-2-

Transformaciones Lineales
Definicin: Sean V y W dos espacios vectoriales. Sea T : V W una funcin que asigna a todo
vector v V un nico vector w T (v) W . Se dice que T es una transformacin lineal si:
1. v, w V
T (v w) T (v) T (w)
2. R v V
T (v) T (v)
Teorema 1
Sea T : V W una transformacin lineal. Entonces:
1. T (OV ) OW
2. v V T (v' ) T (v)'
3. T (1v1 2 v2 3v3 ... n vn ) 1T (v1 ) 2T (v2 ) 3T (v3 ) ... nT (vn )
Ncleo de una Transformacin Lineal
Definicin: Sea T : V W una transformacin lineal. El ncleo de T , denotado por Nu (T ) , se
define como:
Nu(T ) v V / T (v) OW

Recorrido de una Transformacin Lineal

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

Teorema 2
Sea T : V W 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 T : V W una transformacin lineal. La nulidad de T , denotada por v(T ) , se
define como:
v(T ) dim Nu(T )

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

(T ) dim Re(T )

Ramiro J. Saltos

-3Teorema de la Dimensin
Sea T : V W una transformacin lineal donde V es un espacio vectorial de dimensin finita.
Entonces se cumple que:
v(T ) (T ) dim V

Transformacin Lineal Inyectiva

Definicin: Sea T : V W una transformacin lineal. Se dice que T es inyectiva si:
v, w V

T (v) T (w) (v w)

Transformacin Lineal Sobreyectiva

Definicin: Sea T : V W 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 w T (v)

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

Teorema 3
Una transformacin lineal T : V W es inyectiva, si y slo si, Nu(T ) OV
Isomorfismo
Definicin: Sea T : V W 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 V W , si existe un isomorfismo T : V W entre ellos.
Teorema 4
Sea T : V W una transformacin lineal definida entre espacios vectoriales de dimensin finita,
tales que dimV dim W , 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 T : V W una transformacin
lineal. Entonces:
1. Si dimV dim W , T no es inyectiva.
2. Si dimV dimW , T no es sobreyectiva.
Lo que quiere decir, que si dimV dim W , T no es un isomorfismo
Ramiro J. Saltos

-4Teorema 6
Sea T : V W una transformacin lineal, se cumple que:
1. Si T es inyectiva y S v1 , v2 , v3 ,..., vn es linealmente independiente en V , entonces
S ' T (v1 ), T (v2 ), T (v3 ),..., T (vn ) es linealmente independiente en W
2. Si T es sobreyectiva y G v1 , v2 , v3 ,..., vn genera a V , entonces
G' T (v1 ), T (v2 ), T (v3 ),..., T (vn ) genera a W
3. Si T es un isomorfismo y B v1 , v2 , v3 ,..., vn es una base de V , entonces
B' T (v1 ), T (v2 ), T (v3 ),..., T (vn ) es una base de W
Operaciones con Transformaciones Lineales
Suma: Sean T1 : V W y T2 : V W dos transformaciones lineales. La suma entre T1 y T2 ,
denotada por T1 T2 : V W , se define como:
v V (T1 T2 )(v) T1 (v) T2 (v)

Multiplicacin por escalar: Sea R . Sea T : V W una transformacin lineal. Se define la

multiplicacin de por T , denotada por T : V W como:
v V (T )(v) T (v)

Composicin: Sean T1 : V U y T2 : U W dos transformaciones lineales. La composicin entre

T1 y T2 , denotada por T2 T1 : V W , se define como:
v V (T2 T1 )(v) T2 (T1 (v))

Transformacin Lineal Inversa

Definicin: Sea T : V W una transformacin lineal. Se dice que T es invertible si existe una
transformacin lineal S : W V , tal que:
1. T S : W W IdW
2. S T : V V IdV
Si tal es el caso, se llama a S la inversa de T y se denota S T 1
Teorema 7
La transformacin lineal T : V W es invertible, si y slo si, T es un isomorfismo.
Representacin Matricial de una Transformacin Lineal
Teorema: Sea T : V W una transformacin lineal donde V y W son espacios vectoriales de
dimensin finita. Supngase que dimV n y dim W m . Sean B1 v1 , v2 , v3 ,..., vn y
B2 w1 , w2 , w3 ,..., wm dos bases de V y W respectivamente.

Ramiro J. Saltos

-5La representacin matricial de T respecto de las bases B1 y B2 respectivamente est dada por:

AT T (v1 )B 2

T (v2 )B 2

T (v3 )B 2

T (vn )B 2

mxn

Teorema 8
Sea T : V W una transformacin lineal donde V y W son espacios vectoriales de dimensin
finita. Sea AT la representacin matricial de T respecto a las bases B1 y B2 de V y W
respectivamente. Entonces:
v V

T (v)B 2 AT vB1

Teorema 9
Sea T : V W una transformacin lineal donde V y W son espacios vectoriales de dimensin
finita. Sea AT la representacin matricial de T respecto a las bases B1 y B2 de V y W
respectivamente. T es un isomorfismo si y slo si det( AT ) 0
Tema 1
Califique las siguientes proposiciones como verdaderas o falsas. Justifique formalmente su
respuesta.

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

1 6
3 0

(Falso)

Sea 3 y v
1

T (v) T (v)
1
1
3T T 3
1
1
4
3
3 T
6
3
12 1

18 0

a b

es una transformacin lineal (Falso)

b) La funcin T : R 2 R 2 definida por T
b 1

1) T (v w) T (v) T (w)
a

Sea v 1 y w 2 R 2
b2
b1

Ramiro J. Saltos

-6 a a
a
a
T 1 2 T 1 T 2
b1
b2
b1 b2
a a 2 a1 b1 a 2 b2

T 1
b1 b2 1 1
a1 a 2 b1 b2 a1 a 2 b1 b2

1
2

Contraejemplo
1

Sea v y w R 2
1
2
3
v w
3
3
1
2
T T T
3
1
2

6 2 4

1 1 1
6 6

1 2

x y

a
c) El operador T : R R definido por T x y es lineal (Verdadero)
b x

1) v, w V T (v w) T (v) T (w)
2

Sean v 1 y w 2 R 2
b2
b1
a a2
a
a
T 1 T 2
T 1
b1 b2
b1
b2
(a1 a 2 ) (b1 b2 ) a1 b1 a 2 b2
(a a ) (b b ) a b a b
1 1 2
2
1
2
2
1

a1 a 2
a1 a 2
a1 a 2 b1 b2 a1 a 2 b1 b2

a 1 a 2 b1 b2 a 1 a 2 b1 b2

a1 a 2
a1 a 2

2) R v V T (v) T (v)
a

Sea v R 2 . Sea R
b

Ramiro J. Saltos

-7 a
a
T T
b
b
a b
a b

a b a b
a
a

a b
a b

a b a b
a
a

1 1 3

d) Si T : V W es una transformacin lineal tal que AT 0 3 2 es la representacin

2 0 1

matricial de T respecto a las bases B1 y B2 , entonces T es un isomorfismo (Verdadero)

Para saber si T es un isomorfismo bastar con calcular el determinante de la matriz asociada a T

3 2
1 3
1 3
0
2
0 1
0 1
3 2
det( AT ) 3 2(2 9)
det( AT ) 3 14
det( AT ) 11

det( AT ) 1

e) Sea T : R 2 P2 una transformacin lineal. Si T 4 x 2 y T 3 2 x , entonces

1
2

5
T 10 4 x x 2 (Verdadero)
5

Sabemos que:
3 1
2
2
, es una base de R , es decir, que todo vector de R se puede escribir como
1 2

combinacin lineal de los vectores de esta base.

a

Sea R 2
b

a
3
1 3 1 2

1 2
b
1
2 1 2 2

Para hallar la regla de correspondencia de T debemos expresar los escalares en trminos de a y b .

Planteamos la matriz y simplificamos por Gauss
1 2
b
3 1 a 1 2 b A12 (3) 1 2

P12

M 2 1
5 0 1
1 2 b 3 1 a M 1 (1) 0 5 a 3b

Ramiro J. Saltos

b
a 3b A21 (2)

-8
1 0

0 1

2a b

5
a 3b

2a b
5

a 3b
2
5

Ahora volvemos a escribir la combinacin lineal y aplicamos transformacin lineal en ambos lados
de la ecuacin
a
3
1
1 2
b
1
2
3
a
1
T T 1 2
b
2
1

Aplicamos las propiedades de las transformaciones lineales

a
3
1
T 1T 2T
b
1
2

Reemplazamos los escalares por las igualdades arriba encontradas y las transformaciones de los
vectores de la base con los datos del problema.
a 2a b 2
a 3b
T
x 4
2 x 3
5
b 5

Simplificando nos queda:

a 2a b 2 2a 6b 5a 5b
T
x
x

5 5
b 5

Y finalmente
5 10 5 2 10 30 25 25
T
x
x

5
5

5 5
5
T x 2 4 x 10
5
f) Sea T : P2 S 2 x 2 una transformacin lineal con regla de correspondencia:

a b c
2c

T (a bx cx 2 )
c b
a b c
4 2
1 x 2 x 2 (Verdadero)
Entonces, T es un isomorfismo y T 1

2
3

Para saber si T es invertible debemos hallar la matriz asociada a T y calcular su determinante,

como no nos dan ninguna base nosotros usamos las bases cannicas.
1 0 0 1 0 0

,
,
las bases cannicas de P2 y S 2 x 2
Sean P 1, x, x 2 y M
0 0 1 0 0 1
respectivamente.

Ramiro J. Saltos

-90 1
1 0
0 1
0 0
(0)
(1)
(0)

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

T (x)
1 1
0 0
1 0
0 1
2 1
1 0
0 1
0 0
(2)
(1)
(1)

T ( x 2 )
1 1
0 0
1 0
0 1

2
0 0

AT 1 1 1
0 1 1

det( AT ) 1

T (1)M

0

1
0

0

T ( x)M 1
1

2

2
T ( x ) M 1
1

0 2
2
1 1

det( AT ) 0

T es un isomorfismo y es invertible

Sabemos que si T es invertible entonces T (v) w T 1 (w) v

2(2) 1 (1) 2

T (1 x 2 x 2 )
2 1
1 1 2
4 2

T (1 x 2 x 2 )
2 3
Tema 2
Sea T : R 3 R 2 una transformacin lineal definida por:

a
2a b

T b
c

c

a) Muestre que T es lineal

1 0 1

b) Encuentre la representacin matricial de T respecto a las bases B1 1 , 1 , 0
0 0 1

1 0
,
1 1

y B2

a) Para determinar si T es lineal debemos ver si se cumplen los dos axiomas de las
transformaciones lineales.
1) v, w V T (v w) T (v) T (w)

Ramiro J. Saltos

- 10 a
d


Sea v b y w e R 3
c
f


a d
a
d



T b e T b T e
c
f
c f


a d

2a b 2d e

T b e
c f c b f e

2(a d ) (b e) 2a b 2d e

c f be cb f e
2a 2d b e 2a 2d b e

cbe f cbe f

Y como vemos se cumple el primer criterio de linealidad

2) R v V T (v) T (v)
a

Sea R . Sea v b R 3
c

a
a


T b T b
c
c

a

2a b

T b
c

c

2a b 2a b

c b c b

Se cumple el segundo criterio de linealidad.

T es una transformacin lineal

Ramiro J. Saltos

- 11 b) Por teorema sabemos que:

1

AT 1

0 B 2

0

1
0

B2

B2

1

0
1

Escribiremos el sistema de ecuaciones de manera general para luego solo reemplazarlo en cada
vector

1
0 1

T (v) 1 2
1
1 1 2

Tambin realizamos las transformaciones de los tres vectores de la base

1
1
T 1
0 1

0
1
T 1
0 1

1
2
T 0
1 1

Igualamos las ecuaciones y encontramos los vectores coordenadas

1 1

1 2 1 2 2

1 1

1 2 1 2 0

1
1

T 1
2
0
B2
0
1

T 1
0
0
B2

1 2

1 2 1 2 3

1
2

T 0
3
1
B2

Y finalmente reemplazamos los vectores coordenadas en las columnas de la matriz y

1 1 2

AT
2 0 3

Ramiro J. Saltos

- 12 Tema 3
Sea T : R 2 R 2 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 mismo punto pero con la coordenada en x cambiada de signo. Entonces:
x x
T
y y

Ahora hay que averiguar si se cumplen los criterios de linealidad.

1) v, w V T (v w) T (v) T (w)
a

Sea v y w R 2
b
d
a c
a
c
T T T
b
d
b d
a c a c

T
b

b d
a c a c

bd bd

Se cumple el primer criterio de linealidad

2) R v V T (v) T (v)
x

Sea R . Sea v R 2
y
x
x
T T
y
y
x
x
T
y
y
x x

y y

Se cumple el segundo criterio de linealidad

T es una transformacin lineal

Ramiro J. Saltos

- 13 Tema 4
Determine el rango y la nulidad de la siguiente transformacin lineal

a
T a b
b b

a) Por definicin sabemos que:

Nu(T ) v V / T (v) OW

Aplicando la definicin al problema nos queda:

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

Entonces para hallar el ncleo de la transformacin lineal igualamos la regla de correspondencia

de la misma con el vector nulo de R 3
a0

a b 0
b0

De donde concluimos que:

0
Nu (T )
0

b) Para el recorrido sabemos que:

v(T ) 0

Re(T ) w W / T (v) w; v V

Y aplicada al problema nos queda:

x
x
a

3
Re(T ) y R / T y
b z
z

Para hallar el recorrido igualamos la regla de correspondencia con el vector tpico de la imagen,
luego planteamos la matriz aumentada y simplificamos hasta obtener la mayor cantidad de filas
llenas de ceros.
ax

a b y
bz

1 0

1 1
0 1

x
1 0

y A21 (1) 0 1
0 1
z

x x

y x z
z z

1 0

x 1 z 1
0 1

x
1 0

y x A32 (1) 0 0
0 1
z

BRe(T )

y x z

1 0

1 , 1
0 1

Ramiro J. Saltos

yxz 0
y xz

(T ) 2

- 14 Tema 5
Dada la aplicacin lineal T : R 3 M 2 x 2 definida por:

a
a b
b

T b
b
b

c

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

a) Para hallar la representacin matricial de T debemos encontrar los vectores coordenadas de las
transformaciones de los vectores de la base del espacio de partida.
1
1 0
1 0
0 1
0 0
0 0
(1)
(0)
(0)
(0)

T 0
0 0
0 0
1 0
0 1
0 0 0

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

T 1
0 0
0 0
1 0
0 1
0 1 1

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

T 0
0 0
0 0
1 0
0 1
1 0 1

1
1
0
T 0
0
0
0
1
0
1
T 1
1
0
1
0
0
0
T 0
0
1
1

Estos vectores coordenadas representan las columnas de la matriz asociada a T , por que
procedemos a formar dicha matriz
1 1 0

0
0 1
AT
0 1
0

0 1 1

b)

a
0 0

3

Nu (T ) b R / T b
c
c 0 0

Aplicamos el procedimiento ya visto en ejercicios anteriores de igualar la regla de correspondencia

con el vector nulo del espacio de llegada.
a b 0 a 0

b0

b0

b c 0 c 0

Ramiro J. Saltos

- 15 De donde obtenemos que:

0

Nu (T ) 0
0

v(T ) 0

a
w x
w x
M 2 x 2 / T b

Im(T )
y z
c y z

Para hallar el recorrido igualamos la regla de correspondencia con el vector tpico de la imagen,
planteamos el sistema de ecuaciones y simplificamos por Gauss hasta obtener la mayor cantidad de
filas posibles llenas de ceros
a b w
bx

b y
b c z

1 1 0

0
0 1
0 1
0

0 1 1

w
w
1 1 0

x
0
x
0 1
A23 (1)
y
0 0 0 y x

0 1 1
z
z

yx0
x y

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

w x w x
1 0 0 1 0 0

w
x
z

y z x z
0 0 1 0 0 1

1 0 0 1 0 0
,
,

BRe(T )
0
0
1
0
0
1

(T ) 3

Si revisamos el teorema de la dimensin

v(T ) (T ) dim V
033
33
Tema 6
Sea T :P 2 M 2 x 2 una aplicacin definida por:

1 1 c b

T ax 2 bx c
2 1 a c
a) Obtenga Ker (T ), Im(T ), (T ), (T )
b) Hallar la matriz asociada a T con respecto a las bases
B1 x 1, x 1, x 2 1

1 1 1 1 1 1 1 1
,
,
,

B2
1 1 1 0 0 0 0 0

Ramiro J. Saltos

- 16 Antes de desarrollar el ejercicio primero debemos trabajar un poco con la regla de correspondencia
de la transformacin lineal y dejarla simplificada. Para ello realizamos la multiplicacin:
1 1 c b c a b c

2 1 a c 2c a 2b c
ca bc

T ax 2 bx c
2c a 2b c

a)

0 0

0 0

Nu (T ) ax 2 bx c P2 / T ax 2 bx c

Como ya sabemos hay que igualar la regla de correspondencia de la transformacin con el vector
nulo del espacio de llegada y planteamos el sistema de ecuaciones
ca 0c a

bc 0b c

2c a 0 2c c 0 c 0

2b c 0

abc0

De donde obtenemos que:

Nu (T ) 0 x 2 0 x 0

v(T ) 0

w x
w x
M 2 x 2 / T ax 2 bx c

y z
y z

Re(T )

Realizamos el mismo procedimiento visto en ejercicios anteriores, por tanto igualamos la regla de
correspondencia con el vector tpico de la imagen, planteamos el sistema de ecuaciones y
simplificamos por Gauss.
ca w
bc x

2c a y
2b c z

0
1

0 1
1 1
0 2
2 1
1

0
0

w
1

x
0
A
(
1
)
13
0
y

0
z

0 1
w
1

1 1
x
0
A
(

2
)
24
0
0 3 y w

0
2 1
z

0 1
w

1 1
x

0 0 y w 2x z

0 3
z 2x

Ramiro J. Saltos

0 1
w

1 1
x
A43 (1)
0 3 yw

0 3 z 2 x

y w 2x z 0
z y w 2x

- 17 Reemplazamos la condicin en el vector tpico

w x w

y z y

1 0 0 1
0 0
w
x
y

y w 2x
0 1 0 2
1 1

1 0 0 1 0 0
,
,

BRe(T )
0 1 0 2 1 1

(T ) 3

b) Para hallar la representacin matricial primero debemos encontrar las transformaciones de los
vectores de la base del espacio de partida, y a dichas transformaciones calcular sus vectores
coordenadas respecto a la base del espacio de llegada y finalmente reemplazar dichas coordenadas
en las columnas de la matriz buscada.
1 2

T (x 1)
2 1

2 1

T x 2 1
1 1

1 0

T (x 1)
2 3

1
2

AT
2 1 B 2

1 0

2 3 B 2

2 1

1 1 B 2

Encontramos una combinacin lineal general

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

2
3
4

T (v) 1
1 2
1
1 1
1 0
0 0
0 0

1 2

2 1 B 2
1 2 3 4 1 3 4 1
2 4
1
2
3
4
3
4

1 2 2 2 3

1 1

T ( x 1)B 2

1 0 5
1
1 1
1 1 1
1 1 1
2
A21 (1)

A12 (1)
M 2 1
3

3
0
1
1

1
4
0

2
3
0 1

Ramiro J. Saltos

3
5
2
3
2

5
2

3
4
2

- 18 1 0

2 3 B 2
1 2 3 4 1 3 4 1
0 2
1
2
3
4
3
4

1 2 2 2 1

1 3

T ( x 1)B 2

1
3
2
1
2

1 0 3
1 1 1
1 1 1
1 1 1
2
A21 (1)

A12 (1)
M 2 1
1

1
0
1
1

2
0

1
0 1

3
2

1
4
2

B 2

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

0
1
2
2

1 1

T ( x 2 1)

B2

0
1
2
3
2

1
3
1 0 1
1 1 1
1 1 1
1 1 1
2
2
A21 (1)

A12 (1)
M 2 1

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

4
2

Reemplazando en la matriz:
3
1
1

1
0
3
AT 5
3
1
2
2
2

3
1

2
2
2
Tema 7
Sea T : R 3 R 3 una transformacin lineal, tal que:

1 1 1 0
0 1


T 1 0 , T 0 1 y T 1 0
1 1
1 2 1 1


Encuentre la regla de correspondencia de T

Aqu desarrollaremos un procedimiento general para resolver este tipo de ejercicios. Por lo general
los tres vectores que nos dan de datos son linealmente independientes y constituyen una base del
espacio de partida.
Ramiro J. Saltos

- 19 Seleccionamos un vector tpico o representativo del espacio de partida, en este caso R 3 y lo

escribimos como combinacin lineal de la base formada. Luego procedemos a expresar los escalares
en trminos de las variables que conforman el vector caracterstico, as:
1 1 0

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

a

Sea b R 3
c

a
1
1
0 1 2

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



1

1 2 a

1 3 b
c
2
3
1

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

A12 (1)
A21 (1)
M 2 (1)

cb
1 0 1 b
0 1 1 b a
0 1 0 b c
0 1 0
1 1 1 c A13 (1) 0 0 1 c a A32 (1) 0 0 1 c a A31 (1) 0 0 1
c a

1 a b c

2 c b

3 c a

Ahora reescribimos la combinacin lineal inicial, sacamos transformacin lineal a ambos lados,
reemplazamos los datos y simplificamos
a
1
1
0




b 1 1 2 0 3 1
c
1
1
1




a
1
1
0




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




a
1
0
1




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




a a b c 0 c a

Tb
0
c b 0
c 2a 2b 2c c b c a

Ramiro J. Saltos

a b

T b c b
c a b

- 20 Tema 8
Sea T : R 2 R 3 una transformacin lineal y suponga que:

1
8
1
1
T 3 y T 6
1 1
2 5


9

Calcule T
6

Para calcular lo que nos pide el ejercicio primero debemos hallar la regla de correspondencia de T
Sabemos que:
1 1
B , es una base de R 2
1 2

Sea R 2
b

a
1
1 2

1 2 1
b
1
2 1 2 2

a
1 0
1 1
a
1 1 a
1 1

1
b

A12 (1)
M 2
A21 (1)
3
0
1

1
2
b
0
3
b

a
0 1

2a b

3
ba

2a b
3

ba
2
3

Una vez expresados los escalares en trminos de las variables que conforman el vector tpico,
sacamos transformacin lineal a ambos lados de la combinacin lineal, reemplazamos igualdades y
simplificamos
a
1
1
T 1T 2T
b
1
2
1
8
a 2a b b a
T
3
6
b 3 1 3 5


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


2a b 8a 8b

3
a
6a 3b 6a 6b
T

3
3
b
2a b 5b 5a

3
2a 3b
36

a
9
T 4a b
T 42
b a 2b
6 21

Ramiro J. Saltos

- 21 Tema 9
Sea T : R 3 R 2 una transformacin lineal y suponga que:

1
0
0
2 1
5
T 0 , T 1 y T 0
0 3 0 4
1 3



0

Calcule T 1
5

Este ejercicio es muy parecido al anterior, por tanto realizamos los mismos procedimientos para
hallar la respuesta
1 0 0

Sea B 0 , 1 , 0 una base de R 3
0 0 1

a

Sea b R 3
c

a
1
0
0 1




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



3

1 a
2 b
3 c

a
1
0
0




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




a

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

a
2a b 5c

T b
c 3a 4b 3c

0
24

T 1
5 11

Ramiro J. Saltos

- 22 Tema 10
Sea T : P2 P2 un operador lineal tal que:

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

T (2 x 2 ) x 1
a) Determine una regla de correspondencia para T
b) Respecto al resultado anterior, encuentre Nu(T ), Im(T ), (T ), (T )
c) Determine la representacin matricial de T respecto a la base cannica de P2

a) Este literal lo resolvemos casi de manera mecnica, tal como los dos ejercicios anteriores
Sea B x, x 1,2 x 2 es una base de P2
Sea a bx cx 2 P2
a bx cx 2 1 ( x) 2 ( x 1) 3 (2 x 2 )
a bx cx 2 ( 2 2 3 ) ( 1 2 ) x ( 3 ) x 2
2 2 3 a

1 2 b
c
3

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

P12

A31 (2)

a
a 2c
1 1 0 b
0 1 2 a A21 (1) 0 1 2
0 1 0
A (2)
0 0 1 c M 3 (1) 0 0 1 c
0 0 1
c 32
c

0 0 1

1 a b 2c

2 a 2c

3 c

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

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

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

b)

Nu(T ) cx 2 bx a P2 / T (cx 2 bx a) 0 x 2 0 x 0
2a b 5c 0 b 0

c 0c 0

a 2c 0 a 0

abc0

Nu(T ) 0 x 2 0 x 0

Ramiro J. Saltos

v(T ) 0

- 23 Para calcular el recorrido usamos el teorema que dice que si dimV dim W y si T es inyectiva,
entonces T es sobreyectiva. T es inyectiva porque Nu(T ) OV , por tanto
(T ) 3

Re(T ) P2

c) La base cannica de P2 es B 1, x, x 2

AT T (1)B

T ( x)B

T (x 2 )

T (1) 2 x 2 (2)(1) (0)( x) (1)( x 2 )

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

2

T ( x ) 5 x 2 x (5)(1) (1)( x) (2)( x )

2

T (1)B

2

0
1

T ( x)B

1

0
0

T (x )
2

5

1
2

2 1 5

AT 0 0 1
1 0 2

Tema 11
Construya, de ser posible, una transformacin lineal T : R 3 P2 que cumpla con las
siguientes condiciones:

Nu (T ) b / a t , b t , c 2t , t R
c

Im(T ) ax 2 bx c P2 / c a b
0
1


T 1 2 x x 2 y T 1 1 x 2
3
1

Para resolver este tipo de ejercicios 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
Ramiro J. Saltos

- 24 a

Sea b Nu (T )
c

a t 1

b t t 1
c 2t 2

B Nu (T )

1

1
2

v(T ) 1

Sea ax 2 bx c Re(T )
ax 2 bx c ax 2 bx (a b) a( x 2 1) b( x 1)

BRe(T ) x 2 1, x 1

(T ) 2

Revisamos el teorema de las dimensiones

v(T ) (T ) dim V
1 2 3
33

Y como se cumple debemos proseguir.

Para proseguir debemos conseguir una base del espacio de partida, en este caso R 3 , y la obtenemos
con los dos vectores que nos dan en el problema ms el que forma parte de la base del Nu (T ) , as:
1 0 1

B 1, 1, 1
1 3 2

Ahora realizamos el mismo procedimiento de siempre que consiste en plantear la combinacin

lineal y expresar los escalares en trminos de las variables que conforman el vector caracterstico
a

Sea b R 3
c

1 3
a
1
0
1

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



1

1 3 a

1 2 3 b
3 2 c
2
3
1

a
a
1 0 1 a
1 0 1
1 0 1

A12 (1)
A23 (3)

a b
1 1 1 b
0 1 2 b a
0 1 2
M 3 19
A
(

1
)
M
(

1
)
1 3 2 c 13
0 3 3 c a 2
0 0 9 4a 3b c

1 0 1
0 1 2

0 0 1

1 0 0

A31 (1)

a b
0 1 0
4a 3b c A32 (2)

0 0 1

5a 3b c

a 3b 2c

9
4a 3b c

Ramiro J. Saltos

5a 3b c
9
a 3b 2c
2
9
4a 3b c
3
9

- 25 Luego aplicamos transformacin lineal en ambos lados de la combinacin y reemplazamos por las
igualdades que obtuvimos y las que nos dan en el ejercicio. Cabe recordar que la transformacin
lineal de todo vector que pertenece al ncleo es igual al vector nulo del espacio de llegada
a
1
0
1




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




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

c
1
3



2
a
5a 3b c 2
a 3b 2c 2
4a 3b c 2
Tb
x 1
x x2
0x 0x 0
9
9
9

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

x
9
9
9
9
9

c

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

x
x
9
9
9

c

Tema 12
Construya, de ser posible, una transformacin lineal T : S 2 x 2 R 3 que cumpla con las
siguientes condiciones:

a b

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

3
1
1 0
0 2
1 y T
1
T
0 2 4
2 1 0


x

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

Primero debemos hallar las dimensiones tanto del ncleo como del recorrido para verificar si se
cumple el teorema de las dimensiones
a b
Nu (T )
b c
2c 1 2
a b c

b
c

2
c
c

2
1

Sea

1 2

BNu(T )

2
1

Ramiro J. Saltos

v(T ) 1

- 26 x

Sea y Re(T )
z

x x

y x z
z z

1 0

x 1 z 1
0 1

Verificando el teorema

BRe(T )

1 0

1 , 1
0 1

(T ) 2

v(T ) (T ) dim V
1 2 3
33

Ahora debemos encontrar una base del espacio vectorial de partida, hay que recordar que esta base
contiene a la base del ncleo, as
1 2 1 0 0 2
,
,

B
2 1 0 2 2 1
a b
S 2 x 2
b c

Sea

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

1
2
3

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

2 1 2 3 b
2 c
2
3
1

a
a
1 1 0 a
1 1 0
1 1 0

A12 (2)

A21 (1)
2 0 2 b
0 2 2 2a b A32 (1) 0 1 1 a b c
A (1)
A (3)
1

0 3 1
2 1 c 13
c a 23

0 3 1 c a

1 0 0

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

A31 (1)

1
a b c M 3
0 1 1
abc
0 1 0
0 1 1
4
4a 3b 2c A32 (1)
0 0 4 4a 3b 2c
0 0 1

0 0 1

4a b 2c
4

b 2c
4

4a b 2c

b 2c

4
4a 3b 2c

4a 3b 2c
4

Y ahora realizamos el mismo procedimiento de siempre para hallar la regla de correspondencia

Ramiro J. Saltos

- 27 a b
1 2
1 0
0 2
1T
2T
3T

T
b c
2 1
0 2
2 1

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

T
0
1
1
4
4
4

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

4
4

a b b 2c 4a 3b 2c

4
4
b c
4b 8c

4
4

ab

a b
a b c
T
b c b 2c

Tema 13
Sea T : R 3 R 3 la transformacin lineal definida por:

x x z

T y y
z y z

1

Determine si T es un isomorfismo y en caso de serlo calcule T 2
3

1

Para determinar si T es invertible debemos hallar su representacin matricial, y lo ms sencillo

ser hacerlo respecto a las bases cannicas
1 0 0

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

1 1
1
0
0




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

1 1

T 0 0
0 0

0 0
1
0
0




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

0 0

T 1 1
0 1

Ramiro J. Saltos

- 28 0 1
1
0
0




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

0 1

T 0 0
1 1

1 0 1

AT 0 1 0
0 1 1

Calculamos su determinante y si este es diferente de cero, entonces T es invertible

1 0
det( AT ) 1
1 0
1 1

T es un isomorfismo

Para calcular la inversa de T igualamos la regla de correspondencia con el vector tpico del espacio
de partida y simplificamos el sistema de ecuaciones por Gauss hasta obtener la matriz identidad,
as
x z a

T y b
y z c

x z a

yb
y z c

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

b A31 (1) 0 1 0
b
0 1 0 b A23 (1) 0 1 0

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

Lo que nos queda del otro lado de la matriz aumentada es la regla de correspondencia de T 1 y lo
nico que hay que hacer es escribirla bonito adaptndola a los espacios que pertenece, que para R 3
es sencillo porque va directo, tal como est, as
a a b c

T b
b

c c b

Y calculando lo que nos pide el ejercicio:

1 2

T 2 2
3 1

Ramiro J. Saltos

- 29 Tema 14
Sea T : P1 R 2 una transformacin lineal con regla de correspondencia:

a)

b)

a 2b

T (a bx)
3a 7b
Encuentre la representacin matricial de T respecto a las bases B1 1 x,3 2 x
2 1
de P1 y B2 , de R 2 y la matriz asociada a T respecto a las bases
5 5
1 0
cannicas B3 1, x de P1 y B4 , de R 2
0 1
Si T es invertible, encuentre la regla de correspondencia de T 1

a) Por teorema sabemos que:

B1

AB 2

1 x B 2

3 2 xB 2

2
1 2 2

T (v) 1 2 1
5
5 5 1 5 2

Ahora debemos hallar las coordenadas de las transformaciones de los vectores de la base B1 en la
base B2
3
10

T (1 x)

2 1 3 M2 1
5

5 5 10 P12

2 1 2 3

5 1 5 2 10

1 2
2 A21 (1) 1 0 1
1 1

A
(

2
)
12
2 1 3
0 1 1 M (1) 0 1 1

T (3 2 x)

T (1 x)B 2

2 1 2 1

5 1 5 2 5

2 1 1 M 2 1
5

5 5 5 P12

1 1
1 1 1 A21 (1) 1 0 0
0
2 1 1 A12 (2) 0 1 1 M (1) 0 1 1 T (3 2 x)B 2 1

1 0

B1 AB 2
1 1

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.
1
T (1)
3

T (1)B 4

Ramiro J. Saltos

- 30 2
T (x)
7

T ( x)B 4

1 2

B 3 DB 4
3 7

b) Para saber si T es invertible hay que calcular el determinante de cualquiera de las dos
representaciones matriciales anteriores
det( A) (1)(1) (1)(0)
det( A) 1
det( A) 0
T es invertible

Y como ya se vio en ejercicios anteriores para encontrar T 1 igualamos la regla de correspondencia

de T con el vector tpico del espacio de partida, en este caso P2
a 3b
m nx
T 1
3a 7b
m
1 2 m
1 2
1 0 7 m 2n

A12 (3)
A21 (2)

3 7 n
0 1 n 3m
0 1 n 3m

Pero como la regla de correspondencia est en trminos de a y b siempre es bueno dejar expresada
la respuesta en funcin de las ya mencionadas variables
a
T 1 (7a 2b) (3a b) x
b
Tema 15
Sea T : S 2 x 2 P2 , una transformacin lineal con regla de correspondencia:

a b
(a 2b c) (a b c) x (b 3c) x 2
T
b c
Demuestre que T es invertible y encuentre la regla de correspondencia de T 1

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 invertible,
caso contrario debemos proseguir con cualquiera de las siguientes opciones:
Encontrar el ncleo y ver si es igual al nulo del espacio vectorial de partida
Hallar la matriz asociada a T , calcular su determinante y si este es diferente de cero, entonces T
es invertible.
Ramiro J. Saltos

- 31 Nos inclinaremos por la segunda alternativa por ser ms prctica. Para ello encontraremos la
representacin matricial de T respecto a las bases cannicas por ser la ms sencilla de hallar
1 0 0 1 0 0
,
,

0 0 1 0 0 1

Sea S

y P 1, x, x 2 las bases cannicas de S 2 x 2 y P2

respectivamente.
1 0
1 x (1)(1) (1) x (0) x 2
T
0 0
0 1
2 x x 2 (2)(1) (1) x (1) x 2
T
1 0
0 0
1 x 3x 2 (1)(1) (1) x (3) x 2
T
0 1

1

1 0
1
T
0 0 P 0

2

0 1
1
T
1 0 P 1

1

0 0
1
T
0 1 P 3

1 2 1

AT 1 1
1
0
1 3

Ahora calculamos el determinante escogiendo la fila o columna con ms ceros que exista
1 1
2 1
det( A) 1
1
1 3
1 3
det( A) 3 1 6 1
det( A) 3
det( A) 0
T es invertible

Lo siguiente es hallar la inversa de T y para ello igualamos la regla de correspondencia son el

vector tpico del espacio de partida, para este problema S 2 x 2

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

Y simplificamos por Gauss con la idea de expresar a , b y c en trminos de m , n y p

Ramiro J. Saltos

- 32 m A21 (2) 1 0 1 m 2n
1 2 1 m
1 2 1

1 n A12 (1) 0 1 0 m n A23 (1) 0 1 0

m n M 3 1
1 1
3
0

0 1 3
M (1) 0 0 3 m n p
1

3
p
p

1 0 0
1 0 1 m 2n

0 1 0
m n A31 (1) 0 1 0

mn p
0 0 1
0 0 1

4m 7 n p

mn
mn p

Reemplazando y dejando en con las letras a , b y c

4a 7b c

3
T 1 a bx cx 2
ab

Ramiro J. Saltos

a b

a bc

- 33 -

Espacios con Producto Interno

Producto Interno
Definicin: Sea V un espacio vectorial. Sea f : VxV R 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.
2.
3.
4.
5.

v V f (v, v) 0
v V f (v, v) 0 v OV
v, w V f (v, w) f (w, v)
R v, w V f (v, w) f (v, w)
v, w, z V f (v w, z) f (v, z) f (w, z)

Notaciones: Sea V un espacio vectorial. Sea f : VxV R un producto interno real en V , las
diferentes notaciones que puede tomar f estn dadas por:
1. f (v, w)
2. v / w
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

f (v, 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 f (v, OV ) 0

Ramiro J. Saltos

- 34 Conjunto Ortonormal de Vectores

Definicin: Sea S v1 , v2 , v3 ,..., vn un conjunto de vectores de un espacio vectorial con producto
interno V . Se dice que S es un conjunto ortonormal de vectores si:
1. i j vi / v j 0
2. i j vi / v j 1
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 S v1 , v2 , v3 ,..., vn 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 d (v, w) , se define como:
d (v, w) v w

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:
v / w

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 v V / v / w 0; w W

Proyeccin Ortogonal
Definicin: Sea V un espacio vectorial con producto interno y W un subespacio de V . Sea
B u1 , u 2 , u3 ,..., u n una base ortonormal de W . Sea v V . La proyeccin de ortogonal de v
sobre W , denotada por proyW v , se define como:
proyW v v / u1 u1 v / u 2 u 2 v / u3 u3 ... v / u n u n

Ramiro J. Saltos

- 35 Teorema 3
Sea B u1 , u 2 , u3 ,..., u n una base ortonormal del espacio con producto interno V . Sea v V ,
entonces:
v v / u1 u1 v / u 2 u 2 v / u3 u3 ... v / u n u n proyV v

Teorema 4
Sea W un subespacio del espacio con producto interno V , entonces se cumple que:
1. W es un subespacio de V
2. W W OV
3. dim W dim W dim V
Teorema de Proyeccin
Sea V un espacio con producto interno. Sea W un subespacio de V . Sea v V . Entonces existe
un nico vector h W y p W , tal que:
v h p

Donde:
h proyW v
p proyW v

Matriz Ortogonal
Definicin: La matriz invertible Q de nxn se dice que es ortogonal si:
Q 1 Q T

Teorema 5
Si Q es una matriz ortogonal de nxn , entonces det(Q) 1 o det(Q) 1
Teorema 6
Una matriz Q invertible de nxn es ortogonal, si y slo si sus columnas forman una base
ortonormal para R n 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
proyW v , es decir:
w W proyW v v proyW v v w

Ramiro J. Saltos

- 36 Tema 1
Califique como verdaderas o falsas las siguientes proposiciones. Justifique formalmente su
respuesta
a) Sea f : R 2 xR 2 R una funcin con regla de correspondencia:

a a
f 1 2 2a1b2 6a 2 b1
b1 b2
Entonces f es un producto interno real en R 2

(Falso)

Para averiguar si la funcin dada es un producto interno habr que averiguar si se cumplen las
condiciones del producto interno
I) v V f v v 0
a

Sea v R 2
b
a a
0
b b
2ab 6ab 0
4ab 0
ab 0

No se cumple el primer punto.

Pero hay que plantear el contraejemplo as ya hayamos demostrado formalmente que no es un
producto interno
1

Sea v R 2
1
1 1
0
1 1
2(1)(1) 6(1)(1) 0
40
f no es un producto interno

Ramiro J. Saltos

- 37 Tema 2
En el espacio vectorial P1 est definido el siguiente producto interno:

( p( x) / q( x)) p(1)q(1) p(0)q(0) p(1)q(1)

a) Encuentre un vector p(x) tal que su norma sea igual a

30 y la medida del ngulo

radianes.
2
b) Sea el subespacio de P1 : W a bx / a b 0Cul es el vector de W que est
ms cerca de r ( x) 1 2 x ?
con el vector q( x) 1 x sea

a) Para resolver este literal hay que tener en cuenta el polinomio p(x) es una incgnita por ese
motivo debemos suponer un p(x) genrico.
Sea p( x) a bx P1
El ejercicio nos da como informacin que la norma de p(x) es 30 , por tanto:

p ( x) p ( x)
a bx a bx 30

p ( x)

30

(a b)(a b) a 2 (a b)(a b) 30
a 2 2ab b 2 a 2 a 2 2ab b 2 30
3a 2 2b 2 30

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 q(x) es
Cos ( )
Cos (90)
0

p( x) q ( x)
p( x) q ( x)

a bx 1 x
p( x) q( x)

(a b)(0) a (a b)(2)
p( x) q( x)

a 2a 2b 0
3a 2b 0

Ahora ya tenemos dos ecuaciones que nos relacionan las variables a y b . Resolviendo el sistema
3a 2 2b 2 30

3a 2b 0

Ramiro J. Saltos

- 38 2
3
b 2b 2 30
3
4
3 b 2 2b 2 30
9
4b 2 6b 2 90

3a 2b
2
a
b
3

10b 2 90

2
(3)
3
a 2
a

b2 9
b 3

Existen dos vectores que cumplen las condiciones especificadas, pero debemos descartar la solucin
que no satisface la segunda ecuacin y con ello nos queda:
p( x) 2 3x

b) Primero necesitamos extraer una base de W , luego debemos ortonormalizarla

Sea a bx W
a bx b bx b(1 x)

BW 1 x

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

1 x 1 x

1 x 4 1
1 x 5

BNW 1 x
5

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

1
1 x 1 1 x
Pr oyW r ( x) r ( x)
5

1
Pr oyW r ( x) 1 2 x 1 x 1 x
5
1
Pr oyW r ( x) (3)(2) (1)(1) (1)(0) 1 x
5
7
Pr oyW r ( x)
1 x
5

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

7 7
x
5 5

Ramiro J. Saltos

- 39 Tema 3
En R 3 se consideran los siguientes conjuntos:

0 1

S gen 1 , 1
0 0

1

L gen 0
1

x

Expresar el vector v y R 3 como la suma de dos vectores, uno de S y uno de L
z

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
1


B L 0 v1 0
1
1

Ahora hay que ortonormalizar la base:

u1

1
v1
v1

v1

1

0
1

1

0
1

v1 (1)(1) (0)(0) (1)(1)

BOL

v1 2

1
1

0
2

Se aconseja dejar la base ortornormal 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
l Pr oy L v
l v u1 u1
x
1
l y
2
z

1 1

0 0
1 1

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

Ramiro J. Saltos

- 40 1

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

1
xz
l
0
2
1
xz

2
l 0
xz
2

Para hallar el otro vector despejamos de:

vls
s vl
xz

x
2
s y 0
z x z

2
xz

2
s y
xz

2
Tema 4

3
Sea V R3 y W y R / 3 x 2 y 6 z 0 un subespacio de V
z

Determine:
a) El complemento ortogonal de W

3

b) La proyeccin de v sobre W si se conoce que v 1
4

Para calcular el complemente primero necesitamos una base de W

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

Ramiro J. Saltos

- 41 x 2x 2x

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

2 0

BW 3 , 3
0 1

2 0

x 3 z 6
0 2

a

Sea b W
c

a

b
c

2

3 0
0

2a 3b 0
2a 3b

a

b
c

0

3 0
1

3b c 0
c 3b

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

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.
a 2a 3b
3

b 2b 2b b 2
c 2c 6b
6

BW

3

2
6

Ahora procedemos a ortonormalizar esta base:

u1

1
v1
v1

v1

v1 / v1

3

v1 2
6

3

2
6

v1 9 4 36

3
1
2
7 6

v1 49 7

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

hallaremos p y luego contestaremos la pregunta al encontrar h v p
Ramiro J. Saltos

- 42 p Pr oyW v

p v u1 u1

3
1
p 1
49
4

3 3

2 2
6 6

3

1
p 9 2 24 2
49
6

3
13
p 2
49
6
39
3
49

26
h 1
49

4 52

49
186

49

75
h
49

248

49

186

49

Pr oyW v 75
49

248

49

Tema 5
Sea V M 2 x 2 , considere el producto interno:

a b e

c d g

f
ae 2bf 2cg dh
h

a a

/ a, c R un subespacio de V
c c

Sea H

a) Determine el complemento ortogonal de H

1 2

como la suma de dos vectores A H y B H tales

b) Escriba la matriz C
3 4
que C A B
1 0

c) Determine la medida del ngulo entre los vectores C e I si se sabe que I

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

Ramiro J. Saltos

- 43 a) Para resolver este literal primero debemos encontrar una base de H , como ya tenemos el vector
tpico:
a a
1 1 0 0

a
c

c c
0 0 1 1

1 1 0 0
,

BH
0 0 1 1

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 que para este producto interno utilizamos la regla que nos da el ejercicio
a b
H
c
d

Sea

a b

c d
a 2b 0

1 1

0
0 0

a b

c d
d 2c 0

0 0

0
1 1

a b

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

Obtenemos su base:
2 1 0 0
b
a b 2b
2 1 0 0
,

b
c
BH
2c
c d c
0 0 1 2
0 0 1 2

b) Para resolver este literal 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 BH y a esta nueva base la denotaremos como B1
1 1 0 0
,

BH
0
0
1
1

1 1
0 0
y v 2

0 0
1 1

Supngase que v1

Ramiro J. Saltos

B1 u1 ,u 2

- 44 Utilizamos el proceso de ortonormalizacin de Gram-Schmidt

u1

1
v1
v1

Recuerden para todo el ejercicio utilizamos el producto interno definido en el planteamiento del
problema
v1

v1

v1

1 1 1 1

0 0 0 0

v1

u1

v1 (1)(1) 2(1)(1) 2(0)(0) (0)(0)

1 1 1

3 0 0

v1 3

u2

1
v2 '
v2 '
v 2 ' v 2 v 2

u1 u1

0 0 1

v 2 '
1 1 3
0
v 2 '
1
0
v 2 '
1
v2 '

v2

v2 '

0 0 1 1 1 1

1 1 0 0 0 0

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

1 3
0 0
0

1
v2

0 0 0 0

1 1 1 1

u2

v 2 ' (1)(1) 2(1)(1) 2(0)(0) (0)(0)

1 0 0

3 1 1

v2 ' 3

1 1 1 1 0 0
,

B1
0
0
1
1
3
3

Cabe recalcar que no era necesario realizar todo el proceso debido a que los vectores de BH son
ortogonales, es decir, v1 v2 0
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
Ramiro J. Saltos

- 45 Sabemos que:
A Pr oyH C
A C u1 u1 C u 2 u 2

1 2 1 1 1

3
4
0
0

0
1
1
A (1)(1) 2(2)(1) 2(3)(0) (4)(0)
3
0
5 1
A
3 0
1
A
3

1 1

0 3

1 2 0 0 0 0

3
4
1
1
1
1

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

0 3
1 1
1 10 0 0

0 3 1 1

5
5
3
A 3
10
10
3
3

Y para obtener la matriz B despejamos de:

C A B
BCA

1 2 5 3 5 3

B
3 4 10 3 10 3
2
B 3
1
3

1
3
2
3

c) Para determinar la medida del ngulo nos remitimos a la frmula:

Cos ( )

I
C I

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

C
C
C

1 2 1 0

I
3 4 0 1
I (1)(1) 2(2)(0) 2(3)(0) (4)(1)
I 5

Ramiro J. Saltos

- 46 C
C

1 2 1 2

3 4 3 4

1 0 1 0

0 1 0 1

C (1)(1) 2(2)(2) 2(3)(3) (4)(4)

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

C 43

I 2

Finalmente reemplazando nos queda:

Cos ( )

5
2 43
5

86

ArcCos

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

d C , I C I
1 2 1 0

d C , I
3 4 0 1
0 2

d C , I
3 3
d C , I

0 2 0 2

3 3 3 3

d C , I (0)(0) 2(2)(2) 2(3)(3) (3)(3)

d C , I 35

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 B2
2 1 0 0
,

BH
0 0 1 2

B2 u1 ,u 2

2 1
0 0
y v 2

0 0
1 2

Supngase que v1

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

- 47 v1
v1

v1

v1

v2

2 1 2 1

0 0 0 0

v2

v2

v2

0 0

1 2

0 0

1 2

v1 (2)(2) 2(1)(1) 2(0)(0) (0)(0)

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

v1 6

v2 6

1 2 1 1 0 0
,

B2
6 0 0 6 1 2

La base ortonormal de V la denotaremos como B3 , entonces:

B3 B1 B2

1 1 1 1 0 0 1 2 1 1 0 0
,

B3
0
0
1
1
0
0
1

2
3
3
6
6

1 1 1 1 0 0 1 2 1 1 0 0
,

B3
3 0 0 3 1 1 6 0 0 6 1 2

Ramiro J. Saltos

- 48 -

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 X R n , tal que AX X . 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 T : V V
una transformacin lineal. Se dice que es un valor propio de de T , si existe un vector propio no
nulo v V , tal que T (v) v . 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:
p( ) det( A I ) 0

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:
B C 1 A C

Teorema 2
Sean A y B dos matrices semejantes de nxn . Entonces se cumple que:
1. det( A) det(B)
2. p A ( ) p B ( )
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:

E X C n / AX X

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

Teorema 4
Sea un valor propio de la transformacin lineal T : V V . Entonces:
E v V / T (v) v

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

Ramiro J. Saltos

- 49 Multiplicidad Geomtrica
Definicin: Sea E el espacio propio de la matriz A de nxn o de una transformacin lineal
T : V V asociado al valor propio . Se define la multiplicidad geomtrica de , denotada por
mg ( ) , como:
mg( ) dim E

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

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 X 1 un vector propio de A asociado al valor propio 1 y
X 2 un vector propio de A asociado al valor propio 2 .
Si 1 2 , entonces X 1 y X 2 son ortogonales.
Tema 1
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 (Verdadero)

a11 a12

0 a 22
Sea la matriz A 0 0

0
0

a13
a 23
a33

a1n

a2n
a3n una matriz triangular de nxn . Entonces:

a nn

a11

0
A I 0

a12
a 22
0

a13
a 23
a33

Ramiro J. Saltos

a1n

a2n

a3n

a nn

- 50 Cuando se tiene una matriz triangular el determinante de la misma est dado por la multiplicacin
de los elementos de la diagonal principal.
p( ) det( A I ) (a11 )(a22 )(a33 )...(ann ) 0

De donde obtenemos que:

a11 0
a11 1

a22 0
a22 2

a33 0
a33 3

ann 0

ann n

Por lo tanto i aii para i 1,2,3,..., n; n N

b) Sea A M 2 x 2 . Si det( A) 1 y traza ( A) 1, entonces los valores propios de A son
nmeros reales (Falso)

Sabemos que:
p( ) 2 traza( A) det( A) 0
2 1 0

Aplicando el discriminante a la ecuacin determinaremos el tipo de races de la misma

a 1
b 1
c 1

b 2 4ac
1 4
3

El discriminante es menor que cero, por tanto las races son nmeros complejos
Tema 2
Halle los valores y vectores propios de la siguiente matriz:

1 0 1

A 0 1 1
1 1 2

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
0
1

A I 0 1
1
1

Ramiro J. Saltos

1
2

- 51 p ( ) det( A I ) 0
(1 )(1 )(2 ) 1 (1)(1 ) 0
(1 )(2 2 2 1) 1 0
(1 )(2 3 1) 1 0

2 3 1 3 32 1 0
3 42 3 0
(2 4 3) 0

1 0
2 1

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

1 0
2 1
3 3

Finalmente debemos encontrar los vectores propios y para ello debemos encontrar una base de los
espacios E .
El procedimiento consiste en reemplazar cada valor propio en la matriz A I y resolver el
siguiente sistema homogneo:
0
1

1
0
1
1

1 a 0

1 b 0
2 c 0

Entonces para hallar cada espacio planteamos el sistema mencionado y simplificamos la matriz
hasta obtener la mayor cantidad de ceros posibles
E 1

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

0 1 0 1 0 0 1 1 0 A13 (1) 0 1 1 0 A23 (1) 0 1 1 0

1
0 1 1 0
0 0 0 0
1 2 0 0 1 1 2 0

De donde extraemos las siguientes igualdades:

ac 0
a c

bc 0
bc

Reemplazando en el vector tpico

a c 1

b c c 1
c c 1

Ramiro J. Saltos

1

v1 1
1

- 52 E 2

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

A21 (1)

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

c 0
c0

ab 0
ab

a a
1


b a a 1
c 0
0

1

v2 1
0

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

A21 (1)

0 1 3 1 0 0 2 1 0 A31 (2) 0 2 1 0
0 2 1 0
1
1 1 1 0 A23 (1) 1 1
1 2 3 0 1 1 1 0
0 0

2b c 0
c 2b

ab 0
a b

a b
1

b b b 1
c 2b
2

1

v3 1
2

Tema 3
Encuentre, de ser posible, la matriz C que diagonaliza a la matriz:

5 4 2

A 4 3 2
4 3 2

El procedimiento para encontrar la matriz C es casi mecnico, hay que calcular el determinante de
A I 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.
5

A I 4
4

4
3
3

Ramiro J. Saltos

2
2

- 53 p ( ) 0
det( A I ) 0
(5 )(3 )(2 ) 6 4 4(2 ) 6 4 8 2(3 ) 0

(5 ) 6 3 2 2 6 4 8 4 6 4 8 6 2 0
(5 )(2 ) 32 16 24 32 24 8 0
52 5 3 2 8 0

3 42 3 0
(2 4 3) 0
0

1 0

2 1
3
3

( 3)( 1) 0

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
E1 ; 1 0

4
2
0 5 4 2 0
5 0
1 1 0 0
1 1 0 0

A21 (1)

30
2
0 4 3 2 0
4
4 3 2 0 A12 (3) 1 0 2 0
A (1)
4

0 0 0 0
3
2 0 0 4 3 2 0 23

0 0 0 0

ab 0
ab

a 2c 0
c 1 a
2

1
a a

b a a 1
1
c 1 a
2
2

BE1

2

2
1

No hay ningn problema si multiplicamos al vector por cualquier nmero para eliminar la fraccin
E 2 ; 2 1

2
0 4 4 2 0
0 0
5 1 4
0 0
0 0 0 0

A21 (1)

3 1 2
0 4 4 2 0
4
2 2 1 0 A12 (2) 2 0 1 0
A (1)
4

0 1 1 0
3
2 1 0 4 3 1 0 23

0 1 1 0

2a c 0
a 1 c
2

bc 0
bc

Ramiro J. Saltos

- 54 1
a 1 2 c
2

1
b

c c
1

BE 2

1

2
2

E 3 ; 3 3

4
2
0 2 4 2 0
5 3
1 2 1 0
1 0 1 0

A12 (2)

33
2
0 4 6 2 0
4
0 2 2 0 A21 (1) 0 1 1 0
A (2)
4

0 0 0 0
3
2 3 0 4 3 1 0 13

0 5 5 0

ac 0
ac

a c
1


b c c1
c c
1

bc 0
bc

BE 3

1

1
1

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
2 1 1

C 2 2 1
1 2 1

Tema 4
Determine la matriz ortogonal Q que diagonaliza ortogonalmente a la matriz:

1 5 0

A 5 1 0
0 0 4

Para encontrar la matriz Q realizamos el mismo procedimiento que en el ejercicio anterior solo que
cuando hallemos las bases de los espacios propios debemos ortonormalizarlas, y esas sern las
columnas de la matriz en cuestin
1

A I 5
0

5
1
0

p ( ) 0
det( A I ) 0
(4 )(1 )(1 ) 25 0

(4 ) (1 ) 2 25 0

Ramiro J. Saltos

0
4

- 55 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 presente que el procedimiento se puede simplificar por la presencia de
ciertos artificios aplicables, por ejemplo en este ejercicio la expresin dentro del corchete es una
diferencia de cuadrados perfectos y su factorizacin es sencilla
4 0
4

(1 ) 5(1 ) 5 0

4 0
0

(4 )(6 )

6 0
6

1 6 ma(1 ) 1

2 4 ma(2 ) 2

Ahora encontramos las bases de cada espacio propio

E1 ; 1 6

5
0
0 5 5 0 0 A12 (1) 1 1 0 0
1 (6)

5
1 (6)
0
0 5 5 0 0 M 1 15 0 0 0 0

0
0
4 (6) 0 0 0 10 0 M 3 110 0 0 1 0

ab 0
a b

c0

a b
1


b b b 1
c 0
0

BE1

1

1
0

Hay que ortonormalizar esta base para obtener la primera columna de la matriz Q , pero como solo
es un vector bastar dividirlo para su norma, en este caso usamos el producto interno cannico
v

1

1
0

1

1
0

BON E1

v (1)(1) (1)(1) (0)(0)

v 2

Ramiro J. Saltos

1 2

1 2
0

- 56 E 2 ; 2 4

5
0
0 5 5 0 0
1 4
1 1 0 0

A12 (1)

1 4
0
0 5 5 0 0
5
0 0 0 0
1
M 5
0

0
4 4 0 0
0 0 0 1

0 0 0 0
ab 0
ab

Si no aparece la variable c significa que es libre y no hay condicin de la que este sujeta
a a
1 0


b a a 1 c 0
c c
0 1

BE 2

1 0

1 , 0
0 1

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
v1

v1

v1

v1

1

1
0

1

1
0

BON E 2

v1 (1)(1) (1)(1) (0)(0)

1 2 0

1 2 , 0
0 1

v1 2

1 2

Q 1 2
0

1
2
1
2

0
1

Hay que recordar que las columnas de esta matriz forman una base ortonormal para R 3
Tema 5
Sea A una matriz cuadrada de tamao 2x 2 que representa a una transformacin lineal
T : R 2 R 2 , respecto a la base cannica de R 2
a) Si traza( A) 5 y det( A) 4 , cules son los valores propios de T ?
b) Encuentre, de ser posible, una base de R 2 respecto de la cual la matriz asociada a T

sea una matriz diagonal, si se conoce que T

1 2

Ramiro J. Saltos

- 57 a) Sabemos que para cualquier matriz de orden 2 el polinomio caracterstico est dado por:
p( ) 2 traza( A) det( A) 0

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

40
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:
x 6

AT
y 2

Adems conocemos el valor de la traza y del determinante, por lo que tenemos el siguiente sistema
de ecuaciones
x 2 5 x 7

2 x 6 y 4 x 3 y 2 3 y 9 y 3

7 6

AT
2
3

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

7
A I
3

Pero como ya conocemos los valores propios de esta matriz simplemente hallamos los espacios
propios
E1 ; 1 4
7 4 6 0 3 6 0 A21 (1) 0 0 0

2 4 0 3
6 0 M 2 13 1 2 0
3
a 2b
2

b
b b
1

Ramiro J. Saltos

2
BE1
1

a 2b 0
a 2b

- 58 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 R 2 para este
caso.
2
v1
1

E 2 ; 2 1
7 1 6 0 6 6 0 A21 (2) 0 0 0

2 1 0 3
3 0 M 2 13 1 1 0
3

ab 0
a b

1
BE 2
1

a b
1
b
b b
1

1
v 2
1

Y estos dos vectores encontrados forman parte una base respecto de la cual la matriz asociada a T
es una matriz diagonal
2 1
B ,
1 1

Hay que tener en cuenta que si el espacio donde opera la transformacin lineal es diferente a R n ,
entonces los vectores de la base tendrn la forma de dicho espacio, ya sean matrices, polinomios,
etc.

Ramiro J. Saltos