-1-

Ramiro J. Saltos
Transformaciones Lineales

Definicin: Sean V y W dos espacios vectoriales. Sea W V T : una funcin que asigna a todo
vector V v un nico vector W v T w = ) ( . Se dice que T es una transformacin lineal si:

1. V w v , ) ( ) ( ) ( w T v T w v T + = +
2. R V v ) ( ) ( v T v T =

Teorema 1
Sea W V T : una transformacin lineal. Entonces:

1.
W V
O O T = ) (
2. V v [ ]
'
) ( ) ' ( v T v T =
3. ) ( ... ) ( ) ( ) ( ) ... (
3 3 2 2 1 1 3 3 2 2 1 1 n n n n
v T v T v T v T v v v v T + + + + = + + + +

Ncleo de una Transformacin Lineal

Definicin: Sea W V T : una transformacin lineal. El ncleo de T , denotado por ) (T Nu o
) (T Ker , se define como:
{ }
W
O v T V v T Nu = = ) ( / ) (

Recorrido de una Transformacin Lineal

Definicin: Sea W V T : una transformacin lineal. El recorrido o imagen de T , denotado por
) Re(T o ) Im(T , se define como:
{ } V v w v T W w T = = ; ) ( / ) Re(

Teorema 2
Sea W V T : una transformacin lineal. Entonces se cumple que:
1. El ncleo de T es un subespacio de V
2. El recorrido de T es un subespacio de W

Nulidad y Rango de una Transformacin Lineal

Definicin: Sea W V T : una transformacin lineal. La nulidad de T , denotada por ) (T v , se
define como:
) ( dim ) ( T Nu T v =

El rango de T , denotado por ) (T , se define como:
) Re( dim ) ( T T =

-2-
Ramiro J. Saltos
Teorema de la Dimensin para Transformaciones Lineales
Sea W V T : una transformacin lineal donde V es un espacio vectorial de dimensin finita.
Entonces se cumple que:
V T T v dim ) ( ) ( = +

Transformacin Lineal Inyectiva

Definicin: Sea W V T : una transformacin lineal. Se dice que T es inyectiva si:
V w v , [ ] ) ( ) ( ) ( w v w T v T = =

Transformacin Lineal Sobreyectiva

Definicin: Sea W V T : una transformacin lineal. Se dice que T es sobreyectiva si todo vector
de W es la imagen de por lo menos un vector de V . Es decir:
W w V v ) (v T w =

Dicho de otra manera, T es sobreyectiva si W T = ) Re(

Teorema 3
Una transformacin lineal W V T : es inyectiva, si y slo si, { }
V
O T Nu = ) (

Isomorfismo

Definicin: Sea W V T : una transformacin lineal. Se dice que T es un isomorfismo si T es
inyectiva y T es sobreyectiva. Es decir, T es un isomorfismo si T es biyectiva.

Espacios Vectoriales Isomorfos

Definicin: Sean V y W dos espacios vectoriales. Se dice que V y W son espacios vectoriales
isomorfos, denotado por W V , si existe un isomorfismo W V T : entre ellos.

Teorema 4
Sea W V T : una transformacin lineal definida entre espacios vectoriales de dimensin finita,
tales que W V dim dim = , entonces:

1. Si T es inyectiva, T es sobreyectiva.
2. Si T es sobreyectiva, T es inyectiva.

Teorema 5
Sean V y W dos espacios vectoriales de dimensin finita. Sea W V T : una transformacin
lineal. Entonces:
1. Si W V dim dim > , T no es inyectiva.
2. Si W V dim dim < , T no es sobreyectiva.

Lo que quiere decir, que si W V dim dim , T no es un isomorfismo
-3-
Ramiro J. Saltos
Teorema 6
Sea W V T : una transformacin lineal, se cumple que:

1. Si T es inyectiva y { }
n
v v v v S ,..., , ,
3 2 1
= es linealmente independiente en V , entonces
{ } ) ( ),..., ( ), ( ), ( '
3 2 1 n
v T v T v T v T S = es linealmente independiente en W
2. Si T es sobreyectiva y { }
n
v v v v G ,..., , ,
3 2 1
= genera a V , entonces
{ } ) ( ),..., ( ), ( ), ( '
3 2 1 n
v T v T v T v T G = genera a W
3. Si T es un isomorfismo y { }
n
v v v v B ,..., , ,
3 2 1
= es una base de V , entonces
{ } ) ( ),..., ( ), ( ), ( '
3 2 1 n
v T v T v T v T B = es una base de W

Operaciones con Transformaciones Lineales

Suma: Sean W V T :
1
y W V T :
2
dos transformaciones lineales. La suma entre
1
T y
2
T ,
denotada por W V T T + :
2 1
, se define como:
V v ) ( ) ( ) )( (
2 1 2 1
v T v T v T T + = +

Multiplicacin por escalar: Sea R . Sea W V T : una transformacin lineal. Se define la
multiplicacin de por T , denotada por W V T : como:
V v ) ( ) )( ( v T v T =

Composicin: Sean U V T :
1
y W U T :
2
dos transformaciones lineales. La composicin entre
1
T y
2
T , denotada por W V T T :
1 2
, se define como:
V v )) ( ( ) )( (
1 2 1 2
v T T v T T =

Transformacin Lineal Inversa

Definicin: Sea W V T : una transformacin lineal. Se dice que T es inversible si existe una
transformacin lineal V W S : , tal que:

1.
W
Id W W S T = :
2.
V
Id V V T S = :

Si tal es el caso, se llama a S la inversa de T y se denota
1
= T S

Teorema 7
La transformacin lineal W V T : es inversible, si y slo si, T es un isomorfismo.

-4-
Ramiro J. Saltos
Representacin Matricial de una Transformacin Lineal

Teorema 8
Sea W V T : una transformacin lineal donde V y W son espacios vectoriales de dimensin
finita. Supngase que n V = dim y m W = dim . Sean { }
n
v v v v B ,..., , ,
3 2 1 1
= y
{ }
m
w w w w B ,..., , ,
3 2 1 2
= dos bases de V y W respectivamente.

La representacin matricial de T respecto de las bases
1
B y
2
B respectivamente est dada por:
[ ] [ ] [ ] [ ]
mxn
B n B B B T
v T v T v T v T A

2 2 3 2 2 2 1
) ( ) ( ) ( ) (

Teorema 9
Sea W V T : una transformacin lineal donde V y W son espacios vectoriales de dimensin
finita. Sea
T
A la representacin matricial de T respecto a las bases
1
B y
2
B de V y W
respectivamente. Entonces:

V v [ ] [ ]
1 2
) (
B T B
v A v T =

Teorema 10
Sea W V T : una transformacin lineal donde V y W son espacios vectoriales de dimensin
finita. Sea
T
A la representacin matricial de T respecto a las bases
1
B y
2
B de V y W
respectivamente. T es un isomorfismo si y slo si 0 ) det(
T
A
-5-
Ramiro J. Saltos
Tema 1
Sea R M T
nxn
: una funcin con regla de correspondencia:
) det( ) ( A A T =

Donde
nxn
M A . Determine si T es una transformacin lineal

1. V w v , ) ( ) ( ) ( w T v T w v T + = +
Sean A v = y
nxn
M B w =

) det( ) det( ) det(
) ( ) ( ) (
B A B A
B T A T B A T
+ = +
+ = +


Esto no siempre se cumple

T no es una transformacin lineal

Revisemos un ejemplo particular:
Sea
2 2x
M V = y sean

=
1 0
0 1
A y

=
2 0
0 2
B V

) ( ) ( ) ( B T A T B A T + = +
5 9
4 1 9
2 0
0 2
det
1 0
0 1
det
3 0
0 3
det
2 0
0 2
1 0
0 1
3 0
0 3
=
+ =

T T T


Y como vemos no se satisface la igualdad
-6-
Ramiro J. Saltos
Tema 2
Sea R M T
nxn
: una funcin con regla de correspondencia:
) ( ) ( A traza A T =
Donde
nxn
M A . Determine si T es una transformacin lineal

1. V w v , ) ( ) ( ) ( w T v T w v T + = +
Sean A v = y
nxn
M B w =

) ( ) ( ) ( ) (
) ( ) ( ) (
) ( ) ( ) (
B traza A traza B traza A traza
B traza A traza B A traza
B T A T B A T
+ = +
+ = +
+ = +


Se cumple el primer criterio de linealidad

2. R V v ) ( ) ( v T v T =
Sea R . Sea
nxn
M A v =

) ( ) (
) ( ) (
) ( ) (
A traza A traza
A traza A traza
A T A T



=
=
=


Se cumple el segundo criterio de linealidad

T es una transformacin lineal
-7-
Ramiro J. Saltos
Tema 3
Sea A una matriz cuadrada de orden n . Considere la transformacin
nxn nxn
M M T : dada
por BA AB A T = ) ( ( B es una matriz fija de orden n ). Demuestre que T es una
transformacin lineal.

1. V w v , ) ( ) ( ) ( w T v T w v T + = +
Sean
1
A v = y
nxn
M A w =
2


( ) ( ) ( )
2 1 2 1
A T A T A A T + = +
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
2 1 2 1 2 1 2 1
2 1 2 1 2 1 2 1
2 2 1 1 2 1 2 1
A A B B A A A A B B A A
BA BA B A B A A A B B A A
BA B A BA B A A A B B A A
+ + = + +
+ + = + +
+ = + +


Se cumple el primer criterio de linealidad

2. R V v ) ( ) ( v T v T =
Sea R . Sea
nxn
M A v =

( ) ( )
( ) ( ) ( )
( ) ( ) BA AB BA AB
BA AB A B B A
A T A T
=
=
=





Se cumple el segundo criterio de linealidad

T es una transformacin lineal

Cuando los ejercicios para determinar si una funcin es una transformacin lineal estn basados en
operaciones con matrices se recomienda trabajarlos de manera general como se lo ha hecho en los
problemas planteados hasta el momento
-8-
Ramiro J. Saltos
Tema 4
Sea
2 2
: R R T la funcin que transforma cada punto del plano en su simtrico respecto
del eje y . Encontrar la regla de correspondencia de T y demuestre que es una
transformacin lineal.

Determinar la regla de correspondencia de T es sencillo ya que el punto simtrico en el plano
respecto al eje y es el punto en el plano cuya coordenada en x cambia de signo. Entonces:

y
x
y
x
T

Ahora hay que verificar si se cumplen los criterios de linealidad

1) V w v , ) ( ) ( ) ( w T v T w v T + = +
Sea

=
b
a
v y
2
R
d
c
w

+

=

+
+

d b
c a
d b
c a
d
c
b
a
d b
c a
T
d
c
T
b
a
T
d
c
b
a
T


Se cumple el primer criterio de linealidad

2) R V v ) ( ) ( v T v T =
Sea R . Sea
2
R
y
x
v

y
x
y
x
y
x
y
x
T
y
x
T
y
x
T

Se cumple el segundo criterio de linealidad

T es una transformacin lineal
-9-
Ramiro J. Saltos
Tema 5
Determine el rango y la nulidad de la siguiente transformacin lineal

+ =

b
b a
a
b
a
T

a) Por definicin sabemos que:
{ }
W
O v T V v T Nu = = ) ( / ) (

Aplicando la definicin al problema nos queda:

=
0
0
0
/ ) (
2
b
a
T R
b
a
T Nu

Entonces para hallar el ncleo de la transformacin lineal igualamos la regla de correspondencia
de la misma, con el vector nulo de
3
R

+ =

0
0
0
b
b a
a
b
a
T

=
= +
=
0
0
0
b
b a
a



De donde concluimos que:

=
0
0
) (T Nu 0 ) ( = T v

b) Para el recorrido sabemos que:
{ } V v w v T W w T = = ; ) ( / ) Re(

Y aplicada al problema nos queda:

=
z
y
x
b
a
T R
z
y
x
T / ) Re(
3


Para hallar las condiciones del recorrido igualamos la regla de correspondencia con el vector tpico
de la imagen, luego planteamos la matriz aumentada y la reducimos, si es posible, hasta obtener la
mayor cantidad de filas llenas de ceros.

=
= +
=
z b
y b a
x a

z
z x y
x
A
z
x y
x
A
z
y
x
1 0
0 0
0 1
) 1 (
1 0
1 0
0 1
) 1 (
1 0
1 1
0 1
32 21

z x y
z x y
+ =
= 0

+ =

1
1
0
0
1
1
z x
z
z x
x
z
y
x

=
1
1
0
,
0
1
1
) Re(T
B 2 ) ( = T
-10-
Ramiro J. Saltos
Tema 6
Dada la aplicacin lineal
2 2
3
:
x
M R T definida por:

c b b
b b a
c
b
a
T
a) Halle la representacin matricial de T respecto a las bases cannicas.
b) Encuentre ) ( ), ( ), Im( ), ( T T T T Ker

a) Para hallar la representacin matricial de T debemos encontrar las coordenadas de las
transformadas de los vectores de la base del espacio de partida respecto a la base del espacio de
llegada

Sean

=
1
0
0
,
0
1
0
,
0
0
1
1
B y

=
1 0
0 0
,
0 1
0 0
,
0 0
1 0
,
0 0
0 1
2
B las bases cannicas de
3
R y
2 2x
M respectivamente

1 0
0 0
) 0 (
0 1
0 0
) 0 (
0 0
1 0
) 0 (
0 0
0 1
) 1 (
0 0
0 1
0
0
1
T

0
0
0
1
0
0
1
T

1 0
0 0
) 1 (
0 1
0 0
) 1 (
0 0
1 0
) 1 (
0 0
0 1
) 1 (
1 1
1 1
0
1
0
T

1
1
1
1
0
1
0
T

1 0
0 0
) 1 (
0 1
0 0
) 0 (
0 0
1 0
) 0 (
0 0
0 1
) 0 (
1 0
0 0
1
0
0
T

1
0
0
0
1
0
0
T

Estas coordenadas representan las columnas de la matriz asociada a T , es decir:

=
2 2 2
1
0
0
0
1
0
0
0
1
B B B
T
T T T A

=
1 1 0
0 1 0
0 1 0
0 1 1
T
A

-11-
Ramiro J. Saltos
b)

=
0 0
0 0
/ ) (
3
c
b
a
T R
c
b
a
T Nu
Igualamos la regla de correspondencia de la transformacin lineal con el vector nulo del espacio de
llegada

= =
=
=
= =
0 0
0
0
0 0
c c b
b
b
a b a

De donde obtenemos:

=
0
0
0
) (T Nu 0 ) ( = T v

=
z y
x w
c
b
a
T M
z y
x w
T
x
/ ) Im(
2 2


Para hallar la imagen igualamos la regla de correspondencia de la transformacin lineal con el
vector tpico de la imagen, planteamos el sistema de ecuaciones y reducimos la matriz aumentada,
si es posible, hasta obtener la mayor cantidad de filas posibles llenas de ceros

=
=
=
=
z c b
y b
x b
w b a

z
x y
x
w
A
z
y
x
w
1 1 0
0 0 0
0 1 0
0 1 1
) 1 (
1 1 0
0 1 0
0 1 0
0 1 1
23

y x
x y
=
= 0


Ahora reemplazamos esta condicin en el vector caracterstico y extraemos la base

1 0
0 0
0 1
1 0
0 0
0 1
z x w
z x
x w
z y
x w

=
1 0
0 0
,
0 1
1 0
,
0 0
0 1
) Re(T
B 3 ) ( = T

Revisamos el teorema de la dimensin:

3 3
3 3 0
dim ) ( ) (
=
= +
= + V T T v

-12-
Ramiro J. Saltos
Tema 7
Sea
2 2 2
:
x
M P T una aplicacin definida por:
( )

= + +
c a
b c
c bx ax T
1 2
1 1
2

a) Obtenga ) ( ), ( ), Im( ), ( T T T T Ker
b) Hallar la matriz asociada a T con respecto a las bases
{ } 1 , 1 , 1
2
1
+ = x x x B

=
0 0
1 1
,
0 0
1 1
,
0 1
1 1
,
1 1
1 1
2
B

Primero debemos simplificar la regla de correspondencia de la transformacin lineal, para ello
realizamos las operaciones especificadas

+ +

=

c b a c
c b a c
c a
b c
2 2 1 2
1 1


( )

+ +

= + +
c b a c
c b a c
c bx ax T
2 2
2


a)
( )

= + + + + =
0 0
0 0
/ ) (
2
2
2
c bx ax T P c bx ax T Nu

Como ya sabemos hay que igualar la regla de correspondencia de la transformacin lineal con el
vector nulo del espacio de llegada, con lo cual obtenemos el siguiente sistema de ecuaciones

( )

+ +

= + +
0 0
0 0
2 2
2
c b a c
c b a c
c bx ax T

= +
= = + = +
= =
= =
0 2
0 0 2 0 2
0
0
c b
c c c a c
c b c b
a c a c


0 = = = c b a

{ } 0 0 0 ) (
2
+ + = x x T Nu 0 ) ( = T v

( )

= + +

=
z y
x w
c bx ax T M
z y
x w
T
x
2
2 2
/ ) Re(
Igualamos la regla de correspondencia de la transformacin lineal con el vector tpico de la imagen,
es decir:

( )

+ +

= + +
z y
x w
c b a c
c b a c
c bx ax T
2 2
2


-13-
Ramiro J. Saltos
Con lo que se obtiene el siguiente sistema de ecuaciones:

= +
= +
=
=
z c b
y a c
x c b
w a c
2
2
) 1 (
2 3 0 0
3 0 0
1 1 0
1 0 1
) 2 (
1 2 0
3 0 0
1 1 0
1 0 1
) 1 (
1 2 0
2 0 1
1 1 0
1 0 1
43 24 13

A
x z
w y
x
w
A
z
w y
x
w
A
z
y
x
w

+ +

x z
z x w y
x
w
2 3 0 0
2 0 0 0
1 1 0
1 0 1

x w y z
z x w y
2
0 2
+ + =
= + +


Reemplazamos la condicin en el vector tpico

+ +
=

1 1
0 0
2 0
1 0
1 0
0 1
2
y x w
x w y y
x w
z y
x w

=
1 1
0 0
,
2 0
1 0
,
1 0
0 1
) Re(T
B 3 ) ( = T

b) Para hallar la matriz asociada a T debemos encontrar las coordenadas de las transformadas de
los vectores de la base del espacio de partida respecto a la base del espacio de llegada

=
1 2
2 1
) 1 (x T

= +
3 2
0 1
) 1 (x T ( )

=
1 1
1 2
1
2
x T

=
2 2 2
1 1
1 2
3 2
0 1
1 2
2 1
B B B
T
A

Planteando la combinacin lineal:

+
+ + + + +
=

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


v T


2
1 2
2 1
B

+
+ + + + +
1 2
2 1
1 2 1
4 3 2 1 4 3 2 1



-14-
Ramiro J. Saltos

=
= = +
= = + +
= + = + + +
1
3 2
4 2
1 1
1
2 2 1
4 3 4 3 2 1
4 3 4 3 2 1

[ ]

2
3
2
5
2
3
1
) 1 (
B
x T
( )

2
3
2
5
21
2
3
2
1
2 12
1 0
0 1
) 1 (
1 0
1 1 1
3 2 0
1 1 1
) 1 (
4 1 1
1 1 1
A M A
2
3
4
2
5
3

=
=

2
3 2
0 1
B

+
+ + + + +
3 2
0 1
1 2 1
4 3 2 1 4 3 2 1

=
= = +
= = + +
= + = + + +
3
1 2
2 0
1 1
1
2 2 1
4 3 4 3 2 1
4 3 4 3 2 1

[ ]

= +

2
1
2
3
2
1
3
) 1 (
B
x T
( )

2
1
2
3
21
2
1
2
1
2 12
1 0
0 1
) 1 (
1 0
1 1 1
1 2 0
1 1 1
) 1 (
2 1 1
1 1 1
A M A
2
1
4
2
3
3
=
=

2
1 1
1 2
B

+
+ + + + +
1 1
1 2
1 2 1
4 3 2 1 4 3 2 1

=
= = +
= = + +
= + = + + +
1
0 1
2 1
1 2
1
2 2 1
4 3 4 3 2 1
4 3 4 3 2 1

[ ]

2
3
2
1
2
2
0
1
) 1 (
B
x T

( )

2
3
2
1
21
2
3
2
1
2 12
1 0
0 1
) 1 (
1 0
1 1 1
3 2 0
1 1 1
) 1 (
2 1 1
1 1 1
A M A
2
3
4
2
1
3

=
=

Reemplazando en la matriz:

2
3
2
1
2
3
2
1
2
3
2
5
0 1 3
1 3 1
T
A
-15-
Ramiro J. Saltos
Tema 8
Sea
3 3
: R R T una transformacin lineal, tal que:

2
0
1
1
1
1
T ,

1
1
0
1
0
1
T y

1
0
1
1
1
0
T

Encuentre la regla de correspondencia de T

Para resolver este tipo de ejercicios debemos obtener una base del espacio de partida con la
caracterstica de que conocemos en que vector del espacio de llegada se transforman los vectores de
dicha base. Por lo general los vectores que nos dan como datos son linealmente independientes y
constituyen una base del espacio de partida.

Seleccionamos un vector tpico o representativo del espacio de partida, en este caso
3
R y lo
escribimos como combinacin lineal de la base formada. Luego procedemos a expresar los escalares
en funcin de las variables que conforman el vector caracterstico, as:

=
1
1
0
,
1
0
1
,
1
1
1
B es una base de
3
R

Sea
3
R
c
b
a

+ +
+
+
=

3 2 1
3 1
2 1
3 2 1
1
1
0
1
0
1
1
1
1




c
b
a

= + +
= +
= +
c
b
a
3 2 1
3 1
2 1

a c
b c
c b a
A
M
a c
c b
b
A
A
a c
a b
a
A
A
c
b
a
1 0 0
0 1 0
0 0 1
) 1 (
) 1 (
1 0 0
0 1 0
1 0 1
) 1 (
) 1 (
1 0 0
1 1 0
0 1 1
) 1 (
) 1 (
1 1 1
1 0 1
0 1 1
31
2
32
21
13
12


c b a + =
1
b c =
2
a c =
3


En la combinacin lineal planteada al inicio sacamos transformacin lineal a ambos lados,
reemplazamos los datos y simplificamos

1
1
0
1
0
1
1
1
1
3 2 1

c
b
a


-16-
Ramiro J. Saltos

1
1
0
1
0
1
1
1
1
3 2 1
T T T
c
b
a
T

+ =

1
0
1
) (
1
1
0
) (
2
0
1
) ( a c b c c b a
c
b
a
T

+
+
=

a c
a c
b c
b c
c b a
c b a
c
b
a
T 0
0
2 2 2
0

+
=

b a
b c
b
c
b
a
T
-17-
Ramiro J. Saltos
Tema 9
Sea
3 2
: R R T una transformacin lineal y suponga que:

1
3
1
1
1
T y

5
6
8
2
1
T
Calcule

6
9
T

Primero hallamos la regla de correspondencia de T Sabemos que:

=
2
1
,
1
1
B es una base de
2
R

Sea
2
R
b
a

2 1
2 1
2 1
2 2
1
1
1



b
a

( )

3
1 0
3
2
0 1
) 1 (
3
1 0
1 1
3 0
1 1
) 1 (
2 1
1 1
21 3
1
2 12
a b
b a
A
a b
a
M
a b
a
A
b
a

3
3
2
2
1
a b
b a

=
+
=

Una vez expresados los escalares en funcin de las variables que conforman el vector tpico,
sacamos transformacin lineal a ambos lados de la combinacin lineal, reemplazamos igualdades y
simplificamos

2
1
1
1
2 1
T T
b
a
T

+
=

5
6
8
3
1
3
1
3
2 a b b a
b
a
T

+
=

5
6
8
3
1
3
1
3
2 a b b a
b
a
T

+
+

=

3
5 5
3
6 6
3
8 8
3
2
3
3 6
3
2
a b
b a
b a
b a
b a
b a
b
a
T

b a
b a
b a
b
a
T
2
4
3 2

21
42
36
6
9
T
-18-
Ramiro J. Saltos
Tema 10
Sea
2 2
: P P T un operador lineal tal que:
1 ) ( = x T
2
3 ) 1 ( x x T + = +
1 ) 2 (
2
= x x T
a) Determine la regla de correspondencia de T
b) Respecto al resultado anterior, encuentre ) ( ), ( ), Im( ), ( T T T T Nu
c) Determine la representacin matricial de T respecto a la base cannica de
2
P

a) Primero hallamos la regla de correspondencia utilizando el procedimiento ya visto en los
ejercicios anteriores

Sea { }
2
2 , 1 , x x x B + = una base de
2
P

Sea
2
2
P cx bx a + +
2
3 2 1 3 2
2
2
3 2 1
2
) ( ) ( ) 2 (
) 2 ( ) 1 ( ) (
x x cx bx a
x x x cx bx a


+ + + + = + +
+ + + = + +

=
= +
= +
c
b
a
3
2 1
3 2
2

c
c a
c a b
A
A
c
a
a b
A
c
a
b
M
P
c
b
a
1 0 0
2 0 1 0
2 0 0 1
) 2 (
) 2 (
1 0 0
2 1 0
2 0 1
) 1 (
1 0 0
2 1 0
0 1 1
) 1 (
1 0 0
0 1 1
2 1 0
32
31
21
3
12


c b a 2
1
+ = c a 2
2
+ = c =
3


( ) ) 2 ( ) 1 ( ) (
2
3 2 1
2
x T x T x T cx bx a T + + + = + +

( ) ) 1 )( ( ) 3 )( 2 ( ) 1 )( 2 (
2 2
+ + + + + = + + x c x c a c b a cx bx a T

( )
2 2
) 2 ( ) ( ) 5 2 ( x c a x c c b a cx bx a T + + + + + = + +

b)
{ }
2 2
2
2
0 0 0 ) ( / ) ( x x cx bx a T P cx bx a T Nu + + = + + + + =

= = +
= =
= = + +
0 0 2
0 0
0 0 5 2
a c a
c c
b c b a
0 = = = c b a

{ } 0 0 0 ) (
2
+ + = x x T Nu 0 ) ( = T v
-19-
Ramiro J. Saltos
Para hallar el recorrido utilizamos el teorema que dice que si W V dim dim = y T es inyectiva,
entonces T es sobreyectiva.

T es inyectiva porque { }
V
O T Nu = ) (

2
) Re( P T = 3 ) ( = T

c) La base cannica de
2
P es { }
2
, , 1 x x B =

[ ] [ ] [ ]

=
B B B T
x T x T T A ) ( ) ( ) 1 (
2


) )( 1 ( ) )( 0 ( ) 1 )( 2 ( 2 ) 1 (
2 2
x x x T + + + = [ ]

=
1
0
2
) 1 (
B
T
) )( 0 ( ) )( 0 ( ) 1 )( 1 ( 1 ) (
2
x x x T + + = [ ]

=
0
0
1
) (
B
x T
) )( 2 ( ) )( 1 ( ) 1 )( 5 ( 2 5 ) (
2 2 2
x x x x x T + + + = [ ]

=
2
1
5
) (
2
B
x T

=
2 0 1
1 0 0
5 1 2
T
A
-20-
Ramiro J. Saltos
Tema 11
Construya, de ser posible, una transformacin lineal
2
3
: P R T que cumpla con las
siguientes condiciones:

= = =

= R t t c t b t a
c
b
a
T Nu , 2 , , / ) (
{ } b a c P c bx ax T + = + + = / ) Im(
2
2


2
2
3
1
0
x x T + + =

y
2
1
1
1
1
x T + =

Primero debemos encontrar una base y la dimensin tanto del ncleo como del recorrido de la
transformacin y verificar si se cumple el teorema de las dimensiones. Si este no se cumple,
entonces no existe una transformacin lineal que cumpla las condiciones que del problema

Sea ) (T Nu
c
b
a

2
1
1
2
t
t
t
t
c
b
a

=
2
1
1
) (T Nu
B 1 ) ( = T v

Sea ) Re(
2
T c bx ax + +
) 1 ( ) 1 ( ) (
2 2 2
+ + + = + + + = + + x b x a b a bx ax c bx ax
{ } 1 , 1
2
) Re(
+ + = x x B
T
2 ) ( = T

Revisamos el teorema de la dimensin
3 3
3 2 1
dim ) ( ) (
=
= +
= + V T T v


Como se cumple el teorema anterior, ahora debemos formar una base del espacio de partida, en este
caso
3
R , y la obtenemos con los dos vectores que nos dan en el problema ms el que forma parte de
la base del ) (T Nu . Se recomienda que de preferencia la base del espacio de partida contenga a la
base del ncleo

=
2
1
1
,
3
1
0
,
1
1
1
B

Una vez obtenida esta base el procedimiento a seguir es el mismo ya revisado en los ejercicios
anteriores
-21-
Ramiro J. Saltos
Sea
3
R
c
b
a

+ +
+

=

3 2 1
3 2 1
3 1
3 2 1
2 3 2
1
1
3
1
0
1
1
1




c
b
a

= + +
= +
=
c
b
a
3 2 1
3 2 1
3 1
2 3




( )
9
1
3
2
23
13
12
3 4 9 0 0
2 1 0
1 0 1
) 1 (
) 3 (
3 3 0
2 1 0
1 0 1
) 1 (
) 1 (
2 3 1
1 1 1
1 0 1
M
c b a
b a
a
M
A
a c
a b
a
A
A
c
b
a

+ +

+ +
+
+ +

+ +

9
3 4
1 0 0
9
2 3
0 1 0
9
3 5
0 0 1
) 2 (
) 1 (
9
3 4
1 0 0
2 1 0
1 0 1
32
31
c b a
c b a
c b a
A
A
c b a
b a
a

9
3 4
9
2 3
9
3 5
3
2
1
c b a
c b a
c b a
+ +
=
+
=
+ +
=

Luego aplicamos transformacin lineal en ambos lados de la combinacin lineal y reemplazamos
las igualdades que obtuvimos y las que nos dan en el ejercicio. Hay que recordar que la
transformada de todo vector que pertenece al ncleo es igual al vector nulo del espacio de llegada

2
1
1
3
1
0
1
1
1
3 2 1
T T T
c
b
a
T

+ +
+

+
+

+ +
=

2
1
1
9
3 4
3
1
0
9
2 3
1
1
1
9
3 5
T
c b a
T
c b a
T
c b a
c
b
a
T

( ) ( ) ( ) 0 0 0
9
3 4
2
9
2 3
1
9
3 5
2 2 2
+ +

+ +
+ + +

+
+ +

+ +
=

x x
c b a
x x
c b a
x
c b a
c
b
a
T
2
9
2 3
9
3 5
9
2 3
9
4 6 2
9
3 5
x
c b a c b a
x
c b a c b a c b a
c
b
a
T

+
+

+ +
+

+
+

+
+

+ +
=

2
9
3 6
9
2 3
9
5 3 7
x
c a
x
c b a c b a
c
b
a
T

+
+

+
+

+
=

-22-
Ramiro J. Saltos
Tema 12
Construya, de ser posible, una transformacin lineal
3
2 2
: R S T
x
que cumpla con las
siguientes condiciones:

= + =

= 0 2 / ) (
2 2
c b c a S
c b
b a
T Ker
x

4
1
3
2 0
0 1
T y

0
1
1
1 2
2 0
T

= +

= 0 / ) Im(
3
z y x R
z
y
x
T


Hallamos las dimensiones del ncleo y del recorrido para verificar si se cumple el teorema de la
dimensin

Sea ) (T Nu
c b
b a

1 2
2 1
2
2
c
c c
c c
c b
b a

=
1 2
2 1
) (T Nu
B 1 ) ( = T v

Sea ) Re(T
z
y
x

+ =

1
1
0
0
1
1
z x
z
z x
x
z
y
x

=
1
1
0
,
0
1
1
) Re(T
B 2 ) ( = T

Verificando el teorema
3 3
3 2 1
dim ) ( ) (
=
= +
= + V T T v


Ahora formamos una base del espacio vectorial de partida, hay que recordar que esta base, si es
posible, debe contener a la base del ncleo

=
1 2
2 0
,
2 0
0 1
,
1 2
2 1
B

Sea
2 2x
S
c b
b a

-23-
Ramiro J. Saltos

+ +
+
=

3 2 1 3 1
3 1 2 1
3 2 1
2 2 2
2 2
1 2
2 0
2 0
0 1
1 2
2 1



c b
b a

= +
= +
=
c
b
a
3 2 1
3 1
2 1
2
2 2





) 3 (
) 1 (
1 3 0
1 1 0
0 1 1
) 1 (
1 3 0
2 2 2 0
0 1 1
) 1 (
) 2 (
1 2 1
2 0 2
0 1 1
23
21
32
13
12

+ +

A
A
a c
c b a
a
A
a c
b a
a
A
A
c
b
a


( )

+ +
+
+ +

+ +
+ +
+ +

+ +
+ +

4
2 3 4
1 0 0
4
2
0 1 0
4
2 4
0 0 1
) 1 (
) 1 (
4
2 3 4
1 0 0
1 1 0
2 1 0 1
2 3 4 4 0 0
1 1 0
2 1 0 1
32
31
4
1
3
c b a
c b
c b a
A
A
c b a
c b a
c b a
M
c b a
c b a
c b a


4
2 4
1
c b a + +
=
4
2
2
c b +
=
4
2 3 4
3
c b a + +
=

Finalmente:

1 2
2 0
2 0
0 1
1 2
2 1
3 2 1
T T T
c b
b a
T

+ +
+

+
+

+ +
=

0
1
1
4
2 3 4
4
1
3
4
2
0
0
0
4
2 4 c b a c b c b a
c b
b a
T

+ +
+ +
+

+
+

=

4
0
4
2 3 4
4
2 3 4
4
8 4
4
2
4
6 3
c b a
c b a
c b
c b
c b
c b
b a
T

+
+ +

c b
c b a
c a
c b
b a
T
2


-24-
Ramiro J. Saltos
Tema 13
Sea
2 2 2
: P S T
x
, una transformacin lineal con regla de correspondencia:
2
) 3 ( ) ( ) 2 ( x c b x c b a c b a
c b
b a
T + + + + =

Demuestre que T es inversible y encuentre la regla de correspondencia de
1
T

Para averiguar si existe la inversa T primero debemos comparar las dimensiones de los espacios
donde opera la transformacin; si estas dimensiones son diferentes, entonces T no es inversible,
caso contrario debemos proseguir con cualquiera de las siguientes opciones:

1. Encontrar el ncleo y ver si es igual al nulo del espacio vectorial de partida
2. Hallar la matriz asociada a T , calcular su determinante y si ste es diferente de cero,
entonces T es inversible.

Nos inclinaremos por la segunda alternativa por ser ms corta. Para ello encontraremos la
representacin matricial de T respecto a las bases cannicas para facilitar los clculos

Sea

=
1 0
0 0
,
0 1
1 0
,
0 0
0 1
S y { }
2
, , 1 x x P = las bases cannicas de
2 2x
S y
2
P
respectivamente.

2
) 0 ( ) 1 ( ) 1 )( 1 ( 1
0 0
0 1
x x x T + + =

0
1
1
0 0
0 1
P
T
2 2
) 1 ( ) 1 ( ) 1 )( 2 ( 2
0 1
1 0
x x x x T + + + + =

1
1
2
0 1
1 0
P
T
2 2
) 3 ( ) 1 ( ) 1 )( 1 ( 3 1
1 0
0 0
x x x x T + + + =

3
1
1
1 0
0 0
P
T

3 1 0
1 1 1
1 2 1
T
A

Ahora calculamos el determinante escogiendo la fila o columna con ms ceros que exista

0 ) det(
3 ) det(
1 6 1 3 ) det(
3 1
1 2
1
3 1
1 1
1 ) det(

=
+ + =


+

=
A
A
A
A
T es inversible
-25-
Ramiro J. Saltos
Lo siguiente es hallar la inversa de T y para ello igualamos la regla de correspondencia con el
vector tpico del espacio de partida, para este problema
2 2x
S

( ) ( ) [ ]

= + + + +

p n
n m
x c b x c b a c b a T
2 1
) 3 ( 2

Y escalonamos la matriz con la finalidad de expresar a , b y c en funcin de m , n y p

( )
3
1
3
2
23
21
12
3 0 0
0 1 0
2 1 0 1
) 1 (
) 1 (
) 2 (
3 1 0
0 1 0
1 2 1
) 1 (
3 1 0
1 1 1
1 2 1

+ +

M
p n m
n m
n m
M
A
A
p
n m
m
A
p
n
m

3
1 0 0
0 1 0
3
7 4
0 0 1
) 1 (
3
1 0 0
0 1 0
2 1 0 1
31
p n m
n m
p n m
A
p n m
n m
n m


Reemplazando:

( )

= + +

3
3
7 4
2 1
p n m
n m
n m
p n m
px nx m T
-26-
Ramiro J. Saltos
Tema 14
Sea
3 3
: R R T la transformacin lineal definida por:

z y
y
z x
z
y
x
T
Determine si T es un isomorfismo y en caso de serlo calcule

3
2
1
1
T

Para determinar si T es inversible debemos calcular el determinante de cualquiera de sus matrices
asociadas y si ste es diferente de cero, entonces T ser inversible

Sea

=
1
0
0
,
0
1
0
,
0
0
1
B la base cannica de
3
R

1
0
0
) 0 (
0
1
0
) 0 (
0
0
1
) 1 (
0
0
1
0
0
1
T

0
0
1
0
0
1
T

1
0
0
) 1 (
0
1
0
) 1 (
0
0
1
) 0 (
1
1
0
0
1
0
T

1
1
0
0
1
0
T

1
0
0
) 1 (
0
1
0
) 0 (
0
0
1
) 1 (
1
0
1
1
0
0
T

1
0
1
1
0
0
T

=
1 1 0
0 1 0
1 0 1
T
A

Calculamos su determinante:

0 1
1 1
0 1
1 ) det( = =
T
A

T es un isomorfismo

Para calcular la inversa de T igualamos la regla de correspondencia con el vector tpico del
espacio de partida y escalonamos el sistema de ecuaciones hasta obtener la matriz identidad, as
-27-
Ramiro J. Saltos

c
b
a
z y
y
z x
T
1


El objetivo ser de expresar las variables de la regla de correspondencia de T en funcin de las
nuevas variables del vector tpico del espacio de partida

= +
=
=

c z y
b y
a z x

b c
b
c b a
A
b c
b
a
A
c
b
a
1 0 0
0 1 0
0 0 1
) 1 (
1 0 0
0 1 0
1 0 1
) 1 (
1 1 0
0 1 0
1 0 1
31 23


Lo que nos queda del otro lado de la matriz aumentada es la regla de correspondencia de
1
T y el
paso final nicamente consiste en ir reemplazando cada igualdad adaptndola a los espacios que
pertenece, que para
3
R es sencillo porque va directo, tal como est, as:

+
=

b c
b
c b a
c
b
a
T
1


Y calculando lo que nos pide el ejercicio:

1
2
2
3
2
1
T
-28-
Ramiro J. Saltos
Tema 15
Sea
2
1
: R P T una transformacin lineal con regla de correspondencia:

+
+
= +
b a
b a
bx a T
7 3
2
) (
a) Encuentre la representacin matricial de T respecto a las bases { } x x B 2 3 , 1
1
+ =
de
1
P y

=
5
1
,
5
2
2
B de
2
R y la matriz asociada a T respecto a las bases
cannicas { } x B , 1
3
= de
1
P y

=
1
0
,
0
1
4
B de
2
R
b) Si T es inversible, encuentre la regla de correspondencia de
1
T

a) Por teorema sabemos:
[ ] [ ]

+

=
2 2 2 1
2 3 1
B B B B
x x A

+
+
=

=
2 1
2 1
2 1
5 5
2
5
1
5
2
) (


v T

Ahora debemos hallar las coordenadas de las transformadas de los vectores de la base
1
B respecto a
la base
2
B

= +
10
3
) 1 ( x T

= +
= +
10 5 5
3 2
2 1
2 1



( )

1 1 0
1 0 1
) 1 (
) 1 (
1 1 0
2 1 1
) 2 (
3 1 2
2 1 1
10 5 5
3 1 2
2
21
12
12
5
1
2
M
A
A
P
M
[ ]

= +
1
1
) 1 (
2 B
x T

=
5
1
) 2 3 ( x T

= +
= +
5 5 5
1 2
2 1
2 1




( )

1 1 0
0 0 1
) 1 (
) 1 (
1 1 0
1 1 1
) 2 (
1 1 2
1 1 1
5 5 5
1 1 2
2
21
12
12
5
1
2
M
A
A
P
M
[ ]

=
1
0
) 2 3 (
2 B
x T

=
1 1
0 1
2 1 B B
A

Para encontrar la representacin matricial de T respecto a las bases cannicas realizamos el mismo
procedimiento, aunque en este caso es ms fcil encontrar las columnas de la matriz.

=
3
1
) 1 ( T [ ]

=
3
1
) 1 (
4 B
T
-29-
Ramiro J. Saltos

=
7
2
) (x T [ ]

=
7
2
) (
4 B
x T

=
7 3
2 1
4 3 B B
D

b) Para saber si T es inversible hay que calcular el determinante de cualquiera de las dos
representaciones matriciales anteriores

0 ) det(
1 ) det(
) 0 )( 1 ( ) 1 )( 1 ( ) det(

=
=
A
A
A


T es inversible

Y como ya se vio en ejercicios anteriores para encontrar
1
T igualamos la regla de correspondencia
de T con el vector tpico del espacio de partida, en este caso
2
P

nx m
b a
b a
T + =

+
+

7 3
2
1

m n
n m
A
m n
m
A
n
m
3 1 0
2 7 0 1
) 2 (
3 1 0
2 1
) 3 (
7 3
2 1
21 12


Pero como la regla de correspondencia est en trminos de a y b es mejor dejar expresada la
respuesta en funcin de las ya mencionadas variables

x b a b a
b
a
T ) 3 ( ) 2 7 (
1
+ + =

-30-
Ramiro J. Saltos
Tema 16
Sean
3 3
1
: R R T y
3 3
2
: R R T dos transformaciones lineales definidas por:

+ +
+

c b a
b a
c a
c
b
a
T 2
1

+
+
+ +
=

b a
c b a
c b a
c
b
a
T
3 2
2
2


Encuentre la transformacin lineal ( ) ( )
1 2 1 2 1
5 3 2 T T T T T L + =

Encontremos por separado cada transformacin lineal para al final sumar todas


1
2T
Para hallar esta transformacin lineal es suficiente con multiplicar la regla de correspondencia de
1
T por dos a ambos lados, es decir:

( )

+ +
+

c b a
b a
c a
c
b
a
T 2 2 2
1
( )

+ +
+

c b a
b a
c a
c
b
a
T
2 2 2
2 4
2 2
2
1


( )
1 2
3 T T
Proseguimos de la siguiente manera:

( )

c
b
a
T
c
b
a
T
c
b
a
T T
1 2 1 2
3 3

Reemplazamos las reglas de correspondencias de las respectivas transformaciones lineales y
simplificamos las operaciones:

( )
( )

+
+

+
+
+ +
=

+ +
+

+
+
+ +
=

c b a
b a
c a
b a
c b a
c b a
c
b
a
T T
c b a
b a
c a
b a
c b a
c b a
c
b
a
T T
2
3 2
2 3 3
2
3 2
2 3 3
1 2
1 2

( )

+
+
+
=

c b a
c b a
c b
c
b
a
T T
2
2 2
2
3 3
1 2

( )

+
+

=

c b a
c b a
c b
c
b
a
T T
3 6 3
6 6 3
6 3
3
1 2
-31-
Ramiro J. Saltos
( )
1 2
5 T T
El procedimiento es parecido al realizado anteriormente pero para realizar la composicin es
necesario que el espacio de llegada de la transformacin lineal de la derecha sea el mismo espacio de
partida de la transformacin lineal de la izquierda, es decir:

W V T :
1

U W T :
2


Como podemos notar
1
T llega a W y
2
T parte de W , slo si esto se cumple se puede realizar la
composicin. Para el ejercicio no hay problema pues las dos funciones operan dentro del mismo
espacio vectorial
3
R

( )

=
c
b
a
T T T T
1 2 1 2
5 5

Reemplazando la regla de correspondencia:

( )

+ +
+

=
c b a
b a
c a
T T T 2 5 5
2 1 2


Luego evaluamos en la regla de correspondencia de
2
T donde hay que recalcar que la variable a es
ahora c a , b es b a + 2 y c es c b a + +

( )

+ +
+ + + +
+ + + + +
=
) 2 ( 3 ) ( 2
) ( 2 ) 2 ( ) (
) ( ) 2 ( ) (
5 5
1 2
b a c a
c b a b a c a
c b a b a c a
T T

Simplificando las operaciones:

( )
( )

+
+ +
+
=

+
+ +
+
=
c b a
c b a
b a
T T
c b a
c b a
b a
T T
10 15 40
5 5 5
10 15
5
2 3 8
2 3
5 5
1 2
1 2

Una vez halladas todas las transformaciones lineales por separado, se procede con realizar la suma
de todas ellas

-32-
Ramiro J. Saltos
( ) [ ] ( )
1 2 1 2 1
5 3 2 T T T T T
c
b
a
L + + =

+
+ +
+
+

+
+

+

+ +
+

c b a
c b a
b a
c b a
c b a
c b
c b a
b a
c a
c
b
a
L
10 15 40
5 5 5
10 15
3 6 3
6 6 3
6 3
2 2 2
2 4
2 2

+
+
+
=

c b a
c b a
c b a
c
b
a
L
5 11 39
13 12
8 7 17


-33-
Ramiro J. Saltos
Tema 17
Califique las siguientes proposiciones como verdaderas o falsas. Justifique formalmente
su respuesta.

a) Existe una transformacin lineal
2 2
: R R T tal que

6
4
1
1
T y

0
1
3
3
T
Sea 3 = y

=
1
1
v

=
1
1
3
1
1
3
) ( ) (
T T
v T v T

0
1
18
12
3
3
6
4
3 T


Falso

b) La funcin
2 2
: R R T definida por

+
=

1
b a
b
a
T es una transformacin lineal
1) ) ( ) ( ) ( w T v T w v T + = +
Sea

=
1
1
b
a
v y
2
2
2
R
b
a
w

+ + +
=

+ + +

+
+

+
=

+
+

2 1
1 1
2 1 2 1 2 1 2 1
2 2 1 1
2 1
2 1
2
2
1
1
2
2
1
1
b b a a b b a a
b a b a
b b
a a
T
b
a
T
b
a
T
b
a
b
a
T


Contraejemplo
Sea

=
1
1
v y

=
2
2
w
2
R

= +
3
3
w v

2
6
1
6
1
4
1
2
1
6
2
2
1
1
3
3
T T T


Falso
-34-
Ramiro J. Saltos
c) La funcin
3 2
: R R T definido por

+
=

a
b a
b a
b
a
T es lineal
1) V w v , ) ( ) ( ) ( w T v T w v T + = +
Sean

=
1
1
b
a
v y
2
2
2
R
b
a
w

+
+
+ + +
=

+
+
+ + +

+
+

+
=

+
+ +
+ + +

+
+
2 1
2 1 2 1
2 1 2 1
2 1
2 1 2 1
2 1 2 1
2
2 2
2 2
1
1 1
1 1
2 1
2 1 2 1
2 1 2 1
2
2
1
1
2 1
2 1
) ( ) (
) ( ) (
a a
b b a a
b b a a
a a
b b a a
b b a a
a
b a
b a
a
b a
b a
a a
b b a a
b b a a
b
a
T
b
a
T
b b
a a
T


2) R V v ) ( ) ( v T v T =
Sea
2
R
b
a
v

= . Sea R

+
=

+
=

a
b a
b a
a
b a
b a
a
b a
b a
a
b a
b a
b
a
T
b
a
T

Verdadero
d) Si W V T : es una transformacin lineal tal que

=
1 0 2
2 3 0
3 1 1
T
A es la representacin
matricial de T respecto a las bases
1
B y
2
B , entonces T es un isomorfismo

Para saber si T es un isomorfismo bastar con calcular el determinante de la matriz asociada a T
2 3
3 1
2
1 0
3 1
0
1 0
2 3
1 ) det( + =
T
A
) 9 2 ( 2 3 ) det( + =
T
A
14 3 ) det( =
T
A
11 ) det( =
T
A

Verdadero
-35-
Ramiro J. Saltos
e) Sea
2
2
: P R T una transformacin lineal. Si
2
4
1
3
x T + =

y x T 2 3
2
1
+ =

, entonces
2
4 10
5
5
x x T + =

Sabemos que:

2
1
,
1
3
es una base de
2
R , es decir, que todo vector de
2
R se puede escribir como
combinacin lineal de los vectores de esta base.
Sea
2
R
b
a

+

=

2 1
2 1
2 1
2
3
2
1
1
3



b
a


Para hallar la regla de correspondencia de T debemos expresar los escalares en funcin de a y b .
Planteamos la matriz aumentada y reducimos por Gauss
( ) ) 2 (
5
3
1 0
2 1
3 5 0
2 1
) 1 (
) 3 (
1 3
2 1
2 1
1 3
21 5
1
2
1
12
12
A
b a
b
M
b a
b
M
A
a
b
P
b
a

+
+
5
3
1 0
5
2
0 1
b a
b a

5
3
5
2
2
1
b a
b a
+
=
+
=

Ahora volvemos a escribir la combinacin lineal y aplicamos transformacin lineal en ambos lados
de la ecuacin

2
1
1
3
2
1
1
3
2 1
2 1


T
b
a
T
b
a


Aplicamos las propiedades de las transformaciones lineales

2
1
1
3
2 1
T T
b
a
T

Reemplazamos los escalares por las igualdades encontradas y las transformadas de los vectores de
la base con los datos del problema.
( ) ( ) 3 2
5
3
4
5
2
2

+
+ +

+
=

x
b a
x
b a
b
a
T

Simplificando nos queda:

+
+

+
=

5
5 5
5
6 2
5
2
2
b a
x
b a
x
b a
b
a
T
-36-
Ramiro J. Saltos
Y finalmente
10 4
5
5
5
25 25
5
30 10
5
5 10
5
5
2
2
+ =

+
+

+
=

x x T
x x T


Verdadero

f) Sea
2 2 2
:
x
S P T una transformacin lineal con regla de correspondencia:

+
+
= + +
b c c b a
c b a c
cx bx a T
2
) (
2

Entonces, T es un isomorfismo y
2 1
2 1
3 2
2 4
x x T + =

Para saber si T es inversible debemos hallar la matriz asociada a T y calcular su determinante,
como no nos dan ninguna base nosotros usamos las bases cannicas.

Sean { }
2
, , 1 x x P = y

=
1 0
0 0
,
0 1
1 0
,
0 0
0 1
M las bases cannicas de
2
P y 2 2x S
respectivamente.

=
1 0
0 0
) 0 (
0 1
1 0
) 1 (
0 0
0 1
) 0 (
0 1
1 0
) 1 ( T [ ]

=
0
1
0
) 1 (
M
T

=
1 0
0 0
) 1 (
0 1
1 0
) 1 (
0 0
0 1
) 0 (
1 1
1 0
) (x T [ ]

=
1
1
0
) (
M
x T

=
1 0
0 0
) 1 (
0 1
1 0
) 1 (
0 0
0 1
) 2 (
1 1
1 2
) (
2
x T [ ]

=
1
1
2
) (
2
M
x T

=
1 1 0
1 1 1
2 0 0
T
A 2
1 1
2 0
1 ) det( =

=
T
A 0 ) det(
T
A
T es inversible

Sabemos que si T es inversible entonces v w T w v T = =

) ( ) (
1

+
+
= +
1 2 2 1 1
2 ) 1 ( 1 ) 2 ( 2
) 2 1 (
2
x x T

= +
3 2
2 4
) 2 1 (
2
x x T

Verdadero
-37-
Ramiro J. Saltos
Espacios con Producto Interno

Producto Interno

Definicin: Sea V un espacio vectorial. Sea R VxV f : una funcin que asigna a cada par de
vectores V w v , un nico escalar R . Se dice que f es un producto interno real en V si
cumple con las siguientes condiciones:

1. V v 0 ) , ( v v f
2. V v
V
O v v v f = = 0 ) , (
3. V w v , ) , ( ) , ( v w f w v f =
4. R V w v , ) , ( ) , ( w v f w v f =
5. V z w v , , ) , ( ) , ( ) , ( z w f z v f z w v f + = +

Notaciones: Sea V un espacio vectorial. Sea R VxV f : un producto interno real en V , las
diferentes notaciones que puede tomar f estn dadas por:

1. ) , ( w v f
2. w v /

Norma de un Vector

Definicin: Sea V un espacio con producto interno f . Sea V v . La norma o mdulo de v , que
se denota v , se define como:

) , ( v v f v =

Vector unitario

Definicin: Al vector V v se lo llama vector unitario si su norma es igual a 1

Teorema 1
Sea V un espacio con producto interno f . Entonces se cumple que:

1. R V v v v =
2. V v 0 ) , ( =
V
O v f








-38-
Ramiro J. Saltos
Conjunto Ortonormal de Vectores

Definicin: Sea { }
n
v v v v S ,..., , ,
3 2 1
= un conjunto de vectores de un espacio vectorial con producto
interno V . Se dice que S es un conjunto ortonormal de vectores si:

1. j i ( ) 0 / =
j i
v v
2. j i = ( ) 1 / =
j i
v v

Si el conjunto S satisface nicamente la primera condicin se dice que S es un conjunto
ortogonal.

Teorema 2
Sea V un espacio vectorial con producto interno. Sea { }
n
v v v v S ,..., , ,
3 2 1
= un conjunto de vectores
no nulos de V y ortogonal. Entonces, S es linealmente independiente en V

Distancia entre dos Vectores

Definicin: Sean v y w dos vectores cualesquiera del espacio con producto interno V . La
distancia entre v y w, denotada por ) , ( w v d , se define como:

w v w v d = ) , (

Medida del ngulo entre dos Vectores

Definicin: Sea V un espacio con producto interno. La medida del ngulo entre dos vectores v y
w cualesquiera no nulos de V , se define como:

( )

=
w v
w v
arcCos
/


Complemento Ortogonal

Definicin: Sea W un subespacio del espacio vectorial con producto interno V . El complemento
ortogonal de W , denotado por

W , se define como:

( ) { } W w w v V v W = =

; 0 / /

Proyeccin Ortogonal

Definicin: Sea V un espacio vectorial con producto interno y W un subespacio de V . Sea
{ }
n
u u u u B ,..., , ,
3 2 1
= una base ortonormal de W . Sea V v . La proyeccin de ortogonal de v
sobre W , denotada por v proy
W
, se define como:

( ) ( ) ( ) ( )
n n W
u u v u u v u u v u u v v proy / ... / / /
3 3 2 2 1 1
+ + + + =
-39-
Ramiro J. Saltos
Teorema 3
Sea { }
n
u u u u B ,..., , ,
3 2 1
= una base ortonormal del espacio con producto interno V . Sea V v ,
entonces:

( ) ( ) ( ) ( ) v proy u u v u u v u u v u u v v
V n n
= + + + + = / ... / / /
3 3 2 2 1 1


Teorema 4
Sea W un subespacio del espacio con producto interno V , entonces se cumple que:

1.

W es un subespacio de V
2. { }
V
O W W =


3. V W W dim dim dim = +




Teorema de Proyeccin
Sea V un espacio con producto interno. Sea W un subespacio de V . Sea V v . Entonces existe
un nico vector W h y

W p , tal que:

p h v + =

Donde:
v proy h
W
=
v proy p
W

=

Matriz Ortogonal

Definicin: La matriz invertible Q de nxn se dice que es ortogonal si:

T
Q Q =
1


Teorema 5
Si Q es una matriz ortogonal de nxn , entonces 1 ) det( = Q o 1 ) det( = Q

Teorema 6
Una matriz Q invertible de nxn es ortogonal, si y slo si sus columnas forman una base
ortonormal para
n
R con el producto interno cannico.

Teorema de Aproximacin de la Norma
Sea V un espacio con producto interno y W un subespacio de V . Sea v un vector cualquiera de
V . De todos los vectores que se encuentran en W , el vector ms cercano a v es el vector
v proy
W
, es decir:

{ } [ ] v proy W w
W
w v v proy v
W
<
-40-
Ramiro J. Saltos
Tema 1
Sea el espacio vectorial
1
P V = donde se ha definido la funcin:
) 0 ( ) 0 ( ) ( ) ( q p x q x p f =
Determine si sta funcin es un producto interno real en
1
P

Escribamos la regla de correspondencia en funcin de las variables del vector tpico de
1
P
Sea b ax x p + = ) ( y
1
) ( P d cx x q + =

( )( ) d c b a d cx b ax f + + = + + ) 0 ( ) 0 (
bd d cx b ax f = + +

1. V v 0 v v f
Sea
1
P b ax v + =
2
b bb b ax b ax f = = + +

2
b siempre ser mayor igual a cero

Se cumple el primer punto

2. V v
V
O v v v f = = 0
Sea
1
P b ax v + =
2
b bb b ax b ax f = = + +
0 0
2
= = b b

Entonces la funcin ser cero cuando 0 = b , lo que nos dice que la variable R a y no
necesariamente deber ser cero. Veamos un ejemplo:

Sea 0 2 + = x v
0 0
0 ) 0 )( 0 (
0 0 2 0 2
=
=
= + + x x f


Se cumple la igualdad
V
O x + 0 2

f no es un producto interno real en
1
P
-41-
Ramiro J. Saltos
Tema 2
Sea el espacio vectorial
1
P V = donde se ha definido la funcin:

=
=
1
1
) ( ) ( ) ( ) (
i
i q i p x q x p f
Determine si sta funcin es un producto interno real en
1
P

Desarrollamos la sumatoria:

=
+ + =
1
1
) 1 ( ) 1 ( ) 0 ( ) 0 ( ) 1 ( ) 1 ( ) ( ) (
i
q p q p q p i q i p

Es decir:
) 1 ( ) 1 ( ) 0 ( ) 0 ( ) 1 ( ) 1 ( ) ( ) ( q p q p q p x q x p f + + =

Evaluamos de manera general para reducir un poco la regla de correspondencia:
Sea b ax x p + = ) ( y
1
) ( P d cx x q + =

( )( ) ( )( ) ( )( )
( )( ) ( ) ( )( )
bd ac d cx b ax f
bd bc ad ac bd bd bc ad ac d cx b ax f
d c b a bd d c b a d cx b ax f
d c b a d c b a d c b a d cx b ax f
3 2
) 1 ( ) 1 ( ) 0 ( ) 0 ( ) 1 ( ) 1 (
+ = + +
+ + + + + + = + +
+ + + + + + = + +
+ + + + + + + + = + +


1. V v 0 v v f
Sea
1
P b ax v + =
0 3 2
0 ) )( ( 3 ) )( ( 2
0
2 2
+
+
+ +
b a
b b a a
b ax b ax f


Se cumple el primer punto

2. V v
V
O v v v f = = 0
Sea
1
P b ax v + =
0 3 2
0 ) )( ( 3 ) )( ( 2
0
2 2
= +
= +
= + +
b a
b b a a
b ax b ax f


La nica solucin posible para que la ecuacin anterior sea cero es que 0 = = b a , es decir, que
V
O x b ax = + = + 0 0

Se cumple el segundo punto
-42-
Ramiro J. Saltos
3. V w v , v w f w v f =
Sea b ax v + = y
1
P d cx w + =
bd ac bd ac
db ca bd ac
b ax d cx f d cx b ax f
3 2 3 2
3 2 3 2
+ = +
+ = +
+ + = + +


Se cumple el tercer punto

4. V z w v , , z w f z v f z w v f + = +
Sea b ax v + = , d cx w + = y
1
P n mx z + =
n d b m c a n d b m c a
dn cm bn am n mx d b x c a f
n mx d cx f n mx b ax f n mx d cx b ax f
) ( 3 ) ( 2 ) ( 3 ) ( 2
3 2 3 2 ) ( ) (
) ( ) (
+ + + = + + +
+ + + = + + + +
+ + + + + = + + + +


Se cumple el cuarto punto

5. R V w v , v w f w v f =
Sea R . Sea b ax v + = y
1
P d cx w + =
( )
( )
( ) ( ) bd ac bd ac
bd ac d b c a
bd ac d cx b x a f
d cx b ax f d cx b ax f
3 2 3 2
3 2 ) ( 3 ) )( ( 2
3 2 ) ( ) (
) (
+ = +
+ = +
+ = + +
+ + = + +






f es un producto interno real en
1
P



-43-
Ramiro J. Saltos
Tema 3
En
3
R se consideran los siguientes conjuntos:

=
0
1
1
,
0
1
0
gen S

=
1
0
1
gen L
Expresar el vector
3
R
z
y
x
v

= como la suma de dos vectores, uno de S y uno de L

Siempre se aconseja en este tipo de ejercicios escoger la base con menor nmero de vectores puesto
que el proceso de ortonormalizacin es ms difcil mientras ms vectores hallan

=
1
0
1
L
B

=
1
0
1
1
v

Ahora hay que ortonormalizar la base:

1
1
1
1
v
v
u =

2
) 1 )( 1 ( ) 0 )( 0 ( ) 1 )( 1 (
1
0
1
1
0
1
1
1
1
=
+ + =

=
v
v
v

=
1
0
1
2
1
OL
B

Se aconseja dejar la base ortonormal expresada de la manera anterior. Finalmente para hallar esos
dos vectores hallamos la proyeccin del vector v sobre el subespacio L y el otro lo obtenemos por
diferencia

=
=
=
1
0
1
1
0
1
2
1
Pr
1 1
z
y
x
l
u u v l
v oy l
L


Cabe recalcar que los escalares en un producto interno real pueden salir sin ningn problema

-44-
Ramiro J. Saltos
[ ]

+
+
=

+
=

+ +

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


Para hallar el otro vector despejamos de:

+
+

=
=
+ =
2
2
2
0
2
z x
y
z x
s
z x
z x
z
y
x
s
l v s
s l v

-45-
Ramiro J. Saltos
Tema 4
Sea
3
R V = y

= +

= 0 6 2 3 /
3
z y x R
z
y
x
W un subespacio de V
Determine:
a) El complemento ortogonal de W
b) La proyeccin de v sobre W si se conoce que

=
4
1
3
v

Para calcular el complemente primero necesitamos una base de W

z x y
z y x
6 3 2
0 6 2 3
+ =
= +

+ =

2
6
0
0
3
2
2
6 3
2
2
2
2
z x
z
z x
x
z
y
x
z
y
x

=
1
3
0
,
0
3
2
W
B

Sea

W
c
b
a

b a
b a
c
b
a
3 2
0 3 2
0
0
3
2
=
= +
=

b c
c b
c
b
a
3
0 3
0
1
3
0
=
= +
=

= + = +

=

0 3 3 2 /
3
b c b a R
c
b
a
W

Para hallar la proyeccin del vector que nos piden es mejor calcularla sobre

W debido a que la
base de este subespacio tiene un solo vector y ortonormalizarla ser ms sencillo.

6
2
3
6
2
3
2
2
2
b
b
b
b
c
b
a
c
b
a

=

6
2
3
W
B

-46-
Ramiro J. Saltos
Ahora procedemos a ortonormalizar esta base:

1
1
1
1
v
v
u =

( )
7 49
36 4 9
6
2
3
6
2
3
/
1
1
1
1 1 1
= =
+ + =

=
=
v
v
v
v v v

=

6
2
3
7
1
*
W B

Vamos a suponer que v se puede escribir como la suma de dos vectores W h y

W p ,
hallaremos p y luego contestaremos la pregunta al encontrar p v h =

( )
1 1
Pr
u u v p
v oy p
W
=
=


( )

=
6
2
3
49
13
6
2
3
24 2 9
49
1
6
2
3
6
2
3
4
1
3
49
1
p
p
p

49
248
49
75
49
186
49
52
49
26
49
39
4
1
3
h
h

=

49
248
49
75
49
186
Pr v oy
W

-47-
Ramiro J. Saltos
Tema 5
Sea

+ =

= b a c R
c
b
a
H 3 2 /
3
un subespacio del espacio euclidiano
3
R con
operaciones usuales y producto interno cannico:

a) Encuentre una base y determine la dimensin de

H
b) Si
3
2
1
1
R v

= , encuentre dos vectores H h y

H p tales que p h v + =
c) Determine el ) cos( , donde es la medida del ngulo formado entre v y p

Primero obtenemos la base de H
Sea H
c
b
a

+
=

3
1
0
2
0
1
3 2
b a
b a
b
a
c
b
a

=
3
1
0
,
2
0
1
H
B 2 ) dim( = H

Por definicin:
{ } H h h v V v H = =

; 0 /

Sea

H
c
b
a

c a
c a
c
b
a
2
0 2
0
2
0
1
=
=
=

c b
c b
c
b
a
3
0 3
0
3
1
0
=
= +
=

= =

=

c b c a R
c
b
a
H 3 2 /
3

1
3
2
3
2
c
c
c
c
c
b
a

=

1
3
2
H
B ( ) 1 dim =

H
-48-
Ramiro J. Saltos
Hay que recordar que por el teorema de proyeccin p h v + = donde:
v oy h
H
Pr = y v oy p
H

= Pr

Y que estas proyecciones siempre se realizan sobre bases ortonormales, lo que quiere decir que hay
que ortonormalizar las bases ya encontradas. Pero se recomienda ortonormalizar la base del
subespacio con menor nmero de vectores para simplificar los clculos y hallar el otro vector
despejando de la ecuacin antes mencionada. Para este ejercicio es aconsejable hallar la base
ortonormal de

H y obviamente el vector p

Sea { }
1 1
u B = una base ortonormal de

H
1
1
1
1
v
v
u = donde

=
1
3
2
1
v
14
1 9 4
) 1 )( 1 ( ) 3 )( 3 ( ) 2 )( 2 (
1
3
2
1
3
2
1
1
1
1
=
+ + =
+ + =

=
v
v
v
v

=
1
3
2
14
1
1
u

=
1
3
2
14
1
1
B

Se recomienda dejar la multiplicacin expresada pues ms adelante se simplificar

=
=
=

1
3
2
1
3
2
2
1
1
14
1
1
3
2
14
1
1
3
2
14
1
2
1
1
Pr
1 1
p
p
u u v p
v oy p
H

( )

14
1
14
3
14
2
1
3
2
2 3 2
14
1
p
p


Para hallar h despejamos de la ecuacin original, es decir: p v h =

=

14
1
14
3
14
2
2
1
1
h

14
1
14
3
14
2
2
1
1
h

=
14
27
14
17
14
12
h
-49-
Ramiro J. Saltos
Finalmente por definicin:
w v
w v
Cos

= ) (

Hallamos cada parte de fraccin por separado:

[ ]
0
) 1 )( 27 ( ) 3 )( 17 ( ) 2 )( 12 (
196
1
1
3
2
27
17
12
14
1
14
1
1
3
2
14
1
27
17
12
14
1
14
1
14
3
14
2
14
27
14
17
14
12
=
+ +

=

p h
p h
p h
p h
p h


Como el producto interno de h con p sali 0, un resultado esperado debido a que h y p son
ortogonales entre s: H h y

H p . Por definicin el producto interno de cualquier vector de

H con cualquiera de

H es cero, entonces la expresin se simplifica a:

90
) 0 (
0 ) (
1
=
=
=

Cos
Cos

-50-
Ramiro J. Saltos
Tema 6
En el espacio vectorial
1
P est definido el siguiente producto interno:
) 1 ( ) 1 ( ) 0 ( ) 0 ( ) 1 ( ) 1 ( )) ( / ) ( ( q p q p q p x q x p + + =

a) Encuentre un vector ) (x p tal que su norma sea igual a 30 y la medida del ngulo
con el vector x x q + =1 ) ( sea
2

radianes.
b) Sea el subespacio de { } 0 / :
1
= + + = b a bx a W P Cul es el vector de W que est
ms cerca de x x r 2 1 ) ( = ?

a) Para resolver este literal hay que tener en cuenta el polinomio ) (x p es una incgnita por ese
motivo debemos suponer un ) (x p genrico.

Sea
1
) ( P bx a x p + =

El ejercicio nos da como informacin que la norma de ) (x p es 30, por tanto:

( ) 30 ) ( ) ( ) ( = = x p x p x p
( ) 30 = + + bx a bx a
30 2 3
30 2 2
30 ) )( ( ) )( (
2 2
2 2 2 2 2
2
= +
= + + + + +
= + + + +
b a
b ab a a b ab a
b a b a a b a b a


Y as obtuvimos una primera ecuacin, la otra que nos falta la obtenemos del segundo dato del
literal, el cual nos dice que la medida del ngulo con el vector ) (x q es
2

( )
( )
0 2 3
0 2 2
) ( ) (
) 2 )( ( ) 0 )( (
0
) ( ) (
1
) 90 (
) ( ) (
) ( ) (
) (
= +
= + +

+ + +
=

+ +
=

=
b a
b a a
x q x p
b a a b a
x q x p
x bx a
Cos
x q x p
x q x p
Cos


Ahora ya tenemos dos ecuaciones que nos relacionan las variables a y b . Resolviendo el sistema

= +
= +
0 2 3
30 2 3
2 2
b a
b a


-51-
Ramiro J. Saltos
b a
b a
3
2
2 3

=
=

3
9
90 10
90 6 4
30 2
9
4
3
30 2
3
2
3
2
2
2 2
2 2
2
=
=
=
= +
= +

= +

b
b
b
b b
b b
b b

2
) 3 (
3
2
=

=
a
a


Existen dos vectores que cumplen las condiciones especificadas, as que escogemos slo uno de ellos
y nos queda:

x x p 3 2 ) ( + =

b) Primero necesitamos extraer una base de W , luego debemos ortonormalizarla
Sea W bx a +

) 1 ( x b bx b bx a + = + = +

{ } x B
W
+ = 1

Debido a que la base slo tiene un vector, ortonormalizarla consistir nicamente en dividir el
vector para su norma

( )
5 1
1 1 1
= +
= +
x
x x x
( )

+ = x B
NW
1
5
1


Entonces para hallar el vector cercano debemos calcular su proyeccin sobre W

( ) ( )
( )
[ ]( )
( ) x x r oy
x x r oy
x x x x r oy
x x x r x r oy
W
W
W
W
+

=
+ + +

=
+ +

+ + =
1
5
7
) ( Pr
1 ) 0 )( 1 ( ) 1 )( 1 ( ) 2 )( 3 (
5
1
) ( Pr
1 1 2 1
5
1
) ( Pr
1
5
1
1
5
1
) ( ) ( Pr


Por lo tanto el vector ms cercano a x x r 2 1 ) ( = es: x
5
7
5
7

-52-
Ramiro J. Saltos
Tema 7
Sea
2 2x
M V = , considere el producto interno:
dh cg bf ae
h g
f e
d c
b a
+ + + =

2 2

Sea

= R c a
c c
a a
H , / un subespacio de V

a) Determine el complemento ortogonal de H
b) Escriba la matriz

=
4 3
2 1
C como la suma de dos vectores H A y

H B tales
que B A C + =
c) Determine la medida del ngulo entre los vectores C e I si se sabe que

=
1 0
0 1
I
d) Determine la distancia entre los vectores C e I
e) Encuentre una base ortonormal de V

a) Para resolver este literal primero debemos encontrar una base de H , como ya tenemos el vector
tpico:

1 1
0 0
0 0
1 1
c a
c c
a a

=
1 1
0 0
,
0 0
1 1
H
B

Para hallar el complemento ortogonal, el vector tpico de

H le aplicamos producto interno con

cada uno de los vectores de la base de H y lo igualamos a cero

Recuerden utilizar el producto interno definido en el ejercicio durante todo su desarrollo

Sea

H
d c
b a


0 2
0
0 0
1 1
= +
=

b a
d c
b a

0 2
0
1 1
0 0
= +
=

c d
d c
b a

= + = +

=

0 2 2 /
2 2
c d b a M
d c
b a
H
x


Obtenemos su base:

2 1
0 0
0 0
1 2
2
2
c b
c c
b b
d c
b a

=

2 1
0 0
,
0 0
1 2
H
B

-53-
Ramiro J. Saltos
b) Debemos hallar la proyeccin de la matriz C sobre el subespacio cuya base tenga el menor
nmero de vectores, pero en este caso ambos subespacios tienen dimensin 2, por lo tanto
escogemos cualquiera de las dos bases para ortonormalizarla.

Las proyecciones siempre se calculan sobre bases ortonormales

Vamos a ortonormalizar
H
B y a esta nueva base la denotaremos como
1
B

=
1 1
0 0
,
0 0
1 1
H
B { }
2 1 1
,u u B =

Supngase que

=
0 0
1 1
1
v y

=
1 1
0 0
2
v

Utilizamos el proceso de ortonormalizacin de Gram-Schmidt

1
1
1
1
v
v
u =

Recuerden para todo el ejercicio utilizamos el producto interno definido en el planteamiento del
problema

( )
3
) 0 )( 0 ( ) 0 )( 0 ( 2 ) 1 )( 1 ( 2 ) 1 )( 1 (
0 0
1 1
0 0
1 1
1
1
1
1 1 1
=
+ + + =

=
=
v
v
v
v v v

=
0 0
1 1
3
1
1
u

'
'
1
2
2
2
v
v
u =

( )
[ ]

+ + +

=
=
1 1
0 0
'
0 0
1 1
) 0 )( 1 ( ) 0 )( 1 ( 2 ) 1 )( 0 ( 2 ) 1 )( 0 (
3
1
1 1
0 0
'
0 0
1 1
0 0
1 1
1 1
0 0
3
1
1 1
0 0
'
'
2
2
2
1 1 2 2 2
v
v
v
u u v v v


-54-
Ramiro J. Saltos
( )
3 '
) 0 )( 0 ( ) 0 )( 0 ( 2 ) 1 )( 1 ( 2 ) 1 )( 1 ( '
1 1
0 0
1 1
0 0
'
'
2
2
2
2 2 2
=
+ + + =

=
=
v
v
v
v v v

=
1 1
0 0
3
1
2
u

=
1 1
0 0
3
1
,
0 0
1 1
3
1
1
B

Cabe recalcar que no era necesario realizar todo el proceso debido a que los vectores de
H
B son
ortogonales, es decir, ( ) 0
2 1
= v v

As que para ortonormalizar la base slo era necesario dividir cada vector para su norma, pero
realizamos todo el proceso para practicar ms; pero en adelante, de ser posible, nos saltaremos los
pasos innecesarios

Sabemos que:

C oy A
H
Pr =
( ) ( )
2 2 1 1
u u C u u C A + =

=
1 1
0 0
1 1
0 0
4 3
2 1
3
1
0 0
1 1
0 0
1 1
4 3
2 1
3
1
A
[ ] [ ]

+ + +

+ + +

=
1 1
0 0
) 1 )( 4 ( ) 1 )( 3 ( 2 09 )( 2 ( 2 ) 0 )( 1 (
3
1
0 0
1 1
) 0 )( 4 ( ) 0 )( 3 ( 2 ) 1 )( 2 ( 2 ) 1 )( 1 (
3
1
A

=
1 1
0 0
3
10
0 0
1 1
3
5
A

=
3
10
3
10
3
5
3
5
A

Y para obtener la matriz B despejamos de:

A C B
B A C
=
+ =

=
3
10
3
10
3
5
3
5
4 3
2 1
B

=
3
2
3
1
3
1
3
2
B
-55-
Ramiro J. Saltos
c) Para determinar la medida del ngulo nos remitimos a la frmula:

( )
I C
I C
Cos

= ) (

Pero por comodidad de clculo la resolveremos por partes y al final reemplazaremos todos los
valores

( )
( )
( ) 5
) 1 )( 4 ( ) 0 )( 3 ( 2 ) 0 )( 2 ( 2 ) 1 )( 1 (
1 0
0 1
4 3
2 1
=
+ + + =

=
I C
I C
I C


( )
43
) 4 )( 4 ( ) 3 )( 3 ( 2 ) 2 )( 2 ( 2 ) 1 )( 1 (
4 3
2 1
4 3
2 1
=
+ + + =

=
=
C
C
C
C C C

( )
2
) 1 )( 1 ( ) 0 )( 0 ( 2 ) 0 )( 0 ( 2 ) 1 )( 1 (
1 0
0 1
1 0
0 1
=
+ + + =

=
=
I
I
I
I I I


Finalmente reemplazando nos queda:

=
=
86
5
43 2
5
) (
ArcCos
Cos

d) Para hallar la distancia tambin utilizamos una frmula conocida:

( )
( )
( )
( )
( )
( ) 35 ,
) 3 )( 3 ( ) 3 )( 3 ( 2 ) 2 )( 2 ( 2 ) 0 )( 0 ( ,
3 3
2 0
3 3
2 0
,
3 3
2 0
,
1 0
0 1
4 3
2 1
,
,
=
+ + + =

=
=
I C d
I C d
I C d
I C d
I C d
I C I C d


-56-
Ramiro J. Saltos
e) Para este ltimo literal recordaremos aquel teorema que nos indica que para obtener una base
ortonormal de V basta con unir una base ortonormal de un subespacio H cualquiera con la base
ortonormal de su complemente ortogonal, es decir,

H

Como ya tenemos la base ortonormal de H solo falta ortonormalizar la base de

H , la cual
denotaremos como
2
B

2 1
0 0
,
0 0
1 2
H
B { }
2 1 2
,u u B =

Supngase que

=
0 0
1 2
1
v y

=
2 1
0 0
2
v

Pero estos dos vectores ya son ortogonales, solo falta que sean unitarios, as que dividiremos cada
uno de ellos para su respectiva norma

( )
6
) 0 )( 0 ( ) 0 )( 0 ( 2 ) 1 )( 1 ( 2 ) 2 )( 2 (
0 0
1 2
0 0
1 2
1
1
1
1 1 1
=
+ + + =

=
=
v
v
v
v v v

( )
6
) 2 )( 2 ( ) 1 )( 1 ( 2 ) 0 )( 0 ( 2 ) 0 )( 0 (
2 1
0 0
2 1
0 0
2
2
2
2 2 2
=
+ + + =

=
=
v
v
v
v v v

=
2 1
0 0
6
1
,
0 0
1 2
6
1
2
B

La base ortonormal de V la denotaremos como
3
B , entonces:

2 1 3
B B B =

=
2 1
0 0
6
1
,
0 0
1 2
6
1
1 1
0 0
3
1
,
0 0
1 1
3
1
3
B

=
2 1
0 0
6
1
,
0 0
1 2
6
1
,
1 1
0 0
3
1
,
0 0
1 1
3
1
3
B



-57-
Ramiro J. Saltos
Tema 8
Califique como verdaderas o falsas las siguientes proposiciones. Justifique formalmente su
respuesta

a) Sea R xR R f
2 2
: una funcin con regla de correspondencia:
1 2 2 1
2
2
1
1
6 2 b a b a
b
a
b
a
f =

Entonces f es un producto interno real en
2
R

Para averiguar si la funcin dada es un producto interno habr que averiguar si se cumplen las
condiciones del producto interno

I) V v ( ) 0 v v f
Sea
2
R
b
a
v

=

0
0 4
0 6 2
0

ab
ab
ab ab
b
a
b
a


No se cumple el primer punto

Pero hay que plantear el contraejemplo aunque ya est demostrado formalmente que no es un
producto interno

Sea
2
1
1
R v

=

0 4
0 ) 1 )( 1 ( 6 ) 1 )( 1 ( 2
0
1
1
1
1

f no es un producto interno

Falso

-58-
Ramiro J. Saltos
b) : , R t r

=
) ( ) (
) ( ) (
t rSen t Cos
t Cos t rSen
A es ortogonal

Para que la matriz sea ortogonal, el producto interno entre sus columnas debe ser igual a 0 y al
mismo tiempo el producto interno de cada columna consigo misma debe ser igual a 1. Entonces,
utilizando el producto interno cannico:

0 0
0 ) ( ) ( ) ( ) (
0
) (
) (
) (
) (
=
=
=

t Cos t rSen t Cos t rSen

t rSen
t Cos
t Cos
t rSen


[ ] 0 1 ) (
1 ) ( 1 ) (
1 ) ( ) (
1
) (
) (
) (
) (
2 2
2 2 2
2 2 2
=
= +
= +
=

r t Sen
t Sen t Sen r
t Cos t Sen r
t Cos
t rSen
t Cos
t rSen

2 0
0 ) (
0 ) (
2
= =
=
=
t t
t Sen
t Sen

1
1
0 1
2
2
=
=
=
r
r
r


Por lo tanto la igualdad slo se cumple para los valores de r y t encontrados y no para todos los
reales. Se igual procedimiento para la segunda columna

Falso

c) Sea V un espacio vectorial real con producto interno. Sean V v u , dos vectores
ortonormales. Si los vectores v u + y v u son ortogonales, entonces =

0 ) / ( ) / ( ) / ( ) / (
0 ) / ( ) / ( ) / ( ) / (
0 ) / (
2 2
= +
= + + +
= +
v v v u v u u u
v v u v v u u u
v u v u





Pero como los vectores u y v son ortonormales, sabemos que: 1 ) / ( ) / ( = = v v u u





=
=
=
=
2 2
2 2
2 2
0
0 ) / ( ) / ( v v u u


Verdadero
-59-
Ramiro J. Saltos
Valores y Vectores Propios

Valor y Vector Propio de una Matriz: Sea A una matriz de nxn . Se dice que es un valor propio
de A si existe un vector no nulo
n
R X , tal que X AX = . En tal caso se dice que X es un
vector propio de A asociado al valor propio

Valor y Vector Propio de una Transformacin Lineal: Sea V un espacio vectorial y V V T :
una transformacin lineal. Se dice que es un valor propio de de T , si existe un vector propio no
nulo V v , tal que v v T = ) ( . En tal caso se dice que v es un vector propio de T asociado al
valor propio

Teorema 1
Sea A una matriz de nxn . Entonces es un valor propio de A si y slo si:

0 ) det( ) ( = = I A p

Matriz Semejante

Definicin: Las matrices A y B de nxn se dice que son semejantes si existe una matriz invertible
C de nxn tal que:
C A C B =
1


Teorema 2
Sean A y B dos matrices semejantes de nxn . Entonces se cumple que:

1. ) det( ) det( B A =
2. ) ( ) (
B A
p p =

Y por tanto A y B tienen los mismos valores propios pero no necesariamente los mismos vectores
propios

Teorema 3
Sea un valor propio de la matriz A de nxn . Entonces:

{ } X AX C X E
n

= = /

Es un subespacio de
n
C y es llamado espacio propio de A asociado al valor propio

Teorema 4
Sea un valor propio de la transformacin lineal V V T : . Entonces:

{ } v v T V v E

= = ) ( /

Es un subespacio de V y es llamado espacio propio de T asociado al valor propio

-60-
Ramiro J. Saltos
Multiplicidad Geomtrica

Definicin: Sea

E el espacio propio de la matriz A de nxn o de una transformacin lineal

V V T : asociado al valor propio . Se define la multiplicidad geomtrica de , denotada por
) ( mg , como:

E mg dim ) ( =

Teorema 5
Sea un valor propio de la matriz A de nxn o de una transformacin lineal V V T : en el
espacio de dimensin finita V . Entonces, se cumple que:

) ( ) ( 1 ma mg

Teorema 6
Vectores propios asociados a valores propios diferentes son linealmente independientes.

Teorema 7
Sea A una matriz simtrica de nxn con componentes reales. Si es un valor propio de A,
entonces es un nmero real

Teorema 8
Sea A una matriz de nxn simtrica. Sea
1
X un vector propio de A asociado al valor propio
1
y
2
X un vector propio de A asociado al valor propio
2
.

Si
2 1
, entonces
1
X y
2
X son ortogonales.

Teorema 9
Sea A una matriz de nxn . Si A tiene exactamente n valores propios diferentes, entonces A es
diagonalizable

Matriz Diagonalizable

Definicin: Se dice que la matriz A de nxn es diagonalizable si existe una matriz inversible C de
nxn tal que:

1
D C AC

=

Es decir, una matriz A de nxn es diagonalizable si existe una matriz diagonal Dde nxn tal que
Ay Dson semejantes

Teorema 10
Una matriz de nxn es diagonalizable si tiene n vectores propios linealmente independientes


-61-
Ramiro J. Saltos
Transformacin Lineal Diagonalizable

Definicin: La transformacin lineal : T V V , donde V es un espacio vectorial de dimensin
finita, se dice que es diagonalizable si existe una base B de V respecto de la cual la representacin
matricial de T es una matriz diagonal

Teorema 11
Una matriz A de nxn es diagonalizable si cumple que, por cada valor propio de A:

( ) ( ) ma mg =

Matriz Diagonalizable Ortogonalmente

Definicin: Una matriz A de nxn se dice que es diagonalizable ortogonalmente si existe una
matriz ortogonal Q de nxn tal que;

T
D Q AQ =

Donde Des una matriz diagonal semejante a la matriz A

Teorema 11
Una matriz A de nxn es diagonalizable ortogonalmente, si y slo si, A es una matriz simtrica

-62-
Ramiro J. Saltos
Tema 1
Halle los valores y vectores propios de la siguiente matriz:

=
2 1 1
1 1 0
1 0 1
A

Para hallar los valores propios debemos encontrar el polinomio caracterstico y extraer sus races,
muchas veces es necesario utilizar la divisin sinttica para poder factorizar la expresin

2 1 1
1 1 0
1 0 1
I A

[ ]
0 ) 3 4 (
0 3 4
0 1 3 1 3
0 1 ) 1 3 )( 1 (
0 1 ) 1 2 2 )( 1 (
0 ) 1 )( 1 ( 1 ) 2 )( 1 ( ) 1 (
0 ) det( ) (
2
2 3
2 3 2
2
2
= +
= +
= + + +
= + +
= + +
= +
= =






I A p

0
1
=
0 ) 1 )( 3 (
0 3 4
2
=
= +



1
2
= 3
3
=

3
1
0
3
2
1
=
=
=

Finalmente debemos encontrar los vectores propios y para ello debemos hallar una base de los
espacios

E
El procedimiento consiste en reemplazar cada valor propio en la matriz I A y resolver el
siguiente sistema homogneo:

0
0
0
2 1 1
1 1 0
1 0 1
c
b
a

Entonces para hallar cada espacio planteamos el sistema mencionado y reducimos la matriz hasta
obtener la mayor cantidad de ceros posibles



-63-
Ramiro J. Saltos

1
E

0 0 0 0
0 1 1 0
0 1 0 1
) 1 (
0 1 1 0
0 1 1 0
0 1 0 1
) 1 (
0 2 1 1
0 1 1 0
0 1 0 1
0 0 2 1 1
0 1 0 1 0
0 1 0 0 1
23 13
A A

De donde extraemos las siguientes igualdades:

c a
c a
=
= + 0

c b
c b
=
= 0


Reemplazando en el vector tpico

1
1
1
c
c
c
c
c
b
a

=
1
1
1
1
v


2
E

0 0 1 1
0 1 0 0
0 0 0 0
) 1 (
) 1 (
0 1 1 1
0 1 0 0
0 1 0 0
0 1 2 1 1
0 1 1 1 0
0 1 0 1 1
23
21
A
A


0
0
=
=
c
c

b a
b a
=
= 0

0
1
1
0
a a
a
c
b
a

=
0
1
1
2
v


3
E

0 0 1 1
0 1 2 0
0 0 0 0
) 1 (
) 1 (
0 1 1 1
0 1 2 0
0 1 2 0
) 2 (
0 1 1 1
0 1 2 0
0 1 0 2
0 3 2 1 1
0 1 3 1 0
0 1 0 3 1
23
21
31
A
A
A

b c
c b
2
0 2
=
=

b a
b a
=
= + 0

2
1
1
2
b
b
b
b
c
b
a

=
2
1
1
3
v
-64-
Ramiro J. Saltos
Tema 2
Encuentre, de ser posible, la matriz C que diagonaliza a la matriz:

=
2 3 4
2 3 4
2 4 5
A

El procedimiento para encontrar la matriz C consiste en calcular el determinante de I A e
igualarlo a cero para finalmente hallar los valores propios de la matriz, recuerden que en muchos
casos es necesario usar divisin sinttica para factorizar.

2 3 4
2 3 4
2 4 5
I A

[ ] [ ] [ ]
[ ] [ ] [ ]
0 ) 3 4 (
0 3 4
0 8 5 5
0 8 24 32 24 16 32 ) )( 5 (
0 2 6 8 4 6 4 8 4 6 2 3 6 ) 5 (
0 ) 3 ( 2 8 4 6 ) 2 ( 4 4 6 ) 2 )( 3 ( ) 5 (
0 ) det(
0 ) (
2
2 3
2 3 2
2
2
= +
= +
= +
= + + + +
= + + + + + + + +
= + + +
=
=

I A
p

0 = 0 ) 1 )( 3 ( =

=
=
=
3
1
0
3
2
1

3 = 1 =

Ahora debemos hallar una base para cada espacio propio asociado con cada uno de los valores
propios, recuerden que por lo general los valores propios se los ordena de menor a mayor

0 ;
1 1
=

0 0 0 0
0 2 0 1
0 0 1 1
) 3 (
0 0 0 0
0 2 3 4
0 0 1 1
) 1 (
) 1 (
0 2 3 4
0 2 3 4
0 2 4 5
0 0 2 3 4
0 2 0 3 4
0 2 4 0 5
12
23
21
A
A
A


b a
b a
=
= 0

a c
c a
2
1
0 2

=
= +

2
1
2
1
1
1
a
a
a
a
c
b
a

=
1
2
2
1 E
B
-65-
Ramiro J. Saltos
No hay ningn problema si multiplicamos al vector por cualquier nmero para eliminar la fraccin

1 ;
2 2
=

0 1 1 0
0 1 0 2
0 0 0 0
) 2 (
0 1 1 0
0 1 2 2
0 0 0 0
) 1 (
) 1 (
0 1 3 4
0 2 4 4
0 2 4 4
0 1 2 3 4
0 2 1 3 4
0 2 4 1 5
12
23
21
A
A
A


c a
c a
2
1
0 2
=
=

c b
c b
=
= 0

1
1
2
1
2
1
c
c
c
c
c
b
a

=
2
2
1
2 E
B

3 ;
3 3
=

0 0 0 0
0 1 1 0
0 1 0 1
) 1 (
0 5 5 0
0 2 2 0
0 1 2 1
) 2 (
) 2 (
0 1 3 4
0 2 6 4
0 2 4 2
0 3 2 3 4
0 2 3 3 4
0 2 4 3 5
21
13
12
A
A
A


c a
c a
=
= 0

c b
c b
=
= 0

1
1
1
c
c
c
c
c
b
a

=
1
1
1
3 E
B

Finalmente las columnas de la matriz C que diagonaliza a la matriz A estn dadas por los
vectores que conforman las bases de cada uno de los espacios propios

=
1 2 1
1 2 2
1 1 2
C
-66-
Ramiro J. Saltos
Tema 3
Determine los valores caractersticos y base para cada espacio propio de la matriz:

=
a
a
a
A
1 1
1 1
1 1

a
a
a
I A
1 1
1 1
1 1


[ ] [ ] [ ]
[ ]
0 2 ) ( 3 ) (
0 ) ( 1 1 ) ( 1 ) ( ) (
0 ) ( 1 1 1 ) ( 1 1 ) ( ) (
3
2
2
= +
= + +
= +



a a
a a a a
a a a a


Ahora realizamos un cambio de variable para facilitar la factorizacin del polinomio

= a x
0 2 3
3
= + x x

Aplicando divisin sinttica:
0 2 1 1
2 1 1
2 3 0 1 1

0 ) 1 )( 2 )( 1 (
0 ) 2 )( 1 (
2
= +
= +
x x x
x x x

1
1
1
=
=
=
a
a
x

2
2
2
+ =
=
=
a
a
x

Y finalmente hallamos cada espacio propio reemplazando cada en la matriz I A

1 =a
E

0 0 0
0 0 0
1 1 1
1 1 1
1 1 1
1 1 1

c b a
c b a
=
= + + 0

1
0
1
0
1
1
c b
c
b
c b
c
b
a

=
1
0
1
,
0
1
1

E
B
2 + =a
E

1 0 1
1 1 0
0 0 0
2 1 1
1 1 0
0 0 0
2 1 1
3 3 0
3 3 0
2 1 1
1 2 1
1 1 2

c b
c b
=
= + 0

c a
c a
=
= 0

1
1
1
c
c
c
c
c
b
a

=
1
1
1

E
B
-67-
Ramiro J. Saltos
Tema 4
Determine la matriz ortogonal Q que diagonaliza ortogonalmente a la matriz:

=
4 0 0
0 1 5
0 5 1
A

Para encontrar la matriz Q realizamos el mismo procedimiento aplicado en los ejercicios anteriores
slo que cuando hallemos las bases de los espacios propios debemos ortonormalizarlas, y esas sern
las columnas de la matriz en cuestin

Hay que recordar que las columnas de esta matriz forman una base ortonormal para
3
R

4 0 0
0 1 5
0 5 1
I A

[ ]
[ ] 0 25 ) 1 ( ) 4 (
0 25 ) 1 )( 1 ( ) 4 (
0 ) det(
0 ) (
2
=
=
=
=

I A
p


Cuando se calcula el determinante por medio de cofactores es mejor utilizar la fila o columna con
mayor cantidad de ceros presentes en la misma

Tambin hay que tener en cuenta que el procedimiento se puede simplificar por la presencia de
ciertos artificios, por ejemplo en este caso la expresin dentro del corchete es una diferencia de
cuadrados perfectos y su factorizacin es sencilla

4
0 4
=
=

[ ] [ ]
) 6 )( 4 (
0 5 ) 1 ( 5 ) 1 (



= +

0
0 4
=
=

6
0 6
=
=

= =
= =
2 ) ( 4
1 ) ( 6
2 2
1 1


ma
ma


Ahora encontramos las bases de cada espacio propio
6 ;
1 1
=

E
( )
( )

0 1 0 0
0 0 0 0
0 0 1 1 ) 1 (
0 10 0 0
0 0 5 5
0 0 5 5
0 ) 6 ( 4 0 0
0 0 ) 6 ( 1 5
0 0 5 ) 6 ( 1
10
1
3
5
1
1
12
M
M
A


b a
b a
=
= + 0
0 = c

-68-
Ramiro J. Saltos

0
1
1
0
b b
b
c
b
a

=
0
1
1
1 E
B

Hay que ortonormalizar esta base para obtener la primera columna de la matriz Q, pero como solo
es un vector bastar con dividirlo para su norma, en este caso usamos el producto interno cannico
( )
2
) 0 )( 0 ( ) 1 )( 1 ( ) 1 )( 1 (
0
1
1
0
1
1
=
+ + =

=
=
v
v
v
v v v

=

0
2
1
2
1
1 E O
N
B

4 ;
2 2
=

E
( )

0 0 0 0
0 0 0 0
0 0 1 1
) 1 (
0 0 0 0
0 0 5 5
0 0 5 5
0 4 4 0 0
0 0 4 1 5
0 0 5 4 1
5
1
1
12
M
A


b a
b a
=
= + 0


Si no aparece la variable c significa que es libre y no hay condicin de la que est sujeta

1
0
0
0
1
1
c a
c
a
a
c
b
a

=
1
0
0
,
0
1
1
2 E
B

Igualmente debemos ortonormalizar esta base, pero antes hay que notar que estos vectores ya son
ortogonales y de paso el segundo ya es unitario, as que bastar con dividir el primer vector para su
norma con lo que obtendremos la base buscada y las dos ltimas columnas de nuestra matriz Q
( )
2
) 0 )( 0 ( ) 1 )( 1 ( ) 1 )( 1 (
0
1
1
0
1
1
1
1
1
1 1 1
=
+ + =

=
=
v
v
v
v v v

=
1
0
0
,
0
2
1
2
1
2 E O
N
B

=

1 0 0
0
0
2
1
2
1
2
1
2
1
Q
-69-
Ramiro J. Saltos
Tema 5
Sea A una matriz cuadrada de tamao 2 2x que representa a una transformacin lineal
2 2
: R R T , respecto a la base cannica de
2
R

a) Si 5 ) ( = A traza y 4 ) det( = A , cules son los valores propios de T ?
b) Encuentre, de ser posible, una base de
2
R respecto de la cual la matriz asociada a T
sea una matriz diagonal, si se conoce que

2
6
1
0
T

a) Sabemos que para cualquier matriz de orden 2 el polinomio caracterstico est dado por:

0 ) det( ) ( ) (
2
= + = A A traza p

Entonces:
0 ) 1 )( 4 (
0 4 5
2
= + +
= + +



4
0 4
=
= +

1
0 1
=
= +

Y con esto queda resuelto el primer literal

b) Para hallar dicha base necesitamos diagonalizar cualquier matriz asociada a T , pero como no
tenemos la regla de correspondencia tendremos que buscar otro camino para encontrar una matriz
asociada

Para este ejercicio tenemos suficientes datos para hallar la representacin matricial de T respecto
a la base cannica. Conocemos su segunda columna por el dato del literal b, as que tenemos:

=
2
6
y
x
A
T


Adems conocemos el valor de la traza y del determinante, por lo que tenemos el siguiente sistema
de ecuaciones

= = = + = +
= = +
3 9 3 2 3 4 6 2
7 5 2
y y y x y x
x x

=
2 3
6 7
T
A

Y de aqu en adelante el procedimiento es el mismo que en ejercicios anteriores:

2 3
6 7
I A

Pero como ya conocemos los valores propios de esta matriz simplemente hallamos los espacios
propios



-70-
Ramiro J. Saltos
4 ;
1 1
=

E
( )

+
+
0 2 1
0 0 0 ) 1 (
0 6 3
0 6 3
0 4 2 3
0 6 4 7
3
1
2
21
M
A

b a
b a
2
0 2
=
= +

1
2 2
b
b
b
b
a

=
1
2
1 E
B

Al mismo tiempo este vector representa las coordenadas de los vectores propios de la
transformacin lineal respecto a la base de donde naci la matriz asociada, es decir, son las
coordenadas de los vectores propios del operador lineal respecto a la base cannica de
2
R para este
caso.

=
1
2
1
v

1 ;
2 2
=

E
( )

+
+
0 1 1
0 0 0 ) 2 (
0 3 3
0 6 6
0 1 2 3
0 6 1 7
3
1
2
21
M
A

b a
b a
=
= + 0

1
1
b
b
b
b
a

=
1
1
2 E
B

=
1
1
2
v

Y estos dos vectores encontrados forman parte una base respecto de la cual la matriz asociada a T
es una matriz diagonal

=
1
1
,
1
2
B

Hay que tener en cuenta que si el espacio donde opera la transformacin lineal es diferente a
n
R ,
entonces los vectores de la base tendrn la forma de dicho espacio, ya sean matrices, polinomios,
etc.
-71-
Ramiro J. Saltos
Tema 6
Califique como verdaderas o falsas las siguientes proposiciones. Justifique formalmente su
respuesta

a) Si A es una matriz triangular, los valores propios de A son los elementos de su
diagonal principal
Sea la matriz

=
nn
n
n
n
a
a a
a a a
a a a a
A

0 0 0
0 0
0
3 33
2 23 22
1 13 12 11
una matriz triangular de nxn . Entonces:

nn
n
n
n
a
a a
a a a
a a a a
I A

0 0 0
0 0
0
3 33
2 23 22
1 13 12 11


Cuando se tiene una matriz triangular el determinante de la misma est dado por la multiplicacin
de los elementos de la diagonal principal.

0 ) )...( )( )( ( ) det( ) (
33 22 11
= = =
nn
a a a a I A p

De donde obtenemos que:
0
11
= a 0
22
= a 0
33
= a 0 =
nn
a
1 11
= a
2 22
= a
3 33
= a
n nn
a =

Por lo tanto
ii i
a = para N n n i = ; ,..., 3 , 2 , 1

Verdadero

b) Sea
2 2x
M A . Si 1 ) det( = A y 1 ) ( = A traza , entonces los valores propios de A son
nmeros reales
Sabemos que:
0 ) det( ) ( ) (
2
= + = A A traza p
0 1
2
= + +

Aplicando el discriminante a la ecuacin determinaremos el tipo de races de la misma
1
1
1
=
=
=
c
b
a

3
4 1
4
2
=
=
= ac b


El discriminante es menor que cero, por tanto las races son nmeros complejos

Falso
-72-
Ramiro J. Saltos
c) Si es un valor propio de

=
1 0
0 1
A , entonces ( ) A A A

2
1
= +



Observemos que la matriz A es ortogonal debido a que el producto interno entre sus columnas es
cero y al mismo tiempo el producto interno de cada columna consigo misma es uno, entonces:

A A A A
T
= =
1 1


Tambin como A es una matriz diagonal, sus valores propios son los elementos de la diagonal
principal, es decir:

1
1
=
=

Finalmente:
( )
( )
A A
A A A
A A A
2 2
2
2
1 1
1
=
= +
= +

( )
( )
A A
A A
A A
A A A
A A A
2
1
2
1
2
1
) ( ) 2 (
2
1
) 2 (
2
2
1 1
1
1 1
1
=
=
=
= +
= +

Verdadero