Algebra Lineal I PDF

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
(Universidad del Perú, DECANA DE AMÉRICA)

FACULTAD DE CIENCIAS MATEMÁTICAS
DEPARTAMENTO DE MATEMÁTICA
NOTAS DE CLASE
ÁLGEBRA LINEAL I
Profesor: Víctor G. Osorio Vidal
2011-I
Notas de clase de Álgebra Lineal I Víctor G. Osorio Vidal
----------------------------------------------------------------------------------------------------------
ÍNDICE GENERAL
Prólogo
1. Preliminares 1
Funciones …………………………………………………………………. 1
Leyes de composición 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 dimensión de un espacio vectorial ………………………..……….. 26
Ejercicios ………………………………………………………………...… 44
3. Transformaciones lineales y temas afines 48

Transformaciones lineales ……………………………………………..…. 48
Núcleo e imagen de una transformación lineal …………………..……….. 53
Ejercicios ……………………………………………………………..…… 61
Composición 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 transformación lineal ………………………………………… 81
4. Matriz asociada a una transformación lineal 83

Coordenadas o componentes de un vector ………………………………… 83
Matriz asociada a una transformación lineal ……………………………... 84
Matriz cambio de base ……………………………………………………. 96
Fórmulas de transformación de coordenadas ……………………………… 99
Matrices semejantes ……………………………………………………….. 103
Ejercicios ………………………………………………………………….. 105
i
----------------------------------------------------------------------------------------------------------
5. Determinantes 110
Formas n-lineales ……………………………………………………….…. 114
Función 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 ortogonalización ………………..……………………………… 153
Ejercicios ……………………………………………………………...…… 159
7. Valores y vectores propios 161

Valores y vectores propios de una transformación lineal …………...……. 161
Valores y vectores propios de una matriz …………………………...……. 165
Polinomio característico …………………………………………………… 172
Polinomio anulador y polinomio minimal ………………………………… 175
Ejercicios ………………………………………………………………….. 177
Teorema de Cayley-Hamilton …………………………………………….. 179
ii
----------------------------------------------------------------------------------------------------------
Prólogo
El Álgebra Lineal es un curso básico en la formación de los estudiantes de ciencias,
ingenierías, economía y ciencias administrativas.
El material que pongo a disposición de los estudiantes que cursan la asignatura de

Álgebra Lineal corresponde a las Notas de Clase entregadas a mis alumnos de la
Facultad de Ciencias Matemáticas y Facultad de Educación (Especialidad de
Matemática y Física) de la Universidad Nacional de San Marcos a través de Chamilo
que es una solución de software libre, licenciada bajo la GNU/GPLv3, de gestión del
E-learning o aprendizaje electrónico, desarrollada con el objetivo de mejorar el acceso a
la educación y el conocimiento globalmente. La dirección es
http://campus.chamilo.org/.
Para finalizar agradeceré a mis colegas y alumnos por las sugerencias y críticas que
tengan a bien hacer llegar a la siguiente dirección vosoriov@unmsm.edu.pe.
EL AUTOR
iii
----------------------------------------------------------------------------------------------------------
PRELIMINARES
El presente capítulo 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 comprensión de los capítulos siguientes.
1. FUNCIONES
DEFINICIÓN 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 
DEFINICIÓN 1.2.- Dados X, Y conjuntos; diremos que R es una relación de X en
Y si y solo si R es un subconjunto de X  Y .
DEFINICIÓN 1.3.- Sean X, Y conjuntos; f : X  Y es una aplicación o función
de X en Y si y solo si f es una relación de X en Y y además 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 ó imagen de x
según f.
DEFINICIÓN 1.4.- Sea f : X  Y una función.
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 según 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
según f al conjunto denotado por:
1
----------------------------------------------------------------------------------------------------------
1
f ( B )  { x  X / f ( x )  b, b  B } .
DEFINICIÓN 1.6.- Sean f : X  Y , g : Y  W funciones, llamaremos función
composición de g con f ó f seguida de g a la función denotada por:
g  f : X  W tal que ( g  f )( x)  g  f ( x) 
2. LEYES DE COMPOSICIÓN INTERNA Y EXTERNA

DEFINICIÓN 2.1.- Sea un conjunto A   , llamaremos ley de composición
interna definida en A a toda aplicación  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.
DEFINICIÓN 2.2.- Sean A,  dos conjuntos (  se denomina conjunto de
operadores o escalares). Llamaremos ley de composición externa definida en A y
con operadores en  , a toda aplicación  de   A en A.
 :  A  A
( , a )   ( , a )    a
3. LOS CONJUNTOS R n Y C n
Sea R el conjunto de número reales, C el conjunto de los números complejos y n un
número 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 análoga denotaremos:
C n  { z  ( z1 ,  , z n ) / n  uplas ordenadas , z i  C ,  i  1, 2,  , n }
4. GRUPOS Y CAMPOS
DEFINICIÓN 4.1.- Sea un conjunto G   , si en G definimos una ley de
composición 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 además 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
adición y multiplicación usuales, son grupos conmutativos.
EJEMPLO 4.1.2.- El conjunto de las matrices de componentes reales de orden
m  n denotada por R mn con la operación usual de suma de matrices es un grupo
abeliano.
(a i j ), (bi j )  R mn / (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 número entero positivo, denotemos por

Z n  [a ] / a  Z  , donde [a ] designa a la clase de restos módulo n que contiene al
número a. Definimos en Z n una operación ̂ tal que:
ˆ : Z n  Z n  Zn
 [a], [b]  [a ] ˆ [b]  [a  b]
donde + es la adición usual en Z. ( Z , ˆ ) 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]
DEFINICIÓN 4.2.- Sea un conjunto K   , definimos en K dos leyes de

composición internas:
Adición:
:K  K  K
( a , b)  a  b
3
----------------------------------------------------------------------------------------------------------
Multiplicación:
·: K  K  K
(a , b)  a·b
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
idéntico o identidad.
K7) Para todo a  0 elemento de K, existe un elemento también en K llamado
opuesto de a o inverso de a con respecto a la multiplicación 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 únicos.
(4) El inverso aditivo y multiplicativo ( K3), K7)) de cada elemento es único.
(5) a 0  0 para todo a  K .
(6) a b  0 entonces a  0 ó 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 adición y multiplicación 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 módulo p donde p es primo. Definimos en Z p las
operaciones: [a ] ˆ [b]  [a  b]
[a ] ˆ [b]  [a · b]
donde "+" y "."· son las operaciones usuales de adición y multiplicación. ( Z p , ˆ , ˆ. )
es un campo.
NOTA.- Si p no es primo la afirmación 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 definición 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
Adición : (a  b 2 )  (c  d 2 )  (a  c)  (b  d ) 2
Multiplicación : (a  b 2 )·(c  d 2 )  (ac  2bd )  (ad  bc) 2
 
Probar que Q ( 2 ), , · es un campo.
PRUEBA:
Sólo probaremos la condición K7) de la definición 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
cd 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 adición y multiplicación definidas en el ejemplo 4.2.3. no es un campo. La
verificación es inmediata.
6
----------------------------------------------------------------------------------------------------------
ESPACIOS VECTORIALES
En el cálculo 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 números reales. Una situación muy similar se presenta en el
álgebra 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
intención de este capítulo dar los conceptos y propiedades básicas de los espacios
vectoriales.
1. ESPACIOS VECTORIALES
DEFINICIÓN PRELIMINAR.- Dado un conjunto V   , un campo ( K , ,  )
(que puede ser los reales R o los complejos C ), se define una ley de composición
interna en V
 : V V  V
( x , y)  x  y
llamada adición y se define una ley de composición externa en V con escalares en el
campo K
 : K V  V
(a, x)  ax
denominada multiplicación 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(bx)  ( 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 )  ax  ay para todo a  K , para todo x, y  V .
V8 ) Existe 1  K llamado elemento idéntico 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 “adición” y “multiplicación 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
adición de vectores con el símbolo “  ” simplemente denotaremos con “+”,
haciendo la diferencia según el contexto cuando se trata de la suma de vectores
( x  y ) o la suma de escalares (a  b) ; el símbolo “  ” se usará más adelante
para denotar la suma directa.
Omitiremos escribir el símbolo “” que denota la ley de composición externa,
simplemente con la yuxtaposición se entenderá la multiplicación de un vector
por un escalar haciendo la diferencia según el contexto cuando se trate de la
multiplicación de un vector por un escalar (ax) o la multiplicación de dos
escalares (ab).
Con las precisiones hechas en d), la definición de espacio vectorial se puede
enunciar formalmente como sigue:
DEFINICIÓN 1.1.- Dados un conjunto V   , un campo K, una ley de

composición interna “+” en V llamada adición y una ley de composición externa
“·” definida en V y con operadores o escalares en K denominada multiplicación
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 idéntico 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 )
 yx
V5), V6), V7) y V8) se verifican análogamente.
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 sólo las
condiciones V2) y V3), las demás quedan como ejercicio para el lector.
V2) Existe   F definida como  ( x)  0 para todo x  R (función 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 composición
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  
 número finito de elementos (números) 
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 números 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 verificación es análoga 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 adición para este conjunto no es una ley de composición 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 mn recibe el nombre de conjunto de matrices de orden m  n sobre el campo K.

Sean A, B  K mn y   K . Definimos la:
11
----------------------------------------------------------------------------------------------------------
Adición : ci j  ( A  B ) (i, j )  A(i, j )  B (i, j )  a i j  bi j
Multiplicación : ci j  ( A) (i, j )   A(i, j )   a i j
Fácilmente se verifica que K mn con las operaciones definidas arriba es un espacio
vectorial sobre K.
EJEMPLO 1.1.8.- Dado el sistema lineal homogéneo:

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 solución del sistema }
S con las operaciones usuales de adición y multiplicación 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 fácil mostrar que f así definida es una biyección.
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.
SOLUCIÓN
Sólo 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
PROPOSICIÓN 1.2.- Sea (V , , K , ·) un espacio vectorial. Entonces se tiene:

i) El elemento  es único.
ii) 0 x   para todo x  V .
iii) a    para todo a  K .
iv) Si ax   , entonces a  0 ó x   .
v) ( a ) x  (ax ) para todo a  K y para todo x  V .
PRUEBA.- Solamente, a modo de ilustración, 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 condición 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 cancelación.
EJERCICIOS
1. Sean V  R 2 y K  R . Averiguar si R 2 con las operaciones definidas a

continuación 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 adición y multiplicación usuales).
2. En R 3 con la operación usual de adición y la multiplicación 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 números reales positivos) y K  R . Se definen
las operaciones de adición y multiplicación 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 operación de adición como sigue:
 x, y  R : x  y  máx{x, y}
Si la multiplicación por escalar es la usual de números reales, averiguar si R con
las operaciones antes definidas es un espacio vectorial.
14
----------------------------------------------------------------------------------------------------------
5. Sea Z el conjunto de los números enteros con la adición usual y la multiplicación

por escalar definida por
 a  R,  x  Z : a  x   a  x
donde  a  denota el máximo 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
¿Cuáles 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 proposición 1.2.
8. En el conjunto R 2 se definen la adición y la multiplicación 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 definición. 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 está bien definido. Denotando
por Z el conjunto de todos los enteros, demostrar que la aplicación
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
DEFINICIÓN 2.1.- Sea (V , , K , ·) un espacio vectorial cualesquiera. Diremos
que W, un subconjunto de V diferente del vacío es un subespacio si y solo si
(W , , K , ·) con las operaciones definidas para V es por sí mismo un espacio
vectorial.
NOTA.- El conjunto { } y V son subespacios vectoriales de V, denominados
subespacios triviales; cualquier otro subespacio es llamado subespacio propio.
Nótese además 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 vacío. 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 hipótesis 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).
Análogamente 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) ó 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 función 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 fácil 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.
SOLUCIÓN
Haciendo uso del teorema 2.2. tenemos que W  V por definición y además
W   pues la función 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 definición 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 definición de producto de una

función 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 nn el espacio vectorial de las matrices cuadradas de

orden n  n sobre el campo R. Definimos:
S  { A  R nn / a i j  a j i ; i,  j }
T  { A  R nn / ai j  a j i ; i,  j }
Los elementos del conjunto S se denominan matrices simétricas, y a los elementos

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

H  {( ai j )  C nn / ai j  a j i ; 1  i, j  n }
H es un subespacio de C nn .
18
----------------------------------------------------------------------------------------------------------
EJERCICIOS
1. Sea el espacio vectorial ( R 2 , , R, ·) . Averiguar cuáles 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 cuáles 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 cuáles 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 cuáles 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 22 , , R, ·) el espacio vectorial de las matrices cuadradas de orden
2  2 de entradas reales sobre R y A  R 22 una matriz particular. Determinar

cuáles de los siguientes subconjuntos son subespacios vectoriales:
a) T1  { B  R 22 / AB  BA }
b) T2  { B  R 22 / AB  BA }
c) T3  { B  R 22 / BA  0 }
3. OPERACIONES CON SUBESPACIOS

PROPOSICIÓN 3.1.- Sea Wi iI una familia de subespacios de (V , , R, ·) . Si
W   Wi
iI
entonces, W es un subespacio de V.
PRUEBA
W  V por definición y además es no vacío 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, .)
DEFINICIÓN 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 .
PROPOSICIÓN 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 definición
y además es diferente del vacío 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
DEFINICIÓN 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
Obsérvese 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 definición 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 condición se satisface del hecho que
cualquier función de R en R se puede escribir como:

1 1
f ( x)  ( f ( x)  f ( x))  ( f ( x)  f ( x))
2 2
1 1
Nótese que ( f ( x)  f ( x)) es una función par, y ( f ( x)  f ( x)) es una
2 2
función 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 definición 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 simétricas.
W  { A  V / A   A T } conjunto de las matrices antisimétricas.

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
Sólo 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 condición 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 definición 3.4 se tiene:
V  U W
OBSERVACIÓN 3.5.- La definición 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 , ·) . Además si tales subespacios tienen como único
elemento común 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 } .
¿Cuál es la relación 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 ó W  U .
3. Extendemos la definición de suma a subconjuntos arbitrarios no vacíos (no
necesariamente subespacios) S y T de un espacio vectorial V definiendo
S  T  {s  t / s  S  t  T }
Demostrar que esta operación 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 DIMENSIÓN DE

UN ESPACIO VECTORIAL
DEFINICIÓN 4.1.- Sea (V , , K , ·) un espacio vectorial y A  {v1 , v 2 ,  , v n } un
subconjunto de V diferente del vacío, llamaremos combinación 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 combinación 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 .
SOLUCIÓN
Para u: Si u fuera combinación lineal de v1 y v 2 se podría 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 ecuación (1) se tiene:
1
 0 ( )
2
luego para u no existen números 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 ecuación. Luego existen b1  2 y b2  1 tal que
(1, 0,  1)  2(1, 1, 0)  (1, 2, 2) ; entonces w es combinación 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

números reales tales que af  bg  ch   .
SOLUCIÓN
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:
b0 (1’)
a0 (2’)
 b  2c  0 (3’)
de (1’), (2’) y (3’) concluimos que los únicos números reales que satisfacen la
ecuación af  bg  ch   son:
abc0
DEFINICIÓN 4.2.- Sean V un espacio vectorial sobre un campo K y
A  {v1 ,  , v n } un subconjunto de V diferente del vacío, definimos el conjunto:
L{ A}  { v  V / v es combinación lineal de elementos de A}.
PROPOSICIÓN 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 vacío. L{ A}  V
por definición 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} .
SOLUCIÓN
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.
SOLUCIÓN
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.
PROPOSICIÓN 4.4.- Sea el espacio vectorial (V , , K , ·) , A  {v1 ,  , v n } un
subconjunto de V diferente del vacío y Wi iI la familia de todos los subespacios
tales que A  Wi , para todo i  I . Entonces:
L{ A}  Wi
iI
PRUEBA
i) Probaremos L{ A }   Wi .
iI
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 iI
 L{ A}  Wi .
iI
ii) Ahora verificaremos que W

iI
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 algún i 0  I
 Wi  Wi 0  L{ A}  Wi  L{ A}
iI iI
Luego de i) y ii) L{ A}  Wi .

iI
NOTA.- La proposición 4.4. también se puede enunciar diciendo que L{A} es el

menor de todos los subespacios que contienen a A.
DEFINICIÓN 4.5.- Un subconjunto diferente del vacío, 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 condición 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 algún 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 22 ,   ,  ,  ,    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 combinación 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 .
PROPOSICIÓN 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 también 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 contradicción con el
hecho de que v es linealmente independiente.
Luego v   .
) Ahora asumiendo que v   .
av    a  0 ó v  
31
----------------------------------------------------------------------------------------------------------
pero con v   por hipótesis, 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 vacío. Extenderemos ahora
esta definición cuando S es un subconjunto cualquiera de V.
DEFINICIÓN 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.
PROPOSICIÓN 4.8.- Sean S y S ' subconjuntos de V tal que S  S ' . Entonces:

i) Si S ' es linealmente independiente, entonces S también lo es.
ii) Si S es linealmente dependiente también 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.

DEFINICIÓN 5.9.- Dado un espacio vectorial V sobre un campo K, llamaremos
base de V a todo subconjunto no vacío 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 22 ,  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, ·) .
SOLUCIÓN
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)}
PROPOSICIÓN 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 única como combinación lineal de v1 ,  , v n .
PRUEBA
) Asumamos que v1 ,  , v n es una base. Sabemos que  v  V , v puede ser
expresado como una combinación 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
) Recíprocamente, asumamos que v1 ,  , v n tiene la propiedad que v  V , v
puede ser expresado de una única forma como combinación 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 algún 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
combinación lineal de elementos de S i .
n
Por hipótesis: V  L{S }  u   bi vi (1)
i 1
Además 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 }
PROPOSICIÓN 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 resultaría u 2  b1u1 que es una
contradicción 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
Afirmación m  n
Por el absurdo, supongamos que m  n , entonces el proceso anterior se podría 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 sería combinación lineal de u1 , u 2 ,  , u n , lo que es
una contradicción con el hecho de que {u1 , u 2 ,  , u n } son linealmente
independientes. Dicha contradicción 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 proposición 5.12.
resulta que m  n .
ii) Análogamente, S ' base de V  L{S '}  V . Como S  V  L{S '} y S
linealmente independiente por ser base de V, aplicando nuevamente la
proposición 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 número infinito de elementos.
35
----------------------------------------------------------------------------------------------------------
DEFINICIÓN 4.13.- Llamaremos dimensión de un espacio vectorial V sobre un

campo K, al número de elementos de cualquiera de sus bases.
NOTACIÓN.- Denotamos por “ dim K V ” y se lee “dimensión de V sobre el campo
K”.
OBSERVACIÓN 4.13.1.
(1) Si V tiene como único elemento el vector nulo, convenimos que la dimensión de
V es cero. Es decir dim K { }  0 .
(2) Si V tiene una base infinita, la dimensión 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, ·) . ¿Cuál es la dimensión de C n sobre R?

SOLUCIÓN
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
----------------------------------------------------------------------------------------------------------
PROPOSICIÓN 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} también 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 contradicción ya que por hipótesis v  L{S } .

 a  0 y como a1    a m  0 , resulta que S ' es linealmente independiente.
TEOREMA 4.16.- (Completación 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 proposición 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 demostración concluye. En caso

contrario seguimos el proceso anterior.
Pero por hipótesis la dim K V  n , entonces existirán sólo un número 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 además
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 dimensión 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 además
i) V  W U
ii) W  U  { }
Como V es de dimensión finita, sea dim K V  n . Consideremos {w1 ,  , wm } , donde
m  n es una base para U  V . Entonces por el teorema de completación de bases

existen u1 ,  , u n  m  V tal que {w1 ,  , wm , u1 ,  , u n  m } es una base para V, así
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 nm
v   ai wi   bi u i
i 1 i 1
m nm
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 definición 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 .

SOLUCIÓN
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 .
SOLUCIÓN
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 22 , , R, ·) y
W  { A  R 22 / Tr ( A)  0 }
39
----------------------------------------------------------------------------------------------------------
1) Hallar una base para W.

2) Construir U subespacio de R 22 tal que R 22  W  U .
SOLUCIÓN
Definición.- Dada A  (ai j )  R nn 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 22 / 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 22  4 . Luego tenemos que completar la base de W
con un vector más de R 22 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  22
Definimos U  L    y se cumple que R  W  U .
 0 0  
PROPOSICIÓN 4.17.- Sea V un espacio vectorial sobre un campo K de dimensión
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 dimensión 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 completación 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
Afirmación.- El conjunto {v1 ,  , v r , u1 ,  , u p  r , w1 ,  , wq  r } es una base U  W .
Prueba de la afirmación
i) Que sea linealmente independiente.
Considérese la combinación lineal
r pr qr
 ai vi   bi ui   ci wi  
i 1 i 1 i 1
(1)
r pr qr
  ai vi   bi u i   ci wi (2)
i 1 i 1 i 1
qr
  ci wi  U  W pues la relación (2), por un lado por ser igual a una
i 1
combinación lineal de elementos de {v1 ,  , v r , u1 ,  , u p  r } , está en U y de
otro lado por ser una combinación lineal de elementos de

{v1 ,  , v r , w1 ,  , wq  r } , está en W.
qr r
  ci wi   d i vi (3)
i 1 i 1
 reemplazando (3) en (1), tenemos

r pr r
 ai vi   bi ui   d i vi  
i 1 i 1 i 1
r pr
  (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 qr
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 definición de subespacio suma v  u  w donde u  U y
w W .
r pr r qr
Pero u   ai vi   bi u i y w   ci vi   d i wi
i 1 i 1 i 1 i 1
 r pr
  r qr

 v    ai vi   bi u i     ci vi   d i wi 
 i 1 i 1   i 1 i 1 
r pr qr
  (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 afirmación queda probada.

Por la afirmación 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 )
 pqr
 dim K U  dim K W  dim K (U  W )

COROLARIO 4.17.1.- Sea V un espacio vectorial sobre K de dimensión 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 )
SOLUCIÓN
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 proposición 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 cuáles 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 cuáles 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 continuación:
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 también 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 continuación:
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 dimensión.
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 dimensión 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 dimensión 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 dimensión 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 compañía constructora almacena tres mezclas básicas 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 básicas. Por ello, las mezclas especiales posibles pertenecen
al espacio generado por los tres vectores que representan las tres mezclas
básicas. La composición de éstas es:
46
----------------------------------------------------------------------------------------------------------
A B C
Cemento 20 18 12
Agua 10 10 10
Arena 20 25 15
Grava 10 5 15
Hormigón 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 hormigón?. ¿Por qué se puede y por que no?. Si se puede
¿Cuántas unidades de cada mezcla básica A, B, y C se necesitan para
formular la mezcla especial?.
b) Supóngase 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 razón de agua a cemento es de 2 a 3, ¿que cantidad de
hormigón debe utilizarse para hacer los 5400 gramos de argamasa?. ¿Se
puede formular esta masa como una mezcla especial?. Si es así, ¿cuántas
unidades de las mezclas A, B y C se necesitan para formular la mezcla
especial.
47
----------------------------------------------------------------------------------------------------------
TRANSFORMACIONES LINEALES Y TEMAS AFINES
1. TRANSFORMACIONES LINEALES
DEFINICIÓN 1.1.- Sean (V , , K , ·) y (W , , K , ·) dos espacios vectoriales. Una
función T : V  W es llamada transformación 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 así definida es una transformación lineal pues satisface las condiciones i) y ii) de
la definición 1.1. y es llamada transformación 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 transformación lineal y es llamada transformación lineal idéntica de V.
EJEMPLO 1.1.3.- Sea (V , , K , ·) un espacio vectorial. La aplicación:
T :V  V
v  T (v)  av
para todo a  K fijo y para todo v  V , es una transformación 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 transformación 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 transformación lineal y es llamada i-
ésima proyección.
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 transformación 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 así definida es una transformación
0
lineal.
PRUEBA DE LA AFIRMACIÓN
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 transformación lineal.
49
----------------------------------------------------------------------------------------------------------
PROPOSICIÓN 1.2.- Dados (V , , K , ·) y (W , , K , ·) espacios vectoriales.
T : V  W es una transformación 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 transformación 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 definición 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
PROPOSICIÓN 1.3.- Sean (V , , K , ·) y (W , , K , ·) dos espacios vectoriales y
T : V  W una transformación 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 inducción.
ii) T ( V )  T ( V   V )
 T ( V )  T ( V ) por ser T transformación lineal.
Entonces T ( V )   W
iii) T (v)  T (v)  T (v  v) por ser una transformación lineal.

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

DEFINICIÓN 1.4.- Sean V, W espacios vectoriales sobre el campo K y
T : V  W una transformación 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 transformación lineal T recibe el nombre de endomorfismo, y si
además T es biyectiva se denomina automorfismo. Es decir, un automorfismo
es una transformación lineal biyectiva de un espacio vectorial en sí 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 transformación lineal y además:
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 transformación 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 única transformación 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 única 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
Afirmación.- T es una transformación lineal.

Sean u, v  V y a, b  K , probaremos que:
T (au  bv)  aT (u)  bT (v)
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 definición 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:
T (au  bv)  aT (u)  bT (v)
con lo cual queda demostrada la afirmación.
Además T cumple con la condición 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 transformación lineal tal que
n
T ' (v)   ai wi
i 1
Mostraremos que T  T ' .

n
Sea v  V , T ' (v)   ai wi por definición de T '
i 1
 T (v) por definición T

Luego T ' (v)  T (v) ; v  V y en consecuencia T '  T .
De i) y ii) el teorema queda completamente demostrado.
2. NÚCLEO E IMAGEN DE UNA TRANSFORMACIÓN LINEAL

DEFINCIÓN 2.1.- Sea T : V  W una transformación lineal.
i) Llamaremos núcleo de la transformación lineal T al conjunto denotado por
“Nu(T)” que definiremos como:
53
----------------------------------------------------------------------------------------------------------
Nu(T )  {v  V / T (v)   W }
Es decir, el núcleo de T es el conjunto formado por todos los elementos de V
tales que sus imágenes mediante T es igual al elemento nulo de W.
T
V
W
V W
Nu (T )
ii) Llamaremos imagen de la transformación 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
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 dimensión de Im(T) se denomina rango de T y se denota por “r(T)”. Es

obvio que r (T )  dim K W .
La verificación de las observaciones 2.1.1. se deja al estudiante.
54
----------------------------------------------------------------------------------------------------------
EJEMPLO 2.1.2.- Dada la transformación 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).
SOLUCIÓN
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 transformación 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).
SOLUCIÓN
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 triángulo rectángulo cuyos vértices son
(1, 1), (4, 1) y (1, 5) .
SOLUCIÓN
56
----------------------------------------------------------------------------------------------------------
Expresamos primero (1, 1), (4, 1) y (1, 5) como una combinación 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) .
Análogamente se proceden para los otros dos lados que forman el triángulo.
EJEMPLO 2.1.5.- Sea T : R 3  R 2 una transformación 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
----------------------------------------------------------------------------------------------------------
SOLUCIÓN
i) Expresamos (3,  1, 5) como una combinación 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
ab 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
ab  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
PROPOSICIÓN 2.2.- Sean (V , , K , ·) y (W , , K , ·) espacios vectoriales y
T : V  W una transformación 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 transformación 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
proposición 2.2. parte i).
SOLUCIÓN
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 33 una transformación 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.
SOLUCIÓN
 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 cuáles 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 22  R 2 / H   11    (a11  a 22 , a 21a12 )
  21
a a 22  
2. Con relación al ejercicio 1., hallar una base y dimensión del núcleo e imagen de
aquellas que sean transformaciones lineales.
3. Hallar la transformación 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 transformación 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 aplicación idéntica.
iii) E1 E2  0 y E2 E1  0 .
7. Sea W  {(ai j )  C 22 / ai j  ai j } un espacio vectorial sobre el campo de
números 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
función:
x  7 y 5y 
T : C  R 22 tal que T ( x  iy )  
  10 y x  7 y 
a) Verificar que T es una transformación lineal inyectiva de C en R 22 .

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. (Aplicación a la criptografía) Dada la matriz
 1 1 1 
A    3 2  1 

 3  3 2 
Se define la transformación lineal T : R 3  R 3 por T ( x)  Ax .

Haga uso de la transformación 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 ñ 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. COMPOSICIÓN DE TRANSFORMACIONES LINEALES
DEFINICIÓN 3.1.- Sean T : V  U y F : U  W dos transformaciones lineales
entre espacios vectoriales sobre un mismo campo K. La función compuesta.
F  T :V W
es definida como:
( F  T )(v)  F (T (v))
PROPOSICIÓN 3.2.- La composición de dos transformaciones lineales es una
transformación lineal.
PRUEBA
Sean T y F las transformaciones lineales dadas en la definición 3.1.
( F  T )(au  bv)  F (T (au  bv)) definición de composición 3.1.
 F (aT (u))  bF (T (v)) por ser T transformación lineal
 aF (T (u))  bF (T (v)) por ser F transformación lineal
 a( F  T )(u)  b( F  T )(v) def. de composición.
 F  T es una transformación 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 .
SOLUCIÓN
( 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

DEFINICIÓN 4.1.- Sea T : V  W una transformación lineal. Diremos que T es
inversible si existe una función F : W  V tal que T  F  I W y F  T  I V .
Notación.- Denotaremos F  T 1 .
LEMA 4.2.- Si T : V  W es una transformación lineal inversible, su inversa
T 1 : W  V también es una transformación lineal.
PRUEBA.- Ejercicio.
63
----------------------------------------------------------------------------------------------------------
TEOREMA 4.3.- Sean V, W espacios vectoriales de dimensión finita y T : V  W
una transformación lineal. Entonces T es inversible si y solo si T transforma una
base de V en una base de W.
DEMOSTRACIÓN
) Asumiremos que T es inversible y sea {v1 , , vn } una base de V.
Consideremos los vectores w1  T (v1 ), , wn  T (vn ) .
Afirmación: 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
transformación 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, verificándose la afirmación.
) 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   sustitución de v
  i 1 
 n 
 F   a i T (v i )  por ser T transformación lineal
 i 1 
 n 
 F   ai wi  por def. de T
 i 1 
n
  ai F ( wi ) por ser F transformación 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   sustitución de w.
  i 1 
 n 
 T   bi F ( wi )  por ser F transformación lineal
 i 1 
 n 
 T   bi vi  por def. de F
 i 1 
n
  bi T (vi ) por ser T transformación 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 transformación lineal inversible entre dos
espacios vectoriales de dimensión finita, entonces sus dimensiones coinciden.
TEOREMA 4.4.- Sea T : V  W una transformación lineal entre dos espacios
vectoriales de igual dimensión. 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.
DEMOSTRACIÓN
i)  ii)
T (u)  T (v)  T 1 (T (u))  T 1 (T (v))
uv 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 imágenes
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
----------------------------------------------------------------------------------------------------------
PROPOSICIÓN 4.5.- Sean V y W dos espacios vectoriales de dimensión finita
sobre un mismo campo K. V  W si y solo si dim K V  dim K W .
PRUEBA.- Ejercicio.
PROPOSICIÓN 4.5.-.- Sean V, W espacios vectoriales de dimensión finita sobre
un campo K y T : V  W una transformación 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 transformación lineal}
En L(V , W ) definimos:
La adición
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 multiplicación por escalar
K  L(V , W )  L(V , W )
(a , T )  aT
tal que (aT )(v)  aT (v);  a  K ,  v V .
Afirmación
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 adición
 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 transformación lineal de V en W.
2) (aT )(bu  cv)  a(T (bu  cv) def. de multiplicación.
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 transformación lineal de V en W.
PROPOSICIÓN 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.
DEMOSTRACIÓN.- Los detalles de la demostración la dejaremos para el lector.
Sólo haremos notar las propiedades V2) y V3); es decir, la existencia del elemento
nulo para L(V , W ) es la transformación 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 también
invertible y además se verifica que:
1 1
(T1  T2 ) 1  T2  T1
DEFINICIÓN 5.2.- Un álgebra sobre K es un conjunto que cumple las siguientes

condiciones:
i) Que sea un espacio vectorial.
ii) Que esté provisto de una operación “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
----------------------------------------------------------------------------------------------------------
OBSERVACIÓN 5.2.1.- L(V , W ) es un álgebra sobre K con la operación 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
transformación lineal única que satisface las condiciones anteriores.
Afirmación.- {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 transformación 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 , definición 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 afirmación 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
DEFINICIÓN 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.
NOTACIÓN.- 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.

OBSERVACIÓN.- También 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 función  : 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 nn V el espacio vectorial de las matrices cuadradas de

orden n sobre K. La función traza T : K nn  K definido como
T ( A)  a11  a22    ann
donde A  [aij ]nn es un funcional lineal.
Dado V un K-espacio vectorial de dimensión 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 único  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 afirmación dada anteriormente.
71
----------------------------------------------------------------------------------------------------------
TEOREMA 6.2.- Sea V un espacio vectorial de dimensión 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

a11  a2 2    an n  0 (1)
Evaluando, ambos lados de (1) en v1 se tiene:

(a11  a2 2    an n )(v1 )  0(v1 )
(a11  a2 2    an n )(v1 )  0(v1 )
a1 (1)  a2 (0)    an (0)  0  a1  0
De manera análoga para i = 2, ……., n

(a11  a2 2    aii    an n )(vi )  0(vi )
a11 (vi )  a2 2 (vi )    aii (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   k11  k 2 2    k n n . Entonces

 (v1 )  (k11  k 2 2    k n n )(v1 )
 k11 (v1 )  k 2 2 (v1 )    k n n (v1 )
 k1 (1)  k 2 (0)    k n n (0)
  (v1 )  k1
De manera análoga para; i = 2, …., n
72
----------------------------------------------------------------------------------------------------------
 (vi )  (k11  k 2 2    kii    k n n )(vi )
 k11 (vi )  k 2 2 (vi )    kii (vi )    k n n (vi )
 k1 (0)  k 2 (0)    ki (1)    k n (0)
 ki
Luego  (vi )  k i ;  i = 1, ….., n
Como φ y  coinciden sobre los vectores de la base B,     k11    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)} .
SOLUCIÓN
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)} está 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 } .
SOLUCIÓN
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 )
 a11 (v1 )  a21 (v2 )    an1 (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 )
 a1i (v1 )    ai i (vi )    ani (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 relación (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 demostración del teorema.
75
----------------------------------------------------------------------------------------------------------
EJERCICIOS
1. Sea V un K-espacio vectorial de dimensión 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 algún 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 algún 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 vˆ  V ** , definiendo
vˆ : V *  K
  vˆ( )   (v)
La aplicación v̂ es lineal: En efecto,  a, b  K ;  ,   V *
vˆ(a  b )  (a  b )(v) Por definición de v̂
 a (v)  b (v) Por ser  y  funcionales lineales
 avˆ( )  bvˆ( )
Luego, v̂ es lineal y por consiguiente vˆ  V **

V **  { vˆ : V *  K / vˆ( )   (v)}
76
----------------------------------------------------------------------------------------------------------
PROPOSICIÓN 7.1.- . Sea V un K-espacio vectorial de dimensión 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 completación 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 única aplicación lineal  : V  K tal que

 (v)  1 y  (vi )  0 ;  i  2,, n . Luego  tiene las condiciones pedidas.
TEOREMA 7.2.- Si V tiene dimensión finita, entonces la aplicación v  vˆ es un
isomorfismo de V sobre V ** .
Prueba
Luego la aplicación v  vˆ es lineal.

Probemos que la aplicación es un isomorfismo.
Es suficiente verificar que la aplicación v  vˆ es inyectiva.
Por la proposición anterior, dado v  V , v   v є V, existe   V * tal que
 (v)  0 . Luego vˆ( )   (v)  0 y por consiguiente vˆ  0 .
Como v    vˆ  0 , la aplicación v  vˆ es inyectiva y por consiguiente es un
isomorfismo.
Ahora dim V  dim V *  dim V ** ya que V iene dimensión finita. En
consecuencia la aplicación v  vˆ es un isomorfismo de V sobre V ** .
77
----------------------------------------------------------------------------------------------------------
Del teorema, consideraremos a V como el espacio de las funcionales lineales sobre
V * y se escribirá V  V ** .
Nótese 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 definición 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 definición y además

W 0   , pues el funcional lineal nulo 0(w)  0 está 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 ) .
SOLUCIÓN
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
----------------------------------------------------------------------------------------------------------
SOLUCIÓN
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.
PROPOSICIÓN 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 , vˆ( )   (v)  0  vˆ  (S 0 ) 0 . Por lo tanto, por medio
de la identificación de V y V**, v  S 00 . Por consiguiente S  S 00 .

ii) S1  S 2 (Hipótesis)
S 20  S10 (Por demostrar)
Sea   S 20   (v)  0 ;  v  S 2
  (v)  0 ;  v  S1 Por hipótesis
   S10
Luego, S 20  S10 .
79
----------------------------------------------------------------------------------------------------------
TEOREMA 8.3.- Sea V un K-espacio vectorial de dimensión 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 } , también es usual denotar
W 00  (W 0 ) 0 , consideramos W 00 un subespacio de V por la identificación 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 , , vnr } para V .
Consideramos la base dual {1 , ,  r ,  1 , ,  nr } .
Por definición de la base dual, cada una de las anteriores  anula a cada wi ,
luego  1 , ,  nr  W 0 .
Afirmación.- { j } es una base de W 0 .
a) Que sea { j } linealmente independiente.
Al ser {1 , ,  r ,  1 , ,  nr } base, entonces { 1 , ,  nr } es
linealmente independiente.
b) Que { j } genere a W 0 .
Sea   W 0 , por una proposición anterior se puede expresar

   (w1 )1     (wr ) r   (v1 ) 1    (vnr ) nr
 01    0 r   (v1 ) 1    (vnr ) nr
    (v1 ) 1    (vnr ) nr
Luego { 1 , ,  nr } genera W 0 .
De a) y b) el conjunto { 1 , ,  nr } 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 .
PROPOSICIÓN 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 también 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 inclusión y definición de igualdad se tiene
(U  W ) 0  U 0  W 0
9. DUAL DE UNA TRANSFORMACIÓN LINEAL

DEFINICIÓN 9.1.- Sean V y W dos espacios vectoriales sobre el campo K y
T : V  W una transformación lineal arbitraria. La transformación lineal T induce
una aplicación lineal llamada dual de T, denotada por T * y que está definida como
T * :W *  V *
f  T * ( f )  f  T ; f  W *
es decir:
V

T
W
f
K
f T
OBSERVACIÓN 9.1.1.- También es usual llamar a T * transpuesta de la

aplicación lineal T. En caso de usar esta denominación es natural denotar T *  T T .
PROPOSICIÓN 9.2.- El dual de T es decir T * (según la definición 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 transformación 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)
SOLUCIÓN
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 TRANSFORMACIÓN LINEAL
Coordenadas o componentes de un vector

Sea V un K-espacio vectorial de dimensión finita y consideremos una base ordenada
B  {v1 , v2 ,, vn } . Luego, todo vector v  V se puede expresar de una única forma
como combinación 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 únicamente por los escalares
ai  K , i  1, 2,, n correspondientes a la combinación 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 
DEFINICIÓN.- La relación (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. Nótese que la transformación lineal v  [v]B determinada por la
base ordenada B es un isomorfismo de V en K n1 ; es decir a todo vector v  V se le

puede asociar de forma única un vector columna cuyas componentes o coordenadas son
los escalares ai  K , i  1, 2,, n correspondientes a la combinación (1) con respecto a
la base B.
Nota.- En lo que se sigue de esta sección supondremos que el K-espacio vectorial es de
dimensión 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 .
Solución
(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
Observación.- Si B es la base canónica 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 TRANSFORMACIÓN 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
transformación lineal, entonces por el teorema fundamental de las transformaciones

lineales, T está unívocamente 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 explícita:

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 
Definición.- La matriz A obtenida en la relación (2) es llamada matriz asociada a la

transformación 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 relación (5) también es frecuente denotar
como
B  [T ]B,B '  BT 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 transformación lineal T.

a) Respecto a la bases canónicas 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
Solución
a) Respecto a las bases canónicas
{(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 43
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  43
85
----------------------------------------------------------------------------------------------------------
Ejemplo.- Dados los espacios vectoriales ( R, , R, .) , ( R 2 , , R, .) y la
transformación 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) }
Solución
T (1)  (1, 2)  1(1, 0)  2(1,1)
 1
 [T ]B
B  
'

 2  21
Ejemplo.- Sea V un espacio vectorial sobre K de dimensión n y F : V  V una
transformación lineal definida como
F (v)  2v
Hallar la matriz asociada de F respecto a ala base: B B'  {v1 , v2 ,, vn }
Solución
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 nn
Ejemplo.- Dados los espacios vectoriales

W1  {( x, y, z )  R3 / x  y} y W2  {(aij ) 22  R 22 / aij  a ji }
 z x
se define la transformación 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 
Solución
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 32
Proposición.- Sean T : V  W una transformación 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 transformación 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 transformación 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 explícitamente la relación (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 
 jn1 
 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 transformación 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) .
Solución
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  23
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 transformación 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 )
Solución
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)
Proposición.- Sean V y W dos K-espacios vectoriales de dimensión 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  aT BB  bS 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
 aa   bb ; i  1,, m, j  1,, n

ij ij
 aT B  bS B
B B
Ejercicio.- Sean V y W dos K-espacios vectoriales de dimensión finita con bases

ordenadas B  { v1 , v2 ,  , vn } y B  { w1 , w2 ,  , wm } , respectivamente. La
transformación lineal T : V W es nula si y solo si T B  0 .

B
Prueba
) Asumiendo que la transformación 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 proposición 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
transformación 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 mn
Prueba
Definimos:
 : L(V , W )  K mn
T   (T )  [T ]B
B
'
Afirmación 1. -  es una transformación lineal. En efecto:

Sean T , S  L(V , W ) y a, b  K tal que:
 (T )  [T ]B
B  [aij ] mn  A
'
 (S )  [S ]B
B  [bij ] mn  B
'
Se tiene
 (aT  bS )  [aT  bS ]B
B
'
Por definición de  .
 a[T ]B
B  b[ S ]B
' B'
Por la proposición anterior.
 a (T )  b (S ) Sustitución
Con lo cual se verifica la afirmación 1.
Afirmación 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 mn , por la parte (i)  es inyectiva se tiene que  es
sobre.
Luego de (i) y (ii)  es un isomorfismo.
 L(V , W )  K mn
92
----------------------------------------------------------------------------------------------------------
Proposición .-Dados V, W, U espacios vectoriales de dimensión 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 ) mn  [T ]B
i 1
B tal que S ( wl )   bkl u k ,  l  1, 2, , m


B  (bkl ) rm  [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 ) término 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)
Solución
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  23
S (1, 3)  5  5(1)
S (2,1)  5  5(1)
B  5 512

[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 22
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     ,  ,  , 
22
 de R .
 0 0 0 0 1 0 0 1 
Hallar:
 B
i) [T ]B
B y [F ]B

ii) [ F  T ]B
B
Solución
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  10 0  01 0  20 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 dimensión finita con bases ordenadas

B y B respectivamente y T : V  W una transformación 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 dimensión 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 combinación 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) explícitamente 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 (vj )  vj ,  j  1, 2,, n
luego expresando v j como una combinación 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) explícitamente 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.

Observación.-También 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 dimensión 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.

Proposición.- Sea V un K-espacio vectorial de dimensión 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 sí.
Prueba
En efecto,
PQ  [ I ]B ' B
B [ I ]B ' Por definición de P y Q.
 [ I  I ]B
B'
'
Por propiedad demostrada.
 [ I ]B
B'
'
Pues I  I  I .
 In Por el ejercicio anterior.
Análogamente 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
----------------------------------------------------------------------------------------------------------
Solución
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
Proposición.- (Fórmulas de transformación de coordenadas)

Sea V un K-espacio vectorial de dimensión 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   aivi (2)
i 1
De (1) y (2) por la unicidad de la combinación lineal, ya que B es una base tenemos
n
ai   pij a j ,  i  1, 2,, n (3)
j 1
es decir, explícitamente:
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 sí, tenemos que:
Q[v]B  QP[v]B 
 (QP)[v]B
 [v]B pues QP  I
 Q[v]B  [v]B (5)
Las expresiones (4) y (5) se denominan fórmulas de transformación de coordenadas.
Proposición.- Sean V y W dos K-espacios vectoriales de dimensión finita con bases

ordenadas B y C respectivamente. Si T : V W es una transformación 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.
Análogamente,
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 )
Proposición .- Sean V, W dos K-espacios vectoriales de dimensión finita con bases B

y C respectivamente, entonces la transformación 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 proposición 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
transformación 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 transformación 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.
Solución
101
----------------------------------------------------------------------------------------------------------
Considerando las bases canónicas 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)
Proposición.- Sea V un K-espacio vectorial de dimensión 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 proposición.

La proposición anterior se puede interpretar mediante el siguiente gráfico
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 dimensión 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 proposición anterior se tiene que A  P 1 BP . Las matrices
A, B  K nn 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 proposición anterior se extiende para el caso de una transformación 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 transformación 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 nn representan a la misma transformación lineal T existen matrices
P  K nn y Q  K mm no singulares tales que A  Q 1 BP .

El siguiente gráfico, ilustra la situación 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 canónica de R 3 y C es la base canónica 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).
Solución
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 transformación lineal T : R 3  R 2 está 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 canónicas en ambos
espacios.
d) Obtener la matriz C de T, respecto a la base canónica de R 3 y la base dada
para R 2 en la parte a).
2. Hallar la matriz de la transformación lineal S : R 3  R 4 , donde S está definida
como:
S ( x, y, z)  (3x  y, x  y, y  z, x  y  z)
en las bases que se indican a continuación
a) En las bases canónicas.
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 canónica de R 3 y para R 4 la base dada en b)
105
----------------------------------------------------------------------------------------------------------
3. Sea la transformación 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 transformación lineal f : R 3  R 3 respecto de la base

canónica 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 canónica de C 2 y sea B  { (1, i) , (i, 2) } .

a) ¿Cuál es la matriz asociada de T respecto al par de bases B y B ?.
b) ¿Cuál es la matriz asociada de T respecto al par de bases B y B ?.
c) ¿Cuál 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 transformación 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 transformación lineal f : R 22  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 transformación 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 transformación 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 transformación lineal f : R 2  R 2 representada por la matriz
cos   sen 
 sen cos  
respecto de la base canónica.

Demostrar que si  y   son números reales cualesquiera, entonces
f   f  f  y f1  f  .
11. El endomorfismo T : R 3  R 3 está 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 canónicas 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 transformación 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 . Análogamente, 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 transformación 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 canónica 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 también 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
transformación lineal definida por T( p(x)) = x p(x).

a) Determinar la matriz asociada a T con respecto a las bases canónicas 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 función. 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
Observación
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 aplicación
n
f : K n  K n  K tal que f ( x, y )   xi yi
i 1
La aplicación f así definida es una forma bilineal.
Ejemplo 2.- Sea A  K nn , 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 aplicación f así definida es una forma bilineal y la expresión   aij xi yi se
i 1 j 1
denomina polinomio bilineal correspondiente a la matriz A.

Observación.- 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
Definición.- Sea V un K-espacio vectorial. Diremos que una forma bilineal f sobre V
es alternada si
i) f (v, v)  0 , v  V
Nótese 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 simétrica que satisface la condición ii) se dice antisimétrica o
hemisimétrica.
Observación.- Si 11  0 en K, entonces de la condición ii) se tiene
f (u, u)   f (u, u) lo que implica la condición i). Es decir alternadas y antisimétricas
son equivalentes cuando 1  1  0 .
Ejemplo 1.- Consideremos el R- espacio vectorial R n , A  R nn tal que A   AT .
Definimos
f : Rn  Rn  R
( x , y )  f ( x, y )  xAy T
111
----------------------------------------------------------------------------------------------------------
La aplicación f así 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 aplicación 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 21 , K ) tal que f   ,     ad  bc .
 b   d  
112
----------------------------------------------------------------------------------------------------------
 1 0  
En efecto, sea e1   , e2     la base canónica de K 21 y { e1* , e2* } la
 0  1 
base del dual de K 21 correspondiente a { e1 , e2 } . Es decir, ei* : K 21  K es
lineal verificando ei* (e j )   ij . Entonces
f (u, v)  e1* (u)e2* (v)  e2* (u)e1* (v) (1)

La aplicación 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 relación (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 relación (2) se tiene
a  c 
f (u, v)  ad  bc , donde u    y v   
b  d 
5. Se tiene que dim A2 ( K 21 , K )  1 .
a  c 
En efecto, sea D  A2 ( K 21 , 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 relación (1) se tiene
D( A)   det( A),  A  K 22
Luego, dim A2 ( K 21 , K )  1 , pues  D  A2 ( K 21 , K ) se tiene que D   det .
113
----------------------------------------------------------------------------------------------------------
Formas n-lineales
Sea V un K-espacio vectorial de dimensión n. Una forma n-lineal es una aplicación
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.
Definición.- 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
Nótese 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 antisimétrica.
Asumiendo que f es alternada, definimos
g (u, v)  f (v1 , , u ,, v,, vn ) ; vk  V , k  {i, j} están fijados
i j
La aplicación g es bilineal. Como f es alternada, g está bien determinada.

g (u, v)   g (v, u)  f (v1 , , vi ,, v j ,, vn )   f (v1 , , v j ,, vi ,, vn )
Recíprocamente, 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 pérdida de generalidad que v n   ci vi
i 1
n
f (v1 , , vn1 , vn )  f (v1 , , vn1 ,  ci vi )
i 1
n 1
  ci f (v1 ,  , v n 1 , vi )
i 1
0
Función determinante
Definición.- Sea K un campo tal que 1  1  0 , y si A  K nn 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 nn  K es una función determinante, si

considerada como función sobre las columnas de una matriz es una forma n-lineal
alternada. Es decir, A  K nn , D( A)  D( A1 , A2 , , An ) .
Observación.-

K nn 
 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 )
Notación.- Si A  [aij ]nn es una matriz cuadrada de orden n, A(i | j ) denotará la
matriz cuadrada de orden (n  1)  (n  1) obtenida de A, al eliminar la i-ésima fila y j-

ésima 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 , , Aˆ j , , An ]
Por convención Â j significará la omisión de la columna j.
115
----------------------------------------------------------------------------------------------------------
Teorema.-[Existencia de la función determinante]
Existe una función determinate
D : K nn  K tal que D( I n )  1
Demostración
La demostración de la existencia dem de D la haremos por inducción sobre n.
Para n  1, A  [a]11 , D( A)  a
Para n  2 se cumple por la observación parte (4).
Hipótesis inductiva
Para n  2 , supongamos que el teorema se cumple para matrices cuadradas de orden
n 1.
Sea A  [aij ]nn 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 función determinante para matrices cuadradas de orden (n  1) por la

hipótesis inductiva.
Afirmación 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-ésima 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.
Afirmación 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 definición (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 , además
A(i | k )  [ A1 ,  , Aˆ k ,  , Al ,  , An ]
A(i | l )  [ A1 ,  , Ak ,  , Aˆ l ,  , An ]
 D( A(i | k ))  D( [ A1 ,  , Aˆ k ,  , Al ,  , An ] )
 
l 1
 (1) l 1k D([ A1 ,  , Al ,  , Aˆ k ,  , An ])
como Ak  Al  Ak  Al , luego
D( A(i | k ))  (1) l 1k D( [ A1 ,  , Ak ,  , Aˆ l ,  , An ] )
D( A(i | k ))  (1) l 1k D( A(i | l ))

Por lo tanto, en (2) tendremos
Di ( A)  (1) i k aik (1) l 1k 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 fórmula (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)11 a11  (1)1 2 a12  (1)13
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 )
Proposición
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 nn E una matriz elemental de cualquier tipo y D una función

determinante, entonces D( AE )  D( A) det(E) .
3. Si E es una matriz elemental de cualesquiera de los tres tipos y D una función
determinante, entonces se cumple que D( E T )  D( E ) .
Demostración
1. Sea
i
1  0  0
   

E i (  )  0    0 i
 
  
0  0  1
118
----------------------------------------------------------------------------------------------------------
Expresando la matriz elemental Ei ( ) del segundo tipo en término de sus
columnas se tiene
Ei ( )  [ E1 ,  , Ei ,  , En ] (1)
0 
 
 
Donde Ei  1  i , es la i-ésima 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 términos 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 términos 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 función 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 término 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)
Nótese que si A  I n , se tiene que D( E )  det(E ) (*)
3. Probaremos que D( E T )  D( E ) , para cualquier función 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 )
Proposición.- Para todo A, B  K nn se tiene que

det( AB)  det( A). det(B)
121
----------------------------------------------------------------------------------------------------------
Prueba
Caso 1.- Si B es singular, entonces AB es también 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 proposición 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)
Proposición.- Para todo A  K nn , det( AT )  det( A) .

Prueba
Caso 1.- Si A es singular
Si A es singular, entonces AT también 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 Tp1E Tp
det( AT )  det(E1T E2T  E Tp1E Tp )
 det(E1T ) det(E2T )det(E Tp1 ) det(E Tp ) , por la proposición 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)
Proposición.-Sea D una función determinante sobre el espacio vectorial K nn .

Entonces,
D( A)  D( I n ) det( A),  A  K nn
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 proposición 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)
Proposición.-(Unicidad de la función determinante)

Di es la única función determinante sobre K nn que satisface Di ( I n )  1 .
Prueba
123
----------------------------------------------------------------------------------------------------------
Sea D cualquier función 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 nn  K / D es función determinante}
D(n, K ) es un espacio vectorial de dimensión 1 sobre K.
Prueba
Si D  D(n, K ) , entonces D( A)  D( IA)  D( I ) det( A),  A  K nn .
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 .
Proposición.- Sean A  K ss , B  K rr , C  K rs , demuestre que
A 0
det      det( A)  det(B)
 C B 
Prueba
Fijamos A, C y definimos
A 0
 : K rr  K tal que  ( B)  det   
 C B  
La aplicación  así definida resulta ser r-lineal alternada sobre las columnas de B ya
que det es una forma n-lineal alternada.
Entonces,  es una función determinante y aplicando a B se tiene
 ( B)  det(B) ( I r ) (1)
A 0   A 0 
Pero,  ( I r )  det      det  


 0 I   ; nótese 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 ss  K tal que  ( A)  det   
 0 I r  
La aplicación  así 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
----------------------------------------------------------------------------------------------------------
Además 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 proposición 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
Solución
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 proposición 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 nn
2
 
 B A  
Solución
  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

Definición.- Sea A  [ aij ]nn  K nn . Llamaremos i-ésimo, j-ésimo cofactor de la
matriz A a la expresión
Cij  (1) i  j det A(i | j ) (1)
126
----------------------------------------------------------------------------------------------------------
Nota.- Reemplazado la relación (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 relación (2), que es otra forma de expresar el det(A) y es llamada desarrollo por
cofactores de la i-ésima fila de A.
Definiciones.- Sea A  [ aij ]nn  K nn .
1. Llamaremos matriz cofactor de A a la matriz denotada por

Cof ( A)  [ Cij ]nn (3)
donde los C ij son los cofactores correspondientes a la i-ésima 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) .
Solución
C11  (1)11 det([5])  5 , C12  (1)12 det([3])  3 ,
C21  (1) 21 det([1])  1 , C22  (1) 22 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 nn , 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-ésima

 
j k
columna es igual a la k-ésima columna. Haciendo el cálculo del determinante de B a

través 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-ésima 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)
Afirmación.- Adj ( AT )  ( Adj ( A))T
Dejamos como ejercicio la prueba de la afirmación. Sugerencia ( A(i | j ))T  A( j | i) .
Luego, de la afirmación reemplazando A por AT en la relación (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 afirmación
A  ( Adj ( A))  det( A)  I n
Ejercicio.- Dada A  K nn , invertible. Calcular

a) det( Adj ( A))
b) Adj ( Adj ( A))
Solución
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)) n1

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 última relación se tiene
det( A)  I n  Adj ( Adj ( A))  (det( A)) n1  A
129
----------------------------------------------------------------------------------------------------------
al ser A invertible det( A)  0 y se tiene finalmente que
Adj ( Adj ( A))  (det( A)) n2 A
Proposición.- Sea A  K nn . A es invertible si y solo si det( A)  0 .

Prueba
) A invertible, entonces existe una matriz B  K nn tal que
AB  I n  BA  det( AB)  1  det( A) det(B)  1  det( A)  0
) Asumiendo que det( A)  0 ; por una proposición 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( A1 )  (det( A)) 1 .
Prueba
Como A es invertible por hipótesis, 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( A1 )  (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.
Solución
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  
Solución
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 solución de un sistema
de n ecuaciones con n incógnitas, cuando la matriz asociada tiene determinante no nulo.
Este método 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 ]nn , 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
Solución
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 solución para todos los posibles valores reales de m.
Solución
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 solución única 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) A1 b) 2A c) 2 A1 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 función determinante de M 22 ( K ) en K }
Es un K - espacio vectorial de dimensión 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 inducción 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 nn ( K ) / A   AT , probar que det( A)  0 .
11. Demostrarla siguiente proposición. Los vectores v1 , v2 , , vn  K n son
linealmente independientes si y solo si det[v1 , , vn ]  0 .
Haciendo uso de la proposición, averiguar cuáles 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 yz 2x 2x
e) 2y yxz 2y  ( x  y  z )3
2z 2z z yx
13. Usando inducción 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 nn ( R)  R una función determinante tal que:
D4 [e1 , e2 , e3 , e4 ]  5 , siendo e1 , e2 , e3 , e4 vectores canónicos 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 renglón y todos los
cofactores de los elementos de la tercera columna.
17. En los ejercicios, evalúe 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 nn (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 simétrica, entonces adj (A) también es simétrica.
25. Si A  M nn (R) , demostrar que D( Adj ( A))  ( D( A))n1 .
26. Dada la transformación T (  ,  ,  )  ( x1 , x2 , x3 ) donde:
x1   cos  cos  , x2   sen  cos  , x3   sen
Obtener el jacobiano de la transformación; es decir, el determinante de la matriz

cuya fila i-ésima son las derivadas parciales de la i-ésima función 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 transformación 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) ¿Cuáles 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
homogéneos 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 única solución 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 solución en la cual y  1 .
138
----------------------------------------------------------------------------------------------------------
PRODUCTO INTERNO Y ORTOGONALIDAD
1. PRODUCTO INTERNO
DEFINICIÓN 1.1.- Sea V un espacio vectorial sobre el campo K, donde K  R ó
K  C . Llamaremos producto interno sobre V a una aplicación:
 ,  : 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 conjugación compleja.
iii) au, v  au, v y u, av  au, 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 definición 1.1. se observa que  ,  es una aplicación 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  au, 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
Así definida la aplicación  ,  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
Análogamente,
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
Así 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 función definida así es un producto interno. Veamos que cumpla las condiciones
de la definición:
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 aplicación así definida es un producto interno.
SOLUCIÓN
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
Análogamente  x, ay  a x, y
iv)  x, x  x1  3x 2 no siempre es mayor que cero.

2 2
En consecuencia la aplicación  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 aplicación:
1
 f , g    f (t ) g (t )dt
0
Verificar que la aplicación así definida es un producto interno.

SOLUCIÓN
Se deja al lector la verificación de las propiedades i), ii) y ii); sólo 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 también continua en [0, 1] . Además
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 cálculo 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 contradicción. La contradicción 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
simétrica 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 función así definida sea un producto interno.
SOLUCIÓN
i), ii) y iii) se verifican sin ninguna dificultad (cualquiera sean los valores de a, c y
d). Analicemos qué 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 .
DEFINICIÓN 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
 aav, v
 a v, v
2
 a v, v
 a v
i) Es consecuencia directa de la definición 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
Afirmación.-  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 afirmación )
 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: uv  u  v
uv  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 raíz cuadrada a ambos miembros de la desigualdad se

tiene:
uv  u  v
NOTA.- En la demostración 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
continuación 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

aplicación 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 aplicación
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 ó K  C .
i) Dados u, v  V , se dice que u y v son ortogonales si y solo si
u, v  0
NOTACIÓN.- 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 .
OBSERVACIÓN 2.1.1.- Sea V un espacio vectorial con producto interno. Si W es

un subespacio de V, entonces W  es también un subespacio de V.
Se deja al lector, a modo de ejercicio, verificar la afirmación de la observación.
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
 uv
(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 función así definida es un producto interno en R 2 .

i) Establecer la condición necesaria y suficiente para que ( x, y) y ( y, x)
sean ortogonales según el producto interno definido.
SOLUCIÓN
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
Considérese 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 trigonométrica:

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 combinación 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 combinación lineal de los

elementos de W.
SOLUCIÓN
(3, 1, 2)  a1 (3, 0, 4)  a2 (4, 0, 3)  a3 (0, 1, 0)}
donde haciendo uso de la observación 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 ortogonalización de Gram – Schmidt)

Sea V un espacio vectorial con producto interno, de dimensión 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 . Además {w1 , w2 , , wk } es base de L{v1 , v2 , , vk } .
PRUEBA
Se define la base por inducción.
Sea w1  v1
v 2 , w1 
w2  v 2  2
w1
w1
 w1 , w2   0 , es decir w1  w2 .
AFIRMACIÓN 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
AFIRMACIÓN 2.- w3   .
En efecto, pues si se supone que w3   , se tendría
v3 , w2  v3 , w1 
v3  2
w2  2
w1
w2 w1
es decir v3 sería una combinación lineal de w1 y w2 , pero w1 y w2 son
combinaciones lineales de v1 y v 2 , entonces v3 sería una combinación lineal de v1
y v 2 que es una contradicción, pues {v1 , v2 , v3 } son linealmente independientes.
Con lo que queda probada la afirmación 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
AFIRMACIÓN 3.- wk 1   .
Pues si se supone que wk 1   , de (1) se tendría
154
----------------------------------------------------------------------------------------------------------
k
vk 1 , wi 
v k 1   2
wi (2)
i 1 wi
pero cada wi es combinación lineal de {v1 , v2 , , vk } , entonces de (2) se concluye
que v k 1 es también una combinación lineal de los vectores v1 , v2 , , vk lo que es
una contradicción, pues {v1 , v2 , , vk 1} son linealmente independientes.
 wk 1  
AFIRMACIÓN 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 dimensión

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 ortogonalización de Gram–Schmidt 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 .

SOLUCIÓN
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 .
SOLUCIÓN
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 
DEFINICIÓN 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 
DEMOSTRACIÓN
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 ortogonalización 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.

AFIRMACIÓN.- W   L{wm1 , wm2 ,, wn } .
PRUEBA DE LA AFIRMACIÓN
a) Tenemos que  w j , wi   0 para todo j  i , luego wm1 , wm2 ,, wn pertenecen
a W .
 L{wm1 , 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{wm1 , wm2 ,, wn }
 W   L{wm1 , wm 2 ,, wn }

c) De a) y b) se verifica la afirmación:
W   L{wm1 , wm 2 , , wn }
De la afirmación 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} .
SOLUCIÓN
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
extensión.
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 ortogonalización 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 ortogonalización de Gram – Schmidt a la base
{1, x, x 2 } para obtener una base ortogonal de V.
4. Probar el teorema de Pitágoras. Es decir, si u, v  V , entonces:
uv  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 nn , , R, ·) .

a) Mostrar que la aplicación:
 ,  : R nn  R nn  R
donde  A , B  Tr( B T A) define un producto interno en R nn .
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 nn .
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 dimensión 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 proyección ortogonal
de v sobre U y a w proyección ortogonal de v sobre W. Hallar la proyección
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 TRANSFORMACIÓN LINEAL
DEFINICIÓN 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 relación (1) se denomina vector propio de T asociado
al valor propio  .
NOTA.- También se utilizan las expresiones de auto valor y valor característico para
denominar al valor propio y el de auto vector y vector característico 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.
SOLUCIÓN
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 homogéneo (1) tendrá 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 ecuación (1) se tiene
x  y  0
 3x  3 y  0
nótese que las dos ecuaciones son equivalentes, entonces trabajando con la primera
ecuación 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 excepción 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 análoga que en la parte i) reemplazamos el valor de
2  5 en la ecuación (1) se tiene
3x  y  0
 3x  y  0
como en la parte i) las dos ecuaciones son equivalentes, entonces trabajando con la
primera ecuación 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 transformación lineal
T : C 2  C 2 definida como
T ( x, y)  ( x  2 y, x  y)
Hallar los valores y vectores propios de T.
SOLUCIÓN
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 homogéneo (1) tendrá 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 ecuación (1) se tiene
(1  i) x  2 y  0
x  (1  i ) y  0
las dos ecuaciones son equivalentes, entonces trabajando con la primera ecuación
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 ecuación (1) se tiene
(1  i ) x  2 y  0
x  (1  i ) y  0
nótese que las dos ecuaciones son equivalentes, entonces trabajando con la primera
ecuación 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 está definido el espacio vectorial, pues si consideramos el
espacio vectorial (C 2 , , R, ) y la transformación 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 dimensión 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.
PROPOSICIÓN 1.3.- Sea V un K-espacio vectorial de dimensión 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

DEFINICIÓN 2.1.- Se dice que el escalar  es un valor propio de una matriz
A  K nn si y solo si existe un vector no nulo v  K n1 tal que
Av  v (1)
el vector no nulo v  K n1 que satisface la relación (1) se denomina vector propio de A
asociado al valor propio  .
165
----------------------------------------------------------------------------------------------------------
NOTA.- De manera análoga que para el caso de las transformaciones lineales, se
utilizan las expresiones de auto valor y valor característico para denominar al valor
propio y el de auto vector y vector característico para el vector propio de una matriz.
EJEMPLO 2.1.1.- Sea A  K nn una matriz diagonal, cualquier vector canónico
ei  K n1 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
SOLUCIÓN
  R es un valor propio de de A, si existe un vector v  R n1 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 n1 / Av  v}
Nótese que los valores propios de la transformación 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 transformación lineal T respecto a la base canónica de R 2 .
La relación entre el espacio propio de T  L(V ) y el espacio propio de la matriz
asociada a T respecto a una base B está dada por siguiente proposición.
PROPOSICIÓN.- Sea V un K-espacio vectorial de dimensión 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 definición
 [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 ,  )
) Recíprocamente, 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 definición de valor propio
 1v  2 v  
 (1  2 )v  
Como por definición de vector propio v  , se tiene que
1  2    1  2 .
Lo recíproco no es cierto, pues para un valor propio pueden existir infinitos
vectores propios.
(2) Si bien es cierto que la relación T (v)  v es válida para v   y cualquier
 , la definición 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 proposición 1.3, en términos de matrices, puede ser enunciada como:

cualquiera de las afirmaciones siguientes, son equivalentes
i)   K , es un valor propio de A  K nn .
ii) A  I es singular (no invertible).
iii) det( A  I )  0
A continuación veremos más 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. Nótese, que todo vector v V con v   es un vector propio
correspondiente al valor propio a.
EJEMPLO [Reflexión 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 están 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 están 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) }
Nótese que R 3  E (T , 1)  E (T ,  1)
EJEMPLO [Rotación 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 actúa sobre z haciéndolo girar un ángulo  . 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 número real salvo el caso en   n , n  Z .

ii) Para V  C con K  R
La rotación T ( z )  e i z admite valores propios únicamente 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
elección del campo.
EJEMPLO [El operador derivada]
Dado el espacio vectorial D  { f : R  R / f es una función 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 ecuación
T ( f )  f   f   f (1)
para algún   R . La relación (1) es una ecuación diferencial de primer orden
f ( x)
f   f   f ( x)
dx    dx
 ln( f ( x))  x  ln C
 f ( x)  e (xln 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 integración]
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 ecuación
170
----------------------------------------------------------------------------------------------------------
x
F ( x)   f (t )dt  f ( x) (1)
a
para algún   R .
Usando el primer teorema fundamental del cálculo, derivamos la relación (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 únicas funciones propias posibles serian aquellas funciones exponenciales de
x
la forma f ( x)  e  ;   0, C  0 . Sin embargo, si reemplazamos xa en la

ecuación (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 ecuación T ( f )  f , no puede ser satisfecha por ninguna

a
función f  0 . En consecuencia, el operador integración T no tiene funciones propias

ni valores propios.
OBSERVACIÓN
Sean V un K-espacio vectorial de dimensión 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 proposición que se enuncia a continuación es el análogo de la proposición 1.3 en
términos de la matrices.
171
----------------------------------------------------------------------------------------------------------
PROPOSICIÓN.-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 CARACTERÍSTICO
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  an1 x n1    a1 x  a0
Ahora, si A es una matriz cuadrada sobre K, el polinomio
p( A)  an An  an1 An1    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 raíz 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   40 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 nn , 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 )
DEFINICIÓN 3.3.- Dada una matriz A  K nn , se llama polinomio característico 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  cn1n1    c1  c0
La matriz I  A se denomina matriz característica de A.
EJEMPLO 3.3.1.- Hallar el polinomio característico 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  22  8  13
OBSERVACIÓN 3.3.2.- Del ejemplo anterior, nótese que 2  Tr( A) y  13  det( A) ;

luego el polinomio característico de A se puede escribir como
p( )  3  Tr( A)2  8  (1) 3 det( A) , si A  K 33
En general para una matriz A  K nn , el polinomio característico de A se puede

escribir como
p( )  n  Tr( A)n1    (1) n det( A)
173
----------------------------------------------------------------------------------------------------------
EJEMPLO 3.3.3.- Utilizando la observación anterior, calcular los valores propios de la
matriz
1 2
A 
3 2
SOLUCIÓN
p( )  2  Tr( A)  (1) 2 det( A)
 2  3  4
las raíces del polinomio 2  3  4  0 son 1  4 y 2  1 .
PROPOSICIÓN 3.4.- Dos matrices semejantes tienen el mismo polinomio
característico; es decir, si B  P 1 AP , entonces PB ( x)  PA ( x) .
PRUEBA
p B ( x)  det(xI n  B) definición de polinomio característico
 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 números 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) definición de polinomio característico

 p B ( x)  p A ( x)
PROPOSICIÓN 3.5.- Dadas una matriz A  K nn y un escalar   K .
 es valor propio de A  p A ( )  0 .
PRUEBA
Sea el polinomio característico 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 
SOLUCIÓN
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 .

DEFINICIÓN 3.6.- Sean V un K-espacio vectorial de dimensión finita, T : V  V un
endomorfismo y f ( x)  K[ x] donde
f ( x)  a0 x n  a1 x n1    an ; ai  K , i  0,1,, n
f (x) es llamado polinomio anulador de T si y solo si f (T )  0 ; así 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 .
PROPOSICIÓN 3.7.- Sea V un K-espacio vectorial de dimensión 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
PROPOSICIÓN 3.8.- Sean V un K-espacio vectorial de dimensión 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 n1    an
f (T )(v)  (a0T n  a1T n1    an I )(v)
 a0T n (v)  a1T n1 (v)    an I (v)
 a0 n v  a1n1v    an v
 (a0 n v  a1n1v    an )v
 f ( )v
 f (T )(v)  f ( )v
PROPOSICIÓN 3.9.- Sean A, B matrices semejantes, f ( x)  K[ x] . Demostrar que

f (A) y f (B) son también 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 n1    an
f ( B)  a0 B n  a1 B n1    an I
 a0 ( P 1 An P)  a1 ( P 1 An1 P)    an P 1 P
 P 1 (a0 An  a1 An1v    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 transformación lineal T : R 2  R 2 está 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 transformación lineal T : R 3  R 3 está 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 22 y R 33 . 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 33 . 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 aplicación que hace corresponder a cada vector de R 2 su

proyección ortogonal sobre el vector u  (2, 1) . La aplicación así definida es una
a) Hallar la matriz asociada a T con respecto a la base canónica 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 dimensión finita talque V  U  W . Hallar los
valores propios de T  L(V ) , si T es proyección sobre U paralelamente a W; es
decir si T (u  w)  u .
7. Sea T  L( K nn ) 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 dé un contraejemplo a la siguiente afirmación:
Si T : V  V es una R-transformación 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 transformación 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 característico de A es igual al producto de los
polinomios característicos 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 rotación definido como
f ( x, y)  ( x cos   y sen , x sen  y cos  ) . ¿Para qué valores de  , f tiene
valores propios?.
14. Sea V un K-espacio vectorial de dimensión finita, B una base ordenada de V,
T  L(V ) , y   K . Demostrar que v  E (T ,  ) si y solo si vB  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 transformación lineal T en una base dada e I la matriz
identidad.
16. Demostrar que dos matrices semejantes tienen el mismo polinomio característico.
17. Si n  an1n1    a1  a0 es el polinomio característico de una matriz A,
demuestre que a0  (1) n det( A) .
18. Sea A  K nn . 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 único valor propio es cero.
Nota.- Se dice que una matriz A  K nn es nilpotente si existe un entero positivo k
tal que Ak  0 . El menor k para el que se cumple la definición anterior es llamado
índice de nilpotencia de A.
19. Demostrar que los valores propios de una matriz idempotente son 0 y 1.
20. Sean A, B  K nn , donde A es no singular. Demostrar que las matrices A1B y
BA 1 tienen los mismos valores propios.
TEOREMA.-[Teorema de Cayley-Hamilton]
Sea V un K-espacio vectorial de dimensión finita y T :V V un endomorfismo.
Entonces pT (T )  0 .
PRUEBA
Demostraremos cuando K  C .
La prueba se hace por inducción 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 proposición demostrada anteriormente, existe una base { v1 , , vn } en la cual
la matriz asociada a la transformación 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 aplicación
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 característico de AT es
pT ( x)  ( x  2 )( x  3 )( x  n )
Por la hipótesis inductiva se cumple que pT (T )  0 , es decir
(T  2 I )(T  3 )(T  n )v  0 , donde 0  V

S
De la definición de espacio vectorial cociente, se tiene que
(T  2 I )(T  3 I )(T  n I )u  cv1
Aplicando (T  1 I ) a la última relación 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 cálculo de

la inversa en términos de la misma matriz.
EJEMPLO
Dado la matriz
2 1
A 
1 1
Hallar A 1 en términos de A.
180
----------------------------------------------------------------------------------------------------------
Solución
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.

Solución
 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 A1  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   20 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 lãs 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 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 PDF

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

(Universidad del Perú, DECANA DE AMÉRICA)

Profesor: Víctor G. Osorio Vidal

3. Transformaciones lineales y temas afines 48

4. Matriz asociada a una transformación lineal 83

6. Producto interno y ortogonalidad 139

7. Valores y vectores propios 161

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

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

2. LEYES DE COMPOSICIÓN 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 número entero positivo, denotemos por

número a. Definimos en Z n una operación ̂ tal que:

̂ [0] [1] [2]

DEFINICIÓN 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 módulo p donde p es primo. Definimos en Z p las

sobre Q ( 2 ) se definen las operaciones

Multiplicación : (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 cálculo elemental se estudia funciones reales de una variable real; es decir,

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

Adición : ci j  ( A  B ) (i, j )  A(i, j )  B (i, j )  a i j  bi j

Multiplicación : ci j  ( A) (i, j )   A(i, j )   a i j

EJEMPLO 1.1.8.- Dado el sistema lineal homogéneo:

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

PROPOSICIÓN 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 números enteros con la adición usual y la multiplicación

donde  a  denota el máximo entero; esto es

¿Cuáles 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 fácil 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 definición de producto de una

EJEMPLO 2.2.5.- Sea V  C  { f : R  R / f es continua} y consideremos:

W1 es un subespacio vectorial, W2 no es un subespacio pues no se cumplen las