Vector Esy Ten Sores

VECTCRES
v
TENSORES
[I]
...~ COMAS
ALAVEDRA
,.
E.T.S.I.I de TARRASA
y
VECTORES TENSORES
VOLUMEN I
ANALISIS INDICIAL Y ALGEBRA LINEAL
(CON 89 EJERCICIOS RESUELTOS)
par
'.
JUAN COMAS ALAVEDRA
(prafesar de la escuela)
Manresa, N o ~ 1978
II
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
LarLzjindoae 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
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
damentalmente al lector que quiera adentrarse de forma sencillay
va en el Ana1isis Indicial.
EL AUTOR
_ ..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
1-4. DETERMINANTES DE ORDEN ' ' N ' ~ PROPIEDADES ............. 5
1-3. DELTA DE KRONECKER DE SEGUNDO ORDEN .............. 4
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 2
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
POTENCIAS NEGATIVAS DE UNA MATRIZ CUADRADA .......... 72
CALCULOS CON MATRICES CONJUGADAS Y HERMITICAS ....... 68
2-4. POLINOMIO CARACTERISTICO Y SEMEJANZA DE MATRICES ... 72
POLINOMIOS DE MATRICES ............. 72
POLINOMIO CARACTERISTICO ........... 73
SEMEJANZA DE MATRICES ......... 80
POLINOMIO MINIMO .................. 76
VALORES PROPlOS ........ 77
2-5. EQUIVALENCIA DE MATRICES .......... 84
MENORES Y COMPLEMENTOS ALGEBRAICOS ....... 84
TRANSFORMACIONES ELEMENTALES ....... 90
MATRICES EQUIVALENTES .......... 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 3
Espacios vectoriales y transformaciones 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 .... 130
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
v
INDICE ALFABETICO DE MATERIAS
Adjunto de un elemento de un determinante .27
Adjuntos normalizados .... .37
Aplicaciones ..... .... .147
Aplicaci6n biyectiva 0 biuntvoca ... .155
Aplicaci6n identidad . 154,161
Aplicaci6n inversa .154
Aplicaciones invertibles
... 173
Aplicaciones lineales .. 157
Aplicaci6n nula ... .158,161
Aplicaci6n producto
.150
Aplicaci6n sobreyectiva .. .155
Aplicaci6n uno-a-uno ....
..
155
Automorfismos . .... 178
Base de un espacio . ... .120
Calculos con matrices conjugadas y hermtticas
.68
Cambio de base .. ... 130
Caractertstica de una matriz ...
87
Codominio de una aplicaci6n lineal 168
algebraicos .
....
... .85
Contracci6n de stmbolos de permutaci6n
.18
Convenio de Einstein
.2
Correspondencia
.
.148
Delta de Kronecker de segundo orden
4
Delta de Kronecker generalizada .
.10
Dependencia lineal . ...
.118
Derivada de un determinante
10
Desarrollo de un determinante por los elementos de una
linea .
37
Determinante caractertstico ... 73
Determinante de orden N .
.5
Determinante de segundo orden ... ...
. 1
Determinante de tercer orden
2
Determinante de una matriz cuadrada
.
.62
Determinante producto .9
Determinante transpuesto . ...
7
Diagonal principal
.43
Diagonal secundaria
.44
VI
Dimensi6n del espacio .............................. . 140, 120
Discusi6n anal!tica de sistemas de ecuaciones lineales .176
Dominio de una aplicaci6n lineal ... 168
Eigenvalores ........... ..... .... ... 77
Ejemplos de espacios vectoriales .115
Ejemplos de subespacios vectoriales ......
.117
Equivalencia de matrices . 84, 90
Espacios de dimensi6n finita
... .121
Espacios de dimensi6n infinita .120
generados . 120
.
Espacios isomorfos ... .... .. .125
Espacio lineal .. -...
.113
Espacios vectoriales ..... .113
Espacio vectorial complejo
... .114
Espacio vectorial real .. .. 114
Funci6n . . 148
de una aplicaci6n .... .......
.148
Igualdad de matrices . .. 45
Imagen de una aplicaci6n lineal
.167
Imagen inversa de una aplicaci6n .......
.148
Independencia lineal .... ....
.118
Indices libres 7
Indices mudos
2
Intersecci6n de subespacios vectoriales .... ... 135
Invariantes de una transformaci6n lineal .187
Invarianza de la caracter!stica de la matriz frente a
las transformaciones elementales de linea
98
Isomorfismo .................. ...........
.125
Matrices congruentes .........
.108
Matrices elementales .99
..
Matrices equivalentes ... ... 90 91
Matrices semejantes . 80
Matriz can6nica por filas
.92, 93
Matriz caracter!stica .. .73
Matriz de transforrnaci6n .. 131
Matriz de transformaci6n inversa .... .132
Matriz escalonada
93
Matriz idempotente ... ..... .70
Matriz nilpotente ... ..... .71
VII
Matriz normal 97
Menores complementarios .......... 84
Notaci6n indicial 2
Nucleo de una aplicaci6n lineal ........... 167
Nulidad 0 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 72, 80
S!mbolos ............................. 6
S!mbolos de permutaci6n 2
S!mbolos de permutaci6n de orden N ........... 5
S!mbolos de permutaci6n de tercer orden ........ 3
Sistemas e 2
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 ... . 76
Transformaci6n de matrices 50
Transformaciones elementales ... ... .90
Transformaciones elementales de fila y transformaciones
elementales de columna ....
Transforrnaciones elernentales inversas
Transforrnaci6n producto ..
Uni6n de subespacios vectoriales
Uni6n directa de subespacios vectoriales
Valores caracter!sticos
Valores propios
Vectores propios ....
Vectores unitarios ...
...
..
.90
.92
151
..... . . 135
. 144
78
. 77, 190
.190
. 123
IX
BIBLIOGRAFIA
CAPITULO 1
-Vector and Tensor Analysis de Homer Vincent Craig
(1943). Capitulo 5.
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
tiuno editores S.A) 1970. Capitulo 1.
-Applied Mathematics for Engineers and Physicists de L.A.
Pipes, 1946. Pags 76 a 84.
-Algebra 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
x
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
+ x
2
= e
l

Xl
2
e
2
ai + x
=
\
l
e
2
siendo at, e , al, , eonstantes eonoeidas, se obtie
ne,
(1-1)
at al
Si introdueimos el operador,
a b
ad be =
(1-2)
e d
llamado determinante de segundo orden, las ine6gnitas
den expresarse bajo la forma,
e
l

at
e
l
e
2
a
2
2 al e
2
l
x =
i x
2
=
aJ
a! a
l
at
2
a
2
a
2
I 2 al
(*) Los 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
l
(c
l
) 2 debe ser interpretada como el cuadrado de c
2
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 0 sistemas que definimos seguidamente:
desarrollo,
al
,
=I at! = 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 representa la suma de todos los 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 en '\
las pero entre 0 repetidos en letras mayGsculas no
--"._---"------"-- __ -_._--- _ _. -----"------.-.,._-- :
/
generan sumas.

N
(i=1,2, .. ,N). L a
i
b
i
= a I b
l
+ a
2
b
2
+. +
;=1
r, (} (
/,1 )
arJ =era (r,s=1,2). (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
3
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
respecto a un par de tndices cualesquiera, (se les
llama stmbolos totalmente
Eiik =_ jlk
;
ijk
= -
Ikj
;
ij k
=- Ekj I
;
Y
que,
123 = 1
.
En particular, si j = i, 6 j = k = i,
('''')
llk; =0
III =o.
=
por 10 que, si hay dos 0 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 0 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,

puede expresarse, entonces en funci6n de los stmbolos de
taci6n de tercer orden,
A = Ij k a 1a2 ae
(i,j,k, = 1,2,3),
I -1 k'
y en este caso se dice que el determinante ha sido desarrollado
por filas.
Si definimos ahora los stmbolos de la misma forma que
I j k , 0 sea
= - j I k ,
4
el determinante A se expresa segGn,
A = i j' k a] a!
(i,j,k= 1,2,3),
y se dice ahora que ha side desarrollado por columnas.
DE SEGUNDO ORDEN.
1_3. D ELT'A DE KRONEC
K ER
Es un s1mbolo que se representa por la letra griga i afec
tada por un sub1ndice y un super1ndice, y definido de la
te manera :
51 = 1 , si i = j
"1 (i,j =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 = 5II 5
1
k
+ 5 5i + + 5 btL> + +5 J [): = .
2. 5 f 5t 5:" = 5:" 3. 1 j k 5/ = l 1 k. 4. 1 j k 51 = 1 I k
5. 1 I k = 1 I k 6. 1 j k 6\ 5t' = ll m
14. A1 I 5 =A r
EJERCICIOS
1-1. Si x ! (i = 1,2, . ,N) son variables independientes entre si,
demostrar,
ax i
---= 6: i (i,j=1,2, . ,N),
ax j
aXl SOLUCION ax 1
Si i = j, -- = 1, Y si i -:I j J -- = 0
ax
j
ax
j
5
luego la derivada parcial ax
l
lax. equivale a la delta de Kro
necker ya que admite los mismos valores que
1-2. Demostrar:
ax
i
aX
k
___ =
I
siendo,
-1 - -
Xi = Xi (X ,x
2
, ,x
N)
(i = 1,2, . ,N)
Xi
-
= Xi (x ! ,x
2
, ,x
N)
SOLUCION
Si,
l'\ r>.
Xi = Xi (X
l,X2
, ,X
N)
-
Xi = Xi (Xl ,x
2
, ,XN)
L.n
se tiene por la regIa de derivaci6n en
ax
i
ax
i
axl ax
i
ax
2
---=--
=--
+
axi
ax
k
-- ;
axi
cadena,
ax
i
+ ... +--
aX
N
( i , j , k =1, 2 , ,N )
ahora
Xl = xi , X2 - 2 XN-X
N
en -x , . , - la anterior,se tie
... _....
ne,
ax
i
ax
k
aX
k
axl
ax
i
=
ax!
_
-

I
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,
6
= = 1.
12 N
b) Estos s1mbolos son respecto a cada par
de 1ndices cualesquiera,
_E
i
1
i
2 4 -lis 4+ 1 .i s_1i
ris+ 1 .i N ,
Es decir, si hacemos L, = is,
E i
1
is ... is ... i N = o.
Es decir, si el s1mbolo posee dos 0 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 (-1)
en funci6n de que el nUmero de permutaciones de los !ndices
sea par 0 impar, respectivamente,para colocar estos 1ndices
en el orden natural 1,2, ... ,N.
en la propiedad de antisimetr!a, podemospues
determinar el valor de cualquier s!mbolo con !ndices
cos, y para ello veamos los siguientes ejemplos :
)
1. 123S4 = _ 1234S = -1 ; 2. 13S42 = 12S43 = 1234S = 1
3. S3421 = - 1342S = 1243S = - 1234S = - 1
Si A es el valor de un determinante de orden se tiene,
.......
A =

(1-4)
7
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 cont endxa un elemento de cada fila y c2
lumna precedido del signa mas 0 menos segtin la paridad de la peE
mutaci6n i
1
i
2
iN respesto de la fundamental 1,2, ... ,N.
podemos establecer,
-L i
1
i
2
A - c . a
1
a
2
(i
1
, i 2 , , i N =1, 2 , , N). (1- 5 )
1
1
12"00 1 N
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
o o
rna inmediata al introducir los stmbolos E it i
2
: iN 0 E.. .
11 12
001N
a) Demostraremos en primer lugar la identidad
i j k a I a j a I:. "5 lmn A
(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
.) con respeto a qualquier par de tndices libres 1m,
In, 0 mn. Por ejemplo la antisimetr!a del par mn se ve
do los elementos aj, reemplazando i j k por - i k J 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 siempre la identidad (1-6) ya que la antisi
metr!a del segundo miembro respecto de dos cualesquiera de los
!ndices, es evidente :
8
De la misma forma se demuestra que,
a a11"""i""k = a A (1-7)
"ijk -m-n "1m n
b) Si a un determinante se Le intercambian filas por colurn
nas , el nuevo determinante obtenido tiene el mismo valor que el
primero.
Si al a ~ a
l
3
A
=
a
2
I
a
2
2
a
2
3
\'
a
3
I
a
3
2
a
3
3
B =
b
I
I
b
3
b
3
b
3
I 2 3
=
a
l
I
a
3
I
a ~
a
3
2
a
l
3
a
3
3
Se curnple en este caso,
a!
,
= b]
Se define como determinante transpuesto del A el B y viceversa,
y se indica
T T
B=A; A=B
y entonces,
por 10 que,
A = B ,
o bien
T
A = A
(1-8)
c) Si se invierten dos lineas paralelas de un deterrninan
te, ~ s t e cambia de signo. Intercambiando las dos primeras co
9
d} Multiplicaci6n de dos determinantes.Si
A= eijk B = elmn bf
1 I
Al multiplicar ambos miembros de (l-6) por
A(e
1mn
b
l
b
2b3}
= eijk al amanb
l
b
2b3
Imn ijklmn
igualdad equivalente a
AB = eijk (bl al ) (a)
Definamos un nuevo determinante,
c = eij k cl c] (b)
Para que los primeros miembros de (a) y (b) sean iguales,
C =AB
es preciso que sus segundos miembros 10 sean, y para e
110,
cl = bf a]
que en forma compacta,
(i,j,k= l,2,3) (l-9)
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=
ai'
N
etc
A C se Le llama "determi.nante producto". Para obtener su elemento
cl basta multiplicar ordenadamente los elementos bL de
la fila II i II de B por los elementos at de la columna II j" de A y
sumar los productos indicados:
10
i-bi .J+b
i
+bi N
(i,j == 1,2, ... ,N) C j - 1 a
J
2 aJ N a
j

A esta forma de multiplicar dos determinantes, evidentemente
del mismo orden, se Ie llama abreviadamente "filas de B 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! = ( t) ,
J J
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 s tal a 2 a 3) = r s t (Da 1 ) a 2 a 3 + e r s tal (Da2 ) a 3 +
r s t r s t 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,

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 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 superindices y subindices no es el mismo, el simbo
10 vale (+1) 6 (-1) segtin que el n11mero de inversiones sea 0 no
de la misma paridad que el de
c) Si en los casos el simbolo es cero.
de forma escueta puede definirse este simbolo
por la expresi6n,
-.
... i l = (-1) N, a),
) I) 2 j lOb)
a) Sijl,j2,.,jl son todos distintos y pueden colocarse en el or
den ii' i
2
, ... i
l
por transposiciones de cada par de indices.
b) En los casos.
EJEMPLOS
. O 1 1 .
Ujj =0' o r i = , U31 =- , U31=
'UI235- '.
El producto externo de los simbolos de permutaci6n de orden
N :
;
Es un nuevo simbolo con N superindices y N subindices, es decir,
de orden 2N, cuyas propiedades nos proponemos estudiar.
a) El producto del primer miembro es
a superindices, e igualmente respecto a subindices, de aqui que
el nuevo simbolo del segundo miembro deve tener
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 0 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 propiedades.
12
c) En los dem!s casos, es decir, si hay repetici6n de dos
o m!s subf.ndices,o dos 0 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,
= i2 ... iN
]1]2 ]N Ojlj2jN '
por 10 que,
(1-11)
I
EJEMPLOS
132
6 1 3 2
63 2 1
e e
=
= 1
e
321
f ij k =
Uk
1 32 1 32
1 2 3 1 23
f 3 2 1
=
63 2 1
; =
6
=0
f = 0 e e iik ilk
231 2 3 1
Como,
f =1
1 2 N
se tiene,
E i 1 i2 iN = E i 1 i2 .. iN E
1 2
EJEMPLOS
l 2 3
",132 = 6132
= r
Uij k
'" 1 2 3
La delta de Kronecker generalizada con N superf.ndices y
N subfndices (0 sea de orden es equivalente al valor de un
determinante de orden formado por N
2
elementos
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,
13
= ", i j k , (' ' k 123)
A '" u u u =" ;
(1-12)
como se observa en (1-12) el segundo miembro representa el des
arrollo por filas del determinante,
8 8! 1 0 0
= 0 1 0
0 0 1
0 sea, al desarrollar,

+
c-'
+
+ 1,
por 10 que todos los terminos son nulos excepto uno que
ta el producto de las deltas de Kronecker de segundo ordendela
diagonal principal precedido del s fmbo Lo 1 23 Y cuyo valor es sian
pre la unidad.
En general, podemos afirmar que formando el desarrollo,
A
=L il i 2 i N 1 N ( . . 1 2 N)
cO O 0' , , ... , ,
1. 1 1.2 1. N
se obtiene coro valor de A siempre la unidad, ya que todos los
minos del desarrollo son nulos excepto en el cual il = 1 ,
i2 =2 , iN =N,
",l2 .. N
'Ij; ul u2 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
'II; u 1 u 2 U (I) u (r)" u = 0,
por 10 que llegamos a la conclusi6n,
(1-13 )
y en forma de determinante,
14
51 .......

1 0 o....... 0
52
0 1 o....... 0 5i .......
N
= =1 . A =
o o 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
N
= 1,2, ,N). (1-15)
Si observamos el segundo miembro de (1-14) todos los ter
minos del desarrollo nulos excepto uno que aquel
que contenga los subindices en el mismo orden que los
dices, 0 sea cuando,
i'l =i I '; i '2 =i 2 , , i'N = iN'
y entonces este
que es otra forma de demostrar la identidad (1-14)
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
l=e
i j kl
5 ~
5 ~
5 ~
5 ~
5 ~
51
5 ~ 51 5:
1-4. poner los s!mbolos de permutaci6n:
e
l j, l j k, e1j 1 ,
a) (i,j=1,2); b) e (i,j,k= 1,2,3); c) (i,
e
1 2 3
j=1,2,3)i d) ;
bajo la forma de determinantes.
a)
51
lP
1"\ 1 2
eli = e 1'i '
5I, 51,
(i',j',i',j'= 1,2).
'<-
,
=
5
i
1
5
j
2
b)
51
1
51
2
51
3
el j k = el'i'k'
5t, 5J, 5t. = 5
j
1
5
i
2
5
j
3
; (i' , j ' , ~ ,i , j , k
=
5
k
1
5
k
2
5
k
3
1,2,3)
c)
5\ 5 ~
51
3
5 ~ 5 ~
e i j 1 = e i'j'k'
5: '
5J,
51
k'
=
5i
l
5 ~
5
i
3
=51 =
5 ~
5
i
3
5I 5 ~
51
3
l: 1 l: 3
j
_ l: 1 (" ., k' . . 1 2 3 )
u 2 u u
l: 1
3 u 2.,. 1.,J, ,1.,J = "
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) st
e 1 3 2 = ei j k
Sl Sl s, = Sf (i,j,k= 1,2,3).
Si
De la misma forma puede deducirse una f6rmula semejante a
la (1-14) partiendo de un s1mbolo de permutaci6n con N sub1nd!
ces,resultando,
E . , = E" "
J1 J 2 J N J 1 J 2 ... j 'N
. ,
(j 1 , j 2 , , j N , j '1 , j , I IN =1,2, ... ,N), (1-16)
que equivale al desarrollo por columnas de un determinante,o sea
8j1
8h ....
8jN
2 :2 2
[) .- .....
8
8j 1
J2 IN
;
(jl ,j2, ,jN =1,2, ,N). (1-17)
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
1
02 . 0 N
i
2
O
2
0 N
1 1
8H ..... 0 jN
2 2
8 . .. . .. 8.
)2 J N
.................
17
it i
l
it
C. C.
C jN
J 1 J2
i2 i2 :h
C. c. C .
Jl J2 IN
,
=
iN iN
C. C .
J2 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 . ...... ~ 1
Jl J2 IN
8 ~ 2 8 ~ 2 8 ~ 2
Jl J2 IN
;
En particular,
',_...
[jtik=ii
k
e =
Imn Imn
(1-18)
en el espacio tridimensional,
[ji [jl
m n
[jJ [jJ
;
m n
[jk [jk [jk
I m D
(i,j ,k,l,m,n =1,2,3).
En el espacio bidimensional,
I: i i t'
UI m = J elm =
;
(1-19)
(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 cont r-accton
el producto interno,
f. i l i
2
i N f... . = 8 N ,
J 1 J2 1 N J I J2 1N
jN = iN , obter'ern<.'
(1-21)
siendo,
+
Jr J2 IN-1
2
+ (N) + i
l
i
2
iN_IN
Ojl j2" jN-I
N
'
) ,
y resultando pues (N) deltas de Kronecker generalizadas con dos
lndices libres menos, 0 sea de orden 2N-2.Todos estes slmbolos
tienen los mismos lndices libres, luego su suma puede
tarse por un unico slmbolo con estes mismos lndices y entonces
resulta,
,
I
EJEMPLOS
(1-23)
e
i l k
e
Imk
= e
i
lie + e
i l 2
e + eli 3 e
1m 11m2 1m3
= J\il ,
'1m'
+ J:iJ2
'1m2
+
+ = n (*) ; (i,j ,l,m= 1,2,3).
i
= 0+0+0=0; (i=1,2,3).
Resulta evidente que debemos averiguar las propiedades de
este slmbolo (*), y para ello observemos 10 siguiente:
a) Debido a la antisimetrla de los (N-1) superlndices y
(N-1) 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
slmbolo vale cero. Lo mismo puede decirse respecto a los (N-1)
sublndices.
EJEMPLOS
e
ii k
el mk = = 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 ,i
2
, .. 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)
ros sub1ndices (jl, j2 , ... , j N-l ), supongamos t.ambi en que
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 0 distinto orden, quedando, pues, el va
lor sin ocupar, por 10 que de (1-22),
+ 0.0 i
N
_
1
(R-1)
0JIJ2 jN-l(R-1)
(c)
De todas las N deltas de Kronecker del segundo miembro
10 una que los N super1ndices distintos entre
y N sub1ndices distintos entre s1, y ,
(d)
Las otras (N-1) del tas de Kronecker todas nulas por
var aDs supertndices repetidos (y tambien dos sub1ndices), veamos
ahora el siguiente
EJEMPLO
e 1321 1231 = <5 = + <5 + <5 + <5 = <5lli: =-1
(I =J
I
2,3,4 )
b-2) Que entre los sub1ndices, que son todosdife
rentes, se ocupe el valor R, quedando sin ocupar el valorS,por
ejemplo, siendo R"I s, 10 cual significa que los sub1ndices no
toman 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 habra repetici6n de dos sub1ndi
20
ces y concretamente los R ya que aquf entre los (N-1)pri
meros subfndices estaban todos (incluido R) excepto S. Luego
en este caso el resultado final cero.
EJEMPLO
1321 = {j 13
2
t
1431
1431
(i = 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)
i N-l R
tt:
(e)
N-l =
J 1 J 2 J N-l J 1 J 2 j N-l R
y al substituir en (1-21),
E
Jl J2
. .
IN-l1.
=
8
J 1 J 2

(1-24)
Solo nos resta observar que las deltas de Kronecker del
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
11 1321
1321 1231
= u 1231
= {j m =-1, (i = 1,2,3,4).
k
ii 1mk = {jlin , (i,j,k,l,m= 1,2,3).
e 1241
_ 111241
11124 1
1421 - u 1421 = u 142 =- , (i = 1,2,3,4).
Observemos en el ultimo ejemplo que,
{j = e 1243 1423 = (-1) (+1) = -1 ,
mientras que al suprimir el ultimo fndice (3) repetido arriba
y abajo, queda,
{j = (+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 superindices 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),
=
E .
J 1 J 2 j N-l iN 0 J 1 J 2

OJI

Oj2 OjN-l

Jl
i2
OJ 2 0 j N-l
jN-l = 1,2, .. ,N). (1-25)
;'i
La f6rmula anterior aplicada a un espacio tridimensional,
II
= (i,j,k,l,m= 1,2,3).
c?l
(1-26)
EJEMPLOS
l t j 2 kj = l5l = = c5L - l5L =-l5L
(i,j,k= 1,2,3)
ijk =_ ijk =_ Bilk= _ ,J;il =_ (J;i -l5
i
J;j ).
m
1 k m Imk Imk "bD "I t.m "I
(i,j,k,l,m= 1,2,3)
Si en (1-11) efectuamos las contracciones jN
= 4l, se obtienen deltas de Kronecker qeneralizadas con dos su
superindices y dos subindices menos, 0 sea de orden 2N-4. Por
un razonamiento paralelo al anterior se llega a,
22
i N- 2 RS
= 1 2 i N-2
(f)
j N-2 RS J 1 J 2 ... j N-2
siendo los super!ndices i
1,i 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,
... ,N) en un orden cualquiera, quedando, por ejemplo, los va
lores R y S sin ocupar, y los subindices jl,j2, .. 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 nulas por tener repetidos super!ndi
ces y subindices.
Evidentemente hay un nUmero de deltas generalizadas
les no nulas, siendo este el de permutaciones de dos elementos
(R por 10 que queda justificada la expresi6n (f).
r-
Si se contraen los ultimos (N-r) super!ndices con los
respectivos (N-r) subindices se obtienen (N-r)! deltas de Kro
necker generalizadas con 2N-2(N-r) = 2r indices,
jr
ir+l i =
N
) ' i r
(N
-
r . 0" . (1-27)
JIJ2 J r
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, en
ijk Ijk = 6Bt = (3-1)!61=261 (1-29)
(i,j ,k,l = 1,2,3)
y para N= 3, r = 0, en
ijk ijk = 6Ut = (3-D)! = 6. (1-30)
(ij,k= 1,2,3)
Volviendo al espacio N-dimensional, se pueden contraer,
en una delta de Kronecker generalizada con k superindices 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 s e r ~ el de variaciones de los N-r
valores disponibles para ocupar los k-r puestos, 0 sea,
(N-r)! (N-r)!
vr: =
=
N-r
r (N-i)':' (k-r)]! (N-k)!
por 10 que,
(N-r)!
~ ~ 1 ~ 2 ~ l '
(1-31)
JlhJl'
(N-k) !
Una aplicaci6n de la f6rrnula (1-31) podemos verla alefec
tuar el producto externo de,
mnop =
c5 ij kl
mnpp
(g)
en un espacio de cuatro dirnensiones y contraer sucesivarnente
los indices hasta obtener el producto interno
Para ello, hagarnos en (g), p = 1 Y s e r ~ N= 4, r = 3, k = 4
en (1-31),
*#-3! l:i"k c5 jj kl
-
c5
II
"' k l
- uJ- c5 Ij k
- mnol - 4-4)! mno - mna
Si ahora 0 = k , N= 4, , r = 2, k = 3,
(4-2) !
c5 ij k
c5
i
j =2 c5ii
mnk IUD mn
(4-3)!
Si n = j, N= 4, r = 1, k = 2 ,
c5 ij . (
4
-1)! c5 I - 3 c5 i
rrtJ - (4 - 2 )! m - m
Si rn= i, N= 4, r= 0, k=l
= (4-0)
c5!
I
= 4.
(4-1)
De aqu.1,
= c5
il k
= 2 c5
i
l =2. 3 6
1
=2 3 4 = 24
iJ k 11 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:

urat ,
y como de (1-11) ,
S ijkl
rstu
::
ijkl
ratu
Sabe u
defe
::
abcu
e defg
luego por (1-25) ,
Sij kl Sabcu ij kl S ij kl Sijkl Sabc
ratu defe
:: ( defe
) (abeu
ratu ):: defg
::
defe
1-6. Demostrar para N:: 4 ,

Uratu udefg
de (1-11),
y por (1-27), siendo r:: 1, N:: 4
ij kl iJ kl
Urdu udefg
e defg ) ( aatu
ratu ) :: 6:.ofg
1-7 . Despejar A i de la ecuaci6n, para N:: 3,
B
j k
que debe ser forzosamente
ra que el problema tenga soluci6n, pues cambiando el orden de
los indices libres,
Mul tiplicando ambos miembros de (*) por ljk al sumar res
pesta a los indices i y k Y tener en cuenta (1-29),
B
j k
B
j k
B
j k
iJ"k A 2.!;i A , A 1
ljk i:: ljk , "l i:: ljk I::Tljk
y cambiando el indice libre 1 por i ,
1
Ai:: "2 ijk Bjk.
1-8. Despejar A
j k
de la ecuaci6n,
ijk A jk:: B i
siendo A jk ant Ls rmet r r co (Ajk:: -A ki )
Multiplicandoambos miembros por Um , sumando respecto
al indice mudo i, y teniendo en cuenta (1-26),
ijk i " k I k i
Uo1 Ajk :: B i101 ; (8i Sm". S O1Sl ) A
i k::
B Uo1
25
cambiando losfndices libres 1 por respectivamente,
- 1 B 1
A
Ik- 2 ilk
1-9. Demostrar para N = 3, que,
llilk a
m=
lli (a
l+a2+a3
) -al
lmk j 1 1 2 3 I
Al tener en cuenta (1-26),
Por (1-29),
al = 2 at = 2at =2 ( a] )
si aim es (aim = amI )
If)
De (1-26),
llilk llmlln =2ll
i
Imn I k I
Descomponiendo la delta de Kronecker II en producto de
sfmbolos de permutaci6n (1-11), efectuando las contracciones
pertinentes,
l: ij k l: mll n = ij k ( l: ml: n) _ ij k = l: ii k = 2 II i
Ulmn u
l
k Imn Uj Uk - Ijk Uilk I
II ij k II =4 III
Imn lk I
La delta de Kronecker proviene, al referirse a un es
pacio tridimensional, del producto de los s1mbolos de
ci6n, (1-26)
,
y como,
26
se tiene,
efectuemos los productos internos de los s1mbolos en cada pa
(1-29) ,
8
ii k
8
mn i
Imn ik -
- 28
I
0
28
1
0
' = 48
1
1-14. Desarrollar para N = 3,
8iik a
1mn
Imn
Descomponiendo en deltas generalizadas de segundo or
den, (1-19),

8
i
m
8
i
n
al desarrollar el determinante y efectuar los productos inter
nos se llega a,
1-15. Si
A Ii Xi xi = 0 ( i , j =1, 2 , 3 )
para cualquier valor Xl siendo constantes, demostrar que
este s1mbolo es A
i i
Derivando parcialmente y sucesivamente,
A .. Xi Xi = 0,
1 J
primero respecto a x
r
y respecto a x,
+ ) = 0
A ii ( 8 Xi + Xi 8 ) = o. A Ii

uru. u.u
r

y al efectuar los productos internos,
A
r
+A
sr
=0 ; A rs = -A sr
27
1-16. Demostrar que si ,

li k A
jk
-
-
0
,
(i,j,k =1,2,3),
A
j k
es simetrico.
Mul tiplicando ambos miembros por e imn Y sumar respecto a
los indices mudos i
e ij k e A - 0 8 j k A - 0,'
ilm jk- , 1m jk
y al descomponer en deltas de segundo orden, (1-26),
luego
A jk = A kj
1-'7" AD.JUNTO DE UN ELEMENTO DE UN DETER
MINANTE
Desarro11emos, por filas, un determinante de valor A y
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 1 2 R-1 R+1 N] R
A = c ail ai2 . aia-l aiJt+'l .. ai
N
ai
a [
La parte literal entre corchetes es el "adjunto" del
lemento y entonces,
J.
R
A = AiR (1" R - 1 2 N) (1-33)
R J.R ' R , - , , ,
que representa el desarrollo de un determinante. Dicho desarro
110 se lleva a cabo sumando los productos de los elementos de
la fila por sus adjuntos respectivos que los indi
ces no generan sumas).
Si el desarrollo es por los elementos de la columna 5,
(js'S = 1,2, . ,N). (1-34)
Las relaciones (1-33) y (1-34) pueden expresarse, respes
tivamente,
A = A\r) (r, s = 1,2, , N) i (1-35)
28
(r,s = 1,2, .. ,N). (1-36)
Volvamos para su estudio, a desarrollar el adjunto
elemento de un determinante de orden N,
f i l b ... i
R
... iN a
1.
... .. , (h)
11 12 lR-1 1R+I 1N
que representa la suma de (N-1)! ya que se dispone de
(N-1) sub1ndices (ii' i
2
, .. , i
R-
1 , i
R
+1 , ... , iN) admi tiendo (N-l) va
lores numer i.cos 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 es gobernado per
el s1mbolo de permutaci6n,
fil i2 ... iRi
N
= fil i2 i
R-
1
S iR+1 .. i
N
(L)
(i
l
,i
2,
.. ,i
R_ 1
,i
R+ 1,
,i
N
= 1,2, .. ,5-1,5+1, ... N).
Como el !ndice i
R
tiene el valor fijo y en la posici6n
de orden R,
!ndice
posici6n 1 2 R 5 N
.. "- )
se necesitan 15-RI inversiones 0 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 del determinante principal.
As! pues,
29
1 I I I
a2 a.; . ai a
M
.LR-I" R+I
a2i a.;
2

2
R- I
.LR+I
...................................
R-I R
I 1
a
R
I
- a
2
R - ...... .at 1 a
i
a;;
R-I R+I
R R+ I R+ I R+ I aR+ I
a
1
+
1
a2 . a
i
ai . N
R-I R+ 1
a2
N

aN
J.'
..... aNN
R-I J.R+ I
EJEMPLO
Sea A un determinante de tercer orden y busquemos el ad
junto del elemento : (i
R=
S =3, R= 2)
" \
= (-1)

= - cq -aJ ) .
._- ---
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
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 en funci6n de una delta de Kronecker
generalizada de orden 2N debemos partir de una f6rmula
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,
N A. (1)
1
R
JR
Multiplicando ambos miembros de la anterior por (N-1)!
(N-1)! N!A . (m)
1
R JR
De (k) Y (m) se deduce inmediatamente,
Ai R= (N
1
1) , 8 I 2... R... N a 1a 2 ... a R-t a R+ 1 ... a N. (1- 39)
jR -. JIJ2JRJN 11
12
1R-I1R+l 1N
Obtenido el valor del adjunto, efectuemos el producto interno,
rver (1-38), que sigue siendo al cambiar super1ndices
por sub1ndices y viceversaJ .
jR AiR= 1 fili2 ... iR-tiRiR+1 ... iNrf
. jR . l jl j2 jR-I jRjR+l jN
a I a 2 . a R-I a ,R a R+ I .. a N] =
11 12 1R-l 1R 1R+l 1N
1 c iii 2 ... i R-I i Ri R+ I ... iN f. . . I A =
(N-1 ) ! ell12 ... 1R-I 1R1R+ I ... 1N
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
(N -1 )! (N-1 )! 0 i'R '
que es equivalente a,
(i,u,r = 1,2, ,N)
31
(1-40)
Si u
1ndices,
= r, se tiene, al no efectuar la contracci6nde estos
(1-41)
que es el desarrollo de un determinante por los elementos
la colurnna "r".
Si en (1-41) surnamos respecto al 1ndice E'
de
Af =A8 =NA,
.. ""
a (1-37).
Si en (1- 40 ) u =I r ,
a], Ai = A8 = A. 0 = 0, (1-42)
I
}
que establece:
Si se mul tiplican los elementos de la columna
adjuntos respectivos de los elementos de la columna
la la surna de estos productos.
Una demostraci6n similar nos conducir1a a,
por
E' es
los
nu
(i,u,r = 1,2, . ,N) (1-43 )
EJERCICIOS
1-17. Demostrar que si al es el adjunto
10 es.
Si en (1-39), carnbiamos en ambos miembros, super1ndices
por sub1ndices y viceversa,
A
j R
i R
= 1
(
N 1)
-!
j 1 j 2
0
iii2
j R j Nil i 2 i R- I
a. a ... a
i R iN J 1 j 2 j R- 1
a i R+1
j R+ 1
Debido a la simetr1a del s1mbolo a; , se tiene,
a
i 2

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,
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 sumando
l.R
respecto a los !ndices mudos it e y recordar (1),
Y de aqui se deduce (n) al pasar al segundo miembro.
1-19.
Si en
1'-- ......
Demostrar la f6rmula (1-24) por determinantes.
la expresi6n (1-18) hacemos jN = se tiene,
I 8tl

)1 . 2

)1 )2
8I
1
I
N-I I
I
N-I I
c5
t l
l.N
8:!-2
1-1
I
................. -I ..
-4. i
N,-
I
Ujl-I Uj2",,1
______ 1
8 8 8 1
El determinante resultante de orden 2N,
se por los adjuntos de la columna de
J:i
2
.... V;
"N =1
U;_

oN -I
. . ...... ... . ... .. .
= B
8 t:
puede desarrollar
acuerdo con (1-36),
+
33
i
s: . 1
u
J
.
N

J N-
!:it
U J t J 2 U j N-t
(0)
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 origi-
IN
nal, veamos la relaci6n entre y los diferentes terminos de
,Y)
(0)
. (n
-.
i
El primer al efectuarlascontracciones
con los elementos de la ultima fila, vale,
=(-1) ( N + 1)
=
8it s:i
t
- u J'
J 2 N-t
,
...... ...........
8 tN-t 8 tN-t 8 -IN-t
J t J 2 J N-t
34
ya que,

0 J 1 0 J 1
.. _ -
... ,

o
y para pasar la ultima fila a primera se necesitan (N-2) cam
bios de signo.Efectuada esta operaci6n, el determinante
nido es t!J.,
t!J. 1 = (-1) (2N-l) t!J. =-t!J.
el segundo de (0) al contraer

con los elementos de la ultima fila,
; ; =
1 0JN-l
y efectuar (N-3) carnbios de signo 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 t!J. = N t!J.

Y por 10 que finalmente,
B = (- t!J. - t!J. - t!J.) + N t!J. = t!J. ,

0Jl 0J2 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: es distinto de cero,
A = I at I 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 (adjunto del elemento at),
y al efectuar en el primer miembro la contracci6n de los dos
primeros sfmbolos (1-43),
,...,
Cambiando el fndice libre k por i,
(i,j = 1,2, .. ,N), (1-45)
que es la soluci6n del sistema (1-44).
Observemos que Ai b, es el desarrollo de un dete.nninante B,
deducible del por los elementos de la fila i. El determi
nante tiene las filas 1,2, .. (i-1), (i+1), .. ,N id4nticas a
las del determinante mientras que en la fila i se han
j . j .
tituido los elementos a
j
(a; , a
2
, , por los inde
pendientes b
j
(b, , b
2
, , b )
N
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 en el siste
ma de ecuaciones (1-46), forma desarrollada de (1-44). Enton
ces,
36
a ~ a ~ af
2 N
a ~ a2 a2
T
A =
2 N
a ~ aN .. aN
Transformaremos la ecuaci6n (1-45) de tal suerte que las
r T.
inc6gnitas estn en funci6n de A y A ~ . De la propiedad b) re-
I
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'
A = S
e identica propiedad se puede aplicar a los determinantes for
mados por sus adjuntos,
. T
AI = Ai (q)
i j
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 A
por los elementos de la columna ! substi tuyendo previamente en
dicha linea los elementos ~ ( ~ l ,a:, ... a ~ ) por los trminos
(b
1,b2
independientes ~ , ,b
N
) .
As! la forma desarrollada de (1-47) es pues,
37
a ~ a i .
a ~ a ~ a ~ + l
a ~
..........................................
i-I i+I N
a ~ a ~ . . aN aN . . . . . .. aN
Xi =
a ~
a ~ a ~ a ~
aN
~ a ~
N
(i=1,2, .. ,N). (1-48)
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),
b
j
b
j
a], Xi = - (AI aL) = -
A A
Y al cambiar el 1ndice libre k por i se obtiene (1-44).
A los elementos,
A ~ Adj. aL
at= -- :::
(1-49)
A A
se les llama ad.junro nOJUrlaLi.zad0.6 Su producto interno por a ~
da (1-43),
= c5 i (1-50)
A
38
y de manera similar, su producto interno por a: (1-40),
Ak
a! a!< = al = t) (1-51)
I I I
A
Si el sistema de ecuaciones se presenta bajo la forma,
a! Xi = b
l
(i,j = 1,2, ... ,N) (1-52)
I
y como antes se supone que,
se llega rapidamente al resultado multiplicandoambosmiembros
de (1-52) por At y efectuar la contracci6n con a] (1-40),
a! AI< xi = A!< b! A t)!<x
i
= A!<b
i
x
k
= -!... (Akb
i
)
I I I' I I A I ,
y al cambiar el 1ndice libre por i '
xi = i.. (Ai b
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 x
i
= 0 ; (i,j = 1,2, . ,N) (1-54)
de admitir siempre las soluciones triviales,
x
i
= 0 ; (j=1,2, ... ,N)
puede tener otras distintas de las anteriores si,
Ia: I A = = 0 ; Ai..::f 0 ,
(1-55)
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 = (i=1,2, .. ,N-l, j=1,2, ... ,N)
como i::f N , A t) k= 0, y comparando las ecuaciones anteriores con
39
las (1-54), llegamos a,
xi=Aj
(j=1,2, ... ,N). (1-57)
N '
Las solucines generales son pues, al ser K una constante cual
quiera,
Xi =KAk; (j=1,2, ... ,N). (1-58)
EJERCICIOS
1-20. Dado el sistema lineal y homogeneo,
-e <'J!) Xi = 0; (i,j = 1,2,3) (r)
J J
siendo ej cantidades conocidas, determinar: a} Condici6n de com
patibilidad del sistema. b} Demostrar que si admite dos 50
luciones imaginarias conjugadas, el vector X(X
I
,X
2
,X
3
) t amb i e n
admitir& dos direciones imaginarias conjugadas.
a} Comparando el sistema con (1-54) se obtiene,
a!
J
= elj' - e <'J!
J
cuya condici6n de compatibilidad es de, (1-55),
'l
;'\
; leI -e<'Jtl =0
que en forma desarrollada equivale a una ecuaci6n cubica en
-e
A= -e ei =0 (s)

b} Las raices e
l
, 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 Ii; e2 = E I - FIi; e3' (t)
siendo E
I,
F
I
Y e3 reales e i la unidad imaginaria, y en
1111 2222
este caso las dos direcciones X(X
I
,X
2
,X
3
) Y X(X
I
,X
2
,X
3
) 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 la tercera fila de (s), (i = 3,
40
j=1,2,3),
Xl = = (-1) ( 1 +3)

e

= - -e) )
X2= (-1) (2+3)
e el
= [
(u)
X3 = (_1)(3+3)

ei
e

:=
1
Y si ahora substituimos e por el en (u) obtenemos X y si subs
- 2
ti tuimos e por e
2
obt.enemos X Pero (u ) puede ponerse bajo la
##-',
forma de funciones potenciales de e ,
X
l=
al+ble
X
2
= a2+b2e (v)
X
3= 2
a3+b
3e
+e
siendo al ,a2,a3,b
l
,b
2,
Y b
3
constantes reales
prueba facilmente que si en (v) substituimos e, primero por
el= EI+Fli y luego por e2= EI-Fli se obtienen valores tam
1 2
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.ambaen 10 son si
sus exponentes son iguales.
1-2l. Resolver el sistema de ecuaciones,
1
Ex
= T[ox
- I-l (o, + , ) ]
1
Ey = -[Oy - I-l (ox + Oz ) ]
E
1
E
z
= -[oz - I-l (ox + Oy ) ]
E
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 independientes
1 -I-l -I-l
-I-l 1 E E y
1
41
por 10 que (1-48), la inc6gnita ~ valdr!,
~ x
Ox = -zs:
siendo,
E Ex - 1.1. - /1 o -J.l.
E e, 1 -J.l. =E 1+J.l. -J.l. =
1
1
o -J.l.
E 1+J.l.
o
-J.l.
1.- J.l.
= E (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. 1 1 -J.l.
=
J.l.
1
J.l.
1
o o -J.l.
1+J.l. 1-J.l. 1
1 = _ = (1+J.l.) 2 - J.t+1 1+J.l. -J.l. =
J.l.
-J.l.-J.l.
2
-1-J.l. J.l. 1
- J.t+J.l. -J.l. -1 1
( 1+J.l. ) 2 (1- 2J.l. ) ,
por 10 que,
Ox = = E(l+J.l.) [Ex (1-2J.l.)+JleL = E x + EJ.l.e
.u (1+J.l.)2(1-2J.l.) 1+J.l. (1+/1) (1-2J.l.) ,
42
y por permutaci6n circular se obtienen las otras dos inc6gni
tas,
= ~ + Epe
Oy l+p (l+p) (1-2p)'
= + Epe
Oz l+p (l+p) ( 1-2p)
.. "-..
. j
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
mos definiendo. La matriz ,
a
l
1
1
a
2
1
aN
[ A] = a!
J
=
2
a
2
2
aN
(a)

M M
a
2
aN
consta de M fi1as y N columnas. E1 e1emento a: de 1a
matriz puede ser real 0 imaginario y ocupa 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,
bi ........
[ B] = [ bj ] = (b)
( j N )
En este caso, los elementos,
b I , b , , b: , . , b
forman la cLLa.gonal PJUnupal , mientras que los elementos,
43
44
12 N
bN , b(N-l)' ... ' ... , b ,
I
forman la c:Liagonai .oec.undcvr..ia.
A la matriz de orden (l,N),
[ A ) = [ a!) = [ a] a] ... ,
J

se llama ma.ou.z 6ila y a la de orden (N,l),
= (b] , [ B l-I b\ ] =
(1<j(N)

matJUz c.otumna que, para ahorrar espacio se representa horizon
talmente perc lI e n t r e parentesis" en lugar de "entre
EJEMPLOS
.
1
2 [ 3
4 x y]. b [:
-:]
r
-a
1 a
:]
(f)
3
(c) (d)
(e)
La matriz (c) es cuadrada de orden 2; la (d) es
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] es de orden (M,N) resul ta que el
super!ndice 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 !, as! que,
r = {1,2, ... ,i, ... ,M},
y analogamente, 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 y
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) I ae r , j 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 ,bI , ...
zl de todas las matrices de orden cualquiera. As{ pues, la a
plicaci6n del conjunto IXJ sobre el conjunto se escribe,
[ A]: IXJ-K (i, j ) -
(2-1)
IGUALDAD DE MATRICES. Una matriz [A] = [at] de orden (M,N) es
igual a otra [B] = [bU de orden (M' ,N') si,
M = M' ; N = N' ; a' = b !
j I
N)
(1 J N)
y se expresa,
[A]=[B] (at = b I) ;
(2-2)
o 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 0 columnas por filas se ob
, ')
I
tiene una matriz [ B ] de orden (N ,M) que por definici6n se lla
''\ I
rna transpuesta de [ A] ,
[A]=[aj] =
(1 i M)

donde,
ai,
J
=
,
1 1 1 1
a , a2 al .. aN
ai
................
[ B ] =[ bl] = [ ,
[B]=[bp=
b1 bI ... bk
bi bi .... bi.
b] .... ...
bI'" bf . br ....
y el s1mbolo empleado para representar la matriz
[B] de [A] [A]ly por 10 tanto,
[ A] = [at] ; [ A]T = [a!]
transpuesta
(2-3 )
EJEMPLOS
1. Calcular x e y para las dos matrices columna [A] y
[B] sean iguales,
46
[A] = (x+y 2); [B] = (1 x-y); [A] = [B].
Por (2-2), resulta el sistema de ecuaciones, de solucio
nes inmediatas,
x+y=l x = 3/2
x-y=2 Y = -1/2
2. Las transpuestas de,
[ B ] =[ x sen x y] ,
son respectivamente,
[A]T= [a b cJ ; [BJT= (x senx y).
d e f
MATRIZ SIMETRICA. Una matriz es si [A]T =[ A]. Si
el orden de [A] es (M, N) el de [A]T ser! (N ,M), Y la igualdad
de estas matrices exige M= N, 0 sea, la simetrfa s6lo se
de producir en las matices cuadradas. De (2-3),
; [A]T = [ a! ] ; [A] = [A] T; a
t - al (2-4 )
[A]=[at]
I
j - t
MATRIZ OPUESTA. La matriz [A] = [ at] tiene por opuesta a la
[-at] siendo esta ultima del mismo orden y se representa por
- [ A ]
MATRIZ ANTISlMETRICA. Una matriz [A] tal que [ A ] = -[ AJT se
rna La matriz [A] debe ser cuadrada ysuselemen
tos deben cumplir,
[ A ] = [ at] i - [A]T=[ - all at = - a] (2-S)
De (2-S) deducimos que los elementos de la principal,
0
(2-6 )
MATRIZ NULA. 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 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.
- -
47
MATRIZ CONJUGADA. Si [A] e s compleja, la matriz [A ]=[ ail] for
mada por los elementos conjugados de los de [A] se Ie llama
conjugada de [A] , siendo a
i j
= 0ij + l3
i j
i Y a
i j
= cS
i j
- (3ij i
-
MATRIZ HERMITICA. Una matriz cuadrada [A] =[ at] 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 de orden 3 y matriz cuadrada
ca de orden 4.
0 Wi W2 W3 Oil 012 013
Cj -Wi 0 W4 -Ws 012 022 023
" -v-,

-W2 -W4 0
-w 3 W 5 -W6
013 023 033
b) Matrices complejas conjugadas entre
herm1tica de orden 3.
l+i i 3 1-i -i 3
'.
2 -i 1 2 i 1
i 1-i 1 -i l+i 1
W6
0
s1 de orden 3. Matriz
1 l+i 1
1-i 0 -i
1 i 0
MATRICES TRIANGULARES. Toda matriz cuadrada [ A ]=[ aJ ] de orden
N es triangular inferior si para i>j at = o. La matriz [A] =
[ at] sera triangular superior si para i<j => at = o.
MATRIZ DIAGONAL. 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. Si en una matriz escalar hacemos k = 1, obte
nemos [IN] = [5f], siendo N el orden de la matriz. Si este or
den se sobrentiende, la matriz unidad se representa
te por [I].
EJEMPLOS
4a. Matriz triangular superior y matriz triangular infe
rior, ambas de orden N.
48
al .... ah
o
o O
al 0 ..... 0
at 0
....
4b. Matriz diagonal. Matriz escalar. Matriz unidad; las
tres de orden N,
a] 0 0 k O 0 1 0 .... 0
o .... 0 Ok 0 o 1. .... 0
o 0 aN o 0 k 00. . . . . 1
2-2. OPERACIONES CON MATRICES.
SUMA ALGEBRAICA DE 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 de la cual se deduce,
[CI=[AI [BI =>ci = af bt
(2-7 )
MULTIPLICACION DE UNA MATRIZ POR UN ESCALAR. Si [ A I =[at I, y k
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= orden (N,P) es la
orden (M,N) cuyos elementos se obtienen,
[ C 1=[ A][ BI => c], = at bl . (2-9 )
As1 pues, al multiplicar ordenadamente cada elemento de la fi
la i (de [AI) por cada elemento de la columna k (de [B I) y
sumar los productos obtenidos formamos el elemento cL de la
matriz producto ( [C I ). Esta forma de nultiplicar s610 es po
sible si el ntimero 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 Si las
dos matrices son cuadradas y del mismo orden, quedan defini
dos los productos [A] [BI y [B][ A] , que en general, dar an como
resultado matrices diferentes.Sin embargo si se cumple,
49
[ A ][ B I =[ B ][ A I,
se dice que [A I y [B I c.onmutan
ll
0 son peJl.mutab.te..6
I1
Es evi II II
dente que cualquier matriz cuadrada es permutable consigo mis
rna, y con la matriz unitaria [I I del mismo orden,
[ A I=[ a] I ; [ I I=[ b ~ I; [ B I=[ A ][ II b ~ = a] b ~ = aL ;
[ c I=[ I ][ A I ~ c], = st ~ = 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 0
tra matriz con las siguientes propiedadas:
([ A I+[ B I) + t c I=[ A I + ([ B I+[ c I) (Asociativa de la suma)
\'
[ A I+[ B I=[ B I+[ A I. (Conmutativa de la suma)
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 0 sea todas ellas son del mismo orden (M, N)
Y pueden considerarse pertenecientes a un mismo conjunto so
bre un cuerpo K. Sea k , ,k
2
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)
(kr +k2 )[ Al =kl [A I+k2 [A I. (Ley distributiva para la adLci.Sn de
escalares)
k i (I A ]+[ B I) =kl [A ]+kl [ B I. (Ley distributiva para la addc i.on de
matrices)
c) La multiplicaci6n de matrices satisface las siguientes
propiedades:
c-l) {[ A ][ B I)[ c I=[ A I {[ B ][ c ]) =[ A ][ B ][ c I, (Ley asociativa)
ya que si,
[ A I=[ at I ,[ B I=[ b ~ I ,[ c I=[ ct I, se tendrA,
50
([ A ] [B] ) [ e ] = ( [at] [ hi.]) [cr] = ([ at bt.]) [cr] = [at bt. c]' ] =
[ at (bLcr )] = [at ] [ bLcr ] = [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] , orden (N,P) por [e] , orden (P,Q) ser& una matriz de or
den (M,Q).
c-2. [A] ( [B] + I c l ) = [A][ B] + [A][ c i .
(Ley distributiva de la mul.ti.p.Hoac i.Sn a iz
quierda con respecto a la adicion).
Hagamos [A] = [a}] , [B] =[ [e] = [cL] y entonces,
[ A] ( [B] + t c I = [at] ([ hi. ] + [cL]) =
[ at ] ( [ (hi. +cL)] = [at (bL +cL )] = [ (at bL ) ] + [ (al ] =
[ a} bL] + [at cL] = [at] [ bL] + [af] [ cL] = [A][ B] +
[Aue]
An&logamente se demuestra,
( [B] + l c l ) [A] = [B][ A] + I c ll A].
( Ley distributiva de la muLt.LpLi.cacLdn a
derecha con respecto a la adicion.
d) 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 l- .(n!. [A] = ( [A] ) n (2-10)
e) La operaci6n de transposici6n goza de las siguientes
propiedades :
[A] T)T = [A], (2-11)
ya que si [A] = [a}] , se tiene inmediatamente por (2-3),
( [A] T)T = ( [a}] T)T= ( Cal ])T= [an
T=
[a}]= [A].
( [A] + [B] ) T =[ A ] T + [B:rr (2-12 )
En efecto si [A] = [al] y [B] = [b}]
( [A] + [B] ) T = ( La] ] + [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 ] [ bl.] )T= (I (at bit )] )T= [at bl. ] T= [at b1 ] =
[ bl at] = [bl ] [ ar] = [bl ]T [ ] T= [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] + [A]T= [B)
[ X] = [B] - [A] 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 = a] 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 ].
2-2b. Poner 1a expresi6n yL = a] bl c] bajo 1a forma de pr 2
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 ] [ bl] l v l = [C]T [ A] [B].
Se observa que = yL [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!, sUbstituyendo
simb61icamente las matrices por sus 6rdenes, ser stos,
[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 [A] = [at] por
[B] = [bt] siendo [X] = [xl] resu1tado de dicha operaci6n:
1). at . El s1mbolo resu1tante, 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 Consideremos
dos casas:
52
la}. El i como superindice y como suindice,
=atbl. = l x l = [A][B]
Ib}. El indice libre i como subindice y k como superindf
ce:
xr = (a] bl ) [xl' ] = T [ ai ] T = [B]T[ A]T
Evidentemente si = [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] bit) se ha
to para significar que los indices no colocados momenta
neamente en la posici6n pedida.

'-)
2}
2a}. = bf = ] [ aL ] = [B][ A]
2 b l , x.
k
= ) [xl'] = T[ 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 ] = [af] [ hi.] T = [A][ B ]T
3b}. x.
k
= (ai br ) [ xr ] = [br] [ al ] T = [B][ A ] T
Consecuentemente,
( [A][ B ]T) T = [ B ll A ]T
4}. at .
4a} = (at ) [ x], ] = [al] T[ ] =[ A ]T[ B] .
4b} X
k
i -
(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
i a
k
b
i
am
al p m n
Como dicho elemento tiene dos indices libres ) ,hay
tambien dos formas de dar el resultado:
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
de orden N, [A][S][A]T es una matriz s!
(antisim6trica) siendo [A] una matriz de (Y,N).
a) sr [5] es [S] "" [sl] = [at] y [A] == [at] ,
[ B ] :;: [A][ S ][ A]T :;: [a1] [ [ at] T = [at sLaL] ,
siendo e1 e1emento genArico de [B] ,
bl = (at sL )
(g)
Intercambiando los indices libres ! y !,
bf = (al sLaL) = sLal)
Intercambiando los indices mudos 1 y !, y como Si= sr,
o
bf = (at aL) :;: (at sL ) (h)
Comparando (g) con (h),
bl :;: bl [B] :;: [B] T ([ B) es
b) 5i [5] es [8] = [sJ]::a- [si] y como an
tes se llega a (g),
hi = (at sLaL )
(i)
Intercambiando ! y !, 1 y k, Y como sL :;:- st
bf = (at st aL ) :;: - (at sL )
(j)
Comparando (i) con (j) ,
bf :;: -bl [B] :;: - [ B ]T <I B] es
2-5. Demostrar que toda matriz cuadrada [A] :;: [AI] se
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] = [X]+[ Y ] ~ [ al] = [xl] +[YJ ] , (k)
Y cambiando entre s1 los indices libres i Y i,
[al] = [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) se obtiene
las soluciones unicas,
[ X ] = ~ ([ A ]+[ A ]T ) ; [ Y ] = ~ ([ 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 ~ , y aprovechando
la simetr1a de [A] y [B],
[ c]"] = [at hi] = [aL bJ] = [bl aL]
Como [C] = [B UA ] ~ [ cl l = [bf] [ aL], se tiene finalmente,
[ cr] = [bf 1[ aL] = [cL] ~ [C] = [C]T ([ C ]
sim'trica) .
' bJ
2-7. Calcular aYE para que la matriz
a
[A] = b a sea
[
idempotente.
Una matriz es idempotente si [A]2= [A], por 10 que,
:J [:
:J
La igualdad de matrices exige,
a
2
+ b
2
= a a = 1/2
2ab =b b = 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 = . 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) ,
at
a
2
1

a
2
2
2
""
a
3
1
a
4
1
as
1
a
3
2
a
4
2
as
2

a
2
3
al
a
2
4
a
3
3
a
4
3
as
3
a
3
4
a
4
4
a1
b
l
1
bl bl
b
l
4
bi
b
2
,

4
b
3
1
b
3
2
b
3
3

b
4
1
b
4
2
b
4
3
b
4
4
=
c
1
1
c
2
1
c1
c
2
c
2
c
2
1 2 3
c
3
c
3
c
3
I 2 3
0
4
c
4
c
4
I 2 3
C
S
C
S
C
S
I 2 3
cuyo elemento es,
cL = at
,
.
(k, j =1,2,3,4; i= 1,2,3,4,5).
Por ejemplo, para i =2, k = 3, se obtendr! c
3
1
,
.,'_-.,
c
1
:;; a
1
b
1
+ at b
2
+ at b
3
+ a
1
b
4
3 1 3 2 3 33 43
Vamos a subdividir las,matrices [A] y [B] en
c1
c
2
4
, (n)

c
4
4
c1

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 = 2+2 Y
las filas de [B] en 4 = 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,
Lcl J
[ [AI I
[All J [ (al I
[all]= [ [ellJ
, (2-14)
[At J [AU [Bf] [ BU [d) [d J
siendo,
[
al
[
a!
a! J alJ . .
[A: J = [AU = ' ... ,
ai aa
[ J = ) ,
cwnpliendose,
[ cl l = [A:] [ Bl ] -I A! ] [ Bi ] ; ; = [Ai J[ 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 [ [2,3] [2,lJJ=[ [2,3] [2,1]J
,
[
[3,2] [3,2] [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 por ejemplo,se
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 = 2+3 Y la de columnas
de [B J, 4 = 3+1.
Demostremos (2-15) con una distribuci6n de bloques (2-14)
en el caso 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
I

I
S
-
a
!
'

+
1

a
l
:

+
1
p
+

1
-

N

.
.
.
.
.
.
.
.
.

+
1

.
.
.
.
.
.
.
.

b
f
A
'
+
1

b
i

+
1

i

+
1

l
I
!

+
1

.

.

b
p
'

.
.
.
.
.
.
.
.

b
t
,

+
1

b
i
J
,
l
'
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

b
k
,
+
J
1

.
.
.
.
.
.
.
.
.
.

+
1

0

0

0
b
l
l
\

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

b

P
+
1

I
J
'

.
.
.
.
.
.
.

+
1

.
.
b
:
,

=

m
'

J
I
l
'
a

p
+
1
0

0

0

0
a
N

-
-
=

r
-
I
'
+
1

l
'
+
1
C
A
"
+
1
o

0
o
C

I
J

,

.
.
.
.
.
.
.
.
.

m
'

m
'
C

+
1
0
0

.
c
I
J
'

-
(
2
-
1
6
)

t
i
l

-
.,j

t
-
a
l
'

+
\

a
!
'

+
1
a
r
+
\

0
0
0
a
r
+
1

a
l
'
+
;
\

0
0
0

+
1

.
.
.
.

.
.
.
.

i

+
1

0
0
0

j

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.

r
a
'

m
'
m
'

a
D
l
'
a
m
'

".
.
.

.
a
r
t

.
.
.
.
.
.
.
.

a
l

+
1
0
0
0
0
a
m
a
i

+
1
'

0
0
0

j
I

'
-
58
de forma arbitraria separando las columnas 1,2, .. ,i; i+1,
i+2, ... ,j i i 1+1,1+2, ... ,m; ... i p+1,p+2, ... ,N (los; indican
las particiones correspondientes) .
En forma analoga, de la totalidad de columnas de [BJ 1,2#
" , ,\' , , 1
,L i L+1, ,Ki ;1\+1, . ,/li ; 11'+ , ... ,P, se escogen las
comprendidas entre A+1 Y /l', ambas inclusive Y se subdivide la
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) = [A][ B) solo se ha escogido el
bloque que abarca de la fila a 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 es un elemento cualquiera de este
bloque,
7<"
C
'Y
a
-
- aa
(J
b
'Y'
ll

W=1,2, ,N) , (0)
siendo a el ordinal de la fila que debe estar comprendido,
1
1
+1, a, m',
y 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 pro
ducto [C]. Pero,
L a3 = L a3 + L a3 +..
(P=1,2, ,N) (P=1,2, ,i) (p=i+1,i+2, . ,j) ..
. . . + L a3 + . + L a3 ,
(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 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) y (p),
=
l' l' l' +1.,;;a< m'
A'+1.,;; 'Y Ji.' A' +1.,;;'Y";;Ji.' A' +1.,;; 'Y";; Ji.
.. ,i = i+1,i+2, . ,j
aa b/3
+. +
/3 'Y
l' +1";;a.,;;m' l' m'
AI +1.,;; 'Y Ji.' +1.,;;'Y";; Ji.'
= 1+1,1+2, . ,m = p+1 , p+ 2, .N
y en forma matrieia1,
1 i
eA'
1'+1
+1 ....ell'
1'+1 ]
[a
i ' +1 al' +J
....
.. ........ =
... ... ... . +

[
em'
a
1
m>
i
em'

am'
A'+l JJ'
ai +1 ....aj al +1 ....am At+l JJ.'
1'+1 1'+1]
[b
i +1 b! +1] 1'+1 1'+1]
.......... . .. . . +.. + ..... ..... .
[ m' am'
[
.... a:' a
i
+1 .... j
> bt,
ai ' p+l +1 ai' N +1]
+.. +
. .........
[
a
m ' ani'
p+l N
que da 1a ley del produeto de b10ques. Vo1viendo a1 produeto
matrieia1 (2-16), si las matriees han quedado divididas en
ques, pueden representarse en forma a 10 ya vis
to en (2-14),0 sea,
a
i
+1 ....a j
+1 ....-r +1]
....
I' +1 I'tJ
[ Ai] = .
i = i :
; [ =
m' m'
i a
j
a
1
m '

am'
a] + 1
b A'+1....bll ,
[
bi,t } .. :1]
[ B:J = .
[
bt'+l
. . ....... . .... . .... . .
60
b
1+ 1 1-1+ 1
1'+ 1 1'+ 1
A'+ 1 U-Jl' a
1
+ 1 am
= =
a
m' am'
1+ 1 m
----------_.-: . . ...."-; .. ........ . ... ... ................. .........
= :: 1J = ' [Bf]
a
m' am' b
N
b
N
p+ 1 N 1 Il'
siendo el ordinal de fila de los bloques genericos de [A] ,
P el ordinal de columna de los bloques de [B] Y n el
n1imero de bloques de la franja horizontal de [A] Yque
es igual al n1imero de bloques de cada franja vertical generi
ca de [B]. Finalmente,
. c
q,+
1'+ 1
1 Cll'
1'+J
= .
m" m"
[
C
CA'+1"
Il
'
Al substituir todosestos valores en (2-17),
o en forma compacta,
(a =1,2, ... ,51) , (2-18)
con 10 que queda demostrada la ley del producto de matrices
por bloques en notaci6n indicial. As! pues, se obtiene un
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
0 2
1 0
4 1
-1

-1 0 5
2
= -2 -2 1
-1
0 1 1

0
=
[1 -2J+[ -1
[-2
2 -4 2 0 -4
[0 [-1 0]
1 -6 + 0 0

[0 -2] [-3 0]
4 -2

-4 4
[-1 -1] [-1 4]
1 -2 21

-6
MATRICES DE BLOQUES DIAGONALES.
61
[ +
=

+
=
0 -2
4 -4
-1 -1
1 -6
-3
-2
0
4
-1
-2
4
21
-3
6
6
0
Una matriz [A] formada por
ques cuadrados [A{], , , [ colocados como elemen
"
\ C tos diagonales y con matrices nulas como relleno de la propia
matriz [A] se denomina ma.:tJUz dia.gon.a..l. en bloqu.e-6. La matriz,
[A] =
2
1
0
0
0
3
2
0
0
0
0
0
5
1
0
0
0
4
0
-1
0
0
3
2
1
L"'-,
<,
:4
[ t xur Oil]
[of] [An
siendo,
[AD =

,
0
0

4
0
0
n
=
G
.
0 0
0 0
=
0

nu
4

-1

[ ] =

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 = 0
x + 2y = 3 u + 2w = -1
-v + w= 2
que en notaci6n matricial adquieren la forma,
5 4 3 u 0
=
-1 1 0 2 v

=
0 -1 1 2 w
Podemos, por 10 ya dicho, resumir las dos ecuaciones ma
triciales en una sola,
2 3 0 0 0 x 1
1 2 0 0 0 3
Y
0
0 0 1 0 2
0 0 5 4 3 u =
-1 v
c
.,-, 2 0 0 0 -1 1 w
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.
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 0 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, y si
I at It-O, [at] es singular.
Si [A] = [at"], [B] = [b;] y [C] =[ c] I, y [C] = [A][ B ]
cL = at ,
Se tiene, por la ley de multiplicaci6n de determinantes (1-9),
a la de matrices,
Ici = 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
2 2
-n
[C I =
0

1
1 1
1 0 -1 2 1 1
[e ] = 1 2 -2 -1 2 0 =
"'\
l
4 1 3 1 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, Y regu
lar ( I af I 'I 0 ), se puede hallar otra matriz [X] =[ xf]
cuadrada de orden N y regular tal que,
[A][X] =[X][A] =[r]. (s)
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 Adi al
x] = at = iAr= iA I I at al = , (t.)
y al efectuar los productos (s),
[A ll X ] = [af] l xj l = l aj l = [cS tJ <l r l ,
y (1-51),
[ X ll A] = [xt] [ al] =[ af ] [ al] =[ at all =[ cS tJ =[ r j
A la matriz [X] sele llama ma;tJUz inve.Ma. y se representa "por
[A r: , de manera que (s) pasa a ser,
64
[AHA]-I= [A]-I[A] = [I]. (2-19)
CALCULO DE LA MATRIZ INVERSA.
De (t) ,
_ AdJ". aJI: 1
[ a! ] T
[ X] = [ A r ' =
[at] - [ IAI J = Adj. [ ~ l , J=
Adj.
~ =
IAI
[ A]T
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,
1 0 -1 1 2 0
r
, ~
[ A] = 2 3 -1
[ A]T
= 0 3 1 I AI = 2;
0 1 1 -1 -1 1
1
I - ~
1
- I - ~
~ I
I - ~ - ~ I
Adj. [A]T =
= 1
1
-1 [ - ~
-1
-n
I - ~
~ I
+1
~ I
- I - ~ - ~ I
-1
+1
2
~ 1
-I
1
~ I
+ I ~
~ 1
"J
C,)
3 0
4 -1 3 2 -1/2 3/2
[A]-I=....L
-2 1 -1 -1 1/2 -1/2 =
2
2 -1 3 1 -1/2 3/2
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] por su adjunta
Adj. [A] = Adj. [at] = [Ai], obtenemos, (1-40),
[ A] Adj. [A] = [at ] [ Aft] = [at Ai.] = [I A I l] = I A I[ I ]
IAI 0 0
o IAI ... o
[ A] Ad j. [A] = ( 2- 21 )
o 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),
I
[
A ]-1 I= 1 (2-23)
IAI\[Arll = 1
IAi '
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= fl= [B] (2-24)
OPERACIONES CON MATRICES INVERSAS. 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] = =[1],
y premultiplicar sucesivamente por [A]-I y [B]-l ambos miem
bros,
[ A l" 1[ A]) [B][ X] = [A r 1[1] [B ll X] =[ A l" 1 ;
[Br1[B][X] [X] =[B]-I[Ar
l,
y por 10 tanto,
([ A ][ B ]) -1 =[ B r 1 [ A r 1 ,
(2-25 )
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 ] = a] (u)
Multiplicando ambos miembros de (u) por y efectuando las con
66
tracciones oportunas (t),
Volviendo a multiplicar ambos miembros de la anterior prf
mere por ar y luego por las contracciones apro
piadas,
y pasando a forma matricial ,
[1Tr] = [P ]-1= [B(I[A]-I ([A][B])-I = [Brl[A]-I.
En segundo lugar analicemos ([A]-I )T, Y veamos si las 0
peraciones ILe.up'Wc.a tj tJz.a.n6PUe6ta. son conmutativas. Partiremos de,
[ A] = [a! ], [A r: =[ a! ]-I = l c] l y entonces,
J J
([ A ] -I ) T= (I at ] -I ) T= (I at] ) T= [a1] T= [at ] = [ai] -I =
(l a! ]T)-I = ([A]Tfl
J
(] A ] - 1 ) T = ([ A ]T ) - 1 ,
(2-26)
que establece la conmutatividad de las operaciones menciona

, )
das ,
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 [X]T. = [A] - I [ B JT
(I X ]T ) T = ([ A ] - I [ B ]T ) T [X] = ([ B ]T ) T ([ A ] -I ) T
[X] = [B]([A]T)-I.
2-12. Hallar la inversa de una matriz diagonal.
Se llama ma:tJUz cUagona..t la que tiene todos los elementos
nulos excepto los que ocupan los puestos diagonales,
a, O 0
o
[A] =
...........
o O d
N
siendo su elemento
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 el valor que
rresponda a la contracci6n de estos sfmbolos con el mismo va
lor del fndice. As! por ej emplo, d(j) (a] DL) = d(k) . Si [at ]
es la matriz inver sa de [A]=[al], se tiene,
------_. _._-----._----
i
o
. . d (i l::i) l:: i _ ak d(k) = Dlk
c] at. aJ oL = (j) aiUk = Uk
1
= ,

Y al pasar a matrices,
"1
.,
[ at ] = [A I" 1 =
1/d
1
o
0 ... 0
.. 0
MATRIZ ORTOGONAL. Si,
'.j
[ AHA]T = [ I] [ A]T = [ A]
-1
, (2-27)
o sea, cuando el producto de una matriz por su transpuesta es
la matriz unidad 0 bien si su transpuesta es igual a su inver
sa, la matriz [A] es o4togonai..
tra
De la igualdad matricial [ A] [AlT = [I], podemos
igualdad perc ahora con determinantes,
pasar a 0
IAIIAIT = 1,
y como el det e rrrunarrt e transpuesto tiene el mismo
original (1-8), se tiene,
valor que el
IAI
2
= 1 => IAI = 1, (2-28)
y
a
por tanto
l.
el determinante de una matriz ortogonal es igual
De [A]T = [A)-I, al transponer ambos miembros,
[A]T)T = ([Al -l)T => [A]
[A ]-l([A [Ar
l
= {[A] -l)T => [A]-l [A]
([A]-l)T = [I] ,
=
estableciendo esta 61tima igualdad que
ortogonal tambien es ortogonal.
la inversa de una matriz
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. Si [A] = [al + at i]
Y [B] = son matrices complejas, sus conjugadas
jas respectivas quedan definidas como,
[A] = - at i] ;
Demostremos las siguientes propiedades relativas a las rna
trices conjugadas:
a). [A]+[B f= [A)+[ sr. (2-28)
[A]+[B] = [at + at i] + [1:4 + i]=[ (al +bt )+(at )i] =
[(at + bt )-(at + [(at - at i)+(bf - fit L) ] =
[at - at i] + [hi - t i ) = ['A] + [B].
b). [A][B] = [AUB]. (2-29)
:::;:
[A][B] = [ at + at i] [ bit + i ]
[ (at + at i) + i)] =
:::;:
(at hi.
- at ) + (at + at ) i ]
(at bL - at L) - (at
at b], ) i ] =
[ a!
(bL - i)-
a! (
-

J J
[ (a] - at i) - i) ] = [ a!
J
-
a: ill
- 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] + = ext - = l a] - ati ]-1=
]
- 1 [-A)-I.
[
at + at
i
=
Si [A] es una matriz compleja, entonces a [A] y [A]T se
69
i
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 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 r 1[ A ]- 1= [ B ]T [ A]T => ([ A ][ B ]) - 1= ([ A ][ B ])
y por (2-29),
b). Si [A]es unitaria, su reclproca [B]= es
unitaria. De [A]T==[Ar1y [A]= [Br
1,
[ A]T = [B] => [ 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 f = [ I ), a la matriz [A) se le llama -involuti..
va. Demostrar que si una matriz [A) es y ortogonal
t.ambi.en es involutiva y que, en general, si se cumplen dos de
las propiedades anteriores, se cumple la tercera .
.--- _.. --
a). Si [A) es y ortogonal,
[A)=[A)T l => [A)=[Ar
1
=> [Aj2=(I).
[ A r 1=[ A)T
b). Si [A) es e involutiva,
[ A) = [ A )T
[A)=[Ar
1
c). Si [A) es ortogonal e involutiva,
70
[ A ] - I = [A]T t
[A]T= [A].
[A]-I= [A]
2-14. Si [H] es una matriz herm!tica y [A] una matriz del
mismo orden que [H], demostrar que [J] = l A ]T[ H ][ A ] es t.ambi en
herm!tica.
[
-H ]T It
Como [ H ] = por ser
[ J] = [A]T [ H ][ A] [J ] = [A]T [H]T [ A ], (v)
y al pasar a matriz conjugada en ambos miembros y tener prese!!
te (2-28) y (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.
Transponiendo finalmente ambos miembros y recordar (2-13),
([ J ])T= ([ A ]T[ H ]T[ A ]) T [J]T= [A]T ([ H ]T) T ([ A ]T)T
[ J ]T= 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 = l r- l.
Demostrar que si [A] es idempotente, [B] = [I] - [A] tambien
10 es, y [A][ B] = [B][ A] = [0].
Multiplicando [B] por si misma,
[ B ]2= ([ I f-I A ]) 2= [I F- [1][ A] - [A][ I] + [A]2
[ B ]2;: [I] - [A] - [A] + [A F= [I] - 2[ A] + [A F .
Pero si [A] es idempotente, [Af= [A], Y entonces, [B]2=
[ I] - 2[ A] + [A] = [I] - [A] [B F= [B].

[ A ][ B] = [A] ([ I] - [A]) = [A] [AF= 0,
[ B ][ A] = ([ I ] - [A]) [A] = [A] - [A F= O.
2-16. Si [p] es una matriz idempotente, demostrar que [A]
es involuntiva en [A] = 2[P] - [I].
[ A F= ( 2[ p] - [I]) 2= 4[ P ]2+ [1]2 - 2[ P ][ I ] - 2[ I ][ P ] =
4 [ P ]2 + [I] - 2[ p] - 2 [ P ],
71
y como
[p]2= [p],
se tiene finalmente,
(w)
[AP=
4[ p ]
-
4[ p] + [ I] => [AP= [I].
A
1 0
n
2-17. Demostrar que 0
A
1
=
0 0
A
o o
Siguiendo el metodo de inducci6n y comprobando que la i
dentidad se cumple para n = 1, veamos que sucede cuando el ex
ponente es n + 1.
Si [AI = : ~ ~ J
[ ~ ~ ~ J G ~ J =
An nA
n- 1
-'-n (n-l)A
n- 2
2
A 1 0
0
AD
nA
D- 1
0 A 1
=
).
0 0
An
0 0
A
1 n-I
n(n-l)A
2
o
=
A
n
+
1
o o
A
n+ 1
(n+l)A(D+l) -1 + (n+l) [(n+l)-l] A(n+l)-2
(n+l)A(n+l)-1
o
An+1
o o
volviendose a obtener la misma expresi6n del segundo miembro
de (w) perc substi tuyendo !2 por n+l, por 10 que si la igual
dad se cumple para el exponente !2, se cumple para n + 1. Como
(w) se cumple por n = 1, 10 h a r ~ para n = 2, n = 3, etc. y por 10
tanto para cualquier valor entero y positivos de n.
2-18. Una matriz [A] es nilpote.n.te. de !ndice p, si [A ] P =
[O],siendo p el menor nllmero entero y positivo para el cual [A ]P=
[0]. Demostrar que si [A] es una matriz nilpotente de !ndice 3,
[ A ] ([ A] + [I ])n = [A 1 + n [ A ]2, s iendo !2 un n11mero entero y po
72
sitivo cualquiera.
Desarrollando por el binomio de Newton,
l A] ([ A l-I I ] )n = [A] [ I ]n+ [ I ]n- 1 [ A ]+ ( [ I ]n- 2 [ A ]2 + +
( [ A]n =[ 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. Como ya sabemos,
[ A]O =[ I] ; [A]I =[ A] ; [A F =[ A][ A] ; . ,
y en el caso de potencias enteras y negativas, siendo [A] una
matriz cuadrada y regular,
(2-33)
Asimismo,
[ A]r [ A]8 =[ Af+ 8 , (2-34)
([ A]r )8 = [A f8 (2-35)
para valores enteros de y (sean estos positivos,
nulos 0 negativos). Estas f6rmulas fundamentadas en la
propia conmutatividad de las potencias de una matriz.Por
plo,
[ Af [ A ]8 = ([ A][ A] . <:>. [ A]) ([ A][ A l , <:>. [ A ]) = [ A ][ A ] A] =
[ A f+8 = ([ A ][ A I, [ A ]) ([ A ][ A l, <:>. [ A ]) =[ A ]S [ A r ,
2-4.. POLINOMIO CARACTERISTICO V 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
5. Si [A] =[2 1J, l()(X) =X
3_
2X
2+X-3,
1/1 (X) =
X
2-X_2,
Lo -1
determinemos l()([A]), 1/I([A]), l()([Ol),1/I([1]):
Como
[ A ]3 -
[: -:r [: :l
[
2 1J3 [8 3J
o -1 0 -1
=[2 1J3 [2 1J2 [2 1J- 3[1 OJ [-0
1
2J
1/1 ([ A ])
luego [A] es
l()([O])
1/1([1])=
1 0 1
POLINOMIO CARACTERISTICO. Partiremos de
arbitraria, regular 0 no, de orden
[A] =
at" al1
Se define como maVUz c.aJz.ac.:teJLfJ.,uc.a [L(X)]
o -1 -2 0-1 + 0-1 0 1 = -7
[
2 1]2 [2 1J [1 OJ [0 OJ
= 0-lJ - 0-1 -2 0 1 = 0 0
una raiz de 1/I(X).
=[00
13_
2[00
12+[00]_3[10J=[-30J
o oj 0 oj 0 0 0 1 0-3
[
10J2 [1
0]_2 [1 0]= [-20]
01- 0
0 -2
[ L ( X)] = X[ 1] - [A] =
X- a] - ak
- a 1 x- ...
-
_ aN
2
'\ _
I\.
aN
N
X 0 0
OX ... 0
o 0 X
una matriz cuadrada
de la matriz [A] a,
al
ai
1 1
a 2 aN
2 2
a 2 aN
=
(2-36)
siendo X una variable independiente.
Se llama al determiante de la matriz anterior detvwunan:te
,
74 - a} - a2
1
- aN
1
- a] - -
(2-37) I L Od I =I x[I ] - [A]I =
Si desarrollamos este determiante, obtendremos,
ordenar, un polinomio en de grade llamado polinomio canacxe
wtic..o que como maxamo cont.endra (N + 1) sumandos,
(x)
siendo 1, CN-l Cl' Co los coeficientes del polinomio. 4 '
Observense que el coeficiente del de mayor grade es la
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... _ a:) (- a: - ai ... _ ..
el coeficiente en
CN-l = -(a} + + . +
que es la traza cambiada de signo, ya que ningun otro
en obtenerse como resultado de multiplicar elementos
que no sean todos ellos de la diagonal principal. Por ejemplo,
si en a l.qtin otro del desarrollo interviene el elemento
( - a i) no podr a haber en dicho producto ni a} ) , elemento de
la misma columna, ni ), elemento de la misma fila, por
10 que, como un termino en otro coeficiente
notable es el independiente co,
-a} -a!
-ai .....
- a
2
N

= ( - 1)
N
a} a! ...
ai ...
N
=(-1) I A I
N aN
a
2
N
Mientras la matriz [A] puede ser 0 no singular, su matriz
caracter!stica al ser una matriz funcional solo podra
ser singular para aquellos valores que sean raices de su
linomio caracter!stico (x). Aun en el caso de que [A] sea una
matriz nula, [A] = [0], su matriz caracteristica,
=

o
O 0
.. 0
o 0
75
que s6lo singular para A =0 (raiz multiple).
Si formamos la matriz adjunta [A(A)] de [L(A)]
(A) (A) (A)
Ai (A) (A) (A)
[ A (A)] =
siendo (A) el adjunto del elemento Ii (A) de [L (A)] .
Por la propiedad de los adjuntos (1-43),
If (A) AL (A) =I L (A) I l) ,
y al pasar a matrices,
[If (A)][ AL (A) ] = I L (A) I [ l) U
[L(A)][A(A)] =IL(A)I [I]. (y)
Notemos que los adjuntos (A) son polinomios de grade (N-1)
si el elemento del se busca el adjunto en la diago
nal principal y de grade (N-2) para el resto de elementos no
pertenecientes a dicha diagonal; por las mismas razones
tas al analizar los coeficientes del polinomio caracter!stico
(x). As! pues, se descomponer la matriz [A(A)] en un
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 la igualdad se para cualquiervalor
de A,
[ AN - I ] =[ I ]
[ AN - 2 ] - [ A ][ AN - I ] = CN - I [ I ],
[ AN - 3 ] - [ A ][ AN - 2 ] = CN - 2 [ I ],
. ... . .. . . .. . . ............,
[Ao]-[A][A
I]=
c.I r L,
-I A][ A
o
] = Co [I]
76
Premultiplicando las ecuaciones matriciales anteriores
por [A]N-I , ... ,[A], [1], respectivamente,
[ A ]N [ AN-I] = [A]N,
[A][A
o
] [ A F [ AI] = c I [A]
[A] [A
o]
= Co [1]
Sumando las ecuaciones anteriores,
(2-38)
[ 0] = [A ]N+ [ ]N- I [ A ]N-2 + [ A] + [ 1 ]
CN-I A + CN-2 .. + CI co,
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.
POLINOMIO MINIMO. Consideremos polinomios If> (A) que se anulan
al substituir A por una matriz cuadrada arbitraria[A] , 0 sea
If>(lAl} = O. Entre estes polinomios se encuentra 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 MI (A) Y M2 (A), y como ambos son m6nicos, la diferen
cia MI (A) -M2(A} ser a otro polinomio no m6nico y en general de
un grade menos. Dividiendo el polinomio resto por el coefi
ciente del de mayor grade obtendr1amos un polinomio
nico de grade inferior a MI (A) 0 M2 (A) contra la hip6tesis,
A
P+
I
MI (A) = Cp_I A
P
- + + CI A + Co l MI([A]}=O
= A
P
+ d
p
-
1
A
P
-
1
+ + a, A+ do ( M
2
([ A ]) = 0
N(A) = MI (A) - M2 (A) = AP- I +. . + CI - d 1 A+ Co- do
c p-
1
- dp-
1
c
p
_
I
- d p-
1
c p -
1
- '
([ A]) - M2 ([ A ])
c _ - d _
p
1 p
I
Ahora bien, si M
I
([ 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, M
1
([AJ)
o
77
M
2
([A]) ser1a de grade P-2 y para ser m6nico dividirse
por Cp _ 2 -dp _2 Y as1 sucesivamente se llegar1a ados polinomios
M
1
(X) Y (X) contra la hip6tesis de que se
supon1an diferentes.
El polinomio m1nimo es ademas un divisor del polinomio
racter1stico. Para demostrar esta aseveraci6n, supongamos que
M(X) sea el polinomio m1nimo y I L(X)I = L(X) el polinomio ca
racter1stico, y empecemos por establecer que,
L(X) =M(X)f(X) +R(X), (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 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 caracter1stico
se les llama va.iOll.e6 pltopiol.l 0 ungenvaiolte6. As! pues se dedu
de,
.. -aA
I L (X) I = 0 =>
-ai X ... -air
= 0 (2-39)
-af X-a:
Como este polinomio es de grade se como
ximo, N, raices 0 valores propios distintos sean reales 0 ima
ginarios conjugados, simples 0 multiples, 0 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, 0 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]) =
a)
[cos a
sen aJ
[ A]
=
=> L (X)
=
-sen a cos a
[0].
X cos a
sen a
- sen a
X cos a
=
X2 _
2 cos a X+ 1.
L ([ A]) = [AF - 2 cos a [A] + [I] _
-
[ cos a
- sen a
sen a1
2
cos -l
a
2
a
cos a[_c::
n
::::J + :]=
CO S 2a - sen 2a 2 sen a cos al [- 2 cos 2a - 2 sen a cos al
[
- 2 sen a cos a cos 2a - sen 2 + - 2 sen a cos a - 2cos 2a J+
:] [: :l
o 0
X 0
b) [A] : -n L(A):
\
o X+1
0 0 0] 3 [0 0 0] 2 [0 0 0l
L ( [ A ]) = [A]3 + [A]2 = 0 0 0 + 0 0 0 = 0 0 0 +
[
o 0 -1 0 0 -1 0 0-1
n
2-20. Hallar los valores propios (se les llama t ambLeri
vMO!l.e,6 eMac..teJl.-t6tieO.6 de las matrices anteriores.
a) Igualando a cero el polinomio caracter1stico,
X2-2cosa X+1=0 =>At= cosa+ i sena; X
2
== cosa-i sen a,
obsezvandose que estas soluciones son 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.
79
"A 0
="A2
a) .t A J= =
o "A
Los di visores de L ("A) son A y "A 2. Se comprueba que M("A) ="A es
el polinomio mfnimo ya que,
M ([ A ]) =l A 1= J.
b). [A]= [0 OJ L("A)=I"A o I= "A ("A+l)
o -1 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 -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 ]=
o 0 -1
o
1 o

o
o o
d)
80
0 0 0 0
4 2 1 0

-3
8+2U
-3 3 1 -1 1 0 0 8=D
e} .
X-I 0
[ A]= 2 0 X-2
Jo(A-l) IA-2 -1 I=
L(A)=
X- -2 X-I
2 0 -2
U
0
(X-I) [ (X-2) (X-l}-2] =X(X-1) +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
X(X-l} (X-3) 0 10 que es 10 mismo M(X}=X
3-4
X2+3
X
. El hecho de
que el polinomio caracter!stico no tenga independien
te significa que la matriz [A] es singular,
Co = 0 (-I) I A I = 0 I A 1= 0 .
SEMEJANZA DE MATRICES. Dos matrices cuadradas del mismo or
den, [A] Y [B] son seme.janre si existe una matriz [X] 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 r 1 =B B = ([ X r 1 ) - 1 [A ] ( [X r 1 ) ,
luego si [A] es semejante con [B] , [B] es semejante con [A]
(propiedad reflexiva). Si,
[A ] = [X ]- 1 [B ][ X] ; [B 1= [y r 1 [ C ][ y ]
[A }=[X r [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
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
B = [X]-I [A][x] semejante a la anterior y que llamaremostrans
formada por medio de [X], es facil deducir las propiedades ~ s
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 ] + + [Ai ] ) [X] = [X]-I [AI ][ X] +
[X l' [A
2
][ X] + + [X ]-1 l x, ][ X]. (2-42)
b) La transformada de un producto de matrices es igual al
producto de las transformadas de cada una de las matrices,
l x I" ([AI ][A
2
] [A
t
])[X] = ([X]-I [AI ][X])
([ X ]-I [A2 ][ X ]) ([ X r I [Ai ][ X 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 ] = [A2 ] =~ i ! . = [AI ] = [A],
[Xr
l
[A]i[X] = ([X]-I [A][X])i. (2-44)
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]) [X] = CN[Xt
l
[A]N[X] + CN-I t x r ' [A]N-I [X]+ +
C If X I" [A][ X] + Co [ X t
l
[I ll 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 a ma
trices semejantes son iguales. Si [A] = [ X ] ~ [B][X], por (2
37) ,
I L I (X) I =1 X [I] - [A] I ; I L
2
(X) 1 =1 X [I ] - [B] I ~
1 L I (X) I = I X[ I ] - [X ]-1 [B][ X] I =
I X[ X r
l
[1][ X] - [X l" [B][ X ] I =
I [X ]-1 (X[ I] - [B]) [X] I = I [X ]-111 X[ I] - [B] \I X I =
l[x]-lllxIIX[I]- [B]I=IX[I]-[B]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,
[Y] == k [X], ( a' )
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] = [y]-I[B][Y]. (2-47)
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,
L (X) = X 1 I [ A] =
o X
_ '\2
[ 0] = L (X) == - 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 [X], [0]
Y [A] deberfan ser iguales contra la hip6tesis. Luego dichas
matrices no pueden ser semejantes.
Para cerrar este apartado destinado a la semejanza,anal!
cemos el siguiente ejercicio por un metodo elemental de como
se puede asegurar si dos matrices son semejantes y caLcuLo de
la matriz [X] en su caso.
EJERCICIO
2-22. Comprobar que las matrices [Aj - y[B]== ~ -t]
8J
-23J
son semejantes y hallar una matriz [ X ] tal
10
que cumpla (2-41).
Partiendo de (2-41),
[ A ] =[X r I [ B ][ X ] [ X ][ A ]= [B] [ X ] (b')
al substituir en (b') los valores de {A] y [B] ,
0 -lJ
= [-9
-23J
[
2 1 xi xi 4
10 '
equivalente al sistema lineal y de ecuaciones,
-xi = - 9xl
= - 23xl
+xi =-9xi

-9xl +xi = 0
+Oxi = 0
( c')
+Ox! +10xi -
Ox] +2x! +23xi - 9xi=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 Ul-55}, primera
-9 4 1 0
-23 10 0 1
=0.
2 o 10 -4
0 2 23 -9
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
luciones se pueden deducir de,
= - xi x] = - 5xi +2xi ;
( d')
-23xl +10xJ - xl I 23 9
Xl = - -- x
2
+ -- x
2
2 2 I 2 2'
considerando a xi y xi inc6gnitas independientes. Por ejemplo,
si xi=l, de 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 =
.
y sea M un n1imero entero tal que Seleccionando de
la rnatriz anterior la formada por los elementos de las filas
it ,i2 , ,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
Y restantes
columnas jM+t ,jM+2 , . ,jN' se obtienen las submatrices de [AJ,
it it
a. . ... a .
J 2 J M
i2 i2
a. . .. a.
J2 JM
JtJ2 ..
==
.
JM+t JM+2 IN
i
M
+
2
i
M
+
2
i
M
+
2
a. a. ... a.
JM+l JM+2 IN
JM+t JM+2 .. Jcl
... =
Al determinante de cada una de estas submatrices se Ie
llama menOIL de [A J A los menores,
..
I
..
JtJ2J
M
JM+l JM+2 . IN
se les llama menOILe..6 c.omptementaJUo.6. Por ejernplo, de la matriz de
sexto orden [AF[al J
a1 aj
= ai
a?
al
al
al
son dos menores cmplementarios.
85
2
af ci
5
a
6
4"
a:
a
5
a:
1A 2456
1 AH
=
2356 1=
a
5 5

5
a
6
al
6

a
6
son un par de menores complementarios de la misma matriz.
Haciendo,
(i 1+ i
2
+... + iM) + ( j 1+ j 2+. + j M) = k , (e)
se define como c.ompleme.n-to a1.ge.bJULi.c.o de I Ia,
J 1 J 2 1M
.. _l}k I ... iMI (f ')
I JI J2 .JM JI J2 .jM '
y el
de I ... iN I a,
JM+l JM+2 .' . jN
1=(-l}1
I.
JM+l JM+2 IN JM+I JM+2
Los complementos algebraicos de los menores del ejemplo son
pues,
456
A 135 =
(- 1}4+5+6+1+3+5 I A1HI=1 A I,
1
A UH = (- 1) 1 = 1 A
I A I 1 = (- 1) 1+ 3+ 1 +41 A UI = - I A IH,
I A
24561 - ( 1) 2+4+5+6+2+3+5+6IA
2456
1- J A
2456
1
2356 - - 2356 - - 2356
Observese que para definir correctamente los menores y
complementos algebraicos los indices de filas y columnas deben
estar colocados en orden creciente,
1 ,,;;; i 1 < i 2 < . . . < iy ; 1 ,,;;; j 1 < j 2 < ... < jM ;
1 ,,;;; i
M+
1 < i M+2 . .. < iN; < jN .
Para colocar el menor IA ... de forma que ocupe en
JIJ2JM
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 de signa tantas
ces como transposiciones entre las lineas paralelas hayamos
fectuado. Para pasar la fila i
l
al primer lugar se necesita
que haga il - 1 intercambios con las filas adyacentes. A
86
naLoqament.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
(,
k veces de signa para colocar el menor I en
Jt J2 JM
la esquina superior izquierda de El signa final de I AI,
( - l) coincide con el del complemento algebraico (f I), Y con
estos cambios de linea el menor complementario
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
, ... ,i
M,
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)
N!
siendo k el ntimero dado por (e ") y p = ,
M! (N-M)!
dose la suma a las p combinaciones de los !ndices de las co
lumnas j 1 ,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,
[ U] [O]J
[ A ] = ,
[
[ V] [W]
87
es,
I A 1=1 u II wI, (2-49)
ya que con la prirneras filas de [A] s6lo se puede formar el
menor [U] siendo su menor cornplementario Iwl.
EJERCICIOS 1 2 0 -1
2-23. Hallar el valor del determinante I A 1=
1 0 -1 0
0 1 0 1
0 -1 1 2
por los menores de las dos primeras filas.
I A 1= (-1)",",1 II I+ t I+
1+
II I+ II 1=
(+1) (-2) (-1)+(-1) (-1) (+3)+(+1) (+1) (+1)+(+1) (-2) (0)+
(-1) (0) (0)+(+1) (-1) (0)=2+3+1 = 6.
0
0
2-24. Hallar IAI= 0
1
2
2 -1 1
1 0 -1
0 0 1
4 -1 3
5 2 1
0
0
0
-3
2
Desarrollando por los menores de las tres primeras filas,
2 -1 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.
CARACTERISTICA DE UNA MATRIZ. Se llama c.aJLa.ueJLt6uc.a 0 Jtango de
una matriz (cuadrada 0 rectangular) al orden Jt del mayor me
nor no nulo contenido en dicha matriz.
EJEMPLOS
6. De las siguientes matrices deduzcamos las caracterfs
ticas respectivas,
88
0

Jt = 0
0
1
D
n
1 2 ( los menores de tercer orden son to
1 2
n 2 ;
0
1 3 dos nulos y hay uno de segundo
1 2
'10)
1 3
1-2 3-4J
[
-2 4 -6 8 n: = l. por ser las tres filas proporciona
3 -6 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] una matriz regular
y del mismo orden,
[ e ]=[ A ][ B] ,
IAI1'O, el=1 All BI1' 0 , Jt Icl =N.
IBI1'O.
Sea,
1 0 OJ
[ A] = 0 1 -1 11' 0
[
001
[ e ]=[ A ][ B] IC 11' O.
La matriz [e] 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] singular,
[ e ]=[ A ][ B ] ,
I A 1= 0, 6
e 1=1 A II B 1= 0 i Jt [c] N-1.
IBI= 0,6
I A 1= 0, I B 1= 0
Sea,
I A F ] ,
[ B
= 0
-2 0
[e ]=[ A ][ B e 1=0.
La matriz [e) singular por serlo [Al, una de las
89
matrices del producto.
El caLcuLo 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 caben
en la matriz. Si por 10 menos uno de menores de orden p
no fuera nulo, la caracter!.stica ser!.a igualmente p.
Pero si todos los menores de orden p fueran nulos ha
br!'a que investigar si son nulos 0 no los menores de orden p -1
Y as!. sucesivamente. Por ejemplo, en la matriz,

[ A] = ai
a:
habria de analizarse los cuatro menores de tercer orden,
a
1 1
I
1
a
2

A 1 2 31=
a
2
a
2
a
2
123 1 2 3
a
3
a
3
a
3
1 2 3
1231_
I
A
124
al a! a!
ai al
a!
a
1
1
a
1
3

I A 123 I
=
134
a
2
1
a
2
3
a
2
4
a
3
1
a
3
3
a
3
4
I UI =
a!

a
2
3
a1
a!
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,
I A nI; I A g I; I AU I; I A HI; I AU I; I AH I ;
IAul; IAnl;; IAul; lAg!; IAnl; ... ; IAul.
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...
y suponiendo N > M, el ntimer o de menores de orden Ma analizar
es el producto de numeros combinatorios (:) siendo el
numero de menores, al dejar fijas las filas, tomando las co
lumnas de M en y ,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 ) meno
res de orden M- 1, Y en su caso menores de orden
M- 2, ... hasta ('1) == N M menores de orden 1 0 sea los pro
pios elementos .
Para evitar los inconvenientes apuntados, es decir, tener
que analizar un gran numero de menores, se
en la EqLLiva.enc..M de ma-tJUc.u transformar La matriz sometida a
en otra cuya caracter!stica pueda deducirse a simple
vista. En general, de la matriz inicial a la final se preci
san varios pasos 0 transformaciones 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 C
i
,.,. C
j

(2). Multiplicaci6n de todos los elementos de la fila i
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 los co
rrespondientes a los de otra fila cualquiera 1 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 Se representa por C
i
+ C
j
(k ),
Las transformaciones (1), (2) y (3) son e
lemel'Lta.u de 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
n0JtmauoYlu e.lementa.u de tinea.
La transformaci6n (1) [resp. la (1') ], aunque de tanta
91
utilidad como las no es realmente una transformaci6n
elemental y puede obtenerse de una combinaci6n entre la (2)
[resp. (2
1
) ] y la (3) [resp. (3
1
)]. Veamos los siguientes
EJEMPLOS
8. Para permutar las dos primeras filas de la matriz [A]
es suficiente aplicar la transformaci6n (1),
a : a1 [at
[ A] = (FI ,.,: F2) a: a]
[

Al mismo resultado podemos llegar usando solamente transforma
ciones elementales de tipo (2 )
Y
( 3) ,
+
[a:
aJ ] [a: + aJ
aJ + al ]
[(F
1
+ F
2
( + 1)] at

a] +
+
- -

a j
[F2 ( - 1) ] a:
:: :: J.

r
9. Deducir a de transformaciones de fila la carac
ter1stica de la matriz [ A ].
2 -1 -2
[2
-1 -2
[A] = 3 0 -1 1 [F2+ FI (-3)] -6 2 7

3 -6 1 8 -6 1 8
-2
[1 2
-1
[F3+ F
1
(-3)] o -6 2 7 [F,+ F, (-2) I
0-12 4 14
2 -1 -2
-6 2 7 Jt = 2.
o o 0
Por simple inspecci6n de la matriz final vemos que no hay me
nores de tercer orden no nulos y I I :I 0, luego Jt = 2.
MATRICES EQUIVALENTES. Si una matriz [B] puede obtenerse de
otra [A] aplicando a esta ultima transformaciones elementales
92
de lfnea, se dice de [A] Y [B] que son e.quiva.1e.nte6. La equi
cia entre [A] y [B] la representaremos
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] ) B ]9. B )
[A [Pi +F
j
[B ] [ B [F
j
+Fj (-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:
(F
j
Fj )- 1 = F
j
Fj (C, Cj )- 1 = C; C j ;
[& (k)]-I= & (11k) ; [C
i
(k)] -, = C, (11k)
[& +Fj (k)] -'= &+Fj (-k) ; t c, +C
j
(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 a traves de las transformaciones ele
mentales de [A] a [B] afiadLdas a las de [B] a [C].
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
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.
MATRIZ CANONICA POR FILAS. Empecemos por definir la ma.tJUz 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, pudi endose obtener, a veces, una 0
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.
0 1 -1 2
2 3 1 2 .

3 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
da 0 primera y tercera. Siguiendo la segunda alternativa,
0 1 -1 2 3 1 0 -2
2 3 1 2 2 3 1 2

3 1 0 -2 0 1 -1 2
A continuaci6n se reducen a cero los elementos no nulos de la
segunda columna excepto
at
2
= 3 (elemento de la matriz transfor
mada) ,
3 1 0 -2 3 1 0 -2
2 3 1 2 0 7/3 1
n.. [F,+F, (- )
10/3

0 1 -1 2 0 1 -1 2
En la segunda fila de la matriz transformada, el primer e Lemen
to no nulo m!s a la izquieda es = 7/3, teniendo este e l emep
to, dos elementos nulos delante (a] = = 0), por 10 que en la
tercera fila, como m!nimo, deber!n se nulos los tres primeros
elementos (a] = = ) de la matriz pedida. Como a] = 0 y
0, basta reducir el elemento = 1 a cero,
94
3 1 0 -2 3 1 0 -2
U
_3_)
0 7/3 1 10/3 0 7/3 1 10/3 0 '
'" [FJ + F,(-
7
I'" n

0 1 -1 2 0 o -10/74/7 3
(hi)
que es la forma escalonada de la matriz original [A ]. Vemos que
el menor ] = (3) (7/3) (-10/3) =I 0 => It = 3.
o 0 -10/3
11. Como segundo ejemplo, convirtamos a su forma escalo
nada la matriz [A] de orden (6,3),
t
, .
,-
2 3 1
1 1 0
[ A ] =
0 0 0
1 2 3
4 6 4
0 0 1
Antes de empezar las sucesivas trans formaciones elemen
tales de fila, observernos se deben reducir a cero los elemen
tos ai ... etc., 0 sea que con toda seguridad
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) su forma escalonada,
al menos, (M-N) filas con todos sus elementos nulos.
2 3 1
1 1 0
0 0 0
1 2 3
4 6 4
0 0 1

[F
2
+
2l l
l F,(-1/
(F
4
+ F
t(-1/2)]
[F + F ( - 2 ) ]
s t
2 3 1
0 -1/2 -1/2
0 0 0
0 1/2 5/2
0 0 2
0 0 1
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 - 1/2 de la segunda columna,
2 3 1
a -1/2 -1/2
0 0 a
0 1/25/2
0 0 2
0 0 1
[F' 4+ F
2
]
2 3 1
0-1/2-1/2
0 0 0
0 0 2
0 0 2
0 0 1
95
A continuaci6n reduciremos
debajo de . Al ser este
cera y sexta fila,
2 3 1
0 -1/2 -1/2
0 0 0
:::::
(F 3","F6)
0 0 2
0 0 2
0 0 1
a cero los elementos no nulos por
elemento nulo, permutaremos la ter
2 3 1
0 -1/2 -1/2
0 0 1
0 0 2
0 0 2
0 0 0
pudiendose reducir ya a cero los elementos correspondientes,
'-..
,
2 3 1
0 -1/2 -1/2
0 0 1
0 0 2
0 0 2
0 0 0
2 3 1
0 -1/2 -1/2
:::::
[F 4+F3
F s+F
3
(-2)]
(-2)
0
0
0
0
0
0
1
0
0
1t=3. ( i')
0 0 0
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 y
a la izquierda de cada fila (los valores de dichos elemen
tos se representan en negrita) y conseguir que enlascolumnas
respectivas, donde se encuentran dichos elementos transfoE
mados,que ahora 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 3 1
0 -1/2 -1/2
0 0 1
0 0 0
0 0 0
0 0 0
F}
(1/2)
::::: :::::

F
2
(-2)
1 3/2 1/2
0 1 1
0 0 1
0 0 0
:::::
0 0 0
0 0 0
96
1 o
[F1 +F2(-3/2)]
[F
2
+F
3
(-1) ]

0
0
0
1
0
0
0
1
0
0 0 0
0 0 0
[ F1 +F
3(
1) ]
1 0 0
0 1 0
0 0 1
0 0 0
0 0 0
0 0 0
que es la forma pedida. Analicemos otro ejemplo
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 2 3
1 0-2 OJ
312 2
3 1 2 30
1 0-2 o 1 -1 2
1 1/3 o -2/3
1 3/2 1/2 1
o 1 -1 2
1 1/3 0
o 7/6 1/2
o 1 -1
o [F
3+F2
(-1)]

1
o 1 -1 2 3

1 1/3
o -2/3 0]
o 1 3/710/7 0
o o -10/7 4/7 3
o -1/7 -8/7 0]
o 1 3/7 10/7 0 {F3 (-7/10)]

1
o o -10/7 4/7 3
1
o 1
o
l
1[F2 +F3 (-3/7)] \

o o 1 -2/5 -21/10
1/3 0-2/3 0]
1 3/7 10/7 0
97
[ ~
1 o o -6/5
-3/10 ]
o 1 o 8/5 9/10
o o 1 -2/5 -21/10
MATRIZ NORMAL. 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
t r a v ~ s de las sucesivas trans formaciones matriciales. Las po
sibles formas normales son,
[ r, ] [ 0]] ,
(2-50 )
[
[0] [0]
siendo ~ la caracterfstica de la matriz original, [0] matri
ces nulas de dimensiones apropiadas y [I
r
] la matriz unitaria
de orden ~ .
EJEMPLOS
13. Reducir a forma normal la matriz can6nica,
1 o o -6/5
-3/10]
o 1 o 8/5 9/10
o o 1 -2/5 -21/10
[Cs + C
2(6/5)
[0
1 o o
[A] :::::
[ c, + C
3
(-8/5)] ::::: 00 o 1 o
[ c, + C
4
(2/5) ] o o 1
[C
6
+ 1 o o o
C
2
(3/10)] \
[ C
6
+ C
3
(-9/10)] ::::: o 1 o o
[ ~
[C
6
+ C
4
(21/10)] o o o 1
\
U
o 000
1 000
o 100
o -1 0
14. Reducir a forma normal la matriz, 123
-1 -4 -3
98
o -1 03]
[ A ]

1 2 3 -2 [F
3
+ F
2
(+1)]
[F,+ F, (-2)1
-1 -2 -3 2

o -1 o o
c.) o [1 3]
1 2 0 1 o 3 -2
C, (-2) I ( 0
o 0 o o o 0
(- 3) ] o o 0
\ [ C4 + C2
j [ c, + Ct
(-3) ] 1 o 0
= [[1
2
][0]J
o . [0] [0]
{ l c, + C
2
(2) ]
o o 0
INVARIANZA DE LA CARACTERISTICA DE UNA MATRIZ FRENTE A LAS TRANSFOR
MACIONES ELEMENTALES DE LINEA.
Demostraremos ahora que las transformaciones elementales
de fila no hacen ni aumentar ni disminuir la caracter!sticade
la matriz, y para ello supongamos que la matriz [A] de orden
(M,N) es de caracter!stica Significa que podemos encontrar
en la matriz [A] al menos un menor no nulo de orden y por
contra,todos los menores de orden son nulos. Sea I PI uno
de estos ultimos 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 Sea I Q I
un menor de orden de [B] que ocupe exactamente la misma
sici6n que I P I en [A]. Consideremos los siguientes casos:
a) Si, [A] F
i
(k)
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, 0 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 1 R 1 un menor de [A] de orden n:+1 Y por 10 tanto es nulo.
b-3). Que el menor I P 1 contenga s amu Ltaneament;e las filas
i y i de [A] ,
I Q 1=1 P I+kl S I=O+k. 0 = 0,
siendo 1 S I 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 dos , _ . _
En todos los casos mencionados se constata que 1 QI siem
-,
pre es nulo por 10 cual la caracterfstica de [A] en nLnqtin ca
so puede aumentar y en el supuesto que disminuyera, la trans
formaci6n elemental inversa a una de las mencionadas en a) 0 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 a i
resultados con respecto a las transformaciones ele
mentales de columna. En general se puede afirmar pues,que la
caracterfstica de una matriz queda invariable frente a una
transformaci6n elemental de lfnea,y en consecuencia,
MATRICES ELEMENTALES. 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 en fntima reIa
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
[

considerando los dos casos siguientes:
a). Transformaciones elementales de fila. Si, por ejem
plo, intercambiamos las dos primeras filas de [1
3
] obtenemos,
100
Ejecutando la premultiplicaci6n de esta ultima matriz,oe
tenida de la unitaria atravs de una transformaci6n elemental,
por la matriz [A] ,
o

1
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 actuando directamente sobre [A] ,
0 [ A ]=[ F
2
] [ A]

1

0
Tambin, al multiplicar la segunda fila por
!,
1 k

0
[F, (k) J
0

0 0
Volviendo a efectuar la premultiplicaci6n de la anteriormente
obtenida por [A] ,
pudindose afirmar,
[ A ]=[ F2 (k)] [ A ]

Como tercer y ultimo ejemplo de transformaci6n elemental de fi
\
101
la, sea,
0 0
1 F
3
(k)] 1
U
[

F, +
0 0
[ a] a] ]
[ at at ]
1
ai
= ai ka] : ka]

0

0

1 [ A] = [F
2
+ F
3
(k)] [A],
U
0

0
pudiendo considerar los operadores [F) [F
2
(k)] Y [F
2
+
F
3
(kf] como aut errt Lcas matrices elementales deducidas de [1
3
]
por las transformaciones elementales simbolizadas en dichos
peradores. Asf, si queremos aplicar una transformaci6n
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;],

o 1 -1 2
[0
pi 0 2 3 1 2
n=
0 3 1 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 justamente [P],
[ F) F
2
]
o 1]
[ P ] 1 -2/3
= ] =
o -3/7 0 0 1 1 0 0 1 -3/7 2/7
b} Transformaciones elementales de columna.Partiremos de
la matriz unitaria [1
2
] y procedamos a intercambiar, por
plo, las dos columnas,
102
y efectuando la postmultiplicaci6n de la matriz elemental
[1 10J
respecto a [A],
al
[
a ~ ] [ a ~
alJ
ai
a ~ [ ~ ~ J == a ~
a] ,
at a ~ a ~ at
cuyo efecto es el mismo que la transformaci6n elemental de co
lumna Ci ~ C
2,
que a partir de ahora la colocaremos de spues de
[A] para que actue como matriz elememntal,
.,,-,
El efecto de multiplicar la segunda columna por k produ
-
ce sobre [ 1
2]
,
[ ~
~ J ~ [C2 (k) ]
~ [1
~
~ J
matriz elemental que a su vez actua sobre [A],
[ a]
a] J
[ a] ka] J
== k a ~ , ai
a ~ [ ~
~ J
ai
at a ~ at ka]
o sea, como antes,
[ A] [ ~ ~ J == [A] [C2 (k)] .
Finalmente consideramos la transformaci6n Cl+ C2 (k) so
bre [1
2]
,
[Cl+ C2
(k)] ~
[ ~ ~ J ~ [ ~ ~ J i
[ai al]
[al+
ka]
al]
ai
a ~ [ ~
~ J ==
ai+ k a ~ a ~
at a ~ at+ ka] a ~
[ A] [ ~ ~ ] == [A] [C1 + C2 (k)]
Como en las transformaciones elementales de fila, los 0
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.
Del ej emplo 14, [P] el producto de las matrices ele
mentales de fila deducidas de [13] en orden inverso,
[P
[ =[
1 1 -2 0 -2 1 1 J
"f'
[Q] el producto de las matrices elementales
de columna deducidas de [Is] en orden directo,
1 0 1 0 0 1 0 0 0
0 1 0 0 0 0 1 -2 0
[ Q ]=
0 0 1 0 0 0 0 1 0
0 0 0 1 0 0 0 0 1
0 0 0 0 1 0 0 0 0
1 0 0 0 -3 1 0 0 0
0 1 0 0 0 0 1 0 0
0 0 1 0 0 0 0 1 0
0 0 0 1 0 0 0 0 1
-c
0 0 0 0 1 0 0 0 0
Se puede comprobar que, efectivamente,
o sea,
1 0
0 1 0 0 0 0
0 0 1 0 -3 0
0 0 0 1 0 0
0 0 0 0 1 0
1 0 0 0 0 1
0 1 0 1 0 -3
2 0 1 -2 -3 2
0 = 0 0 1 0 0
0 0 0 0 1 0
1 0 0 0 0 1
se cumple [ P ][ A ][ Q ]=[ N],
1 0 -3
0 0 -1 0 0 1 -2 -3 2
1 1 2 3 0 0 1 0 0 =

-1 -3
-:]
1 -4 0 0 0 1 0
0 0 0 0 1
0 0 0
1 0 0

0 0 0
Si una matriz cuadrada [A] de orden N es regular ( A fO) ,
104
es posible,a de transformaciones elementales de fila,
convertirse en la matriz unitaria [IN] que es su propia forma
normal. Sea,
[F
s
] [ F2] [ FI ] [ A ]=[ INI,
en la que [F
I
] ,[F
2]
, ... ,[F
s
] son las matrices elementales co
rrespondientes. Haciendo [p ... se tiene,
[ P ][ A ]=[ IN] [ A ]=[ P F I [ IN] =[ P r I
[ A r 1=[ P]
[ A r I =[ 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,
[F, +F, (-2) I [F, (1/3) ,-/j

o 0 2/3 0 1J

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,
[ N] = [[ I
r
] [ O ~ ] ] ,
[Oil [On
quesimb61icamente puede expresarse por 10 6rdenes de las res
pectivas submatrices,
[J.l,t] == [[ Jt,Jt] r . t-Jt] J.
[.6-Jt,Jt] [J.l-Jt, t-Jt]
Si hacemos,
[ FA ] = [ F ~ ] [ F ~ ] [Ft] ; [ ct ] [ C ~ ] [C:] = [C
A],
la (jl) pasa a ser,
[ FA ] [A] [C
A
] = [N]. ( k I)
otra expresi6n similar liga a la matriz [B],
[ F
B
] [B] [C
B
] == [N].
( 11)
De (kI) 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,
[A]=[P][B][Q], (2-52)
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] =[ ~ ~ ~ ] en un p.rodug
1 0-2
106
to de matrices elementales.
Reduzcamos la matriz [A] a su forma normal,
[ A]:::;
- 1
~
~ ~ ] : : : : : [F
1
(-1)] : : : : : [ ~ - ~
[
o -2 1 0
[F,+ F, (-1) ~ [ ~ - ~ n ~ [F,+ F, (2) ~
y en forma de producto de matrices,
[ Fl + F2 (2)] [F2 + F3 (-1)] [F3 (-1/4)] [F3 + F2 (- 2)]
[ F3 + Fl (-1)] [Fl (-1)] [A] :::; [13] ~
I
()
[ A] :::; [F1 (-1)] -1 [F3 + F1 (-1)] -1 [F3 + F2 (- 2) ] -1 [F3 (-1/4) - ~
[F
2
+ F
3
(-1)]-1 [F
1
+ F2 (2)]-1 .
Las inversas de las transformaciones elementales anteriores son,
[F
3
+ F
2
(-2)]-1 :::; [F
3
+ F
2
(2)] [F
3
(-1/4) ]-1 :::; [F (-4)]
3
[F
2
+ F
3
(-1) ]-1:::; [F
2
+ F
3]
[F
1
+ F
2
(2) ]-1:::; [F
1
+ F
2
(-2)]
y en conclusi6n,
r A] :::; [-~ ~ J ~ ~ ~ ] [ ~ ~ [ ~ ~ ] [ ~ ~ ] .
o 0 1 1 0 1 0 2 1 0 0-4
[ ~ ~ ~ ] [ ~ - ~ ~ J
que es el producto pedido.
2-29. 1
y [B]:::; [11 -1 1J establecer
Si [A ]:::; [2 -3]
1 0-1 -2 -2
v
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 1/2
1 0 1 0 -u -1 J
3
1 1
/
2 - /
2
J 0
[
o - 1/2 1/2 0 -112
1 0 0 0 01 .
[
o 1 -Lo 1 -lJ 0 1 oj
[B]= [1 -1 (-1)] (-1)] -1
1 -2 -2 0 -1
1 0 0
[
J o -1 0 1
[ C, +C, (-
3
) I
Al poseer las dos matrices [A] y [B] la misma forma normal,se
puede establecer entre elIas una relaci6n de equivalencia,
[F
2
(-2)] [F
I
+F
2]
[F
2+FI
(-1)] [F
I
(1/2)] [A][ C
3+CI]
[C
3+C2]
=
[F
2
(-1)][F
I+F2
(-1)][F
2+FI
(-1)][B][C
3+CI
(-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+FI
(-1)][B][C
3+CI
(-4)][C
3+C2
(-3)][C
3+C2r
l

[ C
3
+C I r I =>
[ A ]=[ F I (2)] [ F2+F I ] [ F I +F2 (-1) ] [ F2 (-1/2):1 [ F2 (-1)] [ F I +F2 (-1) ]
[F
2+FI
(-1)][B][C
3+CI
(-4)][C
3+C2
(-3)][C
3+C2
(-1)] .
[ C
3+CI
(-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+FI][FI+F2
(-1)][F
2
(-1/2)][F2 (-1)]
.[F
I+F2
(-1)][F
2+FI
(-1)] ;
[Q]=[C
3+CI
(-4)][C
3+C2
(-3)][C
3+C2
(-1)][C
3+CI
(-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] son
semejantes, (2-41)i
[ A ]=[ X r 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 r 1 ; [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
aqu1 se puede considerar la congruencia como 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,

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),
c
[ A ]=[ I ][ A ][ I ] [A] = [ I ]T[ A][ I ] rA ] [ A ]
b). Si [A] es congruente con [B] , [B] es congruente
con [A] (propiedad simetrica),
109
y haciendo [X ]-1 = [Y], se tiene,
fyP [A] [y] [B ] [B] ::::::
c
[A].
c) Si [A] es congruente con [B] y fB] es congruente con
[C], fA] es congruente con [C] (propiedad transitiva),
c
[B]:::::: rc i
[B] = [YP [C] [y] => [A] = [X]T l v l " l c l l v l [X] =
([y] [X])T [C] ([y] [X]),
y haciendo [y] [X] = [Z], se tiene,
[A] = [Z] T l C] [Z ] [A] [C ].
Supongamos que una matriz cuadrada [A] se deduce de otra
[ B], del mismo orden que [A], a t.raves de un nt1mero !!l de
formaciones elementales de fila [F
m]
, ... ,[F2], [Fl] y del
mo numero de transformaciones elementales de columna,[Cl],[C2]
... ,[Cm], entonces se tiene,
[A ] = [Fm] ... [F
2]
[F
l]
[B] [C
1
] [C
2
] [C
m]
, ( m')
Y si
la (m') pasa a ser,
[ A] = [C
m]
T [ C2 ] T [C1 ] T [B ] [C1] [C2 ] [ C ] =
m
((Cl] [C2]. . [C
m
] )T [ B ] ([Cd [C
2
] [C
m]),
y con el cambio [X] = [C\] [C
2
] [ 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 una matriz congruente con la matriz primitiva [B] .
A t.raves 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,
110
[ C
3
( k) ] T = [F3 (k)]
[ F2 + F3 (-k) ] T = [C
2
+ C
3
(-k ) ]
[ F) (k)] T = [ C) (k)] ;... etc.
ya que,en efecto,
0 0 k
[ C) + C
2
(k)] T
=
0 1
0
]=
1 0
[F, + F, (k) I
[:
0 1 0 1
0 0 0
1 0 1 [ F
3
(k)]
0 k 0
[ C, (k) I T n
n=
rn
0 0 0
[F
2
+ F
3
(-k)]T 1 -k 1 [ C
2
+ C
3
(-k)] ;
0 1 -k =n
J=n

[ F
1
(k)] T
= 1 0=0 1 [ C
1
(k)] , ... etc. or [k

0 0

0 1 0 0
EJEMPLO
15. Obtener la matriz [A] congruente con la matriz [B] =
-100 -111] cuando esta ultima sufre las transformaciones ele

mentales [C
1
+ C
2
(2)], [F
1
+ F
2
(2)], [C
3
(-1)] Y [F
3
(-1)]
Como, efectivamente, las transformaciones elementales de
fila son transpuestas de las transformaciones elementales de
columna, la matriz transformada [A] congruente con la rna
triz original [B],
[ A ] = - - =
o 0 -1 0 0 1 0 0 1 0 0 1 0 0-1
=
o 0 -1 0 0 1 0 0 -1 0 0 1
111
Una matriz cuadrada y puede siempre reducirse
a una forma diagonal mediante pares de transformaciones 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 [B]= en Hallar [X] [A]=[X]T [ B ][ X ].
-1 -3 2
Basta transformar la matriz mediante
tes de forma que los elementos de primera fila y
na, excepto a] , se reduzcan a cero, a continuaci6n se hace 10
mismo con los elementos de segunda fila y segunda columna ex
cepto , y as1 sucesivamente hasta que la matriz resultante
pasa a tener forma diagonal,
[B]= t c. +C2 (-1/2)] ::::: [Ft+F2 (-1/2)]
-1 -3 2 1/2-3 2
[
-':2 1 F, +F, I
1/2 -3 2 J a -3 5/2
[C3+
C2
[F
3+F2

a -3 -2 a
Las transfornaciones elementales [C
t+C2
(-1/2)] Y [F
t+F2
(-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
[
g, [B 1= [
a a -1 -3 2
La matriz [X] vale,
112
Tambien se puede comprobar que,
y que,
[ A] = [X]T [B] [X] ::;
=
lo 0 -2 1 1 1 -1 -3 2 0 0 1
. ,
..
Capitulo :3
Espacios vectorialeles y 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 un
cuerpo conmutativo de escalares cuyos elementos son ...
Entonces,
a , b , c, . , E EN
a , _. E K
A EN se Le llama upauo ve.ctotUai.. 0 upauo Une.ai.. sobre el
cuerpo K si se pueden definir en aquel, 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
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 e 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 0 de tal suerte,
a+o =a
a-4) A todo vector a se Le puede hacer
der otro vector (-a) denominado opuesto de a tal que,
a +( -a) = 0
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. (1 E K y es elemento neutro del producto )
b-2} La multiplicaci6n es asociativa:
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 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 del
vector negativo.
c-2} De a + (- a) = 0, al substi tuir a por - a, y al aiiadir
a a ambos miembros y recordar a-3,
- a + [- (- a) ] = 0 - a - a + [- (- a)] = a + 0 =>
o + [- (- a)] = a=>[ - (- a)] = a.
115
c-3) Como a-a=O , por b-3, ya-4,
oa=(a-a)a = aa-aa = 0 Oa=o.
c- 4) De ao = a ( a -a) = aa -aa = 0 ao = 0
EJEMPLOS DE ESPACIOS VECTORIALES. 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 cio como origen tienen por
extrema un punta de posi
ci6n variable, de suerte
que,
,......-..
--* --*
OA = a OB = b i ...
E
Fig. 3-1
La suma de estos segmentos
orientados 0 vectores se
realiza por la ley del paralelogramo,
--* -+ -----+
OA + OB = OC a + b= c
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 ( 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] + ,
'Y[ at ,a2, ,aN] =[ ('Yat ), ('Ya2), , ('YaN)]
c) El conjunto de matrices de orden (M,N) conteniendo MN
elementos de un campo forma un espacio vectorial ya
que de acuerdo con las operaciones de matrices,
...

. + ".": = ;
ar ar ...
116
al
ai aiJ
'Y
. .. . . . ...
af'i ar
=
1
'Yal 'YaN
2
'Yai 'Yai 'YaN
...... .......
'Yaj'f 'Yaf 'Yat:
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,
2
(ao + a 1 X + + a N xN) + ( {3o + {31 X + (32 X + + 13 N XN) =
cumple las condiciones exigidas para pertenecer a un espacio
vectorial.
e) Consideremos finalmente un conjunto arbitrario W de
lementos representados por
ciones cualesquiera que hacen corresponde
de W un nUmero de un cuerpo I ,
x
r
y
a
sean
cada
f ,g, ..
elemento x
X E W ; f (x ) E I; 9 (x) E I.
Por la forma habitual de sumar funciones,
f(x) + g(x) = (f+g) (x),
en la que si f y 9 son funciones 0 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 f + 9 E 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
nocido W forman un nuevo conjunto F que vuelve a ser un espa
cio vectorialpor llevarse a cabo las dos operaciones
de estos espacios.
117
SUBESPACIOS VECTORIALES. Por definici6n,se llama subespacio
vectorial de un espacio vectorial f al subconjunto S no vac10
de f tal que si,
a ,b E S 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 enunciadas y por tanto S es un espacio
vectorial.
EJEMPLOS DE SUBESPACIOS VECTORIALES. Los ejemplos mas sencillos
de subespacios vectoriales son:
a) En el espacio tridimensional se escoge
un vector constante y no nulo a (Fig. 3-2). El conjunto de vec
tores aa donde a es un escalar real variable forma un
cio S de V
3
,
A'
r--------"'2
C
(a E S => aa E S)
--+ --+
OA
I
== a OA.
El lugar del punta
Ales la recta que pasa por el
origen 0 y contiene al vector
a
B
o {3b
Sumando los vectores ala
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) E S,
siendo,
--+ --+ --+
c == a a + {3 b OC == OAI + OBI == a OA + {3 OB
Sumando dos vectores cualesquiera de este subespacio,
--- ---
---
118
obtenemos un nuevo vector de S. Del producto de un escalar ,
--....
OC 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 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. Se dice de un nWnero ,6 de vectores 81, 82,
, 8. , 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 81
8 2 , ,8. 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
2
= [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 =0 '*
2a 1 +a
2
= 0
a
1
+a
3
= 0
-a
1
-a
2
+a3 = 0
sistema homogeneo que para que admita soluciones no triviales
el determinante de los coeficientes de al ,a2, y a3 debe anu
larse. En efecto,
119
2 1

1

1
=
-1 -1 1
y por 10 tanto existe dependencia lineal entre los vectores
8 2 Y 8 3. Como 8 1 y 82 no son colineales, el tercer vector
expresarse como combinaci6n lineal de los primeros (Fig.
3-2) , de forma llnica,
83= a81 +(382 => [0 , 1, 1] = a[ 2 , 1 , -1] +(3[ 1, 0, -1] =>
2a+{3 =
a =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 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] = 0 =>
a=O
2a+'Y =
=> a=(3 = 'Y= ,
2a =
a+(3 =
ya que el sistema homoqaneo resultante de cuatro ecuaciones con
tres incognitas para que tuviera soluciones no triviales la
triz de coeficientes,
1

2

1
2

1 1

tener la caracter1stica Como incomPe
tible para valores de a,(3,'Y diferentes de cero y por 10 tanto
los vectores 8, bye son linealmente independientes.
[1 0] e-lJ t
1
1J [0
2

:-,3 fl:b:en:r, :i[::=P:Si:1e: :a:ri: [ com
binaci6n lineal de las restantes.
120
Se debe cumplir,
[
1 OJ [0 -11
a [ A] +(3 [ B] +'Y [ C] +l) [ D] = [ E]=> 1 +(3 1 oj + a
a-'Y=4
'Y [-1 1J+ l) [0 OJ = [4 -3J => -{3 +'Y ==-3
2 1 4 4 (3 + 2l) 4
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 8
1
, a 2, ,a. ,
de forma que cualquier otro vector del mismo espacio puede
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
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 a un
mismo espacio E y que son linealmente independientes forman u
na base 0 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
, , x, .
(a)
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 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 X + 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. Los monomios (a) del apartado a!!
terior hasta el grade -6 constituyen un ejemplo de base de un
espacio V
N
de dimensi6n finita. Como el numero de monomios (0
vectores de base) es justamente la dimensi6n N de este espa
cio, se N = 1 + -6.
De un espacio, sea la dimensi6n finita 0 infinita, se pu!:
de seleccionar un numero infinito de bases.
EJERCICIO
3-4. Hallar los coeficientes del polinomio y = 3 + x - x
3
con relaci6n a la nueva base 1, (1 - xi , (1- X}2, (1 - X}3
Como los polinomios han de ser respecto a cual
quier base y para un valor totalmente arbitrario de x, basta
identificar coeficientes de las distintas potencias de x en
ambos miembros de,
3 . (2 3
3 + x - x = ao + a 1 (1 - x) + a2 1 - x) + a 3 (1 - x) ,
se llega al sistema lineal de ecuaciones cuyas soluciones son
los coeficientes pedidos,
ao+ al+ a2+ a3= 3
- a 1 - 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 81,82' ' aN una base del espacio V
N
y a un vector generico del mismo, se
en el supuesto de que no tenga descomposici6n unica. Restan
do las dos anteriores expresiones,
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
"', a ESN.
En primer lugar estudiemos la dependencia lineal entre
at ,a2 ,a3, hallando la caracter!stica de la matriz,
1 0 -1 1 0 -1
_{[ F z +Ft (-1)
-1 0 1 1 0 -1
- [F
3+Ft
(-1)] [F
3
(1/2)]
2 0 -2 1 0 -1
0 0
[C, +c,l
n* ,
0 0
n
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 como vector de base,
a= at 8
t
=> [x,y,z] = at [1,0,-1] =>
.2S =L=...!...
1 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 aquf at =[ 0,0,1), a 2=[ 0,0, -3] Y a r
( 1,1,1)
Con el caso anterior, hallaremos It,
123
[ F
2
+ F
I
(3) ]
{
;::, [F + F
I
(-1) ]
3
1
o
o
Y N = n = 2, SN= S2 Y este subespacio se compone de los pun
tos de un plano. Tomando 8
1
y 8
3
como vectores de base (se p ~
drfa escoger t.ambi.en 8
2
Y 8
3
perc no 8 I Y 8
2
por ser uno com
binaci6n lineal de otro),
8 = a I 8 I + a3 8 3 =9 l x , y, a l = a I [ 0, 0, 1] + a3 [ 1, 1, 1] =9
:> X = Y,
que es la ecuaci6n de un plano conteniendo el eje 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= V
3
10 que significa que los tres vecto
res de esta base no son coplanarios ni colineales. El vec
tor 8 tiene por componentes en esta base,
8 = a181+ a282+ a383 ~ [x, y, z] = ad1, 0,0] +
, a2 [ 0, 1, 0 I + a3 l 0, 0, 1] =9 y
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 vectores
81 = [1, 0, 0], 82= [0, 3, 1], 83= [3, -6,-2] y el generado por
124
b
l=[-1,3,tl
Y b
2=[
1,3,U son idAnticos.
Respecto al primer espacio,
[: ::U 'F, +Fd-3)+F,(2l) 2.
Tomemos 8 I Y 8
2
como vectores de base del espacio S2. Procedien
do de forma respecto al segundo espacio,
[ bdJ =[-1 3 11 [F2 +FI] 3 [F2 (1/6)]
[ [ b 2 ] 1 3 1J 0 6
- 1 3 1J [FI+F3 0 01 11.=2,
[ o 1 1/3 0 1
/0
Y b
l
, b
2
fonnan una base de Sl. Si Sl y S2 son tanto b ,
como b
2
expresarse como combinaciones lineales de 8lY
que equivale a afirmar que la tercera y cuarta filas son com
binaciones
matriz,
[ ad
[ 8
2
]
[ bd
[ b
2
]
lineales de
=
1 0 0
0 3 1
-1 3 1
1 3 1
la primera y de la segunda fila de la
1 0 0
0 3 1
{'F,+F'+F' (-1)) }

(-1)+F
2
(-1)]
0 0 0
0 0 0
[F
4+F1
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
= S2 Y los dos espacios representan el mismo plano.
3-9. Comprobar que entre los espacios generados por a
1
=
[1,0,0],8
2=[1,1,2]
Y b
l=[0,1,2],
b
2=[0,-1,-2]
existe una re
laci6n de inclusi6n.
Se tiene en cuenta para cada espacio, la caracter!stica
de la matriz,

['8.1 ]=[ 1
n: =2
[IbdJ

[ a 2] 1 1
= ,
[ b
2]
-1
0 1

El primer espacio es bidimensional (SN=S2 ) y su base for
125
mada por al Y a2. El segundo espacio es
y el vector de base se toma igual a b l La rtnica posibilidad
de inclusi6n es Sic SlY para ello b. deber!a ser una combina
ci6n lineal de al y a
2
c omo as! sucede,
[Ia [a 2] dJ =[
1
1
0
n: 1
=>
= 2.
[btl 0 1
n
2
-lJ
3-10. Hallar una base del espacio
nulo de
0 1 .
[A l=n
n
4 -4
Del sistema lineal y 1 = 0 se o X2
2
4 - x 0
llama espacio nulo el formado por los vectores x = [XI ,X2 ,X3] T
del espacio soluci6n. Si el sistema de ecuaciones es incompa
tible, los tres pIanos s6lo tienen un punta comrtn, el origen
de coordenadas,y la base de este espacio nulo
por el vector nulo 0 =[ or -iJi el sistema es compatible,
mo en el presente caso, 0 0 1 = 0, los tres p Lanos tienen
2 4-4
na recta comrtn que pasa por el origen y que es a su vez,el
pacio nulo. La base de este espacio consti tuida por cua!
quier vector contenido en esta recta. De las dos
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 2a 2+ +a 2a 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
ponentes a I ,au,aN del vector a en la base a I ,a 2 , ,aN han de ser
y en el mismo orden que las del vector b en la base
b I ,b2 , ,bN
Relacionadas con el isomorfismo de los espacios vectoria
126
les se derivan inmediatamente las siguientes propiedades:
a) Indicando en forma abreviada la correspondencia
tiva entre a ( a E V
N
) y b ( bEEN) por a corresp. b, se tie
ne para un par de vectores a, a' (a, 8' E VN ) y sus
dientes b, b' (b , b' E 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 V
N
Y su correspondiente b, b
E EN' a corresp. b, siendo k E K,
ka ==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
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 V
N
Ie corresponde el vector 0e de EN,
ya que si,
(a E V
N
; bEEN; a corresp. b) k a corresp. k b,
127
y haciendo k = 0, se tiene finalmente,
oa corresp. 0 b => o, E V
N
corresp. o, E EN.
d) un sistema de generadores del primer espacio se trans
forma en otro sistema de generadores del segundo. Sea at ,az,
,a N los vectores generadores de VN , y b t ,b2 , ,bN los vec
tores correspondientes de EN.
Si a =atat+ aZa2+ + aNaN y a E VN, el vector correspo!}
diente de EN sera b=atbt+ a2
b2+
+ aNbN siendo pues, b co
rresp. a. El vector b arbi trario, bEEN podr a ponerse en fun
ci6n de los vectores b t ,b2 , ,bN 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 l i n ~
almente independientes del segundo. Sean at ,a2 , ,aN los vec
tores linealmente independientes de VN y b t ,b2 , ,bN 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 que el vector 0e se trans
formara en Oy
Al ser 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 , ... ,bN 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 V
N
se transforma en 0
tra base de N vectores de EN 0 10 que es 10 mismo, dos espa
cios vectoriales isomorfos tienen la misma dimensi6n.
g) Sea un vector a, a E V
N
Y ai ,a
z
, ,a
N
una base de V
N
,
128
entonces a =a. a. +a2 a 2+ ... +aNa N. Sea, de otra parte, el vector ff
la [ at ,a2 , ,aN], [a. ,a2 , ,aN] EEN. Observese que el vector ff
la tiene sus elementos iguales respectivamente a las
tes de a, at ,a2 , ,aN, y en el mismo orden. Vamos a probar que
los espacios V
N
y EN son isomorfos. Para ella establezcamos u
na correspondencia biyectiva entre a y [a. ,a2 , ,aN] , siendo (a,
a') EV
N,
([ a. ,a2, ,aN] ,[ a/ .o.t , .. )EE
N,
a=al a. +a2 a2 + +aNaNcorresp. [a. ,a2, ,aN]
+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 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 , , (aN+a'N) l.
Tambien,
ka = k ( a. a I +a2a 2+ ... +aNaN) = ( ka. ) a +( ka 2) a 2+ ... +( ka N) a N
k [ a. , a 2 , , a N1= [ ( ku I ) , ( ku 2) , , ( ka N)] ,
y tambien aqu! resultan vectores con
te iguales, luego,
k a corresp. k[ at ,a2 , ,aN] .
Probado ya el isomorfismo de V
N
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 componen
tes en sus respectivas bases,
a corresp. b ... +aNaNcorresp. albl+a2b2+ ... +aNbN
por 10 que VNy WN 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 V
N
, 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, es decir, a :;;; [a. , a2, . , aN]
b :;;; [ {3. , {3 2 , , {3 N], etc.
EJEMPLOS
1. El conjunto de los polinomios hasta el grado segundo
p:;;; a x
2
+ b x + c 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
. [1 01 [0 11
do orden. La base mas es la formada por 0 OJ' 0 OJ'
y .
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, 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), [ 0,1, ... ,0) ,
... , [0,0, ... ,1] , pues,
aN [0,0, ... ,1].
4. Las matrices de segundo orden forman
un espacio vectorial de tres dimensiones, y los elementos a, {3,
130
son las componentes en una base adecuada,
que las matrices de la base son
te independientes y generan cualquier matriz de se
gundo orden, las propiedades esenciales de los
lementos de la base. En general, las matrices de
orden N son los elementos de un espacio vectorial de dimensi6n
1/2 N (N+1) ya que, como maxtmo , dichas matrices poseen N ele
N
2-N
mentos distintos en la diagonal principal y
ra de la diagonal principal repetidos dos ados 0 sea 1/2(N
2
N) elementos distintos. En total pues, N+1/2 (N

2
-N) = 1/2 N (N+1).
5. Las matrices de segundo orden [0 aJ
-a 0
son los elementos de un espacio vectorial monodimensional. To
mando como base la matriz se tiene, =a
En general las matrices antisimetricas de orden N forman unes
pacio de dimensi6n 1/2N (N-1). Como mAximo, los elementos no
nuLo s e independientes son 1/2 (N
2
-N) = 1/2 N (N-1)
6. Los espacios vectoriales de seis dimensiones estAn li
gados, como sabemos, por isomorfismo. Enumeremos algunos de
los infinitos espacios que pueden existir:
a) Matrices simetricas de tercer orden,
[: ::]
o a /3
-a 0 l) e
b) Matrices de cuarto orde
-/3 -l) 0 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 x5 +/3 x
4
+'Y x3 +l) x2 + X+ 11.
CAMBIO DE BASE. En un mismo espacio vectorial V
N
N-dimensio
131
nal eligiremos,de un numero infinito de bases, dos en
lar formadas respectivamente por (el ,82 , ... ,e N)
te, e r ) Y (e I , e 2 , ... , eN) (abreviadamente e i ) Cualquier vector
de la base nueva (e i ) 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,
ei = at ej ; (i,j = 1,2, ... ,N).
(3 -3)
a
l
I
a] . ..
ai a&
A la matriz cuadrada de orden N, [A] = [a: =
a
NI aN
2
aN
N
se Le llama ma.tJr..iz de. tJtan6nMmac.i6n de la base antigua a la nue
va. Si escribimos las componentes 0 vectores de cada base por
'"
filas,
la (3-3) admite la disposici6n de producto de matrices,
(3-4)
de
Interesa poner atenci6n en el hecho de que
la matriz [A] son los coeficientes del
los elementos
sistema lineal (3-2)
dispuestos en orden transpuesto. Tal disposici6n es
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
= ble
l+
bie
2+
+
e
2
= +
(3-5)
que en notaci6n compacta se representa,
132
=1,2, ... ,N). (3-6)
b} b ~ b ~
A 1a rnat r i z [B) == [bi ] =
bi b ~ b ~
se Le llama matJUz de tnan
bf b ~ ... bi::
6ottmacA.-611 .invenso: , que interviene en el caLcuLo 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 J 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 0
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 podra ponerse en funci6n de los vectores de
la base nueva, siendo VI ,v
2
, .v" (abr'ev v") las componentes nu!:: s
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 8
i
de (3-3) en (d),
(e)
De (e) y (3 -10) ,
v := (vi af) e i = Vi e i
Vi = Vi al
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
triz fila,
I 2 IT
[
V ,V , ,v
N
v=[e"e" .... e.J [e"e" ,e.1 [IJ

(f)
De la anterior y (3-7),
(g)
Ahora la (d) pasa a ser,
v
2
- - - I [-I -2 - ]T
V =[ e I , e 2 , , eN] = [e I , e 2 , , e N V, V ,..., VN
(h)
De la anterior y (g),
-1 -2 - ]T
[ V , V , , VN = [ B ][ Vi , v? , . , VNP ,
o bien, por (3-9),
[ V
- I
,V
-2
, ,v
-N]T-
-
[A]-I[
V
I
,V
2
, ,v
N]T
, (3-13)
expresi6n equivalente a (3-11).
Por un razonamiento paralelo, la (3-12) pasa a ser,
I 2 NIT - [ ][ - I - 2 - ]T
[ V , V ,..., V - A. V , V , , VN (3-14)
Si escrito las componentes de cada base en matri
ces columna,
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 - N ] [- - - ] T
(j)
v=[ vI,v- , . ,v e
l
,e2 , . ,e
N
,
habiendo introducido necesariamente las componentes de v (an
tiguas y nuevas} en disposici6n de vector fila. Entonces la
(3-13) y (3-14) se presentan,
[VI,? , ... ,v1 = [v
I,v2
, ,v
N
] ([ A ]T}- l
i
( 3-17)
[Vi , v2 , , vN] = [vI , v2 , , v
N
] [A]T.
C3-18}
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
l=1,v2
=2,
3
nentes v v =3, en la base el = [3 , 1 , 2 ] , e2=11,0,1],
2 3
e
3
= [- 2 , - 1 , - 3 ] , hallar las componentes v ~ ,v ,v de este mismo
vector en la base e I ,e 2 ,e 3
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,
a ~
al]
a ~ a ~ ,
[
~ ~ = ~ ] = [ ~ ~ ~ ] [:i
2 1 -2 1 1 1 a ~ a ~ a ~
y despej ando [A],
[A J = [ ~ ~ ~ ]_1 [ ~ ~ = ~ ] = [ ~ - ~ ~ J ~ ~ = ~ ] =
1 1 1 2 1 -2 -1 a 1 1-2 t;
135
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,
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 V
N

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 2' ,a N de "N escogemos R vectores
cualesquiera ai' a 2 , , a R obtenemos una base de SR , ya
que toda combinaci6n lineal de los vectores de la base SR per
a este subespacio,
ai, a 2 , , aRE S R =>V =a 1 a 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
EJEMPLOS
7.El vector nulo 0 es elemento de cualquier subespacio SR
(OES
R
)
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 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
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
espacio N
2-dimensional.
un Seleccionando de todas estas las
matrices se obtiene un subespacio sa de dimensi6n
R = 1/2 N (N+1) , (ver ejemplo 4).
11.Las matrices forman un subespacio SRde
dimensi6n R = 1/2 N (N-1) respecto del espacio de dimensi6n N
2
formado por las matrices de orden N.
12. Los polinomios hasta el grade R, Y:" C10 +Ut x+a:z x
2
+ .. +OR x
R
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,
(jlt ... ,(jN pertenecen al mismo campo c,
Empezaremos denotando por S 1 ,S2 , , ciertos subespacios
de V
N
. Al conjunto I de vectores perteneciendo simul
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
si cada subespacio contiene dos vectores arbitrarios a y
b, 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 , Ademas el vector nulo 0 se encuentra en
cada subespacio, luego contenido en I. En con
secuencia I un subespacio vectorial,
. .
I ,
aa+(jbES aa+(jbES2 i ; a,(jEK,=?
S
l S2 Sl 2
OE i OE i i =? 0 E (IS (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 I e I + a 2 e 2 = a I [1, 1 , 0] + a 2 [ 1, a, -1] = [ a I + a 2 , a I , - a 2] i
w =a'i e'l + a'2 e = a'i [1, 1 , 1] + a'2 [ 0, a, 1] = [ a\, a'l, a'i + a'2] i
Si se buscan los vectores comunes a estos sobrespacios,
deberemos hallar las relaciones entre a
l
,a2 ,a'. ,a'2, para que
v = w,
= a',
= a\
= a'i + a'2
a
2
= a
a' =

v = I a ,a , a ] = a [l, 1, a],
1
a
l
a'
2 = -
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 y 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 e'l = [ -1,3, -1 ]
De (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 = - 'Y
a+'Y=O
- a - {3 - 3'Y = a
a+'Y=O
a 1
-1 -3 = 0,
1

a
luego el sistema es compatible y a = - 'Y, {3 =-2'Y Y la
base e't es una combinaci6n lineal de e I y e 2
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 y la
expresi6n de un vector arbitrarioen el subespacio intersecci6n
138
de los subespacios generados por e)= [1,0,0], e2= [0,-1,0] Y
por e'1 = [ 0,0, - 2 ].
De (k),
v = a [1,0,0] + f3 [0,-1,0] = [a,-f3,o)
w = 'Y [0,0,-2) = [0,0,-2'Y )
De igualar v y w resulta,
a
= 0
-f3
= 0
i
-2'Y = 0
100
o -1 0 '10,
o 0-2
y el sistema es incompatible, admitiendo solo las soluciones
a = f3 = 'Y = O. 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
una base de SR. Por otra el resto de
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 , UEV
N
podr& expresarse,
U=( a I a I +a 2a 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 W de SN-R. Como la descomposici6n de U en com
ponentes de la base es unica, ser&n unicos v y W. En
el ejercicio 3-14 los dos subespacios en cuesti6n son
mente suplementarios.
Al objeto de analizar la uni6n de subespacios,considere
mos otra vez SI, S2, . s , como subespacios cualesquiera de V
N

Al conjunto U de vectores de los subespacios SI ,S2 , .. ,y todas
las combtnaci 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
. , 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+ )=(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 ,luego OEU y en definitiva queda demostrado
que U es un subespacio vectorial.
EJERCICIOS
3-15. En el espacio '3 hallar la uni6n del subespacio SI
generado por e
l=[
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
(a-313) 1,0,0]
Como e\ Y son linealmente dependientes, los subespacios
SlY s; 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
ni6n U=S2USI, hallando la de la matriz formada
por los vectores de las bases,
[
:l 1Z.=2
0 2 2 0 0 0
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 SRCSp 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 IZ. de los vectores de base vale,
1 0 0
0 1 0
0 0 1
1 1 1

1 0 0
0 1 0
0 0 1
1Z.=3 ..
0 0 0
La base de U tres vectores (e I , e 2 , eI ) y U coincidi
141
con V
3
ASl pues,
Si I es el subconjunto intersecci6n de S2 y ,
dim. = dim. 1=1,
como se comprueba inmediatamente, y entonces,
dim,S2 + - dim. II = 2 + 2 - 1 = 3.
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 de un espacio V
N
es igual a la suma R + R' de las
dimensiones de estos subespacios menos la dimensi6n Q del sub
espacio intersecci6n I Q,
dim. =dim. SR+ dim. - dim.
P=R+R'-Q.
Empezaremos, a fin de demostrar el teorema, por
nar Q vectores libres de I Q' ii, i 2 , , i Q que consti 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
ii' i 2 , , iQ E SR'.
Podemos aprovechar i) ,i
2
, , i Q para formar una base de SR Y
a tal fin completemos este grupo de vectores con R - Q vecto
res e I ,e
2
, asi que el s t s t.ema T, ,i
2
, ,i
Q,
e
l
,e
2
, ,
e R-Q sea libre. Esta base cons t ara de Q + R - Q= R vectores
do R la dimensi6n de SR. Procediendo de forma similar,
mos i
l
,i
2
, ... ,i Q, ell ... , vectores libres, que en nti
mere de Q + RI - Q= RI forman una base de siendo R' su dimen
si6n.
El sistema,
,i
2
, ,iQ, e),e
2
, .,e
R_
Q, ... ,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
P=R+R'- Q,
y el teorema demostrado.
Si a E Sa a E III por ser S=III ya que III es un subespacio que
contiene los vectores que generan una base de Sa.
te si b E bElli, luego a + bE'" III = Up ya que, por defini
ci6n, el subespacio uni6n debe contener todas las sumas de
res de vectores, uno de SR y otro de Sk.
Solo resta comprobar que (1) forma un sistema libre. For
memos una relaci6n lineal entre los vectores de (1),
a I i I + a 2 i 2 + ... + a Q i Q + . e + 2 e 2 + ... + R-Q e R-Q +
siendo al ,a2' ,aQ, . ,2, ,R-Q , '. ,'2, ,'RLQ escalares
de un cierto campo. Si a E SR, podza expresarse como una combi
naci6n lineal de los vectores de la base,
De (m) y (n),
a =- \ e 1- 'z e'2 - - e'R!-Q (0 )
segtin (0) el vector a es un combinaci6n lineal de una parte de
vectores de la base de Sit', luego a E Sit'.
Se deduce por tanto que si,
(a E SR ; a E a E a E 1Q,
a per t enecer a al conjunto intersecci6n I
Q
, y existiran por ta!}
to, escalares {31 ,{32, ,(3Q tales que,
(p)
De (0) y (p),
{3
" {3" {3" ", "
1 II + 2 12 + ... + Q I Q + I el + 2 e2 + ... + R!.Q e R!...Q = 0 (q)
Pero i I , i:2 , , i
Q
' , e
2
, , e'a...Q forman la base de SR por 10
que (q) se cumple solamente si,
{3 - {3 - - {3 - ' - ' -
1- 2-- Q- 1- 2-- = o.
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 si
los escalares at ,a
2
, ,aQ'1 '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 coroLar Lo vde L teorema anterior, podemos acotar el
lor m1nimo de la dimensi6n Q del subespacio intersecci6n. Si
SRUSW==Up ,SRn5
w=I
p, y como la dimensi6n P del subespaciouni6n
no puede ser mayor que la dimensi6n N del espacio "N en el cual
e s t an inmersos todos los subespacios SR, , 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 Larios 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 V
4
, 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 subespacios de V5 Hallar las posibles d!
mensiones que puede tener
La dimensi6n de es, como m1nimo la del subespa
cio de la uni6n que la tiene mayor y como la de Vs.Lue
go . Ademas Q == dim. IQ==dim. (S2nS:
S'
3
)
,
Q== 2+3-P ; P== 3,4,5 Q= 2,1,0.
Luego la intersecci6n I
Q
es un plano, una recta 0 el espacio
nulo.
144
3-19. Sean SRY dos subespacios de V
4generados
por el=
[1,1,-1,0] , e2=l 0,0,-1,0] ,e3=[ 1,0,0,-1] , Y e'I=[ 2,1,-2,-1] ,
[O,l,O,ll , 2,0,-2,-2]. Hallar dim. (SRUS:r}Y dim.
Primero calcularemos las dimensiones R Y R' de los sub
espacios,
1 -1 1 -1
0 -1 0 -1 fL= 3

R = 3.

0 0 -1 0 -1 1 -1
1 -2 1 -2
1 0
1 :::::: 0 1 0 2 R'= 2.
[:J
[2

0 -2 -2 0 0 0
Por tanto, SR se genera por el,e2,e3, Y por e'l , e'2 . El sub-
espacio uni6n generado por e I , e 2 , e 3 , e \ , e'2 y su
dimensi6n la caracter!stica de la matriz,
e
l
1 1 -1 0
e
2
0 0 -1 0
e
3
= 1 0 0 -1
e'
I
2 1 -2 -1
e'
2
0 1 0 1
1 0 0 -1
0 1 0 1
::::::
1 1 -1 0
0 o -1 0
0 -1 1 -1
0 0 0 0
0 1 0 1
::::::
1 0 0 -1
0 0 -1 0
0 0 1 0
::::::
0 0 0 0
0 1 0 1
0 0 1 0 fL=3 P = 3.
0 0 0 0
0 0 0 0
Finalmente, Q = dim.l
Q=dim.
-P=
3+2-3 = 2. Puesto que el subespacio S:r tiene la misma dimensi6n
que el subespacio intersecci6n I
Q
( R' =Q= 2 } existe la relaci6n
de inclusi6n c SR' Y entonces ) .
UNION DIRECTA DE SUBESPACIOS VECTORIALES. Se dispone de varios
subespacios SI,... S2, .. , del espacio V
N
(SICV S2CV
N
, ). Si un
N
vector arbitrario pertenece a la uni6n de dichos subespacios,
UEU,
significa que U puede representarse bajo la forma,
U=U I +U2+ .. ,
(r)
145
donde U
I
E SI, u
2
ES
2
, ... En general, esta representeci6n (r)
no unica. Sin embargo, si todo vector U puede descompo
nerse de una manera (r) y solo de una, entonces los subespa
cios pueden unirse directamente. Dicha uni6n se repre
senta por,
U = S I Ell S2 Ell ,
Se puede demostrar que si U es la uni6n directa de dos subes
pacios Sly S2 (U = S I Ell S2), se cumple simul taneamente U = S IUS
2
Y So= SI nS2 .
En efecto, si U = S I Ell S2 un vector arbi t-ra r Lo u, UE U,
representarse de forma tina ca por U = U1+ U
2,
siendo UI E SI ,
U2 E S2, por 10 tanto U pertenece, al menos, al subespacio uni6n,
U = SI US2. Veamos si existe a Lqtin vector U comtin a la
ci6n, U E S InS2, y para ello,
U=U+O; UE SI ; o E S2
U= 0,

u=o+u; o E SI ; UE S2
ya que la descomposici6n de U en sumandos debe ser unica. Si
lns2=
o es el unico vector comun a SI y S2, s So (So es el sub
espacio nulo).
"
"
El reclproco del teorema anterior es cierto. Si
se cumple U = S IUS2 Y So = S Ins
2,
entonces U es la uni6n direc
ta de SI y 52 (U = 51 Ell 52 ). Como U = 5
1US2
existen vectores UI
Y U2 , (u I E S I, U2 E 52) tales que U= U1+ U2, siendo UE U.
gamos que la descomposici6n anterior de U en sumandos no sea
unica,

U
I-
U'I= U
2-U'2,
y como u , - u
1
E SI, U2 - U'2 E 52 y ambas diferencias son iguales,
UI - u', = U
2
- U'2 E slns
2
y por tanto pertenecen al subconjunto i!}
In52
tersecci6n. Por hip6tesis, el tint co vector comtin a s es 0, e!}
tonces u
I-
u't= 0; u
2-
U'2= 0 u
I=
u't; u
2=
U'2 y la descompos r
ci6n es tim.ca , Por tanto U =51 Ell S2
Si la uni6n de dos subespacios es directa, Up =
demos relacionar la dimensi6n P de Up con las dimensiones R y
146
RI de los subespacios y sit. Como P = R + R1_ Q siendo Q la df
mensi6n del subespacio intersecci6n I
Q
y hemos demostrado que
1Q= So, 0 sea Q = 0, se deduce que P = R + RI, 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, Q = 0,
I Q = So a s f que Up = 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 generados respectivamente por e
l
= [1,0,0,0], e
2
= [1,1,
0,0] y por (1,1,1,0], pueden directamente.
Basta hallar la dimensi6n P del subespacio uni6n Up =
Dicha dimensi6n es igual a la caracterfstica de la matriz for
mada por los vectores de las bases dispuestos en submatrices
fila,
: : ] = => n: = 3 => P = 3.
[
ell 1 1 1 0 0 1 1 0 0 0 1 0
Como P=R+R' (3=2+1), Up=S2EBS/.
3-21. Comprobar en el espacio V
4
, que los subespacios S2
y 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,
1 1 0 0 e
l
0 1 1 0 e
2
=
0 0 1 1 e'l
l
1 1 1-1 e
2
fL=4 => p=4.
Como P = R + RI = N (4 =

1 1 0 0
0 1 1 0
0 0 1 1
0 0 1-1

1 0-1 0
0 1 1 0
0 0 1 1
0 0 1-1
2 + 2), los subespacios son
1 0-1 0

0
0
1
0
1
1
0
1
=>
0 0 0-2
suplementarios.
147
3-22. Comprobar que el subespacio de las
[X],[x]ESi, y el subespacio de las matrices antisimetricas [y],
[Y ]ESi ,son suplementarios respecto de las matrices cuadradas de
[ A ]=[ X }+[ Y ].
orden T, [A],[A]EE
N
.
una
Toda matriz cuadrada [
matriz [X] y
A] p
una
uede descomponerse
[Y],
en suma de
(s)
Transponiendo los dos miembros de la ecuaci6n
do en cuenta que [X r=[ X I, al ser [X] s Lmet r I ca y l v ]T= -[ Y],al
ser [y]
[ A r = (l X }+[ Y ]}T=> [A P' =[ X r -I Y r=> [ A r =[ X ]-[ Y ] . (r)
Resolviendo el sistema lineal de ecuaciones formado por (s) y
(t ) ,
[ X }+[ Y i-t A] l
I=-2 sistema can salucianes fin i cas ,
[ X l-l Y ]=[ A]T {
[ X] = 1/2 ([ A ]+[ A r) ,l Y l= 1/2 ([ A l-I A ]T) .
En resumen, la descomposici6n (s) es unica y por tanto si y
estn en suma directa, .. la dimensi6n del sub
espacio si de las matrices de orden T es R = 1/2T (T+
1) Y la dimensi6n del subespacio si, de las matrices
tricas delmismoordenesR'=1/2T(T-1}. Asf pues,el subespacio
ni6n Up t.endra por dimensi6n P = 1/2T (T+1) +1/2T (T-1) =T
2
. que es
precisamente la dimensi6n N del espacio de las matrices de or
T
2
den T, N = Y por tanto EN=Up= y si y Sison suplementarios.
3-2. APLICACIDNES LINEALES
Hasta aquf se han analizado de forma somera las
des de los espacios vectoriales como entes 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 0 a
puc.auonu une.al.u constituyen el objeto de este e s t.udLo v Empez g
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
corresponder a cada elemento a, a E A un elemento b, b E B,
da establecida una aplicaci6n de A en B. Dicha apUca.u6n,6un
u6n 0 c..oJ!Jl.eJ..ponde.nua se representa por,
Al elemento b se Ie llama del elemento a a de la
aplicaci6n 0 funci6n Gy entonces b = 6(a). Al elemento a se Le
llama 0 inveMa de b,
b = 6(a) => a = 6-} (b)
Si a E A y 6(a ) E B y seleccionamos del conjunto producto
AXB los pares o rdenados {a, 6(a): a E A}, obtenemos un subcon
junto C, CcAX B llamado gJtlf6ica. de 6.
De la aplicaci6n 6 : A B puede interesar la imagen y = 6
(x ) de un elemento arbi trario x, x E A, usando la notaci6n,
X # Y X # 6(x)
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 : 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 = sen x como una aplicaci6n de
VI . en VI sobre el mismo cuerpo K de escalares,
y = sen x ,
17. La correspondencia entre vectores del espacio ordina
rio, 6 : V
3
V
3
, U E V
3
, puede representarse por u # 6(u ) , siendo
v = 6 (u ). Esta aplicaci6n transforma un vector u en otro v del
mismo espacio. Si la funci6n 6( ) 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, E K (u )
I
si las componentes de los mismos vectores se dis
ponen en matrices fila, la misma ecuaci6n vectorial induce a
hora a la ecuaci6n matricial,
149
fl fi
[
fl]
[ V]T=( U]T[ F]T [VI,VZ,V3] =[ UI , u, , U3] . (v)
f5 d
que tanto de (u) como (v) resultan las mismas rela
ciones lineales entre componentes de ambos vectores,
VI = f\ u I + UZ +f! u 3
V2 = fiu I z +f5
U
3
V3 = I z 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!
caci6n ,: V
N
--+ V
M
sobre un cuerpo C. Sean u Efl
N
, VE V
M
y [ F]={ f
i i
] ,
fjjEK, quedando las componentes de los vectores u y v
tas por filas, [u ]=fUI ,uz , ,uNL [v ]=fVI ,vz , . ,v
N]
, entonces,
u (u ) U<+v ; v=, (u ) [ v ]=f u I F
I fl
fZ M

if ...
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
X
Z
+ ... forman un
espacio E. Las derivadas de estos polinomios definen una apl!
caci6n D:E--+. As!, D(y) .
OPERACIONES CON APLICACIONES. Dos aplicaciones ,:A-'8 y
g:A-.B son iguales si '(x)=g(x) para todo y se representa
por '=g.
Juega un papel importante en las transformaciones el
ducto de aplicaciones y a fin de comprender mejor dicha opere
ci6n analicemos los dos siguientes ejemplos,primero,
camente y despues, anal{ticamente (Figs.3-3,3-4 respec.)
a). Sea 'z el conjunto de los puntos del plano XtOXZ Y ,:
Vz-.V
z
la aplicaci6n que consiste en hacer girar los puntosdel
plano un de 90 antihorarios alrededor del origen O.
S1 las de los puntos A y AI B y
teo Consideremos una segunda aplicaci6n g,g:Vz-'Vzconsistentee
150
C
-
...
...
/ !:'
I ;'
I ,
'e' ,'B'
-2 E'-)
E
o
3
D'
)
,
,
"
,
,
....
,
,
'\
\
,
\
\ ,
,
\
\
I
,
I
A D
2 3 x)
B C
--
___ 3_ _ ....
) D 2 o
,11"..,;' ...
B' - : ;-'='--, A'
, ... ,
C
2 'ID I
1,"1 E- ..... 'I I
I I I ,""-;, I
, I' I . I I, I
E '1-, I ) I I \ I
I' I I I I
I ........ I I I \ I
: 1................ / : \ t
"
3 A
'
\
\
\
\
\
'
Xi
Fig. 3-3 Fig. 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
mente. Las de B y B', bajo esta transformaci6n
C.y C', respectivamente. Entonces
6(A) = B ; 6(A') = B' ; 9 (B) =C ; 9 (B' ) = C' ,
Y al substituir puntos del plano por vectores,
-----I!
6(OA)
-
=
-
OB ; 6(OA') = OBi ;
Si el vector OC se pone directamente en funci6n del vector OA,

----.,.
OC = 9 (OB) = g{6 (OA)}= h(OA). (w)
A la aplicaci6n h = 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,
--+-
9 (OA) = OD ; 6 (OD) = OC ; 6 (00') =oc: ,

y como antes despejamos OC,

oc = 6(00) = 6{g (OA)} = 6
0
9 (OA) = fl. (OA) (x)
De (w) y (x),

h (OA) = k (OA) fl. = h go 6 = 60 9 ,
y en este caso resulta que el producto de aplicaciones es con
mutativo.
Podemos llegar al mismo resultado siguiendo la via
tica y disponiendo las componentes de los vectores en matriz
columna,
-
151
Traduciendo al lenguaje matricial, debemos substituir la apl!
caci6n 6 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]=[ft tIl = [0 -lJ [ Gl = [gt gfJ = [3/2 0 J'
fi fiJ 1 0 glJ 0 3/2
y las ecuaciones matriciales,
= [ F J [:J [:J = [ G 1 [:J = [ G I F J [: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
y; ] [W: ] -----+ -----+
[
y; = W; => oe
l
=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
V
2
V
2
Y L:V
2
V
2
La primera ha sido ya usada en el ejemplo
anterior, aqu! con la misma letra .. En cuanto
a la segunda,L , consiste en disminuir hasta la mitad la com
ponente Xl del vector dejando intacta la componente X2. As! que
tenemos,
-----+ -----+- -----+ -----+
--- -----+
(OA) = OB ; (OA
I)
= OBI; L (OB) =oe ; L (OB') = oc'
-----+- -----+- -4- -4
Relacionando directamente oe y OA (0 oe' y OA'),
-----+- -----+- -----+- -----+- -----+ -----+
oe = L (OB) = L{ (OA) }= m (OA) ; oe' =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'.
-----+- -----+- --- -
Relacionando OE y OA (0 OE' y OA'),
-----+- -----+- -----+ -----+ ----+ -----+
OE = (OD) = {i (OA) } = n (OA) ; OE' = n (OA') ,
siendo n = 6{i}= i la aplicaci6n producto. De,
- -----+
-oe = (Lo (OA) -
OE = (, 0 L) (OA) ,
-----+ -----+
y como oc vOE,
y el producto de estas aplicaciones no es conmutativo.
Operando matricialmente, al considerar los vectres y ma
trices,
-----+
OA'= OBi - '=
v1 '
-- [WI'] -----+- [Xl J
oc ; oe ' = w1 OD = X2
[
f
l
flJ [0 -lJ
oEo=
( F ] = = 1 0
153
partiremos de las ecuaciones,
siendo [M] = [L] [ F] la transformaci6n producto. Substituyen
do valores,
[::] = ]= ] '
[:;J = GJ = .
Invirtiendo el orden de las transformaciones,
por 10 que la transformaci6n producto [N]
[
0-lJ [1/2 OJ [0 -lJ
[ N ] = [F] [ L]=> [N ] = 1 0 0 1 = 1/2 0
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,
[
Y
Y
IJ [0 -1] [7/2J [0 J [Y; J [0 -lJ [2J r-
2
J'
= 1/2 0 0 = 7/4 ; = 1/2 0 2 =L1.
2
En general, podemos pues afirmar que el producto de apl!
caciones depende del orden de los factores. Sin embargo el
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 E A,
6[g{h(a}}]= 6[goh ](a)= 6o[goh ](a) =
(6
o
g
o
h) (a) = (6
o
g }oltl (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 que
puede realizarse de la forma conveniente. Incluso, dichos
154
pueden omitirse. As!,
'0{'0')={'O')0'='0'O,={,)3 ; 6={,)N;
( 6 ) No (,) M= (, ) N(, ) M= ( , ) N+M
En particular si 'y 9 son dos aplicaciones cuyo producto es
mutativo,
'og=g06 ; {'og)2={6
0g)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. Se Ie
llama aplic.ac.i6Y1. Ldenxcdad, i:A--*A,que para todo aEA,
i (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
0
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,
ra todo aEA,
(6g) (a) = (g6) (a ) =i (a ) =>
60g=go '=i,
se dice que 6 es inversa de gog es inversa de ,.
Una aplicaci6n , invertible s610 una inversa ya
que en caso contrario (sean gl y g2 dos inversas distintas),
60gl=gI06=i; 60g
2=g2
0'=i,
y al premultiplicar la primera por g2 y tener presente la se
gunda,
g2 0 {60g
1
)=g2 0, =>{g2 o')ogl=g2=>i og
l=g2=>gl=g2.
Si 9 es la aplicaci6n inversa de 6, 9 se denota s Lmpl.ernen
te por (,r 1 ,
155
si,
y la aplicaci6n inversa de la inversa de es la aplicaci6n pr,!
mitiva
EJERCICIOS
3-23. un operador 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 es una aplicaci6n.
a). Si (a ) =z , (b) = x
No 10 es porque el elemento c del conjunto original no tiene
imagen.
b). Si , , =z ,
No. Un elemento a del conjunto original tiene ms de una ima
gen.
c). Si
Si, aunque un elemento y del conjunto imagen tiene ms de una
preimagen , y otro elemento z no tiene preimagen.
d). Si y
(d ) =y, (e ) =y .
st. Como todo elemento del conjunto imagen tiene al menos, u
na preimagen, a este tipo de transformaci6n se Ie llama
ci6n. .6obILe. 0 .6obILe.ye.cti.va.
e). Si A={a,b,c} B={x,y,z,u} y
Si.Como elementos distintos de A tienen imgenes distintas de
B, a esta transformaci6n se Le llama uno-n-unc 0
tiva. En este caso, si (a,b)EA, y
f). Si A ={a,b,c,d},B={x,y,z,u} y 6(c)=u,
(d) =y
S1. Observemos adems que esta transformaci6n es a la vez in
yectiva y sobreyectiva y se llama apliMci6n. 0 biun.1vo
ca . Cada elemento de A tiene una sola imagen y cada elemen
todeBuna sola preimagen. Si 6(8)=X, 8 ... Y la
156
ci6n biyectiva siempre es invertible.
3- 24. Sea ft : VI VI, sobre el cuerpo R de 10s mlmero s re
ales. Determinar en los siguientes casos si ft es una aplica
ci6n.
a) y = ft (x ) = arc sen x ,
No. Los valores de x, x >1 Y x< 1, no tienen imagen. Ade
mas , para x = 0, por ej emplo, se obtiene mas de una imagen (0,
7r ,2 7r , r ad)
b) Y -:.; ft (x ) = tg x ,
sr . Cualquier valor de x, -00 < x < 00, tiene imagen y solo
una. como cualquier valor b del conjunto imagen
al menos, una preimagen, ya que b = tg x => x = arc tg b siempre
tiene soluci6n para -oo<b<oo, la aplicaci6n es sobreyectiva.
significa que cualquier recta horizontal y = b
tiene, al menos, un punto comdn con y = ft (x)
c) y -:.; ft (x) = In x ,
No. Los valores x 0 no tienen imagen.
d) y = ft (x) =ex .
Sf. Cualquier valor de x tiene una sola imagen.
para el valor y = b del conjunto imagen, se obtiene la preima
gen ex = b => x = In b. Si b 0, no hay preimagen, y si b < 0, u
na sola preimagen. significa que cualquier re2
ta horizontal y -:.; b tiene, como maxi.mo , un punto comtin con Y:"
,(x). La aplicaci6n es pues, inyectiva.
Sf. Cualquier valor de x tiene un solo valor de y y re
ciprocamente, cualquier valor de . tiene un solo valor de x ,
significa que cualquier recta horinzontal y =b
tiene siempre un punto comtin con y = , (x), Y 10 mismo para cua],
quier recta vertical x =a. La aplicaci6n es biyectiva. La fun
ci6n inversa es t1nica y se puede explicitar en funci6n de .,
x =<;y - 1.
Una vez definidas ya las aplicaciones biyectivas, vamos
a demostrar el siguiente teorema relativo a la invertibilidad
de
157
La condici6n necesaria y suficiente para que una trans
formaci6n 6,6 : A -+ A sea invertible es que 6 sea una aplicaci6n
biyectiva del conjunto A en sf mismo.
6
Si 6 tiene a g como inversa y 6 : A -+ A, g A -+ A,
0g
= go6 =i.,
y para todo a E A, siendo 6(a) = b, b E A,
(go6) (a) =g(b) ~ 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 '0,
(6og) (b) = 6(a) ~ ('og) (b) = b,
y como b es un elemento arbitrario,
('og) (b) =i.(b) ~ 'og=L.
Postmultiplicando la (y) por 0',
(go') (b) = 6(a) ~ (go 6) 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 s ~
bre el cuerpo K de escalares y " ,: V -+ III, una aplicaci6n. Se
158
dice de , que es una aplic.ac6n lineai. si para todo a, bE V y
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 simple de linealidad 10 encontramos en la
aplicaci6n identidad
i (aa+13b) = aa+13b = aL (a (b)
Sea 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=ao+13 o=a 0 (a ) +13 0 (b)
EJEMPLOS
20. Una matriz [F] de diemensi6n (N,M) define una
ci6n lineal sobre el mismo cuerpo K (ver ejemplo 18).Si
las componentes de los vectores a,b (a,bEV
N
) se disponen por
filas , se tiene 6(a) =[ a IF], 6(b) =[ b IF], y entonces por las
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 la aplicaci6n traslaci6n que transforma
el plano X
lOX2
en un plano paralelo distante k unidades de a
As1, 6 (u ) =v, u
EV
2
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
2
no se transforma en el vector nulo y laapl!
caci6n no es lineal. Observemos de paso que, mientras V
2
c V
3
,
siendo V3 el espacio ordinario, V1SlV3 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) E f, (a,{3) E R y segun las reglas de derivaci6n,
d (aa + (3 b) =ad (a) + (3 d (b)
23. Sea p : V3 la aplicaci6n proyecci6n sobre el ej e Ox.
c VJ), P (a) =ap El vector arbitrario a por compo
nentes [a. ,a2 ,aJ l, y su proyecci6n sobre el eje OXI, ap =[ai,
0,01. AnaLoqament e , otro vector cualquiera b = ({3I ,{32 ,{3 3 ],
ne por proyecci6n bp =[{31 ,0,0 l. Si (8 ,b) E V3 , (a p ,bp ) E VI, a,
{3 E K,
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 bp =
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 un espacio
vectorial f
N
y sea eil (e I , .. una colecci6n de vectores
totalmente arbitrarios en fN' Existe una unica aplicaci6n li
neal': tal que '(ei) =ei
l
(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) = 8 I ,sie!!
do a ' =ale\+ + a ek. Notemos que si los vectores eil
forman un sistema de vectores, con R de los cuales indepen
l
dientes, a un vector perteneciente al subespacio de
dimensi6n R. De,
al hacer a. = a2= = ai_I = ai+l = ... = 0 Y a
i
= 1, se obtiene,
y al hacer i = 1,2, ... , N 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'=
+ {3Ne;.. Entonces si (a,b)EE
N,
(a,{3)Er,
6(aa+{3b) = 6(aa 1e 1+
aa2 82+ + aaNeN+ {3{3181+ {3{32
e2+
+
(3{3Ne
N)
= 6([aal+ {3{3d el+ [aa2+ (3{32] 82 + +[aa
N+
(3{3N) eN) = (aal+{3{3d 8:+ (aa2+ {3{(2)e;+ + (aa
N+{3{3N).
aa'+ (3b'= a6(a) +(36(b).
Probada su linealidad, comprobemos si 6 es tinf.ca . Sea 9 : EN -.
otra aplicaci6n lineal que produce los mismos efectos que
6,
--',
g(8) =a' => g(8i) =8\
9 (a) = 6(8) => 9 = 6,
por ser 8 arbitrario.
Demostrada la existencia y unicidad de la aplicaci6n li
neal 6, interesa su materializaci6n en forma de matriz en un
siguiente paso. Los vectores e (i = 1,2, ... N) que son los
formados de 8\, 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}
fi
..
...
(a
l
)
... fIj
la (z) queda,
161
e'
1
e'l fi ... ff
e'
2
e'
...
2
= (3-22)
...........
e'N e'N flJ fiJ ...
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, , , 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
, _ L ( ) _ " , _ [ ] [" , ]T
a - n a -a 1 e 1 +a 2e 2+.. +aNe N- a 1 , a 2 , ... , aN e 1 , e 2 , .. , e N
Al substituir [e't ,e'2 , .. ,e'N] por su valor (3-22),
(b
l
)
Pero,
, _ [0 0 0] [ ]T
a al,a2, ,a
N
e
l,e2,
. ,e
N
. ( c
l
)
Comparando
ria,
(b") y (c") , al ser la base e
i
totalmente arbitra
(3-23 )
Finalmente, si efectuamos un cambio de coordenadas, (3
2), los vectores de la nueva base
[ 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
la configuraci6n
[a? ... =[ al .a, ,aN] [G P', (3-24)
siendo [ al ,a2, ,aN] y [a? ,ag , los vectores fila a y a'
162
-
en la base e
i
. Se trata de determinar la nueva matriz de la
transformaci6n [G] T Y para ello, basta substituir en (3-24) las
componentes nuevas de a y a
l
en funci6n de las antiguas segun
(3-17),
y en esta ultima substituir [a? ,ag , ... por su valor, (3
23 ),
Como las componentes a
l
,a
2
, ,aN son arbitrarias,
[ F ]T ([ A ]T) -I = ([ A ]T) -I [G)T =>
(3-25)
[ G ]T= [A IT[ F ]T ([ A ]T)- 1 , (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
l
- fi e .
t - ii'
(i,j = 1,2, ... ,N),
teniendo presente que debemos substituir las componentes at,
00 0 12 N 12 N
a2 , ... ,aN Y al ,a2 , ,aN por a ,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,
a =aie. a ' =aie! =a
i
fit e =a
i
fie
(d
l
)
" , Iii.
Como a I = ab e i , al comparar con (d I) ,
(e
l
)
ecuaci6n equivalente a (3-23). Con el cambio de coordenadas
-
e
i
= a] e
i
, la (e
l
) se convierte,
Substituiremos en la anterior, ab = y a
i
= a
i
bf, (3-11),
a k bl = a 1 bi gi
o k 1 i'
y de sta y (e
l
) ,
a
l
fr = a
l
bi gt => ff bi = bi gl .
Por ser (3-9), los elementos son los adjuntos
normalizados de at ' y por tanto,
- -
- -
163
fk bl a I = (bi a I ) g! fk bl a I = i g! gi = bi fk a I =>
Ikm 1m J Ikm mJ m kim
[ G) = [B) [ F ] [A] => [ G ] = [A )-1 [ F ] [A l.
EJERCICIO
3-25. Sea, en la base el = [1,0], e 2 = [0,1], la aplicaci6n
lineal': V
2-+V2 definida por '(8)=a' => '([a
l,a2
])= ([a
l-a2,
2
2a
l+
a ) ) en la que a=[a
l,a2]
y Hallarlamatriz
de transformaci6n en la base e
l
= [3,1], e
2
= [1,2]. Si a =[2,1]
en la base el ,e
2
, determinar el vector transformado a' en la
base e I ,e 2 .
De (3-3),
-
e I = a] e 1+ at e 2 ;
- i
e
i
= a
i
e
J,
(i,j = 1,2) =>
- 2
e2 = e 1+ a2 e 2 ,
y al substituir valores,
[ 3,1 )
[ 1,2 )
=
=
af

[1,0]+ ai
[1,0]+

[ 0,1 ]
I 0,1 ]
=> [A]
=
I at J G

De (e') ,
La matriz de transformaci6n G en la base e
1
,e
2,
(3-26),
3
L
3 1
J
[ G ] = = [A )-11 F ] IA] =
21J1 [1 -llJ r 2 -
[1 2 1
2/ 5 -1/5J [1 -lJ [3 1J = [-3/5 -6/5J
[
-1/5 3/5 2 1 1 2 19/5 13/5
siendo,
-1/5J
I bl ] = [at] -I =
;
[2/5
-1/5 3/5
-
Las componentes del vector a=[2,l] en la base e
i
s eran (3-11),
aI =b a I + a 2 = (2/5) (2) + (-1/5) (1) = 3/5;
a
i
= b! a
i
=>
1
a
2
= bia
l+
= (-1/5) (2) + (3/5) (1) = 1/5,
y las componentes de a' , transformado de a, en la base e
i
, de
acuerdo con (f'), ser an ,
164
(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 I ,e 2 ) ,
aA=a
l-a2=2-1=1
l
aZ=2a
l+a 2=2.2+1=5
(
.. (1)+(-1/5) (5)=-3/5
-I bl J
ao = j ao -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 If
neales entre s! y con escalares, se obtienen nuevas
nes lineales.
a). Suma de aplicaciones lineales.
Si y son aplicaciones lineales de espacios
vectoriales sobre el mismo cuerpo [, hagamos corresponder a
do vector u, uEU, el vector transformado 6(u)+g(U),
EV. La aplicaci6n que transforma u en '(u)+g(u) se indica por +
9 Y se denomina .6u.ma. de. .ia..6 a.pUc.a.c.ione-6 y g. As! pues, por
finici6n,
(6+g)
Vamos a demostrar que si 6 y 9 son lineales, la suma 6+9 tam
bien 10 es. Si U
I,u 2EU,a l,a2
E Ie,
( 6+g) (a I u I +a 2u 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 ) =
al )+g (u , )]+ad 6 (U
2
)+9 (U2)] =
al (6+9) (U
I
)+a
2
(6+g) (U2),
y por tanto es lineal.
Si las componentes de los vectores se disponen por filas
y UEU, VI ,V2EV,
6(u ) = V I -I VI] =[ U IF]
[v I ] +[ V 2 ] =[ U ][ F }t[ U ][ G ] ,
g(u)= V
2
"'1 V2]=[U IG)
165
siendo [F] y [G] las matrices de transformaci6n de las
ciones y 9 ,respectivamente. Por las propiedades de las matri
ces,
[ u ] [F }t[ u I 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 para todo UEU,vEV,aEK, se define el
ducto que transforma el vector U en el vector av,
(a (u ) =a (u ) .
t.,
'-.ff
(a 6) (a I UI +a 2U2 ) =a (a I UI +a 2U2 ) =aa I (u I ) +aa 2 6 (u 2 ) =
a I (a') (u I ) +a 2 (a 6) (u 2 ) .
En cuanto a la matriz de transformaci6n correspondiente a la
aplicaci6n
(u)=a' (u)= a =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 6
por un escalar a es igual al producto de la matriz [F) de por
a.
c). Producto de aplicaciones lineales.
Sean las aplicaciones lineales y g:V-W para las
cuales (u ,u
I
,U2 )EU, VEV,wEW, (al ,a2 )EK. Se define la
ci6n producto 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[
)+a2'(u
2)]=go[al
6(u
l
)]+go[a26(u
2)]=
al (go 6) (UI )+a2 (go 6) (U2).
166
De,
6(u )
9 (V)
= v =>
= W =>

[w]=[v][G]
=> [ w] = [u ] [F ] [ G ], (gl)
deducimos que si [pI es la matriz que transforma directamente
el vector u en el vector W (dispuestas sus componentes
tivas en matrices fila),
[wJ=[u][pl,
y de 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
ales gozan de las mismas propiedades que las matrices que re
presentan a Por ejemplo, si el producto de aplica
ciones (g06) es conmutativo, el producto [F] [G] de sus matri
ces tambin 10
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,adE
K.,
[6 (g + h)] (a j u , + a
2u 2)
= 6
0[al
(g + h) (ut> + a2 (g + h) (u
2)]
=
y
a 1 [ 60 (g + h)] ( u t> + a 2[ 60 (g + h)] ( u 2) ,
[6
0(g+h)]es
lineal. 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 se demuestra,
(g + h) 06 = go 6 + ho 6; a (go 6) = (ag) 6 = go (a6) ;
a(6+g) =a6+ ag; (a+13)6=a6+136.
3-26. Sea 6 U
3
--+
EJERCICIOS
V
2
la aplicaci6n lineal definida por 6(u) =
167
V '([Ul ,U
2
,U
3
I) =[U
l
+ U
2
+ U
3,
2u
l
- U
3
] en la que u =[u
l
,u
2,
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 U
3
eli 1= [ 1,0], i 2= [ 1,1 I } la base de V2
Primero determinaremos los vectores e\ transforma
dos de los vectores de base e I ,e
2
,e
3
(e'l E V
2
) ,
e \ = , ( e t> ,([ 1, 0 , 0 ]) = [ (1 + 0 + 0), ( 2 1, - 0)] = [ 1, 2 ]
e = , ( e 2) ,([ 0, -1 ,0 I) = [ (0 - 1 + 0), (2.0 - 0)] = I -1,0 I ;
e = , ( e 3) ,([ 1,1,1 I) = [ (1 + 1 + 1), (2.1 - 1)] = [ 3,1 I ,
y segidamente expresaremos los vectores e\ como combina
ciones lineales de los vectores de la base {ii' i2},
e\ = i I + fi i 2
I
[1,2]= fa 1,01+ fil fi=2;
I
= i I + [-1,01= fU 1,0 1+ fH 1,11 0;
= i I + [3,1]= fH 1,0]+ fH 1,11 = 2; 1,
as.! que,
-1
o
IMAGEN Y NUCLEO DE UNA APLICACION LINEAL. Sea la aplicaci6n li
neal ,: U-+ V. Se llama image.n de " y se escribe 1m', al con
junto de las im&genes de todos los vectores de U,
rm , =v E 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 vector
0,

Ker ,= u E U : '(u) = 0,
EJEMPLO
24. Sea '([a
l,a2,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 =[a I , 0 , 0 I.
El nticLeo de , serc1 el plano yOz ya que todos estos puntos tie
nen por proyecci6n el vector nulo 0 = [ 0,0,0 I,
Ker ,= u = [ 0 ,a
2
,a3 I ;
168
La imagen de , es un subespacio de V y el nucleo de , es
un subespacio de U. En efecto,
a). Como '(o) =0 , oElm ,. Ademas , si v I ,v 2
E
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 2
E
Ern y por tanto
1m' es un subespacio de V.
b). Como '(o)=o ,0EKer'. Ademas , si UI ,u
2EKer'
YUI, a2
E
Ie, se curnple ,(u
l)
= 0, '(u
2)
= 0, y entonces,
, (a I U I +a 2U 2 ) = a I , (u I ) +a 2, (u 2 ) =0
(a I U I +a 2U 2 ) E Ker "
y por tanto Ker' es un subespacio de U.
Sea la aplicaci6n del espacio U en 51 mismo. Sella
rna !Lango de , a al dimensi6n de 1m' , y nu..tidad 0 de6ecto de 'a
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,
dim{U)=dim(lm ')+dim{Ker'), (3-27)
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 N
la dimensi6n del dominio UN,M la dimensi6n de la imagen y
P la dimensi6n del nucleo Wp En primer lugar analicemos una
base (e'l , e'2 , ... , del subconjunto imagen por 10 que e

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 ) genera el subes ) forma una base ,ul=a
2=".=a
M=O.Entonces
(el
pacio preimagen de 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,
u = a I e I +a 2 e 2 +. . . +a MeM ,
Y si pertenece al nucleo Wp ,
L(
aleI+a2e2+ +aMeM
)'"
aI8I+a2e2+ +aMeM=0 n =0
a
I==a2=
==aM==O,
y el tini.co vector comtin a SMY Wp es el vector nulo o .
b). Sr.fJWp =UN Si v es un vector arbitrario de UN' v E UN ,
su transformado pertenecer! a la imagen de Y
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 nticl eo de E Ker lftEW
p
Como,
En definitiva, al cumplirse a) Y b), es cierta la suma
de subespacios representada en (hi). S610 :resta decir que Mes,
no s610 la dimensi6n de SM' sino la de En el
plo 24, la dimensi6n de la imagen es 1 (eje Ox), y la dimen
si6n del nucleo es 2 (plano yOz). La suma de las dimensiones
es 3 que es justamente la dimensi6n del espacio ordinario V3
EJERCICIO
3-27. Sea la aplicaci6n definida por
[u
l
,u
2
,u
3]
)=[U
I+U2
,U
2+U 3
,U
I_U3]
en la que u=[U
I,U 2
,u
3]
y v=[
VI ,v
2
,v
3
] . Hallar una base, la dimensi6n M de la imagen ,y
la dimensi6n P del nucleo W
p
de .
170
Escogeremos como base del dominio el sistema generador
mado por {e 1 = [ 1,0,0], e 2 = [ 0,1,0], e 3 = [ 0,0,1 ] } y hallaremos
sus vectores transformados,
e i = ( 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 los generadores de la imagen Hallando la
caracterfstica de la matriz,
"* IL = 2,
o 1 -1 0 1 -1 0 0 0
obtenemos M= 11. == 2, Y los vectores [1,0,1) Y (0,1,-1) forman u
na base de Sl. Los vectores u tales que (u ) =v =0 fo rma r'an el
nucleo (JIp de
1 2
u
1
+ u
2
::: 0 u + u = 0
1 2
u + u = 0
2 3 2 3
v=o
"*
u + u = 0 u + u = 0
"* "*
u
2
+ u
3
= 0

.
1
_ _u
3
_ u
2
u
u
3
::: 0
== 0
"
"
Tomando Ul como variable independiente,
U2 = -Ul ; U3 = Ul ,
y haciendo u, ==1, el vector (1,-1,1) constituye una base del
nticLeo , Luego P = 1, por tener el sistema homoqerieo una sola ve
riable independiente. Se sigue aquf cumpliendo la (hi), N = M+
P"* 3=2+1.
Sea la aplicaci6n lineal , : UN U
M
en la que (u ) = v ; Ve
mos a demostrar que si {u
1
,u
2
, ,UN} es una base de UN' los
vectores transformados forman un siste
rna generador de 1m'. Para ello, sea U un vector arbitrarioex
presado como conbinaci6n lineal de los vectores de base,
y entonces, al ser lineal,
'(U) =v "* v =a1'(u l } +a2'(u2} + +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 1
+aNx =b

(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,
I I I
al a2 a
N
a t
[A l>
Entonces la matriz [A] de dimensi6n (M,N) define una aplicaci6n
0 sea' =[A],
[ b )::=l A I x ]; b =, (x ) [A ]=8 .
Si {e
l
,e2, .. ,eN} es una base de V
N
, los vectores transforma
dos e;=,(e
l),
ei=,(e
2)
, ... , eN='(e
N)
formaran un sistema
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,
1 0 a}
1 o at
; e'2=[ A ] e'l = = , ... , =
.
o 0 a ar a .....
o
o
=
.
1
As! la dimensi6n de 1m [A] ser! el nlirnero m!ximo de vectores
l!nealmente independientes escogidos entre ,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 travs de
la aplicaci6n lineal [A Si se considera el sistema a
sociado al (i I) con coeficientes independientes nulos, se ob
tiene el sistema homogeneo,
[0 )[ x 1,
donde el vector soluci6n x es el nticl eo de [A ]: (3
27) ,
d irn. (Ker [A J) = dim (UN) -dim (Im[ A ])
(j I)
dim. (Ked A ]) =N-lt[A] '
(3-28)
as! que la dimensi6n del subespacio soluci6n del sistema [A I
[x }:[ 0 ] es igual al ntimero de inc6gnitas N menos la caracter!s
tica It[AJ de la matriz de coeficientes.
EJERCICIO
3-28. Hallar la dimensi6n y una base del espacio soluci6n
Wp del sistema,
2+2x3+X4 s
x ' +x -x = 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 1
[A J= 2 -1
3 -3

1
1
o
y como N=5 (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
2+
X
3+X4_XS=O
x
Escogiendo como variables independientes x
3
,x
4
, y x
S
, buscare
173
mos una base de W
3
,
3 4 5 2 3 4
y para x = 1; x = 0; x = 0 => x ' = -1; x = -1, para x = 0; x =
5 2 3 5
1; x = 0 => x! = 0; x = -1 y para x = 0; x" = 0; x = 1 => x ' = 0;
x
2
= 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 W
3

APLICACIONES INVERTIBLES. Una clase de transformaciones de re
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
sea invertible, a saber, que dicha aplicaci6n : A A sea bi
yectiva del conjunto A en s! mismo, extenderemos este estudio
en el caso que el conjunto A sea un espacio vectorial.
Sea : UN UN una aplicaci6n biyectiva del espacio vecto
rial U en s f mismo. Si transforma el vector u en el vector
v, la aplicaci6n inversa v en u.
(u ) = v => -I (v) =u
Si es lineal, tambien 10 ya que si,
6(Ud=V
1
;
donde u
l
y U2 son vectores arbitrarios, se tiene,
aprovechando la linealidad de ,. As! que,

- J (a 1 v 1 + a 2 v 2 ) =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 ]
F]
Para que una aplicaci6n sea invertible es condici6n
cesaria y suficiente que la dimensi6n de su nucleo sea nula .
En efecto,
a). Si la aplicaci6n es invertible, cada vector v s610
tendra una preimagen. Como ademas el vector nulo 0 tiene siem
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 U
I=U2,
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 (x) =Y ,
de tal suerte que, al ser 6 lineal y los vectores x e Y
sentados por sus componentes en disposici6n de matriz columna,
se puede asociar a esta aplicaci6n el sistema lineal,
ff x' x
2
+ ... x;N =yl
x' x
2
+ .. xN=y2
... ..................
yl
y2
.
s"
I I
f} f2 ... f
N
2 2
f2 f
N
=
..........
.
[ 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 a
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) [Y]=[FIx]
x=6-
1
(y)\ [x l=[ F r ' [y 0-
1
=1 F],
10 que justifica las f6rmulas apuntadas al principio de esta
pagina.
, J
'1
.......
175
EJERCICIOS
3-29. Comprobar que la aplicaci6n : U3 -+ U3 (x ) = y
([ x ' ,x
2
,x
3
] T) =[ (x' + x
2
), (x' + x
3
), (x
2
-+ x ") ] T, en la que x =
2
,X
3]T
[ x ' ,x e Y =[ v' .s' .s' ]T, es invertible y hallar la apli
caci6n inversa de
De,
yl
2
= x' + x
3 [123
]T
n
y2
= x ' + x =;> Y ,y ,y
=
0
Ix' ,x' ,x' JT
3 2 3

1
Y
= x +x 1
basta hallar la caracter!stica de [F] , que como vale = 3 =
dimensi6n del espacio, la aplicaci6n es invertible. La apli
caci6n inversa
1/ 2 1/2
-1/2]
_ [F ] -I =
1/2 -1/2 1/2 ,
[
-1/2 1/2 1/2
y entonces,
Xl
= 1/2
s' + 1/2 y2 - 1/2 y3; I
2
x = 1/2 yl _ 1/2 s' + 1/2 y3;
3
x = -1/2 v' + 1/2 s' + 1/2 y3.
3-30. Demostrar que si , y g, ,g : U -+ U, son dos apLf.qa>
ciones invertibles, la aplicaci6n producto es in
vertibley
Si u es un vector arbitrario y 9 (u ) =v, (v) = Wise tie
ne, al ser y 9 invertibles
U <s " (v)
Como,
es solo cuesti6n de analizar si podemos obtener directamente
u como transformado de w,
176
Pero,
u = g -I (v) = (g -I 0' -I ) (w) ,
y en definitiva, ('og)-I existe y vale,
3-31. Discutir analiticamante el sistema lineal (k') de N
ecuaciones con N incognitas X
I,X2
, .. ,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
de una sola preimagen x y el sistema tiene soluci6n rtnica c u ~
lesquiera que sean las componentes de y 0 sea para todo y E UN'
En particular, si y = 0 ~ x =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]
dimensional [ver (3-28)]. Por (j'), la dimensi6n N de UN es m ~
yor que la dimensi6n II.[F] de 1m [F],
II. [F] <N ~ 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..
b-2) Si Y E 1m ![ F], para cualquire valor de y existe mas
de una preimagen x y el sistema es ..nde.teJwl.inado.
3-32. Discutir, y en su caso resolver, los siguientes s i ~
temas lineales de ecuaciones:
a) 3x
l
- 2x2 + x3 = -1
3 -2
2 -1
- ~ ] [ Xl ,x' ,x')T =
[ -1,0,1 I,T
[
5x
1
- 2x
2
+ x
3
= 1 5 -2
3-2 1]
y como la matriz [F] = 2 -1 -1 es regular, existe so
[
5 -2 1
.1
177
luci6n (mica para el vector x para todo yEU
3
Entonces,
[Xl, x: ,X
3]T
=
[ -l,O,l]T
5 -2 1
b).
X
l_X2+X3-x4=-2
2x
l+Ox2+2x3+Ox4=8
Ox
l+2x2+Ox3+2x 4=10
-1/2
o 1/2J
= -7/6 -1/35/6
[
1/6 -2/31/6
3=0.
x
Como la matriz de coeficientes [F ] es singular, formare
mos la matriz [F ] ampliada con los independientes y
'1
,
la reduciremos a su forma
"'"
1 1 1 1 10
1 -1 1 -1 -2
R::
2 0 2 0 8
0 2 0 2 10
escalonada por filas,
1 1 1 1 10
0 -2 0 -2 -12
0 -2 0 -2 -12
0 2 0 2 10
Por una parte, la caracterfstica de [F ] es
1 1 1 1 1
R::
0 -2
0 0
0
0
2
0
-12
0
0 0 0 0 -2
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).
X
l+X2+X3+x4=10
c).
X
l_X2+X3_x4=-2
2x
l+Ox2+2x3+Ox4=8
Ox
l+2x2+Ox 3+2x4=12
Como en el caso b), 1F 1=0. Formemos la matriz
a su forma escalonada por filas,
1 1 1 1 10 1 1 1 1 10
1
2
-1
0
1
2
-1
0
-2
8
R::
0
0
-2
-2
0 -2
0 -2
-12
-12
R::
0 2 0 2 12 0 2 0 2 12
1 1 1 1 10
0 1 0 1 6
0 0 0 0 0
0 0 0 0 0
La matriz ampliada tiene por caracterfstica 2,
.
ampliada y r edug
1 1 1 1 10
0
0
-2
0
0
0
-2
0
-12
0
R::
0 0 0 0 0
igual a la de
178
[ F ] , y el vector Y=[ 10, -2,8, 12)TE rm [F ] . El sistema es compa
tible e indeterminado, y es equivalente a,
2 4
x ' +x +x
3
+x
4
=10 l x ' +x
2
=10-x
3
-x l x ' =4-x
3
l ,
2=6-x 4 2=6-x4
X
2
+x
4
=6 x \ x
x
3y 4como
donde se han considerado las inc6gnitas x
independientes.
RANGO DE UNA APLICACION LINEAL. AUTOMORFISMO. Sea (x)=
Y la aplicaci6n lineal (h') 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, ,eN). El vector transforrnado Y tiene por
componentes v' , y2 , , s" en la misma base e i , Y sea e'i el vec
tor transformado de ei a traves de ,. Por consiguiente,
(m' )
Y (I'),
y=yi e. Xi e. =ft Xi e. = (fl e. )x
i
.
1 111 IiI
De esta 111tima y (m') se deduce, al ser las Xi arbitrarias,
(n')
a (3-22), y que da la ley de los vectores transfor
mados e'i en funci6n de los vectores de base e
i
.
Si [F ]=[ ft] , la ecuaci6n (1 ') admi te las dos r-epr-es entacLo
nes matriciales,
(o')
y,
2 NJ _[ 2 N] [
[
y,y,
I
... ,y - X
I
,X , ... ,x F
] T
. (p')
Analogamente, la (n ') se represent a por,
[ e'l , e'2 , ... , eN] =[ e I , e 2 , ... , eN] [ F) , (q ')
0, 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 la dimensi6n
del subespacio Tm == rml F ] que, como sabemos, es igual a la
raterfstica 0 rango de la matriz IF] . 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 0 no .6-i.ngutM, y como e\ , . forma un sistema
rador de rm IF] de dimensi6n N, este sistema generador e: fOE
mara 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 = (x ) =
(Xi e i ) = Xi (e i ) = Xi eli en correspondencia biyectiva, 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 , y 9 dos aplicaciones cualesquiera, ',g : UN UN. Se
dice de y 9 que son apUc.auoYLe.-6 semejante si existe un automor
fismo e. que transforme , en g. Escogeremos en el espacio UN dos
vectores u y X arbitrarios de tal suerte que,
, (u ) = v ; g(X) =Y, (5')
v y Y son los transformados de u y X a de , y 9, respe
tivamente y entonces,
e. (u ) =x ; e.(v) =Y (t')
.
De (5') y (t') se deduce,
'(u) =v = e.-I (y) = e.-log (x ) = e.-I ogoe. (u )
'=e.-Iogoe.. (3-29)
Trabajando con las matrices asociadas' == [F], 9 == IG], e ==
Ie] , es facil traducir la (3-29) al lenguaje matricial. De
(5' ) ,
Iv
i
.v? , . ,V
N
] T = IF] luI ,u
2
, ,U
N
] T ; ( YI , Y2 , , yN] T =
2 N]T
(G]lx
i
, X , ,x .
De (t'),
180
[ c I Vi , V
2
, ... , vN]T, en consecuencia,
I 2 N] T _ [I 2 N]T - [c ]- I [I 2 N] T _
[ F ][ U ,u , ... ,u - V ,V , ,v - y ,y , ... ,y
[ F F[ c r I [ G I c ] [G F[ C ][ F I C ] - I, (3-30)
por 10 que dos aplicaciones 6 y 9 semejantes, si sus rna
trices asociadas respectivas [F] y [G] 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 6 y 9 dos aplicaciones lineales, (o,9): U
2-+U
2
definidas por,
I I 2
V =u -u
6(U) =v
2=2ul-2u2
v
yl=-x
l+2x2
9 {x} =y
y2=OX
I+OX2
Hallar un automorfismo c. que transforme 6 en 9 . Si u=[1,2]
determinar v, x e y que cumplan (s ') y (t ') .
En primer lugar se debe comprobar si existe una matriz
[C ) =c. tal que , (3-30),
2J rcf cfl = [C
f
C!J [1 -lJ
Vi =fl u' [ ft ) =[ F ]=
o

-c! +2d =-cf -2c!
o =cf
o =-ci
Lcf cU ci 2 -2
..

c] +c! +Ocf + =0
O
C
I
+OC
I
_C
2
- 2C2-0
I 2 I 2
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
da par filas,
-2 -2 2 0
1 1 0 2
0 0 -1 -2
0 0 1 2

-2 -2 2 0
0 0 1 2
0 0 -1 -2
0 0 0 o
a su forma escalona
1
0
0
0
1
0
0
0
-1
1
0
0
0
2
0
0

181
el sistema primitivo es equivalente a,
l
c = c] -
c] + c] - c] = I

c
2
c] + = 2
= - 1/
2ci '
habiendose escogido y ci como independientes. Ex
entonces infinitas matrices leI. Por ejemplo, si =
1 y ci = 2,
c] : 1, : -1 I e I : [1 1J.
2 -1
El transformado v de u : 11,2 I a t.zaves de I F I vale,
-1J
11,2 IT: [-1,-2 IT,
-2
y el transformado x de u a traves de Ie),
lv' IF Jlu' ,u')T= e
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 [Vi ,v
2)T
= [1 1J [-1,-2 IT: 1-3,0 IT,
2 -1
o bien partir de x a traves de I G I,
- 1 2J
I yl , y2 P = [G] [Xl, x
2
)T = 0 [3, IT:
1-3,0 IT.
[
3-34. Determinar el cambio de coordenadas (3-4) equiva
lente al automorfismo e del ejercicio anterior.
Para ella basta hallar la matriz I A I asociada al cambio
de coordenadas a
i
= a
j
que sea rec!proca de la matriz [C) a
sociada al automorfismo c,
1 1J-I 1/ 3 1/3 J
[A]:ler
l
: =
[ [
2 -1 2/3 -1/3 '
con 10 cual la (3-2) queda,
-
a I : a t a I + a i a 2 : 1/3 a I + 2/3 a 2 l
(u')
a 2 = a! a I + a 2 : 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 u' ]=[F]= [1 -lJ
2 -2
en la base e
i
se transforma en la aplicaci6n 9 definida por,
-
en la base e
i
cumpLadndose aquf u=u
i
e
l
=u = u
i
8
1
v=v
i
8
i
= V =
e
i
. Los vectores se mantienen pues invariantes mientras que
la base se transforma de acuerdo con (u') y las componentes de
(3-13), en la nueva base 8
i
[ 3, of,
,V
2]T=[C][V1
,V
2]T=
[Vi ,v
2
] T=[ A r
l
[ v
l
[1 1J [-1,-2]T=
2 -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 ,transforma sus
u' c] [de (3-11),u i=U
i
bl] =[ B ]=[ A rl.",,[ C ]=[ bi cl]
con la misma ley que el automorfismo e pero ahora dichas componen
tes se miden en la nueva base e
i
dada por (u').
En un espacio N-dimensional el de un automorfis
mo precisa la resoluci6n de un sistema y lineal de
N
2ecuaciones
N
2inc6gnitas.
con
Si dos aplicaciones 6 y 9 estn ligadas por un
morfismo e, existir entre sus matrices asociadas la re
laci6n (3-30),
183
[ G] = [C ] [ F ] [ C ] -1, (Vi)
Y si al mismo tiempo las aplicaciones y h ligadas por
el automorfismo e' se
(w')
Es evidente que 9 y h semejantes al igual que sus matri
ces asociadas,
[ H ] = [C"ll G ] [ C "I"1 (x')
calcular el automorfismo err == [C"] que liga 9 Y II. y
para ella despejaremos [F] de (Vi), substituiremos su valor en
(w') ,
[ F ] = [C r ' [G ] Lc l ;
[ H ]= t c 1:1 [ C r 1 [ G ) [ C ] [ CI] -1
[ H ] = ([ CI] [ C r 1) [G] ([ CI] [ C r 1 ) - 1 ,
y compararemos esta altima con (Xl), por 10 que el automorfis
mo e." == [ C"] vale ,
[ C") = [C I J[ C ) -1. (3-31)
Si partimos otra vez de las aplicaciones , y 9 ligadas e
hora por un cambio de coordenadas se
(yl)
siendo [A] la matriz asociada al cambio de base (3-4),
[ e1 ,e2 , ,eN I = [e 1 ,e 2 , ,eN] [ A ], (z")
y representando [ F ] == , una aplici6n lineal en la base e
i
Y
[G] == 9 su aplicaci6n semejante en la base e
i
De otra parte,
si y h se relacionan por otro cambio de coordenadas,
[ H ) = [AI r
1
[ F ] [AI] , (aII )
en la que [H] == II. es la aplici6n semejante a la en la base
ei y [A I] la matriz asociada al cambio de base ei a ei ,
(bII )
Como antes, [G] Y [H] sezan matrices semej antes y solo resta
averiguar como relacionadas. Eliminando [F] entre (yl)
y (a"),
[ H] = [AI r
1
[ A ] [ G ] [A r 1 [ A I] =
([Ar
1[A I
] )- I [ G ) ([Ar
1[A I
] ) , (e")
184
y hallando la matriz [A"] de cambio de base 81 a e
i
,
[ e1,e2, .. ,eN ] = [e1,e2, ,eN) [ A") ,
al eliminar [e 1 ,e
2
, ,eN) entre (z") y (b"),
[el,e2, ... ,e
N
] = [e
l
, e
2
,. . ,e
N
] [Arl[A
I
] ~
(3-32)
se llega a,
[ H ) = [A"r
l
(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.eni endose para el automorfismo resultante c . ' ~ de (3-31),
[ C "l = [A' r 1 [A] = ([ A r 1[ A') ) -I ,
y al comparar con (3-32),
(C"]= (A"r
l

Las aplicaciones ',9,1t, ... , pueden ser singulares 0 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 e ~
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
linomio
se
es deeir, si S es invariante frente aft, 10 frente
a .p(ft).
Sea SM un subespacio de dimensi6n M e invariante res
peeto a la transformaci6n ft' y SMcE
N
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 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 5ubespa
cio invariante SM se
por 10 que estos vectores transformados al pertenecer a SM
186

pues
expresarse linealmente en funci6n
en definitiva,
= +
de e l ,e2, ,e
M
As!
e = (e 2 ) = e 1+ e 2+ + M;
. . . . . .... . .. ... . .... ... .. .. .....
. . ... .. .... .. .... .. ... . ........... . .. ... .... ..... ..... .
(eN) = + + + +
que en notaci6n matricial adquiere la configuraci6n, (3-22),
[ e
I e Ie' e I e I ]T - [F]TI" e e e e e ]T
I' 2,, M, M+ I, , N - -. I' 2,, M, M+ I, , N
0, al transponer ambos miembros, esta otra,
en las cuales [F] es la matriz de transformaci6n que en el
sente caso vale,

...
................. .
[ F] =
LM+I LMt
o o... 0
UM+t UN
M+2 LM+
o o... 0
M+I UN
'
la cual contiene una submatriz,
de orden (M - N,M) .
Si el espacio EN tiene dos
de forma que aque L fuera la
en general rectangular, nula
sUbespacios invariantes y
suma directa de estos, EN =
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 y
losvectores eMi"1,eMi"2, ,eN forman una base de si-, el conjunto
- -
187
de todos los vectores anteriores una base de EN al
ser este espacio la suma directa de y S;. Por las mismas ra
zones apuntadas en el caso anterior con motivo de la invarian
za de y S; se
e'l = ,(e I ) = e I + 'i e 2 + + ,reM
e; = ,(e 2 ) = 'i e I + 2 + + M
................................
e; L (e ) LM+l
e
LM+2
e
LN
M+2=1I M+2 = 1IM+2 M+1+ DM+2 M+2+ + DM+2
e
N ;
.. ... . .... . . .. .. . . ... ..... .... .. . . .. .. .
,M+2
eN= , (eN) =
N eM+2+ + eN,
donde la matriz F valdra ahora,
(F J =
... ,:.. 0 o.. 0
... 0 O 0
'i
. . . . . . .. . . . ... .. .. . . .
,r ...
n:
0 O 0 ,
0 0 0
,M+l
+1 M+2 N
0 0 0
'M+2,M+2 ,M+2
M+l M+2 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
ci6n lineal " '(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,
-
n(u ) =v U= U
-
{
'=g,
g(U)= v

v= v

es decir, una transformaci6n lineal se mantiene invariante fren
188
te a un cambio de base deltipo (3-2), pero las matrices aso
ciadas a , y 9 son semejantes, (3-26),
[G ] = I A ]-1 [ F ] [A ].
El polinomio caracter1stico de la matriz IF] vale, (2-37),

- 'i A - ,;
I Ll (A) I = I A[ I ] - IF] I =
y el correspondiente de la matriz IG],
-
-gr A -
I L
2
(A) I = I A[ I ] - I G ] I =
Sabemos [ver (2-46)] que los polinomios
pondientes a matrices semejantes son iguales,
Y 10 mismo sucede con las trazas y determinantes pues
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, (2-38), sabemos que la
matriz F es una raiz de su polinomio caracter1stico, esto es,
.,
IL(IF])I= 10] CN_l[F]N-1+ + Cl[F]+ coII]= [0]. Si"
es la transformaci6n lineal que tiene IF] por matriz, se ten

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 ]= -:J en la base at =[ :,0] , a 2=[ y por la matriz [G]=
[
- 3 5 -6/5J en la base at =[ 3,1] , e2=[ 1,2] (ver Ejercicio 3
t9/5 13/5
25) .
De paso podemos comprobar que tanto [F] como [G) son raices
del polinomio caracterlstico
IL([F])I= +3 +
-l[ ]= [ l
- 3/ 5 - 3/ 5
-6/5J2
-6/5J
+3 I L ([ G ]) I = -2
[ [
19/5 13/5 19/5 13/5
1 [- 21 -12J 1 [6 12J 1 [15 0 J [ 0
5" 38 11 + 5" 3,8 -26 +"5 0 15 = 0

b) Si la transformaci6n , se representa por la matriz [ F ] =
en la base elY por la matriz [G] =D/ en la base 91 (ver
Ejerc. 3-34) .
El polinomio caracterlstico de la matriz [F) es,
A - 1 1
- 2 A+2
Y el de la matriz [G] ,
A+l -2
o
190
Tanto [F] como [G] son raices del polinomio caracter!sti
co 2 + ,
IL([F])I= [1 [1 -lJ= [-llJ+ [1 -lJ= [0 OJ,
2-2 2-2 -2 2 2-2 0 0
I L([ G]) I =
[
-12]2
+
[-1 2J
=
[1 -2J
+
[-1 2J
=
[0 OJ
.
o 0 0 0 0 0 0 0 0 0
VALORES PROPIOS Y VECTORES PROPIOS. Se han definido ya [ver
(2-39)] los valores 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 caLcul,o de los valores propios del polinomio carac
ter!stico correspondiente. En efecto, si,
entonces 51 es un subespacio invariante respecto a 'y, como
adem&s 51 es de una dimensi6n, v proporcional a u,
. (, (u ) =v ; v =Xu ] => '(u) =Xu
(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, (0') , siendo y Vi las componentes
respectivas de u y v en una cierta base ei ,
2 N] T -[ 2 1
,v ,,v
N] T
{ [ F .][ U
1
,u , ... ,u - v
1
,v , ... ,v
N] T
[ V
2
(d" )
I ]-[ F ])[ u
l
,u
2
, ,UN] T=[ 0 ] ,
as! que el vector propio u pertenece al ndcleo de la transfor
maci6n ]-[F]) perc la dimensi6n de vale, (3-28),
dim ]-[F])}=
0.[1] - [F]>
Y por tanto dicha dimensi6n no ser& nula si la caracter!stica
de la matriz ([ F I]) vale condLc i.dn que se cumpl.a.ra
siempre que,
191
A - fi _fl - fl
1 2 N
- fi -
= O (3-36) I A[ I ] - [F] 1= 0
... ... . .... . .. . .. .
-fN A- fN
2 N
Siguiendo el camino indicial podemos llegar al mismo re
sultado partiendo de (e'),
(e" ) {Vi =u
i
f] i
y al introducir la delta de Kronecker,
(i,j = 1,2, ,N),
se obtiene el sistema lineal
(A - ) u! - u- - .. UN = 0
(3-37)
- ... +(A-f:)u
N
= 0
1 2 N
cuya compatibilidad respecto a las incognitas U ,u , ... ,u 0
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 , lineal,
6(u ) =AU 6 (ku ) = k6 (u ) = kAU '(kU) = A(ku ) ,
cualquier vector paralelo ku es propio. Elconjuntode
todos estos vectores forman el subespacio
sional SI y tantos subespacios de este tipo como
diferentes Ai se obtengan de la ecuaci6n de grado N (3-36). Si
el campo K a que pertenece A es real se 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
ci6n se al plano ordinario f
2
Los valores propiosse
deduciran de (3-36),
A o
(raiz doble).
o A
Los vectores propios se obtienen de (3-37),
OU
1+0U2=0
i ,
OU
1+0U2:=0
\
de la cual vemos en este caso que cualquier vector es vector
propio pues, (d"),
[:: [::J = 0
b)Matriz unidad de tercer orden, [I]
__
, N-3.
Valores propios.
A-1 o 0
o A-1 0 :::0 (A-1) 3 =0 A::: 1 (raiz triple).
o oA-1
Vectores propios.
OU
1+0U2+0U3=0
OU
1+0U2+0U3=O
OU
1+0U2+0U3=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
A
2+2A-15=0
=0 Al =3, A2 =-5.
-6 A+3
Vectores propios, (3-37).
Para AI = 3,
(3-1)u
l
- 2u
2
= 0 I
6u
l+(3+3)u2
- = 0
as! el vector UI = [ 1,1 l, 0 cualquier otro paralelo, es un vec
tor propio, (d"),
Para A2 = -5,
Y UI = [ 1, - 3 l es otro vector propio, (d"),
d) Matriz [: :].
Como la 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
ParaAI=O,
(O-l)u
l
- 2u
2
- 0 I
u! + 2u
2
- 0 i
= 2, u
2
=-1,
-2u
l
+ (0-4)u
2=0
u ' + 2u
2
= 0 \
y UI = [ 2, -1 l es vector propio, (d"),
194
Para A:z=5,
(5-1}u
l-2u2=O
l
, u
2=2
,
-2u
1+(5-4}u2=O
\
y U
2
=[ 1,2 ] es otro vector propio, (d"),
5
e} Matriz
-1 -2 2
Valores propios, (3-36),
A-2 2 1
2 A+12
= => )f -3X:Z -9A+27=0 (raiz doble),
1\2--3.
1 2 A-2
vectores propios, (3-37) .
Para AI=3,
1+2u2+U3=O
u
2u
l+4u2+2u3=O
u
l+2u2+U3=0
y existiran,por tanto, dos grados de libertad para el vector
U =[ UI , U
2
, U
3
] . Si u
2
=0, U
3
=1 => UI =-1 y s i u
2
=1 , U
3
==> UI =- 2 ;
por tanto u,=[-1,O,1] y U
2
=( - 2 , 1 , O] son vectores propios inde
pendientes que generan el espacio propio correspondiente
.
3. ASl dichos vectores no s610 generan por separado sendossu
espacios invariantes monodimensionales,
2 -2 -1] [-1] _ [-1J [2 -2 -1] [-2]
-2 -1 -2 - 3 -2 -1 -2 1 =
[
-1 -2 2 1 1 -1 -2 2
3 [-n
sin6 que al actuar conjuntamente como vectores de base generan
un subespacio invariante bidimensional. Un vector cualquiera
195
de este subespacio vaLdra u = a[ -1,0,1 ] + 13 f -2,1,0 ] siendo a,
13 escalares independientes y entonces se cumple evidentemente,
2-2 -1] [- a- 213] [- a- 213]
-2 -1 -2 13 = 3 (3
[
-1 -2 2 a a
Para A2 =-3,
existiendo un solo grade de libertad para el vector u = [u
1
,u
2
,
3 2 3
u ]. Si u = 2 => u = 1, u! = 1, entonces u
3
= [ 1,2,1 ] genera el es
pacio propio para Ar -3,
2 -2 -1] [1] [1]
-2 -1 -2 2 = -3 2
[
-1 -2 2 1 1
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 = 0 => (A-1) (A+1) (A-2)=0=>A
1=1
, A2=-1
o o A-2
Para Al=l,
Ou
l-2u2 3=0
- U
Ou
1+2u2 3=0 3=0 2=0 1=1
- U u , u , u (valor arbitra
OU
1+OU2_U3
=0 rio) ,
y Ul=[ 1,0,0] es vector propio para A
1=1,
196
Para A
z=-l,
-2u
l-2uZ-u3=0
Ou
l+OUZ_U3=0
Ou
l+Ouz-3u3=0
~
_} U
Z
=-1
~
u ' =1 ,
(valor arbi tra
rio)
u
3
=0 ,
y uz=[l,-l,O] es vector propio para Az=-l,
Para A3=2,
u
l-2uZ-u3=0
U
Z
=1/3u
3
l = > ~ u
3
=3 (valor arbitrario),
Ou
l+3uz-u3=0
l=5/3u3
)u
l=5, Z
u ~ u =l ,
Ou
l+OUZ+Ou3=0
y u
3
=[ 5,1,3] es vector propio para A3=2,
g) Matriz triangular superior [ ~
o
~
0
= ~ ]
2
Valores propios. Se diferencia del
la raiz AI = 1 es doble,
caso anterior en que
.p".
A -
o
1
A
-2
- 1
1
1 =0 => (A - 1) 2 (A - 2) = 0
!Al
=
= 1 (raiz dobl.ej,
A
z
= 2.
o 0 A - 2
Vectores propios.
ParaAI=l,
z 3 3
OUI - 2u + u = 0 I u = 0,
Z
OUI + Ou
z
+ u
3
= 0 => U = 0,
3
OUI + Ou' - u = 0 u ' = 1 (valor arbitrario),
y U I = I 1,0,0 ] es vector propio para AI = 1,
197
Para A2 = 2,
u ' - 2u
2
+ u ' = 0 2 3 3
=> u = _u t u = 1 (valor arbi trario) ,
Ou' + u
2
+ u
3
= 0
u! = u
2
= -1, u ' = -3,
Ou' +Ou
2
+Ou
3
= 0
y U
2
= [ -3, -1,1 ] es vector propio para = 2,
h) Matriz [cos a sen a] actuando en el espacio complejo
-sen a cos a
(ver Ejercs. 2-19 y 2-20).
Valores propios.
I
a,
A - cos a -sen a 1=0 => A
2
- 2cosaA+ 1 = 0 = cosa+ i sen
I\. = cosa- i aenc ,
sen a A - cos a
vectores propios (a f 0
0
)
Para Al= cos a + i sen a,
2 2
i sen a u ' - sen a u = 0 { 2 => { u = 1 (valor ar
=> u' + i u = 0
2
u ' =-i bitrario).
sen a u ' + i sen a u = 0
Y u , = [-i,l] es vector propio para Al = cos a + i sen a,
C O S a sen aJ [-iJ = (cos a +
i 1 sen a)
[-iJ
.
[
-sen a cos a 1
Para A2 = cos a - i sen a,
2
- i sen a u 1 - sen a u = 0 t => u 1 _ iu2 = 0 => {U
l
= 1 (valor
2
u = i, bi trario).
sen a u 1 - i sen a 0
Y U2 = [ i, 11 es vector propio para A2 = cos a - i sen a,
[_:::: ::::] GJ - sen a) GJ . =(cos a i
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
o 0 X - 3
[
o X - 2 0 =0
Vectores propios.
Para X
I
= 1,
OUI
+ Ou' + Ou
3
= 0
OUI
- U
z
+ 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 X
3
= 3, respect iva
mente.
j). Matriz diagonal (con valores propios repetidos)
[
1
0
0
0
1
0
~ l
Valores propios.
X-1 0 0
0 X-1 0 =0 ~ (X-1) 2 (X-3) =0 ~ Xl =1 (raiz doble),
0 0 X-3
X
z=3
vectores propios.
Para X
I=l
OU
I+OU2+0U3=0
Ou
l+OUZ+Ou3=0
OU
1+0u2-2u3=0
z 3]
Y ul,U
Z
pueden tener cualquier valor y el vector u=[u
l
,u ,u
tendr. como en el caso e) dos grados de libertad. As! UI =
199
[ 1,0,0 ] y U 2 = [ 0,1,0] son dos vectores propios independientes
correspondientes a Al = 1. Los vectores UI y U2 aparte de
rar por separado los subespacios invariantes monodimensionales,
actuan conjuntamente como generadores del subespacio
te bidimensional S2 pues si U E S2 u =a U 1+ 13 U2 = [a ,13,0 ],
Para A2 = 3.
Zu '
OUI
Ou I
+ Ou
2
+ 2u
2
+ Ou
2
+ Ou
3
+ Ou
3
+ Ou
3
=
=
=
0
0
0
u
l
= 0, u
2
= 0, u ' = 1 (valor arbitrario},
y U3=[ 0,0,1] es el vector propio para A2 = 3,
TRANSFORMACIONES CON MATRIZ DIAGONAL. Empezaremos por suponer
que en cierta base ei la transformaci6n tiene por matriz a
sociada la matriz diagonal,
d I O 0
o 0
[DJ= (3-38)
o O
Sabemos que los valores propios se de (3-36),
A-dlo o
o 0
(3-39)
o 0
y los vectores propios de (3-37) que ahora adquiere la confi
guraci6n,
200
(A-dl ) u ' =0
)U
2
=0
(3-40)

Por ejemplo, para A=AI=dl, si todos los valores propios son
distintos entre S1,
l=l
Oul=O u (valor arbitario),
2=0,
) u
2
=0 u
(3-41)
aS1 que u
1=[
1,0, ... ,0] vector propio para AI=dl y
do vector u con componentes u
t
en la base ei se expresa por u=
u
i
ei se
U I =[ 1, 0, . . . , 0] =1e 1 +Oe 2+. . +Oe N=e 1
AnaLoqament e , u 2=e 2 , ... ,uN=eN son vectores propios para los
lores propios respectivos , ... 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)=

(3-42)
Si en la matriz [D) hay elementos diagonales repetidos,
sea por ejemplo = 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,
y e
l
Y e2 genera un subespacio invariante bidimensio
nal pues todo vector de este subespacio v = ae 1 + t3 e 2, siendo a
y t3 escalares arbitrarios, por representaci6n [a,t3, ,
o J y sera, por tanto, vector propio,
201
a a d{
0
(j (j
d{ ...
.(3-43) = d{ 6(ae
l
+ (je
2
)= d] (ae
l
+ (je 2 ) '*
........

0

Inversamente,podemos partir de una transformaci6n 6 queen
la base inicial e , tenga a [F] por matriz asociada siendo Ai
(i = 1,2, ... ,N) los valores propios y ei (i = 1,2, ... ,N) los vec
tores propios de forma que estos ultimos sean linealmente in
dependientes. Con un cambio de base apropiado podemos conse
guir que la matriz [D] asociada a 6 en esta nueva base tenga
'-.
la forma diagonal, y esto solo posible si los vectores
propios son linealmente independientes y en nUmero N indepen
dientemente de que los valores propios, que son
veniendo de anular a cero el polinomio caracter!stico (3-36),
sean distintos 0 repetidos con cualquier grade de multiplici
dad. Sean, en efecto, las relaciones (3-35),

=A2 e2
'* (ej ) = A(j) ej (j=1,2, .. ,N) (3-44)
que en lenguaj e matricial en la base inicial e i , (d") ,
[FUel]li = A1[el]li
- T '\ - T
[F][e2Ie= 1\2[e2]e.
1 1
[
'* F
][-]T '\
e
j
e , =I\(i)
[-]T
e
j
ei
(3-45)
(j=1,2, ... ,N)
- T
donde [ej lei es el vector e
j
escrito como matriz columna
la que sus elementos son las componentes de aquel en la base
e i 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 ] e i =A(j) [ e j ] E"i (3-46)
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; 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 tam
202
bi en s e r an .mvari ant e s y por tanto A(j)==A IU) , as! que en defini
tiva la (3-46! queda,
o
F.'
hi
1
I
o
(j-l,2, ... ,N), (3-47) [ G J= .s: Aj
'; d'
o
J
donde [G J , para que se cumpla (3-47), ha de ser diagonal,
AI 0 0
o
[G)==
==[ D [, (3-48)
As!,concluyendo,una matriz cuadrada se
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 Valores propios: Aj ==3, A2 =-5.Vecto
res propios: U
I
=[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, U 2 = [ 1, - 3 ) = e I - 3e 2. To
mando los vect.ores U 1 = e1, U 2 == e; como generadores de la nue
va base se t endr a , (3-3),
e
l
== aj e , + aie
2
l
a an [1 1J
[
a? alJ == 1 - 3 . e2 == al e I + e 2
Tambien de forma rutinaria puede hallarse la matriz [A] de cam
203
bio de base escribiendo simplemente los vectores propios U
I
Y
u
2
por orden y disponiendo sus componentes por columnas. A con
tinuacion podemos comprobar que la nueva matriz [D] en la ba
se e
i
es diagonal y sus elementos diagonales son precisamente
los valores propios,
[D 1 [A 1-'[ F J [A J G-at
(1/4) G = .
d) Matriz Valores propios: Al = 0, A2 = 5. Vectores
<,
propios: u , = [2,-1], U2 = [1,2].
e1 = U I = 2e I - e 2 [2 1J
e 2 = U 2 = e I + 2e 2 => [A] = -1 2
[A 1-' (1/5)

[ D l = [A ]-1 [ F ] ( A ] = (1/5)
[
2-lJ [1 2J [ 21J = [0 OJ
1 2 2 4 -1 2 0 5
2-2 -1]
e) Matriz -2 -1 -2 . Valores propios: A1=3 (raiz dable), A2=3.
[
-1 -2 2
Vectores propios: u , =[-1,0,1], u
2
=(-2,1,0], u , =[-1,2,1].
-
e I = U I = -e I + oe
2 + e 3
e
2 = U2 = -2e I + e
2 + 0
8
3
e3 = U 3 = e I + 2e
2 + 83
[A J-' = (1/6) [=: -n
[D] = (A i-r F ] (A] = (1/6) -1
2

1 2 1 -1 -2 2 1 0 J
f) Matriz . JValores propios: A. =1, A, =-1, A, =
2. Vectores propios: u , =[1,0,0], U2 =[1,-1,0], u , =(5 1,3].
204

-1

0

0
g) Matriz
G
1 -1 . Va10res propios: A
I=l
(raiz dob1e) ,
a
2
-U
2
A
2=2.
Vectores propios: U I =( 1,0, 0] , U 2 =[ - 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 a
sena]
h) Matriz Va10res propios:
= COsa+
[
-sen a cos a
i sena, A2=cosa-i aenc , Vectores propios: uI=(-i,l], u
2=(i,1]
=UI = e
l
+e2 t (A)=
; I
A
r ' : <1/ 2{ i

e2 =U2 = lei +e
2
-1
( D ]=[ A r I [ F I A ]= (1/2)

1] [cosa senaJ [-I

1 -sena COSa 1
c o s a+Oi sena 0 ]
[
cosa-i sena
i) Matriz
1
0
0
[
Ya son matrices diagona1es.

Vector Esy Ten Sores

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Vector Esy Ten Sores

Hochgeladen von

Copyright:

Verfügbare Formate

VECTCRES

(at bl ) [xr] = [br] T[ at] = [B]T [ A]

... ... ... . +

[A] = 3 0 -1 1 [F2+ FI (-3)] -6 2 7

N) elementos distintos. En total pues, N+1/2 (N

v=[e"e" .... e.J [e"e" ,e.1 [IJ

Si el vector OC se pone directamente en funci6n del vector OA,

base (e'l , e'2 , ... , del subconjunto imagen por 10 que e

Das könnte Ihnen auch gefallen