Facultad de Economía y Empresa

Grado en Economía

Álgebra
Tema 3: Aplicaciones lineales

José Carlos Rodríguez Alcantud <[email protected]>

26/10/2024
Aplicación lineal

Definición. Se dice que f : Rn → Rm es una aplicación

lineal (u homomorfismo de espacios de vectores) si:

f (λ1 v1 +λ2 v2 ) = λ1 f (v1 )+λ2 f (v2 ), ∀v1 , v2 ∈ Rn , ∀λ1 , λ2 ∈ R

que es equivalente a:

1. f (v1 + v2 ) = f (v1 ) + f (v2 ), para todos los v1 , v2 ∈ Rn .

2. f (λv) = λf (v), para todos los v ∈ Rn y λ ∈ R.

. Si f : Rn → Rn es una aplicación lineal de un espacio en sí

mismo se denomina endomorfismo.
. Si f : Rn → Rn es una aplicación lineal y biyectiva de un
espacio en sí mismo se denomina automorfismo.
. Si f : Rn → Rm es una aplicación lineal y biyectiva se
denomina isomorfismo.

Álgebra - José Carlos Rodríguez Alcantud Pág. 3

Aplicación lineal. Primeras propiedades
Ejemplo. La aplicación f : R2 → R2 definida por
f (x, y) = (x + y, 2x − 3y) es lineal.

Cuando f : Rn → Rm es una aplicación lineal, cumple las

propiedades siguientes:
Pp
Pp
i=1 λi f (vi ) para cada {v1 , . . . , vp } ⊆ R .
n
1. f i=1 λi vi =
En particular:

f (0n ) = 0m , f (−v) = −f (v).

2. Si {v1 , . . . , vp } es l.d. entonces {f (v1 ), . . . , f (vp )} es l.d.

3. Si f es biyectiva entonces su inversa es también una
aplicación lineal.

Además, la composición de aplicaciones lineales es

también aplicación lineal (cuando exista tal composición).
Álgebra - José Carlos Rodríguez Alcantud Pág. 4
Intuición geométrica (I)

Podemos tener cierta intuición geométrica del

concepto de aplicación lineal, cuando la
dimensionalidad de los espacios vectoriales del
dominio y codominio sea baja.
Los siguientes son dos ejemplos donde Rn = Rm = R:

Álgebra - José Carlos Rodríguez Alcantud Pág. 5

Intuición geométrica (II)
Un ejemplo donde T : R2 → R2 es lineal:

Álgebra - José Carlos Rodríguez Alcantud Pág. 6

Intuición geométrica (III)
Otro ejemplo donde T : R2 → R2 es lineal:

Álgebra - José Carlos Rodríguez Alcantud Pág. 7

Operaciones entre aplicaciones lineales

Ejemplo notable. La aplicación lineal 0 se define de

manera natural como: 0(v) = 0m , en cada v ∈ Rn .

Podemos pensar en la suma de dos aplicaciones entre los

mismos espacios de vectores. Y en el producto de una
aplicación por un escalar. Veamos cómo:

Definición. Sean f y g dos aplicaciones de Rn en Rm . Se

definen

(f + g) : Rn −→ Rm , (f + g)(v) = f (v) + g(v), ∀v ∈ Rn , ∀λ ∈ R

n m
(λf ) : R −→ R , (λf )(v) = λf (v), ∀u ∈ Rn

Se cumple: si f y g son lineales, también lo son f + g y λf .

Ejemplo. La aplicación (−f ) tiene la definición natural:

(−f )(v) = −f (v), en cada v ∈ Rn .
Álgebra - José Carlos Rodríguez Alcantud Pág. 8
Matriz asociada a una aplicación lineal (I)
Construir aplicaciones lineales es muy simple: además de
poder hacerlo por una fórmula algebraica, podemos
aprovechar la siguiente observación.

Observación. Una aplicación lineal f : Rn → Rm entre

espacios de vectores queda determinada si se conocen las
imágenes de los vectores de una base cualquiera de Rn .

Por lo tanto tenemos una segunda manera de determinar

una aplicación lineal: nos basta con conocer las imágenes
de algunos elementos del espacio de salida.

Ejemplo. Sea T : R2 → R3 el homomorfismo definido por:

T (1, 0) = (1, 1, 2), T (0, 1) = (1, −1, 0)

Para calcular la expresión T (x, y), basta aplicar que

T (x, y) = T (x(1, 0)+y(0, 1)) = xT (1, 0)+yT (0, 1) = (x+y, x−y, 2x)
Álgebra - José Carlos Rodríguez Alcantud Pág. 10
Matriz asociada a una aplicación lineal (II)

Esta propiedad sugiere la siguiente forma alternativa de

expresar una aplicación lineal entre espacios de vectores :

Definición. Sea f : Rn → Rm lineal, y sean B = {e1 , . . . , en },

B 0 = {e10 , . . . , em
0
} bases respectivas de Rn y Rm .
Se llama matriz asociada a f en las bases B y B 0 , y se
denota Mf (B, B 0 ), a la matriz m × n que tiene por columnas
las imágenes de los vectores de la base B expresados en
función de la base B 0 .
Gráficamente:
 
  a11 ... a1n
| ... |
.. .. ..
Mf (B, B 0 ) =  f (e1 ) ... f (en ) =  ∈ Mm×n (R)

 . . .
↓ ... ↓
am1 ... amn

siendo f (ei ) = (ai1 , . . . , aim )B 0 .

Álgebra - José Carlos Rodríguez Alcantud Pág. 11

Matriz asociada a una aplicación lineal (III)
Con la definición anterior obtenemos:

Propiedad. Sea A = Mf (B, B 0 ) donde f : Rn → Rm ,

B = {e1 , . . . , en }, B 0 = {e10 , . . . , em
0
}.
Para cualquier e ∈ Rn : las coordenadas de e en la base B,
e ≡ (x1 , . . . , xn )B , y las de su imagen f (e) en B 0 ,
f (e) ≡ (y1 , . . . , ym )B 0 , están relacionadas por:
y1 x1
   
 y   x 
 2   2 
 = A
 ..   .. 
 
 .   . 
ym xn

Ejemplos.
1. La matriz asociada cuando B y B 0 son bases canónicas
es especialmente simple (ver Ejemplo siguiente).
2. La matriz de cambio de base es la de la aplicación
identidad en esas mismas bases: MId (B, B 0 ) = M(B, B 0 ).
Álgebra - José Carlos Rodríguez Alcantud Pág. 12
Matriz asociada a una aplicación lineal:
ejemplos

Ejemplo. Volvamos a la aplicación lineal T : R2 → R3 con

T (1, 0) = (1, 1, 2), T (0, 1) = (1, −1, 0)

Para calcular la matriz de T en bases canónicas, basta

colocar las imágenes de los dos vectores de la base canónica
del espacio de salida por columnas, en su mismo orden:
 
1 1
MT (Bc2 , Bc3 ) =  1 −1 
 

2 0

Podemos entonces observar que las cifras que aparecen en

cada fila son las que acompañan a las variables, en la
componente correspondiente de la expresión algebraica
T (x, y) = (x + y, x − y, 2x).

Álgebra - José Carlos Rodríguez Alcantud Pág. 13

Aplicaciones lineales definidas matricialmente

El formato matricial de las aplicaciones lineales sugiere un

tercer procedimiento para construir aplicaciones lineales.

Sean Rn y Rm dos espacios de vectores con bases B y B 0

(que tienen n y m vectores, respectivamente).

Cualquier matriz A de tamaño m × n define una aplicación

lineal fA : Rn → Rm mediante la expresión:

y1 x1
   

 y2 


 x2 


 ..

 = A
 ..


 .   . 
ym B0
xn B

Obviamente, en estas circunstancias A = MfA (B, B 0 ).

Álgebra - José Carlos Rodríguez Alcantud Pág. 14

Tres formas de definir una aplicación lineal

Resumiendo: hemos visto cómo definir una aplicación

lineal de tres formas distintas

1. Mediante su expresión algebraica (“fórmula”).

2. Mediante la imagen de alguna base.
3. Mediante su matriz en un par de bases (una del
espacio de salida, otra del espacio de llegada).

Álgebra - José Carlos Rodríguez Alcantud Pág. 15

Aplicaciones definidas por matrices: ejemplo
Ejemplo. Sea f : R2 → R2 la aplicación definida por
f (x, y) = (0, x − y). Probaremos que f es una aplicación
lineal utilizando las técnicas matriciales disponibles.
!
0 0
Sea A = . Es la matriz de f en bases
1 -1
canónicas, suponiendo que f sea lineal.
Independientemente de dónde provenga A, sabemos
que la aplicación fA : R2 → R2 es lineal. Y observamos
que fA coincide con f porque fA (x, y) = (y1 , y2 ) siendo
! ! ! !
y1 x 0 0 x
=A =
y2 y 1 -1 y
Bc Bc Bc

Podemos concluir que f = fA es lineal, y que A es la

matriz de f en bases canónicas.
Álgebra - José Carlos Rodríguez Alcantud Pág. 16
Aplicaciones lineales y matrices
Sean B, B 0 y B 00 bases de Rn , Rm y Rr , respectivamente.
Vimos que ciertas operaciones con aplicaciones lineales
producen otras aplicaciones lineales.
Pueden realizarse en lenguaje matricial como sigue:
Suma

f : Rn → Rm
⇒ Mf +g (B, B 0 ) = Mf (B, B 0 ) + Mg (B, B 0 )
g : Rn → Rm

Producto por escalar


f : Rn → Rm
⇒ Mλf (B, B 0 ) = λMf (B, B 0 )
λ∈R

Composición

f : Rn → Rm
⇒ Mg◦f (B, B 00 ) = Mg (B 0 , B 00 ) · Mf (B, B 0 )
g : R m → Rr
Álgebra - José Carlos Rodríguez Alcantud Pág. 17
Propiedades expresadas en términos
matriciales

La expresión matricial permite saber fácilmente si una

aplicación lineal pertenece a determinados tipos:

Proposición. Sean B y B 0 bases respectivas de Rn y Rm .

Sea f : Rn → Rm aplicación lineal tal que A = Mf (B, B 0 ).

1. f es inyectiva ⇔ rang(A) = n.
2. f es epiyectiva ⇔ rang(A) = m.
3. f es biyectiva ⇔ A cuadrada con det(A) 6= 0.

Además: si f es isomorfismo entonces Mf −1 (B 0 , B) = A−1 .

Es decir: la matriz de la aplicación inversa es la inversa de
la matriz de la aplicación (cuando esta exista).

Álgebra - José Carlos Rodríguez Alcantud Pág. 18

Inversión de isomorfismos: ejemplo I

Ejemplo. Sea la aplicación lineal f : R3 −→ R3

f (x, y, z) = (x − 3y + 3z, x − 4y, x − y + 6z)

a) Encuentra, si existe, f −1 : R3 −→ R3 .
b) Calcula (a, b, c) que cumpla f (a, b, c) = (1, −3, 3).

1 −3 3
 

a) Como Mf (Bc , Bc ) =  1 −4 0  es una matriz

 
1 −1 6
cuyo determinante no es 0, f es isomorfismo de R3 .

Álgebra - José Carlos Rodríguez Alcantud Pág. 19

Inversión de isomorfismos: ejemplo II
Invirtiendo Mf (Bc , Bc ):
−1 
1 −3 3 −8 5 4
 

Mf −1 (Bc , Bc ) =  1 −4 0  =  −2 1 1 .
  
2 1
1 −1 6 1 −3 −3
Por lo tanto,
f −1 (x, y, z) = (−8x + 5y + 4z, −2x + y + z, x − 2y z
3 − 3 ).

b) Si f (a, b, c) = (1, −3, 3) es (a, b, c) = f −1 (1, −3, 3) =

1 −8 5 4 1
    
 −3   −2
Mf −1 (Bc , Bc )  = 1 1   −3  =
 
3 1 − 32 − 13 3
 
−11
 −2 
 .
2
Álgebra - José Carlos Rodríguez Alcantud Pág. 20
Inversión de isomorfismos: ejercicio

Ejercicio. Sea la aplicación lineal f : R3 −→ R3 que

cumple

f (1, 0, 0) = (0, 0, 1), f (0, 1, 0) = (0, 1, 0), f (0, 0, 1) = (1, 0, 0).

Comprueba que es un isomorfismo de R3 .

Encuentra f −1 : R3 −→ R3 .

Álgebra - José Carlos Rodríguez Alcantud Pág. 21

Núcleo e Imagen de una aplicación lineal

Sea f : Rn → Rm una aplicación lineal,

– Se llama Núcleo de f y se denota por Ker f o Ker(f ), al
conjunto:
Ker f = {v ∈ Rn : f (v) = 0m }

– Se llama Imagen de f y se denota por Im f o Im(f ), al

conjunto

Im f = {v 0 ∈ Rm : ∃ v ∈ Rn con f (v) = v 0 }

Álgebra - José Carlos Rodríguez Alcantud Pág. 23

Propiedades (I)
Sea f : Rn → Rm una aplicación lineal.

hv1 , . . . , vp i = Rn ⇒ hf (v1 ), . . . , f (vp )i = Im f

(Verbalmente: la imagen de un sistema generador del

dominio, genera la imagen de f .)
Demostración. Sea v 0 ∈ Im f cualquiera. Veamos que
existen λ1 , . . . , λp tal que

v 0 = λ1 f (v1 ) + . . . + λp f (vp )

Por ser v 0 ∈ Im f , existe v ∈ Rn tal que f (v) = v 0 .

Como hv1 , . . . , vp i = Rn , por definición deben existir
escalares λ1 , . . . , λp tales que:

v = λ1 v1 + . . . + λp vp ,

Aplicando f en ambos lados de la igualdad se deduce el

resultado porque f es lineal.

Álgebra - José Carlos Rodríguez Alcantud Pág. 25

Propiedades (II)
La aplicaciones lineales permiten comprobar la inyectividad
con sencillez:

Proposición. Sea f : Rn → Rm una aplicación lineal.

f es inyectiva ⇔ Ker f = {0}

Demostración.
⇒ Sea v ∈ Ker f , veamos que v = 0. En efecto:

v ∈ Ker f ⇒ f (v) = 0
⇒ f (v) = f (0) =========⇒ v = 0
f lineal ⇒ f (0) = 0 f es inyectiva

⇐ Sean v,v̄ ∈ Rn tales que f (v) = f (v̄), veamos que v = v̄.

En efecto:
⇒ v − v̄ ∈ Ker f = {0}
f (v) = f (v̄) ====⇒ f (v − v̄) = 0 =
f lineal

⇒ v = v̄
Álgebra - José Carlos Rodríguez Alcantud Pág. 26
Núcleo e imagen: Un ejemplo (I)
Ejemplo. Sea f : R2 → R2 la aplicación definida por
f (x, y) = (0, x − y).
a.- Probar que f es una aplicación lineal.
b.- Determinar el núcleo y la imagen de f .

a.- Para que f sea una aplicación lineal debe verificarse

?
f λ(x, y) + µ(x 0 , y 0 ) = λf (x, y) + µf (x 0 , y 0 )

y procediendo obtenemos:

f λ(x, y) + µ(x 0 , y 0 ) = f (λx + µx 0 , λy + µy 0 )

= (0, λx + µx 0 − λy − µy 0 )
= λ(0, x − y) + µ(0, x 0 − y 0 )
= λf (x, y) + µf (x 0 , y 0 )

Álgebra - José Carlos Rodríguez Alcantud Pág. 27

Núcleo e imagen: Un ejemplo (II)
b.- Usando la definición de núcleo:
ker f = {(x, y) ∈ R2 : f (x, y) = (0, 0)}
= {(x, y) ∈ R2 : (0, x − y) = (0, 0)}
= {(x, x) : x ∈ R} = h(1, 1)i
Usando que cuando el sistema generado por unos
vectores es el espacio de salida, entonces el sistema
generado por sus imágenes es la imagen de la
aplicación:
Im f = hf (1, 0), f (0, 1)i = h(0, 1), (0, -1)i
= h(0, 1)i

Observación. Como se vio anteriormente, comprobar

que una aplicación es lineal es mucho más simple
cuando se aprovecha su formato matricial.
Álgebra - José Carlos Rodríguez Alcantud Pág. 28
Propiedades (III)
Las aplicaciones lineales inyectivas convierten
sistemas de vectores l.i. en sistemas de vectores l.i.:

Proposición. Sea f : Rn → Rm aplicación lineal

inyectiva. Entonces:
{v1 , . . . , vp } son l.i. ⇒ {f (v1 ), . . . , f (vp )} son l.i.

Demostración. Veamos que una combinación lineal

de {f (v1 ), . . . , f (vp )} que produzca el vector 0 sólo
puede ser la trivial.

0 = λ1 f (v1 ) + . . . + λp f (vp ) = f (λ1 v1 + . . . + λp vp )

⇒ λ1 v1 + . . . + λp vp ∈ Ker f = {0}
========⇒ λ1 = . . . = λp = 0
{v1 ,...,vp } l.i.

Álgebra - José Carlos Rodríguez Alcantud Pág. 29

Otra propiedad con varias consecuencias
En la teoría de espacios vectoriales (que no se menciona en
este curso) es muy importante la siguiente relación:
Propiedad. Sea f : Rn → Rm una aplicación lineal.

n = dim Ker f + dim Im f

Consecuencia 1.

f es inyectiva ⇔ dim Im f = n

Consecuencia 2. Si de hecho f : Rn → Rn es endomorfismo

entonces

f es inyectiva ⇔ f es epiyectiva

Consecuencia 3.

f es inyectiva ⇔ La imagen de una base de Rn es base de Im f

Álgebra - José Carlos Rodríguez Alcantud Pág. 30
Consecuencias prácticas de las últimas
propiedades
Ejemplo 1. Sea f : R3 → R2 cualquier aplicación lineal.
Entonces, f no puede ser inyectiva porque:
(1) Es imposible que la imagen de la base canónica de R3
sea un sistema l.i., pues está en R2 .
O bien porque:
(2) Es imposible que se cumpla dim Ker(f ) = 0 sabiendo
que dim R3 = 3 = dim Ker f + dim Im f .

Nota. Puede usarse otro argumento basado en que el rango

de una matriz que represente a f caracteriza su
inyectividad. En este ejercicio: para que f fuera inyectiva,
su matriz en bases canónicas debería tener rango 3, lo que
es imposible (tiene tamaño 2 × 3).
Nota. El argumento no necesita referirse a estos espacios
de vectores. Asegura que si f : Rn → Rm es aplicación lineal
y n > m, entonces f no puede ser inyectiva.
Álgebra - José Carlos Rodríguez Alcantud Pág. 31
Consecuencias prácticas de las últimas
propiedades

Ejemplo 2. Sea f : R2 → R3 cualquier aplicación lineal.

Entonces, f no puede ser sobreyectiva porque
dim Im(f ) = 3 es imposible. La razón es que la igualdad
dim R2 = 2 = dim Ker f + dim Im f sería imposible.

Nota. Puede usarse otro argumento basado en que el rango

de una matriz que represente a f caracteriza su
sobreyectividad. En este ejercicio: para que f fuera
sobreyectiva, su matriz en bases canónicas debería tener
rango 3, lo que es imposible (tiene tamaño 3 × 2).
Nota. El argumento no necesita referirse a estos espacios
de vectores. Es válido para justificar que si f : Rn → Rm es
aplicación lineal y n < m, entonces f no puede ser inyectiva.

Álgebra - José Carlos Rodríguez Alcantud Pág. 32

Isomorfismos

Esta clase de aplicaciones lineales es especialmente

importante en la teoría general de los espacios vectoriales.

Proposición. Sea f : Rn → Rm aplicación lineal:


Ker f = {0n }
1. f es isomorfismo ⇔
Im f = Rm
2. f es isomorfismo ⇔ n = m = dim Im f .
3. La composición de isomorfismos es isomorfismo.
4. Si f : Rn → Rn es isomorfismo, también lo es f −1 .

Consecuencia. En nuestro contexto (donde todos los

espacios vectoriales son de tipo Rm ) los conceptos de
isomorfismo y automorfismo son equivalentes.

Álgebra - José Carlos Rodríguez Alcantud Pág. 33

Fórmula de cambio de base

Cuando tengamos una aplicación lineal f : Rn → Rm , sus

representaciones matriciales deben estar relacionadas entre
sí. El siguiente resultado nos dice cómo es esa relación:

Teorema. Sean B1 y B10 bases respectivas de Rn y Rm ,

Sea f : Rn → Rm aplicación lineal.
La matriz asociada a f en las bases B1 y B10 es Mf (B1 , B10 ).
Si B2 y B20 son otras bases de Rn y Rm , respectivamente,
entonces:
−1
Mf (B2 , B20 ) = [M(B20 , B10 )] · Mf (B1 , B10 ) · M(B2 , B1 )

El ejemplo siguiente muestra cómo podemos utilizar esta

relación para calcular la matriz de f , en bases diferentes a
aquellas que nos han proporcionado una representación
matricial conocida.
Álgebra - José Carlos Rodríguez Alcantud Pág. 35
Uso de la fórmula de cambio de base (I)

Ejemplo. Sea T : R2 → R3 el homomorfismo definido por:

T (x, y) = (x + y, x − y, 2x)

a.- Calcular la matriz asociada a T en las bases canónicas

de R2 y R3 .
b.- Calcular la matriz asociada a T en las bases
B2 = {e1 = (1, 1), e2 = (0, -1)} de R2 y
B20 = {u1 = (0, 1, 1), u2 = (1, 0, 1), u3 = (1, 1, 0)} de R3
recurriendo a la definición.
c.- Repetir el apartado anterior utilizando la fórmula de
cambio de base.

Nota. Los apartados b y c piden calcular MT (B2 , B20 ).

Álgebra - José Carlos Rodríguez Alcantud Pág. 36

Uso de la fórmula de cambio de base (II)
a.- Como
T (1, 0) = (1, 1, 2), T (0, 1) = (1, -1, 0)
la matriz asociada a T en las bases canónicas (en el espacio
1 1
 

de salida y el de llegada) es A =  1 -1 
 
2 0
b.- Calculemos ahora la matriz asociada a T en las bases
B2 = {e1 , e2 } de R2 (de salida) y B20 = {u1 , u2 , u3 } de R3 (de
llegada):
T (1, 1) = (2, 0, 2)
T (0, -1) = (-1, 1, 0)
Para expresarlos en la base de R3 pedida, escribiremos:
(2, 0, 2) = λ1 (0, 1, 1) + λ2 (1, 0, 1) + λ3 (1, 1, 0)
(-1, 1, 0) = α1 (0, 1, 1) + α2 (1, 0, 1) + α3 (1, 1, 0)
Álgebra - José Carlos Rodríguez Alcantud Pág. 37
Uso de la fórmula de cambio de base (III)
y calculamos λ1 = 0, λ2 = 2, λ3 = 0; α1 = 1, α2 = -1, α3 = 0.
0 1
 

La matriz solicitada es A 0 =  2 -1  .
 
0 0
c.- Puede obtenerse A 0 a partir de A usando las dos
matrices de cambio de base: de B2 a canónica (en R2 ) y de
B20 a la canónica (en R3 ), que son respectivamente:
0 1 1
 
!
1 0
M= y N = 1 0 1 
 
1 -1
1 1 0

verificándose la relación A 0 = N −1 AM:

−1 
0 1 0 1 1 1 1
   
!
 2 -1   1 0 1   1 1 0
= -1 
1 -1
   
0 0 1 1 0 2 0

Álgebra - José Carlos Rodríguez Alcantud Pág. 38

Matrices equivalentes

Definición. Las matrices A y A 0 se dicen equivalentes si

están asociadas a la misma aplicación lineal.

Podemos reescribir esta definición en lenguaje matricial:

Proposición (reescritura matricial de la equivalencia).


existen P y Q invertibles tales que
A y A 0 son equivalentes ⇔
A = P −1 · A 0 · Q

Observación. Se deduce que el rango de la matriz

asociada a una aplicación lineal es independiente de las
bases escogidas para su construcción.

Álgebra - José Carlos Rodríguez Alcantud Pág. 40

Matrices equivalentes

Álgebra - José Carlos Rodríguez Alcantud Pág. 41

Matrices semejantes
Definición. Las matrices A y A 0 se dicen semejantes si
están asociadas al mismo endomorfismo (cuando se usa la
misma base en el espacio de salida y el de llegada).

Proposición (reescritura 
matricial de la semejanza).
existe Q invertible tal que
A y A 0 son semejantes ⇔
A = Q −1 · A 0 · Q

Dos matrices semejantes son equivalentes. No solo tendrán

igual rango, sino también el mismo determinante:
Proposición. A y A 0 son semejantes ⇒ det(A) = det(A 0 ).

Demostración. Usando la proposición anterior y tomando

determinantes obtenemos:

A = Q −1 ·A 0 ·Q ⇒ det(A) = det(Q −1 ·A 0 ·Q) = det(Q −1 )·det(A 0 )·det(Q)

y como det(Q −1 ) = [det(Q)]−1 concluimos det(A) = det(A 0 ).

Álgebra - José Carlos Rodríguez Alcantud Pág. 42
Matrices semejantes

Álgebra - José Carlos Rodríguez Alcantud Pág. 43

Bibliografía

M. D. G ARCÍA . B. G ARCÍA B ERNALT, M. A. M ANRIQUE Y J.

C. R ODRÍGUEZ. Manual práctico de Matemáticas para
Economía y Empresa. Delta Publicaciones, 2006.

Álgebra - José Carlos Rodríguez Alcantud Pág. 45