Monografia de Algebra

UNIVERSIDADCENTRAL Lineal I
FACULTADDECIENCIASDELAEDUCACION

ESCUELADEMATEMATICAYESTADISTICA
 ESCUELA DE MATEMATICA Y

ESTADISTICA

ASIGNATURA DE

ALGEBRA LINEAL

FACED

UNIVERSIDAD

CENTRAL

INDICE
1
 PROGRAMA DE ESTUDIO............................................................................2

CAPITULO 1: MATRICES Y DETERMINANTES...........................................3

1.1 MATRICES. DEFINICIONES Y NOTACIONES.............................................3

1.2 OPERACIONES CON MATRICES..............................................................7

1.3 DETERMINANTES................................................................................ 10

CAPITULO 2: SISTEMAS DE ECUACIONES LINEALES............................15

2.1 DEFINICIONES Y NOTACIONES.............................................................15

2.2 SISTEMAS HOMOGENEOS...................................................................18

2.3 SISTEMAS NO HOMOGENEOS..............................................................20

2.4 TEOREMA DEL RANGO........................................................................21

2.5 REGLA DE CRAMER............................................................................. 23

CAPITULO 3: ESPACIOS VECTORIALES...................................................26

3.1 ESPACIOS VECTORIALES-BASES-DIMENSION.......................................26

CAPITULO 4: TRANSFORMACIONES LINEALES.....................................38

4.1 APLICACIONES LINEALES-ISOMORFISMO.............................................38

4.2 APLICACIONES LINEALES Y MATRICES....................................................43

4.3 VALORES Y VECTORES PROPIOS- DIAGONALIZACIN.............................49

CAPITULO 5: NUMEROS COMPLEJOS, POLINOMIOS, POLINOMIOS

INREDTUCTIBLES Y FRACCIONES PARCIALES............................................55

5.1 NUMEROS COMPLEJOS...........................................................................55

5.2 FORMA BINOMICA DE UN NMERO COMPLEJO.......................................57

1
 5.3 SUMA Y MULTIPLICACIN DE NUMEROS COMPLEJOS EN LA FORMA BINOMICA

.......................................................................................................................... 57

5.3 CONJUGADO DE UN NUMERO COMPLEJO...............................................58

5.4 POLINOMIOS....................................................................................... 58

5.5 POLINOMIOS IRREDUCTIBLES Y FRACCIONES PARCIALES.......................63

CAPITULO 6: ESTRUCTURAS ALGEBRAICAS..........................................66

6.1 LEY DE COMPOSICION EXTERNA A UN CONJUNTO..............................66

6.2 OPERACIN BINARIA O LEY DE COMPOSICION INTERNA........................66

APNDICE: RESPUESTAS A LOS EJERCICIOS PROPUESTOS................74

TALLERES, CONTROLES, SOLENMES Y EXAMEN VERSIN 2011.....95

PROGRAMA DE ESTUDIO

2
 FACULTAD: Ciencias de la Educacin

CARRERA: Pedagoga en Matemtica y Estadstica

I. IDENTIFICACIN

NOMBRE ASIGNATURA: Algebra Lineal I

EJE DE FORMACIN: Algebra

II. PRESENTACIN DEL PROGRAMA

Es una asignatura que corresponde al eje de formacin del algebra en Pedagoga en

Matemtica y Estadstica. Es de carcter obligatorio, su duracin es anula y contempla
el desarrollo de las unidades de entrega de conocimiento, cuya conexin principal la
vemos reflejada en reas de anlisis funcional, estadstica y ecuaciones diferenciales.

Los fundamentos matemticos asociados al Algebra Lineal son un elemento til y

prctico para que el profesional de la docencia en matemtica y estadstica aplique y
analice la informacin recopilada y, as, poder formular modelos para la resolucin de
diversos problemas cotidianos y cientficos.

III. COMPETENCIAS A LOGRAR

Maneja los conceptos y propiedades del algebra vectorial y estructuras algebraicas

para aplicarlas en la solucin de problemas matemticos y de vida diaria.

IV. NIVEL DE DOMINIO

Maneja los conceptos de algebra vectorial y estructuras algebraicas.
Demuestra los teoremas fundamentales de algebra vectorial y estructuras
algebraicas.
Aplica los contenidos del algebra lineal a problemas de la vida diaria.

CAPITULO 1: MATRICES Y DETERMINANTES.

1.1 MATRICES. DEFINICIONES Y NOTACIONES.

Definicin: Una matriz (real) es una funcin o arreglo rectangular de nmeros
reales de la forma:

3
 f : R x RR

A=( aij ) A M n x m (R)

A=( aij ) i=1, .. n ( filas )

j=1, m(columnas)

( )
a11 a1 m
A=
a n 1 anm

aij
Observacin: Cada elemento de la matriz se denota por

Ejemplo de matriz:

(
A= 2 3 5
1 2 0 )2x 3

a13=5

a22=2

n xm n=m
El orden de una matriz es el trmino general . Si entonces el

nmero de filas es igual al nmero de columnas y la matriz se denomina matriz

cuadrada.

Ejemplos de aplicacin:

4
 A : ( aij ) M 2 x 3 ( R ) tal que
1. Forme la matriz

a11 =2

a12=5

a13=a11

a21=0

a22=a12

a23=9

Solucin:

A=
( a11 a12 a13
a 21 a22 a 23 )

(
A= 2 5 2
0 5 9 )

A M 3 x 3 ( R ) tal que
2.

{
aij = 1 sii< j
2 si i j

Solucin:

( )
a11 a12 a13
A= a 21 a22 a 23
a 31 a32 a33

5
 ( )
2 1 1
A= 2 2 1
2 2 2

Matrices especiales:

n=1 A M 1 xm ( R )
1. Matriz fila. Si .

A=( a11 a12 a1 n )

m=1 A M nx1 ( R )
2. Matriz columna. Si .

a11
a12
A= .
.
a n1
()
n=m y aij =0 i j
3. Matriz diagonal. Si .

( )
3 0 0
A= 0 5 0
Ejemplo
0 0 6

4. Matriz identidad
() n=m
. Adems {
aij = 1 si i= j
0 sii j

( )
1 0 0
I3 = 0 1 0
Ejemplo
0 0 1

n=m. aij =0 sii> j

5. Matriz triangular superior. Si Y .

6
 ( )
5 6 7
A 3= 0 2 3
Ejemplo
0 0 1

n=m. Y aij =0 si i< j

6. Matriz triangular inferior. Si .

( )
2 0 0
A 3= 7 2 0
Ejemplo
1 3 1

n=m. aij =a ji
7. Matriz simtrica. Si Si

( )
1 2 3 4
2 5 7 8
A= A=
3 7 1 5
4 8 5 6

A= aij
8. Matriz transpuerta. Se denomina transpuerta de a la matriz

A T =aij que se obtiene de cambiar todas las filas de

A por columnas.

Ejemplos: Dada las siguientes matrices, determinar la matriz transpuerta

correspondiente.

( )
1 4
a) (
A= 1 2 3
4 5 6 ) 2x 3
T
A =2 5
3 6 3x 2

( ) ( )
1 1 0 1 0 4
B= 0 2 3 A T = 1 2 1
b)
4 1 1 3 x3 0 3 1 3 x3

7
 A M n ( R)
9. Traza de una matriz. Sea se define la traza de A como

n
tr ( A ) = aij sii= j .
j =1

Ejemplo:

( )
1 0 1
A= 1 3 1 tr ( A ) =1+ 32=2
2 1 2

Observacin:

T
i. Si
A es matriz simtrica entonces A= A

Ejemplo:

( )
1 2 3 4
2 5 7 8
A=
3 7 1 5
4 8 5 6

( )
1 2 3 4
2
T 5 7 8
A =
3 7 1 5
4 8 5 6

ii. Si
A
es anti-simtrica entonces A=AT

EJERCICIOS 1.1

1. Escriba la matriz que corresponde a la segunda fila y a la que corresponde a la

cuarta columna de

8
 ( )
0 1 2 4
A= 1 1 0 3
3 5 8 2

A=( aij ) aij =|i2 j|.

2. Sea la matriz de orden 3x2 definida por Escriba por

extensin la matriz
A .

B=( bij )
3. Sea la matriz de orden 3 definida por

{
bij = 0 si i= j
i+ j si i j

B
Escribir por extensin la matriz .

4. Determine
a,b,c R tales que la matriz
A sea simtrica.

( )
2 a 3
A= 4 5 1
b 1 c

5. Demuestre que si
A es una matriz antisimtrica entonces

diag ( A )=( 0,0, .,0)

1.2 OPERACIONES CON MATRICES

A=( aij ) M m x n ( R ) y B=( b ij ) M m x n A B

I. Sean . La suma de y es la matriz

A + B=( cij ) mxn c ij =aij +bij

de orden en que . Por ejemplo, si

(
A= 5 3 1
0 4 8 ) y (
B= 1 3 0
2 4 7 )
9
 Entonces (
A + B= 4 0 1
2 0 1 )
Observe que

A + B=b +a , A , B M m x n ( R ) .
i.
( A + B ) +C=A + ( B+C ) , A , B , C M m xn ( R ) .
ii.
0 M m xn ( R ) A +0= A M m x n ( R )
iii. Existe matriz nula tal que .
A=( aij ) M m x n ( R ) A=( a ij ) M m xn ( R ) A + (A )=0
iv. Para cada existe tal que
tr ( A+ B )=tr ( A ) +tr ( B ) , A , B M m x n ( R )
v. .

vi. ( A+ B)t= A t + Bt , A , B M m x n ( R ) .

A=( aij ) M m x n ( R ) y R por A

II. Sea . La multiplicacin o ponderacin es la

A=(c ij ) mxn c ij = aij

matriz de orden en que . Por ejemplo

( )
4 1
A= 1 0
2 6

( )
1
2
1 2
A= 1
2 0
2
1 3

Observe que:

( A )=( ) A , , R , A M m x n ( R ) .
i.

10
 ( + ) A=A + A , , R , A M m xn ( R ) .
ii.
( a+ b )=A +B , R , A , B M m x n ( R ) .
iii.
1 A=A , (1 ) A=A ,0 A=0 A M m x n ( R ) .
iv.
tr ( A ) = tr ( A ) , R , A M n ( R ) .
v.
t t
vi. (A ) = A , R , A M m x n ( R ) .

A=( aij ) M m x n ( R ) y B=( b ij ) M m x n ( R ) . A y B

III. Sean La multiplicacin de es la

matriz
A B=(c ij )
de orden
mxr
en que
c ij = aik bkj . Por ejemplo, si
k=1

( )
1 0
(
A= 3 1 1
8 2 5 ) y
B= 2 4
2 1

Entonces

(
AB= 8 5
2 3 )

( )
3 1 1
BA= 26 6 22
2 0 7
2
Pero A =A A no se puede realizar.

Observe que:

i. La multiplicacin de matrices no es conmutativa, esto es, existen matrices

A yB AB BA .
tales que

11
 A ,B,C
ii. Para matrices tales que las operaciones se puedan realizar, se tiene

que :
a)
A ( BC )=( AB ) C .

b)
A ( B+C )= AB+ AC .

c)
( A + B ) C= AC + BC .

A n , entonces A I n= A=I n A .
iii. Si es matriz de orden
tr ( AB )=tr ( BA ) , A , B M n ( R ) .
iv.
t t t
( AB) =B A ; A , B AB
v. matrices tales que se pueda realizar.
vi. El producto de dos matrices puede ser la matriz nula sin que ninguna de ellas sea
nula.
vii. Para el producto de matrices no hay ley de cancelacin.
viii. Dada una matriz
A , no siempre es posible encontrar una matriz B tal que

AB=I n=BA A
; an siendo una matriz cuadrada. Luego se define:

A M n ( R) A
Definicin: Sea . Se dice que es una matriz invertible (o no

B M n( R) AB=I n=BA
singular o regular) si existe tal que .

A A
La matriz B est nicamente determinada por , se llama inversa de y se

denota por A1 .

EJERCICIOS 1.2

( ) ( ) ()
2 1 0 1 2 2
1. Sean
A= 1 3 , B= 3
4 7 1 0
2 4 , C=
3
3 1 4
2 5 3
y D= 1
2
( ) . Calcule

2 B , A +3 C t y A ( 4 CD ) .

12
 x, y ,z ,u,w,t
2. Determine los valores de las variables para las cuales las

ecuaciones matriciales son vlidas.

( )( )( )
x 3 y 1 t w 2 7 3
a) 2 1 y + 3 4 x = 5 w2 3
1 z 3 u y 2 0 5 1

)( )(
1 0
b) ( y4 3 x
5 2 z +1
x 2=
1 3
0 3
5 3 y2 )

3. Determine la matriz
A que hace verdadera la ecuacin matricial :

a) ( )
A 2 1 =( 5 3 )
1 0

b) (
A 1 2 3 = 1 5 4
3 1 2 7 0 7)( )

()
7

( )
1 0 2
0
c) 2 1 0 A=
0
0 1 3
11

4.
A Sean (
3 2 ) ( )
A= 2 1 y B= 2 1 .
1 0 Determine

A 2 +2 AB + B2 ,( A + B)2 , ( AB ) y A 2B2 . Qu se deduce de estos clculos?

tR
5. Determinar si existe algn valor de la variable para el que se verifique

AB=BA , con:

a) 2 5 ( ) ( )
A= 1 2 , B= 1 t
4 7

13
 b) ( ) (
A= 1 t , B= 1 18
2 3 6 7 )

1.3 DETERMINANTES

A M n ( R) A
Si , el determinante de es un nmero real que se denota por

det ( A) o bien
| A| y se define de la siguiente forma:

Para
n=1,det ( a )=|a|=a .

Para ( )| |
n=2,det a b = a b =ad bc .
c d c d

Si
A es una matriz de orden mayor que 2, el determinante de
A se define

recursivamente como sigue:

14
 A=( aij ) M n ( R ) . ij A,
Sea Se llama menor de orden de y se denota

M ij , n1 A
al determinante de orden obtenido a partir de , eliminndole la i-

sima fila y la j-sima columna.

ij A, Cij
Se llama cofactor de orden de y se denota , al nmero:

Cij =(1)i+ j M ij .

( )
2 4 1
A= 0 3 2
Por ejemplo, si entonces
5 1 6

| |
M 13= 0 3 =15,
5 1

|
M 21= 4 1 = 25
1 6 |
4
C13= (1 ) M 13=15,

C21=(1)3 M 21=25

A=( aij ) M n ( R)
El determinante de es el nmero real:

{
n n
i+j
(1) aij M ij = aij Cij para 1 j n , fijo
det ( A )= i=1 i=1
n n

(1)i+ j aij Mij= aij C ij para 1 i n , fijo

j=1 i=1

15
 ( )
2 4 1
A= 0 3 2 i=1,
Por ejemplo, para y escogiendo
5 1 6

3
det ( A )= (1)1+ j a 1 j M 1 j
j=1

2 M 11 4 M 121 M 13

2 ( 16 )4 ( 10 )1 ( 15 )=23

Observe que:

i. det ( A )=det ( A t ) ; A M n ( R ) .

ii. Si todos los elementos de una fila (o columna) son cero, el valor del determinante
es cero.
det ( I n ) =1; n N .
iii.
iv. El determinante de una matriz diagonal o triangular es igual al producto de los
elementos de la diagonal.
v. En general,
det ( A+ B ) detA +detB .

A , R , A M n ( R).
vi. det ( A )= n det

det ( AB )=det A detB , A , B M n ( R ) .

vii.
A M n (R ) det ( A )=0.
viii. Si tiene dos filas(o columnas) iguales, entonces
ix. Si dos filas (o columnas) adyacentes se intercambian, entonces el determinante
cambia de signo.
x. Si las componentes de una fila (o columna) se multiplican por un nmero y los
resultados se suman a las correspondientes componentes de otra fila (o
columna), entonces el valor del determinante no se altera. Esta propiedad es til
en el clculo de determinantes; por ejemplo,

16
 | || || ||
1 3 4 1 3 4 1 3 4
2 5 1 = 0 1 7 = 0 1
3 1 0 3 1 0 0 10 12
7 =
1 7 =58
10 12 |
A=(aij ) M n ( R ) n , adj ( A )=( cij )
La adjunta de es la matriz de orden en

donde c ij =(1)i + j M ji =C ji . Es decir,

adj ( A) es la transpuesta de la matriz de

los cofactores de
A . Por ejemplo, si

( )
A= a b ,adj ( A )= d b
c d c a ( )
Y si

( ) ( )
2 3 1 5 2 15
B= 4 0 5 ,adj ( B )= 14 4 6
2 1 1 4 8 12

A adj ( A ) =det ( A ) I n y adj ( A ) A=det ( A ) I n .

xi. O equivalente,

1 1
A
( det ( A ) )
adj ( A ) =I n
y ( det ( A ) )
adj ( A ) A=I n , si det ( A) 0.

Luego, si
det ( A) 0, entonces A es invertible y se tiene que
1
A1= adj ( A )
det ( A )

A
xii. Recprocamente, si es invertible, entonces

1=det ( I n) =det ( A A1 )=det ( A ) det ( A1 )

Y luego
det ( A ) 0.

xiii. Adems, si
A es invertible entonces A
1
es invertible y
1 1
det ( A1 )= =( det ( A ) ) .
det ( A )

A , B M n ( R) AB
xiv. Si son matrices invertibles, entonces es invertible y

17
 ( AB )1=B1 A1

Observacin: Por otro lado tenemos el Mtodo de Saurrus que es interesante

para nuestro estudio de matrices de 3x3.

Considrese la matriz 33:

( )
a11 a 12 a31
M = a21 a 22 a23
a31 a 32 a33

Su determinante se puede calcular de la siguiente manera: En primer lugar,

repetir las dos primeras columnas de la matriz a la derecha de la misma de manera que
queden cinco columnas en fila. Despus sumar los productos de las diagonales
descendentes (en lnea continua) y sustraer los productos de las diagonales
ascendentes (en trazos). Esto resulta en:

( )| |
a 11 a12 a31 a11 a12 a31
det a21 a22 a23 = a21 a22 a 23 =
a31 a32 a33 a31 a32 a 33

a11 a 22 a33 +a12 a23 a31+ a13 a 21 a32 a13 a 22 a31a12 a21 a33a 11 a23 a32

Como por ejemplo:

( )
5 1 2
A= 3 2 0 (20+ 0+6 )( 16+0+6 )=36
Sea Su determinante es
4 1 2

EJERCICIOS 1.3

1. Calcule los determinantes:

a) |
3 5
9 8 |

18
 | |
1 3 5
b) 2 1 1
4 2 3

| |
4 5 1
c) 3 1 2
1 2 3

| |
1 2 1 1
3 0 1 2
d) 1 1 2 1
1 0 3 2

2. Calcule

| |
0 x1 1
a) x 1 1
0 x +1 2

| |
x +3 1 1
b) 7 x5 1
6 6 x+ 2

| |
2
1 a a
c) 1 b b2
1 c c2

3. Encuentre adj ( A ) , A adj ( A ) , det ( A ) y A1 si

a) (
A= 2 1
4 3 )

( )
3 2 1
A= 0 4 3
b)
1 2 2

4. Calcule A1 si

19
 ( )
0 0 1
A= 0 0 1
a)
1 1 1

( )
1 2 3
A= 4 5 6
b)
3 1 2

( )
1 1 0 2
1 0 2 1
A=
c) 0 2 0 2
2 0 0 5

5. Demuestre que
A= (1a
a 1+ a
a ) es invertible
a R . Calcule A1 .

CAPITULO 2: SISTEMAS DE ECUACIONES LINEALES.

2.1 DEFINICIONES Y NOTACIONES.

20
 m n
Un sistema de ecuaciones lineales con incgnitas se expresa:

{
a 11 x 1 +a 12 x2 + + a1 n x n =b1
a x +a x + +a2 n x n=b2
() 21 1 22 2

a m 1 x 1+ am 2 x 2 ++ amn x n =bm

aij R ; i=1,2, , m; j=1,2, ,n y bi R , i=1,2, , m .

Donde

n -upla de nmeros reales (x 1 , , x n)

Cualquier que satisfaga cada una de las

ecuaciones de
() se llama solucin del sistema
() .

Un sistema de ecuaciones lineales se dice compatible cuando posee al menos

una solucin y se dice incompatible cuando no tiene solucin.

Observe que el sistema

() se puede expresar como la ecuacin matricial

AX =B

A=( aij ) M mxn (R)

Donde se llama matriz de los coeficientes del sistema,

() ()
b1 x1
B= X=
es la matriz columna de trminos constantes y es la matriz de las
bm xn

incgnitas. Por ejemplo, el sistema

2 x 1x 2 +5 x3 =1

x 1+ 4 x 27 x 3=8

21
 AX =B
Corresponde a la ecuacin , en donde,

()
x1
( )
A= 2 1 5 , X= x 2 y B= 1 .
1 4 7
x3
8 ()

Por otro lado para solucionar un sistema de ecuaciones podemos usar los
siguientes mtodos:

o Mtodo de Gauss: En este caso se usa la matriz ampliada ( A/ B) y

escalonamos formando una matriz triangular.

Matriz ampliada definida como:

( )
a11 a12 a1 n b 1
( A/ B) es
a m1 a m 2 amn b n

Ejemplo:

x 1+2 x 2+ 3 x 3=6

2 x 13 x 2 +2 x 3=14

3 x1 + x 2x 3=2

Solucin

)( ) ( )
1 2 3 x1 6
Matricialmente ( 2 3 2 x 2 = 14
3 1 1 x 3 2

22
( A/ B) Matriz ampliada

( )
1 2 3 6
2 3 2 14
3 1 1 2

f 2+ f 1 (2)

f 3 + f 1 (3)

( )
1 2 3 6
0 7 4 2
0 5 10 20

f2 ( 17 )

( )
1 23 6
4 2
0 1
7 7
0 5 10 20

f 3 + f 2 (5)

1 2 3 6

( 0 1

0 0
4
7
50
7

2
7
150
7
)
50 150
x 3=
7 7

23
 x 3=3

x 3=3
Si remplazamos en (2)

4 2
0 x 1+1 x 2+ x 3=
7 7

12 2
x 2+ =
7 7

14
x 2=
7

x 2=2

x 2=2 x 3=3
Si y entonces

x 1+2 x 2+ 3 x 3=6

x 1=65

x 1=1

o Mtodo de Gauss-Jordan: Escalonamos la matriz ( A/ B) hasta obtener en

la matriz de coeficiente la matriz de identidad

Ejemplo: Si continuamos con el ejercicio anterior

24
 1 2 3 6

( 0 1

0 0
4
7
50
7

2
7
150
7
)
f 1 + f 2 (2)

13 46

( )
1 0
7 7
4 2
0 1
7 7
50 150
0 0
7 7

f3 ( 750 )
13 46

( )
1 0
7 7
4 2
0 1
7 7
0 0 1 3

f 2+ f 3 ( 47 )

f 1+ f 3 ( 137 )

( )
1 0 0 1
0 1 0 2
0 0 1 3

25
 x1 =1
x 2=2
x3 =3

2.2 SISTEMAS HOMOGENEOS

Un sistema de ecuaciones lineales se dice homogneo cuando la columna de

trminos constantes est formada slo por ceros.

AX =0, A=( aij ) M mxn (R)

Sea con un sistema homogneo. Entonces:

i.
AX =0 es siempre compatible puesto que
X =0 es solucin de l.
B M mxn (R) A B , entonces los sistemas (equivalentes)
ii. Si es tal que

AX =0 y
BX =0 tienen las mismas soluciones.

iii. Si
( A )=n , entonces X =0 es la nica solucin de
AX =0.

( A ) <n , entonces existen infinitas soluciones para AX =0 ;

iv. Si estas se

pueden expresar en trminos de uno o ms parmetros.

Ejemplo: Determinemos todas las soluciones del sistema

x 1+2 x 2+ 4 x 3=0

2 x 1 +3 x 2+7 x 3=0

3 x1 x2 +5 x 3=0

( )
1 2 4
A= 2 3 7 ,
La matriz del sistema es equivale a
3 1 5

26
 ( )( )
1 2 4 1 0 2
0 1 1 0 1 1 =B .
0 7 7 0 0 0

Las soluciones de
AX =0 son las mismas soluciones de
BX =0, esto es,

x 1+2 x 3=0

x 2+ x 3=0

x 3= , R ; x 1=2 x 2= .
Sea entonces y Y las soluciones del sistema

se expresan:

(2,1,1 ) ; con R .

EJERCICIO 2.2: Resolver el siguiente sistema

x 1+ x 2 +3 x3 =0

2 x 1 +4 x2 +8 x 32 x 4=0

4 x 1 ++6 x 2+14 x3 2 x 4 =0

2.3 SISTEMAS NO HOMOGENEOS

Sea
AX =B , con A=( aij ) M mxn ( R ) , B=(b1 . bm )t un sistema de ecuaciones

lineales no homogneo. La matriz:

27
 ( )
a11 a12 a1 n b1
( A ; B )=
am1 a m 2 amn bm

AX =B
Se llama matriz ampliada o matriz aumentada del sistema. Y el sistema

es compatible si y slo si
( A )= ( A ; B ) .

Sea
AX =B sistema compatible; entonces:

i. Si
( A )= ( A ; B )=n , el sistema tiene solucin nica.

ii. Si
( A )= ( A ; B ) <n , el sistema tiene infinitas soluciones: estas se pueden

expresar en trminos de uno o ms parmetros.

A Mn (R ) A AX =B
iii. En particular, si y es invertible, entonces posee

solucin nica X =A1 B .

Ejemplo: Determinemos, si existe, todas las soluciones del sistema:

x 1+3 x 22 x 3=3

2 x 1x 2 +3 x 3=8

La matriz ampliada del sistema es:

3 2 3 3 2 3 0 1 3
(12 1 3 8 ) ( 10 7 7 14 ) ( 10 1 1 2 )
Como
( A )=2= ( A ; B ) , el sistema tiene mltiples soluciones y ellas se buscan

en el sistema equivalente:

28
 x 1+ x 3=3

x 2x 3=2

x 3= , R x 1=3 x 2=2+
Sea ; entonces, y . Las infinitas soluciones

del sistema se expresan:

( 3,2,0 )+ (1,1,1 ) ; R

EJERCICIO 2.3: Desarrollar el siguiente sistema

x 1+ x 2x 3=7

4 x 1x 2 +6 x 3=3

6 x 1+ x 2 +4 x3 =22

2.4 TEOREMA DEL RANGO

Sea
S la matriz de los coeficientes de un sistema de ecuaciones lineales y sea

'
S la matriz que se obtiene de la ampliada; es decir:

S ' =( S /B) con

B
= matriz solucin

Entonces la condicin necesaria suficiente para que un sistema de

m

n
ecuaciones lineales con incgnitas sea compatible es:

( S )=( S ' )

29
 =
Donde n de ecuaciones independiente (Rango).

Observaciones:

i. Si ( S )= ( S' ) sistema compatible .

ii. Si ( S ) ( S' ) sistema incompatible.

iii. Si ( S )= ( S' ) <n=n incognitascompatible coninfinitas soluciones .

Observacin: El rango de la matriz

() se obtiene al triangularizar la matriz,

se cuente el n de filas distintas de cero obtenidas.

Ejemplo: Obtener el rango de la siguiente matriz

( )
1 2 3
A= 2 4 7
3 6 9

f 2+ f 1 (2 )

f 3 + f 1 (3 )

( )
1 2 3
A= 0 0 1
0 0 0

( A )=2.

EJERCICIOS 2.4:

1. Obtener el rango de

30
 ( )
1 2 3
A= 2 1 5
3 4 1

2. Resolver el sistema de ecuaciones indicando rango

x y + z 7
x + y z 1
x + y + z 3

3. Determine el valor de
para que el sistema tenga solucin nica o no

tenga solucin o tenga infinitas soluciones.

x y +z 1
2 x 3 y z 4
x y + z 0

2.5 REGLA DE CRAMER

A=( aij ) M n ( R ) n n
Sea y considere el sistema de ecuaciones lineales con

AX =B . =det ( A) 0 , la nica solucin del sistema AX =B

incgnitas Si ,

X =( x 1 , , x2 )
est dada por:

i
x 1= , i=1,2, , n

31
 i A
Donde es el determinante obtenido a partir de sustituyndole su i-

B
sima columna por la columna de trminos constantes.

Ejemplo 1: Consideremos el sistema

x 1+ x 2 + x 3=1

3 x1 + x 2x 3=0

2 x 1 + x 2+ x 3 =1

| |
1 1 1
= 3 1 1 =2
Solucin: En este caso, . Y la nica solucin del sistema se
2 1 1

calcula as:

| |
1 1 1
1
x 1= 0 1 1 =0,

1 1 1

| |
1 1 1
1 1
x 2= 3 0 1 =
2
2 1 1

| |
1 1 1
1 1
x 3= 3 1 0 =
2
2 1 1

1 1
Solucin: (
S= 0, ,
2 2 )

32
 R ,
Ejemplo 2: Para que valores de el sistema

2 x + y + z=1

a+ y+z=2

x+ yaz=a

aR
tiene solucin nica?. Para estos valores de , muestre la solucin.

Solucin: En este caso,

| |
2 1 1
= 1 a a =2 a ( 12 a ) .
1 a a
Luego para cualquier { 12 }, 0
a R 0,

y el sistema posee solucin nica. Calculamos:

| |
1 1 1
x = 2 a a a =2 a 2
a a a

| |
2 1 1
y = 1 2a a =a ( 16 a )
1 a a

| |
2 1 1
z= 1 a 2 a =a ( 12 a )
1 a a

( 12a a , 16 , ) , a R{0, }
a 1 1
S=
Y la solucin es 24 a 2 2

33
EJERCICIOS 2.5:

1. Usando la Regla de Cramer, obtenga la solucin nica de los sistemas de

ecuaciones lineales:
a)
x+ y+ z=2

2 y+ z =5

y +2 z =7

b)
x+ 3 y +3 z=10

2 x6 y 2 z=4

y + z=6

c)
x+ yz=1

x yz=2

x yz=3

2. Usando la Regla de Cramer, obtenga el valor de

z en los sistemas de

ecuaciones lineales:
a)
x+ y+ 2 w=2

y +2 z + w=4

2 y2 w=0

2 x +5 w=8

b)
x y +2 z+2 w=0

2 x z3 w=0

4 y3 z+ w=2

3 x +2 y+ 4 w=1

34
 k R
3. En los siguientes ejercicios , determine el o los valores de de modo

que los sistemas posean solucin nica:

a)
x 1+ x 2x 3=1

2 x 1 +3 x 2+ k x 3=3

x 1+ k x 2 +3 x 3=2

b)
3 x1 2 x 2k x 3=3

3 x1 + x 2=2 k

kx 1 + x 3=3

c)
2 x 1 + x 2+ x 3 =1

x 1+ k x 2 +k x 3=2 k

x 1+ k x 2k x 3=k

CAPITULO 3: ESPACIOS VECTORIALES.

3.1 ESPACIOS VECTORIALES-BASES-DIMENSION.

K
Definicin: Un espacio vectorial (o espacio lineal) sobre el cuerpo , es un

conjunto de objetos
V con una operacin interna + , llamada suma o adicin,

V ,+ K V V
talque es un grupo abeliano, y con una operacin externa :

, vav
definida por ( llamada producto por escalar o ponderacin tal que:

i.
( v )=( ) v , , K , v V .

35
 ii.
( + ) v =v+ v , , K , v V .

iii.
( v+ u )=v+ u , K , v , u V .

1 v=v , v V , 1 K.
iv. donde es el elemento unidad de

Los elementos de
V se llaman vectores y los elementos de
K escalares.

K=R , V
Cuando se dice un espacio vectorial real.

Es conveniente tener presente que cualquiera sea el espacio vectorial

V sobre

K
se tiene que:

i.
0 v=0, v V .

a 0=0, K .
ii.

iii.
a v=0 ( a=0 v=0 ) .

iv.
(1 ) v=v , v V .

Los siguientes conjuntos, conocidos por el lector en cursos previos a este, tienen

la estructura de espacio vectorial sobre

R .

R
1. con la suma y multiplicacin usuales.
n N , Rn {( x 1 , .. , x2 ) /x 1 R , i=1, . , n }
2. Si con las operaciones

( x 1 , , x n ) + ( y 1 , , y n ) =( x 1+ y1 , , xn + y n )
a ( x 1 , , x n )=( a x 1 , , ax n ) ,a R

3. Si
m ,n N , M mxn ( R )= { A / A es matriz( real)de orden m n } con la suma y

multiplicacin por escalar usuales de matrices.

4.

36
 P [ x ] ={ p( x ) p ( x ) es polinomio en laindeterminada x con coeficientes reales }

P [ x ] ={ p ( x ) P [ x ] grado de p( x) n }
5. con la suma y ponderaci{on habituales

de polinomios.
6. Si
A R , F ( A ; R ) ={ f : A R /f es funcin } con la suma y la multiplicacin

por escalar usuales de funciones reales.

7. Si
A R ,C ( A ; R )={ f : A R /f es continua en A } con la suma y multiplicacin

usuales de funciones reales.

S ( R )={( an )n N / ( a n )n N es una sucesin de nmeros reales }
8. con la suma y

multiplicacin por escalar habituales de las sucesiones de nmeros reales.

Tambin es conveniente mencionar que con las operaciones suma y

multiplicacin por escalar usuales de los respectivos espacios,

Q= { a R/a es un nmero racional } ,

A= {( x , y ) R2 / y=x +3 } ,

B={ a+bx + x 2 P2 [ x ] /a , b R } ,

C={ A M n ( R ) /det A 0 } no son espacios vectoriales reales .

W V K
Cuando un subconjunto de un espacio vectorial sobre es tal que

W con operaciones de
V restringidas a sus elementos resulta ser un espacio

K W
vectorial sobre , entonces se dice que es un subespacio vectorial (o

37
 V W
subespacio lineal o simplemente subespacio) de . En consecuencia, si es un

V , entonces 0 v W
subespacio de .

Teorema: (caracterizacin de los subespacios).

V K y W V , W .W V
Sea un espacio vectorial sobre es subespacio de

si y slo si

i.
u , w W u+ w W .

K , w W w W .
ii.

A= {( x , y ) R / y=x } .
2 2
A
Ejemplo 1: Sea Entonces no es un subespacio

vectorial de R2 pues, por ejemplo,

u= (2,4 ) A , w=( 3,9 ) Ay u+w=( 5,13 ) A .

Ejemplo 2: Sea W = {( x , y , z ) R3 /2 xz=0 }. Entonces

W es un subespacio de

R3 ; en efecto,

W = { ( x , y ,2 x ) / x , y R }

y se tiene que:

i.
( 0,0,0 ) W ; luegoW

ii.
( x , y , 2 x ) + ( a , b , 2 a )=( x +a , y +b , 2 ( x+ a ) ) W .

iii.
( x , y , 2 x ) =( x , y , ( ax ) ) W .

38
 Ejemplo 3: S= { A M n ( R ) / A es simtrica }= { A M n ( R ) / A t =A } es un subespacio de

M n( R) ;
en efecto,

i.
0S puesto que la matriz es nula es simtrica.
t t
ii. A , B S A = A B =B

( A +B)t = At + Bt = A+ B

A+ B S .

iii. R A S ( A )t = At =A

A S .

V K y S={ v 1 , . , v n } V .
Sea un espacio vectorial sobre Una combinacin

S (o de los vectores v 1 , ., v n
lineal de los vectores de ) es un vector

u= 1 v 1 ++ n v n

a1 , , an K .
en donde

El conjunto de todas las combinaciones lineales de los vectores

S resulta ser

V; S
un subespacio vectorial de se llama espacio generado por (o espacio

v 1 , ., v n S > { v 1 , . , v n } >.
generado por los vectores ) y se denota por o por

S > V , S V V
Cuando entonces se dice que genera o que est generado

por
S.

39
 3
Ejemplo 4: Sea V =R . El vector
u=(4,3,5) es combinacin lineal de los

v 1= (1,0,2 ) y v 2=(0,1,1) u=4 v 1+ (3 ) v 2 .

vectores puesto que

v1 y v2 :
Determinemos el espacio generado por

{ v 1 , v 2 } > { v 1 + v 2 / , R }

{ ( 1,0,2 ) + ( 0,1,1 ) / , R }

, ,2 +
{ , R }

{ ( x , y , z ) /z=2 x y }

u= ( 4,3,5 ) < { v 1 , v 2 } >.

y se confirma que

V =P2 [ x ] v =x2 + x5
Ejemplo 5: Sea El vector pertenece al espacio

2
generado por p=x 2 y q=3 x +1 ?

Esta pregunta equivale a : existe

, R tales que

( x 22 ) + ( 3 x +1 )=x 2 + x5 ?

Lo que conduce a a x 2+3 + ( 2 )=x 2+ x5, y a

40
 {
=1
3 =1
2 =5

sistema que resulta incompatible.

, R v =p+ q
Luego es imposible encontrar tales que y por lo tanto

v < { p ,q } >.

M 2( R)
Ejemplo 6: En considere los vectores

( ) (
v 1= 1 0 , v 2= 0 1 y 1 1
1 0 0 1 1 1 )( ) . Entonces

{ v 1 , v 2 , v 3 } > { v 1+ v2 + v 3 / , , R }

{(+
( + ) ( ) )
, , R
}
{( )
a b /a+c=0 b+d =0 .
c d }
Por otra parte,

{ v 1 , v 2 } > { v 1 + v 2 / , R }

{(
)
, R
}

41
 {( )
a b /a+c=0 b+d =0
c d }
{ v 1 , v 2 , v 3 } >< { v 1 , v 2 }>
Luego . Esta situacin se deriva del hecho (observado

v 3=v 1v 2
por usted?) que (dependencia lineal).

V K y S={ v 1 , . , v n } V . S
Sea espacio vectorial sobre Se dice que es

v 1 , ., v n
linealmente independiente (l.i.) o que los vectores son l.i. si:

i v i=0 i=0, i=1, , n.

i=1

Se dice que
S es linealmente dependiente (l.d.) o que los vectores

v 1 , ., v n
son l.d. si ellos no son l.i. , esto es , si :

n
i { 1,2, ,n } : i 0 i v i=0
i=1

Observe que:

v1 , v2 V , v1 , v2 1 , v 1 + 2 , v 2=0, 1 0 2 0
i. son l.d. si con o bien .

1 0
Suponiendo, por ejemplo, que , entonces
2
v 1= v = v 2 ; R
1 2

ii. Si
TS yS es l.i. , entonces
T es l.i.
TS yS T
iii. Si es l.d. , entonces es l.d.

42
 0S S
iv. Si , entonces es l.d.

v.
v V , { v } es l.i.
v 0.

v 1= (1,3,2 ) y v2 =(2,5,0) R3
Ejemplo 7: Los vectores del espacio son l.i.. En

, R v 1 + v 2=0.
efecto, sean tales que Entonces:

( 1,3,2 )+ ( 2,5,0 ) =( 0,0,0 )

{
+2 =0
3 5 =0
2 =0

=0 =0.

Ejemplo 8: Sea S= { x 2 +1,2 x+3, x 22 } P2 [ x ] . Es S

un conjunto l.i.?

Sean
, , R tales que ( x 2 +1 ) + (2 x +3 ) + ( x2 2 )=0 ;

entonces
( +3 2 ) +2 x+ ( + ) x2 =0+0 x +0 x2 ; por tanto,

{
+3 2 =0
2 =0
+ =0

Sistema que tiene solucin nica

===0 ; Luego S es l.i.

Ejemplo 9: Sea {(
1 1 2 2)( 0 4 )(
M = 1 2 , 3 0 , 1 4 M 2 ( R ) . )} Es
M
un conjunto

l.i.?

43
 , ,R
Sea tales que

(
1 1 ) (
2 2 0 4 ) (
1 2 + 3 0 + 1 4 = 0 0
0 0 )( )
o equivalente,

{
+3 =0
2 4 =0
+2 =0
2 +4 =0

Sistema con mltiples soluciones:

(2,1,1) ; R .

2 v1 + v 2+ v 3=0 M
Luego, por ejemplo, , lo que significa que es un conjunto

l.d.

Una base de una espacio vectorial

V sobre
K es un conjunto
S V que

V.
es l.i. y que genera a

Por ejemplo,
B={ ( 1,0,0 ) , ( 0,1,0 ) , ( 0,0,1 ) } es una base de R3 , En efecto:

B> { ( 1,0,0 ) + ( 0,1,0 )+ ( 0,0,1 ) / , , R }

i.

{ ( , , ) / , , R }
3 3
R B R
, y luego genera a

ii.
( 1,0,0 ) + ( 0,1,0 ) + ( 0,0,1 ) =( 0,0,0 ) ( , , )= ( 0,0,0 )

== =0

B es l .i .

44
 3
La base
B se llama bas cannica de R y la generalizacin
B={ ( 1,0,, , 0 ) , ( 0,1, , 0 ) , , ( 0,0, ,1 ) } M 2(R)

Constituye la base cannica de Rn .

De una manera anloga se puede demostrar que

{( ) ( ) ( ) ( )}
E= 1 0 , 0 1 , 0 0 , 0 0 M 2 (R)
0 0 0 0 1 0 0 1

M 2( R)
es una base de y que

S= {1, x , x 2 , , x n } Pn [ x ]

Pn [ x ] .
es una base de

C={ ( 1,1,1 ) , ( 1,1,0 ) ,(1,0,0) } R3

Ejemplo 10: El conjunto tambin es una base de

. En efecto,

i.
( 1,1,1 ) + ( 1,1,0 )+ ( 1,0,0 )=( 0,0,0 )

( + + , + , )=( 0,0,0)

{
+ + =0
+ =0
=0

== =0, C
y luego es l.i.
3 3
ii. Demostremos que
C genera a R , esto es, que C> R

Sea
( a , b , c ) R3 ; existe , , R tales que

( a , b , c )= ( 1,1,1 ) + ( 1,1,0 )+ ( 1,0,0 ) ?

Esto equivale a preguntarse si existe solucin para el sistema:

45
 {
+ + =a
+ =b
=c

=c , =bc , =ab ;
Y efectivamente, existe solucin: es decir,

( a , b , c )=c ( 1,1,1 )+ ( bc ) ( 1,1,0 ) + ( ab ) ( 1,0,0 ) .

Para el espacio vectorial R3 hemos mostrado dos bases. En realidad un espacio

vectorial puede tener mltiples bases, pero, se puede demostrar que, todas ellas tienen
el mismo nmero de vectores. Este hecho permite definir uno de los conceptos
importantes del lgebra lineal:

V K B={ v 1 , . , v n }
Sea un espacio vectorial sobre que tiene una base con

n vectores. Entonces
V se dice un espacio vectorial de dimensin finita y el

n V; dimk V =n
nmero entero se llama dimensin de se anota o simplemente

dimV =n . Si V = {0 } , entonces
dimV =0, y en cualquier otro caso se dice que V

es un espacio vectorial de dimensin finita.

Por ejemplo, dim R3=3, dim P2 [ x ] =3, dim M 2 ( R )=4.

Ejemplo 11: Sea W = {( x , y , z ) R3 /2 x y +4 z=0 } . Cual es la dimensin de

W? Observemos que:

W = {( x , y , z ) R3 / y =2 x +4 z }

46
 { ( x , 2 x+ 4 z , z ) / x , z R }

< {( 1,2,0 ) , ( 0,4,1 ) } >.

B={ ( 1,2,0 ) ,(0,4,1) } ; entonces B W B

Sea genera . Siendo un conjunto l.i.

B W
(demostrarlo como trabajo autnomo), es una base de y por tanto

dimW =2 .

V n,nN ;
Sea un espacio vectorial de dimensin se tiene que :

S= { v 1 , . , v n } V , con m> n , S
1. Si entonces es l.d.
B={ v 1 , . , v n } V B V.
2. Si es l.i., entonces es base de

3. Si
W Es un subespacio de
V , entonces dimW n .

W V dimW =n V =W .
4. Si es un subespacio de tal que , entonces

5. Si { v1 , . , v n } V , con k < n , es l.i. , entonces existen

v k +1 , . , v n V
tales

que { v1 , . , v k , v k+1 , ., v n } es base de

V.

B={ v 1 , . , v n } V V . Entonces para cada

6. Sea base ordenada de

v V , 1 , . , n
existen nicos escalares reciben el nombre de

coordenadas del vector

v con respecto a la base(ordenanda)
B ; se

[ v ] B =( 1 , . , n ) .
anota

47
 Ejemplo 12: El conjunto S= { x 2 +1,2 x+3, x 22 } P2 [ x ] es una base de
P2 [ x ] .

dim P2 [ x ] =3 y S 3
Efectivamente, como tiene elementos, basta demostrar que este

P2 [ x ] .
conjunto es l.i. para que sea una base de La independencia linal.

Ejemplo 13: Sea v R 4 tal que

[ v ] B =( 1,1,2,2 ) , en donde

B={ ( 1,1,0,2 ) , ( 0,1,0,2 ) , ( 3,1,1,0 ) ,(0,1,0,0) } es base de R4 . Cul es el vector

v?

v =( 1,1,0,2 )( 0,1,0,2 )+ 2 ( 3,1,1,0 )2 ( 0,1,0,0 )=( 7,2,2,4 )

P2 [ x ]
Ejemplo 14: Consideremos la base de de ejemplo 12.

S= { x 2 +1,2 x+3, x 22 } . Cules son las coordenadas del vector p=3+ 4 x2 x

2
con

respecto a la base
S?

1, 2, 3 R 1 ( x 2+ 1 ) + 2 ( 2 x+3 )+ a3 ( x2 2 )= p
Sea tales que

( 1+ 3 22 3 ) +2 2 x+ ( 1 + 3 ) x2 =3+4 x 2 x 2

{
1 +3 22 3 =3
2 2=4
1 + 3=2

7 1
1= , 2=2, 3=
3 3

48
 1
Por lo tanto,
[ p ] s=
7
3 (
, 2, .
3 )
V K
Sea un espacio vectorial sobre y sean

W 1 +W 2= { v 1 +v 2 v 1 W 1 v 2 W 2 }
.

0=0+0 W 1+W 2
i.
v 1 + v 2 , u1 +u2 W 1 +W 2 , K , entonces
ii. Si y
( v 1+ v 2 ) + ( u1+ u2 )=( v 1 + u2 ) + ( v 2 + u2 ) W 1 +W 2 .

W 1 +W 2 V
Luego resulta ser un subespacio vectorial de y se puede

establecer que

dim ( W 1 +W 2 ) =dim W 1 +dimW 2 dim ( W 1 W 2)

V =W 1+W 2 v V , v 1 W 1 , v 2 W 2 v =v 1 +v 2 .
Observe que tales que

v V , ! v 1 W 1 , ! v 2 W 2 v =v 1 +v 2 V
Cuando tales que , se dice que es

W1 yW 2 V =W 1 W 2
la suma directa de , y en este caso se anota .

Se tiene que:

V =W 1 W 2 ( V =W 1 W 2 W 1 W 2={ 0 } )

Ejemplo 15: Sean W 1= {( x , y , z ) R3 / x + y + z=0 } y W 2 el subespacio generado por

(1,1,1) . Es R3=W 1 W 2 ?

49
 ( x , y , z ) W 1 W 2 ( x , y , z ) W 1 ( x , y , z ) W 2

x + y + z=0 x= y =z

3 x=0 x= y =z

x=0, y=0, z=0

W 1 W 2= {( 0,0,0 ) } .
Por lo tanto

W 1= {( 1,0,1 ) , ( 0,1,1 ) }> .

Observemos primero que

Sea
( a , b , c )=[ ( 1,0,1 )+ ( 0,1,1 ) + ( 1,1,1 ) ; , , R ]

Entonces:

{
+ =a
+ =b
+ =c

2 abc 2 bac a+b+ c

= , = ,=
3 3 3

Luego
( a , b , c )= ( 2 abc
3
,
2 bac 2 cab a+b+ c
3
,
3 )+ 3 ( 1,1,1) W + W 1 2 y por

tanto R3=W 1+W 2 . As, R3=W 1 W 2 .

Ejemplo 16: Sea {( )

U 1= a b M 2 ( R ) /d=0
c d } y
U 2= { A M 2 ( R ) / A es diagonal }
.

M 2 ( R ) =U 1 U 2 ?
Es

(ac bd ) U U (ac bd) U (ac bd) U

1 2 1 2

d=0 b=0 c=0

50
 Luego 0 0 {( ) }
U 1 U 2= a 0 /a R
y por tanto
M 2 ( R ) U 1 U 2 .

Observe que
M 2 ( R ) =U 1+ U 2
puesto que cualquiera sea (ac bd ) M ( R )
2 se

tiene que :

(ac bd )=( ac b0)+(00 0d ) U + U 1 2

EJERCICIOS 3.1:

0v =0v , R V sobre R .
1. Demuestre que . En un espacio vectorial

2. R2 con las operaciones suma y producto por escalar que se definen a

R
continuacin no es un espacio vectorial sobre . Indique los axiomas que

no se cumplen.
a)
( x , y ) + ( a , b ) =( x+ a , 0 ) ; ( x , y )=(x , y)

b)
( x , y ) + ( a , b ) =( x+ a , y + b ) ; ( x , y )=(x , y)

3. Determine si los siguientes conjuntos so o no subespacios vectoriales de

M n( R) .

a) W = {( x , y , z ) R3 / x y +2 z=0 }

b) W = {( x , y , z ) R3 / x y =0 z=1 }

c) W = {( a , b , c ) R 3 /a b c }

d) W = {( a , b , c ) R 3 /a Q }

e) W = {( x , y , z ) R3 / x +2 y+ z=0 x y2 z=0 }

4. Determine si los siguientes conjuntos son o no subespacios vectoriales de

P2 [ x ] .

51
 a) W = {a+ bx+ c x 2 P 2 [ x ] /a=b=c }

b) W = {a+ bx+ c x 2 P 2 [ x ] /a+ b+c=1 }

c) W = {a+ bx+ c x 2 P 2 [ x ] /a+ 2b +c=0 ab2 c=0 }

W = { p(x) P2 [ x ] / p(0)=1 }
d)

5. En cada caso, escriba el vector

v como combinacin lineal de los

vi
vectores .
1
a) ( )
v =( 8,4,2 ) ; v 1= 1, ,2 , v 2=( 2,1,5 ) .
2

b) v =x2 x ; v1 =x2 x+2 , v 2=2 x 23 x1, v 3=x +3 .

c) ( ) ( ) (
v = 2 1 ; v 1 1 0 , v 2 1 1 , v 3= 1 0
1 2 1 1 1 0 1 0 ) ( )
6. Determine el subespacio generado por
S si:

a) S= { (1,0,0,1 ) , ( 0,1,1,0 ) } R 4 .

b) S= { 2, x1,2 x 2+ 4 } P2 [ x ] .

c) {( ) ( ) ( )}
S= 1 0 , 0 1 , 0 0 M 2 ( R ) .
0 0 1 0 0 1

k R S
7. Para que valor(es) de el conjunto es l.i. si :
2
a) S= { (1+ k ,1k ) ,(1k ,1+ k) } R .

b) S= { (1, k , 0 ) , (1,2,1 ) ,(2,1, k) } R3 .

8. Encuentre una base y determine la dimensin de los subespacios

U W

U +W P2 [ x ]
y de si :

U= {1x , 1+2 x2 } > y W = { x , x +2 x 2 } >

52
 9. Sean
W = { ( 1,0,2 ) ,(1,1,1) } > y U= {( x , y , z ) R3 / x + yz=0 }

3 3
subespacios de R . Es R =W U ? .

CAPITULO 4: TRANSFORMACIONES LINEALES.

4.1 APLICACIONES LINEALES-ISOMORFISMO

V yW K.
Sean espacios vectoriales sobre el cuerpo Una transformacin

lineal o aplicacin lineal de

V en W es una funcin
T :W W que satisface:

i.
T ( v+u )=T ( v )+ T ( u ) ; v ,u V .

ii.
T ( v )=T ( v ) ; K , v V .

Observe que si
T es una aplicacin lineal de
V en W , entonces T ( 0 ) =0.

53
 n
Ejemplo 1: Sea T : R R la funcin de produccin total

T ( x 1 , , x n )=x 1 ++ x n .
Entonces:

i. Si ( x 1 , , x n ) , ( y1 , , y n ) Rn ,

T ( ( x1 , , x n ) + ( y 1 , , y n ) ) =T ( x 1+ y 1 , , x n+ y n )

x1 + y 1 , , x n + y n

x
y
( 1+ + y n)
( 1++ x n )+

T ( x 1 , , x n ) +T ( y 1 , , y n ) .

ii. Si ( x 1 , , x n ) Rn y
R ,

T ( ( x 1 , , x n ) )=T ( x 1 , , x n )

x 1+ +x n

( x 1 , , x n )

T ( x 1 , , x n ) .

T
Por lo tanto, es una aplicacin lineal.

Ejemplo 2: Sea
F : M mxn ( R) M mxn (R)
definida por F ( A )= A t ; entonces:

t t t
i. F ( A+ B )=( A+ B) = A + B =F ( A ) + F( B)

ii. F ( A ) =(A )t = At =F ( A ) .

54
 F
Por lo tanto es una aplicacin lineal.

C( [ a ,b ] : R)
Ejemplo 3: Sea el espacio de las funciones reales continuas en

b
[ a , b ] . Definamos T en C( [ a ,b ] : R) por T ( f )= f . Entonces:
a

b b b

i.
T ( f + g )= ( f + g )= f + g=T ( f ) +T ( g )
a a a

b b

ii.
T ( f )= f = f =T ( f ) .
a a

Luego
T es una aplicacin lineal.

V yW K
Ejemplo 4: Sean espacios vectoriales sobre el cuerpo y definamos

T 0 :V W T 0 ( v )=0, v V . T0
tal que La aplicacin resulta ser lineal.

Ejemplo 5: Sea
V un espacio vectorial sobre el cuerpo
K y consideremos

I :V V I ( v )=v . La funcin I
definida por es lineal; se llama aplicacin de

V.
identidad de

Teorema: Sea
V espacio vectorial sobre
K y { v1 , , v n } base de
V . Sea

W K w 1 , , w n W .
espacio vectorial sobre y Entonces existe una nica

T V W T ( v i )=w i ,i=1,2, , n .
aplicacin lineal de en tal que

55
 v V , 1, , n K
En efecto, si existen nicos tales que

v = 1 v 1 ++ n v n .
Se define entonces:

T ( v )= 1 w 1+ + n wn

T T ( v i )=w i i=1,2, , n
resulta ser lineal, para y nica con esta propiedad.

2 3
Ejemplo 6: Sea T :R R la aplicacin lineal tal que

T ( 1,1 ) =(2,0,1 ) y T ( 4,3 )=(1,1,0 ) . Encontraremos una expresin para

T (x , y), con

( x , y ) R2 .

Como { ( 1,1 ) ,( 4,3)} es base de R2 , el vector (x, y) se escribe de una

nica manera:

( x , y )= ( 1,1 ) + ( 4,3 ) ; , R

En este caso,

( x , y )=( 3 x+ 4 y ) ( 1,1 ) + ( x + y )( 4,3 ) .

Luego,

T ( x , y ) =( 3 x +4 y ) T ( 1,1 )+ ( x + y ) T ( 4,3 )

(3 x + 4 y )(2,0,1 ) + ( x+ y )(1,1,0 )

(5 x +7 y , x + y ,3 x4 y ) .

56
 T :V W T
Definicin: Sea aplicacin lineal. El ncleo o kert de es el

conjunto:

KerT ={ v V /T ( v )=0 }

T
La imagen de es el conjunto:

ImT= { w W /v V :T ( v )=w }= {T (v) v V }

Observe que:

i. Como
T ( 0 ) =0, 0 KerT y 0 ImT .

ii.
v , u KerT y K T (u +v )=T ( v ) +T ( u )=0+0=0 y T ( v ) =T ( v )= 0=0.

v +u KerT v KerT .
Luego y

iii.
T ( v ) , T ( u ) ImT y K T ( v ) +T ( u ) =T ( v +u ) ImT y T ( v ) =T ( v ) ImT .

KerT e ImT V yW
Por lo tanto son subespacios vectoriales de

respectivamente.

La dimensin del ncleo de

T se llama nulidad de
T y la dimensin de la

T T T
imagen de se llama rango de . La nulidad y el rango de sern denotados

por
(T ) y
(T ) respectivamente.

Se tiene que:

1.
T
es inyectiva
KerT = {0 } ( T ) =0.

2.
T es epiyectiva
ImT =W ( T )=dimW .

57
 3.
dimV =n ( T ) + ( T )=n .

Ejemplo 7: Sea T : P2 [ x ] R 2 la aplicacin lineal definida por

T ( a+ bx+ c x 2 )=( ab ,2 a+ c ) . Entonces:

KerT ={a+ bx+ c x 2 P2 [ x ] / ( ab ,2 a+ c ) =(0,0) }

{a+ bx+ c x 2 P2 [ x ] /a=b c=2 a }

{a+ bx+ c x 2 P2 [ x ] /a R }

{a(1+ x 2 x 2 ) a R }

< { 1+ x2 x 2 } >

y siendo {1+ x2 x2 } una base del ncleo de

T , ( T ) =1.

dim P2 [ x ] = ( T )+ ( T ) , ( T )=2
Adems, como sigue que y por lo tanto

2
ImT=R .

Sea ahora
T :V W aplicacin lineal.

58
 S :W V T S=I W S T =I V
a) Si existe tal que y , entonces se dice

T S
que es invertible. La aplicacin est nicamente determinada

por
T , se llama inversa de T y se denota por
1
T .

b) Si
T es biyectiva, entonces se dice que
T es un isomorfismo.

Observe que:
T T 1
1. isomorfismo isomorfismo.
dimV =n dimW =m
2. Si y , entonces
T {T ( v 1 ) , , T (v n ) } W.
es isomorfismo es base de
dimV =dimW ,
3. Si entonces
T biyectiva
T inyectiva
T epiyectiva.
T V W
c) Si es un isomorfismo, entonces se dice que los espacios y

son isomorfos ; se anota

V W . La relacin ser isomorfo es una

relacin de equivalencia.

Teorema: Sea
V espacio vectorial real de dimensin
n , entonces V Rn .

B={ v 1 , , v n } V T :V R
n
En efecto, sea una base de y definamos por

T ( v )=[ v ] B v B ). Entonces T
(coordenadas de con respecto a la base resulta

ser un isomorfismo.

Ejemplo 8: Del teorema precedente sigue P2 [ x ] R3 . Por ejemplo, un

isomorfismo entre estos espacios es:

T : P2 [ x ] R3 ; T ( a+ bx+ c x 2 )=( a , b , c ) .

59
 n +1 mn
Tambin Pn [ x ] R y M mxn ( R) R .

EJERCICIOS 4.1

1. Determine si las siguientes transformaciones son o no lineales. Justificas la que

no son.

a)
T : R R ; T ( x )=|x|

b) T : R2 R 2 ; T ( x , y ) =( 2 x y , x )

c) T : R3 R 2 ; T ( x , y , z )=( y , z x+3 )

d) T : R4 R3 ; T ( v )=v

M 2( R) R
2. Determine si las siguientes aplicaciones de en son o no son

lineales

a) ( )
T a b =a+d
c d

b) ( )
T a b =adbc
c d

c) ( )
T a b =a2 +b2
c d

d) ( )
T a b =2 a+3 bd
c d

B M n( R) T: M n ( R) M n ( R) T ( A ) =AB .
3. Sea y definida por

T
Demostrar que es una transformacin lineal.

60
 4. Sea T : R2 R 2 aplicacin lineal tal que

T ( 1,2 )=(1,5 ) y T (1,3 )=( 2,4 ) .

Calcular
T ( 1,0 ) , T (0,1) y encontrar una expresin para
T (a , b) , con (a , b) R2 .

5. Decida si las siguientes funciones son o no aplicaciones lineales. Para las que
sean lineales, determinar ncleo e imagen.

a) T : R2 R ; T ( x , y )=x y + xy

T : M 2 ( R ) R ;T ( A )=det ( A )
b)

c) T : M 3 ( R ) M 3 ( R ) ; T ( A ) =A t

T : P2 [ x ] P 3 [ x ] T ( p ( x ) )=xp ( x ) .
6. Considere la transformacin lineal tal que

a) Cules de los siguientes vectores pertenecen al ncleo de

T : p ( x ) =x 2 , q ( x )=0, r ( x )=1+ x .

b) Cules de los siguientes vectores pertenecen a la imagen de

T : p ( x ) =x+ x 2 , q ( x )=1+ x , r ( x )=3 x2 .

7. Sea
T :V W
transformacin lineal y { v1 , , v n } base de
V
. Si

T ( v i )=0 , i=1,2, ,n KerT =V .

, demuestre que

8. Sean
T ,S y R transformaciones lineales de R2 en R2 definidas por:

T ( x , y ) =( x , 2 y ) , S ( x , y )=( y , x+ y ) , R ( x , y )=( 0, x ) .

61
 Demostrar que
{ T , S , R } es un conjunto linealmente independiente de vectores

del espacio L ( R 2 , R2 ) .

9. Demostrar que la relacin ser isomorfo a es una relacin de equivalencia en

K
el conjunto de los espacios vectoriales sobre el cuerpo .

10. Sea c d{( )

W = a b M 2 ( R ) /a+5 c=0 . } Demostrar que
U es un subespacio de

M 2( R) R3 .
que es isomorfismo a

4.2 APLICACIONES LINEALES Y MATRICES

Sean
V yW espacios vectoriales sobre el cuerpo
K y denotemos por:

L ( V , W )= { T :V W /T es transf .lineal }

L(V , W ) con la suma y multiplicacin por escalar definidas por:

( T + S )( v )=T ( v )+ S ( v ) ; v V

( T ) ( v )=T ( v ) ; K , v V

K
resulta ser un espacio vectorial sobre . El vector cero de este espacio es la

T o :V W ;T o ( v ) =0W , v V .
transformacin lineal

62
 Queremos establecer que L ( R n , Rm ) M mxn ( R ) .

A=(aij ) M mxn ( R )
i. Sea y consideremos la aplicacin

T A : R n Rm definida por
T A ( X )= AX

Entonces:
n
X +Y =A ( X +Y )= AX + AY =T A ( X ) +T A ( Y ) ; X , Y R
TA

T A ( X )= A ( X )=AX= T A ( X ) ; X R n , es decir TA
es lineal; se llama

aplicacin lineal asociada a la matriz

A .

Ejemplo 9: Sea (
A= 2 1 1 0
1 3 0 4 ) la aplicacin lineal asociada a
A
es

4 2
TA:R R tal que:

()
x

(
T A (x , y , z , u)=
2 1 1 0 y
1 3 0 4 z
= ) (
2 x+ yz
3 y + 4 u )
u

( 2 x + yz , 4 u3 y )

n m
: M mxn (R) L(R , R ) ( A )=T A
ii. Consideremos definida por . Se puede

establecer que:
( A+ B )=T A +B =T A + T B= ( A )+ ( B ) ; A M mxn ( R)

( A )=T A = T A = ( A ) ; R , A M mxn (R)

es decir es lineal. Adems es inyectiva puesto que:

63
 Ker= { A M mxn ( R ) /T A =T o }= { 0mxn }

n m
iii. Para que
sea isomorfismo y por tanto L(R , R ) M mxn (R) , falta mostrar

R
( n , Rm ) , existe A M mxn ( R) T A =T
que es epiyectiva: Dada tal que .
T L

A
La matriz se determina as:

Sean {e 1 , , e n } , {e1 , , e m } las bases cannicas de

n
R yR
m
respectivamente.

Si
x R n , x=x 1 e1 ++ x n e n y T ( x )=x 1 T ( e 1) + + x n T ( e n ) . Pero

T ( e 1 )=a1 i e 1 ++a mi e m , i=1,2, , n

Luego:
T ( x )=x 1 ( a11 e 1+ +am 1 e m ) ++ x n ( a1 n e1 ++ amn e m )

( a11 x 1 ++a 1n x n ) e1 ++ ( am 1 x1 ++ amn xm ) em

( )
a11 x 1 ++a 1n x n

am 1 x 1 ++ amn x m

( )( )
a11 a1 n x 1

am 1 a mn x n

Ax

T A (x)

64
 A=(aij ) M mxn (R)
La matriz est nicamente determinada, se llama matriz

asociada a la transformacin lineal

T y se denota por
[T] .

Ejemplo 10: Sea T : R3 R 2 la aplicacin lineal definida por

T ( x , y , z )=(x2 y , x+ y +3 z )
. Entonces:

T ( 1,0,0 )= (1,1 ) =1 ( 1,0 )+1 ( 0,1 )

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

T ( 0,0,1 )= ( 0,3 )=0 ( 1,0 ) +3(0,1)

y por tanto (1
[ T ] = 1 2 0
1 3 )
n m n
Ejemplo 11: Sea T o : R R ;T o ( x )=0, x R . Entonces [ T o ]=0mxn . Sea

I : Rn R n ; I ( x )= x , x Rn . Entonces [ I ] =I n .

V yW
Estudiaremos ahora un caso ms general: Sean espacios vectoriales

reales de dimensin
n ym respectivamente y
T :V W aplicacin lineal. Sean

B={ v 1 v n } C={ w 1 wn } V yW
, bases ordenadas de respectivamente. Entonces

T : Rn R m podemos obtener una matriz A=( aij ) M mxn (R)

procediendo como para ;

65
 C
esta matriz depende de las bases ordenadas
B yC escogidas y se denota por [ T ]B .

C
La matriz [ T ] B M mxn (R) est caracterizada por : Si las coordenadas de v V con

respecto a la base
B son
[ v ] B =X=(x 1 , , x n) , entonces [ T ] CB X son las

coordenadas del vector

T ( v )W relativas a la base
C .

C
Cuando B=C , [ T ] B se denotar tambin por
[ T ]B .

'
T : P3 [ x ] P2 [ x ] T ( p ( x ) )= p ( x ) .
Ejemplo 12: Sea la aplicacin lineal

Determinemos [ T ] FE en donde E= { 1, x , x 2 , x 3 } es base de P3 [ x ] y F={ 1, x , x2 } es

P2 [ x ]
base de .

T ( 1 )=0=0 1+ 0 x +0 x 2

T ( x )=1=1 1+ 0 x +0 x 2

T ( x 2 )=2 x=0 1+ 2 x+ 0 x 2

T ( x 3 )=3 x 2=0 1+0 x +3 x 2

Luego:

( )
0 1 0 0
[ T ] FE= 0 0 2 0
0 0 0 3

66
 2 3
p ( x )=23 x+ x +2 x T ( p ( x ))
Observe que si , entonces se obtiene por:

)( ) ( )
2

(
0 1 0 0 3
3 =
0 0 2 0 2 =[ T ( p (x))] F
1
0 0 0 3 6
2

y T ( p ( x ) )=3+2 x +6 x 2 .

Ejemplo 13: Sea

V espacio vectorial real de dimensin finita. Entonces

B
B={ v 1 v n } V [ I v ]B=I n
cualquiera sea la base de se tiene que . En efecto,

I n ( v i )=v i=0 v 1 ++1 v n ; 1 i n

C
Si
C es otra base de
V , entonces [ I v ]B In (ejercicio propuesto 2)

S ,T :V W B V ,C
Sean aplicaciones lineales y sean base de base de

W . Entonces:

C C C
[ S+ T ]B = [ S ]B + [ T ] B

C C
[ T ] B = [ T ] B

R :W U D U
Si es una aplicacin lineal y es una base de , entonces:

D D C
[ R T ] B = [ R ]C + [ T ]B

67
 De esta ltima igualdad sigue que:

B ,C V n
a) Si son bases del espacio vectorial de dimensin ,

entonces:
C B C
[ I V ]B [ I V ]C =[ I V ]C =I n y

B C B
[ I V ]C [ I V ]B =[ I V ] B=I n ,

C C 1 B
es decir , [ I V ]B es invertible y ([ I ] )
V B =[ I V ]C .

T :V W B V yC
b) Si es una aplicacin lineal invertible, es base de

es base de
W , entonces:
B 1
[ T 1 ]C=( [ T ]CB )

Ejemplo 14: Sea T : R3 R 3 la aplicacin lineal dada por

( )
1 1 0
[ T ]B= 0 2 1 ,
1 0 1

en donde
B es la base cannica de R3 .

T det [ T ] B 0
La aplicacin es invertible puesto que (otra razn es que el

rango de
[ T ] B es 3); determinemos T 1 ( x , y , z) para ( x , y , z) R3 :

68
 ( )
1
2 1 1
1 1 =[ T ]B .
1
([ T ]B ) = 1
2 1 2

Luego, T 1 ( x , y , z ) =( 2 x + yz , x+ y z ,2 x y+ 2 z ) .

V n, E y F
Sea espacio vectorial de dimensin finita bases de

V y T :V V transformacin lineal. Entonces existe una matriz invertible

N M mxn ( R)
tal que :

[ T ] E=N 1 [ T ] F N

F
En efecto,
N=[ I V ] E satisface esta igualdad;
N se llama matriz de cambio

E yF
de base de .

Ejemplo 15: Sean T , S :R 3 R2 las aplicaciones lineales dada por

C
(1 4
B

0)
[ T ] E= 2 0 1 , [ S ] E= 0 (2 3 1 ,
1 1 )
3
E= { e1 , e 2 , e 3 } R ,C= { e1 , e2 }
en donde es la base cannica de es la base

cannica de R2 y
B={ ( 3,1 ) ,(1,2) } es base de R2 . Determinemos [ T + S ]CE y de

ah una expresin para

( T +S )( x , y , z ) , con ( x , y , z ) R3 .

69
 o Debemos utilizar una matriz de cambio de base de modo que obtengamos

C
[ S ]E :

C C
(1 12)(02
[ S ] E =[ I ]B [ S ] E= 3
B

1 1 )(
3 1= 2 8 4
4 5 1 )

o
C C C
(1
[ T + S ] E= [ T ] E + [ S ] E= 2 0 1 2
4 0 )( 4
8
5 )(
4=4 8 3
1 5 1 1 )
As,
( T + S )( x , y , z )=( 4 x +8 y +3 z ,5 x y + z ) ;( x , y , z) R3 .

EJERCICIOS 4.2

1. Encuentre la aplicacin lineal asociada a la matriz:

I3
a)

b) (a0 bb )
c) ( 40 1 0
2 1 )

( )
2 1 0
d) 0 1 0
0 0 1

2.-Sea I : R3 R 3 la aplicacin identidad. Muestre que para bases

B ,C
de

C
R3 distintas se tiene que [ I ]B I 3 .

C
3. Encontrar [ T ] B en las bases B y C dadas:

70
 3 4
a) T : R R ; T ( x , y , z ) =(x + y + z , 2 x2 y+ z , 3 y+ 4 z ,3 x )
3
B={ e1 , e2 , e3 } base canonicade R ,

C={ ( 1,1,0,0 ) , (1,0,0,1 ) , ( 0,1,1,1 ) ,(0,1,0,0) }

T : P1 [ x ] P2 [ x ] ; T ( p ( x ) ) = p ( x ) dx
b)

B={ 1x , 2 x1 } , C={ 1, x , x 2} .

4. Encontrar una base para el conjunto solucin del sistema homogneo:

x y + 3 z 0
2 x + 10 y 11 z 0
5 x + 7 y 2 z 0

Este conjunto solucin es el ncleo de una aplicacin lineal; encontrar una

frmula para dicha aplicacin y la matriz de ella respecto de las bases cannicas.

5. En
P2 [ x ]
considere las bases E= { 1, x , x 2 } y F={ x 2+ x +1, x 2x2, x2 + x1 }

Ea F FaE
Encuentre la matriz de cambio de base de y de .

6. Sea T L( R 3 , R3 ) la aplicacin dada por:

( )
C
1 2 1
[ T ] B = 1 3 3 ,
0 2 5

71
 B={ e1 , e2 , e3 } R3 y C R3 ,
donde es la base cannica de es la base de

C={ ( 1,1,1 ) 1 ( 1,1,0 ) ,(1,0,0) } . T ( x , y , z ),

Encontrar una expresin para con

(x , y , z) R3 .

7. Sea { v1 , v 2 } base de un espacio vectorial real

V
y sea
T L(V , V ) tal

T ( v 1) =3 v 12 v 2 T ( v 2 )=v1 + 4 v 2 {w 1 , w 2 } V
que y . Sea otra base de

w 1=v 1 + v2 w 2=2 v 1+ 3 v 2 T
tal que y . Encontrar la matriz de en la

base {w 1 , w 2 } .

4.3 VALORES Y VECTORES PROPIOS- DIAGONALIZACIN

V
En lo que sigue ser un espacio vectorial real de dimensin finita y

T :V V una transformacin lineal.

T v V
Un escalar es un valor propio de , entonces cualquier tal que

T ( v )= v se llama vector propio (o vector caracterstico o autovector) de

T

asociado al valor propio

.

T
Sea valor propio de y denotemos por:

72
 V = { v V /T ( v )=v }

V V ; se llama espacio propio de

resulta ser un subespacio vectorial de

T
asociado al valor propio .

Observe que:

V = { v V /T ( v )v=0 }= { v V / ( T I )( v )=0 } =Ker (T I )

i.

T V { 0 } .
ii. valor propio de
, T , V V = { 0 } .
iii. valores propios de

iv.

valor propio de
T v V , v 0:T ( v )v =0

v V , v 0 : ( T I ) ( v )=0

Ker (T I ) { 0 }

(T I ) no es vertible
det ( T I )=0

p ( )=det ( T I )
v. es un polinomio en la indeterminada de grado la

dimensin de
V , y los valores propios de T son las races (reales) de dicho

det ( T I ) T
polinomio. El polinomio se llama polinomio caracterstico de

.
vi.
det ( T I )=0 det ( I T )=0. La ecuacin
det ( T I )=0 se llama ecuacin

caracterstica de
T .

73
 2 2
Ejemplo 16: Sea T :R R la transformacin lineal cuya matriz asociada

es (
A= 0 3
3 0 ) .

T A
Entonces el polinomio caracterstico de ( o de ) es:

|
p ( )= 3 =2 +9
3 |
que no tiene races reales. Luego
T no tiene valores propios.

3 3
Ejemplo 17: Sea T :R R transformacin lineal

T ( x , y , z )=( x +5 yz ,x +7 yz , x+ y +3 z )
.

( )
1 5 1
T A= 1 7 1
La matriz asociada a es .
1 1 3

Para determinar los valores propios de

T , resolvemos det ( I A )=0 , es decir,

| |
1 5 1
1 7 1 = ( 2 ) ( 4 )( 5 )=0 .
1 1 3

Luego los valores propios de

T son
=2, =4 y =5 .

=2
Determinemos los vectores propios asociados al valor propio , esto es,

V =Ker ( T 2 I ) .
encontremos el espacio propio

74
 ( )( )( )
1 5 1 1 5 1 1 0 1
[ T 2 I ] = 1 5 1 0 1 0 0 1 0 .
1 1 1 0 0 0 0 0 0

Y entones,

V = {( x , y , z ) R3 / x + z=0 y =0 }

{( x , 0,x ) x R }

< {(1,0,1) } >.

Se dice que una base

B de
V diagonaliza a
T si la matriz
[ T ] B es una

B T
matriz diagonal. Cuando tal base existe, se dice que es diagonalizable.

A M n ( R)
Una matriz es diagonalizable si la transformacin lineal asociada a

A , T A : Rn R n lo es.

No siempre una transformacin lineal es diagonalizable. El siguiente teorema

caracteriza a las transformaciones lineales que lo son:

T B V
Teorema: es diagonalizable si y slo si existe base de formada

por vectores propios de

T .

3 2
T : R R T ( x , y ) =(3 y ,3 x )
Ejemplo 18: La aplicacin lineal definida por

(ejemplo 16)

T
No es diagonalizable puesto que no tiene valores propios.

75
 3 3
Ejemplo 19: Sea F:R R la aplicacin lineal dada por

( )
3
2 2
[ F ]= 1 2 2 .
1 1 0

| |
3 2 2
det ( I F )= 1 2 2 =(1)(2)2 F
Como , los valores propios de
1 1

=1 y =2
son .

El espacio propio de
F asociado a
=1 es:

( )
2 2 2
V =Ker ( FI ) =Ker 1 1 2 = { (1,1,0) } >
1 1 1

El espacio propio de
F asociado a
=2 es:

( )
1 2 2
V =Ker ( F2 I ) =Ker 1 0 2 = {(2,0,1) } >
1 1 2

Por lo tanto
F no es diagonalizable puesto que es imposible encontrar 3

F
vectores propios de que sean linealmente independientes.

3 3
Ejemplo 20: Sea T :R R la transformacin lineal

T ( x , y , z )=(9 x8 y + 4 z , 8 x +7 y4 z ,8 x8 y +3 z)

76
 T
Entonces la matriz asociada a es:

( )
9 8 4
A= 8 7 4
8 8 3

| |
+9 8 4
2
det ( I A )= 8 7 4 =( +1 ) ( 3 ) ;
y
8 8 3

Luego
T tiene dos valores propios
=1 y
=3 .

T =1
El espacio propio de asociado a es:

( )
8 8 4
V =Ker ( A + I )=Ker 8 8 4 = { (1,0,2 ) ,(0,1,2) } >
8 8 4

T =3
El espacio propio de asociado a es:

( )
12 8 4
V =Ker ( A3 I )=Ker 8 4 4 = { (1,1,1) }>
8 8 0

Sea
B={ ( 1,0,2 ) , ( 0,1,2 ) , ( 1,1,1 ) } ;
entonces
B
es una base de R3 formada

por vectores propios de

T . Luego T es diagonalizable; la matriz de
T con

respecto a esta base es:

( )
1 0 0
[ T ]B = 0 1 0
0 0 3

77
 A M n ( R) B
Finalmente, una matriz es diagonalizable si existe una base

de Rn tal que [ T A ]B es una matriz diagonal. Es decir, si existe una matriz

P M n (R)
invertible tal que
[ T A ]B = P
1
AP.

EJERCICIOS 4.3

1. Sea
V espacio vectorial real de dimensin
n . Encuentre el polinomio

IV T o.
caracterstico de y de

2. Demuestre que
=0 es valor propio de
T si y slo si
T es singular (no

invertible).

T 0
3. Sea no singular (invertible). Demuestre que si es valor propio de

T , entonces 1 es valor propio de T 1 .

4. Para cada un a de las siguientes matrices, determine los valores propios y una
base para cada espacio propio.

a) (
A= 1 2
2 2 )
b) (
B= 2 1
7 4 )

( )
1 1 0
C= 1 2 1
c)
0 1 1

78
 ( )
3 2 2
D= 1 4 1
d)
2 4 1

5. Determine cules de las siguientes transformaciones lineales

T son

B
diagonalizables. Para las que sean diagonalizables, muestre una base que

diagonalice a
T .

a) T : R2 R 2 ; T ( x , y ) =(4 x +5 y , 2 x3 y )
2 2
b) T : R R ; T ( x , y ) =(x +2 y ,x+ 4 y )

c) T : R3 R 3 ; T ( x , y , z )=(9 x + 4 y +4 z , 8 x+3 y + 4 z ,16 x+ 8 y+7 z )

6. Sea T L( R 3 , R3 ) tal que

=1 y
=8 son valores propios de
T y

cuyos respectivos espacios son

V = { ( 0,2,1 ) ,(1,2,0) } >

y
V = {(2,1,2) } >

Encontrar la expresin de
T (x , y , z ) , en donde ( x , y , z ) R3 .

79
 CAPITULO 5: NUMEROS COMPLEJOS, POLINOMIOS,
POLINOMIOS IRREDTUCTIBLES Y FRACCIONES PARCIALES.

5.1 NUMEROS COMPLEJOS

Definicin: Llamamos conjunto de los nmeros complejos y lo denotamos con

C (a , b)
la letra al conjunto de los pares de nmeros reales en el cual definimos las

siguientes operaciones:

Suma:
( a , b ) + ( c , d )=(a+c , b+d )

Multiplicacin:
( a , b ) ( c , d )=(acbd , ad +bc)

En el nmero complejo
(a , b) llamaremos a
a la parte real y a
b la parte

imaginaria. Note que la suma y producto de pares no est definida en R2 .

Dos propiedades que cumplen los pares de nmeros reales y que se mantienen
para los complejos son:

Igualdad:
( a , b ) =( c , d ) a=c b=d

( a , b )=( a, b) R
Multiplicacin por un escalar: donde .

Ejemplos. Dados (2,1) y (0,-3), hallar:

a)
( 2,1 ) + ( 0,3 )=( 2+0,1+ (3 ) )=(2,2)

b)
( 2,1 )( 0,3 )= ( 2 ( 0 )1 (3 ) +1 ( 0 ) ) =(3,6)

80
 c)
( 2,1 )( 0,3 )=2 (1,1 ) =( 3,6 )+ (2,2 )=(5,8)

Como los nmeros complejos son pares de nmeros reales podemos efectuar una

representacin de los mismos mediante el plano R2 (Grfica 1) En esta

x
representacin se le dice eje real (Re) al eje de las y eje imaginario (Im) al eje de las

y
.

( a , b)
Grfica 1: Representacin del nmero complejo .

Podemos considerar que los nmeros reales estn contenidos en los nmeros

2
complejos puesto que en el plano R el nmero complejo
(a , 0) coincide con el

a a=(a ,0) aR
nmero real . De este modo tenemos cuando . Los nmeros

complejos de la forma
(0, b) son llamados imaginarios puros.

R
Demostracin propiedad de la multiplicacin por un escalar :

81
 ( a , b )=( a , b)

( , 0)
Para eso escribimos el nmero real en la forma y aplicamos la

definicin de multiplicacin:

( a , b )=( , 0 ) ( a , b )=(a0 b , b +0 a)

(0,1) con la letra i

Denotaremos el nmero complejo y lo llamaremos

2
unidad imaginaria. Es fcil demostrar que i =1 .

2 2
i =(0,1) =( 0,1 ) ( 0,1 )=( 0 ( 0 )1 ( 1 ) , 0 ( 1 ) +1 ( 0 ) )=(1,0 )=1

2
Ahora estamos en condiciones de resolver la sencilla ecuacin x +1=0 .

2 2 2 2
x +1=0 x =1 x =i x=i

5.2 FORMA BINOMICA DE UN NMERO COMPLEJO

Sea
z=(a , b) un nmero complejo. Entonces podemos escribirlo en la forma:

z=( a , b ) =( a , b )= ( a , 0 ) + ( 0, b )=a (1,0 )+ b(0,1)

82
 Pero como
( 1,0 )=1 y ( 0,1 )=i y, entonces
( a , b ) =a+bi . En este caso a+bi se

llama forma binmica o binomia del nmero complejo.

5.3 SUMA Y MULTIPLICACIN DE NUMEROS COMPLEJOS EN LA FORMA

BINOMICA

( a+bi ) + ( c +di )= ( a+c ) + ( b+ d ) i , puesto que a , b , c ,d son todos nmeros reales.

( a+bi ) ( c +di )=ac +adi+bci+bd i2 =( acbd ) + ( ad +bc ) i porque

2
i =1

Ahora observe que los resultados son los mismos que las definiciones de suma y

producto dados al inicio; por lo que la realizacin de las operaciones de suma y

multiplicacin con nmeros complejos se puede realizar en la forma de pares o en la

forma binmica, con la ventaja a favor de la forma binmica que se trabaja con las

reglas del lgebra y no es necesario memorizar nada nuevo.

z 1=( 3,2 ) y z 2=( 4,1) z 1+ z 2 y z 1 z 2

Ejemplo: Si , halle .

z 1+ z 2=( 3,2 ) + ( 4,1 )=( 3+2 i )+ ( 4i )=7+i

2
z 1 z 2=( 3,2 ) ( 4,1 ) =( 3+2i ) ( 4i )=123i+8 i2 i =( 12+2 ) + (3+ 8 ) i=14+5 i

5.3 CONJUGADO DE UN NUMERO COMPLEJO

83
 z=x + yi
Si es un nmero complejo llamaremos conjugado del nmero z, al

z
z =x yi
nmero , es decir, al nmero complejo que tiene la misma parte real que

pero la parte imaginaria de signo opuesto.

Ejemplo: Si
z=3+2 i , entonces z =32i y si
z=32i , entonces
z=3+2 i .

5.4 POLINOMIOS

Sea P ( x )=a0 +a1 x+ a2 x 2 ++ an x2 . Definido como polinomio de grado n

donde

a0 + a1+ a2 ++ an RC
coeficientes numricos del polinomio en .

Es posible establecer una funcin:

n
f : R P(x) tal que ( a 0 , , an1 ) a0 +a1 x+ +a n1 x n1 .

f
Donde es transformacin lineal.

En el conjunto de los polinomios podemos definir las siguientes operaciones:

Adicin:

n n
Dados P ( x )=a0 +a1 x+ +a n x y Q ( x )=b0 +b 1 x ++b n x

Entonces
P ( x ) +Q ( x )=( a 0+ b0 ) + ( a1+ b1 ) x+ + ( an +b n ) xn tal que
P ( x ) +Q(x ) es

tambin polinomio.

84
 Si denominamos
( P )= grado del polinomio
P . Entonces si P( x) tiene

( P ( x ) )=n y Q( x) tiene
( Q ( x ) )=m m>n ( P ( x ) +Q ( x ) ) =m .

Propiedades:

P ( x ) , Q(x) P K ( x) P ( x ) +Q(x ) P K ( x)
i. Clausura: Si entonces .
P ( x ) , Q ( x ) , R ( x) P K (x)
ii. Asociativa: Si entonces

( P ( x ) +Q ( x ) )+ R ( x )=P ( x ) +( Q ( x ) +r ( x ) ) P ( x ) , Q ( x ) , R( x) P K (x ) .
P ( x ) , Q( x) P K (x)
iii. Conmutativa: Si entonces

P ( x ) +Q ( x )=Q ( x ) + p ( x ) P ( x ) , Q(x) P K ( x)
.

iv. 0 ( x )=0+ 0 x ++ 0 xn llamado polinomio nulo tal que

P ( x ) +0 ( x )=P ( x ) P(x) P K ( x )
.

v. Si P ( x )=a0 +a1 x+ +a n x n entonces P ( x )=a0a 1 x+ +an x n inverso

aditivo de
P( x) tal que
P ( x ) + (P ( x ) ) =(P ( x ) ) + P ( x ) =0 .

Multiplicacin:

P ( x ) y Q(x ) PK (x) P( x) Q ( x)
Si polinomios definidos en . Entonces se

denomina multiplicacin de polinomios donde P ( x ) Q ( x )=c 0 +c 1 x ++ c n x n (donde

c 0=a0 b 0 , c1=a0 b1 +a1 b0 .

)

Si
( P ( x ) )=n y ( Q ( x ) )=m . Entonces ( P ( x ) Q ( x ) ) =m+ n

85
Ejemplo:

P ( x )=5 x 3 +7 x 2+3 ( P ( x ) ) =3

Q ( x )=3 x 25 x1 ( Q ( x ) )=2

5 4 3 2
Entonces P ( x ) Q ( x )=15 x + 46 x +30 x +2 x + 15 x3 y ( P ( x ) Q ( x ) ) =5

Propiedades:

i. Clausura

P ( x ) , Q ( x ) PK (x) P(x) Q (x) PK ( x)

Dado entonces

ii. Asociativa

P ( x ) , Q ( x ) , R (x) P K (x)
Si entonces

( P ( x ) Q ( x ) ) R ( x )=P ( x ) ( Q ( x ) R ( x ) ) P ( x ) ,Q ( x ) , R( x ) P K (x)

iii. Conmutativa
P ( x ) Q ( x )=Q ( x ) P ( x ) P ( x ) , Q(x ) P K (x )

e ( x ) =1+ 0 x +0 x 2 ++0 x n P K (x )
iv. polinomio tal que

e ( x ) P ( x )=P ( x ) e ( x )=P( x) P( x) .
neutro multiplicativo de
Sea P( x ) 0(x ) P( x) P K (x ) P1 ( x)
v. y entonces tal que

P ( x ) P1 ( x )=1=P1 (x) P ( x) . (inverso multiplicativo de P

)

86
 1
Observacin: P ( x ) P ( x ) es finalmente la divisin de polinomio.

Divisin de polinomios:

n m

Sea
P ( x )= ai x i
y
Q ( x )= bi x i dos polinomios de grado
n ym
i=0 i=0

PK [ x ]
respectivamente definidos en . Entonces

P (x)
P ( x ) :Q ( x )= =S ( x ) ( p ( x ) ) > (Q ( x ) )
Q(x ) si y slo

P(x)
=S ( x ) P ( x ) =Q( x) S (x)
Si Q( x) (si la divisin es exacta)

1
P ( x )=S ( x ) Q ( x )+ R ( x) R( x)
Q( x) , es el resto si la divisin no es exacta.

P (x ) R(x)
=S ( x ) +
O de otra forma : Q (x) Q( x )

Ejemplo: (Mtodo tradicional)

3 x5 2 x 3 +6 x 24 : x1=3 x 4 +3 x 3+ x2 +6 x +6

(3 x5 3 x 4)

3 x 42 x 3+5 x 24

4 3
(3 x 3 x )

87
 3 2
x +5 x 4

( x 3x 2)

6 x 24

(6 x 26 x)

6 x4

(6 x6)

3 x5 2 x 3 +6 x 24 2
R ( x ) =resto=2 =3 x 4 +3 x 3+ x2 +6 x +6+
x 1 x1

Mtodo de divisin sinttica

Observacin: Podemos usar este mtodo si el divisor es de grado

1 .

Continuando con el ejemplo anterior.

5 3 2
3 x 2 x +6 x 4 : x1

3 0 2 5 0 4 1

3 3 1 6 6

3 3 1 6 6 2

88
 resto

S ( x ) =3 x 4 + 3 x 3 + x 2+ 6 x+6

Propiedades:

Pn ( x )=0 n>1
i. Toda ecuacin polinomial con . Tiene por lo menos una

raz.
Pn ( x ) x
Definicin: Se denomina raz de un polinomio a todo para

Pn ( x )=0
el cual .

ii. Teorema del resto: Si un polinomio cualquiera se divide por

(xb) se

tiene
R=P ( b ) , R se denomina resto.

Ejemplo: Sean P ( x )=x 2 +7 x +12 , entonces

x=3 x=4
on races

del polinomio ya que

P (3 ) =0 , P (4 )=0 . Adems si
P (2 )=30 30 el

x 2 +7 x+ 12
resto de x2 .

En efecto
1 7 12 2

2 18

1 9 30

x 2+7 x +12 30
=x +9+
x2 x2

89
 m Pn ( x )=0
iii. Teorema del factor: Si es una raz de un polinomio y tal que

(xm) es factor del polinomio Pn ( x )

.

Ejemplo: Si Pn ( x )=x 2 +7 x +12 y

x=3
es raz.

(x +3) Pn ( x ) ( x +3 ) ( x+ 4 )= x 2+7 x +12 .

es factor de

n n
iv. Toda ecuacin polinomial de grado tiene races.

Ejemplo: P5 ( x )=x 5 + x 4 + x 3 + x 2+ x +1 tiene 5 races.

(a+ bi) Pn ( x )=0 (abi) , su conjugado,

v. Si es raz de entonces

Pn ( x ) .
tambin es raz de

vi. Si Pn ( x )=an xn + +a1 x+a0 tiene por coeficiente nmeros enteros y

p
m= Pn ( x )=0 p
q es una raz racional de entonces es un factor de

a0 y q an .
es factor de

Ejemplo: Si P ( x )=3 x 2 +2 x1 . Entonces las posibles races del

polinomio son : { 11 , 13 } .

EJERICICIOS 5.4

1. Hallar la relacin entre

a yb
para que P ( x )=2 x 4 7 x3 + ax+b sea divisible

por
( x3 ) .

90
 4 3
2. Determine
c yd tal que P ( x )=x + 2 x +cx +d admita como raz a
1i .

3 2
x + a x +bx +a=0 a,bR x 1=2+i
3. En la ecuacin con . es raz. Obtener

a yb .

5.5 POLINOMIOS IRREDUCTIBLES Y FRACCIONES PARCIALES

Pn ( x)
m>n
Definicin: Sea la fraccin racional tal que Q m ( x) con , entonces no es

posible el algoritmo de la divisin.

La expresin racional se puede expresar como una suma de fracciones parciales.

Se tienen entonces 4 casos:

Caso I: El polinomio del denominador contiene factores de 1 grado y no se

repiten.

Ejemplo:

5 x1 A B
= +
( x +1 ) ( x2 ) ( x +1 ) ( x2 )

A ( x2 ) + B( x +1)

( x+1 ) ( x2 )

5 x1= Ax2 A +Bx + B

5 x1=x ( A+ B )2 A +B

91
 A + B=5

2 A+ B=1

3 A=6 B=3

5 x1 2 3
= +
(x +1)( x2) ( x+1) ( x2)

Caso II: El polinomio del denominador contiene factores de 1 grado y alguno

de ellos se repite.

As se tiene

P( x) A1 A2 An B1 B2 Bm
n m
= n
+ n1
+ + + m
+ m 1
++
( xx1 ) ( xx2 ) (xx 1) (xx 1) ( xx 1 ) ( xx 2 ) ( xx 2 ) (xx 2 )

Ejemplo:

2 x 3 A B C
= + +
x ( x+1 ) 2
x ( x +1 ) ( x+1 )
2

2
2 x 3 A ( x+1 ) + Bx+ x ( x+1 ) C
=
x ( x+1 )2 x ( x +1 )2

2 x 3= A ( x 2 +2 x +1 ) + Bx+ x 2 + xC

2 x 3= A x 2+ 2 Ax+ A+ Bx + x 2 C+ xC

2
x ( A+C )+ x ( 2 A +B +C ) + A

92
 ( A +C )=0+2 A+ B+C=2

A=3 B=5 C=3

2 x3 3 5 3
= + +
x(x +1)
2
x ( x+1) x+ 1
2

Caso III: El polinomio del denominador contiene factores de 2 grado y no se

repiten.

P(x ) Ax+ B Cx+ D

= 2 + 2
As se tiene 2 2
(a x + bx+C )(d x +ex + f ) a x + bx+ c d x +ex + f

Ejemplo:

3 x2 4 x +5 A Bx+C
2
= + 2
( x1)(x +1) ( x1) (x +1)

A ( x 2 +1 ) + Bx+C (x1)
2
(x1)( x + 1)

2 2 2
3 x 4 x +5=A x + A+ B x Bx +CxC

( A + B ) x 2 + x ( CB ) +( AC)

A=2, B=1, C=3

2
3 x 4 x+ 5 2 ( x3)
2
= + 2
(x 1)( x +1) ( x1) x +1

93

Caso IV: El polinomio del denominador contiene factores de 2 grado y

algunos se repiten.

P(x ) A 1 x +B 1 A 2 x + B2 A x+ B n
= + + + 2n
Es decir: 2 n 2 n 2
(a x + bx+ c) (a x +bx +c) (a x + bx+ c) n1
a x +bx +c

Ejemplo:

1 A B Cx + D Ex+ F
= 2+ + 2 + 2
x (x + 2) x x (x + 2) x +2
2 2 2 2

CAPITULO 6: ESTRUCTURAS ALGEBRAICAS

6.1 LEY DE COMPOSICION EXTERNA A UN CONJUNTO

K , ,
Dado un conjunto cuyos elementos se denotan por los smbolos

etc y un conjunto
A cuyos elementos se desigan por los smbolos
a , b , c , , etc .

A
Se dice que se ha definido una ley de composicin externa en el conjunto si

( ,a) K A es decir, corresponde un solo elemento

A A .

Es decir:

K A A

( , a) a

94
 Ejemplo:

A=M 2 2( R) R A=B B M 2 2 (R)

Si y entonces donde . Es decir :

R M 2 2 M 2 2 ( R)

A B

6.2 OPERACIN BINARIA O LEY DE COMPOSICION INTERNA

Sea
C un conjunto no vaco y se denomina operacin binaria si:

C C C

( C 1 , C2 ) C1C2

Es decir; combina 2 elementos de

C para obtener un nuevo elemento de
C .

Ejemplo:

+:Z Z Z

( a , b ) a+b

+
+ R
+ R
: R

+
( a , b ) a b R

95

R
R

: R

(no es operacinbinaria)
( a , b ) a b R

+
+ Z
+ Z

Z

tal que

ab= {
min ( a ,b ) si a b
a si a=b

+
ab Z

operacinbinaria

G G G G
Definicin: Sea un conjunto no vaco y una operacin

G ,
binaria, entonces diremos que posee estructura de grupo o es un grupo si

satisface en
G lo siguiente:

g1( g 2g3 )=( g 1g2 )g 3

i.
e G g G ge=g=eg G
ii. tal que (neutro de )

96
iii. g G g ' G tal que gg ' =g 'g=e . g' inverso de
g
.

Usualmente denotamos g' =g1

G ,
Entonces es grupo

Ejemplo:

R ,+
es grupo

N ,+
no es grupo

Z ,+
es grupo

( Z , ) no es grupo

Proposicin 1

G ,
Sea grupo entonces

ac=bc a=b a , b , c G
i.

ii. (a' )' =a a G

iii. (ab)' =b' a' a , b G

Demostracin

i.
ac=bc a=b

ac=bc /c ' G

97
 a+ ( cc ' )=b(cc' )

a=b

ii. Sabemos que

' '
( aa' )( a' ) =a( a'( a' ) )
'
e( a' ) =a( e )

(a' )' =a

Proposicin 2

G , a , b G ax=b
Sea grupo y sean entonces la ecuacin tiene

G
solucin nica en

Demostracin

'
ax=b a

( a' a )x=(a'b)

'
ex=a b

x=a' b

Como tenemos un solo resultado decimos que es nico.

G , G ,
Definicin: Sea grupo. Entonces se dice que es grupo abeliano

si:

ab=ba a , b G(conmutatividad )

98
 Ejemplo:

(R ,) es grupo

(Z , ) no es grupo

Z ,+
es grupo abeliano

( C , ) es grupo abeliano

(M n m (K ),)
no es grupo

EJERCICIOS 6.2

A=Z A , ab=a+b+ ab
1. Sea analizar es grupo si

G , S G S ,
Definicin: Sea un grupo si es tal que tiene estructura

S , G ,
de grupo, entonces se llama un subgrupo de .

Proposicin:

G ,
Sea un grupo
S G
.Entonces S G ab' G a , b S

Ejemplo:

99
 G=Z S={ Z n n Z } S G (S ,T )
Sea , es subgrupo de con

Sea
a,bS
a=Z n 1
}
n ,n , zZ
b=Z n 2 1 2

'
Luego b =Z n2 (inverso de b)

'
ab =Z n 1Z n 2

Z ( n1n2 ) Z

Es subgrupo.

G , 0
Definicin: Sea un grupo abeliano y sea otra operacin binaria

G (G ,, 0)
definida en . Se dice que tiene estructura de anillo si

i.
0 es asociativa en
G . Es decir a , b , c G a o ( boc )= ( aob ) oc

ii.
0 es distributiva respecto a . Es decir
ao ( bc )=aobaoc

( ab ) oc=aocboc

Ejemplo:

(Z ,+, ) es anillo

(Q ,+, ) es anillo

100
 (P[ x ] ,+ ,)
es anillo

(C ,+ ,) es anillo

(M n m (R) ,+, )
es anillo

Propiedades:

Sea
(G ,, 0) anillo con neutros aditivos y multiplicativos denotados por 0 y 1

respectivamente, entonces:

i. El inverso es nico ! a1 tal que a o a1=1

1
ii. a G a 0 ( a' ) =a

a G , a0=0
iii.

iv.
a , b G (a ) b=( ab )

v.
a , b G (a )(b ) =ab

Divisores de cero:

( A ,+, ) a A , a 0.
Sea un anillo cualquiera con neutro aditivo 0 y sea

b A,b0 ab=0 b
Si existe tal que entonces, se llama divisor de cero a la

derecha de
a ( y ser divisor de cero a la izquierda de
a si
ba=0 )

(R ,+, ) no tiene divisores de cero

(M n m ,+, )
si tiene divisores de cero

Ejemplo:

101
 (Z 3 ,+, ) Z 3= { 0 ,1 , 2 }
Sea tal que

0 1 2
0 0 0 0
1 0 1 2 Posee elemento neutro y es conmutativo.
2 0 2 1

+ 0 1 2
2 1 1 2 0 2 2 0 1 (+) es operacin binaria
0 0 1

(Z 3 ,+, )
es anillo

Proposicin: En un anillo
( A ,+, ) la ley de cancelacin o simplificacin para la

operacin 0 es vlida para todos los elementos no nulos si y slo si, no tiene divisores
de cero, es decir, su producto es no nulo.

Demostracin:

Sean
a,b A0

'
Supongamos
ab=0 y sea a A

Entonces

a' b=a' b +ab

1
a' b=b ( a' +a )
b

a' =(a' +a)

102
 0=a a 0 ab=0
(contradiccin) ya que

Definicin: Un anillo
( A ,+, ) en que la operacin es conmutativa y adems

posee elemento neutro para la operacin se llama anillo conmutativo con unidad.

Definicin: Un anillo conmutativo en el que es vlida la ley de cancelacin se

denomina anillo de integridad.

A , 0
Definicin: Sea un conjunto con a lo menos dos operadores

entonces
( A ,, 0) es cuerpo si :

A ,
i. es grupo abeliano

( A { e } , 0) e
ii. es grupo , = neutro de

iii.
0 es distributivo respecto a

Si
0 es conmutativo se dice que
( A ,, 0) es cuerpo conmutativo.

Ejemplo:

(R ,+, ) es cuerpo conmutativo

(C ,+ ,) es cuerpo conmutativo

Proposicin: Sea
( A ,+, ) un cuerpo entonces .Es neutro aditivo y 1 neutro

conmutativo, es as que:

a 0=0 a=0 a A
i. .

103
 ii.
(a ) (b )=ab a , b A .

iii.
(a ) b=a (b ) =( ab ) a , b A .

a 0 b 0 ab 0 a ,b A
iv. .

v.
ab=ac b=c a , b A .

Demostracin i)

a 0=0 a , b A
Por demostrar

a 0=a ( 0+0 )

a 0=a0+ a 0 +(a 0)

a 0+a 0=a0+ ( a 0+ (a 0 ) )

0=a 0+0

0=a 0

104
APNDICE: RESPUESTAS A LOS EJERCICIOS PROPUESTOS.

EJERCICIOS 1.1

()
4
1. ( 1 1 0 3 ) , 3
2

()
13
A= 0 2
2.
11

( )
0 3 4
B= 3 0 5 , tr ( B )=0
3.
4 5 0

a=4 ,b=3, c R cualquiera

4. .
A=( aij ) antisimtrica aii =a ii aii =0.
5.

105
EJERCICIOS 1.2

( ) ( ) ( )
0 2 4 11 5 20
t
2 B= 6 4 8 A +3 C = 2 18 A ( 4 CD )= 88
1.
2 0 6 16 2 180

2.
a)
x=1, y=2, z=3,u=0, w=5,t =4

x=3, y=8, z=5

b)
3.
a) A= ( 3 1 )

b)
A= (21 12 )
4. A 2 +2 AB+ B2 ( A+ B )2 , ( A +B )( AB ) A2B2

5.
( AB)2,1 y (BA)2,1
a) No existe. Basta notar que las entradas son distintas para

todo
tR.

b) Efectuando los productos

( )( )(
AB= 1 t 1 18 = 6 t+1 7 t +18
2 3 6 7 20 57 )
( )( ) (
BA= 1 18 1 t = 37 t +54
6 7 2 3 20 6 t+21 )
AB =BA
Se sigue que la ecuacin matricial equivale a:

{
6 t+1=37,
7 t +18=t+54,
6 t+21=57,

6 t=36

A yB t=6.
As pues, el producto de es conmutativo si y slo si

EJERCICIOS 1.3

106
1.
det=69
a)

b)
det=5

det=14
c)

d)
det=24

2.
a) det=3 xx 2

b) det=( x +2 )2 (x+ 4)

c)
det=(ba)(ca)(cb)

3.

a) ( )
adj ( A )= 3 1 , A adj ( A ) = 2 0 ,det ( A )=2,
4 2 0 2 ( )
A1= (
1 3 1
2 4 2 )

( )
2 2 2
adj ( A )= 3 7 9 , A adj ( A )=4 I 3 , det ( A )=4,
b)
4 8 12

A1=
4(
1 2 2 2
3 7 9
4 8 12
)
4.

( )
0 1 1
1
A = 1 1 0
a)
1 0 0

b)
A1=
9 (
1 4 1 3
10 7 6
11 5 3 )
( )
20 0 10 12
1 1 8 0 2 4
A =
c) 4 6 2 3 4
8 0 4 4

107
 1
5. det ( A )=1, a R; A =A .

EJERCICIO 2.2

x 1+ x 2 +3 x3 =0

2 x 1 +4 x2 +8 x 32 x 4=0

4 x 1 ++6 x 2+14 x3 2 x 4 =0

La matriz del sistema es

( )( )( )
1 1 3 0 1 1 3 0 1 0 2 1
A= 2 4 8 2 0 2 2 2 0 1 1 1 =B .
4 6 14 2 0 2 2 2 0 0 0 0

AX =0 BX =0
Y las soluciones de las buscamos en , esto es, en

x 1+2 x 3+ x 4=0

x 2+ x 3x 4 =0

x 3= x 4= , R ; x 1=2 x 2=+ .
Sea , con entonces y Y las

soluciones del sistema se expresan:

(2,1,1,0 ) + (1,1,0,1 ) ; con , R .

EJERCICIO 2.3 : Desarrollar el siguiente sistema

x 1+ x 2x 3=7

108
 4 x 1x 2 +6 x 3=3

6 x 1+ x 2 +4 x3 =22

En este caso la matriz ampliada es:

( )( )( )
1 1 1 7 1 1 1 7 1 0 1 2
( A ; B )= 4 1 6 3 0 5 10 25 0 1 2 5
6 1 4 22 0 5 10 20 0 0 0 5

Se observa que
( A )=2 y ( A ; B ) =3 ; luego el sistema es incompatible.

EJERCICIO 2.4 :

1.

( )
1 2 3
A= 2 1 5
3 4 1

f 2+ f 1 (2 )

f 3 + f 1 (3 )

( )
1 2 3
0 5 1
0 10 8

f 3 + f 2 (2 )

( )
1 2 3
0 5 1
0 0 6

( A )=3

2. Resolver el sistema de ecuaciones indicando rango

109
 x y + z 7
x + y z 1
x + y + z 3

( )( ) ( )
1 1 1 x 7
1 1 1 y = 1
1 1 1 z 3

A X=B

Matriz ampliada denotada como:

( )
1 1 1 7
1 1 1 1
1 1 1 3

f 2+ f 1 (1 )

f 3 + f 1 (1)

( )
1 1 1 7
0 2 2 6
0 0 2 10

( A /B)=3

( A )=3

(A /B)=( A)sist . compatible

x, y ,z
As los valores que toma son:

110
 2 z =10

z=5

2 y2 z =6

2 y10=6

2 y=4

y=2

x2+5=7

x=4

( x , y , z ) =(4,2,5)

3. Determine el valor de
para que el sistema tenga solucin nica o no tenga

solucin o tenga infinitas soluciones.

x y +z 1
2 x 3 y z 4
x y + z 0

A X=B

111
 ( )( ) ( )
1 1 1 x 1
2 3 1 y = 4
1 1 z 0

( A/ B)

( )
1 1 1 1
2 3 1 4
1 1 0

f 2+ f 1 (2 )

f 3 + f 1 (1 )

( )
1 1 1 1
0 1 3 2
0 0 1 1

1=0 ( A /B)=3 ( A)=2 ; ( A /B) ( A)

Si ,

As
( A /B) ( A)

Si
=1 , Sistema incompatible, no tiene solucin.

0 ( A /B)=3, ( A)=3 ; ( A /B)= ( A )

Si ,
Lo que implica que el sistema tiene solucin nica.

EJERCICIOS 2.5

1.
a)
S=(2,1,3)

112
 b)
S=(8,2,4 )

c)
S= ( 12 , 12 ,2)
2.
a)
z=2

z=4
b)
3.
a)
k R{ 2,3 }

b)
k R{ 3,3 }

c)
k R 0, { 12 }

EJERCICIOS 3.1

0v =0v , R V R
1. Demuestre que . En un espacio vectorial sobre .

Solucin:

0= ( 0+0 )= 0+ 0 0=0.

2. R2 con las operaciones suma y producto por escalar que se definen a

R
continuacin no es un espacio vectorial sobre . Indique los axiomas que no se

cumplen.

a)
( x , y ) + ( a , b ) =( x+ a , 0 ) ; ( x , y )=( x , y )

b)
( x , y ) + ( a , b ) =( x+ a , y + b ) ; ( x , y )=(x , y)

Solucin:

113
 a) La suma no posee elemento neutro.
b) No satisface
( + ) v =v+ v

M n( R) .
3. Determine si los siguientes conjuntos so o no subespacios vectoriales de

a) W = {( x , y , z ) R3 / x y +2 z=0 }

b) W = {( x , y , z ) R3 / x y =0 z=1 }

c) W = {( a , b , c ) R 3 /a b c }

d) W = {( a , b , c ) R 3 /a Q }

e) W = {( x , y , z ) R3 / x +2 y+ z=0 x y2 z=0 }

Solucin:

a) Si
b) No
c) No
d) No
e) Si

P2 [ x ] .
4. Determine si los siguientes conjuntos son o no subespacios vectoriales de

a) W = {a+ bx+ c x 2 P 2 [ x ] /a=b=c }

b) W = {a+ bx+ c x 2 P 2 [ x ] /a+ b+c=1 }

c) W = {a+ bx+ c x 2 P 2 [ x ] /a+ 2b +c=0 ab2 c=0 }

W = { p(x) P2 [ x ] / p(0)=1 }
d)

Solucin:

a) Si

114
b) No
c) Si
d) No

v vi
5. En cada caso, escriba el vector como combinacin lineal de los vectores .

1
a) ( )
v =( 8,4,2 ) ; v 1= 1, ,2 , v 2=( 2,1,5 ) .
2

b) v =x2 x ; v1 =x2 x+2 , v 2=2 x 23 x1, v 3=x +3 .

c) ( ) ( ) (
v = 2 1 ; v 1 1 0 , v 2 1 1 , v 3= 1 0
1 2 1 1 1 0 1 0 ) ( )
Solucin:

v =4 v 1 v2
a) +2
v =v 1+ v 2 +v 3
b)
v =2 v 1+ v 2v 3
c)

S
6. Determine el subespacio generado por si:

a) S= { (1,0,0,1 ) , ( 0,1,1,0 ) } R 4 .

b) S= { 2, x1,2 x 2+ 4 } P2 [ x ] .

c) {( ) ( ) ( )}
S= 1 0 , 0 1 , 0 0 M 2 ( R ) .
0 0 1 0 0 1

Solucin:

a) S > {( x , y , z , w ) R4 / x +w=0 y + z=0 } .

115
 S > P2 [ x ] .
b)

c) {( )
S > a b M 2 ( R ) /b+ c=0 .
c d }

7. Para que valor(es) de

k R el conjunto
S es l.i. si :

a) S= { (1+ k ,1k ) , ( 1k , 1+k ) } R2 .

3
b) S= { (1, k , 0 ) , (1,2,1 ) ,(2,1, k) } R .

Solucin:

a)
k R{ 0 }

b) k R{2+ 3 ,2 3 }

U W
8. Encuentre una base y determine la dimensin de los subespacios y

U +W P2 [ x ]
de si :

U= {1x , 1+2 x2 } > y W = { x , x +2 x 2 } >

Solucin:

B={ x +2 x2 } es una base de

U W ; dim ( U W )=1.

C={ x ,1x , 1+ 2 x 2 } es una base de

U +W ; dim ( U +W ) =3.

116
 9. Sean
W = { ( 1,0,2 ) ,(1,1,1) } > y U= {( x , y , z ) R3 / x + yz=0 } subespacios

3 3
de R . Es R =W U ? .

Solucin:

No,
W U= { (2,3,1 ) } >

EJERCICIOS 4.1

1. Determine si las siguientes transformaciones son o no lineales. Justificas la que no

son.

a)
T : R R ; T ( x )=|x|

b) T : R2 R 2 ; T ( x , y ) =( 2 x y , x )
3 2
c) T : R R ; T ( x , y , z )=( y , z x+3 )

d) T : R4 R3 ; T ( v )=v

Solucin:

Solo son lineales b) y d)

a)
T ( x + y )=|x + y||x|+| y|

c)
T ( 0,0,0 ) =( 0,3 ) ( 0,0 )

M 2( R) R
2. Determine si las siguientes aplicaciones de en son o no son lineales

a) ( )
T a b =a+d
c d

117
 b) ( )
T a b =adbc
c d

c) ( )
T a b =a2 +b2
c d

d) ( )
T a b =2 a+3 bd
c d

Solucin:

Solo son lineales a) y d)

B M n( R) T: M n (R) M n ( R) T ( A ) =AB .
3. Sea y definida por Demostrar

que
T es una transformacin lineal.

Solucin:

T ( A+ M )=( A+ M ) B= AB+ MB=T ( A ) +T ( M ) .

T ( A ) =( A ) B= ( AB )=T ( A ) .

4. Sea T : R2 R 2 aplicacin lineal tal que

T ( 1,2 )=(1,5 ) y T (1,3 )=( 2,4 ) .

Calcular
T ( 1,0 ) , T (0,1) y encontrar una expresin para
T (a , b) , con (a , b) R2 .

Solucin:

T ( 1,0 )= (1,23 ) , T ( 0,1 ) =(1,9 ) , T ( a , b )=(ab , 23 a9 b)

118
 5. Decida si las siguientes funciones son o no aplicaciones lineales. Para las que sean
lineales, determinar ncleo e imagen.

2
d) T : R R ; T ( x , y )=x y + xy

T : M 2 ( R ) R ;T ( A )=det ( A )
e)
t
f) T : M 3 ( R ) M 3 ( R ) ; T ( A ) =A

Solucin:

a) Slo es lineal
KerT ={ A M 3 ( R ) / A t =0 }={ 0 }

ImT= {T ( A) A M 3 ( R ) }={ At } / A M 3 ( R )=M 3 ( R )

T : P2 [ x ] P 3 [ x ] T ( p ( x ) )=xp ( x ) .
6. Considere la transformacin lineal tal que

c) Cules de los siguientes vectores pertenecen al ncleo de

T : p ( x ) =x 2 , q ( x )=0, r ( x )=1+ x .

d) Cuales de los siguientes vectores pertenecen a la imagen de

T : p ( x ) =x+ x 2 , q ( x )=1+ x , r ( x )=3 x2 .

Solucin:

a)
q ( x ) ,T ( q ( x ) )=xq ( x )=x 0=0

b) p ( x ) , p ( x )=x + x 2=x ( 1+ x )=T ( 1+ x ) .

7. Sea
T :V W
transformacin lineal y { v1 , , v n } base de
V
. Si

T ( v i )=0 , i=1,2, ,n KerT =V .

, demuestre que

119
 Solucin:

v V v= 1 v 1+ + n v n , i K . ( nicos )

T ( v )= 1 T ( v 1 ) ++ n T ( v n) =0

v KerT .

8. Sean
T ,S y R transformaciones lineales de R2 en R2 definidas por:

T ( x , y ) =( x , 2 y ) , S ( x , y )=( y , x+ y ) , R ( x , y )=( 0, x ) .

Demostrar que
{ T , S , R } es un conjunto linealmente independiente de vectores del

espacio L ( R 2 , R2 ) .

Solucin:

aT + bS+ cR=0 a ( x , 2 y )+ b ( y , x + y ) +c ( 0, x )=( 0,0 ) ; x , y R

( ax +by , ( b+c ) x+ ( 2a+ b ) y )=( 0,0 ) ; x , y R

(a=0 b=0 c=0)

9. Demostrar que la relacin ser isomorfo a es una relacin de equivalencia en el

conjunto de los espacios vectoriales sobre el cuerpo

K .

Solucin:

1
I v :V W isomorf . T :W V isomorf .

120
 ( T :V W S :W U isomorf . ) S T :V U isomorf .

10. Sea c d{( )

W = a b M 2 ( R ) /a+5 c=0 . } Demostrar que
U es un subespacio de

M 2( R) R3 .
que es isomorfismo a

Solucin:

{( ) } {(
W = a b M 2 ( R ) /a+5 c=0 = 5 c b /b , c , d R
c d c d ) }
3
T : R W definida por (
T ( a , b , c )= 5 a b
a c ) es lineal y biyectiva.

EJERCICIOS 4.2

1. Encuentre la aplicacin lineal asociada a la matriz:

I3
a)

b) (a0 bb )
c) ( 40 1 0
2 1 )

( )
2 1 0
d) 0 1 0
0 0 1

Solucin:

a) T : R3 R 3 ; T ( x , y , z )=(x , y , z )

121
 2 2
b) T : R R ; T ( x , y ) =( ax+by ,by)

c) T : R3 R 2 ; T ( x , y , z )=(4 x + y , z 2 y )
3 3
d) T : R R ; T ( x , y , z )=(2 x + y , y , z)

3 3 3
2. Sea I :R R la aplicacin identidad. Muestre que para bases
B ,C de R

distintas se tiene que [ I ] CB I 3 .

Solucin:

B={ ( 1,2 ) ,(3,4) } ; C={ ( 1,0 ) ,(0,1)} ; [ I ] B = 1 3

C

2 4 ( ) .

3. Encontrar [ T ] CB en las bases B y C dadas:

a) T : R3 R 4 ; T ( x , y , z ) =(x + y + z , 2 x2 y+ z , 3 y+ 4 z ,3 x )
3
B={ e1 , e2 , e3 } base canonicade R ,

C={ ( 1,1,0,0 ) , (1,0,0,1 ) , ( 0,1,1,1 ) ,(0,1,0,0) }

T : P1 [ x ] P2 [ x ] ; T ( p ( x ) ) = p ( x ) dx
b)

B={ 1x , 2 x1 } , C={ 1, x , x 2} .

Solucin:

( )
4 4 5
[ T ] = 3 3 4
C
a) B
0 3 4
2 9 8

122
 ( )
0 0
[ T ] = 1 1
C
B
b) 1
1
2

4. Encontrar una base para el conjunto solucin del sistema homogneo:

x y + 3 z 0
2 x + 10 y 11 z 0
5 x + 7 y 2 z 0

Este conjunto solucin es el ncleo de una aplicacin lineal; encontrar una

frmula para dicha aplicacin y la matriz de ella respecto de las bases cannicas.

Solucin:

B={ (19,17,12 ) } ;

3 3
T : R R ; T ( x , y , z )=(x y +3 z , 2 x +10 y11 z , 5 x +7 y2 z)

( )
1 1 3
[ T ] = 2 10 11
5 7 2

P2 [ x ] E= { 1, x , x 2 } F={ x 2+ x +1, x 2x2, x2 + x1 }

5. En considere las bases y

Encuentre la matriz de cambio de base de

Ea F y de
FaE .

Solucin:

123
 1 3

( )
1
2 4 4

( )
1 2 1
F 1 1 E
[ I ] E= 0 , [ I ] F = 1 1 1
2 2
1 1 1
1 3 1
2 4 4

6. Sea T L( R 3 , R3 ) la aplicacin dada por:

( )
C
1 2 1
[ T ] B = 1 3 3 ,
0 2 5

B={ e1 , e2 , e3 } R yC
3
R
3
donde es la base cannica de es la base de ,

C={ ( 1,1,1 ) 1 ( 1,1,0 ) ,(1,0,0) } . T ( x , y , z ),

Encontrar una expresin para con

3
(x , y , z) R .

Solucin:

T ( x , y , z )=( y+ 3 z , y2 z , x2 y+ z ) .

7. Sea { v1 , v 2 } base de un espacio vectorial real

V
y sea
T L(V , V ) tal que

T ( v 1) =3 v 12 v 2 T ( v 2 )=v1 + 4 v 2 {w 1 , w 2 } V
y . Sea otra base de tal que

w 1=v 1 + v2
y
w 2=2 v 1+ 3 v 2
. Encontrar la matriz de
T
en la base {w 1 , w 2 } .

Solucin:

124
 (3 315 )
[ T ] = 10

EJERCICIOS 4.3

V n
1. Sea espacio vectorial real de dimensin . Encuentre el polinomio

IV T o.
caracterstico de y de

Solucin:

p ( )=(1)n ; q ( )=()n .

2. Demuestre que
=0 es valor propio de
T si y slo si
T es singular (no

invertible).

Solucin:

=0 valor propio de
T v V , v 0 :T ( v )=0

v V , v 0 :v KerT

KerT { 0 }

T
no es invertible.

3. Sea
T no singular (invertible). Demuestre que si
0 es valor propio de
T ,

entonces 1 es valor propio de T 1 .

Solucin:

125
 0 valor propio de
T v V , v 0 :T ( v )=v

v V , v 0 : T 1 ( v )=v

1 1
v V , v 0 :T ( v )= v

1 es valor propio de T 1 .

4. Para cada un a de las siguientes matrices, determine los valores propios y una
base para cada espacio propio.

a) (
A= 1 2
2 2 )
b) (
B= 2 1
7 4 )

( )
1 1 0
C= 1 2 1
c)
0 1 1

( )
3 2 2
D= 1 4 1
d)
2 4 1

Solucin:

a) Valores propios 2 y -3.

b) Valores propios 3 y -5.
c) Valores propios 0 , 1 y 3.
d) Valores propios 1,2 y 3.

126
 T
5. Determine cules de las siguientes transformaciones lineales son

diagonalizables. Para las que sean diagonalizables, muestre una base

B que

T
diagonalice a .

a) T : R2 R 2 ; T ( x , y ) =(4 x +5 y , 2 x3 y )

b) T : R2 R 2 ; T ( x , y ) =(x +2 y ,x+ 4 y )

c) T : R3 R 3 ; T ( x , y , z )=(9 x + 4 y +4 z , 8 x+3 y + 4 z ,16 x+ 8 y+7 z )

Solucin:

a) No es diagonalizable
B={ ( 2,1 ) ,(1,1) } diagonaliza a T
b)

B={ ( 1,2,0 ) , ( 0,0,1 ) ,(1,1,1)} T

c) diagonaliza a

6. Sea T L( R 3 , R3 ) tal que

=1
y
=8
son valores propios de
T
y cuyos

respectivos espacios son

V = { ( 0,2,1 ) ,(1,2,0) } >

y
V = {(2,1,2) } >

Encontrar la expresin de
T ( x , y , z ) , en donde ( x , y , z ) R3 .

Solucin:

T ( x , y , z )=( 3 x+2 y +4 z , 2 x +2 z , 4 x+ 2 y +3 z ) .

EJERICICIOS 5.2

127
 4 3
1. Hallar la relacin entre
a yb para que P ( x )=2 x 7 x + ax+b sea divisible por

( x3 ) .

Solucin:

2 7 0 a b 3

6 3 a 27+3 a

2 1 3 9+ a 27+3 a+ b

27 +3 a+b=0

3 a+b=27

Relacin
3 a+b=27

2. Determine
c yd tal que P ( x )=x 4+ 2 x 3 +cx +d admita como raz a
1i .

Solucin:

Si
1i es raz su conjugado tambin lo es ,
1+i

(x( 1i ) )( x( 1+i ))
divide al polonomio

(x1+i)( x1i)

128
 ( x1 )2i 2

2 2
x 2 x +1+1=x 2 x +2

Entonces:

x 4 +2 x3 +cx + d : x 22 x+2=x 2+ 4 x +6

4 3 2
( x 2 x +2 x )

4 x 32 x 2 +cx +d

(4 x3 8 x2 +8 x )

6 x 2+ ( c8 ) x+ d

(6 x 212 x +12)

( c8+ 12 ) x +d12

resto

As
( c +4 ) x +d 12=0

c +4=0 d12=0

c=4 y d =12

129
 4 3 2 2
x + 2 x 4 x+ 12=(x +4 x+6)(x 2 x +2)

x 3+ a x 2 +bx +a=0 a,bR x 1=2+i

3. En la ecuacin con . es raz. Obtener

a yb .

Solucin:

Si
2+i es raz , su conjugado tambin lo es
(2i)

(x( 2+i ))(x ( 2i ))

(x2i)(x2+i)

(x2)2i 2=x 24 x +5

3 2 2
x + a x +bx +a : x 4 x+5=x +( 4+ a)

( x 34 x2 +5 x)

( 4 +a ) x 2+ ( b5 ) x +a

[ ( 4+ a ) x 2 + (164 a ) x +20+50 ]

( b5+16+ 4 a ) x4 a20

4 a+b+11=0

4 a20=0

130
 b=9 a=5

EJERCICIOS 6.2

A=Z A , ab=a+b+ ab
1. Sea analizar es grupo si

Solucin:

Por demostrar es operacin binaria ,

ab Z

a+b=a+ b+ab Z

a,bZ Z
ab Z }
es operacinbinaria

Por demostrar (
A , es asociativa

( ab )c=a( bc)

( a+b +ab )c=

a+b +ab+ c+ ac+bc +abc

a+ ab+ac +abc + ( b+c +bc )

a+ ab+ac +abc + ( bc )=abc

131
 A ,

e A ae=ea=a
tal que (neutro)

Por demostrar , neutro

ae=a

a+ e+ae=a

e+ ae=0

e ( 1+a )=0

0
e=
1+ 0

e=0

a1
Con

e=0 Z

neutro para

Por demostrar
inverso

1
a a=e

132
 a1 +a+ a a1=0

a1 ( 1+ a )=a

a
a1= Z
1+a

no tiene inverso

A ,

no es grupo

TALLERES, CONTROLES, SOLENMES Y EXAMEN VERSIN 2011

133
 TALLER N 1

1. Dado las siguientes matrices

( )
1 1 2
A= 3 5 7
a)
2 1 2

( )
5 1
B= 3 2
b)
5 3

c) (
C= 1 2 1
3 4 5 )
Obtener:

i.
A + ( B C )

ii.
B (C A)

iii. A T B T A

{
i + j sii < j
A=( aij ) M 4 ( R ) aij = j si i= j tra ( A ) .
2. Dado la matriz . Tal que 2 Obtener
i+ j si i> j

3. Dado las matrices

a) (
A= 1 2
1 3 )

( )
2 0 0 1
1 0 1 0
B=
b) 3 4 5 5
6 1 2 1

( )
1 1 0
C= 3 1 1
c)
2 1 1

4. Si (
A= 1 0
1 1 ) . Calcular A + A2 + A3 + + A n .

134
5. Hallar todas las matrices que conmuten con (
A= 1 1
0 2 )
TALLER N2

k
1. Determine el valor de de modo que el sistema tenga solucin nica e

infinitas soluciones.
kx + y + z 2 k 1
2
x + ky + z k
x + y + kz 32 k

2. Determinar
x tal que A T x1 B1=C si ( ) (
1 1 3 2 ) ( )
A= 2 3 , B= 1 0 ,C= 1 3
0 1

| |
a+ b a a a
a a+b a a =(4 a+b)b3
3. Demuestre que a a a+b a
a a a a+ b

( ) ( )
1 0 4 1 0 0
x Ax=B A= 0 1 1 y B= 0 2 0
4. Determinar tal que si
1 1 4 0 1 1

5. Determine la relacin entre

a,b,c de modo que el sistema tenga solucin nica

ax + by + cz 1
x + y + z 2
x y z 3

135
TALLER N3

1. Determine si los siguientes conjuntos son subespacios

a) S= {( x , y , z ) R3 / x5 y=3 z }

W = { A M 2 x 2 ( R ) /det ( A )=0 }
b)

c) T ={( x , y , z ) R 3 /x z=3 }

2. Determine si los siguientes vectores son L.I L.D

a) { ( 1,2,3 ) , (2,1,0 ) , (3,1,2 ) }

b) { ( 1,2,0 ) , ( 8,0,1 ) , ( 1,2,7 ) , ( 4,1,2 ) }

c) { (1,10,5 ) , ( 0,1,0 ) ,(3,2,1) }

3. Determine si el vector
(2,1,3) es combinacin lineal de

{ ( 1,1,2 ) , ( 3,1,1 ) ,(1,0,0)}

k ( 1,2, k ) , ( 2, k , 0 ) ,(1,1,1)
4. Indique el valor de para que los vectores sean L.D

5. Determine si los vectores =x 2x +3 , =x 22 x +1 son combinacin lineal de

{ x 3+ 2 x 2 +1, x 22, x 3+ x }

136
TALLER N4

1. Dada las bases

={ ( 1,2,1 ) , ( 0,1,2 ) ,(1,1,0) }

={ (11,1 ) , ( 0,1,0 ) ,(0,2,1) }

Obtener

a) [ I ]

b) [ I ]

c)
c=[ (3,5,2) ]

2. Si se tiene la base
={ (1,2 ) :(3,5) } y la matriz (5
[ I ] = 2
3
1) . Obtener

3. Si ( )
T : M 2 x 2 ( R ) P2 [ x ] , T a b =( a+b ) x 2 + ( cd ) x+ a
c d . Demuestre que es

transformacin lineal.

4. Si {( ) ( ) ( ) ( )}
= 0 0 , 0 1 , 1 1 , 1 0
0 1 0 1 0 0 1 0

M 2x 2( R)
a) Demuestre que es base de

137
 b) Determine [( )]
a b
c d

TALLER N5

1. Dado los conjuntos

W 1= {( x , y , z , w ) R 4 / x+ y z=0 }

W 2= {( x , y , z , w ) R / x=w }
4

W 1 W 2
a) Determine
W2 W 1 W 2
b) Encuentre una base para y
W 1 ,W 2 W 1 W 2
c) Indique dimensin de y

( )
5 3 1
S
2. Dado la base
S 2= {( 1,2,1 ) , ( 3,5,2 ) ,(0,1,0) }
y la matriz
[ I ] S = 0 2 1
2

3 5 4

S1
a) Encuentre

b)
[ ( 3,5,6 ) ]S 1

c)
[(1,1,2)] S 2

3. Pruebe que son transformaciones lineales:

3 3
T : R R T ( x , y , z )=(2 x + y , y , xz)
a) tal que

b) T : M 2 (R) R4 tal que ( )

T a b =(ab , c , a+b , d )
c d

138
 T
4. Determine si de 3(a) es inyectiva.

TALLER N6

1. Determine si T : R3 P2 [ x ] tal que

2
T ( x , y , z )=( x+ y ) x + ( xz ) x + z

a) Es transformacin lineal
b) KerT
c) Una base para la imagen de T

3 3
2. Sea T :R R tal que
T ( 1,2,1 )=(1,0,1 )

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

T ( 1,1,1 )=(2,3,1)

a) Encuentre T
b) Determine [ T ] si ={ ( 1,0,1 ) , ( 1,1,0 ) ,(1,1,1) } y ={ (1,1,0 ) , ( 0,1,0 ) ,(0,0,1) }

( )
1 2 1

3. Si
[ T ] = 2 3 5 , ={ ( 1,0,1 ) , ( 1,1,0 ) ,(1,1,1) } , =base cannica . Encontrar T.
1 2 1

4. Sea T : M 2 x 2 ( R ) R4 tal que ( )

T x y =( x + y , xw , z+ w , w)
z w . Determine si T es

isomorfismo.

139
TALLER N7

3 2
1. Que numero debe agregarse al polinomio P ( x )=x +2 x para que sea divisible

por
(x+ 4) .

3 2
2. Encontrar todas las races del polinomio x +2 x 23 x6=0 sabiendo que
5

es raz.

3. Determine las races del polinomio P ( x )=x 3 +3 x 28 x+ 10 si una de sus races es

1+i .

a yb 2+i
4. Determine el valor de si se tiene que es raz del polinomio

P ( x )=x 3 +a x 2 + x+ 15.

5. Separar en fracciones parciales

x1
a) x 29

140
 1
b) 2
x ( x 25 )

2 x1
c) ( x +1)(x +1)2
2

TALLER N 8

1. Determine el polinomio caracterstico, valores propios, vectores propios e indique

si T es diagonalizable . Determine P.
a)
T ( x , y ) =( x + y ,2 x + y)

T ( x , y , z )=(x + y , x y +2 z , 2 x + yz )
b)

( )
3 1 1
A= 2 2 1
2. Sea . Analice si es diagonalizable usando el polinomio minimal.
2 2 0

3. Dado los siguientes polinomios caractersticos indique si son diagonalizables.

P ( )=(3)( 2)( + 1)
3
P ( )=( 4 ) ( 3)

141
CONTROL N1

1. Resolver la ecuacin matricial : 2 x + At = A+ B2

( ) (
A= 2 1 , B= 3 4
3 0 1 2 )
A=( aij ) 10 x 10 , donde
2. Sea una matriz de
a11 =1, a22=4, a 33=7,a 44=10, a55=13 .

( )
1 2 1
A= 1 1 3 A
3. Dada la matriz Encuentre el determinante de .
1 2 1

4. Determine el valor de
x si:

| |
3 x 2 x
A= 1 1 2 =0
2 x 1

142
CONTROL N2

1. Dado los siguientes conjuntos pruebe si son subespacios, si no lo es, d un

contraejemplo:
W 1= { A M nxn /trA=0 }
a)
W 2= { A M nxn /detA=0 }
b)

W 1 W 2
2. Dado los conjuntos, determine los vectores que generan y su

respectiva dimensin.
W 1= { ( x , y , z , w ) / x y + zw=0 }
a)

W 2= { ( x , y , z , w ) /2 x3 y=0 }
b)

V
3. Dada las matrices que generan un espacio , pruebe si son base del espacio

( ) ( ) (
A= 1 2 , B= 0 1 ,C= 4 2
1 3 2 4 0 2 )

Verifique si generan al vector (86 8

1
)

143
CONTROL N 3

( )
1 2 3

1. Sea T : R3 R 3 . T transformacin lineal, tal que
[ T ] = 0 2 1 . Donde
1 0 1

={ ( 1,1,1 ) , ( 1,1,0 ) ,(1,0,0)} y = { ( 1,1,2 ) , ( 0,3,2 ) ,(3,3,1) }

a) Determine T
b) Determine el KerT
c) Encuentre
[ T ] cc 3

2. Dado T , tal que:

T ( 1,0,1 )=( 2,2,3 )

T ( 1,3,1 ) =( 2,1,0 )

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

a) Determine T
b) Pruebe que T es transformacin lineal
c) Verifique si T es isomorfismo

144
CONTROL N4

1. Dada la siguiente matriz A, verificar si es diagonalizable, obtener los valores

propios, vectores propios y si es posible la matriz de paso P tal que se cumpla

P1 DP= A

( )
3 2 0
A= 2 3 0
0 0 5

2. Para que valor de

a la matriz
A es diagonalizable

( )
1 0 0
A= 0 2 1
a 0 0

3. Sea (
A= 3 2
3 2 ) . Demuestre que ( )
u= 1
1 es vector propio de
A e

indique su valor propio correspondiente.

145
146
SOLENME N2

1. Dado el siguiente conjunto {( )

W = a b M 2 x2 /2 abb=0
c d }
W M 2x 2
a) Pruebe si es subespacio de , si no lo es, d un contraejemplo
W
b) Encuentre una base para

c) Indique la dimensin de
W

2. Dado los conjuntos:

x= y=z
( x , y , z , w ) R4/
W 1=

x+ y+ z =0 xw=0
( x , y , z , w ) R4 /
W 2=

W 1 W 2
a) Calcular una base y dimensin de
V V W 1
b) Determine un conjunto tal que
A= { ( 1, , 0 ) , ( 0,1, ) ,(2,1,1) } S= { ( , ) / A es L. I }
3. Sea Determine el conjunto

147
 S1 S 2= {( 1,0,1 ) , (1,1,0 ) ,(0,0,1) } R3
4. Sean y Dos bases ordenadas de y sea

( )
1 1 1
[ I ] SS = 0 2 1
2

1 1 1

S
a) Encuentre la base

b) Si
u=(3,1,4) encuentre
[ u ]S 1

5. Sea S 1={ 1, x , x 2 } , S 2= {1+ x + x 2 ,2x + x 2 , 1x x2 } bases de

R2 [ x ]
. Hallar

S2
[ I ]S 1

SOLENME N3
1. Resuelva el siguiente sistema usando el mtodo de Gauss Jordan:
2 x + 2 y + z 7
x + 2 y + z 0
x + y + 3 z 1

2. Utilice el teorema del rango y encuentre el valor de

m para que el sistema

tenga
a) Solucin nica
b) Infinitas soluciones
c) No tenga solucin
x + my +z 1
mx + y + (m1)z m
x + y +z m+1

3. Dado W = { p ( x ) =a0 +a 1 x +a2 x2 P2 [ x ] /a0 a1 +a 2=0 }

W M 2( 2)
a) Pruebe si es subespacio

148
 W
b) Determine una base para

c) Indique la dimensin del espacio

W

A V
4. Dado el conjunto de matrices que generan un espacio , pruebe si

V
son base del espacio

a)
A= {( )( )(
1 2 , 0 1 , 4 2
1 3 2 4 0 2 )}
b) Verificar si generan al vector (86 8
1
)
c) Encuentre [ I ] AA
5. Determine si T es transformacin lineal

T : M R (2) R
3
tal que ( )
T a b =(a+ b , b+cd , b)
c d

SOLENME N4

( )
1 0 1
C3
T : R3 R 3 una transformacin lineal tal que [ T ]C = 0 2 1 C3
1. Sea 3 con
1 0 1

A
la base cannica de R
3
. Obtener [ T ] A con A= { ( 1,1,1 ) , ( 0,1,0 ) ,( 0,0,1) }

149
 T
2. Determine la transformacin lineal tal que

2 2
T ( 1,4,2 ) =x+1 ; T ( 0,1,0 )=x ; T ( 0,0,1 ) =x +1 .

V =M 2 x 2 ( R ) y T :V V T ( A ) =A BB A
3. Sea tal que para una matriz fija

(
B= 1 0
1 1 ) . Verifique que:

a) T es transformacin lineal
b) Determine una base para el KerT

3 3
4. Sea T :R R una transformacin lineal tal que

T ( x , y , z )=(x +2 yz , y + z , x+ y 2 z )
.
a) Determine la dimensin del KerT
b) Determine la dimensin de la imagen
3
c) Extienda la base del KerT a una base de R

SOLENME N5

1
1. Descomponer en fracciones parciales la siguiente fraccin x ( x 31)

150
 c yd
2. Determine los valores de tal que:
P ( x )=x 4+ 2 x 3 + xc+ d

1i
Admita como raz
3. Dada la siguiente matriz correspondiente a una transformacin lineal, encuentre

valores y vectores propios, indique multiplicidad algebraica y geomtrica.

A
Encuentre la matriz de paso P e indique si es diagonalizable.

( )
1 1 4
A= 3 2 1
2 1 1

4. En un anillo A se considera (x , y ) A 2 . Se define:

xy=xy yx
. Demostrar

que es anticonmutativa :
xy=( yx ) .

Z , Z
5. Sea donde es el conjunto de los nmeros enteros y es una

operacin definida como

ab=a+b+ 3 . Pruebe si forma un grupo abeliano.

151
SOLENME N6

T
1. Dado tal que
T ( 1,0,1 )=( 2,2,3 )

T ( 1,3,1 ) =( 2,1,0 )

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

a) Determine T
b) Pruebe que T es transformacin lineal
c) Verifique si T es isomorfismo
2.
x=1 x=2
a) Encuentre un polinomio de grado 3 que anule para y que

x=1 x=2
tenga los valores 4 y 28 para y para . Respectivamente
1
b) Separe en fracciones parciales x x 2
3

3. Dada la siguiente matriz correspondiente a una transformacin lineal, encuentre

valores y vectores propios, indique multiplicidad algebraica y geomtrica.

A
Encuentre la matriz de paso P e indique si es diagonalizable.

( )
1 1 4
A= 3 2 1
2 1 1

Z
4. Sea ( 5 ,+, ) . Pruebe que es anillo e indique si tiene o no divisores de cero.

Justificar.

152
EXAMEN 2011

a
1. Utilice el teorema del rango y encuentre el valor de para que el sistema

tenga:
a) Solucin nica
b) Infinitas soluciones
c) No tenga solucin
2 x + yz 5
( 7 ) y +3 z 0
x+ 2 y 3

2. Dados los conjuntos:

W 1= { ( x , y , z , w ) / x y + zw=0 }

W 2= ( 1,1,0,0 ) , ( 2,1,0,1 )>

W1
a) Pruebe que es subespacio
W 1 W 2
b) Determine los vectores que generan
3. Dada ka siguiente matriz correspondiente a una transformacin lineal, encuentre

valores y vectores propios, indique multiplicidad algebraica y geomtrica.

Encuentre la matriz de paso P e indique si A es diagonalizable.

( )
1 1 4
A= 3 2 1
2 1 1

4. Dado f : R3 P 2(R) tal que : f ( a , b , c )=a+b+ ( ab ) x +( a+bc) x 2 .

a) Demuestre que
f es transformacin lineal
f
b) Demuestre que es inyectiva

153
 Z ,
5. Sea donde es el conjunto de los nmeros enteros y es una

ab=a+b+ 3
operacin{on definida como . Pruebe si forma un grupo abeliano.

154