CAPTULO 5

Aplicaciones lineales y matrices

En todo el captulo los K-espacios vectoriales considerados seran de dimension finita.

1.

Aplicaciones lineales y matrices como espacios isomorfos

Definici
on 1.1. Sean V y V 0 K-espacios vectoriales y sea f HomK (V, V 0 ). Supongamos que
dimK V = n > 0 y que B = (b1 , b2 , . . . , bn ) es una base ordenada de V , asimismo, supongamos que
dimK V 0 = m > 0 y que B0 = (b01 , b02 , . . . , b0m ) es una base ordenada de V 0 . Definimos matriz asociada a
f respecto a las bases B de V y B0 de V 0 , y la representamos por MB,B0 (f ), a la matriz de Mmn (K)
cuya columna j-esima, para 1 j n, esta formada por las m coordenadas de f (bj ) en la base B0 , es
decir:

Si

f (b1 ) = a11 b01 + a21 b02 + + am

1 bm

f (b2 ) = a1 b0 + a2 b0 + + am b0
2 1
2 2
2 m

........ ... .......................................

0
f (bn ) = a1n b01 + a2n b02 + + am
n bm

entonces

1
a1
2
a1

MB,B0 (f ) = .
.
.

am
1

a12

...

a22
..
.

...
..
.

am
2

...

a1n

a2n

..

am
n

Notemos que, considerando la aplicacion coordenada B0 , las columnas de la matriz MB,B0 (f )

verifican que:




Cj MB,B0 (f ) = B0 f (bj )

j, 1 j n

Adem
as, si V = V 0 , f EndK (V ) y B = B0 , a la matriz cuadrada MB,B (f ) la representaremos
simplemente por MB (f ) y es inmediato comprobar que se cumple que MB (idV ) = In .
Ejemplo 1.2. La aplicaci
on f : R2 R3 definida seg
un f (x, y) = (2x y, x + y, x + 3y)
(x, y) R2 es lineal puesto que, (x, y), (x0 , y 0 ) R2 y , R, se tiene:


f (x, y) + (x0 , y 0 ) = f (x + x0 , y + y 0 ) =


= 2(x + x0 ) (y + y 0 ) , (x + x0 ) + (y + y 0 ) , (x + x0 ) + 3(y + y 0 ) =
= (2x y, x + y, x + 3y) + (2x0 y 0 , x0 + y 0 , x0 + 3y 0 ) = f (x, y) + f (x0 , y 0 )
115

Aplicaciones lineales y matrices

Y la matriz asociada a f en las correspondientes bases canonicas es:

2 1

MB2 ,B3 (f ) =

1
1

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

f (0, 1) = (1, 1, 3) = (1)(1, 0, 0) + 1(0, 1, 0) + 3(0, 0, 1)

ya que

Los sistemas, {(1, 2), (1, 0)} de R2 y {(5, 0, 1), (1, 3, 2), (2, 0, 1)} de R3 , son bases ya que:




 1 1 
 = 2 6= 0



 2
0 





1 2 
 5




 0 3
0  = 9 6= 0




 1
2
1 

por tanto B = (1, 2), (1, 0) y B0 = (5, 0, 1), (1, 3, 2), (2, 0, 1) son bases ordenadas de R2 y R3 ,
respectivamente, y la matriz asociada a f en estas bases es:

MB,B0 (f ) = 1

12

5
9
1
3
2
9

f (1, 2) = (0, 3, 5) = 5(5, 0, 1) + (1)(1, 3, 2) + 12(2, 0, 1)

f (1, 0) = (2, 1, 1) = 5 (5, 0, 1) + 1 (1, 3, 2) + 2 (2, 0, 1)

ya que

Consecuencias 1.3. En las condiciones de la definicion 1.1, se tiene que:

xV

1) MB,B0 (f ) [x]B = [f (x)]B0

2) dimK Imf = rg MB,B0 (f )

x1

1
2
n
1) Supongamos x = x b1 + x b2 + + x bn V , entonces [x]B =

x2
..
.

y:

n.
Demostracio

f (x) = f

X
X


xj bj =
xj f (bj ) =
xj

1jn

1jn

1jn

X


xj aij b0i =

1im 1jn

xn

aij b0i =

1im

aij xj b0i

1im 1jn

de donde:

[f (x)]B0

a1j xj

1jn
X 2 j

aj x

1jn
=

..

j
am
j x

a1

1
2
a1
=
..
.

am
1

x1

a2n

..
.

x2
..
.

am
n

xn

= MB,B0 (f ) [x]B

a12

...

a1n

a22
..
.

...
..
.

am
2

...

1jn

116

Aplicaciones lineales y matrices

2) Si representamos por A a la matriz MB,B0 (f ), haciendo uso de algunas definiciones y propiedades vistas en el captulo 3, as como de que Imf =< f (b1 ), f (b2 ), . . . , f (bn ) >, se tiene:
rgMB,B0 (f ) = rgA = dimK Col(A) = rg{C1 (A), C2 (A), . . . , Cn (A)} =







= rg B0 f (b1 ) , B0 f (b2 ) , . . . , B0 f (bn ) = rg{f (b1 ), f (b2 ), . . . , f (bn )} =
= dimK < f (b1 ), f (b2 ), . . . , f (bn ) >= dimK Imf

Ejemplo 1.4. Sean V y V 0 K-espacios vectoriales y B y B0 bases ordenadas de V y V 0 , respecti

vamente. Consideremos la aplicaci

on lineal f HomK (V, V 0 ) tal que MB,B0 (f ) =

. Si

las coordenadas en la base B de un vector v V son (1, 2, 2), entonces las coordenadas en la base B0
de f (v) V 0 son (5, 5) ya que:

MB,B0 (f )
2 =

5
2 =

Proposici
on 1.5. Sean V , V 0 y V 00 K-espacios vectoriales, con B, B0 y B00 bases ordenadas de V ,
V 0 y V 00 respectivamente, y sean f HomK (V, V 0 ) y g HomK (V 0 , V 00 ), entonces:
MB,B00 (g f ) = MB0 ,B00 (g) MB,B0 (f )
n. Supongamos B = (b1 , b2 , . . . , bn ), B0 = (b01 , b02 , . . . , b0m ) y B00 = (b001 , b002 , . . . , b00t ).
Demostracio
h i
h i
Supongamos asimismo que MB,B0 (f ) = aij
y que MB0 ,B00 (g) = cij
, entonces,
1im,1jn

1it,1jm

de acuerdo con la definici

on de producto de matrices, se tiene:
h i
MB0 ,B00 (g) MB,B0 (f ) = cij

h i
aij

1it,1jm

1im,1jn

h i
= dij

donde dij =

1it,1jn

cik akj

1km

Por otro lado, j, 1 j n, se tiene que:

(g f )(bj ) = g f (bj ) = g

X


akj b0k =
akj g(b0k ) =

1km

akj (

1km

cik b00i ) =

1it

1km

akj cik ) b00i =

1it 1km

dij b00i

1it

h i
de donde, de acuerdo con la definici
on 1.1, se tiene que MB,B00 (gf ) = dij

y por consiguiente
1it,1jn

la igualdad buscada.

117

Aplicaciones lineales y matrices

Nota 1.6. Si en la demostraci
on anterior hubieramos hecho uso del convenio de Einstein, expuesto
en el captulo 3, habramos indicado dij simplemente por cik akj y:




(g f )(bj ) = g f (bj ) = g akj b0k = akj g(b0k ) = akj cik b00i = dij b00i
un:
Ejemplo 1.7. Supongamos f HomR (R3 , R2 ) y g HomR (R2 , R4 ) definidas seg

f (x, y, z) = (x + 2y z, 3x + z) (x, y, z) R3
g(x, y) = (x + 2y, y, x + y, 2x y) (x, y) R2
Calcular la matriz asociada a f , a g y a g f respecto a las correspondientes bases canonicas y dar
asimismo la expresi
on de (g f )(x, y, z) para (x, y, z) R3 .
Teniendo en cuenta que en la base canonica las coordenadas de un vector coinciden con sus componentes, las correspondientes matrices asociadas son:

MB3 ,B2 (f ) =

MB2 ,B4 (g) =

1

MB3 ,B4 (g f ) = MB2 ,B4 (g) MB3 ,B2 (f ) =

1

para (x, y, z) R3 ,

7
2
1

3
0
1

y
2 2
2

Respecto a la expresi
on de (g f )(x, y, z)

MB3 ,B4 (g f ) y =

se tiene:

7x + 2y + z

3x + z
=

2x 2y + 2z

x + 4y 3z

por lo que (g f )(x, y, z) = (7x + 2y + z, 3x + z, 2x 2y + 2z, x + 4y 3z) (x, y, z) R3 .

Proposici
on 1.8. Sean V y V 0 K-espacios vectoriales con dimK V = n > 0 y dimK V 0 = m > 0,
y supongamos que B = (b1 , b2 , . . . , bn ) es una base ordenada de V y que B0 = (b01 , b02 , . . . , b0m ) es una
base ordenada de V 0 , entonces la siguiente aplicacion es un isomorfismo de K-espacios vectoriales:
MB,B0 : HomK (V, V 0 )

/ Mmn (K)
/ MB,B0 (f )

f
118

Aplicaciones lineales y matrices

n. Hay que justificar que MB,B0 es lineal, inyectiva y suprayectiva:
Demostracio
MB,B0 es lineal:

Es consecuencia de que, f, g HomK (V, V 0 ) y , K, se tiene:

(f + g)(bj ) = f (bj ) + g(bj )

j, 1 j n

y de la definici
on de suma y de producto por un escalar en Mmn (K).
MB,B0 es inyectiva:

Puesto que ya sabemos que es lineal, sera suficiente comprobar que su n

ucleo se

reduce a la aplicaci
on nula, es decir, comprobar que si MB,B0 (f ) = O Mmn (K), entonces necesariamente f = 0, pero esto es inmediato teniendo en cuenta 1.3, pagina 116, ya que, x V , se tiene
que:

[f (x)]B0
MB,B0 (f ) [x]B =
O [x] = O M
B
m1 (K)

por lo que f (x) = 0 x V .

h i
MB,B0 es suprayectiva: Supongamos A = aij
consideremos el vector wj V 0 definido seg
un

Mmn (K) y, para cada j, 1 j n,

1im,1jn
wj = a1j b01 + a2j b02

0
+ + am
j bm , entonces haciendo uso

del teorema de existencia y unicidad de aplicaciones lineales, visto en el captulo anterior, sabemos que
f HomK (V, V 0 ) tal que f (bj ) = wj para todo j, con 1 j n. Teniendo ahora en cuenta la
definicion de MB,B0 (f ) es inmediato que MB,B0 (f ) = A.

Definici
on 1.9. Como consecuencia de la proposicion anterior, si A Mmn (K) y consideramos
las bases can
onicas Bn de K n y Bm de K m , existe una u
nica aplicacion lineal, fA HomK (K n , K m ),
tal que MBn ,Bm (fA ) = A. A fA lo denominaremos homomorfismo can
onico asociado a la matriz A.
Proposici
on 1.10. Si A Mmn (K) y fA es su homomorfismo canonico asociado, entonces:
1) KerfA es el conjunto de soluciones del sistema de ecuaciones lineales homogeneo que tiene a
A como matriz de coeficientes y por tanto fA es monomorfismo si y solo si rgA = n.
2) ImfA es el subespacio de K m generado por las columnas de A y por tanto fA es epimorfismo
si y s
olo si rgA = m.
3) fA es automorfismo si y s
olo si rgA = n = m, lo que a su vez equivale a que A sea una matriz
inversible.
n. Puesto que MBn ,Bm (fA ) = A, siendo Bn y Bm las correspondientes bases canoniDemostracio
cas de K n y K m , respectivamente, se tiene:
119

Aplicaciones lineales y matrices

1)

KerfA

= {(1 , 2 , . . . , n ) K n

fA (1 , 2 , . . . , n ) = (0, 0, . . . , 0)} =

= {(1 , 2 , . . . , n ) K n

2
..
.

0
..
.

}.

Adem
as se cumple que:
fA es monomorfismo KerfA = {0} rgA = n
2)

ImfA =< fA (e1 ), fA (e2 ), . . . , fA (en ) >=< C1 (A), C2 (A), . . . , Cn (A) > siendo ej el j-esimo
vector de la base can
onica de K n y Cj (A) la j-esima columna de A, para 1 j n.
Adem
as, teniendo en cuenta alguna de las caracterizaciones vistas del rango de una matriz, se

cumple que:
fA es epimorfismo ImfA = K m dimK ImfA = m rgA = m
3)

Estas equivalencias son consecuencia inmediata de los dos apartados anteriores.



Ejemplo 1.11. Si A =

M43 (R), entonces se tiene que:

=
MB3 ,B4 (fA )

xz

2y + 2z

3x + 4y + z

2x + 3y + 5z

por lo que fA HomR (R3 , R4 ) verifica que fA (x, y, z) = (x z, 2y + 2z, 3x + 4y + z, 2x + 3y + 5z)

(x, y, z) R3 . Adem
as se tiene que:

0 1

Puesto que F er(A) =

0 0

, se tiene que el conjunto de soluciones, en forma matricial

x
0

parametrizada, del sistema homogeneo A y = es:

0

z

120

Aplicaciones lineales y matrices

y =
1

1
z

y por consiguiente (1, 1, 1) es base de KerfA .

El sistema de R4 formado por los vectores fA (1, 0, 0) = (1, 0, 3, 2), fA (0, 1, 0) = (0, 2, 4, 3)
y fA (0, 0, 1) = (1, 2, 1, 5) sabemos que genera ImfA , pero, teniendo en cuenta la matriz F er(A),
sabemos que (1, 2, 1, 5) = (1, 0, 3, 2) + (0, 2, 4, 3) y que {(1, 0, 3, 2), (0, 2, 4, 3)} forman un sistema
libre, por consiguiente {(1, 0, 3, 2), (0, 2, 4, 3)} es base de ImfA .

Corolario 1.12. Si V y V 0 son K-espacios vectoriales de dimension finita, entonces HomK (V, V 0 )
tambien lo es y:
dimK HomK (V, V 0 ) = dimK V dimK V 0
n. Supongamos dimK V = n > 0 y dimK V 0 = m > 0, y sean B y B0 bases ordenadas
Demostracio
de V y V 0 respectivamente. Por un lado sabemos que el K-espacio vectorial Mmn (K) es de dimension
finita mn, por otro, por ser MB,B0 isomorfismo, su inversa, (MB,B0 )1 , es tambien isomorfismo y, seg
un
vimos en el captulo anterior, transformara cualquier base de Mmn (K) en una base de HomK (V, V 0 ),
en consecuencia, HomK (V, V 0 ) es de dimension finita y:
dimK HomK (V, V 0 ) = dimK Mmn (K) = mn = dimK V dimK V 0

Corolario 1.13. Sean V y V 0 K-espacios vectoriales de dimension finita con B y B0 bases ordenadas
de V y V 0 respectivamente. Si f HomK (V, V 0 ), entonces las condiciones siguientes son equivalentes:
1) f es isomorfismo.
2) MB,B0 (f ) es inversible.
n.
Demostracio
1) = 2): Por ser f isomorfismo, su inversa, f 1 , es tambien isomorfismo y se cumple que f f 1 = idV 0
y f 1 f = idV , adem
as, seg
un vimos en el captulo anterior, sabemos que dimK V = dimK V 0 , que
supondremos igual a n > 0. Teniendo ahora en cuenta 1.5, se tiene que:

MB,B0 (f ) MB0 ,B (f 1 )
MB0 ,B (f 1 ) MB,B0 (f )
MB0 (f f 1 ) =
MB (f 1 f ) =
M 0 (id 0 ) = I
M (id ) = I
B
V
n
B
V
n
121

Aplicaciones lineales y matrices

por lo que
MB,B0 (f ) MB0 ,B (f 1 ) = In = MB0 ,B (f 1 ) MB,B0 (f )

1
de donde deducimos que MB,B0 (f ) es inversible y ademas MB,B0 (f )
= MB0 ,B (f 1 ).
2) = 1): Si suponemos ahora que MB,B0 (f ) es inversible, entonces por un lado tenemos que es una
matriz cuadrada, por lo que dimK V = dimK V 0 , que supondremos igual a n > 0, y existira C Mn (K)
tal que MB,B0 (f ) C = In = C MB,B0 (f ).
Por otro lado, considerando la biyeccion MB0 ,B : HomK (V 0 , V ) Mn (K), concluimos que existe
g HomK (V 0 , V ) tal que MB0 ,B (g) = C, por tanto, haciendo uso de 1.5, se tiene:

MB,B0 (f ) C = MB,B0 (f ) MB0 ,B (g) = MB0 ,B0 (f g) = MB0 (f g)

In =
C M 0 (f ) = M 0 (g) M 0 (f ) = M (g f ) = M (g f )
B ,B

B,B

B,B

B,B

Pero tambien sabemos que MB0 ,B0 (idV 0 ) = MB0 (idV 0 ) = In y MB,B (idV ) = MB (idV ) = In y,
haciendo uso de que MB0 ,B0 y MB,B son aplicaciones inyectivas, se tiene:

MB0 ,B0 (f g) = In = MB0 ,B0 (idV 0 ) = f g = idV 0 = f es suprayectiva

M (g f ) = I = M (id ) = g f = id = f es inyectiva
n

B,B

B,B

por lo que f es biyectiva y, puesto que por hipotesis es lineal, f es un isomorfismo.


Nota 1.14. Notemos que, en las condiciones del corolario anterior, si f es isomorfismo, entonces

1
MB,B0 (f )
= MB0 ,B (f 1 ).

Ejemplo 1.15. Si A =
1 1
2

0
M3 (R), entonces se tiene que:
1

MB3 (fA )
y = 1 1
z

3x + 2y 3z

xy

0
y =
1

2x + y z

por lo que fA EndR (R3 ) verifica fA (x, y, z) = (3x + 2y 3z, x y, 2x + y z) (x, y, z) R3 .

Adem
as, puesto que A es inversible, ya que |A| = 4 6= 0, entonces fA es un automorfismo de R3 ,
es decir, fA GLR (R3 ) y:

41

1
4

3
4

1
1
MB3 (fA1 ) = MB3 (fA )
= A1 =
4

34

3
4

34

14

5
4

122

Aplicaciones lineales y matrices

y de aqu se tiene que fA1 est
a definida seg
un:
fA1 (x, y, z) =

1
(x + y + 3z, x 3y + 3z, 3x y + 5z) (x, y, z) R3
4
2.

Matriz de cambio de base

Definici
on 2.1. Si B y D son bases ordenadas de un K-espacio vectorial V , a la matriz MB,D (idV )
la denominamos matriz de cambio de base puesto que, de acuerdo con 1.3, se tiene que:
xV

MB,D (idV ) [x]B = [idV (x)]D = [x]D

lo que nos proporciona la relaci

on entre las coordenadas de cualquier vector x de V respecto a las bases
B y D.


Ejemplo 2.2. Si consideramos en R3 la base ordenada B = (1, 1, 2), (0, 1, 1), (2, 0, 1) , calcular
las matrices de cambio de base MB,B3 (idR3 ) y MB3 ,B (idR3 ). Calcular las coordenadas, en la base B, del
vector v = (5, 3, 7) R3 y obtener el vector u R3 cuya terna de coordenadas en la base B es (1, 3, 2).
Puesto que en la base can
onica las coordenadas de un vector coinciden con sus componentes, se
tiene que:

MB,B3 (idR3 ) =
1 1 0
2

Por otro lado, haciendo uso de 1.14, pagina 122, se tiene que:
1

1

MB3 ,B (idR3 ) = MB,B3 (idR3 )

=
1 1 0
2

MB,B3 (idR3 )

Finalmente, teniendo en cuenta que:

5
1 2
2

MB3 ,B (idR3 )
=

3
1
3 2

7
1
1 1

3 = 0

7

3 = 1 1 0 3 = 2

se tiene que la terna de coordenadas de v = (5, 3, 7), en la base B, es (3, 0, 1), de hecho se tiene que
v = (5, 3, 7) = 3(1, 1, 2) + 0(0, 1, 1) + 1(2, 0, 1), y el vector u, cuya terna de coordenadas en la base B es
(1, 3, 2), es el vector u = (5, 2, 1), de hecho u = 1(1, 1, 2) 3(0, 1, 1) + 2(2, 0, 1) = (5, 2, 1).
123

Aplicaciones lineales y matrices

Nota 2.3. De acuerdo con 1.13, pagina 121, puesto que la aplicacion identidad idV es un isomorfismo, se tiene que toda matriz de cambio de base es inversible. En la siguiente proposicion vamos a
justificar que una matriz es inversible si y s
olo si es una matriz de cambio de base.
Proposici
on 2.4. Sea V un K-espacio vectorial de dimension n > 0, B base ordenada de V y
P Mn (K), entonces las condiciones siguientes son equivalentes:
1) P es inversible, es decir, P GL(n, K).
2) Existe una base ordenada D de V , tal que P = MD,B (idV ).
3) Existe una base ordenada D0 de V , tal que P = MB,D0 (idV ).
n.
Demostracio
1) = 2): Considerando el isomorfismo MB,B : HomK (V, V ) Mn (K), puesto que P Mn (K),
sabemos que existe f HomK (V, V ) tal que MB,B (f ) = P . Por otro lado, de 1.13, pagina 121, se
tiene que, por ser P inversible, necesariamente f es isomorfismo (automorfismo) y, seg
un vimos en el
captulo anterior, si B = (b1 , b2 , . . . , bn ), entonces D = (f (b1 ), f (b2 ), . . . , f (bn )) es una base ordenada
de V . Por otro lado, de la definici
on 1.1, se deriva de forma inmediata la siguiente igualdad:
MD,B (idV ) = MB,B (f ) = P
2) = 1): Si existe una base ordenada D de V , tal que P = MD,B (idV ), puesto que idV es isomorfismo,
de 1.13, p
agina 121, se tiene que P = MD,B (idV ) es inversible.
1) = 3): Si P es inversible, obviamente P 1 tambien lo es y, aplicando la implicacion 1) = 2)
ya demostrada, a la matriz P 1 , se tiene que D0 , base ordenada de V , tal que P 1 = MD0 ,B (idV ),

1


entonces, haciendo uso de 1.14, se tiene que P = MD0 ,B (idV )
= MB,D0 (idV )1 = MB,D0 (idV ).
3) = 1): Si existe una base ordenada D0 de V , tal que P = MB,D0 (idV ), puesto que idV es isomorfismo,
de 1.13, p
agina 121, se tiene que P es inversible.


Ejemplo 2.5. La matriz P =

1 2
1
0

3
1
M3 (R ) es inversible ya que |P | = 2 6= 0. Para

obtener bases ordenadas D y D de R de manera que P = MD,B3 (idR3 ) y P = MB3 ,D0 (idR3 ), siendo B3
la base can
onica de R3 , reproduciremos la demostracion anterior con estos datos. Si consideramos el
u
nico endomorfismo de R3 , fP , tal que MB3 (fP ) = P , que act
ua de la forma siguiente:
fP (x, y, z) = (y z, x + 2y + z, x + z)
124

(x, y, z) R3

Aplicaciones lineales y matrices

entonces la base D buscada es D = fP (1, 0, 0), fP (0, 1, 0), fP (0, 0, 1) = (0, 1, 1), (1, 2, 0), (1, 1, 1) y

MD,B3 (idR3 ) =
1 2
1

1
= MB3 ,B3 (fP ) = MB3 (fP ) = P

Para obtener la base D0 buscada, procederemos de igual manera pero con P 1 , ya que as obtendremos una base D0 de R3 tal que MD0 ,B3 (idR3 ) = P 1 y de aqu, teniendo en cuenta 1.14, se

1


tendra P = MD0 ,B3 (idR3 )
= MB3 ,D0 (idR3 )1 = MB3 ,D0 (idR3 ). Por tanto hemos de calcular en
primer lugar P 1 , para lo que utilizaremos lo visto en el captulo 1:

F er
1 2

12

Por consiguiente, P 1 =

1
2

21
y

1
2

21

3
2

12

=
0 1 0

1
2

12

1
2

12

3
2

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

(x, y, z) R3

y la base D0 buscada es:

1 1 1 3 1 1

D0 = fP 1 (1, 0, 0), fP 1 (0, 1, 0), fP 1 (0, 0, 1) = (1, 0, 1), (
, , ), ( ,
,
)
2 2 2 2 2 2
Notemos finalmente que los vectores de la base D son las columnas de P y los de la base D0 , son
las columnas de P 1 .

3.

Matrices equivalentes: definici

on y caracterizaci
on

Proposici
on 3.1. Si m y n son enteros positivos, la siguiente relacion, definida en Mmn (K), es
una relaci
on binaria de equivalencia:
A C P GL(m, K) , Q GL(n, K) / A = P CQ
n. En efecto, veamos que esta relacion cumple las propiedades reflexiva, simetrica
Demostracio
y transitiva:
- Reflexiva: Para justificar que A A, basta considerar P = Im GL(m, K) y Q = In GL(n, K).
125

Aplicaciones lineales y matrices

- Simetrica: Si suponemos A C, entonces P GL(m, K) y Q GL(n, K) tales que A = P CQ.
Por consiguiente, considerando P 1 GL(m, K) y Q1 GL(n, K), se tiene C A, ya que:
P 1 AQ1 = P 1 P CQQ1 = C
- Transitiva: Si suponemos A C y C D, entonces P1 , P2 GL(m, K) y Q1 , Q2 GL(n, K)
tales que A = P1 CQ1 y C = P2 DQ2 . Pero es inmediato que P1 P2 GL(m, K) y Q2 Q1 GL(n, K), y
se tiene A D, ya que:
A = P1 CQ1 = P1 P2 DQ2 Q1

Definici
on 3.2. Dos matrices A, C Mmn (K) que pertenezcan a la misma clase de equivalencia
para la relaci
on de la proposici
on anterior, 3.1, diremos que son matrices equivalentes.
Proposici
on 3.3. Sea A Mmn (K), con m y n enteros no nulos, y r 0, entonces las condiciones
siguientes son equivalentes:
1) rgA = r.

2) A es equivalente a la matriz R =

Ir

Mmn (K)

n.
Demostracio
1) = 2): Supongamos que rgA = r, entonces la matriz F = F er(A) es una matriz de Mmn (K)
con las r primeras filas no nulas y las demas nulas y, puesto que su rango tambien es r (ya que
F er(F ) = F ), las r primeras filas de F formaran un sistema libre de K n . Ademas, existiran matrices
elementales E1 , . . . , Et Mm (K) de manera que F = E1 Et A y, puesto que las matrices elementales
son inversibles y su producto tambien, obtenemos en definitiva una matriz P GL(m, K) tal que
F = P A.
Por otro lado, la traspuesta de F , F T , sera una matriz de Mnm (K) de rango r y, puesto que sus r
primeras columnas son no nulas ylas demas son nulas, es inmediato que su forma escalonada reducida,
F er(F T ), es la matriz

Ir

Mnm (K), es decir, la matriz RT . Ademas, razonando igual que

antes, sabemos que existe una matriz inversible, S GL(n, K), tal que F er(F T ) = SF T = S(P A)T ,
de donde S(P A)T = RT . Finalmente, considerando Q = S T , se tiene que Q GL(n, K) y P AQ = R,
lo que justifica que R es equivalente a A y por consiguiente A lo es a R.
2) = 1): Por ser A equivalente a R, existen matrices inversibles, P GL(m, K) y Q GL(n, K) de
manera que A = P RQ. Considerando el homomorfismo canonico asociado a la matriz A, y aplicando
126

Aplicaciones lineales y matrices

adecuadamente la proposici
on 2.4, p
agina 124, encontramos bases ordenadas B0 de K m y B de K n , de
manera que P = MB0 ,Bm (idK m ) y Q = MBn ,B (idK n ) y de aqu:
R = P 1 AQ1 = MBm ,B0 (idK m ) MBn ,Bm (fA ) MB,Bn (idK n ) = MB,B0 (fA )
y por 1.3 tambien se tiene que dimK ImfA = rgR, pero, de acuerdo con la definicion de rango de una
matriz, es inmediato que rgR = r con lo que finalmente tenemos rgA = dimK ImfA = r.


Ejemplo 3.4. Comprobar que la matriz A =

3 3 1 2 M34 (R) tiene rango 2 y
5

5
0

3
0

como matrices equivalentes.

encontrar una relaci
on entre las matrices A y R =
0
1
0
0

De acuerdo con la demostraci

on anterior, se tiene que F er([A|I3 ]) = [F er(A)|P ]), por lo que
calculando la forma escalonada reducida de la matriz [A|I3 ] conoceremos simultaneamente el rango de
A y la matriz P buscada.

1
7

3
14

1
14

F er([A|I3 ]) = F er
3 3 1 2 0 1 0 = 0

11
7

5
14

3
14

1
2

1
2

3
14

1
14

Y de aqu se tiene que rgA = 2, P =

0

5
14

3
14

y F = F er(A) = P A. Aplicando ahora el mismo

1
2

1
2

razonamiento a la traspuesta de F er(A), es decir a F T , se tiene que:

F er([F T |I4 ]) = F er
0

1
7

11

0 1 0 0 0
1

1 0 0 0 1 0
0 0 0 1 0 11
11
7

0


1

11

Por lo que, siguiendo la notaci

on usada en la proposicion anterior, se tiene que F er(F T ) = RT ,

11

0 0
1

S=
1 0 11

11

y RT = SF T por lo que R = F S T = P AQ, siendo Q = S T , lo que nos da

127

Aplicaciones lineales y matrices

una relaci
on entre las matrices A y R como matrices equivalentes. Se puede efectivamente comprobar
la igualdad siguiente:

3
14

1
14

P AQ =
0

5
14

3
14

1
2

1
2

1 0 0 0

1

=
0 1 0 0
=R

11

0 0

0
3 3 1 2


11 1 11

Corolario 3.5. Si A, C Mmn (K), las condiciones siguientes son equivalentes:

1) A y C son equivalentes.
2) rg A = rg C.

n.
Demostracio
1) = 2): Supongamos que rg A = r, entonces de la proposicion anterior, 3.3, se tiene que A es

Ir O
, pero por ser A y C equivalentes, tambien se tiene que C y R
equivalente a la matriz R =
O O
son equivalentes de donde, aplicando de nuevo la proposicion anterior, se tiene que rg C = r.
2) = 1): Si suponemos rg A = rg C = r, de la proposicion anterior, 3.3, se deduce que tanto A como

Ir O
Mmn (K), por consiguiente A y C son equivalentes.
C son equivalentes a la matriz
O O


Ejemplo 3.6. Estudiar si las matrices A =

3 3 1 2 y C = 2 1

1
de
0

M34 (R) son equivalentes y, en caso afirmativo, obtener matrices P GL(3, R) y Q GL(4, R), tales
que A = P CQ.
Puesto que la matriz A es la que hemos analizado en el ejemplo 3.4, para saber si A y C son
equivalentes bastar
a saber si C es de rango 2. Pero si procedemos con C tal y como lo hemos hecho con
la matriz A en el ejemplo 3.4, y confirmamos que tambien es de rango 2, tendremos que son equivalentes
y habremos obtenido matrices P1 , P2 GL(3, R) y matrices Q1 , Q2 GL(4, R) tales que R = P1 AQ1

y R = P2 CQ2 , siendo R =
0 1 0 0 .De aqu deduciremos finalmente que:
0

1
1
1
1
A = P11 RQ1
1 = P1 (P2 CQ2 )Q1 = (P1 P2 )C(Q2 Q1 )

128

Aplicaciones lineales y matrices

lo que nos dar
a una relaci
on entre A y C como matrices equivalentes. Procedamos pues con C tal y
como hemos hecho con A en el ejemplo3.4:

F er([C|I3 ]) = F er
2 1

=
0 1 2

Y de aqu se tiene que rgC = 2, P2 =

0 3
1

0
2
y F = F er(C) = P2 C. Aplicando ahora el

mismo razonamiento a la traspuesta de F er(C), es decir a F 0T , se tiene que:

F er([F 0T |I4 ]) = F er

0

0 1 0 0 0 2 1

3
2
1 2 0 0 0 1 0
0 0 0 1 0

Por consiguiente, siguiendo la notacion usada en la proposicion 3.3, se tiene que F er(F 0T ) = RT ,

0 0 2 1

0
S =
y RT = S 0 F 0T por lo que R = F 0 S 0T = P2 CQ2 , siendo Q2 = S 0T , lo que nos
1 0
3
2

da una relaci
on entre las matrices C y R como matrices equivalentes. Se puede efectivamente comprobar
la igualdad siguiente:

P2 CQ2 =
0 3
1

2
2

4.

1 0 0 0

0
0 0 1
= 0 1 0 0
0 1

3 2 3 2

=R

Matrices semejantes: definici

on y caracterizaci
on

Proposici
on 4.1. Si n es un entero positivo, la siguiente relacion, definida en Mn (K), es una
relacion binaria de equivalencia:
A C P GL(n, K) / A = P CP 1
n. En efecto, veamos que esta relacion cumple las propiedades reflexiva, simetrica
Demostracio
y transitiva:
129

Aplicaciones lineales y matrices

- Reflexiva: Para justificar que A A, basta considerar P = In GL(m, K).
- Simetrica: Si suponemos A C, entonces P GL(n, K) tal que A = P CP 1 . Por consiguiente,
considerando P 1 GL(n, K), se tiene C A, ya que:
P 1 A(P 1 )1 = P 1 AP = P 1 P CP 1 P = C
- Transitiva: Si suponemos A C y C D, entonces P1 , P2 GL(n, K) tales que A = P1 CP11 y
C = P2 DP21 . Pero es inmediato que P1 P2 GL(n, K) y se tiene A D, ya que:
A = P1 CP11 = P1 P2 DP21 P11 = (P1 P2 )D(P1 P2 )1

Definici
on 4.2. Dos matrices A, C Mn (K) que pertenezcan a la misma clase de equivalencia
para la relaci
on de la proposici
on anterior, 4.1, diremos que son matrices semejantes.
Corolario 4.3. Si A, C Mn (K), entonces:
1) A y C semejantes = A y C equivalentes.
2) A y C semejantes = |A| = |C|.
n.
Demostracio
1) Es consecuencia inmediata de la definicion de matrices equivalentes y de matrices semejantes.
2) Haciendo uso de propiedades de determinantes, se tiene:
A y C semejantes = P GL(n, K) / A = P CP 1 =
= |A| = |P CP 1 | = |P | |C| |P 1 | = |P | |P 1 | |C| = |P P 1 | |C| = |In | |C| = |C|

Proposici
on 4.4. Sea V K-espacio vectorial con B = (b1 , b2 , . . . , bn ) base ordenada de V , y
supongamos f EndK (V ) y A = MB (f ). Entonces, si C Mn (K), se tiene que las condiciones
siguientes son equivalentes:
1) C y A son semejantes.
2) Existe D, base de V , de manera que C = MD (f ).
n.
Demostracio
1) = 2): Por ser C y A semejantes, se tiene que P GL(n, K) / C = P AP 1 . Aplicando
adecuadamente la proposici
on 2.4, se obtiene una base ordenada D de V tal que P = MB,D (idV ). Por
consiguiente, de 1.14 se tiene que P 1 = MD,B (idV ) y, haciendo uso de 1.5, pagina 117, se tiene que:
C = P AP 1 = MB,D (idV ) MB (f ) MD,B (idV ) = MD (f )
130

Aplicaciones lineales y matrices

2) = 1): Si consideramos la matriz de cambio de base P = MB,D (idV ) GL(n, K), haciendo uso de
1.5, pagina 117, se tiene que:
P AP 1 = MB,D (idV ) MB (f ) MD,B (idV ) = MD,D (f ) = MD (f ) = C
de donde C y A son semejantes.

Nota 4.5. En las condiciones de la proposicion anterior, 4.4, si A y C son semejantes, diremos que
C y A representan al mismo endomorfismo.

MulNota 4.6. Otras caracterizaciones de matrices semejantes se veran en la asignatura Algebra

tilineal.

5.

Determinante de un endomorfismo

Definici
on 5.1. Si V es un K-espacio vectorial de dimension finita n > 0 y f EndK (V ). Por la
proposici
on 4.4 sabemos que todas las matrices asociadas a f son semejantes, y de 4.3 se deduce que
todas ellas tienen el mismo determinante, en consecuencia, al determinante com
un a todas las matrices
asociadas a f lo denominaremos determinante del endomorfismo f y lo representaremos por detf , es
decir:
detf = |MB (f )|

B base deV

Nota 5.2. De la definici

on anterior se desprende que si A Mn (K) y fA EndK (K n ) es su
endomorfismo can
onico asociado, entonces detfA = |A|.
Proposici
on 5.3. Si V es un K-espacio vectorial de dimension finita n > 0 y f EndK (V ),
entonces las condiciones siguientes son equivalentes:
1) f es automorfismo.
2) detf 6= 0.
n. Sea B una base ordenada de V y consideremos la matriz MB (f ), entonces, haDemostracio
ciendo uso de 1.13, p
agina 121, y de que una matriz cuadrada es inversible si y solo si su determinante
es no nulo, se tiene:
f automorfismo MB (f ) es inversible detf = |MB (f )| =
6 0


131