000283

Algebra Lineal
Luisa Aburto H. Daniel Jimnez B Roberto Johnson H.

2003
2
ndice general
1. Matrices 5
1.1. lgebra de Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2. Inversin de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.2.1. Operaciones elementales . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.3. Determinante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
1.4. Sistemas de Ecuaciones Lineales . . . . . . . . . . . . . . . . . . . . . . . . 41
2. Espacios Vectoriales 61
2.1. Grupos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
2.2. Espacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
2.3. Subespacios Vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
2.4. Bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
2.4.1. Combinaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . 71
2.4.2. Espacios Generados . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
2.4.3. Bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
2.5. Dimensin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
2.6. Suma Directa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
2.6.1. Sumas de Espacios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
2.6.2. Suma Directa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
2.7. Coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
2.8. Producto tensorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
2.8.1. Espacio Cuociente . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
2.8.2. Producto tensorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
3. Transformaciones lineales 105
3.1. Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
3.2. Transformaciones Lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
3.2.1. Kernel o Ncleo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
3.2.2. Imagen o Recorrido . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
3.2.3. Funciones biyectivas . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
3.2.4. lgebra de Transformaciones lineales . . . . . . . . . . . . . . . . . . 120
3.2.5. Compuesta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
3.2.6. Inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 124
3.3. Matriz asociada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 128
3.3.1. Matriz Cambio de Base . . . . . . . . . . . . . . . . . . . . . . . . . . 134
3
4 NDICE GENERAL
3.4. Espacio Vectorial Dual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
3.4.1. Base Dual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 142
3.4.2. Transformacin Dual o Traspuesta . . . . . . . . . . . . . . . . . . . 144
3.5. Diagonalizacin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
3.6. Producto Escalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
3.6.1. Norma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
3.6.2. Bases Ortogonales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 164
4. Programacin Lineal 167
4.1. Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
4.2. Transformacin a la Forma Estndar . . . . . . . . . . . . . . . . . . . . . . 169
4.2.1. Variable de Holgura . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
4.2.2. Variable excedente . . . . . . . . . . . . . . . . . . . . . . . . . . . . 170
4.2.3. Variables Libres (Primer mtodo) . . . . . . . . . . . . . . . . . . . . 171
4.2.4. Variables Libres (Segundo mtodo) . . . . . . . . . . . . . . . . . . . 172
4.3. Conjuntos Convexos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
4.4. Mtodo del Simplex . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 180
5. Ejercicios 195
5.1. Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
5.1.1. Ejercicios complementarios . . . . . . . . . . . . . . . . . . . . . . . . 213
5.2. Espacios Vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222
5.3. Transformaciones Lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241
Captulo 1
Matrices
1.1. lgebra de Matrices
Informalmente, una matriz es un arreglo rectangular de nmeros dispuestos horizon-
talmente en las y verticalmente en columnas.
Una matriz se dice racional, real o compleja segn sea el conjunto en el que se encuentren
los nmeros del arreglo o elementos de la matriz (coecientes de la matriz).
Ms precisamente una matriz de orden : : con coecientes reales, es un arreglo rec-
tangular de nmeros reales, con : las y : columnas.
=
na
=
_
_
c
11
c
12
c
1a
c
21
c
22
c
2a
.
.
.
.
.
.
c
n1
c
n2
c
na
_
_
= [c
i)
]
na
Convencionalmente usaremos letras maysculas para denotar matrices indicando su orden
o formato con subndices. Dado que el texto se trabaja principalmente con matrices reales,
no se indica el conjunto numrico en el que se dene la matriz, salvo los casos que requieran
para mayor claridad de un desarrollo.
El elemento situado en la la i y columna , de una matriz cualquiera, se describe como
c
i)
. As la la i de es
_
c
i1
c
i2
c
ia
y la anotamos ,
i
(). Del mismo modo, la columna , de est dada por
_
_
c
1i
c
2i
.
.
.
c
ni
_
_
5
6 CAPTULO 1. MATRICES
y la anotamos c
i
(). Cuando sea necesario, usamos la notacin c
i)
() para indicar el coe-
ciente i, de la matriz o simplemente c
i)
.
El conjunto de la matrices de orden :: con coecientes en K lo anotamos `
na
(K).
Si : = : entonces las matrices se dicen cuadradas de orden : y el conjunto de todas ellas
se denota por `
a
(K). si los coecientes son nmeros reales entonces denotamos `
na
o
simplemente `
a
Denicin 1 Dos matrices
na
y 1
jq
se dice que son iguales si y slo si : = j. : = ,
y c
i)
= /
i)
con i = 1. . . . . :; , = 1. . . . . :
Ejemplo 1 Notemos en los ejemplos siguientes, las matrices dadas son distintas:
a)
_
_
1 3
2 1
0 0
_
_
,=
_
1 3
2 1
_
. ya que la primera tiene orden 3 2 y la segunda 2 2. Ellas
tienen diferentes ordenes.
b)
_
1 1 0
2 3 4
_
,=
_
0 1 0
2 3 4
_
. ellas son distintas pues c
11
= 1 ,= 0 = /
11
Ejemplo 2 En cada caso hallar c. /. c y d. constantes reales, tales que
a)
_
c
2
+ 2c 1
/ 2
_
=
_
3 1
1 +c 2
_
. en `
2
b)
_
c
2
c + 1 d
c + 2d 1
_
=
_
3 2c
6 1
_
. en `
2
c)
_
c
2
+ 2c +/ 1
c +/ +c 2
_
=
_
c
2
+ 1 2c
/ d
_
. en `
2
Desarrollo.
a) Si
_
c
2
+ 2c 1
/ 2
_
=
_
3 1
1 +c 2
_
entonces
c
2
+ 2c = 3
1 = 1
2 = 2
/ = 1 +c
las igualdades a estudiar son
(1) c
2
+ 2c = 3
(2) / = 1 +c
De (1), c
2
+ 2c + 3 = 0. luego c = 1 + i
_
2 con i
2
= 1, o sea c y / en C pero
la igualdad se estudia en los nmeros reales, entonces la solucin es vaca, pues no es
posible encontrar c y / en R que satisfagan las igualdades (1) y (2).
1.1. LGEBRA DE MATRICES 7
b) Si
_
c
2
c + 1 d
c + 2d 1
_
=
_
3 2c
6 1
_
, entonces
(1) c
2
c + 1 = 3
(2) d = 2c
(3) c + 2d = 6
(4) 1 = 1
Si d = 2c entonces reemplazando en (3) tenemos 5c = 6, luego c =
6
5
cuyo valor no
cumple la igualdad c
2
c + 1 = 3, pues
_
6
5
_
2
6
5
+ 1 =
31
25
.
As no hay c y d que cumplan la igualdad matricial (b) pues el sistema formado por
las ecuaciones (1),(2),(3) y (4) tiene solucin vaca.
c) Si
_
c
2
+ 2c +/ 1
c +/ +c 2
_
=
_
c
2
+ 1 2c
6 d
_
. En este caso se tiene:
(1) c
2
+ 2c +/ = c
2
+ 1
(2) c +/ +c = 6
(3) 1 = 2c
(4) 2 = d
De (4) d = 2, de (3) c =
1
2
reemplazando en (2) y simplicando (1) obtenemos:
(5) c +/ =
13
2
(1) 2c +/ = 1
restando (1) la ecuacin (5) nos queda c =
11
2
. Reemplazando en (5) se tiene que
/ = 12. Por lo tanto c =
11
2
; / = 12, c =
1
2
; d = 2 son las constantes reales que
satisfacen la igualdad matricial c).
Denicin 2 Sean A=[c
i)
] y 1 = [/
i)
] matrices de orden : :, entonces la suma de y
1 es la matriz de orden :: denida por:
+1 = [c
i)
+/
i)
]
Ejemplo 3 Si =
_
2 3 4
1 7 1
_
y 1 =
_
3 3 4
1 0 7
_
entonces
+1 =
_
2 + 3 3 + (3) 4 + (4)
(1) + (1) 7 + 0 1 + (7)
_
=
_
5 0 0
2 7 6
_
Nota. La matriz nula de orden ::, denotada por 0
na
es una matriz compuesta slo de
ceros, o sea, 0
na
= [c
i)
] con c
i)
= 0 para todo i,,. Toda vez que se indique la matriz nula
sin especicar su orden, debe entenderse denido por el contexto.
De la denicin se deduce que dos matrices pueden sumarse solamente si son de igual
orden.
Denicin 3 Sean c en R y en `
na
entonces
c = c = [c c
i)
]
es llamado el producto por escalar.
En particular, si c = 1 y = [c
i)
] entonces (1) = [c
i)
] . denotada por .
Proposicin 4 Sean . 1. C cualesquiera en `
na
y c. d R entonces:
1. ( +1) +C = + (1 +C) .
2. +1 = 1 +.
3. + 0 = .
4. + () = 0, matriz nula de orden ::.
5. c( +1) = c +c1.
6. (c +d) = c +d.
Denicin 5 Sean
na
= [c
i)
] y 1
aq
= [/
i)
] denimos el producto de y 1 como la
matriz
1 = [c
i)
]
nq
donde c
i)
=
a
I=1
c
iI
/
I)
.
Ejemplo 4 Dadas las matrices
=
_
1 7 3
1 5 4
_
. 1 =
_
1 2
0 4
_
. C =
_
0 8 1
1
1
2
0
_
.
Determinar una matriz A en `
23
tal que
2 +A 1C = 0
23
.
Desarrollo. Calculemos primero
2 +A 1C = 0 Sumando Inverso Aditivo
2 + 2 +A 1C = 0 2 Cancelando
A 1C = 2 Sumando Inverso Aditivo y Cancelando
A = 1C 2
Ahora tenemos que
2 = 2
_
1 7 3
1 5 4
_
=
_
2 14 6
2 10 8
_
1C =
_
1 2
0 4
_ _
0 8 1
1
1
2
0
_
=
_
2 9 1
4 2 0
_
As, obtenemos
A =
_
2 9 1
4 2 0
_
_
2 14 6
2 10 8
_
=
_
4 5 5
6 12 8
_
Ejemplo 5 Sean . 1 en `
2
. Determinar el valor de verdad de la proposicin
1 =
_
0 0
0 0
_
=
_
=
_
0 0
0 0
_
. 1 =
_
0 0
0 0
__
Desarrollo.
Basta tomar =
_
0 3
0 1
_
y 1 =
_
1 10
0 0
_
. Ambas diferentes de la matriz nula y
1 = 0. Luego la proposicin es falsa en general.
Observacin. El producto de dos matrices 1 slo es posible cuando el nmero de
columnas de es el mismo que el nmero de las 1.
No hay ley conmutativa para el producto matricial, en general 1 ,= 1. puede ocurrir
que 1 est denida pero no 1. o que estando ambas denidas, stas sean diferentes.
Ejemplo 6 Sean =
_
1 3
2 1
_
y 1 =
_
1 10 1
1
_
2 :
_
1 =
_
1 3
2 1
_ _
1 10 1
1
_
2 :
_
=
_
2 10 3
_
2 1 3:
3 20 +
_
2 2 +:
_
y
1 =
_
1 10 1
1
_
2 :
_
23
_
1 3
2 1
_
22
no est denido. Luego no tiene sentido pregun-
tarnos por la propiedad conmutativa.
Ejemplo 7 Sean =
_
1 3
2 1
_
y 1 =
_
1 10
1
_
2
_
1 =
_
1 3
2 1
_ _
1 10
1
_
2
_
=
_
2 10 3
_
2
3 20 +
_
2
_
y
1 =
_
1 10
1
_
2
_ _
1 3
2 1
_
=
_
21 7
1 + 2
_
2 3 +
_
2
_
. En este caso, existen 1 y 1.
pero son diferentes.
Observacin. Para que dos matrices y 1 sean sumables y multiplicables es necesario que
sean cuadradas y de igual orden.
Por otra parte para que estn denidos los productos 1 y 1 la condicin general es
que las matrices sean de orden :: y : :.
Denicin 6 Decimos que las matrices y 1 conmutan si y slo si
1 = 1
Denicin 7 Llamamos matriz identidad o unitaria de orden : a la matriz cuadrada de
orden : denida por
1 = 1
a
= [o
i)
] =
_
_
1 0 0
0 1 0
.
.
.
.
.
.
.
.
.
0 0 1
_
_
donde o
i)
=
_
1 si i = ,
0 si i ,= ,
El smbolo o
i)
es llamado Delta de Kronecker.
Teorema 8 Si cada suma y producto indicado existe, se cumple:
1. (1C) = (1)C.
2. ( +1)C = C +1C.
3. 1(1 +1) = 11 +11.
4. 1
a
= . 1
n
= . donde es de orden ::.
Ejemplo 8 Dadas . 1. C y 1 matrices cuadradas del mismo orden : tales que 1 = 1 y
C1 = 1. Resuelva la ecuacin matricial
(1 +C)1 1A = C +1
Desarrollo.
(1 +C)1 1A = C +1 Por distribucin,
11 +C1 1A = C +1 Reemplazando,
11 +1 1A = C +1 Sumando inverso aditivo,
1A = C +1 11 1 cancelando,
1A = C 11 multiplicando por -1,
1A = C +11 multiplicando por izquierda por .
(1A) = (11 C) Distributividad y Asociatividad,
(1) A = (1)1 C Reemplazando,
1A = 11 C Identidad.
As, obtenemos
A = 1 C
Corolario 9 Sean y 1 matrices tales que 1 existe entonces:
1. El coeciente c
i)
(1) de 1 es el producto matricial de la la i de y la columna ,
de 1. es decir,
c
i)
(1) = ,
i
() c
)
(1) .
2. La columna , de 1 es el producto matricial de y la columna , de 1. es decir,
c
)
(1) = c
)
(1) .
3. La la i de 1 es el producto matricial de la la i de y 1. es decir,
,
i
(1) = ,
i
() 1.
Denicin 10 Si es una matriz cuadrada de orden :. Se dene, por recurrencia, la
potencia de una matriz
0
= 1
a
I+1
=
I
con / N
0
Observacin. Ntese que para denir potencia no es necesaria la propiedad conmutativa,
sin embargo, la propiedad asociativa es imprescindible
Ejemplo 9 Dada la matriz =
_
1 2
0 1
_
. entonces podemos calcular sus potencias
0
=
_
1 0
0 1
_
.
1
=
_
1 2
0 1
_
.
2
= =
_
1 2
0 1
_ _
1 2
0 1
_
=
_
1 0
0 1
_
.
3
=
2
= 1
2
= .
_
1 2
1 1
_
. entonces podemos calcular sus potencias
0
=
_
1 0
0 1
_
.
1
=
_
1 2
1 1
_
.
2
=
_
1 2
1 1
_ _
1 2
1 1
_
=
_
1 0
0 1
_
.
3
=
2
= 1
2
= .
4
=
3
= =
2
= 1
2
.
Denicin 11 Si es una matriz cuadrada de orden : y j(r) =

n
i=0
c
i
r
i
un polinomio
con coecientes en K, entonces se dene j evaluado en como
j() =
n
i=0
c
i
i
Observacin.
Note que, en la evaluacin el coeciente c
0
(trmino constante) se reemplaza por c
0
1
a
.
Esta denicin no es trivial, entenderemos su importancia en el ltimo captulo de este
libro.
_
1 2
0 1
_
y el polinomio j(r) = r
3
+ 3r + 1. Calcular
j().
Usando los clculos obtenidos en el ejemplo 9 y reemplazando, obtenemos:
j() =
_
1 2
0 1
_
3
+ 3
_
1 2
0 1
_
+1
2
=
_
1 2
0 1
_
+
_
3 6
0 3
_
+
_
1 0
0 1
_
=
_
5 8
0 3
_
.
_
1 2
1 1
_
y el polinomio j(r) = r
5
3r
2
+2. Calcular
j().
Usando los resultados obtenidos en el ejemplo 10 y reemplazando, tenemos:
j() =
_
1 2
1 1
_
5
3
_
1 2
1 1
_
2
+ 21
2
=
_
1 2
1 1
_
+
_
3 0
0 3
_
+
_
2 0
0 2
_
=
_
6 2
1 4
_
.
Denicin 12 Sea = [c
i)
] una matriz cuadrada de orden : entonces:
a) es una matriz diagonal si y slo si c
i)
= 0, si i ,= ,. Escribimos
1[c
11
. c
22
. c
33
. ..... c
aa
] =
_
_
c
11
0 0 0
0 c
22
0 0
0 0 c
33
0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 c
aa
_
_
b) es una matriz antidiagonal si y slo si c
i)
= 0 si i +, ,= : + 1. Escribimos:
1o
_
c
a1
. c
(a1)2
. c
(a2)3
. .... c
1a
=
_
_
0 0 0 c
1a
.
.
.
.
.
.
.
.
.
.
.
.
0 0 c
(a2)3
0
0 c
(a1)2
0
.
.
.
c
a1
0 0 0
_
_
c) es una matriz tridiagonal si y slo si c
i)
= 0 si (i , + 1 i < , 1) .
d) es una matriz triangular superior si y slo si c
i)
= 0 si i , (o sea, todo elemento
bajo la diagonal principal es cero)
e) es una matriz triangular inferior si y slo si c
i)
= 0 si i < , (o sea, todo elemento
sobre la diagonal principal es cero)
f) Particularmente es una matriz triangular estrictamente superior o triangular estricta-
mente inferior si y slo si (c
i)
= 0 para i > , i 6 ,), respectivamente.
Ejemplo 13 Las siguientes matrices las podemos clasicar, segn la denicin anterior
como:
1 =
_
_
2 0 0
1 0 0
3 0 7
_
_
es una matriz triangular inferior,
l =
_
_
0 2 3
0 0 7
0 0 0
_
_
es una matriz triangular estrictamente superior,
=
_
_
1 2 0 0
1 0 3 0
0 0 0 7
0 0 2 1
_
_
es una matriz tridiagonal en `
4
.
Ejemplo 14 Sean . 1 en `
a
matrices triangulares superiores.
Probar que 1 es una matriz triangular superior.
Desarrollo. Sean = [c
i)
], 1 = [/
i)
] . 1 = [c
i)
] .
Debemos probar que
c
i)
=
a
I=1
c
iI
/
I)
= 0 si i ,.
Sea i , tenemos
c
i)
=
i1
I=1
c
iI
/
I)
+
a
I=i
c
iI
/
I)
pero c
iI
= 0 si / = 1. .... (i 1), ya que es una matriz triangular superior, luego la primera
parte de la suma es nula. Tambin /
I)
= 0 si / = i. .... : debido a que 1 es triangular
superior. Luego la suma (2) es nula.
De lo anterior 1 es una matriz triangular superior ya que c
i)
= 0 si i ,.
Ejemplo 15 Determinar para que matrices cuadradas se cumple la igualdad
2
1
2
= ( +1)( 1).
Desarrollo. Esta igualdad es verdadera, cuando las matrices y 1 conmutan, ya que
( +1)( 1) = ( +1)( + (1)1)
= ( +1) + ( +1)(1)1
=
2
+1 + (1)(1 +1
2
)
=
2
1
2
+1 1.
Luego,
2
1
2
= ( +1)( 1) == 1 1 = 0 == 1 = 1.
Ejercicio 16 Determinar la forma ms general de dos matrices cuadradas de orden 2 no
diagonales que conmuten.
Desarrollo. Sean =
_
c /
c d
_
; 1 =
_
r
. n
_
las matrices pedidas. Entonces
1 = 1 =
_
_
_
/. = c (1)
(c d) = /(r n) (2)
(c d). = c(r n) (3)
Como y 1 son no diagonales, entonces / ,= 0 c ,= 0; ,= 0 . ,= 0
Caso I Supongamos que c ,= 0. luego en (1) tenemos que . ,= 0.de lo contrario, si . = 0
entonces = 0
a) Si c = d entonces r = n
/
c
=

.
= t
As obtenemos que las matrices son
=
_
c ct
c c
_
. 1 =
_
r .t
. r
_
donde c. r. t son nmeros reales cualesquiera, c. . son no nulos.
b) Si c ,= d entonces r ,= n adems
r n
c d
=
.
c
= t
luego . = tc y de (1) = t/. adems,
si usamos el cambio de variable n = c d entonces tn = r n
Resumiendo tenemos
r = tn +n
= t/
. = tc
matricialmente obtenemos
=
_
n +d /
c d
_
. 1 =
_
tn +n t/
tc n
_
donde /. d. nson nmeros reales cualesquiera y t. n. c son no nulos.
Caso II Si c = 0 entonces / ,= 0. . = 0. ,= 0. Si usamos el cambio de variable t =

/
.
obtenemos = t/ adems, si denimos n = c d entonces tn = r n. as obtenemos
=
_
n +d /
0 d
_
. 1 =
_
tn +n t/
0 n
_
donde d. nson nmeros reales cualesquiera y t. n. / son no nulos
Resumiendo
=
_
c ct
c c
_
. 1 =
_
r .t
. r
_
con c. r. t R c. . R

=
_
n +d /
c d
_
. 1 =
_
tn +n t/
tc n
_
con /. c. d. n R t. n R
.
Denicin 13 Sea una matriz de orden ::
a) Trasponer una martiz de orden :: consiste en intercambiar sus las por sus colum-
nas, respetando la secuencia. La matriz resultante se llama traspuesta de , es de
orden : : y se anota
t
. Es decir, si = [c
i)
] entonces
t
= [c
)i
], donde el ele-
mento ubicado en la la i y la columna , de , aparece en la la , y la columna i de
t
b) Si una matriz es igual a su traspuesta se dice simtrica.
c) Si una matriz es igual al inverso aditivo (negativo) de su traspuesta se dice antisimtrica.
Observacin. Una matriz simtrica o antisimtrica debe ser cuadrada, por ejemplo:
1
a
es simtrica;
0
a
es simtrica y antisimtrica.
Observacin. Si es antisimtrica, entonces los coecientes de la diagonal principal de
son todos ceros.
Ejemplo 17 Sea =
_
_
3 3
1 7
_
2 1
_
_
.
Determinar la traspuesta de y decidir si es simtrica o antisimtrica.
Desarrollo. La traspuesta esta dada por
t
=
_
3 1
_
2
3 7 1
_
y no es simtrica ni antisimtrica.
Ejemplo 18 Determinar si las siguientes matrices son simtricas o antisimtricas.
1. 1 =
_
_
2 1 3
1 7 2
3 2 1
_
_
;
2. C =
_
_
0 1 2
1 0 1
2 1 0
_
_
;
3. 1 =
_
2 1
1 0
_
;
Desarrollo.
1. 1 es simtrica ya que 1
t
= 1.
2. C es antisimtrica ya que C
t
= C.
3. 1 no es simtrica y 1 no es antisimtrica.
Ejemplo 19 Sea en `
a
una matriz antisimtrica.
Demostrar que tiene slo ceros en la diagonal principal.
Desarrollo.
Sabiendo que es antisimtrica, debemos probar que
c
ii
= 0 \i 1. ....... :
Como =
t
. es decir,
[c
i)
] = [c
)i
] \i 1. ..... : \, 1. ...... :.
El coeciente c
i)
est en la diagonal principal si y slo si i = ,.
Para dichos coecientes tenemos:
c
ii
= c
ii
\i 1. ....... :
o sea
2c
ii
= 0 \i 1. ....... :
luego
c
ii
= 0 \i 1. ....... :
Ejercicio 20 Demostrar que si es simtrica y antisimtrica entonces = 0
a
.
Teorema 14 Sean y 1 dos matrices de orden : : y C una matriz de orden : y
: K entonces se cumple:
1. (C)
t
= C
t
t
.
2. ( +1)
t
=
t
+1
t
.
3. (:)
t
= :
t
= (:)
t
; :C = (:C) = (C):.
4. (
t
)
t
= .
5. La suma y producto escalar de matrices simtricas resultan simtricas.
6. El producto de matrices simtricas es simtrico si y slo si las matrices conmutan
1.2. INVERSIN DE MATRICES 17
Denicin 15 Una submatriz de una matriz . es una matriz que se obtiene a partir de
eliminando algunas (no todas) las y/o columnas.
Observacin. Las las y columnas de una matriz son ejemplos importantes de submatrices
de sta.
Ejercicios:
1. Sean =
_
2 1
1 2
_
. 1 =
_
3 0
1 c
_
. C =
_
2 5
3 6
_
y j(r) = (r 3)(r 1).
a) Calcular j() y j(C).
b) Calcular C
2
c) Determinar el valor c" tal que j(1) = 0

2. Sean =
_
1 1
1 3
_
. 1 =
_
3 2
1 c
_
, y j(r) = (r 4)(r 1).
a) Calcular j()
b) Calcular
2
1
2
c) Determinar el valor \c" tal que j(1) = 0
3. Dada las siguientes matrices
=
_
_
2 3 1 2
4 2 3 1
20 2 1 c
_
_
. 1 =
_
_
1 2 2 1
1 1 2 3
3 4 1 2
_
_
. C =
_
1 1 2 1

Encontrar el conjunto solucin de la ecuacin matricial , para cada valor de c en los
reales.
C
t
= 1 C
t
1.2. Inversin de matrices
1.2.1. Operaciones elementales
El estudio de las ecuaciones matriciales A = 1con
an
; A
nj
; 1
aq
es de gran
utilidad en matemticas aplicadas, pues adems de la utilidad directa por saber resolver la
ecuacin, en la bsqueda de la solucin general, hay que enfrentar y resolver varios problemas
muy frecuentes y caractersticos de los sistemas lineales.
La ecuacin A = 1, en base a lo que ya hemos estudiado tiene un mtodo natural de
solucin, que consiste en hacer directamente el producto A, asumiendo A como una matriz
de :j variables o incgnitas distintas y proceder a igualarlo trmino a trmino con 1
aj
.
Este mtodo reduce o transforma la ecuacin matricial en j sistemas lineales cada uno de
ellos con : ecuaciones y : incgnitas.
Sin embargo es posible concebir otras alternativas de desarrollo para el mismo problema.
Una de estas, es tratar de modicar la ecuacin A = 1, transformndola en otra, que sea
equivalente a la anterior, pero que sea ms simple o de desarrollo ms evidente.
Particularmente importante es el caso en que es cuadrada, pues pensando en forma
anloga a la resolucin de una ecuacin en una variable en R. tenemos que encontrar una
matriz
de modo que cumpla con
= 1
a
y as al multiplicar la ecuacin A = 1 por
. obtenemos
A =
1
de donde
1
a
A =
1.
o sea,
A =
1.
En este desarrollo tenemos que
es una matriz que acta sobre , tal como lo hace c

1
sobre c en R0; en otras palabras, la matriz
es la matriz inversa de , respecto del

producto de matrices.
Precisamente, esta parte del texto, esta destinada a estudiar la inversa de una matriz ,
tanto en lo relativo a su existencia como a su determinacin o clculo.
Por otra parte, tambin nos interesa estudiar ciertas tansformaciones aplicables a las
matrices y 1 que preservan (no alteran) el conjunto de las soluciones de la ecuacin
A = 1 y que son de gran utilidad para resolver tanto Ecuaciones Matriciales de la forma
A = 1 como Sistemas de Ecuaciones en general.
Denicin 16 Sean . 1 en `
a
a) Se dice que 1 es la matriz inversa de en `
a
si y slo si
1 = 1 = 1
a
b) Una matriz se dice regular (invertible, no singular) si y slo si existe la inversa de ella.
c) Una matriz se dice singular si no es regular.
Notacin. Si es regular, anotamos
1
para la inversa de .
Proposicin 17 Si existe una inversa de en `
a
ella es nica.
Demostracin. Sean 1 y H dos inversas de , entonces
1 = 11 = 1(H) = (1)H = 1H = H
As obtenemos que
1 = H
luego la inversa es nica.
Proposicin 18 Dada en `
a
. Si existe 1 en `
a
tal que 1 = 1
a
entonces 1 = 1
a
.
La demostracin de esta proposicin se ver ms adelante.
De acuerdo a esto para determinar
1
basta resolver una de las ecuaciones A = 1
a

A = 1
a
.
Observacin. No toda matriz de orden : tiene inversa.
Por ejemplo para : = 2 y =
_
c 0
c 0
_
.
Supongamos que 1 =
_
r .
t
_
es la inversa de . tenemos que
1 = 1
a
.
pero
_
r .
t
_ _
c 0
c 0
_
=
_
rc +.c 0
c +tc 0
_
luego 1 ,= 1
a
para toda matriz 1.
Ms adelante en `
a
se demuestra: Si una matriz de orden : tiene una la o columna
nula, entonces ella no tiene inversa.
Ejemplo 21 Si =
_
0 1
1 3
_
.
Verique que
1
=
_
3 1
1 0
_
Solucin.
_
0 1
1 3
_ _
3 1
1 0
_
=
_
3 0 + 1 1 (1) 0 + 0 1
3 (1) + 3 1 (1) (1) + 3 0
_
=
_
1 0
0 1
_
.
Ejemplo 22 Si =
_
_
0 1 2
1 3 0
1 2 1
_
_
.
Verique que
1
=
_
_
3 5 6
1 2 2
1 1 1
_
_
. y resuelva la ecuacin
_
_
r
.
_
_
=
_
_
/
1
/
2
/
3
_
_
. para
/
1
. /
2
. /
3
en R
Solucin.
1
es inversa de si slo si
1
=
1
= 1
a
1
=
_
_
3 5 6
1 2 2
1 1 1
_
_
_
_
0 1 2
1 3 0
1 2 1
_
_
=
_
_
5 + 6 3 + 5 12 6 + 6
2 + 2 1 + 6 4 2 + 2
1 1 1 3 + 2 2 1
_
_
=
_
_
1 0 0
0 1 0
0 0 1
_
_
.
por lo tanto
1
es inversa de . Ahora premultiplicamos por
1
la ecuacin
_
_
r
.
_
_
=
_
_
/
1
/
2
/
3
_
_
As obtenemos
_
_
r
.
_
_
=
1
_
_
/
1
/
2
/
3
_
_
y luego asociando e igualando
1
= 1. tenemos que
_
_
r
.
_
_
=
_
_
3 5 6
1 2 2
1 1 1
_
_
_
_
/
1
/
2
/
3
_
_
por lo tanto
r = 3/
1
+ 5/
2
+ 6/
3
= /
1
+ 2/
2
+ 2/
3
. = /
1
/
2
/
3
Teorema 19 Si y 1 en `
a
son regulares, entonces
1.
1
es regular y (
1
)
1
= .
2. 1 es regular y (1)
1
= 1
1
1
Demostracin.
1. Sabemos que
1
=
1
= 1.
por lo tanto, la inversa de
1
es , y tambin la inversa de
1
es (
1
)
1
. y como ella es
nica tenemos,
(
1
)
1
=
2. Como y 1 son regulares entonces existen
1
. 1
1
.
As,
(1)1
1
1
= (11
1
)
1
=
1
= 1
y anlogamente 1
1
1
(1) = 1, por unicidad de la inversa se tiene
(1)
1
= 1
1
1
.
Observacin. Note que si . 1. C son matrices regulares, entonces
(1C)
1
= C
1
1
1
1
_
c /
c d
_
en `
2
. Determinar la matriz inversa de . si
sta existe.
Desarrollo. Supongamos que
1
=
_
r
. n
_
y calculemos las constantes r. . .. n
_
c /
c d
_
_
r
. n
_
=
_
1 0
0 1
_
por igualdad de matrices tenemos el siguiente sistema:
1) cr +/. = 1
2) cr +d. = 0
3) c +/n = 0
4) c +dn = 1
.
Consideremos los sistemas
(I) 1) cr +/. = 1
2) cr +d. = 0
(II) 3) c +/n = 0
4) c +dn = 1
En (I) Multiplicamos la ecuacin 1) por c y la ecuacin 2) por c y nalmente restando a
la ecuacin 2) la ecuacin 1) obtenemos
cd. c/. = c
(cd c/). = c
Repitiendo el proceso tenemos que multiplicar la ecuacin 1) por d y la ecuacin 2) por / y
realizando la diferencia se tiene,
(cd c/)r = d.
En (II) procediendo de manera anloga obtenemos
(cd c/) = /
(cd c/)n = c
Si cd /c = 0. la matriz original es nula, luego no tiene inversa.
As cd /c ,= 0 y podemos concluir
_
r
. n
_
=
1
cd /c
_
d /
c c
_
de otra manera
_
c /
c d
_
1
=
1
cd /c
_
d /
c c
_
.
El ejercicio permite determinar una condicin necesaria y suciente para que una matriz
de orden 2 sea invertible.
Lamentablemente el mtodo empleado para matrices de orden : mayor que 2 no es
eciente, ya que tenemos que resolver :sistemas lineales con : ecuaciones y : incgnitas.
Estudiamos a continuacin ciertas operaciones realizables a las matrices, semejantes a las
empleadas para resolver el sistema de ecuaciones lineales anterior.
Denicin 20 Dada una matriz de orden : :. Llamaremos Operaciones Elementales
Filas (OEF) sobre a cada una de las siguientes operaciones con las de la matriz .
1. Denotamos 1
i)
al intercambio solamente de la la i con la la ,.
2. Denotamos 1
i
(:) al reemplazo de la la i por : veces la la i. con : ,= 0.
3. Denotamos 1
i)
(/) al reemplazo de la la i por la suma de la la i ms / veces la la
,. con i ,= ,.
4. Denotamos C
i)
al intercambio solamente de la columna i con la columna ,.
5. Denotamos C
i
(:) al reemplazo de la columna i por : veces la columna i. con : ,= 0.
6. Denotamos C
i)
(/) al reemplazo de la columna i por la suma de la columna i ms /
veces la columna ,. con i ,= ,.
Notacin. Si . 1 son matrices de orden :: y 1 se obtiene desde la matriz efectuando
sobre sta la operacin elemental 1. entonces anotamos
1
~ 1 o
1
1
Ejemplo 24 Sea
=
_
_
1 2 1 2
0 4 3 7
2 5 0 1
_
_
ejempliquemos las distintas operaciones elementales
C
13
(2)
_
_
1 2 1 2
6 4 3 7
2 5 0 1
_
_
1
31
(2)
_
_
1 2 1 2
6 4 3 7
0 9 2 5
_
_
1
21
(6)
_
_
1 2 1 2
0 8 3 19
0 9 2 5
_
_
C
2
(
1
8
)
_
_
1
1
4
1 2
0 1 3 19
0
9
8
2 5
_
_
Observacin. A partir de la matriz identidad podemos formar las siguientes matrices no-
tables.
_
_
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
_
_
C
13
(2)
_
1 0 0 0
0 1 0 0
2 0 1 0
0 0 0 1
_
_
= 1
31
(2)
_
_
1 0 0
0 1 0
0 0 1
_
_
1
31
(2)
_
_
1 0 0
0 1 0
2 0 1
_
_
= 1
31
(2)
_
_
1 0 0
0 1 0
0 0 1
_
_
1
21
(6)
_
_
1 0 0
6 1 0
0 0 1
_
_
= 1
21
(6)
_
_
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
_
_
C
2
(
1
8
)
_
1 0 0 0
0
1
8
0 0
0 0 1 0
0 0 0 1
_
_
= 1
22
(
1
8
)
que para el ejemplo anterior cumple con
_
_
1 2 1 2
0 4 3 7
2 5 0 1
_
_
_
_
1 0 0 0
0 1 0 0
2 0 1 0
0 0 0 1
_
_
=
_
_
1 2 1 2
6 4 3 7
2 5 0 1
_
_
_
_
1 0 0
0 1 0
2 0 1
_
_
_
_
1 2 1 2
6 4 3 7
2 5 0 1
_
_
=
_
_
1 2 1 2
6 4 3 7
0 9 2 5
_
_
_
_
1 0 0
6 1 0
0 0 1
_
_
_
_
1 2 1 2
6 4 3 7
0 9 2 5
_
_
=
_
_
1 2 1 2
6 4 3 7
0 9 2 5
_
_
_
_
1 2 1 2
6 4 3 7
0 9 2 5
_
_
_
_
1 0 0 0
0
1
8
0 0
0 0 1 0
0 0 0 1
_
_
=
_
_
1
1
4
1 2
0 1 3 19
0
9
8
2 5
_
_
nalmente
_
_
1 0 0
6 1 0
0 0 1
_
_
_
_
1 0 0
0 1 0
2 0 1
_
_
_
_
1 2 1 2
0 4 3 7
2 5 0 1
_
_
_
_
1 0 0 0
0 1 0 0
2 0 1 0
0 0 0 1
_
_
_
_
1 0 0 0
0
1
8
0 0
0 0 1 0
0 0 0 1
_
_
_
_
1
1
4
1 2
0 1 3 19
0
9
8
2 5
_
_
Denicin 21 Una Matriz Elemental (ME) de orden : es la matriz identidad 1
a
luego de
efectuarle una operacin elemental la y la anotaremos del siguiente modo
1
a
1
ij
1
i)
1
a
1
ij
(I)
1
i)
(/) 1
a
1
i
(v)
1
ii
(:)
Ejemplo 25 Algunas matrices elementales de orden 3.
_
_
1 0 0
0 1 0
0 0 1
_
_
1
12
_
_
0 1 0
1 0 0
0 0 1
_
_
= 1
12
_
_
1 0 0
0 1 0
0 0 1
_
_
1
23
(I)
_
_
1 0 0
0 1 /
0 0 1
_
_
= 1
23
(/)
_
_
1 0 0
0 1 0
0 0 1
_
_
1
3
(v)
_
_
1 0 0
0 1 0
0 0 :
_
_
= 1
33
(:)
Teorema 22 Sea matriz de orden ::. si denotamos por 1() la matriz de orden ::
resultante de actuar sobre la operacin elemental 1, se tiene
1. 1() = 1
i)
. donde 1 es 1
i)
.
2. 1() = 1
ii
(:) . donde 1 es 1
i
(:). : ,= 0
3. 1() = 1
i)
(/) . donde 1 es 1
i)
(/).
4. 1() = 1
i)
. donde 1 es C
i)
.
5. 1() = 1
ii
(:). donde 1 es C
i
(:). : ,= 0
6. 1() = 1
)i
(/). donde 1 es C
i)
(/).
Observacin. El teorema anterior se puede generalizar del siguiente modo.
Teorema 23 Sean . 1 matrices de orden ::. si desde se llega a 1 con operaciones
elementales las o columnas, que enumeramos por orden de ejecucin, distinguiendo las
de columnas, entonces existen Matrices Elementales las 1
1
. 1
2
. . 1
t
de orden : : y
existen Matrices Elementales columnas 1
0
1
. 1
0
2
. . 1
0
c
de orden (:. :) tales que
(1
t
1
t1
1
2
1
1
)
_
1
0
1
1
0
2
1
0
c1
1
0
c
_
= 1
Observacin. En las condiciones del teorema anterior tenemos que existen matrices 1. Q
tal que
1Q = 1
en los prximos teoremas se demostrar que estas matrices son regulares.
Teorema 24 Toda Matriz Elemental es regular
1. 1
1
i)
= 1
i)
2. 1
1
ii
(:) = 1
ii
(:
1
). con : ,= 0
3. 1
1
i)
(/) = 1
i)
(/). con i ,= ,
Observacin. Teniendo presente los teoremas anteriores tenemos que toda matriz que se
pueda escribir como producto de matrices elementales es regular.
Denicin 25 Sean . 1 matrices en `
na
.
1. Se dice que es Equivalente por Fila a 1 si y slo si 1 se obtiene por un nmero
nito de operaciones elementales las. en tal caso se denota por
1
1.
2. Se dice que es Equivalente por Columna a 1 si y slo si 1 se obtiene desde por un
nmero nito de operaciones elementales columnas en tal caso se denota por
C
1.
3. Se dice que es Equivalente a 1 si y slo si 1 se obtiene desde por un nmero
nito de operaciones elementales en tal caso se denota por 1.
Observacin.
es equivalente por la a 1 implica que existe una matriz regular 1 tal que 1 = 1.
es equivalente por Columna a 1 implica que existe una matriz regular Q tal que Q = 1.
es equivalente a 1 implica que existen dos matrices regulares 1. Q tal que 1Q = 1.
Teorema 26 En `
na
la relacin
1
tiene las siguientes propiedades:
Es reexiva: Para toda `
na
se tiene
1

Es simtrica: Para toda . 1 `
na
. Si
1
1 entonces
1
1 .
Es transitiva: Para toda . 1. C `
na
. Si
1
1 y
1
1 C entonces
1
C.
Teorema 27 Sea en `
a
.
1. Si es equivalente por la a la identidad,
1
1
a
. entonces es producto de matrices
elementales.
2. Si es producto de matrices elementales entonces es regular.
3. Si es equivalente por columna a la identidad,
C
1
a
. entonces es producto de
matrices elementales.
4. Si es equivalente a la identidad, 1
a
. entonces es producto de matrices
elementales.
5. Si es regular entonces es equivalente por la a la identidad.
Corolario 28 Las siguientes proposiciones son equivalentes:
1. es equivalente por la a la identidad.
2. es producto de matrices elementales.
3. es regular.
Corolario 29 Sean . 1 matrices cuadradas de orden :.
1. Si es singular y
1
1. entonces 1 es singular.
2. Si es singular y
C
1. entonces 1 es singular.
3. Si es singular y 1. entonces 1 es singular.
Demostracin. Por transitividad de la implicancia tenemos que
es regular ==
1
1
a
lo cual es equivalente
no es equivalente por la 1
a
== es singular.
Usando la simetra y transitividad de la equivalencia por la tenemos que 1 no es equi-
valente por la a la Identidad, luego 1 es singular.
Observacin. El teorema anterior nos entrega un mtodo para determinar la inversa de
una matriz regular mediante operaciones elementales.
Construyamos una nueva matriz de orden : (2:) dada por [[1
a
] y realizemos sobre
ella las operaciones elementales necesarias para obtener a partir de la matriz identidad, es
decir
[[1
a
] [1
a
[1]
entonces en 1 tenemos efectuadas todas las operaciones que se realizarn a . y por lo tanto
1 = 1
a
luego
1 =
1
Si operamos por columnas, entonces el procedimiento es anlogo pero actuando sobre la
matriz de orden (2:) :. dada por
_

1
a
_
y recordando que la matriz elemental columna
post-multiplica a .
An no disponemos de un mtodo que permite saber anticipadamente si una matriz es
regular o singular.
Teorema 30 Si es una matriz de orden : con una la o columna de ceros, entonces
es singular.
Demostracin.
a) Supongamos que ,
i
() = 0 y como para cualquier 1 `
a
se tiene
,
i
(1) = ,
i
()1 = 01 = 0.
entonces 1 ,= 1
a
. para cualquier 1 `
a
. por lo tanto no es regular.
b) Supongamos que c
)
() = 0 y como para cualquier 1 `
a
se tiene
c
)
(1) = 1c
)
() = 10 = 0.
entonces 1 ,= 1
a
. para cualquier 1 `
a
. por lo tanto no es regular.
Corolario 31 Sean . 1 `
a
.
Si 1 y alguna la o columna de 1 es cero entonces es singular.
Ejemplo 26 Las siguientes matrices son singulares
a)
_
_
1 0 0
0 0 0
0 0 0
_
_
b)
_
_
1 2 0
2 1 0
1 9 0
_
_
c)
_
_
1 2 1
2 1 3
0 0 0
_
_
Ejemplo 27 Hallar, si existe, la inversa de =
_
_
1 2 6
1 0 1
0 1 2
_
_
.
Solucin. Usando Operaciones Elementales Filas, determinemos la inversa de .
_
_
1 2 6 1 0 0
1 0 1 0 1 0
0 1 2 0 0 1
_
_

1
12
1
23
_
_
1 0 1 0 1 0
0 1 2 0 0 1
1 2 6 1 0 0
_
_
_
_
1 0 1 0 1 0
0 1 2 0 0 1
1 2 6 1 0 0
_
_

1
31
(1)
1
32
(2)
_
_
1 0 1 0 1 0
0 1 2 0 0 1
0 0 1 1 1 2
_
_
_
_
1 0 1 0 1 0
0 1 2 0 0 1
0 0 1 1 1 2
_
_

1
23
(2)
1
13
(1)
_
_
1 0 0 1 2 2
0 1 0 2 2 5
0 0 1 1 1 2
_
_
Luego es regular y
1
=
_
_
1 2 2
2 2 5
1 1 2
_
_
Ejemplo 28 Hallar. si existe, la inversa de 1 =
_
_
1 2 3
1 0 5
0 1 2
_
_
.
Solucin. Usando Operaciones Elementales Filas, determinemos la inversa de 1.
_
_
1 2 3 1 0 0
1 0 5 0 1 0
0 1 2 0 0 1
_
_

1
12
(1)
_
_
1 2 3 1 0 0
0 2 8 1 1 0
0 1 2 0 0 1
_
_
_
_
1 2 3 1 0 0
0 2 8 1 1 0
0 1 2 0 0 1
_
_
1
12
_
_
1 2 3 1 0 0
0 1 2 0 0 1
0 2 8 1 1 0
_
_
_
_
1 2 3 1 0 0
0 1 2 0 0 1
0 2 8 1 1 0
_
_

1
12
(2)
1
32
(2)
_
_
1 0 1 1 0 2
0 1 2 0 0 1
0 0 4 1 1 2
_
_
realizando las operaciones elementales 1
13
(
1
4
). 1
13
(1). 1
23
(1) obtenemos
_
_
1 0 1 1 0 2
0 1 2 0 0 1
0 0 4 1 1 2
_
_

_
_
1 0 0
5
4
1
4

5
2
0 1 0
1
2

1
2
2
0 0 1
1
4
1
4

1
2
_
_
Luego 1 es regular y
1
1
=
_
_
5
4
1
4

5
2
1
2

1
2
2
1
4
1
4

1
2
_
_
Ejemplo 29 Hallar. si existe, la inversa de C =
_
_
1 2 3 4
5 6 7 8
0 10 11 12
13 14 15 16
_
_
Solucin. Usando operaciones elementales las, calculemos la inversa de C.
_
_
1 2 3 4 1 0 0 0
5 6 7 8 0 1 0 0
0 10 11 12 0 0 1 0
13 14 15 16 0 0 0 1
_
_

1
21
(5)
1
41
(13)
_
_
1 2 3 4 1 0 0 0
0 4 8 12 5 1 0 0
0 10 11 12 0 0 1 0
0 12 24 36 13 0 0 1
_
_
_
_
1 2 3 4 1 0 0 0
0 4 8 12 5 1 0 0
0 10 11 12 0 0 1 0
0 12 24 36 13 0 0 1
_
_

1
42
(3)
_
_
1 2 3 4 1 0 0 0
0 4 8 12 5 1 0 0
0 10 11 12 0 0 1 0
0 0 0 0 2 3 0 1
_
_
Usando el corolario anterior, concluimos que C es singular.
Denicin 32 Una matriz 1 de orden : : se dice Escalonada Reducida por Fila si y
slo si
1. El primer elemento no cero de cada la (no nula) es 1 y la columna en que aparece es
columna de la matriz identidad 1
n
(los dems coecientes de la colunma son ceros).
2. Las las nulas (si las hay) van abajo, es decir las primeras : columnas son no nulas y
las restantes :: son nulas.
3. Si los unos, con que comienza cada la no nula estn en las posiciones
(1. C
1
). (2. C
2
). (:. C
v
). entonces
C
1
< C
2
< < C
v
Observacin. Las matrices Identidad y Nula son siempre matrices Escalonada Reducida
por Filas
Ejemplo 30 Las siguientes matrices son ejemplos de Matrices Escalonadas por Filas.
1.
_
_
1 2 3 0
0 0 0 1
0 0 0 0
_
_
Aqu tenemos C
1
= 1. C
2
= 4.
2.
_
_
1 2 0 0 2
0 0 1 0 1
0 0 0 1 0
_
_
Aqu tenemos C
1
= 1. C
2
= 3. C
3
= 4.
3.
_
_
0 1 1 0 4 0 0
0 0 0 1 2 0 0
0 0 0 0 0 1 5
0 0 0 0 0 0 0
_
_
Aqu tenemos C
1
= 2. C
2
= 4. C
3
= 6.
Teorema 33 Toda matriz de orden : : es equivalente por la a una nica matriz
Escalonada Reducida por Fila 1.
Demostracin. La prueba que damos es constructiva: desarrollaremos un procedimiento
ordenado para obtener la forma Escalonada Reducida por Fila de cualquier matriz no nula.
1) Consideremos c
11
. si c
11
= 0. entonces consideremos, c
21
. c
31,
etc., hasta encontrar
algn c
i1
,= 0.
Si c
1
() = 0 entonces consideremos c
12
. el primer elemento de la segunda columna, que
de ser cero nuevamente nos obliga a buscar en la misma columna algn elemento no nulo. De
no enconstrarse algn elemento distinto de cero en la columna 2, repetimos el procedimiento
en la columna siguiente y as sucesivamente hasta encontrar algn c
i)
,= 0.
Tal elemento debe existir pues de lo contrario la matriz sera nula.
2) Una vez localizado el primer elemnto c
i)
,= 0 aplicando sobre la Operacin Elemental
Fila 1
i
_
1
o
ij
_
y luego si i ,= 1 realizamos Operacin Elemental Fila 1
1i,
dejando as un 1 en
la posicin (1. ,).
3) A la matriz ya modicada se le aplica las siguientes Operaciones Elementales Filas
1
I1
(c
I)
). para todo / i. con lo cual la columna , queda reducida a un 1 en su primer
posicin y 0 en todos los otros lugares.
4) A continuacin consideremos en las columnas siguientes el mismo proceso de busque-
da, es decir, a partir de la columna , +1 y de la segunda la. Si el coeciente de la posicin
(2. , + 1) es nulo entonces reiniciamos el proceso indicado en 1), una vez encontrado el
elemento no cero aplicamos 2) y 3). Volviendo as sucesivamente a 4).
Observacin. La demostracin del teorema anterior es programable fcilmente en computa-
dor. El lector con experiencia en programacin , puede construir un diagrama de ujo de la
demostracin.
Ejemplo 31 Hallar la forma Escalonada Reducida por Fila de la Matriz
=
_
_
0 0 0 0 1 1 1
0 2 6 2 0 0 4
0 1 3 1 1 0 1
0 1 3 1 2 1 2
_
_
Solucin. Seguiremos el procedimiento de la demostracin del teorema 33
Consideremos el orden de busqueda, el primer elemento no nulo es c
22
. Aplicando las
Operaciones Elementales Filas 1
2
(
1
2
) y 1
12
obtenemos
_
_
0 1 3 1 0 0 2
0 0 0 0 1 1 1
0 1 3 1 1 0 1
0 1 3 1 2 1 2
_
_

1
31
(1)
1
41
(1)
_
_
0 1 3 1 0 0 2
0 0 0 0 1 1 1
0 0 0 0 1 0 1
0 0 0 0 2 1 0
_
_
Seguimos buscando en el orden establecido, el primer elemento no nulo, este es c
25
= 1
_
_
0 1 3 1 0 0 2
0 0 0 0 1 1 1
0 0 0 0 1 0 1
0 0 0 0 2 1 0
_
_

1
32
(1)
1
42
(2)
_
_
0 1 3 1 0 0 2
0 0 0 0 1 1 1
0 0 0 0 0 1 2
0 0 0 0 0 1 2
_
_
El elemento ahora es c
36
= 1
_
_
0 1 3 1 0 0 2
0 0 0 0 1 1 1
0 0 0 0 0 1 2
0 0 0 0 0 1 2
_
_
1
3
(1)
1
32
(1)
1
42
(2)
_
_
0 1 3 1 0 0 2
0 0 0 0 1 0 1
0 0 0 0 0 1 2
0 0 0 0 0 0 0
_
_
As la matriz Escalonada Reducida por Fila de es
_
_
0 1 3 1 0 0 2
0 0 0 0 1 0 1
0 0 0 0 0 1 2
0 0 0 0 0 0 0
_
_
.
Corolario 34 Si es de orden : y su Escalonada Reducida por Fila 1. no tiene las nulas
entonces 1 = 1
a
.
Observacin. Dada una matriz de orden : : podemos obtener su matriz escalonada
reducida por la 1. que tiene : las no nulas, las cuales son columnas de la matriz 1
n
. Si
a 1 aplicamos Operaciones Elementales Columnas ocupando los unos de cada la no nula,
entonces tenemos
_
1
v
0
0 0
_
na
.
Teorema 35 Si es una matriz de orden ::. no nula, entonces existe un entero positivo
: tal que

_
1
v
0
0 0
_
na
.
Teorema 36 Si es una matriz de orden :. entonces las siguientes tres proposiciones son
equivalentes:
1. es regular
2. es equivalente por la a la Identidad
3. es producto de matrices elementales.
Demostracin. Solamente probamos que (1) implica (2).
Supongamos que es regular, luego podemos obtener su matriz escalonada reducida por
la 1 asociada a .
Si 1 tiene una la nula entonces 1 es singular luego por corolario 31 tenemos que es
singular, lo que es una contradiccin.
Por lo tanto 1 no tiene las nulas y por corolario.34 tenemos que es equivalente por
la a la identidad.
Teorema 37 Si . 1 son matrices de orden ::. entonces:
1. es equivalente por la a 1 si y slo si existe una matriz regular 1 tal que 1 = 1.
2. es equivalente por Columna a 1 si y slo si existe una matriz regular Q tal que
Q = 1.
3. es equivalente a 1 si y slo si existen dos matrices regulares 1. Q tal que 1Q = 1.
4. Existe una matriz 1 regular de orden : tal que 1 es Escalonada Reducida por Fila
de .
5. Si ,= 0. entonces existen un entero positivo : y matrices 1. Q regulares tales que
1Q =
_
1
v
0
0 0
_
na
Teorema 38 Sean /. : enteros positivos tales que : _ mn:. :. / _ mn:. : entonces
_
1
I
0
0 0
_
na
_
1
v
0
0 0
_
na
si y slo si / = :
Demostracin.
Si / = : entonces
_
1
I
0
0 0
_
na
=
_
1
v
0
0 0
_
na
luego
_
1
I
0
0 0
_
na
_
1
v
0
0 0
_
na
.
Si
_
1
I
0
0 0
_
na
_
1
v
0
0 0
_
na
entonces por teorema existen matrices 1 y Qregulares
tales que
1
_
1
I
0
0 0
_
Q =
_
1
v
0
0 0
_
1
_
1
I
0
0 0
_
=
_
1
v
0
0 0
_
Q
1
Comparando columnas tenemos
_
1
1
1
2
1
3
1
4
_ _
1
I
0
0 0
_
=
_
1
v
0
0 0
_ _
Q
1
Q
2
Q
3
Q
4
_
_
1
1
0
1
3
0
_
=
_
Q
1
Q
2
0 0
_
Supongamos / : entonces : / < : : luego 1
3
= 0. Adems 1
1
tiene ms las y
columnas que Q
1
y que Q
2
luego de la igualdad se concluye que 1
1
al menos tiene una la
nula. O sea, por Teorema 10 1
1
es singular.
Si 1
1
es de orden / y singular por observacin del Teorema 11 sabemos que si 1
1
es su
Escalonada Reducida por Fila, adems 1
1
es equivalente a
_
1
c
0
0 0
_
. con lo cual obtenemos
_
1
1
1
2
1
3
1
4
_

_
1
c
0 1
2
0 0 1
4
_
Luego P es equivalente a una matriz singular ya que tiene una columna nula, por lo tanto
1 es singular lo que es una contradiccin.
Ahora supongamos / < : entonces Q
2
= 0. Adems Q
1
tiene ms las y columnas que
1
1
y que 1
2
luego de la igualdad se concluye que Q
1
al menos tiene una la nula.
_
Q
1
Q
2
Q
3
Q
4
_
=
_
Q
1
0
Q
3
Q
4
_
Por lo tanto Q tiene una la nula, luego Q es singular, lo que es una contradiccin.
Corolario 39 Si es una matriz de orden :: no nula, entonces:
1. Existe un nico entero positivo : tal que

_
1
v
0
0 0
_
2. Si 1 y
_
1
v
0
0 0
_
entonces 1
_
1
v
0
0 0
_
, es decir, :" es un
invariante de . respecto de operaciones elementales.
Observacin. El Teorema 38 y corolario 39 constituye la culminacin del tema de equi-
valencia de matrices de nuestro texto, pues permite establecer que cada matriz
na
tiene
asociado un entero positivo : nico e invariante respecto de Operaciones Elementales.
Denicin 40 Sea una matriz de orden ::. se dene el rango de igual a :
(1q() = :) si y slo si
_
1
v
0
0 0
_
.
Observacin. Haciendo uso de la denicin anterior podemos reescribir el teorema anterior.
Proposicin 41 Dada una matriz de orden :
es regular si y slo si 1q() = :
Proposicin 42 Dadas . 1 matrices de orden (:. :).
1 si y slo si 1q() = 1q(1)
Ejercicios:
1. Dada las matrices
=
_
_
1 3 1
2 5 3
1 2 1
_
_
. 1 =
_
_
1 3 1
2 2 8
1 2 2
_
_
Determinar la Inversa de y 1 si existe.
2. Dadas las matrices
=
_
_
1 2 1
2 1 8
1 2 1
_
_
. 1 =
_
_
1 1 1 1
2 2 8 2
1 2 2 1
1 1 2 1
_
_
Calcular la Inversa de y 1. si existe.
3. Sean
=
_
_
1 2 1 2 3
2 3 1 2 4
3 4 2 1 5
_
_
. 1 =
_
_
1 2 1 2 3
2 3 2 1 4
3 4 3 4 5
_
_
Determinar el Rg() y Rg(1).
1.3. DETERMINANTE 35
1.3. Determinante
Denicin 43 Asociado con cualquier matriz cuadrada = [c
i)
] de orden : denimos el
determinante de . por recurrencia, como el nmero obtenido del siguiente modo:
1. Si : = 1. es decir, = [c] entonces [[ = c
2. Si : 1. entonces
[[ =
c
11
c
12
c
1a
c
21
c
22
c
2a
.
.
.
.
.
.
.
.
.
.
.
.
c
a1
c
a2
c
aa
=
a
)=1
(1)
1+)
c
1)
[
1)
[
donde [
1)
[ es el determinante de la submatriz, de orden : 1. obtenida desde al
eliminar la primera la y la ,sima columna.
Ejemplo 32 Veremos los casos : = 2 y : = 3
1.
c
11
c
12
c
21
c
22
= c
11
c
22
c
12
c
21
2.
c
11
c
12
c
13
c
21
c
22
c
23
c
31
c
32
c
33
= c
11
c
22
c
23
c
32
c
33
c
12
c
21
c
23
c
31
c
33
+c
13
c
21
c
22
c
31
c
32
= c
11
(c
22
c
33
c
32
c
23
) c
12
(c
21
c
33
c
23
c
31
) +c
13
(c
21
c
32
c
31
c
22
)
= c
11
c
22
c
33
+c
12
c
23
c
31
+c
13
c
21
c
32
c
11
c
32
c
23
c
12
c
21
c
33
c
13
c
31
c
22
Ejemplo 33 Si = 1[c
11
. c
22
. . c
aa
] =
_
_
c
11
0 0
0 c
22
0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 c
aa
_
_
entonces
[[ = c
11
c
22
c
aa
.
Teorema 44 Sea una matriz cuadrada de orden :.
1. [[ = [
t
[ .
2. Si todos los coecientes de cualquier la o columna son ceros, su determinante es cero.
3. Si intercambiamos dos las o columnas, el determinante cambia de signo.
4. Si multiplicamos por un nmero : todos los elementos de una la o columna el deter-
minante queda multiplicado por :.
5. Si los correspondientes coecientes de dos las o columnas estn en una razn
constante, el determinante es cero.
6. Si expresamos cada coeciente de una la o columna como la suma de dos trminos, el
determinante es igual a la suma de dos determinantes en cada uno de los cuales falta
uno de los sumandos de cada coeciente de aquella la o columna.
En particular:
c
1
c
2
c
3
/
1
+c
1
/
2
+c
2
/
3
+c
3
d
1
d
2
d
3
c
1
c
2
c
3
/
1
/
2
/
3
d
1
d
2
d
3
c
1
c
2
c
3
c
1
c
2
c
3
d
1
d
2
d
3
.
7. Si se sustituye cualquier la o columna por la suma de ella ms /-veces otra la o
columna, el determinante de la matriz no cambia.
8. [1
a
[ = 1
9. [1
i)
[ = [C
i)
[ = 1; [1
i
(:)[ = [C
i
(:)[ = :; [1
i)
(/)[ = [C
i)
(/)[ = 1. con /. : escalares
cualesquiera (inclusive cero).
Corolario 45 Sean una matriz y 1
1
. 1
2
. matrices elementales, todas de orden :. entonces
1. [1
1
[ = [1
1
[ [[ = [[ [1
1
[ = [1
1
[ .
2. [1
1
1
2
[ = [1
1
[ [1
2
[ = [1
2
[ [1
1
[ = [1
2
1
1
[ .
3. [[ = [1
i)
[ .
4. [[ = [1
i)
(/)[ .
5. [[ =
1
v
[1
i
(:)[ .
Teorema 46 Sea una matriz cuadrada de orden :. La matriz es regular si y solamente
si [[ , = 0.
Demostracin. Sea una matriz regular, por teorema 36
= 1
1
1
2
1
3
1
c
Por corolario anterior tenemos
[[ = [1
1
[ [1
2
[ [1
3
[ [1
c
[
Por teorema 44, el determinante de una matriz elemental es siempre distinto de cero. Luego
[[ , = 0.
Sea 1
la Escalonada Reducida por Fila de , luego existe 1 regular tal que

1 = 1
[1[ [[ = [1
[
[1
[ ,= 0.
y 1
es la matriz identidad (de lo contrario 1
tendra una la de ceros y [1
[ = 0. lo que
implicara [[ = 0) as 1 = 1, esto signica que es una matriz regular.
Teorema 47 Sean . 1 matrices de orden :.
[1[ = [[ [1[
Demostracin. Sean . 1 matrices regulares de orden :
Caso I Supongamos que es regular por teorema 36
= 1
1
1
2
1
3
1
c
Por corolario tenemos
[1[ = [1
1
[ [1
2
[ [1
3
[ [1
c
[ [1[
[1[ = [1
1
1
2
1
3
1
c
[ [1[
[1[ = [[ [1[ .
Caso II Supongamos que 1 es regular, por teorema 36 tenemos
1 = 1
0
1
1
0
2
1
0
3
1
0
c
Por corolario obtenemos
[1[ = [[ [1
0
1
[ [1
0
2
[ [1
0
3
[ [1
0
c
[
[1[ = [[ [1
0
1
1
0
2
1
0
3
1
0
c
[
[1[ = [[ [1[ .
Caso III Supongamos que . 1 son singulares, entonces por teorema anterior las matrices
singulares tienen determinante cero. Sea 1
la matriz escalonada reducida por la de

la matriz con la ltima la nula,
= 1
1
1
2
1
3
1
c
1
.
Luego
[1[ = [1
1
[ [1
2
[ [1
3
[ [1
c
[ [1
1[ .
La ltima la de 1
1 es nula, ya que
,
a
(1
1) = ,
a
(1
)1 = 01 = 0.
Finalmente obtenemos que [1
1[ = 0. y as
[1[ = 0 = [[ [1[ .
Teorema 48 Sean i. , dos enteros positivos tales que i. , _ :. y una matriz de orden :
entonces
[[ =
a
I=1
(1)
I+)
c
I)
[
I)
[ ,-sima columna ja
=
a
I=1
(1)
i+I
c
iI
[
iI
[ i-sima la ja
Donde
iI
es la submatriz que se obtiene a partir de al eliminar la i-sima la y la
/-sima columna.
Ejemplo 34 Hallar [[ si
=
_
_
2 2 3 0
1 0 5 1
7 1 2 2
2 0 1 1
_
_
Solucin. Desarrollando por la segunda columna
[[ = 2
1 5 1
7 2 2
2 1 1
+ 0
2 3 0
7 2 2
2 1 1
2 3 0
1 5 1
2 1 1
+ 0
2 3 0
1 5 1
7 2 2
= 2
1 5 1
7 2 2
2 1 1
2 3 0
1 5 1
2 1 1
= 2(8) 1(11) = 27
Ejemplo 35 Hallar [[ va Operaciones elementales si
=
_
_
2 2 3 0
1 0 5 1
7 1 2 2
2 0 1 1
_
_
Solucin.
[[
=
1
13
(2)
16 0 1 4
1 0 5 1
7 1 2 2
2 0 1 1
= 1
16 1 4
1 5 1
2 1 1
1
13
(1)
1
23
(5)
=
18 0 5
9 0 4
2 1 1
18 5
9 4
= 72 45 = 27
Denicin 49 Dada una matriz cuadrada de orden :. se dene la matriz adjunta de ,
d,() =
_
_
(1)
i+)
[
i)
[
_
i)
_
t
=
_
_
(1)
i+)
[
)i
[
_
i)
_
Teorema 50 Para toda matriz de orden : se cumple
d,() = d,() = [[ 1
a
Observacin. El teorema anterior permite desarrollar otro mtodo para obtener la inversa
de una matriz regular, llamado mtodo de la adjunta.
Corolario 51 Si es una matriz regular entonces
1
=
1
[[
d,().
Ejemplo 36 Hallar, si existe, la inversa de por mtodo de la adjunta.
=
_
_
1 2 1
0 3 2
2 0 1
_
_
Desarrollo. Primero calculemos [[ = (3 + 0 8) (6 + 0 + 0) = 5 ,= 0
d,() = [
i)
]
t
=
_
_
c
11
c
12
c
13
c
21
c
22
c
23
c
31
c
32
c
33
_
_
t
donde
c
11
=
3 2
0 1
= 3; c
12
=
0 2
2 1
= 4; c
13
=
0 3
2 0
= 6;
c
21
=
2 1
0 1
= 2; c
22
=
1 1
2 1
= 1; c
23
=
1 2
2 0
= 4;
c
31
=
2 1
2 1
= 1; c
32
=
1 1
0 2
= 2; c
33
=
1 2
0 3
= 3;
d,() =
_
_
3 4 6
2 1 4
1 2 3
_
_
t
=
_
_
3 2 1
4 1 2
6 4 3
_
_
Luego
1
=
1
5
d,() =
_
_
3
5

2
5

1
5
4
5

1
5
2
5
6
5
4
5

3
5
_
_
Ejemplo 37 Hallar. si existe, la inversa de =
_
_
c 0 /
0 1 0
/ 0 c
_
_
Calculemos su determinante
[[ = c
_
1 0
0 c
_
0
_
c /
/ c
_
+/
_
0 1
/ 0
_
= c
2
/
2
[
11
[ =
1 0
0 c
= c; [
12
[ =
0 0
/ c
= 0; [
13
[ =
0 1
/ 0
= /
[
21
[ =
0 /
0 c
= 0; [
22
[ =
c /
/ c
= c
2
/
2
; [
23
[ =
c 0
/ 0
= 0;
[
31
[ =
0 /
1 0
= /; [
32
[ =
c /
0 0
= 0; [
33
[ =
1 0
0 c
= c
luego
1
=
1
c
2
/
2
_
_
c 0 /
0 c
2
/
2
0
/ 0 c
_
_
. con c
2
/
2
,= 0
Observacin. El mtodo de la adjunta es ms conveniente para invertir matrices con ele-
mentos literales.
Ejercicios:
=
_
_
1 2 1
2 1 8
1 2 1
_
_
1 =
_
_
1 1 1 1
2 2 8 2
1 2 2 1
1 1 2 1
_
_
Calcular su Determinante.
2. Sean
=
_
_
1 2 1 2 3
2 3 1 2 4
3 4 2 1 5
_
_
. 1 =
_
_
1 2 1 2 3
2 3 2 1 4
3 4 3 4 5
_
_
Calcular el determinante de 1
t
y 1
t
.
3. Sean
=
_
_
1 2 3
2 3 4
3 4 6
_
_
1 =
_
_
1 2 1
3 1 2
2 1 3
_
_
C =
_
_
1 2 1
1 1 2
1 5 2
_
_
Determinar la matriz Adjunta para cada una de las matrices dadas.
1.4. SISTEMAS DE ECUACIONES LINEALES 41
1.4. Sistemas de Ecuaciones Lineales
Recordemos que K denota uno de los siguientes cuerpos R. C o Q.
Una Ecuacin lineal de : variables o incgnitas es una igualdad de la forma
c
1
r
1
+c
2
r
2
+c
3
r
3
+............. +c
a
r
a
= /
donde c
1
. c
2
. ............. c
a
y / son constantes en K y r
1
. r
2
. ........... r
a
son variables en K.
Las constantes c
1
. c
2
. ........... c
a
son llamadas coecientes de la ecuacin y las variables
r
1
. r
2
. .......... r
a
son las incgnitas de la ecuacin.
Matricialmente la ecuacin puede escribirse
_
c
1
c
2
c
a
_
r
1
.
.
.
r
a
_
_
= [/] .
El conjunto solucin o de la ecuacin, consiste de todas las : nj|c: en K (o matrices
A en `
a1
(K)) tales que al sustituir por sus componentes las respectivas incgnitas, la
igualdad es verdadera, es decir,
o =
_
_
(c
1
. c
2
. . c
a
) K
a
,
_
c
1
c
2
c
a
_
c
1
.
.
.
c
a
_
_
= [/]
_
_
o bin
o =
_
_
_
_
c
1
.
.
.
c
a
_
_
`
a1
(K) ,
_
c
1
c
2
c
a
_
c
1
.
.
.
c
a
_
_
= [/]
_
_
Un sistema de ecuaciones lineales de : variables, es un conjunto nito de ecuaciones
lineales de : variables cuyas incgnitas son comunes.
As entonces
c
11
r
1+
c
12
r
2
+ +c
1a
r
a
= /
1
c
21
r
1+
c
22
r
2
+ +c
2a
r
a
= /
2
.
.
.
.
.
.
.
.
.
c
n1
r
1+
c
n2
r
2
+ +c
na
r
a
= /
n
o bin
_
_
c
11
c
12
c
1a
c
21
c
22
c
2a
.
.
.
.
.
.
.
.
.
c
n1
c
n2
c
na
_
_
_
_
r
1
r
2
.
.
.
r
a
_
_
=
_
_
/
1
/
2
.
.
.
/
n
_
_
es un sistema de : ecuaciones lineales de : incgnitas. Matricialmente se escribe como
na
A
a1
= 1
n1
. donde es la matriz de coecientes, 1 es la matriz constante y A
es la matriz incgnita.
Otra forma de anotar un sistema de ecuaciones, es mediante una matriz aumentada, esta
es
[[1]
n(a+1)
donde y 1 son las matrices anteriormente denidas.
El conjunto solucin o del sistema de ecuaciones lineales es la interseccin de los conjuntos
soluciones de las ecuaciones lineales que lo componen.
As,
o = o
1
o
2
o
3
..... o
a
.
donde cada o
i
es el conjunto solucin de la i-sima ecuacin del sistema.
Es importante destacar, que el conjunto solucin o de un sistema de ecuaciones lineales
puede ser descrito como sigue
o =
_
_
_
_
c
1
.
.
.
c
a
_
_
`
a1
(K) ,
na
_
_
c
1
.
.
.
c
a
_
_
= 1
n1
_
_
o bin
o =
_
_
(c
1
. . c
a
) K
a
,
na
_
_
c
1
.
.
.
c
a
_
_
= 1
n1
_
_
Usamos indistintamente las dos formas adecundolas a los desarrollos ms cmodos del
sistema y a las particularidades del problema que se est resolviendo.
Denicin 52 Diremos que dos sistemas de ecuaciones lineales son equivalentes si y slo
si tienen el mismo conjunto solucin.
Especial importancia tienen en el estudio de los sistemas de ecuaciones lineales, ciertas
transformaciones u operaciones elementales que pueden realizarse en ellos sin que se altere el
conjunto solucin, o sea, de modo que el nuevo sistema obtenido sea equivalente al original.
Teorema 53 Un sistema de ecuaciones lineales admite las siguientes transformaciones man-
teniendo (invariante) su conjunto solucin.
1. Si dos ecuaciones se intercambian.
2. Si una ecuacin es multiplicada por un escalar no nulo.
3. Si una ecuacin es reemplazada, por ella ms / veces otra ecuacin.
Demostracin.
1. Inmediato, por la conmutatividad de la interseccin.
2. En este caso basta demostrar que la ecuacin multiplicada por el escalar no nulo tiene
el mismo conjunto solucin que la original, hecho que es directo por las propiedades de las
igualdades en K.
3. Dado el sistema
c
11
r
1+
c
12
r
2
+ +c
1a
r
a
= /
1
c
21
r
1+
c
22
r
2
+ +c
2a
r
a
= /
2
.
.
.
.
.
.
.
.
.
c
n1
r
1+
c
n2
r
2
+ +c
na
r
a
= /
n
Consideremos la operacin elemental consistente en reemplazar la ecuacin , por la suma
de / veces la ecuacin i ms la ecuacin ,. Puesto que todas las ecuaciones salvo la , son
las mismas en ambos sistemas (el original y el transformado), ser suciente demostrar que
las soluciones de los sistemas de ecuaciones formados por las ecuaciones i y , de los sistemas
original y transformado son iguales, o sea, basta demostrar que si:
o
1
es solucin de
1) c
i1
r
1
+.................... +c
ia
r
a
= /
i
2) c
)1
r
1
+.................... +c
)a
r
a
= /
)
y
o
2
es solucin de
1) c
i1
r
1
+............................. +c
ia
r
a
= /
i
3) /c
i1
r
1
+c
)i
r
1
+.... +/c
ia
+c
)a
r
a
= //
i
+/
)
entonces o
1
= o
2
.
Por lo tanto la operacin realizada en el sistema no altera el conjunto solucin.
Observacin. Dada la correspondencia evidente entre las Operaciones Elementales Filas y
las operaciones elementales de equivalencia entre sistemas de ecuaciones de este teorema se
concluyen los siguientes corolarios.
Corolario 54 Dos sistemas de ecuaciones son equivalentes si slo si tienen matrices au-
mentadas equivalentes por la.
Denicin 55 Sea A = 1. un sistema de ecuaciones.
Diremos que un sistema es inconsistente si y slo si su conjunto solucin es el conjunto
vaco.
En caso contrario diremos que el sistema es consistente.
Ejemplo 38 Resolver
_
1 2
2 1
_ _
r
_
=
_
1
3
_
Solucin. La matriz aumentada del sistema es
_
1 2 1
2 1 3
_
1
21
(2)
_
1 2 1
0 3 1
_
1
2
(
1
3
)
_
1 2 1
0 1
1
3
_
1
12
(2)
_
1 0
5
3
0 1
1
3
_
Luego el conjunto solucin es
o =
__
5
3
.
1
3
__
.
Ejemplo 39 Resolver
_
1 2
2 4
_ _
r
_
=
_
1
3
_
Solucin. La matriz aumentada del sistema es
_
1 2 1
2 4 3
_
1
21
(2)
_
1 2 1
0 0 1
_
En este caso tenemos que la segunda ecuacin del sistema es
0r + 0 = 1
que es una contradiccin.
Por lo tanto, el conjunto solucin es
o = c
Ejemplo 40 Resolver los sistemas:
r + . = 1
2r 3 + 2. = 2
3r 2 +. = 3
r + . = 1
2r 3 + 2. = 2
3r 2 +. = 0
Solucin. Se observa que ambos sistemas tienen la misma matriz de coecientes pero difer-
entes matrices aumentadas
=
_
_
1 1 1
2 3 2
3 2 1
_
_
Resolvamos el primero escribiendo paralelamente la matriz aumentada:
r + . = 1
2r 3 + 2. = 2
3r 2 +. = 3
_
_
1 1 1 1
2 3 2 2
3 2 1 3
_
_
hacemos 1
21
(2) buscando la Escalonada Reducida por Fila de la aumentada
r + . = 1
5 + 4. = 2
3r 2 +. = 3
_
_
1 1 1 1
0 5 4 0
3 2 1 3
_
_
hacemos 1
31
(3)
r + . = 1
5 + 4. = 0
5 + 4. = 0
_
_
1 1 1 1
0 5 4 0
0 5 4 0
_
_
hacemos 1
32
(1). 1
2
(
1
5
)
r + . = 1

4
5
. = 0
0 = 0
_
_
1 1 1 1
0 1
4
5
0
0 0 0 0
_
_
nalmente hacemos 1
12
(1)
r
1
5
. = 1

4
5
. = 0
0 = 0
_
_
1 0
1
5
1
0 1
4
5
0
0 0 0 0
_
_
.
Ahora leemos las soluciones:
r = 1 +
1
5
.
= 0 +
4
5
.
. = .
o sea
_
_
r
.
_
_
=
_
_
1
0
0
_
_
+.
_
_
1
5
4
5
1
_
_
y el conjunto solucin es
o
1
=
_
_
_
_
_
1
0
0
_
_
+.
_
_
1
5
4
5
1
_
_
[ . en R
_
_
_
que geomtricamente es una recta en R
3
que pasa por (1. 0. 0) con direccin (
1
5
.
4
5
. 1). La
variable . se dice independiente o libre (notese que en este caso solo aparece una sola variable
libre).
De inmediato notamos que no es necesario escribir las incgnitas r. . .; el mtodo es
buscar la Escalonada Reducida por Fila de la matriz aumentada, el sistema tiene soluciones
y tantas como . hay en R, o sea, para cada . en R que se use, el tro resultante es solucin;
luego hay innitas soluciones.
Resolvemos el segundo sistema, hacemos los mismos pasos:
_
_
1 1 1 1
2 3 2 2
3 2 1 3
_
_
1
21
(2)
1
31
(3)
_
_
1 1 1 1
0 5 4 0
0 5 4 3
_
_
1
32
(1)
_
_
1 1 1 1
0 5 4 0
0 0 0 3
_
_
y llegamos slo hasta aqu, puesto que al traducir la actual matriz aumentada a su forma
de sistema queda en evidencia que se busca un (r. . .) que cumpla con las tres siguientes
ecuaciones:
r + . = 1
5 + 4. = 0
0r + 0 + 0. = 3
No hay solucin (r. . .) que las cumpla, as, la solucin del segundo sistema es
o
2
=
_
_
_
_
_
r
.
_
_
en R
3
/
r + . = 1
2r 3 + 2. = 2
3r 2 +. = 0
_
_
_
= c
Se observa que podramos haber resuelto ambos sistemas al poner desde el comienzo:
_
_
1 1 1
2 3 2
3 2 1
1
2
3
1
2
0
_
_

_
_
1 1 1
0 1
4
5
0 0 0
1
0
0
1
0
3
_
_
.
Puesto que al tener ceros en la tercera la de la matriz de coecientes y un valor distinto
de cero en la ltima la de la quinta columna necesariamente tal sistema es inconsistente, o
sea o
2
= c. Luego no considerando la quinta columna se sigue hasta hallar o
1
.
Denicin 56 Dado el sistema
A = 1.
Diremos que el sistema es homogneo si y slo si 1 = 0. En caso contrario se dice que el
sistema es no homogneo.
Observacin 1. Dado que
na
0
n1
= 0
n1
todo sistema homogneo
na
A
a1
= 0
n1
es consistente.
Observacin 2. Si es regular entonces el sistema
A = 1
tiene solucin nica dada por A =
1
1. luego el sistema es consistente.
Esta solucin la podemos determinar usando el siguiente teorema.
Teorema 57 (Regla de Cramer) Sea = [c
i)
] . matriz de orden :. 1 en R
a
tal que
= [[ , = 0 entonces el sistema A = 1 tiene nica solucin A = (r
1
. .......... r
a
) y
r
i
=

i
. i = 1. 2. ..... :. donde
i
=
columna i sima
c
11
/
1
c
1a
c
21
/
2
c
2a
c
a1
/
a
c
aa
Demostracin.
Si = [[ , = 0 entonces
1
=
1
d,()
A =
1
1 =
1
(d,())1
luego r
i
=
1
,
i
(d,())1 =
1
(/
1
1i
+....... +/
a
ai
) =
1
i
Denicin 58 Llamamos a determinante principal del sistema de ecuaciones.
Ejemplo 41 Resolver por Cramer, si es posible, el sistema:
r
1
r
2
+r
3
= 7
r
1
+ 2r
2
r
3
= 1
2r
1
r
2
+r
3
= 0
Desarrollo. La matriz del sistema es
=
_
_
1 1 1
1 2 1
2 1 1
_
_
.
cuyo determinante es [[ = (2 + 1 + 2) (4 + 1 + 1) = 1 ,= 0. luego el sistema tiene nica
solucin (r
1
. r
2
. r
3
).dado por
r
1
=
1
1
7 1 1
1 2 1
0 1 1
= (1)(13 6) = 7
r
2
=
1
1
1 7 1
1 1 1
2 0 1
= (1)(13 (5)) = 8
r
3
=
1
1
1 1 7
1 2 1
2 1 0
= (1)(5 27) = 22
Ejemplo 42 Usando el mtodo de Cramer (cuando proceda ) y el determinante principal del
sistema, discutir en qu casos existe ninguna, una nica o varias soluciones para el sistema
cr +/ +. = 1
r +c/ +. = /
r +/ +c. = 1
con c. / reales.
Encontrar las soluciones en cada caso.
Desarrollo.
=
c / 1
1 c/ 1
1 / c
= /(c
3
3c + 2) = /(c 1)
2
(c + 2)
a) Si , = 0 hay nica solucin, esto es c ,= 1 y / ,= 0 y c ,= 2
y la solucin es (r. . .) tal que
r =
1 / 1
/ c/ 1
1 / c
=
c
2
c/ +/ c
(c 1)
2
(c + 2)
=
c 1 1
1 / 1
1 1 c
=
2 + (c + 1)/
(c + 2)(c 1)/
. =
c / 1
1 / /
1 / 1
=
c /
(c 1)(c + 2)
b) Si = 0. hay innitas soluciones o ninguna solucin
Caso c = 1
_
_
1 / 1 1
1 / 1 /
1 / 1 1
_
_
1
_
_
1 / 1 1
0 0 0 / 1
0 0 0 0
_
_
Luego, si / = 1 y c = 1 hay innitas soluciones. Si / ,= 1 y c = 1 no hay solucin.
Caso / = 0
_
_
c 0 1 1
1 0 1 0
1 0 c 1
_
_
1
_
_
1 0 0 0
0 0 c 1 1
0 0 0 2
_
_
Luego si / = 0 no hay solucin.
Caso c = 2
_
_
2 / 1 1
1 2/ 1 /
1 / 2 1
_
_
1
_
_
1 2/ 1 /
0 3/ 3 1 + 2/
0 0 0 2 +/
_
_
Luego, si c = 2 y / = 2 hay innitas soluciones. Si c = 2 y / ,= 2 no hay
solucin.
Resumen:
Si c ,= 1. / ,= 0 y c ,= 2 entonces hay nica solucin.
Si c = 1 y / = 1 hay innitas soluciones.
Si c = 1 y / ,= 1 no hay solucin (conjunto solucin vacio).
Si / = 0 no hay solucin.
Si c = 2 y / = 2 hay innitas soluciones.
Si c = 2 y / ,= 2 no hay solucin.
Ejercicio 43 Es verdadero que si es matriz de orden : y [[ = 0, entonces A = / no
tiene solucin? Justique.
A continuacin, se optimizan mtodos que permitan encontrar el conjunto solucin de un
sistema de ecuaciones lineales (: :), (: ecuaciones y : incgnitas). Para ello utilizamos
los corolarios del teorema 27, nos servimos de las operaciones elementales que preservan el
conjunto solucin, con el objeto de reducir los sistemas a otros equivalentes ms simples y
de los cuales pueda obtenerse su conjunto solucin.
Denicin 59 Llamamos Pivotear en la posicin (j. ) ( c
jq
,= 0 ) a la matriz = [c
i)
]
de orden (: :). al proceso de aplicar 1
j
(
1
opq
). 1
ij
(c
iq
) con i ,= j para i = 1. 2........ :.
sucesivamente a la matriz hasta dejar su columna como una columna de 1
n
. El coeciente
c
jq
,= 0 se dice Pivote.
Ejemplo 44 Pivotear la matriz en la posicin (2. 3) donde =
_
_
1 1 1 1
2 4 2 2
3 2 1 3
_
_
_
_
1 1 1 1
2 4 2 2
3 2 1 3
_
_
1
2
(
1
2
)
_
_
1 1 1 1
1 2 1 1
3 2 1 3
_
_
1
12
(1)
1
32
(1)
_
_
2 1 0 2
1 2 1 1
4 4 0 2
_
_
Ejemplo 45 Resolver el sistema:
r
5
+ r
6
= 1
2r
2
+ 6r
3
+ 2r
4
= 4
r
2
+ 3r
3
+ r
4
+ r
5
= 1
r
2
+ 3r
3
+ r
4
+ 2r
5
+ r
6
= 2
en R
6
Desarrollo. Consideremos la matriz aumentada, pensando en seis incgnitas r
i
_
_
0 0 0 0 1 1
0 2 6 2 0 0
0 1 3 1 1 0
0 1 3 1 2 1
1
4
1
2
_

_
_
0 1 3 1 0 0
0 0 0 0 1 1
0 1 3 1 1 0
0 1 3 1 2 1
2
1
1
2
_
Ahora pivoteando en la posicin (1. 2). es decir, aplicando 1
31
(1). 1
41
(1) obtenemos
_
_
0 1 3 1 0 0
0 0 0 0 1 1
0 0 0 0 0 1
0 0 0 0 0 1
2
1
2
2
_

_
_
0 1 3 1 0 0
0 0 0 0 1 0
0 0 0 0 0 1
0 0 0 0 0 0
2
1
2
0
_
As ya tenemos pivoteadas las columnas 2. 5. y 6.
Ahora las incgnitas correspondientes a columnas sin pivote son variables independientes.
Sean r
1
= /
1
; r
3
= /
2
; r
4
= /
3,
as:
r
2
= 2 3/
2
/
3
r
5
= 1
r
6
= 2
En trminos matriciales:
r =
_
_
r
1
r
2
r
3
r
4
r
5
r
6
_
_
=
_
_
0
2
0
0
1
2
_
_
+/
1
1
_
_
1
0
0
0
0
0
_
_
+/
2
2
_
_
0
3
1
0
0
0
_
_
+/
3
3
_
_
0
1
0
1
0
0
_
_
donde /
i
son reales arbitrarios.
En este ejemplo r
j
= (0. 2. 0. 0. 1. 2) es una solucin particular del sistema.
El conjunto solucin resulta ser :
o = r
j
+/
1
1
+/
2
2
+/
3
3
[ /
1
. /
2
. /
3
en R .
Existen tantas soluciones como tros de reales (/
1
. /
2
. /
3
). Por ejemplo si
(/
1
. /
2
. /
3
) = (
_
3. 1. 1) escogido arbitrariamente
r
j
+
_
3
1
2
+
3
= (
_
3. 4. 1. 1. 1. 2)
es otra solucin particular del sistema.
Es (8. 3. 0. 1. 1. 2) una solucin del sistema?
S, basta verlo en la Escalonada Reducida por Fila de la matriz aumentada, o si no hallar
r
1
= /
1
= 8
r
3
= /
2
= 0
r
4
= /
3
= 1
Es (3. 4. 2. 1. 0. 1) una solucin del sistema ?
No porque,
/
1
= r
1
= 3; /
2
= r
3
= 2; /
3
= r
4
= 1;
pero,
r
2
= 4 = 2 3/
2
/
3
= 2 6 (1) = 3.
Observemos tambin, que la resolucin en R
6
del ejercicio anterior exige usar una variable
r
1
que no est explcita en el sistema original. No escribir la primera columna (de cero) en
la resolucin, equivale a resolver en R
5
un problema diferente ya que se pierde un grado de
libertad (una variable independiente r
1
).
Ejemplo 46 Resolver
r
1
r
3
7r
6
+ r
7
= 3
2r
1
+ 2r
3
+ r
4
+ 2r
6
= 0
3r
1
+ r
2
+ 3r
3
4r
6
= 2
r
1
+ 2r
3
+ r
5
= 1
2r
1
+ r
2
+ 2r
3
11r
6
+ r
7
= 5
Desarrollo.
Para obtener la solucin de este sistema podemos realizarlo de dos formas distintas, la
primera de ella es buscar .la Escalonada Reducida por Fila de la matriz aumentada.
En este caso procedemos de la siguiente forma.
_
_
1 0 1 0 0 7 1
2 0 2 1 0 2 0
3 1 3 0 0 4 0
1 0 2 0 1 0 0
2 1 2 0 0 11 1
3
0
2
1
5
_
_
_
_
1 0 1 0 0 7 1
0 0 0 1 0 12 2
0 1 0 0 0 25 3
0 0 1 0 1 7 1
0 1 0 0 0 25 3
3
6
11
4
11
_
_
_
_
1 0 1 0 0 7 1
0 1 0 0 0 25 3
0 0 1 0 1 7 1
0 0 0 1 0 12 2
0 0 0 0 0 0 0
3
11
4
6
0
_
_
_
_
1 0 0 0 1 14 2
0 1 0 0 0 25 3
0 0 1 0 1 7 1
0 0 0 1 0 12 2
0 0 0 0 0 0 0
7
11
4
6
0
_
_
As obtenemos
r
1
= 7 +r
5
14r
6
+ 2r
7
r
2
= 11 + 25r
6
3r
7
r
3
= 4 r
5
+ 7r
6
r
7
r
4
= 6 + 12r
6
2r
7
y realizando el siguiente cambio r
5
= /
1
; r
6
= /
2
; r
7
= /
3
tenemos
r
1
= 7 +/
1
14/
2
+ 2/
3
r
2
= 11 + 25/
2
3/
3
r
3
= 4 /
1
+ 7/
2
/
3
r
4
= 6 + 12/
2
2/
3
.
En terminos matriciales obtenemos
A =
_
_
r
1
r
2
r
3
r
4
r
5
r
6
r
7
_
_
=
_
_
7
11
4
6
0
0
0
_
_
+/
1
_
_
1
0
1
0
1
0
0
_
_
+/
2
_
_
14
25
7
12
0
1
0
_
_
+/
3
_
_
2
3
1
2
0
0
1
_
_
con /
i
R
Un segundo mtodo es pivotear la matriz aumentada original escogiendo los pivotes ms
convenientes ( lo que equivale a realizar un cambio de variables para alterar el orden de las
columnas o variables en la matriz)
_
_
1 0 1 0 0 7 1
2 0 2 1 0 2 0
3 1 3 0 0 4 0
1 0 2 0 1 0 0
2 1 2 0 0 11 1
3
0
2
1
5
_
_
_
_
1 0 1 0 0 7 1
2 0 2 1 0 2 0
3 1 3 0 0 4 0
1 0 2 0 1 0 0
0 0 0 0 0 0 0
3
0
2
1
0
_
_
Si tenemos presente el siguiente cambio de variables solo como informacin
1
= r
7
;
2
= r
4
;
3
= r
2
;
4
= r
5
obtenemos que en este caso una matriz Escalonada Reducida por Fila.
Volvamos a las variables originales y usemos r
1
= /
0
1
; r
3
= /
0
2
; r
6
= /
0
3
r
7
= 3 +/
0
1
+/
0
2
+ 7/
0
3
r
4
= 0 +2/
0
1
2/
0
2
2/
0
3
r
2
= 2 3/
0
1
3/
0
2
+ 4/
0
3
r
5
= 1 /
0
1
2/
0
2
en terminos matriciales obtenemos
A =
_
_
r
1
r
2
r
3
r
4
r
5
r
6
r
7
_
_
=
_
_
0
2
0
0
1
0
3
_
_
+/
0
1
_
_
1
3
0
2
1
0
1
_
_
+/
0
2
_
_
0
3
1
2
2
0
1
_
_
+/
0
3
_
_
0
4
0
2
0
1
7
_
_
con /
0
i
R
El conjunto solucin est descrito de distinto modo, lo que puede hacer pensar que son
conjuntos distintos, lo cual es falso. Lo anterior lo podemos comprobar realizando el siguiente
cambio de variables /
1
= 1 /
0
1
2/
0
2
. /
2
= /
0
3
. /
3
= 3 +/
0
1
+/
0
2
+/
0
3
en
_
_
r
1
r
2
r
3
r
4
r
5
r
6
r
7
_
_
=
_
_
7
11
4
6
0
0
0
_
_
+/
1
_
_
1
0
1
0
1
0
0
_
_
+/
2
_
_
14
25
7
12
0
1
0
_
_
+/
3
_
_
2
3
1
2
0
0
1
_
_
Realizando el cambio de variables y sumando obtenemos
_
_
r
1
r
2
r
3
r
4
r
5
r
6
r
7
_
_
=
_
_
0 +/
0
1
+ 0/
0
2
+ 0/
0
3
2 3/
0
1
3/
0
2
+ 4/
0
3
0 + 0/
0
1
+ 1/
0
2
+ 0/
0
3
0 6/
0
1
+2/
0
2
2/
0
3
1 /
0
1
2/
0
2
+ 0/
0
3
0 + 0/
0
1
+ 0/
0
2
+ 1/
0
3
3 +/
0
1
+/
0
2
+ 7/
0
3
_
_
_
_
r
1
r
2
r
3
r
4
r
5
r
6
r
7
_
_
=
_
_
0
2
0
0
1
0
3
_
_
+/
0
1
_
_
1
3
0
2
1
0
1
_
_
+/
0
2
_
_
0
3
1
2
2
0
1
_
_
+/
0
3
_
_
0
4
0
2
0
1
7
_
_
En la forma reducida de un sistema de ecuaciones lineales, pueden distinguirse dos
nmeros que estn asociados con las variables del sistema.
Uno de estos nmeros corresponde al nmero de variables que pueden ser despejadas
en el sistema simplicado, este es el nmero de pivotes usados en la matriz aumentada, lo
que es igual al nmero de las no nulas de la Escalonada Reducida por Filas de la matriz
aumentada, en otras palabras el rango de la matriz aumentada.
El otro, es el nmero de las variables llamadas independientes o libres.
As tenemos la siguiente propiedad.
El nmero de variables o incognitas del sistema es igual al nmero de variables indepen-
dientes ms el nmero de variables despejadas.
Proposicin 60 Dados los siguientes sistema de ecuaciones
r = 0; r = 1
con
j
= 1. es decir,
j
es una solucin particular del sistema no homogneo entonces
, = 1 =
j
+ , = 0
Es decir, El conjunto solucin del sistema de ecuaciones lineales no homogneo se obtiene a
partir de una solucin particular ms una solucin de la ecuacin homognea.
Demostracin. Sea o el conjunto solucin del sistema r = 1. con
j
o. debemos
probar la siguiente igualdad de conjuntos
o = r , r = 1
= r , r =
j
+ con = 0
Primeros probaremos
r , r =
j
+ con = 0 o
Sea r =
j
+ con = 0. entonces
r = (
j
+)
=
j
+
= 1 + 0
= 1
luego r o.
Ahora probaremos la otra contencin
o r , r =
j
+ con = 0
Sea r o, entonces apliquemos al vector (r
j
)
(r
j
) = r
j
= 1 1 = 0
Luego, r
j
es una solucin del sistema homogneo, adems
r =
j
+ (r
j
)
es decir,
r r , r =
j
+ con = 0.
Se recomienda al alumno vericar o comprobar que en los ejemplos anteriores, toda
solucin del sistema se puede escribir como suma de una solucin particular y una solucin
del sistema homogneo, las que se pueden leer a partir de la escalonada reducida por la del
sistema.
Teorema 61 Dado un sistema
na
A
a1
= 1
n1
con 1 matriz Escalonada Reducida por
Filas de y
[ [ 1] [1 [ /] .
entonces se cumple
1. Si 1q([1 [ /]) 1q(1). entonces el conjunto solucin del sistema es vaco.
2. Si 1q([1 [ /]) = 1q(1) = : < :. entonces el conjunto solucin del sistema es innito.
(Dicho de otra manera el sistema tiene innitas soluciones).
3. Si 1q(1) = 1q([1 [ /]) = :. entonces el conjunto solucin del sistema tiene un nico
elemento. (Dicho de otra manera el sistema tiene nica solucin).
Ejemplo 47 Dado el sistema
r + . = 1
2r 3 + 2. = 3
3r 2 +c. = /
Determinar c. / de modo que el sistema tenga innitas soluciones y explictelas.
Solucin. La matriz asociada al sistema es
=
_
_
1 1 1
2 3 2
3 2 c
_
_
y su determinante es 5c+5. por teorema de Cramer tenemos que si 5c+5 ,= 0 el sistema
tiene nica solucin.
Por lo tanto debemos analizar el caso 5c + 5 = 0. es decir c = 1
Consideremos la matriz aumentada del sistema con c = 1
_
_
1 1 1 1
2 3 2 3
3 2 1 /
_
_
Cuya matriz reducida es
_
_
1 0
1
5
6
5
0 1
4
5
1
5
0 0 0 / 4
_
_
.
Como 1q() = 2. entonces tenemos:
1q([[1] =
_
_
_
2 si / = 4
3 si / ,= 4
Si / ,= 4. entonces 1q() ,= 1q([[1] y el conjunto solucin es
o = c
Si / = 4. entonces 1q() = 1q([[1] < 3 y el conjunto solucin es
o =
_
_
_
_
_
r
.
_
_
`
31
(R) /
r + . = 1
2r 3 + 2. = 3
3r 2 +. = 4
_
_
_
=
_
_
_
_
_
r
.
_
_
`
31
(R) /
_
_
r
.
_
_
=
_
_
6
5
+
1
5
t
1
5
+
4
5
t
t
_
_
_
_
_
=
_
_
_
_
_
6
5
1
5
0
_
_
+
_
_
1
5
4
5
1
_
_
t , t R
_
_
_
.
Denicin 62 Sea matriz de orden ::.
Llamaremos ncleo de al conjunto solucin del sistema homogneo r = 0. Anotamos
`() = r `
a1
(R ) / r = 0
Teorema 63 Dado el sistema de ecuaciones lineales con : incognitas r = / entonces las
siguientes armaciones son equivalentes.
1. 1q() = :
2. `() = 0
3. r / r = / = r
j
.
Corolario 64 Sea una matriz de orden :.
1. Las siguientes proposiciones son equivalentes:
a) [[ , = 0
b) El sistema homogneo r = 0 tiene nica solucin r = 0
c) es regular.
2. Las siguientes proposiciones son equivalentes:
a) 1q() < :
b) El sistema homogneo r = 0 tiene innitas soluciones
c) es singular
d) [[ = 0
Mtodo del Pivote:
Otra manera de obtener la solucin general de un sistema, es el siguiente:
1. Se pivotea la matriz ampliada del sistema
2. Se asigna el valor 1 a una variable libre y 0 a las restantes.
3. Se calculan las variables dependientes en base a los valores anteriormente asignados,
y se resuelve el sistema homogneo, as construimos un vector solucin
1
del sistema
homogneo.
4. Se asigna nuevamente el valor 1 a otra variable libre y 0 a las restantes y procedemos
como en 3.
5. Una vez que todas las variables libres han sido sustituidas por 1 en alguna oportunidad,
( como en 3), obtenemos / soluciones distintas
)
donde / es el nmero de variables
libres.
6. El conjunto solucin del sistema homogneo se expresa entonces:
o = , = c
1
1
+c
2
2
+.......... +c
I
I
. con c
i
R para todo i
7. Una solucin particular del sistema no homogneo se obtiene reemplazando por 0 todas
las variables libres.
Ejemplo 48 Resolvamos el siguiente sistema r = /. donde
=
_
_
1 1 7 0 0 2 5
2 0 8 1 0 3 6
0 0 9 0 1 4 7
_
_
; / =
_
_
2
10
1
_
_
Solucin. La matriz est pivoteada en las posiciones (1,2); (2,4); (3,5).
Sabemos que hay cuatro variables libres y tres dependientes del sistema r = 0.
Para determinar la primera solucin, le asignamos el valor 1 a la primera variable indepen-
diente y cero a las otras con ello obtenemos el vector
1
= (1. c. 0. /. c. 0. 0). para determinar
los coecientes que faltan resolvemos
t
1
= 0
Multiplicando tenemos.
1 +c = 0; 2 +/ = 0; 0 +c = 0
As obtenemos que
1
= (1. 1. 0. 2. 0. 0. 0)
Para determinar la segunda solucin, le asignamos el valor 1 a la segunda variable libre y
cero a las restantes con ello formamos el vector
2
= (0. c. 1. /. c. 0. 0). para determinar los
coecientes restantes, debemos resolver
t
2
= 0
Multiplicando obtenemos.
7 +c = 0; 8 +/ = 0; 9 +c = 0
As tenemos
2
= (0. 7. 1. 8. 9. 0. 0)
Procediendo de manera similar obtenemos
3
= (0. 2. 0. 3. 4. 1. 0)
4
= (0. 5. 0. 6. 7. 0. 1)
La solucin particular la obtenemos asignando 0 a las variables libres y determinando las
otras.
r
j
= (0. c. 0. /. c. 0. 0)
para ello resolvemos
r
t
j
= 1
Multiplicando
c = 2; / = 10; c = 1
As tenemos
r
j
= (0. 2. 0. 10. 1. 0. 0)
Finalmente el conjunto solucin es
r
j
+c
1
1
+c
2
2
+c
3
3
+c
4
4
[ c
i
en R .
con
r
j
= (0. 2. 0. 10. 1. 0. 0)
1
= (1. 1. 0. 2. 0. 0. 0)
2
= (0. 7. 1. 8. 9. 0. 0)
3
= (0. 2. 0. 3. 4. 1. 0)
4
= (0. 5. 0. 6. 7. 0. 1)
Ejercicios:
1. Dada las siguientes matrices
=
_
_
2 3 1 2
4 2 3 1
20 2 1 c
_
_
. 1 =
_
_
1 2 2 1
1 1 2 3
3 4 1 2
_
_
. C =
_
_
1
1
2
1
_
_
. A =
_
_
r
.
t
_
_
reales.
A = 1C
2. Dadas las siguientes matrices
=
_
_
2 3 1 2
1 2 3 1
2 2 8 c
_
_
. 1 =
_
_
1
1
4
_
_
. A =
_
_
r
.
t
_
_
reales.
A = 1
3. Dados los sistemas
2r + 3 . = c
r . = 2
r + . = 3
.
r + 3 +. = c
r . = 2
2r + . = 3
Resolverlo mediante Operaciones Elementales Filas.
4. Sean
2r + 4 . +n = 1
3r + 6 + 2 + 2n = 3
r + 2 + 3. +cn = 3
a) Determinar el valor de c de modo que el sistema tenga solucin.
b) Para c = 2. determinar el conjunto solucin.
5. Sean
r + 2 + 2. +cn = 1
3r + 6 + 6 + 2n = 3
2r + 3 + 4. + 2n = 1
a) Determinar el valor de c de modo que el sistema tenga solucin.
b) Para c = 2. determinar el conjunto solucin.
Captulo 2
Espacios Vectoriales
La nocin de espacio vectorial se obtiene al comparar una variedad de ejemplos
(Matrices, Polinomios, Funciones, etc.), en los cuales estn denidas dos operaciones (suma
y multiplicacin) las que nos permiten operar en distintos ambientes de manera anloga, es
decir, podemos agrupar estos conjuntos con una estructura muy similar.
Recordemos la denicin de grupo dada en el libro de Matemticas para Ingeniera.
2.1. Grupos
Denicin 65 Sea G un conjunto no vaco y + una operacin en G. Diremos que G es un
grupo bajo la operacin + si las siguientes tres armaciones son ciertas.
i) Asociatividad:
Para todo r. . . en G, se cumple
(r + ) + . = r + ( + .)
ii) Existencia de elemento neutro:
Existe c, elemento neutro en G, tal que para todo r en G, se tiene
r + c = c + r = r
iii) Existencia de elementos inversos:
Para todo r en G, existe r
0
en G tal que
r + r
0
= r
0
+ r = c
Esto se denota resumidamente; (G. +) es grupo.
61
62 CAPTULO 2. ESPACIOS VECTORIALES
Si adems se verica;
iv) Conmutatividad:
Para todo r. en G, se cumple
r + = + r
entonces (G. +) es un grupo Abeliano o simplemente G es un grupo Abeliano, subentendiendo
que hay una operacin (+).
Ejemplo 49 Recordemos de la asignatura de calculo 1, los siguientes ejemplos:
El conjunto de los nmeros reales con la suma.
El conjunto de los nmeros reales no nulo con el producto.
El conjunto de las funciones con la suma.
Otros ejemplos los puede encontrar en el libro de Matemticas para Ingeniera.
Denicin 66 Se dice (K. +. ) es un cuerpo si y slo si se cumple:
i) (K. +) es un grupo abeliano, con c neutro aditivo.
ii) (Kc . ) es un grupo abeliano.
iii) Distributividad:
(\r. . . K)(r ( +.) = r +r .)
Ejemplo 50 Anlogamente los ejemplos de cuerpos que usted conoce son:
El conjunto de los nmeros racionales, denotado por Q.
El conjunto de los nmeros reales, denotado por R.
El conjunto de los nmeros complejos, denotado por C.
Observacin. Tambin usted conoce ejemplos de conjuntos en los cuales estn denidas
dos operaciones, pero no es un cuerpo, como es el que presentamos en el captulo anterior,
es decir las matrices cuadradas de orden 2.
2.2. ESPACIOS VECTORIALES 63
2.2. Espacios vectoriales
Denicin 67 Sea K un cuerpo, se dice que (\. +. ) es un espacio vectorial sobre K o un
K -espacio vectorial si y slo si cumple con:
1. (\. +) es un grupo abeliano.
2. : K\ \. es una funcin que cumple:
a) (\c K)(\r. \ )(c (r +) = c r +c )
b) (\c. / K)(\. . \ )((c +/) r = c r +/ r)
c) (\c. / K)(\. . \ )((c/) r = c (/ r))
d) (\r \ )(1 r = r)
Los ejemplos ms conocidos son:
Ejemplo 51 Las matrices de orden : :. esto es `
an
(K) es un espacio vectorial sobre
K con la suma de matrices y multiplicacin por escalar.
Primero explicitemos la suma de matrices.
+ : `
an
(K)`
an
(K) `
an
(K)
(. 1) +1
donde +1 = [c
i)
] + [/
i)
] = [c
i)
+/
i)
].
Ahora explicitemos la multiplicacin de una matriz por un escalar.
: K`
an
(K) `
an
(K)
(c. ) c
donde c = c [c
i)
] = [c c
i)
].
Ejemplo 52 R
a
es un R -espacio vectorial, con las operaciones de suma por coordenadas y
multiplicacin por un escalar.
Primero explicitemos la suma de n-uplas.
+ : R
a
R
a
R
a
(r. ) r +
donde r + = (r
i
) + (
i
) = (r
i
+
i
).
Ahora explicitemos la multiplicacin de una n-upla por un escalar.
: R R
a
R
a
(c. r) c r
donde c r = c (r
i
) = (c r
i
).
Ejemplo 53 C
a
es un R -espacio vectorial, con las operaciones de suma por coordenadas y
multiplicacin por un escalar.
+ : C
a
C
a
C
a
(r. ) r +
donde r + = (r
i
) + (
i
) = (r
i
+
i
).
: R C
a
C
a
(c. r) c r
donde c r = c (r
i
) = (c r
i
).
Ejemplo 54 C
a
es un C -espacio vectorial, con las operaciones suma por coordenadas y
multiplicacin por escalar.
+ : C
a
C
a
C
a
(r. ) r +
donde r + = (r
i
) + (
i
) = (r
i
+
i
).
: C C
a
C
a
(c. r) c r
donde c r = c (r
i
) = (c r
i
).
Note que la diferencia entre los tres ejemplos anteriores est en donde varan los coe-
cientes o los escalares.
Ejemplo 55 Sea un conjunto entonces
1(. R) =, : R , , es funcin .
es un R -espacio vectorial, con las operaciones de suma de funciones y multiplicacin por un
escalar.
Primero explicitemos la suma de funciones.
+ : 1(. R)1(. R) 1(. R)
(,. q) , +q
donde (, +q)(r) = ,(r) +q(r).
Ahora explicitemos la multiplicacin de una funcin por un escalar.
: R1(. R) 1(. R)
(c. ,) c ,
donde (c ,)(r) = c (,(r)).
Ejemplo 56 Sea = ]0. 1[ un intervalo de nmeros reales entonces
C
a
(R) =
_
, 1(]0. 1[ . R) , ,
(a)
es continua en ]0. 1[
_
.
es un R espacio vectorial.
Las operaciones son anlogas, ya que estamos trabajando con funciones, solamente debe-
mos recordar que si dos funciones son continuas (derivables) la suma es continua (derivable),
el mismo resultado lo tenemos para la multiplicacin por escalar.
Ejemplo 57 Sea 1 = , 1([0. 1]. R) , , es R-integrable en [0. 1] entonces 1 es un
R-espacio vectorial.
En este caso las operaciones son la suma de funciones y multiplicacin de una funcin
por un escalar, y ahora recordamos que, si dos funciones son R-integrable entonces la suma
es R-integrable, el resultado anlogo lo tenemos para la multiplicacin por escalar.
Ejemplo 58 Sea K[r] = Los polinomios en la variable r con coecientes en K . es decir
K[r] es el conjunto de los polinomios c
0
+c
1
r +... +c
a
r
a
. con c
0
. c
1
. .... c
a
K y : N.
Primero explicitemos la suma de polinomios.
+ : K[r]K[r] K[r]
(j(r). (r)) j(r) +(r)
donde j(r) +(r) =

c
i
r
i
+
/
i
r
i
=

(c
i
+/
i
)r
i
.
Ahora explicitemos la multiplicacin de un polinomio por un escalar.
: KK[r] K[r]
(c. j(r)) c j(r)
donde c j(r) = c
c
i
r
i
=

c c
i
r
i
.
Teorema 68 Sea (\. +. ) un espacio vectorial sobre K entonces tenemos:
1. Sean n. . n \ entonces
(n + = n +n) == ( = n)
2. Sean n. \. c K
entonces
(cn = c) == (n = )
3. Sean
0 \. neutro aditivo c K entonces

c
0 =

0
4. Sean \. 0 K
entonces
0 =

0
5. Sean \. c K entonces
(c =

0 ) == ( =

0 . c = 0)
Ejemplo 59 Sean n = (1. 2). = (2. 3). n = (1. 3) vectores en R
2
. resolver la ecuacin
2(r +n) + 3n = 5
Solucin. Como R
2
es un R-espacio vectorial, luego
2(r +n) + 3n = 5
2r + 2n + 3n = 5
2r = 5 2n 3n
r = 1,2(5 2n 3n)
Reemplazando obtenemos
r = (11,2. 14).
Ejemplo 60 Sean \ un R-espacio vectorial, n. . n vectores en \ .
Resolver la ecuacin
2(r +n) + 3(n n) = 2( +n)
Solucin. Como \ es un R-espacio vectorial, luego
2(r +n) + 3(n n) = 2( +n)
2r + 2n + 3n 3n = 2 + 2n
2r + 3n n = 2 + 2n
2r = 2 +n n
r = 1,2(2 +n n)
Ejemplo 61 Sean \ un K-espacio vectorial, n. . n vectores en \ y c. / elementos en K.
con c no nulo. Resolver la ecuacin
c(r +n) +/(n n) = /( +n)
Solucin. Como R
2
es un R-espacio vectorial, luego
c(r +n) +/(n n) = /( +n)
cr +cn +/n /n = / +/n
cr + (c /)n = /
cr = / (c /)n
obtenemos
r =
1
c
(/ (c /)n).
2.3. SUBESPACIOS VECTORIALES 67
Ejercicio 62 Sea \ = R y denamos las siguientes operaciones en \.
+ : \ \ \ ; r + = r + +r
- : R \ \ ; c - = cr
Determinar que propiedades de R espacio vectorial, no cumple.(\. +. -)
2.3. Subespacios Vectoriales
Denicin 69 Sea \ un K-espacio vectorial y l un subconjunto de \. Se dice que l es
un subespacio vectorial de \ si y slo si l es un K-espacio vectorial con las mismas
operaciones (suma y producto) de \.
Notacin. l es un subespacio vectorial de \ lo denotamos por l _ \.
Ejemplo 63 Algunos de estos ejemplos los obtenemos del captulo anterior.
1. Las matrices triangulares superiores (inferiores) de orden :. forman un subespacio (del
espacio vectorial) de las matrices de orden :.
2. Las matrices simtricas (antisimtricas) de orden :. forman un subespacio de las ma-
trices de orden :.
3. Las matrices diagonales de orden :. forman un subespacio de las matrices de orden :.
4. Cada Recta (Plano) que pasa por el origen en R
a
. es un subespacio vectorial de R
a
.
5. El conjunto solucin de un sistema homogneo es un subespacio vectorial de K
a
.
6. El conjunto de las funciones pares es un subespacio de 1(R. R).
7. K
a
[r] =
_
Los polinomios en la variable r con coecientes en K. de
grado menor o igual que : incluyendo al polinomio nulo
_
es un
subespacio de K[r].
Teorema 70 Sea \ un K-espacio vectorial y l un subconjunto de \. l es un subespacio de
\ si y slo si se cumplen:
i) El neutro aditivo de \ pertenece a l o simplemente
0 l.
ii) La clausura aditiva con elementos de l.
Si para todo n. l entonces n + l.
iii) La clausura multiplicativa.
Si para todo n l y c 1 entonces cn l.
Observacin. En los siguientes ejemplos demostraremos lo armado anteriormente.
Ejemplo 64 Las matrices simtricas (antisimtricas) de orden :. forman un subespacio de
las matrices de orden :.
Demostracin. Una matriz es simtrica si cumple la propiedad
t
=
i) La matriz nula es claramente simtrica, ya que 0
t
= 0.
ii) Ahora sean . 1 dos matrices simtricas, demostraremos que la suma es simtrica
( +1)
t
=
t
+1
t
= +1
As entonces tenemos que +1 es simtrica.
iii) Falta demostrar, dada una matriz simtrica la multiplicacin por escalar es simtrica.
(c)
t
= c
t
= c
Por lo tanto, c es simtrica, as hemos demostrado que el conjunto de las matrices
simtricas son un subespacio vectorial de las matrices de orden : :.
Ejemplo 65 El conjunto solucin de un sistema homogneo es un subespacio vectorial de
R
a
.
Demostracin. El conjunto solucin de un sistema de ecuaciones lineales homogneo lo
podemos describir
_
r R
a
, r
t
= 0
_
donde es matriz de orden ::.
i) Como 0 = 0. luego tenemos que el vector nulo es solucin del sistema.
ii) Sean r. dos soluciones del sistema, demostremos que r +. es solucin.
(r +)
t
= (r
t
+
t
)
= r
t
+
t
= 0 + 0
= 0
As tenemos que r + es solucin.
2.3. SUBESPACIOS VECTORIALES 69
iii) Ahora demostremos, dado r solucin del sistema y c un escalar entonces cr tambin es
solucin
(cr)
t
= (cr
t
)
= c(r
t
)
= c 0 = 0
Con lo cual demostramos que cr es solucin del sistema.
Por lo tanto, el conjunto solucin de un sistema de ecuaciones lineales homogneo es un
subespacio vectorial de R
a
.
Ejemplo 66 El conjunto de las funciones pares es un subespacio de 1(R. R).
Demostracin. El conjunto de las funciones pares lo podemos describir por
, 1(R. R) , (\r R)(,(r) = ,(r)
i) En primera instancia podemos comprobar que la funcin nula
^
0. es una funcin par, ya
que
^
0(r) = 0
^
0(r) = 0
ii) Ahora veamos la suma de funciones pares, para ello consideremos ,. q dos funciones pares,
demostremos que , +q es par.
(, +q)(r) = ,(r) +q(r)
= ,(r) +q(r)
= (, +q)(r).
iii) Nos falta demostrar que dado , una funcin par y c un escalar entonces c, es una
funcin par.
(c,)(r) = c ,(r)
= c ,(r)
= (c,)(r).
Con lo cual demostramos que el conjunto de las funciones pares es un subespacio vectorial
de las funciones.
Ejemplo 67 Las matrices triangulares superiores de orden :. forman un subespacio de las
matrices de orden :.
Solucin. Describamos el conjunto de matrices triangulares superiores.
= [c
i)
] `(:. K) , c
i)
= 0 si i ,
i) Claramente la matriz nula satisface la condicin, ya que todos sus coecientes son nulos.
ii) Ahora consideremos . 1 dos matrices triangulares superiores, veremos que + 1 es
una matriz triangular superior.
+1 = [c
i)
] + [/
i)
]
= [c
i)
+/
i)
] .
Como . 1 son matrices triangulares superiores, luego c
i)
= 0 y /
i)
= 0. si i ,. por
lo tanto c
i)
+/
i)
= 0. siempre que i ,.
iii) En la tercera parte de la demostracin, tenemos que vericar que: Si es una matriz
triangular superior y c es un escalar entonces c es triangular superior.
c = c [c
i)
]
= [c c
i)
]
Como es una matriz triangular superior, luego c
i)
= 0 si i ,. as obtenemos que
c c
i)
= 0 si i ,.
Por lo tanto, el conjunto de matrices triangulares superiores de orden : es un subespacio
vectorial de las matrices cuadradas de orden :.
Ejercicio 68 Para cada una de las siguientes armaciones determine el valor de verdad.
1. Las matrices invertibles forman un subespacio de las matrices cuadradas de orden :.
2. Las matrices cuadradas de orden 2 tales que al cuadrado es cero forman un subespacio
de las matrices cuadradas de orden 2.
3. El semiplano superior de R
2
(segunda coordenada mayor igual que cero), es un sub-
espacio de R
2
.
4. La circunferencia unitaria centrada es un subespacio vectorial de R
2
.
5. El conjunto de las funciones tales que al evaluarlas en cero es cero, es un subespacio
de 1(R. R).
6. El conjunto de las funciones tales que al evaluarlas en uno es uno, es un subespacio de
1(R. R).
Ejercicio 69 Sean \ un K-espacio vectorial y l. \ dos subespacios de \ . Demostrar que
l \ es un subespacio de \ .
2.4. BASES 71
Ejercicio 70 Demostrar que o
)
= , 1(. R) , , tiene soporte nito es un sub-
espacio de 1(. R). (, tiene soporte nito si y slo si el cardinal de r , ,(r) ,= 0
es nito).
Ejercicio 71 Considere 1(R. R) como R-espacio vectorial. Demostrar que
l = , 1(R. R) , (\r R)(,(cr) = c,(r)) es un subespacio de 1(R. R).
Ejercicio 72 Sea 1(R. R) un R-espacio vectorial,
l = , 1(R. R) , ,(r) = ,(r). \ = , 1(R. R) , ,(r) = ,(r)
Demostrar que l y \ son subespacios de 1(R. R).
Ejercicio 73 Considere C
2
como C-espacio vectorial. Demostrar que
\ = (.. n) C
2
, 3. +in = 0 es un subespacio de C
2
.
Ejercicio 74 Determinar si los siguientes conjuntos son subespacios vectoriales. JUSTI-
FIQUE.
1. a) l = (r. . .) R
3
, r. = 0
b) \ = (r. . .) R
3
, r
2
=
2
c) \ = (r. . .) R
3
, r + +.
2
= 0
d) \ = (r. . .) R
3
, 3r + 2 +. = 0
e) \ =
_
r
r t
_
`
2
(R) [ r =
2.4. Bases
El concepto de base de un espacio vectorial permite describir en forma nica todos
los vectores del espacio, lo cual es una generalizacin de la localizacin de un objeto en el
espacio tridimensional.
Esto nos motiva a considerar las siguientes deniciones.
2.4.1. Combinaciones lineales
Denicin 71 Sea \ un K-espacio vectorial y .
1
.
2
. ....
n
. elementos en \. Decimos que
es combinacin lineal de
1
.
2
. ....
n
si y slo si existen c
1
. c
2
. .... c
n
. escalares en K tal
que
= c
1
1
+c
2
2
+... +c
n
n
=
n
i=1
c
i
i
Ejemplo 75 Determinar si (1. 2. 1) es combinacin lineal de los vectores (1. 2. 1). (1. 1. 2).
(1. 2. 3). en R
3
.
Demostracin. Tenemos que determinar c. /. c R. tal que.
(1. 2. 1) = c(1. 2. 1) +/(1. 1. 2) +c(1. 2. 3)
(1. 2. 1) = (c +/ +c. 2c +/ + 2c. c 2/ + 3c)
es decir,
c +/ +c = 1
2c +/ + 2c = 2
c 2/ + 3c = 1
Determinando la matriz del sistema tenemos,
_
_
1 1 1 1
2 1 2 2
1 2 3 1
_
_

_
_
1 0 0
1
8
0 1 0
1
2
0 0 1
5
8
_
_
Luego el sistema tiene solucin, es decir, c =
1
8
. / =
1
2
. c =
5
8
(1. 2. 1) =
1
8
(1. 2. 1) +
1
2
(1. 1. 2) +
5
8
(1. 2. 3).
Por lo tanto (1. 2. 1) es combinacin lineal de los vectores (1. 2. 1). (1. 1. 2). (1. 2. 3).
Ejemplo 76 Determinar si (1. 2. 1) es combinacin lineal de los vectores (1. 2. 1). (1. 1. 2).
(1. 2. 3). en R
3
.
(1. 2. 1) = c(1. 2. 1) +/(1. 1. 2) +c(1. 2. 3)
(1. 2. 1) = (c +/ +c. 2c +/ + 2c. c + 2/ + 3c)
es decir,
c +/ +c = 1
2c +/ + 2c = 2
c + 2/ + 3c = 1
_
_
1 1 1 1
2 1 2 2
1 2 3 1
_
_

_
_
1 0
1
3
0
0 1
4
3
0
0 0 0 1
_
_
Luego el sistema no tiene solucin, es decir, no existen c. /. c R. tales que satisfagan el
sistema.
Por lo tanto (1. 2. 1) no es combinacin lineal de los vectores (1. 2. 1). (1. 1. 2). (1. 2. 3).
Ejemplo 77 Determinar si 1 +r +r
2
es combinacin lineal de los vectores
1 +r + 2r
2
. 1 + 3r + 2r
2
. 1 r +r
2
en R[r]
2.4. BASES 73
1 +r +r
2
= c(1 +r + 2r
2
) +/(1 + 3r + 2r
2
) +c(1 r +r
2
)
1 +r +r
2
= (c +/ +c)1 + (c + 3/ c)r + (2c + 2/ +c)r
2
es decir,
c +/ +c = 1
c + 3/ c = 1
2c + 2/ +c = 1
_
_
1 1 1 1
1 3 1 1
2 2 1 1
_
_

_
_
1 0 0
1
6
0 1 0
1
2
0 0 1
1
3
_
_
Luego el sistema tiene solucin, es decir, existen c =
1
6
. / =
1
2
. c =
1
3
R. tales que
1 +r +r
2
=
1
6
(1 +r + 2r
2
) +
1
2
(1 + 3r + 2r
2
) +
1
3
(1 r +r
2
)
Por lo tanto 1 +r +r
2
es combinacin lineal de los vectores (1 +r + 2r
2
). (1 + 3r + 2r
2
)
y (1 r +r
2
).
Denicin 72 Sea \ un espacio vectorial sobre 1. y
1
.
2
. ....
n
. vectores en \.
a) Decimos que
1
.
2
. ....
n
es linealmente independiente si y slo si la nica solucin de
c
1
1
+c
2
2
+... +c
n
n
= 0
es la trivial, es decir, c
1
= c
2
= ... = c
n
= 0.
b) Decimos que
1
.
2
. ....
n
es linealmente dependiente si y slo si la ecuacin
c
1
1
+c
2
2
+... +c
n
n
= 0
tiene una solucin no trivial.
Ejemplo 78 Demostrar que (1. 0. 1). (1. 1. 0). (1. 1. 1) es un conjunto linealmente indepen-
diente en R
3
.
Demostracin. Escribamos el vector nulo como combinacin lineal de los vectores dados
c(1. 0. 1) +/(1. 1. 0) +c(1. 1. 1) = (0. 0. 0)
(c +/ +c. / +c. c +c) = (0. 0. 0)
Luego tenemos el sistema de ecuaciones
c +/ +c = 0
/ +c = 0
c +c = 0
Determinemos la matriz del sistema,
_
_
1 1 1 0
0 1 1 0
1 0 1 0
_
_

_
_
1 0 0 0
0 1 0 0
0 0 1 0
_
_
Luego el sistema tiene nica solucin, es decir, c = 0. / = 0. c = 0. Por lo tanto, el conjunto
(1. 0. 1). (1. 1. 0). (1. 1. 1) es linealmente independiente.
Ejemplo 79 Determinar si (1. 2. 1). (1. 1. 0). (1. 3. 2) es un conjunto linealmente indepen-
diente o linealmente dependiente en R
3
.
Solucin. Escribamos el vector nulo como combinacin lineal de los vectores dados
c(1. 2. 1) +/(1. 1. 0) +c(1. 3. 2) = (0. 0. 0)
(c +/ +c. 2c +/ + 3c. c + 2c) = (0. 0. 0)
c +/ +c = 0
2c +/ + 3c = 0
c + 2c = 0
Determinemos la matriz del sistema,
_
_
1 1 1 0
2 1 3 0
1 0 2 0
_
_

_
_
1 0 2 0
0 1 1 0
0 0 0 0
_
_
Luego el sistema tiene innitas soluciones, es decir, c = 2t. / = t. c = t, con t R, esto es
2t(1. 2. 1) +t(1. 1. 0) +t(1. 3. 2) = (0. 0. 0). \t R.
Por lo tanto, el conjunto (1. 2. 1). (1. 1. 0). (1. 3. 2) es linealmente dependiente.
Ejemplo 80 Demostrar que 1 + r + r
2
. 1 + 2r r
2
. 1 + r
2
es un conjunto linealmente
independiente.
Demostracin. Escribamos el vector nulo como combinacin lineal de los vectores dados
c(1 +r +r
2
) +/(1 + 2r r
2
) +c(1 +r
2
) = 0
(c +/ +c)1 + (c + 2/)r + (c / +c)r
2
= 0
c +/ +c = 0
c + 2/ = 0
c / +c = 0
2.4. BASES 75
Determinando la matriz del sistema tenemos
_
_
1 1 1 0
1 2 0 0
1 1 1 0
_
_

_
_
1 0 0 0
0 1 0 0
0 0 1 0
_
_
Luego el sistema tiene nica solucin, es decir, c = 0. / = 0. c = 0. Por lo tanto, el conjunto
1 +r +r
2
. 1 + 2r r
2
. 1 +r
2
es linealmente independiente.
Ejemplo 81 Determinar si 1. i es un conjunto linealmente independiente o linealmente
dependiente en C.
a) C como C-espacio vectorial.
b) C como R-espacio vectorial.
Solucin. Escribamos el vector nulo como combinacin lineal de los vectores dados
c 1 +/ i = 0 + 0i
a) Como C es un C-espacio vectorial, los escalares c. / son nmeros complejos. Luego
c = c
1
+c
2
i; / = /
1
+/
2
i
reemplazando en la ecuacin tenemos,
(c
1
+c
2
i) 1 + (/
1
+/
2
i) i = 0 + 0i
(c
1
/
2
) 1 + (c
2
+/
1
) i = 0 + 0i
Igualando parte real e imaginaria tenemos el sistema de ecuaciones
c
1
/
2
= 0
c
2
+/
1
= 0
es decir c
1
= /
2
c
2
= /
1
.
Luego el sistema tiene innitas soluciones.
Por lo tanto, el conjunto 1. i es linealmente dependiente.
b) Como C es un R-espacio vectorial, los escalares c. / son nmeros reales.
c 1 +/ i = 0 + 0i
Luego igualando parte real e imaginaria tenemos el sistema trivial
c = 0
/ = 0
Luego el sistema tiene nica solucin.
Por lo tanto, el conjunto 1. i es linealmente independiente.
2.4.2. Espacios Generados
En un espacio vectorial cualquier subconjunto de l, no es un subespacio vectorial,
pero a partir de l podemos construir un subespacio a traves de combinaciones lineales.
Denicin 73 Sea \ un K -espacio vectorial y
1
.
2
. ....
n
. vectores de \. Decimos que
1
.
2
. ....
n
genera a \ si y slo si todo vector de \ es combinacin lineal de
1
.
2
. ....
n
.
Es decir, dado \. existen c
1
. c
2
. .... c
n
. escalares en K tal que
= c
1
1
+c
2
2
+... +c
n
n
.
Teorema 74 Sea \ un espacio vectorial sobre 1. y
1
.
2
. ....
n
. vectores en \. El conjunto
de todas las combinaciones lineales de
1
.
2
. ....
n
es un subespacio vectorial de \.
Notacin. El subespacio de todas las combinaciones lineales de
1
.
2
. ....
n
se denota
por
1
.
2
. ....
n
o simplemente
1
.
2
. ....
n
.
Ejemplo 82 Demostrar que (1. 0. 0). (0. 1. 0). (0. 0. 1) genera R
3
Demostracin. Sea (r. . .) R
3
. luego podemos escribir
(r. . .) = r(1. 0. 0) +(0. 1. 0) +.(0. 0. 1)
Como r. . . son arbitrarios, por lo tanto
(1. 0. 0). (0. 1. 0). (0. 0. 1) = R
3
Ejemplo 83 Demostrar que
__
1 0
0 0
_ _
0 1
1 0
_ _
0 0
0 1
__
genera el espacio de las matrices
simtricas de orden 2.
Demostracin. Sea
_
r
. t
_
una matriz simtrica . Como
_
r
. t
_
=
_
r .
t
_
luego
= .. Reemplazando tenemos
_
r
t
_
= r
_
1 0
0 0
_
+
_
0 1
1 0
_
+t
_
0 0
0 1
_
Como r. . t son arbitrarios, por lo tanto
__
1 0
0 0
_ _
0 1
1 0
_ _
0 0
0 1
__
= Matrices simtricas de orden dos
Ejemplo 84 Sea l = (r. ) R
2
, 2r + = 0 _ R
2
. Determinar un conjunto
generador de l.
2.4. BASES 77
Solucin. Dado (r. ) l. tenemos que 2r + = 0. es decir, = 2r. por lo tanto
(r. ) = (r. 2r)
= r(1. 2)
luego todos los elementos de l se pueden escribir como combinacin lineal del vector (1. 2).
As
l = (1. 2)
Por lo tanto (1. 2) genera a l.
Ejemplo 85 Sea l = (r. . .) R
3
, 2r + +. = 0. r + . = 0 _ R
3
. Deter-
minar un conjunto generador de l.
Solucin. Dado (r. . .) l. tenemos que 2r + + . = 0 y r + . = 0. asociando
la matriz, obtenemos
_
2 1 1
1 1 1
_

_
1 0 2
0 1 3
_
Por lo tanto
(r. . .) = (2.. 3.. .)
= .(2. 3. 1)
luego todo los elementos de l se pueden escribir como combinacin lineal del vector (2. 3. 1).
As
l = (2. 3. 1)
Por lo tanto (2. 3. 1) genera a l.
Ejemplo 86 Sea l = `
2
(R) , =
t
_ `
2
(R). Determinar un conjunto
generador de l.
Solucin. Dado
_
r
. t
_
l. se tiene
_
r
. t
_
=
_
r
. t
_
t
_
r
. t
_
=
_
r .
t
_
As obtenemos que r = r. = .. . = . t = t.
Por lo tanto r = 0. = .. t = 0. Reemplazando en la matriz tenemos que
_
r
. t
_
=
_
0
0
_
=
_
0 1
1 0
_
.
Luego todos los elementos de l se pueden escribir como combinacin lineal del vector
_
0 1
1 0
_
.
As
l =
__
0 1
1 0
__
Por lo tanto
__
0 1
1 0
__
genera a l.
Ejercicio 87 Sea l =
_
(r. . .) R
3
,
r + = 0
r + 3 +. = 0
_
_ R
3
. Determinar un con-
junto generador de l.
Ejercicio 88 Sea l =
_
_
(r. . .. t) R
4
,
_
_
1 3 2 0
1 2 1 3
0 1 3 1
_
_
_
r
.
t
_
_
=
_
_
0
0
0
_
_
_
_
_ R
4
.
Determinar un conjunto generador de l.
2.4.3. Bases
Denicin 75 Sea \ un espacio vectorial sobre K. y
1
.
2
. ....
n
. vectores en \. Decimos
que
1
.
2
. ....
n
es una base de \ si y slo si se cumple:
a)
1
.
2
. ....
n
b)
1
.
2
. ....
n
genera a \.
Ejemplo 89 Demostrar que (1. 2. 1). (1. 2. 3). (3. 2. 1) es una base de R
3
.
Demostracin. Primeramente vamos a demostrar que el conjunto es linealmente indepen-
diente. Sea c. /. c R tales que
(0. 0. 0) = c(1. 2. 1) +/(1. 2. 3) +c(3. 2. 1)
(0. 0. 0) = (c +/ + 3c. 2c + 2/ + 2c. c + 3/ +c)
c +/ + 3c = 0
2c + 2/ + 2c = 0
c + 3/ +c = 0
2.4. BASES 79
_
_
1 1 3
2 2 2
1 3 1
_
_
y
1 1 3
2 2 2
1 3 1
= 8
Por Cramer, el sistema tiene nica solucin, es decir, c = 0. / = 0. c = 0. Por lo tanto, el
conjunto (1. 2. 1). (1. 2. 3). (3. 2. 1) es linealmente independiente.
En la segunda parte de la demostracin veremos que el conjunto genera a R
3
. Sean
c. /. c R , (r. . .) R
3
tales que
(r. . .) = c(1. 2. 1) +/(1. 2. 3) +c(3. 2. 1)
(r. . .) = (c +/ + 3c. 2c + 2/ + 2c. c + 3/ +c)
c +/ + 3c = r
2c + 2/ + 2c =
c + 3/ +c = .
Determinando la matriz del sistema y calculando su determinante obtenemos
1 1 3
2 2 2
1 3 1
= 8
Por Cramer, el sistema tiene nica solucin, es decir,
c =
4r + 8 4.
8
. / =
2 + 4.
8
. c =
4r 2
8
.
Por lo tanto, el conjunto (1. 2. 1). (1. 2. 3). (3. 2. 1) genera a R
3
. Y con ello el conjunto
(1. 2. 1). (1. 2. 3). (3. 2. 1) es una base de R
3
.
Ejemplo 90 Demostrar que
__
2 1
2 1
_
.
_
3 3
4 2
_
.
_
2 1
5 1
_
.
_
4 5
7 5
__
es una base de
`
2
(R).
Demostracin. Primeramente vamos a demostrar que el conjunto es linealmente indepen-
diente. Sean c. /. c. d R tales que
_
0 0
0 0
_
= c
_
2 1
2 1
_
+/
_
3 3
4 2
_
+c
_
2 1
5 1
_
+d
_
4 5
7 5
_
_
0 0
0 0
_
=
_
2c + 3/ + 2c + 4d c + 3/ c + 5d
2c + 4/ + 5c + 7d c + 2/ c + 5d
_
.
2c + 3/ + 2c + 4d = 0
c + 3/ c + 5d = 0
2c + 4/ + 5c + 7d = 0
c + 2/ c + 5d = 0
_
_
2 3 2 4
1 3 1 5
2 4 5 7
1 2 1 5
_
_
y
2 3 2 4
1 3 1 5
2 4 5 7
1 2 1 5
= 98.
Por Cramer, el sistema tiene nica solucin, es decir, c = 0. / = 0. c = 0. d = 0.
Por lo tanto, el conjunto
__
2 1
2 1
_
.
_
3 3
4 2
_
.
_
2 1
5 1
_
.
_
4 5
7 5
__
es linealmente
independiente.
En la segunda parte de la demostracin veremos que el conjunto genera a `
2
(R). Sean
c. /. c. d R,
_
r
. t
_
`
2
(R) tales que
_
r
. t
_
= c
_
2 1
2 1
_
+/
_
3 3
4 2
_
+c
_
2 1
5 1
_
+d
_
4 5
7 5
_
_
r
. t
_
=
_
2c + 3/ + 2c + 4d c + 3/ c + 5d
2c + 4/ + 5c + 7d c + 2/ c + 5d
_
.
2c + 3/ + 2c + 4d = r
c + 3/ c + 5d =
2c + 4/ + 5c + 7d = .
c + 2/ c + 5d = t
Determinando la matriz del sistema y calculando su determinante tenemos
2 3 2 4
1 3 1 5
2 4 5 7
1 2 1 5
= 98.
Por Cramer, el sistema tiene nica solucin, la cual es ,
c =
16
49
r +
1
7
. +
2
7

11
49
t
/ = t
c =
3
14
+
3
98
r +
1
7
.
1
98
t
d =
9
14
t
1
2
+
1
14
r
2.4. BASES 81
Por lo tanto, el conjunto
__
2 1
2 1
_
.
_
3 3
4 2
_
.
_
2 1
5 1
_
.
_
4 5
7 5
__
genera a `
2
(R).
Y con ello el conjunto
__
2 1
2 1
_
.
_
3 3
4 2
_
.
_
2 1
5 1
_
.
_
4 5
7 5
__
es una base de
`
2
(R).
Ejemplo 91 Sea l =
_
_
(r. . .. t) R
4
,
_
_
1 3 2 0
1 2 1 3
0 1 3 1
_
_
_
r
.
t
_
_
=
_
_
0
0
0
_
_
_
_
_ R
4
. De-
terminar una base de l.
Solucin. Primero necesitamos encontrar un conjunto generador, para ello consideremos la
matriz del sistema y la escalonada reducida por la (recuerde que es un sistema homogneo)
_
_
1 3 2 0
1 2 1 3
0 1 3 1
_
_

_
_
1 0 0 11
0 1 0 5
0 0 1 2
_
_
por lo tanto
(r. . .. t) = (11c. 5c. 2c. c) con c R.
(r. . .. t) = c(11. 5. 2. 1) con c R
luego (11. 5. 2. 1) genera el espacio l.
Ahora es fcil demostrar que este conjunto es linealmente independiente, ya que
c(11. 5. 2. 1) = (0. 0. 0. 0) = c = 0.
As, (11. 5. 2. 1) es linealmente independiente, y por lo tanto es una base de l.
Ejemplo 92 Sea \ = j(r) R
2
[r] , j
0
(1) = j(0) _ R
2
[r]. Determinar un base de \.
Solucin. Primero necesitamos encontrar explcitamente la condicin que dene al conjunto.
Sea j(r) = c + /r + cr
2
. calculando su derivada obtenemos j
0
(r) = / + 2cr. Evaluando
la condicin se tiene
j
0
(1) = j(0)
/ + 2c = c
c = / + 2c. con /. c R.
notemos que /. c no tienen restricciones, luego
c +/r +cr
2
= / + 2c +/r +cr
2
= / +/r + 2c +cr
2
= /(1 +r) +c(2 +r
2
)
por lo tanto un conjunto generador de \ es
_
1 +r. 2 +r
2
_
Adems, este conjunto es linealmente independiente, ya que
c(1 +r) +/(2 +r
2
) = 0
(c + 2/) +cr +/r
2
= 0.
Recuerde que esta ltima es una igualdad polinomial, por lo tanto
c = 0. / = 0
es decir, 1 +r. 2 +r
2
As, 1 +r. 2 +r
2
es una base de \.
Ejercicio 93 Sea o
a
: 1. tal que o
a
() =
_
1 :i r =
0 :i r ,=
as o
a
1(; R). entonces
o
a
a2
. es un base de 1(. R).
Teorema 76 Sea \ un espacio vectorial sobre K. y
1
.
2
. ....
n
. una base de \. Si n \
y
n = c
1
1
+c
2
2
+... +c
n
n
tal que c
1
,= 0 entonces n.
2
. ....
n
. es una base de \.
Observacin. Note que la eleccin del primer elemento de la base no tiene mayor impor-
tancia, ya que la condicin esencial es que el coeciente sea no nulo.
En el teorema anterior, podemos reemplazar cualquier
i
en la base por n. siempre que
c
i
,= 0.
Ejemplo 94 Sea l = (1. 1. 1) . (1. 0. 0) el subespacio de R
3
. Como el vector
(3. 7. 7) = 7(1. 1. 1) 4(1. 0. 0)
y adems 7 ,= 0 luego
(1. 1. 1) . (1. 0. 0) = (3. 7. 7). (1. 0. 0) .
Ejemplo 95 Sea \ un espacio vectorial sobre K. y n. \. Demostrar
n. = 7n + 2. 3n +
2.5. DIMENSIN 83
Demostracin. Como el vector
7n + 2 = 7 n + 2
y adems 7 ,= 0. luego
n. = 7n + 2.
y ahora veamos que el vector 3n + es combinacin de 7n + 2.
3n + =
3
7
(7n + 2) +
1
7
como
1
7
,= 0. tenemos
7n + 2. = 7n + 2. 3n +
Por lo tanto
n. = 7n + 2. 3n + .
Observacin. La demostracin del ejemplo anterior no es nica, al estudiante lo desaamos
a realizar otra demostracin.
Teorema 77 Sea \ un espacio vectorial sobre 1. y
1
.
2
. ....
n
. una base de \. Si el
conjunto n
1
. n
2
. .... n
a
es otra base de \. entonces : = :.
Consecuencia de este teorema es la siguiente denicin.
2.5. Dimensin
Denicin 78 Sea \ un espacio vectorial sobre K. Decimos que la dimensin de \ es : si
y slo si existe una base de \ tal que su cardinal es :.
Notacin. Cuando la dimensin de \ es : lo denotamos por dim
K
\ = :. o simplemente
dim\ = :.
Ejemplo 96 1. Las matrices triangulares superiores de orden :. forman un subespacio de
las matrices de orden : y su dimensin es
a(a+1)
2
. la base esta formada por las matrices
1
i)
(El coeciente del lugar (i. ,) es 1 y el resto es cero) con i _ ,. es decir
1 = 1
i)
, 1 _ i _ , _ :
2. Las matrices simtricas de orden :. forman un subespacio de las matrices de orden :
y su dimensin es
a(a+1)
2
. la base est formada por las matrices 1
i)
+1
)i
con i _ ,. es
decir
1 = 1
i)
+1
)i
, 1 _ i _ , _ :
3. Las matrices antimtricas de orden :. forman un subespacio de las matrices de orden
: y su dimensin es
a(a1)
2
. la base est formada por las matrices 1
i)
1
)i
con i < ,.
es decir
1 = 1
i)
1
)i
, 1 _ i < , _ :
4. Las matrices diagonales de orden :. forman un subespacio de las matrices de orden :
y su dimensin es :. la base est formada por las matrices 1
ii
. es decir
1 = 1
ii
, 1 _ i _ :
5. R
a
es un espacio vectorial sobre R y su dimensin es :. la base est formada por las
:-uplas c
i
(donde el coeciente del lugar i tiene el valor uno y en los otros cero), es
decir
1 = c
i
, 1 _ i _ :
6. C
a
es un espacio vectorial sobre C y su dimensin es :. la base est formada por las
:-uplas c
i
(donde el coeciente del lugar i tiene el valor uno y en los otros cero), es
decir
1 = c
i
, 1 _ i _ :
7. K
a
[r] =
_
Los polinomios en la variable r con coecientes en 1. de
grado menor o igual que : incluyendo al polinomio nulo
_
es un
subespacio de K[r] y su dimensin es : +1. la base est formada por r
i
. 0 _ i _ :. es
decir
1 =
_
r
i
, 0 _ i _ :
_
Teorema 79 Sea \ un Kespacio vectorial de dimensin : y un subconjunto de \ en-
tonces:
1. Si el cardinal de es : y es un conjunto linealmente independiente entonces es
una base de \ .
2. Si el cardinal de es : y es un conjunto que genera a \ entonces es una base de
\ .
3. Si el cardinal de es mayor estricto que : entonces es un conjunto linealmente
dependiente.
4. Si el cardinal de es menor estricto que : entonces el generado por es un subespacio
distinto de \ .
Corolario 80 Sea \ un Kespacio vectorial de dimensin : y l un subespacio vectorial
de \ tal que diml = :. entonces l = \.
2.5. DIMENSIN 85
Observacin. Tenga presente que para aplicar este teorema, es necesario conocer la dimen-
sin del espacio.
Ejemplo 97 Determinar la dimensin del espacio
\ =
_
`
2
(R) ,
_
1 2
3 6
_
=
_
0 0
0 0
__
_ `
2
(R).
Solucin. Sea =
_
c /
c d
_
\. luego
_
c /
c d
_ _
1 2
3 6
_
=
_
0 0
0 0
_
_
c + 3/ 2c + 6/
c + 3d 2c + 6d
_
=
_
0 0
0 0
_
igualando coecientes tenemos
c + 3/ = 0
c + 3d = 0
resolviendo y reemplazando en la matriz obtenemos
_
c /
c d
_
=
_
3/ /
3d d
_
= /
_
3 1
0 0
_
+d
_
0 0
3 1
_
.
es decir
\ =
__
3 1
0 0
_
.
_
0 0
3 1
__
.
Falta demostrar que son linealmente independiente,
r
_
3 1
0 0
_
+
_
0 0
3 1
_
=
_
0 0
0 0
_
_
3r r
3
_
=
_
0 0
0 0
_
as obtenemos que r = 0. = 0. con lo cual
__
3 1
0 0
_
.
_
0 0
3 1
__
es una base de \.
Por lo tanto la dimensin de \ es 2.
Ejercicios.
1. Sean
l = (r. . .. t) R
4
,r + . = 0 . 2r + 3 t = 0.
\ = < (1. 2. 1. 3). (1. 1. 2. 1)
a) Determinar una base de l y su dimensin.
b) Encontrar un base de l \ y su dimensin.
2. Sean
l = (r. . .. t) R
4
,2r + 3 +. + 2t = 0 . r + 2 + 3. +t = 0.
\ = (r. . .. t) R
4
,2r + 2 8. + 2t = 0
a) Determinar una base de l y su dimensin.
b) Encontrar un base de l \ y su dimensin.
3. Dado el espacio vectorial
l =
_
(r. . .. t) R
4
[
r + 2 +. = 0
2r + 4 +. t = 0
_
Determinar una base de l y su dimensin.
4. Determinar si las siguientes armaciones son verdaderas o falsas
a) (r. . .) R
3
[ 2r + . = 0 es un subespacio vectorial de R
3
.
b) (r. . .) R
3
[ r + . _ 0 es un subespacio vectorial de R
3
.
c)
__
r
. t
_
`
2
(R) [ rt . = 0
_
es un subespacio vectorial de `
2
(R).
d)
__
r
. t
_
`
2
(R) [
_
1 1
1 1
_ _
r
. t
_ _
0 0
1 1
_
=
_
0 0
0 0
__
es un subespa-
cio vectorial de `
2
(R).
e) El conjunto (1. 0. 2) . (1. 1. 1) . (1. 2. 3) es linealmente independiente.
f ) El conjunto
__
1 0
0 1
_
.
_
1 1
0 1
_
.
_
2 1
1 2
__
5. Hallar una base y la dimensin de l
l =
_
(r. . .. t) R
4
[
r + . = 0
r + 4t = 0
_
.
2.6. Suma Directa
Teorema 81 Sean \ un K-espacio vectorial y l. \ dos subespacios de \. entonces l \
es un subespacio de \.
Demostracin. Como l y \ son subespacios vectoriales de \. en ambos espacios se
verican las propiedades de espacio vectorial, de donde se obtiene:
i) 0 l y 0 \. luego 0 l \.
2.6. SUMA DIRECTA 87
ii) Adems, dados n. n l \. entonces
n. n l. y n. n \
y as
n +n l. y n +n \
luego
n +n l \
iii) Finalmente si n l \. y c K. entonces
n l y n \ y c K
por lo tanto
cn l y cn \
lo que equivale a decir que
cn l \.
De (i), (ii) y (iii) se tiene que l \ es un subespacio de \.
Ejemplo 98 Sean
l = (r. . .) R
3
, 2r + 3 +. = 0 y \ = (r. . .) R
3
, r + 2. = 0.
Determinar una base de l \.
Solucin. Sea (r. . .) l \. luego (r. . .) l y (r. . .) \. As tenemos que
2r + 3 +. = 0 y r + 2. = 0
por lo tanto debemos resolver el sistema, lo cual haremos mediante operaciones elementales
la.
_
2 3 1 0
1 1 2 0
_

_
1 0 7 0
0 1 5 0
_
luego r = 7t, = 5t. . = t. con t R.
As obtenemos
(r. . .) l \ = (r. . .) = (7t. 5t. t) = t(7. 5. 1) con t R
es decir
l \ =< (7. 5. 1)
Como el vector es no nulo, luego (7. 5. 1) es una base de l \.
Ejemplo 99 Sean
l = (r. . .) R
3
, 3r + 2 . = 0 y \ =< (1. 1. 1). (2. 1. 1) .
3r + 2 . = 0 y (r. . .) = c(1. 1. 1) +/(2. 1. 1). con c. / R. con lo cual,
(r. . .) = (c + 2/. c +/. c /)
r = c + 2/. = c +/. . = c /
Reemplazando en la ecuacin que dene la pertenencia a l tenemos,
3(c + 2/) + 2(c +/) (c /) = 0
4c + 9/ = 0
c =
9
4
/
con lo cual obtenemos
(r. . .) = c(1. 1. 1) +/(2. 1. 1)
=
9
4
/(1. 1. 1) +/(2. 1. 1)
= /(
1
4
.
5
4
.
5
4
)
As,
(r. . .) l \ = (r. . .) = /(
1
4
.
5
4
.
5
4
) con / R
es decir
l \ =
_
(
1
4
.
5
4
.
5
4
)
_
.
Como el vector es no nulo, luego
_
(
1
4
.
5
4
.
5
4
)
_
es una base de l \.
Ejemplo 100 Sean l =< (1. 2. 1. 1). (1. 3. 1. 2) y \ =< (2. 1. 1. 1). (2. 2. 1. 1) sube-
spacios de R
4
.
Solucin. Sea (r. . .. t) l \. luego (r. . .. t) l y (r. . .. t) \.
Veremos primero las condiciones para que el vector pertenezca a l.
(r. . .. t) = c(1. 2. 1. 1) +/(1. 3. 1. 2). con c. / R.
(r. . .. t) = (c +/. 2c + 3/. c +/. c + 2/) con c. / R.
Ahora el vector (r. . .. t) tambin pertenece a \. entonces
(r. . .. t) = c(2. 1. 1. 1) +d(2. 2. 1. 1). con c. d R.
(r. . .. t) = (2c + 2d. c + 2d. c +d. c d) con c. d R.
Con lo cual tenemos que el vector debe satisfacer las dos condiciones, luego
(c +/. 2c + 3/. c +/. c + 2/) = (2c + 2d. c + 2d. c +d. c d). con c. /. c. d R.
Reescribiendo las ecuaciones se obtiene el sistema
c +/ 2c 2d = 0
2c + 3/ c 2d = 0
c +/ c d = 0
c + 2/ c +d = 0
Luego la matriz asociada al sistema de ecuaciones lineales es,
_
_
1 1 2 2
2 3 1 2
1 1 1 1
1 2 1 1
_
_

_
_
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
_
_
y as las soluciones son:
c = 0. / = 0. c = 0. d = 0
Reemplazando en cualesquiera de las dos combinaciones lineales se tiene que
(r. . .. t) = c(1. 2. 1. 1) +/(1. 3. 1. 2)
= (0. 0. 0. 0)
As,
(r. . .. t) l \ = (r. . .. t) = (0. 0. 0. 0)
es decir
l \ = (0. 0. 0. 0).
Como el vector es nulo, luego no existe base del espacio nulo l \.
Ejemplo 101 Sean l = (2. 1. 2. 1). (3. 1. 2. 2) y \ = (1. 1. 1. 1). (2. 1. 4. 1) sub-
espacios de R
4
. Determinar una base de l \.
Solucin. Sea (r. . .. t) l \. luego (r. . .. t) l y (r. . .. t) \.
Veremos primero las condiciones para que el vector pertenezca a l.
(r. . .. t) = c(2. 1. 2. 1) +/(3. 1. 2. 2). con c. / R.
(r. . .. t) = (2c + 3/. c +/. 2c + 2/. c + 2/) con c. / R.
Ahora el vector tambin pertenece a \. entonces
(r. . .. t) = c(1. 1. 1. 1) +d(2. 1. 4. 1). con c. d R.
(r. . .. t) = (c + 2d. c +d. c + 4d. c d) con c. d R.
De esto se tiene que el vector (r. . .. t) debe satisfacer ambas condiciones, es decir:
(2c + 3/. c +/. 2c + 2/. c + 2/) = (c + 2d. c +d. c + 4d. c d). con c. /. c. d R.
Reescribiendo las ecuaciones obtenemos el sistema
2c + 3/ c 2d = 0
c +/ c d = 0
2c + 2/ c 4d = 0
c + 2/ c +d = 0
La matriz asociada al sistema de ecuaciones lineales es
_
_
2 3 1 2
1 1 1 1
2 2 1 4
1 2 1 1
_
_

_
_
1 0 0 5
0 1 0 2
0 0 1 2
0 0 0 0
_
_
y as las soluciones son:
c = 5|. / = 2|. c = 2|. d = |
Reemplazando en cualesquiera de las dos combinaciones lineales tenemos
(r. . .. t) = c(2. 1. 2. 1) +/(3. 1. 2. 2)
= 5|(2. 1. 2. 1) 2|(3. 1. 2. 2)
= |(4. 3. 6. 1)
As,
(r. . .. t) l \ = (r. . .. t) = |(4. 3. 6. 1)
es decir
l \ =< (4. 3. 6. 1) .
Como el vector no es nulo, (4. 3. 6. 1) es una base del espacio l \.
Observacin. La unin de subespacios vectoriales de un espacio vectorial \ , en general, no
es un subespacio vectorial de \ . Ejemplo de ello lo tenemos en el caso de l =< c
1
. y
\ =< c
2
ambos son subespacios de \ = R
2
. pero la unin de ellos no es un subespacio,
ya que c
1
+c
2
, l ' \.
Consideremos ahora el subespacio generado por la unin de l y \, (l. \ como en la
observacin anterior),
l ' \
y describamos los vectores que lo forman.
Como el espacio generado por l ' \ es un subespacio vectorial de \ , se tiene que para
n l y n \. n +n debe pertenecer a l ' \ . As tenemos que todos los elementos de
la forma n +n pertenecen a l ' \ .
Ahora veamos que acontece con dos elementos de la forma n +n, para ello consideremos
n +n l ' \ . n
0
+n
0
l ' \
n +n +n
0
+n
0
l ' \
Usando las propiedades asociativa y conmutativa de la suma tenemos que
(n +n) + (n
0
+n
0
) = (n +n
0
) + (n +n
0
)
Luego podemos mantener su estructura, es decir, como la suma de un elemento en l ms
otro elemento en \.
Ahora veamos que sucede con la multiplicacin por escalar.
n +n l ' \ y c K
c(n +n) = cn +cn l ' \
Con lo cual se tiene que
l ' \ = n +n \ , n l. n \ .
2.6.1. Sumas de Espacios
Denicin 82 Sea \ un K-espacio vectorial y l. \ dos subespacios de \ entonces se dene
la suma de l y \ como n +n \ , n l. n \ . es decir
l +\ = n +n \ , n l. n \ .
Ejemplo 102 Sean l =< c
1
y \ =< c
2
dos subespacios de R
2
entonces
l +\ =
_
n +n R
2
, n l. n \
_
=
_
rc
1
+c
2
R
2
, rc
1
l. c
2
\. r. R
_
=
_
(r. ) R
2
, r. R
_
= R
2
< c
1
+ < c
2
= R
2
.
Ejemplo 103 Sean l = (r. ) R
2
, r+3 = 0. \ = (r. ) R
2
, 2r+5 =
0 subespacios de R
2
. Determinar l +\.
Solucin. Primero determinemos un conjunto generador del subespacio l.
l = (r. ) R
2
, r + 3 = 0
l = (r. ) R
2
, r = 3
l = (3. ) R
2
, R
l = < (3. 1) .
Ahora realicemos el mismo proceso con \.
\ = (r. ) R
2
, 2r + 5 = 0
\ = (r. ) R
2
, r =
5
2
\ = (
5
2
. ) R
2
, R
\ =
__
5
2
. 1
__
.
Ahora veamos la suma,
l +\ = n +n R
2
, n l. n \
= r(3. 1) +(
5
2
. 1) R
2
, r. R
=
_
(3. 1). (
5
2
. 1)
_
Como
_
(3. 1). (
5
2
. 1)
_
es un conjunto linealmente independiente, ya que
3 1
5
2
1
=
1
2
,= 0
entonces
_
(3. 1). (
5
2
. 1)
_
es una base de R
2
. luego
l +\ =
_
(3. 1). (
5
2
. 1)
_
= R
2
Teorema 83 Sean l. \ subespacios vectoriales de \ tales que l =< y \ =< 1
con y 1 subconjuntos de \. entonces
l +\ =< ' 1 .
Teorema 84 Sea \ un espacio vectorial de dimensin nita y l. \ subespacios vectoriales
de \. entonces
dim(l +\) = dim(l) + dim(\) dim(l \).
2.6.2. Suma Directa
Denicin 85 Sea \ un Kespacio vectorial y l. \ dos subespacios vectoriales de \. De-
cimos que \ es suma directa de l y \ si y slo si todo vector de \ se escribe en forma
nica como un vector de l ms otro vector de \.
Notacin. Si \ es suma directa de l y \ esto se denota por \ = l \.
Observacin. La denicin dice que un espacio vectorial \ es suma directa de los subespa-
cios l y \ si dado cualquier en \ existe un nico n en l y existe un nico n en \ de
modo que = n +n.
Ejemplo 104 En R
2
. tenemos que todo elemento (r. ) se puede escribir como
(r. ) = (r. 0) + (0. )
la cual es nica, con la condicin que cada uno de los sumandos est situado en l =< c
1

y \ =< c
2
respectivamente. As podemos decir que
R
2
=< c
1
< c
2
.
Teorema 86 Sea \ un K-espacio vectorial y l. \ dos subespacios vectoriales de \.
\ es suma directa de l y \ si y slo si se cumple
i) l \ = 0
ii) \ = l +\.
Ejemplo 105 Sean l = (r. . .) R
3
, 3r + 2 . = 0. y \ =< (1. 2. 1) .
Determinar si R
3
es suma directa de l y \.
3r + 2 . = 0 y (r. . .) = c(1. 2. 1). con c R. con lo cual
(r. . .) = (c. 2c. c)
Reemplazando en la ecuacin, obtenemos,
3(c) + 2(2c) (c) = 0
6c = 0
c = 0
y as tenemos que
(r. . .) = c(1. 2. 1)
= (0. 0. 0).
Finalmente,
(r. . .) l \ = (r. . .) = (0. 0. 0)
es decir,
l \ = (0. 0. 0)
Ahora, determinaremos un conjunto generador de l. para ello
3r + 2 . = 0
. = 3r + 2
Por lo tanto,
(r. ..) l = (r. . .) = (r. . 3r + 2)
= (r. . .) = r(1. 0. 3) +(0. 1. 2)
luego l =< (1. 0. 3). (0. 1. 2) . Como l =< (1. 0. 3). (0. 1. 2) y \ =< (1. 2. 1) se tiene
que
l +\ =< (1. 0. 3). (0. 1. 2). (1. 2. 1)
El conjunto (1. 0. 3). (0. 1. 2). (1. 2. 1) . generador de l +\. es una base de R
3
ya que
1 0 1
0 1 2
3 2 1
= 6
Con lo cual hemos probado que
R
3
= l \.
Ejemplo 106 Sean
l = (r. . .. t) R
4
, 3r + 2 . = 0. r + +t = 0.
\ = (r. . .. t) R
4
, r + . +t = 0. r + 2 +. t = 0
dos subespacios de R
4
. Determinar si R
4
es suma directa de l y \.
Solucin. Sea (r. . .. t) l \. luego (r. . .. t) l y (r. . .. t) \. Cada pertenencia
nos entrega dos ecuaciones con las cuales obtenemos el siguiente sistema de ecuaciones lineales
3r + 2 . = 0
r + t = 0
r + . +t = 0
r + 2 +. t = 0
y la matriz del sistema esta dada por
_
_
3 2 1 0
1 1 0 1
1 1 1 1
1 2 1 1
_
_
.
cuyo determinante es 3. luego el sistema tiene nica solucin, es decir, la solucin trivial.
Por lo tanto,
l \ = (0. 0. 0. 0) .
Ahora determinaremos un conjunto generador para cada uno de los subespacios. Reali-
cemos esto para el subespacio l.
3r + 2 . = 0. r + +t = 0
. = 3r + 2. t = r .
As,
(r. . .. t) = (r. . 3r + 2. r )
(r. . .. t) = r(1. 0. 3. 1) +(0. 1. 2. 1)
por lo tanto
l =< (1. 0. 3. 1). (0. 1. 2. 1) .
Ahora obtendremos un conjunto generador de \.
r + . +t = 0. r + 2 +. t = 0
r = 3. 3t. = 2. + 2t
As,
(r. . .. t) = (3. 3t. 2. + 2t. .. t)
(r. . .. t) = .(3. 2. 1. 0) +t(3. 2. 0. 1)
2.7. COORDENADAS 95
por lo tanto
\ =< (3. 2. 1. 0). (3. 2. 0. 1) .
Como l =< (1. 0. 3. 1). (0. 1. 2. 1) y \ =< (3. 2. 1. 0). (3. 2. 0. 1) . en-
tonces
l +\ =< (1. 0. 3. 1). (0. 1. 2. 1). (3. 2. 1. 0). (3. 2. 0. 1) .
El conjunto (1. 0. 3. 1). (0. 1. 2. 1). (3. 2. 1. 0). (3. 2. 0. 1) . generador de l +\. es una
base de R
4
. ya que

1 0 3 3
0 1 2 2
3 2 1 0
1 1 0 1
= 5
Con esto hemos demostrado que
R
4
= l \.
Ejercicios.
1. Sea 1(R. R) un R-espacio vectorial,
l = , 1(R. R) , ,(r) = ,(r). \ = , 1(R. R) , ,(r) = ,(r)
subespacio de 1(R. R)
a) Demostrar que l \ = 0.
b) Demostrar que l +\ = 1(R. R).
2. Sean \ = (r. . .) R
3
, 3r + 2 . = 0 y l =< (1. 1. 2) . Demostrar
que R
3
= l \
3. Sean
\ = (r. . .. t) R
4
, 3r + 2 . +t = 0. r + . = 0.
l = < (1. 1. 1. 2). (0. 1. 3. 1)
Demostrar que R
4
= l \.
2.7. Coordenadas
Sea \ un espacio vectorial sobre K de dimensin : y E =
1
.
2
. ....
a
base de \. De
ahora en adelante consideremos que las bases son ordenadas, esto es, una base es ordenada
si jamos la posicin en que se encuentran los vectores en la base.
Como E es una base de \. todo elemento de \ es combinacin lineal nica de los elementos
de la base, es decir
= c
1
1
+c
2
2
+... +c
a
a
Denotamos las coordenadas de . con respecto a la base ordenada E. por []
B
la cual es
una matriz de orden : 1 cuyos coecientes son los escalares (en el orden establecido), es
decir,
[]
B
=
_
_
c
1
c
2
.
.
.
c
a
_
_
Ejemplo 107 Sea E = 1 r. 1 + 2r + r
2
. 1 + r
2
una base de R
2
[r]. Determinar las
coordenadas de = 1 y = c +/r +cr
2
, respecto a la base E.
Solucin. Escribamos 1 en combinacin lineal de 1 r. 1 + 2r +r
2
. 1 +r
2
.
1 = c(1 r) +/(1 + 2r +r
2
) +c(1 +r
2
)
1 = (c +/ +c)1 + (c + 2/)r + (/ +c)r
2
1 = c +/ +c. 0 = c + 2/. 0 = / +c
c = 1. / = 1,2. c = 1,2
As,
[1]
B
=
_
_
1
1,2
1,2
_
_
.
Ahora escribamos el vector c+/r+cr
2
en combinacin lineal de 1r. 1+2r+r
2
. 1+r
2
.
c +/r +cr
2
= c(1 r) +,(1 + 2r +r
2
) +(1 +r
2
)
c +/r +cr
2
= (c +, +)1 + (c + 2,)r + (, +)r
2
c = c +, +. / = c + 2,. c = , +.
Para resolver el sistema, asociemos la matriz y escalonemos
_
_
1 1 1 c
1 2 0 /
0 1 1 c
_
_

_
_
1 0 0 c c
0 1 0
1
2
/ +
1
2
c
1
2
c
0 0 1
3
2
c
1
2
/
1
2
c
_
_
As,
c +/r +cr
2
= (c c) (1 r) +
_
1
2
/ +
1
2
c
1
2
c
_
(1 + 2r +r
2
) +
_
3
2
c
1
2
/
1
2
c
_
(1 +r
2
)
Por lo tanto,
_
c +/r +cr
2
B
=
_
_
c c
1
2
/ +
1
2
c
1
2
c
3
2
c
1
2
/
1
2
c
_
_
Ejercicios.
2.8. PRODUCTO TENSORIAL 97
1. Sea T = (1. 1. 1). (2. 1. 1). (3. 1. 1) una base de R
3
.
Determinar:
a) [(1. 2. 3)]
D
b) [(r. . .)]
D
2. Sea E = 1 r. 2 +r r
2
. 3r
2
r + 1 una base de R
2
[r]. Determinar:
a) [1 +r r
2
]
B
b) [cr
2
+/r +c]
B
3. Sea T = (1. 2. 1). (1. 3. 2) una base de
U = (r. . .) R
3
, r +. = 0
a) Si [n]
D
=
_
1
2
_
. Determinar n
b) Si []
D
=
_
3t
2t
_
. Determinar
4. Sea U = (r. . .) R
3
, 2r 3 + 5. = 0 y / una base de U tal que
[(1. 1. 1)]
A
=
_
1
2
_
[(4. 1. 1)]
A
=
_
3
2
_
Determinar la base /.
2.8. Producto tensorial
Otra de las operaciones que podemos estudiar entre espacios vectoriales es el producto
tensorial con el cual podemos construir nuevos espacios vectoriales. Una de las nociones
necesarias para poder entender el producto tensorial es el de Espacio Cuociente.
2.8.1. Espacio Cuociente
Sea \ un espacio vectorial sobre K. y l un subespacio vectorial de \. denamos la
siguiente relacin de equivalencia sobre \ : dos elementos de \ estan relacionados si y slo
si la diferencia de ellos pertenece a l. es decir,
n s = n l
Podemos comprobar que s cumple las propiedades:
(a) Reeja:
Como l es un espacio vectorial, luego
0 l = n n l = n s n.
Por lo tanto,
(\n \ )(n s n)
(b) Simtrica:
Sean n. \. tales que n s . luego n l y como l es un espacio vectorial,
entonces (1)(n ) l. pero
(1)(n ) = n + = n
por lo tanto n l lo que equivale a decir que s n.
As hemos demostrado
(\n. \ ) ((n s ) = ( s n))
(c) Transitiva:
Sean n. . n l tales que n s y s n. entonces (n ) y ( n) l y como
l es un subespacio, la suma de ellos pertenece a l.
(n ) + ( n) = n + (( +) n)
= n n
luego n n l y por lo tanto n s n.
Es decir,
(\n. \ ) [((n s ) . ( s n)) = (n s n)]
Usando estas propiedades denimos la clase de equivalencia de n \. dada por
n = \ , s n
= \ , n l
= \ , n = n l
= \ , = n +n. n l
= n +n \ , n l
= n +l
Finalmente denimos el conjunto cuociente \,l como el conjunto de todas las clases de
equivalencia,
\,l = n , n \
Observacin. Note que los elementos de \,l son conjuntos. A continuacin daremos una
estructura de espacio vectorial a \,l.
a) Primero denamos la suma: dadas dos clases n. . denimos n+ como (n +). es decir,
sumamos los vectores y a continuacin determinamos su clase. La denicin anterior
se basa en la siguiente propiedad.
n s n
0
. s
0
= (n +) s (n
0
+
0
)
la cual es fcil comprobar, basta notar:
n s n
0
. s
0
= n n
0
l.
0
l
= (n n
0
) + (
0
) l
= (n +) (n
0
+
0
) l
= (n +) s (n
0
+
0
)
Esta propiedad nos permite escribir
n = n
0
. =
0
= (n +) = (n
0
+
0
)
b) Ahora denamos la multiplicacin por escalar: dada una clase n. y un escalar c K,
denimos c n como (c n). es decir primero multiplicamos el vector por el escalar y
luego determinamos su clase.
La denicin anterior se basa en la siguiente propiedad
n s n
0
. c K = cn s cn
0
la cual tambin es fcil de comprobar,
n s n
0
. c K = n n
0
l. c K
= c(n n
0
) l. c K
= (cn cn
0
) l. c K
= cn s cn
0
Esta propiedad nos permite escribir
n = n
0
. c K = cn = cn
0
.
Denicin 87 Sea \ un espacio vectorial sobre K y l un subespacio de \. Se dene en el
conjunto cuociente
\,l = n , n \
las operaciones
n + = n +. n. \
c n = c n. n \. c K
Teorema 88 Con las operaciones denidas anteriormente \,l es un espacio vectorial sobre
K.
Ejemplo 108 Sea l =< (1. 1) subespacio de R
2
. Describir el espacio vectorial cuociente
R
2
,l.
Solucin. Las clases o los vectores que pertenecen al conjunto cuociente estan dados por:
(r. ) = (r
0
.
0
) R
2
, (r
0
.
0
) s (r. )
= (r
0
.
0
) R
2
, (r
0
.
0
) (r. ) < (1. 1)
= (r
0
.
0
) R
2
, (r
0
.
0
) (r. ) = t(1. 1). t R
= (r
0
.
0
) R
2
, (r
0
.
0
) = (r. ) +t(1. 1). t R
= (r. ) +t(1. 1) R
2
, t R.
Geometricamente la clase de (r. ) corresponde a la recta cuyo vector director es (1. 1) y
pasa por (r. ).
Dos ejemplos concretos de clase son:
(0. 1) = (0. 1) +t(1. 1) R
2
, t R.
= (r. ) R
2
, r = 1
= (r. ) R
2
, r = 1
(1. 2) = (1. 2) +t(1. 1) R
2
, t R.
= (r. ) R
2
, r 1 = 2
= (r. ) R
2
, r = 1
= (0. 1)
es decir, ambos vectores son iguales y representan la recta de pendiente 1 que pasa por el
punto (1. 2).
La operatoria que transforma a este conjunto en un espacio vectorial sobre R es:
(r. ) + (c. /) = (r +c. +/)
c(r. ) = (cr. c)
En un ejemplo concreto tenemos
(1. 2) + (1. 3) = (2. 5)
c(1. 2) = (c. 2c)
Geomtricamente la suma de los vectores (1. 2) y (1. 3) es la recta de pendiente 1 que
pasa por el punto (2. 5).
Ejemplo 109 Sea l = (r. . .. n) R
4
, r + = 0. r + . n = 0 subespacio de
R
4
. Describir el espacio cuociente R
4
,l.
Solucin. Las clases o los vectores que pertenecen al conjunto cuociente estan dados por:
(r. . .. n) = (r
0
.
0
. .
0
. n
0
) R
4
, (r
0
.
0
. .
0
. n
0
) s (r. . .. n)
= (r
0
.
0
. .
0
. n
0
) R
4
, (r
0
.
0
. .
0
. n
0
) (r. . .. n) l
Para poder explicitar la clase de (r
0
.
0
. .
0
. n
0
) necesitamos encontrar un conjunto generador
de l. para ello resolvamos el sistema cuya matriz asociada es
_
1 1 0 0
1 0 1 1
_

_
1 0 1 1
0 1 1 1
_
As obtenemos que (1. 1. 1. 0) . (1. 1. 0. 1) es un conjunto generador de l. .ms aun
una base de l. Como
(r
0
.
0
. .
0
. n
0
) (r. . .. n) l
== (r
0
.
0
. .
0
. n
0
) (r. . .. n) (1. 1. 1. 0) . (1. 1. 0. 1)
== (r
0
.
0
. .
0
. n
0
) (r. . .. n) = c (1. 1. 1. 0) +/ (1. 1. 0. 1) . c. / R
== (r
0
.
0
. .
0
. n
0
) = (r. . .. n) +c (1. 1. 1. 0) +/ (1. 1. 0. 1) . c. / R
Por lo tanto
(r. . .. n) = (r. . .. n) +c (1. 1. 1. 0) +/ (1. 1. 0. 1) . c. / R
Dos ejemplos concretos de clases son:
(0. 1. 1. 2) = (0. 1. 1. 2) +c (1. 1. 1. 0) +/ (1. 1. 0. 1) . c. / R
= (/ c. c / + 1. c + 1. / + 2) R
4
, c. / R
(1. 1. 1. 0) = (1. 1. 1. 0) +c (1. 1. 1. 0) +/ (1. 1. 0. 1) . c. / R.
= (/ c + 1. c / 1. c + 1. /) R
4
, c. / R
En un ejemplo concreto tenemos
(0. 1. 2. 1) + (1. 1. 2. 3) = (1. 2. 4. 4)
c(1. 2. 0. 2) = (c. 2c. 0. 2c)
2.8.2. Producto tensorial
Sea \ un K-espacio vectorial y l. \ dos subespacios vectoriales de \. consideremos
el subespacio vectorial denido en el ejercicio 70.
o
)
(l \. K) = q : l \ K , q tiene soporte nito
el cual es un espacio vectorial con las operaciones de suma de funciones y multiplicacin por
escalar de una funcin.
Adems una base de este espacio es o
(&,&)
, (n. n) l \ donde o
(&,&)
es la
funcin denida de la siguiente forma:
o
(&,&)
(r. ) =
_
1 si (n. n) = (r. )
0 si (n. n) ,= (r. )
Este es un espacio de dimensin innita (l \ tiene innitos elementos).
Recuerde que una funcin q tiene soporte nito si y slo si el cardinal de
(n. n) l \ , q(n. n) ,= 0 es nito.
Observacin. Los vectores del espacio o
)
(l \. K) son funciones que pueden describirse
en forma anloga a los polinomios, es decir,
q =

q(n. n)o
(&,&)
donde o
(&,&)
juega el rol o papel de r
i
en un polinomio y la suma es nita dado que q es de
soporte nito.
En el espacio o
)
(l \. K). consideremos el subespacio generado por
= o
(c&,&)
co
(&,&)
. o
(&,c&)
co
(&,&)
. o
(&+&
0
,&)
o
(&,&)
o
(&
0
,&)
.
o
(&,&+&
0
)
o
(&,&)
o
(&,&
0
)
, n. n
0
l. n. n
0
\. c K
Con el subespacio generado por . construimos el espacio cuociente y as tenemos la
siguiente denicin.
Denicin 89 Sea \ un K -espacio vectorial y l. \ dos subespacios vectoriales de \. se
dene el producto tensorial de l y \. denotado por l \. al K-espacio vectorial
o
)
(l \. K),
es decir,
l \ = o
)
(l \. K),
Notacin. Los vectores de l \. son clases de funciones, en particular la clase de o
(&,&)
la
denotamos por n n. es decir, o
(&,&)
= n n.
Con esta notacin tenemos las siguientes propiedades.
Teorema 90 Sea \ un K-espacio vectorial y l. \ dos subespacios vectoriales de \. entonces
se tiene:
1. (\n l) (\n \) (\c K) ((cn) n = c (n n))
2. (\n l) (\n \) (\c K) (n (cn) = c (n n))
3. (\n. n
0
l) (\n \) ((n +n
0
) n = (n n) + (n
0
n))
4. (\n l) (\n. n
0
\) (n (n +n
0
) = (n n) + (n n
0
)) .
Ejemplo 110 Explicitar una base de R R.
Solucin. Primero veamos algunos vectores de este espacio, por ejemplo:
2 3. :
_
5. c
2
sin(3)
Usando las propiedades del teorema, tenemos
c , = (c 1) ,
= c(1 ,)
= c(1 (, 1))
= c,(1 1)
con lo cual hemos podido comprobar que
c , = c,(1 1)
generalizando el caso anterior, tenemos
i
c
i
,
i
=

i
c
i
,
i
(1 1)
= (
i
c
i
,
i
)(1 1)
= `(1 1)
As, todo vector de RR. es combinacin lineal de 11. Este vector es no nulo y genera
a RR, luego 1 1 es una base del espacio vectorial RR. y por lo tanto su dimensin
es 1.
Ejemplo 111 Explicitar una base de R
2
R
2
.
Solucin. Primero veamos algunos vectores de este espacio, por ejemplo:
(2. 1) (1. 3); (0. :) (
_
5. c
2
)
Recordemos que la base cannica de R
2
la denotamos por ( = c
1
. c
2
. Usando propiedades
del teorema anterior tenemos,
(c. /) (c. d) = (cc
1
+/c
2
) (c. d)
= (cc
1
) (c. d) + (/c
2
) (c. d)
= c(c
1
(c. d)) +/(c
2
(c. d))
= c(c
1
(cc
1
+dc
2
)) +/(c
2
(cc
1
+dc
2
))
= c(c
1
(cc
1
)) +c(c
1
(dc
2
)) +/(c
2
(cc
1
)) +/(c
2
(dc
2
))
= cc(c
1
c
1
) +cd(c
1
c
2
) +/c(c
2
c
1
) +/d(c
2
c
2
)
con lo cual hemos podido comprobar que
(c. /) (c. d) = cc(c
1
c
1
) +cd(c
1
c
2
) +/c(c
2
c
1
) +/d(c
2
c
2
)
generalizando el caso anterior, tenemos
i
(c
i
. /
i
) (c
i
. d
i
) =

i
c
i
c
i
(c
1
c
1
) +c
i
d
i
(c
1
c
2
) +/
i
c
i
(c
2
c
1
) +/
i
d
i
(c
2
c
2
)
=

i
c
i
c
i
(c
1
c
1
) +
i
c
i
d
i
(c
1
c
2
) +
i
/
i
c
i
(c
2
c
1
) +
i
/
i
d
i
(c
2
c
2
)
= `
11
(c
1
c
1
) +`
12
(c
1
c
2
) +`
21
(c
2
c
1
) +`
22
(c
2
c
2
)
As, todo vector de R
2
R
2
. es combinacin lineal de
(c
1
c
1
). (c
1
c
2
). (c
2
c
1
). (c
2
c
2
).
entonces obtenemos
c
1
c
1
. c
1
c
2
. c
2
c
1
. c
2
c
2
es una base del espacio vectorial R

2
R
2
.
Por lo anterior tenemos que el espacio vectorial R
2
R
2
tiene dimensin 4.
Ejercicios.
1. Explicitar una base de R R
2
.
2. Explicitar una base de R
2
R.
3. Explicitar una base de R
2
`
22
(R).
Captulo 3
Transformaciones lineales
3.1. Introduccin
Entre espacios vectoriales \ y \. sobre un mismo cuerpo K. se pueden denir una gran
variedad de funciones, nos interesa resaltar de estas funciones las que respetan la estructura
de espacio vectorial, es decir, respetan la suma de vectores y tambin la multiplicacin por
un escalar.
Al considerar este tipo de funciones, uno de los mejores ejemplo que disponemos es la
derivada como funcin de \ en \. siendo \ el R-espacio vectorial de todas las funciones
reales derivables. La funcin derivada respeta la suma y la multiplicacin por escalar, esto
es, dados ,. q en \ y c en R se tiene:
(, +q)
0
(r) = (,
0
+q
0
) (r)
(c,)
0
(r) = (c,
0
) (r) .
as tambin, la integral mirada como funcin desde el R-espacio vectorial \. de todas las
funciones integrables en el intervalo [c. /]. en el el R-espacio vectorial R tambin cumple estas
propiedades, es decir, dados ,. q en \ y c en R se tiene:
_
b
o
(, +q) (r)dr =
_
b
o
,(r)dr +
_
b
o
q(r)dr
_
b
o
(`,) (r)dr = `
_
b
o
,(r)dr
3.2. Transformaciones Lineales
En este captulo l. \. \ denotan espacios vectoriales sobre K.
Denicin 91 Sea 1 : l \. una funcin.
Se dice que 1 es una transformacin lineal si y slo si 1 satisface lo siguiente:
i) 1 respeta la suma, es decir,
(\n. l)(1(n +) = 1(n) +1())
105
106 CAPTULO 3. TRANSFORMACIONES LINEALES
ii) 1 respeta la multiplicacin por escalar
(\c K)(\n l)(1(cn) = c1(n))
Notacin. El conjunto de todas las transformaciones lineales de \ en \ se denota por
/(\. \). es decir,
/(\. \) = 1 : \ \ , 1 es una transformacin lineal
Ejemplo 112 Demostrar que la siguiente funcin
1 : R
2
R
2
(r. ) (. r)
es una transformacin lineal.
Solucin. Veamos primero que 1 respeta la suma. Sean (r. ). (r
0
.
0
) cualesquiera en R
2
1((r. ) + (r
0
.
0
)) = 1((r +r
0
. +
0
))
= ( +
0
. r +r
0
)
= (. r) + (
0
. r
0
)
= 1((r. )) +1((r
0
.
0
))
Ahora la multiplicacin por escalar. Sea (r. ) cualesquiera en R
2
y c en R
1(c(r. )) = 1((cr. c))
= (c. cr)
= c(. r)
= c1((r. ))
con lo cual hemos demostrado que 1 es una transformacin lineal.
1 : R
2
R
2
(r. ) (2r + 3. r 3)
Solucin. Veamos primero que 1 respeta la suma. Sean (r. ). (r
0
.
0
) cualesquiera en R
2
1((r. ) + (r
0
.
0
)) = 1((r +r
0
. +
0
))
= (2 (r +r
0
) + 3 ( +
0
) . (r +r
0
) 3 ( +
0
))
= (2r + 2r
0
+ 3 + 3
0
. r +r
0
3 3
0
)
= (2r + 3. r 3
0
) + (2r
0
+ 3
0
. r
0
3
0
)
= 1((r. )) +1((r
0
.
0
))
3.2. TRANSFORMACIONES LINEALES 107
Ahora la multiplicacin por escalar. Sea (r. ) cualesquiera en R
2
y c en R
1(c(r. )) = 1((cr. c))
= (2cr + 3c. cr 3c)
= (c (2r + 3) . c (r 3))
= c(2r + 3. r 3)
= c1((r. ))
1 : R
2
[r] R
2
cr
2
+/r +c (c /. 2c +/)
Solucin. Veamos primero que 1 respeta la suma. Sean cr
2
+ /r + c. y c
0
r
2
+ /
0
r + c
0
cualesquiera en R
2
[r]
1((cr
2
+/r +c) + (c
0
r
2
+/
0
r +c
0
)) = 1((c +c
0
)r
2
+ (/ +/
0
)r + (c +c
0
))
= ((c +c
0
) (/ +/
0
) . 2 (c +c
0
) + (/ +/
0
))
= (c / +c
0
/
0
. 2c +/ + 2c
0
+/
0
)
= (c /. 2c +/) + (c
0
/
0
. 2c
0
+/
0
)
= 1(cr
2
+/r +c) +1(c
0
r
2
+/
0
r +c
0
)
Ahora la multiplicacin por escalar. Sea cr
2
+/r +c cualesquiera en R
2
[r]. y ` en R
1(`
_
cr
2
+/r +c
_
) = 1(`cr
2
+`/r +`c)
= (`c `/. 2`c +`/)
= (`(c /) . `(2c +/))
= `(c /. 2c +/)
= c1(cr
2
+/r +c)
Proposicin 92 Sea 1 una funcin de l en \. entonces 1 es una transformacin lineal si
y slo si se cumple que
(\n. l) (\c K) (1(n +c) = 1(n) +c1())
Ejercicio 115 Demostrar que la siguiente funcin
1 : R
3
R
3
(r. . .) (2r +.. r +.. r)
Ejercicio 116 Demostrar que la siguiente funcin
1 : R
3
R
2
(r. . .) (r 2 +.. 2r + 3 + 2.)
Ejemplo 117 Hallar el conjunto de las preimgenes del vector nulo para la transformacin
lineal
1 : R
3
R
2
(r. . .) (2r + 3 +.. r 3 .)
Solucin. Necesitamos determinar los vectores (r. . .) de R
3
tales que
1(r. . .) = (0. 0)
Evaluando 1.
(2r + 3 +.. r 3 .) = (0. 0)
es decir,
2r + 3 +. = 0. r 3 . = 0
luego, utilizando la matriz asociada al sistema, obtenemos
_
2 3 1
1 3 1
_

_
1 0 0
0 1
1
3
_
por lo tanto,
r = 0 +
1
3
. = 0
con lo cual,
(r. . .) = (0.
1
3
.. .)
= .(0.
1
3
. 1)
As el conjunto de las preimgenes del vector nulo es el subespacio
_
(0.
1
3
. 1)
_
.
Observacin. Note que el resolver un sistema de ecuaciones lineales equivale a encontrar
las preimgenes de un vector para una transformacin lineal dada.
Teorema 93 Sean l. \ dos espacios vectoriales sobre K. adems sean n
1
. n
2
. .... n
a
una
base de l y
1
.
2
. ....
a
un subconjunto de \ entonces existe una nica transformacin
lineal 1 de l en \. tal que 1(n
i
) =
i
. i = 1. .... :
Observacin: Dado un vector n de l. se tiene que
n =
a
i=1
c
i
n
i
ya que n
1
. n
2
. .... n
a
es una base de l. como la transformacin del teorema anterior es lineal
entonces tenemos
1
_
a
i=1
c
i
n
i
_
=
a
i=1
c
i
i
.
Ejemplo 118 Determinar 1 una transformacion lineal de R
2
en
l = (r. . .) R
3
, r + +. = 0
tal que 1(1. 0) = (1. 2. 3) y 1(1. 1) = (5. 3. 2).
Solucin. Como (1. 0). (1. 1) es una base de R
2
y los vectores (1. 2. 3) y (5. 3. 2)
pertenecen a l. entonces existe un nica transformacin lineal.
Explicitemos la transformacin, para ello usemos la observacin anterior. Sea (r. ) R
2
.
luego
(r. ) = (r ) (1. 0) +(1. 1)
aplicando la transformacin lineal obtenemos
1(r. ) = 1 ((r ) (1. 0) +(1. 1))
= (r ) 1(1. 0) +1(1. 1)
= (r ) (1. 2. 3) +(5. 3. 2)
= (r + 4. 2r 5. 3r +)
Por lo tanto obtenemos la siguiente transformacin lineal:
1 : R
2
l
(r. ) (r + 4. 2r 5. 3r +)
.
Ejercicios.
Determinar si los siguientes funciones son transformaciones lineales. JUSTIFIQUE.
1. 1 : R
3
R
2
tal que 1(r. . .) = (r +. 3r +).
2. 1 : R
3
R
2
tal que 1(r. . .) = (r +. r +
_
2
).
3. 1 : R
2
R
2
tal que 1(r. ) = (r +
2
. r)
4. 1 : R
2
R
3
tal que 1(r. ) = (r +[[. r. )
5. 1 : R `
2
(R) tal que 1(r) =
_
r 2r
_
2r r
2
_
6. 1 : R
2
`
2
(R) tal que 1(r. ) =
_
r + r 3
2r r
_
3.2.1. Kernel o Ncleo
El poder distinguir este conjunto formado por todas las preimgenes del vector nulo
nos lleva a la siguiente denicin.
Denicin 94 Sea 1 : \ \ una transformacin lineal. Se dene el Kernel o Ncleo de
la transformacin lineal 1, denotado por Ker 1. al conjunto de las preimgenes del vector
nulo, es decir
Ker 1 = \ , 1() = 0
Ejemplo 119 Determinar el kernel de la siguiente transformacin lineal
1 : R
3
R
2
(r. . .) (r 2 +.. 2r + 3 + 2.)
Solucin. Como tenemos que
Ker 1 = \ , 1() = 0
reemplazando
Ker 1 =
_
(r. . .) R
3
, 1(r. . .) = (0. 0)
_
=
_
(r. . .) R
3
, (r 2 +.. 2r + 3 + 2.) = (0. 0)
_
=
_
(r. . .) R
3
, r 2 +. = 0. 2r + 3 + 2. = 0
_
para explicitar el Ker 1 debemos resolver el sistema de ecuaciones lineales homogneo, para
ello asociamos la matriz al sistema y determinamos su escalonada.
_
1 2 1
2 3 2
_

_
1 0 1
0 1 0
_
Con lo cual tenemos
Ker 1 =
_
(r. . .) R
3
, r +. = 0 = 0
_
=
_
(r. . .) R
3
, r = . = 0
_
=
_
(.. 0. .) R
3
, . R
_
= (1. 0. 1) .
Por lo tanto
Ker 1 = (1. 0. 1) .
Ejemplo 120 Determinar el kernel de la siguiente transformacin lineal
1 : R
3
R
2
(r. . .) (r 2 .. 2r + 3 + 2.)
Solucin. Como tenemos que
Ker 1 = \ , 1() = 0
reemplazando
Ker 1 =
_
(r. . .) R
3
, 1(r. . .) = (0. 0)
_
=
_
(r. . .) R
3
, (r 2 .. 2r + 3 + 2.) = (0. 0)
_
=
_
(r. . .) R
3
, r 2 . = 0 2r + 3 + 2. = 0
_
para explicitar el Ker 1 debemos resolver el sistema de ecuaciones lineales homogneo, para
ello asociamos la matriz al sistema y determinamos su escalonada.
_
1 2 1
2 3 2
_

_
1 0
1
7
0 1
4
7
_
Con lo cual tenemos
Ker 1 =
_
(r. . .) R
3
, r +
1
7
. = 0 +
4
7
. = 0
_
=
_
(r. . .) R
3
, r =
1
7
. =
4
7
.
_
=
_
(
1
7
..
4
7
.. .) R
3
, . R
_
=
__
1
7
.
4
7
. 1
__
.
Por lo tanto
Ker 1 =
__
1
7
.
4
7
. 1
__
Teorema 95 Sea 1 una transformacin lineal de l en \. es decir, 1 /(l. \ ) entonces
Ker 1 _ l
Ejemplo 121 En el ejemplo anterior tenemos la transformacin lineal
1 : R
3
R
2
(r. . .) (r 2 .. 2r + 3 + 2.)
cuyo kernel es
_
1
7
.
4
7
. 1
__
. Como el conjunto
__
1
7
.
4
7
. 1
__
genera y es linealmente inde-
pendiente, por lo tanto
__
1
7
.
4
7
. 1
__
es una base del Ker 1. As tenemos que la dimensin
del Ker 1 es 1.
Denicin 96 Se dene la nulidad de una transformacin lineal 1, como la dimensin del
kernel de 1. la cual denotamos por
Nul(1) = dimKer (1)
Otro de los elementos notables de una funcin es su recorrido, esto es, el conjunto de los
posibles vectores que puede alcanzar esta funcin.
3.2.2. Imagen o Recorrido
Recordemos la denicin de recorrido.
Denicin 97 Se dene la Imagen o Recorrido de una transformacin lineal 1, esto es
1 /(l. \ ). como el conjunto de los vectores que tienen al menos una preimagen.
Im(1) = Rec (1) = \ , (n l) (1(n) = )
Ejemplo 122 Dada la transformacin lineal
1 : R
3
R
3
(r. . .) (2r +.. r +.. r)
Determinar la imagen de 1.
Solucin. Si recordamos el proceso que usamos en el clculo en una variable, determinemos
cuales vectores tienen preimagen.
Para ello, sean (r. . .). (c. /. c) R
3
tales que
1(r. . .) = (c. /. c)
(2r +.. r +.. r) = (c. /. c)
Igualando coordenadas tenemos el siguiente sistema
2r +. = c
r +. = /
r = c
Ahora, resolvamos el sistema buscando la matriz asociada a l, y determinando su escalonada
_
_
2 1 1 c
1 1 1 /
1 0 0 c
_
_

_
_
1 0 0 c
0 1 1 c /
0 0 0 c c /
_
_
luego, un vector tiene preimagen si y slo si el sistema es consistente (no necesitamos que la
solucin sea nica), lo cual es equivalente a escribir
c c / = 0
Por lo tanto,
Im(1) = (c. /. c) R
3
,
_
(r. . .) R
3
_
(1(r. . .) = (c. /. c))
= (c. /. c) R
3
, c c / = 0
= < (1. 1. 0). (1. 0. 1) .
1 : R
3
R
2
(r. . .) (r 2 .. 2r + 3 + 2.)
Determinar la imagen de 1.
Solucin. Sean (r. . .) R
3
. (c. /) R
2
tales que
1(r. . .) = (c. /)
(r 2 .. 2r + 3 + 2.) = (c. /)
r 2 . = c
2r + 3 + 2. = /
Ahora, determinemos la matriz asociada a l, y su escalonada
_
1 2 1 c
2 3 2 /
_

_
1 0
1
7
3
7
c +
2
7
/
0 1
4
7
1
7
/
2
7
c
_
As, un vector tiene preimagen si y slo si el sistema es consistente. Como este sistema
siempre tiene solucin entonces,
Im(1) = R
2
.
Teorema 98 Sea 1 una transformacin lineal de l en \. es decir 1 /(l. \ ). entonces
Im1 _ \.
1 : R
2
R
3
(r. ) (2r . r 3. r)
Determinar una base de Im1.
Solucin. Sean (r. ) R
2
. (c. /. c) R
3
tales que
1(r. ) = (c. /. c)
(2r . r 3. r) = (c. /. c)
2r = c
r 3 = /
r = c
Ahora, determinemos la matriz asociada y su escalonada
_
_
2 1 c
1 3 /
1 0 c
_
_

_
_
1 0 c
0 1 2c c
0 0 / + 5c 3c
_
_
un vector tiene preimagen si y slo si el sistema tiene solucin, lo cual es equivalente a
/ + 5c 3c = 0
As,
Im(1) = (c. /. c) R
3
,
_
(r. ) R
2
_
(1(r. ) = (c. /. c))
= (c. /. c) R
3
, / + 5c 3c = 0
= < (1. 3. 0). (0. 5. 1) .
Es fcil probar que el conjunto (1. 3. 0). (0. 5. 1) es linealmente independiente, por lo
tanto una base de Im1.
Observacin: En los anteriores desarrollos no hemos utilizado el hecho de que las funciones
son transformaciones lineales, es decir, la propiedad
1(n +c) = 1(n) +c1()
desarrollemos el ejemplo de nuevo teniendo presente este hecho.
1 : R
2
R
3
(r. ) (2r . r 3. r)
Determinar una base de Im1.
Solucin. Sea (r. ) R
2
y consideremos la base cannica de R
2
, luego
(r. ) = r(1. 0) +(0. 1)
Aplicando la transfomacin lineal tenemos
1(r. ) = 1 (r(1. 0) +(0. 1))
= r1(1. 0) +1(0. 1)
pero, 1(1. 0) = (2. 1. 1) y 1(0. 1) = (1. 3. 0).
As,
1(r. ) = r(2. 1. 1) +(1. 3. 0)
es decir,
Im(1) = (c. /. c) R
3
,
_
(r. ) R
2
_
(1(r. ) = (c. /. c))
= (c. /. c) R
3
, (c. /. c) = r(2. 1. 1) +(1. 3. 0)
= < (2. 1. 1). (1. 3. 0) .
Es fcil probar que el conjunto (2. 1. 1). (1. 3. 0) es linealmente independiente, por
lo tanto, (2. 1. 1). (1. 3. 0) es otra base de Im1.
Teorema 99 Sea l un espacio vectorial, E = n
1
. n
2
. .... n
a
y 1 /(l. \ ). entonces
Im1 = 1(E) = 1(n
1
). 1(n
2
). .... 1(n
a
) .
Denicin 100 Se dene el rango de una transformacin lineal 1 como el nmero entero
positivo correspondiente a la dimensin del recorrido de 1. Se denota este nmero por Rg 1.
as tenemos que,
Rg 1 = dimIm(1)
Teorema 101 Sea l un espacio vectorial de dimension nita y 1 /(l. \ ). entonces
diml = Nul 1 + Rg 1
Observacin. En el ejemplo anterior tenemos que Rg 1 es igual a 2, y la dimensin del
espacio de partida es 2, por lo tanto la dimensin del Ker 1 es 0, es decir
Ker 1 = (0. 0).
3.2.3. Funciones biyectivas
Recordemos algunas propiedades que cumplen ciertas funciones.
Denicin 102 Sea 1 una transformacin lineal de l en \.
1. Se dice que 1 es inyectiva si y slo si
(\n. l) (1(n) = 1() = n = )
2. Se dice que 1 es epiyectiva si y slo si
Im(1) = \
3. Se dice que 1 es biyectiva si y slo si 1 es inyectiva y epiyectiva.
1 : R
2
R
3
(r. ) (2r . r + 3. r +)
Demostrar que 1 es inyectiva.
Solucin. Sean (r. ). (n. ) R
2
tal que
1(r. ) = 1(n. )
(2r . r + 3. r +) = (2n . n + 3. n +)
igualando coordenadas obtenemos el siguiente sistema
2r = 2n
r + 3 = n + 3
r + = n +
de otra forma obtenemos el sistema homogneo
2r 2n + = 0
r + 3 n 3 = 0
r + n = 0
Asociando la matriz del sistema y escalonando obtenemos
_
_
2 1 2 1
1 3 1 3
1 1 1 1
_
_

_
_
1 0 1 0
0 1 0 1
0 0 0 0
_
_
As,
r n = 0. = 0
es decir,
r = n. =
(r. ) = (n. )
Con lo cual hemos demostrado que
(1(r. ) = 1(n. )) = ((r. ) = (n. ))
es decir, 1 es inyectiva.
Teorema 103 Sea 1 una transformacin lineal de l en \.
1. 1 es inyectiva si y slo si Ker 1 = 0.
2. 1 es epiyectiva si y slo si Nul(1) + dim(\ ) = dim(l).
1 : R
2
R
3
(r. ) (2r . r + 3. r +)
Demostrar que 1 es inyectiva. Es 1 epiyectiva?
Solucin. Determinemos el kernel de 1. Para ello, sean (r. ) R
2
tal que
1(r. ) = (0. 0. 0)
(2r . r + 3. r +) = (0. 0. 0)
2r = 0
r + 3 = 0
r + = 0
Asociando la matriz al sistema y escalonando obtenemos
_
_
2 1
1 3
1 1
_
_

_
_
1 0
0 1
0 0
_
_
As,
r = 0. = 0
es decir,
Ker 1 = (0. 0)
Con lo cual hemos probado que 1 es inyectiva.
Para determinar la epiyectividad de 1. utilicemos que
Nul(1) + dim(\ ) = dim(l)
En este caso tenemos
Nul(1) + dim(R
3
) = dim(R
2
)
Como Nul (1) = 0. dimR
3
= 3 y dimR
2
= 2. entonces la igualdad no se cumple, por lo
tanto, 1 no es epiyectiva.
1 : R
3
R
2
(r. . .) (2r +.. r + 3 .)
Demostrar que 1 no es inyectiva. Es 1 epiyectiva?
Solucin. Determinemos el kernel de 1. Sea (r. . .) R
3
tal que
1(r. . .) = (0. 0)
(2r +.. r + 3 .) = (0. 0)
2r +. = 0
r + 3 . = 0
Asociando la matriz al sistema y escalonando obtenemos
_
2 1 1
1 3 1
_

_
1 0
2
7
0 1
3
7
_
As,
r =
2
7
.. =
3
7
.
es decir,
Ker 1 =
__
2
7
.
3
7
. 0
__
Con lo cual se prueba que 1 no es inyectiva.
Para determinar la epiyectividad de 1. utilicemos el hecho que
Nul(1) + dim(\ ) = dim(l)
En este caso tenemos
Nul(1) + dim(R
2
) = dim(R
3
)
Como Nul (1) = 1. dimR
2
= 2 y dimR
3
= 3 la igualdad se cumple, por lo tanto, 1 es
epiyectiva.
Ejercicios.
1. Dada la funcin 1 : R
3
R
2
(r. . .) (2r +. r + 3.)
a) Demostrar que 1 es una transformacin lineal
b) Calcular una base del Ker(1)
c) Demostrar que 1 es epiyectiva
2. Dada la transformacin lineal
1 : R
3
R
3
(r. . .) (r . r + 2 .. 2r 5 +.)
a) Determinar una base del Ker 1
b) Determinar una base de la Im1
1 : R
3
R
3
con 1(r. . .) = (r . 3r + 2.. 2r 4 +.)
1 : R
2
[r] `
2
(R)
j(r)
_
j(1) j
0
(0)
_
1
0
j(r)dr j(1)
_
a) Demostrar que 1 es inyectiva
b) Calcular una base Im(1)
5. Dada la funcin 1 : C
3
C
2
(r. . .) (r +. r 2.)
a) Demostrar que 1 es una transformacin lineal
b) Calcular una base del Ker(1)
3.2.4. lgebra de Transformaciones lineales
Sean 1. G /(l. \ ). podemos denir la suma de las transformaciones lineales 1 y
G por
1 +G : l \
n 1(n) +G(n)
Ahora probemos que esta nueva funcin, tambin es una transformacin lineal. Para ello,
sean n. l y c K
(1 +G) (n +c) = 1(n +c) +G(n +c)
= 1(n) +1(c) +G(n) +G(c)
= 1(n) +c1() +G(n) +cG()
= 1(n) +G(n) +c1() +cG()
= (1 +G) (n) +c (1 +G) ()
as hemos probado que 1 +G es una transformacin lineal.
Tambin podemos denir la multiplicacin por escalar de una transformacin lineal. Sean
1 /(l. \ ) y c K, denamos la multiplicacin por el escalar c de la transformacin
lineal 1 del siguiente modo,
c1 : l \
n c 1(n)
Ahora probemos que esta nueva funcin es tambin una transformacin lineal. Sean
n. l y c K,
(c1) (n +c) = c1(n +c)
= c(1(n) +1(c))
= c1(n) +cc1()
= (c1) (n) +c (c1) ()
luego hemos vericado que c1 es tambin una transformacin lineal.
Observacin. Note que no solamente hemos demostrado que las operaciones de suma y
multiplicacin por escalar son transformaciones lineales sino tambin que /(l. \ ) es un
subespacio vectorial del conjunto T(l. \ ) de todas las funciones de l en \ .
Teorema 104 Sean l. \ espacios vectoriales sobre K, entonces el conjunto /(l. \ ). de to-
das las transformaciones lineales de l en \. es un subespacio vectorial del conjunto T(l. \ ).
de todas las funciones de l en \. Esto lo podemos expresar por
/(l. \ ) _ T(l. \ )
Ejemplo 129 Dadas las transformaciones lineales
1 : R
2
R
3
(r. ) (r 4. 2r +. r)
.
G : R
2
R
3
(r. ) (2r . r 3. )
Determinar una base de Im(1 +G).
Solucin. Explicitemos la funcin 1 +G. sea (r. ) R
2
. luego
(1 +G) (r. ) = 1(r. ) +G(r. )
= (r 4. 2r +. r) + (2r . r 3. )
= (3r 5. 3r 2. r +)
As,
(1 +G) (r. ) = (3r 5. 3r 2. r +).
Para determinar la imagen de 1 + G procedemos de la siguiente manera. Consideremos la
base cannica de R
2
y as
Im(1 +G) = (1 +G) (1. 0). (1 +G) (0. 1)
Como (1 +G) (1. 0) = (3. 3. 1) y (1 +G) (0. 1) = (5. 2. 1), entonces
Im(1 +G) =< (3. 3. 1). (5. 2. 1) .
Es fcil probar que el conjunto (3. 3. 1). (5. 2. 1) es linealmente independiente, por
lo tanto, (3. 3. 1). (5. 2. 1) es una base.de Im(1 +G).
3.2.5. Compuesta
Otra de las operaciones que aparece cuando se trabaja con funciones es la composicin
de funciones.
Denicin 105 Sean 1 /(l. \ ) y G /(\. \). Se dene la funcin compuesta de 1
con G por
G 1 : l \
n G(1(n))
Notacin: Sean 1 /(\. \ ) entonces la compuesta de 1 consigo misma : veces se denota
por 1
a
, es decir:
1 1 = 1
2
1 1 1 = 1
3
.
Probemos que G 1, es tambin una transformacin lineal. Sean n. l y c K,
(G 1) (n +c) = G(1(n +c))
= G(1(n) +1(c))
= G(1(n) +c1())
= G(1(n)) +G(c1())
= G(1(n)) +cG(1())
= (G 1) (n) +c (G 1) ()
as hemos vericado que G 1 es una transformacin lineal.
Ejemplo 130 Dadas las siguientes transformaciones lineales
1 : R
2
R
3
(r. ) (r 4. 2r +. r)
G : R
3
R
2
(r. . .) (2r .. r 3 + 2.)
Explicitar las funciones 1 G y G 1.
Solucin. Sea (r. . .) R
3
. luego
(1 G) (r. . .) = 1(G(r. . .))
= 1(2r .. r 3 + 2.)
= (2r + 11 9.. 5r 5. 2r .)
As
1 G : R
3
R
3
(r. . .) (2r + 11 9.. 5r 5. 2r .)
Para explicitar G 1. Sea (r. ) R
2
. luego
(G 1) (r. ) = G(1(r. ))
= G(r 4. 2r +. r)
= (r 9. 3r 7)
As
G 1 : R
2
R
2
(r. ) (r 9. 3r 7)
1 : R
2
[r] R
3
cr
2
+/r +c (c /. 2c 3c. / + 2c)
G : R
3
R
2
(r. . .) (4r .. 3r + +.)
Explicitar la transformacin lineal G 1 y determinar una base del Ker(G 1)
Solucin. Sea cr
2
+/r +c R
2
[r]. luego
(G 1) (cr
2
+/r +c) = G(1(cr
2
+/r +c))
= G(c /. 2c 3c. / + 2c)
= (2c 5/ +c. c + 4/ c)
y por lo tanto
G 1 : R
2
[r] R
2
cr
2
+/r +c (2c 5/ +c. c + 4/ c)
.
Para determinar el Ker(G 1). recordemos la denicin, esto es,
Ker(G 1) = cr
2
+/r +c R
2
[r] , (2c 5/ +c. c + 4/ c) = (0. 0).
Reescribiendo el sistema,
2c 5/ +c = 0
c + 4/ c = 0
Determinemos la matriz asociada y posteriormente la escalonada reducida por la.
_
2 5 1 0
1 4 1 0
_

_
1 0
1
3
0
0 1
1
3
0
_
luego obtenemos
c =
1
3
c. / =
1
3
c. con c R
Reemplazando
Ker(G 1) = cr
2
+/r +c R
2
[r] , c =
1
3
c. / =
1
3
c. con c R
=
1
3
cr
2
+
1
3
cr +c R
2
[r] , con c R
=
_
1
3
r
2
+
1
3
r + 1
_
.
1 : R
2
R
3
(r. ) (r +. 2r + 4. r)
.
G : R
3
R
2
(r. . .) (4r .. 3r + +.)
Explicitar las funciones 1 G y G 1.
Solucin. Sea (r. . .) R
3
. luego
(1 G) (r. . .) = 1(G(r. . .))
= 1(4r .. 3r + +.)
= (r. 4r + 2 + 2.. 4r .)
As
1 G : R
3
R
3
(r. . .) (r. 4r + 2 + 2.. 4r .)
La otra compuesta la tenemos denida por
(G 1) (r. ) = G(1(r. ))
= G(r +. 2r + 4. r)
= (r. )
Por lo tanto,
G 1 : R
2
R
2
(r. ) (r. )
Denicin 106 Sea l un K-espacio vectorial. La transformacin lineal
1d
l
: l l
n n
se llama funcin identidad de l.
Observacin. En el ejemplo anterior tenemos que G 1 = 1d
R
2. pero no tenemos
1 G = 1d
R
3.
3.2.6. Inversa
Denicin 107 Sea 1 /(l. \ ). decimos que existe la inversa de 1 si y slo si existe
G 1(\. l) tal que G 1 = 1d
l
. 1 G = 1d
\
.
La notacin para la funcin inversa es 1
1
.
Proposicin 108 Sea 1 : l \ una transformacin lineal y G : \ l una funcin
tal que
G 1 = 1d
l
y 1 G = 1d
\
entonces G es una transformacin lineal de \ en l..
Demostracin. Sean n. \ c K
G(n +c) = G(1d
l
(n) +c1d
\
())
= G(1 (G(n)) +c1 (G()))
= G(1 (G(n)) +1 (cG()))
= G(1 (G(n) +cG()))
= (G 1) (G(n) +cG())
= G(n) +cG() .
Observacin. La proposicin anterior arma que dada una transformacin lineal
1 : l \ si determinamos la funcin inversa de 1 entonces ella es lineal.
Teorema 109 Sea 1 : l \ una transformacin lineal. La transformacin lineal inversa
de 1 existe si y slo si 1 es biyectiva.
1 : R
3
R
3
(r. . .) (2r +.. r + 2.. r +.)
1. Demostrar que existe la inversa de 1.
2. Explicitar 1
1
(r. . .)
Solucin. Para demostrar que 1 es biyectiva, determinemos el Ker 1.
Sea (r. . .) R
3
. tal que
1(r. . .) = (0. 0. 0)
(2r +.. r + 2.. r +.) = (0. 0. 0)
2r +. = 0
r + 2. = 0
r +. = 0
_
_
2 1 1
1 1 2
1 0 0
_
_

_
_
1 0 0
0 1 0
0 0 1
_
_
As,
r = 0. = 0. . = 0
es decir,
Ker 1 = (0. 0. 0)
Con lo cual, 1 es inyectiva.
Adems, tenemos
Nul(1) + dim(R
3
) = dim(R
3
)
Como Nul (1) = 0. luego la igualdad se cumple por lo tanto 1 es epiyectiva y usando el
teorema 109 la funcin inversa de 1 existe.
Para explicitar la funcin inversa de 1, necesitamos resolver la siguiente ecuacin
1(r. . .) = (c. /. c)
(2r +.. r + 2.. r +.) = (c. /. c)
igualando coordenadas obtenemos el sistema
2r +. = c
r + 2. = /
r +. = c
_
_
2 1 1 c
1 1 2 /
1 0 0 c
_
_

_
_
1 0 0 c
0 1 0 / 2c + 3c
0 0 1 c c +/
_
_
As,
r = c. = / 2c + 3c. . = c c +/
es decir,
1(c. / 2c + 3c. c c +/) = (c. /. c)
(c. / 2c + 3c. c c +/) = 1
1
(c. /. c)
Con lo cual la funcin inversa de 1 es:
1
1
: R
3
R
3
(r. . .) (.. 2r + 3.. . r +)
.
Denicin 110 Sea 1 /(l. \ ) . Decimos que 1 es un isomorsmo si y slo si 1 es una
transformacin lineal biyectiva.
Ejemplo 134 La transformacin lineal
1 : R
3
R
3
(r. . .) (2r +.. r + 2.. r +.)
del ejemplo anterior es una funcin biyectiva, luego 1 es un isomorsmo.
Denicin 111 Sean l. \ espacios vectoriales sobre K. Decimos que l es isomorfo a \ si
y slo si existe 1 un isomorsmo de l en \. Anotaremos esto por l \.
Proposicin 112 Sean l. \ espacios vectoriales de dimensin nita sobre K. El espacio
vectorial l es isomorfo a \ si y slo si diml = dim \.
Observacin. Ser isomorfo es una relacin de equivalencia en el conjunto de todos los
espacios vectoriales sobre un cuerpo K. La Proposicin 112 nos entrega una forma natural
de parametrizar las clases de equivalencia que se denen por esta relacin, esto es: K
a
puede
ser elegido como el representante de todo espacio vectorial \ sobre K de dimensin :.
Ejercicio 135 Verique que la transformacin lineal
1 : R
3
R
2
[r]
(c. /. c) cr
2
+/r +c
es un isomorsmo.
Lo armacin anterior muestra que R
3
es isomorfo a R
2
[r] .
Ejercicios.
1 : R
2
R
2
(r. ) (2r . 3r +)
a) Determinar (1 1)(r. )
b) Hallar, si existe 1
1
(c. /)
2. Sea 1 : R
3
R
3
una transformacin lineal
1 : R
3
R
3
(r. . .) (r + 2 +.. r + 3.. r + + 2.)
a) Hallar una base de Im(1).
b) Demostrar que 1 es un isomorsmo.
c) Calcular 1
1
(r. . .).
1 : R
2
[r] R
2
[r]
cr
2
+/r +c (c +c) r
2
+ (/ +c) r + (c +/ + 2c)
a) Hallar una base Im(1).
b) Demostrar que 1 es un isomorsmo.
c) Calcular 1
1
(r).
4. Dada la transformacin lineal de Respacios vectoriales
1 : R
3
[r] C
2
cr
3
+/r
2
+cr +d ((c +d) + (/ +d) i. c + (c +/ +c + 2d) i)
a) Demostrar que 1 es un isomorsmo.
b) Calcular 1
1
(r).
c) Calcular [1
1
]
B
C
5. Dada la transformacin lineal de Cespacios vectoriales
1 : C
3
C
3
(r. . .) (r + 2 +.. r + + 3.. r + + 2.)
a) Demostrar que 1 es un isomorsmo.
b) Calcular 1
1
(r. . .)
c) Calcular 1(1(1(0. 0. 1)))
3.3. Matriz asociada
Una manera de facilitar el trabajo con una transformacin lineal es asociarle una
matriz, para lo cual es necesario considerar un par de bases ordenadas. Decir que E =
n
1
. n
2
. .... n
a
es una base ordenada para l signica que el conjunto n
2
. n
1
. .... n
a
se
considera como una base distinta para l (aunque desde un punto de vista de la Teora de
Conjuntos E =n
2
. n
1
. .... n
a
).
Denicin 113 Sean l y \ dos espacios vectoriales sobre K, adems E = n
1
. n
2
. .... n
a
.
y ( =
1
.
2
. ....
n
bases ordenadas de l y \ respectivamente. Sea 1 una transformacin
lineal de l en \.
Se dene la matriz asociada a 1 en las bases E y ( a
_
_
c
11
c
12
c
1a
c
21
c
22
c
2a
.
.
.
.
.
.
.
.
.
.
.
.
c
n1
c
n2
c
na
_
_
`
na
(K) .
denotada por
[1]
C
B
donde 1(n
)
) = c
1)
1
+c
2)
2
+ +c
n)
n
, para , = 1. 2. . . . . :.
Observacin.
a) Observe que la columna ,-sima de la matriz [1]
C
B
corresponde ser las coordenadas del
vector 1(n
)
) en la base ordenada (, esto es [1(n
)
)]
C
=
_
_
c
1)
c
2)
.
.
.
c
n)
_
_
.
3.3. MATRIZ ASOCIADA 129
b) Si la base E del espacio de partida es igual al del espacio de llegada, la matriz asociada
a la transformacin lineal se denota por [1]
B
.
1 : R
3
R
2
(r. . .) (5r 2 + 3.. r + 4 2.)
.
Determinar la matriz asociada a 1 en la base cannica de cada espacio.
Solucin. Sean ( = (1. 0. 0) . (0. 1. 0) . (0. 0. 1). y (
0
= (1. 0) . (0. 1). las bases cannicas
de R
3
y R
2
respectivamente. Calculemos
1 (1. 0. 0) = (5. 1)
1 (0. 1. 0) = (2. 4)
1 (0. 0. 1) = (3. 2)
y escribamos cada vector en combinacin lineal de la base (
0
.
(5. 1) = 5 (1. 0) + 1 (0. 1)
(2. 4) = 2 (1. 0) + 4 (0. 1)
(3. 2) = 3 (1. 0) 2 (0. 1)
luego,
[1]
C
0
C
=
_
5 2 3
1 4 2
_
.
1 : R
2
R
2
(r. ) (3r + 2. r 4)
Determinar [1]
C
, donde ( = (1. 0). (0. 1).
Solucin. Para determinar la matriz asociada a 1 en la base cannica, primero calculemos
1(1. 0) = (3. 1)
1(0. 1) = (2. 4)
Ahora expresemos cada vector como combinacin lineal de los elementos de la base
(3. 1) = 3(1. 0) + 1(0. 1)
(2. 4) = 2(1. 0) 4(0. 1)
As,
[1]
C
=
_
3 2
1 4
_
.
Teorema 114 Sea 1 /(l. \ ). con l y \ espacios vectoriales de dimensin nita, en-
tonces
[1(n)]
C
= [1]
C
B
[n]
B
donde E y ( son bases de l y \ respectivamente.
Ejemplo 138 Sean E = (1. 1. 1). (0. 1. 1). (1. 0. 1). T = (1. 1). (0. 1) bases de R
3
y R
2
respectivamente y 1 una transformacin lineal tal que
[1]
D
B
=
_
4 2 2
3 1 1
_
Explicitar 1(r. . .).
Solucin. Por el teorema anterior tenemos
[1(n)]
D
= [1]
D
B
[n]
B
Determinemos las coordenadas de (r. . .) en la base E.
c(1. 1. 1) +/(0. 1. 1) +c(1. 0. 1) = (r. . .)
igualando coordenadas obtenemos el sistema de ecuaciones lineales
c +c = r
c +/ =
c +/ +c = .
y resolviendo el sistema mediante la matriz asociada, tenemos
_
_
1 0 1 r
1 1 0
1 1 1 .
_
_

_
_
1 0 0 r . +
0 1 0 . r
0 0 1 .
_
_
As [(r. . .)]
B
=
_
_
r . +
. r
.
_
_
. luego
[1(r. . .)]
D
=
_
4 2 2
3 1 1
_
_
_
r . +
. r
.
_
_
[1(r. . .)]
D
=
_
2r 4. + 6
2r + 3. 4
_
Con lo cual obtenemos
1(r. . .) = (2r 4. + 6) (1. 1) + (2r + 3. 4) (0. 1)
= (2r 4. + 6. . + 2)
Ejemplo 139 Sean E = (1. 1. 1). (0. 1. 1). (1. 0. 1) y T = (1. 1. 0). (1. 0. 1). (1. 2. 3)
bases de R
3
y 1 una transformacin lineal tal que
[1]
D
B
=
_
_
4 2 2
3 1 1
1 2 2
_
_
Determinar, sin explicitar 1(r. . .). una base para el Ker 1.
Solucin. Sea n Ker 1. luego 1(n) = 0. por lo cual [1(n)]
D
= 0. Por el teorema anterior
tenemos
[1(n)]
D
= [1]
D
B
[n]
B
es decir
0 = [1]
D
B
[n]
B
reemplazando tenemos
_
_
4 2 2
3 1 1
1 2 2
_
_
_
_
c
/
c
_
_
=
_
_
0
0
0
_
_
resolviendo el sistema homogneo, mediante la matriz, obtenemos
_
_
4 2 2
3 1 1
1 2 2
_
_

_
_
1 0 0
0 1 1
0 0 0
_
_
es decir,
c = 0. / = c
por lo tanto,
[n]
B
=
_
_
c
/
c
_
_
=
_
_
0
c
c
_
_
n = 0(1. 1. 1) +c(0. 1. 1) +c(1. 0. 1)
= (c. c. 2c) = c (1. 1. 2)
As obtenemos
Ker 1 = (1. 1. 2) .
Como (1. 1. 2) es linealmente independiente, luego (1. 1. 2) es una base del Ker 1.
Ejemplo 140 Sean E = (1. 1. 1). (0. 1. 1). (1. 0. 1). T = (1. 1. 0). (1. 0. 1). (1. 2. 3) bases
de R
3
[1]
D
B
=
_
_
4 2 2
3 1 1
1 2 2
_
_
Determinar, sin explicitar 1(r. . .), una base para la Im1.
Solucin. Sabemos, por el ejemplo anterior, que Rg(1) es igual a 2. luego basta encontrar
dos vectores linealmente independientes de la Im1. Como
[1(1. 1. 1)]
D
=
_
_
4
3
1
_
_
. [1(0. 1. 1)]
D
=
_
_
2
1
2
_
_
. [1(1. 0. 1)]
D
=
_
_
2
1
2
_
_
entonces
1(1. 1. 1) = 4(1. 1. 0) 3(1. 0. 1) + 1(1. 2. 3) = (2. 6. 0)
1(0. 1. 1) = 2(1. 1. 0) 1(1. 0. 1) + 2(1. 2. 3) = (3. 6. 5)
1(1. 0. 1) = 2(1. 1. 0) + 1(1. 0. 1) 2(1. 2. 3) = (3. 6. 5)
As,
Im1 = 1(1. 1. 1). 1(0. 1. 1). 1(1. 0. 1)
= (2. 6. 0) . (3. 6. 5) . (3. 6. 5)
= (2. 6. 0) . (3. 6. 5) .
Adems el conjunto (2. 6. 0) . (3. 6. 5) es linealmente indepediente, por lo tanto
(2. 6. 0) . (3. 6. 5) es una base de Im1.
Teorema 115 Sean l. \ y \ tres espacios vectoriales de dimensin nita sobre K con
E, ( y T bases de l. \ y \ respectivamente. Si 1. 1 /(l. \ ). 1 1(\. \) y c K
entonces:
1. [1 +c1]
C
B
= [1]
C
B
+c[1]
C
B
2. [1 1]
D
B
= [1]
D
C
[1]
C
B
Corolario 116 Sea l un espacio vectorial de dimensin nita sobre K. y E base de l. Si
1 1(l. l). entonces
[1 1]
B
B
= [1]
B
B
[1]
B
B
=
_
[1]
B
B
_
2
Teorema 117 Sean l y \ dos espacios vectoriales de dimensin nita sobre K. adems E
y ( bases de l y \ respectivamente. Si 1 /(l. \ ) entonces:
1. 1 es un isomorsmo si y slo si [1]
C
B
es regular.
2. Si 1 es un isomorsmo, entonces
_
1
1
B
C
=
_
[1]
C
B
_
1
Ejemplo 141 Sean E = (1. 1. 1). (0. 2. 1). (1. 0. 1). T = (1. 2. 1). (1. 3. 2). (2. 1. 3)
bases de R
3
[1]
D
B
=
_
_
5 2 2
3 1 1
1 4 3
_
_
Demostrar que 1 es un isomorsmo.
Solucin. Para demostrar que 1 es un isomorsmo basta calcular el determinante de [1]
D
B
y comprobar que es distinto de 0.
Calculemos

5 2 2
3 1 1
1 4 3
= 1
por lo tanto la matriz es invertible, luego 1 es un isomorsmo.
Ahora, si queremos explicitar la transformacin inversa, tenemos
_
1
1
B
D
=
_
[1]
D
B
_
1
Reemplazando obtenemos
_
1
1
B
D
=
_
_
5 2 2
3 1 1
1 4 3
_
_
1
=
_
_
1 2 0
8 13 1
11 18 1
_
_
Necesitamos determinar las coordenadas de (r. . .) en la base T,
c(1. 2. 1) +/(1. 3. 2) +c(2. 1. 3) = (r. . .)
igualando coordenadas obtenemos el sistema de ecuaciones lineales
c +/ + 2c = r
2c + 3/ +c =
c + 2/ + 3c = .
resolviendo el sistema mediante la matriz asociada, tenemos
_
_
1 1 2 r
2 3 1
1 2 3 .
_
_

_
_
1 0 0
7
4
r +
1
4

5
4
.
0 1 0
1
4

5
4
r +
3
4
.
0 0 1
1
4
. +
1
4
r
1
4
_
_
As
[(r. . .)]
D
=
_
_
7
4
r +
1
4

5
4
.
1
4

5
4
r +
3
4
.
1
4
. +
1
4
r
1
4
_
_
luego
_
1
1
(r. . .)
B
=
_
_
1 2 0
8 13 1
11 18 1
_
_
_
_
7
4
r +
1
4

5
4
.
1
4

5
4
r +
3
4
.
1
4
. +
1
4
r
1
4
_
_
[1(r. . .)]
D
=
_
_
3
4
r
3
4

1
4
.
5
2
r
11
2
+
1
2
.
7
2
r
15
2
+
1
2
.
_
_
=
_
_
c
0
/
0
c
0
_
_
Con lo cual obtenemos
1
1
(r. . .) = c
0
(1. 1. 1) +/
0
(0. 2. 1) +c
0
(1. 0. 1)
1
1
(r. . .) =
_
17
4
r
33
4
+
1
4
..
23
4
r
47
4
+
3
4
..
1
4
r
5
4
+
1
4
.
_
.
3.3.1. Matriz Cambio de Base
Un caso particular lo tenemos cuando la transformacin lineal es la funcin identidad
de un K-espacio vectorial l. con una base E, en l con otra base (, en este caso se denomina
matriz cambio de base a la matriz asociada a la transformacin lineal 1d
l
, es decir, sea l un
K-espacio vectorial de dimensin nita y E, ( bases de l. La transformacin lineal identidad
1d : l l
n n
tiene asociada su matriz en las bases E y ( denotada por
[1d]
C
B
Proposicin 118 Sea l un espacio vectorial de dimensin nita sobre K con E y ( bases
de l entonces,
[1d]
C
B
=
_
[1d]
B
C
_
1
[1d]
B
B
= 1
a
Teorema 119 Sean l y \ dos espacios vectoriales de dimensin nita sobre K. adems E
y E
0
bases de l. ( y (
0
bases de \ . Si 1 /(l. \ ) entonces
[1]
C
B
= [1d]
C
C
0
[1]
C
0
B
0
[1d]
B
0
B
Ejemplo 142 Sean E = (1. 1. 1). (0. 2. 1). (1. 0. 1). T = (1. 2. 1). (1. 3. 2). (2. 1. 3)
bases de R
3
[1]
D
B
=
_
_
5 2 2
3 1 1
1 4 3
_
_
Calcular [1]
B
Solucin. Usando el teorema anterior
[1]
B
B
= [1d]
B
D
[1]
D
B
[1d]
B
B
= [1d]
B
D
[1]
D
B
1
3
necesitamos calcular [1d]
B
D
. para ello necesitamos resolver los siguientes sistemas
1d(1. 2. 1) = c(1. 1. 1) +/(0. 2. 1) +c(1. 0. 1)
1d(1. 3. 2) = c
0
(1. 1. 1) +/
0
(0. 2. 1) +c
0
(1. 0. 1)
1d(2. 1. 3) = c
00
(1. 1. 1) +/
00
(0. 2. 1) +c
00
(1. 0. 1)
para ellos tenemos la matriz ampliada asociada a los sistemas
_
_
1 0 1
1 2 0
1 1 1
1
2
1
1
3
2
2
1
3
_
_

_
_
1 0 0
0 1 0
0 0 1
2
3
4
3
5
3
5
3
7
3
8
3
1
1
3
_
_
Entonces tenemos
[(1. 2. 1)]
B
=
_
_

2
3
4
3
5
3
_
_
. [(1. 3. 2)]
B
=
_
_

5
3
7
3
8
3
_
_
. [(2. 1. 3)]
B
=
_
_
1
1
3
_
_
con lo cual obtenemos
[1d]
B
D
=
_
_

2
3

5
3
1
4
3
7
3
1
5
3
8
3
3
_
_
Finalmente,
[1]
B
B
= [1d]
B
D
[1]
D
B
=
_
_

2
3

5
3
1
4
3
7
3
1
5
3
8
3
3
_
_
_
_
5 2 2
3 1 1
1 4 3
_
_
=
_
_
2
3

11
3
8
3
2
3
13
3

10
3
10
3
38
3

29
3
_
_
Ejercicios.
1. Sea ( = (1. 2. 1). (2. 1. 1). (1. 1. 1) una base de R
3
y 1 : R
3
R
3
una transformacin
lineal tal que
[1]
C
C
=
_
_
1 2 1
2 1 1
1 5 2
_
_
2. Dado U = (r. . .) R
3
, 2r 3 + 5. = 0 un espacio vectorial, / una base de
U y ( = (1. 0). (0. 1) una base de R
2
. Si
1 : U R
2
(r. . .) (r . r .)
y [1]
C
A
=
_
1 2
1 1
_
3. Determinar si cada una de las siguientes armaciones es verdadera o falsa. Justique.
a) Si ( = (1. 1. 1). (1. 2. 3). (1. 2. 2) es una base de R
3
. entonces
[(r. . .)]
C
=
_
_
2r
+.
r + 2 .
_
_
b) Si ( = (1. 1. 1). (2. 1. 2). (3. 1. 4) es una base de R
3
. entonces
[(r. . .)]
C
=
_
_
2r 2 .
5r + 7 + 2.
3r 4 .
_
_
c) Si 1 : R
2
R
2
(r. ) (r . r 2)
y ( = (1. 2). (2. 1). entonces
[1]
C
C
=
1
3
_
5 1
1 2
_
d) Si 1 : R
2
R
2
(r. ) (r . r 2)
y ( = (1. 1). (2. 1). entonces
[1]
C
C
=
_
2 1
1 1
_
e) Si 1 : R
2
R
2
(r. ) (2r +. r +)
y ( = (1. 0). (0. 1). entonces
_
1
2
C
C
=
_
5 3
3 2
_
f ) Si 1 : R
2
R
2
(r. ) (2r +. r +)
y [1]
C
C
=
_
1 3
3 2
_
y ( = (1. 0). (0. 1).
entonces
[1 1]
C
C
=
_
5 4
8 5
_
g) Si 1 : R
2
R
2
(r. ) (2r +. r +)
y ( = (1. 0). (0. 1). entonces
_
1
1
C
C
=
_
1 1
1 2
_
h) Si 1 : R
1
[r] R
1
[r]
cr +/ /r c
y E = 1. r + 2. entonces
[1]
B
B
=
_
2 5
1 2
_
i ) Si 1 : R
1
[r] R
1
[r]
cr +/ /r +c
y E = 1. r + 1. entonces
[1]
B
B
=
_
1 2
1 1
_
j ) Si 1 : R
2
[r] R
2
[r]
cr
2
+/r +c (c +/)r
2
cr +c /)
y E = 1. 1 + r. 1 + r
2
. en-
tonces
[1]
B
B
=
_
_
1 1 0
1 1 1
1 1 1
_
_
4. Sea ( = (1. 2. 1). (2. 1. 1). (1. 1. 2) una base de R
3
y 1 : R
3
R
3
una transforma-
cin lineal tal que
[1]
C
C
=
_
_
11 1 5
5 1 3
4 4 4
_
_
a) Determinar una base del Ker (1)
b) Determinar una base del Im(1
2
)
5. Sea 1 : R
3
R
3
una transformacin lineal y E = (1. 1. 0). (1. 0. 1). (1. 0. 0) base
ordenada de R
3
y ( =(1. 0. 1). (0. 1. 1). (1. 1. 1) base ordenada de R
3
tal que
[1]
C
B
=
_
_
1 1 1
2 1 0
1 2 3
_
_
a) Explicitar 1(r. . .)
b) Hallar una base del Ker(1)
c) Hallar una base Img(1)
6. Sea ( = (1. 2. 1). (2. 1. 1). (1. 1. 2) una base de R
3
y 1 : R
3
R
3
una transformacin
lineal tal que
[1]
C
C
=
_
_
3 3 5
1 1 1
2 2 4
_
_
b) Determinar una base del Ker 1
2
7. Dado U = (r. . .) R
3
, 2r + 3 5. = 0 un espacio vectorial, / una base de
U y ( = (1. 1). (2. 1) una base de R
2
. Si
1 : U R
2
(r. . .) (r + .. 3r + 2.)
y [1]
C
A
=
_
1 2
1 1
_
8. Dado U = (r. . .) R
3
, 2r + 2 5. = 0 un espacio vectorial, / una base de
U y ( = (1. 1). (1. 2) una base de R
2
.
Si
1 : U R
2
(r. . .) (r + .. 3r + 2.)
y [1]
C
A
=
_
1 2
1 1
_
9. Sea 1 : R
2
R
3
una transformacin lineal y E = (1. 1). (1. 1) base ordenada de
R
2
y ( =(1. 2. 1). (2. 1. 1). (1. 2. 1) base ordenada de R
3
tal que
[1]
C
B
=
_
_
1 1
2 1
1 3
_
_
Hallar una base del Ker(1) y una base de la Im(1).
10. Sea 1 : R
2
R
3
una transformacin lineal y E = (1. 1). (1. 1) una base ordenada
de R
2
y ( =(1. 2. 1). (2. 1. 1). (1. 2. 1) una base ordenada de R
3
tal que
[1]
C
B
=
_
_
1 1
2 1
1 3
_
_
Adems E
0
=(1. 2). (2. 1) y (
0
= (1. 0. 2). (0. 1. 1). (1. 1. 0). Calcular [1]
C
0
B
0 .
11. Sea 1 : C
3
C
2
una transformacin lineal de C-espacios vectoriales y
E = (1. i. 1). (1. 1. 1). (1. 1. i) una base ordenada de C
3
y ( =(1. 2). (2. 1) una
base ordenada de C
2
tal que
[1]
C
B
=
_
1 1 2
2 1 i
_
Hallar una base del Ker(1) y una base de la Im(1).
12. Sea 1 : C
3
C
2
1(r. . .) = (2r +i.. r ) una transformacin lineal de C-espacios
vectoriales. Determinar si existen bases ordenadas E y ( de C
3
y C
2
respectivamente
tal que
[1]
C
B
=
_
1 0 2
1 1 i
_
13. Sea 1 : R
3
R
3
una transformacin lineal y E = (1. 1. 1). (1. 1. 1). (1.. 1. 1) una
base ordenada de R
3
y ( =(1. 1. 2). (2. 1. 1). (1. 2. 1) una base ordenada de R
3
tal que
[1]
C
B
=
_
_
1 1 1
2 1 1
1 3 2
_
_
a) Hallar una base para la Im(1)
b) Demostrar que 1 es un isomorsmo
c) Calcular 1
1
(r. . .)
14. Sea 1 : R
2
[r] R
2
[r] una transformacin lineal y E = 1 + r. 1 r
2
. 1 una base
ordenada de R
2
[r] y ( =1. 1 +r. 1 +r +r
2
una base ordenada de R
2
[r] tal que
[1]
C
B
=
_
_
1 0 1
0 1 1
1 1 2
_
_
a) Hallar una base para la Im(1)
b) Demostrar que 1 es un isomorsmo
c) Calcular 1
1
(j(r))
d) Calcular [1
1
]
C
B
15. Sea 1 : R
3
[r] C
2
una transformacin lineal de R-espacios vectoriales y
E = 1 r. r
2
. r
3
. 1 una base ordenada de R
2
[r] y ( =(1. i). (i. 1). (1. 1). (1. 0) una
base ordenada de C
2
tal que
[1]
C
B
=
_
_
1 0 0 1
0 1 0 1
0 0 1 1
1 1 0 2
_
_
a) Demostrar que 1 es un isomorsmo
b) Calcular 1
1
(r. )
c) Calcular [1
1
]
B
C
16. Sea 1 : C
3
C
3
una transformacin lineal y E = (1. 1. 0). (1. 0. 1). (0. 0. 1) una base
ordenada de C
3
tal que
[1]
B
B
=
_
_
1 1 1
2 1 1
1 3 2
_
_
a) Demostrar que 1 es un isomorsmo
b) Calcular 1
1
(r. . .)
c) Calcular 1(1(1(0. 0. 1)))
3.4. Espacio Vectorial Dual
En 3.2.4 estudiamos en general el K-espacio vectorial /(l. \ ). de todas las transfor-
maciones lineales entre los K-espacios vectoriales l y \ . Como el cuerpo K es un espacio
vectorial de dimensin 1 sobre K entonces, en particular, tenemos que el conjunto /(l. K).
de todas las funciones lineales de l en K, es un espacio vectorial.
Denicin 120 Sea \ un K-espacio vectorial. Se denomina espacio vectorial dual de \ el
K-espacio vectorial /(l. K). Usualmente se denota por \
. as tenemos que
\
= , : \ K [ , es lineal
Un elemento , en \
se llama una forma lineal o tambin recibe el nombre de funcional

lineal.
Ejemplo 143 Si \ = R
a
entonces es claro que c es un elemento de \
si y solamente si
existen c
1
. c
2
. . . . . c
a
en R tal que
c(r
1
. r
2
. . . . . r
a
) = c
1
r
1
+c
2
r
2
+ +c
a
r
a
En efecto, consideremos la base cannica ( = c
1
. c
2
. . . . . c
a
de \ . Como
(r
1
. r
2
. . . . . r
a
) = r
1
c
1
+r
2
c
2
+ +r
a
c
a
y c es lineal entonces
c(r
1
. r
2
. . . . . r
a
) = c(r
1
c
1
+r
2
c
2
+ +r
a
c
a
)
= r
1
c(c
1
) +r
2
c(c
2
) + +r
a
c(c
a
)
3.4. ESPACIO VECTORIAL DUAL 141
as tenemos que existen c
i
= c(c
i
), i = 1. 2. . . . . : en R tal que
c(r
1
. r
2
. . . . . r
a
) = c
1
r
1
+c
2
r
2
+ +c
a
r
a
Recprocamente, es inmediato que una funcin del tipo
c(r
1
. r
2
. . . . . r
a
) = c
1
r
1
+c
2
r
2
+ +c
a
r
a
con c
1
. c
2
. . . . . c
a
en R, es una forma lineal.
Ejemplo 144 Sea \ = R
a
[r] y , : \ R denida por ,(j(r)) = j(0). Claramente se
tiene que , es una forma lineal. En efecto, dados j(r) y (r). dos polinomios cualesquiera
con coecientes en R de grado menor o igual a : y c en R entonces,
,(j(r) +c(r)) = (j +c)(0)
= j(0) +c(0)
= ,(j(r)) +c,((r))
Ejemplo 145 Consideremos ahora el R-espacio vectorial \ = , : R R [,
0
(r) existe en
todo R. Denamos : \ R por (,) = ,
0
(
1
2
). No es difcil probar que es una forma
lineal. En efecto, sean ,. q en \ y c en R entonces,
(, +cq) = (, +cq)
0
(0)
= ,
0
(0) + (c,)
0
(0)
= ,
0
(0) +c(,)
0
(0)
= (,) +c(q)
Ejemplo 146 Sea el R-espacio vectorial \ = , : [0. 1] R [
_
b
o
,(t)dt existe. Denamos
: \ R denida por
(,) =
_
b
o
,(t)dt
Claramente (,) esta en R y verica las propiedades de linealidad por las propiedades
usuales que tiene la integral.
Ejemplo 147 Consideremos \ = `
a
(R). La funcin traza, Tr : \ R. la cual esta
denida por
Tr(c
i)
) =
a
i=1
c
ii
para (c
i)
) matriz de orden :: es claramente lineal y as es un elemento del espacio vectorial
dual de `
a
(R).
De la denicin 113, en 3.3, se tiene que si E =
1
.
2
. . . . .
a
es una base ordenada
de \ y consideramos la base natural ( = 1 de K, como K-espacio vectorial de dimensin
1. entonces para , en \
se tiene que [,]

C
B
es una matriz de orden 1 : y como el K-
espacio vectorial `
1a
(K), de todas las matrices de orden 1 :, tiene dimensin : se tiene
la siguiente.
Proposicin 121 Si \ es un K-espacio vectorial de dimensin nita : entonces el espacio
vectorial dual \
tiene dimensin : y por lo tanto \ y \
son espacios vectoriales isomorfos.

Demostracin. Si \ es un K-espacio vectorial de dimensin nita : entonces \ tiene una
base ordenada E =
1
.
2
. . . . .
a
. Por otra parte, ( = 1 es la base natural de K, mirado
ste como K-espacio vectorial de dimensin 1. entonces a cada , en \
se le asocia la matriz,
de orden 1 :. [,]
C
B
= (c
1
c
2
. . . c
a
). Esta asociacin es una funcin lineal (ver 1 de Teorema
115) la cual establece un isomorsmo entre \
y `
1a
(K). As tenemos que dim(\
) = : y
usando la Proposicin 112 tenemos que \ es isomorfo a \
.
3.4.1. Base Dual
Sea E =
1
.
2
. . . . .
a
una base ordenada del K-espacio vectorial \ y consideramos
la base natural ( = 1 de K, mirado ste como K-espacio vectorial de dimensin 1.
Denamos las funciones
i
: \ K por
i
(
)
) =
_
1 si i = ,
0 si i ,= ,
Por el Teorema 93, dado E =
1
.
2
. . . . .
a
. base ordenada del K-espacio vectorial \. la
funcin
i
: \ K es lineal, para cada i = 1. 2. . . . . :, y es nica con la propiedad
i
(
)
) =
_
1 si i = ,
0 si i ,= ,
Proposicin 122 Sea E =
1
.
2
. . . . .
a
una base ordenada del K-espacio vectorial \. El
conjunto de formas lineales E
1
.
2
. . . . .
a
es una base del espacio vectorial dual \
y
se tiene:
1. Dado cualquier en \ entonces
=
1
()
1
+
2
()
2
+. . . +
a
()
a
2. Dado cualquier , en \
entonces
, = ,(
1
)
1
+,(
2
)
2
+. . . +,(
a
)
a
3.4. ESPACIO VECTORIAL DUAL 143
Denicin 123 Sea E =
1
.
2
. . . . .
a
una base ordenada del K-espacio vectorial \. La
base ordenada E
1
.
2
. . . . .
a
del espacio vectorial dual \
se denomina base dual de

E.
Observacin. La Proposicin anterior tambien demuestra que la dimensin de \
es : ya
que da la base dual E
1
.
2
. . . . .
a
para una base E =
1
.
2
. . . . .
a
dada de \.
a
y ( = c
1
. c
2
. . . . . c
a
la base cannica de \ . No es difcil ver
que la base dual (
= c
1
. c
2
. . . . . c
a
est dada por las formas lineales c
i
: \ R denidas
por
c
i
(r
1
. r
2
. . . . . r
a
) = r
i
para (r
1
. r
2
. . . . . r
a
) en \.
2
y E = (1. 1). (1. 1) base de \. Para determinar la base dual
E
de E debemos encontrar dos funcionales lineales de \
1
(r. ) = c
1
r +/
1
y
2
(r. ) = c
2
r +/
2
(sabemos que son de esa forma por el Ejemplo 143) de modo que
1
(1. 1) = c
1
1 +/
1
1 = 1
1
(1. 1) = c
1
(1) +/
1
1 = 0
y
2
(1. 1) = c
2
1 +/
2
1 = 0
2
(1. 1) = c
2
(1) +/
2
1 = 1
Por lo tanto debemos resolver los sistemas:
_
c
1
+/
1
= 1
c
1
+/
1
= 0
y
_
c
2
+/
2
= 0
c
2
+/
2
= 1
As tenemos que c
1
=
1
2
y /
1
=
1
2
y entonces
1
(r. ) =
1
2
r +
1
2
. Ahora, resolviendo el otro
sistema tenemos que c
2
=
1
2
y /
2
=
1
2
y entonces
2
(r. ) =
1
2
r +
1
2
. Con esto tenemos
que E
=
1
2
r +
1
2
;
1
2
r +
1
2
es la base dual de E.
Sea = (1. 3) en \ , entonces
(1. 3) =
1
(1. 3)
1
+
2
(1. 3)
2
= 2(1. 1) + 1(1. 1)
y si, por ejemplo, tomamos c(r. ) = 2r + 3 en \
entonces
c = c(
1
)
1
+c(
2
)
2
2r + 3 = 5(
1
2
r +
1
2
) + 1(
1
2
r +
1
2
)
3.4.2. Transformacin Dual o Traspuesta
Sean l y \ dos K-espacios vectoriales y 1 : l \ una transformacin lineal. Si
l
y \
son los respectivos espacios vectoriales duales de l y \ entonces existe una forma
natural de denir una transformacin lineal 1
: \
, asociada a la transformacin
lineal 1, la cual sigue del siguiente diagrama
l
T
\

K
Sea , una forma lineal de \
. esto signica que , : \ K y , es una transformacin

lineal. Del diagrama se observa que ,1 : l K es ahora una forma lineal de l
(,1 es
una transformacin lineal de l en K ya que es la compuesta de las transformaciones lineales
, y 1). Con esto podemos denir 1
: \
por:
1
(,) = , 1 , (, \
)
Claramente 1
es lineal. En efecto, dado c y , en \
y c en K se tiene que
1
(c +c,) = (c +c,) 1
= (c 1) + (c, 1)
= (c 1) +c(, 1)
= 1
(c) +c1
(,)
Denicin 124 Sean l y \ dos K-espacios vectoriales y l
, \
los respectivos espacios

vectoriales duales. Se denomina transformacin dual o traspuesta de la transformacin lineal
1 : l \ a la transformacin lineal 1
: \
denida por 1
(,) = , 1, para ,
en \
.
Ejemplo 150 Sean l = R
2
y \ = R
3
. Sea 1 : l \ la transformacin lineal deni-
da por 1(r. ) = (r + . r . 2r 3). Por lo visto en el ejemplo 143 es claro que
\
= cr + / + c. [ c. /. c R y l
= cr + / [ c. /. R. Ahora, por la denicin de

transformacin dual de 1, tenemos que 1
: \
est denida por

1
(,) = , 1
para cualquiera ,(r. . .) = cr +/ +c. en \
. Por lo tanto
1
(cr +/ +c.) = (c +/ + 2c)r + (c / 3c)

la cual es una forma lineal en l
.
3.5. DIAGONALIZACIN 145
Proposicin 125 Sean l, \ y \ K-espacios vectoriales. Sean 1 : l \ , o : l \
y 1 : \ \ transformaciones lineales, entonces se tiene
1. (c1 +,o)
= c1
+,o
. para cualquier c. , en K.
2. (1 1)
= 1
Proposicin 126 Sean l y \ dos K-espacios vectoriales con bases nitas E y T respec-
tivamente. Sean l
y \
los espacios vectoriales duales con E
y T
sus bases duales

respectivas. Sea 1 : l \ una transformacin lineal con matriz asociada [1]
D
B
. En-
tonces, la matriz asociada, en las bases duales E
y T
. de la transformacin lineal dual

1
: \
. [1
]
B
D
es la traspuesta de la matriz [1]
D
B
. Es decir,
[1
]
B
D
=
_
[1]
D
B
_
t
3.5. Diagonalizacin
El teorema 119 motiva encontrar una base de un K-espacio vectorial \ de modo que la
matriz asociada a una transformacin lineal 1 : \ \ sea diagonal.
De ahora en adelante, tan slo por comodidad, diremos que 1 es un operador en \ para
referirnos a una transformacin lineal 1 : \ \. As, /(\. \ ) es el conjunto de todos los
operadores en \ .
Denicin 127 Sean \ un espacio vectorial de dimensin : sobre K y 1 en /(\. \ ). Se
dice que el operador 1 es diagonalizable si y slo si existe una base E de \ tal que [1]
B
es
una matriz diagonal.
Observacin. En general se dice que una matriz en `
a
(R) es diagonalizable si y slo
si la transformacin lineal 1
: R
a
R
a
. denida por 1
(A) = A. es diagonalizable. (El

vector A se esta considerando como vector columna con : las)
1 : R
2
R
2
(r. ) (r +. 3r )
1. Determinar la matriz asociada a 1 en la base cannica, es decir ( = (1. 0). (0. 1)
2. Determinar la matriz asociada a 1 en la base E = (1. 1). (1. 3)
Solucin.
Para determinar la matriz asociada a 1 en la base cannica, primero calculemos
1(1. 0) = (1. 3)
1(0. 1) = (1. 1)
(1. 3) = 1(1. 0) + 3(0. 1)
(1. 1) = 1(1. 0) 1(0. 1)
As,
[1]
C
=
_
1 1
3 1
_
.
Para la otra base procedemos de manera anloga. Primero calculamos
1(1. 1) = (2. 2)
1(1. 3) = (2. 6)
(1. 1) = 2(1. 1) + 0(1. 3)
(1. 3) = 0(1. 1) 2(1. 3)
As obtenemos
[1]
B
=
_
2 0
0 2
_
.
En este ejemplo, tenemos que en la base E la matriz asociada a 1 es una matriz diagonal.
Ejemplo 152 Dada la matriz `
a1
(R) y la transformacin lineal
1
: `
a1
(R) `
a1
(R)
A A
Demostrar que la matriz asociada a 1
en la base cannica ( =
_
_
_
_
1
0
.
.
.
0
_
_
.
_
_
0
1
.
.
.
0
_
_
. ....
_
_
0
0
.
.
.
1
_
_
_
_
de `
a1
(R), es
[1
]
C
=
Solucin. Recordemos la propiedad de como obtener la columna ,-sima de un producto de
matrices
c
)
( 1) = c
)
(1)
con ella tenemos que si denotamos ( = 1
1
. 1
2
. .... 1
a
entonces
1
(1
i
) = 1
)
= c
)
(1
a
)
= c
)
( 1
a
)
= c
)
()
Luego obtenemos 1
(1
i
) = c
)
() =

a
i=1
c
i)
1
i
. es decir
[1
(1
i
)]
C
= c
)
()
As
[1
]
C
= .
Observacin. Teniendo presente este ejemplo, decimos que la matriz es diagonalizable o
que 1
es diagonalizable.
Denicin 128 Sean \ un Kespacio vectorial y 1 en /(\. \ ).
1. Se dice que ` en K es un valor propio de 1 si y slo si existe en \ 0 tal que
1() = `.
2. Se dice que en \ 0 es un vector propio de 1 si y slo si existe ` en K tal que
1() = `.
1 : R
2
R
2
(r. ) (r +. 3r )
Determinar todos los valores propios asociados a 1.
Solucin. Necesitamos resolver la siguiente ecuacin
1(r. ) = `(r. )
(r +. 3r ) = `(r. )
(r + `r. 3r `) = (0. 0)
La ecuacin vectorial es equivalente al siguiente sistema
r + `r = 0
3r ` = 0
reescribindolo obtenemos
(1 `) r + = 0
3r + (1 `) = 0
Como el sistema es homogneo y buscamos una solucin no trivial entonces el sistema debe
tener innitas soluciones. Por lo tanto el determinante de la matriz asociada debe ser cero.
(1 `) 1
3 (1 `)
= `
2
4
As, los nicos valores propios son 2 y 2.
Ejercicio 154 Sea ` un valor propio asociado a la transformacin lineal 1. y
\
A
= \ , 1() = `
Demostrar que \
A
es un subespacio de \.
Denicin 129 Sea ` un valor propio asociado a la transformacin lineal 1 en /(\. \ ).
Se dene el espacio propio \
A
como el conjunto de todos los vectores propios asociados a `.
1 : R
2
R
2
(r. ) (r +. 3r )
Determinar todos los espacios propios asociados a 1. sabiendo que 2. 2 son los nicos
valores propios.
Solucin. Determinemos el espacio propio asociado al valor propio 2.
\
2
= (r. ) R
2
, 1(r. ) = 2(r. )
= (r. ) R
2
, (r +. 3r ) = 2(r. )
= (r. ) R
2
, (r +. 3r 3) = (0. 0)
= (r. ) R
2
, r + = 0
= < (1. 1)
Para el otro valor propio procedemos de manera similar
\
2
= (r. ) R
2
, 1(r. ) = 2(r. )
= (r. ) R
2
, (r +. 3r ) = 2(r. )
= (r. ) R
2
, (3r +. 3r +) = (0. 0)
= (r. ) R
2
, 3r + = 0
= < (1. 3)
Observacin: Para poder determinar los valores propios asociados a una transformacin
lineal tenemos el siguiente resultado.
Teorema 130 Sean l un espacio vectorial de dimensin : sobre K. E una base de l y 1
en /(l. l) entonces, ` en K es un valor propio asociado a 1 si y slo si

[1]
B
B
`1
a
= 0.
1 : R
3
R
3
(r. . .) (2r +.. r +.. r)
Determinar los valores propios de 1.
Solucin. El teorema anterior, nos permite escoger cualquier base del espacio vectorial,
entonces sea ( = (1. 0. 0) . (0. 1. 0) . (0. 0. 1) la base cannica de R
3
.
Determinemos la matriz asociada a 1 en la base (. para ello calculemos
1 (1. 0. 0) = (2. 1. 1)
1 (0. 1. 0) = (1. 1. 0)
1 (0. 0. 1) = (1. 1. 0)
por lo tanto
[1]
C
=
_
_
2 1 1
1 1 1
1 0 0
_
_
.
Luego, ` es un valor propio de 1 si y slo si
[[1]
C
`1
3
[ = 0
_
_
2 1 1
1 1 1
1 0 0
_
_
`
_
_
1 0 0
0 1 0
0 0 1
_
_
= 0
(2 `) (1 `) ` = 0
As, los valores propios asociados a 1 son 0. 1 y 2.
1 : R
2
[r] R
2
[r]
cr
2
+/r +c (c +/)r
2
+ (/ +c) r + (c + 2/ +c)
Determinar los valores propios de 1.
Solucin. Sea ( = 1. r. r
2
la base cannica de R
2
[r].
Determinemos la matriz asociada a 1 en la base (. para ello
1 (1) = 1 +r
1 (r) = 2 +r +r
2
1
_
r
2
_
= 1 +r
2
por lo tanto
[1]
C
=
_
_
1 2 1
1 1 0
0 1 1
_
_
.
Como ` es un valor propio de 1 si y slo si
[[1]
C
`1
3
[ = 0
_
_
1 2 1
1 1 0
0 1 1
_
_
`
_
_
1 0 0
0 1 0
0 0 1
_
_
= 0
` + 3`
2
`
3
= 0
Luego los valores propios asociados a 1 son 0.
3
2
+
1
2
_
5.
3
2

1
2
_
5.
Observacin. Al determinante de los ejemplos anteriores podemos asignarle una variable,
el valor propio, y transformarlo en un polinomio, el cual es totalmente independiente de la
base elegida.
Proposicin 131 Sean l un espacio vectorial de dimensin : sobre K. E y ( bases de
l y 1 en /(l. l) entonces,
[[1]
B
r1
a
[ = [[1]
C
r1
a
[ .
Demostracin. Recordemos la relacin entre [1]
B
y [1]
C
. esto es
[1]
B
= [1d]
B
C
[1]
C
[1d]
C
B
[1]
B
=
_
[1d]
C
B
_
1
[1]
C
[1d]
C
B
adems
_
[1d]
C
B
_
1
r1
a
[1d]
C
B
= r
_
[1d]
C
B
_
1
1
a
[1d]
C
B
= r1
a
Usando estos dos resultados y las propiedades del determinante tenemos el siguiente desar-
rollo
[[1]
C
r1
a
[ =
_
[1d]
C
B
_
1
[1]
C
[1d]
C
B
r1
a
_
[1d]
C
B
_
1
[1]
C
[1d]
C
B

_
[1d]
C
B
_
1
r1
a
[1d]
C
B
_
[1d]
C
B
_
1
([1]
C
r1
a
) [1d]
C
B
_
[1d]
C
B
_
1
[[1]
C
r1
a
[
[1d]
C
B
= [[1]
C
r1
a
[
con lo cual hemos demostrado la proposicin.
Denicin 132 Sean l un espacio vectorial de dimensin : sobre K. E una base de l y
1 en /(l. l). Se dene el polinomio caracterstico de 1 por
1
T
(r) = [[1]
B
r1
a
[ .
Para el caso particular de la transformacin lineal 1
. el polinomio caracterstico se denota

por 1
(r). donde `
aa
(R).
Proposicin 133 Sean l un espacio vectorial de dimensin : sobre K y 1 en /(l. l). El
escalar ` en K es un valor propio de 1 si y slo si ` es una raz del polinomio caracterstico
de 1. 1
T
(r).
Ejemplo 158 Sea \ un espacio vectorial de dimensin 2 sobre K. E =
1
.
2
base de \
y 1 en /(\. \ ) tal que
[1]
B
=
_
c /
c d
_
Determine el polinomio caracterstico de 1.
Solucin. El polinomio caracterstico esta denido por
_
c /
c d
_
r
_
1 0
0 1
_
= r
2
(c +d) r +cd /c
As tenemos
1
T
(r) = r
2
(c +d) r +cd /c
Observacin: Note que el coeciente constante es el determinante de la matriz y el coe-
ciente de r corresponde a menos la traza o menos la suma de la diagonal.
Teorema 134 Sea \ un espacio vectorial de dimensin : sobre K. Sea 1 en /(\. \ ) de
modo que c y , sean races del polinomio caracterstico 1
T
(r).
1. Si la multiplicidad de c es :. entonces 1 _ dim\
c
_ :.
2. Si c ,= , entonces \
c
\
o
= 0.
1 : R
3
R
3
(r. . .) (5r + 3.. 6r + 4 6.. 6r + 2 4.)
Determinar los valores propios de 1 y los espacios propios asociados
Solucin. Consideremos la base cannica ( de R
3
y determinemos la matriz asociada a 1.
As obtenemos
[1]
C
=
_
_
5 1 3
6 4 6
6 2 4
_
_
Ahora determinemos su polinomio caracterstico dado por
1
T
(r) =
5 r 1 3
6 4 r 6
6 2 4 r
= 4 + 5r
2
8r r
3
Factorizando el polinomio caracterstico, tenemos que 1
T
(r) = (r 1) (2 +r)
2
. As
los valores propios son: 1 y 2.
Usaremos la matriz asociada a la transformacin para determinar los espacios propios,
esto es
\
A
= (r. . .) R
3
, 1(r. . .) = `(r. . .)
Ahora, resolver la igualdad es equivalente a resolver
[1(r. . .)]
C
= [`(r. . .)]
C
[1]
C
[(r. . .)]
C
= `[(r. . .)]
C
([1]
C
`1
3
) [(r. . .)]
C
= 0
Por lo cual debemos resolver un sistema homogneo.
Determinemos el espacio propio asociado a 1. Reemplazando obtenemos la matriz del
sistema
_
_
5 1 1 3 0
6 4 1 6 0
6 2 4 1 0
_
_
As, la escalonada reducida por la es:
_
_
1 0
1
2
0
0 1 1 0
0 0 0 0
_
_
y con ello obtenemos
[(r. . .)]
C
=
_
_

1
2
t
t
t
_
_
como ( es la base cannica de R
3
(r. . .) =
1
2
t(1. 0. 0) +t(0. 1. 0) +t(0. 0. 1)
= t
_
1
2
. 1. 1
_
.
con lo cual tenemos que
\
1
=
__
1
2
. 1. 1
__
.
Para el valor propio 2 procedemos de manera anloga, es decir,
_
_
5 2 1 3 0
6 4 2 6 0
6 2 4 2 0
_
_
_
_
1
1
3
1 0
0 0 0 0
0 0 0 0
_
_
[(r. . .)]
C
=
_
_
1
3
c ,
c
,
_
_
como ( es la base canonica de R
3
(r. . .) =
_
1
3
c ,
_
(1. 0. 0) +c(0. 1. 0) +,(0. 0. 1)
= c
_
1
3
. 1. 0
_
,(1. 0. 1).
\
2
=
__
1
3
. 1. 0
_
. (1. 0. 1)
_
.
Resumiendo:
Los valores propios son: 1 y 2 y los espacios propios son:
\
1
=
__
1
2
. 1. 1
__
. con dim\
1
= 1.
\
2
=
__
1
3
. 1. 0
_
. (1. 0. 1)
_
. con dim\
2
= 2.
Observacin. Considere la base E =
__
1
2
. 1. 1
_
.
_
1
3
. 1. 0
_
. (1. 0. 1)
_
de R
3
. con esta base
obtenemos que
[1]
B
=
_
_
1 0 0
0 2 0
0 0 2
_
_
Teorema 135 Sean \ un espacio vectorial de dimensin : sobre K y 1 en /(\. \ ). El
operador 1 es diagonalizable si y slo si
1
T
(r) = (r c
1
)
a
1
(r c
2
)
a
2
... (r c
c
)
as
en K y dim\
c
i
= :
i
, la multiplicidad c
i
en 1
T
(r). i = 1. 2. . . . . :.
1 : R
2
[r] R
2
[r]
cr
2
+/r +c (2c / + 4c)r
2
+ (2c +/) r + (2c +c)
Determine una base en R
2
[r] tal que la matriz de 1 en esta base sea una matriz diagonal.
Solucin. Consideremos la base cannica ( = 1. r. r
2
de R
2
[r] y determinemos la matriz
asociada a 1.
As obtenemos
[1]
C
=
_
_
1 0 2
0 1 2
4 1 2
_
_
.
Ahora determinemos su polinomio caracterstico dado por
1
T
(r) =
1 r 0 2
0 1 r 2
4 1 2 r
= 4 +r + 4r
2
r
3
Factorizando el polinomio caracterstico tenemos que 1
T
(r) = (r 1) (r 4) (r + 1) .
As los valores propios son: 1. 1 y 4. como cada raz tiene multiplicidad 1 la transformacin
lineal es diagonalizable.
Ahora determinaremos la base. Para ello recordemos la denicin de Espacio Propio,
\
A
= (cr
2
+/r +c) R
2
[r] , ([1]
C
`1
3
)
_
cr
2
+/r +c
C
= 0
El primero de ellos es el Espacio Propio asociado a 1
Veamos la matriz del sistema
_
_
1 (1) 0 2
0 1 (1) 2
4 1 2 (1)
_
_
_
_
1 0 1
0 1 1
0 0 0
_
_
[j(r)]
C
=
_
_
t
t
t
_
_
2
[r]
j(r) = t 1 t r +t r
2
= t
_
1 r +r
2
_
\
1
=

1 r +r
2
_
.
_
_
1 (1) 0 2
0 1 (1) 2
4 1 2 (1)
_
_
_
_
1
1
4
0
0 0 1
0 0 0
_
_
[j(r)]
C
=
_
_
1
4
t
t
0
_
_
2
[r]
j(r) =
1
4
t 1 +t r + 0 r
2
= t
_
1
4
+r
_
\
1
=
_
1
4
+r
_
.
_
_
1 (4) 0 2
0 1 (4) 2
4 1 2 (4)
_
_
_
_
1 0
2
3
0 1
2
3
0 0 0
_
_
[j(r)]
C
=
_
_
2
3
t
2
3
t
t
_
_
2
[r]
j(r) =
2
3
t 1 +
2
3
t r +t r
2
= t
_
2
3
+
2
3
r +r
2
_
\
4
=
_
2
3
+
2
3
r +r
2
_
.
Resumiendo:
Los valores propios son: 1. 1 y 4 y los espacios propios son:
\
1
=

1 r +r
2
_
. con dim\
1
= 1.
\
1
=
_
1
4
+r
_
. con dim\
1
= 1.
\
4
=
_
2
3
+
2
3
r +r
2
_
. con dim\
4
= 1.
Observacin: Considere la base E =
_
1 r +r
2
.
1
4
+r.
2
3
+
2
3
r +r
2
_
de R
2
[r]. con esta
base tenemos que
[1]
B
=
_
_
1 0 0
0 1 0
0 0 4
_
_
Ejemplo 161 Sean E =
1
.
2
.
3
.
4
. base de \ y 1 en /(\. \ ) tal que
[1]
B
=
_
_
4 2 2 2
3 1 1 1
0 0 2 1
0 0 4 3
_
_
Determine una base de \ tal que la matriz asociada a 1 en esta base sea diagonal.
Solucin. Como tenemos la matriz asociada a 1 en la base E =
1
.
2
.
3
.
4
de \ ,
determinemos su polinomio caracterstico
1
T
(r) =
4 r 2 2 2
3 1 r 1 1
0 0 2 r 1
0 0 4 3 r
4 r 2
3 1 r
2 r 1
4 3 r
=
_
2 3r +r
2
_ _
2 +r +r
2
_
= (r 1)
2
(r 2) (r + 2)
As tenemos que 1
T
(r) = (r 1)
2
(r 2) (r + 2) y los valores propios son: 2. 1 y 2.
Para determinar la base necesitamos encontrar una base de los Espacios Propios asociados
a cada valor propio, es decir,
\
A
= n \ , ([1]
B
`1
4
) [n]
B
= 0
El primero de ellos es el Espacio Propio asociado al valor propio 2.
Veamos la matriz del sistema
_
_
4 (2) 2 2 2
3 1 (2) 1 1
0 0 2 (2) 1
0 0 4 3 (2)
_
_
_
_
1 0 0
1
4
0 1 0 0
0 0 1
1
4
0 0 0 0
_
_
[n]
B
=
_
_
1
4
t
0
1
4
t
t
_
_
como E es una base de \
n =
1
4
t
1
+
1
4
t
2
+ 0
3
+t
4
= t
_
1
4
1
+
1
4
2
+
4
_
\
2
=
_
1
4
1
+
1
4
2
+
4
_
.
_
_
4 1 2 2 2
3 1 1 1 1
0 0 2 1 1
0 0 4 3 1
_
_
_
_
1
2
3
0 0
0 0 1 1
0 0 0 0
0 0 0 0
_
_
[n]
B
=
_
2
3
c
c
,
,
_
_
n =
2
3
c
1
+c
2
+,
3
+,
4
= c
_
2
3
1
+
2
_
+, (
3
+
4
)
\
1
=
__
2
3
1
+
2
_
. (
3
+
4
)
_
.
_
_
4 2 2 2 2
3 1 2 1 1
0 0 2 2 1
0 0 4 3 2
_
_
_
_
1 1 0 0
0 0 1 0
0 0 0 1
0 0 0 0
_
_
[n]
B
=
_
_
t
t
0
0
_
_
n = t
1
t
2
+ 0
3
+ 0
4
= t (
1
2
)
\
2
=
1
2
.
Resumiendo:
Los valores propios son: 2. 1 y 2 y los espacios propios son:
\
2
=
_
1
4
1
+
1
4
2
+
4
_
. con dim\
2
= 1.
\
1
=
__
2
3
1
+
2
_
. (
3
+
4
)
_
. con dim\
1
= 2.
\
2
=
1
2
. con dim\
2
= 1.
Observacin. Considere la base T =
_
1
4
1
+
1
4
2
+
4
.
2
3
1
+
2
.
3
+
4
.
1
2
_
de \. con
esta base obtenemos que
[1]
D
=
_
_
2 0 0 0
0 1 0 0
0 0 1 0
0 0 0 2
_
_
Ejercicios.
1. Sea 1 : R
3
R
3
una transformacin lineal y E = (1. 0. 0). (1. 1. 0). (1.. 1. 1) base
ordenada de R
3
. tal que
[1]
B
B
=
_
_
1 1 2
1 2 1
2 1 1
_
_
Determinar si 1 es diagonalizable, en caso armativo diagonalizar.
2. Sea 1 : C
3
C
3
1(r. . .) = (r + .. r + . + .) una transformacin lineal de C-
espacios vectoriales. Determinar si 1 es diagonalizable, en caso armativo diagonalizar.
3. Sea 1 : `
2
(R) `
2
(R) una transformacin lineal y
( =
__
1 0
0 1
_
.
_
1 1
0 1
_
.
_
1 0
1 1
_
.
_
1 1
2 2
__
una base ordenada de `
2
(R) tal que
[1]
C
C
=
_
_
1 0 1 0
1 2 3 0
1 1 2 0
1 1 2 1
_
_
Sabiendo que el Polinomio Caracterstico es 1
T
(r) = r (r 4) (r 1)
2
Determinar una base E de `
2
(R). tal que [1]
B
B
sea diagonal.
4. Sea 1 : R
2
[r] R
2
[r] una transformacin lineal y E = 1. 1 +r. 1 +r r
2
una base
ordenada de R
2
[r] tal que
[1]
C
B
=
_
_
0 1 1
1 1 2
2 1 3
_
_
Determinar si 1 es diagonalizable, en caso armativo diagonalizar.
5. Sea 1 : R
2
[r] R
2
[r] una transformacin lineal y ( =1. 1 + r. 1 + r + r
2
base
ordenada de R
2
[r] tal que
[1]
C
C
=
_
_
1 0 1
0 1 1
1 1 2
_
_
a) Calcular el Polinomio Caracterstico.
b) Determinar una base E de R
2
[r]. tal que [1]
B
B
sea diagonal.
c) Calcular 1
a
(1 r
2
). para cualquier : N.
6. Sea ( = (1. 0. 0. 1). (1. 0. 1. 2). (1. 2. 1. 0). (1. 1. 2. 1) una base de R
4
y 1 una transfor-
macin lineal tal que
[1]
C
=
_
_
1 3 2 1
2 4 2 1
0 0 3 1
0 0 2 2
_
_
cuyo polinomio caracterstico es 1
T
(r) = (r 1)
2
(r 2) (r 4).
Determine una base E de R
4
tal que [1]
B
sea diagonal.
3.6. Producto Escalar
Hasta aqu hemos estudiado funciones entre R-espacios vectoriales l y \ que tienen la
propiedad de ser lineal. En la seccin 2.8.2 trabajamos con el espacio de todas las funciones
q : l \ R con soporte nito. Ahora queremos ver que tambin es posible denir
funciones 1 : l \ R y exigir que sean lineales en cada variable, esto es 1 es una
funcin bilineal. El ejemplo mas elemental es el producto entre dos elementos del cuerpo R,
1 : R R R
(r. ) r
el cual verica, para r. r
0
. .
0
. c en R, las tpicas propiedades de un producto:
- (r +r
0
) = r +r
0
- r( +
0
) = r +r
0
- (cr) = r(c) = c(r)
Siguiendo esta idea de producto entre nmeros del cuerpo R podemos generalizar el
concepto de producto para vectores en un R-espacio vectorial \.
Denicin 136 Sea \ un R-espacio vectorial. Se dice que la funcin 1 : \ \ R es
una forma bilineal sobre \ si dados .
0
.
00
en \ y c en R verica:
1. 1( +
0
.
00
) = 1(.
00
) +1(
0
.
00
)
2. 1(.
0
+
00
) = 1(.
0
) +1(.
00
)
3. 1(c.
0
) = 1(. c
0
) = c1(.
0
)
Observacin. La denicin anterior es un caso particular de la denicin general de funcin
bilineal, denicin que verica las mismas propiedades que las dadas anteriormente pero el
conjunto de partida es l \ y el conjunto de llegada es \. siendo los tres K-espacios vec-
toriales cualesquiera. Las funciones bilineales que nos interesan, en esta seccin, son aquellas
que el conjunto de partida es \ \ y el conjunto de llegada es siempre el cuerpo R y es
debido a esto que reciben el nombre de formas bilineales sobre \ .
Vamos a denotar, en lo que sigue, por Bil(\. R) el conjunto de todas las formas bilineales
sobre \ . Se deja como ejercicio vericar que el conjunto Bil(\. R), con las operaciones de
suma de dos funciones bilineales y producto de un nmero real por una funcin bilineal, es
un R-espacio vectorial.
3.6. PRODUCTO ESCALAR 161
2
y 1 : \ \ R denida por
1(A. 1 ) = r
1
1
r
2
1
+ 2r
1
1
3
r
2
2
para A = (r
1
. r
2
) e 1 = (
1
.
2
). Se deja como ejercicio probar que 1 as denida es lineal
en la primera variable y lineal en la segunda variable.
Ejemplo 163 Sea \ = `
2
(R) y 1 : \ \ R denida por
1(. 1) = Tr(1
t
)
para y 1 en \ , siendo 1
t
la traspuesta de la matriz 1. Por denicin 1(. 1) es un
elemento de R y claramente es bilineal. En efecto:
Tr(( +C)1
t
) = Tr(1
t
) + Tr(C1
t
)
Tr((C +1)
t
) = Tr(C
t
) + Tr(1
t
)
Tr((c)1
t
) = Tr((c1)
t
) = cTr(1
t
)
a
y 1 : \ \ R denida por
1(A. 1 ) = r
1
1
+r
2
2
+ +r
a
a
para A = (r
1
. r
2
. . . . .r
a
) e 1 = (
1
.
2
. . . . .
a
). Se deja como ejercicio probar que es bilineal
y adems vericar las propiedades adicionales:
- 1(A. 1 ) = 1(1. A)
- 1(A. 1 ) = 0. para todo 1 en R
a
, entonces A =

0
- 1(A. A) _ 0
El ltimo ejemplo, si lo miramos en los espacios vectoriales reales R
2
o R
3
. se tienen los
ejemplos clsicos de producto escalar entre dos vectores y los conceptos de ortogonalidad,
norma de un vector y distancia entre dos vectores.
Denicin 137 Sea \ un R-espacio vectorial. Se dice que una forma bilineal sobre \ ,
1 : \ \ R, es un producto escalar sobre \ si verica:
1. 1 es simtrica,
1(.
0
) = 1(
0
. ) (\ .
0
\ )
2. 1 es no degenerada,
1(.
0
) = 0. para todo
0
en \ , entonces =

0
3. 1 es denida positiva,
1(. ) _ 0 (\ \ )
Usualmente, si 1 es un producto escalar sobre \ se acostumbra a escribir .
0
o sim-
plemente
0
en vez de 1(.
0
).
Denicin 138 Sea \ un R-espacio vectorial y . un producto escalar sobre \ . El par
(\. . ) se denomina espacio eucldeo.
Ejemplo 165 Se deja como ejercicio probar que las siguientes formas bilineales sobre el
R-espacio vectorial \ respectivo es un producto escalar.
(a) \ = R
a
y . : \ \ R denida por
A. 1 = r
1
1
+r
2
2
+ +r
a
a
para A = (r
1
. r
2
. . . . .r
a
) e 1 = (
1
.
2
. . . . .
a
).
(b) \ = `
2
(R) y . : \ \ R denida por
. 1 = Tr(1
t
)
para y 1 en \ , siendo 1
t
la traspuesta de la matriz 1.
(c) \ = , : [0. 1] R [, es continua en [0. 1] y . : \ \ R denida por
,. q =
_
1
0
,(t)q(t)dt
para ,. q en \.
(d) \ = R
a
[r] = c
0
+c
1
r+c
2
r
2
+ +c
a
r
a
[ c
i
R, i = 0. 1. . . . . : y . : \ \ R
denida por
j. = c
0
/
0
+c
1
/
1
+ +c
a
/
a
para j = c
0
+c
1
r +c
2
r
2
+ +c
a
r
a
y = /
0
+/
1
r +/
2
r
2
+ +/
a
r
a
en \.
Denicin 139 Sea \ un R-espacio vectorial y (\. . ) un espacio euclideo. Se dice que
los vectores y
0
de \ son ortogonales o perpendiculares si .
0
= 0. Usualmente, si y
0
son perpendiculares se denota por l
0
Ejemplo 166 Si \ = R
3
A. 1 = r
1
1
+r
2
2
+r
3
3
para A = (r
1
. r
2
. r
3
) e 1 = (
1
.
2
.
3
). Los vectores (1. 1. 2) y (2. 1. 0) son perpendiculares.
Ejemplo 167 \ = , : [1. 1] R [, es continua en [1. 1] y . : \ \ R
denida por
,. q =
_
1
1
,(t)q(t)dt
para ,. q en \. Los vectores ,(t) = t y q(t) = t
2
son perpendiculares.
3.6.1. Norma
Si \ es un R-espacio vectorial y . es un producto escalar sobre \ entonces, como
. _ 0 para cualquier enV. la expresin
_
. es un nmero real bien denido.
Denicin 140 Sea \ un R-espacio vectorial y . un producto escalar sobre \ . Se dene
la norma de un vector en \ por
|| =
_
.
Proposicin 141 Sea \ un R-espacio vectorial y (\. . ) un espacio eucldeo. Sean y
0
en \ y c en R entonces se verican las siguientes propiedades.
1. || = 0 si y solamente si =

0
2. |c| = [c[ ||
3. La desigualdad de Cauchy-Schwarz:
[.
0
[ _ || |
0
|
4. La desigualdad triangular:
| +
0
| _ || +|
0
|
Observacin. Es inmediato ver que en los espacios vectoriales R
2
o R
3
. con el producto
escalar usual, el concepto de ortogonalidad de dos vectores corresponde a la idea natural
de perpendicularidad de dos vectores y el concepto de norma de un vector corresponde a la
longitud del vector. Debera ser claro, de estos dos ejemplos clsicos, el por qu un espacio
vectorial \ con un producto escalar . recibe el nombre de espacio eucldeo.
Proposicin 142 (Teorema de Pitgoras) Sea \ un R-espacio vectorial y (\. . ) un es-
pacio eucldeo. Si y
0
son dos vectores perpendiculares en \ entonces se tiene que
| +
0
|
2
= ||
2
+|
0
|
2
Proposicin 143 (Ley del paralelgramo) Sea \ un R-espacio vectorial, (\. . ) un espa-
cio eucldeo y ,
0
dos vectores cualesquiera en \. Entonces se tiene que
| +
0
|
2
+|
0
|
2
= 2 ||
2
+ 2 |
0
|
2
3.6.2. Bases Ortogonales
Sea \ un R-espacio vectorial y (\. . ) un espacio eucldeo. Si y
0
son vectores
en \ perpendiculares entonces es claro que ellos son linealmente independiente, mas an se
tiene la siguiente situacin general.
Proposicin 144 Sea \ un R-espacio vectorial de dimensin : y (\. . ) un espacio eu-
cldeo. Si
1
.
2
. . . . .
a
es un conjunto de vectores mutuamente perpendiculares
(
i
.
)
= 0 apenas i ,= ,) entonces
1
.
2
. . . . .
a
es una base para \.
Demostracin. Claramente
1
.
2
. . . . .
a
es linealmente independiente ya que si
c
1
1
+c
2
2
+ +c
a
a
=

0
entonces, para cualquier
i
. i = 1. 2. . . . . :. se tiene que
c
1
1
+c
2
2
+ +c
a
a
.
i
=
_
0 .
i
_
= 0
y as, por linealidad, obtenemos que
c
i
i
.
i
= 0
y como
i
.
i
_ 0 entonces c
i
= 0 para i = 1. 2. . . . . :.
Ahora, como la dimensin de \ es : entonces
1
.
2
. . . . .
a
es una base de \.
Observacin. Es fcil probar que dado ,=

0 en un espacio eucldeo (\. . ) entonces
||
es un vector de norma (o longitud ) 1.
En general un vector no nulo de norma igual a 1 se le denomina vector unitario.
Teorema 145 Sea \ un R-espacio vectorial. Todo espacio eucldeo (\. . ) de dimensin
nita : admite una base n
1
. n
2
. . . . . n
a
de vectores unitarios mutuamente perpendiculares.
Demostracin. Como la dimensin de \ es : entonces existe una base
1
.
2
. . . . .
a
de
\ . Construyamos los siguientes vectores:
0
1
=
1
0
2
=
2

2
.
0
1
0
1
.
0
1
0
1
0
3
=
3

3
.
0
2
0
2
.
0
2
0
2

3
.
0
1
0
1
.
0
1
0
1
.
.
.
0
a
=
a
a
.
0
a1
_
0
a1
.
0
a1
_
0
a1

a
.
0
1
0
1
.
0
1
0
1
Este proceso es llamado Proceso de ortogonalizacin de Gram-Schmidt y nos asegura que el
conjunto
0
1
.
0
2
. . . . .
0
a
es un conjunto de : vectores de \ mutuamente perpendiculares y,
aplicando la proposicin anterior, una base de \ formada por vectores perpendiculares entre
ellos.
Finalmente, para obtener la base buscada debemos construir
n
1
=

0
1
|
0
1
|
. n
2
=

0
2
|
0
2
|
. . . . . . . . n
a
=

0
a
|
0
a
|
y as n
1
. n
2
. . . . . n
a
es la base de vectores unitarios mutuamente perpendiculares.buscada.
2
y (2. 1). (1. 2) una base de \ . Usando el proceso de Gram-
Schmidt elegimos
0
1
= (2. 1) y construimos
0
2
= (1. 2)
(1. 2). (2. 1)
(2. 1). (2. 1)
(2. 1)
0
2
= (1. 2)
4
5
(2. 1)
0
2
=
_
3
5
.
6
5
_
y as
_
(2. 1).
_
3
5
.
6
5
__
es una base ortogonal de \ . Ahora la base ortogonal formada por
vectore unitarios es:
__
2
_
5
.
1
_
5
_
.
_
3
_
45
.
6
_
45
__
Ejercicios.
1. Sea \ = R
3
A. 1 = r
1
1
+r
2
2
+r
3
3
para A = (r
1
. r
2
. r
3
) e 1 = (
1
.
2
.
3
). Construya una base de vectores unitarios y
mutuamente ortogonales de R
3
a partir de la base E =(1. 2. 1). (3. 1.0). (0. 1. 0).
Esto es lo que se llama ortonormalizar la base E.
2. Sea \ = , : [0. 1] R [, es continua en [0. 1] y . : \ \ R denida por
,. q =
_
1
0
,(t)q(t)dt
para ,. q en \. Si l es el subespacio de \ generado por los vectores ,(t) = t y q(t) = t
2
.
Encuentre una base ortonormal para l.
Captulo 4
Programacin Lineal
4.1. Introduccin
Se llama Programacin Lineal al procedimiento empleado para resolver, una gran
cantidad de problemas de mximo y mnimo (optimizacin), los cuales estn con restricciones
de tipo lineal en las incgnitas, que pueden ser ecuaciones o inecuaciones.
La fase de formulacin del anlisis de problemas es lo que tiene mayor trascendencia en
la prctica en los problemas de programacin lineal. Sin embargo solamente nos dedicaremos
a la solucin de ellos una vez planteado.
Algunos de los conceptos necesarios de conocer para familiarizarse con el lenguaje de
programacin lineal son:
Denicin 146 Se llama Funcin Objetivo, a la funcin de la cual queremos determinar
su mximo o mnimo
Observacin. Por ejemplo, se puede mencionar:
El administrador de una cartera: maximizar los crditos de la inversin;
Un gerente de produccin: satisfacer la demanda con el mnimo costo de produccin;
Una aerolnea: encontrar un plan de asignacin de personal a un costo mnimo;
Una compaa petrolera: maximizar las utilidades.
En todos estos ejemplos hay una cantidad que se desea maximizar o minimizar.
Ejemplo 169 Una persona tiene un problema de utilidades al producir dos tipos de produc-
tos. Suponga que r
i
es la cantidad producida de producto i, y n
i
es la ganancia unitaria del
producto i, con i = 1. 2. Luego la funcin ganancia est dada por
n
1
r
1
+n
2
r
2
167
168 CAPTULO 4. PROGRAMACIN LINEAL
Denicin 147 El conjunto restricciones o sujeto a es el conjunto donde tiene sentido o
est denida la funcin objetivo.
Observacin. Por ejemplo,
Para el administrador de cartera: sus decisiones de inversin estn restringidas por la can-
tidad de su capital y por los reglamentos de la bolsa de valores.
Para el gerente de planta: sus decisiones estn restringidas por la capacidad de la planta y
por la disponibilidad de recursos.
La asignacin de personal y la planeacin de vuelos de la lnea area estn restringidos por
las necesidades de mantenimiento y por el nmero de empleados disponibles.
La decisin de una compaa petrolera de usar cierto tipo de petrleo crudo en la pro-
duccin de gasolina est restringida por las caractersticas de sta. (El octanaje o el
antidetonante).
Ejemplo 170 Una persona tiene un problema de presupuesto en la empresa, si dispone de
un capital de $ 1 a distribuir entre dos bienes diferentes. Suponga que r
i
es la cantidad
asignada a la actividad i, con i = 1. 2. Luego la restriccin del problema esta dada por
r
1
+r
2
_ 1.
Denicin 148 La Forma Estndar de un problema de programacin lineal es:
max (c
1
r
1
+c
2
r
2
+... +c
a
r
a
)
sujeto a:
c
11
r
1
+c
12
r
2
+... +c
1a
r
a
= /
1
c
21
r
1
+c
22
r
2
+... +c
2a
r
a
= /
2
c
31
r
1
+c
32
r
2
+... +c
3a
r
a
= /
3
c
n1
r
1
+c
n2
r
2
+... +c
na
r
a
= /
n
y
r
1
_ 0. r
2
_ 0. .... r
a
_ 0
donde /
i
. c
i
y c
i)
son constantes reales jas, /
i
_ 0, r
i
son valores reales a determinar.
4.2. TRANSFORMACIN A LA FORMA ESTNDAR 169
Observacin. Podemos escribir la formulacin del problema anterior de forma estndar,
usando la notacin matricial, esto es: max (cr
t
),
cr
t
donde c = (c
1
. c
2
. .... c
a
) y r = (r
1
. r
2
. .... r
a
), sujeto a:
r
t
= /
donde = (c
i)
) . y
r
i
_ 0. \i = 1. .... :.
donde c y r son vectores :-dimensional, es una matriz de orden :: y / es una matriz de
orden :1. Las componentes de r son todas positivas, denotada por la desigualdad r _ 0.
asumiendo que esa notacin es para cada una de las componentes del vector r.
El problema de programacin lineal nalmente se escribe,
max(cr
t
)
Sujeto a r
t
= /
r _ 0
4.2. Transformacin a la Forma Estndar
No todos los problemas de programacin lineal vienen expresados en la forma estndar,
sin embargo stos se pueden convertir en la forma estndar, es aqu donde aparecen nuevos
conceptos, simples de denir
4.2.1. Variable de Holgura
Suponga que tenemos, que una de las restricciones est dada por una desigualdad
lineal menor o igual que, como por ejemplo:
Considrese la desigualdad lineal en : variables dada por
c
1
r
1
+c
2
r
2
+... +c
a
r
a
_ /
1
En este caso se dene la variable :
1
por:
:
1
= /
1
(c
1
r
1
+c
2
r
2
+... +c
a
r
a
)
Llamada Variable de Holgura, de tal manera que la desigualdad inicial es equivalente a:
c
1
r
1
+c
2
r
2
+... +c
a
r
a
+:
1
= /
1
:
1
_ 0
Entonces se pueden introducir variables o incgnitas no negativas para convertir las
desigualdades en ecuaciones.
Ejemplo 171 Escribir el siguiente sistema de desigualdades lineales como un sistema de
ecuaciones lineales con variables de holgura:
3r
1
+ 2r
2
+ 5r
3
_ 10
3r
1
+ 4r
2
+ 6r
3
_ 125
Solucin. Se dene las variables de holgura por
:
1
= 10 (3r
1
+ 2r
2
+ 5r
3
) = 10 3r
1
2r
2
5r
3
y
:
2
= 125 (3r
1
+ 4r
2
+ 6r
3
) = 125 3r
1
4r
2
6r
3
Entonces, las desigualdades lineales iniciales, se transforman en
3r
1
+ 2r
2
+ 5r
3
+:
1
= 10
3r
1
+ 4r
2
+ 6r
3
+:
2
= 125
Sujeta a
:
1
_ 0. :
2
_ 0.
es decir,
3r
1
+ 2r
2
+ 5r
3
+:
1
= 10
3r
1
+ 4r
2
+ 6r
3
+:
2
= 125
:
1
_ 0. :
2
_ 0.
4.2.2. Variable excedente
Suponga que tenemos que una de las restricciones est dada por una desigualdad
lineal mayor o igual que, como por ejemplo:
Considrese la desigualdad lineal en : variables dada por
c
1
r
1
+c
2
r
2
+... +c
a
r
a
_ /
En este caso se dene la variable
1
= c
1
r
1
+c
2
r
2
+... +c
a
r
a
/
La Variable Excedente nos permite establecer que lo anterior es equivalente a:
c
1
r
1
+c
2
r
2
+... +c
a
r
a
1
= /
donde
1
_ 0. De esta forma un problema de desigualdades lineales pasa a ser una igualdad
lineal.
Ejemplo 172 Escribir el siguiente sistema de desigualdades lineales como un sistema de
ecuaciones lineales con variables excedentes:
2r
1
+r
2
+ 2r
3
_ 10
r
1
+ 2r
2
+r
3
_ 12
Solucin. Se denen las variables excedentes por
1
= 2r
1
+r
2
+ 2r
3
10 = 2r
1
+r
2
+ 2r
3
10
y
2
= r
1
+ 2r
2
+r
3
12 = r
1
+ 2r
2
+r
3
12
Entonces, las desigualdades lineales iniciales, se transforman en
2r
1
+r
2
+ 2r
3
1
= 10
r
1
+ 2r
2
+r
3
2
= 12
Sujeta a
1
_ 0.
2
_ 0.
es decir,
2r
1
+r
2
+ 2r
3
1
= 10
r
1
+ 2r
2
+r
3
2
= 12
1
_ 0.
2
_ 0.
Observacin. En las anteriores situaciones hemos resuelto el problema de traducir desigual-
dades en igualdades introduciendo nuevas variables no negativas. An nos falta examinar el
caso en que las otras variables no tengan restriccin alguna.
4.2.3. Variables Libres (Primer mtodo)
Suponga por ejemplo, que no existe la restriccin sobre la variable r
1
por lo que dicha
variable es libre de tomar valores positivos o negativos, entonces se escribe:
r
1
= n
1
:
1
.
donde se establece necesariamente que n
1
_ 0 y :
1
_ 0. Si se substituye n
1
:
1
por r
1
en
la ecuacin original, se conserva la linealidad de las restricciones y se requiere que todas las
variables sean positivas. Entonces el problema se expresa en una variable ms.
4.2.4. Variables Libres (Segundo mtodo)
Otro enfoque para convertir a la forma estndar, cuando NO se presenta la restriccin
r
1
_ 0. es eliminar r
1
junto con una de las ecuaciones de restriccin. Para ello se toma una
de las : ecuaciones del sistema de ecuaciones original, que tenga el coeciente de r
1
,= 0.
Por ejemplo: suponga que c
i1
,= 0. en
c
i1
r
1
+c
i2
r
2
+... +c
ia
r
a
i
= /
i
.
Entonces r
1
se puede despejar en trminos de las otras variables ms una constante.
Al reemplazar esta expresin por r
1
en el sistema de ecuaciones original, se tiene un nuevo
problema, pero expresado en una variable menos. Como resultado de esta operacin se obtiene
un problema lineal estndar con una ecuacin y una variable menos.
Ejemplo 173 Considere el siguiente problema de programacin lineal
max (r
1
+ 3r
2
+ 4r
3
)
sujeto a
r
1
+ 2r
2
+r
3
= 5
2r
1
+ 3r
2
+r
3
= 6
r
2
_ 0. r
3
_ 0.
Cambiarlo a un problema de programacin lineal en forma estandar.
Solucin. Como r
1
no tiene restriccin, se despeja de la primera ecuacin y se obtiene:
r
1
= 2r
2
r
3
+ 5.
Al sustituir esto en la funcin objetivo se obtiene el siguiente problema, que es equivalente
a:
max (r
2
+ 3r
3
+ 5)
sujeto a
r
2
+r
3
= 4
r
2
_ 0. r
3
_ 0.
el cul esta en la forma estndar.
Ejemplo 174 Al realizar un estudio en una fbrica de muebles, se obtienen los siguientes
datos:
Cada silla para su fabricacin necesita de 4 horas de trabajo y 4 metros de tabla.
Cada mesa para su fabricacin necesita 3 horas de trabajo y 10 metros de tabla.
El fabricante dispone de 660 metros. de madera y un equipo de trabajadores capaz de pro-
porcionar 380 horas de trabajo.
Se ha determinado que hay una utilidad de $3000 por cada silla vendida y $6000 por cada
mesa vendida.
Suponiendo que los materiales necesarios (como clavos o barniz) se disponen en cantidades
sucientes.
Modele el problema de programacin lineal, en forma estndar
Cuntas mesas y sillas se deben producir para maximizar las utilidades? (suponiendo que
se vende todo lo producido)
Solucin. Agrupemos los datos:
silla mesa Disponible
Madera en metros 4 10 660
Mano de obra en horas 4 3 380
Utilidades netas por unidad 3000 6000
Supongamos que r es el total de sillas fabricadas e el nmero total de mesas producidas
por la fbrica. Como se requieren 4 metros de madera para hacer una silla, hacen falta 4r
metros de madera para hacer r sillas. Similarmente se requieren 10 metros de madera para
producir mesas. Por lo que la primera restriccin se puede expresar algebraicamente por
medio de la desigualdad lineal:
4r + 10 _ 660
De igual manera se obtiene la desigualdad lineal que representa la mano de obra:
4r + 3 _ 380
Estas dos desigualdades representa dos de las restricciones en este problema. Existen dos
restricciones adicionales, ya que la fbrica no puede tener cantidades negativas de sus pro-
ductos, por lo que se debe cumplir que:
r _ 0 y _ 0
La ganancia obtenida G cuando se producen r sillas e mesas se expresa:
G = 3000r + 6000
Juntando toda esta informacin, se puede enunciar un problema de programacin lineal:
max(G) = max (3000r + 6000)
Sujeto a
4r + 10 _ 660
4r + 3 _ 380
r _ 0. _ 0
En este problema la funcin lineal mostrada G = 3000r + 6000 es la Funcin Objetivo.
Cualquier punto del conjunto denido por las restricciones se llama Solucin Factible.
Nuestro problema consiste en encontrar el punto (o los puntos) en el conjunto de restricciones
en el cual la funcin objetivo toma su valor mximo.
Para resolver este problema primero gracamos el conjunto de las restricciones, que es el
conjunto solucin de las desigualdades, y que se muestra en el grco a continuacin.
Consideramos las rectas 3000r + 6000 = d. para los distintos valores de la constante
d. Cada una de estas rectas son paralelas y la ganancia en ellas es constante. Para ver por
qu, considrese la recta 3000r + 6000 = 30000 para cada punto (r. ) que se encuentre en
esta recta y en el conjunto denido por las restricciones, el fabricante obtiene una utilidad
de $30.000.
Algunos puntos son: (10. 0) (representa solamente 10 sillas), (6. 2) (6 sillas y 2 mesas)
y (0. 5) (solamente 5 mesas). Por lo que podemos gracar muchas rectas de ganancia cons-
tantes:
Todas las rectas de utilidades constantes son paralelas entre s y las utilidades aumentan al
aumentar el intersecto. Cada nueva lnea entre mayor el intersecto se produce ms utilidades.
Entonces nuestro objetivo es determinar el intersecto mayor sin salirnos del conjunto de
restriccin.
De la gura se ve que la ltima recta de ganancia constante es la lnea que intersecta
al conjunto de las restricciones en un solo punto (65. 40). Esto quiere decir que se obtienen
las mximas utilidades cuando se fabrican 65 sillas y 40 mesas. Lo que produce una utilidad
de: 3000 + 65 + 6000 + 40 = 435000, es decir, $435.000.
La forma estandar del problema de programcin lineal esta dada por:
max (3000r + 6000)
sujeto a
4r + 10 +:
1
= 660
4r + 3 +:
2
= 380
r. . :
1
. :
2
_ 0
Observacin: En el caso particular de este problema se pudo recurrir a una tcnica grca
llamada mtodo grco que nos permiti resolverlo. Este mtodo muestra lo que pasa,
pero es poco prctico, ya que se requiere de la elaboracin de grcas muy precisas para
obtener la solucin.
Adems, slo se puede emplear en problemas en los que intervengan dos variables, pues
las grcas en dimensiones tres son ms complicadas de visualizar y no se pueden utilizar
en dimensin mayor.
Ejercicio 175 Una industria produce dos tipos de productos
1
.
2
. Existen restricciones
de los recursos: mano de obra, materia prima y maquinaria. Se sabe que para producir una
unidad del producto
1
, el dinero gastado en los recursos es, en pesos, 5, 10 y 4 respectiva-
mente. En el caso del segundo producto las cantidades son 6, 20 y 4.
El dinero disponible para cada uno de los tres recursos es, respectivamente, 15.000, 20.000
y 6.000 pesos. La ganancia por cada unidad del producto
1
es 3 pesos, y por cada unidad
del producto
2
es 4 pesos. Suponemos que en el mercado nuestros productos no tienen
competencia.
Determinar las cantidades a producir, r
1
y r
2
, de los productos
1
y
2
, respectivamente,
a n de obtener el mximo benecio.
Ejercicio 176 Un chacarero tiene a su disposicin 100 hectreas de tierra, 160 das-hombre
para cultivarlo y 1.100 pesos para invertir. Desea sembrar dos cultivos, uno de los cuales
requiere un da-hombre por hectrea y produce un benecio de 40 pesos por hectrea; el
otro cultivo requiere de 4 das-hombre por hectrea y produce un benecio de 120 pesos por
hectrea. El cultivo 1 requiere una inversin de 10 pesos por hectrea y el cultivo 2 requiere
de 20 pesos por hectrea. Se desea saber cuntas hectreas de cada cultivo habr que plantar
para obtener el benecio mximo.
4.3. Conjuntos Convexos
Para poder justicar algunos resultados que permiten resolver los problemas de pro-
gramacin lineal en un nmero arbitrario de variables, es necesario denir los siguientes
conceptos.
Denicin 149 Un conjunto C en 1
a
es convexo si y slo si para toda r
1
. r
2
C y todo
nmero real c. 0 < c < 1. el punto cr
1
+ (1 c) r
2
C.
Observacin. Todos los puntos del segmento de recta que une a estos dos puntos pertenece
al conjunto, nocin vital de la denicin.
Teorema 150 El conjunto
` = r R [ r = /. r _ 0
restriccin de un problema de programacin lineal es un conjunto convexo.
4.3. CONJUNTOS CONVEXOS 177
Demostracin. Sean r. `. por denicin de conjunto factible tenemos que r _ 0.
_ 0
Como r. ` tenemos que
r = /
= /
Debemos probar que cr + (1 c) `, para ello
(cr + (1 c) ) = (cr) +((1 c) )
= cr + (1 c)
= c/ + (1 c) /
= c/ +/ c/
= /
Falta demostrar que cr + (1 c) 0. veriqumoslo por coordenadas. Sean r
i
.
i
las
coordenadas i-sima de r y respectivamente, por lo tanto
r
i
0.
i
0
cr
i
0. (1 c)
i
0
cr
i
+ (1 c)
i
0
Luego, el conjunto de soluciones ` es convexo.
Denicin 151 Se llama punto extremo de un conjunto convexo ` a aquellos puntos que
no se encuentran estrictamente dentro del segmento de recta que une otros dos puntos del
conjunto.
Es decir, r es un punto extremo de un conjunto convexo `, si y slo si dados dos puntos
distintos r
1
y r
2
en ` tales que
r = cr
1
+ (1 c) r
2
implica c = 0 o c = 1.
Teorema 152 Dado el conjunto
` = r R [ r = /. r _ 0
restriccin de un problema de programacin lineal y la funcin
,(r) = cr. c ,= 0
Si , alcanza un mximo local en j entonces j es un punto extremo de `.
Demostracin. Supongamos que j no es un punto extremo, luego sean r
1
. r
2
` y
c ]0. 1[. tales que
j = (1 c)r
1
+cr
2
cj = c ((1 c)r
1
+cr
2
)
cj = (1 c)cr
1
+ccr
2
con lo cual el valor de cj est entre los valores de cr
1
y cr
2
. pero , alcanza un mximo local
en j por lo tanto
cj = cr
1
; cj = cr
2
lo cual es una contradiccin.
Observacin. La interpretacin de este teorema, nos motiva a encontrar todos los puntos
extremos de una conjunto convexo.
Adems note que si una funcin alcanza en ms de un punto su valor mximo, tambin
hay un punto extremo donde alcanza ese valor.
Teorema 153 Dado el conjunto
` =
_
r R [ r
t
= /. r _ 0
_
,= c
restriccin de un problema de programacin lineal entonces ` tiene un punto extremo.
Demostracin. Sea r un elemento en ` como
r
t
= /
por lo tanto tenemos
n
i=1
r
i
C
i
() = /
reordenando y escogiendo los ndice de tal manera, que los primeros / coecientes son no
nulo
I
i=1
i
c
i
() = /
Supongamos que el conjunto c
1
(). c
2
(). ...c
I
() es linealmente dependiente.
Por lo tanto existen .
i
en los reales, no todos negativos, tales que
`
I
i=1
.
i
c
i
() = 0
y volviendo a la enumeracin original, reordenando, sumando y completando los otros coe-
cientes con cero obtenemos
n
i=1
(r
i
`.
i
) C
i
() = /
4.3. CONJUNTOS CONVEXOS 179
de esta ltima suma podemos notar que si ` 0 entonces:
i) Algunos coecientes se mantienen positivos (si .
i
= 0).
ii) Otros coecientes aumentan su valor cuando .
i
< 0. es decir mantienen su signo
positivo.
iii) Otros coecientes disminuyen su valor cuando .
i
0. con ellos escogemos el valor
dado por
` = mn
_
r
i
.
i
, .
i
0
_
con lo cual al menos uno de los coecientes se anula, por lo tanto al repetir el proceso
obtenemos que existe un elemento r de ` tal que el conjunto de las columnas de la matriz
con coecientes de r distinto de cero C
i
() [ r
i
,= 0 . forma un conjunto linealmente
independiente.
A continuacin demostraremos que este r, es un punto extremo de `.
Sean . . `. luego _ 0. . _ 0. adems
= / . = /
tal que r = c + (1 c) ., igualando los coecientes, obtenemos
r
i
= c
i
+ (1 c) .
i
como r tiene algunos coecientes cero por lo tanto . . tambin tienen los mismos coecientes
iguales a ceros, es decir considerando solamente los coecientes distintos de cero, tenemos la
siguiente combinacin lineal
n
i=1
(c
i
+ (1 c).
i
) C
i
() = /
como las columnas son linealmente independientes, el sistema admite a lo ms una solucin,
luego todas las que hemos encontrado son iguales.
Por lo tanto, dado c. / [0. 1]. cualesquiera
c
i
+ (1 c).
i
= /
i
+ (1 /).
i
(c /)
i
= (c /).
i
i
= .
i
As obtenemos que = .. con lo cual obtenemos que r es un punto extremo.
Corolario 154 Dado el conjunto
` =
_
r R [ r
t
= /. r _ 0
_
,= c
restriccin de un problema de programacin lineal entonces ` tiene un nmero nito de
puntos extremos.
Corolario 155 Dado el conjunto
` =
_
r R [ r
t
= /. r _ 0
_
,= c
restriccin de un problema de programacin lineal entonces G = cr
t
tiene un punto donde
alcanza el mximo y el mnimo.
Ejemplo 177 Tenemos del ejemplo 154 que el conjunto de restriccin es
4r + 10 _ 660
4r + 3 _ 380
r _ 0. _ 0
Transformando en la forma estndar tenemos que
_
4 10 1 0
4 3 0 1
_
_
_
r
.
t
_
_
=
_
660
380
_
los puntos extremos se obtienen como solucin nica de columnas linealmente independientes,
la nica posibilidad es tomar solamente dos columnas y as obtenemos los siguientes puntos
extremos
(0. 0. 660. 380); (0. 66. 0. 182); (95. 0. 280. 0); (65. 40. 0. 0); (0. 0. 0. 0)
Luego basta evaluar la funcin G = 3000r + 6000 en los puntos extremos obtenemos:
G(0. 0. 660. 380) = 0; G(0. 66. 0. 182) = 396.000;
G(0. 0. 0. 0) = 0; G(95. 0. 280. 0) = 285.000;
G(65. 40. 0. 0) = 435.000.
As se obtiene que el mximo se alcanza en r = 65 e = 40.
4.4. Mtodo del Simplex
Es un algoritmo capaz de generar a partir de un punto extremo, nuevos puntos
extremos donde la funcin alcanza cada vez mejores valores, hasta llegar a una que no puede
ser mejorada.
El Mtodo del Simplex se basa en que el valor optimal de un problema de programacin
lineal, siempre se alcanza en un punto extremo, lo que corresponde a la demostracin del
teorema 136. Al comprender que basta con considerar soluciones factibles bsicas (puntos
extremos), se seleccionan varias bases o conjuntos linealmente independientes maximales y
4.4. MTODO DEL SIMPLEX 181
se calculan las correspondientes soluciones bsicas. La lgica para la eleccin sistemtica de
nuevas bases implica de nuevo los coecientes de costo relativo.
El mtodo del simplex se puede esquematizar de la siguiente manera:
Primer Paso: Matriz asociada a un problema de programacin lineal.
Dado el problema de programacin lineal en forma estandar
max(cr
t
)
donde c = (c
1
. c
2
. .... c
a
) y r = (r
1
. r
2
. .... r
a
), sujeto a:
r
t
= /
con = (c
i)
) . adems
r _ 0.
Le asociamos la siguiente matriz
_
/
c .
_
o bien
_
/
c 0
_
Nos referiremos a los coecientes de la ltima la, como indicadores o pesos de la funcin
objetivo.
Segundo Paso: Eleccin de la columna.
Las columnas a pivotear son las que tienen indicadores negativos, ya que ellas son las
nicas que pueden hacer que el mximo aumente, adems algn elemento de esa columna
debe ser necesariamente positivo, en caso contrario signicar que el conjunto es no acotado
luego no tiene mximo.
Tercer Paso: Eleccin de la posicin de pivoteo.
El Mtodo del Simplex, supone que la matriz ya est pivoteada y a partir de ella se tiene
una solucin particular del sistema perteneciente al conjunto de restriccin, es decir un punto
extremo
_

0
/
0
c
0
.
0
_
Si hemos escogido la columna para pivotear, de acuerdo a lo exigido en el segundo
paso.
Sea t tal que
/
0
t
c
0
tq
= mn
/
0
i
c
0
iq
, c
0
iq
0
Con lo cual, podemos pivotear en la posicin (t. ). la eleccin de t no siempre es nica.
Terminada la instancia de pivotear volvemos a repetir el proceso a partir del paso dos,
hasta obtener que todo los indicadores son no negativos.
En este caso, el valor optimal de la funcin es el coeciente de la posicin (:+1. : +1).
Ejemplo 178 Consideremos el siguiente sistema, el cul corresponde exclusivamente al con-
junto restriccin
_
_
2 4 6 1 0 0 4
1 2 3 0 1 0 3
1 2 1 0 0 1 1
_
_
Una solucin particular del sistema o un punto extremo es
r = (0. 0. 0. 4. 3. 1)
Supngase que se decide pivotear sobre la primera columna. Para determinar cul es la
posicin adecuada, se calculan las tres razones:
4
2
= 2.
3
1
= 3.
1
1
= 1
y se selecciona la menor no negativa. Esto nos indica que 2 es nuestro elemento en la posicin
(1. 2), As obtenemos:
_
_
1 2 3
1
2
0 0 2
0 0 0
1
2
1 0 1
0 4 4
1
2
0 1 3
_
_
y nuestro nuevo punto extremo es,
r = (2. 0. 0. 0. 1. 3)
donde se ha pasado de una solucin bsica a otra.
Ejemplo 179 Maximizar
n = 3r + 4
sujeto a:
r + 2 _ 12
2r + 3r _ 21
r. _ 0.
Solucin. Para convertir el problema a la forma estndar necesitamos incorporar las vari-
ables de holgura
r + 2 +. = 12
2r + 3 +t = 21
r. . .. t _ 0
con n = 3r + 4
La matriz asociada al problema es
_
_
1 2 1 0 12
2 3 0 1 21
3 4 0 0 n
_
_
en la primera columna tenemos indicadores negativos, para escoger cul es la posicin en la
que vamos a pivotear, miremos los cuocientes y calculemos el mnimo
mn
_
12
1
.
21
2
_
=
21
2
con lo cul procedemos a escalonar en la posicin (2. 1). Obtenemos
_
_
0
1
2
1
1
2
3
2
1
3
2
0
1
2
21
2
0
1
2
0
3
2
n +
63
2
_
_
Para comprender de mejor manera lo que hemos realizado, recuperemos el sistema que
dene el conjunto restriccin , esto es:
1
2
+.
1
2
t =
3
2
r +
3
2
+
1
2
t =
21
2
r. . .. t _ 0
Despejando r de la segunda ecuacin obtenemos
r =
21
2

3
2

1
2
t
reemplacemos en la funcin objectivo
n = 3
_
21
2

3
2

1
2
t
_
+ 4
n =
63
2

1
2

1
2
t
y como todas la variables son positivas, el valor solamente puede disminuir, con lo cul
obtenemos que el valor mximo es
63
2
y lo alcanza en r =
3
2
. = 0
n = 3r + 5
sujeto a:
r + 2 _ 12
2r + 3r _ 21
r. _ 0.
Solucin. Traduciremos el problema de programacin lineal a la forma estndar, de modo
que pueda aplicarse el procedimiento simplex,
_
_
1 2 1 0 12
2 3 0 1 21
3 5 0 0 0
_
_
o
r + 2 +. = 12
2r + 3 +t = 21
r. . .. t _ 0
con n = 3r + 5
la solucin inicial es (0. 0. 12. 21). en la primera columna miremos los cuocientes y calculemos
el mnimo
mn
_
12
1
.
21
2
_
=
21
2
luego procedemos a escalonar de la posicin (2. 1). As tenemos
_
_
0
1
2
1
1
2
3
2
1
3
2
0
1
2
21
2
0
1
2
0
3
2
63
2
_
_
o
1
2
+.
1
2
t =
3
2
r +
3
2
+
1
2
t =
21
2
r. . .. t _ 0
despejando r de la segunada ecuacin y reemplando esta sustitucin en la funcin
n = 3
_
21
2

3
2

1
2
t
_
+ 5
n =
63
2
+
1
2

3
2
t
en este caso el valor puede seguir aumentando, y la solucin que tenemos es (
21
2
. 0.
3
2
. 0)
Realicemos la bsqueda sobre la segunda variable, ya que ella puede seguir aumentando
mn
_
3,2
1,2
.
21,2
1,2
_
= mn 3. 21 = 3
Escalonemos usando la posicin (2. 1). tenemos
_
_
0 1 2 1 3
1 0
3
2
2 6
0 0 1 1 33
_
_
o
+ 2. t = 3
r
3
2
. + 2t = 6
r. . .. t _ 0
el punto que tenemos ahora es (6. 3. 0. 0). reemplacemos en la funcin a maximizar, as
n =
63
2
+
1
2
(3 2. +t)
3
2
t
n = 33 . t
como todas la variables son positivas, obtenemos que el mximo valor es 33 y lo alcanza en
r = 6. = 3.
Ejemplo 181 Tenemos del ejemplo 154 que el conjunto de restriccin es
4r + 10 _ 660
4r + 3 _ 380
r. _ 0
y la funcin objetivo n = 3000r + 6000. Transformando a la forma estndar y asociando
la matriz tenemos,
_
_
4 10 1 0 660
4 3 0 1 380
3000 6000 0 0 0
_
_
Pivotendo en la la posicin (2. 1) obtenemos
_
_
0 7 1 1 280
1
3
4
0
1
4
95
0 3750 0 750 285000
_
_
Para continuar el proceso pivoteamos en la poscin (1. 2), y tenemos
_
_
0 1
1
7

1
7
40
1 0
3
28
1 65
0 0
3750
7
1500
7
435000
_
_
As se obtiene que el mximo se alcanza en r = 65 y = 40. y su valor mximo es $435.000.
. = 3r
1
+r
2
+ 3r
3
sujeto a:
2r
1
+r
2
+r
3
_ 2
r
1
+ 2r
2
+ 3r
3
_ 5
2r
1
+ 2r
2
+r
3
_ 6
r
1
. r
2
. r
3
_ 0.
Solucin. Para convertir el problema a la forma estndar de modo que pueda aplicarse el
procedimiento simplex, multiplicamos la funcin objetivo por menos uno e introducimos tres
variables de holgura no negativas r
4
. r
5
. r
6
, con lo que resulta lo siguiente:
_
_
2 1 1 1 0 0 2
1 2 3 0 1 0 5
2 2 1 0 0 1 6
3 1 3 0 0 0 0
_
_
La aplicacin del criterio de seleccin de una columna sobre la que pivotear, demuestra
que cualquiera de las tres columnas proporciona una solucin mejorada. En cada una de
estas columnas, el elemento pivote adecuado se determina calculando las razones
i0
i)
y seleccionando la positiva ms pequea.
Slo es necesario determinar un pivote permitido y en general no hay por qu calcularlos
todos. Sin embargo, para hacer clculos a mano en problemas de esta magnitud, se podran
analizar los posibles pivotes y seleccionar uno que minimice la cantidad de divisin necesaria.
Para este ejemplo se elige 1. de la posicin (1. 2).
_
_
2 1 1 1 0 0 2
3 0 1 2 1 0 1
2 0 1 2 0 1 2
1 0 2 1 0 0 2
_
_
En la tercera columna tenemos que el indicador es negativo, escogemos para pivotear la
posicin (3. 2)
_
_
5 1 0 3 1 0 1
3 0 1 2 1 0 1
5 0 0 4 1 1 3
7 0 0 3 2 0 4
_
_
El valor de la funcin objetivo sigue aumentando y se puede pivotar en la posicin (1. 1)
_
_
1
1
5
0
3
5

1
5
0
1
5
0
3
5
1
1
5
2
5
0
8
5
0 1 0 1 0 1 4
0
7
5
0
6
5
3
5
0
27
5
_
_
Como la ltima la tiene solamente elementos no negativos, se deduce que la solucin
correspondiente a la ltima tabla es optimal.
Por lo tanto,
r
1
=
1
5
. r
2
= 0. r
3
=
8
5
. r
4
= 0. r
5
= 0. r
6
= 4
es la solucin ptima con un valor correspondiente a la funcin objetivo de
27
5
.
Ejemplo 183 Encontrar todos los pivotes o apoyos de la tabla simplex inicial.
_
_
2 1 4 6 1 0 1
3 3 2 7 0 1 2
1 1
1
2
2 0 0 .
_
_
Solucin. Primero, obsrvese que hay tres indicadores negativos, es decir, por lo menos
tres pivotes.
En la primera columna hay dos componentes positivos, as que formamos los cocientes:
10
11
=
1
2
.

20
21
=
2
3
como
1
2
_
2
3
. luego el pivote de la primera columna est en la posicin (1. 1).
En la segunda columna hay solamente un coeciente positivo, luego el pivote est en la
posicin (2. 2).
En la tercera columna, formemos los cocientes:
10
13
=
1
4
.

20
23
=
2
2
= 1
As, el pivote esta en la posicin (3. 2).
A continuacin tenemos marcados los posibles pivotes
_
_
2 1 4 6 1 0 1
3 3 2 7 0 1 2
1 1
1
2
2 0 0 .
_
_
Con lo que concluye el ejercicio.
Ejemplo 184 En el ejercicio anterior, encontramos el pivote en la tercera columna. Usar
ste, para dar inicio al mtodo del simplex de modo de localizar el valor optimal.
_
_
2 1 4 6 1 0 1
3 3 2 7 0 1 2
1 1
1
2
2 0 0 .
_
_
Solucin. Pivotenado en la posicin pedida tenemos
_
_
1
2

1
4
1
3
2
1
4
0
1
4
2
7
2
0 4
1
2
1
3
2
3
4

9
8
0
11
4
1
8
0 . +
1
8
_
_
Ahora permanecen dos indicadores negativos.
Luego, para escoger la posicin de la primera columna, veamos los cuocientes
1
4
1
2
=
1
2
;
3
2
2
=
3
4
Pivoteamos desde la posicin (1. 1) y obtenemos
_
_
1
1
2
2 3
1
2
0
1
2
0
5
2
2 2
3
2
1
1
2
0
5
4
3
2
5
1
2
0 . +
1
2
_
_
La nica columna, que tiene indicador negativo es la segunda y en ella encontramos un
solo pivote, que esta en la posicin (2. 2). pivoteando esta posicin tenemos
_
_
1 0
8
5
13
5
1
5
1
5
3
5
0 1
4
5

4
5

3
5
2
5
1
5
0 0
1
2
4
1
4
1
2
. +
3
4
_
_
Tenemos nuevamente un indicador negativo en la quinta columna, y un solo pivote posi-
tivo, pivoteando desde la posicin (5. 1) obtenemos
_
_
5 0 8 13 1 1 3
3 1 4
36
5
0 1 2
5
4
0
5
2
29
4
0
3
4
. +
3
2
_
_
Con ello, tenemos que el valor mximo lo alcanzamos en (0. 2. 0. 0. 3. 0) y este valor es
3
2
.
Ejemplo 185 Encontrar todos los pivotes de la matriz asociada a un problemna de progra-
macin lineal.dada por:
_
_
1 1 3 4 4 1 0 0 0 2
0 2 1 2 1 0 1 0 0 2
1 5 0 1 2 0 0 1 0 1
1 4 1 3 2 0 0 0 1 3
1 1 1 0 2 0 0 0 0 .
_
_
Solucin. Hay indicadores positivos en las columnas 1,2 y 5.
En la primera columna hay dos elementos positivos, realizando los cocientes:
10
11
=
2
1
= 2.

40
41
=
3
1
= 3
ya que 2 < 3, el pivote es 1 en la posicin (1. 1).
En la segunda columna hay tres componentes positivas, formamos los cocientes:
10
12
=
2
1
= 2.

20
22
=
2
2
= 1.

30
32
=
1
5
como
1
5
es el mnimo cociente, el pivote es 5 en la posicin (3. 2).
En la quinta columna hay cuatro componentes positivos, formamos los cocientes:
10
15
=
2
4
=
1
2
.

20
25
=
2
1
= 2.

30
35
=
1
2
.

40
45
=
3
2
El menor cociente es
1
2
, y hay dos cocientes con este valor. Por lo tanto, en la posicin
(1. 5) y en la posicin (3. 5) estan los posibles pivotes.
Volvemos a dibujar la tabla, con los pivotes marcados:
_
_
1 1 3 4 4 1 0 0 0 2
0 2 1 2 1 0 1 0 0 2
1 5 0 1 2 0 0 1 0 1
1 4 1 3 2 0 0 0 1 3
1 1 1 0 2 0 0 0 0 .
_
_
y con esto naliza el ejercicio.
Ejemplo 186 Determinar el mximo optimal del problema de programacin lineal dado por
_
_
1 1 3 4 4 1 0 0 0 2
0 2 1 2 1 0 1 0 0 2
1 5 0 1 2 0 0 1 0 1
1 4 1 3 2 0 0 0 1 3
1 1 1 0 2 0 0 0 0 .
_
_
Solucin. Pivotenado en la posicin (1. 1) obtenemos:
_
_
1 1 3 4 4 1 0 0 0 2
0 2 1 2 1 0 1 0 0 2
0 6 3 5 6 1 0 1 0 3
0 5 2 1 2 1 0 0 1 1
0 0 4 4 2 1 0 0 0 . + 2
_
_
As obtenemos, que el mximo valor es 2 y se alcanza en (2. 0. 0. 0. 0. 0. 2. 3. 1)
Ejemplo 187 La siguiente es una tabla terminal de un problema de programacin lineal:
_
_
0 1 0 1
1
3
1 2 0 2
1 2 0 0
1
2
1
2
1 0 3
0 0 1 0 0 1 3 0 1
0 3 0 0 2 0 4 1 2
0 1 0 0
1
3
1
2
1 0 . + 20
_
_
Solucin. Como todos los indicadores son no negativos, se ve que . alcanza un valor mximo
de 20 en el punto
(3. 0. 1. 2. 0. 0. 0. 1)
La explicacin de este resultado lo tenemos en la ltima ecuacin de la matriz, dada por:
0r
1
+r
2
+ 0r
3
+ 0r
4
+
1
3
r
5
+
1
2
r
6
+r
7
+ 0r
8
= . + 20
o bien:
r
2
+
1
3
r
5
+
1
2
r
6
+r
7
= . + 20
y as
. = 20
_
r
2
+
1
3
r
5
+
1
2
r
6
+r
7
_
. = 20 r
2
1
3
r
5
1
2
r
6
r
7
Como todas las variables son no negativas, se tiene que
r
2
1
3
r
5
1
2
r
6
r
7
_ 0
entonces . _ 20. Observe que . = 20 cuando r
2
= r
5
= r
6
= r
7
= 0. Las primeras cuatro
ecuaciones de la tabla terminal se leen:
r
2
+r
4
+
1
3
r
5
+r
6
+ 2r
7
= 2
r
1
+ 2r
2
+
1
2
r
5
+
1
2
r
6
+r
7
= 3
r
3
+r
6
+r
7
= 1
3r
2
+ 2r
5
+ 4r
7
+r
8
= 2
Como r
2
= r
5
= r
6
= r
7
= 0. estas ecuaciones se reducen a:
r
4
= 2
r
1
= 3
r
3
= 1
r
8
= 2
As se ve que . alcanza su mximo de 20 en (3. 0. 1. 2. 0. 0. 0. 2) .
Ejercicios.
1. Determine los pivotes de la tabla simplex inicial dada:
a)
_
_
2 1 2 1 0 1
1 0 3 0 1 2
2 1 1 0 0 .
_
_
b)
_
_
1 1 1 1 0 1
1 0 1 0 1 2
2 1 3 0 0 .
_
_
c)
_
_
1 2 3 1 0 0 0 1
2 3 1 0 1 0 0 2
3 1 2 0 0 1 0 1
2 1 3 0 0 0 1 .
_
_
2. Escriba la matriz asociada a la forma estndar para el problema programacin lineal
y encierre los posibles pivotes:
a)
max (2r
1
+r
2
)
sujeto a:
r
1
+r
2
_ 1
2r
1
+ 5r
2
_ 2
r
1
. r
2
_ 0
b)
max (r
1
r
2
)
sujeto a:
2r
1
+ 3r
2
_ 7
5r
1
+ 8r
2
_ 4
r
1
. r
2
_ 0
c)
max (4r
1
3r
2
)
sujeto a:
r
1
+ 2r
2
_ 5
3r
1
+ 2r
2
_ 7
5r
1
+ 3r
2
_ 14
r
1
. r
2
_ 0
d)
max (3r
1
+ 2r
2
+ 4r
3
)
sujeto a:
r
1
+r
2
+r
3
_ 5
2r
1
+r
2
+ 3r
3
_ 6
r
1
. r
2
. r
3
_ 0
e)
max (2r
1
+r
2
+ 3r
3
)
sujeto a:
r
1
r
2
r
3
_ 5
r
1
+r
2
+ 2r
3
_ 6
2r
1
r
2
+r
3
_ 7
r
1
. r
2
. r
3
_ 0
f )
max (r
1
+r
2
3r
3
)
sujeto a:
r
1
+r
2
+r
3
_ 5
r
1
2r
2
+ 2r
3
_ 6
2r
1
r
2
+r
3
_ 4
r
1
. r
2
. r
3
_ 0
3. Utilice el procedimiento simplex para resolver y realizar una representacin grca del
problema en el espacio r
1
. r
2
.
a)
max (r
1
+r
2
)
sujeto a:
r
1
r
2
_ 2
r
1
+r
2
_ 6
r
1
. r
2
_ 0
b)
max (r
1
+r
2
)
sujeto a:
2r
1
+r
2
_ 1
r
1
r
2
_ 1
r
1
. r
2
_ 0
c)
max (4r
1
+ 5r
2
)
sujeto a:
2r
1
+ 3r
2
_ 6
3r
1
+ 2r
2
_ 5
r
1
. r
2
_ 0
d)
max (5r
1
+ 8r
2
)
sujeto a:
r
1
+r
2
_ 3
r
1
+ 2r
2
_ 4
r
1
_
5
2
r
2
_
3
2
r
1
. r
2
_ 0
4. Resolver los siguientes problemas de programacin lineal.
a)
max (r
1
+ 2r
2
+r
3
)
sujeto a:
r
1
+r
2
_ 2
r
2
_ 1
r
2
+ 2r
3
_ 3
r
1
. r
2
. r
3
_ 0
b)
max (5r
1
+r
2
+ 3r
3
)
sujeto a:
r
1
_ 3
4r
2
+r
3
_ 2
r
1
r
2
_ 0
r
1
. r
2
. r
3
_ 0
c)
max (r
1
+ 2r
2
+ 2r
3
)
sujeto a:
r
1
+ 3r
2
+ 6r
3
_ 12
3r
1
+ 2r
2
+ 4r
3
_ 10
r
1
+ 2r
2
+r
3
_ 5
r
1
. r
2
. r
3
_ 0
d)
max (r
1
+ 2r
2
+ 3r
3
)
sujeto a:
r
1
+r
2
r
3
_ 1
r
1
r
2
+r
3
_ 2
r
1
+r
2
+r
3
_ 3
r
1
. r
2
. r
3
_ 0
e)
max (r
1
r
2
+r
3
)
sujeto a:
r
1
+r
2
+ 2r
3
_ 5
2r
1
+r
2
+r
3
_ 7
2r
1
r
2
+ 3r
3
_ 8
r
1
+ 2r
2
+ 5r
3
_ 9
r
1
. r
2
. r
3
_ 0
f )
max (5r
1
+ 7r
2
+ 15r
3
+ 6r
4
)
sujeto a:
r
1
+ 2r
2
+r
4
_ 1
r
1
+ 3r
2
+r
3
_ 2
r
1
+ 4r
2
+ 3r
3
+ 2r
4
_ 3
r
1
+ 5r
3
+ 3r
4
_ 4
r
1
. r
2
. r
3
. r
4
_ 0
Captulo 5
Ejercicios
5.1. Matrices
1. Dadas =
_
1 2 3
1 0 2
_
y 1 =
_
1 5 2
2 2 1
_
a) Describir los vectores las y los vectores columnas de y 1.
b) Hallar +1, 21, 1. 21. 1
2. En cada uno de los siguientes casos determinar (1)C y (1C)
a) =
_
2 1
3 1
_
; 1 =
_
1 1
1 0
_
; C =
_
1 4
2 3
_
b) =
_
2 1 1
3 1 2
_
; 1 =
_
_
1 1
2 0
3 1
_
_
; C =
_
1
3
_
3. Sea A =
_
1 0 0

y =
_
_
3 1 5
2 0 1
1 1 7
_
_
.
a) Determinar el orden de A y comparar con las las o columnas de .
b) Si A = [0 ...0 1 0 ... 0] donde 1 aparece en la posicin (1. i) Determinar el orden
de A y A
t
, comparar con las las o columnas de . con en `
a
.
4. Calcule los productos matriciales 1 y 1
=
_
_
1 2 3 1
0 1 1 1
1 2 0 5
_
_
; 1 =
_
_
2 1 3
2 3 1
3 4 3
1 1 1
_
_
195
196 CAPTULO 5. EJERCICIOS
5. Para las matrices
=
_
1 2 0
5 3 4
_
; 1 =
_
2 5 6
2 0 1
_
; C =
_
_
1 0 1 7
5 3 5 2
2 4 3 2
_
_
Verique directamente la distributividad a la derecha
( +1)C = C +1C
Se cumple la distributividad a la izquierda para estas tres matrices? Justique.
6. Dadas =
_
_
2 3 5
1 4 5
1 3 4
_
_
; 1 =
_
_
1 3 5
1 3 5
1 3 5
_
_
y C =
_
_
2 2 4
1 3 4
1 2 3
_
_
a) Verique que 1 = 1 = 0; C = y C = C
b) Use los resultados de (a) para comprobar que
C1 = C1.
2
1
2
= ( 1)( +1).
( +1)
2
= ( 1)
2
=
2
+1
2
7. Dadas las matrices en `
3
=
_
_
2 1 3
5 2 0
3 1 4
_
_
; 1 =
_
_
6 2 1
0 1 2
0 1 0
_
_
; C =
_
_
4 1 2
0 3 2
1 2 3
_
_
Determinar A en `
3
tal que
2 + 3A = (
1
2
C).(
2
3
1)
_
_
1 2
3 4
5 6
_
_
y 1 =
_
_
3 2
1 5
4 3
_
_
. Hallar 1 =
_
_
j
: :
t n
_
_
de manera
que +1 1 = 0.
9. Si en `
3
efectuar los productos
a) 1[c
1
. c
2
. c
3
] ; 1[c
1
. c
2
. c
3
]
b) 1[c
1
. c
2
. c
3
] 1[d
1
. d
2
. d
3
]
c) 1o [c
1
. c
2
. c
3
] ; 1o [c
1
. c
2
. c
3
]
d) 1o [d
1
. d
2
. d
3
] 1o [c
1
. c
2,
c
3
]
Cmo quedan los productos en a) y c) si c
1
= c
2
= c
3
= 1?
La misma pregunta anterior para b) y d) en los casos c
i
= d
i
. i = 1. 2. 3. c
i
=
d
i
= 1. i = 1. 2. 3
5.1. MATRICES 197
10. Sea `
3
efectuar los siguientes productos
a)
_
_
1 0 0
0 1 0
0 0 :
_
_
;
_
_
1 0 0
0 1 0
0 0 :
_
_
; : ,= 0. : en R
b)
_
_
0 1 0
1 0 0
0 0 1
_
_
;
_
_
0 1 0
1 0 0
0 0 1
_
_
c)
_
_
1 0 0
0 1 /
0 0 1
_
_
,
_
_
1 0 0
0 1 /
0 0 1
_
_
; / en R.
11. Exprese 1 =
_
_
2c 2/ 2c
r + 5n + 5 . + 5n
n n
_
_
como producto matricial de
=
_
_
c / c
n n
r .
_
_
y matrices del tipo (a) ,(b),y (c) del ejercicio anterior.
12. Si
r
1
=
1
2
2
+
3
r
2
= 2
1
+
2
3
3
y

1
= .
1
+ 2.
2
2
= 2.
1
.
2
3
= .
1
+ 3.
2
compruebe que :
_
r
1
r
2
_
=
_
1 2 1
2 1 3
_
_
_

1
3
_
_
.
_
_

1
3
_
_
=
_
_
1 2
2 1
1 3
_
_
_
.
1
.
2
_
13. Una matriz se dice idempotente si y slo si
2
=
a) Pruebe que
1 =
_
_
2 3 5
1 4 5
1 3 4
_
_
es idempotente.
b) Demuestre que si es idempotente, 1 = 1
a
es idempotente y 1 = 1 = 0
14. Pruebe que no existe una matriz 1 tal que 1 = 1 = 1
2
con =
_
2 4
1 2
_
.
15. Determinar todas las matrices de orden 22 con coecientes reales, tales que cumplan
2
= 0
16. Determinar todas las matrices de orden 22 con coecientes reales, tales que cumplan
2
= 1
17. Se dice que una matriz es involutiva si y slo si
2
= 1
a
a) Verique que 1 =
_
_
0 1 1
4 3 4
3 3 4
_
_
y C =
_
_
4 3 3
1 0 1
4 4 3
_
_
son matrices involu-
tivas.
b) Demuestre que si es una matriz involutiva entonces
1
2
(1
a
+) y
1
2
(1
a
) son
idempotentes y
1
2
(1
a
+)
1
2
(1
a
) = 0
18. Si =
_
cos t sin t
sin t cos t
_
. Calcular
I
. para / = 1. 2. 3.
19. Sea ` =
_
_
0 0 0 0 0
1 0 0 0 0
0 1 0 0 0
0 0 1 0 0
0 0 0 1 0
_
_
. Hallar todas las potencias `
I
con / entero positivo.
20. Demuestre por induccin que
a)
_
c 1
0 c
_
a
=
_
c
a
:c
a1
0 c
a
_
b)
_
_
c 1 0
0 c 1
0 0 c
_
_
a
=
_
_
c
a
:c
a1
a(a1)
2
c
a2
0 c
a
:c
a1
0 0 c
a
_
_
21. En mecnica cuntica a veces se usan las llamadas matrices de Spin de Pauli.
r =
_
0 1
1 0
_
=
_
1 0
0 1
_
. =
_
0 i
i 0
_
con i
2
= 1
Muestre que dos matrices cualesquiera de ellas anticonmuta (1 = 1).
22. Sea = [c
i)
] una matriz cuadrada de orden :. con
c
i)
=
_
_
_
1 , = i + 1
0 , ,= i + 1
.
Pruebe que
a
= 0 y
a1
,= 0.
23. Si =
_
_
2 1 3
1 1 2
1 2 1
_
_
compruebe que
3
2
2
9 = 0 pero
2
2 91 ,= 0.
5.1. MATRICES 199
24. Sea j(r) = (r + 2)(r
2
+ 3r). (r) = r + 2. :(r) = r
2
+ 3r. :(r) = r + 3.
Si =
_
_
1 2 2
2 2 2
3 6 6
_
_
. Calcular j(). (). :(). :().
25. Sean =
_
1 1
2 2
_
; 1 =
_
1 1
0 3
_
.
Determinar ( +1)
t
;
t
+1
t
; +
t
; 1 +1
t
.
26. Sean =
_
_
1 2
2 0
1 3
_
_
; 1 =
_
2 1 2
1 1 0
_
.
a) Determinar (1)
t
; 1
t
t
;
t
;
t
.
b) Verique que
t
;
t
son simtricas.
c) Verique que (1)
t
= 1
t
t
.
27. Si A. 1 `
a1
, y `
a.
efecte los productos A
t
1. A1
t
. A
t
1.
28. Mostrar que toda matriz de orden : es suma de una matriz simtrica y otra anti-
simtrica.
29. Si =
_
_
3 2 1
4 0 1
3 3 2
_
_
. Hallar la parte simtica y antisimtrica de
30. Si =
_
_
3 1 7
0 4 3
2 1 0
_
_
. Determinar una matriz simtrica tal que
[r. . .] 1[r. . .]
t
= [r. . .] [r. . .]
31. Sea `
a
y G =
t
. Demostrar que G es simtrica y los coecientes de la diagonal
son no negativos.
32. Determine si son Verdaderas o Falsas las siguientes armaciones. Justique adecuada-
mente en cada caso.
a) El producto de matrices triangulares es triangular.
b) El producto de matrices triangulares del mismo orden es triangular del mismo
orden.
c) Cada matriz antisimtrica tiene la diagonal principal igual a cero.
d) Para toda matriz `
a
. Si
4
= 0 entonces = 0.
e) El producto de matrices simtricas del mismo orden es simtrica.
f ) Para toda matriz `
a
se tiene
t
=
t
.
g) Para toda matriz `
a
se tiene
1
2
( +
t
) es simtrica.
h) Para toda matriz `
a
con ,= 0 entonces existe 1 tal que 1 = 1
a
.
i ) Para toda matriz `
a
se tiene
r
t
r = (r
t
r)
t
=
1
2
r
t
( +
t
)r con r `
a1
.
j ) Toda matriz triangular estricta es nilpotente esto es, hay una potencia de ella
que se hace 0.
k) Si y 1 son matrices de orden : y 1 = 0 entonces = 0 1 = 0.
l ) Si . 1 son matrices de orden :: entonces existe una nica matriz A de orden
: : tal que
c +,A = 1 con c. , R. , ,= 0.
33. Dadas las matrices =
_
_
3 5 6
1 2 2
1 1 1
_
_
y 1 =
_
_
3 1 2
2 1 1
1 3 0
_
_
. Verique que
1
=
_
_
0 1 2
1 3 0
1 2 1
_
_
y 1
1
=
_
_

1
2
1
1
2
1
6
1
3

1
6
7
6

4
3

5
6
_
_
Adems. Calcular (1)
1
. (1)
1
. (
2
)
1
. (1)
1
.
34. Dada =
_
_
1 0 1 1
0 3 2 1
1 4 1 1
1 2 0 1
_
_
.
a) Expresar como producto de matrices elementales.
b) Hallar la forma Escalonada Reducida por Filas correspondiente a .
c) Determinar el 1q().
35. Dada =
_
_
2 0 2 3
1 3 4 2
5 6 0 5
2 1 1 9
_
_
.
a) Expresar como producto de matrices elementales.
b) Hallar la forma Escalonada Reducida por Filas correspondiente a .
c) Determinar el 1q().
36. Sea =
_
c /
c d
_
. encontrar una matriz 1 de modo que 1 = 1 en los siguientes
casos
5.1. MATRICES 201
a) 1 =
_
c c
0 0
_
.
b) 1 =
_
0 0
0 d
_
.
c) 1 =
_
0 0
c 0
_
.
37. Encuentre una matriz 1 regular tal que 1 = 1 donde
=
_
_
2 3 4
4 3 1
1 2 4
_
_
; 1 =
_
_
1 2 2
1 1 2
2 1 1
_
_
.
a) y 1 son regulares?
b) Encuentre la inversa de 1. si existe.
38. Cules de las siguientes matrices son equivalentes por las?
=
_
_
1 2 1
2 1 2
4 2 5
_
_
; 1 =
_
_
2 1 1
3 2 4
2 0 12
_
_
; C =
_
_
1 0 0
2 4 0
3 6 1
_
_
39. Determinar mediante Operaciones Elementales por Filas la inversa de las siguientes
matrices, si existe.
a)
_
_
3 1 2
4 0 1
1 2 0
_
_
b)
_
_
0 1 2 1
1 0 1 3
2 1 0 2
1 4 2 0
_
_
c)
_
_
2 1 1 2
1 3 2 3
1 2 1 1
2 3 1 4
_
_
d)
_
_
0 2 1 3 1
7 7 21 28 2
6 2 16 10 2
1 1 2 1 1
1 5 2 1 9
_
_
40. Para qu valores de r e las matrices.
_
_
4 r 3 2
1 0 1 6
1 0 0 3
_
_
y
_
_
1 0 1
4 5 2 1
0 0 1 3
_
_
son
equivalente por las?
41. Si =
_
_
2 1 3 1
1 4 1 2
1 5 2 3
_
_
. Hallar una matriz 1 regular tal que = 11. donde
1 es la forma Escalonada Reducida por Filas correspondiente a .
42. Si =
_
_
1 5 4 7
4 3 1 11
3 0 3 6
_
_
y 1 =
_
_
2 8 6 24
1 3 2 9
3 0 3 0
_
_
a) Es 1 ?
b) Es
!
1
1 ?
c) Es
!
C
1 ?
43. Sea una matriz regular de orden :.
a) Demostrar que (
1
)
t
= (
t
)
1
.
b) Si es simtrica entonces
1
es simtrica.
44. Sea 1[c
11
. c
22
. c
33
. . c
aa
]. con c
ii
,= 0 para todo i. Demostrar que es invertible y
encontrar su inversa.
45. Demostrar que si 1 es triangular inferior y regular entonces 1
1
es Triangular Inferior.
_
0 3
1 0
_
. 1 =
_
0 1
4 3
_
. Resuelva la siguiente ecuacin ma-
tricial en A.
A1( +
2
) (A1 1
2
) 1
2
= .
47. Sean y A matrices simtricas. Determine A tal que se cumpla la igualdad.
(
t
A
t
)
1
(A
t
1
)
1
+ (A
1
t
)
t
= 1
a
donde =
_
_
2 0 1
1 2 3
1 1 3
_
_
48. Determinar mediante Operaciones Elementales Filas Columnas los valores de c y /
para que la matriz sea regular, en cada caso.
a) =
_
_
1 0 0
0 c 1
0 1 /
_
_
5.1. MATRICES 203
b) =
_
_
c 0 1
1 / 1
1 1 1
_
_
49. Sea c ,= 0 y una matriz cuadrada de orden : tal que 3
2
+ 7 + c1
a
= 0. Probar
que es regular y Hallar
1
.
50. Sabiendo que la inversa de es
_
1 2
2 1
_
y que la inversa de 1 es
_
2 4
5 3
_
. Calcular
1.
51. Si es regular entonces todas las potencias de son regulares y para todo natural :
se tiene
(
a
)
1
= (
1
)
a
.
(Ayuda: Use Induccin)
52. Pruebe con un contraejemplo que son falsas las siguientes armaciones
a) . 1. C en `
a
. singular entonces
1 = C = 1 = C
b) Si . 1 son regulares de orden : entonces +1 es regular.
c) Si . 1. +1 son regulares, entonces
( +1)
1
=
1
+1
1
d) Si . 1 son regulares de orden : entonces
1 = 1 (1)
1
=
1
1
1
e) Si . 1. C son de orden :. 1 regular y 1 = C entonces
= 1
1
C
f ) Si . 1. C son de orden :. 1 regular y 1C = 1
a
entonces
C = 1
1
g) Si . 1 matrices tal que 1 entonces
!
1
1
h) Si . 1 matrices tal que 1 entonces
!
C
1
i ) Toda matriz diagonal es invertible.
53. Calcular los siguientes determinante:
a)
3 1 1 1
1 3 1 1
1 1 3 1
1 1 1 3
. b)
2 1 1 1 1
1 3 1 1 1
1 1 4 1 1
1 1 1 5 1
1 1 1 1 6
. c)
5 6 0 0 0
1 5 6 0 0
0 1 5 6 0
0 0 1 5 6
0 0 0 1 5

54. Calcule los siguientes determinantes usando propiedades:
a)
1 2 1 4
2 4 3 5
1 2 6 7
5 2 6 7
. b)
1 2 1 2 1
0 0 1 1 1
1 1 0 0 0
0 0 1 1 2
1 2 2 1 1
. c)
3 4 0 0
4 2 0 0
0 0 1 0
0 0 0 1
55. Calcular el determinante de las siguientes matrices:

=
_
:c:c cos c
cos c :c:c
_
1 =
_
r 1 1
r
3
r
2
+r + 1
_
1 =
_
tqc 1
1 tqc
_
1 =
_
_
cos(c +,) :c:(c +,) 1
cos(c +,) :c:(c +,) 1
cos(c +) :c:(c +) 1
_
_
C =
_
c +/ c /
c / c +/
_
1 =
_
_
c / c 2c 2c
2/ / c c 2/
2c 2c c c /
_
_
56. Vericar que los siguientes determinantes son nulos:
a)
_
_
1 1 1
c / c
/ +c c +c c +/
_
_
; b)
_
_
1 cos c cos 2c
cos c cos 2c cos 3c
cos 2c cos 3c cos 4c
_
_
Ayuda (a): efecte 1
32
(1)
Ayuda (b): cos 2c = 2 cos
2
c 1. cos 3c = 4 cos
3
c 3 cos c
cos 4c = 8 cos
4
c 8 cos
2
c + 1 y efecte 1
31
(1)
57. Probar que
1 2 3 4 5
1 2 3 4 5
c
1
c
2
0 0 0
/
1
/
2
0 0 0
c
1
c
2
0 0 0
= 0
58. Demostrar que
a) det
_
_
r r +
r + r
r + r
_
_
= 2(r
3
+
3
)
b) det
_
_
1 +r 1 1 1
1 1 r 1 1
1 1 1 +. 1
1 1 1 1 .
_
_
= r
2
.
2
5.1. MATRICES 205
59. De las siguientes matrices cules son invertibles?
a)
_
2 3
5 7
_
; b)
_
_
1 1 1
1 2 3
1 3 6
_
_
; c)
_
_
1 1 1 1
1 2 3 4
1 3 1 0
1 0 3 0
_
_
Para aquella que lo sea encuentre su inversa por el mtodo de la adjunta.
60. Para qu valores de c y / la matriz =
_
_
c 0 1
1 / c
1 1 1
_
_
es invertible?
61. Calcule por el mtodo de la adjunta la inversa de las siguientes matrices regulares:
a)
_
_
3 5 6
1 2 2
1 1 1
_
_
c)
_
_
1 3 3
1 3 4
1 4 3
_
_
b)
_
_
3 1 2
2 1 1
1 3 0
_
_
d)
_
_
0 1 2 1
1 0 1 3
2 1 0 1
1 4 2 0
_
_
62. Pruebe que [:[ = :
a
[[ . si es matriz de orden : y : un escalar real.
63. Pruebe que si 1 = [t
i)
] es una matriz triangular, entonces
[1[ = t
11
t
22
.......t
aa
=
a
i=1
t
ii
64. (a) Pruebe que (d,()) = 0 cuando es singular y dar un ejemplo.
(b) Pruebe que [d,()[ = [[
a1
con de orden : y dar un ejemplo.
65. Pruebe con un contraejemplo que son falsas las siguientes armaciones:
a) El cofactor de c
32
para
=
_
_
2 0 2 3
1 3 4 2
5 6 0 5
2 1 1 9
_
_
es 60 342.
b) Si es cuadrada entonces [[ = [[ .
c) Si . 1 matrices entonces [1[ = [[ [1[ .
d) Si
t
= 1
a
entonces [[ = 1 con de orden :.
66. Sean ,(t). q(t) funciones al menos dos veces derivables.
Sea /(t) =
,(t) q(t)
,
0
(t) q
0
(t)
probar que /
0
(t) =
,(t) q(t)
,
00
(t) q
00
(t)
.
67. Sean r
1
. r
2
. r
3
escalares reales. Probar que
1 r
1
r
2
1
1 r
2
r
2
2
1 r
3
r
2
3
= (r
2
r
1
)(r
3
r
1
)(r
3
r
2
)
Probar por induccin que
1 r
1
r
a1
1
1 r
2
r
a1
2
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1 r
a
r
a1
a
=
a
i<)
(r
i
r
)
)
Este determinante es conocido con el nombre de determinante de Vandermonde y se
denota por \
a
.
68. Pruebe que si . 1 son ambas de orden : y 1 = 1
a
entonces ambas matrices son
regulares,
1
= 1 y 1 = 1
a
(Ayuda: use determinante)
69. Probar que si . 1 son matrices cuadradas, no necesariamente del mismo tamao, y
C de orden adecuado, entonces:
C
0 1
= [[ [1[
Ayuda: Usar induccin sobre el orden de . y operaciones elementales las.
70. Probar que si . 1 son matrices cuadradas, no necesariamente del mismo tamao, C
y 1 de orden adecuado, entonces si es regular,
C
1 1
= [[
1 1
1
C
Ayuda: premultiplique por

_
1 0
1
1
1
_
la matriz
_
C
1 1
_
.
71. Sea H =
_
_
2 1 7 15 8 7 8 7 3
1 0 2 12 9 4 9 6 2
3 4 1 13 3 5 18 4 1
0 0 0 3 1 1 2 1 2
0 0 0 0 1 0 1 1 2
0 0 0 0 0 1 0 1 0
0 0 0 0 0 0
1
3
2 1
0 0 0 1 1 1 2 1 2
0 0 0 2 2 0 1 1 0
_
_
Calcule [H[. Ayuda: use ejercicios anteriores.
5.1. MATRICES 207
72. Resuelva las siguientes ecuaciones lineales en R
4
.(cuidado son cuatro variables)
a) 10r = 0.
b) r + +
1
2
. = 1.
c) r + 3 + 2. n = 3.
d) r +
3
4
=
9
7
.
73. Si anotamos o
i
la solucin de cada una de las ecuaciones anteriores. Determine el
conjunto o = o
1
o
2
o
3
o
4
.
74. Son equivalentes (en cada caso) los dos sistemas de ecuaciones lineales siguientes ?.
Si es asi demustrelo.
a)
r
1
r
2
= 0
2r
1
+r
2
= 0
y
3r
1
+r
2
= 0
r
1
+r
2
= 0
b)
r
1
+r
2
+ 4r
3
= 0
r
1
+ 3r
2
+ 8r
3
= 0
1
2
r
1
+r
2
+
5
2
r
3
= 0
y
r
1
r
3
= 0
r
2
+ 3r
3
= 0
75. Dar un ejemplo (en caso que sea posible) de:
a) Un sistema de dos ecuaciones lineales con dos incgnitas que no tenga solucin.
b) Un sistema de una ecuacin lineal con cinco incgnitas que no tenga solucin.
c) Un sistema de tres ecuaciones lineales con dos incgnitas de solucin nica.
76. Hallar todas las soluciones del sistema A = 0 por el mtodo de la escalonada y por
el mtodo de Cramer. Siendo en cada caso, una de las siguientes matrices:
a)
_
_
3 1 2
2 1 1
1 3 0
_
_
b)
_
_
1
3
2 6
4 0 5
3 6 13
7
3
2
8
3
_
_
c)
_
_
2 3 7 5 2
1 2 4 3 1
2 0 4 2 1
1 5 7 6 2
_
_
d)
_
_
2 1 0 0
4 2 0 0
6 0 4 2
0 0 6 3
_
_
e)
_
_
2 2 1 4 2
1 1 2 2 2
1 2 3 3 3
4 1 3 6 2
4 2 2 3 2
_
_
77. Si =
_
_
6 4 0
4 2 0
1 0 3
_
_
. Hallar todas las soluciones de A = 3A y todas las
soluciones de A = 2A donde A = (r
1
. r
2
. r
3
)
t
.
78. Resolver los siguientes sistemas de ecuaciones (si es posible). En cada caso escriba
primero la matriz del sistema y la matriz ampliada.
a)
r
1
+r
2
r
3
= 1
2r
1
+r
2
+ 3r
3
= 2
r
2
+ 5r
3
= 1
b)
2r
1
+r
2
r
3
= 5
r
1
2r
2
r
3
+ 2r
4
= 3
r
1
+ 2r
3
r
4
= 0
3r
2
2r
3
+ 5r
4
= 1
c)
r
1
3r
2
+r
3
= 2
r
1
+ 2r
2
3r
3
= 0
r
1
+r
2
+ 2r
3
= 3
2r
1
r
2
+r
3
= 1
d)
2r . = 4
3r + 4 2. = 11
3r 2 + 4. = 11
e)
r
2
3r
3
+ 4r
4
= 5
r
1
2r
3
+ 3r
4
= 4
3r
1
+ 2r
2
5r
4
= 12
4r
1
+ 3r
2
5r
3
= 5
f )
r
1
+r
2
r
3
= 1
2r
1
+r
2
2r
3
= 1
r
1
+r
2
+r
3
= 3
r
1
+ 2r
2
3r
3
= 1
g)
r + 2 +. = 5
3r +. + 2n = 9
4r . +n = 5
. +n = 7
5.1. MATRICES 209
79. Encuentre la solucin general del sistema, utilizando dos mtodos distintos:
r + +. +n = 2
r + 2. 3n = 1
r + 2 +. n = 3
r + 4 = .
80. Resuelva simultneamente, hallando la forma Escalonada reducida por la de [ [ 1
1
[ 1
2
[ 1
3
] .
los tres sistemas lineales siguientes:
A = 1
1
=
_
_
1
1
1
_
_
; A = 1
2
=
_
_
1
3
2
_
_
; A = 1
3
=
_
_
1
2
2
_
_
donde =
_
_
1 2 3
2 4 5
3 5 6
_
_
.
81. Resuelva las siguientes ecuaciones matriciales:
a)
_
_
4 7 8
7 5 9
8 9 6
_
_
_
_
r
1

1
.
1
r
2

2
.
2
r
3

3
.
3
_
_
=
_
_
1 2 3
2 4 5
3 5 6
_
_
b)
_
_
1 0 0 0
0 0 4 7
0 2 3 0
0 0 6 8
_
_
_
_
r
1

1
.
1
n
1
r
2

2
.
2
n
2
r
3

3
.
3
n
3
r
4

4
.
4
n
4
_
_
= 1
4
Usando el procedimiento del ejercicio anterior. Note que si . A. 1 `
a
entonces
A = [C
1
(A) [ C
2
(A) [ ... [ C
a
(A)] = 1 = [C
1
(1 ) [ C
2
(1 ) [ ... [ C
a
(1 )]
82. Discutir segn los valores de c. /. c. `, la existencia y en cada caso determinar las
soluciones de los siguientes sistemas lineales:
a)
cr + +. = 0
r +c +. = 0
r + +c. = c
b)
`r +. = c
r + 2. = /
r +. = c
c)
2r 3. = 3
3r + 5. = 0
4r +. = c
r + 3 13. = /
d)
cr 3 + 5. = 4
r c + 3. = 2
9r 7 + 8c. = 0
83. Calcular el valor de c R, de modo que el sistema tenga innitas soluciones
r + 2. = 1
cr + . = 0
2r + 3. = 1
84. En el sistema
:r + . = 0
2r +: +. = 0
+:. = 0
a) Cual es el determinante principal del sistema ?
Determine : R tal que:
b) El sistema sea inconsistente.
c) El sistema tenga nica solucin. En tal caso determnela.
d) El sistema tenga varias soluciones. En tal caso determnelas.
85. Dado el sistema
r
1
r
2
+ (4c
2
+ 1)r
3
= /
r
2
+ (3 c)r
3
= 0
2r
1
r
2
+ (7 c)r
3
= 2
Hallar condiciones para c y / de tal manera que el sistema:
a) Tenga nica solucin, en cada caso determnela.
b) No tenga solucin.
c) Tenga varias soluciones, en cada caso determnelas.
86. Considerar el sistema
_
_
1 2 1
3 2 1
5 6 1
6 4 c
_
_
. A =
_
_
1
4
c
/
_
_
Hallar c. /. c R. para los cuales se tiene:
a) El sistema es inconsistente.
b) El sistema tiene nica solucin. Determnela.
c) El sistema tiene innitas soluciones. En cada caso determnelas. Que ecuaciones
dependen linealmente de las otras?
87. Hallar t R. tal que la matriz =
_
_
1 2 1
0 3 1
2 2 t
_
_
sea singular.
Para que valores de t R el sistema A =
_
_
t
1
1 t
_
_
. tiene solucin?
5.1. MATRICES 211
88. Resuelva el sistema de ecuaciones y halle condiciones en las constantes c. / reales para
que tenga nica, ninguna o innitas soluciones.
_
_
c / 1
1 c 1
1 / c
_
_
A =
_
_
1
/
1
_
_
89. Para los siguientes sistemas, determine los valores de c. ` R, de modo que
i) El sistema tenga nica solucin, determnela.
ii) El sistema tenga ms de una solucin, determnelas.
iii) El sistema tenga solucin vaca.
a)
(1 `)r +`. = 1
(1 `) +`. = c
`r + (1 `) = 1
b)
`r + +. = 1
r +` +. = `
r + +`. = `
2
c)
(` + 3)r + +. = `
`r + (` 1) +. = 1
3 (` + 1) r +` + (` + 3). = ` + 1
d)
r . = 1
r + 3 = c
2r +` +. = 1
e)
r
1
+r
3
+ 4`
2
r
3
= c +r
2
r
2
+ 3r
3
= `r
3
2r
1
+ 7r
3
+ 2 = r
2
+`r
3
f )
_
_
1 2 1
0 3 1
2 2 c
_
_
_
_
r
.
_
_
=
_
_
c
1
1 c
_
_
90. Decida si cada una de las siguientes armaciones es verdadera o falsa. Justique en
cada caso.
a) El nmero de variables independientes de un sistema A = 1 con `
na
es
: 1q().
b) Si el sistema A = C es consistente, `
34
; C = (1. 2. :)
t
y 1q() = 2.
entonces : = 0.
c) Si el sistema A = C es consistente, `
34
; C = (8. 7. :)
t
y 1q() = 3,
entonces : ,= 0.
d) 1q() = 1q(
t
) para toda `
na
.
e) Si `
na
y 1q() < : entonces A = 0 tiene solucin no trivial.
f ) Si ,= 0 y `
34
y 1 `
3
y 1 = 0
34
entonces 1 no es regular.
g) Si `
3
entonces el sistema A = 0 tiene solucin no trivial (A ,= 0) si y slo
si es singular.
h) Una matriz de rango 1 es aquella donde toda la es mltiplo de la primera la.
i ) Si `
3
y [[ = 0, el sistema A = 1 con 1 ,= 0 no tiene solucin.
j ) Si `
a
y [[ = 0 entonces A = 1 con 1 ,= 0 no tiene solucin nica (es
decir, no tiene o tiene innitas soluciones).
91. Pruebe que si
1
1 entonces los sistemas homogneos A = 0 y 1A = 0 tienen el
mismo conjunto solucin.
92. Demuestre que la armacin siguiente es falsa (basta dar un contraejemplo).
Si
1
1 entonces los sistemas A = C y 1A = 1 tienen el mismo conjunto
solucin.
93. Sea `
aj
. Bajo qu condiciones sobre el nmero de las no nulas de la ma-
triz Escalonada Reducida por Filas de , el sistema A = 0 tiene solucin nica
(0. 0. .... 0)
t
?
94. Sea A = 1 un sistema de ecuaciones lineales con : ecuaciones y : incgnitas. 1 la
forma Escalonada Reducida por Filas de con : las no nulas y : : :.
a) Cuntas ecuaciones son dependientes?
b) Tiene solucin el sistema?
c) Cuntas variables libres tiene el sistema?
95. Demuestre que el sistema de ecuaciones lineales A = 1 es equivalente a [ [ 1 ]
_
A
1
=
0 o [ [ 1
a
]
_
A
Y
= 0.
96. Encontrar c. /. c R. tal que r = 1. = 2. . = 3 sea solucin del sistema
cr + 3/ + 4c. = 5
r + 3c + 4/. = 6
r + + 5c. = 7
97. En cada caso, encuentre un sistema de ecuaciones homogneo A
t
= 0 de modo que
los siguientes vectores sean soluciones de dicho sistema.
a) r
1
= (1. 0. 0). r
2
= (0. 1. 0). r
3
= (0. 0. 1)
b) r
1
= (1. 1)
c) r
1
= (1. 1. 0) r
2
= (0. 1. 1)
d) r
1
= (0. 0. 1. 1) r
2
= (1. 1. 8. 6)
5.1. MATRICES 213
e) r
1
= (1. 2. 3) r
2
= (7. 3. 1)
98. En cada caso, encuentre un sistema de ecuaciones 1A = C
t
de modo que:
a) C = (1. 7. 5) y el sistema tenga las soluciones indicadas en 97 a).
b) Idem a) y el sistema tenga las soluciones indicadas en 97 b).
c) Idem a) y el sistema tenga las soluciones indicadas en 97 c).
d) Idem a) y el sistema tenga las soluciones indicadas en 97 e).
e) C = (1. 0. 7. 5) y el sistema tenga las soluciones indicadas en 97 d).
f ) C = (0. 1. 0. 1) y A
1
= (1. 3. 2. 1)
t
. A
2
= (1. 0. 4. 9)
t
sean soluciones del
sistema.
g) C = (3. 2) y A
1
= (1. 1)
t
. A
2
= (1. 0)
t
sean soluciones del sistema.
99. Encuentre un sistema de ecuaciones 1A = C de modo que C es solucin particular del
sistema (I) y la solucin del sistema 1A = C contiene a la solucin del sistema (II):
(I)
r
1
r
2
+r
3
= 0
r
1
+r
2
r
3
= 1
(II)
_
_
1 7 5
4 0 2
5 8 6
_
_
_
_
r
1
r
2
r
3
_
_
=
_
_
1
5
7
_
_
5.1.1. Ejercicios complementarios
A continuacin presentamos una seleccin de problemas, incluidos en certamenes.
1. Sean . 1. C `
a
(R) .
a) Demuestre que si 1 = 1
a
y C = 1
a
entonces 1 = C.
b) Demuestre que si
1
1 entonces
t
C
1
t
.
2. Dadas =
_
_
2 1 1
0 1 0
4 2 2
_
_
y 1 =
_
_
0 1 1
1 2 3
1 0 1
_
_
. Determinar la inversa de cada
una, si existe.
3. Sea =
_
_
c / 1
1 / 1
1 / c
_
_
. Determine para qu valores de c. / R existe
1
. encuntrela
usando transformaciones elementales las.
4. Probar que la matriz ` =
_
_
1 c c
2
1 / /
2
1 c c
2
_
_
es invertible si y slo si c. /. c son nmeros
reales distintos.
5. Sea =
_
_
0 0 0
1 0 0
2 1 0
_
_
`
3
(R) .
a) Calcular
I
para todos los valores posibles del entero /.
b) Sea 1 = 1
3
+. Calcular 1
21
.
_
_
2 3 5
1 4 5
1 3 4
_
_
; 1 =
_
_
1 3 5
1 3 5
1 3 5
_
_
y C =
_
_
2 2 4
1 3 4
1 2 3
_
_
.
Determinar A `
3
(R) tal que
2 + 3A =
_
1
2
C
__
2
3
1
_
.
7. Mediante operaciones elementales las u operaciones elementales columnas, determinar
los valores de c R tal que la matriz =
_
_
1 c 1
c 1 c
0 c 1
_
_
. sea invertible y calcular
1
.
8. Calcule
r + 1 r
2
1 2r + 2 0
1 r 1
r r
2
r 5 5
1 1 r +.
.
9. Determine si las siguientes proposiciones son verdaderas o falsas. En cada caso justique
adecuadamente.
a) Si la matriz es antisimtrica entonces +
t
= 0.
b) y 1 invertibles entonces +1 es invertible.
c) Toda matriz de orden : tal que
t
= 1
a
cumple [[ = 1 [[ = 1.
d) 1
a
entonces existen matrices 1 y Q invertibles tal que
1
= Q1.
e) El producto de matrices triangulares es triangular.
f ) Sea `
a
(R) . Entonces
2
= 0 = = 0.
g) Si `
2
(R) y A =
_
r
1
r
2
_
entonces A
t
A =
1
2
A
t
(
t
+)A.
h) Sean . 1 `
a
(R) . Entonces ( +1)
2
=
2
+ 21 +1
2
.
i ) Sean : N y =
_
_
1 1 1
1 1 1
1 1 1
_
_
entonces
a
=
_
_
3
a1
3
a1
3
a1
3
a1
3
a1
3
a1
3
a1
3
a1
3
a1
_
_
.
j ) Si . 1 son matrices del mismo orden e invertibles y 1 entonces
1
1
1
.
5.1. MATRICES 215
10. Sea =
_
_
1 0 c
0 1 ,
0 0 1
_
_
_
_
c 0 0
0 / 0
0 0 c
_
_
_
_
1 0 0
0 0 1
0 1 0
_
_
. donde c. ,. c. /. c R 0.
a) Exprese como producto de matrices elementales.
b) Calcule la inversa de cada una de las matrices elementales obtenidas en (a).
c) Calcule
1
.
11. Calcule usando slo las propiedades de determinantes:
c / c 2c 2c
2/ / c c 2/
2c 2c c c /
c. /. c R
12. Encuentre, si existe, la inversa de la matriz , utilizando dos mtodos diferentes. Jus-
tique su respuesta en ambos casos.
=
_
_
3 5 4
1 0 3
0 1 2
_
_
13. Sea =
_
_
1 1 1
2 1 1
1 1 2
_
_
. Usando operaciones elementales:
a) Determinar
1
.
b) Exprese
1
como producto de matrices elementales.
14. Obtener 1 si (1
1
)
t
(1
t
)
1
= 1 siendo =
_
3 2
1 1
_
.
15. Dadas las matrices:
=
_
_
1 0 1 0 0 0
0 1 1 1 0 0
0 0 1 1 0 0
1 1 1 1 0 0
0 0 0 0 1 0
0 0 0 0 0 3
_
_
y 1 =
_
_
1 0 2 0 0 0
0 1 1 1 0 0
0 0 1 1 1 3
1 0 1 0 2 3
0 0 0 0 1 0
0 1 1 1 0 3
_
_
.
Si 1
1
mediante las operaciones siguientes:
1
14
. 1
42
(1) . 1
62
(1) . 1
36
(1) . 1
35
(1) . 1
15
(2) . 1
16
(1) .
en forma secuencial. Calcular det(1).
16. Sea =
_
_
0 1 0 0
0 0 0 2
3 0 0 0
0 0 4 0
_
_
.
a) Pruebe que es invertible.
b) Encuentre
1
, por el mtodo de la adjunta.
17. a) Usando operaciones elementales las determine los valores de c. / R de modo que
la matriz =
_
_
c 0 1
1 / c
1 1 1
_
_
, sea invertible.
b) Encuentre todas las matrices =
_
r
. n
_
, tales que
2
= 0
2
.
18. Sea =
_
_
3 2 0
2 3 0
0 0 5
_
_
.
a) Probar que es invertible.
b) Encuentre por el mtodo de la adjunta, la inversa de .
19. Demuestre usando propiedades que
/ +c c +c c +/
+: j +: j +
+. r +. r +
= 2
c / c
j :
r .
.
20. Decida si cada una de las siguientes armaciones es verdadera o falsa. Justique su
respuesta.
a) Si `
2
(R) y A =
_
r
1
r
2
_
entonces A
t
A =
1
2
A
t
(
t
+)A.
b) Sea `
a
(R) y
2
= 1 entonces = 1.
c) Sean . 1 `
a
(R) tal que ,= 0. 1 ,= 0. Si 1 = 0 entonces [[ = 0 o [1[ = 0.
d) Si `
a
(R) y
a
= 0
a
entonces es singular.
e) Si
1
y 1 1
1
entonces 1
1
1
1
.
f ) Si . 1 `
a
(R)entonces ( +1)
2
=
2
+ 21 +1
2
.
_
_
1 2 0 0
1 1 1 1
2 1 2 1
_
_
y 1 =
_
_
2 3 1 1
0 4 3 0
1 2 3 0
_
_
a) Determinar la matriz Escalonada Reducida por Fila de .
5.1. MATRICES 217
b) La matriz es equivalente por la con 1?
22. Sean =
_
1 + + 1 + 3
2 + + 2 + 1
_
y 1 =
_
1 + + j + 0
2 + + + 1
_
dos matrices
de orden 2 6. Se sabe que es equivalente por la a 1. Justicando adecuadamente,
determine j. R.
23. Sea `
a
(R) invertible y l `
a
(R) tal que l
t
l = .
a) Pruebe que l es invertible.
b) Es l
t
invertible?
c) Si l
t
es invertible, encuentre

(l
t
)
1
.
24. Sean =
_
_
1 0 2
1 2 0
0 0 1
_
_
; 1 =
_
_
3 0 1
1 0 1
0 1 1
_
_
; A =
_
_
r
.
_
_
. Resuelva la ecuacin
3A 1
3
A =
t
1A +
_
_
1
0
1
_
_
.
25. Sea =
_
_
c / 1
1 c/ 1
1 / c
_
_
. Determinar el conjunto
C =
_
(c. /) R
2
,

1
_
t
,= 0.
_
26. Justicando, determine si es Verdadera o Falsa cada una de las siguientes armaciones:
a) Si y 1 son matrices de orden : entonces [1[ = [[ [1[ .
b) Si es una matriz regular de orden : entonces [d,[ = [[
a1
.
c) Si es una matriz cuadrada entonces [[ = [[ .
d) Si A = C
1
y 1A = C
2
y
1
1 entonces las dos ecuaciones matriciales tienen
el mismo conjunto solucin cuando C
1
1
C
2
.
27. Sea =
_
_
1 1 1
2 0 1
1 1 2
_
_
. Usando operaciones elementales:
a) Determine
1
.
b) Exprese
1
como producto de matrices elementales.
28. Sean =
_
_
+ +
1 2
r
+ +
+ +
1 3
+ +
_
_
1 =
_
_
+ +
1 2
r
+ +
+ +
1 3
+ +
_
_
.
Se sabe que es equivalente por columna a 1.Justicando adecuadamente determine
r e .
29. Sea =
_
_
17 1 1
5 1 0
9 1 2
_
_
.
a) Pruebe que es invertible.
b) Determine
1
por el mtodo de la adjunta.
30. Sean 1 =
_
_
2 1 5 6
3 2 8 1
1 3 5 1
6 7 5 2
_
_
y C =
_
_
5 6 4 3
4 1 9 2
3 2 4 1
1 1 1 1
_
_
. Demuestre que 1 y C
son equivalentes por la.
31. Dada =
_
_
1 4 0
1 2 1
5 3 3
_
_
.
a) Encuentre, si existe, la inversa de .
b) Utilice el resultado obtenido en (a) para resolver el sistema
n 4 = 0
n + 2 +n = 0
5n 3 + 3n = 0
.
32. En el espacio de las matrices `
2
(R).
a) Determine el conjunto de todas las matrices que conmutan con =
_
1 1
0 0
_
.
b) Sea `
2
(R) tal que
2
+1
2
= 0. Demuestre que es regular y encuentre
su inversa.
33. Determine las condiciones del parmetro ` para que la matriz =
_
_
1 1 ` 0
1 2 ` `
0 1 2`
_
_
sea invertible. Calcule
1
5.1. MATRICES 219
34. Determine si cada una de las siguientes proposiciones es verdadera o falsa. En cada
caso justique adecuadamente.
a) Sea = [c
i)
] `
a
(R) tal que c
i)
= (1)
i)
. entonces es una matriz simtrica.
b) Sea 1 = [/
i)
] `
a
(R) tal que /
i)
= i ,. entonces 1 es una matriz antisimtrica.
c) Sea `
a
(R) . ,= 0
a
. Si tiene una la nula, entonces no es invertible.
d) Si es simtrica entonces
t
=
t
y
a
(: N) es simtrica.
35. Calcular mediante el uso de las propiedades del determinante el valor de:
r 2 r + 2
2 r + 2 r
r + 2 r 2
36. Resuelva el sistema siguiente, segn los valores de ` :

(` + 3)r + + 2. = `
`r + (` 1) +. = 1
3(` + 1)r +` + (` + 3). = ` + 1
37. Segn los parmetros ` y j analizar el sistema:
`r + +. = 1
r +` +. = j
r + +`. = 2j
De modo que:
a) Tenga nica solucin. Determnela.
b) Tenga solucin vaca.
c) Tenga innitas soluciones. Determnelas.
38. Determine condiciones sobre los parmetros c. /. c y ` en R de modo que el sistema de
ecuaciones lineales:
`r + +. = c
r +` +. = /
r + +`. = c
a) Tenga solucin vaca.
b) Tenga innitas soluciones, en cuyo caso resuelva el sistema.
c) Tenga una nica solucin. Determnela.
39. Dado el sistema
r + +. +n = 0
r = + 1
a) Encontrar el conjunto solucin.
b) Determine una solucin particular del sistema.
40. Determine los valores de c R, si es posible, de modo que el sistema
r + +c. = 0
3r + 4 + 2. = 0
2r + 3 . = 0
41. Sean c , ` parmetros reales y el sistema:
r
1
+r
3
+ 4`
2
r
3
= c +r
2
r
2
+ 3r
3
= `r
3
2r
1
+ 7r
3
+ 2 = r
2
+`r
3
Determinar la(s) condiciones de c y ` para que el sistema
a) Tenga solucin nica.
c) Tenga innitas soluciones.
d) En (c) determinar las soluciones en funcin de c y `. Adems d dos ejemplos
numricos de tales soluciones.
42. Determinar los valores de c. , R. tales que el sistema siguiente tenga solucin nica,
innitas soluciones o no tenga solucin. Justique y determine las soluciones en cada
caso:
(1 +c)r + 2 . = 0
r + (2 +c) +. = , c 1
2r 2 2. = , + 1
43. Sea el sistema
(1 `)r +`. = 1
(1 `) +`. = c
r + (1 `) = 1
Analizarlo segn `. c R para que el sistema tenga:
a) Solucin nica. Exprese esta solucin.
b) Solucin vaca.
c) Solucin innita. Determine el conjunto solucin.
44. Dados los siguientes sistemas:
5.1. MATRICES 221
a)
cr +/ +. = 1
r +c/ +. = /
r +/ +c. = 1
b)
2r + +. = 1
r 3 +. = /
r +c. = 0
r 2 + 2. = c
Hallar c. /. c R para que los sistemas tengan nica solucin, innitas soluciones
o no tengan soluciones. En los casos que haya solucin determnelas.
45. Dado el sistema
r
1
r
2
+ (4c
2
+ 1)r
3
= /
r
2
+ (3 c)r
3
= 0
2r
1
r
2
+ (7 c)r
3
= 2
Hallar condiciones para c. / R de tal manera que el sistema tenga:
a) nica solucin.
b) Innitas soluciones, determnelas.
c) Solucin vaca.
46. Resolver segn los valores de c. / R. el sistema:
r +c +c
2
. = 1
r +c +c/. = c
/r +c
2
+c
2
/. = c
2
/
.
47. Dado el siguiente sistema:
cr + = /
r +c = 1
r + +c. = 2
Hallar condiciones para c. / R de tal manera que el sistema tenga:
a) nica solucin.
b) Innitas soluciones, determnelas.
c) Solucin vaca.
48. Dado el siguiente sistema:
`r + +. +n = 1
r +` +. +n = 1
r + +`. +n = 1
r + +. +`n = 1
a) Determine los valores de ` R para que el sistema tenga nica solucin. Deje
expresada la solucin usando Cramer.
b) Determine los valores de ` R para que el sistema tenga innitas soluciones.
Encuntrelas.
49. Dado el sistema:
r + 2 . + 3n = 1
2r + 3 . + 5n +n = 0
3r +. n = 1
5r + 3 + 4n +n = c /
r + + 2n +n = c +/
a) Encuentre valores de c. / R para los cuales el sistema es consistente. Determine
el conjunto solucin.
b) Existen valores de c. / R de modo que la solucin sea nica?. Justique.
r +`. = 0
+. = 0
`r + + 2. = 3
Determinar ` R de modo que el sistema:
b) Tenga solucin vaca.
2r + 3. = 3
r +c . = 6
r + 2. = /
a) Calcular c. / R para que (1. 2. 1) sea una solucin.
b) Calcular c. / R para que el sistema:
1) Tenga nica solucin. Determnela.
2) Tenga solucin vaca.
3) Tenga innitas soluciones. Indique el conjunto solucin.
c) Escribir una solucin para c = 2. / = 3.
5.2. Espacios Vectoriales
1. Sea \ = R
2
, y considere las siguientes operaciones:
a) (r
1
. r
2
) + (
1
.
2
) = (r
1
+
1
. r
2
+
2
)
c(r
1
. r
2
) = (cr
1
. r
2
) c R.
b) (r
1
. r
2
) + (
1
.
2
) = (r
1
+
1
. 0)
c(r
1
. r
2
) = (cr
1
. 0) c R.
En cada caso, es \ con estas operaciones un espacio vectorial real?.
2. Sea \ = R
a
, en \ se denen las siguientes operaciones:
(r
1
. .... r
a
) + (
1
. ....
a
) = (r
1
1
. .... r
a
a
)
c(r
1
. r
2
. .... r
a
) = (cr
1
. .... cr
a
) c R.
Qu propiedades de espacio vectorial cumple \ con estas operaciones?
3. Demostrar que los siguientes subconjuntos son subespacios vectoriales de los espacios
dados:
a) l
1
= (r. ) R
2
, r + = 0 \ = R
2
b) l
2
= (r. . .) R
3
, 2r + = . \ = R
3
c) l
3
= (c. /. 0) R
3
, c. / R \ = R
3
4. Cules de los siguientes conjuntos son subespacios vectoriales de R
a
?
a) l
1
= (r
1
. .... r
a
) R
a
, r
1
= 0
b) l
2
= (r
1
. .... r
a
) R
a
, r
1
+ 3r
2
= r
3
c) l
3
= (r
1
. .... r
a
) R
a
, r
1
= r
2
d) l
4
= (r
1
. .... r
a
) R
a
, r
1
r
2
= 0
e) l
5
= (r
1
. .... r
a
) R
a
, r
2
Q
f ) l
6
= (r
1
. .... r
a
) R
a
, r
2
1
+r
2
2
+... +r
2
a
= 1
g) l
7
= (r
1
. .... r
a
) R
a
, sin r
1
= 0
h) l
8
= (r
1
. .... r
a
) R
a
, c
a
2
+c
a
3
= 4 .
5. Sean c. /. c R y l = (r. . .) R
3
,cr +/ +c. = /. Demostrar que l es un
subespacio vectorial si y slo si / = 0.
6. Cules de los siguientes subconjuntos de `
a
son subespacios vectoriales de `
a
?
a) El conjunto de las matrices regulares.
b) C(1) = `
a
, 1 = 1 .
c) El conjunto de las matrices singulares.
d) El conjunto de las matrices simtricas.
e) El conjunto de las matrices antisimtricas.
f ) `
a
,
2
= .
7. Por qu la solucin del siguiente sistema de ecuaciones no es un espacio vectorial?
r
1
+r
2
+r
3
+r
4
= 4
2r
2
+ 3r
3
3r
4
= 3
r
1
2r
2
= 1
8. Demostrar que los siguientes subconjuntos de `
3
son subespacios vectoriales de `
3
a)
_
_
_
_
_
c / c
d c 0
0 0 0
_
_
, c. /. c R
_
_
_
b)
_
_
_
_
_
c / c
d , d
c / c
_
_
, c. /. c. d. , R
_
_
_
.
9. Decida cuales de los siguientes subconjuntos de funciones, con las operaciones suma y
producto por un escalar usuales, son espacios vectoriales. Justique.
a) El conjunto de polinomios de grado : incluyendo el polinomio nulo.
b) El conjunto de polinomios de grado menor que : incluyendo el polinomio nulo.
c) El conjunto de las sucesiones con coecientes en R.
d) El conjunto de las funciones cuya :sima derivada es continua en el intervalo
[c. /] .
e) El conjunto de las funciones cuyo codominio es ] . 10
8
].
10. Sea \ = 1(R. R) = , : RR , , es funcin Cules de los siguientes conjuntos
de funciones son subespacios de \ ?
a)
_
, \ , ,(r
2
) = (,(r))
2
_
b) , \ , ,(0) = ,(1)
c) , \ , ,(3) = 1 +,(5)
d) , \ , ,(1) = 0
e) , \ , , es continua
11. Demostrar que los nicos subespacios de R
2
son:
a) (0. 0)
b) R
2
c) c(r. ) , c R para (r. ) ,= 0.
12. Dados 1 = (2c. c) , c R y 1 = (/. /) , / R Cules de los siguientes
son subespacios de R
2
? 1. 1. 1 1. 1 ' 1.
13. Sean \
1
y \
2
subespacios de un espacio vectorial \ tal que \
1
' \
2
sea tambin un
subespacio. Demostrar que uno de los subespacios \
i
para i = 1. 2 est contenido en
el otro.
14. Encuentre una combinacin lineal de los vectores n
i
, que expresen en los siguientes
casos:
a) n
1
= (1. 2. 3) n
2
= (1. 3. 2) = (1. 1. 4)
b) n
1
= 2r 1 n
2
=
1
2
r + 1 = r
c) n
1
= (1. 2. 3) n
2
= (4. 2. 4) = (1. 1. 1)
d) n
1
= 1 2i n
2
= 3i + 2 n
3
= i 1 = 1 5i
e) En este caso, con la condicin que todos los escalares sean diferentes de cero, n
1
=
(1. 2. 0) n
2
= (2. 2. 0) n
3
= (1. 1. 0) n
4
= (0. 1. 1) = (1. 1. 0)
15. Demostrar que (c. /. c. d) R
4
es combinacin lineal de (1. 1. 1. 1); (2. 3. 1. 0) y (2. 1. 4. 1)
si y slo si c +c = / +d.
16. Demostrar que
_
18
13
6
8 18
_
es combinacin lineal de
_
5
1
2
0 2
_
y
_
3
4
1
6
2 3
_
.
17. Demostrar que sin
2
r y cos
2
r son combinacin lineal de 1 y cos 2r.
18. Demostrar que r
2
+r + 1 es combinacin lineal de 1. r 2. (r + 2)
2
.
19. Determinar si los siguientes conjuntos son linealmente independiente o linealmente
dependiente:
a) 2
b) (1. 0. 1). (0. 1. 1). (1. 1. 0)
c) (1. 0). (0. 1). (1. 1)
d)
__
1 1
0 0
_
.
_
0 0
1 1
_
.
_
1 0
1 0
_
.
_
0 1
0 1
__
e) 1. r. rc
a
f ) 1. r. rsin r .
20. Consideremos los siguientes vectores de R
4
c
1
= (1. 0. 0. 0); c
2
= (0. 1. 0. 0); c
3
= (0. 0. 1. 0); c
4
= (0. 0. 0. 1)
Sean
r = c
1
+ 2c
2
+cc
3
+c
4
= c
1
+c
2
+ 2c
3
+,c
4
con c. , R
. = c
2
+,c
3
a) Determinar c y , para que r. . . sean linealmente dependiente
b) Qu vector es combinacin lineal de los otros dos?
21. Determinar si los siguientes conjuntos son linealmente independiente o linealmente
dependiente:
a) = 1. r. r
2
. .... r
a
subconjunto de R[r]
b) 1 = 1. (r 1). r(r 1). r
2
(r 1). .... r
a1
(r 1) subconjunto de R[r]
c) C = c. c +/r. c +/r +cr
2
. c +/r +cr
2
+dr
3
subconjunto de R[r]. donde
c. /. c. d son constantes no nulas.
22. Probar que si dos vectores son linealmente dependiente, entonces uno de ellos es mlti-
plo escalar del otro.
23. Sea \ un espacio vectorial real, demostrar que:
a) Si dos vectores
1
y
2
son linealmente independiente, entonces
1
+
2
y
1
2
tambin lo son.
b) Si tres vectores
1
.
2
y
3
son linealmente independiente, entonces
1
+
2
.
2
+
3
.
3
+
1
tambin lo son.
24. Demostrar que los vectores (3 +
_
2. 1 +
_
2) y (7. 1 + 2
_
2) en R
2
son linealmente
dependiente, sobre R. pero linealmente independiente sobre Q.
25. Determine el subespacio generado por los siguientes vectores:
a) n
1
= (1. 2. 1). n
2
= (2. 1. 3)
b) n
1
= (1. 1. 2). n
2
= (0. 1. 0). n
3
= (2. 4. 1)
c) 1. r 2. r
2
2r + 1; como subespacio de R[r]
d) n
1
= r + 1. n
2
= r
2
+ 1 como subespacio de R[r] .
Encuentre en los casos anteriores un sistema de ecuaciones cuyo conjunto solucin
corresponda a los subespacios generados.
26. Determinar cules de los siguientes vectores pertenecen al subespacio indicado:
a) (4. 7. 6). (2. 9. 4). (2. 0. 5). (0. 0. 1) en el subespacio generado por (1. 2. 1) y
(2. 3. 4)
b) r
2
r + 3. 4r
3
3r + 5. r
4
+ 1. r 5 en el subespacio generado por
r
3
+ 2r
2
+ 1. r
3
2. r
3
+ 1
27. Demostrar que los siguientes conjuntos generan el mismo subespacio vectorial de las
funciones de [c. /] en R. 1([c. /] . R)
_
sin
2
r. cos
2
r. sin r cos r
_
1. sin 2r. cos 2r
28. Sean `
na
y H = A R
a
, A = C. Suponga que A
1
. .... A
q
es una
base de ker() = A R
a
, A = 0, y sea A
j
H. Pruebe que
H = A
1
. .... A
q
. A
j
.
29. Sean = (r
1
. r
2
. r
3
. r
4
) R
4
, 3r
1
= 2r
2
= r
3
1 = (r
1
. r
2
. r
3
. r
4
) R
4
, r
3
= 2
C = (r
1
. r
2
. r
3
. r
4
) R
4
, r
1
= r
2
r
3
1 = (r
1
. r
2
. r
3
) R
3
, r
1
= 1
Hallar explcitamente los subespacios generados por los conjuntos dados, es decir,
. 1 . C . 1.
30. Sean \ un espacio vectorial real y . 1 \ entonces se cumple:
a) _ \ si y slo si = .
b) no es subespacio de \ si y slo si ,= .
c) = .
d) = 1 si y slo si 1 genera a y genera a 1 .
e) genera a 1 y 1 genera a C entonces genera a C .
31. Si \
1
y \
2
son subespacios de un espacio \ entonces probar que:
a) \
1
+\
2
_ \
b) \
1
' \
2
\
1
+\
2
.
c) \
1
+\
2
es el ms pequeo espacio que contiene a \
1
y \
2
d) \
1
+\
2
= \
1
' \
2
.
Ayuda (c): Sea l espacio que contiene a \
1
' \
2
, mostrar que \
1
+\
2
l.
32. Sean y 1 subconjuntos no vacios de un espacio vectorial \. Es vlida la siguiente
igualdad?
1 = ' 1
33. Sean l = (1. 0. 0). (0. 1. 1). (1. 1. 1) ; \ = (1. 1. 1). (2. 1. 1). (1. 0. 0) .
a) Encuentre un sistema de ecuaciones que describa al espacio l. Idem para \ .
b) Determine una base de l \
c) Determine un sistema de ecuaciones que describa al espacio l \
34. Dado el espacio \ =
_
_
_
`
3
(R) , =
_
_
c / c
d c d
c / c
_
_
_
_
_
. Determine un conjunto
generador de \ .
35. Decida si cada una de las siguientes armaciones es verdadera o falsa.Justique su
respuesta:
a) (\. 1 \ ) ( ,= 1 == , = 1) .
b) (\. 1 \ ) ( = 1 == = 1)
c) (\. 1 \. r \ ) ( ' r = == r ).
d) Si es linealmente independiente y el cardinal de es igual a dim(\ ) entonces
es una base de \.
36. Sean = (1. 1. 2). (3. 0. 1) ; 1 = (1. 2. 3). (3. 3. 4). (2. 1. 1). Generan y
1 el mismo subespacio de R
3
?. Justique.
37. Sea \ = (r. . .. n) R
4
, r + 13. 9n = 0 = + 3. 2n
a) Demuestre que \ es un subespacio de R
4
.
b) Demuestre que (9. 2. 0. 1). (13. 3. 1. 0) es una base de \.
38. Determine condiciones sobre c. /. c R. tal que el vector (c. /. c) pertenezca al espacio
generado por (2. 1. 0). (1. 1. 2). (0. 3. 4).
39. Encuentre una base para el subespacio solucin de los siguientes sistemas de ecuaciones
lineales en R
5
.
a)
r
1
+r
2
+r
3
+r
4
= 0
2r
1
+r
2
+ 2r
3
r
4
= 0
r
1
+r
3
= 0
b)
r
2
+r
3
+r
4
= 0
5r
1
+r
3
r
4
= 0
c)
r
1
+ 2r
2
r
3
r
5
= 0
r
2
+r
3
r
5
2r
4
= 0
r
1
r
5
+r
4
= 0
40. Sean = (r
1
. r
2
. r
3
. r
4
) R
4
, 3r
1
= 2r
2
= r
3
1 = (r
1
. r
2
. r
3
. r
4
) R
4
, r
3
= 2
C = (r
1
. r
2
. r
3
. r
4
) R
4
, r
1
= r
2
r
3
1 = (r
1
. r
2
. r
3
) R
3
, r
1
= 1
a) Hallar una base para . 1 . C . 1 .
b) Hallar un espacio complementario para cada uno de los espacios anteriores.
c) Muestre que existe ms de un espacio complementario para cada espacio de a).
41. Probar que :
a) Si cd /c ,= 0 entonces (c. /). (c. d) es base de R
2
.
b) El conjunto 1. i no es base de C como C-espacio vectorial, pero s lo es de C
como R-espacio vectorial. (i
2
= 1).
c) Si \ es un R-espacio vectorial y \ tal que 0 entonces es linealmente
dependiente.
d) Si \ es un R-espacio vectorial y . \ , . ,= 0 entonces . es linealmente
independiente.
e) Muestre mediante un ejemplo que unin de conjuntos linealmente independiente
no necesariamente es linealmente independiente .
42. Dados
1
= (1. 1. 2. 3);
2
= (2. 3. 1. 1);
3
= (0. 1. 3. 5);
4
= (1. 4. 7. 12)
en R
4
. Encontrar un subconjunto maximal linealmente independiente de
1
.
2
.
3
.
4
y extenderlo a una base de R

4
.
43. Sea 1 =
_
_
(r
1
. r
2
. r
3
. r
4
) R
4
,
_
_
1 1 2 3
2 3 1 1
0 1 3 5
1 4 7 12
_
_
_
_
r
1
r
2
r
3
r
4
_
_
=
_
_
0
0
0
0
_
_
_
_
, un
subespacio de R
4
entonces :
a) Hallar una base de 1.
b) Calcule la dimensin de 1
44. Sea H = (r
1
. r
2
. r
3
. r
4
) R
4
, r
1
r
2
r
3
= 0 _ R
4
. Pruebe que dim(H) = 3.
Es vlido la siguiente armacin?
Si H = (r
1
. r
2
. r
3
) R
3
, r
1
r
2
r
3
= 0 entonces dim(H) = 3.
45. Sea 1 = r. una base del espacio vectorial \ y n = cr + /; = cr + d.
Qu condiciones deben cumplir los escalares c. /. c. d de modo que n. sea una base
de \ ?
46. Sean \ y \ espacios vectoriales reales tales que dim(\ ) = :, dim(\) = : con bases
1
.
2
. ....
a
y n
1
. n
2
. .... n
n
respectivamente. Se denen las siguiente operaciones
en \ \ = (. n) , \. n \ dadas por
(. n) + (. .) = ( +. n +.) (. \ ; n. . \)
c(. n) = (c. cn) (c R; \ ; n \)
a) Demostrar que \ \ con estas operaciones es un R-espacio vectorial.
b) El conjunto (
1
. 0). .... (
a
. 0). (0. n
1
). .... (0. n
n
) es una base de \ \.
47. Sean \ =
_
`
2
(R) , =
_
r r
.
__
y \ =
_
1 `
2
(R) , 1 =
_
c /
c c
__
subespacios de `
2
(R). Encuentre una base para \ y otra para \.
48. Determine si cada una de las siguientes armaciones es verdadera o falsa. Justique:
a) Si H genera a \ entonces existe una base 1 de \ tal que 1 _ H.
b) Si H \ y Cc:d(H) < dim(\ ) entonces H es linealmente independiente.
c) Si es linealmente independiente y Cc:d() = dim(\ ) entonces es una base
de \.
d) La dimensin de R como Q-espacio vectorial es 1.
e) dim
R
(`
32
(R)) = 6
f ) Una base para el espacio R
5
[r] es 1 +r. r +r
2
. r
2
+ 3r
3
. r
3
+ 4r
4
. r
4
+ 5r
5
. r
5
g) o = A R
a
,1
na
A
t
= /
n1
,= 0
n1
y /
0
o entonces o = /
0
+n,n ker(1)
49. Considere ,
1
(r) = sin r. ,
2
(r) =
_
2 cos(r

4
). ,
3
(r) = cos r. Sea o = ,
1
. ,
2
. ,
3
a) Determine si ,
1
. ,
2
. ,
3
b) Determine una base para o y calcule dim(o).
c) Sea ,(r) = 5 sin r 2 cos r. Calcule las coordenadas de , respecto a la base
anterior.
50. Sean 1
1
= (1. 1. 0). (0. 1. 2) . 1
2
= (1. 1. 2). (3. 5. 4) y \ el subespacio de
R
3
generado por 1
1
.
a) Probar que 1
2
es base de \.
b) Si A = (r. . .) \. Hallar [A]
1
1
. [A]
1
2
.
c) Hallar las coordenadas de los vectores en ambas bases, si es posible, sino justique:
(1. 0. 0). (0. 0. 1). (4. 7. 6). (3. 2. 2).
51. Si
4
_
_
1
1
2
_
_
+ 3
_
_
0
0
2
_
_
+ 1
_
_
1
0
4
_
_
= c
_
_
1
1
2
_
_
+/
_
_
0
0
2
_
_
+c
_
_
1
0
4
_
_
.
entonces debe cumplirse que: c = 4. / = 3. c = 1, es verdadera la armacin
anterior? Justique su respuesta.
52. Considerar las dos bases siguientes de R
3
1 = (1. 1. 1). (0. 2. 3). (0. 2. 1) y 1
0
= (1. 1. 0). (1. 1. 0). (0. 0. 1)
a) Hallar las coordenadas de = (3. 5. 2) respecto a cada una de las bases.
b) Hallar la matriz 1 cuyas columnas son precisamente los vectores coordenadas de
los vectores de la base 1 respecto a la base 1
0
. Denotamos a esta matriz por
[1d]
1
0
1
.
c) Vericar que 1 [A]
1
= [A]
1
0
.
53. Demostrar que los vectores
1
= (1. 1. 0. 0) .
2
= (0. 0. 1. 1) .
3
= (1. 0. 0. 4) .
4
= (0. 0. 0. 2) .
forman una base de R
4
. Hallar las coordenadas de cada uno de los vectores de la base
cannica respecto de la base ordenada
1
.
2
.
3
.
4
.
54. Sea 1 =
1
.
2
.
3
una base ordenada de R
3
donde
1
= (1. 0. 1).
2
= (1. 1. 1).
3
= (1. 0. 0).
Cules son las coordenadas del vector (c. /. c) en la base ordenada 1?
55. Sean c = (r
1
. r
2
) y , = (
1
.
2
) dos vectores de R
2
tales que
r
1
1
+r
2
2
= 0. r
2
1
+r
2
2
=
2
1
+
2
2
= 1
a) Demostrar que 1 = c. , es una base de R
2
.
b) Hallar las coordenadas del vector (c. /) en la base ordenada 1 = c. ,. (Las
condiciones impuestas a c. , dicen geomtricamente que c y , son perpendiculares
y de longitud 1).
56. Sea \ = R
2
[r], es decir, el espacio de todas las funciones polinomiales de la forma
,(r) = c
0
+c
1
r +c
2
r
2
con c
0
. c
1
. c
2
R. Dados t R jo y
q
1
(r) = 1. q
2
(r) = r +t. q
3
(r) = (r +t)
2
.
a) Demostrar que 1 = q
1
. q
2
. q
3
es una base de \ .
b) Si ,(r) = c
0
+c
1
r +c
2
r
2
. Cules son las coordenadas de , en esta base 1?
57. Sea \ un espacio vectorial real generado por las las de la matriz
=
_
_
3 21 0 9 0
1 7 1 2 1
2 14 0 6 1
6 42 1 13 0
_
_
a) Hallar una base para \.
b) Qu vectores (r
1
. r
2
. r
3
. r
4
. r
5
) son elementos de \ ?
c) Si (r
1
. r
2
. r
3
. r
4
. r
5
) \. Cules son sus coordenadas en la base elegida en la
parte (a)?
58. Sean l. \ los siguientes subespacios vectoriales de R
3
l =
_
(c. /. c) R
3
, c +/ +c = 0
_
; \ =
_
(0. 0. d) R
3
, d R
_
Demostrar que R
3
= l +\. R
3
= l \?
59. Sean l = , : R R , ,(r) = ,(r). r R y
\ = , : R R , ,(r) = ,(r). r R subespacios vectoriales de 1(R. R).
Demostrar que 1(R. R) = l \.
60. Dados los siguientes subespacios vectoriales de `
a
(R)
1 =
_
`
a
(R) , =
t
_
o =
_
1 `
a
(R) , 1 = 1
t
_
.
Demostrar que `
a
(R) = o 1.
61. Dado l = (r. . .. n) R
4
, r = . . = n subespacio vectorial de R
4
. Hallar
\ subespacio vectorial (complementario) de R
4
tal que l \ = R
4
.
62. Sean = (2. 3. 6. 0). (0. 0. 0. 1)
1 = (1. 0. 2. 0). (0. 1. 0. 0). (0. 0. 0. 1)
C = (1. 1. 0. 0). (1. 0. 1. 0). (0. 0. 0. 1)
1 = (1. 1. 0)
a) Hallar un espacio complementario a los espacios . 1. C. 1.
b) Muestre que existe ms de un complementario por cada espacio de (a).
63. Dados l = (r. . .) , r + +. = 0 _ R
3
y
\ = (r. . .. n) , r = . . = n _ R
4
.
a) Encontrar a lo menos un espacio complementario de l y uno de \.
b) Clasicar todos los subespacios vectoriales complementarios de l en R
3
.
64. Sean
\
1
=
_
(r. . .. t) R
4
, r = 0. . +t = 0
_
.
\
2
=
_
(r. . .. t) R
4
, 2r + 3 = (t .)
_
.
subespacios vectoriales de R
4
. Determinar
a) una base para \
1
+\
2
.
b) una base para \
1
\
2
.
c) Cules son las dimensiones de estos subespacios vectoriales?
65. Sean \ =
_
`
2
(R) , =
_
r r
.
__
y \ =
_
1 `
2
(R) , 1 =
_
c /
c c
__
subespacios de `
2
(R). Hallar dim(\
1
+\
2
) y dim(\
1
\
2
), exhibiendo las respectivas
bases.
66. Sean \ =
_
_
_
(r. . .. n) R
4
,
r + +. +n = 0
r + 2. + 3n = 0
2r + 3. +n = 0
_
_
_
y
\ = (1. 1. 1. 1). (2. 1. 0. 1) .
a) Hallar dim(\ ). dim(\). dim(\ \).
b) Hallar \ +\ Es suma directa \ +\ de \ y \?
67. Sean 1 = 1 r + 2r
2
3r
3
. 2 + 3r r
2
+r
3
. r + 3r
2
5r
3
. 1 + 5r
2
8r
3
y
o =
_
c +/r +cr
2
+dr
3
,
2c +/ +c = 0
3c 2/ +c d = 0
_
, subespacios de R
3
[r] .
Hallar bases y dimensiones de 1. o. 1 o. 1 +o.
68. Sea l =
_
_
_
`
3
(R) , =
_
_
c / c
d c d
c / c
_
_
_
_
_
_ `
3
(R). Determine \ subespacio
vectorial de `
3
(R) tal que l \ = `
3
(R) .
69. Dados l
1
=
_
`
2
(R) , =
_
c /
0 0
__
y l
2
=
_
1 `
2
(R) , 1 =
_
0 0
c 0
__
subespacios vectoriales de `
2
(R) . Es `
2
(R) suma directa de l
1
y l
2
?.
A continuacin presentamos una seleccin de problemas incluidos en diversos tipos de
controles semestrales.
1. Sea H = (r. ) R
2
, r
2
2
= 0 . Es H un subespacio vectorial de R
2
?. Jus-
tique.
2. Hallar, si es posible (si no justique), una matriz 1 `
3
(R) de rango 2 tal que la
tercera la no sea combinacin lineal de las dos primeras las. Justique su ejemplo.
3. Sean
\ =
_
_
_
(r. . .. n) R
4
,
r + +. +n = 0
r + 2. + 3n = 0
2r + 3. + 4n = 0
_
_
_
y \ el espacio generado por los vectores (1. 1. 1. 1) y (2. 1. 0. 1) en R
4
.
b) Hallar una base de \ +\. Es \ +\ suma directa de \ y \?
4. Dada 1 = (1. c. 2). (0. 1. c). (1. 0. 1) subconjunto de R
3
.
Determinar las condiciones para c R de tal forma que 1 sea una base de R
3
.
5. Sea l = (1. 0. 1). (0. 1. 0). (2. 1. 2) .
a) Es 1 = (0. 2. 0). (1. 1. 1) una base de l?
b) Determine las coordenadas del vector = (1. 3. 1) en la base 1
0
= (1. 0. 1). (0. 1. 0) .
c) Es posible determinar coordenadas del vector = (1. 3. 1) respecto de 1?
6. Dados los subespacios
\ =
_
(r. . .. n) R
4
,
r + 2 . n = 0
r 2. +n = 0
_
.
\ = (1. 0. 1. 1). (1. 1. 1. 2). (0. 1. 0. 1)
b) Hallar una base de \ +\.
c) Es \ +\ suma directa de \ y \?
7. Sea \ = (r. . .) R
3
, 2/r + 3 = 0. . = / . Para que valores de / R. \
es un subespacio vectorial de R
3
?.
8. Sean = (1. 1. 2). (3. 0. 1) y 1 = (1. 2. 3). (3. 3. 4). (2. 1. 1) . Generan
y 1 el mismo subespacio vectorial de R
3
?. Justique.
9. Sea
\ =
_
(r. . .. n) R
4
,
r + 13. 9n = 0
+ 3. 2n = 0
_
a) Demuestre que \ es un subespacio vectorial de R
4
.
b) Demuestre que (9. 2. 0. 1). (13. 3. 1. 0) es una base de \.
10. Sean l = (1. 0. 0). (0. 4. 2) _ R
3
y \ = (r. . .) R
3
, r = . = 2 _ R
3
.
Demuestre que
l \ = R
3
.
11. Determine si cada una de las siguientes proposiciones, es verdadera o falsa,justicando
con una demostracin o un contraejemplo segn corresponda.
a) = r
3
2r
2
+r + 1. r
2
+ 7. 2r 5 R
3
[r] es un conjunto linealmente
independiente.
b) n. . n = n. == n. . n es un conjunto linealmente dependiente.
c) \ = (r. . .) R
3
, r + = 0 . 2 = 0 es un subespacio vectorial
de R
3
.
12. Sea 1
4
= `
4
(R) , es matriz diagonal
a) Demuestre que 1
4
es un subespacio vectorial de `
4
(R)
b) Encuentre una base para 1
4
. y demuestre que efectivamente es base.
c) Cul es la dimensin de 1
4
?
d) Cules son las coordenadas de =
_
_
1 0 0 0
0 2 0 0
0 0 3 0
0 0 0 4
_
_
en la base que usted escogi
en b)?
13. Sean \ un espacio vectorial real y 1 =
1
.
2
.
3
una base de \.adems
0
1
=
1
+
2
2
+ 3
3
;
0
2
= 2
1
2
+
3
;
0
3
=
1
+
2
3
3
a) Pruebe que 1
0
=
0
1
.
0
2
.
0
3
es una base para \.
b) Encuentre [id]
1
1
0
.
c) Si =
0
1
+
1
2
0
2
1
3
0
3
. Encuentre []
1
.
14. Sean
\ = (1. 2. 1). (19. 18. 11). (3. 1. 2) .
\ =
_
(r. . .) R
3
,
r
13
=

9
=
.
8
_
Hallar dim(\). dim(\ ). dim(\ \).
15. Sean l y \ los subespacios de R
4
denidos por:
l =
_
_
_
_
r
.
n
_
_
, 4r + . n = 0; 3r 2. n = 0
_
_
.
\ =
_
_
_
_
r
.
n
_
_
, r + 4 +. n = 0; 2r + 2. +n = 0
_
_
Es R
4
= l \?.Justique su respuesta.
16. Sean l. \. \ los subespacios de R
3
denidos por:
l =
_
(r. . .) R
3
, r + +. = 0
_
\ = (0. 0. .) , . R
\ =
_
(r. . .) R
3
, r = .
_
a) Pruebe que
1) R
3
= l +\
2) R
3
= l +\.
b) En cul o cules de los casos anteriores la suma es suma directa?. Justique.
17. Dado el subespacio vectorial
l =
_
(r. . .. n) R
4
, r = . +n; = 2. n; . = 3r + 2 + 5n
_
a) Determine una base para l
b) Encuentre dim(l).
18. Sean l. \ subespacios de R
3
denidos por
l = (2. 1. 3) y \ =
_
(r. . .) R
3
, r +/ +. = 0
_
Para que valores de / R, se tiene R
3
= l \ ?
19. Determine si cada una de las siguientes armaciones es verdadera o falsa. Justique su
respuesta.
a) = (1. 2). (1. 3). (2. 1) es un conjunto de vectores linealmente independiente.
b) Dados
l =
_
cr
2
+/r +c R[r] , / c +c = 0
_
.
\ = r + 1 .
subespacios vectoriales de R[r] entonces R
2
[r] = l \.
c) Sean
1 = (1. 0. 0). (1. 1. 0). (2. 1. 1) .
1
0
= (2. 1. 0). (1. 0. 1). (4. 2. 1)
bases de R
3
. Entonces [id]
1
1
0
=
_
_
1 1 0
0 1 1
1 1 1
_
_
20. Verique:
a) El conjunto 1 = `
2
(R) , +
t
= 0 es un subespacio vectorial de
`
2
(R) de dimensin 1.
b) 1 =
__
1 1
0 0
_
.
_
0 0
1 1
_
.
_
0 1
1 0
__
es una base de \ =
__
1 1
0 0
_
.
_
0 0
1 1
_
.
_
0 1
1 0
__
.
Adems determine las coordenadas de n =
_
5 7
19 7
_
en base 1 es decir [n]
1
.
21. Sea l = cr
3
+/r
2
+cr +d R
3
[r] , c / c d = 0
a) Vericar que l es un subespacio vectorial de R
3
[r] .
b) Hallar una base de l.
c) Determinar la dim(l).
22. a) Pruebe que el conjunto = , : [0. 3[ R , , es constante es un subespacio
de \ = , : [0. 3[ R , , es funcin .
b) Determine todos los vectores (c. /. c) R
3
que pertenezcan al espacio generado por
(2. 1. 0). (1. 1. 2). (0. 3. 4).
c) Sea
\ =
_
_
_
`
3
(R) , =
_
_
c / c
d c d
c / c
_
_
. c. /. c. d. c R
_
_
_
Hallar base y dimensin de \.
23. Sean l = r
2
(cr /) , c. / R y \ = cr(1 r) +d , c. d R subespacios
de R
3
[r] .
a) Determinar una base de l \ .
b) Determinar una base de l +\ .
c) Es R
3
[r] = l \ ?. Justique.
24. Sean los subespacios \ y \ denidos por:
\ =
_
(r. . .) R
3
, /r + :. = 0
_
y \ =
_
(0. . .) R
3
, +. = 0; r = 0
_
Determinar :. / R para que R
3
= \ \.
25. Sean 1 =
_
_
_
_
_
1
0
1
_
_
.
_
_
0
1
2
_
_
_
_
_
base de \ subespacio de R
3
y [1d]
C
1
=
_
2 1
2 0
_
a) Determinar el conjunto C, base de \.
b) Estn los vectores (1. 1. 3). (2. 3. 4) y (0. 0. 1) en \?. Justique.
c) Para los vectores de la parte b), determinar las coordenadas en la base C cuando
sea pertinente.
26. a)Para que valores de / R los vectores
1
= (/. 1 /. 0).
2
= (2/ 1. 0. / + 2).
3
= (0. /. /) forman una base de R
3
? Justique.
b) Desde el conjunto de valores de / ,(a),d un ejemplo de base
1
.
2
.
3
de R
3
.
27. Sean
\ = `
2
(R) , es matriz triangular inferior .
1 =
__
c 0
0 /
_
, c. / R
_
subespacio de \.
H =
__
0 0
c 0
_
, c R
_
subespacio de \.
Determinar si \ = 1 H.Justique.
28. Dado \ = 1
1
con 1
1
=
_
_
_
_
_
1
0
2
_
_
.
_
_
1
1
1
_
_
_
_
_
R
3
.
a) Mostrar que ambas 1
1
y 1
2
=
_
_
_
_
_
1
1
5
_
_
.
_
_
1
2
4
_
_
_
_
_
son bases de \.
b) Hallar las coordenadas de
_
_
r
.
_
_
en base 1
1
y en base 1
2
. cuando proceda.
c) Hallar las coordenadas de
_
_
0
1
3
_
_
.
_
_
0
3
7
_
_
en las bases 1
1
y 1
2
cuando proceda.
29. Hallar la ecuacin del plano :, que pasa por la interseccin de las rectas:
1
1
=
_
_
_
_
_
r
.
_
_
=
_
_
4
1
7
_
_
+`
_
_
3
1
5
_
_
, ` R
_
_
_
1
2
=
_
_
_
_
_
r
.
_
_
=
_
_
2
1
3
_
_
+j
_
_
2
5
1
_
_
, j R
_
_
_
y es perpendicular a la recta determinada por la interseccin de los planos:
:
1
=
_
_
_
_
_
r
.
_
_
R
3
, 3r +. = 0
_
_
_
y :
2
=
_
_
_
_
_
r
.
_
_
R
3
, r + . = 0
_
_
_
.
30. Determine si cada una de las siguientes armaciones es verdadera o falsa:
a) Si 1 = r
1
. r
2
es una base de R
2
entonces para todo r R
2
, 1
0
= r
1
. r
2
. r
tambin es base de R
2
.
31. Dado \ = (r. . .) R
3
, 2r = ; = . subespacio vectorial de R
3
. encuen-
tre l subespacio de R
3
tal que R
3
= l \. Adems, determine una base y ecuaciones
para las coordenadas del subespacio l.
32. Dados los vectores n = (1. 1. 2) y = (2. 1. 0) determine dos vectores r = (r
1
. r
2
. r
3
)
e = (
1
.
2
.
3
) en R
3
tales que simultneamente cumplan las condiciones siguientes:
a) r = c para algn c R.
b) n = r +.
c) las coordenadas de veriquen la ecuacin 2
1
+
2
= 0.
33. En `
2
(R):
a) Demuestre que \ =
__
c /
c d
_
, c +/ +c = 0
_
es un subespacio vectorial
de `
2
(R).
b) Complete una base para `
2
(R) a partir del conjunto
__
0 0
1 0
_
.
_
1 1
0 1
__
.
34. Sean:
a) los vectores = (2. 3. 2. 2). n
1
= (0. 1. 2. 0). n
2
= (1. 0. 2. 1) en R
4
. es-
tudie si n
1
. n
2
.
b) el conjunto = (2. 1. 0). (1. /. 3). (0. 2. 4), determine los valores de / para que
el conjunto sea linealmente independiente.
35. Dado 1 = (1. 1. 1). (1. 1. 0). (1. 0. 0) .
a) Demuestre que 1 es base de R
3
.
b) Determine condiciones sobre el vector (c. /. c) para que al reemplazar cualquier
vector de 1 por (c. /. c), el conjunto siga siendo una base.
36. Dados
l =
_
(r. . .. n) R
4
,
r + = .
+. = n
_
.
\ = (1. 2. 0. 0). (1. 3. 1. 1). (2. 3. 1. 1)
a) Determine dim(\).
b) Encuentre una base para l +\ y otra para l \.
c) Es R
4
= l \?.
37. Sean
\ =
_
(r. . .. n) R
4
,
r + +. = 0
r + + 2. + 3n = 0
_
.
\ = (1. 1. 0. 1). (2. 1. 1. 1)
a) Hallar una base para \ +\.
b) Hallar una base para \ \.
c) Determine l _ R
4
. tal que l (\ +\) = R
4
.
38. Sean
\ =
_
(r. . .. n) R
4
,
r + 2 . + 2n = 0
3r +. +n = 0
_
.
\ = (1. 2. 1. 0). (0. 4. 0. 2)
a) Hallar una base para \ +\.
b) Obtener una base para \ \.
c) Determine l _ R
4
. tal que l (\ +\) = R
4
.
39. Sean 1
1
= (1. 1. 0). (0. 1. 2) y 1
2
= (1. 2. 2). (3. 5. 4) subconjuntos de R
3
y
\ = 1
1
_ R
3
.
a) Probar que 1
2
es base de \.
b) Sabiendo que 1
1
es base de \. encontrar [1d]
1
2
1
1
y [1d]
1
1
1
2
.
c) Hallar las coordenadas en ambas bases (si es posible, si no justique) de los
vectores (1. 0. 0) y (4. 7. 6).
40. Dado l = (r. . .. n) R
4
, r = . . = n _ R
4
.Hallar \ subespacio vectorial
de R
4
tal que l \ = R
4
.
41. Sea
\ =

r
3
2r
2
+ 4r + 1. 2r
3
3r
2
+ 9r 1. r
3
+ 6r 5. 2r
3
5r
2
+ 7r + 5
_
a) Hallar una base para \.
b) Determine dim(\).
42. Sea = (1. 1. 2). (0. 1. 1). (1. 0. 1)
a) Encuentre .
b) Qu condiciones debe satisfacer un vector (r. . .) para que pertenezca al sub-
espacio generado por .
c) Encuentre una base y la dimensin para .
5.3. Transformaciones Lineales
1. Cules de las siguientes funciones 1 de R
2
en R
2
son transformaciones lineales?
a) 1(r
1
. r
2
) = (1 +r
1
. r
2
)
b) 1(r
1
. r
2
) = (r
2
. r
1
)
c) 1(r
1
. r
2
) = (r
2
1
. r
2
)
d) 1(r
1
. r
2
) = (sin r
1
. r
2
)
e) 1(r
1
. r
2
) = (r
1
r
2
. 0)
2. Cul de las siguientes expresiones dene una transformacin lineal, de R[r] en R[r]?
a) 1(j(r)) = (j(r))
2
b) 1(j(r)) = j(r + 1) j(r)
c) 1(j(r)) = 3(j(r) j(0))
3. Cules de las siguientes funciones son transformacin lineal?
a) 1 : R
2
R
2
(r. ) (r + 3. 4r + 5)
b) 1 : R
4
[r] `
2
(R)
c
3
r
3
+c
2
r
2
+c
1
r +c
0

_
c
3
c
2
c
1
c
0
_
c) G : R
3
R
2
(r. . .) ((r + +.)
2
. 2r + 3)
d) H : `
3
(R) `
3
(R)
A A A
donde =
_
_
1 3 2
1 1 0
1 0 1
_
_
e) 1 : R
2
R
(r. ) r
2
+
f ) J : R
a
[r] R
a+1
[r]
j(r)
a
_
0
j(t)dt
g) 1 : R
a
[r] R
a1
[r]
j(r) j
0
(r)
h) 1 : `
2
(R) R
_
c /
c d
_
det
_
c /
c d
_
4. Dados
1
= (1. 1).
2
= (2. 1).
3
= (3. 2) y n
1
= (1. 0). n
2
= (0. 1). n
3
=
(1. 1). Existe una transformacin lineal 1 : R
2
R
2
tal que 1(
i
) = n
i
para
i = 1. 2. 3 ?. en caso armativo defnala.
5. Existe una transformacin lineal 1 : R
3
R
2
tal que 1(1. 1. 1) = (1. 0) y
1(1. 1. 1) = (0. 1) ?
6. Sea 1 : R
3
R
3
transformacin lineal tal que 1(1. 1. 1) = (1. 0. 2). 1(1. 0. 1) =
(0. 1. 1). 1(0. 1. 1) = (1. 0. 1). Calcular 1(r. . .).
7. Describir explcitamente la transformacin lineal G de R
2
en R
2
tal que G(1. 0) =
(c. /). G(0. 1) = (c. d).
8. Sean 1 y H transformaciones lineales de R
2
en R
2
denidas por 1(r
1
. r
2
) = (r
2
. r
1
) y
H(r
1
. r
2
) = (r
1
. 0)
a) Describir 1 y H geomtricamente
b) Hallar explcitamente (1 +H). H 1. 1 H. 1
2
. H
2
.
9. Describa el efecto geomtrico de las siguientes transformaciones lineales de R
2
en R
2
:
a) ,(r. ) =
1
2
(r 3. 3r +)
b) ,(r. ) = (2r +. )
c) ,(r. ) = (r +. r +)
d) ,(r. ) = (. r)
e) ,(r. ) =
_
cos , sin ,
sin , cos ,
_ _
r
_
con , R jo.
10. Sea 1 : R
4
R
3
una transformacin lineal denida por
1(1. 1. 1. 1) = (7. 2. 3). 1(1. 1. 1. 0) = (6. 1. 7).
1(1. 1. 0. 0) = (4. 1. 5). 1(1. 0. 0. 0) = (1. 0. 1)
a) Hallar 1(r. . .. n)
b) Encontrar el conjunto de las preimgenes de (7. 1. 8).
c) Determinar del conjunto anterior, el o los vectores cuya suma de sus coordenadas
es 1.
4
R
3
denida por
1(r. . .. n) = (r +. . n. r +n)
a) Probar que 1 es una transformacin lineal
b) Hallar una base para ker(1) y una base para Im(1).
c) Calcule dimensiones del ncleo e imagen de 1.
d) Es 1 inyectiva? Es 1 sobreyectiva?. Justique.
4
R
2
denida por
1(r. . .. n) = (r +.. +. n)
a) Probar que 1 es una transformacin lineal
c) Calcule dimensiones del ncleo e imagen de 1.
d) Es 1 inyectiva? Es 1 sobreyectiva?. Justique.
13. Sea 1 1(R
a
. R
n
). Si 1q(1) = :. pruebe que:
a) : = : si y slo si 1 es sobreyectiva.
b) : = : si y slo si 1 es inyectiva.
c) Si : = : = : entonces 1 es un isomorsmo.
14. Sea 1 1(R
2
. R) denido por 1(r. ) = r
a) Hallar una base para ker(1) y una para Im(1)
b) Cules son las preimgenes de 1. 1. 0 ?
15. Sean ,. q 1(R
a
. R) y 1 : R
a
R
2
denida por
1(A) = (,(A). q(A)) A = (r
1
. r
2
. .... r
a
) R
a
a) Demostrar que 1 1(R
a
. R
2
)
b) Dadas las funciones ,(r
1
. .... r
a
) = r
1
y q(r
1
. .... r
a
) = r
a
. Determine una base
para ker(1) y para Im(1). adems calcule `n|(1) y 1q(1).
c) Dadas las funciones ,(r
1
. r
2
. r
3
) = r
1
+ 5r
2
+ 2r
3
y q(r
1
. r
2
. r
3
) = 2r
1

3r
2
+6r
3
. Determine una base para ker(1) y para Im(1). adems calcule `n|(1)
y 1q(1).
16. Sea 1(A) =
_
_
3 1 1 2
0 1 2 1
3 0 1 3
_
_
_
_
r
.
t
_
_
una transformacin lineal.
a) Hallar las preimgenes de
_
_
1
2
1
_
_
b) De una base para ker(1) y otra para Im(1).
c) ker(1) Im(1)?. En caso armativo, muestre un isomorsmo.
17. Dada la transformacin lineal de R
3
en R
4
denida por
1(1. 0. 0) = 2c
1
+ 3c
2
c
4
1(0. 1. 0) = c
1
2c
2
2c
3
1(0. 0. 1) = c
2
+ 4c
3
+c
4
donde C
4
= c
1
. c
2
. c
3
. c
4
es la base cannica de R
4
:
a) Hallar 1(r. . .).
b) Encontrar una base para ker(1) y otra para Im(1).
c) Los vectores
(1. 1. 2. 1) . (1. 0. 1. 0) . (1. 1. 2. 1)
pertenecen a la imagen de 1?. En caso armativo, indique las coordenadas de
estos vectores en la base dada en (b).
d) Las mismas preguntas anteriores para la transformacin lineal de R
3
en R
4
denida
por
1(1. 1. 1) = c
1
c
2
+c
3
1(1. 1. 0) = c
1
c
2
+c
4
1(1. 0. 0) = c
2
c
3
+c
4
18. Sea 1 : R
3
[r] R
2
[r] tal que j(r) 1(j(r)) = j
0
(r). (donde j
0
(r) es la derivada
de j(r)).
a) Demostrar que 1 es transformacin lineal.
b) Es 1 un isomorsmo?
19. Considere las siguientes funciones, y resuelva (i), (ii), (iii) para cada una de ellas:
a) Sean
l =
_
(r. . .) R
3
, r + +. = 0
_
\ =
_
(r. . .. n) R
4
, r = . . = n
_
.
Se dene 1 : l \ por
1(1. 1. 0) = (1. 1. 0. 0)
1(1. 0. 1) = (0. 0. 1. 1)
y adems
1(c(1. 1. 0) +/(1. 0. 1)) = c(1. 1. 0. 0) +/(0. 0. 1. 1).
con = (3. 3.
1
2
.
1
2
).
b) Sean
l =
_
(r
1
. r
2
. r
3
. r
4
) R
4
, 3r
1
= 2r
2
= r
3
_
\ =
_
(r
1
. r
2
. r
3
) R
3
, r
1
= r
2
r
3
_
.
Se dene 1 : l \ por
1(2. 3. 6. 0) = (1. 1. 0) 1(c(2. 3. 6. 0)) = (c. c. 0)
con = (4. 6. 2).
c) Sean
l =
_
c +/r +cr
2
+dr
3
,
2c +/ +c = 0
3c 2/ +c = 0
_
\ =

1 r + 2r
2
3r
3
; 2 + 3r r
2
+r
3
; 1 + 5r
2
8r
3
_
.
Se dene 1 : l \ por
1(
1
2
+r
1
2
r
3
) = 2 + 3r r
2
+r
3
1(
1
2
+r
2
+
5
2
r
3
) = 1 + 5r
2
8r
3
y adems
1
_
c
_
1
2
+r
1
2
r
3
_
+/
_
1
2
+r
2
+
5
2
r
3
__
= c
_
2 + 3r r
2
+r
3
_
+/
_
1 + 5r
2
8r
3
_
con = r + 3r
2
5r
3
.
d) Sean
l =
_
(r. . .. n) R
4
, r + 2. + 3n = 0
_
.
\ = (1. 1. 1. 1). (2. 1. 0. 1). (3. 1. 1. 0) .
Se dene 1 : l \ por
1(3. 1. 2. 0) = (1. 1. 1. 1)
1(7. 0. 5. 1) = (2. 1. 0. 1)
1(1. 2. 1. 1) = (0. 3. 2. 3)
y adems
1(c(3. 1. 2. 0)+,(7. 0. 5. 1)+(1. 2. 1. 1)) = c(1. 1. 1. 1)+,(2. 1. 0. 1)+(0. 3. 2. 3)
con = (1. 2. 1. 2).
e) Sean
l =
_
(r. . .. n) R
4
,
r + +. +n = 1
n = 2
_
.
\ =

r
3
. r
2
. r. 1
_
.
Se dene 1 : l \ por
1(3. 0. 4. 2) = r
1(1. 1. 1. 2) = r
2
y adems
1(c(3. 0. 4. 2) +,(1. 1. 1. 2)) = cr +,r
2
con = 1 +r
2
.
f ) Sean
l =

r
2
. r. 1
_
. \ =
_
(r. . .. n) R
4
, r = .
_
.
Se dene 1 : l \ por
1(r
2
+r + 1) = (0. 2. 0. 1)
1(r 1) = (1. 1. 1. 3)
1(r
2
1) = (1. 1. 1. 2)
y adems
1
_
c
_
r
2
+r + 1
_
+/ (r 1) +c
_
r
2
1
__
= c(0. 2. 0. 1)+/(1. 1. 1. 3)+c(1. 1. 1. 2)
con = (3. 1. 3. 0).
Donde,
1) Determine si es transformacin lineal.
2) Encuentre ker(1) e Im(1). si es posible.
3) Determine el conjunto de las preimgenes del vector que se indica en cada
caso.
20. Sea 1 1(R
3
. R
2
) una transformacin lineal donde 1 = (0. 0. 1) . (0. 2. 1) . (3. 2. 1)
base de R
3
, C = (1. 3) . (2. 5) base de R
2
, y se tiene [1]
C
1
=
_
1 3 2
4 12 8
_
a) Hallar ker(1). sin calcular 1(r
1
. r
2
. r
3
) en coordenadas cannicas.
b) Determinar 1(r
1
. r
2
. r
3
) en coordenadas cannicas.
c) Es vlida la siguiente igualdad?
[1(r
1
. r
2
. r
3
)]
C
= [1]
C
1
_
_
r
1
r
2
r
3
_
_
d) Hallar `n|(1) y 1q(1) sin hallar Im(1).
e) Hallar una base para la Im(1).
21. Sea , : R
2
R
3
una transformacin lineal tal que
,(1. 1) = (3. 7. 1). ,(2. 5) = (1. 0. 5)
a) Hallar bases 1 y C de R
2
y R
3
respectivamente, tal que
[,]
C
1
=
_
_
1 0
0 1
0 0
_
_
.
b) Son nicas estas bases?
c) Hallar una base de ker(,) y una de Im(,).
d) Calcular `n|(,). 1q(,). ,(1. 2). ,(0. 1).
e) Explicita los conjuntos siguientes, A R
2
, ,(A) = (2. 4. 7) y A R
2
, ,(A) = (2. 6. 4)
22. Sea 1 la transformacin lineal de R
3
a R
3
denida por la matriz
[1]
1
1
=
_
_
1 1 0
0 0 0
0 0 1
_
_
donde 1 = (1. 1. 0). (1. 1. 1). (1. 0. 0)
a) Probar que 1
2
= 1.
b) Hallar una base n
1
. n
2
. n
3
respecto de la cual la matriz de 1 sea
_
_
1 0 0
0 1 0
0 0 0
_
_
c) Hallar una base del subespacio imagen de 1 y otra del ker(1).
23. Determine una transformacin lineal perteneciente a 1(R
3
. R
3
) que transforma los
vectores (1. 0. 0). (0. 1. 0). (0. 0. 1) en los vectores (
1
2
.
1
2
. 0). (
1
2
.
1
2
. 0). (0. 0. 1) respecti-
vamente. Encuentre la inversa de esta transformacin lineal.
24. Sea 1 1(R
2
. R
2
) denida por 1(r. ) = (. r)
a) Determinar [1]
1
1
donde 1 = (1. 2). (1. 1).
b) Demostrar que si 1 es cualquier base de R
2
y [1]
1
1
= entonces c
12
c
21
,= 0.
25. Sea 1 : `
31
(R) `
31
(R) denida por 1(A) =
_
_
2 1 3
1 3 5
1 2 2
_
_
A
a) 1 es un isomorsmo?
b) Hallar bases 1. C de R
3
tal que [1]
C
1
=
_
1
v
0
0 0
_
. Puede ser 1 = C?
c) Hallar ker(1). Im(1). `n|(1) y 1q(1).
26. Sea 1 : R
3
R tal que 1(r. . .) = 2r 3 +.
a) Demostrar que 1 es una transformacin lineal.
b) Encontrar [1]
1
0
1
donde 1 = (1. 0. 0). (1. 1. 0). (1. 1. 1) y 1
0
= 2 .
c) Encontrar una base para ker(1) y una para Im(1).
d) Determine `n|(1). 1q(1).
27. Sean 1 = (1. 1. 0). (2. 0. 1). (1. 1. 3) base de R
3
; 1
0
= (2. 1). (1. 1) base de R
2
y
1 1(R
3
. R
2
) tal que [1]
1
0
1
=
_
1 1 0
0 1 0
_
a) Determine 1(1. 1. 2).
b) Determine ker(1). Im(1). `n|(1) y 1q(1).
28. Considere \ = (r. . .. n) R
4
, r + +. +n = 0
a) Demuestre que \ es isomorfo a R
3
.
b) Encuentre la matriz asociada al isomorsmo denido en (a).
29. Dada la funcin
1 : R
3
R
3
(r
1
. r
2
. r
3
) (r
1
+r
2
. r
1
+r
3
. r
2
)
Encuentre la matriz asociada a la transformacin lineal inversa de 1, respecto a las
siguientes bases
a) Bases cannicas.
b) ( base cannica y 1
0
= (1. 1. 0). (1. 0. 1). (0. 0. 1) .
c) 1 = (1. 1. 0). (1. 0. 1). (0. 1. 1) y 1
0
= (1. 0. 0). (1. 1. 0). (1. 1. 1) .
30. Sean
1
1
: R
2
R
3
tal que 1
1
(r
1
. r
2
) = (r
1
+r
2
. r
1
r
2
. 2r
1
).
1
2
: R
3
R
2
tal que 1
2
(r. . .) = (r + +.. r ).
1
3
: R
2
R
2
tal que 1
3
(r. ) = (r. ).
Determine:
a) 1
2
1
1
b) 1
3
1
2
1
1
c) 1
2
1
1
+1
3
d) (1
2
1
1
31
3
)
1
. si existe.
31. Hallar la imagen, rango, kernel y nulidad para la transformacin lineal nula y la trans-
formacin lineal identidad.
32. Sea 1 : R
3
R
3
tal que 1(r. . .) = (r +. 0. 0). Demostrar que `n|(1) +1q(1) =
dim(R
3
).
33. Sea 1 : R
4
R
3
1(r. . .. n) = (r + 2 . + 4n. 2r + 4 + 3. + 5n. r 2 + 6. 7n)
a) Qu condiciones deben cumplir :. :. t R para que el vector (:. :. t) Im(1)?
Cul es el rango de 1?
b) Qu condiciones deben cumplir c. /. c. d R para que el vector (c. /. c. d)
ker(1)? Cul es la nulidad de 1?
34. Sean ,. q 1(R
a
. R) y 1 : R
a
R
2
tal que 1(A) = (,(A). q(A)) donde A =
(r
1
. r
2
. .... r
a
) R
a
.
a) Determine [1]
C
2
Cn
donde C
a
y C
2
son las bases cannicas de R
a
y R
2
respectiva-
mente.
b) Si ,(r. . .) = r+5 +2. y q(r. . .) = 2r3 +3.. Dar explcitamente [1]
C
2
C
3
.
35. Encontrar el valor ` R tal que la transformacin lineal 1 : R
3
R
3
denida por
1(r. . .) = (`r + 2 +.. `r +. +.) tenga como kernel al conjunto (0. 0. 0) .
36. Si 1 : R
2
R
3
; 1 : R
3
R
2
(r. ) (2r +. r +. ) (r. . .) (2r +. +.)
Determine ker(1 1).
37. Sea \ el espacio vectorial de todas las matrices de orden 2. con coecientes reales. Sean
1 =
_
c /
c d
_
ja y 1() = 1 1.
a) Demostrar que 1 es una transformacin lineal de \ en \.
b) Hallar una base de Im(1) y otra de ker(1).
38. Dar un ejemplo de una transformacin lineal de R
3
en R
3
tal que ker(1) = (4. 7. 5)
e Im(1) = (2. 1. 1). (1. 3. 2). Si no existe, justique.
39. Sea 1 : R
3
[r] R
2
[r] tal que 1(j(r)) = j
0
(r). (la funcin derivada), 1
0
=
1. r. r
2
. r
3
y 1
00
= 1. r. r
2
bases de R
3
[r] y R
2
[r] respectivamente. Determine
[1]
1
00
1
0
.
40. Describa explcitamente una transformacin lineal de R
3
en R
3
que tenga como imagen
el subespacio generado por el conjunto (1. 0. 1). (1. 2. 2) .
41. Sea 1 : R
3
R
3
una transformacin lineal tal que 1(\) = \ para todo subespacio
vectorial \ de R
3
con dim(\) = 1. Demostrar que 1(r. . .) = (cr. c. c.) para
algn c R0 .
42. Dena tres transformaciones lineales entre los espacios vectoriales soluciones de los
siguientes sistemas homogneos:
r + . = 0
. = 2r
y r + = 0 .
Determine el kernel y la imagen de cada una de ellas.
43. Sea \ un espacio vectorial real de dimensin 2 y sea 1 una base ordenada de \ . Si
1 1(\. \ ) y [1]
1
=
_
c /
c d
_
.
Demuestre que 1
2
(c +d)1 + (cd /c)1
\
= 0.
44. Dena una transformacin lineal 1 que sea inyectiva desde \ = (r. . .) R
3
,r =
a R
2
. Encontrar ker(1) e Im(1).
45. Responda justicando en cada caso:
a) Existen funciones sobreyectivas de R
2
a R
3
?
b) Existen transformaciones lineales sobreyectivas de R
2
a R
3
?
c) Existen transformaciones lineales sobreyectivas de R
3
a R
2
?
d) Existen funciones inyectivas de R
3
a R
2
?
e) Existen funciones inyectivas de R
2
a R
3
?
f ) Existen transformaciones lineales inyectivas de R
3
a R
2
?
g) Existen transformaciones lineales inyectivas de R
2
a R
3
?.
46. Sea 1 una transformacin lineal sobre R
3
denida por 1(r. . .) = (3r. r. 2r++.).
Es 1 invertible?. De serlo, hallar una expresin para 1
1
.
47. Sea G : R
2
R
2
denida por G(r. ) = (2r +. r). Encontrar los valores c R
tal que Gc1 es no invertible.
48. Sean \. \ espacios vectoriales reales y 1 : \ \ un isomorsmo. Probar que
1
1
: \ \ es tambin un isomorsmo.
49. Sea \
1
= A R
5
, 2r
1
r
2
+ 7r
3
= 0 . Hallar dim
R
(\
1
).
Sea \
2
= A C
5
, 2r
1
r
2
+ 7r
3
= 0. Hallar dim
K
(\
2
).
a) \
1
es isomorfo a \
2
?
b) Sea \
3
= A R
3
, 2r
1
r
2
+ 7r
3
= 0 . Es \
3
isomorfo a \
1
.
1 : R
2
`
2
(R)
(r. )
_
r + 7 5
10 r 7
_
a) Demostrar que 1 es inyectiva.
b) Hallar una base de la imagen de 1.
51. Dada una transformacin lineal 1 sobre R
3
denida por
1(r. . .) = (3r. r . 2r + +.). Demostrar que
(1
2
1d) (1 31d) = 0
52. Encuentre transformaciones lineales de R
3
con las siguientes propiedades:
a) 1
2
= 1; 1 ,= 1
b) 1 ,= 0; 1
2
,= 0; 1
3
= 0
53. Pruebe que si 1 es una transformacin lineal de rango 1 de \ en \. entonces 1
2
= c1
para algn escalar c.
54. Sea 1 : R
3
R
3
una transformacin lineal tal que 1(c
1
) = c
2
; 1(c
2
) = c
3
;
1(c
3
) = 0 donde c
1
. c
2
. c
3
es la base cannica de R
3
.
Muestre que 1 y 1
2
no son la funcin nula, pero 1
3
= 0.
55. Generalizacin del ejercicio anterior. Sean \ un espacio vectorial de dimensin : y
1 =
1
. ....
a
una base ordenada de \ .
Por el teorema Fundamental del Algebra Lineal existe una nica transformacin lineal
sobre \ tal que
1(
)
) =
_

)+1
si , = 1. .... : 1
0 si , = :
a) Cul es la matriz de 1 en la base ordenada 1?
b) Demostrar que 1
a
= 0 pero que 1
a1
,= 0.
56. Sea 1 : R
3
R
3
una transformacin lineal tal que
(1. 0. 1)
(0. 1. 0)
(0. 1. 1)
(1. 1. 1)
(1. 1. 0)
(1. 0. 0)
a) Demuestre que 1 es biyectiva.
b) Encuentre 1
1
(r. . .) mediante tres mtodos distintos.
57. Dada la transformacin lineal 1 : R
3
R
3
de modo que ker(1) = (1. 0. 1) ;
1(0. 1. 0) = (1. 1. 1); 1(0. 1. 1) = (1. 1. 0).
a) Determine 1(r. . .)
b) Determine el conjunto de las preimgenes del vector (0. 0. 1) cuyas componentes
sumen 0.
58. Dada 1 : R
3
R
3
tal que [1]
1
2
1
1
=
_
_
1 2 0
1 1 1
3 1 1
_
_
, donde
1
1
= (1. 1. 2). (0. 1. 1). (1. 0. 0) . 1
2
= (1. 1. 1). (0. 1. 1). (0. 0. 1)
a) Encuentre 1(1. 3. 1) sin calular 1(r. . .)
b) Determine 1
1
(r. . .), si existe.
c) Encuentre [1]
1
4
1
3
sin calcular 1(r. . .), donde
1
3
= (0. 1. 2). (1. 1. 1). (0. 1. 0) . 1
4
= (1. 1. 0). (1. 1. 1). (1. 0. 0)
59. Encuentre los valores propios de las matrices:
_
3 2
1 0
_
.
_
2 1
5 2
_
.
_
_
2 1 0
3 2 0
0 0 4
_
_
.
60. Dada la matriz =
_
_
3 1 1
2 2 1
2 2 0
_
_
.
a) Encuentre el polinomio caracterstico de .
b) Determine los valores propios de .
_
_
5 6 6
1 4 2
3 6 4
_
_
.
a) Halle el polinomio caracterstico de usando operaciones las y columnas.
b) Determine los valores propios de .
_
_
3 2 0
2 3 0
0 0 5
_
_
.
a) Determine los valores propios de .
b) Halle los espacios propios asociados a cada valor propio.
c) Exhiba una base para cada uno de los espacios propios o espacios caractersticos.
63. Pruebe que una matriz y su traspuesta tienen el mismo polinomio caracterstico.
_
_
3 2 0
2 3 0
0 0 5
_
_
.
a) Es diagonalizable?
b) Determine la matriz diagonal 1 similar a .
_
3 2
2 1
_
.
a) Es diagonalizable?
b) Si lo es, determine la matriz diagonal 1 similar a . Si no explique por qu.
_
_
2 1 0
3 2 0
0 0 4
_
_
.
a) Determine los valores propios de .
b) Usando (a). decida si es diagonalizable.
_
_
3 2 0
2 3 0
0 0 5
_
_
.
Encuentre una matriz 1 que diagonalice a .
_
_
5 6 6
1 4 2
3 6 4
_
_
.
Encuentre una matriz 1 que diagonalice a .
_
_
1 0 2
0 0 0
2 0 4
_
_
.
a) Encuentre los valores propios de .
b) Es diagonalizable?
c) Se verica en general que una matriz es diagonalizable cuando los valores propios
son repetidos?
d) Si es diagonalizable, encuentre una matriz 1 que diagonalice a .
70. Sean `
2
(R)y n. vectores propios de con valores propios c. , respectivamente
tal que c ,= , . Entonces es diagonalizable y 1 = n. es una base de R
2
tal que
1
1
1 =
_
c 0
0 ,
_
donde 1 = [1d]
C
2
1
=
_
n
1

1
n
2

2
_
.
Pruebe la proposicin anterior.
71. Probar que: 0 es un valor propio de `
a
(R) si y slo si es singular.
72. Si ojcc() = `
1
. .... `
a
pruebe que la matriz
1 = /
n
n
+/
n1
n1
+... +/
1
+/
0
1
tiene valores propios ,
i
=
n
)=0
/
n
`
)
i
.
73. Sea 1(,) = ,
0
(la funcin derivada), como 1 es una transformacin lineal de C
1
([0. 1]).
Pruebe que ,(r) = cc
Aa
son los nicos vectores propios de 1. (Ayuda: Use (c
Aa
q(r))
0
=
0 si y slo si 1(q) = `q)
74. De un contraejemplo a la siguiente proposicin: Si r
i
es valor propio de 1
i
(i = 1. 2),
entonces r
1
+r
2
es valor propio de 1
1
+1
2
.
75. Si es un vector propio de 1, probar que tambin lo es de j(1) donde j(r) es un
polinomio con coecientes en R.
76. Sea 1 : R
a
[r] R
a
[r] una transformacin lineal tal que 1(r
I
) = /r
I1
. Hallar el
polinomio caracterstico de 1, los valores propios y los espacios propios de 1.
77. Pruebe que los valores propios de una matriz de orden : regular son
1
A
i
si ojcc(
1
) =
`
1
. .... `
a
.
78. Pruebe que regular implica que 1 es similar a 1.
79. Pruebe que similaridad es una relacin de equivalencia en el conjunto `
a
(R).
80. Si es posible, diagonalice en R o en C las siguientes matrices:
a)
_
3 2
2 3
_
b)
_
_
7 4 4
4 8 1
4 1 8
_
_
c)
_
_
2 i 0
i 2 0
0 0 3
_
_
d)
_
1 c
c 1
_
.
81. Pruebe que
a) Una matriz simtrica tiene todos sus valores propios reales.
b) Una matriz antisimtrica tiene todos sus valores propios complejos con parte real
nula.
c) Una matriz cuadrada y ortogonal (
1
=
t
) tiene todos sus valores propios
igual a 1.
82. Si c
1
(r) es el polinomio caracterstico de
1
y c
2
(r) lo es de
2
. Cul es el polinomio
caracterstico de
_

1
0
0
2
_
? idem para
_

1

3
0
2
_
?
83. Para =
_
_
2 1 1
1 2 1
1 1 2
_
_
encuentre el polinomio caracterstico j
(r). Verique
directamente que j
() = 0. Use el resultado anterior para expresar

1
.
3
.
4
y
5
como polinomios en de grado menor o igual a 2.
84. Cuntos vectores propios que sean linealmente independientes tiene J?, donde
J =
_
_
2 0 0 0 0
1 2 0 0 0
0 1 2 0 0
0 0 0 2 0
0 0 0 1 2
_
_
85. Sea \ un espacio vectorial real de dimensin :. Cul es el polinomio caracterstico de
la transformacin lineal identidad sobre \ ? Cul es el polinomio caracterstico de la
transformacin lineal nula?
_
_
0 0 0 0
c 0 0 0
0 / 0 0
0 0 c 0
_
_
`
4
(R). En qu condiciones para c. / y c R
es diagonalizable?
A continuacin presentamos una seleccin de problemas, incluidos en certamenes
1. Dada =
_
_
1 0 4
0 1 2
4 2 5
_
_
se tiene 1 : R
3
R
3
denida por 1(r) = r. Es 1 un
isomorsmo?. Si lo es, denir 1
1
: R
3
R
3
. Justique.
2. Sea 1 1(R
3
. R
2
) con 1 =
_
_
_
_
_
1
0
0
_
_
.
_
_
0
1
1
_
_
.
_
_
1
2
1
_
_
_
_
_
base de R
3
y C =
__
1
2
_
.
_
2
5
__
basede R
2
. Dada [1]
C
1
=
_
1 2 3
1 2 3
_
entonces determinar:
a) ker(1). Est (1. 2. 3) (2. 3. 2) en ker(1)?. Justique.
b) 1
_
_
r
1
r
2
r
3
_
_
en base cannica.
c) `n|(1). 1q(1).
d) Im(1) Est
_
1
1
_

_
1
3
_

_
1
0
_
en Im(1)?
e) bases 1
1
. 1
2
de R
3
y R
2
respectivamente, tal que:
[1]
1
2
1
1
=
_
1 0 0
0 0 0
_
.
3. Encontrar una transformacin lineal 1 : R
3
R
2
tal que ker(1) = (1. 2. 1). (0. 1. 1)
y 1(1. 0. 1) = (4. 12).
4. Sea la funcin 1 : R
2
R
2
denida por 1(1. 2) = (1. 4) y 1(0. 1) = (2. 8). Determinar:
a) Si 1 es una transformacin lineal.
b) 1(r. ) y [1]
C
C
siendo C la base cannica de R
2
.
c) ker(1) e Im(1). Es 1 sobreyectiva?. Justique.
d) (15. 60) y (3. 4) son vectores de Im(1)?. Justique.
5. Sea
_
1 : R
3
[r] R
2
[r] una funcin denida por 1(j(r)) =
d
dr
(j(r)). Dados los
conjuntos 1
1
= 1. r. r
2
. r
3
y 1
2
= 1. r. r
2
entonces:
a) Demostrar que 1 es una transformacin lineal.
b) Demostrar que 1
1
y 1
2
son bases deR
3
[r] y R
2
[r] respectivamente.
c) Determinar [1]
1
2
1
1
.
d) Es 1 un isomorsmo?
6. Sea 1 : R
2
[r] R
3
una funcin denida por 1(cr
2
+ /r + c) = (c. /. c). Sea 1 =
1. r. r
2
1
a) Demuestre que 1 es una transformacin lineal.
b) Demuestre que 1 es una base de R
2
[r] .
c) Calcule [1]
C
1
donde C es la base cannica de R
3
.
d) Es 1 un isomorsmo?. Justique su respuesta.
7. Considere la transformacin lineal 1 : R
4
R
3
denida por 1(r
1
. r
2
. r
3
. r
4
) = (r
1
+
2r
2
r
3
+ 4r
4
. 2r
1
+ 4r
2
+ 3r
3
+ 5r
4
. r
1
2r
2
+ 6r
3
7r
4
)
a) Que condiciones deben cumplir :. :. t R tal que (:. :. t) Im(1)?, Cul es el
rango de 1?
b) Que condiciones deben cumplir c. /. c. d R tal que (c. /. c. d) ker(1)?, Cul
es la nulidad de 1?
8. Sean , 1(R
4
. R
3
) y q 1(R
3
. R
2
) tales que:
,(r. . .. t) = (r +. . +t. r +. +t) y q(r. . .) = (2r + 3. r 2.).
a) Probar que q , 1(R
4
. R
2
).
b) Hallar la matriz asociada a esta transformacin lineal, q ,. respecto de las bases
cannicas.
c) Verique si se cumple una de las siguientes armaciones:
[q ,] = [q] [,] [q ,] = [,] [q] .
9. Sea , 1(R
3
. R
3
) denida por ,(r. . .) = (r + 2.. 2r +. r 2 + 2.)
a) Determine [,]
C
. donde C es la base cannica de R
3
.
b) Determine ker(,) e Im(,).
c) Encuentre una base de ker(,) y una base de Im(,).
d) Determine `n|(,) y 1q(,).
10. Sea , : R
2
[r] R
1
[r] tal que ,(cr
2
+/r +c) = (c +/)r + (2c / +c)
a) Pruebe que , es una transformacin lineal.
b) Es , epiyectiva?, justique.
c) Es , inyectiva?, justique.
11. Sean 1 = (1. 2. 3). (0. 1. 0). (1. 1. 0) y 1
0
= (1. 1. 0). (0. 1. 1). (1. 0. 1) bases de R
3
y
1
00
= (2. 1). (0. 1) base de R
2
. Consideremos, , : R
3
R
3
denida por
,(1. 2. 3) = (0. 0. 7); ,(0. 1. 0) = (0. 2. 0); ,(1. 1. 0) = (1. 1. 1)
y q : R
3
R
2
. tal que [q]
1
00
1
0
=
_
2 5 3
4 1 2
_
. Encuentre [q ,]
1
00
1
.
12. Sean 1 = (1. 3. 0). (0. 1. 0). (1. 5. 2) y 1
0
= (5. 9. 6). (0. 1. 1). (1. 5. 4) bases de R
3
.
Sea , 1(R
3
. R
3
) tal que [,]
1
0
1
=
_
_
0 0 1
0 1 0
1 0 0
_
_
.
a) Demuestre que , es un isomorsmo.
b) Determine [,
1
]
1
1
0
.
c) Encuentre ,
1
(6. 8. 6).
13. Sean , : R
2
[r] `
2
(R) denida por ,(cr
2
+ /r + c) =
_
c +/ / +c
c c 2c +/
_
. y 1 =
r
2
+r + 1. 2r
2
3. r base de R
2
[r] y 1
0
=
__
1 0
0 0
_
.
_
1 1
0 0
_
.
_
1 1
1 0
_
.
_
1 1
1 1
__
base de `
2
(R). Encuentre [,]
1
0
1
.
14. Sea , 1(R
3
. R
3
) tal que ,(A) =
_
_
19 0 16
4 3 4
20 0 17
_
_
A para A R
3
.
a) Encuentre una base 1 de R
3
tal que [,]
1
sea diagonal. Obtenga [,]
1
.
b) Encuentre una matriz 1, invertible tal que [,]
1
= 1
1
_
_
19 0 16
4 3 4
20 0 17
_
_
1.
15. Sea , : R
3
`
2
(R) tal que ,(r. . .) =
_
r
r + .
_
.
a) Encuentre ker(,).
b) Halle una base de Im(,).
c) Sean 1 = (1. 0. 1). (2. 1. 1). (1. 1. 1) base de R
3
y 1
0
la base cannica de `
2
(R).
Encuentre [,]
1
0
1
.
16. Sea 1 : R
3
R
3
1(1. 0. 0) = (0. 1. 2); 1(0. 1. 0) = (0. 0. 3); 1(0. 0. 1) = (0. 0. 0).
Dada 1d la transformacin identidad de R
3
. determinar:
a) (1d 1)(r. . .)
b) Im(1d 1)
c) ker(1d 1)
d) 1q(1d 1)
e) `n|(1d 1).
17. Sean 1 : R
3
[r] `
2
(R) tal que 1(cr
3
+ /r
2
+ cr + d) =
_
c /
c d
_
y 1 =
1. r + 1. r
2
. r
3
1 base de R
3
[r] .
a) Calcule [1]
1
0
1
donde 1
0
=
__
1 0
0 0
_
.
_
0 2
0 1
_
.
_
0 0
0 1
_
.
_
0 0
1 0
__
es una base
de `
2
(R).
b) Es 1 un isomorsmo?. Justique.
18. Sea 1 : R
3
R
3
una funcin lineal tal que :
1(1. 0. 1) = (2. 1. 0); 1(0. 1. 2) = (0. 1. 1); 1(1. 1. 1) = (2. 0. 1).
a) Determinar 1(r. . .). donde (r. . .) R
3
.
b) Determinar una base de Im(1) y 1q (1) .
c) Determinar una base de ker(1) y `n|(1).
d) Estn (2. 2. 3). (1. 0. 1). (4. 3. 7) en Im(1)?. Justique.
19. Sean , : R
2
R
2
denida por ,(r. ) = (r + 2. 3r 2) y q : R
2
R
2
tal que
[q]
1
C
2
=
_
2 1
3 0
_
con C
2
base cannica de R
2
y 1 = (2. 1). (1. 2) .
a) Es , una transformacin lineal de R
2
?
b) Es , q un isomorsmo de R
2
?
20. Sea 1 1(R
2
. R
4
) tal que 1 = (2. 1). (1. 0) y
1
0
= (1. 0. 0. 1). (1. 1. 0. 0). (0. 1. 0. 1). (0. 0. 1. 1) bases de R
2
y R
4
respectivamente.
Adems sea [1]
1
0
1
=
_
_
2 0
1 1
0 3
1 2
_
_
.
a) Hallar [1]
C
4
C
2
donde C
2
. C
4
son las bases cannicas de R
2
y R
4
respectivamente.
b) Determinar una base de ker(1) y `n|(1).
c) Determinar una base de Im(1) y 1q(1).
21. Considere la matriz = (c
i)
) `
a
(R) tal que c
i)
=
_
_
_
0 si i < ,
c
ii
si i = ,
c
i)
si i ,
. Demuestre
que ojcc() R.
22. Determine si cada una de las siguientes armaciones es verdadera o falsa. Justique :
a) 1 1(R
a
. R
n
) y 1. 1
0
bases de R
a
y R
n
respectivamente tal que : :. entonces
_
[1]
1
0
1
_
1
`
an
(R).
b) 1 1(R
4
. R
3
) entonces existe ,= 0 en R
4
tal que 1() = 0.
c) , 1(\. \ ). , es inyectiva y 1 es una base de \ entonces ,(1) es una base de \.
d) Sea `
3
(R). t = 5 valor propio de y A `
13
(R) es un vector propio
correspondiente, entonces A = 5A.
23. Dadas las siguientes armaciones, determine cules de ellas son verdaderas y cules
falsas. Justique en cada caso:
a) Sea 1 : R
2
R
3
. 1 = (1. 2). (2. 1) base de R
2
y C la base cannica de R
3
y
[1]
C
1
=
_
_
1 0
2 1
3 1
_
_
entonces 1(r. ) =
_
2 +r
3
.
3
.
5 +r
3
_
.
b) l = (r. . .) R
3
, r + . = 0 subespacio de R
3
entonces (1. 0. 1) es
una base de l.
c) Si
1
.
2
.
3
es una base de \ y q 1(\. \) es inyectiva entonces q (
1
) . q (
2
) . q (
3
)
es una base para Im(q).
d) Sea = (r
1
. r
2
. r
3
. r
4
) R
4
, r
1
= r
2
; r
3
= r
4
entonces dim() = 2 y
= (1. 1. 0. 0). (0. 0. 1. 1) .
24. Sea (1. 1. 1). (0. 1. 0). (0. 0. 1) una base de R
3
. Sea , : R
3
R
3
una transformacin
lineal tal que
,(1. 1. 1) = (1. 3. 0); ,(0. 1. 0) = (5. 0. 1); ,(0. 0. 1) = (4. 3. 1).
Determinar:
a) ,(r. . .) para todo (r. . .) R
3
.
b) [,]
C
donde C es la base cannica de R
3
.
c) Una base para ker(,) Es , inyectiva?
d) 1q(,) Es , epiyectiva?
25. Sea 1 : R
4
R
2
denida por 1(r. . .. n) = (r +.. +. n)
a) Probar que 1 es una transformacin lineal.
c) Calcule las dimensiones de ker(1) e Im(1). Es 1 inyectiva?, Es 1 sobreyectiva?.
26. Sea 1 : R
3
R
2
tal que 1(1. 0. 1) = (1. 1)
1(0. 1. 1) = (1. 1)
1(1. 2. 0) = (1. 0)
a) Demuestre que 1 es una transformacin lineal.
b) Calcule 1(r. . .).
c) Determine un conjunto generador de ker(1) y calcule su dimensin.
d) Es 1 sobreyectiva?. Justique.
27. Dadas las siguientes armaciones, determine cules de ellas son verdaderas y cules
falsas. Justique en cada caso:
a) Sea , : R
a
R
a
transformacin lineal,
1
.
2
.
3
vectores linealmente indepen-
dientes, entonces ,(
1
). , (
2
) . , (
3
) son tambin vectores linealmente inde-
pendientes.
b) Sean `
43
(R) . / = (/
1
. /
2
. /
3
. /
4
) R
4
vector dado que es combinacin
lineal de las columnas de . 1q() = 2 entonces el sistema r = / tiene
solucin nica.
c) Sean 1 : \ \ una transformacin lineal y dim(\ ) = :. dim(\) = : tal
que 1q(1) = : entonces 1 es inyectiva.
d) Sean \ = (0. 1. 1). (1. 1. 0) . \ = (1. 0. 1). (0. 0. 1) y 1 : \ \ tal que
[1]
1
0
1
=
_
2 1
1 3
_
. Luego, si = (2. 1. 1) en \ entonces [1 ()]
1
0
=
_
0
5
_
.
28. Sea =
_
_
1 1 2
0 1 0
1 0 2
_
_
. Encontrar una base (si es posible) que diagonalice .
29. Diagonalizar =
_
_
3 6 0
2 2 1
2 1 2
_
_
`
3
(R) . (es decir, hallar 1 `
3
(R) regular
tal que 1
1
1 es matriz diagonal).
30. Si es posible diagonalice la matriz =
_
_
4 2 6
6 4 6
3 1 5
_
_
.
_
_
1 0 2
0 0 0
2 0 4
_
_
a) Determine el polinomio caracterstico de .
b) Determine el espectro de , (ojcc()).
c) Encuentre los espacios generados por los vectores propios.
d) Es diagonalizable?
_
_
2 1 1
2 3 2
1 1 2
_
_
, determine:
a) El polinomio caracterstico de .
b) ojcc().
c) Los espacios propios de .
d) Es diagonalizable?.
_
_
0 1 0
1 0 0
0 1 1
_
_
, determine:
a) El polinomio caracterstico de .
b) ojcc().
c) Los espacios propios de .
d) Es diagonalizable?.
34. Dada la matriz 1 =
_
_
2 1 0
9 4 6
8 0 3
_
_
, se sabe que ojcc(1) = 1. 1. 3 .
a) Determine los espacios asociados a cada valor propio y las dimensiones de ellos.
b) Es 1 diagonalizable?.

000283

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

000283

Caricato da

Copyright:

Formati disponibili

Algebra Lineal

Luisa Aburto H. Daniel Jimnez B Roberto Johnson H.

c) Determinar el valor c" tal que j(1) = 0

de modo que cumpla con

es una matriz que acta sobre , tal como lo hace c

es la matriz inversa de , respecto del

la Escalonada Reducida por Fila de , luego existe 1 regular tal que

es la matriz identidad (de lo contrario 1

tendra una la de ceros y [1

la matriz escalonada reducida por la de

0 \. neutro aditivo c K entonces

es una base del espacio vectorial R

se llama una forma lineal o tambin recibe el nombre de funcional

se tiene que [,]

tiene dimensin : y por lo tanto \ y \

son espacios vectoriales isomorfos.

se denomina base dual de

de E debemos encontrar dos funcionales lineales de \

. esto signica que , : \ K y , es una transformacin

es lineal. En efecto, dado c y , en \

los respectivos espacios

= cr + / [ c. /. R. Ahora, por la denicin de

est denida por

(cr +/ +c.) = (c +/ + 2c)r + (c / 3c)

los espacios vectoriales duales con E

sus bases duales

. de la transformacin lineal dual

(A) = A. es diagonalizable. (El

. el polinomio caracterstico se denota

204 CAPTULO 5. EJERCICIOS

55. Calcular el determinante de las siguientes matrices:

Ayuda: premultiplique por

36. Resuelva el sistema siguiente, segn los valores de ` :

y extenderlo a una base de R

() = 0. Use el resultado anterior para expresar

Potrebbero piacerti anche