Apuntes Algebra II

Chapter 1
Matrices. Determinantes. Sistemas

de Ecuaciones Lineales.
1.1 Matrices.
Denicion. Sean m y n n umeros naturales. Llamaremos matriz de orden m n a un
arreglo rectangular de elementos de un cuerpo K, dispuestos en m las y n columnas.
A =
_
_
_
_
_
_
a
11
a
12
a
1n
a
21
a
22
a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
a
m2
a
mn
_
_
_
_
_
_
En nuestro curso, K sera el cuerpo de los n umeros reales, es decir K = R.
Observaciones.
1. Designaremos las matrices con letras may usculas: A, B, C, . . . .
2. Tambien denotaremos las matrices de la siguiente manera: A = (a
ij
)
mn
, o simple-
mente, A = (a
ij
).
3. El elemento a
ij
de la matriz A = (a
ij
) es el elemento ubicado en la la i, columna j
de A, llamado entrada i,j o tambien componente i,j de la matriz A.
4. M
mn
(K) denotara el conjunto de todas las matrices de orden mn sobre K.
5. Generalmente a una matriz con una sola la se le llama matriz la (o vector la) y a
una matriz con una sola columna se le llama matriz columna (o vector columna).
1
2 Captulo 1
Ejemplo.
A =
_
_
_
1 2 5
3 1 0
1 8 1
_
_
_, B =
_
_
_
_
_
1 2
3 1
2 1
6 3
_
_
_
_
_
, C =
_
1 9 20
_
son matrices con entradas reales.
Igualdad de Matrices Sean A = (a
ij
) y B = (b
ij
) matrices de orden mn sobre K.
A = B a
ij
= b
ij
, i 1, 2, . . . , m, j 1, 2, . . . , n
Nota. Una matriz de orden mn cuyos elementos son todos cero se llama matriz nula o
matriz cero y se denotara 0
mn
o con el smbolo 0.
1.1.1 Operaciones entre matrices
I. Adicion de matrices.
Sean A = (a
ij
) y B = (b
ij
) matrices de orden mn sobre K. La suma entre A y B,
denotada A + B es la matriz de orden mn, denida por:
A + B = (c
ij
), donde c
ij
= a
ij
+ b
ij
para todo i 1, 2, . . . , m, j 1, 2, . . . , n
II. Multiplicacion de un escalar por una matriz.
Sea un escalar (un elemento de K) y sea A = (a
ij
) una matriz de orden m n
sobre K. El producto del escalar por A, denotado A es la matriz de orden mn,
denida por:
A = (d
ij
), donde d
ij
= a
ij
para todo i 1, 2, . . . , m, j 1, 2, . . . , n
III. Multiplicacion de matrices.
Sean A = (a
ij
) matriz de orden mn sobre K, B = (b
ij
) matriz de orden ns sobre
K. El producto de las matrices A y B, es la matriz de orden ms, denotado A B
o tambien AB, denido por:
A B = (m
ij
), donde m
ij
= a
i1
b
1j
+ a
i2
b
2j
+ + a
in
b
nj
para todo i 1, 2, . . . , m, j 1, 2, . . . , s
Algebra 3
Propiedades.
1. Sean A, B y C matrices de orden mn sobre K.
(a) A + (B + C) = (A +B) + C.
(b) A +B = B + A.
(c) A + 0 = A = 0 + A, donde 0 es la matriz nula de orden mn.
(d) A = (a
ij
) de orden mn, es la matriz inversa aditiva de A, tal que:
A + (A) = 0 = (A) + A.
2. Sean A, B y C matrices de orden mn sobre K, y sean , K.
(a) ( + )A = A +A.
(b) (A +B) = A + B.
(c) (A) = ()A.
(d) 1 A = A, donde 1 es el elemento unidad de K.
(e) 0
mn
= 0
mn
; 0 A = 0
mn
3. Sean A, B y C matrices.
(a) A (B C) = (A B) C, para toda matriz A de orden mn, B de orden n s,
C de orden s r.
(b) (A B) = (A) B = A (B), para todo K.
(c) A (B+C) = A B+A C, para toda matriz A de orden mn, B y C de orden
n s.
(d) A 0
ns
= 0
ms
, para toda matriz A de orden mn.
Nota. La multiplicacion de matrices no es conmutativa.
Transpuesta de una matriz. Sea A = (a
ij
) matriz de orden mn sobre K. La matriz
transpuesta de A, denotada A
t
es la matriz de orden n m, denida por:
A
t
= (b
ij
), donde b
ij
= a
ji
para todo i, j.
Nota. Las las de A
t
son las columnas de A.
Propiedades
(a) (A
t
)
t
= A, para toda matriz A de orden mn.
(b) (A + B)
t
= A
t
+ B
t
, para toda matriz A y B de orden mn.
(c) (A)
t
= A
t
, para todo escalar y A de orden mn.
(d) (A B)
t
= B
t
A
t
, para toda matriz A de orden mn y B de orden n s.
4 Captulo 1
1.1.2 Matrices Cuadradas.
Denicion. A es una matriz cuadrada de orden n, si y solo si, A es de orden n n, es
decir, A tiene n las y n columnas.
Observaciones.
M
n
(K) denotara al conjunto de todas las matrices cuadradas de orden n sobre K,
por ejemplo:
M
2
(R) =
__
a b
c d
_
/ a, b, c, d R
_
La adicion y la multipicacion de matrices cuadradas del mismo orden, estan bien
denidas.
M
n
(K) con las operaciones adicion y multiplicacion es un Anillo. Este anillo tiene
divisores de cero, es decir, existen matrices A ,= 0, B ,= 0 tal que A B = 0.
Sea A = (a
ij
) matriz cuadrada de orden n. Los elementos a
11
, a
22
, . . . , a
nn
son los
elementos de la llamada diagonal de la matriz A (o diagonal principal de A).
A
2
= A A, A
3
= A A A, etc.
Traza de una Matriz Cuadrada.
Denicion. Sea A = (a
ij
) matriz cuadrada de orden n. La traza de la matriz A, denotada
tr(A) es la suma de los elementos de la diagonal de A. Es decir:
tr(A) = a
11
+ a
22
+ + a
nn
Propiedades. Sea A y B matrices de orden n.
(a) tr(A + B) = tr(A) + tr(B).
(b) tr(A) = tr(A), para cualquier escalar.
(c) tr(A B) = tr(B A).
(d) tr(A) = tr(A
t
).
(e) tr(B
1
AB) = tr(A), para toda matriz B invertible.
Algebra 5
Matrices Diagonales. Sea D = (d
ij
) una matriz cuadrada de orden n. D es una matriz
diagonal, si y solo si, todos los elementos d
ij
con i ,= j son cero. (Es decir, todos los
elementos ubicados fuera de la diagonal son cero).
Matriz Identidad. La matriz identidad de orden n, o matriz unidad de orden n, deno-
tada I
n
, es la matriz diagonal tal que cada elemento de la diagonal principal es 1.
I
n
=
_
_
_
_
_
_
1 0 0
0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 1
_
_
_
_
_
_
Propiedades
(a) I
m
A = A, para toda matriz A de orden mn.
(b) A I
n
= A, para toda matriz A de orden mn.
(c) A I
n
= A = I
n
A, para toda matriz cuadrada A de orden n.
(d) tr(I
n
) = n.
Observaciones. Sea A una matriz cuadrada de orden n.
(a) A
0
= I
n
.
(b) Sea f(x) = a
m
x
m
+ + a
1
x + a
0
un polinomio. Se dene la matriz f(A) por:
f(A) = a
m
A
m
+ +a
1
A + a
0
I
n
Matrices Invertibles. Sea A una matriz cuadrada de orden n. La matriz A es invertible,
o A es no singular, si y solo si, existe una matriz B de orden n tal que A B = I
n
= B A.
Ejemplo.
La matriz A =
_
1 2
1 1
_
es invertible ya que existe una matriz B =
_
1 2
1 1
_
tal
que A B = I
2
= B A.
Denicion. Sea A una matriz cuadrada invertible. La matriz B de orden n tal que
A B = I
n
= B A es la matriz inversa de la matriz A y se denotara A
1
.
Propiedades
Sean A y B matrices cuadradas de orden n, A y B invertibles.
6 Captulo 1
(a) Si A B = I
n
, entonces B = A
1
.
(b) (A
1
)
1
= A
(c) (A B)
1
= B
1
A
1
.
(d) A
t
es invertible y (A
t
)
1
= (A
1
)
t
.
Observaciones. Sea A = (a
ij
) una matriz cuadrada de orden n.
A es triangular superior, si y solo si, para todo i > j se tiene que a
ij
= 0.
A es triangular inferior, si y solo si, para todo i < j se tiene que a
ij
= 0.
A es simetrica, si y solo si, A
t
= A.
A es antisimetrica, si y solo si, A
t
= A.
A es ortogonal, si y solo si, A
t
A = I
n
= A A
t
.
1.1.3 Equivalencia de matrices (por las).
Matrices Escalonadas.
Sea A = (a
ij
) una matriz de orden mn sobre K.
A es matriz escalonada, si y solo si, siendo a
1j
1
, a
2j
2
, . . . , a
rjr
las primeras componentes
no-nulas de las las no-nulas 1
era
, 2
da
, . . . , r
esima
, se tiene que: j
1
< j
2
< < j
r
.
Las las r + 1, r + 2, . . . , m (si es que existen) son nulas, es decir, todas las componentes
de estas las son cero.
Nota. Los elementos a
1j
1
, a
2j
2
, . . . , a
rj
r
de la matriz escalonada A denida anteriormente
se llamaran elementos distinguidos de la matriz A.
Observacion. Sea A una matriz de orden mn. A es una matriz reducida por las, si y
solo si, A es escalonada, cada elemento distinguido de la matriz A es 1, y en cada columna
donde se encuentre un elemento distinguido los elementos restantes de esa columna son 0.
Ejemplo.
A =
_
_
_
1 2 2
0 1 0
0 0 1
_
_
_, B =
_
_
_
1 0 2 4
0 0 1 6
0 0 0 0
_
_
_, C =
_
_
_
_
_
1 4 0
0 0 1
0 0 0
0 0 0
_
_
_
_
_
Algebra 7
son matrices escalonadas, donde la matriz C es ademas reducida por las.
Operaciones Elementales Filas. Sea A una matriz de orden m n. Las siguientes
operaciones son operaciones elementales las sobre A.
1. Intercambiar dos las de A.
E
ij
denotara la operacion elemental la intercambiar las las i, j de A. Realizando
una operacion elemental la de este tipo sobre A, se obtiene una nueva matriz que
anotaremos A
1
de orden mn.
A
E
ij
A
1
2. Multiplicar una la de A por un escalar distinto de cero.
E
i
() con ,= 0 denotara la operacion elemental la multiplicar la la i por el escalar
. Realizando una operacion elemental la de este tipo sobre A, se obtiene una nueva
matriz que anotaremos A
2
de orden mn.
A
E
i
()
A
2
3. Sumar a una la de A un m ultiplo escalar de otra la de A.
E
ij
() denotara la operacion elemental la sumar a la la j, veces la la i. Real-
izando una operacion elemental la de este tipo sobre A, se obtiene una nueva matriz
que anotaremos A
3
de orden mn.
A
E
ij
()
A
3
Denicion. Sean A y B dos matrices de orden mn. Se dice que A y B son equivalentes
por las, si y solo si, realizando un n umero nito de operaciones elementales las sucesivas
sobre A se obtiene la matriz B.
Notacion. Se denotara A
f
B.
Ejemplo.
A =
_
_
_
1 2 2 3
1 1 0 2
1 0 1 1
_
_
_
E
12
_
_
_
1 1 0 2
1 2 2 3
1 0 1 1
_
_
_
E
13
(2)
_
_
_
1 1 0 2
1 2 2 3
1 2 1 3
_
_
_ = B
Luego, A es equivalente por las con la matriz B, por ejemplo.
Observaciones.
Realizando operaciones elementales las sobre una matriz A, se puede obtener una
matriz escalonada U tal que A
f
U.
8 Captulo 1
Si U
1
y U
2
son dos matrices escalonadas tales que A
f
U
1
y A
f
U
2
, entonces el
n umero de las no-nulas de U
1
es igual al n umero de las no-nulas de U
2
.
Rango de una matriz.
Sea A una matriz de orden mn, y sea U una matriz escalonada tal que A
f
U. El rango
de la matriz A, denotado (A), es el n umero de las no-nulas de la matriz escalonada U.
Ejemplo.
Como A =
_
_
_
1 2 2 3
1 1 0 2
0 1 2 1
_
_
_
f
_
_
_
1 2 2 3
0 1 2 1
0 0 0 0
_
_
_. Comprobarlo. Luego (A) = 2.
Observaciones.
1. Sean A y B matrices de orden m n. Si A y B son equivalentes por las, entonces
(A) = (B). El recproco no vale.
2. Sea A una matriz cuadrada de orden n. Se tiene que:
(a) A es invertible, si y solo si, A es equivalente por las con la matriz identidad I
n
.
(b) A es invertible, si y solo si, el rango de A es n.
3. Sea A una matriz invertible de orden n, es decir, (A) = n. Una manera de calcular
la inversa de A usando operaciones elementales las es la siguiente:
Formar la matriz aumentada (A ; I
n
), de orden n 2n.
Realizar operaciones elementales las sobre esta matriz hasta obtener la matriz
reducida por las, equivalente por las a la matriz (A ; I
n
), que es unica.
Tal matriz reducida por las es (I
n
; B), donde B = A
1
.
Matrices Elementales las.
Denicion. Una matriz elemental la de orden n es una matriz cuadrada de orden n que
resulta de realizar una sola operacion elemental la sobre la matriz identidad I
n
.
Notacion. Denotaremos a las matrices elementales las, independiente del orden, con la
misma notacion de la operacion elemental que se realiza sobre la matriz identidad corre-
spondiente.
E
ij
denotara la matriz elemental la que resulta de I
n
realizando la operacion ele-
mental la E
ij
.
Algebra 9
E
i
() denotara la matriz elemental la que resulta de I
n
realizando la operacion
elemental la E
i
(), con ,= 0.
E
ij
() denotara la matriz elemental la que resulta de I
n
realizando la operacion
elemental la E
ij
().
Nota. Sea A una matriz de orden mn y sea E una matriz elemental la cualquiera de
orden m. Realizando la operacion elemental la correspondiente denotada E, se obtiene la
matriz EA. Es decir:
A
E
EA
Observaciones.
1. Las matrices elementales las son invertibles.
(E
ij
)
1
= E
ij
(E
i
())
1
= E
i
_
1
_
, ,= 0 (E
ij
())
1
= E
ij
()
2. Sean A y B matrices de orden m n. A y B son equivalentes por las, si y solo si,
existen matrices elementales las F
1
, F
2
, . . . , F
s
tal que: F
s
F
2
F
1
, A = B.
3. Sea A una matriz cuadrada de orden n. Se tiene que:
A es invertible, si y solo si, existen matrices elementales las F
1
, F
2
, . . . , F
s
tal que:
F
s
F
2
F
1
A = I
n
.
Notar que:
A
1
= F
s
F
2
F
1
.
A = (F
1
)
1
(F
2
)
1
(F
s
)
1
1.2 Determinantes
Sea A una matriz cuadrada de orden n. El determinante de A es un n umero que se denotara
det(A) o tambien [A[. Deniremos primeramente el determinante de una matriz de orden
1, de orden 2, y de orden 3.
Denicion.
Sea A = (a) de orden 1. Se dene: det(A) = a.
Sea A =
_
a b
c d
_
. Se dene: det(A) = ad bc.
10 Captulo 1
Sea A =
_
_
_
a
11
a
12
a
13
a
21
a
22
a
23
a
31
a
32
a
33
_
_
_. Se dene:
det(A) = a
11
a
22
a
33
+a
12
a
23
a
31
+ a
13
a
21
a
32
a
13
a
22
a
31
a
12
a
21
a
33
a
11
a
23
a
32
ij
) matriz de orden n, n > 1.
1. El menor del elemento a
ij
, denotado M
ij
es el determinante de la matriz A
ij
de orden
n 1, donde A
ij
es la matriz que resulta de A eliminando la la i y la columna j de
A.
2. El cofactor del elemento a
ij
, denotado Cof(a
ij
) es el n umero: Cof(a
ij
) = (1)
i+j
M
ij
.
ij
) matriz de orden n, n > 1. El determinante de A es el n umero:
det(A) = a
i1
Cof(a
i1
) + a
i2
Cof(a
i2
) + + a
in
Cof(a
in
), donde i es una la de A, o
det(A) = a
1j
Cof(a
1j
) + a
2j
Cof(a
2j
) + +a
nj
Cof(a
nj
), donde j es una columna deA.
Propiedades.
1. det(I
n
) = 1.
2. det(A) = det(A
t
), para toda matriz A de orden n.
3. Si A = (a
ij
) es matriz triangular de orden n, entonces det(A) = a
11
a
22
a
nn
.
4. det(A
t
) = det(A), para toda matriz A de orden n.
5. det(AB) = det(A) det(B), para A y B matrices cuadradas de orden n.
Luego, det(A
m
) = (detA)
m
, para todo m N.
6. det(A) =
n
det(A), para toda matriz A de orden n.
7. Considerar las matrices elementales las E
ij
, E
i
(), E
ij
().
det(E
ij
) = 1, det(E
i
()) = , det(E
i,j
()) = 1
det(E
ij
A) = det(A), det(E
i
()A) = det(A), det(E
ij
()A) = det(A)
donde A es una matriz de orden n.
Nota. El determinante de una matriz se puede calcular tambien usando matrices u
operaciones elementales las.
8. Si A es una matriz invertible, entonces det(A) ,= 0 y det(A
1
) =
1
det(A)
.
Algebra 11
Matriz Adjunta. Sea A = (a
ij
) una matriz de orden n, n > 1. La matriz adjunta de A
denotada adj(A) es la matriz de orden n denida por:
adj(A) = (Cof(a
ij
))
t
Observaciones. Sea A una matriz de orden n.
Se tiene que A adj(A) = det(A) I
n
.
A es invertible, si y solo si, det(A) ,= 0 y A
1
=
1
det(A)
adj(A)
Nota. Una de las aplicaciones de los determinantes en la Geometra plana es el calculo de areas de
polgonos en el plano euclidiano.
Dados los puntos A(a, b), B(c, d) y C(e, f) en el plano, se tiene que el area del triangulo cuyos vertices
son A, B y C es
=
1
2
abs
a b 1
c d 1
e f 1
siendo abs el valor absoluto del determinante.
Probar la armacion anterior, usando Geometra Analtica!
Notar que, A, B y C son colineales, si y solo si, = 0.
Ejemplo. El area del triangulo cuyos vertices son A(1, 5), B(5, 8) y C(4, 1) es
=
1
2
abs
1 5 1
5 8 1
4 1 1
= abs(1) = 1
1.3 Sistemas de Ecuaciones Lineales
Denicion. Una ecuacion lineal en n variables x
1
, x
2
, . . . , x
n
con coecientes reales es
una expresion de la forma a
1
x
1
+a
2
x
2
+ +a
n
x
n
= c , donde a
1
, a
2
, . . . , a
n
, c son n umeros
reales.
Nota. Si c = 0, la ecuacion lineal se dice homogenea, y si c ,= 0, la ecuacion lineal se dice
no-homogenea.
Denicion. Un sistema de m ecuaciones lineales en n variables x
1
, x
2
, . . . , x
n
, con co-
ecientes reales, es un conjunto formado por m ecuaciones lineales en las n variables,
expresado:
12 Captulo 1
a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
= b
1
a
12
x
1
+ a
22
x
2
+ + a
2n
x
n
= b
2
()
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m1
x
1
+ a
m2
x
2
+ + a
mn
x
n
= b
m
Nota. El sistema anterior se dice homogeneo, si y solo si, b
1
= b
2
= = b
m
= 0. Si
b
i
,= 0 para alg un i 1, 2, . . . , m el sistema se dice no-homogeneo.
Observaciones.
Considerar un sistema () formado por m ecuaciones lineales con coecientes reales en n
variables x
1
, x
2
, . . . , x
n
.
1. Resolver el sistema anterior, signica, determinar todas las n-uplas ordenadas de
n umeros reales (x
1
, x
2
, . . . , x
n
) que satisfacen cada una de la m ecuaciones lineales
que lo forman.
2. El conjunto solucion del sistema considerado, es el conjunto de todas las n-uplas
ordenadas que satisfacen cada una de las m ecuaciones lineales que lo forman.
3. Dos sistemas de ecuaciones lineales con el mismo n umero de variables (dispuestas en
el mismo orden) son equivalentes, si y solo si, tienen el mismo conjunto solucion.
4. Sea S el conjunto solucion del sistema (). El sistema se dice consistente, si y solo si,
S ,= . El sistema se dice inconsistente, si y solo si, S = .
Representacion Matricial de un sistema.
Considerar el sistema () formado por m ecuaciones lineales con coecientes reales en n
variables x
1
, x
2
, . . . , x
n
.
A = (a
ij
) de orden mn se llama la matriz de los coecientes del sistema.
X =
_
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
_
es el vector de las variables.
b =
_
_
_
_
_
_
b
1
b
2
.
.
.
b
m
_
_
_
_
_
_
es el vector de las constantes.
Algebra 13
Considerando las notaciones anteriores:
AX = b es la representacion matricial del sistema ().
La matriz (A ; b) de orden m(n + 1) es la matriz aumentada del sistema.
Observaciones.
1. Considerar un sistema formado por m ecuaciones lineales en n variables, denotado
matricialmente AX = b.
(a) El sistema AX = b es consistente, si y solo si, (A) = (A ; b).
El sistema AX = b tiene solucion unica, si y solo si, (A) = (A ; b) = n =
n umero de variables.
El sistema tiene innitas soluciones, si y solo si, (A) = (A ; b) < n.
(b) El sistema AX = b es inconsistente, si y solo si, (A) < (A ; b).
Nota. El sistema AX = b es equivalente al sistema RAX = Rb, para toda matriz invertible R de
orden m.
2. Para resolver un sistema formado por m ecuaciones lineales y n variables AX = b,
generalmente se usa el metodo de eliminacion de Gauss.
Este metodo consiste en:
Determinar una matriz escalonada (

A ;

b) equivalente por las a la matriz
aumentada del sistema: (A ; b).
Luego, resolver el sistema (

AX =

b), sistema equivalente al sistema a resolver.
3. Considerar el sistema de ecuaciones lineales AX = b con igual n umero de ecuaciones
lineales que de variables, es decir, cuando A es una matriz cuadrada de orden n.
Notar que si la matriz A es invertible, el sistema AX = b tiene solucion unica, donde
X = A
1
b. Esta solucion se determina por ejemplo:
(a) Usando el metodo de eliminacion de Gauss, o
(b) Calculando A
1
, para luego calcular A
1
b, o
(c) Por medio de la Regla de Cramer que enunciaremos a continuacion:
Calcular det(A).
Para cada j 1, 2, . . . , n sea A
j
la matriz de orden n que resulta de
reemplazar solo la columna j de la matriz A por los elementos de b, en el
mismo orden.
Luego, x
1
=
det(A
1
)
det(A)
, x
2
=
det(A
2
)
det(A)
, . . . , x
n
=
det(A
n
)
det(A)
14 Captulo 1
1.4 Ejercicios Resueltos
1. Considerar las matrices A =
_
_
_
1 3
2 0
1 5
_
_
_ y B =
_
3 4
1 7
_
.
(a) Determinar 3A, A
t
A, tr(B).
(b) Sea f(x) = x
2
+ 2x 3. Determinar f(B).
(c) Calcular det(3B).
Respuesta.
(a) 3A =
_
_
_
3 9
6 0
3 15
_
_
_.
A
t
A =
_
1 2 1
3 0 5
_
_
_
_
1 3
2 0
1 5
_
_
_ =
_
6 8
8 34
_
tr(B) = 3 + 7 = 10.
(b) f(B) = B
2
+ 2B 3 I
2
. Luego:
f(B) =
_
5 40
10 45
_
+
_
6 8
2 14
_
_
3 0
0 3
_
=
_
2 32
8 34
_
Ejercicio. Calcular f(B
t
), y comparar con f(B)
t
.
(c) det(3B) = 3
2
det(B) = 9 25 = 225
2. (a) Dada la matriz A =
_
2 1
3 1
_
, y sea f(x) = x(x 1)(x 2). Calcular el
determinante de la matriz f(A).
(b) Sea B =
_
1 1 2 2
x 2 1 1
_
una matriz de orden 2 4. Calcular el o los valores
de x R, si fuere posible, tal que BB
t
= 10I
2
.
Respuesta.
(a) Como f(A) = A(A I
2
)(A 2I
2
) =
_
2 1
3 1
__
1 1
3 2
__
0 1
3 3
_
.
Luego det(f(A)) =
2 1
3 1
1 1
3 2
0 1
3 3
= 1 1 3 = 3
Algebra 15
(b)
BB
t
= 10I
2

_
10 x + 2
x + 2 x
2
+ 6
_
=
_
10 0
0 10
_
x + 2 = 0
x
2
+ 6 = 10
Luego, x = 2.
3. Sea B =
_
_
_
1 0 1
2 t 0
2 1 2
_
_
_. Probar que B es invertible y calcular B
1
.
Respuesta. Como [B[ = 2t + 2 + 2t = 2 ,= 0, luego B es invertible.
B
1
=
1
2
_
_
_
2t 4 2 2t
1 0 1
t 2 t
_
_
_
t
=
_
_
_
t
1
2
t
2
2 0 1
1 t
1
2
t
2
_
_
_
4. Dada la matriz A =
_
_
_
_
_
1 2 0 5
1 1 1 2
0 1 0 0
2 2 4 0
_
_
_
_
_
una matriz de orden 4.
Calcular x R tal que [xA[ +[ 2A[ = 64.
Respuesta. [A[ = 1 (1)
3+2
1 0 5
1 1 2
2 4 0
= (20 + 10 + 8) = 2.
Luego, [xA[ +[ 2A[ = 64 x
4
2 + (2)
4
2 = 64 x = 2.
5. Considerar la matriz A =
_
_
_
_
_
0 0 2 k
1 1 0 0
1 0 0 1
0 1 1 1
_
_
_
_
_
de orden 4.
(a) Determinar el o los valores reales de k, tal que A sea invertible.
(b) Para k = 0 calcular el determinante de A.
(c) Para k = 0, calcular el determinante de A usando cofactores.
(d) Para k = 0, calcular A
1
.
Respuesta.
(a) A es invertible, si y solo si, (A) = 4.
A
E
12
_
_
_
_
_
1 1 0 0
0 0 2 k
1 0 0 1
0 1 1 1
_
_
_
_
_
E
13
(1)
_
_
_
_
_
1 1 0 0
0 0 2 k
0 1 0 1
0 1 1 1
_
_
_
_
_
E
23
_
_
_
_
_
1 1 0 0
0 1 0 1
0 0 2 k
0 1 1 1
_
_
_
_
_
16 Captulo 1
E
24
(1)
_
_
_
_
_
1 1 0 0
0 1 0 1
0 0 2 k
0 0 1 2
_
_
_
_
_
E
34
(
1
2
)
_
_
_
_
_
1 1 0 0
0 1 0 1
0 0 2 k
0 0 0
4+k
2
_
_
_
_
_
Luego, A es invertible, si y solo si, k ,= 4.
(b) Utilizando lo anterior, E
34
(
1
2
)E
24
(1)E
23
E
13
(1)E
12
A =
_
_
_
_
_
1 1 0 0
0 1 0 1
0 0 2 0
0 0 0 2
_
_
_
_
_
Luego,
det(E
34
(
1
2
)) det(E
24
(1)) det(E
23
) det(E
13
(1)) det(E
12
) det(A) = 2 2
1 1 (1) 1 (1) det(A) = 4
Por lo tanto, det(A) = 4.
(c) Para calcular el determinante de A por cofactores se utilizara la segunda la.
det(A) = 1(1)
2+1
det
_
_
_
0 2 0
0 0 1
1 1 1
_
_
_+1(1)
2+2
det
_
_
_
0 2 0
1 0 1
0 1 1
_
_
_ = 4
(d) Para k = 0, la matriz A es invertible ya que det(A) = 4. Calcular A
1
.
Vericar que: (A ; I
4
)
f
_
_
_
_
_
1 0 0 0
1
4
1
2

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

1
2
0 0 1 0
1
2
0 0 0
0 0 0 1
1
4
1
2
1
2
1
2
_
_
_
_
_
.
Luego, A
1
=
_
_
_
_
_
1
4
1
2

1
2
1
2
1
4
1
2
1
2

1
2
1
2
0 0 0
1
4
1
2
1
2
1
2
_
_
_
_
_
6. Resolver el sistema
x + 2y + 2z 3t = 6
x y + 2t = 5
y 2z + t = 1
Respuesta.
Forma matricial del sistema AX = b:
_
_
_
1 2 2 3
1 1 0 2
0 1 2 1
_
_
_
_
_
_
_
_
x
y
z
t
_
_
_
_
_
=
_
_
_
6
5
1
_
_
_
Algebra 17
Matriz aumentada del sistema (A ; b) :
_
_
_
1 2 2 3 6
1 1 0 2 5
0 1 2 1 1
_
_
_
_
_
_
1 2 2 3 6
1 1 0 2 5
0 1 2 1 1
_
_
_
f
_
_
_
1 2 2 3 6
0 1 2 1 1
0 0 0 0 0
_
_
_
Como (A) = (A ; b) = 2, el sistema es consistente, y tiene innitas soluciones.
El conjunto solucion S del sistema pedido, es el conjunto solucion del sistema
equivalente:
x + 2y + 2z 3t = 6
y + 2z t = 1
Luego, S = (x, y, z, t) R
4
/ x + 2y + 2z 3t = 6 y + 2z t = 1
= (4 2z t, 1 2z +t, z, t) / z, t R
7. Sea A =
_
_
_
1 + x 1 1
1 1 + x 1
1 1 1 + x
_
_
_ matriz de orden 3.
(a) Determinar todos los x R tales que el rango de A sea 3.
(b) Para x = 1, calcular la inversa de A, si fuere posible.
Respuesta.
(a) Se tiene que: (A) = 3 si y solo si det(A) ,= 0.
Como, det(A) =
1 + x 1 1
1 1 + x 1
1 1 1 + x
= x
3
+ 3x
2
= x
2
(x + 3)
Por lo tanto:
det(A) ,= 0 x
2
(x + 3) ,= 0 x ,= 0 x ,= 3 x R 0, 3
(b) Para x = 1, la matriz A es: A =
_
_
_
0 1 1
1 0 1
1 1 0
_
_
_
Como det(A) = 2 ,= 0, luego existe A
1
.
Como A
1
=
1
2
_
_
_
1 1 1
1 1 1
1 1 1
_
_
_. Luego A
1
=
_
_
_
1
2
1
2
1
2
1
2

1
2
1
2
1
2
1
2

1
2
_
_
_
18 Captulo 1
1.5 Ejercicios
1. Dadas las matrices A =
_
_
_
2 1 2
4 2 7
0 0 0
_
_
_, B =
_
_
_
1 1 2
0 3 1
0 2 1
_
_
_, C =
_
_
_
5
2
3
_
_
_.
(a) Calcular: A B; AC; B
t
A; C
t
B; AB BA.
(b) Calcular A + A
2
+ A
3
.
(c) Determinar si (AB)
t
y A
t
B
t
son iguales.
(d) Calcular tr(A), tr(A
2
), tr(AB), tr(AB BA).
2. Sea A =
_
_
_
1 1
1 2
0 1
_
_
_ matriz de orden 32. Determinar una matriz B de orden 23
tal que B A = I
2
.
3. Sea A =
_
_
_
1 1 1
1 1 1
1 1 1
_
_
_. Probar que A
n
= 3
n1
A, para todo n N.
4. Sea A =
_
2 1
1 2
_
matriz de orden 2.
(a) Si A verica la ecuacion A
2
+ cA +dI
2
= 0, calcular c y d.
(b) Sea f(x) = 3x
4
2x + 2. Calcular f(A), f(A), f
_
3
2
A
_
5. Determinar la matriz inversa, si fuere posible, de:
A =
_
1 2
4 1
_
, B =
_
_
_
0 1 1
1 1 0
1 0 1
_
_
_, C =
_
_
_
_
_
1 2 0 0
0 1 4 0
0 0 2 0
0 0 0 1
_
_
_
_
_
y en los casos que lo fuere, descomponerla como producto de matrices elementales
las.
6. Probar que A =
_
_
_
cos 0 sin
0 1 0
sin 0 cos
_
_
_ es invertible y calcular la inversa de A.
7. Considerar las matrices A =
_
_
_
4 2 10
0 2 2
1 1 2
_
_
_ y B =
_
_
_
1 2 2 0
2 3 4 1
1 2 0 2
_
_
_
Algebra 19
(a) Calcular B
t
A.
(b) Calcular la adjunta de A.
(c) Calcular (A), (B), (A
2
).
8. Determinar, si es que existen, valores de k R tal que las matrices:
A =
_
_
_
1 1 k
3 4 2
2 3 1
_
_
_, B =
_
_
_
1 1 k 2
3 4 2 k
2 3 1 1
_
_
_
tengan el mismo rango.
9. Sea A =
_
_
_
1 0 1
0 1 0
2 0 1
_
_
_ una matriz de orden 3.
(a) Probar que A es invertible.
(b) Calcular A +A
1
.
(c) Calcular det(A), det(5A), det(A
5
).
(d) Calcular det(adj(A)).
Ejercicio adicional: En general, si B es invertible de orden n, calcular det(adj(B)).
_
_
_
x 1 1
2 0 2x
3 1 x 2
_
_
_.
(a) Determinar todos los x R tales que el rango de A sea 2.
(b) Determinar todos los x R tales que A sea invertible.
11. Determinar todos los a R tal que la matriz
A =
_
_
_
1 2 1
a 4 2
5 2 2
_
_
_
sea no-singular, o invertible.
12. Caracterizar el conjunto de todas las matrices cuadradas de orden 3 que son simetricas
con traza nula. Nombrar 5 elementos de este conjunto.
13. Sea A una matriz de orden 5 n, y B una matriz de orden n s. Si la primera la
de A es igual a la tercera la de A. Probar que la primera y tercera la de AB son
iguales.
20 Captulo 1
14. Sea A =
_
0 3 6 12
2 4 2 10
_
una matriz de orden 24. Sea R la matriz escalonada
reducida por las equivalente (por las) con la matriz A. Determinar una matriz P
invertible tal que A = PR.
15. Sean A =
_
_
_
2 1 0
1 2 1
0 1 2
_
_
_ y L =
_
_
_
1 0 0
1
2
1 0
0
2
3
1
_
_
_ matrices de orden 3. Determi-
nar una matriz U tal que A = L U.
16. Sea A =
_
_
_
1 0 1 0
1 1 1 1
1 1 0 1
_
_
_
(a) Calcular el rango de A.
(b) Calcular E
23
(1)(E
2
(3))
1
A.
(c) Hallar una matriz escalonada R que sea equivalente a A, y una matriz inversible
P de orden 3, tal que R = PA.
(d) Calcular R tal que
_

_
A
_

_
t
= 32
17. Sea A =
_
_
_
_
_
1 0 1 2
3 1 1 3
2 2 0 2
0 0 0 1
_
_
_
_
_
Determinar una matriz B equivalente por las con A tal que det(B) = 3 det(A).
18. Calcular a R :
1 1 1 + a
1 1 + a 1
1 + a 1 1
=
1 0 1
0 1 0
1 0 1
.
19. Resolver el siguiente sistema
y + 2z = 4
x y = 2
x + y = 1
usando
(a) Metodo de Gauss.
(b) X = A
1
b.
(c) Regla de Cramer.
20. Resolver los siguientes sistemas de ecuaciones lineales:
x + y + z = 2
3x + 3y z = 6
x y + z = 1
x y + 3z + 3u = 1
2x + z 2u = 3
x + y 2z 3u = 0
Algebra 21
21. Considerar el sistema
x 2y + 3z = 1
2x + ky + 6z = 6
x + 3y + (k 3)z = 0
Determinar los valores reales de k, si es que existen, para que el sistema:
(a) tenga solucion unica;
(b) tenga innitas soluciones;
(c) no tenga solucion.
22. Sea A =
_
_
_
1 2 3
1 1 4
1 5 1
_
_
_ matriz de orden 3, y sea X =
_
_
_
x
y
z
_
_
_.
(a) Resolver AX = b, donde b =
_
1 5 1
_
t
.
(b) Resolver el sistema AX = 0.
(c) Calcular det(A I
3
).
(d) Resolver AX = X.
23. Resolver el sistema homogeneo
x y + z t = 0
x + y z + t = 0
x + y z + t = 0
24. Sea A =
_
_
_
_
_
_
_
_
1 0 0 0 1
0 1 0 1 0
0 0 1 0 0
0 1 0 1 0
1 0 0 0 1
_
_
_
_
_
_
_
_
matriz de orden 5, y sea X =
_
_
_
_
_
_
_
_
x
y
z
t
u
_
_
_
_
_
_
_
_
.
(a) Calcular el determinante de A.
(b) Resolver el sistema homogeneo AX = 0.
(c) Resolver AX = b, donde b =
_
1 1 2 1 4
_
t
.
(d) Determinar la o las relaciones que deben satisfacer a, b, c, d, e para que el sistema
AX = ( a b c d e )
t
sea consistente.
25. Sea A =
_
1 1 1
1 1 2
_
matriz de orden 2 3.
(a) Determinar todas las matrices B de orden 3 2 tales que AB = I
2
.
(b) Determinar tres matrices particulares B tales que AB = I
2
.
22 Captulo 1
(c) Determinar todas las matrices C de orden 2 3 tal que AC = 0.
26. (a) Calcular el area del polgono ABCDE cuyos vertices son: A(10, 0), B(2, 25),
C(1, 36), D(10, 20), E(3, 40).
(b) Determinar, si fuere posible, un tercer vertice de un triangulo de area 30 tal que
dos de sus vertices son A(3, 11), B(1, 3) y el tercero esta en el eje X.
(c) Determinar la o las relaciones que debe satisfacer a y b para (a, b) pertenezca a
la recta determinada por los puntos (1, 5) y (4, 8).
27. Un biologo, en un experimento sobre nutrici on quiere preparar una dieta especial
para sus animales de laboratorio. El requiere una comida formada por una mezcla
que contenga entre otras cosas, 20 onzas de protenas y 6 onzas de grasa. El encuentra
la comida preparada pero en las siguientes composiciones:
Protenas(%) Grasa(%)
Mezcla A 20 2
Mezcla B 10 6
Determinar la cantidad de onzas de cada mezcla que debera usar para preparar su
mezcla.
28. Cinco se noras asisten a una sesion con su medico tratante por problemas de peso.
Ellas no han seguido la dieta que les fue recetada, y al momento de dar su peso actual
una de ellas dice al medico: al pesarme con cada una de mis amigas por separado,
he obtenido 177, 174, 168 y 182 kgs. respectivamente. Ademas, mis cuatro amigas
juntas pesan 4 veces mi peso mas 21 kgs. Determinar el peso de cada una de las
se noras.
29. Se construye un cuadrado con 9 n umeros dispuestos en tres las y tres columnas tal
que los n umeros de cada la y de cada columna suman el mismo n umero 75, de los
cuales tres estan dados. Ver gura.
X 29 Y
K V 47
38 7K M
Determinar el o los valores de las variables que aparecen en la gura.
30. Considerar la funcion polinomica y = p(x), donde p(x) = ax
3
+ bx
2
+ cx + d, con a,
b, c, d reales, tales que p(1) = 2, p(2) = 1, p(1) = 3.
(a) Determinar todos los a, b, c, d R que cumplen las condiciones dadas.
(b) Determinar dos de tales polinomios.
Algebra 23
31. Considerar los polinomios p(x) = (a +b 2c)x
3
(a +d)x
2
+(3a c)x +(b c +2d)
y q(x) = (b + 1)x
2
(a + 2c d)x + (a b + 1) con coecientes reales.
Determinar a, b, c, d R tales que p(x) = q(x).
32. Considerar el sistema formado por la n ecuaciones lineales: L
1
, L
2
, . . . , L
n
, donde:
L
1
: x
1
2(1 + a
2
)x
2
= 1
.
.
.
L
j
: x
j1
2(1 + a
2
)x
j
+ x
j+1
= 0, para cada j 2, 3, . . . , n 1
.
.
.
L
n
: x
n1
2(1 + a
2
)x
n
= 1
Se tiene que, este sistema tiene solucion unica, para cualquier valor real de a.
(a) Vericar lo anterior para n = 4.
(b) Para n = 4 y para a = 0, resolver el sistema.
Chapter 2
Espacios Vectoriales.
2.1 Espacios Vectoriales.
El Algebra Lineal estudia las propiedades comunes de los sistemas algebraicos que constan de un conjunto
mas una nocion razonable de combinacion lineal de los elementos del conjunto.
Denicion. Sea V un conjunto no-vaco y sea K un cuerpo. Se dice que V es un espacio
vectorial sobre K, si solo si:
I. En el conjunto V esta denida una operacion interna llamada adicion, de V V en
V tal que (u, v) u +v, denotada +, que satisface las siguientes propiedades:
(a) u + (v + w) = (u +v) + w, para todo u, v, w V .
(b) u + v = v + u, para todo u, v V .
(c) Existe un unico vector 0
V
V , llamado vector cero de V : v +0
V
= v = 0
V
+v,
para todo v V .
(d) Para cada v V existe un unico vector v V : v + (v) = 0
V
= (v) + v.
II. En el conjunto V esta denida una operacion externa llamada multiplicacion escalar,
de KV en V tal que (, v) v que satisface las siguientes propiedades:
(a) ( + )v = v + v, para todo , K, v V .
(b) (u + v) = u + v, para todo K, u, v V .
(c) ()v = (v), para todo , K, v V .
(d) 1v = v, para todo v V , donde 1 es la unidad de K.
24
Algebra 25
Si V es un espacio vectorial sobre K, se anotara V e.v. sobre K, o V es un K- espacio
vectorial.
Observaciones.
1. Los elementos de V son llamados vectores y los elementos del cuerpo K escalares.
2. Cuando K = R se dira que V es un espacio vectorial real.
Ejemplos.
1. Para n N, el conjunto R
n
= (x
1
, x
2
, . . . , x
n
) / x
1
, x
2
, . . . , x
n
R con las opera-
ciones usuales:
(x
1
, x
2
, . . . , x
n
) + (y
1
, y
2
, . . . , y
n
) = (x
1
+ y
1
, x
2
+x
2
, . . . , x
n
+ y
n
)
(x
1
, x
2
, . . . , x
n
) = (x
1
, x
2
, . . . , x
n
) para todo R
es un espacio vectorial real.
En particular: R
2
= (x, y) / x, y R es un e.v. sobre R con las operaciones
usuales: (a, b) + (c, d) = (a + c, b + d), y (a, b) = (a, b) para todo R.
2. Para n N, el conjunto C
n
= (x
1
, x
2
, . . . , x
n
) / x
1
, x
2
, . . . , x
n
C es un e.v.
complejo con las operaciones usuales:
(x
1
, x
2
, . . . , x
n
) + (y
1
, y
2
, . . . , y
n
) = (x
1
+ y
1
, x
2
+ y
2
, . . . , x
n
+ y
n
)
(x
1
, x
2
, . . . , x
n
) = (x
1
, x
2
, . . . , x
n
) para todo C
3. Para n N, el conjunto C
n
= (x
1
, x
2
, . . . , x
n
) / x
1
, x
2
, . . . , x
n
C es un e.v. real
con las operaciones usuales:
(x
1
, x
2
, . . . , x
n
) + (y
1
, y
2
, . . . , y
n
) = (x
1
+ y
1
, x
2
+ y
2
, . . . , x
n
+ y
n
)
(x
1
, x
2
, . . . , x
n
) = (x
1
, x
2
, . . . , x
n
) para todo R
4. M
mn
(R) es un e.v. sobre R, con las operaciones usuales: (a
ij
) +(b
ij
) = (a
ij
+b
ij
) y
(a
ij
) = (a
ij
) para todo R. Este espacio es llamado el espacio de las matrices
de orden mn con entradas reales.
5. F(X, R) = funciones de X en R es un e.v. sobre R con las operaciones usuales:
suma de funciones y la multiplicacion de un escalar por una funcion. Este espacio es
llamado espacio de las funciones reales.
26 Captulo 2
6. R[x] = polinomios con coecientes reales es un espacio vectorial sobre R con las
operaciones usuales: adicion de polinomios y multiplicaci on de un escalar por un
polinomio. Este espacio es llamado espacio de polinomios con coecientes reales.
7. El conjunto de todas las funciones continuas de [0, 1] en R es un espacio vectorial
sobre R con las operaciones usuales de la funciones reales.
Nota: En nuestro curso se consideraran solo espacios vectoriales reales, es decir, K = R,
pero se seguira usando la letra K para el cuerpo de escalares, en las armaciones que se
cumplan sobre R o sobre C.
Propiedades. Sea V espacio vectorial sobre K.
1. 0
V
= 0
V
, para todo K.
2. 0v = 0
V
, para todo v V .
3. Si v = 0
V
, entonces, = 0 o v = 0
V
.
4. (1)v = v, para todo v V .
5. (v w) = v w, para todo K, v, w V .
6. ( )v = v v, para todo , K, v V .
Denicion. Sea V un espacio vectorial sobre K. Sea v V . Sean v
1
, v
2
, . . . , v
m
V .
Se dice que v es una combinacion lineal (c. l.) de los vectores v
1
, v
2
, . . . , v
m
, si y solo si,
existen
1
,
2
, . . . ,
m
K tales que:
v =
1
v
1
+
2
v
2
+ +
m
v
m
Ejemplos.
1. Sea V = R
2
e.v. real. El vector (4, 2) es combinacion lineal de los vectores (1, 5) y
(2, 4) ya que (4, 2) =
10
3
(1, 5) +
_
11
3
_
(2, 4).
2. En el espacio vectorial real R
3
con las operaciones usuales, el vector (1, 1, 1) no es
combinaci on lineal de los vectores (1, 2, 1) y (3, 1, 4). Ver ejercicios resueltos.
Algebra 27
2.2 Subespacios.
Denicion. Sea V un espacio vectorial sobre K y sea W un subconjunto no vaco de V .
Se dice que W es un subespacio de V , si y solo si, W es un espacio vectorial sobre K con
respecto a las operaciones de V restringidas a W.
Observacion. Sea V un espacio vectorial sobre K y sea W un subconjunto no vaco de
V .
Wes subespacio de V
_
_
0
V
W.
w + u W, w, u W.
w W, K, w W.
Notacion. W es subespacio de V se denotara: W V .
Nota: 0
V
y V son subespacios de V llamados subespacios triviales de V .
Ejemplos.
1. (1, 2) / R es un subespacio del espacio vectorial real R
2
con las operaciones
usuales.
2. El conjunto W = (x, y, z) R
3
/ x +y = 0 es un subespacio de R
3
. R
3
e.v. sobre
R con las operaciones usuales.
3. En V = M
n
(R) e.v. sobre R con las operaciones usuales. El conjunto S
n
de todas
las matrices simetricas de orden n sobre R es un subespacio de V .
4. Sea A una matriz (ja) de orden mn sobre R. El conjunto X R
n
/ A X
t
= 0
es un subespacio de R
n
.
5. En V = R[x] e.v. sobre R con las operaciones usuales, el conjunto W = ax
2
+bx +
c / a, b, c R es un subespacio de V .
Intersecci on de Subespacios.
Teorema. Sea V un espacio vectorial sobre K. Sean U y W subespacios de V . El conjunto
U W = v V / v U v W es un subespacio de V .
Nota: La interseccion de cualquier coleccion de subespacios de V es un subespacio de V .
Subespacio Generado.
Teorema. Sea V un espacio vectorial sobre K. Sean v
1
, v
2
, . . . , v
m
V . El conjunto de
todas las combinaciones lineales de los vectores v
1
, v
2
, . . . , v
m
es un subespacio de V .
28 Captulo 2
Tal subespacio se llama subespacio generado por los vectores v
1
, v
2
, . . . , v
m
y se denotara:
v
1
, v
2
, . . . , v
m
) o tambien v
1
, v
2
, . . . , v
m
)
Nota: v
1
, v
2
, . . . , v
m
) = a
1
v
1
+ a
2
v
2
+ +a
m
v
m
/ a
1
, a
2
, . . . , a
m
K.
Observaciones. Sea V un espacio vectorial sobre K.
1. 0
V
) = 0
V
2. Sea v V . El subespacio generado por v es v) = v / K.

3. Sea S un subconjunto no vaco de V . El conjunto de todas las combinaciones lineales
nitas de elementos de S es un subespacio de V .
Tal subespacio se denota S) y se le llama subespacio generado por S o subespacio
engendrado por S.
4. Sea S un subconjunto de V . S) es el subespacio mas peque no de V que contiene a
S como subconjunto.
5. V ) = V .
6. Se convendra que ) = 0
V
.
Suma de Subespacios.
Teorema. Sea V un espacio vectorial sobre K. Sean W y U subespacios de V . El conjunto
W + U denido por W +U = w + u / w W, u U es un subespacio de V .
El subespacio W + U se llama subespacio suma entre W y U.
Observaciones. Sea V un espacio vectorial sobre K. Sean W, U y Z subespacios de V .
1. W U W + U.
2. W W +U; U W +U.
Nota. W +U es el subespacio mas peque no que contiene a W y a U.
3. W +U = W U ).
Nota. La union de dos subespacios de V no siempre es un subespacio de V .
4. Sea v V . Se tiene que: v W +U ( w W), ( u U) : v = w +u.
5. W +U + Z = w + u + z / w W, u U, z Z es un subespacio de V .
Algebra 29
Suma directa de subespacios.
Denicion. Sea V un espacio vectorial sobre K. Sean W y U subespacios de V . V es
suma directa entre los subespacios W y U, si y solo si, V = W + U y W U = 0
V
.
Notacion. V es suma directa entre W y U se denotara: V = W U.
Ejemplos.
1. Considerar R
2
e.v. sobre R con las operaciones usuales. R
2
es suma directa de los
subespacios W = (1, 2)) y U = (1, 1)). Es decir, R
2
= (1, 2)) (1, 1)). Ver
ejercicios resueltos.
2. V = R
3
e.v. sobre R con las operaciones usuales es suma directa de los subespacios
W = (1, 0, 0)) y U = (x, y, z) V / x +y = 0. Ver ejercicios resueltos.
2.3 Dependencia e Independencia lineal de vectores.
Sea V un espacio vectorial sobre K. Sea v
1
, v
2
, . . . , v
m
un subconjunto de V . Existe al
menos una combinaci on lineal de los vectores v
1
, v
2
, . . . , v
m
que genera al vector 0
V
, por
ejemplo la llamada combinaci on trivial: 0v
1
+ 0v
2
+ + 0v
m
= 0
V
.
Denicion. Sea V un espacio vectorial sobre K. Sea v
1
, v
2
, . . . , v
m
un subconjunto
de V . El conjunto v
1
, v
2
, . . . , v
m
es linealmente dependiente (l.d.), si y solo si, existen
escalares
1
,
2
, . . . ,
m
en K no todos nulos tales que
1
v
1
+
2
v
2
+ +
m
v
m
= 0
V
.
Nota. En caso contrario, el conjunto v
1
, v
2
, . . . , v
m
es linealmente independiente (l.i.).
Denicion. Sea V un espacio vectorial sobre K. Sea v
1
, v
2
, . . . , v
m
un subconjunto de
V . El conjunto v
1
, v
2
, . . . , v
m
es linealmente independiente, si y solo si,
si
1
v
1
+
2
v
2
+ +
m
v
m
= 0
V
, entonces,
1
=
2
= =
m
= 0
Observaciones.
1. El conjunto v
1
, v
2
, . . . , v
m
es linealmente dependiente, si y solo si, existe una com-
binacion lineal no trivial de los vectores v
1
, v
2
, . . . , v
m
V
.
2. El conjunto v
1
, v
2
, . . . , v
m
es linealmente independiente, si y solo si, la unica com-
binacion lineal de los vectores v
1
, v
2
, . . . , v
m
V
, es la trivial.
3. Se dira indistintamente que el conjunto v
1
, v
2
, . . . , v
m
es linealmente dependiente
(/linealmente independiente) o que los vectores v
1
, v
2
, . . . , v
m
son linealmente depen-
dientes (/linealmente independientes).
30 Captulo 2
Ejemplos.
1. Considerar R
2
e.v. sobre R con las operaciones usuales.
El conjunto (1, 2), (2, 4) es linealmente dependiente ya que: 2(1, 2) + 1(2, 4)
= (0, 0). En cambio el conjunto (1, 3), (1, 0) es linealmente independiente ya que:
si a(1, 3) + b(1, 0) = 0 se tiene que a = 0 y b = 0.
2. En R
2
[x] e.v. sobre Rcon las operaciones usuales, el conjunto 1, 1x es linealmente
independiente. En efecto, si a 1 + b (1 x) = 0 entonces a + b = 0 y b = 0, por
lo tanto a = b = 0.
Propiedades.
1. Todo conjunto que contiene al vector 0
V
es linealmente dependiente.
En particular 0
v
es linealmente dependiente.
2. Todo superconjunto de un conjunto linealmente dependiente, es linealmente depen-
diente.
3. Todo subconjunto de un conjunto linealmente independiente, es linealmente indepen-
diente.
4. Sea v V , v ,= 0
V
. El singleton v es linealmente independiente.
Ejercicio. Sea V un espacio vectorial sobre Ky sea u, v un subconjunto de V linealmente
independiente. Probar que el conjunto u, u + v es linealmente independiente.
Nota. Resulta familiar el lenguaje de vectores en la geometra analtica o de coordenadas, en el plano R
2
y en el espacio R
3
, ambos e.v. reales. Los vectores en el plano R
2
son los pares ordenados de n umeros
reales, y en el espacio R
3
son las ternas ordenadas de n umeros reales, siendo el vector cero representado
por el origen O del sistema. En cada uno de estos espacios se consideran las operaciones usuales, la adicion
y la multiplicacion escalar.
Considerar el e.v. real V = R
2
o V=R
3
. Sean u, v V representados geometricamente por los puntos que
denotaremos tambien por u y v respectivamente. Geometricamente:
1. El vector u + v se representa por el punto: un vertice del paralelogramo cuyos vertices son O
V
,
u, u +v y v.
2. Sea v V y R, el vector v se representa por un punto de la recta generada por el vector v.
Si v = (a, b) R
2
y un n umero real (escalar), geometricamente el vector v es el vector (a, b).
Si v = (a, b, c) R
3
, geometricamente el vector v es el vector (a, b, c).
Ejercicio.
Dados los vectores u = (1, 3), v = (2, 5), w = (1, 1) en el espacio vectorial R
2
. (a) Representar
Algebra 31
geometricamente: u + v; u v; 2u, u + 2w; u + v + w. (b) Mostrar geometricamente que:
3(u +v) = 3u + 3v, 2(u w) = 2u + 2w.
Dados los vectores u = (1, 0, 0), v = (0, 1, 0), w = (0, 0, 1) en el espacio vectorial R
2
. (a) Representar
geometricamente: u + v, u v, u + w, 3u v. (b) Determinar geometricamente u + v + w, y a
que punto corresponde.
Observaciones: Sean u, v en V, v ,= 0
V
. Se tiene que:
1. u < v > O
V
, u, v son colineales.
2. u < v > u y v son linealmente dependientes.
3. Si u ,= 0
V
, entonces [ u < v >, si y solo si, < u >=< v >].
4. Si u, v es linealmente independiente, al subespacio < u, v > se le llama plano generado por u y v.
2.3.1 Bases y dimension de un espacio vectorial.
Denicion. Sea V un espacio vectorial sobre K. Sea B un subconjunto de V .
El conjunto B es una base de V , si y solo si, B es linealmente independiente y B genera al
espacio vectorial V .
Nota. Sea V un espacio vectorial sobre K, V ,= 0
V
. Se dice que V es un espacio vectorial
de dimension nita sobre K, si y solo si, existe una base B de V tal que B es un conjunto
nito.
En caso contrario se dice que V tiene dimension innita.
Notacion. Generalmente se denota dim
K
V < en caso que V sea un espacio vectorial
de dimension nita, y dim
K
V = si la dimension de V sobre K es innita.
Nota: Se convendr a que es una base para el espacio 0
V
.
Ejemplos.
1. Considerar V = R
2
espacio vectorial real con las operaciones usuales.
El conjunto (1, 0), (0, 1) es una base de V ya que es linealmente indepen-
diente y para todo (a, b) V se tiene que (a, b) = a(1, 0) + b(0, 1), es decir
(1, 0), (0, 1) ) = V .
El conjunto (1, 3), (1, 1) es otra base de V . Comprobarlo.
El conjunto (1, 2), (3, 6) no es una base de V puesto que es linealmente
dependiente. Notar que 3(1, 2) + 1(3, 6) = (0, 0).
32 Captulo 2
2. El conjunto D = (1, 0, 1), (1, 2, 4), (0, 3, 1) es una base del espacio vectorial real
R
3
. Comprobarlo.
3. El conjunto 1, i es una base del espacio vectorial real C con las operaciones usuales.
Notar que C = a + bi / a, b R.
4. El conjunto 1 es una base del espacio vectorial real R. El conjunto 3 es otra
base para este espacio vectorial.
5. El conjunto e
1
= (1, 0, . . . , 0), e
2
= (0, 1, . . . , 0), . . . , e
n
= (0, 0, . . . , 1) es una base
para el espacio vectorial K
n
sobre K, donde K = R o K = C. Tal base es llamada
la base canonica de K
n
.
Teorema. Sea V un espacio vectorial sobre K. Sea G = v
1
, v
2
, . . . , v
m
un subconjunto
nito de V . Si el conjunto G genera al espacio vectorial V , entonces, todo conjunto de
vectores de V linealmente independiente es nito y tiene a lo mas m vectores.
Corolario. Sea V un espacio vectorial sobre K de dimension nita. Dos bases cua-
lesquiera de V tienen el mismo n umero de vectores.
Nota. Sea V un espacio vectorial sobre K de dimension nita. Sea B una base de V tal
que #(B) = n. Luego, toda base de V tiene n vectores.
Denicion. Sea V un espacio vectorial sobre K de dimension nita. La dimension de V
sobre K es n, si y solo si, existe un base B del espacio V tal que #(B) = n.
Notacion. Se denotara dim
K
V = n. En tal caso, toda base de V tiene n vectores.
Nota. En nuestro curso solo trabajaremos con espacios vectoriales reales de dimension
nita.
Observacion. Sea V un espacio vectorial sobre K, dim
K
V = n. Sea v
1
, v
2
, . . . , v
n
un subconjunto de V . Se tiene que, v

1
, v
2
, . . . , v
n
es una base de V , si y solo si,
v
1
, v
2
, . . . , v
n
es linealmente independiente, y
Para todo v V existen escalares
1
,
2
, . . . ,
n
tal que v =
1
v
1
+
2
v
2
+ +
n
v
n
.
Ejemplos.
1. dim
R
R = 1 ya que 1 es una base del espacio vectorial real R.
2. dim
R
R
2
= 2. En efecto, el conjunto B = (1, 0), (0, 1) es una base de R
2
.
3. dim
R
M
mn
(R) = mn. En particular, dim
R
M
23
(R) = 6.
Algebra 33
4. dim
R
(R
n
[x]) = n + 1, donde R
n
[x] = p(x) R[x] / grado(p(x)) n 0. Una
base para este espacio es el conjunto 1, x, . . . , x
n
.
En particular, dim
R
(R
2
[x]) = 3, donde una base de R
2
[x] = ax
2
+bx+c / a, b, c R
es el conjunto x
2
, x, 1.
Lema. Sea V un espacio vectorial sobre K. Sea L un subconjunto de V linealmente
independiente. Sea v V . Si v , L), entonces L v es linealmente independiente.
Nota: El lema anterior permite construir bases de un espacio vectorial.
Ejemplo. Determinar un vector v R
2
tal que B = (1, 5), v sea una base del espacio
vectorial real R
2
con las operaciones usuales.
Como dim
R
R
2
= 2 se tiene que toda base de R
2
tiene dos vectores.
El conjunto (1, 5) es linealmente independiente.
Sea u un vector que no pertenece al subespacio generado por el vector (1, 5). Por
ejemplo, considerar u = (1, 0). Sea B = (1, 5), (1, 0).
Como B es linealmente independiente, y B) = V . Luego B es una base de V .
Observaciones. Sea V un espacio vectorial sobre K de dimension nita.
1. Sea L un subconjunto de V . Si L es linealmente independiente, entonces, L es nito
y es parte de alguna base de V .
Es decir, todo subconjunto de V linealmente independiente se puede completar a una
base de V .
2. Sea dim
K
V = n.
Si L es un subconjunto de V linealmente independiente entonces #(L) n.
Sea G un subconjunto nito de V . Si G) = V , entonces #(G) n.
3. Sea v
1
, v
2
, . . . , v
m
un subconjunto de V . Si v
m
v
1
, v
2
, . . . , v
m1
) entonces:
v
1
, v
2
, . . . , v
m
es linealmente dependiente, y
v
1
, v
2
, . . . , v
m
) = v
1
, v
2
, . . . , v
m1
).
4. Sea G un subconjunto de V tal que G) = V . Existe una base B de V tal que B es
subconjunto de G.
5. Sea W V . Todo conjunto que genera a W, contiene un subconjunto (al menos uno)
que es una base de W.
34 Captulo 2
6. Sea W un subespacio de V . Se tiene que: dim
K
W es nita y dim
K
W dim
K
V .
7. Sean W y U subespacios de V . Si B es una base de W y ( es una base de U entonces
W +U = B ().
8. Sea W V , W ,= 0
V
. Existe al menos un subespacio U de V tal que V = W U.
Nota. Se convendr a que dim
K
0
V
= 0.
Teorema. Sea V un espacio vectorial sobre K de dimension nita. Sea dim
K
V = n. Sea
v
1
, v
2
, . . . , v
n
un subconjunto de V . Son equivalentes:
1. v
1
, v
2
, . . . , v
n
es linealmente independiente.
2. v
1
, v
2
, . . . , v
n
) = V .
3. v
1
, v
2
, . . . , v
n
es una base de V .
Ejemplo. Considerar W = (x, y) V / x 2y = 0 subespacio del espacio vectorial real
V = R
2
. Determinar una base de W, dim
R
W y un subespacio de V tal que V = W U.
Como W = (x, y) V / x 2y = 0 = (x, y) V / x = 2y = (2, 1)), luego una base
de W es el conjunto (2, 1) y dim
R
W = 1.
Un subespacio U de V tal que V = W U es U = (1, 1)).
Teorema. Sea V un espacio vectorial sobre K de dimension nita, y sean U y W sube-
spacios de V . Se tiene que:
dim
K
(U + W) = dim
K
U + dim
K
W dim
K
(U W)
Nota. V = U W, si y solo si, dim
K
V = dim
K
U + dim
K
W.
Coordenadas.
Sea V un espacio vectorial sobre K, tal que dim
K
V = n, (n 1). Sea B = v
1
, v
2
, . . . , v
n
una base de V sobre K. Para cada v V , existen unicos

1
,
2
, . . . ,
n
en K tales que
v =
1
v
1
+
2
v
2
+ +
n
v
n
Denicion. Sea B = v
1
, v
2
, . . . , v
n
una base ordenada
1
de V sobre K. Sea v V y
sean
1
,
2
, . . . ,
n
K tales que v =
1
v
1
+
2
v
2
+ +
n
v
n
.
1
Se dira que B es base ordenada cuando se considera a los vectores de B en un orden determinado.
Algebra 35
Los escalares ( unicos)
1
,
2
, . . . ,
n
se llaman las coordenadas del vector v en la base
ordenada B.
El vector columna
_
_
_
_
_
_
2
.
.
.
n
_
_
_
_
_
_
es el vector coordenado de v en la base ordenada B.
Notacion. El vector coordenado de v en la base ordenada B del espacio V se denotara [v]
B
.
Observaciones. Sea V un espacio vectorial sobre K, dim
K
V = n. Sea B una base de V .
1. Las coordenadas de un vector en la base ordenada B de V , son unicas.
2. El vector coordenado de un vector en la base ordenada B de V es unico.
3. Sean u, v V . Se tiene que:
[u + v]
B
= [u]
B
+ [v]
B
y [v]
B
= [v]
B
, para todo K
2.4 Ejercicios Resueltos
1. Considerar V = R
2
espacio vectorial sobre R. Probar que el vector (4, 2) es
combinacion lineal de los vectores (1, 5) y (2, 4).
Demostracion.
Existen a, b R: (4, 2) = a(1, 5) + b(2, 4) ya que el sistema
a + 2b = 4
5a + 4b = 2
es consistente.
Resolviendo el sistema se obtiene: a = 2, b = 3. Luego (4, 2) = 2(1, 5)+3(2, 4).
2. Probar que W = (1, 2) / R es un subespacio de R
2
, donde R
2
espacio
vectorial real con las operaciones usuales.
Demostracion.
(0, 0) = 0(1, 2). Luego (0, 0) W.
(1, 2) + (1, 2) = ( + )(1, 2), , R. Luego w + u W, w, u W.
((1, 2)) = ()(1, 2), R. Luego w W, R, w W.
Por lo tanto W es subespacio de R
2
.
36 Captulo 2
3
con las operaciones usuales, sean u = (1, 1, 1),
v = (1, 2, 1) y w = (3, 1, 4).
(a) Probar que u no es combinacion lineal de los vectores v y w.
(b) Determinar la o las condiciones que deben satisfacer x, y, z para que (x, y, z)
pertenezca a v, w).
Respuesta.
(a) u es combinacion lineal de los vectores v y w, si y solo si, existen a, b R tal
que u = av + bw.
Como el sistema
a + 3b = 1
2a b = 1
a + 4b = 1
no es consistente. Comprobarlo.
Luego no existen a, b R tal que (1, 1, 1) = a(1, 2, 1) + b(3, 1, 4).
(b) Sea (x, y, z) R.
(x, y, z) v, w) a, b R : (x, y, z) = a(1, 2, 1) + b(3, 1, 4)
el sistema
a + 3b = x
2a b = y
a + 4b = z
es consistente
Como
_
_
_
1 3 x
2 1 y
1 4 z
_
_
_
f
_
_
_
1 3 x
0 1 z x
0 0 9x +y + 7z
_
_
_.
Luego, (x, y, z) v, w ) 9x + y + 7z = 0.
4. Considerar R
2
espacio vectorial sobre R con las operaciones usuales. Probar que R
2
es suma directa de los subespacios W = (1, 2)) y U = (1, 1)).
Demostracion.
Sea (a, b) R
2
.
(a, b) W + U (x, y R) : (a, b) = x(1, 2) + y(1, 1)
x y = a
2x + y = b
es consistente.
Como
_
1 1 a
2 1 b
_
f
_
1 1 a
0 3 b 2a
_
se tiene que el sistema es consistente
para todo a, b R.
De donde y =
(b2a)
3
, x =
(a+b)
3
. Es decir:
v = (a, b) R
2
, w =
a+b
3
(1, 2) W, u =
b2a
3
(1, 1) U: v = w + u.
Algebra 37
Sea z R
2
.
z W U z W z U
z = a(1, 2) = b(1, 1), para alg un a, b R
Como el sistema homogeneo
a + b = 0
2a b = 0
tiene solucion unica ya que
1 1
2 1
,= 0, luego, tiene solo la solucion trivial
a = 0, b = 0, por ser homogeneo. Por lo tanto W U = (0, 0).
Por lo tanto, R
2
= W U.
5. Considerar el espacio vectorial real V = R
3
. Sean U = (x, y, z) V / x 2y = 0,
W = (x z, x y, z y) V / x, y, z R subespacios de V .
(a) Determinar una base para el subespacio W.
(b) Determinar U W.
Respuesta.
(a) El conjunto ( = (1, 1, 0), (0, 1, 1), (1, 0, 1) genera al subespacio W.
Justicar!.
Determinaremos si ( es o no linealmente independiente.
Sean a, b, c R: a(1, 1, 0) + b(0, 1, 1) + c(1, 0, 1) = (0, 0, 0).
Como,
a c = 0
a b = 0
b + c = 0
= b = c a = c,
se tiene que (1, 1, 0), (0, 1, 1), (1, 0, 1) es linealmente dependiente.
Vericar! que dim
R
(W) = 2, donde una base para W es el conjunto:
(1, 1, 0), (0, 1, 1).
(b) Sea (x, y, z) R
3
tal que (x, y, z) U W.
(x, y, z) U x 2y = 0.
(x, y, z) W a, b R : a(1, 1, 0) + b(0, 1, 1) = (x, y, z)
a = x
a b = y
b = z
es consistente x y +z = 0.
(x, y, z) U W
x 2y = 0
x y + z = 0
x = 2y z = y.
Luego, U W = (2y, y, y) / y R = (2, 1, 1))
38 Captulo 2
6. Sea A = (1, 2, 0), (1, 3, 1), (0, 1, 1) subconjunto del espacio vectorial real R
3
.
(a) Determinar si A es linealmente independiente.
(b) Determinar una base para el subespacio A).
Respuesta.
(a) Sean a, b, c R tal que: a(1, 2, 0) + b(1, 3, 1) + c(0, 1, 1) = (0, 0, 0).
Para determinar si A es linealmente independiente hay que resolver el sistema
homogeneo:
a + b = 0
2a + 3b c = 0
b c = 0
Como
_
_
_
1 1 0 0
2 3 1 0
0 1 1 0
_
_
_
f
_
_
_
1 1 0 0
0 1 1 0
0 1 1 0
_
_
_
f
_
_
_
1 1 0 0
0 1 1 0
0 0 0 0
_
_
_
se tiene que: b = c y a = b. Por lo tanto a = b y c = b.
Luego A es linealmente dependiente.
(b) Para b = 1 se tiene que 1(1, 2, 0) + 1(1, 3, 1) + 1(0, 1, 1) = (0, 0, 0).
Por lo tanto, (0, 1, 1) = 1(1, 2, 0) 1(1, 3, 1), por ejemplo.
Luego: A) = (1, 2, 0), (1, 3, 1)).
Como (1, 2, 0), (1, 3, 1) es linealmente independiente (comprobarlo) se tiene
que dim
R
A) = 2 y (1, 2, 0), (1, 3, 1) es una base de W.
7. Sea R
3
espacio vectorial sobre R con las operaciones usuales. Considerar los sube-
spacios de W = (x, y, z) / y z = 0 y U = (1, 1, 0), (1, 1, 2)) de R
3
.
(a) Determinar una base para W y la dimension de W sobre R.
(b) Determinar W U.
(c) Determinar W + U.
Respuesta.
(a) W = (x, y, y) / x, y R = (1, 0, 0), (0, 1, 1)).
Como B = (1, 0, 0), (0, 1, 1) es linealmente independiente (comprobarlo) y gen-
era al subespacio W. Se tiene que B es una base de W y dim
R
W = 2.
Algebra 39
(b) Sea (x, y, z) R
3
. Caracterizaremos el subespacio U.
(x, y, z) U a, b R : (x, y, z) = a(1, 1, 0) + b(1, 1, 2)
a b = x
a + b = y
2b = z
es consistente
rango
_
_
_
1 1
1 1
0 2
_
_
_ = rango
_
_
_
1 1 x
1 1 y
0 2 z
_
_
_
Como,
_
_
_
1 1 x
1 1 y
0 2 z
_
_
_
f
_
_
_
1 1 x
0 2 y x
0 2 z
_
_
_
f
_
_
_
1 1 x
0 2 y x
0 0 z y + x
_
_
_
Luego: (x, y, z) Ux y + z = 0
Por lo tanto:
(x, y, z) W U y z = 0, y x y + z = 0
y z = 0
x y + z = 0
y = z y x = 0
Luego, W U = (0, y, y) / y R = (0, 1, 1)).
(c) Como W = (x, y, y) / x, y R = (1, 0, 0), (0, 1, 1)) y U = (1, 1, 0), (1, 1, 2))
se tiene que:
W + U = (1, 0, 0), (0, 1, 1), (1, 1, 0), (1, 1, 2))
Como
_
_
_
_
_
1 0 0
0 1 1
1 1 0
1 1 2
_
_
_
_
_
f
_
_
_
_
_
1 0 0
0 1 1
1 1 0
0 1 2
_
_
_
_
_
f
_
_
_
_
_
1 0 0
0 1 1
0 0 1
0 0 1
_
_
_
_
_
f
_
_
_
_
_
1 0 0
0 1 1
0 0 1
0 0 0
_
_
_
_
_
Luego dim
R
(W + U) = 3, por lo tanto W + U = R
3
.
Nota. R
3
no es suma directa entre los subespacios W y U.
8. Sea A = (1, 2, 3, 1), (1, 0, 1, 1), (0, 1, 1, t) subconjunto del espacio vectorial real R.
(a) Determinar el o los valores reales de t R tal que A sea linealmente independi-
ente.
(b) Para t = 1, determinar la dimension del subespacio generado por A.
Respuesta.
40 Captulo 2
(a) A = (1, 2, 3, 1), (1, 0, 1, 1), (0, 1, 1, t) es l.i. rango
_
_
_
1 2 3 1
1 0 1 1
0 1 1 t
_
_
_ = 3
Como,
_
_
_
1 2 3 1
1 0 1 1
0 1 1 t
_
_
_
_
_
_
1 2 3 1
0 2 2 2
0 1 1 t
_
_
_
_
_
_
1 2 3 1
0 1 1 1
0 0 0 t + 1
_
_
_
Luego, A = (1, 2, 3, 1), (1, 0, 1, 1), (0, 1, 1, t) es l.i. t ,= 1.
(b) Para t = 1, dim
R
A) = 2.
9. Considerar V = R
3
espacio vectorial real con las operaciones usuales. Sea B =
(1, 0, 1), (1, 2, 4), (0, 3, 1) un subconjunto de V .
(a) Probar que B es una base de V .
(b) Calcular las coordenadas del vector (1, 0, 0) en la base B.
Respuesta.
(a) Sea a(1, 0, 1) + b(1, 2, 4) + c(0, 3, 1) = (0, 0, 0). Luego:
a b = 0
2b + 3c = 0
a + 4b + c = 0
Como
1 1 0
0 2 3
1 4 1
= 13 ,= 0, el sistema tiene solo la solucion trivial.
Por lo tanto B es linealmente independiente.
Como dim
R
V = 3 y B es l.i. se tiene que B es una base de V .
(b) Sean a, b y c las coordenadas de (1, 0, 0) en la base ordenada B de V . Es decir:
a(1, 0, 1) + b(1, 2, 4) + c(0, 3, 1) = (1, 0, 0)
Resolviendo el sistema
a b = 1
2b + 3c = 0
a + 4b + c = 0
se obtiene que: a =
10
13
, b =
3
13
, c =
2
13
.
Luego [(1, 0, 0)]
B
=
_
_
_
10
13
3
13
2
13
_
_
_.
Algebra 41
2.5 Ejercicios
Nota. En caso que no se especiquen las operaciones de un espacio vectorial se supondran
las operaciones usuales.
1. Considerar V = R
2
. Determinar si V es un espacio vectorial con las operaciones
de adicion y la multiplicaci on por escalar (no usuales) denidas en cada uno de los
siguientes ejercicios:
(a) (a, b) + (c, d) = (a + c, b + d), (a, b) = (a, b), R.
(b) (x
1
, x
2
) + (y
1
, y
2
) = (x
1
+ y
1
, x
2
+ y
2
), (x
1
, x
2
) = (x
1
, 0), R.
2. Sean u = (2, 5, 0, 1), v = (3, 3, 1, 1) y w = (1, 1, 1, 1) vectores en R
4
, R
4
e. v.
sobre R con las operaciones usuales. Calcular:
(a) u + 5v (b) 2v w (c) 3u + v w (d) 2u 3v + 5w
3. Determinar todos los x, y, z R tal que: 2(x + y, 3, 4) 5(2, z, 3) + (1, 2, x y) =
(1, 2, 3).
2
con las operaciones usuales:
(a) Determinar si (1, 5) es combinaci on lineal de los vectores u = (1, 4), y v =
(2, 3).
(b) Determinar las condiciones para x e y, tales que (x, y) sea combinaci on lineal de
(1, 2), (3, 6).
5. Determinar si (2, 1, 3) es combinacion lineal de los vectores (1, 1, 1), (1, 1, 0), (1, 0, 1)
en el espacio vectorial real R
3
.
6. Sea V = R
2
e.v sobre R con las operaciones usuales. Sean u = (1, 3), v = (1, 5)
V . Calcular, si es que existen:
(a) R : u v = (0, 0).
(b) R : u + 3v = (1, 5).
(c) , R : u + v = (0, 0) y 3u 2v = (1, 5).
7. Determinar las condiciones para a, b, c tal que el vector (a, b, c) sea combinaci on lineal
de (1, 1, 1), (1, 2, 3), (2, 3, 4).
8. Determinar las condiciones que deben satisfacer x, y, z, w para que (x, y, z, w) sea
combinacion lineal de (1, 0, 1, 0), (1, 1, 1, 1), (2, 2, 1, 2), (0, 1, 0, 0) en el espacio R
4
.
42 Captulo 2
9. Sea V = R
3
e.v sobre R con las operaciones usuales. Determinar, en cada caso, si W
es subespacio de V .
(a) W = (x, y, z) V / x = y = z
(b) W = (x, y, z) V / x + y = 0 y 2x y = 0
(c) W = (x, y, z) V / [x[ = [y[ = [z[
10. Sea V = M
2
(R) espacio vectorial sobre R con las operaciones usuales. Determinar,
en cada caso si W es subespacio de V .
(a) W = A V / det(A) = 0
(b) W = A V / A
t
= A
(c) W = A V / A
2
= A
11. Sea A =
_
_
_
1 1
5 0
2 0
_
_
_ una matriz de orden 3 2.
Probar que W = X M
21
(R) / AX = 0 es subespacio de M
21
(R).
12. Sean U = (a, b) R
2
/ a + b = 0 y W = (a, 0) / a R subespacios de R
2
.
(a) Determinar si (2, 1) es un elemento de U W.
(b) Caracterizar los elementos de U W.
(c) Determinar U +W.
13. Considerar V = R
2
espacio vectorial sobre R. Sean W = (x, y) V / x 3y = 0
y U = (x y, y x) / x, y R subespacios de V .
(a) Determinar un conjunto G nito, tal que G) = V .
(b) Determinar W U.
(c) Sea v V , determinar w W, u U tal que v = w + u.
14. Caracterizar los siguientes subespacios de R
3
, es decir determinar la o las condiciones
sobre x, y, z tal que (x, y, z) pertenezca al subespacio correspondiente.
(a) U = (x + y z, x y, 2y z) / x, y, z R.
(b) W = (1, 2, 3), (1, 1, 8))).
15. Determinar si los subespacios (1, 0, 1), (1, 1, 0)) y (2, 0, 2), (
1
2
,
1
2
, 0)), son
iguales.
16. Determinar la o las condiciones que deben satisfacer a, b, c, si fuere posible para que el
vector (a, b, a +c, b c) (1, 2, 1, 1), (1, 0, 1, 0), (2, 2, 2, 0), (3, 2, 3, 0)) subespacio
de R
4
.
Algebra 43
17. Sean U = (a, b, c) R
3
/ a = b = c y W = (1, 0, 0), (0, 1, 0)) subespacios de R
3
.
(a) Determinar si (1, 1, 1) U W.
(b) Caracterizar el subespacio W.
(c) Determinar un vector u U (si es que existe) tal que el vector u(1, 0, 3) W.
18. Sean W = (x+y, xz, y+z) / x, y, z R y U = (0, 1, 1), (2, 0, 1)) subespacios
de R
3
. Determinar la dimension del subespacio W U.
19. Considerar los siguientes sistemas:
2x + y = 0
3x y = 0
x + 2y + 2z s = 0
x + 2y + 3z + s = 0
3x + 6y + 8z + s = 0
Sean U y W los conjuntos soluciones de cada uno de ellos en el espacio R
4
. Probar
que U y W son subespacios de R
5
, y deteminar una base para cada uno.
20. Determinar si los siguientes conjuntos de vectores son linealmente independientes, en
el espacio vectorial correspondiente:
(a) (1, 2), (2, 0), (2, 1) en R
2
.
(b) (1, 2, 1), (1, 3, 4), (1, 0, 1) en R
3
.
(c) (1, 1, 0, 1), (1, 0, 1, 0), (1, 0, 1, 1) en R
4
.
(d)
__
1 2 4
3 0 1
_
,
_
2 4 8
6 0 2
__
en M
23
(R).
21. Calcular el o los valores de k de modo que los vectores (1, 2, k), (0, 1, k 1), (3, 4, 3)
sean linealmente dependientes en el espacio vectorial R
3
.
22. Determinar si B = (1, 1, 0), (1, 0, 1), (0, 1, 1) es base de R
3
.
23. Extender el conjunto dado a una base del espacio correspondiente, si fuere posible.
(a) (1, 2, 3) a una base de R
3
.
(b) (1, 2, 1), (0, 1, 2) a una base de R
3
.
24. Determinar una base para cada subespacio:
(a) W = (x, y) R
2
/ x + y = 0 subespacio de R
2
.
(b) (x, y, z) R
3
3
.
(c) (x, y, z) R
4
4
.
25. Sea W = (x, y, z) R
3
/ x + y + z = 0 subespacio de R
3
.
44 Captulo 2
(a) Determinar si B = (1, 1, 0), (1, 1, 2) es base de W.
(b) Hallar dos bases B
1
y B
2
de W tales que B
1
B
2
= .
(c) Hallar dos bases de W tales que su interseccion sea (1, 2, 1).
26. Sean W = (x, y, z) R
3
/ x = y = z y U = (1, 2, 1), (2, 0, 4), (1, 2, 5))
subespacios de R
3
.
(a) Determinar si el vector (1, 1, 4) W U.
(b) Hallar una base para W.
(c) Hallar una base para U.
(d) Determinar la dimension de U, de W, de U W y de U + W.
27. Hallar la dimension y una base para el espacio solucion W del sistema en R
5
:
x + 2y + 2z s + 3t = 0
3x + 6y + 8z + s + 5t = 0
x + 2y + 3z + s + t = 0
28. Sea B = (1, 1, 1), (1, 1, 0), (1, 0, 0) una base de R
3
. En cada caso determinar el
vector coordenado de v en la base B.
(a) v = (4, 3, 2), (b) v = (1, 2, x), (c) v = (x, y, z).
29. Para que valores de k el conjunto (1 +k, 1, 1), (1, 1 +k, 1), (1, 1, 1 +k) es una base
de R
3
.
30. Sea / =
__
2 0
0 0
_
,
_
1 1
0 0
_
,
_
0 0
1 0
_
,
_
0 0
0 1
__
.
(a) Mostrar que / es una base del espacio vectorial real M
2
(R).
(b) Determinar el vector coordenado de
_
1 5
8 3
_
en la base / de V .
31. Sea B = u, v, w una base de V .
(a) Probar que ( = u, u + v, u + v + w es otra base de V .
(b) Determinar [u + v]
B
, [u + v]
(
, [u + 2w]
(
. [u v]
B
, [u v]
(
, [u + 2w]
B
Chapter 3
Transformaciones Lineales y
Matrices.
3.1 Transformaciones Lineales.
De entre las funciones que se denen entre espacios vectoriales (sobre un mismo cuerpo)
interesan las llamadas aplicaciones lineales o transformaciones lineales. Recordar que solo
trabajaremos con espacios vectoriales reales (K = R) de dimension nita sobre R.
Denicion. Sean V y W espacios vectoriales sobre K. Sea T : V W una funcion. T
es una transformacion lineal de V en W, si y solo si,
T(u + v) = T(u) + T(v), para todo u, v V
T( v) = T(v), para todo K, v V
Propiedades. Sea T : V W una transformacion lineal.
1. T(0
V
) = 0
W
.
2. T(v) = T(v), v V .
3. T(u v) = T(u) T(v), u, v V .
4. T(u + v) = T(u) + T(v), , K, u, v V .
5. T(
m
i=1
i
v
i
) =
m
i=1
i
T(v
i
),
1
,
2
, . . . ,
m
K, v
1
, v
2
, . . . , v
m
V .
45
46 Captulo 3
Teorema. (Construccion de transformaciones lineales).
Sean V y W dos espacios vectoriales sobre K, dim
K
V = n. Sea B = v
1
, v
2
, . . . , v
n
una base de V y sean w

1
, w
2
, . . . , w
n
n vectores cualesquiera de W. Existe una unica
transformacion lineal T : V W tal que
T(v
1
) = w
1
, T(v
2
) = w
2
, . . . , T(v
n
) = w
n
Nota: Con las notaciones del teorema anterior, si v =
1
v
1
+
2
v
2
+ +
n
v
n
es un vector
cualesquiera de V entonces T(v) =
1
w
1
+
2
w
2
+ +
n
w
n
.
Denicion. Sea T : V W una transformacion lineal.
1. Ker(T) = v V / T(v) = 0
W
es llamado el n ucleo de T.
2. Im(T) = w W / v V : T(v) = w es llamado el conjunto imagen de T.
Nota: Sea T : V W lineal. El conjunto imagen de T es Im(T) = T(v) / v V .
Teorema. Sea T : V W una transformacion lineal. Se tiene que Ker(T) es un sube-
spacio de V e Im(T) es un subespacio de W.
Observaciones. Sea T : V W una transformacion lineal.
1. A la dimension del subespacio Ker(T) se le llama nulidad de T y se le denota (T).
A la dimension del subespacio Im(T) se le llama rango de T y se le denota (T).
Es decir, (T) = dim
K
Ker(T) y (T) = dim
K
Im(T).
2. Sea dim
K
V = n y sea v
1
, v
2
, . . . , v
n
una base de V .
Se tiene que Im(T) = T(v
1
), T(v
2
), . . . , T(v
n
)). Por lo tanto (T) n.
Teorema. Sea T : V W una transformacion lineal y sea dim
K
V = n. Se tiene que
(T) + (T) = n
Teorema. Sea T : V W una transformacion lineal.
1. T es inyectiva (o T es 1-1), si y solo si, Ker(T) = 0
V
.
2. T es sobreyectiva (o T es sobre), si y solo si, Im(T) = W.
Algebra 47
Es decir, T es inyectiva si y solo si (T) = 0, y T es sobre si y solo si (T) = dim
K
W.
Nota. Se dice que T : V W es un isomorsmo, si y solo si, T es lineal y biyectiva.
Observaciones. Sea T : V W transformacion lineal.
1. Sea dim
K
V = n y sea B = v
1
, v
2
, . . . , v
n
una base de V .
(a) T es inyectiva, si y solo si, T(v
1
), T(v
2
), . . . , T(v
n
) es linealmente independiente
en W.
(b) T es sobre, si y solo si, T(v
1
), T(v
2
), . . . , T(v
n
) es un conjunto generador de
W.
(c) T es biyectiva, si y solo si, T(v
1
), T(v
2
), . . . , T(v
n
) es base de W.
2. Sean dim
K
V = n, dim
K
W = m.
(a) Si T es inyectiva entonces dim
K
V dim
K
W (o, n m).
(b) Si T es sobre entonces dim
K
V dim
K
W (o, n m).
(c) Si T es biyectiva, entonces, dim
K
V = dim
K
W (o, n = m).
3. Si dim
K
V = dim
K
W = n, se tiene que:
T es 1-1 T es sobre T es biyectiva.
Recuerdo. Sea f : X Y una funcion. Se tiene que f es invertible si y solo si f
es biyectiva, y a la inversa de f se le denota f
1
donde f
1
: Y X denida por
f
1
(y) = x f(x) = y.
Teorema. Sea T : V W un isomorsmo. Se tiene que T
1
: W V es un isomor-
smo.
Observaciones.
1. Sean T : V W y S : V W transformaciones lineales.
(a) La aplicacion T +S : V W denida por (T +S)(v) = T(v) +S(v), v V ,
es una transformacion lineal.
(b) La aplicacion T : V W, con K, denida por (T)(v) = T(v), v V
es una transformacion lineal.
2. Sean T : V W lineal y sea L : W U lineal. La aplicacion compuesta L T,
tal que L T : V U denida por (L T)(v) = L(T(v)), v V , es una
transformacion lineal.
48 Captulo 3
Ejemplo importante.
Considerar los espacios vectoriales reales M
n1
(R), M
m1
(R) de dimensiones n y m respec-
tivamente, y sea A una matriz de orden mn sobre R.
La aplicacion L
A
: M
n1
(R) M
m1
(R) denida por L
A
(X) = AX es lineal, y es tal
que:
1. (a) El n ucleo de L
A
= Ker(L
A
) = X M
n1
(R) / AX = 0 es el conjunto de
todas las soluciones del sistema homogeneo AX = 0.
(b) El conjunto de imagenes de L
A
= Im(L
A
) = AX / X M
n1
(R), es el
conjunto de todos los vectores Y M
m1
(R) tales que el sistema AX = Y es
consistente.
2. Llamaremos espacio nulo de A, al conjunto de todas las soluciones del sistema ho-
mogeneo AX = 0, es decir al Ker(L
A
), y llamaremos nulidad de A denotado (A), a
la dimension del espacio nulo de A.
3. Llamaremos espacio columna de A al espacio generado por las columnas de A. Notar
que el espacio columna de A es igual al espacio Im(L
A
) ya que
Im(L
A
) = AX / X M
n1
(R) = L
A
(e
t
1
), L
A
(e
t
2
), . . . , L
A
(e
t
n
))
donde e
t
1
=
_
_
_
_
_
_
1
0
.
.
.
0
_
_
_
_
_
_
, e
t
2
=
_
_
_
_
_
_
0
1
.
.
.
0
_
_
_
_
_
_
, . . . , e
t
n
=
_
_
_
_
_
_
0
0
.
.
.
1
_
_
_
_
_
_
.
Notar que L
A
(e
t
1
) = Ae
t
1
= primera columna de A, L
A
(e
t
2
) = Ae
t
2
= segunda columna
de A, etc.
A la dimension del espacio columna de la matriz A se le llama rango de A, y se
denotara (A).
4. Sea A una matriz de orden mn. Se tiene que (A) +(A) = n umero de columnas
de A = n, ya que (L
A
) + (L
A
) = dim
R
M
n1
(R) = n.
Denicion. Sean V y W espacios vectoriales sobre K. Se dice que V y W son espacios
isomorfos, si y solo si, existe una aplicacion T : V W isomorsmo.
Notacion. V

= W denotara que V y W son espacios isomorfos.
Nota. Sean V y W espacios vectoriales sobre K de dimension nita. Se tiene que: V

= W,
si y solo si, dim
K
V = dim
K
W.
Algebra 49
Ejemplos.
1. M
2
(R)

= R
4
ya que dim
R
M
2
(R) = dim
R
R
4
= 4
2. R
2
[x] = a + bx + cx
2
/ a, b, c R

= R
3
, ya que dim
R
R
2
[x] = dim
R
R
3
= 3.
3. Sea W = A M
2
(R) / traza(A) = 0. Se tiene que W

= R
3
.
Nota. Sea V un espacio vectorial real. Si dim
R
V = n entonces V

= R
n
.
3.2 Matrices asociadas a una transformacion lineal.
Sea T : V W una transformacion lineal, donde V y W son espacios vectoriales
sobre K, dim
K
V = n, dim
K
W = m. Sean B = v
1
, v
2
, . . . , v
n
una base de V y
( = w
1
, w
2
, . . . , w
m
una base de W.
Luego:
T(v
1
) =
11
w
1
+
12
w
2
+ +
1m
w
m
T(v
2
) =
21
w
1
+
22
w
2
+ +
2m
w
m
.
.
.
.
.
.
.
.
.
T(v
n
) =
n1
w
1
+
n2
w
2
+ +
nm
w
m
con
ij
escalares del cuerpo K.
Considerar la matriz A =
_
_
_
_
_
_
11

21
. . .
n1
12

22
. . .
n2
.
.
.
.
.
.
.
.
.
1m

2m
. . .
nm
_
_
_
_
_
_
de orden mn sobre K.
Notar que: la 1
era
columna de A es [T(v
1
)]
(
, la 2
da
2
)]
(
, . . . , la n
esima
n
)]
(
.
Denicion. La matriz A de orden mn denida anteriormente se llama la matriz asoci-
ada a la transformacion lineal T con respecto a las bases B de V y ( de W respectivamente.
Notacion. A la matriz asociada a T con respecto a las bases B de V y ( de W respecti-
vamente, se le denotara [T]
(
B
.
Nota. Sea T : V W lineal, dim
K
V = n, dim
K
W = m, B una base de V , ( una base
de W. Se tiene que:
[T]
(
B
[v]
B
= [T(v)]
(
para todo v V
50 Captulo 3
Ejemplo Importante.
Considerar T : M
n1
(R) M
m1
(R) lineal. Sean B la base usual de M
n1
(R), ( la base
usual de M
m1
(R). Se tiene que:
A = [T]
(
B
T = L
A
dondeL
A
(X) = AX, para todo X M
n1
(R)
3.3 Matrices de cambio de base.
Sea V un espacio vectorial sobre K, dim
K
V = n, y sean B y ( dos bases de V . Considerar
la aplicacion identidad en V , id
V
: V V denida por id
V
(v) = v para todo v V ,
que es una transformacion lineal.
Denicion. La matriz [id
V
]
(
B
se llama matriz de cambio de base de V con respecto a
las bases B y ( de V .
Nota: [v]
(
= [id
V
]
(
B
[v]
B
, para todo v V .
Propiedades. Sea V un espacio vectorial sobre K, dim
K
V = n y sean B y ( dos bases
de V .
1. [id
V
]
(
B
es una matriz cuadrada de orden n.
2. [id
V
]
(
B
es invertible, donde
_
[id
V
]
(
B
_
1
= [id
V
]
B
(
.
3. [id
V
]
B
B
= I
n
.
3.4 Operadores lineales.
Denicion. Sean V un espacio vectorial sobre K. Se dice que T es un operador lineal
sobre V , si y solo si, T : V V es una transformacion lineal.
Observaciones. Sea T : V V lineal, dim
K
V = n. Sean B y ( dos bases de V y sea
A = [T]
(
B
.
1. A es una matriz cuadrada de orden n.
2. T es invertible, si y solo si, A es invertible.
Luego, T es invertible, si y solo si, det(A) ,= 0.
Algebra 51
3. Si T es invertible, entonces [T
1
]
B
(
= ([T]
(
B
)
1
= A
1
.
Nota. Nos interesara trabajar con matrices asociadas a un operador lineal T, considerando
la misma base B en el dominio y codominio de la funcion T, es decir [T]
B
B
, que tambien se
denotara [T]
B
.
Teorema. Sea T : V V lineal, dim
K
V = n. Sean B y ( dos bases de V . Se tiene que
[T]
(
(
= P
1
[T]
B
B
P, donde P = [id
V
]
B
(
3.5 Matrices semejantes (o matrices similares).
Denicion. Sean A y B matrices cuadradas de orden n sobre K. Las matrices A y B
son semejantes, si y solo si, existe una matriz P invertible tal que P
1
AP = B.
Notacion. A B denotara que A y B son semejantes.
La relacion de semejanza entre matrices es una relacion de equivalencia.
Observaciones.
1. Sea A una matriz de orden n. Se tiene que
B M
n
(K) / B A = P
1
AP / P invertible
es decir, P
1
AP A, para toda matriz P invertible.
2. Sean A y B matrices de orden n.
Si A B entonces tr(A) = tr(B).
Si A B entonces det(A) = det(B).
Nota. El recproco de cada una de estas armaciones no se cumple.
3. Sean A y B matrices de orden n. Sea f(x) = a
m
x
m
+ + a
1
x + a
0
un polinomio.
Si A B entonces f(A) f(B).
4. Sea T : V V lineal, B y ( dos bases de V . Se tiene que [T]
B
B
[T]
(
(
.
52 Captulo 3
3.6 Ejercicios Resueltos.
1. Sea T : R
2
R
3
denida por T(x, y) = (x + y, x y, x + 2y). Determinar:
(a) Una base para el n ucleo de T, y la nulidad de T.
(b) Una base para el conjunto imagen de T, y el rango de T.
Respuesta.
(a) Sea (x, y) R
2
.
Ker(T) = (x, y) R
2
/ T(x, y) = (0, 0, 0)
= (x, y) R
2
/ x + y = 0, x y = 0, x + 2y = 0
Como el sistema homogeneo
x + y = 0
x y = 0
x + 2y = 0
tiene solo la solucion trivial, luego Ker(T) = (0, 0).
Por lo tanto una base para Ker(T) es y (T) = 0.
(b) Im(T) = T(1, 0), T(0, 1)) = (1, 1, 1), (1, 1, 2)).
Notar que (1, 1, 1), (1, 1, 2) es linealmente independiente y genera a Im(T).
Luego (1, 1, 1), (1, 1, 2) es una base para Im(T). Por lo tanto (T) = 2.
2. Sea T : R
3
R
3
lineal denido por T(x, y, z) =
_
x+yz
3
,
x+yz
3
,
xy+z
3
_
para todo
(x, y, z) R
3
.
(a) Determinar el n ucleo de T y la nulidad de T.
(b) Determinar Im(T) y el rango de T.
Respuesta.
(a) (x, y, z) Ker(T)
x+yz
3
= 0
x+yz
3
= 0
xy+z
3
= 0
x + y z = 0 z = x + y
Luego Ker(T) = (x, y, x + y) / x, y R =< (1, 0, 1), (0, 1, 1) >
Por lo tanto (T) = dim
R
Ker(T) = 2.
(b) Im(T) = (
1
3
,
1
3
,
1
3
), (
1
3
,
1
3
,
1
3
), (
1
3
,
1
3
,
1
3
)) = (1, 1, 1))
Luego (T) = dim
R
Im(T) = 1.
3. Construir T : R
3
R
3
lineal e inyectiva tal que T(1, 1, 1) = (1, 0, 1).
Respuesta.
Algebra 53
Existe al menos una transformacion lineal 1-1 T : R
3
R
3
tal que T(1, 1, 1) =
(1, 0, 1).
Considerar B = (1, 1, 1), (0, 1, 0), (0, 0, 1) una base de R
3
. Comprobarlo.
Denir una transformacion lineal T : R
3
R
3
inyectiva, equivale a construir
una transformacion lineal T tal que los vectores T(1, 1, 1), T(0, 1, 0), T(0, 0, 1)
sean linealmente independiente.
Como T(1, 1, 1) = (1, 0, 1), denir por ejemplo T(0, 1, 0) = (1, 0, 0), T(0, 0, 1) =
(0, 1, 0).
Notar que (1, 0, 1), (1, 0, 0), (0, 1, 0) es linealmente independiente ya que
1 0 1
1 0 0
0 1 0
= 1 ,= 0
Sea (x, y, z) R
3
. Notar que:
(x, y, z) = x(1, 1, 1) + (y x)(0, 1, 0) + (z x)(0, 0, 1)
Por lo tanto T(x, y, z) = (y2x, zx, x) es una transformacion lineal inyectiva
tal que T(1, 1, 1) = (1, 0, 1).
4. Sea T : R
2
R
2
denido por T(x, y) = (x + y, 2x y). (a) Probar que T es un
isomorsmo (lineal y biyectiva) y, (b) Calcular T
1
(x, y).
Respuesta.
(a) T es lineal. Vericarlo.
Sea (x, y) R
2
.
(x, y) Ker(T) T(x, y) = (0, 0)
(x + y, 2x y) = (0, 0)
x + y = 0 2x y = 0
x = y = 0
Luego Ker(T) = (0, 0) y por lo tanto T es 1-1.
Como T es inyectiva se tiene que (T) = 0. Luego (T) = 2 = dim
R
R
2
.
Por lo tanto T es sobre.
Como T es inyectiva y sobre, se tiene que T es un isomorsmo.
(b) Sea (x, y) R
2
.
T
1
(x, y) = (z, u) T(z, u) = (x, y)
z + u = x 2z u = y
z =
x+y
3
u =
2xy
3
Luego T
1
(x, y) = (
x+y
3
,
2xy
3
).
54 Captulo 3
De otra forma. Considerar B = (1, 0), (0, 1) base canonica de R
2
.
La matriz de T en la base B de R
2
es [T]
B
B
=
_
1 1
2 1
_
.
Como det[T]
B
B
= 3, luego T es invertible y
([T]
B
B
)
1
=
_
1
3
1
3
2
3

1
3
_
= [T
1
]
B
B
Luego: [T
1
(x, y)]
B
=
_
1
3
1
3
2
3

1
3
__
x
y
_
=
_
x+y
3
2xy
3
_
Por lo tanto: T
1
(x, y) =
x+y
3
(1, 0) +
2xy
3
(0, 1) = (
x+y
3
,
2xy
3
)
De otra forma. Como T(1, 0) = (1, 2), T(0, 1) = (1, 1), luego T
1
es tal
que:
T
1
(1, 2) = (1, 0), T
1
(1, 1) = (0, 1)
Sea (x, y) R
2
. Notar que (x, y) =
x+y
3
(1, 2) +
2xy
3
(1, 1).
Por lo tanto T
1
(x, y) =
x+y
3
(1, 0) +
2xy
3
(0, 1) =
_
x+y
3
,
2xy
3
_
.
5. Sea T : R
3
R
3
la transformacion lineal denida por T(x, y, z) = (x +y +z, 2x +
2y, x + y z).
(a) Calcular, si es que existen, todos los (x, y, z) R tales que: T((1, 0, 0)
(x, y, z)) = (1, 0, 1).
(b) Calcular el n ucleo de (T) y el conjunto imagen de (T).
(c) Considerar las bases B = (1, 0, 1), (0, 1, 0), (0, 0, 1) y ( = (1, 0, 0), (0, 1, 0),
(0, 0, 1) del e,v, R
3
. Determinar A = [T]
(
B
la matriz asociada a T con respecto
a las bases B y ( y vericar que: A[v]
B
= [T(v)]
(
.
Respuesta.
(a) T((1, 0, 0) (x, y, z)) = (1, 0, 1) T(1, 0, 0) T(x, y, z) = (1, 0, 1)
(1, 2, 1) (x + y + z, 2x + 2y, x + y z) = (1, 0, 1).
Luego, existe (x, y, z) R
3
: T((1, 0, 0) (x, y, z)) = (1, 0, 1), si y solo si, el
sistema
x + y + z = 0
2x + 2y = 2
x + y z = 0
es consistente
Como
_
_
_
1 1 1 0
1 1 0 1
1 1 1 0
_
_
_
_
_
_
1 1 1 0
0 0 1 1
0 0 2 0
_
_
_
_
_
_
1 1 1 0
0 0 1 1
0 0 0 2
_
_
_
Algebra 55
luego, rango
_
_
_
1 1 1
1 1 0
1 1 1
_
_
_ ,=rango
_
_
_
1 1 1 0
1 1 0 1
1 1 -1 0
_
_
_.
Por lo tanto no existe (x, y, z) R
3
: T((1, 0, 0) (x, y, z)) = (1, 0, 1).
(b) Sea (x, y, z) R
3
.
(x, y, z) Ker(T) T(x, y, z) = (0, 0, 0)
x + y + z = 0
2x + 2y = 0
x + y z = 0
Resolviendo el sistema resulta: x + y = 0 z = 0.
Luego, Ker(T) = (x, x, 0) / x R =< (1, 1, 0) >.
El conjunto imagen de T es:
Im(T) = T(x, y, z) / x, y, z R
= (x + y + z, 2x + 2y, x + y z) / x, y, z R
= < (1, 2, 1), (1, 2, 1), (1, 0, 1) >
= < (1, 2, 1), (1, 0, 1) >
(c) Como:
T(1,0,1)= (2,2,0) = 2(1,0,0) + 2(0,1,0) + 0(0,0,1)
T(0,1,0)= (1,2,1) = 1(1,0,0) + 2(0,1,0) + 1(0,0,1)
T(0,0,1)= (1,0,-1) = 1(1,0,0) + 0(0,1,0) +-1(0,0,1)
luego, [T]
(
B
=
_
_
_
2 1 1
2 2 0
0 1 1
_
_
_.
Sea v = (x, y, z) R
3
. Vericar que: [v]
B
=
_
_
_
x
y
z x
_
_
_
Luego, [T]
(
B
[v]
B
=
_
_
_
2 1 1
2 2 0
0 1 1
_
_
_
_
_
_
x
y
z x
_
_
_ =
_
_
_
x + y + z
2x + 2y
x + y z
_
_
_ = [T(x, y, z)]
(
.
6. Sea T : R
2
R
2
lineal tal que [T]
B
B
=
_
3 1
1 0
_
, donde B es la base canonica de
R
2
. Probar que T es invertible y calcular T1(x, y).
Respuesta.
T es invertible
[T]
B
B
,= 0.
Como
3 1
1 0
= 1 ,= 0 luego, T es invertible.
Notar que, T(1, 0) = (3, 1) y T(0, 1) = (1, 0). Luego, T(x, y) = (3x + y, x).
56 Captulo 3
T
1
(x, y) = (a, b) (x, y) = T(a, b) (3a + b, a) = (x, y)3a + b =
x a = y a = y b = x + 3y.
Luego T
1
(x, y) = (y, x + 3y).
De otra forma.
Como [T
1
]
B
B
=
1
1
_
0 1
1 3
_
=
_
0 1
1 3
_
.
Luego, T
1
(x, y) = (y, x + 3y), para todo (x, y) R
2
.
7. Construir T : R
2
R
2
lineal tal que Ker(T) = Im(T) = (1, 2)).
Una transformacion lineal T que cumpla las condiciones dadas es tal que (T) =
(T) = 1.
Considerar al conjunto (1, 2) como una base de Ker(T) y como una base
Im(T).
Sea B = (1, 2), (0, 1) base de R
2
.
Denir una transformacion lineal T : R
2
R
2
tal que T(1, 2) = (0, 0),
T(0, 1) = (1, 2).
Sea (x, y) R
2
. Notar que (x, y) = x(1, 2) + (y 2x)(0, 1).
Luego, una transformacion lineal pedida es T(x, y) = (y 2x, 2y 4x).
8. Construir T : R R
4
lineal tal que la matriz asociada a T en las bases canonicas
B de R y ( de R
4
sea la matriz A =
_
_
_
_
_
1
2
3
4
_
_
_
_
_
de orden 4 1.
Respuesta.
Se tiene que B = 1 es la base canonica de R, y ( = (1, 0, 0, 0), (0, 1, 0, 0),
(0, 0, 1, 0), (0, 0, 0, 1) es la base canonica de R
4
.
Como [T]
(
B
= A, luego
[T(x)]
(
= [T]
(
B
[x]
B
=
_
_
_
_
_
1
2
3
4
_
_
_
_
_
x =
_
_
_
_
_
x
2x
3x
4x
_
_
_
_
_
para todo x R.
Luego T(x) = (x, 2x, 3x, 4x), para todo x R.
9. Considerar T : R
4
R
2
lineal denida por T(x, y, z, w) = (x 3y, 6y 2x).
Determinar:
Algebra 57
(a) Una base para Ker(T), y la nulidad de T.
(b) Una base para Im(T), y el rango de T.
(c) La o las condiciones que deben satisfacer a, b para que (a, b) Im(T).
(d) La matriz [T]
(
B
donde B base canonica de R
4
y ( es la base canonica de R
2
.
Respuesta.
(a) Sea (x, y, z, w) R
4
.
(x, y, z, w) Ker(T) T(x, y, z, w) = (0, 0)
x 3y = 0 y 6y 2x = 0
x = 3y
Luego,
Ker(T) = (3y, y, z, w)/ y, z, w R
= (3, 1, 0, 0), (0, 0, 1, 0), (0, 0, 0, 1)).
Notar que (3, 1, 0, 0), (0, 0, 1, 0), (0, 0, 0, 1) es linealmente independiente.
Luego (3, 1, 0, 0), (0, 0, 1, 0), (0, 0, 0, 1) es una base de Ker(T).
Por lo tanto (T) = 3.
(b) Como (T) + (T) = 4 y (T) = 3 se tiene que (T) = 1.
Im(T) = T(1, 0, 0, 0), T(0, 1, 0, 0), T(0, 0, 1, 0), T(0, 0, 0, 1))
= (1, 2), (3, 6), (0, 0), (0, 0))
= (1, 2))
Luego (1, 2) es una base de Im(T).
(c) Sea (a, b) R
2
.
(a, b) Im(T) R : (a, b) = (1, 2)
a = b = 2
2a + b = 0
(d) Como
T(1, 0, 0, 0) = (1, 2) = 1(1, 0) +2(0, 1)
T(0, 1, 0, 0) = (3, 6) = 3(1, 0) + 6(0, 1)
T(0, 0, 1, 0) = (0, 0) = 0(1, 0) + 0(0, 1)
T(0, 0, 0, 1) = (0, 0) = 0(1, 0) + 0(0, 1)
se tiene que:
[T]
(
B
=
_
1 3 0 0
2 6 0 0
_
58 Captulo 3
10. Considerar B = (1, 3), (1, 1) y ( = (1, 0), (0, 1) bases de R
2
.
(a) Determinar la matriz de cambio de base de B a (.
(b) Determinar la matriz de cambio de base de ( a B.
(c) Sea v = (a, b) R
2
. Determinar las coordenadas de v en la base B.
(d) Determinar todos los vectores v R tales que [v]
B
= [v]
(
.
Respuesta.
(a) Como
id
R
2(1, 3) = (1, 3) = 1(1, 0) + 3(0, 1)
id
R
2(1, 1) = (1, 1) = 1(1, 0) + 1(0, 1)
Luego, la matriz de cambio de base de B a ( es la matriz
[id
R
2]
(
B
=
_
1 1
3 1
_
(b) La matriz de cambio de base de ( a B es
[id
R
2]
B
(
= ([id
R
2]
(
B
)
1
=
_
1
4
1
4
3
4
1
4
_
(c) Sea v = (a, b) R
2
. Como:
[v]
B
= [id
R
2]
B
(
[v]
(
=
_
1
4
1
4
3
4
1
4
__
a
b
_
=
_
a+b
4
3a+b
4
_
Luego, las coordenadas de v en la base B son
a+b
4
y
3a+b
4
.
(d) Sea v = (a, b) R
2
.
[v]
B
= [v]
(

_
a+b
4
3a+b
4
_
=
_
a
b
_
a+b
4
= a
3a+b
4
= b
3a b = 0 3a + 3b = 0
a = b = 0
Luego el unico vector de R
2
que mantiene invariante sus coordenadas con repecto
a las bases B y ( es el vector (0, 0), en este ejemplo.
Algebra 59
3.7 Ejercicios
1. Se dene la funcion T : R
2
R
3
. Determinar en cada caso si T es lineal.
(a) T(x, y) = (x + y, 3x, 3x y).
(b) T(x, y) = (x y + 1, 2x, x y).
(c) T(x, y) = (x
2
, 3y + x, y
2
).
2. Sea T : R
3
R denida por T(x, y, z) = 2x 3y + 4z.
(a) Calcular T(3, 2, 1) + 2T(1, 2, 3).
(b) Calcular x R tal que T(x, 2, 1) = 7.
(c) Calcular T(x y, y z, 0).
(d) Probar que T es una transformacion lineal.
(e) Determinar Ker(T) e Im(T) y una base para cada uno de ellos.
3. Construir una transformacion lineal S : R
2
R
3
: S(1, 1) = (1, 1, 4).
4. Construir una transformacion lineal T : R
2
R
3
: Ker(T) = (x, 2x) / x R.
5. Sean T : R
2
R
3
y S : R
2
R
3
transformaciones lineales denidas por
T(x, y) = (x, x, 2x + 3y) y S(x, y) = (x y, 2x +y, 3x). Determinar:
(a) Ker(T) e Im(T) y una base para cada uno de estos subespacios.
(b) Ker(S) e Im(S) y una base para cada uno de estos subespacios.
(c) (T + S)(x, y) y una base para Ker(T + S).
6. Hallar una transformacion lineal T : R
3
R
4
tal que
Im(T) = (1, 2, 0, 4), (2, 0, 1, 3), (1, 2, 1, 1))
7. Sea T : R
3
R
3
lineal, denida por T(x, y, z) = (x + y z, 2x y + z, 3x).
Determinar:
(a) Si el vector (1, 1, 1) pertenece al n ucleo de T.
(b) Una base para Ker(T) y la nulidad de T.
(c) Una base para Im(T) y el rango de T.
(d) (T T)(x, y, z).
(e) Una base para Ker(T T) y una base para Im(T T).
8. Sea T : R
3
R
3
lineal denida por T(x, y, z) = (x + 2y, y + 2z, ax + y 2z).
Determinar todos los a en R tal que el rango de T sea 2.
60 Captulo 3
9. Sea f : R
3
R
2
denida por f(x, y, z) = (2x +z, 4x + 3z).
(a) Determinar v R
3
/ f(v) = (0, 1).
(b) Hallar una base para Ker(f) y una base para Im(f).
(c) Es f inyectiva?. Es f sobre?.
10. Sea S : M
2
(R) R denida por S(A) = traza(A) = tr(A).
(a) Probar que S es lineal.
(b) Hallar el n ucleo de S y el recorrido de S.
(c) Hallar la nulidad de S y el rango de S.
(d) Hallar [S]
(
B
, donde B es la base usual de M
2
(R) y ( la base canonica de R.
11. Sea T : R
4
R
3
lineal, tal que [T]
(
B
=
_
_
_
2 5 1 0
0 1 0 1
2 4 1 1
_
_
_ donde B es la base
canonica de R
4
y ( es la base canonica de R
3
.
(a) Determinar T(x, y, z, t).
(b) Calcular v R
4
/ T(v) = (1, 2, 8).
(c) Calcular Ker(T) e Im(T).
(d) Es T inyectiva?. Es T sobre?.
12. Sea T : R
3
R
4
lineal tal que T(e
1
) = (0, 1, 0, 0), T(e
2
) = (0, 1, 1, 0), T(e
3
) =
(1, 1, 1, 1) donde e
1
, e
2
, e
3
es la base canonica de R
3
. Determinar:
(a) La matriz asociada a T con respecto a las bases canonicas de R
3
y R
4
, respec-
tivamente.
(b) Calcular T(x, y, z).
(c) Determinar Ker(T), Im(T) y una base para cada uno de ellos.
13. Sea B = u
1
, u
2
, u
3
una base de R
3
y sea T : R
3
R
3
una transformacion lineal
denida por: T(u
1
) = u
1
, T(u
2
) = u
1
+ u
2
, T(u
3
) = u
1
+ u
2
+ u
3
.
(a) Determinar A = [T]
B
B
.
(b) Determinar v R
3
tal que [v]
B
=
_
_
_
1
2
3
_
_
_.
(c) Hallar Ker(T) e Im(T).
14. Sea f : R
2
R
4
denida por f(x, y) = (x + y, 2x y, x + 4y, y).
Algebra 61
(a) Hallar Ker(f).
(b) Hallar f(v) / v (1, 3) ).
(c) Hallar v R
2
/ f(v) = (1, 1, 1, 1).
(d) Hallar v R
2
/ f(v) H donde H = (x, y, z, u) R
4
/ x y = z u.
15. Sea T : R
3
R
3
lineal tal que la matriz asociada a T en la base canonica B de R
3
es [T]
B
B
=
_
_
_
a 1 1
1 a 1
1 1 a
_
_
_.
Determinar todos los a R tal que T sea inyectiva.
16. Sea T : S
2
(R) M
2
(R) lineal, denida por T(A) =
_
1 3
1 2
_
A.
(a) Determinar T
_
1 4
4 3
_
.
(b) Hallar Ker(T) y la nulidad de T.
(c) Hallar Im(T) y rango de T.
17. Sea T : R
3
M
2
(R) lineal denida por
T(x, y, z) =
_
x y x + y z
2x z y x
_
(a) Determinar
_
v R
3
/ T(v) =
_
1 0
0 1
__
.
(b) Hallar Ker(T) y una base para Ker(T).
(c) Hallar Im(T) y una base para Im(T).
(d) Hallar la matriz asociada a T con respecto a las bases B base canonica de R
3
y
( base usual de M
2
(R).
18. Sea T : R
4
R
3
una transformacion lineal tal que la matriz asociada a T en las
bases canonicas de R
4
y R
3
es la matriz A =
_
_
_
3 1 0 1
1 0 1 2
1 2 7 12
_
_
_ de orden 3 4.
(a) Determinar T(x, y, z, t).
(b) Determinar una base para el Ker(T).
(c) Determinar el espacio nulo de A.
(d) Probar que v Ker(T), si y solo si, [v]
B
pertenece al espacio nulo de A, donde
B es la base canonica de R
4
.
62 Captulo 3
(e) Calcular el espacio columna de A.
(f) Mostrar que (T) = (A) y que (T) = (A).
19. Sean c y T dos bases de R
2
donde c = (1, 2), (1, 0) y T es la base canonica de R
2
.
Determinar:
(a) La matriz P de cambio de base de c a T.
(b) La matriz Q de cambio de base de T a c.
(c) La matriz PQ.
(d) P [v]
c
y P
1
[v]
T
, para cada v R
2
.
20. Sea T el operador lineal en R
2
denido por T(x, y) = (4x 2y, 2x + y). Considerar
las bases / = (1, 0), (0, 1) y ( = (1, 1), (1, 1) de R
2
.
(a) Determinar P la matriz de cambio de base de ( a A.
(b) Hallar [T]
,
y [T]
(
.
(c) Vericar que [T]
(
= P
1
[T]
,
P.
21. Sea : R
2
R la transformacion lineal tal que (2, 1) = 15, (1, 2) = 10.
Hallar (x, y) y determinar (x, y) R
2
/ (x, y) = 1.
22. Determinar si las siguientes matrices son semejantes:
A =
_
1 2
3 4
_
y B =
_
5 6
7 8
_
23. Sea T el operador identidad en R
2
. Sean B = (1, 1), (1, 4) y ( = u, v dos bases
de R
2
. Si [T]
(
B
=
_
1 4
2 5
_
calcular la base (.
24. Sea T el operador lineal en R
3
denido por T(x, y, z) = (2x, 4x y, 2x + 3y z).
Mostrar que T es invertible y determinar una formula para T
1
(x, y, z).
25. Mostrar que cada uno de los siguientes operadores lineales sobre R
3
son invertibles y
hallar una formula para T
1
(x, y, z).
(a) T(x, y, z) = (x 3y 2z, y 4z, z)
(b) T(x, y, z) = (x + y, x z, y)
26. Sea T un operador lineal en R
3
denido por T(x, y, z) = (2y +z, 3x). Sean B la base
canonica de R
2
y ( = 0, 1, 0), (0, 1, 1), otra base de R
2
.
(a) Determinar si T es invertible.
(b) Determinar A = [T]
B
B
y B = [T]
(
(
.
Algebra 63
(c) Vericar que A y B tienen son semejantes.
27. Sea A =
_
_
_
1 2 0
3 4 1
0 1 1
_
_
_ y sea T el operador lineal en M
31
(R) denido por
T(v) = Av. Determinar si T es invertible, y si lo fuere calcular T
1
((x, y, z)
t
).
Chapter 4
Valores y Vectores Propios.
Los conceptos de valores propios y vectores propios tienen sentido solo para operadores lineales denidos
en un espacio vectorial V o para matrices cuadradas.
Observaciones previas. Sea V un espacio vectorial sobre R de dimension nita. Sea
T : V V un operador lineal.
1. Si dim
R
(V ) = n entonces [T]
(
(
es una matriz cuadrada de orden n para cualquier
base ( del espacio vectorial V .
2. La representaci on matricial de un operador lineal puede ser una matriz canonica (o
simple), si se considera una base B de V adecuada, la cual es posible obtener al
estudiar los valores propios y vectores propios del operador.
3. Si T : V V es un operador lineal, dim
K
V = n entonces [T]
B
B
[T]
(
(
donde B y
( son dos bases cualesquiera de V .
4. Sea A = [T]
B
B
donde B es una base cualquiera de V .Se tiene que:
A = [T]
B
B
A [v]
B
= [T(v)]
B
, para todo v V .
Se dene: det(T) = det(A) y tr(T) = tr(A).
Valores propios y Vectores propios de un operador.
Denicion. Sea V un espacio vectorial sobre K, dim
K
V = n y sea T : V V un
operador lineal. Sea K.
Se dice que es un valor propio de T, si y solo si, existe un vector v V , v ,= 0
V
tal que
T(v) = v.
Observaciones. Sea T : V V un operador lineal y sea K.
64
Algebra 65
1. Si T(v) = v con v ,= 0
V
, se dice que v es un vector propio de T asociado al valor
propio de T, y viceversa.
2. Los valores propios de T y los vectores propios de T forman el sistema propio de T.
3. Se denotara por M
al conjunto
M
= v V : T(v) = v
Nota. M
contiene al vector 0
V
y a los vectores propios de T asociados al valor
propio .
Teorema. Sea T : V V un operador lineal y sea K. Sea un valor propio de T.
Se tiene que M
es un subespacio de V .
Denicion. M
es llamado el subespacio propio de T asociado al valor propio .

Nota. M
,= 0
V
para cada valor propio de T.
Observacion. Sea T : V V un operador lineal. Sea K. Se tiene que:
es un valor propio de T v V, v ,= 0
V
: T(v) = v
v V, v ,= 0
V
: (T id
V
)(v) = 0
V
v V, v ,= 0
V
: v Ker(T id
V
)
el operador lineal (T id
V
) no es inyectivo.
Teorema. Sea T : V V un operador lineal. Sean y dos valores propios del operador
T. Si ,= entonces M
= 0
V
.
Es decir, cada vector propio de T esta asociado a un unico valor propio de T.
Propiedades. Sea T : V V un operador lineal, dim
K
V = n.
1. Sean y dos valores propios distintos de T. Sean v un vector propio asociado
a y u un vector propio asociado a . Se tiene que: v, u es linealmente
independiente.
En general: Sean
1
,
2
, . . . ,
k
valores propios distintos de T. Sean v
1
, v
2
, . . . , v
k
vec-
tores propios asociados a
1
,
2
, . . . ,
k
respectivamente. Se tiene que, v
1
, v
2
, . . . , v
k
2. Si T tiene n valores propios distintos entonces, existe una base B de V formada
exclusvamente por vectores propios de T.
Valores y Vectores propios de una matriz.
66 Captulo 4
Denicion. Sea A una matriz cuadrada de orden n sobre R y sea un n umero real (o
complejo). Se tiene que, es un valor propio de A, si y solo si, el sistema A X = X con
X de orden n 1 tiene al menos una solucion no trivial.
Nota. Sea un valor propio de A. Todo vector X ,= 0 de orden n 1 que satisface el
sistema A X = X es llamado vector propio de A asociado al valor propio de A.
Observaciones. Sea A una matriz cuadrada de orden n con coecientes reales.
1. Los valores propios de A y los vectores propios de A forman el sistema propio de A.
2. Interesar a determinar los valores propios reales de A y los vectores propios de A en
M
n1
(R).
3. Se denotara por M
al conjunto:
M
= X M
n1
R / A X = X
Nota. M
contiene al vector 0
n1
y a los vectores propios de A asociados al valor
propio .
Teorema. Sea A una matriz de orden n sobre R. Sea R un valor propio de A. Se
tiene que M
es un subespacio de M
n1
(R).
M
es llamado el subespacio propio de A asociado al valor propio .

Nota. M
,= 0
n1
para cada valor propio de A.
Teorema. Sea A matriz de orden n. Sean y dos valores propios distintos de A. Se
tiene que M
= 0
n1
.
Propiedades. Sea A una matriz cuadrada de orden n con coecientes reales.
1. Sean y dos valores propios distintos de A. Sean X un vector propio asociado
a y sea Y un vector propio asociado a . Se tiene que: X, Y es linealmente
independiente.
En general: Sean
1
,
2
, . . . ,
k
valores propios distintos de A. Sean X
1
, X
2
,
. . ., X
k
vectores propios asociados a
1
,
2
, . . .,
k
respectivamente. Se tiene que,
X
1
, X
2
, . . . , X
k
2. Si A tiene n valores propios distintos, entonces existen n vectores propios de A lin-
ealmente independientes.
Algebra 67
Teorema. Sea T : V V un operador lineal, donde V es un espacio vectorial real,
dim
R
V = n. Sea B una base de V y sea A = [T]
B
B
. Sea R. Se tiene que:
es un valor propio de T es un valor propio de A
Nota. Sea T : V V un operador lineal, dim
K
V = n. Determinar los valores propios
de T equivale a determinar los valores propios de la matriz A = [T]
B
B
donde B es una base
(cualquiera) de V , y viceversa.
Trabajaremos a continuaci on solo con matrices, o con la forma matricial de un operador
lineal.
Observacion. Sea A una matriz de orden n con cocientes reales. Sea un escalar. Se
tiene que:
es un valor propio de A A X = X tiene soluciones no-triviales
(A I
n
) X = 0 tiene soluciones no-triviales
det(A I
n
) = 0.
Denicion. Sea A una matriz cuadrada de orden n con coecientes reales.
1. C
A
(x) := det(A xI
n
), polinomio en x, es el polinomio caracterstico de A.
2. det(A xI
n
) = 0 es la ecuacion caracterstica de A.
Observaciones. Sea A una matriz cuadrada de orden n con coecientes reales.
1. Sea un escalar.
es un valor propio de A, si y solo si, es una raiz o un cero del polinomio carac-
terstico de A.
2. C
A
(x) = det(A xI
n
) es un polinomio en x con coecientes reales, de grado n.
3. La matriz A tiene a lo mas n valores propios distintos.
Recordar que C
A
(x) tiene exactamente n races reales o complejas considerando la
multiplicidad de cada una.
Nota. Dada una matriz cuadrada A de orden n sobre el cuerpo de los n umeros reales, interesara
preferentemente determinar los valores propios reales de A.
4. El coeciente de x
n
, o sea el coeciente principal, en C
A
(x) es (1)
n
.
5. El coeciente de x
n1
en C
A
(x) es (1)
n1
tr(A).
6. El termino constante de C
A
(x) es det(A).
68 Captulo 4
Denicion. Sea A una matriz cuadrada de orden n sobre el cuerpo de los n umeros reales.
Sea R un valor propio de A.
1. Se dice que el n umero natural m es la multiplicidad algebraica del valor propio , si
y solo si, es una raiz del polinomio caracterstico con multiplicidad m.
2. La dimension del subespacio propio asociado al valor propio , o sea dim
(
RM
), se
llama multiplicidad geometrica del valor propio .
Observaciones. Sea A una matriz cuadrada de orden n sobre el cuerpo de los n umeros
reales. Sean
1
,
2
, . . . ,
s
los s valores propios distintos de A con multiplicidades alge-
braicas m
1
, m
2
, . . . , m
s
respectivamente, y multiplicidades geometricas
1
,
2
, . . . ,
s
respec-
tivamente. Se tiene que:
1. C
A
(x) = (1)
n
(x
1
)
m
1
(x
2
)
m
2
(x
s
)
m
s
.
2. m
1
+ m
2
+ + m
s
= n.
3. Para cada valor propio
j
de A se tiene que: 1
j
m
j
, para todo j 1, 2, . . . , s.
Propiedades. Sean A y B matrices cuadradas de orden n sobre los reales.
1. Si A B entonces C
A
(x) = C
B
(x). Es decir, matrices semejantes tienen el mismo
polinomio caracterstico.
Luego, si A B entonces A y B tienen los mismos valores propios, con las mismas
multiplicidades.
Nota. El recproco de la armacion anterior no se cumple.
2. Sea un escalar. Si es un valor propio de A entonces f() es un valor propio de
f(A), donde f(x) es un polinomio con coecientes reales.
Por ejemplo, si es un valor propio de A entonces
2
es un valor propio de A
2
, es un valor
propio de A, + 5 es un valor propio de A+ 5I
n
.
3. A y A
t
tienen el mismo polinomio caracterstico, los mismos valores propios e igual
polinomio minimal, ya que A A
t
.
Nota. En general, A y A
t
no tienen los mismos vectores propios. En efecto:
Sea un valor propio de A, luego es un valor propio de A
t
. Sea X un vector propio de A asociado
a . Como A A
t
existe P invertible tal que P
1
AP = A
t
.
Por lo tanto P
1
X es un vector propio de A
t
asociado a .
Algebra 69
4.1 Matrices y Operadores Diagonalizables.
4.1.1 Operadores Diagonalizables.
Sea V un espacio vectorial sobre K, dim
K
(V ) = n y sea T : V V un operador lineal.
Denicion. Se dice que: T es diagonalizable, si y solo si, existe una base B de V tal
que [T]
B
B
es una matriz diagonal.
Teorema. Sea V un espacio vectorial sobre K, dim
K
(V ) = n y sea T : V V un
operador lineal. Se tiene que, T es diagonalizable, si y solo si, existen n vectores propios
de T linealmente independientes.
Teorema. Sea V un espacio vectorial sobre K, dim
K
(V ) = n y sea T : V V un
operador lineal diagonalizable.
Sean v
1
, v
2
, . . . , v
n
n vectores propios linealmente independiente de T asociados a los valores
propios
1
,
2
, . . . ,
n
respectivamente (no necesariamente todos distintos). Si se considera
como base de V al conjunto B = v
1
, v
2
, . . . , v
n
, entonces
[T]
B
B
=
_
_
_
_
_
_
1
0 . . . 0
0
2
. . . 0
.
.
.
.
.
.
.
.
.
0 0 . . .
n
_
_
_
_
_
_
4.1.2 Matrices Diagonalizables.
Denicion. Sea A una matriz cuadrada de orden n sobre los reales. La matriz A es
diagonalizable, si y solo si, A es semejante a una matriz diagonal.
Nota. Sea A una matriz cuadrada de orden n sobre los reales. A es diagonalizable, si y
solo si, existe una matriz P invertible de orden n tal que P
1
AP = D, donde D es una
matriz diagonal.
Interesar a en nuestro curso, determinar si una matriz con entradas reales es o no es diago-
nalizable sobre R o, cuando es posible encontrar una tal matriz P con entradas reales.
Teorema. Sea A una matriz cuadrada de orden n sobre R. Se tiene que: A es diagonal-
izable sobre R, si y solo si, existen n vectores propios de A linealmente independientes en
M
n1
(R).
Observaciones. Sea A una matriz cuadrada de orden n sobre los reales.
Sean
1
,
2
, . . . ,
s
los s valores propios distintos de A con multiplicidades algebraicas
70 Captulo 4
m
1
, m
2
, . . . , m
s
respectivamente y tal que
C
A
(x) = (1)
n
(x
1
)
m
1
(x
2
)
m
2
(x
s
)
ms
Sean
1
,
2
, . . . ,
s
las multiplicidades geometricas de cada valor propio, respectivamente.
Se tiene que:
1
j
m
j
, para todo j 1, 2, . . . , s.
A es diagonalizable, si y solo si,
1
+
2
+ +
s
= n.
Si A tiene n valores propios distintos, entonces A es diagonalizable.
Supongamos que A es diagonalizable. Sean X
1
, X
2
, . . . , X
n
un conjunto con n vectores
propios de A linealmente independientes.
Una matriz P de orden n tal que P
1
AP = D donde D es una matriz diagonal, es:
P = (X
1
X
2
. . . X
n
)
Notar que los elementos de la diagonal principal de la matriz diagonal D son los
valores propios de A, considerando su multiplicidad algebraica.
Nota. Sea V un espacio vectorial sobre K, dim
K
(V ) = n y sea T : V V un operador
lineal.
Se tiene que: T es diagonalizable, si y solo si, una matriz asociada a T en cualquier base
de V , es diagonalizable.
Teorema de Cayley-Hamilton. Sea A una matriz cuadrada de orden n sobre los reales y
sea C
A
(x) el polinomio caracterstico de A. Se tiene que C
A
(A) = 0
n
.
Nota. El teorema anterior se nala entre otras cosas que, dada una matriz A de orden n,
existe un polinomio de grado n que anula a A.
Denicion. Sea A una matriz cuadrada de orden n sobre los reales. El polinomio minimal
de A, denotado m
A
(x), es el polinomio monico, distinto del polinomio cero, de mnimo grado
tal que m
A
(A) = 0
n
.
Observaciones. Sea A una matriz cuadrada de orden n sobre los reales. Sean
1
,
2
,
. . . ,
s
los s valores propios distintos de A tal que su polinomio caracterstico sea C
A
(x) =
(1)
n
(x
1
)
m
1
(x
2
)
m
2
(x
s
)
m
s
. Se tiene que:
Algebra 71
1. m
A
(x) es un factor de C
A
(x) tal que,
m
A
(x) = (x
1
)
r
1
(x
2
)
r
2
(x
s
)
rs
con 1 r
j
m
j
, para todo j 1, , 2, . . . , s.
2. A es diagonalizable, si y solo si, el polinomio minimal de A es un producto de factores
lineales distintos, es decir cuando m
A
(x) = (x
1
)(x
2
) (x
s
).
Nota. Sea A una matriz cuadrada de orden n diagonalizable. Sea P una matriz invertible
tal que P
1
A P = D donde D es una matriz diagonal.
Luego A = P D P
1
y por lo tanto A
n
= P D
n
P
1
para todo n N.
1. (a) Sea T el operador lineal en R
2
denido por T(x, y) = (y, x). Calcular los valores
propios de T.
(b) Sea B =
_
1 3
s 2
_
. Calcular s tal que
_
1
1
_
sea vector propio de B.
Respuesta.
(a) T(x, y) = (x, y) (y, x) = (x, y)
x y = 0
x y = 0

1
1
= 0
Luego, = 1
(b)
_
1
1
_
es vector propio deB R :
_
1 3
s 2
__
1
1
_
=
_
1
1
_
Resolviendo el sistema:
4 =
s 2 =
se obtiene que s = 6.
2. Sea A =
_
_
_
8 0 6
12 2 12
9 0 7
_
_
(a) Calcular los valores propios de A.
(b) Determinar si A es diagonalizable sobre R.
(c) Determinar una matriz P invertible (si es que existe) tal que P
1
AP es una
matriz diagonal.
Respuesta.
72 Captulo 4
(a) El polinomio caracterstico de A es:
C
A
(x) =
8 x 0 6
12 2 x 12
9 0 7 x
= (x 2)
2
(x + 1)
Luego, los valores propios de A son: 2 y 1.
(b) El polinomio minimal de A, m
A
(x), puede ser (x 2)(x + 1), o (x 2)
2
(x + 1).
Como (A 2I
3
)(A + I
3
) =
_
_
_
6 0 6
12 0 12
9 0 9
_
_
_
_
_
_
9 0 6
12 3 12
9 0 6
_
_
_ =
_
_
_
0 0 0
0 0 0
0 0 0
_
_
_
se tiene que m
A
(x) = (x 2)(x + 1). Luego, A es diagonalizable sobre R.
(c) Como A esdiagonalizable sobre R, existe una matriz P invertible tal que P
1
AP
es una matriz diagonal.
() M
2
=
_
_
_
_
_
x
y
z
_
_
_ M
3x1
(R) /
_
_
_
6 0 6
12 0 12
9 0 9
_
_
_
_
_
_
x
y
z
_
_
_ = 2
_
_
_
x
y
z
_
_
_
_
_
.
Resolver el sistema homogeneo que resulta!
Luego, M
2
=
_
_
_
_
_
x
y
z
_
_
_ / x = z
_
_
=
_
_
_
_
1
0
1
_
_
_,
_
_
_
0
1
0
_
_
_
_
() Idem, M
1
=
_
_
_
_
_
x
y
z
_
_
_ M
3x1
(R) /z =
3x
2
, y = 2x
_
_
=
_
_
_
_
1
2
3
2
_
_
_
_
.
Luego, P =
_
_
_
1 0 1
0 1 2
1 0
3
2
_
_
_ es una matriz invertible tal que:
P
1
AP =
_
_
_
2 0 0
0 2 0
0 0 1
_
_
_
3. Sea A =
_
1 5
2 1
_
(a) Determinar los valores propios de A.
(b) Determinar los subespacios propios de A.
(c) Probar que A es diagonalizable sobre R.
(d) Determinar una matriz P invertible tal que P
1
AP es una matriz diagonal.
Respuesta.
Algebra 73
(a) Sea R. Se tiene que:
es un valor propio de A
_
1 5
2 1
_ _
x
y
_
=
_
x
y
_
tiene soluciones no triviales
_
x + 5y
2x +y
_
=
_
x
y
_
tiene solucion no trivial
(1 )x + 5y = 0
2x + (1 )y = 0
tiene solucion no trivial
1 5
2 1
= 0
= 1
10 = 1 +
10
Luego, los valores propios de A son 1
10 y 1 +
10.
(b) Subespacio propio asociado al valor propio 1
10.
_
x
y
_
M
1
10

_
1 5
2 1
__
x
y
_
= (1
10)
_
x
y
_
10x + 5y = 0
2x +
10y = 0
y =
10
5
x
Por lo tanto, M
1
10
=
__
x
10
5
x
_
: x R
_
=
__
1
10
5
__
De igual forma se determina M
1+
10
.
Se tiene que M
1+
10
=
__
x
10
5
x
_
: x R
_
=
__
1
10
5
__
Notar que, M
1
10
M
1+
10
= M
21
(R).
(c) El conjunto B =
__
1
10
5
_
,
_
1
10
5
__
es un conjunto de dos vectores propios
de A linealmente independiente.
Luego A es diagonalizable.
(d) Sea P =
_
1 1
10
5
10
5
_
. Comprobar que P
1
AP =
_
1
10 0
0 1 +
10
_
74 Captulo 4
4. Sea T : R
3
R
3
un operador lineal denido por
T(x, y, z) = (x + 3y 3z, 2y, 3x + 3y z)
(a) Determinar los valores propios de T.
(b) Determinar los subespacios propios de T.
(c) Probar que T es diagonalizable y determinar una base B del espacio R
3
tal que
la matriz de T en la base B sea una matriz diagonal.
Respuesta.
(a) Sea un n umero real.
es valor propio de T (x, y, z) ,= (0, 0, 0) : T(x, y, z) = (x, y, z)
(x, y, z) ,= (0, 0, 0, ):
(x + 3y 3z, 2y, 3x + 3y z) = (x, y, z)
el sistema:
(1 )x + 3y 3z = 0
(2 )y = 0
3x +3y + (1 )z = 0
tiene soluciones no-triviales.
1 3 3
0 2 0
3 3 1
= 0
( 2)
2
( + 4) = 0
Luego los valores propios de T son: 2 y 4.
(b) Subespacio propio asociado al valor propio 2.
Sea (x, y, z) R
3
. Se tiene que:
(x, y, z) M
2

3x + 3y 3z = 0
0y = 0
3x + 3y 3z = 0
x = y z
Luego M
2
= (y z, y, z) / y, z R
= (1, 1, 0), (1, 0, 1))
Por lo tanto dim
R
M
2
= 2. Es decir la multiplicidad geometrica del valor propio
2 es dos.
Subespacio propio asociado al valor propio 4.
Sea (x, y, z) R
3
. Se tiene que:
Algebra 75
(x, y, z) M
4
y = 0 y x = z. Comprobarlo.
Luego, M
4
= (x, 0, x) / x R = (1, 0, 1)).
Por lo tanto, dim
R
M
4
= 1.
(c) Considerar B = (1, 1, 0), (1, 0, 1), (1, 0, 1). Notar que B es una base del
espacio vectorial R
3
formada exclusivamente por vectores propios de T.
Luego T es diagonalizable y [T]
B
B
=
_
_
_
2 0 0
0 2 0
0 0 4
_
_
_.
5. Sea A =
_
_
_
1 3 3
0 2 0
3 3 1
_
_
(a) Determinar el polinomio caracterstico de A.
(b) Determinar el polinomio minimal de A.
(c) Probar que A es diagonizable y determinar una matriz P invertible tal que
P
1
Respuesta.
C
A
(x) =
1 x 3 3
0 2 x 0
3 3 1 x
= (x 2)
2
(x + 4)
(b) El polinomio minimal de A denotado m
A
(x) puede ser el polinomio (x2)(x+4)
o el polinomio (x 2)
2
(x + 4).
Veremos si el polinomio minimal de A es (x 2)(x + 4).
(A 2I
3
)(A + 4I
3
) =
_
_
_
3 3 3
0 0 0
3 3 3
_
_
_
_
_
_
3 3 3
0 6 0
3 3 3
_
_
_ =
_
_
_
0 0 0
0 0 0
0 0 0
_
_
_
Luego, m
A
(x) = (x 2)(x + 4).
(c) Como el polinomio minimal es un producto de factores lineales distintos se tiene
que A es diagonalizable sobre R.
Los valores propios de A son 2 y 4.
Los subespacios propios de A son:
76 Captulo 4
M
2
=
_
_
_
_
1
1
0
_
_
_,
_
_
_
1
0
1
_
_
_
_
, y M
4
=
_
_
_
_
1
0
1
_
_
_
_
Sea P =
_
_
_
1 1 1
1 0 0
0 1 1
_
_
_. Notar que P es invertible ya que [P[ = 1 ,= 0 y es tal
que P
1
AP =
_
_
_
2 0 0
0 2 0
0 0 4
_
_
_. Comprobarlo.
Nota. La matriz A trabajada en este ejercicio es la matriz asociada al operador lineal T del ejercicio
anterior con respecto a la base canonica de R
3
.
6. Sea A =
_
3 4
4 3
_
de orden 2.
(a) Probar que A es diagonalizable sobre R.
(b) Determinar una matriz P invertible tal que P
1
(c) Calcular A
n
, para n N.
Respuesta.
(a) Se tiene que
C
A
(x) =
3 x 4
4 3 x
= (x 5)(x + 5)
Luego el polinomio minimal de A es m
A
(x) = C
A
(x) = (x 5)(x + 5)
Por lo tanto, A es diagonalizable.
(b) Subespacio propio asociado al valor propio 5.
Sea
_
x
y
_
M
21
(R). Se tiene que:
_
x
y
_
M
5

2x + 4y = 0
4x 8y = 0
x = 2y
Por lo tanto, M
5
=
__
2
1
__
Luego, dim
R
M
5
= 1. Es decir la multiplicidad geometrica del valor propio 5 es
uno.
Algebra 77
De igual manera se determina el subespacio propio asociado al valor propio 5,
de donde M
5
=
__
1
2
__
Por lo tanto
__
2
1
_
,
_
1
2
__
es un conjunto formado por dos vectores propios
de A linealmente independiente.
Sea P =
_
2 1
1 2
_
. Se tiene que:
P es invertible, ya que det(P) = 5 ,= 0 y P
1
=
_
2
5
1
5
1
5

2
5
_
.
P
1
AP =
_
5 0
0 5
_
.
(c) Como P
1
AP =
_
5 0
0 5
_
entonces: A = P
_
5 0
0 5
_
P
1
.
Luego, para todo n N
A
n
= P
_
5 0
0 5
_
n
P
1
=
_
45
n
+(5)
n
5
25
n
2(5)
n
5
25
n
2(5)
n
5
5
n
+4(5)
n
5
_
Por ejemplo, A
3
=
_
75 100
100 75
_
7. Sea A =
_
_
_
_
_
2 0 0 1
0 0 0 0
0 0 0 0
1 0 0 2
_
_
_
_
_
(a) Determinar las multiplicidades algebraicas y geometricas de los valores propios
de A.
(b) Probar que A es diagonalizable sobre R.
Respuesta.
C
A
(x) = det(A x I
4
) = x
2
(x 1)(x 3)
Luego, los valores propios de A son 0, 1 y 3 con multiplicidades algebraicas 2, 1
y 1 respectivamente.
78 Captulo 4
Los subespacios propios de A son:
M
0
=
_
_
_
_
_
_
0
1
0
0
_
_
_
_
_
,
_
_
_
_
_
0
0
1
0
_
_
_
_
_
_
, M
1
=
_
_
_
_
_
_
1
0
0
1
_
_
_
_
_
_
, M
3
=
_
_
_
_
_
_
1
0
0
1
_
_
_
_
_
_
Luego, las multiplicidades geometricas de 0, 1 y 3 son 2, 1 y 1 respectivamente.
(b) Como existen 4 vectores propios de A linealmente independientes se tiene que
A es diagonalizable sobre los reales.
Ejercicio: Determinar una matriz P invertible tale que P
1
4.3 Ejercicios.
1. Sea A =
_
0 1
0 0
_
(a) Determinar los valores propios y los subespacios propios de A.
(b) Determinar los valores propios y los subespacios propios de de A
t
.
(c) Probar que A y A
t
son semejantes, encontrando una matriz P invertible tal que
P
1
AP = A
t
.
2. Sea A =
_
4 2
3 3
_
matriz de orden 2 sobre R. Determinar:
(a) Si 8 es un valor propio de A.
(b) Si el vector
_
1
4
_
es un vector propio de A.
(c) Los valores propios de A.
(d) Una base para cada subespacio propios de A.
(e) El polinomio caracterstico de A, es decir C
A
(x).
(f) Una matriz P invertible tal que P
1
AP es una matriz diagonal, si fuere posible.
(g) El polinomio minimal de A.
(h) Los valores propios y vectores propios de A
t
.
3. Sea T : R
2
R
2
un operador lineal denido por T(x, y) = (x + 2y, 2x 2y).
(a) Determinar si 6 es un valor propio de T.
(b) Calcular los valores propios de T y los subespacios propios de T.
Algebra 79
(c) Probar que T es diagonalizable y determinar una base B de R
2
tal que la matriz
asociada a T en la base B es una matriz diagonal.
4. Sea A =
_
4 0
0 4
_
.
(a) Determinar el polinomio caracterstico de A, C
A
(x).
(b) Mostar que A tiene un valor propio de multiplicidad dos.
(c) Determinar los subespacios propios de A.
(d) Determinar el polinomio minimal de A.
(e) Mostrar que C
A
(A) = 0.
(f) Es cierto que todo vector del espacio M
2
(R) es un vector propio de A ?. Jus-
ticar.
5. Sea A =
_
1 2
3 4
_
matriz de orden 2.
(a) Calcular los valores propios de A y los subespacios propios de A.
(b) Determinar el polinomio caracterstico de A, es decir C
A
(x).
(c) Mostrar que C
A
(A) = 0.
(d) Determinar si A es diagonalizable sobre R.
6. Dada la matriz A =
_
_
_
0
1
2
0
1
2
0 2
0 2 0
_
_
_ de orden 3. Determinar si la matriz A es diago-
nalizable sobre R.
7. Sea T : R
3
R
3
un operador lineal denida por:
T(x, y, z) = (2x + 2y +z, x + 3y + z, x + 2y + 2z)
(a) Determinar el polinomio caracterstico de T.
(b) Probar que T es diagonalizable.
(c) Sea A la matriz de T en la base canonica de R
3
. Calcular una matriz P invertible
tal que P
1
_
a b
0 b
_
de orden 2 sobre R.
(a) Para a = 2, b = 5 determinar si A es diagonalizable sobre R.
(b) Para que valores de a y b, 5 es un valor propio de A?.
80 Captulo 4
(c) Determinar los valores de a y b (si es que existen) tal que la matriz A es diago-
nalizable.
9. Determinar valores de a, b y c en R, si es que existen, para que la matriz
_
_
_
a 0 0
b 3 0
c 0 1
_
_
_
sea diagonalizable sobre R.
10. Sea C =
_
_
_
_
_
2 5 0 0
0 2 0 0
0 0 4 1
0 0 1 2
_
_
_
_
_
matriz de orden 4.
(a) Determinar el polinomio caracterstico y minimal de la matriz C.
(b) Probar que C es diagonalizable sobre R.
(c) Determinar una matriz P invertible tal que P
1
CP es diagonal.
11. El polinomio p(x) = (x + 3)
4
(x 5)
2
(x k)
6
es el polinomio caracterstico de una
matriz de orden 12. Determinar los valores propios de A sabiendo que la traza de A
es 4.
12. Sea A una matriz simetrica de orden dos sobre R.
(a) Probar que los valores propios de A son n umeros reales.
(b) Probar que A es diagonalizable.
13. Sea A =
_
3 5
5 1
_
matriz de orden 2.
(a) Mostrar que A es diagonalizable sobre R.
(b) Determinar una matriz P invertible tal que P
1
(c) Determinar los valores y vectores propios de A
2
2I
2
.
14. Sea A =
_
_
_
1 1 4
3 2 1
2 1 1
_
_
_.
(a) Determinar el polinomio caracterstico y minimal de A.
(b) Mostrar que C
A
(A) = 0 donde C
A
(x) es polinomio caracterstico de A.
(c) Determinar los valores propios de A
3
(d) Calcular A
7
y los valores propios de A
7
.
Algebra 81
15. Sea A =
_
_
_
_
_
4 1 0 1
2 3 0 1
2 1 2 3
2 1 0 5
_
_
_
_
_
matriz de orden 4.
(a) Determinar si A es o no diagonalizable.
(b) Vericar que C
A
(A) = 0
4
donde C
A
(x) es polinomio caracterstico de A.
t
y sus correspondientes vectores propios.
16. Considerar la matriz elemental la E
24
(3) de orden 5. Determinar:
(a) Su polinomio caracterstico.
(b) Los valores y vectores propios.
(c) Su polinomio minimal.
(d) Si es diagonalizable sobre R.
17. Sean a un n umero real jo y sea A =
_
_
_
_
_
a 1 0 0
0 a 0 0
0 0 a 0
0 0 0 a
_
_
_
_
_
de orden 4.
(a) Determinar el polinomio caracterstico de A, C
A
(x).
(b) Vericar el Teorema de Cayley-Hamilton.
(c) Determinar los subespacios propios de A.
(d) Determinar el polinomio minimal de A.
(e) Determinar si A es diagonalizable sobre R.
18. Sea A =
_
_
_
_
_
1 3 0 0
0 1 0 1
0 0 3 0
0 0 0 1
_
_
_
_
_
una matriz triangular de orden 4. Determinar si A es
diagonalizable sobre el cuerpo de los reales.
19. Determinar dos matrices (distintas) sobre R cuyo polinomio caracterstico sea
p(x) = (x 1)
2
(x + 1)(x + 2)
20. Determinar si la matriz B =
_
_
_
0 5 3
1 0 1
2 4 4
_
_
_ es diagonalizable sobre R.
82 Captulo 4
21. Sea A =
_
_
_
3 0 0
0 2 0
0 1 2
_
_
(a) Mostrar que A no es diagonalizable sobre R.
(b) Por calculo directo mostrar que C
A
(A) = 0
3
, donde C
A
(A) es el polinomio
caracterstico de A.
(c) Determinar el polinomio minimal de A.
22. Sea A =
_
_
_
4 6 6
1 3 2
1 5 2
_
_
(a) Determinar el polinomio caracterstico, los valores propios, y los subespacios
propios de A.
(b) Determinar el polinomio minimal de A.
2
y los subespacios propios de A
2
.
(d) Determinar los valores propios de A
t
y los subespacios propios de A
t
.
23. Sea A =
_
_
_
a + 7 a a + 5
a + 2 a + 4 a + 6
a + 3 a + 8 a + 1
_
_
_ donde a es un n umero real cualquiera.
Los valores propios de A son: 12 + 3a,
24, y
24.
Para a = 3, construir la matriz A.
(a) Probar que C
A
(x) = x
3
+ 3x
2
+ 24x 72 es el polinomio caracterstico de A,
y vericar que los valores propios de A corresponden seg un lo se nalado anteri-
ormente.
(b) Probar A diagonalizable sobre R.
Chapter 5
Espacios Vectoriales con Producto
Interno.
5.1 Producto Interno.
Denicion. Sea V espacio vectorial sobre R. Un producto interno, denotado p.i., sobre
V es una funcion de V V en R, tal que (u, v) u; v) que satisface las siguientes
propiedades:
(a) u +v; w) = u; w) +v; w) para todo u, v, w V .
(b) u; v) = u; v) para todo u, v V , para todo R.
(c) u; v) = v; u) para todo u, v V .
(d) v; v) > 0 para todo vector v ,= 0
V
.
Denicion. Un espacio euclidiano es un espacio vectorial real de dimension nita con un
producto interno.
Propiedades. Sea V un espacio vectorial sobre R y sea ; ) un producto interno denido
en V . Se tiene que:
1. u; v + w) = u; v) +u; w) para todo u, v, w V .
u; v) = u; v) para todo R, u, v V .
2. u; v) = u; v) para todo , R, u, v V .
83
84 Captulo 5
3. 0
V
; v) = 0, v; 0
V
) = 0 para todo v V .
4. v; v) = 0 v = 0
V
.
Ejemplos.
1. En V = R
n
espacio vectorial sobre R existe un producto interno llamado producto
interno canonico denido por:
(a
1
, a
2
, . . . , a
n
) ; (b
1
, b
2
, . . . , b
n
)) = a
1
b
1
+a
2
b
2
+ + a
n
b
n
Caso particular: En el espacio vectorial real R
2
el producto interno canonico esta
denido: (a, b) ; (c, d)) = ac + bd.
2. En el espacio vectorial M
mn
(R) se dene un producto interno: A; B) = tr(A
t
B).
Tal producto interno es el usual en el espacio de matrices reales.
3. En el espacio vectorial C
R
[0, 1] se dene un producto interno: f; g) =
_
1
0
f(t)g(t) dt.
4. Un producto interno en el espacio vectorial real R
2
distinto del producto interno
canonico es (a, b); (c, d)) = 2ac + bc +ad + 2bd.
Notacion. Si V es un espacio vectorial real con un producto interno, se denotara: V
e.p.i. sobre R.
Nota. En los espacios vectoriales que estamos considerando en nuestro curso tales como
R
n
, M
mn
(R), etc. consideraremos solamente el producto interno usual, los cuales han
sido denidos en el ejemplo anterior.
Norma de un vector.
Denicion. Sea V e.p.i. sobre R con un p.i. ; ). Sea v V . La norma de v denotada
|v| se dene como:
|v| =
_
v; v)
y se dice que es la norma inducida por el p.i. ; ).
Nota. |v| tiene sentido ya que v; v) 0 para todo v V y representa geometricamente
la longitud del vector v.
Ejemplo. En el espacio vectorial R
2
con el p.i. canonico se tiene que |(a, b)| =
a
2
+ b
2
para todo (a, b) R
2
.
Denicion. Sea V e.p.i. sobre R y sea v V . Se dice que v es un vector unitario, si y
solo si, |v| = 1.
Algebra 85
Nota: Sea v V , v ,= 0
V
. El vector
v
|v|
es unitario. Tal vector pertenece al subespacio
generado por v.
Propiedades. Sea V e.p.i. sobre R con un p.i. denotado ; ).
1. |v| > 0 para todo vector v ,= 0
V
.
|v| = 0 v = 0
V
.
2. |v|
2
= v; v) para todo v V .
3. |v| = [[ |v| para todo R, v V .
4. Desigualdad de Cauchy-Schwarz: [u; v)[ |u| |v| para todo u, v V .
5. Desigualdad triangular: |u + v| |u| +|v| para todo u, v V .
6. Ley del paralelogramo: |u + v|
2
+|u v|
2
= 2|u|
2
+ 2|v|
2
para todo u, v V .
Ejercicio: [u; v)[ = |u| |v| u, v es linealmente dependiente.
Distancia entre dos vectores. Sea V e.p.i. sobre R con un producto interno denotado
; ). Sean u, v V . La distancia entre u y v, denotada d(u, v) se dene por:
d(u, v) = |u v|
Ejemplo. En R
2
e.p.i. sobre R con el producto interno canonico se tiene que:
d((a, b), (c, d)) =
_
(a c)
2
+ (b d)
2
Angulo entre dos vectores. Sea V e.p.i. sobre R con un producto interno denotado
; ). Por la desigualdad de Cauchy-Schwarz se tiene que:
[u; v)[ |u| |v|, para todo u, v V
Si u ,= 0
V
y v ,= 0
V
, entonces
[u; v)[
|u| |v|
1. Por lo tanto 1
u; v)
|u| |v|
1.
Luego, existe un unico [0, ] tal que cos =
u; v)
|u| |v|
.
Denicion. El angulo formado por u y v es el unico [0, ] (o su equivalente en grados
sexagesimales) tal que cos =
u; v)
|u| |v|
.
Ejemplo.
Considerar el espacio euclidiano R
2
con el producto interno canonico. Sean u = (1, 1), v =
(1, 0) en R
2
. Se tiene que:
86 Captulo 5
es el angulo formado por u y v, si y solo si, cos =
1
1
=
1
2
.
Luego = 45
.
Nota. Sean u, v V , u ,= 0
V
, v ,= 0
V
. El angulo formado por u y v es el angulo formado
por las rectas L
u
= u) y L
v
= v).
5.2 Conjuntos Ortogonales. Conjuntos Ortonormales.
Denicion. Sea V e.p.i. sobre R con un producto interno denotado ; ) y sean u, v V .
Los vectores u y v son ortogonales, si y solo si, u; v) = 0.
Notacion. u y v son ortogonales se denotara: u v. Es decir:
u v u; v) = 0
Observaciones. Sea V e.p.i. sobre R con un producto interno denotado ; ).
1. 0
V
v para todo v V .
2. Sean u ,= 0
V
y v ,= 0
V
.
Se tiene que: u v si y solo si el angulo formado por u y v es de 90
.
3. Si u v entonces u v para todo R.
4. Si u v y u w entonces u (v +w) para todo , R.
5. v v, si y solo si, v = 0
V
.
6. Si u; v) = 0 para todo v V , entonces u = 0
V
.
7. Teorema de Pitagoras.
Sean u, v V . Si u v entonces |u +v|
2
= |u|
2
+|v|
2
.
Denicion. Sea V e.p.i. sobre R de dimension nita, con un producto interno denotado
; ). Sea S un subconjunto de V . Se tiene que:
1. S es un conjunto ortogonal, si y solo si, u; v) = 0 para todo u, v S, u ,= v.
2. S es un conjunto ortonormal, si y solo si, S es un conjunto ortogonal y |v| = 1 para
todo v S.
Algebra 87
Observaciones. Sea V e.p.i. sobre R con un producto interno denotado ; ).
1. Sea v V . Si v ,= 0
V
entonces v es un conjunto ortogonal.
2. Sea S un subconjunto de V y sea v V . Si v s para todo s S, entonces v w
para todo w S).
Es decir, si v S entonces v S).
Teorema. Sea V e.p.i. sobre R con un p.i. ; ) y sea S un subconjunto de V . El conjunto
v V : v S es un subespacio de V el cual generalmente se denota S
.
Nota. Sea W subespacio de V y sea B una base de W. Se tiene que W
= B
.
Teorema. Sea V e.p.i. sobre R con un p.i. ; ) y sea S = v
1
, v
2
, . . . , v
m
un subconjunto
de V tal que v
j
,= 0
V
para todo j 1, 2, . . . , m. Si S es un conjunto ortogonal, entonces
S es linealmente independiente.
El recproco de este teorema no se cumple.
Nota. El teorema anterior arma que, todo conjunto ortogonal de vectores que no contiene
al vector 0
V
Por lo tanto. Sea V es un e.p.i. sobre R, dim
R
V = n y sea S un subconjunto de V . Si S
es un conjunto ortogonal y 0
V
, S entonces el n umero de vectores de S es a lo mas n.
5.2.1 Proceso de Ortogonalizacion de Gram-Schmidt.
Sea V e.p.i. sobre R con un producto interno denotado ; ). Sean v
1
, v
2
, . . . , v
m
vectores
de V linealmente independientes.
Sea W = B) donde B = v
1
, v
2
, . . . , v
m
es una base de W, es decir dim
R
W = m.
Se tiene que:
Existe una base ( = u
1
, u
2
, . . . , u
m
de W tal que ( es un conjunto ortogonal.
Nota. Una base ortogonal ( del subespacio W se puede construir a partir de una base
cualesquiera de W.
En efecto: Los vectores u
1
, u
2
, . . . , u
m
se pueden construir usando el llamado Proceso
de Ortogonalizacion de Gram-Schmidt, mediante el cual tales vectores se obtienen por
88 Captulo 5
recurrencia.
u
1
= v
1
u
2
= v
2
v
2
; u
1
)
|u
1
|
2
u
1
u
3
= v
3
v
3
; u
2
)
|u
2
|
2
u
2
v
3
; u
1
)
|u
1
|
2
u
1
.
.
.
u
m
= v
m
m1
k=1
v
m
; u
k
)
|u
k
|
2
u
k
As, el conjunto u
1
, u
2
, . . . , u
m
es un conjunto ortogonal de m vectores no-nulos y genera
el mismo subespacio que genera el conjunto v
1
, v
2
, . . . , v
m
Nota. Ortogonalizar un conjunto B donde B es linealmente independiente signica con-

struir un conjunto ( ortogonal de vectores no-nulos a partir del conjunto B que genere el
mismo subespacio. Idem, ortonormalizar tal conjunto B signica ortogonalizar el con-
junto B y dividir cada vector por su norma.
Teorema. Todo espacio euclidiano V tiene una base ortogonal.
En efecto. Sea dim
R
V = n y sea B una base cualquiera de V . Usando el proceso de
ortogonalizacion de Gram-Schmidt se puede ortogonalizar el conjunto B.
Corolario 1. Todo espacio euclidiano V tiene una base ortonormal.
En efecto. Sea B una base ortogonal de V . Se tiene que:
_
v
|v|
: v B
_
es una base
ortonormal de V .
Ejemplo. Una base ortonormal para el espacio euclidiano R
n
con el p.i. canonico es la
base canonica (1, 0, . . . , 0), (0, 1, . . . , 0), . . . , (0, 0, . . . , 1).
Corolario 2. Todo subespacio de un espacio euclidiano V tiene una base ortonormal.
Teorema. Sea V e.p.i. sobre R, dim
R
V = n con un producto interno denotado ; ). Sea
B = v
1
, v
2
, . . . , v
n
una base ortonormal de V . Sea v V . Se tiene que:
[v]
B
=
_
_
_
_
_
_
v; v
1
)
v; v
2
)
.
.
.
v; v
n
)
_
_
_
_
_
_
Es decir: v = v; v
1
) v
1
+v; v
2
) v
2
+ +v; v
n
) v
n
Observaciones.
Algebra 89
El proceso de ortogonalizacion de Gram-Schmidt consiste en aplicar repetidamente una
operacion geometrica basica llamada proyeccion ortogonal.
1. El metodo de proyeccion ortogonal aparece en forma natural en un problema de
aproximacion.
Problema. Sea V un e.p.i. y sea W un subespacio de V tal que dim
R
(W) = m.
Dado un vector v V , determinar un vector w
0
W tal que |v w
0
| sea mnima.
Es decir, determinar un vector w
0
W tal que d(v, w
0
) sea mnima, o equivalente-
mente, determinar w
0
W tal que (v w
0
) w para todo w W.
(a) El problema anterior siempre tiene unica solucion, es decir, para cada vector
v V existe un unico vector w
0
W que satisface la condicion pedida.
Tal vector se llama la proyeccion ortogonal del vector v sobre el subespacio W,
y generalmente se denota por
W
(v) o simplemente por (v) . Es decir,
W
(v) W (v
W
(v)) w para todo w W
(b) Una manera de resolver este problema es el siguiente:
Considerar para el subespacio W una base ortogonal (mejor sera tomar una
base ortonormal). Sea B = w
1
, w
2
, . . . , w
m
una base ortogonal de W.
Se tiene que:
W
(v) =
v; w
1
)
|w
1
|
2
w
1
+
v; w
2
)
|w
2
|
2
w
2
+ +
v; w
m
)
|w
m
|
2
w
m
es la proyeccion ortogonal del vector v sobre el subespacio W. Notar que:
W
(v) W v
W
(v); w
j
) = 0 para todo j 1, 2, . . . , m
(c) Otra forma de resolver este problema es el siguiente.
Considerar una base cualquiera ( del subespacio W.
El unico vector w
0
del subespacio W que esta mas cerca del vector dado v
es combinacion lineal de los vectores de la base considerada ( de W.
Luego, resolver el sistema formado por m ecuaciones lineales que resulta de
hacer que el vector w
0
cumpla las m condiciones siguientes: v w
0
; w) = 0
para todo w ( ya que #(() = m.
(d) Notar que, el considerar una base ortonormal del subespacio W facilita los
calculos, ya que las coordenadas de un vector en una base ortonormal se pueden
determinar rapidamente.
90 Captulo 5
5.2.2 Matrices Ortogonales.
Recuerdo. Sea A una matriz cuadrada de orden n sobre R. A es una matriz ortogonal,
si y solo si, A A
t
= I
n
= A
t
A.
Por lo tanto:
A es una matriz ortogonal las las de A forman un conjunto ortonormal en el
espacio euclidiano R
n
considerando en este espacio
el p.i. canonico.
las columnas de A forman un conjunto ortonormal
en M
n1
(R) considerando en este espacio euclidiano
el p.i. usual.
Teorema. Sea V e.p.i. sobre R, dim
R
V = n, con un producto interno denotado ; ).
Sean B y ( dos bases ortonormales de V . Se tiene que,
la matriz de cambio de base [id
V
]
(
B
es una matriz ortogonal
1. En R
2
espacio vectorial real con el producto interno canonico denotado ; ).
(a) Calcular (1, 4); (3, 5)), 5(1, 4); 2(3, 5)).
(b) La distancia entre los vectores (1, 3) y (4, 2).
(c) El angulo entre los vectores (1, 3) y (4, 2).
Respuesta.
(a) (1, 4); (3, 5)) = 3 + 20 = 17.
5(1, 4); 2(3, 5)) = 10(1, 4); (3, 5)) = 10 17 = 170.
(b) La distancia entre los vectores (1, 3) y (4, 2) es:
d((1, 3), (4, 2)) =
_
(1 4)
2
+ (3 + 2)
2
=
9 + 25 =
34.
(c) El angulo entre los vectores (1, 3) y (4, 2) es , si y solo si,
cos() =
(1, 3); (4, 2))
|(1, 3)| |(4, 2)|
=
1
5
2
Luego = 1.71269 rad 98
o
7
t
48.
2. En R
2
espacio vectorial real con el producto interno canonico denotado ; ). Deter-
minar:
Algebra 91
(a) El conjunto de todos los vectores v R tales que |3v| = 2.
(b) Un vector unitario en el subespacio generado por el vector (1, 4).
(c) Un vector unitario que sea ortogonal al vector (1, 5).
(d) Todos los R tales que (1, 4); (2, 3)) = 2.
(e) A = v R
2
/v es ortogonal al vector (1, 5).
Respuesta.
(a) v V/ |3v| = 2 = (x, y) V/9(x
2
+ y
2
) = 4 = (x, y) V/x
2
+ y
2
=
4
9
.
Este conjunto representa geometricamente la circunsferencia centrada en el ori-
gen O(0, 0) de radio
2
3
.
(b) Un vector unitario en (1, 4)) es el vector:
(1,4)
|(1,4)|
=
_
1
17
,
4
17
_
.
(c) Sea (x, y) R
2
.
(x, y) (1, 5) x + 5y = 0
x = 5y
Luego un vector ortogonal a (1, 5) es el vector (5, 1).
Por lo tanto,un vector unitario ortogonal al vector (1, 5) es
_
5
26
,
1
26
_
.
(d) (1, 4); (2, 3)) = 2 10 = 2 =
1
5
.
(e) A = (x, y) / x + 5y = 0 = (5y, y) / y R = (5, 1)).
3. Sea V e.p.i. sobre R con un p.i. denotado ; ). Probar que
u; v) =
1
4
(|u + v|
2
|u v|
2
), para todo u, v V
Demostracion. Para cada u, v en V se tiene que:
|u +v|
2
|u v|
2
= u + v; u + v) u v; u v)
= |u|
2
+ 2 u; v) +|v|
2
(|u|
2
2 u; v) +|v|
2
= 4 u; v)
Por lo tanto u; v) =
1
4
(|u + v|
2
|u v|
2
).
4. Sea V = R
3
e.p.i. sobre R con el p.i. canonico. Considerar el subespacio W =
(x, y, z) V / x 3y = 0 de V . Determinar:
(a) Una base ortogonal B de V tal que (1, 1, 1) B.
92 Captulo 5
(b) Una base ortogonal para el subespacio W.
(c) El conjunto de todos los vectores v V tales que v w, para todo w W, es
decir determinar W
.
(d) Un vector u W, si fuere posible, tal que u (1, 3, 4).
(e) La proyecci on ortogonal del vector (1, 0, 4) sobre W.
Respuesta.
(a) Usaremos el proceso de ortogonalizacion de Gram-Schmidt.
Sea ( = (1, 1, 1), (0, 1, 0), (0, 0, 1). Se tiene que ( es una base de V tal que
(1, 1, 1) es parte de (. Comprobarlo.
Ortogonalizar (.
Sea u
1
= (1, 1, 1)
u
2
= (0, 1, 0)
(0, 1, 0); (1, 1, 1))
|(1, 1, 1)|
2
(1, 1, 1) = (
1
3
,
2
3
,
1
3
)
u
3
= (0, 0, 1)
(0, 0, 1); u
1
)
|u
1
|
2
u
1
(0, 0, 1); u
2
)
|u
2
|
2
u
2
= (
1
2
, 0,
1
2
)
Luego, una base ortogonal B de V que contiene al vector (1, 1, 1) es:
B = (1, 1, 1), (
1
3
,
2
3
,
1
3
), (
1
2
, 0,
1
2
)
(b) W = (x, y, z) V/ x3y = 0 = (3y, y, z)/ y, z R = (3, 1, 0), (0, 0, 1)).
El conjunto (3, 1, 0), (0, 0, 1) es una base de W y como (3, 1, 0); (0, 0, 1)) = 0,
se tiene que (3, 1, 0), (0, 0, 1) es una base ortogonal de W.
(c) Sea (x, y, z) V . Se tiene que:
(x, y, z) w, w W (x, y, z) u, u (, donde ( es base de W
considerar ( = (3, 1, 0), (0, 0, 1) una base de W
3x +y = 0 z = 0
Luego, W
= (x, 3x, 0) / x R = (1, 3, 0) ).

(d) Como u debe estar en W, se tiene que u = (3y, y, z) para alg un y, z R.
Luego:
(3y, y, z) (1, 3, 4) 3y + 3y 4z = 0 6y 4z = 0 z =
3
2
y
Por lo tanto un vector u pedido debe ser de la forma u = (3y, y,
3
2
y) con y R.
Para y = 4 por ejemplo, se tiene que u = (12, 4, 6) es un vector que satisface lo
pedido.
Algebra 93
(e) La proyecci on ortogonal del vector (1, 0, 4) sobre W es el vector
W
(1, 0, 4) W
tal que el vector diferencia ((1, 0, 4)
W
(1, 0, 4)) es ortogonal a todos los
vectores de W, o a todos los vectores de una base de W.
Como ( = (3, 1, 0), (0, 0, 1) es una base ortogonal de W se tiene que
W
(1, 0, 4) =
(1, 0, 4); (3, 1, 0))
|(3, 1, 0)|
2
(3, 1, 0) +
(1, 0, 4); (0, 0, 1))
|(0, 0, 1)|
2
(0, 0, 1)
Por lo tanto
W
(1, 0, 4) = (
9
10
,
3
10
, 4).
5. En el espacio vectorial V = R
3
con el p.i. canonico, considerar el subespacio W
generado por los vectores u = (2, 1, 0) y v = (4, 2, 1).
(a) Calcular el angulo que forman u y v.
(b) Determinar las longitudes de las diagonales del paralelogramo cuyos vertices son:
O(origen), u, u +v y v.
(c) Determinar un vector w W, w ,= (0, 0, 0) tal que w sea ortogonal al vector
(1, 1, 1).
Respuesta.
(a) angulo(u, v) = cos =
10
21
=
10
105
= arccos
10
105
.
(b) Las diagonales del paralelogramo tienen longitudes [[u +v[[ y [[u v[[ respecti-
vamente.
[[u + v[[ = [[(6, 3, 1)[[ =
36 + 9 + 1 =
46.
[[u v[[ = [[(2, 1, 1)[[ =
6.
(c) w W = , R : w = (2, 1, 0) + (4, 2, 1)
Luego, w = (2 + 4, + 2, ) para alg un , R.
w(1, 1, 1) 2 + 4 + + 2 = 0 3 + 5 = 0
Tomando por ejemplo = 1, entonces =
5
3
.
Por lo tanto un vector w W tal que w(1, 1, 1) es: w = (
2
3
,
1
3
, 1).
6. Sea V = R
4
espacio producto interno con el p.i. canonico denotado < ; >. Sea
W = (1, 1, 0, 1), (1, 0, 1, 0), (1, 1, 2, 1)).
(a) Determinar todos los a R: (1, 2, a, 2) pertenezca a W.
(b) Determinar una base ortogonal de W.
(c) Calcular la distancia del vector (0, 1, 0, 0) al subespacio W.
Respuesta.
94 Captulo 5
(a) Se tiene que:
(1, 2, a, 2) W , , R :
(1, 1, 0, 1) + (1, 0, 1, 0) + (1, 1, 2, 1) = (1, 2, a, 2)
+ + = 1
+ = 2
+ 2 = a
+ = 2
es consistente

_
_
_
_
_
1 1 1 1
1 0 1 2
0 1 2 a
1 0 1 2
_
_
_
_
_
=
_
_
_
_
_
1 1 1
1 0 1
0 1 2
1 0 1
_
_
_
_
_
Escalonar!. Ambas matrices tienen el mismo rango, si y solo si, a = 3.
(b) El conjunto B = (1, 1, 0, 1), (1, 0, 1, 0) es una base de W. Vericarlo!.
Luego
u
1
= (1, 1, 0, 1)
u
2
= (1, 0, 1, 0)
<(1,0,1,0);(1,1,0,1)>
[[(1,1,0,1)[[
2
(1, 1, 0, 1)
= (1, 0, 1, 0) +
1
3
(1, 1, 0, 1)
=
_
2
3
,
1
3
, 1,
1
3
_
Luego una base ortogonal de W es: ( = (1, 1, 0, 1), (
2
3
,
1
3
, 1,
1
3
).
(c) Como ( = (1, 1, 0, 1), (
2
3
,
1
3
, 1,
1
3
) es una base ortogonal de W se tiene que:
W
(0, 1, 0, 0) =
(0,1,0,0);(1,1,0,1))
[[(1,1,0,1)[[
2
(1, 1, 0, 1) +
(0,1,0,0);(
2
3
,
1
3
,1,
1
3
))
[[(
2
3
,
1
3
,1,
1
3
)[[
2
(
2
3
,
1
3
, 1,
1
3
)
Luego
W
(0, 1, 0, 0) = (
1
5
,
2
5
,
1
5
,
2
5
).
Por lo tanto,
d((0, 1, 0, 0), (
W
(0, 1, 0, 0)) = [[(1, 1, 0, 1) (
1
5
,
2
5
,
1
5
,
2
5
)[[ =
1
5
15.
5.4 Ejercicios.
1. Sea V = R
2
espacio vectorial sobre R con el p. i. canonico denotado ; ). Sean
u = (2, 3), v = (1, 4) y w = (3, 1) en V . Comprobar por calculo directo que:
(a) u; u) = [[u[[
2
.
(b) u; v) = v; u).
(c) u; v) = u; v) = u; v), para todo R.
(d) u + v; w) = u; w) +v; w).
Algebra 95
2. Considerar V = R
2
espacio vectorial real con el p. i. canonico. Sea v = (1, 3) V .
(a) Determinar R tal que | v| = 4.
(b) Determinar todos los vectores u eje X tal que u; v) = 5.
(c) Determinar el angulo entre los vectores (1, 0) y v.
(d) Determinar la proyecci on ortogonal del vector (1, 0) sobre la recta L = v).
3. En cada uno de los siguientes ejercicios determinar un vector u = (x, y, z) R
3
tal
que u; v) = 0 donde:
(a) v = (2, 3, 5); (b) v = (
3,
3,
8); (c) v = (1, 1, 1).

4. Sea V = R
4
espacio vectorial sobre R con el p. i. canonico denotado ; ).
(a) Sean v = (1, 0, 1, 1) y u = (1, 2, 3, 1) en R
4
. Hallar la distancia y el angulo
entre los vectores u y v.
(b) Hallar k R para que los vectores u y v sean ortogonales, donde u = (3, k
1, 1, k) y v = (k, 1, 0, 3).
(c) Determinar k R tal que [[(1, k, 2, 5)[[ =
39.
5. Sea V = R
3
e. v. sobre R con el p. i. canonico denotado ; ). Sea v = (a, 1, b) V .
Determinar el o los valores de a y b en R tales que v; (1, 1, 1)) = |(1, 1, 0)[[
2
y la
norma de v sea 4.
6. Sea V espacio vectorial sobre R con un producto interno ; ). Sea v un vector
unitario. Determinar los valores de a tales que:
[[u + av[[
2
+[[u av[[
2
= 2 [[u[[
2
+[[v[[
2
7. Probar que las diagonales de un rombo son perpendiculares. (Sugerencia: Trabajar
en el espacio euclidiano R
2
con el p.i. canonico, y considerar un vertice en el origen
(0, 0)).
8. Considerar R
4
e.p.i. sobre R con el p.i. canonico.
(a) Normalizar el vector v = (2, 0, 2, 0).
(b) Hallar una base ortonormal del subespacio generado por u = (1, 2, 3, 4) y
v = (3, 5, 7, 8) de R
4
.
9. Sea W = (x, y, z) R
3
/ 2x y + z = 0 subespacio del espacio euclidiano R
3
con
p. i. canonico. Determinar:
(a) Todos los vectores v de W tales que v; (1, 0, 0)) = 3.
(b) Todos los vectores v de W tales que la distancia de v a (1, 1, 1) sea 1.
96 Captulo 5
10. Sea V = R
3
espacio euclidiano con el p. i. canonico denotado ; ). Sean u =
(1, 1, 0), v = (0, 1, 1), w = (0, 2, 0) vectores de V .
(a) Calcular a R tal que 3u av; v 2u) = 2.
(b) Calcular angulo(u, v)+ angulo(v, w).
(c) Notar que B = u, v, w es una base de V . Construir una base ortonormal de
V , a partir de la base B.
(d) Determinar la proyecci on ortogonal del vector (1, 1, 1) sobre la recta generada
por el vector u.
11. Sea V e.p.i. sobre R, dim
K
V = n, con un p.i. denotado ; ).
(a) Sean u, v dos vectores linealmente independientes en V . Determinar una base
ortogonal para el subespacio generado por u, v.
(b) Sea u, v, w un conjunto ortogonal de V . Determinar el angulo que forman los
vectores u + v y u w.
12. Sea U = (a, b, c) R
3
/ a = x y +z, b = x +y 2z, c = 2y 3z, con x, y, z R
subespacio de V = R
3
con producto interno canonico.
(a) Determinar una base de U.
(b) Determinar una base B de U que sea ortogonal.
(c) Construir un conjunto ( tal que ( sea una base ortogonal de V que contenga a
B, donde B es una base ortogonal de U.
(d) Considerar ( de la parte (c). Sea v = (x, y, z) V . Determinar el vector
coordenado de v en la base (.
(e) Determinar todos los v eje Z, tales que la distancia de v a U sea 1.
13. Sea W = (1, 1, 0), (1, 0, 1), (0, 1, 1)) subespacio del espacio euclidiano V = R
3
con p. i. canonico.
(a) Determinar el angulo que forman los vectores (1, 1, 0) y (1, 0, 1).
(b) Determinar los vectores de W que son perpendiculares al eje X.
(c) Determinar la distancia del vector (1, 1, 0) al eje X.
(d) Determinar una base ortogonal de W.
14. Sea A =
_
1 2
2 1
_
una matriz de orden 2. Hallar una matriz P invertible tal que
P
t
AP sea diagonal (P ortogonal).
15. Demuestre que si v y w son vectores en R
3
, entonces v es perpendicular con w, si y
solo si, |v + w| = |v w|.
Algebra 97
16. Sea R
3
espacio vectorial sobre R con el p. i. canonico denotado ; ). Sea : R
3
R
3
un operador lineal en R
3
denido por
(x, y, z) =
_
x + z
2
, y,
x +z
2
_
Considerar el subespacio W = (1, 2, 1), (1, 1, 1)) de R
3
.
(a) Demostrar que ( )(v) = (v) para todo v R
3
.
(b) Probar que (w) = w, para todo w en W.
(c) Determinar el Ker(), Im() y una base para cada uno de estos subespacios.
(d) Probar que R
3
es suma directa de los subespacios Ker() y Im().
(e) Determinar una base ortogonal para W.
(f) Calcular (1, 4, 5) y probar que ((1, 4, 5) (1, 4, 5)) es ortogonal a W.
17. Sea : R
3
R
3
lineal denida por
(x, y, z) =
_
x + 3y z
11
,
3x + 9y 3z
11
,
x 3y + z
11
_
(a) Demostrar que ( )(v) = (v), para todo v en R
3
.
(b) Mostrar que (w) = w, para todo w en el espacio generado por (1, 3, 1).
(c) Determinar el Ker() e Im().
(d) Probar que R
3
es suma directa de los subespacios Ker() e Im().
3
espacio vectorial sobre R. Sea : V V un operador lineal
sobre V , tal que, la matriz de en la base canonica es
_
_
_
1
2
1
2
0
1
2
1
2
0
0 0 1
_
_
_.
(a) Determinar (x, y, z).
(b) Determinar una base para Ker() y una base para Im().
(c) Determinar los valores propios de y los subespacios propios de .
(d) Determinar el polinomio caracterstico y el polinomio minimal de .
(e) Probar que es diagonalizable y determinar una base ( de V tal que la matriz
de en la base ( sea una matriz diagonal.
3
con el p. i. canonico. Sea W = (x, y, z) V / x + y = 0.
(a) Determinar a y b en R tal que el vector 2, a, b) sea ortogonal a todos los vectores
de W.
(b) Determinar una base ortogonal de W.
98 Captulo 5
(c) Calcular la distancia del vector (1, 0, 1) al plano W.
(d) Determinar la proyeccion ortogonal del vector (x, y, z) sobre W.
(e) Calcular el angulo entre los vectores (0, 1, 1) y
W
(0, 1, 1).
(f) El vector v = (2, 2, 4) pertenece al subespacio W. Determinar el angulo que
forman las rectas L = v ) y el eje Z.
20. Determinar una matriz ortogonal A cuya primera la sea (
1
2
,
3
2
, 0) si fuere posible.
21. Sea V = R
3
e. v. real con p. i. canonico. Sean u = (u
1
, u
2
, u
3
) y v = (v
1
, v
2
, v
3
)
vectores en R
3
. Se dene el producto vectorial o producto cruz entre u y v, denotado
u v como:
u v =
1 0 0
u
1
u
2
u
3
v
1
v
2
v
3
(1, 0, 0) +
0 1 0
u
1
u
2
u
3
v
1
v
2
v
3
(0, 1, 0) +
0 0 1
u
1
u
2
u
3
v
1
v
2
v
3
(0, 0, 1)
(a) Para u = (1, 2, 0), v = (1, 1, 1) y w = (1, 1, 1)
i. Calcular: u v; v; (u w)); u; (v w) + (1, 0, 0)).
ii. Probar que u v es ortogonal tanto a u como a v.
(b) Para u, v V cualesquiera.
i. Probar que |u v|
2
+[u; v)[
2
= |u|
2
|v|
2
.
ii. Probar que |uv| = |u| |v| sin() donde es el angulo entre los vectores
u y v (o entre u) y v)).
Bibliography
[1] Bancho, Thomas. Wermer, John. Linear Algebra Through Geometry. Springer-Verlag.
New York Heidelberg Berln.1983.
[2] Barnett, R. A. Algebra y Trigonometra. Mexico, Mc Graw Hill, 1986.
[3] Birko, G. y S. MacLane. A Survey of Modern Algebra, Mac Millan, Nueva York,
1965.
[4] Budnick, F. Matematicas Aplicadas. Mac Graw-Hill, 1981.
[5] Dolciani, Beckenback, Jurgensen, Donnelly, Wooton. Introduccion al Analisis Mod-
erno. Publicaciones Cultural S. A., 1974.
[6] Keedy, M. L., Bittinger M. L. Algebra y Trigonometra. Bogota, Fondo Educativo
Interamericano, 1981.
[7] Lang, Serge. Linear Algebra. Adison-Wesley Publishing Company, Second Edition,
1972.
[8] Lehmann, Ch. Algebra. Mexico: Limusa-Willey, 1964.
[9] Lipschutz, Seymour. Algebra Lineal. Schaums Outline Series, Mc Graw-Hill.
[10] Nering, E. Algebra Lineal y Teora de Matrices. Editorial Limusa, 1977.
[11] Noble, B., Daniel, J. Applied Linear Algebra. Englewood Clis , Nueva Yersey:
Prentice-Hall, 1969.
[12] Strang, Gilbert. Algebra Lineal y sus Aplicaciones. Fondo Educativo Interamericano,
1982.
[13] Vance, Elbridge. Introduccion a la Matematica. Addison-Wesley-Iberoamericana, 1990.
[14] Vance, E. Algebra y Trigonometra. Fondo Educativo Interamericano, 1978.
99

Apuntes Algebra II

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Apuntes Algebra II

Diunggah oleh

Hak Cipta:

Format Tersedia

Chapter 1

Matrices. Determinantes. Sistemas

2. Sea v V . El subespacio generado por v es v) = v / K.

un subconjunto de V . Se tiene que, v

una base de V sobre K. Para cada v V , existen unicos

una base de V y sean w

es llamado el subespacio propio de T asociado al valor propio .

es llamado el subespacio propio de A asociado al valor propio .

Nota. Ortogonalizar un conjunto B donde B es linealmente independiente signica con-

= (x, 3x, 0) / x R = (1, 3, 0) ).

8); (c) v = (1, 1, 1).

Anda mungkin juga menyukai