UNIVERSIDAD CATOLICA DE CHILE

INSTITUTO DE MATEMATICAS

ALGEBRA
DE
MATRICES
lng. MARIO RAUL AZOCAR
(Master of Science- New York University- New York City)

1973
 UNIVERSIDAD CATOLICA DE CHILE
INSTITUTO DE MATEMATICAS

ALGEBRA
. > p-
DE
MATRICES
(Master of Science • New York University • New York City)

&~aJMwrh "
~ (! (}~ c;J
1973
 PROLOGO

El Instituto de Matem&tica de la Universidad

Cat6lica de Chile, consciente de su compromiso con la comu~

nidad, ha programado una serie de publicaciones destinadas

a contribuir a la mejor preparación de sus estudiantes.

Estas notas sobre Algebra de Matrices, corr~

penden a parte del curso MAT 154 - Algebra II, que el Insti-

tuto ofrece.principalmente para estudiantes de Ingenier!a y

por ello han sido redactadas interpretando este esp!ritu.

Si esta labor acad~mica resulta de alg6n be~

neficio para nuestros estudiantes~. eL suscrito considerar&.

valorizado con creces el tiempo empleado en redactarlas.

Ing. MARIO RAUL AZOCAR

 ALGEBRA DE MATRICES

1.- MATRICES

La matriz es una noci6n que corrientemente se

define sobre un cuerpo conmutativo cualquiera, o sea sobre
un campo. Considerando que en las aplicaciones se trabaja
más frecuentemente con el campo de los reales R y con el e~

po de los complejos e, nuestro estudio se realizará fundamen

talmente sobre estos campos, sin que esto signifique la im-
posibilidad de externder nuestros resultados sobre otros cuer
pos conmutativos.

~ 1.1.

Llamaremos matriz de orden mxn sobre el cuerpo de

los complejos e, al conjunto de mxn números: a .. Q e dispues
tos en m renglones y n columnas.

Designando con a 1)
.. el número ubicado en el rengl6n
de orden i y en la columna de orden j de una matriz A, ten-
dremos:

A =
 2.

expresi6n que para simplicidad en la escritura, denotare

rnos brevemente por A= (aij). Los narneros a .. que forman
1)
la matriz A, se llaman elementos de A.

Cuando m = n, la matriz A se dice matriz cua-

drada de orden n. En el caso particular en que m - n - 1,
la matriz está formada por un s6lo elemento, el a , y en
11
tal caso anticiparnos que (aij) f a 11 •

Dos matrices A= (a .. ) y B
1J
= (b .. ) del mismo or-
1)

den·se dirán iquales si y s6lo si: a .. = bi .•

1) J
De esta definici6n resulta inrn~diato que la igua!
dad matricial, es refleja, simétrica y transitiva.

Dada una matriz A= (aij) de orden rnxn, se llama:

a) Matriz opuesta de ella, a la matriz de orden rnxn:

b) Matriz transpuesta de ella, a la matriz At

t
orden nxm, donde aij = aji

e) Matriz conjugada de ella, a la matriz de orden rnxn:

d) Matriz transconjugada de ella, a la matriz A* = (a*ij)

 3.

de orden nxm, donde: a*ij = aji

TEOREMA 1.1.
a) -(-A) = A e) (A:> = A

b) (At) t = A d) (A*)* a::: A

Dm

Por ser muy simple, solo veremos un caso:

-DEF·1.4.
Una matriz cuadrada A = (aij) es sim~trica si y
s6lo si: aij = aji• Ella es antisim~trica sii: aij = -aji•

TEOREMA 1 • 2 •
Una matriz A es sim~trica si y s6lo si: A = At.
Dm

Si A es sim~trica, ella es cuadrada, y como además:

aij = aji' resulta:

A =
Recíprocamente si A= At, el namero de renglones es igual
al ndmero de columnas y entonces la matriz es cuadrada. Ade
más A= At implica aij = a~j = aji' luego A es sim~trica.

TEOREMA 1. 3.
La matriz A es antisim~trica sii: A= -At.
 4.

Se deja como ejercicio, por ser análoga a la dada en el

teorema precedente.

DEF 1.5.

donde ~ij es el ~ de Kronecker

DEF. 1. 6.
Matriz nula, es toda matriz O cuyos elementos son
todos ceros.

2.- SUMA DE MATRICES

En este párrafo definiremos dos oper~

matriz por un escalar.

DEF 2.1.
Dadas dos matrices A = (aij) y B = (bij) del mis-
mo orden mxn, llamaremos suma de ellas a.una matriz~+ B
que por definici6n valdrá: A+ B = (aij + bij).

TEOREMA 2 • 1.
Sean A, B, C y O matrices del mismo orden mxn,
entonces:
a) A + B = B + A e) A + .O =A
 S.

b) (A + B) + C = A + (B + C) d) A + (-A) =O
Dm
Trivial, se deja como ejercicio.

Sean A y B matrices del mismo orden, entonces:

a) -(A+ B) = (-A) + (-B) e) (A+ B)t = At + Bt
b) (A + B) =A+ B d) (A+ B)* = ~* + B*

-Dm
Trivial. Solo daremos el caso (e)

(A+ B)t = ( aij + bij) t

= (aji + bji) = (aj 1) + (bji)

t t
= (aij) + (bij) = At + Bt

~ 2.2.
El producto de una matriz A= (aij) por un esca-
lar p, es una matriz del mismo orden de A, que designar~

mos con la notaci6n: pA 6 Ap y que por definici6n valdrá:

pA = Ap = (paij)

Observaci6n

De acuerdo a las definiciones 1.3 y 2.2 convi!

ne notar que: -A = (-l)A.
 6.

TEOREMA 2 • 3 •
Sean A y B matrices del mismo orden; p y q
escalares, entonces:
a) p(A + B) = pA + pB e) (pq)A = p(qA) = q(pA)
b) (p + q)A = pA + qA d) pA = O sii p = O 6 A= O

-Dm
Trivial, se deja como ejercicio.

~ 2.3.
Dadas dos matrices A y B del mismo orden, llamar~

mos diferencia entre A y B a una matriz que de$ignaremos

con A - B y que por definici6n valdrá: A - B = A + (-B)

TEOREMA 2 4.
Toda matriz cuadrada A puede expresarse, de
manera t1nica, como suma de una matriz sim~trica y una rn!,

triz antisim~trica.

' ' t
Sea S una matriz sim~trica (S= S ) y T una matriz anti-
sim~trica (T = ~Tt), por determinar; y tales que: A= S+ T.

Entonces: At = (S+ T)t = St + Tt =S- T. Resolviendo el

sistema para S y T, resulta:

S = t (A + At)
 7.

Así tenemos:

Finalmente esta descomposici6n es dnica, pues el sistema

que determina S y T es de primer grado, con determinante
no nulo.

Corolario
Para toda matriz cuadrada A se tiene que:
S = A+ At es simétrica y T = A- A~ es antisimétrica.

EJERCICIOS

1. Con E (x) designamos el mayor entero que no es mayor

que x. Construya las matrices siguientes:

a) A= (aij) con aij = E(j/i) y de orden 4x5

b) B = (bij) con bij = E((i+1) / (j+2)) de orden 3x4
e) e = (cij) con cij = E (j) y de orden 3x3
d) D = (dij) con dij = S(j~ij) y de orden 4x4

2. Resolver las ecuaciones:

a) SX + I = (
-7
3
:) b) 2X - JI =
(i
2
1
1
3
7
2 )
e) 3(X + SI ) = 2(X- I2)
2

d) 2X + Y = (~ ~) A.~
X - 3Y =(~ :)
 8.

3. Demuestre que las matrices A, B y e que se indi

linealmente dependientes

B = (12 -3-1) e =P !)
4. Deseo
antisimétrica T. Tome A arbitraria, cuadrada y de orden
3x3.

S. Determine si las matrices A = (aij) y B = (bij) de or-

den 4x4 con aij = E(ij) y bij = (-1)ij(i + j) son o no
simétricas.

6. Sea V el espacio de las matrices de orden 2x2 sobre el

cuerpo c. Se toma H c. V, siendo :H = {AJA € V A A = A*}
Determine si H es o no subespacio de V.

3.- PRODUCTO DE MATRICES

El producto de matrices difiere
fundamentalmente del producto de n1Smeros reales o comple•
jos, por dos razones principales: primero, las matrices
factores deben cumplir ciertas condiciones para que pueda
existir su producto y segundo, el producto que definire-
mos no es conmutativo en general.

DEF 3 .l.
Una matriz A será multiplicable· por una matriz B
 9.

cuando el ntlmero de columnas de' A sea iagual al ndmero de

renglones de B.

Observaci6n
En general, si A es multiplicable por B, no n~

cesariamente B es multiplicable por A.

-
DEF 3.2.
Dada una matriz A = (aij) multiplicable por una

de orden i de A, por la columna de orden j de B, al ndme-

ro:

~ 3.3.

Dada una matriz A = (aij) multiplicable por una

matriz B = (bij), llamaremos producto de A por B, a una
matriz que designaremos con AB y que por definici6n va!
drl:

AB

Observaci6n
De acuArño a esta definici6n, el producto de
una matriz A de orden (mxn) y una matriz B de orden (nxp)
 10.

es una matriz e= AB de orden (mxp). Como consecuencia in

medianta de esta observaci6n se concluye que si A de orden
(mxn) es multiplicable con B de orden (nxp), el producto
de B por A no está definido, a menos que: p = m.

Ade~s de esta característica, ·hay otras difere~

cias notables entre el producto de matrices y el producto

en Algebra clAsica. Veamos dos que son de fundamental im-
portancia.
1° Adn cuando existan los productos AB y BA, no siempre
ocurre que: AB = BA. El ejemplo siguiente, ilustra es
ta aseveraci6n.

Este ejemplo es suficiente para afirmar ·que el produc-

to de matrices no es conmutativo. Debido a esta circuns-
tancia, corrientemente se llama al producto AB, posmulti-
plicaci6n de A por B o bien premul tipli·caci6n de B por A.

2° El producto de dos matrices puede ser la matriz nula,

aan cuando ninguno de los factores sea nulo. El ej~

plo siguiente corrobora·esta afirmaci6n.

0)-«>
o -
 11.

TEOREMA 3 • l.

Sea A una matriz de orden mxn, entonces:

Dm

TEOREMA 3 • 2 •

a). <AB'> =Aa

e) .. (AB) * = B* A*
Dm
a) Esta igualdad por demostrar,. s6lo exige que A sea
multiplicable por B, en tal hipótesis tenemos:

n
AB = ( l aik bkJ.)
k=l

·n n
AB' = <
k=l
L aik bkJ.) = (
k=l
r aik bkJ')
 12.

n
AB = ( I aik bkj) = (pij)
k=l

t n
(AB) t ":
(pij) = (pji) = ( l ajk bki) ( 1)
k=l
Por otra parte:
n t n
Bt At = { ¿_ t akj) = ( l
bik (2)
k=l k=l bki ajk)

Comparando (1) y (2) tenemos: (AB) t = Bt At

e) Aqu! tal como en el caso (b) , A y B deben ser matri-

ces cuadradas del mismo orden, entonces:

(AB) * = (AB) t =. (Bt At) = Bt At = B* A*

corolario
Para toda matriz A, ocurre que P = AAt y Q = At, A
son matrices simétricas. En efecto:

TEOREMA 3 o 3 o

(pA) (qB) = pq(AB) = (qA) (pB)

Dm

Sea A = (aij) multiplicable por B = (bij) , entonces por

defin1ci6n de producto de matrices tenemos:
 13.

n n
(pA) (qB) = ( l (p aik) (q bkj >) = ( L (pq) aik bkJ")
k=l k=l

n
= pq ( L aik bkJ.J= (pq) (AB)
k=l
Finalmente: (pA) (qB) = pq (AB) = qp (AB) = (qA) (pB)

Corolario
(-A)B = A(-B) = -(AB) y (-A) (-B) = AB

TEOREMA 3 • 4 •

(AB) e = A (BC)

Dm

Naturalmente que en la proposici6n por demostra~supon~

mos que los productos indicados existen. Sea entonces A

de orden mxp, B de orden pxq y e de orden qxn.

El elemento del rengl6n de orden h y de la columna de

orden i del producto AB es:

luego el elemento del rengl6n de orden h y de la columna

de orden k del producto (AB)C es:
 14.

yhk = r
i=l j=l
y ahj bji cik = y r
j=l i=l
ahj bji cik

yhk =
j=l
! ahj (i=l
r bji cik)

esta altima igualdad muestra que Yhk es el elemento del

rengl6n de orden h y de la columna de orden k del produE
to A(BC), de aquí entonces que·: (AB)C = A(BC).

TEOREMA 3 o 5.
A(B + C) = AB + AC
(B + C)A = BA + CA

Dm

Obviamente, nuestro enunciado· supone que las operacio-

nes contenidas en él, son posibles. Sea entonces A de
orden mxn, B y e de orden nxp~

El elemento del rengl6n de orden i y de la columna de

orden k de la matriz B + e es: sik = bik + cik•

Por lo tanto el elemento del rengl6n de ordenph y de la

columna de orden k de la matriz: A(B + C) será:
 15.

~k=

pero estas altimas sumatorias son los elementos del rengl6n

de orden h y de la columna de orden k de las matrices AB y
AC respectivamente, luego: A(B + C) = AB + AC.
Analogamente se demuestra que: (B + C)A = BA + CA.

~ 3.4.
Para toda matriz cuadrada A, y n natural tomaremos:

TEOREMA 3 • 6 •

Si k y n son enteros no negativos y A matriz

cuadrada, se tiene:

-Dm
Se hará por inducci6no Para k = 1, las tesis es válida,
en efecto:
Supongamos entonces que la igualdad propuesta es válida
para k = Po u sea, que: An Ap = An+p.
En esta hip6tesis tenemos:

resultado que demuestra la t~sis propuesta.

 16.

Corolario
Sin es entero positivo, se tiene: (An)t = (At)n

En efecto:
t t t t t
= (AAAo •• o • • A) = A ••••• A A A

DEF 3o5.

Una matriz cuadrada A ~ O se dice nulpotente si

existe un entero positivo p, tal que: Ap =O
una matriz cuadrada A o se dice eri6dica, si

existe un entero positivo p tal que: Ap+l = A.

El menor entero p que verifique la igualdad prec~

dente se dir§ perfodo de la matriz. Particularmente si

A2 = A, la matriz se dice idempotente.

EJERCICIOS

lo Efectae los productos que se indican y saque en cada

caso una conclusi6n:

a)

b) .( 1 2)(-2 6 )
e)
(
-1

-4 -8 1 -3 -8
 1-7.

2. Demuestre que: (A+ B) 2 = A2 + B2 , siendo

3. Determine todas las matrices X de orden 2 x 2 tales que

x2 =e :)
4. Resuelva la ecuaci6n X e:) = !2

5. Resuelva la ecuaci6n 2) I
5
=
2
y aproveche

la soluci6n encontrada para resolver la ecuaci6n:

6. Si X es matriz no nula de orden 2 x 2, resuelva la

ecuaci6n

7. Exprese matricialmente los sitemas:

a) 2x 2 + 3x 3 = 5 b) X + 2y = 4

xl + 4x 2 + 7x 3 = -2 2y + z = 5

2x 1 + 3x 2 + 6x 3 = 3 2z + 3x = 12
 18.

8. Exprese matricialmente., mediante matrices sim,tricas, las

cuádricas que se indican:
2
a) x2 + 6y2 + 10z + 4xy + 6xz + 10yz = S

b) x2 + sy' - z2 + Jxy - 2yz = o

e) a,?- +11y 2 + 8z 2 - 4xy + 4yz + 8xz = -9

9. Verifique que la ecuaci6n: X

3 - x2
- Sx + SI = o

admite la soluci6n

cos«J sena ) ( cos na sen na)

10. Si A =( demuestre que: An =
-sena cos«J -sen na cos na

a demuestre que:
11. Si tg«J = n ,

( : ~ )n =
2 2 cos na sen na.)
( 1 + -a ) (
n2 -sen na cos na
--
n 1

12. Calcule (: p) 1 n
,..

n
1
p
o ~r
13. Para la matriz A =(: -~) calcule:

A4n , A4n+1 , A4n+2 , A4n+J

 19.

14. Determine todas las matrices cuadradas X de segundo or-

den tales que x2 = I

15. Idem para x2 =o

16. Calcule A
100 siendo A =
uo
o
1 ~)
4.- MATRIZ RECIPROCA

DEF 4.1

Dada una matriz cuadrada A= (a .. ), la matriz adjunta

l.)

de ella es la matriz A+ = + t
(aij) +
, donde aij es el adjunto del
elemento aij en el determinante IAI = det (A).

TEOREMA 4.1.

Dm
La demostraci6n de esta tésis resulta muy simple si se tie
ne presente que, en un determinante la suma de los productos
de los elementos de una l!nea (rengl6n o columna), por sus ad
juntos correspondientes, es igual al determinante y la suma
de los productos de los elementos de una l!nea por los adjun-
tos de los elementos de una l!nea paralela es cero; o sea, re
cordando que:
 20.

n + n +
L aik aik = det (A) L aik ajk = O
k=l k=l

o bien, resumiendo las dos expresiones en una sola, tene

mos:

Teniendo presente las igualdades anteriores, resulta:

n +
= ( l aik a J. k)
k=l

= {dij det (A)) = (oij) det A= I det (A)

t
De anale>ga manera se obtiene:
'

= {ó,, det (A))= (t5,.)det (A)= I det(A)

l.J l.J

Así hemos demostrado que: AA+ = A+A = I det (A)

Dada una matriz cuadrada A, llamaremos matriz re-

cíproca de ella, toda matriz B, siempre que exista, tal
que: AB = BA = I
 21.

TEOREMA 4 • 2 •

Si A tiene matriz recíproca, ésta es anica.

-Dm
Supongamos que la matriz cuadrada A, admita dos matrices
recíprocas P y Q, entonces:
PA = AP = I y QA = AQ = I

luego: P = PI = P (AQ) = ·(PA) Q = IQ = Q

La matriz recíproca de una matriz A, se designará por A- 1 •

Llamaremos matriz regular, (no singular), toda ma-

triz cuadrada A, que tenga matriz recíproca. Toda matriz
cuadrada no regular se dirá singular. .

TEOREMA 4 3.Q

Una matriz cuadrada A tiene matriz recíproca

si y s6lo si: !Al = det (A) ~O. Además:

-1
A = =
1 Al det (A)

Dm
Supongamos que IAI ~ o. De AA+ = A+ A = !Al I
obtenemos:
A+ A+
A- = A = I
!Al !Al
 22.

resu1tado que nos muestra que A es regular y además que la

matriz inversa de A es:

Rec!procamen te supongamos que A es matriz regul'aro Llaman

do B a su matriz reciproca; tenernos: AB = BA = I, luego:
det(AB) = det(A)det(B) = 1
de donde, obviamente: det(A) ~ O.

Corolario 1
Si A y B son matrices regulares de orden n, ia rna
triz AB tarnbi~n es regular.

En efecto, IABI = IAI IBI y puesto que IAI ~ O

y 1B 1 ~ O, resulta ·1AB 1 ~ O.

Corolario 2
Si A es regular, tarnbien lo es A- 1 y además,
det(A- 1 ) = (det A)- 1
Ep efecto: AA- 1 = I implica IAI IA- 1 1 = 1

.. .
Corolario 3
Si A de orden n es no singular (regular)
det(A+) = IA+I = IAin-1
En efecto de: AA+ = IAI I = (!Aioij>, resulta:
det(AA+) = det < 1A 1 ei j > = lA In
 23.

Corolario 4
Si A de orden n es no singular, se tiene:
(A+)+ = IAin- 2 A

TEOREMA 4 o 4 ~

Sean A y B matrices regulares, entonces:

Dm

a) Como A es regular, tambi~n lo es A- 1 , luego existe

(A- 1 )- 1 y entonces: A- 1 (A- 1 )- 1 = I, de aqu! premul-
tiplicando por A, ~esulta: (A- 1 )- 1 =A
b) Tomando transpuesto en la igualdad AA- 1 = I, se obtie
ne: (A-l)t At = It = I
y posmultiplicando por (At)- 1 , resulta: (A-l)t = (At)- 1
e) Tenemos:
(AB) (B- 1A- 1 ) = A(BB-l)A- 1 = AA- 1 = I
y como además: (AB) (AB)- 1 = I, resulta: (AB)- 1 = s- 1 A- 1

Corolario

Terminaremos estas ideas extendiendo la definici6n

de potencia de una matriz cuadrada, a potencias de exponen-
 24.

te entero negativo de una matriz regular.

DEF. 4. 4
Si A es matriz regular y n es un entero positivo:

Finalmente presentaremos las llamadas matrices:

involutiva, ortogonal, unitaria, herm!tica y an'tiherm!ticao

DEF 4.5
Una matriz cuadrada regular A, es:

a) Involutiva, si y s6lo si: A-1 = A

-1 At
b) Ortogonal, si y s6lo si: A =
-1
e) Unitaria, sj y s6lo si: A = A*
d) Herm!tica, si y s61- si: A = A*
e) Antiherm!tica,si y s6lo si: A = -A*

EJERCICIOS
-3
1.- Determine la matriz adjunta A+ de A ~(-! o
4

2. Sea A matriz no singular de orden n, demuestre que:

2
det (A+)+ - (det A) (n- 1 )

+
3.- Se A matriz simétrica de orden n, demuestre que A es
sim~trica para n impar y antisimétrica para n par.
 25.

4.- Determine la matriz inversa o reciproca de:

2 o

(: ~)
4
A = o
9
B
= (:
9
8 :J e
= (:
1
o :J
5.- Usando algebra de matrices resuelva los sistemas:
X + y + z =6 9x - lOy + z = 1
2x - y =o 3x + y - z = -1
X + y - z =o 7x - y + z = 1

6.- Usando cualquier procedimiento, resolver:

2x - 3y + z = 3 16x - 84y + 40z = 62
X + 5y - z = 3 2x + 7":}' - 3z = 7
7x + 9y - z = 15 18x - 7y + Sz = 4

7.- Determine las tres raices cuabicas de 1. Si una raiz

compleja es w, demuestre que la otra es w2 y que
1 + w + w2 = O

8.- Determine la matriz recíproca de A-- (li

9.- sea w3 =1 y w ~ 1, demuestre que:
10.- Sea A matriz cuadrada de orden n sobre c. Demuestre
que A se puede expresar de manera dnica en la forma
A =H+ K, siendo H = H* y K = -K*

11.- Demuestre que A-n = (An)- 1 y calcule A-n para

12.- Determinar la matriz A, sabiendo que:

A + A-1 =( O 9/4)
.9/2 o

13.- Calcular S= A- 1 + A- 2 + A- 3 + •• o+ A-n, siendo

14.- Resolver la ecuaci6n:

(13 1){x
4
y) (-34 -2)
U V 2
(226 =

15.- La matriz A, cuadrada de orden n, verifica la ecuaci6n

A2 = o. Demuestre que la matriz A + I admite una recí
pro ca de la forma x A + I. Determine x.
 27.

16.- Determinar las matrices X e Y que verifican el sistema

X + AYt = B xt + YC = o, siendo

A
=C :J B
=C :) e
=C :J D =(-: :)
17.- Sea A matriz cuadrada de orden n, Y sea
M = {A 1AA t = I} . Demuestre que M con el producto de
matrices, es grupo.

18.- El namero real a es fijo y x es real variablee Demues

tre que el conjunto de matrices de la forma:

tiene estructura de grupo respecto a la multiplicaci6n.

S =(~} A2 +(~}A + ••••• + ( ~)A n,

4 2
19.- Calcular la matriz

siendo A =(~ -~) y n namero natural.

20.- Sea A matriz cuadrada de orden n, demuestre que A es

regular si y solo si el sistema AX = O, admite unica-
mente la soluci6n trivialo

21.- Sea A matriz ortogonal (A t = A-1 ) , demuestre que:

a) det A2 = 1 b) A-l es ortogonal e) At es orto
 28.

5.- RANGO DE UNA MATRIZ

La idea de rango de una matriz es

de fundamental importancia en varios t6picos referentes a
matrices y en especial en ~1 estudio de los sistemas linea
les.

En una matriz A de orden m x n, el rango-rengl6n es

el mayor ndmero de vectores-renglones linealmente indepen-
dientes.

DEF 5~2.

En una matriz A de orden m x n, el r~ngo-colurnna es

e mayor n
dientes.

TEOREMA S.lo
En cada matriz A, el rango-rengl6n: rr(A) y el
rango-columna: rc(A), son iguales.

Drn

Sea A= (a j) una matriz cualquiera, de orden m x n. Si

1
A es matriz nula, el teorema es trivial. Supongamos enton
ces que A :1 O.
Sean R1 = (a 11 ,a 12 ,0Go•ain)' R2 = (a 21 ,a 22 .o.a 2n)
••••• Rm = (aml'am2 ,.o.arnn) los renglones de A. Supongamos
 que el rango-rengl6n de A es r, y que los r vectores-ren-
glones linealmente independientes son los siguientes:

De acuerdo a estas ideas, cada vector-rengl6n R.,

1
debe ser combinaci6n lineal de los vectores-renglones,
linealmente independientes sj con j = 1, 2, 3, •••• r.
As1 tenemos:

R1 = c11 5 1 + c12 5 2 + ••• + c1r 5 r

R2 = c21 5 1 + c22 5 2 + • • • + e 2r s--,-
r

Si en cada una de estas ecuaciones, igualamos la

componente de orden i, tenemos:

------------------------------------
a . =e h . +e b + ••• +e b i
m1 m1 1 1 m2 21 mr r

1
para i = 1, 2, 3, ••• , n.
 30.

As! entonces:

ali' c11 c12 clr

a21 c21 c22 c2r
= bli + b2i + .... + bri

ami cml cm2 cmr

igualdad que nos muestra que cada uno de los vectores-

columnas de A, es combinaci6n lineal de los r vectores,
c 1 ,c2 , ••• cr' siendo Cj= (c 1 j,c 2 j, ••• cmj)t. De aquí en-
tonces que el rango-columna de A no es mayor que el ren

Razonando de análoga manera con las columnas se obte~

dr!a r < k, y entonces conclu!mos: r = k.
~ 5.3.
El rango de una matriz A, es el ndmero:
r(A) = rr(A) = rc(A)

-DEF 5.4.
En una matriz A de orden m x n, se llama menor de
orden k, todo determinante formado por k renglones y k co
lumnas de la matriz A.
 31.

Una matriz no nula A, tiene rango k, si y solo

si, uno al menos de sus menores de orden k, es diferente de
cero y todos los menores de orden superior a k son nulos.

Dm

La demostraci6n no se dará$ Puede consultarse, entre

otros, el texto: "A First Course in Linear Algebra", del
profesor D. Zelinsky, pagina 1SS~ Academic Press-1968.

Corolario
Si A es matriz cuadrada, no singular, de orden n,
su rango es n.

EE s.s.
La nulidad de una matriz cuadrada A de orden n, es
el nfimero (n-r), siendo r =rango (A).

Observaci6n
La determinaci6n del rango de una matriz es de
importancia primordial~ La bfisqueda del rango de una ma-
triz, puede hacerse en forma muy c6moda, introduciendo cier
tas operaciones que pueden efectuarse sobre una matriz y
que se conocen con el nombre de transformaciones elementa-
leso
 32.

Dada una matriz A, llamaremos transformaciones ele

mentales a:
1.- Intercambio del renglón de orden i por el renglón de

orden j: (Hij) o

Intercambio de la columna de orden i por la columna

de orden j: (Vij) o

2.- Multiplicar un renglón de orden i por un escalar, no

nulo, p: (pHi)
Multiplicar una columna de orden i por un escalar, no
nulo, p: (pVi) o

3.- Sumar al renglón de orden i, el rengl6n de orden j,

previamente multiplicado por el escalar p: (Hi + pHj)c

Sumar a la columna de orden i, la columna de orden j,
previamente multiplicada por el escalar p:(Vi + pVj)c

TEOREMA 5. 3 •
El rango de una matriz es invari~~te bajo las
transformac!ones,elementales.

-
Dm
Trivial. se deja como ejercicio.

Observaci6n
El teorema precedente establece la invarianza
del rango de una matriz, con respecto a las transformaci2
nes elementales que sobre ella se efectaanG Esta idea, co~

juntamente con el teorema 5o2, proporcionan un método exp~

dito para determinar el rango de cualquier matrize Justi-

ficaremos esta afirmaci6n proporcionand o un ejemploo

Ejercicio
Determinar el rango de la matriz

:)
2 5 -4
2 11 -4
-4 -1 8 -3

~: Determinaremo s el rango pedidoi efectuando sobre la

matriz A, transformacio nes elementales-c olumnaso Sumando
a la cuarta columna la segunda previamente multiplicada
por 2 y restando a la quinta la segunda, resulta:

o .,
~':
5

B =( 11 o
1 -4 -1 o

Restando a la ttltima columna la primera y restando a la ter

cera la suma de la segunda más la primera previamente mul-
tiplicada por 3, tenemos la matriz:

2 o o o
e 2 o o o
= (:
-4 o o o
 Ahora como las columnas primera y segunda son linealmente
independientes, tenemos rango {C) = 20 Finalmente como las
transformaciones elementales no alteran el rango de una m~

triz, resulta: rango (A} :;> rango (B) ""' rango (C) ª :L

rse que
rango (C) = 2, haciendo uso del teorema 5o2, pues tenemos

det (
'1 2) ~ -4 ;' O
2 3

lo.

Se llama matriz elemental, toda matriz que puede

obtenerse efectuando¡ un n~mero finito de transformaciones
elementales, sobre una matriz unidado

TEOREMA 5 • 4 •

Toda matriz elemental es no singular

Dm

Sea A una matriz elemental de orden n. Como ella puede

obtenerse por transformaciones elementales desde· la matriz
unidad de orden n, ella debe tener rango no Ahora para que
'A tenga rango n u como A es cuadrada de orden n, debe tener
se det (A) ~ Oo As!, A es matriz no singular~
 35.

TEOREMA 5 • 5 •

Cada transformaci6n elemental-rengl6n sobre una

matriz A, puede obtenerse premultiplicando A, por una matriz
elemental o

-Dm
Para simplicidad de escritura, tomemos una matriz A de
tercer orden y efectuemos las siguientes transformaciones-
renglones:

a) Permutaci6n del primer rengl6n con el segundo:

1 o --
\o o
b) Multiplicaci6n del tercer rengl6n por un escalar p,
no nulo.
1 o
o 1
o o
e) Sumar al primer rengl6n el tercero previamente multi-
plicado por un escalar Po
o
(~
.o
1

o
=
 36.

Observaci6n
Sin duda que lo presentado como demostraci6n
del teorema precedente, no es propiamente una demostra-
ci6n, sino un simple ejemplo aplicado a matrices de tercer
orden o Nos justificamos diciendo que ello se hizo en bene
ficio de la claridad del contexto 0

Para obviar esta situación rogamos al lector,

tomar matrices de orden n y en lugar de hablar de primer,
segundo o tereer · rengl6n, use la terminología rengl6n de
orden i 8 de orden j 6 6 de orden k; entonces creemos qued~

rá el~inada toda inquietud o

TE¡OREMA 5 0 6 o
Cada transformaci6n elemental-columna sobre una
matriz A, puede obtenerse posmultiplicando A, por una ma-
triz elemental 0

Dm

Idéntica a la dada en el teorema anterior o

TEOREMA 5 . 7 o
Si una matriz cuadrada no singular A, se reduce
 37.

a la matriz unidad I, mediante premultip licaciones por las

matrices elementale s M1 , M2 , M3 ,ooo••, Mk' la matriz recí-
-1
proca A de A, se obtiene premultip licando I por dichas
matrices.

Dm
Por hip6tesis tenemos que:

1
Ahora como A es no singular, existe A- • Posmultip licando
-1
la igualdad anterior por A , resulta:
Mk Mk-1 ~ Q O Q O ~ O M3 M2 M1 I =A-l
conclusi6n que demuestra la tésis o

Observaci6 n
El teorema precedente nos proporcion a un proce-
dimiento muy pr,ctico para determina r la matriz rec!proca
A- 1 , de una matriz no singular Ao En efecto, de acuerdo a
-1
lo demostrado enel teorema anterior, para obtener A , ba~

tará efectuar sobre la matriz unidad I, las mismas trans-

formacion es-renglon es que son necesarias para reducir A a I.

Aclaremos estas ideas con un ejemplo, indicando

en él, un adecuado esquema de cálculos .

~jercicio

Determina r la matriz inversa de:

 38.

3 -2
A = -4 1

o
como esquema de cálculo dispondremos las matrices A e I en
la forma (A 1 I) y mediante transformaci ones-renglon es, que
operar&n simultáneame nte sobre A e I, trataremos de reduci~
las a. la forma (I i B) o Entonces, de acuerdo al teorema So 7o
tendremos B = A- 1

-2 -1 1 o
(A ! I) = ( -: 1 -1 o 1
o 1 o o

o o

~)
5 -2 1

-2 1 o o 1

\ 2 o 1 o o

1 1 o o 1 2 3 '
-2 1 o o 1 1

\ 2 o 1 o o 1 J

V1 o o
~)
1 2
o 1 o 2 5
o o 1 -2 -4 -5

Sin dificultad, por simple multiplicaci 6n matricial puede

 39-.

comprobarse que:

1 2 3

A-1
=( 2
-2
S

-4 -s
7
)
TEOREMA S. 7.
Si una matriz cuadrada no singular A, se,reduce
a la matriz unidad I, mediante posmultiplicaciones por las
matrices elementales N1 , N2 , N3 , ••••• , Nj' la matriz recí-
proca A- 1 de A, se obtiene posmultiplicando I por dichas ma
trices.

Dm

Identica a la dada en el teorema anterior, se deja como

ejercicio.

Observaci6n
Este teorema, tal como el anterior, proporciona
un medio para determinar la matriz recíproca A-1 , de una
matriz no singular A, operando con transforma~iones~columnas~

EJERCICIOS

1.- Verifique que para las matrices

A = (_~ -:)
B =( -1
2 -6
3 )

Se tiene: r(A + B) < r(A) + r(B)

c
 40~

2.- Determinar el rango de las matrices:

5 3 1 4 -2 ~2 2 3 3 -1

A
=ll
3
4
4

4
1

1
5

3
1

2
B=
-2
-8
o
2 11
4 2

7
-1

-3
1
\
6 7 2 13 -3 -1 10 3 9 -2
3.- Verifique que para las matrices

A =C
Se tiene: r (A + B) = r (A) + r (B)
4s;.. Sean A y B matrices del mismo orden m x n, demuestre

que:
a) r(A + B) < r (A) + r(B)
b) r(A + B) > Ir (A) - r (B) 1
5.- Sea A matriz de orden m x n sobre el cuerpo de los com-

plejos. Demuestre que: r(A) = r(At) = r (A) = r(A*)

6.- Sea A matriz de orden m x n sobre R. Sea P de orden
m x m y Q de orden Q de orden n x n, ambas no singulares.
Demuestre que: r(A) = r(PA) = r(AQ) = r(PAQ)
7.- Sea A matriz no-singular de orden n, multiplicable por

la matriz B.
Demuestre que: r(AB) = r(BA) = r(B)
8,~ Determine dos matrices A y B tales que: r(AB) = mín
{r(A), r(B)}
 9.- Determine dos matrices A y B, tales que:
r (AB) < m!n {r (A) , r (B) }

10.- Sea A matriz multip~icable por B, demuestre que:

r(AB) ~ m!n {r(A), r (B)}.

11.- Sean ai ~ O para i = 1, 2, •••• , n y b. ~O para

J
j = 1, 2, 3, •••• n. Demuestre que el rango de la

6.- EQUIVALENCIA, CONGRUENCIA Y SIMILITUD DE MATRICES

DEF 6.1.
Una matriz A de orden m x n es equivalente a una
matriz B de orden m x n, si y s6lo si, existen matrices
no singulares, P de orden m y Q de orden n, tales que:
A = P B Q

Para indicar que A es equivalente con B pondremos: A "' B

TEOREMA 6 • l.
La equivalencia de matrices es una relaci6n
de equivalencia.

-Dm
Para establecer la tesis debemos probar que la equiva-
lencia de matrices es refleja, sim~trica y transitiva. Si
 42.

A es de orden m x n, tomando P = I m y Q = I n' resulta:

Im A I n = (Im A) In = A In = A

lo que nos indica que A '"' A. Ahora si A es equivalente con

B, (A rv B) tenemos:
A =P B Q y como P y Q son no singulares resulta:
B = P- 1 A o- 1 : igualdad que nos muestra que B es equiva-
lente con A, o sea (B "'A).

Finalmente supongamos que A es equivalente con B

y que B es equivalente con e, entonces tenemos: A =P B Q
y B = R C S de donde:

A =P (ReS)Q = (PR) e (SQ)

y como las matrices (PR) y (SQ) son no singulares, vemos

que la equivalencia es transitiva, o sea: A "' B y B "' e,

implica A "' c.

TEOREMA 6 • 2 •

La matriz A es equivalente con B, si y s6lo si,

A puede obtenerse desde B por un ndmero finito de transfo~

maciones elementales.
Dm
Supongamos que A es equivalente con B, entonces:
 43.

A= P B Q. Ahora corno P y Q son no singulares, ellas pue-

den obtenerse desde matrices unidades, mediante transforma
ciones elementales, o sea:

-1 ••••••••••••••

N.J- 1 = Q

Reemplazando estas expresiones en A = P B Q, queda:

lo que nos indica que A puede obtenerse desde B por trans

formaciones elementales.
La proposición recíproca es inmediata

TEOREMA 6.3.
Dos matrices A y B del mismo orden, son equi-
valentes, si y s6lo si,tienen el mismo rango.

-DmSi A y B son equivalentes, una cualquiera de ellas puede

obtenerse desde la otra, por transformaciones elementales
y como el rango es invariante a dichas transformaciones,
se concluye que A.y B tienen el mismo rango.

La proposici6n recíproca la dejarnos al lector.

Terminaremos estas ideas presentando las necio

nes de congruencia y similitud de matrices.
 44.

DEF 6.2.
Dadas dos matrices A y B de orden n, A es congruen-
te con B, si y s6lo si existe una matriz regular P, tal que:
A= P B Pt.

De esta definici6n resulta inmediato que la congrue~

cia de matrices es un caso particular de equivalencia, pues

A congruente con B, (A ~ ~), implica:

A =P B Q con

De aquí entonces que:

a). La congruencia es una relaci6n de equivalencia.
b). Si A es con ruente con B, (A~ B) uede obtener
se desde B, mediante un nGmero finito de transfor-
maciones elementales.
e). Dos matrices A y B congruentes, tienen el mismo
rango.

La congruencia de matrices es de importancia bás!

ca en el estudio de las formas cuadráticas y de las formas
bilineales.

Finalmente definiremos otro caso particular de equ!

valencia (A =P B Q), la similitud, que se qbtiene tornando
-1
Q = p •
 45.

-DEF' 6.3.

Dadas dos matrices A y B de orden n, A es similar

con B, si y s6lo si, existe una matriz no singular P, tal
que:

Considerando que la similitud de matrices es un e~

so particular de equivalencia de matrices, podernos afirmar

que:
a). La similitud de matrices es una relaci6n de equiv~

lencia.
b). Si A es similar con B, (A~ B), A puede obtenerse

desde B, mediante un ntlmero finito de transforma-

ciones elernentalese
e). Dos matrices A y B similares, tienen el mismo ran-
go.

7.- ECUACIONES LINEALES

DEF 7.1.
Se llama ecuaci6n lineal para las inc~gnitas

Xn ' sobre un cuerpo K, toda ecuaci~n de la

(1)

de donde a 1 , a 2 , o•ooor an y b son elementos del campo K.

 46.

Los elementos a. son los coeficientes de las inc6qni-

1 -

tas xi, y bes el término constante. Particularmen te si el

término constante b, es el elemento nulo del cuer;Jo K, la

ecuaci6n lineal toma la forma:

a 1 x 1 + a 2 x 2 + ••••• + anxn =O
y pasa a llamarse ecuaci6n lineal homog~nea.

DEF 7.2.

junto (a , a , ••••• , an) de elementos del cuerpo K, tales

1 2
que: a a + a a + ••••• + an an
1 1 2 2 = b

-DEF 7.3.

Un sistema lineal de m ecuaciones para las inc6gn!

tas: x , x , ••••. , xn' sobre un cuerpo K, es todo conjunto

1 2
de m ecuaciones de la forma:

+ a x
1n n =
a + •••• +a

.... + a
mn n = b m
x

Particularmen te si: bl = b = b = ••••• bm =O el

2 3
sistema (2) es lineal homogéneo.

DEF 7.4.

Es soluci6n del sistema (2) todo conjunto

a ) de elementos de K, que sea soluci6n de

n
 47.

cada una de las ecuaciones del sistema.

Si el sistema (2) admite por lo menos una soluci6n,

~1 es compatible; si no admite ninguna soluci6n, es imcom-
patible.

un sistema compatible es determinado si admite una

soluci6n ÚTdca, contrariamente si admite ma§ de una solu-
ci6n, ~1 es indeterminado. ,""";- ¡

1) Determinado
a) Compatible
< 2) Indeterminado
Sistema
Lineal

,, Un sistema
< b) Incompatible

homog~neo es siempre compatible, pues el

·;p,,"_.{
conjunto (0,0, ••••• , 0) de elementos de le, es'J/soluci6n.
'•

Esta soluci6n, se llama soluci6n trivial del sistema y cual

quiera otra soluci6n se dir~, no trivial.

DEF 7.5.
Se llama matriz del sistema (2) a la matriz A = (aij)
de orden m x n, formada por los coeficientes de las incÓgnitas.

DEF 7.6.
Se llama matriz ampliada del sistema, (2) a la matriz:
 4B.

·"~'"
all a12 ocooceo
aln bl

'V
a21 a22 o•o•·oe>o
a2n b2
A ;:;

\
----------------------
~ ~ ~ h
ml m2 mn m1
"'
Introduciendo las matrices columnas;~~

t t
~ : (Xl Q X2 8 o o e o e 1 Xn) Y (3 = (b 1 9 b2 ¡ (00001 b)
n
el sistema (2) se expresa matricialmente por~ A~ =B {3),

Observaci6n
A continuaci6n~ nos preocupamos del problema fu!!_
damental en el estudio de los sistemas linealesc Este pro-
blema consiste esencial~ente en~ Dado un sistema lineal de
m ecuaciones con n inc6gnitasv determinar en qu~ condiciones
es compatible y en cuáles es incompatiblep además, en el pr!,
mer caso tratar de obtener todas las solucioneso

Consideramos inicialmente el caso mSs simple, en

que el n6mero de ecuaciones (m) es igual al namero de inc6~

nitas (n) o Un sistema tal, lo llamaremos sistema de Cramer.

TEOREMA 7 o 1 o
Un sistema lineal A ~ = B de n ecuaciones con n
i.nc6gnitas y con matriz no singular <lA! ~O) 1 es compatible
y deb'::!rm.inado.
 49.

'
Dm

Como A es.matriz no singular, existe la matriz recíproca

-1 -1
A • Premultiplicando la ecuación dada: A~ = B por A ,

tenemos: ~ = A-l B y como A- 1 es (inica para cada matriz no

singular dada A, queda probado que el sistema A ~ = B, ti~

ne solución anica, o sea ~1 es compatible y determiando.

Corolario 1

Si el sistema homog~neo A ~ = e, tiene matriz

regular, su anica solución es la solución trivial.

Observación

La solución que hemos encontrado para el sist~

ma A ~ = B, tiene una expresión simple y muy cómoda en las

consideraciones teóricas referentes a sistemas linealeso

Para presentarla tomaremos la definición siguiente:

DEF 7.7.

Dado el sistema A ~ = B, se llama matriz de la in

cógnita x , a la matriz cuadrada Ai que se obtiene de ree~

1
plazar en la matriz A del sistema.· la columna de los coef!,

cientes de x por la columna de los t~rminos conocidos bJo

1

Corolario 2
Si el sistema de Cramer A~ ~ B tiene matriz no
singular, su soluci6n est& dada por:
 so.

det CA 1 ) det(A )
n
n = -"'-
X
det(A) det(A) det (A)

Observaci6 n
Estudiado s los sistemas de Cramer, podemos pasar
a considera r lc;>s sistemas lineales de m ecuacione s con n in
c6gnitas. Al respecto, el teorema fundament al que veremos
a continuac i6n es conocido bajo el nombre de teorema de.
_,
Rouche-Fr obenius-C apelli.

TEOREMA 7 •.2.
Una condici6n necesaria y suficiente para que
el sistema lineal A~ = B sea compatibl e, es que el rango
de la matriz A del sistema, sea igual al rango de la matriz
'V
alllPliada A.

'Dln
Si el sistema AE; = B es compatibl e, admite por lo menos
una soluci6n: (x , x , x , •••• , xn), y entonces tenemos:
1 2 3

all a12
rl bl \
~: )
a21 a22 a2:
a31 a32 ' a3n
xl + x2 + ... + X
n =
: •
l.
1!
ti
.\ a m1 a m2 a mn bm 1
 51.

Esta igualdad nos indica que la columna de las

b. de la matriz ampliaBa~ es combinaci6n lineal de las n
J
'V
columnas precedentes de ella; así las matrices A y A tienen
igual rango.

Recfprocamente, haremos ver que si las matrices

A y ~ tienen el mismo rango r, el sistema tiene ~oluci6n0

En efecto, sea M un menor no nulo de orden r de

'V
la matriz A. Como A y A tienen igual rango, M serS tambi~n
'V
menor no nulo de A.

Sin restringir generalidad podemos suponer que

M est~ formado por las r primeras columnas y los r primeros
renglones, pues disponemos del orden de las inc6gnitas y
del orden de las ecuaciones.

De acuerdo a lo precedenteu cada uno de los (m-r)

renglones restantes de la matriz A, es combinaci6n lineal
de los r primeros renglones y entonces lo mismo ocurrir~

con las (m-r) 6ltimas ecuaciones con respecto a las r pri-

meras. Siendo ellas, combinaciones lineales de las r prim~

ras, podr~n suprimirse, quedando el sistema en la forma~

allxl + a12x2 + & o o o + alr X = bl
r
=
alr+l X
r+l
= o o Cl o -a lrX
n
a21xl + a22x2 + o o o o + a2r X = b2
r - a2r+1 X
r+l
~
o e o e -a 2r x n

a31x1 + a32x2 + o o o o + a3r X r = b3 - a3r+l

==~=~~~=~=--====~~~~~=~~~=~~~~~~~~~~~===~~=~~=~~=~~=~=~~~~-=
X
r+l
= o o o o -a X
3r n

arJ.xl + ar2x2 + o o o o + a rr X r ""' br -a Jrr+l

X
r+l
= o o o o -a rr X n

Este sistema 0 para cada conjunto de valores arbitra

rios que asignemos a las variables xr+lo xr+ 2 u xr+)g o•OIJ xn

resulta ser un sistema de r ecuaciones con r incógnitas y de

terminante no nulov el cual sabemos tiene soluci6n dnicau(Si~

tema de Cramer) 0 asf el sistema es determinadoo

Corolario 1

Un sistema es incompatible si y solo si r(A)~r(~)o

Corolario 2

efecto siempre rango (A)

Corolario 3

Si en un sistema compatibleu r(A) es igual al nü=

mero n de variablesv el sistema es determinadoo

En efecto si m ~ n 0 el sistema es de Cramer con

determinante principal no nuloo Si m > nu hay (m=n) ecuaci2

nes que son combinaciones lineales de las otras y por lo tan

 53.

to se pueden suprimi:rf t;uedando asi un sitema Cramer de

n = r(A) ecuaciones, con determinante diferente de cero.

Corolario 4
Un sistema homog~neo con rango igual al ndmero
de variablesu s6lo admite la soluci6n trivialo (En efecto
se cumple el corolario anterior)

Corolario 5
Si en un sistema compatible el rango r(A) es m~

nor que el ndmero n de variablesu el sistema es indetermin~

do.

En efecto en tal caso si m > r(A) se puede su-

primir (m-r) ecuaciones que son combinaciones lineales de
las r linealmente independienteso Se obtiene asf un siste

ne (n-r) incÓngnitas que se pondr~n en el segundo miembro,

obteni~ndose as! un sitema Cramer de r ecuaciones con r va
riables y (n~r) indeterminadas en el segundo miembroo

Corolario 6
Un sistema homog~neo con n variables tiene solu-
ci6n distinta de la trivial si y solo si r (A) > no (En efec
to se verifica el corolario anterior)
 54..

Terminaremos estas ideas presentando algunos ejem-

plos.

Ejemplo.1
Para diferentes valores reales de k, discutir el
sistema:
kx + y + z =1 X + ky + Z =k x + y + kz = k 2

Soluci6n
Llamando A, la matriz del sistema, tenemos
det (A) = k 3 - 3k .+. 2. Este determinante se anula para
k =1 = -2.
y para k

cuando k = 1, el sistema se reduce a una sola

ecuaci6n: x + y + z = 1. En este caso el sistema admite
infinitas soluciones dada por: x = 1 - y - z.
Cuando k = -2, el sistema se transforma en:
-2x + y +· z =1 X -2y + Z = -2 x + y - 2z =4
que no admite soluci6n, pues se puede verificar sin difi-
cultad que: r(A) =2 y r(~) = 3.
Finalmente para cualquier k diferente de 1 y de (-2),
tenemos det(A) # o. El sistema es entonces de Cramer y ad
mite una y sólo una soluci6n

Ejemplo 2
Para diferentes valores reales de k, discutir el;
sistema:
Soluci6n

Como el sistema tiene solamente tres variablesu el

rango de su matriz A 0 deberS. ser 3_a lo máso Ahora el de-

termiannte de la matriz ampliada Au es: "'
1 =1 o 1

'\,
o k 1 o 2
det(A) = = 2k + 3k = 2
2 o -k -1

1 1 1 =1

Entoncese de acuerdo al teorema de Rouche=Frobenius 0 el sis

2
tema es incompatible para det(~) = 2k + 3k = 2 ~ Ou pues
'\,
en tal caso tenemos r(A) ~ 3 y r(A) =4
Veamos que ocurre con r(A) cuando det(~) = 2k 2 +
3k - 2 =0 0 es decir para k = =2 y para k = 1/2
Fácilmente se verifica que en ambos casos se tiene

r(A) = 3u as{ en ambos casos el sistema es determinado y sus

soluciones son~

1/2 para k = =2
x1 =- 1/3 para k = 1/2
Resumiendo tenemos~

a). El sistema es incompatible para (k~ -2 y k~ 1/2)

b) . El sistema es compatible para k = -2 y tambi~n para

 k = 1/2. En estos dos casos ademSs es determinado.

!jemp!2 3
Dado el sistema lineal:
k X - 6y = Sk - 3 2x + (k - 7)y = 29 - 7k

determinar k para que el sistema sea: (a). Incompatible.

(b). Indetermindadoo

Solución
Para que el sistema sea incompatible 0 debe verifi-
carse que r(A) ~ "'
r(A) ~ Ahora como:

. . 6) -6 Sk - 3 )
k-7 k-7 29 - 7k

determinemos kq de modo que~ de~(A) "'

= O y det(A') # Oo La
condici(Sn~

det(A) = ·k 2 - 7k + 12 = O nos da:k = 4 y k = 3o

Para k = 4q tenemosg

"'
A =
e -6

-3
1:) luego

Asi para k = 46 el sistema es incompatible.

"' = 2
r(A) ~ r (A) = 1

Para k = 3, tenemos~

A=

As:Í
e
para
-6

-4
1: )
k = 3, el sistema es compatible o
"'
luego r (A) = 1 = r(A)
Como ~1 se re-
duce a: x - 2y = 4u nuestro sis':ema resulta indeterminadoo
Sus infinitas soluciones estan dadas por~ (x = 4 + 2a, y = a)

siendo a un real cualquiera.

EJERCICIOS
1. Usando operaciones elementalesu resolver~

a) • 4x 1 - 2x
2
+ x3 = 6 b) o 8x
1
~
2x - 5x 3 - 9x 4 = 18
2
2x
1 - x2 +2x 3 = -7 2x
1
~

x2 x3 - 4x 4 = 9
=

x1 - 3x 2 - x3 = -11 4x
1
+ o 3x
3 x4
;;:;;
o
2. Determinar k(j de modo que el sistema~

4x 1 - kx
2 -
x3 = 1 kx 1 = x2 + 3x 3 = 2 -x + x2
1
3x = =1
3 -
tenga: (a) • Una y solo una soluci6n. (b) Infinitas sol u-

ciones. (e) Ninguna solucidn.

3. Estudiar el sistema homog~neo~ (Corolario 4)

X + y + Z o 4x + 5y + 2z o
2x + y -3z = O X ~ y =o
4. Estudiar el sistema homog~neo~ (Corolario 6).

2x + 6y + 5z + t = O -x + 6y + 2z + 3t = O
x + 4y + 3z +2t = O 3x - 8y - z + 4t = O

5. Determinar la constante real k 0 de modo que el sistema

(1 - k)x + y + z =o
2 X + (2 - k) y + 2 z = o
X + y + (1 = k) z =o
tenga soluci6n distinta de la trivial. (Corolario 6)

6. Usando el teorema de Rouch~-Frobenius, demuestre que el

sistema: (5 ecuaciones)
 58.

X - Sy + z = 4 2x + y - z = 1 x + 6y - 2z = 3

4x - 9y + z = 9 x - 16y + 4z = 8
es incompatible.

7. Determine los valores de a que hacen incompatible al

sistema: (3 ecuaciones)

3x - ay + 2z = a - l 2x - Sy + 3z =1
x + 3y - (a - 1) z = O
8. Dado el sistema (4 ecuaciones)
X - y + Z = 7 X + y - z =1
-x + y + z = 3 2x + ky - 4z =k
determinar k para que ~1 sea compatible.

9. Dado el sistema (4 ecuaciones)

3x - 7y =a Sx - 13y = Sa - 2b

X + y =b x + 2y = a + b - 1
determinar a y b para que sea compatible

10. Determine los valores de k, de modo que el sistema:

2
x + y =k ax + by = k2 2
a x + b y = k
3

sea compatible, siendo a .,J b

11. Determine a para que el sistema

2 2 2
x + a y + a = O ax + y + a = O a x + ay + 1 = O
sea compatible

12. Estudiar el sistema

2 2
ax + by =1 -ab bx + ay =1 - a b
2 2
ab(x +y) =- a b

segan sean los valores de a y b.

13. Discutir el sistema:
ax + by + z =1 x + aby + z =b x + y + az =
para diferentes valores de a y b.
14o Determinar los valores de k en el sistema~

(k + 1)x + y + z = k2 + 3k
2
X + (k + 1)y + z = k3 + 3k
3
X + y + (k + 1)z = k4 + 3k
para que el sistema sea: (a). Determinado
minado.
(b) • Indeter·
-
1Se Dado el sistema:
ax + 2z =2 Sx + 2y =1 x - 2y + bz =3
con a y b enteros positivos, determinar a y b pera que
el sistema sea: (i) Compatible. (j) Incompatibleo (k)o
Resu~lvalo cuando sea indeterminadoo
16o Demostrar que si el sistema: (4 ecuaciones)
-x + by + cz + dt = o ax + by - z + dt =o
ax - y + cz + dt = o ax + by + cz- t =o
tiene soluci6n diferente de la trivial, se verifica que:
a/ (1 + a) + b/.(1 + b) + c/(1 + e) + d/(1 + d) =1
17. Demuestre que el sistema homogt!neo:
x + y - a(z + u) =O a(x - y) - (z - u) =O
x + y - b(z - u) =O b(x - y) - (z - u) • O
tiene soluc16n diferente de la trivial y ella está da
da por: x/(1 + ab) = y/(1 - ab) = z/(a + b) = u/(b - a)
B o VALORES Y VECTORES PROPIOS DE UNA MATRIZ

Llamaremos vector, toda matriz columna.

Los vectores, o sea las matrices columnas, para dife

renciarlas de las otras matrices, las designaremos por letras
griegas. Particularmente cada vector nulo ser~ designado por

DEF B o 2

Dada una matriz cuadrada A = (aij) de orden n, un vec

tor propio de ella, es todo vector no nulo (€ kn, tal queg
A ~ =t (, para algan escalar t.

Ejemplo 8.1
La matriz A = (! ~) , tiene a, ( = (1,2) t, como
vector propio, pues:

A ( = (! ~) ( ~ ) = ( 1 ~ ) ,- 5 ( ~ )= 5 ( e

TEOREMA Bol

Un vector propio t de una matriz cuadrada Ap de-

termina de manera anica el escalar t, tal que: A( = t (o

Dm

Supongamos que al vector propio ( corresponda dos escala-

res t
1
y t
2
tales que: A( = t 1( y A( = t 2 ~, entonces res=
tando resulta: (t
1
- t
2
>; =~'y como; no es nulo 6 queda:

DEF 8.3

Un escalar t es valor propio de la matriz cuadrada

A si y s6lo si~ hay un vector no nulo ;, tal que~ A~ = t~

TEOREMA 8 o2

Un escalar t es valor propio de una matriz oua=

drada A, si y s·olo si: det (A - ti) =o

Dm

Sea t valorpEOpio de la matriz cuadrada A, entonces exis

te un vector no nulo ;, tal que~ A; = t;o

Considerando que ; = I 1
; ; 11 la igualdad precedente se expre~

sa por~ (A- ti)~= & y pasando a lenguage escalar tenemos

el sistema lineal homog~neo:

(a11 - t) xl + a12 x2 + e&oco• + aln X

n
= o
a21 xl + (a22 - t)x 2 + 000000 + a2n X
n
= o
a31 xl + a32 x2 + o o o o • o + a2n X
n =
o
a + a + o•o•oo + (a = o
t
que por hipotésis tiene soluci6n: ; = (x , x u
1 2 o o o o , xn)
no nula: Asf su deter~inante debe ser cero 11 o sea, t es tal

~ue det(A - ti) = O.

 62o

Rec!procamente si det(A- ti) = O, el sistema: (A- ti)~= 9

tendr4por lo menos una soluci6n (, distinta de la trivialq es
decir, hay un vector no nulo ~, tal que A t =t (o

Ejemp¡o 8.2
Determinar los valores. propios de las matrices~

Soluci6n
De acuerdo al teorema precedente los valores propios
9e una matri~ A son las raices t de la ecuaci6n: det(A - ti)= o
Asf: A - ti =(! 2)
3 - t (~ ~) = ( 1~t 3~t)
Entonces: det(A - ti) = t2 - 4t -s = O, nos d~ los valores
propios: t1 = -1 y t2 = s.
Analogamente para la matriz B, tenemos:

B - ti
1
=( i -2) -t ( 1 o)= ( 1-t
1 . 1
-2)
1 o 1-t
Entonces: det (B - ti) =t 2 -2t + 3 = o, nos da los valores
propios: tl =1 + il'l y t2 =1 - il'l.

DEF 8.4
La ecuación caracter!stica de una matriz cuadrada A 6
es la ecuaci6n det(A - ti) = Oo
 Desarrollando la ecuaci6n característica o sea~

all -t a12 8
13 Ot»QOOc 0
aln
a21 a22 -t a23 or>ooooo
a2n
a31 a32 a33 = t ~ f.l o o
a3n =o
-~~~----~---~--------------~-
an 3 o o o o o a nn - t

segdn pote~cias de (-t), ella toma la formag

(-t)n + Pl (-t)n-1 + p2 (-t)n~2 +ooo + Pn-1 (-t) + Pn =O

Obviamentef de acuerdo al teorema 8o2 las rafees de es

ta ecuación son los valores propios de la matriz Ao

DEF 8~5

La suma de los elementos de la diagonal principal de

una matriz cuadrada A es la traza de la matriz y se designa
por~ tr(A) = a 11 + a 22 + a 33 + ooooo + ann

TEOREMA 8. 3
Para toda la matriz cuadrada A = (aij) de ecua-
ción caracter!sticag
(~t)n + p (-t)n-l + p (-t)n- 2 + ooo + p =O
1 2 n
se tiene~
n n
a)e p 1 = r tJ. = tr (A) b) o Pn = 'lf t . = det (A)
j=l j=l J
Dm

Considerando las relaciones que existen entre las rafees

t. de la ecuaci6n y sus coeficientes, resulta inmediato que;
J
n n
pl = t.
j=l J
r y Pn = 1r t.
j=l J
(1)

por otra parte de acuerdo con la ecuaci6n característica de

la matriz A~

all - t a12 a
13
e o o o o
a1n
a21 a22 - t a23 • • o e ,
a2n

a31 a32 a33 - t o o o o •

a3n
=o
---------------~--------------~

se observa que los t~rminos en tn n-1

y t provienen ~nica-

mente del producto: (a 11 - t) (a 22 - t) (a 33 - t) ooooo (ann- t)

que desarrollado nos da:

( -1)n tn + (-1)n-1 tn-1 (a11 + a + oooo ann ) + ooo
22

luego~

(2)

Finalmente el t~rmino pn, independiente de t en la ecua

ci6n característica det (A - ti) = O, se obtiene haciendo

t = O, as! resulta inmediato que:

Pn = det (A) (3)

Resumiendo las conclusiones obtenidas en (1) 6 (2) y (3) u

queda~

tr(A) =t1 + t2 + o o o o o + tn
det(A) = t1 o t
2
o o o o o o o tn

Corolario
Una matriz es singular si y solo si tiene a cero co
mo valor propioo

Para la matriz A=(! ~), tenemosg

traza (A) =1 + 3 =4 y det(A) = -So Ahora la ecuación carac
terfstica de esta matriz es det(A- ti) =t2 = 4t- S = (-t) 2 +
+ 4(-t) - 5, entonces~ p1 = 4 = tr(A)
2 = -5 = det(A) o Fi-
y p

nalmente como los valores propios de A son t 1 = -1 y t 2 = So

tenemos~ tr(A) = t
1 + t 2 = 4 y det (A) = t 1 t 2 = -s

TEOREMA 8o4
Las matrices cuadradas A y At b-ienen los mismos
valores propioso

Dm

Sabemos que un escalar t es valor propio de una matriz cu~

drada Ap si y sé5lo si~ f,A ... ti >1 = Oo Por otra parte tenemos
que~

det (At - ti) = det(At = tit)

= det (A- ti)t = det (A= ti) =O
resultado que nos asegura que tes valor propio de At, si
y s6lo si es valor propio de A.

Ejemplo 8.4
Determinar los vectores propios de las matrices:

-1 4

o o
-2 -1

Soluci6n
La ecuaci6n caracterfstica de la matriz Ag es
det(A - ti) = -t 3 + 2t 2 + t - 2 = Oo De aqu! se obtiene
facilmente t 1 = 1, t2 =2 y t
3 = lo
Llamando a= (x, y, z)t vector propio asociado al
valor propio t 1 = 1, debe verificarse que: Aa = tau o sea:
Aa-a= e, es decir:

1 -1 1) (X ) (X ) ( X- y +

( 4
4
O -1
-2 1
y
z
- y
z
= 4x + Oy -
4x - 2y +

Asf tenemos el sistema homog~neo:

-Y + z = O 4x - y - z = O 4x - 2y =O
que por tener matriz singular admite soluci6n diferente de
la trivial. Resolviendo se encuentra: (x = x; y = 2x~ z = 2x)
luego a es de la forma ot = (xu 2x 11 2x)o Tomando por agrado
x ~ 1 0 se obtieneg a= (1, 2 11 2) o

t
Analogamenteu llamando e= (Xu Yu z} al vector propiO¡
asociado al valor propio t = 2 0 se encuentra el sistema g
2
x + y = z = O 4x = 2y - z : O

cuya familia de soluciones esg (x = x~ y= x~ z = 2x)o Asi

el vector e es del tipo e= (X 0 X 11 2x)o Particularmente PU!
de tomarse e ~ í lu lu 2)

Finalmente para el valox propio t ; =lu se encuentra

y = (O u z v z ~ y partJ'.culaJrmente se puede tomar g y ""' ~O u 1 v l~ o

Se puede c omprobar fac i lmente que los vectores p r opi os

Ot 17 8 y "f de t e :r-minados , s o n l inealmente i ndependientes o

Terminaremos observando que los valores propios de At

son tambien 1, 2 y (=1) y dejando al lector la determinación
de los vectores propios o

TEOREMA 8 oS

Si t es valor propio de A11 correspondiente al ve~

tor propio ~~ entonces 0 tP es valor propio de Ap 11 asociado

con ~ r- siertdo p entero posi.tivo o
asociado al valor t, para p = 1, tenemos:

Supongamos entonces que para p =k tenemos: Ak~ = t k ~, re-

sulta as!:

que nos indica que tk+ 1 , es valor propio de la matriz Ak+l~

TEOREMA 8.6

Si t F O es valor propio de la matriz no singular

A, asociado al vector propio ~~ entonces t- 1 es valor propio
de la matriz rec!proca A-1 , correspondiente al mismo vector
propio ~.

Om
,
A- 1 ~ = t-l ~ para ello premultiplicando la hipótesis por
A-1 , queda:

Corolario
Si t F O es valor propio de la matriz no singular
A correspondiente a ~, t-p es valor propio de la matriz A-P,
para el mismo vector propio ~.
 69.

DEF 8.6

Dado un polinomio: q(x) = a 0 + a 1 x

donde a 0 , a 1 , a 2 , •••• ~, an son elementos de un cuerpo k,
se llama polinomio matricial en A, siendo A una matriz cua
drada con elementos en k, a la expresi6n:

q(A)

TEOREMA 8 "7

Sean t 1 , t 2 , t 3 , o o o , tn' distintos o no, los

valores propios de una matriz A de orden n, sea q(A) un
polinomio en A, entonces los valores propios de q(A) son:

Dm

Se deja como ejercicio.

TEOREMA 8.8

~l' ~
Los vectores propios 2 , ••• ~p de una matriz
A, correspondientes a los valores propios diferentes t , t ,
1 2
••• , tp son linealmente independientes.

Dm
Se har& por inducci6n completao Obviamente el teorema
se verifica para p = l. Aceptemos entonces que la t~sis
propuesta se cumple para p = m-1 y tratemos de probar que
~1 , ~
2, •o••, ~m son linealmente independientes.

~
Supongamos que 1, ~
2, •••• ,~m son linealmente depe~

dientes, entonces existen ndmeros ak, no todos nulos, tales

que:
m-1
I ~
k=1 ak k
entonces:
m-1 m-1
A ~m =A I ak ~k
ak A ~k = k=1
L =
k=l
Ademas, por otra parte se tiene:

Restando miembro a miembro resulta:

y puesto que tk ~ tm y no todos los ak son nulos, se concl~

~
ye que los vectores 1, ~
2, ~
3 , ••• , ~m-l son linealmente
dependientes, lo que contradice la hip6tesiso
Asf entonces, los vectores: t1, ~
2, o•or (p' correspo~

dientes a valores propios diferentes: tl' t2, oooq tpf son

linealmente independienteso

Corolario
Si los valores propios t., de una matriz A de orden
J
 71e

(~l ~
n, son todos diferentes, la matriz X=
2 •e•o ~n) que

tiene corno columnas los vectores propios correspondientes

es no•singular

Anteriormente hemos visto que la matriz:

-1

A: ( o
-2
-: )
tiene los valores propios~ tl = 1; t2 =2 y t3 = =lf todos

diferentes, Además a ellos corresponde 1 respectivamente ;

los vectores propios: a= {1, 2, 2), B = (1, 1, 2) y

y = (0, 1, 1) que son linealmente independienteso

Observación
-
El teorema precedente nos asegura que en una matriz,

a valores propios diferentes, corresponde vectores propios

linealmente independientesa Es de inter~s preguntarsef que

ocurre con los vectores propios asociados a valores pro~ios

no diferenteso El ejemplo que damos a continuaci6n ilustra

esta situaci6no

§jem:e_lo 8 e 6
Determinar los valore s y los vectores propios de

las matrices
 72.

A =
1

O 1
1

B =
3 1
O 3
o)
O
( (
o -1 o o 2
. .
Soluci6n
Para la matriz A, se encuentra det(A- ti)=(l t) 2
(3 - t) y entonces sus valores propios son: t 1 = t 2 = 1 y
t 3 = 3o Para el valor propio t 1 = t = 1, se obtiene el con
2
junto·de veetores propios: a= x(l, O, O) +y (0, 2, l)o De
donde se puede tomar los vectores propios linealmente indep~

dientes: a 1 = (1, O, O) y a 2 = (0, 2, 1). Finalmente al va

lor propio t 3 = 3, corresponde le vector propio: a 3 = ( 1" O,-1) o

Para la matriz B, resulta la ecuaci6n caracter!stica~

2
det (B - t I) = (3 - t) (2 - t) = O, que nos d4 los valores
propios t 1 = t 2 = 3 y t 3 = 2. El valor t 2 = 3, a pesar de ser
raiz doble, solo d4 el vectorpropio: B1 = (x, O, O) o Al valor
propio t
3
= 2, corresponde el vector propio s2 = (O, O, z)o

Observaci6n
El pr6ximo teorema que veremos es de primera impo~

aciones Con el ue
la demostraci6n que daremos, resulte suficientemente clara, d~

seamos que el lector observe, que si los elementos de una rna-

triz M de orden n, son polinomios en t de grado k o menorv la
matriz M se puede expresar en la formag

donde Mj con O ~ j ~ kQ son matrices de orden nv con elemen

tos independientes de la variable to

3
t + 1
(
2t

Teorema 8o9 (Cayley-Hamilton)

Si la ecuaci~n característica de una matriz A de

... o
orden nv es p(t); la matriz A es raiz de la ecuación matri=
cial: p(X) .., O

Dm
El polinomio característico de A es~ p(t) = det(A = ti) =
= det Mv donde M ~ A = tio Como la matriz M es de orden
nf los elementos de su matriz adjunta M+f ser'n polinomios
en t de grado (n=1) a lo m~so Asf de acuerdo con la obser=
vaci6n precedente tenemos~

M+ = Mn-1 tn- 1 + Mm=2 tn= 2 + oooo + M1 t + Mo

donde Mj, son matrices de orden n, con elementos independie~

tes de la variable to

De acuerdo al teoremag MM
+ = M+M = I det M, tenemos~

(1)

mio caracterfstico es~

p (t) + coooooo + a n- 1 t n-1 + tn

entonces

p(t)I ~ a I + a It + ooooo + an_ Itn~ 1 + Itn

0 1 1 (2)

AM+ = AMn=l tn=l + AMn~2 tn= 2 + ooooo + AM 1 t + AM {3)

+ oooooo {4)

De las expresiones (1), (2), (3) y (4) se obtiene fa-

cilmenteg

a n= 1 I = A Mn- l = M
n=2 . e I =- Mn=l

Multiplican~o estas igualdades respectivamente por: A0 ,

1
A ,

A2o ooooooo An-1 y An y 1 uego suman d o que d a~

oooooo +a
n- 1
An-1 + An =Q
Asf queda probado que cada matriz es raiz de su ecua-

ci6n caracterfsticao
 7.5.

Ejemplo 8.8
Usando el teorema de Cayley-Hamilton, determinar
la inversa A-l de

-2
-1

La ecuactt5n caracterfstica de A es: t 3 - 3t 2 - 9t +

+ 3 = o.Entonces como cada matriz es raiz de su ecuac16n
caracter!stica tenemos: A3 - 3A 2 - 9A + 3I = Q, de donde
A j (-A 2 + 3A + 9I) = I. Ahora como la inversa A-l de A es
tal que: A A- 1 = I: conclufmos que:

A-
1
• ; (-A
2
+ 3A + 9I) = } (-~ -~ gl)
-2 4

Ejemplo 8.9
Usando el teorema de Cayley-Hamilton, calcular:
A723 , siendo A = ( -~ -~)

Soluci~n

La ecuadt6n caracterfstica de A es: (p(t) = t2 - 1 = o.

As! los valores propios de A son t 1 = 1 y t 2 = - l. Adem~s
A2 - I = Q. Tomemos el polinomio m(t) = t 723 • Dividiendo
este polinomio ~ m(t) por el polinomio caracterfstico:
 76.

p(.t) =t2 .,., 1, se tendrá un polinomio cuociente q(t) y un

resto r(t) que serA de la forma r(t) = a0 + a 1 t. As! tenemo$

m(t) + ao + alt
q(t) +
p(t) p(t)

luego: m(t) = q(t)

p(t) + a 1 t + a 0 (1)
Esta igualdad de polinomios algebraicos da origen a la igual
dad matricial: m(A) = q(A)
p(A) + a 1A + a I
0
(2)
-
la cual considerando que p(A) = O, se reduce a;
723
A = a 1A + a 0 I (3)
De aqu! que, habremos determinado A 723 cuando calculemos
a1 y a0 Para ello reemplazando t por t 1
• =1 y t 2 = -1 en
la igualdad (1) obtenemos el sistema;

1 723 + a
= al o

de donde: a
0
= O y a 1 = l. Reemplazando estos valores en
(3), resulta:

DEF 8.7
El polinomio mtnimo de una matriz A es el polinomio
escalar:
1

de menor grado, ,tal que:

Am + al~m-1
n + a2~m-2
n + •••• + am I =Q
 77.

TEOREMA 8.10

Cada matriz cuadrada A tiene un y solamente un

polinomio m!nimo.

Dm

La existencia del polinomio m!nimo es inmediata, pues

toda matriz es ra!z de su ecuaci6n caracter!stica. Supon-
gamos que A tiene dos polinomios m!nimos: m1 (x) ~ m2 (x).
Como ellos deben tener el mismo grado, su diferencia:

d(x) = m1 (x)
- m2 (x)
serA un polinomio de grado menor, que se anula para A. Es
ta conclusi6n contradice la hip6tesis de ser m1 (x) polino-
mio mfnimo, luego m1 (x) = m2 (x).

TEOREMA 8.11

Cada factor lineal (x • t) dEü polinomio caracte

fac.t or de su poli-
-
r!stico p (x) de una matriz A, es tambi~n

nomio m!nimo m(x).

Dm

Supongamo que (x - t) factor del polinomio carac~er!sti­

co, no sea factor del polinomio m!nimo m~x); entonces se

.tendrá:
m(x) = (x - t) q(x) + r
donde r es constante no nula. Reemplazando x por A, queda:
 7_8.

rn(A) = (A - t I) q(A) + r I = Q
y corno r no es nulo, obtenernos: -(A- t I) (q(A)/r) = I
expresi6n que nos indica que la matriz (A - t I) tiene rec1
proca; pero esta afirrnaci6n es falsa, pues (A - t I) es ma-
triz singular por ser t valor propio de ella. As! debe te-
nerse r =Oy entonces (x - t) es factor del polinomio rn!-
nirno m (x) •

Corolario
Si A de orden n tiene todos sus valores propios
diferentes:
p(x) = (•1) rn(x)

Observaci6n
El teorema precedente podr!a inducir a creer que
el polinomio rn!nirno rn(x), de una matriz A, es simplemente el
producto de los factores distintos del polinomio caracter!s-
ttco p(x). Tal cosa no ocurre y para probarlo basta conside
rar un ejernploo

Para la matriz de quinto orden:

1 1 1 1 1

o 1 1 1 1

A= o o 1 1 1
o o o 1 1

o o o o 1
 79.

es inmediato que su polinomio caractertstico es: p(x) = (-1) 5

(x-1) 5 , y como:
A- I # Q (A- I) 2 =Q (A- !) 3 # Q (A- !) 4 # Q
ocurre que ninguno de los polinomios: (x-1), (x-1) 2 , (x-1) 3
y (x-1)
4 es polinomio mínimo de A. El es m(x) = (x- 1) 5 •

DEF 8.8

Una matriz cuadrada A es diagonalizable si y solo

si existe una matriz no singular X, tal que: X-1 A X = D,
siendo D una matriz diagonal.

Ejemplo 8c10
La matriz A = (~ i )es diagonalizable, pues
para:

X = ( -~ ~) se tiene X
-1 = 1 ( 2
'! 1

y entonces:

-1) (1
1 4

TEOREMA 8.12
Una matriz cuadrada A de orden n, que tiene n
vectores propios linealmente independientes es diagonaliz~

ble.
 B.O •

Drn
Sea: a 1 a 2 , a 3 , • • • • , an' los n vectores propios de A,
linealmente independientes, y en correspondencia con los v! ·
lores propios: t 1 , t 2 , t , •••• , tn, no necesariamente dife
3
rentes.

Definamos una matriz X por:

e e e o a )
n
es decir X es matriz cuadrada de orden n, cuyas columnas
son los vectores propios aj de A. Corno los vectores aj son
linealmente independientes, tenernos det X # O, y entonces
existe la matriz inversa x- 1 , Además:

= o o Q o t
= (al a2 o o o o o an) tl o o ~ o e o o
o t2 o o o o • o
o o t3 • o o e o
-----------------
o o O o. o . tn

Asf · entonces hemos obtenidos: AX = XD, de donde: X-l AX =D.

Corolario
La matriz X que diagonaliza una matriz A, tiene
 81o

como columnas los vectores propios de Ao

Corolario
En la expresi6n: X--1 AX = o, los elementos de la
matriz diagonal 0 0 son los valores propios de A, dispuestos
en el orden en que , en X se tomaron los vectores propios
de A.

Ejemplo Boll
Diagonalizar la matriz

Soluci6n
1° Se determinan los valores ptopios de A, obte-

2°En correspondencia con estos valores propios de

terminamos los vectores propios: a 1 = (lu O, -1) t ,
t t
a2 = (Ou lo -1) y a
3
= (1 0 2v 3) o

3° Con estos vectores propios contruimos X y de

terminamos X-1 :
 82.
---
Finalmente~

6 o o
x· 1 AX - i-o
(
6 oo ) - ( o1 1

o o 42 o o

Se comprende sin difucultad que la suma de matr.!,

ces diagonales y el producto de matrices diagonales da ma-
trices diagonale's . AdemSs las matrices diagonales conmutan
y toda la operatoria entre ellas inside dnicamente en los

elementos .de su diagonal principal. Obviamente, entonces,

el algebra de las matrices diagonales ofrece ventajas de
cornputaci6n con respecto a las matr ices no dJ.agonales.
La observaci6n precedente explica el inter~s

que n·aturalrnente existe, en determinar cuando una matriz se

puede reducir a la forma diagonal y cuando ello es posible,
encontrar el procedimient o para obtener dicha matriz diag2
nal,

l o- Muestra que = (SOO)t es un vector propio de

2 . - Determine los valores y los vectores propios de:

 8'3.

1 1 4 -1 o(l = (4 1 O)t

A = u ¿ l. ::SOl.UCJ.On 2)1::
rX2 = (3 2
o o 3
D(3 = (3 o O)t

3.- Demuestre que una matriz A es singular si y solo si

tiene a cero como valor propio.
4.- Si t es valor propio de A, muestre que at es valor pr~

pie de: aA.

s.~ Si el p~oducto de los valores propios de una matriz A
es p, demuestre que det A = p.
6.- Determine los vectores propios de:

7.- Verifique que A= (! ~)es raiz de su ecuaci6n caracte

r!stica.

a.... Calcule: Al01 1 para A. = (~ ~)

9.- ·calcule: A602 - 3A
3 , para (g -3o4 -~)
A~

para A -l-¿ ;)
~

10.- Calcule: A.l025 - 4A 5 , - -1

1
11.- Determine: ]1,24 - 3Al5, para A -- ( o
3 2 o4)
1
-1 -3 -1
12.- Determine: A
14 13
- 3A , para A=(~ ~ ~)
~8 1 -4

13c- Demuestre que los valores propios de una matriz hermf

tica (A = A*) son todos reales.

14.- Los valores propios de una matriz sim~trica (A = At)
real, son todos reales.
15.~ Demuestre que en una matriz herm!tica (A = A*) los
vectores propios correspondientes a valores propios
diferentes son ortogonales.
16.- En una matriz sim~trica (A = At) de elementos reales,
los vectores propios correspondientes a valores pro-
pios diferentes son ortogonales.
17.- Demuestre que las matrices similares (B =P A P- 1 )
tienen la misma ecuaci6n característica.
18.- Demuestre que las matrices similares tienen el mismo
polinomio mfnimo.
19.- Determine los polinomios característicos y los polin2
mios mfnimos de las matrices~

-1
20.- Demuestre que una matriz cuadrada A tiene inversa A ,
si y solo siq el t~rmino constante de . su polinomio mf
nimo es diferente de cero.
 85.

21.- Para la matriz A, determine una matriz X ortogonal

-1 t
=
j : ~ :\
(X X ) que la diagonalize.
A

\3 3 20 )

22.- Dada la matriz A = ( -¡ i ) , se pide primero diagon!

31
lizarla y luego calcular: A •

23.- Usando el teorema de Cayley-Hamilton determine la ex-

presi6n más reducida posible, del polinomio matricial:

6 5 4 2
P(A) = A - 2A + A - 3A +A, siendo A= (_i -i)
24.- Sean A y B matrices cuadradas conmutativas. Sea a un

vector propio de A, en correspondencia con el valor pr2

pio t. Demuestre que B tambi~n es vector propio de A,

para el mismo valor propio te

25.- Sean A y B matrices cuadradas del mismo orden con A no-

singular& Demuestre que AB y BA tienen el mismo polin2

mio característico. (Ind: Use ejercicio 17).

26.- En cada matriz A de orden n sobre k, los vectores pro-

píos correspondientes a un determinado valor propio t,

junto con el vector nulo forman un sub-espacio de kn.

(Espacio propio de t) •

27 ... Para la matriz A, se piden expresar An en la forma:

1 An = an A + b I

~)
n
A o siendo n natural.
= (:
1
(Ind: Use la mecánica indicada en ejercicio 8.9)
 86~

28 . - Demostrar que para la matriz A =(~ ~) # O, se verifi -

3 = O.
ca que: A = O, implica (a + d) (Ind: Use Cayley-

Hamil ton) •

29.- Si una matriz A de orden n, sobre R, verifica la ecua

ci6n: Ak = I, con k ~ n Y k natural, ocurre que los

valores propios de A son las raices k-~simas de la u ni

dad. (Ind: Polinomio mínimo)~

30.- Si t es valor propio de una matriz A ortogonal (A-1 = At)'

demuestre que: t # O y que 1/t es valor propio de Ae

1
31.- Si t es valor propio de una matriz A unitaria (A- = A*),

ién-es
--------~t~a~m~b+ valor propio de A, el ndmero~ 1/te
2
32.~ Si para una matriz A de orden n, se verifica que: A = A,
demuestre que la matriz s6lo admite los valores propios

1 y o.
33o- Demuestre que cada valor propio de una matriz antisim~­

trica (A= -At) es nGmero imaginario

34 . - Una matriz A = (aij) de orden n x nv definida sobre el

cuerpo de los reales, es matriz de Markov o matriz esto

cAstica, si y solo si:

n
O < a .. < 1
lJ
y L aiJ. = 1
j=l

Demuestre que todo valor propio t de una matriz estacas

tica verifica: ltl < l.

 87a

9. TRANSFORMACIONES LINEALES

DEF 9.1

Dados dos espacios vectoriales V y W sobre un cuerpo

K, se llama transformaci6n lineal de V en W, toda aplicaci6n

T : V ~ w, tal que:

a). T(a + 6) = T(a) + T(6) vaev,._f!gv

b). T(aa) =a T(a) v a e v ... a e K
Las transformaciones lineales se llaman tambi~n homomorfis

mos.

EJEMPLO 9.1

La transformaci6n: I : V~V, d~finida por:

I( a) = a V a € V

es obviamente lineal. Ella se conoce con el nombre de trans

formaci6n identidada

EJEMPLO 9.2

La funci6n o: V-.. V, definida por:

O(a) =9 v a e v
es lineal y se conoce con el nombre de trnasformaci6n nula.

EJEMPLO 9.3

Sea V el espacio de los polinomios sobre el cue~

? Or R. En este espacio son transformaciones lineales, la

derivaciOn y la integraci6n, definidas por:

 88.

n n
D( L ¿ J
. a
j
xj-l
j=O j=l

n n
J < ¿ ¿
j=O j=O

EJEMPLO 9.4

Sea V el espacio de las matrices de orden nx1 y

W el de las matrices de orden mx1 sobre un cuerpo K. Sea
A una matriz determinada de orden mxn sobre K, entonces la
funci6n:
T(a) =A a V a € V

es una transformaci6n lineal de V a w.

TEOREMA 9.1

Sean V y W espacios vectoriales finitos sobre un

cuerpo K. Dada una base {aj}n para V y n vectores cualesqui~
n
ra {wj} en W, existe una y s6lo una transformaci6n lineal
j=l
T de V a w, tal que:
T(aJ. ) -- , wj j = 1,2,), . .... n .
Dm
Tomado a e V, existe en K un y s6lo un conjunto de escala
n
res {a.} ; tale que:
J 1
n
a = L aJ. aJ.
j=l

Definamos la funcí6n T : v~w por:

 89 o

n
T (a) = ¿ a. w.
J J
j=l
Haciendo a= aj, resulta: T(aj) = wj para j = 1,2,3, oo. n
de modo que hemos definido una aplicaci~n T, con la prop ie-
dad deseada. S6lo falta mostrar que esta aplicaci6n es lineal
y es dnica.
n
~omando p e K, tenemos: pa = l p aJ. a). luego :
j=l
n n
T(pa) = ¿ p a. w .
J )
= p l a. wj = p T (a)
J
j=l . j=l
l n
Ahora tomando e€ V, tenemos: e = ¿ bj a.
)
, . entonces ~
j=l
n
a + f3 = L (a.+ b.) a.
) ) )
j=l
luego:
n n ·
T(a + f3) = L l ! bjwj = T(a) + T(f3) o
aj wj +
j=l j=l
o sea T es transformaci6n lineal.

Finalmente probaremos que T es dnica . Para ello sea S otra

transformaci6n lineal para la cual se tiene:
''
j = 1,2,3, ••••• ,n .
Entonces: ~

n n
s (a) = S( l aj aj) = l aj S (aj)
j=l j=l
n
¿ a. w . = T (a)
= V a € V
j=l J )
resultado que nos muestra que T es dnica.
 90o

Observaci6n
Hacernos notar que en el teorema precedente los
vectores w. de W son arbitrarios, as!, ellos pueden tornarse
J
linealmente dependientes y aGn todos igualeso

Nomenclatura
El conjunto de las transformaciones lineales de
V y W lo designaremos con la notaci6n: Horn(V,W) o

TEOREMA 9o2
Sean V y W espacios vectoriales sobre K, de di-
rnensiones n y m respectivarnenteo Sea {a1 ,a ,ooooan} una b!
2
se para V y {e 1 ,e 2 , oooo,ernJ una base para Wo Entonces pa-
ra cada transforrnaci6n lineal T: v-.-w, existe una matriz A
de orden m x n sobre K, tal que:
T(o<) =A ..
X V o<.€ Vo
donde X es el vector cordenada de a en la base {aj}

Dm
Tornado arbitrariamente a e V, existen escalares xj e K,
tales que:
n
I xJ. aj
j==l
luego:
n
T(cx) = l x . T(cx.)
J J
(1)
j=l
 91 o

Ahora como T( a ) € w, exis ten e s calares yi € K, tale s que :

m
T(a) = yl Sl + y2 S2 + • ••• + ym Sm = ill yi Si (2)

y puesto que tambi~n T(aj) € w, tenemos:

m
T(a . ) = ¿ ai . S.
J i=l J ~

Reemplazando estas expresiones en (1) resulta:

n m m n
T(a) = ¿ XJ. ( l aiJ' Si) = l (¿ xj aiJ. ) ai (3)
j=l i=l i=l j=l

Comparando (2) y (3), obtenemos:

n
y.~ = ¿
aiJ' x.
j=l J

o sea:

yl = all xl + al2 x2 + o • o • + aln Xn

y2 = a21 xl + a22 x2 + • o •• + a2n Xn

y3 = a31 xl + a3Z x2 + o • o • + a3n Xn

Ym = aml xl + am2 x2 + • • • • + a mn Xn

o bien:

all a12 oo o • aln xl . yl

a , x2 y2
a21 a22 o o o •
2n
•
o
o
o
a31 a32 o o o o
a3n •"o "o
•
---------------- X
aml am2 o o o o
amn n Ym
 92 o

Finalmente poniendo A= (a . . ), tenemos:

.. =
A X T (a)
l.J
V a e V

La matriz A será por definici~n la matriz representativa de

la transformaci6n T con respecto a las bases {aj} y {ai} de
V y W respec~ivamenteo

Corolario
La correspondencia entre· el conjunto Hom(V ,W) y el
conjunto de todas las matrices A = (aij) de orden mxn sobre
el cuerpo K es uno-a-uno o

Observaci~n
.. =
para cada a
En el teorema precedente· hemos pue·s to
e V, en rigor deberíamos c·o locar:
.. AX
..
T (a),
sien
.. AX = Y v

do Y= (y 1 ,y 2 ooo Ym) el vector-cordenada de T(a) en la base

{ai }mo Sin embargo dado el isomorfismo existente entre W y
m
K , será usual que cuando no· haya t ·emor a conf·u si6n·, usemos
.. ..
indistintamente T(a) e Y por un lado y X y a por otroo

· Ejemplo 9oS
En el espacio R2 consideremqs la aplicaci6n T
que hace rotar cada vector a= (a 1 ,a 2 ) en ·un angulo ~en
sentido contrario a los punteros del reloj q en torno al ori
gen .
 -- Facilmente se muestra que

esta aplicaci6n T es linea~

\
\ Determinaremos una matriz

de Te
E;,
2
Tomemos en R la base formada por ~ 1 = (1,0) y ~ 2= (0,1)
que rotados en un angulo ~ se transforman en n 1 y n 2 res-

pectivamenteo Entonces:

n2 = (-sen~)~l + (cos~)~2

Asi, si a= (a , a ) e R2 y rotado en un 4ngulo ~ se convier

1 2
te en 8 = (b 1 , b 2 ), tenemos:

Particularmente para ~l y ~
2 tenemos:
cos~ -
sen$)(1) =(cos$)
(
sen~ cos~ O sen~

cos$ - sen$)() =(-sen~)

( sen~ cos~ 1 cos~

Asi la matriz representativa de T con referencia a la base

usual, es
 94-.

A = ( cos<P - sen<P )
sen<P cos<P

Ejemplo 9.6
Sea P 2 el espacio de los polinomios de grado no
superior a 2 y p1 el de los polinomios de grado no superior a
2 ( 2
1. Se toma en P la base B1 = .{1, t, t } y en P 1 la base
B2 = {t, 1}. Se define la transformaci~n T de P 2 a P 1 por:
T(p(t)) = p1(t). Determinar la matriz A a T con referencia
a las bases B1 y B2 dadas.

SolucitSn
Si dificultad se demuestra que la transformaci6n es
lineal. Adema~:

T(1) = O = O. t + 0.1
o
T(t) = 1 = O. t + 1.1
1
T(t 2 ) = 2t= 2. t + 0.1
tomando en P2 el polinomio: p(t) E 3t 2 - St + 7, tenemos:
p'(t) = 6t- S. Ahora ~sando la matriz A a T resulta:

T(p(t)) =(: : :)~i) = (6, -5) = 6t- 5

Observaci6n
Llamamos la atenci6n sobre la importancia que ti~

ne el orden en que estAn dados los elementos de las bases

B1 y B2 o Si dicho orden cambiap es inmediato que la matriz
A de T tambi~n cambia en general c

Observación
Para obtener la matriz de una transformaci.ón li=
neal referida V a la base B1 y W a la base B 2 se
T~V-+-Wu

aplica T a cada uno de los elementos de la base B 1 de V y se

expr esa los vectores obtenidos u en t~rminos de los elementos
de l a base B2 de Wo Finalmente la matriz A de T se obtiene
tomando como columnas para A los transformados de los vecto
res de la base B1

TEOREMA 9 o3
Si S y T son transformaciones lineales de V ""'1i"'" Wu
también l o son l as aplicaciones~

a). (S + T)( o:) -= S (ex ) + T (a) Y a e .v

b ). (a T ) (a) = a T (a)
Dm
Tri vial c Se deja como ejercicio o

Corolario
Si A y B son las matrices de S y T con respecto a
las bases {a , } y {S,}v se tieneg
J l.

(S + T) (a) = (A + B) a

( a T) ( a) = (a A) a
 96.

TEOREMA 9 . 4
El conjunto Hom(V,W) con las operaciones: (S+T) (a)
y (aT) (a) es un espacio vectorial sobre el cuerpo K asociado

a los espacios V y w.

Dm
Desde luego el conjunto Hom(V,W) no es vacio, pues contiene
la transformaci6n lineal O(a) = 6w , V a € V. El resto · de la
demostraci6n se reduce a establecer que lo·s elementos de Hom
,
(VuW) verifi can la axiomatica que define un espacio vectorial
y ello es trivial .

Corolario
Si V es de dimensi6n n y W de dimensi6n m, el espa-
cio vectorial Hom(V,W) tiene dimensi6n m X n.

TEOREMA 9 . 5
Sean Vu W y z espacios vectoriales sobre un cuer-
po Kr . Sea T V -.w y S: w--.-. z, entonces la aplicaci6n :
(ST) (a) = S(T(a)) V a € V, cuando existe, es trans-
formaci6n lineal de V a z.

Dm
Trivial . Se deja como ejercicio .

Corolario
Si A y B son las matrices de S y T con respecto a
 97.

las bases {a j } y {B i}, se tiene: (ST) (a) = (AB)a.

TEOREMA 9.6
Sea Te Hom(X,Y), S e Hom(Y,Z) y Re Hom(Z,W),
tales que ST y RS existen, entonces R(ST) ·y (RS)T existen
y además: R(ST) = (RS)T o

Dm
La aplicaci6n ST vá desde el recorrido de T al recorrido
de s. Ahora como RS existe, el recorrido de S debe estar
en el dominio de R, as! R(ST) est4 definida.

Por otra parte como (ST) eX"is·t e, ocurre que T es una apl!
caci6n cuyo recorrido está en el dominio de S; adem4s (RS)
es una funci6n cuyo dominio es el dominio de s, entonces
(RS)T existe .

Finalmente por definici6n de composici6n, para todo a e x,

tenemos:
(R(ST))(a) =R ((ST)(a)) = R(S(T(a)))
.( ( RS) T) (a) = (RS) ( T {a) ) = R {S {T {a) ) ) )

As! tenemos que el producto de transformaciones lineales

es asociativo, por ello será usual la notaci6n: RST en lugar
de: R(ST) = (RS)T.

Corolario
Si A, B y C son las matrices de R, S y T con respe~
 98 o

to a las bases { aj} { 8 i}, y {yk} se tiene: (RST) (a) = (ABC) a

TEOREMA 9.7

Para toda Te Hom(V,W) se tiene: T(9 V ) = 9W

Dm
Como T es transformaci6n lineal, tomado a € V, tenemos:
T(9 )
V
= T(Oa) = O T(a) = 9 •
W

DEF~ 9. 2

Dada Te Hom(V,W), se llama imagen de T, al conju~

to:
Im(T) = {w e w 1 w = T(a) con a e V}

'¡'EOREMA 9 .• 8

Sea Te Hom(V,W), entonces:

A<V implica T(A) < W

Dm
Como A es subespacio de V, tenemos: ev e A y como T(9v) =
ew, resulta: T(A) #- <P (1)

Por otra parte tomados a y! en T(A), existen a y 8 en A,_ de

modo que: T(a) = a y T(8) =!
Ahora como A < V, a e A y B € A, implica (a+ B) e A y entonces

T(a + 8)€ T(A), asf:

{a+ B) e T(a) + T (8) ; T{a + 8)€ T(A) (2)
 99 ...

Finalmente sea a e T(A} y a e K, entonces como hay a € A,

tal que T(a} = a, tenemos: a a € A y T(a a)€ T(A), así:

aa = a T(a) = T(a a) e T(A) (3)

Resumiendo tenemos que las expresiones (1), (2) y (3) ase

guran que T(A) es un subespacio de w, o sea: T(A) w.

Corolario

Im(T) < W

En efecto: Im T = T(V) y adem!s V< v.

DEF 9 o3

Se llama rango de una transformaci6n lineal T, a la

dimensi~n r del subespacio Im(T):

r(T) = dim(ImT)

DEF 9.4
-
Dada T e Hom (V,W), se llama nficleo de T,

Ker(T) = {a € V 1 T(a) = 9w}

TEOREMA 9 . 9

Sea Te Hom(V, W), entonces: A< w implica:

T- 1 (A) <V , donde T- 1 (A) es la pre-imagen de A.

Dm

Como A< w, tenemos ew € A y como T(9v) = ew , resulta

-1 -1
ev e T (A), as!: T (A) # $ (1)
 100.

Ademas tomados a y e en la pre-imagen T- 1 (A) existen ay e

en la imagen A <w, tales que: ñ = T(a) y 1f = T (e>
y cerno A es subespacio, tenernos:

T(a + e) = T(a) + T(e) = (a+ S)€ A o sea:

1
(a + e) e T- (A) (2)

Finalmente tomado a € K, tenemos:

T(a a) =a T(a) =a a€ A
pues a € A y ademas A < W, as!: a e(. e T- 1 (A} ( 3)

Las expresiones (1), (2) y (3) aseguran que la pre-imagen

T- 1 (A) es subespacio de v, cuando A< w.

Corolario
Ker(T) <V
-1
En efecto Ker (T) = T (e w) y además { ew} < W.
DEF 9.5
Se llama nulidad de una transformaci~n lineal T, a la
dimensi6n n, del subespacio: Ker(T):
n(T) = dim (Ker T)

TEOREMA 9.10
Sea Te Hom(V,W}, entonces Tes inyectiva si y
s6lo si: Ker(T) = {ev}.

Dm

Supongamos primero que T es aplicaci6n uno-a-uno. Conside

 101.

rando que: T(B V ) = eW, resulta: Ker(T) = {e V }

pues a e V con a ~ ev, implica T( a ) # T(Bv) = ew, o sea
a e Ker(T).
Reciprocamente supongamos Ker(T) = {Bv}. Tomando a y B
en V con a# B tenemos a - S :1- ev y entonces T (a - 13) # ew
luego:
ew ~ T(a - 13) = T(a) - T(l3)

o sea
implica 'r(a) ~ T(S)

es decir T es aplicaci6n inyectiva.

TEOREMA 9.11
Una T e Hom(V,W) transforma conjuntos lineal-
mente independientes de V en conjuntos linealmente indepe~

dientes de w, si y solo si: Ker T = {ev}.

Dm

Se deja como ejercicio •

DEF 9.6

Una T e Hom(V,W)' es:

a) Monomorfismo si y solo si: Ker(T) = {9v}
b) Epinorfismo si y solo si: Im(T) =W
e) Isomorfismo si y solo si es monomorfismo y epimorfismo
 Dos espacios vectoriales V y w son isomorfos (V I'V W)
si y sol o si existe un isomorfismo T de V a w.

TEOREMA 9 . 12
Sean V y . W espacios de dimensiones finitaso En
tonces7 dim V= dim W ~ si y solo si V y W son isomorfos.

Dm

Se deja como ejercicio.

Corolario 1
Cada espacio vectorial de dimensi6n n sobre un
cuerpo k es isomorfo con el espacio Kn.

corolario 2
Sea T e Hom(V, W) con V y W de dimensiones finitas~

entonces T es isomorfismo si y solo si la imagen de una base

de V es base de w.

TEOREMA 9 • 13

Sea V y W espacios vectoriales de dimensi6n fini

ta y Te Hom(V, W), entonces:
dim V= d i m(Ker T) + dirn (Im T) .

Dm
Sea a , a , • ••• , ap una base para el nrtcleo Ker T y sea
1 2
 103.

{ <Xl ' <X;? t •···ar' !3 1 : s2 , . . . . , ,f3q } una base para V.

Mostraremos qu~
{T ( 81 ), T( B2 ), • •• • ,T( Sq) } es una base
para el e spac i o : Im T ~ Veamos primero como estos vectores
q~n eran e l espacio Im T o Tomado arbitrariamente ~ € Im TP
e xi s t e a e V, t a l que: T( a ) = ;o Ahora como a € V tenemos :

I?
a= ¿ aJ.
j=l

luego:
~ =' T (a) =
j=l
1 aj T(aj) +
k=l
r
bk T(Sk)

y como {al , a 2 , • • • o , a } es base de Ker T, resulta:

p

es decir el conjunto T(S 1 ), T(S 2 ), o •••t T(Sq) genera el

espacio: Im T. Para probar q.ue este conjunto es base, s6
lo falta mostrar que sus elementos son linealmente indepe~

dientes . Tomada una relac i 6n lineal entre ellos:

r c . T(S . )
j=l J J
= ew

O sea: ( r
j=l J
C· SJ.) € Ker T.

Siendo jil cj 6j un elemento del ndcleo, podrá expresarse

 104.

como una combinaci6n l i ne al d e la b ase de dicho nG.cleo, as!

tenemos:

o s ea:

82 • •• ••• - e q 8q = ev

y como los vectores {a ,

1

son linealmente independ i en tes , concluimos q ue:

eq =o
resultado que nos garant i za la independencia lineal de

' T Siendo este conjunto base para

Im T, resulta: dim(Im T) =q y como: dim(Ker T) = p , conclui

mos:

dim V= p + q = dim(Ker T) + dim(Im T).

Corolario

Sea T e Hom(V, W) con v,w finito dimensionales, en-

tonces:

a) T inyectiva, implica: dim V ~ dim w.

b) T sobreyectiva, implica: dim V ~ dirn w
e) T biyectiva, implica: dim V = dim w.

DEF 9.8

Un homomorfismo T : V + W es no-singular o invertible

si y solo si, existe una aplicaci6n T 0 : Im(T) sobre V, tal

 105..

que: T0 T = I V , donde Iv es el homomorf·i smo 'i4entidad ·eny V.

TOEPJ<;MA
____.....__.... 9.14

Si T e Hom (V, W) es invertible, T es inyectiva.

Tomemos a y S en V, tales que T(a) = T(S), entonces como

Tes invertible, existe T 0 , luego: T(a) = T(S) implica

o sea:
(T 0 T) (a) :;; (T 0 T) (8)

Iv(a) = Iv(S) es decir a = S

Asi,T no singular,implica T inyectiva.

TEOREMA 9.15
Si T e Hom (V,W) es invertible se tiene: TT 0 • Iw
sobre Im{T).

Dm
Tomado a -e Im{T), existe un dnico elemento a e V, tal que
·, T (a) = a, Adem!s :
(TT 0 ) (a) = (T T (T(a)) = T (T T) (a)
0
)
0

= T(Iv(a)) = T(a) ~a= Iw(a)

As! para cada a€ Im(T), tenemos: TT 0 = Iw.
 10~.

TEOREMA 9 .16

Si T e Horo(V, W) es invertible, la aplicaci6n T0

·es lineal y finica.

Dm

Tomando ay B en Im(T), existen Gnicos a y B en V, tales

q ue: T(a) =a y T (B) = ~, entonces considerando que:
a= Iv(a) = (T 0 T) (a) = T (T(a)) = T (a)
0 0

B = I V (6) = (T 0 T) ( 6 ) = T 0 (T(S)) = T 0 ('B")

resulta:
T 0 (a a+ b B) = T 0
(aT(a) + bT(B))

= (T 0
T) (a a + b B> ; I V (a a + b 6)
=a a+ b B =a T 0 (a) + b T 0 (a)

Igualdad que prueba que T 0 es aplicaci6n lineal de Im(T)

sobre v.
Mostraremos ahora que T 0 es ~nica para cada Te Hom(V,W).
Supongamos que a T e Hom(V,W) coresponda dos inversos Ti
1 T2, entonces: para cualquier a e Im(T), tenemos:

Ti(a) = Iv Ti(a) = (T2 T) Ti(a) = T2(T Ti) (a)

= <T2<rw<a>> = T2Ca>
Igualdad que nos muestra que T0 es Qnica para cada T e Hom
(V, W) •

Observaci6n 1
El teorema precedente nos muestra que si T es
 107.

no singular, existe una Gnica tranqformación lineal T 0 , tal

q ue:

o seR, quP es reci~roca de T por la izquierda y por la der~

cha . Esta Gnica transformaci6n lineal T 0 , la llamaremos in

versa de T y la designaremos por T··1 •

Observación 2
1
La nc singularidad de T expresada por: T- T = IV
-1
y T'r- 1 =lleva implícita la no singularidad de T
I que
w
se expresa por las mismas igualdades.

TEOREMA 9.17

Sea T € Hom(V,W) y dim V = n, entonces las si-

guientes afirmaciones son equivalentes:

a). T es no singular

b). Ker (T) = {ev}

e). n (~') =o
d). r (T) = n

e~ T transforma bases de V en bases de Im(T)

Dm

(a)-.-(b). Como Tes no singular, ella es inyectiva, en-

tonces por teorema 9.10, tenemos: Ker(T) = {e V }

(b) ~(e). Como n(T) = dim Ker(T) y ker(T) = {ev}' resul-

ta n(T) = O.
 10 8 .

(e ) ~(d). ~provechando la igualdad dirn V = dirn (Irn T) +

+ dim (Ker(T )), como dim(Ker T ) =o, resulta dirn(Irn T) =
r (T) = n
(d) -~(e) ? Como dim (Im T) = n, toda base para Irn(T) es-
t á constituida por n vectores linealmente independientes .
Ahora corno Ker(T) = {ev}, T transforma toda base de v, en·
n vectores linealmente independientes de Im(T), o sea en
una base para Im(T).
(é)~(a). {~ , ~
Sea 1 2 •• •• ,~n} una base para V, entonces
{T(a 1 ) , T( a 2 ), o.o 1 T(an) } es base para Im(T). Así cada w €
I m T se expresa en la forma:

n
w = ~ aJ. T(aJ. )
j=l

Definamos una aplicaci5n lineal T* de Im(T) sobre V, por l a

expresi6n:

n
T* (w) = L\ a
J'
a
J'
j=l

Haremos ver que T*T = Iv. Tomado arbitrariamente a e V, ten

dremos:
n n
a=¿ x. a. T(a) = L x. T(a.)
1 ) J 1 J J
entonces, de acuerdo a la definici6n de T*, resulta:
 109.

n
T* (T( a )) = ¿ X .
J
a.
J
= a = I V ( a)
j=l
lu~g o T*T = IV y entonces T es homomorfismo no-singular.

TEOP~ MA 9•18

Sean S y T homomorfismo no singular es de V a v,

entonces:
a) (TS)- 1 = S- 1 T- 1
b) (e T) - 1 = !.e T- 1 V e ~ o
e) (T- 1 ) - 1 = T

Dm
i ... .. . t ' , • : • ... • .. -~ . .:

a) De Inmedi ato tenemos que:

(TS) (S- 1 T- 1 ) = T(SS- 1 ) T- 1 = TT- 1 = I.
Asi t e nernos que l a i nv ersa (TS )- 1 de TS existe, y como
ella es dnica, r esulta (TS )- 1 = s- 1 T- 1 •

b) Analogamente para todo e ~ O, se tiene:

(cT) (!e T-~ = (cc - 1 ) (TT- 1 ) = 1 1 =I
Asi la i nversa (cT)- 1 de (cT) existe, y como ella es dni-
ca obtenemos : (cT)-l = c- 1 T-l

.
e ) Corno T es no-s1ngular exis te T-1 , tal que: T- 1T = TT-1 = I.
Asi resulta que T-1 tamb i~n e s no-singular y su inversa es
T. Ahora corno t a l inve r s a es ~n ica, r e sulta (T- 1 )-l = T.
 110.

Observaci6n 1

Sea V un es2acio vectorial n-dimensional,

{aj} 4 n y {Sj}fn dos bases ordenadas para V. Tomando un vec
tor cualquiera a e V, sabemos que ~1 admite una y s6lo una
expresi~n:

+ ••••• + X a
n n

en t~rminos de la base {aj} y una y s6lo una expresi6n:

en t~rminos de la base {S.}. Con el prop6sito de estable-

J
cer la relaci6n que ex!ste entre los vectores-coordenadas:

del vector a, introduciremos una matriz P = (pij), llamada

matriz de paso de la base {a.} a la base {Sj}.

J·

DEF 9.9
Sea V un espacio n-dimensional, {aj} 4 n y {6j} 4 n
dos bases ordenadas para V, entonces si:

al= P11 61 + P12 6 2 + ••••• + P1n 6 n

a2 = P21 61 + P22 6 2 + ••••• + P2n 6 n

-----------~------------------------
 111.

llamaremo s ma triz de p a so de la b a se {a.} a la base {S.} ,

J J
a la matri z

.........
;;>11

p 12
?21

p 22
?nl\
. . .. .. .. ? n2
~

. . ... ... . Pn3

,.

p ··- ;?1¡3. 1?23 = (pij)

Observaci6P 2

La matriz P = (pij) es matr iz n-singular. En

efecto la independencia line al de los vectores a.,
l.
implica

la independencia l ineal de sus vectores cordinados

TEOREHA 9 ol9
Sea V esp acio n-d i mensional, P = ( p . . ) la ma-
l.J
n n -+ -+
triz de paso de la base {aj} 4 a la base {Sj}• o Si X e Y
s on los vectores coorde nados de a e V en las bases {aj} y

tenemos: ......
Y = PX. --
Dm

Por hipotesis tenemos que :

a= x 1 a 1 + x 2 a 2 + o•••• + xn an

a = Y1 13 1 + Y2 °2
¡.;> + o • • • • + Yn 0Pn
i = 1,2,o o•••r n.
 112.

l uego :
n n n
a ::: ¿ 'X. o. .
:t. J.
::: y x J.. ( ¿ ~)i j 13j)
i=1 :!.::1 j=l

n n n
(l = ¿ ( ¿
x J.. pi j) (3. = l yj ej
j=l i =1 J j=l

De donde:
n
yj = ¿ pij x.i j = 1,2 ,3 , • •• •• • , n
1=1
o se a:
yl = P:tl xl + i?21 x 2 + .... + Pn1 n X

y2 = pl 2 xl + p22 x2 + .. .. + Pn2 xn
------------------------------------
Yn = Pln X¡ + P2n x2 + .... + Pnn xn

o bien:

y1 p ll p 21 ..... Pnl
y2 p12 p22 • • • • • Pn;
=
•• -----------------
Pi n P2n . .... l:nn
•
~
Yn
Igual dad que demues tra l a t esi s p r opue s ta: Y= P x
Coro l a rio 1
Si P es l a matriz de paso de l a base {a . } a l a
J
-1
ba se {13 j } , la matri z de pas o de { 8 . } a {a. } es P •
J J
 113 .

··>-
En efecto, tenemos: Y =P -+
X y como P es matriz no-
. -1
singular, ex~ste P . Entonces X
+
= P-1 -+
Y.

Corolario 2
-~·---

Si P es la matriz de paso de {aj} a { S j} y Q

es la matriz de paso de { S . } a {y.}, la matriz de paso
J J
de {a.} a {y.} es: QP
J J

En efecto, de inmediato tenemos:

-+
Y= PX
-+
y
+
Z = +
QY , luego: Z
-+
= QPX+

Ejemplo 9.7
En el espacio P 2 de los polinomios de grado no
superior a dos, se considera las bases: {1, t, t 2 } y
{6t 2 , t, 4}. Dado el vector a= 3t 2 + St- 8, se pide deter
+ +
minar los vectores-coordenadas X e Y de a, en dichas bases
2
y la matriz P de paso de la hase {1, t, t } a la base

{6t 2 1 t, 4}.

Solución
Es inmediato que el vector a = 3t 2 + St - 8, corres-
ponde en la base {1, t, t 2 } el vector-coordenada = (-8,5,3), X
pues:

2
a = (-8 5 3) ( : ) = -8 + St + 3t
2
 114.

Analogamente, considerando que:

~~ ) = 3t 2 + St -
2

a = (1/2 , 5 , -2) B

vemos que el vector-coordenada Y de

. ~ en la base

{6t 2 , t, 4} es Y= (1/2 , 5, -2).

Para determinar la matriz de ?aso de la base:

{!, t, t 2 } = {~ , ~ , ~ } a l a basn {6t 2 , t, 4} =

1 2 3
{B ,
1
e2 , B } hasta aplicar la definici6n 9.9.
3
De acuerdo

a ella tenemos:

de donde resulta que la matriz de paso hOscada es:

..
Finalmente verificaremos que: Y = P ->-x. De inmediato tene-

mos:

.. = ( o : 1/6) ·8
5 =
1~4 o
PX

: 3
 115.

TEOREHA 9.2 0

Sea {a.}n, una b as e ortonormal para el espacio

J
V soh re ~ v P la matriz de de la base {a.} a una base
J
{~ j }, entonces la base { Bj} es ortonormal si y solo si la

matri z P es ortogonal.

Dm

Supongamos primero que l ñ base { ,f.bj} tamhi~n es ortonor-

mal. Entonces aprovechando que : ( a . 1a . )

l. J
= (~ l.. 1 ~ J. ) = ol.)
..
tenemos:

o sea:

0 ij = pi1 p j1 + pi2 pj2 + ••• • + pin Pj n

que nos garantiza que la matriz P = (p .. ) es ortog onal.
l.J

Recíprocamente supongamos que P es matriz ortogonal. C~

1
mo la matriz de paso de la b ase {BJ.} a la base {a.} es P- ,
J
siendo P ortogonal, dicha matri z es P-l = pt , entonces:
 116.

(Bil Bj) = P11 P¡j + P21 ?2j + .••• + Pni Pnj = ~ij

Asi la base { ~ j} es ortonortn.al.

Corolario 1
Si el espacio V se toma sobre el cuerpo e de los
co~plejos, la matriz de paso P es unitaria.

Corolacio 2
El producto interior (ala> es invariante a un
cambio de bases ortonormales.

En efecto, sea P la matriz de paso de una base

ortonormal a otra base ortonormal. Sean a y S los trans-
formados de a y B, entonces:
(ajB) = (Pa 1 PB) = (ajP*PB) = (aja).

Ejemplo 9.8
En el espacio P3 se considera las bases ortonor
males:

a1 = (1,0,0) a
3
= (0,0,1)

61 = (1/12, 1/1'2',0) 6 2 = (-1/fi, 1/fi,O)

63 = (O,O,l)

Se pide determinar la matriz de paso P, de la base {a1 }

a la base {B.}
J
y dado w = (3,1,5)
.
en la primera base, expre
. -
 117.

1
sarlo en termines de la otra base.

Sol uci6n
,
Procediendo de identica forma , a la indicada en el
ej ercicio anteri or, se encuentra:

1/12 1/12 o
p = -l./12 1/12 o
o () 1

Matriz que es ortonorrnal, p ues PPt = I. Entonces el vector

w =
(3,1,5) dado referido a la base estandar {a1 , a 2 , a 3 }, ·
queda expresado en la base {B 1 , B2 , B3 } por:

l./12
1/12 0 )(3)
: ~
=
(2/2
-~
o

Es decir t en emos :
(3 ,1,5) = w = 212
B ... 12
1 1 + 5 B3 e
1 1 1 1
(3,1,5) = w = 212 <n, 72' O) - /2(- 72' 72' O) + 5(0,0 ,1)

(3 ,1, 5) = w = ( 2 ,2 ,0 ) + (1,-1,0} + (0 , 0,5) = (3,1,5)

TEOREMA 9 . 21
Sea T e Hom(V , W) que referido a l as bases {a. }n,
J
para V y {Bj} m, para w, se expresa por la matriz A y refe
rido a las base {aj}n, para V y {Sj}m, para w se e xp resa por
la matriz B. Si Pes la matriz de paso de {a.} a {a. } y Q
J .J .
 118.

de {Bj} a {Sj} , se tiene: B = Q-l AP.

Dm

Sea t un vector cualquiera de v y w = T ( t) •

...
Sea X el vec
tor coordenada de ten la base {a.}, y
J
x1- su vector coorde
-
nada en la base {aj}, entonces
... ...
Xl. = PX. Sea
...
Y el vector
coordenada de W en l<'l base (8.} e
J
Yf su vector coordenada
-> ->
en la base {Sj}, entonces Y1 = O y

Y,
w ~ T(E.).

p Q
.
w ='fCE,)

Ahora, considerando que: Y1 = AX1 , tenemos: QY = APX, lue-

go: Y= (Q-"1 A P)X, pero como Y = BX, resulta: B = Q-l AP.

Corolario 1
Sea Te Hom(V,V) que referido a la base · {a.}n,
J
se expresa por A y referido a la base { o(j }n, se expresa por
B. Si P es la matriz de paso de la base {aj} a la base
 119.

{aj}, tenernos: B = P- 1 AP.

Corolario 2
Dos matrices A y B son similares sii, represen-
tan un mismo homomorfismo T € Hom(V,V), en dos bases orde-
nadas diferentes.

Ejemplo 9.9
Sea T una . transforrnaci6n lineal del espacio P 2
al espacio P1, definida por T(p(t)) = p' (t). Sean

{ aj} = {t2, t. 1} y ra:jl = {1, t, t 2 } bases para P 2 y

{Bj} = {t, 1} y rsj l = {t + 1, t - 1} bases para P 1 • Se

p:tde:
a) Matriz A de T, de {aj} a {8;}
b) Matríz B de T, de {a . l a {!j}
J
e) Matríz de paso p de {'(Xj} a {aj}

d) Matriz de paso Q de raj l a {8j}

e) Verificar que: B = Q-1 A p

Soluci6n:
a) Deterrninaci6n de A.• De inmediato tenernos:
T(t 2 ) 2t= =
2t + 0.1
T (t) = 1 = O.t + 1.1 As!: A -- ("2o o
1
o
o )
T ( 1) = o = o.t + 0.1
b) Deterrninaci6n de B.
T (1) = o = o. (t + 1) + o. (t - 1)
 120.

T(1) = 1 = ~(t + 1) - ~(t - 1) B 1/2

= ( oo -1/2 11 ) ·

T(t 2 )= 2t = 1.(t + 1) + 1. (t- 1)

e) Oeterminaci6n de P. Se expresan los vectores de la base

{aj} en t~rminos de la nueva base {aj}. Entonces:

1 = o.t 2 + o.t + 1.1

t = o.t 2 + 1 . t + 0.1
t2 = 1.t2 + o.t + 0.1

d) oeterminaci6n de Q. Es analogo a lo hecho en el punto

anterior.
t + 1 = 1.t + 1.1
t - 1 = l . t - 1.1

e) Verificaci6n de B = Q-1 A P.
-1 = ( 1/2 1/2)
Dada Q =(~ -~) se encuentra Q
1/2 -1/2
Entonces:

Q-1 A p =(l/2
1/2 -1/2
l/2 )Co o
1 :)(~ o
1
o
g)
Q-1 A p =e
-1/2
1/2
:)(~ o
1
o ~) = (:
1/2
-1/2 :)
-DEF 9.10
Un escalar t es valor propio de T e Hom(V,V) si y
solo si existe un vector no nulo a e V, tal que T (a) =
t a. El vector ~ es entonces un vector propio de T.
 121

Ejemplo 9.10
Sea Te Hom(~2 , R2 ) definido por: T(x,y) = (y,x) .

Entonces para cada a # O, t enemos que:

T(a,a) = (a,a) = 1(a,a)

igualdad que nos · muestra que 1 es valor propio de T y (a,a)
es v e ctor propio .

También:

T(a,-a) = (-a,a) = (-1) (a,-a) (a,-a)

y entonces (-1) es valor propio y (-a,a), con a# O, es
vector propio de T.

TEOREMA 9.22
Sea T € Hom(V,V) y A la matriz de T en una ba
se {aj}n,. Entonces un escalar t € K es valor propio de
T si y solo si t es valor propio de A.

Dm

Sea t € K valor propio de T, entonces existe a e V, con

+
a # e, tal que T(a) =t a. Llamando X al vector-coordenada
+
de a en la base {aj} e Y el vector-coordenada de T (a) en
dicha base, tenemos:
+
T(a) = tiX sii Y = tX+
+
Ahora como AX = Y, resulta :
T (a) = to< sii
 122.

Ademas el isomorfismo de V y Kn nos garantiza que XÍ O,

pues ~ ~ 8o As! queda probada la tesis.

Corolario
Un vector a f- e es vector propio de T si y solo
-+
si, su vecto.r -coordena;da X es vector propio de la matriz
A de T.

Ejemplo 9.11
Para la aplicación T de P 2 a P 2 , definida por:
T(at 2 + bt + e) = (2a + b + c)t 2 + (2c - 3b)t + 4c se
pide determinar sus valores y sus vectores propios.

Soluci6n
Primero buscaremos la matreiz A de T en una base ,
tomaremos la base {1,t , t 2} , entonces tenernos:
T(1) =t2 + 2t + 4 = 4. 1 + 2. t + 1. t 2
2
T(t) = t 2 - 3t + O = 0. 1 - 3. t + l . t
T(t 2 )= 2t 2 + Ot + O = 0.1 + O. t + 2.t 2
luego:
4 o
A= 2 -3
1 1

De aqu! resulta que el polinomio caracter!stico de A, es

p(t) = (4- t) (-3- t) (2- t) . As! los valores propios
 123.

de A y por consiguiente de T, son : t 1 = 4; t 2 = -3; t 3 = 2.

beterminemos ahora los vectores propios correspondien-
tes a estos valore s prop ios . Sea a = at 2 + bt + e el
vector caracter1stico correspondiente al valor t 1 = 4,. Se
tiene entonces: T(a) = 4a, o sea

T(at 2 + bt + e) = 4at 2 + 4bt + 4c

pero:
T(at 2 + bt + e) = (2a + b + c)t 2 + (2c - eb)t + 4c

De donde facilmente resulta: a = (9c)/14 y b = (2c)/7

y tomando por comodidad e = 14, queda: a =9 y b = 4, asi
a = 9t 2 + 4t + 14.

De anfloga manera se obtiene para t 2 = -3, el vector

propio B = -t 2 + t y para t 3 = 2, el vector propio y= t 2 •

-
DEF 9.11
Sea V espacio n-dimensional. Un T e Hom(V,V) es
diagonalizable, sii existe una base {aj}n, de v, tal que
la matriz de Ten {aj} es matriz diagonal.

TEOREMA 9.23
Sea V espacio n-dimensional. El homomorfismo
T € Hom(V,V) es diagonalizable sii V tiene una base formada
por vectores propios de T.
 124.

-
Dm

Su~onqamos primero qUe T es diagonalizable, entonces exi!

te Una base {aj}n, para V, tal que T se expresa por una m!

Llamando Xj el vec-
..
tor-coordenada de aj en la base {a 1 }n, tenernos:

al o o •••• o o
o o o o
..
oxj = o
a2
o
••••

aJ • • • • o o = a j· x.
J
------------------
o o O •••• an

de donde: T(aj)
J
= a.J
a., resultado que nos muestra que los

vectores aj de la base {a.}n, son vectores propios de T.

J

Recíprocamente sea {aj}n, una base para V formada por

vectores propios de la transformaci6n T. Considerando que

tememos:

T(a )
1 = tl al + o a2 + o a3 + • • • + Oa n
\
T(a )
2 =o al + t2a2 + o a3 + ••• + Oan

T (aj.) =o al + o a2 + t3a3 + . .. + Oan ~

-----------~----------------------------
T(an) =O a 1 +O a 2 +O a 3 + ••• + tnan

De donde resulta que T se expresa en la base {aj}n, de

vectores propios de T, por la matriz diagonal

D =(~1 t t •••• tn). As! Tes diagonalizable.

2 3
Ejemplo 9o12
Sea Tuna tranAformaci6n lineal de R3 a R3 , de
f i n i da por :

Df-: ter!Y' i.nar una base q ue la di agonalice o

Soluci6n
Por el teorema ? receden t e , la transformaci6n T se-
rá di a gonalizable s i i, V = R3 ti e ne una base formada por
vectores p ropios de T . Buscaremos estos vectores caracte
r!sticos .

Tomando para V = R3 , la base usual { (l,O.,O>, (0,1,0) q

(O 1v0, 1) }, la trans f omaci6n T se expresa por la matri z:

::~ )
o 1

La ecuaci6n caracterfstica correspondiente es: (1-t) (1-t)

(2-t) = Oo De aquf se obtiene los valores propios: t 1 = 1¡

t2 = - 2 = 1, se obtiene
1 y t3 = 2o Finalmente para t1 -t
los vectores propios : (ll = (1,0,1) y (l2 = (0,1,0) o Además

para t3 = 2, r e sulta (l3 = (1 , 1 , 0) o Ahora como los vectores

a , a y a son linealmente independientes,ellos constitu-
1 2 3
yen una base para el espacio V = R3 , asf entonces T es dia
gonalizable o
 Vemos cual es la matriz de Ten esta nueva base(a ,a 2 ,a 3 ).
1
Tenemos:
T(a1 ) = T(l,0,1) = (1,0,1) == ta
1
+ Oa 2 + Oa 3

T(a 2 ) == T(0,1,0) == (0,1,0) = Oa1 + 1a2 + Oa 3

T (a 3 ) == T(1,1,0) = . (2,2,0) == oa1 + oa 2 + 2a 3

De donde T resulta expresado por la matriz:

EJERCICIOS

1 . - Sea Pn el espacio de· los pol·i nomios de grado no sup~-

-·-·ior a n o Determine cual de las siguientes aplicacio-

nes son transformaciones lineales.

a) L . p2~p3 con . L(p(t)) = t 3 p' (O) + t2 p (O)

b) S : P1....-P2 con . S (p (t)) = t p (t) + p (O)

e) T : p1_..p2 con T(p(t)) = t p (t) + 1

2 . - La aplicaci6n L a R a R est! definida por L(a) = aa+b

con a,b € R. Determine a y b para que L sea Lineal .

2
3.- Sea T una aplicaci6n dé R2 a R , tal que a cada vector
a € R2 le asocia el vector T ( (l) ' sim~trico de a res pe.s_
to al eje ox. Dernue·stre que T es lineal y determine
su matriz para la base usual.
 127.

2 2
4.- Sea Tuna aplicaci6n lineal de R a R , definida por:

T(x ,x )
1 2
= (x 1 + 2x
2
, 2x
1
- x )
2
2
Se considera en R las bases A= {(1,0),(0,1)} y

B = {(-1,2) }, (2,0) • Se pide matriz de T con respe~

to a las bases: A¡ A y B; B y A¡ B. Determine T(2,3)

usando la definici6n de T y luego usando cada una de

las matrices encontradas.

5.- Sea V el espacio generado por . A = { l,t,e t ,te t} • Se

define la aplicaci6n lineal T de V a V, por: T(a) =

= dx/dt. Determine la matriz de T con respecto a la

base A.
2 2
6 .- Sea I la transformaci6n identidad de R a R • Se con

sidera en n? las bases A= {(1,0) ,(0,1)} y

B {(1,-1) ,(2,3)}. Determinar la expresión matricial~e

I, con respecto a las bases: A, A y B, B y A, B.

7.- Sea V el espacio de las funciones continuas generados

por la base A= {sent, cost}. Se considera adem~s la

base B = {sent-cost, sent + cost} y la aplicaci6n li-

neal T de V a V, definida por: T(f) = df/dt . Se pide

expres16n matricial de T con respecto a las bases:

A; A y B; B y A; B.
2 2 . 2
a.- Sea L una aplicaci6n lineal de R
2
a ~
2 , siendo ~
2
el espacio de la matriz de orden dos sobre R, definida

~or:
 128.

R~
1 2
L(X) = AX -XA con 'A= ( \ y X €
'3 4 j
Determine la expresión matricial de L con respecto a

las bases: S ; S y T; T y S; T, siendo:

S =te :) (: :J. r: :J. e :)}

T _J( 1 O) (1 1) (1 ,O) (O 1) }
-\ o 1 , o o , 1 o , 1 o
3 3
9.- Se considera la aplicación lineal L de R a R defini-

da por:

xl 1 o 1 x1

L x2 1

2
1

1
2

3
x2

x3 x3

Determine su imaqen y su n6cleo. Una base para cada

uno de estos espacios.

10.- Se considera la aplicaic6n lineal T, de P 2 a R defini

da por:

T(at 2 + bt + e) = f.~o (at 2 + bt + c)dt

Determine el n6cleo de T y una hase para dicho n6cleo.
¿Cuál es la imagen de esta aplicación? "" ,
2
11 . - Sea Tuna transformación lineal de P a .~ 3 , de fini d a
2
? Or T(p(t)) = t p' (t). Determine una base para

Ker(T) y una para Im{T).

 12~.

12.- Determine una transformac16n lineal L de R2 a R 3 , tal

que {(1,-1,2),(3,1,-1)} sean base para Im(L).
13.- Sea L una aplicaci6n lineal de ~ 3 a ~, tal que:
L(1,1,1) = 3, L(0,1,1) e 2 y L(0,0,1) = 1• . Determine
'L(a,b,c).
14.- Determine una transformaci6n lineal T de R2 a R 3 , cuya
imagen es generada por {(0,1,1),(0,1,-1)}. ·
15.- Sea T una aplicaci6n lineal de R22 a ~22 definida por:
T (X) = AX - X A con A e ( ~ ~) y X e R~
Determine una base para el ndcleo de T.
16.- Sean L, S y T homomorfismos de R 3 a R2 , definidos por:
L(x,y,z) = (x + y + z, x + y)
S(x,y,z) = izx + z, x + y)
T(x,y!z) = (zy,x)
Demostrar que ellos son linealmente independientes.
17.- Sean s y T oporadores lineales en R2 , definidos por:
S(x,y) = (x,O) y T(x,y) = (O,y). Determine: ST, TS, s2
y T2.

1·a .- Sea V espacio vectorial de dimensi6n finita · y T un OP!,

rador lineal en v, tal que: rango (T 2 ) = rang(T). De-
muestre que: (KerT) () (ImT) = te}
19.- Sea T un operador lineal en R
2 , definido por:

T(x,y,z) = (2x + 3y- z, 4x- y,2x). Determine si T

es invertible. En caso afirmativo encuentre la expresi6n
 130o

20 . - Dada la aplicaci6n lineal S de R3 a R3 por

1 1 1 xl
( xl
S x2 = 2 2 1 x2
1

x3 '\
o 1 1 x3
determine .si ella admite una inversa S-1 , En caso afir
,.
mativo, encuentrela o
21 o- Sea a un escalar no nuloo Demuestre que un homomorfi!
to T es singular si y solo si (aT) es singular.
22 o- Sea L una transformaci6n lineal de R3 a R3 definida
por: L(x 1 , x 2 ,x 3 ) = (2x 1 + 3x 2 ,4x 3 - x 2 , 3x 3 } . Deter-
mine los valores y vectores propios de L.
23 o- Sea Tuna aplicaci6n lineal de R2 a R2 , definid~ como
rotaci6n positi va en (w/2) en torno al origen. Determi
ne los v alores y vectores propios de T~
2 2
24o- Sea T e Hom ( R2 f R2 ) representado en la base:

S ·= { (~ o
o) q ( ~ ~ ) , (~ ~), ( ~ ~)} ,.¡

por:
1 2 3 4 ~
o -1 3 2

o o 3 3

o o o 2

Determine sus valores y sus vectores característicos.

 131 .

1
25.- Sea S un homomosfismo de P 2 a P definido por
S(p(t)) = p' (t) . Determine si S es diagonalizable o

n6.
2
26.- Sea T un operador lineal en Rn tal que T =I. Demues
tre que T es diagonalizable y que sus valores propios
son + l .
-
27 . - Determine la naturaleza de las cuadricas
a) 13x 2 + 12y 2 + lOz 2 -
8xy + ·4xz - 4yz = 12
b) Sx 2 + · 4xy + 4xz + 2y2 + 2yz + 2z 2 = 9 -
e) 2x 2 + 2y2 + 20z 2 + 2xy + 6xz + · 6yz = 1
28.- Sea P el espaci~ · de los polinomios a coeficientes rea-
les. Sea la aplicaci6n · lineal T: P--P, definida por ~ ·

T(p(t)) = (t- a)(p'{t) : + p ~ iat)• · 2 . (p(t) ~ p(a))

Determinar: a) N6cleo y dimensi6n de T o · b) Mostrar ·que
sus valores propios ~ son · todos reales . y enteros
at
29 . - Sea V el espacio generado por los vectores: ai =-e senbt- ··
y
2
= eat cosbt o De~ermine · una matriz para el operador
a
derivada D.- .Encuentre D- 1 y mediante D- 1 , calcule
feat senbt· dt .. .
30.- Se considera el espacio eucl!deo · de ,las · funciones:- .. -
p (t) =a
+ -bcost + e sent con · la norma ll.p-tttl · = · ··
1 2 2 2 .
=va + (b + e }./2 . se define .. la · transformaci6n : lineal
T (p ( t)) m: - p (t +· ·m·) o · Demuestre .. que .T ...es ortogonal · y cal-
cule sus valores .y ·vectores propios . (a,b,c y m son ndme
ros reales) o
 132.

B I B L I O G R A F I A

1) CULLEN CHARLES: "Matrices and Lineas Transformations".

Addison Wesley - 1966

2) FINKBEINER, D.T. "Introduction to·:Matrices and Linear
Transformations'', Freeman, San Fran-
cisco - 1960
3) FRANKLIN, J . N., "Matrix 'fheory••, Prentice-H"all, Englewood
Cliffs, New Jersey . - 1968
4) FRIEDMAN, B. , "Principles and Techniques of Applied
Mathematics 11 , Wiley; New York- 1956 .
5) GANTMACHER; F.R., "The Theory ·of Matrices" Vol. I, Chelsea,
New · York · - 1960
6) GERE; J.M., and - '~Matrix · Algebra·for · Engineers", Van
WEAVER; Jr • .W. , Nostrand,. Princeton-, New.· J..ersey · ~ 1965
7) LANCASTER, P., "Theory: of · Matriees•, . Academic Press,
New York - - 1969
8) PIPES, L.A. # "Matrix -Methods- for .- ·Engineers", Prentice-
Hall, Englewood Cliffs, New Jersey - 1963
9) SCHNEIDER, H. and
BARKER, G.P., "Matrices .and- Linear Algebra", Holt, New
York .- 1968
10) STEIN, F.M., "Introducti.on to Matrices - and Determinants",
Wadsworth, Belmont, California - 1967
 133.

I N O I C E

PAG.

1 . - Matrices 1

2 . - Suma de Matrices 4

3 . - Ejercicios 7

4.- Producto de Matrices 8

5.- Ejercicios 16

6.- Matriz inversa 19

7.- Ejercicios 24

8.- Rango de ·una Matriz 28 .

9.- Ejercicios . 39

10.- Equivalencia, Congruencia y Similitud

de Matrices 41

11.- Ecuaciones ~ Lineales 45

12.- Ejercicios .. 57

13.- Valores y . Vectores propios 60

14.- Oiagonalizaci6n de una Matriz 79

.:

15.- Ejercicios 82

16.- Transformaciones ·Lineales 87

17.- Cambio de ·Bases 110

18.- Ejercicios 126

19.- Bibliografía 132

20.- Indice 133