Vector Esy Ten Sores

E.T.S.I.
de
VECTORES
TARRASA
TENSORES
VOLUMEN I
ANALISIS INDICIAL Y ALGEBRA LINEAL
(CON 89 EJERCICIOS RESUELTOS)
par
'.
JUAN COMAS ALAVEDRA

(prafesar de la escuela)
Manresa,
II
No~
1978
PROLOGO
Aunque queda fuera de toda duda la importancia que tiene el Calculo
Tensorial para los i genieros y fisicos. puede resultar conveniente acla
rar que para conseguir la soltura y el dominio adecuados en aquella disci
plina se necesita entrar de Ilene en el Ana1isis indicia1.
Si bien es cierto que existe 1a c o nv i c c i Sn
generalmente a
ceptada de que. como el calculo tensorial va siempre acompanado de trans

formaciones indiciales. astas mas que metodos son simples notaciones. no
sotros somos de la opinion de que dichas trans formaciones pueden resumir
se en una metodologra que pueden estudiarse separadamente y antes de abo!
dar los metodos propiamente llamados tensoriales. que se trataranenun se
gundo volumen.
Queda pues nuestro objetivo aclarado y solo resta pasar a resenar
brevemente el contenido de cada capitulo de este primer volumen.
En el primer capitulo se analizan las propiedades de los determinan
tes y de dos simbolos. de los cuales podriamos decir que son los
pilares
fundamentales del calculo tensorial en coordenadas cartesianas. la delta

de Kronecker y los sistemas e que se tratan para 1a dimension N. particu
Lar Lzjindo ae despues para los casos mas frecuentes (N
=2 y
N = 3)
En el segundo capitulo se dan las propiedades mas importantes de las

matrices siguiendo un estudio paralelo por el metodo indicia1 cuando re
sulta conveniente.
Finalmente.en el tercer y ultimo capitulo se desarrollan los funda
mentos de los espacios vectoriales conjuntamente con algunos temas de al
gebra lineal. como por ejemplo. las matrices caracteristicas. va10res
pr~
pios. vectores propios. etc que son poco menos que imprescindibles para
comprender la problematica tensorial.
Asi pues. en resumen. este primer volumen debe considerarse como u
na introduccion a los metodos vectoriales y tensoriales y va
destinadofu~
damentalmente al lector que quiera adentrarse de forma sencillay
progres~
va en el Ana1isis Indicial.
EL AUTOR
~.Q _ ..52
Manresa.20 de Noviembre de 1978.

III
CAPITULO 1
Determinantes y sistemas .
Sistemas de ecuaciones lineales.
Pag.
1- 1. DETERMINANTES DE SEGUNDO ORDEN ........... 1
1- 2. DETERMINANTES DE TERCER ORDEN ...... 1
1-3. DELTA DE KRONECKER DE SEGUNDO ORDEN .............. 4
1-4. DETERMINANTES DE ORDEN ''N'~ PROPIEDADES ............. 5
1-5. DELTA DE KRONECKER GENERALIZADA ......... 10
1-6. CONTRACCION Y PRODUCTO INTERNO DE SIMBOLOS DE PERMUTACION 18
1-7. ADJUNTO DE UN ELEMENTO DE UN DETERMINANTE .... 27
1-8. RESOLUCION DE SISTEMAS DE ECUACIONES LINEALES .. 34
CAPITULO
Matrices.
2-1. PRELIMINARES ..................... 43
2- 2. OPERACIONES CON MATRICES ................... 48

PARTICION DE MATRICES EN BLOQUES. LEY DE LA MULTIPLICACION . 55
MATRICES DE BLOQUES DIAGONALES ............. 61
DETERMIANTES DE UNA MATRIZ CUADRADA ............. 62
2-3. MATRIZ INVERSA .................. 63
MATRIZ ORTOGONAL ................. 67
CALCULOS CON MATRICES CONJUGADAS Y HERMITICAS ....... 68
POTENCIAS NEGATIVAS DE UNA MATRIZ CUADRADA .......... 72
2-4. POLINOMIO CARACTERISTICO Y SEMEJANZA DE MATRICES ... 72
POLINOMIOS DE MATRICES ............. 72
POLINOMIO CARACTERISTICO ........... 73
POLINOMIO MINIMO .................. 76
VALORES PROP lOS ........ 77
SEMEJANZA DE MATRICES ......... 80
2-5. EQUIVALENCIA DE MATRICES .......... 84
MENORES Y COMPLEMENTOS ALGEBRAICOS ....... 84
TRANSFORMACIONES ELEMENTALES ....... 90
MATRICES EQU IVALENTES .......... 91
MATRIZ CANONICA POR FILAS ............... 93
MATRIZ NORMAL ......... 97
INVARIANZA DE LA CARACTERISTICA DE UNA MATRIZ FRENTE
A LAS TRANSFORMACIONES ELEMENTALES DE LINEA ..... 98
MATRICES ELEMENTALES ..... 99
MATRICES CONGRUENTES ........ 108
IV
CAPITULO
Espacios vectoriales y trans formaciones lineales.

3- 1. PRELIMINARES ............... 11 3
EJEMPLOS DE ESPACIOS VECTORIALES ........... 115
SUBESPACIOS VECTORIALES ........... 117
DEPENDENCIA LINEAL ............. 118
ESPACIOS GENERADOS. BASE Y DIMENSION DEL ESPACIO ... 120
ESPACIOS DE DIMENSION INFINITA .... 120
ESPACIOS DE DIMENSION FINITA ........ 121
ISOMORFISMO ............. 125
CAMBIO DE BASE .... 1 30
INTERSECCION Y UNION DE ESPACIOS VECTORIALES .. 135
.~
UNION DIRECTA DE SUBESPACIOS VECTORIALES ... 144
3- 2. APLICACIONES LINEALES ...... 147
OPERACIONES CON APLICACIONES 149
OPERACIONES CON APLICACIONES LINEALES 164
IMAGEN Y NUCLEO DE UNA APLICACION LINEAL .. 167
APLICACIONES INVERTIBLES ....... 173
RANGO DE UNA APLICACION LINEAL. AUTOMORFISMO . 178
SUBESPACIOS INVARIANTES .... 184
VALORES PROPIOS Y VECTORES PROPIOS ... 190
TRANSFORMACIONES CON MATRIZ DIAGONAL . 199
INDICE ALFABETICO DE MATERIAS
Adjunto de un elemento de un determinante
.27
Adjuntos normalizados
.37
. ...
Aplicaciones .....
Aplicaci6n biyectiva
biuntvoca
....
.147
...
.155
. 154,161
Aplicaci6n identidad
.154
Aplicaci6n inversa
...
Aplicaciones invertibles
173
Aplicaciones lineales
.. 157
Aplicaci6n nula ...
.158,161
Aplicaci6n producto
.150
..
.. .. ..
....
...
Aplicaci6n sobreyectiva
Aplicaci6n uno-a-uno
Automorfismos .
Base de un espacio .
.155
155
178
.120
Calculos con matrices conjugadas y hermtticas

Cambio de base ..
Caractertstica de una matriz
. ..
...
130
87
Codominio de una aplicaci6n lineal

Complemento~
.68
168
. . . ....
algebraicos .
Contracci6n de stmbolos de permutaci6n
.18
Convenio de Einstein
Correspondencia
Delta de Kronecker de segundo orden
.2
.148
4
Delta de Kronecker generalizada .
.10
.. .
Dependencia lineal .
Derivada de un determinante
.85
.118
10
Desarrollo de un determinante por los elementos de una

linea
Determinante caractertstico
Determinante de orden N .
Determinante de segundo orden
37
...
...
...
Determinante de tercer orden

Determinante de una matriz cuadrada
Determinante producto
Determinante transpuesto .
73
.5
.1
2
.62
.
. ..
.9
7
Diagonal principal
.43
Diagonal secundaria
.44
VI
Dimensi6n del espacio . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140, 120

.176
Discusi6n anal!tica de sistemas de ecuaciones lineales
Dominio de una aplicaci6n lineal
... 168
Eigenvalores
... 77
.. . ............ . . ...
Ejemplos de espacios vectoriales
.115
......
Ejemplos de subespacios vectoriales
.117
. 84, 90
Equivalencia de matrices
...
Espacios de dimensi6n finita
.121
Espacios de dimensi6n infinita

Espacio~
.
... .... ..
generados
Espacios isomorfos
-...
Espacio lineal ..
.....
Espacios vectoriales
Espacio vectorial complejo
Funci6n
de una aplicaci6n
.125
.113
.113
...
Espacio vectorial real

Gr~fica
.120
. 120
.114
.. 114
..
. . 148
. .. . ...
....
Igualdad de matrices .
.148
.. 45
Imagen de una aplicaci6n lineal
.167
Imagen inversa de una aplicaci6n

Independencia lineal
.......
. ...
.148
....
.118
7
Indices libres
Indices mudos
Intersecci6n de subespacios vectoriales
....
... 135
Invariantes de una transformaci6n lineal
.187
Invarianza de la caracter!stica de la matriz frente a

las trans formaciones elementales de linea
......... . ........ ...... .. ...

congruentes
. .... . ...
98
Isomorfismo
.125
Matrices
..
.108
.99
90
91
Matrices elementales
...
Matrices equivalentes
...
Matrices semejantes
. 80
Matriz can6nica por filas
.92, 93
Matriz caracter!stica ..
.73
Matriz de transforrnaci6n
. ...
Matriz de transformaci6n inversa

Matriz escalonada
Matriz idempotente
...
.....
Matriz nilpotente
VII
... . ... .
.. 131
.132
93
.70
.71
Matriz normal
97
Menores complementarios .......... 84

Notaci6n indicial
Nucleo de una aplicaci6n lineal ........... 167

Nulidad
defecto de una aplicaci6n lineal ....... 168
Operaci6n externa
114
Operaci6n interna
113
Operaciones con apli,caciones ....... 149

Operaciones con aplicaciones lineales ..... 164
Operaciones con matrices ........ 49
Operaciones con matrices inversas ...... 65
Original de una aplicaci6n ..... 148
..---,
Partici6n de matrices en bloques ..... 55

Polinomio caracter1stico .... 72
Polinomio de matrices
72
Polinomio m!nimo
76
Polinomio m6nico
74
Potencias negativas de una matriz cuadrada .... 72

Potencias positivas de una matriz cuadrada .... 50
Preimagen de una aplicaci6n ......... 148
Producto de aplicaciones ............... 150
Producto de aplicaciones lineales .............. 165
Producto de transformaciones ................. 151
Producto de una aplicaci6n lineal por un escalar ..... 165
Producto externo de s!mbolos de permutaci6n de orden N .. 11
Producto interne de s!mbolos de permutaci6n .......... 18
Propiedades de las operaciones con matrices ......... 49
Rango de una aplicaci6n lineal ............ 170
Rango de una matriz
87
Semejanza de matrices
S!mbolos
antisim~tricos
72, 80
............................. 6
S!mbolos de permutaci6n
S!mbolos de permutaci6n de orden N ........... 5

S!mbolos de permutaci6n de tercer orden ........ 3
Sistemas e
Sistemas de ecuaciones lineales .......... 34

Sistema de generadores
120
Sistemas indeterminados .............. 176

Subespacio intersecci6n ................ 136
VIII
Subespacio uni6n
. ...
. 139
Subespacio vectorial
.117
Suma de aplicaciones lineales
... 164
Suma de matrices ........
48
Teorema de Cayley-Hamilton ...

Transformaci6n de matrices
. 76
...
Transformaciones elementales
50
...
.90
Transformaciones elementales de fila y trans formaciones

elementales de columna ....
Transforrnaciones elernentales inversas
Transforrnaci6n producto
..
...
..
Uni6n de subespacios vectoriales

Valores caracter!sticos
Vectores propios
.92
151
..... . . 135
Uni6n directa de subespacios vectoriales

Valores propios
.90
. 144
78
. 77, 190
. .. .
...
Vectores unitarios
IX
.190
. 123
BIBLIOGRAFIA
CAPITULO 1
-Vector and Tensor Analysis de Homer Vincent Craig
(1943). Capitulo 5.
-An~lisis
tensorial de I.S.Sokolnikoff. Editorial Index
Prial. Pags. 120 a 129.
CAPITULO 2
-Matrices de Frank Ayres (serie Schaum-Me Graw-Hill).Ca
p!tulos 1 y 5.
-Algebra lineal de Seymur Lipschutz (serie Schaum-Me Graw
Hill). Capitulo 3.
-Fundamentos de Algebra Lineal de A.I.Maltsev
(Siglovei~
tiuno editores S.A) 1970. Capitulo 1.

-Applied Mathematics for Engineers and Physicists de L.A.
Pipes, 1946. Pags 76 a 84.
-Algebra
B~sica
de M.Queysanne (Edit. Vicents-Vives,1971).
Capitulo 8.
CAPITULO 3
-Algebra Lineal de Seymur Lipschutz (Serie Schaum-Me
Graw-Hill). Cap!tulos 6 y 9.
-Fundamentos de Algebra Lineal de A.I.Maltsev
tiuno editores, S.A.) 1970. Capitulo 3
(Siglovei~
Capitulo 1
Determinantes y
sistemas E
Sistemas de ecuaciones lineales

1-1. DETERMINANTES
DE
SEGUNDO
ORDEN.
En la resoluei6n de un sistema lineal de dos eeuaeiones

con dos ine6gnitas (*),
at
Xl
+ a~ x 2 = e l
ai
Xl
+ a~ x 2 = e 2
siendo at, ~, e l
ne,
at a~
a~
al,
~
\
a~, e 2
eonstantes eonoeidas, se obtie
al
(1-1)
Si introdueimos el operador,
ad be =
(1-2)
e
llamado determinante de segundo orden, las ine6gnitas (l-l)pu~

den expresarse bajo la forma,
el
a~
e2
a 22
x =
aJ
a!
a 2I
a 22
at
el
al
e2
at
a 2l
al
a~
(*) Los s~erlndi~es de los coeficientes literales tienen la funcion

de expresar el ordinal de fila mientras los subindices indican el ordinal de
la columna respectiva. En cuanto a-Ics super!ndices de las incognitas se em
plean simplemente para diferenciarlas entre si. Por otra parte, la expresi6n
(c l ) 2 debe ser interpretada como el cuadrado de c l
Veamos como los determinantes de segundo orden (al igual

que los de cualquier orden, como veremosmasadelante ), pueden
ponerse en "notaci6n indicial" mediante los s!mbolos de permB
taci6n
sistemas
que definimos seguidamente:
desarrollo,
al
= I at! =
A.
a~
equivale a un determinante de segundo orden.

Vamos a admitir,
a partir de ahora y en todo 10 que si
gue, el convenio de supresi6n del signa del sumatorio (convenio

de Einstein)
En un termino conteniendo dos !ndices repetidos en minuscula,el
uno como super!ndice y el otro como sub!ndice, se sobreentiende
que dicho t~rmino representa la suma de todos los t~rminos paE
ticulares obtenidos al asignar a cada !ndice repetido todos los
valores enteros 1,2, .. ,N siendo N el nlimero de dimensiones del
J
espacio. De otra parte, los !ndices repe~~?s en letras~-i.D,!!~~_ '\

las pero entre par~ntesis, 0 repetidos en letras
mayGsculas
no
--"._---"------"-- __ -_._--_ _. -----"------.-.,._-:
generan sumas.
Eje~plos:
L
N
a i b i = a I b l + a 2 b 2 +. +
(i=1,2, .. ,N).
;=1
~. r, (} (
/,1 )
arJ =
(r,s=1,2).
era
(i=1,2,3).
A tales indices repetidos (en estos ejemplos "i","r","s"), se

les llama "indices mudos".
1-2. DETERMINANTES
DE
TERCER
ORDEN.
Los determinantes de tercer orden pueden ponerse en
fun
ci6n de los stmbolos de permutaci6n de tercer orden
Ijk
,es de
cir, con tres supertndices, y en un espacio tridimensional (i,

j,k= 1,2,3).
Para definir estos stmbolos tengamos en cuenta que son an

tisim~tricos respecto a un par de tndices cualesquiera,
tambi~n
llama
Eiik =_
stmbolos totalmente
jlk
ijk
Ikj
(se les
antisim~tricos),
ij k
i,
=-
E kj I
Y que,
123 =
En particular, si j
i, 6
('''')
por
10
llk;
~Ik = 0
que, si hay dos
III
m~s
= o.
tndices iguales el stmbolo es nulo.
Si los tres tndices son distintos, el stmbolo vale +1 6 -1

dependiendo del orden de la permutaci6n (par
impar) con rela
ci6n a la fundamental 123. Veamos los ejemplos:

32 1= _123
= _
1 ;
312
= _132
= 123=
1 .
El desarrollo de un determinante de tercer orden,
a\
a~
a~
a~
a~
a~
a~
A,
puede expresarse, entonces en funci6n de los stmbolos de
perm~
taci6n de tercer orden,

A=
Ij k a 1 a2 ae
I -1
(i,j,k, = 1,2,3),
k'
y en este caso se dice que el determinante ha sido desarrollado

por filas.
I j k
Si definimos ahora los stmbolos

, 0
sea
=-
j I k
~jk
de la misma forma que
el determinante A se expresa segGn,

A =
i j' k
a] a! a~
(i,j,k= 1,2,3),
y se dice ahora que ha side desarrollado por columnas.
1_3.
DE KRONEC K E R
D E L T'A
DE
SEGUNDO
ORDEN.
Es un s1mbolo que se representa por la letra griga
i afec
tada por un sub1ndice y un super1ndice, y definido de la siguie~

te manera :
51 = 1 , si i = j
(i,j
"1
5~
= 1,2, ,N).
(1-3)
= 0 , si i -:I j
La contracci6n de sus dos 1ndices produce,
61
= 51 + 5 ~ + + ~ = N
Se tiene, como corolario de la propia definici6n, los siguien

tes valores para los productos internos que se citan:
1. 5: 5l = 5 II 5 1k + 5 ~ 5 i + + 5 ~1) btL> + +5 J
2. 5 f 5t 5:" = 5:" 3.
5.
1 I k e5~
14. A 1 I 6~ 5 ~
1I k
= A r
6.
1j k
5/ =
1j k
6\
1 k.
5t' =
4.
ll
[): =
1 j k
5~. .
51 =
1I k
EJERCICIOS
1-1. Si x
(i = 1,2, . ,N) son variables independientes entre si,
demostrar,
ax i
---=
ax j
6:
(i,j=1,2, . ,N),
a Xl
Si i = j ,
- - = 1, Y si i -:I j
ax
ax
SOLUCION
J
--
ax
= 0
luego la derivada parcial ax l
lax.
equivale a la delta de Kro
necker ~t ya que admite los mismos valores que ~sta.

1-2. Demostrar:
ax i
aX k
___ =
~i
siendo,
-1
- 2
Xi = Xi (X
,x
Xi = Xi (x ! ,x 2
N)
,x
,x N)
(i = 1,2, . ,N)
SOLUCION
Si,
l'\
r>.
Xi = Xi (X l,X 2
,X N)
- = Xi (Xl ,x 2
Xi
,XN)
se tiene por la regIa de derivaci6n en cadena,

ax i
ax i
axl
ax i
ax 2
ax i
---=--
L.n
=--
+ ... +--
+
axi
aX N
ax k
--
(i , j , k
axi
Haci~ndo
= 1, 2 , ,N )
N en la anterior,se tie
- x 2 , . , XN-X
ahora Xl = xi , X2 -
ne,
ax i
aX k
... _....
ax i
= -
ax k
axl
~i
ax!
1-4. DETERMINANTES DE
ORDEN ((N)! PROPIEDADES.
Siguiendo un razonamiento paralelo con relaci6n a los de

terminantes de segundo y tercer orden,empezaremos por definir
los sfmbolos de permutaci6n de orden
~,
(i 1 , i 2 , ... , iN = 1,2, . , N)
por las dos propiedades siguientes:

a) Si los fndices estan en el orden natural 1,2, ... ,N, en
tonces,
= 1.
=
12 N
b) Estos s1mbolos son
antisim~tricos
respecto a cada par
de 1ndices cualesquiera,
_E i 1 i 2
-lis
4+ 1
.i N ,
= is,
Es decir, si hacemos L,
E i 1 is ... is ... i
.i s_1i r is +
o.
Es decir, si el s1mbolo posee dos
mas 1ndices iguales, su
valor es cero. Lo mismo se puede deducir cuando el s1mbolo lIe

va N sub1ndices.
Si los 1ndices toman valores enteros de 1 a N en un or
den cualquiera sin estar repetidos, el s1mbolo valdra
en funci6n de que el nUmero de permutaciones de los
sea par
impar, respectivamente,para colocar estos
~1)6
(-1)
!ndices
1ndices
en el orden natural 1,2, ... ,N.

Bas~ndonos
en la propiedad de antisimetr!a, podemospues
determinar el valor de cualquier s!mbolo con

cos, y para ello veamos los
)
!ndices
siguientes ejemplos :
1.
123S4
= _
1234S
= -1 ;
2.
3.
S3421
= -
1342S
= -
1243S
13S42
1234S
12S43
a~
= 1234S = 1
= - 1
Si A es el valor de un determinante de orden
a~
num~ri
"~",
se tiene,
....... a~
A =
(1-4)
a~
~ a~
como se observa, el desarrollo (1-4) consiste
ahora .
en N! ter
minos(correspondientes a las permutaciones sin repetici6n de Ne

lementos) ya que si en un termino del desarrollo los sub!ndices
no son todos diferentes,
As! pues, cada
t~rmino
con t endxa un elemento de cada
lumna precedido del signa mas

mutaci6n i 1 i
Tambi~n
-L
A - c
fila y c2
menos segtin la paridad de la peE
iN respesto de la fundamental 1,2, ... ,N.
podemos establecer,
.
1 1 12"00 1 N
a i1 1 a 2 i
(i1
2 , ,
= 1, 2 , , N).
(1- 5 )
En el primer caso (1-4) se dice que el determinante ha sidodes

arrollado por filas, y en el segundo caso (1-5) por columnas.
Vamos
a demostrar ahora, con la ayuda de los s1mbolos
de
permutaci6n, algunas propiedades de los determinantes y aunque

nos centraremos en los de tercer orden, estas mismas
propieda
des pueden generalizarse a los determinantes de orden N de for

rna inmediata al introducir los stmbolos E it i 2
o o
iN 0
E..
11 1 2 001N
a) Demostraremos en primer lugar la identidad
i j k
I a j a I:.
"5
l mn
(1-6)
Evidentemente si reemplazamos l,m,n por 1,2,3 respect iva

mente, resul ta A = A. Demostremos ahora que el primer miembro es
.)
antisim~trico con respeto a qualquier par de tndices libres 1m,

In,
mn. Por ejemplo la antisimetr!a del par mn se ve
do los elementos aj,
a~
reemplazando
j k
por
i k J
permuta~
e intercam
biando finalmente los !ndices mudos k,j :
La antisimetr!a de otros pares de tndices libres se demuestra

de la misma manera.
Si partimos de los valores 1,2,3 para los tndices libres y
los vamos permutando en ambos miembros hasta conseguir que sean
l,m,n, se
cumplir~
siempre la identidad (1-6) ya que la antisi
metr!a del segundo miembro respecto de dos cualesquiera de

!ndices, es evidente :
los
De
la misma forma se demuestra que,

a11"""i""k
-m-n
"ijk
"1m n
(1-7)
b) Si a un determinante se Le intercambian filas por colurn

na s , el nuevo determinante obtenido tiene el mismo valor que el
primero.
Si
A
al
a~
a 3l
a 2I
a 22
a 32
a 3I
a 32
a 33
b II
b 3
I
b 23
b 33
a Il
a 3I
a~
a 23
a 3l
a 33
\'
Se curnple en este caso,
, =
b]
a!
Se define como determinante transpuesto del A el B y viceversa,
y se indica
T
B=A;
A=B
y entonces,
por 10 que,
A
B ,
o bien
A
(1-8)
c) Si se invierten dos lineas paralelas de un deterrninan

te,
~ste
cambia de signo. Intercambiando las dos primeras co
d} Multiplicaci6n de dos determinantes.Si

A= eijk
a.la~ak3
1
B = elmn bf
b~b~
Al multiplicar ambos miembros de (l-6) por
bfb~b~,
l b 2b 3} = eijk al amanb l b 2b 3
A(e 1mn b Imn
ijklmn
igualdad equivalente a
AB = eijk
(bl al )
(b~aj) (b~ a~)
(a)
Definamos un nuevo determinante,
c = e ij k cl c]
c~
(b)
Para que los primeros miembros de (a) y

C
(b) sean iguales,
= AB
es preciso que sus segundos miembros
tambi~n
10 sean, y para e
110,
cl
= bf a]
que en forma
m~s
compacta,
(i,j,k= l,2,3)
(l-9)
determina~
Aunque la expresi6n (l-9) ha sido obtenida para
tes de tercer orden su generalizaci6n a determinantes de orden
"N" es inmediata siguiendo siguiendo un razonamiento paralelo a

la demostraci6n anterior partiendo de los desarrollos,
N
A=
a iN ' etc
A C se Le llama "determi.nante producto". Para obtener su elemento

gen~rico
cl
basta multiplicar ordenadamente los elementos bL de
la fila
de B por los elementos at de la columna
II
II
sumar los productos indicados:
II
j" de A
10
C i-bi
j 1
a J.J+bi2 a J~+
+biN a jN
(i,j == 1,2, ... ,N)
A esta forma de multiplicar dos determinantes, evidentemente

del mismo orden, se Ie llama abreviadamente "filas de
por
columnas de A". Debido a la invarianza del valor de un deter

minante al transponer filas por columnas (1-8) quedan tres P2
sibles formas, ademas de la anterior, de multiplicar dos
de
terminantes:
Filas de B por filas de A,
Colurnnas de B por filas de A,
Columnas de B por colurnnas de A.
e) Derivada de un determinante.
,.-"
Si
= a~J
a!J
( t)
son funciones contfnuas de un parametro
en una
cierta
re
gi6n R, entonces en R se verifica, siendo
:t
(a}) = D (al ) ,
la siguiente identidad:
D (e r
tal a 2 a 3)
r
s
t
r s
t (Da 1 ) a 2 a 3 + e r
r
s
t
tal (Da 2 ) a 3 +
r
s
t
(1-10)
1-5.
DELTA
DE
KRONECKER
GENERALIZADA.
Los slmbolos de perrnutaci6n van intirnamente ligados a las

deltas de Kronecker generalizadas.
Un sfmbolo,
8~1~2'~1
J1 J2 JI
que tiene
superfndices y
subfndices (grado del sfmbolo:21),
pudiendo tomar estos los valores enteros de 1 a N ( nUrnero de

dimensiones: N ), se llama delta de Kronecker generalizada:
a) Si es
antisim~trica
respecto a un par cualquiera
de
superfndices y a un par cualquiera de subfndices

b) Si los superfndices son distintos entre s1 y los sub
lndices son los mismos en igual orden el s1rnbolo vale + 1. Si
11
el orden de super indices y subindices no es el mismo, el simbo

10
vale (+1) 6
(-1) segtin que el n11mero de inversiones sea
de la misma paridad que el de

c) Si en los
Tambi~n
dem~s
de forma
no
aqu~llos.
casos el simbolo es cero.
m~s
escueta puede definirse este simbolo
por la expresi6n,
8~1~2 ... i
) I) 2
-.
=
(-1) N, a),
l
lOb)
a) Sijl,j2,., jl son todos distintos y pueden colocarse en el or

den i i ' i 2 , ... i l
b) En los
por
dem~s
transposiciones de cada par de indices.

casos.
EJEMPLOS
~12
Ujj
=0'.
o~22
ri
~13
~31
1
= O, U31
=-1, U31=
. ~1432_0
'UI235- '.
El producto externo de los simbolos de permutaci6n de orden

N
ser~
:
;
Es un nuevo simbolo con N super indices y N subindices, es decir,

de orden 2N, cuyas propiedades nos proponemos estudiar.
a) El producto del primer miembro es
antisim~tricorespecto
a superindices, e igualmente respecto a subindices, de aqui que

el nuevo simbolo del segundo miembro deve tener
id~nticas propi~
dades respecto a estos mismos indices.

b) Si en el primer miembro los superindices son distintos en
tre si, y los subindices tienen, respectivamente,los mismos va
lores,pero pustos en igual
distinto
orden, el producto vale
(+1)6 (-1) segtin que la permutaci6n de los superindices del pri

mer simbolo sea 0 no de la misma paridad que la permutaci6n de
los subindices del segundo s fmbo Lo . Asi pues, en el segundo miem
bro se deben cumplir
id~nticas
propiedades.
12
c) En los dem!s casos, es decir, si hay repetici6n de dos

o m!s subf.ndices,o dos
mas superf.ndices, el sf.mbolo es cero.
Todas las propiedades anteriores corresponden a la defi

nici6n
de la delta de Kronecker generalizada con N superf.ndf
ces y N subf.ndices. Asi pues,

A~I ~2
~N
]1]2 ]N
= ~il i2 ...
iN
O j l j 2 j N '
por 10 que,
(1-11)
~
EJEMPLOS
e
132
e
1 32
f 3 2 1
231
e 321
6 1 3 2
1 32
= 1
63 2 1
2 3 1
= 0 ; e
1 2 3
f ij k
63 2 1
e iik
1 23
6 ilk
Uk
=0
Como,
f
1 2 N
=1
se tiene,
Ei
1 i2 iN
E i 1 i2 ..
iN
1 2
EJEMPLOS
",132
'"
= Uij
r l 2k 3
6132
1 2 3
La delta de Kronecker generalizada con N superf.ndices y

N subfndices (0 sea de orden
determinante de orden
2~)
es equivalente al valor de un
formado por N2 elementos
correspondi~
tes a todas las deltas de Kronecker de segundo orden compues

tas por cada uno de los superf.ndices y cada uno de los subf.n
dices .
Antes de demostrar esta importante identidad veamos como,
por ejemplo, un sf.mbolo de permutaci6n de tercer orden se
de poner bajo la forma del desarrollo de un determinante.
Empecemos por hallar el valor de A en la expresi6n,
pu~
13
A = '"", i j k
u~il~J.2~k3
u u
('~,J,
' k
123) ;
="
(1-12)
como se observa en (1-12) el segundo miembro representa el des

arrollo por filas del determinante,
8~
8!
8~
8~
8~
8~
8~
8~
8~
sea, al desarrollar,
A=l238~8~8~+ l328~8~8~+ 2l38~8~8~+ 23l818~8?
c-'
3l28~8~8~
32l8~8~8~= l238~8~8~=
1,
por 10 que todos los terminos son nulos excepto uno que repre~
ta el producto de las deltas de Kronecker de segundo ordendela
diagonal principal precedido del s fmbo Lo
23 Y cuyo valor es sian
pre la unidad.
En general, podemos afirmar que formando el desarrollo,
A
=c
i l i 2 i N
~1
O
L
~2
O 0 '
1. 1
1.2
1. N
( .
.
1
1.l,~2''''~N='
, ... ,
N)
se obtiene coro valor de A siempre la unidad, ya que todos los ~

minos del desarrollo son nulos excepto aqu~l en el cual il = 1 ,
i2
=2
iN
= N,
",l2 .. N
'Ij;
~1~2
ul u2
~N=l
UN
Dejando aparte este termino del desarrollo, quedaran (N!-l)ter

minos que tendran como minimo dos deltas de Kronecker nulas,
'" 1 2 (8) (1:) N ~ 1 ~ 2
~ (I:)
~ (8)
~ NN
u 1 u 2 U (I) u (r)" u
'II;
= 0,
por 10 que llegamos a la conclusi6n,

(1-13 )
y en forma de determinante,
14
51
5~
.......
o....... 0
5i
5~
.......
52N
o....... 0
5~
=1
5~
o..... 1
Adaptando la f6rmula (1-6) a este caso,
y como A = 1, queda la expresi6n que da la transformaci6n de un

~
simbolo de permutaci6n en un determinante desarrollado por fi

las,
(1-14)
equivalente a,
. . . . .... . .. . .. ...... ..
(i l
,iz , ... i
= 1,2, ,N).
(1-15)
Si observamos el segundo miembro de (1-14) todos los ter

minos del desarrollo
ser~n
nulos excepto uno que
ser~
que contenga los subindices en el mismo orden que los

dices,
i'l
sea cuando,
=i
';
y entonces este
'2
=i 2 ,
i'N
= iN'
t~rmino valdr~,
que es otra forma de demostrar la identidad
(1-14)
aquel
supert~
15
EJERCICIOS
1-3. Poner la unidad bajo la forma de un determinante de
cuarto orden
SOLUCION
De (1-13), para N= 4, haciendo il = i, i2 = j, i 3 = k e i 4 = 1
~
5!
51
5~
5~
5~
5~
5~
51
5~
51
5:
l=e i j kl
1-4. poner los s!mbolos de permutaci6n:

a) e l j, (i,j=1,2); b) e l j k, (i,j,k= 1,2,3); c) e 1 j
j=1,2,3)i d)
1"\
,
'<-
e12
b)
j k = el'i'k' 5 t, 5 J, 5 t. =
c)
(i',j',i',j'= 1,2).
511
512
513
5 j1
5 i2
5 j3
5 k1
5 k2
5 k3
5\
5~
513
5~
5 i3
(i' , j',~ , i , j , k =
1,2,3)
5~
ei j
5: ' 5 J,
= e i'j'k'
51
k'
= 5il
5I
l: 1
j _
l: 3
l:
u 3
l:
u 2.,.
5~
5~
=51
5~
u 2
(i,
3 ;
bajo la forma de determinantes.

a)
512
lP1
eli = e 1'i ' 5 I, 51, =
5 j2
5 i1
el
1 ,
5 i3
5 31
., k' .
1.,J,
,1.,J. = 1 " 2 3 )
("
Nota: En este ejercicio se ha utilizado el metodo de desarrollo del deter

minante por los elementos de una linea ( tercera fila) cuya justificacion
se vera en este mismo capitulo en 1-7 ( Adjunto de un elemento de un de
terminante) .
16
d)
e1 3
= ei j
Sl Sl s,
st
S~
S~
Sf
S~
S~
Si
S~
S~
(i,j,k= 1,2,3).
De la misma forma puede deducirse una f6rmula semejante a

la (1-14) partiendo de un s1mbolo de permutaci6n con N sub1nd!
ces,resultando,
EJ1 J. 2
(j 1 , j
J N
2 , ,
E"J
"
... j
1 J 2
'1 ,
'N
.,
, I
que equivale al desarrollo
8j1
por columnas de un determinante,o sea
8 h .... 8jN
2
:2
8 j 1 [) J2.- ..... 8 IN
(jl ,j2, ,jN
(1-16)
IN =1,2, ... ,N),
= 1,2, ,N).
(1-17)
g~
A partir de (1-11) podemos poner la delta de Kronecker
neralizada en forma de determinante y para ello nos apoyamosoe

viamente en las f6rmulas recien demostradas (1-15) y
~:4
02
~i2
(1~17):
~i 1
8H .....
~ i 2
8 . .. . .. 8J.
0 N
0 N
)2
~1
0 jN
2
.. . ... .... . . . . . . .
C.
J1
il
it
C. C jN
J2
i2
C.
Jl
c.
it
17
i2
:h
C .
J2
IN
=
iN
C.
J2
iN
C .
IN
y por la ley del producto de determinantes (1-9) efectuando di

cho producto al multiplicar filas por columnas,
por 10 que en definitiva,
8~t
8~1
.. . .. .. 8~1
IN
8~2
8~2
J2
Jl
J2
Jl
8~2
IN
;
(1-18)
En particular, en el espacio tridimensional,

[ji
[jl
[jJ
[jJ
[jk
[jk
...
',_
[jtik= i i k
Imn
e Imn
[jk
I
(i,j ,k,l,m,n
= 1,2,3).
(1-19)
En el espacio bidimensional,
I:
i i
UI m
t'
elm =
(i,j ,l,m= 1,2).
(1-20)
18
1-6. CONTRACCION V
PRODUC'TO tNTERNO DE
SiMBOLOS DE PERMUTACION
S:= en (1-11) efectuamosa con t r-accton jN = iN , obter'ern<.'

el producto interno,
f. i l i 2
i N f...
J 1 J2 1
=
N
8 ~IJ I ~2J2 ~ N ,
(1-21)
1N
siendo,
+ 8~1 ~2
~_12
(N)
Jr J2 IN-1 2
~ i l i 2 iN_IN
Ojl j2" jN-I N
(1~2
'
),
y resultando pues (N) deltas de Kronecker generalizadas con dos
lndices libres menos,
sea de orden 2N-2.Todos estes slmbolos

represe~
tienen los mismos lndices libres, luego su suma puede
tarse por un unico slmbolo con estes mismos lndices y entonces

resulta,
(1-23)
,
I
EJEMPLOS
2e
ei l k eImk = e i lie 1m 1
+1
e ilm
2 + eli 3 e1m3
51~3
= n
t~ (*)
= 0+0+0=0;
J\il ,
'1m'
J:iJ2
'1m2
(i,j ,l,m= 1,2,3).
(i=1,2,3).
Resulta evidente que debemos averiguar las propiedades de

este slmbolo (*), y para ello observemos 10 siguiente:
a)
(N-1)
Debido a la antisimetrla de los (N-1) superlndices
sublndices correspondientes a los slmbolos de perrnutaci6n
del primer miembro de (1-21), el slmbolo (*) tiene las mismas

propiedades con respecto a estes mismos lndices. Por 10 tanto a
menDs que los (N-1) superlndices sean todos distintos
entesl~l
slmbolo vale cero. Lo mismo puede decirse respecto a los (N-1)

sublndices.
EJEMPLOS
e ii k e l mk = 51~ = nt:.,= 0 ; (i,k,l,m= 1,2,3).
19
b) Supongamos que en el s1mbolo del primer miembro de (1

23) los primeros (N-1) super1ndices (il ,i2 , .. i N-1 ) sean todos
distintos entre s1 y escogidos entre los ~ valoresdisponibles
(1,2, ... ,R-1,R,R+1, ... ,N) en un orden cualquiera quedando
el
valor R, por ejemplo, sin ocupar. En cuanto a los (N-1)
prim~
ros sub1ndices (jl, j2 , ... , j N-l ), supongamos t.amb i en que
~stos
sean todos distintos escogidos entre los
mismos valores ante
riores en un orden cualquiera, puediendo suceder

b-1) Que los sub1ndices tengan los mismos valores que los
supra1ndices en igual
lor
distinto orden, quedando, pues, el va
sin ocupar, por 10 que de (1-22),
~~1 ~2
0JIJ2
0.0
N _ 1 (R-1)
jN-l(R-1)
(c)
De todas
10
habr~
las N deltas de Kronecker del segundo miembro
una que
tendr~
los N super1ndices distintos entre
s~
s~
y N sub1ndices distintos entre s1, y ser~ ,

(d)
Las otras (N-1) del tas de Kronecker
ser~n
todas nulas por ll~
var aDs supertndices repetidos (y tambien dos sub1ndices), veamos

ahora el siguiente
EJEMPLO
1321
1231
= <5 ~
= <5~1
+ <5 ~
+ <5 ~
= <5lli:
+ <5 ~~
(I
b-2) Que entre los sub1ndices, que
tambi~n
=-1
=J I 2,3,4 )
son todosdife
rentes, se ocupe el valor R, quedando sin ocupar el valorS,por

ejemplo, siendo R"I
toman
id~nticos
s,
10 cual significa que los sub1ndices no
valores que los sub1ndices. Entonces al efec
tuar la contracci6n respecto al 1ndice mudD iN{c), la
unica
delta de Kronecker con super1ndices distintos sera como antes

la (d). Sin embargo en
~sta
habra repetici6n de dos
sub1ndi
20
ser~n
ces y concretamente
meros
los R ya que aquf entre los (N-1)pri
subfndices estaban todos (incluido R) excepto S. Luego
en este caso el resultado final
ser~
cero.
EJEMPLO
1321
(i
= {j 1314312 t
1431
= 1,2,3,4).
Todas las propiedades enunciadas de acuerdo con losresul

tados obtenidos identifican al sfmbolo (*) con la delta
necker provista de (N-1) superfndices y (N-1)
tt:
~2
J 1 J 2
N-l
J N-l
= 8~1
~2
J 1 J 2
i
j
deKr~
subfndices,o~,
N-l R
(e)
N-l R
y al substituir en (1-21),
E
Jl J2
.
.
IN-l1.
8 ~1 ~2
J 1 J 2
(1-24)
Solo nos resta observar que las deltas de Kronecker del
s~
gundo y tercer miembros de (e) son identicas pues al eliminar

los fndices numricos R la paridad relativa de subfndices res
pecto a superfndices no se altera.
EJEMPLOS
1321
ii
e 1241
1231
1mk
11 1321
u 1231
= {jlin ,
1421
_
-
{j m =-1,
(i = 1,2,3,4).
(i,j,k,l,m= 1,2,3).
111241
u 1421
11124
u 142
=- 1 ,
(i = 1,2,3,4).
Observemos en el ultimo ejemplo que,
{j ~l~~
= e 1243
1423
= (-1) (+ 1) = -1 ,
mientras que al suprimir el ultimo fndice (3) repetido arriba

y abajo, queda,
{j ~l~
= (+1) (-1)
-1,
10 que significa que al eliminar el fndice repetido se pueden
21
alterar las paridades absolutas, como en este caso, de subin

dices y super indices perc no la paridad relativa que en defi
nitiva es la que da el signa a la delta de Kronecker, y queda,
por tanto, invariable.
Expresemos finalmente la delta de Kronecker de (1-24) de
orden (2N-2) en funci6n de deltas de Kronecker de 2.ll. orden ba
sandonos en (1-18),
EJ 1 J. 2
~~l
=
N-l iN
~il
~il
Oj2 OjN-l
OJI
~~2
~ i2
OJ 2
Jl
~i2
0 j N-l
jN-l
;'i
~~1~2
0 J1J2
1,2, .. ,N).
(1-25)
La f6rmula anterior aplicada a un espacio tridimensional,
II
l5~ l5~l5:Ul5t,
(i,j,k,l,m= 1,2,3).
l5~
c?l
(1-26)
EJEMPLOS
l
t j 2 kj
l5l ~i
l5~~
= _ Bilk=
Imk
6~
c5L - l5L l5~ = -l5L l5~
(i,j,k= 1,2,3)
i jk
1k m
= _ i jk
Imk
_ ,J;il
"bD
=_ (J;i"I
-l5mi
t.m
J;j ) .
"I
(i,j,k,l,m= 1,2,3)
Si en
(1-11) efectuamos las contracciones
j~l= i~I'
jN
= 4l, se obtienen deltas de Kronecker qeneralizadas con dos su

superindices y dos subindices menos,
sea de orden 2N-4. Por
un razonamiento paralelo al anterior se llega a,
22
i
j
N- 2
= 2!8~ 1 ~ 2 i N-2
J 1 J 2 ... j N-2
RS
N-2 RS
siendo los super!ndices i
(f)
2, ... i N- 2, (N-2) valores escogi

dos entre los N disponibles (1,2, ... ,R-1,R,R+1, ... ,S-1,S,S+1,
1,i
... ,N) en un orden cualquiera, quedando, por ejemplo, los va

lores R y S sin ocupar, y los subindices jl,j2, ..
,jN~
10smi 2
mos valores que los super!ndices pero tambien en un orden cua],

quiera. Las demas deltas de Kronecker generalizadas no cumplen
estas condiciones y
ser~n
nulas por tener repetidos super!ndi
ces y subindices.
Evidentemente hay un nUmero de deltas generalizadas
igu~
les no nulas, siendo este el de permutaciones de dos elementos

(R
r-
y~)
por 10 que queda justificada la expresi6n (f).
Si se contraen los ultimos (N-r) super!ndices

respectivos (N-r) subindices se obtienen (N-r)!
con
los
deltas de Kro
necker generalizadas con 2N-2(N-r) = 2r indices,

jr ir+l i
~ili2
(N - r ) .' 0"
JIJ2
i. r
Jr
(1-27)
Finalmente efectuando las contracciones de todos los su

per!ndices con los respectivos subindices (r = 0) ,
(1-28)
En el espacio tridimensional, la (1-27) se conviertepara
\
.."
N= 3 , r
= 1,
ijk
Ijk
en
= 6Bt =
(3-1)!61=261
(1-29)
(3-D)! = 6.
(1-30)
(i,j ,k,l = 1,2,3)

y para N = 3, r = 0, en
ijk
ijk
6Ut
(ij,k= 1,2,3)
Volviendo al espacio N-dimensional, se pueden
contraer,
en una delta de Kronecker generalizada con k super indices y k

subindices, los ultimos k-r super!ndices con los ultimos
k-r
subindices respectivos, dando como resultado deltas general i

zadas iguales con los r primeros superindices y r primerossub
23
indices. El nUmero de estas ser~ el de variaciones de los N-r

valores disponibles para ocupar los k-r puestos, 0 sea,
(N-r)!
vr:
N-r
(N-r)!
r (N-i)':' (k-r)]!
(N-k)!
por 10 que,
(N-r)!
(N-k)
~ ~ 1 ~2 ~l'
JlhJl'
(1-31)
Una aplicaci6n de la f6rrnula (1-31) podemos verla alefec

tuar el producto externo de,
mnop
c5 i j kl
(g)
mnpp
en un espacio de cuatro dirnensiones y con traer sucesivarnente

los indices hasta obtener el producto interno
Para ello, hagarnos en (g), p = 1 Y
ser~
N = 4, r = 3, k = 4
en (1-31),
c5 jj kl
"' k l
II
c5 mnol
Si ahora
mnk
ij
c5 IUD
(4-3)!
Si n = j, N = 4, r
c5 ij .
4 -1 )! c5 I
(4 - 2 )! m
rrtJ
*#-3!
4-4)!
l:i"k
u
Jmno -
c5 Ij k
mna
= k , N = 4, , r = 2, k = 3,
(4-2) !
c5 ij k
=2 c5ii
mn
= 1,
=2
3 c5 i
Si rn= i, N= 4, r= 0, k=l
c5!I
(4-0)
(4-1)
= 4.
De aqu.1,
k
i l =2. 3 6 1 =2 3 4 = 24
= c5 il
= 2 c5 11
iJ k
1
Al mismo resul tado se llega al hacer en (1-28) N = 4,

f il k I
ij k I
= 4! = 24
24
EJERCICIOS
1-5. Para N:: 4, demostrar:

~abc
urat
(1-11) ,
y como de
S ijkl
rstu
ijkl
::
Sabe u
defe
ratu
::
abcu
defg
luego por (1-25) ,

Sij kl
ratu
Sabcu
defe
::
ij kl
) (abeu
defe
S ij kl
defg
)::
ratu
S~
::
Sijkl
defe
Sabc
1-6. Demostrar para N:: 4 ,

~ijkl
~aatu
Uratu
udefg
de (1-11),
y por
(1-27), siendo r:: 1, N:: 4

~ ij kl
Urdu
~aatu
e defg
udefg
) (
aatu
ratu
::
iJ kl
6:.ofg
1-7 . Despejar A i de la ecuaci6n, para N:: 3,
Obs~rvese que B
jk
debe ser forzosamente antisim~trico p~
ra que el problema tenga soluci6n, pues cambiando el orden de

los indices libres,
Mul tiplicando ambos miembros de (*) por

pesta a los indices
iJ"k
A i::
ljk
2.!;i
"l
A i::
ljk
y cambiando el indice libre 1 por i

Ai::
1
"2
ijk
siendo
A jk::
A jk
A I::T
1 ljk
de la ecuaci6n,
Bi
an t Ls rme t r r co
(Ajk::
-A ki )
Multiplicandoambos miembros por
Um
sumando respecto
al indice mudo i, y teniendo en cuenta (1-26),

ijk
Uo1
B jk
Bjk.
1-8. Despejar Aj k
ijk
Bj k
al sumar res
(1-29),
y k Y tener en cuenta
Bj k
ljk
ljk
Ajk ::
i
i101
(8i"
k
I k
Sm". S O1Sl )
A i k::
i
Uo1
ra~
25
cambiando losfndices libres 1

A Ik --
21
,~
por
i,~
respectivamente,
ilk
1-9. Demostrar para N = 3, que,

l + a 2+a 3
llilk
lmk a jm= lli1 (a 1
2
3
-alI
Al tener en cuenta (1-26),
Por (1-29),
ll~:~
al = 2 ll~ at = 2at =2 ( a] +a~ +a~ )
si aim es
sim~trico
(aim = amI )
If)
De (1-26),

llilk
Imn llmlln
I
k =2ll iI
Descomponiendo la delta de Kronecker II t~n
en producto
de
sfmbolos de permutaci6n (1-11), efectuando las contracciones

pertinentes,
l: ijk
U
lmn
l:
mll kn =
ul
ijk
l: ml: n) _
Imn Uj
Uk -
ijk
Ijk =
l: ii k
= 2 II Ii
Uilk
II ij
k
II lk
~n
Imn
=4
IIII
La delta de Kronecker
llj~
proviene, al referirse a un es
pacio tridimensional, del producto de los s1mbolos de

ci6n,
(1-26)
,
y como,
permut~
26
se tiene,
efectuemos los productos internos de los s1mbolos en cada pa

r~ntesis,
(1-29) ,
ii k 8 m n - 28 0
8 Imn
ik I
= 48 1i
28 10'
1-14. Desarrollar para N = 3,

8iik
a 1m n
Imn
Descomponiendo
den,
81~n
en deltas generalizadas de segundo or
(1-19),
--~
8 in
8 im
al desarrollar el determinante y efectuar los productos inter

nos se llega a,
1-15. Si
A
Ii
Xi
=0
xi
(i , j
= 1, 2 , 3 )
para cualquier valor

este s1mbolo
A i i
es
Xl
siendo
~i
constantes, demostrar que
antisim~trico.
Derivando parcialmente y sucesivamente,
A 1..J Xi Xi = 0,
primero respecto a
A ii ( 8 ~ Xi
xr
y despu~s respecto a
+ Xi 8 ~ ) = o.
Ii
~ l ~i
( uru.
~l ~i ) = 0
u.u
y al efectuar los productos internos,
+A
sr
=0 ;
rs
= -A
sr
x,
27
1-16. Demostrar que si ,

A
li k
jk -
(i,j,k
= 1,2,3),
A j k es simetrico.
Mul tiplicando ambos miembros por e imn Y sumar respecto
los indices mudos i
e ij k e ilm A j k-- 0 ,8 1m
j k A j k- 0,'
y al descomponer
8:~
en deltas de segundo orden,
(1-26),
luego
A
jk
kj
1-'7" AD.JUNTO DE UN
ELEMENTO DE
UN DETER
MINANTE
Desarro11emos, por filas, un determinante de valor A
orden N,
(1-32)
(i1,i 2 , i R, ,i N
1,2, . ,N).
La expresi6n (1-32) puede ponerse bajo la forma,

C i l i 2 ... iR ... iN
A = [ c
R-1
R+1
N]
ail ai2 . aia-l aiJt+'l .. ai N
ai a
La parte literal entre corchetes es el "adjunto" A~R del ~

lemento a~
J.
y entonces,
AiR
a~
R
J.R
'
(1"R , R -- 1 , 2 ,
N)
(1-33)
que representa el desarrollo de un determinante. Dicho desarro

110 se lleva a cabo sumando los productos de los elementos de
la fila
ces
por sus adjuntos respectivos
(obs~rvese
que los indi
no generan sumas).
Si el desarrollo es por los elementos de la columna 5,

(js'S
1,2, . ,N).
Las relaciones (1-33) y
(1-34)
(1-34) pueden expresarse, respes
tivamente,
A
A\r) a~r),
(r, s
= 1,2,
, N)
(1-35)
28
(r,s
= 1,2, ..
(1-36)
,N).
Volvamos para su estudio, a desarrollar el adjunto A~del

elemento a~R de un determinante de orden N,
A~R= f i l b ... i R ... iN
a1. a~ ... a~-l a~+1 .. a~ ,

(h)
11 12
lR-1 1R+I
1N
que representa la suma de (N-1)! t~rminos ya que se dispone de
(N-1)
sub1ndices (ii' i 2 , .. , i R- 1 , i R+1 , ... , iN) admi tiendo (N-l) va
lores nume r i.co s 1,2, ... ,5-1,5+1, ... ,R, ,N quedando el valor ir:
5, por ejemplo,sin ocupar. Pongamos atenci6n en estos terminos
y observemos que en ellos no figura ningun elemento de la fila
R
ni tampoco n Lnqtin elemento de la columna i R = 5. En cuanto al
signo que debe preceder a cada
t~rmino, aqu~
es gobernado per
el s1mbolo de permutaci6n,
fil i2 ... iRi N= fil i2
(i l ,i 2, .. ,i R_ 1 ,i R+ 1,
(L)
i R- 1 S iR+1.. i N
,i N= 1,2, .. ,5-1,5+1, ... N).
Como el !ndice i R tiene el valor fijo

de orden R,
est~
en la posici6n
!ndice
posici6n
'~
..
"-
se necesitan
15-RI
inversiones
cambios de signa representa
dos por
(j)
para colocarlo en su posici6n natural (es decir, pasar i R en la

posici6n de orden 5). As! pues el s!mbolo (i) queda con
N-1
!ndices literales, y
(h) equivale, salvo el signa (j) a
unde
terminante de orden 2N-2 obtenido al orlar fila y columna que

pasa por a~R del determinante principal.
As! pues,
29
1
a2
a.; .
.LR-I"
a~
a~
a.;
R- I
aM
ai R+I
2
a2i
.LR+I
...................................
a RI -
aR - 1
a1R + 1
...... .at
R-I
I
R-I
a R-I
i
a;;R
R+I
a2R+ I . a R+
i
R+ I
ai
. aR+
N I
a 2N
a~
aNJ.'
R-I
R+ 1
J.R+ I
..... aNN
EJEMPLO
Sea A un determinante de tercer orden y busquemos el ad

junto
"
A~
del elemento
a~
: (i R= S =3, R= 2)
= (-1)
_- ---
=-
(a~
cq -aJ a~
a~
).
Por otra parte, si queremos calcular la expresi6n,

B = a] A:
(r,s=1,2, .. ,N),
podemos, primero, sumar respecto los indices mudos s , y lue

go, respecto a los ,
(r=1,2, ... N)
siendo el primer sumando el desarrollo del determinante por los
elementos de la primera columna, el segundo sumando el
desarr~
110 del determinante por los elementos de la segunda columna,
etc ... por 10 que,

(r,s
= 1,2, ... ,N).
(1-37)
Luego la suma de productos de todos los elementos de un

determinante de orden N por sus adjuntos respectivos equivale
a N veces el valor A de este determinante.
Para determinar A~ en funci6n de una delta de Kronecker
generalizada de orden 2N debemos partir de una f6rmula
an~lo-
30
ga a (1-6) relativa a un determinante de orden N:
(i 1 ,i 2,. ,i R, ,iN,j 1 ,j2 ... ,jR"" ,jN
= 1,2, ... ,N).(1-38)
Multiplicando ambos miembros por f . .

.
. , y efectuando
JIJ2JRJN
la contracci6n de 1ndices en el segundo miembro, (1-11), obte
nemos,
N! A
(k)
La (1-37) toma ahora la forma,
a~R A~R= N A.
(1)
1 R JR
Multiplicando ambos miembros de la anterior por (N-1)!
(N-1)! a~R A~R= N!A .
1R
JR
De (k) Y (m) se deduce inmediatamente,
Ai R= (N1 1) ,
jR
-.
8 JIJ2JRJN
~ I ~ 2 ... ~ R... ~ N
(m)
a ~ 1a ~ 2 ... a ~ R-t a ~ R+ 1 ... a ~ N. (1- 3 9 )

11 12
1 R-I1R+l
1N
Obtenido el valor del adjunto, efectuemos el producto interno,

rver (1-38), que sigue siendo v~lida al cambiar super1ndices
por sub1ndices y viceversaJ .
jR AiR=
. jR
a~R
fili2 ... iR-tiRiR+1 ... iNrf

.
jl j2 jR-I jRjR+l jN
~N-1)!..
a ~ I a ~ 2 . a ~ R-I a ~ ,R a ~ R+ I .. a ~ N] =
11 12
1R-l 1R 1R+l
1N
c iii 2 ... i R-I i Ri R+ I ... iN f .
.
.
A =
1
(N-1 ) ! e l l 12 ... 1R-I 1R1R+ I ... 1N
I
iii 2 ... i R-I i Ri R+ I

i l i 2 i R ':" . iitiR+l
La delta de Kronecker generalizada del segundo miembro

contiene (N-1) superfndices iguales a sus respectivos
(N-1)
subfndices. Efectuando las contracciones segun (1-27), para
r
= 1,
A
~iR
(N -1 )! (N -1 )! 0
que es equivalente a,
i'R '
31
(i,u,r = 1,2, ,N)
(1-40)
Si u = r, se tiene, al no efectuar la contracci6n de estos

1ndices,
(1-41)
que es el desarrollo de un determinante por los elementos
de
la colurnna "r".
Si en (1-41) surnamos respecto al 1ndice
~
Af = A8 ~ = NA,
an~loga
(1-37).
en (1- 4 0 ) u =I r ,
Si
""
E'
..
a], Ai = A8 ~ = A. 0 = 0,
(1-42)
que establece:
Si se mul tiplican los elementos de la columna
adjuntos respectivos de los elementos de la columna

I
}
por los
E'
es nu
la la surna de estos productos.

Una demostraci6n similar nos conducir1a a,
(i,u,r = 1,2, . ,N)
(1-43 )
EJERCICIOS
es sim~trico, el adjunto ~ ta~
1-17. Demostrar que si al

bi~n
10 es.
Si en (1-39), carnbiamos en ambos miembros, super1ndices
por sub1ndices y viceversa,

Aj
i
1
~j 1 j 2
( N -1)! 0 iii 2
j
i
Nil
i 2
a. a
... a
iN J 1 j 2
j
Debido a la simetr1a del s1mbolo a;
R- I
ai
R+ 1
R- 1
R+ 1
, se tiene,
a i 2 =a~2, ... ,a~N=a~N.

j2
3. 2
IN
3. N
Por otro lado, de la definici6n de la delta de Kronecker

generalizada, se deduce que se pueden intercambiar totalmente
super1ndices por sub1ndices sin cambiar de significado,
lueg~
32
con 10 cual queda demostrada la simetr!a del adjunto.

1-18. Demostrar que el valor A de un determinante de or
den "N" puede ponerse bajo la forma,
(n)
Al multiplicar ambos miembros de (1-39) por a~Ry sumando

respecto a los !ndices mudos
it e
Y de aqui se deduce (n) al pasar
l.R
~,
y recordar (1),
al segundo miembro.
1-19. Demostrar la f6rmula (1-24) por determinantes.

Si en la expresi6n (1-18) hacemos jN
= ~,
se tiene,
1'-- . . .
I 8tl)1
1
8~1
. 2 8I
N-I
I
I
tl
c5l.N
8~2 I 8:!-2
1-1
N-I I
................. -II ..
8~2
)1
~iN
Ujl-I
8~2
)2
~ -4.
~ i N,-
Uj2",,1 U:iN,-~
______ 1
8 ~~
8 ~ 8 ~~ 1
t:
El determinante resultante de orden 2N, puede desarrollar

se por los adjuntos de la
~ltima
columna de acuerdo con (1-36),
J:i
. . . . V; 2
"N =1
~i3
U;_
oN - I
. . .... . . . . . . .. . . . .
33
i
us: . 1
J N
8~3
J N-
S:~t
8~t
Jt
J2
!:it
N-t
(0)
obteni~ndose
N determinantes de orden 2N-2 de significado muy
sencillo. En efecto, llamando
al determinante obtenido
al
orlar fila y columna que pasa por 8tN del determinante origiIN
nal, veamos la relaci6n entre ~ y los diferentes terminos de
,Y)
. (n
i
-.
(0)
El primer
t~rmino,
al efectuarlascontracciones
con los elementos de la ultima fila, vale,
~t
= (-1)
( N + 1)
8it
J' t
- us:i
J
2
N-t
. .. .. .... ... . .. . .
8 JtN-t
t
8 tN-t
8 -IN-t
J 2 J N-t
34
ya que,
8~1
~~N=~~l
~N
0 .. _J 1- 0 J
... ,
--~._--_
~ ~l
~N
y para pasar la ultima fila a primera se necesitan (N-2) cam

bios de signo.Efectuada esta operaci6n, el determinante
~bte
nido es t!J.,
t!J.
(-1) (2N-l) t!J. =-t!J.
An~logamente, el segundo t~rmino de
(0)
al contraer ~~2
O~N
con los elementos de la ultima fila,

; ;
y efectuar (N-3) carnbios de signo
~ ~2
~~N
= ~~2
O~N-IOJN- 1 0JN-l
para pasar a segunda fila,
se transforma,
Todos los terminos restantes son iguales a
(-t!J.) excepto
el ultimo que vale,

t!J. N =
(-1) 2 N 8~N t!J. = N t!J.

~N
Y por 10 que finalmente,

B =
(- t!J. - t!J. ~~~1) - t!J.)
+ N t!J. = t!J. ,
~~1
0Jl
~~l
0J2
~~l
0JN-l
queda demostrada la f6rmula (1-24).
1-B. RESOLUCION DE
SISTEMAS
DE
ECUACIONES
LINEALES.
Sea el sistema de N ecuaciones lineales con N inc6gnitas
35
(i,j
= 1,2, ... N).
(1-44)
Vamos a estudiar solamente el caso en el cual el determi

nante A formado por los elementos a:
A
= I at I
es distinto de cero,
~ O.
Probaremos que existe soluci6n dnica para el conjunto de

valores
XI
,x 2
,x N
En efecto, multiplicando ambos miembros
de (1-44) por A~ (adjunto del elemento at),
y al efectuar en el primer miembro la contracci6n de
los dos
primeros sfmbolos (1-43),

...,
i,
Cambiando el fndice libre k por
= 1,2, .. ,N),
(i,j
(1-45)
que es la soluci6n del sistema (1-44).

Observemos que
deducible del
nante
~,
Ai b,
es el desarrollo de un dete.nninante B,
por los elementos de la fila i. El
determi
tiene las filas 1,2, .. (i-1), (i+1), .. ,N id4nticas
las del determinante
~,
ti tuido los elementos a j (a; , a 2

pendientes b j (b, , b 2
mientras que en la fila

j
, ,
bN )
, ,
a~)
por los
se han
t~rminos
sub~
inde
Sin embargo los coeficientes at
de las incognitas
en
su
posici6n natural forman el determinante transpuesto del A:
(1-46)
. . .... . . ...... . . . .......
Para ello basta observar la disposici6n de
~stos
en el siste
ma de ecuaciones (1-46), forma desarrollada de (1-44). Enton

ces,
36
a~
a~ af
a~
a22
a~
aN .. aN
a2N
Transformaremos la ecuaci6n (1-45) de tal suerte que las

r
T.
inc6gnitas estn en funci6n de A y A~.
De la propiedad b) reI
lativa a los determinantes,
(1-8), se tiene,
T
A=A
(p)
Sabemos ademas que entre los elementos de un determinan

te y los de su transpuesto existen las relaciones,
a'I
= b!
I
siendo,
J'
e identica propiedad se puede aplicar a los determinantes for

mados por sus adjuntos,
.
AIi = Aij
(q)
Al tener en cuenta estas relaciones (p) Y (q) en (1-45),
se
llega a,
(i,j
= 1,2, ... ,N)
(1-47)
donde se ha heche b i = bi para mantener coherente el convenio

de la suma.
Ahora Alb i representa el desarrollo del determinante
por los elementos de la columna
substi tuyendo previamente en
dicha linea los elementos ~ (~l ,a:, ... ,a~) por los
independientes ~ (b
1,b 2
,b N
) .
As! la forma desarrollada de (1-47) es pues,
trminos
37
a~
a~
a~
a ~+l
a~
..........................................
a~
a~
Xi
. .
i-I
aN
i+I
N
aN
. . . . . .. aN
=
a~
a~
a~
a~
a~
a~
aN
N
(1-48)
(i=1,2, .. ,N).
Inversamente, podemos partir del conjunto de nUrneros (1

45) 6 (1-47) Y comprobar que son las soluciones del sistemade
ecuaciones (1-44). Partiendo de (1-45), al multiplicar ambos
miembros por aL , sumar respecto a los 1ndices mudos i ytener
presente (1-43),
bj
a],
Xi
= -
bj
(AI
aL)
= -
A
Y al cambiar el 1ndice libre k por
se obtiene (1-44).
A los elementos,
A~
Adj.
at= - - :::
aL
(1-49)
se les llama ad.junro nOJUrlaLi.zad0.6
Su producto interno por
a~
da (1-43),
= c5 i
A
(1-50)
38
y de manera similar, su producto interno por a:

Ak
a!I a!< = alI
= t) ~
(1-40),
(1-51)
Si el sistema de ecuaciones se presenta bajo la forma,

a!I
Xi
bl
(i,j = 1,2, ... ,N)
(1-52)
y como antes se supone que,
se llega rapidamente al resultado multiplicandoambosmiembros

de (1-52) por At y efectuar la contracci6n con a]
a!I
AI<I xi =
A!<
b! A
I '
i
t)!<x
I
y al cambiar el 1ndice libre

xi
i..
(Ai b i
i
x k = -!...
A (Akb
I
i
= A!<b
I
por
(1-40),
)
i '
at b i
(1-53)
que es la soluci6n del sistema. Como los coeficientes at
de
las ecuaciones (1-52) completan el determinante en su posici6n

natural no hay que efectuar en (1-53) transformaci6n alguna.
Si el sistema es
al xi =
~ste adem~s
0 ;
homog~neo,
(i,j = 1,2, . ,N)
(1-54)
de admitir siempre las soluciones triviales,
xi = 0 ;
(j=1,2, ... ,N)
puede tener otras distintas de las anteriores si,

A =
I I
a:
(1-55)
= 0 ; Ai..::f 0 ,
10 que significa que podemos despreciar la Gltima ecuaci6n
del
sistema por formar sus coeficientes una fila combinaci6n line

al de las restantes, por 10 que el sistema a resolver, previa
cumplimiento de (1-55), es,
a]
Xl
=0
(i=1,2, ... ,N-l, j=1,2, .. ,N)
(1-56)
consistente en N-l ecuaciones con N inc6gnitas.

Vamos a demostrar que los adjuntos de la Gltima fila
del
determinante A (1-55),0 sea Ak ,forman un conjunto particu

lar de soluciones del sistema (1-54)
. A tal fin efectuemos
el
producto interne (1-43)

at Ak =
como i::f N ,
At)~
(i=1,2, .. ,N-l, j=1,2, ... ,N)
A t) k= 0, y comparando las ecuaciones anteriores con
39
las (1-54), llegamos a,

xi=Aj
(1-57)
(j=1,2, ... ,N).
N '
Las solucines generales son pues, al ser K una constante cual

quiera,
=KAk;
Xi
(1-58)
(j=1,2, ... ,N).

EJERCICIOS
1-20. Dado el sistema lineal y homogeneo,

(e~
-e <'J!)
Xi
J
siendo ej
= 0;
(i,j
= 1,2,3)
(r)
cantidades conocidas, determinar: a} Condici6n de com
patibilidad del sistema. b} Demostrar que si
admite dos 50
I
luciones imaginarias conjugadas, el vector X(X ,X 2 ,X 3 ) t a mb i e n
~
admitir& dos direciones imaginarias conjugadas.

a} Comparando el sistema con (1-54) se obtiene,
a!J
= elj'
- e <'JJ!
cuya condici6n de compatibilidad es de,

;'\
'l
A=la~l=o ;
(1-55),
leI -e<'Jtl =0
que en forma desarrollada equivale a una ecuaci6n cubica en

e~ -e
e~
e~
A=
e~
e~
b} Las raices e l
~,
e~
-e
ei
(s)
=0
e~-e
e 2 , e 3 pueden se las tres reales yentonces las

111
222
333
tres direcciones (Xl ,X 2 ,X 3 ; Xl ,X 2 ,X 3 ; Xl ,X 2 ,x 3 ) s e r &n reales,o
,
una raiz real (sea e 3, por ejemplo) y dos imaginarias

das, a saber,
e l = E I + F I i ; e2 = E I - F I i ;
siendo E I,
FI
conjug~
e3'
e3 reales e i la unidad imaginaria,

1111
2222
este caso las dos direcciones X(X I ,X 2 ,X 3 ) Y X(X I ,X 2 ,X 3 )
(t)
en
tam
bien ser&n imaginarias conjugadas. En 'efecto, cumplida laecua

ci6n (1-55) solo resta despejar las Xi de (r) mediante (1-57),
(j = 1,2,3)
y deduciendo estes adjuntos A~de la tercera fila de (s), (i = 3,
40
j=1,2,3),
e~
e~
Xl = A~ = (-1) ( 1 + 3)
= e~ e~ - (e~ -e) (e~ )

e~- e
e~
e~-
el
X2= A~= (-1) (2+3)
e~-
= [ (e~ -e)e~-eie~];
(u)
X3 =A~ = (_1)(3+3)
:=
ei
(e~-e) (e~-e)- ele~,
e~-e
1
Y si ahora substituimos e por el en (u) obtenemos X y si subs

-
##-',
ti tuimos e por e 2 obt.enemo s X Pero (u ) puede ponerse bajo la

forma de funciones potenciales de e ,
Xl= al+ble
X2 = a2+ b2e
X3= a3+b 3e +e 2
(v)
siendo al ,a2,a3,b l ,b 2, Y b 3 constantes reales
conocida~Secom
prueba facilmente que si en (v) substituimos e, primero

el= EI+Fli
luego por e2= EI-Fli se obtienen valores
por
tam
bien conjugados para las componentes de X y X por la conocida

propiedad de los numeros complejos de que si las bases de dos
potencias son conjugadas, dichas potencias t.amba en 10
son
si
sus exponentes son iguales.

1-2l. Resolver el sistema de ecuaciones,
= T[ox - I-l (o , + , ) ]
Ey = - [ O y - I-l (ox + Oz ) ]
E
E z = - [ o z - I-l (ox + Oy ) ]
E
Ex
siendo las inc6gnitas OX,Oy y oz, y las letras restantes, va

lares conocidos. La disposici6n de los coeficientes de las in
c6gnitas y los
t~rminos
-I-l
-I-l
independientes
-I-l
Ey
ser~,
por 10 que (1-48), la inc6gnita
41
valdr!,
~x
= -zs:
Ox
siendo,
E
Ex
- 1.1.
- /1
E e,
-J.l.
=E
-J.l.
1+J.l.
-J.l.
-J.l.
1+J.l.
-J.l.
= E (1+J.l.)
1-J.l.
Et+-E y
1.- J.l.
Llamando, para simplificar,
-,
y entonces,
Procediendo en forma similar,

1
~=
-J.l.
- J.l.
J.l.
-J.l.
-J.l.
-J.l.
J.l.
J.l.
-J.l.
1+J.l.
- J.t+1
J.l.
1+J.l.
-J.l.
= _
= (1+J.l.)
-J.l.-J.l.
- J.t+J.l. -J.l. -1
( 1 +J.l. )
1-J.l.
-1-J.l.
J.l.
(1- 2J.l. ) ,
por 10 que,
Ox
=~ =
.u
E(l+J.l.) [Ex (1-2J.l.)+JleL

(1+J.l.)2(1-2J.l.)
E x
1+J.l.
EJ.l.e
(1+/1) (1-2J.l.)
42
y por permutaci6n circular se obtienen las otras dos inc6gni
tas,
Oy
Oz
. "-..
=~ +
l+p
Epe
(l+p) (1-2p)'
=~ +
Epe
(l+p) ( 1-2p)
l+p
Capitulo 2
IVIATRICES
2-1.
PRELIMINARES.
Se define como matriz una ordenaci6n de numeros dispues

tos en fi1as y co1umnas y que obedece a ciertas reg1as
queir~
mos definiendo. La matriz ,

a 1l
[ A]
a 21
1
aN
a 22
2
aN
a!
(a)
(l~l~M)
(l~j~N)
M
aM
2 aN
consta de M fi1as y N columnas. E1 e1emento gen~rico a:

matriz puede ser real
j-~sima
imaginario y ocupa 1a
i-~sima
de 1a
fila y
columna. La ordenaci6n as! definida se 1a llama matriz
rectangular de orden (M,N).

Si M=N, 1amatriz es cuadrada y de orden N. 0 sea,
b~
bi
[ B] = [ bj ]
........ b~
(b)
( 1~1, j ~ N )
En este caso, los elementos,

b
I ,
b~
, b:
, b ~
forman la cLLa.gonal PJUnupal , mientras que los elementos,

43
44
1 2
bN
b(N-l)' ... ' b~N-i+l), ... , b I
forman la c:Liagonai .oec.undcvr..ia.
A la matriz de orden (l,N),
[ A )
= [ a!)
= [ a] a] ... a~]
J
(1~j~N)
se llama ma.ou.z 6ila
l-I
[B
b\ ]
y a la de orden (N,l),
(b] b~ b~) ,
(1<j(N)
b~
matJUz c.otumna que, para ahorrar espacio se representa horizon

talmente perc
lI
corchetes~
e n t r e parentesis" en lugar de "entre

EJEMPLOS
[:
(c)
-:]
-a
:]
[3 4 x
y].
(f)
(d)
3
(e)
La matriz
(c) es cuadrada de orden 2; la (d) es
rectang~
lar de orden (2,3); la (e) es una matriz columna de orden (3,

1); la (f) es una matriz
fila de orden (1,4).
-------- -.---_.
Si una matriz [A] =[ at]
super!ndice
~,
es de orden (M,N) resul ta
que
el
indicando el ordinal de fila, puede tomar cua!
quier valor entero desde 1 hasta M. El conjunto finito de to

dos estos numeros 10 representaremos por
{1,2, ...
y analogamente,
,i, ...
ser~
!,
as! que,
,M},
el conjunto finito de numeros (1,2, ..
,N) para el cual,

J
{1,2, ... ,j, .. ,N},
siendo j el sub!ndice que indica el ordinal de la
columna
que puede tomar cualquier valor entero desde 1 hasta N.

Del producto cartesiano rXJ se obtiene un nuevo elemento
generico (i,j),
r XJ =
{( i , j)
ae r ,
J} ,
45
de tal suerte que dicho conjunto IXJ define una aplicaci6n en

~,
un conjunto
cuerpo conmutativo con elementos neutros 0 y 1.
En este conjunto estan incluidos todos los
elementosa~
,bI , ...
zl de todas las matrices de orden cualquiera. As{ pues, la a

~
plicaci6n del conjunto IXJ sobre el conjunto

(i, j ) - a~
[ A]: IXJ-K
IGUALDAD DE
MATRICES.
igual a otra [B]

M
M'
(2-1)
Una matriz [A]
= [bU de orden
N'
se escribe,
de orden (M,N) es
[at]
(M' ,N')
si,
a'j = b !I
(1~'~ N)
(1
~ J ~
N)
y se expresa,
[A]=[B]
= b I) ;
(at
(2-2)
sea que dos matrices son iguales si tienen los 6rdenes
iguales y los elementos correspondientes tambien iguales.

MATRIZ TRANSPUESTA.
Si a una matriz [ A ] de orden (M,N) se
le intercambian filas por columnas

,
')
I
''\ I
columnas por filas se ob
tiene una matriz [ B ] de orden (N ,M) que por definici6n se lla

rna transpuesta de [ A] ,
1
a,
b~
a2 al .. aN
ai
................
[A]=[aj] =
b1
bI ... bk
bi b~
bi .... bi.
b~
.... b~ ... b~
[B]=[bp=
b]
(1 ~ i ~ M)
(1~j~N)
bI'" bf . br .... b~
donde,
ai,J
b~,
[ B ] =[
bl]
= [ a~] ,
y el s1mbolo empleado para representar la matriz transpuesta

[B] de [A] ser~ [A]ly por 10 tanto,
[ A]
[at]
; [
A] T =
[a!]
(2-3 )
EJEMPLOS
1. Calcular x e y para las dos matrices columna

[B] sean iguales,
[A]
46
[A] = (x+y
2);
[B] = (1
x-y);
[A] = [B].
Por (2-2), resulta el sistema de ecuaciones, de solucio

nes inmediatas,
= 3/2
x+y=l
x-y=2
Y = -1/2
2. Las transpuestas de,
[ B ]
=[ x
sen x
y]
son respectivamente,
[A]T= [a
d
b
e
cJ
[BJT= (x
senx
y).
MATRIZ SIMETRICA.
Una matriz es sim~trica si [A]T =[ A].
el orden de [A] es (M, N) el de [A]T ser! (N ,M), Y la

de estas matrices
exige M = N,
Si
igualdad
sea, la simetrfa s6lo se
pu~
de producir en las matices cuadradas. De (2-3),

[A]=[at]
; [A]T = [ a!I ]
= [A]
matriz [A] = [ at]
T; a tj
--
alt
(2-4 )
tiene por opuesta a
la
siendo esta ultima del mismo orden y se representa
por
MATRIZ OPUESTA. La
[-at]
; [A]
- [ A ]
MATRIZ ANTISlMETRICA. Una
rna
antisim~trica.
matriz [A] tal que [ A ] = -[ AJT se
ll~
La matriz [A] debe ser cuadrada ysuselemen
tos deben cumplir,

[ A ] = [ at]
[A]T=[ - all
at
=-
(2-S)
a]
De (2-S) deducimos que los elementos de la
diago~al
a~B= 0
MATRIZ NULA.
principal,
(2-6 )
Una matriz es nula cuando todos sus elementos
son nulos. Sin embargo, para que dos matrices nulas sean
les han de ser del mismo orden. La matriz nula se
igu~
representa
por [0].
MATRIZ COMPLEJA.
Si K = C (cuerpo de los nUmeros
complejos),
la matriz es complej a. Si K = R (cuerpo de los nume ros reales) la

matriz es real.
Si [A] e s compleja, la
MATRIZ CONJUGADA.
- matriz [A ]=[ ail]
mada por los elementos conjugados de los de [A] se

conjugada de
[A]
MATRIZ HERMITICA.
siendo a i j =
0ij
+ l3 i j i
aij =
Una matriz cuadrada [A] =[ at]
cS i j -
Ie
47
for
llama
(3ij i
tal que [A] T=[ A ],
es decir la transpuesta de [A] es igual a la conjugada de [A].

Si [A]T=_[A], [A] se llama antiherm1tica.
EJEMPLOS
3. Las siguientes matrices son ejemplos de

a) Matriz
sim~trica
de orden 3 y matriz cuadrada
antisim~tri-
ca de orden 4.
Cj
-~
" -v-,
Oil
012
013
012
022
023
-Wi
013
023
033
-W2 -W4
-w 3
Wi
W2
W3
W4 -Ws
W6
W 5 -W6
b) Matrices complejas conjugadas entre s1 de orden 3.
Matriz
herm1tica de orden 3.
l+i
'.
1-i -i
-i
1-i 0
-i
l+i
1-i
MATRICES TRIANGULARES.
= o.
sera triangular superior si para i<j

MATRIZ DIAGONAL.
-i
Toda matriz cuadrada [ A ]=[ aJ ] de orden
N es triangular inferior si para i>j ~ at
[ at]
l+i 1
=> at
La matriz
[A]
= o.
Una matriz [D] que es a la vez
triangular
superior e inferior se llama matriz diagonal y entonces si [D]

=[
d] l . i f j
=> dt
= o.
MATRIZ ESCALAR.
Si en [A ]=[ at ] se cumple at = k5t (5f
es la del
ta de Kronecker), a la matriz [A] se le llama escalar.

MATRIZ UNlOAD.
nemos [IN]
= [5f],
Si en una matriz escalar hacemos k
= 1,
obte
siendo N el orden de la matriz. Si este or
den se sobrentiende, la matriz unidad se representa
simpleme~
te por [I].
EJEMPLOS
4a. Matriz triangular superior y matriz triangular infe

rior, ambas de orden N.
48
al
a~
.... ah
al
0 ..... 0
a~ a~
at
a~
O a~
a~
a~
.... a~
4b. Matriz diagonal. Matriz escalar. Matriz unidad;
las
tres de orden N,
2-2.
a]
0 0
O 0
0 .... 0
a~
O k 0
1. .... 0
0 aN
00. . . . . 1
.... 0
OPERACIONES
0 k
CON
SUMA ALGEBRAICA DE MATRICES.
MATRICES.
La suma 0 diferencia de dos matri
ces [A I = [ af I de orden (M,N) y [B ] =[ bi I del mismo orden es 0

tra
matriz[CI=[c~1
de la cual se deduce,
[CI=[AI [BI =>ci =
(2-7 )
af bt
MULTIPLICACION DE UNA MATRIZ POR UN ESCALAR.
Si [ A I
= [at I,
es un escalar, la matriz producto [ C 1=[ cf I = k [ A I tiene por e

lementos,
c] = kat
(2-8 )
MULTIPLICACION DE DOS MATRICES.
El producto de una matriz [AI =
[at I, orden (M,N) por la matriz [BI=

matriz[CI=[c~l,
[~],
orden (N,P)
es
la
orden (M,N) cuyos elementos se obtienen,

(2-9 )
[ C 1=[ A][ B I => c], = at bl .
As1 pues, al multiplicar ordenadamente cada elemento de la fi

la i
(de [AI) por cada elemento de la columna k (de [B I)
sumar los productos obtenidos formamos el elemento cL

matriz producto ( [C I ). Esta forma de nultiplicar
de
y
la
s610 es po
sible si el ntime ro de columnas de [A] es igual al de filas de B

Si las dos matrices cumplen tal requisito, su producto
definido ( [A I [B I ) y se dice de elIas que son
est~
c.oI160Jlm~. Si
las
dos matrices son cuadradas y del mismo orden, quedan defini

dos los productos [A] [BI y [B][ A] , que en general, da r an como
resultado matrices diferentes.Sin embargo si se cumple,
49
[ A ][ B
=[ B ][ A
I,
se dice que [A I y [B I
c.onmutan ll 0 son II peJl.mutab.te..6 I1 Es evi

dente que cualquier matriz cuadrada es permutable consigo mis
rna, y con la matriz unitaria [I I del mismo orden,
[ I I=[ b~ I;
[ A I=[ a] I ;
[c
II
I=[ I ][ A I ~ c], =
st a~
[ B I=[ A ][ II ~b~ = a] b~ = aL ;
= al ~ [ I ][ A I=[ A ][ I I.
PROPIEDADES DE LAS OPERACIONES CON MATRICES.
a) A cada par de rna
trices [A I y [B I la adici6n de matrices hace
corresponder
tra matriz con las siguientes propiedadas:

([ A I+ [ B I)
tc
I= [ A I + ([ B I+ [
c I)
(Asociativa de la suma)
\'
(Conmutativa de la suma)
[ A I+[ B I=[ B I+[ A I.
Existe una matriz nula para la cual,

[ A I+[ 0 I=[ A I.
A toda matriz [AI se le puede hacer corresponder la matriz 0
puesta -[AI tal que,

[ A I+ ( - [ A ]) = [ 0 I.
Se supone que todas estas matrices son conformes con re

laci6n a la suma
sea todas ellas son del mismo orden (M, N)
Y pueden considerarse pertenecientes a un mismo conjunto

bre un cuerpo K. Sea k , ,k 2
so
K.
b) Queda definida la mUltiplicaci6n de un escalar
por
una matriz que goza de las siguientes propiedades:

[I][A I=[A][ I I=[A I.
k , (k 2 [A ]) = (k 1 k 2 ) [ A I.
(Ley asociativa para escalares)
(k r +k2 )[ Al =kl [A I+k2 [A I.
ki
(I A
]+[ B
I) =kl [A
(Ley distributiva para la

escalares)
ad Lc i.Sn
de
]+kl [ B I. (Ley distributiva para la
add c i.on
de
matrices)
c) La multiplicaci6n de matrices satisface las siguientes

propiedades:
c-l)
{[ A ][ B I)[
I=[ A I {[ B ][ c
]) =[
A ][ B ][ c I,
ya que si,
[ A I=[ at I ,[ B I=[ b~ I ,[
I=[ ct I,
se tendrA,
(Ley asociativa)
50
([ A ] [B] ) [
e ]=
( [at] [ hi.]) [cr] = ([ at bt.]) [cr] = [at bt. c]' ] =
[ at (bL cr )] = [at ] [ bL cr ] = [at] ( [bt.] [ cr]) =

[ A ] ( [B] [e] )
= [ at
] [ hi.] [ cr]
[A][ B ][ e ].
Debemos advertir que el producto de una cadena de matri
ces tiene sentido solamente si las matrices adyacentes de
la
cadena son conformes. As! el producto de [A] , orden (M,N) por

[B]
(N,P) por [e] , orden (P,Q) ser& una matriz de or
, orden
den (M,Q).
c-2. [A] ( [B] + I
cl )
[A][ B] + [A][
ci .
(Ley distributiva de la mul.ti.p.Hoac i.Sn a iz

quierda con respecto a la adicion).
Hagamos [A] = [a}]

[ A]
( [B] +
tc I
[ at ] ( [
(hi. +cL)]
[ a} bL]
+ [at cL]
, [B] =[
[at]
b~],
([
[e] = [cL]
hi. ] +
= [ (at
= [at (bL +cL )]
[at] [
bL]
[cL])
+ [af] [ cL]
y entonces,
bL ) ] + [ (al c~) ]
[A][ B] +
[Aue]
An&logamente se demuestra,
( [B] +
d)
l c l ) [A] =
[B][ A] + I c ll A].
( Ley distributiva de la muLt.LpLi.c ac Ldn a
derecha con respecto a la adicion.
Potencias positivas de una matriz cuadrada. Si una rna
triz cuadrada se multiplica
veces por si misma se obtiene u
na matriz resultante definida como la potencia

[A ] . [A
n-~sima
l- .(n!. [A] = ( [A] ) n
(2-10)
e) La operaci6n de transposici6n goza de las siguientes

propiedades :
[A] T)T
[A],
ya que si [A] = [a}]

( [A] T)T
= (
, se tiene inmediatamente por (2-3),
[a}] T)T= ( Cal ])T= [anT= [a}]= [A].
( [A] + [B] ) T =[ A ] T
En efecto si [A] = [al] y

( [A] + [B] ) T
(2-11)
+ [B:rr
[B]
= ( La] ] +
(2-12 )
[b}]
[b}]
)T
51
[ A ]T +[ B ]T
([ A ][ B ]) T=[ B ]T [ A ]T .
(2-13)
Sea [A] = [at] y [B] = [b!.], por 10 tanto,
(I A ][ B ]) T= (I a~ ] [ bl.] ) T= (I (at bit )] ) T= [at bl. ] T=
[ bl
at] =
[bl ] [ ar]
[bl ]T [ a~ ] T=
[at b1 ] =
[B]T [ A ]T
EJERCICIOS
2-1a. Despejar [X] de ([X]T+ [A] )T= [B].

Por (2-12) y
(2-11),
([ X ] T + [A])T = ([ X ]T )T + [ A ] T = [X] + [A]T

[ X] = [B] - [A]
[X] + [A]T = [B) ~
T.
2-1b. Despejar [X] de [X]T= ([A]T[B])T+ [B].

Transponiendo ambos rniernbros,
[ X] = {( [ A ]T [ B
l> T+
[B]) T= [A]T [ B ] + [B]T
2-2a. Poner 1a expresi6n x~
= a] b~ c]
bajo 1a forma de p r 2
ducto de matrices si [at] = [A], [bt] = [B], l cl l = [C ] y [xn =[ X l.

[ xr] = [bt] T [ at ]T [ cl l ~ [X] = [B]T [ A ]T [ C ].
bajo 1a forma de p r 2
yL = a] bl c]
2-2b. Poner 1a expresi6n
ducto de matrices si l al l> [A], [bi]= [B], l cl I> [C] y l v] l =[y].
[ vl l = l cl l T [ at
Se observa que
] [ bl] ~ l
vl
= yL
x~
= [C]T [ A] [B].
[X]
= [y]T.
Hagamos notar que en los ejercicios 2-2a y 2-2b se ha u

sado 1a expresi6n al blct, 1a cua1 puede ponerse bajo 1a forma
de producto de matrices siempre que las matrices [at], [bl] Y
[cl], invo1ucradas en dicho producto, tengan 6rdenes respecti
vos conformes respecto a dicha operaci6n. AS!,
simb61icamente las matrices por sus 6rdenes,
sUbstituyendo
deber~n
ser s tos,
[D ]=[ m, 1], [A ]=[ n,m], [C ]=[ n, 5], resu1tando [X I-I 1,5] ,[ y ]=[s,ll.
Ana1icemos ahora los siguientes e1ementosmatricialesge
nericos como resu1tantes del producto de
[B] = [bt]
1).
siendo [X] = [xl]

at b~
por
resu1tado de dicha operaci6n:
. El s1mbolo resu1 tante, debido a la contracci6n
de los 1ndices mudos
i,
queda con dos 1ndices 1ibres ( un su
per1ndice y un sub1ndice), que son e1 i y

dos casas:
[A] = [at]
el~.
Consideremos
52
~
la}. El i como superindice y

x~ =atbl. ~
[x~]
= [ai][bl.]~
como suindice,
l x l = [A][B]
Ib}. El indice libre i como subindice y k como superindf
ce:
xr =
(a] bl ) ~ [xl' ] =
[x~]
Evidentemente si
[~k]
T [ ai ] T = [B]T [ A]T
[X] ~ [xr]
[X]T y entonces los dos re
sultados hallados pueden relacionarse,

[ X] = [A][ B ] ~ [ X ] T =
( [A][ B] ) T = [B] T [ A]T
que vuelve a ser (2-13). El parentesis en (a]

est~n
to para significar que los indices no
bit)
se ha
pue~
colocados momenta
neamente en la posici6n pedida.

~\
'-)
2}
2 a}. x~ = bf a~ ~ [x~] = [~ ] [ aL ]
x.k =
2b l ,
(b~ a~ ) ~
[xl']
[~k]
T[
[B][ A]
bl] T =
[A]T [ B]T
Relacionando como antes los resultados de 2a} y 2b},

( [B][ A ] ) T = [A]T [ B]T
3}.
at
bt .
3a}.
x~
3b}.
x.k =
(a~ b~
)~ [ x
[af] [ hi.] T
(ai br ) ~ [ xr ] = [br] [ al ] T
[A][ B ]T
[B][ A ]
Consecuentemente,
( [A][ B ]T ) T
at
4}.
b~
= [ B ll A ]T
4a} x~ = (at b~ ) ~ [ x], ] = [al] T [ b~ ] =[ A ]T [ B] .

X ki -
4b}
(at bl ) ~ [xr]
= [br] T[ at]
= [B]T [ A]
por 10 que,
[ A ]T[ B] } T
[B]T [ A]
EJERCICIOS
2-3. Si [A]
= [ aj
] , [B]
[bl]
, hallar en funci6n de las
matrices anteriores la que tiene por elemento

k
i
ali a p b m am
n
gen~rico
Como dicho elemento tiene dos indices libres

tambien dos formas de dar el resultado:
(~y
) ,hay
53
[A]T[B][A][A]
Re1acionando los resultados de a) y b),

([A] T[B][A][A] )T= [A]T[A]T[B]T[A]
que es una genera1izaci6n de (2-13). Podemos decir pues que 1a

transpuesta de un producto de matrices as e1 producto en orden
inverso de las transpuestas. En particular,
2-4. Demostrar que si [5] es una matriz c1]ad.'rada si.mit:rica (an

tisim~trica)
m~trica
de orden N, [A][S][A]T es tambi~n una matriz s!

(antisim6trica) siendo [A] una matriz de ord~n (Y,N).
a) sr [5] es
sim~trica,
[S] "" [sl]
[at]
[A] == [at]
[ B ] :;: [A][ S ][ A]T :;: [a1] [ s~] [ at] T = [at sLaL] ,
siendo e1 e1emento genArico de [B] ,
bl = (at sL a~ )
(g)
Intercambiando los indices libres
!,
bf = (al sLaL) = (a~ sL al)

Intercambiando los indices mudos
bf = (at
s~
!,
y como
aL) :;: (at sL a~ )
Si= sr,
(h)
Comparando (g) con (h),
bl :;: bl ~
[B] :;: [B] T ([ B) es
sim~trica)
b) 5i [5] es antisim~trica, [8]

tes se llega a (g),
[sJ]::a- [si] y como an
hi = (at sLaL )
Intercambiando
bf =
(i)
!, 1
y k, Y como sL :;:- st
(at st aL ) :;: - (at sL a~ )
(j)
Comparando (i) con (j) ,
bf :;: -bl
[B] :;: - [ B ]T
<I
B] es antisim~trica)
2-5. Demostrar que toda matriz cuadrada [A] :;: [AI] se
pu~
54
de descomponer en la suma de una matriz sim6trica [X] = [xf] y

de otra antisim6trica [Y] = [Yf], Y que esta descomposici6n es
Unica.
Supongamos que,
[A]
= [xl] + [YJ ] ,
[X]+ [ Y ] ~ [ al]
(k)
Y cambiando entre s1 los indices libres i Y
[al]
i,
[xl] + [YI ]
(1 )
Si [X] = [xl] es sim6trica, xl = xl ' Y [Y] = [Yfl as antisim6

trica, yl = -yl ' y entonces (1) queda,
l el l = [xf] - [yl ]
~ [A
]T = [X]- [ Y l,
(m)
Del sistema de ecuaciones lineales (k) y (m)

las soluciones unicas,
[X ]
= ~
([ A ]+[ A ]T )
[Y]
= ~
se obtiene
([ A ]- [ A ]T) .
Inversamente,se puede demostrar que la surna de una matriz

cuadrada y su transpuesta es otra matriz sim6trica y que su df
ferencia es antisim'trica.
2-6. Demostrar que si [A] Y [B] son dos matrices cuadra
das sim6tricas de orden N, y adem&s [AUB] = [BUA],[C] es Sf

m'trica, sindo ,[ C] ::; [A][ B i.
Si [A]
l a] ]
af
al , y [B]
[bl]
bf =
hi ,
y [C]
,[A JI B 1 ,= -I ,B ,][ A-}, se tiene,
[ cL]
= [at
][
bl.] =
[at ~]
,..P~.
t.....
Permutando entre s1 los indices libres i y~,

la simetr1a de [A] y [B],
= [at hi] = [aL bJ] = [bl aL]

[C] = [B U A ] ~ [ cl l = [bf] [ aL], se tiene
[ cr] = [bf 1[ aL] = [cL] ~ [C] = [C]T ([ C ]
aprovechando
[ c]"]
Como
2-7. Calcular aYE para que la matriz

idempotente.
finalmente,
sim'trica) .
'a
[A] = b
[
Una matriz es idempotente si [A]2= [A], por 10 que,
:J [:
La igualdad de matrices exige,
:J
bJ
a
sea
a2+ b2= a
2ab = b
a = 1/2
= 1/2
2-8. Demostrar que traza ([ Al + [B]) :: traza [A] + traza[ B].

Se llama traza de una matriz cuadrada a la suma de los e
lementos de la diagonal principal,
traza [A I'" traza [at]
at =
(a:+a~+ .
aIP
y entonces,
traza ([A]+[B]) =traza ( [al]+ [bl]) =traza [(at+bl)]:
at +bt
traza [aJ I + traza [bl]
= traza
[A] + traza [ B].
PARTICION DE MATRICES EN BLOQUES. LEY DE LA MULTIPLICACION.
,"'-""
Sea [A I == [ at ] una matriz de orden (5,4) y [ B ]:: [ bl ] de or

den (4,4) . Al efectuar su producto se obtiene la matriz (C ]>;c
[ c I ] de orden (5,4) ,
a 23
3
2
3
3
3
1
a
4
a 1 a 42
as1 as2
2
""
a~
at a~
a 21 a 22
= at
b l1
a a4
a 43 a 44
as3 a1
cuyo elemento
cL
al
a 42
b~
bl
b 4l
bi b 2 b~
b~
b 31 b 23 b 33
b~
b 41 b 42 b 43
b 44
gen~rico
,.
(k, j
Por ejemplo, para i
bl
c 11 c 21 c1
c 21 c 22 c 32
c1
c 24
c 3I c 23 c 33
0 4I c 42 c 43
c~
c 44
C SI
c1
CS
2
CS
3
(n)
es,
= 1,2,3,4;
= 2,
i= 1,2,3,4,5).
k = 3, se obtendr! c 31
.,'_-.,
(~t".~.)
c 31
:;;
1 b4
a 11 b 31 + at2 b 32 + at3b33 + a 4
3
Vamos a subdividir las,matrices [A] y [B] en bloqueso~

matrices de manera que las columnas de [AI se dividan exacta
mente de la misma forma que las filas de [B]. As!, en el
plo anterior las columnas de [A] se han dividido en 4
las filas de [B] en 4 = 2+2.
eje~
= 2+2
Otras divisiones ser!an,

4 = 3+1 ; 4 = 1+3 ; 4 = 2+1+1 , , etc.
Entonces la matriz [C] queda partida tambi6n en
bloques
de manera que sus filas quedan subdivididas exactamente como

las filas de [A] (5 = 2+3) y sus columnas quedan subdivididas
como las de [B] (4:= 3+1). Podemos ahara reproducir la,ecuaci6n,
56
matricial (n) en bloques,

[
[AI I [All J
[At J [AU
(al I [all]= [ Lcl J [ellJ

[d) [d J
[Bf] [ BU
(2-14)
siendo,
[A: J =
al
ai
a!
a! J
[AU =
a~
alJ
aa
a~
.' ... ,.
[ C~ J = (c~ c~ c~ ) ,
cwnpliendose,
[ cl l
[A:] [ Bl ] -I A! ] [ Bi ] ; ; [c~]
[Ai J[ B! ] -! A~ ] [ B~ ] ,
expresiones que pueden resumirse en esta otra,

(2-15)
Esquematicamente podemos representar los bloques de
(n)
por sus 6rdenes respectivos,

[2,2] [2,2]J
[ [3,2] [3,2]
[2,3] [2,lJJ=[ [2,3] [2,1]J

[2,3] [2,1]
[3,3] [3,1]
As1 los 6rdenes de los bloques de [C] se pueden
-\
obtener
por la ley del producto de matrices.

Si queremos determinar el orden de [c~J, por ejemplo,se proc~
de,
[3,2] [2,1] = [3,lJ,
--,'
y en forma similar para deducir los restantes 6rdenes.
Resta por decir respecto a la obtenci6n
de
submatrices
que las filas de [A] y columnas de [B) pueden partirse de fo!

mas cualesquiera e independientes entre s1. En el ejemplo, la
subdivisi6n de filas de [A] ha sido 5
de [B
J,
= 2+3
Y la de
columnas
3+1.
Demostremos (2-15) con una distribuci6n de bloques (2-14)

en el caso
m~s
general y para ello consideremos el
producto
[AUB].
De la totalidad de las filas de [A], 1,2, ,i' ; i' +1, ,

j' ; .. , l'+l, .. ,m'; ..
p'+l, . ,M, se escogen s6lolascompre!!
didas entre 1'+1 y m', ambas inclusive. Despues,la faja de e

lementos ocupando estas (m'-l') filas se subdivide en bloques
'-
ar +\ 0 0 0ar +1
al'
+\ 0 0 0 a!'
+1
i +1
j
r-
m'
m'
+100 .c IJ'
m'
.........
I' +1
l' +1
CA"+1o 0 oC IJ ,
. ...
.........
. ........
....
am' "
. .. .art a +1' 0 0 0 aDl' ....
t-
....
.........
....
m'
....
a ra'
l +10 0 0 0am
al'+;\ 0 0 0 a~ +1
I IS
al:N
+1
m'
JIl'
a p+
10 0 0 0aN
.........
a!'
p+ +1
1-
biJ,l'
.. b~tl
IJ'
b P+1
b~ +1
..b:,
. . .. . ..
b~,+J1
. . ... . . .
... . . . ..
........
b~ +1 0 0 0bll\
........
bk,+J1
........
........
........
........
bt, +1
+1
. . bp '
. b~.
lI! +1
bi +1
bfA' +1
.. . . . .. .
b~ +1 b~
(2-16)
-.,j
til
58
de forma arbitraria
separando
las
i+2, ... ,j i i 1+1,1+2, ... ,m; ...
columnas 1,2, .. ,i; i+1,
p+1,p+2, ... ,N (los; indican
las particiones correspondientes) .

En forma analoga, de la totalidad de columnas de [BJ 1,2#
"
, ;1\+1,
,\'
, ; 11'+
, 1 , ... ,P, se escogen las
,L i L+1, ,Ki
. ,/li
comprendidas entre A+1 Y /l', ambas inclusive Y se subdivide la
/l~A'
faja de elementos ocupando estas
columnas en
bloques
al
partir las filas de forma exactamente igual a 10 efectuado con

las columnas de [A], 0 sea, 1,2, .. ,i, i+1, ... ,j; .. ; 1+1, . ,
mi ;
p+l, ... ,N.
De la matriz producto [C)

bloque que abarca de la fila
1~1
[A][ B) solo se ha escogido el
m~
ambas inclusive y de la
columna A' +1 a /l', ambas inclusive.

Esquematicamente este producto matricial viene represen
tado en (2-16) y como se observara solo se han reproducido los
bloques genericos de [AJ y [B) necesarios para obtener el blo
que generico de [C). Si
c~
es un elemento cualquiera de
este
bloque,
a
C 'Y -- aa
(J
7<"
b ll'Y'
W=1,2, ,N) ,
(0)
siendo a el ordinal de la fila que debe estar comprendido,

11 +1,
a, m',
el ordinal de la columna,
A'+1
, v /l'.
Respecto de los fndices mudos p del segundo
miembro
de
(0), a estos se les debe asignar todos los valores enteros

de 1 hasta N, cualquiera que sea el elemento de la matriz
de~
pro
ducto [C]. Pero,
L a3
b~ =
(P=1,2, ,N)
. . .+
L a3
a3 b~
(P=1,2, ,i)
b~ + . +
a3 b~
+ ..
(p=i+1,i+2, . ,j) ..
a3 b~
(p)
... (P=1+1,1+2, ... ,m) ... (p=p+1,p+2, ... ,N)

ya que el producto del segundo miembro de (0) puede descompo
nerse en sumandos para cada uno de los cuales P toma los
res indicados entre
par~ntesis.
val~
Estos sumandos van precedidos
59
del sfmbo10 del sumatorio a1 no poder ap1iear
aquf' [segundo
miembro de (p)] e1 eonvenio de Einstein, por euanto ~ no toma

en eada uno de diehos sumatorios todos los va10res enteros de
1 a N.
De
(0)
(p),
l'
+1";;a~m'
A'+1.,;; 'Y ~ Ji.'

aa/3
l' +1.,;;a< m'
+1~a<m'
l'
A' +1.,;;'Y";;Ji.'
A' +1.,;; 'Y";; Ji.
~=1,2,
.. ,i
= i+1,i+2, . ,j
+ . +
b/3
'Y
l' +1";;a.,;;m'
l'
+1.,;;a~ m'
AI + 1.,;; 'Y ~ Ji.'
+1.,;;'Y";; Ji.'
= 1+1,1+2, . ,m
= p+ 1 , p+ 2 , .N
y en forma matrieia1,
1'++11 ....el1'l'+1 ]
eA'....
.. . ...
[a +1 al' +J
1
i'
b.~...
'+ 1 .....
b~']
.....
am'
[ e m'
em'
a m>
b~'+l ~.
+1+1 .... 1'+1] +1
al1'+1
+1 .... am1'+1]
b! +1]
1'
[b. .. . . + .. + .. . .... . . . .
..........
[ .... a:'
[ a m'+1 .... am'
b~'+l
bt,
ai' +1]
a i ' +1
.... .. . .. .
+ .. +
A'+l
JJ'
ai
aj
iAt+l
JJ.'
al~l
>
p+l
[ a p+l
m'
ani'
N
que da 1a ley del produeto de b10ques. Vo1viendo a1 produeto

matrieia1 (2-16), si las matriees han quedado divididas en b1~
ques, ~stos pueden representarse en forma an~loga a 10 ya vis
to en (2-14),0 sea,
[ Ai] =
+1 .... -r +1]
a 1m '
am'
i
[B~] =
b~* 1
.... b~]
b '+
1.... b l ,
i :
bi,t } .. b~
[ B:J =
; [ A~] =
[ a]
m'
+1
a jm'
:1]
[ bt'+l b~,
. .... . . . . . ... . . ....
+1+1 .... aI'tJ

I'
ai
60
1
a 1'+
1+ 1
1'+
am
1
b 1+
A'+ 1
[B~]
[A~] =
a 1m+' 1
---
1-1+ 1
U-Jl'
am'
m
---- ---_.-: . . .. . . . . ...... . . .. . .. . .... .. . .... ..... . ... . ... ..
~.
[A~]
siendo
::
."-;
[~~~l. ~ ~ ~~+ 1J
'1
am
p+
[Bf]
am'
N
[~~~\.:::: ~:tJ
N
b ~'+
1
b NIl'
'
el ordinal de fila de los bloques genericos de [A] ,
n el
P el ordinal de columna de los bloques gen~ricos de [B] Y
n1imero de bloques de la franja horizontal
gen~rica
de [A] Y que
es igual al n1imero de bloques de cada franja vertical generi

ca de [B]. Finalmente,
.c
[C~]
1'+
q,+
=
[
1 Cll'
1'+J
m"
CA'+1"
m"
Il '
Al substituir todosestos valores en (2-17),
o en forma compacta,
(a
= 1,2, ... ,51) ,
con 10 que queda demostrada la ley del producto
(2-18)
de
matrices
por bloques en notaci6n indicial. As! pues, se obtiene un
pr~
ceso de multiplicaci6n semejante al establecido para lasmatr!

ces ordinarias.
EJERCICIO
2-9. Efectuar el producto de las dos matrices siguientes

subdividiendolas en bloques en la forma indicada.
0
-1
-1
[~
-1
-2
-2
~J
61
[1 -2J+[-1 ~J [-2
~l [-~ -~J ~J +[-~J
=
[0 -~J [-1 0] ~~ 2~} [-~ -~J [~] +[-~]
[0 -2] [-3 0] [-~
=
[-1 -1] [-1 4] [-~]

2
-4
-6
-4
-4
-2 4
-6
-2 21
MATRICES DE BLOQUES DIAGONALES.
[A{], [A~]
ques cuadrados
"
\ C
[A]
<,
:4
-2
-3
-3
-4
-2
-1
-1
-1
-6
-2
21
Una matriz [A] formada por
bl~
, , [ A~] colocados como elemen
tos diagonales y con matrices nulas como relleno de la propia

se denomina ma.:tJUz dia.gon.a..l. en bloqu.e-6. La matriz,
matriz [A]
L"'-,
-1
[ t xur
Oil]
.
[~ nu
G [~
4
0
-1
~]
[of] [An
siendo,
[AD
[~
4
0
0
, [OlJ-[~
0
0
~}[OlJ =~
~]
[ A~ ]
es un ejemplo del tipo descrito. Tambien se les llama ma.:tJUee-6
dMeompotUble-6
ya que si, por ejemplo, se cumple,
[:~:] [:~: :~~]

=
e::]
(q)
al efectuar el producto por bloques en el segundo miembro,

[ X ]
= [A
][ B] +[ 0 ][ D) =[ A ][ B ]
(r)
[ y ] = [ 0 ][ B] +[ C ][ D] =[ C ][ D) ,
queda descompuesta la ecuaci6n (q) en dos ecuaciones
matri
62
ciales (r) en funci6n de sus bloques diagonales. Inversamente,

si se cumplen las relaciones matriciales (r), siempre es posi
ble agruparlas en una sola (q). Como segundo ejemplo, sean los
dos sistemas de ecuaciones,
2x + 3y = 1 ~
5u + 4v + 3w =
x + 2y = 3
+ 2w = -1
-v + w= 2
que en notaci6n matricial adquieren la forma,
[~ ~J [~J [~J
=
Podemos, por
10
-1
0
-1
ya dicho, resumir las dos ecuaciones ma
triciales en una sola,
c
.,-,
Y
u
-1
0 -1
DETERMINANTE DE UNA MATRIZ CUADRADA. A cada
matriz
cuadrada
[A] = [al], orden N, se Ie puede asociar el determinante IAI=

I al]
formado por los mismos elementos dispuestos en identicas
posiciones. No olvidemos, sin embargo, la diferencia esencial

entre matriz y determinante.
p~
Mientras el determinante representa simb6licamente un
linomio homogeneo formado por sus elementos tal como se ha des

critoen el capftulo 1, una matriz es simplemente una dispos!
ci6n
arreglo de cantidades al igual a como
10
hace un con
junto de libros colocados en los estantes de una biblioteca.

Si I all
'i
0, a la matriz [at]
se Le llama Jte.gulaA,
si
I at It-O, [at] es singular.

Si [A] = [at"], [B] = [b;] y [C] =[ c] I, y [C]
cL =
[A][ B ] ~
at b~ ,
Se tiene, por la ley de multiplicaci6n de determinantes (1-9),

id~ntica
Ici
a la de matrices,
= IAIIBI,
63
con 10 cual queda demostrado que el determinante lei de la rna

triz producto [e] es igual al productode los
determinantes
I A II B I de las matrices factores [A] Y [B] respectivamente.

EJERCICIO
2-10. Obtener el determinante Ie I de la matriz producto,
[~
-1]
[2
-~ ~1
-1
[e ] = 1
-2
-1 2
I=
[C
"'\
l
0
2
1
1
-n
1 -5
1.2+0(-1)+(-1)1
1.1+0.2+(-1)1
1.1+ 0 . 0+ (-1) (- 5)
1.2+2(-1)+(-2)1
1.1+2.2+(-2)1
1.1+ 2. 0+ (- 2) (- 5)
4.2+1(-1)+3.1
4.1+1.2+3.1
4.1+1.0+3(-5)
106
-2311
=-420.
10 9 -11
--I
2-3. MATRIZ INVERSA.
Dada una matriz [A] = [at] cuadrada de orden N,

lar ( I af I 'I 0 ), se puede hallar otra matriz [X] =[ xf]
Y regu
tambi~n
cuadrada de orden N y regular tal que,
(s)
[A][X] =[X][A] =[r].
Demostraremos que la matriz formada por los adjuntos nOE

malizados de [A] es justamente la matriz [X] que cumple (s) .
En efecto, de (1-49), y (1-50),
"
Ai
x] = at = iAr=
iA Ial
Adi
at al = cS~ ,
(t.)
y al efectuar los productos (s),

[A
ll X
] = [af]
an~logamente,
[ X
ll
l xj l
l aj l [a~]
= [cS tJ
<l r l ,
(1-51),
A] = [xt] [ al]
=[ af ] [ al]
=[ at all
=[ cS tJ =[
A la matriz [X] sele llama ma;tJUz inve.Ma. y se

[A
r: ,
de manera que (s) pasa a ser,
representa
"por
64
[AHA]-I= [A]-I[A] = [I].
(2-19)
CALCULO DE LA MATRIZ INVERSA.

De (t) ,
[ X] = [ A
Adj.
r'=
AdJ". aJI:
_
[at]
IA I
- [
~l,
= Adj. [
[ A]T
[ a! ] T
~=
IAI
= Adj.
lA\
(2-20)
se deduce que para hallar la matriz inversa basta transponer

la matriz [A], buscar los adjuntos de [A]T y dividirlos
por
I AI. Veamos el siguiente ejemplo, y calculemos la matriz in

versa en un caso concreto,
r
,~
[ A]
-1
-1
-1
-1
[ A]T =
+I-~
-I-~ ~ I +I-~ -~I
-I-~ ~I +1 ~I -I-~ -~I
+1 ~ 1 -I ~I +I~ ~ 1
I AI = 2;
Adj. [A]T =
-1
"J
C,)
[A]-I=....L
2
-1
-2
-1
-1
-1/2
3/2
-1
1/2
-1/2
-1/2
3/2
[-~
-1
1
-1
-n
Para demostrar (2-20) se ha introducido la definici6n de

matriz adjunta, Adj. [A], que es la formada por
los
adjuntos
de cada uno de los elementos de [A].

Si multiplicamos la matriz [A] = [at]
Adj. [A] = Adj. [at]
= [Ai], obtenemos,
[ A] Ad j. [A] = [at ] [ Aft]
= [at
Ai.]
IAI
0 0
IAI ... o
[ A] Ad j. [A] =
por
su
adjunta
(1-40),
= [I A I~ l] = I A I[ I ]
( 2 - 21 )
O IAI
y pasando a determinates,
I A I Adj. I A I = I A IN ,
(2-22)
65
siendo Adj. IAI el determinante formado por los adjuntosde los

elementos de IAI , y el segundo miembro de (2-21) una
matriz
regular cuyo determinante tiene por valor el producto
de los
N elementos diagonales iguales alAI.

De
(2-19),
IAI\[Arll
1
I[A ]-1 I= IAi
= 1
(2-23)
'
que da el valor del determinante de la matriz inversa como
el
reclproco del valor del determinante de la matriz primitiva.

Si en (2-19) substituimos [A] por [B]-I, se obtiene,
[Brl([Brl)-I= [I],
y al premultiplicar ambos miembros por [B] ,
( [B][Br l) ([Brl)-I=
[B]~([Brl fl=
OPERACIONES CON MATRICES INVERSAS.
[B]
(2-24)
Calculemos en primer lugar
([ A ][ B] ) -I Y para ella hagamos en [X] = ([ A ][ B l) -I una pre

mUltiplicaci6n en ambos miembros por ([A][B]),
([AUB]) [X] =
([A][B])([A][Bl>-l~[A][B][X]
=[1],
y premultiplicar sucesivamente por [A]-I y [B]-l ambos
miem
bros,
[ A l" 1 [ A]) [B][ X] = [A
[Br1[B][X]
r 1[1]
=[Brl[Arl~ [X]
[B ll X] =[ A l" 1 ;
=[B]-I[Ar l,
y por 10 tanto,
([ A ][ B ])
-1
=[ B
1 [
(2-25 )
1 ,
que es la regIa de la inversa de un producto de matrices,
es
decir, la inversa de un producto es el producto de las inver

sas en orden contrario.
Al mismo resultado (2-25) puede llegarse aprovechandolas
propiedades de los adjuntos normalizados y para 10 cual
par
tiremos del producto [p] =[A][B] siendo [p] =[p!], [A] =[at
y [B] =[b;J . Si introducimos los adjuntos normalizados,
y entonces,
[P ]
=[ A ][ B ] ~
p~
= a] b~
Multiplicando ambos miembros de (u) por
(u )
11'~
y efectuando las con
66
tracciones oportunas (t),
Volviendo a multiplicar ambos miembros de la anterior prf

mere por ar y luego por
~~respetando
las contracciones
apro
piadas,
y pasando
[1Tr]
forma matricial ,
[~~][ai]
~ [P ]-1= [B(I[A]-I
([A][B])-I = [Brl[A]-I.
En segundo lugar analicemos ([A]-I )T, Y veamos si las

peraciones ILe.up'Wc.a
tj
[ A] = [a!J ], [A
(I at
([ A ] -I ) T =
(l a!J
]T)-I
(] A ] -
1 ) T
tJz.a.n6PUe6ta. son conmutativas. Partiremos de,
r: =[ a!
] -I ) T =
] -I = l c] l y entonces,
(I at]
) T = [a 1] T = [a t ] = [ai] -I
([A]Tfl ~
= ([ A
]T ) - 1
(2-26)
que establece la conmutatividad de las operaciones
menciona
,'~
da s ,
EJERCICIOS
2-11. Despejar [X] de [A][ X]T
[B]T.
Efectuando una premultiplicaci6n por [A]-I e n ambos miem

bros al recordar (2-11),
(2-13) y (2-26),
[ A ] - I [ A ][ X]T = [A] - I [ B ]T ~
(I
X ]T ) T
[X]
= ([ A ] - I [ B ]T ) T
[X]T. = [A] - I [ B JT ~
[X]
= ([ B ]T ) T ([ A ] -I
)T ~
[B]([A]T)-I.
2-12. Hallar la inversa de una matriz diagonal.

Se llama ma:tJUz cUagona..t la que tiene todos
los
nulos excepto los que ocupan los puestos diagonales,
a,
[A]
O 0
...........
o
siendo su elemento
O d N
gen~rico,
elementos
67
a;
d(i)
D1 '
significando el 1ndice mudo (i) entre parentesis que no gene
ran sumas con el super!ndice
de Dl
y por 10 tanto no deber!
contraerse con ningun sfmbolo, perc si tomar~ el valor que c~

rresponda a la contracci6n de estos sfmbolos con el mismo va
lor del fndice. As! por ej emplo, d(j) (a] DL) = d(k) a~
. Si [at ]
es la matriz inver sa de [A]=[al],

se tiene,
------_.
_._-----._---
----~-------------_.
. .
c] at. =D~
a~ =
o~
~k)
oL
aJ ~j)
o~=>
(i
(j)
l::i)
l:: i
aiUk = Uk ~
aki d(k) = Dlk
Y al pasar a matrices,
"1.,
1/d 1
[ at ]
= [A I" 1 =
0 ... 0
1/~
.. 0
MATRIZ ORTOGONAL. Si,
[ A H A]T = [ I]
'.
j
~ [
A]T = [ A]
-1
(2-27)
o sea, cuando el producto de una matriz por su transpuesta es

la matriz unidad
bien si su transpuesta es igual a su inver
sa, la matriz [A] es o4togonai..

De la igualdad matricial [ A] [AlT = [I], podemos pasar
tra igualdad perc ahora con determinantes,

IAIIAIT
= 1,
y como el de t e rrru narrt e transpuesto tiene el mismo valor que el

original (1-8), se tiene,
IAI 2 =
=>
IAI = 1,
(2-28)
y por tanto el determinante de una matriz ortogonal es

a
igual
l.
De [A]T
= [A)-I,
al transponer ambos miembros,
[A]T)T = ([Al -l)T
=>
[A] = {[A] -l)T
[A ]-l([A rl)T~ [Ar l ([A]-l)T
=>
[I]
[A]-l [A] =
,
estableciendo esta 61 tima igualdad que la inversa de una matriz

ortogonal tambien es ortogonal.
68
Si dos matrices son ortogonales,

[ A) T= [ A ) -1
[ B )T =
B ]-1,
y efectuamos miembro a miembro y ordenadamente el producto de
las dos igualdades anteriores,

[A ]T[ B]T:::;: [Ar 1 [Br 1 ~ ([ B][ A])T = ([ B][ A])-1 ,
10 que demuestra que su producto tambien es ortogonal.
CALCULOS CON MATRICES CONJUGADAS Y HERMITICAS.
Y [B] =
S i [A]
[al +
[bt+~t]
compl~
son matrices complejas, sus conjugadas

jas respectivas quedan definidas como,
[A]
- at
[~
at i]
i] ;
Demostremos las siguientes propiedades relativas a las rna
trices conjugadas:
a). [A]+[B f= [A)+[
[at
[A]+[B] =
+
[(at
[at -
bt
at
+ at i] +
)-(at
b). [A][B]
hi. - at
[1:4
+ ~t i]=[
~t)i]= [(at
~L
at
(al
+bt )+(at +~t )i] =
- at i)+(bf
fit
L) ]
i ]
) + (at ~L + at
)i ]
(2-29)
~~
+ [B].
['A]
i] [ bit +
at ~ L) - (at ~L+
[ a! (bL - ~L i)- a! ( ~L [ (a] - at i) (b~ - ~~ i) ]
(at bL
(2-28)
= [AUB].
[A][B] = [ at +
(at
[hi - ~ t i
i]
sr.
:::;:
(at
+ at i)
(~
+ ~L i)] =
:::;:
at b], ) i ] =
~Li)i]:::;:
= [ a!J
- a: ill b~ -
~L
i ] = [AUB].
(2-30)
[ A F:::;: [at + at i ]T = [at + at i ] = [at - at i ] =

[at -
at i
]T = [at + at i ]T:::;: [A]T.

(2-31)
Si la inversa de [ A] = [at + at i] es [A] -1 = l x] + ~ t t. l ,

[A] 1= l x] + ~ti) = ext - ~ti) = l a]
[
at + at i
- ati ]-1=
=
[-A)-I.
] - 1
Si [A] es una matriz compleja, entonces a [A] y [A]T
se
69
les llama c.onjugadM heJurl1.tiC.M. Sabemos que si [A] = [ A ]T, [A] es

una matriz hermltica.
Si una matriz [A] satisface la relaci6n,
(2-32)
se denomina
matJUz
u~
Algunas propiedades de las matrices
unitarias son:
a). Si [A] y [B] son dos matrices unitarias, su producto
[AHB] es otra matriz unitaria. Como [A]'r::[Ay"ly [BP'=[Br1,se
tiene, al multiplicar miembro a miembro ordenadamente,
[B
1 [ A ]- 1= [ B ]T [ A]T
([ A ][ B ]) - 1=
=>
([ A ][ B ]) ~
y por (2-29),
b). Si [A]es unitaria, su reclproca [B]= [A]-ltambi~n es

unitaria. De [A]T==[Ar1y [A]= [Br 1,
[ A ]T = [B]
i
=> [
A ] = [ B ]T =>[ A ] == [ B ]T=>[ A ] = [B ]T =>[ B r 1 = [B]T.
c). Si [A] es unitaria, [A][ A ]T=[ I ) Y al pasar a determinantes,
luego el cuadrado del m6dulo de una matriz uni taria vale la uni
dad.
EJERCICIOS
2-13. Si [A
= [
I ), a la matriz [A) se le llama -involuti..
va. Demostrar que si una matriz [A) es
sim~trica
y ortogonal
t.amb i.en es involutiva y que, en general, si se cumplen dos de

las propiedades
anteriores, se cumple la tercera .
.- - -~
~-----
_..
a). Si [A) es sim~trica y ortogonal,

[A)=[A)T
[ A r 1 =[ A)T
l
~
b). Si [A) es
=> [A)=[Ar 1 => [Aj2=(I).
sim~trica
e involutiva,
[ A) = [ A )T
[A)=[Ar 1
c). Si [A) es ortogonal e involutiva,
--
70
t ~
[ A ] - I = [A]T
[A]T = [A].
[A]-I= [A]
2-14. Si [H] es una matriz herm!tica y [A] una matriz del
lA ]T [ H ][
mismo orden que [H], demostrar que [J] =
A ] es t.amb i en
herm!tica.
Como [ H ] = [ -H ]T por ser
[ J]
It
herm~tica,
[A]T [ H ][ A] ~ [J ]
(v)
[A]T [H]T [ A ],
y al pasar a matriz conjugada en ambos miembros y tener prese!!
te
(2-28)
(2-30)
[ J] = [A]T [ H ]T[ A] = [A]T [ H ]T[ A]

[ J] = [i]T [
ii ]T[ A]
~ [J] = [A]T [ H ]T [ A i.
y recordar (2-13),
Transponiendo finalmente ambos miembros
([ J ]) T = ([ A ]T[ H ]T [ A ]) T
[ J ]T=
~ [J]T
[A]T ([ H ]T ) T ([ A ]T )T ~
(A]~[ HU A]
y comparando esta ultima relaci6n con (v), llegamos a,
por 10 que
[J] es herm!tica como se quer!a demostrar.
2-15. Una matriz [p] es idempoten:te si [p]2 =

Demostrar que si [A] es idempotente, [B] =
10 es, y [A][ B] = [B][ A]
[I] -
l r- l.
[A]
tambien
[0].
Multiplicando [B] por si misma,

[ B ]2 =
([ I
f-I A
[ B ]2;: [I] Pero si
[ I] -
]) 2 = [I
[A] -
F-
[1][ A] -
[A][ I] + [A]2 ~
F=
2[ A] + [A
[A] + [A
[I] -
[A] es idempotente, [Af= [A],
2[ A] + [A] = [I] -
[A] ~ [B
F=
F.
entonces, [B]2=
[B].
Adem~s,
[ A ][ B] = [A]
[ B ][ A] =
([ I] -
([ I ] -
[A])
[A])
= [A]
[A] = [A] -
[AF= 0,
[A
F=
O.
2-16. Si [p] es una matriz idempotente, demostrar que [A]

es involuntiva en [A] = 2[P] [A
F=
( 2 [ p] -
[I].
[I]) 2= 4 [ P ]2 + [1]2 -
4 [ P ]2 + [I] -
2 [ p] - 2 [ P ],
2 [ P ][ I ] -
2 [ I ][ P ] =
69
les llama c.onjugadM heJurl1.tiC.M. Sabemos que si [A] = [ A ]T, [A] es

una matriz hermltica.
Si una matriz [A] satisface la relaci6n,
(2-32)
se denomina
matJUz
u~
Algunas propiedades de las matrices
unitarias son:
a). Si [A] y [B] son dos matrices unitarias, su producto
[AHB] es otra matriz unitaria. Como [A]'r::[Ay"ly [BP'=[Br1,se
tiene, al multiplicar miembro a miembro ordenadamente,
[B
1 [ A ]- 1= [ B ]T [ A]T
([ A ][ B ]) - 1=
=>
([ A ][ B ]) ~
y por (2-29),
b). Si [A]es unitaria, su reclproca [B]= [A]-ltambi~n es

unitaria. De [A]T==[Ar1y [A]= [Br 1,
[ A ]T = [B]
i
=> [
A ] = [ B ]T =>[ A ] == [ B ]T=>[ A ] = [B ]T =>[ B r 1 = [B]T.
c). Si [A] es unitaria, [A][ A ]T=[ I ) Y al pasar a determinantes,
luego el cuadrado del m6dulo de una matriz uni taria vale la uni
dad.
EJERCICIOS
2-13. Si [A
= [
I ), a la matriz [A) se le llama -involuti..
va. Demostrar que si una matriz [A) es
sim~trica
y ortogonal
t.amb i.en es involutiva y que, en general, si se cumplen dos de

las propiedades
anteriores, se cumple la tercera .
.- - -~
~-----
_..
a). Si [A) es sim~trica y ortogonal,

[A)=[A)T
[ A r 1 =[ A)T
l
~
b). Si [A) es
=> [A)=[Ar 1 => [Aj2=(I).
sim~trica
e involutiva,
[ A) = [ A )T
[A)=[Ar 1
c). Si [A) es ortogonal e involutiva,
--
72
sitivo cualquiera.
Desarrollando por el binomio de Newton,
l A] ([ A l-I I ] ) n = [A] [ I ]n+

( ~) [ A]n
(~)
[ I ]n -
1 [
A ]+ ( ~) [ I ]n - 2 [ A ]2 + +
=[ A ] + nl A ]2 + ( ~) [ A P + ( 3) [ A ]4 + ,
perc como [AP=O, [A]4=[A]3[A]=[O][A]=[Ol, etc ... ,por 10 que,

[ A ] ([ A ] + [ I ]) n =[ A ] + n[ A F
POTENCIAS NEGATIVAS DE UNA MATRIZ CUADRADA.
[ A]O =[ I] ; [A]I =[ A]
; [A
F =[ A][
Como ya sabemos,
A] ; . ,
y en el caso de potencias enteras y negativas, siendo [A] una

matriz cuadrada y regular,
(2-33)
Asimismo,
[ A]r [ A]8 =[ A f+ 8 ,
(2-34)
([ A]r )8 = [A f8
(2-35)
v~lidas
para valores enteros de y
nulos
negativos). Estas f6rmulas
(sean estos positivos,
est~n
fundamentadas en
propia conmutatividad de las potencias de una matriz.Por
la
eje~
plo,
[ A f [ A ]8 = ([ A][ A] . <:>. [ A]) ([ A][ A l , <:>. [ A ]) = [ A ][ A ] ~r~s?[ A] =
[ A f+8 = ([ A ][ A I, <~>. [ A ]) ([ A ][ A l, <:>. [ A ]) =[ A ]S [ A r
2-4.. POLINOMIO
CARACTERISTICO
SEME..JANZA
,
OE
MATRICES.
POLINOMIOS DE MATRICES.
Sea
I{)
(A)
un polinomio en A
de grade
N,
siendo CO,C} , ... ,c N elementos del cuerpo K de escalares. Si

substituimos A por [A], se tiene,
siendo [I] la matriz unidad del mismo orden que la matriz cua
drada [A] . La matriz [I] debe multiplicar a Co a fin de homo
geneizar el polinomio matricial.
73
EJEMPLO
=[2Lo 1J,
5. Si [A]
l()(X)
2-X_2,
=X3_ 2X2+X-3, 1/1 (X) =X
-1
determinemos l()([A]), 1/I([A]), l()([Ol),1/I([1]):
[Al'~
Como
1/1 ([ A ])
-:r [: :l
[2o -11J3 [80 -13J

=[2o -11J3-2[20-11J2 +[20-11J- 3[10 1OJ =[-0 1-72J
2
1]2
[2
1J
[1
OJ
[0
OJ
[
= 0-lJ - 0-1 -2 0 1 = 0 0
[:
[ A ]3 -
luego [A] es una raiz de 1/I(X).

l()([O])
=[0013_ 2[0012+[00]_3[10J=[-30J
o oj
0 oj 0 0 0 1 0-3
0J2
[1
1
010 10]_2 [10 10]= [-20]
[
0 -2
1/1([1])=
POLINOMIO CARACTERISTICO.
arbitraria, regular
[A]
Partiremos de una matriz
no, de orden
al1 a~
Se define como maVUz c.aJz.ac.:teJLfJ.,uc.a

X
[ L ( X)]
X[ 1] - [A] =
a~
ak
x-
a~
... a~
X- a]
- a1
_ aN2
[L(X)] de la matriz [A] a,
0 0
OX ... 0
o
a~
~,
=
at"
cuadrada
al
1
2
1
aN
ai
2
2
aN2
0 X
(2-36)
'\I\. _ aN
N
siendo X una variable independiente.

Se llama al determiante de la matriz anterior detvwunan:te
c.aJtac.:t~uc.o ,
~ - a}
74
I L Od I
=I x[I
[A]I
] -
- a]
- a2
- aN
- a~
- a~
(2-37)
Si desarrollamos este determiante, obtendremos,

ordenar, un polinomio en
wtic..o que como maxamo cont.end ra
llamado polinomio canacxe
de grade
(N +
despu~sde
1) sumandos,
(x )
siendo 1,
CN-l
Cl' Co los coeficientes del polinomio.
Observense que el coeficiente del t~rmino de mayor grade es la
4
'
unidad (al polinomio se Le llama m6nic..a por tener esta partic!:!

laridad) y proviene de mul tiplicar los elementos de la diagonal
principal,
EI2 ... N(~ _ a:) (~- a~)(~ (~- a~)=AN+ (- a: - ai ... _ a:)~N+l ..
Tambi~n, el coeficiente en ~-l ser~,
CN-l
-(a} + a~ + . + a~),
que es la traza cambiada de signo, ya que ningun otro t~rmino

en ~N-lpodr~ obtenerse como resultado de multiplicar elementos
que no sean todos ellos de la diagonal principal. Por ejemplo,
si en a l.qtin otro
t~rmino
del desarrollo interviene el elemento
( - a i) no pod r a haber en dicho producto ni
(~-
a} ) , elemento de
la misma columna, ni (~- a~ ), elemento de la misma fila,
por
10 que, como m~ximo, dar~ un termino en ~N~. otro coeficiente

notable es el
t~rmino
-a}
-a!
-ai
-a~
independiente
co,
-a~
.....
-a~
= ( - 1)
Mientras la matriz [A] puede ser

[L(~)]
a! ... a~
ai
a~
... a~
IA I
aNN
no singular, su matriz
al ser una matriz funcional solo
ser singular para aquellos valores
=(-1)
a 2N
- a 2N
caracter!stica
a}
podra
que sean raices de su
p~
linomio caracter!stico (x). Aun en el caso de que [A] sea una

matriz nula, [A]
= [0],
O 0
0 ~
[L(~)]
.. 0
su matriz caracteristica,
que s6lo
ser~
75
singular para A = 0 (raiz multiple).
Si formamos la matriz adjunta [A(A)] de [L(A)]
[ A (A)]
siendo
A~ (A)
A~ (A)
A~ (A)
Ai
A~ (A)
A~ (A)
(A)
(A) el adjunto del elemento
Ii
(A) de [L (A)] .
Por la propiedad de los adjuntos (1-43),

l) ~ ,
If (A) AL (A) = I L (A) I
y al pasar a matrices,
[If (A)][ AL (A) ] = I L (A) I [ l) U
[L(A)][A(A)] =IL(A)I [I].

Notemos que los adjuntos
cu~l
si el elemento del
(y)
(A) son polinomios de grade (N-1)
se busca el adjunto
est~
en la diago
nal principal y de grade (N-2) para el resto de elementos

pertenecientes a dicha diagonal; por las mismas razones
no
expue~
tas al analizar los coeficientes del polinomio caracter!stico

(x). As! pues, se
podr~
descomponer la matriz [A(A)]
en un
p~
linomio de grade (N-1) en A de coeficientes matriciales de or

den N, e independientes de A,
SUbstituyendo valores en (y),

(A[ I l- [ A l) ([
_I ] AN - I + [AN _ 2 ] AN - 2 +. + [ Al ] A + [Aol ) =
(AN+CN_IAN-I+ .. +CIA+CO)[1] .
19ualando coeficientes de las mismas potencias de A a ambos la
dos del signo igual, aseguramos que ambos polinomios sean
ticos con 10
cu~l
la igualdad se
de A,
[ AN - I
=[ I ]
[ AN - 2
] - [
A ][ AN - I ] = CN - I [ I ],
[ AN - 3
] - [
A ][ AN - 2 ] = CN - 2 [ I ],
. .. . . . . . . .. . . ......... .. . ,
[Ao]-[A][AI ] =
c.I r L,
-I A][ Ao ] =
Co [I]
cumplir~
id~n
para cualquiervalor
76
Premultiplicando las ecuaciones matriciales
anteriores
por [A]~ [A]N-I , ... ,[A], [1], respectivamente,

[ A ]N [ AN-I] = [A]N,
[A][Ao ]
F [ AI]
[A
[A] [Ao]
= c
[A]
= Co [1]
Sumando las ecuaciones anteriores,
(2-38)
1 ],
[ 0] = [A ]N+ CN-I [ A ]N- I + CN-2 [ A ]N-2 + .. + CI [ A] + c [o
10 que significa que la matriz [A] es una raiz de su polinomio
caracteristico (x), cuyo enunciado constituye el
teonema
de.
Calj.te.lj-Ha.rnLU.on.
Consideremos polinomios If> (A) que se anulan
POLINOMIO MINIMO.
al substituir A por una matriz cuadrada arbitraria[A] ,

If>(lAl} = O. Entre estes polinomios se encuentra
sea
evidentemente
el polinomio caracteristico de acuerdo con el teorema de Car

ley - Hamilton, (2-38). Al polinomio m6nico de grade
m1nimo M
(A) para el cual M(l A ]) = 0, se le llama poUnornio minimo que
es
unico para cada matriz [A].

Si hubiera dos polinomios m1nimos respecto a [A] y
fue
ran ~stos MI (A) Y M2 (A), y como ambos son m6nicos, la diferen

cia MI (A) -M2(A} se r a otro polinomio no m6nico y en general de
un grade menos. Dividiendo el polinomio resto por
ciente del
t~rmino
P+
coefi
de mayor grade obtendr1amos un polinomio
nico de grade inferior a MI (A)

MI (A) = A
el
Cp_I AP - I +
AP + d p -
AP -
M2 (A) contra la hip6tesis,
+ CI A + Co
+
a,
A+ do (
MI([A]}=O
M2
([
A ]) = 0
N (A) = MI (A) - M2 (A) = AP- I +. . +

CI - d 1
c p- 1 - d p- 1
c p _ I - d p- 1
([ A])
c p_ 1
m~
A+
Co- do
c p-
1-
dp~l
M2 ([ A ])
dp_I
Ahora bien, si MI ([ A]) = 0 y M2 ([ A J) = 0, N ([ A ]) = 0 si Y

solo si c p- 1 - d p- 1 'I 0, ya que si c p- 1 - d p_1 = 0,
en principio
Lim (N[AJ) = ~ = indet. perc en este ultimo caso, M1 ([AJ)
o
'
77
deber~
M2 ([A]) ser1a de grade P-2 y para ser m6nico

por
Cp _
M1 (X) Y
dividirse
-dp _ 2
Y as1 sucesivamente se llegar1a ados polinomios
id~nticos
(X)
tambi~n
contra la hip6tesis de que se
supon1an diferentes.
El polinomio m1nimo es ademas un divisor del polinomio
c~
racter1stico. Para demostrar esta aseveraci6n, supongamos que

M(X) sea el polinomio m1nimo y I L(X)I = L(X) el polinomio
racter1stico, y empecemos por establecer que,
L(X) =M(X)f(X) +R(X),
ca
(z)
es decir, que L(X) no sea divisible por M(X), siendo f(X)
el
polinomio cociente y R(X) el polinomio residuo de grade siem

pre inferior al polinomio divisor
~(X).
Si substituimos
en
( z ) X por [A] ,
L([A]) =M([A])f([A])+ R([A])
Y como L ([ A ]) =[0] y M([ A]) = [ 0 ] ,
[ 0 ] =[0] f ([ A]) + R ([ A])
=>
R ([ A ]) =[ 0 ] ,
10 que significa que R (X) es un polinomio que tiene por raiz la

matriz [A] y ademas de grade inferior al polinomio m!nimo M( X)
contra la hip6tesis.
VALORES PROPIOS.
A las raices del polinomio
se les llama va.iOll.e6 pltopiol.l

cir~n
caracter1stico
ungenvaiolte6. As! pues ~stos se dedu
de,
IL
(X)
I =
0 =>
X-a~
-a~ .. -aA
-ai
X-a~
... -air
-af
-a~
X-a:
= 0
Como este polinomio es de grade

ximo, N, raices
~'
(2-39)
se
obtendr~n
como
valores propios distintos sean reales
ginarios conjugados, simples
multiples,
m~
ima
cualquier combi
naci6n de ellos. La suma de todas estas raices, que corespon

den a un polinomio m6nico, es el coeficiente de grado N-l cam
biando de signo,
sea,
(2-40)
por 10 que podemos enunciar que la suma de todas las raices
es la traza de la matriz [A] .
78
EJERCICIOS
2-19. Hallar el polinomio caracter!stico de las siguien

tes matrices y comprobar que L([A]) = [0].
a)
[ A]
[cos a sen aJ
-sen a
X2
X cos a
- sen a
L (X) =
=>
=
sen a
cos a
X cos a
2 cos a X + 1.
sen
L ([ A]) = [AF - 2 cos a [A] + [I] _ [ cos a

- sen a cos
2
CO S
[
a
cos a[_c::na
2 a - sen 2 a
- 2 sen a cos a
b)
2 sen a cos al
[A] :
[~ ~
[ - 2 cos 2 a
cos 2 a - sen 2 ~ +
-n ~
L(A):
L ( [ A ]) = [A]3 + [A]2 =
[
al
- 2 sen a cos a - 2cos 2 a
o X+1
00
00
0 -1
0]
0 +3 [00
0
00
0]
0 2= [00
0 -1
2-20. Hallar los valores propios (se
eMac..teJl.-t6tieO.6
- 2 sen a cos
00
0l
0 +
0-1
[~ ~ ~} [~ ~
vMO!l.e,6
:]=
[~
:] ~ [: :l
[~
\
::::J
a1
-l
les
llama
t amb Leri
de las matrices anteriores.
a) Igualando a cero el polinomio caracter1stico,

X2-2cosa X+1=0 =>At= cosa+ i sena;
obs ezvando se que estas soluciones son
X2 == cosa-i sen a,
v~lidas
si el campo !S de
escalares es complejo.
b) X2 (X+1)= 0 => X = 0 (raiz doble) ; X =-1.
2-21. Hallar los polinomios caracter1sticos y m1nimos de
las siguientes matrices.
a)
.t A J= ~
~J ~L()..)
"A
=
0
"A
79
="A 2
Los di visores de L ("A) son A y "A 2. Se comprueba que M("A) ="A

el polinomio mfnimo ya que,
M ([ A ])
=l A 1=
b). [A]=
[~ ~
[0o -1OJ
J.
~
es
L("A)=I"A o = "A ("A+l)

0 "A+1
Los divisores de L("A) son "A, "A+1 y "A ("A+1) En este caso,M("A)=
"A("A+1), es el polinomio mfnimo coincidiendo con el caracterfs
tico, ya que,
c)
[ A
I=
[~ ~o ~] ~L("A)=("A-1)2("A+1).
-1
.,
,.,
M("A) debe ser uno de los divisores "A-1, ("A-1)2, ("A+1), ("A-1).
("A+1) , ("A-1) 2 ("A+1), del polinomio caracterfstico. Se comprueba
que el menor divisor para el cual M([A])=O es M("A)=("A-1) ("A+1),
M([ A ]) = ([ A ] - [ I
]) ([
A ]+[ I
]) =[ A F - [ I
]=
[~ ~ ~J_2
o
[~
d)
o
o
-1
80
[~3
-3
~ -3 [~1
0
4
3
0
1
-1
8=D
1
+2U
0
0
~.
e} .
~}
0
[ A]=
X-I 0
L(A)=
X-2
-~ J
o(A-l)
-2 X-
I -1 I=
A-2
-2 X-I
(X-I) [ (X-2) (X-l}-2] =X(X-1) (X-3)=~ -4~ +3X .
Los divisores de L(X}
son X,X-l, (X-3), X (X-l},X (X-3), (X-I) .
. (X-3) y X(X-l) (X-3). En este caso M(X} coincide con L(X}pues

el menor divisor de este ultimo para el cual M([A]}=O es
3 - 4 X2+3
X . El hecho de
X(X-l} (X-3) 0 10 que es 10 mismo M(X}=X
que el polinomio caracter!stico no tenga
t~rmino
independien
te significa que la matriz [A] es singular,

Co
= 0
(-I) I A I = 0
SEMEJANZA DE MATRICES.
I A 1= 0 .
Dos matrices cuadradas del mismo
den, [A] Y [B] son seme.janre si existe una matriz [X]
or
regular
tal que,
[ A ] =[X] -
1 [
B ][ X ].
Premul tiplicando por [X] y postmul tiplicando por [X] ambos miem
bros de (2-41),
[ X ][ A ][ X
=B ~ B
= ([ X
1 ) - 1
[A ] ( [X
luego si [A] es semejante con [B] ,
1 ) ,
[B] es semejante con [A]
(propiedad reflexiva). Si,

[A ] = [X ]- 1 [B ][ X] ;
[A }= [X
r ~ [y
[B
1= [y
1 [
C ][ y ] ~
l" 1 t c ][ y ]} [X 1= ([ y ][ X l> - 1 lc ]([ y ][ X] ) ,
por 10 que si dos matrices son semejantes a una tercera,
son
semejantes entre s! (propiedad transitiva). Finalmente,

[A]=[1
r ' [A ][1
],
o toda matriz es semejante consigo misma (propiedad
sim~tri
ca) .
As! pues, las tres propiedades anteriores establecen pa
ra la semejanza de matrices una relaci6n de equivalencia.
Si a cada matriz [A] se le hace corresponder la
matriz
81
[X]-I [A][x] semejante a la anterior y que llamaremostrans

m~s
formada por medio de [X], es facil deducir las propiedades

elementales de las matrices semejantes:
a) La transformada de una suma de matrices es igual a la

suma de transformadas,
[ X
rI
([ A I ] + [A 2
[X
l'
+ + [Ai ] ) [X]
l x, ][
[A 2 ][ X] + + [X ]-1
[X]-I [A I ][ X] +
(2-42)
X].
b) La transformada de un producto de matrices es igual al

producto de las transformadas de cada una de las matrices,
I"
([AI ][A 2
[A t ])[X]
X ]) ([ X
rI
([ X ]-I [A 2
][
([X]-I [AI ][X])

[A i
][
l)
(2-43)
c) La transformada de la potencia de una matriz es igual

a la potencia de la transformada de la base. Si en (2-43) ha
cemos [A I ]
[A 2
[Xr l [A]i[X]
= ~i! . =
=
[A I
[A],
(2-44)
([X]-I [A][X])i.
d) La transformada de un polinomio de matrices
es
igual
al polinomio de la matriz transformada. Si,
es un polinomio de la matriz [A], podemos hallar la trans for

mada de este polinomio aplicando las propiedades (2-42) y
(2
44) ,
[Xrl\fJ([A])
C If X
[X]
I"
CN[Xt l [A]N[X] + CN-I
[A][ X] + Co [ X t
[I
ll
tx r'
[A]N-I [X]+ +
X]
CN([Xt l [A][X])N+ CN-I ([X]-I [A][X])N-I + +

C I ([ X j I [A][ X])I + Co [ I ]
\fJ ([
X ]-1 [A][ X ])
(2-45)
e) Los polinomios caracter1sticos correspondientes

trices semejantes son iguales. Si [A]
[X]~
(X)
1 =1
ma
[B][X], por
(2
37) ,
ILI
(X)
1
I =1
X [I] -
L I (X)
I X[
I [X
I
l
[A]
X[ I ] -
[1][ X] -
]-1 (X[ I] -
I ;
IL2
[X ]-1 [B][ X]
[X
l"
[B]) [X]
[B][ X ] I
=I
X [I ] -
[B]
[X ]-111 X[ I] -
l[x]-lllxIIX[I]- [B]I=IX[I]-[B]I
[B]
~
\I X I
82
I LI (X) I
I L2 (X) I
(2-46)
Como corolario de la propiedad anterior resulta que a m~
trices semejantes corresponden trazas y determinantes iguales
ya que estos son, salvo los signos, coeficientes del polinomio
caracter1stico
f)
Si dos matrices [A] Y [B] son semej antes, la matriz [ X ]
que cumple (2-41) no es unica y hallada una soluci6n particu

lar [X], cualquier matriz [Y] que cumple,
( a' )
[Y] == k [X],
es tambien soluci6n de (2-41), siendo k un escalar cualquiera,

[A]
~
[X ]-1 [B][ X]
[A] ==
(~
[X ]-1) [B]
(k [X])
(k [X ])""'1 [B] (k [X])

[A]
(2-47)
[y]-I[B][Y].
Resenaremos finalmente que el rec1proco de e) no es siem

pre cierto, es decir, que de las matrices cuyos polinomios caras:
ter!sticos son iguales no puede asegurarse con toda generali
dad que aquellas sean semejantes. Sean las matrices,
[ A] =
[ 0]
L (X)
L (X)
==
1
o X
'\2
1\
que tienen el mismo polinomio caracter!stico, condici6n nece

saria perc no suficiente para que las matrices [A] y [0] sean
semejantes. En efecto, busquemos una matriz [X] regular
tal
que,
[X]-I[O][X] = [A] ~ [0] = [A],
por 10 que independientemente del valor designado a

Y [A] deberfan ser iguales contra la hip6tesis. Luego
[X], [0]
dichas
matrices no pueden ser semejantes.

Para cerrar este apartado destinado a la semejanza,anal!
cemos el siguiente ejercicio por un metodo elemental
se puede asegurar
de como
si dos matrices son semejantes y ca Lcu Lo de
la matriz [X] en su caso.

EJERCICIO
2-22. Comprobar que las matrices [Aj -
[~
-t]
y[B]==
8J
-23J
10
son semejantes y hallar una matriz
tal
[ X ]
que cumpla (2-41).

Partiendo de (2-41),
[ A ] =[X
I [
B ][ X ] ~ [ X ][ A ]= [B] [ X ]
al substituir en (b') los valores
-lJ
1
0
2
x~
xi x~
equivalente al sistema lineal y

-xi = - 9xl
-x~
num~ricos
[x~ x~J = [x~ x~J

xi
+4x~
= - 23xl
+10x~
-9xl
~
(b')
[-9
-23J
10 '
homog~neo
+4x~
+xi
-23x~ +10x~
de {A] y [B] ,
+Ox~
+Oxi
de ecuaciones,
= 0
+x~
= 0
2x~ +xi =-9xi +4x~
2x~
2x~+xi=-23xi+10xi
Ox] +2x! +23xi - 9xi=0
( c')
+Ox! +10xi - 4x~=0
Si [A] y [B] son semejantes, el sistema anterior debe ser com

patible. En efecto, es nulo el determinante formado por los
ficientes de las inc6gnitas
-9
-23 10 0
2 23 -9
Ul-55}, primera
co~
condici6~.
=0.
10 -4
Respecto de la segunda condici6n de (1-55),
fO, no se cum
pIe pues no hay en (d) ningun adjunto de tercer orden distin

to de cero. Sin embargo, podemos encontrar menores de segundo
orden no nulos en las dos primeras ecuaciones. Asi pues las
s~
luciones se pueden deducir de,
~ - xl
-9x~ +4x~ = - xi
-23xl +10xJ
considerando a xi y xi
si xi=l,
x~=3,
de
x] = - 5xi +2xi ;
Xl
2
23
( d')
= - -2- x 2I + -2- x 22 '
inc6gnitas independientes. Por ejemplo,
(~), x~=l, x~=2.
Asi, la matriz [X]=[}
es una de las multiples soluciones de
;]
(~).
En el pr6ximo capitulo se ver& la importancia que
juega
la semejanza de matrices en las transformaciones lineales.
84
2 -5. EGUIVALENCIA DE MATRiCES.
MENORES Y COMPLEMENTOS
ALGEBRAICOS.
Sea [A J la rnatriz cuadra
da,
a]
a]
aN
a]
a~
a~
a~
a~ . a~
A =
y sea M un n1imero entero tal que
(l~M<N). Seleccionando
la rnatriz anterior la formada por los elementos de las
de
filas
it , i 2 , , i M Y columnas jt ,j2' ,jM' Y la formada por los e

lementos de las restantes filas i M+ 1 , i M+ 2 , , i N
columnas jM+t ,jM+2 , . ,jN'
restantes
se obtienen las submatrices de [AJ,
a.it . ... a it
.
A ~ t ~2
J2
i2
a.
J2
~=i ==
JM
i2
.. a.
JM
JtJ2 .. J~
a~M+la~M+! . a~M+t
JM+t J M+2
IN
a.i M +2 a.i M +2 ... a.i M +2
JM+l JM+2
IN
... ~;;J =
[A~J MM +t+ t J~M+2
M +2 .. J cl
Al determinante de cada una de estas submatrices

llama
se
Ie
menOIL de [A J A los menores,
A ~ 1 ~ 2 .. ~MI
A~M+l ~M+2 .. ~NI
JtJ2J M
se les llama
JM+l JM+2 . IN
menOILe..6 c.omptementaJUo.6. Por ejernplo, de la matriz de
sexto orden [AF[al J
IAn~1 =
a1
aj
a~
a~
al
a~
ai
a~
a~
a~
al
a~
a?
a~
a~
a~
al
a~
son dos menores cmplementarios.
85
Tambi~n,
af ci5 a 26
4"
a~ a: a 5 a:
a~ a~ a 5
5 a 65
a~ a~ a~ a 6
6
a~
1 AH
a~
a~
a~
al
1 A 2456
2356 1=
son un par de menores complementarios de la misma matriz.

Haciendo,
(i 1+ i 2 + ... + iM) + ( j 1+ j 2+ . + j M) = k ,
se define como c.ompleme.n-to a1.ge.bJULi.c.o
de
I A~I ~2"
( e)
'~M
J 1 J 2
I a,
1M
A~I ~2 .. ~yl=( _l}k I A~I ~2 ... iMI

JI J2 .jM '
I JI J2 .JM
y el de
(f ')
A~M+I ~M+2 ... iN I a,

JM+l JM+2 .' . jN
A~M+I~M+2
JM+l JM+2
~N 1=(-l}1 IA~M+I~M+2
IN
JM+I JM+2
I.
Los complementos algebraicos de los menores del ejemplo
son
pues,
135 1
= (- 1}4+5+6+1+3+5 I A1HI=1 A
A 456
g~
I,
A UH = (- 1) l+2+3+2+4+6IA~U 1 = 1 A ~UI,
I A I ~ 1 = (- 1) 1+ 3+ 1 +41 A UI = 24561 -I A 2356
I A I H,
2456 1
( - 1) 2+4+5+6+2+3+5+6IA 2456
2356 1-- - J A 2356
Observese que para definir correctamente los menores
complementos algebraicos los indices de filas y columnas deben

estar colocados en orden creciente,
1 ,,;;; i
< i 2 < . . . < iy ;
1 ,,;;; i M+ 1
1 ,,;;; j 1 < j 2
< ... < jM ;
< i M+2 . .. < iN;
Para colocar el menor
I AJIJ2JM
~I ~2 ... ~M
< jN .
de forma que ocupe en
el determinante principal IAI las ~ primeras filas y las ~

primeras columnas se necesitan hacer un nUmero de transposi
ciones en las lineas de I A I, cambiando
~ste
de signa tantas
v~
ces como transposiciones entre las lineas paralelas hayamos ~

fectuado. Para pasar la fila i l al primer lugar se necesita
que
~sta
haga il - 1
intercambios con las filas adyacentes. A
86
na Loqament.e , la fila i 2 necesi ta i2 -2 intercambios para ocu

par el segundo lugar, y as! sucesivamente. En total, las M fi
las efectuan un nUmero de intercambios dados por,
(ii -l) + (i 2 -2) + ... + (iM-M) = (it +i 2 + ... +i M)- ~ M(M+l).
Se tiene para las columnasuna expresi6n similar,
(jt- 1}+(j2- 1}++(jM-M}=(jt+ j2+ ... + jM)-
M(M+l}.
El nUmero total a de cambios de signo, al tener presente (e') ,

a= k - M(M+l}
(- L)" = (- l}k-M(M+l) = ( - l}k ,
ya que M(M+l) siempre es par. As! pues el determinante A cam

(,
biar~
k veces de signa para colocar el menor
la esquina superior izquierda de
aqu~l.
IA~t~2 .~M
I en
Jt J2 JM
El signa final de I AI,
( - l) ~ coincide con el del complemento algebraico (f I),

estos cambios de linea el menor complementario
Y con
IA~M+) ~M+2
~NI
JM+) JM+2
I N
queda simultaneamente situado en la esquina inferior derecha.
El producto,
( gl)
contendr M !(N-M)!
terminos del determinante IAI. Dejando fi
jas las filas i) ,i 2 , ... ,iM, obtendremos un namero deproductos

( g I) igual al de combinaciones de las ~ columnas tomadas de ~ en
t1.
As!. pues un determinante IA I se puede desarrollar por
sus
menores complementarios (metodo de Laplace):

(2-48)
siendo k el ntime ro dado por (e ") y

dose la suma a las
lumnas j
p =
N!
M! (N-M)!
extendi~n-
combinaciones de los !ndices de
las co
,j 2 , ... , j M
Basndonos en el desarrollo de Laplace, el valor del de

terminante de una matriz cuadrada de orden N puesta en
forma
de submatrices, siendo [V], y [W] cuadradas de ordenes My N-M

respectivamente,
[A ]
= [
[ U ] [O]J
[ V] [W]
87
es,
I A 1=1
u II wI,
ya que con la
(2-49)
prirneras filas de [A] s6lo se puede formar el
menor [U] siendo su menor cornplementario Iwl.

EJERCICIOS
2-23. Hallar el valor del determinante I A 1=
desarroll~ndolo
I A 1=
0 -1
0 -1
0 -1
por los menores de las dos primeras filas.
~ II ~ ~ I+ (-1t+2+1+31~ -~
(-1)",",1 ~
t ~I
(_1)1+2+1+41~ -~II_~ ~I +(_1)1+2+2+31~ -~II ~ ~
1+
(_1)1+2+2+41~ -~ I ~ ~ I + (_1)1+2+3+41~1 -~ I ~ -~
1=
(+1) (-2) (-1)+(-1) (-1) (+3)+(+1) (+1) (+1)+(+1) (-2) (0)+

(-1) (0) (0)+(+1) (-1) (0)=2+3+1 = 6.
0
2 -1
0
2-24. Hallar IAI= 0
0 -1
4 -1
-3
Desarrollando por los menores de las tres primeras filas,
2 -1
A = (-1) 1+2+3+2+3+4 1
0 -1
I~ -~
1= (-1)1
i -~ II ~
-~ 1= -8,
001
ya que los restantes nueve rnenores deducidos de las tres pri

meras filas son todos nulos por tener siernpre una columna
de
ceros en cada uno de ellos.
Jtango de
una matriz (cuadrada 0 rectangular) al orden Jt del mayor me
nor no nulo contenido en dicha matriz.
CARACTERISTICA DE UNA MATRIZ.
Se llama c.aJLa.ueJLt6uc.a
EJEMPLOS
6. De las siguientes matrices deduzcamos las caracterfs

ticas respectivas,
88
n~~=
[~ ~] ~ Jt = 0
[OOO]~Jt=O
n
~~=
n
[
1-2 3-4J
-2
4 -6
3 -6
2 ;
( los menores de tercer orden son to

dos nulos y hay uno de segundo
1 2
'10)
1 3
n: = l.
por ser las tres filas proporciona
9 -12
les, todos los menores de 2y 3or

den son nulos)
7. Si dos matrices [A] y [B] son ambas regulares y de 0E

den N, su producto [ C ]=[ A][ B] tambi~n ser~ una matriz regular
y del mismo orden,
[ e ]=[ A ][ B]
,
~I
IAI1'O,
IBI1'O.
el=1 All BI1' 0 , Jt Icl
=N.
Sea,
10 10 -1OJ
[0 0 1
[ A] =
[ e ]=[ A ][ B]
La matriz [e]
ser~
~[A
11' 0
I C 11' O.
regular por ser regulares las dos matrices
del segundo miembro.

8. Si de un producto de matrices [e ]={ A ][ B ] , al menos [A]
6 [B] son singulares,
[ e ]=[ A
{e]
tambi~n ser~
singular,
][ B ] ,
I A 1= 0, 6
IBI= 0,6
I A 1= 0, I B 1= 0
~I
e 1=1 A II B 1=
0 i
Jt [c] ~ N-1.
Sea,
IA F
[~ ~ ~ ] ~IAI =
[e
]=[ A ][ B ~I
La matriz [e)
ser~
0 ,
[B
]=[~ -~
-2
1=0.
singular por serlo
tarnbi~n
[Al, una de las
89
matrices del producto.

El ca Lcu Lo directo de la caracter!.stica de una matriz
de
resultar engorroso por cuanto hay que analizar
en
primer
lugar todos los menores cuadrados del maximo orden que

en la matriz. Si por 10 menos uno de
~stos
br!'a que investigar si son nulos
caben
menores de orden p
no fuera nulo, la caracter!.stica ser!.a igualmente

Pero si todos los menores de orden
pu~
p.
fueran nulos
ha
no los menores de orden p -1
Y as!. sucesivamente. Por ejemplo, en la matriz,
[a:
a~
[ A]
ai
habria de analizarse los cuatro menores de tercer orden,
a 11 a 21 a~
a 21 a 22 a 23
A 1 2 31=
123
IA
123
134
I=
al a! a!
IA
1231_
124
ai a~ al
a 31 a 23 a 33
a~
a~
a!
a 11 a 31 a~
a 21 a 23 a 42
a~
a~
a!
a~
a2
a1
a~
a~
a!
I A~ U I =
a 31 a 33 a 43
De ser, al menos, uno de estos menores no nulo, la caracter!.s

tica valdra
= 3.
Si por el contrario, los menores anterio
res son todos nulos, se consideraran los dieciocho menores de

segundo orden,
n I; I g I; I I; I HI; I I; I I ;
IAul; IAnl;; IAul; lAg!; IAnl; ... ; IAul.
IA
AU
AU
AH
En su caso, habr!.a de analizarse finalmente, los doce menores

de primer orden que son los propios elementos de la matriz.
En general, en la matriz [A] de orden (M,N),
[A] =
ar ar ... a~
y suponiendo N
>
M, el ntimer o de menores de orden Ma analizar
es el producto de numeros combinatorios
(~)
(:) siendo
(~)
el
co
numero de menores, al dejar fijas las filas, tomando las

lumnas de M en
~,
(~)
,dejando fijas las columnas , al
tomar
90
las
filas de
~.
en
Si los (n)
(~)
menores de orden
fue
ran todos nulos, habr!a que investigarse los (M~l) (M~l ) meno
res de orden M- 1, Y en su caso (,.f~2) (M~2) menores
M- 2, ... hasta
(~) ('1)
== N M
menores de orden 1
de
orden
sea los pro
pios elementos .
Para evitar los inconvenientes apuntados, es decir, tener
que analizar un gran numero de menores, se
en la
prefierebas~ndonos
EqLLiva.enc..M de ma-tJUc.u transformar La matriz sometida
an~lisis
en otra cuya caracter!stica pueda deducirse a simple
vista. En general, de la matriz inicial a la final se

san varios pasos
preci
trans formaciones que no al teren ni el orden
ni la caracter!stica de la matriz primitiva. A estas transfor

maciones se les llama,
TRANSFORMACIONES ELEMENTALES.
Son aquellas que al
aplicarlas
a las matrices no modifican ni su orden ni su caracter!stica.

Enumermoslas:
(1). Permutaci6n de la fila icon la fila j. Se represen
ta por
F i ..= F j
(r). Permutaci6n de la columna icon la columna j. Se re

presenta por Ci ,.,. Cj
(2). Multiplicaci6n de todos los elementos de la
fila
por un escalar k distinto de cero. Se representa por F i (k) .

(2').
Multiplicaci6n de todos los elementos de la colum
na i por un escalar
distinto de cero. Se representa por C i
(k)
(3). Adici6n a todos los elementos de la fila i

rrespondientes a los de otra fila cualquiera
los
co
previamentemu1
tiplicados por un escalar k , Se representa por F i + F j (k).

(3').
Adici6n a todos los elementos de la columna i
los
correspondientes a los de otra columna cualquiera j previamen

te mul tiplicados por un escalar
Las transformaciones (1),
~.
Se representa por Ci + Cj (k ),
(2) y (3) son
bta~n0tunauonu
Mfa mientras que las (1'), (2') y (3') son las
Vta116
n0Jtmac..{onu elementa.u de c.o.fumna. En su conj unto forman las
bta~
lemel'Lta.u de
n0JtmauoYlu e.lementa.u de tinea.
La transformaci6n (1) [resp.
la (1') ], aunque
de
tanta
91
dem~s,
utilidad como las
no es realmente
una
transformaci6n
elemental y puede obtenerse de una combinaci6n entre la

[resp. (2
) ]
y la (3) [resp. (3
(2)
Veamos los siguientes
)].
EJEMPLOS
8. Para permutar las dos primeras filas de la matriz [A]

es suficiente aplicar la transformaci6n (1),
[ A]
a~]
a : a1
=
[
a~
a~
a~
a~
a~ a~
(FI ,.,: F2) ~
a~ a~]
[at
a: a~ a]
a~
a~
a~
Al mismo resultado podemos llegar usando solamente transforma

ciones elementales de tipo
[a:
a~
aJ ]
a~
a~
a~
a~ a~
a~
(2 )
~ [(F 1 + F 2 ( +
Y ( 3) ,
1)]
[a: +at aJ
a~ + a~
- a~
- a~
a~
aj
~
[F2 ( - 1) ]
a:
a~
a~
a~
a~ + a~J
a] + a~
a~
a~
a~
aJ + al ]
a~
:: ::J.
a~
a~
9. Deducir a trav~s de transformaciones de fila la carac

ter1stica de la matriz [ A ].
-1 -2
[A] =
[2
3 0 -1
3 -6
[F3+ F 1 (-3)]
[1
~}
[F2+ FI (-3)]
-1 -2
2
o -6 2
~] ~
7
0-12
[~
[F,+ F,
2 -1 -2
-6 2 7
-6
~}
(-2) I
4 14
2 -1 -2
-6
o o
Jt
= 2.
Por simple inspecci6n de la matriz final vemos que no hay me

nores de tercer orden no nulos y
MATRICES EQUIVALENTES.
I~ _~ I :I
0, luego
Jt =
2.
Si una matriz [B] puede obtenerse
de
otra [A] aplicando a esta ultima trans formaciones elementales
92
de lfnea, se dice de [A] Y [B] que son e.quiva.1e.nte6. La equi vale~

cia entre [A] y [B] la representaremos por[A]~B].
Las matrices se pueden dividir en clases de equivalencia.
En efecto,
a). Si [A] equivale a [B] , [B] equivale a [A] (propiedad
reflexiva). Sean,
[A]
[A
~(Fi ~Fj
]~
[Pi +Fj
[A]~[Fj
) ~[ B ]9. B
(k)]~
]~(Fi ~Fi
[B ] ~ [ B
[Fj +Fj (-k)] ~ [A ]
]~
(k)]~[B]~[B]~[Fj
) ~[A]
(l/k)]~[A];
etc ...
transformaciones elementales que dan como resultado el paso de

"/
[A] a [B]. Existen al lade de cada una de estas transformacio

nes otras llamadas VtalU6oJtmac.i.one6 e1.e.me.nta.1e6
,{J1VVt6M
que dan co
mo resultado el paso de [B] a [A]. Luego si [B] se deduce
de
[A] por una transformaci6n elemental, [A] se puede deducir de

[B] a traves de su transformaci6n elemental inversa.
Las inversas de las transformaciones elementales son:
(Fj ~ Fj )-
Fj ~ Fj
[& (k)]-I= & (11k)

[& +Fj (k)]
-'= & +Fj
= C; ~ C
(k)] -, = C, (11k)
; t c, +C j (k)] -1 =
(C, ~ C j
; [C i
(-k)
)- 1
C, +C j (-k)
que evidentemente tambien son transformaciones elementales.

b). Si [A] equivale a [B] Y [B] equivale a [C],[A] equi
vale a [C] (propiedad transitiva). Esta propiedad es evidente
ya que [C] se deducir~ a traves de las transformaciones
mentales de [A] a [B] afiad Lda s a las de [B] a [C].
ele
c). Toda matriz es equivalente a sf misma (propiedad re

flexiva) .
Asf pues,elconjunto de matrices equivalentes forman una
relaci6n de equivalencia.
Si la lliatriz [A] se deduce de la matriz [B] por transfoE
maciones elementales de fila, se dice entonces que [A] y [B]
son e.qui.va.1e.nte/.J poJt
6.il..M y entonces arnbas rnatrices quedan inclu!
das en una clase de equivalencia. En esta clase existe una unf

ca matriz llamada matJUz c.an6nic.a po): 6ilM
que caracteriza a d!
cha clase. Por 10 tanto, si dos matrices [A] y [B]
presentan
equivalencia por filas, sus matrices can6nicas representati
93
id~nticas.
vas deberfan ser
Convendr! pues estudiar los pasos
necesarios a base de transformaciones elementales de fila pa

ra poder convertir una matriz en su forma can6nica.
Empecemos por definir la ma.tJUz
MATRIZ CANONICA POR FILAS.
eJ.>
ealonada en la cual existen en cada fila y anteriores a un ele

mento no nulo
elementos nulos que crecen fila a fila de,alme
nos, un puesto por fila, pud i endo se obtener, a veces, una
0 v~
rias ultimas filas con elementos todos nulos. Como pr!ctica ,

el paso de una matriz a su forma escalonada se analiza en los
siguientes ejemplos.
EJEMPLOS
10. Convertir a la forma escalonada la matriz [A] y dedu
cir a simple vista su caracter!stica.
[Al=[~
1 -1
0 -2
~]
La columna m!s a la izquierda con elementos no todos nulos es

la segunda. Sin embargo el elemento a! es nulo, por 10 que de
bemos efectuar una permutaci6n entre las filas primera y segu~
da 0 primera y tercera. Siguiendo la segunda alternativa,
[~
1 -1
0 -2
~] "(FI"F')'{~
0 -2
1 -1
~]
A continuaci6n se reducen a cero los elementos no nulos de la
=3
segunda columna excepto at2

mada) ,
[~
0 -2
1 -1
(elemento de la matriz transfor
n.
~ ) l"~
[F,+F, (-
0 -2
0 7/3 1 10/3
0
1 -1
~l
En la segunda fila de la matriz transformada, el primer e Lemen

to no nulo m!s a la izquieda es
a~
= 7/3,
to, dos elementos nulos delante (a]
teniendo este e l emep
= a~ = 0),
por 10 que en la
tercera fila, como m!nimo, deber!n se nulos los tres primeros

elementos (a] = a~ = a~
) de la matriz pedida. Como a] = 0 y ~=
0, basta reducir el elemento a~
=1
a cero,
94
-2
0 7/3 1 10/3
1 -1
~J
'" [
FJ
F,(-
_3_)
7
I'"
0 -2
~J
0 7/3 1 10/3 0
0
-10/74/7 3
(hi)
que es la forma escalonada de la matriz original [A ]. Vemos que

el menor
[~ 7~3 ~
o
= (3) (7/3) (-10/3) =I 0
=>
It
= 3.
0 -10/3
11. Como segundo ejemplo, convirtamos a su forma
escalo
nada la matriz [A] de orden (6,3),

,t .
~
,-
[A ] =
Antes de empezar las sucesivas trans formaciones
elemen
tales de fila, observernos se deben reducir a cero los elemen

tos ai ,a~,a~,a1,a~,a~... etc., 0 sea que con toda seguridad p~
demos afirmar que, al menos, a partir de la cuarta fila in
elusive, todos los elementos son nulos. En general, para
una
matriz de orden (M,N) siend~_M~N, te~~~& su forma escalonada,

al menos, (M-N) filas con todos sus elementos nulos.
2
[F 2 +
2l l
F,(-1/
(F 4 + F t ( - 1 / 2 ) ]
0 -1/2 -1/2
0
0 1/2 5/2
[F s + F t ( - 2 ) ]
Por debajo de al= 2, todos los elementos de la primera ya

son todos nulos. Ahora debemos reducir a cero los elementos no
nulos por debajo de a~= - 1/2 de la segunda columna,
2
a
0
0
-1/2 -1/2
0
1/25/2
0-1/2-1/2
[F' 4+ F2 ] ~
'
95
A continuaci6n reduciremos a cero los elementos no nulos

debajo de a~
por
. Al ser este elemento nulo, permutaremos la ter
cera y sexta fila,

2
0 -1/2 -1/2
0
0
0
0 -1/2 -1/2
0
::::: (F 3","F 6)
pudiendose reducir ya a cero los elementos correspondientes,

'-..
2
0
-1/2 -1/2
-1/2 -1/2
:::::
~ [F 4+F3 (-2)] ~:::::

F s+F3 (-2)
1t=3.
( i')
De todas las matrices escalonadas que pueden derivarsede

una matriz primitiva [A] mediante una om&s
transformaciones
elementales de fila, hay una matriz unica que, como hemos men
cionado ya, es la matriz can6nica que conservanaturalmente la
caracter1stica y el orden de [A]. Para obtenerla,basta en
la
matriz escalonada,convertir en unos los elementos no nulos
m~s
a la izquierda de cada fila (los valores de dichos elemen
tos se representan en negrita) y conseguir que enlascolumnas

respectivas,
donde
mados,que ahora
ser~n
se
encuentran dichos elementos transfoE
unos, se reduzcan a cero losrestantese
lementos. Operando pues con la matriz m&s a la derecha de

para pasarla a su forma can6nica,
2
0 -1/2 -1/2
0
:::::
F} (1/2) ~
F 2 (-2)
:::::
3/2
1/2
:::::
(~),
96
[F 1 +F2(-3/2)]
[F 2 +F 3 (-1) ]
0
0
[ F 1 + F3( 1) ] ~
que es la forma pedida. Analicemos otro ejemplo
m~s.
EJEMPLO
12. Reducir a forma can6nica la matriz [A]
del ejemplo
10. No es necesario partir de su forma escalonada
(tt)
sino que
directamente podemos principiar con la propia matriz [A],
1 -1
[~
[~
[~
[~
13 10-22 OJ30
312
o 1 -1
0-2
3/2
1/2
-1
7/6 1/2
1/3
o
o
-1/7 -8/7
3/7 10/7
-2/3
3/7 10/7
-2/3
3/710/7
-10/7
o
o
o
o
-10/7
1/3
1/3
1/3
-1
4/7
4/7
0]
0
-2/3
0
-1
[F 3+F2 (-1)]
0]
0
~[Fl+F2(-1/3)]~
0]
0
{F3 (-7/10)]
-:~:~:~: ~ J~~[Fl+F3(1/7)]
l ~
1
[F2 +F3 (-3/7)] \
1 -2/5 -21/10
[~
97
-6/5
o
o
8/5
-2/5
MATRIZ NORMAL.
-3/10
9/10
-21/10
El paso de una matriz arbitrarfa a su forma
escalonada y forma can6nica se ha realizado utilizando
sola
mente transformaciones elementales de fila que en ningun caso

modifican la caracterfstica de la matriz original.
Sin embargo podemos simplificar aun mas la forma can6ni
ca por filas utilizando transformaciones elementales de colum
na. Naturalmente la caracterfstica se sigue manteniendo inva
riante al igual que la relaci6n de equivalencia,persistente a
trav~s
de las sucesivas trans formaciones matriciales. Las po
sibles formas normales son,
[ r, ] [
[ [0]
siendo
(2-50 )
[0]
la caracterfstica de la matriz original, [0]
ces nulas de dimensiones apropiadas y [I r

de orden
0]] ,
matri
la matriz unitaria
~.
EJEMPLOS
13. Reducir a forma normal la matriz can6nica,

1
o
o
+
[ c, +
[ c, +
[C s
[A]
:::::
[C 6 + C 2
+
\ [C 6 +
[ C6
C3
-6/5
o
o
-2/5
C 3 (-8/5)]
(3/10)] \
(-9/10)] :::::
C 4 (21/10)]
000
000
U 100
-21/10
[0
C 2(6/5)
C 4 (2/5)
-3/10]
9/10
8/5
::::: 00
[~
o
o
o
o
o
o
o
o
o
o
o
14. Reducir a forma normal la matriz,
o -1
123
-1 -4 -3
98
[ A ]
[~
[F,+ F, (-2)1
~[~ o -1 03]
1
3 -2
-1 -2 -3
-1
c.)
o o
o
1
o o
+ C 2 (- 3) ]
j [ c, + C t (-3) ]
{ l c, + C 2 (2) ]
\ [ C4
0
0
0
[1
I(
~]
[F 3 + F 2 (+1)]
C, (-2)
o o
1
o 3o
o o o
3]
-2
[[1 ][0]J
2
[0] [0]
INVARIANZA DE LA CARACTERISTICA DE UNA MATRIZ FRENTE A LAS TRANSFOR

MACIONES ELEMENTALES DE LINEA.
Demostraremos ahora que las trans formaciones elementales

de fila no hacen ni aumentar ni disminuir la caracter!sticade
la matriz, y para ello supongamos que la matriz [A] de
(M,N) es de caracter!stica
~.
Significa que podemos encontrar
en la matriz [A] al menos un menor no nulo de orden

contra,todos los menores de orden
de estos ultimos
orden
~+1
por
son nulos. Sea I PI uno
y entonces I PI = o. Si la matriz [A]sufreuna
transformaci6n elemental de fila, obtenemos una matriz [B]del

mismo orden (M,N) y de caracter!stica desconocida
un menor de orden
~+1
~.
Sea I Q I
de [B] que ocupe exactamente la misma
p~
sici6n que I P I en [A]. Consideremos los siguientes casos:

a)
Si,
[A]
F i (k)
~[B],
puede ocurrir,
a-i) Que el menor Ipi no quede afectado,
IQI=IPI=O.
a-2) Que una de las filas de I P Isea la i de [A],

IQI=kIPI=O.
b)
Si,
entonces,
b-l) Que el menor I PI no contenga las filas i y j,
que
solamente contenga las j, de [A],

IQI=lpl=O.
b-2) Que el menor I P I contenga la fila i perc no la
de[ A I,
99
I QI=I pl+kl RI= O+k.O= 0,
s iendo
R 1 un menor de [A] de orden n: + 1 Y por 10 tanto es nulo.
b-3). Que el menor

i
contenga s amu Ltaneament;e las filas
de [A] ,
I Q 1=1 P I+kl S I=O+k. 0 = 0,
siendo
un determinante con dos filas repetidas y por 10 ta!!
to nulo.
No hay que considerar aquf la operaci6n de intercambiode
filas por cuanto se ha demostrado en el ejemplo 8 que no es u
na transformaci6n elemental en el sentido estricto y puede de
-,
ducirse de las otras do s ,

~
~__
_
. _
En todos los casos mencionados se constata que
QI siem
pre es nulo por 10 cual la caracterfstica de [A] en n Lnqtin ca

so puede aumentar y en el supuesto que disminuyera, la trans
formaci6n elemental inversa a una de las mencionadas en a)
b)
la harfa aumentar contra 10 ya demostrado. Entonces la carac

terfstica permanece invariable frente a una transformaci6n e
lemental de fila. Una demostraci6n similar nos
d~nticos
conducir~
resultados con respecto a las transformaciones
ele
mentales de columna. En general se puede afirmar pues,que

caracterfstica de una matriz queda invariable frente
transformaci6n elemental de lfnea,y en consecuencia,
MATRICES ELEMENTALES.
a i
la
una
Jt=~.
Cualquier transformaci6n elemental
de
lfnea operando sobre una matriz [A] es igual al producto de la

propia matriz [A] por una ma.-tJUz elemental. que a continuaci6n
samaos a definir, subrayando de antemano que el orden de
caci6n de estas matrices en el producto
est~
en fntima
p~
col~
reI a
ci6n con el tipo de transformaci6n elemental puesto en juego.

Partiremos de una matriz [A] de dimensi6n (3,2) aunque 10 que
se va a analizar
es completamente general,
al
[ A]=
ai
[
a~
considerando los dos casos siguientes:

a). Transformaciones elementales de fila. Si, por
plo, intercambiamos las dos primeras filas de [1 3
ejem
obtenemos,
100
Ejecutando la premultiplicaci6n de esta ultima matriz,oe

tenida de la unitaria atravs de una transformaci6n elemental,
por la matriz [A] ,
[~
o
o
se obtiene otra matriz con las primeras filas permutadas res

pecto de la matriz [A] . A la matriz,
se Ie llama matriz elemental y su premultiplicaci6n por la

triz [A] produce el mismo efecto que la transformaci6n
tal de fila
[~
0
0
Fl~F2
[~
eleme~
actuando directamente sobre [A] ,
[ A ]=[ Fl~ F 2 ] [ A]
Tambin, al multiplicar la segunda fila por

0
m~
~}
[F, (k)
{~
0
k
!,
~l
Volviendo a efectuar la premultiplicaci6n de la anteriormente

obtenida por [A] ,
pudindose afirmar,
[ 1~
~o ~O]
[ A ]=[ F2 (k)] [ A ]
Como tercer y ultimo ejemplo de transformaci6n elemental de fi
101
la, sea,
n~
1
0
[~ ~]
U ~]
0
[
F,
~U ~]
0
+
F3
[ a]
ai
a~
(k)]
a] ]
a~
a~ at: ka] ]
~ ka]
at
ai
a~
a~
a~
[ A] = [F2 + F3 (k)] [A],
pudiendo considerar los operadores [F) ~F2]' [F 2 (k)]

F 3 (kf]
[F2 +
como au t errt Lca s matrices elementales deducidas de [1 3
por las trans formaciones elementales simbolizadas en dichos

peradores. Asf, si queremos aplicar una transformaci6n
eleme~
tal de fila a una matriz cualquiera [A] debemos efectuar
la
premultiplicaci6n de [A] por la matriz elemental del mismo ti

po.
EJERCICIO
2-25. Obtener la matriz [P] de la ecuaci6n [P][A] = [E]

siendo [A] la matriz de ejemplo 10 y [E] su forma escalonada.
Se trata de hallar [P]
P~
p~
pi
p~
p~]
p~
p~
p~
p~
[p;],
[0
1 -1
3 1
n [~
2
2
0-2
y para ella basta escribir las transformaciones elementalesde

fila del ejemplo 10 en orden inverse como producto de matrices
elementales, y dicho producto
ser~
justamente [P],
[ F) ~ F 2
[ P ]
[~o ~ ~J~[_21/3 ~ ~ ] [~ ~ ~] = [~
-3/7
1]
1 -2/3
-3/7 2/7
b} Transformaciones elementales de columna.Partiremos de

la matriz unitaria [1 2
plo, las dos columnas,
y procedamos a intercambiar, por eje~
102
y efectuando la
[1 10J
postmultiplicaci6n de la matriz elemental
respecto a [A],
al
[aiat
a~
[a~
a~ [~ ~J == a~
a~
a~
alJ
a]
,
at
cuyo efecto es el mismo que la transformaci6n elemental de co

lumna
C2, que a partir de ahora la colocaremos de spues de

[A] para que actue como matriz elememntal,
Ci
.,,-,
El efecto de multiplicar la segunda columna por k produ
ce sobre [ 1 2] ,
[~ ~J ~
[C 2 (k ) ]
[1 ~J
matriz elemental que a su vez actua sobre [A],
a~ [~
[ a]
ai
a]
at
a~
~J
==
[ a]
ka]
at
ka]
ai
ka~
o sea, como antes,

[ A]
[~ ~J ==
[A] [C2 (k)] .
Finalmente consideramos la transformaci6n Cl+ C2 (k)
so
bre [1 2] ,
[~ ~J ~
[Cl+ C2 (k)]
[ai a~al] [~
ai
at
[ A]
a~
[~ ~ ]
~J ==
[~ ~J
[al+
ka]
ai+ ka~
al]
at+
ka]
a~
a~
== [A] [C 1 + C 2 (k)]
Como en las trans formaciones elementales de fila, los

peradores t c.
C2], [C2 (k)] Y [Cl + C2 (k ) ] se pueden considerar
como matrices elementales deducidas de [12], que
al
efectuar
103
su postmultiplicaci6n con respecto a [A] actuan como una trans

formaci6n elemental de columna.
EJERCICIO
2-26. Obtener las matrices [p] y [Q] tales que [p][ A ][ Q]=
IN 1 siendo [A J la matriz del ejemplo 14 Y iN 1 su forma normal.

ser~
Del ej emplo 14, [P]
el producto de las matrices ele
mentales de fila deducidas de [13] en orden inverso,
[P
J=[~ ~ ~] [~ ~ J~l =[ ~ ~ ~J
1
"f'
An~logamente
[Q]
-2
ser~
-2
el producto de las matrices elementales
de columna deducidas de [Is] en orden directo,
[ Q ]=
-c
1 -2
0 -3
0 -3
1 -2 -3
0 -3
Se puede comprobar que, efectivamente, se cumple [ P ][ A ][ Q ]=[ N],

o sea,
[~2
1
1
[~
~ [~
0 -1
-1 -4 -3
~l
-:]
0 -3
1 -2 -3
Si una matriz cuadrada [A] de orden N es regular ( A fO) ,
104
es posible,a
trav~s
de transformaciones elementales
de
fila,
convertirse en la matriz unitaria [IN] que es su propia forma

normal. Sea,
[Fs
] [
en la que [F I
F2 ] [ F I
]
] [
A ]= [ IN I,
,[F 2] , ... ,[Fs
son las matrices elementales co
rrespondientes. Haciendo [p ~[~] ... [F~[FI]' se tiene,

[ P ][ A ]=[ IN] ~ [ A ]=[ P
[A
r 1=[ P]
[A
FI
IN] =[ P
=[ r, ] ... [ F 2 ][ F tl ,
(2-51)
que es otra forma de calcular la inversa de una matriz.

EJERCICIO
2-27. Hallar la matriz inversa de [A]=
[ ~ ~ =~]
en fun
011
ci6n de las matrices elementales de fila.

En primer lugar se debe transformar la matriz [A] en
su
forma normal,
[~ ~ =n~
[F, +F, (-2)
{~ ~ -~}
[F, (1/3)
l~n ~ ,-/j ~
[F3+F2(-1)]{~ ~1~~J~[F'(3/2)1~~ ~,j ~

o
0 2/3
l~
1J
~f:::::\-1/3)](~[~ ~ ~],
001
siendo, de acuerdo con (2-51),
Si dos matrices [A ] Y [ B ] tienen los mismos 6rdenes (.6, t) y la
105
misma caracterfstica n , podr an reducirse a una unica forma nor

mal (2-50). Para pasar una matriz [A] a su forma normal se ne
cesitan, en general, transformaciones de fila y de columna,
[ F ~] [F
t] [Ft ]
[A] [ct ] [C~] [C:] = [N],
(jl )
siendo,
[O~]],
[ N] = [ [ I r ]
[Oil
[On
quesimb61icamente puede expresarse por 10 6rdenes de las res

pectivas submatrices,
[J.l,t] == [[ Jt,Jt] r . t-Jt]
[.6-Jt,Jt] [J.l-Jt, t-Jt]
J.
Si hacemos,
[ FA ]
la (jl)
[F~]
[ ct ] [C~] [C:]
[F~] [Ft] ;
[C
A],
pasa a ser,
[ FA ] [A] [C A ] = [N].
( k I)
otra expresi6n similar liga a la matriz [B],

[ FB
De (k I)
[B] [C B
( 11)
== [N].
Y ( 11 ),
[ FA ] [A] [C A ] = [F B ] [B] [C B ]
[ A] = [FA] -
I [
FB ] [B] [C B ] [C A ] - J ,
Y si finalmente,
[P] == [FArJ[F]B;
[Q] == [C B] [CArl,
llegamos a la relaci6n de equivalencia,
(2-52)
[A]=[P][B][Q],
por 10 que podemos decir que si dos matrices [A J Y [B J son del

mismo orden y tienen la misma caracterfstica, una puede dedu
cirse de la otra por transformaciones elementales de fila y de
columna, 0 dicho de otro modo, son equivalentes.
EJERCICIOS
2-28. Descomponer la matriz [A]
[~ ~ ~]
1
0-2
en un p.rodug
106
to de matrices elementales.
Reduzcamos la matriz [A] a su forma normal,
-1
[ A]:::;
[
~ ~]:::::
o
:::::[~ -~
[F1 (-1)]
-2
~ [~-~ n~
[F,+ F, (-1)
[F,+ F, (2)
y en forma de producto de matrices,

[ Fl + F2 (2)]
[F2 + F3 (-1)]
[ F3 + Fl (-1)]
[Fl (-1)]
[F3 (-1/4)]
[F3 + F2 (- 2)]
[A] :::; [13] ~
()
[ A] :::; [F1 (-1)] -1 [F3 + F 1 (-1)] -1 [F3 + F2 (- 2) ] -1
[F3 (-1/4) ]-~
[F2 + F 3 (-1)]-1 [F 1 + F2 (2)]-1 .
Las inversas de las transformaciones elementales anteriores son,
[F3 + F 2 (-2)]-1 :::; [F 3 + F 2 (2)]
[F 3 (-1/4) ]-1 :::; [F3 (-4)]
[F2 + F 3 (-1) ]-1:::; [F2 + F 3]
y en conclusi6n,
r A]
:::; [ -
[F 1 + F 2 (2) ]-1:::; [F 1 + F 2 (-2)]
~o ~ ~J ~ ~ ~] ~ ~ ~] [~ ~ ~].
0
0-4
[~ ~ ~] [~-~ ~J
que es el producto pedido.
2-29.
Si
[A ]:: ;
[2
1
-3]
1
0-1
[B]:::; [11 -1 1J establecer

-2 -2
107
una relaci6n de equivalencia entre [A] y [B], [A]=[P][B][Q] Y

hallar [P]
y [Q] .
Pasando [A] Y [B] a sus formas normales respectivas,

[A]=[2
1
1
0
-u-31~[FI (1/2)]~[1
o-
-1
J ~[FI+F2(l)]~[1
3 2
1 1/ 2 - /
[
1/2 1/2
-3/21~[F2+FI (-1)]~
1/2
0
1
-~ ~[~+CtlP
-Lo
0
1
-~
J
0
-112
-il~[F2(-2)]~
1/~
01~[~-tG]~[1
-lJ
0
1
01
oj
1J~[F2+FI (-1)] ~[1 -1 ~~[FI+F2 (-1)] ~
[B]= [1 -1
1 -2 -2
0 -1
J~~[C3+CI(-4)]~
[ ~ ~
~ ~[ C, +C, (- 3 ) I ~ [~ ~ ~l
[
4l[F2(-1)]~[1
-~
o -1 -~-
0
1
Al poseer las dos matrices [A] y [B] la misma forma normal,se

puede establecer entre elIas una relaci6n de equivalencia,
v
[F 2 (-2)] [F I +F 2] [F 2+F I (-1)] [F I (1/2)] [A][ C 3+C I] [C 3+C2] =

[F 2 (-1)][F I+F2 (-1)][F 2+F I (-1)][B][C 3+C I (-4)][C 3+C2 (-3)],
y despejar [A] ,
[A]=[F I (1/2)]-I[F 2+ F I (-1)]-I[F I+F2r l [ F 2 (-2)r l [ F 2 (-1)]

[F I+F2 (-1)][F 2+F I (-1)][B][C 3+CI (-4)][C 3+C2 (-3)][C 3+C2r l
[ C 3 +C I r I =>
[ A ]=[ F I (2)] [ F 2 + F I ] [ F I + F 2 (-1) ] [ F 2 (-1/2):1 [ F 2 (-1)] [ F I +F 2 (-1) ]

[F 2+F I (-1)][B][C 3+C I (-4)][C 3+C2 (-3)][C 3+C2 (-1)] .
[ C 3+C I (-1)]
Si la relaci6n de equivalencia es [A]=[P][B][Q] , las matrces

[P] Y [Q] se deducen directamente de la rtltima igualdad,
[P]=[F I (2)][F 2+F I][F I+F 2 (-1)][F 2
(-1/2)][F2 (-1)]
.[F I+F2 (-1)][F 2+F I (-1)] ;

[Q]=[C 3+C I (-4)][C 3+C2 (-3)][C 3+C2 (-1)][C 3+C I (-1)].
Convertiremos los operadores en las matrices elementales
res
pectivas observando que las matrices de fila han de ser de or

den
(2,2)
y las de columna (3,3) para que los productos matri
108
ciales sean conformes, y entonces,
Observemos finalmente que si dos matrices [A] y [B]
(2-41)i
semejantes,
[ A ]=[ X
son
1 [
B ][ X ] ,
y entonces se puede considerar la semejanza de matrices
como
un caso particular de la equivalencia de matrices (2-52) en la

que,
[ P ]=[ X
[Q ]=[ X ]
MATRICES CONGRUENTES.
De dos matrices, cuadradas y del mismo
orden, [A] Y [B] se dice que son c.ongJule.n-te.6
s i se pueden rela
cionar por,
[ A ]=[ X ]T [ B ][ X ] ,
\
(2-53)
siendo [X] una matriz regular y del mismo orden que [A] y
Tambi~n
aqu1 se puede considerar la congruencia como
[B~
un
caso particular de la equivalencia, [A]=[P][B][Q], si [P ]=[Q]T,

por 10 que, si dos matrices [A] y [B] son congruentes,tendran
la misma caracter1stica.
La congruencia entre dos matrices [A] y [B] se expresara,
[A]~[B]
EJERCICIO
2-30. Demostrar que si dos matrices [A] y [B] cumplen la
ecuaci6n matricial (2-53) se puede establecer entre elIas una

relaci6n de equivalencia.
a). Toda matriz [A] es congruente consigo misma, (propie
dad reflexiva),
[ A ]= [ I ][ A ][ I ] ~ [A] = [ I ]T[ A][ I ] ~
b). Si [A] es congruente

con [A] (propiedad simetrica),
rA ] ~ [ A ]
con [B] , [B] es congruente
109
y haciendo
[X ]-1
fyP [A] [y]
[Y], se tiene,
[B ]
c
[B] :::::: [A].
c) Si [A] es congruente con [B] y fB] es congruente
con
[C], fA] es congruente con [C] (propiedad transitiva),

c
[B]::::::
[B]
[YP [C] [y]
([y] [X])T
y haciendo [y] [X]
[A] = [Z]
=>
[A]
[X]T
rc i
l v l " l c l l v l [X] =
[C] ([y] [X]),
[Z], se tiene,
l C] [Z ] ~ [A] ~ [C ].
Supongamos que una matriz cuadrada [A] se deduce de otra

[ B], del mismo orden que [A], a t.rave s de un nt1mero !!l de tran~
formaciones elementales de fila [F m] , ... ,[F2], [Fl] y del mi~
mo numero de transformaciones elementales de columna,[Cl],[C2]
... ,[Cm], entonces se tiene,
[A ] = [Fm] ... [F 2]
Y si
la
[F l] [B] [C 1
[C 2
[C m] ,
( m')
adem~s,
(m') pasa a ser,

[ A] = [C m] T [ C2 ] T [C 1 ] T [B ] [C 1] [C 2
((Cl] [C2]. . [C m ] )T [ B ] ([Cd
y con el cambio [X] =
[C\] [C 2
] [
[C 2
] [
Cm ]
[C m]),
Cm] ,esta t11tima toma la for
rna,
[ A] = {X]T [ B] [X],
por 10 que, si a una matriz [B] se la aplicauna transformaci6n

elemental de columna y a continuaci6n una transformaci6n ele
mental de fila, transpuesta de la anterior, se obtiene como
sultante
r~
una matriz congruente con la matriz primitiva [B] .
A t.rave s de sucesivos pares de transformaciones de
este
tipo
sigue manteniendose la congruencia entre las matrices inicial

[ B] Y final [A].
Ejemplos de transformaciones elementales transpuestas
ra matrices de tercer orden son,
p~
110
[ C3
( k)
[ F2 + F3
[ F) (k)]
= [F 3 (k)]
( - k)
T
= [
= [C 2
C) (k)]
+ C3
(- k
) ]
;...
etc.
r[~
ya que,en efecto,
[ C) + C2 (k)] T
[ C, (k) I T
[:
~n
]=
[F, + F, (k) I
rn n=
=n J=n ~}
or
~}
[~
[ F 3 (k)]
[F2 + F 3 (-k)]T
1 -k
-k
[ C2 + C3 (-k)]
[ F 1 (k)] T =
0 = [k
0
[ C1 (k)]
, ... etc.
EJEMPLO
15. Obtener la matriz [A] congruente con la matriz [B]
[ 1~
-100 -111]
cuando esta ultima sufre las transformaciones ele
mentales [C 1 + C2 (2)], [F 1 + F 2 (2)], [C 3 (-1)]
Y [F 3 (-1)]
Como, efectivamente, las transformaciones elementales de

fila son transpuestas de las trans formaciones
ser~
columna, la matriz transformada [A]

triz
elementales
de
congruente con la rna
original [B],
[ A ]
--
[~o ~ ~J [~ ~ ~J [~ ~ ~J [~ ~ ~J [~ ~ ~J =
0 -1
[ ~o ~ ~J [~ -~ -~J [~ ~ ~J = [~ =~ =~J
0 -1
0 -1
0-1
111
sim~trica
Una matriz cuadrada y
puede siempre
reducirse
a una forma diagonal mediante pares de trans formaciones
ele
mentales de columna y de fila transpuesta correspondiente,con

10 que la matriz diagonal resultante ser congruente con
la
primitiva.
EJERCICIO
2-31. Reducir a una forma diagonal [A] congruente con la
matriz
sim~trica
[B]=
[~ ~ =~J
-1 -3
Hallar [X] en [A]=[X]T [ B ][ X ].
Basta transformar la matriz mediante
operacionescongrue~
tes de forma que los elementos de primera fila y

na, excepto a]
primeracol~
, se reduzcan a cero, a continuaci6n se hace 10
mismo con los elementos de segunda fila y segunda columna ex

cepto a~
, y as1 sucesivamente hasta que la matriz resultante
pasa a tener forma diagonal,
[~ ~ =~1::::: t c.
[B]=
-1 -3
+C 2 (-1/2)]
1/2-3
[ -':2 ~ ~~1J~[C,+C,
1/2 -3
[C3+ C2
:::::[-~/2 ~ =~J:::::
~[~'/2~ j~[ F,+F, I {-~2 ~ -~J:::::

1/~3 5/~
(3/2)]:::::[-~/2~ ~]:::::
a
[Ft+F2 (-1/2)] :::::
[F 3+F2
-3 5/2
(3/2)]{-~2 ~ ~
-3 -2
Las transfornaciones elementales [C t+C 2 (-1/2)]
O-~
Y [F t+F 2 (-1/2)]
son congruentes, a s f como [C 3 +C t ] Y [F 3 +F t ] , , y como conse

cuencia, la matriz diagonal final [A] es congruente con [B] ,
- 1/ 2 a
[A ]=
a 2
a a
~
-~
La matriz [X] vale,
g,
[B
1= [
~ ~ =~]
-1 -3
112
Tambien se puede comprobar que,
y que,
[ A]
[X]T [B] [X] ::;
f~2 ~ ~] [~-1~2~] [~ ~ =~] [_1~2 ~ ~]

=
.
..
lo
0 -2
-1 -3 2
Capitulo :3
Espacios
vectorialeles
transformaciones lineales.
3-1. PRELIMINARES.
~,
, I
"
Sea EN un conjunto no vac10 y arbitrario que contiene un

numero finito 0 infinito de elementos a,b,c, ... , y sea K
cuerpo conmutativo de escalares cuyos elementos son
a,~,~,
un
...
Entonces,
a , b , c, . ,
EN
,~
~,
_. E K
A EN se Le llama upauo ve.ctotUai.. 0 upauo Une.ai..

cuerpo
sobre
el
b~si-
K si se pueden definir en aque l, dos operaciones
cas:
a) Adici6n de vectores:
o sea que la suma de dos vectores del espacio EN es un nuevo ve9

tor de este mismo espacio. Esta operaci6n s6lo utiliza
eleme~
tos del conjunto EN y por ello se llama opeJtau6n -Ln-teJtna. Las prC?
piedades de la adici6n de vectores son:
a-i) Ley conmutativa.
a-i-b
b-ra
a-2) Ley asociativa.

a + ( b +C ) =( a + b) +c
a-3) Existe un elemento neutro respecto de la suma llama

do vector nulo que 10 designaremos por
a+o
de tal suerte,
=a
a-4) A todo vector
gen~rico
a se Le puede hacer
correspo~
der otro vector (-a) denominado opuesto de a tal que,

a +( -a) =
b) Multiplicaci6n de un escalar por un vector:

113
114
; a E K } -
aa E EN'
por 10 que el producto de un escalar por un vector del espacio
EN es otro vector del mismo espacio. Esta operaci6n utiliza ~

lementos externos al conjunto EN' (elementos de K) porlo que
se llama opeJtaC-i6n extenna, Las propiedades de un producto por un
escalar son:
b-1}
La = a.
b-2}
La multiplicaci6n es asociativa:
(1
K y es elemento neutro del producto )
a(l3a} = (al3}a.
b-3) La multiplicaci6n es distributiva con respecto a la
suma de vectores:
a ( a + b) = aa + ub ,
b-4} la multiplicaci6n es distributiva con respecto a la
suma de escalares:
( a + 13 ) a = aa + 13 a
Si el cuerpo K est& constituido por el campo de los nume
ros reales, el espacio vectorial correspondiente es
~M.
Por
contra, si K es complejo, el espacio vectorial se llama c.omple

jO.
De las propiedades enumeradas a manera de axiomas
pode
mos ya deducir las siguientes consecuencias inmediatas:

c-1}
Se puede hallar un vector x unico tal que,

a + x = b.
Para ella basta sumar el vector opuesto de a a ambos miembros

y tener presente a-1, a-2, a-3 y a-4,
a + x + (- a)
b + (- a) =>
a + (- a) + x
b + (- a) =>
o + x = b + ( - a) - x = b - a,
en la que, como es costumbre, se ha omitido el
par~ntesis
del
vector negativo.
c-2} De
+ (-
= 0,
a)
al substi tuir
por - a, y al aiiadir
a a ambos miembros y recordar a-3,

- a + [-
(- a) ] =
o + [-
a -
a + [-
(- a)] = a=>[ -
(- a)]
(- a)] = a +
= a.
=>
115
c-3) Como a-a=O , por b-3, ya-4,

oa=(a-a)a = aa-aa =
c- 4)
De
Oa=o.
ao = a ( a -a) = aa -aa = 0
EJEMPLOS DE ESPACIOS VECTORIALES.
ao = 0
a) El ejemplo mas simple
de
espacio vectorial es el espacio tridimensional ordinario(Fig.

3-1), donde los elementos de este espacio son segmentos orien
tados que partiendo de un
punta fijo 0 de este
C
esp~
cio como origen tienen por

extrema un punta de posi
ci6n variable, de
, ......
suerte
que,
-..
--*
--*
OA = a
Fig. 3-1
OB = b
i ...
La suma de estos segmentos

orientados
vectores
se
realiza por la ley del paralelogramo,

--*
OA
-+
-----+
a + b= c
+ OB = OC
El producto de un escalar por un vector da por resultado

otro vector paralelo al anterior, del mismo sentido si a>O,
a(01.\) =aoA=OD
~ a(a)=aa=d,
o de sentido contrario si
--4-
--4---4
~ (OA) = ~ OA = OE
~<O,
~ ~ ( a ) =~ a= e
b) El conjunto de vectores fila (0 matrices fila) conte

niendo N elementos de una campo Kcumple las leyes de un espa
cio vectorial,
[at ,a2, ,aN] + [~t '~2' '~N]= [(at+~t), (a2+~2)' ,
(aN+~N)]
'Y[ at ,a2, ,aN] =[ ('Yat ), ('Y a2), , ('YaN)]
c) El conjunto de matrices de orden (M,N) conteniendo MN

elementos de un campo
Ktambi~n
..
forma un espacio vectorial
que de acuerdo con las operaciones de matrices,
a ~ a~ a~]
[ar~:.~:.: ~~
.
ar a~
[~l ~~ ~~]
+
" . " :
...
~r ~r
~~
~~
[a~+~~ a~+~~
=
a~+~~]
~::~:.~::~~:::~~:~~
ar+~'t ar+~~ at1+~t1
ya
116
'Y
al
a~ a~
'Yal
'Ya~ 'YaN
ai
a~ aiJ
'Yai
2
'Yai 'YaN
'Yaj'f
'Yaf 'Yat:
. .. . . . .. .
......... . ...
af'i ar a~
d) El conjunto de todos los polinomios en x de grade
no
superior a N, perteneciendo sus coeficientes a un cierto cam

po I, de acuerdo con las leyes de suma de polinomios y multi
plicaci6n por un escalar,
(ao + a 1
( {3o + {31 X + (32 X 2 + + 13 N X N)
+ + a N x N) +
cumple las condiciones exigidas para pertenecer a
un
espacio
vectorial.
e) Consideremos finalmente un conjunto arbitrario W de
gen~ricamente
lementos representados
por x y sean f ,g, ..
ciones cualesquiera que hacen corresponde r a cada

de W un nUmero de un cuerpo I
X E
W ;
f (x )
I;
,fu~
elemento
9 (x)
I.
Por la forma habitual de sumar funciones,

f(x)
+ g(x)
en la que si f
(f+g)
(x),
y 9 son funciones
elementos de un espacio F,
su suma f+g es una nueva funcion y por 10 tanto elemento tam

bien de este espacio F,
f,g EF
+ 9
F.
En cuanto al producto por un escalar,

a [ f (x)
1=
a f (x )
(a f)
(x),
o 10 que es 10 mismo,
y en definitiva, todas las funciones f ,g, ... , actuando como

peradores de los elementos x sobre un cuerpo
r.
de un conjunto
c~
nocido W forman un nuevo conjunto F que vuelve a ser un espa

cio vectorialpor llevarse a cabo las dos operaciones
de estos espacios.
b~sicas
117
Por definici6n,se llama
SUBESPACIOS VECTORIALES.
vectorial de un espacio vectorial f

de f
subespacio
al subconjunto S no vac10
tal que si,
a ,b
a E
"
~ a + b, aa E
S.
Si a == 0, aa == 0 para a arbitrario, por 10 que S contiene siem

pre el vector nulo. Se siguen cumpliendo aquf las
dos
opera
ciones b~sicas enunciadas y por tanto S tambi~n es un espacio

vectorial.
EJEMPLOS DE SUBESPACIOS VECTORIALES.
Los ejemplos mas sencillos
de subespacios vectoriales son:

En el espacio tridimensional ordinario~, se
a)
un vector constante y no nulo a

tores aa
(Fig. 3-2). El conjunto de vec
donde a es un escalar real variable forma un

cio S de
A'
escoge
V3
sUbesp~
r--------"'2
(a E S => aa E S)
--+
--+
OAI == a OA.
El lugar
geom~trico
del punta
Ales la recta que pasa por el

origen 0 y contiene al vector
a
B
Sumando los vectores ala
{3b
Fig. 3-2
Tambien,
b) En el mismo espacio anterior V3 se tienen ahora dos vec

tores fijos y concurrentes en 0, a y b, y sean a y {3 dos esca
lares variables,
a, b E S
=>
(aa
+ {3b)
S,
siendo,
c == a a + {3 b
--+
--+
--+
OC == OA I + OB I == a OA + {3 OB
Sumando dos vectores cualesquiera de este subespacio,
118
obtenemos un nuevo vector de S. Del producto de un escalar ,
--....
OC
ser~
--- ---
un vector coplanario con los vectores dados OA y OB .
---
El conj unto de los vectores OC forma un subespacio del espacio

tridimensional ordinario.
c) Del conjunto de funciones f ,DEF, siendo XEW y f(X)E[,
se seleccionan solamente aquellas que
If(x)I~L
est~n
acotadas,
LE[.
Entonces esta colecci6n de funciones forman un conjunto G que

a su vez es subconjunto de F, GeF.
d) Sidelconjunto V de matrices cuadradas de orden N con
sideramos solamente las simetricas
,(~ =~
) estas altimas for
man un subconjunto de V, pues la suma de dos matrices simetr!

cas es otra matriz simetrica y el producto de un escalar
por
una matriz simetrica vuelve a ser otra matriz simetrica.

DEPENDENCIA LINEAL.
,
8. ,
Se dice de un nWnero
,6
de vectores
81, 82,
de un espacio vectorial V, que son Une.a1.me.nte. de.pe.ndie.!!
tu si es posible hallar una relaci6n de la forma

(3-1)
siendo a 1 ,a 2
,a.EK y no todos nulos. En caso contrario, si
todos los coeficientes son nulos se dice de los vectores

8
2 ,
,8.
81
que son Une.a1.me.nte. inde.pe.ndie.ntu.
EJERCICIOS
3-1. Analizar el tipo de dependencia lineal entre los vec
tores fila
8 1
={ 2,1,-1], 8
= [1 , 0 , - 1 ] y
8 3
= [0 , 1 , 1 ] .
Por (3-1),
a 1 [ 2, 1 , -1l +a 2 [ 1, 0 , -1l +a 3 [ 0, 1 , tl =0
2al+a2,al+a3,-al-a2+a3
2a 1 +a 2 = 0
=0
'*
'*
=0
-a 1 -a 2 +a3 = 0
a 1 +a 3
sistema homogeneo que para que admita soluciones no triviales

el determinante de los coeficientes de al ,a2, y
larse. En efecto,
a3 debe anu
119
1
=
1
-1 -1
y por 10 tanto existe dependencia lineal entre los vectores

82
8 3.
Como
y 82
8 1
~,
no son colineales, el tercer vector
expresarse como combinaci6n lineal de los primeros (Fig.
podr~
3-2) , de forma llnica,

83= a81 +(382
=>
2a+{3 =
[0 , 1, 1] = a[ 2 , 1 , -1] +(3[ 1, 0, -1]
=>
=l}=a=l ,P=-2.
-a-{3
=1
y en definitiva,
3-2. Analizar si los vectores 8 =[ 1,2,2,1] , b=[ 0,0,0,1]

Y
est~n
c=[ 0,1,0,0]
ligados l1nealmente.
Como antes se tiene, si hay dependencia lineal,

a[ 1,2,2,1] +{3[ 0, 0, 0,1] +'Y[ 0,1, 0,0] =
=>
a=O
2a+'Y
2a
a+(3
=
=
=
=>
a=(3 = 'Y=
ya que el sistema homoqaneo resultante de cuatro ecuaciones con

tres incognitas para que tuviera soluciones no triviales la
m~
triz de coeficientes,
1
1
2
1
1
tener la caracter1stica
2
deber~
~~.
Como
~=3,sistema
incomPe
tible para valores de a,(3,'Y diferentes de cero y por 10 tanto
[1 0] e-lJ t11J [02 ~

:-,3~ ~t:n~: l:b:en:r,:i[::=P:Si:1e: ~: :a:ri: '~l[:~o com
los vectores
8,
bye son linealmente independientes.
binaci6n lineal de las restantes.
120
Se debe cumplir,
A] +(3 [ B] + C] + D]
a[
'Y [
=[
l) [
E]
=>
[1 1OJ + [01 -11oj +

(3
a-'Y=4
'Y
[-1 1J+
l)
[0
2
OJ = [4
-3J
=>
-{3
(3
'Y
==-3
+ 2l)
a+l)=4
y como el sistema es determinado, se halla a = 3, (3 = 2, 'Y = -1,

l)
=1
Y por tanto,
[E] =3[A] +2[B]- [C]+ [D].
ESPACIOS GENERADOS. BASE Y DIMENSION DE UN ESPACIO.
Si escogemos
de un espacio vectorial E un conjunto de vectores
81 ,
a 2,
de forma que cualquier otro vector del mismo espacio puede
,a. ,
e~
presarse como conbinaci6n lineal de los vectores anteriores,
obtenemos un .6,wtema de geneJLa.doILu
(aI' a2 , , a.)
del espacio
E. Los vectores generadores no precisan ser linealmente inde

pendientes perc si asf sucede, el sistema
generadorcorrespo~
diente toma el nombre de ba.6e del. upac..io E. Al ntimero de vecto

res de una base se Le llama cU.meVl..6-i.6n del. upac..io. En general, P2
demos afirmar que un sistema de vectores perteneciente
un
mismo espacio E y que son linealmente independientes forman u

na base
parte de ella del espacio E.
ESPACIOS DE DIMENSION INFINITA.
Empecemos por considerar un es
pacio de dimensi6n infinita formado por todos los
polinomios
en x perteneciendo sus coeficientes a un campo (.Los monomios,

1, x, x 2
, ,
(a)
x, .
forman un sistema de generadores linealmente independientes.

De existir alguna dependencia lineal entre ellos,deberfa cum
plirse (3-1), con coeficientes no todos nulos,
Sin embargo para que un polinomio sea nulo para cualquier va

lor de la variable x, sus coeficientes ao, al , . , a. , de
ben ser simul t~neamente ao = a I = .. = a. = , .. , = 0,
luego
los
monomios (a) son linealmente independientes y forman por tan
121
to una base ya que cualquier polinomio puede expresarse en fu!!

ci6n de los vectores de esta,
y = J3 0 + J3 1
+ J3 2
X2
+ + J3. x +
Asi pues, un espacio de dimensi6n infinita contiene bases, ca

da una de las cuales, con un nUmero infinito de vectores.
ESPACIOS DE DIMENSION FINITA.
terior hasta el grade

espacio VN
-6
Los monomios (a) del apartado a!!
constituyen un ejemplo de base de
de dimensi6n finita. Como el numero de monomios (0
vectores de base) es justamente la dimensi6n N de este

cio, se
un
tendr~
espa
N = 1 + -6.
De un espacio, sea la dimensi6n finita
infinita, se pu!:
de seleccionar un numero infinito de bases.

EJERCICIO
3-4. Hallar los coeficientes del polinomio y

con relaci6n a la nueva base
1,
(1 - x i ,
Como los polinomios han de ser
(1- X}2,
id~nticos
3 + x - x3
(1 - X}3
respecto a cual
quier base y para un valor totalmente arbitrario de x,

identificar coeficientes de las distintas potencias
basta
de
x en
ambos miembros de,

3 + x - x 3 = ao + a 1 (1 - x) +. a2 (
1 -2
x ) + a 3 (1 - x ) 3 ,
se llega al sistema lineal de ecuaciones cuyas soluciones son
los coeficientes pedidos,
ao+ al+ a2+ a3= 3
- a1
2a 2
3a 3 = 1
a2 +3a3 = 0
- a3
= -1
Todo vector de un espacio puede expresarse de forma uni

ca como combinaci6n lineal de un numero finito de vectores de
la base. En efecto, sea
8 1 , 8 2 ' '
aN
una base del espacio VN
y a un vector generico del mismo, se tendr~,
en el supuesto de que no tenga descomposici6n unica.

do las dos anteriores expresiones,
Restan
122
y como at ,a 2 , ... ,aN
son linealmente independientes
par
ser
vectores de una base, se debe cumplir,
y por 10 tanto, la descomposici6n es anica.

EJERCICIOS
3-5. En el espacio tridimensional ordinario V3
se consi
dera el sistema de generadores at={ 1,0,-1] , a2=[-1,0,1]yar12,

0,-2].Oeducir la dimensi6n del subespacio SNC V3 definido por
este sistema de generadores y establecer la condici6n que de
ben cumplir las componentes de un vector arbitrario a para que
"',
ESN.
En primer lugar estudiemos la dependencia lineal
entre
at ,a2 ,a3, hallando la caracter!stica de la matriz,

1
0 -1
-1 0
2
~{[F2(-1)] }~
[F 3 (1/2)]
0 -2
0
0
0
-~}
[C,
+c,l
~~
0 -1
F z +F t (-1) ~
0 -1 -_{[[F
3+F t (-1)]
0 -1
1
1
n* ~=1
0
0
0
y al ser It = 1, se puede escoger un solo vector de base, y en

tonces, N = 1
=>
SN= St
y este subespacio se compone de los PU!!
tos de una recta. Tomando at

a= at
=>
como vector de base,
[x,y,z] = at [1,0,-1]
.2S
1
=>
= L=...!...
0
-1
y por 10 tanto las componentes
x,y,z
del vector a deben sa
tisfacer la ecuaci6n de una recta contenida en el plano xOZ y

que pasa por el origen
o.
3-6. Se pide 10 mismo que en el anterior ejercicio si el

sistema de generadores es
aqu f
at =[ 0,0,1), a 2 =[ 0,0, -3]
( 1,1,1)
Con el caso anterior, hallaremos It,
Y ar
123
[ F2
F I (3) ]
;::, { [F3
F I (-1) ]
o
o
N = n = 2, SN= S2 Y este subespacio se compone de los pun
tos de un plano. Tomando
8 1
8 3
como vectores de base (se
drfa escoger t.amb i.en 8 2 Y 8 3 perc no

binaci6n lineal de otro),
8
=aI
8 I
a3 8
=9
l x , y, a l =
:>
= Y,
I [
8 I
p~
Y 8 2 por ser uno com
0, 0, 1] +
a3 [
1, 1, 1]
que es la ecuaci6n de un plano conteniendo el eje
=9
coordenado
Oz.
3-7. Igual que en los dos ejercicios anteriores, perc a
hora el sistema de generadores es 8 1 = [1, 0, 0] , 82= [0,1,0]
Y 8 3 = [0,0,1].
Los tres vectores
forman una base, ya que,
\,
Y N
=n
= 3, SN= S3= V3
res de esta base

tor
no
10 que significa que los tres
son
vecto
coplanarios ni colineales. El vec
tiene por componentes en esta base,

8 = a181+
a2 [
a282+ a383
0, 1, 0 I +
a3
[x, y, z] = ad1, 0,0] +
l 0, 0, 1]
=9
y ninguna relaci6n puede establecerse entre las componentesde

8
y por tanto el espacio considerado coincide con el tridimen
sional ordinario. A los vectores [1, 0, 0], lO, 1, 0], ylO,O,

1] se les llama
u~o~.
3-8. Comprobar que el espacio generado por los

81
vectores
[1, 0, 0], 82= [0, 3, 1], 83= [3, -6,-2] y el generado por
124
b l=[-1,3,tl
b 2=[ 1,3,U
son idAnticos.
Respecto al primer espacio,
[:::U =[L~ -~J ~

Tomemos
I Y
do de forma
2 como
an~loga
[ bdJ =[-1 3
[ [ b2 ]
1 3
~ [~ ~ ~} ~=
2.
vectores de base del espacio S2. Procedien

respecto al segundo espacio,
11
1J
- 1 3 1J
[ o 1 1/3
'F, +Fd-3)+F,(2l)
[F2 +FI]
~[-1
[FI+F3
12~ ~
3
6
(_3)]~[-1
0
0 01
1 1/~
[F2 (1/6)]
~ 11.=2,
/0
Y bl
b 2 fonnan una base de Sl. Si
como b 2
podr~n
Sl
S2
son
id~nticos
tanto b ,
expresarse como combinaciones lineales de
8lY
que equivale a afirmar que la tercera y cuarta filas son com

binaciones lineales de la primera y de la segunda fila de
la
matriz,
[ ad
[ 8
2]
[ bd
[ b2 ]
-1 3
{'F,+F'+F' (-1))
}
[F 4+F 1 (-1)+F 2 (-1)]
11.=2
o que 1a caracter1stica de dicha matriz ampliada de laB
::IJ
no aumenta respecto a esta altima como as! sucede (11.=2) . Luego

S~
= S2 Y los dos espacios representan el mismo plano.
3-9. Comprobar que entre los espacios generados por

[1,0,0],8 2=[1,1,2] Y
a1=
existe una re
b l = [ 0 , 1 , 2 ] , b 2=[0,-1,-2]
laci6n de inclusi6n.
Se tiene en cuenta para cada espacio, la
caracter!stica
de la matriz,
['8.1] =[
[ a 2]
0
1
~J = n: =2 ,
[IbdJ
[ b 2]
=[~
1
-1
-~J
El primer espacio es bidimensional (SN=S2 ) y su base
~1I.=1.
est~
for
125
mada por al
Y a2. El segundo espacio es
y el vector de base se toma igual a b l
monodimensional(S~=SIJ
La rtnica posibilidad
Sic SlY para ello b. deber!a ser una combina
de inclusi6n es
ci6n lineal de al y a 2 c o mo as! sucede,

1
[ a 2]
[btl
[Ia dJ =[
=>
n: = 2.
3-10. Hallar una base del espacio nulo de [A

Del sistema lineal y
homog~neo [~
l=n
= 0
-mx~
x
0
2o 1
4 -
X2
llama espacio nulo el formado por los vectores x
2
1 .
0 -lJ
4 -4
= [XI
se
,X2 ,X3]
del espacio soluci6n. Si el sistema de ecuaciones es incompa

tible, los tres pIanos s6lo tienen un punta comrtn, el
de coordenadas,y la base de este espacio nulo
por el vector nulo
=[
or ~,O~ -iJi
origen
est~constituida
el sistema es compatible, c~
0 0 1 = 0, los tres p Lano s tienen ~

2 4-4
na recta comrtn que pasa por el origen y que es a su vez,el e~
mo en el presente caso,
pacio nulo. La base de este espacio
estar~
consti tuida por cua!
quier vector contenido en esta recta. De las dos
primerasecu~
ciones se deduce el vector de base,

XI +2x 2 -x 3
= 0
x 3 = 0
ISOMORFISMO.
Sean "N y EN dos espacios vectoriales de
dimen
si6n N con bases respectivas a l ,a 2, ,aN y b , ,b 2, ,b N de for

ma que s i a E VN ,
a =a I a I +a 2 a 2 + +a 2 a 2
y existe en el espacio EN un vector b, bEEN' en correspondencia

biyectiva con a, aEVN de forma que,
se dice de " y E que son
esoaccos
..i.6omoJtn0.6. Observese que las co~
ponentes a I ,au,aN del vector a en la base a I ,a 2 , ,aN han de ser

id~nticas
y en el mismo orden que las del vector b en la base
b I ,b 2 , ,b N
Relacionadas con el isomorfismo de los espacios vectoria
126
les se derivan inmediatamente las siguientes propiedades:

a) Indicando en forma abreviada la correspondencia
ti va entre
a ( a E VN ) y
b ( bEEN) por a corresp.
ne para un par de vectores a, a'

dientes b, b'
(b , b'
(a, 8'
E VN )
y sus
b,
biye~
se tie
correspo~
EN),
Efectuando las sumas a + a'
y b + b' ,
Como los vectores (a + a') y (b + b") tienen las mismas
compo
nentes en sus respectivas bases,

( a + a') corresp.
(b + b' ) ,
o sea que la suma de vectores del primer espacio e s t a
en
co
rrespondencia con la suma de vectores hom6logos del segundo.

b) Para todo vector a, a E VN Y su correspondiente b, b
E EN' a corresp.
ka ==k
b, siendo k E
K,
(a 1a 1 + a 2a 2 + .. + aNa N)
==
(k n j)
8 1+
(ka 2 ) a 2 + . +
(k aN) aN;
y como resultan vectores ka y kb con
id~nticas componentesre~
pectivas,
k a corresp. k b,
que equivale a decir que el producto de un escalar arbitrario
por el vector a del primer espacio corresponde al producto del
nUSlID escalar par el vector b del segundo espacio, siendo b corresp. a.
A veces se usan las propiedades a) y b) como
definici6n
de isomorfismo.
c) Al vector
0v
de VN Ie corresponde el vector
0e
ya que si,
(a E VN ; bEEN; a corresp. b) ~ k a corresp. k b,
de EN,
127
y haciendo k = 0, se tiene finalmente,
oa
corresp.
0b
=>
o, E VN corresp. o, E
EN.
d) un sistema de generadores del primer espacio se trans
,az,
,a N los vectores generadores de VN , y b t ,b 2 , ,b N los vec
tores correspondientes de EN.
forma en otro sistema de generadores del segundo. Sea
at
Si a =atat+ aZa2+ + aNaN y a E VN , el vector correspo!}

diente de EN sera b=atbt+ a2 b2+ + aNb N siendo pues,
b co
rresp. a. El vector b arbi trario, bEEN podr a ponerse en fun

ci6n de los vectores b t ,b 2 , ,b N Y por tanto estos
ultimos
formaran un sistema generador.

e) Un sistema de vectores linealmente independientes del
primer espacio se transforma en otro sistema de vectores
lin~
almente independientes del segundo. Sean at ,a2 , ,aN los vec

tores linealmente independientes de VN y b t ,b 2 , ,b N los co
rrespondientes de EN. Veamos que valores han de tener los es
calares at ,a2 , ,aN para que se cumpla la igualdad,
(b)
y para ella hallaremos
la expresi6n transformada de la ante
rior en el espacio VN recordando

formara en
Al ser
que el vector
se
0e
trans
Oy
at, a 2
,a N linealmente independientes la relaci6n a!}
terior solo es cierta si
at= a2 = = aN = 0, por 10
que
los
vectores b , ,b z , ... ,b N en (b) son linealmente independientes tal

como se quer!a probar.
f) De las dos propiedades anteriores d) y e)
se
deduce
que un sistema generador, cuyos vectores son linealmente inde

pendientes, del primer espacio se transforma
en otro sistema
generador, cuyosvectores son linealmente independientes,
del
segundo. Ahora bien como un sistema generador cuyos
vectores
son linealmente independientes constituye una base,
resulta
que una base formada por N vectores de VN se transforma en

tra base de N vectores de EN
10
que es
10
mismo,
do s
espa
cios vectoriales isomorfos tienen la misma dimensi6n.

g) Sea un vector a, a E VN Y ai ,a z , ,a N una base de VN,
128
entonces a =a. a. +a2 a 2 + ... +aNa N. Sea, de otra parte, el vector ff

la [ at ,a2 , ,aN],
[a. ,a2 , ,aN] EE N. Observese que el vector ff
la tiene sus elementos iguales respectivamente a las
compone~
tes de a, at ,a2 , ,aN, y en el mismo orden. Vamos a probar que

los espacios VN y EN son isomorfos. Para ella establezcamos u
na correspondencia biyectiva entre a y [a. ,a2 , ,aN] , siendo (a,
a') EVN,
([ a. ,a2, ,aN] ,[ a/ .o.t , ..
,a~]
)EE N,
a=al a. +a2 a2 +
+aNaNcorresp. [a. ,a2, ,aN]
a'=a.'a.+a~a2+
+a'NaNcorresp. [al ,aI , ,aJ]
que al efectuar las sumas apropiadas,

a+a'=( a. +a'. ) a. +( a2 +a'2) a 2 + .. +( aN+a'N) aN
(a. ,a2 , ,aN] +( a. ,a'2 , ,aN] =[ (a. +a'.) , (a2 +a'2) ,, (aN+
a'N)] ,
y otra vez la suma de vectores del primer espacio
est~
en co
rrespondencia con la suma de vectores hom610gos del segundoal

tener dichas sumas vectoriales las componentes respectivamen
te iguales, as! que,
(a+a')
corresp.[ (a. +a\ J , (a2 +a~) , , (aN+a'N) l.
Tambien,
ka = k ( a. a I +a 2a 2+ ... +a NaN) = ( ka. ) a + ( ka 2) a 2+ ... +( ka N) a N
k [ a. , a 2 , , a N 1=
[ ( ku I )
, ( ku 2) , , ( ka N)] ,
y tambien aqu! resultan vectores con
componentesrespectivame~
te iguales, luego,
k a corresp. k[ at ,a2 , ,aN] .
Probado ya el isomorfismo de VN y EN podemos establecer la
propiedad inversa a la f), a saber, dos espacios vectoriales
de la misma dimensi6n son isomorfos. Con este fin, sean VNyW N
dos espacios vectoriales
de
dimensi6n N. Se pueden siempre
escoger en estos espacios bases adecuadas de forma que

tores correspondientes aEVN,bEW N tengan las mismas
tes en sus respectivas bases,
a corresp. b
por 10 que VNy
WN
~a.al+a2a2+
ser~n
dosve~
componen
... +aNaNcorresp. albl+a2b2+ ... +aNbN
isomorfos. Si por anadidura se cons i
dera un tercer espacio EN y en (l el vector fila [a I ,a2 , ,aN]'

se t endra , por 10 dicho en este mismo apartado g) ,que los tres
129
espacios VN
rAIN Y EN ser an isomorfos.
Se podr a
pues
afirmar
que todos
los espacios de N dimensiones son isomorfos
entre
s1 e isomorfos a un espacio de vectores fila de Ncomponentes.

De aqu f que, tal como hemos venido procediendo en diversos ejer
cicios de este capftulo, para efectuar operaciones con vecto
res basta substituir estos por sus vectores fila
respectivos
(0 en su caso, por sus vectores columna) siguiendo el
operacional de las matrices,
c~lculo
es decir, a :;;; [a. , a2, . , aN]
b :;;; [ {3. , {3 2 , , {3 N], etc.

EJEMPLOS
1. El conjunto de los polinomios hasta el grado

2
p:;;; a x + b x + c
segundo
es isomorfo con el espacio de los vectores fi
la [a,b,c 1.
2. En un espacio vectorial V4 de cuatro dimensiones pue
den escogerse bases formadas por matrices cuadradas de segun
s~mple
do orden. La base mas
~ ~J
[~ ~J
es la formada por
[10 01OJ' [00 11OJ'
Evidentemente para que se cumpla,

"
es preciso que a:;;; (3 :;;; 'Y :;;;
[j :;;;
0, 10 que demuestra que las matri
ces escogidas forman una base. Asf pues , toda matriz cuadrada
de orden 2,
[~~J puede expresarse bajo la forma,
asf que los elementos a, b, c , d de la matriz son justamente
las
componentes en la base elegida.

3. Los elementos a. ,a2, . ,aN del vector fila [a. ,a2, .. ,
son las componentes en la base [1,0, ... ,0),
... , [0,0, ... ,1]
[ 0,1, ... ,0) ,
, pues,
aN [0,0, ... ,1].
4. Las matrices
sim~tricas
de segundo orden
[~ ~J
forman
un espacio vectorial de tres dimensiones, y los elementos a, {3,
130
~
son las componentes en una base adecuada,
Obs~rvese
que las matrices de la base son
sim~tricas,linealme~
te independientes y generan cualquier matriz

gundo orden,
cumpli~ndose
lementos de la
sim~trica
de se
las propiedades esenciales de los
base. En general, las matrices
sim~tricas
de
orden N son los elementos de un espacio vectorial de dimensi6n

1/2 N (N+1) ya que, como max tmo , dichas matrices poseen N ele
mentos distintos en la diagonal principal y N2-N elementosfu~
ra de la diagonal principal repetidos dos ados
N) elementos distintos. En total pues, N+1/2 (N2 -N)
5.
Las matrices
antisim~tricas de
sea 1/2(N 2
= 1/2 N (N+1).
segundo orden
[0
aJ
-a 0
son los elementos de un espacio vectorial monodimensional. To

mando como base la matriz
[~1 ~J se
tiene,
[~a ~ = a[~1 ~J ~
En general las matrices antisimetricas de orden N forman unes

pacio de dimensi6n 1/2N (N-1). Como mAximo, los elementos
2
nu Lo s e independientes son 1/2 (N -N)
no
= 1/2 N (N-1)
6. Los espacios vectoriales de seis dimensiones estAn li

gados, como sabemos, por isomorfismo. Enumeremos algunos
los infinitos espacios que pueden existir:
a) Matrices simetricas de tercer orden,
[: : :]
o
b) Matrices
antisim~tricas
de cuarto orde
de
/3
-a 0
l)
-/3
-l)
11
-~
-f
-11 0
c) Matrices rectangulares de orden (2,3), (3,2), (1,6), Y

(6-1) ,
[:
d) Poligonos de quinto orden,

y
= a x 5 +/3 x4 +'Y x 3 +l) x 2 + X+ 11.
CAMBIO DE BASE. En
un mismo espacio vectorial VN N-dimensio
131
nal eligiremos,de un numero infinito de bases, dos en
partic~
lar formadas respectivamente por (el ,82 , ... ,e N) (abreviadame~

te, e r ) Y (e I , e 2 , ... , eN) (abreviadamente e i ) Cualquier vector
de la base nueva (e
podr~
expresarse como combinaci6n line
al de los vectores de la base antigua (e i
e inversamente,
(3-2)
.........................
que en notaci6n indicial y teniendo en cuenta el convenio
de
Einstein se puede compactar,

e i = at ej ;
(3 -3)
(i,j = 1,2, ... ,N).
A la matriz cuadrada de orden N, [A] = [a:
se Le llama
a] . ..
a~
ai
a~
a&
I
aN
aN
2
aN
N
ma.tJr..iz de. tJtan6nMmac.i6n de la base antigua a la nue
va. Si escribimos las componentes

'"
a Il
vectores de cada base por
filas,
la (3-3) admite la disposici6n de producto de matrices,

(3-4)
Interesa poner atenci6n en el hecho de que los elementos
de la matriz [A] son los coeficientes del sistema lineal (3-2)
dispuestos en orden transpuesto. Tal disposici6n es
inpresci~
dible si la contracci6n de 1ndices mudos se efectua de
forma
correcta, es decir, entre un sub1ndice y un super1ndice [enel

presente caso, 1ndices mudos j
en (3-3)].
Resolviendo el sistema lineal de ecuaciones (3-2)con res

pecto a las incognitas
e l ,e 2, ... ,e N obtendr1amos,
e l = blel+ bie2+
+ b~eN;
e 2 = b~el+ b~e2+
+ b~eN;
(3-5)
que en notaci6n compacta se representa,
132
=1,2, ... ,N).
A 1 a rna t r i z [B) == [bi ]
(3-6)
b}
b~
b~
bi
b~
b~
bf
b~ ... bi::
se Le llama matJUz de tnan
6ottmacA.-611 .invenso: , que interviene en el ca Lcu Lo de las componen

tes de la base antigua en funci6n de las de la base nueva,
(3-7)
Las matrices [AI y [B] no son independientes entre sf y
para
constatarlo basta efectuar una postmultiplicaci6n de (3-4)por

[A
I,
(3-8 )
y comparar este ultimo resultado con (3-7), por 10 que,
(3-9)
Luego la matriz de transformaci6n inver sa C[B]) es la inversa
de la matriz de transformaci6n CIA]) .De (3-8) podemos sacar la
importante conclusi6n de que una transformaci6n existe si
su
matriz es regular,
I A If
Queda por resolver la cuesti6n de como podemos
obtener
las componentes de un vector en la nueva base si se conocen las

mismas en la base antigua. Sean
Vi
,v 2
,vN(abev.v') las com
ponentes antiguas de v y, entonces,

V
=v l e I +v 2 e 2 + ... +vNe N
v =v i e i
(3-10 )
Al substituir e i
de (3-6) en (3-10),
(c)
Este mismo vector v podr a ponerse en funci6n de los vectores de
la base nueva, siendo
VI
,v 2
.v" (abr'ev
v")
las componentes nu!::
vas de v,
(d)
De (c) y
(d)
( 3-11)
133
que da la ley de transformaci6n de las componentes nuevas
en
funci6n de las antiguas.

Al substituir
8i
de (3-3) en (d),
(e)
De (e) y (3 -1 0) ,
v
Vi
:=
(vi
Vi
af) e i
alI
Vi e i
(i,j = 1,2, ... ,N),
(3-12)
que da la ley de transformaci6n de las componentes antiguas en

funci6n de las nuevas.
.., "
Continuando por el camino matricial, podemos llegar a los

mismos resultados (3-11) y (3-12). Para ella partiremos de (3
-10), manteniendo los elementos de la base en un arreglo de
m~
triz fila,
v=[e"e"
[IJ
.... e.J
[e"e"
,e.1
[ V I ,V 2 ,
,v N IT
(f)
De la anterior y (3-7),
(g)
Ahora la (d) pasa a ser,
= [ e- I
, e 2 , , eN]
[e I , e 2 , , e N
[-I
-2
V, V
, . . . , VN
]T
(h)
De la anterior y (g),
-1
-2
]T
[ V
, V , , VN
[ B ][
Vi ,
v? , . , VNP
o bien, por (3-9),

[ V- I
-2 ,
,V
-N]T,v
- [A]-I[ V I
expresi6n equivalente a
,V 2 ,
,vN]T ,
(3-13)
(3-11).
Por un razonamiento paralelo, la (3-12) pasa a ser,

[ V I , V 2 ,..., V
Si
hubi~ramos
ces columna,
NIT -- [ A.][ V- I
- 2 , , VN
]T
, V
(3-14)
escrito las componentes de cada base en matri
134
[ e I ,e 2 , . ,eN] T i
la (3-3) se expresarfa ahora,

( 3-15)
la (3-7),
(3-16)
la (f),
(i)
y la (h),
-:-...2 , . ,v
- N
v=[ vI,v-
] [-
e l ,e2
, . ,e- N ]
(j)
habiendo introducido necesariamente las componentes de v (an

tiguas y nuevas} en disposici6n de vector fila.
(3-13) y
Entonces
la
(3-14) se presentan,
[VI,? , ... ,v1 = [v I,v 2 ,
= [v I , v2
[Vi , v2 , , vN]
( 3-17)
,v N] ([ A ]T }- l i
C3-18}
, , v N] [A]T.
EJERCICIO
3-11. Sea una base e l = [l,l,j'], e 2= [1,0,1], e 3= [0,0,1]
en el espacio tridimensional ordinario. Si v tiene las compo

nentes v l = 1 , v2 =2, v 3 =3, en la base l = [3 , 1 , 2 ] , e2=11,0,1],
e 3 = [- 2 , - 1 , - 3 ] ,
hallar las componentes v~ ,v 2 ,v 3 de este
vector en la base e
,e 2 ,e 3
mismo
En primer lugar debemos obtener la matriz de transforma

ci6n [A] por (3-4),
Substituyendo cada vector de base por sus componentes en

disposici6n de matriz columna,
[ ~ ~ =~]
2
[~ ~ ~] [:i
1 -2
a~
al]
a~
a~
a~
a~
a~
y despej ando [A],
[A J =
[~ ~ ~ ]_1 [~ ~ =~] [~-~ ~J ~t; ~ =~]

=
1 -2
-1 a
1-2
135
o-~
1
2
1-1
-1 0
La (3-14) para un espacio tridimensional,
y al substituir valores en el segudo miembro obtenemos lascom

ponentes perdidas,
~ [~1 : =~
I v' .v' ,v'F
m
=
[-2,1,-1)'
INTERSECCION Y UNION DE SUBESPACIOS VECTORIALES.
Antes de entrar
en las operaciones que pueden realizarse con los subespacios

trataremos con algun detalle en algunos ejemplos la
cuesti6n
de la dimensi6n R de un subconjunto SRde un cierto espacio VN

En primer lugar la dimensi6n R de S R es menor que la dimensi6n
N
de UN (R<N)
Si de una base a 1 ,a
cualesquiera ai' a
2 , ,
2'
aR
,a
de
"N
obtenemos
escogemos
una
de
base
vectores
SR , ya
que toda combinaci6n lineal de los vectores de la base SR per

tenecer~
ai, a
a este subespacio,
2 , ,
aRE S R => V =a 1 a
rT~
a 2 + .. +a Ra RESR .
(k)
Aunque en los ejercicios 3-5 y 3-6 se han obtenido ya sub

conjuntos del espacio tridimensional ordinario, veamos ,algun
ejemplo
m~s.
EJEMPLOS
7.El vector nulo

(OES R
es elemento de cualquier subespacio SR
B.En el espacio tridimensional, se escoge
el subespacio
generado por el=ll,O,OJ y e 2=lo,1,OJ. Un vector de este subes

pacio 52
valdr~
segun (k),
por 10 que todos los vectores con tercera componente nula for
man un subconjunto consistente en el plano xOy.
136
9.Anadiendo al vector anterior v el vector constante W=

[O,O,k]
siendo k=constante, se obtiene la ecuaci6n de un
pl~
no paralelo al xOy distante k unidades de este,

v=v+w=la l ,a2 ,0]+[ O,O,k] =Ial ,a2 ,k] .
10.Las matrices cuadradas de orden N son los elementos de
un espacio N2-dimensional. Seleccionando de todas estas las
matrices
sim~tricas,
R = 1/2 N (N+1)
sa
se obtiene un subespacio
de dimensi6n
, (ver ejemplo 4).
11.Las matrices
antisim~tricas
forman un subespacio SRde

dimensi6n R = 1/2 N (N-1) respecto del espacio de dimensi6n N2
formado por las matrices de orden N.
12. Los polinomios hasta el grade R, Y:" C10 +Ut x+a:z x2 + .. +OR xR
forman un subespacio SR+l de dimensi6n (R+1) de un espacio
VM+l
formado por los polinomioshasta grade N, y=(jO+(jlX+(j2X2+ ... +(jNXN

siendo N>R. Los coeficientes de ambos polinomios ao ,al ,,aR ,(jo,
c,
(jlt ... ,(jN pertenecen al mismo campo

Empezaremos
denotando por
S 1 ,S2 , , ciertos subespacios
de VN . Al conjunto I de vectores perteneciendo simul t~neamen

te a 51 ,52 , . , se Le llama .6ube6pac.i..o in;teJUle.c.c.i..6n. La operaci6n de
de intersecci6n se indica por el
signo~
si cada subespacio contiene dos vectores arbitrarios a y

b,
aparecer~n
adem~s
en la intersecci6n I,
de a y ' b ,
cual
quier combinaci6n lineal aa+(jb por ser este altimo vector co

man t.ambi.en a Sl ,S2 , Adema s el vector nulo
cada subespacio, luego
secuencia I
ser~
tambi~n estar~
se encuentra en
contenido en I. En con
un subespacio vectorial,
. .
aa+(jbES
aa+(jbES2
OES l i OE S2 i i =?
i ;
a,(jEK,=?
E Sl (IS 2 (I ...
oEI .
EJERCICIOS
3-12. En el espacio tridimensional, se escogen los subes

pacios generados por 8 1 = l1 , 1 , 01 ,82=11,0,-1] Y por 81 =[ 1,1,1] ,82=
10,0,1]. Hallar la base del subespacio intersecci6n y la ex
137
presi6n de un vector arbitrario en este subespacio.

De
(k),
v = a Ie I + a 2 e 2 = a
w
= a'i e'l +
[1, 1 , 0] + a 2 [ 1, a, -1] = [ a I + a 2
a'2 e ~ = a'i [1, 1 , 1] + a'2 [ 0, a, 1]
= [ a\,
Si se buscan los vectores comunes a estos
aI
, -
a 2]
a'l, a'i + a'2] i
sobrespacios,
deberemos hallar las relaciones entre a l ,a2 ,a'. ,a'2,
para
que
v = w,
= a',
= a\
= a'i + a'2
a2 =
a'1 =
a l
a'2
=-
v = I a ,a , a
]=
a [l, 1, a ],
a l
y una base del subespacio intersecci6n es
I 1,1, 0] y un vector
arbitrario de este subespacio t.endr'a por expresi6n
v = all,
1, 0].
3-13. En el espacio tridimensional, hallar la base
la
expresi6n de un vector arbitrario en el subespacio intersec

ci6n de los subespacios generados por el = [1,-1,1],e 2 = [0,-1,
a ] y por
De
e'l
=[
-1,3, -1 ]
(k),
v = a[ 1,-1,1] + (3 [0,-1,0 ]=[ a,-{a+(3),a]

w= 'Y [-1,3,-1] = [-'Y,3'Y,-'Y)
Igualando v y w,
a = - 'Y
-{a+(3)=3'Y
- a - {3 - 3'Y =
a = - 'Y
luego el sistema
base e't
~~
a+'Y=O
a+'Y=O
homog~neo
-1 -3
= 0,
es compatible y a = - 'Y, {3 =-2'Y Y la
es una combinaci6n lineal de e I
y e
estableci~ndose
una relaci6n de inclusi6n entre los dos subespacios siendo el

de menor dimensi6n la propia intersecci6n,
v = [-'Y,3'Y,-'Y]= 'Y [-1,3,-1].
3-14. En el espacio tridimensional, hallar la base
la
expresi6n de un vector arbitrarioen el subespacio intersecci6n
138
de los subespacios generados por e)= [1,0,0], e2= [0,-1,0]
por e'1 = [ 0,0, - 2 ].

De (k),
v
a [1,0,0]
+ f3 [0,-1,0] = [a,-f3,o)
'Y [0,0,-2)
= [0,0,-2'Y
De igualar v y w resulta,
a = 0
-f3
100
= 0
-2'Y = 0
-1
'10,
0-2
y el sistema es incompatible, admitiendo solo las

a =
f3
= 'Y = O.
soluciones
Luego el subespacio interseccci6n solo contiene el
vector nulo, v
=0
Sea ahora un espacio vectorial UN generado por los N vec

tores libres a 1 ,a 2 , ,aN' De estos vectores libres que
for
man una base de UN podemos seleccionar R vectores a l ,a2 , ,a R

obteni~ndose una base de SR. Por otra pa~te el resto de vect~
res
BRH, a R+ 2 , ,aN constituye otro subespacio de dimensi6n
N-R, y que dotaremos por SN-R. A los dos subespacios SR y SN-R

se les llama .6ubupac..io.6 .6uptemen-to..tUo.6. Busquemos seguidamente
los vectores comunes a SR y SN-R,
w= aR+l a R+) + aRT2 a R+ 2 + + aNaN i
aR+I,aR+2
, ,aN E SN-Ri aR+) ,aR+2 , ,a N E I(
=>
WE SN-a.
Igualando v y w,
a)a,+ a2a2+ + aRaR- aR+I aR+2 - -
aNa N= 0,
y como los vectores a) ,a2 , ,aN forman una base de UN, la i

gualdad anterior solo se cumple para,
a)= a2= = aR= -aR+) = = -aN= 0,
por 10 que el tinico vector comtin es el vector nulo
0,
y al sue
espacio que solo contiene a este vector 10 llamaremos .6ubupa

cio n.uto So,
139
Cualquier vector U , UEVN podr& expresarse,

U= ( a I a I +a 2 a 2 + +a R a R) + ( a R + I a
R +I+
+a N 3
N)
=v +W,
es decir, se puede descomponer en la suma de un vector v de SR

y de un vector
de SN-R. Como la descomposici6n de
ponentes de la base es unica,
tambi~n
ser&n unicos v y
el ejercicio 3-14 los dos subespacios en cuesti6n son
en com
W.
En
precis~
mente suplementarios.
Al objeto de analizar la uni6n de subespacios,considere
mos otra vez SI,
S2, .
s ,
como subespacios cualesquiera de VN
Al conjunto U de vectores de los subespacios SI ,S2 , .. ,y todas

las comb tnac i onos lineales posibles de estos vectores
se
Le
llama .6ube-6pauo.6 wu6n. La operacaon de uni6n se indica por el siS

no u,
U
= S I uS 2
Si se escogen vectores arbitrarios UI , U1 , U2 , U~ , , de for

rna que UI ,UI'ES I ,u 2 ',U~ES2, . , se tendr&,
U=u I +u 2 + EU ; U'=U'I +U'2 + EU
Si a y a' son arbitrarios y a,a'EK,

au+a'u'=a(uI+u2+ )+a'(u:+u~+ )=(auI+a' U'I) +(au 2+a'
U'2) +
y como,
UI , U'I ES I ~ au I +a' alESI
En consecuencia,
au+a'U'EU.
Adem&s
OES~OES;
,luego OEU y en definitiva
queda demostrado
que U es un subespacio vectorial.
3-15. En el espacio
generado por e l=[
1,0,~
'3
EJERCICIOS
hallar la uni6n del subespacio SI
y el subespacio S: generado por e\=[-3,
0,0]
Basta en el subespacio uni6n U = SIUSI hallar una base ell

como combinaci6n lineal de las bases respectivas de SI y S: ,
siendo VEU,
v= a el+l3e\=a[l,o,o ]+13[-3,0,0] =[ {a-313),0,0]=
{a-313)[1,0,o]=
140
SlY
e'~ (a-313)
e'~=(
Como e\ Y
e~
son linealmente dependientes, los subespacios
s;
1,0,0]
son identicos yentonces,
En general,se puede afirmar que la uni6n de varios subes

pacios identicos es otro subespacio igual a los anteriores,
Si la dimensi6n de un espacio se indica abreviadamente por dim.,

se tiene dim. SR= R, dim. VN=N, . yentonces,
3-16. En el espacio V3
hallar la uni6n del subespacio S2
generado por la base e l=[l,l,l], e 2=[-1,1,1]y el subespacio Sl

generado por la base e'l =( 0,2,2] .
En primer lugar analicemos la dimensi6n del sUbespacio
carac~ertstica
ni6n U=S2USI, hallando la
de la matriz formada
por los vectores de las bases,
[:le~ [~1 ~
0
~]~[~1 ~ ~] ~
1Z.=2
Por tanto la base de U s610 tiene dos vectores, elY e2,yexis

te una relaci6n de inclusi6n entre S2Y Sl, siendo 2 la dimen
si6n de U (S\uS?U 2 =S2 )
En general, si SRCS p C ...cS Q
3-17. En el
espacio
V3hallar la uni6n del subespacio
S2generado por la base e l=ll,o,O], e2=lo,1,0] y el subespacio

Sl generado por la base e't =l 0,0,1] Y e'2 =1 1,1,1] .
La caractertstica
1
La base de U
de los vectores de base vale,
IZ.
contendr~
1Z.=3 ..
tres vectores (e
I ,
e 2 , eI ) y U coincidi
141
r~
con V 3
ASl pues,
Si I es el subconjunto intersecci6n de S2 y
dim.
(S2ns~)
S~
= dim. 1=1,
como se comprueba inmediatamente, y entonces,
dim.S~
dim,S2 +
- dim. II = 2 + 2 - 1 = 3.
est~
Este resultado no es casual y
basado en el siguiente te
orema:
La dimensi6n de la uni6n Up de los subespacios vectoria
,-,
les SR y
S~.
de un espacio VN es igual a la suma R + R'
de
las
dimensiones de estos subespacios menos la dimensi6n Q del sub

espacio
dim.
intersecci6n I Q,
(SRUS~.
= dim. SR +
dim.
S~.
- dim.
(SRns~) ~
P=R+R'-Q.
Empezaremos, a fin de demostrar el teorema, por
nar Q vectores libres de I Q' i i , i 2
, ,
selecci~
i Q que consti tuir~n, por
tanto, una base de dicho subconjunto. Como i) ,i 2 , ... , i Q
per
tenecen al conjunto intersecci6n tambien estar&n presentes en

SR y en S~,
ii' i 2
, ,
iQ
Podemos aprovechar i) ,i 2
SR'.
, ,
i Q para formar una base de SR Y
a tal fin completemos este grupo de vectores con R - Q

res e
,e 2
'~R-Q
asi que el s t s t.ema T, ,i 2
,i Q,
vecto
e l ,e 2
e R-Q sea libre. Esta base con s t ar a de Q + R - Q = R vectores

do R la dimensi6n de SR. Procediendo de forma similar,
mos i l ,i 2 , ... ,i Q, ell
mere de Q + R I
Q = RI
,e~,
...
,e~LQ
, ,
sie~
escog~
, vectores libres, que en nti
forman una base de
S~'
siendo R' su dimen
si6n.
El sistema,
W=~il
,i 2
,iQ, e),e 2
.,e R_ Q,
e~,e~, ... ,enLQ}'
(1)
142
consta de Q + R - Q + R' - Q = R + R' - Q vectores. Debemos probar
hora que este sistema forma una base de Up con 10 cual si P es

la dimensi6n de Up, se
cumplir~,
P=R+R'- Q,
y el teorema
Si
quedar~
a E Sa ~ a E
demostrado.
III por ser S=III ya que III es un subespacio que
contiene los vectores que gene ran una base de Sa.

S~, ~
te si b E
bElli, luego a + bE'"
III
= Up
An~logamen
ya que, por defini
ci6n, el subespacio uni6n debe contener todas las sumas de

res de vectores, uno de
SR
p~
y otro de Sk.
Solo resta comprobar que (1) forma un sistema libre. For

memos una relaci6n lineal entre los vectores de (1),
i I + a 2 i 2 + ... + a Q i Q + . e + 2 e 2 + ... + R-Q e R-Q +
aI
siendo
al
,a2'
,aQ,
. ,2, ,R-Q ,
de un cierto campo. Si
a E SR,
'. ,'2, ,'RLQ
escalares
podz a expresarse como una combi
naci6n lineal de los vectores de la base,
De (m) y (n),
a
=-
\ e 1-
'R~Q e'R!-Q
'z e'2 - -
(0 )
segtin (0) el vector a es un combinaci6n lineal de una parte de

vectores de la base de Sit', luego a
Sit'.
Se deduce por tanto que si,

(a
E SR ;
S~,)
~ a
(SRnS~') ~
E 1 Q,
a pe r t enece r a al conjunto intersecci6n I

to, escalares
{31 ,{32, ,(3Q
Q ,
y existiran por ta!}
tales que,
(p)
De
"
{3 1 II
(0)
{3"
2 12
(p),
+ ... +
{3"
QI Q+
,
I e"
e 2 + ... + "R!.Q e R!...Q = 0
l + 2
Pero i I , i:2 , , iQ ' e~ , e 2 , , e'a...Q

que (q) se cumple solamente si,
forman la base de
{3 1- {3 2-- - {3 Q- '1- '2-- ~Q
= o.
SR
(q)
por 10
143
Substituyendo los valores hallados anteriormente en (m),
y como justamente i1,i2, ... ,iQ,e1,e2, ... ,eR-Qforman la base
de
SR' la anterior s610 se cumple si,

a 1 ==a 2
== ... ==aQ== 1 == 2 == ... =R- Q==O
y en definitiva la ecuaci6n (m) solo se cumple igualmente

los escalares at ,a 2
mult~neamente
, ,aQ'1
si
'2 , ... ,R-Q,'t ,'2 , ... ,\t'-Q , son si
nulos de 10 cual se infiere que el sistema(l) es
libre y forma una base de Up .

Como co ro La r Lo vde L teorema anterior, podemos acotar el
lor m1nimo de la dimensi6n Q del subespacio intersecci6n.
v~
Si
SRUSW==Up ,SRn5 w=I p, y como la dimensi6n P del subespaciouni6n

no puede ser mayor que la dimensi6n N del espacio
e s t an inmersos todos los subespacios
SR,
S~
"N en el cual
, Up , I Q, se tie
ne,
P == R+R'- Q ~ N => Q ~ R + R' -N.
EJEMPLOS
13. En el espacio tridimensional
"3, la intersecci6n
de
dos p Lario s contiene una recta como m1nimo (Q ~ 2+2-3 == 1) .

14.En el espacio cuatridimensional "4' la intersecci6nde
dos subespacios tridimensionales contiene un plano como m1ni
mo (Q ~ 3+3-4 == 2). En el mismo espacio V4
la intersecci6n
de
un subespacio tridimensional y otro bidimensional contiene u

na recta como m1nimo (Q ~ 3+2-4 == 1) .
EJERCICIOS
3-18. Sean S2 y
S~
mensiones que puede

La dimensi6n de
subespacios de V 5 Hallar las posibles d!

tener
S2ns~
Up==S2US~
es, como m1nimo la del subespa
cio de la uni6n que la tiene mayor y como

go
5~P~3
S'3 )
. Ademas Q == dim. IQ==dim. (S2nS:
Q== 2+3-P ; P== 3,4,5
m~ximo,
la de Vs.Lue
)==dim,S2+dim.S~-dim.(~U
Q= 2,1,0.
Luego la intersecci6n I Q es un plano, una recta 0 el

nulo.
espacio
144
3-19. Sean SRY
S~
dos subespacios de V4generados por el=
[1,1,-1,0] , e2=l 0,0,-1,0] ,e3=[ 1,0,0,-1] , Y e'I=[ 2,1,-2,-1] , e~=

[O,l,O,ll , e~=[ 2,0,-2,-2]. Hallar dim. (SRUS:r}Y dim. (SRnS~.).
R Y R' de los sub
Primero calcularemos las dimensiones

espacios,
[:~ ~ [~
1 -1
[:J ~ [~
1 -2
~}[~
0 -1
0 -1
0 -1
::::::
0 -2 -2
fL=
R = 3.
~fL=
R'= 2.
1 -1
0 -1
[2
~}
1 -1
1 -2
-~J
Por tanto, SR se genera por el,e2,e3, Y S~. por e'l , e'2 . El subespacio uni6n
dimensi6n
Up=SRUS~, est~
ser~
generado por e I , e 2 , e 3 , e \ , e'2 y su
la caracter!stica de la matriz,
el
1 -1
1 -1
e2
0 -1
0 -1
e3 =
-1 1 -1
e'I
e'2
1 -2 -1
fL=3
P = 3.
0 -1
::::::
0 -1
Finalmente, Q = dim.l Q=dim.
-1
::::::
0 -1
::::::
(SRns~.) =dim,SR+dim.S~.-dim.Up=R+R'-P=
3+2-3 = 2. Puesto que el subespacio

que el subespacio intersecci6n I
S:r
tiene la misma dimensi6n
( R ' =Q= 2 } existe la relaci6n
de inclusi6n S~. c SR' Y entonces SRUS~.=SR (R~R' ) .

UNION DIRECTA DE SUBESPACIOS VECTORIALES.
subespacios SI,... S2, .. , del espacio VN
Se dispone de varios
(SICVN
S2CV N
vector arbitrario pertenece a la uni6n de dichos
, ) .
Si un
subespacios,
UEU,
significa que U puede representarse bajo la forma,
U=U I +U2 + .. ,
(r)
145
donde u E SI,
U2 ES 2 , En general, esta representeci6n
no ser nica. Sin embargo, si todo vector u puede
descompo
nerse de una manera (r) y solo de una, entonces los

cios pueden unirse directamente. Dicha uni6n
(r)
d~e~
subespa
se
repre
senta por,
Se puede demostrar que si U es la uni6n directa de dos subes

pacios Si y S2 (U = Si (9 S2), se cumple simultaneamente U = S1US2
y So= S1 nS2
En efecto, si U = Si (9 S2 un vector arbi t.ra r ,o u, u E U, P2

dr representarse de forma nica por u = u 1+ u 2' siendo u 1E Si,
U2 E S2, por lo tanto u pertenece, al menos, al subespacio uni6n,
U = SI US2. Veamos si existe algn vector u comn a la
ci6n, u
. n t.e r s ec
S l n S 2 , y para ello,
u=u+o;
u E Si ;
o E S2
u=o+u;
o E Si ;
U E S2
I~
u = o,
ya que la descomposici6n de u en sumandos debe ser nica.

o es el nico vector comn a Si
y S2, slns 2 = So
(So
Si
es el sub
espacio nulo).
El recproco del teorema anterior tambin es cierto. Si
se cumple U = S l U S 2 y So = S l n S 2 , entonces U es la uni6n direc
ta de Si y S2
y u 2, (u
ES l
(U = Si
EB S2 ).
u 2 ES 2)
Como U = S1US 2 existen vectores
u1
tales que u = u l + u 2, siendo u E U. Supo!:!
gamos que la descomposici6n anterior de u en sumandos
no
sea
nica,
U1 -
u" = U2 - U'2,
y como u 1 - U ~ E Si, U2 - U'2 E S2 y ambas diferencias son iguales,

u, -
u'
u, -
U'2 E S1 nS2
y por tanto pertenecen al subconjunto i!}
tersecci6n. Por hip6tesis, el nico vector comn a

tonces u l
u\= o;
u2
s1ns2 es o, e!:!
U'2= o ~ u l = u\; u 2= u'2 Y la de scompos f
ci6n es nica. Por tanto U = Si (9 S2

Si la uni6n de dos subespacios es directa, Up
S~(9Si',
po
demos relacionar la dimensi6n P de Up con las dimensiones R y
146
R I de los subespacios S~ y sit. Como P = R + R 1_ Q siendo Q la df
mensi6n del subespacio intersecci6n I Q y hemos demostrado que

S~nSit.=
1 Q= So,
sea Q = 0, se deduce que P = R + R I , es
decir,
la dimensi6n de la uni6n directa de subespacios es igual a la

suma de las dimensiones de estos subespacios.
Como recfproco del teorema anterior, es facil ver que si
la dimensi6n de la uni6n de dos subespacios es igual a la su
rna de sus dimensiones, la uni6n es directa. Si P
= R + RI,
= 0,
I Q = s~nsit= So a s f que Up = S~ EB si
Finalmente, si SR y
SN-R son subespacios suplementarios,
la uni6n directa entre ellos produce,
EJERCICIOS
3-20. Comprobar, en el espacio V 4
que los subespacios S2
y S~, generados respectivamente por e l = [1,0,0,0], e 2 = [1,1,
0,0] y por e~= (1,1,1,0], pueden unir~e directamente.
Basta hallar la dimensi6n P del subespacio uni6n Up =
S2US~.
Dicha dimensi6n es igual a la caracterfstica de la matriz for

mada por los vectores de las bases dispuestos en
submatrices
fila,
: :]
ell
[~ ~ ~ ~J ~ [~ ~ ~ ~J ~ [~ ~ ~ ~J
1 1 1 0
Como P=R+R '
0 1 1 0
n: = 3
=>
P = 3.
0 0 1 0
(3=2+1), Up=S2EBS/.
3-21. Comprobar en el espacio V4

y
=>
que los subespacios S2
S1, generados respectivamente por e 1= [1,1,0,0 ],e2= [0,1,1,
0] y por ell = [0,0,1,1], e '2 = [1,1,1,-1], son suplementarios.
La dimensi6n P del subespacio uni6n Up vale,
e2
e'l
e l2
0 1 1 0
0 1 1 0
1 0-1 0
1 0-1 0
1 1 0 0
1 1 0 0
el
0 1 1 0
0 1 1 0
0 0 1 1
0 0 1 1
0 0 1 1
0 0 1 1
1 1 1-1
0 0 1-1
0 0 1-1
0 0 0-2
=>
fL=4 => p=4.
Como P
R + RI
N (4
2 + 2), los subespacios son suplementarios.
147
3-22. Comprobar que el subespacio de las
matricessim~tri
[X],[x]ESi, y el subespacio de las matrices antisimetricas [y],

[Y ]ESi ,son suplementarios respecto de las matrices cuadradas de
orden T, [A],[A]EE N .
Toda matriz cuadrada [ A] p uede descomponerse en suma
sim~trica
una matriz
[X] y una
de
antisim~trica [Y],
(s)
[ A ]=[ X }+[ Y ].
Transponiendo los dos miembros de la ecuaci6n
anterior,tenie~
do en cuenta que [X r=[ X I, al ser [X] s Lme t r I ca y l

ser [y]
v ]T=
-[ Y],al
antisim~trica,
[ A r = (l X }+[ Y ]}T=> [A
P' =[ X r -I Y r=> [ A r =[
(r)
X ]-[ Y ] .
Resolviendo el sistema lineal de ecuaciones formado por (s) y

(t ) ,
i-t A]
[ X }+[ Y
[ X
l-l
Y ]=[
A]T {
[ X] = 1/2 ([ A ]+[ A
~ ~ _~ I= -2 ~
r) ,l Y l=
sistema can salucianes fin i cas ,
1/2 ([ A l-I A ]T) .
En resumen, la descomposici6n (s) es unica y por tanto si y S~,

estn en suma directa, up=si~si.. Adem~s, la dimensi6n del sub
espacio si de las matrices sim~tricas de orden T es R = 1/2T (T+
1) Y la dimensi6n del subespacio si, de las matrices antisim~
~
tricas delmismoordenesR'=1/2T(T-1}. Asf pues,el subespacio

ni6n Up t.endr a por dimensi6n P = 1/2T (T+1) +1/2T (T-1) =T
que es
precisamente la dimensi6n N del espacio de las matrices de or

den T, N = T Y por tanto EN=Up = s~~si y si y Sison suplementarios.
2
3-2. APLICACIDNES
LINEALES
Hasta aquf se han analizado de forma somera las

des
b~sicas
de los espacios vectoriales como entes
propied~
indepen
dientes. Interesa, en un siguiente paso, estudiar las leyes y

propiedades con respecto a los espacios vectoriales cuando es
tos ultimos se relacionan entre sf. Las transformaciones
puc.auonu une.al.u constituyen el objeto de este e s t.ud Lo Empe z g

v
remos primeramente, a manera de introducci6n, con las aplica

ciones entre conjuntos arbitrarios.
APLICACIONES.
Si de dos conjuntos arbitrarios A y B se hace
148
A un elemento b, b E B, qu~
da establecida una aplicaci6n de A en B. Dicha apUca.u6n,6un
u6n 0 c..oJ!Jl.eJ..ponde.nua se representa por,
corresponder a cada elemento a, a
Al elemento b se Ie llama
aplicaci6n
p!l.~agen,oJUgina1. 0
llama
b
= 6 (a)
Si a
AXB
=> a
6 (a )
A y
= 6-}
del elemento a a
G y entonces b
funci6n
~agen
~agen
B y seleccionamos del conjunto
6:
De la aplicaci6n
6 (a):
de
6 (x)
producto
a E A}, obtenemos un subcon
6.
A ~ B puede interesar la imagen y
(x ) de un elemento arbi trario x, x

Y~
a se Le
inveMa de b,
junto C, CcAX B llamado gJtlf6ica.
6 (a). Al elemento
de la
(b)
los pares o rdenado s {a,
trav~s
= 6
A, usando la notaci6n,
EJEMPLOS
15. Sea A = {1,2,3,4} Y B = {1,3,2,4}. Podemos entonces de

finir la aplicaci6n entre conjuntos finitos, 8, llamada permu
taci6n, 8 : A~B. As!,8 (1) = 1, 8 (2) = 3, 8 (3) = 2 Y 8 (4) = 4. Tam
bien, 8 -1 (1) = 1, 8 -1 (3) = 2, 8 -1 (2) = 3 y 8 -1 (4) = 4.
16. Podemos considerar a y
VI . en VI
= sen x
como una aplicaci6n de
sobre el mismo cuerpo K de escalares,

y = sen
x,
17. La correspondencia entre vectores del espacio ordina

rio,
v
6:
V3
V3
U E
V3
puede representarse por u
= 6 (u ). Esta aplicaci6n transforma un vector
mismo espacio. Si la funci6n
6( )
6 (u )
, siendo
u en otro v del
es una matriz
[F]
cuadrada
de orden 3 y las componentes de u y v se disponen en matrices

columna, la ecuaci6n vectorial v
= 6 (u )
pasa a ser,
6,I
An~logamente,
(u )
si las componentes de los mismos vectores se dis
ponen en matrices fila, la misma ecuaci6n vectorial induce a

hora a la ecuaci6n matricial,
[ V]T=( U]T[ F]T ~ [VI,VZ,V3] =[ UI , u, , U3]
Obs~rvese
fl
fi
f~
f~
fl]
f~
f5
f~
149
(v)
que tanto de (u) como (v) resultan las mismas rela
ciones lineales entre componentes de ambos vectores,

VI =
f\ u I + ~ U Z + f! u 3
V2 = fiu I +f~u z +f5 U 3

V3 = f~U I +f~U z +f~U 3
puesto que si [v]={ Fl[ u]
-I v
y=([ FI U ])T =[U]T [FY.
18. Las matrices [F] de dimensi6n (N,M) definen una apl!

cac i6n ,: VN --+ VM sobre un cuerpo C. Sean u EflN , VE VM y [ F]={ f i i
fjjEK, quedando las componentes de los vectores u y v
dispue~
tas por filas, [u ]=fUI ,uz , ,uNL [v ]=fVI ,vz , . ,v N] , entonces,

u ~ (u ) ~
U<+v
; v =, (u )
[ v ]=f u I F
if
Obs~rvese
flM
fZI
f~
... ~
que en este ejemplo se establece unacorresponden
cia entre pares de vectores pertenecientes a espacios de dis

tinta
dimensi6n.
19. El conjunto de polinomios y = a o +a l x+a z XZ+ ... forman un
espacio E. Las derivadas de estos polinomios definen una apl!

caci6n D:E--+. As!, D(y)
OPERACIONES CON
=~=al+2azx+3a3Xz+.
APLICACIONES.
Dos aplicaciones ,:A-'8 y
g:A-.B son iguales si '(x)=g(x) para todo

por
~A,
y se representa
'=g.
Juega un papel importante en las transformaciones el
pr~
ducto de aplicaciones y a fin de comprender mejor dicha opere

ci6n analicemos los dos siguientes ejemplos,primero,
geom~tr!
camente y despues, anal{ticamente (Figs.3-3,3-4 respec.)

a). Sea
'z
el conjunto de los puntos del plano XtOXZ Y ,:
Vz-.Vz la aplicaci6n que consiste en hacer girar los puntosdel

plano un
S1 las
~ngulo
im~genes
de 90 antihorarios alrededor del origen O.

de los puntos A y AI
ser~n
B y
B~respectivame~
teo Consideremos una segunda aplicaci6n g,g:Vz-'Vzconsistentee
150
--
B C
C E
___ 3_ _
,
,
... ...
I
" ,,
\
,,
\
1,"1
I I
, I'
I'
Fig.
'1-,
E'-)
...
~~---;y,"':
,
... , C
B'
\
'\
;'
'e' ,'B'
-2
.... ,
!:' )
/
I
D'
....
,11"..,;'
.:-----~- ;-'='--,I A'
- :
2
'ID
E - ..... ' I
,""-;,
I
I,
I
I
I
I
........ I
1.. . . . . . . . /
3-3
Fig.
'
\
\
\
x)
"
'
D 2
Xi
3-4
hora en alejar los puntos del plano del origen de coordenadas

hasta una distancia 1,5 veces mayor a la que tenian primitive
im~genes
mente. Las
de B y B', bajo esta transformaci6n
ser~n
C.y C', respectivamente. Entonces
6 (A)
6 (A') =
= B ;
B' ;
(B)
=C
9 (B' )
= C'
Y al substituir puntos del plano por vectores,
- -
6 (OA)
-----I!
6 (OA')
= OB ;
= OBi ;
Si el vector ~
OC se pone directamente en funci6n del vector OA,
----.,.
OC =
9 (OB) = g{6 (OA)}= h(OA).
A la aplicaci6n h
(w)
= g{ 6}, y se escribe h = 9 06, se Le llama ap4
c.au6n p!l..odue.-to y es igual al producto de aplicaciones.

Si invertimos el orden de las aplicaciones,
6 (OD)
(OA) = OD ;
= OC ;
--+-
6 (00') = oc: ,
y como antes despejamos OC,

~
oc
6 (00)
(w)
De
6{g
6 9 (OA)
(OA)} =
= fl. (OA)
(x)
(x),
~
h (OA) = k (OA)
fl. = h
go
6= 6
9,
y en este caso resulta que el producto de aplicaciones es con

mutativo.
Podemos llegar al mismo resultado siguiendo la via
tica
an~li
y disponiendo las componentes de los vectores en matriz
columna,
151
Traduciendo al lenguaje matricial, debemos substituir la apl!

caci6n
por la matriz [F] y la aplicaci6n 9 por la matriz [G]
de manera que produzcan sobre los vectores los mismos efectos.

Dichas matrices
[F]= [ftfi
ser~n,
tIl = [0
fiJ
-lJ
[ Gl =
[gtg~ gfJ
glJ
[3/2 0
0 3/2
J'
y las ecuaciones matriciales,
[~J
= [F
[:J [:J
= [ G
[~J ~
[:J
= [ G
[:J
La transformaci6n producto [H] que relaciona directamente las

componentes vectoriales inicial y final,
es igual al producto de las transformaciones ([H]=[G][F]). Pa

sando a valores nurnericos,
Invirtiendo el orden de las transformaciones,
y entonces la transforrnaci6n producto [K] vale,

[K]=[F][G].
Debido a la conmutatividad del producto de matrices en este
jemplo concreto ([ G][ F
l= [F][ G] => [H] = [K]), ya que toda matriz
escalar, [G], conmuta con cualquier otra del mismo orden, re

sulta,
152
[W: ]
y; ]
[ y; = W;
=>
-----+l
-----+
oe = OE'.
Podemos pues afirmar que si dos matrices son permutables

entre si, sus aplicaciones correspondientes gozan de la misma
propiedad.
b) Sean, como segundo ejemplo, (Fig.3-4),las aplicaciones
V2
V 2 Y L:V 2
V2
La primera ha sido ya
represent~ndola
anterior,
usada
~:
en el ejemplo
aqu! con la misma letra .. En
cuanto
a la segunda,L , consiste en disminuir hasta la mitad la com
Xl
ponente
del vector dejando intacta la componente
X2.
As! que
tenemos,
~
-----+
-----+-
(OA) = OB ;
Relacionando directamente
-----+-
-----+-
oe =
-----+
(OAI) = OBI;
-----+-
oe
-----+-
-----+
= oe ;
L (OB)
-----+-
-4-
oe'
y OA (0
-----+-
- - - = -----+
L (OB')
oc'
-4
y OA'),
-----+
-----+
oe' = m (OA' ) ,
L (OB) = L { ~ (OA) }= m (OA) ;
siendo m = i { ~}= Lo' la aplicaci6n producto.
--
Invirtiendo el orden de las aplicaciones,

-----+-
-----+-
L(OA') =OD' ;
L (OA) = OD ;
(OD) = OE ;
(OD')
= ----+
OE'.
-----+- y -----+-- y
Relacionando OE
OA (0 -OE'
OA'),
-----+-
OE =
siendo n
-----+-
(OD) =
= 6{i}=
oe =
-----+
y como oc
(Lo
~)
v -----+
OE,
~ {i
~o i
-----+
----+
-----+
(OA) } = n (OA) ;
-----+
OE' = n (OA') ,
la aplicaci6n producto. De,

-----+ ,
OE
= (, 0 L) (OA)
(OA)
y el producto de estas aplicaciones no es conmutativo.

Operando matricialmente, al considerar los vectres y ma
trices,
-----+
OBi '=
OA'=
oe ' = [WI']
w1
oc ~[::] ; --
oEo=
[~;]
(F ]
-----+-
OD
= [Xl
X2
l flJ [0 -lJ
f
[f~ f~
=
~v:J
v1 '
153
partiremos de las ecuaciones,
siendo [M]
[L] [ F] la transformaci6n producto. Substituyen
do valores,
[1~2 ~J [~ -~] [7~2 ]= [~ -1~2 ] [7~2J= [7~J '
[::] =
[:;J
[~-l:J
GJ [-~J .
=
Invirtiendo el orden de las transformaciones,
por 10 que la transformaci6n producto [N]

[ N ]
[F] [
L]
=>
[N ]
valdr~,
0
[10-lJ0 [1/20 1OJ = [01/2 -lJ
Como se observa, [N] 'f (M ] debido a que, en general, el
pro
ducto de matrices no es conmutativo ([ L ] [ F ] 'f [F l [L ])

Finalmente,
2J'
Y
IJ
[0
-1]
[7/2J
[0
J
[Y;
J
[0
-lJ
[2J
r[Y = 1/2 0 0 = 7/4 ;
= 1/2 0 2 = L1 .
y~
En general, podemos pues afirmar que el producto de apl!

caciones depende del orden de los factores. Sin embargo el
pr~
ducto de aplicaciones satisface la ley asociativa. Sean las a

plicaciones
6:
A -'to B, 9 : B -'to C Y h : C -'to V, y a
A,
6[g{h(a}}]= 6[goh ](a)= 6 o[goh ](a) =
(6 o g o h )
(a)
= (6 o g }o ltl
(a),
as! que,
por 10 que en un producto de aplicaciones el orden de los fa

tores es esencial perc no la distribuci6n de parentesis
puede realizarse de la forma
m~s
que
conveniente. Incluso, dichos
154
par~ntesis
pueden omitirse. As!,
'0{'0')={'O')0'='0'O,={,)3 ; 'o'o(~~. 6={,)N;

( 6 ) No
(,)
M= (, ) N (, ) M= ( , ) N +M
En particular si 'y 9 son dos aplicaciones cuyo producto es
co~
mutativo,
'og=g06 ; {'og)2={6 0 g ) 0 {'og)=6g6g=66gg=(6)2 {g)2;{60g)N =
{,)N (g)N .
Una aplicaci6n de especial importancia es aquella que
forma un elemento de un conjunto en el propio elemento.
tran~
Se Ie
llama aplic.ac.i6Y1. Ldenxcdad, i:A--*A,que para todo aEA,
(a) =a
Si 6 es una aplicaci6n arbitraria, ,:A--*A que para todo

aEA " (a) = b, siendo, bEA,
6{i{a}}={6 0i) (a)=,{a)=b
i{ 6 (a ) ] = (io 6){a) = i (b) =b
(6
i )
(a)= (i o 6) (a )=, (a)
'oi=io
=>
=>
'=L
"
con 10 que queda asegurada la conmutativiadad de la aplicaci6n

identica con cualquier aplicaci6n arbitraria.
Si 'y 9 son dos aplicaciones, ,: A--*A y g: A,--*A, tales que, p~
ra todo aEA,
(6 g)
(a) = (g
6)
(a ) =i (a ) =>
60 g=go '=i,
se dice que 6 es inversa de gog es inversa de ,.

Una aplicaci6n ,
invertible s610
tendr~
una inversa
ya
que en caso contrario (sean gl y g2 dos inversas distintas),
60gl=gI06=i; 6 0g 2=g2 0'=i,

y al premultiplicar la primera por g2 y tener presente la se
gunda,
g2 0 {6 0 g 1 )=g2 0 , =>{g2 o')ogl=g2=>iog l=g2=>gl=g2.
Si 9 es la aplicaci6n inversa de 6, 9 se denota s Lmpl.ernen
te por (,r 1 ,
155
Tambi~n
si,
y la aplicaci6n inversa de la inversa de

mitiva
es la aplicaci6n pr,!
~.
EJERCICIOS
sea~
3-23.
un operador
~:A~B
y k:::{a,b,c} ,B={x,y,z}dos
CO!!
juntos finitos compuestos de los elementos que se indican. De

~
terminar en los siguientes casos si

a). Si
(a ) =z ,
es una aplicaci6n.
(b) = x
No 10 es porque el elemento c del conjunto original no
tiene
imagen.
b). Si
~(a)=x
~(a)=y
~(b)
=z ,
~(c)=z.
No. Un elemento a del conjunto original tiene ms de una ima

gen.
c). Si
~(a)=y,
~(b)==y,
~(c)=x.
Si, aunque un elemento y del conjunto imagen tiene ms de una

preimagen , y otro elemento z no tiene preimagen.
d). Si
~
(d ) =y,
st.
A={a,b,c,d,e},B~{x,y,z} y
~(a)=x,
~(b)=x,
~(c)=z,
(e ) =y .
Como todo elemento del conjunto imagen tiene al menos, u
na preimagen, a este tipo de transformaci6n se Ie llama
ci6n. .6o bILe.
apli~~
.6obILe.ye.cti.va.
e). Si A={a,b,c} B={x,y,z,u} y
~(a)=x,
~(b)=u,~(b)=z.
Si.Como elementos distintos de A tienen imgenes distintas de

B, a esta transformaci6n se Le llama
tiva. En este caso, si (a,b)EA, y
apli~aci6n. uno-n-unc 0 in.ye.~
6(a)=~(b) ~a=b.
f). Si A ={a,b,c,d},B={x,y,z,u} y ~(a)=x,6(b)=z, 6(c)=u,

~ (d)
=y
S1. Observemos adems que esta transformaci6n es a la vez in

yectiva y sobreyectiva y se llama apliMci6n.
b.<.ye.~tiva 0
ca . Cada elemento de A tiene una sola imagen
biun.1vo
cada elemen
todeBuna sola preimagen. Si 6(8)=X, 8 =(~)-lX, ... Y la aplic~
156
ci6n biyectiva siempre es invertible.

3- 24. Sea
ft :
VI
V I , sobre el cuerpo R de 10 s mlmero s re
ft es una
ales. Determinar en los siguientes casos si
aplica
ci6n.
a) y
= ft
(x )
= arc
sen x ,
No. Los valores de x, x >1 Y x< 1,

mas , para x
7r
,2 7r ,
por ej emplo, se obtiene mas de una imagen (0,
r ad)
b) Y -:.;
sr .
una.
= 0,
ft
(x ) = tg x ,
Cualquier valor de x,
Adem~s,
-00
<x <
como cualquier valor b del conjunto imagen
tiene soluci6n para

Geom~tricamente
ft
y =
(x) =
ft
(x)
tien~
x = arc tg b siempre
significa que cualquier recta horizontal y = b
= ft (x)
In x ,
No. Los valores x

d)
=>
solo
-oo<b<oo, la aplicaci6n es sobreyectiva.
tiene, al menos, un punto comdn con y

y -:.;
tiene imagen y
00,
al menos, una preimagen, ya que b = tg x
c)
no tienen imagen. Ade
= ex
0 no tienen imagen.
Sf. Cualquier valor de x tiene una sola imagen.
Adem~s,
para el valor y = b del conjunto imagen, se obtiene la preima

gen ex
=b
=>
= In
na sola preimagen.
b. Si b
0, no hay preimagen, y si b < 0, u
Geom~tricamente
significa que cualquier re2
ta horizontal y -:.; b tiene, como max i.mo , un punto comtin con Y:"
,(x). La aplicaci6n es pues, inyectiva.
Sf. Cualquier valor de x tiene un solo valor de y

ciprocamente, cualquier valor de
Geom~tricamente
quier recta vertical x
= a.
ci6n inversa es t1nica y
= <;y -
re
de
significa que cualquier recta horinzontal y
tiene siempre un punto comtin con y
tiene un solo valor
= , (x),
x,
=b
Y 10 mismo para cua],
La aplicaci6n es biyecti va. La fun

se puede explici tar en funci6n de
.,
1.
Una vez definidas ya las aplicaciones biyectivas,
vamos
a demostrar el siguiente teorema relativo a la invertibilidad

de
~quellas.
157
La condici6n necesaria y suficiente para que una

formaci6n
6,6 :
A -+ A sea invertible es que
trans
sea una aplicaci6n
biyectiva del conjunto A en sf mismo.

Si
6:
tiene a g como inversa y
A -+ A, g
A -+ A,
6 0 g = go6 =i.,
y para todo a
A, siendo 6 (a)
(go6) (a) =g(b)
= b,
A,
L(a) =g(b) ~a =g(b),
por 10 que todo elemento de b de A es la imagen de
un
cierto
elemento a del mismo conjunto. Adem&s si dos elementos a.
y a2
tuvieran la misma imagen,

,1
6 ( a.> = 6 ( a 2) ,
y al premultiplicar por g,
Entonces, cada elemento de A tiene una sola preimagen, y la a

plicaci6n
6 es necesariamente biyectiva.
Si partimos ahora de que' es biyectiva, un elemento a so

10 tiene una imagen b tal que,
, (a)
b,
Y si g es la aplicaci6n que transforma b en a,

g(b)=a.
(y)
Premultiplicando la anterior por
(6og)
(b)
= 6 (a)
('og) (b)
'0,
= b,
y como b es un elemento arbitrario,
('og) (b) =i.(b)
~ 'og=L.
Postmultiplicando la (y) por

(go') (b) =
6 (a)
~ (go
6)
0',
b = b,
e igual que antes,
con 10 que queda demostrada la suficiencia de la condici6n.

APLICACIONES LINEALES.
Sean V y III dos espacios vectoriales
bre el cuerpo K de escalares y "
s~
, : V -+ III, una aplicaci6n. Se
158
dice
de
que es una aplic.ac6n lineai. si para todo a, bE V y
t~
do aEK, se satisfacen las dos condicicones siguientes,

6 (a+b) = 6 (a )+6 (b),
(3-19)
6 (aa ) = a 6 (a)
(3-20 )
Si en (3-20) hacemos a=O ,

6(0)=0,
o sea, toda aplicaci6n lineal transforma el vector nulo en el veS

tor nulo.
De (3-19) Y (3-20) se deduce directamente,
6 (aa+13 b)=6 (aa )+6 (13b)=a6 (a)+136 (b),
(3-21)
condici6n que caracteriza completamente las aplicaciones line

ales y puede servir para definirlas.
El ejemplo
m~s
simple de linealidad 10 encontramos en la
aplicaci6n identidad
~,
~:V~V,
i (aa+13b) = aa+13b = a L (a
Sea
o:V~W
)+13~
(b)
laaplic.ac6n nu.f.a. que para todo aEV,o(a)=o, oEW.
Su linealidad tambien es evidente a la luz de,

o (aa +13 b) =
o~
o+o=ao+13 o=a 0 (a ) +13 0 (b)

EJEMPLOS
20. Una matriz [F] de diemensi6n (N,M) define una

6:V~VM
ci6n lineal
sobre el mismo cuerpo K (ver ejemplo 18).Si
las componentes de los vectores a,b

filas , se tiene
aplic~
6 (a) =[ a
IF],
6 (b) =[
(a,bEV N )
se disponen
IF], y entonces por las
por
pr~
piedades de las matrices,

6 (aa +13 b) = (a[ a l+13 [ b ])[ F )=a[ a ][F}+13 ( b I F ]=a 6 (a ) +13 6 (b)
21. Sea
6:V2~V~
la aplicaci6n traslaci6n
que transforma
el plano XlOX 2 en un plano paralelo distante k unidades de a

qu~l.
As1, 6 (u ) =v, u EV 2
,VEV~,
siendo u=[ at ,a 2 ,0]
Y v =[ at ,a 2 ,k]
Como para u = 0,6 (0) =6 ([ 0,0,0] ) =[ 0,0, k] "10, a s f que el vector

10
e,oEV
no se transforma en el vector nulo
O,OEV~
n~
y laapl!
caci6n no es lineal. Observemos de paso que, mientras V2 c V3
siendo V3 el espacio ordinario, V1SlV 3 por no contener el vector nulo .

22. Si E es el espacio vectorial de los polinomi05 en la
variable x sobre el cuerpo Ie de los nt1meros reales, el operador
159
de deri vaci6n d = d/dx, d: E ~ E es una aplicaci6n lineal, pues

para (a ,b)
f,
d (aa + (3 b)
(a,{3) E R y segun las reglas de derivaci6n,
= ad (a)
23. Sea p : V3
(V~ c
VJ), P (a)
=a
+ (3 d (b)
~ V~
la aplicaci6n proyecci6n sobre el ej e Ox.
El vector arbitrario a
nentes [a. ,a2 ,aJ l, y
su
tendr~
por
compo
= [ai,
proyecci6n sobre el eje OXI, ap
0,01. Ana Loqamen t e , otro vector cualquiera b = ({3 I ,{32 ,{3 3 ], ti~
ne por proyecci6n b p
{3 E K,
= [{31
l. Si
,0,0
(8
,b)
V3
(a
,b p
VI, a,
p (a a + (3 b) = P (a [ a I , a 2 , a 3 ] + {3 [{3 I , {3 2 , (3 3 ] ) =
p ( [ aal ,aa2 ,aa3]
+ [{J{31 ,(3{32, (3{33])= P ( [ aal + {3{31 ,
aa2+ {3{32, aa3+ (3{33]) =[aal+ {3{3I,O,OJ =[aal,O,OJ +
({3{31 ,0,0 J = a [a1 ,0,0 J + {3 ({31 ,0,0 J = a a p + (3 b p =

ap (a) + (3 P (b) ,
y p es una aplicaci6n lineal.

El siguiente teorema puede servir como punta de introduc
ci6n a las transformaciones lineales.
Sea ei (e I ,e 2, ... ,eN) una base cualquiera de
vectorial f N y sea eil
(e I
,e~
, ..
,e~)
un
espacio
una colecci6n de vectores
totalmente arbitrarios en fN' Existe una unica aplicaci6n li

neal': fN~f~ (f~~fN) tal que '(ei) =eil (i=1,2, ... N).
Partiremos, con objeto
de demostrar el teorema,
de
un
vector arbitrario a expresado de forma unica como conbinaci6n

lineal de los vectores de la base,
De otra parte, sea , una aplicaci6n tal que ,(a) =

do
a ' =ale\+
a2e~+
+ a ek.
,sie!!
Notemos que si los vectores
eil
forman un sistema de vectores, con R de los cuales

indepen
dientes, a l ser~ un vector perteneciente al subespacio f~ de
dimensi6n R. De,
al hacer a. = a2= = ai_I = ai+l
y al hacer i
= 1,2, ... , N
= ... = 0
Y a i = 1, se obtiene,
se obtiene la aplicaci6n pedida. Vea
160
mos ahora si esta es lineal y para ello tomemos un segundo

tor b={31e l + {32e2+ + (3Ne N tal que 6(b) = b' Y b'= {31e~+
+ {3Ne;.. Entonces si (a,b)EE N, (a',b')EE~, (a,{3)Er,
6(aa+{3b) = 6(aa 1e
(3{3Ne N)
1+
= 6([aal+
{32e~+
aa2 82+ + aaNe N+ {3{3181+ {3{32 e2+ +

{3{3d
el+ [aa2+ (3{32] 82
eN) = (aal+{3{3d 8:+
(3{3N)
ve~
+ +[aa N+
(aa2+ {3{(2)e;+ +
(aa N+{3{3N).
aa'+ (3b'= a6(a) +(36(b).
Probada su linealidad, comprobemos si

E~
es tinf.ca . Sea 9 : EN -.
otra aplicaci6n lineal que produce los mismos efectos
que
6,
--',
g(8) =a'
9 (a)
por ser
=>
= 6 (8)
g(8i) =8\
=>
= 6,
arbitrario.
Demostrada la existencia y unicidad de la aplicaci6n li

neal
6,
interesa su materializaci6n en forma de matriz
siguiente paso. Los vectores e ~ (i

formados de
8\,
= 1,2, ... N)
en un
que son los
tran~
podr an expresarse como combinaci6n lineal de
estos ultimos, por formar una base de EN,

8\ = 6 ( 8
d = f ~ 8 1 + f i 8 2 + + ff 8N
(z )
y llamando,
f}
f~ .. f~
fi
f~ ... f~
[ F ) =
(al )
f~
la (z) queda,
f~
... fIj
161
e'l
e' 2
f~
fi ... ff
e'1
f~
f~ ... f~
e' 2
flJ
fiJ ... f~
e'N
...........
e'N
(3-22)
donde la matriz [F]T es equivalente a la aplicaci6n ,. La (3

22) es pues la'ley de transformaci6n de los vectores arbitra
rios (ei) en funci6n de los vectores de la base (ei). Luego,
Es evidente que a la aplicaci6n identidad Ie corresponde

la matriz unidad,
y a la aplicaci6n nula, la matriz nula,
Si se conocen las componentes del vector a, [al ,a2 , ,aN]

en la base e i(el,e2,. ..,e N) Y la matriz de transformaci6n line
al [F] , es posible hallar las componentes [aY, a~ , , a~]
del
vector a' = ,
(8) =a 1
e'l +a2 e'2 + .. +aNe'N en la misma base e i
a = ale 1 +a 2e 2+ ... +a Ne N=[ a 1 , a 2 , .. , aN] [ e 1 , e 2 , ... , e N]T

_
"
, _ [
]
a , -_ nL ( a ) -a
1 e 1 +a 2e 2+ .. +a Ne N - a 1 , a 2 , ... , aN
Al substituir [e't ,e'2 , .. ,e'N]
e 1 , e 2 , .. , e ,N]T
["
por su valor (3-22),

(bl )
Pero,
0
0 ,a 0] [ e
a, _ [al,a2,
l,e2, . ,e N]T .
N
Comparando
ria,
(b")
(c") ,
al ser la base e i
( c l)
totalmente arbitra
(3-23 )
Finalmente, si efectuamos un cambio de coordenadas,

2), los vectores de la nueva base
(3
ser~n,(3-15),
[ e 1 , e 2 , ... , eN] T =[ A P'[ e 1 , e 2 , ... , eN] T,

y es presumible que en esta nueva base (e i ), la (3-23) adquiri
r~ la configuraci6n
[a? ,a~,
... ,a~] =[ al .a, ,aN] [G P',
(3-24)
siendo [ al ,a2, ,aN] y [a? ,ag , ,a~] los vectores fila a y a'
162
en la base e i . Se trata de determinar la nueva matriz

transformaci6n [G]
de
la
Y para ello, basta substi tuir en (3-24) las
componentes nuevas de a y a l
en funci6n de las antiguas segun
(3-17),
[a? ,ag , ...
y en esta ultima substituir
,a~]
por su valor,
(3
23 ),
Como las componentes a l ,a 2
= ([
[ F ]T ([ A ]T) -I
,aN son arbitrarias,
A ]T) -I [G)T
[ G ]T= [A IT [ F ]T ([ A ]T)- 1
(3-25)
=>
(3-26)
o transponiendo ambos miembros,
[G]
[A ]-1 [ F ] [A ].
Podemos llegar al mismo resultado (3-26) siguiendo el ca
mine indicial. Partiremos de (3-22),
e lt
fiiei '.
(i,j
= 1,2, ... ,N),
teniendo presente que debemos substituir las componentes

00
a2 , ... ,aN Y al ,a2 , ,aN por a
12
12
at,
,a ,... ,a y ao ,ao , ... ,ao respes:
tivamente, a fin de poder efectuar las contracciones de los 1n

dices en forma correcta. Con esta salvedad,
i
i
a =aie.
=a
" a ' =aie!, =a fit eI
i fie
i.
(d l )
Como a I = ab e i , al comparar con (d I) ,

(e l )
ecuaci6n equivalente a
e-
= a] e i
la (e
(3-23). Con el cambio
y de s ta
coordenadas
se convierte,
Substituiremos en la anterior, ab
a ok blk
de
= a~bf
y a i = a i bf,
(3-11),
= a 1 bi1 gii '

y
(e l )
a l fr b~ = a l bi gt
=>
ff bi
= bi
gl .
Por ser [~]= [~]-I, (3-9), los elementos ~

normalizados de at ' y por tanto,
son los
adjuntos
163
fkIkm
bl a I = (bi1m
a I ) g!J
[ G)
fkIkm
bl a I = ~ mJ
i g!
[B) [ F ] [A]
=> [
G]
gim = bikim
fk a I =>
[A )-1 [ F ] [A
l.
EJERCICIO
3-25. Sea, en la base el = [1,0], e 2 = [0,1], la aplicaci6n

lineal': V
definida por '(8)=a' => '([a l , a 2 ])= ([a l - a 2,
2-+V 2
2a
l+
))
en la que a=[a l , a 2]
de transformaci6n en la base
y a'=[a~,a5]. Hallarlamatriz
l
= [3,1],
e2 = [1,2].
Si a =[2,1]
en la base el ,e 2 , determinar el vector transformado a'

base
en
- e I ,e 2 .
De
e-
(3-3),
= a ii e
J, (i,j = 1,2)
la
e- I = a] e 1+ at e 2 ;
=>
e2 = a~ e 1+ a22 e 2 ,
y al substituir valores,
[ 3,1 ) = af [1,0]+ ai [ 0,1 ]

[A] =
=>
[ 1,2 ) = a~ [1,0]+
De
a~
0,1 ]
I at J
~G
~l
(e') ,
- -
La matriz de transformaci6n G en la base e 1 ,e 2,
[1
2/ 5
[ -1/5
-1/5J [1
3/5
-lJ [3
21J1 [1 -llJ
2
1
1J = [-3/5
-6/5J
13/5
19/5
(3-26),
L
r J3
3
[ G ] = [g~] = [A )-11 F ] IA] =
valdr~
1
2
siendo,
I bl ] =
[at] -I =
[2/5
-1/5J
-1/5
3/5
Las componentes del vector a=[2,l] en la base e i
=b~ aI
= bia
a i = b!1 a i
=>
y las componentes de a' ,
acuerdo con (f'), se r an ,
s er an (3-11),
+ b~ a 2 = (2/5) (2) + (-1/5) (1) = 3/5;
l+
b~a2 = (-1/5) (2) + (3/5) (1) = 1/5,
transformado de a, en la base
de
164
~laA=(-3/5) (3/5)+(-6/5) (1/5)=

-3/5;
a5=(19/5) (3/5)+(13/5) (1/5)=

14/5.
Tambien se puede llegar al mismo resultado a traves de las com

ponentes ah y efectuando el cambio de base
el
=el (e
,e 2 ) ,
aA=a l-a 2=2-1=1

aZ=2a l+a 2=2.2+1=5 (
..
-I
ao
= blj aoJ
~aA=b~aA+b~a5=(2/5)(1)+(-1/5) (5)=-3/5
-2
2 I
2 2
ao=b I ao+b2ao= (-1/5) (1)+ (3/5) (5)=14/5
Por ultimo,observemos que las matrices de transformaci6n

Gyf,
(3-26),son semejantes segun (2-41).
OPERACIONES CON APLICACIONES LINEALES.
Operando las aplicaciones
neales entre s! y con escalares, se obtienen nuevas
If
aplicaci~
nes lineales.
a). Suma de aplicaciones lineales.
Si
6:U~
g:U~
son aplicaciones lineales
de
espacios
vectoriales sobre el mismo cuerpo [, hagamos corresponder a

do vector u, uEU, el vector transformado 6(u)+g(U),
(~(u)+g(U)
EV. La aplicaci6n que transforma u en '(u )+g(u) se indica por
.6u.ma. de. .ia..6 a.pUc.a.c.ione-6
9 Y se denomina
t~
y g. As! pues, por
d~
finici6n,
(6+g)
(u)=~(U)+9(u).
Vamos a demostrar que si 6 y 9 son lineales, la suma 6+9 tam

bien 10 es. Si UI,u 2EU,a l , a 2 E Ie,
( 6+g) (a I u I + a 2 u 2 ) = ~ (a I u I + a 2u 2 ) +9 (a I u I +a 2u 2) =
a I ~ (u I ) +a 2 6 (u 2 ) +a I 9 (u I ) +a 29 (u 2 ) =
[~(UI
)+g (u , )]+ad 6 (U 2 )+9 (U2)] =

al (6+9) (U I )+a 2 (6+g) (U2),
al
y por tanto
~+9
es lineal.
Si las componentes de los vectores se disponen por filas

y UEU, VI ,V2EV,
6(u ) =
VI
-I VI]
=[
IF] ~
g(u)= V2 "'1 V2]=[U IG)
[v
I ]
+[
V2 ]
=[
U ][
F }t[
U ][
G ] ,
165
siendo [F] y [G] las matrices de transformaci6n de las

~
ciones
aplic~
y 9 ,respectivamente. Por las propiedades de las matri
ces,
[ u ] [F }t[ u
G ] = [u ] ([ F ]+[ G ]) ,
por 10 que la matriz de una suma de aplicaciones es igual a la

suma de sus matrices.
b). Producto de una aplicaci6n lineal por un escalar.
Si
ducto
~:U~V,
(a~)
~(u)=v
pr~
para todo UEU,vEV,aEK, se define el
que transforma el vector U en el vector av,
(a ~) (u ) =a ~ (u ) .
t.,
'-.ff
(a 6) (a I UI +a 2 U2 ) =a ~ (a I UI +a 2 U2 ) =aa I
a
(a') (u
I )
(u
I )
+aa 2 6 (u 2 ) =
+a 2 (a 6) (u 2 ) .
En cuanto a la matriz de transformaci6n correspondiente a

(a~),
aplicaci6n
(a~)
la
(u)=a' (u)= a
v~av
=a[ u
IF l-l u
](a[ F ])=[ u
I G].
Asl. ,la matriz [G] que transforma directamente el vector u
en
el vector aves,
, l
[ G J=a[ F]
La matriz de transformaci6n del producto de una aplicaci6n

por un escalar a es igual al producto de la matriz [F) de
por
a.
c). Producto de aplicaciones lineales.
Sean las aplicaciones lineales
cuales (u ,u I ,U2 )EU, VEV,wEW,
ci6n producto
~(u)=V
aqu~lla
(go~)
~:U~V
y g:V-W
para
(al ,a2 )EK. Se define la
las
aplic~
tal que, si,
g(v)=w,
transforma directamente el vector u en el vector w,
(g>6) (u ) =W
La aplicaci6n (go 6) es lineal ya que,
(go 6) (alu,+a2U2 )=go[
~(alu,+a2U2)]=
go[al~(ul )+a2'(u 2)]=go[al
al (go 6) (UI )+a2 (go 6) (U2).
6(u l )]+go[a26(u 2 ) ] =
166
De,
6 (u ) = v
=>
[V]=[U][F]~
=>
[w]=[v][G]
=> [
9 (V)
=W
w]
(gl)
[u ] [F ] [ G ],
deducimos que si [pI es la matriz que transforma directamente

el vector u en el vector
respe~
(dispuestas sus componentes
tivas en matrices fila),

[wJ=[u][pl,
y de
~sta
y (gl),
al ser los vectores u y w arbitrarios,
[ P ] = [F] [G ],
"
y la matriz [p] del producto
(g06) de dos transformaciones I!
neales es igual al producto [F] [G ] de las matrices de
estas
transformaciones en orden inverso.

d) En general, podemos afirmar que las aplicaciones
lin~
ales gozan de las mismas propiedades que las matrices que re

presentan a
~quellas.
Por ejemplo, si el producto de
aplica
ciones (g06) es conmutativo, el producto [F] [G] de sus matri

ces tambin 10
ser~,
Conbinando las operaciones de suma y producto de aplica

ciones lineales se obtienen nuevas aplicaciones lineales. Se
an 6:U--+-V, g:U--+-V y h:V--+-lfI. Para todo (UI,U2)EU,
(al,ad E
K.,
[6 (g + h)] (a j u , + a 2u 2) = 60[al (g + h) (ut> + a2 (g + h) (u 2)] =
a 1 [ 60 (g + h)] ( u t> + a 2[ 60 (g + h)] ( u 2) ,
y [6 0(g+h)]es lineal. Adem~s si uEU,
[60 (g+h)] (U) =6 0[ (g+h)
(U)]
60[g(U) +h(u)] =
(6 0g) (u ) + (6 0h) (u ) = ('og + 60h) (u )
=>
60 (g + h) = 6 0 9 + 60 h.
De forma
an~loga
se demuestra,
(g + h) 06 = go 6 + ho 6;
a(6+g) =a6+ ag;
a (go 6) = (ag) 6 = go (a6) ;

(a+13)6=a6+136.
EJERCICIOS
3-26. Sea
U3
--+
V 2 la aplicaci6n lineal definida por
6 (u) =
167
2 3 I) =[U l + U2 + U3, 2u l - U3 ] en la que u =[u l ,u 2,

V ~ '([Ul ,U ,U
u 3 I y v = [Vi ,v 2 ). Hallar la matriz [F I equivalente a dicha a
plicaci6n, s i.endo Le , =[1,0,0], e2 [0,-1,0], e 3 =[1,1,1]} la
base de U3 eli 1= [ 1,0], i 2= [ 1,1 I } la base de V 2
Primero
determinaremos
dos de los vectores de base e I ,e 2 ,e 3 (e'l
t>
,([ 1, 0 , 0
e ~ = , ( e 2)
,([ 0, -1 ,0
e ~ = , ( e 3)
,([ 1,1,1
e\ = , ( e
,e~,e~
los vectores e\
,e~ ,e~ E
]) = [ (1 + 0 + 0),
V2
transforma
) ,
( 2 1, - 0)] = [ 1, 2 ]
I) = [ (0 - 1 + 0), (2.0 - 0)] = I -1,0 I ;
I) = [ (1 + 1 + 1), (2.1 - 1)] = [ 3,1 I ,
y segidamente expresaremos los vectores e\
,e~ ,e~
como combina
ciones lineales de los vectores de la base {ii' i 2},

e\ = f~ i
+ fi i 2
e~
= f~ i I + f~i2
e~
= f~ i I + f~i2
I
I
[1,2]= fa 1,01+ fil 1,11~f~=-1; fi=2;

~
[-1,01= fU 1,0 1+ fH 1,11 ~f~=-l; f~= 0;

[3,1]= fH 1,0]+ fH 1,11 ~f~ = 2; f~= 1,
as.! que,
-1
o
IMAGEN Y NUCLEO DE UNA APLICACION LINEAL.
neal
, : U -+ V. Se llama image.n
de "
Sea la aplicaci6n li
y se escribe 1m', al con
junto de las im&genes de todos los vectores de U,

rm ,
=v
V : v
=,
(u )
Se llama ru1c.le.o de la aplicaci6n "
y se escribe Ker', al con
j unto de vectores de U que quedan transformados en
el
0,
vector
Ker ,= u E U : '(u) = 0,
EJEMPLO
24. Sea '([a l,a 2,a3])=[al,0,0] la aplicaci6n proyecci6n

de los puntos del espacio sobre el ej e Ox. La imagen de ,
es el
eje Ox,
rm
,= =[
v
El ntic Leo de ,
aI
0, 0
I.
serc1 el plano yOz ya que todos estos puntos tie
nen por proyecci6n el vector nulo

Ker ,= u = [ 0 ,a 2 ,a3
I ;
= [ 0,0,0
I,
168
La imagen de ,
un subespacio de
es un subespacio de V y el nucleo de , es
U. En efecto,
a). Como '(o) =0 , oElm ,. Ademas , si v I ,v 2E 1m' y al ,a2E IC ,

existen vectores
U I , U 2E
U tales que '(u I ) =v I , '(u 2) =v 2 , por 10
que,
Luego 1m'
contiene, ademas del vector nulo, cualquier corn

binaci6n lineal de vectores v I , V 2, si v I , V 2E Ern ~ y por tanto
1m' es un subespacio de V.
b). Como '(o)=o ,0EKer'. Adema s , si
UI
,u 2EKer'
YUI,
a2 E
Ie, se curnple ,(ul) = 0, '(u 2) = 0, y entonces,

, (a
I UI
+a 2 U 2 ) = a
(a I
UI
':U~U
(u I ) +a 2 , (u 2 ) = 0
+a 2 U 2 ) E Ker "
y por tanto Ker'
Sea
I ,
es un subespacio de U.
la aplicaci6n del espacio U en
51
mismo. Sella
de6ecto de ' a
rna !Lango de , a al dimensi6n de 1m' , y nu..tidad
la dimensi6n de Ker , . U es el dom.,[n.-i-o y V el ccdominco , El
si
guiente teorema relaciona las dimensiones del dominio, imagen

y nucleo de una aplicaci6n lineal,
(3-27)
dim{U)=dim(lm ')+dim{Ker'),
o sea, en palabras, la dimensi6n del dominio es igual a la su

rna del range y de la nulidad de una aplicaci6n lineal. Sea
S~
la dimensi6n del dominio UN,M la dimensi6n de la imagen

P la dimensi6n del nucleo Wp
base
e~
En primer lugar analicemos
(e'l , e'2 , ... , e~) del subconjunto imagen
xistir~n
S~
por 10 que
una
unos vectores e l,e 2, ... ,e M tales que,
Estos vectores e I (e
I ,
e 2 , ... , eM) son independientes linealmente
pues de,
0,
y como (e~ ) forma una base ,ul=a 2=".=aM=O.Entonces (el
pacio pre imagen de
S~,
genera el subes
que tendr& su misma dimensi6n y 10 de
169
notaremos por SM. Vamos a demostrar que el espacio UN es la su

ma directa de los subespac10s SN Y Wp
(hi)
Y para ella hemos de comprobar, siendo So el subconjunto nulo,

SocU N
si,
= a I e I +a 2 e 2 +. . . +a Me M ,
Y si pertenece al nucleo Wp
~(v)=o,
" +aMeM=0
nL( aleI+a2e2+ +aMeM )
=0 ~ '
aI8I+a2e2+
a I==a2= ==aM==O,
y el tin i.co vector comtin a SMY Wp es el vector nulo o .

b). Sr.fJW p =U N Si v es un vector arbitrario de UN' v E UN ,
su transformado
~(v)
pertenecer! a la imagen de
~,
~(v)ES~
podr! expresarse,
por ser {e'l ,e'2 , ,e'M} una base de
S:..
Por cada vector v exis
te otro vector u, uES M , tal que,
Si v-u=w,
Y w pertenece al ntic l eo de
~,w E
Ker
,~
lftEW p
Como,
En definitiva, al cumplirse a) Y b), es cierta la suma
dire~ta
de subespacios representada en (hi). S610 :resta decir que Mes,

tambi~n
no s610 la dimensi6n de SM' sino
la de
S~.
En el
plo 24, la dimensi6n de la imagen es 1 (eje Ox), y la
eje~
dimen
si6n del nucleo es 2 (plano yOz). La suma de las dimensiones

es 3 que es justamente la dimensi6n del espacio ordinario V 3
EJERCICIO
3-27. Sea
~:V3~V3
la aplicaci6n definida por
[u l ,u 2 ,u 3] )=[U I+U 2 ,U 2+U 3 ,U I_U 3]

VI
,v 2 ,v
] .
6(u)=v~,(
en la que u=[U I,U 2 ,u 3]
Hallar una base, la dimensi6n M de la imagen
la dimensi6n P del nucleo Wp de
v=[
S~
,y
"
"
170
Escogeremos como base del dominio el sistema generador
fo~
mado por {e 1 = [ 1,0,0], e 2 = [ 0,1,0], e 3 = [ 0,0,1 ] } y hallaremos

sus vectores transformados,
ei =
~ (
e I) =
~ ([
1, 0, 0 ]) = [ (1 + O),
(0 + O),
(1 - O)] = ( 1, 0, 1];
e ~ ==
( e 2) =
~ ((
0, 1, 0 )} = ( (0 + 1),
( 1 + O),
(0 - O)] = (1, 1,0];
e ~ ==
( e 3) =
~ ((
0, 0 , 1 ]) = [ (0 + O),
( 0 + 1),
(0 - 1)] =( 0, 1 , -1] ;
los cuales
ser~n
los generadores de la imagen
S~.
Hallando la
caracterfstica de la matriz,
[ ~ ~ ~] ~ [~ ~ -~J ~ [~ ~ -~]
o
1 -1
obtenemos M=
11. ==
1 -1
2, Y los vectores [1,0,1) Y (0,1,-1) forman u
na base de Sl. Los vectores u tales que

nucleo
(JIp
~ (u )
= v =0
fo rma r'an el
~,
de
u1 + u2 = 0
v=o
"* IL = 2,
u 1 + u 2 ::: 0
3
"* u + u = 0
u 1 _ u 3 ::: 0
"*
u1 + u2 = 0
u + u3 = 0
_u 3 _ u 2
"* u 2
u3 = 0
== 0
~.
Tomando Ul como variable independiente,

U2 = -Ul ;
U3 = Ul ,
y haciendo u, ==1, el vector (1,-1,1) constituye una base
del
ntic Leo , Luego P = 1, por tener el sistema homoqerieo una sola ve

riable independiente. Se sigue aqu f cumpliendo la (hi), N = M+
P"*
3=2+1.
Sea la aplicaci6n lineal , : UN
UM en la que
~ (u ) =
v ; Ve
mos a demostrar que si {u 1 ,u 2 , ,UN} es una base de UN' los

vectores transformados ~(Ul)' ~(U2}, ,~(UN) forman un siste
rna generador de 1m'. Para ello, sea
un vector arbitrarioex
presado como conbinaci6n lineal de los vectores de base,
y entonces, al ser
'(U) =v
"*
lineal,
v =a1'(u l
+a2'(u 2} + +aN'(uN}'
por 10 que '(Ul), '(u 2}, ,'(u N) generan a 1m ,.

El sistema lineal de M ecuaciones
con N inc6gnitas,
171
1112
alx
+a2X +
IN
+aNx
=b 1
atxl+a~x2+
+a~xN=b2
(i' )
puede ponerse bpjo la forma de ecuaci6n matricial,

[b]=[AIx),
si los vectores x y b se disponen en matriz columna,
Y [A] es la matriz de coeficientes,
[A
l>
alI
a2I
I
aN
at
a~
a~
Entonces la matriz [A] de dimensi6n

':VN--)-VM~,(x)=b, 0 sea' =[A],
[ b
)::=l A I
x ]; b
=,
(x )
[A
(M,N)
define una aplicaci6n
]=8 .
Si {e l ,e2, .. ,eN} es una base de VN , los vectores transforma

dos e;=,(e l), ei=,(e 2) , ... , eN='(e N) formaran un sistema gen~
rador de 1m' =lm (A] ,
e'l = 6 (e I ) =[ A )( e I]
e'2=6 (e 2 )=[A le 2]
Y si se toma [el] =[l,O, ... ,O]T
, [e 2] =[O,l, ... ,O)T, ... , (e N]=
[0,0, .. ,1] T, los vectores transforrnados son ahora,
e'l =
a}
a~ a~
at
a~ a~
ar
a ..... a~
o
o =
a~
a~
a~
0
;
e'2=[ A ]
=
0
a~
... ,
a~
As! la dimensi6n de 1m [A] ser! el nlirnero m!ximo de vectores

l!nealmente independientes escogidos entre e~ ,ei , ... ,e N y pa-
172
ra ella basta determinar la caracter!stica de la matriz [A ) ,

dim (1m [A ]) =Jz. [A]
El vector soluci6n x es pues la preimagen de bEU M a trav s

la aplicaci6n lineal [A
sociado al
J:UN~UM.
de
Si se considera el sistema a
(i I) con coeficientes independientes nulos, se
ob
tiene el sistema homogeneo,

[0
~[A
)[ x
1,
donde el vector soluci6n x es el ntic l eo de [A ]: UN~UM.Por (3

27) ,
J) = dim (U N) -dim (Im[ A ])

dim. (Ked A ]) = N-lt[A] '
d irn. (Ker [A
(j I)
(3-28)
as! que la dimensi6n del subespacio soluci6n del sistema

[x }:[ 0
tica
[A I
es igual al ntimero de inc6gnitas N menos la caracter!s
It[AJ
de la matriz de coeficientes.
EJERCICIO
3-28. Hallar la dimensi6n y una base del espacio soluci6n

Wp del sistema,
x ' +x 2+2x 3+X 4 -x s = 0
2XI_X2+X3_X4+XS
=0
3XI_3x2+0X3_3x4+3x5
=0
Reduciendo la matriz [A] de coeficientes a su forma e s ca

lonada por filas,
1
[A
J=
2 -1
[ 3 -3
[~
y como N=5
1
1
(numero de inc6qnitas), la dimensi6n P del espacio
soluci6n Wp es segun (3-27) igual a 5-2=3. El sistema equiva

lente al primitivo es,
Xl+X2+2x3+X4_XS=O
x 2+ X 3+X4_XS=O
Escogiendo como variables independientes x 3 ,x 4
y xS
buscare
173
mos una base de W3
y para x 3
1; x 5 = 0
x2
= 1; x 4 = 0; x 5 = 0
=>
=>
x'
= -1; x 2
= -1, para x 3 = 0; x 4 =
x! = 0; x 2 = -1 y para x 3 = 0; x" = 0; x 5 = 1
=>
x ' = 0;
= 1, as! que {e l = [-1,-1,1,0,0], e 2 = [0,-1,0,1,0], e 3 = [0,1,
0,0,1 ] } es una base de W3
Una clase de transformaciones de re
APLICACIONES INVERTIBLES.
levante irnportancia es la formada por las apUc.ac..iol1e6 -tl1veJl.tible6

que vamos a continuar tratando seguidamente. Analizada
ya
en
la pag.157 la condici6n que debe cumplir toda aplicaci6n para que

: A ~ A sea bi
sea invertible, a saber, que dicha aplicaci6n
yectiva del conjunto A en s! mismo, extenderemos este estudio

en el caso que el conjunto
Sea
sea un espacio vectorial.
: UN ~ UN una aplicaci6n biyectiva del espacio vecto
rial U en s f mismo. Si
transforma el vector u en
~-ltransformar~
v, la aplicaci6n inver sa
~ (u )
=v
=> ~ - I
(v)
el
vector
v en u.
=u
Si ~ es lineal, ~-I tambien 10 ser~, ya que si,

6(Ud=V
donde u l y
U2
1 ;
son vectores arbitrarios, se tiene,
aprovechando la linealidad de ,. As! que,
- J
(a 1 v
+ a2v2
= a 1 ~ -1
(v
1)
+ a 2 , - I (v 2)
con 10 que queda demo strada la linealidad de
De,
se infiere,
[ F ] [ F
l"
[F ]-1 [ F ]
[I ],
siendo [F] la matriz de transformaci6n correspondiente a la ~

plicaci6n ~. Toda aplicaci6n es invertible
si
su matriz
de
transformaci6n es regular. Si u y v son matrices columna, u =
174
v =~ (U)
[ v ]=[ F][
U ]
~=t F]
Para que una aplicaci6n
sea invertible es condici6n
n~
cesaria y suficiente que la dimensi6n de su nucleo sea nula .

En efecto,
a). Si la aplicaci6n es invertible, cada vector
s610
tendra una preimagen. Como ademas el vector nulo 0 tiene siem

aqu~l
pre como imagen el vector nulo,
es unico y por tanto el
nucleo consta de un solo vector, o. Se ha demostrado pues
la
necesidad de la condici6n. Veamos ahora la suficiencia.

b). Sea nula la dimensi6n del nucleo. Si dos vectores UI
y U2
tuvieran la misma imagen, 6 (UI )=, (U2 ) ~ ~ (UI -U2 )=0 Y
como
por hip6tesis el nucleo s610 contiene el vector nulo, UI- U2=0
6 UI=U 2, 0 sea,vectores diferentes se transforman en vectores

diferentes y la aplicaci6n es invertible.
Pero de (3-28) se deduce
que si el nucleo tiene
dimen
si6n nula, la dimensi6n N del espacio UN es igual a la carac

terlstica n. de la matriz de coeficientes. Si 6: UN-+ UN
~,
de tal suerte que, al ser 6 lineal y los vectores x e Y
(x) =Y ,
repr~
sentados por sus componentes en disposici6n de matriz columna,

se puede asociar a esta aplicaci6n el sistema lineal,
ff x' +f~ x 2 + ... +f~ x;N =yl
f~ x' +f~ x 2 + .. +f~ xN =y2
. ...... . .. . ...... . . . .
I
I
f2 ... f N
2
2
f~ f2 f N
yl
f}
y2
s"
..........
f~
~ (~'L
f~ . f~
[ y ]=[ F ][ x ],
y entonces 6=[F]. Pero segun 10 dicho, para que 6 sea invert!

es necesario y suficiente que la matriz asociada [F] , que
su vez es cuadrada y de orden N, tenga la caracterfsticaigual

aN, es decir que sea fLe.guiaJt, I F
r;eO,
Y=6(x)
l~ [Y]=[FIx] l~6=[Fl;
1
x=6- (y)\
[x l=[ F
[y ]~ 0- 1 =1 F],
r'
10 que justifica las f6rmulas apuntadas al principio de esta

pagina.
175
EJERCICIOS
-+ U 3 ~ ~ (x ) = y ~
3
2
3
2
2
~ ([ x ' ,x ,x ] T) = [ (x ' + x ), (x ' + x ), (x -+ x ") ] T, en la que x =
[ x ' ,x 2 ,X 3]T e Y = [ v' .s' .s' ]T, es invertible y hallar la apli
3-29. Comprobar que la aplicaci6n ~ : U 3
~.
caci6n inversa de
De,
x' + x
2
y2 = x ' + x 3
3
2
3
Y = x +x
yl
=;>
[Y1,y
2 ,y
3 ]T
=
[~
1
0
Ix' ,x' ,x' JT
, J
'1
.......
basta hallar la caracter!stica de [F] , que como vale

dimensi6n del espacio, la aplicaci6n es invertible.
caci6n inversa
[F ]
-I
1/2
1/2 -1/2
[
-1/2 1/2
+ 1/2 y2 - 1/2 y3;

yl _ 1/2 s' + 1/2 y3;
x 3 = -1/2
v'
s'
+ 1/2
s'
3-30. Demostrar que si ,
+ 1/2 y3.
y g,
,g : U -+ U, son dos ap Lf.qa>
Si u es un vector arbitrario y 9 (u )
<s "
apli
ciones invertibles, la aplicaci6n producto

vertibley (~og)-I =g-Io~-I.
1/2
= 1/2
x = 1/2
Xl
-1/2]
1/2
,
y entonces,
ne, al ser
La
valdr~,
1/ 2
~-I
~og
= v,
tambi~n
~ (v)
es in
= Wise tie
y 9 invertibles
(v)
Como,
es solo cuesti6n de analizar si podemos obtener

u como transformado de w,
directamente
176
Pero,
u
= g -I
(v)
0'
(g -I
y en definitiva,
-I )
(w) ,
existe y vale,
('og)-I
3-31. Discutir analiticamante el sistema lineal (k') de N

ecuaciones con N incognitas X I,X 2 , .. ,X N .
Sabemos que en este caso se pueden considerar las inc6g
nitas como componentes del vector desconocido x, y los termi
nos independientes yl ,y2 , .. ,yN, como componentes del
vector
y transformado del vector x a traves de la aplicaci6n
,== [ F ].
Puede suceder:
a) Si la matriz [F] es regular, la aplicaci6n , es biyec
tiva y por 10 tanto invertible. A cada vector y Ie correspon
cu~
de una sola preimagen x y el sistema tiene soluci6n rtnica

lesquiera que sean las componentes de y
En particular, si y
=0
sea para todo y
UN'
=o
b) Si la matriz [F] es singular, es decir, II.[F]<N, el sis

tema homoqerieo [F] [ X ] = [01 tiene un espacio soluci6n N - II.[F]
la dimensi6n N de UN es m~
dimensional [ver (3-28)]. Por (j'),

yor que la dimensi6n II.[F] de 1m [F],
<N
II. [F]
1m [F] c UN'
pudiendo ocurrir las dos alternativas siguientes:

b-1) Si el vector y no pertenece a 1m [F],no existe vec
tor x para el cual ,(X) = Y 0 [F] [X ] = [Y], Y el sistema es ..n
c.ompatible..
.1
b-2) Si Y E 1m ![ F], para cualquire valor de y existe
mas
de una pre imagen x y el sistema es ..nde.teJwl.inado.

3-32. Discutir, y en su caso resolver, los siguientes
si~
temas lineales de ecuaciones:

a)
3x l
2x2 + x3
= -1
-~]
3-2 1]
=
[
3 -2
2 -1
5x
2x 2 + x 3
=1
y como la matriz [F]
[ Xl
,x' ,x')T = [ -1,0,1 I,T
5 -2
2 -1 -1
5 -2
es regular, existe so
177
luci6n
(mica
[Xl,
para
x: ,X 3]T
vector x para todo yEU 3
el
[~ =~ _~J_l
5
-2
[ -l,O,l]T =
Entonces,
-1/2 o 1/2J
[
-7/6 -1/35/6
-2/31/6
1/6
x 3=0.
b).
Xl+X2+~+X4=10
Xl_X 2+X 3 - x4=-2

2x l+Ox2+2x 3+Ox 4=8
Ox l+2x2+Ox 3+2x 4=10
Como la matriz de coeficientes [F ] es singular, formare
'1
"'"
mos la matriz [F ] ampliada con los
t~rminos
independientes
la reduciremos a su forma escalonada por filas,

1
10
1 -1
1 -1
-2
8
10
1
R::
10
0 -2
0 -2
-12
0 -2
0 -2
0 2
0 -2
2 -12
-12
10
0 -2
R::
1
0
Por una parte, la caracterfstica de [F ] es 2,que a su vez, es

la dimensi6n del subespacio 1m [F], y de otra, la caracterfs
tica de la matriz ampliada es 3 , 10 que significa que el vee
tor Y=[ 10, -2,8, lOP no pertenece a rm [F ] y el sistema no tie
ne soluci6n (sistema imcompatible).
c).
Xl+X 2+X 3+x 4=10

Xl_X 2+X 3_x 4=-2
2x l+Ox2+2x 3+Ox4=8
Oxl+2x 2+Ox 3+2x 4=12
Como en el caso b), 1 F 1=0. Formemos la matriz ampliada y r edug

c~mosla
a su forma escalonada por filas,

1
10
1 -1
1 -1
-2
12
10
R::
10
0 -2
0 -2
-12
0 -2
0 2
0 -2
-12
12
1
R::
0 -2
10
0 -2 -12
La matriz ampliada tiene por caracterfstica 2, igual a la
de
R::
178
[ F ] , y el vector Y=[ 10, -2,8, 12)TE rm [F ] . El sistema es compa

tible e indeterminado, y es equivalente a,
x ' +x 2 +x 3 +x 4 =10
X
+x = 6
x ' +x 2 =10-x 3 -x 4
x 2=6-x 4
x ' =4-x 3
l ,
x 2=6-x 4
donde se han considerado las inc6gnitas x 3y x 4como
par~metros
independientes.
RANGO DE UNA APLICACION LINEAL. AUTOMORFISMO.
Y la aplicaci6n lineal (h')
Sea
':UN-+UN~' (x)=
que transforma cada vector x en su
imagen Y del mismo espacio UN. En notaci6n indicial la (h') se

expresa,
yi=f}x i
(i,j=1,2, ... ,N),

(I')
siendo Xi (Xl, x 2 ,
, x N) las componentes de x seg11n la base ar
bitraria e i (e 1 ,e 2,
componentes v' , y2 ,
,eN). El vector transforrnado Y tiene por

, s" en la misma base e i , Y sea e'i
tor transformado de ei
el vec
a traves de ,. Por consiguiente,

(m' )
Y (I'),
y=yi e.1
=f~
Xi e. =ft Xi e.I
=i
(flI
e. )x i .
111
De esta 111tima y
(m') se deduce, al ser las Xi arbitrarias,

(n ')
id~ntica
mados e'i
en funci6n de los vectores de base e i .
(3-22), y
que da la ley de los vectores trans for
Si [F ]=[ ft] , la ecuaci6n (1 ') admi te las dos r-epr-es entac Lo

nes matriciales,
(o')
y,
[
_[ X I ,X 2 , ... ,x N]
I
2 ... ,y NJ y,y,
] T.
(p')
Analogamente, la (n ') se represent a por,

[ e'l , e'2 , ... , eN]
0,
=[ e I
e 2 , ... , eN] [ F) ,
(q ')
al transponer ambos miembros,

(r' )
La expresi6n (p') ya ha sido deducida tambien con anterioridad

rver (3-23)]. Sin embargo all! (pag.ffi1) se parti6 de (3-22) p!
179
ra llegar a
(3-23) mientras que aqufel orden de deducci6n
se
ha efectuado en sentido contrario.

Llamaremos fLango de una aplicaci6n lineal a
del subespacio Tm
raterfstica
dimensi6n
c~
== rml F ] que, como sabemos, es igual a la
rango de la matriz IF] .
la
xsr ,
podemos afirmar que
el rango de una aplicaci6n lineal es igual al range de su ma

triz asociada.
euando la matriz IF] es regular, la aplicacion es inver
tible
no .6-i.ngutM, y como e\ ,e~ , . ,e~
forma un sistema
gen~
e:
rador de rm IF] de dimensi6n N, este sistema generador
fOE
mar a una nueva base de UN ya que rm IF] = UN. A cada vector x =

Xi e i
del espacio UN se Le puede asociar otro vector Y =
~ (Xi e
= Xi ~ (e i ) = Xi eli
en correspondencia biyectiva,
~ (x )
siendo
Y E UN; estableciendo pues un isomorfismo de un espacio vecto
rial en sf mismo. A tal aplicaci6n se Le llama,
atdomofL6-i..6mo. ~
sf pues, un automorfismo es sin6nimo de una transformaci6n no

singular dentro de un mismo espacio.
Sean ,
dice de
y 9 dos aplicaciones cualesquiera,
y 9 que son apUc.auoYLe.-6 semejante
',g : UN ~ UN.
Se
si existe un automor
fismo e. que transforme , en g. Escogeremos en el espacio UN dos

vectores u y
arbitrarios de tal suerte que,
, (u ) = v ;
g(X) =Y,
(5')
v y Y son los transformados de u y
trav~s
de ,
y 9, respe
tivamente y entonces,
e.
(u )
=x
e.(v)
De (5') y (t')
'(u)
= v = e.-I
=Y
(t')
se deduce,
(y)
= e.-log (x ) = e.-I ogoe. (u )
(3-29)
'=e.-Iogoe..
Trabajando con las matrices asociadas' == [F], 9 == IG],

Ie]
e ==
, es facil traducir la (3-29) al lenguaje matricial. De
(5' ) ,
Iv i .v? , .
,V N ] T =
(G]lx
De (t'),
IF] luI ,u 2
, X 2 ,
,x N]T .
, ,U N] T ;
( YI , Y 2
, , yN ] T
180
[c I
Vi , V
2, ... , vN]T, en consecuencia,
[ F ][ U I ,u 2 , ... ,u N] T -_ [VI ,V 2 , ,v N] T -- [c ]- I [yI ,y 2 , ... ,y N] T _
F[ c
[F
I [
Ic]
F[ C
~ [G
por 10 que dos aplicaciones
][ F
C ]-
(3-30)
I,
y 9 ser~n semejantes, si sus rna
trices asociadas respectivas [F] y [G] tambi~n 10 son.

De comparar (3-26) y (3-30) resulta que un
automorfismo
c. es equivalente a un cambio de coordenadas (3-4) si sus matr!

ces asociadas respectivas guardan la relaci6n [C F[A]-I
EJERCICIOS
3-33. Sean
y 9 dos aplicaciones lineales,
(o,9): U2-+U 2
definidas por,
6 (U) =v
=u I -u 2
v
2=2u l-2u 2
V
9 {x} =y ~
Vi
=fl u'
[ ft ) =[ F ]=
yl=-x l+2x 2
y2=OX I+OX 2
Hallar un automorfismo c. que transforme
en 9 . Si u=[1,2]
determinar v, x e y que cumplan (s ') y (t ') .

En primer lugar se debe comprobar si existe
[C ) =c. tal que ,
una
matriz
(3-30),
2Jo rcff cfl = [C C!J [1 -lJ ~

f
Lc
cU
ci c~
-2
-c~+2ci=c~+2c!
-2cf-2c!+2cf+Oc~=0
-c! +2d =-cf -2c!
c] +c! +Ocf + 2c~ =0
OCII + OC2I _C2I - 2C2-0
o
o
=cf
+2c~
=-ci -2c~
..
2c~=0
Ocf+Oc!+cf+
y para ella debemos resolver el anterior sistema de
ecuacio
nes homogeneo cuyas inc6gnitas son los elementos de la matriz

[ C). Reduciendo la matriz de coeficientes a su forma escalona
da par filas,
-2
-2
-1
-2
-2
-1
-2
-1
-2
~JL=2,
181
el sistema primitivo es equivalente a,
= ~
c] + c] - c] =
c] + 2c~
c~
habiendose escogido
istir~n
1 y ci
c lI = c] - c~
c 22 = - 1/ 2ci
~'
par~metros
y ci como
independientes. Ex
entonces infinitas matrices leI. Por ejemplo, si c~
= 2,
c] : 1,
c~ :
~ Ie I :
-1
[1 1J.
2 -1
El transformado v de u : 11,2 I a t.z ave s de I F I vale,
lv'
,v'JT~ IF Jlu' ,u')T=
-1J 11,2 IT: [-1,-2 IT,

-2
y el transformado x de u a traves de Ie),

Ixl,x2)T= [ellul,u2IT= [1 1JI1,2I T= [3,0IT.
2 -1
Para determinar y podemos partir de v a traves de Ie),
l v' ,y2)T: t c i
,v 2)T = [1 1J [-1,-2 IT: 1-3,0 IT,

2 -1
[Vi
o bien partir de x a traves de I

I yl , y2 P = [G] [Xl, x 2 )T =
-1
0
I,
2J [3, IT: 1-3,0 IT.
3-34. Determinar el cambio de coordenadas (3-4)
lente al automorfismo e del ejercicio anterior.

Para ella basta hallar la matriz I A I asociada
de coordenadas a i =
a~
aj
equiva
al
cambio
que sea rec!proca de la matriz [C) a
sociada al automorfismo c,
[A]:ler l
1
:
1J-I
[ 2 -1
1/ 3
1/3
[ 2/3 -1/3
J
'
con 10 cual la (3-2) queda,
a I : a t a I + a i a 2 : 1/3 a I +
a 2 = a! a I +
a~ a 2 :
2/3 a 2
l
(u')
1/3 a
J -
1/3 e 2
{.
Es oportuno s efia La r la diferencia esencial entre un automorfis
182
mo y un cambio de coordenadas. En presencia de un automorfis

mo e los vectores v e y transformados de u y x,
respectiva
mente, quedan expresados en una misma base arbitraria el . Por

contra, en presencia de un cambio de coordenadas, la aplicaci6n
, definida por,
Vi =f~ u'
en la base e i
~ [f~ ]=[F]=
[1
2
-lJ
-2
se transforma en la aplicaci6n 9 definida por,
cump La dndos e aquf u=u i e l =u = ui 81

en la base e- i
v=vi 8 i = V =
~ i . Los vectores se mantienen pues invariantes mientras que
la base se transforma de acuerdo con (u') y las componentes de

aqu~llos,segun
(3-13),
valdr~n
en la nueva base 8 i
[ 3, of,
[Vi
,v
] T =[ A r
[ v l ,V 2]T=[C][V 1 ,V 2]T= [1
1J
[-1,-2]T=
-1
En resumen, el automorfismo e transforma el vector u, en
el vector x , diferente en general de u , cuyas componentes Xi se mi

-
den en la misma base 8i ,mientras que el cambio de coordenadas equ!

valente a c deja invariable a u ,u=~ ,transforma sus componentes,~i=
u' c] [de (3-11),u i=Ui
b~,[ bl] =[ B ]=[ A rl.",,[ C ]=[ cf]~ bi =cl~iii=ui cl]
con la misma ley que el automorfismo e pero ahora dichas componen
tes se miden en la nueva base i dada por (u').

En un espacio N-dimensional el
c~lculo
mo precisa la resoluci6n de un sistema

2ecuaciones
homog~neo
y lineal
de
2inc6gnitas.
con N
Si dos aplicaciones
morfismo e,
de un automorfis
deber~
laci6n (3-30),
y 9 estn ligadas por un
aut~
existir entre sus matrices asociadas la re
184
y hallando la matriz [A"] de cambio de base 81 a
[ e1,e2, .. ,eN ]
[e 1,e2, ,eN) [ A")
al eliminar [e 1 ,e 2 , ,eN)
[el,e2, ... ,e N ]
ei
entre (z") y (b"),
[e l , e 2 ,. . ,e N ]
[Arl[A I
(3-32)
se llega a,
[ H ) = [A
"r
(G ) [A ].
Si se establece una equivalencia entre los automorfismos c. y c.'

Y los cambios de base correspondientes,
[ C ] = [A]
-I
[C']= [A'r l
obt.en i endo se para el automorfismo resultante

[ C "l
[A'
[A]
= ([ A r
1[ A') )
c.'~
de (3-31),
-I ,
y al comparar con (3-32),

(C"]= (A"r l
Las aplicaciones
',9,1t, ... ,
pueden ser singulares
no,
mientras que los automorfismos c.,c.' ,c." deben ser forzosamente

transformaciones no singulares. Estas ultimas equivalen a cam
bios de coordenadas con las particularidades a tener en cuen
ta en su caso s eqtin 10 ya explicado (Fig. 3 - 5) .
Fig. 3-5
SUBESPACIOS INVARIANTES.
Sea S un subespacio de un espacio
ve~
185
torial EN. Si para todo u ESse cumple,

ft(U)ES,
(3-33)
se dice que el subespacio S es invariante frente a la
trans
formaei6n ft. A veces la (3-33) suele escribirse bajo la forma

equivalente,
ft(S)CS.
(3-34)
De (3-34) se deduce directamente que la uni6n de subesPe

cios invariantes es a su vez un subespacio invariante ,y 10 mi
mo puede decirse de la intersecci6n de subespacios invariantes.
Si S es un subespacio invariante respecto a la transfoma
ci6n ft ,y UES,
ft (u ) == vE S
ftZ (U) == (ft oft) (U) =
ft [ft
{U)]
=ft (V) = wES ,
y en general,
siendo i
la aplicaci6n identidad. En consecuencia, para el
p~
linomio
se
eumplir~,
es deeir, si S es invariante frente aft, 10
ser~ tambi~n
frente
a .p(ft).
Sea SM
un
subespacio
pee to a la transformaci6n
ft'
de dimensi6n M e invariante res

y SMcEN
Se trata de averiguar a
'.-
qu! la matriz de transformaci6n F equivalente a ft aprovechan

do la invarianza de SM. En primer lugar eseogeremos como vec
tores de base del espaeio EN ,el ,e2, ,e M,e M+l, ,eN de fOE
rna que sean independientes entre sf y que los M primeros for
men
adem~s
un sistema generador de SM. Seguidamente
hallare
mos los vectores transformados de e 1 ,e z , ,eM ,eM +1 , ,eN t!

niendo presente que al perteneeer los M primeros al
cio invariante SM se
5ubespa
tendr~,
por 10 que estos vectores transformados al pertenecer a SM
p~
186
dr~n
expresarse linealmente en funci6n de e l ,e2, ,e M
As!
pues en definitiva,
e~= ~(el) = ~~el+ ~:e2+ + ~~eM;
e ~ = ~ (e 2 ) = ~ ~ e 1+ ~ ~ e 2+ + ~ ~e M;
. . . . . ... . . ..... . ... . .. . . . ... .. ..
. . .. . . . ... . .......... . ..................... . . . .........
e~= ~ (eN) = ~ke + ~~e + + ~~eM+ ~~+teMtI+ + ,~eN'
que en notaci6n matricial adquiere la configuraci6n,

e 'M, e M+
I
I ]T [ e II' e I
2,,
I, , e N
0,
[F]TI"
-.
(3-22),
e I' e 2,, e M, e M+ I, , e N]T
al transponer ambos miembros, esta otra,
en las cuales [F] es la matriz de transformaci6n que en el
pr~
sente caso vale,
~~~~ ~~ ~~+I~~
... ~~ ~~I ~~
. .... ... .. . .. . .. . .
~~~;
[ F]
o o... 0
LM+I
LMt
UM+t UN
o o... 0
M+2
LM+
M+I UN
'
la cual contiene una submatriz, en general
rectangular, nula
de orden (M - N,M) .
Si el espacio EN tiene dos sUbespacios invariantes
s~, de forma que aque L fuera la suma directa de estos,
S~
S~
EN = S~$
N = M + P, la matriz de transformaci6n [F] puede tener dos
submatrices nulas si se escoge una base apropiada para EN. En

efecto, si los vectores e I ,e 2 , ,e M forman una base de S~
losvectores eMi"1,eMi"2, ,eN forman una base de
si-, el conjunto
187
compondr~n
de todos los vectores anteriores
ser este espacio la suma directa de s~ y
S;.
una base de EN al
Por las mismas ra
zones apuntadas en el caso anterior con motivo de la invarian

za de S~ y S;
se tendr~,
,re
e'l =
,(e I ) =
,~ e I +
'i e 2 + +
e; =
,(e 2 ) =
'i e I +
,~e 2 + + ,~e M
................................
e;M+2=1IL
(e
)
LM+l
LM+2
M+2 = 1IM+2e M+1+ DM+2e M+2+ +
LN
DM+2e N
. . . .. . . . . . . . . . . . . . .. . .. . . . .. . . . . . . . . . . .
eN= , (eN)
= ,~+leM+l+
donde la matriz
,M+2
N e M+2+ +
,~
valdra ahora,
... ,:.. 0 o.. 0

'i ,~ ... ,~ 0 O 0
. . . . . . .. . . . . . . . . .. . . .
,r ,~ ... n: 0 O 0
,~
(F
J=
eN,
,~
~+l'M+1
'M+2,M+2
,M+2
M+l M+2 N
+1 M+2 ,M+l
N
. . . . . . . ... . . . . . . . . . . . . .
la cual contiene dos submatrices, en general rectangulares,p!!

las de 6rdenes (M,N-M) y
(N-M,M), respectivamente. La
matriz
( F ) es pues descomponible en bloques.

INVARIANTES EN UNA TRANSFORMACION LINEAL.
Sabemos que la
aplic~
'(u)=v pasa a ser g, g(u)=v cuando se efectua

el cambio de base e 1 a e-i Sin embargo durante la transforma
ci6n de coordenadas correspondiente a dicho cambio de base se
mantienen invariantes los vectores correspondientes, a saber,
u= u- , v= v- , por 10 que,
ci6n lineal "
n(u ) =v
g(U)=
U= Uv= v-
'=g,
es decir, una transformaci6n lineal se mantiene invariante fren
188
te a un cambio de base deltipo (3-2), pero las matrices

ciadas a , y 9
[G ]
=I
son semejantes,
aso
(3-26),
A ]-1 [ F ] [A ].
El polinomio caracter1stico de la matriz IF] vale, (2-37),
A-'~
I Ll (A) I
I A [ I ] - IF] I
- 'i
-,~
A - ,;
y el correspondiente de la matriz IG],

A-g~
I L 2 (A) I
= I A[
I ]-
G] I
-gr
-g~
- g~
A -g~
- g~
Sabemos [ver (2-46)] que los polinomios
caracter1sticoscorre~
pondientes a matrices semejantes son iguales,
Y 10 mismo sucede con las trazas y determinantes pues
~stos
son, salvo signos, coeficientes del polinomio caracter1stico.

Por tanto, el polinomio caracter1stico de una transformaci6n
es independiente del sistema de coordenadas elegido.
Por el teorema de Cayley-Hamilton,
matriz
(2-38), sabemos que la
es una raiz de su polinomio caracter1stico, esto .,

es,
IL(IF])I= 10] ~[F]N+ CN_l[F]N-1+ + Cl[F]+ coII]= [0]. Si"
F
es la transformaci6n lineal que tiene IF]
por matriz, se ten
dr~,
y podemos enunciar en consecuencia que toda transformaci6n Ii

neal es una raiz de su polinomio caracter1stico.
EJERCICIO
3-35. Comprobar la invarianza del polinomio caracter1sti
co de una transformaci6n lineal con respecto a un cambio de ba

se en los dos casos siguientes:
a) Si la transformaci6n ,
se representa por
la matriz
189
[F ]= ~~
- 3 5
[ t9/5
-:J
en la base at =[ :,0] , a 2=[ ~,1] y por la matriz [G]=
-6/5J
en la base at =[ 3,1] , e2=[ 1,2]
(ver Ejercicio 3
13/5
25) .
De paso podemos comprobar que tanto [F] como [G)
son
raices
del polinomio caracterlstico ~2-2A+3,
IL([F])I=
[~ -~l-2[~ -~J
+3
[~ ~} [-~ =~
[=~ -l[~ ~ ]= [~ ~ l
I L ([ G ]) I =
-6/5J2 -2
- 3/ 5
[ 19/5
13/5
1 [- 21 -12J
5"
38
11 +
5"
- 3/ 5
[ 19/5
-6/5J
+3
13/5
[6
12J
1 [15 0 J
[ 0
3,8 -26
+"5 0 15 = 0
'~
b) Si la transformaci6n ,
[~ =~J
se representa por la matriz [ F ] =
en la base elY por la matriz [G]

Ejerc. 3-34) .
=D/
en la base 9 1 (ver
El polinomio caracterlstico de la matriz [F) es,

A - 1
- 2 A+2
Y el de la matriz [G] ,
A+l -2
190
Tanto [F] como [G] son raices del polinomio caracter!sti

co
~2
[12-2-1]~ [12-2-lJ= [-llJ+

[1
-lJ= [0 OJ,
-2 2 2-2 0 0
L([ G]) = [-12]2+ [-1 2J = [1 -2J + [-1 2J = [0 OJ .
o
IL([F])I=
I
VALORES PROPIOS Y VECTORES PROPIOS.
(2-39)]
los
valores
Se han definido
ya
[ver
propios como la raices del polinomio ca
racter!stico. Sin embargo,el problema consistente en determinar

los subespacios invariantes monodimensionales SI de unespacio
EN con respecto a una transformaci6n lineal , dada es equiva

lente al ca Lcu l,o de los
valores propios del polinomio carac
ter!stico correspondiente. En efecto, si,
entonces 51 es un subespacio invariante respecto a ' y ,

adem&s 51 es de una dimensi6n, v
. (, (u )
=v ;
=Xu ]
proporcional a u,
ser~
=Xu
'(u)
=>
como
(3-35)
Todo vector no nulo que satisfaga la ecuaci6n (3-35) se Le lIe

rna vearon. p!Lopio de la transformaci6n ,. Al escalar
se Le lla
ma vaio p!Lopio. Para resolver (3-35) es precise pasar a la re

presentaci6n matricial,
siendo
(0') ,
u~
y Vi
las
componentes
respectivas de u y v en una cierta base ei ,

{ [ F .] [
U1
,u 2 , ... ,uN] T -[
- v 1 ,v 2 , ... ,v N]
[ V1
,v 2 ,,vN] T
(d" )
(~[
I ]-[ F ])[ u l ,u 2 , ,UN] T=[ 0 ] ,
as! que el vector propio u pertenece al ndcleo de la transfor

maci6n (~[I ]-[F]) perc la dimensi6n de aqu~l vale,
dim
{Ker(~[I
]-[F])}=
(3-28),
N-~
0.[1] - [F]>
Y por tanto dicha dimensi6n no ser& nula si la caracter!stica

de la matriz ([ F ]-~[ I]) vale
siempre que,
~~N-1, cond Lc i.dn
que se cump l.a.ra
191
I A[
I ] - [F] 1= 0
A - fi1 _fl2
- flN
A-f~
- f~
- fi
~
.. . ... . .... . . . . . . .
-fN2
(3-36)
= O
A- fNN
Siguiendo el camino indicial podemos llegar al mismo re

sultado partiendo de (e'),
{Vi
= u i f]
(e" )
y al introducir la delta de Kronecker,

(i,j
= 1,2, ,N),
homog~neo,
se obtiene el sistema lineal

(A - f~ ) u! - f~ u- - .. -f~ UN
=0
(3-37)
-f~ul - f~U2_ ... +(A-f:)u
N= 0
cuya compatibilidad respecto a las incognitas
,u 2 , ... ,u N
bliga a la condici6n expresada en (3-36).
A cada valor propio A Ie corresponde infinitos vectores

propios ya que si U es uno de ellos, y ,
6 (u ) = AU
6 (ku )
= k6 (u ) = kAU
cualquier vector paralelo ku
lineal,
'(k U)
tambi~n
es propio. Elconjuntode
todos estos vectores forman el subespacio

sional SI y
habr~
diferentes Ai
= A (ku ) ,
invariantemonodime~
tantos subespacios de este tipo como
rai~s
se obtengan de la ecuaci6n de grado N (3-36). Si
el campo K a que pertenece A es real se
tendr~n
que desechar
las raices imaginarias pues de otro modo el espacio EN es com

plejo.
EJERCICIO
3-36. Determinar los valores propios y vectores
propios
de las trans formaciones representadas por la siguientes matri

ces,
a) Matriz nula de segundo orden, [0]
-- [00
oJ.
192
Como la matriz es de segundo orden, N=2 y la transforma

referir~
ci6n se
al plano ordinario f
Los valores propiosse
deduciran de (3-36),
A
=0~A2=0~A=0
(raiz doble).
Los vectores propios se obtienen de (3-37),

1+0U 2=0
OU
i
1+0U 2:=0
OU
\
de la cual vemos en este caso que cualquier vector es

propio pues,
vector
(d"),
[:: :;J[:~ ~A [::J

b)Matriz
~ [~ ~J [:~ = [:~.
unidad de tercer orden, [I] _ [1~ O~ O~J ,
0
N-3.
Valores propios.
A-1
o
o
A-1
:::0
(A-1) 3 =0
A::: 1
(raiz triple).
o A-1
Vectores propios.
OU 1+0U 2+0U 3=0

OU 1+0U2+0U 3=O
OU 1+0U 2+0U 3=0
y tambien aqf cualquier vector es propioi
Cd"),
Mientras en a) cualquier vector se transformaba en el
vector
nulo (transformaci6n nula), en b) cualquier vector se transfor

rna en si misrno (transforrnaci6n identidad).
c) Matriz
[1 2J
6 -3 .
Valores propios,
(3-36),
193
A-1 -2
=0 ~ A2+2A-15=0 ~ Al =3, A2 =-5.
-6 A+3
Vectores propios,
(3-37).
Para AI = 3,
l
2
(3-1)u - 2u = 0
- 6u l+(3+3)u2 = 0
I~
~
as! el vector UI = [ 1,1 l,

tor propio,
cualquier otro paralelo, es un vec
(d"),
Para A2 = -5,
Y UI = [ 1, - 3 l es otro vector propio,
d) Matriz [ :
Como la
recer~
(d"),
:].
mat~iz
es singular el polinomio caracter!sticoca
de terminG independiente y una de las raices
de A
cero, as! que los valores propios valen, (3-36),

A - 1
-2
-2
A- 4
Vectores propios,
(3-37).
ParaAI=O,
l
- 0
-2u l + (0-4)u 2=0
(O-l)u
y U I = [ 2, -1
- 2u
u!
+ 2u 2
u ' + 2u = 0 \
l es vector propio, (d"),
~Ul
= 2, u 2 =-1,
ser~
194
Para A:z=5,
(5-1}u l - 2 u2=O
-2u
y
U2
1 + ( 5 - 4 } u2=O
, u 2=2 ,
=[ 1,2 ] es otro vector propio,
(d"),
[~ ~J [~} [~l
5
e}
[~2 =~ =~J
Matriz
-1
-2
Valores propios,
A -2 2
2 A+12
1
=>
(3-36),
)f
-3X:Z -9A+27=0 =>{~1:3 (raiz doble),

1\2--3.
2 A-2
vectores propios,
(3-37) .
Para AI=3,
u 1+2u2+U 3=O
2u l + 4 u 2+2u 3=O
u l+2u 2+U 3=0
y existiran,por tanto, dos grados de libertad para el
U
=[ UI , U2 , U3 ]
S i u 2 = 0, U3 = 1 => UI =-1 y s i u 2 =1 , U3 =
por tanto u,=[-1,O,1] y
U2
vector
=> U =- 2
I
=( - 2 , 1 , O ] son vectores propios inde
pendientes que generan el espacio propio correspondiente
a~=
3. ASl dichos vectores no s610 gene ran por separado sendossu

espacios invariantes monodimensionales,
2
-2
-2
-1
-1
-2
[2
-2
-2
-1
-1
-2
-1]
-2 [-1] _ 3 [-1J
2
-1]
-2 [-2]
1 =
2
[-n
sin6 que al actuar conjuntamente como vectores de base gene ran

un subespacio invariante bidimensional. Un vector
cualquiera
195
de este subespacio va Ldra u =
a[ -1,0,1 ] + 13
f -2,1,0 ] siendo
a,
13 escalares independientes y entonces se cumple evidentemente,
2-2 -1] [-
-2 -1 -2
-1 -2
a13
213]
=3
[- a- 213]
(3
Para A2 =-3,
existiendo un solo grade de libertad para el vector u = [u 1 ,u 2

u
].
Si u
= 2
=>
= 1, u! = 1, entonces u 3 = [ 1,2,1 ] genera el es
pacio propio para Ar -3,
-2 -1]
[1]
-22 -1
-2
2 = -3 [1]
2
-1 -2
f) Matriz triangular superior
[~-~ ~]
002
Valores propios. En el caso de matriz triangular los ele

mentos de la diagonal principal son los valores propios ,
(3
36) ,
A-1
-2
-1
o A+1 -1
o A-2
o
Vectores propios,
0 =>
(A-1) (A+1) (A-2)=0=>A 1=1 , A2=-1
(3-37).
Para Al=l,
Oul-2u 2 -
3=0
Ou1+2u 2 - U 3=0
OU 1+OU 2_U 3 = 0
y
u 3=0 , u 2=0 , u 1=1
Ul=[ 1,0,0] es vector propio para A1=1,
(valor arbitra
rio) ,
196
Para Az=-l,
-2u l-2u Z-u 3=0
Ou l+OU Z_U 3=0
Ou l+Ouz-3u3=0
(valor arbi tra

rio)
u ' =1 , u 3 =0 ,
_} U
~
=-1
y uz=[l,-l,O] es vector propio para Az=-l,
Para A3=2,
u l-2u Z-u 3=0
Ou l+3uz-u3=0
=1/3u 3 =>~ u 3 =3 (valor arbitrario),

u l=5/3u3 ~ )u l=5, u Z =l ,
Ou l+OU Z+Ou 3=0
y u 3 =[ 5,1,3] es vector propio para A3=2,
g) Matriz triangular superior
[~ ~ =~]
o
Valores propios. Se diferencia del caso anterior

la raiz AI = 1 es doble,
A - 1
o
o
-2
A- 1
=0
=>
(A - 1) 2 (A - 2) = 0
!Al
= 1
(raiz dob l.ej,
Az
0 A - 2
= 2.
Vectores propios.
ParaAI=l,
z
3
OUI - 2u + u = 0
OUI + Ou z + u 3 = 0
OUI + Ou' - u 3
= 0
I =
que
.p".
en
=>
u
U
3
Z
= 0,
= 0,
u' = 1
(valor arbitrario),
I 1,0,0 ] es vector propio para AI = 1,
197
Para A2 = 2,
u ' - 2u
+ u'
= 0
+ u =0
2
Ou ' +Ou +Ou 3 = 0
Ou ' + u
=> u 2 = _u 3
u! =
t ~u
= 1 (valor arbi trario) ,
-3U3~ u 2 = -1, u ' =
y U2 = [ -3, -1,1 ] es vector propio para
h)
A~
= 2,
a] actuando en
Matriz [cos a sen

-sen a cos a
(ver Ejercs.
-3,
el espacio complejo
2-19 y 2-20).
Valores propios.
A - cos a -sen a 1=0 => A2 - 2cosaA+ 1 = 0 =>{~2l = cosa+ i sen a,
I\.
= cosa- i aenc ,
sen a
A - cos a
vectores propios (a f 0 0
Para Al= cos a + i sen a,

i sen a u ' - sen a u 2 = 0 { => u ' + i
sen a u ' + i sen a u 2 = 0
u2
=0
2
=> { u = 1 (valor ar
u ' =-i bitrario).
Y u , = [-i,l] es vector propio para Al = cos a + i sen a,

a sen aJ [-iJ = (cos a + i sen a) [-iJ
.
1
-sen a cos a
1
COS
[
Para A2 = cos a - i sen a,
- i sen a u 1
sen a u 1
sen a u = 0 =>
i sen a u~ 0 ~
u1
iu 2 = 0
=>
{Uu 2l == 1i, (valor

a~
bi trario).
Y U2 = [ i, 11 es vector propio para A2 = cos a - i sen a,
[_:::: ::::] GJ =
[1~ ~O O~]
(cos a -
sen a)
GJ .
i) Matriz diagonal
Valores propios. Al igual que en el caso de rnatriz trian
198
gular los elementos de la diagonal principal son los valores

propios,
X- 1 0 OJ
[ oo
X - 2
=0
X- 3
Vectores propios.
Para
XI= 1,
OUI + Ou' + Ou3 = 0

OUI
Uz + Ou 3 = 0
OUI + OU Z - 2u 3 = 0
y U1
= [ 1,0,0 ] es vector propio para XI = 1,
An'logamente, es facil vecr que U2 = [0,1,0] Y U3 = [0,0,l)

son tambien vectores propios para X z = 2 Y X3 = 3, respect iva
mente.
j). Matriz diagonal (con valores propios repetidos)
[ ~l
1
Valores propios.
X-1
X-1
X-3
=0
(X-1) 2 (X-3) =0 ~ Xl =1
(raiz doble),
Xz=3
vectores propios.
Para XI=l
OU I+OU 2+0U3=0
Ou l+OU Z+Ou 3=0
OU 1+0u2-2u 3=0
Y ul,U Z pueden tener cualquier valor y el vector u=[u l ,u z ,u 3]
tendr. como en el caso e) dos grados de libertad. As!
UI =
199
= [ 0,1,0] son dos vectores propios independientes

correspondientes a Al = 1. Los vectores UI y U2 aparte de gen~
[ 1,0,0 ] y
U2
rar por separado los subespacios invariantes monodimensionales,
actuan conjuntamente como generadores del subespacio

te bidimensional S2 pues si
E S2
~ u
=a U 1+ 13
U2
invaria~
= [a ,13,0 ],
Para A2 = 3.
Zu ' + Ou 2 + Ou 3 = 0
+
Ou I +
OUI
2u 2
Ou
+
+
Ou 3
~ u l = 0,
= 0
u 2 = 0, u ' = 1 (valor arbitrario},
Ou 3 = 0
y U3=[ 0,0,1] es el vector propio para A2 = 3,
TRANSFORMACIONES CON MATRIZ DIAGONAL.
que en cierta base ei
Empezaremos por
la transformaci6n
suponer
tiene por matriz a
sociada la matriz diagonal,

dI
O 0
d~ 0
(3-38)
[DJ=
O d~
Sabemos que los valores propios se
deducir~n
de (3-36),
A-dlo o
o
A-d~ 0
0 A-d~
y los vectores propios de
guraci6n,
(3-39)
(3-37) que ahora adquiere la confi
200
(A-dl ) u ' =0
(A-d~ )U 2 = 0
(3-40)
(A-d~) U~=O
Por ejemplo, para A=AI=dl, si todos los
valores propios
son
distintos entre S1,

u l=l
Oul=O
(dl-d~ ) u 2 =0
aS1 que u 1=[ 1,0, ... ,0]
ser~
(3-41)
vector propio para AI=dl y comot~
do vector u con componentes u t

i
u ei
se
U
(valor arbitario),
2=0,
en la base ei
se expresa por u=
tendr~,
I =[ 1, 0, . . . , 0] = 1e 1 + Oe 2 +. . + Oe N=e
Ana Loqamen t e , u 2=e 2 , ... ,uN=eN son vectores propios para los
v~
lores propios respectivos A2=d~ , ... ,AN=d~. ASl pues, los vec
tores de base e t
son vectores propios de la transformaci6n
siempre que su matriz asociada [D] tenga la forma diagonal, y

entonces la (3-35) queda,
, (e
1 )
dl e 1
,(e 2)= d~e2

(3-42)
Si en la matriz [D) hay elementos diagonales repetidos,

sea por ejemplo d~ = d] , se llega a conclusiones similares c<:J,Il0
las obtenidas en el ej ercicio anterior, apdo,
j), es decir, en
cuanto a valores propios resulta,
y en cuanto a vectores propios,
adem~s
e l Y e2 genera un subespacio invariante bidimensio
nal pue s todo vector de este subespacio v = a e 1 + t3 e 2, siendo a

y t3 escalares arbitrarios,
oJ y
tendr~
por representaci6n [a,t3, ,
sera, por tanto, vector propio,
201
6(ae l
+ (je
)= d]
(ae l +
(je
d{ 0
d{ ...
(j
........
'*
2 )
(j
=
d{
.(3-43)
d~
Inversamente,podemos partir de una transformaci6n

la base inicial e ,
(i
tenga a [F] por matriz asociada
1,2, ... ,N) los valores propios y ei (i
queen
siendo
Ai
1,2, ... ,N) los vec
tores propios de forma que estos ultimos sean linealmente in

dependientes. Con un cambio de base apropiado podemos
guir que la matriz [D] asociada a

'-.
ser~
la forma diagonal, y esto solo
en esta nueva base
conse
tenga
posible si los vectores
propios son linealmente independientes y en nUmero N indepen

dientemente de que los valores propios, que son
lasraicespr~
veniendo de anular a cero el polinomio caracter!stico (3-36),

sean distintos
repetidos con cualquier grade de multiplici
dad. Sean, en efecto, las relaciones (3-35),

~(el)=Alel
~(e2) =A2 e2
'*
(e
=A e
(j)
que en lenguaj e matricial en la base inicial e i

[FUel]li
-
(3-44)
(j=1,2, .. ,N)
(d") ,
A1[el]li
'\
[F][e2Ie= 1\2[e2]e.
1
'* [
][-]T
ej
e,
'\
=I\(i)
[-]T
ej
(3-45)
ei
(j=1,2, ... ,N)

donde
[ej
es el vector
lei
e j
escrito como matriz columna
la que sus elementos son las componentes
ei
~n
de aquel en la base
Efectuemos seguidamente un cambio de base de tal forma que
los vectores de la nueva base sean precisamente
los vectores
propios iii , as! que la (3-45) se transforma en la,

.
[ G ][ e j
=A(j) [ e
j ]
(3-46)
E"i
donde la matriz [G] vale,
(3-26), [G)=[Ar1[F][AI siendo [A]
la matriz de transformaci6n de cambio de base; [ej];i
=;[0,0,
...,i<l!, IT, donde todos los elementos son nulos excepto el que
cupa la fila j que vale la unidad;
~j)
los valores propiosde
la nueva matriz [G] , Y como el polinomio caracter!stico es in

variante frente a un cambio de base, las ra!ces de
aqu~l
tam
202
b i en s e r an .m va r i an t e s y por tanto A(j)==A IU)
as! que en defini
tiva la (3-46! queda,
o
o
F.' 1
[ G
J=
hi I
.s:
'; d'
(j-l,2, ... ,N),
Aj
(3-47)
donde [G J , para que se cumpla (3-47), ha de ser diagonal,

AI
[G)==
0 0
o
(3-48)
==[ D [,
As!,concluyendo,una matriz cuadrada se
podr~diagonalizar
si el numero de vectores propios es igual al orden de aquella

y son linealmente independientes. Veremos seguidamente
algu
nos ejemplos de diagonalizaci6n de matrices,siempre que
ella
sea posible, tomando como punta de partida los resultados del

ejercicio anterior.
EJERCICIO
3-37. Determinar los cambios de base para transformar las

siguientes matrices a forma diagonal.
a) Matriz nula de segundo orden.
Es ya una matriz diagonal (caso degenerado).
b) Matriz unidad de tercer orden.
Es ya matriz diagonal.
[~_;].
c) Matriz
res propios:
Valores propios: Aj ==3, A2 =-5.Vecto
=[1,1], u 2 =[1,-3].
Se supone en primer lugar que la base inicial es e i == {e 1,

e 2} por 10 que
U I
= [ 1, 1 ) == e! + e 2 ,
mando los vect.ores

va base se t end r a ,
== aj e , + aie 2
==
al e I
+ a~ e 2
U1
e1,
U2
==
e;
U2
= [ 1, - 3 ) = e
3e
2.
To
como generadores de la nue
(3-3),
a? an
alJ == [11
a
1J
-3
Tambien de forma rutinaria puede hallarse la matriz [A] de cam
203
bio de base escribiendo simplemente los vectores propios
U I
u 2 por orden y disponiendo sus componentes por columnas. A con
tinuacion podemos comprobar que la nueva matriz [D] en la ba

se
es diagonal y sus elementos diagonales son precisamente
los valores propios,
[D
[~ -~J [~ -~J G-~J = [~ -~J
(1/4)
[~ ~J.
d) Matriz
<,
propios: u , = [2,-1],
= U I = 2e I
e2 =
[ D
U2
=e
e2
+ 2e 2
-
Valores propios: Al
=
U2
= 0,
A2
= 5.
Vectores
[1,2].
1J
1-' ~
[~ -~J
[2-lJ [1 2J [ 21J = [0 OJ
[2
=>
[A
-1 2
[A] =
= [A ]-1 [ F ] ( A ]
e) Matriz
(1/5)
(1/5)
-1 2
2-2 -1]
-2 -1 -2 . Valores propios: A1=3 (raiz dable), A2=3.
-1 -2
Vectores propios: u ,
G-at -~J [~ -~J=
~ [A 1-'[ F J [A J ~
= [-1,0,1],
u2
= (-2,1,0],
u,
= [-1,2,1].
+ oe 2 + e 3
U2 = -2e I + e 2 + 0 8 3
e3 = U 3 = e I + 2e 2 + 83
eI =
e2 =
U I
= -e
[A
J-' =
(1/6)
[=: -~ -n
[=~ -~ _~] [_~ =~ =~] [-~ ~l
2
[D] = (A
i-r F ]
(A] = (1/6)
-1
f)
Matriz
[~ -~ ~
.
-1 -2
Valores propios: A.
2. Vectores propios: u , =[1,0,0],
U2
= 1,
A,
= -1,
A,
=[1,-1,0], u , =(5 1,3].
204
[~ ~]
0
-1
g) Matriz
.
-U
G
1 -1
Va10res propios: AI=l (raiz dob1e) ,
A2=2. Vectores propios:
UI
=( 1,0, 0] ,
U2
=[ - 3, -1 , 1]
Esta matriz no puede diagona1izarse pues 5610 tiene
dos
vectores propios (u I , U 2) 1inea1mente independientes y 1a matriz

es de tercer orden.
C OS
h) Matriz
-sen a
sena]
Va10res propios:
cos a
COsa+
i sena, A2=cosa-i aenc , Vectores propios: uI=(-i,l], u 2=(i,1]
~I =UI = ~i e l +e2
e2
=U2
t~
(A)=
= lei +e 2
( D ]=[ A
I [ F I A ]=
(1/2)
~J
[~i
~ii
1] [cosa
1
c o sa+
Oi sena
0 ]
cosa-i sena
i) Matriz
[
10
; I Ar ' :
o~ O~]
Ya son matrices diagona1es.
-sena
<1/2{ i
-1
senaJ [-I
COSa
~J
~J
~~.

Vector Esy Ten Sores

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Vector Esy Ten Sores

Caricato da

Copyright:

Formati disponibili

E.T.S.I.

JUAN COMAS ALAVEDRA

ceptada de que. como el calculo tensorial va siempre acompanado de trans

fundamentales del calculo tensorial en coordenadas cartesianas. la delta

En el segundo capitulo se dan las propiedades mas importantes de las

damentalmente al lector que quiera adentrarse de forma sencillay

Manresa.20 de Noviembre de 1978.

Sistemas de ecuaciones lineales.

1- 1. DETERMINANTES DE SEGUNDO ORDEN ........... 1

1- 2. DETERMINANTES DE TERCER ORDEN ...... 1

1-3. DELTA DE KRONECKER DE SEGUNDO ORDEN .............. 4

1-4. DETERMINANTES DE ORDEN ''N'~ PROPIEDADES ............. 5

1-5. DELTA DE KRONECKER GENERALIZADA ......... 10

1-6. CONTRACCION Y PRODUCTO INTERNO DE SIMBOLOS DE PERMUTACION 18

1-7. ADJUNTO DE UN ELEMENTO DE UN DETERMINANTE .... 27

1-8. RESOLUCION DE SISTEMAS DE ECUACIONES LINEALES .. 34

2- 2. OPERACIONES CON MATRICES ................... 48

MATRIZ ORTOGONAL ................. 67

CALCULOS CON MATRICES CONJUGADAS Y HERMITICAS ....... 68

POTENCIAS NEGATIVAS DE UNA MATRIZ CUADRADA .......... 72

2-4. POLINOMIO CARACTERISTICO Y SEMEJANZA DE MATRICES ... 72

POLINOMIOS DE MATRICES ............. 72

POLINOMIO CARACTERISTICO ........... 73

POLINOMIO MINIMO .................. 76

VALORES PROP lOS ........ 77

SEMEJANZA DE MATRICES ......... 80

2-5. EQUIVALENCIA DE MATRICES .......... 84

MENORES Y COMPLEMENTOS ALGEBRAICOS ....... 84

TRANSFORMACIONES ELEMENTALES ....... 90

MATRICES EQU IVALENTES .......... 91

MATRIZ CANONICA POR FILAS ............... 93

MATRIZ NORMAL ......... 97

INVARIANZA DE LA CARACTERISTICA DE UNA MATRIZ FRENTE

A LAS TRANSFORMACIONES ELEMENTALES DE LINEA ..... 98

MATRICES ELEMENTALES ..... 99

MATRICES CONGRUENTES ........ 108

Espacios vectoriales y trans formaciones lineales.

EJEMPLOS DE ESPACIOS VECTORIALES ........... 115

SUBESPACIOS VECTORIALES ........... 117

DEPENDENCIA LINEAL ............. 118

ESPACIOS GENERADOS. BASE Y DIMENSION DEL ESPACIO ... 120

ESPACIOS DE DIMENSION INFINITA .... 120

ESPACIOS DE DIMENSION FINITA ........ 121

ISOMORFISMO ............. 125

CAMBIO DE BASE .... 1 30

INTERSECCION Y UNION DE ESPACIOS VECTORIALES .. 135

UNION DIRECTA DE SUBESPACIOS VECTORIALES ... 144

3- 2. APLICACIONES LINEALES ...... 147

OPERACIONES CON APLICACIONES 149

OPERACIONES CON APLICACIONES LINEALES 164

IMAGEN Y NUCLEO DE UNA APLICACION LINEAL .. 167

APLICACIONES INVERTIBLES ....... 173

RANGO DE UNA APLICACION LINEAL. AUTOMORFISMO . 178

SUBESPACIOS INVARIANTES .... 184

VALORES PROPIOS Y VECTORES PROPIOS ... 190

TRANSFORMACIONES CON MATRIZ DIAGONAL . 199

INDICE ALFABETICO DE MATERIAS

Adjunto de un elemento de un determinante

Aplicaci6n nula ...

Calculos con matrices conjugadas y hermtticas

Codominio de una aplicaci6n lineal

Contracci6n de stmbolos de permutaci6n

Delta de Kronecker generalizada .

Desarrollo de un determinante por los elementos de una