ESPACIO VECTORIAL

A un conjunto no vacio V provisto de unas relación de igualdad entre

elementos de V , de las operaciones de adición de elementos de V y
multiplicación de números reales por elementos de V , se llama Espacio
Vectorial sobre R si verifican las siguientes propiedades.

A los elementos de un Espacio Vectorial se les llama vectores

1.- ∀ ⃗x , ⃗y ∈ Rn :⃗x + ⃗y ∈ R n

2.- ∀ ⃗x , ⃗y ∈ Rn : ⃗x + ⃗y=⃗y +⃗x

3.- ∀ ⃗x , ⃗y , ⃗z ∈ Rn : ⃗x +( ⃗y + ⃗z )=(⃗x + ⃗y )+⃗z

⃗
4.- en V existe una única n-upla ó n- tupla denotada por 0=(0,0 ,… , 0),hay n

componentes (llamado vector cero ó vector nulo) tal que

∀ ⃗x ∈ R n : ⃗x + 0=
⃗ ⃗0+ ⃗x =⃗x

5.- ∀ ⃗x ∈ R n existe un único elemento en Rn denotado por −⃗x (llamado

inverso aditivo) tal que : ⃗x + (−⃗x )=−( ⃗x ) +⃗x =⃗0

6.- ∀ r ∈ R , ∀ ⃗x ∈ Rn :r ⃗x ∈ R n

7.- ∀ r ∈ R , ∀ ⃗x , ⃗y ∈ R n :r ( ⃗x +⃗y )=r ⃗x + r ⃗y

8.- ∀ r ,t ∈ R , ∀ ⃗x ∈ Rn : ( r +t ) ⃗x =r ⃗x +t ⃗x

9.- ∀ r ,t ∈ R , ∀ ⃗x ∈ Rn : ( rt ) ⃗x =r ( t ⃗x ) =t( r ⃗x )

10.- ∀ ⃗x ∈ R n :1 ⃗x =⃗x

Ejercicio:
Sea el conjunto V =¿ . se define:

( a , b )+ ( a1 ,b 1 )=( a a1 ,b b 1 ) y p ( a , b )=( a p , b p ) , p ∈ R

¿ V es un espacio vectorial? Justifique.

Observación:

i) ( a , b )+ ( 1,1 ) =( a ( 1 ) ,b (1) ) =( a , b )
1 1
Como a> 0 y b> 0 entonces existe a , b ∈ R por lo tanto:
+¿¿
ii)

( a , b )+ ( 1a , 1b )=( a( 1a ) , b ( 1b ))=( 1 ,1)

SUBESPACIOS

Sea W un subconjunto de un Espacio Vectorial V . W se denomina un

subespacio de V si es a su vez un espacio vectorial sobre R con respecto a las
operaciones de suma vectorial y la multiplicación de un escalar por un vector
de V .

TEOREMA.-

Supongamos que W es un subconjunto de un espacio vectorial V . Entonces

W es un subespacio de V si y solo si se cumple:

1.- 0⃗ ∈W

2.- W es cerrado bajo la suma de vectores, es decir:

∀ ⃗u , ⃗v ∈ W , u⃗ + ⃗v ∈ W

3.- W es cerrado bajo el producto por un escalar, es decir:

 ∀ r ∈ R , ∀ u⃗ ∈W ,r u⃗ ∈W

TEOREMA.-

W es un subespacio del espacio vectorial V si y solo si:

i) 0⃗ ∈W

ii) ∀ a , b ∈ R y ∀ u⃗ , ⃗v ∈W : a u⃗ + b ⃗v ∈W

Ejemplo:

Dado el conjunto S= {( x , y , z , u ) ∈ R4 talque : x−u=0 , 2 x + y=0 }

¿ S es un subespacio de R4 ?

Solución:

1.- ¿( 0,0,0,0 ) ∈ S ?

x= y =z=u=0 , reemplazando en x−u=0 , 2 x + y=0 se tiene:

0−0=0

2 ( 0 ) +0=0

Se cumple, por lo tanto ( 0,0,0,0 ) ∈ S

2.- Sea a , b ∈ R y ( x 1 , y 1 , z 1 , u1 ) , ( x 2 , y2 , z 2 , u2 ) ∈ S

Tenemos que demostrar que:

a ( x 1 , y 1 , z1 , u1 ) +b ( x 2 , y 2 , z 2 ,u 2 ) ∈ S

a ( x 1 , y 1 , z1 , u1 ) +b ( x 2 , y 2 , z 2 ,u 2 )=¿

( a x 1 +b x 2 , a y 1 +b y 2 , a z 1 +b z 2 , a u1 +b u 2)

Como: ( x 1 , y 1 , z 1 , u1 ) ∈ S → x 1−u1=0 ,2 x 1+ y 1 =0
 ( x 2 , y 2 , z2 , u2 ) ∈ S → x 2−u2 =0 ,2 x 2+ y 2=0

Veamos:

( a x 1 +b x 2 )−( au 1+b u 2 )=a ( x 1−u1 ) + b ( x2 −u2 )=a ( 0 ) +b ( 0 )=0

Entonces se tiene:

( a x 1 +b x 2 , a y 1 +b y 2 , a z 1 +b z 2 , a u1 +b u 2) ∈ S

Decimos que S es un subespacio de R4

Ejemplo:

Sea V el conjunto de las matrices de la forma −b a , con a , b ∈ R . ( a b)

¿ V es un subespacio?

Solución:

0 0
Si: a=b=0 → 0 0 ∈ V ( )
m n p q
Sea los escalares α , β ∈ R y A= −n m , B= −q p ( ) ( )
¿αA + βB ∈V ?

αA + βB=α m n + β p q = αm+ βp αn+ βq

−n m ( ) (
−q p −αn−βq )( αm+ βp )
Sea x=¿ αm+ βp , y=αn+ βq

αA + βB= (−xy yx )∈ V , esto nos indica que V es un subespacio.

Ejemplo.

Sea V = { ( a , b ) : a , b ∈ R } . se define:

( a , b )+ ( a1 ,b 1 )=( a a1 ,b b 1 ) y k ( a , b )=( ka , kb )

¿V es un espacio vectorial ?

COMBINACIONES LINEALES

v1 , ⃗
Sea V un espacio vectorial sobre R y ⃗ v n ∈ V . ∀ ⃗v ∈V de la forma:
v2 , … , ⃗

⃗v =a1 ⃗
v 1 +a 2 ⃗ v n ,donde a 1 , a2 , … , an ∈ R . se dice que el vector ⃗v es una
v 2 +…+ an ⃗

v1 , ⃗
combinación lineal de los vectores ⃗ v2 , … , ⃗
v n.

DEPENDENCIA E INDEPENDENCIA LINEAL

v1 , ⃗
Sea V un espacio vectorial sobre R . Se dice que los vectores ⃗ vn ∈ V
v2 , … , ⃗

son linealmente dependientes , se existen escalares a 1 , a2 , … , an ∈ R no todos

iguales a cero, tales que:

a1⃗
v 1 +a 2 ⃗
v 2+ …+an ⃗
an =⃗0

v1 , ⃗
En caso contrario se dice que los vectores ⃗ v2 , … , ⃗
vn son linealmente
independientes

BASES Y DIMENSION

Definición.-

Sea S= { ⃗
u1 ,⃗
u2 , … , ⃗
un } un subconjunto del espacio vectorial V , se dice que S es

una base de V si se verifican las dos condiciones:

i) u1 , u⃗2 , … , ⃗
⃗ un son linealmente independientes

ii) u1 , u⃗2 , … , ⃗
⃗ un generan el espacio vectorial V
Definición.-

Sea S= { ⃗
u1 ,⃗
u2 , … , ⃗
un } un subconjunto del espacio vectorial V , se dice que S es

una base de V si todo vector ⃗v ∈V se puede escribir de forma única como

combinación lineal de sus vectores . es decir:

⃗v =a1 ⃗
u1 +a2 ⃗
u2 +…+a n ⃗
un

Se dice que un espacio vectorial V es de dimensión finita n ó que es n−¿

dimensional ,denotado por dim V =n , si V tiene una base como

S= { ⃗
u1 ,⃗
u2 , … , ⃗
un } con n elementos .

TEOREMA.-

Sea V un espacio vectorial de dimensión finita . Entonces todas las bases de V

tienen el mismo número de elementos.

NOTA.

1.- B1={ i⃗ =( 1,0,0 ) , ⃗j =( 0,1,0 ) , ⃗k =(0,0,1) } es base estándar o canonica del espacio
vectorial R3

B 2= 1 0 , 0 1 , 0 0 , 0 0
{[ ] [ ] [ ] [ ]} es la base canonica del espacio vectorial de las
0 0 0 0 1 0 0 1

matrices de orden 2

2.- sea B= { ⃗
v 1 ,⃗
v2, … , ⃗
v n } una base del espacio vectorial de V , para todo

vector ⃗v ∈V , se puede expresar de forma única como una combinación lineal

de los elementos de la base de B. Es decir:

⃗v =a1 ⃗
v 1 +a 2 ⃗
v 2 +…+ an ⃗
vn
NOTA:
1.- Determine cuales de los siguientes subconjuntos de M 2 X 2 sobre R son
espacios vectoriales:
Con la suma y la multiplicacion por un escalar

W 1= a 0 tal que a , b ∈ R
{[ ]
0 b }
W 2 = a 1 tal que a , b ∈ R
{[ ]
1 b }
W 3 = a b talque a=d=b+ c , a , b , c ,d ∈ R
{[ ]
c d }
Observacion:
Para: W 1
0 0
i) [ ]
Si: a=b=0 → 0 0 ∈ W 1

a1 0 a 0 a +a 0
ii ¿ A + B=
[ ][ ][
0 b1
+ 2
0 b2
= 1 2
0 b1 +b2 ]
→ A +B ∈ W 1

ii) k [ a0 0b ]=[ ka0 kb0 ] ∈W 1

Por lo tanto W 1 es un subespacio vectorial

Para W 2
0 1 0 0
[ ][ ]
Sea a=b=0 → 1 0 ≠ 0 0 → W 2 no es un espacio vectorial.

Para W 3
0 0
Sea a=b=c=d =0 → 0 0 ∈ W 3 [ ]
[ b+cc b
b+c ]
∈W 3

Ejemplo:
Determinar cual de los siguientes subconjuntos es un subespacio del
espacio vectorial indicado.
1.−W 1={( x1 , x2 ) ∈ R 2 tal que v 1=( 1 , x2 ) , x 2 ∈ R }

sol:

sea x 2=0 →(1,0)≠(0,0)→∈ W 1 no es un subespacio

3 2 2 2
2.- W 2 ={( x 1 , x 2 , x 3 ) ∈ R / x 1 + x2 + x 3=k } k ∈ Z 0
+¿¿

SOL:
Debemos analizar dos casos :
Primer caso:
K entero positivo:
Sea x 1=x 2=x 3=0 → 02 +02 +02 ≠ k entonces W 2no es un subespacio.
Si k=0→ 02 +02 +02=k=0 es el subespacio trivial .

COORDENADAS

Sea V un espacio vectorial n-dimensional y S= { ⃗

u1 ,⃗
u2 , … , ⃗
un }

Una base de V . Cualquier vector ⃗v ∈V puede expresarse de forma unica

como combinacion lineal de los vectores de la base de S. Es decir
 ⃗v =a1 ⃗
u1 +a2 ⃗
u2 +…+a n ⃗
un

Estos n escalares a 1 , a2 , .., a n se denominan las coordenadas de ⃗v relativas a

la base S y forman la n-upla ( a 1 , a2 , .. ,a n ) llamado el vector coordenado de ⃗v
relativo a la base S. Se le denota por:

a1
[ ⃗v ]S =[ a1 , a2 ,.. , an ]
[]a
o’ [ ⃗v ]S = ⋮2
an

Ejemplo:

Sea S= { 1+ x , 1+ x 2 , x+ x2 } es una base del espacio vectorial de los polinomios de

grado ≤ 2 . determine el vector coordenado de :

p ( x ) =2−x + x 2 relativo a la base S.

Solucion:

p ( x ) =2−x + x 2=a ( 1+ x )+ b ( 1+ x 2) + c (x+ x 2 )

2−x + x 2=a+ b+ ( a+ c ) x +(b+c ) x 2

a+ b=2

a+ c=−1

b+ c=1

2 a+2 b+2 c=2 → a+b+ c=1→ a=0 , b=2, c=−1

Por lo tanto el vector coordenado de p ( x ) es:

0
[ p(x) ]S= 2
−1[]
MATRIZ DE CAMBIO DE BASE

Sea V un espacio vectorial y S= { ⃗

u1 ,⃗ un } , S ' ={ ⃗
u2 , … , ⃗ v1 , ⃗
v2 , … ⃗
vn }

Bases del espacio vectorial V . Entonces por ser S una base ,cada vector de
S ' puede escribirse de forma unica como combinacion lineal de los

elementos de S .como:

v1 =a11 ⃗
⃗ u1 +a12 ⃗
u2+ …+a 1n ⃗
un

v 2=a21 u⃗1+ a22 ⃗

⃗ u2 +…+ a2 n u⃗n

v n=an 1 ⃗
⃗ u1 + an 2 ⃗
u2+ …+a nn ⃗
un

A la transpueta de la matriz de coeficientes del sistema se le llama

matriz de cambio de base de S a S '

Denotemos por P a la transpuesta de la matriz

a11 a 21 ⋯ an 1

⋮
(
P= a12 a 22
⋮
a 1n a2 n
⋯ an 2
⋮ ⋮
⋯ ann
)
Esta matriz P recibe el nombre de matriz de cambio de base (o’ matriz de
transicion) de S a S '

NOTA:
 v1 , ⃗
Como los vectores ⃗ v2 , … , ⃗
v n son linealmente independientes la matriz P

es invertible.

Su inversa P−1 es la matriz de cambio de base de S ' a S

TEOREMA:

Sea V un espacio vectorial y S= { ⃗

u1 ,⃗ un } , S ' ={ ⃗
u2 , … , ⃗ v1 , ⃗
v2 , … ⃗
vn }

Bases del espacio vectorial V .

Sea P la matriz de cambio de base de S a S ' . ∀ ⃗v ∈V se tiene:

P [ ⃗v ] S ' =[ ⃗v ] S

Ejemplo:

Dada las bases S= {⃗

u1=( 1 ,−2 ) , ⃗
u2=(3 ,−4) } y

S' = {⃗ v 2=(3,8) } del espacio vectorial R2

v 1=( 1,3 ) , ⃗

i) Determine la matriz de cambio de base de S a S '

ii) Determine la matriz de cambio de base de S' a S
iii) Usando i) o ii) determine [ ⃗v ]S si ⃗v =(a , b)

SOLUCION:

i) Sea Pla matriz de cambio de base de S a S '

v1 =a ⃗
⃗ u1 +b ⃗
u2

v 2=c u⃗1+ d ⃗
⃗ u2

P= (ab dc )
v1 =( 1,3 )=a ( 1 ,−2 )+ b (3 ,−4 )=( a+3 b ,−2 a−4 b )
⃗

a+ 3b=1 →2 a+6 b=2 …(i)

−2 a−4 b=3 …(ii)

5 −13
Sumando se tiene: 2 b=5→ b= 2 en (i) a= 2

v 2=( 3,8 )=c ( 1 ,−2 ) +d ( 3 ,−4 ) =(c +3 d ,−2 c−4 d )

⃗

c +3 d=3 → 2 c+6 d=6 …(iii)

−2 c−4 d=8 …(iv)

Sumando 2 d=14 → d=7 en (iii) c=−18

−13

( )
−18
2
Por lo tanto la matriz P=
5
7
2

ii) Sea Q la matriz de cambio de base de S' a S

u1= (1 ,−2 )=a ( 1,3 ) +b ( 3,8 )=(a+3 b , 3 a+8 b)

⃗

a+ 3b=1 →3 a+ 9 b=3 …(m)

3 a+8 b=−2 … (n)

Restando (m) - (n) b=5 en ( m) a = -14

u2= (3 ,−4 )=(a+3 b , 3 a+ 8 b)

⃗

a+ 3b=3 → 3 a+9 b=9 ….(r)

3 a+8 b=−4 …(s)

 Restando (r) –(s) tenemos: b=13 en (r) a= -36

−14 −36
Por lo tanto tenemos: Q= 5 13
=P
−1
( )
−13

( )(
−18
−14 −36 2 1 0
QP=
5 ( 13 5
7
= )
0 1 )
2

iii) Recordar P [ ⃗v ] S ' =[ ⃗v ] S

Hallando [ ⃗v ]S '

⃗v =(a , b)=x ⃗
v 1+ b ⃗
v 2=x (1,3 )+ y ( 3,8 ) =(x +3 y ,3 x +8 y)

x +3 y=a → 3 x +9 y =3 a …(i)

3 x+ 8 y=b …(ii)

Restando tenemos : y=3 a−b en (i)

x +9 a−3 b=a→ x=−8 a+3 b

−13

( )
−18
[ ⃗v ]S =P [ ⃗v ] S ' = 2 a+3 b
(−83 a−b )
5
7
2

Ejercicio:

Sean S= {⃗
u1=( 1,2,0 ) , ⃗
u2=( 1,3,2 ) , u⃗3=( 0,1,3 ) } y

S' = {⃗
v 1=( 1,1,1 ) , ⃗ v 3=( 1,0,0 ) }bases del espacio vectorial R3 .
v 2=( 1,1,0 ) , ⃗

Determine :

i) La matriz de cambio de base de S a S '

 ii)La matriz de cambio de base de S' a S

iii) usando (i) halle : [ ⃗v ]S , sabiendo que :

⃗v =( 1,2,3 )

Solución:

Hallando la matriz de cambio de base de S a S '

v1 =( 1,1,1 )=a ( 1,2,0 ) +b ( 1,3,2 ) +c ( 0,1,3 )

⃗

( 1,1,1 )=( a+ b , 2 a+3 b+c , 2b+ 3 c )

a+ b=1

2 a+3 b+ c=1

2 b+3 c=1

Matricialmente se tiene:

1 1 0 1 1 1 0 1 1 1 0 1
( 2 3 1 1
0 2 3 1
→
)(
0 1 1 −1
0 2 3 1
→ 0 1 1 −1
0 0 1 3 )( )
1 1 0 1 1 0 0 5
( )(
0 1 0 −4 → 0 1 0 −4 → a=5 , b=−4 , c=3
0 0 1 3 0 0 1 3 )
v 2=( 1,1,0 )=( a+ b , 2a+ 3 b+c ,2 b+ 3 c )
⃗

a+ b=1 → 2a+ 2b=2 …(i)

2 a+3 b+ c=1 …(ii)

2 b+3 c=0 …(iii)

(ii) –(i)
b+ c=−1 →2 b+2 c=−2 …(iv)

(iii) – (iv)

c=2 en (iv)

b=−3 → a=4

v3 =( 1,0,0 )=( a+ b , 2 a+3 b+c , 2b+ 3 c )

⃗

a+ b=1 → 2a+ 2b=2 … (v)

2 a+3 b+ c=0 …(vi)

2 b+3 c=0 …(vii)

(vi) – (v)

b+ c=−2 →2 b+2 c=−4 …(viii)

(vii)-(viii)

c=4 en (viii)

b=−6 en (v)

a=7

5 4 7
Se tiene:
(
P= −4 −3 −6
3 2 4 )
Hallando Q la matriz de cambio de base de S' a S

u1= (1,2,0 )=a ( 1,1,1 ) +b ( 1,1,0 ) +c (1,0,0 )=( a+ b+c , a+b , a )

⃗

a+ b+c=1
a+ b=2

a=0

b=2 , c=−1

u2= (1,3,2 ) =( a+b+ c , a+ b , a )

⃗

a+ b+c=1

a+ b=3

a=2

b=1 , c=−2

u3= ( 0,1,3 )=( a+ b+c , a+b , a )

⃗

a+ b+c=0

a+ b=1

a=3

b=−2 →c =−1

0 2 3
La matriz Q= 2 1
(
−2
−1 −2 −1 )
5 4 7 0 2 3 1 0 0

3(
PQ= −4 −3 −6 2
2 )(
1 −2 = 0 1 0 =I
4 −1 −2 −1 0 0 1 )( )
TRANSFORMACIONES LINEALES

Sea U y V espacios vectoriales . una Aplicación o Transformación

T :V →U es una transformacion lineal (o aplicación lineal ) si satisface las

dos condiciones:

1. ∀ ⃗v , ⃗
w ∈V :T ( ⃗v + ⃗
w )=T ( ⃗v ) +T (⃗
w)

2.- ∀ ⃗v ∈V , ∀ k escalar :T ( k ⃗v )=kT ( ⃗v )

NOTA.

1. Si k =0, de (2) se tiene T ( 0⃗ )=⃗0 , esto nos indica que toda

Transformacion lineal envia el vector nulo al vector nulo

w ∈V
2.- para todo par de escalares a,b y para todo par de vectores u⃗ , ⃗

Se tiene:

T ( a ⃗v +b ⃗
w )=T ( a ⃗v )+ T ( b ⃗
w )=aT ( ⃗v ) +bT (⃗
w)

3.- la condicion T ( a ⃗v +b ⃗
w )=T ( a ⃗v )+ T ( b ⃗
w )=aT ( ⃗v ) +bT (⃗
w ) caracteriza

completamente las aplicaciones lineales y se utiliza a veces para definirla.

Ejemplo:

Sea T : R2 → R 3 , definida por : T ( x , y )=(x +1,2 y , x + y )

¿T es una transformacion lineal ?

 Solucion:

Si: x= y =0 →T ( 0,0 )=(1,0,0)≠ ⃗0 ,esto nos indica que T no es una

transformacion lineal.

Ejemplo:

Sea V el espacio vectorial de las matrices de orden n y M una matriz

arbitraria en V . Definase T :V →V mediante T ( A )=AM + MA

¿T es una transformacion lineal ?

Solucion:

Para todo par de matrices A , B ∈ V y ∀ k escalar tenemos:

T ( A )=AM + MA

T ( B )=BM + MB

Debemos demostrar T ( A+ B ) =T ( A ) +T (B)

T ( A+ B ) =( A + B ) M + M ( A +B )= AM + BM + MA + MB

T ( A+ B ) =AM + MA +BM + MB=T ( A ) +T (B)

Debemos demostrar T ( kA ) =kT (A )

T ( kA ) =( kA ) M + M ( kA )=k ( AM + MA )=kT ( A)

Por lo tanto T es una transformacion lineal

Ejemplo:

Sea T : R2 → R 2 , definida por : T ( x , y )=(x + y ,| y|) ¿T es lineal ?

 Solucion:

Si x= y =0 →T ( 0,0 )=(0,0) esto no me garantiza que T sea lineal

Sean los vectores ⃗v =( x , y ) , u⃗ =( z , w)

T ( ⃗v )=T ( x , y )=( x + y ,| y|)

T ( u⃗ )=T ( z , w ) ¿=( z + w ,|w|)

⃗v + u⃗ =¿

T ( ⃗v + ⃗u )=T ( x + z , y + w )=( x + z+ y+ w ,| y +w|) | y + w|≠| y|+|w| por lo

tanto T no es lineal .

TEOREMA:

v1 , ⃗
Sean V y U espacios vectoriales y { ⃗ v2 , … ⃗
v n } una base de V y ⃗
u1 , u⃗2 , … , ⃗
un

vectores cualesquiera en U . Existe una única transformacion lineal

T :V →U tal que:

T (⃗
v 1 )=⃗
u1 , T ( ⃗
v 2) =⃗
u2 , … ,T ( ⃗
v n ) =⃗
un

Ejemplo:

Sea T : R2 → R 2 una transformacion lineal talque:

T ( 1,2 )= ( 2,3 ) y T ( 0,1 )=(1,4)

Determine una expresion para T , es decir halle T (a , b)

Solucion:

Como los vectores ( 1,2 ) y (0,1) son L.I. entonces estos vectores constituyen
una base de R2 . Es decir { ( 1,2 ) ,(0,1) }. Para todo vector ⃗v ∈ R 2
Se expresa de forma única como una combinación lineal de los elementos de
la base . Es decir:

( a , b )=x ( 1,2 ) + y ( 0,1 )=( x , 2 x + y )

x=a …(i)

2 x+ y =b …(ii)

(i)En (ii) y=b−2 a

( a , b )=a ( 1,2 ) +(b−2 a) ( 0,1 )

T ( a ,b )=T ¿

T ( a ,b )=aT (1,2 ) + ( b−2 a ) T ( 0,1 )

T ( a ,b )=a ( 2,3 ) +(b−2 a)(1,4 )

T ( a ,b )=( 2 a+b−2 a , 3 a+4 b−8 a )=( b ,−5 a+ 4 b )

Ejercicio:

Sea T : R2 → R 3 una transformacion lineal tal que:

T ( 1,2 )= (3 ,−1,5 ) y T ( 0,1 )=( 2,1,−1)

Determine una expresion para T , es decir halle T (a , b)

NUCLEO E IMAGEN DE UNA TRANSFORMACION LINEAL

Definicion:
 Sea T :V →U una transformacion lineal . La imagen de T , denotado por:

ImT se define como:

ImT ={ ⃗u ∈U :T ( ⃗v )=⃗u , para algun ⃗v ∈V }

El núcleo de T , denotado por KerT , se define como:

KerT ={ ⃗v ∈V :T ( ⃗v )=0⃗ }

TEOREMA:

Sea T :V →U una transformacion lineal . la imagen de T es un subespacio

De U y el núcleo de T es un subespacio de V

NOTA:

v1 , ⃗
Supongamos que ⃗ v2 , … , ⃗
v n generan un espacio vectorial V y que:

T :V →U es lineal

Entonces T ( ⃗
v 1 ) ,T ( ⃗
v 2 ) , … ,T (⃗
v n) generan la ImT

Observación:

{ ( 1,0 ) , ( 0,1 ) } es una base del espacio vectorial R2

Los vectores ( 1,0 ) , ( 0,1 ) , ( 1,1 ) , (1,2 ) , … , ( 20,35 ) generan el espacio R2

TEOREMA.-

Sea V y U espacios vectoriales y T :V →U una transformacion lineal.

Entonces se cumple:

dim ( V )=dim ( ker T ) +dim ⁡(ImT )

NOTA.-
Sea T :V →U una trnsformacion lineal . se define:

Rango de T =dim ⁡( ImT ) y Nulidad de T =dim ⁡(kerT )

EJEMPLO:

Sea T : R 4 → R3 una transformacion lineal definida por:

T ( x , y , s , t )=(x− y + s+t , x +2 s−t , x + y +3 s−3t )

Determine una base y la dimensión de la imagen y del nucleo de T .

Solucion:

Para determinar una base y la dimension de la imagen de T , nos damos una

base del espacio R4 . Sea esta base la base usual o la base estándar

S= {⃗
e 1=( 1,0,0,0 ) , ⃗
e2= ( 0,1,0,0 ) , ⃗
e 3=( 0,0,1,0 ) , ⃗
e 4 =(0,0,0,1) }

T (⃗
e1 ) =T ( 1,0,0,0 )=(1,1,1) Escriba aquí la ecuación .

T (⃗
e2 ) =T ( 0,1,0,0 )=(−1,0,1)

T (⃗
e3 ) =T ( 0,0,1,0 )=(1,2,3)

T (⃗
e4 )=T ( 0,0,0,1 )=(1 ,−1,−3)

Según la nota los vectores imagen generan ImT , es por ello construimos la
matriz cuyas filas son estos vectores imagen y la reducimos a su forma
escalonada

1 1 1 1 1 1 1 1 1

(
−1 0
1 2
1 → 0 1
3
1 −1 −3
0 1 2
0 −2 −4
)(
2 → 0 1
0 0
0 0
)( ) 2
0
0
De este modo los vectores ( 1,1,1 ) ,(0,1,2) costituyen una base de la ImT , es
decir: { ( 1,1,1 ) ,(0,1,2) } y dim ( ImT ) =2

Para determinar una base del núcleo de la transformación hacemos:

T ( ⃗v )=0⃗ . Entonces:

T ( x , y , s , t )= ( x − y+ s +t , x+ 2 s−t , x+ y+ 3 s−3 t )=⃗0 =(0,0,0)

x− y + s+t=0

x +2 s−t =0

x + y +3 s−3 t=0

)( ) ( )
1 −1 1 1 0
( 1 0 2 −1
1 1 3 −3
y =
s
t
0
0

1 −1 1 1 1 −1 1 1 1 −1 1 1
( )(
1 0 2 −1 → 0 1 1 −2 → 0 1 1 −2
1 1 3 −3 0 2 2 −4 0 0 0 0 )( )
Vemos que el rango es 2 , existen 2 variables libres , sean estas variables
libres s y t .

)( ) ( )
1 −1 1 1 0
( 0 1 1 −2
0 0 0 0
y =
s
t
0
0

x− y + s+t=0→ x= y−s−t ….(i)

y + s−2t=0 → y=−s+2 t ….(ii)

Reemplazando (ii) en (i)

x=−s+2 t−s−t=−2 s+ t . Se tiene:

( x , y , s ,t )=(−2 s+t ,−s+2 t , s , t )= (−2 s ,−s , s , 0 ) + ( t ,2 t , 0 , t )

( x , y , s ,t )=−s ( 2,1 ,−1,0 )+ t ¿)

Como hay dos variables libres se tiene:

Si: s=−1 y t =0 → u⃗1=( 2,1 ,−1,0 )

Si : s=0 y t=1 → u⃗2=( 1,2,0,1 )

Estos vectores constituyen una base del núcleo de T

{u⃗1=( 2,1 ,−1,0 ) , ⃗

u2=( 1,2,0,1 ) }

dim ( kerT ) =2

Ejercicio:

Sea T : R 4 → R3 una transformacion lineal definida por:

T ( x , y , s , t )=(x− y + s+t , x +2 s−t , x + y +3 s−3t )

S1 = { ⃗
v 1=( 1,1,1,1 ) , ⃗
v 2=( 0,1,1,1 ) , ⃗
v 3= ( 0,0,1,1 ) , ⃗
v 4=(0,0,0,1) }

Es una base de R4 .

Determine una base y la dimension de la Imagen de la transformacion

Solución:

T (⃗
v 1 )=T (1,1,1,1 ) =( 2, 2 , 2 )

T ( ⃗v 2 )=T ( 0,1,1,1 )=( 1 ,1 , 1 )

T (⃗
v 3 )=T ( 0,0,1,1 )=( 2 ,1 , 0 )
T (⃗
v 4 ) =T ( 0,0,0,1 )= (1 ,−1,−3 )

2 2 2 1 1 1 1 1 1

( 1 1
2 1) ( )
1 f xf
0 1 2
1 −1 −3
) ( 2 2
2 1
2 (−2 ) f + f
0
1 −1 −3
1 2
0 0
2 1
0
0
1 −1 −3

1 1 1 1 1 1

( ) ( )
(−2 ) f 1 + f 3 0 0 0 (−1 ) f +f
0 −1 −2
1 −1 −3
1 4
0 0 0 (−1 ) f
0 −1 −2
0 −2 −4
3

1 1 1 1 1 1 1 1 1

( ) ( ) ( )
0 0
0 1
0 (2) f + f
2
0 −2 −4
3 4
0
0
0
0
1
0
0 f xf
2 2 3
0
0
0
0
1
0
0
2
0
0

Una base de la imagen de la transformación es:

{ ( 1,1,1 ) , ( 0,1,2 ) }

Ejercicio:

1 2
Sea V el espacio vectorial de las matrices de orden 2 y M = 0 3 . ( )
Sea T :V →V una transformcion lineal definida por T ( A )=AM −MA

Determine una base y la dimension de la imagen y del núcleo de T

NOTA:

1 0 , 0 1 , 0 0 , 0 0
{( ) ( ) ( ) ( )} , es la base usual del espacio vectorial de las
0 0 0 0 1 0 0 1

matrices de orden 2

REPRESENTACION MATRICIAL DE UNA TRANSFORMACION LINEAL

Sea T :V →V una Transformacion Lineal y S= { ⃗
u1 ,⃗
u2 , … , ⃗
un } una base de V

,como T ( u⃗1) , T ( u⃗2 ) ,… , T (⃗

un ) son vectores en V y por tanto cada uno de estos

vectores lo podemos expresar de forma única como combinacion lineal de

los vectores de la base de S. Asi

T :V →V

u1 →T (⃗
⃗ u1 )

u2 →T (⃗
⃗ u2 )

un →T (⃗
⃗ un )

T ( u⃗1) =a11 u⃗1+ a12 ⃗

u2 +…+ a1 n ⃗
u1 n

T ( u⃗2 )=a 21 ⃗
u1 +a22 u⃗2+ …+a2 n ⃗
un

T ( u⃗n )=a n 1 ⃗
u1 +a n2 ⃗
u2 +…+ ann ⃗
un

A la transpuesta de la matriz de coeficientes del sistema se le denomina

Representacion Matricial de T relativa a la base S.

Se le denota por:

a11 a21 ⋯ a n1

(
[ T ] S= a12 a22
⋮ ⋮
a1 n a2 n
⋯ a n2
⋮ ⋮
⋯ ann
)
[ T ] S= [ T ]
NOTA.

La representacion matricial de T relativa a la base S puede expresarse

tambien:

a11 a21 ⋯ a n1

(
[ T ] S= a12 a22
⋮ ⋮
a1 n a2 n
⋮ ⋮
⋯ ann
)
⋯ a n2 = T (⃗
([ u 1)] [ T (⃗
u2 ) ] ⋯ [ T (⃗
un) ])

Es decir las columnas de [ T ] S son los vectores coordenados

[ T (⃗
u1) ] , [T (⃗
u2 ) ] , ⋯ [ T (⃗
un ) ]

TEOREMA.-

Sea T :V →V una transformacion lineal y S una base del espacio vectorial de

V . Entonces ∀ ⃗v ∈V , [ T ] S [ ⃗v ] S =[ T (⃗v ) ] S

EJEMPLO:

Sea V el espacio vectorial de los polinomios en t sobre R de grado ≤ 3 y

dp (t)
D :V → V una transformacion lineal definido por D ( p ( t ) ) = , D es el
dt

operador de derivación . Determine la representacion de D relativa a la base

S= { 1 ,t ,t 2 ,t 3 }

Solucion:

D :V → V

1 → D ( 1 )=0

t → D ( t )=1
 t 2 → D ( t 2 )=2t

t 3 → D ( t 3 ) =3 t 2

0=a11 ( 1 ) +a12 ( t ) +a 13 ( t 2 ) +a14 ( t 3 ) → a11 =a12=a13=a14 =0

1=a21 ( 1 ) +a22 ( t ) +a 23 ( t 2 ) +a24 ( t 3 ) → a21=1 , a22=a23=a24 =0

2 t=a31 ( 1 ) + a32 ( t )+ a33 ( t 2 ) +a34 ( t 3 ) → a 32=2, a 31=a33=0

a 34=0

3 t 2=a41 ( 1 )+ a42 (t ) +a 43 ( t 2 ) +a 44 ( t 3 ) →a 43 =3 , a41=a42=0

a 44=0

La Representacion matricial de D relativa a la base Ses:

0 1 0 0

(
[ D ] =[ D ] S= 0
0
0
0
0
0
2
0
0
0
3
0
)
Sea p ( t ) =2+ 3 t+t 2+ 2t 3.

Haciendo uso de la representacion matricial de D .Determine ¿ ¿

Usando el teorema se tiene:

¿¿

Determinemos [ p(t) ] S

p ( t ) =2+ 3 t+t 2+ 2t 3=a ( 1 ) +b ( t ) +c ( t 2 ) + d( t 3 )

Se tiene: a=2 , b=3 , c=1 , d=2

 2
[ p(t) ]S= 3
1
2
()
¿¿

Ejercicio:

df
Sea D :V → V una transformacion lineal definido por D ( f ) = dt , D , es el

operador de derivación .Si S= { e 5t ,t e5 t , t 2 e 5 t }.

1.- Determine la representación matricial de D relativa a la base S

2.- Usando (1) determine ¿ ¿ ,si f ( t )=e5 t (1+2 t +3 t2 )

Solución:

D :V → V

e 5 t → D ( e 5 t ) =5 e5 t

t e5 t → D ( t e5 t )=e 5 t +t ( 5 e5 t )=e 5 t +5 t e 5 t

t 2 e 5 t → D ( t 2 e5 t ) =2 t e 5t +t 2 ( 5 e 5 t )=2t e5 t +5 t 2 e5 t

5 e 5 t=a e5 t + b ( t e 5 t ) +c ( t 2 e 5 t ) → a=5 , b=c=0

e 5 t +5 t e 5 t =a e 5t +b ( t e 5 t ) + c ( t 2 e5 t ) → a=1, b=5 , c=0

2 t e 5 t +5 t 2 e 5 t=a e5 t + b ( t e 5 t ) +c ( t 2 e 5 t ) → a=0 ,b=2 , c=5

 5 1 0
( )
[ D ] s= 0 5 2
0 0 5

Debemos hallar [ f (t) ] s

f ( t )=e5 t ( 1+2 t+3 t 2 )=e 5 t +2 t e 5 t +3 t 2 e 5 t

e 5 t +2 t e 5 t +3 t 2 e 5 t=a e5 t + b ( t e 5 t ) + c ( t 2 e 5 t ) → a=1 , b=2 ,c =3

1
()
[ f (t)]s= 2
3

¿¿

Ejercicio:

Sea T : R3 → R 3 una transformación lineal definido por:

T ( x , y , z )=( 2 y+ z , x−4 y ,3 x ) . Determine:

1.- La representación matricial de T relativa a la base S dada por:

S= {⃗
u1=( 1,1,1 ) , u⃗2=( 1,1,0 ) , u⃗3=( 1,0,0) }

2.- usando (1) Determine [ T (⃗v ) ] o’ [ T (⃗v ) ] Ssi ⃗v =(1,2,3)∈ R3

Solución:

T : R3 → R 3

u1 →T ( ⃗
⃗ u1 )=T ( 1,1,1 ) =( 3 ,−3 , 3 )

u2 →T ( ⃗
⃗ u2 )=T (1,1,0 )=( 2 ,−3 , 3 )
 u3 →T ( ⃗
⃗ u3 )=T ( 1,0,0 )=( 0 , 1 ,3 )

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

a+ b+c=3

a+ b=−3

a=3 →b=−6 → c=−6

( 2 ,−3 , 3 )= ( a+b+ c , a+ b , a )

a+ b+c=2

a+ b=−3

a=3 →b=−6 → c=5

( 0 , 1 ,3 )=( a+b +c , a+b , a )

a+ b+c=0

a+ b=1

a=3 →b=−2 → c=−1

Por lo tanto la representación de T relativa a la base S es :

3 3 3
(
[ T ] S= −6 −6 −2
−6 5 −1 )
TEOREMA.-
Sean S y S ' bases de un espacio vectorial V , sea P la matriz de cambio de
base de S a S ' entonces para toda transformacion lineal T :V →V se
cumple:

[ T ] S ' =P−1 [ T ] S P

Si A y B son las matrices dadas por A=[ T ] S , B=[ T ] S entonces: '

B=P−1 AP

(cuando esto ocurre se dice que A y B son matrices similares)

EJEMPLO:

Sea T : R3 → R 3 una transformación lineal definido por:

T ( x , y , z )=( 2 y + z , x −4 y , 3 x) y

S '={⃗
u1=( 1,0,0 ) , ⃗
u2=( 0,1,0 ) , ⃗
u3=(0,0,1) }

S= {⃗
v 1= (1,1,1 ) , ⃗
v 2= (1,1,0 ) , ⃗
v 3 =(1,0,0) } bases de R3

1.- Determine la matriz de cambio de base de S' a S

2.-Determine [ T ] S y compruebe que [ T ] S=P−1 [ T ] S ' P

SOLUCION:

v1 =( 1,1,1 )=a ( 1,0,0 ) +b ( 0,1,0 ) + c ( 0,0,1 )=(a , b , c)

1.- ⃗

v 2=( 1,1,0 )=(a , b , c)

⃗

v3 =( 1,0,0 )=(a , b , c)
⃗
 La matriz de cambio de base de S' a S es :

1 1 1
P= 1 1 0
1 0 0 ( )
2.- Determinemos [ T ] S

T (⃗
v 1 )=T (1,1,1 ) =( 3 ,−3 , 3 )=a (1,1,1 ) +b ( 1,1,0 )+ c( 1,0,0)

¿ ( 3 ,−3 , 3 ) =(a+ b+c , a+b , a)

a+ b+c=3 , a+ b=−3 , a=3 → b=−6 , c=6

T (⃗
v 2 )=T (1,1,0 )=( 2 ,−3,3 ) =(a+ b+c , a+b , a)

a+ b+c=2 , a+ b=−3 , a=3 →b=−6 ,c =5

T (⃗
v 3 )=T (1,0,0 )=( 0,1,3 ) =(a+ b+c , a+b , a)

a+ b+c=0 ,a+ b=1, a=3 →b=−2 , c=−1

3 3 3
(
[ T ] S= −6 −6 −2
6 5 −1 )
PRUEBA

1 1 1 0 0 1 0 2 1
( ) (
P= 1 1 0 → P−1= 0 1 −1 ,[ T ] S = 1 −4 0
1 0 0 1 −1 0 3 0 0 ) ( '

)
0 0 1 0 2 1 1 1 1
(
P−1 [ T ] S P= 0 1 −1 1 −4 0 1 1 0
'

1 −1 0 3 0 0 1 0 0 )( )( )
 3 0 0 1 1 1 3 3 3
−1

( )( ) (
P [ T ] S P= −2 −4 0 1 1 0 = −6 −6 −2 ¿ [ T ]S
'

−1 6 1 1 0 0 6 5 −1 )

MATRICES Y TRANSFORMACIONES LINEALES GENERALES

Sean V y U espacios vectoriales con dim V =m , dim U =n. Sean ademas:

E={ ⃗
v1 , ⃗
v 2 , … ,⃗
v m } , F= { ⃗
u1 , ⃗
u2 , … , u⃗n } bases de V y U . Si T :V →U es una

transformacion lineal entonces se tiene:

T :V →U

v1 →T (⃗
⃗ v 1)

v 2 →T (⃗
⃗ v 2)

⋮⋮

vm→ T ( ⃗
⃗ vm)

T (⃗
v 1 )=a11 ⃗
u1+ a12 ⃗
u2 +…+ a1 n u⃗n

T (⃗
v 2 )=a21 ⃗
u1 +a22 ⃗
u2+ …+a 2n ⃗
un

T (⃗
v m ) =am 1 ⃗
u1+ am 2 ⃗
u2+ …+a mn ⃗
un
A la transpuesta de la matriz de coeficientes del sistema se le llama La
Representacion Matricial de T relativa a las bases E y F ,se le denota:

a11 a21 ⋯ am 1

(
[ T ] E= a12 a22
F

⋮ ⋮
a 1n a2 n
⋯ am 2
⋮ ⋮
⋯ amn
)
TEOREMA.-

F
∀ ⃗v ∈V , [ T ] E [ ⃗v ] E= [ T ( ⃗v ) ] F

Ejemplo:

Sea T : R3 → R 2 una transformación lineal definida por:

T ( x , y , z )=( 3 x +2 y−4 z , x−5 y +3 z) , determine:

1.- La representación matricial con respecto a las bases S y S '

S= {⃗
v 1= (1,1,1 ) , ⃗
v 2= (1,1,0 ) , ⃗
v 3 =(1,0,0) }

S' = {u⃗1=( 1,3 ) , u⃗2=(2,5) }

2.- Usando (1) Determine [ T (⃗v ) ] S para todo ⃗v ∈ R 3

'

Solucion:

T : R3 → R 2

v1 →T ( ⃗
⃗ v1 )

v 2 →T (⃗
⃗ v 2)
 v3 → T (⃗
⃗ v 3)

1.- T ( ⃗
v 1 )=T (1,1,1 ) =( 1,−1 )=a ( 1,3 ) +b ( 2,5 )=( a+2 b , 3 a+5 b )

a+ 2b=1 ,3 a+5 b=−1→ a=−7 , b=4

3 a+6 b=3 … (i)

3 a+5 b=−1 …(ii)

Restando: b=4 en (i) a=−7

T (⃗
v 2 )=T (1,1,0 )=( 5 ,−4 ) =( a+2 b , 3 a+5 b ) → a=−33 ,b=19

T (⃗
v 3 )=T (1,0,0 )=( 3,1 )=( a+2 b ,3 a+ 5 b ) → a=−13 , b=8

'
−7 −33 −13
S
Por lo tanto [ T ] S = 4 19 (
8 )

VALORES Y VECTORES PROPIOS

Consideremos una matriz de orden n

a 11 a12 ⋯ a1 n

(
A= a21 a22
⋮ ⋮
an 1 an 2
⋯ a2 n
⋮ ⋮
⋯ a nn
)
La matriz tI −A ,donde I es la matriz identidad de orden n, t es un escalar , se
denomina la matriz caracteristica de A

t−a11 −a12 ⋯ −a1 n

(
tI −A= −a21 t−a 22
⋮ ⋮
−an 1 −a n2
⋯ −a2 n
⋮ ⋮
⋯ t−ann
)
El determinante de la matriz característica de A que es un polinomio en t es
llamado polinomio caracteristico de A . Es decir:

|tI −A|=p (t)

Si |tI −A|=p ( t )=0 , a esta ecuación se le llama Ecuacion Caracteristica de A

TEOREMA (CAYLEY HAMILTON ).-

Toda matriz es un cero de su polinomio caracteristico.

Ejemplo:

1 2
( )
Dada la matriz A= 3 2

Determine su polinomio caracteristico.

Solución:

tI −A= t 0 − 1 2 = t−1 −2
( )( )( )
0 t 3 2 −3 t−2

p ( t ) = t−1 −2 =( t−1 ) (t−2 )−6=t 2−3t−4

| |
−3 t−2

Haciendo uso del teorema se tiene:

p ( A )= A 2−3 A−4 I = 7 6 + −3 −6 + −4 0 = 0 0
( )( )( )( )
9 10 −9 −6 0 −4 0 0

A2−3 A−4 I =0 → A2 −3 A=4 I → A−3 I =4 A−1

1
A−1= ( A−3 I )
4

NOTA. -

Supongamos que A y B son matrices similares entonces se cumple que:

B=P−1 AP , donde P es invertible. Probemos que A y B tienen el mismo

polinomio característico.

|tI −B|=|tI−P−1 AP|=|t P−1 P−P−1 AP|=| P−1 (tP− AP)|

|tI −B|=|P−1 ( tI −A ) P|=|P−1||tI− A||P|

|tI −B|=|P|−1|P||tI− A|→|tI −B|=|tI− A|

TEOREMA. -

Las matrices similares tienen el mismo polinomio característico.

POLINOMIO CARACTERISTICO DE ORDEN 2

a a
11

21
12
(
Dada la matriz A= a a ,entonces:
22
)
p ( t ) =|tI− A|=t 2−( trazA ) t +| A|

POLINOMIO CARACTERISTICO DE ORDEN 3

 a11 a12 a 13

(
Dada la matriz A= a21 a22 a 23 , entonces:
a31 a32 a 33 )
p ( t ) =|tI− A|=t 3−( trazA ) t 2 + ( A11 + A 22+ A 33) t−| A|

Donde A11 + A 22+ A 33 , son los cofactores de los elementos a 11 ,a 22 , a33 de la

matriz A

VALORES Y VECTORES PROPIOS

Sea T :V →V una transformación lineal, en muchas aplicaciones es útil

encontrar un vector ⃗ven el espacio vectorial V tal que [ T ] ⃗v y λ ⃗v son paralelos.
Es decir, se busca un vector ⃗vy un escalar λ tal que:

[ T ] ⃗v =λ ⃗v … (1)

Si ⃗v ≠ ⃗0 y λ satisface (1) entonces λ se llama valor propio de [ T ] y ⃗v

Se llama un vector propio de [ T ] correspondiente al valor propio λ

El propósito de este tema es investigar las propiedades de los valores y

vectores propios. Si [ T ] se puede representar por una matriz A de orden n
entonces:

El escalar λ se denomina un valor propio de la matriz A sí existe un vector

(columna) no nulo tal que:

A ⃗v =λ ⃗v

Todo vector que satisfaga esta relación se llama un vector propio de A

perteneciente al valor propio λ .
A ⃗v −λ ⃗v =⃗0

Cada múltiplo escalar k ⃗v es a su vez un vector propio puesto que:

A ( k ⃗v ) =k ( A ⃗v )=k ( λ ⃗v )= λ(k ⃗v )

Los términos valor característico y vector característico se utilizan con

frecuencia en lugar de valor propio y vector propio.

TEOREMA. -

Sea A una matriz de orden n. Entonces λ es un valor propio de A sí y solo si:

p ( λ )=| λI − A|=0

Ejemplo:

−2 c 0
( )
Sea la matriz A= 1 2 d donde c y d son enteros y c +d=−3
d 3 2

Los valores propios de A satisfacen la ecuación 2 λ3 +a λ 2+ bλ+12=0

Determine los valores y vectores propios de la matriz A

Solución:

p ( λ )=| λI − A|=λ3 −( trazA ) λ2 + ( A11 + A 22+ A 33) λ−| A|=0

Como: 2 λ3 +a λ 2+ bλ+12=0

3 a λ 2 bλ
λ+ + + 6=0 ….(N)
2 2
 −a
traz ( A ) = =2 →a=−4
2

A11 =(−1 )
1+1
|23 d2|=4−3 d
A22=(−1 )
2 +2
|−2d 02|=−4
A33=(−1 )
3 +3
|−21 c2|=−4−c
A11 + A 22+ A 33=4−3 d−4−4−c=−4−c−3 d

b
=−4−c−3 d ….(m)
2

−2 c 0
| |
| A|=−6= 1 2 d =−8+ c d 2−(2 c−6 d )
d 3 2

−6=−8+ c d 2−2 c +6 d … (i)

Como: c +d=−3→ c=−3−d …(ii)

(ii) en (i)

−6=−8+ (−3−d ) d 2−2 (−3−d )+ 6 d

−6=−8−3 d 2−d 3 +6+2 d +6 d

d 3 +3 d 2−8 d −4=0

1 3 -8 -4

2 2 10 4
 1 5 2 0

( d−2 ) ( d2 +5 d +2 ) =0 → d=2 en (ii)

c=−5

c=−5 y d=2en (m)

b
=−4−c−3 d=−4−(−5 ) −3 ( 2 )=−5 →b=−10
2

En (N)

2
3 λ (−10 ) λ 3 2
λ + (−4 ) + +6=0 → λ −2 λ −5 λ +6=0
2 2

1 -2 -5 6

1 1 -1 -6

1 -1 -6 0

( λ−1 ) ( λ2−λ−6 )=0 ↔ ( λ−1 )( λ−3 ) ( λ+2 )=0

Los valores propios son: λ=1 , λ=3 , λ=−2

Nota:

Si los valores propios de una matriz A son diferentes entonces se dice que la
matriz es Diagonalizable.

Si los valores propios de una matriz A son diferentes entonces los vectores
propios pertenecientes a los valores propios son linealmente independientes
Hallando los vectores propios

A ⃗v =λ ⃗v → A ⃗v −λ ⃗v =0⃗

( A−λI ) ⃗v =⃗0

−2−λ −5 0 x 0
( 1
2
2−λ
3
2 y =0
2−λ z 0 )( ) ( )
Si λ=1

−3 −5 0 x 0
(1
2
1 2 y =0
3 1 z 0 )( ) ( )
−3 −5 0 1 1 2 1 1 2
(1
2 3 1 2) (
3 1 ) (
1 2 f 1 x f 2 −3 −5 0 ( 3 ) f 1+ f 2 0 −2 6
2 3 1 )
1 1 2 1 1 2
( 0 1 −3 ) (0 1 −3 )
(−2 ) f 1 + f 3 0 −2 6 ( 2 ) f 3 + f 2 0 0 0 f 2 x f 3

1 1 2
( )
0 1 −3 vemos que el rango es 2. Como hay 3 incógnitas entonces se tiene
0 0 0

una variable libre.

1 1 2 x 0
( )( ) ( )
0 1 −3 y = 0 → x+ y+2 z=0 …(iii)
0 0 0 z 0

y−3 z=0→ y=3 z …(iv)

Si z=1 en (iv)
y=3

y=3 , z=1 en (iii)

x +3+2=0→ x=−5

−5
⃗
()
v1 = 3
1

Si λ=3

−5 −5 0 x 0
(1 −1 2 y = 0
2 3 −1 z 0 )( ) ( )
−5 −5 0 1 −1 2 1 −1 2
(2 3 −1 ) (
2 3 −1 ) (
1 −1 2 f 1 x f 2 −5 −5 0 ( 5 ) f 1 + f 2 0 −10 10
2 3 −1 )
1 −1 2 1 −1 2
( 0 5 −5
10 )( ) (
0 5 −5 )
(−2 ) f 1 + f 3 0 −10 10 −1 f 2 0 1 −1 (−5 ) f 2 +f 3

1 −1 2
( 0 1 −1
0 0 0 ) vemos que el rango es 2. Como hay 3 incógnitas entonces se

tiene una variable libre.

1 −1 2 x 0
( 0 0 0 z )( ) ( )
0 1 −1 y = 0
0

x− y +2 z=0 …(v)

y−z =0 → y =z …(vi)
Sea z=1 → y =1 en (v)

x=−1

−1
v 2= 1
⃗
1()
Si λ=−2

0 −5 0 x 0
( 1 4 2 y =0
2 3 4 z 0)( ) ( )
0 −5 0 1 4 2 1 4 2
( f x
) (
f
1 4 2 1 2 0 −5 0
2 3 4 2 3 4
( −2 )
)
f 1 + f
( )
3 0 −5 0 ( −1 ) f 2 +f 3
0 −5 0

1 4 2 1 4 2
( 0 −5 0 (
0 0 0 ) (
−1
5 )
)f 2 0 1 0 vemos que hay una variable libre
0 0 0

1 4 2 x 0
( 0 1
0 0 )( ) ( )
0 y =0
0 z 0

x +4 y+2 z=0 …(vii)

y=0 (viii)

(viii) en (vii)

x=−2 z

Sea z=−1 → x =2
 2
⃗
()
v3 = 0
−1

v1 , ⃗
Los vectores ⃗ v2 , ⃗
v 3 son linealmente independientes ya que .

−5 −1 2
|3
1
1 0 ≠0
1 −1 |
Nota:

Se dice que una matriz A es Diagonalizable si existe una matriz no singular P

tal que D=P−1 AP es una matriz diagonal , osea , si A es similar a una matriz
diagonal D .

Teorema:

Una matriz A ∈ K n es similar a una matriz diagonal D si y solo si A tiene n

vectores linealmente independientes. En tal caso , los elementos diagonales
de la matriz D son los valores propios correspondientes y D=P−1 AP , siendo
P la matriz cuyas columnas son los vectores propios .

Observación:

Con respecto al ejemplo anterior se tiene:

D=P−1 AP

−1
1 0 0 −5 −1 2 −2 −5 0 −5 −1 2
( 0 3 0
0 0 −2)(
= 3
1
1 0
1 −1 )( 1
2 )(
2 2 3
3 2 1
1 0
1 −1 )
De D=P−1 AP→ A=PD P−1
A2= AA=PD P−1 PD P−1 =P D2 P−1

A3 =P D 3 P−1

An =P D n P−1

Ejemplo:

4 a −a
Sea la matriz
(
A= −b 5 b
a a −b ) donde a , b ∈ R y los valores propios de A

satisfacen la ecuación:

λ 3−11 λ2 +39 λ−45=0 . Halle los valores y vectores propios de A

Ejemplo:

0 −a c
Dada la matriz
(
A= 2 −c −c
−b a a ) , los valores propios de la matriz A

1
1 3
satisfacen la ecuación 2 λ −2 λ 2
−2 λ+8=0 , x
⃗ =t
()
−1 ,t ≠ 0 es un vector propio
1

de A asociado a λ< 0 . hallar los valores y vectores propios de A .

Solución:

Recordar: p ( λ )= λ3−( trazA ) λ 2+ ( A 11 + A 22+ A33 ) λ−| A|=0

Del dato: λ 3−4 λ2−4 λ+16=0

trazA=4 →a−c=4 …(1)

1
Además : x
⃗ =t
()
−1
1
es un vector propio de A ,entonces satisface:

0 −a c 1 1
( −b a a )( ) ( )
A ⃗x =λ ⃗x → 2 −c −c t −1 =λt −1
1 1

0 −a c 1 1
(
−b a a 1 )( ) ( )
2 −c −c −1 =λ −1
1

a+ c=λ …(2)

2+c−c=−λ → λ=−2

−b−a+ a=λ →−b=¿ λ → b=2

De (1) y (2)

a+ c=−2

a−c=4

Sumando : a=1 , c=−3

0 −1 −3
La matriz A= 2
(
−2 1
3 3
1 )
Hallándo los valores propios de A

λ 3−4 λ2−4 λ+16=0

Por Ruffini:

1 -4 -4 16

-2 -2 12 -16

1 -6 8 0

( λ+ 2 ) ( λ 2−6 λ+ 8 )=0→ ( λ+2 ) ( λ−4 )( λ−2 ) =0

Los valores propios son :

λ=−2 , λ=2 , λ=4

Nota: cuando los valores propios de una matriz A de orden n son todos
diferentes , se dice que la matriz A es Diagonalizable .

Determinemos el vector propio asociado al valor propio λ=2

A ⃗v =λ ⃗v → A ⃗v −λ ⃗v =0⃗ → ( A−λI ) ⃗v = ⃗0

−2 −1 −3 x 0
(2 1 3 y
−2 1 −1 z
= 0
0 )( ) ( )
Llevando a su forma escalonada la matriz:

−2 −1 −3 0 0 0 0 0 0 2 1 3
(2 1
−2 1 −1
3 → 2 1 3
0 2 2 )(
→ 2 1 3
0 1 1
→ 0 1 1
0 0 0 )( )( )
2 1 3 x 0
( )( ) ( )
0 1 1 y =0
0 0 0 z 0
2 x+ y +3 z=0 (i)

y + z=0 → y=−z (ii)

(ii) en (i)

2 x−z+ 3 z=0 → x=−z

x −z 1
El vector v
⃗ =
z ()( ) ( )
y −z
=
z
=−z 1
−1

1
v
Podemos decir que el vector 1 1
⃗ =
−1 () es un vector propio de A asociado al

valor propio λ=2

Hallando el vector propio asociado al valor propio λ=4

−4 −1 −3 x 0
( A−λI ) ⃗v =⃗0 →
( )( ) ( )
2 −1 3 y = 0
−2 1 −3 z 0

−4 −1 −3 0 −3 3 0 1 −1 2 −1 3
( −2 1 −3 0 0 0 )( 0 0 0)(
2 −1 3 → 2 −1 3 → 2 −1 3 → 0 1 −1
0 0 0 )( )
2 −1 3 x 0
( 0 0 0 z )( ) ( )
0 1 −1 y = 0
0

2 x− y +3 z=0 (iii)

y−z =0 → y =z (iv)

(iv) en (iii) 2 x−z+ 3 z=0 → x=−z

 x −z −1 −1
()( ) ( )
⃗v = y = z =z 1 , un vector es ⃗
z z 1
v 2= 1
1 ()
Para λ=−2

A ⃗v =λ ⃗v → ( A−λI ) ⃗v =0⃗

− λ −1 −3 x 0
(2 3−λ
−2 1
3 y =0
1−λ z 0 )( ) ( )
2 −1 −3 0 0 0 0 0 0
(2
−2 1
5
) ( )
3 ( 1 ) f 3 +f 1 2 5 3 ( 1 ) f 3+ f 2 0 6 6
3 −2 1 3 −2 1 3( )
0 0 0 −2 1 3
1
( ) ( )
( ) f 2 0 1 1 f 1 x f 3 0 1 1 vemos que hay una variable libre
6
−2 1 3 0 0 0

−2 1 3 x 0
( )( ) ( )
0 1 1 y = 0 →−2 x+ y +3 z =0 …(i)
0 0 0 z 0

y + z=0 → y=−z

Sea z=−1 → y=1 en (i)

−1
x=−1 → ⃗
v 3= 1
−1 ()
1 −1 −1
|1 1
−1 1 −1
1 ≠0
| entonces v1 , ⃗
los vectores ⃗ v2 , ⃗
v 3 son linealmente

independientes
Ejemplo:

4 1 −1
Dada la matriz
(
A= 2 5 −2
1 1 2 ) .hallar los valores y vectores propios de la

matriz A .

Solución:

A ⃗v =λ ⃗v → ( A−λI ) ⃗v =0⃗

4−λ 1 −1 x 0
( 2
1
5−λ −2 y = 0
1 2− λ z 0 )( ) ( )
Hallando los valores propios

4−λ 1 −1
| 2
1
3

| 2
5−λ −2 =0↔ λ −11 λ +39 λ−45=0
1 2− λ

Factorizando tenemos:

λ 3−11 λ2 +39 λ−45=( λ−3 )2 ( λ−5 ) =0

λ=3 ó λ=5

Ejercicio (hallar los vectores propios)

REGLA PARA LOS VALORES Y VECTORES PROPIOS

1.- Dada la matriz A de orden n, los valores propios de A son los mismos que
los valores propios de AT .
2.- Si los valores propios de la matriz A son los λ i ,entonces los valores
propios de kA son los k λ i

3.- Si los valores propios de la matriz A son los λ i entonces los valores propios
de Ak son los valores propios λ ki ,k entero positivo.

4.- Si los valores propios de la matriz A no singular son los λ i entonces la

matriz A−1 tiene los valores propios λ−1
i .

Los vectores propios de la matriz A son los mismos que los vectores propios
de la matriz A−1.

5.- Si f (x) es una función polinómica, entonces f (A ) denota la matriz

obtenida al reemplazar x por la matriz A cuadrada. Si λ i es un valor propio

de A , entonces f (λi ) es un valor propio de f (A )

Los vectores propios de la matriz A son los mismos que los vectores propios
de la matriz f (A )

Ejemplo:

Sea T : R3 → M 2 x2 una transformación lineal definidapor:

x
()(
T y = x+ y 3 y−2 z
z
− y −2 x + z ) y sean B1={ u⃗ 1 , ⃗u2 , u⃗ 3 } y

B2={ M 1 , M 2 , M 3 , M 4 } bases de R3 y M 2 x2 respectivamente donde:

u⃗1= ( 0,1,−1 )T , ⃗u2=( 1,0,2 )T , ⃗u3=( 1,1,0 )T

M 1= 1 0 , M 2= 1 1 , M 3= 1 1 , M 4 = 1 1
( ) ( ) ( ) ( )
0 0 0 0 1 0 1 1

a) Encontrar la matriz de T con respecto a las bases B1 , B2

b) Usando la matriz obtenida en la parte a) calcular T (−5,4 ,−2 )

Solucion:

T : R3 → M 2 x2

0
u1 →T ( ⃗
⃗
( )(
u1 )=T 1 = 1
−1
5
−1 −1 )
1
u⃗2 →T ( ⃗
2 ()(
u2 )=T 0 = 1 −4
0 0 )
1
u3 →T ( ⃗
⃗
0() (
u3 )=T 1 = 2 3
−1 −2 )
Cada una de las matrices halladas lo expresamos como combianación lineal
de los elementos de la base B2

(−11 −15 )=a ( 10 00 )+b (10 10 )+ c (11 10 )+d ( 11 11)

(−11 −15 )=( a+b+ c+ d
c +d
b+ c+ d
d )
a+ b+c +d=1 (i)

b+ c+ d=5 (ii)

c +d=−1 (iii)
d=−1 (iv)

Reemplazando (iv) en (iii) , (iii) en (ii) , (ii) en (i)

a=−4 , b=6 , c=0 , d=−1

(10 −4
0)(
=
a+b+ c+ d b+ c+ d
c +d d )
a+ b+c +d=1 (v)

b+ c+ d=−4 (vi)

c +d=0 (vii)

d=0 (viii)

(vii) en (vii) , (vii) en (vi) , (vi) en (v)

a=5 , b=−4 , c=0 , d=0

(−12 −23 )=( a+b+ c+ d

c +d
b+ c+ d
d )
a+ b+c +d=2 (ix)

b+ c+ d=3 (x)

c +d=−1 (xi)

d=−2 (xii)

(xii) en (xi) , (xi) en (x) , (x) en (ix)

a=−1 , b=4 , c=1 , d=−2

la matriz de T con respecto a las bases B1 , B2 es:

−4 5 −1
B1
0(
[ T ] = 6 −4 4
B2

0 1
−1 0 −2
)
2) Hallemos el vector coordenado (−5,4 ,−2 ) con respecto a la base B1

(−5,4 ,−2 )=x ⃗

u1+ y u⃗2+ z ⃗
u3

(−5,4 ,−2 )=x ( 0,1 ,−1 ) + y (1,0,2 ) + z ( 1,1,0 )=( y + z , x + z ,−x +2 y )

y + z=−5

x + z=4

−x +2 y=−2

Resolviendo:

x=16 , y=7 , z=−12

−5 16
1
() ( )
[ ⃗v ]B = 4
−2 B1
= 7
−12

−4 5 −1 −17

2
6
(
−4 4
16

)( ) ( )
20
[ T ( ⃗v ) ] B =[ T (−5,4 ,−2 ) ] B = 0 0 1 7 = −12
2

−1 0 −2
−12
8

Prueba:

−5
( )(
T 4 = −1 16 = a+b+ c+ d b+ c+ d
−2
−4 8 c +d d )( )
a+ b+c +d=−1 … (1)

b+ c+ d=16 …(2)

c +d=−4 …(3)

d=8 …(4)

(4) en (3) , (3) en (2) , (2) en (1)

a=−17 . b=20 , c=−12 ,d =8

−17

2 2

( ) 20
[ T ( ⃗v ) ] B =[ T (−5,4 ,−2 ) ] B = −12
8