Observación:

Sea R2 el espacio vectorial y S= {⃗

u1=( 1,0 ) , ⃗ u3=(1,1) } ⊂ R2
u2=( 0,1 ) , ⃗

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 unica como una combinacion lineal de los

elementos de la base de B. Es decir:

⃗v =a1 ⃗
v 1 +a 2 ⃗
v 2 +…+ an ⃗
vn

Los escalares a 1 , a2 , … , an son llamados coordenadas del vector ⃗v relativo a la

a1
a
()
base B y al vector ⋮2 formado por los escalares a 1 , a2 , … , an es llamado Vector
an

Coordenado ⃗v relativo a la base B. Se le denota por:

a1

[]
[ ⃗v ]B = a 2 o [ ⃗v ]B =( a 1 , a2 , … , an )
⋮
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.

Solución:

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

NOTA:
1.- Determine cuales de los siguientes subconjuntos de M 2 X 2 sobre R son
espacios vectoriales:
Con la suma y la multiplicación 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 }
Observación:
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

k a 0 = ka 0 ∈W 1
ii) [ ][
0 b 0 kb ]
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 cuál 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.

BASES Y DIMENSION
Definición:
Un conjunto S= { ⃗
u1 ,⃗
u2 , … , ⃗
un } de vectores es una base de V si se verifican

las dos condiciones:

u1 , u⃗2 , … , ⃗
1.- ⃗ un son linealmente independientes.

u1 , u⃗2 , … , ⃗
2.- ⃗ un generan V

Definición:

Un conjunto S= { ⃗
u1 ,⃗
u2 , … , ⃗
un } de vectores es una base de V si todo vector

⃗v ∈V puede escribirse de forma única como combinación lineal de

u1 , u⃗2 , … , ⃗
⃗ un .

Se dice que un espacio vectorial V es de dimension finita n o que es n

dimensional denotado dimV =n si V tiene una base como S= { ⃗
u1 ,⃗
u2 , … , ⃗
un }

TEOREMA

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

de V tienen el mismo numero de elementos.
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

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 transpuesta 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 ir) 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+ 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 =P−1

Por lo tanto, tenemos: Q= 5 13 ( )
−13

( )(
−18
2 =1 0
−14 −36
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 ⃗y=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

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

Transformación lineal envía el vector nulo al vector nulo

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

Se tiene:

T ( a ⃗v +b ⃗
w )=T ( a ⃗v )+ T (b ⃗
w)
 3.- la condición 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 transformación lineal?

Solución:

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 . Defínase T :V →V mediante T ( A )=AM + MA

¿T es una transformación lineal?

Solución:

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

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

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

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?

 Solución:

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)

⃗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 unica 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 tal que:

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

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

Solución:

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 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 (i i) y=b−2 a

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

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

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

T ( a ,b )=a ( 2,3 ) + ( b−2 a ) ( 1,4 )

NUCLEO E IMAGEN DE UNA TRANSFORMACION LINEAL

Definición:

Sea T :V →U una transformación 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 transformación 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 0 0 1 0 0 1 0 0

( )( )( )( )
0
0
1
1
1
0
1
2
0

1
3
0 1
1 → 0 0
0 1
0 2
0

1
3
0 1
1 → 0 0
0 0
0 0
0

1
3
0 1
1 → 0 0
0 0
0 0
0
1
0
0

Los vectores { ( 1,0,0 ) , ( 0,1,0 ) ,(0,0,1) }es la base usual de R3

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 transformación 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 núcleo de T .

Solución:

Como no tenemos una base del espacio vectorial R4 para determinar una
base y la dimensión de la imagen del espacio R3 . Nos damos 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) } ,

Luego evaluamos:

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

x− y + s+t=0

x +2 s−t =0

x + y +3 s−3 t=0

1 −1 1 1 1 −1 1 1 1 −1 1 1
( 1 0 2 −1
1 1 3 −3
→
)(
0 1 1 −2
0 2 2 −4
→ 0 1 1 −2
0 0 0 0 )( )
Vemos que el rango es 2,como el número de incógnitas es 4 entonces existe
2 variables libres, sean estas variables s y t

Si t = 0 y s = -1 →(2,1 ,−1,0) una solucion

Si s = 0 y t = 1→(1,2,0,1) la otra solucion

Una base del kerT ={ ( 2,1 ,−1,0 ) ,(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 dimensión de la Imagen de la transformación

Solucion:

Vamos evaluar la T.L. T en cada uno de los vectores de la base S1

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

T (⃗
v 1 )=T (1,1,1,1 ) =( 2,2,2 )

T (⃗
v 2 )=( 0,1,1,1 ) =( 1,1,1 )

T (⃗
v 3 )=( 0,0,1,1 ) =( 2,1,0 )

T (⃗
v 4 ) =( 0,0,0,1 )=( 1 ,−1 ,−3 )

Vamos a construir la matriz cuyas filas son los vectores imagen

2 2 2 1 1 1 1 1 1 1 1 1

( 1 1
2 1
1 → 1 1
0
1 −1 −3
2 1)( 1 → 0 0
0
1 −1 −3
1 0 −1
0 −2 −4
)( )( )
0 → 1 0 −1
0 0 0
0 1 2

1 1 1 1 1 1 1 1 1

( 0 0
0 1
0
2
0 0
0 0
)(
0 −1 −2 → 0 −1 −2 → 0 1
0
0
0 0
0 0
)( ) 2
0
0

Una base de la Img ( T ) ={ ( 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 dimensión de la imagen y del núcleo de T

1 0 , 0 1 , 0 0 , 0 0
NOTA: {( ) ( ) ( ) ( )} , es la base usual del espacio vectorial
0 0 0 0 1 0 0 1

de las 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 podemos expresarlo como una combinacion lineal de los vectores

de la base de S

T :V →V

u1 →T (⃗
⃗ u1 )

u2 →T (⃗
⃗ u2 )

un →T (⃗
⃗ un )

T ( u⃗1) =a11 u⃗1+ a12 ⃗

u2 +…+ a1 n u⃗n

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

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

Definición:

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

Representación 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 representación 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 transformación 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 }

Solución:

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=a2 1 ( 1 ) +a2 2 ( t ) +a 23 ( t 2 ) +a2 4 ( t 3 ) →a 21=1, a12=a13=a14 =0

2 t=a3 1 (1 ) + a3 2 ( t )+ a3 3 ( t 2 ) + a3 4 ( t 3 ) → a3 2=2 , a 31 =a3 3=a 3 4=0

3 t 2=a4 1 ( 1 ) +a 4 2 ( t ) +a4 3 ( t 2 ) +a 4 4 ( t 3 ) → a4 3=3 , a4 1 =a4 2 =a4 4=¿ 0

La Representación matricial de D relayiva a la base Ses:

a11 a 21 a31 a41 0 1 0 0

(
[ D ] =[ D ] S= a12
a13
a 14
a 22
a 23
a24
a32
a33
a34
a42
a43
a44
)( )
=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 representación 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

¿¿

Ejemplo:

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 )

Ejemplo:

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

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' = {u⃗1=( 1,0,0 ) , u⃗2=( 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 + a m 2 ⃗
u2+ …+a mn ⃗
un

A la transpuesta de la matriz de coeficientes del sistema se le llama La

Representación Matricial de T relativa a las bases E y F ,se le denota:
 a11 a21 ⋯ am 1

E
(
[ T ] = 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:

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

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

POLINOMIO CARACTERISTICO

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 característica 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 característico de A . Es decir:

|tI −A|=p (t)

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

TEOREMA (CAYLEY HAMILTON). -

Toda matriz es un cero de su polinomio característico.

Ejemplo:

1 2
Dada la matriz A= 3 2 ( )
Determine su polinomio característico.

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

p ( t ) =t 2−3t−4

Haciendo uso del teorema se tiene:

Observación:

2
p ( A )= A −3 A−4 I = ( 79 106 )+(−3
−9
−6 −4 0
)(
−6
+
0 −4 )
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|

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 ⃗v

(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 .

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

a) Determine los valores propios de la matriz A

b) Determine los vec torers propios de la matriz A

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 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 2

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

de A asociado a λ< 0 . hallar los valores 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 es un vector propio de A ,entonces satisface:
1

0 −a c 1 1
(−b a a 1 )( ) ( )
A ⃗x =λ ⃗x → 2 −c −c t −1 =λt −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 3 3
−2 1 (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 =0
−2 1 −1 z 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 0 2 2)( 0 1 1 )(
3 → 2 1 3 → 2 1 3 → 0 1 1
0 0 0 )( )
2 1 3 x 0
( )( ) ( )
0 1 1 y
0 0 0 z
= 0
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

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

1
Podemos decir que el vector v
⃗ = 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 ⃗v = 1
z z 1 1 ()
La matriz formada por los vectores propios es:

1 1 −1 1 1 −1 1 1 −1
(
−1 1
1 −1 1
1 → −1 1
)|
1 −1 1
1 =0 2 0 ≠0
0 −2 2 || |
Esto significa que los vectores propios son linealmente independientes, por
lo tanto se dice que la matriz es diagonalizable.