Algebra de Matrices

UNIVERSIDAD CATOLICA DE CHILE
INSTITUTO DE MATEMATICAS
ALGEBRA
DE
MATRICES
Ing. MARIO RAUL AZOCAR
( M a s t e r of S c i e n c e - N e w Y ork
U n iv e r s it y - N e w York C it y )
1973
UNIVERSIDAD CATOLICA DE CHILE
/Pr PK
w
^ F"
INSTITUI X) DE MATEMATICAS
ALGEBRA
DE
MATRICES
lOvlMs"VWC
p4^.J(l'bvtC'CitQ
-er^/ô1('JfrCuo/o
/
(Master of Science - New York University y
'
New
York City)
, f) r) t / \
^ Us/a^
1973
Cs
P R O L O G O
El Instituto de Matemtica de la Universidad

Catlica de Chile, consciente de su compromiso con la comu^
nidad, ha programado una serie de publicaciones destinadas
a contribuir a la mejor preparacin de sus estudiantes.
Estas notas sobre Algebra de Matrices, corres
ponden a parte del curso MAT 154 - Algebra II, que el Insti
tuto ofrece principalmente para estudiantes de Ingeniera y
por ello han sido redactadas interpretando este espritu.
Si esta labor acadmica resulta de algn be

neficio para nuestros estudiantes,, el suscrito considerar
valorizado con creces el tiempo empleado en redactarlas.
ALGEBRA DE MATRICES
1.- MATRICES
La matriz es una nocin que corrientemente se
define sobre un cuerpo conmutativo cualquiera, o sea sobre
un campo.
Considerando que en las aplicaciones se trabaja
ms frecuentemente con el campo de los reales R y con el cam

po de los complejos C, nuestro estudio se realizar fundamen
talmente sobre estos campos, sin que esto signifique la im
posibilidad de externder nuestros resultados sobre otros cuex
pos conmutativos.
DEF 1.1.
Llamaremos matriz de orden mxn sobre el cuerpo de
los complejos C, al conjunto de mxn nmeros; a^^ c C dispues
tos en m renglones y n columnas.
Designando con a ^
el nmero ubicado en el rengln
de orden i y en la columna de orden j de una matriz A, ten

dremos :
expresin que para simplicidad en la e scritura, d enotare

mos brevemente por A = (a..). Los nmeros a . . que forman
^
ID
ID
la matriz A, se llaman elementos de A.
Cuando m = n, la matriz A se dice matriz cua
drada de orden n.
En el caso particular en que m = n = 1,
la matriz est formada por un slo elemento, el

tal caso anticipamos que
Y en
(a^j) f an *
DEF 1.2.
Dos matrices A = (a. .) y B = (b. .) del mismo or30
1]
den se dirn iguales si y slo si: a. . = b . ..
13
i]
De esta definicin resulta inmediato que la igual
dad matricial, es refleja simtrica y transitiva.
DEF 1.3 0
Dada una matriz A = (aij) de rden mxn, se llama!
a) Matriz opuesta de ella, a la matriz de orden mxn:
- A = - (a . .) = (-a .)
ij
xd
b) Matriz transpuesta de ella, a la matriz A
orden nxm, donde a ^ .
13
= (a^j) de
= a..
ni
c) Matriz conjugada de ella, a la matriz de orden mxn:

A - (a. .) = (a. .)
1 J
xj'
d) Matriz transconjugada de ella, a la matriz A* =
(a*..)
1 j
de orden nxm, donde: a *j aj

TEOREMA 1.1.
a)
-(-A) = A
C)
() = A
b)
(At )t = A
d)
(A*)* A
Dm
Por ser muy simple, solo veremos un caso:
(A *)*
(a *i j) * =
( a j ;L) *
(ai:j)
= A
DEF 1.4.
Una matriz cuadrada A =
slo si: a ^
= a^.
(aj) es simtrica si y
Ella es antisimtrica sii: a ^
= "a^.
TEOREMA 1.2.
Una matriz A es simtrica si y slo si: A = A fc.
Dm
Si A es simtrica, ella es cuadrada, y como adems:
a^. = a ^ ,
resulta:
Afc =
(a^ )
(aj i ) = (a1:j) = A
Reciprocamente si A = Afc, el nmero de renglones es igual

al nmero de columnas y entonces la matriz es cuadrada.
ms A = Afc implica a^^ = a^j = a ^ ,
luego A es simtrica.
TEOREMA 1.3.
La matriz A es antisimtrica sii:
A = -A*".
Ade
4.
D m _____________________________________________________________________________________________________________________________
Se deja como ejercicio, por ser anloga a la dada en el

teorema precedente.
DEF 1.5.
Matriz unidad es toda matriz cuadrada I = (5j)t
donde 6 ^
es el 6 de Kronecker
DEF. 1.6.
Matriz nula, es toda matriz O cuyos elementos son
todos ceros.
2.- SUMA DE MATRICES

En este prrafo definiremos dos opera
Piones matr i c e s l a suma de matrices y el producto de una
matriz por un escalar.
DEF 2.1.
Dadas dos matrices A =
y B =
d 1 mis
mo orden mxn, llamaremos suma de ellas a una matriz A + B

que por definicin valdr: A + B = (a^. +
TEOREMA 2.1.
Sean A, B, C y 0 matrices del mismo orden mxn,
entonces:
a)
A + B = B + A
c) A + O = A
5,
b)
(A + B ) + C = A + (B + C)
d ) A + (-A ) = O
Dm
Trivial, se deja como ejercicio.
TEOREMA 2.2.----------------------------------------Sean A y B matrices del mismo orden, entonces:
a)
-(A + B) = (-A) +
b)
(A + B) = + B
(-B)
C)
(A + B)t = Afc + B*
d)
(A + B)* = A* + B*
Dm
Trivial.
Solo daremos el caso
(c)
(A + B)t = ( ai:j + b ij )t
= (aj + b j) = (a j i ) + (bjl)
=
(a^)
+ (bj_.) = Afc + Bt
DEF 2.2.
El producto de una matriz A = (a^) por un esca
lar p, es una matriz del m i smo orden de A, que de signare
mos con la notacin: pA Ap y que por definicin valdr:
pA = Ap = (pai:J)
Observacin
De acuerdo a las definiciones 1.3 y 2.2 convie
ne notar que:
-A = (-l)A.
6.
TEOREMA 2.3.
Sean A y B matrices del mismo orden; p y q
escalares, entonces:
a) p(A + B) = pA + pB
c)
b)
d) pA = 0 sii p = 0
(p + q)A = pA + qA
(pq)A = p(qA) = q(pA)

6
A = 0
Dm
Trivial, se deja como ejercicio.
DEF 2.3.
Dadas dos matrices A y B del mismo orden, llamare
mos diferencia entre A y B a una matriz que designaremos
con A - B y que por definicin valdr: A - B = A +
(-B)
TEOREMA 2o 4.
Toda matriz cuadrada A puede expresarse, de
manera nica, como suma de una matriz simtrica y una ma
triz antisimtrica.
Dm
Sea S una matriz simtrica
(S= S*") y T una matriz anti
simtrica (T = T*") , por determinar; y tales que: A = S + T.

Entonces: Afc = (S + T ) = Sfc + Tfc = S - T.
Resolviendo el
sistema para S y T, resulta:

S =
(A + A fc)
T = j
(A - Afc)
7.
As tenemos:
A = -| (A + A fc) + j
(A - A fc)
Finalmente esta descomposicin es nica, pues el sistema

que determina S y T es de primer gra d o , con determinante
no nulo.
Corolario
Para toda matriz cuadrada A se tiene que:
S = A + A fc es simtrica y T = A - A^ es antisimtrica,
EJERCICIOS
1. Con E (x) designamos el mayor entero que no es mayor
que x. Construya las matrices siguientes:
a) A =
(a1 ;j) con a ^
= E(j/i) y de orden 4x5
b) B =
(b^j)con
= E((i+l)/(j+2)) de orden 3x4
c) C =
(c^j) con c ^
= E(j)
d) D =
(dj) con d ^
= Ej^)
y de orden 3x3
y de orden 4x4
2. Resolver las ecuaciones:

a) 5X + I =
^ 1j
3
b)
2X - 31 =
c) 3 (X + 5I2 ) = 2 (X - I 2)
d) 2X + Y =
J)
X - 3Y =(5
j)
3. Demuestre que las matrices A r B y C que se indican son

linealmente dependientes
4. Descomponga la matriz A en suma de una simtrica S y otra

antisimtrica T.
Tome A arbitraria, cuadrada y de orden
3x3.
5. Determine si las matrices A = (a^j) y B = (b^j) de or
den 4x4 con ai;. = E(ij) y b ^
= (-l)i ^(i + j) son o no
simtricas.
6 . Sea V el espacio de las matrices de orden 2x2 sobre el
cuerpo C. Se toma H CLV, siendo:H = {aIa V a A = A*}

--- Determine si II es o no subespacio de V.-----
3.- PRODUCTO DE MATRICES

El producto de matrices difiere
fundamentalmente del producto de nmeros reales o comple
jos, por dos razones principales: primero, las matrices
factores deben cumplir ciertas condiciones para que pueda
existir su producto y segundo, el producto que definire
mos no es conmutativo en general.
DEF 3.1.
Una matriz A ser multiplicable por una matriz B
cuando el nmero de columnas de A sea iagual al nmero de

renglones de B.
Observacin
En general, si A es multiplicable por B, no ne
cesariamente B es multiplicable por A.
DEF 3.2.
Dada una matriz A = ( a ^ ) multiplicable por una
matriz B = (b^) , llamaremos producto escalar del rengln
de orden i de A, por la columna de orden j de B, al nme
ro:
cij ail b lj + a i 2 b 2 j + ** + a in bnj =
a ik bkj
DEF 3.3.
Dada una matriz A =
matriz B = ( b ^),
multiplicable por una
llamaremos producto de A por B, a una
matriz que designaremos con AB y que por definicin vajL

dr:
Observacin
= <Cij ' Jj, alk b kj>
De acn*T>ri0 a esta definicin, el producto de
una matriz A de orden
(mxn) y una matriz B de orden (nxp)
10.
es una matriz C = AB de orden
(mxp).
Como consecuencia in
medianta de esta observacin se concluye que si A de orden

(mxn) es multiplicable con B de orden
(nxp), el producto
de B por A no est definido, a menos que: p = m.

Adems de esta caracterstica, hay otras diferen
cias notables entre el producto de matrices y el producto
en lgebra clsica.
Veamos dos que son de fundamental im
portancia.
Io An cuando existan los productos AB y BA, no siempre
ocurre que: AB = BA.
El ejemplo siguiente, ilustra es
ta aseveracin.
AB
(-i a (i D -ll ) -(i flU 3H0
Este ejemplo es suficiente para afirmar que el produc

to de matrices no es conmutativo.
Debido a esta circuns
tancia, corrientemente se llama al producto AB, posmulti

plicacin de A por B o bien premultiplicacin de B por A.
2o El producto de dos matrices puede ser la matriz nula,
an cuando ninguno de los factores sea nulo.
po siguiente corrobora esta afirmacin.
o){i S H S
?)-
El ejem
11.
TEOREMA 3.1.
Sea A una matriz de orden mxn, entonces:
AI
= I A = A
m
Dm
AIn -
J ,
aik 5 kj> "
(aij 5 jj> = (aij> = A
ni
ImA = (k| x 6ik ak j ) = (6ii aij) = (aij} = A
TEOREMA 3.2.
a), (AB) = B
b). (AB)^ = Bt A*
c), (AB)* = B* A*
Dm_______________________________________
a)
Esta igualdad por demostrar, slo exige que A sea
multiplicable por B, en tal hiptesis tenemos:
i a ik
b kj>
aik bkj> (J X aik b k 3 >
b) Si A y B son matrices cuadradas de orden n, tenemos:

n
AB
(k=l aik bk:) " (Pij>

n
( A B ) fc
(p ^ )
(P j i )
( 1)
(k=l 3jk bki>

Por otra parte:
n
V = 1 b ki a jk*
Comparando
c)
(1) y
(2) tenemos:
( )
(AB)fc = B fc A fc
Aqu tal como en el caso
(b), A y B deben ser matri
ces cuadradas del mismo orden, entonces:

(A B)* =
(AB)
( B t Afc)
= B fc Afc = B * A *
Corolario
Para toda matriz A, ocurre que P
AAfc y Q = A^ A
son matrices simtricas. En efecto:

P fc = (AAfc)
(At )t A t = AAfc = P
TEOREMA 3o 3,
(pA)
(qB)
= p q ( AB)
(qA)
(pB)
Dm
Sea A =
multiplicable por B =
definicin de producto de matrices tenemos:
entonces por
13.
n
(pA)
(qB)
n
(p ai k ) (q b k - = (k| 1 <pq>lk bk ] >
n
= Pq ( J
Finalmente:
(pA)
ak bk j )= (pq) (AB)
(qB) = pq
(AB) = qp
(AB) = (qA)(pB)
Corolario
(-A)B = A(-B) = - (AB)
(-A) (-B) = AB
TEOREMA 3o4.
(AB) C = A (BC)
Dm
Naturalmente que en la proposicin por demostrar, supone
mos que los productos indicados existen.
Sea entonces A
de orden mxp, B de orden pxq y C de orden qxn.
El elemento del rengln de orden h y de la columna de

orden i del producto AB es:
luego el elemento del rengln de orden h y de la columna

de orden k del producto
(AB)C es:
14
Yhk
i=l
Yhk " ^
3h3
ahj
ik * j=! ili ahj b ji C ik
{^ 1 b ji ci k }
esta ltima igualdad muestra que Yhk es el elemento del

rengln de orden h y de la columna de orden k del produc
to A(BC), de aqu entonces que:
(AB)C = A(BC).
TEOREMA 3.5.
A(B + C) = AB + AC
(B + C)A = BA + CA
Dm
Obviamente, nuestro enunciado supone que las operacio
nes contenidas en l, son posibles.
Sea entonces A de
orden mxn, B y C de orden nxp.
El elemento del rengln de orden i y de la columna de

orden k de la matriz B + C es: s ^
= b^
+ c^.
Por lo tanto el elemento del rengln de orden h y de la

columna de orden k de la matriz: A(B + C) ser:
n
xhk = i ^ 1
n
ahi sik = i ^ 1 ahi
(bik + Ci k )
15.
n
xhk =
l ahi b ik +
l ahi cik
i=l
i=l
pero estas ltimas sumatorias son los elementos del rengln

de orden h y de la columna de orden k de las matrices AB y
AC respectivamente,
luego: A(B + C) = AB + AC.
Anlogamente se demuestra que:
(B + C)A = BA + CA.
DEF 3.4.
Para toda matriz cuadrada A, y n natural tomaremos:
A1 - A
A = I
A n + 1 = An A
TEOREMA 3.6.
Si k y n son enteros no negativos y A matriz
cuadrada, se tiene:
An A k - An+k
Dm
Se har por induccin.
en efecto:
An A"*"
An A
Para k = 1, las tesis es vlida,

=
An + ^
Supongamos entonces que la igualdad propuesta es vlida

i
para k = p,
u sea, que:
_p
A,n A^
n+p.
= A c
En esta hiptesis tenemos:

An A P + 1 = a W a )
( A % P ) A = An+P A = A 1 4' ' 1 = An+ (P +1)
resultado que demuestra la tsis propuesta.
16.
Corolario
Si n es entero positivo, se tiene:
(An )t = (At )n
En efecto:
(An )
(AAAo . . o . . A)
= A ^ .... AtA tA t = (A^)n
DEF 3.5.
Una matriz cuadrada A / 0 se dice nulpotente si
existe un entero positivo p, tal que: A^ = O
_________ Una matriz cuadrada A / O se dice peridica, si

existe un entero positivo p tal que : A p + 1 = A.
El menor entero p que verifique la igualdad prece
dente se dir perodo de la matriz.
Particularmente si
A - = A, la matriz se dice idempotente.
EJERCICIOS
lo Efecte los productos que se indican y saque en cada
caso una conclusin:
a)
b)
(l
2 I /5
6 \
/ 5
6 W 1
4 / l7
8/
1 7
8 / v 3
2 \ f-2
c)
-4
-8 / \ 1
-3 J
/-I
\ -8
1 / 4 *2
17.
2. Demuestre que:
(A + B)
-1
12
-1
A = I
= A
+ B , siendo
-C.I)
3. Determine todas las matrices X de orden 2 x 2

X2
tales que
- c : )
(2
4. Resuelva la ecuacin
V4
5. Resuelva la ecuacin
X î "
V2
3)
5/
25 j/) =
I2
y aproveche
la solucin encontrada para resolver la ecuacin:
/1
- c : )
6 . Si X es matriz no nula de orden 2 x 2, resuelva la
ecuacin
x
(
V-2
2
( -4
5/) * V
'
)
1/
7. Exprese matricialmente los sitemas:

a)
2x 2 + 3x 3 = 5
X 1 + 4 x 2 + 7x3 = ~ 2
2x^ + 3x 2 + 6 x^ = 3
b)
x + 2y =
2y +
z =
4
5
2z + 3x = 12
8 . Exprese matricialmente, mediante matrices simtricas#
las
cudricas que se indican:

a) x 2 + 6 y 2 + 10z 2 + 4xy + 6 xz + lOyz = 5
b) x 2 + 5y? - z 2 + 3xy - 2yz = 0
c ) 8 a2 +lly 2 + 8 z 2 - 4xy + 4yz + 8 xz = -9
9. Verifique que la ecuacin:
- x
1 2
- 5 x + 5 I = 0
-admite la solucin___ x = 2 - 1 __ (L
t/ cosa seno ^
n i COS na
10. Si A =[
i demuestre que: A =|
'-sena cosa /
V-sen na
11. Si tga
,
1
&
n
= - ,
n
demuestre que:
a n
i
n
2 2 /
- ( 1 + "2 )
I___________n
p
/ P
12. Calcule (
(o
i\n
M
i
p)
13. Para la matriz
A
'
f0
A =(
\1
_4n
A
,
.4n+l
A
,
*4n+2
A
eos na
sen na
l
V -sen na
eos na
/ p
0
(
i
p
o ,n
1
p
-1 \
calcule:
o
4n+3
, A
sen na \
)
eos na/
19.
14. Determine todas las matrices cuadradas X de segundo orden tales que X
15. Idem para
16o
Calcule
= I
=0
siendo
A =
1 0
1
0
0 1
1 I
1 0 /
4.- MATRIZ RECIPROCA
DEF 4.1
Dada una matriz cuadrada A =
, la matriz adjunta
de ella es la matriz A+ = (a^.)t , donde a ^

elemento a^. en el determinante
es el adjunto del
|a | = det (A).
TEOREMA 4olo
AA+ = A+ A =
|A| I
Dm
La demostracin de esta tesis resulta muy simple si se tie
ne presente que, en un determinante la suma de los productos
de los elementos de una lnea
(rengln o columna), por sus ad
juntos correspondientes, es igual al determinante y la suma

de los productos de los elementos de una lnea por los adjun
tos de los elementos de una lnea paralela es cero; o sea, re

cordando que:
20.
J x ak ak = aet
(A)
aik a jk = 0
o bien, resumiendo las dos expresiones en una sola,
tee
mos:
i , aik ajk { ij det <A>-----------------------------
k=l
Teniendo presente las igualdades anteriores, resulta;
= (J i aik (aw ,t> = (J i a*k a k)
(13
^
det
(A)) =
(6 i .) det A - i det
(A)
De analoga manera se obtiene:
A = k i 3lk)
= (6 i det
ak=j) = (kli akl a k j}
(A)) =
( j )det
As hemos demostrado que: AA
(A) = I det(A)
= A A = I det
(A)
DEF 4.2
Dada una matriz cuadrada A, llamaremos matriz re
cproca de ella, toda matriz B, siempre que exista, tal
que:
AB = BA = I
21.
TEOREMA 4.2.
Si A tiene matriz recproca, sta es nica.
Dm
Supongamos que la matriz cuadrada A, admita dos matrices
recprocas P y Q, entonces:
PA = AP = I
luego:
QA = AQ = I
P = PI = P(AQ) =
(PA)Q = IQ = Q
La matriz recproca de una matriz A, se designar por A

DEF 4,3
Llamaremos matriz regular,
(no singular), toda ma
triz cuadrada A, que tenga matriz recproca.
Toda matriz
cuadrada no regular se dir singular.

TEOREMA 4.3.
Una matriz cuadrada A tiene matriz recproca
si y s61o si:
|a | = det (A) ^ 0 o
|A|
Adems:
det(A)
Dm
Supongamos que |a | ^ 0
De
AA+ = A+ A = |a | I
obtenemos:
A
A = I
|A|
IA|
22.
resuitao que nos muestra que a es regular y adems que la

matriz inversa de A e s :
A ^ =
|A|
con
5/ 0.
|AI
'
Recprocamente supongamos que A es matriz regular.
Llaman
do B a su matriz recproca; tenemos: AB = BA = I, luego:

det(AB) = det(A)det(B) = 1
de donde, obviamente:
__
det (A) 4 0._______
________
Corolario 1
Si A y B son matrices regulares de orden n, la ma
triz AB tambin es regular.
En efecto,
y |B| ^ 0 , resulta
|AB | = |a|
|b| y puesto que
|a| 7* 0
|AB| ^ 0 .
Corolario 2
Si A es regular, tambin lo es A - 1
y adems,
det (A- 1 ) = (det A ) " 1

En efecto: AA - 1
= I implica
|A||A- 1 | = 1
*\
Corolario 3
Si A de orden n es no singular
(regular)
det(A+ ) = |A+ | = |A | n _ 1
En efecto de: AA+ = |a| I = (|a|6 ^.), resulta:
det(AA+ ) = d e t (|A|6^ .) = |A|n
Corolario 4
Si A de orden n es no singular, se tiene:
(aV
= |A | n _ 2 A
TEOREMA 4o 4
Sean A y B matrices regulares, entonces:
a)
(A- 1 ) " 1 = A
c)
b)
(At ) " 1 = (A"1)t
(AB) _ 1 = B ~ 1 A - 1
Dm
a) Como A es regular, tambin lo es A
(A *) 1 y entonces: A 1
(A
tiplicando por A, resulta:
_ 1
, luego existe
= I, de aqu premul-
(A *) 1 = A
b) Tomando transpuesto en la igualdad AA

ne:
_ i
= I, se obtie
#_-l.t _t
_t
_
(A ) A = I = I
y posmultiplicando por (Afc) 1 , resulta:
(A ^)fc =
(Afc) 1
c) Tenemos:
------ (AB) ( B ^ A - 1 ) = A (BB- 1 )A - 1
y como adems:
= AA " 1 = I-----------------------
(AB)(AB) 1 = I,
resulta:
(AB) 1 = B _ 1 A - 1
Corolario
(AB)+ = B+ A+
Terminaremos estas ideas extendiendo la definicin
de potencia de una matriz cuadrada, a potencias de exponen-
te entero negativo de una matriz regular.
D E F . 4.4
Si A es matriz regular y n es un entero positivo:
A_n = (A- 1 )n
Finalmente presentaremos las llamadas matrices:

involutiva, ortogonal, unitaria, hermtica y antihermtica.
DEF 4.5
Una matriz cuadrada regular A, es:
a) Involutiva,
si y slo s i :
1 =
b) Ortogonal,
si y slo s i :
1 =
A fc
c) Unitaria,
si y slo si:
1 =
A*
d) Hermtica,
si y sl- s i :
A*
e) Antihermtica, si y slo si:
-A*
EJERCICIOS
1.- Determine la matriz adjunta A
r4
de A =1 1
\ 4
" 3
0
4
1 j
3/
2. Sea A matriz no singular de orden n, demuestre que:

(A+ )+ = A(detA ) n ~ 2
det
(A+ )+ = (det A ) (n~1)

+
3.- Se A matriz simtrica de orden n, demuestre que A

simtrica para n impar y antisimtrica para n par.
es
25.
4.- Determine la matriz inversa o reciproca de:

2
'j*
\ 3
ll
<
/3
1 \
\
B =
/I
4
c
2 /
l\
0/
6 y
5.- Usando algebra de matrices resuelva los sistemas:

x + y + z = 6
2x - y
9x - lOy + z =
=0
x + y - z = 0
3x+
y - z = -1
7x -
y + z =
6 .- Usando cualquier procedimiento,
resolver:
2x - 3y + z =
16x - 84y + 40z = 62
x + 5y - z =
2x +
7y -
3z =
7x + 9y - z = 15
18x -
7y +
5z =
7.- Determine las tres raices cubicas de 1.
Si una raiz
compleja es w, demuestre que la otra es u>2 y que
+ a) + j2 =
0
(1
8 .- Determine la matriz recproca de
9 .- Sea a)3 = 1 y w
ll
u
\l
A-
1,
1 1
co <*)2
0)2 w /
(02
lo 1= 31
\l
0)
0)7
/1
1
)
O)2
1
a>
u
26o
10.- Sea A matriz cuadrada de orden n sobre C.
Demuestre
que A se puede expresar de manera nica en la forma

A = H + K, siendo H = H*
11.- Demuestre que A n =
y K = -K*
(An ) 1 y calcule A n para
12.- Determinar la matriz A, sabiendo que:
f 0
A
+ A
17/4
=
5/6
13.- Calcular S =
A- 1
+ A- 2
+ A ~ 3 +... + A n , siendo
= l )
V-i
i/
; x d i ; iK
14.- Resolver la ecuacin:
,22
4
14
15o- La matriz A, cuadrada de orden n, verifica la ecuacin

A
= O.
Demuestre que la matriz A + I admite una rec^
proca de la forma
x A + I.
Determine x.
16.- Determinar las matrices X e Y que verifican el sistema

X + AYt = B
Xt + YC = D,
17o- Sea A matriz cuadrada de orden n,

M = -Â
j AA*" =
siendo
Y sea
I ^ , Demuestre que M con el producto de
matrices, es grupo
18.- El nmero real a es fijo y x es real variable.
Demues
tre que el conjunto de matrices de la forma:

f ax
M (x) = | O
*
\ O
O \
x ]
O l
tiene estructura de grupo respecto a la multiplicacin.
19.- Calcular la matriz

siendo A =
S = (^)
+ + (
y n nmero natural.
20.- Sea A matriz cuadrada de orden n, demuestre que A es

regular si y solo si el sistema AX = 0, admite nica
mente la solucin trivial
21.- Sea A matriz ortogonal
a) det A 2 = 1
t
-1
(A = A
), demuestre que:
b) A 1 es ortogonal
c) Afc es orto
28o
5.- RANGO DE UNA MATRIZ

La idea de rango de una matriz es
de fundamental importancia en varios tpicos referentes a
matrices y en especial en -el estudio de los sistemas linea
les.
DEF 5.1.
En una matriz A de orden m x n ,
el rango-rengln es
el mayor nmero de vectores-renglones linealmente indepen

dientes.
DEF 5.2.
el r^ngo-columna es
el mayor nmero de vectores-columnas linealmente indepen

dientes .
TEOREMA 5.1o
En cada matriz A, el rango-rengln: rr(A) y el
rango-columna: re(A), son iguales.
Dm
Sea A =
(a^)
una matriz cualquiera, de orden m x n .
A es matriz nula, el teorema es trivial.
Si
Supongamos enton
ces que A ^ 0.
Sean
. ...R
'
m
= (a ,,a
mi m
mn
^2
â 2 1 *a 2 2 *a 2 n^
) los renglones de A.
*# *' 51
Supongamos
29o
que el rango-rengln de A es r, y que los r vectores-ren

glones linealmente independientes son los siguientes:
S1
(bU ,b1 2 ' * * *b ln) ' S 2 "

S
(b2 1 ,b 2 2 * **b 2 n )
= (b , ,b
...b )
' r l # r2 '
rn'
De acuerdo a estas ideas, cada vector-rengln R^,

debe ser combinacin lineal de los vectores-renglones,
linealmente independientes
con
j = 1 , 2 , 3 ,....r.
As tenemos:
R1
C 1 1 S 1 + C 1 2 S 2 + + c irsr
R 2 = C2 1 S 1
+ C 2 2 S 2 + *** + c 2 rSr
= c ,S, + c _S_ + ... + c S

mi 1
m2 2
mr r
Si en cada una de estas ecuaciones, igualamos la

componente de orden i, tenemos:
a li = cllb ll + c 1 2 b 2 i + + c lrb ri
a 2 i = c 2 1 b li + 2 2 b 2 i + + c 2 rb ri
an
,, = Cn,
H +
mi
mi1 b li
para
i=
m 2 2 1 + ... + Cmr b ri
1, 2, 3, ..., n.
As entonces:
igualdad que nos muestra que cada uno de los vectorescolumnas de A, es combinacin lineal de los r vectores,
siendo Cj=
( c ^ ,c2 j ,.. *cm j) ^
De aqu en
tonces que el rango-columna de A no es mayor que el ren

go-rengln r.
Llamando k al rango-columna tenemos: k r.
Razonando de anloga manera con las columnas se obten

dra r
k, y entonces concluimos: r = k.
DEF 5.3.
El rango de una matriz A, es el nmero:
r(A) = rr(A) = re (A)
DEF 5.4.
se llama menor de
orden k, todo determinante formado por k renglones y k co

lumnas de la matriz A.
31.
TEOREMA 5.2e
Una matriz no nula A, tiene rango k, si y solo
si, uno al menos de sus menores de orden k, es diferente de
cero y todos los menores de orden superior a k son nulos.
Dm
La demostracin no se dar.
otros, el texto:
Puede consultarse, entre
"A First Course in Linear Algebra", del
profesor D. Zelinsky, pagina 155.
Academic Press-1968.
Corolario
Si A es matriz cuadrada, no singular, de orden n,
su rango es n.
DEF 5.5.
La nulidad de una matriz cuadrada A de orden n, es
el nmero
(n-r), siendo r = rango
(A).
Observacin
La determinacin del rango de una matriz es de
importancia primordial.
La bsqueda del rango de una ma
triz, puede hacerse en forma muy cmoda, introduciendo cier

tas operaciones que pueden efectuarse sobre una matriz y
que se conocen con el nombre de transformaciones elementa
les o
32 o
DEF 5.6.
Dada una matriz A, llamaremos transformaciones ele
mentales a:
1- Intercambio del rengln de orden i por el rengln de
orden j:
(H^).
Intercambio de la columna de orden i por la columna

de orden j :
j )
2.- Multiplicar un rengln de orden i por un escalar, no

nulo, p:
(pHi )
Multiplicar una columna de orden i por un escalar, no

nulo, p:
(pV^ o
3.- Sumar al rengln de orden i, el rengln de orden j,

previamente multiplicado por el escalar p:(H^ + pH^).
Sumar a la columna de orden i, la columna de orden j,
previamente multiplicada por el escalar p:(V^ + pVj).
TEOREMA 5,3.
El rango de una matriz es invariante bajo las
transformaciones elementales.
Dm
Trivial
Se deja como ejercicio.
Observacin
El teorema precedente establece la invarianza
del rango de una matriz, con respecto a las transformado
33.
nes elementales que sobre ella se efectan.
Esta idea, con
juntamente con el teorema 5 02, proporcionan un mtodo expe

dito para determinar el rango de cualquier matriz
Justi
ficaremos esta afirmacin proporcionando un ejemplo

Ejercicio
Determinar el rango de la matriz
1
(
3
5 - 4 3
11
1 - 4 - 1
Sol:
-4
-3
Determinaremos el rango pedido, efectuando sobre la
matriz A, transformaciones elementales-columnaso
Sumando
a la cuarta columna la segunda previamente multiplicada

por 2 y restando a la quinta la segunda, resulta:
/ 1
0 ' 1
B = | 3
11
0,3
\ 1
-4
-1
Restando a la ltima columna la primera y restando a la ter

cera la suma de la segunda ms la primera previamente mul
tiplicada por 3, tenemos la matriz:
/ 1
C = I 3
\l
-4
34c
Ahora como las columnas primera y segunda son linealmente

independientes, tenemos rango (C) * 2.
Finalmente como las
transformaciones elementales no alteran el rango de una ma

triz, resulta: rango (A) - rango W
= rango (C)
20
Obtenida la matriz C, tambin puede concluirse que

rango (C) = 2, haciendo uso del teorema 5=2, pues tenemos
det ^
j e -4 f 0
y adems, todo determinante de orden superior a do, og nu

lo.
DEF 5.7o
Se llama matriz elemental, toda matriz que puede
obtenerse efectuando, un nmero finito de transformaciones
elementales, sobre una matriz unidad 0
TEOREMA 5.4.
Toda matriz elemental es no singular
Dm
Sea A una matriz elemental de orden n.
Como ella puede
obtenerse por transformaciones elementales desde la matriz

unidad de orden n, ella debe tener rango n Q
A
Ahora para que
tenga rango n f como A es cuadrada de orden n, debe tener
se det
(A) / 0.
As, A es matriz no singular.
35 e
TEOREMA 5.5.
Cada transformacin elemental-rengln sobre una
matriz A, puede obtenerse premultiplicando A, por una matriz
elemental.
Dm
Para simplicidad de escritura, tomemos una matriz A de
tercer orden y efectuemos las siguientes transformacionesrenglones:
a) Permutacin del primer rengln con el segundo:

0
1 0
1 0
0
0
0
/ \
a ll
a 12
a13 \
a21
a 22
a 23
a 31
a 32
a 33 1
I a2 1
l = r 11
\ a 31
a 22
a23
a 12
a 13
a 32
a 33
b) Multiplicacin del tercer rengln por un escalar p,

no nulo.
1
1\
/ a xl
a1 2
a13^ __^
0 ]| a 2 1
a2 2
a23
p I \ a 31
a3 2
a 33 /
|_,
aX 1
a1 2
a1 3
a2 1
a2 2
a2 3
\ P a 3 1 P a 32 p a 33
c) Sumar al primer rengln el tercero previamente multi

plicado por un escalar p
/ 1
V 0
p
1 0
a ll
a12
a13 \
a21
a 22
a23
a 31
a 32
a33 /
jf
36.
all
+ p a 31
a12 + pa 32
a21
22
a 31
32
a 13 + pa33
23
33
Observacin
Sin duda que lo presentado como demostracin
del teorema precedente, no es propiamente una demostra
cin, sino un simple ejemplo aplicado a matrices de tercer
orden 0
Nos justificamos diciendo que ello se hizo en bene
ficio de la claridad del contextoo

Para obviar esta situacin rogamos al lector,
tomar matrices de orden n y en lugar de hablar de primer,
segundo o tercer rengln, use la terminologa rengln de
orden i.e de orden j , de orden k; entonces creemos queda
r eliminada toda inquietud
TEOREMA
5, 6o
Cada transformacin elemental-columna sobre una
matriz A, puede obtenerse posmultiplicando A, por una ma

triz elemental.
Dm
Idntica a la dada en el teorema anterior
TEOREMA 5.7o
Si una matriz cuadrada no singular A, se reduce
37.
a la matriz unidad I, mediante premultiplicaciones por las

matrices elementales M^,
proca A - 1
, M^, la matriz rec
de A, se obtiene premultiplicando I por dichas
matrices o
Dm
Por hiptesis tenemos que:
Mj^ Mj^
Ahora como A es no singular, existe A 1 .

la igualdad anterior por A
X
Posmultiplicando
, resulta:
M. M ooooooo M -% Ma M- X ** A
k k-1
3 2 1
- 1
conclusin que demuestra la tsis 0

Observacin
El teorema precedente nos proporciona un proce
dimiento muy prctico para determinar la matriz recproca
_ -i
A
, d una matriz no singular A. En efecto, de acuerdo a
lo demostrado en el teorema anterior, para obtener A
, bas
tar efectuar sobre ia matriz unidad I, las mismas trans

formaciones-renglones que son necesarias para reducir A a I.
Aclaremos estas ideas con un ejemplo, indicando
en l, un adecuado esquema de clculos.
Ejercicio
Determinar la matriz inversa des
38.
/ 3
A
-2
-4
-1
- 1
como esquema de clculo dispondremos las matrices A e I en

la forma (Aj)
y mediante transormaciones-renglones, que
operarn simultneamente sobre A e I , trataremos de reducir

las a la forma
(I | B ) 0
Entonces, de acuerdo al teorema 5,7=
- i
tendremos B = A "
(A | I) =
-2
-1
-1
H1
H3
H2
H3
-2
H 1
2 H 2
H 2
2 H 1
H 3
2H X
( I
1)
-2 -4 -5
Sin dificultad, por simple multiplicacin matricial puede
39-,
comprobarse que:
A" 1
TEOREMA 5.7.
Si una matriz cuadrada no singular A, se reduce
a la matriz unidad I , mediante posmultiplicaciones por las
matrices elementales
N 2 , N 3 , .... . N ^ , la matriz reci
proca A 1 de A, se obtiene posmultiplicando I por dichas ma

trices.
Dm
Idntica a la dada en el teorema anterior, se deja como

ejercicio.
Observacin
Este teorema, tal como el anterior, proporciona
un medio para determinar la matriz recproca A - 1 , de una
matriz no singular A, operando con transformaciones-columnas.
EJERCICIOS
Verifique que para las matrices
1
A =
"
-2
-2
\
)_
4 //
(- 1 3
. . (
\ 2 -6
Se tiene: r(A + B) < r(A) + r(B)
40.
2.- Determinar el rango de las matrices:
3. Verifique que para las matrices
Se tiene: r (A + B) = r (A) + r (B)

4.- Sean A y B matrices del mismo orden m x n ,
demuestre
que:
a) r(A + B)
r(A) + r(B)
b) r(A + B) > |r (A) - r (B) |

5.- Sea A matriz de orden m x n
plejos.
sobre el cuerpo de los com
Demuestre que: r(A) = r(At ) = r (A) = r(A*)
6 .- Sea A matriz de orden m x n
sobre R.
Sea P de orden
m x m y Q de orden Q de orden n x n , ambas no singulares.

Demuestre que: r(A) = r(PA) = r(AQ) = r(PAQ)
7.- Sea A matriz no-singular de orden n, multiplicable por
la matriz B.
Demuestre que: r(AB) = r(BA) = r(B)
8 - Determine dos matrices A y B tales que:
r (A) , r (B) }
r(AB) = mn
9.- Determine
ios matrices A y B, tales que:
r(AB) < mn {r(A), r (B) }

10.- Sea A matriz multiplicable por B, demuestre que:
r (AB) < mn (r(A), r (B)}.
11.- Sean a ^ 0 para i = l ,
j = 1, 2, 3, .... n.
matriz
2,
. . . . , n y b^ / 0
para
Demuestre que el rango de la
X = (a.b.), es uno.
i ]
t
6 .- EQUIVALENCIA, CONGRUENCIA Y SIMILITUD DE MATRICES
DEF 6.1.
Una matriz A de orden m * n es equivalente a una
matriz B de orden m * n, si y slo si, existen matrices
no singulares, P de orden m y Q de orden n, tales que:
A = P B Q
Para indicar que A es equivalente con B pondremos:
A 'v* B
TEOREMA 6.1.
La equivalencia de matrices es una relacin
de equivalencia.
Dm
Para establecer la tesis debemos probar que la equiva
lencia de matrices es refleja, simtrica y transitiva.
Si
A es de orden m * n, tomando P = I y Q = I .
m
n
I A 1 =
m
n
(I A) I = A I = A
iti
n
n
lo que nos indica que A

B,
(A<^B)
resulta:
A.
Ahora si A es equivalente con
tenemos:
A = P B Q y como P y Q son no singulares resulta:

B = P _ 1 A Q S
igualdad que nos muestra que B es equiva
lente con A, o sea (B ^ A) .

Finalmente supongamos que A es equivalente con B
y que B es equivalente con C, entonces tenemos:
y B = R C S
A = P B Q
de donde:
A = P (RCS)Q = (PR) C (SQ)
y como las matrices
(PR) y (SQ) son no singulares, vemos
que la equivalencia es transitiva, o sea: A ^ B y B
C,
implica A 'v> C.
TEOREMA 6.2.
La matriz A es equivalente con B, si y slo si,
A puede obtenerse desde B por un nmero finito de transfor
maciones elementales.
Dm
Supongamos que A es equivalente con B, entonces:
A = P B
Q.
Ahora como P y Q son no singulares, ellas pue
den obtenerse desde matrices unidades, mediante transforma

ciones elementales, o sea:
------- Mk M k - 1
.............. M 3 M 2 M, In - P-----------------
Tn N 1 N 2 N 3 .......... N j-1 N j
Reemplazando estas expresiones en A = P B Q, queda:

A = M k Mk-1 ........ M2 M,
B N l N 2 .................N . ^ N j
lo que nos indica que A puede obtenerse desde B por tran

formaciones elementales.
La proposicin recproca es inmediata
TEOREMA 6.3.
Dos matrices A y B del mismo orden, son equi
valentes, si y ?61o si,tienen el mismo rango.
Dm
-- Si A y B son equivalentes, xana cualquiera de ellas puede^
obtenerse desde la otra, por transformaciones elementales
y como el rango es invariante a dichas transformaciones,
se concluye que A y B tienen el mismo rango.
La proposicin recproca la dejamos al lector

Terminaremos estas ideas presentando las nocio
nes de congruencia y similitud de matrices.
Dadas dos matrices A y B de orden n, A es congruen

te con B, si y slo si existe una matriz regular P, tal que:
A = P B Pfc.
De esta definicin resulta inmediato que la congruen

cia de matrices es un caso particular de equivalencia, pues
A congruente con B,
(A ^ B ) , implica:
A = P B Q
con
Q = P fc
De aqu entonces que:

a). La congruencia es una relacin de equivalencia.
b ) . Si A es congruente con B,
(A ^ B ) , A puede obtener
se desde B, mediante un nmero finito de transfor

maciones elementales.
c ) . Dos matrices A y B congruentes, tienen el mismo
rango.
La congruencia de matrices es de importancia bsi^
ca en el estudio de las formas cuadrticas y de las formas
bilineales.
Finalmente definiremos otro caso particular de equi^
valencia (A = P B Q ) , la similitud, que se obtiene tomando
Q = P- 1 .
45.
DEF 6.3.
Dadas dos matrices A y B de orden n, A es similar
con B, si y slo si, existe una matriz no singular P, tal
que:
A = P A P 1.
Considerando que la similitud de matrices es un ca

so particular de equivalencia de matrices, podemos afirmar
que:
a ) . La similitud de matrices es una relacin de equiva
lencia.
b ) . Si A es similar con B,
(A~B),
A puede obtenerse
desde B, mediante un nmero finito de transforma

ciones elementales.
c ) . Dos matrices A y B similares, tienen el mismo ran
go.
ECUACIONES LINEALES
DEF 7.1.
Se llama ecuacin lineal para las incgnitas
xl' X 2 ' * '* c* Xn' skre un cuerpo K, toda ecuacin de la
forma:
a.x. + a 0 x 0 + o.,.= + a x = b
1 1 2
2
n n
(1 )
de donde a ^ , a 2 , o . * * , a^ y b son elementos del campo K.
46.
Los elementos a. son los coeficientes de las incgni

tas x ^
y b es el trmino constante.
Particularmente si el
trmino constante b, es el elemento nulo del cuerpo K, la

ecuacin lineal toma la forma:
a.x, + a 0 x_
1 1
a x = 0
n n
2 2
y pasa a llamarse ecuacin lineal homognea.

DEF 7.2.
Una solucin de la ecuacin lineal_(1)_es todo con__
junto (a^, a^/ .... . an ) de elementos del cuerpo K, tales
que: a, a, + a 0 a_ + ....
i i

+ a
a = b
n
DEF 7.3.
Un sistema lineal de m ecuaciones para las incgni
tas: x^, x2 , .... , x^, sobre un cuerpo K, es todo conjunto
de m ecuaciones de la forma:
allX l + a 1 2 K 2 +
________
+ alnXn = b l
___ a 2 1 X l 4 a 2 2 x 2 + *-!_+ a 2 nxn = b 2am 1 x* + a _x_ + . . . . +

mi 1
m2 2
--- (2 )---
ax
= b
mn n
m
Particularmente si: b. = b_ = b_ = ....

i
**
j
= 0 el
sistema (2 ) es lineal homogneo,

DEF 7.4.
Es solucin del sistema (2) todo conjunto

(a^, a2 , .... . a^) de elementos de K, que sea solucin de
47.
cada una de las ecuaciones del sistema.

Si el sistema
(2) admite por lo menos una solucin#
l es compatible; si no admite ninguna solucin, es imcom

patible.
Un sistema compatible es determinado si admite una

solucin n i c a , contrariamente si admite ma de una solu
7 /?*/ >
i yf v* /
cin, l es indeterminado.
1) Determinado
a) Compatible
Sistema
Lineal
<
2) Indeterminado
,
b) Incompatible
< Un sistema homogneo es siempre compatible, pues el

conjunto (0,0,
.... . 0) de elementos de K, es/solucin.
Esta solucin, se llama solucin trivial del sistema y cual^

quiera otra solucin se dir, no trivial.
/;.
v
DEF 7.5.
i'-.''
Se llama matriz del sistema
de orden m x n ,
.. ....
(2) a la matriz A = (aj)
formada por los coeficientes de las incgnitas
DEF 7.6.
Se llama matriz ampliada del sistema,
(2) a la matriz
XI ILt-b ÛXUllllIdb
Introduciendo las matrices
columnas
= (x1# x 2 , o o c o c $ xn )t y
6 =
(fc>1# b 2#
(2) se expresa matricialmente por: A = 8
el sistema
(3)c
0 bservaci 6 n
A continuacint nos preocupamos del problema fun

damental en el estudio de los sistemas linealese
blema consiste esencialmente en;
Este pro
Dado un sistema lineal de
m ecuaciones con n incgnitas* determinar en qu condiciones

es compatible y en cules es incompatible, adems, en el pri^
mer caso tratar de obtener todas las soluciones 0
Consideramos inicialmente el caso ms simple, en
que el nmero de ecuaciones
nitas
(n)o
(m) es igual al nmero de inc^
Un sistema tal, lo llamaremos sistema de Cramer.
TEOREMA 7,1.
Un sistema lineal A = 8 de n ecuaciones con n
incgnitas y con matriz no singular (|a | ^ 0) , es compatible

y determinado.
49.
Dm
Como A es matriz no singular, existe la matriz reciproca
A
Premultiplicando la ecuacin dada: A = 6 por A \
tenemos: = A-^ $ y como A ^ es nica para cada matriz no

singular dada A, queda probado que el sistema A = 8 , tie
ne solucin nica, o sea l es compatible y determiando
Corolario 1
Si el sistema homogneo A = 0, tiene matriz
regular, su nica solucin es la solucin trivial.
Observacin
La solucin que hemos encontrado para el siste
na A = 0, tiene una expresin simple y muy cmoda en las
consideraciones tericas referentes a sistemas linealesc
Para presentarla tomaremos la definicin siguiente:
DEF 7.7.
Dado el sistema A = (3, se llama matriz de la in
cgnita x^, a la matriz cuadrada A^ que se obtiene de reem
plazar en la matriz A del sistema
la columna de los coefi^
cientes de x . por la columna de los trminos conocidos b .

1
Corolaric 1 -------------------------------------------------Si el sistema de Cramer A = 0 tiene matriz no
singular, su solucin est dada por:
Observacin
Estudiados los sistemas de Cramer, podemos pasar
a considerar los sistemas lineales de m ecuaciones con n in
c6 gnitas.
Al respecto, el teorema fundamental que veremos
a continuacin es conocido bajo el nombre de teorema de

Rouche'-Frobenius-Capelli.
TEOREMA 7.2.
Una condicin necesaria y suficiente para que
el sistema lineal A = B sea compatible, es que el rango
de la matriz A del sistema, sea igual al rango de la matriz
ampliada A.
Dm
Si el Sistema AC = $ es compatible, admite por lo menos
una solucin:
(x^, x 2 x^,
x r ),
y entonces tenemos:
Esta igualdad nos indica que la columna de las

%
bj de la matriz ampliada A es combinacin lineal de las n
columnas precedentes de ella; as las matrices A y A tienen
igual rango.
----------- Recprocamente, haremos ver que si las matrices

'X/
A y A tienen el mismo rango r, el sistema tiene solucin
En efecto, sea M un menor no nulo de orden r de

la matriz A.
Como A y A tienen igual rango, M ser tambin
menor no nulo de A.
Sin restringir generalidad podemos suponer que

M est formado por las r primeras columnas y los r primeros
renglones, pues disponemos del orden de las incgnitas y
del orden de las ecuaciones.
De acuerdo a lo precedente * cada uno de los
(m-r)
renglones restantes de la matriz A, es combinacin lineal

de los r primeros renglones y entonces lo mismo ocurrir
con las
(m-r) ltimas ecuaciones con respecto a las r pri
meras.
Siendo ellas, combinaciones lineales de las r prime
ras, podrn suprimirse, quedando el sistema en la formas
allxl + a12X 2 + O 0o + a,Ir x r s b l " alr+l
00* ~alrXn
+ OO O o + a~ x
.i o. o. a2rXn
2r r " b 2 " a2r+l x r+1
4 OO 0O + a, x
+
o oo o raci^ <** JC
a32X 2
3r r s b 3 a3r+l r+1
a31Xl
3r n
a21Xl
r+1
a22X2
a .x, + a x* + o ooo + a x *=
n 1
r2 2
rr r
, x _ = . o<> a x
rr+1 r+1
rr n
Este sistema para cada conjunto de valores arbitra

rios que asignemos a las variables
xr+ 3 " 0 x n
resulta ser un sistema de r ecuaciones con r incgnitas y de

terminante no nulo, el cual sabemos tiene solucin nica? |S
tema de Cramer )
as el sistema es determinado0
Corolario 1
%
Un sistema es incompatible si y solo si r(A)^r(A)
Corolario 2
Un sistema homogneo siempre es compatible
(En
efecto siempre rango (A) * r(A))

Corolario 3
Si en un sistema compatible s r(A) es igual al n=
mero n de variables el sistema es determinado.
En efecto si m - n el sistema es de Cramer con
determinante principal no nulo
Si m > n, hay (m~n) ecuacio
nes que son combinaciones lineales de las otras y por lo tan
53.
to se pueden suprimir?
quedando asi un sitema Cramer de
n = r(A) ecuaciones, con determinante diferente de cero.
Corolario 4
Un sistema homogneo con rango igual al nmero
de variables slo admite la solucin trivial (En efecto
se cumple el corolario anterior)
Corolario 5
Si en un sistema compatible el rango r(A) es me
or que el nmero n de variables, el sistema es indetermina
do.
En efecto en tal caso si m > r(A) se puede su
primir
(m-r) ecuaciones que son combinaciones lineales de
las r linealmente independientes,,
Se obtiene as un siste
ma de r ecuaciones con n variables
Siendo n > r, se dispo
ne (n-r) incongnitas que se pondrn en el segundo miembro,

obtenindose as un sitema Cramer de r ecuaciones con r va
riables y (n-r) indeterminadas en el segundo miembro
Corolario 6______________________________________________________
Un sistema homogneo con n variables tiene solu
cin distinta de la trivial si y solo si r(A) > n
to se verifica el corolario anterior)
(En efec
Terminaremos estas ideas presentando algunos ejem

plos.
Ejemplo 1
Para diferentes valores reales de k, discutir el
sistema:
kx + y + z = 1
x + ky + z = k
x + y + kz = k
Soluci 6 n
Llamando A, la matriz del sistema tenemos
det
(A) = k 3 - 3k + 2.
Este determinante se anula para
k = 1 y para k = - 2 .
Cuando k = 1, el sistema se reduce a una sola
ecuaci 6 n: x + y + z = 1.
En este caso el sistema admite
infinitas soluciones dada por: x = l - y - z .

Cuando k = -2, el sistema se transforma en:
-2x + y + z = 1
x -2y + z = -2
x + y - 2z = 4
que no admite solucin, pues se puede verificar sin difi

cultad que: r(A) = 2
r(&) = 3.
Finalmente para cualquier k diferente de 1 y de (-2),

tenemos det(A) ^ 0.
El sistema es entonces de Cramer y ad
mite una y s<lo una solucifin
Ejemplo 2
Para diferentes valores reales de k, discutir e l ,
sistema:
55 0
x, - X- = 1
kx~ + x_ = O
^
2x - kx_ = -1
x, + x + x_
-5
jl
Solucin
Como el sistema tiene solamente tres variables? el
rango de su matriz A? deber ser 3_a lo m s D
Ahora el de-
termiannte de la matriz ampliada Aj, ess

1
* 1 0
0 -k - 1
det(A) =
= 2k
1
+ 3k
Entonces de acuerdo al teorema de Rouche=Frobeniusv el sis

'v
2
tema es incompatible para det (A) - 2k + 3k - 2
en tal caso tenemos r(A) 3
0 , pues
r(A) = 4
%
2
Veamos que ocurre con r(A) cuando det(A) = 2k +
3k - 2 = 0 es decir para k = =2 y para k = 1/2
Fcilmente se verifica que en ambos casos se tiene
r(A) = 3 ,
as en ambos casos el sistema es determinado y sus
soluciones son:
1/2
x = - 1/3
x2 ~
1/2
x 2 = = 4/3
x, - 1
para k = ~ 2
x 3 = 2/3
para k = 1 / 2
Resumiendo tenemosz
a) o El sistema es incompatible para
(k
-2 y k 4 1/2
b) El sistema es compatible para k = -2 y tambin para
k = 1/2
En estos dos casos adems es determinado.
Ejemplo 3
Dado el sistema lineal:
k x - 6 y = 5k - 3
2x + (k - 7)y = 29 - 7k
determinar k para que el sistema sea:
(a). Incompatible 0
(b)o Indetermindadoo
Solucin
Para que el sistema sea incompatible, debe verifi'
carse que r(A) ? r(A) . Ahora cornos
1
f
\ 2
V>
A =
* =
1, 2
i
k'
-"
7/
k-7
5k 3
)
29 - 7k /
r\j
determinemos k, de modo ques det(A) * o y det(A) ^ 0 0 La
condicin;
det(A) = k 2 - 7k + 12 = 0
Para k = 4 t
Xj
/ 4
'
A = 1
-6
-3
nos da:k = 4
k = 30
tenemos %
17 \\
)
1
luego
\j
*
r(A) = 2
r(A) = 1
Asi para k = 4 f el sistema es incompatible

Para k = 3, tenemos s
^
/ 3 -6
A = I
V 2
O - _4A
As
para
12 \
1
O
8 J/
^
luego r(A) = 1 = r(A)i
k = 3, el sistema es compatible
Como l se re
duce as x - 2y = 4, nuestro sistema resulta indeterminado
Sus infinitas soluciones estn dadas pors
(x = 4 + 2 a , y = a)
siendo a un real cualquiera.
EJERCICIOS
1. Usando operaciones elementales,, resolver;
a ) , 4x 1 -
b) c, 8 x, - 2 x - 5x 3 - 9x A = 18
4
a
+ 2 x^ 7
2 x^ *
- x3 = - 1 1
- 3x 2
4x^ +
2 x^ X1
+ x^ - 6
2X2
X2
X3 "
4x 4 =
- 3x 3 -
X4 =
X2
0
2, Determinar k, de modo que el sistemas

4x^
- kx2 -
tenga:
= 1
kx^ - Xj + 3x^ = 2
(a), Una y solo una solucin,
ciones,
-x^ + Xj - 3x^ =
(b) Infinitas solu
(c) Ninguna solucin,
3, Estudiar el sistema homogneos

x + y + z = 0
(Corolario 4)
4x + 5y + 2z = 0
2 x + y - 3z = 0
4, Estudiar el sistema homogneos

2x + 6 y + 5z + t = 0
= 0
(Corolario 6 ),
-x + 6 y + 2z + 3t = 0
3 x - 8y -
x + 4y + 3z +2t 0
z + 4t = 0
5, Determinar la constante real k de modo que el sistema

(1
- k)x +
2 x +
y+
( 2 - k) y +
x+
z = 0
2 z = 0
y + ( 1 = k) z = 0
tenga solucin distinta de la trivial,
(Corolario 6 )
6 , Usando el teorema de Rouch-Frobenius, demuestre que el
sistema:
(5 ecuaciones)
58
x - 5y + z = 4
2x + y - z = 1
4x - 9y + z = 9
x + 6 y - 2z = 3
16y + 4z = 8
x-
es incompatibleo
7, Determine los valores de a que hacen incompatible al
sistema;
(3 ecuaciones)
3x - ay + 2z = a - 1
2x - 5y + 3z = 1
x + 3y - (a - 1) z = 0
8 . Dado el sistema
(4 ecuaciones)
x - y + z = 7
x + y -
-x + y + z = 3
z = l
2x + ky - 4z = k
determinar k para que l sea compatible

9 Dado el sistema
(4 ecuaciones)
3x - 7y = a
x + y
5x - 13y = 5a - 2b
= b
2y = a
+ b-
determinar a y b para que sea compatible

10. Determine los valores de k, de modo que el sistema:
.2
x + y = k
2
,2
,3
a x + b y = k
ax + by = k'
sea compatible, siendo a ^ b

11. Determine a para que el sistema
2
x + ay
+ a = 0
ax + y + a
= 0
ax
+ ay + l = 0
____ sea compatible_____________________

12. Estudiar el sistema
ax + by = 1 -ab
bx + ay = 1 - a b
ab(x + y) = - a 2 b 2
segtSn sean los valores de a y b.
,59 o
13. Discutir el sistema:

ax + by + z = 1
x+
aby + z = b
x + by + az = 1
para diferentes valores de a y b.

14. Determinar los valores de k en el sistema:
+
= k 2 + 3k
x + (k + l)y +
= k 3 + 3k 2
(k + l)x +
x +
+ (k + l)z = k 4 + 3k 3
para que el sistema sea:

.
(a). Determinado
(b). Indeter
minado.
15. Dado el sistema:

ax + 2z = _2
5x + 2y = 1
x - 2y + bz = 3____________
con a y b enteros positivos, determinar a y b pera que

el sistema sea:
(i) Compatible,
(j) Incompatible,
(k).
Resulvalo cuando sea indeterminado.

16. Demostrar que si el sistema:
(4 ecuaciones)
-x + by + cz + dt = 0 ----- ax + by - z + dt = 0
ax -
y + cz + dt = 0
ax + by + cz-
t = 0
tiene solucin diferente de la trivial, se verifica ques

a/(l + a) + b/(l + b) + c/(l + c) + d/(l + d) = 1
17. Demuestre que el sistema homogneo:
x + y - a(z + u) = 0
a(x - y) - (z - u) = 0
x + y - b (z - u) = 0
b (x - y) - (z - u) * 0
tiene solucin diferente de la trivial y ella est da

da por:
x/(l + ab) = y/(l - ab) = z/(a + b) = u/(b - a)
8 0 VALORES Y VECTORES PROPIOS DE UNA MATRIZ
DEF 8 o1
Llamaremos vector, toda matriz columna.
Los vectores, o sea las matrices columnas, para dife

r e n d a r l a s de las otras matrices, las designaremos por letras
griegas.
Particularmente cada vector nulo ser designado por
DEF 8 62
Dada una matriz cuadrada A (aj) te orden n, un vec
tor propio de ella, es todo vector no nulo 6 kn , tal que?
A ? = t 5, para algn escalar t.
Ejemplo 8.1
La matriz A = ( ^
2 ) , tiene a, =
(1,2)^, como
vector propio, pues:

A "(i
!J(J)
' (lo] = 5 ( 2 )= 5
TEOREMA 8.1
Un vector propio C de una matriz cuadrada A ? de
termina de manera Cnica el escalar t, tal que: A? = t C
Dm
Supongamos que al vector propio C corresponda dos escala
res t^ y t 2 tales que: AC = t^C
y AC = t 2 C*
entonces res-
61 o
tando resultas
(t^ - t^) = %, y como no es nulo, quedas
DEF 8.3
Un escalar t es valor propio de la matriz cuadrada
A si y slo si, hay un vector no nulo , tal ques AC - t
TEOREMA 8.2
Un escalar t es valor propio de una matriz cua
drada A, si y solo si:det(A - ti) = 0
Dm
Sea t valor propio de la matriz cuadrada A, entonces exis
te un vector no nulo , tal ques A = t 0
Considerando que = I''* la igualdad precedente se expre
sa pors
(A - tl) = y pasando a lenguage escalar tenemos
el sistema lineal homogneos

- t) X 1 +
a2 l X 1
a31 X 1
anl X 1
e e o s o o
+ (a2 2 - fe)x2 +
o O o O O O
o e e o e o
o e e o
+
+
a l2 X 2
a 32 X 2
an 2 X 2
que por hiptesis tiene solucin?

no nu l a ;
aln
a2 n
a2 n
x
x
x
- 0
= 0
(a
t )x - 0
nn--------- n------
= (x^,
o 0 xn )fc
As su determinante debe ser cero* o sea, t es tal
que det(A ti) = 0
Recprocamente si det(A - ti) = 0, el sistema:
(A - tl)= 9
tendrpor lo menos una solucin , distinta de la trivial es

decir, hay un vector no nulo , tal que A = t <>
Ejemplo 8.2
Determinar los valores propios de las matrices?
-O
-CU
Solucin
De acuerdo al teorema precedente los valores propios
de una matriz A son las raices t de la ecuacin: det(A - tl)= 0
Asi: A - ti -(J
\).
t(J
Entonces: det(A - ti) = t
? ) - ( Y
3?t )
- 4t -5 = 0, nos d los valores
propios: t^ = -1 y tj = 5.
Anlogamente para la matriz B, tenemos:
B - ti
-2 \
- ('I
1 /
Entonces: det
/I
0 \
X0
1 y
) - ('
(B - ti) = t
propios: t^ = 1 + i/7
/ 1 -t
-2
1 -t/
-2t + 3 = 0 ,
nos da los valores
t 2 = 1 - i/?.
DEF 8.4
La ecuacin caracterstica de una matriz cuadrada A,
es la ecuacin det(A - ti) = 0
Desarrollando la ecuacin caracterstica o sea;

a
a,,
1
a 21
a 22
13
a 23
o o o o 0 0
O O O o o
31
an2
ni
segn potencias de
2n
3n
= 0
O O O O O a_^ t
nn
(-t) , ella toma la formas
(-t) 11 1 + p 2
(t)n + Pl
an3
ln
(-t) n * 2 4.o<
+ p , (-t) + p = O
*n-l
^n
Obviamente, de acuerdo al teorema 8.2 las races de es^

ta ecuacin son los valores propios de la matriz A
DEF 8.5
La suma de los elementos de la diagonal principal de
una matriz cuadrada A es la traza de la matriz y se designa
pors tr(A) = a ^
+ a 00 + a 1 7 + .. . - + a.
nn
22
33
TEOREMA 8.3
Para toda la matriz cuadrada A = (aj) de ecua
cin caractersticas
(t)n + Pl
(-t) 11" 1 + p 2
(-t) n 2 + ... + p = 0
*n
se tienes
a) . p
n
I t. = tr (A)
j=1
b) o p
n
ir t . = det
j=l i
(A)
Dm
Considerando las relaciones que existen entre las races
de la ecuacin y sus coeficientes, resulta inmediato que;

n
p
=
n
n
ir t .
3-i
^
(1 )
por otra parte de acuerdo con la ecuacin caracterstica de

la matriz As
lll
12
13
a
a 31
a 32
ni
n2
a 33
23
e o o o o
ln
aoo
= 0
- t o oo
n3
se observa que los trminos en tn
o a o o o
l3n
t
nn
y t 11 1 provienen nica
22
- t) (a, 0 - t) (a
mente del producto:
l2 n
t)
33
o o o o o
(ann
que desarrollado nos da:

(-l)n tn + (-1 )H 1 t 11 1
(ali + a 2 2 + o o o a
nn
) +
OO O
luego:
(
Pl - a ll + a 2 2 + ' + ann ' tr <A)
2)
Finalmente el trmino pR , independiente de t en la ecua

cin caracterstica det
(A - ti) = 0 ,
se obtiene haciendo
t = 0 , as resulta inmediato que:
pn = det
(A)
Resumiendo las conclusiones obtenidas en
(3)
(1),
(2) y (3)
t)
65 c
queda s
tr(A) = t . + t- + 0,0 o c + t
i
z
n
det(A) = t, 0 tn o,6oo o t
i
n
Corolario
Una matriz es singular si y solo si tiene a cero co
mo valor propio
Ejemplo 8 o3
Para la matriz A =
traza (A) = 1 + 3 = 4 y det(A)
tenernos;
= 50
Ahora la ecuacin carac
terstica de esta matriz es det(A - ti) = t 2 - 4t - 5 = (~t)2+

+ 4(-t) - 5* entonces? p^ = 4 = tr(A) y p 2 = -5 = det(A)o Fi
nalmente como los valores propios de A son t^ = -1 y tj = 5 t
tenemos? tr(A) = t^ + t 2 = 4 y det
(A) = t^ t 2 = 5
TEOREMA 8 04
Las matrices cuadradas A y A fc tienen los mismos
valores propios
Dm
Sabemos que un escalar t es valor propio de una matriz cua
drada h, si y slo sis A - tl)| = 0 o
Por otra parte tenemos
que t
det
(At
- ti) = det
= det
(Afc - tlt )
(A - t i ) = det
(A - ti) = O
resultado que nos asegura que t es valor propio de A , si
s6 lo si es valor propio de A.
Ejemplo 8.4
Determinar los vectores propios de las matrices:
-1
A =
Y4
-2
M
-1
' 1
-1
V 1
-1
4 \
- 2
i /
Solucin
La ecuacin caracterstica de la matriz A, es
det(A - ti) = -t 3 + 2t 2 + t - 2 = O,
De aqu se obtiene
fcilmente t^ = 1 , tj = 2 y t^ = 1 .
Llamando a = (x, y, z.)t vector propio asociado al
valor propio t^ = 1, debe verificarse que: Ao = ta, o sea:
Aa - o = 0, es decir:
1
/x
y 1-
y
^z
As tenemos el sistema homogneo:

y + z = 0------- 4x y - z = 0
------ 4x - 2y = 0-------------
que por tener matriz singular admite solucin diferente de

la trivial.
Resolviendo se encuentra:
(x = x;
y = 2x; z 2x)
67
la forma o = (xp 2x, 2 x ) Tomando por

= l t se obtienes a = (1, 2 2)
luego a es de
x
agrado
Anlogamente llamando 3 = (x? y z) al vector propio,

asociado a l valor propio t 2 * 2 0 se encuentra e l sistemas
x + y =z - 0
4x - 2y - z * 0
cuya fam ilia de soluciones ess ( x = x ? y = x ? z * 2 x )0 Asi

e l vector 8 es del tip o 8 - (x, x, 2 x )0 Particularmente pue
de tomarse 8 l l p 2)
Finalmente para e l valor propio t = l t se encuentra
Y * (Op
z) y particularm ente se puede tomar? y - (0, 1, 1)0
Se
a e
3 y
puede comprobar
y
fcilm ente que
los
vectores
propios
determinados,- son linealmente independientes0
Q
Terminaremos
observando que los valores propios de Afe
son tambin 1 2 y (<=!) y dejando al le c to r la determinacin
de los vectores propios o___________________________________________
TEOREMA 8 o5
Si t es valor propio de Ap correspondiente a l vec
tor propio , entonces t p es valor propio de Ap asociado
con r, siendo p entero positivoe
.in
S<a har por induccin,
Llamando un vector propio de
A r,
68.
asociado al valor t, para p = 1 , tenemos:

A1 = A
= t
= t1
k
k
Supongamos entonces que para p = k tenemos: A = t , re
sulta as:
Ak + 1
= A(Ak ) = A(tk ) = tk (A ) = t k + 1
que nos indica que t
k+ 1
, es valor propio de la matriz A
k+ 1
TEOREMA 8 . 6
Si t ^ 0 es valor propio de la matriz no singular
A, asociado al vector propio , entonces t~^ es valor propio
de la matriz recproca A- 1 , correspondiente al mismo vector
propio .
Dm
En la hiptesis que A * t , debemos demostrar que
A* 1
= t- 1
para ello premultiplicando la hiptesis por
A - 1 , q u e d, a :
(A- 1
A) = t A " 1
o sea:
t 1
= a" 1
Corolario
Si t jt 0 es valor propio de la matriz no singular
O
A correspondiente a , t * e s
para el mismo vector propio .
y)
valor propio de la matriz A r ,
69.
En efecto: a p = (a 1 )p C * (t 1 )p C = tp .
DEF 8 0 6
+ a^x + . 0 + anxn
Dado un polinomio: q(x) =
donde a ^ , a ^ , a2 , <=..<>., an son elementos de un cuerpo k ,

se llama polinomio matricial en A, siendo A una matriz cua
drada con elementos en k, a la expresin:
q(A) = a I + a,A + a A 2 + c o... + a An .
o
l
2
n
TEOREMA 8 o7
Sean t , , t~, t,, e., t , distintos o no, los

valores propios de una matri 2 A de orden n, sea q(A) un
polinomio en A, entonces los valores propios de q(A) son:
qt^,
q(t2), q(t3), g(tn ) o
Dm
Se deja como ejercicio
TEOREMA 8 . 8
000
Los vectores propios
^p
una matIiz
A, correspondientes a los valores propios diferentes t^, t2 ,

..., t
son linealmente independientes,
Dm
Se har por induccin
se verifica para p = 1.
completa
Obviamente el teorema
Aceptemos entonces que la tsis
m = a.1 1. + So2 *2> + + am - 1i ? m - 1i =
entonces:
m- 1
m- 1
m- 1
A Em = A k - i a* Ek = d i
a* fi 5* = J j
ak sk 5k
Ademas, por otra parte se tiene:

m- 1
A ^m fcm
fcm
^ ak
k=l
m- 1
v ^.. t av
k=l m k
Restando miembro a miembro resulta:

m- 1
m- 1
9 = k=l &k tjc
m- 1
" k=l tm 3k ?k = k=l
y puesto que t^ t
ye que los vectores
(tk " tm) &k ?k
y no todos los a^ son nulos, se conclu

2 ,
son linealmente
dependientes, lo que contradice la hiptesis

As entonces, los vectores:
, 2 , 0.0, , correspon
dientes a valores propios diferente s: t . , t -, .. t f son

i
p
linealmente independientes
Corolario
Si los valores propios t^, de una matriz A de orden
n, son todos d ife r e n te s , la m atriz X =

. c ) que
tie n e como columnas lo s vectores propios correspondientes
es n o-singular
Ejemplo 8.5
Anteriormente hemos v is t o que la matriz:
lo s valores propios; t^ 1? tj = 2 y t j = l f todos

d ife r e n te s . Adems a e l l o s corresponde t respectivam ente
los vectores propios: o = (1, 2 , 2 ) , 3 = ( l f 1, 2) y
= (0, 1, 1) que son linealm ente independientes.
tiene
Observacin
El teorema precedente nos asegura que en una matriz,
a valores propios d iferen tes# corresponde vectores propios
linealm ente in d ep end ien tes Es de in te r s preguntarse que
ocurre con lo s vectores propios asociados a valores propios
no diferentes El ejemplo que damos a continuacin ilu s tr a
esta situ a c i n .
Ejemplo 8 .6
Determinar lo s valore s y lo s vectores propios de
la s m atrices
72 e
1
A =
1
(3
2 ^
0
B =1 0
> 0 -1
3 i
l0
\
0 1
2
Solucin
Para la matriz A, se encuentra det(A - tl)=(l - t)
(3 - t) y entonces sus valores propios son: t^ = t 2 = 1
t^ = 3 0
Para el valor propio t^ = t^ = 1# se obtiene el con
junto de veetores propios: a = x(l, 0, 0) + y
(0, 2, 1) 0
De
donde se puede tomar los vectores propios linealmente indepai

dientes;
= (1, 0, 0) y
a 2 = (0, 2, 1).
Finalmente al va
= (1 , 0,-3) 0
lor propio t^ = 3, corresponde le vector propios
Para la matriz B, resulta la ecuacin caractersticas

2
det (B - t I) = (3 - t) (2 - t) = 0, que nos d los valores
propios tj = t 2 = 3 y tj = 2.
El valor t 2 = 3, a pesar de ser
raiz doble, solo d el vectorpropios 6 ^ = (x# 0, 0 ) 6
Al valor
propio t^ = 2 , corresponde el vector propio 0 2 = (0 , 0 , z )

Observacin
El prximo teorema que veremos es de primera impor
tancia por sus numerosas aplicaciones.
Con el propsito que
la demostracin que daremos, resulte suficientemente clara, de
ma
m e n o r la
seamos que el lector observe, que si los elementos de una

triz M de orden n, son polinomios en t de grado k o
matriz M se puede expresar en la formas

k
k -l + o 0 oc + M 2
M = Mk t + Mk==1 t
+ M xt + M q
donde
con 0 < j <_ k p son m atrices de orden n r con elemen
to s independientes de la v a riab le t=
Ejemplo 8 c 7
/ t
\
+ 1
2t
t' - 3t S\ _ / l
6
V 0
'
2
0 \ 3
,1
0,
0 /
\0
0/
- ) , . (
0 /
\ 0
t2 +
! )
6 /
Teorema 8 C9 (Cayley-Hamilton)
Si la ecuacin c a r a c te r s tic a de una matriz A de
-O
orden n? es p (t)7 la matriz A es ra iz de la ecuacin m atric ia l: pX) - O
Dm
El polinomio c a r a c te r s tic o de A es; p (t) = det(A - ti) =
= det Me donde M = A = tic Como la matriz M es de orden
n* lo s elementos de su matriz adjunta M f sern polinomios
en t de grado (n-1) a lo ms0 As de acuerdo con la obser=
vacin precedente tenemos s
donde M^ p son matrices de orden n, con elementos independien

tes de la variable t 0
De acuerdo al teoremas MM
p (t) I = M M
- (A - tI)M
+
= M M = I det M. tenemos?
= A M
- tM
Como A es matriz de orden n* supongamos que su polino

mio caracterstico es:
p(t) = a
+ a,t + a~t 2 + o 6 o o <> + a_ ,tn _ 1 + tn

i
n~i
entonces
p(t)I - aQ I + axIt + ooooo + an- 1 Itn _ 1
AM
4>
= AM n= i
,t
1+ = M
r==1
+ AM n=
_t
n= ?
+ Itn
(2)
+ 0 0000 + AM-t
i + AM
(3)
,tn + M
-t " 1 + cooooc + M,t 2 + M I
n 1
n= 2
i
o
De las expresiones
(1),
(2),
(3) y (4) se obtiene f
cilmente;______________________________________________________
a I A M
o
o
a.I < A M. - M
l o
.1 = A M
. nl
n- 1
,
n= 2
a~I = A M- - M,
2
I = - M
.
n=l
Multiplicando estas igualdades respectivamente por: A, A 1 ,

A
oooooo,
yA
y luego sumando quedas
a I + a-A + a nA 2 +
o
i
oaoooo
+ a
.An 1 + A n = Q
n-i
As queda probado que cada matriz es raiz de su ecua

cin caracterstica 0
75.
Ejemplo 8 . 8
Usando el teorema de Cayley-Hamilton, determinar
la inversa A - 1
de
1 - 2
A
=|0
-1
2 ---- 0--- 3
Solucin
La ecuacin caracterstica de A es: t
+ 3 = 0 .
- 3t
- 9t +
Entonces como cada matriz es raiz de su ecuacin
caracterstica tenemos: A
i
A j (**A + 3A + 91) = I.
- 3A
- 9A + 31 = Q, de donde
Ahora como la inversa A
de A es
tal que: A A**^ = I; concluimos que:

A
(A
i / 3
+ 3A + 91) = ( -4
V 2
-6
0\
2 ]
1 /
Ejemplo 8o9
Usando el teorema de Cayley-Hamilton, calcular:
A 723, siendo A = ^ ~ 3
Solucin
La ecuacin caracterstica de A es:
(p(t) = t
As los valores propios de A son t^ = 1 y tj = - 1.

2
A - I = Q.
Tomemos el polinomio
este polinomio
m(t) = t
723
-1*0.
Adems
Dividiendo
m(t) por el polinomio caracterstico:
76
ptt) = t
- 1 , se tendr un polinomio cuociente q(t) y un
resto r(t) que ser de la forma r(t) = aQ + a^t. Asi tenemos

+ a ifc
+ q (t ) + - 2 ---- L_
p(t)
p(t)
luego:
(1 )
m(t) = q(t) p(t) + a^t + aQ
Esta igualdad de polinomios algebraicos da origen a la igual

dad matricial:
m(A) = q(A) p(A) + a.A + a I

i
o
(2)
la cual considerando que p(A) = 0, se reduce a:

A
723
= a,A + a I
(3)
i
o
723
De aqu que, habremos determinado A
cuando calculemos
a^ y aQ .
Para ello reemplazando t por t^ = 1 y t 2 = -1 en
la igualdad (1 ) obtenemos el sistema:

,723
1
de donde: a
^
= a l + ao
= 0 y a^ = 1.
, ..122
^
( 1)
a l + ao
Reemplazando estos valores en
(3), resulta:
723
c:
; )
-c:
~\)
DEF 8.7
El polinomio mnimo de una matriz A es el polinomio
escalar:
!
, v
m .
m-1 ,
m- 2 ,
,
m(x) = x + a-x
+ ax
+ ,,, + a^
i
de menor grado, tal que:

_m
_ m-1
+ a,A
i
_ in2
+ a 0A
+ .... + a l
m
= Q
TEOREMA 8.10
Cada matriz cuadrada A tiene un y solamente un
polinomio mnimo.
Dm
La existencia del polinomio mnimo es inmediata, pues
toda matriz es raz de su ecuacin caracterstica.
Supon
gamos que A tiene dos polinomios mnimos: m^(x) j m 2 (x).

Como ellos deben tener el mismo grado, su diferencia:
d(x) = m^(x) - m 2 (x)
ser un polinomio de grado menor, que se anula para A.
Es
ta conclusin contradice la hiptesis de ser rn^x) polino

mio mnimo, luego m ^ x )
= m 2 (x).
TEOREMA 8.11
Cada factor lineal
(x - t) del polinomio caracte
rstico p(x) de una matriz A, es tambin factor de su poli

nomio mnimo m ( x ) .
Dm
Supongamo que (x - t) factor del polinomio caractersti
co, no sea factor del polinomio mnimo m ^ x ) , entonces se
tendr:
m(x) = (x - t) q(x) + r
donde r es constante no nula.
Reemplazando x por A, queda:
7.8.
m (A) = (A - t I) q (A) + r I = Q
y como r no es nulo, obtenemos: -(A - t I)(q(A)/r) = I
expresin que nos indica que la matriz
(A - t I) tiene rec
proca; pero esta afirmacin es falsa, pues
(A - t I) es ma
triz singular por ser t valor propio de ella.

nerse r = 0 y entonces
Asi debe te
(x - t) es factor de l polinomio m - _
nimo m ( x ) .
Corolario
Si A de orden n tiene todos sus valores propios
diferentes:
p(x) - (-l)n m(x)
Observacin
El teorema precedente podra induqir a creer que
el polinomio mnimo m ( x ) , de una matriz A, es simplemente el
producto de los factores distintos del polinomio caracters
tico p( x ) .
Tal cosa no ocurre y para probarlo basta conside
rar un ejemplo
Para la matriz de quinto orden:
4
\o
o
o
i
o
79.
es inmediato que su polinomio caracterstico es: p(x) = (-1 )

(x-1 )^, y como:
A - I ^ Q
(A - I ) 2 = 0
(A - I ) 3 / Q
ocurre que ninguno de los polinomios:
(A - I ) 4 fi Q
2
3
(x-1 ) , (x-1 ) , (x-1 )
y (x-1 ) 4 es polinomio minimo de A, El es m(x) = (x - 1)^.

DEF 8 . 8
Una matriz cuadrada A es diagonalizable si y solo
si existe una matriz no singular X, tal que: x ^ A X = D,
siendo D una matriz diagonal.
Ejemplo 8 o10
3 ) es d ia 9 onalizable,
La matriz A = ( ^
pues
para:
x = (-i
se
tle n e
x ' 1
=ii
y entonces:
X-1 A X - l ( 2
3 \1
' M 1
2)(X
1)
1' v 4
3' '-l
2'
- ( - 1
^ 0
5'
TEOREMA 8.12
Una matriz cuadrada A de orden n, que tiene n
vectores propios linealmente independientes es diagonaliza
ble *
8.0
Dm
Sea:
c^, a^,
o., otn , los n vectores propios de A,
linealmente independientes, y en correspondencia con los va

lores propios: t^, t2 , t^,
c = .o, tR , no necesariamente dife
rentes e
Definamos una matriz X por:

X = (a,l a. a,
j ... an )
es decir X es matriz cuadrada de orden n, cuyas columnas
son los vectores propios oi^ de A
Como los vectores ou son
linealmente independientes, tenemos det X 0, y entonces

existe la matriz inversa X*"1 ,
Adems:
AX = A( a* a,, a, 0 , , 0 a )
i t j
n
*
(A
01 -
0t
oo e
e o #
Ct
= (t, a 1 t 0 a_ 0 = 0 = t a )
i i
n n
(
02
0 0 6 6 6
O t^)
/ 4
noto
t2
*3
10
0
1
o
o
o
0 O 0
0*66
Yo
As
entonces hemos obtenidos: AX = XD, de donde: X - 1
AX = D.
Corolario
La matriz X que diagonaliza una matriz A, tiene
81,
como columnas los vectores propios de A<
Corolario
.-1
En la expresin: X
AX = D, los elementos de la
matriz diagonal D p son los valores propios de A, dispuestos

en el orden en que , en X se tomaron los vectores propios
de A.
Ejemplo 8 o11
Diagonalizar la matriz
r
A =
\3
Solucin
Io Se determinan los valores propios de A* obte
nindose; t1 = !, t2 = 1 y tj = 7,
2oEn correspondencia con estos valores propios de
terminamos los vectores propios:
(*2
(0g 1 Q -l)fc y
3o
= (1, 0, -l)t ,
a3 = (1, 2 , 3)^
Con estos vectores propios contruimos X
terminamos X~^s
x = | (i
V-l
-1
y de
Finalmente;
Observacifin
Se comprende sin difucultad que la suma de matri
ces diagonales y el producto de matrices diagonales da ma
trices diagonales.
Adems las matrices diagonales conmutan
y toda la operatoria entre ellas inside fnicamente en los

elementos de su diagonal principal.
Obviamente, entonces,
el algebra de las matrices diagonales ofrece ventajas de

a m p u t a c i n con respecto a las matrices no diagonales.
La observacin precedente explica el inters
que naturalmente existe, en determinar cuando una matriz se
puede reducir a la forma diagonal y cuando ello es posible,
encontrar el procedimiento para obtener dicha matriz diago
nal,
EJERCICIOS
1.- Muestra que
= ( 5 0 0 ) es un vector propio de
i 0
A = I 0
-1
\0
7 \
2
1 /
2- Determine los valores y los vectores propios de:
83.
/ 1
A =
-1 \
V0
0< x =
(4
0)fc
O 2 = ( 3
2)
Solucin
3 y
0)
D(l = (3
3o- Demuestre que una matriz A es singular si y solo si

tiene a cero como valor propio.
4o- Si t es valor propio de A, muestre que at es valor pro
pi de: aAo
5.^ Si el producto de los valores propios de una matriz A
es p, demuestre que det A = p.
6 .- Determine los vectores propios de:
(2
\
1
2
B=
0
2 /
1 0
i0
2 /
f2
C =
\o
3 ) es r a * 2
7.- Verifique que A = ^ ^
su ecuacin caracte
rstica.
8 .- Calcule: A*"", para
Se-" Calcule: A
10.- Calcule: A
602
1025
- c
,.3
- SA"' , para
;)
1 4 - 2
A = l0 0
0
\0 -3
-(
5
- 4A , para A
I
24
15
11.- Determine: A
- 3A
, para A =
-1
2 .
2
l
1 -3 - 1
84.
1 A
12,- Determine: A*
4 *)
- 3A
, para A =\0
-8
O O )
1 -4 i
13c- Demuestre que los valores propios de una matriz herm

tica
(A = A*) son todos reales,
14.- Los valores propios de una matriz simtrica (A = A 1")

real, son todos reales
15.- Demuestre que en una matriz hermtica
(A = A*)
los
vectores propios correspondientes a valores propios

diferentes son ortogonales
16.- En una matriz simtrica
(A = A fc) de elementos reales,
los vectores propios correspondientes a valores pro

pios diferentes son ortogonales,
17.- Demuestre que las matrices similares
(B = P A p 1)
tienen la misma ecuacin caractersticae

18.- Demuestre que las matrices similares tienen el mismo
----- polinomio mnimo o---------------------------------------19o- Determine los polinomios caractersticos y los polino
mios mnimos de las matrices:
0
\0
3/
/2
II
<
/2
B =( 0
i
'0
2
0
20.- Demuestre que una matriz cuadrada A tiene inversa A
-1
si y solo si, el trmino constante de su polinomio m
nimo es
diferente de cero.
85.
21.- Para la matriz A, determine una matriz X ortogonal

1
A =
(X
t
= X ) que la diagonalize.
2
3
20 /
22 .-
-1
3 \
\
Dada la matriz
A =
lizarla y luego calcular: A
, se pide primero diagona

31
23.- Usando el teorema de Cayley-Hamilton determine la ex

presin ms reducida posible, del polinomio matricial:
P (A) = A 6 - 2A 5 + A 4 - 3A 2 + A, siendo A =
_2 j
240- Sean A y B matrices cuadradas conmutativas.
Sea a un
vector propio de A, en correspondencia con el valor pro

pi t.
Demuestre que B
tambin es vector propio de A,
para el mismo valor propio t (

25.- Sean A y B matrices cuadradas del mismo orden con A nosingular
Demuestre que AB y BA tienen el mismo polino
mi caracterstico.
(Inds Use ejercicio 17).
26.- En cada matriz A de orden n sobre k, los vectores pro

pios correspondientes a un determinado valor propio t,
junto con el vector nulo forman un sub-espacio de kn .
(Espacio propio de t ) .
27.** Para la matriz A , se piden expresar
/0
1 V
A = [1 0 1
V
,
'1 1 0 /
An en la forma:
An = a
A + b
siendo n natural,.
(Ind: Use la mecnica indicada en ejercicio 8.9)
86 o
2 8 0- Demostrar que para la matriz A

ca que: A 3 = Q, implica
^ 0, se verifi
(a + d) = 0
(Inds Use Cayley-
29.- Si una matriz A de orden n, sobre R,

Ir
ci 6 n: AJ' = I, con k < n y k natural,
verifica la ecua
Hamilton).
ocurre que los
valores propios de A son las races k-simas de la un

d a d 0 (Inds Polinomio mnimo).
30.- Si t es valor propio de una matriz A ortogonal
demuestre que: t
(A ^ = A*") ,
0 y que 1 /t es valor propio de A?
Si t es valor propio de una matriz A unitaria
(A 1 =
tambin es valor propio do A, e l nmeros -1 /t

32.- Si para una matriz A de orden n, se verifica que: A
= A,
demuestre que la matriz slo admite los valores propios

1
y 0.
33.- Demuestre que cada valor propio de una matriz antisim

trica
(A = -Afc) es nmero imaginario
3 4 0- Una matriz A = (aj) de orden n x n, definida sobre el

cuerpo de los reales, es matriz de Markov o matriz esto
cstica, si y solo si:
0 < a^
< 1
n
T
a^
= 1
Demuestre que todo valor propio t de una matriz estocas

tica verifica:
ItI < 1 .
9. TRANSFORMACIONES LINEALES
DEF 9.1
Dados dos espacios vectoriales V y W sobre un cuerpo
K, se llama transformacin lineal de V en W, toda aplicacin
T : V t>~ W, tal que:
a). T(a + 3) = T(a) + T(B)
V a V /s P a V
b ) . T(aa) = a T(a)
V a e V ^ a e K
Las transformaciones lineales se llaman tambin homomorfis

mos.
EJEMPLO 9.1
La transformacin:
I
I : V-^-V, definida por:
( a) = V
a a 6 V
es obviamente lineal. Ella se conoce con el nombre de trans

formacin identidad.
EJEMPLO 9.2
La funcin O: V-*-V, definida por:
O(a) = e
a 6 V
es lineal y se conoce con el nombre de trnasformacin nula.
EJEMPLO 9.3
Sea V el espacio de los polinomios sobre el cuer
por R. En este espacio son transformaciones lineales,
derivacin y la integracin, definidas por:
la
88.
n
.
n
J< l a,x3) = l
j=0
J
j=0
a.
.,,
--- 3_ x 3 1
j + 1
EJEMPLO 9.4
Sea V el espacio de las matrices de orden nxl y
W el de las matrices de orden mxl sobre un cuerpo K
Sea
A una matriz determinada de orden mxn sobre K, entonces la

funci6n s
T(a) = A a
V a 6 V
es una transformacin lineal de V a W.
TEOREMA 9.1
Sean V y W espacios vectoriales finitos sobre un
cuerpo K Dada una base {a.}n para V y n vectores cualesquie
n
-1
ra {<).}
en W, existe una y slo una transformacin lineal
11 j=l
T de V a W, tal que:
T (otj) = w j
j = 1,2,3,.....n.
Dm
Tomado a 6 V,
existe en K un y slo un conjunto de escala
n
res {a.} , tale que:
n
y
Definamos la funcin T s V
por:
89o
n
l
T (a) =
a. a).
i= l
Haciendo a = a .., resulta:
T(a^.) =
para j = 1,2,3,sosn
de modo que hemos definido una aplicacin T, con la propie

dad deseada. Slo falta mostrar que esta aplicacin es lineal
y es nica.
Tomando p 6 K, tenemos: pa =
n
J p a.
j=l
3
a.
luego:
3
n
n
l p a . a). = p
l a . w = p T(a)
j=l
3 3
j=l
3 3
1 n
Ahora tomando 8 V, tenemos: 8 = b . a . t entonces;
j= l 3 3
T(pa) =
a + 8
n
7
j=l
(a.+b.)a.
3
3 3
luego:
T (a + 8) =
n
n
l a. (a. + l b ua) = T(a) + T(8) 0
j=l
3 3
j=l
J 3
o sea T es transformacin lineal.
Finalmente probaremos que T es nica. Para ello sea S otra

transformacin lineal para la cual se tiene:
i
S (a j) ~ ii)j
j = l|2|3|iiii|ni
Entonces:
^
n
S(a) s S( [
n
a. a ) =
a. S
S(a.i
(aj
n n
-" - ~
i
1=1
3 3
i=l
3
3
= y a . a). = T (a)
jtl
resultado que nos muestra que T es nica.
90o
0bservaci6n
Hacemos notar que en el teorema precedente los
vectores k de W son arbitrarios, as, ellos pueden tomarse
linealmente dependientes y an todos iguales.
Nomenclatura
El conjunto de las transformaciones lineales de
V y W lo designaremos con la notacin: Hom(V,W)0
TEOREMA 9 o2
Sean V y W espacios vectoriales sobre K, de di
mensiones n y m respectivamente
se para V y
Sea { a ^ a ^ o . ^ a ^ }
oo.o,3m ) una base para W 0
una ba
Entonces pa
ra cada transformacin lineal T: V-s*-W, existe una matriz A

de orden m x n
sobre K, tal que:

T() = A X
V <*6 V.
donde & es el vector cordenada de a en la base {cu}

Dm
Tomado arbitrariamente a
V, existen escalares x . G K
tales que:
a = x. a, + x, a,
1 1
2 2
n
J
x. a.
] j
lu eg o :
T
(a)
n
l
x. T (a .)
j =l ^
(1)
91o
Ahora como T(a) 6 W, existen escalares
6 K, tales ques
m
T(o) = YX ^
+ V 2 B2 + ....+ Ym Bm
Y i. ^
12)
y puesto que tambin T (j) 6 w * tenemos:

m
T
T(a .) =
3
con j = l,2(..,tn
a . . 8.
iD
i
Reemplazando estas expresiones en (1) resulta:
n
I
T(o) =
1=1
Comparando
m
< l
x
3
i=l
m
n
I ( I
8,1 =
3
i=l 1=1
a
3
(2) y (3), obtenemos:
n
y. =
y a .. x .
1
j=l
13
3
o sea:
*1
y2
*3
a ll X 1
= a21
s
X1
a 31 X 1
aml X 1
+
+
+
a12 X 2
a22 X 2
a 32 X 2
am2 X 2
o o e
+ am
+ 0*61
aln
a 2n
X
X
n
n
* ao X
3n n
+ ID|I t a
mn
o bien:
all a12
a 21 a22
a31 a 32
o o o
^ 1n
0 0 . a 2n
o . . .
'M
x
'
\ Xn
/M
a 3n
aml am2 0000 amn
\ ym
> 6
13
(3)
92o
Finalmente poniendo A = (a^) , tenemos:

A X = T(a)
V a 6 V
La matriz A ser por definicin la matriz representativa de

la transformacin T con respecto a las bases
de
V y W respectivamentee
Corolario
La correspondencia entre el conjunto Hom(V,W) y el
conjunto de todas las matrices A = (a j) de orden mxn sobre
el cuerpo K es uno-a-uno
Observacin
En el teorema precedente hemos puesto AX = T(a) ,
para cada a e V, en rigor deberamos colocar: AX = Y, sien
do Y = (y,#y.y ) el vector-cordenada de T(a) en la base
Sin embargo dado el isomorfismo existente entre W y
Km , ser usual que cuando no haya temor a confusin, usemos
indistintamente T(a) e Y por un lado y X y a por otro
Ejemplo 9.5
En el espacio R
consideremos la aplicacin T
que hace rotar cada vector a = (a^,a 2 > en un ngulo <)> en

sentido contrario a los punteros del reloj, en torno al or
gen.
93.
Fcilmente se muestra que

esta aplicacin T es lineal
Determinaremos una matriz
de T.
Tomemos en R
la base formada por
= (1,0) y 2 = (0D
que rotados en un ngulo <f> se transforman en

pectivamente.
y n2 res
Entonces:
= (cos<J>) . + (sen<J))2
n2 = (-sen4>) 1 + (cos<t)2
Asi, si a = (a1# a 2 ) 6 R
y rotado en un ngulo <}> se convier
te en 8 = (b^, b 2) , tenemos:
( b.\
/cosd) - senifil / a, \
b -/
1
\ senif*
Particularmente para ^
coscp
cos<W va o'
y 2 tenemos:
cosiji - sen<j>\/l\
sen<j>
](
/cosf
sen<f>
-sen<|> \
costj) - sen<|>. 0
|senif)
cos<> ''l '
' eos <J>/
Asi la matriz representativa de T con referencia a la base

usual, es
cos<J> -
sen<|>
sen<f>
cos$
(
Ejemplo 9.6
Sea P
su p e rio r
1.
Bj
T(p(t))
a la s
1 }.
{ t ,
el
e s p a c io
2 y P* e l
Se toma en P
=
2
2
de
la
bases
lo s
'
la
p o lin o m io s
p o lin o m io s
base
Se d e f i n e
= p^(t).
lo s
de
{1 ,
t ,
d e g r a d o no s u p e r i o r
t
2}
tra n sfo rm a c i n
D eterm in ar
la
d e g r a d o no
m a triz
y en P^
T de P
la
a P
base
1
por:
A a T con r e f e r e n c i a
y B2 d a d a s .
S o lu c i n
Si
lin e a l.
d ific u lta d
se
dem uestra que
= 0 =
0.
0.1
T (t)
= 1 = 0.
1 .1
+ 0.1
Asi
es
2t=
2.
tom ando en P 2 e l
p o lin o m io :
p'(t)
Ahora usando
6t -
T (p ( t ) )
5.
1 0
\0
2\ [/- 57lI =
oh 3 /
p(t)
la
/O
2\
V0
0/
A =
tra n sfo rm a c i n
Adem s:
T ( 1)
T(t
la
3t
m a triz
(6 1 -5 )
5t +
7,
tenem os:
A a T re s u lta :
6t -
Observacin
Llamamos la atencin sobre la importancia que tie
ne el orden
en que estn dados los elementos de las bases
95c
B1 y B2 c
Sjl
orden cambia^ es inmediato que la matriz
A de T tambin cambia en generalc

Observacin
Para obtener la matriz de una transformacin li~
neal T,V
referida V a la base B^ y W a la base B ^ se
aplica T a cada uno de los elementos de la base B^ de V y se

expresa los vectores obtenidos en trminos de los elementos
de la base B ^ de W 0
Finalmente la matriz A de T se obtiene
tomando como columnas para A los transformados de los vecto

res de la base B^
TEOREMA 9 o3
Si S y T son transformaciones lineales de
tambin lo son las aplicacioness
a),
(S+TXa)
- S (a) + T(a)
b).
(a T) (a) * a T(a)
V ex 0 V
V a e v * a 6 K
Dm
Trivial o
Se deja como ejercicio6
Corolario
Si A y B son las matrices de S y T con respecto a
las bases {a^} y {8^
se tienes
(S + Tj
(a T)
(ex) = (A + B) a
(a)
= (a A) a
TEOREMA 94
El conjunto Hom(V,W)
con las operaciones:(S+T)(a)
y (aT)(a) es un espacio vectorial sobre el cuerpo K asociado

a los espacios V y W.
Dm
Desde luego el conjunto Hom(V,W) no es vacio, pues contiene
la transformacin lineal O(a) = 0 . V a 6 V.
w
El resto de la
demostracin se reduce a establecer que los elementos de Hom

/
(Vw) verifican la axiomatica que define un espacio vectorial
y ello es trivial
Corolario
Si V es de dimensin n y W de dimensin m, el espa
cio vectorial Hom(V,W)
tiene dimensin m x n
TEOREMA 9 05
Sean V, W y Z espacios vectoriales sobre un cuer
po K t c Sea T : V -w y S: W-*-Z, entonces la aplicacin ;
(ST) (a) = S(T(a))
V a V, cuando existe, es trans
formacin lineal de V a Z.
Dm
Trivial
Corolario
Si A y B son las matrices de S y T con respecto a
las bases (ou) y {8 ^ # se tiene:
(ST) (a) = (AB) a.
TEOREMA 9.6
Sea T 6 Hom(X,Y), S 6 Hom(Y,Z) y R 6 Hom(Z,W),
tales que ST y RS existen, entonces R(ST) y (RS)T existen
y adems: R(ST) = (RS)T
Dm
La aplicacin ST v desde el recorrido de T al recorrido
de S.
Ahora como RS existe, el recorrido de S debe estar
en el dominio de R, asi R(ST) est definida.

Por otra parte como
(ST) existe, ocurre que T es una apl
cacin cuyo recorrido est en el dominio de S; adems
(RS)
es una funcin cuyo dominio es el dominio de S, entonces

(RS)T existe.
Finalmente por definicin de composicin, para todo a 6 X,

tenemos:
(R(ST)) (a) = R ((ST)(a)) = P(S(T(a)))
((R S )T )(a ) = (RS)(T(a)) = R(S(T(a))))
Asi tenemos que el producto de transformaciones lineales

es asociativo, por ello ser usual la notacin: RST en lugar
de: R(ST) = (RS)T.
Corolario
Si A, B y C son las matrices de R, S y T con respec
98
to a las bases a^} {8^}, y
se tiene:
(RST)(a) = (ABC) a
TEOREMA 9.7
Para toda T 6 Hom(V,W)
'
se tiene: T(0 ) = 0
v
w
Dm
Como T es transformacin lineal, tomado a V, tenemos:
T (0 ) = T(Oa) = 0 T(a) = 0 .
v
w
D E F , 9.2
Dada T 6 HomV^W), se llama imagen de T, al conjun
to:
im(T) = {a) 6 W
| ai = T(a)
con a e V}
TEOREMA 9 o8
Sea T 6 Hom(V,W), entonces:
A < V
Dm
implica
T(A) < W
Como A es subespacio de V, tenemos: 0v A y como T(0v ) =
0 , resulta:
T(A) ^ <t>
Por otra parte tomados a y

modo que:
(a) = a
(1)
en T ( A ) , existen a y
=F
T(8)
Ahora como A < V, a 6 A y 8 6 A, implica
8 en A, de
(a+ 8)6 A y entonces
T(a + 8)6 T (A) , as:

(a + 8) = T (a) + T (8) = T(a + 8)6 T (A)
(2)
99.
Finalmente sea a e T(A) y a 6 K, entonces como hay a A,

tal que T(a)
aa
a, tenemos: a a
= a T(a) = T(a a) 6 T (A)
T(a
a)e
T(A), as:
(3)
Resumiendo tenemos que las expresiones
(1) , (2) y (3) ase
guran que T(A) es un subespacio de W, o sea: T(A)
W.
Corolario
Im(T) < W
En efecto:
Im T = T(V) y adems V < V.
DEF 9.3
Se llama rango de una transformacin lineal T, a la
dimensin r del subespacio Im(T):
r(T) = dim(ImT)
DEF 9.4
Dada T e Hom (V,W) , se llama ncleo de T,
Ker(T) = {a 6 V
I T(a) = 0 }
'
w
TEOREMA 9.9
Sea T 6 Hom(V, W ) , entonces: A < W
T ^(A)
implica :
V f donde T 1 (A) es la pre-imagen de A.
Dm
Como A < W, tenemos 0 6 A y como T(0 ) = 0 , resulta
w
v
w
9v 6 t ""1 (A) , as:
t 1 (A)
^ <J>
(1)
Ademas tomados a y
en la imagen A < W ,
8 en la pre-imagen T ^(A) existen a y B

tales que:
a = T(a)
F = T(8)
aoC 6 T *(A)
(3)
y como A es subespacio, tenemos:

T(a + B) = T(a) + T(B) = (a + F) 6 A
(a + B) 6 T_1 (A)
o sea:
(2)
Finalmente tomado a 6 K, tenemos:

T(a a) = a T(a) = a a 6 A
pues a 6 A y ademas A < W, as:
Las expresiones
(1),
(2) y (3) aseguran que la pre-imagen
t *(A) es subespacio de V, cuando A < W.
Corolario
Ker(T) < V
En efecto Ker(T) = T ^(0 w ) y adems (Q.,)
v/ *< W.
DEF 9.5
Se llama nulidad de una transformacin lineal T, a la
dimensin n, del subespacio: Ker(T):
n(T) = dim (Ker T)
TEOREMA 9.10
Sea T 6 Hom(V,W), entonces T es inyectiva si y
slo si: Ker(T) = 0V >.
Dm
Supongamos primero que T es aplicacin uno-a-uno. Conside
101.
rando que: T(0v ) = 0w , resulta:
Ker(T) = {6V )
pues a e V con a ^ v , implica T(a) jt T (9V ) = Qw * sea

a e Ker(T).
Reciprocamente supongamos Ker(T) =

en V con
8 tenemos a - 8
Tomando a y 8
9 y entonces T(a - 8) ^ 0
V
w
luego:
6 T(a - 8) = T(a) - T(8)
w
o sea
a ^ 8
implica
T(a) ^ T(8)
es decir T es aplicacin inyectiva.
TEOREMA 9.11
Una T e Hom(V,W)
transforma conjuntos lineal
mente independientes de V en conjuntos linealmente indepen

dientes de W , si y solo si: Ker T =
Dm
Se deja como ejercicio .
DEF 9.6
Una T 6 Hom(V,W) es:
a) Monomorfismo si y solo si: Ker(T) = 6V }
b) Epinorfismo si y solo si: Im(T) = W
c) Isomorfismo si y solo si es monomorfismo y epimorfismo
102.
CRF 9,7
Dos espacios vectoriales V y W son isomorfos
(V /v W)
si y solo si existe un isomorfismo T de V a W.

TEOREMA 9.12
Sean V y W espacios de dimensiones finitas. En
tonces7dim V = dim W,si y solo si V y W son isomorfos.
Dm
Corolario 1
Cada espacio vectorial de dimensin n sobre un
cuerpo k es isomorfo con el espacio Kn .
Corolario 2
Sea T e Hom(V, W) con V y W de dimensiones finitas
entonces T es isomorfismo si y solo si la imagen de una base
de V es base de W.
TEOREMA 9.13
Sea V y W espacios vectoriales de dimensin fin
ta y T 6 Hom(V, W ) , entonces:
dim V = dimfKer T) + dim (Im T ) .
Dm
Sea
a^, a.^,. . ..,
una base para el ncleo Ker T y sea
(0!^ > c2 / o ex^ i 3^;
3o /* * 3q } una base para V.
Mostraremos que (T(B^), T(32) ,....,T(3 )} es una base

para el espacio: Im T
Veamos primero como estos vectores
generan el espacio Im T.
Tomado arbitrariamente 6 Im T,
existe a e V, tal que: T(a) =
Ahora como a G V tenemos:
luego:
j=l
y como
a.
3
T(a.) +
3
k=l
l b t T(3k )
'
"
a^} es base de Ker T, resulta:
= T(o) =
? b. T(3, )
k=l k
K
es decir el conjunto
espacio:
Im T.
TtB^,
T(32),..,.,
genera el
Para probar que este conjunto es base, s
lo falta mostrar que sus elementos son linealmente indepen

dientes.
Tomada una relacin lineal entre ellos:
l
c. T(B.) = 0,,
j=l 3
3
w
resulta:
T(
c. 3.) = 6
3 3
w
o sea: ( ) c . B.) 6 Ker T.

j=l 3 3
Siendo
c . 3 . un elemento del ncleo, podr expresarse

j=l
3 3
como una combinacin lineal de la base de dicho ncleo, as

tenemos:
L ch
1=1
3
l hk aK
k=l J K
o sea:
h.
1
a. + h 0 ou + . + li
1
2
2
p
- c, B, - c 0 B ~ ...... - c
0 = 0,
l
l
2 2
q q
^
y como los vectores (a^, c^.o a^, B.^ B2 .... B^)

son linealmente independientes,
h, ~ h~ =
1 2
>ao h
concluimos que:
~ C 1
c
2
= O
resultado que nos garantiza la independencia lineal de

T(B^)
, T (B2),
T ^q^
siendo este conjunto base para
Im T, resulta: dim(Im T) = q y como: dim(Ker T) = p , conclujL

mos:
dim V = p + q = dim(Ker T) + dim(Im T ) .
Corolario
Sea T 6 Hom(V# W) con V 3W finito dimensionales, en
tonces :
a) T inyectiva, implica: dim V <_ dim W.
b) T sobreyectiva, implica: dim V >_ dim W
c) T biyectiva,
implica: dim V = dim W.
DEF 9.8
Un homomorfismo T : V
W es no-singular o invertible
si y solo si, existe una aplicacin T: Im(T)
sobre V, tal
que: TT = Iv , donde I
es el homomorfism identidad eh.V.
TOEFEMA 9.14
Si T e Hom
(V,W) es invertible, T es inyectiva.
Dm
Tomemos a y 8 en V, tales que T(a) = T(B), entonces como
T es invertible, existe T, luego: T(a) = T(B)
implica
T(T(ct)) = T(T(B)>
o sea:
(TT) (a) (TT) (B)
Iv (a) = IV (B)
es decir ct
= B
Asi,T no singularîmplica T inyectiva.

TEOREMA 9.15
Si T e Hom (V,W) es invertible se tiene: TT I
w
sobre Im(T) .
Dm
Tomado o 6 Im(T), existe un fnico elemento ct e V, tal que
T(ct) = a, Adems:
(TT)(cT) = (T T) (T(ct)) = T (T#T) (a)
= T(Iv (ct)) = T(o) = a = Iw ()
As para cada a 6 Im(T), tenemos:
TT = I .
w
TEOREMA 9.16
Si T e Hom(V,W)
es invertible, la aplicacin T
es lineal y Cnica.
Dm
Tomando a y B en Im(T), existen nicos a y B en V, tales
que: T(a) = a y T (6) = F, entonces considerando que:
a = Iv (a) = (TT)(a) = T
(T(a)) = T()
B = IV (B) = (TT)(B) = T
(T(B)) = T(F)
resulta:
T(a a + b ? )
= T(aT(a) + bT (B))
= (TT) (a a + b B) = Iy (a a + b
= aa
+ b B = a
8)
T # () + b T # (B)
Igualdad que prueba que T es aplicacin lineal de Im(T)

sobre V.
Mostraremos ahora que T es nica para cada T G Hom(V,W),
Supongamos que a T 6 Hom(V,W) coresponda dos inversos TJ
y T|, entonces: para cualquier a e Im(T), tenemos:
T (a) = Iy Tj(a) = (T T) T*(ci) = T (T TJ) (a)
= (T(Iw ()) = T*()
Igualdad que nos muestra que T es nica para cada T 6 Hom
(V, W) .
Observacin 1
El teorema precedente nos muestra que si T es
107,
no singular, existe una nica transformacin lineal T, tal

que:
x
TT = I
v
V
2
TT - I
w
o sea, que es reciproca de

cha.
por la izquierda y por la dere
Esta nica transformacin lineal T , la llamaremos in
versa de T y la designaremos por T
Observacin 2
La nc singularidad de T expresada por: T *T = I
y TT-1 = I
lleva implcita la no singularidad de t * que
se expresa por las mismas igualdades.
TEOREMA 9.17
Sea T e Hom(V,W) y dim V = n, entonces las si
guientes afirmaciones son equivalentes:
a).
T es no singular
b). Ker (T) = {0v )

c). n (T)
= 0
d). r (T)
= n
e)., T transforma bases de V en bases de Im(T)
Dm
( a ) ( b ) . Como T es no singular, ella es inyectiva, en
tonces por teorema 9.10, tenemos: Ker(T) = {0v }
(b) (c) . Como n(T) = dim Ker(T) y ker(T) = {6V ), resul
ta n(T) = 0.
(c) t-'(d) . Aprovechando la igualdad dim V = dim (Im T) +

+ dim (Ker(T)), como
dim(Ker T) = 0, resulta dim(Im T) =
r (T) = n
(d) -t (e) , Como dim
(Im T) = n, toda base para Im(T) es
t constituida por n vectores linealmente independientes.

Ahora como Ker(T) = ( ,
T transforma toda base de V, en
n vectores linealmente independientes de Im(T) , o sea en

una base para Im(T).
(e)
(a) . Sea
una base para V, entonces
Ta^), T(a2 ) ,...,T(a )} es base para Im(T). As cada w 6

Im T se expresa en la forma:
o) =
n
Y a . T(a .)
j=l
3
3
Definamos una aplicacin lineal T* de Im(T) sobre V, por la

expresin:
T*
n
y a. a .
j=l
^ j
(oj) =
Haremos ver que T*T = Iv .
Tomado arbitrariamente a 6 V, ten
dremos:
n
a = Y x. a.
n
T(a) = I x. T(a.)
Li
entonces, de acuerdo a la definicin de T*, resulta:
109.
T*
n
l x . a. = a =
j=.t 3 3
(T (a)) =
luego T*T = I
y entonces T es homomorfismo no-singular.
TEOREMA 9.18
Sean S y T homomorfismo no singulares de V a. V,
entonces:
b)
(CT)"1 =
c)
1
(-*
II
(TS)"1 = S-1 T
^3
1
a)
I * -1
T
Dm
a) De inmediato tenemos que:
(TS) (S
-1 -1
-l
-1
-l
T ) = T (SS
) T
= TT
= I.
Asi tenemos que la inversa

ella es nica, resulta
(TS)- * de TS existe, y como
(TS)"* = s"1 T- 1 .
b) Anlogamente para todo c
0, se tiene:
(cT)(~ T-^ = (cc- 1 )(TT- 1 ) = 1 1 = 1

v
Asi la inversa
ca obtenemos:
(cT) 1 de
(cT) existe, y como ella es ni
(cT)""1 = c-1 T -1
c) Como T es no-singular existe T 1 , tal que: T-1T = TT1 = I.

Asi resulta que T 1 tambin es no-singular y su inversa es
T. Ahora como tal inversa es nica, resulta
(T-1 ) 1 = T.
110.
Observacin 1
Sea V un espacio vectorial n-dimensional,
{ctj},11 y {3j)(n dos bases ordenadas para V.
Tomando un vec
tor cualquiera a e V, sabemos que l admite una y slo una

expresin:
a = x- a, + x~ a_ + ....
1 1 2
2
en trminos de la base {a^}
y una y slo una expresin:
*1 61 + y 2 B 2 + ....
en trminos de la base {3^}.
+ x
+ yn 6n
Con el propsito de estable
cer la relacin que existe entre los vectores-coordenadas:

* -
<*!' * 2 ....
5 - <*!' y 2 .......y>
del vector a, introduciremos una matriz P =
llamada
matriz de paso de la base {a^} a la base (6^).
DEF 9.9
Sea V un espacio n-dimensional, {a^.},n
y {B ^
dos bases ordenadas para V, entonces si:
1 - PU
i + PX2 2 + .....
+ p ln 8n
a2 ~ P 21 61 + p 22 S2 + .....
+ ? 2n Bn
a3 P3 I
+ p 3n Sn
+ p 32 B2 + .....
n " pnl 81 + p n2 62 + ..... + pnn Sn
111.
llamaremos matriz de paso de la base {a.} a la base (6.)
a la matriz
/ ? 11
? 21 ....
?nl\
?12
Pp2 ....
?n2
P lp
P 23 ....
?n3
P =
i
u
? 2n
(P j )
1
1
Observacifir 2
La matriz P = (pj) es matriz n-singular.
efecto la independencia lineal de los vectores a
En
implica
la independencia lineal de sus vectores cordinados

X i ~ (pil ? i2 .... ? in}
TEOREMA 9.19
Sea V espacio n-dimcnsional, P = (p^j) la ma
n
r , n
->
->
triz de paso de la base lotj}, a la base {8_. >, . Si X e Y
son los vectores coordenados de a 6 V en las bases {ou} y
{3},
tenemos: Y* = PX.
Dm
Por hiptesis tenemos que:
" X 1 1 + *2 2 + .... .+ xn n
" Y 1 S1 + y 2 82 + .....+
6n
i pil6l + p i2S2 + .... .+ ? in Sn
i - 1,2,
n,
112.
luego:
n
A.
i-1
*1 i
n
(
( i=i
2
i=l
J.
*i <J, ? ij
a =
x i1 p 1J
i i 5 3 î =
^
1=1
Yi3 3 3i
De donde?
n
y .=
T p .. x .
Y3
pi3
l
j = 1,2,3
,n
0 sea:
*1= pn
X 1 + P 21 X 2
*2 = p12 X 1 + p22 X 2
yn = pln X 1 + p 2n X 2
+
+
n2
bien
/ p ll P 21
/ M
*2
pnl\
p 12 p 22
X,
pn2
\r j
ip in p 2n
pnn /
/ x"'
Igualdad que demuestra la tesis propuesta:
-
$ = P X
Corolario 1
Si P es la matriz de paso de la base {a^ } a la
base {$j}/ la matriz de paso de {3^ } a {ou} es P 1 .
113.
->
En efecto, tenemos: Y =
P Xy
-1
=
X
singular, existe P
Entonces
-+
como P es matriz no-
-1 ->
Y.
Corolario 2
Si P es la matriz de paso de {a^} a (3^) y Q
es la matriz de paso de {6^} a Vj), la matriz de paso
de
ep:
En efecto, de inmediato tenemos:
Y = PX
Z = QY, luego: Z = QPX
Ejemplo 9.7
En el espacio P
de los polinomios de grado no

2
superior a dos, se considera las bases: {1, t, t } y
2
{6t , t, 4}.
Dado el vector a = 3t + 5t - 8, se pide deter

>
minar los vectores-coordenadas X e Y de a, en dichas bases
y la matriz P de paso de la base {1, t, t } a la base
{6t2 , t, 4}.
Solucin
Es inmediato que el vector a = 3t
2
+ 5t - 8, corres-
ponde en la base {1, t, t } el vector-coordenada X = (-8,5,3)

pues:
a = (-8 5 3)/ t \
= -8 + 5t + 3t2
114.
Anlogamente, considerando que:
a = (1/2 , 5 , - 2 )
t)
3t
+ 5t - 8
vemos que el vector-coordenada Y de a en la base

{6t2 , t, 4} es Y = (1/2 , 5, -2).
Para determinar la matriz de paso de la base:

(i, t, t2 } = {a^, (*2 , a^} a la base {6t2 , t, 4} =
{3^ / & 2 r
basta aplicar la definicin 9.9.
De acuerdo
a ella tenemos:
3 - t2 - I ei + 0 B2 + 0 S 3
de donde resulta que la matriz de paso bscada es;
/ O
P =
1/6 \
1 0
k 1/4
Finalmente verificaremos que: Y = P
De inmediato tene
mos :
PX =
1/6
\ 1/4 0
0 /
/ -8 \
/ 1/2 '
-
= Y
3 /
1-2
TEOREMA 9.20
Sea (a^}n , una base ortonormal para el espacio

V sobre R v P la matriz de paso de la base {a^} a una base
(3.}, entonces la base (8.} es ortonormal si y solo si la
:i
3
matriz P es ortogonal.
Dm
Supongamos primero que la base|/?>_.| tambin es ortonormal.
Entonces aprovechando que:
(a^|a^) = (0ÎB^
tenemos:
Ojlotj) = (ptl ! + P i2 2 + + Pln Bn l pn

+ Pj 2 6 2 + ---
\ *
+ pjn Sn!'
o sea:
<5.
ij
? il ? jl + p i2 pj2 +
que nos garantiza que la matriz P
+ P in
P j-n
(pj) es ortogonal.
Reciprocamente supongamos que P es matriz ortogonal. Co

mo la matriz de paso de la base {8^} a la base {a^} es P
siendo P ortogonal, dicha matriz es P 1 = p fc, entonces:
6i P n
6, = P12
i + p 2 i 2 + + p ni1 O n
+ p,,
22 a,2 + . . . . + p'n2 an
en = ?ln al + p2n a2 + ' + pnn n

y como (a.la.) = 6.., resulta:
i 3
ID
Asi la base{|j}
es ortonormal.
Corolario 1
Si el espacio V se toma sobre el cuerpo C de los
complejos, la matriz de paso P es unitaria.
Corolacio 2
El producto interior
(ajfl) es invariante a un
cambio de bases ortonormales.

En efecto, sea P la matriz de paso de una base
ortonormal a otra base ortonormal.
formados de a y
(|) =
Sean y los trans
B, entonces:
(Pa | P0)
(a|P*PB) =
(a|3).
Ejemplo 9.8
En el espacio P
se considera las bases ortonor
mal e s :
a1 =
(1,0,0)
a 2 = (0,1,0)
(1/^2, l//?,0)
a 3 (0,0,1)
y
=
P3 =
P2 =
l//2,0)
(0,0,1)
Se pide determinar la matriz de paso P, de la base {a^}

a la base {..} y dado u> = (3,1,5) en la primera base, expre
sarlo en trminos de la otra base.

Solucin
Procediendo de idntica forma, a la indicada en el
ejercicio anterior, se encuentra:
(
1//2
-1//I
1//2
1//2
Matriz que es ortonormal, pues
= I.
/
Entonces el vector
a) = (3,1,5) dado referido a la base estandar a^,
a3 ^
queda expresado en la base B^, Bj, B^ por:
1//?
1//7
(2 2 \
\3 '
bt =
| -1//2
1//?
1/\5 1
~/2 1
V
x 5
Es decir tenemos:
(3.1.5) = u = 2/2 Bx - /2 B1 + 5 83
( 3 . 1 . 5 ) = o = 2 / ? ^7 5 * 7 ? ' ^
(3.1.5) = w =
(2,2,0) +
/ 7 ( '75'/ 7 7 / ^ + 5 ( 0 , 0 , 1 )
(1,-1,0) + (0,0,5) = (3,1,5)
TEOREMA 9.21
Sea T G Hom(V,W) que referido a las bases {a^}n ,
para V y {B^} m , para W, se expresa por la matriz A y refe
rido a las base a^}11, para V y
la matriz B.
para W se expresa por
Si P es la matriz de paso de IcL} a {a^} y Q
de
lT ) a 3.) , se tiene:
B = Q
-1
AP.
Dm
Sea 5 un vector cualquiera de v y co = T().
tor coordenada de en la base
y X^ su vector coorde
nada en la base a^}, entonces

coordenada de W
en la base
r "
Sea X el vec
= PX.
Sea Y el vector
{$.} e Y. su vector coordenada

D
en la base (3.}, entonces Y ( = 0 y
{i
x,
T
A
Y,
UJ = T ( E )
UJ = T ( 0
Ahora, considerando que: Y^ = AX^, tenemos: QY = APX, lue

go: $ = (Q-1 A P)X, pero como $ = b, resulta: B = Q -1 AP.
Corolario 1
Sea T 6 Hom{V,V) que referido a la base {ct^}11,
se expresa por A y referido a la b a s e ^ O ^ y 11, se expresa por
B.
Si P es la matriz de paso de la base {c} a la base
119.
{oij}, tenemos: B = P ^ AP.
Corol&rio 2
Dos matrices A y B son similares sii, represen
tan un mismo homomorfismo T 6 Hom(V,V), en dos bases orde
nadas diferentes
Ejemplo 9.9
Sea T una transformacin lineal del espacio P
1
al espacio P", definida por T(p(t))
= p'( t ) .
Sean
{a.} = {t2 , t. 1} y {a.} = {1, t, t 2 } bases para P 2 y

3
J
(Bj) = t, 1} y {Uj) = {t + 1, t - 1} bases para P^.
Se
pide:
a) Matriz A de T, de {a..} a {8..}
b) Matriz B de T, de {cT} a { }
c) Matriz de paso P de { }
a {a^}
d) Matriz de paso 0 de {!'_. > a {8^}

e) Verificar que: B = Q ^ A P
Solucin:
a) Determinacin de A
De inmediato tenemos:
T(t2) = 2t = 2t + 0.1
T (t)
= 1
= O.t + 1.1
T (1)
= 0
= 0 ot + 0.1
As: A = ( 2
b) Determinacin de B.
T (1)
= 0
= 0 . (t + 1) + 0.(t - 1)
120.
Til) - 1 - <t + 1) - <t - 1)

T(t2)= 2t - l.(t + 1) + 1.
c) Determinacin de P.
B = ( q l{)2 \)
(t - 1)
Se expresan los vectores de la base
{ij} en trminos de la nueva base {cu}.
Entonces:
1 = O.t2 + O.t + 1.1

t
= O.t2 +
l.t
. ( i : :)
+ 0.1
V 1 o
1 0
t2 = l.t2 + o.t + 0.1

d) Determinacin de Q.
o/
0
Es analogo a lo hecho en el punto
anterior,
t + 1 = l.t + 1.1
- G -1)
t - 1 = l.t - 1.1
e) Verificacin de : B =
f l
= 1vi
l\
,)
A P.
se encuentra
-1
1/2
1/2
= l
\ 1/2
-1/2/
Entonces:
-
1 1/2
/1/2
1/2 \ ( 2
1/2
Vl/2
I
-1/2 / \ 0
-1/2
A P =
Q'1 A P
/ 1
\l
0 \ (0
11 0
0 /\1
0
1
0
1/2
\0
-1/2
1/2
1/2
1 0
0I
1 \
0 )
0/
PEF 9.10
Un escalar t es valor propio de T
Hom(V,V)
si y
solo si existe un vector no nulo a 6 V f tal que T (a) =

t a.
El vector ct es entonces un vector propio de T.
121
Ejemplo 9.10
2
2
Sea T 6 Hom (R , R ) definido por: T(x,y) = (yfx ) .
Entonces para cada a jt 0, tenemos que:
T ( a fa) = (a,a) = l(a,a)
igualdad que nos muestra que 1 es valor propio de T y (a,a)
es vector propio.
Tambin:
T(a,-a) = (-a,a) = (-1)
y entonces
(af-a)
(a,-a)
(-1) es valor propio y (-a,a) , con a / 0, es
vector propio de T.
TEOREMA 9.22
Sea T e Hom(V,V) y A la matriz de T en una ba
se {otj}n ,.
Entonces un escalar t G K es valor propio de
T si y solo si t es valor propio de A.

Dm
Sea t 6 K valor propio de T, entonces existe a 6 V, con
a ^ 0, tal que T(oi) = t a.
Llamando X al vector-coordenada
de a en la base {a^} e $ el vector-coordenada de T (o) en

dicha base, tenemos:
T (a) = t*
Ahora como AX =
T (o) = tcX
sii
Y = tx
resulta:
sii
A$ = TX
Ademas el isomorfismo de V y K
pues a
6o
nos garantiza que X /= 0,
As queda probada la tesis.
Corolario
Un vector a
0 es vector propio de T si y solo
si, su vector-coordenada X es vector propio de la matriz

A de T.
Ejemplo 9 o11
Para la aplicacin T de P
a P , definida por:
T(at2 + bt + c) = (2a + b + c)t2 + (2c - 3b)t + 4c
se
pide determinar sus valores y sus vectores propios.
Solucin
Primero buscaremos la matreiz A de T en una base,
tomaremos la base {1 ,t,t 2}-, entonces tenemos:
T (1) = t2 + 2t + 4 = 4 o1 + 2t + l.t2
T (t) = t2 - 3t + 0 = 0.1 - 3.t + l.t2
T(t2)= 2t2 + Ot + 0 = 0.1 + 0 ot + 2 ot 2
luego:
A =
u
0 '
-3
De aqu resulta que el polinomio caracterstico de A, es

p(t) =: (4 - t) (-3 - t) (2 - t) o
As los valores propios
de A y por consiguiente de T, son: t^ = 4;
= -3; t^ = 2.
Determinemos ahora los vectores propios correspondientes a estos valoras propios.
Sea a = at
+ bt + c
el
vector caracterstico correspondiente al valor t^ = 4,. Se

tiene entonces: T(a) = 4a, o sea
T(at2 + bt + c) = 4at2 + 4bt + 4c

pero:
T(at2 + bt + c) = (2a + b + c)t2 + (2c - eb)t + 4c
De donde fcilmente resulta: a = (^c)/14 y b = (2c)/7

y tomando por comodidad c = 14, queda: a = 9 y b = 4 ,
asi
a = 9t2 + 4t + 14.
De anloga manera se obtiene para
propio 6 = -t
tj = -3, el vector
+ t y para t^ = 2, el vector propio y = t .
DEF 9.11
Sea V espacio n-dimensional.
Un T 6 Hom(V,V)
es
diagonalizable, sii existe una base {cu}11, de V, tal que

la matriz de T en {a^} es matriz diagonal.
TEOREMA 9.23
Sea V espacio n-dimensional.
El homomorfismo
T 6 Hom(V,V) es diagonalizable sii V tiene una base formada

por vectores propios de T.
124.
Dm
Supongamos primero que T es diagonalizable, entonces exis
te Una base {a^)n , para V, tal que T se expresa por una ma
tifiz diagonal: D = (a^
... an ) .
Llamando X^ el vec-
de (Xj en la base (a
/ al
0
DXj =
V C w t>U J- c t
0
a2
lo
0 ___
0^
0 .... 0 \
1
0
0 ___ a /
n
) = a . a ., resultado
J 3
la base {cu}n , son
Reciprocamente sea {a^.}n f una base para V formada por

vectores propios de la transformacin T.
Considerando que
T(cij) = tj otj tememos:

+ 0
+ 0
+ ... + Oa
a2
a3
= t:. l
n
>
T(a2) = 0 al + t2a2 + 0 a 3 + ... + Oa n
TC^)
T(a3) = 0 al
T(V
= 0
al
+ 0
+ 0
a2
a2
t 30t3
+ 0
a3
+ ... + Oa
n
+ ... + t a
n n
De donde resulta que T se expresa en la base (a^.}n f de

vectores propios de T, por la matriz diagonal
D
1 2 t^ .... tn ) .
As T es diagonalizable.
125,
Ejemplo 9.12
Sea T una transformacin lineal de R
3
a R . de
finida por;
T(xlfx 2 ,x3) = (2x^ -- x 3 ,
+ x 2 - x 3 , x3)
D^.terrr'inar una base que la diagonalice.
Solucin
Por el teorema precedente, la transformacin T se3
r diagonalizable sii, V = R tiene una base formada por
vectores propios de T.
Buscaremos estos vectores caracte
rsticos.
Tomando para V = R , la base usual {(1,0,0),(0,1,0),
(0,0,1)}, la transfomacin T se expresa por la matriz:
La ecuacin caracterstica correspondiente es:

(2-t) = 0 .
(1-t)(1-t)
De aqu se obtiene los valores propios: t^ = 1;
tj = 1 y tj = 2.
Finalmente para t.^ =t 2 = 1, se obtiene
los vectores propios:
= (1,0,1) y
para t3 = 2, resulta a3 = (1,1,0).
= (0,1,0).
Adems
Ahora como los vectores
al' a2 ^ a3 son l*nealmente independientesêllos constitu3

yen una base para el espacio V = R , as entonces T es dia
gonalizable .
Vemos cual es la matriz de T en esta nueva base(o^,a2 ,o3)

Tenemos:
T(a1) = T(1,0,1) =
(1,0,1)
Lc^ + 0a2 + 0a3
T ( a 2) T(0,1,0) = (0,1,0) =
0ax + la2 + 0a3
T ( a 3) = T (1,1,0) = (2,2,0) =
0a1 + 0a2 + 2a3
De donde T resulta expresado por la matriz:
B =
/1
L0
EJERCICIOS
1
Sea Pn el espacio de los polinomios de grado no supe

rior a n.
Determine cual de las siguientes aplicacio
nes son transformaciones lineales.

a) L : P 2-* - P 3 con : L(p(t))
= t 3 p' (0) + t 2 p(0)
b) S : P-L^-P2 con : S(p(t)) = t p(t) + p(0)

c) T : P 1 P 2 con : T(p(t))
= t p(t) + 1
2.- La aplicacin L a R a P est definida por L(a) = aa+b

con a,b 6 R.
Determine a y b para que L sea Lineal.
3.- Sea T una aplicacin d R a R , tal que a cada vector

2
a 6 R le asocia el vector T(a), simtrico de a respec
to al eje
OX.
Demuestre que T es lineal y determine
su matriz para la base usual.
127
4.- Sea T una aplicacin lineal de R
a R , definida por:
T(x1#x 2) = {x + 2x2 f 2x1 - x 2)

2
Se considera en R las bases A = {(1,0),(0,1)} y
B = {(-1,2)},
(2,0)
Se pide matriz de T con respec
to a las bases: A; A y B; B y A; B,
Determine T(2,3)
usando la definicin de T y luego usando cada una de

las matrices encontradas.
t
t
5.- Sea V el espacio generado por A = {l,t,e ,te K
Se
define la aplicacin lineal T de V a V, por: T(a) =

= doc/dt.
Determine la matriz de T con respecto a la
base A.
2
2
6.- Sea I la transformacin identidad de R a R
2
sidera en R. las bases A = { (1,0),(0,1)} y
B { (1,-1) , (2,3) }.
Determinar la expresin
Se con
matricial c(e.
I, con respecto a las bases: A, A y B, B y A, B

7.- Sea V el espacio de las funciones continuas generados
por la base A = {sent, cost}.
Se considera adems la
base B = {sent-cost, sent + cost} y la aplicacin li

neal T de V a V, definida por: T(f) = df/dt.
Se pide
expresin matricial de T con respecto a las bases:

A; A y B; B y A; Bo
8.- Sea L una aplicacin lineal de R 2
a R 2 , siendo R 2
el espacio de la matriz de orden dos sobre R, definida
Dor:
128.
L(X) = AX -XA
con A
x e
r;
Determine la expresin m a tricia l de L con respecto a

las bases: S ; S y T; T v S; T, siendo:
-ic : u :
T J
Uo
9.-
:u :
1
o /,
:k i
o
:n
,01 /O
o j, V 1
Se considera la ap licacin l in e a l L de R3 a R3 d e f in i
da por:
i1
/ x l^
X2
\ X 3 j
\2
1 \
/X l\
X2
/
\ x 3 /
Determine su imagen y su ncleo. Una base para cada

uno de e sto s esp acios.
1 0 .- Se considera la ap licaicn lin e a l T, de P 2 a R defin^
da por:
T (at9 + bt + c) = * (at~2 + b t + c)d t
Determine el ncleo de T y una base para dicho ncleo.
Cul es la imagen de esta aplicacin^
11.- Sea T una transformacin lin e a l de P2 a P3 , definida
2
por T (p(t)) = t p'( t ) . Determine una base para
Ker(T) y una para Im(T).
12?
12.- Determine una transformacin lineal L de R
3
a R , tal
que {(1,-1,2),(3,1,-1)} sean base para Im(L).

13.- Sea L una aplicacin lineal de R
a R, tal que:
L(l,l,l) = 3, L(0,1,1) 2 y L(0,0,1) = 1.
Determine
L(a,b,c).
14.- Determine una transformacin lineal T de R
3
a R , cuya
imagen es generada por { (0,1,1),(0,1,-1)}.
15.- Sea T una aplicacin lineal de R 2 a R 2 definida por:

T (X) - AX - X A
con A
2j
y X 6 R2
Determine una base para el ncleo de T.

16.- Sean L, S y T homomorfismos de R
2
a R , definidos por:
L(x,y,z) = (x + y + z, x + y)
S(x,y,z) = (zx + z, x + y)
T(x,y,z) = (zy,x)
Demostrar que ellos son linealmente independientes.
17.- Sean S y T oporadores lineales en R , definidos por:

S (x,y) = (x,0) y T(x,y) = (0,y).
Determine:
ST, TS, S
y T2.
18.- Sea V espacio vectorial de dimensin finita y T un ope
2
rador lineal en V, tal que: rango (T ) = rang(T).
De
muestre que:
(KerT)
(ImT) = { }
19.- Sea T un operador lineal en R , definido por:

T(x,y,z) = (2x + 3y - z, 4x - y,2x).
Determine si T
es invertible. En caso afirmativo encuentre la expresin
130.
20.- Dada la aplicacin lineal S de R
11
i\ iH \
1 ''X
a R
por
i X3 /
determine si ella admite una inversa S
-1
En caso afir
mativo, encuentrela,
21.- Sea a un escalar no nulo.
Demuestre que un homomorfis
to T es singular si y solo si (aT) es singular.

22.- Sea L una transformacin lineal de R 3 a R 3 definida
por: L(x1#x 2 ,x3) = (2x^ + 3x2 ,4x3 - x 2 , 3x^) .
Deter
mine los valores y vectores propios de L.

23.- Sea T una aplicacin lineal de R
a R , definidp como
rotacin positiva en (ir/2) en torno al origen. DetermjL

ne los valores y vectores propios de T.
2 2
24.- Sea T 6 Hom(R2 ,R2) representado en la base:

S
0,
0
l0
1\
(
0 i, 11
o),
por:
-1
4 \
\
2 '
V 0
2 /
/ 1
Determine sus valores y sus vectores caractersticos.
131.
25.- Sea S un homomosfismo de P

S ( p (t )) = p'( t ) .
a P
definido por
Determine si S es diagonalizable o
n6,
26.- Sea T un operador lineal en Rn tal que T 2 = I.
tre que T es diagonalizable y que sus
Demues^
valores propios
son + 1.
27.- Determine la naturaleza de las cuadricas
a) 13x2 + 12y2 + 10z2 - 8xy + 4xz - 4yz = 12
b)
5x2 + 4xy
c)
2x
+ 2y
+ 4xz
+ 20z
+ 2y2 + 2yz + 2z2 =
+ 2xy + 6xz + 6yz =
28.- Sea P el espacio de los polinomios a coeficientes rea

les. Sea la aplicaci6n lineal T : P --P, definida por?
T (p (t)) * (t - a) (p1 (t) + p M a > ) -
2 (p (t) - p(a))
Determinar: a) Ncleo y dimensin de T
b) Mostrar que
sus valores propios son todos reales y enteros

29.- Sea V el espacio generado por los vectores;
y
a 2 = e3t cosbto
= eatsenbt
Determine una matriz para el operador
derivada D.- Encuentre D_1 y mediante D 1 , calcule

C at
\e
senbt- dt*
30.- Se considera el espacio euclldeo de las funcionesr p(t) = a + bcost + c sent con la norma | |p-ttj |-*=
7~2
7
2
= va
+ (b + c )/2.
T ( p (t)) * p(t + m )
Se define la-transformacin lineal

Demuestre que T es ortogonal y cal
cule sus valores y vectores propios.

ros reales).
(a,b,c y m son nme
132.
B I B L I O G R A F I A
1) CULLEN CHARLES:
"Matrices and Lineas Transformations".

Addison Wesley - 1966
2) FINKBEINER, D.T. "Introduction to Matrices and Linear

Transformations", Freeman, San Fran
cisco - 1960
3) FRANKLIN, JN.,
"Matrix Theory", Prentice-Hall, Englewood

Cliffs, New Jersey - 1968
4) FRIEDMAN, B . ,
"Principies and Techniques of Applied

Mathematics", Wiley New York - 1956
5) GANTMACHER, F.R., "The Theory of Matrices" Vol. I, Chelsea,

New York - 1960
6) GE R E , J.M., and
"Matrix Algebra for Engineers", Van
WEAVER* Jr. W .,
7) LANCASTER, P . ,
Mostrando Princeton, New Jersey - 1965

"Theory of Matrices", Academic Press,
New York - 1969
8) PIPES, L.A., "Matrix Methods for Engineers", PrenticeHall, Englewood Cliffs, New Jersey - 1963
9) SCHNEIDER, H. and
BARKER, G . P . , "Matrices and Linear Algebra", Holt, New
York - 1968
10) STEIN, F. M . , "Introduction to Matrices and Deterrainants",
Wadsworth, Belmont, California - 1967
133.
I N D I C E
PAG.
1.- Matrices
2.- Suma de Matrices
3.- Ejercicios
4.** Producto de Matrices
5.- Ejercicios
16
6.- Matriz inversa
19
7.- Ejercicios
24
8.- Rango de una Matriz
28
9.- Ejercicios
39
10.- Equivalencia, Congruencia y Similitud

de Matrices
41
11.- Ecuaciones Lineales
45
12.- Ejercicios
57
13.- Valores y Vectores propios
60
14.- Diagonalizacifin de una Matriz
79
15.- Ejercicios
82
16.- Transformaciones Lineales
87
17.- Cambio de Bases
110
18.- Ejercicios
126
19.- Bibliografa
132
20.- Indice
133

Algebra de Matrices

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Algebra de Matrices

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD CATOLICA DE CHILE

UNIVERSIDAD CATOLICA DE CHILE

Ing. MARIO RAUL AZOCAR

(Master of Science - New York University y

El Instituto de Matemtica de la Universidad

Si esta labor acadmica resulta de algn be

Ing. MARIO RAUL AZOCAR

Considerando que en las aplicaciones se trabaja

ms frecuentemente con el campo de los reales R y con el cam

el nmero ubicado en el rengln

de orden i y en la columna de orden j de una matriz A, ten

expresin que para simplicidad en la e scritura, d enotare

En el caso particular en que m = n = 1,

la matriz est formada por un slo elemento, el

c) Matriz conjugada de ella, a la matriz de orden mxn:

de orden nxm, donde: a *j aj

Ella es antisimtrica sii: a ^

Reciprocamente si A = Afc, el nmero de renglones es igual

Se deja como ejercicio, por ser anloga a la dada en el

2.- SUMA DE MATRICES

mo orden mxn, llamaremos suma de ellas a una matriz A + B

Solo daremos el caso

(pq)A = p(qA) = q(pA)

(S= S*") y T una matriz anti

simtrica (T = T*") , por determinar; y tales que: A = S + T.

sistema para S y T, resulta:

Finalmente esta descomposicin es nica, pues el sistema

(a1 ;j) con a ^

= E(j/i) y de orden 4x5

= E((i+l)/(j+2)) de orden 3x4

2. Resolver las ecuaciones:

3. Demuestre que las matrices A r B y C que se indican son

4. Descomponga la matriz A en suma de una simtrica S y otra

Tome A arbitraria, cuadrada y de orden

= (-l)i ^(i + j) son o no

cuerpo C. Se toma H CLV, siendo:H = {aIa V a A = A*}

3.- PRODUCTO DE MATRICES

cuando el nmero de columnas de A sea iagual al nmero de

multiplicable por una

llamaremos producto de A por B, a una

matriz que designaremos con AB y que por definicin vajL

= <Cij ' Jj, alk b kj>

De acn*T>ri0 a esta definicin, el producto de

una matriz A de orden

(mxn) y una matriz B de orden (nxp)

es una matriz C = AB de orden

medianta de esta observacin se concluye que si A de orden

de B por A no est definido, a menos que: p = m.

Veamos dos que son de fundamental im

El ejemplo siguiente, ilustra es

(-i a (i D -ll ) -(i flU 3H0

Este ejemplo es suficiente para afirmar que el produc

Debido a esta circuns

tancia, corrientemente se llama al producto AB, posmulti

aik 5 kj> "

(aij 5 jj> = (aij> = A

Esta igualdad por demostrar, slo exige que A sea

multiplicable por B, en tal hiptesis tenemos:

aik bkj> (J X aik b k 3 >

b) Si A y B son matrices cuadradas de orden n, tenemos:

(k=l aik bk:) " (Pij>

(k=l 3jk bki>

Aqu tal como en el caso

(b), A y B deben ser matri