UNIVERSIDAD ANDRÉS BELLO

FACULTAD DE CIENCIAS EXACTAS

DEPARTAMENTO DE MATEMÁTICAS
SISTEMAS Y ECUACIONES DIFERENCIALES LINEALES - FMM312

Espacios Vectoriales
Apuntes de curso - Francois Moraga

Aspectos generales

Contenidos de la Unidad a desarrollar:

1. Espacios vectoriales
1.1. Subespacios vectoriales
1.2. Combinación lineal
1.3. Conjunto Generador
1.4. Dependencia lineal
1.5. Bases y Dimensiones
1.6. Matriz de cambio de base
2. Transformaciones Lineales
2.1. Núcleo e Imagen de una transformación lineal
2.2. Matriz asociada a una transformación lineal
2.3. Matriz cambio de base
3. Diagonalización
3.1 Valores y vectores propios
Bibliografía recomendada:
• Álgebra Lineal, de Seymour Lipschutz, McGraw-Hill Interamericana de España.
• Álgebra Lineal, de Stanley I. Grossman, McGraw-Hill Interamericana.
• Álgebra Lineal y sus aplicaciones, David C. Lay, Pearson Educación.

1
1. Espacios Vectoriales

Denición 1.
Un conjunto V es llamado espacio vectorial sobre un cuerpo K si:
(1) V 6= ∅
(2) V admite una operación interna, +, denida por:

+ : V → V
(~u, ~v ) → w
~ = ~u + ~v

Tal que (V, +) es un grupo abeliano, es decir satisface las siguientes propiedades:
(a) ~u + (~u + w)
~ = (~u + ~v ) + w~
(b) ∃ 0 ∈ V , tal que ~u + 0 · ~v = ~0 · ~v + ~u = ~u
~ ~ (∀ ~u ∈ V )
(c) Para cada ~u ∈ V , ∃ (−~u) ∈ V tal que ~u + (−~u) = (−~u) + ~u = 0V

(3) V admite una operación externa "·", denida por:

· : V → V
(α, ~v ) → w
~ = α · ~v

Con K = R ∪ C y satisface las siguientes propiedades

(a) α · (~u + ~v ) = α · ~u + α · ~v
(b) (α + β) · ~u = α · ~u + β · ~v
(c) (α · β) · ~u = α · (β · ~u)
(d) α · ~u = 0V , entonces α = 0K ∨ ~u = 0V .
Los elementos de V se denominan vectores, los elementos de K se denen como escalares, y todo espacio
vectorial será denotado por (V, +, ·, K), donde K = R ∪ C.

A continuación analizaremos algunos espacios canónicos:

Ejemplo # 1 El espacio vectorial (R , +, ·, R) se dene por todos los elementos (x , x , . . . , x ) tales que:
n
1 2 n

n n n
+ : R ×R → R
(~u, ~v ) → w
~ = ~u + ~v
donde w
~ = (x1 + y1 , x2 + y2 , . . . , xn + yn ) ∈ Rn .

Por otra parte

· : R × Rn → Rn
(α, ~v ) → w
~ = α · ~v
donde w
~ = α · ~u = α · (x1 , x2 , . . . , xn ) ∈ R.
Por lo anterior se entiende que la recta real, el plano cartesiano y el espacio R3 representan a un espacio
vectorial sobre el cuerpo R.

2
Ejemplo # 2 El conjunto de las matrices de orden n × m representan un espacio vectorial, ya que:
+ : Mm×n × Mm×n → Mm×n
(A, B) → C =A+B

donde [cij ] = [aij + bij ], ∀ i = {1, . . . , n} ∧ j = {1, . . . , m}.

Por otra parte

+ : R × Mm×n → Mm×n
(α, A) → B =α·A
donde [bij ] = α · [aij ], ∀ i = {1, . . . , n} ∧ j = {1, . . . , m}
Por último nos queda analizar el caso de los polinomios de orden n, esto es:
Ejemplo # 3 El conjunto de los polinomios de orden n son un espacio vectorial sobre R, es decir P [x], donde
n
n

ai x ya que admite las siguientes operaciones

X
i
p(x) = a0 + a1 x + . . . + an xn =
i=0

+ : Pn [x] × Pn [x] → Pn [x]

(p(x), q(x)) → r(x) = p(x) + q(x)
n n
donde r(x) = p(x) + q(x) = (ai + bi ) xi . Por otra parte se cumple que:
X
X
ai xi + bi xi =
i=0 i=0

· : R × Pn [x] → Pn [x]
(k, p(x)) → q(x) = k · p(x)
n n
donde q(x) = Pn [x].
X X
k · ai xi = k · a i xi ∈
i=0 i=0

1.1. Subespacio vectorial

Existen espacios vectoriales los cuales se encuentran inmersos en otros espacios vectoriales. A este tipo de
aplicación la denominaremos subespacios vectoriales

Denición 2.
Sea (V, +, ·, R) un espacio vectorial, y sea U un subconjunto no vacío de V . Diremos que (U, +, ·, R) es un
subespacio vectorial de V si y sólo si U es un espacio vectorial con las mismas operaciones de V .

Notación: Si U es un subespacio vectorial (s.e.v.) de V entonces escribiremos U ≤V.

3
 Teorema 1.
Sea V un espacio vectorial sobre un cuerpo K y U un subconjunto no vacío de V . U es un subespacio vectorial
de V si y sólo si:
~V ∈ U
(1) O

(2) (∀ ~u, ~v ∈ U ) (∀ α ∈ R) se cumple que α~u + ~v ∈ U .

Ejemplo # 4 El conjunto de soluciones de un sismtema homogéneo es un subespacio vectorial de R . n

Demostración: Sabemos que todo sistema lineal homogéneo se puede escribir como
x ∈ Rn / AxT = 0


donde A ∈ Mm×n .
(i) Como A · 0 = 0 se concluye que el vector nulo pertenece al conjunto.

(ii) Sean ~x, ~y soluciones del sistema homogéneo y α ∈ R un escalar real, entonces

A xT + αy T = AxT + αAy T = 0 + α · 0 = 0

Así tenemos que ~x + α~y es solución del sistema homogéneo.

Analicemos otro ejemplo canónico
Ejemplo # 5 Demostrar que el conjunto U = {~x ∈ R 3
/ 3x + y − 2z = 0} es un subespacio vectorial de R3 .

Demostración: Consideremos dos elementos del conjunto U

x~1 = (x1 , y1 , z1 ) ∧ x~2 = (x2 , y2 , z2 )

entonces
(1) 3 · 0 + 0 − 2 · 0 = 0, por lo tanto ~0 = (0, 0, 0) ∈ U .

(2) x~1 + αx~2 = (x1 + αx2 , y1 + αy2 , z1 + αz2 ), entonces

3(x1 + αx2 ) + (y1 + αy2 ) − 2(z1 + αz2 ) = (3x1 + y1 − 2z1 ) + α · (3x2 + y2 − 2z2 ) = 0 + α · 0 = 0

Así tenemos que x~1 + αx~2 ∈ U .

Observación 1: Un subespacio vectorial puede contener un único elemento (el nulo) o un número innito de
elementos los cuales se pueden representar mediante algunos vectores o elementos generales, los que posterior-
mente llamaremos bases.

4
1.2. Combinación Lineal

Denición 3.
Sea V un espacio vectorial sobre R y {~v1 , ~v2 , . . . , ~vn } elementos de V . Diremos que ~v es combinación lineal de
v~1 , v~2 , . . . , v~n si y sólo si existen escalares a1 , a2 , . . . , an ∈ R tal que:
n
X
~v = a1 v~1 + a2 v~2 + . . . an v~n = ai~vi
i=1

Ejemplo # 6 Determinar si (1, 2, 1) es combinación lineal de los vectores

v~1 = (−1, 2, 1) ; v~2 = (1, 1, −2) ; v~3 = (1, 2, 3) en ∈ R3

Solución: Si (1, 2, 1) se encuentra en combinación lineal, entonces existen escalares a, b y c, tal que:
(1, 2, 1) = a(−1, 2, 1) + b(1, 1, −2) + c(1, 2, 3)

es decir:
1 = −a + b + c
2 = 2a + b + 2c
1 = a − 2b + 3c
Resolviendo el sistema lineal, tenemos que:
     
−1 1 1 | 1 −1 1 1 | 1 −1 1 1 | 1
 2 1 2 | 2  ∼  0 3 4 | 4  ∼  0 3 4 | 4 
1 −2 3 | 1 0 −1 4 | 2 0 0 16 | 10

1 1 5
cuya solución es a = ; b = y c = , es decir:
8 2 8
1 1 5
(1, 2, 1) = (−1, 2, 1) + (1, 1, −2) + (1, 2, 3)
8 2 8
por lo tanto el vector (1, 2, 1) es una combinación lineal de los vectores dados.
Ejemplo # 7 Determinar si 1 + x + x 2
es combinación lineal de los vectores −1 + x + 2x2 ; 1 + 3x + 2x2 ;
1 − x + x en P2 [x].
2

Solución: Buscamos escalares a, b y c ∈ R tal que:

1 + x + x2 = a(−1 + x + 2x2 ) + b(1 + 3x + 2x2 ) + c(1 − x + x2 )

1 1 1
donde a = − ; b = ; c = , por lo tanto
6 2 3
1 1 1
1 + x + x2 = − (−1 + x + 2x2 ) + (1 + 3x + 2x2 ) + (1 − x + x2 )
6 2 3

5
 Denición 4.
Sea V un espacio vectorial sobre R, y {v~1 , v~2 , . . . , v~n } elementos de V . Diremos que:
(i) {v~1 , v~2 , . . . , v~n } es un conjunto linealmente independiente si la única solución del sistema
a1 v~1 + a2 v~2 + . . . + an v~n = 0

es la trivial, es decir a1 = a2 = . . . = an = 0.
(ii) {v~1 , v~2 , . . . , v~n } es un conjunto linealmente dependiente si la solución del sistema
a1 v~1 + a2 v~2 + . . . + an v~n = 0

no es trivial

Ejemplo # 8 Demostrar que el conjunto {(1, 0, 1) ; (1, 1, 0) ; (1, 1, 1)} es linealmente independiente
Solución: Debemos demostrar que el sistema
(0, 0, 0) = a(1, 0, 1) + b(1, 1, 0) + c(1, 1, 1) tiene solución trivial
Utilizando matriz ampliada tenemos que:
   
1 1 1 | 0 1 1 1 | 0
 0 1 1 | 0  ∼  0 1 1 | 0 
1 0 1 | 0 0 −1 0 | 0

Por lo tanto a = b = c = 0, esto implica que el conjunto es linealmente independiente.

Observación 2: Un conjunto {v~1 , v~2 , . . . , v~n } ∈ Rn es linealmente independiente si y sólo si

det(col [v~1 , v~2 , . . . , v~n ]) 6= 0

Utilizando esto, podemos generar una nueva alternativa para el desarrollo del Ejemplo 8, es decir, el conjunto
{(1, 0, 1) ; (1, 1, 0) ; (1, 1, 1)}

es linealmente independiente porque al calcular su determinante se obtiene que:

 
 1 1 1 
det  0
 
1 1  = 1 6= 0

 1 0 1 

6
1.3. Conjuntos Generadores

Denición 5.
Sea V un espacio vectorial sobre R, y {v~1 , v~2 , . . . , v~n } elementos de V . Diremos que {v~1 , v~2 , . . . , v~n } es generador
del espacio vectorial V si y sólo si:
∀ ~v ∈ V , ∃ a1 , a2 , . . . , an ∈ R, tal que:
~v = a1 v~1 + a2 v~2 + . . . + an v~n

Notación: Si el conjunto {v~1 , v~2 , . . . , v~n } es generador de V , entonces diremos que h{v~1 , v~2 , . . . , v~n }i = V .
Ejemplo # 9 Demostrar que el conjunto {(1, 0, 0) ; (0, 1, 0) ; (0, 0, 1)} genera a R . 3

Solución: Si el conjunto genera a R3 , entonces existen escalares a, b, c ∈ R tal que todo elemento (x, y, z) ∈
R3 se puede escribir como:
(x, y, z) = a(1, 0, 0) + b(0, 1, 0) + c(0, 0, 1)
por lo tanto
(x, y, z) = x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1)
Esto implica que h{(1, 0, 0) ; (0, 1, 0) ; (0, 0, 1)}i = R3 .
Ejemplo # 10 Sea U = {(x, y) ∈ R 2
/ 2x + y = 0} ≤ R2 . Determinar un conjunto generador de U

Solución: Observe que si (x, y) ∈ U entonces 2x + y = 0, es decir y = −2x, por lo tanto:

(x, y) = (x, −2x) = x(1, −2)

Esto implica que todos los elementos del espacio U se pueden escribir como combinación lineal de (1, −2), es
decir:
U = h(1, −2)i

1.4. Bases

Denición 6.
Sea V un espacio vectorial sobre R, y {v~1 , v~2 , . . . , v~n } vectores de V . Diremos que {v~1 , v~2 , . . . , v~n } es una base
de V si y sólo si, se cumplen las siguientes condiciones:
(i) {v~1 , v~2 , . . . , v~n } es linealmente independiente.

(ii) h{v~1 , v~2 , . . . , v~n }i = V

7
 Denición 7.
Sea V un espacio vectorial sobre R. Diremos que n es la dimensión de V si y sólo si el cardinal de su base es n.

Notación: Si la dimensión de V es n lo denotaremos dimV = n.

Analicemos algunos ejemplos básicos de este concepto.

Ejemplo # 11 Demostrar que {(1, 2, 1) ; (1, 2, 3) ; (3, 2, 1)} es una base de R . 3

Solución: Primero vericaremos que el conjunto es linealmente independiente, es decir, existen escalares
a, b, c ∈ R tales que:
(0, 0, 0) = a · (1, 2, 1) + b · (1, 2, 3) + c · (3, 2, 1)
resolviendo el sistema se obtiene que:
   
1 1 3 | 0 1 1 3 | 0
 2 2 2 | 0 ∼ 0 0 −4 | 0 
1 3 1 | 0 0 2 −2 | 0

por lo tanto a = b = c = 0 lo cual verica que el conjunto es linealmente independiente. Luego necesitamos
comprobar que el conjunto es generador de R3 , es decir, que para todo elemento (x, y, z) ∈ R3 existen escalares
a, b, c ∈ R3 tal que:
(x, y, z) = a(1, 2, 1) + b(1, 2, 3) + c(3, 2, 1)
Utilizando la regla de Cramer se puede concluir que el sistema tiene solución única, la cual es:
−4x + 8y − 4z −2y + 4z 4x − 2y
a= ; b= ; c=
8 8 8
Por lo tanto el conjunto {(1, 2, 1) ; (1, 2, 3) ; (3, 2, 1)} genera a R3 , lo cual implica que:
h{(1, 2, 1) ; (1, 2, 3) ; (3, 2, 1)}i = R3

Teorema 2.
Sea V un espacio vectorial sobre R, y {v~1 , v~2 , . . . , v~n } una base de V . Si w
~ ∈ V y

w
~ = a1 v~1 + a2 v~2 + . . . + an v~n

tal que a1 6= 0, entonces {w,

~ v~2 , . . . , v~n }, es una base de V .

Observación 3: La elección del primer elemento de la base no tiene mayor relevancia, esto ya que la condición
principal del teorema es que no sea nulo.

8
Ejemplo # 12 Sea h(1, 1, 1) ; (1, 0, 0)i un subespacio de R . Como el vector
3

~ = 5 · (1, 1, 1) − 2 · (1, 0, 0) = (3, 5, 5)

w

entonces
h(1, 1, 1) ; (1, 0, 0)i = h(3, 5, 5) ; (1, 0, 0)i

Teorema 3.
Sea V un espacio vectorial sobre R, y {v~1 , v~2 , . . . , v~n }, una base de V . Si el conjunto {w~1 , w~2 , . . . , w~m } es otra
base de V , entonces n = m.

1.4.1. Bases canónicas

Ejemplo # 13 A continuación representaremos las bases canónicas de los espacios R , M n

n×m y Pn [x].
(1) El espacio Rn tiene dimensión n y se encuentra formado por n-uplas ei (elementos canónicos) tales que:

E = {ei / 1 ≤ i ≤ n}

Es decir,      
1 0 0

 0 


 1 


 0 

 ·   ·   · 
e1 =   ; e2 =   ; ... ; en =  

 · 


 · 


 · 

 ·   ·   · 
0 0 1

(2) El espacio de las matrices de orden n × m tiene dimensión n × m y se encuentra formado por n × m bases
canónicas, las cuales son:
si (i, j) = (1, 1) si (i, j) = (1, n)
 
1 1
E11 = , ... , E1n =
0 si (i, j) 6= (1, 1) 0 si (i, j) 6= (1, n)

(3) El espacio de los polinomios de orden n posee una dimensión n + 1, donde su base esta dada por:

E = {xi / 0 ≤ i ≤ n}

es decir,
Pn [x] = {1, x, x2 , . . . , xn }



1.5. Suma de espacios vectoriales

En esta sección estudiaremos la operación suma entre subespacios vectoriales, lo que nos permitira denir un
nuevo espacio que contenga a ambos.

9
 Denición 8.
Sean U, W subespacios vectoriales de V . Llamaremos suma de los subespacios U y W al conjunto
U + W = {~v ∈ V / ~v = ~u + w
~ , u ∈ U ∧ w ∈ W}

Observación 4: Es directo que U + W es un subespacio vectorial de V . Consideremos ~x, ~y ∈ U + W y

α, β ∈ R, luego ~x = u~1 + w~1 , ~y = u~2 + w~2 . Además,

α · ~x + β · ~y = (α · u~1 + β u~2 ) + (α · w~1 + β · w~2 ) ∈ U + W

Otro punto importante del concepto de la suma, es que si un espacio V = U + W entonces posiblemente
un vector puede admitir más de una escritura en función de U y W . Un ejemplo de esto es lo que ocurre con
los subespacios vectoriales U = h(1, 0) ; (0, 1)i y W = h(1, 1)i de R2 , esto ya que el elemento (1, 1) ∈ R2 puede
representarse de las siguientes formas:
(a) (1, 1) = 1 · (1, 0) + 1 · (0, 1) + 0 · (1, 1) = (1, 1) + 0, donde (1, 1) ∈ U y 0 ∈ W .

(b) (1, 1) = 0 · (1, 0) + 0 · (0, 1) + 1 · (1, 1), donde 0 ∈ U y (1, 1) ∈ W .

Teorema 4.
Sea V un espacio vectorial sobre R de dimensión nita y, U, W subespacios vectoriales de V , entonces:
dim(U + W ) = dim(U ) + dim(W ) − dim(U ∩ W )

Denición 9.
Sea V un espacio vectorial y U, W, S subespacios de V . Diremos que S = U + W es suma directa de U y W , si
todo elemento ~v ∈ S se escribe de manera forma única comom un vector de U más otro vector de W .

Notación: Si S es suma directa de U y W , entonces S = U ⊕ W

Ejemplo # 14 Consideremos los subespacios de R 2

U = h(1, 0)i ; W = h(0, 1)i

Entonces, R2 = U ⊕ W ya que todo elemento (x, y) ∈ R2 se puede representar como

(x, y) = x · (1, 0) + y · (0, 1) de forma única
Analicemos una alternativa para identicar cuando la suma de dos subespacios representa una suma directa.

10
 Proposición 1.
Dado V un espacio vectorial y U, W, S subespacios de V , entonces:
S = U ⊕ W ⇐⇒ (S = U + W ) ∧ (U ∩ W = 0)

Demostración Como S es suma directa de U y W , para todo elemento ~v ∈ S existe un único vector ~u ∈ U
yw
~ ∈ W tal que ~v = ~u + w
~ lo cual implica que v ∈ U + W , luego S = U + W .

Supongamos que v ∈ U ∩ W , entonces v = 0 + v = v + 0, es decir v admite dos escrituras en el subespacio

U + W , por lo tanto necesariamente v = 0.

Teorema 5.
Si S = U ⊕ W y V es de dimensión nita, entonces dim(S) = dim(U ) + dim(W ).

Demostración: Supongamos que U 6= {0} 6= W . Sea {u~1 , . . . , u~k } base de U , {w1 , . . . , wm } base de W .
Entonces podemos armar que el conjunto {u~1 , . . . , u~k , w~1 , . . . , w~m } es base de V :
1. {u~1 , . . . , u~k , w~1 , . . . , w~m } es linealmente independiente:
k
X m
X
αi u~i + βi w
~i = 0
i=1 i=1

k m
Como αi u~i ∈ U , ~i ∈ W y el vector 0 se escribe de manera única en U + W como 0 + 0 = 0,
X X
βi w
i=1 i=1
entonces:
k
X m
X
αi u~i = βi w
~i = 0
i=1 i=1

y por se conjuntos linealmente independientes, concluimos que: α1 = . . . = αk = β1 = . . . = βm = 0.

2. {u~1 , . . . , u~k , w~1 , . . . , w~m } es generador del espacio vectorial V:

Como V = U ⊕ W , ∀ v ∈ V , v = u + w, u ∈ U , w ∈ W . Pero u ∈ U , w ∈ W se escriben como

k m
combinación lineal de sus bases ~u = αi u~i , w ~i , de donde,
X X
~= βi w
i=1 i=1

k
X m
X
v= αi u~i + ~i =⇒ hBi = V
βi w
i=1 i=1

11
Ejemplo # 15 Sean los subespacios
U = {(x, y, z, w) ∈ R4 / x + y − z = 0 ∧ 2x + 3y − w = 0}

V = h(1, 2, −1, 3) ; (1, 1, 2, −1)i

(a) Determinar una base de U y su dimensión.

Solución: Para determinar la base de U resolvemos el sistema dado, es decir:

x+y−z = 0 z =x+y
⇐⇒
2x + 3y − w = 0 w = 2x + 3y

por lo tanto todo elemento (x, y, z, w) se puede representar como

(x, y, z, w) = x · (1, 0, 1, 2) + y · (0, 1, 1, 3)

lo cual implica que hU i = h(1, 0, 1, 2) ; (0, 1, 1, 3)i y su dimensión es 2.

(b) Encontrar una base de U ∩ V y su dimensión.

Solución: Se nos pide encontrar todos los elementos (x, y, z, w) tales que:
(x, y, z, w) = a · (1, 0, 1, 2) + b · (0, 1, 1, 3) = c · (1, 2, −1, 3) + d · (1, 1, 2, −1)

es decir, se busca determinar escalares a, b, c, d ∈ R tales que:

a · (1, 0, 1, 2) + b · (0, 1, 1, 3) − c · (1, 2, −1, 3) − d · (1, 1, 2, −1) = (0, 0, 0, 0)

Resolviendo el sistema, tenemos que:

     
1 0 −1 −1 0 1 0 −1 −1 0 1 0 −1 −1 0
 0 1
 −2 −1 0   0
 ∼  1 −2 −1 0   0 1
 ∼  −2 −1 0 

 1 1 1 −2 0   0 1 2 −1 0   0 0 4 0 0 
2 3 −3 1 0 0 3 −1 3 0 0 0 5 6 0

por lo tanto a = b = c = d = 0, lo cual implica que U ∩ W = h(0, 0, 0, 0)i y su dimensión es 0.

1.6. Coordenadas

Consideremos el espacio vectorial V sobre R y α = {v~1 , v~2 , . . . , v~n } una base del espacio V , entonces podemos
armar que para cada elemento ~v ∈ V existe una única combinación lineal, tal que:
~v = a1 v~1 + a2 v~2 + . . . + an v~n , ai ∈ R

Esto implica que las componentes a1 , a2 , . . . , an representan a las coordenadas que necesita utilizar α para
generar a ~v .

12
 Denición 10.
Sea V un espacio vectorial sobre R y α = {v~1 , v~2 , . . . , v~n } una base del espacio V . Llamaremos coordenada de
~v con respecto a la base α a la matriz columna:
 
a11
 a21 
 
 · 
 ∈ Mn×1 , tal que ~v = a11 v~1 + a21 v~2 + . . . + an1 v~n .
[v]α = 

 · 

 · 
an1

Ejemplo # 16 Sea α = {1 − x, 1 + 2x + x , 1 + x } una base de P [x]. Determinar las matrices de coordenadas

2 2
2
v~1 = 1 y v~2 = a + bx + cx con respecto a la base α.
2

Solución: Para el vector v~1 = 1 se pide determinar los coecientes {a11 , a12 , a13 } tal que:
1 = a11 (1 − x) + a21 (1 + 2x + x2 ) + a31 (1 + x2 )
1 1
resolviendo el sistema se obtiene que a11 = 1 ; a21 = ; a31 = − . Por lo tanto:
2 2
 
1
[1]α =  1/2 
−1/2

Encontrar las coordenadas de v~2 queda como desafío para el estudiante

Denición 11.
Sean α = {v~1 , v~2 , . . . , v~n } y β = {u~1 , u~2 , . . . , u~n } bases de un espacio vectorial V sobre R, tal que:
v~1 = a11 u~1 + a21 u~2 + ... + an1 v~n
v~2 = a12 u~1 + a22 u~2 + ... + an2 v~n
.. .. .. ..
. . . .
v~n = a1n u~1 + a2n u~2 + ... + ann v~n

Llamaremos matriz de cambio de base de α para β a la matriz de orden n [I]βα = ([v1 ]β , [v2 ]β , . . . , [vn ]β ) o
equivalentemente  
a11 a12 . . . a1n
 a21 a22 . . . a2n 
[I]βα =  .. .. . . ..  ∈ Mn×n (R)
 
 . . . . 
an1 an2 . . . ann

13
 Teorema 6.
Si V es un espacio vectorial sobre R de dimensión n, α = {v~1 , v~2 , . . . , v~n } y β = {u~1 , u~2 , . . . , u~n } son bases de
V , entonces:
[I]βα · [v]α = [v]β (∀ v ∈ V )
Análogamente
[I]α
β · [v]β = [v]α (∀ v ∈ V )
donde
−1
α
[I]β = [I]βα
Esquematicamente esto es:
(α, V ) (β, V )

[ ]α [ ]β

n
X n
X
~v = ai v~i ~u = bi u~i
i=1 [I]βα i=1

Ejemplo # 17 Sea V un espacio vectorial sobre K de dimensión 4 con base α = {u1 , u2 , u3 , u4 }. Se denen
los vectores
v1 = 2u1 + u2 − u3 ; v2 = 2u1 + u3 + 2u4 ; v3 = u1 + u2 − u3 ; v4 = −u1 + 2u3 + 3u4

Si β = {v1 , v2 , v3 , v4 } es una base de V , calcular las coordenadas en la base β de un vector v que tiene por
coordenada en α a (1, 2, 0, 1).
 
2 2 1 −1
 1 0 1 0 
Solución: Consideremos [I]αβ = 
 −1 1 −1 2 
, para poder determinar las coordenadas en la base β

0 2 0 3
 −1
de un vector v podemos utilizar la relación [v]β = [I]α [v]α , donde [v]α = (1, 2, 0, 1) y [I]βα = [I]αβ
β
, por lo
tanto:  
1 7 8 −5
β  0 −3 −3 2 
[I]α = 
 −1

−6 −8 5 
0 2 2 −1
Finalmente,     

1 7 8 −5 1 10
β  0 −3 −3 2   2
·  =  −4 
  
[v]β = [I]α [v]α = 
 −1 −6 −8 5   0   −8 
0 2 2 −1 1 3

14
Ejercicios resueltos

Ejercicio 1 Sea V = {p(x) ∈ P3 [x] / p0 (−1) = p(0) + p00 (1) = 0. Demuestre que V es un s.e.v. de P3 [x].
Encuentre una base y su dimensión.

Solución: Sean p(x), q(x) ∈ P3 [x] y k ∈ R, entonces se debe probar que

• (p + q)0 (−1) = p0 (−1) + q(−1) = 0 + 0 = 0

• (p + q)(0) + (p + q)00 (1) = p(0) + q(0) + p00 (1) + q 00 (1) = 0
• (k · p)0 (−1) = k · p0 (−1) = k · 0 = 0
Por lo tanto V es un subespacio de P3 [x].

Ahora, sea p(x) = a3 x3 + a2 x2 + a1 x + a0 , donde:

p0 (x)|x=−1 = 3a3 x2 + 2a2 x + a1 x=−1 = 3a3 − 2a2 + a1 = 0



por otra parte p(0) = a0 y

p00 (1) = (6a3 x + 2a2 )|x=1 = 6a3 + 2a2
entonces,
p(0) + p00 (1) = 6a3 + 2a2 + a0 = 0
resolviendo el sistema, tenemos que:
a1 = 2a2 − 3a3
a0 = −2a2 − 6a3
reemplazando en la forma general del polinomio, tenemos que:
p(x) = a3 x3 + a2 x2 + (2a2 − 3a3 )x + (−2a2 − 6a3 ) = a3 · (x3 − 3x − 6) + a2 · (x2 + 2x − 2)

por lo tanto la base de V = x3 − 3x − 6 ; x2 + 2x − 2 y dim(V ) = 2.



Ejercicio 2 Determinar una base del subespacio

W = 1 + 3x − 2x2 + x3 ; 3 + 10x − 4x2 + 4x3 ; 2 + 8x + 4x3



de P3 [x] y su dimensión.

Solución: Las coordenadas de los vectores generadores son (1, 3, −2, 1) ; (3, 10, −4, 4) ; (2, 8, 0, 4). Utilizando
el teorema del rango se obtiene que:
   
1 3 −2 1 1 3 −2 1
 3 10 −4 4  ∼  0 1 2 1 
2 8 0 4 0 0 0 0

donde las las no nulas de la matriz escalonada son las bases de W , es decir:
W = 1 + 3x − 2x2 + x3 ; x + 2x2 + x3



15
Ejercicio 3 Sean α = {(1, 1, 1) ; (2, 0, 1) ; (1, 2, 1)} y β = {(1, 1, 2) ; (0, −1, 1) ; (1, 1, 1)}. Determine la matriz
de cambio de base [I]αβ .

Solución: Consideremos
~v1 = (1, 1, 2) = a11 · (1, 1, 1) + a21 · (2, 0, 1) + a31 · (1, 2, 1)
~v2 = (0, −1, 1) = a12 · (1, 1, 1) + a22 · (2, 0, 1) + a32 · (1, 2, 1)
~v3 = (1, 1, 1) = a13 · (1, 1, 1) + a23 · (2, 0, 1) + a33 · (1, 2, 1)

por lo tanto,  
1 2 1
[~v1 | ~v2 | ~v3 ] =  1 0 2  · [I]α
β
1 1 1
Lo cual implica que,  −1  
1 2 1 1 0 1
[I]α
β =  1 0 2  · 1 −1 1 
1 1 1 2 1 1
calculando la inversa, tenemos que:
     
1 2 1 1 0 0 1 2 1 1 0 0 1 0 2 0 1 0
F2 −F1 →F2 F −2F →F
 1 0 2 0 1 0  ∼  0 −2 1 −1 1 0  2 ∼3 3  0 −2 1 −1 1 0 
F3 −F1 → F3 F2 +F1 → F1
1 1 1 0 0 1 0 −1 0 −1 0 1 0 0 1 1 1 −2

     
1 0 2 0 1 0 1 0 0 −2 −1 4 −1F →F 1 0 0 −2 −1 4
F1 −2F3 →F1 2 2
 0 −2 1 −1 1 0  ∼  0 −2 0 −2 0 2  2 ∼  0 1 0 1 0 −1 
F2 −F3 → F3
0 0 1 1 1 −2 0 0 1 1 1 −2 0 0 1 1 1 −2

Luego,      
−2 −1 4 1 0 1 5 5 1
[I]α
β =  1 0 −1  ·  1 −1 1  =  −1 −1 0 
1 1 −2 2 1 1 −2 −3 0

Ejercicio 4 Considere los subespacios de P [x] 3

U1 = 3 − 2x + x2 + x3 , −1 + x2 − x3 , 2 − x + x3



U2 = 2 − x + 2x2 + x3 , −x − x3 , 3 − 2x + 3x2 + x3



(a) Encuentre una base y dimensión de U1 , U2 , U1 + U2 y U1 ∩ U2 .

(b) Encuentre una base y dimensión de U3 , tal que (U1 ∩ U2 ) ⊕ U3 = P3 [x]

Solución: Utilizando el teorema del rango, tenemos que U1

       
3 −1 2 1 1 0 1 1 0 1 1 0
 −2 0 −1   −2 0 −1   0 2 −1   0 2 −1 
  ∼   ∼   ∼  
 1 1 0   3 −1 2   0 −4 2   0 0 0 
1 −1 1 1 −1 1 0 −2 1 0 0 0

Por lo tanto las bases de U1 son los vectores

U1 = 3 − 2x + x2 + x3 , −1 + x2 − x3



16
Por otra parte, para U2 se cumple que:
     
2 0 3 2 0 3 2 0 3
 −1 −1 −2  −2 −1  −1 
 ∼  0  ∼  0 2
 
 
 2 0 3   0 0 0   0 0 0 
1 −1 1 0 −2 −1 0 0 0

Por lo tanto las bases de U2 son los vectores

U2 = 2 − x + 2x2 + x3 , −x − x3



Analicemos lo que ocurre para U1 + U2 , esto es:

       
3 −1 2 0 1 −1 1 −1 1 −1 1 −1 1 −1 1 −1
 −2 0 −1 −1   −2 0 −1 −1   0 −2 1 −3   0 −2 1 3 
  ∼   ∼   ∼  
 1 1 2 0   1 1 2 0   0 2 1 1   0 0 2 −2 
1 −1 1 −1 3 −1 2 0 0 2 −1 3 0 0 0 0

por lo tanto dim(U1 + U2 ) = 3, esto implica que dim(U1 ∩ U2 ) = 1. Luego, para determinar una base para
U1 ∩ U2 , debemos buscar un vector (x, y, z, w), tal que:

(x, y, z, w) = a · (3, −2, 1, 1) + b · (−1, 0, 1, −1) = c · (2, −1, 2, 1) + d · (0, −1, 0, −1)

de esto se obtiene el sistema lineal

       
1 −1 −1 1 0 1 −1 −1 1 0 1 −1 −1 1 0 1 −1 −1 1 0
 −2 0 1 1 0   0 −2 −1 3 0   0 2 1 −3 0   0 2 1 −3 0 
  ∼   ∼   ∼  
 1 1 −2 0 0   0 2 −1 −1 0   0 −2 1 1 0   0 0 2 −2 0 
3 −1 −2 0 0 0 2 1 −3 0 0 0 0 0 0 0 0 0 0 0

esto implica que la base de U1 ∩ U2 = 1 − x + x2 . Finalmente buscamos un

 espacio vectorial U3 , tal que



(U1 ∩ U2 ) ⊕ U3 entonces por el teorema del rango se verica que U3 = 1, x, x es la base buscada.

3

Ejercicio 5 Sea B = {u1 , u2 , u3 , u4 } una base del espacio vectorial V . Se consideran los conjuntos α =
{~v1 , ~v2 , ~v3 , ~v4 } y β = {w
~ 1, w
~ 2, w ~ 4 }, donde:
~ 3, w

~v1 = (0, 1, 0, 3) , ~v2 = (−1, 1, 0, 0) , ~v3 = (−2, 0, −1, 2) , v~4 = (−1, −1, −1, 1)

~ 1 = (2, −2, 0, 1) , w
w ~ 3 = (3, 0, 1, −1) , w~4 = (0, −2, −1, 1)
~ 2 = (1, 1, 1, 0) , w
respecto a la base B se pide:
(a) Probar que α y β son bases de V .
(b) Hallar la matriz de cambio de base de α a β
(c) Determinar las coordenadas respecto a α del vector ~x cuyas coordenadas respecto a β son (2, 1, 0, −1).

Solución:
(a) Consideremos [I]E
α a la matriz columna, tal que
 
0 −1 −2 −1
 1 1 0 −1 
[I]E

α = 0

0 −1 −1 
3 0 2 1

17
 como det([I]E α ) 6= 0, entonces el conjunto α es una base de V . De igual forma se demuestre que β es
una base de V . Es decir, consideramos la matriz de cambio de base [I]Eβ como la matriz columna de los
vectores {w~1 , w~2 , w~3 , w~4 }, esto es:
 
2 1 3 0
 −2 1 0 −2 
[I]E
β =  
 0 1 1 −1 
1 0 −1 1

β ) 6= 0, por lo tanto β es base de V .

cuyo det([I]E
(b) Observe que si conocemos [I]E
α y [I]β , entonces:
E

−1
[I]βα = [I]βE · [I]E
α =⇒ [I]βα = [I]E
β · [I]E
α

calculando la inversa pedida se obtiene que:

   
−2 2 1 3 −6 −1 −3 −1
 −3 3 1 2   9 1 4 1 
[I]βE =   =⇒ [I]βα =  
 5 −4 −2 −7   1 0 0 0 
−1 2 0 2 10 1 5 2

(c) Sabemos que

[v]β = [I]α
β · [v]α

por lo tanto, se requiere calcular la inversa de la matriz cambio de base [I]βα , esto es:
 
0 0 1 0
 −3 −1 1 −1 
[I]α
β =  
 1 1 −3 0 
−1 −2 2 1

lo cual implica que:      

0 0 1 0 2 0
 −3 −1 1 −1   =  −6 
 1   
[v]β =  ·
 1 1 −3 0   0   3 
−1 −2 2 1 −1 −5

Ejercicio 6 Sean los siguientes subespacios de R : 3

  
 x 
U =  y  ∈ R3 : x + y − z = 0
z
 
  
 x 
W = y  ∈ R3 : x − 2y − z = 0, y − z = 0
z
 

(a) Encuentre una base de U y W .

(b) Encuentre una base de U ∩ W y calcule la dimensión de U + W .

18
Solución:
(b) Si el vector (x, y, x) ∈ U entonces x = −y + z con y, z ∈ R variables libres. Luego se puede escribir como:
     
x −1 1
y  = y  1  + z 0
z 0 1

Como ambos vectores no son paralelos, son una base de U .

Ahora, si el vector (x, y, x) ∈ W entonces y = z con z ∈ R variable libre. Reemplazando
 en la otra
3
restricción nos queda que x = 3z con lo que obtenemos que W esta generado por el vactor 1. [0,5 pto]
1

(b) Si v ∈ U ∩ W se puede escribir como generado por la base de U o por la base de W . Luego existen α, β y
γ tal que:      
−1 1 3
α  1  + β 0 = γ 1
0 1 1

Luego para encontrar la intersección calculamos la solución al sistema con matriz extendida:
     
−1 1 −3 0 −1 1 −3 0 −1 1 −3 0
1 0 −1 0 →  0 1 −4 0 →  0 1 −4 0
0 1 −1 0 0 1 −1 0 0 0 3 0
 
0
Lo que implica γ = 0, lo que quiere decir que la intersección es el vector 0.
0
Finalmente, dim(U + W ) = dim(U ) + dim(W ) − dim(U ∩ W ) = 2 + 1 − 0 = 3.
Ejercicio 7 Sea S = {(1, 1, 0, 2), (0, 1, 1, 1), (2, 3, 3, 5), (a, a+1, a+1, a +2a)} un subconjunto de R
2 4
con a ∈ R.
(a) Encuentre los valores de a para que S sea una base de R4 .

(b) Para a = 1, encuentre una base del subespacio generado por S y su dimensión.

Solución:
(a) Ponemos los vectores como columnas de una matriz y escalonamos.
     
1 0 2 a 1 0 2 a 1 0 2 a
1 1 3 a + 1  0 1 1 1  0 1 1 1 
0 1 3 a + 1  → 0 1 3 a + 1 → 0
     
0 2 a 
2 1 5 a2 + 2a 0 1 1 a2 0 0 0 a2 − 1

Luego para que los vectores sean l.i, los escalones de la matriz deben ser no nulos. Luego si a2 − 1 6= 0 se
tiene que S son 4 vectores l.i. Como la dim(R4 ) = 4, implica que S es una base de R4 si a 6= 1, −1.

19
 (b) Reemplazando a = 1 en la última matriz de la parte anterior obtenemos que si ponemos los vectores como
columnas y escalonamos, obtenemos la matriz:
 
1 0 2 1
0 1 1 1
 
0 0 2 1
0 0 0 0
Lo que implica que solo existen 3 vectores l.i. Luego una base para el espacio generado por S es:
     

 1 0 2 
     
  ,   , 3
1 1



0 1  3 


2 1 5
 

o bien:
     

 1 0 1 
     
  ,   , 2
1 1



0 1  2 


2 1 3
 

(Basta que den una base) Como el cardinal de la base es 3, la dimensión es 3.

Ejercicio 8 Sea W un subespacio de P2 (el espacio vectorial de los polinomios de grado menor o igual a 2),
denido por:

W = {p(x) ∈ P2 : p(1) = p(−2)}

(a) Encuentre una base y la dimensión de W .
(b) Encuentre una base de P2 que contenga la base de W encontrada en (a).
(c) Sea U = h1 + x2 i el subespacio vectorial generado por el polinomio 1 + x2 . Pruebe que P2 = W ⊕ U .

Solución:
(a) Sea p(x) = a0 + a1 x + a2 x2 ∈ W . Entonces p(1) = p(−2) lo que implica que
a0 + a1 + a2 = a0 − 2a1 + 4a2
3a1 − 3a2 = 0
a1 = a2

Luego todo polinomio en W se escribe de la forma p(x) = a0 + a1 (x + x2 ). Lo anterior implica que el

conjunto {1, x + x2 } es una base de W , y dim(W ) = 2.
(b) Usamos el isomorsmo canónico de P2 a R3 y usamos el vector asociado a 1 y a x + x2 , completamos con
la identidad y escalonamos.
   
1 0 1 0 0 1 0 1 0 0
0 1 0 1 0 → 0 1 0 1 0
0 1 0 0 1 0 0 0 −1 1

Lo anterior implica que podemos escoger x o x2 para completar la base de P2.

20
 (c) Sea p(x) ∈ W ∩ U . Como p(x) ∈ W entonces existen α1 , α2 ∈ R tal que p(x) = α1 1 + α2 (1 + x2 ). Como
p(x) ∈ U entonces existe β1 ∈ R tal que p(x) = β1 (1 + x2 ). Lo anterior implica que α1 = α2 = β1 = 0.
Luego W ∩ U = {0}.
Por otro lado sea p(x) = a0 + a1 x + a2 x2 ∈ P2. Podemos escribir este polinomio como:
p(x) = a0 − a2 + a1 + a1 (x + x2 ) + (a2 − a1 )(1 + x2 )
con a0 − a2 + a1 + a1 (x + x2 ) ∈ W y (a2 − a1 )(1 + x2 ) ∈ U , lo que implica que P2 = W + U y mas aún
que P2 = W ⊕ U .
Ejercicio 9 Sea U = {(x, y, z) ∈ R 3
: x + 2y − z = 0}:
(i) Encuentre una base de U y calcule su dimensión.
*−1+
Si W = −2 ⊆ R3 , donde hui denota el espacio generado por u:
1
(ii) Pruebe que U ∩ W = {0}.
(iii) Pruebe que R3 = U + W .

Solución:
(i) De la ecuación se obtiene que x = z − 2y , por lo que (x, y, z) ∈ W si
     
x 1 −2
y  = z 0 + y  1 
z 1 0

Como ambos vectores son l.i (basta mencionarlo) se tiene que son una base de W y por lo tanto dim(W ) =
2.
(ii) Sea u ∈ W , entonces existe α ∈ R tal que u = α(−1, −2, 1). Supongamos que u ∈ U , entonces satisface la
ecuación −α + 2(−2α) − α = 0. Esto implica −6α = 0, luego α = 0 lo que quiere decir W ∩ U = {0}.
(iii) Sea (x, y, z) ∈ R3 . Buscamos la solución a la ecuación
       
x 1 −2 −1
y  = λ1 0 + λ2  1  + λ3 −2
z 1 0 1
Escribiendo el sistema y pivoteando
     
1 −2 −1 | x 1 −2 −1 | x 1 −2 −1 | x
 0 1 −2 | y  →  0 1 −2 | y → 0 1 −2 | y 
1 0 1 | z 0 2 2 | z−x 0 0 6 | z − x − 2y
Luego se tiene que λ3 = z−x−2y
6 , λ2 = −x+y+z
3 , λ1 = x+2y+5z
6 , con lo que se prueba lo pedido.
Otra forma es probando que los tres vectores son l.i y por lo tanto una base de R3 .
Ejercicio 10 Considere los siguientes subespacios de los polinomios de grado 3. I = {p ∈ P3 (R) /∀x ∈
R, p(−x) = −p(x)} y P = {p ∈ P3 [x] / ∀x ∈ R, p(−x) = p(x)}.
(a) Pruebe que P ∩ I = {0}
(b) Demuestre que P + I = P3
(c) Calcule dim(P ) y dim(I)

21
Solución:
(a) P ∩ I = {0}
Sea p ∈ P ∩ I entonces para cualquier x ∈ R, p(−x) = −p(x) = p(x) que implica que p(x) = 0 y por tanto
p es el polinomio nulo.

(b) P + I = P3
q(x) r(x)
z }| { z }| {
p(x) + p(−x) p(x) − p(−x)
Método 1: Dado p ∈ P3 es claro que p(x) = + con q ∈ P y r ∈ I .
2 2

Método 2: Se tiene que {x2 } ∈ P y {1, x, x3 } ∈ I y como {1, x, x2 , x3 } es base de P3 se concluye.

(c) dim(P ) y dim(I)

Como {x2 } es base de P y {1, x, x3 } es base de I entonces dim(P ) = 1 y dim(I) = 3.

Ejercicio 11 En el espacio vectorial R , considere los subespacios vectoriales:

4

        
*
 1 0 +  0
* −1 +
        
0  1 −2  3 
 
U=  ,
 0  1 y W =  ,
 1   0 

  
 
−1 0 0 1
   

(a) Calcule una base del subespacio U ∩ W .

(b) Calcule una base del subespacio U + W .

Solución:
(a) Para calcular la intersección buscamos λ1 , λ2 , λ3 , λ4 tal que:
       
1 0 0 −1
0 1 −2 3
 0  + λ2 1 = λ3  1  + λ4  0 
λ1        

−1 0 0 1

Luego debemos resolver el sistema con matriz ampliada:

     
1 0 0 1 0 1 0 0 1 0 1 0 0 1 0
 0 1 2 −3 0 
 F4 →F +F  0 1 2 −3 0 
 F3 →(−1)F 2 +F3
 0 1 2 −3 0 
 →1 4  →  
 0 1 −1 0 0   0 1 −1 0 0   0 0 −3 3 0 
−1 0 0 −1 0 0 0 0 0 0 0 0 0 0 0
 
−1
1
Luego λ3 = λ4 lo que implica que una base de U ∩ W es le vector 
 1 .


22
 (b) El espacio generado por la suma es igual al espacio generado por la unión de las bases. Para encontrar
una base de la suma basta tomar un conjunto l.i de esta unión. Para esto escalonamos la matriz con lo
elementos de ambas bases:
     
1 0 0 −1 0 1 0 0 −1 0 1 0 0 −1 0
 0 1 −2 3 0 
 F4 →F +F  0 1 −2 3 0  F3 →(−1)F2 +F3  0 1 −2 3 0 
 →1 4   →  
 0 1 1 0 0   0 1 1 0 0   0 0 3 −3 0 
−1 0 0 1 0 0 0 0 0 0 0 0 0 0 0
     

 1 0 0 
     
0 1 −2

Luego una base de U + W es el conjunto:  , , 
 0  1  1 

 
−1 0 0
 

Ejercicio 12 Sean los siguientes subespacios vectoriales de R : 4

W := {(x, y, z, w) ∈ R4 : x + y + z + w = 0, x − y + z − w = 0}
U := {(x, y, z, w) ∈ R4 : x + 2z + w = 0}
1. Calcule una base de W .
2. Calcule una base del subespacio W ∩ U .

Solución:
1. Para encontrar una base debemos encontrar los vectores que satisfacen las dos condiciones, es decir,
debemos resolver el siguiente sistema:
   
1 1 1 1 0 1 1 1 1 0
→
1 −1 1 −1 0 0 −2 0 −2 0
De la segunda la se deduce que y = −w. Reemplazando en la primera la obtenemos x − w + z + w = 0
lo que implica x = −z . Luego todo vector en W se puede escribir como:
     
x −1 0
y  0 −1
  = z +w 
z  1 0
w 0 1

Como ambos vectores son l.i (basta mencionarlo) se tiene que una base de W es el conjunto:
   

 −1 0 
   
0 −1

 , 


 1   0 


0 1
 

2. En este caso los vectores en la intersección deben cumplir 3 condiciones, por lo que son el conjunto
resultado del siguiente sistema:
     
1 1 1 1 0 1 1 1 1 0 1 1 1 1 0
 1 −1 1 −1 0  →  0 −2 0 −2 0  →  0 −2 0 −2 0 
1 0 2 1 0 0 −1 1 0 0 0 0 2 2 0

De la tercera la se deduce que y = −w, reemplazando en la segunda se obtiene y = −w, y de la primera
deducimos que x = w. Por lo tanto el subespacio intersección esta generado por el vector (1, −1, −1, 1).

23
2. Transformaciones lineales

Denición 12.
Sea U, V espacios vectoriales sobre un cuerpo R. Diremos que la aplicación T : U → V es una transformación
lineal si y sólo si T satisface las siguientes propiedades:
(i) T (0~u ) = 0~V .
(ii) (∀ ~u, ~v ∈ U ) (∀ α ∈ R) se cumple que T (~u + α~v ) = T (~u) + αT (~v ).

Notación: El conjunto de todas las transformaciones lineales de U en V lo denotaremos por:

• LR (U, V ) = {T : U → V / T es una transformación lineal}
• LR (U ) = LR (U, U )
Supongamos que α = {v~1 , v~2 , . . . , v~n } es una base del espacio vectorial U , entonces cada vector ~v ∈ U se
escribe en forma única como
~v = α1 v~1 + . . . + αn v~n
Luego, si existe una transformación lineal T : U → V entonces:
T (~v ) = T (α1 v~1 + . . . + αn v~n ) = α1 T (v~1 ) + . . . + αn T (v~n )

Es única en V .

Teorema 7.
Sean U, V dos espacios vectoriales sobre R, además sean {u~1 , u~2 , . . . , u~n } una base de U y {v~1 , v~2 , . . . , v~n } un
subconjunto de V , entonces existe una única transformación lineal T : U → V , tal que T (ui ) = vi , i = 1, . . . , n.

2.1. Propiedades cualitativas de la transformación lineal:

Sea T : U → V una transformación lineal, tal que dim(U ) = n ∧ dim(V ) = m, entonces:

(a) T (0U ) = 0V

(b) T es inyectiva =⇒ n ≤ dim(V ).

Demostración: Sabemos que si:

(i) α = {u~1 , u~2 , . . . , u~n } es una base de U , entonces:

T (α) : = {T (u~1 ) , T (u~2 ) , . . . , T (u~n )} ⊂ V

24
 n
(ii) Como u = αi v~i es linealmente independiente, entonces:
X

i=1

n
!
X
T (~u) = T αi v~i = OV
i=1

n
X
T (~u) = αi T (~
vi ) = 0V
i=1

por lo tanto T (α) es linealmente independiente, esto implica que dim(V ) ≥ n.

(c) T es sobreyectiva =⇒ dim(V ) ≤ n.
(d) T es biyectiva =⇒ dim(U ) = dim(V ).

Denición 13.
Sean U, V espacios vectoriales sobre el cuerpo R. Diremos que T : U → V es un isomorsmo de espacios
vectoriales si:
(a) T ∈ LR (U, V )
(b) T es biyectiva.

Notación: Si T : U → V es un isomorsmo entonces escribiremos U ∼

= V.

2.2. Espacios asociados a una transformación lineal

Existen dos espacios vectoriales relacionados directamente con la transformación lineal, los cuales nos permiten
analizar el comportamiento de la aplicación desde su interior.

Denición 14.
Sean U, V espacios vectoriales sobre el cuerpo R y T : U → V una transformación lineal. Llamaremos núcleo
de T al conjunto n o
Ker(T ) = ∀ u ∈ U / T (u) = ~0V

Ejemplo # 18 Demostrar que si T : U → V entonces ker(T ) ≤ U .

Demostración:
(a) Sabemos que ~0U ∈ U y T (~0U ) = ~0V , entonces ~0U ∈ Ker(T ), por lo tanto ker(T ) 6= ~0.

25
(b) Sean u1 , u2 ∈ ker(T ) y k ∈ R, entonces:

~u1 ∈ ker(T ) ⇐⇒ T (~u1 ) = 0
=⇒ T (~u1 + k~u2 ) = T (~u1 ) + k · T (~u2 ) = 0 + k · 0 = 0
~u2 ∈ ker(T ) ⇐⇒ T (~u2 ) = 0

por lo tanto ~u1 + k · ~u2 ∈ ker(T ).

Proposición 2.
Sean U, V espacios vectoriales sobre R y T : U → V una transformación linal. T es inyectiva si y sólo si
ker(T ) = {~0U }.

Denición 15.
Sean U, V espacios vectoriales sobre R y T : U → V una transformación lineal. Llamaremos imagen de T al
conjunto
Img(T ) = {∀ v ∈ V / T (~u) = ~v }

Proposición: Si T : U → V es una transformación lineal, entonces Img(T ) ≤ V .

Teorema 8.
Sea U un espacio vectorial, α = {u1 , u2 , . . . , un } una base de U y T : U → V una transformación lineal,
entonces:
Img(T ) = hT (α)i = hT (~u1 ), . . . , T (~un )i

Teorema 9.
Sea U un espacio vectorial de dimensión nita y T : U → V una transformación lineal, entonces:
dim(Ker(T )) + dim(Img(T )) = dim(U )

2.3. Matriz asociada a una transformación lineal

Consideremos U, V espacios vectoriales sobre R, además α = {~u1 , ~u2 , . . . , ~un } y β = {~v1 , ~v2 , . . . , ~vn } bases de U
y V respectivamente . Sea T : U → V una transformación lineal, tal que:
T (~u1 ) = a11~v1 + a21~v2 + ... + am1~vm
T (~u2 ) = a12~v1 + a22~v2 + ... + am2~vm
.. .. .. .. ..
. . . . .
T (~un ) = a1n~v1 + a2n~v2 + ... + amn~vm

26
Esto implica que todo elemento

a1j
 a2j 
~ =⇒ [T (~uj )]β =  . 
T (~uj ) = a1j ~v1 + a2j ~v2 + . . . + amj m
 
 .. 
amj

tiene una representación como coordenada en β .

Se dene como matriz asociada a las bases α = {~u1 , ~u2 , . . . , ~un } y β = {~v1 , ~v2 , . . . , ~vm } a la matriz de orden
m×n
 
a11 a12 ... a1n T (~u1 ) = a11~v1 + a21~v2 + ... + am1~vm
 a21 a22 ... a2n  T (~u2 ) = a12~v1 + a22~v2 + ... + am2~vm
β
[T ]α =  .

.. .. .. 

tal que: .. .. .. .. ..
 .. . . .  . . . . .
am1 am2 ... amn T (~un ) = a1n~v1 + a2n~v2 + ... + amn~vm

Observación:
(a) La columna j-ésima de la matriz [T ]βα corresponde a las coordenadas del vector T (~uj ) en la base β , esto es:
 
a1j
 a2j 
[T (~uj )]β =  .  ∈ Mm×1
 
.
 . 
amj

(b) Si la base α del espacio de partida es igual al del espacio de llegada, entonces la matriz se denota por [T ]α .

Teorema 10.
Sea T : U → V , con U y V espacios vectoriales de dimensión nita, entonces:
β β
[T ]α · [u]α = [v]β ⇐⇒ [T ]α · [u]α = [T (u)]β

donde α y β son bases de U y V respectivamente.

Ejemplo # 19 Sean α = {(1, 1, 1) ; (0, 1, 1) ; (1, 0, 1)} ; β = {(1, 1) ; (0, 1)} bases de R 3
y R2 respectivamente
y T : R → R una transformación lineal tal que:
3 2

 
β 4 2 −2
[T ]α =
−3 −1 1

Determine T (x, y, z)

Solución: Consideremos el elemento (x, y, z) ∈ R3 y se desea determinar [(x, y, z)]α , por lo tanto debemos
encontrar los escalares a, b, c ∈ R tal que:
(x, y, z) = a · (1, 1, 1) + b · (0, 1, 1) + c · (1, 0, 1)

27
donde    
x = a+c 1 0 1 | x 1 0 0 | x−z+y
y = a+b ⇐⇒  1 1 0 | y  ∼  0 1 0 | z−x 
z = a+b+c 1 1 1 | z 0 0 1 | z−y
Por lo tanto  
x+y−z
[(x, y, z)]α =  z − x 
z−y
Luego,
 
  x+y−z  
β 4 2 −2 2x − 4z + 6y
[T (x, y, z)]β = [T ]α · [(x, y, z)]α = · z−x  =
−3 −1 1 −2x + 3z − 4y
z−y

Finalmente, si  
2x − 4z + 6y
[T (x, y, z)]β =
−2x + 3z − 4y
entonces,
T (x, y, z) = (2x − 4z + 6y) · (1, 1) + (−2x + 3z − 4y) · (0, 1) = (2x − 4z + 6y, −z + 2y)

Teorema 11.
Sean U, V espacios vectoriales sobre R de dimensión nita, además α y β bases de U y V respectivamente. Si
T : U → V es una transformación lineal, entonces:

(a) T es un isomorsmo si y sólo si [T ]βα es regular.

(b) Si T es un isomorsmo, entonces:
 −1 α  β −1
T β
= [T ]α

2.4. Matriz cambio de base

Consideremos la transformación lineal T : V to W , tal que α, α0 son bases de V y β , β 0 bases de W . Entonces

0
es posible determinar las matrices [T ]βα ; [T ]βα0 ; [T ]βα ; [T ]βα0 y la relación entre ellas.
0

• Relación entre [T ]βα y [T ]βα .

0

28
 (α, V ) (β, W ) (β 0 , W )

[ ]α [ ]β [ ]β 0

Mn×1 Mm×1 Mm×1

[T ]βα [I]β ]β 0

0 0
[T ]βα = [I]ββ · [T ]βα

• Relación entre [T ]βα y [T ]βα0

(α0 , V ) (α, W ) (β, W )

[ ]α0 [ ]α [ ]β

Mn×1 Mn×1 Mm×1

[I]α
α0 [T ]βα

[T ]α β α
α0 = [T ]α · [I]α0

0
• Relación entre [T ]βα y [T ]βα0

(α0 , W ) (α, V ) (β, W ) (β 0 , W )

[ ]α0 [ ]α [ ]β [ ]β 0

Mn×1 Mm×1 Mm×1 Mm×1

[I]α
α0 [T ]βα [I]ββ
0

0 0 0
[T ]βα0 = [I]ββ · [T ]βα · [I]α
α

Particularmente si V = W , entonces:
β
[T ]α α β
α = [I]β · [T ]β · [I]α

29
Ejemplo # 20 Sean α = {(1, 1, −1) ; (0, 2, −1) ; (1, 0, 1)} y β = {(1, 2, 1) ; (1, 3, 2) ; (2, 1, 3)} bases de R 3
yT
una transformación lineal tal que:  
5 2 −2
β
[T ]α =  −3 −1 1 
1 4 −3
Calcular [T ]αα .

Solución: Sabemos que [T ]αα = [I]αβ · [T ]βα , por lo tanto se requiere calcular [I]αβ , es decir debemos resolver el
sistema
(1, 2, 1) = a1 (1, 1, −1) + b1 (0, 2, −1) + c1 (1, 0, 1)
(1, 3, 2) = a2 (1, 1, −1) + b2 (0, 2, −1) + c2 (1, 0, 1)
(2, 1, 3) = a3 (1, 1, −1) + b3 (0, 2, −1) + c3 (1, 0, 1)
Utilizando la matriz ampliada al sistema se obtiene que:
   
1 0 1 1 1 2 3 0 0 −2 −5 −3
 1 2 0 2 3 1  ∼  0 6 0 8 14 6 
−1 −1 1 1 2 3 0 0 3 5 8 9
por lo tanto,  
−2 −5 −3
1 
[I]α
β = · 4 7 1 
3
5 8 9
Luego,      
−2 −5 −3 5 2 −2 2 −11 8
1 1
[T ]α
α = · 4 7 1  ·  −3 −1 1  = · 2 13 −10 
3 3
5 8 9 1 4 −3 10 38 −29

30
Ejercicios resueltos

Ejercicio 1 Sea T : V → W una transformación lineal. Sea α = {v1 , v2 , v3 } una base de V y β =

{w1 , w2 , w3 , w4 } una base de W tal que:
 
1 0 0 1
[T ]βα =  0 1 0 1 
0 0 1 1

Encuentre una base β 0 de W tal que:

 
0
1 −1 0 0
[T ]βα = 0 1 −1 0 
0 0 1 1

Solución: De la matriz [T ]βα podemos deducir que:

T (v1 ) = w1 ; T (v2 ) = w2 ; T (v3 ) = w3 ; T (v4 ) = w1 + w2 + w3

Queremos encontrar una base β 0 = {w10 , w20 , w30 , w40 } tal que:
T (v1 ) = w10 ; T (v2 ) = −w10 + w20 ; T (v3 ) = −w20 + w30 ; T (v4 ) = w30

Del sistema anterior, tenemos que:

w10

w1 =
 w10
 
= w1 1 1 1

= −w10 + w20

w2
w20 = w1 + w2 ∴ [I]ββ 0 =  0 1 1 
w3 = −w20 + w30
 w30 = w1 + w2 + w3 0 0 1

w30

w1 + w2 + w3 =
Esto implica que la base buscada es:
β 0 = {w1 , w1 + w2 , w1 + w2 + w3 }

Ejercicio 2 Considere T : P2 [x] → R3 una transformación lineal. Determine la matriz T con respecto a las
bases canónicas α = {1, x, x2 } y la base canónica de R3 a saber β = {(1, 0, 0) ; (0, 1, 0) ; (0, 0, 1)}, suponiendo
que:
T (1 + x − x2 ) = (1, 0, 1) ; T (x2 − x) = (1, 1, −1) ; T (2 + x − 2x2 ) = (−1, 1, −2)

Solución: Consideremos las bases

α0 = {1 + x − x2 , x2 − x , 2 + x − 2x2 } ∧ β 0 = {(1, 0, 1) ; (1, 1, −1) ; (−1, 1, −2)}

por lo tanto
   
0
1 1 −1 1 0 2
[T ]βα0 = I3 ; [I]ββ 0 =  0 1 1  ; [I]α
α0 =  0 −1 1 
1 −1 −2 −1 1 −2

Luego, [T ]βα = [I]ββ 0 · ([I]αα0 )−1 , por lo tanto

   −1  
1 1 −1 1 0 2 2 3 4
[T ]βα =  0 1 1 · 0 −1 1  =  1 −1 0 
1 −1 −2 −1 1 −2 0 4 3

31
Ejercicio 3 Sea T : R3 → R3 , denida por T (x, y, z) = (−2x + y, 3z). Calcular la matriz de transformación:
(a) Respecto a las bases canónicas.
(b) Respecto a las bases α0 = {(1, 2, −1) ; (0, 1, 0) ; (3, 1, 1)} y β 0 = {(0, 2) ; (−1, 1)}
(c) Respecto de las bases α00 = {(1, 1, 1) ; (0, 1, 0) ; (0, 0, 1)} y β 00 = {(−1, 3) ; (1, 0)}

Solución:
(a) Sabemos que:

T (1, 0, 0) = (−2, 0) = −2e1 + 0 · e2  

−2 1 0
T (0, 1, 0) = (1, 0) = e1 + 0 · e2 ∴ [T ]βα =
0 0 3
T (0, 0, 1) = (0, 3) = 0 · e1 + 3e3

(b) En este caso es posible utilizar la relación:

0 0
[T ]βα0 = [I]ββ · [T ]βα · [I]α
α0

donde  
1 0 3  
0 −1
[I]α
α0 = 2 1 1  ; [I]ββ 0 =
2 1
−1 0 1
por lo tanto
 
−1     1 0 3  
0
 1/2 1/2 −2 1 0 −3/2 1/2 −1
[T ]βα0 = [I]ββ 0 · [T ]βα · [I]α
α0 = · · 2 1 1  =
−1 0 0 0 3 0 −1 5
−1 0 1

(c) Análogamente al problema (b) se tiene que:

00 00
[T ]βα00 = [I]ββ · [T ]βα · [I]α
α00

donde  
1 0 0  
−1 1
[I]α
α00 =  1 1 0  ; [I]ββ 00 =
3 0
1 0 1
por lo tanto,  
 −1   1 0 0  
00 −1 1 −2 1 0 1 0 1
[T ]βα00 = · · 1 1 0  =
3 0 0 0 3 0 1 1
1 0 1

Ejercicio 4 Sea T : R2 → R3 una transformación lineal denida por

T (x, y) = (2x − y, x + y, 2y − x)

(a) Determinar la matriz [T ]βα con α y β bases canónicas de R2 y R3 respectivamente. Calcular T (3, 1/2).
(b) Dar base, y la dimensión de Ker(T ) y de Img(T ).
(c) Determine la matriz de transformación con respecto a las bases

α0 = {(2, 1) ; (0, 3)} y β 0 = {(1, 1, 1) ; (2, 0, 1) ; (0, 0, 2)}

32
Solución:
(a) Observe que T (1, 0) = (2, 1, −1) y T (0, 1) = (−1, 1, 2), esto implica que:
 
2 −1
[T ]βα =  1 1 
−1 2

Luego,    
2 −1   11/2
3
T (3, 1/2) =  1 1 · =  7/2 
1/2
−1 2 −2

(b) Para determinar el ker(T ) reslvemos el sistema

T (x, y) = (2x − y, x + y, 2y − x) = (0, 0) =⇒ sistema compatible

por lo tanto ker(T ) = {~0}. Luego, como

dim (Img(T )) = 2 − dim (ker(T )) = 2

se obtiene que:
Img(T ) = h(2, 1, −1) ; (−1, 1, 2)i

(c) En este caso, sabemos que:

0 0
[T ]βα0 = [I]ββ · [T ]βα · [I]α
α0

donde  
1 2 0  
2 0
[I]ββ 0 = 1 0 0  : [I]α
α0 = 1 3
1 1 2
por lo tanto  −1    
1 2 0 2 −1   3 3
0 2 0
[T ]βα0 = 1 0 0  · 1 1 · =  0 −3 
1 3
1 1 2 −1 2 − 23 3

Ejercicio 5 El producto vectorial de dos vectores ~u = (u , u , u ) y ~x = (x, y, z) de R

1 2 3
3
está denido por
~u × ~x = (u2 z − u3 y, u3 x − u1 z, u1 y − u2 x) (1)
Si jamos el vector ~u = (1, 2, 3) y denimos por T = ~u × ~x, entonces T : R3 −→ R3
(a) Demuestre que T es una transformación lineal.
(b) Encuentre la representación matricial de la transformación T en la base canónica de R3 .
(c) Obtenga la dim(ker(T )) y dim(Img(T )).

33
 Solución: Dado ~u = (1, 2, 3) tenemos
T (~x) = (2z − 3y, 3x − z, y − 2x)

a) Sean ~v = (v1 , v2 , v3 ) y w
~ = (w1 , w2 , w3 ) dos vectores en R3 , entonces

~v + λw
~ = (v1 + λw1 , v2 + λw2 , v3 + λw3 )

Entonces
T (~v + λw)
~ = T (v1 + λw1 , v2 + λw2 , v3 + λw3 )
= (2(v3 + λw3 ) − 3(v2 + λw2 ), 3(v1 + λw1 ) − (v3 + λw3 ), (v2 + λw2 ) − 2(v1 + λw1 ))
= (2v3 − 3v2 , 3v1 − v3 , v2 − 2v1 ) + λ(2w3 − 3w2 , 3w1 − w3 , w2 − 2w1 )
= T (~u) + λT (~v )

b) Si denimos la base E = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} entonces tenemos que calcular [T ]E
E.
     
[T (1, 0, 0)]E [(0, 3, −2)]E 0 −3 −2
[T ]E
E =  [T (0, 1, 0)]E
 =  [(−3, 0, 1)]E
 =  −3 0 1 
[T (0, 0, 1)]E [(2, −1, 0)]E 2 1 0

c)
ker(T ) = {~x ∈ R3 |T (~x) = ~0R3 }
= {(x, y, z) ∈ R3 |(2z − 3y, 3x − z, y − 2x) = (0, 0, 0)}
= {(x, y, z) ∈ R3 |2z = 3y; 3x = z; y = 2x}
= {(x, 2x, 3x) ∈ R3 }
= h{(1, 2, 3)}i

Por lo tanto, como el vector (1, 2, 3) genera a ker(T ) y además es linealmente independiente, entonces
dim(ker(T )) = 1. Notamos que el kernel del producto vectorial es la recta generada por el vector
(1, 2, 3).

Para la dimensión de la Imagen podemos usar el Teorema de la dimension y obtener que dim(Img(T )) =
dim(R3 ) − dim(ker(T )) = 3 − 1 = 2, o podemos hacer lo siguiente,

Img(T ) = {T (~x) ∈ R3 |~x ∈ R3 }

= {(2z − 3y, 3x − z, y − 2x) ∈ R3 }
= {x(0, 3, −2) + y(−3, 0, −2) + z(2, −1, 0) ∈ R3 }
= h{(0, 3, −2), (−3, 0, −2), (2, −1, 0)}i

Este conjunto de vectores genera a Img(T ) pero no son linealmente independientes, así que debemos
sacar un vector y darnos cuenta que con 2 vectores se genera a Img(T ) y además es un conujunto
linealmente independiente, así dim(Img(T )) = 2
Ejercicio 6 Sea el conjunto B ⊆ R 3
y a un parámetro real:
*     +
2 2 a
B = 0 , −2 , 0
3 −a a

34
 (a) Calcule el(los) valor(es) de a tal que B sea una base de R3 .
 
1
(b) Para a = 1, calcule las coordenadas del vector 1 en la base B .
1
(c) Sea T : R3 → R3 una transformación lineal cuya matriz representante con respecto a las base canónica y
B es:  
2 3 1
A =  −1 4 1 
1 0 −1
 
1
Calcule T 2.
3

Solución:
(a) Para que sea una base, los 3 vectores deben ser linealmente independientes. Una condición es que el
determinante sea distinto de 0.
 
 2 2 a   
 = −2  2 a 
  
|A| =  0 −2 0  3 = 2a
 a 
 3 −a a 

Luego para a 6= 0 el conjunto B es una base de R3 .

(b) Para encontrar las coordenadas debemos calcular la solución del sistema con matriz extendida:
     
2 2 1 1 2 2 1 1 2 2 1 1
 0 −2 0 1  →  0 −2 0 1  →  0 −2 0 1 
3 −1 1 1 0 −8 −1 −1 0 0 −1 −4

Luego las solución es z = 4, y = −1/2, x = −1.

(c) La matriz A entrega las coordenadas en la base B . Luego calculamos las coordenas de la imagen del
vector.     
2 3 1 1 11
 −1 4 1  2 =  10 
1 0 −1 3 −2
Lo que implica:          
1 2 2 1 40
T 2 = 11 0 + 10 −2 + −2 0 = −20
3 3 −1 1 21

Ejercicio 7 Sea la función T : R 3

→ M2×2 tal que
 
x  
x + 2y + 3z y+z
T y  =
x + 3y + 4z x + y + 2z
z
(i) Calcule la matriz representante de T con respecto a las bases canónicas de R3 y M2×2 .
(ii) Encuentre una base y la dimensión del Ker(T ).
(iii) Encuentre una base y la dimensión de Im(T ).

35
Solución:
(i) Calculamos la imagen para la base canónica de R3 .
     
1 0 2 1 3 1
T (1, 0, 0) = ; T (0, 1, 0) = ; T (0, 0, 1) =
1 1 3 1 4 2

Luego la matriz representante es  

1 2 3
0 1 1
 
1 3 4
1 1 2

(ii) Usando la matriz representante calculamos el Ker(T ).

     
1 2 3 0 1 2 3 0 1 2 3 0
0 1 1 0 0 1 1 0 0 1 1 0
 → → 
1 3 4 0 0 1 1 0 0 0 0 0
1 1 2 0 0 −1 −1 0 0 0 0 0

De donde se obtiene que (x, y, z) ∈ Ker(T ) si y = −z y x = −z , luego Ker(T ) = h(−1, −1, 1)i y por lo
tanto tiene dimensión 1.
(iii) La imagen esta generadad por las 
columnas
 de
 la matriz
 representante. Usando la parte anterior podemos
1 0 2 1
ver que una base de la imagen es , y por lo tanto tiene dimensón 2.
1 1 3 1

Ejercicio 8 Sea T : R 4
→ R3 tal que:
 
x  
y  x+y+z
z  = y + z + w
T   
w+x+y
w

(a) Calcule una base del Ker(T ).

(b) Calcule una base de Im(T ).
(c) ¾Es T inyectiva?. ¾Es T sobreyectiva?. Justique.

Solución:
(a) Para calcular el Ker(T ) debemos buscar los vectores x tal que T (x) = 0, es decir la solución al sistema:
   
1 1 1 0 0 1 1 1 0 0
 0 1 1 1 0 → 0 1 1 1 0 
1 1 0 1 0 0 0 −1 1 0

De la tercera ecuación se deduce z = w, de la segunda y = −2w y de la primera x = w. Por lo que el

Ker(T ) esta generado por el vector (1, −2, 1, 1).

36
 (b) La imagen esta generada por las columnas de la matriz del problema anterior. Del escalonamiento se
puede deducir que de ellos, 3 son l.i, por lo que una base de la imagen es el conjunto:
     
 1 1 1 
0 , 1 , 1
1 1 0
 

(c) T no es inyectiva porque Ker(T ) 6= {0} [0,3 pto]. T es sobreyectiva porque la dimensión de la imagnes es
3 que es la misma dimensión del espacio de llegada R3 [0,4 pto].
Ejercicio 9 Sea T : R 3
→ R3 tal que:
   
x x + 2y + 3z
T y  =  x − y + 2z 
z 4x + y − 3z

(a) Calcule la matriz representante de T con respecto a la base canónica de R3 .

(b) Calcule
  la  matriz
  representante
 de T con respecto a las base
 1 1 1 
0 , 1 , 1 de R3 .
0 0 1
 

Solución:
(a) Calculamos la imagen de los vectores canónicos:
           
1 1 0 2 0 3
T 0 = 1 ; T 1 = −1 ; T 0 =  2 
0 4 0 −3 1 −3

Como en al base canónica las coordenadas son igual al vector se tiene que la matriz representante es :
 
1 2 3
1 −1 2
4 −3 −3

(b) Calculamos la imagen de los vectores de la base y los escribimos como combinación lineal de la base:
         
1 1 1 1 1
T 0 = 1 = 0 0 − 3 1 + 4 1
0 4 0 0 1
         
1 3 1 1 1
T 1 = 0 = 3 0 − 5 1 + 5 1
0 5 0 0 1
         
1 6 1 1 1
T 1 = 2 = 4 0 + 0 1 + 2 1
1 2 0 0 1
Por lo que la matriz representante es :  
0 3 4
−3 −5 0
4 5 2

37
Ejercicio 10 Sea la función T : R 4
→ R3 tal que
 
a  
b a + 2b + c
T c  = 2a + 4b + c + 3d
  
−a − 2b − d
d

(a) Encuentre una base y la dimensión del Ker(T ).

(b) Encuentre una base y la dimensión de Im(T ).

Solución:
(a) Para clacular el Ker(T ) debemos encontrar todos los vectores x ∈ R4 tal que T (x) = 0, es decir tal que:
 
a      
b 0 a + 2b + c 0
T  = 0 =⇒ 2a + 4b + c + 3d = 0
c
0 −a − 2b − d 0
d

Lo que es equivalente a resolver el sistema con matriz extendida:

     
1 2 1 0 0 1 2 1 0 0 1 2 1 0 0
2 4 1 3 0 → 0 0 −1 3 0 → 0 0 −1 3 0
−1 −2 0 −1 0 0 0 1 −1 0 0 0 0 2 0

Lo que
  implica d = 0, c = 0 y x = −2y con y variable libre. Luego el Ker(T ) esta generado por el vector
−2
1
  lo que implica que tiene dimensión 1.
0
0
(b) Todo elemento de la imagen se puede escribir como:
         
a + 2b + c 1 2 1 0
2a + 4b + c + 3d = a  2  + b  4  + c 1 + d  3 
−a − 2b − d −1 −2 0 −1

Es decir, esta generado por estos 4 vectores. De la parte anterior podemos ver que solo 3 de ellos son
linealmente independientes, or lo que una base de Im(T ) es el conjunto.
     
 1 1 0 
 2  , 1 ,  3 
−1 0 −1
 

Por lo que la imagen tiene dimesión 3.

  
2 0
Ejercicio
   
11 Sea T : R2 → R3 lineal tal que T 11 =  2  y T −1 1
=  2 .
0 −2
 
    x+y
x x
(a) Pruebe que para todo ∈ R2 se tiene que T =  2y .
y y
x−y

38
 (b) Calcule la matriz representante de T respecto a las bases canónicas.
(c) Calcule la matriz representante de T respecto a la base canónica en R2 y la base
     
 1 0 0 
 1  ,  1  ,  1  en R3 .
0 −1 0
 

Solución:
 
x
(a) Sea ∈ R2 . Se tiene que:
y      
x x+y 1 y − x −1
= +
y 2 1 2 1

Si aplicamos T tenemos que:

      
x x+y 1 y − x −1
T = T +
y 2 1 2 1
   
x+y 1 y−x −1
= T + T
2 1 2 1
     
2 0 x+y
x+y   y−x  
= 2 + 2 = 2y 
2 2
0 −2 x−y

(b) Calculamos la imagen de los elementos de la base canónica:

   
  1   1
1 0
T = 0 ; T = 2 
0 1
1 −1

Luego la matriz rerpresentante es:  

1 1
0 2
1 −1

(c) En este caso debemos calcular las coordenadas de la imagen en la base de llegada:
       
  1 1 0 0
1
T = 0 = 1  1  − 1  1  + 0  1 
0
1 0 −1 0
       
  1 1 0 0
0
T =  2  = 1 1  + 1 1  + 0 1 
1
−1 0 −1 0
Luego la matriz rerpresentante es:  
1 1
−1 1
0 0

39
3. Diagonalización

Supongamos que V es un espacio vectorial sobre R de dimensión nita n ∈ N, T : V → V una transformación

lineal y α = {~v1 , ~v2 , . . . , ~vn } una base del espacio V , tal que [T ]αα es una matriz diagonal, es decir:
  
T (~v1 ) = a11 v~1 + 0 · ~v2 + ... + 0 · ~vn 
 a11 0 ... 0
T (~v2 ) = 0 · v~1 + a22 · ~v2 + ... + 0 · ~vn  0 a22 ... 0

 
.. .. .. .. =⇒ [T ]α =  . .. .. ..
 
. . . .
α
 .. . . .


 

T (~vn ) = 0 · v~1 + 0 · ~v2 + ... + ann · ~vn 0 0 ... ann


Esto implica que todo elemento que sea parte de este comportamiento debe satisfacer la relación
T (~vi ) = aii · ~vii (i = 1, . . . , n)

Analicemos lo anterior. Si V es un espacio vectorial sobre R de dimensión n ∈ N, y T : V → V una

transformación lineal, tal que T (~v ) = λ · ~v para algún λ ∈ R entonces:
• Si ~v = ~0V , entonces T (~0) = λ · ~0 = ~0, λ puede ser cualquier escalar.
• Si ~v 6= ~0V , entonces:

T (~v ) = λ · ~v ⇐⇒ T (~v ) − λ · ~v = 0
⇐⇒ (T − λ · 1V ) · (~v ) = 0 (Sistema lineal)

Como ~v 6= ~0V entonces dim (Ker(T − λ · 1V )) ≥ 1 lo cual implica que Ker(T − λ · 1V ) 6= ~0V por lo tanto
det(T − λ · 1V ) = 0.

Denición 16.
Sea V un espacio vectorial sobre R de dimensión n ∈ N, y T : V → V una transformación lineal. Diremos
que ~v es un vector propio de T si,
(1) ~v 6= ~0V .
(2) (∃ λ , λ ∈ R) tal que T (~v ) = λ · ~v .

donde λ, se denomina valor propio asociado al vector propio de v .

Denición 17.
Llamaremos polinomio caracteristico de T al polinomio
(para cualquier base α de T )
α
p(λ) = det ([T − λ · 1V ]α )

de forma equivalente diremos que ~v es un vector propio de T si ∃ λ0 ∈ R, tal que

α
p(λ0 ) = det ([T − λ0 · 1V ]α ) = 0

40
 Teorema 12.
Sea V un espacio vectorial sobre R de dimensión n ∈ N y T : V → V una transformación lienal entonces para
cada λ ∈ R
Vλ = {~v ∈ V / T (~v } = λ · ~v } ≤ V

Demostración: Observe que:

(1) ~0V ∈ V ∧ T (~0V ) = λ · ~0V . Así que ~0V ∈ V , y Vλ 6= ∅
(2) Si ~u1 , ~u2 ∈ V ∧ k ∈ R, entonces:

~u1 ∈ Vλ ⇐⇒ T (~u1 ) = λ · ~u1
=⇒ T (~u1 + k · ~u2 ) = λ · (~u1 + k · ~u2 )
~u2 ∈ Vλ ⇐⇒ T (~u2 ) = λ · ~u2
por lo tanto Vλ ≤ V .

Denición 18.
Vλ se denomina espacio propio asociado al valor propio λ.

Ejemplo # 21 Sea T : R3 → R3 una transformación lineal dada por

   
x 5x − y + 3z
T  y  =  −6x + 4y − 6z 
z −6x + 2y − 4z
Determinar los valores propios de T y los espacios propios asociados.

Solución: Si consideramos las bases canónicas de R3 , entonces:

 
5 −1 3
E
[T ]E =  −6 4 −6 
−6 2 −4
determinamos el polinomio característico dado por:
 
 5−λ −1 3 
p(λ) = det [T ]E  = (λ − 2)2 · (1 − λ)

 
E − λ · I3 =  −6 4−λ −6 
 −6 2 −4 − λ 

Determinamos el espacio propio asociado a λ = 1. Es decir:

Vλ=1 = ~v ∈ R3 / T (~v ) = 1 · ~v


Calculamos la base del espacio resolviendo el sistema ampliado

1
   
4 −1 3 0 1 0 0
2
 −6 3 −6 0  ∼  0 1 −1 0 
−6 2 −5 0 0 0 0 0

41
por lo tanto,
− 12
* +

Vλ=1  1 
1
Luego, reemplazando por el valor propio λ = 2 se obtiene el espacio propio
Vλ=2 = {~v ∈ V / T (~v ) = 2 · ~v )

Calculamos su base resolviendo el sistema

− 13
   
3 −1 3 0 1 1 0
 −6 2 −6 0  ∼  0 0 0 0 
−6 2 −6 0 0 0 0 0

por lo tanto,
* 1
 

3 −1 +
Vλ=2  1 ; 0 
0 1
Resumiendo:

Los valores propios son 1 y 2, y los espacios propios asociados son:

 
1
• Vλ=1 = − , 1, 1 , con dimVλ=1 = 1.
2
  
1
• Vλ=2 = , 1, 0 ; (−1, 0, 1) , con dimVλ=2 = 2.
3
    
1 1
Supongamos que β = − , 1, 1 ; , 1, 0 ; (−1, 0, 1) es una base de R3 , entonces:
2 3
 
1 0 0
[T ]ββ =  0 2 0  (Matriz Diagonal)
0 0 2

Denición 19.
Sea A = [T ]αα , donde α es una base cualquiera de V , entonces A es diagonalizable si y sólo si existe una base β
de vectores propios de V , tal que:
β β
−1
A = [T ]α α β α β
α = [I]β · [T ]β · [I]α = [I]β · [T ]β · [I]α

donde, [T ]ββ es una matriz diagonal.

Observación: La mayoria de los textos denotan a [I]αβ = P como la matriz de los vectores propios y D = [T ]ββ
la matriz de paso en forma diagonal, entonces:
β
−1
A = [I]α β
β · [T ]β · [I]α = P · D · P −1

42
Ejercicios resueltos

Ejercicio 1 Determine para que valores de α la matriz

 
1 −1 −2 − α
A= 0 −1 α  es diagonalizable
0 0 1

Solución: Calculamos el polinomio caracteristico P (m) = det(A − mI) = −(1 − m)2 (1 + m). Luego, para
m = 1 se cumple que:    
0 −1 −2 − α 0 0 −1 −2 − α 0
α
 0 −2 α 0 ∼ 0 −1 2 0 
0 0 0 0 0 0 0 0
4
De lo anterior podemos concluir que la matriz es diagonalizable si α = − .
3
Ejercicio 2 Sea la matriz:
 
1 3 3
A = 3 1 3
3 3 1

1. Pruebe que el polinomio característico de A es (2 + λ)2 (7 − λ).

2. Calcule los espacios propios asociados a cada valor propio.

Solución:
1. Primero debemos calcular el polinomio característico:
     
 1−λ 3 3   1−λ 3 3   1−λ 3 4 − λ 
 F −F 
 C3=
 +C1 

 3
 1−λ 3  3= 1  3 1−λ 3   3 1−λ 6  =
 3 3 1−λ   2+λ 0 −2 − λ   2+λ 0 0 
 
 3 4 − λ 
(2 + λ)  = (2 + λ)[18 − (4 − λ)(1 − λ)] = (2 + λ)(18 − 4 + 5λ − λ2 ) =
1−λ 6 
= (2 + λ)(14 + 5λ − λ2 ) = (2 + λ)2 (7 − λ)
Luego los valores propios son −2 y 7.
2. Calculemos el espacio propio asociado a 7. Esto es Ker(A − 7I) que es la solución al sistema:
     
−6 3 3 0 −6 3 3 0 −6 3 3 0
2F2 +F1 ;2F3 +F 1 F3 +F 2
 3 −6 3 0  →  0 −9 9 0  →  0 −9 9 0 
3 3 −6 0 0 9 −9 0 0 0 0 0
 
1
De donde se obtiene que y = z y x = z , luego 1 es un vector propio.
1
Calculemos el espacio propio asociado a −2. Esto es Ker(A + 2I) que es la solución al sistema:
   
3 3 3 0 3 3 3 0
F2 −F1 ;F3 −F 1
 3 3 3 0  →  0 0 0 0 
3 3 3 0 0 0 0 0

43
    
 −1 1 
De donde se obtiene que x = −y −z , luego una base de vectores propios es el conjunto  1  , −1 .
0 0
 
 
1 2 1
Ejercicio 3 Sea A =  2 0 −2 . Determine:
−1 2 3
(a) El polinomio característico de A
(b) Los valores y vectores propios de A.
(c) Si A es diagonalizable.

Solución:
 
1−λ 2 1
(a) Se tiene que A − λI =  2 −λ −2 
−1 2 3−λ
 
 1−λ 2 1       
   −λ −2   2 −2   2 −λ 
 2 −λ −2  = (1 − λ) ·  − 2 ·  +

 −1
 2 3−λ   −1 3 − λ   −1 2 
2 3−λ 
= (1 − λ) · (λ(λ − 3) + 4) − 2 · (2(3 − λ) − 2) + (4 − λ)
= (1 − λ) · (λ2 − 3λ + 4) + (2λ − 8) + (4 − λ)
= (1 − λ) · (λ2 − 3λ + 4) + (λ − 4)
= (λ2 − 3λ + 4) + (λ − 4) − (λ3 − 3λ2 + 4λ) ·
= −λ3 + 4λ2 − 4λ
= −λ(λ − 2)2 .

(b) El polinomio característico de A es pA (λ) = −λ(λ − 2)2 y por tanto los valores propios son λ = 0 y λ = 2
con multiplicidades algebraicas 1 y 2 respectivamente.

Para λ = 0:
   
1 2 1 0 1 2 1 0  
1 2 1 0
 2 0 −2 0  −→  0 −4 −4 0  −→
0 1 1 0
−1 2 3 0 0 4 4 0
 
 1 
El espacio propio es entonces  −1 
1
 

Para λ = 2:
 
−1 2 1 0  
 2 −2 −2 1 2 1 0
0  −→
0 2 0 0
−1 2 1 0
 
 −1 
El espacio propio es entonces  0 
1
 

44
(c) Como la multiplicidad geométrica de λ = 2 es 1 que es menor que la multiplicidad algebraica (falta 1 vector
propio) la matriz no es diagonalizable.
Ejercicio 4 Sea la matriz:
 
5 4 2
A = 4 5 2
2 2 2

(a) Pruebe que el polinomio característico de A es −(x − 1)2 (x − 10).

(b) Calcule los espacios propios asociados a cada valor propio de A.

Solución:
(a)      
 5−x 4 2   1−x x−1 0   1−x 0 0 
 F −F  C +C 
 4
 5 − x 2  2= 1  4 5−x 2  1= 2  4 9−x 2 
 2 2 2−x   2 2 2−x   2 4 2−x 
 
 9−x 2  = (1 − x)[(x2 − 11x + 18) − 8] = (1 − x)(x2 − 11x + 10) = −(x − 1)2 (x − 10)

= (1 − x) 
4 2−x 
Por lo tanto los valores propios son 1 y 10. Calculemos los espacios propios asociados a cada valor propio:
(b) Para x1 = 1 tenemos que calcular Ker(A − I) es decir:
   
4 4 2 0 4 4 2 0
 4 4 2 0 → 0 0 0 0 
2 2 1 0 0 0 0 0

Por lo tanto (x, y, z) ∈ Ker(A − I) si y sólo si z = −2x − 2y . Luego una base es {(1, 0, −2), (0, 1, −2)}.
Para x2 = 10 tenemos que calcular Ker(A − 10I) es decir:
    
−5 4 2 0 −5 4 2 0 −5 4 2 0
 4 −5 2 0 → 0 −9/5 18/5 0   0 −9/5 18/5 0 
2 2 −8 0 0 18/5 −36/5 0 0 0 0 0

Por lo tanto (x, y, z) ∈ Ker(A − 10I) si y sólo si y = 2z y x = 2z . Luego una base es {(2, 2, 1)}.
Ejercicio 5 Sea la siguiente matriz:  
−4 1 5
A =  −6 3 5 
2 1 −1

(a) Pruebe que el polinomio caracteristico de A es (2 − λ)2 (6 + λ).

(b) Calcule el espacio propio asociado al valor propio 2. ¾Es A diagonalizable?, Justique.

45
Solución:
(a) Calculemos primero sus valores propios:
     
 −4 − λ 1 5   2 − λ −2 + λ 0   2−λ 0 0 
     
 −6 3−λ 5  =  −6 3−λ 5  =  −6 −3 − λ 5
    =
 
 2 1 −1 − λ   2 1 −1 − λ   2 3 −1 − λ 
 
 −3 − λ 5  = (2 − λ)[(λ + 3)(λ + 1) − 15] = (2 − λ)[λ2 + 4λ − 12] = (2 − λ)2 (6 + λ)

(2 − λ) 
3 −1 − λ 

(b) Calculamos el espacio propio asociado a 2, que corresponde al Ker(A − 2I):

   
−6 1 5 | 0 −6 1 5 | 0
 −6 1 5 | 0 → 0 0 0 | 0 →
2 1 −3 | 0 0 4 −4 | 0

De donde se obtiene
  que y = z y 6x = y + 5z lo que implica que x = z de donde se deduce que
1
Ker(A − 2I) = h1i.
1
Luego el valor propio 2 tiene multiplicidad geometrica 1, que es distinta a su multiplicidad algebraica lo
que implica que la matriz A no es diagonalizable.
Ejercicio 6 Sea la matriz:  
−5 −6 8 0
 −7 3 7 0 
A=
 −2

−6 5 0 
0 0 0 2

(a) Pruebe que el polinomio caracteristico de A es (λ − 3)2 (λ + 3)(λ − 2).

(b) Calcule el espacio propio asociado a los valores propios 3 y -3 . ¾Es A diagonalizable?, Justique.

Solución:
(a) Calculamos el polinomio caracteristico:
 
 −5 − λ −6 8 0   
  −5 − λ −6 8 
 −7 3−λ 7 0  8 

 = (2 − λ)(−1 )  −7 3−λ 7  =

 −2 −6 5 − λ 0
   −2 −6 5 − λ 
 0 0 0 2−λ 
   
 3−λ −6 8   3−λ −6 8 
  
= (2 − λ)  0
 3−λ 7  = (2 − λ)  0
  3−λ 7 

 3−λ −6 5−λ   0 0 −3 − λ 
= (λ − 3)2 (λ + 3)(λ − 2)

46
 (b) Calculamos el espacio propio asociado al valor propio 2.
     
−7 −6 8 0 0 −7 −6 8 0 0 −7 −6 8 0 0
 −7 1 7 0 0   0 7 −1 0 0   0 7 −1 0 0 
 → → 
 −2 −6 3 0 0   0 −28 5 0 0   0 0 1 0 0 
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
De donde
 se deduce que , z = y = x = 0 y w variable libre. Luego el espacio propio esta generado por el
0
0
0.
vector  

1
Calculamos el espacio propio asociado al valor propio 3.
     
−8 −6 8 0 0 −8 −6 8 0 0 −8 −6 8 0 0
 −7 0 7 0 0   0 48 0 0 0   0 48 0 0 0 
 → → 
 −2 −6 2 0 0   0 −18 0 0 0   0 0 0 0 0 
0 0 0 −1 0 0 0 0 −1 0 0 0 0 −1 0
De donde se deduce
  que w = 0, y = 0 y x = z con z variable libre. Luego el espacio propio esta generado
1
0
1.
por el vector  

0
Del último cálculo deducimos que el 3 tiene multiplicidad geométrica 1, que es menor a sus multiplicidad
algebraica por lo que la matriz no es diagonalizable.
Ejercicio 7 Sea la siguiente matriz:
a a2
 
2
A= 0 3 1 
0 1 3
(a) Pruebe que el polinomio característico de A es −(x − 2)2 (x − 4).
(b) Para que valor(es) de a la matriz A es diagonalizable.

Solución:
(a) Usando las propiedades:
 
 2−x a a2   
 = (2 − x)  3 − x 1 
= (2 − x)[(3 − x)2 − 1] =
  
 0 3 − x 1
   1 3−x 
 0 1 3−x 

= (2 − x)[x2 − 6x + 8] = −(x − 2)2 (x − 4)

(b) Para que sea diagonalizable el espacio propio asociado al 2 debe tener dimensión 2. Calculemos el espacio
propio denido por Ker(A − 2I):

a2
 
0 a
0 1 1
0 1 1

Luego para que tenga dimensión 2, se debe tener que a = a2 , por lo tanto a ∈ {0, 1}.

47
Ejercicio 8 Sea T : R3 → R3 una transformación lineal cuya matriz representante con respecto a la base
canónica es:  
7 −2 −4
A =  3 0 −2 
6 −2 −3
(a) Calcule el polinomio característico de A y el espacio propio uno de sus valores propios.
(b) Calcule la matriz representante de A con respecto a la base
     
 1 0 2 
3 , −2 , 1
0 1 2
 

Solución:
(a) Calculamos el polinomio característico:
     
 7 − x −2 −4   1 − x 0 −1 + x   1−x 0 0 
 F1 →F 1 −F3   C3 →C3 +C1 
    
 3
 −x −2  =  3 −x −2  =  3 −x 1 

 6 −2 −3 − x   6 −2 −3 − x   6 −2 3−x 
 
 −x 1 
= (1 − x)  = (1 − x)[−3x + x2 + 2] = (1 − x)2 (2 − x)
−2 3 − x 
Calculamos el espacio propio asociado al valor propio 1:
   
6 −2 −4 6 −2 −4
3 −1 −2 → 0 0 0
6 −2 −4 0 0 0
Lo que implica que y = 3x − 2z con x, z variables libres. Luego el espacio propio del 1 es:
*1  0 +
 
E1 = 3 , −2
0 1
 

(b) Calculamos las imagenes de la base:

      
1 7 −2 −4 1 1
T 3 =  3 0 −2  3 = 3
0 6 −2 −3 0 0
      
0 7 −2 −4 0 0
T −2 =  3 0 −2  −2 = −2
1 6 −2 −3 1 1
      
2 7 −2 −4 2 4
T 1 =  3 0 −2  1 = 2
2 6 −2 −3 2 4
Por lo tanto, la matriz representante es:  
1 0 0
 0 1 0 
0 0 2

48