------------------------------------------------------
87
(
+
(
+
(
=
(
=
0 1
1 0
1
1 0
0 0
0
0 0
0 1
0
0 1
1 0
) 0 , 1 , 1 ( G
(
+
(
+
(
=
(
=
0 1
1 0
0
1 0
0 0
0
0 0
0 1
1
0 0
0 1
) 1 , 0 , 0 ( G

2 3
'
0 1
0 0
1 0
] [
(
(
(
=
B
B
G
Proposicin.- Sean W V T : una transformacin lineal, } , , , {
2 1 n
v v v . = B y
} , , , { '
2 1 m
w w w . = B bases ordenadas de V y W respectivamente.
Si
'
] [
B
B
T A= es la matriz asociada a la transformacin lineal T respecto a las bases B y
' B , V v e y
(
(
(
(
= =
n
c
c
c
v C
.
2
1
] [
B
las coordenadas de v respecto a la base B, entonces
AC v T =
'
)] ( [
B
son las coordenadas de T(v) en la base de ' B .
Prueba
Si
'
] [
B
B
T A= es la matriz asociada a la transformacin lineal T, entonces:
=
=
m
i
i ij j
w a v T
1
) ( , n j , , 1 = (1)
como
(
(
(
(
= =
n
c
c
c
v C
.
2
1
] [
B
son las coordenadas de v respecto a la base de B, entonces:
=
=
n
j
j j
v c v
1
(2)
ahora
|
|
.
|
\
|
=

=
n
j
j j
v c T v T
1
) (
=
=
n
j
j j
v T c
1
) (

= =
|
.
|
\
|
=
n
j
m
i
i ij j
w a c
1 1
de (1)
----------------------------------------------------------------------------------------------------------
88
i
m
i
n
j
j ij
w c a

= =
|
|
.
|
\
|
=
1 1
(3)
Escribiendo explcitamente la relacin (3) se tiene

n
n
j
j nj
n
j
j j
n
j
j j
w c a w c a w c a v T

= = =
+ + + =
1
2
1
2 1
1
1
) ( (4)
Luego de (4)
| |
(
(
(
(
(
(
(
(
=
=
=
n
j
j mj
n
j
j j
n
j
j j
c a
c a
c a
v T
1
1
2
1
1
'
) (
.
B

(
(
(
(
+ + +
+ + +
+ + +
=
n mn n n
n n
n n
c a c a c a
c a c a c a
c a c a c a
.
. . . . . . .
.
.
2 2 1 1
2 2 22 1 21
1 2 12 1 11

(
(
(
(
(
(
(
(
=
n mn n m
n
n
c
c
c
a a a
a a a
a a a
.
.
. . . .
.
.
2
1
2 1
2 22 21
1 12 11

AC =
Finalmente, tomando extremos se obtiene AC v T =
'
)] ( [
B
.
Ejemplo.- Sea
3 2
: R R T una transformacin lineal definida como
) , , 2 ( ) , ( y x y x x y x T + = .
Considererando: )} 2 , 1 ( ), 1 , 1 {( = B una base de
2
R y
)} 0 , 1 , 1 ( ), 1 , 0 , 1 ( ), 1 , 1 , 1 {( ' = B una base de
3
R
i) Hallar
'
] [
B
B
T .
ii) Si ) 3 , 2 ( = v , hallar las coordenadas de ) (v T .
Solucin
i) ) 0 , 1 , 1 ( 2 ) 1 , 0 , 1 ( 0 ) 1 , 1 , 1 ( 0 ) 0 , 2 , 2 ( ) 1 , 1 ( + + = = T
) 0 , 1 , 1 ( 3 ) 1 , 0 , 1 ( 1 ) 1 , 1 , 1 ( 0 ) 1 , 3 , 2 ( ) 2 , 1 ( + = = T
----------------------------------------------------------------------------------------------------------
89

3 2
'
3 2
1 0
0 0
] [
(
(
(
=
B
B
T
ii) ) 2 , 1 ( 5 ) 1 , 1 ( 7 ) 3 , 2 ( = = v
luego
(
=
5
7
] [
B
v

| |
(
(
(
=
(
(
(
(
=
1
5
0
5
7
3 2
1 0
0 0
) (
' B
v T

Ejemplo.- Sea
2 3
: R R T una transformacin lineal, consideremos las bases:
)} 0 , 1 , 0 ( ), 1 , 0 , 0 ( ), 1 , 1 , 1 {( = B de
3
R
)} 1 , 1 ( ), 1 , 1 {( ' = B de
2
R
Sabiendo que | |
(
=
2 / 3 2 / 1 2
2 / 3 2 / 1 1
' B
B
T
i) Hallar ) 2 , 0 , 3 ( T
ii) Hallar ) , , ( z y x T
Solucin
i) ) 0 , 1 , 0 ( 3 ) 1 , 0 , 0 ( 1 ) 1 , 1 , 1 ( 3 ) 2 , 0 , 3 ( + = = v luego
(
(
(
=
3
1
3
] [
B
v
hallando las coordenadas de ) 2 , 0 , 3 ( T tenemos:
| |
(
=
(
(
(
=
10
7
3
1
3
2 / 3 2 / 1 2
2 / 3 2 / 1 1
) (
' B
v T
) 1 , 1 ( 10 ) 1 , 1 ( 7 ) 2 , 0 , 3 ( + = T
) 3 , 17 ( =
ii) Sea ) 0 , 1 , 0 )( ( ) 1 , 0 , 0 )( ( ) 1 , 1 , 1 ( ) , , ( + + = = y x x z x z y x v luego
----------------------------------------------------------------------------------------------------------
90
(
(
(
=
y x
x z
x
v
B
] [
Hallando las coordenadas de ) , , ( z y x T :
| |
(
(
(
=
y x
x z
x
z y x T
2 / 3 2 / 1 2
2 / 3 2 / 1 1
) , , (
' B

(
(
(
+
+
=
z y x
z y x
2
1
2
3
3
2
1
2
3
2

) 1 , 1 ( )
2
1
2
3
x 3 ( ) 1 , 1 ( )
2
1
2
3
2 ( ) , , ( + + + = z y z y x z y x T
) , 3 5 ( ) , , ( x z y x z y x T + =

Proposicin.- Sean V y W dos K-espacios vectoriales de dimensin finita con bases
ordenadas } , , , {
2 1 n
v v v = B y } , , , {
2 1 m
w w w = ' B , respectivamente. Si
W V S T : , son dos transformaciones lineales y K b a e , , entonces
| | | | | |
B
B
B
B
B
B
' ' '
+ = + S b T a bS aT
Prueba
Sean | | | |
ij
a T =
' B
B
y | | | |
ij
b S =
' B
B
las matrices asociadas de T y S con respecto a las
bases ordenadas } , , , {
2 1 n
v v v = B de V y } , , , {
2 1 m
w w w = ' B de W.
Se tiene
n j v bS v aT v bS aT
j j j
, , 1 ; ) ( ) ( ) )( ( = + = +
n j w b b w a a
m
i
i ij
m
i
i ij
, , 1 ;
1 1
= + =

= =

n j w bb w aa
m
i
i ij
m
i
i ij
, , 1 ; ) ( ) (
1 1
= + =

= =

n j w bb aa
m
i
i ij ij
, , 1 ; ) (
1
= + =
=

De este modo,
| | | |
ij ij
bb aa bS aT + = +
' B
B
; n j m i , , 1 , , , 1 = =
----------------------------------------------------------------------------------------------------------
91
| | | |
ij ij
bb aa + = ; n j m i , , 1 , , , 1 = =
| | | |
ij ij
b b a a + = ; n j m i , , 1 , , , 1 = =
| | | |
B
B
B
B
' '
+ = S b T a
Ejercicio.- Sean V y W dos K-espacios vectoriales de dimensin finita con bases
ordenadas } , , , {
2 1 n
v v v = B y } , , , {
2 1 m
w w w = ' B , respectivamente. La
transformacin lineal W V T : es nula si y solo si | | 0 =
' B
B
T .
Prueba
) Asumiendo que la transformacin lineal W V T : es nula.
Sean } , , , {
2 1 n
v v v = B y } , , , {
2 1 m
w w w = ' B las bases ordenadas de V y
W respectivamente, entonces
n j w a v T
m
i
i ij j
, , 1 ; ) (
1
= = =

=
u
n j w a w a w a w w w
m mj j j m
, , 1 ; 0 0 0
2 2 1 1 2 1
= + + + = + + +
n j m i a
ij
, , 1 , , , 1 ; 0 = = =
por ser } , , , {
2 1 m
w w w = ' B una base para W, luego
| | 0
0 0
0 0
=
(
(
(
=
'
. .
B
B
T
:) Ahora asumiendo que | | 0 =
' B
B
T .
Sea V v e , por ser } , , , {
2 1 n
v v v = B base de V, se tiene que

(
(
(
(
=
n
c
c
c
v
.
2
1
] [
B
, luego por una proposicin demostrada anteriormente se tiene que
| |
(
(
(
(
=
(
(
(
(
=
(
(
(
(
(
(
(
= =
' '
'
0
0
0
)] ( [
0
0
0
0 0
0 0
)] ( [ ] [
2
1
. . .
. .
B B B
B
B
v T
c
c
c
v T v T
n

Entonces, V v w w w v T
m
e = + + + = , 0 0 0 0 ) (
2 1
. En consecuencia la
transformacin lineal T es nula.
----------------------------------------------------------------------------------------------------------
92
Teorema.- Sean V, W dos K-espacios vectoriales de dimensiones n y m
respectivamente. Para cada par de bases } , , , {
2 1 n
v v v . = B de V y } , , , { '
2 1 m
w w w . = B
de W se tiene que:
n m
K W V L

~ ) , (
Prueba
Definimos:
'
] [ ) (
) , ( :
B
B
T T T
K W V L
n m
=

Afirmacin 1. - es una transformacin lineal. En efecto:
Sean ) , ( , W V L S T e y K b a e , tal que:
A a T T
n m ij
= = =

] [ ] [ ) (
' B
B

B b S S
n m ij
= = =

] [ ] [ ) (
' B
B

Se tiene

'
] [ ) (
B
B
bS aT bS aT + = + Por definicin de .

' '
] [ ] [
B
B
B
B
S b T a + = Por la proposicin anterior.
) ( ) ( S b T a + = Sustitucin
Con lo cual se verifica la afirmacin 1.
Afirmacin 2.- es un isomorfismo. En efecto:
i) es inyectiva
} 0 ) ( / ) , ( { ) ( = e = T W V L T Nu
} 0 ] [ / ) , ( {
'
= e =
B
B
T W V L T
} 0 / ) , ( { = e = T W V L T Por el ejercicio anterior.
luego } 0 { ) ( = Nu
es inyectiva
ii) es sobre
n m
K n m W V L

= = dim ) , ( dim , por la parte (i) es inyectiva se tiene que es
sobre.
Luego de (i) y (ii) es un isomorfismo.

n m
K W V L

~ ) , (

----------------------------------------------------------------------------------------------------------
93
Proposicin .-Dados V, W, U espacios vectoriales de dimensin finita sobre el campo K
y sean W V T : y U W S : transformaciones lineales. Si B, B' y B' ' son las
bases ordenadas de los espacios vectoriales V, W y U respectivamente, entonces:
B
B
B
B
B
B
' ' '
'
' '
= ] [ ] [ ] [ T S T S
Prueba
Consideremos: } , , , { }, , , , {
2 1 2 1 m n
w w w v v v . . = ' = B B y } , , , {
2 1 r
u u u . = ' ' B las
bases ordenadas para V, W y U respectivamente.
B
B
'
= = ] [ ) ( T a A
n m ij
tal que
=
=
m
i
i ij j
w a v T
1
) ( , n j , , 2 , 1 . =
B
B
' '
'
= = ] [ ) ( S b B
m r kl
tal que
=
=
r
k
k kl l
u b w S
1
) ( , m l , , 2 , 1 . =
( ) ) ( ) )( (
j j
v T S v T S = ; para cualquier j, n j s s 1
|
.
|
\
|
=

=
m
i
i ij
w a S
1

=
=
m
i
i ij
w S a
1
) (

= =
|
.
|
\
|
=
m
i
r
k
k ki ij
u b a
1 1

k
r
k
m
i
ij ki
u a b

= =
|
.
|
\
|
=
1 1

luego:
k
r
k
j k
m
i
ij ki j
u
c
a b v T S

= =
|
.
|
\
|
=
1 1
) )( (
_

k
r
k
j k
u c
=
=
1
n j s s 1
entonces:
n r j k
c T S

' '
= ] [ ] [
B
B

pero
j k
c es el ) , ( j k trmino del producto de las matrices BA.
En consecuencia, finalmente tenemos que:
B
B
B
B
B
B
' ' '
'
' '
= ] [ ] [ ] [ T S T S

----------------------------------------------------------------------------------------------------------
94
Ejemplo.- Sean las transformaciones lineales
) , ( ) , , (
:
2 3
x z y x z y x
R R T
+

y x y x
R R S
+
2 ) , (
:
2

y consideremos las bases:
)} 0 , 0 , 1 ( ), 0 , 1 , 1 ( ), 1 , 1 , 1 {( = B de
3
R ,
)} 1 , 2 ( ), 3 , 1 {( = ' B de
2
R y
} 1 { = ' ' B de R.
Hallar:
i)
B
B
' '
] [ T S
ii) ) , , )( ( z y x T S
iii) ) 4 , 1 , 2 )( ( T S
Solucin
i) ) 1 , 2 (
5
6
) 3 , 1 (
5
2
) 0 , 2 ( ) 1 , 1 , 1 ( + = = T
) 1 , 2 (
5
7
) 3 , 1 (
5
4
) 1 , 2 ( ) 0 , 1 , 1 ( + = = T
) 1 , 2 (
5
4
) 3 , 1 (
5
3
) 1 , 1 ( ) 0 , 0 , 1 ( + = = T
3 2
5 / 4 5 / 7 5 / 6
5 / 3 5 / 4 5 / 2
] [
'
(

=
B
B
T
) 1 ( 5 5 ) 3 , 1 ( = = S
) 1 ( 5 5 ) 1 , 2 ( = = S
| |
2 1
5 5 ] [

' '
'
=
B
B
S
| |
(

=
' '
5 / 4 5 / 7 5 / 6
5 / 3 5 / 4 5 / 2
5 5 ] [
B
B
T S
| | 1 3 4 =
ii) ) , , )( ( z y x T S
Hallemos
B
)] , , [( z y x
) 0 , 0 , 1 ( ) 0 , 1 , 1 ( ) 1 , 1 , 1 ( ) , , ( c b a z y x + + =
calculando se tiene que y x c z y b z a = = = , , . Luego:
----------------------------------------------------------------------------------------------------------
95
) 0 , 0 , 1 )( ( ) 0 , 1 , 1 )( ( ) 1 , 1 , 1 ( ) , , ( y x z y z z y x + + =
(
(
(
=
y x
z y
z
z y x
B
)] , , [(
B
B
B B
)] , , [( ] [ )] , , )( [( z y x T S z y x T S
' '
' '
=
| |
(
(
(
=
y x
z y
z
1 3 4
) ( ) ( 3 4 y x z y z + + =
z y x + + = 2
z y x z y x T S + + = 2 ) , , )( (
iii) 4 ) 4 , 1 , 2 )( ( = T S

Ejemplo.- Sean las transformaciones lineales:
) 0 , , 2 ( ) , (
} 2 / ) , , {( :
3 2
y y y x
y x R z y x W R T
= e =

y
(

x z
y x
z y x
R W F
) , , (
:
2 2

y las bases:
)} 0 , 1 ( ), 1 , 1 {( = B de
2
R
)} 1 , 0 , 0 ( ), 0 , 1 , 2 {( = ' B de W
)
`
= ' '
1 0
0 0
,
0 1
0 0
,
0 0
1 0
,
0 0
0 1
B de
2 2
R .
Hallar:
i)
B
B
'
] [T y
B
B
' '
'
] [F
ii)
B
B
' '
] [ T F
Solucin
i) ) 1 , 0 , 0 ( 0 ) 0 , 1 , 2 ( 1 ) 0 , 1 , 2 ( ) 1 , 1 ( + = = T
) 1 , 0 , 0 ( 0 ) 0 , 1 , 2 ( 0 ) 0 , 0 , 0 ( ) 0 , 1 ( + = = T
----------------------------------------------------------------------------------------------------------
96

(
=
'
0 0
0 1
] [
B
B
T

(
+
(
+
(
=
(
=
1 0
0 0
2
0 1
0 0
0
0 0
1 0
1
0 0
0 1
2
2 0
1 2
) 0 , 1 , 2 ( F

(
+
(
+
(
+
(
=
(
=
1 0
0 0
0
0 1
0 0
1
0 0
1 0
0
0 0
0 1
0
0 1
0 0
) 1 , 0 , 0 ( F

(
(
(
(
=
' '
'
0 2
1 0
0 1
0 2
] [
B
B
F

ii)
B
B
B
B
B
B
' ' '
'
' '
= ] [ ] [ ] [ T F T F

(
(
(
(
(
=
0 0
0 1
0 2
1 0
0 1
0 2

(
(
(
(
=
0 2
0 0
0 1
0 2

Corolario.- Sean V, W espacios vectoriales de dimensin finita con bases ordenadas
B y B' respectivamente y W V T : una transformacin lineal. T es un isomorfismo
si y solo si
B
B
'
] [T es inversible.
Prueba.- Ejercicio.

Matriz cambio de base
Sea V un K-espacio vectorial de dimensin finita, consideramos } , , , {
2 1 n
v v v . = B y
} ' , , ' , ' {
2 1 n
v v v . = ' B dos bases ordenadas para V.
i) Para hallar la matriz cambio de base de B a B' .
Se considera el endomorfismo identidad
----------------------------------------------------------------------------------------------------------
97
V V I : tal que n j v v I
j j
, , 2 , 1 , ) ( . = = ,
luego expresando
j
v como una combinacin lineal de los elementos de B' se
tiene
=
' = =
n
i
i ij j j
v p v v I
1
) ( , n j , , 2 , 1 . = (1)
escribiendo (1) explcitamente se obtiene:
n n
v p v p v p v v I ' + + ' + ' = =
1 2 21 1 11 1 1
) ( .
n n
v p v p v p v v I ' + + ' + ' = =
2 2 22 1 12 2 2
) ( .
. . . . . .
n nn n n n n
v p v p v p v v I ' + + ' + ' = = .
2 2 1 1
) (
la matriz asociada al endomorfismo I respecto a las bases B y B' que
denotamos por:

(
(
(
(
= =
'
nn n n
n
n
p p p
p p p
p p p
I P
.
. . . .
.
.
2 1
2 22 21
1 12 11
] [
B
B

es llamada matriz cambio de base de B a B' .
ii) Para hallar la matriz cambio de base de B' a B
Se considera el endomorfismo identidad
V V I : tal que n j v v I
j j
, , 2 , 1 , ) ( . = ' = '
luego expresando
j
v' como una combinacin lineal de los elementos de Bse
tiene
=
= ' = '
n
i
i ij j j
v q v v I
1
) ( , n j , , 2 , 1 . = (2)
y escribiendo (2) explcitamente se tiene:

n n
v q v q v q v v I
1 2 21 1 11 1 1
) ( + + + = ' = ' .
n n
v q v q v q v v I
2 2 22 1 12 2 2
) ( + + + = ' = ' .
. . . . . .
n nn n n n n
v q v q v q v v I + + + = ' = ' .
2 2 1 1
) (
----------------------------------------------------------------------------------------------------------
98
la matriz asociada al endomorfismo I respecto a las bases B' y B que
denotamos por:
(
(
(
(
= =
'
nn n n
n
n
q q q
q q q
q q q
I Q
.
. . . .
.
.
2 1
2 22 21
1 12 11
] [
B
B

es llamada matriz cambio de base de B' a B.
Observacin.-Tambin es usual denotar la matriz P cambio de base de B a B' por
' B
B
M o ' B BM y la matriz Q cambio de base de B' a B por
B
B'
M o B BM ' .
Ejercicio.- Sea V un K-espacio vectorial de dimensin finita n e V V I : el
endomorfismo identidad, entonces
n
I I =
B
B
] [ donde
n
I es la matriz identidad de orden n
y B una base cualesquiera de V.
Proposicin.- Sea V un K-espacio vectorial de dimensin finita, } , , , {
2 1 n
v v v . = B y
} ' , , ' , ' {
2 1 n
v v v . = ' B dos bases ordenadas para V. Entonces las matrices de cambio de
bases P de B a B' y Q de B' a B son inversas entre s.
Prueba
En efecto,

B
B
B
B '
'
] [ ] [ I I PQ = Por definicin de P y Q.

'
'
] [
B
B
I I = Por propiedad demostrada.

'
'
] [
B
B
I = Pues I I I = .

n
I = Por el ejercicio anterior.
Anlogamente se demuestra que
n
I QP = .
Luego,
n
I PQ = y
n
I QP = lo que demuestra que P y Q son inversas entre si.
Ejemplo.- Sean )} 0 , 1 ( ), 1 , 1 {( = B y )} 1 , 2 ( ), 0 , 1 {( = ' B dos bases de
2
R .
Hallar la matriz cambio de base:
i) P de la base B a la base B' .
ii) Q la base B' a la base B.
iii) Verifique que P y Q son inversas entre si
----------------------------------------------------------------------------------------------------------
99

Solucin
i) ) 1 , 2 ( 1 ) 0 , 1 ( 1 ) 1 , 1 ( + =
) 1 , 2 ( 0 ) 0 , 1 ( 1 ) 0 , 1 ( + =
(

=
0 1
1 1
P
ii) ) 0 , 1 ( 1 ) 1 , 1 ( 0 ) 0 , 1 ( =
) 0 , 1 ( 1 ) 1 , 1 ( 1 ) 1 , 2 ( + =
(
=
1 1
1 0
Q

iii)
(
=
(
=
1 0
0 1
0 1
1 1
1 1
1 0
PQ

Proposicin.- (Frmulas de transformacin de coordenadas)
Sea V un K-espacio vectorial de dimensin finita con bases ordenadas
} , , , {
2 1 n
v v v . = B y } ' , , ' , ' {
2 1 n
v v v . = ' B . Si P es la matriz cambio de base de B a
B' y Q la matriz cambio de base de B' a B, entonces para todo V v e se tiene que
B B '
= ] [ ] [ v v P
y
B B
] [ ] [ v v Q =
'

Prueba
Sean:
(
(
(
(
=
n
a
a
a
v
.
2
1
] [
B
y
(
(
(
(
=
'
n
a
a
a
v
'
'
'
] [
2
1
.
B

las coordenadas del vector V v e con respecto a las bases B y B' .
Probaremos que
B B '
= ] [ ] [ v v P
Entonces
=
=
n
j
j j
v a v
1

= =
|
.
|
\
|
' =
n
j
n
i
i ij j
v p a
1 1

----------------------------------------------------------------------------------------------------------
100

i
n
i
n
j
ij j
v p a '
|
|
.
|
\
|
=

= = 1 1
(1)
Por otro lado tenemos que:
=
' ' =
n
i
i i
v a v
1
(2)
De (1) y (2) por la unicidad de la combinacin lineal, ya que B' es una base tenemos
n i a p a
n
j
j ij i
, , 2 , 1 ,
1
. = = '

=
(3)
es decir, explcitamente:
n n
a p a p a p a
1 2 12 1 11 1
+ + + = ' .
n n
a p a p a p a
2 2 22 1 21 2
+ + + = ' .
. . . . .
n nn n n n
a p a p a p a + + + = ' .
2 2 1 1

(
(
(
(
(
(
(
(
=
(
(
(
(
'
'
'
n nn n n
n
n
n
a
a
a
p p p
p p p
p p p
a
a
a
.
.
. . . .
.
.
.
2
1
2 1
2 22 21
1 12 11
2
1

B B
] [ ] [ v P v =
'
(4)
Ahora como P y Q son inversas entre s, tenemos que:
( )
B B
] [ ] [ v P Q v Q =
'

B
] )[ ( v QP =
B
] [v = pues I QP =

B B
] [ ] [ v v Q =
'
(5)
Las expresiones (4) y (5) se denominan frmulas de transformacin de coordenadas.

Proposicin.- Sean V y W dos K-espacios vectoriales de dimensin finita con bases
ordenadas B y C respectivamente. Si W V T : es una transformacin lineal
inversible y siendo
1
T dicha inversa, entonces
| |
1 1
) ] ([

=
C
B
B
C
T T
Prueba
----------------------------------------------------------------------------------------------------------
101
Sea W V n dim dim = = , considerando las bases B y C en V y W respectivamente,
se tiene
| |
n
I I T T T T = = =
C
C
C
C
B
C
C
B
] [ ] [ ] [
1 1

Donde
n
I es la matriz identidad de orden n.
Anlogamente,
| |
n
I I T T T T = = =
B
B
B
B
C
B
B
C
] [ ] [ ] [
1 1

Por consiguiente,
| |
1 1
) ] ([

=
C
B
B
C
T T

Proposicin .- Sean V, W dos K-espacios vectoriales de dimensin finita con bases B
y C respectivamente, entonces la transformacin lineal W V T : es un isomorfismo
si y solo si
C
B
] [T posee inversa.
Prueba
) Asumiendo que T es un isomorfismo.
W V T : posee inversa V W T
:
1
, luego por la proposicin anterior
B
C
C
B
] [ ) ] ([
1 1
= T T .
) Ahora asumiendo que
C
B
] [T posee inversa.
Se tiene que W T ran dim ) ( = , luego solo resta probar que T es una
transformacin lineal inyectiva.
Si u = ) (v T , entonces
0 )] ( [ ) ] ([ ] [
1
= =

C
C
B B
v T T v
Como todas las coordenadas de v son iguales a cero, se tiene que u = v , luego
} { ) ( u = T Nu y en consecuencia T es inyectiva.

Ejemplo.- Sea ] [
1
R P es el espacio vectorial de los polinomios de grado menor o igual
que uno sobre el campo de los reales R y la transformacin lineal ] [ :
1
2
R R P T
definida como x b a a b a T ) ( ) , ( + = , demuestre que T es un isomorfismo y calcule la
inversa de T.
Solucin
----------------------------------------------------------------------------------------------------------
102
Considerando las bases cannicas de B y C en
2
R y ] [
1
R P respectivamente se
tiene que
x T 1 1 ) 0 , 1 ( + =
x T 1 0 ) 1 , 0 ( =
Luego,
(
=
1 1
0 1
] [
C
B
T
La matriz
C
B
] [T es inversible y
(
1 1
0 1
) ] ([
1 C
B
T ; en consecuencia T es un
isomorfismo.
Para calcular la inversa de T
(
=
(
= + = +

b a
a
b
a
bx a T bx a T
C
1 1
0 1
] [ ] [ )] ( [
1 1 B
C

) 1 , 0 )( ( ) 0 , 1 ( ) (
1
b a a bx a T + = +

) , ( ) (
1
b a a bx a T = +

Proposicin.- Sea V un K-espacio vectorial de dimensin finita, B y C dos bases
ordenadas para V y V V T : un endomorfismo, entonces
P T Q T
C
C
B
B
] [ ] [ =
donde P es la matriz cambio de base de B a C y Q la matriz cambio de base de C
a B.
Prueba
Como
C
B
] [ I P = y
B
C
] [ I Q = se tiene

B
B
B
B
C
B
B
C
C
B
B
C
C
B
B
B
B
C
C
C
] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ ] [ T T I T I I T I I T I P T Q = = = = =
Tomando extremos se obtiene,
P T Q T
C
C
B
B
] [ ] [ =
con lo cual queda demostrada la proposicin.
La proposicin anterior se puede interpretar mediante el siguiente grfico

----------------------------------------------------------------------------------------------------------
103

Matrices semejantes
Sea V un K-espacio vectorial de dimensin finita y V V T : un endomorfismo. Se
consideran B y B' dos bases ordenadas de V. Si se denotan por | |
B
B
T A = ,
| |
B
B
'
'
= T B , P la matriz cambio de base de B a B' y
1
P la matriz cambio de base
de B' a B por la proposicin anterior se tiene que BP P A
1
= . Las matrices
n n
K B A

e , que representan al mismo endomorfismo respecto a las bases B y B'
son llamadas semejantes.
Estoes, diremos que A es semejante a B si y solo si existe una matriz P no singular
tal que BP P A
1
= .
La proposicin anterior se extiende para el caso de una transformacin lineal
W V T : donde V y W son K-espacios vectoriales de dimensiones n y m
respectivamente. Si B y B' son bases para V; C y C ' bases para W con matrices
asociadas
C
B
] [T A = ,
C
B
'
'
= ] [T B y matrices cambio de base P de B a B' y Q de
C y C ' se cumple que BP Q A
1
= .
Es decir, dada la transformacin lineal W V T : donde V y W son dos K-espacios
vectoriales de dimensiones n y m respectivamente, diremos que las matrices
n n
K B A

e , representan a la misma transformacin lineal T existen matrices
n n
K P

e y
m m
K Q

e no singulares tales que BP Q A
1
= .
El siguiente grfico, ilustra la situacin antes descrita.

P
C , V
Q
P
B
B
] [T
C
C
] [T
C , V
B , V
B , V
Q
B' , V
Q
-1

P
B
A
C' , W
B , V C , W
----------------------------------------------------------------------------------------------------------
104
Ejemplo.- Sea
2 3
: R R T tal que ) 2 , ( ) , , ( x z y x z y x T + = .
i) Si B es la base cannica de
3
R y C es la base cannica de
2
R . Hallar la
matriz de T respecto a las bases B y C.
ii) Calcular las matrices de cambio de base de las bases dadas en (i) a las bases:
)} 0 , 0 , 1 ( ), 1 , 1 , 1 ( ), 1 , 0 , 1 {( = ' B de
3
R y )} 0 , 1 ( ), 1 , 0 {( = ' C de
2
R
iii) Calcular la matriz de T respecto a las bases dadas en (ii).
Solucin
i) Hallemos
C
B
] [T
) 1 , 0 ( 1 ) 0 , 1 ( 1 ) 1 , 1 ( ) 0 , 0 , 1 ( = = T
) 1 , 0 ( 0 ) 0 , 1 ( 1 ) 0 , 1 ( ) 0 , 1 , 0 ( + = = T
) 1 , 0 ( 2 ) 0 , 1 ( 0 ) 2 , 0 ( ) 1 , 0 , 0 ( + = = T

(
= =
2 0 1
0 1 1
] [
C
B
T A

ii)

Calcularemos las matrices de cambio de base de las bases dadas
De )} 1 , 0 , 0 ( ), 0 , 1 , 0 ( ), 0 , 0 , 1 {( = B a )} 0 , 0 , 1 ( ), 1 , 1 , 1 ( ), 1 , 0 , 1 {( = ' B
) 0 , 0 , 1 ( 1 ) 1 , 1 , 1 ( 0 ) 1 , 0 , 1 ( 0 ) 0 , 0 , 1 ( + + =
) 0 , 0 , 1 ( 2 ) 1 , 1 , 1 ( 1 ) 1 , 0 , 1 ( 1 ) 0 , 1 , 0 ( + =
) 0 , 0 , 1 ( 1 ) 1 , 1 , 1 ( 0 ) 1 , 0 , 1 ( 1 ) 1 , 0 , 0 ( + + =
(
(
(
=
1 2 1
0 1 0
1 1 0
P ,
(
(
(
0 1 1
0 1 0
1 1 1
1
P

Q
B' ,
3
R
P
-1

P
B
A
C' ,
2
R
B ,
3
R C ,
2
R
----------------------------------------------------------------------------------------------------------
105
De )} 1 , 0 ( ), 0 , 1 {( = C a )} 0 , 1 ( ), 1 , 0 {( = ' C
) 0 , 1 ( 1 ) 1 , 0 ( 0 ) 0 , 1 ( + =
) 0 , 1 ( 0 ) 1 , 0 ( 1 ) 1 , 0 ( + =
(
=
0 1
1 0
Q
iii) Calcular la matriz de T respecto a las bases dadas (ii).

1
= QAP B
(
(
(
=
0 1 1
0 1 0
1 1 1
2 0 1
0 1 1
0 1
1 0

(

=
1 2 1
1 1 3

Ejercicios
1. Una transformacin lineal
2 3
: R R T est definida por
) , 2 ( ) , , ( z y z x z y x T + =
a) Hallar la matriz asociada A de T, respecto a las bases:
} ) 0 , 0 , 3 ( ), 0 , 2 , 2 ( ), 1 , 1 , 1 ( { en
3
R y } 2 , 0 ( ), 0 , 2 ( { en
2
R
b) Mediante A, determinar la imagen de
3
) 2 , 2 , 2 ( R e .
c) Determinar la matriz B de T, respecto a las bases cannicas en ambos
espacios.
d) Obtener la matriz C de T, respecto a la base cannica de
3
R y la base dada
para
2
R en la parte a).
2. Hallar la matriz de la transformacin lineal
4 3
: R R S , donde S est definida
como:
) , , , 3 ( ) , , ( z y x z y y x y x z y x S + + + + =
en las bases que se indican a continuacin
a) En las bases cannicas.
b) } ) 3 , 4 , 1 ( ), 4 , 1 , 5 ( ), 4 , 2 , 3 ( { base de
3
R y
)} 1 , 1 , 1 , 1 ( ), 1 , 5 , 4 , 0 ( ), 1 , 1 , 0 , 3 ( ), 4 , 2 , 0 , 0 {( base de
4
R .
c) La base cannica de
3
R y para
4
R la base dada en b)
----------------------------------------------------------------------------------------------------------
106
3. Sea la transformacin lineal
3 2
: R R f definida por
) 2 , , ( ) , ( y x y x y x y x f + + =
a) Determinar el Nu(f), Im(f), una base para cada uno y sus respectivas
dimensiones.
b) Hallar la matriz asociada de f respecto a las bases:
} ) 0 , 2 ( ), 2 , 1 ( { en
2
R y } ) 3 , 0 , 0 ( ), 0 , 2 , 0 ( ), 0 , 0 , 1 ( { en
3
R
4. La matriz asociada de la transformacin lineal
3 3
: R R f respecto de la base
cannica es

(
(
(

=
2 4 2
3 3 3
1 1 1
A
Determinar el Nu(f), Im(f) y sus dimensiones.
5. Sea T el operador lineal sobre
2
C definido por ) 0 , ( ) , (
1 2 1
z z z T = . Sea B la
base ordenada cannica de
2
C y sea } ) 2 , ( , ) , 1 ( { i i = ' B .
a) Cul es la matriz asociada de T respecto al par de bases B y B' ?.
b) Cul es la matriz asociada de T respecto al par de bases B' y B ?.
c) Cul es la matriz asociada de T en la base } ) 2 , ( , ) , 1 ( { i i = ' B ?.
6. Si } , , / {
2
R c b a c bx ax V e + + = y
2
: R V T es una transformacin lineal
definida por ) 2 3 , 2 ( ) (
2
a c c b c bx ax T + = + + , determine la matriz asociada a T
respecto a las bases } 1 , 1 , 1 {
2
1
x x x + + = B de V y )} 3 , 2 ( ), 2 , 3 ( {
2
= B de
2
R .
7. Dada la transformacin lineal
3 2 2
: R R f
definida por
) , , ( d c b d b a c b a
d c
b a
f + + + + + =
|
|
.
|
\
|
(

a) Obtener la matriz de f respecto de las bases:

)
`
1 1
1 0
,
1 0
0 0
,
0 1
0 1
,
1 1
1 1
y } ) 1 , 1 , 0 ( ), 1 , 0 , 2 ( ), 1 , 2 , 0 ( {
c) Utilizando la matriz hallada, obtener la imagen de
(
2 2
3 1
.

----------------------------------------------------------------------------------------------------------
107
8. Determinar la transformacin lineal
2 3
: R R f , tal que respecto de las bases
} ) 0 , 1 , 1 ( ), 1 , 0 , 1 ( ), 1 , 1 , 1 ( { en
3
R y } ) 1 , 2 ( ), 2 , 1 ( { en
2
R su matriz asociada sea
(
1 1 0
0 0 1
.
9. Hallar la matriz de la transformacin lineal f g respecto de las bases
} ) 1 , 0 ( ), 1 , 1 ( { en el dominio, } ) 2 , 2 ( ), 0 , 2 ( { en el codominio donde
) , , ( ) , ( / :
3 2
y y x x y x f R R f + = ) , ( ) , , ( / :
2 3
z y x z y x g R R g + = .
10. Sea la transformacin lineal
2 2
: R R f
u
representada por la matriz
(

u u
u u
cos
cos
sen
sen
respecto de la base cannica.
Demostrar que si u y u ' son nmeros reales cualesquiera, entonces
u u u u + ' '
= f f f y
u u
= f f
1
.
11. El endomorfismo
3 3
: R R T est definido por
) , , ( ) , , ( z y x y x x z y x T + + + =
En caso de ser posible, halle la matriz asociada a
1
T con respecto a la base
} ) 1 , 1 , 1 ( ), 0 , 1 , 1 ( ), 0 , 0 , 1 ( { = B .
12. Sea
2 3
: R R f definida por ) , ( ) , , ( y x z y x z y x f + =
a) Hallar la matriz de f respecto a las bases cannicas de
3
R y
2
R
respectivamente.
b) Obtener las matrices de cambio de base, de las bases anteriores a las bases
} ) 1 , 1 , 1 ( ), 2 , 1 , 1 ( ), 1 , 1 , 0 ( { , } ) 2 , 0 ( ), 3 , 1 ( { .
c) Calcular la matriz B de f, respecto al nuevo par de bases.
13. Hallar las matrices de cambio de base en cada uno de los siguientes casos:
a) } ) 2 , 3 ( ), 3 , 2 ( { y } ) 2 , 4 ( ), 4 , 1 ( { bases de
2
R .
b) } 1 2 , 1 , {
2
+ + + x x x x y } , 1 2 , 1 {
2 2
x x x + bases del espacio vectorial
} , , / {
2
K c b a cx bx a V e + + =
c) Dado el espacio } 0 / ) , , , ( {
4
= + + + e = w z y x R w z y x U y dos bases
)} 1 , 1 , 1 , 1 ( ), 1 , 1 , 1 , 1 ( ), 3 , 1 , 1 , 1 {( = B y
)} 1 , 0 , 0 , 1 ( ), 0 , 0 , 1 , 1 ( ), 0 , 1 , 0 , 1 {( = ' B
----------------------------------------------------------------------------------------------------------
108
14. Dados el espacio vectorial
2
R con las bases } ) 2 , 3 ( ), 1 , 1 ( { = B y
} ) 1 , 2 ( ), 0 , 1 ( { = ' B , el espacio vectorial
3
R con las bases
)} 2 , 4 , 1 ( ), 1 , 4 , 2 ( ), 3 , 2 , 2 {( = C y )} 2 , 1 , 2 ( ), 1 , 2 , 1 ( ), 0 , 1 , 1 {( = ' C .
Sea
3 2
: R R T una transformacin lineal que tenga en las bases B y C la
matriz asociada
(
(
(
1 3
1 2
2 1
, se pide
a) Hallar la matriz P cambio de base de B a B' . Anlogamente, hallar la
matriz Q cambio de base de C a C ' .
b) Hallar
1
P y
1
Q para las matrices correspondientes a la parte a).
c) Hallar la matriz asociada de la transformacin lineal T, respecto a las
bases B' y C ' .
15. En el espacio vectorial
2
R fijando R e u , se considera la base
)} cos , ( ), , (cos { u u u u sen sen = C .
a) Hallar la matriz cambio de base de C a la base cannica de
2
R .
b) Determine las coordenadas del vector ) , ( b a v = con respecto a la base
C.
16. Sean } , , {
3 2 1
v v v = B y } , , {
3 2 1
u u u = C bases ordenadas de un R-espacio
vectorial V relacionados de la siguiente forma

+ =
+ =
+ =
3 2 3
3 2 1 1
3 1 1
3 2
3
v v u
v v v u
v v u

a) Hallar la matriz cambio de base de B a C.
b) Si
(
(
(
=
3
1
2
] [
B
v , halle
C
] [v .
c) Si
(
(
(
=
2
3
1
] [
C
v , halle
B
] [v .

----------------------------------------------------------------------------------------------------------
109
17. Considere el siguiente subespacio de ) (
2
R M ;

)
`
= e
(
= 0 ); (
2
z y x R M
t z
y x
W
y sean
)
`
=
1 0
0 0
,
0 1
0 1
,
0 0
1 1
B ,
)
`
=
1 0
0 0
,
0 1
1 0
,
0 1
0 1
C dos
bases de W.
a) Halle las matrices cambio de base de B a C y de C a B.
b) Encuentre una base D de W, tal que la matriz
(
(
(
=
0 2 1
1 0 3
1 0 0
P sea la
matriz cambio de base de D a B.
18. Sea el endomorfismo ) (
3
R L T e , cuya matriz asociada respecto a la base
} , , {
3 2 1
v v v = B es

(
(
(

1 3 4
0 1 2
1 2 3

Se pide:
a) Probar que } ) ( ), ( , {
3
2
3 3
v T v T v = ' B es tambin base de
3
R .
b) Hallar la matriz asociada de T con respecto a la base
} ) ( ), ( , {
3
2
3 3
v T v T v = ' B .
19. Sean ] [
2
x P
s
y ] [
3
x P
s
los espacios vectoriales de los polinomios de grado menor
igual a dos y menor o igual a tres, respectivamente, y sea ] [ ] [ :
3 2
x P x P T
s s
la
transformacin lineal definida por T( p(x)) = x p(x).
a) Determinar la matriz asociada a T con respecto a las bases cannicas de
] [
2
x P
s
y ] [
3
x P
s
, respectivamente.
b) Obtener la matriz asociada de T con respecto a las bases :
} 4 4 5 , 2 3 1 , 1 {
2 2 2
x x x x x + + + + = B de ] [
2
x P
s
y
} , , , 1 {
3 2
x x x = B' de ] [
3
x P
s
.
c) Haciendo uso de las matrices obtenidas en a) y b) calcular la imagen del
vector
2
3 1 x x + .
----------------------------------------------------------------------------------------------------------
110
DETERMINANTES
Sea V un K-espacio vectorial y K V V f : una funcin. Diremos que f es una
forma bilineal sobre V si y solo si satisface las siguientes condiciones:
i) K b a V v u u v u bf v u af v bu au f e e + = + , ; , , ; ) , ( ) , ( ) , (
2 1 2 1 2 1

ii) K d c V u v v v u df v u cf dv cv u f e e + = + , ; , , ; ) , ( ) , ( ) , (
2 1 2 1 2 1

Observacin
Sea K V V f : una forma bilineal.
1) Para cada V v e definimos

) , ( ) (
:
v u f u f u
K V f
v
v
=

2. Para cada V u e definimos

) , ( ) (
:
v u f v f v
K V f
u
u
=

Es inmediato verificar que
v
f y
u
f son K-lineales.
Ejemplo 1.- Sea K un campo y consideremos el espacio vectorial
n
K . Para todo
n
n n
K y y y y x x x x e = = ) , , , ( ), , , , (
2 1 2 1
definimos la aplicacin
K K K f
n n
: tal que
=
=
n
i
i i
y x y x f
1
) , (
La aplicacin f as definida es una forma bilineal.

Ejemplo 2.- Sea
n n
K A

e , definimos K K K f
n n
: tal que

(
(
(
(
(
(
(
(
=
=
n nn n n
n
n
n
T
y
y
y
a a a
a a a
a a a
x x x
xAy y x f
.
. . .
2
1
2 1
2 22 21
1 12 11
2 1
) , , , (
) , (

(
(
(
(
|
.
|
\
|
=

= = =
n
n
i
in i
n
i
i i
n
i
i i
y
y
y
a x a x a x
.
2
1
1 1
2
1
1
, , ,

= =
=
n
i
ij i
n
j
j
a x y
1 1

----------------------------------------------------------------------------------------------------------
111

= =
=
n
i
n
j
i i ij
y x a
1 1

La aplicacin f as definida es una forma bilineal y la expresin
= =
=
n
i
n
j
i i ij
y x a
1 1
se
denomina polinomio bilineal correspondiente a la matriz A.
Observacin.- Denotemos con ) , (
2
K V L el conjunto de las formas bilineales. Es decir,
} / : { ) , (
2
bilineal es f K V V f K V L =
En ) , (
2
K V L definimos las operaciones
V v u v u g v u f v u g f e + = + , ; ) , ( ) , ( ) , )( ( y
) , ( ) , )( ( v u af v u af =
El conjunto ) , (
2
K V L con las operaciones antes definidas es un espacio vectorial sobre
K.
Formas bilineales alternadas
Definicin.- Sea V un K-espacio vectorial. Diremos que una forma bilineal f sobre V
es alternada si
i) V v v v f e = , 0 ) , (
Ntese que si f es alternada, entonces se cumple
ii) V v u u v f v u f e = , ; ) , ( ) , (
En efecto,

_ _
0 0
) , ( ) , ( ) , ( ) , ( ) , ( 0 v v f u v f v u f u u f v u v u f + + + = + + =
0 ) , ( ) , ( 0 + + + = u v f v u f
) , ( ) , ( u v f v u f =
Una forma simtrica que satisface la condicin ii) se dice antisimtrica o
hemisimtrica.
Observacin.- Si 0 1 1 = + en K, entonces de la condicin ii) se tiene
) , ( ) , ( u u f u u f = lo que implica la condicin i). Es decir alternadas y antisimtricas
son equivalentes cuando 0 1 1 = + .
Ejemplo 1.- Consideremos el R- espacio vectorial
n
R ,
n n
R A

e tal que
T
A A = .
Definimos

T
n n
xAy y x f y x
R R R f
=

) , ( ) , (
:

----------------------------------------------------------------------------------------------------------
112
La aplicacin f as definida es alternada.
En efecto, se tiene
) , ( ) ( ) ( ) ( ) , ( x y f yAx x A y x yA xA y xAy xAy y x f
T T T T T T T T
= = = = = = =
Luego, tomando extremos ) , ( ) , ( x y f y x f = . Como en 0 1 1 , = + = R K , entonces
0 ) , ( = x x f y en consecuencia f es alternada.
Ejemplo 2.- Sea V un K-espacio vectorial donde n V = dim , K es tal que 0 1 1 = + y
sean
*
2 1
, V f f e . Definimos

) ( ) ( ) ( ) ( ) , ( ) , (
:
1 2 2 1
v f u f v f u f v u f v u
K V V f
=

Dejamos como ejercicio la prueba de que la aplicacin f es bilineal. Probaremos que f
es alternada.
En efecto,

) , (
)] ( ) ( ) ( ) ( [
)] ( ) ( ) ( ) ( [
) ( ) ( ) ( ) ( ) , (
1 2 2 1
2 1 1 2
1 2 2 1
u v f
u f v f u f v f
v f u f v f u f
v f u f v f u f v u f
=
=
=
=

Luego, tomando extremos se cumple que ) , ( ) , ( u v f v u f = , en consecuencia queda
probado que f es alternada.
Ejercicio.- Denotemos el conjunto de todas las formas bilineales alternadas por
} / ) , ( { ) , (
2 2
alternada es f K V L f K V A e =
Demuestre que ) , (
2
K V A es un subespacio de ) , (
2
K V L .
Observaciones
Sea ) , (
2
2
K K A f e se cumple:
1. ) , ( ) , ( v u f v v u f = + .
2. ) , ( ; ) 0 , ( 0 ) , 0 (
2
K V L f u f v f e = = .
3. 0 ) , ( = u u f
4. Existe ) , (
1 2
2
K K A f

e tal que bc ad
d
c
b
a
f =
|
|
.
|
\
|
(
, .
----------------------------------------------------------------------------------------------------------
113
En efecto, sea
)
`
=
(
=
1
0
,
0
1
2 1
e e la base cannica de
1 2
K y } , {
*
2
*
1
e e la
base del dual de
1 2
K correspondiente a } , {
2 1
e e . Es decir, K K e
i

1 2 *
: es
lineal verificando
ij j i
e e o = ) (
*
. Entonces
) ( ) ( ) ( ) ( ) , (
*
1
*
2
*
2
*
1
v e u e v e u e v u f = (1)
La aplicacin f es una forma bilineal alternada.
2 1
be ae u
b
a
u + =
(
=
2 1
de ce v
d
c
v + =
(
=

) , ( ) (
) , ( ) , (
0 ) , ( ) , ( 0
) , ( ) , ( ) , ( ) , (
) , ( ) , (
) , ( ) , (
2 1
2 1 2 1
1 2 2 1
2 2 1 2 2 1 1 1
2 1 2 2 1 1
2 1 2 1
e e f bc ad
e e bcf e e adf
e e bcf e e adf
e e bdf e e bcf e e adf e e acf
de ce e bf de ce e af
de ce be ae f v u f
=
=
+ + + =
+ + + =
+ + + =
+ + =

Tomando extremos se tiene
) , ( ) ( ) , (
2 1
e e f bc ad v u f = (2)
Pero por la relacin (1) se tiene
1 ) 0 )( 0 ( ) 1 )( 1 ( ) ( ) ( ) ( ) ( ) , (
2
*
1 1
*
2 2
*
2 1
*
1 2 1
= = = e e e e e e e e e e f
Finalmente reemplazando el valor de 1 ) , (
2 1
= e e f en la relacin (2) se tiene
bc ad v u f = ) , ( , donde
(
=
b
a
u y
(
=
d
c
v
5. Se tiene que 1 ) , ( dim
1 2
2
=
K K A .
En efecto, sea ) , (
1 2
2
K K A D

e ,
(
=
b
a
u y
(
=
d
c
v y si ] , [ v u A = ,
entonces

_
o
) , ( ) ( ]) , ([ ) (
2 1
e e D bc ad v u D A D = = (1)
Por otro lado, bc ad A = ) det( y reemplazando en la relacin (1) se tiene
2 2
), det( ) (

e = K A A A D o
Luego, 1 ) , ( dim
1 2
2
=
K K A , pues ) , (
1 2
2
K K A D

e se tiene que det o = D .
----------------------------------------------------------------------------------------------------------
114
Formas n-lineales
Sea V un K-espacio vectorial de dimensin n. Una forma n-lineal es una aplicacin
K V f
n
: , donde
_

veces n
n
V V V V =
tal que
) , , , , ( ) , , , , ( ) , , , , (
1 1 1 n i n i n i i
v v v bf v v v af v v b av v f ' + = ' +
K b a n i V v v v
n i
e = e ' , ; , , 1 , , , ,
1
.
Denotemos el conjunto de las formas n-lineales por
} / : { ) , ( lineal n es f K V f K V L
n
n
=
) , ( K V L
n
es un K-espacio vectorial.
Definicin.- Diremos que ) , ( K V L f
n
e es alternada si y solo si
0 ) , , , , , (
1
=
n j i
v v v v f si
j i
v v = para j i =
Ntese que el conjunto } / ) , ( { ) , ( alternada es f K V L f K V A
n n
e = es un
subespacio de ) , ( K V L
n
.
Observaciones
1. Suponiendo que 0 1 1 = + en K se verifica
j i v v v v f v v v v f K V A f
n i j n j i n
= = e , ) , , , , , , ( ) , , , , , , ( ) , (
1 1

es decir f es antisimtrica.
Asumiendo que f es alternada, definimos

} , { , ; ) , , , , , , ( ) , (
1
j i k V v v v u v f v u g
k n
j i
e e = estn fijados
La aplicacin g es bilineal. Como f es alternada, g est bien determinada.
) , , , , , , ( ) , , , , , , ( ) , ( ) , (
1 1 n i j n j i
v v v v f v v v v f u v g v u g = =

Recprocamente, asumiendo que
j i v v v v f v v v v f
n i j n j i
= = , ) , , , , , , ( ) , , , , , , (
1 1

Se tiene que
) , , , , , , ( 0 ) , (
1 n
v u u v f u u g = =
2. Si V v v
n
e , ,
1
son linealmente dependientes, entonces
) , ( , 0 ) , , (
1
K V A f v v f
n n
e =
----------------------------------------------------------------------------------------------------------
115
En efecto, si
n
v v , ,
1
son linealmente dependientes entonces podemos asumir
sin prdida de generalidad que
=
=
n
i
i i n
v c v
1

=

=
n
i
i i n n n
v c v v f v v v f
1
1 1 1 1
) , , , ( ) , , , (

0
) , , , (
1
1
1 1
=
=
=

n
i
i n i
v v v f c

Funcin determinante
Definicin.- Sea K un campo tal que 0 1 1 = + , y si
n n
K A

e que escribimos como
] , , , [
2 1 n
A A A A = , donde
i
A con n i s s 1 denota la columna del lugar i de la
matriz cuadrada A. Diremos que K K D
n n
: es una funcin determinante, si

considerada como funcin sobre las columnas de una matriz es una forma n-lineal
alternada. Es decir, ) , , , ( ) ( ,
2 1 n
n n
A A A D A D K A = e

.
Observacin.-
] , , , [
) , ( ;
2 1 n
n
n
f n n n n n
A A A A
K K A f K K K K K

e

) , , , ( ) ( ) (
2 1 n
A A A f A f A D f D = = =
Notacin.- Si
n n ij
a A

= ] [ es una matriz cuadrada de orden n, ) | ( j i A denotar la
matriz cuadrada de orden ) 1 ( ) 1 ( n n obtenida de A, al eliminar la i-sima fila y j-
sima columna.
i
a
a
a a
j
n
ij
n
(
(
(
(
(
(
.
. .

. . .
.
1
1 11

Es decir si ] , , , , , , [
1 1 1 n j j j
A A A A A A
+
= , entonces
] , ,
, , [ ] , , , , , [ ) | (
1 1 1 1 n j n j j
A A A A A A A j i A = =
+

Por convencin
j
A
significar la omisin de la columna j.

----------------------------------------------------------------------------------------------------------
116
Teorema.-[Existencia de la funcin determinante]
Existe una funcin determinate
K K D
n n
: tal que 1 ) ( =
n
I D
Demostracin
La demostracin de la existencia dem de D la haremos por induccin sobre n.
Para 1 = n , a A D a A = =

) ( , ] [
1 1

Para 2 = n se cumple por la observacin parte (4).
Hiptesis inductiva
Para 2 > n , supongamos que el teorema se cumple para matrices cuadradas de orden
1 n .
Sea
n n ij
a A

= ] [ para cada i, n i s s 1 .
Definimos

=
+
=
n
j
ij
j i
i
j i A D a A D
1
)) | ( ( ) 1 ( ) ( (1)
donde D es la funcin determinante para matrices cuadradas de orden ) 1 ( n por la
hiptesis inductiva.
Afirmacin 1.-
i
D es n-lineal.
Definimos n j j i A D a A D
ij ij
s s = 1 ; )) | ( ( ) (
Como ) | ( j i A es independiente de la j-sima columna de A, entonces ) (A D
ij
es lineal
en las columnas
n j j
A A A A , , , , ,
1 1 1

+
.
Si ] , ,
~
, , [
1 n j j
A A d cA A A + = , entonces )) | ( ( )
~
( ) ( j i A D a d ca A D
ij ij ij
+ =
)) | ( (
~
)) | ( ( ] , ,
~
, , [
1
j i A D a d j i A D ca A A d cA A D
ij ij n j j ij
+ = +
) ] , ,
~
, , [ ( ) ] , , , , [ (
1 1 n j ij n j ij
A A A dD A A A cD + =
Luego, n j D
ij
s s 1 , , es n-lineal.
Pero

=
+
=
+
= =
n
j
ij
j i
n
j
ij
j i
i
A D j i A D a A D
1 1
) ( ) 1 ( )) | ( ( ) 1 ( ) (
Esto es,
i
D es suma de formas n-lineales, por lo tanto es n-lineal.
Afirmacin 2.-
i
D es alternada.
Debemos mostrar que si ] , , , , , , [
1 n l k
A A A A A = con
l k
A A = y l k = ,
entonces 0 ) ( = A D
i
.
----------------------------------------------------------------------------------------------------------
117
Sea n j s s 1 tal que l j k j = . = , entonces las matrices ) | ( j i A tienen dos columnas
iguales, entonces 0 )) | ( ( = j i A D .
Luego, de la definicin (1) se tiene
)) | ( ( ) 1 ( )) | ( ( ) 1 ( ) ( l i A D a k i A D a A D
il
l i
ik
k i
i
+ +
+ = (2)
Por otro lado, tenemos que
il ik
l k
a a A A = = , adems
] , , , ,
, , [ ) | (
1 n l k
A A A A k i A =
] , ,
, , , , [ ) | (
1 n l k
A A A A l i A =
( )) | ( ( D k i A D = ] , , , ,
, , [
1
1 n
l
l k
A A A A
_

)
]) , ,
, , , , ([ ) 1 (
1
1
n k
l
k l
A A A A D

=
como l k
l k
A A A A = = , luego
) ] , ,
, , , , [ ( ) 1 ( )) | ( (
1
1
n l k
k l
A A A A D k i A D

=
)) | ( ( ) 1 ( )) | ( (
1
l i A D k i A D
k l
=
Por lo tanto, en (2) tendremos
)) | ( ( ) 1 ( )) | ( ( ) 1 ( ) 1 ( ) (
1
l i A D a l i A D a A D
il
l i k l
ik
k i
i
+ +
+ =
)) | ( ( ] ) 1 ( ) 1 [(
1
l i A D a
il
l i l i + +
+ =
Luego 0 ) ( = A D
i
y en consecuencia
i
D es alternada.
Solo resta probar que 1 ) ( =
n i
I D .
De (1) se tiene que

1
) ( 1
) | ( (
)) | ( ( ) 1 ( ) (
1
1
=
=
=
=
=
+
n
n ii
n
j
n ij
j i
n i
I D
i i I D a
j i I D a I D

Observaciones.
1. En realidad en el teorema existen n funciones determinantes. Denotemos con
det alguna de esas funciones. En particular
1
det D = .
2. La frmula (1) es conocida como el desarrollo de Lagrange (desarrollo por
menores complementarios)
----------------------------------------------------------------------------------------------------------
118
Para el caso de
(
(
(
=
33 32 31
23 22 21
13 12 11
a a a
a a a
a a a
A se tiene que

32 31
22 21 3 1
33 31
23 21
12
2 1
33 32
23 22
11
1 1
1
) 1 ( ) 1 ( ) 1 ( ) ( ) det(
a a
a a
a a
a a
a
a a
a a
a A D A
+ + +
+ + = =
3. Si 0 ), ( ), ( =
ij i
E E y
ij
E son los tres tipos de matrices elementales. Se
tiene:
a) ) det( )) ( det(
n i
I E =
b) ) det( )) ( det(
n ij
I E =
c) ) det( ) det(
n ij
I E =
d) )) ( det( ) )) ( det((
i
T
i
E E =
e) )) ( det( ) )) ( det((
ij
T
ij
E E =
f) ) det( ) ) det((
ij
T
ij
E E =
Proposicin
1. Sean 0 ), ( ), ( =
ij i
E E y
ij
E los tres tipos de matrices elementales. Se
tiene:
a) = )) ( det(
i
E
b) 1 )) ( det( =
ij
E
c) 1 ) det( =
ij
E
2. Sean
n n
K A

e E una matriz elemental de cualquier tipo y D una funcin
determinante, entonces ) det( ) ( ) ( E A D AE D = .
3. Si E es una matriz elemental de cualesquiera de los tres tipos y D una funcin
determinante, entonces se cumple que ) ( ) ( E D E D
T
= .
Demostracin
1. Sea
i E
i
i
(
(
(
(
(
(
=
1 0 0
0 0
0 0 1
) (

. .

.

----------------------------------------------------------------------------------------------------------
119
Expresando la matriz elemental ) (
i
E del segundo tipo en trmino de sus
columnas se tiene
] , , , , [ ) (
1 n i i
E E E E = (1)
Donde i E
i

(
(
(
(
(
(
=
0
1
0
.
.
, es la i-sima columna de la matriz identidad
n
I .
(
(
(
(
(
(
(
(
(
=
1 0 0 0
0 1 0 0
0 1 0
0 0 0 1
) (

. . . .

. . . .
. .

ij
E
Expresando la matriz elemental del tercer tipo en trminos de sus columnas se
tiene
] , , , , , , [ ) (
1 n i j i ij
E E E E E E + =
Es decir,
j i
E E
j
i
+ =
(
(
(
(
(
(
(
(
(
+
(
(
(
(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
0
1
0
0
0
0
1
0
0
1
0
.
.
.
.
.
.
.
.
.

y
(
(
(
(
(
(
(
(
(
=
1 0 0 0
0 0 1 0
0 1 0 0
0 0 0 1

. . . .

. . . .
. .

ij
E
Expresando la matriz elemental del primer tipo en trminos sus columnas
----------------------------------------------------------------------------------------------------------
120
] , , , , , , [
1 n i j ij
E E E E E = (3)
a) ) ] , , , , [ det( )) ( det(
1 n i i
E E E E = por (1)
) ] , , , , [ det(
1 n i
E E E = por la funcin det n-lineal.
) det(
n
I =
= = ) 1 (
= )) ( det(
i
E
b) ) ] , , , , , , [ det( )) ( det(
1 n i j i ij
E E E E E E + = por (2)
_

0
1 1
) ] , , , , , , [ det( ) ] , , , , , , [ det(
n i i n j i
E E E E E E E E + =
) ] , , , , , , [ det(
1 n j i
E E E E = por ser n-lineal alternada
) det(
n
I =
1 =
1 )) ( det( =
ij
E
c) ]) , , , , , , det([ ) det(
1 n i j ij
E E E E E =
]) , , , , , , det([
1 n j i
E E E E =
1 ) det( = =
n
I
1 ) det( =
ij
E
2. Expresando la matriz A en trmino de sus columnas se tiene
] , , , , , , [
1 n j i
A A A A A = , luego
a) ] , , , , , , [ ) (
1 n j i i
A A A A AE =
b) ] , , , , , , [ ) (
1 n i j i ij
A A A A A AE + =
c) ] , , , , , , [
1 n i j ij
A A A A AE =
Luego, para a)
) ] , , , , , , [ ( )) ( (
1 n j i i
A A A A D AE D =
) ] , , , , , , [ (
1 n j i
A A A A D =
) (A D =
) ( )) ( det( A D E
i
=
) ( )) ( det( )) ( ( A D E AE D
i i
=
Para b) ) ] , , , , , , [ ( )) ( (
1 n i j i ij
A A A A A D AE D + =
----------------------------------------------------------------------------------------------------------
121

_

0
1 1
) ] , , , , , , [ ( ) ] , , , , , , [ (
n i i n j i
A A A A D A A A A D + =
) ( )) ( det( ) ( 1 ) ( A D E A D A D
ij
= = =
) ( )) ( det( )) ( ( A D E AE D
ij ij
=
Para c) ) ] , , , , , , [ ( ) (
1 n i j ij
A A A A D AE D =
) ] , , , , , , [ (
1 n j i
A A A A D =
) ( A D = por ser n-lineal alternada
) ( ) det( A D E
ij
=
) ( ) det( ) ( A D E AE D
ij ij
=
Luego, de a), b) y c) resulta que
) det( ) ( ) ( E A D AE D =
Ntese que si
n
I A = , se tiene que ) det( ) ( E E D = (*)
3. Probaremos que ) ( ) ( E D E D
T
= , para cualquier funcin determinante.
Se sabe que
a) ) ( )) ( (
i
T
i
E E =
b) ) ( )) ( (
ji
T
ij
E E =
c)
ij
T
ij
E E = ) (
Luego, tenemos
De a) )) ( ( ) )) ( ((
i
T
i
E D E D =
De b) )) ( ( ) )) ( ((
ji
T
ij
E D E D =
) ( )) ( det(
n ij
I D E = por (*) de 2)
)) ( (
ij
E D =
)) ( ( ) )) ( ( (
ij
T
ij
E D E D =
De c) ) ( ) ) ((
ij
T
ij
E D E D =
) ( ) ( E D E D
T
=

Proposicin.- Para todo
n n
K B A

e , se tiene que
) det( ). det( ) det( B A AB =
----------------------------------------------------------------------------------------------------------
122
Prueba
Caso 1.- Si B es singular, entonces AB es tambin singular, luego
0 ) det( = AB (1)
De otra parte se tiene que
0 ) det( ) det( = B A (2)
pues 0 ) det( = B por ser B singular.
De (1) y (2) se tiene que ) det( ) det( ) det( B A AB =
Caso 2.- Si B es no singular.
Si B es no singular, entonces B puede ser expresado como producto de
matrices elementales; es decir

1 2 1
E E E E B
p p

=

1 2 1
E E E AE AB
p p

=
) det( ) det(
1 2 1
E E E AE AB
p p

= (3)
Aplicando una proposicin demostrada anteriormente, y eligiendo det = D se
tiene
) det( ) det( ) det(
1 2 1
E E E AE AB
p p

=

) det( ) det(
) det( ) det(
) det( ) det( ) det( ) det( ) det(
1 1
1 2 1
1 2 3 1
B A
E E E A
E E E E A
E E E E AE
B
p p
p p
p p
=
=
=
=

) det( ) det( ) det( B A AB =

Proposicin.- Para todo
n n
K A

e , ) det( ) det( A A
T
= .
Prueba
Caso 1.- Si A es singular
Si A es singular, entonces
T
A tambin es singular. Luego,
) det( ) det( 0
T
A A = =
Caso 2.- Si A es no singular
Si A es no singular, entonces A puede ser expresado como un producto de matrices
elementales, es decir
----------------------------------------------------------------------------------------------------------
123

T
p
T
p
T T T
p p
T
p p
E E E E E E E A E E E A
1 2 1 1 1 1 1
) (

= = =
) det( ) det(
1 2 1
T
p
T
p
T T T
E E E E A

=
) det( ) det( ) det( ) det(
1 2 1
T
p
T
p
T T
E E E E

= , por la proposicin anterior
Aplicando una propiedad demostrada anteriormente, se tiene que

) det(
) det(
) det( ) det( ) det( ) det(
) det( ) det( ) det( ) det( ) det(
1 1
1 2 1
1 2 1
A
E E E
E E E E
E E E E A
p p
p p
p p
T
=
=
=
=

En consecuencia se ha demostrado que
) det( ) det( A A
T
=
Proposicin.-Sea D una funcin determinante sobre el espacio vectorial
n n
K

.
Entonces,

n n
n
K A A I D A D

e = ), det( ) ( ) (
Prueba
Caso 1.- Si A es singular.
) ( ) det( ) ( 0 ) det( A D A I D A
n
= = =
Caso 2.- Si A es no singular-
La matriz A puede ser expresado como un producto de matrices elementales. Luego,

1 2 1
E E E E A
p p

=
) ( ) (
1 2 1
E E E E D A D
p p

=
) det( ) (
1 2 1
E E E E D
p p

= por una proposicin anterior ( ) det( ) ( ) ( E A D AE D = )

) det( ) det( ) det( ) (
1 2 1
E E E E D
p p

=
) det( ) det( ) det( ) det( ) (
1 2 1
E E E E I D
p p n

=
) det( ) (
1 2 1
E E E E I D
p p n

=
) det( ) ( A I D
n
=
En consecuencia,
) det( ) ( ) ( A I D A D
n
=
Proposicin.-(Unicidad de la funcin determinante)
i
D es la nica funcin determinante sobre
n n
K

que satisface 1 ) ( =
n i
I D .
Prueba
----------------------------------------------------------------------------------------------------------
124
Sea D cualquier funcin determinante que satisface 1 ) ( =
n
I D , entonces
) ( ) ( ) ( ) ( ) ( ) ( ) ( A D A D I D A D I D A I D A D
i i n n
= = = =
Entonces,
i
D D = .
Corolario.- Sea
D K K D K n D
n n
/ : { ) , ( =

es funcin determinante}
) , ( K n D es un espacio vectorial de dimensin 1 sobre K.
Prueba
Si ) , ( K n D De , entonces
n n
K A A I D IA D A D

e = = ), det( ) ( ) ( ) ( .
Como ) (I D = o es una constante, entonces ) det( ) ( A A D o = . Luego, det o = D y
como 0 det = , } det { es una base de ) , ( K n D . En consecuencia 1 )) , ( dim( = K n D .
Proposicin.- Sean
s r r r s s
K C K B K A

e e e , , , demuestre que
) det( ) det(
0
det B A
B C
A
=
|
|
.
|
\
|
(

Prueba
Fijamos A, C y definimos
K K
r r
: tal que
|
|
.
|
\
|
(
=
B C
A
B
0
det ) (
La aplicacin as definida resulta ser r-lineal alternada sobre las columnas de B ya
que det es una forma n-lineal alternada.
Entonces, es una funcin determinante y aplicando a B se tiene
) ( ) det( ) (
r
I B B = (1)
Pero,
|
|
.
|
\
|
(
=
|
|
.
|
\
|
(
=
r r
r
I
A
I C
A
I
0
0
det
0
det ) ( ; ntese que en el lugar correspondiente a
la matriz C aparece 0; esto se obtiene mediante operaciones elementales.
Ahora definimos
K K
s s
: tal que
|
|
.
|
\
|
(
=
r
I
A
A
0
0
det ) (
La aplicacin as definida es s-lineal alternada sobre las columnas de A, luego
utilizando el mismo argumento que para se tiene
) ( ) det( ) (
s
I A A = (2)
----------------------------------------------------------------------------------------------------------
125
Adems se tiene que
1 ) det(
0
0
det ) ( = =
|
|
.
|
\
|
(
=
+r s
r
s
s
I
I
I
I
Luego,
) (
0
0
det ) det( ) (
r
r
I
I
A
A A =
|
|
.
|
\
|
(
= = (3)
Finalmente, usando en (1) el resultado obtenido en (3) se tiene
) det( ) det( ) ( A B B =
Con lo que queda demostrado que
) det( ) det(
0
det B A
B C
A
=
|
|
.
|
\
|
(

Ejercicio.- Aplicando la proposicin anterior demostrar que

2 2 2 2 2
) ( d c b a
a b c d
b a d c
c d a b
d c b a
+ + + =

Solucin
Sumando a la primera fila la tercera multiplicada por i, y a la segunda la cuarta
multiplicada por i, se obtiene

a b c d
b a d c
ia c ib d ic a id b
ib d ia c id b ic a
a b c d
b a d c
c d a b
d c b a

+ + +
+ + +
=

Ahora, sumando a la tercera columna la primera multiplicada por i, y a la cuarta la
segunda multiplicada por i, se obtiene
ic a id b c d
id b ic a d c
ic a id b
id b ic a
a b c d
b a d c
ia c ib d ic a id b
ib d ia c id b ic a
+

+
+ +
=

+ + +
+ + +
0 0
0 0

Aplicando la proposicin anterior se tiene
ic a id b
id b ic a
ic a id b
id b ic a
ic a id b c d
id b ic a d c
ic a id b
id b ic a
+

+
+ +
=
+

+
+ +
0 0
0 0

----------------------------------------------------------------------------------------------------------
126

ic a id b
id b ic a
ic a id b
id b ic a
+
+ +
+
+ +
= Prop. de conj.

ic a id b
id b ic a
ic a id b
id b ic a
+
+ +
+
+ +
=

2
ic a id b
id b ic a
+
+ +
= Usando la Prop.
2
| | z z z =

2
)) )( ( ) )( (( id b id b ic a ic a + + + =

2 2 2 2 2
) ( d c b a + + + =
Finalmente, tomando extremos se tiene

2 2 2 2 2
) ( d c b a
a b c d
b a d c
c d a b
d c b a
+ + + =

Ejercicio.- Demostrar que

n n
K B A iB A
A B
B A

e + =
|
|
.
|
\
|
(

, ; ) det( det
2

Solucin

|
|
.
|
\
|
(
+ +
=
|
|
.
|
\
|
(

A B
iA B iB A
A B
B A
det det

|
|
.
|
\
|
(
+
=
iB A B
iB A 0
det

|
|
.
|
\
|
(
+
+
=
iB A B
iB A 0
det
) ( det ) det( iB A iB A + + =
) det( ) det( iB A iB A + + =

2
) det( iB A+ =

Adjunta de una matriz
Definicin.- Sea
n n
n n ij
K a A

e = ] [ . Llamaremos i-simo, j-simo cofactor de la

matriz A a la expresin
) | ( det ) 1 ( j i A C
j i
ij
+
= (1)
----------------------------------------------------------------------------------------------------------
127
Nota.- Reemplazado la relacin (1) en

=
+
=
n
j
ij
j i
j i A a A
1
) | ( det ) 1 ( ) det(
se obtiene

=
=
n
j
ij ij
C a A
1
) det( (2)
La relacin (2), que es otra forma de expresar el ) det(A y es llamada desarrollo por
cofactores de la i-sima fila de A.
Definiciones.- Sea
n n
n n ij
K a A

e = ] [ .
1. Llamaremos matriz cofactor de A a la matriz denotada por

n n ij
C A Cof

= ] [ ) ( (3)
donde los
ij
C son los cofactores correspondientes a la i-sima fila y j-esima
columna de la matriz A, n j i s s , 1 .
2. Llamaremos matriz adjunta de A a la matriz denotada por

T
A Cof A Adj ) ) ( ( ) ( =
Esto es, la adjunta de A, es la transpuesta de la matriz cofactor de A.
Ejemplo.-Dada la matriz

(

=
5 3
1 2
A
Hallar ) (A Adj .
Solucin
5 ]) 5 det([ ) 1 (
1 1
11
= =
+
C , 3 ]) 3 det([ ) 1 (
2 1
12
= =
+
C ,
1 ]) 1 det([ ) 1 (
1 2
21
= =
+
C , 2 ]) 2 det([ ) 1 (
2 2
22
= =
+
C
Entonces,
(

=
2 1
3 5
) (A Cof y en consecuencia
(
= =
2 3
1 5
)) ( ( ) (
T
A Cof A Adj
Teorema.- Sea
n n
K A

e , entonces
A A Adj I A A Adj A
n
= = ) ( )) (det( ) (
Prueba
----------------------------------------------------------------------------------------------------------
128
Sea ] , , , , , [
2 1 n j
A A A A A = donde
(
(
(
(
(
(
=
nj
ij
j
j
a
a
a
A
.
.
1

=
=
+
=
=
n
i
ij ij
n
i
ij
j i
C a
j i A a A
1
1
)) | ( det( ) 1 ( ) det(
(1)
Sea

] , , , , , , [
1 n
k
k
j
k
A A A A B = la matriz obtenida a partir de A, donde la j-sima
columna es igual a la k-sima columna. Haciendo el clculo del determinante de B a
travs de la columna j, se tiene

=
= =
n
i
ij ij
C b B
1
) det( 0
pero como
ij
b es una componente de la columna
k
A , se tiene que
ik ij
a b = ; es decir

(
(
(
(
(
(
=
(
(
(
(
(
(
nk
ik
k
nj
ij
j
a
a
a
b
b
b
.
.
.
.
1 1
j-sima columna
Entonces,

=
= =
n
i
ij ik
j k C a
1
, 0 (2)
Sea
T
ij ij
C d A Adj ) ( ) ( ) ( = = , donde
ji ij
C d = , entonces

= = =
= = =
n
r
rj rk
n
r
rk rj
n
r
rk jr jk
C a a C a d A A Adj
1 1 1
) ) ( (
Si k j = , de (2) se tiene que
0 ) ) ( ( =
jk
A A Adj .
Si k j = , se tiene
) det( ) ) ( (
1
A C a A A Adj
n
r
rj rj jj
= =

=

Por consiguiente,
----------------------------------------------------------------------------------------------------------
129

n
I A
A
A
A
A A Adj ). det(
) det( 0 0
0 ) det( 0
0 0 ) det(
) ( =
(
(
(
(
. .
(3)
Afirmacin.-
T T
A Adj A Adj )) ( ( ) ( =
Dejamos como ejercicio la prueba de la afirmacin. Sugerencia ) | ( )) | ( ( i j A j i A
T
= .
Luego, de la afirmacin reemplazando A por
T
A en la relacin (3) se obtiene

n n
T T T
I A I A A A Adj = = ) det( ) det( ) (

n
T T T
I A A A Adj = ) det( ) ) ( (

n
T T
I A A Adj A = ) det( )) ( (
Por la afirmacin

n
I A A Adj A = ) det( )) ( (
Ejercicio.- Dada
n n
K A

e , invertible. Calcular
a) )) ( det( A Adj
b) )) ( ( A Adj Adj
Solucin
a)
n
I A A Adj A = ) det( ) ( , por el teorema; luego calculando el determinante se
tiene
) ) det(det( )) ( det(
n
I A A Adj A =

n
A A Adj A )) (det( )) ( det( ) det( =
Como A es invertible, 0 ) det( = A y en consecuencia se tiene

1
)) (det( )) ( det(

=
n
A A Adj
b) Sea ) (A Adj B = , entonces

n
I B B Adj B = ) det( ) (

n
I A Adj A Adj Adj A Adj = )) ( det( )) ( ( ) (
Multiplicando ambos miembros por A se tiene,
A A Adj A Adj Adj A Adj A = )) ( det( )) ( ( )) ( (
Luego, haciendo uso del teorema en el primer miembro y de la parte a) del
ejercicio en el segundo miembro de la ltima relacin se tiene
A A A Adj Adj I A
n
n
=
1
)) (det( )) ( ( ) det(
----------------------------------------------------------------------------------------------------------
130
al ser A invertible 0 ) det( = A y se tiene finalmente que
A A A Adj Adj
n 2
)) (det( )) ( (

=
Proposicin.- Sea
n n
K A

e . A es invertible si y solo si 0 ) det( = A .
Prueba
) A invertible, entonces existe una matriz
n n
K B

e tal que
0 ) det( 1 ) det( ) det( 1 ) det( = = = = = A B A AB BA I AB
n

) : Asumiendo que 0 ) det( = A ; por una proposicin demostrada tenemos que

n n
I A Adj
A
A I A A Adj A = = ) (
) det(
1
) det( ) (
En consecuencia, A es invertible y
) (
) det(
1
1
A Adj
A
A =

Corolario
Si A es invertible, entonces
1 1
)) (det( ) det(

= A A .
Prueba
Como A es invertible por hiptesis, entonces existe
1
A que la inversa de A tal que
cumple
n
I AA =
1
. Luego,

) det(
1
) det( 1 ) det( ) det( ) det( ) det(
1 1 1
A
A A A I AA
n
= = =

En consecuencia,
1 1
)) (det( ) det(

= A A .
Ejemplo
Dada la matriz
(
(
(
=
1 1 0
0 2 1
2 0 1
A . Averiguar si A es invertible; en caso que lo sea hallar
su inversa.
Solucin
Calculando el determinante de A se tiene que 4 ) det( = A , entonces A es invertible.
La matriz cofactor de A es

(
(
(

=
(
(
(

=
2 1 1
2 1 1
4 2 2
) (
2 2 4
1 1 2
1 1 2
) ( A Adj A Cof
Luego, se tiene que
----------------------------------------------------------------------------------------------------------
131

(
(
(

= =
2 1 1
2 1 1
4 2 2
4
1
) (
) det(
1
1
A Adj
A
A
Ejemplo
Utilizando la adjunta, calcular la inversa de

(
(
(

=
u u
u u
cos 0
0 1 0
0 cos
sen
sen
A
Solucin
0 1 cos ) det(
2 2
= = + = u u sen A , entonces

(
(
(
u u
u u
cos 0
0 1 0
0 cos
1
sen
sen
A
Una de las tantas aplicaciones del uso de los determinantes es la solucin de un sistema
de n ecuaciones con n incgnitas, cuando la matriz asociada tiene determinante no nulo.
Este mtodo es conocido como la Regla de Cramer.

Regla de Cramer
Sea el sistema

n n nn n n
n n
n n
b x a x a x a
b x a x a x a
b x a x a x a
= + + +
= + + +
= + + +
. .
2 2 1 1
2 2 2 22 1 21
1 1 2 12 1 11
(1)
Que de forma abreviada, escribimos como
B AX = (2)
Donde
n n ij
a A

= ] [ ,
(
(
(
(
=
n
x
x
x
X
.
2
1
y
(
(
(
(
=
n
b
b
b
B
.
2
1

En (2) multiplicando ambos miembros por la ) (A Adj se tiene
B A Adj AX A Adj ) ( ) )( ( =
B A Adj X A A Adj ) ( ) ) ( ( =
B A Adj X I A
n
) ( ) det( =
B A Adj X A ) ( ) det( =
----------------------------------------------------------------------------------------------------------
132

] , , , , , , det[
)) | ( det( ) 1 (
)) ( ( ) det(
1 1 1
1
1
1
n
j j
n
i
i
j i
n
i
i ij
n
i
i ji j
A A B A A
j i A b
b C
b A Adj x A

+
=
+
=
=
=
=
=
=

Luego, si 0 ) det( = A , se tiene
n j A A B A A
A
x
n
j j j
, , 2 , 1 ; ] , , , , , , det[
) det(
1
1 1 1
= =
+

Ejemplo
Use la Regla de Cramer para resolver el sistema

1 2
3 2
5 2
= +
=
=
z x
z y
y x

Solucin
La matriz asociada al sistema es

(
(
(
=
2 0 1
1 2 0
0 1 2
A y 7 ) det( = A
Luego,

7
15
7
2 0 1
1 2 3
0 1 5
=

= x ,
7
6
7
2 0 1
1 3 0
0 5 2

= y y
7
11
7
1 0 1
3 2 0
5 1 2
=

= z
Ejemplo
Dado el sistema

0 ) 1 (
1 ) 1 (
2
= + +
= + + +
= + +
z m my x
z m y mx
m z y x

Describir el conjunto solucin para todos los posibles valores reales de m.
Solucin
La matriz asociada al sistema es

(
(
(
+ =
1 1
1 1
1 2 1
m m
m m A
----------------------------------------------------------------------------------------------------------
133
Usando las propiedades de determinantes, calculamos
) 2 ( 2
1 1
1 1
1 2 1
=
+ = m m
m m
m m A
Luego, el sistema tiene solucin nica para 0 = m y 2 = m .

Ejercicios

1. Si
5
3 2 1
3 2 1
3 2 1
= =
c c c
b b b
a a a
A
calcule los siguientes determinantes:
a)
1 2 3
1 2 3
1 2 3
c c c
b b b
a a a
b)
3 2 1
3 2 1
3 2 1
2 2 2 c c c
b b b
a a a

c)
3 2 1
3 3 2 2 1 1
3 2 1
4 4 4
c c c
c b c b c b
a a a
+ + + .
2. Sea A una matriz de orden 4 4 y suponga que 5 = A . Calcule
a)
1
A b) A 2 c)
1
2

A d)
1
) 2 (

A

3. Sea 3 = A y 4 = B . Calcule
a) AB b)
T
ABA c) AB B
1

4. En los siguientes ejercicios, calcule el determinante, haciendo uso de las
propiedades dadas mediante los teoremas.
a)
6 4 8 11
0 1 3 2
2 4 2 3
4 1 0 2

b)
5 3 5 1
0 3 2 1
0 0 2 1
0 0 0 4

c)
5 1 2 4
0 4 2 3
0 0 3 5
0 0 0 2
h)
4 6 2 8
3 1 0 2
5 1 2 3
4 3 2 4

----------------------------------------------------------------------------------------------------------
134
i)
1 1 1 1
0 0 1 1
1 1 0 2
1 1 1 1

j)
2 2 1 1 1
2 3 1 0 1
1 4 2 1 0
2 1 3 2 1
1 0 1 0 2

5. Demostrar que
} ) ( / { ) (
2 2
2
2
K en K M de te determinan funcin es D D K D

=
Es un K - espacio vectorial de dimensin 1.
6. Demostrar que si A en una matriz singular, entonces 0 ) det( = A .
7. Muestre que si 0 ) det( = AB , entonces 0 ) det( = A o 0 ) det( = B .
8. Demostrar por induccin sobre r:
r D D
r
j
n
j
i
r
j
n
j
i
=

= =
, ] , , , , [ ] , , , , [
1
) (
1
1
) (
1
o o o o o o
9. Si ] [
ij
a A = tal que j i si a
ij
< = 0 , entonces
[
=
=
n
i
ii
a A
1
) det( .
10. Sea n impar y
T
n n
A A K M A = e

/ ) ( , probar que 0 ) det( = A .
11. Demostrarla siguiente proposicin. Los vectores
n
n
K v v v e , , ,
2 1
son
linealmente independientes si y solo si 0 ] , , det[
1
=
n
v v .
Haciendo uso de la proposicin, averiguar cules de los siguientes conjuntos de
vectores son linealmente independientes:
a)
4
) 125 , 625 , 25 , 5 ( ), 27 , 81 , 8 , 9 , 3 ( ), 1 , 1 , 1 , 1 ( ), 8 , 16 , 3 , 2 ( Q e
b) c b a c b a R c c c b b b a a a = = = e , 0 , , ; ) , , ( ), , , ( ), , , (
3 3 2 3 2 3 2
.
12. Verifique las siguientes identidades:
a) ) )( )( (
1
1
1
2
2
2
y z x z x y
z z
y y
x x
=
b)
2 2 2 2 2
) ( d c b a
a b c d
b a d c
c d a b
d c b a
+ + + =

----------------------------------------------------------------------------------------------------------
135
c) ) )( )( (
1 1 1
a c c b b a
ab ac bc
c b a =
d) 4
0 1 1 1 1
1 0 1 1 1
1 1 0 1 1
1 1 1 0 1
1 1 1 1 0
=
e)
3
) (
2 2
2 2
2 2
z y x
x y z z z
y z x y y
x x z y x
+ + =

13. Usando induccin demostrar que:

[
<
s s

=
j i
n i
i j
n
n
n n
n
x x
x x x
x x x
1 1
1 1
2
1
1
2 1
) (
1 1 1
. . .

14. Sea R R M D
n n

) ( :
4
una funcin determinante tal que:
5 ] , , , [
4 3 2 1 4
= e e e e D , siendo
4 3 2 1
, , , e e e e vectores cannicos de
4
R .
Calcular
|
|
|
|
|
.
|
\
|
(
(
(
(
2 3 1 3
1 2 4 1
1 2 3 0
1 2 1 1
4
D .

15. Dada la matriz
(
(
(
=
3 2 5
4 1 3
2 0 1
A
Calcule todos los cofactores
16. Dada la matriz
(
(
(
(
=
0 1 3 0
0 4 2 3
1 4 1 2
0 3 0 1
A
----------------------------------------------------------------------------------------------------------
136
Calcule todos los cofactores de los elementos del segundo rengln y todos los
cofactores de los elementos de la tercera columna.
17. En los ejercicios, evale los determinantes haciendo uso cofactores:
a)
1 2 3 0
4 3 0 2
3 0 2 1
1 2 4 4
b)
0 0 3 2
1 4 1 3
1 2 1 0
1 3 2 2

c)
5 1 1 0
5 4 3 1
7 3 0 2
1 2 1 3

d)
0 0 3 3
2 5 2 2
1 2 1 0
3 1 0 0

18. Dada la matriz

(
(
(
=
1 0 2
3 1 4
0 3 2
A
Calcular
32 31 22 21 12 11
A a A a A a + + .
19. Dada la matriz
(
(
(
=
1 2 3
0 2 1
3 1 2
A
a) Determine ) (A adj
b) Calcule ) det(A
c) Verifique la propiedad
3
) det( ) ( ) ( I A A adjA adjA A = = .
20. Sea
(
(
(
=
5 4 4
1 4 3
8 2 6
A
a) Determine ) (A adj
b) Calcule ) det(A
c) Verifique la propiedad

3
) det( ) ( ) ( I A A adjA adjA A = = .
21. En los siguientes ejercicios, calcule las inversas de las matrices dadas, si es que
existen, mediante la adjunta.
----------------------------------------------------------------------------------------------------------
137
a)
(
4 3
2 3
b)
(
(
(
3 0 1
2 1 0
2 2 4
c)
(
(
(
(

2 0 1 0
2 5 1 2
4 3 1 2
3 1 2 0

22. Utilice determinantes para determinar cuales de las siguientes matrices son no
singulares.
a)
(
4 3
2 1
b)
(
(
(
1 3 2
2 1 0
3 2 1
c)
(
(
(
(
7 2 1 0
0 2 5 2
7 1 4 3
5 0 2 1

23 Sea ) (R M A
n n
e , tal que el cofactor
rs
A de
rs
a es deferente de cero.
Demostrar que la matriz A(t) obtenida de A, sustituyendo
rs
a por t a
rs
+ , tiene
determinante:
rs
tA A t A + = ) ( .
24. Muestre que si A es simtrica, entonces ) (A adj tambin es simtrica.
25. Si ) (R M A
n n
e , demostrar que
1
)) ( ( )) ( (

=
n
A D A Adj D .
26. Dada la transformacin ) , , ( ) , , (
3 2 1
x x x T = u donde:
u u u sen x sen x x = = =
3 2 1
, cos , cos cos
Obtener el jacobiano de la transformacin; es decir, el determinante de la matriz
cuya fila i-sima son las derivadas parciales de la i-sima funcin
i
x respecto de
, y u .

27. Para que valores de x, el siguiente determinante es diferente de cero.
x
x
x
+
+

2 1 2
2 1 4
6 3 2

28. a) Obtener el jacobiano de la transformacin
2
: R U f , siendo
X eje R U =
2
tal que ) , ( ) , ( v u y x f = tal que y x u + = ,
y
x
v =
donde 0 , > y x .
b) Cules son U y x e ) , ( , tal que 0 ) , ( = y x J
f
?.
29. Haga uso de los teoremas o corolarios para determinar si los siguientes sistemas
homogneos tienen soluciones no triviales.
----------------------------------------------------------------------------------------------------------
138
a)
0 2 3
0 3 2
0 2
= + +
= + +
= +
z y x
z y x
z y x
b)
0 2
0 2
0 3 2
0 2
= +
= +
= + +
= + +
w z y
w z
z y x
w y x

30. En los siguientes ejercicios, resuelva el sistema lineal dado mediante la regla de
Cramer, en caso de ser posible
a)
5 3 2
0 2
2 6 4 2
= +
= +
= + +
z y x
z x
z y x
b)
4
5 2 2
4 3 2
4 2
= +
= + +
= + +
= + +
w y x
w z y x
w z y
w z y x

31. Determine todos los valores de a para los cuales el sistema lineal
0 2
0 2
= +
= +
y ax
ay x

tiene:
a) Una nica solucin b) Una infinidad de soluciones
32. Determine todos los valores de a para los cuales la matriz
(
2 2
2 2
a a
a

es no singular.
33. Utilice la regla de Cramer para determinar todos los valores de a para los cuales
el sistema lineal.
10 3
2
9 2 2
=
= +
= +
z y x
a y x
z y x

tiene la solucin en la cual 1 = y .
----------------------------------------------------------------------------------------------------------
139
PRODUCTO INTERNO Y ORTOGONALIDAD

1. PRODUCTO INTERNO
DEFINICIN 1.1.- Sea V un espacio vectorial sobre el campo K, donde R K =
C K = . Llamaremos producto interno sobre V a una aplicacin:
K V V ) ( : ,
si satisface las siguientes condiciones:
i) V w v u w v w u w v u e ) ( + ) ( = ) + ( , , ; , , , .
ii) V v u u v v u e ) ( = ) ( , ; , , , la barra indica la conjugacin compleja.
iii) ) ( = ) ( v u a v au , , y V v u K a v u a av u e e ) ( = ) ( , , ; , , .
iv) 0 , > ) ( v v y u = = ) ( v v v 0 , .
Al par ) , , ( ) ( V se le denomina espacio vectorial con producto interno.
(1) De la definicin 1.1. se observa que ) ( , es una aplicacin que hace
corresponder a cada par de vectores V v u e , un escalar real o complejo.
(2) Si R K = las condiciones ii) y segunda parte de iii) resultan: ) ( = ) ( u v v u , , y
) ( = ) ( v u a av u , , respectivamente.
EJEMPLO 1.1.2.- Sea
n
R V = y
n
R y x e , donde ) , , (
1 n
x x x = e
) , , (
1 n
y y y = .
En este espacio definimos:

) (
) (
y x y x
R R R
n n
, ) , (
: ,

por
=
= + + = ) (
n
i
i i n n
y x y x y x y x
1
1 1
, .
As definida la aplicacin ) ( , cumple con las condiciones de producto interno. En
efecto:
Sean R ae y
n
n n n
R z z z y y y x x x e = = = ) , , ( ), , , ( ), , , (
1 1 1

i)
=
+ = ) + (
n
i
i i i
y z x y z x
1
) ( ,

=
+ =
n
i
i i i i
y z y x
1
) (
----------------------------------------------------------------------------------------------------------
140

= =
+ =
n
i
i i
n
i
i i
y z y x
1 1

) ( + ) ( = y z y x , ,
ii)
=
= ) (
n
i
i i
y x y x
1
,

=
=
n
i
i i
x y
1

) ( = x y,
iii)
=
= ) (
n
i
i i
y ax y ax
1
) ( ,

=
=
n
i
i i
y x a
1
) (

=
=
n
i
i i
y x a
1

) ( = y x a ,
Anlogamente,

=
= ) (
n
i
i i
ay x ay x
1
) ( ,

=
=
n
i
i i
y x a
1
) (

=
=
n
i
i i
y x a
1

) ( = y x a ,
iv)
=
= ) (
n
i
i i
x x x x
1
,
0
1
2
> =
=
n
i
i
x
As mismo
u = = = = = ) (

=
x n i x x x x
i
n
i
i
, , 1 ; 0 0 0 ,
1
2

=
= ) (
n
i
i i
y x y x
1
, es un producto interno.
EJEMPLO 1.1.3.- Sean C K C V
n
= = , y ) , , (
1 n
x x x = ,
n
n
C y y y e = ) , , (
1
.
----------------------------------------------------------------------------------------------------------
141
Definimos:
=
= ) (
n
i
i i
y x y x
1
,
La funcin definida as es un producto interno. Veamos que cumpla las condiciones
de la definicin:
Sean C ae y
n
n n n
C z z z y y y x x x e = = = ) , , ( ), , , ( ), , , (
1 1 1

i)
=
+ = ) + (
n
i
i i i
y z x y z x
1
) ( ,

=
+ =
n
i
i i i i
y z y x
1
) (

= =
+ =
n
i
i i
n
i
i i
y z y x
1 1

) ( + ) ( = y z y x , ,
ii)
=
= ) (
n
i
i i
y x y x
1
,

=
=
n
i
i
i y x
1

=
=
n
i
i
i
x y
1

) ( = x y,
iii)
=
= ) (
n
i
i i
y ax y ax
1
) ( ,

=
=
n
i
i i
y x a
1
) (

=
=
n
i
i i
y x a
1

) ( = y x a ,
y
=
= ) (
n
i
i i
ay x ay x
1
) ( ,

=
=
n
i
i
y a x
1
) (

=
=
n
i
i i
y x a
1
) (
----------------------------------------------------------------------------------------------------------
142

=
=
n
i
i i
y x a
1

) ( = y x a ,
iv)
=
= ) (
n
i
i
i
x x x x
1
,
0
1
2
> =
=
n
i
i
x

=
= = ) (
n
i
i
x x x
1
2
0 0 ,
n i x
i
, , 2 , 1 ; 0 = =
n i x
i
, , 2 , 1 ; 0 = =
u = x
EJEMPLO 1.1.4.- En el espacio vectorial
2
R V = se define:
R R R ) (
2 2
: ,
como
2 2 1 1
3 , y x y x y x = ) ( donde ) , ( ), , (
2 1 2 1
y y y x x x = = .
Averiguar si la aplicacin as definida es un producto interno.
SOLUCIN
Sean R a e y
2
2 1 2 1 2 1
) , ( ), , ( ), , ( R z z z y y y x x x e = = =
i)
2 2 2 1 1 1
) ( 3 ) ( , y z x y z x y z x + + = ) + (

2 2 2 2 1 1 1 1
3 3 y z y x y z y x + =
) 3 ( ) 3 (
2 2 1 1 2 2 1 1
y z y z y x y x + =
) ( + ) ( = y z y x , ,
ii)
2 2 1 1
3 , y x y x y x = ) (

2 2 1 1
3 x y x y =
) ( = x y,
iii)
2 2 1 1
) ( 3 ) ( , y ax y ax y ax = ) (
) 3 (
2 2 1 1
y x y x a =
) ( = y x a ,
Anlogamente ) ( = ) ( y x a ay x , ,
iv)
2
2
2
1
3 , x x x x = ) ( no siempre es mayor que cero.
En consecuencia la aplicacin
2 2 1 1
3 , y x y x y x = ) ( no define un producto interno.
----------------------------------------------------------------------------------------------------------
143
EJEMPLO 1.1.5.- Sea f R f V / ] 1 , 0 [ : { = es continua}, definimos en este
espacio vectorial la aplicacin:
}
= ) (
1
0
) ( ) ( , dt t g t f g f
Verificar que la aplicacin as definida es un producto interno.
SOLUCIN
Se deja al lector la verificacin de las propiedades i), ii) y ii); slo mostraremos que
se verifica iv).
0 0 , = = ) ( f f f (por demostrar)
Supongamos que ] 1 , 0 [ 0
0
e - = t f tal que 0 ) (
0
= t f .

}
= ) (
1
0
) ( ) ( , dt t f t f f f

}
=
1
0
2
)) ( ( dt t f

}
=
1
0
2
) ( dt t f
Como f es continua en
2
) ( ] 1 , 0 [ t f es tambin continua en ] 1 , 0 [ . Adems
0 ) (
2
0
> t f .
Como
2
) (t f es continua 0 > - o tal que si ) , (
0 0
o o + e t t t , entonces:
1 0 ; 0 ) (
2
0
s s > t t f ...(*)
Antes de proseguir daremos dos propiedades del clculo elemental:
1 Sea R b a g ] , [ : . Si 0 ) ( > x g para todo ] , [ b a x e y ] , [ ] , [ b a d c c ,
entonces:
} }
s
d
c
b
a
dx x g dx x g ) ( ) (
2 Si 0 ) ( > x g para todo ] , [ d c x e (de 1), se tiene que:
}
>
d
c
dx x g 0 ) (
Luego, regresando a (*), tenemos que:
} }
+
= s <
o
o
0
0
1
0
2 2
0 ) ( ) ( 0
t
t
dt x f dt t f
lo cual es una contradiccin. La contradiccin proviene del hecho de haber supuesto
que 0 = f , luego concluimos que 0 = f .
----------------------------------------------------------------------------------------------------------
144
EJEMPLO 1.1.6.- Consideremos el espacio vectorial ) , , , (
2
R R + y la matriz
simtrica
(
=
c d
d a
A .
Definimos: R R R ) (
2 2
: ,
Tal que
(
= ) (
2
1
2 1
] [ ,
y
y
c d
d a
x x y x , donde ) , ( ), , (
2 1 2 1
y y y x x x = = .
Determinar las condiciones para que la funcin as definida sea un producto interno.
SOLUCIN
i), ii) y iii) se verifican sin ninguna dificultad (cualquiera sean los valores de a, c y
d). Analicemos qu condiciones se debe de cumplir para que se verifique iv).

(
= ) (
2
1
2 1
] [ ,
x
x
c d
d a
x x x x

2
2 2 1
2
1
2 cx x dx ax + + =
supongamos que 0 = a , entonces:

+
|
.
|
\
|
+ = + +
2
2
2
2
2
2 1
2
2 2 1
2
1
) (
2
a
x d ac
x
a
d
x a cx x dx ax (*)
Luego de (*) ) ( , define un producto interno si y solo si 0 0
2
> . > d ac a .
DEFINICIN 1.2.- Sea V un espacio vectorial sobre K con producto interno
( ) ( , ). La norma de un vector V v e denotado por v , definimos como:
0 , ; , > ) ( ) ( = v v v v v
EJEMPLO 1.2.1.- En ) 3 , 1 ( ,
2
= v R
10 9 1 , = + = ) ( v v
10 , = ) ( = v v v

EJEMPLO 1.2.2.- Sea f R f V / ] 1 , 0 [ : { = es continua}.
}
= ) (
1
0
) ( ) ( , dt t g t f g f ,
}
= ) (
1
0
2
) ( , dt t f f f
}
= ) ( =
1
0
2
) ( , dt t f f f f
Caso particular. Sea
x x
e x f e x f
2 2
) ( ) ( = =
----------------------------------------------------------------------------------------------------------
145
}
=
1
0
2
dx e f
x

1
0
2
(
2
1
(
(
=
x
e
) 1 (
2
1
2
= e
TEOREMA 1.3.- Sea V espacio vectorial sobre K con producto interno. Entonces
se cumple:
i) V v K a v a av e e = , ; .
ii) 0 > v y u = = v v 0 .
iii) V v u v u v u e s ) ( , ; , (desigualdad de Cauchy-Schwartz)
iv) V v u v u v u e + s + , ; (desigualdad triangular)
PRUEBA
i) ) ( = av av av ,
) ( = v v a a ,
) ( = v v a ,
2

) ( = v v a ,
v a =
i) Es consecuencia directa de la definicin de producto interno.
ii) Probaremos que V v u v u v u e s ) ( , ; , .
Caso 1.- Si u = u
v v v v u u u u = = ) ( = ) ( = ) ( 0 , 0 , ,
Caso 2.-Si u = u
Definimos u
u
u v
v w
2
, ) (
=
Afirmacin.- 0 , = ) ( u w .
En efecto:
u u
u
u v
v u w ,
,
,
2
) (
= ) (
----------------------------------------------------------------------------------------------------------
146
) (
) (
) ( = u u
u
u v
u v ,
,
,
2

2
2
,
, u
u
u v
u v
) (
) ( =
0 =
Luego

u
u
u v
v u
u
u v
v w
2 2
2 ,
,
,
0
) (
) (
= s

u
u
u v
u
u
u v
v v u
u
u v
v
2 2 2
,
,
,
,
, ) ( ) (

) (
=

) afirmacin la (por 0
2 2 2
,
, ,
,
,
, u u
u
u v
v
u
u v
v u
u
u v
v v
) (
) (
) (
) (
) ( =
) (
) (
) ( = v u
u
u v
v v ,
,
,
2

2
2
2
,
u
u v
v
) (
=
tomando los extremos se tiene:

2
2
2
,
0
u
u v
v
) (
s
2
2
2
,
v
u
u v
s
) (

2
2
) ( , v u u v s ) (
v u v u s ) ( ,
iv) Probaremos ahora que: v u v u + s +
) + + ( = + v u v u v u ,
2

) + ( + ) + ( = v u v v u u , ,
) ( + ) ( + ) ( + ) ( = v v u v v u u u , , , ,
) ( + ) ( + + = v u v u v u , ,
2 2

) , ( Re 2
2 2
) ( + + = v u v u (1)
) ( + + s v u v u , 2
2 2
(2)
----------------------------------------------------------------------------------------------------------
147
v u v u 2
2 2
+ + s (3)
( )
2
v u + =
Luego, extrayendo la raz cuadrada a ambos miembros de la desigualdad se
tiene:
v u v u + s +
NOTA.- En la demostracin de iv) se ha hecho uso de:
(1) C z z z z e = + ), Re( 2
(2) C z z z e s , ) Re(
(3) La parte iii) del teorema.

EJERCICIOS
1. Sean
2
2 1 2 1
) , ( ), , ( R y y y x x x e = = . Averiguar si las aplicaciones dadas a
continuacin definen un producto interno sobre
2
R :
a)
2 2 1 1
3 ) , ( y x y x y x f + =
b)
2 2 1 2 2 1 1 1
5 2 2 ) , ( y x y x y x y x y x f + =
2. Sean
2
2 1 2 1
) , ( ), , ( R y y y x x x e = = . Hallar los valores de k para que la
aplicacin
2 2 1 2 2 1 1 1
3 3 ) , ( y kx y x y x y x y x f + = defina un producto interno
sobre
2
R .
3. Dados ) , (
2 1
u u u = y ) , (
2 1
v v v = elementos de
2
C . Averiguar si la aplicacin
2 2 1 2 2 1 1 1
3 ) 1 ( ) 1 ( ) , ( v u v u i v u i v u v u f + + + + =
define un producto interno sobre
2
C . En caso de que resulte ser producto
interno, hallar la norma de
2
) 2 1 , 3 2 ( C i i u e + = .

2. ORTOGONALIDAD CONJUNTO ORTOGONAL CONJUNTO
ORTONORMAL
DEFINICIONES 2.1.- Sea ) , , , ( K V + un espacio vectorial con producto interno
donde R K = C K = .
i) Dados V v u e , , se dice que u y v son ortogonales si y solo si
0 , = ) ( v u
NOTACIN.- El hecho que u y v son ortogonales se denota por v u .
----------------------------------------------------------------------------------------------------------
148
ii) Sea V W c un subconjunto, se denomina conjunto ortogonal a W al conjunto
denotado por
W que se define como

} , 0 , / { W w w v V v W e = ) ( e =

iii) Sea V W c un subconjunto, se dice W es un conjunto ortogonal si y solo si
W v u e , tal que v u = implica que 0 , = ) ( v u .
iii) Sea V W c un subconjunto, se dice que W es ortonormal si y solo si W es
ortogonal y W u u e = , 1 .
OBSERVACIN 2.1.1.- Sea V un espacio vectorial con producto interno. Si W es
un subespacio de V, entonces
W es tambin un subespacio de V.
Se deja al lector, a modo de ejercicio, verificar la afirmacin de la observacin.
EJEMPLOS 2.2.
(1) Sea ) , , , (
2
R R + y
2
, R v u e donde ) , ( y x u = y ) , ( x y v = con el producto
interno usual.
0 , = + = ) ( xy xy v u

v u
(2) Sea
2
2 1 2 1
2
) , ( ), , ( ), , , , ( R y y v x x u R R e = = + , se define:

) (
) (
v u v u
R R R
, ) , (
: ,
2 2

tal que
2 2 2 1 1 2 1 1
4 , y x y x y x y x v u + = ) ( .
i) Verificar que la funcin as definida es un producto interno en
2
R .
i) Establecer la condicin necesaria y suficiente para que ) , ( y x y ) , ( x y
sean ortogonales segn el producto interno definido.
SOLUCIN
i) Ejercicio.
ii) 0 ) )( ( 4 ) )( ( ) )( ( ) ( ) , ( ), , ( = + = ) ( x y x x y y y x x y y x
0 4
2 2
= + + = xy x y xy
0 3
2 2
= + = x xy y
entonces
2
) ( 4 9 3
2 2
x x x
y

=

2
13 3 x x
=
----------------------------------------------------------------------------------------------------------
149
x
|
|
.
|
\
|

=
2
13 3

Luego x y x y y x ) 13 3 (
2
1
) , ( ) , ( =
(3) Sea el espacio vectorial:
) , , , ( R R
n
+ y )} 1 , , 0 , 0 ( , ), 0 , , 1 , 0 ( ), 0 , , 0 , 1 {( = W
W es un conjunto ortonormal pues
j i j i
e e o = ) ( , .
(4) Sea el espacio vectorial f R f V / ] 1 , 0 [ : { = es continua} con producto
interno definido como:
}
= ) (
1
0
) ( ) ( , dt t g t f g f
Considrese el conjunto:
} / nt 2 sen 2 ) ( nt, 2 cos 2 ) ( , 1 ) ( { N n t g t f t h W
n n
e = = = = t t
Probar que W es un conjunto infinito ortonormal.
PRUEBA
i) Fijando 1 ) ( = t h .
Primero hagamos variar ) (t f
n

}
= ) (
1
0
) ( 1 , dt t f f h
n

}
=
1
0
2 cos 2 dt nt t
1
0
2 sen (
2
2
(
(
= t n
n
t
t

) 0 sen 2 sen (
2
2
= t
t
n
n

) 0 0 (
2
2
=
t n

Luego N n f h
n
e = ) ( , 0 , .
Ahora hagamos variar ) (t g
n

}
= ) (
1
0
) ( 1 , dt t g g h
n

}
=
1
0
nt 2 sen 2 dt t
----------------------------------------------------------------------------------------------------------
150

1
0
2 (cos
2
2
(
= nt
n
t
t

) 0 cos 2 (cos
2
2
= t
t
n
n

) 1 1 (
2
2
=
t n

0 =
Luego N n t g h
n
e = ) ( , 0 ) ( , .
ii) Sean ) ( ), ( t g t f
n m
tal que n m= .

}
= ) (
1
0
) ( ) ( , dt t g t f g f
n n n n

}
=
1
0
nt) 2 sen ( ) 2 (cos 2 dt t n t t
dt nt t
}
=
1
0
4 sen

1
0
4 (cos
4
1
(
(
= nt
n
t
t

) 0 cos 4 (cos
4
1
= n
n
t
t

) 1 1 (
4
1
=
n t

) 0 (
4
1
n t
=
0 =
Luego N n g f
n n
e = ) ( , 0 , .
iii) Sea ) ( ), ( t g t f
n m
tal que n m = .

}
= ) (
1
0
) ( ) ( , dt t g t f g f
n m n m

}
=
1
0
nt) 2 sen ( ) 2 (cos 2 dt t m t t (*)
Haciendo uso de la identidad trigonomtrica:
] ) ( 2 sen ) ( 2 sen [
2
1
t) 2 t)cos( 2 ( sen t m n t m n m n + + = t t t t (**)
Reemplazando (**) en (*) se tiene
----------------------------------------------------------------------------------------------------------
151

}
+ + = ) (
1
0
] ) ( 2 sen ) ( 2 sen [ , t m n t m n g f
n m
t t

} }
+ + =
1
0
1
0
) ( 2 sen ) ( 2 sen tdt m n tdt m n t t

1
0
1
0
) ( 2 cos
) ( 2
1
( ) ( 2 cos
) ( 2
1
(
(
+
(
(
+
+
= t m n
m n
t m n
m n
t
t
t
t

) 1 1 (
) ( 2
1
) 1 1 (
) ( 2
1

+
=
m n m n t t

0 =
Luego m n g f
n n
= = ) ( , 0 , .
iv) Ahora hay que demostrar que 1 =
n
f y N n g
n
e = , 1 .
a) ) ( =
n n n
f f f ,
) ( =
n n n
f f f ,
2

}
=
1
0
2
) ( dt t f
n

}
=
1
0
2
2 cos 2 dt nt t

}
+ =
1
0
2
) 4 cos 1 (
2
1
2 dt nt t

} }
+ =
1
0
1
0
4 cos dt nt dt t

1
0
1
0
4 sen
4
1
(
(
(
+
(
(
= nt
n
t t
t

0 1+ =
1 =
Luego 1
2
=
n
f , en consecuencia N n f
n
e = , 1 .
b) ) ( =
n n n
g g g ,
) ( =
n n n
g g g ,
2

}
=
1
0
2
) ( dt t g
n

}
=
1
0
2
2 sen 2 dt nt t
----------------------------------------------------------------------------------------------------------
152

} }
=
1
0
1
0
4 cos dt nt dt t
0 1+ =
1 =
Luego 1
2
=
n
g , en consecuencia N n g
n
e = , 1 .
De i), ii), iii) y iv) se concluye que:
} / 2 sen 2 ) ( , 2 cos 2 ) ( , 1 { N n nt t g nt t f W
n n
e = = = t t
es un conjunto ortonormal infinito.

TEOREMA 2.3.- Sea V un espacio vectorial con producto interno y
V v v v W
n
c = } , , , {
2 1
un conjunto ortogonal donde
n i v
i
, , 2 , 1 , = =u . W es linealmente independiente sobre K.
PRUEBA
Sea u =
=
n
i
i i
v a
1
.
Fijando k, donde n k s s 1 y considerando
k
v . Calculando:
0 , 0 , ,
1 1
= ) ( = ) ( =

= =
n
i
k i i k k
n
i
i i
v v a v v v a u (1)
Como W es ortogonal k i v v
k i
= = ) ( , 0 , , luego de (1) se tiene:
0 , ,
1
= ) ( = ) (
=
k k k
n
i
k i i
v v a v v a
ya que u =
k
v , y 0 ,
2
> = ) (
k k k
v v v . Entonces n k a
k
s s = 1 , 0 .
} , , , {
2 1 n
v v v es linealmente independiente.

COROLARIO 2.3.1.- Sea V un espacio vectorial con producto interno,
V v v v W
n
c = } , , , {
2 1
un conjunto ortogonal donde n i v
i
, , 2 , 1 , = =u .
Si
=
=
n
i
i i
v a v
1
entonces n k
v
v v
a
k
k
k
s s
) (
= 1 ,
,
2
.
PRUEBA
n k v v a v v
n
i
k i i k
s s = ) (

=
1 , , ,
1

----------------------------------------------------------------------------------------------------------
153

=
) ( =
n
i
k i i
v v a
1
,
) ( =
k k k
v v a ,

2
k k
v a =

2
,
k
k
k
v
v v
a
) (
=
(1) Si W es ortonormal se tiene que n k v v a
k k
s s ) ( = 1 , , .
(2) Si v es una combinacin lineal de los elementos de W. Entonces:
=
) (
=
n
i
i
i
i
v
v
v v
v
1
2
,

EJEMPLO 2.3.3.- Sea ) , , , (
3
R R + y )} 0 , 1 , 0 ( ), 3 , 0 , 4 ( ), 4 , 0 , 3 {( = W un
conjunto ortogonal de
3
R . Expresar ) 2 , 1 , 3 ( como una combinacin lineal de los
elementos de W.
SOLUCIN
)} 0 , 1 , 0 ( ) 3 , 0 , 4 ( ) 4 , 0 , 3 ( ) 2 , 1 , 3 (
3 2 1
a a a + + =
donde haciendo uso de la observacin 2.3.2. parte (2) tenemos:

25
17
) 4 , 0 , 3 (
) 4 , 0 , 3 ( ), 2 , 1 , 3 (
2
1
=
) (
= a

25
6
) 3 , 0 , 4 (
) 3 , 0 , 4 ( ), 2 , 1 , 3 (
2
2

=
) (
= a
1
) 0 , 1 , 0 (
) 0 , 1 , 0 ( ), 2 , 1 , 3 (
2
3
=
) (
= a
) 0 , 1 , 0 ( 1 ) 3 , 0 , 4 (
25
6
) 4 , 0 , 3 (
25
17
) 2 , 1 , 3 ( + =

TEOREMA 2.4.- (Proceso de ortogonalizacin de Gram Schmidt)
Sea V un espacio vectorial con producto interno, de dimensin finita ) (dim n V
K
= .
Si ) ( , , ,
2 1
n m v v v
m
s son vectores linealmente independientes de V. Entonces
se puede construir vectores ortogonales V w w w
m
e , , ,
2 1
tales que para cada
----------------------------------------------------------------------------------------------------------
154
m k , , 2 , 1 = el conjunto } , , , {
2 1 k
v v v sea una base del subespacio generado
por
k
w w w , , ,
2 1
. Adems } , , , {
2 1 k
w w w es base de } , , , {
2 1 k
v v v L .
PRUEBA
Se define la base por induccin.
Sea
1 1
v w =

1
2
1
1 2
2 2
,
w
w
w v
v w
) (
=
0 ,
2 1
= ) ( w w , es decir
2 1
w w .
AFIRMACIN 1.- u =
2
w .
En efecto, suponiendo que u =
2
w se tiene que
1
2
1
1 2
2
,
w
w
w v
v
) (
= lo cual es
contradictorio con el hecho de que
1 1
w v = y
2
v son linealmente independientes.
Se construye
1
2
1
1 3
2
2
2
2 3
3 3
, ,
w
w
w v
w
w
w v
v w
) (
) (
=
AFIRMACIN 2.- u =
3
w .
En efecto, pues si se supone que u =
3
w , se tendra
1
2
1
1 3
2
2
2
2 3
3
, ,
w
w
w v
w
w
w v
v
) (
+
) (
=
es decir
3
v sera una combinacin lineal de
1
w y
2
w , pero
1
w y
2
w son
combinaciones lineales de
1
v y
2
v , entonces
3
v sera una combinacin lineal de
1
v
y
2
v que es una contradiccin, pues } , , {
3 2 1
v v v son linealmente independientes.
Con lo que queda probada la afirmacin 2.
Suponiendo que se han construido
k
w w w , , ,
2 1
vectores ortogonales, tales que
} , , , {
2 1 k
w w w es base de m k v v v L
k
s s 1 ; } , , , {
2 1
.
Ahora se construye el vector
1 + k
w del modo siguiente

1
2
1
1 1
2
1
1 1
, ,
w
w
w v
w
w
w v
v w
k
k
k
k k
k k
) (

) (
=
+ +
+ +
(1)
AFIRMACIN 3.- u =
+1 k
w .
Pues si se supone que u =
+1 k
w , de (1) se tendra
----------------------------------------------------------------------------------------------------------
155

=
+
+
) (
=
k
i
i
i
i k
k
w
w
w v
v
1
2
1
1
,
(2)
pero cada
i
w es combinacin lineal de } , , , {
2 1 k
v v v , entonces de (2) se concluye
que
1 + k
v es tambin una combinacin lineal de los vectores
k
v v v , , ,
2 1
lo que es
una contradiccin, pues } , , , {
1 2 1 + k
v v v son linealmente independientes.
u =
+1 k
w
AFIRMACIN 4.- k j w w
j k
, , 2 , 1 , 0 ,
1
= = ) (
+
.
En efecto, sea k j s s
0
1 , donde
0
j es fijo.

=
+
+ +
) (
= ) (
k
i
j i
i
i k
k j k
w w
w
w v
v w w
1
2
1
1 1
0 0
,
,
,

=
+
+
) (
) (
) ( =
k
i
j i
i
i k
j k
w w
w
w v
w v
1
2
1
1
0 0
,
,
,

) ( ) ( =
+ +
0 0
, ,
1 1 j k j k
w v w v

0 =

pues
s s =
=
= ) (
k j j i si w
j i si
w w
j
j i
0 0
2
0
1 ,
0
,
0
0

Luego se tiene k j w w
j k
s s = ) (
+
1 , 0 ,
1
.
Entonces } , , , {
1 2 1 + k
w w w es un conjunto ortogonal y en consecuencia
linealmente independiente por el teorema 2.3 y por lo tanto base de
} , , , {
1 2 1 + k
v v v L .
Haciendo uso de (1) se puede proseguir hasta obtener } , , , {
2 1 m
w w w conjunto
ortogonal y por consiguiente base de } , , , {
2 1 m
v v v L .
COROLARIO 2.4.1.- Todo espacio vectorial con producto interno de dimensin
finita tiene una base ortonormal.
PRUEBA
Sea V un espacio vectorial tal que n V
K
= dim . } , , , {
2 1 n
v v v una base de V,
entonces por el proceso de ortogonalizacin de GramSchmidt existen
n
w w w , , ,
2 1
vectores ortogonales, y por lo tanto } , , , {
2 1 n
w w w es una base de
V.
----------------------------------------------------------------------------------------------------------
156
Se construye
i
i
i
w
w
u = , luego 1 =
i
u .
} , , , {
2 1 n
u u u es una base ortonormal para V.

EJEMPLO 2.4.2.- Ortogonalizar la base )} 1 , 2 ( , ) 3 , 1 {( de
2
R .
SOLUCIN
) 3 , 1 (
1
= w
) 3 , 1 (
) 3 , 1 (
) 3 , 1 ( ), 1 , 2 (
) 1 , 2 (
2
2
) (
= w
) 1 , 3 (
2
1
) 3 , 1 (
2
1
) 1 , 2 (
2
= = w
Luego )} 1 , 3 (
2
1
), 3 , 1 {( es una base ortogonal para
2
R y
)
`
) 1 , 3 (
10
1
), 3 , 1 (
10
1
es una base ortonormal para
2
R .
EJEMPLO 2.4.3.- Hallar una base ortonormal a partir de la base
)} 1 , 2 , 1 ( ), 1 , 1 , 2 ( ), 1 , 0 , 1 {( de
3
R .
SOLUCIN
) 1 , 0 , 1 (
1
= w

1 2
1
1 2
2 2
,
w
w
w v
v w
) (
=
) 1 , 0 , 1 (
) 1 , 0 , 1 (
) 1 , 0 , 1 ( ), 1 , 1 , 2 (
) 1 , 1 , 2 (
2
) (
=
) 1 , 0 , 1 (
2
3
) 1 , 1 , 2 ( =
) 1 , 2 , 1 (
2
1
2
= w

1
2
1
1 3
2
2
2
2 3
3 3
, ,
w
w
w v
w
w
w v
v w
) (
) (
=
) 1 , 0 , 1 ( ) 1 , 2 , 1 (
3
2
) 1 , 2 , 1 ( + =
) 1 , 1 , 1 (
3
2
3
= w
----------------------------------------------------------------------------------------------------------
157
)} 1 , 1 , 1 (
3
2
), 1 , 2 , 1 (
2
1
, ) 1 , 0 , 1 {( es una base ortogonal de
3
R .
)
`
) 1 , 1 , 1 (
3
1
), 1 , 2 , 1 (
6
1
), 1 , 0 , 1 (
2
1
es una base ortonormal de
3
R .

DEFINICIN 2.5.- Sea V un espacio vectorial con producto interno y W cualquier
subconjunto de V. Se llama complemento ortogonal de W al conjunto
W definido
en 2.1., ii) (que es el conjunto de todos los vectores de V que son ortogonales a todo
vector de W).
TEOREMA 2.6.- Sea V un espacio vectorial sobre K finito dimensional
) (dim n V
K
= con producto interno ) ( , .
Para cualquier subespacio V W c se cumple que:
= W W V
DEMOSTRACIN
i) Si } {u = W , entonces
=W V y se cumple que
= W W V .
i) Si V W _ = } {u .
Sea } , , , {
2 1 n
v v v una base de V, tal que } , , , {
2 1 m
v v v es una base de W donde
n m< .
Por el proceso de ortogonalizacin de Gram Schmitd, existe
} , , , , , {
2 1 n m
w w w w base ortonormal de V, entonces } , , , {
2 1 m
w w w es una
base ortonormal de W en virtud del teorema 2.4.
AFIRMACIN.- } , , , {
2 1 n m m
w w w L W
+ +
= .
PRUEBA DE LA AFIRMACIN
a) Tenemos que 0 , = ) (
i j
w w para todo i j = , luego
n m m
w w w , , ,
2 1

+ +
pertenecen
a
W .

+ +
cW w w w L
n m m
} , , , {
2 1

b) Sea V W u c e

, entonces
=
=
n
i
i i
w a u
1
(*)
(pues } , , , , , {
2 1 n m
w w w w es una base ortonormal de V)
) ( =
i i
w u a , , pero u W u e es ortogornal a cualquier elemento de W, en
particular lo es con 0 , , ,
2 1 2 1
= = = =
m m
a a a w w w .
----------------------------------------------------------------------------------------------------------
158
de (*)
+ =
) ( =
n
m i
i i
w w u u
1
,
} , , , {
2 1 n m m
w w w L u
+ +
e
} , , , {
2 1 n m m
w w w L W
+ +
c
c) De a) y b) se verifica la afirmacin:
} , , , {
2 1 n m m
w w w L W
+ +
=
De la afirmacin concluimos que:
W W V =
EJEMPLO 2.6.1.- Hallar el complemento ortogonal de
} 0 2 / ) , , ( {
3
= + e = z y x R z y x W .
SOLUCIN
} 0 2 / ) , , {(
3
= + e = z y x R z y x W
} , / ) 2 , , {( R y x y x y x e + =
} , / ) , , 0 ( ) 2 , 0 , {( R y x y y x x e + =
)} 1 , 1 , 0 ( ), 2 , 0 , 1 {( L W =
extendemos la base de W a una base para
3
R . Sea )} 1 , 0 , 1 ( ), 1 , 1 , 0 ( ), 2 , 0 , 1 {( la
extensin.
Ahora ortogonalizamos mediante el proceso de Gram Schmitd:
) 2 , 0 , 1 (
1
= w
) 2 , 0 , 1 (
) 2 , 0 , 1 (
) 2 , 0 , 1 ( ), 1 , 1 , 0 (
) 1 , 1 , 0 (
2 2
) (
= w
) 1 , 5 , 2 (
5
1
2
= w
) 2 , 0 , 1 (
) 2 , 0 , 1 (
) 2 , 0 , 1 ( ), 1 , 0 , 1 (
) 1 , 5 , 2 (
5
1
) 1 , 5 , 2 (
5
1
) 1 , 5 , 2 ( 5 / 1 ), 1 , 0 , 1 (
) 1 , 0 , 1 (
2 2
3
) (

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

)} 1 , 1 , 2 {( =
L W

----------------------------------------------------------------------------------------------------------
159
EJERCICIOS
1. Mediante el proceso de ortogonalizacin de Gram Schmidt, ortogonalizar la
base )} 2 , 1 , 3 ( ), 1 , 3 , 2 ( ), 3 , 2 , 1 {( de
3
R .
2. Obtener una base de vectores ortogonales para el espacio vectorial
)} 1 , 0 , 1 , 0 ( ), 1 , 2 , 0 , 1 ( ), 0 , 1 , 2 , 1 {( = L V .
3. Sea V el espacio vectorial de los polinomios de grado menor o igual que dos
con coeficientes en R e indeterminada en x.
Si se considera el producto usual de las funciones:
i) Hallar una base del subespacio W ortogonal a 1 2 ) ( + = x x f .
ii) Aplicar el proceso de ortogonalizacin de Gram Schmidt a la base
} , , 1 {
2
x x para obtener una base ortogonal de V.
4. Probar el teorema de Pitgoras. Es decir, si V v u e , , entonces:
0 ,
2 2 2
= ) ( + = + v u v u v u
5. En el espacio vectorial ) , , , (
3
C C + . Ortonormalizar la base:
)} 2 , 0 , 1 ( ), , , ( ), 1 , 1 , 1 {( i i i i
6. Hallar una base ortonormal del subespacio de ) , , , (
3
C C + generado por los
vectores )) 1 , , 1 ( i u = y ) 2 , 0 , 1 ( i v + = .
7. En el espacio vectorial ) , , , ( R R
n n
+
.
a) Mostrar que la aplicacin:
R R R
n n n n
) (

: ,
donde ) ( , A B Tr B A
T
= ) ( define un producto interno en
n n
R

.

b) Si 2 = n , probar que el conjunto:
)
`
1 0
0 0
,
0 1
0 0
,
0 0
1 0
,
0 0
0 1

es una base ortonormal de
n n
R

.
8. Para cualquier espacio vectorial V con producto interno, probar:
a) V =
} {u b) } {u =
V
9. Sea } 2 3 / ) , , {(
3
z y x R z y x U = e = . Hallar el complemento ortogonal de U
en
3
R .
----------------------------------------------------------------------------------------------------------
160
10. Sea V un espacio vectorial de dimensin finita, con producto interno. Si U y W
son subespacios de V, probar que:
a)

+ = W U W U ) ( b)

= + W U W U ) (
11. Sea W U R
n
= , donde U y W son subespacios ortogonales. Si para todo
w u v R v
n
+ = e , con U u e y W we ; llamaremos a u proyeccin ortogonal
de v sobre U y a w proyeccin ortogonal de v sobre W. Hallar la proyeccin
ortogonal de ) 0 , 3 , 2 , 1 ( = v sobre el subespacio ), 0 , 2 , 1 , 0 {( = I U
)} 0 , 1 , 2 , 0 ( .

----------------------------------------------------------------------------------------------------------

161
VALORES Y VECTORES PROPIOS

1. VALORES Y VECTORES PROPIOS DE UNA TRANSFORMACIN LINEAL

DEFINICIN 1.1.- Dado V un K-espacio espacio vectorial y un endomorfismo
V V T : , diremos que K e es un valor propio de T si y solo si existe un vector no
nulo V v e tal que
v v T = ) ( (1)
El vector no nulo que satisface la relacin (1) se denomina vector propio de T asociado
al valor propio .
NOTA.- Tambin se utilizan las expresiones de auto valor y valor caracterstico para
denominar al valor propio y el de auto vector y vector caracterstico para el vector
propio.
EJEMPLO 1.1.1.- Sea ) , , , ( + K V un espacio vectorial, consideremos el endomorfismo
identidad
V v v v I e = ; ) (
1 es un valor propio de I.
EJEMPLO 1.1.2.- En el espacio vectorial
2
R sobre R definimos el endomorfismo
) 4 3 , 2 ( ) , ( / :
2 2
y x y x y x T R R T + + =
Hallar los valores y vectores propios de T.
SOLUCIN
Hay que hallar R e tal que ) , ( ) , ( y x y x T =
) , ( ) 4 3 , 2 ( y x y x y x = + +

= +
=
)
`
= +
= +
0 ) 4 ( 3
0 ) 2 (
4 3
2
y x
y x
y y x
x y x
(1)
el sistema homogneo (1) tendr soluciones distintas de la trivial (que son las que nos
interesan, por ser los vectores propios vectores no nulos) si el determinante de la matriz
asociada al sistema es igual a cero; esto es
0
4 3
1 2
=

0 5 6
4 3
1 2
2
= + =

5 , 1 0 ) 5 )( 1 ( 0 5 6
2 1
2
= = = = +
----------------------------------------------------------------------------------------------------------

162
Luego, los valores propios de T son: 1
1
= y 5
2
= .
Ahora calculando los vectores propios
i) Hallando el vector propio
1
v asociado al valor propio 1
1
=
Reemplazando el valor de 1
1
= en la ecuacin (1) se tiene
0 3 3
0
=
=
y x
y x

ntese que las dos ecuaciones son equivalentes, entonces trabajando con la primera
ecuacin se tiene
x y y x = = 0
la variable y depende de x, entonces ) 1 , 1 ( ) , (
1
= = x x x v , x puede tomar
cualquier valor con excepcin de cero, para 1 = x se tiene ) 1 , 1 (
1
= v
y verifica
) 1 , 1 ( 1 ) 1 , 1 ( ) 1 , 1 ( = = T
ii) Hallando el vector propio
2
v asociado al valor propio 5
2
=
Procediendo de manera anloga que en la parte i) reemplazamos el valor de
5
2
= en la ecuacin (1) se tiene
0 3
0 3
= +
=
y x
y x

como en la parte i) las dos ecuaciones son equivalentes, entonces trabajando con la
primera ecuacin se tiene
x y y x 3 0 3 = =
la variable y depende de x, entonces , para 1 = x se tiene ) 3 , 1 (
2
= v y y verifica
) 3 , 1 ( 5 ) 15 , 5 ( ) 3 , 1 ( = = T
NOTA.- Dados V un K-espacio vectorial, V V T : un endomorfismo y K e un
valor propio de T. El conjunto } / { ) ( T de propio valor un es K T o e = es
llamado espectro de T y } ) ( / { ) , ( v v T V v T E = e = es un subespacio de V, y se
denomina espacio propio o auto espacio de T asociado al valor propio . En
referencia al ejemplo anterior se tiene
} 5 , 1 { ) ( = T o
)} 1 , 1 ( { } ) ( / { ) 1 , (
2
= = e = L v v T R v T E y
)} 3 , 1 ( { } 5 ) ( / { ) 5 , (
2
L v v T R v T E = = e =
----------------------------------------------------------------------------------------------------------

163
EJEMPLO 1.1.3.- Sea
2
C el espacio vectorial sobre C y la transformacin lineal
2 2
: C C T definida como
) , 2 ( ) , ( y x y x y x T =
Hallar los valores y vectores propios de T.
SOLUCIN
Hay que hallar C e tal que ) , ( ) , ( y x y x T =
) , ( ) , 2 ( y x y x y x =

= +
=
)
`
=
=
0 ) 1 (
0 2 ) 1 ( 2
y x
y x
y y x
x y x
(1)
el sistema homogneo (1) tendr soluciones distintas de la trivial (que son las que nos
interesan, por ser los valores propios vectores no nulos) si el determinante de la matriz
asociada al sistema es igual a cero; esto es
0
) 1 ( 1
2 1
=
+

0 1 2 ) 1 )( 1 (
) 1 ( 1
2 1
2
= + = + + =
+

i = = + 0 1
2

Luego, los valores propios de T son: i =
1
y i =
2
.
Ahora hallando los vectores propios
i) Hallando el vector propio
1
v asociado al valor propio i =
1

Reemplazando el valor de i =
1
en la ecuacin (1) se tiene
0 ) 1 (
0 2 ) 1 (
=
= +
y i x
y x i

las dos ecuaciones son equivalentes, entonces trabajando con la primera ecuacin
se tiene
x i y y x i ) 1 (
2
1
0 2 ) 1 ( + = = +
la variable y depende de x, entonces )) 1 (
2
1
, 1 ( )) 1 (
2
1
, (
1
i x i x v + = + = , para 2 = x
se tiene ) 1 , 2 (
1
i v + =
y verifica
) 1 , 2 ( ) 1 , 2 ( i i i T + = +
----------------------------------------------------------------------------------------------------------

164
en efecto
) 1 , 2 ( ) 1 , 2 ( )) 1 ( 2 ), 1 ( 2 2 ( ) 1 , 2 ( i i i i i i i T + = = + + = +
ii) Hallando el vector propio
2
v asociado al valor propio i =
2

Reemplazando el valor de i =
2
en la ecuacin (1) se tiene
0 ) 1 (
0 2 ) 1 (
= +
=
y i x
y x i

ntese que las dos ecuaciones son equivalentes, entonces trabajando con la primera
ecuacin se tiene
x i y y x i ) 1 (
2
1
0 2 ) 1 ( = = +
la variable y depende de x, entonces )) 1 (
2
1
, 1 ( ) ) 1 (
2
1
, (
2
i x x i x v = = , para 2 = x
se tiene i y =1 y en consecuencia
) 1 , 2 (
2
i v =
y verifica
) 1 , 2 ( ) 1 , 2 ( i i i T =
en efecto
) 1 , 2 ( ) 1 , 2 ( )) 1 ( 2 ), 1 ( 2 2 ( ) 1 , 2 ( i i i i i i i T = + = =
OBSERVACIONES 1.2
(1) La existencia de valores propios de un endomorfismo depende del campo de
escalares sobre el cual est definido el espacio vectorial, pues si consideramos el
espacio vectorial ) , , , (
2
+ R C y la transformacin lineal
2 2
: C C T definida en el
ejemplo 1.1.3
) , 2 ( ) , ( y x y x y x T =
no tiene valores propios en R ya que:
0 1
2
= + , R e
(2) Sean V un espacio vectorial sobre K de dimensin finita, V V T : un
endomorfismo y K e un valor propio de T. El conjunto
} ) ( / { ) , ( v v T V v T E = e =
es un subespacio de V, llamado subespacio propio o auto espacio asociado al
valor propio .
----------------------------------------------------------------------------------------------------------

165
(3) Si A es la matriz asociada del endomorfismo V V T : respecto a una base B
entonces, el ) det( I T se define como
) det( ) det( I A I T =
donde I debe entenderse como el automorfismo identidad al lado izquierdo y como
la matriz identidad al lado derecho.
PROPOSICIN 1.3.- Sea V un K-espacio vectorial de dimensin finita y el
endomorfismo V V T : . Las siguientes afirmaciones son equivalentes:
i) K e , es un valor propio de T.
ii) I T es singular (no invertible).
iii) 0 ) det( = I T .
PRUEBA
i) ii)
Como K e es valor propio de T, entonces existe un vector no nulo V v e
tal que v v T = ) (
u = ) ( ) ( v I v T , donde I es el endomorfismo identidad
u = ) )( ( v I T , por ser I T un endomorfismo
} { ) ( u = I T Nu , pues al ser v un vector propio es diferente de u
I T es singular
ii) iii) es obvio.
iii) i)
Tenemos que I T I T = 0 ) det( es singular
V v I T Nu e = - = u u } { ) ( tal que
v v T v I T u = = ) ( ) )( (
es un valor propio de T.

2. VALORES Y VECTORES PROPIOS DE UNA MATRIZ
DEFINICIN 2.1.- Se dice que el escalar es un valor propio de una matriz
n n
K A

e si y solo si existe un vector no nulo
1
e
n
K v tal que
v Av = (1)
el vector no nulo
1
e
n
K v que satisface la relacin (1) se denomina vector propio de A
asociado al valor propio .
----------------------------------------------------------------------------------------------------------

166
NOTA.- De manera anloga que para el caso de las transformaciones lineales, se
utilizan las expresiones de auto valor y valor caracterstico para denominar al valor
propio y el de auto vector y vector caracterstico para el vector propio de una matriz.

EJEMPLO 2.1.1.- Sea
n n
K A

e una matriz diagonal, cualquier vector cannico
1
e
n
i
K e donde n i , , 2 , 1 = es un vector propio de A.
Pues para:
(
(
(
(
=
n
d
d
d
A
0 0
0 0
0 0
2
1

se tiene que:
i i i
n
i
e d d
d
d
d
Ae =
(
(
(
(
(
(
=
(
(
(
(
(
(
(
(
(
(
=
0
0
0
1
0
0 0
0 0
0 0
2
1

Los valores propios de A son los elementos de la diagonal.
EJEMPLO 2.1.2.-Hallar los valores y vectores propios para la matriz
(
=
4 3
1 2
A .
SOLUCIN
R e es un valor propio de de A, si existe un vector
1
e
n
R v tal que v Av = .
u u = = v A I Av v ) (
(
=
(
=
(
|
|
.
|
\
|
(
0
0
4 3
1 2
0
0
4 3
1 2
0
0
y
x
y
x

0 ) 5 )( 1 ( 0 5 6 0
4 3
1 2
2
= = + =

5 , 1
2 1
= =
Los vectores propios asociados a los valores propios 1
1
= y 5
2
= son:

(
=
1
1
1
v ,
(
=
3
1
2
v

----------------------------------------------------------------------------------------------------------

167
En efecto, verificando se tiene

(
=
(
=
(
=
1
1
1
1
1
1
1
4 3
1 2
1
Av y
(
=
(
=
(
=
3
1
5
15
5
3
1
4 3
1 2
2
Av
El espacio propio de A correspondiente al valor propio lo denotamos por
} / { ) , (
1
v Av K v A E
n
= e =

Ntese que los valores propios de la transformacin lineal dado en el ejemplo 1.2.2
) 4 3 , 2 ( ) , ( / :
2 2
y x y x y x T R R T + + = y la matriz
(
=
4 3
1 2
A dada en el ejemplo
2.1.2 son los mismos. Este hecho no debe sorprender, puesto que A es la matriz
asociada a la transformacin lineal T respecto a la base cannica de
2
R .
La relacin entre el espacio propio de ) (V L T e y el espacio propio de la matriz
asociada a T respecto a una base B est dada por siguiente proposicin.
PROPOSICIN.- Sea V un K-espacio vectorial de dimensin finita, B una base
ordenada de V. Si ) (V L T e y K e un autovalor de T, entonces
) , ] ([ ] [ ) , (
B B
T E v T E v e e
PRUEBA
) Asumiendo que ) , ( T E v e , hay que demostrar ) , ] ([ ] [
B B
T E v e
v v T T E v = e ) ( ) , ( por definicin

B B B
] [ ] [ )] ( [ v v v T = =

B B
] [ )] ( [ v v T = tomando extremos

B B B
] [ ] [ ] [ v v T =
) , ] ([ ] [
B B
T E v e
) : Recprocamente, asumiendo que ) , ] ([ ] [
B B
T E v e hay que probar que
) , ( T E v e .

B B B B B
] [ ] [ ] [ ) , ] ([ ] [ v v T T E v = e
0 ] [ ] [ ] [ =
B B B
v v T
0 ] [ )] ( [ =
B B
v v T
0 ] ) ( [ =
B
v v T
0 ) ( = v v T
v v T = ) (
) , ( T E v e
----------------------------------------------------------------------------------------------------------

168
OBSERVACIONES
(1) Existe un solo valor propio asociado a un vector propio v.
En efecto, suponiendo que
1
y
2
son los valores propios correspondientes al
valor propio v, entonces se tiene que
v v v T
2 1
) ( = = Por definicin de valor propio
u = v v
2 1

u = v ) (
2 1

Como por definicin de vector propio u = v , se tiene que
2 1 2 1
u = = .
Lo recproco no es cierto, pues para un valor propio pueden existir infinitos
vectores propios.
(2) Si bien es cierto que la relacin v v T = ) ( es vlida para u = v y cualquier
, la definicin de vector propio excluye al vector cero. Esto se justifica por
tener que existir un solo valor propio asociado al vector propio v.

NOTA.- La proposicin 1.3, en trminos de matrices, puede ser enunciada como:
cualquiera de las afirmaciones siguientes, son equivalentes
i) K e , es un valor propio de
n n
K A

e .
ii) I A es singular (no invertible).
iii) 0 ) det( = I A
A continuacin veremos ms ejemplos sobre valores propios y vectores propios.
EJEMPLO.- Sea el endomorfismo V V T : tal que av v T = ) ( , donde a es un
escalar fijo. Ntese, que todo vector V v e con u = v es un vector propio
correspondiente al valor propio a.
EJEMPLO [Reflexin sobre el plano XY]
Sea el endomorfismo
3 3
: R R T tal que ) , , ( ) , , ( z y x z y x T =
Calculando los valores propios de T
) , , ( ) , , ( ) , , ( z y x z y x z y x T = =
) , , ( ) , , ( z y x z y x =
) 0 , 0 , 0 ( ) ) 1 ( , ) 1 ( , ) 1 (( = + z y x
----------------------------------------------------------------------------------------------------------

169
= +
=
=
0 ) 1 (
0 ) 1 (
0 ) 1 (
z
y
x

) 1 ( ) 1 (
1 0 0
0 1 0
0 0 1
2
+ =
+
1 , 1 0 ) 1 ( ) 1 (
2
= = = +
Luego los valores propios de T son 1 = de multiplicidad algebraica igual a 2 y
1 =
Para el valor propio 1 = los vectores propios estn contenidos en el plano XY esto es,
) 0 , , ( 1 ) 0 , , ( y x y x T = .
} ) , , ( 1 ) , , ( / ) , , ( { ) 1 , (
3
z y x z y x T R z y x T E = e =
} ) , , ( 1 ) , , ( / ) , , ( {
3
z y x z y x R z y x = e =
} 0 / ) , , ( {
3
= e = z R z y x
} ) 0 , 1 , 0 ( ), 0 , 0 , 1 ( { L =
Para el valor propio 1 = los vectores propios estn contenidos en el eje Z esto es,
) , 0 , 0 ( 1 ) , 0 , 0 ( z z T = .
} ) , , ( 1 ) , , ( / ) , , ( { ) 1 , (
3
z y x z y x T R z y x T E = e =
} ) , , ( ) , , ( / ) , , ( {
3
z y x z y x R z y x = e =
} 0 / ) , , ( {
3
= = e = y x R z y x
} 0 / ) , , ( {
3
= = e = y x R z y x
} / ) , 0 , 0 ( { R z z e =
} ) 1 , 0 , 0 ( { L =
Ntese que ) 1 , ( ) 1 , (
3
= T E T E R
EJEMPLO [Rotacin en el plano]
Consideramos dos situaciones
i) Para C V = con C K =
Todo C z e donde 0 = z se puede expresar como
) (cos u u
u
sen i r re z
i
+ = =
Definiendo,
z e e re re z T C C T
i i i i o o u o u
= = =
+ ) (
) ( / :
----------------------------------------------------------------------------------------------------------

170
Donde T acta sobre z hacindolo girar un ngulo o . En este caso todo 0 = z
es un vector propio para el valor propio o o
o
s e n i e
i
+ = = c o s . El valor
o
i
e = no es un nmero real salvo el caso en Z n n e = , t o .
ii) Para C V = con R K =
La rotacin z e z T
io
= ) ( admite valores propios nicamente si Z n n e = , t o .
En consecuencia para Z n n e = , t o , T no tiene valores propios reales. Como
ya se vio en un ejemplo anterior la existencia de valores propios depende de la
eleccin del campo.
EJEMPLO [El operador derivada]
Dado el espacio vectorial } / : { derivada admite que funcin una es f R R f D = ,
se define el endomorfismo f f T D D T ' = ) ( / : . Los vectores propios de T son
todas las funciones D f e no nulas que satisfacen la ecuacin
f f f f T = ' ' = ) ( (1)
para algn R e . La relacin (1) es una ecuacin diferencial de primer orden

} }
=
'
= ' dx dx
x f
x f
f f
) (
) (

C x x f ln )) ( ln( + =

C x C x
e e e x f
ln ) ln (
) (

= =
+

x
Ce x f

= ) ( , donde C es una constante arbitraria.
Luego los vectores propios de T son todas las funciones exponenciales de la forma

x
e C x f

= ) ( con 0 = C
) ( ) ( )) ( ( x f e C Ce x f T
x x

= = ' =
El valor propio correspondiente a
x
e C x f

= ) ( es .
EJEMPLO [El operador integracin]
Sea } / ] , [ : { continua es f R b a f V =
Definiendo
) (
:
f T g f
V V T
=
donde
}
s s =
x
a
b x a dt t f x g , ) ( ) (
Suponiendo que existieran las funciones propias para T, serian las V f e que
satisfacen la ecuacin
----------------------------------------------------------------------------------------------------------

171

}
= =
x
a
x f dt t f x F ) ( ) ( ) ( (1)
para algn R e .
Usando el primer teorema fundamental del clculo, derivamos la relacin (1)
obteniendo
0 ; ) ( ) ( = ' = x f x f
dx dx
x f
x f
} }
=
'
1
) (
) (

C x x f ln
1
)) ( ln( + =

C
x
C
x
e e e x f
ln
) ln (
) (

= =
+

0 , 0 ; ) ( = = = C Ce x f
x

Luego, las nicas funciones propias posibles serian aquellas funciones exponenciales de
la forma 0 , 0 ; ) ( = = = C e x f
x
. Sin embargo, si reemplazamos a x = en la

ecuacin (1) se tiene
0 , 0 ; ) ( ) ( = = = =
}
C e C a f dt t f
a
a
a

0 ) ( 0 = = =

a
e C a f
Como 0 =
a
e , se ve que la ecuacin f f T = ) ( , no puede ser satisfecha por ninguna
funcin 0 = f . En consecuencia, el operador integracin T no tiene funciones propias
ni valores propios.
OBSERVACIN
Sean V un K-espacio vectorial de dimensin finita n, ) (V L T e un endomorfismo y A
la matriz asociada a T respecto a una base B de V. El ) det( I T se define como
) det( ) det( I A I T =
donde el I en el lado izquierdo denota el endomorfismo identidad y el I del lado
derecho denota la matriz identidad.
La proposicin que se enuncia a continuacin es el anlogo de la proposicin 1.3 en
trminos de la matrices.

----------------------------------------------------------------------------------------------------------

172
PROPOSICIN.-Sea V un K-espacio vectorial y V V T : un endomorfismo y A la
matriz asociada a T respecto a una base B de V. Las siguientes afirmaciones son
equivalentes:
a) K e es un valor propio de A.
b) I A es singular
c) 0 ) det( = I A
PRUEBA.- Ejercicio

3. POLINOMIO CARACTERSTICO
POLINOMIO DE MATRICES
Sea ] [x K el anillo de polinomios con coeficientes en el campo K. Si ] [x K pe , se
escribe
0 1
1
1
) ( a x a x a x a x p
n
n
n
n
+ + + + =

Ahora, si A es una matriz cuadrada sobre K, el polinomio
I a A a A a A a A p
n
n
n
n 0 1
1
1
) ( + + + + =

donde I es la matriz identidad es llamado polinomio de matrices. En caso que 0 ) ( = A p
se dice que A es una raz del polinomio ) (x p .
EJEMPLO 3.1
Sea ] [x K pe tal que 4 2 ) (
2
+ = x x x p y
(

=
1 2
1 0
A , entonces:
(

+
(

= + =
1 0
0 1
4
1 2
1 0
2
1 2
1 0
1 2
1 0
4 2 ) (
2
I A A A p
(

=
(
+
(

+
(

=
3 6
3 6
4 0
0 4
2 4
2 0
1 2
1 2

PROPIEDADES 3.2
Sean ] [ , x K q p e y
n n
K A

e , entonces se cumplen las siguientes propiedades:
i) ) ( ) ( ) )( ( A q A p A q p + = +
ii) ) ( ) ( ) )( ( A q A p A pq =
iii) K k A kp A kp e = ), ( ) )( ( .
iv) Puesto que ) ( ) ( ) ( ) ( x p x q x q x p = para polinomios cualesquiera ) (x p y ) (x q ,
entonces, ) ( ) ( ) ( ) ( A p A q A q A p =
----------------------------------------------------------------------------------------------------------

173
v) Si
n
o o o , , ,
2 1
son elementos de K y ) ( ) )( ( ) (
2 1 n
x x x x p o o o = , entonces
) ( ) )( ( ) (
2 1
I A I A I A A p
n
o o o =

DEFINICIN 3.3.- Dada una matriz
n n
K A

e , se llama polinomio caracterstico de A
al determinante de la matriz A I ; es decir:
nn n n
n
n
a a a
a a a
a a a
A I p

= =
2 1
2 22 21
1 12 11
) det( ) (
Desarrollando el determinante se tiene
0 1
1
1
) ( c c c p
n
n
n
+ + + + =

La matriz A I se denomina matriz caracterstica de A.

EJEMPLO 3.3.1.- Hallar el polinomio caracterstico de la matriz
(
(
(

=
1 3 0
2 1 1
0 1 2
A

1 3 0
2 1 1
0 1 2
) det( ) (
+

= =
A I p
13 8 2
2 3
+ =

OBSERVACIN 3.3.2.- Del ejemplo anterior, ntese que ) ( 2 A Tr = y ) det( 13 A = ;
luego el polinomio caracterstico de A se puede escribir como
( ) ) det( ) 1 ( 8 ) ( ) (
3 2 3
A A Tr p + = , si
3 3
eK A
En general para una matriz
n n
K A

e , el polinomio caracterstico de A se puede
escribir como
( ) ) det( ) 1 ( ) ( ) (
1
A A Tr p
n n n
+ + =

----------------------------------------------------------------------------------------------------------

174
EJEMPLO 3.3.3.- Utilizando la observacin anterior, calcular los valores propios de la
matriz
(
=
2 3
2 1
A
SOLUCIN
) det( ) 1 ( ) ( ) (
2 2
A A Tr p + =
4 3
2
=
las races del polinomio 0 4 3
2
= son 4
1
= y 1
2
= .
PROPOSICIN 3.4.- Dos matrices semejantes tienen el mismo polinomio
caracterstico; es decir, si AP P B
1
= , entonces ) ( ) ( x P x P
A B
= .
PRUEBA
) det( ) ( B xI x p
n B
= definicin de polinomio caracterstico
) det(
1
AP P xI
n

= reemplazando AP P B
1
=
) det(
1 1
AP P P xP

= propiedad de matriz identidad
] ) ( det[
1
P A xI P
n
=

propiedad distributiva del prod. de matrices
1
P A xI P
n
=

propiedad de determinantes
1
A xI P P
n
=

propiedad de nmeros reales
) det( ) det(
1
A xI P P
n
=

propiedad de determinantes
) det( ) det( A xI I
n
= propiedad de matrices inversibles
) det( A xI
n
= propiedad de determinantes
) (x p
A
= definicin de polinomio caracterstico
) ( ) ( x p x p
A B
=
PROPOSICIN 3.5.- Dadas una matriz
n n
K A

e y un escalar K e .
es valor propio de 0 ) ( =
A
p A .
PRUEBA
Sea el polinomio caracterstico ) det( ) ( A xI x p
n A
=
es valor propio de A I A
n
es singular
0 ) det( = A I
n

0 ) ( =
A
p
----------------------------------------------------------------------------------------------------------

175
EJEMPLO 3.5.1.- Hallar los valores propios y sus correspondientes vectores propios
de la matriz
(
(
(
=
4 1 1
1 2 1
2 2 1
A
SOLUCIN
A I p
A
= ) (

4 1 1
1 2 1
2 2 1

=

2
) 3 )( 1 ( =
luego 0 ) 3 )( 1 ( ) (
2
= =
A
p y los valores propios son 1
1
= y 3
2
= .
DEFINICIN 3.6.- Sean V un K-espacio vectorial de dimensin finita, V V T : un
endomorfismo y ] [ ) ( x K x f e donde
n i K a a x a x a x f
i n
n n
, , 1 , 0 , ; ) (
1
1 0
= e + + + =

) (x f es llamado polinomio anulador de T si y solo si 0 ) ( = T f ; as mismo
llamaremos polinomio minimal de T al polinomio de menor grado y coeficiente
principal igual a 1 que denotado por ) (x m tal que 0 ) ( = T m .
PROPOSICIN 3.7.- Sea V un K-espacio vectorial de dimensin finita. Si ) (V L T e
siempre existe un polinomio anulador para T.
PRUEBA.- Sea n V
K
= dim , entonces
m nn V L
K
= = ) ( dim
consideremos: 1 ; , , , ,
2
+ m T T T I
m
elementos que son linealmente dependientes; es
decir, existen K a a a a
m
e , , , ,
2 1 0
no todos nulos tal que:
0
2
2 1 0
= + + + +
m
m
T a T a T a I a
Nos basta elegir:
0 ) (
1 0
= + + + =
m
m
x a x a a x g
0 ) ( = T g
PROPOSICIN 3.8.- Sean V un K-espacio vectorial de dimensin finita, V V T :
un endomorfismo y K e tal que 0 , ) ( = = v v v T . Si ] [ ) ( x K x f e , entonces:
v f v T f ) ( ) ( =
----------------------------------------------------------------------------------------------------------

176
PRUEBA
v v T = ) (
( ) v v T v T v T T v T
2 2
) ( ) ( ) ( ) ( = = = =
( ) v v T v T v T T v T
3 2 2 2 3
) ( ) ( ) ( ) ( = = = =

v v T
n n
= ) ( ; para todo 0 > n
Si
n
n n
a x a x a x f + + + =

1
1 0
) (
) )( ( ) )( (
1
1 0
v I a T a T a v T f
n
n n
+ + + =

) ( ) ( ) (
1
1 0
v I a v T a v T a
n
n n
+ + + =

v a v a v a
n
n n
+ + + =

1
1 0

v a v a v a
n
n n
) (
1
1 0
+ + + =

v f ) ( =
v f v T f ) ( ) )( ( =

PROPOSICIN 3.9.- Sean A, B matrices semejantes, ] [ ) ( x K x f e . Demostrar que
) (A f y ) (B f son tambin matrices semejantes.
PRUEBA
Si A y B son matrices semejantes se tiene:
AP P B
1
=
P A P AP P AP P B
2 1 1 1 2
) )( (

= =
P A P B
3 1 3
=

P A P B
n n 1
=
Si
n
n n
a x a x a x f + + + =

1
1 0
) (
I a B a B a B f
n
n n
+ + + =

1
1 0
) (
P P a P A P a P A P a
n
n n 1 1 1
1
1
0
) ( ) (

+ + + =
P a v A a A a P
n
n n
) (
1
1 0
1
+ + + =

P A f P ) (
1
=
P A f P B f ) ( ) (
1
=
----------------------------------------------------------------------------------------------------------

177

EJERCICIOS

1. Hallar los valores propios, vectores propios y una base para los espacios propios si
la transformacin lineal
2 2
: R R T est definida como:
a) ) 4 , ( ) , ( x y y x T = b) ) 2 , ( ) , ( y x y x y x T =
c) ) 2 , 4 3 ( ) , ( y x y x y x T + + = . C) ) 4 3 , 3 4 ( ) , ( y x y x y x T + =
2. Hallar los valores propios, vectores propios y una base para los espacios propios si
la transformacin lineal
3 3
: R R T est definida como:
a) ) 3 2 , 2 , ( ) , , ( z y z y z y x z y x T + + + + =
b) ) 2 , , ( ) , , ( z y x y y x z y x T + + =
c) ) , 3 2 , ( ) , , ( z y x y x y x z y x T + + + =
d) ) 2 , 2 , 2 ( ) , , ( y x z x z y z y x T =
3. Hallar los valores y vectores propios si es que existen para las siguientes matrices
en
2 2
R y
3 3
R . Para cada valor propio halle el espacio propio correspondiente.
a)
(
3 1
0 2
b)
(
3 1
4 1
c)
(
(
(
7 0 2
0 6 0
2 0 10

d)
(
(
(

2 0 0
0 1 1
0 1 1
e)
(
(
(
1 0 1
0 3 0
1 0 1
f)
(
(
(

1 5 5
0 5 4
0 3 2

4. Hallar los valores y vectores propios para las siguientes matrices en
3 3
C . Para
cada valor propio halle el espacio propio correspondiente.
a)
(
(
(

1 0 0
0 1 5
0 1 3
b)
(
(
(

2 0 0
0 0 1
0 1 1

5. Sea
2 2
: R R T la aplicacin que hace corresponder a cada vector de
2
R su
proyeccin ortogonal sobre el vector ) 1 , 2 ( = u . La aplicacin as definida es una
a) Hallar la matriz asociada a T con respecto a la base cannica de
2
R .
b) Hallar los valores y vectores propios de la matriz obtenida en a).
----------------------------------------------------------------------------------------------------------

178
6. Sea V un K-espacio vectorial de dimensin finita talque W U V = . Hallar los
valores propios de ) (V L T e , si T es proyeccin sobre U paralelamente a W; es
decir si u w u T = + ) ( .
7. Sea ) (
n n
K L T

e tal que
T
A A T = ) ( . Determine los valores propios de T, sus
correspondientes vectores propios y sus respectivos autoespacios.
8. En el espacio vectorial ] [
3
t P sobre R, se considera el endomorfismo f definido
como ] [ ) ( ]; ) ( ) 1 ( [ )) ( (
3
t P t p t p t p t t p f e + = . Calcular los valores y vectores
propios de f.
9. Demuestre o d un contraejemplo a la siguiente afirmacin:
Si V V T : es una R-transformacin lineal tal que es un autovalor de de T
R e , entonces V posee una base formada por vectores propios de T.
10. Determine la verdad o falsedad de de las siguientes afirmaciones. Justifique su
respuesta.
a) Toda transformacin lineal posee valores propios.
b) Si ) (V L T e y W es un subespacio generado por vectores propios de T,
entonces W es invariante por T.
11. Sea A una matriz por bloques,
(
=
2
1
0 A
B A
A donde
1
A y
2
A son matrices
cuadradas. Probar que, el polinomio caracterstico de A es igual al producto de los
polinomios caractersticos de
1
A y
2
A .
12. Sea ) (V L T e , donde V es un espacio vectorial sobre K. Si V ve , sea
} ] [ / ) )( ( { ) ( x K g v T g v W e = . Demuestre que ) (v W es un subespacio invariante
por T.
13. En el R-espacio vectorial
2
R se considera el operador rotacin definido como
) cos , cos ( ) , ( u u u u
u
y sen x sen y x y x f + = . Para qu valores de u ,
u
f tiene
valores propios?.
14. Sea V un K-espacio vectorial de dimensin finita, B una base ordenada de V,
) (V L T e , y K e . Demostrar que ) , ( T E ve si y solo si | | | | ) , (
B B
T E v e .
15. Sea V un K-espacio vectorial y ) (V L T e . Las siguientes afirmaciones son
equivalentes:
a) K e es un valor propio de T.
----------------------------------------------------------------------------------------------------------

179
b) I T es singular.
c) 0 ) det( = T I .
Nota.- El ) det( T I se define como ) det( ) det( A I T I = , donde A es la
matriz asociada a la transformacin lineal T en una base dada e I la matriz
identidad.
16. Demostrar que dos matrices semejantes tienen el mismo polinomio caracterstico.
17. Si
0 1
1
1
a a a
n
n
n
+ + + +

es el polinomio caracterstico de una matriz A,

demuestre que ) det( ) 1 (
0
A a
n
= .
18. Sea
n n
K A

e . Pruebe que:
a) A es inversible si y solo si todos sus valores propios son no nulos.
b) A es nilpotente si y solo si su nico valor propio es cero.
Nota.- Se dice que una matriz
n n
K A

e es nilpotente si existe un entero positivo k
tal que 0 =
k
A . El menor k para el que se cumple la definicin anterior es llamado
ndice de nilpotencia de A.
19. Demostrar que los valores propios de una matriz idempotente son 0 y 1.
20. Sean
n n
K B A

e , , donde A es no singular. Demostrar que las matrices B A
1
y
1
BA tienen los mismos valores propios.

TEOREMA.-[Teorema de Cayley-Hamilton]
Sea V un K-espacio vectorial de dimensin finita y V V T : un endomorfismo.
Entonces 0 ) ( = T p
T
.
PRUEBA
Demostraremos cuando C K = .
La prueba se hace por induccin sobre n donde V n dim = .
Para 1 = n no hay nada que demostrar.
Si 1 > n suponemos que el teorema se verifica para 1 n (Hip. Inductiva)
Por una proposicin demostrada anteriormente, existe una base } , , {
1 n
v v en la cual
la matriz asociada a la transformacin T es triangular superior. Esto es
n j v v a v T
v v T
j j j j
, , 1 ; ) (
) (
1 1
1 1 1

= + + =
=

----------------------------------------------------------------------------------------------------------

180
Consideremos
} / {
1
C a av S e =
Desde que S S T c ) ( , la aplicacin

S
V
S
V
T : tal que V v v T v T e = ; ) ( ) (
Esta bien definida y en la base } , , {
2 n
v v su matriz asociada es
(
(
(
(
=
n
T
A
0
*
3
2

El polinomio caracterstico de
T
A es
) ( ) )( ( ) (
3 2 n T
x x x x p =
Por la hiptesis inductiva se cumple que 0 ) ( = T p
T
, es decir
0 ) ( ) )( (
3 2
= v T T I T
n
, donde
S
V
e 0
De la definicin de espacio vectorial cociente, se tiene que
1 3 2
) ( ) )( ( cv u I T I T I T
n
=
Aplicando ) (
1
I T a la ltima relacin se tiene
0
) (
)) ( ) ( (
) ( ) ( ) )( )( (
1 1 1 1
1 1 1
1 1 3 2 1
=
=
=
=
v v c
v I v T c
cv I T u I T I T I T I T
n

Con lo que queda demostrado
0 ) ( ) )( ( ) (
2 1
= = I T I T I T T p
n T

Nota.- De las aplicaciones del teorema de Cayley-Hamilton una de ellas es el clculo de
la inversa en trminos de la misma matriz.
EJEMPLO
Dado la matriz

(
=
1 1
1 2
A
Hallar
1
A en trminos de A.

----------------------------------------------------------------------------------------------------------

181
Solucin
1 3 ) (
2
+ = x x x p
A

Por el teorema I A A A p
A
+ = 3 ) (
2

(

=
(
= = =

2 1
1 1
1 1
1 2
3 0
0 3
3 3
1 2
A I A A A I
Luego
(
2 1
1 1
1
A
EJEMPLO
Dada la matriz
(
(
(

=
1 1 1
0 1 1
0 1 1
A
Hallar
1
A usando el teorema de Cayley-Hamilton.
Solucin
2 2
1 1 1
0 1 1
0 1 1
) (
2 3
+ =
+
+

=
A
p
Aplicando el teorema,
0 2 2 0 ) (
2 3
= + = I A A A A p
A

I A A A A A A I 2 2 2 2
2 1 2 3
+ = + =

(
(
(
(
(
(

+
(
(
(

(
(
(
1 0 0
0 1 0
0 0 1
2
1 1 1
0 1 1
0 1 1
1 1 1
0 1 1
0 1 1
1 1 1
0 1 1
0 1 1
2
1
A

(
(
(

=
(
(
(

=

2 0 2
0 1 1
0 1 1
2
1
2 0 2
0 1 1
0 1 1
2
1 1
A A
Luego
(
(
(
2 0 2
0 1 1
0 1 1
2
1
1
A .

----------------------------------------------------------------------------------------------------------

182
Ejercicios
Utilizando el teorema de Cayley-Hamilton determinar la inversa de ls siguientes
matrices:
a)
(

2 1
2 3
b)
(
(
(
=
1 2 3
1 1 2
4 1 1
A b)
(
(
(
=
4 1 0
1 2 2
5 2 4
B

Algebra Lineal I-2013

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Algebra Lineal I-2013

Încărcat de

Drepturi de autor:

Formate disponibile

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

(Universidad del Per, DECANA DE AMRICA)

Es decir el resultado de operar dos elementos de A sigue estando en A.

donde + es la adicin usual en Z. ) , ( + Z es un grupo conmutativo.

de la tabla podemos observar que ] 0 [ ] 2 [ = pero; sin embargo, no tiene inverso

ax ax = ) ( por la ley de cancelacin.

son subespacios vectoriales.

el espacio vectorial de las

el espacio vectorial de las matrices cuadradas de orden

Notas de clase de lgebra Lineal I Vctor G. Osorio Vidal

: es una funcin determinante, si

significar la omisin de la columna j.

= por una proposicin anterior ( ) det( ) ( ) ( E A D AE D = )

e = ] [ . Llamaremos i-simo, j-simo cofactor de la

W que se define como

. Sin embargo, si reemplazamos a x = en la

es el polinomio caracterstico de una matriz A,

S-ar putea să vă placă și