Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
LINEAL
2012
ÁLGEBRA LINEAL
JUAN CARLOS DE LA CRUZ
TEORÍA Y EJERCICIOS
2012
Índice general
1. Matrices 5
1.1. Álgebra de Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2. Inversión de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.2.1. Operaciones elementales . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.3. Determinante . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
1.4. Sistemas de Ecuaciones Lineales . . . . . . . . . . . . . . . . . . . . . . . . 41
2. Espacios Vectoriales 61
2.1. Grupos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
2.2. Espacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
2.3. Subespacios Vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
2.4. Bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
2.4.1. Combinaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . 71
2.4.2. Espacios Generados . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
2.4.3. Bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
2.5. Dimensión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
2.6. Suma Directa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
2.6.1. Sumas de Espacios . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
2.6.2. Suma Directa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
2.7. Coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
2.8. Producto tensorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
2.8.1. Espacio Cuociente . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
2.8.2. Producto tensorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
3
4 ÍNDICE GENERAL
5. Ejercicios 195
5.1. Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
5.1.1. Ejercicios complementarios . . . . . . . . . . . . . . . . . . . . . . . . 213
5.2. Espacios Vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222
5.2.1. Ejercicios complementarios . . . . . . . . . . . . . . . . . . . . . . . . 233
5.3. Transformaciones Lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . 241
5.3.1. Ejercicios complementarios . . . . . . . . . . . . . . . . . . . . . . . . 256
Capítulo 1
Matrices
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
6 CAPÍTULO 1. MATRICES
y la anotamos ci (A): Cuando sea necesario, usamos la notación cij (A) para indicar el coe…-
ciente ij de la matriz A o simplemente aij :
El conjunto de la matrices de orden m n con coe…cientes en K lo anotamos Mm n (K):
Si m = n entonces las matrices se dicen cuadradas de orden n y el conjunto de todas ellas
se denota por Mn (K); si los coe…cientes son números reales entonces denotamos Mm n o
simplemente Mn
Ejemplo 1 Notemos en los ejemplos siguientes, las matrices dadas son distintas:
2 3
1 3
1 3
a) 4 2 1 5 6= ; ya que la primera tiene orden 3 2 y la segunda 2 2. Ellas
2 1
0 0
tienen diferentes ordenes.
1 1 0 0 1 0
b) 6= ; ellas son distintas pues a11 = 1 6= 0 = b11
2 3 4 2 3 4
a2 + 2a 1 3 1
a) = ; en M2
b 2 1+a 2
c2 c + 1 d 3 2c
b) = ; en M2
c + 2d 1 6 1
a2 + 2a + b 1 a2 + 1 2c
c) = ; en M2
a+b+c 2 b d
Desarrollo.
a2 + 2a 1 3 1
a) Si = entonces
b 2 1+a 2
a2 + 2a = 3
1 = 1
2 = 2
b = 1+a
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
1.1. ÁLGEBRA DE MATRICES 7
c2 c+1 d 3 2c
b) Si = , entonces
c + 2d 1 6 1
(1) c2 c + 1 = 3
(2) d = 2c
(3) c + 2d = 6
(4) 1 = 1
6
Si d = 2c entonces reemplazando en (3) tenemos 5c = 6, luego c = 5
cuyo valor no
2
cumple la igualdad c2 c + 1 = 3, pues 56 6
5
+ 1 = 31
25
:
Así no hay c y d que cumplan la igualdad matricial (b) pues el sistema formado por
las ecuaciones (1),(2),(3) y (4) tiene solución vacía.
a2 + 2a + b 1 a2 + 1 2c
c) Si = : En este caso se tiene:
a+b+c 2 6 d
(1) a2 + 2a + b = a2 + 1
(2) a+b+c = 6
(3) 1 = 2c
(4) 2 = d
1
De (4) d = 2, de (3) c = 2
reemplazando en (2) y simpli…cando (1) obtenemos:
13
(5) a + b = 2
(1’) 2a + b = 1
11
restando (1’) la ecuación (5) nos queda a = 2
: Reemplazando en (5) se tiene que
b = 12: Por lo tanto a = 11 2
; b = 12, c = 1
2
; d = 2 son las constantes reales que
satisfacen la igualdad matricial c).
A + B = [aij + bij ]
2 3 4 3 3 4
Ejemplo 3 Si A = yB= entonces
1 7 1 1 0 7
2+3 3 + ( 3) 4 + ( 4) 5 0 0
A+B = =
( 1) + ( 1) 7+0 1 + ( 7) 2 7 6
Nota. La matriz nula de orden m n, denotada por 0m n es una matriz compuesta sólo de
ceros, o sea, 0m n = [aij ] con aij = 0 para todo i,j. Toda vez que se indique la matriz nula
sin especi…car su orden, debe entenderse de…nido por el contexto.
De la de…nición se deduce que dos matrices pueden sumarse solamente si son de igual
orden.
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
8 CAPÍTULO 1. MATRICES
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
1.1. ÁLGEBRA DE MATRICES 9
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
10 CAPÍTULO 1. MATRICES
1. A(BC) = (AB)C:
2. (A + B)C = AC + BC:
3. D(E + F ) = DE + DF:
(B + C)D BX = C + B
Desarrollo.
(B + C)D BX = C +B Por distribución,
BD + CD BX = C +B Reemplazando,
BD + B BX = C +B Sumando inverso aditivo,
BX = C + B BD B cancelando,
BX = C BD multiplicando por -1,
BX = C + BD multiplicando por izquierda por A;
A (BX) = A (BD C) Distributividad y Asociatividad,
(AB) X = (AB)D AC Reemplazando,
IX = ID AC Identidad.
Así, obtenemos
X=D AC
cj (AB) = A cj (B) :
fi (AB) = fi (A) B:
A0 = In
Ak+1 = Ak A con k 2 N0
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
1.1. ÁLGEBRA DE MATRICES 11
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
12 CAPÍTULO 1. MATRICES
1 2
Ejemplo 12 Dada la matriz A = y el polinomio p(x) = x5 3x2 + 2: Calcular
1 1
p(A):
Usando los resultados obtenidos en el ejemplo 10 y reemplazando, tenemos:
5 2
1 2 1 2
p(A) = 3 + 2I2
1 1 1 1
1 2 3 0 2 0
= + +
1 1 0 3 0 2
6 2
= :
1 4
d) A es una matriz triangular superior si y sólo si aij = 0 si i > j (o sea, todo elemento
bajo la diagonal principal es cero)
e) A es una matriz triangular inferior si y sólo si aij = 0 si i < j (o sea, todo elemento
sobre la diagonal principal es cero)
Ejemplo 13 Las siguientes matrices las podemos clasi…car, según la de…nición anterior
como: 2 3
2 0 0
L=4 1 0 0 5 es una matriz triangular inferior,
3 0 7
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
1.1. ÁLGEBRA DE MATRICES 13
2 3
0 2 3
4
U= 0 0 7 5 es una matriz triangular estrictamente superior,
0 0 0
2 3
1 2 0 0
6 1 0 3 0 7
A=6
4
7 es una matriz tridiagonal en M4 :
0 0 0 7 5
0 0 2 1
pero aik = 0 si k = 1; :::; (i 1), ya que A es una matriz triangular superior, luego la primera
parte de la suma es nula. También bkj = 0 si k = i; :::; n debido a que B es triangular
superior. Luego la suma (2) es nula.
De lo anterior AB es una matriz triangular superior ya que cij = 0 si i > j:
A2 B 2 = (A + B)(A B):
Luego,
A2 B 2 = (A + B)(A B) () BA AB = 0 () BA = AB:
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
14 CAPÍTULO 1. MATRICES
a b x y
Desarrollo. Sean A = ;B= las matrices pedidas. Entonces
c d z w
8
< bz = cy (1)
AB = BA , (a d)y = b(x w) (2)
:
(a d)z = c(x w) (3)
Como A y B son no diagonales, entonces b 6= 0 ó c 6= 0; y 6= 0 ó z 6= 0
a) Si a = d entonces x = w
b y
= =t
c z
Así obtenemos que las matrices son
a ct x zt
A= ; B=
c a z x
b) Si a 6= d entonces x 6= w además
x w z
= =t
a d c
luego z = tc y de (1) y = tb; además,
si usamos el cambio de variable u = a d entonces tu = x w
Resumiendo tenemos
x = tu + w
y = tb
z = tc
matricialmente obtenemos
u+d b tu + w tb
A= ; B=
c d tc w
u+d b tu + w tb
A= ; B=
0 d 0 w
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
1.1. ÁLGEBRA DE MATRICES 15
Resumiendo
a ct x zt
A = ; B= con a; x; t 2 R c; z 2 R ó
c a z x
u+d b tu + w tb
A = ; B= con b; c; d; w 2 R t; u 2 R :
c d tc w
a) Trasponer una martiz A de orden m n consiste en intercambiar sus …las por sus colum-
nas, respetando la secuencia. La matriz resultante se llama traspuesta de A, es de
orden n m y se anota At : Es decir, si A = [aij ] entonces At = [aji ], donde el ele-
mento ubicado en la …la i y la columna j de A, aparece en la …la j y la columna i de
At
Observación. Una matriz A simétrica o antisimétrica debe ser cuadrada, por ejemplo:
In es simétrica;
0n es simétrica y antisimétrica.
y A no es simétrica ni antisimétrica.
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
16 CAPÍTULO 1. MATRICES
2 1
3. D = ;
1 0
Desarrollo.
1. B es simétrica ya que B t = B:
2. C es antisimétrica ya que C t = C.
3. D no es simétrica y D no es antisimétrica.
Desarrollo.
Sabiendo que A es antisimétrica, debemos probar que
Como A = At ; es decir,
1. (AC)t = C t At :
2. (A + B)t = At + B t :
4. (At )t = A:
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
1.2. INVERSIÓN DE MATRICES 17
De…nición 15 Una submatriz de una matriz A; es una matriz que se obtiene a partir de A
eliminando algunas (no todas) …las y/o columnas.
Observación. Las …las y columnas de una matriz son ejemplos importantes de submatrices
de ésta.
Ejercicios:
2 1 3 0 2 5
1. Sean A = ;B= ;C= y p(x) = (x 3)(x 1):
1 2 1 a 3 6
1 1 3 2
2. Sean A = ; B= , y p(x) = (x 4)(x 1):
1 3 1 a
a) Calcular p(A)
b) Calcular A2 BA2
c) Determinar el valor \a" tal que p(B) = 0
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
18 CAPÍTULO 1. MATRICES
Este método reduce o transforma la ecuación matricial en p sistemas lineales cada uno de
ellos con n ecuaciones y m incógnitas.
Sin embargo es posible concebir otras alternativas de desarrollo para el mismo problema.
Una de estas, es tratar de modi…car la ecuación AX = B, transformándola en otra, que sea
equivalente a la anterior, pero que sea más simple o de desarrollo más evidente.
Particularmente importante es el caso en que A es cuadrada, pues pensando en forma
análoga a la resolución de una ecuación en una variable en R; tenemos que encontrar una
matriz A de modo que cumpla con A A = In y así al multiplicar la ecuación AX = B por
A ; obtenemos
A AX = A B
de donde
In X = A B;
o sea,
X = A B:
En este desarrollo tenemos que A es una matriz que actúa sobre A, tal como lo hace a 1
sobre a en R f0g; en otras palabras, la matriz A es la matriz “inversa”de A, respecto del
producto de matrices.
Precisamente, esta parte del texto, esta destinada a estudiar la inversa de una matriz A,
tanto en lo relativo a su existencia como a su determinación o cálculo.
Por otra parte, también nos interesa estudiar ciertas tansformaciones aplicables a las
matrices A y B que preservan (no alteran) el conjunto de las soluciones de la ecuación
AX = B y que son de gran utilidad para resolver tanto Ecuaciones Matriciales de la forma
AX = B como Sistemas de Ecuaciones en general.
De…nición 16 Sean A; B en Mn
b) Una matriz se dice regular (invertible, no singular) si y sólo si existe la inversa de ella.
c) Una matriz se dice singular si no es regular.
1
Notación. Si A es regular, anotamos A para la inversa de A.
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
1.2. INVERSIÓN DE MATRICES 19
BA = In ;
pero
x z a 0 xa + zc 0
=
y t c 0 ya + tc 0
luego BA 6= In para toda matriz B.
Más adelante en Mn se demuestra: Si una matriz de orden n tiene una …la o columna
nula, entonces ella no tiene inversa.
0 1
Ejemplo 21 Si A = :
1 3
1 3 1
Veri…que que A =
1 0
Solución.
0 1 3 1 3 0+1 1 ( 1) 0 + 0 1
=
1 3 1 0 3 ( 1) + 3 1 ( 1) ( 1) + 3 0
1 0
= :
0 1
2 3
0 1 2
Ejemplo 22 Si A = 4 1 3 0 5:
1 2 1
2 3 2 3 2 3
3 5 6 x b1
Veri…que que A 1
=4 1 2 2 5 ; y resuelva la ecuación A 4 y 5 = 4 b2 5 ; para
1 1 1 z b3
b1 ; b2 ; b3 en R
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
20 CAPÍTULO 1. MATRICES
2 32 3
3 5 6 0 1 2
A 1
A = 4 1 2 2 54 1 3 0 5
1 1 1 1 2 1
2 3
5+6 3 + 5 12 6+6
= 4 2+2 1+6 4 2+2 5
1 1 1 3+2 2 1
2 3
1 0 0
= 4 0 1 0 5;
0 0 1
Así obtenemos
32 2 3
x b1
A 1A 4 y 5 = A 14
b2 5
z b3
y luego asociando e igualando A 1 A = I; tenemos que
2 3 2 32 3
x 3 5 6 b1
4 y 5=4 1 2 2 5 4 b2 5
z 1 1 1 b3
por lo tanto
x= 3b1 + 5b2 + 6b3
y= b1 + 2b2 + 2b3
z = b1 b2 b3
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
1.2. INVERSIÓN DE MATRICES 21
Demostración.
1. Sabemos que
1
AA = A 1 A = I;
1 1 1
por lo tanto, la inversa de A es A, y también la inversa de A es (A 1 ) ; y como ella es
única tenemos,
(A 1 ) 1
=A
2. Como A y B son regulares entonces existen A 1 ; B 1 :
Así,
(AB)B 1 A 1 = A(BB 1 )A 1 = AA 1
=I
y análogamente B 1 A 1 (AB) = I, por unicidad de la inversa se tiene
1
(AB) = B 1A 1:
a b
Ejemplo 23 Dada la matriz A = en M2 : Determinar la matriz inversa de A; si
c d
ésta existe.
1 x y
Desarrollo. Supongamos que A = y calculemos las constantes x; y; z; w
z w
a b x y 1 0
= por igualdad de matrices tenemos el siguiente sistema:
c d z w 0 1
1) ax + bz = 1
2) cx + dz = 0
:
3) ay + bw = 0
4) cy + dw = 1
adz cbz = c
(ad cb)z = c
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
22 CAPÍTULO 1. MATRICES
(ad cb)y = b
(ad cb)w = a
x y 1 d b
=
z w ad bc c a
de otra manera
1
a b 1 d b
= :
c d ad bc c a
El ejercicio permite determinar una condición necesaria y su…ciente para que una matriz
de orden 2 sea invertible.
Lamentablemente el método empleado para matrices de orden n mayor que 2 no es
e…ciente, ya que tenemos que resolver n sistemas lineales con n ecuaciones y n incógnitas.
Estudiamos a continuación ciertas operaciones realizables a las matrices, semejantes a las
empleadas para resolver el sistema de ecuaciones lineales anterior.
3. Denotamos Fij (k) al reemplazo de la …la i por la suma de la …la i más k veces la …la
j; con i 6= j:
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
1.2. INVERSIÓN DE MATRICES 23
Ejemplo 24 Sea
2 3
1 2 1 2
A=4 0 4 3 7 5
2 5 0 1
2 3
1 2 1 2
C13 ( 2) 4
A 6 4 3 7 5
!
2 5 0 1
2 3
1 2 1 2
F31 ( 2) 4
6 4 3 7 5
!
0 9 2 5
2 3
1 2 1 2
F21 (6) 4
0 8 3 19 5
!
0 9 2 5
2 1
3
1 1 2
C2 ( 81 ) 4 4
0 1 3 19 5
! 9
0 8
2 5
Observación. A partir de la matriz identidad podemos formar las siguientes matrices no-
tables.
2 3 2 3
1 0 0 0 1 0 0 0
6 0 1 0 7 6
0 7 C13 ( 2) 6 0 1 0 0 7
6 7 = E31 ( 2)
4 0 0 1 0 5 ! 4 2 0 1 0 5
0 0 0 1 0 0 0 1
2 3 2 3
1 0 0 1 0 0
4 F ( 2) 4
0 1 0 5 31 0 1 0 5 = E31 ( 2)
!
0 0 1 2 0 1
2 3 2 3
1 0 0 1 0 0
4 0 1 0 5 F21 (6) 4 6 1 0 5 = E21 (6)
!
0 0 1 0 0 1
2 3 2 3
1 0 0 0 1 0 0 0
6 0 1 7 1 6
0 0 7 C2 ( 8 ) 6 0 1
0 0 7 1
6 8 7 = E22 ( )
4 0 0 1 0 5 ! 4 0 0 1 0 5 8
0 0 0 1 0 0 0 1
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
24 CAPÍTULO 1. MATRICES
…nalmente
2 32 3
2 32 32 3 1 0 0 0 1 0 0 0
1 0 0 1 0 0 1 2 1 2 6
0 1 0 0 7 6 0 1
0 0 7
4 6 1 0 54 0 1 0 54 0 4 3 7 56
4
76 8 7
2 0 1 0 54 0 0 1 0 5
0 0 1 2 0 1 2 5 0 1
0 0 0 1 0 0 0 1
2 3
1 14 1 2
4 0 1 3 19 5
9
0 8 2 5
Ejemplo
2 25 Algunas
3 2 matrices3elementales de orden 3.
1 0 0 0 1 0
4 0 1 0 5 F!
12
4 1 0 0 5 = E12
2 0 0 1 3 0 0 1 3
2
1 0 0 1 0 0
4 0 1 0 5 F23
!
(k)
4 0 1 k 5 = E23 (k)
2 0 0 1 3 2 0 0 13
1 0 0 1 0 0
4 0 1 0 5 F!
3 (r)
4 0 1 0 5 = E33 (r)
0 0 1 0 0 r
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
1.2. INVERSIÓN DE MATRICES 25
Observación. En las condiciones del teorema anterior tenemos que existen matrices P; Q
tal que
P AQ = B
en los próximos teoremas se demostrará que estas matrices son regulares.
1. Eij 1 = Eij
Observación. Teniendo presente los teoremas anteriores tenemos que toda matriz que se
pueda escribir como producto de matrices elementales es regular.
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
26 CAPÍTULO 1. MATRICES
Observación.
A es equivalente por …la a B implica que existe una matriz regular P tal que P A = B:
A es equivalente por Columna a B implica que existe una matriz regular Q tal que AQ = B:
Teorema 27 Sea A en Mn :
F
1. Si A es equivalente por …la a la identidad, A ! In ; entonces A es producto de matrices
elementales.
3. A es regular.
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
1.2. INVERSIÓN DE MATRICES 27
lo cual es equivalente
Construyamos una nueva matriz de orden n (2n) dada por [AjIn ] y realizemos sobre
ella las operaciones elementales necesarias para obtener a partir de A la matriz identidad, es
decir
[AjIn ] ! [In jB]
entonces en B tenemos efectuadas todas las operaciones que se realizarón a A; y por lo tanto
BA = In
luego
1
B=A
Si operamos por columnas, entonces el procedimiento es análogo pero actuando sobre la
A
matriz de orden (2n) n; dada por y recordando que la matriz elemental columna
In
post-multiplica a A:
Teorema 30 Si A es una matriz de orden n con una …la o columna de ceros, entonces A
es singular.
Demostración.
a) Supongamos que fi (A) = 0 y como para cualquier B 2 Mn se tiene
fi (AB) = fi (A)B = 0B = 0;
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
28 CAPÍTULO 1. MATRICES
Corolario 31 Sean A; B 2 Mn :
Si A ! B y alguna …la o columna de B es cero entonces A es singular.
2 3
1 0 0
a) 4 0 0 0 5
0 0 0
2 3
1 2 0
b) 4 2 1 0 5
1 9 0
2 3
1 2 1
c) 4 2 1 3 5
0 0 0
3 2
1 2 6
Ejemplo 27 Hallar, si existe, la inversa de A = 4 1 0 1 5.
0 1 2
Luego A es regular y
2 3
1 2 2
A 1
=4 2 2 5 5
1 1 2
2 3
1 2 3
Ejemplo 28 Hallar; si existe, la inversa de B = 4 1 0 5 5.
0 1 2
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
1.2. INVERSIÓN DE MATRICES 29
Luego B es regular y 2 3
5 1 5
4 4 2
B 1
=4 1
2
1
2
2 5
1 1 1
4 4 2
3 2
1 2 3 4
6 5 6 7 8 7
Ejemplo 29 Hallar; si existe, la inversa de C = 6
4 0 10 11 12 5
7
13 14 15 16
1. El primer elemento no cero de cada …la (no nula) es 1 y la columna en que aparece es
columna de la matriz identidad Im (los demás coe…cientes de la colunma son ceros).
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
30 CAPÍTULO 1. MATRICES
2. Las …las nulas (si las hay) van abajo, es decir las primeras r columnas son no nulas y
las restantes m r son nulas.
3. Si los unos, con que comienza cada …la no nula están en las posiciones
(1; C1 ); (2; C2 ); (r; Cr ); entonces
Observación. Las matrices Identidad y Nula son siempre matrices Escalonada Reducida
por Filas
Ejemplo 30 Las siguientes matrices son ejemplos de Matrices Escalonadas por Filas.
2 3
1 2 3 0
1. 4 0 0 0 1 5 Aquí tenemos C1 = 1; C2 = 4:
0 0 0 0
2 3
1 2 0 0 2
2. 4 0 0 1 0 1 5 Aquí tenemos C1 = 1; C2 = 3; C3 = 4:
0 0 0 1 0
2 3
0 1 1 0 4 0 0
6 0 0 0 1 2 0 0 7
3. 6
4 0
7Aquí tenemos C1 = 2; C2 = 4; C3 = 6:
0 0 0 0 1 5 5
0 0 0 0 0 0 0
Teorema 33 Toda matriz A de orden m n es equivalente por …la a una única matriz
Escalonada Reducida por Fila E.
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
1.2. INVERSIÓN DE MATRICES 31
(2; j + 1) es nulo entonces reiniciamos el proceso indicado en 1), una vez encontrado el
elemento no cero aplicamos 2) y 3). Volviendo así sucesivamente a 4).
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
32 CAPÍTULO 1. MATRICES
Teorema 36 Si A es una matriz de orden n; entonces las siguientes tres proposiciones son
equivalentes:
1. A es regular
2. A es equivalente por …la a la Identidad
3. A es producto de matrices elementales.
1. A es equivalente por …la a B si y sólo si existe una matriz regular P tal que P A = B:
2. A es equivalente por Columna a B si y sólo si existe una matriz regular Q tal que
AQ = B:
3. A es equivalente a B si y sólo si existen dos matrices regulares P; Q tal que P AQ = B:
4. Existe una matriz P regular de orden m tal que P A es Escalonada Reducida por Fila
de A:
5. Si A 6= 0; entonces existen un entero positivo r y matrices P; Q regulares tales que
Ir 0
P AQ =
0 0 m n
Teorema 38 Sean k; r enteros positivos tales que r m nfm; ng; k m nfm; ng entonces
Ik 0 Ir 0
! si y sólo si k = r
0 0 m n
0 0 m n
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
1.2. INVERSIÓN DE MATRICES 33
Demostración.
Ik 0 Ir 0 Ik 0 Ir 0
Si k = r entonces = luego ! :
0 0 m n
0 0 m n
0 0 m n
0 0 m n
Ik 0 Ir 0
Si ! entonces por teorema existen matrices P y Q regulares
0 0 m n
0 0 m n
tales que
Ik 0 Ir 0
P Q =
0 0 0 0
Ik 0 Ir 0 1
P = Q
0 0 0 0
Comparando columnas tenemos
P1 P2 Ik 0 Ir 0 Q1 Q2
=
P3 P4 0 0 0 0 Q3 Q4
P1 0 Q1 Q2
=
P3 0 0 0
Supongamos k > r entonces n k < n r luego P3 = 0; Además P1 tiene más …las y
columnas que Q1 y que Q2 luego de la igualdad se concluye que P1 al menos tiene una …la
nula. O sea, por Teorema 10 P1 es singular.
Si P1 es de orden k y singular por observación del Teorema 11 sabemos que si E1 es su
Is 0
Escalonada Reducida por Fila, además E1 es equivalente a ; con lo cual obtenemos
0 0
P 1 P2 Is 0 P2
!
P3 P4 0 0 P4
Luego P es equivalente a una matriz singular ya que tiene una columna nula, por lo tanto
P es singular lo que es una contradicción.
Ahora supongamos k < r entonces Q2 = 0: Además Q1 tiene más …las y columnas que
P1 y que P2 luego de la igualdad se concluye que Q1 al menos tiene una …la nula.
Q1 Q2 Q1 0
=
Q3 Q4 Q3 Q4
Por lo tanto Q tiene una …la nula, luego Q es singular, lo que es una contradicción.
Ir 0 Ir 0
2. Si A ! B y A ! entonces B ! , es decir, “r" es un
0 0 0 0
invariante de A; respecto de operaciones elementales.
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
34 CAPÍTULO 1. MATRICES
Ejercicios:
3. Sean 2 3 2 3
1 2 1 2 3 1 2 1 2 3
4
A= 2 3 1 2 4 5; B=4 2 3 2 1 4 5
3 4 2 1 5 3 4 3 4 5
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
1.3. DETERMINANTE 35
1.3. Determinante
De…nición 43 Asociado con cualquier matriz cuadrada A = [aij ] de orden n de…nimos el
determinante de A; por recurrencia, como el número obtenido del siguiente modo:
2. Si n > 1; entonces
a11 a12
1. = a11 a22 a12 a21
a21 a22
1. jAj = jAt j :
2. Si todos los coe…cientes de cualquier …la o columna son ceros, su determinante es cero.
4. Si multiplicamos por un número r todos los elementos de una …la o columna el deter-
minante queda multiplicado por r:
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
36 CAPÍTULO 1. MATRICES
6. Si expresamos cada coe…ciente de una …la o columna como la suma de dos términos, el
determinante es igual a la suma de dos determinantes en cada uno de los cuales falta
uno de los sumandos de cada coe…ciente de aquella …la o columna.
a1 a2 a3 a1 a2 a3 a1 a2 a3
En particular: b1 + c 1 b2 + c2 b3 + c 3 = b1 b2 b3 + c1 c2 c3 :
d1 d2 d3 d1 d2 d3 d1 d2 d3
7. Si se sustituye cualquier …la o columna por la suma de ella más k-veces otra …la o
columna, el determinante de la matriz no cambia.
8. jIn j = 1
9. jFij j = jCij j = 1; jFi (r)j = jCi (r)j = r; jFij (k)j = jCij (k)j = 1; con k; r escalares
cualesquiera (inclusive cero).
3. jAj = jFij Aj :
A = F1 F2 F3 Fs
Por teorema 44, el determinante de una matriz elemental es siempre distinto de cero. Luego
jAj =
6 0:
Sea EA la Escalonada Reducida por Fila de A, luego existe P regular tal que
P A = EA
jP j jAj = jEA j
jEA j 6= 0;
y EA es la matriz identidad (de lo contrario EA tendría una …la de ceros y jEA j = 0; lo que
implicaría jAj = 0) así P A = I, esto signi…ca que A es una matriz regular.
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
1.3. DETERMINANTE 37
A = F1 F2 F3 Fs
Caso III Supongamos que A; B son singulares, entonces por teorema anterior las matrices
singulares tienen determinante cero. Sea EA la matriz escalonada reducida por …la de
la matriz A con la última …la nula,
A = F1 F2 F3 Fs EA :
Luego
jABj = jF1 j jF2 j jF3 j jFs j jEA Bj :
La última …la de EA B es nula, ya que
fn (EA B) = fn (EA )B = 0B = 0:
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
38 CAPÍTULO 1. MATRICES
Teorema 48 Sean i; j dos enteros positivos tales que i; j n; y A una matriz de orden n
entonces
Xn
jAj = ( 1)k+j akj jAkj j j-ésima columna …ja
k=1
X
n
= ( 1)i+k aik jAik j i-ésima …la …ja
k=1
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
1.3. DETERMINANTE 39
Observación. El teorema anterior permite desarrollar otro método para obtener la inversa
de una matriz regular, llamado método de la adjunta.
1 1
A = Adj(A):
jAj
2 3
1 2 1
A=4 0 3 2 5
2 0 1
Desarrollo. Primero calculemos jAj = ( 3 + 0 8) (6 + 0 + 0) = 5 6= 0
2
3t
c11 c12 c13
Adj(A) = [Aij ]t = 4 c21 c22 c23 5
c31 c32 c33
donde
3 2 0 2 0 3
c11 = = 3; c12 = = 4; c13 = = 6;
0 1 2 1 2 0
2 1 1 1 1 2
c21 = = 2; c22 = = 1; c23 = = 4;
0 1 2 1 2 0
2 1 1 1 1 2
c31 = = 1; c32 = = 2; c33 = = 3;
2 1 0 2 0 3
2 3t 2 3
3 4 6 3 2 1
Adj(A) = 4 2 1 4 5 =4 4 1 2 5
1 2 3 6 4 3
Luego 2 3
3 2 1
1 5 5 5
A 1
= Adj(A) = 4 4
5
1
5
2
5
5
5 6 4 3
5 5 5
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
40 CAPÍTULO 1. MATRICES
3 2
a 0 b
Ejemplo 37 Hallar; si existe, la inversa de A = 4 0 1 0 5
b 0 a
Calculemos su determinante
1 0 a b 0 1
jAj = a 0 +b = a2 b2
0 a b a b 0
1 0 0 0 0 1
jA11 j = = a; jA12 j = = 0; jA13 j = = b
0 a b a b 0
0 b a b a 0
jA21 j = = 0; jA22 j = = a2 b2 ; jA23 j = = 0;
0 a b a b 0
0 b a b 1 0
jA31 j = = b; jA32 j = = 0; jA33 j = =a
1 0 0 0 0 a
luego 2 3
a 0 b
1 4
A 1
= 2 0 a 2
b2 0 5 ; con a2 b2 6= 0
a b2
b 0 a
Observación. El método de la adjunta es más conveniente para invertir matrices con ele-
mentos literales.
Ejercicios:
Calcular su Determinante.
2. Sean 2 3 2 3
1 2 1 2 3 1 2 1 2 3
4
A= 2 3 1 2 4 5; B=4 2 3 2 1 4 5
3 4 2 1 5 3 4 3 4 5
Calcular el determinante de AB t y BAt :
3. Sean 2 3 2 3 2 3
1 2 3 1 2 1 1 2 1
A=4 2 3 4 5 4
B= 3 1 2 5 C=4 1 1 2 5
3 4 6 2 1 3 1 5 2
Determinar la matriz Adjunta para cada una de las matrices dadas:
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
1.4. SISTEMAS DE ECUACIONES LINEALES 41
a1 x1 + a2 x2 + a3 x3 + ::::::::::::: + an xn = b
donde a1 ; a2 ; ::::::::::::; an y b son constantes en K y x1 ; x2 ; ::::::::::; xn son variables en K:
Las constantes a1 ; a2 ; ::::::::::; an son llamadas coe…cientes de la ecuación y las variables
x1 ; x2 ; :::::::::; xn son las incógnitas de la ecuación.
Matricialmente la ecuación puede escribirse
2 3
x1
6 7
a1 a2 an 4 ... 5 = [b] :
xn
El conjunto solución S de la ecuación, consiste de todas las n uplas en K (o matrices
X en Mn 1 (K)) tales que al sustituir por sus componentes las respectivas incógnitas, la
igualdad es verdadera, es decir,
8 2 3 9
>
< 1 >
=
n 6 .. 7
S = ( 1; 2; ; n) 2 K = a1 a2 an 4 . 5 = [b]
>
: >
;
n
o bién
82 3 2 3 9
>
< 1 1 >
=
6 .. 7 2 M (K) = 6 .. 7 = [b]
S= 4 . 5 n 1 a1 a2 an 4 . 5
>
: >
;
n n
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
42 CAPÍTULO 1. MATRICES
S = S1 \ S2 \ S3 \ ::::: \ Sn ;
donde cada Si es el conjunto solución de la i-ésima ecuación del sistema.
Es importante destacar, que el conjunto solución S de un sistema de ecuaciones lineales
puede ser descrito como sigue
82 3 2 3 9
>
< 1 1 >
=
6 .. 7 6 .. 7
S = 4 . 5 2 Mn 1 (K) = Am n 4 . 5 = Bm 1
>
: >
;
n n
o bién
8 2 3 9
>
< 1 >
=
6 .. 7 = B
S= ( 1; ; n) 2 Kn = Am n 4 . 5 m 1
>
: >
;
n
Usamos indistintamente las dos formas adecuándolas a los desarrollos más cómodos del
sistema y a las particularidades del problema que se esté resolviendo.
De…nición 52 Diremos que dos sistemas de ecuaciones lineales son equivalentes si y sólo
si tienen el mismo conjunto solución.
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
1.4. SISTEMAS DE ECUACIONES LINEALES 43
Demostración.
1. Inmediato, por la conmutatividad de la intersección.
2. En este caso basta demostrar que la ecuación multiplicada por el escalar no nulo tiene
el mismo conjunto solución que la original, hecho que es directo por las propiedades de las
igualdades en K.
3. Dado el sistema
entonces S1 = S2 :
Por lo tanto la operación realizada en el sistema no altera el conjunto solución.
Corolario 54 Dos sistemas de ecuaciones son equivalentes si sólo si tienen matrices au-
mentadas equivalentes por …la.
Ejemplo 38 Resolver
1 2 x 1
=
2 1 y 3
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
44 CAPÍTULO 1. MATRICES
Ejemplo 39 Resolver
1 2 x 1
=
2 4 y 3
0x + 0y = 1
S=
Solución. Se observa que ambos sistemas tienen la misma matriz de coe…cientes pero difer-
entes matrices aumentadas
2 3
1 1 1
A=4 2 3 2 5
3 2 1
Resolvamos el primero escribiendo paralelamente la matriz aumentada:
2 3
x+y z =1 1 1 1 1
2x 3y + 2z = 2 4 2 3 2 2 5
3x 2y + z = 3 3 2 1 3
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
1.4. SISTEMAS DE ECUACIONES LINEALES 45
que geométricamente es una recta en R3 que pasa por (1; 0; 0) con dirección ( 51 ; 54 ; 1): La
variable z se dice independiente o libre (notese que en este caso solo aparece una sola variable
libre).
De inmediato notamos que no es necesario escribir las incógnitas x; y; z; el método es
buscar la Escalonada Reducida por Fila de la matriz aumentada, el sistema tiene soluciones
y tantas como z hay en R, o sea, para cada z en R que se use, el trío resultante es solución;
luego hay in…nitas soluciones.
Resolvemos el segundo sistema, hacemos los mismos pasos:
2 3 2 3
1 1 1 1 F21 ( 2) 1 1 1 1
4 2 3 2 2 5 ! 4 0 5 4 0 5
3 2 1 3 F31 ( 3) 2 0 5 4 3 3
1 1 1 1
F32 ( 1) 4
0 5 4 0 5
!
0 0 0 3
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
46 CAPÍTULO 1. MATRICES
y llegamos sólo hasta aquí, puesto que al traducir la actual matriz aumentada a su forma
de sistema queda en evidencia que se busca un (x; y; z) que cumpla con las tres siguientes
ecuaciones:
x + y z =1
5y + 4z =0
0x + 0y + 0z = 3
No hay solución (x; y; z) que las cumpla, así, la solución del segundo sistema es
82 3 9
< x x+y z =1 =
S2 = 4 y 5 en R3 0 2x 3y + 2z =2 =
: ;
z 3x 2y + z =0
Se observa que podríamos haber resuelto ambos sistemas al poner desde el comienzo:
2 3 2 3
1 1 1 1 1 1 1 1 1 1
4 2 3 2 2 5 4
2 ! 0 1 4
0 0 5:
5
3 2 1 3 0 0 0 0 0 3
Puesto que al tener ceros en la tercera …la de la matriz de coe…cientes y un valor distinto
de cero en la última …la de la quinta columna necesariamente tal sistema es inconsistente, o
sea S2 = : Luego no considerando la quinta columna se sigue hasta hallar S1 :
es consistente.
AX = B
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
1.4. SISTEMAS DE ECUACIONES LINEALES 47
4i
xi = ; i = 1; 2; ::::; n; donde
4
"
columna i ésima
a11 b1 a1n
a21 b2 a2n
4i =
an1 bn ann
Demostración.
1 1
Si 4 = jAj =
6 0 entonces A = Adj(A)
4
1
X = A 1B =
(Adj(A))B
4
1 1 1
luego xi = fi (Adj(A))B = (b1 A1i + ::::::: + bn Ani ) = 4i
4 4 4
x1 x2 + x3 =7
x1 + 2x2 x3 =1
2x1 x2 + x3 =0
1 7 1
1
x2 = 1
1 1 1 = ( 1)( 13 ( 5)) = 8
2 0 1
1 1 7
1
x3 = 1
1 2 1 = ( 1)(5 27) = 22
2 1 0
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
48 CAPÍTULO 1. MATRICES
ax + by + z = 1
x + aby + z = b con a; b reales.
x + by + az = 1
Desarrollo.
a b 1
4= 1 ab 1 = b(a3 3a + 2) = b(a 1)2 (a + 2)
1 b a
a) Si 4 =
6 0 hay única solución, esto es a 6= 1 y b 6= 0 y a 6= 2
1 b 1
b ab 1
1 b a a2 ab + b a
x = =
4 (a 1)2 (a + 2)
a 1 1
1 b 1
1 1 a 2 + (a + 1)b
y = =
4 (a + 2)(a 1)b
a b 1
1 b b
1 b 1 a b
z = =
4 (a 1)(a + 2)
Caso a = 1 2 3 2 3
1 b 1 1 1 b 1 1
4 1 b !4
1 b 5 0 0 0 b 1 5
F
1 b 1 1 0 0 0 0
Luego, si b = 1 y a = 1 hay in…nitas soluciones. Si b 6= 1 y a = 1 no hay solución.
Caso b = 0 2 3 2 3
a 0 1 1 1 0 0 0
4 1 0 1 5 !4
0 0 0 a 1 1 5
F
1 0 a 1 0 0 0 2
Luego si b = 0 no hay solución.
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
1.4. SISTEMAS DE ECUACIONES LINEALES 49
Caso a = 2 2 3 2 3
2 b 1 1 1 2b 1 b
4 1 5 !4
2b 1 b 0 3b 3 1 + 2b 5
F
1 b 2 1 0 0 0 2+b
Luego, si a = 2 y b = 2 hay in…nitas soluciones. Si a = 2 y b 6= 2 no hay
solución.
Resumen:
Si a 6= 1; b 6= 0 y a 6= 2 entonces hay única solución.
Si a = 1 y b = 1 hay in…nitas soluciones.
Si a = 1 y b 6= 1 no hay solución (conjunto solución vacio).
Si b = 0 no hay solución.
Si a = 2 y b = 2 hay in…nitas soluciones.
Si a = 2 y b 6= 2 no hay solución.
x5 + x6 =1
2x2 + 6x3 + 2x4 =4
en R6
x2 + 3x3 + x4 + x5 =1
x2 + 3x3 + x4 + 2x5 + x6 =2
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
50 CAPÍTULO 1. MATRICES
x2 = 2 3k2 k3
x5 = 1
x6 = 2
En términos matriciales:
2 3 2 3 2 v1 3 2 v2 3 2 v3 3
x1 0 1 0 0
6 x2 7 6 2 7 6 0 7 6 3 7 6 1 7
6 7 6 7 6 7 6 7 6 7
6 x3 7 6 0 7 6 0 7 6 1 7 6 0 7
x=6
6
7=6
7 6
7 + k1
7
6
6
7 +k2
7
6
6
7 +k3
7
6
6
7
7
6 x4 7 6 0 7 6 0 7 6 0 7 6 1 7
4 x5 5 4 1 5 4 0 5 4 0 5 4 0 5
x6 2 0 0 0
S = fxp + k1 v1 + k2 v2 + k3 v3 j k1 ; k2 ; k3 en Rg :
Existen tantaspsoluciones como tríos de reales (k1 ; k2 ; k3 ). Por ejemplo si
(k1 ; k2 ; k3 ) = ( 3; 1; 1) escogido arbitrariamente
p p
xp + 3v1 v2 + v3 = ( 3; 4; 1; 1; 1; 2)
es otra solución particular del sistema.
¿Es ( 8; 3; 0; 1; 1; 2) una solución del sistema?
Sí, basta verlo en la Escalonada Reducida por Fila de la matriz aumentada, o si no hallar
x 1 = k1 = 8
x 3 = k2 = 0
x 4 = k3 = 1
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
1.4. SISTEMAS DE ECUACIONES LINEALES 51
Observemos también, que la resolución en R6 del ejercicio anterior exige usar una variable
x1 que no está explícita en el sistema original. No escribir la primera columna (de cero) en
la resolución, equivale a resolver en R5 un problema diferente ya que se pierde un grado de
libertad (una variable independiente x1 ).
Ejemplo 46 Resolver
x1 x3 7x6 + x7 = 3
2x1 + 2x3 + x4 + 2x6 = 0
3x1 + x2 + 3x3 4x6 = 2
x1 + 2x3 + x5 = 1
2x1 + x2 + 2x3 11x6 + x7 = 5
Desarrollo.
Para obtener la solución de este sistema podemos realizarlo de dos formas distintas, la
primera de ella es buscar .la Escalonada Reducida por Fila de la matriz aumentada.
En este caso procedemos de la siguiente forma.
2 32 3
1 0 1 0 0 7 1 3 1 0 1 0 0 7 1 3
6 2 0 2 1 0 2 0 0 7 6 6 7
6 76 0 0 0 1 0 12 2 7
6 3 1 3 0 0 4 0 2 76 0 1 0 0 0 25 3 11 7
6 76 7
4 1 0 2 0 1 0 0 1 54 0 0 1 0 1 7 1 4 5
2 1 2 0 0 11 1 5 0 1 0 0 0 25 3 11
2 32 3
1 0 1 0 0 7 1 3 1 0 0 0 1 14 2 7
6 0 1 0 0 0 25 3 11 7 6 11 7
6 76 0 1 0 0 0 25 3 7
6 0 0 1 0 1 7 1 4 7 6 0 0 1 0 1 7 1 4 7
6 76 7
4 0 0 0 1 0 12 2 6 54 0 0 0 1 0 12 2 6 5
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Así obtenemos
x1 = 7 + x5 14x6 + 2x7
x2 = 11 + 25x6 3x7
x3 = 4 x5 + 7x6 x7
x4 = 6 + 12x6 2x7
y realizando el siguiente cambio x5 = k1 ; x6 = k2 ; x7 = k3 tenemos
x1 = 7 + k1 14k2 + 2k3
x2 = 11 + 25k2 3k3
:
x3 = 4 k1 + 7k2 k3
x4 = 6 + 12k2 2k3
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
52 CAPÍTULO 1. MATRICES
Un segundo método es pivotear la matriz aumentada original escogiendo los pivotes más
convenientes ( lo que equivale a realizar un cambio de variables para alterar el orden de las
columnas o variables en la matriz)
2 32 3
1 0 1 0 0 7 1 3 1 0 1 0 0 7 1 3
6 2 0 2 1 0 2 0 0 76 2 0 2 1 0 2 0 0 7
6 76 7
6 3 1 3 0 0 4 0 2 76 3 1 3 0 0 4 0 2 7
6 76 7
4 1 0 2 0 1 0 0 1 54 1 0 2 0 1 0 0 1 5
2 1 2 0 0 11 1 5 0 0 0 0 0 0 0 0
y1 = x7 ; y2 = x4 ; y3 = x2 ; y4 = x5
obtenemos que en este caso una matriz Escalonada Reducida por Fila.
Volvamos a las variables originales y usemos x1 = k10 ; x3 = k20 ; x6 = k30
El conjunto solución está descrito de distinto modo, lo que puede hacer pensar que son
conjuntos distintos, lo cual es falso. Lo anterior lo podemos comprobar realizando el siguiente
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
1.4. SISTEMAS DE ECUACIONES LINEALES 53
2 3 2 3
x1 0 + k10 + 0k20 + 0k30
6 x2 7 6 2 3k10 3k20 + 4k30 7
6 7 6 7
6 x3 7 6 0 + 0k10 + 1k20 + 0k30 7
6 7 6 7
6 x4 7 = 6 0 6k10 + 2k20 2k30 7
6 7 6 7
6 x5 7 6 1 k10 2k20 + 0k30 7
6 7 6 7
4 x6 5 4 0 + 0k10 + 0k20 + 1k30 5
x7 3 + k10 + k20 + 7k30
2 3 2 3 2 3 2 3 2 3
x1 0 1 0 0
6 x2 7 6 2 7 6 3 7 6 3 7 6 4 7
6 7 6 7 6 7 6 7 6 7
6 x3 7 6 7
0 7 6 0 7 7 6 1 7 6 0 7
6 7 6 6 6 7 6 7
6 x4 7 = 6 0 7 + k 0 6 2 7 + k2 6 0
2 7 + k3 6
0
2 7
6 7 6 7 1 6 7 6 7 6 7
6 x5 7 6 1 7 6 1 7 6 2 7 6 0 7
6 7 6 7 6 7 6 7 6 7
4 x6 5 4 0 5 4 0 5 4 0 5 4 1 5
x7 3 1 1 7
En la forma reducida de un sistema de ecuaciones lineales, pueden distinguirse dos
números que están asociados con las variables del sistema.
Uno de estos números corresponde al número de variables que pueden ser despejadas
en el sistema simpli…cado, este es el número de pivotes usados en la matriz aumentada, lo
que es igual al número de …las no nulas de la Escalonada Reducida por Filas de la matriz
aumentada, en otras palabras el rango de la matriz aumentada.
El otro, es el número de las variables llamadas independientes o libres.
Así tenemos la siguiente propiedad.
El número de variables o incognitas del sistema es igual al número de variables indepen-
dientes más el número de variables despejadas.
Proposición 60 Dados los siguientes sistema de ecuaciones
Ax = 0; Ax = B
con Ayp = B; es decir, yp es una solución particular del sistema no homogéneo entonces
fy = Ay = Bg = fyp + y = Ay = 0g
Es decir, El conjunto solución del sistema de ecuaciones lineales no homogéneo se obtiene a
partir de una solución particular más una solución de la ecuación homogénea.
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
54 CAPÍTULO 1. MATRICES
S = fx = Ax = Bg
= fx = x = yp + y con Ay = 0g
Primeros probaremos
fx = x = yp + y con Ay = 0g S
Sea x = yp + y con Ay = 0; entonces
Ax = A(yp + y)
= Ayp + Ay
= B+0
= B
luego x 2 S:
Ahora probaremos la otra contención
S fx = x = yp + y con Ay = 0g
Sea x 2 S, entonces apliquemos A al vector (x yp )
x = yp + (x yp )
es decir,
x 2 fx = x = yp + y con Ay = 0g:
Se recomienda al alumno veri…car o comprobar que en los ejemplos anteriores, toda
solución del sistema se puede escribir como suma de una solución particular y una solución
del sistema homogéneo, las que se pueden leer a partir de la escalonada reducida por …la del
sistema.
1. Si Rg([E j b]) > Rg(E); entonces el conjunto solución del sistema es vacío.
2. Si Rg([E j b]) = Rg(E) = r < n; entonces el conjunto solución del sistema es in…nito.
(Dicho de otra manera el sistema tiene in…nitas soluciones).
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
1.4. SISTEMAS DE ECUACIONES LINEALES 55
3. Si Rg(E) = Rg([E j b]) = n; entonces el conjunto solución del sistema tiene un único
elemento. (Dicho de otra manera el sistema tiene única solución).
Ejemplo 47 Dado el sistema
x+y z =1
2x 3y + 2z =3
3x 2y + az =b
Determinar a; b de modo que el sistema tenga in…nitas soluciones y explicítelas.
Solución. La matriz asociada al sistema es
2 3
1 1 1
A=4 2 3 2 5
3 2 a
y su determinante es 5a + 5; por teorema de Cramer tenemos que si 5a + 5 6= 0 el sistema
tiene única solución.
Por lo tanto debemos analizar el caso 5a + 5 = 0; es decir a = 1
Consideremos la matriz aumentada del sistema con a = 1
2 3
1 1 1 1
4 2 3 2 3 5
3 2 1 b
Cuya matriz reducida es 2 3
1 6
1 0 5 5
4 0 1 4 1 5
:
5 5
0 0 0 b 4
Como Rg(A) = 2; entonces tenemos:
8
< 2 si b = 4
Rg([AjB] =
:
3 si b 6= 4
Si b 6= 4; entonces Rg(A) 6= Rg([AjB] y el conjunto solución es
S=
Si b = 4; entonces Rg(A) = Rg([AjB] < 3 y el conjunto solución es
82 3 9
< x x+y z =1 =
S = 4 y 5 2 M3 1 (R) 0 2x 3y + 2z = 3
: ;
z 3x 2y + z = 4
82 3 2 3 2 6 1 39
< x x 5
+ 5t =
= 4 y 5 2 M3 1 (R) 0 4 y 5 = 4 1 + 4t 5
: 5 5 ;
z z t
82 6
3 2 1 3 9
< 5 5 =
= 4 1 5+4 4 5t = t 2 R :
: 5 5 ;
0 1
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
56 CAPÍTULO 1. MATRICES
N (A) = fx 2 Mn 1 (R ) / Ax = 0g
1. Rg(A) = n
2. N (A) = f0g
3. fx / Ax = bg = fxp g:
a) jAj =
6 0
b) El sistema homogéneo Ax = 0 tiene única solución x = 0
c) A es regular.
a) Rg(A) < n
b) El sistema homogéneo Ax = 0 tiene in…nitas soluciones
c) A es singular
d) jAj = 0
5. Una vez que todas las variables libres han sido sustituidas por 1 en alguna oportunidad,
( como en 3), obtenemos k soluciones distintas yj donde k es el número de variables
libres.
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
1.4. SISTEMAS DE ECUACIONES LINEALES 57
7. Una solución particular del sistema no homogéneo se obtiene reemplazando por 0 todas
las variables libres.
Av2t = 0
Multiplicando obtenemos.
7 + a = 0; 8 + b = 0; 9+c=0
Así tenemos
v2 = (0; 7; 1; 8; 9; 0; 0)
Procediendo de manera similar obtenemos
v3 = (0; 2; 0; 3; 4; 1; 0) v4 = (0; 5; 0; 6; 7; 0; 1)
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
58 CAPÍTULO 1. MATRICES
Multiplicando
a = 2; b = 10; c=1
Así tenemos
xp = (0; 2; 0; 10; 1; 0; 0)
Finalmente el conjunto solución es
fxp + 1 v1 + 2 v2 + 3 v3 + 4 v4 j i en Rg :
con
xp = (0; 2; 0; 10; 1; 0; 0)
v1 = (1; 1; 0; 2; 0; 0; 0)
v2 = (0; 7; 1; 8; 9; 0; 0)
v3 = (0; 2; 0; 3; 4; 1; 0)
v4 = (0; 5; 0; 6; 7; 0; 1)
Ejercicios:
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
1.4. SISTEMAS DE ECUACIONES LINEALES 59
4. Sean
2x + 4y z + w = 1
3x + 6y + 2y + 2w = 3
x + 2y + 3z + aw = 3
5. Sean
x + 2y + 2z + aw = 1
3x + 6y + 6y + 2w = 3
2x + 3y + 4z + 2w = 1
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
Capítulo 2
Espacios Vectoriales
2.1. Grupos
De…nición 65 Sea G un conjunto no vacío y una operación en G. Diremos que G es un
grupo bajo la operación si las siguientes tres a…rmaciones son ciertas.
i) Asociatividad:
(x y) z = x (y z)
x e=e x=x
x x0 = x0 x = e
61
62 CAPÍTULO 2. ESPACIOS VECTORIALES
Si además se veri…ca;
iv) Conmutatividad:
iii) Distributividad:
(8x; y; z 2 K)(x (y + z) = x y + x z)
Observación. También usted conoce ejemplos de conjuntos en los cuales están de…nidas
dos operaciones, pero no es un cuerpo, como es el que presentamos en el capítulo anterior,
es decir las matrices cuadradas de orden 2.
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
2.2. ESPACIOS VECTORIALES 63
: K Mn m (K) ! Mn m (K)
(a; A) ! a A
+ : R n Rn ! Rn
(x; y) ! x + y
: R Rn ! R n
(a; x) ! a x
donde a x = a (xi ) = (a xi ):
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
64 CAPÍTULO 2. ESPACIOS VECTORIALES
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
2.2. ESPACIOS VECTORIALES 65
es un R espacio vectorial.
Las operaciones son análogas, ya que estamos trabajando con funciones, solamente debe-
mos recordar que si dos funciones son continuas (derivables) la suma es continua (derivable),
el mismo resultado lo tenemos para la multiplicación por escalar.
En este caso las operaciones son la suma de funciones y multiplicación de una función
por un escalar, y ahora recordamos que, si dos funciones son R-integrable entonces la suma
es R-integrable, el resultado análogo lo tenemos para la multiplicación por escalar.
: K K[x] ! K[x]
(a; p(x)) ! a p(x)
P P
donde a p(x) = a ai x i = a ai x i :
1. Sean u; v; w 2 V entonces
(u + v = u + w) () (v = w)
2. Sean u; v 2 V; a 2 K entonces
(au = av) () (u = v)
!
3. Sean 0 2 V; neutro aditivo a 2 K entonces
! !
a0 = 0
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
66 CAPÍTULO 2. ESPACIOS VECTORIALES
4. Sean v 2 V; 0 2 K entonces
!
0v = 0
5. Sean v 2 V; a 2 K entonces
! !
(av = 0 ) () (v = 0 _ a = 0)
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
2.3. SUBESPACIOS VECTORIALES 67
: V V ! V ; x y = x + y + xy
? : R V !V; ?y = x
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
68 CAPÍTULO 2. ESPACIOS VECTORIALES
At = A
ii) Ahora sean A; B dos matrices simétricas, demostraremos que la suma es simétrica
(A + B)t = At + B t
= A+B
iii) Falta demostrar, dada una matriz simétrica la multiplicación por escalar es simétrica.
(aA)t = a At
= a A
Por lo tanto, aA es simétrica, así hemos demostrado que el conjunto de las matrices
simétricas son un subespacio vectorial de las matrices de orden n n.
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
2.3. SUBESPACIOS VECTORIALES 69
iii) Ahora demostremos, dado x solución del sistema y a un escalar entonces ax también es
solución
A(ax)t = A(axt )
= a(Axt )
= a 0=0
i) En primera instancia podemos comprobar que la función nula ^0; es una función par, ya
que
^0( x) = 0
^0(x) = 0
ii) Ahora veamos la suma de funciones pares, para ello consideremos f; g dos funciones pares,
demostremos que f + g es par.
(f + g)( x) = f ( x) + g( x)
= f (x) + g(x)
= (f + g)(x):
iii) Nos falta demostrar que dado f una función par y a un escalar entonces af es una
función par.
(af )( x) = a f ( x)
= a f (x)
= (af )(x):
Con lo cual demostramos que el conjunto de las funciones pares es un subespacio vectorial
de las funciones.
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
70 CAPÍTULO 2. ESPACIOS VECTORIALES
i) Claramente la matriz nula satisface la condición, ya que todos sus coe…cientes son nulos.
A + B = [aij ] + [bij ]
= [aij + bij ] :
Como A; B son matrices triangulares superiores, luego aij = 0 y bij = 0; si i > j; por
lo tanto aij + bij = 0; siempre que i > j:
iii) En la tercera parte de la demostración, tenemos que veri…car que: Si A es una matriz
triangular superior y a es un escalar entonces aA es triangular superior.
aA = a [aij ]
= [a aij ]
Como A es una matriz triangular superior, luego aij = 0 si i > j; así obtenemos que
a aij = 0 si i > j:
Por lo tanto, el conjunto de matrices triangulares superiores de orden n es un subespacio
vectorial de las matrices cuadradas de orden n:
Ejercicio 68 Para cada una de las siguientes a…rmaciones determine el valor de verdad.
2. Las matrices cuadradas de orden 2 tales que al cuadrado es cero forman un subespacio
de las matrices cuadradas de orden 2:
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
2.4. BASES 71
1. a) U = f(x; y; z) 2 R3 = xyz = 0g
3
b) V = f(x; y; z) 2 R = x2 = y 2 g
c) V = f(x; y; z) 2 R3 = x + y + z 2 = 0g
d) W = f(x; y; z) 2 R3 = 3x + 2y + z = 0g
x y
e) W = f 2 M2 (R) j x = yg
x t
2.4. Bases
El concepto de base de un espacio vectorial permite describir en forma única todos
los vectores del espacio, lo cual es una generalización de la localización de un objeto en el
espacio tridimensional.
Esto nos motiva a considerar las siguientes de…niciones.
v = 1 v1 + 2 v2 + ::: + m vm
X
m
v = i vi
i=1
Ejemplo 75 Determinar si (1; 2; 1) es combinación lineal de los vectores ( 1; 2; 1); (1; 1; 2);
(1; 2; 3); en R3 :
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
72 CAPÍTULO 2. ESPACIOS VECTORIALES
es decir,
a+b+c = 1
2a + b + 2c = 2
a 2b + 3c = 1
Determinando la matriz del sistema tenemos,
2 3 2 1
3
1 1 1 1 1 0 0 8
4 2 5 4
1 2 2 ! 0 1 0 1 5
2
5
1 2 3 1 0 0 1 8
1 1 5
(1; 2; 1) = ( 1; 2; 1) + (1; 1; 2) + (1; 2; 3):
8 2 8
Por lo tanto (1; 2; 1) es combinación lineal de los vectores ( 1; 2; 1); (1; 1; 2); (1; 2; 3):
Ejemplo 76 Determinar si (1; 2; 1) es combinación lineal de los vectores ( 1; 2; 1); (1; 1; 2);
(1; 2; 3); en R3 :
es decir,
a+b+c = 1
2a + b + 2c = 2
a + 2b + 3c = 1
Determinando la matriz del sistema tenemos,
2 3 2 3
1 1 1 1 1 0 13 0
4 2 1 2 2 5!4 0 1 4 0 5
3
1 2 3 1 0 0 0 1
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
2.4. BASES 73
es decir,
a+b+c = 1
a + 3b c = 1
2a + 2b + c = 1
Determinando la matriz del sistema tenemos,
2 3 2 1
3
1 1 1 1 1 0 0 6
4 1 3 5 4
1 1 ! 0 1 0 1 5
2
1
2 2 1 1 0 0 1 3
1
Luego el sistema tiene solución, es decir, existen a = 6
; b = 12 ; c = 1
3
2 R; tales que
1 1 1
1 + x + x2 = ( 1 + x + 2x2 ) + (1 + 3x + 2x2 ) + (1 x + x2 )
6 2 3
Por lo tanto 1 + x + x2 es combinación lineal de los vectores ( 1 + x + 2x2 ); (1 + 3x + 2x2 )
y (1 x + x2 ):
1 v1 + 2 v2 + ::: + m vm =0
1 v1 + 2 v2 + ::: + m vm =0
Ejemplo 78 Demostrar que f(1; 0; 1); (1; 1; 0); (1; 1; 1)g es un conjunto linealmente indepen-
diente en R3 .
Demostración. Escribamos el vector nulo como combinación lineal de los vectores dados
a+b+c = 0
b+c = 0
a+c = 0
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
74 CAPÍTULO 2. ESPACIOS VECTORIALES
Ejemplo 79 Determinar si f(1; 2; 1); (1; 1; 0); (1; 3; 2)g es un conjunto linealmente indepen-
diente o linealmente dependiente en R3 .
Solución. Escribamos el vector nulo como combinación lineal de los vectores dados
a+b+c = 0
2a + b + 3c = 0
a + 2c = 0
Determinemos la matriz del sistema,
2 3 2 3
1 1 1 0 1 0 2 0
4 2 1 3 0 5!4 0 1 1 0 5
1 0 2 0 0 0 0 0
Por lo tanto, el conjunto f(1; 2; 1); (1; 1; 0); (1; 3; 2)g es linealmente dependiente.
Demostración. Escribamos el vector nulo como combinación lineal de los vectores dados
a+b+c = 0
a + 2b = 0
a b+c = 0
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
2.4. BASES 75
Solución. Escribamos el vector nulo como combinación lineal de los vectores dados
a 1 + b i = 0 + 0i
es decir a1 = b2 a2 = b1 :
Luego el sistema tiene in…nitas soluciones.
Por lo tanto, el conjunto f1; ig es linealmente dependiente.
b) Como C es un R-espacio vectorial, los escalares a; b son números reales.
a 1 + b i = 0 + 0i
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
76 CAPÍTULO 2. ESPACIOS VECTORIALES
v= 1 v1 + 2 v2 + ::: + m vm :
Ejemplo 82 Demostrar que f(1; 0; 0); (0; 1; 0); (0; 0; 1)g genera R3
1 0 0 1 0 0
Ejemplo 83 Demostrar que genera el espacio de las matrices
0 0 1 0 0 1
simétricas de orden 2:
x y x y x z
Demostración. Sea una matriz simétrica . Como = luego
z t z t y t
y = z: Reemplazando tenemos
x y 1 0 0 1 0 0
=x +y +t
y t 0 0 1 0 0 1
1 0 0 1 0 0
= fMatrices simétricas de orden dosg
0 0 1 0 0 1
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
2.4. BASES 77
luego todos los elementos de U se pueden escribir como combinación lineal del vector (1; 2):
Así
U = h(1; 2)i
Por lo tanto f(1; 2)g genera a U:
luego todo los elementos de U se pueden escribir como combinación lineal del vector ( 2; 3; 1):
Así
U = h( 2; 3; 1)i
Por lo tanto f( 2; 3; 1)g genera a U:
x y
Solución. Dado 2 U; se tiene
z t
t
x y x y
=
z t z t
x y x z
=
z t y t
x y 0 y
=
z t y 0
0 1
= y :
1 0
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
78 CAPÍTULO 2. ESPACIOS VECTORIALES
Luego todos los elementos de U se pueden escribir como combinación lineal del vector
0 1
:
1 0
Así
0 1
U=
1 0
0 1
Por lo tanto genera a U:
1 0
x+y = 0
Ejercicio 87 Sea U = (x; y; z) 2 R3 = R3 : Determinar un con-
x + 3y + z = 0
junto generador de U:
8 3 9 2
> 2 x 2 3> 3
>
< 1 3 2 0 0 >
=
6 y 7
Ejercicio 88 Sea U = (x; y; z; t) 2 R4 = 4 1 2 1 3 5 6 7=4 0 5 R4 :
> 4 z 5 >
>
: 0 1 3 1 0 >
;
t
Determinar un conjunto generador de U:
2.4.3. Bases
De…nición 75 Sea V un espacio vectorial sobre K; y v1 ; v2 ; :::; vm ; vectores en V: Decimos
que fv1 ; v2 ; :::; vm g es una base de V si y sólo si se cumple:
Ejemplo 89 Demostrar que f(1; 2; 1); (1; 2; 3); (3; 2; 1)g es una base de R3 :
a + b + 3c = 0
2a + 2b + 2c = 0
a + 3b + c = 0
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
2.4. BASES 79
a + b + 3c = x
2a + 2b + 2c = y
a + 3b + c = z
Determinando la matriz del sistema y calculando su determinante obtenemos
1 1 3
2 2 2 =8
1 3 1
4x + 8y 4z 2y + 4z 4x 2y
a= ; b= ; c= :
8 8 8
Por lo tanto, el conjunto f(1; 2; 1); (1; 2; 3); (3; 2; 1)g genera a R3 : Y con ello el conjunto
f(1; 2; 1); (1; 2; 3); (3; 2; 1)g es una base de R3 .
2 1 3 3 2 1 4 5
Ejemplo 90 Demostrar que ; ; ; es una base de
2 1 4 2 5 1 7 5
M2 (R):
0 0 2 1 3 3 2 1 4 5
= a +b +c +d
0 0 2 1 4 2 5 1 7 5
0 0 2a + 3b + 2c + 4d a + 3b c + 5d
= :
0 0 2a + 4b + 5c + 7d a + 2b c + 5d
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
80 CAPÍTULO 2. ESPACIOS VECTORIALES
2a + 3b + 2c + 4d = 0
a + 3b c + 5d = 0
2a + 4b + 5c + 7d = 0
a + 2b c + 5d = 0
Determinando la matriz del sistema tenemos
2 3
2 3 2 4 2 3 2 4
6 1 3 1 5 7 1 3 1 5
6 7 y = 98:
4 2 4 5 7 5 2 4 5 7
1 2 1 5 1 2 1 5
x y 2 1 3 3 2 1 4 5
= a +b +c +d
z t 2 1 4 2 5 1 7 5
x y 2a + 3b + 2c + 4d a + 3b c + 5d
= :
z t 2a + 4b + 5c + 7d a + 2b c + 5d
2a + 3b + 2c + 4d = x
a + 3b c + 5d = y
2a + 4b + 5c + 7d = z
a + 2b c + 5d = t
Determinando la matriz del sistema y calculando su determinante tenemos
2 3 2 4
1 3 1 5
= 98:
2 4 5 7
1 2 1 5
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
2.4. BASES 81
2 1 3 3 2 1 4 5
Por lo tanto, el conjunto ; ; ; genera a M2 (R):
2 1 4 2 5 1 7 5
2 1 3 3 2 1 4 5
Y con ello el conjunto ; ; ; es una base de
2 1 4 2 5 1 7 5
M2 (R).
8 3 9 2
> 2 x 3
2 3>
>
< 1 3 2 0 0 >=
6 7
Ejemplo 91 Sea U = (x; y; z; t) 2 R4 = 4 1 2 1 3 5 6 y 7=4 0 5 R4 : De-
> 4 z 5 >
>
: 0 1 3 1 0 >;
t
terminar una base de U:
por lo tanto
a( 11; 5; 2; 1) = (0; 0; 0; 0) ) a = 0:
p0 (1) = p(0)
b + 2c = a
a = b + 2c; con b; c 2 R;
a + bx + cx2 = b + 2c + bx + cx2
= b + bx + 2c + cx2
= b(1 + x) + c(2 + x2 )
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
82 CAPÍTULO 2. ESPACIOS VECTORIALES
1 + x; 2 + x2
Además, este conjunto es linealmente independiente, ya que
a(1 + x) + b(2 + x2 ) = 0
(a + 2b) + ax + bx2 = 0:
a = 0; b = 0
1 si x = y
Ejercicio 93 Sea x : A ! K; tal que x (y) = así x 2 F (A; R); entonces
0 si x 6= y
f x gx2A ; es un base de F (A; R):
Observación. Note que la elección del primer elemento de la base no tiene mayor impor-
tancia, ya que la condición esencial es que el coe…ciente sea no nulo.
En el teorema anterior, podemos reemplazar cualquier vi en la base por w; siempre que
i 6
= 0:
y además 7 6= 0 luego
h(1; 1; 1) ; (1; 0; 0)i = h(3; 7; 7); (1; 0; 0)i :
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
2.5. DIMENSIÓN 83
7u + 2v = 7 u + 2 v
y además 7 6= 0; luego
hu; vi = h7u + 2v; vi
y ahora veamos que el vector 3u + v es combinación de 7u + 2v; v
3 1
3u + v = (7u + 2v) + v
7 7
1
como 7
6= 0; tenemos
h7u + 2v; vi = h7u + 2v; 3u + vi
Por lo tanto
hu; vi = h7u + 2v; 3u + vi :
2.5. Dimensión
De…nición 78 Sea V un espacio vectorial sobre K: Decimos que la dimensión de V es n si
y sólo si existe una base de V tal que su cardinal es n:
B = fEij = 1 i j ng
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
84 CAPÍTULO 2. ESPACIOS VECTORIALES
B = fEii = 1 i ng
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
2.5. DIMENSIÓN 85
Observación. Tenga presente que para aplicar este teorema, es necesario conocer la dimen-
sión del espacio.
1 2 0 0
W = A 2 M2 (R) = A = M2 (R):
3 6 0 0
a b
Solución. Sea A = 2 W; luego
c d
a b 1 2 0 0
=
c d 3 6 0 0
a + 3b 2a + 6b 0 0
=
c + 3d 2c + 6d 0 0
a b 3b b 3 1 0 0
= =b +d ;
c d 3d d 0 0 3 1
es decir
3 1 0 0
W = ; :
0 0 3 1
Falta demostrar que son linealmente independiente,
3 1 0 0 0 0
x +y =
0 0 3 1 0 0
3x x 0 0
=
3y y 0 0
3 1 0 0
así obtenemos que x = 0; y = 0; con lo cual ; es una base de W:
0 0 3 1
Por lo tanto la dimensión de W es 2:
Ejercicios.
1. Sean
U = f(x; y; z; t) 2 R4 =x + y z = 0 ^ 2x + 3y t = 0g;
V = < (1; 2; 1; 3); (1; 1; 2; 1) >
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
86 CAPÍTULO 2. ESPACIOS VECTORIALES
2. Sean
x + 2y + z = 0
U= (x; y; z; t) 2 R4 j
2x + 4y + z t = 0
x+y z = 0
U= (x; y; z; t) 2 R4 j :
x + 4t = 0
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
2.6. SUMA DIRECTA 87
u; w 2 U; y u; w 2 W
y así
u + w 2 U; y u + w 2 W
luego
u+w 2U \W
iii) Finalmente si u 2 U \ W; y a 2 K; entonces
por lo tanto
au 2 U y au 2 W
lo que equivale a decir que
au 2 U \ W:
De (i), (ii) y (iii) se tiene que U \ W es un subespacio de V:
Ejemplo 98 Sean
2x + 3y + z = 0 y x+y 2z = 0
por lo tanto debemos resolver el sistema, lo cual haremos mediante operaciones elementales
…la.
2 3 1 0 1 0 7 0
!
1 1 2 0 0 1 5 0
luego x = 7t, y = 5t; z = t; con t 2 R:
Así obtenemos
es decir
U \ W =< (7; 5; 1) >
Como el vector es no nulo, luego f(7; 5; 1)g es una base de U \ W .
Ejemplo 99 Sean
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
88 CAPÍTULO 2. ESPACIOS VECTORIALES
(x; y; z) = (a + 2b; a + b; a b)
x = a + 2b; y = a + b; z=a b
Reemplazando en la ecuación que de…ne la pertenencia a U tenemos,
Ejemplo 100 Sean U =< (1; 2; 1; 1); (1; 3; 1; 2) > y W =< (2; 1; 1; 1); (2; 2; 1; 1) > sube-
spacios de R4 :
Determinar una base de U \ W:
Con lo cual tenemos que el vector debe satisfacer las dos condiciones, luego
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
2.6. SUMA DIRECTA 89
a + b 2c 2d = 0
2a + 3b c 2d = 0
a+b c d = 0
a + 2b c + d = 0
Así,
(x; y; z; t) 2 U \ W , (x; y; z; t) = (0; 0; 0; 0)
es decir
U \ W = f(0; 0; 0; 0)g:
Como el vector es nulo, luego no existe base del espacio nulo U \ W .
Ejemplo 101 Sean U = h(2; 1; 2; 1); (3; 1; 2; 2)i y W = h(1; 1; 1; 1); (2; 1; 4; 1)i sub-
espacios de R4 : Determinar una base de U \ W:
De esto se tiene que el vector (x; y; z; t) debe satisfacer ambas condiciones, es decir:
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
90 CAPÍTULO 2. ESPACIOS VECTORIALES
2a + 3b c 2d = 0
a+b c d = 0
2a + 2b c 4d = 0
a + 2b c + d = 0
Así,
(x; y; z; t) 2 U \ W , (x; y; z; t) = l(4; 3; 6; 1)
es decir
U \ W =< (4; 3; 6; 1) > :
Como el vector no es nulo, f(4; 3; 6; 1)g es una base del espacio U \ W .
u + w 2 hU [ W i ; u0 + w0 2 hU [ W i
u + w + u0 + w0 2 hU [ W i
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
2.6. SUMA DIRECTA 91
(u + w) + (u0 + w0 ) = (u + u0 ) + (w + w0 )
u + w 2 hU [ W i y a 2 K
a(u + w) = au + aw 2 hU [ W i
hU [ W i = fu + w 2 V = u 2 U; w 2 W g :
U + W = fu + w 2 V = u 2 U; w 2 W g :
Ejemplo 102 Sean U =< e1 > y W =< e2 > dos subespacios de R2 entonces
U + W = u + w 2 R2 = u 2 U; w 2 W
= xe1 + ye2 2 R2 = xe1 2 U; ye2 2 W; x; y 2 R
= (x; y) 2 R2 = x; y 2 R = R2
< e1 > + < e2 >= R2 :
U = f(x; y) 2 R2 = x + 3y = 0g
U = f(x; y) 2 R2 = x = 3yg
U = f( 3y; y) 2 R2 = y 2 Rg
U = < ( 3; 1) > :
W = f(x; y) 2 R2 = 2x + 5y = 0g
5
W = f(x; y) 2 R2 = x= yg
2
5
W = f( y; y) 2 R2 = y 2 Rg
2
5
W = ;1 :
2
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
92 CAPÍTULO 2. ESPACIOS VECTORIALES
U + W = fu + w 2 R2 = u 2 U; w 2 W g
5
= fx( 3; 1) + y( ; 1) 2 R2 = x; y 2 Rg
2
5
= ( 3; 1); ( ; 1)
2
5
Como ( 3; 1); ( 2
; 1) es un conjunto linealmente independiente, ya que
3 1 1
5 = 6= 0
2
1 2
5
entonces ( 3; 1); ( 2
; 1) es una base de R2 ; luego
5
U +W = ( 3; 1); ( ; 1) = R2
2
Teorema 83 Sean U; W subespacios vectoriales de V tales que U =< A > y W =< B >
con A y B subconjuntos de V; entonces
U + W =< A [ B > :
Observación. La de…nición dice que un espacio vectorial V es suma directa de los subespa-
cios U y W si dado cualquier v en V existe un único u en U y existe un único w en W de
modo que v = u + w:
Ejemplo 104 En R2 ; tenemos que todo elemento (x; y) se puede escribir como
la cual es única, con la condición que cada uno de los sumandos esté situado en U =< e1 >
y W =< e2 > respectivamente. Así podemos decir que
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
2.6. SUMA DIRECTA 93
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
94 CAPÍTULO 2. ESPACIOS VECTORIALES
U = f(x; y; z; t) 2 R4 = 3x + 2y z = 0; x + y + t = 0g;
W = f(x; y; z; t) 2 R4 = x+y z + t = 0; x + 2y + z t = 0g
dos subespacios de R4 : Determinar si R4 es suma directa de U y W:
3x + 2y z = 0; x+y+t=0
z = 3x + 2y; t= x y:
Así,
por lo tanto
U =< (1; 0; 3; 1); (0; 1; 2; 1) > :
Ahora obtendremos un conjunto generador de W:
x+y z + t = 0; x + 2y + z t=0
x = 3z 3t; y= 2z + 2t
Así,
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
2.7. COORDENADAS 95
por lo tanto
W =< (3; 2; 1; 0); ( 3; 2; 0; 1) > :
Como U =< (1; 0; 3; 1); (0; 1; 2; 1) > y W =< (3; 2; 1; 0); ( 3; 2; 0; 1) >; en-
tonces
U + W =< (1; 0; 3; 1); (0; 1; 2; 1); (3; 2; 1; 0); ( 3; 2; 0; 1) > :
El conjunto f(1; 0; 3; 1); (0; 1; 2; 1); (3; 2; 1; 0); ( 3; 2; 0; 1)g ; generador de U + W; es una
base de R4 ; ya que
1 0 3 3
0 1 2 2
= 5
3 2 1 0
1 1 0 1
Con esto hemos demostrado que
R4 = U W:
Ejercicios.
subespacio de F (R; R)
3. Sean
Demostrar que R4 = U W:
2.7. Coordenadas
Sea V un espacio vectorial sobre K de dimensión n y B = fv1 ; v2 ; :::; vn g base de V: De
ahora en adelante consideremos que las bases son ordenadas, esto es, una base es ordenada
si …jamos la posición en que se encuentran los vectores en la base.
Como B es una base de V; todo elemento de V es combinación lineal única de los elementos
de la base, es decir
v = 1 v1 + 2 v2 + ::: + n vn
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
96 CAPÍTULO 2. ESPACIOS VECTORIALES
Denotamos las coordenadas de v; con respecto a la base ordenada B; por [v]B la cual es
una matriz de orden n 1 cuyos coe…cientes son los escalares (en el orden establecido), es
decir, 2 3
1
6 7
6 2 7
[v]B = 6 .. 7
4 . 5
n
Así, 2 3
1
[1]B = 4 1=2 5 :
1=2
Ahora escribamos el vector a+bx+cx2 en combinación lineal de 1 x; 1+2x+x2 ; 1+x2 :
a + bx + cx2 = (1 x) + (1 + 2x + x2 ) + (1 + x2 )
a + bx + cx2 = ( + + )1 + ( + 2 )x + ( + )x2
a = + + ; b= +2 ; c= + :
Así,
1 1 1 3 1 1
a + bx + cx2 = (a c) (1 x) + b+ a c (1 + 2x + x2 ) + c b a (1 + x2 )
2 2 2 2 2 2
Por lo tanto, 2 3
a c
a + bx + cx2 4
= 2 b + 12 a
1 1
c 5
B 2
3
2
c 12 b 1
2
a
Ejercicios.
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
2.8. PRODUCTO TENSORIAL 97
a) [(1; 2; 3)]D
b) [(x; y; z)]D
a) [1 + x x 2 ]B
b) [ax2 + bx + c]B
U = f(x; y; z) 2 R3 = x y + z = 0g
1
a) Si [u]D = : Determinar u
2
3t
b) Si [v]D = : Determinar v
2t
1 3
[(1; 1; 1)]A = [(4; 1; 1)]A =
2 2
Determinar la base A:
usv,u v2U
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
98 CAPÍTULO 2. ESPACIOS VECTORIALES
(a) Re‡eja:
Como U es un espacio vectorial, luego
02U ,u u 2 U , u s u:
Por lo tanto,
(8u 2 V )(u s u)
(b) Simétrica:
Sean u; v 2 V; tales que u s v; luego u v 2 U y como U es un espacio vectorial,
entonces ( 1)(u v) 2 U; pero
( 1)(u v) = u+v =v u
por lo tanto v u 2 U lo que equivale a decir que v s u:
Así hemos demostrado
(8u; v 2 V ) ((u s v) ) (v s u))
(c) Transitiva:
Sean u; v; w 2 U tales que u s v y v s w; entonces (u v) y (v w) 2 U y como
U es un subespacio, la suma de ellos pertenece a U;
(u v) + (v w) = u + (( v + v) w)
= u w
luego u w 2 U y por lo tanto u s w:
Es decir,
(8u; v 2 V ) [((u s v) ^ (v s w)) ) (u s w)]
Observación. Note que los elementos de V =U son conjuntos. A continuación daremos una
estructura de espacio vectorial a V =U .
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
2.8. PRODUCTO TENSORIAL 99
a) Primero de…namos la suma: dadas dos clases u; v; de…nimos u + v como (u + v); es decir,
sumamos los vectores y a continuación determinamos su clase. La de…nición anterior
se basa en la siguiente propiedad.
u s u0 ; v s v 0 ) (u + v) s (u0 + v 0 )
u s u0 ; v s v 0 ) u u0 2 U; v v0 2 U
) (u u0 ) + (v v 0 ) 2 U
) (u + v) (u0 + v 0 ) 2 U
) (u + v) s (u0 + v 0 )
u = u0 ; v = v 0 ) (u + v) = (u0 + v 0 )
u s u0 ; a 2 K ) au s au0
u s u0 ; a 2 K ) u u0 2 U; a 2 K
) a(u u0 ) 2 U; a 2 K
) (au au0 ) 2 U; a 2 K
) au s au0
u = u0 ; a 2 K ) au = au0 :
u + v = u + v; u; v 2 V
a u = a u; u 2 V; a 2 K
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
100 CAPÍTULO 2. ESPACIOS VECTORIALES
Ejemplo 108 Sea U =< (1; 1) > subespacio de R2 : Describir el espacio vectorial cuociente
R2 =U:
Solución. Las clases o los vectores que pertenecen al conjunto cuociente estan dados por:
es decir, ambos vectores son iguales y representan la recta de pendiente 1 que pasa por el
punto (1; 2):
La operatoria que transforma a este conjunto en un espacio vectorial sobre R es:
(x; y) + (a; b) = (x + a; y + b)
(x; y) = ( x; y)
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
2.8. PRODUCTO TENSORIAL 101
Solución. Las clases o los vectores que pertenecen al conjunto cuociente estan dados por:
1 1 0 0 1 0 1 1
!
1 0 1 1 0 1 1 1
Por lo tanto
el cual es un espacio vectorial con las operaciones de suma de funciones y multiplicación por
escalar de una función.
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
102 CAPÍTULO 2. ESPACIOS VECTORIALES
1 si (u; w) = (x; y)
(u;w) (x; y) =
0 si (u; w) 6= (x; y)
Observación. Los vectores del espacio Sf (U W; K) son funciones que pueden describirse
en forma análoga a los polinomios, es decir,
X
g= g(u; w) (u;w)
donde (u;w) juega el rol o papel de xi en un polinomio y la suma es …nita dado que g es de
soporte …nito.
En el espacio Sf (U W; K); consideremos el subespacio generado por
A=f ( u;w) (u;w) ; (u; w) (u;w) ; (u+u0 ;w) (u;w) (u0 ;w) ;
0 0
(u;w+w0 ) (u;w) (u;w0 ) = u; u 2 U; w; w 2 W; 2 Kg
Con el subespacio generado por A; hAi construimos el espacio cuociente y así tenemos la
siguiente de…nición.
Sf (U W; K)= hAi
es decir,
U W = Sf (U W; K)= hAi
4. (8u 2 U ) (8w; w0 2 W ) (u (w + w0 ) = (u w) + (u w0 )) :
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
2.8. PRODUCTO TENSORIAL 103
= ( 1)
= (1 )
= (1 ( 1))
= (1 1)
= (1 1)
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
104 CAPÍTULO 2. ESPACIOS VECTORIALES
entonces obtenemos
fe1 e1 ; e1 e2 ; e2 e1 ; e2 e2 g
es una base del espacio vectorial R2 R2 .
Por lo anterior tenemos que el espacio vectorial R2 R2 tiene dimensión 4:
Ejercicios.
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
Capítulo 3
Transformaciones lineales
3.1. Introducción
Entre espacios vectoriales V y W; sobre un mismo cuerpo K; se pueden de…nir una gran
variedad de funciones, nos interesa resaltar de estas funciones las que respetan la estructura
de espacio vectorial, es decir, respetan la suma de vectores y también la multiplicación por
un escalar.
Al considerar este tipo de funciones, uno de los mejores ejemplo que disponemos es la
derivada como función de V en V; siendo V el R-espacio vectorial de todas las funciones
reales derivables. La función derivada respeta la suma y la multiplicación por escalar, esto
es, dados f; g en V y en R se tiene:
así también, la integral mirada como función desde el R-espacio vectorial W; de todas las
funciones integrables en el intervalo [a; b]; en el el R-espacio vectorial R también cumple estas
propiedades, es decir, dados f; g en W y en R se tiene:
Z b Z b Z b
(f + g) (x)dx = f (x)dx + g(x)dx
a a a
Z b Z b
( f ) (x)dx = f (x)dx
a a
105
106 CAPÍTULO 3. TRANSFORMACIONES LINEALES
Solución. Veamos primero que T respeta la suma. Sean (x; y); (x0 ; y 0 ) cualesquiera en R2
Solución. Veamos primero que T respeta la suma. Sean (x; y); (x0 ; y 0 ) cualesquiera en R2
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
3.2. TRANSFORMACIONES LINEALES 107
T : R2 [x] ! R2
2
ax + bx + c (a b; 2c + b)
T( ax2 + bx + c ) = T ( ax2 + bx + c)
= ( a b; 2 c + b)
= ( (a b) ; (2c + b))
= (a b; 2c + b)
= aT (ax2 + bx + c)
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
108 CAPÍTULO 3. TRANSFORMACIONES LINEALES
Ejemplo 117 Hallar el conjunto de las preimágenes del vector nulo para la transformación
lineal
T : R3 ! R2
(x; y; z) (2x + 3y + z; x 3y z)
Solución. Necesitamos determinar los vectores (x; y; z) de R3 tales que
T (x; y; z) = (0; 0)
Evaluando T;
(2x + 3y + z; x 3y z) = (0; 0)
es decir,
2x + 3y + z = 0; x 3y z=0
luego, utilizando la matriz asociada al sistema, obtenemos
2 3 1 1 0 0
!
1 3 1 0 1 31
por lo tanto,
1
x=0 y+ z=0
3
con lo cual,
1
z; z)(x; y; z) = (0;
3
1
= z(0; ; 1)
3
Así el conjunto de las preimágenes del vector nulo es el subespacio
1
(0; ; 1) :
3
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
3.2. TRANSFORMACIONES LINEALES 109
Teorema 93 Sean U; V dos espacios vectoriales sobre K; además sean fu1 ; u2 ; :::; un g una
base de U y fv1 ; v2 ; :::; vn g un subconjunto de V entonces existe una única transformación
lineal T de U en V; tal que T (ui ) = vi ; i = 1; :::; n
ya que fu1 ; u2 ; :::; un g es una base de U; como la transformación del teorema anterior es lineal
entonces tenemos !
Xn Xn
T ai u i = ai v i :
i=1 i=1
U = f(x; y; z) 2 R3 = x + y + z = 0g
Solución. Como f(1; 0); (1; 1)g es una base de R2 y los vectores (1; 2; 3) y (5; 3; 2)
pertenecen a U; entonces existe un única transformación lineal.
Explicitemos la transformación, para ello usemos la observación anterior. Sea (x; y) 2 R2 ;
luego
(x; y) = (x y) (1; 0) + y(1; 1)
aplicando la transformación lineal obtenemos
T : R2 ! U
:
(x; y) (x + 4y; 2x 5y; 3x + y)
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
110 CAPÍTULO 3. TRANSFORMACIONES LINEALES
Ejercicios.
Determinar si los siguientes funciones son transformaciones lineales. JUSTIFIQUE.
x + y x 3y
6. T : R2 ! M2 (R) tal que T (x; y) =
2x x y
T : R3 ! R2
(x; y; z) (x 2y + z; 2x + 3y + 2z)
Ker T = fv 2 V = T (v) = 0g
reemplazando
para explicitar el Ker T debemos resolver el sistema de ecuaciones lineales homogéneo, para
ello asociamos la matriz al sistema y determinamos su escalonada.
1 2 1 1 0 1
!
2 3 2 0 1 0
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
3.2. TRANSFORMACIONES LINEALES 111
Ker T = (x; y; z) 2 R3 = x + z = 0 y = 0
= (x; y; z) 2 R3 = x = z y = 0
= ( z; 0; z) 2 R3 = z 2 R
= h( 1; 0; 1)i :
Por lo tanto
Ker T = h( 1; 0; 1)i :
Ker T = fv 2 V = T (v) = 0g
reemplazando
para explicitar el Ker T debemos resolver el sistema de ecuaciones lineales homogéneo, para
ello asociamos la matriz al sistema y determinamos su escalonada.
1
1 2 1 1 0 7
! 4
2 3 2 0 1 7
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
112 CAPÍTULO 3. TRANSFORMACIONES LINEALES
Ker T U
T : R3 ! R2
(x; y; z) (x 2y z; 2x + 3y + 2z)
1
cuyo kernel es 7
; 74 ; 1 : Como el conjunto 1
7
; 74 ; 1 genera y es linealmente inde-
1
pendiente, por lo tanto 7
; 47 ; 1 es una base del Ker T . Así tenemos que la dimensión
del Ker T es 1:
Otro de los elementos notables de una función es su recorrido, esto es, el conjunto de los
posibles vectores que puede alcanzar esta función.
T : R3 ! R3
(x; y; z) (2x y + z; x y + z; x)
Determinar la imagen de T:
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
3.2. TRANSFORMACIONES LINEALES 113
T (x; y; z) = (a; b; c)
(2x y + z; x y + z; x) = (a; b; c)
2x y + z = a
x y+z = b
x = c
a c b=0
Por lo tanto,
T : R3 ! R2
(x; y; z) (x 2y z; 2x + 3y + 2z)
Determinar la imagen de T:
T (x; y; z) = (a; b)
(x 2y z; 2x + 3y + 2z) = (a; b)
x 2y z = a
2x + 3y + 2z = b
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
114 CAPÍTULO 3. TRANSFORMACIONES LINEALES
Im T V:
T : R2 ! R3
(x; y) (2x y; x 3y; x)
T (x; y) = (a; b; c)
(2x y; x 3y; x) = (a; b; c)
2x y = a
x 3y = b
x = c
b + 5c 3a = 0
Así,
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
3.2. TRANSFORMACIONES LINEALES 115
Es fácil probar que el conjunto f(1; 3; 0); (0; 5; 1)g es linealmente independiente, por lo
tanto una base de Im T .
Observación: En los anteriores desarrollos no hemos utilizado el hecho de que las funciones
son transformaciones lineales, es decir, la propiedad
Es fácil probar que el conjunto f(2; 1; 1); ( 1; 3; 0)g es linealmente independiente, por
lo tanto, f(2; 1; 1); ( 1; 3; 0)g es otra base de Im T .
De…nición 100 Se de…ne el rango de una transformación lineal T como el número entero
positivo correspondiente a la dimensión del recorrido de T: Se denota este número por Rg T;
así tenemos que,
Rg T = dim Im (T )
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
116 CAPÍTULO 3. TRANSFORMACIONES LINEALES
dim U = Nul T + Rg T
Im(T ) = V
T (x; y) = T (u; v)
(2x y; x + 3y; x + y) = (2u v; u + 3v; u + v)
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
3.2. TRANSFORMACIONES LINEALES 117
Así,
x u = 0; y v=0
es decir,
x = u; y=v
(x; y) = (u; v)
Con lo cual hemos demostrado que
es decir, T es inyectiva.
T : R2 ! R3
(x; y) (2x y; x + 3y; x + y)
T (x; y) = (0; 0; 0)
(2x y; x + 3y; x + y) = (0; 0; 0)
2x y = 0
x + 3y = 0
x+y = 0
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
118 CAPÍTULO 3. TRANSFORMACIONES LINEALES
Así,
x = 0; y=0
es decir,
Ker T = f(0; 0)g
Con lo cual hemos probado que T es inyectiva.
Para determinar la epiyectividad de T; utilicemos que
T : R3 ! R2
(x; y; z) (2x y + z; x + 3y z)
T (x; y; z) = (0; 0)
(2x y + z; x + 3y z) = (0; 0)
2x y + z = 0
x + 3y z = 0
Así,
2 3
x= z; y= z
7 7
es decir,
2 3
Ker T = ; ;0
7 7
Con lo cual se prueba que T no es inyectiva.
Para determinar la epiyectividad de T; utilicemos el hecho que
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
3.2. TRANSFORMACIONES LINEALES 119
Ejercicios.
1. Dada la función T : R3 ! R2
(x; y; z) 7! (2x + y; x + 3z)
T : R2 [x] ! M2 (R)
p(1) p0 (0)
p(x) 7! R1
0
p(x)dx p( 1)
5. Dada la función T : C3 ! C2
(x; y; z) 7! (x + y; x 2z)
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
120 CAPÍTULO 3. TRANSFORMACIONES LINEALES
( F ) (u + av) = F (u + av)
= (F (u) + F (av))
= F (u) + a F (v)
= ( F ) (u) + a ( F ) (v)
Observación. Note que no solamente hemos demostrado que las operaciones de suma y
multiplicación por escalar son transformaciones lineales sino también que L(U; V ) es un
subespacio vectorial del conjunto F(U; V ) de todas las funciones de U en V .
Teorema 104 Sean U; V espacios vectoriales sobre K, entonces el conjunto L(U; V ); de to-
das las transformaciones lineales de U en V; es un subespacio vectorial del conjunto F(U; V );
de todas las funciones de U en V: Esto lo podemos expresar por
L(U; V ) F(U; V )
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
3.2. TRANSFORMACIONES LINEALES 121
F : R2 ! R3 G: R2 ! R3
;
(x; y) (x 4y; 2x + y; x) (x; y) (2x y; x 3y; y)
Así,
(F + G) (x; y) = (3x 5y; 3x 2y; x + y):
Para determinar la imagen de F + G procedemos de la siguiente manera. Consideremos la
base canónica de R2 y así
Es fácil probar que el conjunto f(3; 3; 1); ( 5; 2; 1)g es linealmente independiente, por
lo tanto, f(3; 3; 1); ( 5; 2; 1)g es una base.de Im(F + G):
3.2.5. Compuesta
Otra de las operaciones que aparece cuando se trabaja con funciones es la composición
de funciones.
F F = F2
F F F = F 3:
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
122 CAPÍTULO 3. TRANSFORMACIONES LINEALES
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
3.2. TRANSFORMACIONES LINEALES 123
y por lo tanto
G F : R2 [x] ! R2
2 :
ax + bx + c (2a 5b + c; a + 4b c)
Reescribiendo el sistema,
2a 5b + c = 0
a + 4b c = 0
Determinemos la matriz asociada y posteriormente la escalonada reducida por …la.
1
2 5 1 0 1 0 3
0
! 1
1 4 1 0 0 1 3
0
luego obtenemos
1 1
a = c; b = c; con c 2 R
3 3
Reemplazando
1 1
Ker(G F ) = fax2 + bx + c 2 R2 [x] = a = c; b = c; con c 2 Rg
3 3
1 2 1
= f cx + cx + c 2 R2 [x] = con c 2 Rg
3 3
1 2 1
= x + x+1 :
3 3
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
124 CAPÍTULO 3. TRANSFORMACIONES LINEALES
Así
F G: R3 ! R3
(x; y; z) (x; 4x + 2y + 2z; 4x y z)
La otra compuesta la tenemos de…nida por
(G F ) (x; y) = G(F (x; y))
= G(x + y; 2x + 4y; x)
= (x; y)
Por lo tanto,
G F : R2 ! R2
(x; y) (x; y)
3.2.6. Inversa
De…nición 107 Sea F 2 L(U; V ); decimos que existe la inversa de F si y sólo si existe
G 2 L(V; U ) tal que G F = IdU ; F G = IdV :
La notación para la función inversa es F 1 :
Proposición 108 Sea F : U ! V una transformación lineal y G : V ! U una función
tal que
G F = IdU y F G = IdV
entonces G es una transformación lineal de V en U::
Demostración. Sean u; v 2 V y a 2 K
G(u + av) = G(IdU (u) + aIdV (v))
= G(F (G (u)) + aF (G (v)))
= G(F (G (u)) + F (aG (v)))
= G(F (G (u) + aG (v)))
= (G F ) (G (u) + aG (v))
= G (u) + aG (v) :
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
3.2. TRANSFORMACIONES LINEALES 125
T : R3 ! R3
(x; y; z) (2x y + z; x y + 2z; x + z)
T (x; y; z) = (0; 0; 0)
(2x y + z; x y + 2z; x + z) = (0; 0; 0)
2x y + z = 0
x y + 2z = 0
x+z = 0
Así,
x = 0; y = 0; z=0
es decir,
Ker T = f(0; 0; 0)g
Con lo cual, T es inyectiva.
Además, tenemos
Nul(T ) + dim(R3 ) = dim(R3 )
Como Nul (T ) = 0; luego la igualdad se cumple por lo tanto T es epiyectiva y usando el
teorema 109 la función inversa de T existe.
Para explicitar la función inversa de T , necesitamos resolver la siguiente ecuación
T (x; y; z) = (a; b; c)
(2x y + z; x y + 2z; x + z) = (a; b; c)
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
126 CAPÍTULO 3. TRANSFORMACIONES LINEALES
2x y + z = a
x y + 2z = b
x+z = c
Así,
x = c; y=b 2a + 3c; z=c a+b
es decir,
T : R3 ! R3
(x; y; z) (2x y + z; x y + 2z; x + z)
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
3.2. TRANSFORMACIONES LINEALES 127
T : R3 ! R2 [x]
2
(a; b; c) ax + bx + c
es un isomor…smo.
Lo a…rmación anterior muestra que R3 es isomorfo a R2 [x] :
Ejercicios.
a) Determinar (T T )(x; y)
1
b) Hallar, si existe T (a; b)
T : R3 [x] ! C2
3 2
ax + bx + cx + d ((a + d) + (b + d) i; c + (a + b + c + 2d) i)
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
128 CAPÍTULO 3. TRANSFORMACIONES LINEALES
T : C3 ! C3
(x; y; z) (x + 2y + z; x + y + 3z; x + y + 2z)
De…nición 113 Sean U y V dos espacios vectoriales sobre K, además B = fu1 ; u2 ; :::; un g;
y C = fv1 ; v2 ; :::; vm g bases ordenadas de U y V respectivamente. Sea T una transformación
lineal de U en V:
Se de…ne la matriz asociada a T en las bases B y C a
2 3
a11 a12 a1n
6 a21 a22 a2n 7
6 7
6 .. .. . . . .. 7 2 Mm n (K) :
4 . . . 5
am1 am2 amn
denotada por
[T ]CB
donde T (uj ) = a1j v1 + a2j v2 + + amj vm , para j = 1; 2; : : : ; n:
Observación.
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
3.3. MATRIZ ASOCIADA 129
b) Si la base B del espacio de partida es igual al del espacio de llegada, la matriz asociada
a la transformación lineal se denota por [T ]B :
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
130 CAPÍTULO 3. TRANSFORMACIONES LINEALES
Teorema 114 Sea T 2 L(U; V ); con U y V espacios vectoriales de dimensión …nita, en-
tonces
[T (u)]C = [T ]CB [u]B
donde B y C son bases de U y V respectivamente.
Ejemplo 138 Sean B = f(1; 1; 1); (0; 1; 1); (1; 0; 1)g; D = f(1; 1); (0; 1)g bases de R3 y R2
respectivamente y T una transformación lineal tal que
4 2 2
[T ]D
B = 3 1 1
Explicitar T (x; y; z):
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
3.3. MATRIZ ASOCIADA 131
Ejemplo 139 Sean B = f(1; 1; 1); (0; 1; 1); (1; 0; 1)g y D = f(1; 1; 0); (1; 0; 1); (1; 2; 3)g
bases de R3 y T una transformación lineal tal que
2 3
4 2 2
D
[T ]B = 4 3 1 1 5
1 2 2
Solución. Sea u 2 Ker T; luego T (u) = 0; por lo cual [T (u)]D = 0: Por el teorema anterior
tenemos
[T (u)]D = [T ]D
B [u]B
es decir
0 = [T ]D
B [u]B
reemplazando tenemos 2 32 3 2 3
4 2 2 a 0
4 3 1 1 5 4 5 4
b = 0 5
1 2 2 c 0
resolviendo el sistema homogéneo, mediante la matriz, obtenemos
2 3 2 3
4 2 2 1 0 0
4 3 1 1 5!4 0 1 1 5
1 2 2 0 0 0
es decir,
a = 0; b=c
por lo tanto,
2
3 2 3
a 0
[u]B = 4 b 5 = 4 c 5
c c
u = 0(1; 1; 1) + c(0; 1; 1) + c(1; 0; 1)
= (c; c; 2c) = c (1; 1; 2)
Así obtenemos
Ker T = h(1; 1; 2)i :
Como f(1; 1; 2)g es linealmente independiente, luego f(1; 1; 2)g es una base del Ker T:
Ejemplo 140 Sean B = f(1; 1; 1); (0; 1; 1); (1; 0; 1)g; D = f(1; 1; 0); (1; 0; 1); (1; 2; 3)g bases
de R3 y T una transformación lineal tal que
2 3
4 2 2
D
[T ]B = 4 3 1 1 5
1 2 2
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
132 CAPÍTULO 3. TRANSFORMACIONES LINEALES
Solución. Sabemos, por el ejemplo anterior, que Rg(T ) es igual a 2; luego basta encontrar
dos vectores linealmente independientes de la Im T . Como
2 3 2 3 2 3
4 2 2
[T (1; 1; 1)]D = 4 3 5 ; [T (0; 1; 1)]D = 4 1 5 ; [T (1; 0; 1)]D = 4 1 5
1 2 2
entonces
Así,
Teorema 115 Sean U; V y W tres espacios vectoriales de dimensión …nita sobre K con
B, C y D bases de U; V y W respectivamente. Si T; L 2 L(U; V ); F 2 L(V; W ) y 2K
entonces:
2. [F T ]D D C
B = [F ]C [T ]B
Teorema 117 Sean U y V dos espacios vectoriales de dimensión …nita sobre K; además B
y C bases de U y V respectivamente. Si T 2 L(U; V ) entonces:
2. Si T es un isomor…smo, entonces
1
1 B
T C
= [T ]CB
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
3.3. MATRIZ ASOCIADA 133
Ejemplo 141 Sean B = f(1; 1; 1); (0; 2; 1); (1; 0; 1)g; D = f(1; 2; 1); (1; 3; 2); (2; 1; 3)g
bases de R3 y T una transformación lineal tal que
2 3
5 2 2
[T ]D 4 3 1 1 5
B =
1 4 3
Reemplazando obtenemos
2 3 1 2 3
5 2 2 1 2 0
1 B 4
T D
= 3 1 1 5 =4 8 13 1 5
1 4 3 11 18 1
a + b + 2c = x
2a + 3b + c = y
a + 2b + 3c = z
Así 2 3
7 1 5
4
x+ 4
y 4
z
[(x; y; z)]D = 4 1
4
y 5
4
x + 3
4
z 5
1 1 1
4
z+ 4
x 4
y
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
134 CAPÍTULO 3. TRANSFORMACIONES LINEALES
luego
2 3 2 7 3
1 2 0 4
x + 41 y 45 z
T 1
(x; y; z) B
= 4 8 13 1 5 4 14 y 54 x + 43 z 5
1
11 18 1 4
z + 14 x 14 y
2 3 3 1
3 2 0
3
4
x 4
y 4
z a
[T (x; y; z)]D = 4 5
2
x 11
2
y + 12 z 5 = 4 b0 5
7 15
2
x 2
y + 12 z c0
Id : U ! U
u u
[Id]CB
Proposición 118 Sea U un espacio vectorial de dimensión …nita sobre K con B y C bases
de U entonces,
1
[Id]CB = [Id]BC
[Id]BB = In
Teorema 119 Sean U y V dos espacios vectoriales de dimensión …nita sobre K; además B
y B 0 bases de U; C y C 0 bases de V . Si T 2 L(U; V ) entonces
0 0
[T ]CB = [Id]CC 0 [T ]CB0 [Id]BB
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
3.3. MATRIZ ASOCIADA 135
Ejemplo 142 Sean B = f(1; 1; 1); (0; 2; 1); (1; 0; 1)g; D = f(1; 2; 1); (1; 3; 2); (2; 1; 3)g
bases de R3 y T una transformación lineal tal que
2 3
5 2 2
[T ]D 4 3 1 1 5
B =
1 4 3
Calcular [T ]B
[T ]BB = [Id]BD [T ]D B
B [Id]B
= [Id]BD [T ]D
B I3
necesitamos calcular [Id]BD ; para ello necesitamos resolver los siguientes sistemas
Entonces tenemos
2 2
3 2 5
3 2 3
3 3
1
[(1; 2; 1)]B = 4 4
3
5; [(1; 3; 2)]B = 4 7
3
5; [(2; 1; 3)]B = 4 1 5
5 8
3 3
3
[T ]BB = [Id]BD [T ]D
B
2 2 5
32 3
3 3
1 5 2 2
= 4 4
3
7
3
1 5 4 3 1 1 5
5 8
3 3
3 1 4 3
2 2 11 8
3
3 3 3
= 4 2
3
13
3
10
3
5
10 38 29
3 3 3
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
136 CAPÍTULO 3. TRANSFORMACIONES LINEALES
Ejercicios.
1. Sea C = f(1; 2; 1); (2; 1; 1); (1; 1; 1)g una base de R3 y T : R3 ! R3 una transformación
lineal tal que 2 3
1 2 1
[T ]CC = 4 2 1 1 5
1 5 2
T : U ! R2 1 2
y [T ]CA =
(x; y; z) (x y; x z) 1 1
Determinar la base A.
1 5 1
[T ]CC =
3 1 2
2 1
[T ]CC =
1 1
C 5 3
T2 =
C 3 2
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
3.3. MATRIZ ASOCIADA 137
1 3
f ) Si T : R2 ! R2 y [L]CC = y C = f(1; 0); (0; 1)g;
3 2
(x; y) (2x + y; x + y)
entonces
5 4
[T L]CC =
8 5
1 C 1 1
T =
C 1 2
2 5
[T ]BB =
1 2
1 2
[T ]BB =
1 1
5. Sea T : R3 ! R3 una transformación lineal y B = f(1; 1; 0); (1; 0; 1); (1; 0; 0)g base
ordenada de R3 y C =f(1; 0; 1); (0; 1; 1); (1; 1; 1)g base ordenada de R3 tal que
2 3
1 1 1
[T ]CB = 4 2 1 0 5
1 2 3
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
138 CAPÍTULO 3. TRANSFORMACIONES LINEALES
a) Explicitar T (x; y; z)
b) Hallar una base del Ker(T )
c) Hallar una base Img(T )
6. Sea C = f(1; 2; 1); (2; 1; 1); (1; 1; 2)g una base de R3 y T : R3 ! R3 una transformación
lineal tal que 2 3
3 3 5
C
[T ]C = 4 1 1 1 5
2 2 4
T : U ! R2 1 2
y [T ]CA =
(x; y; z) (x + y z; 3x y + 2z) 1 1
Determinar la base A.
9. Sea T : R2 ! R3 una transformación lineal y B = f(1; 1); (1; 1)g base ordenada de
R2 y C =f(1; 2; 1); (2; 1; 1); ( 1; 2; 1)g base ordenada de R3 tal que
2 3
1 1
[T ]CB = 4 2 1 5
1 3
10. Sea T : R2 ! R3 una transformación lineal y B = f(1; 1); (1; 1)g una base ordenada
de R2 y C =f(1; 2; 1); (2; 1; 1); ( 1; 2; 1)g una base ordenada de R3 tal que
2 3
1 1
[T ]CB = 4 2 1 5
1 3
0
Además B 0 =f(1; 2); (2; 1)g y C 0 = f(1; 0; 2); (0; 1; 1); (1; 1; 0)g: Calcular [T ]CB0 :
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
3.3. MATRIZ ASOCIADA 139
13. Sea T : R3 ! R3 una transformación lineal y B = f(1; 1; 1); (1; 1; 1); (1:; 1; 1)g una
base ordenada de R3 y C =f(1; 1; 2); (2; 1; 1); (1; 2; 1)g una base ordenada de R3 tal que
2 3
1 1 1
[T ]CB = 4 2 1 1 5
1 3 2
1 1 0 2
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
140 CAPÍTULO 3. TRANSFORMACIONES LINEALES
16. Sea T : C3 ! C3 una transformación lineal y B = f(1; 1; 0); (1; 0; 1); (0; 0; 1)g una base
ordenada de C3 tal que 2 3
1 1 1
B 4
[T ]B = 2 1 1 5
1 3 2
Un elemento ' en V se llama una forma lineal o también recibe el nombre de funcional
lineal.
(x1 ; x2 ; : : : ; xn ) = a1 x1 + a2 x2 + + an x n
(x1 ; x2 ; : : : ; xn ) = x1 e1 + x2 e2 + + xn en
y es lineal entonces
(x1 ; x2 ; : : : ; xn ) = (x1 e1 + x2 e2 + + xn en )
= x1 (e1 ) + x2 (e2 ) + + xn (en )
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
3.4. ESPACIO VECTORIAL DUAL 141
(x1 ; x2 ; : : : ; xn ) = a1 x1 + a2 x2 + + an x n
(x1 ; x2 ; : : : ; xn ) = a1 x1 + a2 x2 + + an x n
Ejemplo 144 Sea V = Rn [x] y ' : V ! R de…nida por '(p(x)) = p(0): Claramente se
tiene que ' es una forma lineal. En efecto, dados p(x) y q(x); dos polinomios cualesquiera
con coe…cientes en R de grado menor o igual a n y en R entonces,
(f + g) = (f + g)0 (0)
= f 0 (0) + ( f )0 (0)
= f 0 (0) + (f )0 (0)
= (f ) + (g)
Rb
Ejemplo 146 Sea el R-espacio vectorial V = ff : [0; 1] ! R j a
f (t)dt existeg: De…namos
: V ! R de…nida por Z b
(f ) = f (t)dt
a
Claramente (f ) esta en R y veri…ca las propiedades de linealidad por las propiedades
usuales que tiene la integral.
para (aij ) matriz de orden n n es claramente lineal y así es un elemento del espacio vectorial
dual de Mn (R).
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
142 CAPÍTULO 3. TRANSFORMACIONES LINEALES
1 si i = j
vi (vj ) =
0 si i 6= j
Por el Teorema 93, dado B = fv1 ; v2 ; : : : ; vn g; base ordenada del K-espacio vectorial V; la
función vi : V ! K es lineal, para cada i = 1; 2; : : : ; n, y es única con la propiedad
1 si i = j
vi (vj ) =
0 si i 6= j
Proposición 122 Sea B = fv1 ; v2 ; : : : ; vn g una base ordenada del K-espacio vectorial V: El
conjunto de formas lineales B = fv1 ; v2 ; : : : ; vn g es una base del espacio vectorial dual V y
se tiene:
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
3.4. ESPACIO VECTORIAL DUAL 143
De…nición 123 Sea B = fv1 ; v2 ; : : : ; vn g una base ordenada del K-espacio vectorial V: La
base ordenada B = fv1 ; v2 ; : : : ; vn g del espacio vectorial dual V se denomina base dual de
B.
Ejemplo 149 Sea V = R2 y B = f(1; 1); ( 1; 1)g base de V: Para determinar la base dual
B de B debemos encontrar dos funcionales lineales de V :
v1 (x; y) = a1 x + b1 y y v2 (x; y) = a2 x + b2 y
(sabemos que son de esa forma por el Ejemplo 143) de modo que
v1 (1; 1) = a1 1 + b1 1 = 1
v1 ( 1; 1) = a1 ( 1) + b1 1 = 0
y
v2 (1; 1) = a2 1 + b2 1 = 0
v2 ( 1; 1) = a2 ( 1) + b2 1 = 1
Por lo tanto debemos resolver los sistemas:
a1 + b 1 = 1 a2 + b 2 = 0
y
a1 + b 1 = 0 a2 + b 2 = 1
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
144 CAPÍTULO 3. TRANSFORMACIONES LINEALES
Sea ' una forma lineal de V ; esto signi…ca que ' : V ! K y ' es una transformación
lineal. Del diagrama se observa que ' T : U ! K es ahora una forma lineal de U (' T es
una transformación lineal de U en K ya que es la compuesta de las transformaciones lineales
' y T ). Con esto podemos de…nir T : V ! U por:
T ( + ') = ( + ') T
= ( T) + ( ' T)
= ( T ) + (' T )
= T ( ) + T (')
T (') = ' T
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
3.5. DIAGONALIZACIÓN 145
1. ( T + S) = T + S ; para cualquier ; en K.
2. (R T ) = T R
Proposición 126 Sean U y V dos K-espacios vectoriales con bases …nitas B y D respec-
tivamente. Sean U y V los espacios vectoriales duales con B y D sus bases duales
respectivas. Sea T : U ! V una transformación lineal con matriz asociada [T ]D B : En-
tonces, la matriz asociada, en las bases duales B y D ; de la transformación lineal dual
T :V ! U ; [T ]BD es la traspuesta de la matriz [T ]D
B : Es decir,
t
[T ]BD = [T ]D
B
3.5. Diagonalización
El teorema 119 motiva encontrar una base de un K-espacio vectorial V de modo que la
matriz asociada a una transformación lineal T : V ! V sea diagonal.
De ahora en adelante, tan sólo por comodidad, diremos que T es un operador en V para
referirnos a una transformación lineal T : V ! V: Así, L(V; V ) es el conjunto de todos los
operadores en V .
F : R2 ! R2
(x; y) (x + y; 3x y)
1. Determinar la matriz asociada a F en la base canónica, es decir C = f(1; 0); (0; 1)g
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
146 CAPÍTULO 3. TRANSFORMACIONES LINEALES
Solución.
Para determinar la matriz asociada a F en la base canónica, primero calculemos
F (1; 0) = (1; 3)
F (0; 1) = (1; 1)
Ahora expresemos cada vector como combinación lineal de los elementos de la base
Así,
1 1
[F ]C = :
3 1
Para la otra base procedemos de manera análoga. Primero calculamos
F (1; 1) = (2; 2)
F (1; 3) = ( 2; 6)
Ahora expresemos cada vector como combinación lineal de los elementos de la base
Así obtenemos
2 0
[F ]B = :
0 2
En este ejemplo, tenemos que en la base B la matriz asociada a F es una matriz diagonal.
TA : Mn 1 (R) ! Mn 1 (R)
X A X
82 3 2 3 2 39
>
> 1 0 0 >
>
>
<6 7 6 7 6 7>
=
6 0 7 6 1 7 6 07
Demostrar que la matriz asociada a TA en la base canónica C = 6 .. 7;6 .. 7 ; :::; 6 7
..
>
>4 . 5 4 . 5 4 5>
.>
>
: >
0 0 1 ;
de Mn 1 (R), es
[TA ]C = A
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
3.5. DIAGONALIZACIÓN 147
TA (Ei ) = A Ej
= A cj (In )
= cj (A In )
= cj (A)
P
Luego obtenemos TA (Ei ) = cj (A) = ni=1 aij Ei ; es decir
Así
[TA ]C = A:
F : R2 ! R2
(x; y) (x + y; 3x y)
F (x; y) = (x; y)
(x + y; 3x y) = (x; y)
(x + y x; 3x y y) = (0; 0)
x+y x = 0
3x y y = 0
reescribiéndolo obtenemos
(1 )x + y = 0
3x + ( 1 )y = 0
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
148 CAPÍTULO 3. TRANSFORMACIONES LINEALES
Como el sistema es homogéneo y buscamos una solución no trivial entonces el sistema debe
tener in…nitas soluciones. Por lo tanto el determinante de la matriz asociada debe ser cero.
(1 ) 1 2
= 4
3 ( 1 )
Así, los únicos valores propios son 2 y 2:
Observación: Para poder determinar los valores propios asociados a una transformación
lineal tenemos el siguiente resultado.
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
3.5. DIAGONALIZACIÓN 149
Solución. El teorema anterior, nos permite escoger cualquier base del espacio vectorial,
entonces sea C = f(1; 0; 0) ; (0; 1; 0) ; (0; 0; 1)g la base canónica de R3 :
Determinemos la matriz asociada a T en la base C; para ello calculemos
T (1; 0; 0) = (2; 1; 1)
T (0; 1; 0) = ( 1; 1; 0)
T (0; 0; 1) = (1; 1; 0)
por lo tanto 2 3
2 1 1
[T ]C = 4 1 1 1 5:
1 0 0
Luego, es un valor propio de T si y sólo si
j[T ]C I3 j = 0
2 3 2 3
2 1 1 1 0 0
4 1 1 1 5 4 0 1 0 5 = 0
1 0 0 0 0 1
(2 )( 1 ) = 0
T (1) = 1 + x
T (x) = 2 + x + x2
T x2 = 1 + x2
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
150 CAPÍTULO 3. TRANSFORMACIONES LINEALES
por lo tanto 2 3
1 2 1
[T ]C = 4 1 1 0 5 :
0 1 1
Como es un valor propio de T si y sólo si
j[T ]C I3 j = 0
2 3 2 3
1 2 1 1 0 0
4 1 1 0 5 4 0 1 0 5 = 0
0 1 1 0 0 1
2 3
+3 = 0
p p
Luego los valores propios asociados a T son 0; 32 + 1
2
5; 32 1
2
5:
[T ]B = [Id]BC [T ]C [Id]CB
1
[T ]B = [Id]CB [T ]C [Id]CB
además
1 1
[Id]CB xIn [Id]CB = x [Id]CB In [Id]CB = xIn
Usando estos dos resultados y las propiedades del determinante tenemos el siguiente desar-
rollo
1
j[T ]C xIn j = [Id]CB [T ]C [Id]CB xIn
1 1
= [Id]CB [T ]C [Id]CB [Id]CB xIn [Id]CB
1
= [Id]CB ([T ]C xIn ) [Id]CB
1
= [Id]CB j[T ]C xIn j [Id]CB
= j[T ]C xIn j
con lo cual hemos demostrado la proposición.
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
3.5. DIAGONALIZACIÓN 151
a b 1 0
x = x2 (a + d) x + ad bc
c d 0 1
Así tenemos
PT (x) = x2 (a + d) x + ad bc
2. Si 6= entonces V \ V = f0g:
T : R3 ! R3
(x; y; z) (5x y + 3z; 6x + 4y 6z; 6x + 2y 4z)
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
152 CAPÍTULO 3. TRANSFORMACIONES LINEALES
5 x 1 3
PT (x) = 6 4 x 6 = 4 + 5x2 8x x3
6 2 4 x
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
3.5. DIAGONALIZACIÓN 153
1 1
Observación. Considere la base B = 2
; 1; 1 ; 3
; 1; 0 ; ( 1; 0; 1) de R3 ; con esta base
obtenemos que 2 3
1 0 0
[T ]B = 4 0 2 0 5
0 0 2
en K y dim V i
= ni , la multiplicidad i en PT (x); i = 1; 2; : : : ; s:
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
154 CAPÍTULO 3. TRANSFORMACIONES LINEALES
T : R2 [x] ! R2 [x]
ax2 + bx + c (2a b + 4c)x2 + (2a + b) x + (2a + c)
Determine una base en R2 [x] tal que la matriz de T en esta base sea una matriz diagonal.
1 x 0 2
PT (x) = 0 1 x 2 = 4 + x + 4x2 x3
4 1 2 x
p(x) = t 1 t x + t x2
= t 1 x + x2
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
3.5. DIAGONALIZACIÓN 155
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
156 CAPÍTULO 3. TRANSFORMACIONES LINEALES
Resumiendo:
Los valores propios son: 1; 1 y 4 y los espacios propios son:
V 1 = 1 x + x2 ; con dim V 1 = 1:
1
V1 = + x ; con dim V1 = 1:
4
2 2
V4 = + x + x2 ; con dim V4 = 1:
3 3
Determine una base de V tal que la matriz asociada a T en esta base sea diagonal.
4 x 22 2
3 1 x 1 1
PT (x) =
0 0 2 x 1
0 0 4 3 x
4 x 2 2 x 1
=
3 1 x 4 3 x
2 2
= 2 3x + x 2+x+x
2
= (x 1) (x 2) (x + 2)
V = fu 2 V = ([T ]B I4 ) [u]B = 0g
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
3.5. DIAGONALIZACIÓN 157
2 3
4
2 ( 2) 2 2
6 1 ( 2) 3 1 1 7
6 7
4 0 20 ( 2) 1 5
0 0 4 3 ( 2)
2 1
3
1 0 0 4
6 0 1 0 0 7
Así, la escalonada reducida por …la es: 6
4 0 0 1
7
1 5 y con ello obtenemos
4
0 0 0 0
2 1 3
4
t
6 0 7
[u]B = 6
4 1t 5
7
4
t
como B es una base de V
1 1
u = t v1 + t v2 + 0 v3 + t v4
4 4
1 1
= t v1 + v2 + v4
4 4
con lo cual tenemos que
1 1
V 2 = v1 + v2 + v4 :
4 4
Para el valor propio 1 procedemos de manera análoga, es decir,
2 3
4 1 2 2 2
6 3 1 1 1 1 7
6 7
4 0 0 2 1 1 5
0 0 4 3 1
2 3
1 23 0 0
6 0 0 1 1 7
Así, la escalonada reducida por …la es: 6 7
4 0 0 0 0 5 y con ello obtenemos
0 0 0 0
2 2 3
3
6 7
[u]B = 6
4
7
5
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
158 CAPÍTULO 3. TRANSFORMACIONES LINEALES
u = t v1 t v2 + 0 v3 + 0 v4
= t (v1 v2 )
1
Observación. Considere la base D = v
4 1
+ 14 v2 + v4 ; 2
v
3 1
+ v 2 ; v 3 + v 4 ; v1 v2 de V; con
esta base obtenemos que 2 3
2 0 0 0
6 0 1 0 0 7
[T ]D = 6
4
7
0 0 1 0 5
0 0 0 2
Ejercicios.
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
3.5. DIAGONALIZACIÓN 159
1. Sea T : R3 ! R3 una transformación lineal y B = f(1; 0; 0); (1; 1; 0); (1:; 1; 1)g base
ordenada de R3 ; tal que 2 3
1 1 2
B
[T ]B = 4 1 2 1 5
2 1 1
6. Sea C = f(1; 0; 0; 1); (1; 0; 1; 2); (1; 2; 1; 0); (1; 1; 2; 1)g una base de R4 y T una transfor-
mación lineal tal que 2 3
1 3 2 1
6 2 4 2 1 7
[T ]C = 64 0
7
0 3 1 5
0 0 2 2
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
160 CAPÍTULO 3. TRANSFORMACIONES LINEALES
L: R R ! R
(x; y) xy
1. F (v + v 0 ; v 00 ) = F (v; v 00 ) + F (v 0 ; v 00 )
3. F ( v; v 0 ) = F (v; v 0 ) = F (v; v 0 )
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
3.6. PRODUCTO ESCALAR 161
T (A; B) = Tr(AB t )
E(X; Y ) = x1 y1 + x2 y2 + + xn yn
para X = (x1 ; x2 ; : : : :xn ) e Y = (y1 ; y2 ; : : : ; yn ): Se deja como ejercicio probar que es bilineal
y además veri…car las propiedades adicionales:
- E(X; Y ) = E(Y; X)
!
- E(X; Y ) = 0; para todo Y en Rn , entonces X = 0
- E(X; X) 0
De…nición 137 Sea V un R-espacio vectorial. Se dice que una forma bilineal sobre V ,
F : V V ! R, es un producto escalar sobre V si veri…ca:
1. F es simétrica,
F (v; v 0 ) = F (v 0 ; v) (8 v; v 0 2 V )
2. F es no degenerada,
!
F (v; v 0 ) = 0; para todo v 0 en V , entonces v = 0
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
162 CAPÍTULO 3. TRANSFORMACIONES LINEALES
3. F es de…nida positiva,
F (v; v) 0 (8 v 2 V )
Ejemplo 165 Se deja como ejercicio probar que las siguientes formas bilineales sobre el
R-espacio vectorial V respectivo es un producto escalar.
hX; Y i = x1 y1 + x2 y2 + + xn yn
hA; Bi = Tr(AB t )
para f; g en V:
De…nición 139 Sea V un R-espacio vectorial y (V; h ; i) un espacio euclideo. Se dice que
los vectores v y v 0 de V son ortogonales o perpendiculares si hv; v 0 i = 0: Usualmente, si v y
v 0 son perpendiculares se denota por v ? v 0
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
3.6. PRODUCTO ESCALAR 163
3.6.1. Norma
Si V es un R-espacio vectorial y h ; i es
pun producto escalar sobre V entonces, como
hv; vi 0 para cualquier v enV; la expresión hv; vi es un número real bien de…nido.
De…nición 140 Sea V un R-espacio vectorial y h ; i un producto escalar sobre V . Se de…ne
la norma de un vector v en V por p
kvk = hv; vi
Proposición 143 (Ley del paralelógramo) Sea V un R-espacio vectorial, (V; h ; i) un espa-
cio euclídeo y v, v 0 dos vectores cualesquiera en V: Entonces se tiene que
2 2 2
kv + v 0 k + kv v 0 k = 2 kvk2 + 2 kv 0 k
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
164 CAPÍTULO 3. TRANSFORMACIONES LINEALES
i hvi ; vi i = 0
Teorema 145 Sea V un R-espacio vectorial. Todo espacio euclídeo (V; h ; i) de dimensión
…nita n admite una base fu1 ; u2 ; : : : ; un g de vectores unitarios mutuamente perpendiculares.
v10 = v1
hv2 ; v10 i 0
v20 = v2 v
hv10 ; v10 i 1
hv3 ; v20 i 0 hv3 ; v10 i 0
v30 = v3 v v
hv20 ; v20 i 2 hv10 ; v10 i 1
..
.
vn ; vn0 1 hvn ; v10 i 0
vn0 = vn vn0 1 v
0
v n 1 ; vn 10 hv10 ; v10 i 1
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
3.6. PRODUCTO ESCALAR 165
Ejemplo 168 Sea V = R2 y f(2; 1); (1; 2)g una base de V . Usando el proceso de Gram-
Schmidt elegimos v10 = (2; 1) y construimos
Ejercicios.
hX; Y i = x1 y1 + x2 y2 + x3 y3
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
Capítulo 4
Programación Lineal
4.1. Introducción
Se llama Programación Lineal al procedimiento empleado para resolver, una gran
cantidad de problemas de máximo y mínimo (optimización), los cuales están con restricciones
de tipo lineal en las incógnitas, que pueden ser ecuaciones o inecuaciones.
La fase de formulación del análisis de problemas es lo que tiene mayor trascendencia en
la práctica en los problemas de programación lineal. Sin embargo solamente nos dedicaremos
a la solución de ellos una vez planteado.
Algunos de los conceptos necesarios de conocer para familiarizarse con el lenguaje de
programación lineal son:
En todos estos ejemplos hay una cantidad que se desea maximizar o minimizar.
Ejemplo 169 Una persona tiene un problema de utilidades al producir dos tipos de produc-
tos. Suponga que xi es la cantidad producida de producto i, y wi es la ganancia unitaria del
producto i, con i = 1; 2. Luego la función ganancia está dada por
w1 x1 + w2 x2
167
168 CAPÍTULO 4. PROGRAMACIÓN LINEAL
Para el administrador de cartera: sus decisiones de inversión están restringidas por la can-
tidad de su capital y por los reglamentos de la bolsa de valores.
Para el gerente de planta: sus decisiones están restringidas por la capacidad de la planta y
por la disponibilidad de recursos.
La decisión de una compañía petrolera de usar cierto tipo de petróleo crudo en la pro-
ducción de gasolina está restringida por las características de ésta. (El octanaje o el
antidetonante).
x1 + x2 B;
sujeto a:
y
x1 0; x2 0; :::; xn 0
donde bi ; ci y aij son constantes reales …jas, bi 0, xi son valores reales a determinar.
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
4.2. TRANSFORMACIÓN A LA FORMA ESTÁNDAR 169
cxt
Axt = b
donde A = (aij ) ; y
xi 0; 8i = 1; :::; n;
donde c y x son vectores n-dimensional, A es una matriz de orden m n y b es una matriz de
orden m 1. Las componentes de x son todas positivas, denotada por la desigualdad x 0;
asumiendo que esa notación es para cada una de las componentes del vector x.
El problema de programación lineal …nalmente se escribe,
max(cxt )
Sujeto a Axt = b
x 0
a1 x1 + a2 x2 + ::: + an xn b1
s1 = b 1 (a1 x1 + a2 x2 + ::: + an xn )
a1 x1 + a2 x2 + ::: + an xn + s1 = b1
s1 0
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
170 CAPÍTULO 4. PROGRAMACIÓN LINEAL
y
s2 = 125 (3x1 + 4x2 + 6x3 ) = 125 3x1 4x2 6x3
Entonces, las desigualdades lineales iniciales, se transforman en
Sujeta a
s1 0; s2 0:
es decir,
a1 x1 + a2 x2 + ::: + an xn b
y1 = a1 x1 + a2 x2 + ::: + an xn b
a1 x1 + a2 x2 + ::: + an xn y1 = b
donde y1 0. De esta forma un problema de desigualdades lineales pasa a ser una igualdad
lineal.
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
4.2. TRANSFORMACIÓN A LA FORMA ESTÁNDAR 171
2x1 + x2 + 2x3 10
x1 + 2x2 + x3 12
y
y2 = x1 + 2x2 + x3 12 = x1 + 2x2 + x3 12
2x1 + x2 + 2x3 y1 = 10
x1 + 2x2 + x3 y2 = 12
Sujeta a
y1 0; y2 0:
es decir,
2x1 + x2 + 2x3 y1 = 10
x1 + 2x2 + x3 y2 = 12
y1 0; y2 0:
x1 = w1 r1 ;
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
172 CAPÍTULO 4. PROGRAMACIÓN LINEAL
Entonces x1 se puede despejar en términos de las otras variables más una constante.
Al reemplazar esta expresión por x1 en el sistema de ecuaciones original, se tiene un nuevo
problema, pero expresado en una variable menos. Como resultado de esta operación se obtiene
un problema lineal estándar con una ecuación y una variable menos.
sujeto a
x1 + 2x2 + x3 = 5
2x1 + 3x2 + x3 = 6
x2 0; x3 0:
x1 = 2x2 x3 + 5:
x2 + x3 = 4
x2 0; x3 0;
Ejemplo 174 Al realizar un estudio en una fábrica de muebles, se obtienen los siguientes
datos:
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
4.2. TRANSFORMACIÓN A LA FORMA ESTÁNDAR 173
x 0 y y 0
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
174 CAPÍTULO 4. PROGRAMACIÓN LINEAL
Consideramos las rectas 3000x + 6000y = d; para los distintos valores de la constante
d. Cada una de estas rectas son paralelas y la ganancia en ellas es constante. Para ver por
qué, considérese la recta 3000x + 6000y = 30000 para cada punto (x; y) que se encuentre en
esta recta y en el conjunto de…nido por las restricciones, el fabricante obtiene una utilidad
de $30;000.
Algunos puntos son: (10; 0) (representa solamente 10 sillas), (6; 2) (6 sillas y 2 mesas)
y (0; 5) (solamente 5 mesas). Por lo que podemos gra…car muchas rectas de ganancia cons-
tantes:
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
4.2. TRANSFORMACIÓN A LA FORMA ESTÁNDAR 175
Todas las rectas de utilidades constantes son paralelas entre sí y las utilidades aumentan al
aumentar el intersecto. Cada nueva línea entre mayor el intersecto se produce más utilidades.
Entonces nuestro objetivo es determinar el intersecto mayor sin salirnos del conjunto de
restricción.
sujeto a
4x + 10y + s1 = 660
4x + 3y + s2 = 380
x; y; s1 ; s2 0
Observación: En el caso particular de este problema se pudo recurrir a una técnica grá…ca
llamada “método grá…co” que nos permitió resolverlo. Este método muestra lo que pasa,
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
176 CAPÍTULO 4. PROGRAMACIÓN LINEAL
pero es poco práctico, ya que se requiere de la elaboración de grá…cas muy precisas para
obtener la solución.
Además, sólo se puede emplear en problemas en los que intervengan dos variables, pues
las grá…cas en dimensiones tres son más complicadas de visualizar y no se pueden utilizar
en dimensión mayor.
Ejercicio 175 Una industria produce dos tipos de productos A1 ; A2 . Existen restricciones
de los recursos: mano de obra, materia prima y maquinaria. Se sabe que para producir una
unidad del producto A1 , el dinero gastado en los recursos es, en pesos, 5, 10 y 4 respectiva-
mente. En el caso del segundo producto las cantidades son 6, 20 y 4.
El dinero disponible para cada uno de los tres recursos es, respectivamente, 15.000, 20.000
y 6.000 pesos. La ganancia por cada unidad del producto A1 es 3 pesos, y por cada unidad
del producto A2 es 4 pesos. Suponemos que en el mercado nuestros productos no tienen
competencia.
Determinar las cantidades a producir, x1 y x2 , de los productos A1 y A2 , respectivamente,
a …n de obtener el máximo bene…cio.
Ejercicio 176 Un chacarero tiene a su disposición 100 hectáreas de tierra, 160 días-hombre
para cultivarlo y 1.100 pesos para invertir. Desea sembrar dos cultivos, uno de los cuales
requiere un día-hombre por hectárea y produce un bene…cio de 40 pesos por hectárea; el
otro cultivo requiere de 4 días-hombre por hectárea y produce un bene…cio de 120 pesos por
hectárea. El cultivo 1 requiere una inversión de 10 pesos por hectárea y el cultivo 2 requiere
de 20 pesos por hectárea. Se desea saber cuántas hectáreas de cada cultivo habrá que plantar
para obtener el bene…cio máximo.
Observación. Todos los puntos del segmento de recta que une a estos dos puntos pertenece
al conjunto, noción vital de la de…nición.
M = fx 2 R j Ax = b; x 0g
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
4.3. CONJUNTOS CONVEXOS 177
Ax = b
Ay = b
A ( x + (1 ) y) = A ( x) + A ((1 ) y)
= Ax + (1 ) Ay
= b + (1 )b
= b+b b
= b
xi > 0; yi > 0
xi > 0; (1 )yi > 0
xi + (1 )yi > 0
De…nición 151 Se llama punto extremo de un conjunto convexo M a aquellos puntos que
no se encuentran estrictamente dentro del segmento de recta que une otros dos puntos del
conjunto.
Es decir, x es un punto extremo de un conjunto convexo M , si y sólo si dados dos puntos
distintos x1 y x2 en M tales que
x = x1 + (1 ) x2
implica =0o = 1.
M = fx 2 R j Ax = b; x 0g
f (x) = cx; c 6= 0
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
178 CAPÍTULO 4. PROGRAMACIÓN LINEAL
p = (1 a)x1 + ax2
cp = c ((1 a)x1 + ax2 )
cp = (1 a)cx1 + acx2
con lo cual el valor de cp está entre los valores de cx1 y cx2 ; pero f alcanza un máximo local
en p por lo tanto
cp = cx1 ; cp = cx2
lo cual es una contradicción.
Observación. La interpretación de este teorema, nos motiva a encontrar todos los puntos
extremos de una conjunto convexo.
Además note que si una función alcanza en más de un punto su valor máximo, también
hay un punto extremo donde alcanza ese valor.
Supongamos que el conjunto fa1 (A); a2 (A); :::ak (A)g es linealmente dependiente.
Por lo tanto existen zei en los reales, no todos negativos, tales que
X
k
zei ai (A) = 0
i=1
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
4.3. CONJUNTOS CONVEXOS 179
Ay = b Az = b
xi = ayi + (1 ) zi
como x tiene algunos coe…cientes cero por lo tanto y; z también tienen los mismos coe…cientes
iguales a ceros, es decir considerando solamente los coe…cientes distintos de cero, tenemos la
siguiente combinación lineal
X
m
(ayi + (1 a)zi ) Ci (A) = b
i=1
como las columnas son linealmente independientes, el sistema admite a lo más una solución,
luego todas las que hemos encontrado son iguales.
Por lo tanto, dado a; b 2 [0; 1]; cualesquiera
M = x 2 R j Axt = b; x 0 6=
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
180 CAPÍTULO 4. PROGRAMACIÓN LINEAL
M = x 2 R j Axt = b; x 0 6=
4x + 10y 660
4x + 3y 380
x 0; y 0
los puntos extremos se obtienen como solución única de columnas linealmente independientes,
la única posibilidad es tomar solamente dos columnas y así obtenemos los siguientes puntos
extremos
(0; 0; 660; 380); (0; 66; 0; 182); (95; 0; 280; 0); (65; 40; 0; 0); (0; 0; 0; 0)
Luego basta evaluar la función G = 3000x + 6000y en los puntos extremos obtenemos:
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
4.4. MÉTODO DEL SIMPLEX 181
max(cxt )
Axt = b
A b A b
o bien
c z c 0
Nos referiremos a los coe…cientes de la última …la, como indicadores o pesos de la función
objetivo.
Segundo Paso: Elección de la columna.
Las columnas a pivotear son las que tienen indicadores negativos, ya que ellas son las
únicas que pueden hacer que el máximo aumente, además algún elemento de esa columna
debe ser necesariamente positivo, en caso contrario signi…cará que el conjunto es no acotado
luego no tiene máximo.
Tercer Paso: Elección de la posición de pivoteo.
El Método del Simplex, supone que la matriz ya está pivoteada y a partir de ella se tiene
una solución particular del sistema perteneciente al conjunto de restricción, es decir un punto
extremo
A0 b0
0
c z0
Con lo cual, podemos pivotear en la posición (t; q); la elección de t no siempre es única.
Terminada la instancia de pivotear volvemos a repetir el proceso a partir del paso dos,
hasta obtener que todo los indicadores son no negativos.
En este caso, el valor optimal de la función es el coe…ciente de la posición (m + 1; n + 1).
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
182 CAPÍTULO 4. PROGRAMACIÓN LINEAL
x = (0; 0; 0; 4; 3; 1)
Supóngase que se decide pivotear sobre la primera columna. Para determinar cuál es la
posición adecuada, se calculan las tres razones:
4 3 1
= 2; = 3; = 1
2 1 1
y se selecciona la menor no negativa. Esto nos indica que 2 es nuestro elemento en la posición
(1; 2), Así obtenemos:
2 1
3
1 2 3 2
0 0 2
4 0 0 0 1
1 0 1 5
2
1
0 4 4 2
0 1 3
y nuestro nuevo punto extremo es,
x = (2; 0; 0; 0; 1; 3)
x + 2y 12
2x + 3x 21
x; y 0:
Solución. Para convertir el problema a la forma estándar necesitamos incorporar las vari-
ables de holgura
x + 2y + z = 12
2x + 3y + t = 21 con w = 3x + 4y
x; y; z; t 0
La matriz asociada al problema es
2 3
1 2 1 0 12
4 2 3 0 1 21 5
3 4 0 0 w
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
4.4. MÉTODO DEL SIMPLEX 183
Para comprender de mejor manera lo que hemos realizado, recuperemos el sistema que
de…ne el conjunto restricción , esto es:
1
2
y + z 12 t = 3
2
x + 23 y + 12 t = 21
2
x; y; z; t 0
x + 2y 12
2x + 3x 21
x; y 0:
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
184 CAPÍTULO 4. PROGRAMACIÓN LINEAL
la solución inicial es (0; 0; 12; 21); en la primera columna miremos los cuocientes y calculemos
el mínimo
12 21 21
mn ; =
1 2 2
luego procedemos a escalonar de la posición (2; 1): Así tenemos
2 3 1
0 12 1 1
2
3
2 2
y + z 12 t = 3
2
4 1 3 0 1 21 5 o x + 3 y + 1 t = 21
2 2 2 2 2 2
1 3 63
0 2
0 2 2
x; y; z; t 0
w = 3 21
2
3
2
y 12 t + 5y
w = 63
2
+ 12 y 32 t
el punto que tenemos ahora es (6; 3; 0; 0); reemplacemos en la función a maximizar, así
63 1 3
w = + (3 2z + t) t
2 2 2
w = 33 z t
como todas la variables son positivas, obtenemos que el máximo valor es 33 y lo alcanza en
x = 6; y = 3:
4x + 10y 660
4x + 3y 380
x; y 0
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
4.4. MÉTODO DEL SIMPLEX 185
2x1 + x2 + x3 2
x1 + 2x2 + 3x3 5
2x1 + 2x2 + x3 6
x 1 ; x2 ; x3 0:
Solución. Para convertir el problema a la forma estándar de modo que pueda aplicarse el
procedimiento simplex, multiplicamos la función objetivo por menos uno e introducimos tres
variables de holgura no negativas x4 ; x5 ; x6 , con lo que resulta lo siguiente:
2 3
2 1 1 1 0 0 2
6 1 2 3 0 1 0 5 7
6 7
4 2 2 1 0 0 1 6 5
3 1 3 0 0 0 0
La aplicación del criterio de selección de una columna sobre la que pivotear, demuestra
que cualquiera de las tres columnas proporciona una solución mejorada. En cada una de
estas columnas, el elemento pivote adecuado se determina calculando las razones
yi0
yij
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
186 CAPÍTULO 4. PROGRAMACIÓN LINEAL
2 3
2 1 1 1 0 0 2
6 3 0 1 2 1 0 1 7
6 7
4 2 0 1 2 0 1 2 5
1 0 2 1 0 0 2
En la tercera columna tenemos que el indicador es negativo, escogemos para pivotear la
posición (3; 2)
2 3
5 1 0 3 1 0 1
6 3 0 1 2 1 0 1 7
6 7
4 5 0 0 4 1 1 3 5
7 0 0 3 2 0 4
El valor de la función objetivo sigue aumentando y se puede pivotar en la posición (1; 1)
2 3
1 15 0 53 1
5
0 1
5
6 0 3 1 1 2
0 58 7
6 5 5 5 7
4 0 1 0 1 0 1 4 5
0 75 0 56 3
5
0 275
Como la última …la tiene solamente elementos no negativos, se deduce que la solución
correspondiente a la última tabla es optimal.
Por lo tanto,
1 8
x1 = ; x2 = 0; x3 = ; x4 = 0; x5 = 0; x6 = 4
5 5
es la solución óptima con un valor correspondiente a la función objetivo de 27
5
.
Ejemplo 183 Encontrar todos los pivotes o apoyos de la tabla simplex inicial.
2 3
2 1 4 6 1 0 1
4 3 3 2 7 0 1 2 5
1
1 1 2
2 0 0 z
Solución. Primero, obsérvese que hay tres indicadores negativos, es decir, por lo menos
tres pivotes.
En la primera columna hay dos componentes positivos, así que formamos los cocientes:
y10 1 y20 2
= ; =
y11 2 y21 3
1 2
como 2 3
; luego el pivote de la primera columna está en la posición (1; 1):
En la segunda columna hay solamente un coe…ciente positivo, luego el pivote está en la
posición (2; 2).
En la tercera columna, formemos los cocientes:
y10 1 y20 2
= ; = =1
y13 4 y23 2
Así, el pivote esta en la posición (3; 2):
A continuación tenemos marcados los posibles pivotes
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
4.4. MÉTODO DEL SIMPLEX 187
2 3
2 1 4 6 1 0 1
4 3 3 2 7 0 1 2 5
1
1 1 2
2 0 0 z
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
188 CAPÍTULO 4. PROGRAMACIÓN LINEAL
Ejemplo 185 Encontrar todos los pivotes de la matriz asociada a un problemna de progra-
mación lineal.dada por:
2 3
1 1 3 4 4 1 0 0 0 2
6 0 2 1 2 1 0 1 0 0 2 7
6 7
6 1 5 0 1 2 0 0 1 0 1 7
6 7
4 1 4 1 3 2 0 0 0 1 3 5
1 1 1 0 2 0 0 0 0 z
2 3
1 1 3 4 4 1 0 0 0 2
6 0 2 1 2 1 0 1 0 0 2 7
6 7
6 1 5 0 1 2 0 0 1 0 1 7
6 7
4 1 4 1 3 2 0 0 0 1 3 5
1 1 1 0 2 0 0 0 0 z
Ejemplo 186 Determinar el máximo optimal del problema de programación lineal dado por
2 3
1 1 3 4 4 1 0 0 0 2
6 0 2 1 2 1 0 1 0 0 2 7
6 7
6 1 5 0 1 2 0 0 1 0 1 7
6 7
4 1 4 1 3 2 0 0 0 1 3 5
1 1 1 0 2 0 0 0 0 z
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
4.4. MÉTODO DEL SIMPLEX 189
Solución. Como todos los indicadores son no negativos, se ve que z alcanza un valor máximo
de 20 en el punto
(3; 0; 1; 2; 0; 0; 0; 1)
La explicación de este resultado lo tenemos en la última ecuación de la matriz, dada por:
1 1
0x1 + x2 + 0x3 + 0x4 + x5 + x6 + x7 + 0x8 = z + 20
3 2
o bien:
1 1
x2 + x5 + x6 + x7 = z + 20
3 2
y así
1 1
z = 20 x2 + x5 + x6 + x7
3 2
1 1
x5 x6
z = 20 x2 x7
3 2
Como todas las variables son no negativas, se tiene que
1 1
x2 x5 x6 x7 0
3 2
entonces z 20. Observe que z = 20 cuando x2 = x5 = x6 = x7 = 0. Las primeras cuatro
ecuaciones de la tabla terminal se leen:
1
x2 + x4 + x5 + x6 + 2x7 = 2
3
1 1
x1 + 2x2 + x5 + x6 + x7 = 3
2 2
x3 + x6 + x7 = 1
3x2 + 2x5 + 4x7 + x8 = 2
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
190 CAPÍTULO 4. PROGRAMACIÓN LINEAL
x4 = 2
x1 = 3
x3 = 1
x8 = 2
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
4.4. MÉTODO DEL SIMPLEX 191
Ejercicios.
a)
max (2x1 + x2 )
sujeto a:
x1 + x2 1
2x1 + 5x2 2
x 1 ; x2 0
b)
max (x1 x2 )
sujeto a:
2x1 + 3x2 7
5x1 + 8x2 4
x 1 ; x2 0
c)
max (4x1 3x2 )
sujeto a:
x1 + 2x2 5
3x1 + 2x2 7
5x1 + 3x2 14
x 1 ; x2 0
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
192 CAPÍTULO 4. PROGRAMACIÓN LINEAL
d)
max (3x1 + 2x2 + 4x3 )
sujeto a:
x1 + x2 + x3 5
2x1 + x2 + 3x3 6
x 1 ; x2 ; x3 0
e)
max (2x1 + x2 + 3x3 )
sujeto a:
x1 x2 x3 5
x1 + x2 + 2x3 6
2x1 x2 + x3 7
x 1 ; x2 ; x 3 0
f)
max (x1 + x2 3x3 )
sujeto a:
x1 + x2 + x3 5
x1 2x2 + 2x3 6
2x1 x2 + x3 4
x 1 ; x2 ; x 3 0
3. Utilice el procedimiento simplex para resolver y realizar una representación grá…ca del
problema en el espacio x1 ; x2 .
a)
max ( x1 + x2 )
sujeto a:
x1 x2 2
x1 + x2 6
x 1 ; x2 0
b)
max (x1 + x2 )
sujeto a:
2x1 + x2 1
x1 x2 1
x 1 ; x2 0
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
4.4. MÉTODO DEL SIMPLEX 193
c)
max (4x1 + 5x2 )
sujeto a:
2x1 + 3x2 6
3x1 + 2x2 5
x 1 ; x2 0
d)
max (5x1 + 8x2 )
sujeto a:
x1 + x2 3
x1 + 2x2 4
5
x1
2
3
x2
2
x 1 ; x2 0
a)
max (x1 + 2x2 + x3 )
sujeto a:
x1 + x2 2
x2 1
x2 + 2x3 3
x 1 ; x2 ; x3 0
b)
max (5x1 + x2 + 3x3 )
sujeto a:
x1 3
4x2 + x3 2
x1 x2 0
x 1 ; x 2 ; x3 0
c)
max (x1 + 2x2 + 2x3 )
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
194 CAPÍTULO 4. PROGRAMACIÓN LINEAL
sujeto a:
x1 + 3x2 + 6x3 12
3x1 + 2x2 + 4x3 10
x1 + 2x2 + x3 5
x 1 ; x2 ; x3 0
d)
max (x1 + 2x2 + 3x3 )
sujeto a:
x1 + x2 x3 1
x1 x2 + x3 2
x1 + x2 + x3 3
x 1 ; x2 ; x3 0
e)
max (x1 x2 + x3 )
sujeto a:
x1 + x2 + 2x3 5
2x1 + x2 + x3 7
2x1 x2 + 3x3 8
x1 + 2x2 + 5x3 9
x 1 ; x2 ; x3 0
f)
max (5x1 + 7x2 + 15x3 + 6x4 )
sujeto a:
x1 + 2x2 + x4 1
x1 + 3x2 + x3 2
x1 + 4x2 + 3x3 + 2x4 3
x1 + 5x3 + 3x4 4
x 1 ; x2 ; x3 ; x4 0
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
Capítulo 5
Ejercicios
5.1. Matrices
1 2 3 1 5 2
1. Dadas A = yB=
1 0 2 2 2 1
2 1 1 1 1 4
a) A = ;B = ;C =
3 1 1 0 2 3
2 3
1 1
2 1 1 1
b) A = ;B = 4 2 0 5;C =
3 1 2 3
3 1
2 3
3 1 5
3. Sea X = 1 0 0 y A = 4 2 0 1 5:
1 1 7
195
196 CAPÍTULO 5. EJERCICIOS
(A + B)C = AC + BC
a) Veri…que que AB = BA = 0; AC = A y CA = C
b) Use los resultados de (a) para comprobar que
ACB = CBA;
2
A B 2 = (A B)(A + B);
(A + B)2 = (A B)2 = A2 + B 2
a) A D [c1 ; c2 ; c3 ] ; D [c1 ; c2 ; c3 ] A
b) D [c1 ; c2 ; c3 ] A D [d1 ; d2 ; d3 ]
c) A DS [c1 ; c2 ; c3 ] ; DS [c1 ; c2 ; c3 ] A
d) DS [d1 ; d2 ; d3 ] A DS [c1 ; c2; c3 ]
¿Cómo quedan los productos en a) y c) si c1 = c2 = c3 = 1?
La misma pregunta anterior para b) y d) en los casos ci = di ; i = 1; 2; 3; ci =
di = 1; i = 1; 2; 3
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
5.1. MATRICES 197
y1 = z1 + 2z2
x = y1 2y2 + y3
12. Si 1 y y2 = 2z1 z2
x2 = 2y1 + y2 3y3
y3 = z1 + 3z2
compruebe que :
2 3 2 3 2 3
y1 y1 1 2
x1 1 2 1 4 y2 5 ; 4 y2 5 = 4 2 z1
= 1 5
x2 2 1 3 z2
y3 y3 1 3
a) Pruebe que
2 3
2 3 5
B= 4 1 4 5 5 es idempotente.
1 3 4
b) Demuestre que si A es idempotente, B = In A es idempotente y AB = BA = 0
2 4
14. Pruebe que no existe una matriz B tal que AB = BA = I2 con A = :
1 2
15. Determinar todas las matrices A de orden 2 2 con coe…cientes reales, tales que cumplan
A2 = 0
16. Determinar todas las matrices A de orden 2 2 con coe…cientes reales, tales que cumplan
A2 = I
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
198 CAPÍTULO 5. EJERCICIOS
cos t sin t
18. Si A = : Calcular Ak ; para k = 1; 2; 3:
sin t cos t
2 3
0 0 0 0 0
6 1 0 0 0 0 7
6 7
19. Sea N = 6
6 0 1 0 0 0 7 : Hallar todas las potencias N k con k entero positivo.
7
4 0 0 1 0 0 5
0 0 0 1 0
21. En mecánica cuántica a veces se usan las llamadas matrices de Spin de Pauli.
0 1 1 0 0 i
x= y= z= con i2 = 1
1 0 0 1 i 0
Pruebe que An = 0 y An 1 6= 0:
2 3
2 1 3
23. Si A = 4 1 1 2 5 compruebe que A3 2A2 9A = 0 pero A2 2A 9I 6= 0:
1 2 1
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
5.1. MATRICES 199
1 1 1 1
25. Sean A = ;B= :
2 2 0 3
Determinar (A + B)t ; At + B t ; A + At ; B + Bt:
2 3
1 2
2 1 2
26. Sean A = 4 2 0 5 ; B = :
1 1 0
1 3
28. Mostrar que toda matriz de orden n es suma de una matriz simétrica y otra anti-
simétrica.
2 3
3 2 1
29. Si A = 4 4 0 1 5 : Hallar la parte simética y antisimétrica de A
3 3 2
2 3
3 1 7
30. Si A = 4 0 4 3 5 : Determinar una matriz simétrica tal que
2 1 0
32. Determine si son Verdaderas o Falsas las siguientes a…rmaciones. Justi…que adecuada-
mente en cada caso.
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
200 CAPÍTULO 5. EJERCICIOS
a b
36. Sea A = ; encontrar una matriz E de modo que EA = B en los siguientes
c d
casos
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
5.1. MATRICES 201
a c
a) B = :
0 0
0 0
b) B = :
0 d
0 0
c) B = :
a 0
a) ¿ A y B son regulares?
b) Encuentre la inversa de P; si existe.
39. Determinar mediante Operaciones Elementales por Filas la inversa de las siguientes
matrices, si existe.
2 3
3 1 2
a) 4 4 0 1 5
1 2 0
2 3
0 1 2 1
6 1 0 1 3 7
b) 6
4
7
2 1 0 2 5
1 4 2 0
2 3
2 1 1 2
6 1 3 2 3 7
c) 6
4
7
1 2 1 1 5
2 3 1 4
2 3
0 2 1 3 1
6 7 7 21 28 2 7
6 7
d) 6
6 6 2 16 10 2 7
7
4 1 1 2 1 1 5
1 5 2 1 9
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
202 CAPÍTULO 5. EJERCICIOS
2 3 2 3
4 x 3 2 1 0 1 y
40. ¿Para qué valores de x e y las matrices.4 1 0 1 6 5y4 4 5 2 1 5 son
1 0 0 3 0 0 1 3
equivalente por …las?
2 3
2 1 3 1
41. Si A = 4 1 4 1 2 5 : Hallar una matriz P regular tal que A = P E; donde
1 5 2 3
E es la forma Escalonada Reducida por Filas correspondiente a A:
2 3 2 3
1 5 4 7 2 8 6 24
42. Si A = 4 4 3 1 11 5 y B = 4 1 3 2 9 5
3 0 3 6 3 0 3 0
a) ¿ Es A ! B ?
!
b) ¿ Es A F
B ?
!
c) ¿ Es A C
B ?
44. Sea D[a11 ; a22 ; a33 ; ; ann ]; con aii 6= 0 para todo i: Demostrar que A es invertible y
encontrar su inversa.
1
45. Demostrar que si T es triangular inferior y regular entonces T es Triangular Inferior.
0 3 0 1
46. Dadas las matrices A = ;B = : Resuelva la siguiente ecuación ma-
1 0 4 3
tricial en X.
XB(A + A2 ) (XB B 2 )A B 2 A = A:
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
5.1. MATRICES 203
2 3
a 0 1
b) A = 4 1 b 1 5
1 1 1
49. Sea 6= 0 y A una matriz cuadrada de orden n tal que 3A2 + 7A + In = 0: Probar
que A es regular y Hallar A 1 :
1 2 2 4
50. Sabiendo que la inversa de A es y que la inversa de AB es : Calcular
2 1 5 3
B:
51. Si A es regular entonces todas las potencias de A son regulares y para todo natural n
se tiene
(An ) 1 = (A 1 )n :
(Ayuda: Use Inducción)
52. Pruebe con un contraejemplo que son falsas las siguientes a…rmaciones
a) A; B; C en Mn ; A singular entonces
AB = AC ) B = C
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
204 CAPÍTULO 5. EJERCICIOS
1 2 3 4 5
1 2 3 4 5
57. Probar que a1 a2 0 0 0 =0
b1 b2 0 0 0
c1 c2 0 0 0
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
5.1. MATRICES 205
Y
n
jT j = t11 t22 :::::::tnn = tii
i=1
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
206 CAPÍTULO 5. EJERCICIOS
1 x1 x21
1 x2 x22 = (x2 x1 )(x3 x1 )(x3 x2 )
1 x3 x23
Probar por inducción que
1 x1 x1n 1
1 x2 x2n 1
.. .. .. .. Y
n
. . . . = (xi xj )
.. .. ... .. i<j
. . .
n 1
1 xn xn
Este determinante es conocido con el nombre de determinante de Vandermonde y se
denota por Vn .
68. Pruebe que si A; B son ambas de orden n y AB = In entonces ambas matrices son
regulares, A 1 = B y BA = In (Ayuda: use determinante)
69. Probar que si A; B son matrices cuadradas, no necesariamente del mismo tamaño, y
C de orden adecuado, entonces:
A C
= jAj jBj
0 B
I 0 A C
Ayuda: premultiplique por 1 la matriz :
DA I D B
2 3
2 1 7 15 8 7 8 7 3
6 1 0 2 12 9 4 9 6 2 7
6 7
6 3 4 1 13 3 5 18 4 1 7
6 7
6 0 0 0 3 1 1 2 1 2 7
6 7
71. Sea H=6
6 0 0 0 0 1 0 1 1 2 7
7
6 0 0 0 0 0 1 0 1 0 7
6 7
6 0 0 0 0 0 0 1
2 1 7
6 3 7
4 0 0 0 1 1 1 2 1 2 5
0 0 0 2 2 0 1 1 0
Calcule jHj. Ayuda: use ejercicios anteriores.
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
5.1. MATRICES 207
72. Resuelva las siguientes ecuaciones lineales en R4 ;(cuidado son cuatro variables)
a) 10x y = 0:
b) x + y + 12 z = 1:
c) x + 3y + 2z w = 3:
d) x + 34 y = 97 :
74. ¿ Son equivalentes (en cada caso) los dos sistemas de ecuaciones lineales siguientes ?.
Si es asi demuéstrelo.
x1 x2 = 0 3x1 + x2 = 0
a) y
2x1 + x2 = 0 x1 + x2 = 0
x1 + x2 + 4x3 = 0
x1 x3 = 0
b) x1 + 3x2 + 8x3 = 0 y
1 x2 + 3x3 = 0
x + x2 + 52 x3
2 1
= 0
a) Un sistema de dos ecuaciones lineales con dos incógnitas que no tenga solución.
b) Un sistema de una ecuación lineal con cinco incógnitas que no tenga solución.
c) Un sistema de tres ecuaciones lineales con dos incógnitas de solución única.
76. Hallar todas las soluciones del sistema AX = 0 por el método de la escalonada y por
el método de Cramer. Siendo A en cada caso, una de las siguientes matrices:
2 3
3 1 2
a) 4 2 1 1 5
1 3 0
2 1 3
3
2 6
6 4 0 5 7
b) 6
4 3 6
7
13 5
7 8
3
2 3
2 3
2 3 7 5 2
6 1 2 4 3 1 7
c) 6
4 2 0
7
4 2 1 5
1 5 7 6 2
2 3
2 1 0 0
6 4 2 0 0 7
d) 6
4 6 0 4 2 5
7
0 0 6 3
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
208 CAPÍTULO 5. EJERCICIOS
2 3
2 2 1 4 2
6 1 1 2 2 2 7
6 7
e) 6
6 1 2 3 3 3 7
7
4 4 1 3 6 2 5
4 2 2 3 2
2 3
6 4 0
77. Si A = 4 4 2 0 5 : Hallar todas las soluciones de AX = 3X y todas las
1 0 3
soluciones de AX = 2X donde X = (x1 ; x2 ; x3 )t :
78. Resolver los siguientes sistemas de ecuaciones (si es posible). En cada caso escriba
primero la matriz del sistema y la matriz ampliada.
x1 + x2 x3 = 1
a) 2x1 + x2 + 3x3 = 2
x2 + 5x3 = 1
2x1 + x2 x3 = 5
x1 2x2 x3 + 2x4 = 3
b)
x1 + 2x3 x4 = 0
3x2 2x3 + 5x4 = 1
x1 3x2 + x3 = 2
x1 + 2x2 3x3 = 0
c)
x1 + x2 + 2x3 = 3
2x1 x2 + x3 = 1
2x y z = 4
d) 3x + 4y 2z = 11
3x 2y + 4z = 11
x2 3x3 + 4x4 = 5
x1 2x3 + 3x4 = 4
e)
3x1 + 2x2 5x4 = 12
4x1 + 3x2 5x3 = 5
x1 + x2 x3 = 1
2x1 + x2 2x3 = 1
f)
x1 + x2 + x3 = 3
x1 + 2x2 3x3 = 1
x + 2y + z = 5
3x + z + 2u = 9
g)
4x y z + u = 5
y z+u = 7
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
5.1. MATRICES 209
79. Encuentre la solución general del sistema, utilizando dos métodos distintos:
x+y+z+w = 2
x + 2z 3w = 1
x + 2y + z w = 3
x+y 4 = z
0 0 6 8 x4 y4 z4 w4
Usando el procedimiento del ejercicio anterior. Note que si A; X; Y 2 Mn entonces
82. Discutir según los valores de a; b; c; , la existencia y en cada caso determinar las
soluciones de los siguientes sistemas lineales:
ax + y + z = 0
a) x + ay + z = 0
x + y + az = a
x y+z = a
b) x + y 2z = b
x y+z = c
2x y 3z = 3
3x + y 5z = 0
c)
4x y + z = a
x + 3y 13z = b
ax 3y + 5z = 4
d) x ay + 3z = 2
9x 7y + 8az = 0
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
210 CAPÍTULO 5. EJERCICIOS
x y + 2z = 1
ax + y z = 0
2x + y 3z = 1
mx + y z = 0
84. En el sistema 2x + my + z = 0
y + mz = 0
x1 x2 + (4a2 + 1)x3 = b
85. Dado el sistema x2 + (3 a)x3 = 0
2x1 x2 + (7 a)x3 = 2
Hallar condiciones para a y b de tal manera que el sistema:
a) El sistema es inconsistente.
b) El sistema tiene única solución. Determínela.
c) El sistema tiene in…nitas soluciones. En cada caso determínelas. ¿Que ecuaciones
dependen linealmente de las otras?
2 3
1 2 1
87. Hallar t 2 R; tal que la matriz A = 4 0 3 1 5 sea singular.
2 2 t
2 3
t
¿Para que valores de t 2 R el sistema AX = 4 1 5 ; tiene solución?
1 t
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
5.1. MATRICES 211
88. Resuelva el sistema de ecuaciones y halle condiciones en las constantes a; b reales para
que tenga única, ninguna o in…nitas soluciones.
2 3 2 3
a b 1 1
4 1 a 1 5X = 4 b 5
1 b a 1
89. Para los siguientes sistemas, determine los valores de a; 2 R, de modo que
i) El sistema tenga única solución, determínela.
ii) El sistema tenga más de una solución, determínelas.
iii) El sistema tenga solución vacía.
(1 )x + z = 1
a) (1 )y + z = a
x + (1 )y = 1
x+y+z = 1
b) x + y + z =
2
x+y+ z =
( + 3)x + y + z =
c) x+( 1) y + z = 1
3 ( + 1) x + y + ( + 3)z = +1
zx = 1
d) x + 3y = a
2x + y + z = 1
x1 + x3 + 4 2 x3 = a + x2
e) x2 + 3x3 = x3
2x1 + 7x3 + 2 = x2 + x 3
2 32 3 2 3
1 2 1 x a
f) 4 0 3 1 54 y 5=4 1 5
2 2 a z 1 a
90. Decida si cada una de las siguientes a…rmaciones es verdadera o falsa. Justi…que en
cada caso.
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
212 CAPÍTULO 5. EJERCICIOS
93. Sea A 2 Mn p . ¿Bajo qué condiciones sobre el número de …las no nulas de la ma-
triz Escalonada Reducida por Filas de A, el sistema AX = 0 tiene solución única
(0; 0; :::; 0)t ?
ax + 3by + 4cz = 5
x + 3cy + 4bz = 6
x + y + 5cz = 7
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
5.1. MATRICES 213
e) x1 = (1; 2; 3) x2 = (7; 3; 1)
1. Sean A; B; C 2 Mn (R) :
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
214 CAPÍTULO 5. EJERCICIOS
32
0 0 0
5. Sea A = 4 1 0 0 5 2 M3 (R) :
2 1 0
1 2
2A + 3X = C B :
2 3
x + 1 x2 1 2x + 2 0
1 x 1 y y
8. Calcule :
x x2 x 5 5
1 1 x y y+z
9. Determine si las siguientes proposiciones son verdaderas o falsas. En cada caso justi…que
adecuadamente.
1
j ) Si A; B son matrices del mismo orden e invertibles y A ! B entonces A ! B 1:
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
5.1. MATRICES 215
2
3 2 3 2 3
1 0 a 0 0 1 0 0
10. Sea A = 4 0 1 5 4 0 b 0 5 4 0 0 1 5 ; donde ; ; a; b; c 2 R f0g:
0 0 1 0 0 c 0 1 0
a b c 2a 2a
2b b c a 2b a; b; c 2 R
2c 2c c a b
12. Encuentre, si existe, la inversa de la matriz A, utilizando dos métodos diferentes. Jus-
ti…que su respuesta en ambos casos.
2 3
3 5 4
A=4 1 0 3 5
0 1 2
2 3
1 1 1
13. Sea A = 4 2 1 1 5 : Usando operaciones elementales:
1 1 2
a) Determinar A 1 :
1
b) Exprese A como producto de matrices elementales.
3 2
14. Obtener B si (B 1 A)t (B t A) 1
= I siendo A = :
1 1
15. Dadas las matrices:
2 3 2 3
1 0 1 0
0 0 1 0 02 0 0
6 0 1 1 1 0 0 7 6 0 1 1 1 0 0 7
6 7 6 7
6 0 0 1 1 0 0 7 6 0 0 1 1 1 3 7
A=6 6 1
7
7 y B=6
6
7:
6 1 1 1 0 0 7 6 1 0 1 0 2 3 7
7
4 0 0 0 0 1 0 5 4 0 0 0 0 1 0 5
0 0 0 0 0 3 0 1 1 1 0 3
F
Si B ! A mediante las operaciones siguientes:
F14 ; F42 (1) ; F62 (1) ; F36 ( 1) ; F35 ( 1) ; F15 (2) ; F16 (1) ;
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
216 CAPÍTULO 5. EJERCICIOS
2 3
0 1 0 0
6 0 0 0 2 7
16. Sea A = 6
4 3
7;
0 0 0 5
0 0 4 0
20. Decida si cada una de las siguientes a…rmaciones es verdadera o falsa. Justi…que su
respuesta.
x1
a) Si A 2 M2 (R) y X = entonces X t AX = 21 X t (At + A)X:
x2
b) Sea A 2 Mn (R) y A2 = I entonces A = I:
c) Sean A; B 2 Mn (R) tal que A 6= 0; B 6= 0: Si AB = 0 entonces jAj = 0 o jBj = 0:
d) Si A 2 Mn (R) y An = 0n entonces A es singular.
e) Si A ! A1 y B ! B1 entonces AB ! A1 B1 :
f ) Si A; B 2 Mn (R)entonces (A + B)2 = A2 + 2AB + B 2 :
2 3 2 3
1 2 0 0 2 3 1 1
21. Dadas las matrices A = 4 1 1 1 1 5 y B=4 0 4 3 0 5
2 1 2 1 1 2 3 0
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
5.1. MATRICES 217
1 1 3 1 p 0
22. Sean A = yB= dos matrices
2 2 1 2 q 1
de orden 2 6: Se sabe que A es equivalente por …la a B. Justi…cando adecuadamente,
determine p; q 2 R:
3 2 2 3 32
1 0 2 3 0 1 x
24. Sean A = 4 1 2 0 5 ; 4
B= 1 0 1 5; X = 4 y 5 : Resuelva la ecuación
0 0 1 0 1 1 z
3 2
1
3AX I3 X = At BX + 4 0 5 :
1
32
a b 1
25. Sea A = 4 1 ab 1 5 : Determinar el conjunto
1 b a
n o
1 t
C = (a; b) 2 R2 = A 6= 0:
26. Justi…cando, determine si es Verdadera o Falsa cada una de las siguientes a…rmaciones:
a) Determine A 1 :
1
b) Exprese A como producto de matrices elementales.
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
218 CAPÍTULO 5. EJERCICIOS
2 3 2 3
6 1 27 6 1 27
6 7 6 7
6 x y 7 6 x y 7
6 7 6 7
28. Sean A = 6
6
7
7 B=6
6
7:
7
6 7 6 7
6 7 6 7
4 1 3 5 4 1 3 5
u 4v = 0
u + 2v + w = 0 :
5u 3v + 3w = 0
1 1
a) Determine el conjunto de todas las matrices que conmutan con A = :
0 0
b) Sea A 2 M2 (R) tal que A2 + I2 A = 0: Demuestre que A es regular y encuentre
su inversa.
2 3
1 1 0
33. Determine las condiciones del parámetro para que la matriz A = 4 1 2 5
0 1 2
1
sea invertible. Calcule A
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
5.1. MATRICES 219
34. Determine si cada una de las siguientes proposiciones es verdadera o falsa. En cada
caso justi…que adecuadamente.
35. Calcular mediante el uso de las propiedades del determinante el valor de:
x 2 x+2
2 x+2 x
x+2 x 2
36. Resuelva el sistema siguiente, según los valores de :
( + 3)x + y + 2z =
x+( 1)y + z = 1
3( + 1)x + y + ( + 3)z = +1
x+y+z = 1
x+ y+z =
x+y+ z = 2
De modo que:
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
220 CAPÍTULO 5. EJERCICIOS
x + y + cz = 0
3x + 4y + 2z = 0
2x + 3y z = 0
x1 + x3 + 4 2 x3 = a + x2
x2 + 3x3 = x3
2x1 + 7x3 + 2 = x2 + x3
42. Determinar los valores de ; 2 R; tales que el sistema siguiente tenga solución única,
in…nitas soluciones o no tenga solución. Justi…que y determine las soluciones en cada
caso:
(1 + )x + 2y z = 0
x + (2 + )y + z = 1
2x 2y 2z = +1
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
5.1. MATRICES 221
a)
ax + by + z = 1
x + aby + z = b
x + by + az = 1
b)
2x + y + z = 1
x 3y + z = b
x + cz = 0
x 2y + 2z = a
Hallar a; b; c 2 R para que los sistemas tengan única solución, in…nitas soluciones
o no tengan soluciones. En los casos que haya solución determínelas.
a) Única solución.
b) In…nitas soluciones, determínelas.
c) Solución vacía.
a) Única solución.
b) In…nitas soluciones, determínelas.
c) Solución vacía.
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
222 CAPÍTULO 5. EJERCICIOS
a) Determine los valores de 2 R para que el sistema tenga única solución. Deje
expresada la solución usando Cramer.
b) Determine los valores de 2 R para que el sistema tenga in…nitas soluciones.
Encuéntrelas.
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
5.2. ESPACIOS VECTORIALES 223
3. Demostrar que los siguientes subconjuntos son subespacios vectoriales de los espacios
dados:
a) U1 = f(x; y) 2 R2 = x + y = 0g V = R2
b) U2 = f(x; y; z) 2 R3 = 2x + y = zg V = R3
c) U3 = f(a; b; 0) 2 R3 = a; b 2 Rg V = R3
a) U1 = f(x1 ; :::; xn ) 2 Rn = x1 = 0g
b) U2 = f(x1 ; :::; xn ) 2 Rn = x1 + 3x2 = x3 g
c) U3 = f(x1 ; :::; xn ) 2 Rn = x1 = x2 g
d) U4 = f(x1 ; :::; xn ) 2 Rn = x1 x2 = 0g
e) U5 = f(x1 ; :::; xn ) 2 Rn = x2 2 Qg
f ) U6 = f(x1 ; :::; xn ) 2 Rn = x21 + x22 + ::: + x2n = 1g
g) U7 = f(x1 ; :::; xn ) 2 Rn = sin x1 = 0g
h) U8 = f(x1 ; :::; xn ) 2 Rn = ex2 + ex3 = 4g :
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
224 CAPÍTULO 5. EJERCICIOS
x1 + x2 + x3 + x4 = 4
2x2 + 3x3 3x4 = 3
x1 2x2 = 1
9. Decida cuales de los siguientes subconjuntos de funciones, con las operaciones suma y
producto por un escalar usuales, son espacios vectoriales. Justi…que.
a) f 2V = f (x2 ) = (f (x))2
b) ff 2 V = f (0) = f (1)g
c) ff 2 V = f (3) = 1 + f ( 5)g
d) ff 2 V = f ( 1) = 0g
e) ff 2 V = f es continuag
a) f(0; 0)g
b) R2
c) f (x; y) = 2 Rg para (x; y) 6= 0.
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
5.2. ESPACIOS VECTORIALES 225
14. Encuentre una combinación lineal de los vectores ui , que expresen v en los siguientes
casos:
a) u1 = (1; 2; 3) u2 = ( 1; 3; 2) v = (1; 1; 4)
1
b) u1 = 2x 1 u2 = 2
x +1 v=x
c) u1 = (1; 2; 3) u2 = (4; 2; 4) v = (1; 1; 1)
d) u1 = 1 2i u2 = 3i + 2 u3 = i 1 v=1 5i
e) En este caso, con la condición que todos los escalares sean diferentes de cero, u1 =
(1; 2; 0) u2 = (2; 2; 0) u3 = ( 1; 1; 0) u4 = (0; 1; 1) v = (1; 1; 0)
17. Demostrar que sin2 x y cos2 x son combinación lineal de 1 y cos 2x:
a) f2g
b) f(1; 0; 1); (0; 1; 1); (1; 1; 0)g
c) f(1; 0); (0; 1); (1; 1)g
1 1 0 0 1 0 0 1
d) ; ; ;
0 0 1 1 1 0 0 1
e) f1; x; xex g
f ) f1; x; x sin xg :
Sean
x = e1 + 2e2 + e3 + e4
y = e1 + e2 + 2e3 + e4 con ; 2R
z = e2 + e3
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
226 CAPÍTULO 5. EJERCICIOS
22. Probar que si dos vectores son linealmente dependiente, entonces uno de ellos es múlti-
plo escalar del otro.
a) u1 = ( 1; 2; 1); u2 = (2; 1; 3)
b) u1 = ( 1; 1; 2); u2 = (0; 1; 0); u3 = (2; 4; 1)
2
c) 1; x 2; x 2x + 1; como subespacio de R [x]
d) u1 = x + 1; u2 = x2 + 1 como subespacio de R [x] :
Encuentre en los casos anteriores un sistema de ecuaciones cuyo conjunto solución
corresponda a los subespacios generados.
a) (4; 7; 6); (2; 9; 4); (2; 0; 5); (0; 0; 1) en el subespacio generado por (1; 2; 1) y
(2; 3; 4)
b) x2 x + 3; 4x3 3x + 5; x4 + 1; x 5 en el subespacio generado por
x3 + 2x2 + 1; x3 2; x3 + 1
27. Demostrar que los siguientes conjuntos generan el mismo subespacio vectorial de las
funciones de [a; b] en R; F ([a; b] ; R)
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
5.2. ESPACIOS VECTORIALES 227
a) A V si y sólo si A = hAi :
b) A no es subespacio de V si y sólo si A 6= hAi.
c) hhAii = hAi :
d) hAi = hBi si y sólo si B genera a hAi y A genera a hBi :
e) A genera a hBi y B genera a hCi entonces A genera a hCi :
a) W1 + W2 V
b) W1 [ W2 W1 + W2 :
c) W1 + W2 es el más pequeño espacio que contiene a W1 y W2
d) W1 + W2 = hW1 [ W2 i :
Ayuda (c): Sea U espacio que contiene a W1 [ W2 , mostrar que W1 + W2 U:
33. Sean U = h(1; 0; 0); (0; 1; 1); (1; 1; 1)i ; V = h(1; 1; 1); (2; 1; 1); (1; 0; 0)i :
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
228 CAPÍTULO 5. EJERCICIOS
a) (8A; B V ) (A 6= B =) hAi =
6 hBi) :
b) (8A; B V ) (hAi = hBi =) A = B)
c) (8A; B V; x 2 V ) (hA [ fxgi = A () x 2 A):
d) Si A es linealmente independiente y el cardinal de A es igual a dim(V ) entonces
A es una base de V:
36. Sean A = f(1; 1; 2); (3; 0; 1)g ; B = f( 1; 2; 3); (3; 3; 4); (2; 1; 1)g. ¿Generan A y
B el mismo subespacio de R3 ?. Justi…que.
38. Determine condiciones sobre a; b; c 2 R; tal que el vector (a; b; c) pertenezca al espacio
generado por (2; 1; 0); (1; 1; 2); (0; 3; 4):
39. Encuentre una base para el subespacio solución de los siguientes sistemas de ecuaciones
lineales en R5 :
x1 + x2 + x3 + x4 = 0
a) 2x1 + x2 + 2x3 x4 = 0
x1 + x3 = 0
x2 + x3 + x4 = 0
b)
5x1 + x3 x4 = 0
x1 + 2x2 x3 x5 = 0
c) x2 + x3 x5 2x4 = 0
x1 x5 + x4 = 0
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
5.2. ESPACIOS VECTORIALES 229
45. Sea B = fx; yg una base del espacio vectorial V y u = ax + by; v = cx + dy:
¿Qué condiciones deben cumplir los escalares a; b; c; d de modo que fu; vg sea una base
de V ?
46. Sean V y W espacios vectoriales reales tales que dim(V ) = n, dim(W ) = m con bases
fv1 ; v2 ; :::; vn g y fw1 ; w2 ; :::; wm g respectivamente. Se de…nen las siguiente operaciones
en V W = f(v; w) = v 2 V; w 2 W g dadas por
x x a b
47. Sean W = A 2 M2 (R) y V = B 2 M2 (R)
= A= = B=
y z a c
subespacios de M2 (R). Encuentre una base para W y otra para V:
48. Determine si cada una de las siguientes a…rmaciones es verdadera o falsa. Justi…que:
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
230 CAPÍTULO 5. EJERCICIOS
50. Sean B1 = f(1; 1; 0); (0; 1; 2)g ; B2 = f(1; 1; 2); (3; 5; 4)g y W el subespacio de
R3 generado por B1 :
51. Si 2 3 2 3 2 3 2 3 2 3 2 3
1 0 1 1 0 1
4 4 5 4 5 4
1 +3 0 +1 0 =a5 4 1 + b 0 + c 0 5;
5 4 5 4
2 2 4 2 2 4
entonces debe cumplirse que: a = 4; b = 3; c = 1, ¿es verdadera la a…rmación
anterior? Justi…que su respuesta.
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
5.2. ESPACIOS VECTORIALES 231
forman una base de R4 . Hallar las coordenadas de cada uno de los vectores de la base
canónica respecto de la base ordenada fv1 ; v2 ; v3 ; v4 g :
56. Sea V = R2 [x], es decir, el espacio de todas las funciones polinomiales de la forma
f (x) = c0 + c1 x + c2 x2 con c0 ; c1 ; c2 2 R. Dados t 2 R …jo y
57. Sea V un espacio vectorial real generado por las …las de la matriz
2 3
3 21 0 9 0
6 1 7 1 2 1 7
A=6 4 2 14 0
7
6 1 5
6 42 1 13 0
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
232 CAPÍTULO 5. EJERCICIOS
T = A 2 Mn (R) = A = At
S = B 2 Mn (R) = B = Bt :
64. Sean
V1 = (x; y; z; t) 2 R4 = x y = 0; z + t = 0 ;
V2 = (x; y; z; t) 2 R4 = 2x + 3y = (t z) ;
x x a b
65. Sean W = A 2 M2 (R) y V = B 2 M2 (R) = B =
= A=
y z a c
subespacios de M2 (R). Hallar dim(W1 +W2 ) y dim(W1 \W2 ), exhibiendo las respectivas
bases.
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
5.2. ESPACIOS VECTORIALES 233
8 9
< x+y+z+w = 0 =
66. Sean V = (x; y; z; w) 2 R4 = x y + 2z + 3w = 0 y
: ;
2x + 3z + w = 0
W = h(1; 1; 1; 1); ( 2; 1; 0; 1)i ;
a b 0 0
69. Dados U1 = A 2 M2 (R) = A= y U2 = B 2 M2 (R) = B =
0 0 c 0
subespacios vectoriales de M2 (R) : ¿Es M2 (R) suma directa de U1 y U2 ?.
2. Hallar, si es posible (si no justi…que), una matriz B 2 M3 (R) de rango 2 tal que la
tercera …la no sea combinación lineal de las dos primeras …las. Justi…que su ejemplo.
3. Sean 8 9
< x+y+z+w = 0 =
V = (x; y; z; w) 2 R4 = x y + 2z + 3w = 0
: ;
2x + 3z + 4w = 0
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
234 CAPÍTULO 5. EJERCICIOS
x + 2y z w = 0
V = (x; y; z; w) 2 R4 = ;
x y 2z + w = 0
W = h(1; 0; 1; 1); (1; 1; 1; 2); (0; 1; 0; 1)i
8. Sean A = f(1; 1; 2); (3; 0; 1)g y B = f( 1; 2; 3); (3; 3; 4); (2; 1; 1)g : ¿Generan
A y B el mismo subespacio vectorial de R3 ?. Justi…que.
9. Sea
x + 13z 9u = 0
V = (x; y; z; u) 2 R4 =
y + 3z 2u = 0
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
5.2. ESPACIOS VECTORIALES 235
13. Sean V un espacio vectorial real y B = fv1 ; v2 ; v3 g una base de V;además v10 = v1 +
2v2 + 3v3 ; v20 = 2v1 v2 + v3 ; v30 = v1 + v2 3v3
c) Si v = v10 + 21 v20 1 0
v.
3 3
Encuentre [v]B :
14. Sean
U = (x; y; z) 2 R3 = x + y + z = 0
W = f(0; 0; z) = z 2 Rg
V = (x; y; z) 2 R3 = x = z
a) Pruebe que
1) R3 = U + V
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
236 CAPÍTULO 5. EJERCICIOS
2) R3 = U + W:
b) ¿En cuál o cuáles de los casos anteriores la suma es suma directa?. Justi…que.
U = (x; y; z; u) 2 R4 = x = z + u; y = 2z u; z = 3x + 2y + 5u
19. Determine si cada una de las siguientes a…rmaciones es verdadera o falsa. Justi…que su
respuesta.
20. Veri…que:
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
5.2. ESPACIOS VECTORIALES 237
V = (x; y; z) 2 R3 = kx + y sz = 0 y W = (0; y; z) 2 R3 = y + z = 0; x = 0
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
238 CAPÍTULO 5. EJERCICIOS
27. Sean
Determinar si V = DH:Justi…que.
82 3 2 39
< 1 1 =
28. Dado W = hB1 i con B1 = 4 0 5 ; 4 1 5 R3 :
: ;
2 1
82 3 2 39
< 1 1 =
a) Mostrar que ambas B1 y B2 = 4 1 5 ; 4 2 5 son bases de W:
: ;
5 4
2 3
x
4
b) Hallar las coordenadas de y 5 en base B1 y en base B2 ; cuando proceda.
z
2 3 2 3
0 0
c) Hallar las coordenadas de 1 ; 3 5 en las bases B1 y B2 cuando proceda.
4 5 4
3 7
29. Hallar la ecuación del plano , que pasa por la intersección de las rectas:
82 3 2 3 2 3 9
< x 4 3 =
L1 = 4 y 5=4 1 5+ 4 1 5 = 2R
: ;
z 7 5
82 3 2 3 2 3 9
< x 2 2 =
L2 = 4 y 5=4 1 5+ 4 5 5 = 2R
: ;
z 3 1
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
5.2. ESPACIOS VECTORIALES 239
32. Dados los vectores u = (1; 1; 2) y v = (2; 1; 0) determine dos vectores x = (x1 ; x2 ; x3 )
e y = (y1 ; y2 ; y3 ) en R3 tales que simultáneamente cumplan las condiciones siguientes:
a) x = v para algún 2 R;
b) u = x + y;
c) las coordenadas de y veri…quen la ecuación 2y1 + y2 = 0:
33. En M2 (R):
a b
a) Demuestre que W = = a+b+c=0 es un subespacio vectorial
c d
de M2 (R):
0 0 1 1
b) Complete una base para M2 (R) a partir del conjunto ; :
1 0 0 1
34. Sean:
36. Dados
x+y = z
U = (x; y; z; w) 2 R4 = ;
y+z = w
W = h(1; 2; 0; 0); (1; 3; 1; 1); (2; 3; 1; 1)i
a) Determine dim(W ):
b) Encuentre una base para U + W y otra para U \ W:
c) ¿Es R4 = U W ?.
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
240 CAPÍTULO 5. EJERCICIOS
37. Sean
x+y+z = 0
V = (x; y; z; w) 2 R4 = ;
x + y + 2z + 3w = 0
W = h( 1; 1; 0; 1); ( 2; 1; 1; 1)i
38. Sean
x + 2y z + 2w = 0
V = (x; y; z; w) 2 R4 = ;
3x y + z + w = 0
W = h(1; 2; 1; 0); (0; 4; 0; 2)i
39. Sean B1 = f(1; 1; 0); (0; 1; 2)g y B2 = f(1; 2; 2); (3; 5; 4)g subconjuntos de R3 y
W = hB1 i R3 :
41. Sea
a) Encuentre hAi :
b) ¿Qué condiciones debe satisfacer un vector (x; y; z) para que pertenezca al sub-
espacio generado por A:
c) Encuentre una base y la dimensión para hAi :
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
5.3. TRANSFORMACIONES LINEALES 241
a) T (x1 ; x2 ) = (1 + x1 ; x2 )
b) T (x1 ; x2 ) = (x2 ; x1 )
c) T (x1 ; x2 ) = (x21 ; x2 )
d) T (x1 ; x2 ) = (sin x1 ; x2 )
e) T (x1 ; x2 ) = (x1 x2 ; 0)
2. ¿Cuál de las siguientes expresiones de…ne una transformación lineal, de R [x] en R [x]?
a) T (p(x)) = (p(x))2
b) T (p(x)) = p(x + 1) p(x)
c) T (p(x)) = 3(p(x) p(0))
a) T : R2 ! R2
(x; y) 7 ! (x + 3y; 4x + 5y)
b) F : R4 [x] ! M2 (R)
a3 a2
a3 x 3 + a2 x 2 + a1 x + a0 7 !
a1 a0
c) G : R3 ! R2
(x; y; z) 7 ! ((x + y + z)2 ; 2x + 3y)
3 2
1 3 2
d) H : M3 (R) ! M3 (R) donde A = 4 1 1 0 5
X 7 ! X A A X 1 0 1
e) I : R2 ! R
2
(x; y) 7 ! x + y
g) K : Rn [x] ! Rn 1 [x]
p(x) 7 ! p0 (x)
h) L : M2 (R) ! R
a b a b
7 ! det
c d c d
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
242 CAPÍTULO 5. EJERCICIOS
a) Describir T y H geométricamente
b) Hallar explícitamente (T + H); H T; T H; T 2; H 2:
a) f (x; y) = 21 (x 3y; 3x + y)
b) f (x; y) = (2x + y; y)
c) f (x; y) = (x + y; x + y)
d) f (x; y) = (y; x)
cos sin x
e) f (x; y) = con 2 R …jo.
sin cos y
a) Hallar T (x; y; z; w)
b) Encontrar el conjunto de las preimágenes de (7; 1; 8):
c) Determinar del conjunto anterior, el o los vectores cuya suma de sus coordenadas
es 1:
F (x; y; z; w) = (x + y; z w; x + w)
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
5.3. TRANSFORMACIONES LINEALES 243
F (x; y; z; w) = (x y + z; y + z w)
a) r = m si y sólo si T es sobreyectiva.
b) r = n si y sólo si T es inyectiva.
c) Si r = n = m entonces T es un isomor…smo.
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
244 CAPÍTULO 5. EJERCICIOS
18. Sea D : R3 [x] ! R2 [x] tal que p(x) 7 ! D(p(x)) = p0 (x); (donde p0 (x) es la derivada
de p(x)).
19. Considere las siguientes funciones, y resuelva (i), (ii), (iii) para cada una de ellas:
a) Sean
U = (x; y; z) 2 R3 = x + y + z = 0
W = (x; y; z; w) 2 R4 = x = y; z = w :
Se de…ne T : U ! W por
T ( 1; 1; 0) = (1; 1; 0; 0)
T ( 1; 0; 1) = (0; 0; 1; 1)
y además
con v = (3; 3; 21 ; 12 ):
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
5.3. TRANSFORMACIONES LINEALES 245
b) Sean
Se de…ne T : U ! W por
2a + b + c = 0
U = a + bx + cx2 + dx3 =
3a 2b + c = 0
W = 1 x + 2x2 3x3 ; 2 + 3x x2 + x3 ; 1 + 5x2 8x3 :
Se de…ne T : U ! W por
T ( 12 + x 12 x3 ) = 2 + 3x x2 + x3
T ( 21 + x2 + 25 x3 ) = 1 + 5x2 8x3
y además
1 1 3 1 5
T a +x x +b + x2 + x3 =a 2 + 3x x2 + x3 +b 1 + 5x2 8x3
2 2 2 2
U = (x; y; z; w) 2 R4 = x y + 2z + 3w = 0 ;
W = h(1; 1; 1; 1); ( 2; 1; 0; 1); (3; 1; 1; 0)i :
Se de…ne T : U ! W por
T ( 3; 1; 2; 0) = (1; 1; 1; 1)
T (7; 0; 5; 1) = ( 2; 1; 0; 1)
T (1; 2; 1; 1) = (0; 3; 2; 3)
y además
con v = ( 1; 2; 1; 2):
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
246 CAPÍTULO 5. EJERCICIOS
e) Sean
x+y+z+w = 1
U = (x; y; z; w) 2 R4 = ;
w = 2
W = x3 ; x2 ; x; 1 :
Se de…ne T : U ! W por
T (3; 0; 4; 2) = x
T ( 1; 1; 1; 2) = x2
y además
T ( (3; 0; 4; 2) + ( 1; 1; 1; 2)) = x + x2
con v = 1 + x2 :
f ) Sean
U = x2 ; x; 1 ; W = (x; y; z; w) 2 R4 = x=z :
Se de…ne T : U ! W por
T (x2 + x + 1) = (0; 2; 0; 1)
T (x 1) = (1; 1; 1; 3)
2
T (x 1) = (1; 1; 1; 2)
y además
20. Sea T 2 L(R3 ; R2 ) una transformación lineal donde B = f(0; 0; 1) ; (0; 2; 1) ; (3; 2; 1)g
1 3 2
base de R3 , C = f(1; 3) ; (2; 5)g base de R2 , y se tiene [T ]C
B = 4 12 8
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
5.3. TRANSFORMACIONES LINEALES 247
a) Probar que T 2 = T .
b) Hallar una base fw1 ; w2 ; w3 g respecto de la cual la matriz de T sea
2 3
1 0 0
4 0 1 0 5
0 0 0
23. Determine una transformación lineal perteneciente a L(R3 ; R3 ) que transforma los
vectores (1; 0; 0); (0; 1; 0); (0; 0; 1) en los vectores ( 12 ; 21 ; 0); ( 12 ; 12 ; 0); (0; 0; 1) respecti-
vamente. Encuentre la inversa de esta transformación lineal.
a) Determinar [T ]B
B donde B = f(1; 2); (1; 1)g.
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
248 CAPÍTULO 5. EJERCICIOS
2 3
2 1 3
25. Sea T : M3 1 (R) ! M3 1 (R) de…nida por T (X) = 4 1 3 5 5 X
1 2 2
a) ¿T es un isomor…smo?
Ir 0
b) Hallar bases B; C de R3 tal que [T ]C
B = : ¿Puede ser B = C?
0 0
c) Hallar ker(T ); Im(T ); N ul(T ) y Rg(T ):
27. Sean B = f(1; 1; 0); (2; 0; 1); (1; 1; 3)g base de R3 ; B 0 = f(2; 1); (1; 1)g base de R2 y
0 1 1 0
F 2 L(R3 ; R2 ) tal que [F ]B
B = 0 1 0
a) Bases canónicas.
b) C base canónica y B 0 = f(1; 1; 0); (1; 0; 1); (0; 0; 1)g :
c) B = f(1; 1; 0); (1; 0; 1); (0; 1; 1)g y B 0 = f(1; 0; 0); (1; 1; 0); (1; 1; 1)g :
30. Sean
T1 : R2 ! R3 tal que T1 (x1 ; x2 ) = (x1 + x2 ; x1 x2 ; 2x1 );
T2 : R3 ! R2 tal que T2 (x; y; z) = (x + y + z; x y);
T3 : R2 ! R2 tal que T3 (x; y) = ( x; y):
Determine:
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
5.3. TRANSFORMACIONES LINEALES 249
a) T2 T1
b) T3 T2 T1
c) T2 T1 + T3
1
d) (T2 T1 3T3 ) ; si existe.
31. Hallar la imagen, rango, kernel y nulidad para la transformación lineal nula y la trans-
formación lineal identidad.
32. Sea T : R3 ! R3 tal que T (x; y; z) = (x + y; 0; 0). Demostrar que N ul(T ) + Rg(T ) =
dim(R3 ):
a) Determine [T ]C 2 n 2
Cn donde Cn y C2 son las bases canónicas de R y R respectiva-
mente.
b) Si f (x; y; z) = x + 5y + 2z y g(x; y; z) = 2x 3y + 3z: Dar explícitamente [T ]C 2
C3 :
36. Si T : R2 ! R3 ; L: R3 ! R2
(x; y) 7 ! (2x + y; x + y; y) (x; y; z) 7 ! (2x + y; y + z)
Determine ker(T L):
37. Sea V el espacio vectorial de todas las matrices de orden 2; con coe…cientes reales. Sean
a b
B= …ja y T (A) = AB BA.
c d
38. Dar un ejemplo de una transformación lineal de R3 en R3 tal que ker(T ) = h(4; 7; 5)i
e Im(T ) = h(2; 1; 1); ( 1; 3; 2)i. Si no existe, justi…que.
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
250 CAPÍTULO 5. EJERCICIOS
39. Sea D : R3 [x] ! R2 [x] tal que D(p(x)) = p0 (x); (la función derivada), B 0 =
f1; x; x2 ; x3 g y B 00 = f1; x; x2 g bases de R3 [x] y R2 [x] respectivamente. Determine
00
[D]BB0 :
40. Describa explícitamente una transformación lineal de R3 en R3 que tenga como imagen
el subespacio generado por el conjunto f(1; 0; 1); (1; 2; 2)g :
41. Sea T : R3 ! R3 una transformación lineal tal que T (W ) = W para todo subespacio
vectorial W de R3 con dim(W ) = 1. Demostrar que T (x; y; z) = ( x; y; z) para
algún 2 R f0g :
42. De…na tres transformaciones lineales entre los espacios vectoriales soluciones de los
siguientes sistemas homogéneos:
x+y z = 0
y x+y = 0 ;
z = 2x y
43. Sea V un espacio vectorial real de dimensión 2 y sea B una base ordenada de V . Si
a b
T 2 L(V; V ) y [T ]B = :
c d
Demuestre que T 2 (a + d)T + (ad bc)IV = 0:
44. De…na una transformación lineal T que sea inyectiva desde V = f(x; y; z) 2 R3 =x = yg
a R2 : Encontrar ker(T ) e Im(T ):
46. Sea T una transformación lineal sobre R3 de…nida por T (x; y; z) = (3x; x y; 2x+y+z):
¿Es T invertible?. De serlo, hallar una expresión para T 1 .
47. Sea G : R2 ! R2 de…nida por G(x; y) = (2x + y; y x): Encontrar los valores 2R
tal que G I es no invertible.
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
5.3. TRANSFORMACIONES LINEALES 251
a) ¿W1 es isomorfo a W2 ?
b) Sea W3 = fX 2 R3 = 2x1 x2 + 7x3 = 0g : ¿Es W3 isomorfo a W1 :
T : R2 ! M2 (R)
x + 7y 5y
(x; y) 7 !
10y x 7y
(T 2 Id) (T 3Id) = 0
a) T 2 = I; T 6= I
b) T 6= 0; T 2 6= 0; T3 = 0
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
252 CAPÍTULO 5. EJERCICIOS
(1; 0; 1) 7 ! (1; 1; 1)
(0; 1; 0) 7 ! (1; 1; 0)
(0; 1; 1) 7 ! (1; 0; 0)
a) Determine T (x; y; z)
b) Determine el conjunto de las preimágenes del vector (0; 0; 1) cuyas componentes
sumen 0.
2 3
1 2 0
58. Dada T : R3 ! R3 tal que [T ]B 2 4 1 1 1 5, donde
B1 =
3 1 1
B1 = f(1; 1; 2); (0; 1; 1); ( 1; 0; 0)g ; B2 = f(1; 1; 1); (0; 1; 1); (0; 0; 1)g
B3 = f(0; 1; 2); (1; 1; 1); (0; 1; 0)g ; B4 = f(1; 1; 0); (1; 1; 1); (1; 0; 0)g
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
5.3. TRANSFORMACIONES LINEALES 253
63. Pruebe que una matriz y su traspuesta tienen el mismo polinomio característico.
2 3
3 2 0
64. Dada la matriz A = 4 2 3 0 5 ;
0 0 5
a) ¿Es A diagonalizable?
b) Determine la matriz diagonal B similar a A.
3 2
65. Dada la matriz A= ;
2 1
a) ¿Es A diagonalizable?
b) Si lo es, determine la matriz diagonal B similar a A. Si no explique por qué.
2 3
2 1 0
66. Dada la matriz A = 4 3 2 0 5 ;
0 0 4
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
254 CAPÍTULO 5. EJERCICIOS
0 u1 v1
P 1
AP = donde P = [Id]C 2
B = :
0 u2 v2
B = k m Am + k m 1 Am 1
+ ::: + k1 A + k0 I
P
m
tiene valores propios i = km ji :
j=0
73. Sea D(f ) = f 0 (la función derivada), como D es una transformación lineal de C 1 ([0; 1]):
Pruebe que f (x) = ce x son los únicos vectores propios de D. (Ayuda: Use (e x g(x))0 =
0 si y sólo si D(g) = g)
76. Sea D : Rn [x] ! Rn [x] una transformación lineal tal que D(xk ) = kxk 1 : Hallar el
polinomio característico de D, los valores propios y los espacios propios de D.
1
77. Pruebe que los valores propios de una matriz A de orden n regular son i
si Spec(A 1 ) =
f 1 ; :::; n g :
3 2
a)
2 3
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
5.3. TRANSFORMACIONES LINEALES 255
2 3
7 4 4
b) 4 4 8 1 5
4 1 8
2 3
2 i 0
c) 4 i 2 0 5
0 0 3
1 a
d) :
a 1
84. ¿Cuántos vectores propios que sean linealmente independientes tiene J?, donde
2 3
2 0 0 0 0
6 1 2 0 0 0 7
6 7
J =6 6 0 1 2 0 0 7
7
4 0 0 0 2 0 5
0 0 0 1 2
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
256 CAPÍTULO 5. EJERCICIOS
1 0 0
[T ]B 2
B1 = :
0 0 0
3. Encontrar una transformación lineal T : R3 ! R2 tal que ker(T ) = h(1; 2; 1); (0; 1; 1)i
y T (1; 0; 1) = (4; 12):
4. Sea la función F : R2 ! R2 de…nida por F (1; 2) = (1; 4) y F (0; 1) = (2; 8). Determinar:
d
5. Sea D_ : R3 [x] ! R2 [x] una función de…nida por D(p(x)) = (p(x)). Dados los
dx
conjuntos B1 = f1; x; x2 ; x3 g y B2 = f1; x; x2 g entonces:
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
5.3. TRANSFORMACIONES LINEALES 257
d) ¿Es D un isomor…smo?
6. Sea T : R2 [x] ! R3 una función de…nida por T (ax2 + bx + c) = (a; b; c): Sea B =
f1; x; x2 1g
a) ¿Que condiciones deben cumplir r; s; t 2 R tal que (r; s; t) 2 Im(T )?, ¿Cuál es el
rango de T ?
b) ¿Que condiciones deben cumplir a; b; c; d 2 R tal que (a; b; c; d) 2 ker(T )?, ¿Cuál
es la nulidad de T ?
[g f ] = [g] [f ] ó [g f ] = [f ] [g] :
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
258 CAPÍTULO 5. EJERCICIOS
11. Sean B = f(1; 2; 3); (0; 1; 0); (1; 1; 0)g y B 0 = f(1; 1; 0); (0; 1; 1); (1; 0; 1)g bases de R3 y
B 00 = f(2; 1); (0; 1)g base de R2 : Consideremos, f : R3 ! R3 de…nida por
a+b b+c
13. Sean f : R2 [x] ! M2 (R) de…nida por f (ax2 + bx + c) = ;yB=
a c 2a + b
1 0 1 1 1 1 1 1
fx2 + x + 1; 2x2 3; xg base de R2 [x] y B 0 = ; ; ;
0 0 0 0 1 0 1 1
B 0
base de M2 (R). Encuentre [f ]B :
3 2
19 0 16
14. Sea f 2 L(R3 ; R3 ) tal que f (X) = 4 4 3 4 5 X para X 2 R3 :
20 0 17
x y
15. Sea f : R3 ! M2 (R) tal que f (x; y; z) = :
x+y y z
a) Encuentre ker(f ):
b) Halle una base de Im(f ):
c) Sean B = f(1; 0; 1); (2; 1; 1); (1; 1; 1)g base de R3 y B 0 la base canónica de M2 (R).
0
Encuentre [f ]B
B :
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
5.3. TRANSFORMACIONES LINEALES 259
a) (Id F )(x; y; z)
b) Im(Id F)
c) ker(Id F)
d) Rg(Id F)
e) N ul(Id F ):
a b
17. Sean T : R3 [x] ! M2 (R) tal que T (ax3 + bx2 + cx + d) = y B =
c d
f1; x + 1; x2 ; x3 1g base de R3 [x] :
0 1 0 0 2 0 0 0 0
a) Calcule [T ]B 0
B donde B = ; ; ; es una base
0 0 0 1 0 1 1 0
de M2 (R).
b) ¿Es T un isomor…smo?. Justi…que.
a) Hallar [T ]C 4 2 4
C2 donde C2 ; C4 son las bases canónicas de R y R respectivamente.
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
260 CAPÍTULO 5. EJERCICIOS
8
< 0 si i < j
21. Considere la matriz A = (aij ) 2 Mn (R) tal que aij = aii si i = j . Demuestre
:
aij si i > j
que Spec(A) R:
22. Determine si cada una de las siguientes a…rmaciones es verdadera o falsa. Justi…que :
23. Dadas las siguientes a…rmaciones, determine cuáles de ellas son verdaderas y cuáles
falsas. Justi…que en cada caso:
a) Sea F :2R2 !R 3 2 3
3 ; B = f(1; 2); (2; 1)g base de R y C la base canónica de R y
1 0
4 2y + x y 5y + x
C
[F ]B = 2 1 5 entonces F (x; y) = ; ; :
3 3 3
3 1
b) U = f(x; y; z) 2 R3 = x+y z = 0g subespacio de R3 entonces f(1; 0; 1)g es
una base de U:
c) Si fv1 ; v2 ; v3 g es una base de V y g 2 L(V; W ) es inyectiva entonces fg (v1 ) ; g (v2 ) ; g (v3 )g
es una base para Im(g):
d) Sea A = f(x1 ; x2 ; x3 ; x4 ) 2 R4 = x1 = x2 ; x3 = x4 g entonces dim(A) = 2 y
A = h(1; 1; 0; 0); (0; 0; 1; 1)i :
24. Sea f(1; 1; 1); (0; 1; 0); (0; 0; 1)g una base de R3 : Sea f : R3 ! R3 una transformación
lineal tal que
Determinar:
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
5.3. TRANSFORMACIONES LINEALES 261
27. Dadas las siguientes a…rmaciones, determine cuáles de ellas son verdaderas y cuáles
falsas. Justi…que en cada caso:
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
262 CAPÍTULO 5. EJERCICIOS
a) El polinomio característico de A:
b) Spec(A):
c) Los espacios propios de A:
d) ¿Es A diagonalizable?.
2 3
0 1 0
33. Dada la matriz A = 4 1 0 0 5, determine:
0 1 1
a) El polinomio característico de A:
b) Spec(A):
c) Los espacios propios de A:
d) ¿Es A diagonalizable?.
2 3
2 1 0
34. Dada la matriz B = 4 9 4 6 5, se sabe que Spec(B) = f 1; 1; 3g :
8 0 3
a) Determine los espacios asociados a cada valor propio y las dimensiones de ellos.
b) ¿Es B diagonalizable?.
jcdelacruz-------------------------------------------------------------------------------------------------------------------------------------------- unsch
ALGEBRA LINEAL
Problemas
Los problemas que aparecen en esta sección son parte de colecciones de problemas elaborados por nu-
merosas personas. No se han incluido al final de cada sección debido a que muchos de ellos contienen
conceptos que aparecen en más de un tema. Sin embargo se ha procurado mantener el orden correspon-
diente al resto de estas notas.
2. Sea f : X → Y una aplicación. Demostrar que f es inyectiva si y solo si: f (A ∩ B) = f (A) ∩ f(B),
para cualquier par A, B ⊂ X.
f g g◦f f g g◦f
1 i i i 6 s b s
2 i s i 7 b b b
3 b i i 8 b i b
4 s s s 9 i b s
5 i s s 10 i s b
5. Sea f : X → X ′ una aplicación sobreyectiva. Demostrar que existe una aplicación σ: X ′ → X tal
que: f ◦ σ = 1′X donde 1′X es la aplicación identidad en X ′ . Sea h: X → X ′ una aplicación inyectiva.
Demostrar que ĥ: X → h(X) definida por ĥ(x) = h(x) es biyectiva y existe τ = ĥ−1 : h(X) → X tal
que: τ ◦ h = 1X donde 1X es la aplicación identidad en X . ¿Existe una única aplicación α: X ′ → X
que verifique α ◦ h = 1X ?
175
jcdelacruz______________________________________________________________________unsch
176 PROBLEMAS
jcdelacruz______________________________________________________________________unsch
PROBLEMAS 177
17. Demostrar que cualquier grupo de orden 4 es abeliano y construir todos los grupos de orden 4 no
isomorfos.
18. Demostrar que las matrices cuadradas de orden 2 con coeficientes reales de determinante igual a
1 forman un grupo no conmutativo, con respecto al producto. Demostrar que las matrices de la
forma: µ ¶
x −y
, x2 + y 2 = 1
y x
forman un grupo abeliano subgrupo del anterior. ¿Es un subgrupo normal?
19. Sean los grupos G1 = {a, b, c, d}, G2 = {x, y, z, t} con operaciones definidas por las siguientes
relaciones: ½
a · a = a, a · b = b, a · c = c, a · d = d, b · b = a,
G1 :
b · c = d, b · d = c, c · c = a, c · d = b, d · d = a
½
x ∗ x = x, x ∗ y = y, x ∗ z = z, x ∗ t = t, y ∗ y = x,
G2 :
y ∗ z = t, y ∗ t = z, z ∗ z = y, z ∗ t = x, t ∗ t = y
(a) Calcular d · b, t ∗ y.
(b) Estudiar si existe un homomorfismo de G1 en G2 y calcularlo en caso afirmativo.
(c) Estudiar si G1 y G2 son isomorfos. Calcular un isomorfismo en caso afirmativo.
22. Sea f : ZZ16 → ZZ16 un homomorfismo de grupos. Probar que f ([2]) 6= [3].
23. Sea q ∈ ZZ4 fijado. Considérese el conjunto Fq = {(a, b) | a, b ∈ ZZ4 , (a, b) 6= ([0], [0])} con la
operación asociativa,
(a, b) ⋆ (c, d) = (ac + qbd, ad + bc).
Hallar el elemento neutro y calcular, si existe, el inverso de ([2], [3]).
24. En el anillo de polinomios IR[x] se considera (para a ∈ IR fijado) el conjunto Ia = {p(x) ∈ IR[x] |
p(a) = 0}. Demostrar que Ia es un ideal de IR[x] y que IR[x]/Ia ≈ IR (como anillos).
25. Un elemento x de un anillo A se dice que es nilpotente si xr = 0 para algún r ∈ IN. Determinar:
jcdelacruz______________________________________________________________________unsch
178 PROBLEMAS
0 −1 0 0 0 0 −1 0 0 0 0 −1
1 0 0 0 0 0 0 1 0 0 −1 0
i= , j = , k =
0 0 0 −1 1 0 0 0 0 1 0 0
0 0 1 0 0 −1 0 0 1 0 0 0
Demostrar que {±I, ±i, ±j, ±k} es un grupo no conmutativo con respecto al producto de matrices
y escribir la tabla del producto.
28. Demostrar que si I es un subanillo no nulo de ZZ entonces I es un ideal. Demostrar que el conjunto:
½µ ¶ ¾
a b
A= | a, b, d ∈ ZZ
0 d
29. Estudiar la estructura del conjunto de funciones continuas: C(IR) = {f : IR → IR}, respecto a las
operaciones de suma y producto.
30. Formar las tablas de sumar y multiplicar del anillo ZZ8 . Hallar todos los divisores de cero y el grupo
de elementos invertibles.
31. Demostrar que la condición necesaria y suficiente para que un elemento de un anillo posea inverso
es que no pertenezca a ningún ideal propio del anillo.
32. Demostrar que todo homomorfismo de cuerpos distinto del nulo es inyectivo.
34. Calcular las raı́ces de orden 8 de la unidad y comprobar que su suma es igual a 0. Generalizar el
resultado para raı́ces de orden n.
35. Usar la fórmula de Moivre para calcular cos 5x en función de cos x y sen x y sus potencias.
36. Demostrar que si z ∈ C es una raı́z del polinomio de coeficientes reales p(x), entonces z̄ es también
raı́z de ese polinomio.
37. Sea z0 una raı́z de la unidad de orden n, distinta de 1. Demostrar que z0 es raı́z del polinomio:
p(z) = z n−1 + z n−2 + · · · + z + 1.
38. Calcular todas las raı́ces primitivas de la unidad de orden 6. Demostrar que si p es primo, toda raı́z
de la unidad de orden p distinta de 1 es primitiva.
39. Calcular las raı́ces y factorizar el polinomio P (x) = x10 − 2x5 + 1.
40. Si V es un espacio vectorial y S ⊂ V , probar que lin S es la intersección de todos los subespacios
de V que contienen a S.
42. Probar que si vr ∈ lin{v1 , . . . , vr−1 } entonces lin{v1, . . . , vr−1 } = lin{v1 , . . . , vr }. Deducir que existe
una base B de lin{v1 , . . . , vr } tal que B ⊂ {v1 , . . . , vr }. Demostrar que dim lin{v1 , . . . , vr } ≤ r, y
que dim lin{v1 , . . . , vr } = r ⇐⇒ {v1 , . . . , vr } es linealmente independiente.
43. Para cada uno de los siguientes subconjuntos de C3 , estudiar si son o no subespacios vectoriales:
jcdelacruz______________________________________________________________________unsch
PROBLEMAS 179
44. Decir cuáles de los siguientes subconjuntos de V = Mn (IK) son subespacios vectoriales:
W1 = {A ∈ V | A es invertible}
W2 = {A ∈ V | r(A) = n − 1}
A ∈ V | At = 2A
© ª
W3 =
A ∈ V | A2 − 2A = 0
© ª
W4 =
W5 = {(aij )1≤i,j≤n ∈ V | a11 − 2a1n + ann = 0} .
45. Estudiar cuáles de los siguientes subconjuntos de C(IR, IR) son subespacios vectoriales:
47. Sean W1 y W2 dos subespacios vectoriales de un espacio vectorial V . Probar que W1 ∩ W2 6= {0}
si dim V < dim W1 + dim W2 .
P = {f ∈ C(IR, IR) | f (t) = f(−t), ∀t ∈ IR}, I = {f ∈ C(IR, IR) | f (t) = −f (−t), ∀t ∈ IR}
51. Dados los subespacios W1 = lin{(1, 2, −1, 0), (0, −i, 0, i)} y W2 = lin{(3, 1, 0, −1), (5, 6, −2, −2)} en
C4 , hallar una base de W1 ∩ W2 .
v1 = (2, −1, 3, 0), v2 = (1, 1, −1, −1), v3 = (2, −1, −3, 2),
jcdelacruz______________________________________________________________________unsch
180 PROBLEMAS
54. Estudiar la dependencia lineal de los siguientes subconjuntos del espacio vectorial de los polinomios
en una indeterminada con coeficientes complejos:
Determinar los valores de los parámetros a, b ∈ C para los cuáles W = lin{p1, p2 , p3 } tiene dimensión
dos. Para dichos valores de a y b, hallar una base de W y calcular las coordenadas de p1 , p2 y p3
en dicha base.
56. Estudiar la dependencia lineal de los siguientes subconjuntos de C3 :
57. Probar que el subconjunto S = {(0, 1, 0), (1, 1, 0), (1, 2, 1), (−2, 1, 3), (5, 2, −3), (1, 0, 1)} ⊂ C3 es un
sistema de generadores de C3 , y encontrar una base de C3 contenida en S.
58. Sean λ1 , λ2 , . . . , λn n números complejos distintos. Probar que las funciones {f1 , f2 , . . . , fn } dadas
por fi (z) = eλi z son linealmente independientes en C(C,C). Utilizar lo anterior para demostrar
que los conjuntos {1, cos x, cos 2x, . . . , cos nx} y {sen x, sen 2x, . . . , sen nx} son linealmente indepen-
dientes en C(IR, IR).
59. Para cada uno de los siguientes pares de bases de C3 , calcular la matriz del cambio de base de B a
B′:
(a) B = {(1, 1, 0), (−1, 1, 1), (0, 1, 2)}, B ′ = {(2, 1, 1), (0, 0, 1), (−1, 1, 1)}
(b) B = {(3, 2, 1), (0, −2, 5), (1, 1, 2)}, B ′ = {(1, 1, 0), (−1, 2, 4), (2, −1, 1)}
60. Sea V = C2 [x], y sea a ∈ IR un número real fijo. Si definimos los polinomios
probar que {p1 , p2 , p3 } es una base de V . ¿Cuáles son las coordenadas de un elemento cualquiera
de V en esta base? ¿Sugiere esto alguna generalización?
61. Si p ∈ Cn [x], hallar cuál es la condición necesaria y suficiente para que el conjunto {p, p′ , . . . , p(n) }
de las derivadas de p hasta orden n inclusive sea una base de Cn [x].
62. Dados los subespacios de IR4
jcdelacruz______________________________________________________________________unsch
PROBLEMAS 181
W1 = lin{(0, 1, −1, 0, 1), (1, 1, −1, 1, 2)}, W2 = lin{(−1, 0, 5, 1, 0), (a, 1, 1, −1, b)}
66. Se consideran los subespacios U = lin{p1 , p2, p3 } y W = lin{q1 , q2 , q3} de C4 [x], siendo
hallar m y n para que dim V1 = 2. Para estos m, n calculados, hallar las ecuaciones paramétricas e
implı́citas de otro subespacio V2 tal que V1 ⊕ V2 = IR4 .
70. Sea V un espacio vectorial de dimensión 4. Considérense dos subespacios W1 y W2 de V tales que
W1 ∩ W2 = lin{v}, con v 6= 0 y dim W1 = 3 y dim W2 = 2. Hallar W1 + W2.
71. Dados los subespacios U y V de C5 definidos por los conjuntos de ecuaciones siguientes:
x1 = λ + µ + ν
x1 + x2 + x3 + x5 = 0 x2 = −λ − ν
U: 4x2 + 3x3 − x4 = 0 , V : x3 = 2λ + µ + 2ν , λ, µ, ν ∈ C.
4x1 + x3 + x4 + 4x5 = 0 x4 = 0
x5 = µ
Calcular la dimensión y una base de cada uno de ellos. Calcular una base de la suma y otra de la
intersección de estos dos subespacios.
jcdelacruz______________________________________________________________________unsch
182 PROBLEMAS
74. Determinar razonadamente si son ciertas o falsas las proposiciones siguientes, siendo W1 , W2 , W3
tres subespacios de un espacio vectorial de dimensión finita V .
75. Sean V1 y V2 dos espacios vectoriales sobre un mismo cuerpo IK, y considérese el conjunto (producto
cartesiano de V1 y V2 )
V1 × V2 = {(x1 , x2 ) | x1 ∈ V1 , x2 ∈ V2 }.
76. Se considera el espacio vectorial V4 sobre C y la variedad lineal L engendrada por los vectores:
Se pide:
(a) dim L.
(b) Ecuaciones paramétricas e implı́citas de L.
(c) Una base del espacio cociente V4 /L.
77. Sea V un espacio vectorial real de dimensión 5 y B = {v1 , v2 , v3 , v4 , v5 } una base de V . Calcular las
ecuaciones implı́citas (en la base B) del subespacio W = W1 + W2 + W3, siendo Wi los subespacios
definidos por:
W1 = lin{(1, 0, 0, 1, 0), (0, 0, −1, 0, 0)}
x1 + x2 − x3 = 0
W2 : x2 − x5 = 0
x2 + 2x5 = 0
W3 = ker f, f: V → V
78. En un espacio vectorial V de dimensión 4 se tiene un sistema de generadores formado por los
vectores S = {u1 , u2 , u3 , u4 , u5 }. Se sabe además que u1 − u2 + u3 = 0.
jcdelacruz______________________________________________________________________unsch
PROBLEMAS 183
(b) Hallar las coordenadas en la base anterior de una base de un subespacio W de V de dimensión
2, cuya intersección con U = lin{u1 , u2 , u3} es el vector 0 y tal que la suma con el subespacio
R cuyas ecuaciones paramétricas en la base encontrada en el apartado a) son
−x1 + 3x2 − 3x3 − 2x4 = 0, −x1 − 3x2 + 3x3 + 4x4 = 0, 3x1 + 2x2 − 2x3 − 5x4 = 0,
sea directa.
79. Demostrar que toda matriz 2 × 2, A = (aij )1≤i,j≤2 , es raı́z del polinomio
Utilizar este resultado para obtener una expresión de la inversa de una matriz 2 × 2.
80. Probar que la traza del conmutador de dos matrices es cero. ¿Pueden existir dos matrices P, Q
tales que [P, Q] = iI?
µ ¶
1 0
81. Si A = , demostrar que A2 = 2A − I, y calcular A100 .
−1 1
1 1 0
82. Dada la matriz A = 0 1 1 , hallar An , ∀n ∈ IN.
0 0 1
83. Demostrar que las únicas matrices cuadradas de orden n que conmutan con todas las matrices
cuadradas del mismo orden son de la forma λI, con λ ∈ C.
84. Por definición, una matriz cuadrada M es idempotente si M 2 = M . Si A y B son matrices cuadradas
tales que AB = A y BA = B, probar que A y B son idempotentes. ¿Pueden ser A ó B invertibles?
86. Probar que si A y B son matrices cuadradas de la misma dimensión y AB = I, entonces también se
cumple que BA = I; en otras palabras, si B es una inversa por la derecha de A entonces B = A−1 .
87. Calcular el signo con que aparece el término an1 an−1,2 · · · a1n en el desarrollo del determinante de
la matriz (aij )1≤i,j≤n .
entonces det A = a11 a22 · · · ann . Deducir un resultado análogo para las matrices triangulares infe-
riores.
89. Demostrar que si A y B son dos matrices cuadradas de órdenes n y m, respectivamente, se tiene:
µ ¶ µ ¶
A C C A
det = det A · det B, det = (−1)nm det A · det B.
0 B B 0
90. Utilizando las fórmulas del problema anterior, demostrar que det(AB) = det A · det B.
jcdelacruz______________________________________________________________________unsch
184 PROBLEMAS
95. Una matriz cuadrada es antisimétrica si At = −A. Probar que, si 2 6= 0, el determinante de una
matriz antisimétrica de orden impar es cero.
96. Una matriz cuadrada A ∈ Mn (C) se dice unitaria si AA† = I. Probar que si A es unitaria entonces
| det A| = 1.
µ ¶
A B
97. (Fórmulas de Schur ) Sean A, B, C, D ∈ Mn (C), y sea ∆ el determinante de la matriz .
C D
Probar que se cumplen las igualdades siguientes:
(a) ∆ = det(AD − ACA−1 B), si det A 6= 0
(b) ∆ = det(AD − BD−1 CD), si det D 6= 0
98. Determinar, en función del parámetro a, el rango de las siguientes matrices:
1 1 0 1 a 1 1 −1 2 0
3 2 −1 3 2a a 1 1 1 1 + a
a 3 −2 0 a(a − 2) ,
.
1 −1 3 −3 4
−1 0 −4 3 −5a 4 2 0 a 4
99. Hallar los valores de a y b para los cuales el rango de la siguiente matriz es el mı́nimo posible:
1 3 −2 −1 4
−2 1 1 2 −3
3 −4 3 1 −2
.
3 3 0 a 3
3 2 −3 −3 b
jcdelacruz______________________________________________________________________unsch
PROBLEMAS 185
1 i 3i 3
100. Hallar el rango de la matriz compleja A = 2 + i 1 1 + 2i 4 + i .
−1 + i 1+i 1+i −1 + i
¡ ¢
101. Demostrar que r(AB) ≤ min r(A), r(B) .
102. Probar que A ∈ Mm×n (C) tiene rango ≤ 1 si y sólo si existen R ∈ Mm×1 (C) y S ∈ M1×n (C) tales
que A = RS.
107. Utilizando el método de Gauss–Jordan, determinar cuáles de las siguientes matrices son invertibles,
y calcular la matriz inversa cuando esto sea posible:
1 −2 −1 3
2 5 −1 1 −1 2 −1 0 −2 3
A = 4 −1 2 , B = 3 2 4 , C = .
0 2 −1 −1
6 4 1 0 1 −2
−2 3 −1 −1
108. Utilizando la fórmula A−1 = cof(A)t / det A, calcular la inversa de las siguientes matrices:
2 3 4 1 2 2 1 −2 1
A = 2 1 1 , B = 2 −1 1 , C = −2 5 −4 .
−1 1 2 1 3 2 1 −4 6
1 2−i −1 + 2i
109. Calcular la inversa de la matriz compleja A = 1 2 −2 + i .
−1 −2 + i 2 − 2i
110. Si A es una matriz cuadrada cuyos elementos de matriz son números enteros, encontrar una
condición necesaria y suficiente para que A−1 tenga esta misma propiedad.
jcdelacruz______________________________________________________________________unsch
186 PROBLEMAS
111. Determinar cuáles de las siguientes aplicaciones T : IR2 → IR2 son lineales:
a) T (x, y) = (y, x), b) T (x, y) = (x, 0), c) T (x, y) = (x, −y), d) T (x, y) = (x, x)
e) T (x, y) = (x2 , y 2 ), f) T (x, y) = (ex , ey ), g) T (x, y) = (x + 1, y + 1), h) T (x, y) = (x, 1).
112. Sea V el espacio vectorial de las matrices cuadradas de orden n, sea Q ∈ V una matriz invertible
fija, y considérense las aplicaciones de V en V definidas por:
u1 = (1, 0, −1), u2 = (1, 1, 1), u3 = (1, 0, 0); v1 = (0, 1), v2 = (1, 1),
jcdelacruz______________________________________________________________________unsch
PROBLEMAS 187
jcdelacruz______________________________________________________________________unsch
188 PROBLEMAS
x1 + x2 − x3 − x4 + x5 = 0
x2 + x3 + x4 − x5 = 0
y1 = µ + λ, y2 = µ − λ, y3 = 2µ − 3λ, λ, µ ∈ C
x1 − x3 = 0, x1 + x2 − x3 + x4 = 0
jcdelacruz______________________________________________________________________unsch
PROBLEMAS 189
138. Hallar una base del espacio vectorial V de los polinomios con grado menor o igual que 4 que se
anulan en x = 1. Considérese el espacio vectorial W de los polinomios de grado menor o igual que
3 y la aplicación D: V → W definida por la derivada. Hallar una representación matricial de dicha
aplicación, su núcleo y su imagen.
AX = B, (∗)
donde A es una matriz cuadrada. 1) Demostrar que (∗) tiene solución única para todo valor de B
si y sólo si el sistema homogéneo AX = 0 no tiene más solución que la trivial. 2) Probar que si el
sistema homogéneo tiene solución distinta de la trivial, siempre es posible escoger B de forma que
(∗) sea incompatible.
141. Calcular mediante el método de eliminación de Gauss todas las soluciones del sistema
1
x1 + 2x2 − 6x3 = 0
3
−4x1 + 5x3 = 0
−3x1 + 6x2 − 13x3 = 0
7 8
− x1 + 2x2 − x3 = 0.
3 3
142. Hallar todas las soluciones del sistema cuya matriz ampliada es
2 −3 −7 5 2 −2
1 −2 −4 3 1 −2
A′ =
.
2 0 −4 2 1 3
1 −5 −7 6 2 −7
x1 − 2x2 + x3 + 2x4 = a
x1 + x2 − x3 + x4 = b
x1 + 7x2 − 5x3 − x4 = c
no tiene solución.
jcdelacruz______________________________________________________________________unsch
190 PROBLEMAS
146. Si ω es una de las raı́ces cúbicas de la unidad (i.e. ω 3 = 1), resolver el sistema lineal
x+y+z = a
2
x + ωy + ω z = b
2
x + ω y + ωz = c.
x1 + x2 − 3x4 − x5 = 0 2x1 − x2 + x3 − x4 = 1
x1 − x2 + 2x3 − x4 = 0 2x1 − x2 − 3x4 = 2
4x1 − 2x2 + 6x3 + 3x4 − 4x5 = 0 3x1 − x3 + x4 = −3
2x1 + 4x2 − 2x3 + 4x4 − 7x5 = 0 2x1 + 2x2 − 2x3 + 5x4 = −6.
148. Discutir y resolver los siguientes sistemas lineales:
ax + by + z = 1 ax + by + 2z = 1
x + aby + z = b ax + (2b − 1)y + 3z = 1
x + by + az = 1 ax + by + (b + 3)z = 1
ax + by + t = a+b ax + y + z + t = 1
bx + ay + z = a−b x + ay + z + t = b
y + az + bt = a+1 x + y + az + t = b2
x + bz + at = a−1 x + y + z + at = b3 .
149. Discutir y resolver, cuando sea posible, el sistema lineal
αx1 + αx2 + · · · + αxn−1 + βxn = an
αx1 + αx2 + · · · + βxn−1 + αxn = an−1
..
.
αx1 + βx2 + · · · + αxn−1 + αxn = a2
βx1 + αx2 + · · · + αxn−1 + αxn = a1 .
3 −6 2 −1
−2 4 1 3
150. Si A = , decir para qué valores de B ∈ M4×1(C) el sistema lineal AX = B
0 0 1 1
1 −2 1 0
tiene solución.
151. Estudiar según los valores del parámetro a el siguiente sistema:
(a + 1)x + y + z = a2 + 3a
x + (a + 1)y + z = a3 + 3a2
x + y + (a + 1)z = a4 + a2
Resolverlo en los casos en que sea posible.
jcdelacruz______________________________________________________________________unsch
PROBLEMAS 191
a) x4 − 4x3 − 19x2 + 46x + 120, b) 12x5 − 16x4 − 7x3 − 2x2 − 62x + 60,
c) x5 − 10x4 + 29x3 − 10x2 − 62x + 60, d) x3 − 7x2 + 13x − 3,
e) x5 − 4x4 − 21x3 − x2 + 4x + 21, f) x4 − 12x3 + 47x2 − 72x + 36,
g) 6x5 − 11x4 − 37x3 − 51x2 − 34x − 8, h) 72x5 − 228x4 − 22x3 + 177x2 + x − 30
(a) Sean ê1 = e1 + e2 + e3 , ê2 = e1 − e2 , ê3 = e1 − e3 . Probar que B̂ = {ê1 , ê2 , ê3} es base de IR3 .
(b) Calcular la matriz del operador lineal T en esta base.
(c) Calcular los polinomios mı́nimo y caracterı́stico de T .
(d) ¿Para qué valores de a, b, c es T diagonalizable?
157. Sea V el espacio vectorial de todas las funciones continuas de IR en IR, y sea T : V → V el operador
lineal definido por Z t
(T f )(t) = f (s)ds.
0
Probar que T no tiene valores propios.
158. Calcular los autovalores y autovectores del operador Cn → Cn cuya matriz en la base canónica de
Cn es
1 1 ... 1
1 1 ... 1
.. .. . . . .
. . . ..
1 1 ... 1
jcdelacruz______________________________________________________________________unsch
192 PROBLEMAS
162. Sabiendo que el endomorfismo f del espacio vectorial real de dimensión finita V verifica
f 4 + f − 1V = 0,
estudiar si f es un automorfismo.
163. Sea f: V → V un endomorfismo de V (espacio vectorial real de dimensión finita), tal que para un
cierto x ∈ V no existe ningún vector y ∈ V tal que f (y) = x. Demostrar que f tiene un autovalor
igual a 0.
164. Sea V un C-espacio vectorial de dimensión 3 y f ∈ End(V ). Se tiene una base de V, B = {u1, u2 , u3 }
y se sabe que:
f (u1 ) = u1 − u2, f (u3 ) = −u1 + u3 .
√
Calcular la imagen del vector v ∈ V cuyas coordenadas en la base B son: (1 + 5, 2, 0), si el
subespacio W = lin{u1 + u2 − u3 } es invariante bajo f y det f = 1.
165. Calcular una matriz P tal que P −1 AP sea diagonal donde:
3 0 −2 2
0 1 0 0
A= 4 0 −3 1 .
0 0 0 2
jcdelacruz______________________________________________________________________unsch
PROBLEMAS 193
170. Sea f un endomorfismo del espacio vectorial real V definido en la base B = {u1 , u2 , u3 , u4 , u5 } por
las ecuaciones,
f (u5 ) = u1 + u + 2 + u3 + u4 + u5 ,
con a, b 6= 2. Estudiar su espectro. ¿Es diagonalizable? ¿Es invertible?
171. Determinar si son ciertas o falsas las siguientes afirmaciones, probándolas en caso positivo o dando
un contraejemplo en caso contrario.
(a) Todo polinomio mónico (esto es, cuyo coeficiente del término de mayor grado es 1) es el
polinomio caracterı́stico de algún endomorfismo.
(b) Un polinomio que sólo posee raı́ces reales ha de ser caracterı́stico de un endomorfismo real.
(c) Si pA (λ) = λn − 1 el endomorfismo es diagonalizable.
172. Determinar si son ciertas o falsas las siguientes proposiciones (A es un endomorfismo en un espacio
vectorial V ):
jcdelacruz______________________________________________________________________unsch
194 PROBLEMAS
(c) ¿Cuál es la dimensión de la imagen de la aplicación lineal de IR4 en IR4 cuya matriz es A? ¿Y
la del núcleo?
176. Para cada uno de los operadores lineales cuyas matrices en la base canónica de Cn se dan a contin-
uación, calcular su forma canónica de Jordan y hallar una base en la cual la matriz del operador se
reduzca a dicha forma canónica:
1 1 2 3 0 0 0 0
0 1 1 2 0 0 1 0 −1 −1 −2
a) 0 0 2 0 ,
b)
0 2 0 0 ,
c) 0 −1 4 ,
0 0 1
0 0 0 2 3 0 0 0
5 0 1 0 0 0
−10 −9 −3 −5 0 5 0 1 0 0
5 4 1 3 0 0 5 0 1 0
d) , e)
,
2 2 0 1 0 0 0 5 0 1
6 6 3 2 0 0 0 0 5 0
0 0 0 0 0 5
−1 0 −1 1 0 3 −3 4 −1 −5
−4 −1 −3 2 1 9 −8 10 −1 −10
f) −2 −1 −2 1 1 ,
g) 0
0 2 −1 −1 ,
−3 −1 −3 2 1 5 −3 2 2 0
−8 −2 −7 5 2 −5 3 −1 −2 0
3 1 4 −3 2 −1 0 0 0 0
−2 2 −4 1 −2 2 1 0 0 1
h) −3 0 −5 4 −3 , i) 0 0 1 0 0
−2 1 −4 2 −2 0 0 1 1 0
0 0 0 −2 1 0 0 1 0 1
φ: E→ E
p 7→ φ(p) = (x2 − λ2)p′ − 2(2x + µ)p
con λ, µ ∈ IR fijos.
(a) Probar que φ es una aplicación bien definida y lineal.
(b) Calcular la matriz de φ en la base canónica de E.
jcdelacruz______________________________________________________________________unsch
PROBLEMAS 195
(c) Calcular, cuando λ = 0, los autovalores y autovectores de φ. ¿Forman estos últimos una base
de E?
(a) Sea ω ∈ (IR3 )∗ tal que ω(v1 ) = 1, ω(v2 ) = −1 y ω(v3) = 3. Calcular ω(x) para cualquier
x ∈ IR3 .
(b) Describir explı́citamente una forma lineal µ ∈ (IR3 )∗ tal que
(c) Sea µ ∈ (IR3 )∗ con las propiedades del apartado anterior. Probar que µ(x) 6= 0 si:
2
x= 3
−1
183. Sea I el espacio lineal IR2 [x] formado por todos los polinomios con coeficientes reales de grado
menor o igual que 2. Se consideran las siguientes formas lineales en I:
Z 1 Z 2 Z −1
1 2 3
ω (p) = p(t)dt, ω (p) = p(t)dt, ω (p) = p(t)dt
0 0 0
v1 = e1 + 2e2 + e3
v2 = e2 + 3e3 + 3e4 + e5
v3 = e1 + 4e2 + 6e3 + e5
donde {e1 , . . . , e5 } es la base canónica de IR5. Calcular una base del anulador de W .
jcdelacruz______________________________________________________________________unsch
196 PROBLEMAS
185. Sea V un espacio de dimensión finita, n, sobre C. Sean µ y ν dos formas lineales no nulas sobre V .
Supóngase que no existe ningún escalar k ∈ C, tal que µ = kν. Probar que:
dim(ker µ ∩ ker ν) = n − 2
187. Sea f : V × V → C (V espacio vectorial de dimensión finita), una forma bilineal. Demostrar la
siguiente equivalencia:
f (x, y) = f1 (x)f2 (y) ⇐⇒ rangof = 1
donde f1 , f2: V → C son dos formas lineales no nulas.
188. Determinar cuáles de las siguientes funciones fi : IR2 × IR2 → IR son formas bilineales:
f1 (u, v) = u1 v2 + u2 v1 , f2 (u, v) = u2 − v2 ,
f3 (u, v) = a, a = constante f4 (u, v) = −2u1 u2 + v1 v2
u = u1 e1 + u2 e2 , v = v1 e1 + v2 e2
189. Si V es el espacio de polinomios V = p(t) = p0 + p1 t + p2 t2 , pi ∈ IR , calcular la matriz de la
© ª
forma bilineal Z 1
g(p, q) = p(t)q(t)dt
0
jcdelacruz______________________________________________________________________unsch
PROBLEMAS 197
195. Reducir a suma de cuadrados y determinar la signatura de la forma cuadrática: q(v) = x2 − 4xy +
6y 2 + 2yz − z 2 ¿Puede ser la matriz asociada a dicha forma cuadrática la matriz de un producto
escalar en IR3 ?
196. Reducir a suma de cuadrados y determinar la signatura de las formas cuadráticas que en una cierta
base B de IR3 vienen representadas por las matrices:
1 1 2 1 0 0 1 −2 0
a) qB = 1 3 3 , b) qB = 0 −1 2 , c) qB = −2 2 3 ,
2 3 5 0 2 −4 0 3 −1
2 −1 0
d) qB = −1 2 −1
0 −1 −2
define un producto escalar en IR3 . Hallar una base ortonormal respecto a dicho producto escalar.
200. Calcular la proyección ortogonal del vector de componentes (1, 1, 0) respecto de una base ortonormal
de IR3 , sobre el subespacio W de IR3 definido por: W = {x ∈ IR3 | x1 + x2 + x3 = 0}.
201. Si W = lin {(1, 3, 0, 2), (3, 7, −1, 2), (2, 4, −1, 0)} es un subespacio de IR4 con el producto escalar
usual, hallar una base ortonormal de W ⊥ .
202. Sea V = Mn (IR).
(a) Si B ∈ Mn (IR) es una matriz fijada, se define:
ωB : V → IR
A 7 → ωB (A) = tr(B t A)
Probar que ωB ∈ V ∗ .
(b) Demostrar que para cada ω ∈ V ∗ , existe alguna matriz B tal que ω = ωB .
(c) Probar que B 7→ ωB es un isomorfismo de V en V ∗ .
jcdelacruz______________________________________________________________________unsch
198 PROBLEMAS
respecto a una base ortonormal {e1 , . . . , en }, entonces W ⊥ está generado por los vectores:
n
X
vi = aij ej , i = 1, . . . , k
j=1
.
204. Obtener una base ortonormal en el espacio de polinomios V = p(t) = p0 + p1 t + p2 t2 , pi ∈ IR con
© ª
el producto escalar:
Z 1
g(p, q) = p(t)q(t)dt
−1
205. En IR3 se define la forma cuadrática: Q(x1 , x2 , x3 ) = 2x21 + x23 + 4x1 x2 + 2x1 x3 + 2x2 x3.
(a) Diagonalizar la forma cuadrática. Sea ϕ(x, y) una forma bilineal simétrica tal que ϕ(x, x) =
Q(x). ¿Cuál es su signatura?
(b) Escribir la matriz del cambio de base que diagonaliza ϕ.
(c) Encontrar una base del conjunto {(1, 1, 1)}⊥ .
206. Se considera la forma cuadrática en IR3 : Q(x) = x1 x2 − x1 x3 .
(a) Estudiar si Q es definida positiva.
(b) Calcular el radical de la forma bilineal simétrica asociada.
(c) Diagonalizar Q usando el método de Lagrange y calcular su signatura.
207. Se considera el espacio vectorial IR3 con el producto escalar definido por:
208. Sea V el espacio vectorial real de los polinomios de grado menor o igual que 2 y sean α, β ∈ IR.
Dada la aplicación q: V → IR, definida por:
jcdelacruz______________________________________________________________________unsch
PROBLEMAS 199
(d) La forma bilineal ϕ es igual a cero cuando se restringe a un subespacio formado por vectores
isótropos.
(e) Existen subespacios de vectores isótropos con dimensión igual a q.
Diagonalizarla. Si a = 3 hallar sus vectores isótropos (es decir φ(x, x) = 0). ¿Forman un subespacio?
¿Existe algún a tal que φ sea definida positiva?
211. En el espacio vectorial IR3 se considera la forma bilineal simétrica φ cuya forma cuadrática asociada
es
qφ (x1 , x2 , x3 ) = 3x21 − 4x1 x2 − 6x1 x3 + 3x22 + 4x2 x3 + 4x23
Comprobar, aplicando el método de Lagrange, que φ define un producto escalar y hallar una base
ortonormal respecto de este producto escalar.
213. Sea V un espacio vectorial complejo de dimensión finita con un producto escalar y sea A: V → V
un operador autoadjunto. Si R = A + i1V , demostrar:
214. Sea A el operador en IR3 con el producto escalar usual, cuya matriz asociada respecto de la base
canónica es
2 2 −1
A = 2 −1 2
−1 2 2
216. Sea B = {u1 , u2 , u3 } una base ortonormal de IR3 respecto al producto escalar usual ((x, y) =
P3
i=1 xi yi en la base canónica). Se define un operador lineal, T , mediante: T (u1 ) = 5u1 + 2u2 +
4u3 , T (u2 ) = 2u1 + 8u2 − 2u3 , T (u3 ) = 4u1 − 2u2 + 5u3 .
jcdelacruz______________________________________________________________________unsch
200 PROBLEMAS
(a) Encontrar una base ortonormal de IR3 , B′ = {v1 , v2 , v3}, tal que: T v1 = a1 v1 , T v2 =
a2 v2, T v3 = a3 v3 y calcular a1 , a2 , a3 ∈ IR.
(b) Calcular la descomposición espectral de T en la base B.
217. Diagonalizar mediante una transformación ortogonal el operador que en una cierta base ortonormal
B viene representado por la matriz:
µ ¶
2 −2
AB =
−2 5
218. Sea A unPoperador autoadjunto en el espacio vectorial Cn , dotado del producto escalar usual:
n
(x, y) = i=1 x̄i yi . Sean: u = (1, 0, . . . , 0, i), v = (1, 0, . . . , 0, 1) dos autovectores de A, con
autovalores λ, µ respectivamente. Calcular λ en función de µ.
219. En End(V ) se define el producto escalar (A, B) = tr(At B):
(a) Calcular el complemento ortogonal del subespacio de los operadores simétricos S(V )⊥
(b) Si V = IR3 describir la descomposición End(V ) = S(V ) ⊕ S(V )⊥
220. Calcular, si existe, una base ortonormal de C4 (con el producto escalar usual), en la que sea diagonal
el operador que en la base canónica tiene como matriz:
2 −1 1 0
1 2 0 −1
T = −1
0 2 1
0 1 −1 2
S = W ⊥ , W = lin{e1 − e2 }
jcdelacruz______________________________________________________________________unsch
PROBLEMAS 201
227. Determinar si las aplicaciones siguientes son sesquilineales, calcular las formas hermı́ticas asociadas
y diagonalizarlas:
228. Sean L1 y L2 dos subespacios de un espacio de Hilbert de dimensión finita, y dim L1 < dim L2 .
Probar que existe en L2 un vector no nulo ortogonal a L1 .
que más se aproxima (en el sentido de la norma que deriva del producto escalar usual de IR4 ) al
vector (7, −4, −1, 2).
230. Sea {u1 , u2 } una base ortonormal del plano y la matriz de la aplicación lineal φ en la base {v1 =
u1 , v2 = u1 + u2 }:
µ ¶
1 2
1 −1
231. Sea (E, ( , )) un espacio euclidiano, x, y ∈ E dos vectores no nulos. Estudiar si son equivalentes las
siguientes afirmaciones:
a) x ⊥ y, b) kx + λyk ≥ kxk, ∀λ ∈ IR
232. Sea (E, ( , )) un espacio euclidiano de dimensión 4, y B = {e1 , e2 , e3 , e4 } una base ortonormal.
Describir todos los operadores ortogonales cuya matriz en la base B es cuasitriangular superior.
233. Sea (E, ( , )) un espacio euclidiano de dimensión finita y A un operador lineal simétrico en E.
Probar que si Ak = I para algún entero positivo k, entonces A2 = I.
234. Sea (E, ( , )) un espacio euclidiano de dimensión n ≥ 2 y sean v, w dos vectores no nulos. Sea
q: E → IR la forma cuadrática definida por:
235. Se considera el operador simétrico T : IR4 → IR4 (dotamos a IR4 del producto escalar usual) cuya
matriz en la base canónica es:
1 1 1 1
1 1 −1 −1
A= 1 −1
1 −1
1 −1 −1 1
Calcular una base ortonormal de IR4 formada por vectores propios de T y encontrar una matriz
ortogonal P tal que P t AP sea diagonal.
jcdelacruz______________________________________________________________________unsch
202 PROBLEMAS
236. Sea E un espacio vectorial complejo de dimensión finita n y ( , ) un producto escalar en E. Sea
A: E → E un operador autoadjunto con valores propios λ1 ≥ . . . ≥ λn . Considérese un vector
x ∈ E unitario. Probar que:
λn ≤ (x, Ax) ≤ λ1
y deducir que:
(x, Ax) = λ1 ⇐⇒ Ax = λ1 x
(x, Ax) = λn ⇐⇒ Ax = λn x
(x, T + T x) ≥ 0, ∀x ∈ E
(a) Si A es la matriz de un operador lineal en IR3 respecto a una base ortonormal, ¿de qué tipo
es ese operador?
(b) Calcular una matriz ortogonal P tal que P t AP sea diagonal.
(c) Descomponer A como combinación lineal de proyectores ortogonales (descomposición espec-
tral).
241. Calcular una matriz ortogonal P tal que P t AP sea diagonal, donde:
1 2 2
A= 2 1 −2
2 −2 1
y calcular la descomposición espectral de A.
242. Sea f : IR3 × IR3 → IR, la forma bilineal simétrica cuyas ecuaciones referidas a la base canónica de
IR3 son:
1 −1 0
f(x, y) = xt −1 2 −1 y
0 −1 2
jcdelacruz______________________________________________________________________unsch
PROBLEMAS 203
(a) Comprobar que f es definida positiva. Tómese f como un producto escalar en IR3 y calcúlese
una base ortonormal de IR3 respecto a este producto escalar, aplicando el procedimiento de
Gram-Schmidt a la base canónica de IR3 .
(b) Se considera la transformación lineal T : IR3 → IR3 dada por sus ecuaciones en la base canónica:
3 0 −2
T (x) = 2 −1 0 x
0 0 1
246. Sea V un espacio vectorial real de dimensión 2, dotado de un producto escalar, y sea B = {u1 , u2 }
una base de V . Sea A un operador simétrico en V respecto a ese producto escalar, tal que:
Au1 = 2u1 + 2u2 , Au2 = u1 − 2u2. Sabiendo que los vectores u1 y u2 tienen norma igual a 1,
calcular el producto escalar de u1 por u2 .
3
247.
Sea el operador
cuya matriz en la base canónica de C (con el producto escalar usual) es A =
1 i 1
−i 0 0 .
1 0 0
jcdelacruz______________________________________________________________________unsch
204 PROBLEMAS
248. Probar que el tensor aδik δjl + bδil δjk + cδij δkl es invariante bajo transformaciones ortogonales.
249. Las componentes de un tensor 3 veces covariante referidas a una base ortonormal de IR2 son todas
1. Calcular las componentes referidas a la base ortonormal girada 90o respecto a la primera.
250. Demostrar las siguientes relaciones en IR3 :
251. Dados los vectores x e y en IR3 , escribir las componentes de (x ∧ y)i = ǫijk xj y k y decir si es tensor
y de qué tipo.
252. Dados x e y, vectores de IR2 definidos por x1 = 1, x2 = −1, y 1 = 0 e y 2 = 2 y el tensor métrico:
g11 = 1, g12 = g21 = 1/2 , g22 = 2, hallar: (a) xi xi , (b) y i yi y (c) y i xi .
253. Sean v y w dos vectores de IRn de norma unidad y ortogonales entre sı́. Hallar el valor del escalar:
258. Sea V un IR-espacio vectorial con producto escalar y B = {u1 , u2 , u3 } una base de V , con tensor
métrico: g11 = 3, g22 = 2, g33 = 1, g12 = g21 = 1, g13 = g31 = 1, g23 = g32 = 0.
(a) Dado un vector x cuyas coordenadas covariantes son x1 = x2 = x3 = 1, hallar sus coordenadas
contravariantes. Si y = u1 + u2 + u3 , ¿cuáles son sus coordenadas covariantes?
(b) Sea el tensor A una vez contravariante y 2 veces covariante cuyas componentes referidas a B
son:
Ai jk = δ ij xk + δ ik xj
Calcular Aijk yi yj yk .
259. Considérese el espacio IR3 y un tensor métrico que en cierta base B viene determinado por g11 =
g22 = −g33 = 1, gij = 0 si i 6= j. Sean los siguientes tensores definidos por sus coordenadas:
jcdelacruz______________________________________________________________________unsch
PROBLEMAS 205
260. Las componentes de un tensor 3 veces covariante referidas a una base ortonormal de IR3 son todas
iguales a 1. Hallar sus componentes referidas a la base que resulta al girar la base dada un ángulo
de π/4 respecto del primer eje.
261. En el espacio IR2 se considera el producto escalar cuya matriz respecto a una base B = {u1, u2 } es:
µ ¶
4 2
2 2
(a) Hallar las coordenadas contravariantes y covariantes del vector 2u1 + u2 en la base B ′ =
{u1 + 2u2 , u1 − u2 }.
(b) Estudiar si son ciertas las siguientes igualdades:
i. (u1 + u2 ) ⊗ (2u1 − u2 ) + (u1 + 2u2 ) ⊗ u2 = (2u1 + u2 ) ⊗ u1 + u2 ⊗ (u1 + u2)
ii. (u1 − u2 ) ⊗ (u1 + u2 ) = (u1 + u2 ) ⊗ (u1 − u2 )
(c) Dados los tensores cuyas componentes referidas a la base B son: rkij = i(2−k), sijk = (i+1)j,
hallar las componentes respecto de B ′ del tensor cuyas componentes respecto de B son: rkij skil .
jcdelacruz______________________________________________________________________unsch
Soluciones
Las soluciones que aquı́ aparecen son simplemente resultados numéricos de los problemas o bien indica-
ciones escuetas de como resolverlos.
207
jcdelacruz______________________________________________________________________unsch
208 SOLUCIONES
20. ZZ8 : {0}, {0, 4}, {0, 2, 4, 6}, ZZ8 . ZZ6 : {0}, {0, 3}, {0, 2, 4}, ZZ6 .
f(0) = 0, f (1) = 3, f(2) = 0, f (3) = 3, f(4) = 0, f (5) = 3, f(6) = 0, f (7) = 3. No.
23. Elemento neutro: ([1], [0]). Si q tiene inverso: ([2], [3])−1 = (q −1 [2], q −1 [3]).
24. Las clases se pueden caracterizar por el valor que toma el polinomio en a ∈ IR).
30. Los divisores de cero son: {[2], [4], [6]} y los elementos invertibles: {[1], [3], [5], [7]}.
31. Si un elemento tiene inverso y está en un ideal, éste es igual al anillo.
34.
1+i −1 + i −1 − i 1−i
1, √ i, √ , −1, √ , −i, √
2 2 2 2
35. cos 5x = cos5 x − 10 cos3 x sen2 x + 5 cos x sen4 x, sen 5x = 5 cos4 x sen x − 10 cos2 x sen3 x + sen5 x.
46. V = lin(V − W ).
47. Usando la fórmula: dim W1 + dim W2 = dim(W1 + W2 ) + dim(W1 ∩ W2 ).
jcdelacruz______________________________________________________________________unsch
SOLUCIONES 209
50. Estudiar el rango de la matriz A, cuyas columnas son las coordenadas de los vectores ui en la base
B, y emplear el isomorfismo entre V y IKn .
53. Base de W : {2, 0, 5, 3), (0, 1, 3, 1)}. Una base de un complementario es: {1, 0, 0, 0), (0, 1, 0, 0)}
55. a = 8, b = 9. Base de W : {p1 (x), p2 (x)}, y las coordenadas son: p1 (x) → (1, 0), p2 (x) →
(0, 1), p3(x) → (5, −2).
1 iz 1 iz
cos z = (e + e−iz ), sen z = (e − e−iz )
2 2i
59.
2 0 1 33 −33 9
1 1
a) P = −3 0 3 , b) P = 2 13 6
3 15
1 3 2 7 23 6
60.
n
X n
X
p(x) = a i xi = λi (x + a)i
i=0 i=0
luego λi son los coeficientes del desarrollo de Taylor en x = −a: λk = p(i) (−a)/k!
jcdelacruz______________________________________________________________________unsch
210 SOLUCIONES
63. Por inducción. Para n = 2 ya está demostrado. Si es cierto para n − 1, para n basta escribir:
W1 + · · · + Wn = (W1 + W2 ) + W3 · · · + Wn
67. La única inclusión que es siempre cierta es: (W1 ∩ W3) + (W2 ∩ W3) ⊂ (W1 + W2 ) ∩ W3 .
71.
dim U = 3, BU = {(1, 0, 0, 0, −1), (0, 1, 0, 4, −1), (0, 0, 1, 3, −1)}
dim V = 2, BV = {(1, −1, 2, 0, 0), (1, 0, 1, 0, 1)}, dim U ∩ V = 1, BU ∩V = {(1, −3, 4, 0, −2)}
dim U + V = 4, BU +V = {(1, 0, 0, 0, −1), (0, 1, 0, 4, −1), (0, 0, 1, 3, −1), (1, −1, 2, 0, 0)}
72. a = 0
75. dim(V1 × V2) = dim(V1 ) + dim(V2 ). Para la segunda parte se usa la definición de suma directa.
82.
1
1 n 2 n(n − 1)
1
An = I + nN + n(n − 1)N 2 = 0 1 n , N = A−I
2
0 0 1
83. Basta hacer la conmutación con los elementos de la base canónica Eij .
jcdelacruz______________________________________________________________________unsch
SOLUCIONES 211
84. A2 = ABAB = ABB = AB = A, B 2 = BABA = BA2 = B. Sólo son invertibles si son iguales a
la identidad.
86. Escribiendo la ecuación AB = I como un sistema lineal, o considerando que cualquier matriz
cuadrada con determinante distinto de cero tiene inversa.
87. (−1)n(n−1)/2
88. Desarrollar por la primera columna todas las matrices que van apareciendo. Para matrices trian-
gulares inferiores utilizar la transpuesta.
y probar que:
µ ¶
0 In
det = (−1)nm
Im 0
90. µ ¶ µ ¶
A −I A −I 2
det A det B = det = det = (−1)n +n
det(AB) = det(AB)
0 B AB 0
Pn
91. D1 = (x − a)n (x + (n − 1)a), D2 = an−1 (a + i=1 xi ).
92. Haciendo ceros en la primera columna (desde la fila 2 hasta la Q última, restando de cada fila la
anterior multiplicada por x1 ) se demuestra que: W [x
Q 1 , . . . , x n ] = 1<i (xi − x1 )W [x2 , . . . , xn ]. Con
esta recurrencia se prueba que: W [x1 , . . . , xn ] = j<i (xi − xj )
93. det(A) = −8, det(B) = (a−b)(a− c)(a−d)(b− c)(b−d)(c− d)(a+b+ c+d), det(C) = (a2 −b2 )4 .
95. det(A) = det(At ) = det(−A) = (−1)n det(A), luego det(A) = 0 si n es impar (y 2 6= 0).
A−1 B
µ ¶ µ ¶µ ¶
A B A 0 I
= ,
C D C D − CA−1 B 0 I
BD−1 A − BD−1C
µ ¶ µ ¶µ ¶
A B I 0
=
C D 0 I C D
99. a = 1, b = 7 ⇒ r(A) = 3.
100. r(A) = 2.
101. r(B) = dim(lin{B1 , . . . , Bm }), r(AB) = dim(lin{AB1 , . . . , ABm }) ⇒ r(AB) ≤ r(B). De forma
similar (usando transpuestas, por ejemplo) se prueba: r(AB) ≤ r(A).
jcdelacruz______________________________________________________________________unsch
212 SOLUCIONES
102. Si r(A) = 0 (suponiendo que la primera fila es no nula; en el caso en que todas lo sean la igualdad
es evidente):
a11 · · · a1n a11 ··· a1n 1
a21 · · · a2n λ2 a11 ··· λ2 a1n λ2 ¡ ¢
.. .. = .. .. = .. a11 ··· a1n
. . . . .
an1 · · · ann λn a11 ··· λn a1n λn
105. cof(λA) = λn−1 cof A, det(cof A) = (det A)n−1 , cof(cof A) = (det A)n−2 A, cof(AB) = cof A cof B.
108.
−1 2 1 −5 2 4 14 8 3
1
A−1 = 5 −8 −6 , B −1 = −3 0 3 , C −1 = 8 5 2
3
−3 5 4 7 −1 −5 3 2 1
109.
−i 1 + 2i i
A−1 = 1 −i 1−i
1 0 1
110. Sea A con elementos en ZZ. Si det A = ±1, la inversa tiene elementos enteros. Si A y A−1 tienen
elementos enteros, los dos determinantes son enteros. Como uno es el inverso del otro y en ZZ las
únicas unidades (elementos con inverso) son 1, −1, el determinante es ±1.
jcdelacruz______________________________________________________________________unsch
SOLUCIONES 213
117. a) T es lineal.
Pm−1 ¡2m¢ 2k Pm−1 ¡2m+1¢ 2k+1
b) T (x2m ) = 2 k=0 2k x , T (x2m+1 ) = 2 k=0 2k+1 x
c) ker T = C1[t], im T = Cn−2 [t]
d) Si T p̃(t) = q(t), entonces p(t) = p̃(t) − p̃′ (0)t − p̃(0) verifica: T p(t) = q(t) y p′ (0) = p(0) = 0.
Además, p es único con estas propiedades.
122. µ ¶ µ ¶ µ ¶
0 −1 1 1 1 1′ −1 2
a) T = , b) P = , T =
1 0 3 2 −1 3 −5 1
c) det T = 1 + c2 6= 0, ∀c ∈ IR.
123. a)
3 0 1 1 3 −5 17 35 22
1 1
T = −2 1 0 , P =− 1 −1 −1 , T ′ = −3 15 −6
4 4
−1 2 4 −2 −2 2 −2 −14 0
126.
−1
0 1 0 i 0 0 0 1 0 i 0 0
A′ = P AP −1 = 1 −1 1 0 i 0 1 −1 1 = −3i −i i
2 1 1 0 0 0 2 1 1 −3i −2i 2i
130. ker T son las matrices antisimétricas. im T son las matrices simétricas. Para n = 2, tr T =
6, det T = 0.
jcdelacruz______________________________________________________________________unsch
214 SOLUCIONES
0 0 1 0 0
2 1 0 1 0
A = 1 0 1 0 0
0 −1 0 −1 0
0 0 0 0 1
ker D = {0}, im D = W .
139. a) Cierta en los dos sentidos. b) Falsa hacia la derecha y cierta hacia la izquierda. c) Cierta hacia
la derecha y falsa hacia la izquierda.
140. Si AX = 0 sólo tiene la solución trivial, A (como transformación lineal) es un isomorfismo, y
AX = B tiene solución única. Similar en el sentido opuesto. Si AX = 0 tiene soluciones distintas
de la trivial, A no es sobreyectiva.
jcdelacruz______________________________________________________________________unsch
SOLUCIONES 215
jcdelacruz______________________________________________________________________unsch
216 SOLUCIONES
√ √ √ √
152. a) −2, −3, 4, 5. b) 2, −3/2, 5/6, ±i√ 2. c) 2, 3, 5, ± 2. d) 3, 2 ± 3. e) 1, −3, 7, (−1 ± i 3)/2. f)
1, 2, 3, 6. g) 4, −1/2, −2/3, (−1 ± i 3)/2. h) 3, 1/2, −1/2, −2/3, 5/6.
153. Derivando: p(1) = 0, p′ (1) = 0, p′′ (1) = 0, p′′′ (1) = 2n3 − 2n 6= 0. La multiplicidad es 3.
154. Usar f(A)v = f (λ)v, si Av = λv. Si µ es raı́z de f , puede no ser autovalor de A. Por ejemplo,
considerar la matriz identidad en 2 × 2 y el polinomio f (t) = t2 − 1.
156.
1 1 1 3a 0 0
a) det 1 −1 0 = 3 6= 0, b) M(T, B̂) = 0 3b −3c
1 0 −1 0 3c 3b
c) Si c 6= 0, pT (λ) = −(λ − 3a)(λ2 − 6bλ + 9(b2 + c2)) = −mT (λ). Si c = 0, mT = (λ − 3a)(λ − 3b).
d) T sólo es diagonalizable en IR3 si c = 0. En C3 es siempre diagonalizable.
160. det(A − λI) = det(A − λI)t = det(At − λI). Si A tiene inversa, y Av = λv, entonces A−1v = λ−1 v.
En la base canónica:
1 −1 1
M(A, B) = 2 4 2
3 3 3
165.
1 8 0 1
0 0 1 0
P =
2
7 0 1
0 3 0 0
166.
2 2 −2
1
2 −1 −5
6
−2 −5 −1
jcdelacruz______________________________________________________________________unsch
SOLUCIONES 217
jcdelacruz______________________________________________________________________unsch
218 SOLUCIONES
c)
−1 1 0 1 0 −2
J = 0 −1 0 , P = 0 −1 2
0 0 1 0 0 1
d)
−1 1 0 0 −2 −1/3 −1 1/3
0 −1 0 0 0 0 1 0
J = , P =
0 0 −1 1 1 5/3 0 −2/3
0 0 0 −1 3 0 0 0
e)
5 1 0 0 0 0 0 0 0 1 0 0
0 5 1 0 0 0
1 0 0 0 0 0
0 0 5 0 0 0 0 0 0 0 1 0
J = , P =
0 0 0 5 1 0
0 1 0 0 0 0
0 0 0 0 5 1 0 0 0 0 0 1
0 0 0 0 0 5 0 0 1 0 0 0
f)
0 1 0 0 0 0 −1 1 0 0
0 0 1 0 0
0 −4 0 1 0
J=
0 0 0 0 0 ,
P =
−1 −2 0 1 0
0 0 0 0 1 −1 −3 0 1 0
0 0 0 0 0 −1 −8 0 2 1
g)
−2 1 0 0 0 −1 1 −1 0 1
0 −2 0 0 0
−3 2 −1 1 2
J=
0 0 1 0 0 ,
P =
0 0 1 1 1
0 0 0 1 1 −1 0 0 1 0
0 0 0 0 1 1 0 1 0 0
h)
−1 0 0 0 0 −1 −2 0 1 0
0 1 0 0 0
1 0 0 1 1
J=
0 0 1 1 0 ,
P =
1 1 1 0 0
0 0 0 1 1 1 0 0 1 0
0 0 0 0 1 1 0 −2 0 0
i)
−1 0 0 0 0 −1 0 0 0 0
0 1 0 0 0
1 0 1 0 0
J=
0 0 1 1 0 ,
P =
0 0 0 0 1
0 0 0 1 1 0 1 0 1 0
0 0 0 0 1 0 0 0 1 0
jcdelacruz______________________________________________________________________unsch
SOLUCIONES 219
180.
e3
0 0 e 0 0
A
e = 4e3 e3 0 , eB = e2 − e e2 0
21 −2 41 3
− 25 e + 25 e − 15 e−2 + 15 e3 e−2 − 34 e−3 + 34 e 0 e−3
181. a) ω((x1 , x2 , x3)) = −3x2 + x3 . b) µ = (c, 2c, −c), c 6= 0. c) µ(2, 3, −1) = 9c.
183.
1 2 −1
a = 1/2 2 1/2 , det a = −2 6= 0
1/3 8/3 −1/3
3 1 1 1 1
p1 (x) = − x2 + x + 1, p2 (x) = x2 − , p3 (x) = − x2 + x −
2 2 6 2 3
µ ¶ µ ¶
3a b c b c
p(x) = − + − x2 + (a + c)x + a − −
2 2 2 6 3
185. (Cµ)◦ ∩ (Cν)◦ = (Cµ + Cν)◦ , dim(Cµ + Cν) = 2 ⇒ dim ((Cµ)◦ ∩ (Cν)◦ ) = n − 2
189.
1 1/2 1/3
49
1/2 1/3 1/4 , g(t2 − 2, 2t + 4) = −
6
1/3 1/4 1/5
190.
2 2 4
−2 −1 −3 , g(x, y) = 13
0 1 1
192. a) No es regular. rad = lin{(1, 0, −1, 0), (0, 1, 0, −1)}. sig = (1, 1).
√ √
b) B = {(1, 1, 0, 0)/ 2, (1, −1, 0, 0)/ 2, (1, 0, −1, 0), (0, 1, 0, −1)}.
jcdelacruz______________________________________________________________________unsch
220 SOLUCIONES
193.
0 0 1 0
0 0 0 1
−1 0 0 0
0 −1 0 0
194. ran(f1 ) = 2, sig(f1 ) = (1, 1), ran(f2 ) = 3, sig(f2 ) = (1, 2), ran(f3 ) = 3, sig(f3 ) = (2, 1). f2 y f3
son equivalentes en C pero no en IR.
195. q(v) = (x − 2y)2 + 2(y + z/2)2 − 3z 2 /2. sig(q) = (2, 1). No.
196.
µ ¶2 µ ¶2 µ ¶2
1 1 6 2 3 5
q1 (u) = √ x + −√ x + √ y + √ x + √ y + √ z
6 30 30 5 5 5
2 2
q2 (u) = x − (y − 2z)
Ãr !2 µ ¶2
7 2 √ 2
q3 (u) = x + − √ x + 11y − (3y − z)
11 11
Ãr !2 Ã r r !2 µ ¶2
8 2 5 1 1
q4 (u) = x + − x+ y − √ y+√ z
5 5 2 2 2
197. 2 2 2
n n n
X 1 X 1 X
q(u) = juj + (j 2 + 1)uj − (j 2 − 1)uj
2 2
j=1 j=1 j=1
199.
10 3 0 1 0 0
3 2 1 , 10 > 0, 11 > 0, 1 > 0, e1 = −3 , ; e2 = 1 , e3 = 0
0 1 1 3 −1 1
202. ωB (µA + νC) = µωB (A) + νωB (C). (A, B) = tr(B t A) es un producto escalar.
203.
u1
Ax = 0, A = ...
uk
204. r r
1 3 5
q1 (t) = √ , q2 (t) = t, q3 (t) = (1 − 3t2 )
2 2 8
jcdelacruz______________________________________________________________________unsch
SOLUCIONES 221
205.
1 1
a) Q(x) = (2x1 + 2x2 + x3)2 + x23 − 2x22 , sig(ϕ) = (2, 1)
2 2
√ √ √
2 2 1/√2 3 3
b) P = 0 √0 1/ 2 , c) −5 , 0
0 2 0 0 −5
1 1
c) (x1 + x2 − x3 )2 − (x1 − x2 + x3 )2 , sig = (1, 1)
4 4
207.
1 −2 r
1 5
a) u1 = 0 , u2 = √ 2 , b) , c) No
10 2
0 1
208.
1 1 2 2
1 2 (α
+ β) 2 (α + β )
Q = 12 (α + β) αβ 1
2 αβ(α + β)
1 2 2 1 2 2
2 (α + β ) 2 αβ(α + β) α β
Si α 6= β, rango = 2, signatura = (1, 1) Si α = β, rango = 1, signatura = (1)
210.
1 √
0 0
a+ a2 +4
0 0
2 √
a− a2 +4
0 0 2
2 0 −i 1
1 0 0 0 0
PW =
3 i 0 2 −i
1 0 i 2
214. √ √ √
1/ 2 1/√3 1/√6
a) P = √0 1/√3 −2/√6
−1/ 2 1/ 3 1/ 6
5 2 −1 1 −2 1
1 1
b) P3 = 2 2 2 , P−3 = −2 4 −2
6 6
−1 2 5 1 −2 1
jcdelacruz______________________________________________________________________unsch
222 SOLUCIONES
215. a) ker f = {1, 0, 0, −1)}, im f = {(−1, 0, 0, −1), (0, 1, 3, 0), (0, 3, 1, 0)}
√ √ √ √
b) {(1, 0, 0, −1)/ 2, (1, 0, 0, 1)/ 2, (0, 1, −1, 0)/ 2, (0, 1, 1, 0)/ 2, }
1 0 0 −1 1 0 0 1 0 0 0 0
1 0 0 0 0 , P−2 = 1 0
1 −1 0 , P4 = 1
0 1 1 0
P0 =
2 0 0 0 0 2 0 −1 1 0 2 0 1 1 0
−1 0 0 1 1 0 0 1 0 0 0 0
1 1 0 0
1 0 0 1 1
P = √
2 0 0 −1 1
−1 1 0 0
216.
1 1 1
a) v1 = (2, −1, −2), v2 = √ (1, 2, 0), v3 = √ (4, −2, 5), a1 = 0, a2 = a3 = 9
3 5 3 5
4 −2 −4 5 2 4
1 1
b) T = a1 −2 1 2 + a2 2 8 −2
9 9
−4 2 4 4 −2 5
217. µ µ¶ ¶
1 10 2 −1
P −1 QP = P = √ ,
0 6
5 1 2
µ ¶2 µ ¶2
2 1 1 2
q(v) = √ v1 + √ v2 + 6 − √ v1 + √ v2
5 5 5 5
218. λ = µ.
√ √
220. u1 = (1, 0, 0, 1)/ 2, u2 = (0, 1, 1, 0)/ 2, u3 = (1, −i, i, −1)/2, u4 = (1, i, −i, −1)/2
1 0 0 1 1 −i i −1 1 i −i −1
1 0 1 1 0 1 i 1 −1 −i 1 −i 1 −1 i
P1 = , P2 = , P3 =
2 0 1 1 0 4 −i −1 1 i 4 i −1 1 −i
1 0 0 1 −1 i −i 1 −1 −i i 1
222.
cos t 0 sen t
R(t) = 0 1 0
− sen t 0 cos t
√
223. a = −1. Eje: (1, 1, 0)/ 2. Ángulo: π.
224. A = −At .
jcdelacruz______________________________________________________________________unsch
SOLUCIONES 223
227.
µ ¶ 1 0 0
1 0
a) , b) 0 −1 0
0 1
0 0 0
228.
dim L1 + dim L⊥ ⊥
1 = dim H ⇒ dim L 2 + dim L1 > dim H
dim L2 + dim L⊥ ⊥ ⊥
1 = dim H + dim(L2 ∩ L1 ) ⇒ dim(L2 ∩ L1 ) > 0
230. µ ¶
3 6
−1 −3
232.
a1 0 0 0
0 a2 0 0
P =
0
, |a1 | = |a2 | = |a3 | = |a4 | = 1
0 a3 0
0 0 0 a4
233. Ak = I implica que los autovalores son las raı́ces k-ésimas de la unidad. Como A es real y simétrico,
sus autovalores son reales, ±1. Luego A2 = I por ser diagonalizable.
234.
1
a) fq (x, y) = (v, w)(x, y) − ((v, x)(w, y) + (v, y)(w, x))
2
1
b) Aq x = (v, w)x − ((x, w)v + (x, v)w), c) ker Aq = (lin{v, w})⊥
2
235. √
1/2 1/ 2 √0 1/2
−1/2 0 1/√2 1/2
P =
−1/2
√0 −1/ 2 1/2
−1/2 1/ 2 0 −1/2
237.
4 2 4 5 −2 −4
1 1
P−7 = 2 1 2 , P2 = −2 8 −2
9 9
4 2 4 −4 −2 5
239.
2 1 2
1
P = 2 −2 −1
3
−1 −2 2
jcdelacruz______________________________________________________________________unsch
224 SOLUCIONES
240. √ √
1/3 2/√5 2/(3√5)
P = −2/3 1/ 5 −4/(3√5)
−2/3 0 5/(3 5)
1 −2 −2 8 2 2
1 1
P−3 = −2 4 4 , P6 = 2 5 −4
9 9
−2 4 4 2 −4 5
241. √ √ √
1/√3 1/√2 1/√6
P = −1/√3 1/ 2 −1/√6
−1/ 3 0 2/ 6
2 1 1 1 −1 −1
1 1
P3 = 1 2 −1 , P−3 = −1 1 1
3 3
1 −1 2 −1 1 1
242.
a) 1 > 0, 1 > 0, 1 > 0, u1 = e1 , u2 = e1 + e2 , u3 = e1 + e2 + e3
1 1 1 1 2 0
b) P = 0 1 1 , P −1 T P = 2 1 0
0 0 1 0 0 1
1 −1 0 0 0 0 1 1 0
1 1 1
c) P−1 = −1 1 0 , P1 = 0 0 0 , P3 = 1 1 0
2 2 2
0 0 0 0 0 1 0 0 0
En la base canónica:
0 0 0 0 0 1 2 0 −2
1 1
P−1 = −1 2 −1 , P1 = 0 0 1 , P3 = 1 0 −1
2 2
0 0 0 0 0 1 0 0 0
243.
5 −2 4 4 2 4
1 1
P−1 = −2 8 −2 , P8 = 2 1 2
9 9
4 −2 5 4 2 4
244.
√1 − √26 − √16
6√ √
i i 1+2i
√ 6 −2+i
√ 6 √5
a) σ(A) = {0, √ , − √ }, b) U =
2 15√ 2 15
√ 2 15
6 6 1−2i
√ 6 −2−i
√ 6 √5
2 15 2 15 2 15
245.
1 0 1
1 1
a) u1 = √ 0 , u2 = 1 , u3 = √ 0
2 1 0 2 −1
1 0 1 1 0 −1
1 1
b) P0 = 0 0 0 , P2 = 0 2 0 ,
2 2
1 0 1 −1 0 1
1 + e2 0 1 − e2
A 1
c) d = 1, d) e = 0 2e2 0
2 2 2
1−e 0 1+e
jcdelacruz______________________________________________________________________unsch
SOLUCIONES 225
257. Si A tiene autovalores λi , los de A2 son λ2i y los de A3 , λ3i con los mismos autovectores. Por tanto:
3
X 3
X
λi = tr A = Aµµ , λ2i = tr A2 = Aµν Aν µ = Aµν Aµν ,
i=1 i=1
3
X
λ3i = tr A3 = Aµν Aν ρ Aρµ = Aµν Aνρ Aρµ
i=1
258.
1 2 4
a) x1 = − , x2 = , x3 = , y1 = 5, y2 = 3, y3 = 2, b) Aijk yi yj yk = 60
3 3 3
259. a) −4. b) 12. c) 4. d) −4.
√ √
260. t′111 = 1, t′112 = 2, t′122 = 2, t′222 = 2 2. Las demás son cero.
261. a) Contravariantes: x′1 = 1, x′2 = 1. Covariantes: x′1 = 6, x′2 = 4 b) i) Cierta. ii) Falsa. c)
rkij skil = 10.
jcdelacruz______________________________________________________________________unsch