Algebra Lineal I-Ososrio, 2013 PDF

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

FACULTAD DE CIENCIAS MATEMTICAS
DEPARTAMENTO DE MATEMTICA
NOTAS DE CLASE
LGEBRA LINEAL I
Profesor: Vctor G. Osorio Vidal
2011-I
Notas de clase de lgebra Lineal I Vctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
NDICE GENERAL
Prlogo
1. Preliminares 1
Funciones . 1
Leyes de composicin interna y externa 2
Conjuntos R n y C n .. 2
Grupos y campos . 2
2. Espacios vectoriales 7
Espacios vectoriales . 7
Ejercicios .. 14
Subespacios .. 16
Ejercicios .. 19
Operaciones con subespacios 20
Ejercicios ... 25
Independencia y dependencia lineal
Base y dimensin de un espacio vectorial .... 26
Ejercicios ... 44
3. Transformaciones lineales y temas afines 48

Transformaciones lineales ... 48
Ncleo e imagen de una transformacin lineal .... 53
Ejercicios .. 61
Composicin de transformaciones lineales .. 63
Transformaciones lineales inversibles .. 63
Espacio vectorial de las transformaciones lineales ... 67
Espacio dual de un espacio vectorial .... 71
Segundo espacio dual obidual de un espacio vectorial . 76
Anuladores 78
Dual de una transformacin lineal 81
4. Matriz asociada a una transformacin lineal 83

Coordenadas o componentes de un vector 83
Matriz asociada a una transformacin lineal ... 84
Matriz cambio de base . 96
Frmulas de transformacin de coordenadas 99
Matrices semejantes .. 103
Ejercicios .. 105
i
----------------------------------------------------------------------------------------------------------
5. Determinantes 110
Formas n-lineales .. 114
Funcin determinante .. 115
Adjunta de una matriz .. 126
Regla de Cramer ...... 131
Ejercicios 133
6. Producto interno y ortogonalidad 139

Producto interno 139
Ejercicios ... 147
Ortogonalidad conjunto ortogonal conjunto ortonormal 147
Proceso de ortogonalizacin .. 153
Ejercicios ... 159
7. Valores y vectores propios 161

Valores y vectores propios de una transformacin lineal .... 161
Valores y vectores propios de una matriz .... 165
Polinomio caracterstico 172
Polinomio anulador y polinomio minimal 175
Ejercicios .. 177
Teorema de Cayley-Hamilton .. 179
ii
----------------------------------------------------------------------------------------------------------
Prlogo
El lgebra Lineal es un curso bsico en la formacin de los estudiantes de ciencias,
ingenieras, economa y ciencias administrativas.
El material que pongo a disposicin de los estudiantes que cursan la asignatura de

lgebra Lineal corresponde a las Notas de Clase entregadas a mis alumnos de la
Facultad de Ciencias Matemticas y Facultad de Educacin (Especialidad de
Matemtica y Fsica) de la Universidad Nacional de San Marcos a travs de Chamilo
que es una solucin de software libre, licenciada bajo la GNU/GPLv3, de gestin del
E-learning o aprendizaje electrnico, desarrollada con el objetivo de mejorar el acceso a
la educacin y el conocimiento globalmente. La direccin es
http://campus.chamilo.org/.
Para finalizar agradecer a mis colegas y alumnos por las sugerencias y crticas que
tengan a bien hacer llegar a la siguiente direccin vosoriov@unmsm.edu.pe.
EL AUTOR
iii
----------------------------------------------------------------------------------------------------------
PRELIMINARES
El presente captulo tiene dos objetivos. El primero es recordar definiciones y

resultados que se supone el estudiante ha adquirido en los cursos que son prerrequisitos.
El segundo objetivo es dar a conocer algunos conceptos sin entrar en detalle, ya que es
necesario para la mejor comprensin de los captulos siguientes.
1. FUNCIONES
DEFINICIN 1.1.- Sean X e Y dos conjuntos cualesquiera; llamaremos producto
cartesiano de X por Y al conjunto denotado por:
X Y ( x, y ) / x X y Y
DEFINICIN 1.2.- Dados X, Y conjuntos; diremos que R es una relacin de X en
Y si y solo si R es un subconjunto de X Y .
DEFINICIN 1.3.- Sean X, Y conjuntos; f : X Y es una aplicacin o funcin
de X en Y si y solo si f es una relacin de X en Y y adems satisface:
( x, y ) f ( x, z ) f y z
Si ( x, y ) f entonces y f (x) , y se denomina valor de f en x imagen de x
segn f.
DEFINICIN 1.4.- Sea f : X Y una funcin.
a) f es inyectiva si y solo si se cumple:
x1 , x 2 X : f ( x1 ) f ( x 2 ) x1 x 2
o equivalentemente,
x1 , x 2 X : x1 x 2 f ( x1 ) f ( x 2 ) .
b) f es suryectiva si y solo si f ( X ) Y ; es decir, para todo y Y , existe x X
tal que f ( x) y .
c) f es biyectiva si y solo si es inyectiva y suryectiva.
DEFINICIONES 1.5
a) Sea f : X Y y A X , llamaremos imagen de A segn f al conjunto
denotado por:
f ( A) { y Y / y f (a ), a A } .
b) Sea f : X Y y B Y , llamaremos pre-imagen o imagen inversa de B
segn f al conjunto denotado por:
1
----------------------------------------------------------------------------------------------------------
1
f ( B ) { x X / f ( x ) b, b B } .
DEFINICIN 1.6.- Sean f : X Y , g : Y W funciones, llamaremos funcin
composicin de g con f f seguida de g a la funcin denotada por:
g f : X W tal que ( g f )( x) g f ( x)
2. LEYES DE COMPOSICIN INTERNA Y EXTERNA

DEFINICIN 2.1.- Sea un conjunto A , llamaremos ley de composicin
interna definida en A a toda aplicacin de A A en A.
: A A A
(a1 , a 2 ) (a1 , a 2 ) a1 a 2
Es decir el resultado de operar dos elementos de A sigue estando en A.
DEFINICIN 2.2.- Sean A, dos conjuntos ( se denomina conjunto de
operadores o escalares). Llamaremos ley de composicin externa definida en A y
con operadores en , a toda aplicacin de A en A.
: A A
( , a ) ( , a ) a
3. LOS CONJUNTOS R n Y C n
Sea R el conjunto de nmero reales, C el conjunto de los nmeros complejos y n un
nmero entero positivo. Denotaremos por:
R n { x ( x1 , , x n ) / n uplas ordenadas , x i R, i 1, 2, , n }
sean x ( x1 , , x n ) , y ( y1 , , y n ) R n diremos que x y si y solo si xi y i
para todo i 1, 2, , n .
De manera anloga denotaremos:
C n { z ( z1 , , z n ) / n uplas ordenadas , z i C , i 1, 2, , n }
4. GRUPOS Y CAMPOS
DEFINICIN 4.1.- Sea un conjunto G , si en G definimos una ley de
composicin interna T, diremos que el objeto (G , T ) es un grupo si satisface las
siguientes condiciones:
G1) (a T b)T c a T (b T c) para todo a, b, c G .
G2) Existe e G tal que para todo a G se cumple que a T e e T a a
2
----------------------------------------------------------------------------------------------------------
G3) Para todo a G , existe a G tal que a T a a T a e .

Si adems de las tres condiciones se cumple:
G4) a T b b T a para todo a, b G .
Se dice que (G , T ) es un grupo conmutativo o grupo abeliano.
NOTAS:
(1) e se denomina elemento identidad o nulo del grupo.
(2) El elemento a relativo a la propiedad G3) recibe el nombre de elemento
inverso de a.
EJEMPLO 4.1.1.- ( Z , ), (Q, ), ( R, ), ( R {0} , ) donde "+" y "." denotan la
adicin y multiplicacin usuales, son grupos conmutativos.
EJEMPLO 4.1.2.- El conjunto de las matrices de componentes reales de orden
m n denotada por R mn con la operacin usual de suma de matrices es un grupo
abeliano.
(a i j ), (bi j ) R mn / (a i j ) (bi j ) (a i j bi j ) donde 1 i m y 1 j n .
EJEMPLO 4.1.3.- Sea n un nmero entero positivo, denotemos por

Z n [a ] / a Z , donde [a ] designa a la clase de restos mdulo n que contiene al
nmero a. Definimos en Z n una operacin tal que:
: Z n Z n Zn
[a], [b] [a ] [b] [a b]
donde + es la adicin usual en Z. ( Z , ) es un grupo conmutativo.
EJEMPLO PARTICULAR.- Sea n 3 , Z 3 [0] , [1] , [2] .
[0] [1] [2]

[0] [0] [1] [2]
[1] [1] [2] [0]
[2] [2] [0] [1]
DEFINICIN 4.2.- Sea un conjunto K , definimos en K dos leyes de

composicin internas:
Adicin:
:K K K
( a , b) a b
3
----------------------------------------------------------------------------------------------------------
Multiplicacin:
: K K K
(a , b) ab
Diremos que el objeto ( K , , ) es un campo si y solo si satisface las siguientes
condiciones:
K1) (a b) c a (b c) para todo a, b, c K .
K2) Existe 0 K tal que a 0 0 a a para todo a K . 0 es llamado elemento
nulo o cero.
K3) Para todo a K , existe un elemento de K que se llama opuesto de a o inverso
aditivo de a que denotaremos por a y es tal que: a ( a ) ( a ) a 0 .
K4) a b b a para todo a, b K .
K5) (ab) c a (bc ) para todo a, b, c K .
K6) Existe e K tal que a e e a a para todo a K . e es llamado elemento
idntico o identidad.
K7) Para todo a 0 elemento de K, existe un elemento tambin en K llamado
opuesto de a o inverso de a con respecto a la multiplicacin que se denota por
a 1 y es tal que: a a 1 a 1 a e .
K8) a b b a para todo a, b K .
K9) a (b c) a b a c y (a b) c a c b c para todo a, b, c K .
OBSERVACIONES:
(1) ( K , ) es un grupo aditivo conmutativo.
(2) ( K {0}, ) es un grupo multiplicativo conmutativo.
(3) El elemento 0 que cumple K2), y e que cumple K6) son nicos.
(4) El inverso aditivo y multiplicativo ( K3), K7)) de cada elemento es nico.
(5) a 0 0 para todo a K .
(6) a b 0 entonces a 0 b 0 . Esta propiedad se expresa diciendo que K no
tiene divisores de cero.
EJEMPLO 4.2.1.- (Q, , ), ( R, , ), (C , , ) donde "+" y "." son las
operaciones usuales de adicin y multiplicacin son campos.
4
----------------------------------------------------------------------------------------------------------
EJEMPLO 4.2.2.- Sea Z p [ a ] / a Z , [a ] como se vio en el ejemplo 4.1.3.
representa la clase de restos mdulo p donde p es primo. Definimos en Z p las
operaciones: [a ] [b] [a b]
[a ] [b] [a b]
donde "+" y "." son las operaciones usuales de adicin y multiplicacin. ( Z p , , . )
es un campo.
NOTA.- Si p no es primo la afirmacin anterior no es verdadera. En efecto,
consideremos:
Z 4 [0], [1], [2], [3] y construyamos la tabla siguiente:
[1] [2] [3]

[1] [1] [2] [3]
[ 2] [ 2] [ 0] [ 2]
[3] [3] [2] [1]
de la tabla podemos observar que [2] [0] pero; sin embargo, no tiene inverso
multiplicativo, es decir no cumple K7) de la definicin 4.2.
EJEMPLO 4.2.3.- Consideremos el conjunto Q ( 2 ) { a b 2 / a, b Q } . Si
sobre Q ( 2 ) se definen las operaciones
Adicin : (a b 2 ) (c d 2 ) (a c) (b d ) 2
Multiplicacin : (a b 2 )(c d 2 ) (ac 2bd ) (ad bc) 2

Probar que Q ( 2 ), , es un campo.
PRUEBA:
Slo probaremos la condicin K7) de la definicin 4.2.; las restantes condiciones no
ofrecen dificultad.
Sea a b 2 0 donde (b 0) , debemos probar que existe c d 2 tal que
( a b 2 ) (c d 2 ) 1 .
Sabemos que ( a b 2 ) (c d 2 ) ( a c 2bd ) (b c a d ) 2 1 1 0 2

De donde: a c 2bd 1 (1)
bc a d 0 (2)
despejando c de (1) y (2) respectivamente tenemos:
5
----------------------------------------------------------------------------------------------------------
1 2bd
c (3)
a
ad
c (4)
b
igualando (3) y (4), obtenemos:
b
d
2b a 2
2
y reemplazando el valor de d en (4), resulta:

a
c
a 2b 2
2
Luego:
a b 2
cd 2 2
a 2b
2 2
a 2b 2
Q( 2 ) es un campo.
EJEMPLO 4.2.4.- El conjunto Z ( 2 ) { a b 2 / a, b Z } con las operaciones

de adicin y multiplicacin definidas en el ejemplo 4.2.3. no es un campo. La
verificacin es inmediata.
6
----------------------------------------------------------------------------------------------------------
ESPACIOS VECTORIALES
En el clculo elemental se estudia funciones reales de una variable real; es decir,

funciones cuyo dominio y rango son R o subconjuntos de R. Para esto es necesario
conocer las propiedades de nmeros reales. Una situacin muy similar se presenta en el
lgebra lineal; los objetos realmente importantes son las transformaciones lineales que
son un tipo particular de funciones cuyo dominio y contradominio son conjuntos
dotados de una estructura muy importante: los espacios vectoriales. Es por lo tanto, la
intencin de este captulo dar los conceptos y propiedades bsicas de los espacios
vectoriales.
1. ESPACIOS VECTORIALES
DEFINICIN PRELIMINAR.- Dado un conjunto V , un campo ( K , , )
(que puede ser los reales R o los complejos C ), se define una ley de composicin
interna en V
: V V V
( x , y) x y
llamada adicin y se define una ley de composicin externa en V con escalares en el
campo K
: K V V
(a, x) ax
denominada multiplicacin por escalares. Diremos que el objeto (V , , K , ) es
un espacio vectorial sobre el campo K si y solo si verifica las siguientes
condiciones:
V1 ) ( x y ) z x ( y z ) para todo x, y , z V .
V2 ) Existe V tal que x x x , para todo x V . El elemento se
denomina neutro aditivo o cero.
V3 ) Para todo x V , existe y V tal que x y y x . El elemento y se
denomina opuesto de x y se denota por y x .
V4 ) x y y x para todo x, y V .
V5 ) a(bx) ( a b) x para todo a, b K , para todo x V .
V6 ) (a b) x a x b x para todo a, b K , para todo x V .
V7 ) a ( x y ) ax ay para todo a K , para todo x, y V .
V8 ) Existe 1 K llamado elemento idntico multiplicativo tal que 1 x x . Para
todo x V ,
7
----------------------------------------------------------------------------------------------------------
OBSERVACIONES:
a) Un conjunto V para que sea espacio vectorial sobre un campo K debe tener
definidas dos operaciones adicin y multiplicacin por un escalar; las
cuales deben cumplir las ocho propiedades arriba mencionadas. En caso que no
cumpla con alguna de ellas no es un espacio vectorial.
b) A los elementos de V se les llaman vectores y el elemento neutro aditivo
recibe el nombre de vector nulo.
c) Si K R , V es llamado espacio vectorial real y si K C , V se denomina
espacio vectorial complejo.
d) En lo que sigue de las notas si no se dice lo contrario en lugar de denotar la
adicin de vectores con el smbolo simplemente denotaremos con +,
haciendo la diferencia segn el contexto cuando se trata de la suma de vectores
( x y ) o la suma de escalares (a b) ; el smbolo se usar ms adelante
para denotar la suma directa.
Omitiremos escribir el smbolo que denota la ley de composicin externa,
simplemente con la yuxtaposicin se entender la multiplicacin de un vector
por un escalar haciendo la diferencia segn el contexto cuando se trate de la
multiplicacin de un vector por un escalar (ax) o la multiplicacin de dos
escalares (ab).
Con las precisiones hechas en d), la definicin de espacio vectorial se puede
enunciar formalmente como sigue:
DEFINICIN 1.1.- Dados un conjunto V , un campo K, una ley de

composicin interna + en V llamada adicin y una ley de composicin externa
definida en V y con operadores o escalares en K denominada multiplicacin
por escalares. Diremos que V es un K- espacio vectorial o que V es un espacio
vectorial sobre el campo K si y solo si se verifican las siguientes condiciones:
V1) ( x y ) z x ( y z ) para todo x, y , z V .
V2) Existe V tal que x x x , para todo x V . El elemento se
denomina neutro aditivo o cero.
V3) Para todo x V , existe y V tal que x y y x . El elemento y se
denomina opuesto de x y se denota por y x .
V4) x y y x para todo x, y V .
8
----------------------------------------------------------------------------------------------------------
V5) a (b x) (a b) x para todo a, b K , para todo x V .

V6) (a b) x ax bx para todo a, b K , para todo x V .
V7) a( x y ) ax ay para todo a K , para todo x, y V .
V8) Existe 1 K llamado elemento idntico multiplicativo tal que 1x x . Para todo
x V ,
EJEMPLO 1.1.1.- Sea V R n { ( x1 , , x n ) / xi R, i 1, 2, , n } y K R .
Dados x ( x1 , , x n ) , y ( y1 , , y n ) R n y a R , definimos:
x y ( x1 y1 , , x n y n )
a x (a x1 , , a x n )
( R n , , R, ) cumple las condiciones de espacio vectorial. En efecto:
V1) Sean x, y, z R n
( x y ) z [ ( x1 , , x n ) ( y1 , , y n ) ] ( z1 , , z n )
( x1 y1 , , x n y n ) ( z1 , , z n )
[ ( x1 y1 ) z1 , , ( x n y n ) z n ]
[ x1 ( y1 z1 ), , x n ( y n z n ) ]
( x1 , , x n ) ( y1 z1 , , y n z n )
x ( y z)
V2) Existe (0, , 0) R n / x x x , para todo x R n .
V3) Para todo x R n , existe y x ( x1 , , x n ) tal que x y y x .
V4) Sean x, y R n
x y ( x1 , , x n ) ( y1 , , y n )
( x1 y1 , , x n y n )
( y1 x1 , , y n x n )
yx
V5), V6), V7) y V8) se verifican anlogamente.
9
----------------------------------------------------------------------------------------------------------
EJEMPLO 1.1.2.- Consideremos F f : R R el conjunto de funciones

definida en los reales y con valores reales, y K R . Sean f , g F y a R
definimos:
( f g ) ( x) f ( x) g ( x) para todo x R
(a f )( x) a f ( x) para todo x R
La cuaterna (F , , R, ) es un espacio vectorial. Verificaremos slo las
condiciones V2) y V3), las dems quedan como ejercicio para el lector.
V2) Existe F definida como ( x) 0 para todo x R (funcin cero) y
cumple f f f para todo f F .
V3) Para todo f F , existe un opuesto que definimos como:
( f )( x) f ( x) tal que f ( f ) f f .
EJEMPLO 1.1.3.- R no es un espacio vectorial sobre K C . Pues si a C y
x R , no siempre se cumple que axa R ; es decir, no es una ley de composicin
externa.
EJEMPLO 1.1.4.- Sea K un campo, construyamos el conjunto:
K n ( k1 , , k n ) / k i K , i 1, 2, , n
para x ( k1 , , k n ), y ( k '1 , , k ' n ) K n y c K , definimos:
x y (k1 k '1 , , kn k 'n )
cx (ck1 , , ck n )
( K n , , K , ) es un espacio vectorial.
EJEMPLO 1.1.5.- Denotemos por:

x / x (a 0 , a1 , , a n , ) donde los a i K , son todos ceros, excepto un
K
nmero finito de elementos (nmeros)
Sean x (ai ), y (bi ) K y c K . Definimos:
x y (a 0 b0 , a1 b1 , , a n bn , )
cx (ca 0 , ca1 , , ca n , )
se deja al lector verificar que ( K , , K , ) es un espacio vectorial.
10
----------------------------------------------------------------------------------------------------------
EJEMPLO 1.1.6.- Consideremos P[x] el conjunto de las funciones polinomiales

en la indeterminada x de grado menor o igual que n (n Z ) sobre el campo de
los nmeros reales. Sean:
p ( x) a 0 a1 x a n x n , q ( x) b0 b1 x bn x n P[ x] y R
Definimos:
p ( x ) q ( x ) ( a 0 b0 ) ( a1 b1 ) x ( a n bn ) x n
p ( x ) a 0 a1 x a n x n
P[ x], , R, es un espacio vectorial. La verificacin es anloga en el ejemplo
1.1.2.
NOTA.- Si se considera el conjunto de todos los polinomios de grado igual a
n (n Z ) con las mismas operaciones, no constituye un espacio vectorial sobre R,
pues la adicin para este conjunto no es una ley de composicin interna.
EJEMPLO 1.1.7.- Sea K un campo, consideremos:

I m {1, , m }, I n {1, , n}
P {1, , m} {1, , n} { (i, j ) / 1 i m 1 j n }
es decir P I m I n (producto cartesiano de I m por I n ). Definimos:
a11 a1n

K m n
A : P K / A (i, j ) a i j K , A
a m1 a mn

A: P K
(1, 1) a11
(1, 2) a12

(1, n) a1n

(i , j ) a i j

(m, n) a mn
K mn recibe el nombre de conjunto de matrices de orden m n sobre el campo K.

Sean A, B K mn y K . Definimos la:
11
----------------------------------------------------------------------------------------------------------
Adicin : ci j ( A B ) (i, j ) A(i, j ) B (i, j ) a i j bi j
Multiplicacin : ci j ( A) (i, j ) A(i, j ) a i j
Fcilmente se verifica que K mn con las operaciones definidas arriba es un espacio

vectorial sobre K.
EJEMPLO 1.1.8.- Dado el sistema lineal homogneo:

a 11 x1 a 12 x 2 a 1 n x n 0

a m 1 x1 a m 2 x 2 a m n x n 0
con coeficientes en R.
Sea S { ( x1 , , x n ) /( x1 , , x n ) es solucin del sistema }
S con las operaciones usuales de adicin y multiplicacin por escalares es un
espacio vectorial sobre R.
EJEMPLO 1.1.9.- Sean V1 , V 2 espacios vectoriales sobre el campo K y

consideremos el conjunto:
V { (v1 , v 2 ) / v1 V1 v 2 V2 }
para (v1 , v 2 ), (v'1 v' 2 ) V y a K . Definimos:
(v1 , v 2 ) (v'1 v' 2 ) (v1 v'1 , v 2 v' 2 )
a (v1 , v 2 ) (a v1 , a v 2 )
V con las operaciones arriba definidas es un espacio vectorial sobre K.
EJEMPLO 1.1.10.- Sea f : (1, 1) R (R un espacio vectorial sobre R con las

operaciones usuales) tal que:
x
si x 0
f ( x) 1 x
x
si x 0
1 x
Es fcil mostrar que f as definida es una biyeccin.
Para x, y (1, 1) y a R definimos:
x y f 1
f ( x) f ( y)
ax f 1
af ( x)
12
----------------------------------------------------------------------------------------------------------
demostrar que (1, 1) con las operaciones arriba definidas es un espacio vectorial
sobre R.
SOLUCIN
Slo verificaremos las condiciones V1) y V7) las restantes se dejan al lector para
que las verifique.
1
V1 ) ( x y ) z f ( f ( x y ) f ( z ))
1 1
f (f(f ( f ( x) f ( y ))) f ( z ))
1
f (( f ( x) f ( y )) f ( z ))
1
f ( f ( x) ( f ( y ) f ( z )))
1 1
f ( f ( x) f ( f (( f ( y ) f ( z ))))
1
f ( f ( x) f ( y z ))
x ( y z)
V7) (a b) x ax bx para todo a, b R y para todo x (1, 1) .
1
ax bx f ( f (ax) f (bx))
1 1 1
f (f(f (af ( x)))) f ( f (bf ( x))))
1
f (af ( x) bf ( x))
1
f ((a b) f ( x))
( a b) x
PROPOSICIN 1.2.- Sea (V , , K , ) un espacio vectorial. Entonces se tiene:

i) El elemento es nico.
ii) 0 x para todo x V .
iii) a para todo a K .
iv) Si ax , entonces a 0 x .
v) ( a ) x (ax ) para todo a K y para todo x V .
PRUEBA.- Solamente, a modo de ilustracin, probaremos i) y v).
Prueba de i)
Supongamos que exista ' V tal que x ' ' x x para todo x V .
Haciendo x tenemos que:
' ' (1)
13
----------------------------------------------------------------------------------------------------------
Por otro lado en virtud de la condicin V2) de espacios vectoriales existe V tal
que x x x para todo x V , haciendo x tenemos que:
' ' ' (2)
de (1), (2) y V4) finalmente se tiene: '.
Prueba de v):
(ax) ax por V3)
0x por ii)
(a a) x por suma de opuestos en K
(ax ) ax ax ax por V6)
(ax) ax por la ley de cancelacin.
EJERCICIOS
1. Sean V R 2 y K R . Averiguar si R 2 con las operaciones definidas a

continuacin es un espacio vectorial sobre R.
a) ( x1 , y1 ) ( x 2 , y 2 ) ( x1 x 2 , 0) y a ( x, y ) (ax, 0)
b) ( x1 , y1 ) ( x 2 , y 2 ) ( x1 x 2 , y1 y 2 ) y a ( x, y ) (ax, 0)
(las operaciones que aparecen en el segundo miembro de las igualdades,
tanto en a) como en b) son la adicin y multiplicacin usuales).
2. En R 3 con la operacin usual de adicin y la multiplicacin definida como:
a R; ( x, y, z ) R 3 : a ( x, y, z ) (ax, ay, 2az )
averiguar si R 3 es un espacio vectorial sobre R.

3. Sean V R (el conjunto de los nmeros reales positivos) y K R . Se definen
las operaciones de adicin y multiplicacin por escalar como sigue:
x, y R : x y xy
a R; x R : a x xa
Averiguar si R con las operaciones definidas anteriormente es un espacio

vectorial sobre R.
4. Sean V=R y K=R; se define la operacin de adicin como sigue:
x, y R : x y mx{x, y}
Si la multiplicacin por escalar es la usual de nmeros reales, averiguar si R con
las operaciones antes definidas es un espacio vectorial.
14
----------------------------------------------------------------------------------------------------------
5. Sea Z el conjunto de los nmeros enteros con la adicin usual y la multiplicacin

por escalar definida por
a R, x Z : a x a x
donde a denota el mximo entero; esto es
a k k a k 1 ; k Z
Por ejemplo
2,75 4 2,75 4 (2)(4) 8 , 2,15 3 2,15 3 (3)(3) 9
Cules de las condiciones de espacio vectorial no se verifican?.

6. Sea el conjunto Q ( 2 ) { a b 2 / a, b Q } . Se define:
( a b 2 ) (c d 2 ) ( a c ) (b d ) 2
(a b 2 ) a b 2
Es ( Q ( 2 ), , K , ) un espacio vectorial?, Si:
(a) K Q ( 2 ) , (b) K Q y (c) K R .

7. Demostrar ii), iii) y iv) de la proposicin 1.2.
8. En el conjunto R 2 se definen la adicin y la multiplicacin como sigue:

x ( x1 , x 2 ) , y ( y1 , y 2 ) R 2 : x y ( x13 y13 ) 3 , ( x 23 y 23 )
1 1
3

a R ; x ( x1 , x 2 ) R 2 : a x (ax1 , ax 2 )
Averiguar si R 2 con las operaciones arriba definidas es un espacio vectorial.

9. En un grupo aditivo V se da la siguiente definicin. Para x V y para
cualquier entero positivo n, se define el producto nx inductivamente por
1x x y nx (n 1) x x
Para un entero negativo n, se define
nx (( n) x ) ,
donde n es un entero y por consiguiente ( n) x est bien definido. Denotando
por Z el conjunto de todos los enteros, demostrar que la aplicacin
Z V V
verifica las siguientes propiedades:
(n, x) nx
a) n( x y ) nx ny b) (m n) x) mx nx
c) ( mn) x m( nx ) d) 1x x
Es V un espacio vectorial?. La respuesta es obvia.
15
----------------------------------------------------------------------------------------------------------
2. SUBESPACIOS
DEFINICIN 2.1.- Sea (V , , K , ) un espacio vectorial cualesquiera. Diremos
que W, un subconjunto de V diferente del vaco es un subespacio si y solo si
(W , , K , ) con las operaciones definidas para V es por s mismo un espacio
vectorial.
NOTA.- El conjunto { } y V son subespacios vectoriales de V, denominados
subespacios triviales; cualquier otro subespacio es llamado subespacio propio.
Ntese adems que el elemento neutro aditivo de W es el mismo que el de V.
TEOREMA 2.2.- Sea V un K-espacio vectorial un espacio vectorial y W un
subconjunto de V diferente del vaco. W es un subespacio vectorial de V si y solo si:
i) Para todo x, y W , x y W .
ii) Para todo a K , para todo x W , ax W .
PRUEBA
) Es obvio
) Por hiptesis tenemos que se cumple i) y ii), probaremos que W es un K-espacio
vectorial.
V1) ( x y ) z x ( y z ) para que x, y, z W . Se verifica: x, y, z W V y
en V se cumple V1).
V2) Existe W / x x x para todo x W . En efecto, sea:
y W (1) y y W (por ii)) y ( y ) W por i)).
V3) Para todo x W , existe x W tal que x ( x) x x en virtud de i) y
ii).
Anlogamente se puede verificar que (W , , K , ) cumple las condiciones restantes
del espacio vectorial.
EJEMPLO 2.2.1.- Sea V R 2 y consideremos:

x
W ( x1 , x 2 ) R 2 /( x1 , x 2 ) (0, 0) 2 a , x1 0 y a constante
x1
W es un subespacio vectorial de V.
EJEMPLO 2.2.2.- Sea F el R-espacio vectorial de todas las funciones reales de

variable real, consideremos:
16
----------------------------------------------------------------------------------------------------------
C { f : R R / f es continua}
es un subespacio vectorial de F. En efecto, tenemos que C ya que C ,

pues : R R tal que ( x) 0 para que x R es una funcin continua. Las otras
condiciones se cumplen en virtud de las propiedades de funciones continuas.
EJEMPLO 2.2.3.- Sea ( R 3 , , R, ) y dados u (1, 3, 0) y v (2, 0, 1)
elementos de R 3 . Construimos:
W {w R 3 / w u a (v u ), a R }
W no es un subespacio de R 3 , pues es fcil verificar que cero no pertenece a W.
EJEMPLO 2.2.4.- Sea V F el R-espacio vectorial de todos las funciones reales

de variable real. Averiguar si el conjunto definido como:
W { f F / f (a b) f (a ) f (b) f ( a ) f (a )}
es un subespacio vectorial.
SOLUCIN
Haciendo uso del teorema 2.2. tenemos que W V por definicin y adems
W pues la funcin cero pertenece a W. Veamos si cumplen las condiciones i) y
ii) del teorema.
i) f , g W entonces:
f (a b) f (a ) f (b) f ( a ) f (a ) (1)
g (a b) g (a ) g (b) g ( a ) g (a ) (2)
Sumando las igualdades de (1) y (2) miembro a miembro
f (a b) g (a b) ( f (a ) f (b)) ( g (a ) g (b))
f ( a ) g ( a ) f ( a ) g ( a )
agrupando convenientemente y usando la definicin de suma de funciones,
tenemos:
( f g )(a b) ( f g )(a ) ( f g )(b) ( f g )( a ) ( f g )(a )
luego f g W .
ii) R, f W entonces:
R, f (a b) f (a ) f (b) f ( a ) f (a ) (3)
17
----------------------------------------------------------------------------------------------------------
multiplicando las igualdades de (3) por y de la definicin de producto de una

funcin por un escalar tenemos:
( f )(a b) ( f )(a ) ( f )(b) ( f )( a ) ( f )(a )
luego f W .
De i) y ii) W es un subespacio vectorial.
EJEMPLO 2.2.5.- Sea V C { f : R R / f es continua} y consideremos:
W1 { f C / 10 f (t ) dt 0 }
W2 { f C / 10 f (t ) dt 1}
W1 es un subespacio vectorial, W2 no es un subespacio pues no se cumplen las

condiciones del teorema 2.2. En efecto, tomemos f : R R tal que f (t ) 1 ,
entonces f W2 ya que 10 dt 1 , pero f f W2 pues 10 ( f (t ) f (t )) dt 2 1 .
EJEMPLO 2.2.6.- Sea V R nn el espacio vectorial de las matrices cuadradas de

orden n n sobre el campo R. Definimos:
S { A R nn / a i j a j i ; i, j }
T { A R nn / ai j a j i ; i, j }
Los elementos del conjunto S se denominan matrices simtricas, y a los elementos

de T se les llaman matrices antisimtricas. Los conjuntos S y T con las operaciones
heredadas de ( R nn , , R, ) son subespacios vectoriales.
EJEMPLOS 2.2.7.- Sea C nn {(ai j ) / ai j C } el espacio vectorial de las
matrices de componentes complejas sobre el campo R. Definimos:

H {( ai j ) C nn / ai j a j i ; 1 i, j n }
H es un subespacio de C nn .
18
----------------------------------------------------------------------------------------------------------
EJERCICIOS
1. Sea el espacio vectorial ( R 2 , , R, ) . Averiguar cules de los siguientes sub-

conjuntos son subespacios vectoriales:
a) U { ( x, y ) R 2 / x y 0 }
b) W { ( x, y ) R 2 / xy 0 }
c) S { ( x, y ) R 2 / x 2 y }
d) T { ( x, y ) R 2 / x 2 y 1}
2. Sea el espacio vectorial ( R 3 , , R, ) . Averiguar cules de los siguientes sub-

a) U 1 { ( x, y , z ) R 3 / x z }
b) U 2 { ( x, y, z ) R 3 / x 2 y 2 z 2 1}
c) U 3 { ( x, y , z ) R 3 / x y }
d) U 4 { ( x, y , z ) R 3 / 2 x y z 0 }
e) U 5 { ( x, y , z ) R 3 / x y z }
3. Sea el espacio vectorial (F , , R, ) , donde F { f : R R } (ver el

ejemplo 1.1.2.). Averiguar cules de los siguientes subconjuntos de F son
subespacios vectoriales.
a) W1 { f F / f (1) 0 }
b) W2 { f F / f (0) f (1) }
c) W3 { f F / f (0) f (1) 0 }
d) W4 { f F / f ( x ) 0 }
e) W5 { f F / f (1) 0 }
f (0) f (1)
f) W6 f F / f (1 / 2)
2
19
----------------------------------------------------------------------------------------------------------
g) W7 { f F / f ( x 2 ) ( f ( x )) 2 }
h) W8 { f F / f (3) 1 f (5) }
i) W9 { f F / f (1) 0 f (1) 0 }
j) W10 { f F / f (1) 0 f (1) 0 }
4. Sea el espacio vectorial (C 2 , , R, ) . Determinar cules de los siguientes sub-

a) S1 { ( z , u ) C 2 / z 2 u 2 0 }
b) S 2 { ( z , u ) C 2 / Re( z ) Re(u ) }
c) S 3 { ( z , u ) C 2 / Im( z ) 0 Re( z u ) Im( z ) }
d) S 4 { ( z , u ) C 2 / Im( z ) Im(u ) 0 }
5. Analizar si ( R 2 , , R, ) es un subespacio de ( R 3 , , R, ) .
6. Sea ( R 22 , , R, ) el espacio vectorial de las matrices cuadradas de orden
2 2 de entradas reales sobre R y A R 22 una matriz particular. Determinar

cules de los siguientes subconjuntos son subespacios vectoriales:
a) T1 { B R 22 / AB BA }
b) T2 { B R 22 / AB BA }
c) T3 { B R 22 / BA 0 }
3. OPERACIONES CON SUBESPACIOS

PROPOSICIN 3.1.- Sea Wi iI una familia de subespacios de (V , , R, ) . Si
W Wi
iI
entonces, W es un subespacio de V.
PRUEBA
W V por definicin y adems es no vaco ya que Wi i I , entonces W .
i) Sean x, y W x, y Wi i x y Wi i
x y W .
ii) Sean a K , x W a K x Wi i ax Wi i
ax W .
20
----------------------------------------------------------------------------------------------------------
EJEMPLO 3.1.1.- Sea ( R 3 , , R, ) y consideremos:
W1 { ( x, y, z ) R 3 / x y 0 }
W2 { ( x, y , z ) R 3 / 2 x z 0 }
W1 W2 { ( x, y, z ) R 3 / x y 0 2 x z 0 } es un subespacio de ( R 3 , , R, .)
DEFINICIN 3.2.- Sean W1 , W2 subespacios de (V , , R, ) . Definimos:
W { x V / x x1 x 2 , x1 W1 x 2 W2 }
W se denota por W W1 W2 y se le llama suma de subespacios W1 y W2 .
PROPOSICIN 3.3.- La suma de dos subespacios de V es un subespacio vectorial

de V.
PRUEBA
Sea W1 W2 { x V / x x1 x 2 , x1 W1 x 2 W2 }, W1 W2 V por definicin
y adems es diferente del vaco pues W1 W2 ya que se puede escribir
( es elemento de W1 y de W2 ).
i) x, y W1 W2 , debemos probar que x y W1 W2 .
x x1 x 2 , x1 W1 x 2 W2
y y1 y 2 , y1 W1 y 2 W2
x y ( x1 y1 ) ( x 2 y 2 ) W1 W2
pues x1 y1 W1 x 2 y 2 W2 .
ii) a K , x W1 W2 , debemos probar que ax W1 W2 .
x x1 x 2 ax ax1 ax 2 W1 W2 pues ax1 W1 ax 2 W2 .
Luego W1 W2 es un subespacio vectorial.
EJEMPLO 3.3.1.- En ( R 3 , , R, ) consideremos los subespacios:
W1 { ( x, 0, z ) R 3 / x, z R } y W2 { (0, y, z ) R 3 / y, z R }
Tenemos:
(u , v, w) R 3 /(u , v, w) ( x1 , 0, z1 ) (0, y 2 , z 2 );
W1 W2
( x1 , 0, z1 ) W1 y (0, y 2 , z 2 ) W2
21
----------------------------------------------------------------------------------------------------------
Podemos observar que W1 W2 R 3 pues cualquier vector (u , v, w) R 3 se puede

1 1 1
escribir como (u , v, w) (u , 0, w) (0, v, w) donde (u , 0, w) W1 y
2 2 2
1
(0, v, w) W2 .
2
DEFINICIN 3.4.- Sean V un espacio vectorial sobre K , W1 y W2 subespacios de

V. Diremos que V es la suma directa de los subespacios W1 y W2 y denotaremos
por:
V W1 W2 .
Si y solo si:
i) V W1 W2
ii) W1 W2 { }
EJEMPLO 3.4.1.- En ( R 2 , , R, ) consideremos los subespacios:
W1 { ( x, y ) R 2 / y x } y W2 { ( x, y ) R 2 / y x }
R 2 W1 W2 . En efecto:
i) Cualquier vector (u , v) R 2 se puede expresar como:

1 1 1 1
(u , v) ( (u v), (u v)) ( (u v), (v u ))
2 2 2 2
es decir que R 2 W1 W2 .
1 1 1 1
Obsrvese que ( (u v), (u v)) W1 y ( (u v), (v u )) W2 .
2 2 2 2
ii) Probaremos ahora que W1 W2 { (0, 0) } .
{ (0, 0) } W1 W2 se cumple siempre.
Sea ( x, y ) W1 W2 ( x, y ) W1 ( x, y ) W2 x y x y
x y 0 ( x, y ) { (0, 0) } . Luego W1 W2 { (0, 0) }

W1 W2 { (0, 0) } .
De i), ii) y la definicin 3.4 se tiene:
R 2 W1 W2
22
----------------------------------------------------------------------------------------------------------
EJEMPLO 3.4.2.- Sea V el espacio vectorial de todas las funciones de R en R; sea

V p el conjunto de las funciones pares ( f ( x) f ( x)) y Vi el conjunto de las
funciones impares ( f ( x) f ( x)) . Afirmamos que V V p Vi . En efecto:
i) Debemos probar que V V p Vi . Esta condicin se satisface del hecho que
cualquier funcin de R en R se puede escribir como:

1 1
f ( x) ( f ( x) f ( x)) ( f ( x) f ( x))
2 2
1 1
Ntese que ( f ( x) f ( x)) es una funcin par, y ( f ( x) f ( x)) es una
2 2
funcin impar.
ii) Probaremos que V p Vi { } .
Sea f V p Vi f V p f Vi
f ( x) f ( x), x R f ( x) f ( x), x R
2 f ( x) 0, x R f
De i), ii) y definicin 3.4. tenemos que:
V V p Vi
EJEMPLO 3.4.3.- Sea V el espacio vectorial de las matrices cuadradas sobre el

campo R; y consideremos:
U { A V / A A T } conjunto de las matrices simtricas.
W { A V / A A T } conjunto de las matrices antisimtricas.

Demostrar que V U W .
i) Demostraremos que V U W . Sea A una matriz cuadrada arbitraria de orden
n. Siempre es posible expresar A como:
1 1
A ( A AT ) ( A AT )
2 2
Slo nos falta hacer ver que:
1
a) ( A AT ) U y
2
1
b) ( A AT ) W
2
Probando a)
23
----------------------------------------------------------------------------------------------------------
1 1
( ( A AT )) T ( A AT ) T
2 2

2

1 T
A AT T

1 T
( A A)
2
1
( A AT )
2
Probando b)
1 1
( ( A AT ))T ( A AT )T
2 2

2

1 T
A AT T
1 T
( A A)
2
1
( A AT )
2
Luego satisface la condicin i).
ii) Demostraremos que U W { } .
Sea A U W A U A W A AT A AT A .
Luego U W { } .
De i), ii) y de la definicin 3.4 se tiene:
V U W
OBSERVACIN 3.5.- La definicin de suma de espacios puede ser generalizada
para una familia finita de subespacios. En efecto la suma de los subespacios
W1 , W2 , , Wn de (V , , K , ) es el conjunto:
n
n

W Wi v V / v wi wi Wi ; i 1, 2, , n
i 1 i 1
W es un subespacio de (V , , K , ) . Adems si tales subespacios tienen como nico
elemento comn al vector cero, es decir si para todo i j se tiene que
Wi W j { } , entonces diremos que W es la suma directa y escribiremos:
W W1 W2 Wn
24
----------------------------------------------------------------------------------------------------------
EJERCICIOS
1. Sea V R 4 y v1 (1, 2, 0, 3), v 2 (1, 4, 3, 1), v3 (2, 6, 3, 2) elementos de
R 4 . Definimos:
W1 {v R 4 / v av1 bv 2 ; a, b R }
W2 {v R 4 / v av3 ; a R }
i) Calcule W1 W2
ii) Hallar un vector de R 4 tal que no pertenezca a W1 .
iii) Si consideramos W3 {v R 4 / v av1 bv 2 cv3 ; a, b, c R } .
Cul es la relacin que existe entre W1 y W3 ?
2. Dados U y W subespacios de V. Demostrar que U W es un subespacio de V

si y solo si U W W U .
3. Extendemos la definicin de suma a subconjuntos arbitrarios no vacos (no
necesariamente subespacios) S y T de un espacio vectorial V definiendo
S T {s t / s S t T }
Demostrar que esta operacin satisface:
i) S T T S
ii) S { } { } S S
ii) ( S1 S 2 ) S 3 S1 ( S 2 S 3 )
iv) S V V S V
4. Demostrar que para todo subespacio vectorial W de V se tiene que W W W .
5. Dados U, W y T subespacios de un espacio vectorial V. Demostrar:
(U T ) (U W ) U (T W )
6. Sean U, V y W subespacios de ( R 3 , , R, ) donde:

U { ( x, y, z ) / x y z 0 } , V { ( x, y, z ) / x y } y W { (0, 0, z ) / z R }
a) Calcular U V , U W y V W .
b) Decir en cual de los tres casos anteriores de la parte a) la suma es directa.
7. Dada la recta L1 { ( x, y ) R 2 / y 5 x } . Hallar otra recta L2 tal que
R 2 L1 L2
25
----------------------------------------------------------------------------------------------------------
4. INDEPENDENCIA Y DEPENDENCIA LINEAL BASE Y DIMENSIN DE

UN ESPACIO VECTORIAL
DEFINICIN 4.1.- Sea (V , , K , ) un espacio vectorial y A {v1 , v 2 , , v n } un
subconjunto de V diferente del vaco, llamaremos combinacin lineal (c.l.) de
elementos de A a todos los vectores de la forma:
n
a v
i 1
i i a1v1 a 2 v 2 a n v n , donde ai K y vi A .
Diremos que v V es una combinacin lineal de los elementos de A si existen

escalares a1 , a 2 , , a n K tal que:
n
v a i vi , vi A
i 1
EJEMPLO 4.1.1.- Dado v1 (1, 1, 0) y v 2 (1, 2, 2) vectores del espacio vectorial
( R 3 , , R, ) . Averiguar si los vectores u (0, 1, 3), w (1, 0, 2) son

combinaciones lineales de v1 y v 2 .
SOLUCIN
Para u: Si u fuera combinacin lineal de v1 y v 2 se podra escribir u a1v1 a 2 v 2
para a1 , a 2 R .
(0, 1, 3) a1 (1, 1, 0) a 2 (1, 2, 2)
(a1 , a1 , 0) (a 2 , 2a 2 , 2a 2 )
(a1 a 2 , a1 2a 2 , 2a 2 )
a1 a 2 0 (1)

a1 2a 2 1 ( 2)
2a 2 3
(3)
de (3) a 2 3 / 2 y reemplazando dicho valor en (2) se tiene a1 2 . Sustituyendo

dichos valores en la ecuacin (1) se tiene:
1
0 ( )
2
luego para u no existen nmeros reales a1 , a 2 tales que u a1v1 a 2 v 2 . En
consecuencia u no es c.l. de v1 y v 2 .
Para w: w b1v1 b2 v 2
(1, 0, 2) b1 (1, 1, 0) b2 (1, 2, 2)
26
----------------------------------------------------------------------------------------------------------
(b1 , b1 , 0) (b2 , 2b2 , 2b2 )

(b1 b2 , b1 2b2 , 2b2 )
b1 b2 1 (1' )

b1 2b2 0 ( 2' )
2b2 2
(3' )
de las ecuaciones (2) y (3) resulta b1 2 y b2 1 reemplazando dichos valores

en (1) satisface la ecuacin. Luego existen b1 2 y b2 1 tal que
(1, 0, 1) 2(1, 1, 0) (1, 2, 2) ; entonces w es combinacin lineal de v1 y v 2 .
EJEMPLO 4.1.2.- Dado el espacio vectorial (F , , R, ) y considerando
f , g, h F definidas como f (t ) sen t , g (t ) cos t y h(t ) t 2 . Hallar todos los

nmeros reales tales que af bg ch .
SOLUCIN
af bg ch
(af bg ch)(t ) (t ) 0
af (t ) bg (t ) ch(t ) 0
a sen t b cos t c t 2 0 (1)

derivando (1)
a cos t b sen t 2c t 2 0 (2)
nuevamente derivando (2)
a sen t b cos t 2c 0 (3)
En las ecuaciones (1), (2) y (3) para todo t 0 se tiene:
b0 (1)
a0 (2)
b 2c 0 (3)
de (1), (2) y (3) concluimos que los nicos nmeros reales que satisfacen la
ecuacin af bg ch son:
abc0
DEFINICIN 4.2.- Sean V un espacio vectorial sobre un campo K y
A {v1 , , v n } un subconjunto de V diferente del vaco, definimos el conjunto:
L{ A} { v V / v es combinacin lineal de elementos de A}.
PROPOSICIN 4.3.- El conjunto L{A} definido en 4.2. es un subespacio de V.
27
----------------------------------------------------------------------------------------------------------
PRUEBA
Tenemos que A {v1 , , v n } es un subconjunto de V diferente del vaco. L{ A} V
por definicin y L{A} puesto que A , existe por lo menos un elemento

vi A para i entre 1 y n que se puede escribir como:
vi 0v1 0vi 1 vi 0vi 1 0v n

i) Sean v, u L{ A} , entonces mostraremos que v u L{A} .
v L{A} , entonces existen escalares a1 , , a n K tal que

n
v a i vi (1)
i 1
u L{A} , entonces existen escalares b1 , , bn K tal que

n
u bi vi (2)
i 1
de (1) y (2)
n n n n
v u ai vi bi vi (ai bi )vi ci vi
i 1 i 1 i 1 i 1
donde ci ai bi .
v u L{A}
ii) Sea a K , v L{ A} hay que mostrar que av L{A} .
v L{A} entonces existen escalares a1 , , a n K tal que

n n n n n
v ai vi av a ai vi a (ai vi ) (aa i )vi bi vi
i 1 i 1 i 1 i 1 i 1
donde bi aai
av L{A}
luego L{A} es un subespacio de V y es llamado subespacio generado por A.
EJEMPLO 4.3.1.- En el espacio vectorial ( R 3 , , R, ) consideremos

A {(1, 2, 1), (3, 0, 1)} , hallar el subespacio L{A} .
SOLUCIN
L{ A} {( x, y, z ) R 3 /( x, y, z ) a (1, 2, 1) b (3, 0, 1); a, b R }
( x, y, z ) a (1, 2, 1) b (3, 0, 1)
(a 3b, 2a, a b)
28
----------------------------------------------------------------------------------------------------------
a 3b x

2a y (*)
a b z

en el sistema (*) eliminando a y b
y
y 3b x 2 (1)
a y
2 y
b z ( 2)
2
multiplicando (2) por 3 y sumando con (1), resulta x 2 y 3 z 0 .
L{ A} {( x, y, z ) R 3 / x 2 y 3 z 0 } que es un plano en R 3 que pasa por el

origen.
EJEMPLO 4.3.2.- En el espacio ( R 3 , , R, ) averiguar si los conjuntos:
A {(0, 1, 1), (2, 1, 3), (2, 5, 1)} y B {(1, 1, 1), (1, 2, 4), (1, 0, 2)} generan el
mismo subespacio.
SOLUCIN
i) L{ A} {( x, y, z ) R 3 /( x, y, z ) a (0, 1, 1) b(2, 1, 3) c(2, 5, 1) ; a, b, c R }
( x, y, z ) a (0, 1, 1) b(2, 1, 3) c(2, 5, 1)
(2b 2c, a b 5c, a 3b c)
x 2b 2c (1)

y a b 5c ( 2)
z a 3b c
(3)
eliminando a, b y c
(2)-(3) y z 4b 4c (4)
y ahora multiplicando (1) por 2 y restando (4) resulta: 2x y z 0
Luego L{ A} {( x, y, z ) R 3 / 2 x y z 0 }
ii) L{B} {( x, y, z ) R 3 /( x, y, z ) a (1,1, 1) b(1, 2, 4) c(1, 0, 2) ; a, b, c R }

( x, y, z ) a (1, 1, 1) b(1, 2, 4) c(1, 0, 2)
(a b c, a 2b, a 4b 2c)
x a b c (1' )

y a 2b ( 2' )
z a 4b 2c
(3' )
eliminando a, b y c
29
----------------------------------------------------------------------------------------------------------
(2)-(3) y z 2a 2b 2c ( 4' )
y ahora multiplicando (1) por 2 y restando ( 4' ) resulta: 2 x y z 0
Luego L{B} {( x, y, z ) R 3 / 2 x y z 0 }
De i) y ii) L{ A} L{B} . Es decir, A y B generan los mismos subespacios.
PROPOSICIN 4.4.- Sea el espacio vectorial (V , , K , ) , A {v1 , , v n } un
subconjunto de V diferente del vaco y Wi iI la familia de todos los subespacios
tales que A Wi , para todo i I . Entonces:
L{ A} Wi
iI
PRUEBA
i) Probaremos L{ A } Wi .
iI
n
Sea v L{A} , entonces existen escalares a1 , , a n K tal que v a j v j ;
j 1
v j A, j 1, , n . Pero como A Wi , i I v j Wi , i I , j 1, , n
n
v a j v j ; v1 , , v n Wi , i I v Wi ; i I v Wi
j 1 iI
L{ A} Wi .
iI
ii) Ahora verificaremos que W

iI
i L{A} .
A L{A} . En efecto, para v j A ; j 1, , n se puede escribir siempre
v j 0v1 0v j 1 1v j 0v j 1 0v n ; j 1, , n .
A L{ A} L{ A} Wi 0 para algn i 0 I
Wi Wi 0 L{ A} Wi L{ A}
iI iI
Luego de i) y ii) L{ A} Wi .
iI
NOTA.- La proposicin 4.4. tambin se puede enunciar diciendo que L{A} es el

menor de todos los subespacios que contienen a A.
DEFINICIN 4.5.- Un subconjunto diferente del vaco, de vectores {v1 , v 2 , , v n }
de un espacio vectorial V sobre un campo K, se dice que es linealmente
independiente (l.i.) si y solo si:
30
----------------------------------------------------------------------------------------------------------
a v
i 1
i i ai 0 ; i 1, , n
Si {v1 , v 2 , , v n } no cumple esta condicin diremos que {v1 , v 2 , , v n } es

linealmente dependiente (l.d.); es decir
n
a v
i 1
i i y a i 0 para algn i entre 1 y n
EJEMPLO 4.5.1.- En R 3 , e1 (1, 0, 0), e2 (0, 1, 0) y e3 (0, 0, 1) son

linealmente independientes.
EJEMPLO 4.5.2.- En R 3 , v1 (1, 2, 3), v 2 (2, 1, 1) y v3 (1, 8, 11) son
linealmente dependientes, pues 3v1 (2)v 2 (1)v3 .
1 0 0 1 0 0 0 0
EJEMPLO 4.5.3.- En R 22 , , , , son linealmente
0 0 0 0 1 0 0 1
independientes
EJEMPLO 4.5.4.- En F , el espacio vectorial de las funciones sobre R, {e t , e 2t }
es linealmente independiente. En efecto, sea la combinacin lineal:
ae t be 2t 0 (1)
derivando (1) obtenemos:
ae t 2be 2t 0 (2)
y resolviendo (1) y (2) resulta a b 0 .
PROPOSICIN 4.6.- Sea (V , , K , ) un espacio vectorial.
a) Un vector v V es linealmente independiente. si y solo si v .
b) Si v1 , v 2 , , v n son linealmente independientes, entonces v1 , v 2 , , v m donde
1 m n tambin son linealmente independientes.

PRUEBA
a) ) Asumamos que v es linealmente independiente en V.
Por el absurdo supongamos que v , entonces av , a K . En particular
si elegimos a 1 , tenemos que 1v , lo cual es una contradiccin con el
hecho de que v es linealmente independiente.
Luego v .
) Ahora asumiendo que v .
av a 0 v
31
----------------------------------------------------------------------------------------------------------
pero con v por hiptesis, resulta que a 0 y en consecuencia v es

linealmente independiente.
b)
n m n
a i vi a i vi
i 1 i 1
a v
i m 1
i i
ai 0 , para todo i 1, , n por ser v1 , , v n linealmente independientes.
ai 0 , para todo i 1, , m para los v1 , , v m , pues m n
v1 , , v m son linealmente independientes.
Dado un espacio vectorial (V , , K , ) , hemos definido el concepto de linealmente

independiente, para un subconjunto S finito diferente del vaco. Extenderemos ahora
esta definicin cuando S es un subconjunto cualquiera de V.
DEFINICIN 4.7.- Sean (V , , K , ) un espacio vectorial, S V , diremos que S es
linealmente independiente si todo subconjunto finito de S es linealmente
independiente.
PROPOSICIN 4.8.- Sean S y S ' subconjuntos de V tal que S S ' . Entonces:

i) Si S ' es linealmente independiente, entonces S tambin lo es.
ii) Si S es linealmente dependiente tambin lo es S ' .
PRUEBA. Queda como ejercicio.
EJEMPLO 4.8.1.- Sea P [x] el espacio vectorial de los polinomios con coeficientes
en R e indeterminada x. S {1, x, x 2 , , x n , } es linealmente independiente.

DEFINICIN 5.9.- Dado un espacio vectorial V sobre un campo K, llamaremos
base de V a todo subconjunto no vaco S de V que cumple las siguientes condiciones:
i) S es linealmente independiente.
ii) L{S } V
EJEMPLO 4.9.1.- El conjunto {e1 , e2 , e3 } es una base para el espacio vectorial
( R 3 , , R, ) , donde e1 (1, 0, 0), e2 (0, 1, 0) y e3 (0, 0, 1) .
EJEMPLO 4.9.2.- El conjunto {e1 , e2 , , en } es una base para el espacio vectorial
( R n , , R, ) , donde e1 (1, 0, , 0), e2 (0, 1, , 0) ,..., en (0, 0, , 1) son

n-uplas.
32
----------------------------------------------------------------------------------------------------------
1 0 0 1 0 0 0 0
EJEMPLO 4.9.3.- El conjunto , , , es una base
0 0 0 0 1 0 0 1
para el espacio vectorial ( R 22 , R ,.) .
EJEMPLO 4.9.4.- Hallar una base para S {( x, y, z ) R 3 / 2 x y 2 z 0 }
subespacio de ( R 3 , , R, ) .
SOLUCIN
S {( x, y, z ) R 3 / 2 x y 2 z 0 }
{( x, 2 x 2 z , z ) / x, z R }
{( x, 2 x, 0) (0, 2 z , z ) / x, z R }
{ x(1, 2, 0) z (0, 2,1) / x, z R }
L {(1, 2, 0), (0, 2,1)}
El conjunto {(1, 2, 0), (0, 2,1)} es una base para S, pues:
i) Es linealmente independiente.
ii) S L {(1, 2, 0), (0, 2,1)}
PROPOSICIN 4.10.- Un conjunto de elementos {v1 , , v n } del espacio vectorial
V sobre un campo K forman una base si y solo si v V , v puede ser expresado de

forma nica como combinacin lineal de v1 , , v n .
PRUEBA
) Asumamos que v1 , , v n es una base. Sabemos que v V , v puede ser
expresado como una combinacin lineal de v1 , , v n . Supongamos que v se puede

n n n
expresar de dos formas, es decir v ai vi bi vi (ai bi )vi , pero
i 1 i 1 i 1
como v1 , , v n son linealmente independientes:
ai bi 0, i 1, , n
ai bi , i 1, , n
) Recprocamente, asumamos que v1 , , v n tiene la propiedad que v V , v
puede ser expresado de una nica forma como combinacin lineal de los v1 , , v n .
Por lo tanto es L {v1 , , v n } V .
33
----------------------------------------------------------------------------------------------------------
Nos resta probar que v1 , , v n son linealmente independientes. Supongamos que

n n
ai vi 0vi , entonces, por la unicidad ai 0 para todo i 1, , n .

i 1 i 1
Luego {v1 , , v n } forma una base.
LEMA 4.11.- Sea S {v1 , , v n } un conjunto de generadores para el espacio

n
vectorial (V , , K , ) . Sea v V tal que v ai vi , si ai 0 para algn i,
i 1
entonces V L{S i } , donde S i ( S {v}) {vi } , ( S i {v1 , , vi 1 , v, vi 1 , , v n } ).
PRUEBA
Sea u V un elemento arbitrario, mostraremos que u se puede expresar como una
combinacin lineal de elementos de S i .
n
Por hiptesis: V L{S } u bi vi (1)
i 1
Adems tenemos que:

n n
v a i vi v a j v j a i vi
i 1 j i
1
vi v ( a j / a i )v j (2)
ai j i
reemplazando (2) en (1)

1
u b1v1 bi v ( a j / ai )v j bn v n
ai j i
(b1 (bi a1 / ai ))v1 (b2 (bi a 2 / ai ))v 2 (bi / ai )v (bn (bi a n / ai ))v n
denotando
c1 b1 (bi a1 / ai ), c 2 b2 (bi a 2 / ai ), , ci bi / ai , , c n bn (bi a n / ai )
tenemos
u c1v1 c 2 v 2 ci v c n v n
V L{S i }
PROPOSICIN 4.12.- Sean (V , , K , ) un espacio vectorial
S {v1 , v 2 , , v n } V y S ' {u1 , u 2 , , u m } L{S } .
Si S ' es linealmente independiente, entonces m n .
34
----------------------------------------------------------------------------------------------------------
PRUEBA
Consideremos V1 L{S} .
n
Sea u V1 u1 ai vi
i 1
Suponemos que a1 0 (reordenando si fuera necesario) y por el lema anterior
L{u1 , v 2 , v3 , , v n } V1 .
Ahora sea u 2 V1 u 2 b1u1 b2 v 2 bn v n
bi 0, i 2 ; pues de suponer lo contrario resultara u 2 b1u1 que es una
contradiccin ya que u 2 es linealmente independiente.

Suponemos que b2 0 (reordenando si fuera necesario) y aplicando nuevamente el
lema anterior tenemos que:
L{u1 , u 2 , v3 , , v n } V1
Afirmacin m n
Por el absurdo, supongamos que m n , entonces el proceso anterior se podra seguir
inductivamente hasta obtener L{u1 , u 2 , , u n } V1 ; pero si m n , entonces
m n 1 u n 1 por estar en V1 sera combinacin lineal de u1 , u 2 , , u n , lo que es
una contradiccin con el hecho de que {u1 , u 2 , , u n } son linealmente
independientes. Dicha contradiccin proviene de haber supuesto que m n .

COROLARIO 4.12.1.- Sea (V , , K , ) un espacio vectorial. Si S {v1 , , v n } y
S ' {u1 , , u m } son bases del espacio vectorial V, entonces n m .
PRUEBA
i) Si S es base de V, entonces L{S } V . Por otra parte, S ' V L{S } y S ' es
linealmente independiente por ser base de V, en virtud de la proposicin 5.12.
resulta que m n .
ii) Anlogamente, S ' base de V L{S '} V . Como S V L{S '} y S
linealmente independiente por ser base de V, aplicando nuevamente la
proposicin 5.12. resulta que n m .
De i) y ii) se sigue que m n .
NOTA.- Del corolario podemos observar que si V tiene una base infinita, entonces
cualquier otra base tiene un nmero infinito de elementos.
35
----------------------------------------------------------------------------------------------------------
DEFINICIN 4.13.- Llamaremos dimensin de un espacio vectorial V sobre un

campo K, al nmero de elementos de cualquiera de sus bases.
NOTACIN.- Denotamos por dim K V y se lee dimensin de V sobre el campo
K.
OBSERVACIN 4.13.1.
(1) Si V tiene como nico elemento el vector nulo, convenimos que la dimensin de
V es cero. Es decir dim K { } 0 .
(2) Si V tiene una base infinita, la dimensin de V denotaremos por dim K V .
EJEMPLO 4.13.2.- El conjunto {(1, 0, 0), (0, 1, 0), (0, 0, 1)} es una R base para
R 3 , entonces dim R R 3 3 .
EJEMPLO 4.13.3.- El conjunto {(1, 0, , 0), (0, 1, , 0), , (0, 0, , 1)} es una
K base para K n , entonces dim K K n n .
EJEMPLO 4.13.4.- Sea V { p (t ) a 0 a1t a 2 t 2 a3 t 3 / a 0 , a1 , a 2 , a3 R}
dim R V 4 , pues {1, t , t 2 , t 3 } es una R base para V.
EJEMPLO 4.13.5.- Dado (C n , , R, ) . Cul es la dimensin de C n sobre R?

SOLUCIN
C n {( z1 , , z n ) / z j C , j 1, , n}
z j C donde z j a j ib j y podemos escribir:
z j (a j i 0) (0 ib j )
Afirmamos que:
B {(1, 0, , 0), (i, 0, , 0), (0, 1, , 0), (0, i, , 0), , (0, 0, , 1), (0, 0, , i )}
es una base.
En efecto
i) B es linealmente independiente.
ii) L{B} C n , pues cualquier ( z1 , , z n ) C n se puede escribir como:
( z1 , , z n ) a1 (1, 0, , 0) b1 (i, 0, , 0) a n (0, 0, ,1) bn (0, 0, , i )
(a1 ib1 , , a n ibn )
donde z j a j ib j para todo j 1, , n .
Luego dim R C n 2n .
36
----------------------------------------------------------------------------------------------------------
PROPOSICIN 4.14.- Sea (V , , K , ) un espacio vectorial finito dimensional

(asumamos que dim K V n ). Se cumple:
i) Si S {u1 , , u m } V donde m n , entonces S es linealmente dependiente

sobre K.
ii) Si S {u1 , , u m } V donde m n , entonces S es L{S } V .
iii) Si S {u1 , , u m } V es linealmente independiente sobre K, entonces S es

una base para V.
iv) Si S {u1 , , u m } V genera V. Entonces S es una base para V.
PRUEBA.- Queda como ejercicio.
LEMA 4.15.- Sea S {v1 , , v m } un subconjunto linealmente independiente de un
espacio vectorial V sobre un campo K. Si v V es un vector tal que v L{S } ,

entonces S ' {v1 , , v m , v} tambin es linealmente sobre K.
PRUEBA
Sea a1v1 a 2 v 2 a m v m av 0 .
Afirmamos que a 0 . Pues si suponemos que a 0 tenemos que:

v (a1 / a )v1 (a 2 / a )v 2 (a m / a )v m v L{S }
lo cual es una contradiccin ya que por hiptesis v L{S } .

a 0 y como a1 a m 0 , resulta que S ' es linealmente independiente.
TEOREMA 4.16.- (Completacin de bases)

Sea V un espacio vectorial sobre un campo K, tal que dim K V n , W subespacio de
V y {v1 , , v m } es base de W. Entonces se cumple:
i) m n.
ii) Si m n , entonces existen v m 1 , , v n V tal que {v1 , , v m , v m 1 , , v n } es
una base para V.
PRUEBA
i) Sea {u1 , , u n } una base para V. Entonces V L{u1 , , u n } , pero
L{u1 , , u n } {v1 , , v m } y en virtud d la proposicin 5.12. podemos
implicar que m n ya que {v1 , , v m } al ser base, es linealmente

independiente.
37
----------------------------------------------------------------------------------------------------------
ii) Si m n , entonces W V , luego existe v m 1 V tal que v m 1 W
v m 1 L{v1 , , v m } por el lema 5.15. {v1 , , v m , v m 1 } es l.i.
Si L{v1 , , v m , v m 1 } V , entonces la prueba finaliza. En caso contrario, si
L{v1 , , v m , v m 1 } V , existe v m 2 V tal que v m 2 L{v1 , , v m , v m 1 } ,
entonces nuevamente en virtud del lema 5.15. {v1 , , v m , v m 1 } es l.i.
Si L{v1 , , v m , v m 1 , v m 2 } V , entonces la demostracin concluye. En caso

contrario seguimos el proceso anterior.
Pero por hiptesis la dim K V n , entonces existirn slo un nmero finito
v m 1 , v m 2 , , v m p V tal que {v1 , , v m , v m 1 , , v m p } es l.i. y adems
genera V.
COROLARIO 4.16.1.- Sea W un subespacio de un espacio vectorial V sobre K.
V W dim K W dim K V
COROLARIO 4.16.2.- Sea V un espacio vectorial de dimensin finita sobre un
campo K y W un subespacio propio de V. Entonces existe un subespacio U propio de
V tal que: V W U
PRUEBA
Hay que demostrar la existencia de U y adems
i) V W U
ii) W U { }
Como V es de dimensin finita, sea dim K V n . Consideremos {w1 , , wm } , donde
m n es una base para U V . Entonces por el teorema de completacin de bases

existen u1 , , u n m V tal que {w1 , , wm , u1 , , u n m } es una base para V, as
definida U V .
Nos resta probar que
L{w1 , , wm , u1 , , u n m } W U V
i) Sea v V como {w1 , , wm , u1 , , u n m } es una base para V, podemos

escribir:
m nm
v ai wi bi u i
i 1 i 1
m nm
donde v a i wi W y b u i i U
i 1 i 1
38
----------------------------------------------------------------------------------------------------------
V W U
ii) W U { } es evidente por la definicin de U.
Por consiguiente existe U subespacio propio de V tal que:
V W U
EJEMPLO 4.16.3.- Sea el espacio vectorial ( R 2 , , R, ) y W {( 2t , t ) / t R} .
Encontrar U R 2 tal que R 2 W U .

SOLUCIN
W {( 2t , t ) / t R}
{ t (2, 1) / t R}
L{( 2, 1)}
{( 2, 1)} es una base para W R 2 .
Completamos dicha base para R 2 y sea {( 2, 1), (1, 2)} .
Definimos U L{(1, 2)} y R 2 W U .
EJEMPLO 4.16.4.- Sea el espacio vectorial ( R 3 , , R, ) y
W {( x, y, z ) R 3 / 3 x y z 0 }
1) Hallar una base para W.
2) Construir U subespacio de R 3 tal que R 3 W U .
SOLUCIN
1) W {( x, y, z ) R 3 / 3 x y z 0 }
{( x, 3 x z , z ) / x, z R }
{( x, 3 x, 0) (0, z , z ) / x, z R }
{x(1, 3, 0) z (0, 1, 1) / x, z R }
L{(1, 3, 0), (0, 1, 1)}
{(1, 3, 0), (0, 1, 1)} es una base para el subespacio W.
2) Completamos dicha base para R 3 y sea {(1, 3, 0), (0, 1, 1), (1, 0, 0)} . Definimos
U L{(1, 0, 0)} y R 3 W U .
EJEMPLO 4.16.5.- En el espacio vectorial ( R 22 , , R, ) y
W { A R 22 / Tr ( A) 0 }
39
----------------------------------------------------------------------------------------------------------
1) Hallar una base para W.

2) Construir U subespacio de R 22 tal que R 22 W U .
SOLUCIN
Definicin.- Dada A (ai j ) R nn definimos la traza de A denotada por Tr ( A)
como la suma de los elementos de la diagonal. Es decir:

n
Tr ( A) aii
i 1
1) Hallamos una base para W.

W { A R 22 / Tr ( A) 0 }
a a12
11 / a11 a 22 0
a 21 a 22
a a12
11 / a11 , a12 , a 21 R
a 21 a11
a 0 0 a12 0 0
11 / a11 , a12 , a 21 R
0 a11 0 0 a 21
0
1 0 0 1 0 0
a11 a12 a 21 / a11 , a12 , a 21 R
0 1 0 0 1 0
1 0 0 1 0 0
L , 0 0 , 1 0
0 1
1 0 0 1 0 0
, 0 0 , 1 0 es una base para W dim R W 3 .
0 1
2) Pero sabemos que dim R R 22 4 . Luego tenemos que completar la base de W
con un vector ms de R 22 que con los ya hallados sea l.i. Si elegimos

1 0 2 2
0 0 R .

1 0 0 1 0 0 1 0
0 0 , 1 0 , 0 0 es una base para R .
2 2
,
0 1
1 0 22
Definimos U L y se cumple que R W U .
0 0
PROPOSICIN 4.17.- Sea V un espacio vectorial sobre un campo K de dimensin
finita ( dim VK n ). Si U, W son subespacios de V, entonces se verifica que:
40
----------------------------------------------------------------------------------------------------------
dim K (U W ) dim K U dim K W dim K (U W )

PRUEBA
Como V es de dimensin finita sobre K, sea dim K U p, dim K W q y
dim K (U W ) r .
Consideremos U W { } y {v1 , , v r } una base para U W . Como U W es
un subespacio de U y W, respectivamente, por el teorema de completacin de bases,
completamos la base {v1 , , v r } a bases para U y W. Sean:
{v1 , , v r , u1 , , u p r } base para U y
{v1 , , v r , w1 , , wq r } base para W
Afirmacin.- El conjunto {v1 , , v r , u1 , , u p r , w1 , , wq r } es una base U W .
Prueba de la afirmacin
i) Que sea linealmente independiente.
Considrese la combinacin lineal
r pr qr
ai vi bi ui ci wi
i 1 i 1 i 1
(1)
r pr qr
ai vi bi u i ci wi (2)
i 1 i 1 i 1
qr
ci wi U W pues la relacin (2), por un lado por ser igual a una
i 1
combinacin lineal de elementos de {v1 , , v r , u1 , , u p r } , est en U y de
otro lado por ser una combinacin lineal de elementos de

{v1 , , v r , w1 , , wq r } , est en W.
qr r
ci wi d i vi (3)
i 1 i 1
reemplazando (3) en (1), tenemos

r pr r
ai vi bi ui d i vi
i 1 i 1 i 1
r pr
(ai d i )vi bi u i
i 1 i 1
a d i 0 , i 1, , r
i
bi 0 , i 1, , p r ( 4)
41
----------------------------------------------------------------------------------------------------------
pues {v1 , , v r , u1 , , u p r } es una base para U.
como bi 0, i 1, , p r en (1) se tiene

r qr
a v c w
i 1
i i
i 1
i i
a 0 , i 1, , r (5)
i
ci 0 , i 1, , q r ( 6)
pues {v1 , , v r , w1 , , wq r } es una base para W.
de (5), (4) y (6) resulta que

ai 0 , i 1, , r

bi 0 , i 1, , p r
c 0 , i 1, , q r
i
{v1 , , v r , u1 , , u p r , w1 , , wq r } es l.i.
ii) Que genere U W .

Sea v U W . Por definicin de subespacio suma v u w donde u U y
w W .
r pr r qr
Pero u ai vi bi u i y w ci vi d i wi
i 1 i 1 i 1 i 1
r pr
r qr

v ai vi bi u i ci vi d i wi
i 1 i 1 i 1 i 1
r pr qr
(ai ci )vi bi u i d i wi
i 1 i 1 i 1
{v1 , , v r , u1 , , u p r , w1 , , wq r } genera U W .
De i) y ii) la afirmacin queda probada.

Por la afirmacin como {v1 , , v r , u1 , , u p r , w1 , , wq r } es una base para U W
resulta que
dim K (U W ) r ( p r ) (q r )
pqr
dim K U dim K W dim K (U W )

COROLARIO 4.17.1.- Sea V un espacio vectorial sobre K de dimensin finita. Si U
y W son subespacios de V tal que V U W , entonces
dim K V dim K U dim K W
42
----------------------------------------------------------------------------------------------------------
PRUEBA.- Ejercicio
EJEMPLO 4.17.2.- Sea el espacio vectorial ( R 4 , , R, ) . Consideremos
U {( x, y, z , t ) R 4 / 2 x y z t} y W {( x, y, z , t ) R 4 / x y z 0 x 2t}
Hallar dim R (U W )
SOLUCIN
Hallemos dim R U , dim R W y dim R (U W ) .
Para U
U {( x, y, z , t ) R 4 / 2 x y z t }
{( x, y, z , 2 x y z ) / x, y, z R }
{( x, 0, 0, 2 x) (0, y, 0, y ) (0, 0, z , z ) / x, y, z R }
{x(1, 0, 0, 2) y (0, 1, 0, 1) z (0, 0, 1, 1) / x, y, z R }
L{(1, 0, 0, 2), (0, 1, 0, 1), (0, 0, 1, 1)}
{(1, 0, 0, 2), (0, 1, 0, 1), (0, 0, 1, 1)} es una base para U. Entonces
dim R U 3 .
Para W
W {( x, y, z , t ) R 4 / x y z 0 x 2t }
{( 2t , z 2t , z , t ) / z , t R }
{( 2t , 2t , 0, t ) (0, z , z , 0) / z , t R }
{t (2, 2, 0, 1) z (0, 1, 1, 0) / z , t R }
L{( 2, 2, 0, 1), (0, 1, 1, 0)}
{( 2, 2, 0, 1), (0, 1, 1, 0)} es una base para W. Entonces dim R W 2 .

Para U W
U W {( x, y, z , t ) R 4 / 2 x y z t x y z 0 x 2t }
{( x, y, z , t ) R 4 / x 0, t 0 }
{(0, y, y, 0) / y R }
{ y (0, 1, 1, 0) / y R }
L{(0, 1, 1, 0)}
{(0, 1, 1, 0)} es una base para U W . Entonces, dim R (U W ) 1 . Luego

usando la proposicin 4.17. tenemos que:
dim R (U W ) dim R U dim R W dim R (U W )
43
----------------------------------------------------------------------------------------------------------
3 2 1
4
EJERCICIOS
1. Determinar cules de los siguientes vectores pertenecen al subespacio de R 3

generado por (1, 3, 2) y (0, 4, 1) :
a) (3, 1, 8)
b) (2, 2, 1)
c) ( 2, 9 / 2, 1)
2. Determinar cules de los siguientes polinomios pertenecen al subespacio
generado por: x 3 2 x 2 1, x 2 2 y x 3 x :
a) x2 x 3
b) x4 1
1 3 5 2
c) x x x 1
2 2
3. Sea el espacio vectorial C [0, 1] { f / f : [0, 1] R} sobre R. Si
f , g C [0, 1] donde:
0 si 0 x 1 / 2 x 1 / 2 si 0 x 1 / 2
f ( x) g ( x)
x 1 / 2 si 1 / 2 x 1 0 si 1 / 2 x 1
Hallar: L{ f }, L{ g } y L{ f , g} .
4. En el espacio vectorial F de las funciones de R en R. Averiguar si f , g , h F
son linealmente independiente donde:
a) f (t ) e t , g (t ) sen t , h(t ) t 2
b) f (t ) e t , g (t ) e 2t , h(t ) t
c) f (t ) e t , g (t ) sen t , h(t ) cos t

5. Mostrar que:
a) Los vectores (1 i, i ) y (2, 1 i ) en C 2 son linealmente dependientes
sobre el campo complejo C, pero son linealmente independientes sobre el
campo real R.
b) Los vectores (3 2 , 1 2 ) y (7, 1 2 2 ) en R 2 son linealmente
independientes sobre el campo Q de los racionales.
44
----------------------------------------------------------------------------------------------------------
6. Encontrar todos los subconjuntos linealmente independientes de los siguientes

conjuntos de vectores en R 3 :
a) {(1, 1, 1), (0, 1, 1), (0, 0, 1), (6, 4, 7}
b) {(1, 1, 1), (2, 2, 2), (1, 0, 0), (0, 0, 1}
7. Sea el espacio vectorial de los polinomios de grado menor que cuatro, con
coeficientes en R e indeterminada x. Determine todos los subconjuntos que son
linealmente independientes a partir de los conjuntos que se dan a continuacin:
a) {1, x 1, x 2 2 x 1, x 2 }
b) {2 x, x 2 1, x 1, x 2 1}
c) {x( x 1), x 3 , 2 x 3 x 2 , x}
d) {1, x, x 2 , x 3 , x 2 x 1}
3 2 1 5 3 3
8. Probar que los polinomios: 1, x, x , x x forman una base para el
2 2 2 2
espacio vectorial de los polinomios de grado menor que cuatro.
9. Sean u , v, w vectores l.i. de un espacio vectorial V sobre el campo Q.
Demostrar que u v, u w, v w son tambin l.i. sobre Q. Esto es verdad
para un campo arbitrario K?
10. Averiguar si los subconjuntos A {(1, 1, 2), (3, 0, 1)} y B {( 1, 2, 3),
(3, 3, 4)} generan el mismo subespacio de R 3 .

11. Sea el espacio vectorial de las funciones continuas definidas en el intervalo
[ a, b] y con valores en R. Demostrar que los subconjuntos
A {sen 2 t , cos 2 t , sen t cos t} y B {1, sen 2t , cos 2t} generan el mismo
subespacio.
12. Hallar una base para los espacios vectoriales que se dan a continuacin:
a) V {( x, y, z , r ) R 4 / x y z r 0 }, K R
b) W {( x, y, z , r ) R 4 / x y z , 2 x 3 y r }, K R
c) U {( x, y, z , r ) R 4 / x y z , x y 3 z , x 2 y r 0 }, K R
13. Sea V un espacio vectorial sobre un campo K. Si {v1 , , v n } es l.i. y
{v, v1 , v 2 , , v n } es l.d. para todo v elemento de V. Entonces demostrar que
{v1 , v 2 , , v n } es una base para V.
45
----------------------------------------------------------------------------------------------------------
14. Sea V un espacio vectorial sobre un campo K. Si L{v1 , , v n } V y
L{v1 , , vi 1 , vi 1 , , v n } V para i 1, 2, , n . Demostrar que {v1 , , v n }

es una base para V.
15. En (C 2 , , C , ) se considera el subespacio W {( z , u ) C 2 / z 2u 0} .
Obtener una base de W y decir su dimensin.
16. Verificar que el conjunto {(1, 0, i ), (1 i, 1 i, 1), (i, i, i )} es una base para el
espacio vectorial (C 3 , , C , ) .
17. Sean:
U {( x, y, z , t ) R 4 / x y z t 0 } y
W {( x, y, z , t ) R 4 / x y z t 0 }
subespacios de ( R 4 , , R, ) . Hallar la dimensin de U W .

18. En el espacio vectorial de los polinomios con coeficientes reales e inde-
terminada en x, consideremos los siguientes subespacios:
U L{x 3 4 x 2 x 3, x 3 5 x 2 5, 3 x 3 10 x 2 5 x 5 } y
W L{x 3 4 x 2 6, x 3 2 x 2 x 5, 2 x 3 2 x 2 3 x 9 }
Hallar la dimensin de U W .
19. Sea el espacio vectorial ( R 4 , , R, ) . Si se consideran los subespacios:
U {( x, y, z , t ) R 4 / x y z 0 2 x y t 0 } y
W {( x, y, z , t ) R 4 / x 2 y 3 z 4t 0 }
a) Hallar la dimensin de U , W , U W , U W .
b) Encontrar subespacios U ' y W ' de R 4 tales que R 4 U U ' y
R 4 W W ' .
20. Una compaa constructora almacena tres mezclas bsicas A, B, y C. Las
cantidades se miden en gramos y cada unidad de mezcla pesa 60 gramos.
Pueden formularse mezclas especiales de argamasa efectuando combinaciones
de las tres mezclas bsicas. Por ello, las mezclas especiales posibles pertenecen
al espacio generado por los tres vectores que representan las tres mezclas
bsicas. La composicin de stas es:
46
----------------------------------------------------------------------------------------------------------
A B C
Cemento 20 18 12
Agua 10 10 10
Arena 20 25 15
Grava 10 5 15
Hormign 0 2 8
a) Es posible hacer una mezcla que consiste en 1000 gramos de cemento,

200 gramos de agua, 1000 gramos de arena, 500 gramos de grava y 300
gramos de hormign?. Por qu se puede y por que no?. Si se puede
Cuntas unidades de cada mezcla bsica A, B, y C se necesitan para
formular la mezcla especial?.
b) Supngase que se desea hacer 5400 gramos de argamasa de manera que
contenga 1350 gramos de cemento, 1675 gramos de arena y 1025 gramos
de graba. Si la razn de agua a cemento es de 2 a 3, que cantidad de
hormign debe utilizarse para hacer los 5400 gramos de argamasa?. Se
puede formular esta masa como una mezcla especial?. Si es as, cuntas
unidades de las mezclas A, B y C se necesitan para formular la mezcla
especial.
47
----------------------------------------------------------------------------------------------------------
TRANSFORMACIONES LINEALES Y TEMAS AFINES
1. TRANSFORMACIONES LINEALES
DEFINICIN 1.1.- Sean (V , , K , ) y (W , , K , ) dos espacios vectoriales. Una
funcin T : V W es llamada transformacin lineal si satisface las siguientes
condiciones:
i) T (u v) T (u) T (v), u, v V .
ii) T (av) aT (v), a K y v V .
EJEMPLO 1.1.1.- Dados (V , , K , ) y (W , , K , ) espacios vectoriales.
Definimos:
T :V W
v T (v) W ; v V
T as definida es una transformacin lineal pues satisface las condiciones i) y ii) de
la definicin 1.1. y es llamada transformacin lineal nula o cero y se denota por
T .
EJEMPLO 1.1.2.- Dado (V , , K , ) espacio vectorial. Definimos:
I :V V
v I (v) v ; v V
I es transformacin lineal y es llamada transformacin lineal idntica de V.
EJEMPLO 1.1.3.- Sea (V , , K , ) un espacio vectorial. La aplicacin:
T :V V
v T (v) av
para todo a K fijo y para todo v V , es una transformacin lineal.
EJEMPLO 1.1.4.- Sea ( R 2 , , R, ) espacio vectorial. Definimos T : R 2 R 2 tal
que T ( x, y) ( x 1, y 2) ; no es una transformacin lineal.
EJEMPLO 1.1.5.- Sean ( K n , , K , ) y ( K , , K , ) . Definimos:
pi : K n K
tal que pi ( x1 , x2 , , xn ) xi . p i es una transformacin lineal y es llamada i-
sima proyeccin.
48
----------------------------------------------------------------------------------------------------------
EJEMPLO 1.1.6.- Sea el espacio vectorial (P [ x], , R, ) . (Ejemplo 1.1.6. Cap.
1). Definimos:
D : P [ x] P [ x ]
tal que:
n n n
D a k x k kak x k 1 para todo p( x) a k x k P [ x]
k 0 k 0 k 0
D es llamada derivada de p(x) y es una transformacin lineal.

EJEMPLO 1.1.7.- Sea el espacio vectorial:
V { f / f : R R continuas}
sobre el campo R. Definimos:
T :V V
f Tf
x
tal que (Tf )( x) f (t )dt . Afirmamos que T as definida es una transformacin
0
lineal.
PRUEBA DE LA AFIRMACIN
i) Probaremos que T ( f g ) Tf Tg ; f , g V .
x
(T ( f g ))( x) ( f g )(t )dt
0
x
( f (t ) g (t ))dt
0
x x
f (t )dt g (t )dt
0 0
(Tf )( x) (Tg )( x)
T ( f g ) Tf Tg .
ii) Ahora probaremos que T (af ) aTf .
x
(T (af ))( x) (af )(t )dt
0
x
af (t )dt
0
x
a f (t )dt
0
a(Tf )( x)
T (af ) aTf .
De i) y ii) T es una transformacin lineal.
49
----------------------------------------------------------------------------------------------------------
PROPOSICIN 1.2.- Dados (V , , K , ) y (W , , K , ) espacios vectoriales.
T : V W es una transformacin lineal si y solo si:
T (au bv) aT (u) bT (v) ; a, b K y u, v V
PRUEBA
) Asumamos que T es una transformacin lineal.
T (au bv) T (au) T (bv) por def. 1.1. parte i)
aT (u) bT (v) por def. 1.1. parte ii)
T (au bv) aT (u) bT (v)
) Hay que probar que cumpla las condiciones de la definicin 1.1. asumiendo
que:
T (au bv) aT (u) bT (v) ; , a, b K y u, v V
i) T (u v) T (1u 1v)
1T (u) 1T (v)
T (u) T (v), u, v V
ii) T (av) T (0u av)
0T (u) aT (v)
aT (v), a K y v V
PROPOSICIN 1.3.- Sean (V , , K , ) y (W , , K , ) dos espacios vectoriales y
T : V W una transformacin lineal. Se cumplen las siguientes afirmaciones:
n n
i) T a i v i a i T (v i )
i 1 i 1
ii) T ( V ) W
iii) T (v) T (v)

PRUEBA
i) Usar induccin.
ii) T ( V ) T ( V V )
T ( V ) T ( V ) por ser T transformacin lineal.
Entonces T ( V ) W
iii) T (v) T (v) T (v v) por ser una transformacin lineal.

T ( V ) por ser inversos
50
----------------------------------------------------------------------------------------------------------
W por la parte ii)
Entonces T (v) T (v) .

DEFINICIN 1.4.- Sean V, W espacios vectoriales sobre el campo K y
T : V W una transformacin lineal, diremos que:
i) T es un monomorfismo si y solo si T es inyectiva.
ii) T es un epimorfismo si y solo si T es suryectiva.
iii) T es un isomorfismo si y solo si T es biyectiva.
OBSERVACIONES 1.4.1.
(1) Si V W , la transformacin lineal T recibe el nombre de endomorfismo, y si
adems T es biyectiva se denomina automorfismo. Es decir, un automorfismo
es una transformacin lineal biyectiva de un espacio vectorial en s mismo.
(2) Si T : V W es un isomorfismo, se dice que V es isomorfo a W y se denota
como V W .
EJEMPLO 1.4.2.- Sea T : R 2 R 2 definida T ( x, y) ( x y, x y) , donde T es
un automorfismo. En efecto, T es una transformacin lineal y adems:
i) T es un monomorfismo. Probaremos que:
T ( x1 , y1 ) T ( x2 , y2 ) ( x1 , y1 ) ( x2 , y2 )
( x1 y1 , x1 y1 ) ( x2 y2 , x2 y2 )
x y1 x2 y 2
1 x1 x2 , y1 y 2
x1 y1 x2 y 2
( x1 , y1 ) ( x2 , y 2 )
Luego T es un monomorfismo.
ii) T es un epimorfismo. Probaremos que:
( x2 , y 2 ) R 2 , ( x1 , y1 ) R 2 tal que T ( x1 , y1 ) ( x2 , y 2 ) .
T ( x1 , y1 ) ( x1 y1 , x1 y1 ) ( x2 , y2 )
x y1 x2 x2 y 2 x y2
1 x1 y y1 2
x1 y1 y 2 2 2
( x y 2 ) ( x2 y 2 )
Luego ( x2 , y 2 ), ( x1 , y1 ) 2 , tal que:
2 2
T ( x1 , y1 ) ( x2 , y 2 )
En consecuencia T es epimorfismo.
De i) y ii) T es un isomorfismo y por lo tanto un automorfismo.
51
----------------------------------------------------------------------------------------------------------
EJEMPLO 1.4.3.- Sea T : R 2 R 3 definida por:
T ( x, y) ( x y, 0, x y)
T es una transformacin lineal.
i) T no es monomorfismo pues considerando x y se tiene:
( x, y) ( y, x) T ( x, y) T ( y, x)
ii) T no es epimorfismo ya que para (3, 1, 2) R 3 no existe ( x, y) R 2 tal que

T ( x, y) (3, 1, 2) .
TEOREMA 1.5.- (Teorema fundamental de las transformaciones lineales).
Sean (V , , K , ) y (W , , K , ) dos espacios vectoriales. Sea {v1 , v2 , , vn } una
base de V y {w1 , w2 , , wn } un subconjunto de vectores de W, entonces existe
una nica transformacin lineal T : V W tal que T (vi ) wi para todo
i 1, 2, , n .
PRUEBA
i) Existencia
Sea v V , entonces v se puede expresar de una nica forma como:
n
v ai vi ; i 1, 2, , n, ai K
i 1
por ser {v1 , v2 , , vn } base de V.
Definimos T : V W como:
n
T (v) ai wi
i 1
Afirmacin.- T es una transformacin lineal.

Sean u, v V y a, b K , probaremos que:
n n
Como u, v V u ai vi y v bi vi
i 1 i 1
n n

T (au bv) T a ai vi b bi vi
i 1 i 1
n n

T (aai )vi (bbi )vi
i 1 i 1
52
----------------------------------------------------------------------------------------------------------
n
T (aai bbi )vi
i 1
n
(aai bbi ) wi por definicin de T
i 1
n n
(aai ) wi (bbi ) wi
i 1 i 1
n n
a ai wi b bi wi
i 1 i 1
aT (u) bT (v)
tomando extremos resulta que:
con lo cual queda demostrada la afirmacin.
Adems T cumple con la condicin de que:
T (vi ) wi ; i 1, 2, , n
En efecto ya que vi 0v1 1vi 0vn
T (vi ) 0w1 1wi 0wn
T (vi ) wi ; i 1, 2, , n
ii) Unicidad
Sea T : V W otra transformacin lineal tal que
n
T ' (v) ai wi
i 1
Mostraremos que T T ' .

n
Sea v V , T ' (v) ai wi por definicin de T '
i 1
T (v) por definicin T

Luego T ' (v) T (v) ; v V y en consecuencia T ' T .
De i) y ii) el teorema queda completamente demostrado.
2. NCLEO E IMAGEN DE UNA TRANSFORMACIN LINEAL

DEFINCIN 2.1.- Sea T : V W una transformacin lineal.
i) Llamaremos ncleo de la transformacin lineal T al conjunto denotado por
Nu(T) que definiremos como:
53
----------------------------------------------------------------------------------------------------------
Nu(T ) {v V / T (v) W }
Es decir, el ncleo de T es el conjunto formado por todos los elementos de V
tales que sus imgenes mediante T es igual al elemento nulo de W.
T
V
W
V W
Nu (T )
ii) Llamaremos imagen de la transformacin lineal T al conjunto denotado por

Im(T) que definimos como:
Im(T ) {w W / v V T (v) w}
Es decir, w W es un elemento de la imagen de T si existe v V tal T (v) w .
T
V
W
Im(T )
(1) Nu(T) es un subespacio de V e Im(T) es un subespacio de W.
(2) Si V L{v1 , , vn } entonces Im(T ) L{T (v1 ), , T (vn )} .
(3) La dimensin de Im(T) se denomina rango de T y se denota por r(T). Es

obvio que r (T ) dim K W .
La verificacin de las observaciones 2.1.1. se deja al estudiante.
54
----------------------------------------------------------------------------------------------------------
EJEMPLO 2.1.2.- Dada la transformacin lineal T : R 2 R 2 definida en el
ejemplo 1.4.2. como
T ( x, y) ( x y, x y) .
Hallar Nu(T) e Im(T).
SOLUCIN
i) Nu(T ) {( x, y) R 2 / T ( x, y) (0, 0)}
{( x, y) R 2 /( x y, x y) (0, 0)}
{( x, y) R 2 / x y 0 x y 0}
{( x, y) R 2 / x 0 y 0}
{(0, 0)}
Luego Nu(T ) {(0, 0)} y dim R Nu(T ) 0 .
ii) Im(T ) R 2 (pues ya hemos visto en el ejemplo 1.4.2. que T es un

epimorfismo) luego dim R Im(T ) 2 .
EJEMPLO 2.1.3.- Sea la transformacin lineal T : R 2 R 3 definida en el ejemplo

1.4.3. como T ( x, y) ( x y, 0, x y) .
Hallar Nu(T) e Im(T).
SOLUCIN
Nu(T ) {( x, y) R 2 / T ( x, y) (0, 0, 0)}
{( x, y) R 2 /( x y, 0, x y) (0, 0, 0)}
{( x, y) R 2 / x y 0}
{( x, x) / x R}
{x(1, 1) / x R}
L{(1, 1)}
Luego dim R Nu(T ) 1 .
55
----------------------------------------------------------------------------------------------------------
T R3
R2
Nu (T )
Im(T ) {T ( x, y) / x, y R}
{( x y, 0, x y) / x, y R}
{( x, 0, x) ( y, 0, y) / x, y R}
{x(1, 0, 1) y(1, 0, 1) / x, y R}
L{(1, 0, 1), (1, 0, 1)}
L{(1, 0, 1)}
Luego dim R Im(T ) 1 .
T R3
2 Im(T )
R
EJEMPLO 2.1.4.- Sea T : R 2 R 2 un endomorfismo tal que T (1, 0) (2, 1) ,

T (0, 1) (1, 1) . Determinar la imagen del tringulo rectngulo cuyos vrtices son
(1, 1), (4, 1) y (1, 5) .
SOLUCIN
56
----------------------------------------------------------------------------------------------------------
Expresamos primero (1, 1), (4, 1) y (1, 5) como una combinacin lineal de los
vectores (1, 0) y (0, 1) .
(1, 1) 1(1, 0) 1(0, 1) (1)
(4, 1) 4(1, 0) 1(0, 1) (2)
(1, 5) 1(1, 0) 5(0, 1) (3)
aplicando T a (1), (2) y (3), tenemos:
T (1, 1) T (1(1, 0) 1(0, 1)) T (1, 0) T (0, 1) (2, 1) (1, 1) (3, 0)
T (4, 1) T (4(1, 0) 1(0, 1)) 4T (1, 0) T (0, 1) 4(2, 1) (1, 1) (9, 3)
T (1, 5) T (1(1, 0) 5(0, 1)) T (1, 0) 5T (0, 1) (2, 1) 5(1, 1) (7, 4)
Y
Y
5
T
3
X X
0 1 4 0 3 7 9
-4
El segmento de recta de extremos (4, 1) y (1, 5) es:

S {(4, 1) t ((1, 5) (4, 1)) / 0 t 1}
y T (S ) {T (4, 1) t (T (1, 5) T (4, 1)) / 0 t 1}
{(9, 3) t ((7, 4) (9, 3)) / 0 t 1}
es precisamente el segmento de recta de extremos T (4, 1) (9, 3) y
T (1, 5) (7, 4) .
Anlogamente se proceden para los otros dos lados que forman el tringulo.
EJEMPLO 2.1.5.- Sea T : R 3 R 2 una transformacin lineal definida de tal
manera que a los elementos de la base {(1, 1, 0), (1, 2, 1), (0, 1, 3)} de R 3 se le hace
corresponder los vectores (1, 3), (5, 1) y (0, 1) respectivamente.
i) Hallar la imagen de (3, 1, 5) mediante T.
ii) Hallar la imagen de un vector cualesquiera de R 3 .
57
----------------------------------------------------------------------------------------------------------
SOLUCIN
i) Expresamos (3, 1, 5) como una combinacin lineal de la base dada para R 3 .
(3, 1, 5) a(1, 1, 0) b(1, 2, 1) c(0, 1, 3)
(a b, a 2b c, b 3c)
luego tenemos
ab 3
a 2b c 1
b 3c 5
23 17 9
Resolviendo el sistema, obtenemos a , b y c , entonces:
2 2 2
23 17 9
(3, 1, 5) (1, 1, 0) (1, 2, 1) (0, 1, 3)
2 2 2
y aplicando T
23 17 9
T (3, 1, 5) T (1, 1, 0) T (1, 2, 1) T (0, 1, 3)
2 2 2
23 17 9
(1, 3) (5, 1) (0, 1)
2 2 2
61
(31, )
2
ii) Sea ( x, y, z ) R 3 un vector arbitrario.
( x, y, z) a(1, 1, 0) b(1, 2, 1) c(0, 1, 3)}
(a b, a 2b c, b 3c)
Luego
ab x
a 2b c y
b 3c z
1 1
Resolviendo el sistema obtenemos a (7 x 3 y z ), b (3x 3 y z ) y
4 4
1
c ( x y z ) , entonces:
4
1 1 1
( x, y, z ) (7 x 3 y z )(1, 1, 0) (3x 3 y z )(1, 2, 1) ( x y z )(0, 1, 3)
4 4 4
y aplicando T
58
----------------------------------------------------------------------------------------------------------
1 1
T ( x, y, z ) (7 x 3 y z )T (1, 1, 0) (3x 3 y z )T (1, 2, 1)
4 4
1
( x y z )T (0, 1, 3)
4
1 1 1
T ( x, y, z ) (7 x 3 y z )(1, 3) (3x 3 y z )(5, 1) ( x y z )(0, 1)
4 4 4
1
(2 x 3 y z, (17 x 5 y 3z ))
4
1
T ( x, y, z ) (2 x 3 y z, (17 x 5 y 3z ) )
4
PROPOSICIN 2.2.- Sean (V , , K , ) y (W , , K , ) espacios vectoriales y
T : V W una transformacin lineal. Se cumplen:
i) T es un monomorfismo Nu(T ) { V } .
ii) Sea {v1 , v2 , , vn } un conjunto linealmente dependiente en V, entonces
{T (v1 ), T (v2 ), , T (vn )} es linealmente dependiente en W.
iii) Si {v1 , v2 , , vn } es un conjunto linealmente independiente y T es un
monomorfismo, entonces {T (v1 ), T (v2 ), , T (vn )} es linealmente
independiente.
PRUEBA
i) ) Asumiendo que T es monomorfismo probaremos que:
Nu(T ) { V }
se cumple siempre que { V } Nu(T ) por ser Nu(T ) un subespacio de
V. Luego solo nos resta probar que Nu(T ) { V } . Sea x Nu(T )
T ( x) W T ( V ) x V por ser T monomorfismo x { V }
Nu(T ) { V } .
Nu(T ) { V }
) Asumamos ahora que Nu(T ) { V } . Probaremos que T es mono-
morfismo.
T ( x) T ( y ) T ( x) T ( y ) W
T ( x y) W por ser T transformacin lineal
x y Nu(T ) { V }
59
----------------------------------------------------------------------------------------------------------
x y V
x y
T es un monomorfismo.
ii) Ejercicio.
iii) {v1 , v2 , , vn } es linealmente independiente y T un monomorfismo.
Probaremos que {T (v1 ), T (v2 ), , T (vn )} es linealmente independentes.

n n
a i T (v i ) V T ( a i v i ) W
i 1 i 1
n
T a i vi W
i 1
n
a i vi V por ser un monomorfismo
i 1
ai 0 ; i 1, 2, , n
por ser {v1 , v2 , , vn } linealmente independiente.
{T (v1 ), T (v2 ), , T (vn )} es linealmente independiente.
EJEMPLO 2.3.- Sea V { p( x) a0 a1 x a2 x 2 a3 x 3 / a0 , a1 , a2 , a3 R} ,
p( x) 0 . Definimos como el ejemplo 1.1.6. D : V V / D( p( x)) p' ( x) (la

derivada de p(x) ). Averiguar si D es un monomorfismo, haciendo uso de la
proposicin 2.2. parte i).
SOLUCIN
Sea p( x) a0 a1 x a2 x 2 a3 x 3
D( p( x)) p' ( x) a1 2a2 x 3a3 x 2 0 a1 a2 a3 0
Luego Nu( D) { p( x) a0 / a0 R}
{a0 / a0 es constante}
L{1}
entonces tenemos que dim R Nu( D) 1 , en consecuencia D no es un mono-
morfismo.
EJEMPLO 2.4.- Sea f : R 2 R 33 una transformacin lineal definida por:
x2 x2 0
f ( x1 , x 2 ) x1 x2 x1 x 2
0 x1 x 2 x1
60
----------------------------------------------------------------------------------------------------------
averiguar si f es un monomorfismo.
SOLUCIN
x2 x2 0 0 0 0
f ( x1 , x 2 ) x1 x2 x1 x 2 0 0 0
0 x1 x 2 x1 0 0 0
entonces por igualdad de matrices resulta que x1 x2 0 .

Luego Nu( f ) {(0, 0)} , por lo tanto f es un monomorfismo.
EJERCICIOS
1. De las siguientes aplicaciones, averiguar cules son transformaciones lineales:
a) T : C C / T ( z) z (C espacio vectorial sobre R)
b) G : R 3 R 2 / G( x, y, z) ( x z, x y z)
c) E : R R / E ( x) e x
a a12
d) H : R 22 R 2 / H 11 (a11 a 22 , a 21a12 )
21
a a 22
2. Con relacin al ejercicio 1., hallar una base y dimensin del ncleo e imagen de
aquellas que sean transformaciones lineales.
3. Hallar la transformacin lineal T : R 4 R 3 tal que:
T ( xi ) yi , 1 i 4
siendo x1 (1, 0, 0, 0), x2 (1, 1, 0, 0), x3 (1, 1, 1, 0), x4 (1, 1, 1, 1) base de
R 4 y y1 (1, 2, 3), y2 (1, 2, 1), y3 (0, 0, 0), y4 (1, 1, 0) .

4. Sean V y W espacios vectoriales sobre un campo K,
T :V W
una transformacin lineal y los vectores v1 , , vr en V (no necesariamente una
base). Demostrar que si:
T (vi ) W ; i 1, r
entonces T (v) W ; v L{v1 , vr } .
5. Sea V un espacio vectorial sobre un campo K y T un endomorfismo. Demostrar

que las siguientes afirmaciones son equivalentes:
i) Im(T ) Nu(T ) { }
ii) T (T (v)) T (v)
61
----------------------------------------------------------------------------------------------------------
6. Sean V un espacio vectorial sobre K, U y W subespacios de V tal que
V U W . Si E1 y E 2 son aplicaciones lineales definidas como: E1 (v) u y
E2 (v) w , donde v u w, u U , w W . Verificar que:
E1 E1 y E2 E2 , esto es E1 y E 2 son proyecciones.

2 2
i)
ii) E1 E2 I , la aplicacin idntica.
iii) E1 E2 0 y E2 E1 0 .
7. Sea W {(ai j ) C 22 / ai j ai j } un espacio vectorial sobre el campo de
nmeros reales con las operaciones usuales. Demostrar que:

t y y iz
H : R 4 W tal que H ( x, y, z, t )
y iz t x
es un monomorfismo de R 4 en W.
8. Sea V C un espacio vectorial sobre el campo de los reales, se define una
funcin:
x 7 y 5y
T : C R 22 tal que T ( x iy )
10 y x 7 y
a) Verificar que T es una transformacin lineal inyectiva de C en R 22 .

b) Verificar que T (uw) T (u)T (w) , donde u x1 iy1 y w x2 iy 2 .
c) Dar una base de Im(T ) .
9. (Aplicacin a la criptografa) Dada la matriz
1 1 1
A 3 2 1

3 3 2
Se define la transformacin lineal T : R 3 R 3 por T ( x) Ax .

Haga uso de la transformacin lineal T para:
a) codificar el mensaje VERDE ESPERANZA
b) decodificar el mensaje 15, -45, 49, 21, 45, -65, 11, 10, -16, 35, -9, -10
Sugerencia.- Usar la correspondencia:
a b c d e f g h i j k l m n o p q r s t u v w x y z

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28
62
----------------------------------------------------------------------------------------------------------
3. COMPOSICIN DE TRANSFORMACIONES LINEALES
DEFINICIN 3.1.- Sean T : V U y F : U W dos transformaciones lineales
entre espacios vectoriales sobre un mismo campo K. La funcin compuesta.
F T :V W
es definida como:
( F T )(v) F (T (v))
PROPOSICIN 3.2.- La composicin de dos transformaciones lineales es una
transformacin lineal.
PRUEBA
Sean T y F las transformaciones lineales dadas en la definicin 3.1.
( F T )(au bv) F (T (au bv)) definicin de composicin 3.1.
F (aT (u)) bF (T (v)) por ser T transformacin lineal
aF (T (u)) bF (T (v)) por ser F transformacin lineal
a( F T )(u) b( F T )(v) def. de composicin.
F T es una transformacin lineal.
EJEMPLO 3.3.- Sea T : R 3 R / T ( x, y, z ) x 2 y z y
y F : R R 2 / F ( x) (2 x, x) .
Hallar F T .
SOLUCIN
( F T )( x, y, z) F (T (( x, y, z))
F ( x 2 y z)
(2( x 2 y z), x 2 y z)
(2 x 4 y 2 z , x 2 y z )
4. TRANSFORMACIONES LINEALES INVERSIBLES

DEFINICIN 4.1.- Sea T : V W una transformacin lineal. Diremos que T es
inversible si existe una funcin F : W V tal que T F I W y F T I V .
Notacin.- Denotaremos F T 1 .
LEMA 4.2.- Si T : V W es una transformacin lineal inversible, su inversa
T 1 : W V tambin es una transformacin lineal.
PRUEBA.- Ejercicio.
63
----------------------------------------------------------------------------------------------------------
TEOREMA 4.3.- Sean V, W espacios vectoriales de dimensin finita y T : V W
una transformacin lineal. Entonces T es inversible si y solo si T transforma una
base de V en una base de W.
DEMOSTRACIN
) Asumiremos que T es inversible y sea {v1 , , vn } una base de V.
Consideremos los vectores w1 T (v1 ), , wn T (vn ) .
Afirmacin: El conjunto de vectores {w1 , , wn } es una base de W.
i) Los vectores w1 , , wn son l.i.
En efecto, sea a1 w1 a2 w2 an vn W por ser T 1 una
transformacin lineal, en virtud del lema 4.2. tenemos:

a1T 1 (w1 ) a2T 1 (w2 ) anT 1 (wn ) V
a1v1 a2 v2 an vn V
pero ser {v1 , , vn } una base para V, resulta que:
a1 a2 an 0
Luego {w1 , , wn } son linealmente independientes.
ii) El conjunto de vectores {w1 , w2 , , wn } genera el espacio vectorial W.
En efecto, sea w W T 1 (w) V

n
T 1 ( w) ai vi
i 1
n n
w T (T 1 ( w)) ai T (vi ) ai wi
i 1 i 1
luego {w1 , w2 , , wn } genera W.
De i) y ii) {w1 , w2 , , wn } es una base para W, verificndose la afirmacin.
) Ahora asumiremos que {w1 , w2 , , wn } es una base para W. Mostraremos
que T es inversible.
Definamos F : W V tal que F (wi ) vi , i 1, 2, , n . Lo cual siempre es
posible en virtud del teorema fundamental de las transformaciones lineales.

n
Entonces, si v V , donde v ai vi , tenemos que:
i 1
( F T )(v) F (T (v))
64
----------------------------------------------------------------------------------------------------------
n
F T ai vi sustitucin de v
i 1
n
F a i T (v i ) por ser T transformacin lineal
i 1
n
F ai wi por def. de T
i 1
n
ai F ( wi ) por ser F transformacin lineal
i 1
n
a i vi por def. de F
i 1
v
F T IV (1)
n
Por otro lado si w W donde w bi wi tenemos:
i 1
(T F )(w) T ( F (w))
n
T F bi wi sustitucin de w.
i 1
n
T bi F ( wi ) por ser F transformacin lineal
i 1
n
T bi vi por def. de F
i 1
n
bi T (vi ) por ser T transformacin lineal
i 1
n
bi wi por def. de T
i 1
w
T F IW (2)
De (1) y (2) T es inversible y su inversa es F.

COROLARIO 4.3.1.- Si existe una transformacin lineal inversible entre dos
espacios vectoriales de dimensin finita, entonces sus dimensiones coinciden.
TEOREMA 4.4.- Sea T : V W una transformacin lineal entre dos espacios
vectoriales de igual dimensin. Entonces las siguientes afirmaciones son
equivalentes:
65
----------------------------------------------------------------------------------------------------------
i) T es inversible.
ii) T es inyectiva.
iii) T es suryectiva.
iv) T transforma bases en bases.
DEMOSTRACIN
i) ii)
T (u) T (v) T 1 (T (u)) T 1 (T (v))
uv por ser T inversible.
ii) iii)
Sea {v1 , v2 , , vn } V una base para V. Como T es inyectiva
{T (v1 ), T (v2 ),T (vn ) }, es linealmente independiente en W; pero como
dim K W n , entonces {T (v1 ), T (v2 ), , T (vn )} es una base para W.

n
Luego sea w W , donde w ai wi , donde wi T (vi ) ; i 1,, n
i 1
n
Entonces existe v V donde v ai vi tal que:
i 1
n n n
T (v) T ai vi ai T (vi ) ai wi w
i 1 i 1 i 1
en consecuencia T es suryectiva.
iii) iv)
Sea {v1 , v2 , , vn } una base de V y T (vi ) wi ; i 1, 2, , n , sus imgenes
mediante T. Probaremos que {w1 , w2 , , wn } genera W.

n
En efecto, para todo w W , existe v V , donde v ai vi tal que
i 1
n n n
w T (v) T ai vi ai T (vi ) ai wi
i 1 i 1 i 1
por ser T suryectiva. Por otra parte como dim K W n , entonces

{w1 , w2 , , wn } es una base para W.
Luego T transforma bases en bases.

iv) i)
Ya fue demostrado (ver teorema 4.3.)
66
----------------------------------------------------------------------------------------------------------
PROPOSICIN 4.5.- Sean V y W dos espacios vectoriales de dimensin finita
sobre un mismo campo K. V W si y solo si dim K V dim K W .
PRUEBA.- Ejercicio.
PROPOSICIN 4.5.-.- Sean V, W espacios vectoriales de dimensin finita sobre
un campo K y T : V W una transformacin lineal. Entonces:
dim K V dim K Nu(T ) dim K Im(T )
PRUEBA.- Ejercicio.
5. ESPACIO VECTORIAL DE LAS TRANSFORMACIONES LINEALES

Sean V y W dos espacios vectoriales sobre el campo K. Denotemos el conjunto
formado por todas las transformaciones lineales de V en W por:
L(V , W ) {T : V W / T es una transformacin lineal}
En L(V , W ) definimos:
La adicin
L(V , W ) L(V , W ) L(V , W )
(T1 , T2 ) T1 T2
tal que (T1 T2 )(v) T1 (v) T2 (v); v V .

La multiplicacin por escalar
K L(V , W ) L(V , W )
(a , T ) aT
tal que (aT )(v) aT (v); a K , v V .
Afirmacin
1) T1 T2 y
2) aT
son transformaciones lineales de V en W.
1) (T1 T2 )(au bv) T1 (au bv) T2 (au bv) def. de adicin
aT1 (u) bT1 (v) aT2 (u) bT2 (v) por ser T1 , T2 t.l.
a(T1 (u) T2 (u)) b(T1 (v) T2 (v))
a(T1 T2 )(u) b(T1 T2 )(v)
Luego T1 T2 es una transformacin lineal de V en W.
2) (aT )(bu cv) a(T (bu cv) def. de multiplicacin.
67
----------------------------------------------------------------------------------------------------------
a(bT (u) cT (v)) por ser T t.l.
(ab)T (u) (ac)T (v)
b(aT )(u) c(aT )(v)
Luego aT es una transformacin lineal de V en W.
PROPOSICIN 5.1.- Sean V y W dos espacios vectoriales sobre un mismo campo

K. El conjunto de las transformaciones lineales L(V , W ) con las operaciones
definidas anteriormente es un espacio vectorial sobre K.
DEMOSTRACIN.- Los detalles de la demostracin la dejaremos para el lector.
Slo haremos notar las propiedades V2) y V3); es decir, la existencia del elemento
nulo para L(V , W ) es la transformacin lineal : V W tal que (v) W ,
v V y el hecho de que T L(V , W ) existe inverso T que se define como

(T )(v) T (v) ; v V .
EJERCICIOS
1. Si T1 , T2 , T3 L(V , V ) y a K . Entonces demuestre que se cumple:
a) T1 (T2 T3 ) T1 T2 T1 T3
b) (T1 T2 ) T3 T1 T2 T2 T3
c) a(T1 T2 ) (aT1 ) T2 T1 (aT2 )

2. Si T1 , T2 L(V , W ) son invertibles, entonces demuestre que T1 T2 es tambin
invertible y adems se verifica que:
1 1
(T1 T2 ) 1 T2 T1
DEFINICIN 5.2.- Un lgebra sobre K es un conjunto que cumple las siguientes

condiciones:
i) Que sea un espacio vectorial.
ii) Que est provisto de una operacin producto tal que:
a) A( B C ) AB AC ; A, B y C elementos del conjunto.
b) ( B C ) A BA CA
c) a( AB) (aA) B A(aB) ; A, B elementos del conjunto y a K .
68
----------------------------------------------------------------------------------------------------------
OBSERVACIN 5.2.1.- L(V , W ) es un lgebra sobre K con la operacin de
composiciones lineales.
TEOREMA 5.3.- Sean V y W dos espacios vectoriales sobre un mismo campo K

tales que dim K V n y dim K W m . Entonces:
dim K L(V , W ) dim K V dim K W
PRUEBA
Sean {v1 , v2 , , vn } y {w1 , w2 , , wm } bases ordenadas de V y W respecti-
vamente. Para cada (i, j ), 1 i n 1 j m definimos:

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

n, m
a T
i , j 1
ij i j (v K ) W
n, m
a
i , j 1
ij i k w j W
a
j 1
kj w j W
pero como {w1 , w2 , , wm } es linealmente independiente.
69
----------------------------------------------------------------------------------------------------------
a K j 0, 1 j m y 1 k n
ai j 0, 1 i m y 1 j n
{Ti j } donde 1 i n y 1 j m es linealmente independiente sobre K.

ii) Que genere el espacio
Sea T L(V , W ) , fijemos k tal que 1 k n . T (vk ) es un elemento de W.
Entonces:
m
T (v k ) a k j w j ; a k j K
j 1
n, m
Probaremos que T a T
i , j 1
ij i j (1)
Denotemos por G la transformacin del segundo miembro de (1).

n, m
G a T
i , j 1
ij i j L(V , W )
n, m
G (v k ) a T
i , j 1
ij i j (v k )
n, m
a
i , j 1
ij i k w j , definicin de Ti j
m n
aij ik w j
j 1 i 1
m
ak j w j
j 1
T (v k )
G(vk ) T (vk ), k 1, , n y como {v1 , v2 , , vn } es una base de V.

n, m
T G a T
i , j 1
ij i j .
De i) y ii) queda probada la afirmacin de que {Ti j } donde 1 i n 1 j m es
una base para L(V , W ) .

dim K L(V , W ) nm dim K V dim K W
70
----------------------------------------------------------------------------------------------------------
6. ESPACIO DUAL DE UN ESPACIO VECTORIAL
DEFINICIN 6.1.- Sea V un espacio vectorial sobre el campo K. Llamaremos
espacio dual del espacio vectorial V al espacio vectorial de las transformaciones
lineales de V en K.
NOTACIN.- El espacio dual del espacio vectorial V sobre el campo K
denotaremos por V * . Luego V * L(V , K ) ; los elementos de V * se llaman
funcionales lineales o formas lineales.
Sean {v1 , , vn } y {1} bases para V y K respectivamente. Definimos:
Ti j : V K , donde 1 i n y j 1
En virtud del teorema 6.3., tendremos que dim K V * n 1 n , y {T11, T21, , Tn1}
es una base para V * que denotaremos como:

{T11 1 , T21 2 , , Tn1 n }
llamada base dual.

OBSERVACIN.- Tambin es usual denotar la base de un espacio dual como
B {1 , , n } { f1 , , f n } { v1* , , vn* }
EJEMPLO 6.1.1.- Sea K un campo y a1 , , an K . La funcin : K n K
definida por
( x1 , , xn ) a1 x1 an xn
es una funcional lineal sobre K n .
EJEMPLO 6.1.2.- Sea V K nn V el espacio vectorial de las matrices cuadradas de

orden n sobre K. La funcin traza T : K nn K definido como
T ( A) a11 a22 ann
donde A [aij ]nn es un funcional lineal.
Dado V un K-espacio vectorial de dimensin finita y B { v1 ,, vn } una base
ordenada de V; por el teorema fundamental de las transformaciones lineales, existe

para cada i, un funcional lineal nico i (v j ) ij . De esta forma, se obtiene a partir
de la base B { v1 ,, vn } un conjunto de n funcionales lineales linealmente
independientes 1 , , n sobre V que forman una base para V . En el siguiente
teorema se formaliza la afirmacin dada anteriormente.
71
----------------------------------------------------------------------------------------------------------
TEOREMA 6.2.- Sea V un espacio vectorial de dimensin finita sobre el campo K
y sea B { v1 ,, vn } una base de V sobre K. Sean 1 , , n V los
funcionales lineales definidos como
1 si i j
i (v j ) ij
0 si i j
Entonces el conjunto B {1 , , n } es una base de V*.
PRUEBA
i) El conjunto B {1 , , n } es linealmente independiente.
En efecto, suponiendo que

a11 a2 2 an n 0 (1)
Evaluando, ambos lados de (1) en v1 se tiene:

(a11 a2 2 an n )(v1 ) 0(v1 )
(a11 a2 2 an n )(v1 ) 0(v1 )
a1 (1) a2 (0) an (0) 0 a1 0
De manera anloga para i = 2, ., n

(a11 a2 2 aii an n )(vi ) 0(vi )
a11 (vi ) a2 2 (vi ) aii (vi ) an n (vi ) 0
a1 (0) a2 (0) ai (1) an (0) 0
ai = 0 ; i = 2, .., n
Entonces a1 0, a2 0, , an 0 .Luego B {1 , , n } es linealmente
independiente.
ii) B {1 , , n } genera V*
Sea V y supongamos que (v1 ) k1 , (v2 ) k 2 , , (vn ) k n
Tomamos k11 k 2 2 k n n . Entonces

(v1 ) (k11 k 2 2 k n n )(v1 )
k11 (v1 ) k 2 2 (v1 ) k n n (v1 )
k1 (1) k 2 (0) k n n (0)
(v1 ) k1
De manera anloga para; i = 2, ., n
72
----------------------------------------------------------------------------------------------------------
(vi ) (k11 k 2 2 kii k n n )(vi )
k11 (vi ) k 2 2 (vi ) kii (vi ) k n n (vi )
k1 (0) k 2 (0) ki (1) k n (0)
ki
Luego (vi ) k i ; i = 1, .., n
Como y coinciden sobre los vectores de la base B, k11 k n n .
En consecuencia B {1 , , n } genera V*
De (i) y (ii) B {1 , , n } es una base para V*.
EJEMPLO 6.2.1.- Hallar la base dual de {(1, 0, 1), (2, 1, 0), (0, 1, 2)} .
SOLUCIN
Hallaremos funcionales f1 , f 2 , f 3 ( R 3 ) * tales que:
f i (vk ) ik para i 1, 2, 3 y k 1, 2, 3
donde v1 (1, 0, 1), v2 (2, 1, 0), v3 (0, 1, 2)} y f i : R 3 R .
Sea v ( x, y, z ) R 3 un vector cualesquiera

v a1v1 a2 v2 a3 v3 (1)
( x, y, z) a1 (1, 0, 1) a2 (2, 1, 0) a3 (0, 1, 2)
(a1 2a2 , a2 a3 , a1 2a3 )
de donde:
a1 2a 2 x

a2 a3 y (2)
a1 2a 3 z
1 1
resolviendo el sistema (2) se tiene que a1 ( x 2 y z ), a 2 ( x 2 y z ) y
2 4
1
a3 ( x 2 y z ) , y reemplazando estos valores en (1) tenemos:
4
1 1 1
v ( x 2 y z )v1 ( x 2 y z )v2 ( x 2 y z )v3 (3)
2 4 2
aplicando f1 , f 2 y f 3 a (3), se tiene:
73
----------------------------------------------------------------------------------------------------------
1
f 1 ( x, y , z ) ( x 2 y z)
2
1
f 2 ( x, y , z ) ( x 2 y z ) (4)
4
1
f 3 ( x, y , z ) ( x 2 y z )
4
(se ha hecho uso de que f i (vk ) ik para i 1, 2, 3 y k 1, 2, 3 ).
Por consiguiente la base dual de {(1, 0, 1), (2, 1, 0), (0, 1, 2)} est formada por
{ f1 , f 2 , f 3 } obtenida en (4).
EJEMPLO 6.2.2.- Sea { f1 , f 2 } una base dual para (R 2 ) * donde f1 ( x, y) x 3 y
y f 2 ( x, y) 2 x y . Hallar una base {v1 , v2 } de R 2 tal que { f1 , f 2 } sea dual de

{v1 , v2 } .
SOLUCIN
Sea {v1 ( x1 , y1 ), v2 ( x2 , y 2 )} la base de R 2 .
Evaluando f 1 y f 2 en v1 , tenemos:
f1 (v1 ) x1 3 y1 1
f 2 (v1 ) 2 x1 y1 0
y resolviendo el sistema de ecuaciones, se tiene que x1 1 / 7 y y1 2 / 7 . Luego
v1 (1 / 7, 2 / 7) .
Ahora evaluando f 1 y f 2 en v 2 , tenemos:
f1 (v2 ) x2 3 y 2 0
f 2 (v2 ) 2 x2 y2 1
y resolviendo el sistema de ecuaciones, se tiene que x2 3 / 7 y y 2 1 / 7 . Luego
v2 (3 / 7, 1 / 7) .
por consiguiente la base en R 2 es:

{(1 / 7, 2 / 7), (3 / 7, 1 / 7)}
TEOREMA 6.3.- Sea B { v1 ,, vn } una base de V y sea B {1 , , n } la
base dual de V*. Entonces todo vector u V , se puede escribir como

u 1 (u)v1 2 (u)v2 n (u)vn (1)
74
----------------------------------------------------------------------------------------------------------
y toda funcional lineal V se puede escribir como
(v1 )1 (v2 ) 2 (vn ) n (2)
Prueba
Supongamos que
u a1v1 a2 v2 an vn (3)
Entonces aplicando 1 a (3) se tiene

1 (u) 1 (a1v1 a2 v2 an vn )
a11 (v1 ) a21 (v2 ) an1 (vn )
a1 (1) a2 (0) an (0)
a1 1 (u)
De forma similar se tiene aplicando i ; i 2,, n
i (u) i (a1v1 ai vi an vn )
a1i (v1 ) ai i (vi ) ani (vn )
a1 (0) ai (1) an (0)
ai i (u) ; i 1, , n
Luego se tiene que
1 (u) a1 , 2 (u) a2 ,, n (u) an
y reemplazando los valores anteriores en (3) se tiene
u 1 (u)v1 2 (u)v2 n (u)vn
Para demostrar que se verifica la relacin (2), aplicamos el funcional lineal a

ambos lados de (1)
(u) (1 (u)v1 2 (u)v2 n (u)vn )
1 (u) (v1 ) 2 (u) (v2 ) n (u) (vn )
(v1 )1 (u) (v2 ) 2 (u) (vn ) n (u)
(u) ( (v1 )1 (v2 ) 2 (vn ) n )(u)

Como se cumple u V , entonces se tiene que
(v1 )1 (v2 ) 2 (vn ) n
Con lo cual se completa la demostracin del teorema.
75
----------------------------------------------------------------------------------------------------------
EJERCICIOS
1. Sea V un K-espacio vectorial de dimensin finita y v un vector
perteneciente a V. Probar, que existe f V * tal que f (v) 0 .
2. Hallar una base dual para cada una de las siguientes bases de R 3 :
i) {(1, 0, 0), (1, 1, 0), (1, 1, 1)}
ii) {(1, 2, 3), (1, 1, 1), (2, 4, 7)}
3. Sea V el espacio vectorial de los polinomios reales de grado menor o igual a 2.
Si 1, 2 y 3 son funcionales lineales sobre V definidas como:
1
1( f (t )) f (t )dt , 2 ( f (t )) f ' (1) y 3 ( f (t )) f (0)
0
donde f (t ) a bt ct 2 V . Hallar { f1 , f 2 , f 3 } de V que es dual a
{ 1, 2 , 3 } .
4. Sean u, v V y supongamos que f (u) 0 implica f (v) 0 para todo v V .

Mostrar que v ku para algn escalar k.
5. Sean f , g V * y que f (v) 0 implica g (v) 0 , para todo v V . Mostrar
que g kf para algn escalar k.
7. SEGUNDO ESPACIO DUAL O BIDUAL DE UN ESPACIO VECTORIAL

Dado V un espacio vectorial sobre un campo K tiene un espacio dual.
V { : V K / es una funcional lineal }
Asimismo, V tiene su dual que denotamos por V , llamado segundo dual de V o

bidual de V y esta formado por todas las funcionales lineales sobre V .
A cada v V se le asocia un elemento v V ** , definiendo
v : V * K
v( ) (v)
La aplicacin v es lineal: En efecto, a, b K ; , V *
v(a b ) (a b )(v) Por definicin de v
a (v) b (v) Por ser y funcionales lineales
av( ) bv( )
Luego, v es lineal y por consiguiente v V **

V ** { v : V * K / v( ) (v)}
76
----------------------------------------------------------------------------------------------------------
PROPOSICIN 7.1.- . Sea V un K-espacio vectorial de dimensin finita.
Demostrar que si v V y v , entonces existe V * tal que (v) 0 .
PRUEBA.
Sea dim V n , v 0 es linealmente independiente.
Por el teorema de completacin de bases existen v2 , , vn V , tal que
{v, v2 , , vn } es una base para V. Luego por el teorema fundamental de las
transformaciones lineales existe una nica aplicacin lineal : V K tal que

(v) 1 y (vi ) 0 ; i 2,, n . Luego tiene las condiciones pedidas.
TEOREMA 7.2.- Si V tiene dimensin finita, entonces la aplicacin v v es un
isomorfismo de V sobre V ** .
Prueba
Luego la aplicacin v v es lineal.

Probemos que la aplicacin es un isomorfismo.
Es suficiente verificar que la aplicacin v v es inyectiva.
Por la proposicin anterior, dado v V , v v V, existe V * tal que
(v) 0 . Luego v( ) (v) 0 y por consiguiente v 0 .
Como v v 0 , la aplicacin v v es inyectiva y por consiguiente es un
isomorfismo.
Ahora dim V dim V * dim V ** ya que V iene dimensin finita. En
consecuencia la aplicacin v v es un isomorfismo de V sobre V ** .
77
----------------------------------------------------------------------------------------------------------
Del teorema, consideraremos a V como el espacio de las funcionales lineales sobre
V * y se escribir V V ** .
Ntese que si { i } es la base de V * dual a una base { vi } de V, entonces { vi } es
la base de V V ** dual a i .
8.- ANULADORES
Sea V un K-espacio vectorial y W un subconjunto (no necesariamente subespacio)
de V. Se dice un funcional lineal V * es un anulador de W si
(w) 0, w W ; es decir (W ) {0} . El conjunto formado por todas las
funcionales lineales que cumplen la definicin anterior se denota por W 0 y es
llamado el anulador de W. Es decir,
W 0 { V * / (w) 0; w W }
El conjunto W 0 es un subespacio de V * , pues W 0 V * por definicin y adems

W 0 , pues el funcional lineal nulo 0(w) 0 est en W 0 .
Hay que probar que dados a, b K , , W 0 ; a b W 0

En efecto, ( a b )(w) ( a )(w) (b )(w)
a (w) b (w)
a(0) b(0) Por ser , W 0

0
Luego, a b W 0 y en consecuencia W 0 es un subespacio de V * .
EJERCICIO 8.1.1.- Sea V un K-espacio vectorial. Demostrar que si V * anula

un subconjunto S V , entonces anula al subespacio L(S ) .
SOLUCIN
Si v L(S ) entonces existen w1 , , wr S tal que v a1 w1 ar wr .
Luego, (v) a1 (w1 ) ar (wr ) 0 . Como v es un elemento arbitrario de
L(S ) , anula a L(S ) .
EJEMPLO 8.1.2 .- Sea W el subespacio de R 4 , generado por v1 (1, 2, 3, 4) y

v2 (0, 1, 4, 1) . Hallar una base para el anulador de W.
78
----------------------------------------------------------------------------------------------------------
SOLUCIN
Por el ejercicio anterior es suficiente hallar una base del conjunto de funcionales
lineales : R 4 R / ( x, y, z, w) ax by cz dw tal que (v1 ) 0 y
(v2 ) 0 .
(v ) 0 (1, 2, 3, 4) a 2b 3c 4d 0
1
(v1 ) 0 (0, 1, 4, 1) b 4c d 0
1 2 3 4 0 1 0 11 6 0
~
0 1 4 1 1 0 1 4 1 1
a 11c 6d 0 a 11c 6d

b 4c d 0 b 4c d
i) Para c 1, d 0, a 11, b 4 , se tiene 1 ( x, y, z, w) 11x 4 y z
ii) Para c 0, d 1, a 6, b 1 , se tiene 2 ( x, y, z, w) 6 x y w .
Luego, de i) y ii) el conjunto {1 , 2 } es una base para W 0 anulador de W.
PROPOSICIN 8.2.- Demostrar las siguientes proposiciones:

i) S V , S S 00 .
ii) S1 S 2 S 20 S10 .
PRUEBA
i) Sea v S S 0 , v( ) (v) 0 v (S 0 ) 0 . Por lo tanto, por medio
de la identificacin de V y V**, v S 00 . Por consiguiente S S 00 .

ii) S1 S 2 (Hiptesis)
S 20 S10 (Por demostrar)
Sea S 20 (v) 0 ; v S 2
(v) 0 ; v S1 Por hiptesis
S10
Luego, S 20 S10 .
79
----------------------------------------------------------------------------------------------------------
TEOREMA 8.3.- Sea V un K-espacio vectorial de dimensin finita y W un
subespacio de V. Entonces se cumplen las siguientes proposiciones:
i) dim W dim W 0 dim V
ii) W 00 W
donde W 00 { v V / (v) 0 ; W 0 } , tambin es usual denotar
W 00 (W 0 ) 0 , consideramos W 00 un subespacio de V por la identificacin de V

con V*.
PRUEBA
i) Supongamos que dim V n y dim W r n .
Se quiere probar que dim W 0 n r .

Sea { w1 , , wr } una base para W, luego por el teorema de completamiento de
bases extendemos a la siguiente base { w1 , , wr , v1 , , vnr } para V .
Consideramos la base dual {1 , , r , 1 , , nr } .
Por definicin de la base dual, cada una de las anteriores anula a cada wi ,
luego 1 , , nr W 0 .
Afirmacin.- { j } es una base de W 0 .
a) Que sea { j } linealmente independiente.
Al ser {1 , , r , 1 , , nr } base, entonces { 1 , , nr } es
linealmente independiente.
b) Que { j } genere a W 0 .
Sea W 0 , por una proposicin anterior se puede expresar

(w1 )1 (wr ) r (v1 ) 1 (vnr ) nr
01 0 r (v1 ) 1 (vnr ) nr
(v1 ) 1 (vnr ) nr
Luego { 1 , , nr } genera W 0 .
De a) y b) el conjunto { 1 , , nr } es una base de W 0 y en consecuencia
dim W 0 n r dim V dim W
dim V dim W dim W 0
80
----------------------------------------------------------------------------------------------------------
ii) Supongamos que dim V n y dim W r . Entonces, dim V * n y por i)
dim W 0 n r . Luego, nuevamente por i) dim W 00 n (n r ) r , por
consiguiente, dim W dim W 00 y por el ejercicio anterior W W 00 .
En consecuencia W W 00 .
PROPOSICIN 8.4.- Sean U y W subespacios de V. Probar que
(U W ) 0 U 0 W 0 .
PRUEBA
i) Sea (U W ) 0 anula U W .
anula U y W U 0 W 0 (U 0 W 0 )
(U W ) 0 U 0 W 0 .
ii) Sea (U 0 W 0 ) , entonces anula a U y tambin anula a W.

Si v U W entonces v u w; u U , w W .
(v) (u) (w) 0 0 0 anula a U W .
(U W ) 0 .
Luego, U 0 W 0 (U W ) 0 .
Finalmente de la doble inclusin y definicin de igualdad se tiene
(U W ) 0 U 0 W 0
9. DUAL DE UNA TRANSFORMACIN LINEAL

DEFINICIN 9.1.- Sean V y W dos espacios vectoriales sobre el campo K y
T : V W una transformacin lineal arbitraria. La transformacin lineal T induce
una aplicacin lineal llamada dual de T, denotada por T * y que est definida como
T * :W * V *
f T * ( f ) f T ; f W *
es decir:
V

T
W
f
K
f T
OBSERVACIN 9.1.1.- Tambin es usual llamar a T * transpuesta de la

aplicacin lineal T. En caso de usar esta denominacin es natural denotar T * T T .
PROPOSICIN 9.2.- El dual de T es decir T * (segn la definicin 9.1.) es una
81
----------------------------------------------------------------------------------------------------------
PRUEBA
T * (af bg ) (af bg ) T por def. 9.1.
(af ) T (bg ) T
a( f T ) b( g T )
aT * ( f ) bT * ( g )
T * es una transformacin lineal.
EJEMPLO 9.2.1.- sea f la funcional lineal definida sobre R2 por

f ( x, y) 2 x y . Hallar (T * ( f ))( x, y) si:
a) T ( x, y) (3 y, x)
b) T ( x, y) (2 x y, x y)
SOLUCIN
a) (T * ( f ))( x, y) ( f T )( x, y)
f (T ( x, y))
f (3 y, x)
2(3 y) x
6y x
b) (T * ( f ))( x, y) ( f T )( x, y)
f (T ( x, y))
f ( 2 x y, x y )
2(2 x y) ( x y)
5x y
82
----------------------------------------------------------------------------------------------------------
MATRIZ ASOCIADA A UNA TRANSFORMACIN LINEAL
Coordenadas o componentes de un vector

Sea V un K-espacio vectorial de dimensin finita y consideremos una base ordenada
B {v1 , v2 ,, vn } . Luego, todo vector v V se puede expresar de una nica forma
como combinacin lineal de los elementos de B. Es decir existen ai K , i 1, 2,, n
tal que:
n
v a1v1 a 2 v2 a n vn ai vi (1)
i 1
de tal forma que el vector v V se puede caracterizar nicamente por los escalares
ai K , i 1, 2,, n correspondientes a la combinacin lineal (1); esto es, por la n-upla
de elementos de K que expresamos como un vector columna y denotamos por:
a1
a
[v]B 2 (2)

a n
DEFINICIN.- La relacin (2) se denomina vector de coordenadas de v relativo a la
base B, a los escalares a i se les llaman coordenadas o componentes del vector v V
respecto a la base B. Ntese que la transformacin lineal v [v]B determinada por la
base ordenada B es un isomorfismo de V en K n1 ; es decir a todo vector v V se le

puede asociar de forma nica un vector columna cuyas componentes o coordenadas son
los escalares ai K , i 1, 2,, n correspondientes a la combinacin (1) con respecto a
la base B.
Nota.- En lo que se sigue de esta seccin supondremos que el K-espacio vectorial es de
dimensin finita y la base considerada B es ordenada.
Ejemplo.-Sea B { (1, 0, 0), (1, 1, 0), (1, 1, 1) } una base ordenada del espacio vectorial
R 3 sobre R. Hallar el vector coordenado de v (2, 3, 1) relativo a la base B .
Solucin
(2, 3, 1) a1 (1, 0, 0) a2 (1,1, 0) a3 (1, 1, 1)
(2, 3, 1) 1(1, 0, 0) 4(1,1, 0) 1(1, 1, 1)
83
----------------------------------------------------------------------------------------------------------
1
[v]B 4
1
Observacin.- Si B es la base cannica de ( K n , , K , ) y v ( x1 , x2 , , xn )
cualquier vector de K n .
x1
x
[v]B 2 y denotaremos [v]B [v]

xn
MATRIZ ASOCIADA A UNA TRANSFORMACIN LINEAL

Sean V y W dos K-espacios vectoriales de dimensiones finitas, con bases ordenadas
B {v1 , v2 ,, vn } y B' {w1 , w2 ,, wm } , respectivamente. Si T : V W es una
transformacin lineal, entonces por el teorema fundamental de las transformaciones

lineales, T est unvocamente determinado por los valores que toma T en los vectores de
B . Es decir, como T : V W , entonces T (v j ) W , donde:
m
T (v j ) aij wi , aij K (3)
i 1
para j 1, , n ; escribiendo en forma explcita:

T (v1 ) a11w1 a21w2 am1 wm
T (v2 ) a12 w1 a22 w2 am 2 wm

T (vn ) a1n w1 a2n w2 amn wm
entonces construimos una matriz que tenga como columnas los vectores de coordenadas
de T (v1 ), T (v2 ),, T (vn ) la cual denotaremos por:
a11 a12 a1n

a a 22 a 2 n
A 21 (4)

a m1 am2 a mn
Definicin.- La matriz A obtenida en la relacin (2) es llamada matriz asociada a la

transformacin lineal T respecto a las bases B y B' de V y W respectivamente y la
denotaremos como:
84
----------------------------------------------------------------------------------------------------------
A [T ]B
B
'
(5)
Nota.- La matriz A [T ]B '

B definida en la relacin (5) tambin es frecuente denotar
como
B [T ]B,B ' BT B '

A [T ]B '
Ejemplo.- Sea T : R 3 R 4 tal que T ( x1 , x2 , x3 ) ( x1 , x2 , 0, x3 ) . Hallar la matriz
asociada a la transformacin lineal T.

a) Respecto a la bases cannicas de R 3 y R 4 respectivamente.
b) Si B {(1, 0, 0), (1,1, 0), (1,1,1)} es la base para R 3 y
B' {(1, 0, 0, 0), (1,1, 0, 0), (1,1,1, 0), (1,1,1,1)} es la base para R 4
Solucin
a) Respecto a las bases cannicas
{(1, 0, 0), (0,1, 0), (0, 0,1)} de R 3
{(1, 0, 0, 0), (0,1, 0, 0), (0, 0,1, 0), (0, 0, 0,1)} de R 4

T (1, 0, 0) (1, 0, 0, 0) 1(1, 0, 0, 0) 0(0,1, 0, 0) 0(0, 0,1, 0) 0(0, 0, 0,1)
T (0,1, 0) (0,1, 0, 0) 0(1, 0, 0, 0) 1(0,1, 0, 0) 0(0, 0,1, 0) 0(0, 0, 0,1)
T (0, 0,1) (0, 0, 0,1) 0(1, 0, 0, 0) 0(0,1, 0, 0) 0(0, 0,1, 0) 1(0, 0, 0,1)
1 0 0
0 1 0
luego [T ]
0 0 0

0 0 1 43
b) Respecto a las bases

B {(1, 0, 0), (1,1, 0), (1,1,1)} de R 3
B' {(1, 0, 0, 0), (1,1, 0, 0), (1,1,1, 0), (1,1,1,1)} de R 4

T (1, 0, 0) (1, 0, 0, 0) 1(1, 0, 0, 0) 0(1,1, 0, 0) 0(1,1,1, 0) 0(1,1,1,1)
T (1,1, 0) (1,1, 0, 0) 0(1, 0, 0, 0) 1(1,1, 0, 0) 0(1,1,1, 0) 0(1,1,1,1)
T (1,1,1) (1,1, 0,1) 0(1, 0, 0, 0) 1(1,1, 0, 0) 1(1,1,1, 0) 1(1,1,1,1)
1 0 0
0 1 1
luego [T ]B
B
'

0 0 1

0 0 1 43
85
----------------------------------------------------------------------------------------------------------
Ejemplo.- Dados los espacios vectoriales ( R, , R, .) , ( R 2 , , R, .) y la
transformacin lineal T : R R 2 definida como

T ( x) ( x, 2 x)
Hallar la matriz asociada a T respecto a las bases B {1} , B' {(1, 0), (1, 1) }
Solucin
T (1) (1, 2) 1(1, 0) 2(1,1)
1
[T ]B
B
'

2 21
Ejemplo.- Sea V un espacio vectorial sobre K de dimensin n y F : V V una
transformacin lineal definida como
F (v) 2v
Hallar la matriz asociada de F respecto a ala base: B B' {v1 , v2 ,, vn }
Solucin
F (v1 ) 2v1 0v2 0vn
F (v2 ) 0v1 2v2 0vn

F (vn ) 0v1 0v2 2vn
2 0 0
0 2 0
[ F ]B
B

0 0 2 nn
Ejemplo.- Dados los espacios vectoriales

W1 {( x, y, z ) R3 / x y} y W2 {(aij ) 22 R 22 / aij a ji }
z x
se define la transformacin lineal G : W1 W2 como G( x, y, z )
x 0
Hallar la matriz asociada de G respecto a las bases:
B {(1,1, 0), (0, 0,1)} de W1 y
1 0 0 0 0 1
B' , , de W2 .
0 0 0 1 1 0
Solucin
86
----------------------------------------------------------------------------------------------------------
0 1 1 0 0 0 0 1
G(1,1, 0) 0 0 1
1 0 0 0 0 1 1 0
1 0 1 0 0 0 0 1
G(0, 0,1) 1 0 0
0 0 0 0 0 1 1 0
0 1
[G ] B'
B 0 0
1 0 32
Proposicin.- Sean T : V W una transformacin lineal, B {v1 , v2 ,, vn } y
B' {w1 , w2 ,, wm } bases ordenadas de V y W respectivamente.
Si A [T ]B
B es la matriz asociada a la transformacin lineal T respecto a las bases B y
'
c1
c
B' , v V y C [v]B 2 las coordenadas de v respecto a la base B, entonces

c n
[T (v)]B' AC son las coordenadas de T(v) en la base de B' .
Prueba
Si A [T ]B '
B es la matriz asociada a la transformacin lineal T, entonces:
m
T (v j ) aij wi , j 1, , n (1)
i 1
c1
c
como C [v]B 2 son las coordenadas de v respecto a la base de B, entonces:

cn
n
v c jv j (2)
j 1
n
ahora T (v) T c j v j
j 1
n
c j T (v j )
j 1
n
m
c j aij wi de (1)
j 1 i 1
87
----------------------------------------------------------------------------------------------------------
m n
aij c j wi (3)
i 1 j 1
Escribiendo explcitamente la relacin (3) se tiene
n n n
T (v) a1 j c j w1 a 2 j c j w2 a nj c j wn (4)
j 1 j 1 j 1
Luego de (4)
n
a1 j c j
jn1
a c
T (v)B ' j 1
2j j

n
a mj c j
j 1
a11c1 a12c 2 a1n c n

a c a 22c 2 a 2 n c n
21 1

a n1c1 an 2 c2 a mn c n
a11 a12 a1n c1

a a 22 a 2 n c 2
21

a m1 a n 2 a mn c n
AC
Finalmente, tomando extremos se obtiene [T (v)]B' AC .
Ejemplo.- Sea T : R 2 R 3 una transformacin lineal definida como

T ( x, y) (2 x, x y, x y) .
Considererando: B {(1, 1), (1, 2)} una base de R 2 y
B' {(1, 1,1), (1, 0,1), (1,1, 0)} una base de R 3
i) Hallar [T ]B '
B .
ii) Si v (2, 3) , hallar las coordenadas de T (v) .
Solucin
i) T (1,1) (2, 2, 0) 0(1, 1,1) 0(1, 0,1) 2(1,1, 0)
T (1, 2) (2, 3, 1) 0(1, 1,1) 1(1, 0,1) 3(1,1, 0)
88
----------------------------------------------------------------------------------------------------------
0 0
[T ] B'
B 0 1
2 3 23
ii) v (2, 3) 7(1,1) 5(1, 2)
7
luego [v]B
5
0 0 0
T (v) B'
7
0 1 5
5
2 3 1
Ejemplo.- Sea T : R 3 R 2 una transformacin lineal, consideremos las bases:

B {(1,1,1), (0, 0,1), (0, 1, 0)} de R 3
B' {(1,1), (1, 1)} de R 2
1 1 / 2 3 / 2
Sabiendo que T B
B'

2 1 / 2 3 / 2
i) Hallar T (3, 0, 2)
ii) Hallar T ( x, y, z )
Solucin
i) v (3, 0, 2) 3(1,1,1) 1(0, 0,1) 3(0, 1, 0) luego
3
[v]B 1
3
hallando las coordenadas de T (3, 0, 2) tenemos:
3
1 1 / 2 3 / 2 7
T (v)B ' 1
2 1 / 2 3 / 2 3 10

T (3, 0, 2) 7(1,1) 10(1, 1)
(17, 3)
ii) Sea v ( x, y, z) x(1,1,1) ( z x)(0, 0,1) ( x y)(0, 1, 0) luego
89
----------------------------------------------------------------------------------------------------------
x
[v]B z x
x y
Hallando las coordenadas de T ( x, y, z ) :
x
1 1 / 2 3 / 2
T ( x, y, z )B ' z x
2 1 / 2 3 / 2 x y

3 1
2 x 2
y z
2

3 1
3 x y z
2 2
3 1 3 1
T ( x, y, z ) (2 x y z ) (1,1) (3 x y z ) (1, 1)
2 2 2 2
T ( x, y, z) (5x 3 y z, x)
Proposicin.- Sean V y W dos K-espacios vectoriales de dimensin finita con bases

ordenadas B { v1 , v2 , , vn } y B { w1 , w2 , , wm } , respectivamente. Si
T , S :V W son dos transformaciones lineales y a, b K , entonces
aT bS BB aT BB bS BB
Prueba
Sean T B aij
B
y S B bij
B
las matrices asociadas de T y S con respecto a las
bases ordenadas B { v1 , v2 , , vn } de V y B { w1 , w2 , , wm } de W.
Se tiene
(aT bS )(v j ) aT (v j ) bS (v j ) ; j 1, , n
m m
a aij wi b bij wi ; j 1, , n
i 1 i 1
m m
(aaij ) wi (bbij ) wi ; j 1, , n
i 1 i 1
m
(aaij bbij ) wi ; j 1, , n
i 1
De este modo,
aT bS BB aaij bbij ; i 1,, m, j 1,, n
90
----------------------------------------------------------------------------------------------------------

aaij bbij ; i 1,, m, j 1,, n
aa bb ; i 1,, m, j 1,, n
ij ij
aT B bS B
B B
Ejercicio.- Sean V y W dos K-espacios vectoriales de dimensin finita con bases

ordenadas B { v1 , v2 , , vn } y B { w1 , w2 , , wm } , respectivamente. La
transformacin lineal T : V W es nula si y solo si T B 0 .

B
Prueba
) Asumiendo que la transformacin lineal T : V W es nula.
Sean B { v1 , v2 , , vn } y B { w1 , w2 , , wm } las bases ordenadas de V y
W respectivamente, entonces
m
T (v j ) aij wi ; j 1, , n
i 1
0w1 0w2 0wm a1 j w1 a2 j w2 amj wm ; j 1, , n
aij 0 ; i 1, , m , j 1, , n
por ser B { w1 , w2 , , wm } una base para W, luego
0 0
T 0
B
B
0 0
Ahora asumiendo que T B 0 .

B
)
Sea v V , por ser B { v1 , v2 , , vn } base de V, se tiene que
c1
c
[v]B 2 , luego por una proposicin demostrada anteriormente se tiene que

c n
c1 0 0
0 0 0
T BB [v]B [T (v)]B
c2
0
[T (v)]B

0 0
c n 0 0
Entonces, T (v) 0w1 0w2 0wm 0, v V . En consecuencia la
transformacin lineal T es nula.
91
----------------------------------------------------------------------------------------------------------
Teorema.- Sean V, W dos K-espacios vectoriales de dimensiones n y m
respectivamente. Para cada par de bases B {v1 , v2 ,, vn } de V y B' {w1 , w2 ,, wm }
de W se tiene que:
L(V , W ) K mn
Prueba
Definimos:
: L(V , W ) K mn
T (T ) [T ]B
B
'
Afirmacin 1. - es una transformacin lineal. En efecto:

Sean T , S L(V , W ) y a, b K tal que:
(T ) [T ]B
B [aij ] mn A
'
(S ) [S ]B
B [bij ] mn B
'
Se tiene
(aT bS ) [aT bS ]B
B
'
Por definicin de .
a[T ]B
B b[ S ]B
' B'
Por la proposicin anterior.
a (T ) b (S ) Sustitucin
Con lo cual se verifica la afirmacin 1.
Afirmacin 2.- es un isomorfismo. En efecto:
i) es inyectiva
Nu( ) {T L(V , W ) / (T ) 0}
{T L(V , W ) / [T ]B
B 0}
'
{T L(V , W ) / T 0} Por el ejercicio anterior.

luego Nu( ) {0}
es inyectiva
ii) es sobre
dim L(V , W ) m n dim K mn , por la parte (i) es inyectiva se tiene que es
sobre.
Luego de (i) y (ii) es un isomorfismo.
L(V , W ) K mn
92
----------------------------------------------------------------------------------------------------------
Proposicin .-Dados V, W, U espacios vectoriales de dimensin finita sobre el campo K
y sean T : V W y S : W U transformaciones lineales. Si B , B y B son las
bases ordenadas de los espacios vectoriales V, W y U respectivamente, entonces:
B B
B [ S ]B [T ]B
[S T ]B
Prueba
Consideremos: B {v1 , v2 ,, vn }, B {w1 , w2 ,, wm } y B {u1 , u 2 ,, u r } las
bases ordenadas para V, W y U respectivamente.

m
B tal que T (v j ) aij wi , j 1, 2, , n

A (aij ) mn [T ]B
i 1
B tal que S ( wl ) bkl u k , l 1, 2, , m

B (bkl ) rm [S ]B
k 1
(S T )(v j ) S T (v j ) ; para cualquier j, 1 j n
m
S aij wi
i 1
m
aij S ( wi )
i 1
m
r
aij bki u k
i 1 k 1
r
m
bki aij u k
k 1 i 1
luego:
r
m
( S T )(v j ) bki aij u k
k 1 i 1

ck j
r
ck j u k 1 j n
k 1

entonces: B [c k j ] r n
[S T ]B
pero c k j es el (k , j ) trmino del producto de las matrices BA.
En consecuencia, finalmente tenemos que:

B B
B [ S ]B [T ]B
[S T ]B
93
----------------------------------------------------------------------------------------------------------
Ejemplo.- Sean las transformaciones lineales
T : R3 R2
( x, y, z ) ( x y, z x)
S: R2 R
( x, y ) 2 x y
y consideremos las bases:
B {(1,1,1), (1,1, 0), (1, 0, 0)} de R 3 ,
B {(1, 3), (2,1)} de R 2 y

B {1} de R.
Hallar:

i) [ S T ]B
B
ii) (S T )( x, y, z)
iii) (S T )(2, 1, 4)
Solucin
2 6
i) T (1,1,1) (2, 0) (1, 3) (2,1)
5 5
4 7
T (1,1, 0) (2, 1) (1, 3) (2,1)
5 5
3 4
T (1, 0, 0) (1, 1) (1, 3) (2,1)
5 5
2 / 5 4 / 5 3 / 5
B
[T ]B
6/5 7/5 4 / 5 23
S (1, 3) 5 5(1)
S (2,1) 5 5(1)
B 5 512

[S ]B
2 / 5 4 / 5 3 / 5
[S T ]BB 5 5
6/5 7/5 4 / 5
4 3 1
ii) (S T )( x, y, z)
Hallemos [( x, y, z )]B
( x, y, z) a(1,1,1) b(1,1, 0) c(1, 0, 0)
calculando se tiene que a z, b y z, c x y . Luego:
94
----------------------------------------------------------------------------------------------------------
( x, y, z) z(1,1,1) ( y z)(1,1, 0) ( x y)(1, 0, 0)
z
[( x, y, z )]B y z
x y

[(S T )( x, y, z)]B [S T ]B
B [( x, y, z )]B
z
4 3 1 y z
x y
4 z 3( y z) ( x y)
x 2y z
(S T )( x, y, z) x 2 y z
iii) (S T )(2, 1, 4) 4
Ejemplo.- Sean las transformaciones lineales:

T : R 2 W {( x, y, z ) R 3 / x 2 y}
( x, y) (2 y, y, 0)
y
F :W R 22
x y
( x, y , z )
z x
y las bases:
B {(1,1), (1, 0)} de R 2
B {(2,1, 0), (0, 0,1)} de W
1 0 0 1 0 0 0 0
B , , ,
22
de R .
0 0 0 0 1 0 0 1
Hallar:
B
i) [T ]B
B y [F ]B

ii) [ F T ]B
B
Solucin
i) T (1,1) (2,1, 0) 1(2,1, 0) 0(0, 0,1)
T (1, 0) (0, 0, 0) 0(2,1, 0) 0(0, 0,1)
95
----------------------------------------------------------------------------------------------------------
1 0
B
[T ]B
0 0
2 1 1 0 0 1 0 0 0 0
F (2,1, 0) 2 0 0 10 0 01 0 20 1
0 2
0 0 1 0 0 1 0 0 0 0
F (0, 0,1) 0 0 1 0
1 0 0 0 0 0 1 0 0 1
2 0
1 0
[ F ]B
B

0 1

2 0
B B
B [ F ]B [T ]B
ii) [ F T ]B
2 0
1 0 1 0

0 1 0 0

2 0
2 0
1 0

0 0

2 0
Corolario.- Sean V, W espacios vectoriales de dimensin finita con bases ordenadas

B y B respectivamente y T : V W una transformacin lineal. T es un isomorfismo

si y solo si [T ]B
B es inversible.
Prueba.- Ejercicio.
Matriz cambio de base

Sea V un K-espacio vectorial de dimensin finita, consideramos B {v1 , v2 ,, vn } y
B {v'1 , v' 2 ,, v' n } dos bases ordenadas para V.
i) Para hallar la matriz cambio de base de B a B .

Se considera el endomorfismo identidad
96
----------------------------------------------------------------------------------------------------------
I : V V tal que I (v j ) v j , j 1, 2,, n ,
luego expresando v j como una combinacin lineal de los elementos de B se
tiene
n
I (v j ) v j pij vi , j 1, 2,, n (1)
i 1
escribiendo (1) explcitamente se obtiene:

I (v1 ) v1 p11v1 p21v2 pn1vn
I (v2 ) v2 p12v1 p22v2 pn 2 vn

I (vn ) vn p1n v1 p2n v2 pnnvn
la matriz asociada al endomorfismo I respecto a las bases B y B que

denotamos por:
p11 p12 p1n
p p 22 p 2 n
P [ I ]B
21
B

p n1 pn2 p nn
es llamada matriz cambio de base de B a B .

ii) Para hallar la matriz cambio de base de B a B
Se considera el endomorfismo identidad
I : V V tal que I (vj ) vj , j 1, 2,, n
luego expresando v j como una combinacin lineal de los elementos de B se
tiene
n
I (v j ) v j qij vi , j 1, 2,, n (2)
i 1
y escribiendo (2) explcitamente se tiene:
I (v1 ) v1 q11v1 q21v2 qn1vn
I (v2 ) v2 q12v1 q22v2 qn 2 vn

I (vn ) vn q1n v1 q2n v2 qnnvn
97
----------------------------------------------------------------------------------------------------------
la matriz asociada al endomorfismo I respecto a las bases B y B que
denotamos por:
q11 q12 q1n
q q 22 q 2 n
Q [ I ]B
B 21

q n1 q n 2 q nn
es llamada matriz cambio de base de B a B.

Observacin.-Tambin es usual denotar la matriz P cambio de base de B a B por
B'
MB o BMB' y la matriz Q cambio de base de B a B por M B'
B
o B' MB .
Ejercicio.- Sea V un K-espacio vectorial de dimensin finita n e I :V V el
B I n donde I n es la matriz identidad de orden n

endomorfismo identidad, entonces [ I ]B
y B una base cualesquiera de V.

Proposicin.- Sea V un K-espacio vectorial de dimensin finita, B {v1 , v2 ,, vn } y
B {v'1 , v' 2 ,, v' n } dos bases ordenadas para V. Entonces las matrices de cambio de
bases P de B a B y Q de B a B son inversas entre s.
Prueba
En efecto,
PQ [ I ]B ' B
B [ I ]B ' Por definicin de P y Q.
[ I I ]B
B'
'
Por propiedad demostrada.
[ I ]B
B'
'
Pues I I I .
In Por el ejercicio anterior.
Anlogamente se demuestra que QP I n .
Luego, PQ I n y QP I n lo que demuestra que P y Q son inversas entre si.
Ejemplo.- Sean B {(1,1), (1, 0)} y B {(1, 0), (2,1)} dos bases de R 2 .
Hallar la matriz cambio de base:
i) P de la base B a la base B .
ii) Q la base B a la base B.
iii) Verifique que P y Q son inversas entre si
98
----------------------------------------------------------------------------------------------------------
Solucin
i) (1,1) 1(1, 0) 1(2,1)
(1, 0) 1(1, 0) 0(2,1)
1 1
P
1 0
ii) (1, 0) 0(1,1) 1(1, 0)
(2,1) 1(1,1) 1(1, 0)
0 1
Q
1 1
0 1 1 1 1 0
iii) PQ
1 1 1 0 0 1
Proposicin.- (Frmulas de transformacin de coordenadas)

Sea V un K-espacio vectorial de dimensin finita con bases ordenadas
B {v1 , v2 ,, vn } y B {v'1 , v' 2 ,, v' n } . Si P es la matriz cambio de base de B a
B y Q la matriz cambio de base de B a B, entonces para todo v V se tiene que

P[v]B [v]B
y Q[v]B [v]B
Prueba
a1 a '1
a a'
Sean: [v]B 2
y [v]B 2

an a ' n
las coordenadas del vector v V con respecto a las bases B y B .
Probaremos que P[v]B [v]B
n
Entonces v a jv j
j 1
n
n
a j pij vi
j 1 i 1
99
----------------------------------------------------------------------------------------------------------
n n
a j pij vi (1)
i 1 j 1
Por otro lado tenemos que:
n
v aivi (2)
i 1
De (1) y (2) por la unicidad de la combinacin lineal, ya que B es una base tenemos
n
ai pij a j , i 1, 2,, n (3)
j 1
es decir, explcitamente:
a1 p11a1 p12a2 p1n an
a2 p21a1 p22a2 p2n an

an pn1a1 pn 2 a2 pnn an
a1 p11 p12 p1n a1

a p p 22 p 2 n a 2
2 21

a n p n1 pn2 p nn a n
[v]B P [v]B (4)

Ahora como P y Q son inversas entre s, tenemos que:
Q[v]B QP[v]B
(QP)[v]B
[v]B pues QP I
Q[v]B [v]B (5)
Las expresiones (4) y (5) se denominan frmulas de transformacin de coordenadas.
Proposicin.- Sean V y W dos K-espacios vectoriales de dimensin finita con bases

ordenadas B y C respectivamente. Si T : V W es una transformacin lineal
inversible y siendo T 1 dicha inversa, entonces
T 1 B
C
C 1
([T ]B )
Prueba
100
----------------------------------------------------------------------------------------------------------
Sea n dim V dim W , considerando las bases B y C en V y W respectivamente,
se tiene
C
[T ]B
T 1
B
C [T T 1 ]CC [ I ]CC I n
Donde I n es la matriz identidad de orden n.
Anlogamente,
T 1 B
C
C
[T ]B [T 1 T ]B
B [ I ]B I n
B
Por consiguiente,
T 1 B
C
C 1
([T ]B )
Proposicin .- Sean V, W dos K-espacios vectoriales de dimensin finita con bases B

y C respectivamente, entonces la transformacin lineal T : V W es un isomorfismo
C
si y solo si [T ]B posee inversa.
Prueba
) Asumiendo que T es un isomorfismo.
T : V W posee inversa T 1 : W V , luego por la proposicin anterior

C 1
([T ]B ) [T 1 ]B
C .
) C
Ahora asumiendo que [T ]B posee inversa.
Se tiene que ran(T ) dim W , luego solo resta probar que T es una
transformacin lineal inyectiva.
Si T (v) , entonces
C 1
[ v ]B ([ T ]B ) [ T (v)]C 0
Como todas las coordenadas de v son iguales a cero, se tiene que v , luego
Nu(T ) { } y en consecuencia T es inyectiva.
Ejemplo.- Sea P 1[ R ] es el espacio vectorial de los polinomios de grado menor o igual
que uno sobre el campo de los reales R y la transformacin lineal T : R 2 P 1[ R ]
definida como T (a, b) a (a b) x , demuestre que T es un isomorfismo y calcule la

inversa de T.
Solucin
101
----------------------------------------------------------------------------------------------------------
Considerando las bases cannicas de B y C en R 2 y P 1[ R ] respectivamente se
tiene que
T (1, 0) 1 1x
T (0, 1) 0 1x
1 0
C
Luego, [ T ]B
1 1
C 1 1 0
C
La matriz [T ]B es inversible y ([ T ]B ) ; en consecuencia T es un
1 1
isomorfismo.
Para calcular la inversa de T
1 0 a a
[ T 1 (a bx)] [ T 1 ]B
C [ a bx ]C
1 1 b a b
T 1 (a bx) a(1, 0) (a b)(0, 1)
T 1 (a bx) (a, a b)
Proposicin.- Sea V un K-espacio vectorial de dimensin finita, B y C dos bases

ordenadas para V y T :V V un endomorfismo, entonces
B Q[ T ]C P
[ T ]B C
donde P es la matriz cambio de base de B a C y Q la matriz cambio de base de C

a B.
Prueba
Como P [ I ]B
C
y Q [ I ]B
C se tiene
Q[ T ]CC P [ I ]B
C [ T ]B [ I ]B [ I ]C [ T I ]B [ I ]C [ T ]B [ I T ]B [T ]B
B C B C B C B B
Tomando extremos se obtiene,
B Q[ T ]C P
[T ]B C
con lo cual queda demostrada la proposicin.

La proposicin anterior se puede interpretar mediante el siguiente grfico
102
----------------------------------------------------------------------------------------------------------
[T ]CC
V, C V, C
P P Q
[T ]B
B
V, B V, B
Matrices semejantes
Sea V un K-espacio vectorial de dimensin finita y T : V V un endomorfismo. Se
A T B ,
B
consideran B y B dos bases ordenadas de V. Si se denotan por
B T B , P la matriz cambio de base de B a B y P 1 la matriz cambio de base

B
de B a B por la proposicin anterior se tiene que A P 1 BP . Las matrices
A, B K nn que representan al mismo endomorfismo respecto a las bases B y B

son llamadas semejantes.
Estoes, diremos que A es semejante a B si y solo si existe una matriz P no singular
tal que A P 1 BP .
La proposicin anterior se extiende para el caso de una transformacin lineal
T :V W donde V y W son K-espacios vectoriales de dimensiones n y m
respectivamente. Si B y B son bases para V; C y C bases para W con matrices
C
asociadas A [T ]B , B [T ]B y matrices cambio de base P de B a B y Q de
C
C y C se cumple que A Q 1 BP .
Es decir, dada la transformacin lineal T : V W donde V y W son dos K-espacios
vectoriales de dimensiones n y m respectivamente, diremos que las matrices
A, B K nn representan a la misma transformacin lineal T existen matrices
P K nn y Q K mm no singulares tales que A Q 1 BP .

El siguiente grfico, ilustra la situacin antes descrita.
B
V , B W, C
P Q Q -1
A
V, B W, C
103
----------------------------------------------------------------------------------------------------------
Ejemplo.- Sea T : R 3 R 2 tal que T ( x, y, z) ( x y, 2 z x) .
i) Si B es la base cannica de R 3 y C es la base cannica de R 2 . Hallar la

matriz de T respecto a las bases B y C.
ii) Calcular las matrices de cambio de base de las bases dadas en (i) a las bases:
B {(1, 0, 1), (1,1,1), (1, 0, 0)} de R 3 y C {(0,1), (1, 0)} de R 2
iii) Calcular la matriz de T respecto a las bases dadas en (ii).
Solucin
C
i) Hallemos [T ]B
T (1, 0, 0) (1, 1) 1(1, 0) 1(0,1)
T (0,1, 0) (1, 0) 1(1, 0) 0(0,1)
T (0, 0,1) (0, 2) 0(1, 0) 2(0,1)
1 1 0
A [T ] C
B
1 0 2
ii)
B
R 3 , B R2 , C
P -1 Q
P
A
R3 , B R2 , C
Calcularemos las matrices de cambio de base de las bases dadas

De B {(1, 0, 0), (0,1, 0), (0, 0,1)} a B {(1, 0, 1), (1,1,1), (1, 0, 0)}
(1, 0, 0) 0(1, 0, 1) 0(1,1,1) 1(1, 0, 0)
(0,1, 0) 1(1, 0, 1) 1(1,1,1) 2(1, 0, 0)
(0, 0,1) 1(1, 0, 1) 0(1,1,1) 1(1, 0, 0)
0 1 1 1 1 1
P 0 1 0 , P 1
0 1 0
1 2 1 1 1 0
104
----------------------------------------------------------------------------------------------------------
De C {(1, 0), (0,1)} a C {(0,1), (1, 0)}
(1, 0) 0(0,1) 1(1, 0)
(0,1) 1(0,1) 0(1, 0)
0 1
Q
1 0
iii) Calcular la matriz de T respecto a las bases dadas (ii).
B QAP 1
1 1 1
0 1 1 1 0
0 1 0
1 0 1 0 2 1 1 0

3 1 1

1 2 1
Ejercicios
1. Una transformacin lineal T : R 3 R 2 est definida por
T ( x, y, z) ( x 2 z, y z)
a) Hallar la matriz asociada A de T, respecto a las bases:
{ (1, 1, 1), (2, 2, 0), (3, 0, 0) } en R 3 y { (2, 0), (0, 2} en R 2
b) Mediante A, determinar la imagen de (2, 2, 2) R 3 .

c) Determinar la matriz B de T, respecto a las bases cannicas en ambos
espacios.
d) Obtener la matriz C de T, respecto a la base cannica de R 3 y la base dada
para R 2 en la parte a).
2. Hallar la matriz de la transformacin lineal S : R 3 R 4 , donde S est definida
como:
S ( x, y, z) (3x y, x y, y z, x y z)
en las bases que se indican a continuacin
a) En las bases cannicas.
b) { (3, 2, 4), (5, 1, 4), (1, 4, 3) } base de R 3 y
{(0, 0, 2, 4), (3, 0, 1, 1), (0, 4, 5, 1), (1, 1, 1, 1)} base de R 4 .
c) La base cannica de R 3 y para R 4 la base dada en b)
105
----------------------------------------------------------------------------------------------------------
3. Sea la transformacin lineal f : R 2 R 3 definida por
f ( x, y) ( x y, x y, x 2 y)
a) Determinar el Nu(f), Im(f), una base para cada uno y sus respectivas
dimensiones.
b) Hallar la matriz asociada de f respecto a las bases:
{ (1, 2), (2, 0) } en R 2 y { (1, 0, 0), (0, 2, 0), (0, 0, 3) } en R 3
4. La matriz asociada de la transformacin lineal f : R 3 R 3 respecto de la base

cannica es
1 1 1
A 3 3 3

2 4 2
Determinar el Nu(f), Im(f) y sus dimensiones.

5. Sea T el operador lineal sobre C 2 definido por T ( z1 , z 2 ) ( z1 , 0) . Sea B la
base ordenada cannica de C 2 y sea B { (1, i) , (i, 2) } .

a) Cul es la matriz asociada de T respecto al par de bases B y B ?.
b) Cul es la matriz asociada de T respecto al par de bases B y B ?.
c) Cul es la matriz asociada de T en la base B { (1, i) , (i, 2) } ?.
6. Si V { ax 2 bx c / a, b, c R } y T : V R 2 es una transformacin lineal
definida por T (ax 2 bx c) (b 2c, 3c 2a) , determine la matriz asociada a T
respecto a las bases B1 { 1, 1 x, 1 x x 2 } de V y B2 { (3, 2), (2, 3)} de R 2 .
7. Dada la transformacin lineal f : R 22 R 3 definida por
a b
f (a b c, a b d , b c d )
c d
a) Obtener la matriz de f respecto de las bases:
1 1 1 0 0 0 0 1
, , , y { (0, 2, 1), (2, 0, 1), (0, 1, 1) }
1 1 1 0 0 1 1 1
1 3
c) Utilizando la matriz hallada, obtener la imagen de .
2 2
106
----------------------------------------------------------------------------------------------------------
8. Determinar la transformacin lineal f : R 3 R 2 , tal que respecto de las bases
{ (1, 1, 1), (1, 0, 1), (1, 1, 0) } en R 3 y { (1, 2), (2, 1) } en R 2 su matriz asociada sea
1 0 0
0 1 1 .

9. Hallar la matriz de la transformacin lineal g f respecto de las bases
{ (1, 1), (0, 1) } en el dominio, { (2, 0), (2, 2) } en el codominio donde
f : R 2 R 3 / f ( x, y) ( x, x y, y) g : R 3 R 2 / g ( x, y, z) ( x y, z) .
10. Sea la transformacin lineal f : R 2 R 2 representada por la matriz
cos sen
sen cos
respecto de la base cannica.

Demostrar que si y son nmeros reales cualesquiera, entonces
f f f y f1 f .
11. El endomorfismo T : R 3 R 3 est definido por

T ( x, y, z) ( x, x y, x y z)
En caso de ser posible, halle la matriz asociada a T 1 con respecto a la base

B { (1, 0, 0), (1, 1, 0), (1, 1, 1) } .
12. Sea f : R 3 R 2 definida por f ( x, y, z) ( x y z, x y)
a) Hallar la matriz de f respecto a las bases cannicas de R 3 y R 2

respectivamente.
b) Obtener las matrices de cambio de base, de las bases anteriores a las bases
{ (0, 1, 1), (1, 1, 2), (1, 1, 1) } , { (1, 3), (0, 2) } .
c) Calcular la matriz B de f, respecto al nuevo par de bases.
13. Hallar las matrices de cambio de base en cada uno de los siguientes casos:
a) { (2, 3), (3, 2) } y { (1, 4), (4, 2) } bases de R 2 .
b) { x, x 1, x 2 2 x 1} y {1, x 2 2 x 1, x 2 } bases del espacio vectorial
V { a bx cx 2 / a, b, c K }
c) Dado el espacio U { ( x, y, z, w) R 4 / x y z w 0} y dos bases

B {(1, 1, 1, 3), (1, 1, 1, 1), (1, 1, 1, 1)} y
B {(1, 0, 1, 0), (1, 1, 0, 0), (1, 0, 0, 1)}
107
----------------------------------------------------------------------------------------------------------
14. Dados el espacio vectorial R2 con las bases B { (1, 1), (3, 2) } y
B { (1, 0), (2, 1) } , el espacio vectorial R3 con las bases

C {(2, 2, 3), (2, 4, 1), (1, 4, 2)} y C {(1, 1, 0), (1, 2, 1), (2, 1, 2)} .
Sea T : R 2 R 3 una transformacin lineal que tenga en las bases B y C la
1 2
matriz asociada 2 1 , se pide
3 1
a) Hallar la matriz P cambio de base de B a B . Anlogamente, hallar la

matriz Q cambio de base de C a C .
b) Hallar P 1 y Q 1 para las matrices correspondientes a la parte a).

c) Hallar la matriz asociada de la transformacin lineal T, respecto a las
bases B y C .
15. En el espacio vectorial R 2 fijando R , se considera la base
C { (cos , sen ), (sen , cos )} .
a) Hallar la matriz cambio de base de C a la base cannica de R 2 .

b) Determine las coordenadas del vector v (a, b) con respecto a la base
C.
16. Sean B { v1 , v2 , v3 } y C { u1 , u 2 , u3 } bases ordenadas de un R-espacio
vectorial V relacionados de la siguiente forma

u1 3v1 v3

u1 v1 v 2 v3
u 2v 3v
3 2 3
a) Hallar la matriz cambio de base de B a C.
2
b) Si [v]B 1 , halle [v]C .
3
1
c) Si [v]C 3 , halle [v]B .
2
108
----------------------------------------------------------------------------------------------------------
17. Considere el siguiente subespacio de M 2 ( R) ;
x y
W
t
M 2 ( R ); x y z 0
z
1 1 1 0 0 0 1 0 0 1 0 0
y sean B , , , C , , dos
0 0 1 0 0 1 1 0 1 0 0 1
bases de W.
a) Halle las matrices cambio de base de B a C y de C a B.
0 0 1
b) Encuentre una base D de W, tal que la matriz P 3 0 1 sea la
1 2 0
matriz cambio de base de D a B.
18. Sea el endomorfismo T L( R 3 ) , cuya matriz asociada respecto a la base
B { v1 , v2 , v3 } es
3 2 1
2 1 0

4 3 1
Se pide:
a) Probar que B { v3 , T ( v3 ), T 2 ( v3 ) } es tambin base de R 3 .
b) Hallar la matriz asociada de T con respecto a la base
B { v3 , T ( v3 ), T 2 ( v3 ) } .
19. Sean P2 [ x] y P3 [ x] los espacios vectoriales de los polinomios de grado menor
igual a dos y menor o igual a tres, respectivamente, y sea T : P2 [ x] P3 [ x] la
transformacin lineal definida por T( p(x)) = x p(x).

a) Determinar la matriz asociada a T con respecto a las bases cannicas de
P2 [ x] y P3 [ x] , respectivamente.
b) Obtener la matriz asociada de T con respecto a las bases :

B {1 x 2 , 1 3x 2 x 2 , 5 4 x 4 x 2 } de P2 [ x] y
B' {1, x, x 2 , x 3 } de P3 [ x] .
c) Haciendo uso de las matrices obtenidas en a) y b) calcular la imagen del

vector 1 3x x 2 .
109
----------------------------------------------------------------------------------------------------------
DETERMINANTES
Sea V un K-espacio vectorial y f : V V K una funcin. Diremos que f es una
forma bilineal sobre V si y solo si satisface las siguientes condiciones:
i) f (au1 bu 2 , v) af (u1 , v) bf (u 2 , v) ; u1 , u 2 , v V ; a, b K
ii) f (u, cv1 dv2 ) cf (u, v1 ) df (u, v2 ) ; v1 , v2 , u V ; c, d K
Observacin
Sea f : V V K una forma bilineal.
1) Para cada v V definimos
fv : V K
u f v (u ) f (u, v)
2. Para cada u V definimos
f u :V K
v f u (v) f (u, v)
Es inmediato verificar que f v y f u son K-lineales.
Ejemplo 1.- Sea K un campo y consideremos el espacio vectorial K n . Para todo

x ( x1 , x2 , , xn ), y ( y1 , y2 , , y n ) K n definimos la aplicacin
n
f : K n K n K tal que f ( x, y ) xi yi
i 1
La aplicacin f as definida es una forma bilineal.
Ejemplo 2.- Sea A K nn , definimos f : K n K n K tal que
f ( x, y ) xAy T
a11 a12 a1n y1
a a 22 a 2 n y 2
( x1 , x 2 , , x n ) 21

a n1 a n 2 a nn y n
y1

n n n
y 2
xi ai1 , xi ai 2 , , xi ain
i 1 i 1 i 1

yn
n n
y j xi aij
j 1 i 1
110
----------------------------------------------------------------------------------------------------------
n n
aij xi yi
i 1 j 1
n n
La aplicacin f as definida es una forma bilineal y la expresin aij xi yi se
i 1 j 1
denomina polinomio bilineal correspondiente a la matriz A.

Observacin.- Denotemos con L2 (V , K ) el conjunto de las formas bilineales. Es decir,
L2 (V , K ) { f : V V K / f es bilineal }
En L2 (V , K ) definimos las operaciones
( f g )(u, v) f (u, v) g (u, v) ; u, v V y
(af )(u, v) af (u, v)
El conjunto L2 (V , K ) con las operaciones antes definidas es un espacio vectorial sobre
K.
Formas bilineales alternadas
Definicin.- Sea V un K-espacio vectorial. Diremos que una forma bilineal f sobre V
es alternada si
i) f (v, v) 0 , v V
Ntese que si f es alternada, entonces se cumple
ii) f (u, v) f (v, u) ; u, v V
En efecto,
0 f (u v, u v) f (u, u ) f (u, v) f (v, u ) f (v, v)

0 0
0 f (u, v) f (v, u) 0
f (u, v) f (v, u)
Una forma simtrica que satisface la condicin ii) se dice antisimtrica o
hemisimtrica.
Observacin.- Si 11 0 en K, entonces de la condicin ii) se tiene
f (u, u) f (u, u) lo que implica la condicin i). Es decir alternadas y antisimtricas
son equivalentes cuando 1 1 0 .
Ejemplo 1.- Consideremos el R- espacio vectorial R n , A R nn tal que A AT .
Definimos
f : Rn Rn R
( x , y ) f ( x, y ) xAy T
111
----------------------------------------------------------------------------------------------------------
La aplicacin f as definida es alternada.
En efecto, se tiene
f ( x, y) xAy T ( xAy T )T y( xA)T yAT x T y( A) x T yAx T f ( y, x)
Luego, tomando extremos f ( x, y) f ( y, x) . Como en K R, 1 1 0 , entonces
f ( x, x) 0 y en consecuencia f es alternada.
Ejemplo 2.- Sea V un K-espacio vectorial donde dim V n , K es tal que 1 1 0 y
sean f1 , f 2 V * . Definimos
f : V V K
(u, v) f (u, v) f1 (u ) f 2 (v) f 2 (u ) f1 (v)
Dejamos como ejercicio la prueba de que la aplicacin f es bilineal. Probaremos que f
es alternada.
En efecto,
f (u, v) f1 (u ) f 2 (v) f 2 (u ) f1 (v)
[ f 2 (u ) f1 (v) f1 (u ) f 2 (v)]
[ f1 (v) f 2 (u ) f 2 (v) f1 (u )]
f ( v, u )
Luego, tomando extremos se cumple que f (u, v) f (v, u) , en consecuencia queda
probado que f es alternada.
Ejercicio.- Denotemos el conjunto de todas las formas bilineales alternadas por
A2 (V , K ) { f L2 (V , K ) / f es alternada }
Demuestre que A2 (V , K ) es un subespacio de L2 (V , K ) .
Observaciones
Sea f A2 ( K 2 , K ) se cumple:
1. f (u v, v) f (u, v) .
2. f (0, v) 0 f (u, 0) ; f L2 (V , K ) .
3. f (u, u) 0
a c
4. Existe f A2 ( K 21 , K ) tal que f , ad bc .
b d
112
----------------------------------------------------------------------------------------------------------
1 0
En efecto, sea e1 , e2 la base cannica de K 21 y { e1* , e2* } la
0 1
base del dual de K 21 correspondiente a { e1 , e2 } . Es decir, ei* : K 21 K es
lineal verificando ei* (e j ) ij . Entonces
f (u, v) e1* (u)e2* (v) e2* (u)e1* (v) (1)

La aplicacin f es una forma bilineal alternada.
a
u u ae1 be2
b
c
v v ce1 de2
d
f (u, v) f (ae1 be2 , ce1 de2 )
af (e1 , ce1 de2 ) bf (e2 , ce1 de2 )
acf (e1 , e1 ) adf (e1 , e2 ) bcf (e2 , e1 ) bdf (e2 , e2 )
0 adf (e1 , e2 ) bcf (e2 , e1 ) 0
adf (e1 , e2 ) bcf (e1 , e2 )
(ad bc) f (e1 , e2 )
Tomando extremos se tiene
f (u, v) (ad bc) f (e1 , e2 ) (2)
Pero por la relacin (1) se tiene
f (e1 , e2 ) e1* (e1 )e2* (e2 ) e2* (e1 )e1* (e2 ) (1)(1) (0)(0) 1
Finalmente reemplazando el valor de f (e1 , e2 ) 1 en la relacin (2) se tiene
a c
f (u, v) ad bc , donde u y v
b d
5. Se tiene que dim A2 ( K 21 , K ) 1 .
a c
En efecto, sea D A2 ( K 21 , K ) , u y v y si A [ u , v] ,
b d
entonces
D( A) D([u, v]) (ad bc) D(e1 , e2 ) (1)

Por otro lado, det( A) ad bc y reemplazando en la relacin (1) se tiene
D( A) det( A), A K 22
Luego, dim A2 ( K 21 , K ) 1 , pues D A2 ( K 21 , K ) se tiene que D det .
113
----------------------------------------------------------------------------------------------------------
Formas n-lineales
Sea V un K-espacio vectorial de dimensin n. Una forma n-lineal es una aplicacin
f : V n K , donde V n V

V

V
n veces
tal que
f (v1 ,, avi bvi, , vn ) af (v1 , , vi , , vn ) bf (v1 , , vi, , vn )
vi, v1 , , vn V , i 1, , n; a, b K .
Denotemos el conjunto de las formas n-lineales por

Ln (V , K ) { f : V n K / f es n lineal }
Ln (V , K ) es un K-espacio vectorial.
Definicin.- Diremos que f Ln (V , K ) es alternada si y solo si
f (v1 , , vi , , v j , vn ) 0 si vi v j para i j
Ntese que el conjunto An (V , K ) { f Ln (V , K ) / f es alternada } es un
subespacio de Ln (V , K ) .
Observaciones
1. Suponiendo que 1 1 0 en K se verifica
f An (V , K ) f (v1 , , vi ,, v j ,, vn ) f (v1 , , v j ,, vi ,, vn ) , i j
es decir f es antisimtrica.
Asumiendo que f es alternada, definimos
g (u, v) f (v1 , , u ,, v,, vn ) ; vk V , k {i, j} estn fijados
i j
La aplicacin g es bilineal. Como f es alternada, g est bien determinada.

g (u, v) g (v, u) f (v1 , , vi ,, v j ,, vn ) f (v1 , , v j ,, vi ,, vn )
Recprocamente, asumiendo que

f (v1 , , vi ,, v j ,, vn ) f (v1 , , v j ,, vi ,, vn ) , i j
Se tiene que
g (u, u) 0 f (v1 , , u, , u, , vn )
2. Si v1 , , vn V son linealmente dependientes, entonces
f (v1 , , vn ) 0, f An (V , K )
114
----------------------------------------------------------------------------------------------------------
En efecto, si v1 , , vn son linealmente dependientes entonces podemos asumir
n
sin prdida de generalidad que v n ci vi
i 1
n
f (v1 , , vn1 , vn ) f (v1 , , vn1 , ci vi )
i 1
n 1
ci f (v1 , , v n 1 , vi )
i 1
Funcin determinante
Definicin.- Sea K un campo tal que 1 1 0 , y si A K nn que escribimos como
A [ A1 , A2 , , An ] , donde Ai con 1 i n denota la columna del lugar i de la
matriz cuadrada A. Diremos que D : K nn K es una funcin determinante, si

considerada como funcin sobre las columnas de una matriz es una forma n-lineal
alternada. Es decir, A K nn , D( A) D( A1 , A2 , , An ) .
Observacin.-

K nn
K n K n K n
f
K ; f An ( K n , K )
A [ A1 , A2 , , An ]
D f D( A) f ( A) f ( A1 , A2 , , An )
Notacin.- Si A [aij ]nn es una matriz cuadrada de orden n, A(i | j ) denotar la
matriz cuadrada de orden (n 1) (n 1) obtenida de A, al eliminar la i-sima fila y j-

sima columna.
j
a11 a1n

aij i

a n1
Es decir si A [ A1 , , A j 1 , A j , A j 1 , , An ] , entonces
A(i | j ) [ A1 , , A j 1 , A j 1 , , An ] [ A1 , , A j , , An ]
Por convencin A j significar la omisin de la columna j.
115
----------------------------------------------------------------------------------------------------------
Teorema.-[Existencia de la funcin determinante]
Existe una funcin determinate
D : K nn K tal que D( I n ) 1
Demostracin
La demostracin de la existencia dem de D la haremos por induccin sobre n.
Para n 1, A [a]11 , D( A) a
Para n 2 se cumple por la observacin parte (4).
Hiptesis inductiva
Para n 2 , supongamos que el teorema se cumple para matrices cuadradas de orden
n 1.
Sea A [aij ]nn para cada i, 1 i n .
Definimos
n
Di ( A) (1) i j aij D( A(i | j )) (1)
j 1
donde D es la funcin determinante para matrices cuadradas de orden (n 1) por la

hiptesis inductiva.
Afirmacin 1.- Di es n-lineal.
Definimos Dij ( A) aij D( A(i | j )) ; 1 j n
Como A(i | j ) es independiente de la j-sima columna de A, entonces Dij (A) es lineal
en las columnas A1 , , A j 1 , A j 1 , , An .
~ , , A ] , entonces D ( A) (ca da~ ) D( A(i | j ))
Si A [ A1 , , cA j dA j n ij ij ij
~ , , A ] ca D( A(i | j )) da~ D( A(i | j ))

Dij [ A1 , , cA j dA j n ij ij
~ , , A ] )
cDij ( [ A1 , , A j , , An ] ) dDij ( [ A1 , , A j n
Luego, Dij , 1 j n , es n-lineal.

n n
Pero Di ( A) (1) i j aij D( A(i | j )) (1) i j Dij ( A)
j 1 j 1
Esto es, Di es suma de formas n-lineales, por lo tanto es n-lineal.
Afirmacin 2.- Di es alternada.
Debemos mostrar que si A [ A1 , , Ak , , Al , , An ] con Ak Al y k l ,
entonces Di ( A) 0 .
116
----------------------------------------------------------------------------------------------------------
Sea 1 j n tal que j k j l , entonces las matrices A(i | j ) tienen dos columnas
iguales, entonces D( A(i | j )) 0 .
Luego, de la definicin (1) se tiene
Di ( A) (1) i k aik D( A(i | k )) (1) i l ail D( A(i | l )) (2)
Por otro lado, tenemos que

Ak Al aik ail , adems
A(i | k ) [ A1 , , A k , , Al , , An ]
A(i | l ) [ A1 , , Ak , , A l , , An ]
D( A(i | k )) D( [ A1 , , A k , , Al , , An ] )

l 1
(1) l 1k D([ A1 , , Al , , A k , , An ])
como Ak Al Ak Al , luego
D( A(i | k )) (1) l 1k D( [ A1 , , Ak , , A l , , An ] )
D( A(i | k )) (1) l 1k D( A(i | l ))

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

n
Di ( I n ) (1) i j aij D( I n (i | j ))
j 1
aii D( I n (i | i )
1 D( I n 1 )
1
Observaciones.
1. En realidad en el teorema existen n funciones determinantes. Denotemos con
det alguna de esas funciones. En particular det D1 .
2. La frmula (1) es conocida como el desarrollo de Lagrange (desarrollo por
menores complementarios)
117
----------------------------------------------------------------------------------------------------------
a11 a12 a13
Para el caso de A a 21 a 22 a 23 se tiene que
a31 a32 a33
a 22 a 23 a 21 a 23 a 21 a 22
det( A) D1 ( A) (1)11 a11 (1)1 2 a12 (1)13
a32 a33 a31 a33 a31 a32
3. Si Ei ( ), Eij ( ), 0 y E ij son los tres tipos de matrices elementales. Se
tiene:
a) det(Ei ( )) det(I n )
b) det(Eij ( )) det(I n )
c) det(Eij ) det(I n )
d) det((Ei ( ))T ) det(Ei ( ))
e) det((Eij ( ))T ) det(Eij ( ))
f) det((Eij ) T ) det(Eij )
Proposicin
1. Sean Ei ( ), Eij ( ), 0 y E ij los tres tipos de matrices elementales. Se
tiene:
a) det(Ei ( ))
b) det(Eij ( )) 1
c) det(Eij ) 1
2. Sean A K nn E una matriz elemental de cualquier tipo y D una funcin

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

E i ( ) 0 0 i

0 0 1
118
----------------------------------------------------------------------------------------------------------
Expresando la matriz elemental Ei ( ) del segundo tipo en trmino de sus
columnas se tiene
Ei ( ) [ E1 , , Ei , , En ] (1)
0

Donde Ei 1 i , es la i-sima columna de la matriz identidad I n .

0
1 0 0 0

0 1 0

Eij ( )
0 0 1 0

0 0 0 1

Expresando la matriz elemental del tercer tipo en trminos de sus columnas se
tiene
Eij ( ) [ E1 , , Ei , , E j Ei , , En ]
Es decir,
0 0 0

i 1 0

E i E j
j 1 0 1

0 0 0

y
1 0 0 0

0 0 1 0

Eij
0 1 0 0

0 0 0 1

Expresando la matriz elemental del primer tipo en trminos sus columnas
119
----------------------------------------------------------------------------------------------------------
Eij [ E1 , , E j , , Ei , , En ] (3)
a) det(Ei ( )) det([ E1 , , Ei , , En ] ) por (1)
det([ E1 , , Ei , , En ] ) por la funcin det n-lineal.
det(I n )
(1)
det(Ei ( ))
b) det(Eij ( )) det([ E1 , , Ei , , E j Ei , , En ] ) por (2)
det([ E1 , , Ei , , E j , , En ] ) det([ E1 , , Ei , , Ei , , En ] )

0
det([ E1 , , Ei , , E j , , En ] ) por ser n-lineal alternada
det( I n )
1
det(Eij ( )) 1
c) det(Eij ) det([ E1 , , E j , , Ei , , En ])
det([ E1 , , Ei , , E j , , En ])
det(I n ) 1
det(Eij ) 1
2. Expresando la matriz A en trmino de sus columnas se tiene

A [ A1 , , Ai , , A j , , An ] , luego
a) AEi ( ) [ A1 , , Ai , , A j , , An ]
b) AEij ( ) [ A1 , , Ai , , A j Ai , , An ]
c) AEij [ A1 , , A j , , Ai , , An ]
Luego, para a)
D( AEi ( )) D( [ A1 , , Ai , , A j , , An ] )
D( [ A1 , , Ai , , A j , , An ] )
D(A )
det(Ei ( )) D( A )
D( AEi ( )) det(Ei ( )) D( A )
Para b) D( AEij ( )) D( [ A1 , , Ai , , A j Ai , , An ] )
120
----------------------------------------------------------------------------------------------------------
D( [ A1 , , Ai , , A j , , An ] ) D( [ A1 , , Ai , , Ai , , An ] )

0
D( A) 1D( A) det(Eij ( )) D( A)
D( AEij ( )) det(Eij ( )) D( A)
Para c) D( AEij ) D([ A1 , , Aj , , Ai , , An ] )
D( [ A1 , , Ai , , A j , , An ] )
D( A ) por ser n-lineal alternada

det(Eij ) D( A )
D( AEij ) det(Eij ) D( A)
Luego, de a), b) y c) resulta que

D( AE ) D( A) det(E)
Ntese que si A I n , se tiene que D( E ) det(E ) (*)
3. Probaremos que D( E T ) D( E ) , para cualquier funcin determinante.

Se sabe que
a) ( Ei ( ))T Ei ( )
b) ( Eij ( ))T E ji ( )
c) ( Eij ) T Eij
Luego, tenemos
De a) D(( Ei ( ))T ) D( Ei ( ))
De b) D(( Eij ( ))T ) D( E ji ( ))
det(Eij ( )) D( I n ) por (*) de 2)
D( Eij ( ))
D( ( Eij ( ))T ) D( Eij ( ))
De c) D(( Eij ) T ) D( Eij )
D( E T ) D( E )
Proposicin.- Para todo A, B K nn se tiene que

det( AB) det( A). det(B)
121
----------------------------------------------------------------------------------------------------------
Prueba
Caso 1.- Si B es singular, entonces AB es tambin singular, luego
det( AB) 0 (1)
De otra parte se tiene que
det( A) det(B) 0 (2)
pues det(B) 0 por ser B singular.
De (1) y (2) se tiene que det( AB) det( A) det(B)
Caso 2.- Si B es no singular.
Si B es no singular, entonces B puede ser expresado como producto de
matrices elementales; es decir
B E p E p 1 E2 E1
AB AE p E p 1 E2 E1
det( AB) det( AE p E p 1 E2 E1 ) (3)
Aplicando una proposicin demostrada anteriormente, y eligiendo D det se

tiene
det( AB) det( AE p E p 1 E2 ) det(E1 )
det( AE p E p 1 E3 ) det(E 2 ) det(E1 )

det( A) det(E p ) det(E p 1 ) det(E 2 ) det(E1 )
det( A) det(E p E p 1 E1 )

B
det( A) det(B)
det( AB) det( A) det(B)
Proposicin.- Para todo A K nn , det( AT ) det( A) .

Prueba
Caso 1.- Si A es singular
Si A es singular, entonces AT tambin es singular. Luego,
0 det( A) det( AT )
Caso 2.- Si A es no singular
Si A es no singular, entonces A puede ser expresado como un producto de matrices
elementales, es decir
122
----------------------------------------------------------------------------------------------------------
A E p E p 1 E1 AT ( E p E p 1 E1 )T E1T E2T E Tp1E Tp
det( AT ) det(E1T E2T E Tp1E Tp )
det(E1T ) det(E2T )det(E Tp1 ) det(E Tp ) , por la proposicin anterior
Aplicando una propiedad demostrada anteriormente, se tiene que

det( AT ) det(E1 ) det(E2 ) det(E p 1 ) det(E p )
det(E p ) det(E p 1 ) det(E2 ) det(E1 )
det(E p E p 1 E1 )
det( A)
En consecuencia se ha demostrado que
det( AT ) det( A)
Proposicin.-Sea D una funcin determinante sobre el espacio vectorial K nn .

Entonces,
D( A) D( I n ) det( A), A K nn
Prueba
Caso 1.- Si A es singular.
det( A) 0 D( I n ) det( A) D( A)
Caso 2.- Si A es no singular-

La matriz A puede ser expresado como un producto de matrices elementales. Luego,
A E p E p 1 E2 E1
D( A) D( E p E p 1 E2 E1 )
D( E p E p 1 E2 ) det(E1 ) por una proposicin anterior ( D( AE ) D( A) det(E) )
D( E p ) det(E p 1 )det(E2 ) det(E1 )
D( I n ) det(E p ) det(E p 1 )det(E2 ) det(E1 )
D( I n ) det(E p E p 1 E2 E1 )
D( I n ) det( A)
En consecuencia,
D( A) D( I n ) det( A)
Proposicin.-(Unicidad de la funcin determinante)

Di es la nica funcin determinante sobre K nn que satisface Di ( I n ) 1 .
Prueba
123
----------------------------------------------------------------------------------------------------------
Sea D cualquier funcin determinante que satisface D( I n ) 1 , entonces
D( A) D( I n A) D( I n ) D( A) D( I ) Di ( A) Di ( A)
Entonces, D Di .
Corolario.- Sea
D(n, K ) { D : K nn K / D es funcin determinante}
D(n, K ) es un espacio vectorial de dimensin 1 sobre K.
Prueba
Si D D(n, K ) , entonces D( A) D( IA) D( I ) det( A), A K nn .
Como D(I ) es una constante, entonces D( A) det( A) . Luego, D det y
como det 0 , { det } es una base de D(n, K ) . En consecuencia dim( D(n, K )) 1 .
Proposicin.- Sean A K ss , B K rr , C K rs , demuestre que
A 0
det det( A) det(B)
C B
Prueba
Fijamos A, C y definimos
A 0
: K rr K tal que ( B) det
C B
La aplicacin as definida resulta ser r-lineal alternada sobre las columnas de B ya

que det es una forma n-lineal alternada.
Entonces, es una funcin determinante y aplicando a B se tiene
( B) det(B) ( I r ) (1)
A 0 A 0
Pero, ( I r ) det det

0 I ; ntese que en el lugar correspondiente a
C I r r
la matriz C aparece 0; esto se obtiene mediante operaciones elementales.

Ahora definimos
A 0
: K ss K tal que ( A) det
0 I r
La aplicacin as definida es s-lineal alternada sobre las columnas de A, luego

utilizando el mismo argumento que para se tiene
( A) det( A) ( I s ) (2)
124
----------------------------------------------------------------------------------------------------------
Adems se tiene que
I s 0
( I s ) det det(I s r ) 1
0 I r
Luego,
A 0
( A) det( A) det (I r )
I r
(3)
0
Finalmente, usando en (1) el resultado obtenido en (3) se tiene
( B) det(B) det( A)
Con lo que queda demostrado que
A 0
det det( A) det(B)
C B
Ejercicio.- Aplicando la proposicin anterior demostrar que
a b c d
b a d c
(a 2 b 2 c 2 d 2 ) 2
c d a b
d c b a
Solucin
Sumando a la primera fila la tercera multiplicada por i, y a la segunda la cuarta
multiplicada por i, se obtiene
a b c d a ic b id c ia d ib
b a d c b id a ic d ib c ia

c d a b c d a b
d c b a d c b a
Ahora, sumando a la tercera columna la primera multiplicada por i, y a la cuarta la
segunda multiplicada por i, se obtiene
a ic b id c ia d ib a ic b id 0 0
b id a ic d ib c ia b id a ic 0 0

c d a b c d a ic b id
d c b a d c b id a ic
Aplicando la proposicin anterior se tiene
a ic b id 0 0
b id a ic 0 0 a ic b id a ic b id

c d a ic b id b id a ic b id a ic
d c b id a ic
125
----------------------------------------------------------------------------------------------------------
a ic b id a ic b id
Prop. de conj.
b id a ic b id a ic
a ic b id a ic b id

b id a ic b id a ic
2
a ic b id
Usando la Prop. z z | z | 2
b id a ic
((a ic )(a ic ) (b id )(b id )) 2
(a 2 b 2 c 2 d 2 ) 2
Finalmente, tomando extremos se tiene
a b c d
b a d c
(a 2 b 2 c 2 d 2 ) 2
c d a b
d c b a
Ejercicio.- Demostrar que
A B
det det( A iB ) ; A, B K nn
2

B A
Solucin
A B A iB B iA
det det
B A
B
A
A iB 0
det
B A iB
A iB 0
det
B A iB
det( A iB) det ( A iB )

det( A iB )det( A iB )
det( A iB )
2
Adjunta de una matriz

Definicin.- Sea A [ aij ]nn K nn . Llamaremos i-simo, j-simo cofactor de la
matriz A a la expresin
Cij (1) i j det A(i | j ) (1)
126
----------------------------------------------------------------------------------------------------------
Nota.- Reemplazado la relacin (1) en
n
det( A) (1) i j aij det A(i | j )
j 1
se obtiene
n
det( A) aij Cij (2)
j 1
La relacin (2), que es otra forma de expresar el det(A) y es llamada desarrollo por
cofactores de la i-sima fila de A.
Definiciones.- Sea A [ aij ]nn K nn .
1. Llamaremos matriz cofactor de A a la matriz denotada por

Cof ( A) [ Cij ]nn (3)
donde los C ij son los cofactores correspondientes a la i-sima fila y j-esima
columna de la matriz A, 1 i, j n .
2. Llamaremos matriz adjunta de A a la matriz denotada por
Adj ( A) ( Cof ( A) )T
Esto es, la adjunta de A, es la transpuesta de la matriz cofactor de A.
Ejemplo.-Dada la matriz
2 1
A
3 5
Hallar Adj (A) .
Solucin
C11 (1)11 det([5]) 5 , C12 (1)12 det([3]) 3 ,
C21 (1) 21 det([1]) 1 , C22 (1) 22 det([2]) 2
5 3 5 1
Entonces, Cof (A) y en consecuencia Adj ( A) (Cof ( A)) T
1 2 3 2
Teorema.- Sea A K nn , entonces
A Adj ( A) (det( A)) I n Adj ( A) A
Prueba
127
----------------------------------------------------------------------------------------------------------
a1 j

Sea A [ A1 , A2 , , A j , , An ] donde A j aij

a nj

n
det( A) (1) i j aij det( A(i | j ))
i 1
n
(1)
aij Cij
i 1
Sea B [ A1 , , Ak ,, Ak , , An ] la matriz obtenida a partir de A, donde la j-sima

j k
columna es igual a la k-sima columna. Haciendo el clculo del determinante de B a

travs de la columna j, se tiene
n
0 det(B) bij Cij
i 1
pero como bij es una componente de la columna Ak , se tiene que bij aik ; es decir
b1 j a1k

bij aik j-sima columna

bnj a nk

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

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

( Adj ( A) A) jk 0 .
Si j k , se tiene
n
( Adj ( A) A) jj a rj C rj det( A)
r 1
Por consiguiente,
128
----------------------------------------------------------------------------------------------------------
det( A) 0 0
0 det( A) 0
Adj ( A) A det( A).I n (3)

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

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

Por la afirmacin
A ( Adj ( A)) det( A) I n
Ejercicio.- Dada A K nn , invertible. Calcular

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

Como A es invertible, det( A) 0 y en consecuencia se tiene
det( Adj ( A)) (det( A)) n1

b) Sea B Adj (A) , entonces
B Adj ( B) det(B) I n
Adj ( A) Adj ( Adj ( A)) det( Adj ( A)) I n
Multiplicando ambos miembros por A se tiene,

A ( Adj ( A)) Adj ( Adj ( A)) det( Adj ( A)) A
Luego, haciendo uso del teorema en el primer miembro y de la parte a) del
ejercicio en el segundo miembro de la ltima relacin se tiene
det( A) I n Adj ( Adj ( A)) (det( A)) n1 A
129
----------------------------------------------------------------------------------------------------------
al ser A invertible det( A) 0 y se tiene finalmente que
Adj ( Adj ( A)) (det( A)) n2 A
Proposicin.- Sea A K nn . A es invertible si y solo si det( A) 0 .

Prueba
) A invertible, entonces existe una matriz B K nn tal que
AB I n BA det( AB) 1 det( A) det(B) 1 det( A) 0
) Asumiendo que det( A) 0 ; por una proposicin demostrada tenemos que

1
A Adj ( A) det( A) I n A Adj ( A) I n
det( A)
En consecuencia, A es invertible y
1
A 1 Adj ( A)
det( A)
Corolario
Si A es invertible, entonces det( A1 ) (det( A)) 1 .
Prueba
Como A es invertible por hiptesis, entonces existe A 1 que la inversa de A tal que
cumple AA 1 I n . Luego,
1
det( AA 1 ) det(I n ) det( A) det( A 1 ) 1 det( A 1 )
det( A)
En consecuencia, det( A1 ) (det( A)) 1 .

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

4 2 2 1 1 2
Luego, se tiene que
130
----------------------------------------------------------------------------------------------------------
2 2 4
Adj ( A) 1 1 2
1 1
A 1
det( A) 4
1 1 2
Ejemplo
Utilizando la adjunta, calcular la inversa de
cos 0 sen
A 0 1 0
sen 0 cos
Solucin
det( A) cos 2 sen 2 1 0 , entonces
cos 0 sen
A 0
1
1 0
sen 0 cos
Una de las tantas aplicaciones del uso de los determinantes es la solucin de un sistema
de n ecuaciones con n incgnitas, cuando la matriz asociada tiene determinante no nulo.
Este mtodo es conocido como la Regla de Cramer.
Regla de Cramer
Sea el sistema
a11 x1 a12 x 2 a1n x n b1
a 21 x1 a 22 x 2 a2n xn b2
(1)

a n1 x1 an 2 x2 a nn x n bn
Que de forma abreviada, escribimos como
AX B (2)
x1 b1
x b
Donde A [ aij ]nn , X 2
y B 2

xn bn
En (2) multiplicando ambos miembros por la Adj (A) se tiene
Adj ( A)( AX ) Adj ( A) B
( Adj ( A) A) X Adj ( A) B
det( A) I n X Adj ( A) B
det( A) X Adj ( A) B
131
----------------------------------------------------------------------------------------------------------
n
det( A) x j ( Adj ( A)) ji bi
i 1
n
C ij bi
i 1
n
(1) i j bi det( A(i | j ))
i 1
det[ A1 , , A j 1 , B, A j 1 , , A n ]
Luego, si det( A) 0 , se tiene

1
xj det[ A1 , , A j 1 , B, A j 1 , , A n ] ; j 1, 2,, n
det( A)
Ejemplo
Use la Regla de Cramer para resolver el sistema
2x y 5
2y z 3
x 2z 1
Solucin
La matriz asociada al sistema es
2 1 0
A 0 2 1 y det( A) 7
1 0 2
Luego,
5 1 0 2 5 0 2 1 5
3 2 1 0 3 1 0 2 3
1 0 2 15 1 0 2 6 1 0 1 11
x , y y z
7 7 7 7 7 7
Ejemplo
Dado el sistema
x 2y z m
mx y (m 1) z 1
x my (m 1) z 0
Describir el conjunto solucin para todos los posibles valores reales de m.
Solucin
La matriz asociada al sistema es
1 2 1
A m 1 m 1

1 m m 1
132
----------------------------------------------------------------------------------------------------------
Usando las propiedades de determinantes, calculamos
1 2 1
A m 1 m 1 2m(m 2)
1 m m 1
Luego, el sistema tiene solucin nica para m 0 y m 2 .
Ejercicios
1. Si
a1 a2 a3
A b1 b2 b3 5
c1 c2 c3
calcule los siguientes determinantes:

a3 a2 a1 a1 a2 a3
a) b3 b2 b1 b) b1 b2 b3
c3 c2 c1 2c1 2c 2 2c3
a1 a2 a3
c) b1 4c1 b2 4c 2 b3 4c3 .
c1 c2 c3
2. Sea A una matriz de orden 4 4 y suponga que A 5 . Calcule
a) A1 b) 2A c) 2 A1 d) (2 A) 1
3. Sea A 3 y B 4 . Calcule
a) AB b) ABAT c) B 1 AB
4. En los siguientes ejercicios, calcule el determinante, haciendo uso de las

propiedades dadas mediante los teoremas.
2 0 1 4 4 0 0 0
3 2 4 2 1 2 0 0
a) b)
2 3 1 0 1 2 3 0
11 8 4 6 1 5 3 5
2 0 0 0 4 2 3 4
5 3 0 0 3 2 1 5
c) h)
3 2 4 0 2 0 1 3
4 2 1 5 8 2 6 4
133
----------------------------------------------------------------------------------------------------------
2 0 1 0 1
1 1 1 1
1 2 3 1 2
2 0 1 1
i) j) 0 1 2 4 1
1 1 0 0
1 0 1 3 2
1 1 1 1
1 1 1 2 2
5. Demostrar que
D2 ( K 2 ) { D / D es funcin determinante de M 22 ( K ) en K }
Es un K - espacio vectorial de dimensin 1.
6. Demostrar que si A en una matriz singular, entonces det( A) 0 .
7. Muestre que si det( AB) 0 , entonces det( A) 0 o det(B) 0 .
8. Demostrar por induccin sobre r:
r r
D[ 1 , , i( j ) , , n ] D[1 , , i( j ) , , n ] , r
j 1 j 1
n
9. Si A [aij ] tal que aij 0 si i j , entonces det( A) aii .
i 1
10. Sea n impar y A M nn ( K ) / A AT , probar que det( A) 0 .
11. Demostrarla siguiente proposicin. Los vectores v1 , v2 , , vn K n son
linealmente independientes si y solo si det[v1 , , vn ] 0 .
Haciendo uso de la proposicin, averiguar cules de los siguientes conjuntos de

vectores son linealmente independientes:
a) (2, 3, 16, 8), (1, 1, 1, 1), (3, 9, 8, 81, 27), (5, 25, 625, 125) Q 4
b) (a, a 2 , a 3 ), (b, b 2 , b 3 ), (c, c 2 , c 3 ) R 3 ; a, b, c 0, a b c .

12. Verifique las siguientes identidades:
1 x x2
a) 1 y y 2 ( y x)( z x)( z y )
1 z z2
a b c d
b a d c
b) (a 2 b 2 c 2 d 2 ) 2
c d a b
d c b a
134
----------------------------------------------------------------------------------------------------------
1 1 1
c) a b c (a b)(b c)(c a)
bc ac ab
0 1 1 1 1
1 0 1 1 1
d) 1 1 0 1 1 4
1 1 1 0 1
1 1 1 1 0
x yz 2x 2x
e) 2y yxz 2y ( x y z )3
2z 2z z yx
13. Usando induccin demostrar que:

1 1 1
x1 x2 xn

(x
1 i n 1
j xi )
i j
x1n 1 x2n 1 xnn 1
14. Sea D4 : M nn ( R) R una funcin determinante tal que:
D4 [e1 , e2 , e3 , e4 ] 5 , siendo e1 , e2 , e3 , e4 vectores cannicos de R 4 .
1 1 2 1
0
3 2 1
Calcular D4 .
1 4 2 1

3 1 3 2
15. Dada la matriz

1 0 2
A 3 1 4
5 2 3
Calcule todos los cofactores

16. Dada la matriz
1 0 0 3
2 1 1
4
A
3 2 4 0

0 3 1 0
135
----------------------------------------------------------------------------------------------------------
Calcule todos los cofactores de los elementos del segundo rengln y todos los
cofactores de los elementos de la tercera columna.
17. En los ejercicios, evale los determinantes haciendo uso cofactores:
4 4 2 1 2 2 3 1
1 2 0 3 0 1 2 1
a) b)
2 0 3 4 3 1 4 1
0 3 2 1 2 3 0 0
3 1 2 1 0 0 1 3
2 0 3 7 0 1 2 1
c) d)
1 3 4 5 2 2 5 2
0 1 1 5 3 3 0 0
18. Dada la matriz
2 3 0
A 4 1 3
2 0 1
Calcular a11 A12 a21 A22 a31 A32 .
19. Dada la matriz

2 1 3
A 1 2 0

3 2 1
a) Determine adj (A)

b) Calcule det(A)
c) Verifique la propiedad
A(adjA) (adjA) A det( A) I 3 .
20. Sea
6 2 8
A 3 4 1

4 4 5
a) Determine adj (A)

b) Calcule det(A)
c) Verifique la propiedad
A(adjA) (adjA) A det( A) I 3 .
21. En los siguientes ejercicios, calcule las inversas de las matrices dadas, si es que
existen, mediante la adjunta.
136
----------------------------------------------------------------------------------------------------------
0 2 1 3
4 2 2 2 1
3 2 0 1 2 3 4
a) 3 4 b) c)
2 1 5 2
1 0 3
0 1 0 2
22. Utilice determinantes para determinar cuales de las siguientes matrices son no
singulares.
1 2 0 5
1 2 3 3
1 2 0 1 2 4 1 7
a) 3 4 b) c)
2 5 2 0
2 3 1
0 1 2 7
23 Sea A M nn (R) , tal que el cofactor Ars de ars es deferente de cero.
Demostrar que la matriz A(t) obtenida de A, sustituyendo ars por ars t , tiene
determinante: A(t ) A tArs .
24. Muestre que si A es simtrica, entonces adj (A) tambin es simtrica.
25. Si A M nn (R) , demostrar que D( Adj ( A)) ( D( A))n1 .
26. Dada la transformacin T ( , , ) ( x1 , x2 , x3 ) donde:
x1 cos cos , x2 sen cos , x3 sen
Obtener el jacobiano de la transformacin; es decir, el determinante de la matriz

cuya fila i-sima son las derivadas parciales de la i-sima funcin xi respecto de
, y .
27. Para que valores de x, el siguiente determinante es diferente de cero.

2 x 3 6
4 1 x 2
2 1 2 x
28. a) Obtener el jacobiano de la transformacin f : U R 2 , siendo

x
U R 2 eje X tal que f ( x, y) (u, v) tal que u x y , v
y
donde x, y 0 .
b) Cules son ( x, y) U , tal que J f ( x, y) 0 ?.
29. Haga uso de los teoremas o corolarios para determinar si los siguientes sistemas
homogneos tienen soluciones no triviales.
137
----------------------------------------------------------------------------------------------------------
x 2y w 0
x 2y z 0
x 2 y 3z 0
a) 2x 3y z 0 b)
z 2w 0
3x y 2 z 0
y 2z w 0
30. En los siguientes ejercicios, resuelva el sistema lineal dado mediante la regla de
Cramer, en caso de ser posible
x y z 2w 4
2x 4 y 6z 2
2 y z 3w 4
a) x 2z 0 b)
2 x y z 2w 5
2x 3y z 5
x y w 4
31. Determine todos los valores de a para los cuales el sistema lineal
2x ay 0
ax 2 y 0
tiene:
a) Una nica solucin b) Una infinidad de soluciones
32. Determine todos los valores de a para los cuales la matriz
a 2 2
a 2 a 2

es no singular.
33. Utilice la regla de Cramer para determinar todos los valores de a para los cuales
el sistema lineal.
x 2 y 2z 9
2x y a
3x y z 10
tiene la solucin en la cual y 1 .
138
----------------------------------------------------------------------------------------------------------
PRODUCTO INTERNO Y ORTOGONALIDAD
1. PRODUCTO INTERNO
DEFINICIN 1.1.- Sea V un espacio vectorial sobre el campo K, donde K R
K C . Llamaremos producto interno sobre V a una aplicacin:
, : V V K
si satisface las siguientes condiciones:
i) u v, w u, w v, w ; u, v, w V .
ii) u, v v, u ; u, v V , la barra indica la conjugacin compleja.
iii) au, v au, v y u, av au, v ; a K , u, v V .
iv) v, v 0 y v, v 0 v .
Al par (V , , ) se le denomina espacio vectorial con producto interno.
(1) De la definicin 1.1. se observa que , es una aplicacin que hace
corresponder a cada par de vectores u, v V un escalar real o complejo.
(2) Si K R las condiciones ii) y segunda parte de iii) resultan: u, v v, u y
u, av au, v respectivamente.
EJEMPLO 1.1.2.- Sea V Rn y x, y R n donde x ( x1 , , x n ) e
y ( y1 , , y n ) .
En este espacio definimos:

, : Rn Rn R
( x , y ) x , y
n
por x, y x1 y1 x n y n xi y i .
i 1
As definida la aplicacin , cumple con las condiciones de producto interno. En

efecto:
Sean a R y x ( x1 , , xn ), y ( y1 , , y n ), z ( z1 , , z n ) R n
n
i) x z , y ( xi z i ) y i
i 1
n
( xi y i z i y i )
i 1
139
----------------------------------------------------------------------------------------------------------
n n
xi y i z i y i
i 1 i 1
x, y z, y
n
ii) x, y xi y i
i 1
n
y i xi
i 1
y, x
n
iii) ax, y (axi ) y i
i 1
n
a( xi y i )
i 1
n
a xi y i
i 1
a x, y
Anlogamente,
n
x, ay xi (ay i )
i 1
n
a( xi y i )
i 1
n
a xi y i
i 1
a x, y
n
iv) x, x x i x i
i 1
n
xi 0
2
i 1
As mismo
n
x, x 0 xi 0 xi 0 ; i 1, , n x
2
i 1
n
x, y xi yi es un producto interno.
i 1
EJEMPLO 1.1.3.- Sean V C n , K C y x ( x1 , , x n ) , y ( y1 , , y n ) C n .
140
----------------------------------------------------------------------------------------------------------
Definimos:
n
x, y xi yi
i 1
La funcin definida as es un producto interno. Veamos que cumpla las condiciones

de la definicin:
Sean a C y x ( x1 , , xn ), y ( y1 , , y n ), z ( z1 , , z n ) C n
n
i) x z , y ( xi z i ) y i
i 1
n
( xi y i z i y i )
i 1
n n
xi y i z i y i
i 1 i 1
x, y z, y
n
ii) x, y x i y i
i 1
n
x i yi
i 1
n
yi x i
i 1
y, x
n
iii) ax, y (axi ) y i
i 1
n
a ( xi y i )
i 1
n
a xi y i
i 1
a x, y
n
y x, ay xi (ayi )
i 1
n
x(a y i )
i 1
n
a ( xi y i )
i 1
141
----------------------------------------------------------------------------------------------------------
n
a xi y i
i 1
a x, y
n
iv) x, x x i x i
i 1
n
xi 0
2
i 1
n
x, x 0 xi
2
0
i 1
xi 0 ; i 1, 2, , n
xi 0 ; i 1, 2, , n
x
EJEMPLO 1.1.4.- En el espacio vectorial V R 2 se define:
, : R2 R2 R
como x, y x1 y1 3x2 y2 donde x ( x1 , x2 ), y ( y1 , y2 ) .
Averiguar si la aplicacin as definida es un producto interno.
SOLUCIN
Sean a R y x ( x1 , x2 ), y ( y1 , y 2 ), z ( z1 , z 2 ) R 2
i) x z, y ( x1 z1 ) y1 3( x2 z 2 ) y 2
x1 y1 z1 y1 3x2 y 2 3z 2 y 2
( x1 y1 3x2 y 2 ) ( z1 y1 3z 2 y 2 )
x, y z, y
ii) x, y x1 y1 3x2 y 2
y1 x1 3 y 2 x 2
y, x
iii) ax, y (ax1 ) y1 3(ax 2 ) y 2
a( x1 y1 3x 2 y 2 )
a x, y
Anlogamente x, ay a x, y
iv) x, x x1 3x 2 no siempre es mayor que cero.

2 2
En consecuencia la aplicacin x, y x1 y1 3x2 y 2 no define un producto interno.
142
----------------------------------------------------------------------------------------------------------
EJEMPLO 1.1.5.- Sea V { f : [0, 1] R / f es continua}, definimos en este
espacio vectorial la aplicacin:
1
f , g f (t ) g (t )dt
0
Verificar que la aplicacin as definida es un producto interno.

SOLUCIN
Se deja al lector la verificacin de las propiedades i), ii) y ii); slo mostraremos que
se verifica iv).
f , f 0 f 0 (por demostrar)
Supongamos que f 0 t 0 [0, 1] tal que f (t 0 ) 0 .
1
f , f f (t ) f (t )dt
0
1
( f (t )) 2 dt
0
1
f (t ) dt
2
0
Como f es continua en [0, 1] f (t )

2
es tambin continua en [0, 1] . Adems
f (t 0 ) 0 .
2
Como f (t ) es continua 0 tal que si t (t 0 , t 0 ) , entonces:

2
f (t 0 ) 0 ; 0 t 1 ...(*)
2
Antes de proseguir daremos dos propiedades del clculo elemental:

1 Sea g : [a, b] R . Si g ( x) 0 para todo x [a, b] y [c, d ] [a, b] ,
entonces:
d b
c
g ( x)dx g ( x)dx
a
2 Si g ( x) 0 para todo x [c, d ] (de 1), se tiene que:

d
c
g ( x)dx 0
Luego, regresando a (*), tenemos que:

t0 1
0 f (t ) dt f ( x) dt 0
2 2
t0 0
lo cual es una contradiccin. La contradiccin proviene del hecho de haber supuesto

que f 0 , luego concluimos que f 0 .
143
----------------------------------------------------------------------------------------------------------
EJEMPLO 1.1.6.- Consideremos el espacio vectorial ( R 2 , , R, ) y la matriz
a d
simtrica A
c
.
d
Definimos: , : R2 R2 R
a d y1
Tal que x, y [ x1 , donde x ( x1 , x2 ), y ( y1 , y2 ) .
c y 2
x2 ]
d
Determinar las condiciones para que la funcin as definida sea un producto interno.
SOLUCIN
i), ii) y iii) se verifican sin ninguna dificultad (cualquiera sean los valores de a, c y
d). Analicemos qu condiciones se debe de cumplir para que se verifique iv).
a d x1
x, x [ x1 x2 ]
d c x 2
ax1 2dx1 x2 cx 2
2 2
supongamos que a 0 , entonces:

d
2
(ac d 2 ) x2
2

ax1 2dx1 x2 cx 2 a x1 x2
2 2
(*)

a
2
a
Luego de (*) , define un producto interno si y solo si a 0 ac d 2 0 .
DEFINICIN 1.2.- Sea V un espacio vectorial sobre K con producto interno
( , ). La norma de un vector v V denotado por v , definimos como:
v v, v ; v, v 0
EJEMPLO 1.2.1.- En R 2 , v (1, 3)

v, v 1 9 10
v v, v 10
EJEMPLO 1.2.2.- Sea V { f : [0, 1] R / f es continua}.

1 1
f , g f (t ) g (t )dt , f , f f 2 (t )dt
0 0
1
f f, f 0
f 2 (t )dt
Caso particular. Sea f ( x) e x f 2 ( x) e 2 x
144
----------------------------------------------------------------------------------------------------------
1
f 0
e 2 x dx
1
1 2x
(e
2 0
1 2
(e 1)
2
TEOREMA 1.3.- Sea V espacio vectorial sobre K con producto interno. Entonces
se cumple:
i) av a v ; a K , v V .
ii) v 0 y v 0 v .
iii) u, v u v ; u, v V (desigualdad de Cauchy-Schwartz)
iv) u v u v ; u, v V (desigualdad triangular)
PRUEBA
i) av av, av
aav, v
a v, v
2
a v, v
a v
i) Es consecuencia directa de la definicin de producto interno.

ii) Probaremos que u, v u v ; u, v V .
Caso 1.- Si u
u, v , v 0 , v 0 v
Caso 2.-Si u
v, u
Definimos w v 2
u
u
Afirmacin.- w , u 0 .
En efecto:
v, u
w , u v 2
u, u
u
145
----------------------------------------------------------------------------------------------------------
v, u
v, u 2
u , u
u
v, u
v, u
2
2
u
u
0
Luego
v, u v, u
0 w v u, v
2
2 2
u
u u
v, u v, u v, u
v 2
u, v v 2
u, 2
u
u u u
v, u v, u v, u
v, v 2
u , v 2
v 2
u, u
u u u

0 (por la afirmacin )
v, u
v, v 2
u , v
u
v, u
2
v
2
2
u
tomando los extremos se tiene:
v, u v, u
2 2
0 v v
2 2
2 2
u u
v, u ( u
2
v )2
u, v u v
iv) Probaremos ahora que: uv u v
uv u v , u v
2
u, u v v, u v
u, u u, v v, u v, v
u v u, v u, v
2 2
u v 2 Re (u, v )
2 2
(1)
u v 2 u, v
2 2
(2)
146
----------------------------------------------------------------------------------------------------------
u v 2 u
2 2
v (3)
u v 2
Luego, extrayendo la raz cuadrada a ambos miembros de la desigualdad se

tiene:
uv u v
NOTA.- En la demostracin de iv) se ha hecho uso de:

(1) z z 2 Re( z), z C
(2) Re( z ) z , z C
(3) La parte iii) del teorema.
EJERCICIOS
1. Sean x ( x1 , x2 ), y ( y1 , y 2 ) R 2 . Averiguar si las aplicaciones dadas a
continuacin definen un producto interno sobre R 2 :

a) f ( x, y) x1 y1 3x2 y 2
b) f ( x, y) x1 y1 2 x1 y2 2 x2 y1 5x2 y2
2. Sean x ( x1 , x2 ), y ( y1 , y 2 ) R 2 . Hallar los valores de k para que la

aplicacin f ( x, y) x1 y1 3x1 y2 3x2 y1 kx2 y2 defina un producto interno
sobre R 2 .
3. Dados u (u1 , u 2 ) y v (v1 , v2 ) elementos de C 2 . Averiguar si la aplicacin
f (u, v) u1 v1 (1 i)u1 v2 (1 i)u 2 v1 3u 2 v2
define un producto interno sobre C 2 . En caso de que resulte ser producto

interno, hallar la norma de u (2 3i , 1 2i) C 2 .
2. ORTOGONALIDAD CONJUNTO ORTOGONAL CONJUNTO

ORTONORMAL
DEFINICIONES 2.1.- Sea (V , , K , ) un espacio vectorial con producto interno
donde K R K C .
i) Dados u, v V , se dice que u y v son ortogonales si y solo si
u, v 0
NOTACIN.- El hecho que u y v son ortogonales se denota por u v .
147
----------------------------------------------------------------------------------------------------------
ii) Sea W V un subconjunto, se denomina conjunto ortogonal a W al conjunto
denotado por W que se define como
W { v V / v, w 0, w W }
iii) Sea W V un subconjunto, se dice W es un conjunto ortogonal si y solo si
u, v W tal que u v implica que u, v 0 .
iii) Sea W V un subconjunto, se dice que W es ortonormal si y solo si W es
ortogonal y u 1, u W .
OBSERVACIN 2.1.1.- Sea V un espacio vectorial con producto interno. Si W es

un subespacio de V, entonces W es tambin un subespacio de V.
Se deja al lector, a modo de ejercicio, verificar la afirmacin de la observacin.
EJEMPLOS 2.2.
(1) Sea ( R 2 , , R, ) y u, v R 2 donde u ( x, y) y v ( y, x) con el producto
interno usual.
u, v xy xy 0
uv
(2) Sea ( R 2 , , R, ), u ( x1 , x2 ), v ( y1 , y 2 ) R 2 , se define:
, : R2 R2 R
(u , v) u , v
tal que u, v x1 y1 x2 y1 x1 y2 4 x2 y2 .
i) Verificar que la funcin as definida es un producto interno en R 2 .

i) Establecer la condicin necesaria y suficiente para que ( x, y) y ( y, x)
sean ortogonales segn el producto interno definido.
SOLUCIN
i) Ejercicio.
ii) ( x, y), ( y, x) x( y) ( y)( y) ( x)( x) 4( y)( x) 0
xy y 2 x2 4 xy 0
y 2 3xy x 2 0
3x 9 x 2 4( x 2 )
entonces y
2
3x x 13

2
148
----------------------------------------------------------------------------------------------------------
3 13
x

2
1
Luego ( x, y) ( y, x) y (3 13 ) x
2
(3) Sea el espacio vectorial:
( R n , , R, ) y W {(1, 0, , 0), (0, 1, , 0), , (0, 0, , 1)}
W es un conjunto ortonormal pues ei , e j i j .
(4) Sea el espacio vectorial V { f : [0, 1] R / f es continua} con producto

interno definido como:
1
f , g f (t ) g (t )dt
0
Considrese el conjunto:
W { h(t ) 1, f n (t ) 2 cos 2 nt, g n (t ) 2sen 2 nt / n N }
Probar que W es un conjunto infinito ortonormal.
PRUEBA
i) Fijando h(t ) 1 .
Primero hagamos variar f n (t )
1
h, f n 1 f (t )dt
0
1
2 cos 2 nt dt
0
1
2
(sen 2n t
2n 0
2
(sen 2n sen 0)
2n
2
(0 0)
2n
Luego h, f n 0, n N .
Ahora hagamos variar g n (t )

1
h, g n 1g (t )dt
0
1
2 sen 2 nt dt
0
149
----------------------------------------------------------------------------------------------------------
1
2
(cos 2 nt
2n 0
2
(cos 2n cos 0)
2n
2
(1 1)
2n
0
Luego h, g n (t ) 0, n N .
ii) Sean f m (t ), g n (t ) tal que m n .

1
f n , g n f n (t ) g n (t )dt
0
1
2(cos 2n t ) (sen 2 nt) dt
0
1
sen 4 nt dt
0
1
1
(cos 4 nt
4 n 0
1
(cos 4 n cos 0)
4 n
1
(1 1)
4 n
1
(0)
4 n
0
Luego f n , g n 0, n N .
iii) Sea f m (t ), g n (t ) tal que m n .

1
f m , g n f m (t ) g n (t )dt
0
1
2(cos 2m t ) (sen 2 nt) dt (*)
0
Haciendo uso de la identidad trigonomtrica:

1
sen(2n t)cos(2m t) [sen 2 (n m)t sen 2 (n m)t ] (**)
2
Reemplazando (**) en (*) se tiene
150
----------------------------------------------------------------------------------------------------------
1
f m , g n [sen 2 (n m)t sen 2 (n m)t ]
0
1 1
sen 2 (n m)tdt sen 2 (n m)tdt
0 0
1 1
1 1
( cos 2 (n m)t ( cos 2 (n m)t
2 (n m) 0 2 (n m) 0
1 1
(1 1) (1 1)
2 (n m) 2 (n m)
0
Luego f n , g n 0, n m .
iv) Ahora hay que demostrar que f n 1 y g n 1, n N .
a) fn fn , fn
fn , fn
2
fn
1
f n (t )dt
2
0
1
2 cos 2 2 nt dt
0
1 1
2 (1 cos 2 4 nt )dt
0 2
1 1
dt cos 4 nt dt
0 0
1 1
1
t ( sen 4 nt
0 4 n 0
1 0
1
1 , en consecuencia
2
Luego fn f n 1, n N .
b) gn gn , gn
gn , gn
2
gn
1
g n (t )dt
2
0
1
2 sen 2 2 nt dt
0
151
----------------------------------------------------------------------------------------------------------
1 1
dt cos 4 nt dt
0 0
1 0
1
1 , en consecuencia g n 1, n N .
2
Luego g n
De i), ii), iii) y iv) se concluye que:

W {1, f n (t ) 2 cos 2 nt , g n (t ) 2sen 2 nt / n N }
es un conjunto ortonormal infinito.
TEOREMA 2.3.- Sea V un espacio vectorial con producto interno y

W {v1 , v2 , , v n } V un conjunto ortogonal donde
vi , i 1, 2, , n . W es linealmente independiente sobre K.
PRUEBA
n
Sea a v
i 1
i i .
Fijando k, donde 1 k n y considerando v k . Calculando:

n n
a v , v
i 1
i i k , vk 0 ai vi , vk 0
i 1
(1)
Como W es ortogonal vi , vk 0, i k , luego de (1) se tiene:

n
a v , v
i 1
i i k a k vk , vk 0
ya que vk , y vk , vk vk 0 . Entonces ak 0, 1 k n .
2
{v1 , v2 , , vn } es linealmente independiente.
COROLARIO 2.3.1.- Sea V un espacio vectorial con producto interno,

W {v1 , v2 , , vn } V un conjunto ortogonal donde vi , i 1, 2, , n .
n
v, v k
Si v ai vi entonces a k 2
, 1 k n.
i 1 vk
PRUEBA
n
v, vk a v , v
i 1
i i k , 1 k n
152
----------------------------------------------------------------------------------------------------------
n
a i vi , v k
i 1
a k vk , vk
ak vk
2
v, v k
ak 2
vk
(1) Si W es ortonormal se tiene que ak v, vk , 1 k n .
(2) Si v es una combinacin lineal de los elementos de W. Entonces:

n
v, v i
v 2
vi
i 1 vi
EJEMPLO 2.3.3.- Sea ( R 3 , , R, ) y W {(3, 0, 4), (4, 0, 3), (0, 1, 0)} un
conjunto ortogonal de R 3 . Expresar (3, 1, 2) como una combinacin lineal de los

elementos de W.
SOLUCIN
(3, 1, 2) a1 (3, 0, 4) a2 (4, 0, 3) a3 (0, 1, 0)}
donde haciendo uso de la observacin 2.3.2. parte (2) tenemos:

(3, 1, 2), (3, 0, 4) 17
a1 2

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

a2
(4, 0, 3)
2
25
(3, 1, 2), (0, 1, 0)

a3 2
1
(0, 1, 0)
(3, 1, 2) 17 (3, 0, 4) 6
(4, 0, 3) 1(0, 1, 0)
25 25
TEOREMA 2.4.- (Proceso de ortogonalizacin de Gram Schmidt)

Sea V un espacio vectorial con producto interno, de dimensin finita (dim K V n) .
Si v1 , v2 , , vm (m n) son vectores linealmente independientes de V. Entonces
se puede construir vectores ortogonales w1 , w2 , , wm V tales que para cada
153
----------------------------------------------------------------------------------------------------------
k 1, 2, , m el conjunto {v1 , v2 , , vk } sea una base del subespacio generado
por w1 , w2 , , wk . Adems {w1 , w2 , , wk } es base de L{v1 , v2 , , vk } .
PRUEBA
Se define la base por induccin.
Sea w1 v1
v 2 , w1
w2 v 2 2
w1
w1
w1 , w2 0 , es decir w1 w2 .
AFIRMACIN 1.- w2 .
v 2 , w1
En efecto, suponiendo que w2 se tiene que v 2 2
w1 lo cual es
w1
contradictorio con el hecho de que v1 w1 y v 2 son linealmente independientes.

Se construye
v3 , w2 v3 , w1
w3 v3 2
w2 2
w1
w2 w1
AFIRMACIN 2.- w3 .
En efecto, pues si se supone que w3 , se tendra
v3 , w2 v3 , w1
v3 2
w2 2
w1
w2 w1
es decir v3 sera una combinacin lineal de w1 y w2 , pero w1 y w2 son
combinaciones lineales de v1 y v 2 , entonces v3 sera una combinacin lineal de v1
y v 2 que es una contradiccin, pues {v1 , v2 , v3 } son linealmente independientes.
Con lo que queda probada la afirmacin 2.

Suponiendo que se han construido w1 , w2 , , wk vectores ortogonales, tales que
{w1 , w2 , , wk } es base de L{v1 , v2 , , vk } ; 1 k m .
Ahora se construye el vector wk 1 del modo siguiente
vk 1 , wk vk 1 , w1
wk 1 vk 1 2
wk 2
w1 (1)
wk w1
AFIRMACIN 3.- wk 1 .
Pues si se supone que wk 1 , de (1) se tendra
154
----------------------------------------------------------------------------------------------------------
k
vk 1 , wi
v k 1 2
wi (2)
i 1 wi
pero cada wi es combinacin lineal de {v1 , v2 , , vk } , entonces de (2) se concluye
que v k 1 es tambin una combinacin lineal de los vectores v1 , v2 , , vk lo que es
una contradiccin, pues {v1 , v2 , , vk 1} son linealmente independientes.
wk 1
AFIRMACIN 4.- wk 1 , w j 0, j 1, 2, , k .
En efecto, sea 1 j0 k , donde j 0 es fijo.
k
vk 1 , wi
wk 1 , w j0 vk 1 2
wi , w j0
i 1 wi
k
vk 1 , wi
vk 1 , w j0 2
wi , w j0
i 1 wi
vk 1 , w j0 vk 1 , w j0
0

0 si i j0
pues wi , w j0 2

w j0 si i j0 , 1 j0 k
Luego se tiene wk 1 , w j 0, 1 j k .
Entonces {w1 , w2 , , wk 1} es un conjunto ortogonal y en consecuencia
linealmente independiente por el teorema 2.3 y por lo tanto base de

L{v1 , v2 , , vk 1} .
Haciendo uso de (1) se puede proseguir hasta obtener {w1 , w2 , , wm } conjunto
ortogonal y por consiguiente base de L{v1 , v2 , , vm } .
COROLARIO 2.4.1.- Todo espacio vectorial con producto interno de dimensin

finita tiene una base ortonormal.
PRUEBA
Sea V un espacio vectorial tal que dim K V n . {v1 , v2 , , vn } una base de V,
entonces por el proceso de ortogonalizacin de GramSchmidt existen

w1 , w2 , , wn vectores ortogonales, y por lo tanto {w1 , w2 , , wn } es una base de
V.
155
----------------------------------------------------------------------------------------------------------
wi
Se construye u i , luego ui 1 .
wi
{u1 , u 2 , , u n } es una base ortonormal para V.
EJEMPLO 2.4.2.- Ortogonalizar la base {(1, 3) , (2 , 1)} de R 2 .

SOLUCIN
w1 (1, 3)
(2, 1), (1, 3)
w2 (2, 1) 2
(1, 3)
(1, 3)
1 1
w2 (2, 1) (1, 3) (3, 1)
2 2
1
Luego {(1, 3), (3, 1)} es una base ortogonal para R 2 y
2
1 1
(1, 3), (3, 1) es una base ortonormal para R 2 .
10 10
EJEMPLO 2.4.3.- Hallar una base ortonormal a partir de la base
{(1, 0, 1), (2, 1, 1), (1, 2, 1)} de R 3 .
SOLUCIN
w1 (1, 0, 1)
v2 , w1
w2 v2 2
w1
w1
(2, 1, 1), (1, 0, 1)

(2, 1, 1) 2
(1, 0, 1)
(1, 0, 1)
3
(2, 1, 1) (1, 0, 1)
2
1
w2 (1, 2, 1)
2
v3 , w2 v3 , w1
w3 v3 2
w2 2
w1
w2 w1
2
(1, 2 , 1) (1, 2 , 1) (1, 0 , 1)
3
2
w3 (1, 1, 1)
3
156
----------------------------------------------------------------------------------------------------------
1 2
{(1, 0, 1) , (1, 2, 1), (1, 1, 1)} es una base ortogonal de R 3 .
2 3
1 1 1
(1, 0, 1), (1, 2, 1), (1, 1, 1) es una base ortonormal de R 3 .
2 6 3
DEFINICIN 2.5.- Sea V un espacio vectorial con producto interno y W cualquier

subconjunto de V. Se llama complemento ortogonal de W al conjunto W definido
en 2.1., ii) (que es el conjunto de todos los vectores de V que son ortogonales a todo
vector de W).
TEOREMA 2.6.- Sea V un espacio vectorial sobre K finito dimensional
(dim K V n) con producto interno , .
Para cualquier subespacio W V se cumple que:
V W W
DEMOSTRACIN
i) Si W { } , entonces V W y se cumple que V W W .
i) Si { } W V .
Sea {v1 , v2 , , vn } una base de V, tal que {v1 , v2 , , vm } es una base de W donde
m n.
Por el proceso de ortogonalizacin de Gram Schmitd, existe
{w1 , w2 , , wm ,, wn } base ortonormal de V, entonces {w1 , w2 ,, wm } es una
base ortonormal de W en virtud del teorema 2.4.

AFIRMACIN.- W L{wm1 , wm2 ,, wn } .
PRUEBA DE LA AFIRMACIN
a) Tenemos que w j , wi 0 para todo j i , luego wm1 , wm2 ,, wn pertenecen
a W .
L{wm1 , wm 2 ,, wn } W
n
b) Sea u W V , entonces u ai wi (*)
i 1
(pues {w1 , w2 , , wm , , wn } es una base ortonormal de V)
ai u, wi , pero u W u es ortogornal a cualquier elemento de W, en
particular lo es con w1 , w2 , , wm a1 a2 am 0 .
157
----------------------------------------------------------------------------------------------------------
n
de (*) u u , w w
i m 1
i i
u L{wm1 , wm2 ,, wn }
W L{wm1 , wm 2 ,, wn }
c) De a) y b) se verifica la afirmacin:
W L{wm1 , wm 2 , , wn }
De la afirmacin concluimos que:
V W W
EJEMPLO 2.6.1.- Hallar el complemento ortogonal de
W { ( x, y, z ) R 3 / 2 x y z 0} .
SOLUCIN
W {( x, y, z ) R 3 / 2 x y z 0}
{( x, y, 2 x y) / x, y R }
{( x, 0, 2 x) (0, y, y) / x, y R }
W L{(1, 0, 2), (0, 1, 1)}
extendemos la base de W a una base para R 3 . Sea {(1, 0, 2), (0, 1, 1), (1, 0, 1)} la
extensin.
Ahora ortogonalizamos mediante el proceso de Gram Schmitd:
w1 (1, 0, 2)
(0, 1, 1), (1, 0, 2)
w2 (0, 1, 1) 2
(1, 0, 2)
(1, 0, 2)
1
w2 (2, 5, 1)
5
(1, 0, 1), 1 / 5 (2, 5, 1) 1 (1, 0, 1), (1, 0, 2)
w3 (1, 0, 1) 2
(2, 5, 1) 2
(1, 0, 2)
1 5 (1, 0, 2)
(2, 5, 1)
5
1
w3 (2, 1, 1)
6
W L{(2, 1, 1)}
158
----------------------------------------------------------------------------------------------------------
EJERCICIOS
1. Mediante el proceso de ortogonalizacin de Gram Schmidt, ortogonalizar la
base {(1, 2, 3), (2, 3, 1), (3, 1, 2)} de R 3 .
2. Obtener una base de vectores ortogonales para el espacio vectorial
V L{(1, 2, 1, 0), (1, 0, 2, 1), (0, 1, 0, 1)} .
3. Sea V el espacio vectorial de los polinomios de grado menor o igual que dos
con coeficientes en R e indeterminada en x.
Si se considera el producto usual de las funciones:
i) Hallar una base del subespacio W ortogonal a f ( x) 2 x 1 .
ii) Aplicar el proceso de ortogonalizacin de Gram Schmidt a la base
{1, x, x 2 } para obtener una base ortogonal de V.
4. Probar el teorema de Pitgoras. Es decir, si u, v V , entonces:
uv u v u, v 0
2 2 2
5. En el espacio vectorial (C 3 , , C, ) . Ortonormalizar la base:

{(1, 1, 1), (i, i, i), (1 i, 0, 2)}
6. Hallar una base ortonormal del subespacio de (C 3 , , C, ) generado por los

vectores u (1, i, 1)) y v (1 i, 0, 2) .
7. En el espacio vectorial ( R nn , , R, ) .
a) Mostrar que la aplicacin:
, : R nn R nn R
donde A , B Tr( B T A) define un producto interno en R nn .
b) Si n 2 , probar que el conjunto:

1 0 0 1 0 0 0 0
, 0 0 , 1 0 , 0 1
0 0
es una base ortonormal de R nn .
8. Para cualquier espacio vectorial V con producto interno, probar:
a) { } V b) V { }
9. Sea U {( x, y, z ) R 3 / 3x 2 y z} . Hallar el complemento ortogonal de U
en R 3 .
159
----------------------------------------------------------------------------------------------------------
10. Sea V un espacio vectorial de dimensin finita, con producto interno. Si U y W
son subespacios de V, probar que:
a) (U W ) U W b) (U W ) U W
11. Sea R n U W , donde U y W son subespacios ortogonales. Si para todo

v R n , v u w con u U y w W ; llamaremos a u proyeccin ortogonal
de v sobre U y a w proyeccin ortogonal de v sobre W. Hallar la proyeccin
ortogonal de v (1, 2, 3, 0) sobre el subespacio U I{(0, 1, 2, 0),
(0, 2, 1, 0)} .
160
----------------------------------------------------------------------------------------------------------
VALORES Y VECTORES PROPIOS
1. VALORES Y VECTORES PROPIOS DE UNA TRANSFORMACIN LINEAL
DEFINICIN 1.1.- Dado V un K-espacio espacio vectorial y un endomorfismo

T : V V , diremos que K es un valor propio de T si y solo si existe un vector no
nulo v V tal que
T (v) v (1)
El vector no nulo que satisface la relacin (1) se denomina vector propio de T asociado
al valor propio .
NOTA.- Tambin se utilizan las expresiones de auto valor y valor caracterstico para
denominar al valor propio y el de auto vector y vector caracterstico para el vector
propio.
EJEMPLO 1.1.1.- Sea (V , , K , ) un espacio vectorial, consideremos el endomorfismo
identidad
I (v) v ; v V
1 es un valor propio de I.
EJEMPLO 1.1.2.- En el espacio vectorial R 2 sobre R definimos el endomorfismo
T : R 2 R 2 / T ( x, y) (2 x y, 3x 4 y)
Hallar los valores y vectores propios de T.
SOLUCIN
Hay que hallar R tal que T ( x, y) ( x, y)
(2 x y, 3x 4 y) ( x, y)
2 x y x ( 2) x y 0
(1)
3x 4 y y 3x ( 4) y 0
el sistema homogneo (1) tendr soluciones distintas de la trivial (que son las que nos
interesan, por ser los vectores propios vectores no nulos) si el determinante de la matriz
asociada al sistema es igual a cero; esto es
2 1
0
3 4
2 1
2 6 5 0
3 4
2 6 5 0 ( 1)( 5) 0 1 1, 2 5
161
----------------------------------------------------------------------------------------------------------
Luego, los valores propios de T son: 1 1 y 2 5 .
Ahora calculando los vectores propios
i) Hallando el vector propio v1 asociado al valor propio 1 1
Reemplazando el valor de 1 1 en la ecuacin (1) se tiene
x y 0
3x 3 y 0
ntese que las dos ecuaciones son equivalentes, entonces trabajando con la primera
ecuacin se tiene
x y 0 y x
la variable y depende de x, entonces v1 ( x , x) x(1, 1) , x puede tomar
cualquier valor con excepcin de cero, para x 1 se tiene v1 (1, 1)
y verifica
T (1, 1) (1, 1) 1(1, 1)
ii) Hallando el vector propio v 2 asociado al valor propio 2 5
Procediendo de manera anloga que en la parte i) reemplazamos el valor de
2 5 en la ecuacin (1) se tiene
3x y 0
3x y 0
como en la parte i) las dos ecuaciones son equivalentes, entonces trabajando con la
primera ecuacin se tiene
3x y 0 y 3x
la variable y depende de x, entonces , para x 1 se tiene v2 (1, 3) y y verifica
T (1, 3) (5,15) 5(1, 3)
NOTA.- Dados V un K-espacio vectorial, T : V V un endomorfismo y K un
valor propio de T. El conjunto (T ) { K / es un valor propio de T } es
llamado espectro de T y E(T , ) { v V / T (v) v } es un subespacio de V, y se
denomina espacio propio o auto espacio de T asociado al valor propio . En
referencia al ejemplo anterior se tiene
(T ) {1, 5}
E (T , 1) { v R 2 / T (v) v } L{ (1, 1)} y
E (T , 5) { v R 2 / T (v) 5v } L{ (1, 3)}
162
----------------------------------------------------------------------------------------------------------
EJEMPLO 1.1.3.- Sea C 2 el espacio vectorial sobre C y la transformacin lineal
T : C 2 C 2 definida como
T ( x, y) ( x 2 y, x y)
Hallar los valores y vectores propios de T.
SOLUCIN
Hay que hallar C tal que T ( x, y) ( x, y)
( x 2 y, x y) ( x, y)
x 2 y x (1 ) x 2 y 0
(1)
x y y x (1 ) y 0
el sistema homogneo (1) tendr soluciones distintas de la trivial (que son las que nos
interesan, por ser los valores propios vectores no nulos) si el determinante de la matriz
asociada al sistema es igual a cero; esto es
1 2
0
1 (1 )
1 2
(1 )(1 ) 2 2 1 0
1 (1 )
2 1 0 i
Luego, los valores propios de T son: 1 i y 2 i .
Ahora hallando los vectores propios
i) Hallando el vector propio v1 asociado al valor propio 1 i
Reemplazando el valor de 1 i en la ecuacin (1) se tiene
(1 i) x 2 y 0
x (1 i ) y 0
las dos ecuaciones son equivalentes, entonces trabajando con la primera ecuacin
se tiene
1
(1 i) x 2 y 0 y (1 i) x
2
1 1
la variable y depende de x, entonces v1 ( x , (1 i)) x(1, (1 i)) , para x 2
2 2
se tiene v1 (2 , 1 i)
y verifica
T (2 ,1 i) i(2,1 i)
163
----------------------------------------------------------------------------------------------------------
en efecto
T (2 , 1 i) (2 2(1 i), 2 (1 i)) (2i , 1 i) i(2 , 1 i)
ii) Hallando el vector propio v 2 asociado al valor propio 2 i
Reemplazando el valor de 2 i en la ecuacin (1) se tiene
(1 i ) x 2 y 0
x (1 i ) y 0
ntese que las dos ecuaciones son equivalentes, entonces trabajando con la primera
ecuacin se tiene
1
(1 i) x 2 y 0 y (1 i) x
2
1 1
la variable y depende de x, entonces v2 ( x, (1 i) x) x(1, (1 i)) , para x 2
2 2
se tiene y 1 i y en consecuencia
v 2 (2 , 1 i )
y verifica
T (2 ,1 i) i(2,1 i)
en efecto
T (2 , 1 i) (2 2(1 i), 2 (1 i)) (2i , 1 i) i(2 , 1 i)
OBSERVACIONES 1.2
(1) La existencia de valores propios de un endomorfismo depende del campo de
escalares sobre el cual est definido el espacio vectorial, pues si consideramos el
espacio vectorial (C 2 , , R, ) y la transformacin lineal T : C 2 C 2 definida en el
ejemplo 1.1.3
T ( x, y) ( x 2 y, x y)
no tiene valores propios en R ya que:
2 1 0 , R
(2) Sean V un espacio vectorial sobre K de dimensin finita, T : V V un
endomorfismo y K un valor propio de T. El conjunto
E(T , ) { v V / T (v) v }
es un subespacio de V, llamado subespacio propio o auto espacio asociado al
valor propio .
164
----------------------------------------------------------------------------------------------------------
(3) Si A es la matriz asociada del endomorfismo T : V V respecto a una base B
entonces, el det(T I ) se define como
det(T I ) det( A I )
donde I debe entenderse como el automorfismo identidad al lado izquierdo y como
la matriz identidad al lado derecho.
PROPOSICIN 1.3.- Sea V un K-espacio vectorial de dimensin finita y el
endomorfismo T : V V . Las siguientes afirmaciones son equivalentes:
i) K , es un valor propio de T.
ii) T I es singular (no invertible).
iii) det(T I ) 0 .
PRUEBA
i) ii)
Como K es valor propio de T, entonces existe un vector no nulo v V
tal que T (v) v
T (v) I (v) , donde I es el endomorfismo identidad
(T I )(v) , por ser T I un endomorfismo
Nu(T I ) { } , pues al ser v un vector propio es diferente de
T I es singular
ii) iii) es obvio.
iii) i)
Tenemos que det(T I ) 0 T I es singular
Nu(T I ) { } v V tal que
(T I )(v) T (v) v
es un valor propio de T.
2. VALORES Y VECTORES PROPIOS DE UNA MATRIZ

DEFINICIN 2.1.- Se dice que el escalar es un valor propio de una matriz
A K nn si y solo si existe un vector no nulo v K n1 tal que
Av v (1)
el vector no nulo v K n1 que satisface la relacin (1) se denomina vector propio de A
asociado al valor propio .
165
----------------------------------------------------------------------------------------------------------
NOTA.- De manera anloga que para el caso de las transformaciones lineales, se
utilizan las expresiones de auto valor y valor caracterstico para denominar al valor
propio y el de auto vector y vector caracterstico para el vector propio de una matriz.
EJEMPLO 2.1.1.- Sea A K nn una matriz diagonal, cualquier vector cannico

ei K n1 donde i 1, 2,, n es un vector propio de A.
Pues para:
d1 0 0
0 d2 0
A

0 0 dn
se tiene que:
0 0
d1 0 0
0
d2 0
Aei 1 d d i ei
i

0 0 d n
0 0
Los valores propios de A son los elementos de la diagonal.

2 1
EJEMPLO 2.1.2.-Hallar los valores y vectores propios para la matriz A .
3 4
SOLUCIN
R es un valor propio de de A, si existe un vector v R n1 tal que Av v .
v Av (I A)v
0 2 1 x 0 2 1 x 0

0 3 4 y 0 3 4 y 0
2 1
0 2 6 5 0 ( 1)( 5) 0
3 4
1 1, 2 5
Los vectores propios asociados a los valores propios 1 1 y 2 5 son:
1 1
v1 , v2
1 3
166
----------------------------------------------------------------------------------------------------------
En efecto, verificando se tiene
2 1 1 1 1 2 1 1 5 1
Av1
1 y Av
3 4 3 15 5 3
3 4 1 1 1
2

El espacio propio de A correspondiente al valor propio lo denotamos por
E ( A, ) { v K n1 / Av v}
Ntese que los valores propios de la transformacin lineal dado en el ejemplo 1.2.2
2 1
T : R 2 R 2 / T ( x, y) (2 x y, 3x 4 y) y la matriz A dada en el ejemplo
3 4
2.1.2 son los mismos. Este hecho no debe sorprender, puesto que A es la matriz
asociada a la transformacin lineal T respecto a la base cannica de R 2 .
La relacin entre el espacio propio de T L(V ) y el espacio propio de la matriz
asociada a T respecto a una base B est dada por siguiente proposicin.
PROPOSICIN.- Sea V un K-espacio vectorial de dimensin finita, B una base
ordenada de V. Si T L(V ) y K un autovalor de T, entonces
v E(T , ) [ v ]B E([ T ]B , )
PRUEBA
) Asumiendo que v E (T , ) , hay que demostrar [ v ]B E ([ T ]B , )
v E(T , ) T (v) v por definicin
[T (v)]B [v]B [v]B
[T (v)]B [v]B tomando extremos
[T ]B [v]B [v]B
[ v ]B E ([ T ]B , )
) Recprocamente, asumiendo que [ v ]B E ([ T ]B , ) hay que probar que
v E (T , ) .
[ v ]B E([ T ]B , ) [T ]B [ v]B [v]B
[T ]B [ v]B [v]B 0
[T (v)]B [v]B 0
[T (v) v]B 0
T (v) v 0
T (v) v
v E (T , )
167
----------------------------------------------------------------------------------------------------------
OBSERVACIONES
(1) Existe un solo valor propio asociado a un vector propio v.
En efecto, suponiendo que 1 y 2 son los valores propios correspondientes al
valor propio v, entonces se tiene que
T (v) 1v 2 v Por definicin de valor propio
1v 2 v
(1 2 )v
Como por definicin de vector propio v , se tiene que
1 2 1 2 .
Lo recproco no es cierto, pues para un valor propio pueden existir infinitos
vectores propios.
(2) Si bien es cierto que la relacin T (v) v es vlida para v y cualquier
, la definicin de vector propio excluye al vector cero. Esto se justifica por
tener que existir un solo valor propio asociado al vector propio v.
NOTA.- La proposicin 1.3, en trminos de matrices, puede ser enunciada como:

cualquiera de las afirmaciones siguientes, son equivalentes
i) K , es un valor propio de A K nn .
ii) A I es singular (no invertible).
iii) det( A I ) 0
A continuacin veremos ms ejemplos sobre valores propios y vectores propios.
EJEMPLO.- Sea el endomorfismo T :V V tal que T (v) av , donde a es un
escalar fijo. Ntese, que todo vector v V con v es un vector propio
correspondiente al valor propio a.
EJEMPLO [Reflexin sobre el plano XY]
Sea el endomorfismo T : R 3 R 3 tal que T ( x, y, z) ( x, y, z)
Calculando los valores propios de T
T ( x, y, z) ( x, y, z) (x, y, z)
( x, y, z) (x, y, z)
(( 1) x, ( 1) y, ( 1) z) (0, 0, 0)
168
----------------------------------------------------------------------------------------------------------
( 1) x 0

( 1) y 0
( 1) z 0

1 0 0
0 1 0 ( 1) 2 ( 1)
0 0 1
( 1) 2 ( 1) 0 1, 1
Luego los valores propios de T son 1 de multiplicidad algebraica igual a 2 y
1
Para el valor propio 1 los vectores propios estn contenidos en el plano XY esto es,
T ( x, y, 0) 1( x, y, 0) .
E (T , 1) { ( x, y, z) R 3 / T ( x, y, z) 1( x, y, z) }
{ ( x, y, z ) R 3 / ( x, y, z) 1( x, y, z) }
{ ( x, y, z ) R 3 / z 0}
L{ (1, 0, 0), (0, 1, 0) }
Para el valor propio 1 los vectores propios estn contenidos en el eje Z esto es,
T (0, 0, z) 1(0, 0, z) .
E (T , 1) { ( x, y, z) R 3 / T ( x, y, z ) 1( x, y, z) }
{ ( x, y, z ) R 3 / ( x, y, z) ( x, y, z ) }
{ ( x, y, z ) R 3 / x y 0}
{ ( x, y, z ) R 3 / x y 0}
{ (0, 0, z) / z R }
L{ (0, 0, 1) }
Ntese que R 3 E (T , 1) E (T , 1)
EJEMPLO [Rotacin en el plano]
Consideramos dos situaciones
i) Para V C con K C
Todo z C donde z 0 se puede expresar como
z rei r (cos i sen )
Definiendo,
T : C C / T ( z ) rei ( ) rei e i e i z
169
----------------------------------------------------------------------------------------------------------
Donde T acta sobre z hacindolo girar un ngulo . En este caso todo z 0
es un vector propio para el valor propio e i c o
s i s e n . El valor
e i no es un nmero real salvo el caso en n , n Z .

ii) Para V C con K R
La rotacin T ( z ) e i z admite valores propios nicamente si n , n Z .
En consecuencia para n , n Z , T no tiene valores propios reales. Como
ya se vio en un ejemplo anterior la existencia de valores propios depende de la
eleccin del campo.
EJEMPLO [El operador derivada]
Dado el espacio vectorial D { f : R R / f es una funcin que admite derivada} ,
se define el endomorfismo T : D D / T ( f ) f . Los vectores propios de T son
todas las funciones f D no nulas que satisfacen la ecuacin
T ( f ) f f f (1)
para algn R . La relacin (1) es una ecuacin diferencial de primer orden
f ( x)
f f f ( x)
dx dx
ln( f ( x)) x ln C
f ( x) e (xln C ) e x e ln C
f ( x) Ce x , donde C es una constante arbitraria.

Luego los vectores propios de T son todas las funciones exponenciales de la forma
f ( x) C e x con C 0
T ( f ( x)) (Ce x ) C e x f ( x)
El valor propio correspondiente a f ( x) C e x es .

EJEMPLO [El operador integracin]
Sea V { f : [a , b] R / f es continua }
Definiendo
T :V V x
donde g ( x) f (t )dt , a x b
f g T( f ) a
Suponiendo que existieran las funciones propias para T, serian las f V que
satisfacen la ecuacin
170
----------------------------------------------------------------------------------------------------------
x
F ( x) f (t )dt f ( x) (1)
a
para algn R .
Usando el primer teorema fundamental del clculo, derivamos la relacin (1)
obteniendo
f ( x) f ( x) ; 0
f ( x) 1
dx dx
f ( x)
1
ln( f ( x)) x ln C

x x
( ln C )
f ( x) e
e e ln C
x
f ( x) Ce ; 0, C 0

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

ecuacin (1) se tiene
a
f (t )dt f (a) C e ; 0, C 0
a
0 f (a) C e 0
a
Como e 0 , se ve que la ecuacin T ( f ) f , no puede ser satisfecha por ninguna

a
funcin f 0 . En consecuencia, el operador integracin T no tiene funciones propias

ni valores propios.
OBSERVACIN
Sean V un K-espacio vectorial de dimensin finita n, T L(V ) un endomorfismo y A
la matriz asociada a T respecto a una base B de V. El det(T I ) se define como
det(T I ) det( A I )
donde el I en el lado izquierdo denota el endomorfismo identidad y el I del lado
derecho denota la matriz identidad.
La proposicin que se enuncia a continuacin es el anlogo de la proposicin 1.3 en
trminos de la matrices.
171
----------------------------------------------------------------------------------------------------------
PROPOSICIN.-Sea V un K-espacio vectorial y T :V V un endomorfismo y A la
matriz asociada a T respecto a una base B de V. Las siguientes afirmaciones son
equivalentes:
a) K es un valor propio de A.
b) A I es singular
c) det( A I ) 0
PRUEBA.- Ejercicio
3. POLINOMIO CARACTERSTICO
POLINOMIO DE MATRICES
Sea K [x] el anillo de polinomios con coeficientes en el campo K. Si p K[x] , se
escribe
p( x) an x n an1 x n1 a1 x a0
Ahora, si A es una matriz cuadrada sobre K, el polinomio
p( A) an An an1 An1 a1 A a0 I
donde I es la matriz identidad es llamado polinomio de matrices. En caso que p( A) 0

se dice que A es una raz del polinomio p(x) .
EJEMPLO 3.1
0 1
Sea p K[x] tal que p( x) x 2 2 x 4 y A , entonces:
2 1
0 1 0 1 0 1 1 0
p( A) A 2 2 A 4 I 2 2 1 40 1
2 1 2 1
2 1 0 2 4 0 6 3

2 1 4 2 0 4 6 3
PROPIEDADES 3.2
Sean p, q K[ x] y A K nn , entonces se cumplen las siguientes propiedades:
i) ( p q)( A) p( A) q( A)
ii) ( pq)( A) p( A)q( A)
iii) (kp)( A) kp( A), k K .
iv) Puesto que p( x)q( x) q( x) p( x) para polinomios cualesquiera p(x) y q(x) ,
entonces, p( A)q( A) q( A) p( A)
172
----------------------------------------------------------------------------------------------------------
v) Si 1 , 2 ,, n son elementos de K y p( x) ( x 1 )( x 2 )( x n ) , entonces
p( A) ( A 1 I )( A 2 I )( A n I )
DEFINICIN 3.3.- Dada una matriz A K nn , se llama polinomio caracterstico de A

al determinante de la matriz I A ; es decir:
a11 a12 a1n
a21 a22 a2 n
p( ) det(I A)

an1 an 2 ann
Desarrollando el determinante se tiene

p( ) n cn1n1 c1 c0
La matriz I A se denomina matriz caracterstica de A.
EJEMPLO 3.3.1.- Hallar el polinomio caracterstico de la matriz

2 1 0
A 1 1 2
0 3 1
2 1 0
p( ) det(I A) 1 1 2
0 3 1
3 22 8 13
OBSERVACIN 3.3.2.- Del ejemplo anterior, ntese que 2 Tr( A) y 13 det( A) ;

luego el polinomio caracterstico de A se puede escribir como
p( ) 3 Tr( A)2 8 (1) 3 det( A) , si A K 33
En general para una matriz A K nn , el polinomio caracterstico de A se puede

escribir como
p( ) n Tr( A)n1 (1) n det( A)
173
----------------------------------------------------------------------------------------------------------
EJEMPLO 3.3.3.- Utilizando la observacin anterior, calcular los valores propios de la
matriz
1 2
A
3 2
SOLUCIN
p( ) 2 Tr( A) (1) 2 det( A)
2 3 4
las races del polinomio 2 3 4 0 son 1 4 y 2 1 .
PROPOSICIN 3.4.- Dos matrices semejantes tienen el mismo polinomio
caracterstico; es decir, si B P 1 AP , entonces PB ( x) PA ( x) .
PRUEBA
p B ( x) det(xI n B) definicin de polinomio caracterstico
det(xI n P 1 AP) reemplazando B P 1 AP
det(xP 1 P P 1 AP) propiedad de matriz identidad
det[P 1 ( xI n A) P] propiedad distributiva del prod. de matrices
det(P 1 ) det(xI n A) det(P) propiedad de determinantes
det(P 1 ) det(P) det(xI n A) propiedad de nmeros reales
det(P 1 P) det(xI n A) propiedad de determinantes
det(I ) det(xI n A) propiedad de matrices inversibles
det( xI n A) propiedad de determinantes
p A (x) definicin de polinomio caracterstico

p B ( x) p A ( x)
PROPOSICIN 3.5.- Dadas una matriz A K nn y un escalar K .
es valor propio de A p A ( ) 0 .
PRUEBA
Sea el polinomio caracterstico p A ( x) det(xI n A)
es valor propio de A I n A es singular

det(I n A) 0
p A ( ) 0
174
----------------------------------------------------------------------------------------------------------
EJEMPLO 3.5.1.- Hallar los valores propios y sus correspondientes vectores propios
de la matriz
1 2 2
A 1 2 1
1 1 4
SOLUCIN
p A ( ) I A
1 2 2
1 2 1
1 1 4
( 1)( 3) 2
luego p A ( ) ( 1)( 3) 2 0 y los valores propios son 1 1 y 2 3 .

DEFINICIN 3.6.- Sean V un K-espacio vectorial de dimensin finita, T : V V un
endomorfismo y f ( x) K[ x] donde
f ( x) a0 x n a1 x n1 an ; ai K , i 0,1,, n
f (x) es llamado polinomio anulador de T si y solo si f (T ) 0 ; as mismo

llamaremos polinomio minimal de T al polinomio de menor grado y coeficiente
principal igual a 1 que denotado por m(x) tal que m(T ) 0 .
PROPOSICIN 3.7.- Sea V un K-espacio vectorial de dimensin finita. Si T L(V )
siempre existe un polinomio anulador para T.
PRUEBA.- Sea dim K V n , entonces
dim K L(V ) nn m
consideremos: I , T , T 2 ,, T m ; m 1 elementos que son linealmente dependientes; es

decir, existen a0 , a1 , a2 ,, am K no todos nulos tal que:
a0 I a1T a2T 2 amT m 0

Nos basta elegir:
g ( x) a0 a1 x am x m 0
g (T ) 0
PROPOSICIN 3.8.- Sean V un K-espacio vectorial de dimensin finita, T : V V
un endomorfismo y K tal que T (v) v, v 0 . Si f ( x) K[ x] , entonces:
f (T )v f ( )v
175
----------------------------------------------------------------------------------------------------------
PRUEBA
T (v) v
T 2 (v) T T (v) T (v) T (v) 2 v

T 3 (v) T T 2 (v) T (2 v) 2T (v) 3 v

T n (v) n v ; para todo n 0
Si f ( x) a0 x n a1 x n1 an
f (T )(v) (a0T n a1T n1 an I )(v)
a0T n (v) a1T n1 (v) an I (v)
a0 n v a1n1v an v
(a0 n v a1n1v an )v
f ( )v
f (T )(v) f ( )v
PROPOSICIN 3.9.- Sean A, B matrices semejantes, f ( x) K[ x] . Demostrar que

f (A) y f (B) son tambin matrices semejantes.
PRUEBA
Si A y B son matrices semejantes se tiene:
B P 1 AP
B 2 ( P 1 AP)( P 1 AP) P 1 A2 P
B 3 P 1 A3 P

B n P 1 An P
Si f ( x) a0 x n a1 x n1 an
f ( B) a0 B n a1 B n1 an I
a0 ( P 1 An P) a1 ( P 1 An1 P) an P 1 P
P 1 (a0 An a1 An1v an ) P
P 1 f ( A) P
f ( B) P 1 f ( A) P
176
----------------------------------------------------------------------------------------------------------
EJERCICIOS
1. Hallar los valores propios, vectores propios y una base para los espacios propios si
la transformacin lineal T : R 2 R 2 est definida como:
a) T ( x, y) ( y, 4 x) b) T ( x, y) ( x y, 2 x y)
c) T ( x, y) (3x 4 y, 2 x y) . C) T ( x, y) (4 x 3 y, 3x 4 y)
2. Hallar los valores propios, vectores propios y una base para los espacios propios si
la transformacin lineal T : R 3 R 3 est definida como:
a) T ( x, y, z) ( x y z, 2 y z, 2 y 3z)
b) T ( x, y, z) ( x y, y x, 2 y z)
c) T ( x, y, z) ( x y, 2 x 3 y, x y z)
d) T ( x, y, z) (2 y z, 2 x z, 2 x y)
3. Hallar los valores y vectores propios si es que existen para las siguientes matrices
en R 22 y R 33 . Para cada valor propio halle el espacio propio correspondiente.
10 0 2
2 0 1 4 0 6 0
a) 1 3 b) 1 3 c)
2 0 7
1 1 0 1 0 1 2 3 0
d) 1 1 0 e) 0 3 0 f) 4 5 0

0 0 2 1 0 1 5 5 1
4. Hallar los valores y vectores propios para las siguientes matrices en C 33 . Para
cada valor propio halle el espacio propio correspondiente.
3 1 0 1 1 0
a) 5 1 0 b) 1 0 0

0 0 1 0 0 2
5. Sea T : R 2 R 2 la aplicacin que hace corresponder a cada vector de R 2 su

proyeccin ortogonal sobre el vector u (2, 1) . La aplicacin as definida es una
a) Hallar la matriz asociada a T con respecto a la base cannica de R 2 .
b) Hallar los valores y vectores propios de la matriz obtenida en a).
177
----------------------------------------------------------------------------------------------------------
6. Sea V un K-espacio vectorial de dimensin finita talque V U W . Hallar los
valores propios de T L(V ) , si T es proyeccin sobre U paralelamente a W; es
decir si T (u w) u .
7. Sea T L( K nn ) tal que T ( A) AT . Determine los valores propios de T, sus

correspondientes vectores propios y sus respectivos autoespacios.
8. En el espacio vectorial P3 [t ] sobre R, se considera el endomorfismo f definido
como f ( p(t )) t[ p(t 1) p(t ) ]; p(t ) P3 [ t ] . Calcular los valores y vectores
propios de f.
9. Demuestre o d un contraejemplo a la siguiente afirmacin:
Si T : V V es una R-transformacin lineal tal que es un autovalor de de T
R , entonces V posee una base formada por vectores propios de T.
10. Determine la verdad o falsedad de de las siguientes afirmaciones. Justifique su
respuesta.
a) Toda transformacin lineal posee valores propios.
b) Si T L(V ) y W es un subespacio generado por vectores propios de T,
entonces W es invariante por T.
A B
11. Sea A una matriz por bloques, A 1
A2
donde A1 y A2 son matrices
0
cuadradas. Probar que, el polinomio caracterstico de A es igual al producto de los
polinomios caractersticos de A1 y A2 .
12. Sea T L(V ) , donde V es un espacio vectorial sobre K. Si v V , sea
W (v) { g (T )(v) / g K[ x] } . Demuestre que W (v) es un subespacio invariante
por T.
13. En el R-espacio vectorial R 2 se considera el operador rotacin definido como
f ( x, y) ( x cos y sen , x sen y cos ) . Para qu valores de , f tiene
valores propios?.
14. Sea V un K-espacio vectorial de dimensin finita, B una base ordenada de V,
T L(V ) , y K . Demostrar que v E (T , ) si y solo si vB E (T B , ) .
15. Sea V un K-espacio vectorial y T L(V ) . Las siguientes afirmaciones son
equivalentes:
a) K es un valor propio de T.
178
----------------------------------------------------------------------------------------------------------
b) T I es singular.
c) det(I T ) 0 .
Nota.- El det(I T ) se define como det(I T ) det(I A) , donde A es la
matriz asociada a la transformacin lineal T en una base dada e I la matriz
identidad.
16. Demostrar que dos matrices semejantes tienen el mismo polinomio caracterstico.
17. Si n an1n1 a1 a0 es el polinomio caracterstico de una matriz A,
demuestre que a0 (1) n det( A) .
18. Sea A K nn . Pruebe que:

a) A es inversible si y solo si todos sus valores propios son no nulos.
b) A es nilpotente si y solo si su nico valor propio es cero.
Nota.- Se dice que una matriz A K nn es nilpotente si existe un entero positivo k
tal que Ak 0 . El menor k para el que se cumple la definicin anterior es llamado
ndice de nilpotencia de A.
19. Demostrar que los valores propios de una matriz idempotente son 0 y 1.
20. Sean A, B K nn , donde A es no singular. Demostrar que las matrices A1B y
BA 1 tienen los mismos valores propios.
TEOREMA.-[Teorema de Cayley-Hamilton]
Sea V un K-espacio vectorial de dimensin finita y T :V V un endomorfismo.
Entonces pT (T ) 0 .
PRUEBA
Demostraremos cuando K C .
La prueba se hace por induccin sobre n donde n dim V .
Para n 1 no hay nada que demostrar.
Si n 1 suponemos que el teorema se verifica para n 1 (Hip. Inductiva)
Por una proposicin demostrada anteriormente, existe una base { v1 , , vn } en la cual
la matriz asociada a la transformacin T es triangular superior. Esto es

T (v1 ) 1v1

T (v j ) a1 j v1 j v j ; j 1, , n
179
----------------------------------------------------------------------------------------------------------
Consideremos
S { av1 / a C }
Desde que T (S ) S , la aplicacin
T:V V tal que T (v) T (v) ; v V

S S
Esta bien definida y en la base { v2 , , vn } su matriz asociada es
2 *

AT 3

0 n
El polinomio caracterstico de AT es
pT ( x) ( x 2 )( x 3 )( x n )
Por la hiptesis inductiva se cumple que pT (T ) 0 , es decir
(T 2 I )(T 3 )(T n )v 0 , donde 0 V

S
De la definicin de espacio vectorial cociente, se tiene que
(T 2 I )(T 3 I )(T n I )u cv1
Aplicando (T 1 I ) a la ltima relacin se tiene

(T 1 I )(T 2 I )(T 3 I ) (T n I )u (T 1 I )cv1
c(T (v1 ) 1 I (v1 ))
c(1v1 1v1 )
0
Con lo que queda demostrado
pT (T ) (T 1 I )(T 2 I )(T n I ) 0
Nota.- De las aplicaciones del teorema de Cayley-Hamilton una de ellas es el clculo de

la inversa en trminos de la misma matriz.
EJEMPLO
Dado la matriz
2 1
A
1 1
Hallar A 1 en trminos de A.
180
----------------------------------------------------------------------------------------------------------
Solucin
p A ( x) x 2 3 x 1
Por el teorema p A ( A) A2 3 A I
3 0 2 1 1 1
I 3 A A 2 A 1 3I A
0 3 1 1 1 2
1 1
Luego A 1
1 2
EJEMPLO
Dada la matriz
1 1 0
A 1 1 0

1 1 1
Hallar A 1 usando el teorema de Cayley-Hamilton.

Solucin
1 1 0
p A ( ) 1 1 0 3 2 2 2
1 1 1
Aplicando el teorema,
p A ( A) 0 A3 A2 2 A 2I 0
2I A3 A2 2 A 2 A1 A2 A 2I
1 1 0 1 1 0 1 1 0 1 0 0
2 A 1 1 0 1 1
1
0 1 1 0 20 1 0

1 1 1 1 1 1 1 1 1 0 0 1
1 1 0 1 1 0
1
2A 1 1 0 A 1 1 1
1 0
2
2 0 2 2 0 2
1 1 0
A 1 1 1 0 .
1
Luego
2
2 0 2
181
----------------------------------------------------------------------------------------------------------
Ejercicios
Utilizando el teorema de Cayley-Hamilton determinar la inversa de ls siguientes
matrices:
1 1 4 4 2 5
3 2
a) b) A 2 1 1 b) B 2 2 1
1 2 3 2 1 0 1 4
182

Algebra Lineal I-Ososrio, 2013 PDF

Cargado por

Información del documento

Título original

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 Lineal I-Ososrio, 2013 PDF

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

(Universidad del Per, DECANA DE AMRICA)

Profesor: Vctor G. Osorio Vidal

3. Transformaciones lineales y temas afines 48

4. Matriz asociada a una transformacin lineal 83

6. Producto interno y ortogonalidad 139

7. Valores y vectores propios 161

El material que pongo a disposicin de los estudiantes que cursan la asignatura de

El presente captulo tiene dos objetivos. El primero es recordar definiciones y

2. LEYES DE COMPOSICIN INTERNA Y EXTERNA

sean x ( x1 , , x n ) , y ( y1 , , y n ) R n diremos que x y si y solo si xi y i

G3) Para todo a G , existe a G tal que a T a a T a e .

EJEMPLO 4.1.3.- Sea n un nmero entero positivo, denotemos por

nmero a. Definimos en Z n una operacin tal que:

[0] [1] [2]

DEFINICIN 4.2.- Sea un conjunto K , definimos en K dos leyes de

EJEMPLO 4.2.2.- Sea Z p [ a ] / a Z , [a ] como se vio en el ejemplo 4.1.3.

representa la clase de restos mdulo p donde p es primo. Definimos en Z p las

[1] [2] [3]

sobre Q ( 2 ) se definen las operaciones

Multiplicacin : (a b 2 )(c d 2 ) (ac 2bd ) (ad bc) 2

Sabemos que ( a b 2 ) (c d 2 ) ( a c 2bd ) (b c a d ) 2 1 1 0 2

y reemplazando el valor de d en (4), resulta:

EJEMPLO 4.2.4.- El conjunto Z ( 2 ) { a b 2 / a, b Z } con las operaciones

En el clculo elemental se estudia funciones reales de una variable real; es decir,

DEFINICIN 1.1.- Dados un conjunto V , un campo K, una ley de

V5) a (b x) (a b) x para todo a, b K , para todo x V .

EJEMPLO 1.1.1.- Sea V R n { ( x1 , , x n ) / xi R, i 1, 2, , n } y K R .

( R n , , R, ) cumple las condiciones de espacio vectorial. En efecto:

V2) Existe (0, , 0) R n / x x x , para todo x R n .

V3) Para todo x R n , existe y x ( x1 , , x n ) tal que x y y x .

EJEMPLO 1.1.2.- Consideremos F f : R R el conjunto de funciones

para x ( k1 , , k n ), y ( k '1 , , k ' n ) K n y c K , definimos:

x y (k1 k '1 , , kn k 'n )

EJEMPLO 1.1.5.- Denotemos por:

Sean x (ai ), y (bi ) K y c K . Definimos:

se deja al lector verificar que ( K , , K , ) es un espacio vectorial.

EJEMPLO 1.1.6.- Consideremos P[x] el conjunto de las funciones polinomiales

EJEMPLO 1.1.7.- Sea K un campo, consideremos:

K mn recibe el nombre de conjunto de matrices de orden m n sobre el campo K.

Adicin : ci j ( A B ) (i, j ) A(i, j ) B (i, j ) a i j bi j

Multiplicacin : ci j ( A) (i, j ) A(i, j ) a i j

Fcilmente se verifica que K mn con las operaciones definidas arriba es un espacio

EJEMPLO 1.1.8.- Dado el sistema lineal homogneo:

EJEMPLO 1.1.9.- Sean V1 , V 2 espacios vectoriales sobre el campo K y

EJEMPLO 1.1.10.- Sea f : (1, 1) R (R un espacio vectorial sobre R con las

PROPOSICIN 1.2.- Sea (V , , K , ) un espacio vectorial. Entonces se tiene:

1. Sean V R 2 y K R . Averiguar si R 2 con las operaciones definidas a

averiguar si R 3 es un espacio vectorial sobre R.

Averiguar si R con las operaciones definidas anteriormente es un espacio

5. Sea Z el conjunto de los nmeros enteros con la adicin usual y la multiplicacin

donde a denota el mximo entero; esto es

Cules de las condiciones de espacio vectorial no se verifican?.

Es ( Q ( 2 ), , K , ) un espacio vectorial?, Si:

(a) K Q ( 2 ) , (b) K Q y (c) K R .

Averiguar si R 2 con las operaciones arriba definidas es un espacio vectorial.

EJEMPLO 2.2.1.- Sea V R 2 y consideremos:

EJEMPLO 2.2.2.- Sea F el R-espacio vectorial de todas las funciones reales de

es un subespacio vectorial de F. En efecto, tenemos que C ya que C ,

EJEMPLO 2.2.3.- Sea ( R 3 , , R, ) y dados u (1, 3, 0) y v (2, 0, 1)

W no es un subespacio de R 3 , pues es fcil verificar que cero no pertenece a W.

EJEMPLO 2.2.4.- Sea V F el R-espacio vectorial de todos las funciones reales

multiplicando las igualdades de (3) por y de la definicin de producto de una