Mas de 160 Problemas de Algebra Lineal
Cargado por
Milton SanchezMas de 160 Problemas de Algebra Lineal
Cargado por
Milton SanchezMás de 160
problemas resueltos de
Álgebra Lineal
María Barba Reyes
Daniel Marín Aragón
María Ángeles Moreno Frías
Francisco Javier Navarro Izquierdo
Índice
Prólogo vii
1. Sistemas de ecuaciones lineales 9
2. Matrices 25
3. Determinantes 53
4. Espacios vectoriales. Bases 99
5. Subespacios vectoriales 127
6. Aplicaciones lineales 161
7. Espacio dual 199
8. Espacio vectorial euclídeo 209
9. Valores y vectores propios. Diagonalización 223
10. Trabajando con Mathematica 251
Glosario 277
Bibliografía 279
v
Prólogo
Este manual recoge una colección de problemas resueltos de Álgebra Lineal; pues-
to que existen extraordinarios e imprescindibles textos (ver por ejemplo, [2], [3], [4],
[11] y [15]), nuestro principal objetivo en la elaboración del mismo ha sido acercarnos
al razonamiento que poseen los estudiantes en esta etapa del aprendizaje, lo que se
re eja en las explicaciones y detalles que aparecen en la resolución de los problemas
presentados. Se trata de un manual complementario que el alumno utilizará para re-
forzar sus conocimientos en Álgebra Lineal; por ello, a lo largo del texto aparecen
algunas de niciones y resultados que pueden facilitar al alumnado la resolución de
los problemas. Como novedad, queremos señalar que, en el último capítulo, aparecen
algunos ejercicios resueltos utilizando el programa de cálculo simbólico Mathematica.
Creemos que este manual puede ser bastante útil para los estudiantes de un primer
curso de cualquier Grado en las ramas de Ciencias o de Ingeniería.
El contenido de este manual se ha distribuido en 10 capítulos. El Capítulo 1 está
dedicado al estudio de sistemas de ecuaciones lineales; en él se resuelven sistemas de
ecuaciones de forma intuitiva y mediante la transformación del mismo en uno equiva-
lente escalonado. En el Capítulo 2, se estudia el álgebra de matrices. El determinante
de una matriz cuadrada y las propiedades del mismo se estudian en el Capítulo 3.
Como aplicación, presentamos problemas del cálculo del rango y matriz inversa de
una dada. Estos tres capítulos son las herramientas necesarias e imprescindibles para
el resto del curso. En el Capítulo 4, trabajamos el concepto de espacio vectorial y
base del mismo; hemos hecho bastante hincapié en los cambios de base de un espacio
vectorial, ya que este concepto resulta difícil de asimilar por los estudiantes. Todos
los espacios vectoriales que consideraremos serán de dimensión nita. Los subespacios
vectoriales se estudian en el Capítulo 5; también se ven operaciones entre los mismos.
El Capítulo 6 está dedicado al estudio de las aplicaciones lineales; estudiaremos la
matriz asociada a una aplicación lineal, así como el núcleo y la imagen de la misma.
Finalizamos mostrando cómo las operaciones con aplicaciones se traducen en ope-
raciones entre matrices. En el Capítulo 7, estudiamos el espacio dual de uno dado.
El Capítulo 8 está dedicado al estudio del espacio vectorial euclídeo; calcularemos la
matriz asociada a un producto escalar y, mediante el algoritmo de Gram-Schmidt, ob-
tendremos una base ortogonal de un espacio vectorial. Estos conceptos son de bastante
utilidad para diagonalizar matrices simétricas reales. El Capítulo 9 está dedicado a
la diagonalización de matrices; en concreto, hemos estudiado los conceptos de au-
tovalores y autovectores, así como la diagonalización de una matriz por semejanza,
semejanza ortogonal y el cálculo de la forma canónica de Jordan de una matriz. Pa-
ra terminar, tal y como hemos señalado anteriormente, hemos incluido un capítulo
donde resolvemos, mediante Mathematica, algunos ejercicios que aparecen señalados
vii
en el capítulo correspondiente con el símbolo . No hemos pretendido realizar un
manual de resolución de problemas mediante Mathematica. Aquí nuestro objetivo ha
sido la utilización directa de algunas órdenes que existen en este programa de cálculo
simbólico. Por ello, hemos incluido en la Bibliografía títulos, tales como [14] y [16],
que puede consultar cualquier estudiante que esté interesado en esta materia.
Para la elaboración de este material, hemos consultado diversas fuentes, espe-
cialmente el texto Álgebra Lineal con métodos elementales de L. Merino y E. Santos,
([9]), así como otros (ver [5], [6], [8], [12] y [13]) que se reseñan en la Bibliografía.
Por último queremos dar las gracias al Departamento de Matemáticas de la Uni-
versidad de Cádiz, así como a nuestras familias y amigos, en especial a Javier Navarro
Granado, por todo el apoyo que nos han prestado en la realización de este trabajo.
Puerto Real a 11 de Diciembre de 2014.
Los autores.
viii
1 | Sistemas de ecuaciones
lineales
En este capítulo, estudiaremos y resolveremos sistemas de ecuaciones lineales. Los
problemas que presentamos están clasi cados en dos bloques:
Resolución del sistema de manera intuitiva.
Resolución y estudio del sistema transformando éste en uno escalonado.
1. Resuelve los siguientes sistemas de ecuaciones:
2x −3y −4z = 3
5x −3y +2z = 4
a) 2y +z = 2 b) y −2z = 3
3z = −3
4x +3y +2z =1 x +3y +2z = 3
c) x −2y =4 d) y −3z = 1
−x +2y =2 y +2z = 4
x −2y +2z = 3 x −2y +3z =1
e) −2x +4y +z = −1
f) 2x −4y +6z =1
x +y = 3 x +y = 0
g) h)
2x −y = −9 x +z = 0
x −y = −2 y +z = 0
x −y = 2
2x +2y +2z = 1
2x +y = 1
i) j)
x +3y −z = 3
x −2y = 3
−x −3y +z = −7
x +2y = −1
x1 + x2 + x3 + x4 = 1 2x +y −z = 0
k) x1 − x2 + x3 − x4 = 0 l) 2x +3y −3z = −3
x1 + x2 − x3 − x4 = 2 2x −y +z = 3
9
10 Más de 160 problemas resueltos de Álgebra Lineal
x1 +x2 −3x3 + 5x4 =0
x2 −x3 + 5x4 =0
m)
−3x3 + 5x4 =0
x1 +3x3 − 5x4 =0
Solución:
2x −3y −4z = 3
a) 2y +z = 2
3z = −3
De la última ecuación obtenemos z = −1. Sustituimos este valor en la segunda
3
ecuación, y obtenemos 2y − 1 = 2. De donde, y = . Sustituyendo estos valores en
2
7
la primera ecuación, se tiene que x = .
4
Por tanto, se trata de un sistema compatible determinado, cuya solución viene
dada por:
7 3
x= , y= , z = −1.
4 2
5x −3y +2z = 4
b)
y −2z = 3
De la segunda ecuación obtenemos y = 3 + 2z . Si sustituimos este valor en la
primera ecuación, se tiene:
5x − 3(3 + 2z) + 2z = 4.
Esto es, 5x − 4z = 13. Por tanto,
13 + 4z
x= .
5
Si llamamos z = λ, vemos que estamos ante un sistema compatible indeterminado
cuyo conjunto de soluciones es:
13 + 4λ
x= , y = 3 + 2λ, z = λ, λ ∈ R.
5
4x +3y +2z = 1
c) x −2y = 4
−x +2y = 2
Si sumamos la segunda y tercera ecuación, obtenemos 0 = 6. Como esto es impo-
sible, el sistema es incompatible.
1. Sistemas de ecuaciones lineales 11
x +3y +2z = 3
d) y −3z = 1
y +2z = 4
A la tercera ecuación le restamos la segunda y obtenemos:
x +3y +2z = 3
y −3z = 1
5z = 3.
De aquí obtenemos z = 53 . Sustituimos este valor en la segunda ecuación y tenemos
y − 3 35 = 1. Esto es, y = 14 5 . Por último sustituimos estos valores en la primera
ecuación y despejamos, quedando x = − 33 5 .
Por tanto, podemos a rmar que se trata de un sistema compatible determinado
cuya solución viene dada por:
33 14 3
x=− , y= , z= .
5 5 5
x −2y +2z = 3
e)
−2x +4y +z = −1
Sumando a la segunda ecuación el doble de la primera, se tiene 5z = 5. De donde
z = 1.
Sustituyendo el valor de z en el sistema, se tiene:
x −2y = 1
−2x +4y = −2
Donde observamos que la segunda ecuación es proporcional a la primera. Por
tanto si y = λ, vemos que se trata de un sistema compatible indeterminado, cuyo
conjunto de soluciones del sistema viene dado por:
x = 1 + 2λ, y = λ, z = 1, λ ∈ R.
x −2y +3z = 1
f)
2x −4y +6z = 1
A la segunda ecuación le sumamos la primera multiplicada por (−2), entonces se
tiene:
x −2y +3z = 1
0 = −1
y obtenemos la igualdad 0 = −1 que nunca puede ser cierta. Así el sistema es
incompatible.
12 Más de 160 problemas resueltos de Álgebra Lineal
x +y = 3
g) 2x −y = −9
x −y = −2
Si a la tercera ecuación le sumamos la primera, obtenemos:
x +y = 3
2x −y = −9
2x = 1
De donde, x = 21 . Sustituimos este valor en las dos primeras ecuaciones y se tiene:
5
y = 2
−y = −10
Esto es, el sistema es incompatible.
x +y = 0
h) x +z = 0
y +z = 0
Despejando y en la primera ecuación y z en la segunda, se tiene que: y = z = −x.
Ahora sustituimos este valor en la tercera ecuación, quedándonos: −x + (−x) = 0.
Esto es, x = 0. De donde la única solución del sistema viene dada por x = y =
z = 0.
x −y = 2
2x +y = 1
i)
x −2y = 3
x +2y = −1
Si a la segunda ecuación le sumamos la primera, se tiene:
x −y = 2
3x = 3
x −2y
= 3
x +2y = −1
De aquí obtenemos que x = 1. Sustituyendo este valor en el resto de las ecuaciones,
obtenemos:
−y = 1
−2y = 2
2y = −2
Por tanto, se trata de un sistema compatible determinado, cuya solución es:
x = 1, y = −1.
1. Sistemas de ecuaciones lineales 13
2x +2y +2z = 1
j) x +3y −z = 3
−x −3y +z = −7
Si a la tercera ecuación le sumamos la segunda, nos queda:
2x +2y +2z = 1
x +3y −z = 3
0 = −4
Como la igualdad 0 = −4 no es posible, podemos a rmar que el sistema es incom-
patible.
x1 +x2 +x3 +x4 = 1
k) x1 −x2 +x3 −x4 = 0
x1 +x2 −x3 −x4 = 2
Sumando las dos primeras ecuaciones, se tiene:
2x1 + 2x3 = 1.
Si sumamos la primera y tercera ecuación, se tiene:
2x1 + 2x2 = 3.
Sumando la segunda y tercera ecuación, tenemos:
2x1 − 2x4 = 2.
Así, si llamamos x1 = λ, vemos que se trata de un sistema compatible indetermi-
nado cuyo conjunto de soluciones viene dado por:
3 1
x1 = λ, x2 = − λ, x3 = − λ, x4 = λ − 1, λ ∈ R.
2 2
2x +y −z = 0
l) 2x +3y −3z = −3
2x −y +z = 3
A la tercera ecuación le sumamos la primera, quedando:
2x +y −z = 0
2x +3y −3z = −3
4x = 3
3
De aquí se tiene x = . Si sustituimos este valor en las restantes ecuaciones,
4
y −z = −3/2
3y −3z = −9/2.
14 Más de 160 problemas resueltos de Álgebra Lineal
Observamos que la segunda ecuación es tres veces la primera. Por tanto, no nos
aporta ninguna información y podemos eliminarla. Así si y = λ, vemos que se
trata de un sistema compatible indeterminado, cuyo conjunto de soluciones viene
dado por:
3 3
x= , y = λ, z= + λ, λ ∈ R.
4 2
x1 +x2 −3x3 +5x4 = 0
x2 −x3 +5x4 = 0
m)
−3x3 +5x4 = 0
x1 +3x3 −5x4 = 0
Si a la cuarta ecuación le sumamos la tercera, se tiene:
x1 +x2 −3x3 +5x4 = 0
x2 −x3 +5x4 = 0
−3x3 +5x4 = 0
x1 = 0.
Esto es, x1 = 0. Sustituyendo el valor de x1 en la primera ecuación, nos queda:
x2 −3x3 +5x4 = 0
x2 −x3 +5x4 = 0
−3x3 +5x4 = 0.
Si ahora restamos las dos primeras ecuaciones, tenemos −2x3 = 0. Esto es, x3 = 0.
Si sustituimos este valor en la tercera ecuación obtenemos x4 = 0. Finalmente
sustituyendo estos valores en la primera ecuación, obtenemos x2 = 0. Así el sistema
homogéneo sólo tiene la solución trivial. Esto es, x1 = x2 = x3 = x4 = 0.
En el ejercicio siguiente utilizaremos un algoritmo que nos permite obtener un
sistema escalonado equivalente a uno dado. Este algoritmo puede consultarse en [9]:
Algoritmo para convertir un sistema en escalonado por las
Paso 1: Se lleva al primer lugar una ecuación con coe ciente no nulo para
la incógnita x1 .
Paso 2: Se multiplica esta primera ecuación por el inverso del coe ciente
de x1 de forma que se obtenga coe ciente 1 para x1 .
Paso 3: Se elimina la incógnita x1 de las restantes ecuaciones, sumándoles
la primera ecuación multiplicada por un número adecuado.
Ahora, se deja ja la primera ecuación y se repite el proceso (Pasos 1, 2
y 3) para las restantes ecuaciones y la incógnita x2 . Repitiendo el proceso,
mientras sea posible, obtendremos un sistema escalonado por las.
1. Sistemas de ecuaciones lineales 15
2. Para los siguientes sistemas de ecuaciones lineales se pide: trans-
formar el sistema en un sistema escalonado, discutirlo y resolver el sistema
si éste tiene solución:
2x −3y +z +t = 0
x1 −2x2 +x3 = 7
x −y +z +t = 0
a) b)
2x1 −5x2 +2x3 = 6
3x −2y +z +t = 0
3x1 +2x2 −x3 = 1
6x −6y +3z +3t = 0
x −y +z −u +v = 0 3x +2y +z = 0
c) d)
x +y +2z +2u −v = 0 2x +3y +z = 0
−x +5y +z +7u −5v = 0 2x +y +3z = 0
2x −y +3z = 9 5x +2y −3z = −2
e) 3x −5y +z = −4 f) 2x −2y +5z = 0
4x −7y +z = 5 3x +4y +2z = −10
x +y +z +t = 6
x +y +z +t = 0
x −y +z −t = −2 x +z = 0
g) h)
3x −y +3z −t = 2
x +3y +z +3t = 0
7x −5y +7z −5t = −6 x −y +z +t = 0
x −y +t = 0 x +2y −3z +4t = 2
i) j)
−x +2y +z = 0 2x +5y −2z +t = 1
y −3z +2t = 0 5x +12y −7z +6t = 7
x +y −z +2t = 1
x −3y −2z +4t = 5
x −y +z −t = 2
k) l)
3x −8y −3z +8t = 18
2x +2y −z +5t = 0
2x −3y +5z −4t = 19
y +4z −3t = 5
Solución:
x1 −2x2 +x3 = 7
a) 2x1 −5x2 +2x3 = 6
3x1 +2x2 −x3 = 1
A la segunda y tercera ecuación le sumamos la primera multiplicada por (−2) y
(−3) respectivamente:
x1 −2x2 +x3 = 7
−x2 = −8
8x2 −4x3 = −20
Multiplicamos la segunda ecuación por (−1) y la tercera por 14 :
x1 −2x2 +x3 = 7
x2 = 8
2x2 −x3 = −5
16 Más de 160 problemas resueltos de Álgebra Lineal
A la tercera ecuación le sumamos la segunda multiplicada por (−2):
x1 −2x2 +x3 = 7
x2 = 8
−x3 = −21
Multiplicamos la tercera ecuación por (−1) y nos queda:
x1 −2x2 +x3 = 7
x2 = 8
x3 = 21
El sistema es compatible determinado ya que su única solución es:
x1 = 2, x2 = 8, x3 = 21.
2x −3y +z +t = 0
x −y +z +t = 0
b)
3x −2y +z +t = 0
6x −6y +3z +3t = 0
Intercambiamos la primera ecuación con la segunda:
x −y +z +t = 0
2x −3y +z +t = 0
3x −2y +z +t = 0
6x −6y +3z +3t = 0.
A la segunda, tercera y cuarta ecuación le sumamos la primera multiplicada por
(−2), (−3) y (−6) respectivamente, obteniendo:
x −y +z +t = 0
−y −z −t = 0
y −2z −2t = 0
−3z −3t = 0.
Intercambiamos la segunda y tercera ecuación:
x −y +z +t = 0
y −2z −2t = 0
−y −z −t = 0
−3z −3t = 0.
A la tercera ecuación le sumamos la segunda:
x −y +z +t = 0
y −2z −2t = 0
−3z −3t = 0
−3z −3t = 0.
1. Sistemas de ecuaciones lineales 17
Multiplicamos la tercera ecuación por − 13 :
x −y +z +t = 0
y +z +t = 0
z +t = 0
−3z −3t = 0.
A la última ecuación, le sumamos la tercera multiplicada por 3:
x −y +z +t = 0
y +z +t = 0
z +t = 0
0 = 0.
Si t = λ, obtenemos un sistema compatible indeterminado cuyas soluciones son:
x = 0, y = 0, z = −λ, t = λ, λ ∈ R.
x −y +z −u +v = 0
c) x +y +2z +2u −v = 0
−x +5y +z +7u −5v = 0
A la segunda ecuación le sumamos la primera multiplicada por (−1) y a la tercera
le sumamos la primera, de forma que queda:
x −y +z −u +v = 0
2y +z +3u −2v = 0
4y +2z +6u −4v = 0.
Multiplicamos la segunda y tercera ecuación por 12 :
x −y +z −u +v = 0
y + 12 z + 32 u −v = 0
2y +z +3u −2v = 0.
A la tercera ecuación le sumamos la segunda multiplicada por (−2):
x −y +z −u +v = 0
y + 21 z + 23 u −v = 0
0 = 0.
Nos queda un sistema compatible indeterminado cuyas soluciones vienen dadas
por:
3δ µ δ 3µ
x=− − , y=− − + λ, z = δ, u = µ, v = λ, δ, µ, λ ∈ R.
2 2 2 2
18 Más de 160 problemas resueltos de Álgebra Lineal
3x +2y +z = 0
d) 2x +3y +z = 0
2x +y +3z = 0
Comenzamos multiplicando la primera ecuación por 13 :
x + 23 y + 31 z = 0
2x +3y +z = 0
2x +y +3z = 0.
Le sumamos a la segunda y tercera ecuación la primera multiplicada por (−2),
2
x +3y
+ 13 z = 0
5
3y + 13 z = 0
− 13 y + 73 z
= 0.
Ahora multiplicamos la tercera ecuación por (−3) y la intercambiamos por la
segunda:
x + 32 y + 13 z = 0
y −7z = 0
5
y + 13 z = 0.
3
A la tercera ecuación le restamos la segunda multiplicada por (− 35 ):
x + 23 y + 13 z = 0
y −7z = 0
12z = 0.
Así pues, la solución del sistema es:
x = 0, y = 0, z = 0.
2x −y +3z = 9
e) 3x −5y +z = −4
4x −7y +z = 5
Multiplicamos por 1
2 la primera ecuación:
x − 12 y + 32 z = 9
2
3x −5y +z = −4
4x −7y +z = 5
Sumamos a la segunda y tercera ecuación la primera multiplicada por (−3) y (−4)
respectivamente:
x
− 21 y + 23 z = 9
2
− 72 y − 27 z = − 35
2
−5y −5z = −13
1. Sistemas de ecuaciones lineales 19
Multiplicamos la segunda ecuación por − 27 y la tercera por − 15 :
x − 21 y + 32 z = 9
2
y +z = 5
13
y +z =
5
A la tercera ecuación le sumamos la segunda multiplicada por (−1),
x − 12 y + 32 z = 9
2
y +z = 5
0 = − 12
5
Observamos que la tercera ecuación es una contradicción y, por tanto, el sistema
es incompatible.
5x +2y −3z = −2
f) 2x −2y +5z = 0
3x +4y +2z = −10
Intercambiamos la primera y segunda ecuación:
2x −2y +5z = 0
5x +2y −3z = −2
3x +4y +2z = −10
Multiplicamos por 1
2 la nueva primera ecuación:
x −y + 52 z = 0
5x +2y −3z = −2
3x +4y +2z = −10
Sumamos a la segunda y tercera ecuación la primera multiplicada por (−5) y (−3)
respectivamente:
x −y
+ 25 z = 0
7y − 31
2 z = −2
11
7y −2z = −10
A la tercera ecuación le sumamos la segunda multiplicada por (−1):
x
−y + 25 z = 0
7y − 31
2 z = −2
10z = −8
Por tanto, el sistema es compatible determinado y sus soluciones son:
2 72 4
x=− , y=− , z=− .
35 35 5
20 Más de 160 problemas resueltos de Álgebra Lineal
x +y +z +t = 6
x −y +z −t = −2
g)
3x −y +3z −t = 2
7x −5y +7z −5t = −6
Sumamos a la segunda, tercera y cuarta ecuación la primera multiplicada por (−1),
(−3) y (−7) respectivamente:
x +y +z +t = 6
−2y −2t = −8
−4y −4t = −16
−12y −12t = −48
Multiplicamos la segunda ecuación por (− 21 ),
x +y +z +t = 6
y +t = 4
−4y −4t = −16
−12y −12t = −48
Sumamos a la tercera y cuarta ecuación la segunda multiplicada por 4 y 12 res-
pectivamente,
x +y +z +t = 6
y +t = 4
0 = 0
0 = 0.
Así pues, el sistema es compatible indeterminado. Si llamamos z = λ, t = µ, el
conjunto de soluciones del sistema vendrá dado por:
x = 2 − λ, y = 4 − µ, z = λ, t = µ, λ, µ ∈ R.
x +y +z +t = 0
x +z = 0
h)
x +3y
+z +3t = 0
x −y +z +t = 0
Se trata de un sistema homogéneo, luego, al menos, tiene la solución trivial. Veamos
si tiene otras soluciones. A la segunda, tercera y cuarta ecuación le sumamos la
primera multiplicada por (−1),
x +y +z +t = 0
−y −t = 0
2y +2t = 0
−2y = 0.
1. Sistemas de ecuaciones lineales 21
Multiplicamos la segunda ecuación por (−1):
x +y +z +t = 0
y +t = 0
2y +2t = 0
−2y = 0.
Sumamos a la tercera y cuarta ecuación, la segunda multiplicada por (−2) y 2,
respectivamente:
x +y +z +t = 0
y +t = 0
0 = 0
2t = 0.
Por tanto, el sistema es compatible indeterminado y, si z = λ, su conjunto de
soluciones viene dado por:
x = −λ, y = 0, z = λ, t = 0, λ ∈ R.
x −y +t = 0
i) −x +2y +z = 0
y −3z +2t = 0
Tenemos un sistema homogéneo, luego al menos tiene la solución trivial. Veamos
si existen otras soluciones. A la segunda ecuación le sumamos la primera:
x −y +t = 0
y +z +t = 0
y −3z +2t = 0.
A la tercera ecuación le sumamos la segunda multiplicada por (−1),
x −y +t = 0
y +z +t = 0
−4z +t = 0.
Así pues, se trata de un sistema compatible indeterminado. Tomando z = λ, el
conjunto de soluciones viene dado por:
x = −9λ, y = −5λ, z = λ, t = 4λ, λ ∈ R.
x +2y −3z +4t = 2
j) 2x +5y −2z +t = 1
5x +12y −7z +6t = 7
22 Más de 160 problemas resueltos de Álgebra Lineal
Sumamos a la segunda y tercera ecuación la primera multiplicada por (−2) y (−5)
respectivamente:
x +2y −3z +4t = 2
y +4z −7t = −3
2y +8z −14t = −3
A la tercera ecuación le sumamos la segunda multiplicada por (−2):
x +2y −3z +4t = 2
y +4z −7t = −3
0 = 3
Vemos que en la tercera ecuación aparece una contradicción, luego el sistema es
incompatible. Esto es, no existe solución.
x −3y −2z +4t = 5
k) 3x −8y −3z +8t = 18
2x −3y +5z −4t = 19
Sumamos a la segunda y tercera ecuación, la primera multiplicada por (−3) y (−2)
respectivamente,
x −3y −2z +4t = 5
y +3z −4t = 3
3y +9z −12t = 9.
Sumamos a la tercera ecuación la segunda multiplicada por (−3), y obtenemos
x −3y −2z +4t = 5
y +3z −4t = 3
0 = 0.
Tomando z = λ, t = µ, vemos que se trata de un sistema compatible indeterminado
cuyo conjunto de soluciones viene dado por:
x = 14 − 7λ + 8µ, y = 3 − 3λ + 4µ, z = λ, t = µ, λ, µ ∈ R.
x +y −z +2t = 1
x −y +z −t = 2
l)
2x +2y −z +5t = 0
y +4z −3t = 5
A la segunda y tercera ecuación le sumamos la primera multiplicada por (−1) y
(−2) respectivamente:
x +y −z +2t = 1
−2y +2z −3t = 1
z +t = −2
y +4z −3t = 5
1. Sistemas de ecuaciones lineales 23
Intercambiamos la segunda y cuarta ecuación:
x +y −z +2t = 1
y +4z −3t = 5
z +t = −2
−2y +2z −3t = 1
A la cuarta ecuación le sumamos la segunda multiplicada por 2,
x +y −z +2t = 1
y +4z −3t = 5
z +t = −2
10z −9t = 11
A la cuarta ecuación le sumamos la tercera multiplicada por (−10),
x +y −z +2t = 1
y +4z −3t = 5
z +t = −2
−19t = 31
Se trata de un sistema compatible determinado, cuya única solución es:
44 30 7 31
x= , y= , z=− , t=− .
19 19 19 19
2 | Matrices
Los problemas que aparecen en este capítulo contienen:
Transformación de una matriz en forma escalonada.
Operaciones elementales de matrices: suma, multiplicación por un escalar y
multiplicación de matrices.
Cálculos con matrices simétricas y antisimétricas.
Cálculo de la matriz inversa mediante el método de Gauss-Jordan.
Estudio y resolución de sistemas de ecuaciones lineales.
En este capítulo y en los que siguen utilizaremos la siguiente notación:
αFi : Multiplicamos la i-ésima la por un número α ∈ R siendo α 6= 0.
Fi +αFj : A la i-ésima la le sumamos la j -ésima multiplicada por un número α ∈ R.
Fi ↔ Fj : Intercambiamos las las i y j .
1. Calcula la forma escalonada por las y el rango de las siguientes
matrices.
1 2 3 0 1 2 0 1 2
a) A= 4 5 6 , B = −1 0 3 , C= 1 0 3 .
7 8 9 −2 −3 0 2 3 0
1 2 3 3 10 6
2 1 3 −2 2 1 0 0 2 3
b) D= 2 −1 5 2 , E= 2 2 2 1 5 5
.
1 1 1 1
−1 1 3 2 5 2
1 0 0 1 1 2 3 4
0 1 1 0 5 6 7 8
c) F =
1 0 1
,
0
G=
−1 −2 −3 −4
.
0 1 0 1 −5 −6 −7 −8
1 3 −2 1 2
2 −2 4 2 5 1 −3 5
d) H = −1 3 4 , I=
−1 3 2 −3 −3
.
1 −2 −3
3 −4 −1 2 9
25
26 Más de 160 problemas resueltos de Álgebra Lineal
Solución: En este ejercicio utilizaremos el algoritmo que aparece en [9] para escalonar
una matriz:
Algoritmo para obtener una matriz escalonada por las
Paso 1: Se lleva al primer lugar una la con primer coe ciente no nulo (si
todos son ceros, se considera el segundo coe ciente y así sucesiva-
mente).
Paso 2: Si esta primera la tiene pivote a, con a 6= 0, se multiplica por 1
a
de forma que se obtenga pivote 1.
Paso 3: A cada una de las restantes las se le hace 0 el primer coe ciente
sumándole la primera multiplicada por el escalar correspondiente.
Ahora, se deja ja la primera la y se aplican los pasos 1, 2 y 3 para las
restantes las con el siguiente coe ciente y así sucesivamente hasta conseguir
una matriz escalonada por las.
También recordamos el concepto de rango de una matriz,
Rango de una matriz
Dada una matriz A ∈ Mm×n (K), llamaremos rango de A, y lo denotaremos
por rg(A), al número de las no nulas de una forma escalonada por las.
1 2 3 −−−−−→ 1 2 3 −−−−−→ 1 2 3
−−−−−→
a) A = 4 5 6 F2 − 4F1 0 −3 −6 − 13 F2 0 1 2
1 F3 − F2
7 8 9 F3 − 7F1 0 −6 −12 − 6 F3 0 1 2
1 2 3
0 1 2 . El rango de A es 2.
0 0 0
0 1 2 −1 0 3 1 0 −3
−−−−−→ −−→
B = −1 0 3 0 1 2 0 1 2
F1 ↔ F2 −F1
−2 −3 0 −2 −3 0 −2 −3 0
1 0 −3 1 0 −3
−−−−−→ −−−−−→
0 1 2 0 1 2 . El rango de B es 2.
F3 + 2F1 F3 + 3F2
0 −3 −6 0 0 0
0 1 2 1 0 3 1 0 3
−−−−−→ −−−−−→ −−−−−→
C=1 0 3 0 1 2 0 1 2
F1 ↔ F2 F3 − 2F1 F3 − 3F2
2 3 0 2 3 0 0 3 −6
2. Matrices 27
1 0 3 1 0 3
−−−−−→
0 1 2 1 0 1 2 . El rango de C es 3.
− 12 F3
0 0 −12 0 0 1
2 1 3 −2 1 1 1 1 −−−−−→ 1 1 1 1
−−−−−→
b) D = 2 −1 5 2 2 −1 5 2 F2 − 2F1 0 −3 3 0
F1 ↔ F3
1 1 1 1 2 1 3 −2 F3 − 2F1 0 −1 1 −4
−−−→ 1 1 1 1 1 1 1 1
−−−−−→ 0 1 −1 4 −−−−−→
−F2 0 3 −3 0
F2 ↔ F3 F3 − 3F2
−F3 0 1 −1 4 0 3 −3 0
1 1 1 1 1 1 1 1
−−−−−→
0 1 −1 4 1 0 1 −1 4 . El rango de D es 3.
− 12 F3
0 0 0 −12 0 0 0 1
1 2 3 3 10 6 −−−−−→ 1 2 3 3 10 6
0 −3 −6 −6 −18 −9 −−−−−→
2 − 2F1
2 1 0 0 2 3 F
E=
0 −2 −4 −5 −15 −7 − 1 F2
2 2 2 1 5 5 F3 − 2F1 3
−1 1 3 2 5 2 F4 + F1 0 3 6 5 15 8
1 2 3 3 10 6 1 2 3 3 10 6
0 1 2 2 −−−−−→ −−−−−→
6 3 F3 + 2F2
0
1 2 2 6 3 −F3
0 −2 −4 −5 −15 −7 0 0 0 −1 −3 −1
F4 − 3F2
0 3 6 5 15 8 0 0 0 −1 −3 −1
1 2 3 3 10 6 1 2 3 3 10 6
−−−−−→
0 1 2 2 6 3 0 1 2 2 6 3
. El rango de E es 3.
0 0 0 1 3 1 F4 + F3 0 0 0 1 3 1
0 0 0 −1 −3 −1 0 0 0 0 0 0
1 0 0 1 1 0 0 1 1 0 0 1
−−−−−→ −−−−−→ −−−−−→
0 1 1 0 0 1 1 0 0 1 1 0
c) F =
1 0 1 0 F3 − F1 0 0 1 −1 F4 − F2 0 0 1 −1 F4 + F3
0 1 0 1 0 1 0 1 0 0 −1 1
1 0 0 1
0 1 1 0
. El rango de F es 3.
0 0 1 −1
0 0 0 0
1 2 3 4 −−−−−→ 1 2 3 4
0 −4 −8 −12 −−−1−−→
F2 − 5F1
5 6 7 8
G=
−1 −2 −3 −4 F3 + F1 0 0 0 0 − 4 F2
−5 −6 −7 −8 F4 + 5F1 0 4 8 12
28 Más de 160 problemas resueltos de Álgebra Lineal
3 41 2 1 2 3 4
−−−−−→
0
2 3 1 0 1 2 3
. El rango de G es 2.
0 0 F4 − 4F2 0 0 0 0
0 0
0
8 12 4 0 0 0 0
2 −2 4 1 −2 −3 −−−−−→ 1 −2 −3
−−−−−→
d) H = −1 3 4 −1 3 4 F2 + F1 0 1 1
F1 ↔ F3
1 −2 −3 2 −2 4 F3 − 2F1 0 2 10
1 −2 −3 1 −2 −3
−−−−−→ −−− −− → 0 1 1 . El rango de H es 3.
0 1 1 1
F3 − 2F2 8 F3
0 0 8 0 0 1
1 3 −2 1 2 −−−−−→ 1 3 −2 1 2
2 5 1 −3 5 F2 − 2F1 0 −1 5 −5 1 −−−−−→
I=
−1 3 2 −3 −3 F3 + F1 0 6 0 −2 −1 −F2
3 −4 −1 2 9 F4 − 3F1 0 −13 5 −1 3
1 3 −2 1 2 1 3 −2 1 2
−−−−−→
1 −5 5 −1 F3 − 6F2 0 1 −5 5 −1 −−− −−→
0
1
0 6 0 −2 −1 0 0 30 −32 5 30 F3
F4 + 13F2
0 −13 5 −1 3 0 0 −60 64 −10
1 3 −2 1 2 1 3 −2 1 2
0 1 −5 −1
5 −−−−−→ 0 1 −5 5 −1
.
1 − 16 1
− 16 1
0 0 15 6 F 4 + 60F 3 0 0 1 15 6
0 0 −60 64 −10 0 0 0 0 0
El rango de I es 3.
2. Resuelve:
−1 3 2 4 1 1
1 2 3 3 2 1
a) 4 5 6
+
2 3 4
, b) 4 0 1 + 3 2 −2 .
−2 1 5 1 2 −3
Solución:
1 2 3 3 2 1 1+3 2+2 3+1 4 4 4
a) + = = .
4 5 6 2 3 4 4+2 5+3 6+4 6 8 10
−1 3 2 4 1 1 −1 + 4 3 + 1 2 + 1 3 4 3
b) 4 0 1 + 3 2 −2 = 4 + 3 0 + 2 1 − 2 = 7 2 −1 .
−2 1 5 1 2 −3 −2 + 1 1 + 2 5 − 3 −1 3 2
2. Matrices 29
3. Calcula (−6)A, (3/5)A, 2A, 32 A, siendo:
1 3 5 7
A= 2 6 10 14 .
1 −3 6 −7
Solución:
(−6) · 1 (−6) · 3 (−6) · 5 (−6) · 7
(−6)A = (−6) · 2 (−6) · 6 (−6) · 10 (−6) · 14 =
(−6) · 1 (−6) · (−3) (−6) · 6 (−6) · (−7)
−6 −18 −30 −42
−12 −36 −60 −84 .
−6 18 −36 42
(3/5) · 1 (3/5) · 3 (3/5) · 5 (3/5) · 7
(3/5)A = (3/5) · 2 (3/5) · 6 (3/5) · 10 (3/5) · 14 =
(3/5) · 1 (3/5) · (−3) (3/5) · 6 (3/5) · (−7)
3/5 9/5 3 21/5
6/5 18/5 6 42/5 .
3/5 −9/5 18/5 −21/5
De igual forma se obtiene:
2 6 10 14
2A = 4 12 20 28 .
2 −6 12 −14
9 27 45 63
32 A = 9A = 18 54 90 126 .
9 −27 54 −63
4. Calcula los siguientes productos:
2 1 2 3 1 −1
3 9 −4
a) −9 7 11
3 , b) 2 3 4 3 −2 ,
−1 4 5 6 −1 1
1 0 1 0 0 1
1 2 1 0 −1
c) 3 4 0 1 −1
, d) 0 1 1 0 1 0 .
1 1 0 1 0 0
30 Más de 160 problemas resueltos de Álgebra Lineal
Solución:
2
3 9 −4 3 · 2 + 9 · 3 + (−4) · (−1) 37
a) 3 = = .
−9 7 11 (−9) · 2 + 7 · 3 + 11 · (−1) −8
−1
1 2 3 1 −1
b) 2 3 4 3 −2 =
4 5 6 −1 1
1 · 1 + 2 · 3 + 3 · (−1) 1 · (−1) + 2 · (−2) + 3 · 1 4 −2
2 · 1 + 3 · 3 + 4 · (−1) 2 · (−1) + 3 · (−2) + 4 · 1 = 7 −4 .
4 · 1 + 5 · 3 + 6 · (−1) 4 · (−1) + 5 · (−2) + 6 · 1 13 −8
1 2 1 0 −1 1 2 −3
c) = .
3 4 0 1 −1 3 4 −7
1 0 1 0 0 1 1 0 1
d) 0 1 1 0 1 0 = 1 1 0 .
1 1 0 1 0 0 0 1 1
5. Dadas las matrices:
2 3 −2 −2 3 −1 0 6 2
A = −1 0 −3 , B= 4 2 1 , C= 3 −1 4 ,
4 5 2 5 −2 4 2 7 5
calcular: A2 , B 2 , C 2 , A · B, B · A, A · C, B · C y (A − C)B.
Solución:
2 3 −2 2 3 −2 −7 −4 −17
A2 = −1 0 −3 −1 0 −3 = −14 −18 −4 .
4 5 2 4 5 2 11 22 −19
−2 3 −1 −2 3 −1 11 2 1
B2 = 4 2 1 4 2 1 = 5 14 2 .
5 −2 4 5 −2 4 2 3 9
0 6 2 0 6 2 22 8 34
C2 = 3 −1 4 3 −1 4 = 5 47 22 .
2 7 5 2 7 5 31 40 57
2. Matrices 31
2 3 −2 −2 3 −1 −2 16 −7
A · B = −1 0 −3 4 2 1 = −13 3 −11 .
4 5 2 5 −2 4 22 18 9
−2 3 −1 2 3 −2 −11 −11 −7
B·A= 4 2 1 −1 0 −3 = 10 17 −12 .
5 −2 4 4 5 2 28 35 4
Observamos que A · B es diferente de B · A. Por ello, podemos a rmar que el
producto de matrices no veri ca la propiedad conmutativa.
2 3 −2 0 6 2 5 −5 6
A · C = −1 0 −3 3 −1 4 = −6 −27 −17 .
4 5 2 2 7 5 19 33 38
−2 3 −1 0 6 2 7 −22 3
B·C = 4 2 1 3 −1 4 = 8 29 21 .
5 −2 4 2 7 5 2 60 22
2 3 −2 0 6 2 −2 3 −1
(A − C) · B = −1 0 −3 − 3 −1 4 4 2 1 =
4 5 2 2 7 5 5 −2 4
2 −3 −4 −2 3 −1 −36 8 −21
= −4 1 −7 4 2 1 = −23 4 −23 .
2 −2 −3 5 −2 4 −27 8 −16
6. Dadas A, B ∈ Mn (K), calcular:
a) (A + B)2 .
b) (A − B)2 .
c) (A − B)(A + B).
Solución:
a) (A + B)2 = (A + B)(A + B) = A2 + AB + BA + B 2 .
b) (A − B)2 = (A − B)(A − B) = A2 − AB − BA + B 2 .
c) (A − B)(A + B) = A2 + AB − BA − B 2 .
32 Más de 160 problemas resueltos de Álgebra Lineal
1 1
7. Hallar todas las matrices que conmuten con A = 0 1
.
b11 b12
Solución: Sea B = tal que AB = BA. Si
b21 b22
1 1 b11 b12 b11 + b21 b12 + b22
AB = =
0 1 b21 b22 b21 b22
y
b11 b12 1 1 b11 b11 + b12
BA = = ,
b21 b22 0 1 b21 b21 + b22
necesariamente se tiene que veri car:
b11 + b21 b12 + b22 b11 b11 + b12
= .
b21 b22 b21 b21 + b22
Es decir,
b11 + b21 = b11
b12 + b22 = b11 + b12
b22 = b21 + b22
de donde
b21 = 0
b11 = b22 .
α β
Luego las matrices que conmutan con A tienen la forma , con α, β ∈ R.
0 α
8. Hallar las matrices A y B que veri can:
8 3 5 1
5A − 2B = 16 23 , 4A − 3B = 10 17 .
13 4 9 −1
Solución: Multiplicando la primera ecuación por 4, y la segunda por (−5), tenemos
32 12 −25 −5
20A − 8B = 64 92 , −20A + 15B = −50 −85 .
52 16 −45 5
2. Matrices 33
Si sumamos ambas ecuaciones obtenemos:
7 7
7B = 14 7 ,
7 21
de donde
1 1
B= 2 1 .
1 3
Sustituyendo la matriz B en la segunda ecuación y despejando A, se tiene:
5 1 1 1 2 1
1
A= 10 17 + 3 2 1 = 4 5 .
4
9 −1 1 3 3 2
Así pues las matrices buscadas son:
2 1 1 1
A= 4 5 , B= 2 1 .
3 2 1 3
9. Hallar las matrices A y B que veri can:
3 3 −11 5 5 9
3A − 7B = , 5A + 2B = .
−15 −1 9 16 12 15
Solución: Multiplicando la primera ecuación por 2 y la segunda por 7, obtenemos:
6 6 −22 35 35 63
6A − 14B = , 35A + 14B = .
−30 −2 18 112 84 105
Sumando ambas ecuaciones, obtenemos:
41 41 41
41A = .
82 82 123
Esto es,
1 41 41 41 1 1 1
A= = .
41 82 82 123 2 2 3
34 Más de 160 problemas resueltos de Álgebra Lineal
Sustituyendo la matriz A en la segunda ecuación y despejando B , se tiene:
1 5 5 9 1 1 1 0 0 2
B= −5 = .
2 16 12 15 2 2 3 3 1 0
Así pues las matrices buscadas son:
1 1 1 0 0 2
A= , B= .
2 2 3 3 1 0
10. Escribir en forma matricial los siguientes sistemas de ecuaciones:
ax + by + cz = k
2x − y − z = 3
a) dx + ey + f z = g , b) 4x − y + 2z = 8.
hx + iy + jz = l
Solución:
a b c x k
a) d e f y = g .
h i j z l
x
2 −1 −1 3
b) y = .
4 −1 2 8
z
11. Dadas las matrices A, B y C , comprueba que AB = AC .
1 −3 2 1 4 1 0 2 1 −1 −2
A= 2 1 −3 , B= 2 1 1 1 , C= 3 −2 −1 −1 .
4 −3 −1 1 −2 1 2 2 −5 −1 0
Concluir que la igualdad AB = AC no implica necesariamente B = C .
Solución: Calculemos en primer lugar AB ,
1 −3 2 1 4 1 0 −3 −3 0 1
AB = 2 1 −3 2 1 1 1 = 1 15 0 −5 .
4 −3 −1 1 −2 1 2 −3 15 0 −5
2. Matrices 35
Calculemos ahora AC ,
1 −3 2 2 1 −1 −2 −3 −3 0 1
AC = 2 1 −3 3 −2 −1 −1 = 1 15 0 −5 .
4 −3 −1 2 −5 −1 0 −3 15 0 −5
Así, podemos ver que AB = AC , pero sin embargo, B 6= C .
12. Probar las siguientes propiedades que veri can las matrices simétricas
y antisimétricas:
a) La suma de dos matrices simétricas del mismo orden es otra matriz
simétrica del mismo orden.
b) La traspuesta de una matriz simétrica es simétrica.
c) El producto de una matriz por su traspuesta es una matriz simétrica.
d) La traspuesta de una matriz antisimétrica es antisimétrica.
e) La suma de una matriz y de su traspuesta es simétrica.
f) Una matriz simétrica y antisimétrica es la matriz nula.
g) La suma de dos matrices antisimétricas es antisimétrica.
Solución: Comenzamos recordando la de nición de matriz traspuesta a una dada,
Matriz traspuesta
Dada una matriz A = (aij )i,j ∈ Mn×m (K), llamaremos matriz traspuesta
de A, a la matriz At = (aji )j,i ∈ Mm×n (K). Esto es, At será una matriz cuyas
las (columnas) son, respectivamente, las columnas ( las) de la matriz A.
La trasposición de matrices veri ca las siguientes propiedades:
Propiedades de la trasposición de matrices
1. (A + B)t = At + B t , siendo A, B ∈ Mn×m (K).
2. (αA)t = αAt , siendo A ∈ Mn×m (K), α ∈ K.
3. (A · B)t = B t · At , siendo A ∈ Mn×p (K), B ∈ Mp×m (K).
4. Si A es una matriz regular, entonces (A−1 )t = (At )−1 .
36 Más de 160 problemas resueltos de Álgebra Lineal
También recordamos la de nición de matriz simétrica,
Matriz simétrica
Una matriz cuadrada A es simétrica si es igual a su traspuesta. Esto es,
A = At .
así como la de nición de matriz antisimétrica que nos sera de utilidad en este ejercicio,
Matriz antisimétrica
Una matriz cuadrada A es antisimétrica si es igual a la opuesta de su
traspuesta. Esto es, A = −At .
a) Sean A, B ∈ Mn (K) dos matrices simétricas. Está claro que A + B ∈ Mn (K).
Utilizando las hipótesis y las propiedades de la trasposición de matrices se tiene
que:
(A + B)t = At + B t = A + B,
como queríamos demostrar.
b) Sea A ∈ Mn (K) una matriz simétrica. Esto es, A = At y por tanto At = (At )t , lo
que nos dice que At es matriz simétrica.
c) Sea A ∈ Mn (K) una matriz. Se tiene que
(AAt )t = (At )t At = AAt ,
es decir, AAt es matriz simétrica.
d) Sea A ∈ Mn (K) una matriz antisimétrica. Esto es, A = −At . Entonces At = −A =
−(At )t . Luego At es matriz antisimétrica.
e) Sea A ∈ Mn (K) una matriz. Se tiene que
(A + At )t = At + A = A + At .
Así A + At es matriz simétrica.
f) Sea A ∈ Mn (K) una matriz simétrica y antisimétrica. Por ser simétrica, A = At y
por ser antisimétrica, A = −At .
Por tanto A = −A y de ahí podemos a rmar que A = θ, donde θ denota a la
matriz nula.
2. Matrices 37
g) Sean A, B ∈ Mn (K) dos matrices antisimétricas. Entonces
A + B = −At − B t = −(At + B t ) = −(A + B)t .
Luego A + B es matriz antisimétrica.
13. Sean A y B dos matrices cuadradas de orden n. Demuestra que:
a) Si A es antisimétrica entonces A2 es simétrica.
b) Si A es antisimétrica y B es simétrica entonces se tiene:
AB antisimétrica ⇐⇒ AB = BA.
Solución:
a) Tendremos que demostrar que A2 = (A2 )t . Si A es una matriz antisimétrica, se
veri ca que At = −A. Así,
(A2 )t = (AA)t = At At = (−A)(−A) = AA = A2 .
b) =⇒ Supongamos que AB es antisimétrica, como A es antisimétrica y B es simé-
trica, se tiene
AB = −(AB)t = −(B t At ) = −(B(−A)) = BA.
⇐= Supongamos ahora que AB = BA, tendremos que demostrar que AB =
−(AB)t . Utilizando que B es simétrica y A es antisimétrica, se tiene:
AB = −At B t = −(BA)t = −(AB)t .
14. Se pide:
a) Demostrar que toda matriz se puede descomponer de manera única
como suma de una matriz simétrica y otra antisimétrica.
b) Descomponer la matriz
3 5 1
H= 6 0 4
7 5 5
en suma de una matriz simétrica y otra antisimétrica.
38 Más de 160 problemas resueltos de Álgebra Lineal
Solución:
a) Existencia: Sea H = A + S , con A antisimétrica y S simétrica, entonces
H t = At + S t = S − A. Restando ambas igualdades, H − H t = 2A, de
donde A = 21 (H − H t ). Si sumamos las igualdades anteriores, tenemos que
H + H t = 2S , luego S = 21 (H + H t ). Luego ya tenemos que la matriz se
puede descomponer de la manera pedida.
Unicidad: Supongamos ahora que H = A1 + S1 = A2 + S2 , siendo A1 , A2
matrices antisimétricas y S1 , S2 matrices simétricas. Entonces se tiene que
A1 − A2 = S2 − S1 . Por el ejercicio 12, sabemos que A1 − A2 es de nuevo
una matriz antisimétrica, así como S2 − S1 es una matriz simétrica, de donde
A1 − A2 es una matriz simétrica y antisimétrica. Así, por el apartado f ) del
ejercicio 12, se tiene que A1 − A2 es la matriz nula. Esto es, A1 − A2 = θ, de
donde A1 = A2 , y de ahí que S1 = S2 , quedando así probada la unicidad.
b) Para hacer la descomposición, apliquemos las fórmulas obtenidas en el apartado
anterior. Se tiene que
3 5 1 3 6 7
H= 6 0 4 y t
H = 5 0 5 .
7 5 5 1 4 5
Por tanto,
0 − 12 −3 3 11
2 4
1 1
A = (H − H t ) = 12
0 − 21
y S= (H + H t ) =
11
2 0 9
2 .
2 2
3 12 0 4 9
2 5
15. Prueba que si A es una matriz idempotente, entonces también lo es
B =I −A y que AB = BA = θ, donde θ denota a la matriz nula.
Solución: Vamos a recordar la de nición de matriz idempotente que es necesaria en
este ejercicio.
Matriz idempotente
Una matriz cuadrada A es idempotente si A = A2 .
Supongamos que la matriz A es idempotente. Además sabemos que la matriz identidad
también es idempotente. Esto es, I 2 = I . Entonces
B 2 = (I − A)2 = (I − A)(I − A) = I 2 − IA − AI + A2 = I − A − A + A2 =
2. Matrices 39
I − 2A + A2 = 1 − 2A + A = I − A = B.
Y, en consecuencia, B es idempotente.
Veamos ahora que AB = BA = θ.
AB = A(I − A) = AI − AA = AI − A2 = A − A = θ.
BA = (I − A)A = IA − AA = IA − A2 = A − A = θ.
1 1 1 1 0 0
16. Calcula A2 , A3 , A4 , An , siendo A = 0 1 1 . Idem para B = 1 1 0 .
0 0 1 1 1 1
Solución:
1 1 1 1 1 1 1 2 3
A2 = 0 1 1 0 1 1 = 0 1 2 .
0 0 1 0 0 1 0 0 1
1 1 1 1 2 3 1 3 6
A3 = AA2 = 0 1 1 0 1 2 = 0 1 3 .
0 0 1 0 0 1 0 0 1
1 1 1 1 3 6 1 4 10
A4 = AA3 = 0 1 1 0 1 3 = 0 1 4 .
0 0 1 0 0 1 0 0 1
n
1 n 2 (n+ 1)
Se tiene que An = 0 1 n .
0 0 1
Vamos a demostrarlo por inducción.
• Para n = 2, vemos que el resultdo es cierto.
• Supongamos el resultado cierto para n.
• Vamos a demostrarlo para n + 1.
1 n n2 (n + 1)
1 1 1
n+1 n
A =A A= 0 1 n 0 1 1 =
0 0 1 0 0 1
(n+1)
1 n + 1 21 (n + 1)n + n + 1
1 n+1 2 (n+ 2)
= 0 1 n+1 = 0 1 n+1 .
0 0 1 0 0 1
40 Más de 160 problemas resueltos de Álgebra Lineal
Operando de la misma forma que en el apartado anterior, tenemos que:
1 0 0 1 0 0 1 0 0
B 2 = BB = 1 1 0 1 1 0 = 2 1 0 .
1 1 1 1 1 1 3 2 1
1 0 0 1 0 0 1 0 0
B 3 = BB 2 = 1 1 0 2 1 0 = 3 1 0 .
1 1 1 3 2 1 6 3 1
1 0 0 1 0 0 1 0 0
B 4 = BB 3 1 1 0 3 1 0 = 4 1 0 .
1 1 1 6 3 1 10 4 1
1 0 0
Se puede demostrar por inducción que B n = n 1 0 .
n
2 (n + 1) n 1
17. Determinar cuáles de las siguientes matrices son regulares y calcular
la inversa de las que lo sean:
1 0 0 1 1 2 3 4
0 2 −2 −4
1 1 0 5 6 7 8
A= , B=
−1
, C = −1 3 4 .
0 0 1 0 −2 −3 −4
1 −2 −3
0 1 0 1 −5 −6 −7 −8
Solución: En este ejercicio utilizaremos el algoritmo, que aparece en [9], para obtener
la matriz inversa de una dada.
Cálculo de la matriz inversa
Dada una matriz A ∈ Mn (R),
Paso 1: Consideramos la matriz (A|I), donde I denota a la matriz iden-
tidad de orden n.
Paso 2: Efectuamos operaciones elementales por las en (A|I) hasta ob-
tener (I|B).
Paso 3: Se tiene que B = A−1 .
1 0 0 1
0 1 1 0
a) A =
0
.
0 1 0
0 1 0 1
2. Matrices 41
Consideremos la matriz (A|I), y hagamos transformaciones elementales sobre ella:
1 0 0 1 1 0 0 0 1 0 0 1 1 0 0 0
0
1 1 0 0 1 0 0 − −−−−→ 0 1
1 0 0 1 0 0 −−−−−→
0 0 1 0 0 0 1 0 F4 − F2 0 0 1 0 0 0 1 0 F4 + F3
0 1 0 1 0 0 0 1 0 0 −1 1 0 −1 0 1
1 0 0 1 1 0 0 0 1 0 0 1 1 0 0 0
0
1 1 0 0 1 0 0 −−−−−→ 0 1 0
0 0 1 −−−−−→
−1 0
0 0 1 0 0 0 1 0 F2 − F3 0 0 1 0 0 0 1 0 F1 − F4
0 0 0 1 0 −1 1 1 0 0 0 1 0 −1 1 1
1 0 0 0 1 1 −1 −1
0
1 0 0 0 1 −1 0.
0 0 1 0 0 0 1 0
0 0 0 1 0 −1 1 1
Por tanto:
1 1 −1 −1
0 1 −1 0
A−1 =
0
.
0 1 0
0 −1 1 1
1 2 3 4
5 6 7 8
b) B =
−1
.
−2 −3 −4
−5 −6 −7 −8
Consideremos la matriz (B|I), y hagamos transformaciones elementales sobre ella:
1 2 3 4 1 0 0 0 −−−−−→ 1 2 3 4 1 0 0 0
2 − 5F1
5 6 7 8 0 1 0 0 F 0 −4 −8 −12 −5 1 0 0
−1 −2 −3 −4 0 0 1 0 F3 + F1 0 0 0 0 1 0 1 0
−5 −6 −7 −8 0 0 0 1 F4 + 5F1 0 4 8 12 5 0 0 1
1 2 3 4 1 0 0 0 1 2 3 4 1 0 0 0
−−→
0 1 2 3 54 − 14 0 0 −−−−−→ 0 1 2 3 54 − 14 0 0
.
− 14 F2 F4 − 4F2
0 0 0 0 1 0 1 0 0 0 0 0 1 0 1 0
0 4 8 12 5 0 0 1 0 0 0 0 0 1 0 1
Vemos que es imposible conseguir la matriz identidad, luego la matriz no es inver-
tible.
2 −2 −4
c) C = −1 3 4 .
1 −2 −3
42 Más de 160 problemas resueltos de Álgebra Lineal
Como en los casos anteriores, consideremos la matriz (C|I) y realicemos transfor-
maciones elementales sobre ella:
2 −2 −4 1 0 0 1 −2 −3 0 0 1 −−−−−→
−1 −−−−−→ −1
3 4 0 1 0 3 4 0 1 0 F2 + F1
F3 ↔ F1
1 −2 −3 0 0 1 2 −2 −4 1 0 0 F3 − 2F1
1 −2 −3 0 0 1 1 −2 −3 0 0 1
0 −−−−−→
1 1 0 1 1 0 1 1 0 1 1 .
F3 − 2F2
0 2 2 1 0 −2 0 0 0 1 −2 −4
Vemos que la tercera la de la transformada de C es nula, entonces no es posible
seguir realizando operaciones para obtener la matriz identidad. En consecuencia,
podemos a rmar que la matriz C no tiene inversa, es decir, no es regular.
1 1 2 1 1 2
18. Siendo: A = 3 4
,B=
1 1
,C=
1 3
.
Calcular el valor de X en las siguientes ecuaciones, donde I denota a la
matriz identidad de orden 2:
a) XA = B + I.
b) AX + B = C.
c) XA + B = 2C.
d) XA + BX = C.
e) XAB − XC = 2C.
Solución: En primer lugar calcularemos A−1 ya que nos será necesario para resolver
el ejercicio. Por el método de Gauss-Jordan, se tiene que:
−1 4 −1
A = .
−3 1
a) Si XA = B + I , entonces X = (B + I)A−1 . Así,
2 1 1 0 4 −1 3 1 4 −1 9 −2
X= + = = .
1 1 0 1 −3 1 1 2 −3 1 −2 1
b) Si AX + B = C , entonces AX = C − B . Así, X = A−1 (C − B). Esto es,
4 −1 1 2 2 1 4 −1 −1 1 −4 2
X= − = = .
−3 1 1 3 1 1 −3 1 0 2 3 −1
2. Matrices 43
c) Si XA + B = 2C , entonces XA = 2C − B . Así, X = (2C − B)A−1 . Esto es,
1 2 2 1 4 −1 2 4 2 1 4 −1
X= 2 − = − =
1 3 1 1 −3 1 2 6 1 1 −3 1
0 3 4 −1 −9 3
= = .
1 5 −3 1 −11 4
a b
d) Si XA + BX = C , supongamos que X = , entonces
c d
a b 1 1 2 1 a b 1 2
+ = .
c d 3 4 1 1 c d 1 3
Esto es,
a + 3b a + 4b 2a + c 2b + d 1 2
+ = .
c + 3d c + 4d a+c b+d 1 3
Así,
3a + 3b + c a + 6b + d 1 2
= .
a + 2c + 3d b + c + 5d 1 3
Por tanto se tiene el sistema,
3a +3b +c = 1
a +6b +d = 2
a
+2c +3d = 1
b +c +5d = 3,
cuya solución es a = 12 , b = 18 , c = − 87 y d = 34 . Luego
!
1 1
X= 2 8 .
− 78 3
4
e) Si XAB − XC = 2C , entonces X(AB − C) = 2C. Sea M = AB − C . Esto es,
1 1 2 1 1 2 3 2 1 2 2 0
M= − = − = .
3 4 1 1 1 3 10 7 1 3 9 4
!
1
0
Se tiene que M −1
= 2
9 1
.
−8 4
Luego X = 2CM −1 , es decir:
! ! !
1
− 74 1
− 72
1 2 2 0 2 1
X=2 =2 = .
1 3 − 98 1
4 − 23
8
3
4 − 23
4
3
2
44 Más de 160 problemas resueltos de Álgebra Lineal
19. Demuestra que la inversa de A es B , siendo
1 2 3 −2 0 1
A= 2 3 4 , B= 0 3 −2 .
3 4 6 1 −2 1
Solución: Se trata de ver que AB = BA = I .
1 2 3 −2 0 1 1 0 0
AB = 2 3 4 0 3 −2 = 0 1 0 .
3 4 6 1 −2 1 0 0 1
−2 0 1 1 2 3 1 0 0
BA = 0 3 −2 2 3 4 = 0 1 0 .
1 −2 1 3 4 6 0 0 1
1 2 2
20. Calcula A2 , siendo A = 13 2 −2 1 . ¾Cuál es su inversa?
2 1 −2
Solución: Observamos que la matriz A tiene la expresión A = 31 B , siendo
1 2 2
B= 2 −2 1 .
2 1 −2
1 2
Así, A2 = B 2 . Calculemos B 2 :
3
1 2 2 1 2 2 9 0 0
B 2 = 2 −2 1 2 −2 1 = 0 9 0 = 9I .
2 1 −2 2 1 −2 0 0 9
Luego A2 = ( 13 )2 B 2 = ( 13 )2 9I . Esto es A2 = I . De donde A · A = I . Por tanto
A = A−1 .
2 1
21. Demuestra que la matriz A = 1 2
veri ca una ecuación del tipo
A2 + αA + βI = θ, determinando α, β . ¾Es A regular?
Solución: Determinemos α y β para veri car que se cumple la ecuación. Tenemos
que:
2. Matrices 45
2 1 2 1 5 4
A = 2
= .
1 2 1 2 4 5
2 1 2α α
αA = α = .
1 2 α 2α
1 0 β 0
βI = β = .
0 1 0 β
Luego:
5 4 2α α β 0
A2 + αA + βI = ++ =
4 5 α 2α 0 β
5 + 2α + β 4+α 0 0
= .
4+α 5 + 2α + β 0 0
Por tanto nos queda un sistema de la siguiente forma:
2α + β = −5
α = −4
2α
+ β = −5
α = −4,
cuya solución es α = −4 y β = 3. Por tanto, A2 − 4A + 3I = θ. Así, A
2
− 4A = −3I ,
de donde − 3 (A − 4A) = I . Luego − 3 A(A − 4I) = I . Es decir, A · − 3 (A − 4I) = I.
1 2 1 1
En consecuencia, A−1 = − 13 (A − 4I).
22. Una empresa de muebles fabrica tres modelos de estanterías: A, B y
C. En cada uno de los tamaños, grande y pequeño. Produce diariamente
1000 estanterías grandes y 8000 pequeñas de tipo A, 8000 grandes y 6000
pequeñas de tipo B, y 4000 grandes y 6000 pequeñas de tipo C. Cada
estantería grande lleva 16 tornillos y 6 soportes, y cada estantería pequeña
lleva 12 tornillos y 4 soportes, en cualquiera de los tres modelos. Se pide:
a) Representar esta información en dos matrices.
b) Hallar una matriz que represente la cantidad de tornillos y de so-
portes necesarios para la producción diaria de cada uno de los seis
modelos-tamaño de estantería.
Solución:
a) Vamos a denominar D a la matriz que representa la producción diaria de estan-
terías. Las las se corresponden con los tipos (A, B, C) y las columnas con los
46 Más de 160 problemas resueltos de Álgebra Lineal
tamaños (grande y pequeño).
grande pequeño
A 1000 8000
D=
B
.
8000 6000
C 4000 6000
Denotemos por M , la matriz que representa los tornillos y soportes que lleva cada
estantería. Así, las columnas corresponden a tornillos y soportes, respectivamente,
y las las a los tamaños (grande, pequeño).
tornillos soportes
M = grande 16 6 .
pequeño 12 4
b) La matriz pedida, que denotaremos por P , será el producto de las dos matrices
anteriores. Esto es:
tornillos soportes
A 112000 38000
P =D·M =
B
.
200000 72000
C 136000 48000
23. Una fábrica produce dos modelos de lavadoras, A y B, en tres termi-
naciones: N, L y S. Produce del modelo A: 400 unidades en la terminación
N, 200 unidades en la terminación L y 50 unidades en la terminación S.
Produce del modelo B: 300 unidades en la terminación N, 100 unidades
en la terminación L y 30 unidades en la terminación S. La terminación N
lleva 25 horas de taller y 1 hora de administración. La terminación L lleva
30 horas de taller y 1.2 horas de administración. La terminación S lleva 33
horas de taller y 1.3 horas de administración.
a) Representar la información en dos matrices.
b) Hallar una matriz que exprese las horas de taller y de administración
empleadas para cada uno de los modelos.
Solución:
a) Podemos representar la información, mediante las matrices P y H , que denotan
la producción y las horas, respectivamente,
Administración Taller
N L S
N 1 25
P = A 400 200 50 , H = L
.
1.2 30
B 300 100 30
S 1.3 33
2. Matrices 47
b) La matriz pedida, que denotaremos C , corresponden al producto de las dos ma-
trices anteriores. Esto es,
Administración Taller
C =P ·H = A 705 17650 .
B 459 11490
24. Para los siguientes sistemas de ecuaciones lineales se pide: discutirlo
según Rouché-Frobenius y resolver el sistema si éste tiene solución:
x −2y +z = 5 3x −4y +6z = 0
a) 2x −y −2z = −1 b) 5x +2y −4z = 0
x +3y +z = 0 x +3y −5z = 0
2x −y +z = 5
x +2y +2z = 0
−3x +2y +2z = 0
3x y +3z = 0
c) d)
−x −2y +2z = 0
2x +y −2z = 0
x +y +z = 0
2x +y +z = 0
5x −6y −2z = 0
x +y −z = 3 −2x +y +z = 1
e) 2x −y +4z = 3 f) x −2y z = −2
3x +2y −z = 8 x +y −2z = 4
Solución: Vamos a recordar el Teorema de Rouché-Frobenius, que nos será de uti-
lidad en este ejercicio. Este resultado puede consultarse en [9]:
Teorema de Rouché-Frobenius
Dado un sistema de m ecuaciones lineales con n incógnitas, con matriz de
coe cientes A y matriz ampliada (A|B), se tiene que:
1. El sistema es compatible si, y sólo si, rg(A) = rg(A|B).
2. El sistema es compatible determinado si, y sólo si, rg(A) = rg(A|B) = n.
Conviene observar que si B = θ, entonces el sistema siempre tiene solución
y, si la solución es única, ésta es la solución trivial.
x −2y +z = 5
a) 2x −y −2z = −1
x +3y +z = 0
48 Más de 160 problemas resueltos de Álgebra Lineal
Sean A y (A|B) la matriz de coe cientes y matriz ampliada del sistema, respecti-
vamete,
1 −2 1 1 −2 1 5
A= 2 −1 −2 , (A|B) = 2 −1 −2 −1 .
1 3 1 1 3 1 0
Vamos a realizar operaciones elementales sobre la matriz (A|B) para transformarla
en una matriz escalonada por las,
1 −2 1 5 −−−−−→ 1 −2 1 5 1 −2 1 5
2 −1 −2 −1 F2 − 2F1 0 3 −4 −11 −−−1
−−→
0 3 −4 −11
F3
1 3 1 0 F3 − F1 0 5 0 −5 5 0 1 0 −1
1 −2 1 5 1 −2 1 5
−−−−−→ −−−−−→ −−−−−→
0 1 0 −1 0 1 0 −1
F2 ↔ F3 F3 − 3F2 − 14 F3
0 3 −4 −11 0 0 −4 −8
1 −2 1 5
0 1 0 −1 .
0 0 1 2
Se tiene que rg(A) = 3 =rg(A|B), que coincide con el número de incógnitas. Así
el sistema es un sistema compatible determinado. Para resolverlo, consideramos el
sistema correspondiente a la matriz resultante de efectuar operaciones elementales
en la matriz (A|B). Este sistema es:
x −2y +z = 5
y = −1
z = 2
cuya única solución viene dada por:
x = 1, y = −1, z = 2.
3x −4y +6z = 0
b) 5x +2y −4z = 0
x +3y −5z = 0
Como el sistema es homogéneo, sólo consideraremos la matriz de coe cientes,
3 −4 6
A= 5 2 −4 .
1 3 −5
2. Matrices 49
Sobre esta matriz realizaremos operaciones elementales para transformarla en una
matriz escalonada por las,
3 −4 6 1 3 −5 −−−−−→ 1 3 −5
5 2 −4 −−−− −→ −−−−−→
5 2 −4 F2 − 5F1 0 −13 21 1
F1 ↔ F3 − 13 F2
1 3 −5 3 −4 6 F3 − 3F1 0 −13 21
1 3 −5 1 3 −5
21 − −−−−→
0 1 − 13 0 1 − 21 .
13
F3 + 13F2
0 −13 21 0 0 0
Como rg(A) = 2, que es menor que el número de incógnitas, el sistema tendrá
soluciones diferentes de la trivial. Vamos a resolverlo. Para ello, consideremos el
sistema correspondiente a la matriz resultante de realizar operaciones elementales
en la matriz A. Este sistema es,
x +3y −5z = 0
21
y − 13 z = 0,
cuyas soluciones vienen dadas por:
2 21
x= λ, y= λ, z = λ, λ ∈ R.
13 13
x +2y +2z = 0
3x +y +3z = 0
c)
2x +y −2z = 0
2x +y +z = 0
Como el sistema es homogéneo, sólo consideraremos la matriz de coe cientes,
1 2 2
3 1 3
A= .
2 1 −2
2 1 1
Sobre esta matriz realizaremos operaciones elementales para transformarla en una
matriz escalonada por las,
1 2 2 −−−−−→ 1 2 2 1 2 2
0 −5 −3 −−−−−→
F2 − 3F1
3 1 3 0 −5 −3 −−−−−→
2 1 −2 F3 − 2F1 0 −3 −6 − 13 F3 0 1 2 F2 ↔ F3
2 1 1 F4 − 2F1 0 −3 −3 0 −3 −3
50 Más de 160 problemas resueltos de Álgebra Lineal
1 2 2 1 2 2 1 2 2 1 2 2
0 1 2 −−−−−→
−−−→ −−−−−→
0 1 2 0 1 2 0 1 2
0 −5 −3 F3 + 5F2
.
0 0 7 71 F3 0 0 1 F4 − 3F3 0 0 1
F4 + 3F2
0 −3 −3 0 0 3 0 0 3 0 0 0
Se tiene que rg(A) = 3, que coincide con el número de incógnitas. Así el sistema
tendrá sólo la solución trivial. Esto es, x = y = z = 0.
2x −y +z = 5
−3x +2y +2z = 0
d) −x −2y +2z = 0
x +y +z = 0
5x −6y −2z = 0,
Sean A y (A|B) la matriz de coe cientes y la matriz ampliada del sistema, respec-
tivamente,
2 −1 1 2 −1 1 5
−3 2 2
−3 2 2 0
A=
−1 −2 2 ,
(A|B) =
−1 −2 2 0 .
1 1 1 1 1 1 0
5 −6 −2 5 −6 −2 0
Vamos a realizar operaciones elementales sobre la matriz (A|B) para transformarla
en una matriz escalonada por las,
2 −1 1 5 1 1 1 0 −−−−−→ 1 1 1 0
−3 2 2 0 −3 2 2 0 F2 + 3F1 0 5 5 0
−1 −2 2 0 −−−−−→ −1 −2 2 0 F3 + F1 0 −1 3 0
F1 ↔ F4
1 1 1 0 2 −1 1 5 F4 − 2F1 0 −3 −1 5
5 −6 −2 0 5 −6 −2 0 F5 − 5F1 0 −11 −7 0
1 1 1 0 1 1 1 0 1 1 1 0
0 5 5 0 −−−−−→ 0
1 −3 0 −−−−−→ 0
1 −3 0
−−−→
0 1 −3 0 0 5 5 0 1 0 1 1 0
−F3 F ↔ F3 F
0 −3 −1 5 2 0 −3 −1 5 5 3 0 −3 −1 5
0 −11 −7 0 0 −11 −7 0 0 −11 −7 0
1 1 1 0 1 1 1 0 1 1 1 0
−−−−−→
0 1 −3 0 −−−−−→ 0 1 −3 0 −−−−−→ 0 1 −3 0
F3 − F2 0 0 4 0 1
0 0
1 0 F4 + 10F3 0 0 1 0
.
F4 + 3F2 0 0 −10 5 4 F3 0 0 −10 5 F5 + 40F3 0 0 0 5
F5 + 11F2
0 0 −40 0 0 0 −40 0 0 0 0 0
Se tiene que rg(A) = 3, mientras que rg(A|B) = 4. Por tanto el sistema es incom-
patible.
2. Matrices 51
x +y −z = 3
e) 2x −y +4z = 3
3x +2y −z = 8
Sean A y (A|B) la matriz de coe cientes y matriz ampliada del sistema, respecti-
vamente,
1 1 −1 3 1 1 −1 3
A= 2 −1 4 3 , (A|B) = 2 −1 4 3 .
3 2 −1 8 3 2 −1 8
Sobre la matriz (A|B) realizaremos operaciones elementales para transformarla en
una matriz escalonada por las,
1 1 −1 3 −−−−−→ 1 1 −1 3 −−−−−→ 1 1 −1 3
2 −1 4 3 F2 − 2F1 0 −3 6 −3 − 31 F2 0 1 −2 1
3 2 −1 8 F3 − 3F1 0 −1 2 −1 −F3 0 1 −2 1
1 1 −1 3
−−−−−→
0 1 −2 1 .
F3 − F2
0 0 0 0
Se veri ca que rg(A) = 2 =rg(A|B), que es menor que el número de incógnitas.
Por ello el sistema es compatible indeterminado. Vamos a resolverlo. Para ello con-
sideramos el sistema correspodiente a la matriz resultante de efectuar operaciones
elementales sobre la matriz (A|B). Este sistema es,
x +y −z = 3
y −2z = 1,
cuyas soluciones vienen dadas por:
x = 2 − λ, y = 1 + 2λ, z = λ, λ ∈ R.
−2x +y +z = 1
f) x −2y +z = −2
x +y −2z = 4
Sean A y (A|B) la matriz de coe cientes y matriz ampliada del sistema respecti-
vamente,
−2 1 1 1 −2 1 1 1
A= 1 −2 1 −2 , (A|B) = 1 −2 1 −2 .
1 1 −2 4 1 1 −2 4
52 Más de 160 problemas resueltos de Álgebra Lineal
Sobre la matriz (A|B) realizaremos operaciones elementales para transformarla en
una matriz escalonada por las,
−2 1 1 1 1 −2 1 −2 −−−−−→ 1 −2 1 −2
1 −2 1 −2 −−−−−→
−2 1 1 1 F2 + 2F1 0 −3 3 −3
F2 ↔ F1
1 1 −2 4 1 1 −2 4 F3 − F1 0 3 −3 6
−−−−−→ 1 −2 1 −2 1 −2 1 −2
−−−−−→
− 13 F2 0 1 −1 1 0 1 −1 1 .
1 F3 − F2
3 F 3 0 1 −1 2 0 0 0 1
Se tiene que rg(A) = 2 6= 3 =rg(A|B). Por ello el sistema es incompatible.
3 | Determinantes
Este capítulo está dedicado al estudio de los determinantes de una matriz cuadrada.
Así:
Calcularemos el determinante de una matriz cuadrada.
Aplicaremos las propiedades de los determinantes.
Veremos dos aplicaciones del cálculo de determinantes: cálculo del rango de una
matriz y cálculo de la inversa de una matriz regular.
Estudiaremos y resolveremos, aplicando en algunos casos la Regla de Cramer,
sistemas de ecuaciones lineales.
Discutiremos sistemas de ecuaciones dependientes de un parámetro.
1. Calcular los siguientes determinantes utilizando la Regla de Sarrus:
1 3 0 5 −1 7 1 2 3
a) −1 2 −4 , b) 6 4 3 , c) 4 5 6 .
1 1 2 3 2 1 7 8 9
Solución: Comenzamos recordando la Regla de Sarrus, que puede consultarse en [9],
para el cálculo del determinante de una matriz cuadrada de orden 3:
Regla de Sarrus
a11 a12 a13
Dada una matriz cuadrada A = a21 a22 a23 , se tiene que:
a31 a32 a33
|A| = (a11 a22 a33 +a12 a23 a31 +a13 a32 a21 )−(a13 a22 a31 +a12 a21 a33 +a11 a23 a32 ).
53
54 Más de 160 problemas resueltos de Álgebra Lineal
1 3 0
a) −1 2 −4 = (4 + 0 − 12) − (0 − 4 − 6) = 2.
1 1 2
5 −1 7
b) 6 4 3 = (20 + 84 − 9) − (84 + 30 − 6) = −13.
3 2 1
1 2 3
c) 4 5 6 = (45 + 96 + 84) − (105 + 48 + 72) = 0.
7 8 9
2. Calcular el valor de los siguientes determinantes:
−4 1 1 1 1
4 −2 5 1
1 −4 1 1 1
−4 1 0 −1
a) 2 1 −1 1
, b) 1 1 −4 1 1 ,
1 1 1 −4 1
1 0 1 −2
1 1 1 1 −4
1 12 123 1234
2 23 234 2341
c) 3 34 341 3412
.
4 41 412 4123
Solución: Para resolver este ejercicio, nos será útil recordar las siguientes de niciones
y propiedades que pueden ser consultadas en [9] y [7] entre otros.
Comenzamos recordando la de nición de determinante de una matriz cuadrada.
Esta de nición se hará de forma inductiva.
Determinante de una matriz cuadrada
Para una matriz de orden 1, A = (a11 ), su determinante viene dado por
|A| = a11 .
Supuesto conocido el valor del determinante de cada matriz de orden n − 1,
para una matriz de orden n, A = (aij ) ∈ Mn (K), su determinante se de ne
como:
|A| = a11 |A11 | − a21 |A21 | + · · · + an1 (−1)n+1 |An1 |,
donde |Aij | denota al determinante de la matriz de orden n−1 que se obtiene
suprimiendo la la i y la columna j de la matriz A.
3. Determinantes 55
Propiedades del determinante de una matriz cuadrada
1. Si tres matrices cuadradas A, A0 y A00 son idénticas salvo que la i-ésima
la (o columna) de A es la suma de las las (columnas) correspondien-
tes de A0 y A00 , entonces |A| = |A0 | + |A00 |.
2. Si se multiplican los elementos de una la o una columna de una matriz
por un escalar α, entonces su determinante queda multiplicado por α.
3. Si se intercambian dos las o dos columnas de una matriz, entonces su
determinante cambia de signo.
4. Si una matriz cuadrada tiene dos las o columnas iguales entonces su
determinante es nulo.
5. Si a una la o a una columna de una matriz cuadrada A se le suma
otra multiplicada por un escalar α entonces su determinante no varía.
6. El determinante de un producto de dos matrices cuadradas es igual al
producto de sus determinantes. Esto es |A · B| = |A| · |B|.
7. Una matriz cuadrada A es regular si y sólo si |A| =
6 0.
8. El determinante de una matriz cuadrada A es igual al determinante de
su traspuesta. Esto es |A| = |At |.
9. El determinante de una matriz cuadrada A puede obtenerse desarro-
llando por cualquiera de sus las o columnas. Esto es:
|A| = ai1 (−1)i+1 |Ai1 | + · · · + ain (−1)i+n |Ain | =
a1j (−1)1+j |A1j | + · · · + anj (−1)n+j |Anj |.
a) Si a la primera, segunda y tercera la del determinante le sumamos la cuarta la
multiplicada por (−4), 4 y (−2) respectivamente, el determinante no varía. Esto
es:
4 −2 5 1 0 −2 1 9
−4 1 0 −1 0 1 4 −9
= .
2 1 −1 1 0 1 −3 5
1 0 1 −2 1 0 1 −2
Si ahora desarrollamos por la primera columna, se tiene,
0 −2 1 9
−2 1 9
0 1 4 −9
= (1)(−1)4+1 1 4 −9 ,
0 1 −3 5
1 −3 5
1 0 1 −2
56 Más de 160 problemas resueltos de Álgebra Lineal
y, aplicando la Regla de Sarrus, nos queda,
−2 1 9
(−1) 1 4 −9 = (−1)((−40−27−9)−(36−54+5)) = (−1)(−76+13) = 63.
1 −3 5
b) Si a la última columna le sumamos las restantes, el determinante no varía. Esto
es,
−4 1 1 1 1 −4 1 1 1 0
1 −4 1 1 1 1 −4 1 1 0
1 1 −4 1 1 = 1 1 −4 1 0 = 0.
1 1 1 −4 1 1 1 1 −4 0
1 1 1 1 −4 1 1 1 1 0
c) Descomponemos este determinante como suma de dos nuevos determinantes,
1 12 123 1234 1 10 123 1234 1 2 123 1234
2 23 234 2341 2 20 234 2341 2 3 234 2341
= + .
3 34 341 3412 3 30 341 3412 3 4 341 3412
4 41 412 4123 4 40 412 4123 4 1 412 4123
Como el primer determinante de la suma anterior es nulo, ya que la segunda
columna es proporcional a la primera, nos queda
1 12 123 1234 1 2 123 1234
2 23 234 2341 2 3 234 2341
= .
3 34 341 3412 3 4 341 3412
4 41 412 4123 4 1 412 4123
Podemos volver a descomponer este nuevo determinante como suma de dos. Esto
es,
1 2 123 1234 1 2 120 1234 1 2 3 1234
2 3 234 2341 2 3 230 2341 2 3 4 2341
= + .
3 4 341 3412 3 4 340 3412 3 4 1 3412
4 1 412 4123 4 1 410 4123 4 1 2 4123
El valor del primer determinante es cero, ya que si denotamos por Ci la columna
i-ésima de dicho determinante, se veri ca que C3 = 100C1 + 10C2 . Así:
1 2 123 1234 1 2 3 1234
2 3 234 2341 2 3 4 2341
= .
3 4 341 3412 3 4 1 3412
4 1 412 4123 4 1 2 4123
3. Determinantes 57
Repitiendo el proceso,
1 2 3 1234 1 2 3 1230 1 2 3 4
2 3 4 2341 2 3 4 2340 2 3 4 1
= + .
3 4 1 3412 3 4 1 3410 3 4 1 2
4 1 2 4123 4 1 2 4120 4 1 2 3
Igual que antes, el primer determinante de esta descomposición es cero ya que
C4 = 1000C1 + 100C2 + 10C3 . Por tanto,
1 2 3 1234 1 2 3 4
2 3 4 2341 2 3 4 1
= .
3 4 1 3412 3 4 1 2
4 1 2 4123 4 1 2 3
Si ahora a la primera columna le sumamos las restantes, se tiene
1 2 3 4 10 2 3 4 1 2 3 4
2 3 4 1 10 3 4 1 1 3 4 1
= = 10 .
3 4 1 2 10 4 1 2 1 4 1 2
4 1 2 3 10 1 2 3 1 1 2 3
Finalmente en este determinante, a la segunda, tercera y cuarta la le sumamos
la primera multiplicada por (−1), obteniéndose
1 2 3 4 1 2 3 4
1 3 4 1 0 1 1 −3
10 = 10 .
1 4 1 2 0 2 −2 −2
1 1 2 3 0 −1 −1 −1
Si desarrollamos este determinante por la primera columna y aplicamos la Regla
de Sarrus, obtenemos el valor del determinante. Esto es,
1 2 3 4
1 1 −3
0 1 1 −3
10 = 10 · 1 · (−1)1+1 2 −2 −2 = 160.
0 2 −2 −2
−1 −1 −1
0 −1 −1 −1
58 Más de 160 problemas resueltos de Álgebra Lineal
3. Calcula los siguientes determinantes:
x a b c d 1 2 3 4 5
1+x 1 1 ... 1
a x b c d 2 2 3 4 5
1 1+x 1 ... 1
a) a b x c d , b) 3 3 3 4 5 , c) ... ... ... ... ...
.
a b c x d 4 4 4 4 5
1 1 1 1 1+x
a b c d x 5 5 5 5 5
Solución:
a) Si a la primera columna, le sumamos las restantes y aplicamos las propiedades de
los determinantes, se tiene:
x a b c d x+a+b+c+d a b c d 1 a b c d
a x b c d x+a+b+c+d x b c d 1 x b c d
a b x c d = x+a+b+c+d b x c d = (x + a + b + c + d) 1 b x c d .
a b c x d x+a+b+c+d b c x d 1 b c x d
a b c d x x+a+b+c+d b c d x 1 b c d x
Si a la segunda, tercera, cuarta y quinta las les sumamos la primera multiplicada
por (−1), aplicando las propiedades de los determinantes nos queda:
1 a b c d
0 x−a 0 0 0
(x + a + b + c + d) 0 b−a x−b 0 0 =
0 b−a c−b x−c 0
0 b−a c−b d−c x−d
(x + a + c + d)(x − a)(x − b)(x − c)(x − d).
b) Observamos que la quinta columna tiene todos sus elementos iguales. Por ello,
aplicando las propiedades de los determinantes y desarrollando el determinante
por la última columna, se tiene
1 2 3 4 5 1 2 3 4 1 1 2 3 4 1
1 0 0 0
2 2 3 4 5 2 2 3 4 1 1 0 0 0 0
2 1 0 0
3 3 3 4 5 =5 3 3 3 4 1 =5 2 1 0 0 0 =5 = 5.
3 2 1 0
4 4 4 4 5 4 4 4 4 1 3 2 1 0 0
4 3 2 1
5 5 5 5 5 5 5 5 5 1 4 3 2 1 0
c) Supongamos que el determinante a calcular es de orden n y volvamos a utilizar la
estrategia de sumar a la primera columna las restantes,
1+x 1 1 ... 1 n+x 1 1 ... 1
1 1+x 1 ... 1 n + x 1 + x 1 ... 1
= .
... ... ... ... ... ... ... ... ... ...
1 1 1 ... 1 + x n+x 1 1 ... 1 + x
3. Determinantes 59
Como (n + x) multiplica a la primera columna, se tiene que,
n+x 1 1 ... 1 1 1 1 ... 1
n+x 1+x 1 ... 1 1 1+x 1 ... 1
= (n + x) .
... ... ... ... ... ... ... ... ... ...
n+x 1 1 ... 1 + x 1 1 1 ... 1 + x
Si ahora sumamos a todas las las la primera multiplicada por (−1) y desarrollamos
por la primera columna, tenemos que,
1 1 1 ... 1 x 0 0 ... 0
0 x 0 ... 0 0 x 0 ... 0
(n + x) = (n + x) = (n + x)xn−1 .
... ... ... ... ... ... ... ... ... ...
0 0 0 ... x 0 0 0 ... x
4. Calcula:
1 1 1 1
1 1 1
1 1 a b c d
a) a b
, b) a b c , c) a2 b2 c2 d2
.
a2 b2 c2
a3 b3 c3 d3
Solución:
1 1
a) = b − a.
a b
b) En este apartado y en los que siguen, escribiremos debajo del signo = la operación
elemental de las que se está realizando.
1 1 1 1 1 1 1 1 1
= =
a b c a b c 0 b−a c−a =
F3 − aF2 F2 − aF1
a2 b2 c2 0 b2 − ab c2 − ac 0 b2 − ab c2 − ac
b−a c−a 1 1
= = (b − a)(c − a) = (b − a)(c − a)(c − b).
b(b − a) c(c − a) b c
1 1 1 1 1 1 1 1
a b c d = a b c d =
c)
a2 b2 c2 d2 F4 − aF3 a2 b2 c2 d2 F3 − aF2
a3 b3 c3 d3 0 b3 − ab2 c3 − ac2 d3 − ad2
1 1 1 1 1 1 1 1
a b c d = 0 b−a c−a d−a
= =
0 b2 − ab c2 − ac d2 − ad F2 − aF1 0 b2 − ab c2 − ac d2 − ad
0 b3 − ab2 c3 − ac2 d3 − ad2 0 b3 − ab2 c3 − ac2 d3 − ad2
60 Más de 160 problemas resueltos de Álgebra Lineal
b−a c−a d−a 1 1 1
= b(b − a) c(c − a) d(d − a) = (b − a)(c − a)(d − a) b c d =
b2 (b − a) c2 (c − a) d2 (d − a) b2 c2 d2
= (b − a)(c − a)(d − a)(c − b)(d − b)(d − c).
Generalizando, se puede demostrar la fórmula del determinante de Vandermonde.
Esto es,
1 1 ... 1
a1 a2 . . . an+1 n n+1
Y Y
.. .. . . .. = (aj − ai ) = (an+1 − a1 ) . . . (a2 − a1 ) . . . (an+1 − an ).
. . . . i=1 j=i+1
an1 an2 . . . ann+1
5. Calcula, utilizando el ejercicio anterior, el determinante
1 1 1 1
2 4 6 8
.
22 42 62 82
23 43 63 83
Solución: Fijándonos en la fórmula dada en el ejercicio anterior, se tiene que:
1 1 1 1
2 4 6 8
= (8 − 2)(6 − 2)(4 − 2)(8 − 4)(6 − 4)(8 − 6) = 6 · 4 · 2 · 4 · 2 · 2 = 768.
22 42 62 82
23 43 63 83
6. Sea A una matriz de orden 3. Si |A| = 2, calcula:
a) |5A|, b) | − A|, c) |A−1 |.
Solución:
a) Sabemos que si multiplicamos una la o columna de una matriz por un número,
el determinante queda multiplicado por ese número. Así,
|5A| = 53 |A| = 250.
b) De forma análoga al apartado anterior,
| − A| = (−1)3 |A| = −|A| = −2.
3. Determinantes 61
c) Si A−1 es la inversa de la matriz A, se tiene que AA−1 = I3 , donde I3 denota
la matriz identidad de orden 3. Por tanto, |AA−1 | = |I3 |. Es decir, |A||A−1 | = 1,
luego |A−1 | = |A|−1 . En consecuencia
1
|A−1 | = |A|−1 = .
2
7. Dadas A, B ∈ Mn , prueba que se veri ca:
a) Si A y B son invertibles, entonces AB es invertible y (AB)−1 = B −1 A−1 .
b) (A−1 )−1 = A.
1 −1
c) (λA)−1 = A , λ 6= 0.
λ
d) Si A es invertible, entonces At es invertible y (At )−1 = (A−1 )t .
e) Si A1 , . . . , An son invertibles, entonces A1 ·. . . ·An es invertible y
−1
(A1 ·. . . ·An )−1 = A−1
n ·. . . ·A1 .
Solución:
a) En primer lugar vemos que AB es una matriz invertible ya que |AB| = |A|·|B| =
6 0.
Veamos ahora que (AB)−1 = B −1 A−1 . Para ello basta ver que (B −1 A−1 )(AB) =
(AB)(B −1 A−1 ) = I . Vamos a verlo:
Por la propiedad asociativa del producto de matrices, tenemos que:
(AB)(B −1 A−1 ) = A(BB −1 )A−1 = AIA−1 = AA−1 = I.
De la misma forma, tenemos que:
(B −1 A−1 )(AB) = B −1 (A−1 A)B = B −1 IB = B −1 B = I.
b) En primer lugar observamos que si A es invertible, entonces A−1 también lo es
ya que |A−1 | = |A|−1 6= 0. Para demostrar que (A−1 )−1 = A hay que ver que
AA−1 = A−1 A = I . Pero eso se cumple por la de nición de A−1 .
c) Observemos que si A es invertible, entonces λA también lo es, ya que |λA| =
6 0. Veamos que (λA)( λ1 A−1 ) = ( λ1 A−1 )(λA) = I .
λn |A| =
Aplicando las propiedades del producto por un escalar, tenemos que:
1 −1 1 −1 1 −1 1
(λA) A =λ A A =λ A A = λ (AA−1 ) = 1I = I.
λ λ λ λ
62 Más de 160 problemas resueltos de Álgebra Lineal
De la misma forma:
1 −1 1 1 1
A (λA) = (A−1 λ)A = (λA−1 )A = λ (A−1 A) = 1I = I.
λ λ λ λ
d) En primer lugar vemos que si A es invertible, también lo es At , ya que |At | = |A| =
6
0. Veamos que At (A−1 )t = (A−1 )t At = I .
Aplicando las propiedades de la trasposición de matrices y que I t = I , se tiene
que At (A−1 )t = (A−1 A)t = I t = I . De la misma forma, se tiene (A−1 )t At =
(AA−1 )t = I t = I . Por tanto (AA−1 )t = (A−1 A)t = I t = I .
e) Lo demostraremos por inducción sobre n.
Para n = 2 hemos demostrado en el apartado a) que A1 A2 es invertible y
(A1 A2 )−1 = A−1 −1
2 A1 .
Supongamos el resultado cierto para n.
Demostrémoslo para n + 1. Sabiendo que se cumple para n = 2 y aplicando
la hipótesis de inducción tenemos que:
|A1 ·. . . ·An+1 | = |A1 |·. . . ·|An+1 | =
6 0.
Por tanto, A1 A2 ·. . . ·An+1 es invertible y
(A1 ·. . . ·An An+1 )−1 = ((A1 ·. . . ·An )An+1 )−1 = A−1
n+1 (A1 ·. . . ·An )
−1
=
= A−1 −1 −1
n+1 An ·. . . ·A1 .
8. Prueba que si A es una matriz regular, entonces:
a) A es simétrica ⇐⇒ A−1 es simétrica.
b) A es antisimétrica ⇐⇒ A−1 es antisimétrica.
Solución:
a) =⇒ Tendremos que ver que A−1 = (A−1 )t . Esto es, (A−1 )t A = I = A(A−1 )t .
Utilizando las propiedades de la trasposición de matrices y que A es simétrica,
se tiene que,
A(A−1 )t = A(At )−1 = AA−1 = I.
De igual forma se demuestra que (A−1 )t A = I , y de ahí se tiene el resultado.
⇐= Tendremos que ver que A = At . Como AA−1 = I , se tiene que (AA−1 )t = I t ,
utilizando las propiedades de la trasposición de matrices y que I t = I , te-
nemos que (A−1 )t At = I . Como, por hipótesis A−1 es simétrica, tenemos
A−1 At = I . Esto es, At = (A−1 )−1 = A.
3. Determinantes 63
b) =⇒ Queremos ver que A−1 = −(A−1 )t . Esto es, −(A−1 )t A = I = A(−(A−1 )t ).
Utilizando las propiedades de la trasposición de matrices y que A es antisi-
métrica, se tiene que,
A(−(A−1 )t ) = A(−At )−1 = AA−1 = I.
De igual forma se demuestra que (−(A−1 ))t A = I , y de ahí se tiene el resul-
tado.
⇐= Tendremos que ver que A = −At . Como AA−1 = I , se tiene que (AA−1 )t =
I t . Utilizando las propiedades de la trasposición de matrices y que I t =
I , tenemos que (A−1 )t At = I . Como, por hipótesis A−1 es antisimétrica,
tenemos (−A−1 )At = I . Esto es, At = −(A−1 )−1 = −A.
9. Prueba que si A ∈ Mn (K) es idempotente y A 6= In entonces A es singular.
Solución: Si la matriz A ∈ Mn (K) es idempotente, entonces A2 = A. Así,
|A| = |A2 | = |AA| = |A||A| = |A|2 .
Esto es, |A|2 − |A| = 0. Es decir, |A|(|A| − 1) = 0.
Por consiguiente, |A| = 1 ó |A| = 0. Si |A| = 1, entonces existe A−1 . Así A = In A =
(A−1 A)A = A−1 (A2 ) = A−1 A = In . Pero por hipótesis se tiene que A 6= In . Por
tanto llegamos a una contradicción y descartamos |A| = 1. De donde, la única opción
posible es |A| = 0. En consecuencia, la matriz A es singular.
10. Una matriz cuadrada es involutiva si coincide con su inversa. Demuestra
que una matriz A es idempotente si y sólo si la matriz B = 2A − In es
involutiva.
Solución:
=⇒ Hay que ver que B 2 = (2A − In )(2A − In ) = In . Si la matriz A es idempotente,
esto es, A2 = A, se tiene:
B 2 = (2A − In )(2A − In ) = 4A2 − 2AIn − 2In A + In2 = 4A2 − 4A + In =
4A − 4A + In = In .
⇐= Hay que ver que A2 = A. Si B es involutiva, se tiene que B 2 = In , entonces
In = B 2 = (2A − In )(2A − In ) = 4A2 − 4A + In .
De donde, 4A2 − 4A = θn . Esto es, A2 = A.
64 Más de 160 problemas resueltos de Álgebra Lineal
11. Hallar det(A) en los siguientes casos:
a) A es un matriz idempotente.
b) A veri ca AAt = I .
c) A es una matriz nilpotente.
d) A es una matriz antisimétrica de orden impar.
e) A es una matriz antisimétrica y simétrica.
Solución:
a) En el ejercicio 9, se ha demostrado que en este caso se tiene que |A| = 1 ó |A| = 0.
b) Si AAt = I , entonces |AAt | = |I| = 1. Es decir, |A|·|At | = 1. Como el determinante
de una matriz coincide con el de su traspuesta, se tiene|A|·|A| = 1. Esto es |A|2 = 1.
Así |A| = ±1.
c) Si A es nilpotente entonces existe n ∈ N tal que An = θ, donde recordamos que θ
representa a la matriz nula. Esto es, |An | = |θ|. Así |A|n = 0. Por tanto, |A| = 0.
d) Si A es una matriz antisimétrica, entonces A = −At . Luego |A| = | − At |. Como
A es de orden impar, se tiene que | − At | = −|At |. Esto es, |A| = −|At | = −|A|.
De donde 2|A| = 0, y así |A| = 0.
e) Por ser A simétrica, se tiene que A = At y por ser antisimétrica se tiene −A = At .
Por tanto, A = −A. Esto es, 2A = θ. Es decir, A = θ, y por tanto |A| = 0.
12. ¾Existe algún valor de x ∈ R para que dada la matriz
x x−2
A= ,
2 x
puedan existir matrices B ∈ M2 (K) no nulas tales que AB = θ, donde θ
representa la matriz nula?
Solución: Veamos en primer lugar que:
Si existe una matriz B , no nula, tal que AB = θ, entonces |A| = 0.
Supongamos que |A| =6 0, entonces existe A−1 tal que A−1 A = AA−1 = I . Así,
A−1 (AB) = A−1 θ. Esto es, (A−1 A)B = θ. Por tanto B = θ, siendo esto una contra-
dicción.
Basándonos en la anterior a rmación se deberá de veri car que |A| = 0. Esto es,
x x−2
= 0.
2 x
3. Determinantes 65
Así x2 − 2x + 4 = 0. Pero esta ecuación no tiene raíces en el cuerpo de los números
reales. Luego |A| 6= 0, para todo x ∈ R. Por tanto, podemos a rmar que no existen
matrices B no nulas tales que AB = θ.
13. Sabiendo que A ∈ Mn (K) satisface el polinomio (x − 1)2 (x − 2), encuentra
la expresión de A−1 .
Solución: Si A satisface el polinomio (x−1)2 (x−2), se tiene que (A−In )2 (A−2In ) =
θn , donde θn representa la matriz nula en Mn (K). Así,
(A − In )2 (A − 2In ) = (A2 − 2A + In )(A − 2In ) = A3 − 2A2 + 4A − 2A2 + A − 2In =
= A3 − 4A2 + 5A − 2In = θn .
Por tanto,
A3 − 4A2 + 5A = 2In .
Así,
1 3
(A − 4A2 + 5A) = In .
2
Esto es,
1 2
A (A − 4A + 5In ) = In .
2
1
Luego A−1 = (A2 − 4A + 5In ).
2
14. Utilizando determinantes hallar, cuando exista, la inversa de cada
una de las matrices dadas:
1 2 3 4 1 2 3 1
2 3 5 −2 1 3 3 2
a)
3 5 1
,
1
b)
2 4 3
.
3
1 1 −5 −7 1 1 1 1
Solución:
1 2 3 4
2 3 5 −2
a) A =
3
. Como |A| = 0, A no tiene inversa.
5 1 1
1 1 −5 −7
66 Más de 160 problemas resueltos de Álgebra Lineal
1 2 3 1
1 3 3 2
b) A =
2
. Como |A| = −1, A tiene inversa. Vamos a calcularla.
4 3 3
1 1 1 1
La expresión de la matriz inversa de una matriz regular viene dada por A−1 =
1
· (Adj(A))t , siendo Adj(A) = (αij )ij con αij = (−1)i+j |Aij |.
|A|
3 3 2 1 3 2
α11 = (−1)1+1 4 3 3 = −1, α12 = (−1)1+2 2 3 3 = −1,
1 1 1 1 1 1
1 3 2 1 3 3
α13 = (−1)1+3 2 4 3 = 0, α14 = (−1)1+4 2 4 3 = 2,
1 1 1 1 1 1
2 3 1 1 3 1
α21 = (−1)2+1 4 3 3 = 2, α22 = (−1)2+2 2 3 3 = 2,
1 1 1 1 1 1
1 2 1 1 2 3
α23 = (−1)2+3 2 4 3 = −1, α24 = (−1)2+4 2 4 3 = −3,
1 1 1 1 1 1
2 3 1 1 3 1
α31 = (−1)3+1 3 3 2 = −1, α32 = (−1)3+2 1 3 2 = −2,
1 1 1 1 1 1
1 2 1 1 2 3
α33 = (−1)3+3 1 3 2 = 1, α34 = (−1)3+4 1 3 3 = 2,
1 1 1 1 1 1
2 3 1 1 3 1
α41 = (−1)4+1 3 3 2 = 0, α42 = (−1)4+2 1 3 2 = 3,
4 3 3 2 3 3
1 2 1 1 2 3
α43 = (−1)4+3 1 3 2 = −1, α44 = (−1)4+4 1 3 3 = −3.
2 4 3 2 4 3
Luego,
−1 −1 0 2 −1 2 −1 0
2 2 −1 −3 −1 2 −2 3
Adj(A) = y Adj(A)t =
.
−1 −2 1 2 0 −1 1 −1
0 3 −1 −3 2 −3 2 −3
3. Determinantes 67
Por tanto,
1 −2 1 0
1 −2 2 −3
A−1 = .
0 1 −1 1
−2 3 −2 3
15. Usando determinantes, calcular el rango de las siguientes matrices:
1 −1 1
1 2 1 0 2 1 7
a) A = 2 4 −2 8 , b) B=
0
.
1 2
−1 0 1 −2
1 0 3
Solución:
a) Buscamos un menor de orden 2 no nulo de la matriz A. Para ello, podemos consi-
derar:
1 1
= −4 6= 0.
2 −2
Orlamos dicho menor con la segunda columna y la tercera la,
1 2 1
2 4 −2 = 8 6= 0.
−1 0 1
Vemos que es un menor no nulo. Como no podemos encontrar un menor de mayor
orden cuyo determinante no sea nulo, podemos a rmar que el rango de la matriz
A es 3.
b) Buscamos un menor de orden 2 no nulo de la matriz B . Para ello, podemos con-
siderar:
1 −1
= 3 6= 0.
2 1
Orlamos dicho menor con la tercera la y la tercera columna,
1 −1 1
2 1 7 = 1 6= 0.
0 1 2
Vemos que es un menor no nulo. Como no existe un menor de orden mayor cuyo
determinante no sea nulo, podemos a rmar que el rango de la matriz B es 3.
68 Más de 160 problemas resueltos de Álgebra Lineal
16. Estudiar, y resolver en su caso, cada uno de los sistemas lineales que
siguen:
2x +3y −4z = 4 4x +3y −z = −7
a) b) 5x
5x +y −7z = 0 +y +2z = −3
−3x +2y +3z = 4 8x +6y −2z = −14
x1 −x2 +x3 = 4
2x +y −z = −3
3x1 +2x2 −3x3 = 1
c)
−y + 21 z = −2
x
2x1 +3x2 −4x3 = −3 d)
−x +4y − 52 z = 1
x1 − 21 x2 + 23 x3 = 11
2
6x +6y −3z = 0
2x −3y = −4 x1 −3x2 +x3 = 2
f) 2x1
e) 12 x − 34 y = −1 +x2 +4x3 = −2
5x1 −x2 +9x3 = −2
1
5x +2y =
3
x1 −2x2 +3x3 +x4 = 1
x1 +x2 +x3 +x4 = 1
3x1 +2x2 −x3 = 1 x1 −x2 +x3 −x4 = 0
g) −3x +x h)
1 2 +2x3 −3x4 = 1 x1
+x2 −x3 −x4 = −1
x1 +x2 +4x3 −2x4 = 1 x1 +x2 +x3 −x4 = 2
x −2y +z −t = 1
x +y +z +t = −6
2x +y −3z +t = 0 −2x +2y −z = −2
i) j)
x −y +2z +3t = 1
−2y +3z −2t = 9
2x +y +3z −4t = 3 −x +y +3z −t = 0
Solución:
2x +3y −4z = 4
a) 5x +y −7z = 0
−3x +2y +3z = 4
Sean A y (A|B) la matriz de coe cientes y la ampliada del sistema, respectiva-
mente:
2 3 −4 2 3 −4 4
A= 5 1 −7 y (A|B) = 5 1 −7 0 .
−3 2 3 −3 2 3 4
El determinante de la matriz de coe cientes es |A| = 0. Como el determinante de
la submatriz
2 3
,
5 1
es no nulo, podemos a rmar que rg(A) = 2.
3. Determinantes 69
Como todos los menores de orden 3 de la matriz ampliada tienen determinante
nulo, se tiene que rg(A|B) = 2. Así rg(A) = rg(A|B) = 2, siendo menor que el
número de incógnitas. Aplicando el Teorema de Rouché-Frobenius, se tiene que el
sistema es compatible indeterminado. Para su resolución consideramos un sistema
formado por dos ecuaciones tal que su matriz de coe cientes y matriz ampliada
tengan rango 2. Esto es:
2x +3y −4z = 4
5x +y −7z = 0.
Si llamamos z = λ, se tiene
2x +3y = 4 + 4λ
5x +y = 7λ
Así podemos a rmar que el conjunto de soluciones viene dado por
17λ − 4 6λ + 20
x= , y= , z = λ, λ ∈ R.
13 13
4x +3y −z = −7
b) 5x +y +2z = −3
8x +6y −2z = −14
Sean A y (A|B) la matriz de coe cientes y la ampliada del sistema, respectiva-
mente:
4 3 −1 4 3 −1 −7
A= 5 1 2 y (A|B) = 5 1 2 −3 .
8 6 −2 8 6 −2 −14
Veamos el rango que tiene la matriz de coe cientes, A. Para ello calculemos el
determinante de A. Observamos que la tercera la es el doble de la primera. Por
tanto |A| = 0. Como la submatriz
4 3
,
5 1
tiene determinante distinto de cero, se tiene que rg(A) = 2. Calculemos ahora el
rango de la matriz ampliada (A|B). De nuevo observamos que la tercera la es el
doble de la primera. Por tanto rg(A|B) = 2.
Así, rg(A) = rg(A|B) = 2, que es menor que el número de incógnitas. Aplicando
el Teorema de Rouché-Frobenius, se tiene que el sistema es compatible indeter-
minado. Vamos a resolverlo. Para ello, utilizaremos el método de escalonado del
sistema. Esto es, consideremos el sistema,
4x +3y −z = −7
5x +y +2z = −3
8x +6y −2z = −14
70 Más de 160 problemas resueltos de Álgebra Lineal
Multiplicamos la primera ecuación por 14 ,
x +(3/4)y −(1/4)z = −7/4
5x +y +2z = −3
8x +6y −2z = −14
Sumamos a la segunda y tercera ecuación, la primera multiplicada por (−5) y
(−8), respectivamente,
x +(3/4)y −(1/4)z = −7/4
−(11/4)y +(13/4)z = 23/4
0 = 0
Multiplicamos la segunda ecuación por − 11
4
,
x +(3/4)y −(1/4)z = −7/4
y −(13/11)z = −23/11
Si llamamos z = λ, se tiene que el conjunto de soluciones del sistema viene dado
por:
2 + 7λ 23 − 13λ
x=− , y=− , z = λ, λ ∈ R.
11 11
x1 −2x2 +x3 = 4
3x1 +2x2 −3x3 = 1
c)
2x1 +3x2 −4x3 = −3
x1 − 12 x2 + 32 x3 = 11
2
Consideremos la matriz de coe cientes A y la matriz ampliada (A|B),
1 −2 1 1 −2 1 4
3 2 −3 3 2 −3 1
A=
y (A|B) =
.
−4 −4 −3
2 3 2 3
1 3 1 3 11
1 −2 2 1 −2 2 2
Como el determinante de la submatriz
1 −2 1
3 2 −3 ,
2 3 −4
es no nulo, se tiene que rg(A) = 3. Calculemos ahora el rango de la matriz amplia-
da. Para ello consideraremos su determinante. Tenemos pues que |(A|B)| = − 27 .
Por tanto, rg(A|B) = 4. Así rg(A) = 3 6= 4 = rg(A|B) = 4. Es decir, el sistema es
incompatible.
3. Determinantes 71
2x +y −z = −3
x −y + 12 z = −2
d)
−x +4y − 52 z = 1
6x +6y −3z = 0
Observamos que el determinante de la matriz ampliada del sistema es
2 1 −1 −3
1
1 −1 2 −2
|(A|B)| = = −12.
−1 4 − 52 1
6 6 −3 0
Esto implica que el rango de la matriz ampliada es 4. Este rango, podemos a rmar,
es distinto del rango de la matriz de los coe cientes puesto que éste es como
máximo 3, ya que se trata de una matriz de orden 4 × 3. Así rg(A) 6= rg(A|B). En
consecuencia el sistema es incompatible.
2x −3y
= −4
e) 1 3
2x −4y = −1
1
5x +2y =
3
Consideramos la matriz de coe cientes A y la matriz ampliada (A|B),
2 −3 −4
2 −3
1
A= − 34 , (A|B) = 1
− 43 −1 .
2 2
5 2 5 2 1
3
Comenzamos calculando el rango de A. Observamos que
1
2 − 34 19
= 6= 0.
5 2 4
Así podemos a rmar que rg(A) = 2. Ahora calculamos el rango de (A|B). Para
ello calculamos su determinante. Esto es,
2 −3 −4
1
|(A|B)| = 2 − 34 −1 = 0.
1
5 2 3
Luego rg(A) = rg(A|B) = 2, que coincide con el número de incógnitas. Por ello
el sistema es compatible determinado. Para resolver el sistema consideraremos un
subsistema del anterior tal que la matriz de coe cientes y matriz ampliada tengan
72 Más de 160 problemas resueltos de Álgebra Lineal
rango 2. Esto es, consideramos el sistema,
(
1
2x − 34 y = −1
1
5x +2y = 3
cuya solución es
7 62
x=− , y= .
19 57
x1 −3x2 +x3 = 2
f) 2x1 +x2 +4x3 = −2
5x1 −x2 +9x3 = −2
Consideraremos la matriz de coe cientes A y la matriz ampliada (A|B),
1 −3 1 1 −3 1 2
A= 2 1 4 , (A|B) = 2 1 4 −2 .
5 −1 9 5 −1 9 −2
Si calculamos el determinante de la matriz de coe cientes, A, vemos que
1 −3 1
|A| = 2 1 4 = 0.
5 −1 9
Pero al ser el determinante de la submatriz de A,
1 −3
,
2 1
diferente de 0, se tiene que rg(A) = 2. Además, como todos los menores de orden
3 de la matriz ampliada tienen determinante nulo, se tiene que rg(A|B) = 2. Esto
es, rg(A) = 2 = rg(A|B), que es menor que el número de incógnitas. Por tanto, el
sistema es compatible indeterminado. Para resolverlo, consideremos un subsistema
cuya matriz de coe cientes y matriz ampliada tengan rango 2. Esto es,
x1 −3x2 +x3 = 2
2x1 +x2 +4x3 = −2
Si llamamos x3 = λ, se tiene
x1 −3x2 = 2−λ
2x1 +x2 = −2 − 4λ
Despejando x1 en la primera ecuación,
x1 = 2 − λ + 3x2 ,
3. Determinantes 73
y sustituyendo este valor en la segunda ecuación,
2(2 − λ + 3x2 ) + x2 = −2 − 4λ.
−6 − 2λ
Así x2 = . Por tanto, el conjunto de soluciones del sistema viene dado
7
por:
−4 − 13λ −6 − 2λ
x1 = , x2 = , λ ∈ R.
7 7
x1 −2x2 +3x3 +x4 =1
3x1 +2x2 −x3 =1
g)
−3x1 +x2 +2x3 −3x4 =1
x1 +x2 +4x3 −2x4 =1
El determinante de la matriz A de coe cientes es nulo. Esto es,
1 −2 3 1
3 2 −1 0
|A| = = 0.
−3 1 2 −3
1 1 4 −2
Así podemos a rmar que la matriz de coe cientes tiene rango menor que 4. Sin
embargo si calculamos el siguiente menor de la matriz ampliada, se tiene:
1 −2 3 1
3 2 −1 1
|(A|B)| = = −76.
−3 1 2 1
1 1 4 1
Esto implica que la matriz ampliada tiene rango 4, distinto del rango de la matriz
de coe cientes. Por tanto el sistema es incompatible.
x1 +x2 +x3 +x4 = 1
x1 −x2 +x3 −x4 = 0
h)
x1 +x2 −x3 −x4 = −1
x1 +x2 +x3 −x4 = 2
Calculemos el rango de la matriz de coe cientes A. Para ello, comenzamos calcu-
lando su determinante,
1 1 1 1
1 −1 1 −1
A= = −8.
1 1 −1 −1
1 1 1 −1
Por tanto, rg(A) = 4. En este caso podemos a rmar que el rango de (A|B) es
también 4, ya que es una matriz de orden 4 × 5 y la matriz de coe cientes es una
74 Más de 160 problemas resueltos de Álgebra Lineal
submatriz de ella con determinante no nulo. Así rg(A) = rg(A|B) = 4, que coincide
con el número de incógnitas. Por ello, el sistema es compatible determinado. Este
tipo de sistemas reciben el nombre de sistemas de Cramer. A continuación vamos
a recordar su de nición que puede ser consultada en [1].
Sistemas de Cramer
Un sistema de ecuaciones lineales AX = B se llama sistema de Cramer
si su matriz de coe cientes A es cuadrada y regular. Esto es, si el sistema
tiene tantas ecuaciones como incógnitas y el determinante de su matriz
de coe cientes es no nulo. Así los sistemas de Cramer son de la forma:
a11 x1 + a12 x2 + · · · + a1n xn = b1
a21 x1 + a22 x2 + · · · + a2n xn = b2
..
.
an1 x1 + an2 x2 + · · · + ann xn = bn
donde la matriz A de coe cientes del sistema ver ca |A| =
6 0.
Para resolver los sistemas de Cramer, utilizaremos la Regla de Cramer, que
recordamos a continuación y puede ser consultada en [1].
Regla de Cramer
Todo sistema de Cramer tiene una única solución. Ésta es
|A1 | |A2 | |An |
x1 = , x2 = , . . . , xn = ,
|A| |A| |A|
donde Ai , i = 1, . . . , n, representan a las matrices que se obtienen al
sustituir en la matriz A, la columna i-ésima por la columna de términos
independientes.
Aplicando la Regla de Cramer, se tiene que,
1 1 1 1 1 1 1 1
0 −1 1 −1 1 0 1 −1
−1 1 −1 −1 1 −1 −1 −1
2 1 1 −1 8 1 2 1 −1 −8
x1 = = = −1, x2 = = = 1,
|A| −8 −8 −8
3. Determinantes 75
1 1 1 1 1 1 1 1
1 −1 0 −1 1 −1 1 0
1 1 −1 −1 1 1 −1 −1
1 1 2 −1 −12 3 1 1 1 2 4 1
x3 = = = , x4 = = =− .
−8 −8 2 −8 −8 2
Por tanto, la solución del sistema es:
3 1
x1 = −1, x2 = 1, x3 = , x4 = − .
2 2
x −2y +z −t = 1
2x +y −3z +t = 0
i)
x −y +2z +3t = 1
2x +y +3z −4t = 3
La matriz ampliada del sistema es
1 −2 1 −1 1
2 1 −3 1 0
(A|B) = .
1 −1 2 3 1
2 1 3 −4 3
Si calculamos el determinante de la matriz de coe cientes A, tenemos que
1 −2 1 −1
2 1 −3 1
|A| = = −152.
1 −1 2 3
2 1 3 −4
Como es no nulo, se tiene que rg(A) = 4. Podemos a rmar que el rg(A|B) = 4,
ya que (A|B) es una matriz de orden 4 × 5 y podemos considerar la matriz A una
submatriz suya con determinante no nulo. Así rg(A) = rg(A|B) = 4, que coincide
con el número de incógnitas. Por ello, se trata de un sistema de Cramer. Vamos a
resolverlo aplicando la Regla de Cramer. Esto es,
1 −2 1 −1 1 1 1 −1
0 1 −3 1 2 0 −3 1
1 −1 2 3 1 1 2 3
3 1 3 −4 −95 5 2 3 3 −4 −11 11
x= = = , y= = = ,
|A| −152 8 −152 −152 152
1 −2 1 −1 1 −2 1 1
2 1 0 1 2 1 −3 0
1 −1 1 3 1 −1 2 1
2 1 3 −4 −61 61 2 1 3 3 18 9
z= = = , t= = =− .
−152 −152 152 −152 −152 76
76 Más de 160 problemas resueltos de Álgebra Lineal
x +y +z +t = −6
−2x +2y −z = −2
j)
−2y +3z −2t = 9
−x +y +3z −t = 0
La matriz A de coe cientes tiene determinante nulo. Esto es,
1 1 1 1
−2 2 −1 0
|A| = = 0.
0 −2 3 −2
−1 1 3 −1
Así podemos a rmar que rg(A) < 4. Si ahora consideramos una submatriz de la
matriz ampliada,
1 1 1 −6
−2 2 0 −2
0 −2 −2 9
−1 1 −1 0
se tiene que el determinante de esta submatriz es no nulo. Esto signi ca que el rango
de la matriz ampliada (A|B) es 4. Por tanto podemos a rmar que rg(A) 6= rg(A|B),
y por tanto el sistema es incompatible.
17. Estudiar, y resolver en su caso, los siguientes sistemas lineales homo-
géneos:
x −2y +3z = 0 2x −y +3z = 0
a) 2x +y −2z = 0
b) 2x −y +2z = 0
2x −3y +z = 0 x +2y −3z = 0
c) d)
x +2y +z = 0 2x −y +2z = 0
5x −4y +3z = 0 3x +y +2z = 0
−2x −14y +6z = 0 2x1 +x2 −x3 +x4 = 0
e) −x −7y +3z = 0 f) x1 +2x2 +x3 −x4 = 0
2x −3y +z = 0 3x1 −x2 −2x4 = 0
−x2 +2x3 +x4 −x5 +2x6 = 0
g) x1 +x5 +x6 = 0
x2 −x3 +x4 = 0
x1 +x2 +3x4 +3x6 = 0
Solución: En este ejercicio, al tratarse de sistemas homogéneos, siempre se va a veri-
car que el rango de la matriz de coe cientes es igual al rango de la matriz ampliada.
Esto es, el sistema siempre va a tener solución. Esta solución es la solución trivial.
Así, lo que será interesante en este caso, es ver si el sistema tiene solución diferente
3. Determinantes 77
de la trivial y para ello bastará estudiar el rango de la matriz de coe cientes.
x −2y +3z = 0
a)
2x +y −2z = 0
1 −2 3 1 −2
La matriz de coe cientes A = tiene rango 2 puesto que =
2 1 −2 2 1
5 6= 0.
Por tanto, existen soluciones diferentes de la trivial. Vamos a calcularlas. Para ello,
a la segunda ecuación le sumamos la primera multiplicada por (−2), quedando,
x −2y +3z = 0
5y −8z = 0.
Si llamamos z = λ, se tiene que el conjunto de soluciones viene dado por:
λ 8λ
x= , y= , z = λ, λ ∈ R.
5 5
2x −y +3z = 0
b)
2x −y +2z = 0
2 −1 3 −1 3
La matriz de coe cientes A = tiene rango 2 puesto que =
2 −1 2 −1 2
1 6= 0.
Como el rango es menor que el número de incógnitas, el sistema tiene soluciones
diferentes de la trivial. Vamos a calcularlas. Si a la segunda ecuación le sumamos
la primera multiplicada por (−1), se tiene
2x −y +3z = 0
−z = 0.
Así el conjunto de soluciones del sistema viene dado por:
x = λ, y = 2λ, z = 0, λ ∈ R.
2x −3y +z = 0
c) x +2y +z = 0
5x −4y +3z = 0
78 Más de 160 problemas resueltos de Álgebra Lineal
Observemos que la matriz A de coe cientes tiene determinante nulo. Esto es,
2 −3 1
|A| = 1 2 1 = 0,
5 −4 3
pero podemos encontrar una submatriz
2 −3
,
1 2
cuyo determinante es no nulo. Por tanto el rango de la matriz de coe cientes es 2,
que es menor que el número de incógnitas. Así, el sistema tiene solución diferente
de la trivial. Para calcularla, consideramos un subsistema del anterior, cuya matriz
de coe cientes tenga rango 2. Esto es,
x +2y +z = 0
5x −4y +3z = 0.
Sumamos a la segunda la, la primera multiplicada por (−5),
x +2y +z = 0
−14y −2z = 0.
Multiplicando la segunda ecuación por − 12 , nos queda,
x +2y +z = 0
7y +z = 0.
Si z = λ, el conjunto de soluciones del sistema viene dado por
5λ λ
x=− , y=− , z = λ, λ ∈ R.
7 7
x +2y −3z = 0
d) 2x −y +2z = 0
3x +y +2z = 0
Observamos que el determinante de la matriz A de coe cientes es no nulo. Esto
es,
1 2 −3
|A| = 2 −1 2 = −15 6= 0.
3 1 2
Así el rango de la matriz A es 3, que coincide con el número de incógnitas. Por
ello, la solución trivial es la única solución del sistema. Esto es, x = y = z = 0.
3. Determinantes 79
−2x −14y +6z = 0
e) −x −7y +3z = 0
2x −3y +z = 0
Observamos que el determinante de la matriz A de coe cientes es nulo. Esto es,
−2 −14 6
|A| = −1 −7 3 = 0.
2 −3 1
Como de la matriz A, podemos obtener una submatriz
−1 −7
,
2 −3
cuyo determinante es no nulo, a rmamos que rg(A) = 2, siendo, por tanto, menor
que el número de incógnitas. De ahí que el sistema tenga soluciones diferentes de
la trivial. Vamos a resolverlo. Para ello, consideramos un subsistema, cuya matriz
de coe cientes tenga rango 2. Esto es,
−x −7y +3z = 0
2x −3y +z = 0.
Multiplicamos por (−1) la primera ecuación, y obtenemos
x +7y −3z = 0
2x −3y +z = 0.
A continuación sumamos a la segunda ecuación la primera multiplicada por (−2),
x +7y −3z = 0
−17y +7z = 0.
Si llamamos z = λ, se tiene que el conjunto de soluciones del sistema viene dado
por,
2λ 7λ
x= , y= , z = λ, λ ∈ R.
17 17
2x1 +x2 −x3 +x4 = 0
f) x1 +2x2 +x3 −x4 = 0
3x1 −x2 −2x4 = 0
Como la matriz de coe cientes tiene orden 3 × 4, el rango máximo que puede
tener es 3, que es menor que el número de incógnitas. Así el sistema siempre va
80 Más de 160 problemas resueltos de Álgebra Lineal
a tener solución diferente de la trivial. Procedamos a resolverlo. En primer lugar
intercambiemos las dos primeras ecuaciones,
x1 +2x2 +x3 −x4 = 0
2x1 +x2 −x3 +x4 = 0
3x1 −x2 −2x4 = 0.
A la segunda y tercera ecuación le sumamos la primera multiplicada por (−2) y
(−3) respectivamente,
x1 +2x2 +x3 −x4 = 0
−3x2 −3x3 +3x4 = 0
−7x2 −3x3 +x4 = 0.
Multiplicamos la segunda ecuación por − 13 ,
x1 +2x2 +x3 −x4 = 0
x2 +x3 −x4 = 0
−7x2 −3x3 +x4 = 0.
A la tercera ecuación le sumamos la segunda multiplicada por 7,
x1 +2x2 +x3 −x4 = 0
x2 +x3 −x4 = 0
4x3 −6x4 = 0.
Si x4 = λ, el conjunto de soluciones del sistema viene dado por:
λ λ 3λ
x1 = , x2 = − , x3 = , x4 = λ, λ ∈ R.
2 2 2
−x2 +2x3 +x4 −x5 +2x6 = 0
x1 +x5 +x6 = 0
g)
x2 −x3 +x4 = 0
x1 +x2 +3x4 +3x6 = 0
Se puede comprobar que todos los menores de orden cuatro de la matriz A de
coe cientes del sistema,
0 −1 2 1 −1 2
1 0 0 0 1 1
A= ,
0 1 −1 1 0 0
1 1 0 3 0 3
son nulos. Sin embargo, podemos encontrar un menor de orden 3, no nulo. Esto
es,
0 −1 2
1 0 0 = 1 6= 0.
0 1 −1
3. Determinantes 81
Así a rmamos que el rango de la matriz A es 3. Por tanto el rango de la matriz
asociada al sistema es menor que el número de incógnitas. De donde, el sistema
tiene solución diferente de la trivial. Vamos a resolverlo.
Consideremos un subsistema del anterior, cuya matriz de coe cientes se corres-
ponda con el menor anterior, esto es:
−x2 +2x3 +x4 −x5 +2x6 = 0
x1 +x5 +x6 = 0
x2 −x3 +x4 = 0.
Intercambiamos la primera y segunda ecuación,
x1 +x5 +x6 = 0
−x2 +2x3 +x4 −x5 +2x6 = 0
x2 −x3 +x4 = 0.
A la tercera ecuación le sumamos la segunda,
x1 +x5 +x6 = 0
−x2 +2x3 +x4 −x5 +2x6 = 0
x3 +2x4 −x5 +2x6 = 0.
Llamando x4 = α, x5 = β, x6 = γ , se tiene
x1 = −β − γ
−x2 +2x3 = −α + β − 2γ
x3 = −2α + β − 2γ
Así el conjunto de soluciones del sistema viene dado por:
x1 = −β − γ, x2 = −3α + β − 2γ, x3 = −2α + β − 2γ, x4 = α, x5 = β,
x6 = γ, α, β, γ ∈ R.
18. Determinar m para que los sistemas siguientes sean compatibles, y
resolverlos en su caso:
x −3y = 4 x +2y = 3
a) b)
2x +5y = 1 x −3y = 1
x −my = 0 2x +y = m
82 Más de 160 problemas resueltos de Álgebra Lineal
Solución:
x −3y = 4
a) 2x +5y = 1
x −my = 0
Para que un sistema sea compatible el rango de la matriz de coe cientes, A, tiene
que ser igual al rango de la matriz ampliada, (A|B). Calculemos el rango de A,
siendo
1 −3
A= 2 5 .
1 −m
1 −3
Como la submatriz tiene determinante distinto de cero, podemos a r-
2 5
mar que rg(A) = 2.
Consideremos ahora la matriz ampliada:
1 −3 4
(A|B) = 2 5 1 .
1 −m 0
Tenemos que imponer que rg(A|B) = 2. Para ello debe veri carse que |(A|B)| = 0.
Esto es
1 −3 4
|(A|B)| = 2 5 1 = −23 − 7m = 0.
1 −m 0
Por tanto, m = − 23
7 . Resolviendo el sistema para m = − 7 , se tiene que la solución
23
viene dada por:
23 7
x= , y=− .
11 11
x +2y = 3
b) x −3y = 1
2x +y = m
Para que un sistema sea compatible, el rango de la matriz de coe cientes A tiene
que ser igual al rango de la matriz ampliada (A|B). Sea pues,
1 2
A= 1 −3 .
2 1
1 2
Como la submatriz tiene determinante distinto de cero, podemos a r-
2 −3
mar que rg(A) = 2.
3. Determinantes 83
Ahora imponemos a la matriz ampliada tener rango 2. Para ello debe veri carse
que |(A|B)| = 0. Es decir:
1 2 3
|(A|B)| = 1 −3 1 = −5m + 24 = 0.
2 1 m
Por tanto, m = 5 .
24
En este caso la solución del sistema es:
11 2
x= , y= .
5 5
19. Calcular m para que el siguiente sistema tenga solución distinta de
(0, 0, 0):
x −2y +3z =0
3x −4y −z =0
x +y +mz =0
Solución: Tomemos la matriz A de coe cientes del sistema. Esto es,
1 −2 3
A= 3 −4 −1 .
1 1 m
Si el sistema tiene solución diferente de la trivial, debe veri carse que rg(A) < 3, ya
que 3 es el número de incógnitas. Para ello |A| = 0. Como |A| = 24 + 2m, se tiene que
la solución será distinta de (0, 0, 0) si m = −12.
20. Discutir el siguiente sistema homogéneo, según los valores reales
del parámetro m:
mx −3y +z =0
x +my +z =0
3x −y +mz =0
Solución: Si el sistema es homogéneo, el rango de la matriz ampliada será siempre
el mismo que el rango de la matriz de coe cientes, puesto que se añade una columna
84 Más de 160 problemas resueltos de Álgebra Lineal
nula. Estudiemos el rango de la matriz de coe cientes. Para ello calcularemos su
determinante:
m −3 1
1 m 1 = −10 + m + m3 .
3 −1 m
Se tiene que las raíces de la ecuación −10 + m + m3 = 0 son:
m = −1 − 2i, m = −1 + 2i, m = 2.
Como nos piden valores reales, estudiaremos únicamente los casos m 6= 2 y m = 2.
Si m 6= 2, entonces |A| =
6 0. Por tanto el rango de la matriz de coe cientes y el
rango de la ampliada sería 3, que coincide con el número de incógnitas. Así, la
única solución del sistema es la trivial.
Si m = 2, entonces |A| = 0. Como la submatriz
2 1
,
−1 2
tiene determinante no nulo, se tiene que rg(A) = 2. En consecuencia el sistema
tiene soluciones diferentes de la trivial.
21. Discutir, según los valores de p, el sistema:
x +y +pz = 1
x +py +z = 2
px +y +z = 1
Solución: Tendremos que estudiar el rango de la matriz A de coe cientes del sistema
y el rango de la matriz ampliada, (A|B). Comenzaremos calculando el rango de A,
para ello calculamos su determinante. Esto es,
1 1 p
|A| = 1 p 1 = −p3 + 3p − 2.
p 1 1
Entonces, |A| = 0 si, y sólo si, p = 1 ó p = −2. En consecuencia tendremos que
distinguir 3 casos:
Si p 6= 1, −2, entonces |A| =
6 0. Luego rg(A) = rg(A|B) = 3, que coincide con el
número de incógnitas. Por tanto, el sistema es compatible determinado.
3. Determinantes 85
Si p = 1, entonces, la matriz de coe cientes viene dada por:
1 1 1
A= 1 1 1 ,
1 1 1
donde, claramente, se tiene que rg(A) = 1. Sin embargo, la matriz ampliada
viene dada por:
1 1 1 1
(A|B) = 1 1 1 2 .
1 1 1 1
En cuyo caso, se tiene que rg(A|B) = 2. Así rg(A) 6= rg(A|B), y de ahí a rmamos
que el sistema es incompatible.
Si p = −2, la matriz de coe cientes queda:
1 1 −2
A= 1 −2 1 ,
−2 1 1
donde, rg(A) = 2. Sin embargo, para la matriz ampliada
1 1 −2 1
(A|B) = 1 −2 1 2 ,
−2 1 1 1
se tiene que rg(A|B) = 3, ya que encontramos una submatriz de orden 3 cuyo
determinante es no nulo,
1 1 1
1 −2 2 = −12 6= 0.
−2 1 1
Por tanto, rg(A) 6= rg(A|B). En consecuencia el sistema es incompatible.
22. Calcular p para que el siguiente sistema tenga solución diferente de la
trivial, y resolverlo:
x −5y = 0
4x −6y +2z = 0
5x −4y +pz = 0
86 Más de 160 problemas resueltos de Álgebra Lineal
Solución: Al ser el sistema homogéneo, siempre se tiene que rg(A) = rg(A|B). Por
ello, sólo estudiaremos rg(A). Para ello, comenzamos calculando
1 −5 0
|A| = 4 −6 2 = −42 + 14p.
5 −4 p
Entonces, |A| = 0 si, y sólo si, p = 3. Así, tendremos que considerar los siguientes
casos:
Si p 6= 3, entonces |A| =
6 0. Por tanto, el rango de A es 3, que coincide con el
número de incógnitas, y en este caso la solución trivial es la única solución del
sistema. Esto es, x = y = z = 0.
Si p = 3, entonces |A| = 0, pero podemos extraer de la matriz A, una submatriz
0 1 −1 0
A = ,
4 −6 2
que tiene rango 2. En este caso se veri cará que el sistema tiene soluciones
diferente de la trivial. Vamos a resolverlo. Para ello, consideramos un sistema
cuya matriz de coe cientes sea la matriz A0 , esto es,
x −5y = 0
4x −6y +2z = 0.
A la segunda ecuación le sumamos la primera multiplicada por (−4),
x −5y = 0
14y +2z = 0.
Multiplicamos por 14 ,
1
la segunda ecuación,
x −5y = 0
y + 71 z = 0.
Si llamamos y = λ, el conjunto de soluciones del sistema viene dado por:
x = 5λ, y = λ, z = −7λ, λ ∈ R.
23. Discutir, según los valores del parámetro a, el sistema:
ax +y +z = 3
x +ay +z = 3
x +y +az = a+2
3. Determinantes 87
Solución: Comenzamos estudiando el rango de la matriz de coe cientes,
a 1 1
A= 1 a 1 .
1 1 a
Se tiene que |A| = 2 − 3a + a3 . Por tanto, |A| = 0 si, y sólo si, a = 1 ó a = −2.
Si a 6= 1 y a 6= −2, entonces rg(A) = rg(A|B) = 3. Así, en este caso, el sistema
es compatible determinado.
Si a = 1, entonces
1 1 1 3
(A|B) = 1 1 1 3 .
1 1 1 3
Observamos que todas las las de la matriz son iguales. Por tanto, rg(A) =
rg(A|B) = 1, que al ser menor que el número de incógnitas, se tiene que el
sistema es compatible indeterminado.
Si a = −2, entonces la matriz de coe cientes,
−2 1 1
A= 1 −2 1 ,
1 1 −2
tiene determinante nulo. Así rg(A) < 3. Pero podemos considerar la submatriz
−2 1
1 −2
cuyo determinante es no nulo. Por ello, podemos a rmar que rg(A) = 2. Estu-
diemos ahora el rango de la matriz ampliada,
−2 1 1 3
(A|B) = 1 −2 1 3 .
1 1 −2 0
Observamos que tiene una submatriz
−2 1 3
1 −2 3 ,
1 1 0
con determinante no nulo. Por ello, podemos a rmar que rg(A|B) = 3. Así
tenemos que rg(A) = 2 6= 3 = rg(A|B). Por tanto, el sistema es incompatible.
88 Más de 160 problemas resueltos de Álgebra Lineal
24. Discutir, según los valores del parámetro p, el sistema:
(2p − 1)x + 3py + (p − 2)z = 6
(2p + 1)x + py + (2p + 1)z = 2
(4p − 1)x + 3py + (3p − 2)z = 1
Solución: Calculamos el determinante de la matriz de coe cientes,
2p − 1 3p p−2
|A| = 2p + 1 p 2p + 1 = 2p3 + 2p2 = 2p2 (p + 1).
4p − 1 3p 3p − 2
Así, |A| = 0 si, y sólo si, p = 0 ó p = −1.
Vamos a estudiar los distintos casos que pueden presentarse:
Si p 6= 0 y p 6= −1, entonces |A| 6= 0. Por tanto, llamando (A|B) a la matriz
ampliada, se tiene que rg(A) = rg(A|B) = 3, que coincide con el número de
incógnitas. Es decir, el sistema es compatible determinado.
Si p = 0, entonces la matriz A viene dada por
−1 0 −2
A= 1 0 1 ,
−1 0 −2
−1 −2
donde se tiene que |A| = 0, pero la submatriz , tiene determinante
1 1
no nulo. Por ello podemos a rmar que rg(A) = 2.
Consideremos ahora la matriz ampliada,
−1 0 −2 6
(A|B) = 1 0 1 2 .
−1 0 −2 1
Se puede considerar una submatriz de la matriz ampliada
−1 −2 6
1 1 2 ,
−1 −2 1
cuyo determinante es no nulo. Por ello podemos a rmar que rg(A|B) = 3. Así
concluimos que rg(A|B) = 3 6= 2 = rg(A). En consecuencia el sistema es incom-
patible.
3. Determinantes 89
Si p = −1, entonces la matriz de coe cientes viene dada por
−3 −3 −3
A = −1 −1 −1 ,
−5 −3 −5
−3 −3
siendo |A| = 0, pero la submatriz tiene determinante no nulo. Así
−5 −3
rg(A) = 2. Si ahora consideramos la matriz ampliada
−3 −3 −3 6
(A|B) = −1 −1 −1 2 ,
−5 −3 −5 1
observamos que la primera la es la segunda multiplicada por 3. Así rg(A|B) =
2. Por tanto, podemos a rmar que rg(A) = 2 = rg(A|B), y de ahí que el
sistema sea compatible indeterminado, ya que el rango es menor que el número
de incógnitas.
25. Discutir los siguientes sistemas en función de los parámetros que apa-
recen y resolver por Cramer si el sistema es compatible determinado:
3x −y = ax 2x −ay +bz = 4
a) 5x +y +2z = ay b) x +z = 2
4y +3z = az x +y +z = 2
ax +2z = 2 2x +ay +z = a − 2
c) 5x +2y = 1 d) ax −2ay +3z = 0
x −2y +bz = 3 2x +8y −z = 2a − 4
x +3y −az = 4
−ax +y +az = 0
e)
−x +2ay = a+2
2x −y −2z = 0
Solución:
3x −y = ax
a) 5x +y +2z = ay
4y +3z = az
En primer lugar, reescribimos el sistema:
(3 − a)x −y = 0
5x +(1 − a)y +2z = 0
4y +(3 − a)z = 0.
90 Más de 160 problemas resueltos de Álgebra Lineal
Como el sistema es un sistema homogéneo, sabemos que siempre existe la solución
trivial. Veamos si tiene soluciones diferentes de la trivial.
El valor del determinante de la matriz de coe cientes del sistema viene dado por:
3−a −1 0
5 1−a 2 = −a(a − 3)(a − 4).
0 4 3−a
Distingamos casos según los distintos valores de a:
Para a = 0, a = 3, a = 4, se tiene que rg(A) = 2. Por tanto, el sistema es
compatible indeterminado.
Para a 6= 0, 3, 4, se tiene que rg(A) = 3. Esto es, el rango coincide con el
número de incógnitas. Por tanto el sistema sólo tiene la solución trivial. Esto
es, x = y = z = 0.
2x −ay +bz = 4
b) x +z = 2
x +y +z = 2
Se tiene que el determinante de la matriz de coe cientes viene dado por:
2 −a b
1 0 1 = b − 2.
1 1 1
Distingamos casos según los distintos valores de b.
Para b = 2 se tiene que rg(A) = rg(A|B) = 2, que es menor que el número de
incógnitas. Así el sistema es compatible indeterminado.
Si b 6= 2 entonces rg(A) = rg(A|B) = 3, que coincide con el número de incóg-
nitas. Por tanto el sistema es compatible determinado. Vamos a resolverlo:
4 −a b 2 4 b 2 −a 4
2 0 1 1 2 1 1 0 2
2 1 1 1 2 1 1 1 2
x= = 2, y= = 0, z= = 0.
b−2 b−2 b−2
ax +2z = 2
c) 5x +2y = 1
x −2y +bz = 3
El determinante de la matriz de coe cientes es:
a 0 2
5 2 0 = 2ab − 24.
1 −2 b
3. Determinantes 91
Distinguimos casos en función de los valores de a y b:
Para ab 6= 12, se tiene que |A| =
6 0. Así rg(A) = 3 = rg(A|B). Luego el sistema
es compatible determinado. Vamos a resolverlo:
2 0 2 a 2 2
1 2 0 5 1 0
3 −2 b 2b − 8 1 3 b ab − 10b + 28
x= = , y= = ,
2ab − 24 ab − 12 2ab − 24 2ab − 24
a 0 2
5 2 1
1 −2 3 4a − 12
z= = .
2ab − 24 ab − 12
Para b 6= 0 y a = 12
b , se tiene que rg(A) = 2. Vamos a calcular el rango de la
matriz ampliada. Para ello consideremos el menor,
0 2 2
2 0 1 = 4b − 16.
−2 b 3
Tendremos que distinguir varios casos, ahora en función del valor de b:
• Para b = 4 se tiene entonces que rg(A) = rg(A|B) = 2 y, en consecuencia,
el sistema es compatible indeterminado.
• Para b 6= 4 se tiene que rg(A) 6= rg(A|B). Así el sistema es incompatible.
2x +ay +z = a−2
d) ax −2ay +3z = 0
2x +8y −z = 2a − 4
El determinante de la matriz de coe cientes es:
2 a 1
a −2a 3 = (a − 2)(24 + a).
2 8 −1
Estudiamos el sistema dependiendo del valor de a:
Para a = 2 se tiene que rg(A) = rg(A|B) = 2. Por tanto, el sistema es
compatible indeterminado.
Para a = −24, se tiene que rg(A) = 2 6= 3 = rg(A|B). Por tanto, el sistema
es incompatible.
92 Más de 160 problemas resueltos de Álgebra Lineal
Si a 6= 2, −24, se tiene que rg(A) = rg(A|B) = 3. Así, el sistema es compatible
determinado.
La solución es:
a−2 a 1 2 a−2 1
0 −2a 3 a 0 3
2a − 4 8 −1 12(a − 2) 2 2a − 4 −1 3(a − 2)
x= = , y= = ,
(a − 2)(a + 24) a + 24 (a − 2)(a + 24) a + 24
2 a a−2
a −2a 0
2 8 2a − 4 −2a(a − 2)
z= = .
(a − 2)(a + 24) a + 24
x +3y −az = 4
−ax +y +az = 0
e)
−x +2ay = a+2
2x −y −2z = 0
Denotemos por A y (A|B) la matriz de coe cientes y la matriz ampliada del
sistema, respectivamente. Se tiene que
1 3 −a 4
−a 1 a 0
|(A|B)| = = (a − 2)2 (3 + a).
−1 2a 0 a+2
2 −1 −2 0
Así, |(A|B)| = 0 si, y sólo si, a = 2 ó a = −3.
Si a 6= 2, −3, se tiene que rg(A) 6= rg(A|B) = 4. Por tanto, el sistema es
incompatible.
Si a = 2, se tiene que rg(A) = rg(A|B) = 2. Por tanto, el sistema es compa-
tible indeterminado.
Si a = −3, entonces rg(A) = rg(A|B) = 3, que coincide con el número de in-
cognitas. Por tanto el sistema es compatible determinado. Vamos a resolverlo.
Para ello consideremos un subsistema del anterior cuya matriz de coe cientes
y matriz ampliada tengan rango 3. Esto es,
x +3y +3z = 4
3x +y −3z = 0
−x −6y = −1
Observamos que se trata de un sistema de Cramer. Por tanto, aplicando la
Regla de Cramer la solución de dicho sistema vendrá dada por:
4 3 3 1 4 3 1 3 4
0 1 −3 3 0 −3 3 1 0
−1 −6 0 −1 −1 0 −1 −6 −1
x= = 1, y= = 0, z= = 1.
−60 −60 −60
3. Determinantes 93
26. Calcular a y b para que el siguiente sistema sea compatible y resolverlo.
ax +2y =1
x +2y =3
−x +3y =2
2x +by =0
1 2
Solución: La matriz A de coe cientes tiene el menor = 5 6= 0. Por tanto,
−1 3
podemos a rmar que rg(A) = 2. Estudiemos ahora el rango de la matriz ampliada
(A|B). Le hemos de imponer que rg(A|B) = 2. Esto es,
a 2 1 1 2 3
1 2 3 = −1 3 2 = 0.
−1 3 2 2 b 0
Del primer determinante obtenemos: −5 − 5a = 0. Por tanto a = −1.
Del segundo determinante obtenemos: −10 − 5b = 0. Así b = −2.
Con estos valores de a y b, resolvemos el sistema,
−x +2y = 1
x +2y = 3
−x +3y = 2
2x −2y = 0.
Intercambiamos la primera y la segunda ecuación,
x +2y = 3
−x +2y = 1
−x +3y = 2
2x −2y = 0.
Sumamos a la segunda y tercera ecuación la primera, y a la última ecuación le suma-
mos la primera multiplicada por (−2),
x +2y = 3
4y = 4
5y = 5
−6y = −6
Mulplicamos la segunda ecuación por 41 ,
x +2y = 3
y = 1
5y = 5
−6y = −6
94 Más de 160 problemas resueltos de Álgebra Lineal
A la tercera y cuarta ecuación le sumamos la segunda multiplicada por (−5) y 6,
respectivamente,
x +2y = 3
y = 1
0 = 0
0 = 0.
De donde obtenemos que x = y = 1.
27. Discutir según los valores de los parámetros p y q, el sistema:
2x +2y +z =0
x +y −3z =1
px +2y +z =q
Solución: Consideremos el determinante de la matriz A de coe cientes del sistema.
Esto es,
2 2 1
|A| = 1 1 −3 = 14 − 7p.
p 2 1
Así, |A| = 0 si, y sólo si, p = 2. Por tanto tendremos que estudiar los siguientes casos:
Si p 6= 2, entonces |A| =6 0, y por tanto, si llamamos (A|B) a la matriz ampliada
del sistema, se tiene que rg(A) = rg(A|B) = 3, independientemente del valor de
q . Por ello, el sistema será compatible determinado, al coincidir el rango con el
número de incógnitas.
Si p = 2, entonces |A| = 0, y de ahí que el rg(A) < 3. Como la submatriz
2 1
,
1 −3
tiene determinante no nulo, podemos a rmar que rg(A) = 2. En este caso, la
matriz ampliada (A|B) tiene la forma
2 2 1 0
1 1 3 1 ,
2 2 1 q
donde puede comprobarse que el rg(A|B) dependerá de si q = 0 ó q 6= 0. Por
tanto tendremos que considerar esos casos:
• Si q = 0, entonces rg(A) = 2 = rg(A|B), que es menor que el número de
incógnitas. Así, en este caso, el sistema es compatible indeterminado.
• Si q 6= 0, entonces rg(A) = 2 6= 3 = rg(A|B). Así podemos a rmar, que en
este caso, el sistema será incompatible.
3. Determinantes 95
28. Discutir, según los valores de los parámetros m y n, el sistema siguiente:
x +my = 2
2x +4y = 1
x +y = n
Solución: Estudiemos primero el rango de la matriz A de coe cientes,
1 m
A= 2 4 .
1 1
2 4
Como la submatriz tiene determinante no nulo, entonces rg(A) = 2. Estu-
1 1
diemos ahora el rango de la matriz ampliada,
1 m 2
(A|B) = 2 4 1 .
1 1 n
Se tiene que |(A|B)| = −5+m+4n−2mn. Esto es, |(A|B)| = 0 si, y sólo si, m = 4n−5
2n−1
con n 6= 12 .
Así tendremos que distinguir los siguientes casos:
Si n 6= 12 , m 6= 4n−5
2n−1 , entonces rg(A) = 2 y rg(A|B) = 3. En consecuencia el
sistema es incompatible.
Si n 6= 21 , m = 4n−5
2n−1 , entonces rg(A|B) = 2 = rg(A). Luego el sistema es
compatible determinado.
Si n = 12 , entonces el determinante de la matriz ampliada será
1 m 2
|(A|B)| = 2 4 1 = −3 6= 0.
1
1 1 2
Esto es rg(A|B) = 3. Como rg(A) = 2, se tiene que el sistema es incompatible.
29. Discutir, según los valores del parámetro a, el sistema:
(a + 1)x + (a − 1)y − (a + 1)z = 2
ay + z = 0
(a + 1)x + (2a − 1)y + (a − 1)z = 1
96 Más de 160 problemas resueltos de Álgebra Lineal
Solución: El determinante de la matriz A de coe cientes es
a+1 a−1 −a − 1
|A| = 0 a 1 = 2a3 + a2 − a = a(a + 1)(2a − 1).
a + 1 2a − 1 a−1
1
Luego |A| = 0, si, y sólo si, a = 0 ó a = −1 ó a = .
2
Vamos a distinguir los siguientes casos:
a 6= 0, a 6= −1 y a 6= 12 . En este caso, como |A| =
6 0, el rango de A es 3, que debe
coincidir necesariamente con el de la matriz ampliada, y además es el número
de incógnitas. Luego, el sistema es compatible determinado.
a = 0. Sustituyendo el valor de a en el sistema, la matriz ampliada es
1 −1 −1 2
(A|B) = 0 0 1 0 .
1 −1 −1 1
En este caso podemos encontrar un menor de A de orden 2 no nulo:
1 −1
= 1.
0 1
Así rg(A) = 2, mientras que para (A|B), la submatriz de orden 3,
1 −1 2
0 1 0
1 −1 1
tiene determinante no nulo. Por tanto, rg(A|B) = 3 6= 2 = rg(A). De donde, el
sistema es incompatible.
a = −1. La matriz resultante es
0 −2 0
A= 0 −1 1 .
0 −3 −2
−2 0
Observamos que la submatriz de A, tiene determinante no nulo, y
−1 1
en consecuencia rg(A) = 2. La matriz ampliada es
0 −2 0 2
(A|B) = 0 −1 1 0 .
0 −3 −2 1
3. Determinantes 97
Vemos que existe un menor no nulo de orden 3,
−2 0 2
−1 1 0 = 8.
−3 −2 1
Por tanto, el rango de la matriz ampliada es 3, que no coincide con el de A,
luego el sistema es incompatible.
1
a= . En este caso, la matriz ampliada es
2
3
2 − 12 − 23 2
1
(A|B) = 0 1 0 .
2
3 1
2 0 − 2 1
3
− 12
Análogamente a los casos anteriores, existe un menor, 2
1
= 43 , no nulo
0 2
de A, luego rg(A) = 2 y
3
2 − 12 2
1 3
0 2 0 =−
3
4
2 0 1
es un menor de orden 3 distinto de cero de (A|B). Así rg(A|B) = 3. Es decir, el
rango de la matriz de coe cientes y el rango de la ampliada no coinciden y, en
consecuencia, el sistema es incompatible.
4 | Espacios vectoriales. Bases
En este capítulo trabajaremos los siguientes conceptos:
Espacio vectorial.
Dependencia e independencia lineal.
Sistema generador de un espacio vectorial.
Base de un espacio vectorial.
Coordenadas de un vector respecto de una base.
Cambio de base en un espacio vectorial.
1. Estudiar si los siguientes conjuntos forman o no espacio vectorial sobre
el conjunto de los números racionales:
√ √ √ √
a) Z[ 5] = {a + b 5 : a, b ∈ Z}, b) Q[ 5] = {a + b 5 : a, b ∈ Q}.
Solución:
√
a) Z[ 5] no tiene estructura de espacio vectorial sobre Q, ya que no es posible de nir
la ley de composición externa,
√ √
Q × Z[ √ 5] −→ Z[ 5] √
(α, a + b 5) 7−→ αa + αb 5,
debido a que el producto de un número racional por un número entero no es nece-
sariamente
√
un
√
número entero, como puede verse
√
en el√siguiente ejemplo: tomemos
1 + 5 ∈ Z[ 5], 21 ∈ Q. Es fácil ver que 12 + 25 6∈ Z[ 5].
√
b) De nimos una operación interna en Q[ 5]:
√ √ √
Q[ 5] ×√Q[ 5] √ −→ Q[ 5] √
(a1 + b1 5, a2 + b2 5) 7−→ (a1 + a2 ) + (b1 + b2 ) 5.
Esta operación, veri ca las propiedades:
99
100 Más de 160 problemas resueltos de Álgebra Lineal
√ √ √ √
Asociativa: Dados a1 + b1 5, a2 + b2 5, a3 + b3 5 ∈ Q[ 5], se tiene que:
h √ √ i √
(a1 + b1 5) + (a2 + b2 5) + (a3 + b3 5) =
h √ i √
(a1 + a2 ) + (b1 + b2 ) 5 + (a3 + b3 5) =
√
((a1 + a2 ) + a3 ) + ((b1 + b2 ) + b3 ) 5 =
√
(a1 + (a2 + a3 )) + (b1 + (b2 + b3 )) 5 =
√ h √ i
(a1 + b1 5) + (a2 + a3 ) + (b2 + b3 ) 5 =
√ h √ √ i
(a1 + b1 5) + (a2 + b2 5) + (a3 + b3 5) .
√ √ √
Conmutativa: Dados a1 + b1 5, a2 + b2 5 ∈ Q[ 5], se tiene que:
√ √ √
(a1 + b1 5) + (a2 + b2 5) = (a1 + a2 ) + (b1 + b2 ) 5 =
√ √ √
(a2 + a1 ) + (b2 + b1 ) 5 = (a2 + b2 5) + (a1 + b1 5).
Existencia
√ √de elemento neutro: El elemento neutro es 0, ya que dados 0, a +
b 5 ∈ Q[ 5], se tiene que,
√ √ √
0 + (a + b 5) = (a + b 5) + 0 = a + b 5.
√ √ √
Existencia
√ de elemento simétrico: Dado a + b 5 ∈ Q[ 5], existe −a − b 5 ∈
Q[ 5] tal que:
√ √ √
a + b 5 + (−a − b 5) = (a − a) + (b − b) 5 = 0.
√ √
Por tanto, el elemento simétrico respecto de la suma de a + b 5 es −a − b 5.
De nimos ahora la siguiente operación externa:
√ √
Q × Q[ √ 5] −→ Q[ 5] √
(α, a + b 5) 7−→ αa + αb 5.
Comprobamos que esta operación veri ca las propiedades:
√ √
(α + β)x = αx + βx, ∀α, β ∈ Q, ∀x = a + b 5 ∈ Q[ 5].
√ √ √ √
(α + β)(a + b 5) = (α + β)a + (α + β)b 5 = αa + βa + αb 5 + βb 5 =
√ √
α(a + b 5) + β(a + b 5).
4. Espacios vectoriales. Bases 101
√ √ √
α(x + y) = αx + αy , ∀α ∈ Q, ∀x = a1 + b1 5, y = a2 + b2 5 ∈ Q[ 5].
h √ √ i h √ i
α (a1 + b1 5) + (a2 + b2 5) = α (a1 + a2 ) + (b1 + b2 ) 5 =
√ √ √
α(a1 + a2 ) + α(b1 + b2 ) 5 = αa1 + αa2 + αb1 5 + αb2 5 =
√ √
α(a1 + b1 5) + α(a2 + b2 5).
√ √
(αβ)x = α(βx), ∀α, β ∈ Q, ∀x = a + b 5 ∈ Q[ 5].
√ √ √ √
(αβ)(a + b 5) = (αβ)a + (αβ)b 5 = α(βa) + α(βb 5) = α(β(a + b 5)).
√
1Q x = x, ∀x ∈ Q[ 5].
√ √ √
1 · (a + b 5) = (1 · a) + (1 · b 5) = a + b 5.
2. Sea F el conjunto de las funciones reales de nidas en el intervalo [0, 1]
para las que 2f (0) = f (1). Prueba que forman un espacio vectorial sobre R.
Solución: Sea F = {f : [0, 1] −→ R : 2f (0) = f (1)}; consideremos la suma usual de
funciones
F ×F −→ F
(f, g) 7−→ (f + g)(x) := f (x) + g(x).
Demostremos que la suma usual de funciones es una operación interna en F . Esto es,
dadas f , g ∈ F , se tiene que f + g ∈ F . Para ello tendrá que veri carse:
2(f + g)(0) = (f + g)(1).
Veámoslo:
2(f + g)(0) = 2[f (0) + g(0)] = 2f (0) + 2g(0) = f (1) + g(1) = (f + g)(1).
Es fácil comprobar que (F, +) es un grupo abeliano. Esto es, la operación + veri ca
las propiedades: asociativa, conmutativa, existencia de elemento neutro (la función
nula) y existencia de elemento simétrico, ya que dado f ∈ F , existe −f ∈ F tal que
f + (−f ) = 0, donde (−f )(x) := −f (x).
Consideramos ahora, el producto usual de una función por un número real,
R×F −→ F
(α, f ) 7−→ (α · f )(x) := αf (x).
Veamos que dado f ∈ F y α ∈ R, se tiene que αf ∈ F . Esto es,
2(αf )(0) = 2(αf (0)) = α(2f (0)) = αf (1) = (αf )(1).
Se puede comprobar fácilmente que, dados f, g ∈ F y α, β ∈ R, se veri ca:
102 Más de 160 problemas resueltos de Álgebra Lineal
1. (α + β)f = αf + βf .
2. α(f + g) = αf + αg .
3. (αβ)f = α(βf ).
4. 1R f = f .
Por tanto, podemos concluir que (F, +, ·R) es un espacio vectorial.
3. Estudiar si los siguientes conjuntos son o no espacios vectoriales reales:
1 a
a) El conjunto de las matrices de la forma b 1
con la suma y el
producto por escalares usuales.
0 a
b) El conjunto de las matrices de la forma b 0
con la suma y el
producto por escalares usuales.
Solución:
1 a
a) Consideremos el conjunto, V1 = : a, b ∈ R . Se tiene que la suma
b 1
1 1
usual de matrices no es una operación interna en V1 , ya que dadas ,
2 1
1 3
∈ V1 , se veri ca que
0 1
1 1 1 3 2 4
+ = ∈
/ V1 .
2 1 0 1 2 2
Por tanto, V1 no es un espacio vectorial.
0 a
b) Consideremos el conjunto V2 = : a, b ∈ R . Se tiene que la suma
b 0
0 a
usual de matrices es una operación interna en V2 , ya que dados ,
b 0
0 c
∈ V2 , se veri ca que,
d 0
0 a 0 c 0 a+c
+ = ∈ V2 .
b 0 d 0 b+d 0
Como el conjunto de matrices respecto de la suma veri ca las propiedades asocia-
tiva y conmutativa, se tiene que la suma en V2 también cumplirá esas propiedades.
Además como la matriz nula pertenece a V2 y dada una matriz
0 a
∈ V2 ,
b 0
4. Espacios vectoriales. Bases 103
se tiene que
0 −a
∈ V2 ,
−b 0
es decir, su opuesta también pertenece a V2 . Por tanto podemos a rmar que
(V2 , +) es un grupo abeliano.
Analicemos ahora la operación externa de producto de una matriz
por
escalar.
0 a
Está claro que está bien de nida, ya que para todo α ∈ R y ∈ V2 , se
b 0
tiene
0 a 0 αa
α = ∈ V2 .
b 0 αb 0
Además, esta operación veri ca las propiedades de la operación externa, ya que
el conjunto de las matrices es un espacio vectorial sobre el cuerpo R. Por tanto
podemos a rmar que, (V2 , +, ·R) es un R-espacio vectorial.
4. En el conjunto R2 se de ne la operación interna usual (x, y) + (x0 , y0 ) =
(x + x0 , y + y 0 ), y una de las operaciones externas siguientes, para λ ∈ R:
a) λ(x, y) = (λx, 0),
b) λ(x, y) = (λ + λx − 1, λ + λy − 1),
c) λ(x, y) = (λy, λx).
Dígase, para cada uno de los casos anteriores, si se obtiene o no una es-
tructura de espacio vectorial en R2 .
Solución:
a) No es espacio vectorial, ya que 1(x, y) = (x, 0) 6= (x, y).
b) No es espacio vectorial, ya que (3+1)(1, 1) = 4(1, 1) = (4+4·1−1, 4+4·1−1) =
(7, 7) 6= (6, 6) = 3(1, 1) + 1(1, 1).
c) No es espacio vectorial, ya que
(2 · 3)(1, 5) = 6(1, 5) = (30, 6) y 2[3(1, 5)] = 2(15, 3) = (6, 30).
5. Se pide:
a) ¾Son los vectores (1, 2, 3) y (1, 1, 1) combinación lineal de los vectores
del sistema S = {(1, 0, 1), (0, 2, 2)}?
104 Más de 160 problemas resueltos de Álgebra Lineal
b) Calcula x e y, si es posible, para que el vector (1, 2, x, y) sea combina-
ción lineal de los vectores (1, 1, 0, 2), (1, 1, 2, 3).
Solución:
a) Escribimos el vector (1, 2, 3) como combinación lineal de los vectores (1, 0, 1)
y (0, 2, 2). Esto es:
(1, 2, 3) = α(1, 0, 1) + β(0, 2, 2).
Así tenemos el sistema:
α = 1
2β = 2
α + 2β = 3,
cuya solución es α = 1, β = 1. Luego podemos a rmar que (1, 2, 3) es combi-
nación lineal de S .
De igual forma al apartado anterior, al escribir (1, 1, 1) como combinación
lineal de los vectores (1, 0, 1) y (0, 2, 2), obtenemos el sistema:
α = 1
2β = 1
α + 2β = 1.
Como se trata de un sistema incompatible, no existe solución y de ahí podemos
a rmar que el vector (1, 1, 1) no es combinación lineal de los vectores (1, 0, 1) y
(0, 2, 2).
b) Igual que antes, al escribir (1, 2, x, y) como combinación lineal de (1, 1, 0, 2) y
(1, 1, 2, 3), se tiene el siguiente sistema de ecuaciones:
α + β = 1
α + β = 2
2β = x
2α + 3β = y.
Vemos que se trata de un sistema incompatible, por tanto, no es posible escribir
el vector (1, 2, x, y) como combinación lineal de (1, 1, 0, 2) y (1, 1, 2, 3) para ningún
valor de x ni de y .
−11 a
6. Calcular a y b para que la matriz
4 b
sea combinación lineal de
2 1 5 −3
las matrices 5 3 y 2 −1 .
4. Espacios vectoriales. Bases 105
−11 a 2 1
Solución: Si la matriz fuese combinación lineal de las matrices
4 b 5 3
5 −3
y , entonces existirían α, β ∈ R tales que
2 −1
2 1 5 −3 −11 a
α +β = .
5 3 2 −1 4 b
Esto es,
2α +5β = −11
α −3β = a
5α +2β = 4
3α −β = b
Se tiene que α = 2, β = −3. Por tanto, los valores pedidos son a = 11 y b = 9.
7. Estudia si los siguientes sistemas son libres o ligados.
a) S = {(1, 2, 3, 0), (4, 3, 4, −16), (7, 3, 4, 5)}.
b) S = {(1, 0, 0, −1), (2, 1, 1, −2), (0, 1, 1, 0), (1, −1, −1, −1)}.
c) S = {(4, −5, 7), (3, 3, 4), (1, 1, −2), (2, −1, 1)}.
Solución: En este ejercicio, denotaremos por A la matriz de coe cientes del sistema
correspondiente.
a) Consideremos la combinación lineal:
α(1, 2, 3, 0) + β(4, 3, 4, −16) + γ(7, 3, 4, 5) = (0, 0, 0, 0).
De aquí obtenemos el siguiente sistema
α +4β +7γ = 0
2α +3β +3γ = 0
3α
+4β +4γ = 0
−16β +5γ = 0,
donde rg(A) = 3, que coincide con el número de incógnitas. Por tanto, la única
solución es la trivial. Esto es, α = β = γ = 0, y de ahí podemos a rmar que el
sistema S es libre.
b) Consideremos la combinación lineal:
α(1, 0, 0, −1) + β(2, 1, 1, −2) + γ(0, 1, 1, 0) + δ(1, −1, −1, −1) = (0, 0, 0, 0).
106 Más de 160 problemas resueltos de Álgebra Lineal
Entonces se tiene el siguiente sistema,
α +2β +δ = 0
β +γ −δ = 0
β +γ −δ = 0
−α −2β −δ = 0,
donde rg(A) = 2 y, en consecuencia, el sistema es compatible indeterminado. Por
tanto, como el sistema tiene in nitas soluciones, podemos a rmar que el sistema
S es ligado.
c) Consideremos la combinación lineal
α(4, −5, 7) + β(3, 3, 4) + γ(1, 1, −2) + δ(2, −1, 1) = (0, 0, 0).
De aquí se obtiene el sistema,
4α +3β +γ +2δ = 0
−5α +3β +γ −δ = 0
7α +4β −2γ +δ = 0,
donde rg(A) = 3 que es menor que el número de incógnitas. Por tanto se tiene un
sistema compatible indeterminado y de ahí que el sistema sea ligado.
8. Si los vectores e1 , e2 , . . . , en de un espacio vectorial E son linealmente
independientes, demuestra que también son linealmente independientes
los vectores:
v1 = e1 , v2 = e1 + e2 , v3 = e1 + e2 + e3 , . . . , vn = e1 + e2 + · · · + en .
Solución: Consideremos una combinación lineal de los vectores vi igualada al vector
0. Esto es,
λ1 v1 + λ2 v2 + λ3 v3 + · · · + λn vn = 0.
Tendremos el resultado cuando veamos que λ1 = λ2 = · · · = λn = 0. Para ello,
sustituimos el valor de cada vi en la combinación lineal anterior, obteniendo:
λ1 e1 + λ2 (e1 + e2 ) + · · · + λn (e1 + e2 + · · · + en ) = 0.
Reagrupando los vectores ei ,
(λ1 + λ2 + · · · + λn )e1 + (λ2 + · · · + λn )e2 + · · · + λn en = 0.
4. Espacios vectoriales. Bases 107
Pero, por hipótesis, los vectores e1 , e2 , . . . , en son linealmente independientes, entonces
λ1 +λ2 ... +λn = 0
λ2 ... +λn = 0
λn = 0.
Esto es, λ1 = · · · = λn = 0. Por tanto, los vectores vi , i = 1, . . . , n, son linealmente
independientes.
9. Estudiar si los siguientes conjuntos de vectores son linealmente inde-
pendientes o linealmente dependientes:
2 −1 0 −3 4 1
a) 4 0
,
4 5
,
7 −5
.
1 −1 −1 0 1 1 0 1
b) 0 6
,
3 1
,
−1 2
,
1 1
.
Solución: En este ejercicio, denotaremos por A la matriz de coe cientes del sistema
correspondiente.
a) Consideremos la combinación lineal
2 −1 0 −3 4 1 0 0
α +β +λ = .
4 0 4 5 7 −5 0 0
Esto es,
2α + 4λ = 0
−α − 3β + λ = 0
4α + 4β + 7λ = 0
5β − 5λ = 0.
Como rg(A) = 3, que coincide con el número de incógnitas, se tiene que el sistema
tiene únicamente la solución trivial. Esto es, α = β = λ = 0. Por tanto, el conjunto
es linealmente independiente.
b) Razonando de la misma forma que en el apartado anterior, se tiene:
1 −1 −1 0 1 1 0 1 0 0
α +β +λ +γ = .
0 6 3 1 −1 2 1 1 0 0
Esto es, tenemos el sistema homogéneo,
α − β + λ = 0
−α + λ + γ = 0
+ 3β − λ + γ = 0
6α + β + 2λ + γ = 0.
108 Más de 160 problemas resueltos de Álgebra Lineal
Como rg(A) = 3, el sistema tiene soluciones diferentes de la trivial y de ahí,
podemos a rmar que el conjunto es linealmente dependiente.
10. Analiza la dependencia o independencia lineal de los siguientes sub-
conjuntos de vectores:
a) {(2, −2, 5, 6), (−1, −2, 3, 2), (−1, −3, 0, 5), (6, 1, 3, 0)} ⊆ R4 .
b) {1 − x2 , 3 − x2 + x3 , 3x2 − 4x3 } ⊆ R3 [x].
c) {(a, 1, 0), (1 − a, 1 + a, 2), (5a + 1, 1 − 2a, −a − 2)}.
Solución:
a) Si consideramos la combinación lineal,
α(2, −2, 5, 6) + β(−1, −2, 3, 2) + λ(−1, −3, 0, 5) + γ(6, 1, 3, 0) = (0, 0, 0, 0),
se tiene el sistema,
2α − β − λ + 6γ = 0
−2α − 2β − 3λ + γ = 0
5α + 3β + 3γ = 0
6α + 2β + 5λ = 0.
Como el rango de la matriz de coe cientes, que es 4, coincide con el número de
incógnitas, se tiene que la única solución del sistema es la trivial. En consecuencia
el conjunto es linealmente independiente.
b) Al igual que en los apartados anteriores, consideraremos la combinación lineal,
α(1 − x2 ) + β(3 − x2 + x3 ) + γ(3x2 − 4x3 ) = 0.
Identi cando coe cientes, se tiene,
α + 3β = 0
−α − β + 3γ = 0
β − 4γ = 0.
El rango de la matriz de coe cientes es 3, igual al número de incógnitas. La so-
lución única, por tanto, es la trivial y en consecuencia el conjunto es linealmente
independiente.
4. Espacios vectoriales. Bases 109
c) Consideremos la combinación lineal,
α(a, 1, 0) + β(1 − a, 1 + a, 2) + γ(5a + 1, 1 − 2a, −a − 2) = 0.
Por tanto, se tiene el sistema,
aα + (1 − a)β + (5a + 1)γ = 0
α + (1 + a)β + (1 − 2a)γ = 0
2β − (a + 2)γ = 0.
Consideremos el determinante de la matriz de coe cientes
a 1 − a 1 + 5a
|A| = 1 1 + a 1 − 2a = 4 + 5a − a3 .
0 2 −2 − a
√ √
Se tiene que |A| = 0 si, y sólo si, a = −1, a = 12 1 − 17 ó a = 1
17 .
2 1+
Estudiemos los diferentes casos que pueden presentarse:
Si a = −1, entonces rg(A) = 2, que es menor que el número de incógnitas. Por
tanto el sistema es compatible indeterminado. Así, el sistema es linealmente
dependiente.
√
Si a = 12 1 − 17 , entonces rg(A) = 2, que es menor que el número de
incógnitas. Por tanto el sistema es compatible indeterminado. Así, el sistema
es linealmente dependiente.
√
Si a = 12 1 + 17 , entonces rg(A) = 2, que es menor que el número de
incógnitas. Por tanto el sistema es compatible indeterminado. Así, el sistema
es linealmente dependiente.
En otro caso, el sistema es compatible determinado y la única solución la
trivial. Por tanto, el sistema es libre.
11. Dígase en cada caso si el sistema de vectores genera o no el espacio
vectorial indicado
a) R3 , {(2, 1, 1), (1, 2, 1), (1, 1, 2)}.
b) R3 , {(1, −1, 0), (0, 6, 2), (1, 5, 2)}.
c) R2 [x], {x2 − x, 3x + 1, 2}.
Solución: En este ejercicio, denotaremos por A la matriz de coe cientes del sistema
correspondiente.
110 Más de 160 problemas resueltos de Álgebra Lineal
a) Hemos de ver si para todo (x, y, z) ∈ R3 existen α, β, γ ∈ R tales que:
(x, y, z) = α(2, 1, 1) + β(1, 2, 1) + γ(1, 1, 2).
Esto es:
x = 2α +β +γ
y = α +2β +γ
z = α +β +2γ
Como rg(A) = 3, que coincide con el número de incógnitas, el sistema tiene solución
única y, por tanto, {(2, 1, 1), (1, 2, 1), (1, 1, 2)} genera R3 .
b) Procediendo de forma análoga al apartado anterior:
(x, y, z) = α(1, −1, 0) + β(0, 6, 2) + γ(1, 5, 2).
Esto es, se tiene el sistema
x = α +γ
y = −α +6β +5γ
z = 2β +2γ
El rango de A es 2. Puede ocurrir que rg(A|B) = 3. Así, el sistema sería incom-
patible y, en consecuencia, el conjunto {(1, −1, 0), (0, 6, 2), (1, 5, 2)} no generaría
R3 . Por ejemplo, se puede comprobar que el vector (1, 1, 0) no puede ser gene-
rado usando los vectores anteriores. Por tanto, podemos a rmar que el conjunto
{(1, −1, 0), (0, 6, 2), (1, 5, 2)} no genera R3 .
c) Para que el conjunto dado genere el espacio vectorial R2 [x], dado ax2 + bx + c ∈
R2 [x], deben existir α, β, γ ∈ R tales que
ax2 + bx + c = α(x2 − x) + β(3x + 1) + 2γ.
De donde, identi cando coe cientes, se tiene que:
a = α
b = −α +3β
c = β +2γ
Se tiene que rg(A) = 3, que coincide con el número de incógnitas. Por tanto el
sistema tiene solución única, siendo ésta:
a+b −a − b + 3c
α = a, β= , γ= ,
3 6
y, por tanto, {x2 − x, 3x + 1, 2} genera R2 [x].
4. Espacios vectoriales. Bases 111
12. Dados los polinomios p1 (x) = 1, p2 (x) = (x + 1)2 , p3 (x) = x, p4 (x) = x3 .
Prueba que constituyen una base del espacio vectorial de los polinomios
de grado menor o igual que 3.
Solución: Para ver si el conjunto B = {p1 (x), p2 (x), p3 (x), p4 (x)} forma una base
del espacio vectorial de los polinomios de grado menor o igual que 3, al veri carse que
card(B) = 4 = dim(R3 [x]), bastará ver que son linealmente independientes. Para ello
consideramos la combinación lineal:
α1 p1 (x) + α2 p2 (x) + α3 p3 (x) + α4 p4 (x) = 0.
Esto es,
α1 + α2 (x + 1)2 + α3 x + α4 x3 = 0.
Identi cando coe cientes, nos queda el sistema:
α1 +α2 = 0
2α2 +α3 = 0
α2 = 0
α4 = 0.
Como rg(A) = 4, que coincide con el número de incógnitas, el sistema es compatible
determinado. Luego la única solución es la trivial. Así se tiene α1 = α2 = α3 = α4 = 0.
Por tanto son linealmente independientes y de ahí podemos a rmar que forman una
base.
13. Se considera el espacio vectorial R4 . Hallar:
a) Una base que contenga al vector (1, 2, 1, 1).
b) Una base que contenga a los vectores (1, 1, 0, 2), (1, −1, 2, 0).
Solución: Recordamos un resultado que nos será útil en este ejercicio. Este resultado,
que puede consultarse en [9], nos presenta un método para construir una base de un
espacio vectorial,
Caracterización de base de un espacio vectorial
Sea V un espacio vectorial de dimensión n, entonces dado un conjunto for-
mado por n vectores B = {v1 , v2 , . . . , vn }, son equivalentes:
1. B es linealmente independiente.
2. B es un sistema generador de V .
3. B es una base de V.
112 Más de 160 problemas resueltos de Álgebra Lineal
a) Como dim(R4 ) = 4, aplicando el resultado anterior, bastará construir un conjunto
libre con 4 elementos que contenga al vector (1, 2, 1, 1). Puede comprobarse que el
conjunto
B = {(1, 2, 1, 1), (0, 1, 0, 0), (0, 0, 1, 0), (0, 0, 0, 1)}
es libre y de ahí es una base de R4 con las condiciones pedidas.
b) Al igual que en el apartado anterior, bastará construir un conjunto libre con 4
elementos entre los que se encuentren los vectores (1, 1, 0, 2), (1, −1, 2, 0). Puede
comprobarse que el conjunto
{(1, 1, 0, 2), (1, −1, 2, 0), (0, 0, 1, 0), (0, 0, 0, 1)}
es libre, y de ahí podemos a rmar que es una base de R4 con las condiciones
pedidas.
14. En el espacio vectorial R4 hallar:
a) Una base que contenga el vector (5, 3, −1, 2).
b) Una base que contenga a los vectores (5, 3, −1, 2), (1, 0, 3, 2).
Solución: Resolveremos únicamente el apartado b), ya que si encontramos una ba-
se, ésta también será base para el apartado a). En primer lugar razonaremos que
(5, 3, −1, 2) no es proporcional a (1, 0, 3, 2), ya que en caso contrario no sería posible
encontrar una base que contuviese a ambos. (5, 3, −1, 2) no es proporcional a (1, 0, 3, 2)
ya que si lo fuese, existiría un α ∈ R tal que α(5, 3, −1, 2) = (1, 0, 3, 2) y, entonces se
tendría el sistema
5α = 1
3α = 0
que es incompatible.
Añadimos dos elementos de la base canónica y veremos si estos vectores junto con
los ya existentes forman un sistema libre. Por tanto se trata de probar que B =
{(5, 3, −1, 2), (1, 0, 3, 2), (1, 0, 0, 0), (0, 1, 0, 0)} es libre. Para ello consideramos la ma-
triz A cuyas las con los vectores dados. Esto es,
5 3 −1 2
1 0 3 2
A=
.
1 0 0 0
0 1 0 0
Como rg(A) = 4, se tiene que el conjunto B forma un sistema libre. Al veri carse que
card(B) = 4 = dim(R4 ), se tiene que B es base.
4. Espacios vectoriales. Bases 113
15. Consideremos R3 como R-espacio vectorial.
a) Demuestra que {(2, 1, −3), (3, 2, −5), (1, −1, 1)} es una base de R3 .
b) Calcular las coordenadas del vector x = (6, 2, −7) respecto de la base
anterior.
Solución:
a) Bastará ver que es linealmente independiente ya que el cardinal del conjunto coin-
cide con la dimensión de R3 . Para ello construimos el sistema de ecuaciones corres-
pondiente a la combinación lineal α(2, 1, −3) + β(3, 2, −5) + γ(1, −1, 1) = (0, 0, 0).
Esto es:
2α + 3β + γ = 0
α + 2β − γ = 0
−3α − 5β + γ = 0.
El determinante de la matriz de coe cientes es 1. Por tanto el rango de dicha
matriz es 3, que coincide con el número de incógnitas. Luego el sistema tiene
solución única, la trivial, α = β = γ = 0. Por lo que es linealmente independiente,
y de ahí, es base.
b) Las coordenadas de (6, 2, −7) serían los escalares α, β y γ que permiten escribir
(6, 2, −7) como combinación lineal de ellos. Esto es:
α(2, 1, −3) + β(3, 2, −5) + γ(1, −1, 1) = (6, 2, −7).
Se trata de resolver el siguiente sistema:
2α + 3β + γ = 6
α + 2β − γ = 2
−3α − 5β + γ = −7
cuya solución viene dada por α = β = γ = 1. Por tanto las coordenadas del vector
(6, 2, −7) en la base anterior (1, 1, 1).
16. Repite el ejercicio anterior, siendo x = (7, 14, −1, 2) y el conjunto de
vectores {(1, 2, −1, −2), (2, 3, 0, −1), (1, 3, −1, 0), (0, 0, 0, 1)}.
Solución: Como tenemos 4 vectores en R4 , es decir, tantos vectores como dimen-
sión tiene el espacio vectorial considerado, sólo necesitamos ver que son linealmente
independientes o que forman un sistema generador, para ver que forman una base.
Probemos que son linealmente independientes. Esto es, si consideramos la combina-
ción lineal,
α1 (1, 2, −1, −2) + α2 (2, 3, 0, −1) + α3 (1, 3, −1, 0) + α4 (0, 0, 0, 1) = (0, 0, 0, 0),
114 Más de 160 problemas resueltos de Álgebra Lineal
obtenemos el sistema:
α1 +2α2 +α3 = 0
2α1 +3α2 +3α3 = 0
−α1 −α3 = 0
−2α1 −α2 +α4 = 0,
donde rg(A) = 4, siendo A la matriz de coe cientes. Por tanto, α1 = α2 = α3 = α4 =
0. Así, efectivamente es una base.
Calculemos ahora las coordenadas del vector dado. Para ello consideraremos la
siguiente combinación lineal:
(7, 14, −1, 2) = λ1 (1, 2, −1, −2) + λ2 (2, 3, 0, −1) + λ3 (1, 3, −1, 0) + λ4 (0, 0, 0, 1).
Las coordenadas del vector serán los escalares de la anterior combinación. Ahora
simplemente tenemos que resolver el siguiente sistema:
7 = λ1 +2λ2 +λ3
14 = 2λ1 +3λ2 +3λ3
−1 = −λ1 −λ3
2 = −2λ1 −λ2 +λ4
cuya solución es, λ1 = −2, λ2 = 3, λ3 = 3 y λ4 = 1. Por tanto, las coordenadas del
vector (7, 14, −1, 2), respecto de la base anterior, son (−2, 3, 3, 1).
17. Sea F = {u1 , u2 , u3 , u4 , u5 } un subconjunto de R4 , siendo
u1 = (1, 0, −1, 2), u2 = (0, 1, 1, 2), u3 = (1, 1, 0, 4),
u4 = (1, 1, −1, 6), u5 = (1, −1, −2, −4).
a) Obtener cuáles de estos vectores forman una base B de R4 .
b) Calcular las coordenadas de los restantes vectores con respecto a la
base obtenida anteriormente.
Solución:
a) En primer lugar vamos a ver qué vectores son linealmente independientes. Para
ello, consideremos la matriz cuyas las son los vectores dados.
1 0 −1 2
0 1 1 2
A=
1 1 0 4 .
1 1 −1 6
1 −1 −2 −4
4. Espacios vectoriales. Bases 115
A continuación, realizamos operaciones elementales en esta matriz para transfor-
marla en una matriz escalonada por las. Esto es,
1 0 −1 2
0 1 1 2
0 0 0 0
.
0 0 −1 2
0 0 0 1
Por tanto, el vector u3 depende linealmente de los otros. Luego B = {u1 , u2 , u4 , u5 }
es una base.
b) Escribamos el vector (1, 1, 0, 4) como combinación lineal de los vectores que forman
la base. Esto es,
(1, 1, 0, 4) = α(1, 0, −1, 2) + β(0, 1, 1, 2) + γ(1, 1, −1, 6) + λ(1, −1, −2, −4).
Resolviendo el sistema resultante, obtenemos que las coordenados del vector (1, 1, 0, 4)
son: α = β = 1, γ = λ = 0. Es decir, (1, 1, 0, 4)B = (1, 1, 0, 0).
18. En R3 [x] se consideran los conjuntos A = {1, x, x2 , 2x3 } y B = {2, x−2, x2 +
1, x3 }. Probar que A y B son bases de R3 [x] y calcular las coordenadas de
cada vector de una base respecto de la otra.
Solución: Probemos primero que A es una base. Para ello, como A es un conjunto
que tiene 4 elementos y este número coincide con la dimensión de R3 [x], será su ciente
ver que A es un conjunto libre. Para ello, consideraremos la combinación lineal,
α · 1 + β · x + γ · x2 + δ · 2x3 = 0,
donde se ve claramente que α = β = γ = δ = 0.
Para el conjunto B , procedemos de igual forma. Esto es, consideramos la combi-
nación lineal
2α + β(x − 2) + γ(x2 + 1) + δx3 = 0,
donde, identi cando coe cientes, se tiene el sistema
2α −2β +γ = 0
β = 0
γ = 0
δ = 0,
cuya solución es α = β = γ = δ = 0. Por tanto B es un sistema libre y, al veri carse
que card(B) = dim(R3 [x]) = 4, se tiene que B es una base de R3 [x]. Calculemos las
116 Más de 160 problemas resueltos de Álgebra Lineal
coordenadas de cada vector respecto de la otra base. Empecemos por 1. Para ello,
planteamos la ecuación:
1 = 2α + β(x − 2) + γ(x2 + 1) + δx3 .
Obteniendo el sistema:
1 = 2α − 2β + γ
0 = β
0 = γ
0 = δ
Por tanto: α = 21 , β = γ = δ = 0. Esto es, 1B = (1/2, 0, 0, 0).
Procediendo de la misma forma obtenemos las coordenadas del resto de vectores
de la base A, respecto de la base B son:
1B = (1/2, 0, 0, 0), xB = (1, 1, 0, 0), x2B = (−1/2, 0, 1, 0), 2x3B = (0, 0, 0, 2).
De igual forma, puede comprobarse que las coordenadas de los vectores de la
base B respecto de la base A vienen dadas por:
2A = (2, 0, 0, 0), (x − 2)A = (−2, 1, 0, 0), (x2 + 1)A = (1, 0, 1, 0), x3A = (0, 0, 0, 1/2).
19. En el espacio vectorial R3 [x], se considera el polinomio:
p(x) = ax3 + bx2 + cx + d, (a 6= 0).
a) Demostrar que los polinomios p(x), p0 (x), p00 (x), p000 (x), forman una base
de R3 [x].
b) Si p(x) = 5x3 + 3x2 − 2x + 1, hallar las coordenadas del vector q(x) =
15x3 − 21x2 − 18x + 37 en la base B = {p(x), p0 (x), p00 (x), p000 (x)}.
Solución:
a) Veamos que B = {ax3 + bx2 + cx + d, 3ax2 + 2bx + c, 6ax + 2b, 6a} es libre. Para
ello consideramos la combinación lineal:
α(ax3 + bx2 + cx + d) + β(3ax2 + 2bx + c) + λ(6ax + 2b) + γ6a = 0.
Identi cando coe cientes, se obtiene:
aα = 0
bα + 3aβ = 0
cα + 2bβ + 6aλ = 0
dα + cβ + 2bλ + 6aγ = 0,
4. Espacios vectoriales. Bases 117
cuya matriz de coe cientes es
a 0 0 0
b 3a 0 0
,
c 2b 6a 0
d c 2b 6a
que es una matriz triangular. Así su determinante es el producto de los elementos
de la diagonal. Es decir, 108a4 6= 0 ya que por hipótesis a 6= 0. Luego el conjunto
considerado es linealmente independiente. Como card(B) = dim(R3 ) ya se tiene el
resultado.
b) Se tratará de calcular α, β , λ, γ en la siguiente igualdad:
15x3 − 21x2 − 18x + 37 = αp(x) + βp0 (x) + λp00 (x) + γp000 (x).
Esto es, se trata de resolver el siguientes sistema:
5α = 15
3α + 15β = −21
−2α + 6β + 30λ = −18
α − 2β + 6λ + 30γ = 37
Quedándonos α = 3, β = −2, λ = 0 y γ = 1. Por tanto, las coordenadas de q(x)
respecto de la base B son (3, −2, 0, 1).
20. Sea V un espacio vectorial de dimensión 3 sobre R y sea B = {e1 , e2 , e3 }
una base de V . Se pide:
a) Calcula una base de V que contenga al vector x = e1 − e2 + e3 .
b) Dados los vectores y1 = e1 −e2 , y2 = e2 +e3 , hallar un tercer vector y3 de
manera que {y1 , y2 , y3 } formen una base de V y x tenga coordenadas
(1, 1, 1) en esta base.
Solución:
a) Las coordenadas de x en la base B son xB = (1, −1, 1). Tomemos y = e2 + e3 ,
z = e3 , cuyas coordenadas en la base B son, respectivamente, yB = (0, 1, 1),
zB = (0, 0, 1). Se tiene que:
1 −1 1
0 1 1 = 1 6= 0.
0 0 1
118 Más de 160 problemas resueltos de Álgebra Lineal
Es decir, la matriz cuyas las son las coordenadas de los vectores considerados,
tiene rango 3, que coincide con la dimensión de V . Así pues, la nueva base es
B 0 = {x, y, z} = {e1 − e2 + e3 , e2 + e3 , e3 }.
b) El vector y3 será combinación lineal de los vectores de la base B . Así podemos
expresarlo como
y3 = ae1 + be2 + ce3 ,
con a, b, c a determinar. En primer lugar, para que x tenga coordenadas (1, 1, 1)
en la nueva base, debe veri carse que
x = y1 + y2 + y3 .
Además sabemos que
x = e1 − e2 + e3 .
Por tanto,
e1 − e2 + e3 = y1 + y2 + y3 .
Sustituyendo, y1 , y2 , y3 por sus expresiones en función de e1 , e2 , e3 , se tiene que
e1 − e2 + e3 = (e1 − e2 ) + (e2 + e3 ) + (ae1 + be2 + ce3 ) = (1 + a)e1 + be2 + (1 + c)e3 .
Como las coordenadas de un vector respecto de una base son únicas, se tiene que
1 = 1+a
−1 = b
1 = 1+c
de donde a = 0, b = −1 y c = 0. Por tanto, y3 = −e2 .
21. Resuelve los siguientes apartados:
a) Sea C2 el C-espacio vectorial de los pares de números complejos. Se
pide:
1. Demuestra que {(1, 0), (0, 1)} es una base de C2 .
2. Calcula las coordenadas de (2 + 3i, −4 + 5i) respecto de la base
anterior.
3. Demuestra que {(1, 1), (1, i), (i, 1), (i, −i)} es un conjunto linealmente
dependiente.
4. Espacios vectoriales. Bases 119
b) Sea C2 el R-espacio vectorial de los pares de números complejos. Se
pide:
1. Demuestra que {(1, 1), (1, i), (i, 1), (i, −i)} es una base de C2 .
2. Calcula las coordenadas de (2 + 3i, −4 + 5i) respecto de la base
anterior.
Solución:
a.1) Dado (a + bi, c + di) ∈ C2 , se tiene que (a + bi, c + di) = (a + bi)(1, 0) +
(c + di)(0, 1). Así {(0, 1), (1, 0)} es un sistema generador de C2 como C-espacio
vectorial. Veamos que es libre. Para ello consideremos la combinación lineal,
(α1 + iα2 )(1, 0) + (β1 + iβ2 )(0, 1) = (0, 0).
De aquí:
α1 + iα2 = β1 + iβ2 = 0.
Por tanto el conjunto {(1, 0), (0, 1)} es una base de C2 como C-espacio vectorial.
a.2) Buscamos α1 + α2 i, β1 + β2 i ∈ C tales que:
(α1 + α2 i)(1, 0) + (β1 + β2 i)(0, 1) = (2 + 3i, −4 + 5i).
Por tanto:
α1 + α2 i = 2 + 3i, β1 + β2 i = −4 + 5i.
Así las coordenadas del vector (2+3i, −4+5i), respecto de la base {(1, 0), (0, 1)}
son (2 + 3i, −4 + 5i).
a.3) Rápidamente comprobamos que el conjunto dado es linealmente dependiente,
ya que:
1 1 1 1
− + i (1, i) + − i (i, 1) = (i, −i).
2 2 2 2
Otra forma de razonar que el conjunto dado es linealmente dependiente es
observar que el número máximo de vectores libres en un espacio vectorial es la
dimensión de dicho espacio vectorial, en este caso 2.
b.1) Veamos que el conjunto {(1, 1), (1, i), (i, 1), (i, −i)} es linealmente independiente
en C2 , considerado como R-espacio vectorial. Para ello consideramos la combi-
nación lineal α(1, 1) + β(1, i) + λ(i, 1) + γ(i, −i) = (0, 0), con α, β, λ, γ ∈ R.
Entonces:
α + β + λi + γi = 0
α + βi + λ − γi = 0.
120 Más de 160 problemas resueltos de Álgebra Lineal
De ahí se tiene el sistema:
α + β = 0
λ + γ = 0
α + λ = 0
β − γ = 0,
cuya única solución es la trivial. Esto es, α = β = λ = γ = 0.
Veamos ahora que el conjunto {(1, 1), (1, i), (i, 1), (i, −i)} es sistema gene-
rador. Dado (a + bi, c + di) ∈ C2 , veamos si existen α, β, λ, γ ∈ R tales que:
α(1, 1) + β(1, i) + λ(i, 1) + γ(i, −i) = (a + bi, c + di).
Es decir:
α + β + λi + γi = a + bi
α + βi + λ − γi = c + di.
De ahí se tiene el sistema:
α + β = a
λ + γ = b
α + λ = c
β − γ = d,
donde el rango de la matriz de coe cientes es 4. Por tanto la solución es única,
y en consecuencia, el conjunto dado es sistema generador.
Así, {(1, 1), (1, i), (i, 1), (i, −i)} es base de C2 como R-espacio vectorial.
b.2) Razonando del mismo modo que en el apartado anterior, obtenemos el sistema,
α + β = 2
λ + γ = 3
α + λ = −4
β − γ = 5
cuyas soluciones son α = −5, β = 7, λ = 1, γ = 2. Así las coordenadas de
(2 + 3i, −4 + 5i) respecto de la base anterior serán (−5, 7, 1, 2). Esto es,
(2 + 3i, −4 + 5i) = −5(1, 1) + 7(1, i) + 1(i + 1) + 2(i, −i).
22. En el espacio vectorial R3 , consideramos las dos bases siguientes:
B = {u, v, w} y B 0 = {a, b, c} tales que u = −b + c, v = a + b + c, w = b.
4. Espacios vectoriales. Bases 121
a) Hallar las ecuaciones del cambio de base entre B y B 0 .
b) ¾Cual es la expresión del vector X = −a + 7b − 5c respecto de la base
B?
c) Si el vector tiene por coordenadas (7, 4, 9) respecto de la base B . ¾Qué
coordenadas tiene dicho vector respecto de la base B 0 ?
Solución: En este ejercicio y en los que siguen nos será de bastante utilidad recor-
dar las ecuaciones de cambio de base en un espacio vectorial. Este resultado puede
consultarse en [9].
Ecuaciones de cambio de base en un espacio vectorial
Sea V un espacio vectorial y sean B y B 0 bases de V . La ecuación matricial
de cambio de base entre las bases B y B 0 es:
XB = P XB 0 ,
donde XB y XB 0 representan a las coordenadas de un vector X respecto de
las bases B y B 0 respectivamente, y P es la matriz cambio de base. Esto es,
P es una matriz regular cuyas columnas están formadas por las coordenadas
de los vectores de la base B 0 respecto de la base B .
a) Sean XB = (x, y, z) y XB 0 = (x0 , y 0 , z 0 ) las coordenadas de un vector X respecto
de las bases B y B 0 respectivamente. Luego en este caso la ecuación matricial
de cambio de base viene dada por:
x0
0 1 0 x
y 0 = −1 1 1 y .
z0 1 1 0 z
b) En este caso XB 0 = (−1, 7, −5). Por tanto, sustituyendo en la ecuación matricial
de cambio de base, se tiene que:
−1 0 1 0 x
7 = −1 1 1 y .
−5 1 1 0 z
Así las coordenadas del vector X = −a + 7b − 5c respecto de la base B son
(−4, −1, 4).
c) En este caso XB = (7, 4, 9). Por tanto, sustituyendo en la ecuación matricial de
cambio de base, se tiene que:
x0
0 1 0 7
y 0 = −1 1 1 4 ,
z0 1 1 0 9
122 Más de 160 problemas resueltos de Álgebra Lineal
obteniendo que las coordenadas del vector (7, 4, 9) respecto de la base B 0 son
(4, 6, 11).
23. Sea B = {e1 , e2 , e3 } una base de R3 y sea x un vector cuyas coordenadas
respecto de B son (1, 2, 1). Encontrar una nueva base B 0 = {v1 , v2 , v3 } tal que
v1 = 2e1 − e2 , v2 = −e2
y que las coordenadas de X respecto de B 0 sean (1, 7, 5).
Solución: Sea B 0 una base donde v3 = ae1 +be2 +ce3 . Entonces la ecuación matricial
de cambio de base entre B 0 y B es
2 0 a
XB = −1 −1 b XB 0 .
0 0 c
Como sabemos que el vector X tiene coordenadas (1, 2, 1) en la base B y (1, 7, 5) en
la base B 0 , si sustituimos en la ecuación anterior, obtenemos
1 2 0 a 1
2 = −1 −1 b 7 .
1 0 0 c 5
Por tanto, se tiene:
5a +2 = 1
5b −8 = 2
5c = 1.
Esto es:
1 1
a=− , b = 2, c= .
5 5
Así, la base pedida es B 0 = {v1 , v2 , v3 }, siendo
1 1
v1 = 2e1 − e2 , v2 = −e2 y v3 = − e1 + 2e2 + e3 .
5 5
24. Consideremos el espacio vectorial R3 y la base B = {u, v, w}. Sean los
vectores:
a = u + v + w, b = −u − v + 5w, c = 6u + v − w.
Demostrar que B 0 = {a, b, c} es otra base de R3 y hallar las ecuaciones del
cambio de base entre B y B 0 .
4. Espacios vectoriales. Bases 123
Solución: Como card(B 0 ) = dim(R3 ), basta comprobar que B 0 es linealmente inde-
pendiente. Consideremos pues α, β, γ ∈ R tales que
αa + βb + γc = 0.
Sustituyendo las expresiones dadas para a, b, c, se tiene:
α(u + v + w) + β(−u − v + 5w) + γ(6u + v − w) =
= (α − β + 6γ)u + (α − β + γ)v + (α + 5β − γ)w = 0.
Puesto que B = {u, v, w} es base, necesariamente se tiene que los vectores u, v , w son
linealmente independientes. Por tanto:
α −β +6γ = 0
α −β +γ = 0
α +5β −γ = 0.
Como rg(A) = 3, siendo A la matriz de coe cientes del sistema, se tiene que su
solución única es α = β = γ = 0. Así pues, B 0 es linealmente independiente y, por lo
dicho al principio, efectivamente una base de R3 . Las ecuaciones del cambio de base
entre B y B 0 vendrán dadas por:
1 −1 6
XB = 1 −1 1 XB 0 ,
1 5 −1
donde XB y XB 0 denotan las coordenadas de un vector X respecto de las bases B y
B 0 respectivamente.
25. Sea B = {u1 , u2 , u3 , u4 } la base canónica de R4 . Se consideran dos
nuevas bases B1 = {v1 , v2 , v3 , v4 } y B2 = {w1 , w2 , w3 , w4 }, donde:
v1 = −u2 +3u4
w1 = 2u1 −2u2 +u4
v2 = −u1 −u2 w2 = u1 +u2 +u3
v3 = −2u1 −u3 +2u4
w3 = 3u1 +u3 −u4
v4 = −u1 −u2 −u3 +u4 w4 = −2u2 −u3 +u4 .
Se pide:
a) Hallar la expresión de cambio de base entre B1 y B2 .
b) Determinar las coordenadas respecto de B1 del vector x cuyas coor-
denadas respecto de B2 son (2, 1, 0, −1).
124 Más de 160 problemas resueltos de Álgebra Lineal
Solución:
a) Primero hallamos las ecuaciones del cambio de base entre B y B1 y entre B y B2 .
Obtenemos:
0 −1 −2 −1 2 1 3 0
−1 −1 0 −1 −2 1 0 −2
XB = X y XB = X .
0 0 −1 −1 B1 0 1 1 −1 B2
3 0 2 1 1 0 −1 1
Así,
0 −1 −2 −1 2 1 3 0
−1 −1 0 −1 −2 1 0 −2
X = X .
0 −1 −1 B1 0 1 1 −1 B2
0
3 0 2 1 1 0 −1 1
Por tanto:
−1
0 −1 −2 −1 2 1 3 0
−1 −1 0 −1 −2 1 0 −2
XB1 = X .
1 −1 B2
0 0 −1 −1 0 1
3 0 2 1 1 0 −1 1
Esto es:
6/7 2/7 3/7 2/7
−3/7 −1/7 −5/7 −1/7
XB1 = X .
−11/7 1/7 −9/7 −6/7 B2
11/7 −8/7 2/7 13/7
b) Sólo tenemos que sustituir en la expresión que hemos obtenido en el apartado
anterior XB2 = (2, 1, 0, −1). Esto es,
6/7 2/7 3/7 2/7 2
−3/7 −1/7 −5/7 −1/7
1
XB1 =
.
−11/7 1/7 −9/7 −6/7 0
11/7 −8/7 2/7 13/7 −1
Así obtenemos
12 6 15 1
XB1 = ,− ,− , .
7 7 7 7
26. Se considera en R4 la base B1 = {u1 , u2 , u3 , u4 }. Se elige como nueva base
B = {u1 − u2 , u2 − u3 , u3 − u4 , u4 }. Se pide:
a) ¾Cuáles son las ecuaciones del cambio de base?
4. Espacios vectoriales. Bases 125
b) El vector v = u1 − u2 , ¾qué coordenadas tiene respecto de las bases B
y B1 ?
Solución:
a) La expresión del cambio de base viene dada por:
1 0 0 0
−1 1 0 0
XB1 = X .
1 0 B
0 −1
0 0 −1 1
b) Las coordenadas de v = u1 − u2 respecto de la base B1 son (1, −1, 0, 0). Para
calcular sus coordenadas (x1 , x2 , x3 , x4 ) respecto de la base B , basta resolver el
sistema escrito en forma matricial
1 1 0 0 0 x1
−1 −1 1 0 0 x2
0 = 0
,
−1 1 0 x3
0 0 0 −1 1 x4
cuyas soluciones son:
x1 = 1, x2 = 0, x3 = 0 y x4 = 0.
Así las coordenadas de v respecto de la base B son (1, 0, 0, 0).
5 | Subespacios vectoriales
Este capítulo está dedicado al estudio de los subespacios vectoriales. En él podemos
encontrar problemas relativos a:
Caracterización de subespacio vectorial.
Sistema generador de un subespacio vectorial.
Eliminación de parámetros.
Operaciones con subespacios.
Subespacio suplementario.
Espacio vectorial cociente.
En los ejercicios que siguen utilizaremos la siguiente caracterización:
Caracterización de subespacio vectorial
Dado (V, +, ·K) un K-espacio vectorial y F un subconjunto no vacío de V ,
se veri ca que:
F es subespacio vectorial de V ⇐⇒ au + bv ∈ F , ∀ u, v ∈ F , ∀ a, b ∈ K.
1. Averiguar si los siguientes conjuntos son subespacios vectoriales de R4 :
A = {(3x2 , x2 , x4 + x2 , x4 ) ∈ R4 : x2 , x4 ∈ R},
B = {(x1 , x2 , x3 , x4 ) ∈ R4 : x1 · x2 = 0},
C = {(x1 , x2 , x3 , x4 ) ∈ R4 : x1 , x2 ∈ Z},
D = {(x1 , x2 , x3 , x4 ) ∈ R4 : x1 + x2 = 0, x3 − x4 = 0},
E = {(x1 , x2 , x3 , x4 ) ∈ R4 : x1 + 2x4 = 7},
F = {(x1 , x2 , x3 , x4 ) ∈ R4 : x1 = 3λ, x2 = 2λ, x3 = λ , x4 = λ}.
Solución: En este ejercicio consideraremos R4 como R-espacio vectorial con las ope-
raciones usuales de suma y producto por un número real.
127
128 Más de 160 problemas resueltos de Álgebra Lineal
a) Sean x = (3x2 , x2 , x4 + x2 , x4 ), y = (3y2 , y2 , y4 + y2 , y4 ) ∈ A con x2 , x4 , y2 , y4 ∈ R
y sean α, β ∈ R.
Comprobemos que αx + βy ∈ A. Así se tiene que:
αx + βy = α(3x2 , x2 , x4 + x2 , x4 ) + β(3y2 , y2 , y4 + y2 , y4 ) =
= (3(αx2 + βy2 ), αx2 + βy2 , (αx4 + βy4 ) + (αx2 + βy2 ), αx4 + βy4 ),
donde αx2 + βy2 , αx4 + βy4 ∈ R. Por tanto A es subespacio vectorial.
b) No es subespacio vectorial, ya que (1, 0, 0, 0), (0, 1, 0, 0) ∈ B , sin embargo
(1, 0, 0, 0) + (0, 1, 0, 0) = (1, 1, 0, 0) ∈
/ B,
ya que 1 · 1 6= 0.
1
c) Claramente C no es subespacio vectorial, puesto que tomando α = ∈ R y
2
1 1 1 1 1
x = (1, 1, 1, 1) ∈ C se tiene que αx = , , , / C ya que
∈ / Z.
∈
2 2 2 2 2
d) Sean x = (x1 , x2 , x3 , x4 ), y = (y1 , y2 , y3 , y4 ) ∈ D y sean α, β ∈ R. Comprobemos
que αx + βy ∈ D. Claramente se tiene que:
αx + βy = α(x1 , x2 , x3 , x4 ) + β(y1 , y2 , y3 , y4 ) =
(αx1 + βy1 , αx2 + βy2 , αx3 + βy3 , αx4 + βy4 ).
Como, por hipótesis, se tiene que x1 + x2 = 0, y1 + y2 = 0, x3 − x4 = 0, y3 − y4 = 0,
entonces
(αx1 + βy1 ) + (αx2 + βy2 ) = α(x1 + x2 ) + β(y1 + y2 ) = 0,
(αx3 + βy3 ) − (αx4 + βy4 ) = α(x3 − x4 ) + β(y3 − y4 ) = 0.
Por tanto αx + βy ∈ D, y de ahí, D es subespacio vectorial.
e) E no es subespacio vectorial, ya que (−1, 0, 0, 4) ∈ E . Sin embargo
2(−1, 0, 0, 4) = (−2, 0, 0, 8) ∈
/ E.
f) Supongamos que (3x, 2x, x, x), (3y, 2y, y, y) ∈ F y que α, β ∈ R. Tenemos que:
α(3x, 2x, x, x) + β(3y, 2y, y, y) = (3(αx + βy), 2(αx + βy), αx + βy, αx + βy) ∈ F.
Por tanto F es subespacio vectorial.
5. Subespacios vectoriales 129
2. Averiguar si los siguientes conjuntos son subespacios vectoriales de Rn :
a) F = {(x1 , . . . , xn ) ∈ Rn : xi ≥ 0, ∀i}.
( n
)
b)
X
n
F = (x1 , . . . , xn ) ∈ R : xi = 0 .
i=1
( n
)
c)
X
n
F = (x1 , . . . , xn ) ∈ R : xi = 1 .
i=1
Solución: En este ejercicio utilizaremos la caracterización de subespacio y asumire-
mos la estructura de Rn como R-espacio vectorial.
a) Sea x = (1, . . . , 1) ∈ F , sea −1 ∈ R entonces (−1) · x = (−1, . . . , −1) 6∈ F . Luego
F no es subespacio vectorial.
b) Sean x = (x1 , . . . , xn ), y = (y1 , . . . , yn ) ∈ F, α, β ∈ R. Entonces
αx + βy = (αx1 + βy1 , . . . , αxn + βyn ).
Ahora,
n
X n
X n
X n
X n
X
(αxi + βyi ) = αxi + βyi = α xi + β yi = 0,
i=1 i=1 i=1 i=1 i=1
n n
ya que, por hipótesis, se veri ca que yi . De ahí que αx + βy ∈ F .
X X
xi = 0 =
i=1 i=1
Por tanto F es subespacio vectorial.
c) No es subespacio vectorial, ya que si x = (1, 0, . . . , 0), y = (0, . . . , 0, 1) ∈ F , enton-
ces x + y = (1, 0, . . . , 0, 1) 6∈ F .
Observamos, tal y como se ha puesto de mani esto en este ejercio y en los anterio-
res, que para veri car si un conjunto es un subespacio vectorial basta con comprobar
que las ecuaciones implícitas que lo de nen son lineales y homogéneas.
3. Dado un sistema homogéneo S de m ecuaciones y n incógnitas, demuestra
que el conjunto de soluciones del sistema S es un subespacio vectorial de
Rn .
Solución: Sea el sistema homogéneo S ≡ AX = 0, donde A ∈ Mm×n (R) y X ∈
Mn×1 (R). Llamemos F al conjunto de soluciones del sistema S , es decir
F = {X ∈ Mn×1 (R) : AX = 0}.
130 Más de 160 problemas resueltos de Álgebra Lineal
Sean X1 , X2 ∈ F y α, β ∈ R. Veamos que αX1 + βX2 ∈ F . Para ello deberemos
comprobar que A(αx1 + βx2 ) = 0. Utilizando las propiedades de las operaciones de
matrices, se tiene:
A(αX1 + βX2 ) = A(αX1 ) + A(βX2 ) = (Aα)X1 + (Aβ)X2 =
(αA)X1 + (βA)X2 = α(AX1 ) + β(AX2 ) = 0,
ya que si X1 , X2 ∈ F , se tiene que AX1 = AX2 = 0 y de ahí concluimos que
A(αX1 + βX2 ) = 0. Luego F es subespacio vectorial.
4. Determina si los siguientes subconjuntos de M2 (R) son subespacios vec-
toriales:
a b
a) H1 =
−b c
∈ M2 (R) : a, b, c ∈ R .
a a+1
b) H2 =
0 0
∈ M2 (R) : a ∈ R .
a b
c) H3 =
−b a
∈ M2 (R) : a, b ∈ R .
0 b
d) H4 =
a 0
∈ M2 (R) : a, b ∈ R .
Solución: Usaremos la caracterización de subespacio.
a) Sean A, B ∈ H1 y α, β ∈ R, entonces
a b d e αa αb βd βe
αA + βB = α +β = + =
−b c −e g −αb αc −βe βg
αa + βd αb + βe
= ∈ H1 .
−(αb + βe) αc + βg
Luego H1 es subespacio vectorial de M2 (R), ya que αa + βd, αb + βe, αc + βg ∈ R.
b) La matriz nula no pertenece a H2 , por tanto como el elemento neutro no pertenece,
no es subespacio vectorial.
c) Sean A, B ∈ H3 y α, β ∈ R, entonces
a b d e αa αb βd βe
αA + βB = α +β = + =
−b a −e d −αb αa −βe βd
αa + βd αb + βe
= ∈ H3 .
−(αb + βe) αa + βd
Luego H3 es subespacio vectorial de M2 (R), ya que αa + βd, αb + βe ∈ R.
5. Subespacios vectoriales 131
d) Sean A, B ∈ H4 y α, β ∈ R, entonces
0 b 0 d 0 αb 0 βd
αA + βB = α +β = + =
a 0 c 0 αa 0 βc 0
0 αb + βd
= ∈ H4 .
αa + βc 0
Luego H4 es subespacio vectorial de M2 (R), ya que αb + βd, αa + βc ∈ R.
5. ¾Cuáles de los siguientes conjuntos son subespacios del espacio vectorial
de las funciones reales de variable real?.
a) Las funciones tales que f (0) = 0.
b) Las funciones tales que f (0) es un número entero.
c) Las funciones polinómicas de grado n.
d) Las funciones polinómicas de grado menor o igual que n.
Solución:
a) Llamemos F1 = {f : R → R| f (0) = 0}. Sean α, β ∈ R y f, g ∈ F1 . Entonces
(αf + βg)(0) = αf (0) + βg(0) = α · 0 + β · 0 = 0.
Esto es, αf + βg ∈ F1 . Luego F1 es subespacio vectorial.
b) Sea F2 = {f : R → R| f (0) = n, n ∈ Z}. Consideremos
√ las funciones f1 , f2 ∈ F2
tales que f1 (x) = x y f2 (x) = x − 3 y sean 1, 2 ∈ R. Entonces
√ √ √ √
(1 · f1 + 2f2 )(0) = f1 (0) + 2f2 (0) = 0 + 2(0 − 3) = −3 2 ∈
/ Z.
En consecuencia, F2 no es subespacio vectorial.
c) Sea F3 el conjunto de funciones polinómicas de grado n y sean f, g ∈ F3 de nidas
como f (x) = xn y g(x) = 1 − xn . Se tiene que
(f + g)(x) = f (x) + g(x) = xn − xn + 1 = 1,
para todo x ∈ R. Es decir, f + g ∈/ F3 y de ahí podemos a rmar que F3 no es
subespacio vectorial.
132 Más de 160 problemas resueltos de Álgebra Lineal
d) Consideremos F4 el conjunto de las funciones polinómicas de grado menor o igual
que n. Sean α, β ∈ R y f, g ∈ F4 con
f (x) = an xn + an−1 xn−1 + ... + a1 x + a0 , g(x) = bn xn + bn−1 xn−1 + ... + b1 x + b0 .
Así,
(αf +βg)(x) = αf (x)+βg(x) = αan xn +...+αa1 x+αa0 +βbn xn +...+βb1 x+βb0 =
= (αan + βbn )xn + (αan−1 + βbn−1 )xn−1 + ... + (αa1 + βb1 )x + (αa0 + βb0 ).
Donde gr(αf + βg) ≤ n. Así αf + βg ∈ F4 , y de ahí podemos a rmar que F4 es
subespacio vectorial.
A continuación vamos a recordar la de nición de subespacio generado por un
conjunto de vectores, que será de utilidad en lo que sigue. Este resultado puede con-
sultarse en [9]:
Subespacio vectorial generado por un conjunto de vectores
Dado un espacio vectorial (V, +, ·K), y dado S ⊆ V . Denotamos
( n )
X
L(S) = ki si : n ∈ N, ki ∈ K, si ∈ S, i = 1, . . . , n .
i=1
L(S) es el menor subespacio vectorial que contiene al conjunto S y se deno-
mina subespacio vectorial generado por S .
6. En R3 se consideran los vectores u = (1, 2, 1), v = (1, 3, 2), x = (1, 1, 0),
y = (3, 8, 5). Demuestra que L({u, v}) = L({x, y}).
Solución: Comencemos probando que:
1) x, y ∈ L({u, v})
L({u, v}) = L({x, y}) ⇐⇒
2) u, v ∈ L({x, y})
=⇒ 1) Como x, y ∈ L({x, y}), se tiene que x, y ∈ L({x, y}) = L({u, v}). De igual
forma obtenemos 2), observando que u, v ∈ L({u, v}).
⇐= Como x, y ∈ L({u, v}) entonces L({x, y}) ⊆ L({u, v}). De igual forma si u, v ∈
L({x, y}) entonces L({u, v}) ⊆ L({x, y}). Por lo que L({u, v}) = L({x, y}).
5. Subespacios vectoriales 133
Una vez demostrado el hecho anterior, veamos que x, y ∈ L({u, v}) y que u, v ∈
L({x, y}), y de ahí tendremos el resultado deseado.
x = (1, 1, 0) = 2(1, 2, 1) − (1, 3, 2) = 2u − v .
y = (3, 8, 5) = (1, 2, 1) + 2(1, 3, 2) = u + 2v .
Así x, y ∈ L({u, v}).
u = (1, 2, 1) = 25 (1, 1, 0) + 15 (3, 8, 5) = 25 x + 15 y .
v = (1, 3, 2) = − 15 (1, 1, 0) + 25 (3, 8, 5) = − 15 x + 52 y.
Así u, v ∈ L({x, y}).
Por tanto podemos a rmar que L({u, v}) = L({x, y}).
7. Sea V un espacio vectorial sobre K. Demuestra que:
a) S ⊆ T =⇒ L(S) ⊆ L(T ).
b) L(V ) = V, L(∅) = {0}.
c) L(L(S)) = L(S).
d) Si W es un subespacio vectorial de V , entonces L(W ) = W.
e) L(S ∪ T ) = L(S) + L(T ).
Solución:
a) Sea x ∈ L(S), entonces x = α1 s1 + · · · + αn sn con αi ∈ K, si ∈ S ⊆ T , con
i = 1, . . . , n. Luego x ∈ L(T ).
b) Para la primera parte tenemos que:
Sea x ∈ V , entonces como x = 1 · x, x ∈ L(V ). Así V ⊆ L(V ).
Sea x ∈ L(V ), entonces x = α1 v1 + · · · + αn vn con αi ∈ K y vi ∈ V con
i = 1, . . . , n. Ahora bien, como V es espacio vectorial, x ∈ V . Por tanto
L(V ) ⊆ V .
Para la segunda parte tenemos que, al ser L(∅) un subespacio vectorial, 0 ∈ L(∅) y
por tanto {0} ⊆ L(∅). Por otro lado, se tiene que ∅ ⊆ {0}. Luego L(∅) ⊆ L({0}) =
{0}.
c) Sabemos que L(S) es el menor subespacio que contiene a S , en particular es un
espacio vectorial. Luego, aplicando el apartado b), tenemos el resultado.
134 Más de 160 problemas resueltos de Álgebra Lineal
d) Como W es un espacio vectorial, aplicando el apartado b), obtenemos el resultado.
e) Lo haremos por doble inclusión:
L(S ∪ T ) ⊆ L(S) + L(T ).
Sea x ∈ L(S ∪ T ), entonces existen si ∈ S , ti ∈ T de forma que x = α1 s1 +
n m
βj tj ∈ L(S) + L(T ), siendo
X X
· · · + αn sn + β1 t1 + · · · + βm tm = αi si +
i=1 j=1
si ∈ S , con 1 ≤ i ≤ n, tj ∈ T , con 1 ≤ j ≤ m.
L(S) + L(T ) ⊆ L(S ∪ T ).
Sea x ∈ L(S) + L(T ), entonces x = y + z con y ∈ L(S) y z ∈ L(T ). Por tanto,
n m
αi si y z = βj tj , con αi , βj ∈ K, si ∈ S con 1 ≤ i ≤ n y tj ∈ T ,
X X
y=
i=1 j=1
n m
con 1 ≤ j ≤ m. Luego x = βj tj . Así x ∈ L(S ∪ T ).
X X
αi si +
i=1 j=1
8. Sea F ⊆ R2 [x], F = {x2 − 1, x + 1, x2 − 7x − 10}. Indicar si el polinomio
3x − 2x + 5 pertenece a L(F ).
2
Solución: Si 3x2 − 2x + 5 ∈ L(F ), entonces existirían α, β, λ ∈ R tales que:
3x2 − 2x + 5 = α(x2 − 1) + β(x + 1) + λ(x2 − 7x − 10).
Esto equivale a ver si el siguiente sistema
α + λ = 3
β − 7λ = −2
−α + β − 10λ = 5
tiene solución. Como la matriz de coe cientes A y la matriz amplida (A|B)
1 0 1 1 0 1 3
A= 0 1 −7 , (A|B) = 0 1 −7 −2 ,
−1 1 −10 −1 1 −10 5
tienen rango 3, el sistema es compatible, y de ahí podemos a rmar que 3x2 − 2x + 5 ∈
L(F ).
9. Se consideran los siguientes subespacios vectoriales de R4 :
V1 = {(x, y, z, t) : x + y + z = 0}, V2 = L({(1, 1, 1, 1), (1, 2, 3, 4)}),
5. Subespacios vectoriales 135
V3 = {(λ + µ, λ + γ, γ + δ, λ + δ) : λ, µ, γ, δ ∈ R}.
¾Pertenece el vector (1, 0, 1, −2) a dichos subespacios? En caso a rmativo
calcular las coordenadas de este vector respecto a alguna base de dichos
subespacios.
Solución:
a) Puesto que 1 + 0 + 1 = 2 6= 0 se tiene que (1, 0, 1, −2) ∈
/ V1 .
b) Para el segundo subespacio veamos si existen α, β ∈ R tales que (1, 0, 1, −2) =
α(1, 1, 1, 1) + β(1, 2, 3, 4) y calcularlos en caso a rmativo. De esa forma, en ca-
so de pertenecer a V2 habríamos obtenido las coordenadas respecto de la base
{(1, 1, 1, 1), (1, 2, 3, 4)}. Resolvemos pues el siguiente sistema:
α + β = 1
α + 2β = 0
α + 3β = 1
α + 4β = −2
Pero tenemos que la matriz de coe cientes, a lo sumo, tiene rango 2. Además el
determinante de la siguiente submatriz de la matriz ampliada
1 1 1
1 2 0 ,
1 3 1
es no nulo. Así la matriz ampliada tiene rango 3 y por tanto no coincidirá nunca
con el rango de la matriz de coe cientes. Luego el sistema no tiene solución y en
consecuencia (1, 0, 1, −2) ∈
/ V2 .
c) Dado (x1 , x2 , x3 , x4 ) ∈ V3 entonces (x1 , x2 , x3 , x4 ) = (λ + µ, λ + γ, γ + δ, λ + δ) =
λ(1, 1, 0, 1) + µ(1, 0, 0, 0) + γ(0, 1, 1, 0) + δ(0, 0, 1, 1). Por lo que B = {(1, 1, 0, 1),
(1, 0, 0, 0), (0, 1, 1, 0), (0, 0, 1, 1)} es un sistema generador de V3 . Además es base ya
que son linealmente independientes, como puede comprobarse.
Así tenemos que dim(V3 ) = 4. Por tanto, al ser V3 un subespacio vectorial de R4
tal que dim(R4 ) = dim(V3 ) = 4, se tiene que V3 = R4 . Luego la base canónica de
R4 también es base de V3 y por tanto las coordenadas de nuestro vector respecto
de una base de V3 son (1, 0, 1, −2).
10. Eliminar los parámetros λ y µ en los siguientes sistemas:
x1 = λ +2µ
x1 = 2λ +µ
x = −λ +3µ x1 = λ +µ
2
x2 = −3λ +2µ
a) x3 = 2λ +µ , b) , c) x2 = λ
x3 = λ −µ
x4 = λ −µ x3 = −λ −2µ
x4 = λ +2µ
x5 = µ
136 Más de 160 problemas resueltos de Álgebra Lineal
Solución:
x1 = λ +2µ
x2 = −λ +3µ
a) x3 = 2λ +µ
x4 = λ −µ
x5 = µ
Las ecuaciones anteriores pueden considerarse las ecuaciones paramétricas de
un subespacio vectorial F de R5 , generado por los vectores u = (1, −1, 2, 1, 0) y
v = (2, 3, 1, −1, 1). Además, como estos vectores son linealmente independientes,
constituyen una base de F . Así, la condición necesaria y su ciente para que un
vector x = (x1 , x2 , x3 , x4 , x5 ) pertenezca a F es que sea combinación lineal de u y
v . Esta condición es equivalente a a rmar que el rango de la matriz
1 2 x1
−1 3 x2
A=
2 1 x3 ,
1 −1 x4
0 1 x5
debe ser igual a 2. Como el menor de orden 2,
1 2
−1 3
es no nulo, el rango de la matriz A será 2 si, y sólo si, los menores de orden 3,
que obtenemos orlando el menor elegido con la tercera columna y cada una de las
restantes las, son nulos. Por tanto,
1 2 x1 1 2 x1 1 2 x1
−1 3 x2 = 0, −1 3 x2 = 0, −1 3 x2 = 0.
2 1 x3 1 −1 x4 0 1 x5
Así, desarrollando estos determinantes, eliminamos los parámetros obteniendo las
ecuaciones implícitas de F :
7x1 −3x2 −5x3 = 0
2x1 −3x2 −5x4 = 0
x1 +x2 −5x5 = 0.
x1 = 2λ +µ
x2 = −3λ +2µ
b)
x3 = λ −µ
x4 = λ +2µ
5. Subespacios vectoriales 137
Aplicando el procedimiento anterior, el rango de la matriz
2 1 x1
−3 2 x2
A= ,
1 −1 x3
1 2 x4
tiene que ser 2. Como el menor de orden 2,
2 1
,
−3 2
es distinto de cero, orlando con la tercera columna y cada una de las restantes
las, ha de veri carse
2 1 x1 2 1 x1
−3 2 x2 = 0, −3 2 x2 = 0.
1 −1 x3 1 2 x4
Por tanto, las ecuaciones implícitas del subespacio vienen dadas por:
x1 +3x2 +7x3 = 0
8x1 +3x2 −7x4 = 0.
x1 = λ +µ
c) x2 = λ
x3 = −λ −2µ
Siguiendo el mismo razonamiento que en los ejercicios anteriores, la matriz
1 1 x1
A= 1 0 x2 ,
−1 −2 x3
debe tener rango 2. Como el menor de orden 2,
1 1
= −1,
1 0
es distinto de cero, entonces
1 1 x1
1 0 x2 = 0.
−1 −2 x3
Luego −2x1 + x2 − x3 = 0 es la única ecuación implícita del subespacio.
138 Más de 160 problemas resueltos de Álgebra Lineal
11. Elimina los parámetros λ, µ, δ en las ecuaciones siguientes:
x1 = λ +µ
x1 = λ +µ +2δ
x2 = λ −µ +δ x2 = λ +2µ +3δ
a) x3 = λ +µ +δ b) x3 = λ +µ
x4 = λ −δ x4 = 0
x5 = 2λ +δ x5 = 2λ −µ
Solución:
x1 = λ +µ
x2 = λ −µ +δ
a) x3 = λ +µ +δ
x4 = λ −δ
x5 = 2λ +δ
Las ecuaciones pueden considerarse las ecuaciones paramétricas de un subes-
pacio vectorial F de R5 , generado por los vectores u = (1, 1, 1, 1, 2), v = (1, −1, 1, 0, 0)
y w = (0, 1, 1, −1, 1). Además, como estos vectores son linealmente independientes,
constituyen una base de F . Así, la condición necesaria y su ciente para que un
vector x = (x1 , x2 , x3 , x4 , x5 ) pertenezca a F es que sea combinación lineal de u,
v y w. Esta condición es equivalente a a rmar que el rango de la matriz
1 1 0 x1
1 −1 1 x2
A=
1 1 1 x3 ,
1 0 −1 x4
2 0 1 x5
debe ser igual a tres. Como el menor de orden 3,
1 1 0
1 −1 1 = −2,
1 1 1
es no nulo, el rango de la matriz A será 3 si, y sólo si, todos los menores de orden
4, que obtenemos orlando el menor elegido con la cuarta columna y cada una de
las demás las, son nulos. Por tanto,
1 1 0 x1 1 1 0 x1
1 −1 1 x2 1 −1 1 x2
= 0, = 0.
1 1 1 x3 1 1 1 x3
1 0 −1 x4 2 0 1 x5
Así, desarrollando estos determinantes, obtenemos las ecuaciones implícitas de F :
4x1 +x2 −3x3 −2x4 = 0
x1 +x2 −x5 = 0.
5. Subespacios vectoriales 139
x1 = λ +µ +2δ
x2 = λ +2µ +3δ
b) x3 = λ +µ
x = 0
4
x5 = 2λ −µ
Aplicando el procedimiento anterior, el rango de la matriz
1 1 2 x1
1 2 3 x2
A=
1 1 0 x3 ,
0 0 0 x4
2 −1 0 x5
tiene que ser 3. Como el menor de orden 3,
1 1 2
1 2 3 = −2,
1 1 0
es distinto de cero, orlando con la cuarta columna y cada una de las restantes las,
ha de veri carse que:
1 1 2 x1 1 1 2 x1
1 2 3 x2 1 2 3 x2
= 0, = 0.
1 1 0 x3 1 1 0 x3
0 0 0 x4 2 −1 0 x5
Desarrollando los determinantes anteriores, las ecuaciones implícitas del subespacio
son
x4 = 0
9x1 −6x2 +x3 −2x5 = 0.
12. En el espacio vectorial real de los polinomios de grado menor o igual
que 3 se consideran los subespacios
F0 = {p(x) ∈ R3 [x] : p(0) = 0}, F1 = {p(x) ∈ R3 [x] : p(1) = 0},
F−1 = {p(x) ∈ R3 [x] : p(−1) = 0}.
Determinar unas ecuaciones cartesianas y una base de cada uno de ellos.
Solución:
F0
Si p(x) = ax3 + bx2 + cx + d ∈ F0 , tenemos que p(0) = 0. Luego se tiene que
p(0) = d = 0. Como F0 es un subespacio de R3 [x], dim(F0 ) ≤ dim(R3 [x]) = 4.
140 Más de 160 problemas resueltos de Álgebra Lineal
Calculemos una base de F0 . Si p(x) ∈ F0 entonces p(x) = ax3 + bx2 + cx. Luego
un sistema generador de F0 es {x3 , x2 , x}, que al ser libre, constituye una base
de F0 . Por tanto, dim(F0 ) = 3 y tiene una única ecuación implícita que es d = 0.
F1
Si p(x) = ax3 + bx2 + cx + d ∈ F1 , tenemos que p(1) = 0. Luego se tiene que
p(1) = a + b + c + d = 0. Como F1 es un subespacio de R3 [x], dim(F1 ) ≤
dim(R3 [x]) = 4. Calculemos una base de F1 . Si p(x) ∈ F1 entonces p(x) =
ax3 + bx2 + cx − (a + b + c) = a(x3 − 1) + b(x2 − 1) + c(x − 1). Luego un
sistema generador de F1 es {x3 − 1, x2 − 1, x − 1}. Como además es libre, es
base de F1 . Por tanto, dim(F1 ) = 3 y tiene una única ecuación implícita que es
a + b + c + d = 0.
F−1
Si p(x) = ax3 + bx2 + cx + d ∈ F−1 , tenemos que p(−1) = 0. Luego se tiene que
p(−1) = −a + b − c + d = 0. Como F−1 es un subespacio de R3 [x], dim(F−1 ) ≤
dim(R3 [x]) = 4. Calculemos una base de F−1 . Si p(x) ∈ F−1 entonces p(x) =
ax3 + bx2 + cx + (a − b + c) = a(x3 + 1) + b(x2 − 1) + c(x + 1). Luego un
sistema generador de F−1 es {x3 + 1, x2 − 1, x + 1}. Como además es libre, es
base de F−1 . Luego dim(F−1 ) = 3 y existe una única ecuación implícita que es
−a + b − c + d = 0.
13. Sea R3 [x] el espacio vectorial de los polinomios de grado menor o
igual que 3. Se pide:
a) Demostrar que el polinomio x3 y sus 3 primeras derivadas forman
una base de R3 [x].
b) Estudiar si los vectores
p1 (x) = 1 + 3x + 5x2 , p2 (x) = −1 + 2x2 , p3 (x) = 3 + 3x + x2 ,
son linealmente dependientes o independientes.
c) Sea F el subespacio generado por los polinomios
q1 (x) = 1 + x2 , q2 (x) = 1 − x2 .
¾Pertenecen los polinomios r(x) = 1 + x y p(x) = 1 + 5x2 a F ?
d) Sea W = L({p1 (x), p2 (x), p3 (x)}). Calcular F ∩ W y F + W .
Solución:
a) Sea B = {p(x), p0 (x), p00 (x), p000 (x)} = {x3 , 3x2 , 6x, 6}. Como card(B) = 4 =
dim(R3 [x]), basta ver que B es linealmente independiente. Veámoslo.
5. Subespacios vectoriales 141
Sean α, β, γ, δ ∈ R tales que:
αx3 + 3βx2 + 6γx + 6δ = 0.
Entonces, identi cando coe cientes, se tiene,
α = 0
3β = 0
6γ = 0
6δ = 0,
de donde α = β = γ = δ = 0. En consecuencia, B = {x3 , 3x2 , 6x, 6} es una base
de R3 [x].
b) Tomemos α, β, γ ∈ R tales que αp1 + βp2 + γp3 = 0. Es decir,
α(1 + 3x + 5x2 ) + β(−1 + 2x2 ) + γ(3 + 3x + x2 ) = 0.
Esto es,
(5α + 2β + γ)x2 + (3α + 3γ)x + (α − β + 3γ) = 0.
Por tanto, tenemos que resolver el siguiente sistema
5α +2β +γ = 0
3α +3γ = 0
α −β +3γ = 0.
Realizando operaciones sobre la matriz de coe cientes,
5 2 1
A= 3 0 3 ,
1 −1 3
vemos que rg(A) = 2, que es menor que el número de incógnitas, es decir, el sis-
tema tiene solución distinta de la trivial y por tanto, los vectores p1 (x), p2 (x) y
p3 (x) son linealmente dependientes.
c) Sean α, β ∈ R tales que r(x) = αq1 (x) + βq2 (x), es decir
1 + x = α(1 + x2 ) + β(1 − x2 ).
Esto es,
1 + x = (α + β) + (α − β)x2 .
142 Más de 160 problemas resueltos de Álgebra Lineal
Identi cando coe cientes, obtenemos el sistema
α−β = 0
0 = 1
α+β = 1,
que es incompatible, ya que 0 6= 1. Luego r(x) ∈
/ F.
Procediendo de la misma forma para p(x) = 1 + 5x2 , se tiene
1 + 5x2 = α(1 + x2 ) + β(1 − x2 ) = (α + β) + (α − β)x2 .
Identi cando coe cientes, se tiene el sistema
α−β = 5
α+β = 1,
cuya solución viene dada por α = 3, β = −2. Por tanto p(x) ∈ F .
d) Comenzamos calculando F ∩ W . Para ello será necesario hallar las ecuaciones
cartesianas de F y W . Vamos a calcular en primer lugar las ecuaciones cartesianas
de F . Sea ax3 + bx2 + cx + d ∈ F . Entonces
ax3 + bx2 + cx + d = α(1 + x2 ) + β(1 − x2 ) = (α − β)x2 + (α + β),
siendo α, β ∈ R. Luego, identi cando coe cientes, se tiene:
a = 0
b = α−β
c = 0
d = α+β
Así, las ecuaciones cartesianas de F son
a = 0
c = 0.
Calculamos ahora las ecuaciones cartesianas de W . Como vimos en el apartado
b), los vectores p1 (x), p2 (x), p3 (x) son linealmente dependientes. En concreto,
se tiene que p3 (x) depende de p1 (x) y p2 (x), ya que p3 (x) = p1 (x) − 2p2 (x).
Por tanto, W = L({p1 (x), p2 (x), p3 (x)}) = L({p1 (x), p2 (x)}). En consecuencia, si
ax3 + bx2 + cx + d ∈ W , entonces
ax3 + bx2 + cx + d = α(1 + 3x + 5x2 ) + β(−1 + 2x2 ) = (5α + 2β)x2 + 3αx + (α − β),
siendo α, β ∈ R. De aquí se obtiene:
a = 0
b = 5α + 2β
c = 3α
d = α−β
5. Subespacios vectoriales 143
Eliminando los parámetros α y β se tiene que las ecuaciones cartesianas de W
vienen dadas por:
a = 0
3b − 7c + 6d = 0.
Así, las ecuaciones cartesianas de F ∩ W son
a = 0
F ∩W ≡ c = 0
b = −2d
Calculemos ahora F + W . Como bases de F y W teníamos los conjuntos
BF = {1 + x2 , 1 − x2 } y BW = {1 + 3x + 5x2 , −1 + 2x2 }, respectivamente. Así,
un sistema generador de F + W será BF ∪ BW . Esto es, un sistema generador de
F + W viene dado por {1 + x2 , 1 − x2 , 1 + 3x + 5x2 , −1 + 2x2 }. Puesto que,
1 + x2 = 3(1 − x2 ) + 2(−1 + 2x2 ),
podemos quedarnos con B = {1 − x2 , 1 + 3x + 5x2 , −1 + 2x2 } y comprobar si es
libre. Para ello, como vimos en el apartado b), basta con calcular el rango de la
matriz
1 0 −1
1 3 5 .
−1 0 2
Puesto que el determinante de dicha matriz es 9 6= 0, su rango es 3 y, en conse-
cuencia, el sistema es libre y B es base de F + W .
1 2
14. Sea A = 3 m
una matriz en el espacio vectorial de matrices cua-
dradas de orden 2.
a) Demuestra que F = {B ∈ M2 (R) : AB = 0} es un subespacio vectorial.
b) Calcula en función de m la dimensión de F y una base.
Solución:
a) Sean B1 , B2 ∈ F , α, β ∈ R. Tenemos que ver que αB1 + βB2 ∈ F . Aplicando las
propiedades asociativa y conmutativa respecto al producto por escalar se tiene que
A(αB1 + βB2 ) = αAB1 + βAB2 = 0, ya que AB1 = 0 y AB2 = 0. Luego F es
subespacio vectorial.
144 Más de 160 problemas resueltos de Álgebra Lineal
a b
b) Sea B = ∈ F. Entonces:
c d
1 2 a b a + 2c b + 2d 0 0
AB = = = .
3 m c d 3a + mc 3b + md 0 0
Esto es equivalente a resolver el sistema
a + 2c = 0
b + 2d = 0
3a + mc = 0
3b + md = 0.
Al ser un sistema homogéneo nos basta con estudiar el rango de la matriz de
coe cientes ya que el rango de la matriz ampliada va a ser el mismo. El valor del
determinante de la matriz de coe cientes es:
1 0 2 0
0 1 0 2
= (m − 6)2 .
3 0 m 0
0 3 0 m
Así, distinguiremos varios casos en función del valor de m:
Si m 6= 6, entonces el determinante es distinto de 0. Luego rg(A) = 4, que
coincide con el número de incógnitas, y por tanto es un sistema cuya única
solución es la trivial. Así, dim(F ) = 0. Es decir, F será el subespacio nulo.
Si m = 6, entonces la matriz de coe cientes será
1 0 2 0
0 1 0 2
,
3 0 6 0
0 3 0 6
cuyo rango, puede comprobarse que, es 2.
Así, la solución del sistema dependerá de dos parámetros. Si c = α y d = β ,
se tiene que a = −2α y b = −2β .
a b
Así, si ∈ F , entonces
c d
a b −2α −2β −2 0 0 −2
= =α +β .
c d α β 1 0 0 1
Esto es, el conjunto
−2 0 0 −2
, ,
1 0 0 1
es un sistema generador de F , que al ser libre, constituye una base.
5. Subespacios vectoriales 145
15. Sea U un subespacio vectorial de V . Sabiendo que el conjunto {x1 , . . . , xn }
es una base de U y que w no pertenece a U , demuestra que los vectores
{x1 , . . . , xn , w} son linealmente independientes.
Solución: Consideremos la combinación lineal
α1 x1 + · · · + αn xn + αw = 0. (5.1)
Si α 6= 0, entonces como α ∈ K, se tiene que existe α−1 ∈ K. Por tanto,
w = α−1 (−α1 )x1 + · · · + α−1 (−αn )xn .
Así, w ∈ U , siendo esto una contradicción. En consecuencia, α = 0. Entonces, susti-
tuyendo este valor en la expresión (5.1), tenemos
α1 x1 + · · · + αn xn = 0,
y al ser {x1 , . . . , xn } una base, en particular es libre, y de ahí que
α1 = · · · = αn = 0.
Por tanto, α = α1 = · · · = αn = 0 y obtenemos el resultado.
16. Prueba que el conjunto F = p(x) ∈ R3 [x] : 01 p(x)dx = 0 , es un subes-
n R o
pacio vectorial de R3 [x] y calcula una base de este subespacio.
Solución: Para probar que F es un subespacio vectorial de R3 [x], tomemos p(x), q(x) ∈
F y α, β ∈ R. Entonces
Z 1 Z 1 Z 1 Z 1 Z 1
(αp(x)+βq(x))dx = αp(x)dx+ βq(x)dx = α p(x)dx+β q(x)dx = 0,
0 0 0 0 0
por ser p(x), q(x) elementos de F . En consecuencia, F es subespacio vectorial.
Para obtener una base, sea ax3 + bx2 + cx + d ∈ F . Entonces
Z 1
a b c
(ax3 + bx2 + cx + d)dx = + + + d = 0.
0 4 3 2
De aquí, si α, β, γ ∈ R, obtenemos:
a = 4α
b = 3β
c = 2γ
d = −α −β −γ
146 Más de 160 problemas resueltos de Álgebra Lineal
Por tanto, todo polinomio p(x) = ax3 + bx2 + cx + d ∈ F , se puede expresar como
ax3 +bx2 +cx+d = 4αx3 +3βx2 +2γx+(−α−β−γ) = α(4x3 −1)+β(3x2 −1)+γ(2x−1).
Así pues, un sistema generador del subespacio F es B = {4x3 − 1, 3x2 − 1, 2x − 1} y,
al ser libre, es una base.
17. En el espacio vectorial de los polinomios de grado menor o igual a 3,
consideramos el subespacio P = {p(x) ∈ R3 [x] : p(x) = p(−x)}. Calcula una
base, dimensión, ecuaciones paramétricas y cartesianas de P.
Solución: Sea p(x) = ax3 + bx2 + cx + d ∈ P . Si p(x) = p(−x), entonces
ax3 + bx2 + cx + d = −ax3 + bx2 − cx + d.
Esto es,
2ax3 + 2cx = 0.
Por tanto las ecuaciones paramétricas vienen dadas por:
a = 0
b = α
c = 0
d = β.
Así, se tiene que p(x) = bx2 + d. Por tanto una base vendrá dada por {1, x2 }. Por
último, tenemos que las ecuaciones implícitas de P son a = c = 0.
18. Dados los subespacios F y G de R4 :
F = {(a, b, c, d) ∈ R4 : b − c − d = 0}, G = {(a, b, c, d) ∈ R4 : a + b = 0, c = 2d},
calcula la base y dimensión de F , G, F + G y F ∩ G.
Solución:
Base y dimensión de F .
Llamando a = α, b = β , c = γ , tenemos que d = β − γ . Así, dado (a, b, c, d) ∈ F ,
se tiene que:
(a, b, c, d) = (α, β, γ, β − γ) = α(1, 0, 0, 0) + β(0, 1, 0, 1) + γ(0, 0, 1, −1).
5. Subespacios vectoriales 147
Como estos vectores son libres, ya que el rango de la matriz cuyas las son
estos vectores es 3, se tiene que una base de F es BF = {(1, 0, 0, 0), (0, 1, 0, 1),
(0, 0, 1, −1)}. Así dim(F ) = 3.
Base y dimensión de G.
Llamando a = α, d = β , se tiene que b = −α y c = 2β . Así, dado (a, b, c, d) ∈ G,
entonces:
(a, b, c, d) = (α, −α, 2β, β) = α(1, −1, 0, 0) + β(0, 0, 2, 1).
Como estos vectores son libres, una base de G es BG = {(1, −1, 0, 0), (0, 0, 2, 1)}.
Luego dim(G) = 2.
Base y dimensión de F ∩ G.
Primero veamos qué conjunto es F ∩ G. Como ha de cumplir las condiciones de
los dos conjuntos, se tendrá que
F ∩ G = {(a, b, c, d) : b − c − d = 0, a + b = 0, c = 2d}.
Esto es,
a +b = 0
b −c −d = 0
c −2d = 0.
Al ser el rango de la matriz de coe cientes 3, el sistema anterior es un sistema
compatible indeterminado. En consecuencia, si d = α, entonces c = 2α, b = 3α
y a = −3α. Así, si (a, b, c, d) ∈ F ∩ G, entonces
(a, b, c, d) = (−3α, 3α, 2α, α) = α(−3, 3, 2, 1).
Así, un sistema generador de F ∩ G es {(−3, 3, 2, 1)}, que al estar formado por
un único vector no nulo, es libre. Por tanto, podemos a rmar que una base es
BF ∩G = {(−3, 3, 2, 1)}. En consecuencia, dim(F ∩ G) = 1.
Base y dimensión de F + G.
Sabemos que un sistema generador de F + G es BF ∪ BG , es decir:
{(1, 0, 0, 0), (0, 1, 0, 1), (0, 0, 1, −1), (1, −1, 0, 0), (0, 0, 2, 1)}.
Ahora veamos si son linealmente independientes. Para ello realizamos operacio-
nes elementales por las en la matriz de coe cientes y obtenemos:
1 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0
0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1
0 0 1 −1 → 0 0 1 −1 → 0 1 −1 1 −1
0 →0 0 .
1 −1 0 0 0 −1 0 0 0 0 0 1 0 0 0 1
0 0 2 1 0 0 2 1 0 0 2 1 0 0 0 0
148 Más de 160 problemas resueltos de Álgebra Lineal
Luego una base de F + G viene dada por
BF +G = {(1, 0, 0, 0), (0, 1, 0, 1), (0, 0, 1, −1), (0, 0, 0, 1)},
veri cándose, por tanto, que dim(F + G) = 4.
19. En M2 (R) consideramos los conjuntos
a b
V1 = : a, b ∈ R ,
a−b a+b
a b
V2 = : a + b + c + d = 0, 2a − c − d = 0 .
c d
Demuestra que ambos son subespacios vectoriales y calcula bases de V1 ∩V2
y V1 + V2 .
a b c d
Solución: Sean , ∈ V1 y α, β ∈ R. Se tiene que
a−b a+b c−d c+d
a b c d
α +β =
a−b a+b c−d c+d
αa + βc αb + βd
=
αa − αb + βc − βd αa + αb + βc + βd
αa + βc αb + βd
∈ V1 .
(αa + βc) − (αb + βd) (αa + βc) + (αb + βd)
Luego V1 es subespacio vectorial.
a b e f
Análogamente, sean , ∈ V2 y α, β ∈ R. Entonces
c d g h
a b e f αa + βe αb + βf
α +β = ,
c d g h αc + βg αd + βh
donde
(αa + βe) + (αb + βf ) + (αc + βg) + (αd + βh) = α(a + b + c + d) + β(e + f + g + h) = 0,
2(αa + βe) − (αc + βg) − (αd + βh) = α(2a − c − d) + β(2e − g − h) = 0,
ya que las matrices elegidas pertenecen a V2 . Por tanto, V2 también es subespacio
vectorial.
5. Subespacios vectoriales 149
a b
Vamos ahora a calcular las bases de V1 y V2 . Si ∈ V1 , entonces
a−b a+b
a b a 0 0 b 1 0 0 1
= + =a +b .
a−b a+b a a −b b 1 1 −1 1
1 0 0 1
Luego B1 = , es sistema generador de V1 y, por ser libre,
1 1 −1 1
es también base.
Para V2 , consideramos el sistema formado por sus ecuaciones cartesianas
a +b +c +d = 0
2a −c −d = 0,
cuyas soluciones son
a = α
b = −3α
c = β
d = 2α − β
a b
siendo α, β ∈ R. Esto es, si ∈ V2 , entonces
c d
a b α −3α α −3α 0 0
= = + =
c d β 2α − β 0 2α β −β
1 −3 0 0
α +β .
0 2 1 −1
1 −3 0 0
Luego una base de V2 es B2 = , .
0 2 1 −1
Para hallar una base de V1 ∩ V2 , calculamos primero las ecuaciones cartesianas
de V1 . Para ello, eliminamos parámetros en las ecuaciones paramétricas,
a = α
b = β
c = α − β
d = α + β
Así, las ecuaciones cartesianas de V1 vienen dadas por:
−a +b +c = 0
−a −b +d = 0.
Por tanto, las ecuaciones cartesianas de V1 ∩ V2 vendrán dadas por el sistema
150 Más de 160 problemas resueltos de Álgebra Lineal
−a +b +c = 0
−a −b +d = 0
a +b +c +d = 0
2a −c −d = 0.
Como el rango de la matriz de coe cientes del sistema es 3, el sistema tiene solu-
ción diferente de la trivial. Para resolverlo, elegimos un subsistema cuya matriz de
coe cientes tenga rango 3. Esto es,
−a +b +c = 0
−a −b +d = 0
a +b +c +d = 0.
La solución de este sistema nos dará las ecuaciones paramétricas de V1 ∩ V2 . Esto es,
dado α ∈ R, se tiene que:
a = −α
b = 3α
c = −4α
d = 2α
−1 3
luego una base de V1 ∩ V2 viene dada por B = .
−4 2
Para V1 + V2 , un sistema generador es B 0 = B1 ∪ B2 . Esto es,
0 1 0 0 1 1 −3 0 0
B = , , , .
1 1 −1 1 0 2 1 −1
Si además es libre, sería la base buscada. Vamos a verlo: sean α, β, γ, δ ∈ R tales que
1 0 0 1 1 −1 0 0 0 0
α +β +γ +δ = .
1 1 −1 1 0 0 1 −1 0 0
Entonces, se obtiene el sistema
α +γ = 0
β −γ = 0
α −β +δ = 0
α +β −δ = 0,
de donde la matriz de coe cientes
1 0 1 0
0 1 −1 0
A= ,
1 −1 0 1
1 1 0 −1
tiene rango 4. Así la única solución del sistema es la solución trivial y por tanto B 0
es libre, y de ahí podemos a rmar que B 0 es una base de V1 + V2 .
5. Subespacios vectoriales 151
20. Sean F y G subespacios vectoriales de R3 . Demuestra que R3 = F ⊕ G
en los siguientes casos:
a) F = {(a, b, c) ∈ R3 : a = b = c} y G = {(0, b, c)) : b, c ∈ R}.
b) F = {(a, b, c)) ∈ R3 : a + b + c = 0} y G = {(t, 2t, 3t) : t ∈ R}.
Solución:
a) Sean BF = {(1, 1, 1)}, BG = {(0, 1, 0), (0, 0, 1)} bases de F y G, respectivamente.
De esta forma, un sistema generador de F + G viene dado por BF ∪ BG =
{(1, 1, 1), (0, 1, 0), (0, 0, 1)}. Como
1 1 1
rg 0 1 0 = 3,
0 0 1
los vectores de BF ∪ BG son linealmente independientes, constituyen una base
de F + G, y así dim(F + G) = 3 = dim(R3 ). De ahí que F + G = R3 .
Veamos ahora que F ∩ G = {0}. Para ello, sea (a, b, c) ∈ F ∩ G. Entonces, se
veri ca
a = b = c
a = 0,
de donde a = b = c = 0. Así, F ∩ G = {0}, luego F ⊕ G = R3 .
b) De nuevo, consideramos unas bases, BF y BG de F y G, respectivamente,
BF = {(1, 0, −1), (0, 1, −1)}, BG = {(1, 2, 3)}.
Entonces, BF ∪ BG = {(1, 0, −1), (0, 1, −1), (1, 2, 3)} es un sistema generador de
F + G. Además, se tiene que
1 0 −1
rg 0 1 −1 = 3,
1 2 3
luego los vectores son linealmente independientes y, en consecuencia, BF ∪ BG
es una base de F + G. Análogamente al apartado anterior, F + G = R3 , ya que
dim(F + G) = 3 = dim(R3 ).
Tomemos ahora (t, 2t, 3t) ∈ F ∩ G. Entonces t + 2t + 3t = 0, es decir, t = 0. Por
tanto, F ∩ G = {0}. Así pues, podemos a rmar que, F ⊕ G = R3 .
Recordamos ahora dos resultados que nos serán de bastante utilidad en los ejer-
cicios que vienen a continuación. Estos resultados pueden consultarse en [9]:
152 Más de 160 problemas resueltos de Álgebra Lineal
Fórmula de Grassmann
Dados dos subespacios vectoriales F y G de un espacio vectorial V de di-
mensión nita, se veri ca que:
dim(F ) + dim(G) = dim(F ∩ G) + dim(F + G).
De nición de subespacio suplementario
Dados dos subespacios vectoriales F y G de un espacio vectorial V , diremos
que el subespacio G es un subespacio suplementario de F , si se veri ca
que F ⊕ G = V . Esto es, se veri can las condiciones siguientes:
1. F + G = V ,
2. F ∩ G = {0}.
21. Sea R3 [x] el espacio vectorial de los polinomios de grado menor o igual
que 3 con coe cientes reales y consideremos la base B = {x3 , x2 , x, 1}. Dados
los subespacios
2 2 2 x2 + x3 = 0
U = L(x + 2x, −x + x, x + x), W ≡ ,
2x2 − x3 = 0
x1 = 0
x2 = −β
V ≡
x3 = 0
x4 = α+β
Calcula:
a) U ∩ W , U + W.
b) ¾Son U y W suplementarios?
c) Una base de W ∩ V.
d) Ecuaciones cartesianas de U + V.
Solución:
a) U ∩W
Calculamos una base de U a partir del sistema generador {x2 + 2x, −x2 +
x, x2 + x}. Comprobemos si es libre. Como vimos en ejercicios anteriores, esto
5. Subespacios vectoriales 153
es equivalente a hallar el rango de la matriz
1 2 0
A = −1 1 0 .
1 1 0
Como rg(A) = 2, se tiene que dim(U ) = 2. Así, una base de U es BU =
{x2 + 2x, x}. A continuación, vamos a calcular sus ecuaciones. Si p(x) =
x1 x3 + x2 x2 + x3 x + x4 ∈ U , se tendrá que
p(x) = x1 x3 + x2 x2 + x3 x + x4 = α(x2 + 2x) + βx = αx2 + (2 + β)x.
Identi cando coe cientes, se tiene que las ecuaciones cartesianas de U vendrán
dadas por x1 = x4 = 0.
Por tanto, las ecuaciones cartesianas de la intersección serán:
x1 = 0
x2 +x3 = 0
U ∩W ≡
2x2 −x3 = 0
x4 = 0.
De donde obtenemos que si (x1 , x2 , x3 , x4 ) ∈ U ∩W , entonces (x1 , x2 , x3 , x4 ) =
(0, 0, 0, 0). Así, U ∩ W es el subespacio nulo.
U +W
Sabemos que un sistema generador de U +W viene dado por BU ∪BW , siendo
BU y BW bases de U y W respectivamente. Ya tenemos una base de U ,
calculemos ahora una base de W . Vemos que las ecuaciones cartesianas de W
son equivalentes a x2 = x3 = 0. Esto es, si p(x) = x1 x3 +x2 x2 +x3 x+x4 ∈ W ,
entonces p(x) = x1 x3 +x4 . Luego una base de W es BW = {x3 , 1}. Así U +W
está generado por el conjunto {x2 + 2x, x, x3 , 1} que, como además es libre,
constituye una base, luego BU +W = {x3 , x2 + x, x, 1} es una base de U + W .
b) Tenemos que ver que U ∩ W = {0} y que U + W = R3 [x]. Veamos primero que
su intersección es el vector nulo. Sea p(x) = x1 x3 + x2 x2 + x3 x + x4 ∈ U ∩ W .
Si p(x) ∈ U , entonces x1 = x4 = 0 y si p(x) ∈ W , entonces x2 = x3 = 0, luego
p(x) = 0. Así, U ∩ W = {0}. Veamos que su suma es el total. Por la fórmula de
Grassmann, se tiene que
dim(U ) + dim(W ) = dim(U ∩ W ) + dim(U + W ),
de donde
dim(U + W ) = 4 = dim(R3 [x]).
Así, U + W = R3 [x]. Luego sí son suplementarios.
154 Más de 160 problemas resueltos de Álgebra Lineal
c) Sabemos que las ecuaciones de V ∩ W son x1 = x2 = x3 = 0. Así, si p(x) =
x1 x3 + x2 x2 + x3 x + x4 ∈ W ∩ V , entonces p(x) = x4 . Luego una base de V ∩ W
será {1}.
d) Calculemos una base de U + V . Comenzamos calculando una base de V . Tenemos
que si p(x) = x1 x3 + x2 x2 + x3 x + x4 ∈ V , entonces p(x) = −βx2 + (α + β) =
α + β(−x2 + 1). Así un sistema generador de V es {1, −x2 + 1}, que al ser libre es
una base. Esto es, BV = {1, −x2 + 1}. Luego un sistema generador de U + V es
BU ∪ BV = {x2 + 2x, x, 1, −x2 + 1}. Para ver si es base, consideramos la matriz
cuyas las son las coordenadas de los vectores dados,
1 2 0 1 2 0 1 2 0 1 2 0
0 1 0 0 1 0 0 1 0 0 1 0
→ → → .
0 0 1 0 0 1 0 0 1 0 0 1
−1 0 1 0 2 1 0 0 1 0 0 0
Por tanto, una base de U + V viene dada por BU +V = {x2 + 2x, x, 1}. Vamos a
calcular ahora las ecuaciones cartesianas de U + V . Si p(x) = x1 x3 + x2 x2 + x3 x +
x4 ∈ U + V, entonces p(x) = α(x2 + 2x) + βx + λ. Esto es,
x1 = 0
x2 = α
x3
= 2α + β
x4 = λ
Así, podemos a rmar que la ecuación cartesiana de U + V es x1 = 0.
22. Se considera el subespacio de R5 generado por S = {(0, 2, −1, 1, 0),
(0, 3, 0, 0, 1), (0, 1, 1, −2, 1)}. Obtener un subespacio suplementario.
Solución: Sea F el subespacio vectorial generado por el conjunto
S = {(0, 2, −1, 1, 0), (0, 3, 0, 0, 1), (0, 1, 1, −2, 1)}.
En primer lugar calcularemos una base de F . Para ello, bastará ver si el conjunto
S es libre. Esto puede comprobarse calculando el rango de la matriz A, cuyas las
son los vectores dados. Esto es,
0 2 −1 1 0
0 3 0 0 1 .
0 1 1 −2 1
Como rg(A) = 3, se tiene que el conjunto S es libre y de ahí, que constituya una
base de F . En consecuencia, dim(F ) = 3. Por tanto, la dimensión de un subespacio
5. Subespacios vectoriales 155
suplementario tiene que ser 2. Como una base de R5 es S ∪{(1, 0, 0, 0, 0), (0, 0, 0, 0, 1)},
una base del subespacio suplementario vendrá dada por {(1, 0, 0, 0, 0), (0, 0, 0, 0, 1)}.
23. Consideremos los subespacios U y V de R3 tales que las ecuaciones
paramétricas de U son:
x = λ +γ
U≡ y = µ +γ
z = λ +µ +2γ
y la ecuación implícita de W es x − y + 2z = 0. Se pide:
a) Base de U , W , U + W , U ∩ W.
b) Base de un subespacio suplementario de U + W.
c) Coordenadas de (2, 3, 5) respecto de la base de U + W obtenida en el
primer apartado.
Solución:
a) De las ecuaciones paramétricas de U , podemos ver que {(1, 0, 1), (0, 1, 1), (1, 1, 2)}
es un sistema generador de U . Pero estos vectores no son linealmente inde-
pendientes puesto que (1, 0, 1) + (0, 1, 1) = (1, 1, 2). Luego podemos decir que
{(1, 0, 1), (0, 1, 1)} es base de U ya que ambos vectores no son proporcionales y
por tanto linealmente independientes.
Las ecuaciones paramétricas de W son:
x = λ −2γ
y = λ
z = γ
luego {(1, 1, 0), (−2, 0, 1)} es sistema generador y, al ser libre, es base de W .
Sea (x, y, z) ∈ U + W . Entonces
(x, y, z) = (u1 , u2 , u3 ) + (w1 , w2 , w3 )
con (u1 , u2 , u3 ) ∈ U , (w1 , w2 , w3 ) ∈ W . Así
(u1 , u2 , u3 ) = α(1, 0, 1) + β(0, 1, 1),
(w1 , w2 , w3 ) = λ(1, 1, 0) + δ(−2, 0, 1).
Luego
x = α + λ − 2δ
y = β + λ
z = α + β + δ
156 Más de 160 problemas resueltos de Álgebra Lineal
Por tanto {(1, 0, 1), (0, 1, 1), (1, 1, 0), (−2, 0, 1)} es sistema generador de U + W .
Podemos excluir (−2, 0, 1) puesto que (−2, 0, 1) = − 12 (1, 0, 1) + 32 (0, 1, 1) −
2 (1, 1, 0). Además {(1, 0, 1), (0, 1, 1), (1, 1, 0)} es un sistema libre, ya que el rango
3
de la matriz cuyas las son esos vectores es 3. En consecuencia {(1, 0, 1), (0, 1, 1),
(1, 1, 0)} es una base de U + V .
Para calcular una base de U ∩ W , necesitamos las ecuaciones implícitas de
U y W . Tenemos las ecuaciones de W y puede comprobarse que la ecuación
implícita de U viene dada por x + y − z = 0, entonces las ecuaciones implícitas
de U ∩ W son:
x + y − z = 0
x − y + 2z = 0.
Resolviendo el sistema anterior obtenemos las ecuaciones paramétricas de U ∩W .
Esto es,
1
x = −2α
y = 32 α
z = α,
luego {(−1, 3, 2)} es una base de U ∩ W .
b) Puesto que la dimensión de U + W es 3, se tiene que U + W = R3 y por tanto
el espacio suplementario de U + W es el subespacio nulo.
c) Las coordenadas del vector (2, 3, 5) respecto de la base U +W , serán los escalares
α, β, γ ∈ R tales que:
(2, 3, 5) = α(1, 0, 1) + β(0, 1, 1) + γ(1, 1, 0).
Esto es,
α + γ = 2
β + γ = 3
α + β = 5.
Resolviendo el sistema se tiene que α = 2, β = 3, γ = 0. Así las coordenadas del
vector (2, 3, 5) en la base pedida son (2, 3, 0).
24. Demostrar que el subespacio vectorial de las funciones pares y el de las
funciones impares son subespacios suplementarios en el espacio vectorial
de las funciones reales de variable real.
Solución: Consideremos V = {f | f : R −→ R}, el espacio vectorial de las funciones
reales de variable real, P = {f (x) ∈ V | f (x) = f (−x)} el subespacio vectorial de las
5. Subespacios vectoriales 157
funciones pares e I = {f (x) ∈ V | − f (x) = f (−x)} el subespacio vectorial de las
funciones impares. Sea f ∈ V tal que f = p + g , p ∈ P , g ∈ I . De aquí obtenemos:
f (x) = p(x) + g(x)
f (−x) = p(x) − g(x).
Por tanto, f (x) + f (−x) = 2p(x). Luego p(x) = 12 [f (x) + f (−x)] y f (x) − f (−x) =
2g(x). Es decir, g(x) = 21 [f (x) − f (−x)].
Así hemos obtenido que
1 1
f (x) = [f (x) + f (−x)] + [f (x) − f (−x)] ,
2 2
donde 1
2 [f (x) + f (−x)] ∈ P y 1
2 [f (x) − f (−x)] ∈ I.
Por tanto V = P + I . Veamos ahora que P ∩ I = {0}. Sea f (x) ∈ P ∩ I entonces,
f (x) ∈ P y f (x) ∈ I . Así −f (x) = f (−x) = f (x) de donde f (x) = 0 para todo x ∈ R.
25. Obtener una base del espacio vectorial cociente R4 /V , siendo V
el subespacio generado por los vectores {(1, 0, 1, 1), (1, 2, 1, 1), (2, 2, 2, 2)}.
Solución: Observamos en primer lugar que (1, 0, 1, 1) + (1, 2, 1, 1) = (2, 2, 2, 2). Por
tanto podemos eliminar este último vector del conjunto, obteniendo la base de V , esto
es,
BV = {(1, 0, 1, 1), (1, 2, 1, 1)}.
A continuación, vamos a añadir vectores a esta base hasta obtener una base de R4 .
Puede comprobarse que el conjunto
{(1, 0, 1, 1), (1, 2, 1, 1), (0, 0, 1, 0), (0, 0, 0, 1)},
constituye una base de R4 . Así una base de R4 /V es {[(0, 0, 1, 0)], [(0, 0, 0, 1)]}.
26. En R3 se consideran los subespacios
x = 0
U = L((2, 0, −1), (1, 2, 0), (0, 4, 1)), W ≡
y + z = 0.
Calcular una base de los espacios R3 /U, R3 /W, R3 /(U ∩ W ) y R3 /(U + W ).
Halla las coordenadas de [(−1, 2, 1)] en la base obtenida para R3 /U .
158 Más de 160 problemas resueltos de Álgebra Lineal
Solución: Primero vamos a calcular una base de U . Observamos que dados los
vectores (2, 0, −1), (1, 2, 0), (0, 4, 1), podemos construir la matriz cuyas las sean los
vectores dados:
2 0 −1
1 2 0 .
0 4 1
Haciendo transformaciones elementales en dicha matriz, se tiene que
1 2 0 1 2 0
2 0 −1 → 0 4 1 .
0 4 1 0 0 0
Así, podemos considerar como sistema generador a {(1, 2, 0), (0, 4, 1)} que, al ser libre,
será una base. Esto es, tomamos como base de U el conjunto BU = {(1, 2, 0), (0, 4, 1)}.
Para calcular una base de R3 /U , en primer lugar, completamos BU con el vector
(0, 0, 1) para obtener una base de R3 . Luego una base de R3 /U vendrá dada por
{[(0, 0, 1)]}.
Como en el caso anterior, para obtener una base de R3 /W comenzamos calcu-
lando una base de W . A partir de sus ecuaciones cartesianas podemos obtener sus
ecuaciones paramétricas. Esto es,
x = 0
y = α
z = −α
Así un sistema generador de W será {(0, 1, −1)}, que al ser libre es base. Por
tanto, una base de W será BW = {(0, 1, −1)}. Ahora, podemos completar BW con
los vectores (1, 0, 0), (0, 0, 1) para obtener una base de R3 y, así,
{[(1, 0, 0)], [(0, 0, 1)]}
es una base de una base de R3 /W.
Vamos ahora a calcular una base de R3 /(U ∩ W ). Para ello tendremos que co-
menzar calculando, como en los casos anteriores, una base de U ∩ W . Esto se consigue
calculando las ecuaciones cartesianas de U y W . Comenzamos con las ecuaciones
cartesianas de U . Consideremos sus ecuaciones paramétricas. Esto es,
x = α
y = 2α + 4β
z = β
donde, eliminando los parámetros α y β , se obtiene 2x − y + 4z = 0. Esto es,
U = {(x, y, z) ∈ R3 : 2x − y + 4z = 0}.
5. Subespacios vectoriales 159
Así, si (x, y, z) ∈ U ∩ W , entonces se tendrá que veri car el sistema
x = 0
y + z = 0
2x − y + 4z = 0.
Esto es, x = y = z = 0. Por tanto, U ∩ W = {(0, 0, 0)}. Análogamente a los
casos anteriores y puesto que U ∩ W = {(0, 0, 0)}, una base de R3 /(U ∩ W ) es
{[(1, 0, 0)], [(0, 1, 0)], [(0, 0, 1)]}.
Finalmente vamos a calcular una base de R3 /(U + W ). Procediendo de for-
ma similar a los casos anteriores, tendremos que comenzar calculando una base de
U + W . Así, partimos de un sistema generador de U + W . Esto es, BU ∪ BW =
{(1, 2, 0), (0, 4, 1), (0, 1, −1)}. Veamos si es libre, para ello hacemos transformaciones
elementales a la matriz cuyas las son los vectores dados,
1 2 0 1 2 0
0 1 −1 → 0 1 −1 .
0 4 1 0 0 5
En consecuencia, el conjunto es libre y una base de U + W vendrá dada por BU +W =
{(1, 2, 0), (0, 4, 1), (0, 1, −1)}. Así, como U + W tiene dimensión 3, entonces U + W =
R3 y R3 /(U + W ) = {[(0, 0, 0)]}.
La coordenada de [(−1, 2, 1)] en la base de R3 /U , será el escalar α ∈ R tal que
[(−1, 2, 1)] = α[(0, 0, 1)].
Esto es, [(−1, 2, 1)] = [(0, 0, α)]. Así
(−1, 2, 1) − (0, 0, α) = (−1, 2, 1 − α) ∈ U.
Por tanto, (−1, 2, 1 − α) deberá veri car la ecuación cartesiana de U , es decir
2(−1) − 2 + 4(1 − α) = 0.
De donde α = 0. Por tanto, la coordenada de [(−1, 2, 1)] en la base de R3 /U es 0.
6 | Aplicaciones lineales
En los problemas de este capítulo estudiaremos:
Concepto de aplicación lineal.
Cálculo del núcleo e imagen de una aplicación lineal.
Matriz asociada a una aplicación lineal.
Operaciones con aplicaciones lineales.
1. Dados dos espacios vectoriales E y F, decir qué aplicaciones de las
siguientes son aplicaciones lineales:
a) E = F = R3 , f (x) = x0 , siendo x0 un punto jo de R3 .
b) E = F = R3 , f (x) = (x21 , 0, x2 + x3 ), siendo x = (x1 , x2 , x3 ).
c) E = F = Mn , f (A) = A + At .
d) E = F = R3 [x], f (p(x)) = p0 (x).
e) E = F = R3 , f (x, y, z) = (x − 1, y, −z).
f) E = R2 , F = R3 , f (x, y) = (x − y, x + y, x).
Solución: Para resolver este ejercicio, utilizaremos la siguiente caracterización de
aplicación lineal que aparece en [9].
Caracterización de aplicación lineal
Una aplicación f : V −→ V 0 entre dos K-espacios vectoriales es lineal si, y
solamente si
f (ax + by) = af (x) + bf (y), ∀ a, b ∈ K, ∀ x, y ∈ V .
a) Si x0 6= 0, entonces f no es aplicación lineal ya que f (0) = x0 6= 0, incumpliendo
así que f (0V ) = 0V 0 .
Si x0 = 0, f es aplicación lineal ya que f (αx + βy) = x0 = 0 = 0 + 0 = α · 0 + β · 0 =
αf (x) + βf (y).
161
162 Más de 160 problemas resueltos de Álgebra Lineal
b) Sean x = (x1 , x2 , x3 ), y = (y1 , y2 , y3 ) ∈ R3 , α, β ∈ R. Apliquemos la caracteriza-
ción:
f (αx + βy) = f (αx1 + βy1 , αx2 + βy2 , αx3 + βy3 ) =
((αx1 + βy1 )2 , 0, αx2 + αx3 + βy2 + βy3 ).
Por otra parte:
f (αx) + f (βy) = f [(αx1 , αx2 , αx3 )] + f [(βy1 , βy2 , βy3 )] =
((αx1 )2 , 0, αx2 + αx3 ) + ((βy1 )2 , 0, βy2 + βy3 ) =
((αx1 )2 + (βy1 )2 , 0, αx2 + αx3 + βy2 + βy3 ).
Vemos que si x1 , y1 , α, β 6= 0, entonces f (αx + βy) 6= αf (x) + βf (y). Luego f no
es una aplicación lineal. Por ejemplo, tomando α = β = 1, x, y = (1, 0, 0), se tiene
que:
f (αx + βy) = (4, 0, 0) 6= (2, 0, 0) = f (αx) + f (βy).
c) Dadas A, B ∈ Mn , α, β ∈ R, aplicando las propiedades de la trasposición de
matrices, se tiene:
f (αA + βB) = (αA + βB) + (αA + βB)t = αA + βB + (αA)t + (βB)t =
αA + βB + αAt + βB t = α(A + At ) + β(B + B t ) = αf (A) + βf (B).
Luego f es aplicación lineal.
d) Sean p(x), q(x) ∈ R3 [x], α, β ∈ R. Veamos, en este caso, si f es una aplicación
lineal, utilizando para ello las propiedades de la derivada de un polinomio,
f (αp(x) + βq(x)) = (αp(x) + βq(x))0 = αp0 (x) + βq 0 (x) = αf (p(x)) + βf (q(x)).
Luego f es aplicación lineal.
e) Si la aplicación f fuese lineal, se tendría f (0, 0, 0) = (0, 0, 0). Pero f (0, 0, 0) =
(−1, 0, 0) 6= (0, 0, 0). Por tanto no es aplicación lineal.
f) Sean x = (x1 , x2 ), y = (y1 , y2 ) ∈ R2 , α, β ∈ R. Entonces:
f [α(x1 , x2 ) + β(y1 , y2 )] = f (αx1 + βy1 , αx2 + βy2 ) =
((αx1 + βy1 ) − (αx2 + βy2 ), (αx1 + βy1 ) + (αx2 + βy2 ), αx1 + βy1 ) =
(α(x1 − x2 ) + β(y1 − y2 ), α(x1 + x2 ) + β(y1 + y2 ), αx1 + βy1 ) =
(α(x1 − x2 ), α(x1 + x2 ), αx1 ) + (β(y1 − y2 ), β(y1 + y2 ), βy1 ) =
α(x1 − x2 , x1 + x2 , x1 ) + β(y1 − y2 , y1 + y2 , y1 ) = αf (x1 , x2 ) + βf (y1 , y2 ).
Así, podemos a rmar que f es una aplicación lineal.
6. Aplicaciones lineales 163
0 1
2. Sea f : M2 −→ M2 tal que f (A) = AB − BA, donde B=
0 0
. Hallar
el núcleo y la imagen de f .
Solución: En este ejercicio, utilizaremos los siguientes conceptos y resultados que
pueden consultarse en [9]. Comenzaremos recordando el concepto de Núcleo de una
aplicación,
Núcleo de una aplicación lineal
Dada f : V −→ V 0 una aplicación lineal, de nimos el núcleo de f , al
conjunto:
ker(f ) = {a ∈ V : f (a) = 0V 0 }.
Puede comprobarse que ker(f ) es un subespacio vectorial de V .
También recordaremos el concepto de imagen,
Imagen de una aplicación lineal
Dada f : V −→ V 0 una aplicación lineal, de nimos la imagen de f , al
conjunto:
Im(f ) = {f (x) : x ∈ V }.
Puede comprobarse que Im(f ) es un subespacio vectorial de V 0 .
Mostraremos algunas propiedades que veri ca una aplicación lineal, dependiendo del
núcleo y de la imagen,
Propiedades del núcleo e imagen de una aplicación lineal
Dada una aplicación lineal f : V −→ V 0 , se tiene que:
1. f es inyectiva ⇐⇒ ker(f ) = {0}.
2. f es sobreyetiva ⇐⇒ Im(f ) = V 0 .
Veamos cómo es posible calcular un sistema generador de la imagen de una aplicación
lineal,
164 Más de 160 problemas resueltos de Álgebra Lineal
Sistema generador del subespacio imagen de una aplicación lineal
Si {u1 , . . . , un } es sistema generador de V , entonces {f (u1 ), . . . , f (un )} es
sistema generador de Im(f ).
Calculemos en primer lugar el núcleo de la aplicación. Si A ∈ ker(f ), entonces
f (A) = θ. Esto es,
a b 0 1 0 1 a b
f (A) = AB − BA = − =
c d 0 0 0 0 c d
0 a c d 0 0
= − = .
0 c 0 0 0 0
Quedando pues
−c a−d 0 0
= .
0 c 0 0
Esto es, se tiene el siguiente sistema de ecuaciones:
−c = 0
a−d = 0,
cuyas soluciones son a = d, c = 0. Por tanto
a b a 0 0 b 1 0 0 1
A= = + =a +b .
0 a 0 a 0 0 0 1 0 0
1 0 0 1
Así, un sistema generador del núcleo será , , que al ser
0 1 0 0
libre, es base.
Calculemos ahora la imagen de la aplicación. Una base de M2 viene dada por:
1 0 0 1 0 0 0 0
, , , .
0 0 0 0 1 0 0 1
Por tanto, un sistema generador de Im(f ) será:
1 0 0 1 0 0 0 0
f ,f ,f ,f =
0 0 0 0 1 0 0 1
0 1 0 0 −1 0 0 −1
= , , , .
0 0 0 0 0 1 0 0
0 1 −1 0
Así, una base de Im(f ) será , .
0 0 0 1
6. Aplicaciones lineales 165
3. Sea f : R3 [x] −→ R2 [x] tal que f (a0 + a1 x + a2 x2 + a3 x3 ) = a0 + a1 + a2 x + a3 x2 .
Hallar una base y dimensión del núcleo y de la imagen de f.
Solución: Si ax3 + bx2 + cx + d ∈ ker(f ), entonces f (ax3 + bx2 + cx + d) = 0. Por
tanto, ax + bx + c + d = 0. De donde, identi cando coe cientes, obtenemos el sistema
2
a = 0
b = 0
c+d = 0,
cuyas soluciones son: a = 0, b = 0, d = −c. En consecuencia, si p(x) = ax3 + bx2 +
cx + d ∈ ker(f ), entonces p(x) = cx − c = c(x − 1). Por tanto, una base del núcleo
será B1 = {x − 1}, de donde podemos a rmar que dim(ker(f )) = 1.
Pasemos ahora a calcular Im(f ). Consideremos B = {x3 , x2 , x, 1} una base
de R3 [x]. Entonces un sistema generador del subespacio imagen viene dado por
{f (x3 ), f (x2 ), f (x), f (1)}, esto es, {x2 , x, 1, 1}. Luego B2 = {x2 , x, 1} es una base
de Im(f ) y, por tanto, dim(Im(f )) = 3.
4. Dada f : V −→ V 0 una aplicación lineal, demuestra que:
a) f es inyectiva ⇐⇒ Para cada conjunto {u1 , . . . , ur } linealmente inde-
pendiente entonces {f (u1 ), . . . , f (ur )} es linealmente independiente.
b) f es sobreyectiva ⇐⇒ Para cada conjunto {u1 , . . . , ur }, sistema gene-
rador de V , entonces {f (u1 ), . . . , f (ur )} es sistema generador de V 0 .
Solución:
a) =⇒ Probemos que el conjunto {f (u1 ), . . . , f (ur )} es linealmente independiente.
Para ello, consideremos la siguiente combinación lineal
α1 f (u1 ) + · · · + αr f (ur ) = 0.
Como f es aplicación lineal, se tiene que f (α1 u1 + · · · + αr ur ) = 0. Esto es,
α1 u1 + · · · + αr ur ∈ ker(f ) y, al ser f inyectiva, se tiene que α1 u1 + · · · + αr ur = 0.
Pero el conjunto de vectores {u1 , . . . , ur } es linealmente independiente, entonces
α1 = · · · = αr = 0, y de ahí podemos a rmar que {f (u1 ), . . . , f (ur )} es un conjunto
de vectores linealmente independientes.
⇐= Demostraremos que ker(f ) = {0}. Supongamos que exista x ∈ ker(f ) tal que
x 6= 0. Así, el conjunto unitario {x} es linealmente independiente. Entonces, por
hipótesis, se tiene que {f (x)} es libre. Pero x ∈ ker(f ), luego {f (x)} = {0} es un
conjunto libre, y esto es una contradicción. Por tanto ker(f ) = {0} y de ahí que f
sea una aplicación inyectiva.
166 Más de 160 problemas resueltos de Álgebra Lineal
b) =⇒ Si {u1 , . . . , ur } es un sistema generador de V , entonces sabemos que {f (u1 ), . . . ,
f (ur )} es sistema generador de Im(f ). Pero al ser f sobreyectiva, se tiene que
Im(f ) = V 0 . Esto es, {f (u1 ), . . . , f (ur )} es un sistema generador de V 0 .
⇐= Sea {u1 , . . . , ur } sistema generador de V , entonces {f (u1 ), . . . , f (ur )} es siste-
ma generador de Im(f ), y por hipótesis, {f (u1 ), . . . , f (ur )} es sistema generador
de V 0 . Esto es, Im(f ) = V 0 y, por tanto, f es sobreyectiva.
5. Sea f : R3 −→ R3 la aplicación lineal tal que f (x, y, z) = (x, 0, 0). Hallar
respecto de la base canónica:
a) La matriz asociada.
b) Una base y dimensión del núcleo.
c) Una base para el conjunto imagen. Rango de la aplicación.
d) Las ecuaciones de la aplicación.
Solución:
a) Las coordenadas de las imágenes de los elementos de la base canónica, respecto de
la base canónica son:
f ((1, 0, 0)) = (1, 0, 0)
f ((0, 1, 0)) = (0, 0, 0)
f ((0, 0, 1)) = (0, 0, 0).
Por tanto, la matriz asociada vendrá dada por:
1 0 0
!
A= 0 0 0 .
0 0 0
b) Si (x, y, z) ∈ ker(f ), entonces f (x, y, z) = (x, 0, 0) = (0, 0, 0). Por tanto, x = 0.
Así, si (x, y, z) ∈ ker(f ), se tiene que (x, y, z) = (0, y, z) = y(0, 1, 0) + z(0, 0, 1).
Esto es, una base de ker(f ) vendrá dada por B = {(0, 1, 0), (0, 0, 1)}, y de ahí que
dim(ker(f )) = 2.
c) Una base de R3 es {(1, 0, 0), (0, 1, 0), (0, 0, 1)}. Por tanto un sistema generador de
la imagen de f es
{f ((1, 0, 0)), f ((0, 1, 0)), f ((0, 0, 1))} = {(1, 0, 0), (0, 0, 0), (0, 0, 0)}.
Así una base para Im(f ) es B = {(1, 0, 0)}, y el rango de la aplicación es 1.
6. Aplicaciones lineales 167
d) Las ecuaciones de la aplicación, vienen dadas por la siguiente expresión matricial:
y1 1 0 0 x1
! ! !
y2 = 0 0 0 x2 .
y3 0 0 0 x3
6. Idem para f : R2 −→ R3 tal que f (x, y) = (x − y, x + y, x).
Solución:
a) Las imágenes de los elementos de la base canónica de R2 son
f (1, 0) = (1, 1, 1), f (0, 1) = (−1, 1, 0).
Así la matriz asociada será
1 −1
A= 1 1 .
1 0
b) Si (x, y) ∈ ker(f ), entonces se tiene que
f (x, y) = (x − y, x + y, x) = (0, 0, 0).
Esto es, se tiene el sistema
x−y = 0
x+y = 0
x = 0,
cuyas soluciones son x = y = 0. En consecuencia, ker(f ) = {(0, 0)} y su dimensión
es cero.
c) Tal y como vimos en el primer apartado, las imágenes de los elementos de la base
canónica de R2 son
f (1, 0) = (1, 1, 1), f (0, 1) = (−1, 1, 0),
luego B = {(1, 1, 1), (−1, 1, 0)} es sistema generador del conjunto Imagen y, puesto
que B es además linealmente independiente, a rmamos que B es base de Im(f ). El
rango de la aplicación es el rango de cualquier matriz asociada. Esto es, el rango
de f es el rg(A), que es en este caso 2.
d) Las ecuaciones de la aplicación vienen dadas por
y1 1 −1
y2 = 1 x1
1 .
x2
y3 1 0
168 Más de 160 problemas resueltos de Álgebra Lineal
En [9] puede consultarse el siguiente resultado que nos será de bastante utilidad en
los ejercicios que siguen:
Fórmula de las dimensiones para aplicaciones lineales
Dada f : V −→ V 0 una aplicación lineal, se tiene que
dim(V ) = dim(ker(f )) + dim(Im(f )).
7. Sean V y V 0 espacios vectoriales de la misma dimensión n y f una
aplicación lineal entre ellos. Prueba que son equivalentes:
f es inyectiva ⇐⇒ f es sobreyectiva ⇐⇒ f es isomor smo ⇐⇒ rg(f ) = n.
Solución:
f inyectiva =⇒ f sobreyectiva.
Supongamos que f es inyectiva. Entonces ker(f ) = {0}. Esto es, dim(ker(f )) =
0. Utilizando la fórmula de las dimensiones se tiene dim(V ) = dim(ker(f )) +
dim(Im(f )) = 0 + dim(Im(f )). Como dim(V ) = dim(V 0 ), podemos a rmar que
dim(V 0 ) = dim(Im(f )) y de ahí que Im(f ) = V 0 . Por tanto f es sobreyectiva.
f sobreyectiva =⇒ f isomor smo.
Supongamos que f es sobreyectiva. Entonces dim(Im(f )) = dim(V 0 ). Como
dim(V ) = dim(V 0 ), tenemos que dim(Im(f )) = dim(V ). Por tanto, utilizando
la fórmula de las dimensiones, podemos a rmar que dim(ker(f )) = 0, y de ahí
que ker(f ) = {0}. Así f es inyectiva, y al ser sobreyectiva, se tiene el resultado.
f isomor smo =⇒ rg(f ) = n.
Si f es un isomor smo, entonces f es sobreyectiva. Por tanto, rg(f ) = dim(Im(f ))
= dim(V 0 ) = n.
rg(f ) = n =⇒ f inyectiva.
Supongamos que rg(f ) = n. Entonces se tiene que dim(Im(f )) = n = dim(V ).
Utilizando la fórmula de las dimensiones se tiene que dim(ker(f ))+dim(Im(f )) =
dim(V ) = n. Por tanto, dim(ker(f )) = n − n = 0. Así f es inyectiva.
6. Aplicaciones lineales 169
8. Sea f : M2 −→ M3×1 , la aplicación lineal dada por:
a+b+c+d
a b
f = 2a + 3b + 4c + 6d .
c d
a + 3b + 5c + 9d
Hallar la matriz asociada, núcleo e imagen de la aplicación respecto de la
base canónica.
Solución: Consideremos
1 0 0 1 0 0 0 0
B= , , ,
0 0 0 0 1 0 0 1
la base canónica de M2 . Necesitamos calcular las imágenes de los elementos de esta
base. Esto es,
1 1 1 1
1 0 0 1 0 0 0 0
f = 2 , f = 3 , f = 4 , f = 6 .
0 0 0 0 1 0 0 1
1 3 5 9
Luego la matriz asociada en la base canónica es
1 1 1 1
2 3 4 6 .
1 3 5 9
a b a b
Calculemos el núcleo de f . Si A = ∈ ker(f ), entonces f =
c d c d
0
0 . Esto es:
0
a+b+c+d 0
2a + 3b + 4c + 6d = 0 .
a + 3b + 5c + 9d 0
Se trata, por tanto, de resolver el sistema
a +b +c +d = 0
2a +3b +4c +6d = 0
a +3b +5c +9d = 0,
cuyas soluciones vienen dadas por
a = α + 3β, b = −2α − 4β, c = α, d = β, α, β ∈ R.
170 Más de 160 problemas resueltos de Álgebra Lineal
Por tanto, una base del ker(f ) vendrá dada por:
1 −2 3 −4
, .
1 0 0 1
Calculemos ahora una base de la imagen de f . Si B es base de M2 , un sistema
generador de Im(f ) vendrá dado por:
1 0 0 1 0 0 0 0
f ,f ,f ,f .
0 0 0 0 1 0 0 1
Esto es,
1 1 1 1
2 , 3 , 4 , 6
1 3 5 9
es sistema generador de Im(f ). Puede comprobarse que estos vectores son linealmente
dependientes, y por tanto, una base de Im(f ) viene dada por:
1 1
2 , 3 .
1 3
9. Sea f una aplicación lineal de (V3 , +, ·R) en sí mismo, tal que:
f (u1 ) = v1 + v2 + v3 , f (u2 ) = 2v1 − v2 + 3v3 , f (u3 ) = −v1 + 2v2 ,
donde B = {u1 , u2 , u3 } y B 0 = {v1 , v2 , v3 } son dos bases de V3 . Hallar:
a) La matriz asociada a la aplicación lineal respecto de las bases B y B 0 .
b) La dimensión del ker(f ).
c) El rango de la aplicación.
d) Las ecuaciones de la aplicación lineal.
e) La imagen del vector u = u1 + u3 .
f) ¾Es f biyectiva?
Solución:
a) La matriz asociada a la aplicación lineal respecto de las bases B y B 0 viene dada
por:
1 2 −1
(f (u1 )B 0 , f (u2 )B 0 , f (u3 )B 0 ) = 1 −1 2 ,
1 3 0
6. Aplicaciones lineales 171
donde f (ui )B 0 denota a las coordenadas del vector f (ui ) respecto de la base B 0 .
b) Sea (x, y, z) ∈ ker(f ), entonces se veri cará que
1 2 −1 x 0
1 −1 2 y = 0 .
1 3 0 z 0
Esto es, se tiene el sistema:
x +2y −z = 0
x −y +2z = 0
x +3y = 0.
Se trata de un sistema homogéneo, cuya única solución es la trivial. Esto es, x =
y = z = 0. Por tanto ker(f ) = {0}, y de ahí que dim(ker(f )) = 0.
c) Sabemos que el rango de la aplicación f coincide con dim(Im(f )). Así, por el
apartado b), y utilizando la fórmula de las dimensiones, se tiene que el rango de
la aplicación es 3.
d) Las ecuaciones de la aplicación vienen dadas por
y1 1 2 −1 x1
y2 = 1 −1 2 x2 .
y3 1 3 0 x3
e) Utilizando el resultado anterior tenemos que f (u) = f (1, 0, 1) = (0, 3, 1).
f) Por el apartado b), se tiene que f es inyectiva. Por el apartado c), se tiene que f
es sobreyectiva. Por tanto, f es biyectiva.
10. Sea f la aplicación lineal de nida entre los espacios vectoriales V3 y V4 ,
tal que:
f (u1 ) = 2v1 +v2 −v3 +v4
f (u2 ) = v2 −v4
f (u3 ) = −v1 +v3 +2v4
donde B = {u1 , u2 , u3 } y 0
B = {v1 , v2 , v3 , v4 } son dos bases de V3 y V4 respec-
tivamente. Hallar:
a) La imagen del vector u = u1 + u2 + u3 .
b) El conjunto de vectores tales que f (u) = −3v1 + 2v3 .
172 Más de 160 problemas resueltos de Álgebra Lineal
Solución:
a) Por ser f aplicación lineal, se tiene que
f (u) = f (u1 + u2 + u3 ) = f (u1 ) + f (u2 ) + f (u3 ) =
(2v1 + v2 − v3 + v4 ) + (v2 − v4 ) + (−v1 + v3 + 2v4 ) = v1 + 2v2 + 2v4 .
Así, f (u) = v1 + 2v2 + 2v4 .
b) Razonando de la misma forma que en los ejercicios anteriores, la matriz asociada
a la aplicación f en la base B es,
2 0 −1
1 1 0
.
−1 0 1
1 −1 2
Sea el vector u = αu1 + βu2 + γu3 ∈ V3 tal que f (u) = −3v1 + 2v3 . Entonces se
tiene que
−3 2 0 −1
α
0 1
= 1 0
β ,
2 −1 0 1
γ
0 1 −1 2
de donde obtenemos el sistema
2α −γ = −3
α +β = 0
−α
+γ = 2
α −β +2γ = 0
cuya solución viene dada por α = −1, β = γ = 1. Por tanto, u = −u1 + u2 + u3 .
11. Sea f una aplicación lineal de nida entre los espacios vectoriales V2 y
V4 tal que, respecto de las bases B = {u1 , u2 } y B1 = {v1 , v2 , v3 , v4 } tiene por
matriz asociada
1 −1
1 0
A= .
1 −1
1 0
Se eligen en V2 y V4 las nuevas bases B2 = {e1 , e2 } y B3 = {w1 , w2 , w3 , w4 }
donde:
w1 = v1 + v2 + v3 + v4
e1 = u1 + 2u2 w2 = v1 − v2
y
e2 = −u1 + u2
w3 = + v3 − v4
w4 = v4
6. Aplicaciones lineales 173
Hallar la matriz C asociada a f cuando se consideran las bases:
a) B y B3 , b) B2 y B1 , c) B2 y B3 .
Solución: Vamos a recordar la relación entre las matrices asociadas a una misma
aplicación lineal pero respecto a bases diferentes. Este resultado puede consultarse en
[9].
Cambio de base de la matriz asociada a una aplicación lineal
Sea f : V −→ V 0 una aplicación lineal. Supongamos que A es la matriz
asociada a f respecto de las bases B1 y B10 . Esto es, A = M [f : B1 , B10 ]. Con-
sideremos ahora B2 y B20 nuevas bases en V y V 0 , respectivamente. Sea C
la matriz asociada a f en estas dos nuevas bases. Esto es, C = M [f : B2 , B20 ].
Por otro lado, como B1 y B2 son bases en V , sea P la matriz de cambio de
base, siendo XB1 = P XB2 .
De igual forma, al ser B10 y B20 bases en V 0 , sea Q la matriz de cambio de
base, siendo YB10 = QXB20 .
Entonces la relación que existe entre las matrices A y C viene dada por
C = Q−1 AP.
−1
1 1 0 0 1 −1/2
1 −1 0 0
A 1 0 0 −1/2
a) C = = .
1 0 1 0 0 1 0 −1/2
1 0 −1 1 0 0
−1
1 0 0 0 −1 −2
0 1 0 0
A 1 −1 1 −1
b) C = =
−1
.
0 0 1 0 2 1 −2
0 0 0 1 1 −1
−1
1 1 0 0 0 −3/2
1 −1 0 0
A 1 −1 −1 −1/2
c) C = =
−1
.
1 0 1 0 2 1 −1/2
1 0 −1 1 0 0
174 Más de 160 problemas resueltos de Álgebra Lineal
12. Sean f y g dos aplicaciones lineales de (V3 , +, ·R) en sí mismo, que
respecto de la base {u1 , u2 , u3 } tienen por matrices asociadas,
−1 2 9 0 1 −1
A= 3 2 1 y B= 3 1 0 ,
1 1 −2 −2 1 3
respectivamente. Hallar:
a) La matriz asociada a la aplicación f + g.
b) El núcleo, rango y ecuaciones de la aplicación f + g.
c) El vector imagen de u = u1 − 2u2 + 3u3 mediante la aplicación f + g.
d) Idem de los apartados anteriores para la aplicación f ◦ g.
e) ¾Es f biyectiva? En caso a rmativo encontrar la matriz asociada a la
aplicación inversa, así como las ecuaciones de dicha aplicación.
Solución: Recordamos a continuación los siguientes resultados que nos serán de gran
utilidad y que pueden consultarse en [9]:
Operaciones entre aplicaciones y matrices asociadas
Dados V , V 0 y V 00 , K-espacios vectoriales de dimensión nita, B , B 0 y B 00
bases de V , V 0 y V 00 respectivamente y f, g : V −→ V 0 y h : V 0 −→ V 00
aplicaciones lineales se veri ca que:
1. M [f + g : B, B 0 ] = M [f : B, B 0 ] + M [g : B, B 0 ].
2. M [λf : B, B 0 ] = λM [f : B, B 0 ], para todo λ ∈ K.
3. M [h ◦ f : B, B 0 ] = M [h : B 0 , B 00 ]M [f : B, B 0 ].
4. Si f es isomor smo, entonces M [f −1 : B 0 , B] = M [f : B, B 0 ]−1 ,
donde M [f : B, B 0 ] denota a la matriz asociada a f respecto de las bases B
y B0.
a) Puesto que f y g están de nidas en el mismo espacio vectorial y que sus matrices
asociadas están dadas respecto de las mismas bases, podemos a rmar que:
M (f + g) = M (f ) + M (g) = A + B =
−1 2 9 0 1 −1 −1 3 8
3 2 1 + 3 1 0 = 6 3 1 .
1 1 −2 −2 1 3 −1 2 1
6. Aplicaciones lineales 175
b) Las ecuaciones de f + g respecto las bases B y B 0 vienen dadas por:
y1 −1 3 8 x1
y2 = 6 3 1 x2 .
y3 −1 2 1 x3
Utilizando la expresión anterior, se tiene que los elementos del núcleo de f + g
deben veri car:
0 −1 3 8 x1
0 = 6 3 1 x2 .
0 −1 2 1 x3
Esto es, se tiene el sistema homogéneo:
−x1 +3x2 +8x3 = 0
6x1 +3x2 +x3 = 0
−x1 +2x2 +x3 = 0,
cuyas soluciones son x1 = x2 = x3 = 0. Así ker(f ) = {0}.
Por otro lado, aplicando la fórmula de las dimensiones se tiene que el rango de la
aplicación es 3.
c) Se tiene que:
−1 3 8 1 17
(f + g)(u) = 6 3 1 −2 = 3 .
−1 2 1 3 −2
d) La matriz de la aplicación f ◦ g , viene dada por:
M (f ◦ g) = M (f )M (g) = AB =
−1 2 9 0 1 −1 −12 10 28
3 2 1 3 1 0 = 4 6 0 .
1 1 −2 −2 1 3 7 0 −7
Las ecuaciones de f ◦ g vendrán dadas por:
y1 −12 10 28 x1
y2 = 4 6 0 x2 .
y3 7 0 −7 x3
Utilizando la expresión anterior, si (x1 , x2 , x3 ) ∈ ker(f ◦ g), entonces se veri cará
que:
0 −12 10 28 x1
0 = 4 6 0 x2 .
0 7 0 −7 x3
176 Más de 160 problemas resueltos de Álgebra Lineal
Esto es, se tiene el siguiente sistema homogéneo:
−12x1 +10x2 +28x3 = 0
4x1 +6x2 = 0
7x1 −7x3 = 0,
que tiene por solución la solución trivial. Esto es x1 = x2 = x3 = 0. Así ker(f ◦
g) = {0}. Del mismo modo que para el caso anterior, aplicando la Fórmula de las
dimensiones se tiene que el rango de la aplicación es 3.
Además, se tiene que:
−12 10 28 1 52
(f ◦ g)(u) = 4 6 0 −2 = −8 .
7 0 −7 3 −14
e) Como una aplicación lineal entre dos espacios de la misma dimensión es inyectiva
si, y sólo si, es sobreyectiva, como se ve en el ejercicio 7, bastará con ver una de las
dos propiedades para a rmar que es biyectiva. Estudiemos la inyectividad. Para
ello calculamos el núcleo de la aplicación. Esto es, sea (x, y, z) ∈ ker(f ), entonces
−1 2 9 x 0
3 2 1 y = 0 .
1 1 −2 z 0
Esto es, se tiene el siguiente sistema homogéneo,
−x +2y +9z = 0
3x +2y +z = 0
x +y −2z = 0,
cuya solución es la trivial. Es decir, x = y = z = 0. Así ker(f ) = {0} y la
aplicación es inyectiva. Por tanto, es biyectiva. Así, tiene sentido de hablar de
f −1 , cuya matriz asociada M [f −1 ] es M [f ]−1 . Por tanto,
−5/28 13/28 −4/7
M [f −1 ] = 1/4 −1/4 1 .
1/28 3/28 −2/7
Luego las ecuaciones de f −1 vendrán dadas por
y1 −5/28 13/28 −4/7 x1
y2 = 1/4 −1/4 1 x2 .
y3 1/28 3/28 −2/7 x3
6. Aplicaciones lineales 177
13. Sean f y g las aplicaciones lineales, f : R2 −→ R3 , g : R3 −→ R4 , tales
que:
g(−2, 4, 2) = (1, 1, 1, 1)
f (1, 1) = (5, 2, 3)
, g(1, 0, −1) = (2, −1, 3, 4)
f (2, 3) = (2, 0, 4)
g(−1, 2, 0) = (0, 1, 0, 1).
Hallar la matriz asociada a la aplicación g◦f respecto de las bases canónicas,
la dimensión del núcleo, rango y ecuaciones de la aplicación compuesta.
Solución: Sean B2 = {e1 , e2 }, B3 = {v1 , v2 , v3 } y B4 = {w1 , w2 , w3 , w4 } las bases
canónicas de R2 , R3 y R4 respectivamente. Así se tiene que
(1, 1) = e1 + e2 (5, 2, 3) = 5v1 + 2v2 + 3v3
y
(2, 3) = 2e1 + 3e2 (2, 0, 4) = 2v1 + 4v3
Por tanto:
f (1, 1) = f (e1 + e2 ) = f (e1 ) + f (e2 ) = 5v1 + 2v2 + 3v3 ,
f (2, 3) = f (2e1 + 3e2 ) = 2f (e1 ) + 3f (e2 ) = 2v1 + 4v3 .
Esto es:
f (e1 ) +f (e2 ) = 5v1 + 2v2 + 3v3
2f (e1 ) +3f (e2 ) = 2v1 + 4v3
De donde:
f (e1 ) = 13v1 + 6v2 + 5v3 ,
f (e2 ) = −8v1 − 4v2 − 2v3 .
Por tanto,
13 −8
M [f : B2 , B3 ] = 6 −4 .
5 −2
De la misma forma, se tiene que
(−2, 4, 2) = −2v1 + 4v2 + 2v3 (1, 1, 1, 1) = w1 + w2 + w3 + w4
(1, 0, −1) = v1 − v3 y (2, −1, 3, 4) = 2w1 − w2 + 3w3 + 4w4
(−1, 2, 0) = −v1 + 2v2 (0, 1, 0, 1) = w2 + w4
Por tanto,
g(−2, 4, 2) = g(−2v1 + 4v2 + 2v3 ) = w1 + w2 + w3 + w4 ,
g(1, 0, −1) = g(v1 − v3 ) = 2w1 − w2 + 3w3 + 4w4 ,
g(−1, 2, 0) = g(−v1 + 2v2 ) = w2 + w4 .
178 Más de 160 problemas resueltos de Álgebra Lineal
Esto es:
−2g(v1 ) +4g(v2 ) +2g(v3 ) = w1 + w2 + w3 + w4
g(v1 ) −g(v3 ) = 2w1 − w2 + 3w3 + 4w4
−g(v1 ) +2g(v2 ) = w2 + w4
De donde,
5 3 7 7
g(v1 ) = w1 − w2 + w3 + w4
2 2 2 2
5 1 7 9
g(v2 ) = w1 − w2 + w3 + w4
4 4 4 4
1 1 1 1
g(v3 ) = w1 − w2 + w3 − w4
2 2 2 2
Por tanto,
5/2 5/4 1/2
−3/2 −1/4 −1/2
M [g : B3 , B4 ] =
7/2
.
7/4 1/2
7/2 9/4 −1/2
Así, se tiene que:
5/2 5/4 1/2 85/2 −26
−3/2 13 −8
−1/4 −1/2 −47/2
6 −4 = 14
M [g ◦ f : B2 , B4 ] = .
7/2 7/4 1/2 117/2 −36
5 −2
7/2 9/4 −1/2 113/2 −36
Pasemos ahora a calcular la dimensión del núcleo. Si (x1 , x2 ) ∈ ker(g◦f ), entonces
85/2 −26 0
−47/2 14 x1
0
= .
117/2 −36 x2 0
113/2 −36 0
Como el rango de la matriz es 2, que coincide con el número de incógnitas, la única
solución del sistema es la trivial. Esto es, x1 = x2 = 0. Así dim(ker(g ◦ f )) = 0.
Además, podemos a rmar que el rango de la aplicación es 2.
Por último, las ecuaciones de la aplicación g ◦ f vienen dadas por:
y1 85/2 −26
y2 −47/2 14
x1 .
y3 = 117/2
−36 x2
y4 113/2 −36
14. Se consideran tres espacios vectoriales A, B y C , cuyas bases respec-
tivas son BA = {e1 , e2 , e3 }, BB = {u1 , u2 }, BC = {c1 , c2 , c3 }, y dos aplicaciones
lineales
6. Aplicaciones lineales 179
f (e1 ) = u1 − u2
g(u1 ) = c1 − c2 + 2c3
f : A −→ B f (e2 ) = u2 y g : B −→ C
g(u2 ) = c1 − c2
f (e3 ) = 2u2
Se pide:
a) Matriz de la aplicación lineal g ◦ f : A −→ C.
b) Hallar (g ◦ f )−1 (1, −1, 1).
c) Imagen, mediante g ◦ f , del subespacio intersección de los subespacios
de A siguientes:
x1 = 2λ + β
V1 ≡ x2 = λ − β V2 ≡ x1 − x2 + 2x3 = 0.
x3 = −λ
Solución:
a) Vamos a calcular la matriz asociada a g ◦ f respecto de las bases correspondientes,
sabiendo que M [g ◦ f : BA , BC ] = M [g : BB , BC ] · M [f : BA , BB ].
Se tiene que
1 1
1 0 0
M [g : BB , BC ] = −1 −1 , M [f : BA , BB ] = .
−1 1 2
2 0
Por tanto:
1 1 0 1 2
1 0 0
M [g ◦ f : BA , BC ] = −1 −1 = 0 −1 −2 .
−1 1 2
2 0 2 0 0
b) Sea (x1 , x2 , x3 ) ∈ (g ◦ f )−1 (1, −1, 1). Entonces, se tendrá que veri car:
(g ◦ f )(x1 , x2 , x3 ) = (1, −1, 1).
Esto es,
0 1 2 x1 1
0 −1 −2 x2 = −1 .
2 0 0 x3 1
Es decir, se tiene el sistema de ecuaciones:
x2 +2x3 = 1
−x2 −2x3 = −1
2x1 = 1
180 Más de 160 problemas resueltos de Álgebra Lineal
1
cuyas soluciones son x1 = , x2 = 1 − 2α, x3 = α con α ∈ R.
2
1
Así, (g ◦ f ) (1, −1, 1) =
−1
, 1 − 2α, α : α∈R .
2
c) Dadas las ecuaciones paramétricas de V1 ,
x1 = 2λ +β
V1 ≡ x2 = λ −β
x3 = −λ
su ecuación implícita viene dada por, x1 +x2 +3x3 = 0. Así, si (x1 , x2 , x3 ) ∈ V1 ∩V2 ,
se tiene que:
x1 −x2 +2x3 = 0
x1 +x2 +3x3 = 0.
De donde puede comprobarse, que una base de V1 ∩ V2 es B = {(−5, −1, 2)}.
Por tanto, un sistema generador de (g ◦ f )(V1 ∩ V2 ), será {(g ◦ f )(−5, −1, 2)}. Esto
es,
0 1 2 −5 3
0 −1 −2 −1 = −3 .
2 0 0 2 −10
Así, {(3, −3, −10)} es una base de ((g ◦ f )(V1 ∩ V2 )) .
15. Sean f, g : R3 −→ R2 aplicaciones lineales dadas por
f (x1 , x2 , x3 ) = (x1 − x2 , x1 − x3 ), g(x1 , x2 , x3 ) = (x2 − x3 , 0).
Hallar:
a) Matriz asociada a (f + g).
b) Base y dimensión de ker(f + g) e Im(f + g).
c) ¾Qué tipo de aplicación es (f + g)?
d) Calcular f −1 (4, 6).
Solución:
a) En primer lugar vamos a calcular las matrices asociadas a las aplicaciones f y
g respecto de las bases canónicas. Para ello calcularemos las imágenes mediante
estas aplicaciones de los elementos de la base canónica de R. Como
f (1, 0, 0) = (1, 1), f (0, 1, 0) = (−1, 0) y f (0, 0, 1) = (0, −1),
6. Aplicaciones lineales 181
se tiene que
1 −1 0
M [f ] = .
1 0 −1
De igual forma se tiene que
g(1, 0, 0) = (0, 0), g(0, 1, 0) = (1, 0), y g(0, 0, 1) = (−1, 0).
Por tanto
0 1 −1
M [g] = .
0 0 0
Asi la matriz asociada a (f + g) es:
1 −1 0 0 1 −1 1 0 −1
M [f + g] = M [f ] + M [g] = + = .
1 0 −1 0 0 0 1 0 −1
b) Ahora calcularemos ker(f + g). Si (x, y, x) ∈ ker(f + g), entonces:
x
1 0 −1 y = 0
.
1 0 −1 0
z
Por tanto, se tiene el sistema
x−z = 0
x−z = 0,
cuya solución viene dada por x = α, y = β , z = α, donde α, β ∈ R. Así una
base de ker(f + g) es {(1, 0, 1), (0, 1, 0)}.
Calculemos ahora Im(f + g). Calcularemos las imágenes de los elementos
de la base canónica para encontrar un sistema generador. Se tiene que:
(f + g)(1, 0, 0) = (1, 1), (f + g)(0, 1, 0) = (0, 0), (f + g)(0, 0, 1) = (−1, −1).
Como el segundo vector es el vector nulo y el tercero es proporcional al primero,
una base de Im(f + g) viene dada por {(1, 1)}. Por tanto dim(Im(f + g)) = 1
c) f + g no es inyectiva ya que ker(f + g) 6= {0}. Tampoco es sobreyectiva ya que
Im(f + g) 6= R2 .
d) Si (x, y, z) ∈ f −1 (4, 6), entonces se tiene que veri car que
x
1 −1 0 y = 4
.
1 0 −1 6
z
182 Más de 160 problemas resueltos de Álgebra Lineal
Esto es, se tiene el sistema
x −y = 4
x −z = 6,
cuya solución viene dada por x = λ, y = λ − 4, z = λ − 6, λ ∈ R.
Por tanto f −1 (4, 6) = {(λ, λ − 4, λ − 6) ∈ R3 |λ ∈ R}.
16. Sea f : V −→ V 0 una aplicación lineal con dim(V ) = n y dim(V 0 ) = m y
sea A la matriz asociada a f respecto de ciertas bases. Demuestra que:
a) f es inyectiva ⇐⇒ rg(A) = n.
b) f es sobreyetiva ⇐⇒ rg(A) = m.
c) f es un isomor smo ⇐⇒ A es cuadrada y regular.
Solución:
a) =⇒ Supongamos que f es inyectiva. Entonces ker(f ) = {0}, luego dim(ker(f )) =
0. Por otro lado, el rango de la matriz asociada coincide con la dimensión del
subespacio imagen, así
dim(Im(f )) = dim(V ) − dim(ker(f )) = n − 0 = n,
luego rg(A) = n.
⇐= Supongamos que rg(A) = n. Esto implica que dim(Im(f )) = n, luego, análo-
gamente al caso anterior
dim(ker(f )) = dim(V ) − dim(Im(f )) = n − n = 0,
es decir, ker(f ) = {0}. Por tanto f es inyectiva.
b) =⇒ Sea f una aplicación sobreyectiva, es decir, que Im(f ) = V 0 . Entonces,
dim(Im(f )) = dim(V 0 ) = m. Luego rg(A) = dim(Im(f )) = m.
⇐= Si rg(A) = m, entonces dim(Im(f )) = m, así la dimensión del subespacio
imagen de f coincide con la del propio V 0 y, en consecuencia, Im(f ) = V 0 . Por
tanto f es sobreyectiva.
c) =⇒ Sea A ∈ Mn×m la matriz asociada a f respecto de ciertas bases. Como por
hipótesis f es isomor smo, se tiene que f es inyectiva y sobreyectiva y, por los
6. Aplicaciones lineales 183
apartados anteriores, se tiene que n = rg(A) = m. Así A es una matriz cuadrada
y regular, ya que su orden coincide con su rango.
⇐= Sea ahora A ∈ Mn regular. Entonces se tiene que el número de las coincide
con el número de columnas, siendo este igual rg(A). Por los apartados anteriores
podemos a rmar que f es un isomor smo.
17. Demuestra que dos espacios vectoriales de dimensión nita sobre un
cuerpo K son isomorfos, si y sólo si, tienen igual dimensión.
Solución:
=⇒ Sean V1 y V2 dos espacios vectoriales de dimensión nita y sea f : V1 −→ V2 un
isomor smo. Si B es una base de V1 , entonces f (B) es un sistema generador de
V2 , ya que f es sobreyectiva. Pero, al ser f inyectiva, también es libre. Luego
f (B) es una base de V2 , y, en consecuencia V1 y V2 tienen la misma dimensión.
⇐= Sean V1 y V2 dos espacios vectoriales de la misma dimensión tales que B1 =
{v1 , . . . , vn } y B2 = {v10 , . . . , vn0 } son bases respectivas de estos espacios. Consi-
deremos la aplicación f : V1 −→ V2 de nida por:
f (v1 ) = v10
..
.
f (vn ) = vn0 .
n
Así, si x ∈ V1 , entonces x = λi vi . Por tanto,
X
i=1
n
! n n
X X X
f (x) = f λi v i = λi f (vi ) = λi vi0 .
i=1 i=1 i=1
Por construcción es una aplicación lineal, veamos que es biyectiva.
n n
• Inyectiva: Sean x = α i vi e y = βi vi tales que f (x) = f (y). Entonces
X X
i=1 i=1
se tiene que
n
X n
X
αi vi0 = βi vi0 .
i=1 i=1
n
Es decir, (αi − βi )vi0 = 0. Como {v10 , . . . , vn0 } es una base, en particular
X
i=1
es libre. Por tanto, αi − βi = 0. Es decir, αi = βi con 1 ≤ i ≤ n. Así x = y .
184 Más de 160 problemas resueltos de Álgebra Lineal
• Sobreyectiva: Sea y ∈ V2 , entonces y = λ1 v10 + · · · + λn vn0 = λ1 f (v1 ) +
· · · + λn f (vn ) = f (λ1 v1 + · · · + λn vn ). Por lo que f es sobreyectiva ya que
λ1 v1 + · · · + λn vn ∈ V1 .
En consecuencia, V1 y V2 son isomorfos.
18. Sea V un K-espacio vectorial de dimensión nita y f : V −→ K una
aplicación lineal no nula. Razona: f es epimor smo, dim(ker(f )) = dim(V )−1.
Solución: Sabemos que se veri ca la igualdad
dim(ker(f )) + dim(Im(f )) = dim(V ).
Veamos que f es epimor smo. Se tiene que dim(K) = 1 e Im(f ) ⊆ K. Por tanto,
dim(Im(f )) ≤ dim(K) = 1. Por otro lado, como f 6= 0, se veri ca que dim(Im(f )) ≥ 1.
En consecuencia dim(Im(f )) = dim(K). Por tanto, Im(f ) = K. Aplicando ahora la
fórmula de las dimensiones, se tiene:
dim(ker(f )) + dim(K) = dim(V ).
Así,
dim(ker(f )) + 1 = dim(V ).
De donde
dim(ker(f )) = dim(V ) − 1.
19. Determina una aplicación lineal f : R3 −→ R4 tal que su núcleo e ima-
gen estén dados por ker(f ) = {(x1 , x2 , x3 ) : x1 − x3 = 0, x2 = 0}, Im(f ) =
{(y1 , y2 , y3 , y4 ) : y1 − y2 = 0, y2 − y3 = 0}.
Solución: Sea
a11 a12 a13
a21 a22 a23
A=
a31
a32 a33
a41 a42 a43
la matriz asociada a la aplicación lineal pedida. Impongamos en primer lugar la con-
dición ker(f ) = {(x1 , x2 , x3 ) : x1 − x3 = 0, x2 = 0}. Para ello, calculamos una base
de ker(f ) resolviendo el sistema
x1 −x3 = 0
x2 = 0,
6. Aplicaciones lineales 185
cuyas soluciones son
x1 = x3
x2 = 0.
Obtenemos así que una base del ker(f ) viene dada por {(1, 0, 1)}. Por tanto
a11 a12 a13 0
a21 1
a22 a23 0
0 =
.
a31 a32 a33 0
1
a41 a42 a43 0
De donde se obtiene que:
a11 = −a13 , a21 = −a23 , a31 = −a33 , a41 = −a43 .
Por tanto la matriz tendrá la forma:
a11 a12 −a11
a21 a22 −a21
A= .
a31 a32 −a31
a41 a42 −a41
Se tiene que Im(f ) = {(y1 , y2 , y3 , y4 ) : y1 −y2 = 0, y2 −y3 = 0}. Como (a1i , a2i , a3i , a4i ) ∈
Im(f ) con i = 1, 2, 3, entonces a1i = a2i = a3i . Además, al veri carse que dim(Im(f )) =
2, se tendrá que rg(A) = 2. Por tanto, podemos a rmar que la matriz asociada a la
aplicación lineal f es una matriz de la forma
α β −α
α β −α
A= , α, β, γ, δ ∈ R.
α β −α
γ δ −γ
donde rg(A) = 2.
Observamos que al no ser la matriz A única, la aplicación lineal pedida tampoco
será única.
20. Sea U el subespacio de R4 dado por U = {(x1 , x2 , x3 , x4 ) : x1 − 2x2 =
0, x1 + x3 + x4 = 0}. Hallar:
a) Un subespacio W de R4 de forma que U ⊕ W = R4 .
b) Determina un endomor smo f de R4 de forma que ker(f ) = U e Im(f ) =
W.
186 Más de 160 problemas resueltos de Álgebra Lineal
Solución:
a) En primer lugar, buscaremos una base de U . Para ello consideraremos el sistema
x1 −2x2 = 0
x1 +x3 +x4 = 0,
cuyas soluciones son
x1 = 2λ
x2 = λ
x3
= −2λ −µ
x4 = µ
Por tanto una base de U es {(2, 1, −2, 0), (0, 0, −1, 1)}. A continuación, comple-
taremos la base hasta obtener una base de R4 . Observemos que si añadimos los
vectores (0, 1, 0, 0) y (0, 0, 0, 1) la siguiente matriz tiene rango 4:
2 1 −2 0
0 1 0 0
.
0 0 −1 1
0 0 0 1
Quedándonos con esos vectores, obtenemos que una base de W viene dada por
BW = {(0, 1, 0, 0), (0, 0, 0, 1)}.
b) Sea
a11 a12 a13 a14
a21 a22 a23 a24
A=
a31 a32 a33 a34
a41 a42 a43 a44
la matriz asociada a f respecto de las bases canónicas. Como ker(f ) = U se tiene
que
a11 a12 a13 a14 2 0
a21 a22 a23 a24 1 0
=
a31 a32 a33 a34 −2 0
a41 a42 a43 a44 0 0
y
a11 a12 a13 a14 0 0
a21 a22 a23 a24 0 0
=
0 .
a31 a32 a33 a34 −1
a41 a42 a43 a44 1 0
6. Aplicaciones lineales 187
Así tenemos que
2a11 +a12 −2a13 = 0
2a +a22 −2a23 = 0
21
2a +a32 −2a33 = 0
31
2a41 +a42 −2a43 = 0
−a13 +a14 = 0
−a23 +a24 = 0
−a33 +a34 = 0
−a43 +a44 = 0.
Además, como dim(Im(f )) = dim(W ) = 2, se tiene que veri car que rg(A) = 2.
Por tanto podemos a rmar que la matriz asociada a la aplicación lineal f es una
matriz de la forma
a11 a12 a11 + a12 /2 a11 + a12 /2
a21 a22 a21 + a22 /2 a21 + a22 /2
A=
,
a31 a32 a31 + a32 /2 a31 + a32 /2
a41 a42 a41 + a42 /2 a41 + a42 /2
donde rg(A) = 2. Al igual que en el ejercicio anterior, la matriz asociada no es
única.
21. En R3 se considera un endomor smo f dado por: f (0, 0, 1) = (0, 0, 1),
f (1, −1, 0) = (1, −1, 0), f (1, 1, 0) = (0, 0, 0). Calcula la matriz asociada a f en
la base canónica y comprueba que ker(f ) ⊕ Im(f ) = R3 .
Solución: Consideremos el conjunto B1 = {(0, 0, 1), (1, −1, 0), (1, 1, 0)} y veamos que
se trata de una base de R3 . Para ello, bastará ver que es linealmente independiente, ya
que su cardinal coincide con la dimensión de R3 . Calculamos, pues, el determinante
de la matriz cuyas las son los vectores dados. Esto es,
0 0 1
1 −1 0 = 2 6= 0.
1 1 0
En consecuencia, B1 es base. Por otro lado, la matriz asociada a f respecto de dicha
base y la base canónica es
0 1 0
A1 = 0 −1 0 .
1 0 0
Sea A2 la matriz asociada a f respecto de la base canónica. La relación entre esta
matriz y la anterior es
A2 = Q−1 A1 P,
188 Más de 160 problemas resueltos de Álgebra Lineal
donde, en este caso, Q es la matriz identidad de orden tres y P la matriz de cambio
de base entre la canónica y B1 . Sabemos que
0 1 1
P −1 = 0 −1 1 .
1 0 0
Luego
0 0 1
1
P = − 12 0 .
2
1 1
2 2 0
De esta forma, la matriz buscada es
1
0 1 0 0 0 1 2 − 12 0
−1 0 21 − 12
1 1
A2 = 0 0 = −2 0 .
2
1 1
1 0 0 2 2 0 0 0 1
Pasemos ahora a calcular una base del núcleo de la aplicación. Sea (x, y, z) ∈ ker(f ),
entonces
1 1
2 −2 0 x 0
1 1
−2 0 y = 0 .
2
0 0 1 z 0
Esto es,
x = y
z = 0.
Luego una base del ker(f ) es {(1, 1, 0)} y por tanto dim(ker(f )) = 1. Para hallar el
subespacio imagen, calculamos las imágenes de los elementos de la base canónica, es
decir,
1 1 1 1
f (1, 0, 0) = ,− ,0 , f (0, 1, 0) = − , ,0 , f (0, 0, 1) = (0, 0, 1).
2 2 2 2
En consecuencia, una base de Im(f ) es {(1, −1, 0), (0, 0, 1)} y, por tanto, dim(Im(f )) =
2. Así:
{(1, 1, 0), (1, −1, 0), (0, 0, 1)},
constituye un sistema generador de ker(f ) + Im(f ) y, puesto que dicho conjunto, que
es en realidad B1 , es libre, se trata de una base. Así, dim(ker(f ) + Im(f )) = 3. Luego,
utilizando la fórmula de las dimensiones, se tiene que dim(ker(f ) ∩ Im(f )) = 0, y, por
tanto, ker(f ) ⊕ Im(f ) = R3 .
6. Aplicaciones lineales 189
22. Sea R2 [x] el espacio vectorial de los polinomios de grado menor o igual
que 2. Consideramos la aplicación lineal D : R2 [x] −→ R2 [x] que asocia a
cada polinomio su derivada. Se pide:
a) Calcula la matriz asociada a D en la base B = {1, x, x2 }.
b) Calcular la matriz asociada a D en la base B 0 = {x − 3, x2 − 3, 7 − x − x2 }.
Solución:
a) Si p(x) = 1, se tiene que p0 (x) = 0. Así las coordenadas de p0 (1) con respecto
a B son (0, 0, 0). Esto es, p0 (x)B = (0, 0, 0).
Si p(x) = x, se tiene que p0 (x) = 1. Así p0 (x)B = (1, 0, 0).
Si p(x) = x2 , se tiene que p0 (x2 ) = 2x. Así p0 (x)B = (0, 2, 0).
Por tanto, la matriz asociada a f en la base B es:
0 1 0
0 0 2 .
0 0 0
b) Sea ahora p(x) = x − 3, entonces p0 (x) = 1. Ahora tendremos que calcular las
coordenadas de este vector respecto de la base B 0 . Para ello calcularemos los
escalares α, β y γ tales que:
1 = α(x − 3) + β(x2 − 3) + γ(7 − x − x2 ).
Identi cando coe cientes tenemos el sistema
−3α −3β +7γ = 1
α −γ = 0
β −γ = 0,
cuya solución es α = β = γ = 1. Así, (x − 3)0B 0 = (1, 1, 1).
Razonando de forma análoga para p(x) = x2 − 3, se tiene p0 (x) = 2x. Para
calcular las coordenadas respecto de la base B 0 , calcularemos los escalares α, β y
γ tales que:
2x = α(x − 3) + β(x2 − 3) + γ(7 − x − x2 ).
Si identi camos coe cientes, se tiene el sistema
−3α −3β +7γ = 0
α −γ = 2
β −γ = 0,
190 Más de 160 problemas resueltos de Álgebra Lineal
cuyas soluciones son α = 8, β = γ = 6. Así, (x2 − 3)0B 0 = (8, 6, 6).
Sea ahora p(x) = (7 − x − x2 ). Se tiene que p0 (x) = −2x − 1. Para calcular sus
coordenadas respecto de la base B 0 , al igual que antes, calcularemos los escalares
α, β y γ tales que:
−2x − 1 = α(x − 3) + β(x2 − 3) + γ(7 − x − x2 ),
donde, identi cando coe cientes, tenemos el sistema,
−3α −3β +7γ = −1
α −γ = −2
β −γ = 0
cuyas soluciones vienen dadas por α = −9, β = γ = −7. Así, (7 − x − x2 )B 0 =
(−9, −7, −7).
Por tanto, la matriz asociada respecto de la base B 0 es
1 8 −9
1 6 −7 .
1 6 −7
23. Para cada α ∈ R se de ne fα : R3 −→ R3 cuya matriz respecto de la base
canónica es
1 α 0
A= α 1 α .
0 α 1
Se pide:
a) Hallar ker(fα ).
b) Decidir, según los valores de α, cuándo fα es inyectiva, sobreyectiva o
biyectiva.
c) Estudiar si S = {x ∈ R3 : f0 (x) = x} es un subespacio de R3 . En caso
a rmativo calcular una base de S .
d) Dada la base B 0 = {e01 = e1 − e2 , e02 = e2 − e3 , e03 = e3 }, calcular la matriz
asociada a fα respecto de la base B 0 .
Solución:
a) Hallemos en primer lugar el ker(fα ). Si (x, y, z) ∈ ker(fα ), entonces
1 α 0 x 0
α 1 α y = 0 .
0 α 1 z 0
6. Aplicaciones lineales 191
Esto es, se tiene el sistema homogéneo
x +αy = 0
αx +y +αz = 0
αy +z = 0,
cuyas soluciones dependen del parámetro α. Por ello vamos a discutir el sistema
dependiendo de los valores de α. Se tiene que |A| = 1 − 2α2 . Por tanto:
Si α 6= √12 , α 6= − √12 , entonces |A| 6= 0. Así la única solución del sistema es
la trivial. Esto es, x = y = z = 0. Luego ker(fα ) = {(0, 0, 0)}.
Si α = √1 ,
2
puede comprobarse que una base del ker(f √1 ) es {(− √12 , 1, − √12 )}.
2
Si α = − √12 , puede comprobarse que una base del ker(f− √1 ) es {( √12 , 1, √12 )}.
2
b) Si α 6= √12 y α 6= − √12 , como hemos visto anteriormente, ker(fα ) = {(0, 0, 0)},
lo cual implica que es fα inyectiva. En consecuencia, al ser fα un endomor-
smo, tal y como vimos en el ejercicio 7, se tiene que fα es un isomor smo.
En el caso contrario ker(fα ) 6= {(0, 0, 0)}. Por tanto, f no es un monomor smo
y de ahí que no pueda ser un isomor smo.
c) Se tiene que S ⊆ R3 . Por tanto queda demostrar que es espacio vectorial.
Sean x, y ∈ S y α, β ∈ R, hay que ver si αx + βy ∈ S , es decir que f0 (αx + βy) =
αx+βy . Observemos que f0 es la aplicación identidad y por tanto se ha de cumplir
la igualdad, es más, la igualdad se cumple para todos los elementos de R3 . Por
tanto, concluímos que S = R3 . Por lo que una base de S es la canónica:
{(1, 0, 0), (0, 1, 0), (0, 0, 1)}.
d) Consideremos la base canónica B = {e1 , e2 , e3 } y, sea B 0 = {e01 , e02 , e03 }, donde
e01 = e1 − e2 , e02 = e2 − e3 , e03 = e3 .
Sabemos que
1 α 0
!
A = M [fα : B] = α 1 α .
0 α 1
Así, la expresión de cambio de base, vendrá dada por M [fα : B 0 ] = Q−1 AP , siendo
1 0 0
!
P =Q= −1 1 0 .
0 −1 1
192 Más de 160 problemas resueltos de Álgebra Lineal
Por tanto,
1−α α 0
!
0
M [fα : B ] = 0 1 α .
−α α α+1
24. De un endomor smo f no nulo, del R-espacio vectorial V se conocen
los siguientes datos:
f tiene la misma matriz respecto a las bases de V
B = {e1 , e2 , e3 } y B 0 = {2e1 − e2 , −e1 + 2e2 , e1 + e2 + 2e3 }.
Si A es el conjunto de vectores de la forma xe1 +2e3 , con x ∈ R, entonces
f (A) = Im(f ).
f2 = f.
e1 − e2 ∈ Im(f ).
Se pide:
a) Determinar la matriz M asociada a f respecto a la base B.
b) Hallar bases de ker(f ) e Im(f ).
Solución:
a) Sea M la matriz asociada a f respecto de la base B ,
a b c
!
M= d e f .
g h i
Podemos hallar la matriz asociada a f respecto de la base B 0 , a partir de M ,
mediante la expresión M [f, B 0 ] = Q−1 M P , siendo en este caso,
2 −1 1
P = Q = −1 2 1 .
0 0 2
Para que ambas matrices sean iguales debe veri carse M = Q−1 M P . Esto es,
P M = M P . Resolviendo el sistema resultante de la anterior igualdad, nos queda
que M debe de ser de la forma:
e d i−e−d
M = d e i − e − d .
0 0 i
6. Aplicaciones lineales 193
Observamos que un sistema generador de Im(f ) viene dado por {(e, d, 0), (d, e, 0), (i−
e − d, i − e − d)}. Por tanto, dim(Im(f )) ≤ 3.
Consideremos el conjunto A = {(x, 0, 2) : x ∈ R}. Sabemos que f (A) = Im(f ). Así
todo elemento y ∈ Im(f ), será de la forma y = f (xe1 + 2e3 ) = xf (e1 ) + 2f (e3 ). Por
tanto se tiene que un sistema generador de Im(f ) es el conjunto {f (e1 ), f (e3 )}, de
donde podemos a rmar que dim(Im(f )) ≤ 2.
Vamos a intentar calcular una base de Im(f ). Como Im(f ) es un subespacio, se
tiene que 0 ∈ Im(f ), por tanto existirá xe1 + 2e3 ∈ A tal que 0 = f (xe1 +
2e3 ) = xf (e1 ) + 2f (e3 ), de donde podemos a rmar que f (e1 ) y f (e3 ) son vectores
linealmente dependientes. Por tanto se tiene que dim(Im(f )) ≤ 1. Como e1 − e2 ∈
Im(f ), se tiene que dim(Im(f )) = 1, y {e1 − e2 } constituye una base de Im(f ).
Así tendremos que:
f (e1 ) = α(e1 − e2 ) = αe1 − αe2 ,
f (e2 ) = β(e1 − e2 ) = βe1 − βe2 ,
f (e3 ) = γ(e1 − e2 ) = γe1 − γe2 ,
de donde se obtiene que d = −e, i = 0. Por tanto, la matriz pedida es de la forma:
e −e 0
M = −e e 0 .
0 0 0
Ahora imponemos la condición f 2 = f . Por tanto se tendrá que veri car que
M 2 = M . Así obtenemos que 2e2 = e, de donde los posibles valores para e son
1
e=0ye= .
2
Si e = 0, tendríamos que M es la matriz nula, y de ahí Im(f ) sería el subespacio
nulo, que no puede ser ya que hemos razonado que dim(Im(f )) = 1. Así podemos
1
a rmar que e = . Por tanto la matriz pedida es:
2
1
2 − 12 0
M = − 12 1
0 .
2
0 0 0
b) En el apartado anterior hemos visto que una base de Im(f ) es {(1, −1, 0)}. Halle-
mos una base para ker(f ). Sea (x, y, z) ∈ ker(f ), entonces se tiene
1
2 − 12 0 x 0
− 12 1
0 y = 0 .
2
0 0 0 z 0
194 Más de 160 problemas resueltos de Álgebra Lineal
Esto es,
x = α
y = α
z = β,
donde α, β ∈ R. Por consiguiente, una base de ker(f ) viene dada por {(1, 1, 0), (0, 0, 1)}.
25. Se considera la aplicación lineal f : R3 −→ R3 dada por:
f (e1 ) = e1 − e2 , f (e2 ) = e2 − e1 , f (e3 ) = e3 ,
donde {e1 , e2 , e3 } es la base canónica de R3 . Hallar la descomposición canó-
nica de f .
Solución: Debemos calcular las aplicaciones π, f , i, que aparecen en el siguiente
diagrama conmutativo:
f
R3 −→ R3
π↓ ] ↑i
R3 / ker(f ) −→ Im(f )
f
La matriz asociada a f es:
1 −1 0
−1 1 0 .
0 0 1
Vamos a calcular la matriz asociada a la aplicación,
π : R3 −→ R3 / ker(f )
x 7−→ [x]
En primer lugar necesitamos calcular una base de R3 / ker(f ). Para ello calcularemos
una base de ker(f ). Sea (x1 , x2 , x3 ) ∈ R3 , entonces:
1 −1 0 x1 0
−1 1 0 x2 = 0 .
0 0 1 x3 0
Luego el ker(f ) = {(x1 , x2 , x3 ) : x1 = x2 , x3 = 0}. Así una base de ker(f ) ven-
drá dada por {(1, 1, 0)}. De donde una base de R3 / ker(f ) viene dada por B =
{[(0, 1, 0)], [(0, 0, 1)]}.
Para calcular la matriz asociada a la aplicación π , tendremos que calcular las
coordenadas de π(1, 0, 0), π(0, 1, 0), π(0, 0, 1) respecto de la base anterior. Vamos a
6. Aplicaciones lineales 195
verlo:
π(1, 0, 0) = [(1, 0, 0)]. Las coordenadas de [(1, 0, 0)] respecto de la base B serán los
escalares α, β ∈ R tales que:
[(1, 0, 0)] = α[(0, 1, 0)] + β[(0, 0, 1)].
Esto es, [(1, 0, 0)] = [(0, α, β)]. Por tanto se tendrá que veri car que (1, −α, −β) ∈
ker(f ). Así 1 = −α, β = 0. Por tanto, α = −1, β = 0. Esto es, π(1, 0, 0)B = (−1, 0).
Razonando de forma similar, se tiene que π(0, 1, 0)B = (1, 0), π(0, 0, 1)B = (0, 1).
Por tanto la matriz asociada a π respecto de las bases consideradas es,
−1 1 0
M [π] = .
0 0 1
Veamos ahora la matriz asociada a la aplicación
f : R3 / ker(f ) −→ Im(f )
[x] 7−→ f (x)
Puede comprobarse que una base de Im(f ) viene dada por B 0 = {(1, −1, 0), (0, 0, 1)}.
Así para calcular la matriz asociada a la aplicación f tendremos que calcular las
coordenadas de f ([(0, 1, 0)]) y f ([(0, 0, 1)]) respecto de la base B 0 . Puede comprobarse
que:
f ([(0, 1, 0)])B 0 = (−1, 0), f ([(0, 1, 0)])B 0 = (0, 1).
Así la matriz asociada a f en las bases indicadas es
−1 0
.
0 1
Finalmente vamos calcular la matriz asociada a la aplicación
i : Im(f ) −→ R3
x 7−→ x
respecto de la base B 0 de Im(f ) y la base canónica de R3 . Para ello bastará calcular
las coordenadas de i(1, −1, 0) y de i(0, 0, 1) respecto de la base canónica, BC , de R3 .
Como se tiene que
i(1, −1, 0)BC = (1, −1, 0) e i(0, 0, 1)BC = (0, 0, 1),
entonces la matriz asociada a i, en las bases indicadas, es
1 0
−1 0 .
0 1
196 Más de 160 problemas resueltos de Álgebra Lineal
26. Sea la aplicación lineal f : R2 −→ R3 que tiene por núcleo el subespacio
V = {(x, y) : x + 2y = 0} y tal que f (1, 1) = (0, 0, 1). Se pide:
a) Hallar la expresión matricial de f respecto de las bases canónicas.
b) Encontrar las bases de Im(f ) y R2 / ker(f ).
c) Respecto de las bases calculadas en el apartado anterior y las bases
canónicas de R2 y R3 , calcular las matrices de las aplicaciones lineales
de la factorización canónica de f .
Solución:
a b
a) Sea A = c d la matriz pedida. Puede comprobarse que una base de ker(f )
e g
viene dada por {(2, −1)}. Además, por hipótesis se tiene que f (1, 1) = (0, 0, 1).
Así se tiene que veri car que:
a b 0 a b 0
c 2 c d 1
d = 0 , = 0 ,
−1 1
e g 0 e g 1
Esto es, se tiene el siguiente sistema:
2a −b = 0
2c −d = 0
2e −g = 0
a +b = 0
c +d = 0
e +g = 1,
cuya solución es a = b = c = d = 0, e = 13 , g = 23 . Por tanto la matriz asociada a f
respecto de las bases canónicas viene dada por:
0 0
A= 0 0 .
1 2
3 3
En consecuencia la expresión matricial de f respecto de las bases canónicas será:
y1 0 0
y2 = 0 x1
0 .
1 2 x2
y3 3 3
b) Comencemos calculando Im(f ). Las imágenes de los elementos de la base canónica
son:
1 2
f (1, 0) = 0, 0, , f (0, 1) = 0, 0, .
3 3
6. Aplicaciones lineales 197
Éstos constituyen un sistema generador de Im(f ). Por tanto, una base de Im(f )
vendrá dada por {(0, 0, 1)} .
Calculamos ahora una base de R2 / ker(f ). Como una base de ker(f ) viene dada
por {(2, −1)}. Se tiene que una base de R2 / ker(f ) vendrá dada por B = {[(1, 0)]}.
c) Debemos calcular las matrices asociadas a las aplicaciones lineales que aparecen
en el siguiente diagrama conmutativo:
f
R2 −→ Rx
3
πy ]
i
R2 / ker(f ) −→ Im(f )
f
Matriz de π : R2 −→ R2 / ker(f ):
Tomamos la base canónica de R2 , {(1, 0), (0, 1)}, y la base que habíamos
calculado anteriormente de R2 / ker(f ), B = {[(1, 0)]}.
Tenemos que calcular las coordenadas de π((1, 0)) y de π((0, 1)) respecto de
la base B . Se tiene que π((1, 0)) = [(1, 0)]. Esto es, tendremos que calcular el
escalar α tal que
[(1, 0)] = α[(1, 0)].
Se ve claramente que α = 1. Así π((1, 0))B = 1.
De igual forma π((0, 1)) = [(0, 1)]. La coordenada buscada, será el escalar α
tal que [(0, 1)] = α[(1, 0)]. Esto es, [(0, 1)] = [(α, 0)]. Por tanto (0, 1)−(α, 0) ∈
ker(f ). Así (−α, 1) ∈ ker(f ). De donde −α + 2 · 1 = 0. Concluimos que α = 2.
La matriz asociada es, por tanto,
1 2 .
Matriz de f : R2 / ker(f ) −→ Im(f ):
Tomamos la base de R2 / ker(f ), {[(1, 0)]}, y la base de Im(f ) que habíamos
calculado, B = {(0, 0, 1)}. Tenemos pues que:
1
f ([(1, 0)]) = f (1, 0) = 0, 0, .
3
Ahora tendremos que calcular las coordenadas de este vector respecto de la
base B . Esto es, tendremos que calcular el escalar α que veri ca 0, 0, 13 =
α(0, 0, 1). Por tanto, α = 13 . Así f ([(1, 0)])B = 13 . De donde podemos a rmar
que la matriz asociada, respecto a las bases indicadas es,
1
.
3
198 Más de 160 problemas resueltos de Álgebra Lineal
Matriz de i : Im(f ) −→ R3 :
Sea {(0, 0, 1)} la base de Im(f ) y consideremos en R3 la base canónica, B =
{(1, 0, 0), (0, 1, 0), (0, 0, 1)}.
Como i(0, 0, 1)B = (0, 0, 1)B = (0, 0, 1). La matriz asociada, respecto a las
bases indicadas, es
0
0 .
1
7 | Espacio dual
En este capítulo, dada una base B de un espacio vectorial V , calcularemos una base
B ∗ del espacio vectorial dual V ∗ y, recíprocamente, dada una base B ∗ del espacio
vectorial dual V ∗ , calcularemos una base B de V de la cual B ∗ es dual.
1. En el espacio vectorial R3 se considera la siguiente base
B = {(1, −1, 3), (0, 1, −1), (0, 3, −2)}.
Halla la base dual B ∗ = {ϕ1 , ϕ2 , ϕ3 } de la base B.
Solución: Vamos a recordar el concepto de base dual que será necesario en este
capítulo y que puede consultarse en [9].
Base dual
Sean B = {v1 , v2 , . . . , vn } una base de un espacio vectorial V y
B ∗ = {ϕ1 , ϕ2 , . . . , ϕn } una base de V ∗ , diremos que B ∗ es base dual
de B si para cada i = 1, 2, . . . , n, se veri ca:
ϕi (vi ) = 1 y ϕi (vj ) = 0, para todo i 6= j.
Como se trata de obtener tres formas lineales ϕi : R3 → R, i = 1, 2, 3, será
su ciente obtener la matriz asociada de cada una de ellas. Supongamos que la matriz
asociada a ϕ1 es (a11 a12 a13 ).
Se tienen que veri car las condiciones:
ϕ1 (1, −1, 3) = 1, ϕ1 (0, 1, −1) = 0, ϕ1 (0, 3, −2) = 0.
Esto es,
1 0 0
(a11 a12 a13 ) −1 = 1, (a11 a12 a13 ) 1 = 0, (a11 a12 a13 ) 3 = 0.
3 −1 −2
199
200 Más de 160 problemas resueltos de Álgebra Lineal
Por tanto se tiene:
1 0 0
(a11 a12 a13 ) −1 1 3 = 1 0 0 .
3 −1 −2
Si (a21 a22 a23 ) es la matriz asociada a la forma lineal ϕ2 , análogamente obtenemos
que:
1 0 0
(a21 a22 a23 ) −1 1 3 = 0 1 0 .
3 −1 −2
Si (a31 a32 a33 ) es la matriz asociada a la forma lineal ϕ3 , también se tiene que:
1 0 0
(a31 a32 a33 ) −1 1 3 = 0 0 1 .
3 −1 −2
Esto es:
a11 a12 a13 1 0 0 1 0 0
a21 a22 a23 −1 1 3 = 0 1 0 .
a31 a32 a33 3 −1 −2 0 0 1
Vemos que se trata de calcular la inversa de la matriz cuyas columnas son las coor-
denadas de los vectores dados. Es decir:
−1
a11 a12 a13 1 0 0 1 0 0
a21 a22 a23 = −1 1 3 = 7 −2 −3 .
a31 a32 a33 3 −1 −2 −2 1 1
Por tanto, se tendrá que:
x
ϕ1 (x, y, z) = 1 0 0 y = x,
z
x
ϕ2 (x, y, z) = 7 −2 −3 y = 7x − 2y − 3z,
z
x
ϕ3 (x, y, z) = −2 1 1 y = −2x + y + z.
z
2. Sean las formas lineales f1 , f2 , f3 : R3 −→ R tales que:
f1 (x, y, z) = 2x − y + z, f2 (x, y, z) = y + z, f3 (x, y, z) = z.
7. Espacio dual 201
Se pide:
a) Probar que B ∗ = {f1 , f2 , f3 } es una base del espacio dual de R3 .
b) Hallar una base de R3 de la cual {f1 , f2 , f3 } es dual.
Solución:
a) Veamos que es libre. Para ello, consideremos la combinación lineal
α1 f1 + α2 f2 + α3 f3 = 0.
Tomamos la base canónica de R3 , B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}, y observemos
que:
(α1 f1 + α2 f2 + α3 f3 )(1, 0, 0) = α1 f1 (1, 0, 0) + α2 f2 (1, 0, 0) + α3 f3 (1, 0, 0) =
= α1 · 2 + α2 · 0 + α3 · 0 = 2α1 .
Esto es,
2α1 + 0 + 0 = 0.
Razonando de la misma forma se tiene que
(α1 f1 +α2 f2 +α3 f3 )(0, 1, 0) = α1 f1 (0, 1, 0)+α2 f2 (0, 1, 0)+α3 f3 (0, 1, 0) = α2 −α1 .
Esto es,
−α1 + α2 + 0 = 0.
Y análogamente:
(α1 f1 +α2 f2 +α3 f3 )(0, 0, 1) = α1 f1 (0, 0, 1)+α2 f2 (0, 0, 1)+α3 f3 (0, 0, 1) = α1 +α2 +α3 .
Esto es,
α1 + α2 + α3 = 0.
Así se tiene el sistema siguiente
2α1 = 0
−α1 +α2 = 0
α1 +α2 +α3 = 0.
Resolviendo dicho sistema, tenemos que la única solución es α1 = α2 = α3 = 0. Por
lo que el conjunto es linealmente independiente. Como dim((R3 )∗ ) = dim(R3 ) = 3
y card(B ∗ ) = 3, al ser B ∗ un sistema libre, es base de (R3 )∗ .
202 Más de 160 problemas resueltos de Álgebra Lineal
b) Tenemos que las matrices asociadas a f1 , f2 , y f3 , respecto de la base canónica,
son (2 − 1 1), (0 1 1) y (0 0 1) respectivamente.
Ahora se tiene que:
2 −1 1 1 0 0
0 1 1 P = 0 1 0 ,
0 0 1 0 0 1
siendo P la matriz cuyas columnas representan las coordenadas de los vectores de
la base buscada respecto de la base canónica. Luego:
−1 1 1
2 −1 1 2 2 −1
P = 0 1 1 = 0 1 −1 .
0 0 1 0 0 1
Por tanto, una base de R3 de la cual B ∗ es dual será:
1 1
B= , 0, 0 , , 1, 0 , (−1, −1, 1) .
2 2
3. Sean las formas lineales φi : R3 [x] −→ R, i = 1, 2, 3, 4, dadas por:
φ1 (p(x)) = p(0), φ2 (p(x)) = p0 (0), φ3 (p(x)) = p(1), φ4 (p(x)) = p0 (1).
Se pide:
a) Comprueba que B ∗ = {φ1 , φ2 , φ3 , φ4 } es una base de R3 [x]∗ .
b) Calcula una base de R3 [x] de la cual B ∗ es dual.
Solución:
a) Veamos que es libre. Para ello, consideremos la combinación lineal, α1 φ1 + α2 φ2 +
α3 φ3 + α4 φ4 = 0.
Tomamos la base canónica de R3 [x], B = {1, x, x2 , x3 }, y observemos que:
Si (α1 φ1 + α2 φ2 + α3 φ3 + α4 φ4 )(1) = 0, entonces α1 + 0 + α3 + 0 = 0.
Si (α1 φ1 + α2 φ2 + α3 φ3 + α4 φ4 )(x) = 0, entonces 0 + α2 + α3 + α4 = 0.
Si (α1 φ1 + α2 φ2 + α3 φ3 + α4 φ4 )(x2 ) = 0, entonces 0 + 0 + α3 + 2α4 = 0.
Si (α1 φ1 + α2 φ2 + α3 φ3 + α4 φ4 )(x3 ) = 0, entonces 0 + 0 + α3 + 3α4 = 0.
7. Espacio dual 203
Resolviendo el sistema resultante, tenemos que la única solución es α1 = α2 =
α3 = α4 = 0. Por tanto el conjunto es linealmente independiente.
Como dim(R3 [x]∗ ) = dim(R3 [x]) = 4, y card(B ∗ ) = 4, al ser B ∗ un sistema libre,
tenemos que es base de R3 [x]∗ .
b) Sabemos que las matrices asociadas a φ1 , φ2 , φ3 y φ4 , respecto de B , son:
M [φ1 ] = (φ1 (1) φ1 (x) φ1 (x2 ) φ1 (x3 )) = (1 0 0 0).
M [φ2 ] = (φ2 (1) φ2 (x) φ2 (x2 ) φ2 (x3 )) = (0 1 0 0).
M [φ3 ] = (φ3 (1) φ3 (x) φ3 (x2 ) φ3 (x3 )) = (1 1 1 1).
M [φ4 ] = (φ4 (1) φ4 (x) φ4 (x2 ) φ4 (x3 )) = (0 1 2 3).
Ahora se tiene que:
1 0 0 0 1 0 0 0
0 1 0 0 0 1 0 0
P = ,
1 1 1 1 0 0 1 0
0 1 2 3 0 0 0 1
siendo P la matriz cuyas columnas representan las coordenadas de los vectores de
la base buscada. Luego:
−1
1 0 0 0 1 0 0 0
0 1 0 0 0 1 0 0
P = =
−3
.
1 1 1 1 −2 3 −1
0 1 2 3 2 1 −2 1
Así, una base de R3 [x] de la cual B ∗ es dual es:
{1 − 3x2 + 2x3 , x − 2x2 + x3 , 3x2 − 2x3 , −x2 + x3 }.
4. Sea V el espacio vectorial de los polinomios reales de grado menor
o igual que 1. Sean ϕ1 : V −→ R y ϕ2 : V −→ R las formas lineales:
Z 1 Z 2
ϕ1 (p(x)) = p(x)dx, ϕ2 (p(x)) = p(x)dx.
0 0
Comprueba que {ϕ1 , ϕ2 } es una base de V∗ y halla la base {p1 (x), p2 (x)} de
V que tiene a {ϕ1 , ϕ2 } por dual.
Solución: Comenzamos viendo que {ϕ1 , ϕ2 } es base de V ∗ . Para ello, veremos que
es sistema generador del espacio y que es un conjunto linealmente independiente.
204 Más de 160 problemas resueltos de Álgebra Lineal
Veamos que es sistema generador. Sea ϕ ∈ V ∗ y p(x) = ax + b ∈ V . Entonces:
ϕ(p(x)) = ϕ(ax + b) = aϕ(x) + bϕ(1).
Observamos que:
Z 1
a
ϕ1 (ax + b) = (ax + b)dx = + b,
0 2
Z 2
ϕ2 (ax + b) = (ax + b)dx = 2a + 2b,
0
de donde:
1
a = −2ϕ1 (p(x)) + ϕ2 (p(x)), b = 2ϕ1 (p(x)) − ϕ2 (p(x)).
2
Sustituyendo estos valores en la primera expresión:
ϕ(p(x)) = aϕ(x) + bϕ(1) = [−2ϕ1 (p(x)) + ϕ2 (p(x))]ϕ(x)+
1
+ 2ϕ1 (p(x)) − ϕ2 (p(x)) ϕ(1) =
2
1
= [−2ϕ(x) + 2ϕ(1)]ϕ1 (p(x)) + ϕ(x) − ϕ(1) ϕ2 (p(x)).
2
Es decir:
1
ϕ = [−2ϕ(x) + 2ϕ(1)]ϕ1 + ϕ(x) − ϕ(1) ϕ2 .
2
Esto es, cualquier ϕ ∈ V ∗ puede escribirse como combinación lineal de ϕ1 y ϕ2 .
Comprobemos que es libre. Sean α, β ∈ R tales que:
αϕ1 + βϕ2 = 0.
Entonces, evaluando dicha aplicación en los elementos de la base B = {1, x} de
V , se tiene que,
Z 1 Z 2
(αϕ1 + βϕ2 )(1) = α dx + β dx = α + 2β = 0,
0 0
Z 1 Z 2
α
(αϕ1 + βϕ2 )(x) = α xdx + β xdx = + 2β = 0.
0 0 2
Así obtenemos el sistema:
α +2β = 0
α
2 +2β = 0,
cuyas soluciones son α = β = 0 y, en consecuencia, {ϕ1 , ϕ2 } es linealmente
independiente.
7. Espacio dual 205
Nótese que, al ser card(B ∗ ) = 2, habría bastado con ver que el conjunto era
sistema generador o libre para poder a rmar que se trata de una base de V ∗ .
Ahora, para la base {1, x} de V se tiene que las matrices asociadas a las aplica-
ciones lineales respecto de dicha base son:
1
M [ϕ1 ] = 1 2 , M [ϕ2 ] = 2 2 .
La base {a11 + a21 x, a12 + a22 x} tal que {ϕ1 , ϕ2 } es su dual, deberá veri car:
1
1 2 a11 a12 1 0
= ,
2 2 a21 a22 0 1
de donde:
− 12
a11 a12 2
= .
a21 a22 −2 1
1
Por tanto, la base buscada es −2x + 2, x − .
2
5. Sea V un espacio vectorial de dimensión 3 y sea B = {e1 , e2 , e3 } una base
de V . Obtener las coordenadas respecto de B ∗ de la forma lineal f ∈ V ∗
dada por f (e1 + e2 ) = 1, f (e2 − e3 ) = 2, f (e3 − e1 ) = 3.
Solución: Si B ∗ = {f1 , f2 , f3 } es una base de V ∗ , entonces las coordenadas de f
respecto de la base B ∗ vendrán dadas por los escalares α1 , α2 , α3 tales que f =
α1 f1 + α2 f2 + α3 f3 . Calculando f (ei ), para i = 1, 2, 3, se tiene que f (ei ) = αi para
i = 1, 2, 3. Por tanto, se tratará de calcular f (ei ), con i = 1, 2, 3.
Por ser f lineal se tiene que:
f (e1 + e2 ) = f (e1 ) + f (e2 ) = 1
f (e2 − e3 ) = f (e2 ) − f (e3 ) = 2
f (e3 − e1 ) = f (e3 ) − f (e1 ) = 3.
Por tanto, f (e1 ) = −2, f (e2 ) = 3 y f (e3 ) = 1, así las coordenadas de f en la base B ∗
son (−2, 3, 1).
6. Sea V un espacio vectorial real de dimensión 3 y sea B = {e1 , e2 , e3 } una
base de V . Se considera la forma lineal ϕ : V −→ R que satisface:
ϕ(e1 − e2 ) = 5, ϕ(e2 − e3 ) = 3, ϕ(e1 + e3 ) = 4.
206 Más de 160 problemas resueltos de Álgebra Lineal
a) Hallar la ecuación de ϕ en la base B.
b) Coordenadas de ϕ en la base B ∗ , dual de B.
Solución:
a) Por ser ϕ lineal se tiene que:
ϕ(e1 − e2 ) = ϕ(e1 ) − ϕ(e2 ) = 5
ϕ(e2 − e3 ) = ϕ(e2 ) − ϕ(e3 ) = 3
ϕ(e1 + e3 ) = ϕ(e1 ) + ϕ(e3 ) = 4.
Por tanto, ϕ(e1 ) = 6, ϕ(e2 ) = 1 y ϕ(e3 ) = −2, luego la matriz asociada a ϕ es
(6 1 − 2) y en consecuencia
x
ϕ(x, y, z) = (6 1 − 2) y con (x, y, z) ∈ V.
z
Así la ecuación de ϕ viene dada por:
ϕ(x, y, z) = 6x + y − 2z.
b) Por el ejercicio anterior, se tiene que las coordenadas de ϕ respecto de la base B ∗
son:
ϕ(e1 ) = 6, ϕ(e2 ) = 1, ϕ(e3 ) = −2.
Esto es, ϕB ∗ = (6, 1, −2).
7. Sea B = {e1 , e2 , e3 } la base canónica de R3 y considérense tres formas
lineales ϕ1 , ϕ2 , ϕ3 en R3 , de las que se sabe:
ϕ1 (e1 ) = 1, ϕ1 (e2 ) = a, ϕ1 (e3 ) = 0 (a ∈ R).
ϕ2 (e1 + e2 ) = 3, ϕ2 (e1 + e2 − 2e3 ) = 1, ϕ2 (2e1 + e2 − e3 ) = 2.
ker(ϕ3 ) = {(x1 , x2 , x3 ) ∈ R3 |x1 + x2 + bx3 = 0}, ϕ3 (e1 ) = 2 (b ∈ R dado).
a) Hallar las ecuaciones de ϕ1 , ϕ2 , ϕ3 en la base B.
b) Hallar las coordenadas de ϕ1 , ϕ2 , ϕ3 en la base B ∗ dual de B.
c) Hallar la relación que deben de guardar a y b para que {ϕ1 , ϕ2 , ϕ3 } sea
un sistema linealmente dependiente en V ∗ .
7. Espacio dual 207
Solución:
a) Sea (x1 , x2 , x3 ) ∈ R3 . Se tiene que:
ϕ1 (x1 , x2 , x3 ) = ϕ1 (x1 e1 +x2 e2 +x3 e3 ) = x1 ϕ1 (e1 )+x2 ϕ1 (e2 )+x3 ϕ1 (e3 ) = x1 +ax2 .
Por tanto,
ϕ1 (x1 , x2 , x3 ) = x1 + ax2 , (a ∈ R).
Para ϕ2 , de los datos del enunciado, obtenemos el sistema:
ϕ2 (e1 ) +ϕ2 (e2 ) = 3
ϕ2 (e1 ) +ϕ2 (e2 ) −2ϕ2 (e3 ) = 1
2ϕ2 (e1 ) +ϕ2 (e2 ) −ϕ2 (e3 ) = 2,
cuyas soluciones son:
ϕ2 (e1 ) = 0, ϕ2 (e2 ) = 3, ϕ2 (e3 ) = 1.
Por tanto,
ϕ2 (x1 , x2 , x3 ) = ϕ2 (x1 e1 + x2 e2 + x3 e3 ) = 3x2 + x3 .
Vamos ahora a calcular la expresión de ϕ3 . A partir de la ecuación cartesiana de
ker(ϕ3 ) y llamando x3 = α, x2 = β , obtenemos sus ecuaciones paramétricas:
x1 = −bα −β
x2 = β
x3 = α
Así, si (x1 , x2 , x3 ) ∈ ker(ϕ3 ), entonces
(x1 , x2 , x3 ) = (−bα − β, β, α) = α(−b, 0, 1) + β(−1, 1, 0).
Por tanto, {(−b, 0, 1), (−1, 1, 0)} es sistema generador de ker(ϕ3 ) y, puesto que ade-
más el conjunto es libre, es base. En consecuencia, ϕ3 (−b, 0, 1) = 0 y ϕ3 (−1, 1, 0) =
0. Además, por hipótesis se veri ca que ϕ3 (e1 ) = 2. Así ϕ3 veri ca las siguientes
condiciones:
ϕ3 (−be1 + e3 ) = 0,
ϕ3 (−e1 + e2 ) = 0,
ϕ3 (e1 ) = 2.
Esto es,
−bϕ3 (e1 ) + ϕ3 (e3 ) = 0,
−ϕ3 (e1 ) + ϕ3 (e2 ) = 0,
ϕ3 (e1 ) = 2.
De donde se obtiene que:
ϕ3 (e1 ) = ϕ3 (e2 ) = 2, ϕ3 (e3 ) = 2b.
208 Más de 160 problemas resueltos de Álgebra Lineal
Por tanto,
ϕ3 (x1 , x2 , x3 ) = 2x1 + 2x2 + 2bx3 , (b ∈ R dado).
b) Razonando de la misma forma que lo hemos hecho en los ejercicios anteriores,
se tiene que las coordenadas de ϕ1 , ϕ2 y ϕ3 respecto de la base B ∗ son (1, a, 0),
(0, 3, 1) y (2, 2, 2b) respectivamente.
c) Para que los vectores {ϕ1 , ϕ2 , ϕ3 } sean linealmente dependientes, el siguiente de-
terminante
1 a 0
0 3 1 = 2a + 6b − 2,
2 2 2b
debe de ser nulo. Por tanto, a y b deben ser tales que 2a + 6b − 2 = 0. Esto es,
a + 3b = 1.
8 | Espacio vectorial euclídeo
En este capítulo podrás encontrar, entre otros, ejercicios relativos al:
Concepto de producto escalar.
Cálculo de la matriz de Gram respecto de un producto escalar.
Cálculo de una base ortogonal mediante el algoritmo de Gram-Schmidt.
Cálculo del espacio ortogonal a uno dado.
1. Dado el espacio vectorial de los polinomios de grado menor o igual que
1, y el producto escalar
Z 1
hp(x), q(x)i = p(x)q(x)dx.
0
Se pide:
a) Matriz de Gram en la base {1, x}.
b) ¾Qué ángulo forman los polinomios x+3 y 2x + 4.?
c) Calcular una base ortonormal a partir de la base {1, x}.
Solución: Vamos a recordar la de nición de matriz de Gram que nos será útil en
este ejercicio y en los que siguen. Esta de nición, así como las propiedades de dicha
matriz pueden consultarse en [9].
Matriz de Gram
Sea (V, h , i un espacio vectorial ecuclídeo y sea B = {e1 , e2 , . . . , en } una
base de V . Llamaremos matriz de Gram respecto a la base B , a la matriz
A = (aij )1≤i,j≤n , donde aij = hei , ej i.
a) En este caso nos piden la matriz dada por:
h1, 1i h1, xi
.
hx, 1i hx, xi
209
210 Más de 160 problemas resueltos de Álgebra Lineal
Para ello calculemos cada elemento de la matriz. Esto es,
Z 1 Z 1 Z 1
1 1
h1, 1i = 1dx = 1, h1, xi = xdx = , hx, xi = x2 dx = .
0 0 2 0 3
Por lo tanto la matriz pedida es:
!
1
1 2
1 1
.
2 3
b) Vamos a recordar la de nición de ángulo entre dos vectores que nos será útil en
este ejercicio y en los que siguen. Esta de nición pueden consultarse en [9].
Ángulo entre dos vectores
El ángulo entre dos vectores x e y es el único número real α, 0 ≤ α ≤ π
tal que:
hx, yi
cos(α) = .
||x|| ||y||
Vamos a calcular los distintos elementos que necesitamos para resolver el ejercicio,
Z 1
53
hx + 3, 2x + 4i = (x + 3)(2x + 4)dx = .
0 3
s r
Z 1
p 37
||x + 3|| = hx + 3, x + 3i = (x + 3)2 dx = .
0 3
s r
Z 1
p 19
||2x + 4|| = h2x + 4, 2x + 4i = (2x + 4)2 dx = 2 .
0 3
Por tanto:
53/3 53
cos(α) = q q = √ .
37
2 319 2 703
3
53
Así, α = arc cos √ .
2 703
c) Para obtener una base ortogonal a partir de una dada, utilizaremos el algoritmo
de Gram-Schmidt que puede consultarse en [9] y que recordamos a continuación:
8. Espacio vectorial euclídeo 211
Algoritmo de Gram-Schmidt para el cálculo de una base ortogonal
Sea (V, h, i) un espacio vectorial euclídeo y sea B = {u1 , u2 , . . . , un } una
base de V . Entonces existe una base ortogonal B 0 = {w1 , . . . , wn } de V .
Algoritmo:
w 1 = u1 ,
hu2 , w1 i
w 2 = u2 − w1 ,
||w1 ||2
hu3 , w1 i hu3 , w2 i
w 3 = u3 − w1 − w2 ,
||w1 ||2 ||w2 ||2
..
.
hun , w1 i hun , w2 i hun , wn−1 i
wn = un − w1 − w2 − · · · − wn−1 .
||w1 ||2 ||w2 ||2 ||wn−1 ||2
Aplicando el algoritmo de Gram-Schmidt, obtenemos:
w1 = 1,
hx, 1i 1
w2 = x − 2
·1=x− .
||1|| 2
Así, la base ortogonal obtenida es:
1
B0 = 1, x − .
2
1
Observamos que x − no es un vector unitario, así que normalizamos este vector,
2
obteniendo: 1
x− 2 1
x− 2 √ √
1 = qR = 2 3x − 3.
||x − 2 || 1
(x − 1 )2 dx
0 2
√ √
Por tanto, la base ortonormal pedida es B = {1, 2 3x − 3}.
2. Calcula la matriz de Gram, respecto de la base B = {(1, 0, 0), (0, 1, 0),
(0, 0, 1)}, del producto escalar dado por:
hx, yi = 2x1 y1 + 2x2 y2 + 2x3 y3 + x1 y2 + x1 y3 + x2 y1 + x2 y3 + x3 y1 + x3 y2 ,
donde (x1 , x2 , x3 ) y (y1 , y2 , y3 ) son las coordenadas en la base B de x e y
respectivamente. ¾Es la base B ortogonal? En caso negativo, calcular una
base ortogonal a partir de B .
212 Más de 160 problemas resueltos de Álgebra Lineal
Solución:
Supongamos que la base B es {u1 , u2 , u3 }. Se tiene que:
h(1, 0, 0), (1, 0, 0)i = 2, h(1, 0, 0), (0, 1, 0)i = 1, h(1, 0, 0), (0, 0, 1)i = 1,
h(0, 1, 0), (1, 0, 0)i = 1, h(0, 1, 0), (0, 1, 0)i = 2, h(0, 1, 0), (0, 0, 1)i = 1,
h(0, 0, 1), (1, 0, 0)i = 1, h(0, 0, 1), (0, 1, 0)i = 1, h(0, 0, 1), (0, 0, 1)i = 2.
Por tanto la matriz pedida es:
h(1, 0, 0), (1, 0, 0)i h(1, 0, 0), (0, 1, 0)i h(1, 0, 0), (0, 0, 1)i 2 1 1
h(0, 1, 0), (1, 0, 0)i h(0, 1, 0), (0, 1, 0)i h(0, 1, 0), (0, 0, 1)i = 1 2 1 .
h(0, 0, 1), (1, 0, 0)i h(0, 0, 1), (0, 1, 0)i h(0, 0, 1), (0, 0, 1)i 1 1 2
La base B no es ortogonal puesto que los productos escalares de elementos
diferentes son todos distintos de 0. Así ningún vector de la base es ortogonal a
los demás.
Calculemos una base ortogonal aplicando el algoritmo de Gram-Schmidt:
w1 = (1, 0, 0),
h(0, 1, 0), (1, 0, 0)i 1 1
w2 = (0, 1, 0) − (1, 0, 0) = (0, 1, 0) − (1, 0, 0) = − , 1, 0 ,
||(1, 0, 0)||2 2 2
h(0, 0, 1), (− 21 , 1, 0)i
h(0, 0, 1), (1, 0, 0)i 1
w3 = (0, 0, 1) − (1, 0, 0) − − , 1, 0 =
||(1, 0, 0)||2 ||(− 21 , 1, 0)||2 2
1 1 1 1 1
(0, 0, 1) − (1, 0, 0) − (− , 1, 0) = − , − , 1 .
2 3 2 3 3
Por tanto la base pedida es
1 1 1
(1, 0, 0), − , 1, 0 , − , − , 1 .
2 3 3
3. En un espacio vectorial euclídeo V se consideran dos vectores unitarios
u y v que forman un ángulo de 60o . Calcular ||2u + v||.
Sabemos que ||2u + v|| = h2u + v, 2u + vi. Elevando al cuadrado ambos
p
Solución:
miembros y aplicando las propiedades del producto escalar, se tiene:
||2u + v||2 = h2u + v, 2u + vi = 4hu, ui + 4hu, vi + hv, vi = 4||u||2 + 4hu, vi + ||v||2 .
8. Espacio vectorial euclídeo 213
Ahora, como u y v son unitarios, se tiene que ||u||2 = ||v||2 = 1. Así ||2u + v||2 =
4hu, vi + 5. Por otro lado, y puesto que los vectores u y v forman un ángulo de 60o se
tiene:
1
hu, vi = ||u||||v|| cos(60o ) = .
2
√
Luego ||2u + v||2 = 4hu, vi + 5 = 4
2 + 5 = 7 y, en consecuencia, ||2u + v|| = 7.
4. En R3 con el producto escalar usual h, i, se de ne
[(x1 , x2 , x3 ), (y1 , y2 , y3 )] = h(x1 + x3 , x1 + x2 , x2 + x3 ), (y1 + y3 , y1 + y2 , y2 + y3 )i.
a) Comprueba que [, ] de ne un producto escalar en R3 .
b) Calcula la matriz de Gram para este producto escalar con respecto
de la base canónica.
c) Calcula una base ortogonal de R3 con respecto a este producto escalar.
Solución:
a) Veamos que cumple las propiedades de un producto escalar, utilizando para ello
las propiedades del producto escalar usual h, i:
[x, y] = [y, x], siendo x = (x1 , x2 , x3 ), y = (y1 , y2 , y3 ) ∈ R3 ,
[x, y] = h(x1 + x3 , x1 + x2 , x2 + x3 ), (y1 + y3 , y1 + y2 , y2 + y3 )i =
= h(y1 + y3 , y1 + y2 , y2 + y3 ), (x1 + x3 , x1 + x2 , x2 + x3 )i = [y, x].
[x + z, y] = [x + y] + [z + y], siendo x = (x1 , x2 , x3 ), y = (y1 , y2 , y3 ), z =
(z1 , z2 , z3 ) ∈ R3 ,
[x + z, y] = h(x1 + x3 + z1 + z3 , x1 + x2 + z1 + z2 , x2 + x3 + z2 + z3 ),
(y1 +y3 , y1 +y2 , y2 +y3 )i = h(x1 +x3 , x1 +x2 , x2 +x3 ), (y1 +y3 , y1 +y2 , y2 +y3 )i+
+h(z1 + z3 , z1 + z2 , z2 + z3 ), (y1 + y3 , y1 + y2 , y2 + y3 )i = [x + y] + [z + y].
[αx, y] = [x, αy] = α[x, y], siendo x = (x1 , x2 , x3 ), y = (y1 , y2 , y3 ) ∈ R3 ,
α[x, y] = αh(x1 + x3 , x1 + x2 , x2 + x3 ), (y1 + y3 , y1 + y2 , y2 + y3 )i =
= h(α(x1 + x3 ), α(x1 + x2 ), α(x2 + x3 )), (y1 + y3 , y1 + y2 , y2 + y3 )i = [αx, y] =
= h(x1 + x3 , x1 + x2 , x2 + x3 ), (α(y1 + y3 ), α(y1 + y2 ), α(y2 + y3 ))i = [x, αy].
[x, x] ≥ 0, siendo x = (x1 , x2 , x3 ) ∈ R3 ,
[x, x] = h(x1 + x3 , x1 + x2 , x2 + x3 ), (x1 + x3 , x1 + x2 , x2 + x3 )i ≥ 0.
214 Más de 160 problemas resueltos de Álgebra Lineal
[x, x] = 0 ⇔ x = 0.
⇒ Sea x ∈ R tal que [x, x] = 0, entonces h(x1 + x3 , x1 + x2 , x2 + x3 ), (x1 +
x3 , x1 + x2 , x2 + x3 )i = 0, de donde (x1 + x3 , x1 + x2 , x2 + x3 ) = (0, 0, 0) y
resolviendo el sistema resulta: x1 = 0, x2 = 0 y x3 = 0, es decir, x = 0.
⇐ Si x = 0, entonces (x1 + x3 , x1 + x2 , x2 + x3 ) = (0, 0, 0) y de ahí se tiene
que [x, x] = h(x1 + x3 , x1 + x2 , x2 + x3 ), (x1 + x3 , x1 + x2 , x2 + x3 )i = 0.
b) Calculemos la matriz de Gram:
[(1,0,0),(1,0,0)] [(1,0,0),(0,1,0)] [(1,0,0),(0,0,1)]
[(0,1,0),(1,0,0)] [(0,1,0),(0,1,0)] [(0,1,0),(0,0,1)] =
[(0,0,1),(1,0,0)] [(0,0,1),(0,1,0)] [(0,0,1),(0,0,1)]
h(1, 1, 0), (1, 1, 0)i h(1, 1, 0), (0, 1, 1)i h(1, 1, 0), (1, 0, 1)i 2 1 1
h(0, 1, 1), (1, 1, 0)i h(0, 1, 1), (0, 1, 1)i h(0, 1, 1), (1, 0, 1)i = 1 2 1 .
h(1, 0, 1), (1, 1, 0)i h(1, 0, 1), (0, 1, 1)i h(1, 0, 1), (1, 0, 1)i 1 1 2
c) Consideremos la base canónica y a partir de ella, aplicando el método de Gram-
Schmidt, construyamos la base ortogonal.
w1 = (1, 0, 0),
[(0, 1, 0), (1, 0, 0)] 1 1
w2 = (0, 1, 0) − (1, 0, 0) = (0, 1, 0) − (1, 0, 0) = − , 1, 0 ,
||(1, 0, 0)||2 2 2
[(0, 0, 1), (− 21 , 1, 0)]
[(0, 0, 1), (1, 0, 0)] 1
w3 = (0, 0, 1) − (1, 0, 0) − − , 1, 0 =
||(1, 0, 0)||2 ||(− 12 , 1, 0)||2 2
1 1 1 1 1
(0, 0, 1) − (1, 0, 0) − − , 1, 0 = − , − , 1 .
2 3 2 3 3
1 1 1
Luego la base pedida es: B = (1, 0, 0), − , 1, 0 , − , − , 1 .
2 3 3
5. En el espacio vectorial euclídeo R4 con el producto escalar usual
se pide:
a) Determinar un vector unitario que sea ortogonal a los vectores
(1, 2, 1, 0), (0, −1, 1, 0), (1, 1, −2, 1).
b) Obtener mediante el algoritmo de Gram-Schmidt una base de vec-
tores ortonormales para el subespacio F generado por los vectores
anteriores.
8. Espacio vectorial euclídeo 215
Solución:
a) Primero calcularemos un vector ortogonal y luego lo normalizaremos:
Busquemos el vector (x, y, z, w) ∈ R4 ortogonal a los tres vectores dados. Éste
ha de cumplir que:
h(x, y, z, w), (1, 2, 1, 0)i = h(x, y, z, w), (0, −1, 1, 0)i =
h(x, y, z, w), (1, 1, −2, 1)i = 0.
Esto es, se tiene el sistema
x +2y +z = 0
−y +z = 0
x +y −2z +w = 0,
cuyas soluciones vienen dadas por
3λ λ λ
x=− , y= , z= , w = λ, λ ∈ R.
4 4 4
Tomando λ = 4, se tiene que el vector (−3, 1, 1, 4) es ortogonal a los demás.
Hagamos unitario el vector multiplicándolo por el inverso de su norma. Así
pues, el vector
1 1 1 4
−√ , √ , √ , √ ,
3 3 3 3 3 3 3
es unitario y ortogonal a los demás.
b) En primer lugar, observamos que los vectores dados son linealmente independien-
tes. Por tanto forman una base de F . Vamos a calcular una base ortogonal y
luego, multiplicando cada vector por el inverso de su norma, obtendremos una
base ortonormal.
Aplicando el algoritmo de Gram-Schmidt, tenemos:
w1 = (1, 2, 1, 0),
h(0, −1, 1, 0), (1, 2, 1, 0)i 1 2 7
w2 = (0, −1, 1, 0) − (1, 2, 1, 0) = ,− , ,0 ,
||(1, 2, 1, 0)||2 6 3 6
h(1, 1, −2, 1), (1, 2, 1, 0)i
w3 = (1, 1, −2, 1) − (1, 2, 1, 0)−
||(1, 2, 1, 0)||2
216 Más de 160 problemas resueltos de Álgebra Lineal
(1, 1, −2, 1), ( 16 , − 23 , 76 , 0)
1 2 7 12 4 4
2 ,− , ,0 = ,− ,− ,1 .
( 16 , − 23 , 67 , 0) 6 3 6 11 11 11
Normalizando w1 , w2 , y w3 , tenemos que:
√
r r
11 3
||w1 || = 6, ||w2 || = , ||w3 || = 3 .
6 11
Por lo que la base ortonormal es:
( r ! √ )
1 2 1 1 2 7 4 4 4 11
√ , √ , √ ,0 , √ , −2 , √ ,0 , √ ,− √ ,− √ , √ .
6 6 6 66 33 66 33 3 33 3 33 3 3
6. En el espacio vectorial de las matrices cuadradas de orden 2, M2 (R), se
de ne el siguiente producto hA, Bi = tr(AB t ). Se pide:
a) Demuestra que M2 (R) con el anterior producto es un espacio vectorial
euclídeo.
b) ¾Existe alguna base ortonormal para el producto escalar dado? En
caso a rmativo, encontrarla.
Solución: Comenzamos recordando la de nición de traza de una matriz cuadrada,
que puede consultarse en [9],
Traza de una matriz cuadrada
Dada una matriz cuadrada A, llamaremos traza de A y será denotado por
tr(A) a la suma de los elementos de su diagonal principal, esto es:
tr(A) = a11 + a22 + · · · + ann .
a) Comprobemos que la operación veri ca las propiedades del producto escalar.
hA, Bi = hB, Ai, A, B ∈ M2 (R). Sabiendo que tr(A) = tr(At ), se tiene que
hB, Ai = tr(BAt ) = tr[(BAt )t ] = tr(AB t ) = hA, Bi.
hA, B + Ci = hA, Bi + hA, Ci, A, B, C ∈ M2 (R). Utilizando las propiedades
de la suma y del producto de matrices, se tiene:
hA, B + Ci = tr[A(B + C)t ] = tr[A(B t + C t )] = tr(AB t + AC t ) =
= tr(AB t ) + tr(AC t ) = hA, Bi + hA, Ci.
8. Espacio vectorial euclídeo 217
αhA, Bi = hαA, Bi = hA, αBi, para A, B ∈ M2 (R), α ∈ R,
αhA, Bi = αtr(AB t ) = tr[(αA)B t ] = hαA, Bi = tr[A(αB t )] = tr[A(αB)t ] =
hA, αBi.
a11 a12
hA, Ai ≥ 0, A ∈ M2 (R). Consideremos A = ∈ M2 (R). Así
a21 a22
pues
hA, Ai = tr(AAt ) = a211 + a212 + a221 + a222 ≥ 0.
hA, Ai = 0 ⇔ A es la matriz nula.
De la propiedad anterior se tiene que, si hA, Ai = 0, necesariamente el cua-
drado de sus elementos debe ser cero y, por tanto, dichos elementos serán
cero, es decir, la matriz A es nula. Por otro lado, resulta obvio que si A es la
matriz nula, entonces hA, Ai = 0.
b) Comprobemos que la base
1 0 0 1 0 0 0 0
B= e1 = , e2 = , e3 = , e4 = ,
0 0 0 0 1 0 0 1
es una base ortonormal para el producto escalar dado:
Los vectores son ortogonales dos a dos:
0 0 0 1
he1 , e2 i = tr = 0, he1 , e3 i = tr = 0,
0 0 0 0
0 0 0 0
he1 , e4 i = tr = 0, he2 , e3 i = tr = 0,
0 0 0 0
0 1 0 0
he2 , e4 i = tr = 0. he3 , e4 i = tr = 0.
0 0 0 0
Todos los vectores son unitarios:
1 0 1 0
he1 , e1 i = tr = 1, he2 , e2 i = tr = 1,
0 0 0 0
0 0 0 0
he3 , e3 i = tr = 1, he4 , e4 i = tr = 1.
0 1 0 1
Por tanto, existe una base ortonormal para el producto escalar dado, siendo esta
base B .
218 Más de 160 problemas resueltos de Álgebra Lineal
7. En R4 con el producto escalar usual, calcular una base ortonormal
a partir de los vectores (1, 1, 1, 1), (1, 1, 0, 0), (1, 1, 1, 0), (1, 0, 0, 0).
Solución: En primer lugar se observa que el conjunto {(1, 1, 1, 1), (1, 1, 0, 0), (1, 1, 1, 0),
(1, 0, 0, 0)} es libre. Por ello constituye una base de R4 . Si aplicamos ahora el método
de Gram-Schmidt se tiene que:
w1 = (1, 1, 1, 1),
h(1, 1, 0, 0), (1, 1, 1, 1)i 1 1 1 1
w2 = (1, 1, 0, 0) − (1, 1, 1, 1) = , ,− ,− ,
||(1, 1, 1, 1)||2 2 2 2 2
h(1, 1, 1, 0), (1, 1, 1, 1)i
w3 = (1, 1, 1, 0) − (1, 1, 1, 1)−
||(1, 1, 1, 1)||2
h(1, 1, 1, 0), ( 12 , 12 , − 12 , − 12 )i 1 1 1 1
1 1
, ,− ,− = 0, 0, , − ,
||( 12 , 12 , − 12 , − 12 )||2 2 2 2 2 2 2
h(1, 0, 0, 0), (1, 1, 1, 1)i
w4 = (1, 0, 0, 0) − (1, 1, 1, 1)−
||(1, 1, 1, 1)||2
h(1, 0, 0, 0), ( 12 , 12 , − 12 , − 12 )i 1 1 1 1
, ,− ,− −
||( 12 , 12 , − 12 , − 12 )||2 2 2 2 2
h(1, 0, 0, 0), (0, 0, 12 , − 12 )i
1 1 1 1
0, 0, , − = , − , 0, 0 .
||(0, 0, 12 , − 12 )||2 2 2 2 2
Así, una base ortogonal es
0 1 1 1 1 1 1 1 1
B = (1, 1, 1, 1), , ,− ,− , 0, 0, , − , , − , 0, 0 .
2 2 2 2 2 2 2 2
Si multiplicamos ahora cada vector por el inverso de su norma, obtendremos la base
ortonormal pedida. Esto es,
√ √ √ √
1 1 1 1 1 1 1 1 2 2 2 2
B= , , , , , ,− ,− , 0, 0, ,− , ,− , 0, 0 .
2 2 2 2 2 2 2 2 2 2 2 2
8. Hallar una base ortogonal del subespacio F de R4 cuya ecuación carte-
siana viene dada por 2x1 + 4x2 − x3 + 3x4 = 0.
Solución:
Calculamos en primer lugar una base de F . Si (x1 , x2 , x3 , x4 ) ∈ F , entonces
x3 = 2x1 + 4x2 + 3x4 . Por tanto:
(x1 , x2 , x3 , x4 ) = (x1 , x2 , 2x1 + 4x2 + 3x4 , x4 ) =
8. Espacio vectorial euclídeo 219
x1 (1, 0, 2, 0) + x2 (0, 1, 4, 0) + +x4 (0, 0, 3, 1).
Luego, un sistema generador de F es B = {(1, 0, 2, 0), (0, 1, 4, 0), (0, 0, 3, 1)}, que
al ser libre, es una base.
Si aplicamos el algoritmo de Gram-Schmidt a la base B , obtenemos
w1 = (1, 0, 2, 0),
h(0, 1, 4, 0), (1, 0, 2, 0)i 8
w2 = (0, 1, 4, 0) − (1, 0, 2, 0) = (0, 1, 4, 0) − (1, 0, 2, 0) =
||(1, 0, 2, 0)||2 5
8 4
− , 1, , 0 ,
5 5
h(0, 0, 3, 1), (1, 0, 2, 0)i
w3 = (0, 0, 3, 1) − (1, 0, 2, 0)−
||(1, 0, 2, 0)||2
h(0, 0, 3, 1), (− 85 , 1, 45 , 0)i
8 4 2 4 1
2 − , 1, , 0 = − , − , , 1 .
− 85 , 1, 45 , 0 5 5 7 7 7
Por lo que una base ortogonal de F es:
8 4 2 4 1
(1, 0, 2, 0), − , 1, , 0 , − , − , , 1 .
5 5 7 7 7
9. En R4 , con el producto escalar usual, se considera el subespacio
U = L ({(2, 1, 5, −1), (−1, 1, 2, 0)}) .
Calcular una base de U ⊥.
Solución: Se observa que los vectores (2, 1, 5, −1) y (−1, 1, 2, 0) son linealmente
independientes. Luego BU = {(2, 1, 5, −1), (−1, 1, 2, 0)} es base de U . Si (x, y, z, t) ∈
U ⊥ , entonces se debe veri car que:
h(x, y, z, t), (2, 1, 5, −1)i = 0, h(x, y, z, t), (−1, 1, 2, 0)i = 0.
Por tanto se tiene el sistema,
2x +y +5z −t = 0
−x +y +2z = 0,
cuyas soluciones son:
x = α + 2β, y = α, z = β, t = 3α + 9β, α, β ∈ R.
Así pues, una base de U ⊥ es BU ⊥ = {(1, 1, 0, 3), (2, 0, 1, 9)}.
220 Más de 160 problemas resueltos de Álgebra Lineal
10. Descomponer el vector (1, 3, −1, 4) en suma de dos vectores, uno
perteneciente al subespacio generado por {(2, 1, 0, 1), (0, 3, 1, 1)} y el otro
ortogonal a dicho subespacio.
Solución: Sea F el subespacio generado por {(2, 1, 0, 1), (0, 3, 1, 1)}. Como este con-
junto es libre, constituye una base de F . Calculemos ahora una base para F ⊥ . Sea
(x, y, z, t) ∈ F ⊥ entonces:
h(x, y, z, t), (2, 1, 0, 1)i = 0
h(x, y, z, t), (0, 3, 1, 1)i = 0.
Esto es, se tiene el sistema
2x +y +t = 0
3y +z +t = 0,
cuyas soluciones son
x = α, y = −2α − β, z = 6α + 2β, t = β, α, β ∈ R.
Por tanto, una base de F ⊥ es BF ⊥ = {(1, −2, 6, 0), (0, −1, 2, 1)}. Escribamos ahora el
vector (1, 3, −1, 4) como suma de dos vectores, uno de F y otro de F ⊥ . Esto es,
(1, 3, −1, 4) = a(2, 1, 0, 1) + b(0, 3, 1, 1) + c(1, −2, 6, 0) + d(0, −1, 2, 1).
51 18 26 113
Obtenemos un sistema cuya solución es a = ,b = ,c = − yd= .
50 25 25 50
Por tanto,
51 159 18 87 26 9 43 113
(1, 3, −1, 4) = , , , + − ,− ,− , ,
25 50 25 50 25 50 25 50
51 159 18 87 26 9 43 113
donde , , , ∈ F y − ,− ,− , ∈ F ⊥.
25 50 25 50 25 50 25 50
11. En R4 con el producto escalar usual, obtener el subespacio ortogonal
suplementario de V , cuyas ecuaciones cartesianas son
x+y−z+t = 0
2x + y − z + 3t = 0.
8. Espacio vectorial euclídeo 221
Solución:
Comenzamos calculando una base de V . Para ello, si (x, y, z, t) ∈ V , entonces
se tiene el sistema
x +y −z +t = 0
2x +y −z +3t = 0,
cuyas soluciones son x = −2β, y = α + β, z = α, t = β , con α, β ∈ R.
Así, si (x, y, z, t) ∈ V , entonces
(x, y, z, t) = (−2β, α + β, α, β).
Luego una base de V es B = {(0, 1, 1, 0), (−2, 1, 0, 1)}.
Calculemos ahora una base para V ⊥ . Si (x, y, z, t) ∈ V ⊥ , entonces:
h(x, y, z, t), (0, 1, 1, 0)i = 0
h(x, y, z, t), (−2, 1, 0, 1)i = 0.
Esto es, se tiene el sistema:
y +z = 0
−2x +y +t = 0,
cuyas soluciones son y = −z, t = 2x + z . Así,
(x, y, z, t) = (x, −z, z, 2x + z) = x(1, 0, 0, 2) + z(0, −1, 1, 1).
Luego {(1, 0, 0, 2), (0, −1, 1, 1)} es una base de V ⊥ .
9 | Valores y vectores propios.
Diagonalización
En este capítulo podemos encontrar problemas relativos a:
Valores y vectores propios.
Diagonalización por semejanza.
Diagonalización por semejanza ortogonal.
Forma canónica de Jordan.
1 0 0
1. Dada la matriz 2 1 0 , se pide:
3 0 2
a) Estudiar si 3 es o no un autovalor de A.
b) ¾Son los vectores u = (1, 1, 1) y v = (0, 0, 1) autovectores de A?. En caso
a rmativo buscar a qué autovalor están asociados.
c) Encontrar un polinomio que se anule para la matriz A.
Solución:
a) Para resolver este ejercicio, utilizaremos la de nición de autovalor. Esto es, bus-
caremos un vector de la forma (x, y, z) ∈ R3 \ {(0, 0, 0)} tal que:
1 0 0 x x
2 1 0 y = 3 y .
3 0 2 z z
Así, nos queda el sistema:
x = 3x
2x +y = 3y
3x +2z = 3z,
cuya única solución es la trivial. Esto es, x = y = z = 0. Luego 3 no es un
autovalor de A.
223
224 Más de 160 problemas resueltos de Álgebra Lineal
b) Veamos ahora si los vectores que nos dan son autovectores.
Si (1, 1, 1) es un autovector, existirá λ ∈ R tal que
1 0 0 1 1
2 1 0 1 = λ 1 .
3 0 2 1 1
Esto es,
1 λ
3 = λ .
5 λ
Por tanto, (1, 1, 1) no es un autovector de la matriz dada.
Si (0, 0, 1) es un autovector, existirá λ ∈ R tal que
1 0 0 0 0
2 1 0 0 = λ 0 .
3 0 2 1 1
Así, λ = 2. Por tanto (0, 0, 1) es un autovector de la matriz A, asociado al
autovalor λ = 2.
c) Para este apartado utilizaremos el siguiente resultado:
Teorema de Cayley-Hamilton
Toda matriz veri ca su polinomio característico.
Comenzamos calculando el polinomio característico de A:
1−λ 0 0
PA (λ) = |A − λI| = 2 1−λ 0 = (1 − λ)2 (2 − λ).
3 0 2−λ
Por tanto, A veri ca (I − A)2 (2I − A) = θ3 , donde θ3 representa a la matriz
nula de orden 3.
2. El vector (2, 0, −1) es un autovector correspondiente al autovalor (−1) de
la matriz:
3 0 a
3 −1 b .
−2 0 c
Calcular los restantes autovalores y autovectores.
9. Valores y vectores propios. Diagonalización 225
Solución: Sabemos que (2, 0, −1) es un autovector correspondiente al autovalor (−1),
luego se veri ca que
3 0 a 2 2
3 −1 b 0 = (−1) 0 .
−2 0 c −1 −1
Así se tiene el sistema
6−a = −2
6−b = 0
−4 − c = 1
cuyas soluciones son a = 8, b = 6, c = −5. Por tanto, la matriz dada es:
3 0 8
A= 3 −1 6 .
−2 0 −5
Para calcular los restantes autovalores y autovectores, consideramos el polinomio ca-
racterístico de A. Esto es,
3−λ 0 8
PA (λ) = 3 −1 − λ 6 = −λ3 − 3λ2 − 3λ − 1 = −(λ + 1)3 .
−2 0 −5 − λ
Así, (−1) es el único autovalor de A y tiene multiplicidad 3. Pasamos a calcular los
autovectores (x, y, z) correspondientes al valor propio (−1). Para ello se debe veri car
que:
3 0 8 x x
3 −1 6 y = (−1) y ,
−2 0 −5 z z
de donde obtenemos el sistema
4x +8z = 0
3x +6z = 0
−2x −4z = 0.
Es decir, el sistema se reduce a x + 2z = 0. Así, el conjunto de autovectores asociados
al autovalor (−1) es el subespacio propio V (−1) = {(x, y, z) ∈ R3 |x + 2z = 0}.
a 1 p
3. Hallar los autovalores de A = b 2 q , sabiendo que admite como
c −1 r
autovectores a los vectores (1, 1, 0), (−1, 0, 2), (0, 1, −1).
226 Más de 160 problemas resueltos de Álgebra Lineal
Solución: Por ser (1, 1, 0) un autovector, existirá λ ∈ R tal que:
a 1 p 1 1
b 2 q 1 = λ 1 .
c −1 r 0 0
Esto es, se tiene el sistema
a+1 = λ
b+2 = λ
c−1 = 0.
De aquí obtenemos, a − b = 1 y c = 1.
Por ser (−1, 0, 2) un autovector, existe λ ∈ R tal que
a 1 p −1 −1
b 2 q 0 = λ 0 .
1 −1 r 2 2
Esto es, se tiene el sistema
−a + 2p = −λ
−b + 2q = 0
−1 + 2r = 2λ
de donde obtenemos, 2r − 1 = 2a − 4p y b = 2q .
Por ser (0, 1, −1) un autovector, existirá λ ∈ R tal que
a 1 p 0 0
2q 2 q 1 = λ 1 .
1 −1 r −1 −1
Esto es, se tiene el sistema
1−p = 0
2−q = λ
−1 − r = −λ
de aquí, 2 − q = r + 1 y p = 1.
Si resolvemos el sistema formado por todas las ecuaciones obtenidas, se tiene que
1 1
a = 2, b = 1, c = 1, p = 1, q= , r= .
2 2
Así la matriz dada es
2 1 1
1
A= 1 2 .
2
1
1 −1 2
9. Valores y vectores propios. Diagonalización 227
Calculemos ahora los autovalores de A. Para ello calculamos las raíces de su polinomio
característico. Esto es
2−λ 1 1
1
PA (λ) = 1 2−λ 2
= 0.
1
1 −1 2 −λ
Es decir,
9λ2 9λ
−λ3 + − = 0.
2 2
3
De aquí podemos a rmar que los autovalores son: λ1 = 0, λ2 = y λ3 = 3.
2
4. Se considera el endomor smo f : R3 −→ R3 , dado en cierta base por la
matriz
α α−1 1−α
α−2 α 2 − α .
α−2 α−1 3−α
¾Qué valor debe tomar α para que algún valor propio del endomor smo
tenga multiplicidad 2?
Solución: Calcularemos los autovalores de la matriz. Para ello calculamos las raíces
del polinomio característico:
α−λ α−1 1−α
α−2 α−λ 2−α = 2α−(2+3α)λ+(3+α)λ2 −λ3 = (λ−1)(λ−2)(λ−α) = 0.
α−2 α−1 3−α−λ
De aquí, λ1 = 1, λ2 = 2 y λ3 = α. Por tanto, para que algún valor propio tenga
multiplicidad 2, los valores de α tienen que ser α = 1 ó α = 2.
5. Dada una matriz A ∈ Mn (K). Demuestra que:
a) A y At tienen los mismos autovalores.
b) Si λ es autovalor de A entonces λα es autovalor de αA.
c) Si λ es autovalor de A entonces λ − α es autovalor de A − αI.
1
d) Si λ 6= 0 es autovalor de A y A es regular, entonces es autovalor de
λ
−1
A .
e) Si A y B son semejantes, entonces tienen el mismo polinomio carac-
terístico y por tanto los mismos autovalores.
228 Más de 160 problemas resueltos de Álgebra Lineal
f) Si λ es un autovalor de A entonces λn es autovalor de An .
Solución:
a) Veamos que los polinomios característicos de ambas matrices coinciden.
|At − λI| = |At − λI t | = |At − (λI)t | = |(A − λI)t | = |A − λI|.
b) Se tiene que αλ es autovalor de αA si, y sólo si, |αA − αλI| = 0. Veamos que se
cumple esta condición,
|αA − αλI| = |α(A − λI)| = αn |A − λI| = 0,
y de ahí el resultado, ya que λ es autovalor de A.
c) Se tiene que λ es autovalor de A. Por tanto
|(A − αI) − (λ − α)I| = |A − αI − λI + αI| = |A − λI| = 0.
Luego λ − α es autovalor de A − αI.
d) Se tiene que
1 1 1 1
A−1 − I = A−1 − A−1 A = − A−1 (A − λI) = − A−1 |A − λI|,
λ λ λ λ
y de ahí el resultado ya que |A − λI| = 0.
e) Sabemos que A y B son matrices semejantes si, y sólo si, existe una matriz regular
P tal que B = P −1 AP . Entonces, se tiene que:
|B − λI| = |P −1 AP − λI| = |P −1 AP − λP −1 P | = |P −1 (A − λI)P | =
|P −1 ||A − λI||P | = |P −1 ||P ||A − λI| = |P −1 P ||A − λI| = |A − λI|.
Es decir, A y B tienen el mismo polinomio característico.
f) Realizaremos esta demostración por inducción sobre n. Como para n = 1 es trivial,
comenzamos por n = 2. Por ser λ autovalor de A, se tiene que
Ax = λx, x 6= 0.
Entonces
A2 x = A(Ax) = A(λx) = λ(Ax) = λ(λx) = λ2 x, x 6= 0,
luego λ2 es autovalor de A2 . Supongamos que la hipótesis se veri ca para todo k
tal que 1 < k < n y comprobemos que también es cierto para n.
An x = A(An−1 x) = A(λn−1 x) = λn−1 (Ax) = λn−1 (λx) = λn x, x 6= 0,
como queríamos demostrar.
9. Valores y vectores propios. Diagonalización 229
6. Demuestra que vectores propios asociados a valores propios diferentes
son linealmente independientes.
Solución: Sean x e y dos autovectores de una matriz A asociados a los autovalores λ
y µ respectivamente con λ 6= µ. Supongamos que x e y son linealmente dependientes.
Entonces, se tiene que x = αy con α 6= 0. Así
λx = Ax = A(αy) = αAy = α(µy) = µ(αy) = µx.
En consecuencia, se tiene que (λ − µ)x = 0, pero dado que x 6= 0, ya que es un
autovector, se tiene que λ = µ, llegando pues a una contradicción. Luego x e y han
de ser linealmente independientes.
7. Se considera la matriz:
1 1 1 1
1 1 −1 −1
A= .
1 −1 1 −1
1 −1 −1 1
Diagonaliza, si es posible, la matriz A y determina una matriz de paso a
forma diagonal. Diagonalizar también A2 y A−1 .
Solución: Vamos a recordar dos resultados que nos serán útiles en los siguientes
ejercicios y que pueden consultarse en [10]:
Endomor smo diagonalizable
Sean V un K-espacio vectorial de dimensión n 6= 0 y f : V −→ V un
endomor smo. Entonces f es diagonalizable si y solo si se veri can las dos
propiedades siguientes:
1. el polinomio característico de f posee n raíces en K, cuyos órdenes
de multiplicidad suman n (propiedad que siempre se veri ca cuando
K = C),
2. para cada raíz λ ∈ K del polinomio caracteristico de f , se veri ca
dim(V (λ)) = d, siendo d el orden de multiplicidad de λ.
Como consecuencia inmediata, podemos a rmar que si A es una matriz cua-
drada de orden n que tiene n autovalores distintos en K, entonces A es
diagonalizable.
230 Más de 160 problemas resueltos de Álgebra Lineal
Calcularemos en primer lugar los autovalores de la matriz A. Para ello calcula-
remos su polinomio característico. Esto es,
1−λ 1 1 1
1 1−λ −1 −1
= −16 + 16λ − 4λ3 + 4λ4 = (λ − 2)3 (λ + 2).
1 −1 1−λ −1
1 −1 −1 1 − λ
Las raíces de esta ecuación son λ = −2 con multiplicidad 1 y λ = 2 con multiplicidad 3.
Calculemos una base para cada uno de los subespacios propios asociados. Calculemos
en primer lugar una base para V (−2). Esto es,
3 1 1 1 x1 0
1 3 −1 −1 x2 0
(A + 2I)X = = .
1 −1 3 −1 x3 0
1 −1 −1 3 x4 0
De aquí se obtiene el sistema
3x1 +x2 +x3 +x4 = 0
x1 +3x2 −x3 −x4 = 0
x1 −x2 +3x3 −x4 = 0
x1 −x2 −x3 +3x4 = 0,
cuyas soluciones vienen dadas por x1 = λ, x2 = −λ, x3 = −λ, x4 = −λ, siendo λ ∈ R.
Así, una base de V (−2), será BV (−2) = {(1, −1, −1, −1)}. Se tiene que la multiplicidad
de λ = −2 coincide con la dimensión de su subespacio propio. Repetimos el proceso
para V (2):
−1 1 1 1 x1 0
1 −1 −1 −1 x2 0
(A − 2I)X = =
0 .
1 −1 −1 −1 x3
1 −1 −1 −1 x4 0
De aquí, se obtiene el sistema
−x1 +x2 +x3 +x4 = 0
x1 −x2 −x3 −x4 = 0
x1
−x2 −x3 −x4 = 0
x1 −x2 −x3 −x4 = 0,
cuyas soluciones vienen dadas por
x1 = λ1 , x2 = λ2 , x3 = λ3 , x4 = λ1 − λ2 − λ3 , siendo λ1 , λ3 , λ3 ∈ R.
9. Valores y vectores propios. Diagonalización 231
Así, una base de V (2) vendrá dada por BV (2) = {(1, 0, 0, 1), (0, 1, 0, −1), (0, 0, 1, −1)}.
En este caso se tiene que la multiplicidad de λ = 2 coincide con la dimensión de su
subespacio propio, V (2). Por tanto podemos a rmar que la matriz A es diagonalizable.
Por tanto, tenemos que:
−1
−2 0 0 0 1 1 0 0 1 1 1 1 1 1 0 0
0 2 0 0 −1 0 1 0 1 1 −1 −1 −1 0 1 0
= ,
0 0 2 0 −1 0 0 1 1 −1 1 −1 −1 0 0 1
0 0 0 2 −1 1 −1 −1 1 −1 −1 1 −1 1 −1 −1
donde
1 1 0 0
−1 0 1 0
P =
−1
0 0 1
−1 1 −1 −1
es la matriz de paso a forma diagonal.
Diagonalicemos ahora A2 . Si llamamos
−2 0 0 0
0 2 0 0
D=
0
,
0 2 0
0 0 0 2
se tiene que D = P −1 AP , es decir, A = P DP −1 . Por tanto,
A2 = (P DP −1 )2 = (P DP −1 )(P DP −1 ) = P D2 P −1 .
Esto es, D2 = P −1 A2 P . Así, A2 es semejante a la matriz diagonal
4 0 0 0
0 4 0 0
D2 =
.
0 0 4 0
0 0 0 4
Diagonalicemos ahora A−1 . Esto es, hallemos una matriz diagonal semejante a A−1 .
Por las anteriores igualdades, se tiene que
A−1 = (P DP −1 )−1 = P D−1 P −1 .
Es decir, D−1 = P −1 A−1 P . Luego A−1 es semejante a la matriz diagonal:
− 21
0 0 0
1
0 0 0
D−1 = 2
.
1
0 0 2 0
1
0 0 0 2
232 Más de 160 problemas resueltos de Álgebra Lineal
8. Diagonalizar, si es posible, las siguientes matrices:
2 −1 0 0
1 −1 0 −1 1 2 1
2 0 0
A = −1 1 0 , B= , C= 0 1 1 .
0 0 1 −1
0 0 5 0 2 1
0 0 −1 1
Solución:
A
Empezamos por calcular los valores propios de A. Para ello calcularemos su
polinomio característico.
1 −1 0
PA (λ) = |A − λI| = −1 1 0 = λ(λ − 2)(5 − λ).
0 0 5
Así, los valores propios de A son λ = 0, λ = 2 y λ = 5, todos con multiplici-
dad uno, por lo que la dimensión de los correspondientes subespacios propios
asociados, V (0), V (2), V (5), también es uno, y por tanto A es diagonalizable.
Hallamos ahora una base para cada uno de estos subespacios. Comencemos por
V (0). Para ello resolvemos la ecuación matricial (A − 0I)X = 0. Esto es,
1 −1 0 x1 0
−1 1 0 x2 = 0 ,
0 0 5 x3 0
de donde se obtiene el sistema
x1 −x2 = 0
−x1 +x2 = 0
5x3 = 0,
cuyas soluciones son: x1 = α, x2 = α y x3 = 0, siendo α ∈ R.
Por tanto, una base de V (0) vendrá dada por BV (0) = {(1, 1, 0)}. De la misma
forma, para V (2), resolvemos la ecuación matricial, (A − 2I)X = 0. Esto es,
−1 −1 0 x1 0
−1 −1 0 x2 = 0 ,
0 0 3 x3 0
de donde se obtiene el sistema
−x1 −x2 = 0
3x3 = 0,
cuyas soluciones vienen dadas por: x1 = α, x1 = −α y x3 = 0, siendo α ∈ R.
9. Valores y vectores propios. Diagonalización 233
Así, una base de V (2) será BV (2) = {(1, −1, 0)}. Finalmente, para V (5), resol-
vemos la ecuación matricial (A − 5I)X = 0. Esto es,
−4 −1 0 x1 0
−1 −4 0 x2 = 0 ,
0 0 0 x3 0
de donde se obtiene el sistema
−4x1 −x2 = 0
−x1 −4x2 = 0,
cuyas soluciones vienen dadas por: x1 = 0, x2 = 0 y x3 = α, siendo α ∈ R.
Así, BV (5) = {(0, 0, 1)} es una base de V (5).
Por tanto, la matriz A es diagonalizable ya que en todos los casos la di-
mensión de cada subespacio propio coincide con la multiplicidad de su corres-
pondiente valor propio. En consecuencia se tiene que D = P −1 AP . Esto es,
−1
0 0 0 1 1 0 1 1 0 1 −1 0
0 2 0 = 1 −1 0 −1 −1 0 1 1 0 .
0 0 5 0 0 1 0 0 5 0 0 1
B
En primer lugar calculamos el polinomio característico de B . Esto es,
2−λ −1 0 0
−1 2−λ 0 0
PB (λ) = = λ(λ − 2)(λ − 3)(λ − 1).
0 0 1−λ −1
0 0 −1 1−λ
Por tanto, los valores propios de B son λ = 0, λ = 1, λ = 2 y λ = 3, todos con
multiplicidad 1.
Comenzamos hallando una base de V (0). Para ello resolvemos el sistema
matricial (B − 0I)X = 0. Esto es,
2 −1 0 0 x1 0
−1 2 0 0 x2 0
= .
0 0 1 −1 x3 0
0 0 −1 1 x4 0
Así se tiene el sistema
2x1 −x2 = 0
−x1 +2x2 = 0
x3 −x4 = 0
−x3 +x4 = 0,
234 Más de 160 problemas resueltos de Álgebra Lineal
cuyas soluciones son: x1 = 0, x2 = 0, x3 = α y x4 = α, siendo α ∈ R.
Así, una base de V (0) viene dada por BV (0) = {(0, 0, 1, 1)}. Por tanto, dim(V (0)) =
1, que coincide con la multiplicidad del autovalor λ = 0.
Vamos ahora a calcular el subespacio propio V (1). Para ello resolveremos
el sistema matricial (A − 1I)X = 0. Esto es
1 −1 0 0 x1 0
−1 1 0 0 x2 0
= .
0 0 0 −1 x3 0
0 0 −1 0 x4 0
Así se tiene el sistema
x1 −x2 = 0
−x1 +x2 = 0
−x4 = 0
−x3 = 0,
cuya solución es x1 = α, x2 = α, x3 = 0 y x4 = 0, siendo α ∈ R.
Así, una base de V (1) viene dada por BV (1) = {(1, 1, 0, 0)}. Por tanto, dim(V (1)) =
1, que coincide con la multiplicidad del autovalor 1.
Calculamos ahora una base del subespacio propio V (2). Para ello resolve-
remos la ecuación matricial (A − 2I)X = 0. Esto es,
0 −1 0 0 x1 0
−1 0 0 0
x2
0
=
0 .
0 0 −1 −1 x3
0 0 −1 −1 x4 0
Así tenemos el sistema
−x2 = 0
−x1 = 0
−x3 −x4 = 0
−x3 −x4 = 0,
cuyas soluciones son: x1 = 0, x2 = 0, x3 = −α y x4 = α, siendo α ∈ R.
Así, una base de V (2) será BV (2) = {(0, 0, −1, 1)}, y por tanto, dim(V (2)) = 1,
que coincide con la multiplicidad del autovalor λ = 2.
Por último, calculemos una base del subespacio V (3). Para ello considere-
mos el sistema matricial (A − 3I)X = 0. Esto es,
−1 −1 0 0 x1 0
−1 −1 0 0 x2 0
=
0 .
0 0 −2 −1 x3
0 0 −1 −2 x4 0
9. Valores y vectores propios. Diagonalización 235
Así tenemos el sistema
−x1 −x2 = 0
−x1 −x2 = 0
−2x3 −x4 = 0
−x3 −2x4 = 0,
cuyas soluciones son: x1 = −α, x2 = α, x3 = 0 y x4 = 0, siendo α ∈ R.
De donde, una base de V (3) será BV (3) = {(−1, 1, 0, 0)}. Por tanto, dim(V (3)) =
1, que coincide con la multiplicidad del autovalor λ = 3.
En consecuencia, podemos a rmar que la matriz B es diagonalizable. Esto
es, se tiene que D = P −1 BP . Es decir,
−1
0 0 0 0 0 1 0 −1 2 −1 0 0 0 1 0 −1
0 1 0 0 0 1 0 1 −1 2 0 0 0 1 0 1
=
0 0 2 0 1 0 −1 0 0 0 1 −1 1 0 −1 0
0 0 0 3 1 0 1 0 0 0 −1 1 1 0 1 0
C
Hallemos su polinomio característico
1−λ 2 1 √ √
PC (λ) = |C −λI| = 0 1−λ 1 = −(λ−1)(λ−(1+ 2))(λ−(1− 2)).
0 2 1−λ
√ √
Por tanto, los valores propios de C son λ = 1, λ = 1 + 2 y λ = 1 − 2, con
multiplicidad uno, por lo que la dimensión de los correspondientes subespacios
propios asociados es uno, luego C es diagonalizable. Calculamos una base de
V (1). Para ello, comenzamos resolviendo el sistema matricial (C − 1I)X = 0.
Esto es,
0 2 1 x1 0
0 0 1 x2 = 0 ,
0 2 0 x3 0
de donde se obtiene el sistema
2x2 +x3 = 0
x3 = 0
x2 = 0,
con soluciones, x1 = α, x2 = 0 y x3 = 0, siendo α ∈ R. Así, el conjunto
BV (1) = {(1, 0, 0)} es una base de V (1).
√
Análogamente para V (1 + 2), resolvemos el sistema matricial
√
(C − (1 + 2)I)X = 0.
236 Más de 160 problemas resueltos de Álgebra Lineal
Esto es, √
− 2 √2 1 x1 0
0 − 2 √1 x2 = 0 ,
0 2 − 2 x3 0
es decir √
− 2x1 +2x2
√ +x3 = 0
− 2x2 +x3 = 0,
√ √
= (1 + 2)α, x2 = α y x3√= 2α
cuya solución es x1 √ √ , siendo α ∈ R. Por tanto
una base de V (1 + 2) es BV (1+√2) = {(1 + 2, 1, 2)}.
√
Por último, para V (1 − 2), repetimos el mismo procedimiento. Esto es, se
considera el sistema matricial,
√
(C − (1 − 2)I)X = 0.
Es decir, √
2 √2 1 x1 0
0 2 1 x2 = 0 ,
√
0 2 2 x3 0
quedándonos el sistema
√
2x1 +2x2
√ +x3 = 0
2x2 +x3 = 0,
√ √
cuya solución es x1 = (1 − 2)α√, x2 = √α y x3 = − 2α, siendo α √ ∈ R. En
consecuencia BV (1−√2) = {(1 − 2, 1, − 2)} es una base de V (1 − 2). Así
pues, podemos a rmar que la matriz C es diagonalizable. Esto es, se tiene que
D = P −1 CP . Es decir,
se tiene que
1 0√ 0
0 1+ 2 0√ =
0 0 1− 2
√ √ −1 √ √
1 1+ 2 1− 2 1 2 1 1 1+ 2 1− 2
0
√1 1 0 1 1 0
√1 1 .
√ √
0 2 − 2 0 2 1 0 2 − 2
9. Sea B = {e1 , e2 , e3 } una base de R3 y A la matriz de un endomor smo
referido a dicha base. En dicho endomor smo, los subespacios:
x−y =0
V1 ≡ x + y + z = 0, V2 ≡
x − z = 0,
9. Valores y vectores propios. Diagonalización 237
1
están asociados respectivamente a los autovalores λ=1 y λ= . Se pide:
2
a) Matriz diagonal semejante a la matriz A.
b) Calcular la matriz 2A4 − 7A3 + 9A2 − 5A + I.
c) Calcular la matriz A−3 − 4A−2 + 5A−1 + 4I.
Solución:
a) Comencemos calculando una base de V1 y una base de V2 .
Si (x, y, z) ∈ V1 entonces x + y + z = 0. Esto es, x = −α − β, y = α, z = β, siendo
α, β ∈ R. Así una base para V1 es BV1 = {(−1, 1, 0), (−1, 0, 1)} y dim(V1 ) = 2.
Razonamos de igual forma para V2 . Si (x, y, z) ∈ V2 entonces
x−y = 0
x−z = 0.
Esto es, x = y = z = α, siendo α ∈ R. De donde se deduce que una base para V2
es BV2 = {(1, 1, 1)}. Por tanto, dim(V2 ) = 1.
Como la matriz A es diagonalizable, se debe veri car que las multiplicidades de
los autovalores coinciden con las dimensiones de los subespacios asociados, y por
tanto, la matriz diagonal semejante es
1 0 0 −1 −1 1
D= 0 1 0 con P = 1 0 1 .
1
0 0 2 0 1 1
b) Por el apartado anterior se tiene que D = P −1 AP , de donde A = P DP −1 . Así,
2A4 − 7A3 + 9A2 − 5A + I =
2(P DP −1 )4 − 7(P DP −1 )3 + 9(P DP −1 )2 − 5(P DP −1 ) + I =
2P D4 P −1 − 7P D3 P −1 + 9P D2 P −1 − 5P DP −1 + I =
P (2D4 − 7D3 + 9D2 − 5D + I)P −1 .
Como 2D4 − 7D3 + 9D2 − 5D + I = θ, se tiene que 2A4 − 7A3 + 9A2 − 5A + I = θ.
c) Observamos que si A = P DP −1 entonces A−1 = P D−1 P −1 . Así
A−3 − 4A−2 + 5A−1 + 4I =
(P D−1 P −1 )3 − 4(P D−1 P −1 )2 + 5(P D−1 P −1 ) + 4I =
P D−3 P −1 − 4P D−2 P −1 + 5P D−1 P −1 + 4I =
P (D−3 − 4D−2 + 5D−1 + 4I)P −1 .
238 Más de 160 problemas resueltos de Álgebra Lineal
Operando, se tiene que
A−3 − 4A−2 + 5A−1 + 4I =
−1
−1 −1 1 6 0 0 −1 −1 1 6 0 0
1 0 1 0 6 0 1 0 1 = 0 6 0 .
0 1 1 0 0 6 0 1 1 0 0 6
10. Diagonalizar por semejanza ortogonal las matrices
3 1 1 1 −1 −1
A= 1 3 1 , B = −1 1 −1 .
1 1 3 −1 −1 1
Solución: Observamos que A y B son matrices simétricas reales. Estas matrices son
siempre diagonalizables como a rma el siguiente resultado que puede consultarse en
[9]:
Teorema (Diagonalización por semejanza ortogonal)
Dada A una matriz simétrica real, siempre existe una matriz ortogonal P y
una matriz diagonal D tales que D = P t AP .
Comenzamos con la matriz A:
En primer lugar, buscamos los autovalores. Para ello, hallamos las raíces del
polinomio característico:
3−λ 1 1
PA (λ) = 1 3−λ 1 = 20 − 24λ − 9λ2 − λ3 = −(λ − 2)2 (λ − 5).
1 1 3−λ
Así, los autovalores son λ = 2 con multiplicidad 2 y λ = 5 con multiplicidad 1.
Busquemos ahora el subespacio propio asociado al autovalor λ = 2. Para ello,
resolvemos el sistema matricial (A − 2I)X = 0. Esto es,
1 1 1 x 0
1 1 1 y = 0 ,
1 1 1 z 0
cuyas soluciones son x = −α − β, y = α, z = β , siendo α, β ∈ R. Por tanto una
base de V (2) será BV (2) = {(−1, 1, 0), (−1, 0, 1)}.
9. Valores y vectores propios. Diagonalización 239
Ahora calculamos el subespacio propio asociado al valor propio λ = 5. Para ello
resolvemos el sistema matricial (A − 5I)X = 0. Esto es,
−2 1 1 x 0
1 −2 1 y = 0 ,
1 1 −2 z 0
cuyas soluciones vienen dadas por x = α, y = α, z = α, siendo α ∈ R. Por tanto
una base de V (5) es BV (5) = {(1, 1, 1)}.
Así, B = BV (2) ∪ BV (5) = {(−1, 1, 0), (−1, 0, 1), (1, 1, 1)} es una base de R3 .
Los vectores de BV (2) son ortogonales al vector de BV (5) , pero los vectores de
BV (2) no son ortogonales entre sí. Por ello, utilizaremos el procedimiento de
Gram Schmidt para calcular una base ortogonal de V (2).
w1 = (−1, 1, 0),
h(−1, 0, 1), (−1, 1, 0)i 1 1
w2 = (−1, 0, 1) − (−1, 1, 0) = − ,− ,1 .
||(−1, 1, 0)||2 2 2
Y normalizando los vectores, nos queda la base
1 1 1 1 2 1 1 1
B0 = −√ , √ , 0 , −√ , −√ , √ , √ ,√ ,√ .
2 2 6 6 6 3 3 3
Así tenemos que D = P t AP , siendo
− √12 − √16 √1
2 0 0 3
D= 0 2 0 y P =
√1
2
− √16 √1
3 .
0 0 5 0 √2 √1
6 3
Análogamente para la matriz B :
Buscamos los autovalores, hallando las raíces del polinomio característico:
1−λ −1 −1
PB (λ) = −1 1−λ −1 = −4 + 3λ2 − λ3 = −(λ − 2)2 (λ + 1).
−1 −1 1−λ
Así, los autovalores son λ = 2 con multiplicidad 2 y λ = −1 con multiplicidad
1.
Busquemos ahora el subespacio asociado al valor propio λ = 2. Para ello, resol-
vemos el sistema matricial (A − 2I)X = 0. Esto es,
−1 −1 −1 x 0
−1 −1 −1 y = 0 ,
−1 −1 −1 z 0
240 Más de 160 problemas resueltos de Álgebra Lineal
cuyas soluciones son x = α, y = β, z = −α − β , siendo α, β ∈ R. Por tanto una
base de V (2) viene dada por BV (2) = {(1, 0, −1), (0, 1, −1)}.
Ahora calculamos el subespacio propio asociado al valor propio λ = −1. Para
ello resolvemos el sistema matricial (A + I)X = 0. Esto es,
2 −1 −1 x 0
−1 2 −1 y = 0 ,
−1 −1 2 z 0
cuyas soluciones vienen dadas por x = α, y = α, z = α, siendo α ∈ R. Por tanto
una base de V (−1) es BV (−1) = {(1, 1, 1)}.
Así, B = BV (2) ∪ BV (−1) = {(1, 0, −1), (0, 1, −1), (1, 1, 1)} es una base de R3 .
Los vectores de BV (2) son ortogonales al vector de BV (−1) , pero los vectores
de BV (2) no lo son entre sí. Para ello, utilizaremos el procedimiento de Gram-
Schmidt para obtener una base ortogonal de V (2):
w1 = (1, 0, −1),
h(0, 1, −1), (1, 0, −1)i 1 1
w2 = (0, 1, −1) − (1, 0, −1) = − , 1, − .
||(0, 1, −1)||2 2 2
Y normalizando los vectores, nos queda la base ortonormal
0 1 1 1 2 1 1 1 1
B = √ , 0, − √ , −√ , √ , −√ , √ ,√ ,√ .
2 2 6 6 6 3 3 3
Así se tiene que D = P t AP , siendo
√1 − √16 √1
2 0 0 2 3
D= 0 2 0 y P =
0 √2
6
√1
3 .
0 0 −1 − √12 − √16 √1
3
11. Calcular la forma canónica de Jordan y la matriz de paso de las
siguientes matrices:
−4 0 −4 11 1 3 2 0 2 −1 0 0
−6 3 −6 9 , C = −1 2 0 0 .
0 1 0 0
A= , B =
5 0 5 −7 0 2 −2 0 0 0 1 −1
−1 0 −1 5 6 6 −3 4 0 0 −1 1
Solución: Vamos a recordar los siguientes conceptos y algoritmo para calcular la
forma de Jordan de una matriz. Estos resultados pueden consultarse en [9].
9. Valores y vectores propios. Diagonalización 241
Subespacios propios generalizados. Subespacio máximo
Sea V un espacio vectorial de dimensión nita y supongamos f : V −→ V
es un endomor smo cuya matriz asociada en una base B es A y que λ es
un autovalor de f . Se de nen los subespacios propios generalizados
asociados a λ por:
ker(f − λI)i ; i = 1, 2, . . .
Se tiene que cada subespacio propio generalizado está contenido en el si-
guiente. Así podemos considerar la cadena
ker(f − λI) ⊆ ker(f − λI)2 ⊆ · · · ⊆ ker(f − λI)i ⊆ ker(f − λI)i+1 ⊆ . . .
El último de los eslabones, ker(f − λI)k , para el que ker(f − λI)k = ker(f −
λI)k+1 pero ker(f − λI)k−1 6= ker(f − λI)k recibe el nombre de subespacio
máximo del autovalor λ.
A continuación vamos ver cómo podemos obtener una base del subespacio máxi-
mo del autovalor λ.
Diagrama para calcular una base del subespacio máximo.
En primer lugar calculamos los siguientes datos:
1. Multiplicidad algebraica (α) y geométrica (d) del autovalor λ.
2. Dimensiones de los subespacios propios generalizados.
Con estos datos, podemos confeccionar un diagrama, atendiendo a las si-
guientes reglas:
1. Debajo de cada ker(f −λI)i deben aparecer tantos vectores como indica
la diferencia entre las dimensiones dim(ker(f −λI)i )−dim(ker(f −λI)i−1 ).
2. Para cada vector que aparece en el diagrama, deben llegar echas desde
él hasta ker(f − λI).
Esto es, nos quedaría un diagrama de la forma:
ker(f − λI) ⊂ ... ⊂ ker(f − λI)k−1 ⊂ ker(f − λI)k
(A − λI)k−1 v1 → ... → (A − λI)v1 → v1
. . .
. . .
. . .
(A − λI)k−1 vr → ... → (A − λI)vr → vr
(A − λI)k−2 vr+1 → ... → vr+1
. .
. .
. .
(A − λI)k−2 vr+s → ... → vr+s
Así una base de ker(f − λI) viene dada por
k
Bλ = {(A − λI)k−1 v1 , . . . , v1 , · · · , (A − λI)k−2 vr+s , . . . , vr+s }.
242 Más de 160 problemas resueltos de Álgebra Lineal
Con estos datos calculados, vamos a ver cómo podemos interpretarlos para obtener
la matriz de Jordan.
Determinación de la matriz de Jordan.
1. Cada línea del diagrama determina un bloque de Jordan.
2. El bloque de Jordan determinado por una línea tiene orden igual al nú-
mero de vectores que aparecen en dicha línea.
−4 0 −4 11
−6 3 −6 9
A=
5 0 5 −7
−1 0 −1 5
Calculemos primero el polinomio característico:
P (λ) = |A − λI| = −27λ + 27λ2 − 9λ3 + λ4 = λ(λ − 3)3 .
Por tanto, se tiene que los autovalores de A son λ = 0 con multiplicidad 1 y
λ = 3 con multiplicidad 3. Calculemos una base de V (0). Para ello, resolvemos
el sistema matricial (A − 0I)X = 0. Esto es,
−4 0 −4 11 x1 0
−6 3 −6 9 x2 0
= .
5 0 5 −7 x3 0
−1 0 −1 5 x4 0
De aquí se obtiene el sistema
−4x1 −4x3 +11x4 = 0
−6x1 +3x2 −6x3 +9x4 = 0
5x1 +5x3 −7x4 = 0
−x1 −x3 +5x4 = 0,
cuyas soluciones son x1 = α, x2 = 0, x3 = −α, x4 = 0 con α ∈ R. Luego una
base de V (0) viene dada por BV (0) = {(1, 0, −1, 0)}.
Calculemos ahora una base de V (3). Para ello resolvemos el sistema matricial
(A − 3I)X = 0. Esto es,
−7 0 −4 11 x1 0
−6 0 −6 9 x2 0
= .
5 0 2 −7 x3 0
−1 0 −1 2 x4 0
9. Valores y vectores propios. Diagonalización 243
De aquí se tiene el sistema
−7x1 −4x3 +11x4 = 0
−6x1 −6x3 +9x4 = 0
5x1 +2x3 −7x4 = 0
−x1 −x3 +2x4 = 0,
con soluciones x1 = x3 = x4 = 0, x2 = α con α ∈ R.
Luego, una base de V (3) es BV (3) = {(0, 1, 0, 0)}. Vemos que la dimensión del
subespacio V (3) es distinta de la multiplicidad del autovalor 3, luego la matriz
no es diagonalizable. Calculemos ahora la dimensión de ker(f − 3I)n , n ≥ 2,
siendo f el endomor smo cuya matriz asociada es A. Empecemos por n = 2.
Para ello resolvemos el sistema matricial (A − 3I)2 X = 0. Esto es,
18 0 9 −27 x1 0
3 0 3 −6
x2 0
= .
−18 0 −9 27 x3 0
0 0 0 0 x4 0
Así se obtiene el sistema
18x1 +9x3 −27x4 = 0
3x1 +3x3 −6x4 = 0
−18x1 −9x3 +27x4 = 0,
cuyas soluciones son x1 = α, x2 = β, x3 = α, x4 = α con α, β ∈ R.
Así pues, una base para ker(f −3I)2 es B2 = {(1, 0, 1, 1), (0, 1, 0, 0)}. Haremos lo
mismo para n = 3. Por tanto, consideramos el sistema matricial (A−3I)3 X = 0.
Esto es,
−54 0 −27 81 x1 0
0 0 0 0
x2 0
= .
54 0 27 −81 x3 0
0 0 0 0 x4 0
De aquí obtenemos el sistema
−54x1 −27x3 +81x4 = 0
54x1 +27x3 −81x4 = 0,
2α + γ
con soluciones x1 = α, x2 = β, x3 = γ, x4 = con α, β, γ ∈ R.
3
Así, B3 = {(3, 0, 0, 2), (0, 1, 0, 0), (0, 0, 3, 1)} es una base para ker(f − 3I)3 . De
donde, la dimensión de ker(f − 3I)3 es 3. Se puede comprobar que dim(ker(f −
3I)n ) = 3, para n ≥ 3. Por tanto nos detenemos aquí.
244 Más de 160 problemas resueltos de Álgebra Lineal
Consideramos ahora el siguiente diagrama,
ker(f − 3I) ⊆ ker(f − 3I)2 ⊆ ker(f − 3I)3
(A − 3I)2 v1 −→ (A − 3I)v1 −→ v1
donde v1 es un vector que pertenece a ker(f −3I)3 y no pertenece a ker(f −3I)2 .
Como cada línea del diagrama determina un bloque de Jordan y el bloque de
Jordan determinado por una línea tienen orden igual al número de vectores que
aparecen en esa línea, se tiene que la forma canónica de Jordan de la matriz A
es:
3 1 0 0
0 3 1 0
J =
0
.
0 3 0
0 0 0 0
La base correspondiente es B = {(A − 3I)2 v1 , (A − 3I)v1 , v1 , (1, 0, −1, 0)}. To-
mando como v1 = (3, 0, 0, 2), la base donde el endomor smo tiene asociada la
matriz J es B = {(0, −3, 0, 0), (1, 0, 1, 1), (3, 0, 0, 2), (1, 0, −1, 0)}. Así, la matriz
de paso viene dada por:
0 1 3 1
−3 0 0 0
P = ,
0 1 0 −1
0 1 2 0
veri cándose que J = P −1 AP .
1 3 2 0
0 1 0 0
B= .
0 2 −2 0
6 6 −3 4
Calculemos primero el polinomio característico. Esto es,
PB (λ) = |B − λI| = −8 + 14λ − 3λ2 − 4λ3 + λ4 = (λ + 2)(λ − 1)2 (λ − 4).
De aquí obtenemos que la matriz B tiene tres autovalores: λ = −2 con multi-
plicidad uno, λ = 1 con multiplicidad dos y λ = 4 con multiplicidad uno.
Comencemos calculando una base de V (−2). Para ello consideramos el sistema
matricial (B + 2I)X = 0. Esto es,
3 3 2 0 x1 0
0 3 0 0 x2 0
= .
0 2 0 0 x3 0
6 6 −3 6 x4 0
9. Valores y vectores propios. Diagonalización 245
De aquí se tiene el sistema
3x1 +3x2 +2x3 = 0
3x2 = 0
2x2 = 0
6x1 +6x2 −3x3 +6x4 = 0,
3α 7α
cuyas soluciones son x1 = α, x2 = 0, x3 = − , x4 = − con α ∈ R.
2 4
Luego una base de V (−2) es BV (−2) = {(4, 0, −6, −7)}. Observamos que la
dimensión de V (−2) coincide con la multiplicidad de λ = −2.
Calculemos ahora una base de V (1). Para ello consideramos el sistema matricial
(B − I)X = 0. Esto es,
0 3 2 0 x1 0
0 0 0 0 x2 0
= .
0 2 −3 0 x3 0
6 6 −3 3 x4 0
De aquí se tiene el sistema
3x2 +2x3 = 0
2x2 −3x3 = 0
6x1 +6x2 −3x3 +3x4 = 0,
cuyas soluciones son x1 = α, x2 = 0, x3 = 0, x4 = −2α con α ∈ R. Luego una
base de V (1) es BV (1) = {(1, 0, 0, −2)}. Vemos que la dimensión del subespacio
V (1) es distinta a la multiplicidad del autovalor λ = 1. Luego la matriz no es
diagonalizable. Por tanto tenemos que calcular la dimensión de ker(f − I)n ,
n ≥ 2, donde f es el endomor smo cuya matriz asociada es B . Empecemos por
n = 2. Esto es, consideremos el sistema matricial (B − I)2 X = 0. Es decir,
0 4 −6 0 x1 0
0 0 0 0 x2 0
= .
0 −6 9 0 x3 0
18 30 12 9 x4 0
Esto es,
4x2 −6x3 = 0
−6x2 +9x3 = 0
18x1 +30x2 +12x3 +9x4 = 0,
2β 38β
cuyas soluciones son x1 = α, x2 = β, x3 = , x4 = −2α − con α, β ∈ R.
3 9
Así, una base es B2 = {(1, 0, 0, −2), (0, 9, 6, −38)}. Por tanto, dim ker(f − I)2 =
246 Más de 160 problemas resueltos de Álgebra Lineal
2. Se puede comprobar que dim(ker(f − I)n ) = 2, para n ≥ 2. Por tanto nos
detenemos aquí.
Realizamos ahora el siguiente diagrama.
ker(f − I) ⊆ ker(f − I)2
(B − I)v1 −→ v1
siendo v1 un vector que pertenece a ker(f − I)2 y no pertenece a ker(f − I).
Estudiemos ahora el autovalor λ = 4. Para ello consideramos el sistema matricial
(B − 4I)X = 0. Es decir,
−3 3 2 0 x1 0
0
−3 0 0
x2 0
= .
0 2 −6 0 x3 0
6 6 −3 0 x4 0
De aquí se obtiene el sistema
−3x1 +3x2 +2x3 = 0
−3x2 = 0
2x2 −6x3 = 0
6x1 +6x2 −3x3 = 0,
cuyas soluciones son x1 = x2 = x3 = 0, x4 = α con α ∈ R. Por tanto, una
base de V (4) es B4 = {(0, 0, 0, 1)}. Así la dimensión de V (4) coincide con la
multiplicidad de λ = 4.
Luego, la forma canónica de Jordan es
−2 0 0 0
0 1 1 0
J =
0
.
0 1 0
0 0 0 4
La base correspondiente es B 0 = {(4, 0, −6, −7), (B − I)v1 , v1 , (0, 0, 0, 1)}. To-
mando como v1 = (0, 9, 6, −38), se tiene que B 0 = {(4, 0, −6, −7), (39, 0, 0, −78),
(0, 9, 6, −38), (0, 0, 0, 1)}. Por tanto la matriz de paso es:
4 39 0 0
0 0 9 0
P =
−6
,
0 6 0
−7 −78 −38 1
veri cándose que J = P −1 BP .
2 −1 0 0
−1 2 0 0
C= .
0 0 1 −1
0 0 −1 1
9. Valores y vectores propios. Diagonalización 247
Calculemos en primer lugar el polinomio característico de C . Esto es,
PC (λ) = |C − λI| = −6λ + 11λ2 − 6λ3 + λ4 = (λ − 3)(λ − 2)(λ − 1)λ.
Por tanto, la matriz es diagonalizable, ya que todos sus autovalores son diferen-
tes, siendo éstos λ = 3, λ = 2, λ = 1 y λ = 0. Estudiemos ahora los subespa-
cios propios. Empezaremos por V (3). Para ello planteamos el sistema matricial
(C − 3I)X = 0, que resolviéndolo igual que en apartados anteriores, nos queda
x1 = α, x2 = −α, x3 = 0, x4 = 0, siendo α ∈ R. Por tanto, una base de V (3)
viene dada por BV (3) = {(1, −1, 0, 0)}.
Estudiemos ahora V (2). Planteamos el sistema matricial (C − 2I)X = 0.
Resolviéndolo nos queda x1 = 0, x2 = 0, x3 = α, x4 = −α siendo α ∈ R. Luego
una base es BV (2) = {(0, 0, 1, −1)}.
Hagamos lo mismo para V (1). Resolvemos el sistema matricial(C −I)X = 0
y resulta que sus soluciones son x1 = α, x2 = α, x3 = 0, x4 = 0 con α ∈ R. Así,
BV (1) = {(1, 1, 0, 0)} es una base de V (1).
Finalmente, calculamos una base de V (0). Para ello resolvemos el sistema
matricial (C − 0I)X = 0 cuyas soluciones son x1 = 0, x2 = 0, x3 = α, x4 = α
con α ∈ R. Luego una base de V (0) es BV (0) = {(0, 0, 1, 1)}.
Por tanto, la matriz diagonal y de paso son, respectivamente:
3 0 0 0 1 0 1 0
0 2 0 0 −1 0 1 0
D=
0
, P = ,
0 1 0 0 1 0 1
0 0 0 0 0 −1 0 1
cumpliéndose que D = P −1 CP .
12. Sea f el endomor smo de ecuaciones:
y1 = 5x1 −9x2 −4x3
y2 = 6x1 −11x2 −5x3
y3 = −7x1 +13x2 +6x3
Se pide:
a) Calcula la forma canónica de Jordan J de la matriz de f en la base
canónica.
b) Calcula la base de R3 en la que la matriz de f es J .
248 Más de 160 problemas resueltos de Álgebra Lineal
c) Calcula A347 .
Solución:
a) La matriz asociada al endomor smo f con respecto de la base canónica es
5 −9 −4
A= 6 −11 −5 ,
−7 13 6
y su polinomio característico viene dado por
5−λ −9 −4
PA (λ) = 6 −11 − λ −5 = −λ3 .
−7 13 6 − λ
Por tanto, el único autovalor es λ = 0, con multiplicidad tres. Calculamos el
subespacio propio V (0). Para ello consideramos el sistema matricial (A−0I)X = 0.
Esto es,
5 −9 −4 x1 0
6 −11 −5 x2 = 0 .
−7 13 6 x3 0
De aquí se obtiene el sistema
5x1 −9x2 −4x3 = 0
6x1 −11x2 −5x3 = 0
−7x1 +13x2 +6x3 = 0,
cuyas soluciones son x1 = α, x2 = α, x3 = −α con α ∈ R. Luego una base de V (0)
es BV (0) = {(1, 1, −1)}. Así, dim V (0) = 1, con lo que A no es diagonalizable. Cal-
culamos ahora ker(f − 0I)n , n ≥ 2. Comenzamos por n = 2. Para ello, resolvemos
el sistema matricial (A − 0I)2 X = 0. Esto es,
−1 2 1 x1 0
−1 2 1 x2 = 0 ,
1 −2 −1 x3 0
de donde x1 = α, x2 = β , x3 = α−2β , siendo α, β ∈ R, son las soluciones del siste-
ma. Así ker(f − 0I)2 tiene dimensión dos y una base suya es {(1, 0, 1), (0, 1, −2)}.
Hacemos lo mismo para ker(f − 0I)3 . Consideramos el sistema matricial (A −
0I)3 X = 0. Esto es,
0 0 0 x1 0
0 0 0 x2 = 0 ,
0 0 0 x3 0
9. Valores y vectores propios. Diagonalización 249
cuyas soluciones son x1 = α, x2 = β, x3 = γ con α, β, γ ∈ R. Por tanto, la dimen-
sión de ker(f − 0I)3 es tres, y {(1, 0, 0), (0, 1, 0), (0, 0, 1)} es base. Nos detenemos
aquí, ya que fácilmente se observa que dim(ker(f − 0I)n ) = 3, para n ≥ 3.
Ahora confeccionamos el diagrama
ker(f − 0I) ⊆ ker(f − 0I)2 ⊆ ker(f − 0I)3
(A − 0I)2 v1 −→ (A − 0I)v1 −→ v1
donde v1 es un vector que pertenece a ker(f − 0I)3 y no pertenece a ker(f − 0I)2 .
La forma canónica de Jordan J del endomor smo f en la base canónica es:
0 1 0
J = 0 0 1 .
0 0 0
b) Atendiendo al diagrama del apartado anterior, elegimos v1 = (1, 0, 0) ∈ ker(f −
0I)3 \ ker(f − 0I)2 y calculamos los otros dos vectores:
5 −9 −4 1 5
v2 = (A − 0I)v1 = 6 −11 −5 0 = 6 ,
−7 13 6 0 −7
−1 2 1 1 −1
v3 = (A − 0I)2 v1 = −1 2 1 0 = −1 .
1 −2 −1 0 1
La base de R3 en la que la matriz asociada a f es J es B = {(−1, −1, 1), (5, 6, −7),
(1, 0, 0)}.
c) Del apartado anterior se tiene J = P −1 AP , siendo
−1 5 1
P = −1 6 0 .
1 −7 0
Por tanto P JP −1 = A. Así, razonando como en ejercicios anteriores, se tiene que
A347 = P J 347 P −1 ,
y dado que J es una matriz nilpotente de orden 3, como puede comprobarse,
obtenemos que
0 0 0
A347 = 0 0 0 .
0 0 0
Mathematica
10 | Traba jando con
En este capítulo resolveremos, utilizando el programa Mathematica, (versión 8) al-
gunos ejercicios que ya se han resuelto manualmente en los capítulos anteriores. Los
ejercicios están denotados por [CiPj], ello signi ca que se trata del problema j que
aparece en el Capítulo i.
[C1P2] Para los siguientes sistemas de ecuaciones lineales se pide: trans-
formar el sistema en un sistema escalonado, discutirlo y resolver el sistema
si éste tiene solución:
x +y +z +t = 6
x +y +z +t = 0
x −y +z −t = −2 x +z = 0
g) h)
3x −y +3z −t = 2
x +3y +z +3t = 0
7x −5y +7z −5t = −6 x −y +z +t = 0
x −y +t = 0 x +2y −3z +4t = 2
i) j)
−x +2y +z = 0 2x +5y −2z +t = 1
y −3z +2t = 0 5x +12y −7z +6t = 7
x +y −z +2t = 1
x −3y −2z +4t = 5
x −y +z −t = 2
k) l)
3x −8y −3z +8t = 18
2x +2y −z +5t = 0
2x −3y +5z −4t = 19
y +4z −3t = 5
Solución: En este ejercicio vamos a ver cómo Mathematica resuelve sistemas de
ecuaciones lineales utilizando el comando Solve.
g) In[1]:= Solve[{x + y + z + t == 6, x - y + z - t == -2,
3 x - y + 3 z - t == 2, 7 x - 5 y + 7 z - 5 t == -6},
{x, y, z, t}]
Solve::svars: Equations may not give solutions for all "solve"variables.
Out[1]= {{z → 2 − x, t → 4 − y}}
Podemos observar que el sistema es compatible indeterminado (z y t dependen de
x o de y ). De hecho, Mathematica nos lo hace saber en la advertencia previa al
251
252 Más de 160 problemas resueltos de Álgebra Lineal
resultado.
h) In[2]:= Solve[{x + y + z + t == 0, x + z == 0, x + 3 y + z + 3 t == 0,
x - y + z + t == 0}, {x, y, z, t}]
Solve::svars: Equations may not give solutions for all "solve"variables.
Out[2]= {{y → 0, z → −x, t → 0}}
Igual que en el apartado anterior observamos que el sistema es compatible inde-
terminado.
i ) In[3]:= Solve[{x - y + t == 0, -x + 2 y + z == 0,
y - 3 z + 2 t == 0}, {x, y, z, t}]
Solve::svars: Equations may not give solutions for all "solve"variables.
5x x 4x
Out[3]= y→ ,z → − ,t → −
9 9 9
Nuevamente el sistema es compatible indeterminado.
j ) In[4]:= Solve[{x + 2 y - 3 z + 4 t == 2, 2 x + 5 y - 2 z + t == 1,
5 x + 12 y - 7 z + 6 t == 7}, {x, y, z, t}]
Out[4]= {}
Con el símbolo {}, Mathematica nos informa que el sistema es incompatible.
k) In[5]:= Solve[{x - 3 y - 2 z + 4 t == 5,
3 x - 8 y - 3 z + 8 t == 18, 2 x - 3 y + 5 z - 4 t == 19},
{x, y, z, t}]
Solve::svars: Equations may not give solutions for all "solve"variables.
21 3x 7y
Out[5]= z → 8 − x + 2y, t → − +
4 4 4
Nuevamente el sistema es compatible indeterminado.
l ) In[6]:= Solve[{x + y - z + 2 t == 1, x - y + z - t == 2,
2 x + 2 y - z + 5 t == 0, y + 4 z - 3 t == 5}, {x, y, z, t}]
44 30 7 31
Out[6]= x→ ,y → ,z → − ,t → −
19 19 19 19
En este caso, el sistema es compatible determinado.
[C2P1] Calcula la forma escalonada por las y el rango de las siguientes
matrices.
1 2 3 0 1 2 0 1 2
A= 4 5 6 , B = −1 0 3 , C= 1 0 3 .
7 8 9 −2 −3 0 2 3 0
10. Trabajando con Mathematica 253
Solución: En este ejercicio vamos a ver cómo podemos podemos obtener la forma
escalonada de una matriz utilizando la función RowReduce, que nos calcular la forma
escalonada reducida de la matriz. También mostraremos cómo la función MatrixRank
proporciona directamente el rango de la matriz dada.
Comenzamos introduciendo la matriz A,
In[1]:= a={{1, 2, 3}, {4, 5, 6}, {7, 8, 9}}
Out[1]== {{1, 2, 3}, {4, 5, 6}, {7, 8, 9}}
Ahora aplicamos la orden RowReduce a la matriz,
In[2]:= RowReduce[a]
Out[2]= {{1, 0, −1}, {0, 1, 2}, {0, 0, 0}}
Mathematica puede mostrar el resultado en forma de matriz, para ello utilizaremos
la orden MatrixForm,
In[3]:= MatrixForm[ %]
1 0 −1
Out[3]//MatrixForm= 0 1 2
0 0 0
El rango de A es por tanto 2. Éste puede calcularse directamente utilizando la función
MatrixRank,
In[4]:= MatrixRank[{{1, 2, 3}, {4, 5, 6}, {7, 8, 9}}]
Out[4]= 2
Para la matriz B , se tiene:
In[5]:= RowReduce[{{0, 1, 2}, {-1, 0, 3}, {-2, -3, 0}}] // MatrixForm
1 0 −3
Out[5]//MatrixForm= 0 1 2
0 0 0
El rango de B es por tanto 2. Con la función MatrixRank, obtenemos el mismo
resultado:
In[6]:= MatrixRank[{{0, 1, 2}, {-1, 0, 3}, {-2, -3, 0}}]
Out[6]= 2
Para la matriz C , se tiene:
In[7]:= RowReduce[{{0, 1, 2}, {1, 0, 3}, {2, 3, 0}}] // MatrixForm
1 0 0
Out[7]//MatrixForm= 0 1 0
0 0 1
254 Más de 160 problemas resueltos de Álgebra Lineal
El rango de C es por tanto 3. De nuevo, la función MatrixRank nos proporciona el
mismo resultado:
In[8]:= MatrixRank[{{0, 1, 2}, {1, 0, 3}, {2, 3, 0}}]
Out[8]= 3
[C2P2] Resuelve:
−1 3 2 4 1 1
1 2 3 3 2 1
a) 4 5 6
+
2 3 4
, b) 4 0 1 + 3 2 −2 .
−2 1 5 1 2 −3
Solución: En este ejercicio veremos cómo Mathematica suma matrices
a) In[1]:= {{1, 2, 3}, {4, 5, 6}} + {{3, 2, 1}, {2, 3, 4}}
// MatrixForm
4 4 4
Out[1]//MatrixForm=
6 8 10
b) In[2]:= {{-1, 3, 2}, {4, 0, 1}, {-2, 1, 5}} + {{4, 1, 1}, {3, 2,
-2}, {1, 2, -3}} // MatrixForm
3 4 3
Out[2]//MatrixForm= 7 2 −1
−1 3 2
[C2P3] Calcula (−6)A, (3/5)A, 2A, 32 A, siendo:
1 3 5 7
A= 2 6 10 14 .
1 −3 6 −7
Solución: En este ejercicio veremos cómo Mathematica multiplica un escalar por una
matriz. Si no queremos que nos devuelva los datos que hemos introducido, bastará
escribir al nal de la línea el símbolo ;
In[1]:= a = {{1, 3, 5, 7}, {2, 6, 10, 14}, {1, -3, 6, -7}};
In[2]:= (-6) a // MatrixForm
−6 −18 −30 −42
Out[2]//MatrixForm= −12 −36 −60 −84
−6 18 −36 42
In[3]:= (3/5) a // MatrixForm
10. Trabajando con Mathematica 255
3 9 21
5 5 3 5
Out[3]//MatrixForm= 6 18 42
5 5 6 5
3
5 − 95 18
5 − 215
In[4]:= 2 a // MatrixForm
2 6 10 14
Out[4]//MatrixForm= 4 12 20 28
2 −6 12 −14
In[5]:= 3^2 a // MatrixForm
9 27 45 63
Out[5]//MatrixForm= 18 54 90 126
9 −27 54 −63
[C2P5] Dadas las matrices:
2 3 −2 −2 3 −1 0 6 2
A = −1 0 −3 , B= 4 2 1 , C= 3 −1 4 ,
4 5 2 5 −2 4 2 7 5
calcular A2 , B 2 , C 2 , A · B , B · A, A · C , B · C y (A − C)B .
Solución: En este ejercicio, veremos cómo Mathematica, realiza operaciones entre
matrices. En primer lugar, comenzamos introduciendo las matrices
In[1]:= a = {{2, 3, -2}, {-1, 0, -3}, {4, 5, 2}};
b = {{-2, 3, -1}, {4, 2, 1}, {5, -2, 4}};
c = {{0, 6, 2}, {3, -1, 4}, {2, 7, 5}};
In[2]:= MatrixPower[a, 2] // MatrixForm
−7 −4 −17
Out[2]//MatrixForm= −14 −18 −4
11 22 −19
In[3]:= MatrixPower[b, 2] // MatrixForm
11 2 1
Out[3]//MatrixForm= 5 14 2
2 3 9
In[4]:= MatrixPower[c, 2] // MatrixForm
22 8 34
Out[4]//MatrixForm= 5 47 22
31 40 57
256 Más de 160 problemas resueltos de Álgebra Lineal
In[5]:= a.b // MatrixForm
−2 16 −7
Out[5]//MatrixForm= −13 3 −11
22 18 9
In[6]:= b.a // MatrixForm
−11 −11 −7
Out[6]//MatrixForm= 10 17 −12
28 35 4
In[7]:= a.c // MatrixForm
5 −5 6
Out[7]//MatrixForm= −6 −27 −17
19 33 38
In[8]:= b.c // MatrixForm
7 −22 3
Out[8]//MatrixForm= 8 29 21
2 60 22
In[9]:= (a - c).b // MatrixForm
−36 8 −21
Out[9]//MatrixForm= −23 4 −23
−27 8 −16
[C3P2] Calcular el valor de los siguientes determinantes:
−4 1 1 1 1
4 −2 5 1
1 −4 1 1 1
−4 1 0 −1
a) 2 1 −1 1
, b) 1 1 −4 1 1
1 1 1 −4 1
1 0 1 −2
1 1 1 1 −4
1 12 123 1234
2 23 234 2341
c) 3 34 341 3412
.
4 41 412 4123
Solución: En este ejercicio, veremos cómo Mathematica, calcula determinante de
una matriz utilizando la orden Det
a) In[1]:= Det[{{4, -2, 5, 1}, {-4, 1, 0, -1}, {2, 1, -1, 1},
{1, 0, 1, -2}}]
Out[1]= 63
10. Trabajando con Mathematica 257
b) In[2]:= Det[{{-4, 1, 1, 1, 1}, {1, -4, 1, 1, 1}, {1, 1, -4, 1, 1},
{1, 1, 1, -4, 1}, {1, 1, 1, 1, -4}}]
Out[2]= 0
c) In[3]:= Det[{{1, 12, 123, 1234}, {2, 23, 234, 2341}, {3, 34,
341, 3412}, {4, 41, 412, 4123}}]
Out[3]= 160
[C3P14] Utilizando determinantes hallar, cuando exista, la inversa de cada
una de las matrices dadas:
1 2 3 4 1 2 3 1
2 3 5 −2 1 3 3 2
a)
3 5 1
,
1
b)
2 4 3
.
3
1 1 −5 −7 1 1 1 1
Solución: En este caso vamos a calcular directamente la inversa de una matriz,
utilizando para ello la orden Inverse. Veremos cómo responde Mathematica, cuando
la matriz no tenga inversa.
a) In[1]:= Inverse[{{1, 2, 3, 4}, {2, 3, 5, 1}, {3, 5, 1, 1},
{1, 1, -5, -7}}] // MatrixForm
Inverse::sing: Matrix {{1, 2, 3, 4},{2, 3, 5, 1},{3, 5, 1, 1},{1, 1, -5, -7}} is singular.
Mathematica nos advierte que esta matriz es singular. Por ello, no tiene inversa.
b) In[2]:= Inverse[{{1, 2, 3, 1}, {1, 3, 3, 2}, {2, 4, 3, 3},
{1, 1, 1, 1}}] // MatrixForm
1 −2 1 0
1 −2 2 −3
Out[2]//MatrixForm=
0 1 −1 1
−2 3 −2 3
[C3P15] Utilizando determinantes, calcular el rango de las siguientes ma-
trices:
1 −1 1
1 2 1 0 2 1 7
a) A= 2 4 −2 8 , b) B=
0
.
1 2
−1 0 1 −2
1 0 3
258 Más de 160 problemas resueltos de Álgebra Lineal
Solución:
a) In[1]:= Det[{{1, 2, 1}, {2, 4, -2}, {-1, 0, 1}}]
Out[1]= 8
Como hemos encontrado un menor de orden 3, no nulo y no es posible encontrar
otro de orden mayor, podemos a rmar que el rg(A) = 3.
b) In[2]:= Det[{{1, -1, 1}, {2, 1, 7}, {0, 1, 2}}]
Out[2]= 1
Como hemos encontrado un menor de orden 3, no nulo y no es posible encontrar
otro de orden mayor, podemos a rmar que el rg(B) = 3.
[C3P20] Discutir el siguiente sistema homogéneo, según los valores reales
del parámetro m:
mx −3y +z =0
x +my +z =0
3x −y +mz =0
Solución: Comenzamos de niendo la matriz de coe cientes del sistema:
In[1]:= a = {{m, -3, 1}, {1, m, 1}, {3, -1, m }};
Calculamos su determinante:
In[2]:= Det[a]
Out[2]= −10 + m + m3
Factorizamos dicho valor:
In[3]:= Factor[-10 + m + m^3]
Out[3]= (−2 + m)(5 + 2m + m2 )
Aquí vemos que la única raíz real es m = 2. Luego si m 6= 2, se tiene que rg(A) = 3.
En este caso la única solución del sistema sera la trivial. Si m = 2, entonces rg(A) = 2
y el sistema tendrá soluciones diferentes de la trivial.
10. Trabajando con Mathematica 259
[C4P25] Sea B = {u1 , u2 , u3 , u4 } la base canónica de R4 . Se consideran dos
nuevas bases B1 = {v1 , v2 , v3 , v4 } y B2 = {w1 , w2 , w3 , w4 }, donde:
v1 = −u2 +3u4
w1 = 2u1 −2u2 +u4
v2 = −u1 −u2 w2 = u1 +u2 +u3
v3 = −2u1 −u3 +2u4
w3 = 3u1 +u3 −u4
v4 = −u1 −u2 −u3 +u4 w4 = −2u2 −u3 +u4 .
Se pide:
a) Hallar la expresión de cambio de base entre B1 y B2 .
b) Determinar las coordenadas respecto de B1 del vector x cuyas coor-
denadas respecto de B2 son (2, 1, 0, −1).
Solución:
a) Consideremos BB1 la matriz de paso entre la base B y la base B1 ,
In[1]:= BB1={{0, -1, -2, -1}, {-1, -1, 0, -1}, {0, 0, -1, -1},
{3, 0, 2,1}};
Ahora consideramos BB2 la matriz de paso entre la base B y la base B2 ,
In[2]:=
BB2={{2, 1, 3, 0}, {-2, 1, 0, -2}, {0, 1, 1, -1},
{1, 0, -1, 1}};
La matriz B1B2 será la matriz de paso pedida y la obtendremos mediante la orden,
In[3]:= B1B2 = Inverse[BB1].BB2 // MatrixForm
6 2 3 2
7 7 7 7
−3 − 17 − 57 − 17
Out[3]//MatrixForm= 7
− 11
7
1
7 − 97 − 67
11
7 − 78 2
7
13
7
Las coordenadas respecto de B1 del vector x cuyas coordenadas respecto de B2
son (2, 1, 0, −1) serán obtenidas mediante la orden,
b) In[4]:= B1B2.{2, 1, 0, -1}
12
7
− 76
Out[4]//MatrixForm=
− 15
7
1
7
[C5P13] Sea R3 [x] el espacio vectorial de los polinomios de grado menor o
igual que 3. Se pide:
260 Más de 160 problemas resueltos de Álgebra Lineal
a) Demostrar que el polinomio x3 y sus 3 primeras derivadas forman
una base de R3 [x].
b) Estudiar si los vectores
p1 (x) = 1 + 3x + 5x2 , p2 (x) = −1 + 2x2 , p3 (x) = 3 + 3x + x2 ,
son linealmente dependientes o independientes.
c) Sea F el subespacio generado por los polinomios
q1 (x) = 1 + x2 , q2 (x) = 1 − x2 .
¾Pertenecen los polinomios r(x) = 1 + x y p(x) = 1 + 5x2 a F ?
d) Sea W = L(p1 (x), p2 (x), p3 (x)). Calcular F + W y W ∩ F .
Solución:
a) En primer lugar calculamos las derivadas del polinomio x3 ,
In[1]:= p[x_] := x^3
In[2]:= D[p[x], x]
Out[2]= 3x2
In[3]:= D[p[x], {x, 2}]
Out[3]= 6x
In[4]:= D[p[x], {x, 3}]
Out[4]= 6
Necesitamos encontrar los valores a, b, g, d ∈ R, tales que
ax3 + 3bx2 + 6gx + 6d = 0.
Para ello, resolvemos el sistema que obtenemos identi cando coe cientes,
In[5]:= Solve[{a == 0, 3 b == 0, 6 g == 0, 6 d == 0}, {a, b, g, d}]
Out[5]= {{a → 0, b → 0, g → 0, d → 0}}
Por lo tanto, el sistema es una base.
b) Se trata de calcular el rango de la matriz de coe cientes, que se obtiene al consi-
derar el polinomio nulo como combinación lineal de los polinomios p1 (x), p2 (x) y
p3 (x),
10. Trabajando con Mathematica 261
In[6]:= MatrixRank[{{5, 2, 1}, {3, 0, 3}, {1, -1, 3}}]
Out[6]= 2
Al ser el rango 2, podemos a rmar que los vectores dados son linealmente depen-
dientes.
c) Resolvemos el sistema que se obtiene al identi car coe cientes cuando expresamos
el polinomio r(x) como combinación lineal de los polinomios q1 (x) y q2 (x),
In[7]:= Solve[{a - b == 0, 0 == 1, a + b == 1}, {a, b}]
Out[7]= {}
Como el sistema no tiene solución, podemos a rmar que r(x) 6∈ F .
De igual forma, resolvemos el sistema que se obtiene cuando identi camos coe -
cientes al expresar el polinomio p(x) como combinación lineal de los polinomios
q1 (x) y q2 (x),
In[8]:= Solve[{a - b == 5, a + b == 1}, {a, b}]
Out[8]= {{a → 3, b → −2}}
Como el sistema tiene solución, se tiene que p(x) ∈ F .
d) Comenzamos calculando las ecuaciones cartesianas de F . Así, si ax3 +bx2 +cx+d ∈
F , entonces
ax3 + bx2 + cx + d = α(1 + x2 ) + β(1 − x2 ) = (α − β)x2 + (α + β).
Podemos simpli car la expresión de la derecha, mediante la orden:
In[9]:= FullSimplify[alpha (1 + x^2) + beta (1 - x^2)]
Out[9]= alpha + beta + (alpha − beta)x2
Para eliminar parámetros, identi caremos coe cientes e impondremos que la ma-
triz ampliada del sistema obtenido tenga rango 2. Por ello, se debe de veri car que
los siguientes determinantes sean nulos. Como,
In[10]:= Det[{{0,0,a},{1,-1,b},{1,1,d}}]
Out[10]= 2a
y
In[11]:= Det[{{1,-1,b},{0,0,c},{1,1,d}}]
Out[11]= −2c
tenemos que las ecuaciones de F vendrán dadas por a = c = 0.
Vamos ahora a calcular las ecuaciones cartesianas de W . Así, si ax3 + bx2 +
cx + d ∈ W , entonces
ax3 + bx2 + cx + d = α(1 + 3x + 5x2 ) + β(−1 + 2x2 ) = (5α + 2β)x2 + 3αx + (α − β).
262 Más de 160 problemas resueltos de Álgebra Lineal
In[12]:= FullSimplify[alpha (1 + 3 x + 5 x^2) + beta (-1 + x^2)]
Out[12]= alpha − beta + 3alphax + (5alpha + beta)x2
Igual que antes, para eliminar parámetros, identi caremos coe cientes e impon-
dremos que la matriz ampliada del sistema obtenido tenga rango 2. Por ello, se
debe de veri car que los siguientes determinantes sean nulos. Como,
In[13]:= Det[{{0,0,a},{5,2,b},{3,0,c}}]
Out[13]= −6a
y
In[14]:= Det[{{5,2,b},{3,0,c},{1,-1,d}}]
Out[14]= −3b + 7c − 6d
tendremos que las ecuaciones cartesianas de W vendrán dadas por:
a = 0
3b − 7c + 6d = 0.
Por tanto, se tiene que:
a = 0
F ∩W ≡ c = 0
b = −2d
Ahora calcularemos una base de F + G. Sabemos que un sistema generador
viene dado por:
{1 + x2 , 1 − x2 , 1 + 3x + 5x2 , −1 + 2x2 }.
Para ver si el conjunto es libre, bastará estudiar el rango de la matriz
1 0 1
1
0 −1
.
1 3 5
−1 0 2
Para ello utilizaremos la orden,
In[15]:= MatrixRank[{{1,0,1},{1, 0, -1}, {1, 3, 5}, {-1, 0, 2}}]
Out[15]= 3
Este resultado nos a rma que estos 4 vectores son ligados, pero que existen 3 que
son linealmente independientes. Como
In[16]:= MatrixRank[{{1, 0, -1}, {1, 3, 5}, {-1, 0, 2}}]
Out[16]= 3
se tiene que una base de F +W viene dada por B = {1−x2 , 1+3x+5x2 , −1+2x2 }.
10. Trabajando con Mathematica 263
[C5P18] Dados los subespacios F y G de R4 :
F = {(a, b, c, d) ∈ R4 : b − c − d = 0}, G = {(a, b, c, d) ∈ R4 : a + b = 0, c = 2d},
calcula la base y dimensión de F , G, F + G y F ∩ G.
Solución:
a) De las ecuaciones cartesianas de F , obtenemos que un sistema generador viene
dado por {(1, 0, 0, 0), (0, 1, 0, 1), (0, 0, 1, −1)}. Para ver si son libres, calcularemos
el rango de la matriz cuyas las son esos vectores,
In[1]:= MatrixRank[{{1, 0, 0, 0}, {0, 1, 0, 1}, {0, 0, 1, -1}}]
Out[1]= 3
Como el rango vale 3, son libres y de ahí que forme una base de F . Por tanto
dim(F ) = 3.
b) De las ecuaciones cartesianas de G, obtenemos que un sistema generador viene
dado por {(1, −1, 0, 0), (0, 0, 2, 1)}, y procediendo como en el apartado anterior, se
tiene que:
In[2]:= MatrixRank[{{1, -1, 0, 0}, {0, 0, 2, 1}}]
Out[2]= 2
De ahí obtenemos que una base de G es {(1, −1, 0, 0), (0, 0, 2, 1)} y dim(G) = 2.
c) Bastará resolver el sistema formado por las ecuaciones cartesianas de F y las
ecuaciones cartesianas de G,
In[3]:= Solve[{a + b == 0, b - c - d == 0, c - 2 d == 0}]
Solve::svars: Equations may not give solutions for all "solve"variables.
Out[3]= {{a → −3d, b → 3d, c → 2d}}
Esto es, un sistema generador de F ∩ G viene dado por {(−3, 3, 2, 1)}, que al ser
libre, forma una base. Así dim(F ∩ G) = 1.
d) Se tratará de calcular el rango de la matriz cuyas las son los vectores de la base
de F y la base de G. Como
In[4]:= MatrixRank[{{1, 0, 0, 0}, {0, 1, 0, 1}, {0, 0, 1, -1},
{1, -1, 0, 0}, {0, 0, 2, 1}}]
Out[4]= 4
y
In[5]:= MatrixRank[{{1, 0, 0, 0}, {0, 1, 0, 1}, {0, 0, 1, -1},
{1, -1, 0, 0}}]
264 Más de 160 problemas resueltos de Álgebra Lineal
Out[5]= 4
se tiene que una base de F + G viene dada por {(1, 0, 0, 0), (0, 1, 0, 1), (0, 0, 1, −1),
(1, −1, 0, 0)} y de ahí que dim(F + G) = 4.
[C5P25] Obtener una base del espacio vectorial cociente R4 /V , siendo V
el subespacio generado por los vectores {(1, 0, 1, 1), (1, 2, 1, 1), (2, 2, 2, 2)}.
Solución: En primer lugar comprobamos si los vectores dados son libres,
In[1]:= MatrixRank[{{1, 0, 1, 1}, {1, 2, 1, 1}, {2, 2, 2, 2}}]
Out[1]= 2
En este caso, se tiene que los vectores dados son ligados. Como
In[2]:= MatrixRank[{{1, 0, 1, 1}, {1, 2, 1, 1}}]
Out[2]= 2
una base de V viene dada por {(1, 0, 1, 1), (1, 2, 1, 1)}. Ampliamos esta base hasta
obtener una base de R4 . Al veri carse que
In[3]:= MatrixRank[{{1, 0, 1, 1}, {1, 2, 1, 1}, {0, 0, 1, 0},
{0, 0, 0, 1}}]
Out[3]= 4
se tiene que una base de R4 /V será {[(0, 0, 1, 0)], [(0, 0, 0, 1)]}.
[C6P15] Sean f, g : R3 −→ R2 aplicaciones lineales dadas por
f (x1 , x2 , x3 ) = (x1 − x2 , x1 − x3 ), g(x1 , x2 , x3 ) = (x2 − x3 , 0).
Hallar:
a) Matriz asociada a (f + g).
b) Base y dimensión de ker(f + g) e Im(f + g).
c) ¾Qué tipo de aplicación es (f + g)?
d) Calcular f −1 (4, 6).
Solución:
a) Comenzamos de niendo las funciones f y g ,
In[1]:= f[x1_, x2_, x3_] := {x1 - x2, x1 - x3}
g[x1_, x2_, x3_] := {x2 - x3, 0}
10. Trabajando con Mathematica 265
A continuación calculamos la matriz asociada a f respecto de la base canónica.
Observamos que utilizamos el comando Transpose, ya que las columnas de la
matriz son las coordenadas de f (1, 0, 0), f (0, 0, 1) y f (0, 0, 1) respecto de la base
canónica.
In[2]:= MatrixF = {f[1, 0, 0], f[0, 1, 0], f[0, 0, 1]} // Transpose
Out[2]= {{1, −1, 0}, {1, 0, −1}}
Procedemos de igual forma para calcular la matriz asociada a la aplicación g
respecto de la base canónica,
In[3]:= MatrixG = {g[1, 0, 0], g[0, 1, 0], g[0, 0, 1]} // Transpose
Out[3]= {{0, 1, −1}, {0, 0, 0}}
Por tanto la matriz S asociada a la aplicación f + g , respecto de la base canónica
viene dada por:
In[4]:= S =MatrixF + MatrixG
Out[4]= {{1, 0, −1}, {1, 0, −1}}
b) ker(f + g) será hallado mediante la orden,
In[5]:= Solve[S.{x, y, z} == 0, {x, y, z}]
Solve::svars: Equations may not give solutions for all "solve"variables
Out[5]= {{z → x}}
Por tanto, una base de ker(f + g) es {(1, 0, 1), (0, 1, 0)} y dim(ker(f + g)) = 2.
Un sistema generador Im(f +g) viene dado por {(f +g)(1, 0, 0), (f +g)(0, 1, 0), (f +
g)(0, 0, 1)}. Esto es,
In[6]:= m=[{S.{1, 0, 0}, S.{0, 1, 0},S.{0, 0, 1}}]
Out[6]= {{1, 1}, {0, 0}, {-1, -1}}
Por tanto una base de Im(f + g) es {(1, 1)} y dim(Im(f + g)) = 1.
c) Como consecuencia de los apartados anteriores, podemos a rmar que f no es
inyectiva ni sobreyectiva.
d) Para este apartado, bastará calcular,
In[7]:= Solve[S.{x, y, z} == {4, 6}, {x, y, z}]
Solve::svars: Equations may not give solutions for all "solve"variables.
Out[7]= {{y → −4 + x, z → −6 + x}}
Esto es, f −1 (4, 6) = (α, −4 + α, −6 + α), siendo α ∈ R.
266 Más de 160 problemas resueltos de Álgebra Lineal
[C7P4] Sea V el espacio vectorial de los polinomios reales de grado menor
o igual que 1. Sean ϕ1 : V −→ R y ϕ2 : V −→ R las formas lineales:
Z 1 Z 2
ϕ1 (p(x)) = p(x)dx, ϕ2 (p(x)) = p(x)dx.
0 0
Comprueba que {ϕ1 , ϕ2 } es una base de V∗ y halla la base {p1 (x), p2 (x)} de
V que tiene a {ϕ1 , ϕ2 } por dual.
Solución: Como card({ϕ1 , ϕ2 }) = 2 = dim(V ), para ver que {ϕ1 , ϕ2 } bastará
∗
demostrar que es sistema generador o es libre. Nosotros vamos a demostrar que es
libre. Para ello resolvemos el sistema obtenido al expresar la forma lineal nula como
combinación de ϕ1 y ϕ2 .
In[1]:= Solve[{alpha f1[1] + beta f2[1] == 0,
alpha f1[x] + beta f2[x] == 0}, {alpha, beta}]
Out[1]= {{alpha → 0, beta → 0}}
Al veri carse que α = β = 0, se tiene que el conjunto {ϕ1 , ϕ2 } es libre y de ahí,
podemos a rmar que es base de V ∗ .
Finalmente calculamos la base de V que tiene a {ϕ1 , ϕ2 } por dual. Esto se ob-
tendrá, indicándole a Mathematica que resuelva el siguiente sistema,
In[2]:= Solve[{{f1[1], f1[x]}, {f2[1], f2[x]}}.
{{a11, a12}, {a21, a22}} == IdentityMatrix[2],
{a11, a12, a21, a22}]
Out[2]= {{a11 → 2, a12 → −(1/2), a21 → −2, a22 → 1}}
1
Por tanto, la base buscada es −2x + 2, x − .
2
[C8P2] Calcula la matriz de Gram, respecto de la base B = {(1, 0, 0), (0, 1, 0),
(0, 0, 1)}, del producto escalar dado por:
hx, yi = 2x1 y1 + 2x2 y2 + 2x3 y3 + x1 y2 + x1 y3 + x2 y1 + x2 y3 + x3 y1 + x3 y2 ,
donde (x1 , x2 , x3 ) y (y1 , y2 , y3 ) son las coordenadas en la base B de x e y
respectivamente. ¾Es la base B ortogonal? En caso negativo, calcular una
base ortogonal a partir de B .
Solución: Comenzamos de niendo los vectores de la base canónica y la función
que nos de ne el producto escalar dado. La componente i-ésima del vector X será
denotada por X[[i]],
10. Trabajando con Mathematica 267
In[1]:= u1 = {1, 0, 0};
u2 = {0, 1, 0};
u3 = {0, 0, 1};
f[X_,Y_] := 2 X.Y + X[[1]] (Y[[2]] + Y[[3]]) +
X[[2]] (Y[[1]] + Y[[3]]) + X[[3]] (Y[[1]] + Y[[2]])
Ahora calculamos la matriz de Gram pedida,
In[2]:= {{f[u1, u1], f[u1, u2], f[u1, u3]}, {f[u2, u1], f[u2, u2],
f[u2, u3]}, {f[u3, u1], f[u3, u2], f[u3, u3]}} // MatrixForm
2 1 1
Out[2]//MatrixForm= 1 2 1
1 1 2
Luego la base no es ortogonal, ya que la matriz no es una matriz diagonal.
A continuación vamos a calcular una base ortonormal respecto del producto es-
calar dado, mediante la orden Orthogonalize,
In[3]:= Orthogonalize[{u1, u2, u3}, f]
( ( r ) √ )
1 1 2 1 1 3
Out[3]= √ , 0, 0 , − √ , ,0 , − √ ,− √ ,
2 6 3 2 3 2 3 2
Observamos que hemos construido una base ortonormal, por lo tanto es ortogonal.
[C8P5] En el espacio vectorial euclídeo R4 con el producto escalar usual
se pide:
a) Determinar un vector unitario que sea ortogonal a los vectores
(1, 2, 1, 0), (0, −1, 1, 0), (1, 1, −2, 1).
b) Obtener mediante el algoritmo de Gram-Schmidt una base de vec-
tores ortonormales para el subespacio F generado por los vectores
anteriores.
Solución:
a) Para encontrar un vector (x, y, z) ortogonal a los dados, utilizaremos,
In[1]:= Solve[{{x, y, z, w}.{1, 2, 1, 0} == 0,
{x, y, z, w}.{0, -1, 1, 0} == 0,
{x, y, z, w}.{1, 1, -2, 1} == 0
}, {x, y, z}]
Solve::svars: Equations may not give solutions for all "solve"variables.
268 Más de 160 problemas resueltos de Álgebra Lineal
3w w w
Out[1]= x → − ,y → ,z →
4 4 4
Esto es, (−3, 1, 1, 4) es un vector que veri ca la condición pedida. Pero no es
unitario. Por ello tendremos que normalizarlo:
In[2]:= Normalize[{-3, 1, 1, 4}]
1 1 1 4
Out[2]= − √ , √ , √ , √
3 3 3 3 3 3 3
b) Esto lo haremos mediante la orden Orthogonalize,
In[3]:= Orthogonalize[{{1, 2, 1, 0}, {0, -1, 1, 0}, {1, 1, -2, 1}}]
(( r ) ( r )
2 1
1 1 2 7
Out[3]= √ ,
, √ , 0 , √ , −2 , √ ,0 ,
3 6 6 66 33 66
q
4 11
4 4 3
√ ,− √ ,− √ ,
33 3 33 3 33 3
[C8P7] En R4 con el producto escalar usual, calcular una base ortonormal
a partir de los vectores (1, 1, 1, 1), (1, 1, 0, 0), (1, 1, 1, 0), (1, 0, 0, 0).
Solución:
In[1]:= Orthogonalize[{{1, 1, 1, 1}, {1, 1, 0, 0}, {1, 1, 1, 0},
{1, 0, 0, 0}}]
1 1 1 1 1 1 1 1 1 1 1 1
Out[1]= , , , , , ,− ,− , 0, 0, √ , − √ , √ , − √ , 0, 0
2 2 2 2 2 2 2 2 2 2 2 2
[C8P10] Descomponer el vector (1, 3, −1, 4) en suma de dos vectores, uno
perteneciente al subespacio generado por {(2, 1, 0, 1), (0, 3, 1, 1)} y el otro
ortogonal a dicho subespacio.
Solución: Comenzamos calculando una base del espacio ortogonal al dado. Para ello
utilizaremos,
In[1]:= Solve[{{x, y, z, t}.{2, 1, 0, 1} == 0,
{x, y, z, t}.{0, 3, 1, 1} == 0
}, {x,y,z,t}]
Solve::svars: Equations may not give solutions for all "solve"variables.
Out[1]= {{x → −t/3 + z/6, y → −t/3 − z/3}}
10. Trabajando con Mathematica 269
Así una base del espacio ortogonal al dado es B = {(1, −2, 6, 0), (0, −1, 2, 1)}.
Ahora se trata de expresar el vector (1, 3, −1, 4) como,
(1, 3, −1, 4) = a(2, 1, 0, 1) + b(0, 3, 1, 1) + c(1, −2, 6, 0) + d(0, −1, 2, 1).
Para ello utilizaremos la siguiente orden,
In[2]:= Solve[{1, 3, -1, 4} == a {2, 1, 0, 1} + b {0, 3, 1, 1} +
c {1, -2, 6, 0} + d {0, -1, 2, 1}, {a, b, c, d}]
51 18 26 113
Out[2]= a→ ,b → ,c → − ,d →
50 25 25 50
De ahí, se tiene que
51 159 18 87 26 9 43 113
(1, 3, −1, 4) = , , , + − ,− ,− , .
25 50 25 50 25 50 25 50
[C9P8] Diagonalizar, si es posible, las siguientes matrices:
2 −1 0 0
1 −1 0 −1 1 2 1
2 0 0
A = −1 1 0 , B= , C= 0 1 1 .
0 0 1 −1
0 0 5 0 2 1
0 0 −1 1
Solución:
En este ejercio veremos cómo Mathematica puede calcular directamente los elementos
necesarios para ver si una matriz es diagonalizable.
Introducimos la matriz A
In[1]:= a = {{1, -1, 0}, {-1, 1, 0}, {0, 0, 5}};
Calculamos su polinomio característico,
In[2]:= CharacteristicPolynomial[a, x]
Out[2]= −10x + 7x2 − x3
A continuación factorizamos su polinomio característico,
In[3]:= Factor[ %]
Out[3]= −(−5 + x)(−2 + x)x
Vemos que los autovalores de la matriz A son: {5, 2, 0}. Éstos se podrían haber
calculado directamente mediante la orden Eigenvalues:
270 Más de 160 problemas resueltos de Álgebra Lineal
In[4]:= Eigenvalues[a]
Out[4]= {5, 2, 0}
Luego la matriz es diagonalizable ya que es de rango 3 y tiene tres autovalores
diferentes.
Vamos a calcular los autovectores correspondientes a cada valor propio.
Para el valor propio λ = 5, tendremos que resolver el sistema matricial
(A − 5I)X = 0.
In[5]:= Solve[(a-5 IdentityMatrix[3]).{x,y,z}==0,{x,y,z}]
Solve::svars: Equations may not give solutions for all "solve"variables.
Out[5]= {{x → 0, y → 0}}
Así una base de V (5) vendrá dada por {(0, 0, 1)}.
Para el valor propio λ = 2, tendremos que resolver el sistema matricial
(A − 5I)X = 0.
In[6]:= Solve[(a-2 IdentityMatrix[3]).{x,y,z}==0,{x,y,z}]
Solve::svars: Equations may not give solutions for all "solve"variables.
Out[6]= {{x → −y, z → 0}}
Así una base de V (2) vendrá dada por {(1, −1, 0)}.
Para el valor propio λ = 0, tendremos que resolver el sistema matricial
AX = 0.
In[7]:= Solve[a.{x,y,z}==0,{x,y,z}]
Solve::svars: Equations may not give solutions for all "solve"variables.
Out[7]= {{x → y, z → 0}}
Así una base de V (0) vendrá dada por {(1, 1, 0)}.
Los autovectores también se podrían haber calculado mediante la orden
Eigenvectors,
In[8]:= Eigenvectors[a]
Out[8]= {{0, 0, 1}, {−1, 1, 0}, {1, 1, 0}}
Por lo tanto, podemos a rmar que la matriz A es diagonalizable, siendo la matriz
diagonal D semejante a la matriz A y la matriz de paso P , las siguientes:
5 0 0 0 −1 1
D= 0 2 0 , P = 0 1 1 .
0 0 0 1 0 0
Esto se podría haber calculado directamente con la orden Eigensystem
10. Trabajando con Mathematica 271
In[9]:= Eigensystem[a]
Out[9]= {{5, 2, 0}, {{0, 0, 1}, {−1, 1, 0}, {1, 1, 0}}
Para la matriz B,
In[10]:= b= {{2, -1, 0, 0}, {-1, 2, 0, 0}, {0, 0, 1, -1},
{0, 0, -1, 1}};
In[11]:= Eigensystem[b]
Out[11]= {{3, 2, 1, 0}, {{−1, 1, 0, 0}, {0, 0, −1, 1}, {1, 1, 0, 0}, {0, 0, 1, 1}}}
Por lo tanto, podemos a rmar que la matriz B es diagonalizable, siendo la matriz
diagonal D, semejante a la matriz A, y la matriz de paso P ,
3 0 0 0 −1 0 1 0
0 2 0 0 1 0 1 0
D=
, P =
.
0 0 1 0 0 −1 0 1
0 0 0 0 0 1 0 1
Para la matriz C ,
In[12]:= c = {{1, 2, 1}, {0, 1, 1}, {0, 2, 1}};
In[13]:= Eigensystem[c]
√ √ √ √
Out[13]= {{1 + 2, 1, 1 − 2}, {{1/2
√ + 1/2(1 + 2), −1/2
√ + 1/2(1 + 2), 1},
{1, 0, 0}, {1/2 + 1/2(1 − 2), −1/2 + 1/2(1 − 2), 1}}}
Así, podemos a rmar que la matriz C es diagonalizable, siendo la matriz dia-
gonal D, semejante a la matriz C , y la matriz de paso P ,
√ 1
√ 1
√
1+ 2 0 0 2 2+ 2 1 2 2− 2
D= 0 1 0√ , P = √1 0 − √12 .
2
0 0 1− 2 1 0 1
[C9P10] Diagonalizar por semejanza ortogonal las matrices
3 1 1 1 −1 −1
A= 1 3 1 , B = −1 1 −1 .
1 1 3 −1 −1 1
Solución:
Para la matriz A, procediendo de la misma forma que en el ejercicio anterior,
se tiene que,
272 Más de 160 problemas resueltos de Álgebra Lineal
In[1]:= a = {{3, 1, 1}, {1, 3, 1}, {1, 1, 3}};
In[2]:= Eigensystem[a]
Out[2]= {{5, 2, 2}, {{1, 1, 1}, {−1, 0, 1}, {−1, 1, 0}}}
Como la base formada por la unión de las bases de los vectores propios no es
ortonormal, tendremos que, a partir de esta, construir una base ortonormal,
In[3]:= Orthogonalize[{{1, 1, 1}, {-1, 0, 1}, {-1, 1, 0}}]
q
Out[3]= {{ √13 , √1 , √1 }, {− √1 , 0, √1 }, {− √1 ,
3 3 2 2 6
2 √1
3 , − 6 }}
Así la matriz A es diagonalizable ortogonalmente. Esto es, es semejante a
la matriz diagonal
5 0 0
0 2 0
0 0 2
siendo la matriz de paso ortogonal
√1 − √12 − √16
3 q
√1 0 2
.
3 3
√1 √1 − √16
3 2
Para la matriz B ,
In[4]:= b = {{1, -1, -1}, {-1, 1, -1}, {-1, -1, 1}};
In[5]:= Eigensystem[b]
Out[5]= {{2, 2, −1}, {{−1, 0, 1}, {−1, 1, 0}, {1, 1, 1}}}
Ortonormalizamos la base {(−1, 0, 1), (−1, 1, 0), (1, 1, 1)},
In[6]:= Orthogonalize[{{-1, 0, 1}, {-1, 1, 0}, {1, 1, 1}}]
q
Out[6]= {{− √12 , 0, √1 }, {− √1 ,
2 6
2 √1 √1 √1 √1
3 , − 6 }, { 3 , 3 , 3 }}
Así la matriz B es diagonalizable ortogonalmente. Esto es, es semejante a la
matriz diagonal
2 0 0
0 2 0
0 0 −1
siendo la matriz de paso ortogonal
− √12 − √16 √1
q 3
2 √1
0 .
3 3
√1 − √16 √1
2 3
10. Trabajando con Mathematica 273
[C9P11] Calcular la forma canónica de Jordan y la matriz de paso de las
siguientes matrices:
−4 0 −4 11 1 3 2 0 2 −1 0 0
−6 3 −6 9 , B = 0 1 0 0 , C = −1 2 0 0 .
A=
5 0 5 −7 0 2 −2 0 0 0 1 −1
−1 0 −1 5 6 6 −3 4 0 0 −1 1
Solución: En este ejercicio veremos cómo calcular la forma canónica de Jordan
mediante la orden JordanDecomposition
Para la matriz A, comenzamos introduciendo la matriz
In[1]:= a = {{-4, 0, -4, 11}, {-6, 3, -6, 9}, {5, 0, 5, -7},
{-1, 0, -1, 5}};
La orden JordanDecomposition, calcula dos matrices la primera corresponde a
la matriz de paso y la segunda a la forma canónica de Jordan, a las que hemos
llamado paso y jordan, respectivamente:
In[2]:= {paso, jordan} = JordanDecomposition[a];
Ahora le pedimos que nos muestre la matriz de paso,
In[3]:= paso // MatrixForm
−1 0 − 13 −1
0 1 0 0
Out[3]// MatrixForm=
0 − 13
1 0
0 0 − 13 − 23
y la forma canónica de Jordan,
In[4]:= jordan // MatrixForm
0 0 0 0
0 3 1 0
Out[4]// MatrixForm=
0
0 3 1
0 0 0 3
Para la matriz B , trabajando de igual forma, se tiene que:
In[5]:= b = {{1, 3, 2, 0}, {0, 1, 0, 0}, {0, 2, -2, 0},
{6, 6, -2, 4}};
In[6]:= {paso, jordan} = JordanDecomposition[b];
In[7]:= paso // MatrixForm
20
−2 −1 39 0
3
0 0 − 13 0
Out[7]// MatrixForm=
2
− 13
3 0 0
3 2 0 1
274 Más de 160 problemas resueltos de Álgebra Lineal
In[8]:= jordan // MatrixForm
−2 0 0 0
0 1 1 0
Out[8]// MatrixForm=
0
0 1 0
0 0 0 4
Igualmente para la matriz C , se tiene que:
In[9]:= c = {{2, -1, 0, 0}, {-1, 2, 0, 0}, {0, 0, 1, -1},
{0, 0, -1, 1}};
In[10]:= {paso, jordan} = JordanDecomposition[c];
In[11]:= paso // MatrixForm
0 1 0 −1
0 1 0 1
Out[11]//MatrixForm=
1 0 −1 0
1 0 1 0
In[12]:= jordan // MatrixForm
0 0 0 0
0 1 0 0
Out[12]//MatrixForm=
0 0 2 0
0 0 0 3
Observamos que el vector v1 , que hemos tomado en este ejercicio, no es único. Por
ello el resultado depende de la elección que hagamos y en consecuencia, las matrices
obtenidas con Mathematica no coinciden con las calculadas en el Capítulo 9 , aunque
sean correctas en ambos casos.
Todas las órdenes, así como la sintaxis utilizada en los ejercicios anteriores, se
describen a continuación,
Sintaxis y funciones con Mathematica
Un vector de longitud n es una lista con n elementos,
{x1 ,...,xn }
Una matriz de orden m × n es una lista de m listas, cada una de ellas con n
elementos,
{{a11 ,...,a1n },...,{am1 ,...,amn }}
Un vector de longitud n, en columna, es una matriz de orden n × 1,
{{x1 },...,{xn }}
Una función f respecto de x1 , . . . , xn con expresión expr se introduce como:
f[x1 _,...,xn _]:= expr
10. Trabajando con Mathematica 275
Orden Signi cado
% El último resultado generado.
t /. x → a Reemplaza x por a en la expresión de t.
x.y Producto escalar entre los vectores x e y .
x.m Producto entre el vector x y la matriz m.
m .x Producto entre la matriz m y el vector x.
m + n Suma las matrices m y n.
x m Producto entre la matriz m un número x.
m .n Producto entre las matrices m y n.
CharacteristicPo\ Polinomio característico de la matriz m.
lynomial[m,x]
Det[m] Determinante de la matriz m.
D[f ,x] Derivada de la función f respecto de la variable x.
Eigenvectors[m] Autovectores de la matriz m.
Eigenvalues[m] Autovalores de la matriz m.
Eigensystem[m] Autovalores y autovectores de la matriz m.
Factor[poly ] Factoriza el polinomio poly sobre los números enteros.
FullSimplify[expr] Simpli ca la expresión expr.
IdentityMatrix[n] Genera una matriz identidad de orden n.
Inverse[m] Matriz inversa de la matriz m.
Integrate[f (x), Integra la función f en el rango indicado.
{x,xmin ,xmax }]
JordanDecom\ Devuelve una lista {s,j }, donde s es la matriz de paso
position[m,x] y j es la forma canónica de Jordan de la matriz m.
MatrixForm[m] Muestra la matriz m en forma matricial.
MatrixPower[m,n] n-ésima potencia la matriz m.
MatrixRank[m] Rango de la matriz m.
Normalize[v ] Normaliza el vector v .
Orthogonalize[{e1 , Base ortonormal a partir de los vectores ei y el
e2 ,...},f ] producto escalar dado por f . (En caso de no
especi car f se utiliza el producto escalar usual)
RowReduce[m] Matriz reducida por las equivalente a la matriz m.
Solve[expr,vars] Resuelve el sistema expr de ecuaciones respecto de las
variables vars.
Transpose[m] Matriz traspuesta de la matriz m.
Glosario
A M
Algoritmo Matriz
de Gram-Schmidt . . . . . . . . . . . 211 antisimétrica . . . . . . . . . . . . . . . . . 36
para calcular la matriz inversa 40 de Gram . . . . . . . . . . . . . . . . . . . . 209
para obtener un sistema de Jordan. . . . . . . . . . . . . . . . . . . 242
escalonado por las . . . . . . 14 idempotente . . . . . . . . . . . . . . . . . . 38
para obtener una matriz simétrica . . . . . . . . . . . . . . . . . . . . . 36
escalonada por las . . . . . . 26 traspuesta . . . . . . . . . . . . . . . . . . . . 35
Ángulo entre dos vectores . . . . . . . . 210
Aplicación lineal P
caracterización . . . . . . . . . . . . . . 161 Propiedades
imagen . . . . . . . . . . . . . . . . . . . . . . 163 del núcleo e imagen . . . . . . . . . 163
núcleo . . . . . . . . . . . . . . . . . . . . . . .163 determinante de una matriz . . 54
operaciones . . . . . . . . . . . . . . . . . 174 trasposición de matrices . . . . . . 35
B R
Base Rango de una matriz . . . . . . . . . . . . . .26
caracterización . . . . . . . . . . . . . . 111 Regla
del subespacio máximo . . . . . . 241 de Cramer . . . . . . . . . . . . . . . . . . . 74
dual . . . . . . . . . . . . . . . . . . . . . . . . .199 de Sarrus . . . . . . . . . . . . . . . . . . . . .53
C S
Cambio de base Sintaxis y funciones con Mathematica
en aplicaciones lineales . . . . . . 173 274
en espacios vectoriales . . . . . . . 121 Sistema generador del subespacio
imagen . . . . . . . . . . . . . . . . . 163
D Sistemas de Cramer . . . . . . . . . . . . . . . 74
Determinante de una matriz . . . . . . 54 Subespacio
Diagonalización por semejanza caracterización . . . . . . . . . . . . . . 127
ortogonal . . . . . . . . . . . . . . . 238 generado por un conjunto de
vectores . . . . . . . . . . . . . . . . 132
E suplementario . . . . . . . . . . . . . . . 152
Subespacios propios generalizados.
Endomor smo diagonalizable . . . . 229 Subespacio máximo . . . . . 240
F T
Fórmula Teorema
de Grassmann . . . . . . . . . . . . . . . 151 de Cayley-Hamilton . . . . . . . . . 224
de las dimensiones . . . . . . . . . . .168 de Rouché-Frobenius . . . . . . . . . 47
277 Traza de una matriz cuadrada . . . 216
Bibliografía
[1] J. de Burgos , Álgebra Lineal, McGraw-Hill, 1993.
[2] J. de Burgos , Álgebra y Geometría 80 problemas útiles (2a Edición.), García
Maroto Editores, 2010.
[3] B. de Diego, E. Gordillo, G. Valeiras , Problemas de Álgebra Lineal, Dei-
mos, 1986.
[4] G. Farin, D. Hansford , Practical Linear Algebra: A Geometry Toolbox, Third
edition, CRC Press, 2013.
[5] I. Stanley, I. Grossman, J. J. Flores , Álgebra Lineal (7a Edición.),
MacGraw-Hill, 2012.
[6] D. C. Lay , Álgebra Lineal y sus aplicaciones (3a Edición.), PRENTICE HALL
MEXICO, 2007.
[7] E. Hernández, M. J. Vázquez, M. A. Zurro , Álgebra Lineal y Geometría
(3a Edición.), PEARSON EDUCACIÓN, S.A., 2012.
[8] V. Martínez Zamalloa , Álgebra Lineal, Eza Ediciones S. L., 2014.
[9] L. Merino, E. Santos , Álgebra Lineal con métodos elementales. Thomson,
2006.
[10] J. Rojo , Álgebra Lineal MacGraw-Hill, 2007.
[11] J. Rojo, I. Martín , Ejercicios y problemas de Álgebra lineal (3a Edición.)
MacGraw-Hill, 2005.
[12] P. Sanz Francisco , Álgebra Lineal, Garceta Grupo Editorial, 2013.
[13] J. C. del Valle Sotelo , Álgebra Lineal para estudiantes de Ingeniería y
Ciencias, MacGraw-Hill, 2011.
[14] K. M. Shiskowski, K. Frinkle , Principles of Linear Algebra with Mathema-
tica, Wiley, 2011.
[15] A. de la Villa , Problemas de Álgebra con esquemas teóricos(4a E D.), CLAG-
SA, 2010.
[16] S. Wolfram , The Mathematica Book, Wolfram Media/Cambridge Uni-
versity Press, 2003.
279
También podría gustarte
- BARBA REYES Mas de 160 Problemas Resueltos de Algebra Lineal100% (3)BARBA REYES Mas de 160 Problemas Resueltos de Algebra Lineal281 páginas
- Sistemas de Ecuaciones Lineales en ÁlgebraAún no hay calificacionesSistemas de Ecuaciones Lineales en Álgebra16 páginas
- MANUAL DE ALGEBRA LINEAL (NXPowerLite) PDFAún no hay calificacionesMANUAL DE ALGEBRA LINEAL (NXPowerLite) PDF53 páginas
- Ejercicios de Álgebra Lineal y MatricesAún no hay calificacionesEjercicios de Álgebra Lineal y Matrices12 páginas
- Sistemas de Ecuaciones Lineales en ÁlgebraAún no hay calificacionesSistemas de Ecuaciones Lineales en Álgebra74 páginas
- Algebra Lineal 2025 SEL y MATRICES Parte IAún no hay calificacionesAlgebra Lineal 2025 SEL y MATRICES Parte I24 páginas
- Álgebra Matricial: Sistemas LinealesAún no hay calificacionesÁlgebra Matricial: Sistemas Lineales19 páginas
- Ecuaciones y Sistemas en Álgebra LinealAún no hay calificacionesEcuaciones y Sistemas en Álgebra Lineal18 páginas
- Métodos para Resolver Ecuaciones LinealesAún no hay calificacionesMétodos para Resolver Ecuaciones Lineales27 páginas
- Álgebra Lineal: Sistemas de EcuacionesAún no hay calificacionesÁlgebra Lineal: Sistemas de Ecuaciones26 páginas
- Inversa de Matrices y Sistemas LinealesAún no hay calificacionesInversa de Matrices y Sistemas Lineales12 páginas
- Unidad VIII - Sistemas de Ecuaciones LinealesAún no hay calificacionesUnidad VIII - Sistemas de Ecuaciones Lineales13 páginas
- Sistemas de Ecuaciones Lineales y MatricesAún no hay calificacionesSistemas de Ecuaciones Lineales y Matrices37 páginas
- Sistemas de Ecuaciones Lineales y MatricesAún no hay calificacionesSistemas de Ecuaciones Lineales y Matrices4 páginas
- Sistemas de Ecuaciones Lineales y MatricesAún no hay calificacionesSistemas de Ecuaciones Lineales y Matrices298 páginas
- Clase 4 Álgebra Lineal - Elvia - UNMSMAún no hay calificacionesClase 4 Álgebra Lineal - Elvia - UNMSM42 páginas
- Taller de Álgebra Lineal: Sistemas y MatricesAún no hay calificacionesTaller de Álgebra Lineal: Sistemas y Matrices10 páginas
- Álgebra Lineal Teoría y EjerciciosAún no hay calificacionesÁlgebra Lineal Teoría y Ejercicios257 páginas
- Tema 2-Sistemas de Ecuaciones Lineales - MFR-1Aún no hay calificacionesTema 2-Sistemas de Ecuaciones Lineales - MFR-19 páginas
- Sistema Crameriano en Ecuaciones LinealesAún no hay calificacionesSistema Crameriano en Ecuaciones Lineales83 páginas
- Ejercicios de Ecuaciones Simples para NiñosAún no hay calificacionesEjercicios de Ecuaciones Simples para Niños11 páginas
- Calderon Moreno, Francisco Javier Gago Vargas, Manuel Jesus - Apuntes de La Asignatura 'Álgebra Lineal y Geometría I' (2017) PDFAún no hay calificacionesCalderon Moreno, Francisco Javier Gago Vargas, Manuel Jesus - Apuntes de La Asignatura 'Álgebra Lineal y Geometría I' (2017) PDF522 páginas
- Sistemas de Ecuaciones Lineales: Tipos y EjemplosAún no hay calificacionesSistemas de Ecuaciones Lineales: Tipos y Ejemplos12 páginas
- Sistemas de Ecuaciones Lineales en ÁlgebraAún no hay calificacionesSistemas de Ecuaciones Lineales en Álgebra6 páginas
- Clase 01 Módulos 0 y 1 Gemetria Vectorial y AnalíticaAún no hay calificacionesClase 01 Módulos 0 y 1 Gemetria Vectorial y Analítica13 páginas
- Sistemas Lineales y Método de GaussAún no hay calificacionesSistemas Lineales y Método de Gauss11 páginas
- Sistemas de Ecuaciones Lineales: Guía CompletaAún no hay calificacionesSistemas de Ecuaciones Lineales: Guía Completa36 páginas
- (Lecture Notes) Francisco Javier Calderon Moreno, Manuel Jesus Gago Vargas-Álgebra Lineal y Geometría (2016)Aún no hay calificaciones(Lecture Notes) Francisco Javier Calderon Moreno, Manuel Jesus Gago Vargas-Álgebra Lineal y Geometría (2016)510 páginas
- Ecuaciones Diferenciales en FlotaciónAún no hay calificacionesEcuaciones Diferenciales en Flotación3 páginas
- Observación de Células: Protocolo y MétodosAún no hay calificacionesObservación de Células: Protocolo y Métodos8 páginas
- Mojabilidad y Saturación de FluidosAún no hay calificacionesMojabilidad y Saturación de Fluidos5 páginas
- Gráficas de Temperatura y Humedad 2017-2018Aún no hay calificacionesGráficas de Temperatura y Humedad 2017-201846 páginas
- Tipos y Características de Envases de VidrioAún no hay calificacionesTipos y Características de Envases de Vidrio47 páginas
- Preguntas sobre Teoría de Juegos y Cadenas de MarkovAún no hay calificacionesPreguntas sobre Teoría de Juegos y Cadenas de Markov2 páginas
- Solución de Ecuciones, Método New-RapsonAún no hay calificacionesSolución de Ecuciones, Método New-Rapson3 páginas
- Método QR para Autovalores en MATLABAún no hay calificacionesMétodo QR para Autovalores en MATLAB15 páginas
- Diagnóstico de Motherboard BiostarAún no hay calificacionesDiagnóstico de Motherboard Biostar2 páginas
- Ecuaciones en Diferencias: Estabilidad y SolucionesAún no hay calificacionesEcuaciones en Diferencias: Estabilidad y Soluciones1 página
- Clasificación de Yacimientos de HidrocarburosAún no hay calificacionesClasificación de Yacimientos de Hidrocarburos32 páginas
- Densidades y Viscosidades de LíquidosAún no hay calificacionesDensidades y Viscosidades de Líquidos5 páginas
- Analisis Nodal Pozo-Metodo ManualAún no hay calificacionesAnalisis Nodal Pozo-Metodo Manual13 páginas
- Equivalencias de Pulgadas a MilímetrosAún no hay calificacionesEquivalencias de Pulgadas a Milímetros20 páginas
- Ejercicios de Álgebra de MatricesAún no hay calificacionesEjercicios de Álgebra de Matrices16 páginas
- Historia y Tipos de Sistemas de NumeraciónAún no hay calificacionesHistoria y Tipos de Sistemas de Numeración45 páginas
- Mte para La Realizacion de Analisis Quimico de Los Lab de La Unefm El SabinoAún no hay calificacionesMte para La Realizacion de Analisis Quimico de Los Lab de La Unefm El Sabino103 páginas
- Sustitución de Tubos Fluorescentes por LEDAún no hay calificacionesSustitución de Tubos Fluorescentes por LED4 páginas
