Tema 2

Aplicaciones lineales y matrices.

1

Indice general
2. Aplicaciones lineales y matrices. 1
2.1. Introduccion. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2.2. Espacio Vectorial. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.3. Aplicaciones lineales. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.4. Espacio Afn. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.5. Producto escalar en un espacio vectorial. . . . . . . . . . . . . . . . . . . . . . . . 15
2.6. Cuestiones y Problemas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.1. Introduccion.
Supondremos al alumno familiarizado con la idea de matriz o tabla de orden n, m con n, m
n umeros naturales que denotan el n umero de las y columnas, y con las operaciones basicas entre
matrices: suma, producto, producto por escalares y sus propiedades mas inmediatas. Del mismo
modo son de suponer conocidos los conceptos de elemento, la y columna de una matriz, tipos
de matrices (cuadrada, diagonal triangulares superior e inferior, matriz traspuesta de una dada,
matriz identidad de un cierto orden n, etc...). Tambien ha de conocerse el concepto de aplicacion
entre dos conjuntos, combinaci on lineal de las y de columnas, rango de una matriz, matriz
cuadrada regular (que tiene inversa). Recuerdese que una matriz es regular si y solo si tiene rango
maximo. Finalmente, supondremos conocidos los determinantes y sus propiedades, los sistemas de
ecuaciones lineales, su estudio y metodos de resolucion.
Seran nuevos los conceptos de espacio vectorial, aplicacion lineal, base de un espacio vectorial,
cambio de base y algunas nociones referidas a matrices como la equivalencia y la semejanza. La
segunda parte del tema trata del estudio de un espacio afn, estructura que se forma a partir de
un conjunto de puntos y un espacio vectorial, relacionados de modo que a cada par de puntos se
le asocia un vector. Sobre ello el alumno ya conoce el plano y el espacio afn (R
2
y R
3
) as como
la ecuacion y posiciones relativas de las subvariedades (rectas en el plano y rectas y planos en el
espacio). Aqu seran nuevos y muy importantes los conceptos de sistemas de referencia, cambio
de sistemas de referencia y de producto escalar, norma, angulo y ortogonalidad.
2
2.2. Espacio Vectorial.
Consideremos el cuerpo de los n umeros reales R o complejos C, que denotaremos en general
por K para referirnos indistintamente a uno u otro. A sus elementos los llamaremos escalares y
los denotaremos con letras griegas (, , . . . ). Tambien un conjunto V no vaco, cuyos elementos
llamaremos vectores y denotaremos con letras latinas (a, b, u, v, . . . ), que admite la suma como
operacion interna (es decir, siempre que se sumen dos se obtiene otro del conjunto) y que cumple
las propiedades asociativa y conmutativa y existen ademas elemento neutro y elementos opuestos.
Propiedades que se expresan por:
Asociativa: (u + v) + w = u + (v + w) para todo u, v, w V. Conmutativa: u + v = v + u
para todo u, v V. Elemento neutro: Existe un vector 0 que sumado con cualquier otro u lo
deja invariable, u + 0 = u. Elementos Opuestos: Dado un vector u existe el u que sumado
con el da el elemento neutro.
Finalmente supongamos que se tiene otra operacion, llamada externa, entre escalares y vectores,
que a cada K y cada u V asocia el vector u V , de tal forma que se cumplen las
propiedades:
1) (u + v) = u + v; 2) ( + )u = u + u; 3) ()u = (u); 4) 1u = u, para todo
, K y todo u, v V.
En estas condiciones se dice que V es un espacio vectorial sobre K.
Es la estructura fundamental en el algebra lineal y la emplearemos constantemente. Los si-
guientes son ejemplos de espacios vectoriales, algunos bien conocidos:
1) El conjunto K
n
de las nuplas de n umeros (reales o complejos), jado (n N), con las
operaciones:
(x
1
, x
2
, . . . , x
n
) + (y
1
, y
2
, . . . , y
n
) = (x
1
+ y
1
, x
2
+ y
2
, . . . , x
n
+ y
n
).
(x
1
, x
2
, . . . , x
n
) = (x
1
, x
2
, . . . , x
n
), K.
Si K = R, para n = 2 y n = 3 son respectivamente el plano vectorial real bidimensional y el
espacio real tridimensional.
2) El conjunto M
n,m
de las matrices de orden n, m, jados n, m N con elementos en K y
con la suma de matrices y el producto de matrices por escalares es tambien un espacio vectorial
sobre K.
3) El conjunto P
n
[x] de los polinomios de grado menor o igual que n, jado n N, con
coecientes en K, cuyos elementos son de la forma a
n
x
n
+a
n1
x
n1
+ +a
1
x +a
0
; con la suma
de polinomios y el producto de polinomios por escalares.
Asociado al concepto de espacio vectorial se tiene el de combinacion lineal. Si V es un espacio
vectorial y u
1
, u
2
, . . . , u
n
son vectores de V , se llama combinacion lineal de tales vectores a cualquier
otro vector v obtenido de la forma v =
1
u
1
+
2
u
2
+. . .
n
u
n
, para unos escalares
1
,
2
, . . . ,
n

K.
Observemos por ejemplo que el vector cero es combinaci on lineal de cualquier conjunto de
vectores (basta tomar todos los escalares nulos).
Es usual llamar a cualquier conjunto de vectores un sistema de vectores. En este contex-
to se introduce la nocion de dependencia e independencia lineal: Un sistema de vectores B =
3
{u
1
, u
2
, . . . , u
n
} de V se dice sistema libre o linealmente independiente si la unica combinacion
lineal de vectores de B que da el vector cero es aquella en la que todos los escalares son cero, es
decir:

1
u
1
+
2
u
2
+ . . .
n
u
n
= 0
1
=
2
= =
n
= 0.
Si el sistema de vectores B no es linealmente independiente, se dice que es un sistema ligado o
linealmente dependiente. Obviamente esto signica que alguna combinaci on lineal de los vectores
de B da el vector cero y no todos los escalares son nulos.
Ejemplo 2.1. 1) En el espacio vectorial R
4
estudia la dependencia o independencia lineal del
conjunto de vectores B = {(1, 1, 0, 1)(1/2, 2, 3/2, 1)(0, 3, 3, 3)}.
2)En P
2
[x] comprueba que A = {1 x, 2x
2
, 2 + x
2
} forma un sistema libre.
Solucion. Consideremos en cada caso una combinacion lineal generica de los vectores del sistema
dado y veamos si hay soluciones distintas de cero.
1) (1, 1, 0, 1) + (1/2, 2, 3/2, 1) + (0, 3, 3, 3) = (0, 0, 0, 0)

+ 1/2 = 0
+ 2 3 = 0
3/2 3 = 0
+ 3 = 0.
Es facil ver que este sistema de ecuaciones tiene soluciones no nulas, por ejemplo = 1, =
2, = 1. Por tanto el sistema B es ligado.
2) (1 x) + (2x
2
) + (2 + x
2
) = 0; ( + 2) x + ( + )x
2
= 0.
El polinomio obtenido es el polinomio cero, del que sabemos que todos sus coecientes son
nulos. En consecuencia:

+ 2 = 0
= 0
+ = 0
Este sistema tiene como unica solucion = 0, = 0, = 0. Por tanto el sistema de vectores A es
libre. 1
Es importante tener en cuenta, muy sencillo de comprobar, que todo conjunto de vectores que
contenga al vector cero es ligado y que un conjunto es ligado si y solo si alguno de sus vectores es
combinacion lineal de los demas.
Subespacios Vectoriales.
Si un subconjunto S de un espacio vectorial V tiene a su vez estructura de espacio vectorial,
se dice que S es un subespacio vectorial de V . Para comprobar si un subconjunto concreto S
es subespacio no es necesario comprobar si se verican las propiedades de las operaciones de la
denicion de espacio vectorial (por ser subconjunto de V ya se vericaran esas propiedades). Basta
con probar que la suma es operacion interna en S y el producto por escalares operacion externa de
K en S. De hecho, es suciente que para todo par de vectores a, b S, sus combinaciones lineales
sean tambien elementos de S, esto es, se verica:
4
S es subespacio vectorial de V si y solo si dados u, v S y dados , K, u +v S.
Veamos alg un ejemplo.
Ejemplo 2.2. Comprueba si los conjuntos siguientes son subespacios del espacio vectorial R
3
:
a) S = {(x, y, z) R
3
: 2x y + 3z = 1}.
b) M = {(x, y, z) R
3
: x + 2z = 0}.
Solucion. Comprobemos en cada caso si la suma de dos elementos del conjunto esta en el conjunto,
y si el producto de uno del conjunto por un escalar esta en el conjunto.
Para el caso a), si (x
1
, y
1
, z
1
), (x
2
, y
2
, z
2
) S entonces se tiene que 2x
1
y
1
+ 3z
1
= 1 y
tambien que 2x
2
y
2
+ 3z
2
= 1. Ahora, el elemento suma es (x
1
+ x
2
, y
1
+ y
2
, z
1
+ z
2
). Veamos
si este elemento esta en S. Para ello, el doble de su primera componente menos su segunda mas
el triple de su tercera componente debe valer -1. Ahora bien, 2(x
1
+x
2
) (y
1
+y
2
) +3(z
1
+z
2
) =
(2x
1
y
1
+3z
1
) +(2x
2
y
2
+3z
2
) = 2. Sale -2 en lugar de -1, es decir no pertenece a S. As pues,
S no es un subespacio vectorial de R
3
.
Para el caso b) las cosas son distintas. Si (x
1
, y
1
, z
1
), (x
2
, y
2
, z
2
) M, entonces se tiene que
x
1
+ 2z
1
= 0 y tambien que x
2
+ 2z
2
= 0. Ahora, el elemento suma es (x
1
+ x
2
, y
1
+ y
2
, z
1
+ z
2
).
Veamos si este elemento esta en M. Para ello, su primera coordenada mas el doble de su tercera
coordenada tiene que valer cero. Ahora, (x
1
+x
2
)+2(z
1
+z
2
) = (x
1
+2z
1
)+(x
2
+2z
2
) = 0 y se cum-
ple la condicion 1). Ahora veamos la 2). Para ello hay que comprobar que si (x, y, z) M, es decir,
si x +2z = 0 entonces (x, y, z) M, para cualquier R. Ahora x +2z = (x +2z) = 0.
Es decir M es subespacio vectorial. 1
En cualquier espacio vectorial, para que un subconjunto sea subespacio, es condicion necesaria
(pero no suciente) que contenga al vector cero y que, con cada vector, contenga al opuesto.
Cada espacio vectorial V contiene a los subespacios {0} y V . Se llaman subespacios impropios.
Ademas, dado un sistema de vectores P = {x
1
, x
2
, . . . , x
n
}, el conjunto de todas sus combinaciones
lineales es un subespacio vectorial de V . Se llama subespacio generado por P y se denota <
x
1
, x
2
, . . . , x
n
>. De este subespacio, al conjunto P se le llama sistema generador. Es decir
< x
1
, x
2
, . . . , x
n
>= {
1
x
1
+
2
x
2
+ +
n
x
n
:
1
,
2
, . . . ,
n
K}.
Se dice que el conjunto P es un sistema generador del espacio vectorial V si < x
1
, x
2
, . . . , x
n
>=
V , esto es, si todo vector de V se puede poner como combinaci on lineal de los elementos de P.
Trabajaremos solo con espacios vectoriales que cuentan con un sistema generador con una cantidad
nita de elementos. Se llaman espacios vectoriales nitamente generados.
Base. Coordenadas. Dimension. Un conjunto de vectores B = {x
1
, x
2
, . . . , x
n
} se dice
que es una base del espacio vectorial V si B es un sistema generador y un sistema linealmente
independiente. En ese caso, para cada vector v V existen n escalares unicos,
1
,
2
, . . . ,
n
, tales
que v =
1
x
1
+
2
x
2
+ +
n
x
n
. A esos escalares se les llama coordenadas de v respecto de la
base B.
5
Un espacio vectorial puede tener mas de una base, de hecho en general tiene innitas bases,
pero todas ellas tienen el mismo n umero de vectores. A ese n umero se le llama dimension del
espacio vectorial.
Ejemplo 2.3. Comprueba que B = {(1, 1, 1), (0, 1, 1), (0, 0, 1)} es una base de R
3
. Calcula las
coordenadas del vector v = (1, 2, 4)
Solucion. Veamos que B es un sistema generador. Dado cualquier vector x = (x
1
, x
2
, x
3
) R
3
, se
trata de encontrar una combinaci on lineal de los vectores de B que de el vector x. Propongamos
una combinaci on lineal generica y encontremos los escalares.
x = (1, 1, 1) + (0, 1, 1) + (0, 0, 1); (x
1
, x
2
, x
3
) = (, + , + + ).
Se obtiene entonces el sistema de ecuaciones
= x
1
+ = x
2
+ + = x
3

Es un sistema de Cramer en las incognitas , , cuya solucion unica es = x

1
, = x
2
x
1
, =
x
3
x
2
. As B es sistema generador. Para ver que es un sistema libre, basta observar que la unica
combinacion lineal que da el vector cero es aquella en que todos los escalares son nulos. Pues bien,
si en el proceso anterior sustituimos el vector x por el (0, 0, 0) es evidente que la solucion unica
del sistema es = 0, = 0, = 0.
Para encontrar la coordenadas del vector v, sustituimos (x
1
, x
2
, x
3
) por (1, 2, 4) y obtenemos
que esas coordenadas son = 1, = 3, = 6. Se suele denotar: v = (1, 3, 6)
B
, para indicar
que las coordenadas del vector v respecto de la base B son (1,-3,6) 1
A partir del ejemplo anterior observamos que, en R
3
, un vector es una terna ordenada de
n umeros y sus coordenadas respecto de una base son tambien una terna ordenada de n umeros, pero
distinta de la anterior. Existe una base respecto de la cual ambas ternas (vector y sus coordenadas)
son iguales. Esa base es llamada base canonica de R
3
y es: B
c
= {(1, 0, 0), (0, 1, 0), (0, 0, 1)}. Igual
pasa en general en R
n
para cualquier n N. En cada caso se tiene la base canonica, en la cual
cada vector y sus coordenadas son la misma nupla.
En un espacio vectorial de dimension n todo sistema de n vectores que sean linealmente inde-
pendiente es tambien sistema generador y por lo tanto es base.
Si S es un subespacio de dimension k de un espacio vectorial V de dimension n, para cada
base de S existen n k vectores que a nadidos a la base de S proporcionan una base de V .
Se tiene tambien que, dado un sistema generador del espacio, excluyendo en el todos los vectores
que sean combinacion lineal de los demas, se obtiene una base.
Ecuaciones de un subespacio. Sea S un subespacio vectorial de dimension k del espacio
vectorial V de dimension n y sean B
S
y B
V
bases de S y V respectivamente. Cada vectores de
S sera una combinaci on lineal de los k elementos de B
S
. Sustituyendo cada vector de B
S
por sus
6
coordenadas respecto de B
V
se obtiene n igualdades que dependen de k parametros, que cum-
pliran las coordenadas de los vectores de S y solo ellos. Son las llamadas ecuaciones parametricas
del subespacio S. En esas n ecuaciones parametricas se pueden eliminar los k parametros, por
sustitucion, y obtener n k igualdades que no dependen de los parametros. Se llaman ecuaciones
implcitas del subespacio S. Es importante tener en cuenta que las ecuaciones son igualdades que
ligan las coordenadas, y por tanto las ecuaciones estan referidas a las bases empleadas.
Ejemplo 2.4. En R
4
con la base B = {(1, 1, 1, 1), (0, 1, 1, 1), (0, 0, 1, 1), (0, 0, 0, 1)} se considera el
subespacio S =< (2, 0, 1, 1), (1, 1, 0, 0) >. Encontrar sus ecuaciones parametricas e implcitas.
Solucion. S nos lo dan mediante un sistema generador. Primero debemos de comprobar si ese
sistema generador es base, es decir, si los vectores son linealmente independientes. Es facil ver que
lo son (porque ninguno de ellos es combinaci on lineal de los demas, en este caso que solo son dos
basta observar que no son proporcionales). Calculando sus coordenadas respecto de la base B se
obtiene: (2, 0, 1, 1) = (2, 2, 1, 0)
B
y (1, 1, 0, 0) = (1, 2, 1, 0)
B
. As :
S = {(x
1
, x
2
, x
3
, x
4
)
B
= (2, 2, 1, 0)
B
+ (1, 2, 1, 0)
B
, , R}
Las ecuaciones parametricas de S son pues:
x
1
= 2
x
2
= 2 + 2
x
3
=
x
4
= 0

Para obtener las ecuaciones implcitas debemos saber cuantas ecuaciones implcitas tiene S. Puesto
que el n umero de ecuaciones implcitas es la diferencia entre la dimension del espacio y la del
subespacio, es claro que S tiene dos ecuaciones implcitas. Observando las ecuaciones parametricas
vemos que x
4
= 0 es una igualdad que no depende de parametros, luego es una de las ecuaciones
implcitas. Si multiplimos por dos la tercera ecuacion y le sumamos la segunda obtenemos x
2
+
2x
3
= 0, que es otra ecuacion implcita. As las ecuaciones implcitas de S son
x
2
+ 2x
3
= 0
x
4
= 0

,
y S se puede expresar por: S = {(x
1
, x
2
, x
3
, x
4
)
B
: x
2
+ 2x
3
= 0, x
4
= 0}. 1
Cambio de Base. Matriz del cambio de base. Consideremos dos bases del mismo espacio
vectorial V . Sean B
1
= {e
1
, e
2
, . . . , e
n
} y B
2
= {v
1
, v
2
, . . . , v
n
}. Si conocemos las coordenadas de
un vector x V respecto de B
1
, Podemos calcular las coordenadas de x respecto de B
2
? La
respuesta es armativa, siempre que conozcamos las coordenadas de cada vector de la base B
1
en
la base B
2
. En lo que sigue indicamos como se hace y obtendremos las ecuaciones del cambio de
base que son las n igualdades que permiten obtener las coordenadas de x en B
2
a partir de las
coordenadas de x en B
1
.
7
No vamos a deducir esas ecuaciones, solo vamos a proporcionarlas y a emplearlas.
Denotemos (x
1
, x
2
, . . . , x
n
) las coordenadas de x en la base B
1
. Consideremos la matriz cua-
drada de orden n, P = (
ij
) M
n
, en la que la la k esta formada por las coordenadas del vector
e
k
respecto a la base B
2
. Si ahora denotamos (x

1
, x

2
, . . . , x

n
) las coordenadas de x respecto de B
2
entonces se tiene:
(x

1
, x

2
, . . . , x

n
) = (x
1
, x
2
, . . . , x
n
)

11

12
. . .
1n

21

22
. . .
2n
. . . . . . . . . . . .

n1

n2
. . .
nn

(2.1)
La matriz P es la llamada matriz del cambio de base. Realizando el producto matricial anterior se
obtienen las igualdades siguientes, llamadas ecuaciones del cambio de base
x

1
=
11
x
1
+
21
x
2
+ . . . +
n1
x
n
x

2
=
12
x
1
+
22
x
2
+ . . . +
n2
x
n
. . . . . . . . . . . . . . .
x

n
=
1n
x
1
+
2n
x
2
+ . . . +
nn
x
n

Es importante tener en cuenta que toda matriz P de cambio de base (de B

1
a B
2
) tiene matriz
inversa P
1
, que es la matriz de cambio de base de B
2
a B
1
.
Tambien debe advertirse que, si en la igualdad matricial (2.1) tomamos la traspuesta de matri-
ces en los dos miembros, obtenemos otra igualdad equivalente del tipo X

= QX, siendo Q = P
t
y
X

, X las coordenadas en B
2
y B
1
respectivamente, en columnas. Se puede emplear indistintamente
cualquiera de las dos formas. Varios autores optan por esta ultima.
Ejemplo 2.5. En R
3
consideramos las bases B
1
= {(1, 1, 1), (0, 1, 1), (0, 0, 1)} y B
2
= {(1, 0, 1), (0, 1, 0), (0, 1, 1)}.
a) Calcula la matriz y las ecuaciones del cambio de base de B
1
a B
2
. b) Calcula las coordenadas
en B
1
y en B
2
del vector (2, 1, 3) R
3
Solucion. a) Las las de la matriz de cambio de base de B
1
a B
2
son las coordenadas de los vectores
de B
1
en la base B
2
. Para el primer vector:
(1, 0, 1) + (0, 1, 0) + (0, 1, 1) = (1, 1, 1)
= 1
+ = 1
= 1

La solucion unica de ese sistema es = 1, = 3, = 2, que da la primera la de la

matriz P, esto es, (1, 3, 2). Del mismo modo se calculan las coordenadas de los otros dos
vectores de B
1
en B
2
, y se obtienen las demas las de P. En concreto se obtiene:
P =

1 3 2
0 2 1
0 1 1

Las ecuaciones del cambio de base se obtienen ahora facilmente:

8
(x

, y

, z

)
B
2
= (x, y, z)
B
1

1 3 2
0 2 1
0 1 1

;
x

= x
y

= 3x 2y z
z

= 2x y z

b) Las coordenadas de (2, 1, 3) en B

1
se obtienen empleando el sistema:
(1, 1, 1) + (0, 1, 1) + (0, 0, 1) = (2, 1, 3)
= 2
+ = 1
+ + = 3

,
y son (2, 3, 4)
B
1
. Con ello, las coordenadas en la base B
2
, empleando las ecuaciones del cambio
de base, son: (2, 4, 5)
B
2
. (Podemos comprobar que efectivamente son esas las coordenadas,
que no ha habido errores en los calculos, efectuando la combinaci on lineal con las coordenadas
obtenidas y los vectores de las bases (B
1
y B
2
respectivamente) y comprobando que se obtiene el
vector de partida, el (2, 1, 3)). 1
2.3. Aplicaciones lineales.
Las aplicaciones entre espacios vectoriales que conservan la estructura son las aplicaciones
lineales. Si U y V son espacios vectoriales sobre el mismo cuerpo de escalares K, una aplicacion
f : U V se dice aplicacion lineal si cumple: f(u + v) = f(u) + f(v) y f(u) = f(u) para
cualesquiera u, v U y K.
Esas dos condiciones se pueden sustituir, de modo equivalente, por la unica condicion siguiente:
f es aplicacion lineal si y solamente si se cumple:
f(v +v) = f(u) + f(v), u, v U, , K.
Elgunos ejemplos. Son lineales las siguientes aplicaciones, denidas en los espacios que en cada
caso se indica:
f : P
3
[x] P
2
[x], f(p) = p

, donde p

denota la derivada de p.
g : R
3
R
4
, g(x, y, z) = (2x, x + 2z, 2y z, 3z).
h: M
3,2
M
2,3
, h(A) = A
t
, donde A
t
denota la matriz traspuesta de A.
Con cada aplicacion lineal f : U V tienen mucho interes dos subespacios vectoriales, uno en
el espacio inicial U, formado por los vectores cuya imagen es el vector cero de V. Se llama N ucleo
de f y se denota ker f. El otro en el espacio nal V, formado por los vectores que son imagen de
alg un vector de U. Se llama imagen de f y se denota imf. En concreto, la denicion de cada uno
de ellos es:
ker f = {u U : f(u) = 0}, imf = {v V : u U, f(u) = v}.
Entre ambos subespacios existe la siguiente relacion: Dada una base B = {e
1
, e
2
. . . , e
k
} de ker f,
si {e
k+1
, e
k+2
, . . . , e
n
} son vectores que, a nadidos a B forman base de U, entonces el conjunto sus
imagenes {f(e
k+1
), f(e
k+2
), . . . , f(e
n
)} son vectores de V que forman base de imf.
9
De ello se concluye la siguiente relacion entre las dimensiones:
dimU = dimker f +dimimf.
A la dimension del subespacio imf se le llama rango de la aplicacion lineal f. Ademas, la
imagen de los vectores de una base cualquiera son siempre un sistema generador del subespacio
imagen.
Matriz de la aplicacion lineal. Dada una aplicacion lineal f : U V y jadas bases
B
U
= {u
1
, u
2
, . . . u
n
} y B
V
= {v
1
, v
2
, . . . v
m
} de los respectivos espacios, se llama matriz de f en
esas bases a la matriz A M
n,m
cuya la k-esima consta de las coordenadas del vector f(u
k
)
respecto de la base B
V
.
Conocida esa matriz, se puede calcular la imagen de cualquier vector x U. De hecho, si
X = (x
1
, x
2
, . . . , x
n
) son las coordenadas de x en B
U
entonces las coordenadas X

= (x

1
, x

2
, . . . , x

n
)
de f(x) en B
V
se obtienen por:
X

= XA. (2.2)
Desarrollando ese producto de matrices e individualizando cada igualdad se obtienen las ecuaciones
de la aplicacion lineal f.
Si en la igualdad (2.2) se toma traspuesta en ambos miembros, se obtiene la igualdad equiva-
lente X
t
= A
t
X
t
. Esto muestra que la matriz de la aplicacion lineal se puede crear por columnas y
multiplicandola por la columna de las coordenadas de x se obtiene la columna de las coordenadas
de f(x). As se hace en varios libros de la literatura.
Ejemplo 2.6. Calcula la matriz y las ecuaciones de la aplicacion lineal g de R
3
en R
4
, denida
por g(x, y, z) = (2x, x + 2z, 2y z, 3z) respecto de las bases:
B
R
3 = {(1, 1, 1), (0, 1, 1), (0, 0, 1)} y
B
R
4 = {(1, 0, 1, 0), (0, 1, 1, 0), (0, 0, 1, 1), (0, 0, 0, 1)}.
Solucion. Las imagenes de los vectores de B
R
3 son respectivamente
(2, 3, 1, 3), (0, 2, 1, 3), (0, 2, 1, 3) R
4
. Ahora se calcula la imagen de cada uno de esos
vectores respecto de B
R
4.
(1, 0, 1, 0) + (0, 1, 1, 0) + (0, 0, 1, 1) + (0, 0, 0, 1) = (2, 3, 1, 3)

= 2
= 3
+ = 1
= 3
Resolviendo se obtiene = 2, = 3, = 6, = 3 que da la primera la de la matriz.
Procediendo de modo analogo para los otros dos vectores se obtiene la matriz de g:
A =

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

.
Las ecuaciones de g son entonces
10
(x

, y

, z

, t

) = (x, y, z)

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

;
x

= 2x
y

= 3x 2y 2z
z

= 6x 3y z
t

= 3x + 2z

.
1
El rango de la matriz A de una aplicacion lineal f coincide con el rango de f. De hecho, las
las de A que proporcionan su rango son las coordenadas de los vectores de una base de imf.
Observese que la matriz A de la aplicacion lineal depende de las bases empleadas. Si se cambia
de base en los espacios U y V se obtiene una matriz distinta.
Matriz de la aplicacion lineal y cambio de base. Matrices equivalentes.
Dada f : U V aplicacion lineal, si A, A

M
n,m
son matrices de f respecto de las bases
B
U
, B
V
y B

U
, B

V
, consideremos las matrices P M
n
y Q M
m
de cambio de bases de B

U
a
B
U
y B

V
a B
V
respectivamente. Entonces se tiene la relacion A

= PAQ
1
. El siguiente esquema
resume la situacion, teniendo en cuenta que la matriz de f jadas las bases es unica.
f : (U, B
U
) (V, B
V
) A
P Q
1
f : (U, B

U
) (V, B

V
) A

Las matrices A y A

as relacionadas son llamadas matrices equivalentes. Es decir dos matrices

A, A

M
n,m
son equivalentes si y solo si corresponden a la misma aplicacion lineal en bases
distintas o, lo que es lo mismo, si y solo si A

= PAQ
1
, para dos matrices P M
n
y Q M
m
regulares. Es sencillo deducir que dos matrices equivalentes tienen igual rango. Es tambien cierto,
aunque no tan sencillo de deducir, que dos matrices con el mismo orden y el mismo rango son
equivalentes.
Ejemplo 2.7. Calcula la matriz de la aplicacion lineal g(x, y, z) = (2x, x + 2z, 2y z, 3z) del
ejercicio anterior respecto de las bases canonicas de R
3
y R
4
Calcula las matrices de cambio de base
entre las bases del ejercicio anterior y las bases canonicas y comprueba la relacion de equivalencia
mediante dichas matrices.
Solucion. f(1, 0, 0) = (2, 1, 0, 0), f(0, 1, 0) = (0, 0, 2, 0), f(0, 0, 1) = (0, 2, 1, 3). Ahora en R
4
como se trata de la base canonica, las coordenadas y los vectores coinciden. Por tanto la matriz
de f respecto de las bases canonicas es:
A

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

.
La matriz de cambio de base en R
3
de B
R
3 = {(1, 1, 1), (0, 1, 1), (0, 0, 1)} a la base canonica es
P
1
=

1 1 1
0 1 1
0 0 1

.
11
Calculando la matriz inversa obtenemos
P =

1 1 0
0 1 1
0 0 1

.
La matriz Q
1
en R
4
de cambio de base de
B
R
4 = {(1, 0, 1, 0), (0, 1, 1, 0), (0, 0, 1, 1), (0, 0, 0, 1)} a la base canonica es
Q
1
=

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

.
Ahora
PAQ
1
=

1 1 0
0 1 1
0 0 1

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

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

= A

.
1
Una aplicacion lineal f establecida entre un espacio vectorial U de dimension n y el mismo,
se llama endomorsmo de U. En este caso se puede emplear una sola base y la matriz de f es
una matriz cuadrada A M
n
. Si se cambia esa base, y P M
n
es la matriz de cambio de la
nueva base a la antigua, entonces la nueva matriz de f es A

= PAP
1
. Las matrices A y A

se
dicen semejantes. En particular dos matrices semejantes tienen el mismo rango, pero no todas las
matrices cuadradas con el mismo rango so semejantes.
2.4. Espacio Afn.
Consideremos un conjunto E no vaco, a cuyos elementos llamaremos puntos (y denotaremos
con letras latinas may usculas) y un espacio vectorial V . Tambien una aplicacion que a cada par
de puntos (A, B) asigne un vector de V (que en este contexto denotaremos

AB) y que cumpla las
condiciones:
1) Si A, B, C E, entonces

AB +

BC =

AC.
2) Dados P E y v V, existe un unico Q E tal que

PQ = v.
Entonces diremos que E es un espacio afn sobre el espacio vectorial V.
A

PQ se le llama representante del vector v y los puntos P y Q son el origen y extremo res-
pectivamente del vector

PQ. La dimension del espacio vectorial V es, por denicion, la dimension
del espacio afn E.
Algunas propiedades que se deducen de la denicion anterior son las siguientes:
a)

PQ = 0 si y solo si P = Q.
12
b)

PQ =

QP.
c) si

PQ =

entonces

PP

QQ

.
Daremos alg un ejemplo de espacio afn, que es por cierto el que mas emplearemos: Para un n
N cualquiera consideremos E
n
= R
n
como conjunto de puntos y consideremos tambien V
n
= R
n
como espacio vectorial. A cada par de puntos P, Q con P = (p
1
, p
2
, . . . , p
n
) y Q = (q
1
, q
2
, . . . , q
n
),
se le asocia el vector

PQ = (q
1
p
1
, q
2
p
2
, . . . , q
n
p
n
) R
n
. Entonces E
n
es espacio afn sobre
V
n
. Para los casos n = 2 y n = 3 se tiene el plano afn y el espacio afn real tridimensional.
Sea E un espacio afn de dimension n sobre el espacio vectorial V . Se llama sistema de referencia
al conjunto R = {O; v
1
, v
2
, . . . , v
n
} formado por un punto O y una base de V , {v
1
, v
2
, . . . , v
n
}. Al
punto O se le llama origen del sistema de referencia.
Cada punto P E viene individualizado por los n escalares (
1
,
2
, . . . ,
n
) que son las
coordenadas de

OP en la base {v
1
, v
2
, . . . , v
n
}. A tales escalares se les llama coordenadas de P
respecto del sistema R.
Es facil comprobar que si P, Q E tienen por coordenadas respectivamente P = (p
1
, p
2
, . . . , p
n
)
Q = (q
1
, q
2
, . . . , q
n
) respecto de un sistema de referencia, R = {O; v
1
, v
2
, . . . , v
n
} entonces el vector

PQ tiene por coordenadas (q

1
p
1
, q
2
p
2
, . . . , q
n
p
n
) respecto de la base.
En efecto:

PQ =

PO +

OQ =

OQ

OP. Basta ahora observar que

OQ

OP = (q
1
v
1
+q
2
v
2
+ +q
n
v
n
) (p
1
v
1
+ p
2
v
2
+ + p
n
v
n
.)
Cambio de sistemas de referencia. Supongamos dos sistemas de referencia R
1
= {O; u
1
, u
2
, . . . , u
n
}
y R
2
= {O

; v
1
, v
2
, . . . , v
n
} de un espacio afn E. Para poder calcular las coordenadas de un punto
cualquiera X respecto de R
2
, conocidas sus coordenadas respecto de R
1
, se deben conocer:
- Las coordenadas del origen antiguoO respecto del sistema nuevo R
2
. Sean (o
1
, o
2
. . . , o
n
)
esas coordenadas.
- La matriz de cambio de base de la base antigua{u
1
, u
2
, . . . , u
n
} a la base nueva {v
1
, v
2
, . . . , v
n
}.
Sea P = (p
ij
) esa matriz.
En ese caso, las coordenadas (x

1
, x

2
, . . . , x

n
) de X respecto de R
2
se obtienen a partir de las
coordenadas (x
1
, x
2
, . . . , x
n
) respecto de R
1
por la expresion:
(1, x

1
, x

2
, . . . , x

n
) = (1, x
1
, x
2
, . . . , x
n
)

1 o
1
o
2
. . . o
n
0 p
11
p
12
. . . p
1n
0 p
21
p
22
. . . p
2n
. . . . . . . . . . . . . . .
0 p
n1
p
n2
. . . p
nn

Efectuando ese producto matricial se obtienen las ecuaciones del cambio de sistema de refe-
rencia:
x

1
= o
1
+ p
11
x
1
+ p
21
x
2
+ . . . p
n1
x
n
x

2
= o
2
+ p
12
x
2
+ p
22
x
2
+ . . . p
n2
x
n
. . . . . . . . . . . . . . . . . . . . .
x

n
= o
n
+ p
1n
x
1
+ p
2n
x
2
+ . . . p
nn
x
n

13
La matriz de un cambio de sistema de referencia tiene inversa, que es precisamente la matriz del
cambio inverso (de R
2
a R
1
).
En el caso particular en que ambos orgenes coincidan, al cambio de sistema de referencia se le
llama un cambio de base, y el caso en que coincidan ambas bases y solo se haya cambiado el origen
O por O

, al cambio de sistema se le llama una traslacion de vector

OO

. En realidad, cualquier
cambio de sistema de referencia es la composicion de una traslacion y un cambio de base. Un
ejercicio interesante es escribir la matriz de una traslacion y la de un cambio de base, y comprobar
que cualquier matriz de cambio de sistema de referencia se puede obtener como producto de una
de cada uno de esos dos tipos.
Ejemplo 2.8. En el espacio afn R
3
consideramos los puntos
A = (1, 2, 1), B = (1, 1, 2), C = (0, 1, 3), D = (2, 1, 5).
Consideremos el sistema de referencia R
1
= {A;

AB,

AC,

AD}. Consideremos tambien el sistema

de referencia canonico (origen en el cero O y la base canonica), que llamamos R
2
. Calcula las
ecuaciones del cambio de sistema de referencia, de R
1
a R
2
. Tambien las de R
2
a R
1
. De una recta
que pasa por los puntos P(1, 1, 0) y Q(0, 1, 1), Cual es su ecuacion respecto del sistema R
1
?
Solucion. Teniendo en cuenta que en el sistema de referencia canonico todo punto de R
3
coin-
cide con sus coordenadas, los vectores de la base de R
1
respecto de la base canonica tienen por
coordenadas:

AB = (2, 1, 1),

AC = (1, 1, 2),

AD = (1, 3, 4).
Las coordenadas del origen antiguo A respecto del nuevo sistema de referencia R
2
es

OA = (1, 2, 1)
Por tanto la expresion del cambio de R
1
a R
2
es:
(1, x

, y

, z

) = (1, x, y, z)

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

Realizando ese producto se obtienen las ecuaciones del cambio de sistema pedido.
Para el cambio de R
2
a R
1
, calculamos la matriz inversa y obtenemos:
(1, x, y, z) = (1, x

, y

, z

1 3 4 1
0 1/3 1/6 1/6
0 1 3/2 1/2
0 2/3 7/6 1/6

Los puntos de la recta que pasa por P y Q se expresan en R

2
por (1 , 1 2, ), R.
(Basta encontrar la ecuacion parametrica). Las coordenadas de esos puntos respecto del sistema
R
1
se obtiene aplicando la matriz de cambio de R
2
a R
1
.
En concreto la ecuacion parametrica es (5/3 + 5, 8/3 5, 2/3 + 2), R.
14
2.5. Producto escalar en un espacio vectorial.
Dado un espacio vectorial V sobre R, a una aplicacion que asigne a cada par de vectores
x, y V un n umero real x y R y que cumpla las propiedades:
a) x x 0, x x = 0 x = 0, b) x (y + z) = x y + x z,
c) x y = y x, d) (x) y = (x y) x, y, z V, R.
se le llama un producto escalar en V, y a (V, ) un espacio eucldeo.
Es destacable que la estructura eucldea permite introducir los conceptos de angulos y distan-
cias entre vectores. Previo a ello se introduce el concepto de norma de un vector, que para x V
se denota |x| y se dene por |x| = +

x x.
Tres propiedades que verica la norma:
a) |x| 0, |x| = 0 x = 0. b) |x| = |||x|. c) |x + y| |x| +|y|, x, y V, R.
Ahora la distancia entre dos vectores se dene por: d(x, y) = |xy| y el angulo x, y como el unico
[0, ] tal que cos() =
x y
|x||y|
.
Un concepto muy destacable asociado al de producto escalar es el de ortogonalidad. Dos vectores
x, y V se dicen ortogonales (se denota xy) si x y = 0 (equivalentemente, si x = 0 o y = 0 o
cos( x, y) = 0). Este concepto de ortogonalidad se extiende a bases y a subespacios. Dos subespacios
S, T son ortogonales si x y = 0, x S, y T. Una base B = {v
1
, v
2
, , v
n
} se dice base
ortogonal si cada vector de la base es ortogonal a los demas (v
i
v
j
= 0, i = j), y se dice
base ortonormal si es ortogonal y |v
i
| = 1, i = 1, 2 , n (un vector de norma uno se dice vector
unitario). Ademas jado un vector x V , el conjunto de todos los vectores ortogonales a x forman
un subespacio vectorial conocido como subespacio ortogonal a x, y denotado x

Fijada una base B

V
= {v
1
, v
2
, , v
n
}, el producto escalar se puede expresar mediante una
matriz. Se llama matriz metrica y se dene por:

v
1
v
1
v
1
v
2
. . . v
1
v
n
v
2
v
1
v
2
v
2
. . . v
2
v
n
. . . . . . . . . . . .
v
n
v
1
v
n
v
2
. . . v
n
v
n

.
A partir de la matriz, si (x
1
, x
2
, . . . , x
n
), (y
1
, y
2
, . . . , y
n
) son las coordenadas de x, y V entonces
el producto escalar se obtiene por la expresion:
x y = (x
1
, x
2
, . . . , x
n
)

v
1
v
1
v
1
v
2
. . . v
1
v
n
v
2
v
1
v
2
v
2
. . . v
2
v
n
. . . . . . . . . . . .
v
n
v
1
v
n
v
2
. . . v
n
v
n

y
1
y
2
.
.
.
y
n

.
Se observa facilmente que, respecto de una base ortogonal la matriz del producto escalar es una
matriz diagonal y si ademas la base es ortonormal, la matriz es la identidad. Entonces el producto
escalar de dos vectores es la suma de los productos de sus coordenadas.
15
Un primer ejemplo de espacio euclideo es el espacio vectorial R
n
(jado un n N) con el
llamado producto escalar usual: x y = x
1
y
1
+x
2
y
2
+ +x
n
y
n
. Para el la base canonica es base
ortonormal.
Ejemplo 2.9. Consideremos el espacio vectorial R
2
con el producto escalar denido por: x y =
x
1
y
1
+ x
2
y
1
+ x
1
y
2
+ 2x
2
y
2
; x = (x
1
, x
2
), y = (y
1
, y
2
). Calcula el angulo y la distancia entre
los vectores (1, 2) y (2, 3). El subespacio ortogonal al vector (2, 1). La matriz del producto
escalar respecto de la base canonica y respecto de la base B = {(1, 1), (0, 1)}.
Solucion. d((1, 2), (2, 3)) = |(3, 5)| =

(3, 5) (3, 5) =

29.
Para el angulo, hemos de calcular el producto escalar de ambos vectores y sus normas. (1, 2)
(2, 3) = 7, |(1, 2)| =

5, |(2 3)| =

10. Ahora

(1, 2)(2, 3) = arcos(
7

50
) = 171,86
o
.
El subespacio ortogonal:
(2, 1)

= {(x, y) : 2x + x 2y + 2y = 0} = {(x, y) : x = 0}
Las matrices del producto escalar respecto de la base canonica y respecto de la base B son,
respectivamente

1 1
1 2

5 3
3 2

.
1
Finalizamos el tema con la siguiente denicion: un espacio afn E se dice que es afn-eucldeo si
el espacio vectorial asociado es un espacio vectorial eucldeo. Estos son los espacios de la geometra
y con esta estructura se tienen como sabemos, angulos y distancias entre vectores. Ademas se dene
la distancia de un punto P a otro Q por: d(P, Q) = |

PQ|.
2.6. Cuestiones y Problemas.
1. Si en el espacio vectorial usual R
2
sustituyeramos el producto por escalares por la operacion
externa: (x, y) = (
2
x,
2
y) Seguira siendo un espacio vectorial?
2. Dados dos subespacios vectoriales S, T de un espacio vectorial V , se dene la interseccion y
la suma de ambos, respectivamente, por
S T = {x V : x S, x T}, S + T = {u + v V : u S, v T}.
Comprueba que ambos son subespacios. (Entre sus dimensiones se cumple la relacion:
dim(S + T) = dimS + dimT dim(S T).)
3. En R
3
, dados los subespacios:
S = {(x, y, z): x 2y = 0}, T =< (2, 1, 1), (0, 1, 1) >,
obtener las ecuaciones y una base de S, T, S +T y S T.
16
4. Comprueba que las siguientes son bases de P
3
[x] y calcula las dos matrices de cambio de
base. B = {x
3
, x
2
, x, 1} (base canonica de P
3
[x]) y
B
2
= {x
3
x, 2x
2
+ x, x, 2x + 1}. Calcula las coordenadas en cada una de esas bases de
los vectores x
3
+ 3x
2
+ 2x 1 y 2x
3
+ x
2
4.
5. Consideramos la aplicacion lineal
f : (x, y, z, t) R
4
(x 2y, y 2z, z 2t)R
3
.
Encuentra su n ucleo y su imagen. Escribe las matrices de f respecto de las bases canonicas
y tambien respecto de las bases:
B
1
= {(0, 0, 0, 1), (0, 0, 1, 1), (0, 1, 1, 1), (1, 1, 1, 1)} y
B
2
= {(1, 1, 1), (0, 1, 1), (0, 0, 1)}.
Comprueba que ambas matrices son equivalentes a traves de las matrices de cambio de bases.
6. De un endomorsmo de R
3
se sabe que ker f = {(x, y, z): y = 0, z = 0} y que f(1, 1, 0) =
(1, 1, 0) y f(1, 0, 1) = (0, 1, 1). Calcula su matriz respecto de la base canonica. Calcula su
rango y unas ecuaciones de su imagen.
7. En R
3
se dene el producto escalar: x y = 2x
1
y
1
+ 2x
2
y
2
+ 2x
3
y
3
+ x
1
y
3
+ x
3
y
1
, con
x = (x
1
, x
2
, x
3
), y = (y
1
, y
2
, y
3
). Calcula la matriz respecto de la base canonica de R
3
.
Calcula el angulo y la distancia entre los vectores (1, 1, 3) y (0, 2, 3). Escribe las ecuaciones
implcitas del subespacio ortogonal de < (1, 1, 3), (0, 2, 3) > . Tambien las de (0, 1, 2)

.
8. En el espacio afn R
3
se consideran los puntos P = (1, 0, 1), Q = (2, 3, 1), R = (0, 2, 3), S =
(1, 1, 0). Comprobar que R = {P,

PQ,

PR,

PS} es un sistema de referencia y calcular las

coordenadas del punto M = (2, 4, 1). Obtener las ecuaciones del cambio del sistema R
al sistema de referencia canonico. Si R
2
denota el sistema obtenido a partir de R
1
mediante
traslacion del vector (1, 2, 3), escribir el origen y la base que componen R
2
. Tambien las
coordenadas de M.
17
Bibliografa
[1] Ju

an de Burgos. Algebra Lineal y Geometra Cartesiana. Mc Graw Hill Ed.,(1999).

[2] Ju

an de Burgos. Algebra Lineal Deniciones Teoremas y Resultados. Garca Morato S.L.

Ed.,(2007).
[3] Jos

e Garc

a Garc

a y Manuel L

opez Pellicer. Algebra Lineal y Geometra. Curso

teorico- practico. Marl Ed., (1992).
[4] Agust

n de la Villa. Problemas de

Algebra con esquemas teoricos. Clagsa Ed., (1998).
18