NOTAS DE ÁLGEBRA LINEAL

INSTITUTO POLITÉCNICO NACIONAL

ESCUELA SUPERIOR DE CÓMPUTO

DEPARTAMENTO DE FORMACIÓN BÁSICAS

FLORENCIO GUZMÁN AGUILAR

 2

PRESENTACIÓN

La ciencia y la tecnologı́a han desempeñado un papel fundamental en el desarrollo de la humanidad. Su contribución

ayuda a modelar y describir los fenómenos propios de la naturaleza y aquellos generados por la sociedad, esto a través
de la construcción y desarrollo de métodos, teorı́as, leyes, prototipos, dispositivos, etcétera. Estas formas de interpretar
y resolver la infinidad de problemas que se presentan en la vida cotidiana y en todas las áreas de la ciencia, en general,
se realiza mediante el uso de expresiones matemáticas llamadas ecuaciones.

El término ecuación proviene del vocablo en latı́n aequatio, que significa igualdad. Por lo tanto, una ecuación
representa o expresa, en su concepción más fundamental, la idea de un equilibrio perfecto. Las ecuaciones son, en
principio, expresiones abstactas o representaciones simbólicas que se han consolidado como la herramienta matemática
fundamental de la ciencia y la tecnologı́a, con ellas se expresan y resuelven problemas asociados a situaciones concretas,
de todos los ámbitos del quehacer humano cotidiano.

Muchos de estos problemas se plantean y resulven utilizando ecuaciones lineales. Las ecuaciones lineales son las
expresiones más antiguas y sencillas, desde el punto de vista de las matemáticas, sin embargo, esto no limita su
aplicación para describir y resolver una infinidad de cuestiones. Su uso y aplicación se extiende a una amplia variedad
de situaciones como, el cálculo de cosechas en una determinada área de terreno, trazar la trayectoria de un planeta o
un satélite, calcular el crecimiento de una población, obtener el resultado de una reacción quı́mica o del presupuesto
de un paı́s, analizar señales o la estabilidad de una estructura, etcétera.

Los babilonios y los egipcios fueron los primeros en plantear las ecuaciones lineales para describir diversas situaciones,
esto entre los años 2000 y 1500 a. C. Por otro lado, los chinos hacia el año 400 a. C., ya utilizaban los sistemas de
ecuaciones lineales para plantear determinados problemas, incluso reolvı́an dichos sistemas utilizando una regla que,
en la práctica, es el conocido método de eliminación de Gauss o de variables. Es precisamente C. F. Gauss quien tuvo
conocimiento de estos escritos antiguos, los cuales le sirvieron para tratar de describir el movimiento del asteroide
Pallas, dodne obtuvo un sistema de seis ecuaciones lineales con seis incógnitas. Cabe mencionar que los griegos
no se interesaron a fondo en este problema algebráico, aunque sus desarrollos geométricos claramente presentan un
pensamiento lineal.

Los sistemas de ecuaciones lienales dieron origen a dos importantes conceptos matemáticos, los vectores y los
espacios vectoriales, los cuales fueron desarrollados principalmente por J. R. D’Alambert, L. Euler, J. L. Lagrange y
W. R. Hamilton, entre otros reconocidos matemáticos. Posteriormente, J. J. Silvestre definió el concepto de matriz
y junto con A. Cayley desarrollaron el álgebra matricial, donde trabajaron las transformaciones lineales y las formas
cuadráticas, como casos particulares de esta teorı́a matricial. Por último, el matemático C. Jordan introdujo su forma
canónica, para factorizar en bloques una matriz.

La noción del determinante de una matriz aparece con G. Leibniz, quien obtuvo un resultado que se conoce como
la regla de Cramer. Otras contribuciones a este nuevo desarrollo matemático dentro de la teorı́a matricial se deben a
C. MacLaurin, G. Cramer, P. S. Laplace, Gauss, C. G. J. Jacobi, entre otros. Por su parte, A. L. Cauchy introdujo
el concepto de determinante en el sentido que hoy conocemos y utilizamos, al igual que el término de ecuación
caracterı́stica y de valor propio asociado a una matriz cuadrada.

Todos los conceptos antes mencionados y aquellos que fueron desarrollados posteriormente estan englobados y
forman parte de una área de las matemáticas llamada, álgebra lineal.

El presente texto de Álgebra Lineal aborda los principales temas de esta rama de las matemáticas. Diversas áreas
de las matemáticas, la fı́sica, la ngenierva, la biologı́a, la quı́mica, las ciencias sociales, etcétera, son del interés del
álgebra lineal. Con las nuevas herramientas computacionales e informáticas, ahora en la tecnologı́a en sus muy diversas
ramas como el diseño de estructuras, la robótica y el control, elaboración de códigos, etcétera, sobra mencionar la
importancia de aprender y aplicar la teroı́a del álgebra lineal.

Este libro tiene como base y fundamento los cursos del álgebra lineal que se imparten a nivel superior en el área de
ingenierı́a. A diferencia de otras obras que contienen demasiado material, que en algunos casos no se requiere para este
curso o bien no es posible tratarlo por cuestiones de tiempo o esta contenido en otras asignaturas, aquı́se presentan los
temas escencales y necesarios para comprender, de una mmanera general y sin tantos tecnicismos teóricos, el álgebra
 3

lineal y la manera en la cual se pueden abordar los problemas y la resolución de ellos.

En Álgebra Lineal, la presentación de los temas se hace de una manera clara y práctica, mostrando los conceptos
y los resultados fundamentales del álgebra lineal de una forma natural, conforme se va desarrolando la teorı́a. El
contenido se muestra eb un lenguaje sencillo y comprensible, tal como el que emplea el profesor frente al grupo. La
solución de los problemas planteados y de los ejercicios resueltos, se presenta de manera explı́cita, es decir, con todos
los pasos necesarios para resolverlos, ası́ como los diferentes métodos de solución. Los problemas son representativos
de los temas que aborda el texto y tratan de ilustrar la correcta comprensión de la teorı́a.

El contenidos del presenta libro esta distribuido de la siguiente manera. En la unidad 1 se describe la estructura
general de una ecuación lineal y de un sistema de cuaciones lineales, los métods para resolver estas ecuaciones y
los tipos de solución que presentan cada una de ellas, además se da una interpretación geométrica de las ecuaciones
lineales y sus soluciones. En la unidad 2 se definen las matrices y se desarrolla el álgebra matricial; se obtiene la
representación matricial de un sistema de ecuaciones lineales y su solución usando la regla de Cramer o la matriz
inversa, métodos que emplean el concepto de determinate de una matriz. La estructura y propiedades de los espacios
vectoriales se presenta en la unidad 3, donde la parte fundamental son las caracterı́sticas que debe cumplir una base
de un espacio vectorial; se construye la matriz que que cambia la representación de los vectores en diferentes bases.
La unidad 4 nos describe el concepto y caracterı́sticas de las transformaciones lineales, ası́ como su representación
matricial. Finalmente, en la unidad 5 se describe el problema de los valores y vectores propios o caracterı́sticos, el
proceso para diagoalizar matrices y su aplicación en el tema de las formas cuadráticas y las secciones cónicas, por
último se tratan las formas canónicas de Jordan y el teorema de Cayley-Hamilton.
 4

UNIDAD 1. SISTEMAS DE ECUACIONES LINEALES

La linealidad es un término que utilizamos de manera frecuente en muchos ámbitos de nuestras actividades, en
general, para expresar o describir situaciones sencillas o simples. En efecto, el concepto de linealidad o lineal refleja uno
de los comportamientos más fáciles de describir, estudiar, modelar y resolver, en todos los ambitos del conocimiento.
Ya sea en el área de ingenierı́a, biologı́a, quı́mica, economı́a, etcetera, siempre surgen fenómenos o situaciones que
presentan un comportamiento de tipo lineal. Este tipo de problemas pueden ser representados mediante ecuaciones
lineales o sistemas de ecuaciones lineales, cuya solución involucra variados conceptos algebráicos y geométricos, donde
el uso algorı́tmos numéricos es muy útil.

Consideremos la siguiente situación para ejemplificar el uso del término lineal. Supongamos que vamos a viajar a
un determinado estado del paı́s, si consultamos un mapa de carreteras podremos encontrar la distancia del punto de
partida del viaje al punto destino. Dicha distancia constituye los kilómetros que debemos recorrer siguiendo el trazo
de la carretera, la cual tiene curvas, rectas, pendientes, etcetera. Pero, con toda seguridad la distancia que une el
punto inicial y el punto final del viaje es una cantdidad menor a la que aparece en el mapa. Con esta trayectoria
o linea recta, que es la más simple y sencilla de todas las posibles, estamos simplificando el recorrido del viaje, lo
estamos linealizando.

Ahora, consideremos que nuestro automóvil tiene un consumo promedio de 10 kilómetros por litro de gasolina, esta
relación entre el consumo de combustible y la distancia recorrida es lineal, es decir, podemos saber cuanta gasolina se
necesita para recorrer cierta distancia o viceversa. Sabeos con facilidad que con 10 litros de gasolina podemos recorrer
100 kilómetros. Si graficamos ambos parámetros en un plano, asigando un eje coordenado a cada uno de ellos, el
resultado de esta relación será una linea recta. Sin ambargo, la realidad del viaje es muy distinta, ya que la relación
entre el consumo de gasolina y los kilómetros recorridos depende de muchos factores.

Este tipo de relaciones lineales, aunque a simple vista representan situaciones sencillas, se utilizan para modelar y
resolver una infinidad de problemas y fenómenos en todas las áreas del conocimiento. A continuación, conoceremos
las caracterı́sticas de las ecuaciones lineales y de los sistemas de ecuaciones lineales, los tipos de solución que pueden
presentar y los métodos para resolverlas.

Una ecuación es lineal, si las variables que la forman o que aparecen en ella a los más son de primer orden, si
no contiene productos de las variables, recı́procos o funciones de las mismas. La forma general de representar una
ecuación lineal de n variables es,

a1 x1 + a2 x2 + a3 x3 + ... + an xn = b

donde las ai son los coeficientes constantes asociados a las variables, b es el coeficiente independiente y las xi son las
variables o incógnitas de la ecuación, con i = 1, 2, 3, .., n. Para estas notas, todos los elementos involucrados en la
ecuación, coeficientes y variables son números reales.

Una solución para la ecuación lineal, es un conjunto de n números reales αi , con i = 1, 2, 3, .., n, tales que satisfacen
la siguiente igualdad,

a1 α1 + a2 α2 + a3 α3 + ... + an αn = b

Determinemos el conjunto solución para la ecuación lineal. Comenzaremos primero con la ecuación lineal más
simple que podemos construir, aquella que contiene una sola variables, después con dos variables y ası́ sucesivamente.

Caso 1. Ecuación lineal con una variable o incógnita, ax = b.

Simplemente determinamos el valor de la variable, para lo cual econtramos las siguientes posibilidades.
b
a) x = si a 6= 0 y b=R ⇒ Solución única
a

b) 0·x=b si a=0 y b 6= 0 ⇒ No hay solución

c) 0·x = 0 si a=0 y b=0 ⇒ Número infinito de soluciones

 5

Ejemplo. Determinar la solución para cada una de las ecuaciones siguientes.

1) 2x − 5 − x = x + 3 ⇒ 0·x=8 ⇒ No hay solución
7
2) 4x − 1 = x + 6 ⇒ 3x = 7 ⇒ x= ⇒ Solución única
3
3) 4 + x − 3 = 2x + 1 − x ⇒0·x=0 ⇒ x ∈ R ⇒ Número infinito de soluciones
Caso 2. Ecuación lineal con dos variables o incógnitas, a1 x1 + a2 x2 = b.
Escribimos una de las variables en términos de la otra, la elección de la variable es arbitraria.
 
b a2
a1 x1 + a2 x2 = b ⇒ a1 x1 = b − a2 x2 ⇒ x1 = − x2
a1 a1
x2 es un parámetro libre, es decir, para determinar un valor de x1 le podemos asignar un valor arbitrario a x2 , x2 ∈ R,
entonces la solución se escribe como
 
b a2
x1 = α y x1 = − α con α ∈ R
a1 a1
Por lo tanto, la ecuación tiene un número infinito de soluciones.

Ejemplo. Detreminar la solución de la ecuación lineal 3x − 12y = −6.

Escribimos la variable x en términos de la variable y, esto es,
3x − 12y = −6 ⇒ 3x = −6 + 12y ⇒ x = −2 + 4y
de manera que y es un parámetro libre, entonces la solución general de la ecuación la escribimos como
y=α∈R y x = −2 + 4α
Ası́ la ecuación tiene un número infinto de soluciones.
Podemos obtener soluciones particulares de la ecuación, tomando diferentes valores del parámetro α, esto es,
Si α = 3 ⇒ y = 3 y x = −2 + 4(3) = 10
Si α = −1 ⇒ y = −1 y x = −2 + 4(−1) = −6
Si α = 0 ⇒ y = 0 y x = −2 + 4(0) = −2

Caso 3. Ecuación lineal con tres variables o incógnitas, a1 x1 + a2 x2 + a3 x3 = b.

Escribimos una de las variables en términos de la otra, la elección de la variable es arbitraria, por ejemplo,
   
b a2 a3
a1 x1 + a2 x2 + a3 x3 = b ⇒ a1 x1 = b − a2 x2 − a3 x3 ⇒ x1 = − x2 − x3
a1 a1 a1
x2 y x3 son parámetros libres, es decir, para determinar un valor de x1 le podemos asignar valores arbitrarios a x2 y
x3 , donde x2 , x3 ∈ R, entonces la solución general la podemos escribir como
   
b a2 a3
x2 = α, x3 = β y x1 = − α− β con α ∈ R
a1 a1 a1
Por lo tanto, la ecuación tiene un número infinito de soluciones.
Podemos obetener conjuntos de soluciones particulares para la ecuación, dandole diferentes valores a los parámetros
α y β.

Para ecuaciones lineales con mś de 4 variables el procedimiento es similar, se elige una de las variables de forma
arbitraria y se escribe en términos de las restantes, las cuales se toman como parámetros libres. Las ecuaciones lineales
con más de una variable, siempre tendrán un número infinito soluciones, debido a los parámetros libres. Es claro
también, que la solución de una ecuación lineal depende del valor de sus coeficientes.

Un sistema de ecuaciones lineales esta formado por un conjunto de ecuaciones lineales, las cuales contienen a las
mismas variables o incógnitas, de tal manera que la solución para una de las ecuaciones, debe ser también solución
 6

para las ecuaciones restantes del sistema, es decir, una solución debe resolver simultaneamente a todo el conjunto de
ecuaciones lineales. La forma general de representar un sistema de m ecuaciones lineales con n variables o incógnitas,
donde m y n son números enteros, es la siguiente,

a11 x1 + a12 x2 + a13 x3 + ... + a1n xn = b1

a21 x1 + a22 x2 + a23 x3 + ... + a2n xn = b2
a31 x1 + a32 x2 + a33 x3 + ... + a3n xn = b3
..
.
am1 x1 + am2 x2 + am3 x3 + ... + amn xn = bm

Las aij son los coeficientes asociados a las variables, las bi son los coeficientes independientes y las xj son las
variables o incógnitas del sistema, donde i = 1, 2, ..., m indica el número de ecuaciones del sistema y j = 1, 2, ..., n
proporciona el número de las variables.

Una solución del sistema de ecuaciones lineales, es un conjunto de n numeros reales αi , con i = 1, 2, ..., n tales que
satisfacen de forma simultanea todas las igualdades asociadas a las ecuaciones lineales que conforman el sistema. Al
igual que para el caso de una sola ecuación lineal, con sola variable, un sistema de ecuaciones lineales puede presentar
solución única, un número infinito de soluciones o puede no tener solución. Analicemos estas posiblidades con el
conjunto de ecuaciones lineales más simple.

Caso 4. Sistema de dos ecuaciones lineales con dos variables o incógnitas.

a11 x1 + a12 x2 = b1 (1)

a21 x1 + a22 x2 = b2 (2)

1) Método de solución por sustitución. Escribimos una de las variables, de cualquiera de las dos ecuaciones, en
términos de la otra, consideremos la ecuación (2), entonces
 
b2 a21
a21 x1 + a22 x2 = b2 ⇒ x2 = − x1
a22 a22

ahora sustituimos la variable x2 en al ecuación (1), esto es,

   
b2 a21
a11 x1 + a12 − x 1 = b1
a22 a22

obtenemos una ecuación lineal con una sola variable,

 
a12 a21 a12 b2
a11 − x1 + = b1
a22 a22

resolvemos
   
a11 a22 − a12 a21 a12 b2 a11 a22 − a12 a21 a22 b1 − a12 b2
x1 = b1 − ⇒ x1 =
a22 a22 a22 a22

de donde
a22 b1 − a12 b2
x1 =
a11 a22 − a12 a21
Sustituimos este resultado en la expresión de x2
     
b2 a21 a22 b1 − a12 b2 1 a21 a22 b1 − a21 a12 b2
x2 = − = b2 −
a22 a22 a11 a22 − a12 a21 a22 a11 a22 − a12 a21
   
1 a11 a22 b2 − a12 a21 b2 − a21 a22 b1 + a21 a12 b2 1 a11 a22 b2 − a21 a22 b1
= =
a22 a11 a22 − a12 a21 a22 a11 a22 − a12 a21
 7

Simplificando el resultado
a11 b2 − a21 b1
x2 =
a11 a22 − a12 a21
2) Método de eliminación de variables. Eliminamos variables del sistema multiplicando las ecuacones por los
coeficientes adecuados, por ejemplo, multiplicamos la ecuación (1) por el coeficiente a22 y la ecuación (2) por a12 , de
manera que se obtiene el siguiente sistema de ecuaciones lineales equivalente,

a22 a11 x1 + a22 a12 x2 = a22 b1 (3)

a12 a21 x1 + a12 a22 x2 = a12 b2 (4)

ahora a la ecuación (3) le restamos la ecuación (4), para obtener una ecuación con una sola variable

a11 a22 x1 − a12 a21 x1 = a22 b1 − a12 b2

resolviendo tenemos
a22 b1 − a12 b2
x1 =
a11 a22 − a12 a21
Para la segunda variable, multiplicamos la ecuación (1) por el coeficiente a21 y la ecuación (2) por a11 , obteniendo el
sistema equivalente

a21 a11 x1 + a21 a12 x2 = a21 b1 (5)

a11 a21 x1 + a11 a22 x2 = a11 b2 (6)

restamos la ecuación (5) de la ecuación (6), de modo que la ecuación ineal con uan variable que resulta es

a11 a22 x2 − a12 a21 x2 = a11 b2 − a21 b1

de donde
a11 b2 − a21 b1
x1 =
a11 a22 − a12 a21
 8

<|>
<|>

Problema 1.1: Resolver los siguientes sistemas de ecuaciones lineales.

2x + y − 2z = 10 x1 + x2 − 2x3 + 3x4 = 4 x + y − 2z + 4w = 5
i) −6x − 4y − 4z = −2 ii) 2x1 + 3x2 + 3x3 − x4 = 3 iii) 2x + 2y − 3z + w = 3
5x + 4y + 3z = 4 5x1 + 7x2 + 4x3 + x4 = 5 3x + 3y − 4z − 2w = 1

Solución:

2x + y − 2z = 10 2x + y − 2z = 10
(R2 + 3R1 → R2 )
i) −6x − 4y − 4z = −2 −y − 10z = 28
(2R3 − 5R1 → R3 )
5x + 4y + 3z = 4 3y + 16z = −42

2x + y − 2z = 10 (R1 /2 → R1 ) x + y/2 − z = 5
(R3 + 3R2 → R3 ) −y − 10z = 28 (−R2 → R2 ) y + 10z = −28
−14z = 42 (−R3 /14 → R3 ) z = −3

x + y/2 = 2 x=1
(R1 + R3 → R1 )
y=2 (R1 − R2 /2 → R1 ) y=2 solución única
(R2 − 10R3 → R2 )
z = −3 z = −3

x1 + x2 − 2x3 + 3x4 = 4 x1 + x2 − 2x3 + 3x4 = 4

(R2 − 2R1 → R2 )
ii) 2x1 + 3x2 + 3x3 − x4 = 3 x2 + 7x3 − 7x4 = −5
(R3 − 5R1 → R3 )
5x1 + 7x2 + 4x3 + x4 = 5 2x2 + 14x3 − 14x4 = −15

x1 + x2 − 2x3 + 3x4 = 4
(R3 − 2R2 → R3 ) x2 + 7x3 − 7x4 = −5 sin solución
0=5

x + y − 2z + 4w = 5 x + y − 2z + 4w = 5
(R2 − 2R1 → R2 )
iii) 2x + 2y − 3z + w = 3 z − 7w = −7
(R3 − 3R1 → R3 )
3x + 3y − 4z − 2w = 1 2z − 14w = −14

x + y − 2z + 4w = 5
R1 ⇒ x = 5 − y + 2z − 4w
(R3 − 2R2 → R3 ) z − 7w = −7
R2 ⇒ z = 7w − 7
0=0

x = 5 − α + 10β − 14
y=α∈R y=α
parámetros libres ⇒ número infinito de soluciones
w=β∈R z = 7β − 7
w=β
 9

<|>
<|>

Problema 1.2: Para que valores del parámetro k, el siguiente sistema de ecuaciones lineales:

i) tiene solución única.

ii) no tiene solución.
iii) tiene soluciones infinitas.

kx + y + z = 1
x + ky + z = 1
x + y + kz = 1

Solución:

kx + y + z = 1 x + y + kz = 1
x + ky + z = 1 (R1 ↔ R3 ) x + ky + z = 1
x + y + kz = 1 kx + y + z = 1

x + y + kz = 1
(R2 − R1 → R2 )
(k − 1)y + (1 − k)z = 0
(R3 − kR1 → R3 )
(1 − k)y + (1 − k 2 )z = 1 − k

x + y + kz = 1
(R3 + R2 → R3 ) (k − 1)y + (1 − k)z = 0
((1 − k) + (1 − k 2 ))z = 1 − k

−R3 ⇒ (k 2 + k + 2)z = k − 1 ⇒ (k + 2)(k − 1)z = k − 1

De esta última ecuación inferimos los siguientes resultados para la solución,

i) tiene solución única si

(k + 2)(k − 1) 6= 0 ⇒ k 6= −2 y k 6= 1

ii) no tiene solución si

(k + 2)(k − 1) = 0 y k − 1 6= 0 ⇒ k = −2 y k 6= 1

iii) tiene soluciones infinitas si

(k + 2)(k − 1) = 0 y k−1=0 ⇒ k = −2 y k=1

 10

<|>
<|>

Problema 1.3: Resolver los siguientes sistemas de ecuaciones lineales homogeneos.

x1 + 2x2 − x3 + 4x4 =0 −x + 6w =0
3x1 − x3 + 5x4 =0 2y − z + 13w =0
i) ii)
4x1 + 2x2 + 6x3 + 9x4 =0 2x − z + 11w =0
x1 + 7x4 =0 2x + 2y − 2z + 24w =0

Solución:

x1 + 2x2 − x3 + 4x4 =0 x1 + 2x2 − x3 + 4x4 =0

(R2 − 3R1 → R2 )
3x1 − x3 + 5x4 =0 −6x2 + 2x3 − 7x4 =0
i) (R3 − 4R1 → R3 )
4x1 + 2x2 + 6x3 + 9x4 =0 −6x2 + 10x3 − 7x4 =0
(R4 − R1 → R4 )
x1 + 7x4 =0 −2x2 + x3 + 3x4 =0

x1 + 2x2 − x3 + 4x4 =0 x1 + 2x2 − x3 + 4x4 =0

(R3 − R2 → R3 ) −6x2 + 2x3 − 7x4 =0 −6x2 + 2x3 − 7x4 =0
(R3 /8 ↔ R3 )
(3R4 − R2 → R4 ) 8x3 =0 x3 =0
−7x3 + 16x4 =0 −7x3 + 16x4 =0

x1 + 2x2 + 4x4 =0 x1 + 2x2 + 4x4 =0

(R1 + R3 → R1 )
−6x2 − 7x4 =0 −6x2 − 7x4 =0
(R2 − 2R3 → R2 ) (R4 /16 → R4 )
x3 =0 x3 =0
(R4 + 7R3 → R4 )
16x4 =0 x4 =0

x1 + 2x2 =0 x1 + 2x2 =0
(R1 − 4R4 → R1 ) −6x2 =0 x2 =0
(−R2 /6 → R2 )
(R2 + 7R4 → R2 ) x3 =0 x3 =0
x4 =0 x4 =0

x1 =0
x2 =0
(R1 − 2R4 → R2 ) solución única
x3 =0
x4 =0

−x + 6w =0 −x + 6w =0
2y − z + 13w =0 (R3 − 2R1 → R3 ) 2y − z + 13w =0
ii)
2x − z + 11w =0 (R4 − 2R1 → R4 ) −z − w =0
2x + 2y − 2z + 24w =0 2y − 2z + 12w =0

−x + 6w =0 −x + 6w = 0
2y − z + 13w =0 (R2 − R3 → R2 ) 2y + 14w = 0
(R4 − R2 → R4 )
−z − w =0 (R4 − R3 → R4 ) −z − w = 0
−z − w =0 0=0

x = 6α
R1 ⇒ x = 6w
y = −7α
R2 ⇒ y = −7w w=α∈R parámetro libre ⇒ soluciones infinitas
z = −α
R3 ⇒ z = −w
w=α
 11

<|>
<|>

Problema 1.4: Resuelva los siguientes sistemas de ecuaciones lineales usando la matriz aumentada.

x1 + 2x2 − 3x3 − 2x4 + 4x5 = 1 x + 2y − z = 3

i) 2x1 + 5x2 − 8x3 − x4 + 6x5 = 4 ii) x + 3y + z = 5
x1 + 4x2 − 7x3 − 5x4 + 2x5 = 8 3x + 8y + 4z = 17

Solución:

   
1 2 −3 −2 4 1 1 2 −3 −2 4 1
(R2 − 2R1 → R2 )
i)  2 5 −8 −1 6 4  0 1 −2 3 −2 2
(R3 − R1 → R3 )
1 4 −7 −5 2 8 0 2 −4 −3 −2 7

 
1 0 1 −8 8 −3
(R1 − 2R2 → R1 )  0 1 −2 3 −2 2 
(R3 − 2R2 → R3 )
0 0 0 −9 2 3
 
1 0 1 −8 8 −3
(−R3 /9 → R3 )  0 1 −2 3 −2 2 
0 0 0 1 −2/9 −1/3

 
1 0 1 0 56/9 −17/3 R1 ⇒ x1 = −17/3 − x3 − 56/9x5
(R1 + 8R3 → R1 )  0 1 −2 0 −12/9 3  R2 ⇒ x2 = 3 + 2x3 + 12/9x5
(R2 − 3R3 → R2 )
0 0 0 1 −2/9 −1/3 R3 ⇒ x4 = −1/3 + 2/9x5

x1 = −17/3 − α − 56/9β
x2 = 3 + 2α + 12/9β
x3 = α ∈ R
parámetros libres ⇒ x3 =α soluciones infinitas
x5 = β ∈ R
x4 = −1/3 + 2/9β
x5 =β

   
1 2 −1 3 1 2 −1 3
(R2 − R1 → R2 )  0 −1 −2
ii)  1 3 1 5  −2 
(R3 − 3R1 → R3 )
3 8 4 17 0 2 7 8
 
1 0 −5 −1
(R1 + 2R2 → R1 )  0 −1 −2 −2 
(R3 + 2R2 → R3 )
0 0 3 4
   
1 0 −5 −1 1 0 0 17/3
(R1 + 5R3 → R1 )
R3 /3 → R3 )  0 −1 −2 −2   0 −1 0 2/3 
(R2 + 2R3 → R2 )
0 0 1 4/3 0 0 1 4/3

x = 17/3
y = −2/3 solución única
z = 4/3
 12

<|>
<|>

Problema 1.5: Considere los siguientes sistemas de ecuaciones lineales. Que condicones deben de satisfacer los
parámetros, k1 , k2 , k3 , m y n, para que el sistema
a) Tenga solución única.
b) No tenga solución.
c) Tenga un número infinito de soluciones.

2x1 + 2x2 + 4x3 = 2k1 x − 2y + 3z = 11

i) x1 + x3 = k2 ii) 2x − y + 3z = 10
2x1 + x2 + 3x3 = k3 4x + y + (m − 1)z = 4 + n

Solución:

2x1 + 2x2 + 4x3 = 2k1 x1 + x2 + 2x3 = k1

i) x1 + x3 = k2 (R1 /2 → R1 ) x1 + x3 = k2
2x1 + x2 + 3x3 = k3 2x1 + x2 + 3x3 = k3

x1 + x2 + 2x3 = k1
(R2 − R1 → R2 )
−x2 − x3 = k2 − k1
(R3 − 2R1 → R3 )
−x2 − x3 = k3 − 2k1

x1 + x2 + 2x3 = k1
(R3 − R2 → R3 ) −x2 − x3 = k2 − k1
0 = k3 − k2 − k1
a) El sistema no puede tener solución única.
b) El sistema no tiene solución si

k3 − k2 − k1 6= 0

b) El sistema tiene un número infinito de soluciones si

k3 − k2 − k1 = 0

x − 2y + 3z = 11 x − 2y + 3z = 11
(R2 − 2R1 → R2 )
ii) 2x − y + 3z = 10 3y − 3z = −12
(R3 − 4R1 → R3 )
4x + y + (m − 1)z = 4 + n 9y + (m − 13)z = n − 40

x − 2y + 3z = 11
(R3 − 3R2 → R3 ) 3y − 3z = −12
(m − 4)z = n − 4

a) El sistema tiene solución única si

m − 4 6= 0 y n − 4 6= 0

b) El sistema no tiene solución si

m−4=0 y n − 4 6= 0

b) El sistema tiene un número infinito de soluciones si

m−4=0 y n−4=0
 13

<|>
<|>

Problema 1.6: Resuelva los siguientes sistemas de ecuaciones lineales homogéneos usando la matriz aumentada.

x + 2y − 3z + 4t = 2 2x + 4y − z = 0
i) 2x + 5y − 2z + t = 1 ii) x+y−z =0
5x + 12y − 7z + 6t = 7 3x + 2y + 2z = 0

Solución:
   
1 2 −3 4 2 1 2 −3 4 1
(R2 − 2R1 → R2 )
i)  2 5 −2 1 1  0 1 4 −7 −3 
(R3 − 5R1 → R3 )
5 12 −7 6 7 0 2 8 −14 −3
 
1 0 −11 18 7
(R1 − 2R2 → R1 )  0 1 4 −7 −3 
(R3 − 2R2 → R3 )
0 0 0 0 3

El sistema no tiene solución.

   
2 4 −1 0 1 1 −1 0
ii)  1 1 −1 0 R1 ↔ R2  2 4 −1 0
3 2 2 0 3 2 2 0
 
1 1 −1 0
(R2 − 2R1 → R2 ) 0 2 1 0
(R3 − 3R1 → R3 )
0 −1 5 0
   
1 1 −1 0 1 0 −1/2 0
(R1 − R2 → R1 )
(R2 /2 → R2 )  0 1 1/2 0  0 1 1/2 0
(R3 + R2 → R3 )
0 −1 5 0 0 0 11/2 0
   
1 0 −1/2 0 1 0 0 0
(R1 + R3 /2 → R1 )
(2R3 /11 → R3 )  0 1 1/2 0 0 1 0 0
(R2 − R3 /2 → R2 )
0 0 1 0 0 0 1 0

x=0
y=0 solución única
z=0
 14

<|>
<|>

Problema 1.7: Encuentre el determinante de cada una de las siguientes matrices, usando el desarrollo en cofactores.

5 1 4 3
   
−2 1 5
 −3 0 −1 2 
i) A =  4 −1 3  ii) B = 
2 2 4 0 
−1 −1 4
−6 1 2 −4

Solución:

i) Desarrollamos en cofactores con respecto de la fila uno, esto es,

−2 1 5
−1 3 4 3 4 −1
|A| = 4 −1 3 = (−2) − (1) + (5)
−1 4 −1 4 −1 −1
−1 −1 4

= (−2)(−4 + 3) − (1)(16 + 3) + (5)(−4 − 1)

= 2 − 19 − 25 = −42

ii) Desarrollamos en cofactores con respecto de la fila dos, esto es,

5 1 4 3
−3 0 −1 2
|B| =
2 2 4 0
−6 1 2 −4

1 4 3 5 4 3 5 1 3 5 1 4
= −(−3) 2 4 0 + (0) 2 4 0 − (−1) 2 2 0 + (2) 2 2 4
1 2 −4 −6 2 −4 −6 1 −4 −6 1 2

 
4 3 1 3 1 4
= (3) (−2) + (4) − (0)
2 −4 1 −4 1 2

 
1 3 5 3 5 1
+(1) (−2) + (2) − (0)
1 −4 −6 −4 −6 1

 
2 4 2 4 2 2
+(2) (5) − (1) + (4)
1 2 −6 2 −6 1

= (3) [(−2)(−21) + (4)(−7)] + [(−2)(−7) + (2)(−2)] + (2) [(5)(0) − (1)(28) + (4)(14)]

= (3)(14) + (10) + (2)(28)

= 42 + 10 + 56 = 108
 15

<|>
<|>

Problema 1.8: Encuentre el determinante de cada una de las siguientes matrices, usando las propiedades de los
determinantes.
6 2 1 0 5
 
2 5 −3 −2
 
 2 1 1 −2 1 
 −2 −3 2 −5 
A =  1 1 2 −2 3  B =
 
 3 0 2 3 −1  1 3 −2 2 
−1 −6 4 3
−1 −1 −3 4 2

Solución:

6 2 1 0 5
2 1 1 −2 1
|A| = 1 1 2 −2 3
3 0 2 3 −1
−1 −1 −3 4 2

2 0 −1 4 3
2 −1 4 3
(R1 − 2R2 → R1 ) 2 1 1 −2 1
−1 1 0 2
(R3 − R2 → R3 ) |A| = −1 0 1 0 2 = (1)
3 2 3 −1
(R5 + R2 → R5 ) 3 0 2 3 −1
1 −2 2 3
1 0 −2 2 3

1 −1 4 5
1 4 5
(C1 + C2 → C1 ) 0 1 0 0
|A| = = (1) 5 3 −5
(C4 − 2C2 → C4 ) 5 2 3 −5
−1 2 7
−1 −2 2 7

1 4 5
(R2 − 5R1 → R2 ) −17 −30
|A| = 0 −17 −30 = (1) = −24
(R3 + R1 → R3 ) 6 12
0 6 12

2 5 −3 −2
−2 −3 2 −5
|B| =
1 3 −2 2
−1 −6 4 3

0 −1 1 −6
(R1 − 2R3 → R1 ) −1 1 −6
0 3 −2 −1
(R2 + 2R3 → R2 ) |B| = = (1) 3 −2 −1
1 3 −2 2
(R4 + R3 → R4 ) −3 2 5
0 −3 2 5

0 1 0
(C1 + C2 → C1 ) 1 −13
|B| = 1 −2 −13 = (−1) = (−1)(4) = −4
(C3 + 6C2 → C3 ) −1 17
−1 2 17
 16

<|>
<|>

Problema 1.9: Encuentre el determinante de las siguientes matrices, usando únicamente las propiedades de los
determinantes.
   2 
1 a b+c a1 a1 1
A = 1 b c + a  B =  a22 a2 1 
1 c a+b a23 a3 1

Solución:

1 a b+c 1 a b+c+a 1 a (a + b + c) · 1
|A| = 1 b c + a c3 + c2 → c3 |A| = 1 b c + a + b = 1 b (a + b + c) · 1
1 c a+b 1 c a+b+c 1 c (a + b + c) · 1

1 a 1
Columna 3 multiplicada por un factor común ⇒ |A| =(a + b + c) · 1 b 1
1 c 1

Determinante con 2 columnas iguales ⇒ |A| =(a + b + c) · (0) = 0

a21 a1 1
|B| = a22 a2 1
a23 a3 1

a21 a1 1 a21 a1 1
f2 − f1 → f2
|B| = a22 − a21 a2 − a1 0 = (a2 + a1 )(a2 − a1 ) a2 − a1 0
f3 − f1 → f3
a23 − a21 a3 − a1 0 (a3 + a1 )(a3 − a1 ) a3 − a1 0

a21 a1 1
|B| = (a2 + a1 )(a2 − a1 ) (a2 − a1 ) · 1 (a2 − a1 ) · 0
(a3 + a1 )(a3 − a1 ) (a3 − a1 ) · 1 (a3 − a1 ) · 0

a21 a1 1
Filas 2 y 3 multiplicadas por un factor común ⇒ |B| =(a2 − a1 ) · (a3 − a1 ) · (a2 + a1 ) 1 0
(a3 + a1 ) 1 0

a21 a1 1
f3 − f2 → f3 |B| =(a2 − a1 ) · (a3 − a1 ) · (a2 + a1 ) 1 0
(a3 − a2 ) 0 0

(a3 − a2 ) 0 0
f1 ↔ f3 |B| =(a2 − a1 ) · (a3 − a1 ) · (−1) · (a2 + a1 ) 1 0
a21 a1 1

Determinante de una matriz triangular

⇒ |B| =(a2 − a1 ) · (a3 − a1 ) · (−1) · [(a3 − a2 )] = (a2 − a1 ) · (a3 − a1 ) · (a2 − a3 )

 17

<|>
<|>

Problema 1.10: Considere el valor del siguiente determinante

a11 a12 a13

a21 a22 a23 = 8
a31 a32 a33

en base a este resultado, encuentre el valor de

−3a11 −3a12 −3a13 2a11 − 3a21 2a12 − 3a22 2a13 − 3a23

i) 2a31 2a32 2a33 ii) a31 a32 a33
5a21 5a22 5a23 a21 a22 a23

−3a12 2a13 − a11 a12 + 3a13

iii) −3a22 2a23 − a21 a22 + 3a23
−3a32 2a33 − a31 a32 + 3a33

Solución:
i)

−3a11 −3a12 −3a13 a11 a12 a13 a11 a12 a13

2a31 2a32 2a33 = (−3) · 2a31 2a32 2a33 = (−3) · (2) · a31 a32 a33
5a21 5a22 5a23 5a21 5a22 5a23 5a21 5a22 5a23
a11 a12 a13 a11 a12 a13
= (−3) · (2) · (5) · a31 a32 a33 = (−30) · (−1) · a21 a22 a23 = (30) · (8) = 240
a21 a22 a23 a31 a32 a33

ii)

2a11 − 3a21 2a12 − 3a22 2a13 − 3a23 2a11 2a12 2a13 3a21 3a22 3a23
a31 a32 a33 = a31 a32 a33 − a31 a32 a33
a21 a22 a23 a21 a22 a23 a21 a22 a23
a11 a12 a13 a21 a22 a23 a11 a12 a13
= (2) · a31 a32 a33 − (3) · a31 a32 a33 = (2) · (−1) · a21 a22 a23 − (3) · (0)
a21 a22 a23 a21 a22 a23 a31 a32 a33
= (2) · (−1)(8) − (0) = −16

iii)

−3a12 2a13 − a11 a12 + 3a13 −3a12 2a13 a12 + 3a13 −3a12 a11 a12 + 3a13
−3a22 2a23 − a21 a22 + 3a23 = −3a22 2a23 a22 + 3a23 − −3a22 a21 a22 + 3a23
−3a32 2a33 − a31 a32 + 3a33 −3a32 2a33 a32 + 3a33 −3a32 a31 a32 + 3a33
−3a12 2a13 a12 −3a12 2a13 3a13 −3a12 a11 a12 −3a12 a11 3a13
= −3a22 2a23 a22 + −3a22 2a23 3a23 − −3a22 a21 a22 − −3a22 a21 3a23
−3a32 2a33 a32 −3a32 2a33 3a33 −3a32 a31 a32 −3a32 a31 3a33
a12 a13 a12 a12 a13 a13
= (−3) · (2) · a22 a23 a22 + (−3) · (2) · (3) · a22 a23 a23
a32 a33 a32 a32 a33 a33
a12 a11 a12 a12 a11 a13
−(−3) · a22 a21 a22 − (−3) · (3) · a22 a21 a23
a32 a31 a32 a32 a31 a33
= (−6) · [0] + (−18) · [0] − (−3) [0] − (−9) [−8] = −72
 18

<|>
<|>

Problema 1.11: Resuelva el siguiente sistema de ecuaciones lineales y muestre con el resultado la ley de los
cosenos, donde a, b, c 6= 0, son números reales,

c cos α + a cos γ = b
b cos α + a cos β = c
c cos β + b cos γ = a

a) Resuelva el sistema usando la regla de Cramer.

b) Resuelva el sistema usando la matriz aumentada.

Solución: Escribiendo el sistema en forma matrical obtenemos

    
c 0 a cos α b
 b a 0   cos β  =  c 
0 c b cos γ a

a) El determinante del sistema es

c 0 a
D = b a 0 = cab + abc = 2abc
0 c b

Ahora, tenemos los siguientes determinantes

b 0 a


D1 = c a 0 = b2 a + a c2 − a2 = a b2 + c2 − a2
a c b


D1 a b2 + c2 − a2 b2 + c2 − a2
cos α = = = ⇒ a2 = b2 + c2 − 2bc cos α
D 2abc 2bc

c b a


D2 = b c 0 = c2 b − b b2 − a2 = b c2 − b2 + a2
0 a b


D2 b c2 − b2 + a2 a2 + c2 − b2
cos β = = = ⇒ b2 = a2 + c2 − 2ac cos β
D 2abc 2ac

c 0 b


D3 = b a c = c a2 − c2 + b2 c = c a2 − c2 + b2
0 c a


D3 c a2 − c2 + b2 a2 − c2 + b2
cos γ = = = ⇒ c2 = a2 + b2 − 2ab cos γ
D 2ab 2ab
 19

<|>
<|>

b) Escribimos ahora la matriz aumentada del sistema y la transfromamos a su forma escalonada reducida

   
c 0 a b c 0 a b
b a 0 c (cR2 − bR1 → R2 )  0 ac −ab c2 − b2 
0 c b a 0 c b a

 
c 0 a b
(aR3 − R2 → R3 )  0 ac −ab c2 − b2 
0 0 2ab a − c2 + b2
2

 
c 0 a b
(2R2 + R3 → R2 )  0 2ac 0 a2 + c2 − b2 
0 0 2ab a2 − c2 + b2

 
2bc 0 0 b2 − a2 + c2
(2bR1 − R3 → R1 )  0 2ac 0 a2 + c2 − b2 
0 0 2ab a2 − c2 + b2

 
(R1 /2bc → R1 ) 1 0 0 b2 − a2 + c2 /2bc
(R2 /2ac → R2 ) 0 1 0 a2 + c2 − b2 /2ac 
(R3 /2ab → R3 ) 0 0 1 a2 − c2 + b2 /2ab
de donde obtenemos los siguientes resultados

b2 + c2 − a2
R1 ⇒ cos α = ⇒ a2 = b2 + c2 − 2bc cos α
2bc

a2 + c2 − b2
R2 ⇒ cos β = ⇒ b2 = a2 + c2 − 2ac cos β
2ac

a2 + b2 − c2
R3 ⇒ cos γ = ⇒ c2 = a2 + b2 − 2ab cos γ
2ab

Cada una de estas ecuaciones es la ley de los cosenos.

 20

<|>
<|>

Problema 1.12: Determine la inversa de la matriz A, donde

−1 1 1 −1
 
 −1 0 1 0 
A=
0 1 −1 1 
0 0 1 −1

a) Usando el método de Gauss-Jordan.

b) Usando la matriz adjunta.

Solución: Si el determinante de la matriz A es distinto de cero, entonces A tiene inversa, calculemos su determinate.

Primero hagamoslo desarrollando en cofactores, es claro que el desarrollo se realiza considerando la fila o columna
que tenga el mayor número de coeficientes iguales a cero, entonces

−1 1 −1 1
0 1 0 1 1 −1
−1 0 0 1
|A| = = (−1) 1 −1 1 − (−1) 1 −1 1
0 1 1−1
0 1 −1 0 1 −1
0 0 −1 1
 
1 0 −1 1 1 −1
= (−1)(−1) + (1) (1) − (1) = −1
1 −1 1 −1 1 −1

Ahora usemos las propiedades de los determinantes, esto es,

−1 1 1 −1
−1 0 1 0
|A| =
0 1 −1 1
0 0 1 −1

−1 1 1 −1 −1 1 1 −1
0 −1 0 1 0 −1 0 1
(R2 → R2 − R1 ) |A| = (R3 → R3 + R2 ) |A| =
0 1 −1 1 0 0 −1 2
0 0 1 −1 0 0 1 −1

−1 1 1 −1
0 −1 0 1
(R4 → R4 + R3 ) |A| =
0 0 −1 2
0 0 0 1
Como se trata de un determinante de una matriz triangular, entonces el valor del determinante es igual al producto
de su diagonal, ası́,

|A| = (−1)(−1)(−1)(1) = −1

Como el determinante de la matriz A, es distinto de cero, esto quiere decir que la matriz A, tiene inversa o es
invertible.
 21

<|>
<|>

a) Determinemos la inversa de la matriz A usando el método de Gauss-Jordan, esto es como sigue,

( A| I) → I| A−1

donde I es la matriz identidad de tamaño (4 × 4).

Entonces

−1 1 1 −1 1 0 0 0 1 −1 −1 1 −1 0 0 0
   
 −1 0 1 0 0 1 0 0  −1 0 1 0 0 1 0 0
R → −R1 
 0 1 −1 1 0 0 1 0 1 0 1 −1 1 0 0 1 0
0 0 1 −1 0 0 0 1 0 0 1 −1 0 0 0 1
1 −1 −1 1 −1 0 0 0
 
 0 −1 0 1 −1 1 0 0 
R2 → R2 + R1 
0 1 −1 1 0 0 1 0
0 0 1 −1 0 0 0 1
1 −1 −1 1 −1 0 0 0
 
 0 −1 0 1 −1 1 0 0 
R3 → R3 + R2 
0 0 −1 2 −1 1 1 0 
0 0 1 −1 0 0 0 1
1 −1 −1 1 −1 0 0 0
 
 0 −1 0 1 −1 1 0 0 
R4 → R4 + R3 
0 0 −1 2 −1 1 1 0 
0 0 0 1 −1 1 1 1
1 −1 −1 1 −1 0 0 0
 
R2 → −R2  0 1 0 −1 1 −1 0 0 
R3 → −R3  0 0 1 −2 1 −1 −1 0 
0 0 0 1 −1 1 1 1
1 −1 −1 0 0 −1 −1 −1
 
R1 → R1 − R4
 0 1 0 0 0 0 1 1 
R2 → R2 + R4 
0 0 1 0 −1 1 1 2 
R3 → R3 + 2R4
0 0 0 1 −1 1 1 1
1 −1 0 0 −1 0 0 1
 
 0 1 0 0 0 0 1 1
R1 → R1 + R3 
0 0 1 0 −1 1 1 2 
0 0 0 1 −1 1 1 1
1 0 0 0 −1 0 1 2
 
 0 1 0 0 0 0 1 1
R1 → R1 + R2 
0 0 1 0 −1 1 1 2 
0 0 0 1 −1 1 1 1

Por lo tanto la matriz inversa es,

−1 0 1 2
 
 0 0 1 1
A−1 =
−1 1 1 2
−1 1 1 1
 22

<|>
<|>

b) Ahora usemos la matriz adjunta para detrminar la inversa de la matriz A. Tenemos que

adj (A)
A−1 =
|A|

Para obtener la adjunta de la matriz A, necesitamos calcular sus cofactores que se obtiene con la relacion Aij =
i+j
(−1) |Mij |, entonces tenemos;
0 1 0 −1 1 0 −1 0 0
A11 = 1 −1 1 = 1, A12 = − 0 −1 1 = 0, A13 = 0 1 1 = 1,
0 1 −1 0 1 −1 0 0 −1

−1 0 1 1 1 −1 −1 1 1
A14 = − 0 1 −1 = 1, A21 = − 1 −1 1 = 0, A22 = 0 −1 1 = 0,
0 0 1 0 1 −1 0 1 −1

−1 1 1 −1 1 1 1 1 1
A23 = − 0 1 1 = −1, A24 = 0 1 −1 = −1, A31 = 0 1 0 = −1,
0 0 −1 0 0 1 0 1 −1

−1 1 1 −1 1 1 −1 1 1
A32 = − −1 1 0 = −1, A33 = −1 0 0 = −1, A34 = − −1 0 1 = −1,
0 1 −1 0 0 −1 0 0 1

1 1 1 −1 1 1 −1 1 1
A41 = − 0 1 0 = −2, A42 = −1 1 0 = −1, A43 = − −1 0 0 = −2,
1 −1 1 0 −1 1 0 1 1

−1 1 1
A44 = −1 0 1 = −1
0 1 −1
Donde la adjunta de la matriz A esta dada por

A11 A21 A31 A41 1 0 −1 −2

   
 A12 A22 A32 A42   0 0 −1 −1 
adj(A) =  =
A13 A23 A33 A43   1 −1 −1 −2 
A14 A24 A34 A44 1 −1 −1 −1

por lo tanto la inversa es

1 0 −1 −2 −1 0 1 2
   
adj (A) 1 0 0 −1 −1   0 0 1 1
A−1 = = =
|A| −1 1
 −1 −1 −2   −1 1 1 2
1 −1 −1 −1 −1 1 1 1
 23

<|>
<|>

Problema 1.13: Considere la siguiente matriz A, para que valores del parámetro k, la matriz es invertible (tiene
inversa)
 
k + 3 −1 1
A= 5 k−3 1 
6 −6 k + 4

Solución: Una matriz tiene inversa o es invertible si su determinante es distinto de cero, entonces calculemos su
determinante

k + 3 −1 1
|A| = 5 k−3 1
6 −6 k + 4

k + 2 −1 1 1 −1 1
C1 → C1 + C2 |A| = k + 2 k − 3 1 = (k + 2) 1 k − 3 1
0 −6 k + 4 0 −6 k + 4

1 0 1 1 0 1
C2 → C2 + C3 |A| = (k + 2) 1 k − 2 1 = (k + 2) (k − 2) 1 1 1
0 k−2 k+4 0 1 k+4

1 0 1
R2 → R2 − R1 |A| = (k + 2) (k − 2) 0 1 0
0 1 k+4

1 0 1
R3 → R3 − R2 |A| = (k + 2) (k − 2) 0 1 0
0 0 k+4

1 0 0
C3 → C3 − C1 |A| = (k + 2) (k − 2) 0 1 0 = (k + 2) (k − 2)(k + 4)
0 0 k+4

Necesitamos que

|A| = (k + 2) (k − 2)(k + 4) 6= 0

Entonces la matriz A tiene inversa o es invertible cuando

6 −2
k=
k=6 2
k= 6 −4
 24

<|>
<|>
Problema 1.14: Considere el siguiente sistema de ecuaciones lineales homogéneo,
7x + (a − 5)y − z = 0
6x − 6y + (a + 2)z = 0
(a + 3)x − y + z = 0
diga que volores debe tomar el parámetro a, para que el sistema;
a) Tenga solución unica (solución trivial).
b) Tenga un número infinito de soluciones.

Solución: Para un sistema homogeneo de ecuaciones lineales, el tipo de solución esta definido por el valor del
detrminante de dicho sistema, calculemos entonces sea |A| el determinate del sistema, esto es,

7 a − 5 −1 a + 3 −1 1
|A| = 6 −6 a + 2 R1 ↔ R3 |A| = (−1) 6 −6 a + 2
a + 3 −1 1 7 a − 5 −1

a + 3 −1 1 a + 3 −1 1
R2 ↔ R3 |A| = (−1)(−1) 7 a − 5 −1 = 7 a − 5 −1
6 −6 a + 2 6 −6 a + 2

a + 2 −1 1 1 −1 1
C1 → C1 + C2 |A| = a + 2 a − 5 1 = (a + 2) 1 a − 5 1
0 −6 a + 2 0 −6 a + 2

1 0 1 1 0 1
C2 → C2 + C3 |A| = (a + 2) 1 a − 4 1 = (a + 2) (a − 4) 1 1 1
0 a−4 a+2 0 1 a+2

1 0 1
R2 → R2 − R1 |A| = (a + 2) (a − 4) 0 1 0
0 1 a+2

1 0 1
R3 → R3 − R2 |A| = (a + 2) (a − 4) 0 1 0
0 0 a+2

1 0 0
2
C3 → C3 − C1 |A| = (a + 2) (a − 4) 0 1 0 = (a + 2) (a − 4)(a + 2) = (a + 2) (a − 4)
0 0 a+2

Ası́ tenemos que,

2
a) Solución única si |A| = (a + 2) (a − 4) 6= 0 entonces

a 6= −2
a 6= 4
2
a) Solución infinitas si |A| = (a + 2) (a − 4) = 0 entonces

a = −2
a=4
 25

<|>
<|>

Problema 1.15: Encuentre la forma general de las matrices A ∈ M22 tales que conmuten con la matriz B, esto
es, AB = BA donde
 
2 −1
B=
1 1

 
a b
Solución: Como A ∈ M22 , significa que A es de la forma A = , luego entonces tenemos los productos
c d
 
  
2 −1
a b 2a + b −a + b
AB = =
c d
1 1 2c + d −c + d
    
2 −1 a b 2a − c 2b − d
BA = =
1 1 c d a+c b+d

requerimos que las matrices conmuten, esto es

   
2a + b −a + b 2a − c 2b − d
AB = BA ⇒ =
2c + d −c + d a+c b+d

de donde obtenemos el siguiente sistema de ecuaciones lineales

2a + b = 2a − c b+c=0
−a + b = 2b − d −a − b + d = 0
⇒
2c + d = a + c −a + c + d = 0
−c + d = b + d −b − c = 0

cuya matriz aumentada es

0 1 1 00 −1 −1 0 1 0 1 1 0 −1 0
     
 −1 −1 0 10  0 1 1 0 0  0 1 1 0 0
 −1 (R1 ↔ R2 )  ((−1)R1 → R1 ) 
0 1 10 −1 0 1 1 0  −1 0 1 1 0
0 −1 −1 00 0 −1 −1 0 0 0 −1 −1 0 0
1 1 0 −1 0
 
 
 0 1 1 0 0 1 1 0 −1 0 R2 ⇒ b = −c
(R3 + R1 → R3 )  ⇒
0 1 1 0 0 0 1 1 0 0 R1 ⇒ a = −b + d
0 −1 −1 0 0
a=α+β
c=α∈R b = −α
⇒ donde α y β son parámetros libres.
d=β∈R c=α
d=β

Por lo tanto, las matrices que buscamos son de la forma

 
α + β −α
A=
α β

las cuales conmutan con la matriz B para todo valor de α y β.

Este resultado incluye a las matrices cero e identidad, las cuales conmutan con cualquier matriz
   
α=0 0 0 α=0 1 0
⇒A= y ⇒A=
β=0 0 0 β=1 0 1
 26

<|>
<|>

Problema 1.16: Muestre que si A es una matriz de tamaño n × n, entonces el determinante de su adjunta es igual
aldeterminate de A elevado a la (n − 1), esto es
n−1
|adj(A)| = (|A|)

Solución: Conocemos la relación para obtener la matriz inversa, dada por

adj (A)
A−1 =
|A|

de aquı́ tenemos que

adj (A) 1
A−1 · A = ·A ⇒ In = adj(A) · A
|A| |A|

donde In es la matriz identidad de tamaño n × n, como el determinate es un escalar puede pasar multiplicado del
lado izquierdo de la igualdad

|A| · In = adj(A) · A

obteneindo el determinate a ambos lados resulta

||A| · In | = |adj(A) · A| = |adj(A)| · |A|

para el determinate izquierdo

|A| 0 · · · 0
0 |A| · · · 0 n
||A| · In | = . .. = |A|
0 0 .. .
0 0 · · · |A|

entonces
n
n |A|
|A| = |adj(A)| · |A| ⇒ |adj(A)| =
|A|

por lo tanto
n−1
|adj(A)| = (|A|)
 27

<|>
<|>

Problema II.1: Sea M el conjunto de todas las matrices invertibles de tamaño 3 × 3, muestre que este conjunto
no es un espacio vectorial.
Solución: Consideremos las siguientes matrices A, B ∈ M , esto es,
 
1 0 0
A =  0 1 0  ⇒ |A| = 1
0 0 1
y
 
−1 0 0
B =  0 −1 0  ⇒ |B| = −1
0 0 −1

Ambas matrices son invertibles ya que sus determinantes son distintos de cero, que es la condición que debe cumplir
una matriz para que tenga inversa. De estas matrices tenemos que
     
1 0 0 −1 0 0 0 0 0
A + B =  0 1 0  +  0 −1 0  =  0 0 0  ⇒ |A + B| = 0
0 0 1 0 0 −1 0 0 0

Esta matriz no es invertible ya que su determinate es igual a cero, por lo tanto, no se cumple la propiedad de
cerredura aditiva, esto es,

A, B ∈ M pero A + B ∈
/M

Por lo tanto, M no es un espacio vectorial, al no cumplir esta propiedad.

Problema II.2: Sea el conjunto V = {(a, b) | a, b ∈ R} y sean las siguientes operaciones definidas
suma: (a, b) ⊕ (c, d) = (a + c, b + d)
producto: α (a, b) = (αa, 0)
Determine si el conjunto V es o no es un espacio vectorial.
Solución: Se puede verificar que todas las propiedades para la operación de suma si se satisfacen, esto es debido
a como esta definida.
Ahora, consideremos el siguiente vector (a, b) ∈ V , donde a, b ∈ R, entonces tenemos que

1 (a, b) = (a, 0) 6= (a, b)

es decir, para la operación de producto no existe el elemento neutro multiplicativo que cumpla con la condición

1 u = u para todo u ∈ V

Por lo cual, V no es un espacio vectorial.

 28

<|>
<|>

Problema II.3: Verifique si los conjuntos siguientes, junto con las operaciones definidas para cada uno de ellos,
son o no son espacios vectoriales
a) V = {(x, y, z) | x, y, z ∈ R}
suma: (x1 , y1 , z1 ) ⊕ (x2 , y2 , z2 ) = (x1 + x2 , y1 + y2 , z1 + z2 )
producto: a (x, y, z) = (x, 1, z)
b) W = {u | u es un número real positivo}
suma: u ⊕ v = uv
producto: α u = uα

Solución:
a) Se puede verificar que todas las propiedades para la operación de suma si se satisfacen, esto es debido a como
esta definida.
Ahora, consideremos el siguiente vector (a, b, c) ∈ V , donde a, b, c ∈ R, entonces tenemos que

1 (a, b, c) = (a, 1, c) 6= (a, b, c)

es decir, para la operación de producto no existe el elemento neutro multiplicativo que cumpla con la condición

1 u = u para todo u ∈ V

Por lo cual, V no es un espacio vectorial.

b) Sean u, v, w ∈ W, verifiquemos las propiedades de la suma

i) Cerradura, u ⊕ v = uv > 0 ⇒ u ⊕ v ∈ W , si se cumple.
ii) Conmutatividad, u ⊕ v = uv = vu = v ⊕ u, si se cumple.
iii) Asociatividad, (u ⊕ v) ⊕ w = (uv) w = u (vw) = u ⊕ (v ⊕ w), si se cumple.
iv) Neutro Aditivo, existe 1 ∈ W tal que u ⊕ 1 = u · 1 = u, si se cumple.
v) Inverso Aditivo, para todo u ∈ W, existe 0 ∈ W tal que u ⊕ 0 = u · 0 = 0, si se cumple.
Sean u, v ∈ W y α, β ∈ R, verifiquemos las propiedades del producto
i) Cerredura, α u = uα > 0 ⇒ α u ∈ W , si se cumple.
ii) Neutro Multiplicativo, existe 1 ∈ W tal que u 1 = u1 = u, si se cumple.

α
iii) Asociatividad, αβ u = uαβ = uβ = α (β u), si se cumple.
iv) Distributividad respecto a la suma de escalares


(α + β) u = uα+β = uα uβ = (uα ) ⊕ uβ = (α u) ⊕ (β u),si se cumple.

v) Distributividad respecto a la suma de vectores

α
α (u ⊕ v) = α (uv) = (uv) = uα v α = uα ⊕ v α = (α u) ⊕ (α v) ,si se cumple.

Por lo tanto, W si es un espacio vectorial.

 29

<|>
<|>

Problema II.4: Cuales de los siguientes subconjuntos de P2 (espacio vectorial de polinomios de grado ≤ 2) son
subespacios vectoriales. Con las operaciones de suma y producto normales que conocemos.

a) V = a0 + a1 t + a2 t2 | a0 = 0

b) V = a0 + a1 t + a2 t2 | a1 + a2 = a0

c) V = a0 + a1 t + a2 t2 | a1 = 2a0

d) V = a0 + a1 t + a2 t2 | a2 = a1 + 1

Solución: Recordemos que para verificar si un subconjunto de un espacio vectorial, es un subespacio vectorial,
solo tenemos que comprobar las dos propiededes de cerradura.

a) Consideremos dos vectores p(t), q(t) ∈ V , donde ambos son de la forma p(t) = a1 t + a2 t2 y q(t) = b1 t + b2 t2 , ya
que a0 = 0 en ambos casos por definición y ademas consideremos un escalar α ∈ R. Entonces tenemos
i) Cerradura aditiva

a1 t + a2 t2 + b1 t + b2 t2



p(t) + q(t) =
= (a1 + b1 ) t + (a2 + b2 ) t2 ∈ V

ii) Cerradura multiplicativa

α · p(t) = α · a1 t + a2 t2 = α · a1 t + α · a2 t2 ∈ V

Vemos que V es cerrado bajo la suma y producto, por lo tanto, V es un subespacio vectorial de P2 .

b) Consideremos dos vectores p(t), q(t) ∈ V , donde ambos son de la forma p(t) = (a1 + a2 ) + a1 t + a2 t2 y
q(t) = (b1 + b2 ) + b1 t + b2 t2 , ya que a0 = a1 + a2 en ambos casos por definición y ademas consideremos un escalar
α ∈ R. Entonces tenemos
i) Cerradura aditiva

(a1 + a2 ) + a1 t + a2 t2 + (b1 + b2 ) + b1 t + b2 t2
   
p(t) + q(t) =
= [(a1 + a2 ) + (b1 + b2 )] + (a1 + b1 ) t + (a2 + b2 ) t2 ∈ V

ii) Cerradura multiplicativa

α · p(t) = α · (a1 + a2 ) + a1 t + a2 t2
 

= (α · a1 + α · a2 ) + α · a1 t + α · a2 t2 ∈ V

Tenemos que V es cerrado bajo la suma y producto, por lo tanto, V es un subespacio vectorial de P2 .

c) Consideremos dos vectores p(t), q(t) ∈ V , donde ambos son de la forma p(t) = a0 + 2a0 t + a2 t2 y q(t) =
b0 + 2b0 t + b2 t2 , ya que a1 = 2a2 en ambos casos por definición y ademas consideremos un escalar α ∈ R. Entonces
tenemo
i) Cerradura aditiva

a0 + 2a0 t + a2 t2 + b0 + 2b0 t + b2 t2



p(t) + q(t) =
= (a0 + b0 ) + 2 (a0 + b0 ) t + (a2 + b2 ) t2 ∈ V

ii) Cerradura multiplicativa

α · p(t) = α · a0 + 2a0 t + a2 t2

= α · a0 + 2α · a0 t + α · a2 t2 ∈ V

De donde V es cerrado bajo la suma y producto, por lo tanto, V es un subespacio vectorial de P2 .

 30

<|>
<|>

d) Consideremos dos vectores tales que p(t), q(t) ∈ V , donde ambos son de la forma p(t) = a0 + a1 t + (a1 + 1) t2
y q(t) = b0 + b1 t + (b1 + 1) t2 , ya que a2 = a1 + 1 en ambos casos por definición y ademas consideremos un escalar
α ∈ R. Entonces tenemos
i) Cerradura aditiva

a0 + a1 t + (a1 + 1) t2 + b0 + b1 t + (b1 + 1) t2
   
p(t) + q(t) =
= (a0 + b0 ) + (a1 + b1 ) t + (a1 + b1 + 2) t2 ∈
/ V ya que a2 = a1 + 2

ii) Cerradura multiplicativa

α · p(t) = α · a0 + a1 t + (a1 + 1) t2
 

= α · a0 + α · a1 t + (α · a1 + α · 1) t2 ∈
/ V ya que a2 = a1 + α

Observamos que V no es cerrado bajo la suma ni bajo el producto, por lo tanto, V es no es un subespacio vectorial
de P2 .
 31

<|>
<|>
Problema II.5: Determine cuales de los siguientes subconjuntos de R3 forman un subespacio vectorial o no. Con
las operaciones de suma y producto normales que conocemos.

a) W = {(a, b, c) | c = a + b}
b) W = {(a, b, c) | 3a − b + 2c = −1}
c) W = {(a, b, c) | a = −c}
d) W = {(a, b, c) | b = 2a + 1 }

Solución: Recordemos que para verificar si un subconjunto de un espacio vectorial, es un subespacio vectorial,
solo tenemos que comprobar las dos propiededes de cerradura.

a) Consideremos dos vectores u, v ∈ W , donde ambos son de la forma u = (a1 , b1 , a1 + b1 ) y v = (a2 , b2 , a2 + b2 ),

ya que c = a + b en ambos casos por definición y ademas consideremos un escalar α ∈ R. Entonces
i) Cerradura aditiva
u + v = (a1 , b1 , a1 + b1 ) + (a2 , b2 , a2 + b2 )
= (a1 + a2 , b1 + b2 , a1 + b1 + a2 + b2 ) ∈ W
ii) Cerradura multiplicativa
α · u = α · (a1 , b1 , a1 + b1 ) = (α · a1 , α · b1 , α · a1 + α · b1 ) ∈ W
Tenemos que W es cerrado bajo la suma y producto, por lo tanto, W es un subespacio vectorial de R3 .

b) Consideremos dos vectores u, v ∈ W , en particular sean u = (0, 1, 0) y v = (0, 1, 0), en ambos se cumple que
3a − b + 2c = −1 por definición y ademas consideremos un escalar α ∈ R. Entonces
i) Cerradura aditiva
u + v = (0, 1, 0) + (0, 1, 0) = (0, 2, 0) ∈
/ W ya que 3a − b + 2c = −2
ii) Cerradura multiplicativa
α · u = α · (0, 1, 0) = (0, α · 1, 0) ∈
/ W si α 6= 1
Observamos que W no es cerrado bajo la suma y solo es cerredo bajo el producto para un solo valor de α, por lo
tanto, W no es un subespacio vectorial de R3 .

c) Consideremos dos vectores u, v ∈ W , donde ambos son de la forma u = (−c1 , b1 , c1 ) y v = (−c2 , b2 , c2 ), ya que
a = −c en ambos casos por definición y ademas consideremos un escalar α ∈ R. Entonces
i) Cerradura aditiva
u + v = (−c1 , b1 , c1 ) + (−c2 , b2 , c2 ) = (−c1 − c2 , b1 + b2 , c1 + c2 ) ∈ W
ii) Cerradura multiplicativa
α · u = α · (−c1 , b1 , c1 ) = (−α · c1 , α · b1 , α · c1 ) ∈ W
De donde W es cerrado bajo la suma y producto, por lo tanto, W es un subespacio vectorial de R3 .

d) Consideremos dos vectores u, v ∈ W , donde ambos son de la forma u = (a1 , 2a1 + 1, c1 ) y v = (a2 , 2a2 + 1, c2 ),
ya que b = 2a + 1 en ambos casos por definición y ademas consideremos un escalar α ∈ R. Entonces
i) Cerradura aditiva
u + v = (a1 , 2a1 + 1, c1 ) + (a2 , 2a2 + 1, c2 )
= (a1 + a2 , 2a1 + 2a2 + 2, c1 + c2 ) ∈ / W ya que b = 2a + 2
ii) Cerradura multiplicativa
α · u = α · (a1 , 2a1 + 1, c1 ) = (α · a1 , α · 2a1 + α, α · c1 ) ∈
/ W si α 6= 1
Tenemos que W no es cerrado bajo la suma y solo es cerredo bajo el producto para un solo valor de α, por lo tanto,
W no es un subespacio vectorial de R3 .
 32

<|>
<|>

Problema II.6: Determine si los siguientes conjuntos W son subespacios vectoriales o no del espacio vectorial
Mnn (espacio vectorial de las matrices de tamaño n × n)

a) W = A ∈ Mnn | AT = A
b) W = {A ∈ Mnn | A es diagonal}
c) W = {A ∈ Mnn | A es triangular superior}

Solución: Recordemos que para verificar si un subconjunto de un espacio vectorial, es un subespacio vectorial,
solo tenemos que comprobar las dos propiededes de cerradura.

a) Consideremos dos vectores A, B ∈ W , donde ambos son de la forma AT = A y B T = B por definición (la
transpuesta de una matriz es igual a la matriz) y ademas consideremos un escalar α ∈ R. Entonces
i) Cerradura aditiva
T
(A + B) = AT + B T = A + B ∈ W

ii) Cerradura multiplicativa

T
(α · A) = α · AT = α · A ∈ W

Tenemos que W es cerrado bajo la suma y producto, por lo tanto, W es un subespacio vectorial de Mnn .

b) Consideremos dos vectores A, B ∈ W , donde ambos son matrices diagonales por definición
aij = 0 si i 6= j
A= y ademas consideremos un escalar α ∈ R. Entonces
aij 6= 0 si i = j
i) Cerradura aditiva
     
a1 0 ··· 0 b10 ··· 0 a1 + b1 0 ··· 0
 0 a2 · · · 0   0 b2 · · · 0   0 a2 + b2 ··· 0 
A+B = . + = ∈W
     
.. . . .. .... . . .. .. .. .. ..
 .. . . .   . . . .   . . . . 
0 0 ··· an 0 0 ··· bn 0 0 · · · an + bn

ii) Cerradura multiplicativa

   
a1 0 ··· 0 αa1 0 ··· 0
 0 a2 · · · 0   0 αa2 ··· 0 
α·A=α· .  =  .. ∈W
   
.. . . .. .. .. ..
 .. . . .   . . . . 
0 0 ··· an 0 0 · · · αan

Donde W es cerrado bajo la suma y producto, por lo tanto, W es un subespacio vectorial de Mnn .
 33

<|>
<|>

Consideremos dos vectores A, B ∈ W , donde ambos son matrices triangulares superiores, por definición
c) 
aij = 0 si i > j
A= y ademas consideremos un escalar α ∈ R. Entonces
aij 6= 0 si i < j
i) Cerradura aditiva
     
a11 a12 · · · a1n b11 b12 · · · b1n a11 + b11 a12 + b12 · · · a1n + b1n
 0 a22 · · · a2n 
  0 b22
 · · · b2n   0 a22 + b22 · · · a2n + b2n 
A+B = . . + . ..  =  ∈W
   
.. . . .. .. .. .. .. ..
 .. . . ..   .. . . .   . . . . 
0 0 · · · ann 0 0 · · · bnn 0 0 · · · ann + bnn

ii) Cerradura multiplicativa

   
a11 a12 · · · a1n αa11 αa12 · · · αa12
 0 a22 · · · a2n   0 αa22 · · · αa22 
α·A=α· . . = . ∈W
   
.. .. .. .. ..
 .. . . ..   .. . . . 
0 0 · · · ann 0 0 · · · αan

Tenemos que W es cerrado bajo la suma y producto, por lo tanto, W es un subespacio vectorial de Mnn .
 34

<|>
<|>

Problema II.7: Considere el espacio vectorial M23 . Mostrar cuales de los siguientes subconjuntos de M23 son
subespacios vectoriales.
   
a b c
a) V = A ∈ M23 | A = y b=a+c
d 0 0
   
a b c
b) V = A ∈ M23 | A = , a = −2c y f = 2e + d
d e f
  
0 1 a
c) V = A ∈ M23 | A =
d c 0
  
a b c
d) V = | a+c=0 y b+d+f =0
d e f

Solución: Para verificar si un subconjunto de un espacio vectorial, es un subespacio vectorial, solo tenemos que
comprobar las dos propiededes de cerradura.

a) Consideremos dos vectores A, B ∈ V , y ademas consideremos un escalar α ∈ R. Entonces

i) Cerradura aditiva
   
a1 a1 + c1 c1 a2 a2 + c2 c2
A+B = +
d1 0 0 d2 0 0
 
a1 + a2 a1 + c1 + a2 + c2 c1 + c2
= ∈V
d1 + d2 0 0

ii) Cerradura multiplicativa

 
a1 a1 + c1 c1
α·A = α·
d1 0 0
 
αa1 αa1 + αc1 αc1
= ∈V
αd1 0 0

asi vemos que V es cerrado bajo la suma y producto, por lo tanto, V es un subespacio vectorial de M23 .

b) Consideremos dos vectores A, B ∈ V , y ademas consideremos un escalar α ∈ R. Entonces

i) Cerradura aditiva
   
−2c1 b1 c1 −2c2 b2 c2
A+B = +
d1 e1 2e1 + d1 d2 e2 2e2 + d2
 
−2c1 − 2c2 b1 + b2 c1 + c2
= ∈V
d1 + d2 e1 + e2 2e1 + d1 + 2e2 + d2

ii) Cerradura multiplicativa

 
−2c1 b1 c1
α·A = α·
d1 e1 2e1 + d1
 
−2αc1 αb1 αc1
= ∈V
αd1 αe1 2αe1 + αd1

asi vemos que V es cerrado bajo la suma y producto, por lo tanto, V es un subespacio vectorial de M23 .
 35

<|>
<|>

c) Consideremos dos vectores A, B ∈ V , y ademas consideremos un escalar α ∈ R. Entonces

i) Cerradura aditiva
   
0 1 a1 0 1 a2
A+B = +
d1 c1 0 d2 c2 0
 
0 2 a1 + a2
= ∈
/ V ya que a12 = 2
d1 + d2 c1 + c2 0

ii) Cerradura multiplicativa

 
0 1 a1
α·A = α·
d 1 c1 0
 
0 α αa1
= ∈
/ V si α 6= 1
αd1 αc1 0

asi vemos que V no es cerrado bajo la suma y solo es cerredo para el producto para un valor particular de α, por lo
tanto, V no es un subespacio vectorial de M23 .

d) Consideremos dos vectores A, B ∈ V , y ademas consideremos un escalar α ∈ R. Entonces

i) Cerradura aditiva
   
−c1 −d1 − f1 c1 −c2 −d2 − f2 c2
A+B = +
d1 e1 f1 d2 e2 f2
 
−c1 − c2 −d1 − f1 − d2 − f2 c1 + c2
= ∈V
d1 + d2 e1 + e2 f1 + f2

ii) Cerradura multiplicativa

 
−c1 −d1 − f1 c1
α·A = α·
d1 e1 f1
 
−αc1 −αd1 − αf1 αc1
= ∈V
αd1 αe1 αf1

tenemos que V es cerrado bajo la suma y producto, por lo tanto, V es un subespacio vectorial de M23 .
 36

<|>
<|>

Problema II.8: Muestre que el conjunto de todos los puntos del plano ax + by + cz = 0 es un subespacio vectorial
de R3 .
Solución: Para verificar si un subconjunto de un espacio vectorial, es un subespacio vectorial, solo tenemos que
comprobar las dos propiedades de cerradura.
Reescribimos los puntos del plano como el conjunto H = { (x, y, z)| ax + by + cz = 0}. Sean u, v ∈ H y α ∈ R es
un escalar, entonces
i) Cerradura aditiva

u = (x1 , y1 , z1 ) ∈ H ⇒ ax1 + by1 + cz1 = 0

v = (x2 , y2 , z2 ) ∈ H ⇒ ax2 + by2 + cz2 = 0

sumando y factorizando las ecuaciones anteriores, se tiene que

(ax1 + by1 + cz1 ) + (ax2 + by2 + cz2 ) = 0

⇒ a (x1 + x2 ) + b(y1 + y2 ) + c (z1 + z2 ) = 0
⇒ (x1 + x2 , y1 + y2 , z1 + z2 ) = u + v ∈ H

ii) Cerradura multiplicativa

u = (x1 , y1 , z1 ) ∈ H ⇒ ax1 + by1 + cz1 = 0

multiplicamos la ecuacion anterior por el escalar α, obtenemos

α · ax1 + α · by1 + α · cz1 = 0

a (αx1 ) + b(αy1 ) + c(αz1 ) = 0
⇒ (αx1 , αy1 , αz1 ) = α · u ∈ H

Por lo tanto, el subconjunto H que contiene a todos los puntos del plano ax + by + cz = 0, es cerrado bajo las
operaciones de suma de vectores y multiplicación por un escalar, esto es, H es un subespacio vectorial de R3 .
 37

<|>
<|>

Problema III.1: Considere el espacio vectorial F , que consiste de todas los funciones continuas y diferenciables en
un intervalo cerrado [a, b]. Muestre que las funciones f1 (t) = et y f2 (t) = e2t en este espacio vectorial son linealmente
independientes.
Solución:
Método 1) Usando la definición, dos vectores u y v son linealmente independientes si tenemos que

α1 u + α2 v = 0 ⇒ α1 = α2 = 0

para este caso tenemos los vectores u = f1 (t) = et y v = f2 (t) = e2t del espacio vectorial F .
Para poder determinar los valores de los escalares α1 y α2 , necesitamos al menos otra ecuación, esta la generamos
derivando la ecuación anterior, ası́ tendremos un sistema de dos ecuaciones con dos incognitas, esto es

α1 f1 (t) + α2 f2 (t) = 0
α1 f10 (t) + α2 f20 (t) = 0

al sustituir las funciones tenemos

α1 et + α2 e2t = 0
α1 et + 2α2 e2t = 0

restando la primera de la segunda ecuacion, tenemos que

α2 e2t = 0 como e2t 6= 0 para todo t ∈ R ⇒ α2 = 0 ⇒ α1 = 0

Por lo tanto las funciones f1 (t) = et y f2 (t) = e2t son linealmente independientes.

Método 2) Supongamos que estas funciones son linelamente dependientes, esto significa que una de ellas es un
multiplo de la otra, esto es

f2 (t) = αf1 (t)

⇒ e2t = αet donde α ∈ R

ahora dividimos la ecuación anterior por et , obteniendo

et = α

lo cual no puede ses cierto. Por lo tanto las funciones f1 (t) = et y f2 (t) son linealmente independientes.
 38

<|>
<|>




Problema III.2: Sean v1 = 1, α, α2 , v2 = 1, β, β 2 y v3 = 1, γ, γ 2 tres vectores de R3 , donde α, β y γ son
numeros reales distintos de cero. Que condiciones deben cumplir los números α, β y γ para que los tres vectores v1 ,
v2 y v3 sean linealmente independientes.

Solución: Dela definicón tenemos que v1 , v2 y v3 serán linealmente independientes si se cumple que para

c1 v1 + c2 v2 + c3 v3 = 0 ⇒ c1 = c2 = c3 = 0

sustituyendo los vectores tenemos que

c1 1, α, α2 + c2 1, β, β 2 + c3 1, γ, γ 2 = (0, 0, 0)

c1 , c1 α, c1 α2 + c2 , c2 β, c2 β 2 + c3 , c3 γ, c3 γ 2 = (0, 0, 0)

c1 + c2 + c3 , c1 α + c2 β + c3 γ, c1 α2 + c2 β 2 + c3 γ 2 = (0, 0, 0)

de donde se obtiene el siguiente sistema homogéneo de 3 ecuaciones con 3 incognitas (c1 , c2 y c3 )

c1 + c2 + c3 = 0
c1 α + c2 β + c3 γ = 0
c1 α2 + c2 β 2 + c3 γ 2 = 0

Recordemos que para un sistema homogéneo solo existen dos posibilidades para la solución, o tiene solución
única (la solución trivial) o tiene soluciones infinitas. Es claro que necesitamos que el sistema tenga solución única
(c1 = c2 = c3 = 0) para que los vectores sean linealmente independientes.
Ası́, un sistema de ecuaciones lineales homogéneo tiene solución única si su determinante correspondiente es distinto
de cero, para este caso

1 1 1
α β γ 6= 0
α2 β 2 γ 2

El valor de este determinante es igual a (ver Problema I.9 B)),

1 1 1
α β γ = (β − α) (γ − α) (β − γ) 6= 0
α2 β 2 γ 2

de esta forma, para que los vectores v1 , v2 y v3 sean linealmente independientes, los números α, β y γ deben satisfacer
las siguientes condiciones

6 α
β =
γ =6 α
β = 6 γ
 39

<|>
<|>

Problema III.3: Encuentre una base y la dimensión del subespacio W de R4 , que consta de todos los vectores de
la forma v = (a + b, a − b + 2c, b, c) donde a, b y c son números reales.

Solución: Podemos escribir al subespacio W como el siguiente conjunto de vectores de R4

W = { (x, y, z, w)| (a + b, a − b + 2c, b, c)}

donde a, b y c son parámetros (a, b, c ∈ R)

Ahora factorizamos a los vectores de W en términos de los parámetros a, b y c, esto es

(a + b, a − b + 2c, b, c) = a (1, 1, 0, 0) + b (1, −1, 1, 0) + c (0, 2, 0, 1) ,

Esto significa que el conjunto de vectores {(1, 1, 0, 0) , (1, −1, 1, 0) , (0, 2, 0, 1)} genera a todos los vectores que estan
en W , ya que todo (x, y, z, w) ∈ W , se puede escribir como combinación lineal de estos tres vectores.
Por otra parte, resolvamos la ecuación

α1 (1, 1, 0, 0) + α2 (1, −1, 1, 0) + α3 (0, 2, 0, 1) = (0, 0, 0, 0)

la cual genera el sistema de ecuaciones

α1 + α2 =0
α1 − α2 + 2α3 =0
α2 =0
α3 =0

en donde observamos facilmente que α1 = α2 = α3 = 0, esto significa que el conjunto de vectores

{(1, 1, 0, 0) , (1, −1, 1, 0) , (0, 2, 0, 1)} es linealmente independiente.
Por lo tanto, tenemos que el conjunto de vectores {(1, 1, 0, 0) , (1, −1, 1, 0) , (0, 2, 0, 1)} genera a W y ademas es
linealmente independiente, por lo cual es una base para el subespacio W .
Finalmente tenemos que, de acuerdo a la definición, la dimensión de un espacio vectorial es igual al número de
vectores que tiene una base cualquiera de ese espacio vectorial, por lo tanto, la dimension de W es igual a 3, esto es
Dim (W ) = 3.
 40

<|>
<|>

Problema III.4: Determine si los siguientes conjuntos de vectores forman una base para el espacio vectorial dado.

a)  − x2 para
1 − 2x, x   P2 .   
1 1 0 1 0 0 1 1
b) , , , para M22 .
−1 1 1 1 1 −1 2 −2
Solución: Recordemos que un conjunto de vectores es una base de un espacio vectorial, si este conjunto es
linealmente independiente y además genera al espacio vectorial. Entonces para cada conjunto debemos verificar
ambas condiciones.
a) Veamos primero si este conjunto es linealmente independiente, entonces consideremos la ecuación


α1 (1 − 2x) + α2 x − x2 = 0 + 0x + 0x2
⇒ α1 + (−2α1 + α2 ) x − α2 x2 = 0 + 0x + 0x2

esta ecuación nos lleva al siguiente sistema de ecuaciones lineales homogéneo

α1 = 0
−2α1 + α2 = 0
−α2 = 0

esto implica que α1 = α2 = 0, por lo tanto los vectores 1 − 2x, x − x2 son linealmente independientes.
Ahora verifiquemos si generan a P2 . Para esto consideremos la forma mas general de un vector de P2 , eso es, sea
p(x) = a + bx + cx2 ∈ P2 , ası́ este vector se debe poder escribir como


β1 (1 − 2x) + β2 x − x2 = a + bx + c2
⇒ β1 + (−2β1 + β2 ) x − β2 x2 = a + bx + c2

la cual conduce al siguiente sistema de ecuaciones lineales

β1 = a
−2β1 + β2 = b
−β2 = c

al resolver con la matriz aumentada tenemos

     
1 0 a 1 0 a 1 0 a
 −2 1 b  (R2 → R2 + 2R1 )  0 1 2a + b  (R3 → R3 + R2 )  0 1 2a + b 
0 −1 c 0 −1 c 0 0 2a + b + c

Este sistema solamente tiene solución si se cumple que 2a + b + c = 0, esto significa que solamente
 los polinomios
p(x) = a + bx + cx2 cuyos coeficientes satisfagan la condición podran ser generados por el conjunto 1 − 2x, x − x2 ,
en otras palabras no genera a todo P2 .
Finalmente, el conjunto 1 − 2x, x − x2 es linealmente independiente pero no genera a P2 , por lo tanto no es una
base de este espacio vectorial.
b) Verifiquemos si estos vectores son linealmente independientes, ası́ que consideremos la ecuación
         
1 1 0 1 0 0 1 1 0 0
α1 + α2 + α3 + α4 =
 −1 1 1 1 1 −1  2 −2  0 0
α1 + α4 α1 + α2 + α4 0 0
⇒ =
−α1 + α2 + α3 + 2α4 α1 + α2 − α3 − 2α4 0 0

la cual origina el sistema de ecuaciones lineales homogéneo siguiente

α1 + α4 =0
α1 + α2 + α4 =0
−α1 + α2 + α3 + 2α4 =0
α1 + α2 − α3 − 2α4 =0
 41

<|>
<|>

Como el sistema anterior es homogéneo tenemos que, si el determinante es igual a cero entonces tiene soluciones
infinitas, si es distinto de cero entonces tiene solución única (la solución trivial), ası́ que calculemos el determinante
del sistema, usaremos propiedades
1 0 0 1 1 0 0 1 1 0 0 1
(R2 → R2 − R1 )
1 1 0 1 0 1 0 0 (R3 → R3 − R2 ) 0 1 0 0
(R3 → R3 + R1 )
−1 1 1 2 0 1 1 3 (R4 → R4 − R2 ) 0 0 1 3
(R4 → R4 − R1 )
1 1 −1 −1 0 1 −1 −2 0 0 −1 −2
1 0 0 1
0 1 0 0
(R4 → R4 + R3 ) = 1 6= 0
0 0 1 3
0 0 0 1

De
 manera
 que
 el sistema
  tiene solución
 única,
 la trivial, ası́ que α1 = α2 = α3 = α4 = 0. Por lo tanto los vectores
1 1 0 1 0 0 1 1
, , y son linealmente independientes.
−1 1 1 1 1 −1 2 −2
 
a b
Ahora veamos si estos vectores generan a M22 . Entonces cualquier matriz ∈ M22 se puede escribir como
c d
         
1 1 0 1 0 0 1 1 a b
β1 + β2 + β3 + β4 =
 −1 1 1 1 1 −1  2−2  c d
β1 + β4 β1 + β2 + β4 a b
⇒ =
−β1 + β2 + β3 + 2β4 β1 + β2 − β3 − 2β4 c d

de donde se obtiene el siguiente sistema de ecuaciones lineales

β1 + β 4 = a
β1 + β2 + β4 = b
−β1 + β2 + β3 + 2β4 = c
β1 + β2 − β3 − 2β4 = d

Reoslvamos el sistema usando la matriz aumentada

1 0 0 1 a 1 0 0 1 a
   
(R2 → R2 − R1 )
 1 1 0 1 b  0 1 0 0 b−a 
 −1 1 1 2 c  (R3 → R3 + R1 )  0 1 1 3 c + a 
(R4 → R4 − R1 )
1 1 −1 −1 d 0 1 −1 −2 d − a
1 0 0 1 a 1 0 0 1 a
   
(R3 → R3 − R2 )  0 1 0 0 b−a  0 1 0 0 b−a
(R4 → R4 + R3 ) 
 
(R4 → R4 − R2 )  0 0 1 3 c − b + 2a  0 0 1 3 c − b + 2a 
0 0 −1 −2 d−b 0 0 0 1 c + d − 2b + 2a
1 0 0 0 −a − c − d + 2b
 
(R1 → R1 − R3 )  0 1 0 0 b−a 
(R3 → R3 − 3R4 )  0 0 1 0 −2c + 5b − 3d − 4a 
0 0 0 1 c + d − 2b + 2a

Esto significa que la solución es única de la forma

β1 = −a − c − d + 2b
β2 =b−a
β3 = −2c + 5b − 3d − 4a
β4 = c + d − 2b + 2a

En otras 
palabras quiere
  decir  que
 el conjunto
  de 
matrices en cuestión genera a M22 . tenemos entonces que
1 1 0 1 0 0 1 1
el conjunto , , , es linealmente independiente y además genera al espacio
−1 1 1 1 1 −1 2 −2
vectorial correspondiente, por lo tanto, este conjunto es una base de M22 .
 42

<|>
<|>

Problema III.5: Consideremos los dos conjuntos de vectores en R4 , A = {(1, 2, −1, 3) , (2, 4, 1, −2) , (3, 6, 3, −7)}
y B = {(1, 2, −4, 11) , (2, 4, −5, 14)}. Sean V = gen(A) y W = gen(B), mostrar que V = W .
Solución: Método 1) Recordemos que si S = {v1 , v2 , ..., vn } es un conjunto de vectores, entonces el subespacio
vectorial generado por S esta dado por gen(S) = { u| u = α1 v1 + α2 v2 + ... + αn vn }.
Para V = gen(A) tenemos,

V = gen(A) = { (x, y, z, w)| (x, y, z, w) = α1 (1, 2, −1, 3) + α2 (2, 4, 1, −2) + α3 (3, 6, 3, −7)}
⇒ (x, y, z, w) = (α1 , 2α1 , −α1 , 3α1 ) + (2α2 , 4α2 , α2 , −2α2 ) + (3α3 , 6α3 , 3α3 , −7α3 )
= (α1 + 2α2 + 3α3 , 2α1 + 4α2 + 6α3 , −α1 + α2 + 3α3 , 3α1 − 2α2 − 7α3 )

ecuación que genera el siguiente sistema de ecuaciones lineales

α1 + 2α2 + 3α3 = x
2α1 + 4α2 + 6α3 = y
−α1 + α2 + 3α3 = z
3α1 − 2α2 − 7α3 = w

resolvamos por medio de la matriz aumentada, esto es

1 2 3x 1 2 3 x 1 2 3 x
     
R2 → R2 − 2R1
 2 4 6 y   0 0 0 y − 2x   0 −8 −16 w − 3x 
R → R3 + R1  R ↔ R4 
 −1 1 3 z  3 0 3 6 z+x  2 0 3 6 z+x 
R4 → R4 − 3R1
3 −2 −7w 0 −8 −16 w − 3x 0 0 0 y − 2x
1 2 3 x 1 2 3 x
   
R2 → R2 /(−8)  0 1 2 −w/8 + 3x/8   0 1 2 −w/8 + 3x/8 
R → R3 − R2 
R3 → R2 /(3)  0 1 2 z/3 + x/3  3 0 0 0 z/3 + w/8 − x/24 
0 0 0 y − 2x 0 0 0 y − 2x
1 0 −1 x/4 + w/4
 
 0 1 2 −w/8 + 3x/8 
R1 → R1 − 2R2 
0 0 0 z/3 + w/8 − x/24 
0 0 0 y − 2x
R3 , R4 ⇒ z/3 + w/8 − x/24 = y − 2x ⇒ z/3 + w/8 + 47x/24 − y = 0

en otras palabras,

V = gen(A) = { (x, y, z, w)| z/3 + w/8 + 47x/24 − y = 0}

De la misma manera para W = gen(B) tenemos

W = gen(B) = { (x, y, z, w)| (x, y, z, w) = α1 (1, 2, −4, 11) + α2 (2, 4, −5, 14)}
⇒ (x, y, z, w) = (α1 , 2α1 , −4α1 , 11α1 ) + (2α2 , 4α2 , −5α2 , 14α2 )
= (α1 + 2α2 , 2α1 + 4α2 , −4α1 − 5α2 , 11α1 + 14α2 )

lo que resulta en el siguiente sistema de ecuaciones lineales

α1 + 2α2 = x
2α1 + 4α2 = y
−4α1 − 5α2 = z
11α1 + 14α2 = w
 43

<|>
<|>

Usando la matriz aumentada para resolver el sistema anterior tenemos que

1 2 x 1 2 x 1 2 x
     
R2 → R2 − 2R1
 2 4 y   0 0 y − 2x   0 −8 w − 11x 
R → R3 + 4R1  R ↔ R4 
 −4 −5 z  3 0 3 z + 4x  2 0 3 z + 4x 
R4 → R4 − 11R1
11 14 w 0 −8 w − 11x 0 0 y − 2x
1 2 x 1 2 x
   
R2 → R2 /(−8)  0 1 −w/8 + 11x/8   0 1 −w/8 + 11x/8 
R → R3 − R2 
R3 → R2 /(3)  0 1 z/3 + 4x/3  3 0 0 z/3 + w/8 − x/24 
0 0 y − 2x 0 0 y − 2x
1 0 −7x/4 + w/4
 
 0 1 −w/8 + 11x/8 
R1 → R1 − 2R2 
0 0 z/3 + w/8 − x/24 
0 0 y − 2x
R3 , R4 ⇒ z/3 + w/8 − x/24 = y − 2x ⇒ z/3 + w/8 + 47x/24 − y = 0

es decir,

W = gen(B) = { (x, y, z, w)| z/3 + w/8 + 47x/24 − y = 0}

Por lo tanto, observamos que

V =W

Método 2) Escribimos los vectores del conjunto A como renglones de una matriz, y determinamos ahora la forma
escalonada reducida de esta matriz, esto es,
     
1 2 −1 3 1 2 −1 3 1 2 −1 3
 2 4 1 −2  2 R → R 2 − 2R 1 
0 0 3 −8  R3 → R3 − 2R2  0 0 3 −8 
R3 → R3 − 3R1
3 6 3 −7 0 0 6 −16 0 0 0 0
 
3 6 0 1
R1 → 3R1 + R2  0 0 3 −8 
0 0 0 0

de tal manera que

V = gen {(1, 2, −1, 3) , (2, 4, 1, −2) , (3, 6, 3, −7)} = gen {(3, 6, 0, 1) , (0, 0, 3, −8)}

Ahora repetimos el mismo procedimiento para los vectores del conjunto B, de manera que
     
1 2 −1 3 1 2 −1 3 3 6 0 1
R2 → R2 − 2R1 R1 → 3R1 − R2
2 4 −5 14 0 0 −3 8 0 0 3 −8

donde tenemos que

W = gen {(1, 2, −4, 11) , (2, 4, −5, 14)} = gen {(3, 6, 0, 1) , (0, 0, 3, −8)}

por lo tanto concluimos que

V = W.
 44

<|>
<|>

Problema III.6: Mostrar que los siguientes conjuntos de vectores son linealmente independientes, para el espacio
vectorial dado,

a) W = 2x, x3 − 3, 1 + x − 4x3 , x3 + 18x2 − 9 en P3
b) W = 2x, x2 + 5, 2 + x − 4x2 en P2
c) W = {sin
n x, cos x}
o en [−π, π]
1 1
d) W = x, x 2 , x 3 en [0, 1]

Solución: De la definición tenemos que, un conjunto de vectores S = {v1 , v2 , ..., vn } es linealmente independiente
si an la ecuación α1 v1 + α2 v2 + ... + αn vn = 0, se tiene que α1 = α2 = ... = αn = 0.
a) Para este conjunto tenemos




α1 (2x) + α2 x3 − 3 + α3 1 + x − 4x3 + α4 x3 + 18x2 − 9 = 0 + 0x + 0x2 + 0x3
⇒ 2α1 x + α2 x3 − 3α2 + α3 + α3 x − 4α3 x3 + α4 x3 + 18α4 x2 − 9α4 = 0 + 0x + 0x2 + 0x3
(−3α2 + α3 − 9α4 ) + (2α1 + α3 ) x + (18α4 ) x2 + (α2 − 4α3 + α4 ) x3 = 0 + 0x + 0x2 + 0x3

de donde obtenemos el siguiente sistema de ecuaciones lineales homogéneo

−3α2 + α3 − 9α4 = 0
2α1 + α3 = 0
18α4 = 0
α2 − 4α3 + α4 = 0

Usemos la matriz aumentada para resolver el sistema

0 −3 1 −9
0 2 0 1 0 0 2 0 1 0 0
     
 2 0 1 0  R1 ↔ R2  0 −3 1 −9 0 
0  0 1 −4 1 0
R ↔ R3 
 0 0 0 0  R3 ↔ R4  0 1 −4 1 0  2
18 0 −3 1 −9 0
0 1 −4 01 0 0 0 18 0 0 0 0 18 0
2 0 1 0 0 2 0 1 0 0
   
 0 1 −4 1 0  R3 → 3R3 + R4  0 18 −72 0 0
R3 → R3 + 3R2 
0 0 −11 −6 0  R2 → 18R2 + R4  0 0 −33 0 0
0 0 0 18 0 0 0 0 18 0
2 0 1 0 0 2 0 0 0 0
   
R3 → R3 / − 33  0 18 −72 0 0  R1 → R1 − R3  0 18 0 0 0 
R4 → R4 /18  0 0 1 0 0  R → R + 72R  0 0 1 0 0 
2 2 3
0 0 0 1 0 0 0 0 1 0

Esto quiere decir que el sistema tiene solución única (la solución
 trivial por ser homogéneo), esto es, α1 = α2 =
α3 = α4 = 0. Por lo tanto, los vectores del conjunto W = 2x, x3 − 3, 1 + x − 4x3 , x3 + 18x2 − 9 , son linealmente
independientes.
b) Aplicando la definición de vectores independientes tenemos,



α1 (2x) + α2 x2 + 5 + α3 2 + x − 4x2 = 0 + 0x + 0x2
⇒ 2α1 x + α2 x2 + 5α2 + 2α3 + α3 x − 4α3 x2 = 0 + 0x + 0x2
(5α2 + 2α3 ) + (2α1 + α3 ) x + (2α2 − 4α3 ) x2 = 0 + 0x + 0x2

ecuación que genera el sistema de ecuaciones lineales homogéneo siguiente

5α2 + 2α3 = 0
2α1 + α3 = 0
2α2 − 4α3 = 0
 45

<|>
<|>

Ahora resolvamos mediante el determinante del sistema, ası́ que

0 5 2
5 2
2 0 1 = −2 = −2 (−20 − 4) = −2 (−24) = 48 6= 0
2 −4
0 2 −4

Como el determinate es distinto de cero, quiere decir que la solución del sistema es única (solución
 trivial), por ser ho-
mogéneo, es decir, α1 = α2 = α3 = 0. Entonces tenemos que los vectores del conjunto W = 2x, x2 + 5, 2 + x − 4x2
son linealmente independientes.

Para los siguientes incisos usaremos el Wronskiano definido como

f1 f2 f3 df d2 f
W (f1 , f2 , f3 ) = f10 f20 f30 donde f 0 = y f 00 =
f100 f200 f300 dx dx2

c) Para este conjunto de funciones tenemos

sin x cos x
W (sin x, cos x) = = − sin2 x − cos2 x = −1 6= 0
cos x − sin x

Como el Wronskiano es distinto de cero estonces las funciones del conjunto W = {sin x, cos x} son linealmente
independientes.
d) En este caso tenemos que el Wronskiano esta dado de la siguiente forma
1 1
x x2
1
x3
1 1 √
2 x √ 2
3( 3
x)
 1 1

1 1 − 32
 1 1
 √ √
W x, x , x
2 3 = 1 12 x− 2 3 x R1 ↔ R2 ⇒ W x, x , x 2 3 = (−1) x x 3
x
3 5 1 2
0 − 14 x− 2 − 29 x− 3 0 − √ 3 − √ 5
4( x) 9( 3
x)
1 1
1 √
2 x √ 2
3( 3 x)
1√ 2√
 1 1

R2 → R2 − xR1 ⇒ W x, x 2 , x 3 = (−1) 0 2 x 3 x
3

0 − √1 3 − √ 2
5
4( x) 9( 3 x)
1 1
1 √
2 x √ 2
3( 3 x)
√  1 1

4
R2 → 2/( xR2 ) ⇒ W x, x 2 , x 3 = (−1) 0 1 √
36x
0 − √1 3 − √ 2
5
4( x) 9( 3 x)
1 1
1 √
2 x 3( √ 2
3
x)
√ 3  1 1

4 1
R3 → R3 + R1 /(4( x) ) ⇒ W x, x 2 , x 3 = (−1) 0 1 √
36x =− √ 5 6= 0
1 9( 3
x)
0 0 √ 5
9( 3 x)

n 1 1
o
Como el Wronskiano es distinto de cero estonces las funciones del conjunto W = x, x 2 , x 3 son linealmente
independientes.
 46

<|>
<|>

Problema III.7: Mostrar si el conjunto de vectores {(1, 2, 1), (2, 1, 3), (3, 3, 4), (1, 2, 0)} es generador del espacio
vectorial R3
Solución: Consideremos el vector general (x, y, z) ∈ R3 , y lo escribimos como combinación lineal del conjunto en
cuestión, esto es,

(x, y, z) = α1 (1, 2, 1) + α2 (2, 1, 3) + α3 (3, 3, 4) + α4 (1, 2, 0)

= (α1 , 2α1 , α1 ) + (2α2 , α2 , 3α2 ) + (3α3 , 3α3 , 4α3 ) + (α4 , 2α4 , 0)
= (α1 + 2α2 + 3α3 + α4 , 2α1 + α2 + 3α3 + 2α4 , α1 + 3α2 + 4α3 )

de donde obtenemos el siguiente sistema de ecuaciones lineales

   
x = α1 + 2α2 + 3α3 + α4 1 2 3 1 x 1 2 3 1 x
(R 2 − 2R 1 → R )
2 
y = 2α1 + α2 + 3α3 + 2α4 ⇒  2 1 3 2 y  0 −3 −3 0 y − 2x 
(R3 − R1 → R3 )
z = α1 + 3α2 + 4α3 1 3 4 0 z 0 1 1 −1 z−x
   
1 2 3 1 x 1 2 3 1 x
(R2 − 2R1 → R2 ) 
0 −3 −3 0 y − 2x  R2 ↔ R3  0 1 1 −1 z−x 
(R3 − R1 → R3 )
0 1 1 −1 z − x 0 −3 −3 0 y − 2x
   
1 0 1 3 3x − 2z 1 0 1 0 −2x + y − 3z
(R1 − 2R2 → R1 )  (R 1 + R3 → R1 )
0 1 1 −1 z−x   0 1 1 0 2x − y + 4z 
(R3 + 3R2 → R3 ) (3R2 − R3 → R2 )
0 0 0 −3 y − 5x − z 0 0 0 −3 y − 5x − z
α1 = −2x + y − 3z − α3
⇒ α2 = 2x − y + 4z − α3
α4 = −(y − 5x − z)/3

como el sistema tiene solución (soluciones infinitas), entonces existen los escalares α1 , α2 , α3 y α4 para poder escribir
cualquier vector arbitrario de R3 como combinación lineal del conjunto {(1, 2, 1), (2, 1, 3), (3, 3, 4), (1, 2, 0)}, por lo
tanto, este conjunto es generador del espacio vectorial R3 .

Problema III.8: Encuentre una base para el conjunto de vectores que se encuentran en el plano 2x − y − z = 0.
Solución: Este conjunto se puede escribir como P = { (x, y, z)| 2x − y − z = 0}, donde (x, y, z) ∈ R3 . Como
necesitamos una base para este conjunto, entonces el plano 2x − y − z = 0 se puede ver como una ecuación homogénea
con tres incognitas, que al resolver tenemos

2x − y − z = 0 ⇒ x = y/2 + z/2
⇒ y = α y z = β, donde α, β ∈ R son parámetros libres
⇒ x = α/2 + β/2
(x, y, z) = (α/2 + β/2, α, β) = α(1/2, 1, 0) + β(1/2, 0, 1)

ası́, los vectores (1/2, 1, 0) y β(1/2, 0, 1) generam al plano y ademas son linealmente independientes, por lo tanto, una
base para todos los vectores que estan sobre el plano es el conjunto

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

de modo que Dim(P ) = 2.

 47

<|>
<|>

Problema III.9: Sea S = {v1 , v2 , v3 , v4 , v5 } un conjunto de vectores en R4 , donde v1 = (1, 2, −2, 1), v2 =
(−3, 3, −9, 6), v3 = (2, 1, 1, −1), v4 = (−3, 0, −4, 5) y v5 = (9, 3, 7, −6). Determinar una base para el conunto generado
por S.
Solución: Supngamos que

W = gen(S) = { u| u = α1 v1 + α2 v2 + α3 v3 + α4 v4 + α5 v5 }

entonces debemos hallar una base para W.

El procedimiento es, primero colocar los vectores como columnas de una matriz, después transformamos la matriz a
su forma escalonada reducida, y las columnas que tengan ”unos principales”, corresponden a los vectores que forman
la base. De esta manera tenemos
1 −3 2 −3 9
 

 2 3 1 0 3 
v 1 v 2 v3 v4 v5 = 
−2 −9 1 −4 7 
1 6 −1 5 −6
1 −3 2 −3 9
 
(R2 − 2R1 → R2 )
 0 9 −3 6 −15 
(R3 + 2R1 → R3 ) 
0 −15 5 −10 25 
(R4 − R1 → R4 )
0 9 −3 8 −15
1 −3 2 −3 9
 
 0 3 −1 2 −5 
(R2 /3 → R2 ) 
0 −15 5 −10 25 
0 9 −3 8 −15
1 0 1 −1 4
 
(R1 + R2 → R1 )
 0 3 −1 2 −5 
(R3 + 5R2 → R3 ) 
0 0 0 0 0 
(R4 − 3R2 → R4 )
0 0 0 2 0
1 0 1 −1 4
 
 0 3 −1 2 −5 
(R4 /2 → R4 ) 
0 0 0 0 0 
0 0 0 1 0
1 0 1 0 4
 
(R1 + R4 → R1 )  0 3 −1 0 −5 
(R2 − 2R4 → R2 )  0 0 0 0 0 
0 0 0 1 0
1 0 1 0 4
 
 0 1 −1/3 0 −5/3 
(R2 /3 → R2 ) 
0 0 0 0 0 
0 0 0 1 0

Ası́, las columnas con unos principales corresponden a los vectores v1 , v2 y v4 .

Por lo tanto, {v1 , v2 , v4 } es una base para W = gen(S) y entonces Dim(W ) = Dim(gen(S)) = 3.
Observación, los vectores se pueden colocar como columnas de la matriz en cualquier orden, posiblemente esto
cambie los vectores de la base, pero lo que no varı́a es el número de vectores de la base, siempre seran tres.
 48

<|>
<|>

Problema III.10: Consideremos los vectores u1 = (2, −2, 6) y u2 = (−4, 1, 6) del espacio vectorial R3 . Detreminar
el espacio vectorial generado por estos vectores.
Solución: Debemos hallar el espacio V = gen {u1 , u2 } = { v| v = α1 u1 + α2 u2 }, sea v = (x, y, z) ∈ V , entonces

v = α1 u1 + α2 u2 ⇒ (x, y, z) = α1 (2, −2, 6) + α2 (−4, 1, 6) = (2α1 , −2α1 , 6α1 ) + (−4α2 , α2 , 6α2 )

⇒ (x, y, z) = (2α1 − 4α2 , −2α1 + α2 , 6α1 + 6α2 )

ecuación que genera el siguiente sistema de ecuaciones lineales

2α1 − 4α2 = x
−2α1 + α2 = y
6α1 + 6α2 = z

resolviendo por medio de la matriz aumentada, resulta

   
2 −4 x 2 −4 x
(R 2 + R 1 → R 2 )
⇒  −2 1 y  0 −3 y+x 
(R3 − 3R1 → R3 )
6 6 z 0 18 z − 3x
 
2 −4 x
(R3 + 6R2 → R3 )  0 −3 y+x 
0 0 z + 3x + 6y
 
2 −4 x
(R2 /(−3) → R2 )  0 1 −(y + x)/3 
0 0 z + 3x + 6y
 
2 0 −(x − 4y)/3
(R1 + 4R2 → R1 )  0 1 −(y + x)/3 
0 0 z + 3x + 6y
 
1 0 −(x − 4y)/6
(R1 /2 → R1 )  0 1 −(y + x)/3 
0 0 z + 3x + 6y

De la solución tenemos que,

R3 ⇒ z + 3x + 6y = 0

Por lo tanto, el espacio generado por los vectores u1 = (2, −2, 6) y u2 = (−4, 1, 6), es el plano z + 3x + 6y = 0, el
cual pasa por el origen, de otra manera

V = gen {u1 , u2 } = { (x, y, z)| 3x + 6y + z = 0}

En general, cualquier par de vectores en R3 genera un plano que pasa por el origen de coordenadas.
 49

<|>
<|>

Problema III.11: Sean u1 = (1, 0, 1, 0) y u2 = (−1, 1, −1, 0) dos vectores linealmente independientes de R4 .
Construir una base para R4 que contenga a los vectores u1 y u2 .
Solución: Sabemos que una base de R4 debe contener cuatro vectores, de manera que para acompletar la base
deseada nos restan dos vectores que sean linealmente independientes entre si y con los dos que tenemos.
Los dos vectores faltantes los tomaremos de la base canónica de R4 , esto es, del conjunto {e1 , e2 , e3 , e4 } donde
e1 = (1, 0, 0, 0), e2 = (0, 1, 0, 0), e3 = (0, 0, 1, 0) y e4 = (0, 0, 0, 1).
Ahora colocamos los seis vectores como columnas de una matriz y esta la transformamos a su forma escalonada
reducida, las columnas con unos principales serán los vectores base de R4 , colocamos como primeras dos columnas a
los vectores u1 y u2 , y en estas columnas obtenemos un uno principal para asugurar estos vectores esten en la base.
Entonces tenemos
1 −1 1 0 0 0
 

0 1 0 1 0 0
u1 u2 e1 e2 e3 e4 = 
1 −1 0 0 1 0 
0 0 0 0 0 1
1 −1 1 0 0 0
 
0 1 0 1 0 0
(R3 − R1 → R3 ) 
0 0 −1 0 1 0 
0 0 0 0 0 1
1 0 1 1 0 0
 
0 1 0 1 0 0
(R1 + R2 → R1 ) 
0 0 −1 0 1 0 
0 0 0 0 0 1

esta última matriz es la reducida, vemos que hay unos principales en las columnas 1, 2, 5 y 6, estas corresponden al
conjunto de vectores {u1 , u2 , e3 , e4 }.
Por lo tanto, una base de R4 esta formada por los vectores {(1, 0, 1, 0), (−1, 1, −1, 0), (0, 0, 1, 0), (0, 0, 0, 1)}.
Podemos obtener otras columnas con unos principales, por ejemplo, de la última matriz

1 0 1 1 0 0 1 0 0 1 1 0
   
0 1 0 1 00 0 1 0 1 0 0
(R1 + R3 → R1 ) 
0 0 −1 0 01 0 0 −1 0 1 0
0 0 0 0 1 0 0 0 0 0 0 1
1 0 0 1 1 0
 
0 1 0 1 0 0
((−1)R3 → R3 ) 
0 0 1 0 −1 0 
0 0 0 0 0 1

donde ahora los unos principales estan en las columnas que corresponden a los vectores {u1 , u2 , e1 , e4 }, por lo cual, la
base en este caso esta formada por el conjunto {(1, 0, 1, 0), (−1, 1, −1, 0), (1, 0, 0, 0), (0, 0, 0, 1)}.
 50

<|>
<|>

Problema III.12: Encuentre una base para el espacio solución del sistema de ecuaciones lineales homegéneo
siguiente,

2x − 6y + 4z = 0
−x + 3y − 2z = 0
−3x + 9y − 6z = 0

Solución: Tenemos que encontrar los vectores que generan a la solución del sistema, entonces primero resolvemso
el sistema
   
2x − 6y + 4z = 0 2 −6 4 0 1 −3 2 0
−x + 3y − 2z = 0 ⇒  −1 3 −2 0  (R1 /2 → R1 )  −1 3 −2 0
−3x + 9y − 6z = 0 −3 9 −6 0 −3 9 −6 0
 
1 −3 2 0
R2 + R1 → R2 
0 0 0 0
R3 + 3R1 → R3
0 0 0 0

de donde la solución esta dada por

R1 ⇒ x = 3y − 2z ⇒ x = 3α − 2β donde α, β ∈ R, son parametros libres

Entonces podemos escribir la solución del sistema como

(x, y, z) = (3α − 2β, α, β) = α(3, 1, 0) + β(−2, 0, 1)

esto significa que cualquier solución del sistema se puede escribir como combinación de los vectores {(3, 1, 0), (−2, 0, 1)},
es decir, estos vectores generan al espacio solución.
Checamos ahora si son linealmente independientes,

α1 (3, 1, 0) + α2 (−2, 0, 1) = (0, 0, 0)

⇒ (3α1 , α1 , 0) + (−2α2 , 0, α2 ) = (3α1 − 2α2 , α1 , α2 ) = (0, 0, 0)
3α1 − 2α2 = 0
⇒ α1 = 0
α2 = 0

como la solución es única (solución trivial α1 = α2 = 0) entonces los vecores son linealmente independientes.
Por lo tanto, el conjunto de vectores {(3, 1, 0), (−2, 0, 1)} genera a la solución del sistema de euaciones y además es
linealmente independiente, entonces es una base para el espacio solución.
Cualquier multiplo de estos vectores, también será una base para el espacio solución del sistema de ecuaciones
lineales.
 51

<|>
<|>

Problema III.13: Determine si el siguiente conjunto de vectores 1 − x, 3 − x2 , x forma o no una base para el
espacio vectorial P2 .
Solución: Para saber si este conjunto es base de P2 , debemos probar que es un conjunto que genera a P2 y además
que son vectores linealmente independientes.
Verifiquemos si es o no un conjunto generador, cualquier
 vector arbitrario a0 +a1 x+a2 x2 ∈ P2 , debe poder escribirse
como combinación lineal del conjunto de vectores 1 − x, 3 − x2 , x , esto es,

a0 + a1 x + a2 x2 = α1 (1 − x) + α2 (3 − x2 ) + α3 x
= (α1 + 3α2 ) + (−α1 + α3 )x − α2 x2

de donde obtenemos el sisguiente sistema de ecuaciones lineales

α1 + 3α2 = a0 α1 = a0 + 3a2
−α1 + α3 = a1 ⇒ α2 = −a2
−α2 = a2 α3 = a0 + a1 + 3a2

Como el sistema tiene solución, entonces el conjunto de vectores genera a cualquier vector de P2 .
Chequemos ahora si este conjunto de vectores es linealmente independiente, mediante el determinate tenemos
     
0 −1 0
1 − x =  −1  , 3 − x2 =  0  , x =  1 
1 3 0

entonces
0 −1 0
−1 0 1 = −1 6= 0
1 3 0

si el determinate es distinto de cero, quiere decir que los vectores son linealemente independientes.

Por lo tanto, si el conjunto de vectores 1 − x, 3 − x2 , x genera a P2 y el linealmente independiente entonces es
una base para el espacio vectorial en cuestion.
 52

<|>
<|>
 
Problema III.14: Si S = t2 + t + 1, t2 + 2t + 3, t2 + 1 y T t + 1, t2 , t2 + 1 son dos bases del espacio vectorial
P2 , determinar las matrices de transición de la base T a la base S (PT →S ) y de la base S a la base T (QS→T ).

Solución: Método A) Para obtener la matriz (PT →S ), escribimos los vectores de la base T en términos de los
vectores de la base S, esto es,

t + 1 = a11 (t2 + t + 1) + a21 (t2 + 2t + 3) + a31 (t2 + 1)

= (a11 + a21 + a31 )t2 + (a11 + 2a21 )t + (a11 + 3a21 + a31 )

obteniendose el siguiente sistema de ecuaciones lineales, con su correspondiente solución,

0 = a11 + a21 + a31 a11 = 0
1 = a11 + 2a21 ⇒ a21 = 1/2
1 = a11 + 3a21 + a31 a31 = −1/2

De la misma forma

t2 = a12 (t2 + t + 1) + a22 (t2 + 2t + 3) + a32 (t2 + 1)

= (a12 + a22 + a32 )t2 + (a12 + 2a22 )t + (a12 + 3a22 + a32 )

ecuación que origina el sistema de ecuaciones lineales siguiente, con su respectiva solución,
1 = a12 + a22 + a32 a12 = 1
0 = a12 + 2a22 ⇒ a22 = −1/2
0 = a12 + 3a22 + a32 a32 = 1/2

Finalmente también

t2 + 1 = a13 (t2 + t + 1) + a23 (t2 + 2t + 3) + a33 (t2 + 1)

= (a13 + a23 + a33 )t2 + (a13 + 2a23 )t + (a13 + 3a23 + a33 )

de la cual tenemos
1 = a13 + a23 + a33 a13 = 0
0 = a13 + 2a23 ⇒ a23 = 0
1 = a13 + 3a23 + a33 a33 = 1

Por lo tanto la matriz de cambio de base o de transición de la base T a la base S es,

   
a11 a12 a13 0 1 0
PT →S =  a21 a22 a23  =  1/2 −1/2 0 
a31 a32 a33 −1/2 1/2 1

Método B) Construimos una matriz doble que contenga a los vectores de ambas bases (dispuestos como columnas)
y transformamos la matriz de la base S a la identidad y la matriz de la base T sera la matriz de cambio de base
PT →S . Esto es,
   
1 1 1 0 1 1 1 1 1 0 1 1
R − R1 → R2 
( Base S| Base T ) =  1 2 0 1 0 0  2 0 1 −1 1 −1 −1 
R3 − R1 → R3
1 3 1 1 0 1 0 2 0 1 −1 0
   
1 1 1 0 1 1 1 0 1 −1/2 3/2 1
R − R2 → R1 
R3 /2 ↔ R2  0 1 0 1/2 −1/2 0  1 0 1 0 1/2 −1/2 0 
R3 − R2 → R3
0 1 −1 1 −1 −1 0 0 −1 1/2 −1/2 −1
   
1 0 0 0 1 0 1 0 0 0 1 0
R1 + R3 → R1  0 1 0 1/2 −1/2 0  −R3 → R3  0 1 0 1/2 −1/2 0 
0 0 −1 1/2 −1/2 −1 0 0 1 −1/2 1/2 1
 53

<|>
<|>

Por lo tanto, la matriz de transición de la base T a la base S es,

 
0 1 0
PT →S =  1/2 −1/2 0 
−1/2 1/2 1

Método A) Para obtener la matriz QS→T , escribimos los vectores de la base S en términos de los vectores de la
base T , esto es,

t2 + t + 1 = a11 (t + 1) + a21 (t2 ) + a31 (t2 + 1)

= (a21 + a31 )t2 + (a11 )t + (a11 + a31 )

obteniendose el siguiente sistema de ecuaciones lineales, con su correspondiente solución,

1 = a21 + a31 a11 = 1

1 = a11 ⇒ a21 = 1
1 = a11 + a31 a31 = 0

De la misma forma

t2 + 2t + 3 = a12 (t + 1) + a22 (t2 ) + a32 (t2 + 1)

= (a22 + a32 )t2 + (a12 )t + (a12 + a32 )

ecuación que origina el sistema de ecuaciones lineales siguiente, con su respectiva solución,

1 = a22 + a32 a12 = 2

2 = a12 ⇒ a22 = 0
3 = a12 + a32 a32 = 1

Finalmente también

t2 + 1 = a13 (t + 1) + a23 (t2 ) + a33 (t2 + 1)

= (a23 + a33 )t2 + (a13 )t + (a13 + a33 )

de la cual tenemos
1 = a23 + a33 a13 = 0
0 = a13 ⇒ a23 = 0
1 = a13 + a33 a33 = 1

Por lo tanto la matriz de cambio de base o de transición de la base T a la base S es,

   
a11 a12 a13 1 2 0
QS→T =  a21 a22 a23  =  1 0 0
a31 a32 a33 0 1 1
 54

<|>
<|>

Método B) Construimos una matriz doble que contenga a los vectores de ambas bases (dispuestos como columnas)
y transformamos la matriz de la base T a la identidad y la matriz de la base S sera la matriz de cambio de base
QS→T . Esto es,
   
1 1 1 0 1 1 1 2 0 1 0 0
( Base S| Base T ) =  1 2 0 1 0 0  R1 ↔ R2  1 1 1 0 1 1 
1 3 1 1 0 1 1 3 1 1 0 1
   
1 2 0 1 0 0 1 2 0 1 0 0
R3 − R1 → R3  1 1 1 0 1 1  R2 − R3 → R2  1 0 0 0 1 0 
0 1 1 0 0 1 0 1 1 0 0 1

Por lo tanto, la matriz de transición de la base S a la base T es,

 
1 2 0
QS→T =  1 0 0 
0 1 1

Se debe cumplir para estas dos matrices que (PT →S ) · (QS→T ) = I, verifiquemos
    
0 1 0 1 2 0 1 0 0
(PT →S ) · (QS→T ) =  1/2 −1/2 0   1 0 0=0 1 0
−1/2 1/2 1 0 1 1 0 0 1
 55

<|>
<|>

Problema III.15: Considere las siguientes bases del espacio vectorial R3 , S = {(0, −2, 3), (0, 1, 1), (1, 1, 0)} y
T = {(0, −1, 1), (0, 3, 0), (1, −1, 1)}. Sean [u]T = (2, 1, 3) y [v]S = (−1, 4, 1) dos vectores escritos en términos de las
bases S y T respectivamente.
a) Determine la matriz de transición de la base T a la base S.
b) Encuentre [u]S .
c) Determine la matriz de transición de la base S a la base T .
d) Encuentre [v]T .
Solución: Para encontrar las matrices de transición usaremos las matrices dobles, las cuales contienen a las dos
bases.
a) Para la matriz PT →S tenemos,
   
0 0 1 0 0 1 3 1 0 1 0 1
( Base S| Base T ) =  −2 1 1 −1 3 −1  R1 ↔ R3  −2 1 1 −1 3 −1 
3 1 0 1 0 1 0 0 1 0 0 1
   
1 1/3 0 1/3 0 1/3 1 1/3 0 1/3 0 1/3
R1 /3 → R1  −2 1 1 −1 3 −1  R2 + 2R1 → R2  0 5/3 1 −1/3 3 −1/3 
0 0 1 0 0 1 0 0 1 0 0 1
   
1 1/3 0 1/3 0 1/3 1 1/3 0 1/3 0 1/3
R2 − R3 → R2  0 5/3 0 −1/3 3 −4/3  3R2 /5 → R2  0 1 0 −1/5 9/5 −4/5 
0 0 1 0 0 1 0 0 1 0 0 1
 
1 0 0 2/5 −3/5 3/5
R1 − R2 /3 → R1  0 1 0 −1/5 9/5 −4/5 
0 0 1 0 0 1

Por lo tanto,
 
2/5 −3/5 3/5
PT →S =  −1/5 9/5 −4/5 
0 0 1

b) [u]T = (2, 1, 3) significa que el vector u esta escrito en terminos de la base T , esto es,

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

ahora ya tenemos al vector u en términos de la base canónica, y lo podemos escribir en términos de la base S, esto es,

u = (3, −2, 5) = α1 (0, −2, 3) + α2 (0, 1, 1) + α3 (1, 1, 0)

= (α3 , −2α1 + α2 + α3 , 3α1 + α2 )

de donde se obtiene el sistema de ecuaciones lineales y su solución

3 = α3 α1 = 2
−2 = −2α1 + α2 + α3 ⇒ α2 = −1
5 = 3α1 + α2 α3 = 3

Por lo tanto,

[u]S = (α1 , α2 , α3 ) = (2, −1, 3)

 56

<|>
<|>
Otra manera de obtener este vector es, mediante la matriz PT →S , ya que esta transforma un vector de la base T a
la base S, de la siguiente forma
    
2/5 −3/5 3/5 2 2
[u]S = (PT →S ) [u]T =  −1/5 9/5 −4/5   1  =  −1 
0 0 1 3 3

c) Para la matriz QS→T tenemos,

   
0 0 1 0 0 1 3 1 0 1 0 1
( Base S| Base T ) =  −2 1 1 −1 3 −1  R1 ↔ R3  −2 1 1 −1 3 −1 
3 1 0 1 0 1 0 0 1 0 0 1
   
3 1 0 1 0 1 3 1 −1 1 0 0
R2 + R1 → R2  1 2 1 0 3 0  R1 − R3 → R1  1 2 1 0 3 0
0 0 1 0 0 1 0 0 1 0 0 1
 
3 1 −1 1 0 0
R2 /3 → R2  1/3 2/3 1/3 0 1 0 
0 0 1 0 0 1

Por lo tanto,
 
3 1 −1
QS→T =  1/3 2/3 1/3 
0 0 1

d) [v]S = (−1, 4, 1) significa que el vector v esta escrito en terminos de la base S, esto es,
v = −1(0, −2, 3) + 4(0, 1, 1) + 1(1, 1, 0) = (0, 2, −3) + (0, 4, 4) + (1, 1, 0) = (1, 7, 1)
ahora ya tenemos al vector u en términos de la base canónica, y lo podemos escribir en términos de la base T , esto es,
u = (1, 7, 1) = α1 (0, −1, 1) + α2 (0, 3, 0) + α3 (1, −1, 1)
= (α3 , −α1 + 3α2 − α3 , α1 + α3 )
de donde se obtiene el sistema de ecuaciones lineales y su solución
1 = α3 α1 = 0
7 = −α1 + 3α2 − α3 ⇒ α2 = 8/3
1 = α1 + α3 α3 = 1
Por lo tanto,
[u]S = (α1 , α2 , α3 ) = (0, 8/3, 1)
Otra manera de obtener este vector es, mediante la matriz PT →S , ya que esta transforma un vector de la base T a
la base S, de la siguiente forma
    
3 1 −1 −1 0
[u]S = (QS→T ) [v]S =  1/3 2/3 1/3   4  =  8/3 
0 0 1 1 1

Solo para verificar nuestros resultados de las matrices tenemos que

    
2/5 −3/5 3/5 3 1 −1 1 0 0
(PT →S )(QS→T ) =  −1/5 9/5 −4/5   1/3 2/3 1/3  =  0 1 0 
0 0 1 0 0 1 0 0 1
 57

<|>
<|>

Problema III.16: Sean S = {v1 , v2 , v3 } y T = {w1 , w2 , w3 } dos bases del espacio vectorial R3 , donde v1 = (1, 0, 1),
v2 = (−1, 0, 0) y v3 = (0, 1, 2). Si la matriz de cambio de la base T a la base S esta dada por
 
−2 −5 −2
PT →S =  −1 −6 −2 
1 2 1

determinar los vectores de la base T .

Solución: Método A) Sabemos que las columnas de la matriz de transición PT →S son los vectores de la base T ,
escritos en términos de los vectores de la base S, (ver Problema III.7 MétodoA)), esto es,
     
−2 −5 −2
[w1 ]S =  −1  , [w2 ]S =  −6  , [w3 ]S =  −2 
1 2 1

por lo tanto, tenemos que

w1 = (−2)(1, 0, 1) + (−1)(−1, 0, 0) + (1)(0, 1, 2) = (−1, 1, 0)

w2 = (−5)(1, 0, 1) + (−6)(−1, 0, 0) + (2)(0, 1, 2) = (1, 2, −1)

w3 = (−2)(1, 0, 1) + (−2)(−1, 0, 0) + (1)(0, 1, 2) = (0, 1, 0)

Por lo tanto, los vectores de la base T estan dados por: w1 = (−1, 1, 0), w2 = (1, 2, −1) y w3 = (0, 1, 0).

Método B) Construimos una metriz doble, en una colocamos la matriz identidad y en la otra la matriz de transición
PT →S , ahora transformamos la matriz identidad en la base S y la otra matriz automaticamente nos dara los vectores
de la base T , (ver Problema III.7 MétodoB)), es decir,
   
1 0 0 −2 −5 −2 1 0 0 −2 −5 −2
 0 1 0 −1 −6 −2  R2 ↔ R3  0 0 1 1 2 1 
0 0 1 1 2 1 0 1 0 −1 −6 −2
 
1 −1 0 −1 1 0
R1 − R3 → R1  0 0 1 1 2 1 
0 1 0 −1 −6 −2
 
1 −1 0 −1 1 0
R3 + 2R2 → R3  0 0 1 1 2 1 
0 1 2 1 −2 0
 
1 −1 0 −1 1 0
R3 + R1 → R3  0 0 1 1 2 1 
1 0 2 0 −1 0

Ası́, las columnas de la segunda matriz de la matriz doble son los vectores de la base T , estos soṅ: w1 = (−1, 1, 0),
w2 = (1, 2, −1) y w3 = (0, 1, 0).
 58

<|>
<|>

Problema III.17: Si conocemos [u]S (al vector u en términos de la base S), donde S es una base conocida,
determine al vector u en términos de la base canónica correspondiente al espacio vectorial que se muestra para cada
caso,
 
−1
a) [u]S =  1  donde S = {(0, 1, −1), (1, 0, 0), (1, 1, 1)} es una base de R3 .
2
 
3 
b) [u]S =  −1  donde S = x2 + 1, x + 1, x2 + x es una base de P2 .
−2
 
α1
 α2 
Solución: Recordemos que si [u]S =  .  entonces esto significa que u = α1 v1 + α2 v2 + ... + αn vn donde
 
.
 . 
αn
S = {v1 , v2 , ..., vn } es una base del espacio vectorial en cuestión. En otras palabras, escribimos al vector u como
combinación lineal de los vectores de la base S, donde los coeficientes de esta combinación lineal son las componentes
de vector [u]S .
a) Para este caso tenemos que,

u = (−1)(0, 1, −1) + (1)(1, 0, 0) + (2)(1, 1, 1) = (3, 1, 3)

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

donde la C = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} es la base canónica de R3 .

Por lo tanto,
 
3
[u]C =  1 
3
.
Otra manera es usando la matriz de cambio de la base S a la base canónica C, colocamos los vectores de ambas
bases en la matriz doble y obtenemos la matris de transición PS→C , esto es,
 
0 1 1 1 0 0
 1 0 1 0 1 0
−1 0 1 0 0 1

transformamos la matriz derecha (la base canónica) en la identidad, la cual ya tiene la forma, y la matriz izquierda
sera la matriz de transición. Entonces
 
0 1 1
PS→C =  1 0 1 
−1 0 1

Por lo tanto,
    
0 1 1 −1 3
[u]C = (PS→C )([u]S ) =  1 0 1   1  =  1 
−1 0 1 2 3
 59

<|>
<|>

b) Para este polinomio tenemos lo siguiente,

u = (3)(x2 + 1) + (−1)(x + 1) + (−2)(x2 + x) = x2 − 3x + 2

= (1)x2 + (−3)x + (2)1

donde la C = x2 , x, 1 es la base canónica de P2 . Esto significa que tenemos expresado al polinomio en términos de
la base canónica.  
1
Por lo tanto, [u]C =  −3 .
2
Ahora usemos la matriz de cambio de la base S a la base canónica C, nuevamente colocamos los vectores de ambas
bases en la matriz doble y obtenemos la matris de transición PS→C , esto es,
 
1 0 1 1 0 0
 0 1 1 0 1 0
1 1 0 0 0 1

transformamos la matriz derecha (la base canónica) en la identidad, la cual ya tiene la forma, y la matriz izquierda
sera la matriz de transición. Entonces
 
1 0 1
PS→C =  0 1 1 
1 1 0

Por lo tanto,
    
1 0 1 3 1
[u]C = (PS→C )([u]S ) =  0 1 1   −1  =  −3 
1 1 0 −2 2
 60

<|>
<|>

Problema III.18: Considere el conjunto de vectores E = {er , eθ , eφ }, vectores base en coordenadas esférica, y
C = {eρ , eϕ , ez }, vectores base en coordenadas cilı́ndricas, ambos conjuntos son bases del espacio vectorial R3 , donde
er = (sin θ cos φ, sin θ sin φ, cos θ), eθ = (cos θ cos φ, cos θ sin φ, − sin θ), eφ = (− sin φ, cos φ, 0), eρ = (cos φ, sin φ, 0),
eϕ = (− sin φ, cos φ, 0) y ez = (0, 0, 1).determinar los vectores de la base T .
Detreminar las matrices de transición o de cambio de base, de coordenadas esféricas a coordenadas cilı́ndricas y
viceversa.
Solución: Para determinar estas matrices usaremos la matriz doble, colocando los vectores de ambas bases como
columnas, y después transfromamos una de ellas en la identidad y la otra sera una matriz de transición.
De esféricas a cilı́ndricas ME→C ,
 

cos φ − sin φ 0 sin θ cos φ cos θ cos φ − sin φ
eρ eϕ ez er eθ eφ =  sin φ cos φ 0 sin θ sin φ cos θ sin φ cos φ 
0 0 1 cos θ − sin θ 0
 2 2 2

cos φ − sin φ cos φ 0 sin θ cos φ cos θ cos φ − sin φ cos φ
((cos φ)R1 → R1 ) 
sin2 φ cos φ sin φ 0 sin θ sin2 φ cos θ sin2 φ cos φ sin φ 
((sin φ)R2 → R2 )
0 0 1 cos θ − sin θ 0
2
0 sin θ(cos φ + sin φ) cos θ(cos2 φ + sin2 φ)
2
 2 2

cos φ + sin φ 0 0
(R1 + R2 → R1 )  sin2 φ cos φ sin φ 0 sin θ sin2 φ cos θ sin2 φ cos φ sin φ 
0 0 1 cos θ − sin θ 0
 
1 0 0 sin θ cos θ 0
⇒  sin2 φ cos φ sin φ 0 sin θ sin2 φ cos θ sin2 φ cos φ sin φ 
0 0 1 cos θ − sin θ 0
 
1 0 0 sin θ cos θ 0
(R2 − (sin2 φ)R1 → R2 )  0 cos φ sin φ 0 0 0 cos φ sin φ 
0 0 1 cos θ − sin θ 0
 
1 0 0 sin θ cos θ 0
(R2 /(cos φ sin φ) → R2 )  0 1 0 0 0 1
0 0 1 cos θ − sin θ 0

Por lo tanto, la matriz de transición de coordenadas esféricas a cilı́ndricas esta dada por
 
sin θ cos θ 0
ME→C =  0 0 1
cos θ − sin θ 0
 61

<|>
<|>

Ahora de cilı́ndricas a esféricas MC→E

 

sin θ cos φ cos θ cos φ − sin φ cos φ − sin φ 0
er eθ eφ eρ eϕ ez =  sin θ sin φ cos θ sin φ cos φ sin φ cos φ 0 
cos θ − sin θ 0 0 0 1
 
cos θ − sin θ 0 0 0 1
(R1 ↔ R3 )  sin θ sin φ cos θ sin φ cos φ sin φ cos φ 0 
sin θ cos φ cos θ cos φ − sin φ cos φ − sin φ 0
 
1 − sin θ/ cos θ 0 0 0 1/ cos θ
(R1 /(cos θ) → R1 )  sin θ sin φ cos θ sin φ cos φ sin φ cos φ 0 
sin θ cos φ cos θ cos φ − sin φ cos φ − sin φ 0
 
1 − sin θ/ cos θ 0 0 0 1/ cos θ
(R2 − (sin θ sin φ)R1 → R2 ) 
0 sin φ/ cos θ cos φ sin φ cos φ − sin θ sin φ/ cos θ 
(R3 − (sin θ cos φ)R1 → R3 )
0 cos φ/ cos θ − sin φ cos φ − sin φ − sin θ cos φ/ cos θ
 
1 − sin θ/ cos θ 0 0 0 1/ cos θ
((cos θ)R2 /(sin φ) → R2 )  0 1 cos φ cos θ/ sin φ cos θ cos φ cos θ/ sin φ − sin θ 
0 cos φ/ cos θ − sin φ cos φ − sin φ − sin θ cos φ/ cos θ

 
1 0 cos φ sin θ/ sin φ sin θ sin θ cos φ/ sin φ cos θ
(R1 + (sin θ/ cos θ)R2 → R1 ) 
0 1 cos φ cos θ/ sin φ cos θ cos φ cos θ/ sin φ − sin θ 
(R3 − (cos φ/ cos θ)R2 → R3 )
0 0 −1/ sin φ 0 −1/ sin φ 0
 
1 0 0 sin θ 0 cos θ
(R1 + (cos φ sin θ)R3 → R1 ) 
0 1 0 cos θ 0 − sin θ 
(R2 + (cos φ cos θ)R3 → R2 )
0 0 −1/ sin φ 0 −1/ sin φ 0
 
1 0 0 sin θ 0 cos θ
((− sin φ)R3 → R3 )  0 1 0 cos θ 0 − sin θ 
0 0 1 0 1 0

Ası́, la matriz de cambio de base de coordenadas esféricas a cilı́ndricas tiene la forma

 
sin θ 0 cos θ
ME→C =  cos θ 0 − sin θ 
0 1 0
 62

<|>
<|>

Problema III.19: Encuentre una base ortonormal para el espacio solución del sistema de ecuaciones lineales
homogéneo siguiente

x1 + x2 + 2x4 = 0
−2x1 − 2x2 + x3 − 5x4 = 0
x1 + x2 − x3 + 3x4 = 0
4x1 + 4x2 − x3 + 9x4 = 0

Solución: Reolvemos el sistema, usando la matriz aumentada

1 1 0 2 0 1 1 0 2 0 1 1 0 2 0
     
(R2 + 2R1 → R2 )
 −2 −2 1 −5 0  0 0 1 −1 0  (R3 + R2 → R3 )  0 0 −1 1 0
(R3 − R1 → R3 ) 
 1 1 −1 3 0 0 0 −1 1 0  (R4 + R2 → R4 )  0 0 0 0 0
(R4 − 4R1 → R4 )
4 4 −1 9 0 0 0 −1 1 0 0 0 0 0 0
x1 = −α − 2β
R1 ⇒ x1 = −x2 − 2x4 x2 = α ∈ R x =α
⇒ son parámetros libres ⇒ 2
R2 ⇒ x3 = x4 x4 = β ∈ R x3 =β
x4 =β

de manera que los vectores solución son de la forma

(x1 , x2 , x3 , x4 ) = (−α − 2β, α, β, β) = α(−1, 1, 0, 0) + β(−2, 0, 1, 1)

Entonces una base para el espacio solución es {(−1, 1, 0, 0), (−2, 0, 1, 1)}.
Ahora ortonormalizamos los vectores usando el proceso de Gram-Schmidt, esto es, sean u1 = (−1, 1, 0, 0) y u2 =
(−2, 0, 1, 1) entonces

v1 = u1 = (−1, 1, 0, 0)
 
u2 · v1
v2 = u 2 − v1 = (−1, −1, 1, 1)
v1 · v1

los vectores v1 y v2 son ortogonales, esto es, v1 · v2 (−1, 1, 0, 0) · (−1, −1, 1, 1) = 0, normalizando
v1 √ √
w1 = = (−1/ 2, 1/ 2, 0, 0)
|v1 |
v2
w2 = = (−1/2, −1/2, 1/4, 1/4)
|v2 |

de manera que el conjunto de vectores {w1 , w2 } es ortonormal y es una base del espacio solución del sistema de
ecuaciones lineales.
 63

<|>
<|>

Problema III.20: Considere el siguiente conjunto de vectores S = {(1, −2, 3), (−2, 2, 2), (5/7, 4/7, 1/7)}, el cual
es una base ortognonal de R3 . Escriba al vector u = (12, −6, 6) ∈ R3 como cambinación lineal de los vectores de S.
Solución: Sea v1 = (1, −2, 3), v2 = (−2, 2, 2) y v3 = (5/7, 4/7, 1/7), observamos que estos vectores satisface la
condición de que,

v1 · v2 = (1, −2, 3) · (−2, 2, 2) = −2 − 4 + 6 = 0

v1 · v3 = (1, −2, 3) · (5/7, 4/7, 1/7) = 5/7 − 8/7 + 3/7 = 0
v2 · v3 = (−2, 2, 2) · (5/7, 4/7, 1/7) = −10/7 + 8/7 + 2/7 = 0

esto es, los vectores v1 , v2 y v3 son ortogonales. Por lo tanto, podemos escribir al vector u, de la siguiente manera
u · v1 u · v2 u · v3
u= v1 + v2 + v3
v1 · v1 v2 · v2 v 3 · v3
sustituyendo los vectores tenemos

(12, −6, 6) · (1, −2, 3) (12, −6, 6) · (−2, 2, 2)

(12, −6, 6) = (1, −2, 3) + (−2, 2, 2)
(1, −2, 3) · (1, −2, 3) (−2, 2, 2) · (−2, 2, 2)
(12, −6, 6) · (5/7, 4/7, 1/7)
+ (5/7, 4/7, 1/7)
(5/7, 4/7, 1/7) · (5/7, 4/7, 1/7)
42 −24 6
= (1, −2, 3) + (−2, 2, 2) + (5/7, 4/7, 1/7)
14 12 (6/7)

= 3(1, −2, 3) − 2(−2, 2, 2) + 7(5/7, 4/7, 1/7)

Por lo tanto, tenemos que u escrito como combinación lineal de v1 , v2 y v3 , tiene la forma

u = 3v1 − 2v2 + 7v3

Problema III.21: Sea el conjunto de vectores S = {v1 , v2 , v3 } una base ortonormal del espacio vectorial R3 , donde
v1 = (2/3, −2/3, 1/3), v2 = (2/3, 1/3, −2/3) y v3 = (1/3, 2/3, 2/3). Si u = (3, 4, 5) ∈ R3 , determinar de [u]S .
Solución: Tenemos que determinar los coeficientes escalares α1 , α2 y α3 tales que
 
α1
u = α1 v1 + α2 v2 + α3 v3 ⇒ [u]S =  α2 
α3

Usando el hecho de que S es una base ortonormal, entonces los coeficientes de la combinación lineal estan dados por
6 8 5 3
α1 = u · v1 = (3, 4, 5) · (2/3, −2/3, 1/3) = − + = =1
3 3 3 3
6 4 10 0
α2 = u · v2 = (3, 4, 5) · (2/3, 1/3, −2/3) = + − = =0
3 3 3 3
3 8 10 21
α3 = u · v3 = (3, 4, 5) · (1/3, 2/3, 2/3) = + + = =7
3 3 3 3
Por lo tanto,
   
α1 1
[u]S =  α2  =  0 
α3 7
 64

<|>
<|>

Problema III.22: Dada la base S = {v1 , v2 , v3 } del espacio vectorial R3 , donde v1 = (1, −1, 1), v2 = (−2, 3, −1)
y v3 = (1, 2, −4). Determine una base ortonormal de R3 usando la base de vectores de S.
Solución: Aplicamos el proceso de ortonormalización de Gram-Schmidt, esto es,

u1 = v1 = (1, −1, 1)

después
v2 · u1
u2 = v2 − u1
u1 · u1
(−2, 3, −1) · (1, −1, 1) −6
= (−2, 3, −1) − (1, −1, 1) = (−2, 3, −1) − (1, −1, 1)
(1, −1, 1) · (1, −1, 1) 3
= (0, 1, 1)

finalmente
v3 · u1 v3 · u2
u3 = v3 − u1 − u2
u1 · u1 u2 · u2
(1, 2, −4) · (1, −1, 1) (1, 2, −4) · (0, 1, 1)
= (1, 2, −4) − (1, −1, 1) − (0, 1, 1)
(1, −1, 1) · (1, −1, 1) (0, 1, 1) · (0, 1, 1)
−5 −2
= (1, 2, −4) − (1, −1, 1) − (0, 1, 1)
3 2
= (8/3, 4/3, −4/3)

De esta manera, el conjunto de vectores {u1 , u2 , u3 } es una base ortogonal de R3 , ası́ que solo normalizamos estos
vectores,
 
u1 1 1 1 1
w1 = = √ (1, −1, 1) = √ , − √ , √
|u1 | 3 3 3 3
 
u2 1 1 1
w2 = = √ (0, 1, 1) = 0, √ , √
|u2 | 2 2 2
 
u3 3 2 1 −1
w3 = = √ (8/3, 4/3, −4/3) = √ , √ , √
|u3 | 96 6 6 6

entonces tenemos que el conjunto de vectores {w1 , w2 , w3 }, es una base ortonormal del espacio vectorial R3 , de modo
que satisface las condiciones

w1 · w2 = 0
w1 · w3 = 0
w2 · w3 = 0

y también

w1 · w1 = 1
w2 · w2 = 1
w3 · w3 = 1
 65

<|>
<|>

Problema III.23: Construir una base ortonormal para el espacio vectorial P2 , en el intervalo [0, 1].

Solución: Consideremos la base canónica de P2 , esto es, el conjunto de vectores 1, x, x2 y tememos la siguiente
notación u1 = 1, u2 = x y u3 = x2 . Entonces tenemos que

Z1 Z1 Z1
2
u1 = 1 ⇒ w1 = hu1 , u1 i = (u1 )(u1 )dx = (u1 ) dx = (1)2 dx = 1
0 0 0

normalizando el vector se obtiene,

w1 w1 1
v1 = =p = =1
|w1 | hw1 , w1 i 1

Ahora, para el siguiente vector,

 
Z1
1
u2 = x ⇒ w2 = u2 − hu2 , v1 i v1 = x −  (x)(1)dx (1) = x −
2
0

para normalizar tenemos que

1 1
w2 w2 x− 2 x− 2
v2 = =p = 1/2 = 1/2
|w2 | hw2 , w2 i R1 R1
1 2
(x2 − x + 41 )dx


x− 2 dx
0 0
x− 1 √ √
 
2 1
= 1 =2 3 x− = 3(2x − 1)
√ 2
2 3

Finalmente el tercer para el tercer vector,

u3 = x2 ⇒ w3 = u3 − hu3 , v1 i v1 − hu3 , v2 i v2
 1   1 
Z Z √  √ 
= x2 −  (x2 )(1)dx (1) −  (x2 ) 3(2x − 1) dx 3(2x − 1)
0 0
 
Z1
1 √ √ 1 √ √
 
 1 
= x2 − − 3  3 2
(2x − x )dx 3(2x − 1) = x − − 3 2
3(2x − 1)
3 3 6
0
1
= x2 − x +
6
normalizando tenemos
1 1
w3 w3 x2 − x + 6 x2 − x + 6
v3 = =p = 1/2 = 1/2
|w3 | hw3 , w3 i R1 R1
1 2
x4 − 2x3 + 34 x2 − 13 x + 1



x2 − x + 6 dx 36 dx
0 0
2
x −x+ 1 √ √
 
2 1
= 1
6
=6 5 x −x+ = 5(6x2 − 6x + 1).
√ 6
6 5

 Por
√ lo tanto,√ la base ortonormal para el espacio vectorial P2, está dada por el conjunto de vectores
1, 3(2x − 1), 5(6x2 − 6x + 1).
 66

<|>
<|>

Problema IV.1: De las siguientes transformaciones, verifique cuales son lineales y cuales no los son.
a) T : R3 → R2 definida por T (x, y, z) = (x2 + y, y − z)
b) T : R3 → R3 definida por T (x, y, z) = (x2 , y − z, z 2 )
c) T : R3 → R4 definida por T (x, y, z) = (x − y, 2y, −2z, z − x)
d) T : R4 → R2 definida por T (x, y, z, w) = (xy, zw)
e) T : P1 → P2 definida por T (ax + b) = ax2 + (a − b)x
f ) T : P1 → P2 definida por T (p(x)) = x · p(x) + p(0), donde p(x) = ax + b
g) T : P2 → P1 definida por T (ax2 + bx + c) = 2ax − b
h) T : P2 → P1 definida por T (ax2 + bx + c) = (a + 2)x + (b − a)
i) T : P2 → P2 definida por T (ax2 + bx + c) = (a + 1)x2 + (b − c)x + (a + c)
j) T : P2 → P2 definida por T (ax2 + bx + c) = ax2 + (b − c)x + (a − b)

Solución:

a) Sean u1 , u2 ∈ R3 , donde u1 = (x1 , y1 , z1 ) y u2 = (x2 , y2 , z2 ), y sea el escalar α ∈ R, entonces

T (u1 + u2 ) = T ((x1 , y1 , z1 ) + (x2 , y2 , z2 )) = T (x1 + x2 , y1 + y2 , z1 + z2 )

= (x1 + x2 )2 + (y1 + y2 ), (y1 + y2 ) − (z1 + z2 )

= (x21 + x22 + 2x1 x2 + y1 + y2 , y1 + y2 − z1 − z2 )

mientras que

T (u1 ) + T (u2 ) = T (x1 , y1 , z1 ) + T (x2 , y2 , z2 ) = x21 + y1 , y1 − z1 + x22 + y2 , y2 − z2

= x21 + x22 + y1 + y2 , y1 + y2 − z1 − z2

donde tenemos que

T (u1 + u2 ) 6= T (u1 ) + T (u2 )

por lo tanto la transformación no es lineal.

b) Sean u1 , u2 ∈ R3 , donde u1 = (x1 , y1 , z1 ) y u2 = (x2 , y2 , z2 ), y sea el escalar α ∈ R, entonces

T (u1 + u2 ) = T ((x1 , y1 , z1 ) + (x2 , y2 , z2 )) = T (x1 + x2 , y1 + y2 , z1 + z2 )

= (x1 + x2 )2 , (y1 + y2 ) − (z1 + z2 ), (z1 + z2 )2

= (x21 + x22 + 2x1 x2 , y1 + y2 − z1 − z2 , z12 + z22 + 2z1 z2 )

mientras que

T (u1 ) + T (u2 ) = T (x1 , y1 , z1 ) + T (x2 , y2 , z2 ) = x21 , y1 − z1 , z12 + x22 , y2 − z2 , z22

= x21 + x22 , y1 + y2 − z1 − z2 , z12 + z22

donde tenemos que

T (u1 + u2 ) 6= T (u1 ) + T (u2 )

por lo tanto la transformación no es lineal.

 67

<|>
<|>

c) Sean u1 , u2 ∈ R3 , donde u1 = (x1 , y1 , z1 ) y u2 = (x2 , y2 , z2 ), y sea el escalar α ∈ R, entonces

T (u1 + u2 ) = T ((x1 , y1 , z1 ) + (x2 , y2 , z2 )) = T (x1 + x2 , y1 + y2 , z1 + z2 )

= ((x1 + x2 ) − (y1 + y2 ), 2(y1 + y2 ), −2(z1 + z2 ), (z1 + z2 ) − (x1 + x2 ))
= (x1 + x2 − y1 − y2 , 2y1 + 2y2 , −2z1 − 2z2 , z1 + z2 − x1 − x2 )

mientras que

T (u1 ) + T (u2 ) = T (x1 , y1 , z1 ) + T (x2 , y2 , z2 )

= (x1 − y1 , 2y1 , −2z1 , z1 − x1 ) + (x2 − y2 , 2y2 , −2z2 , z2 − x2 )
= (x1 + x2 − y1 − y2 , 2y1 + 2y2 , −2z1 − 2z2 , z1 + z2 − x1 − x2 )

donde tenemos que

T (u1 + u2 ) = T (u1 ) + T (u2 )

Ahora

T (αu1 ) = T (α(x1 , y1 , z1 )) = T (αx1 , αy1 , αz1 ) = (αx1 − αy1 , 2αy1 , −2αz1 , αz1 − αx1 )
= (α(x1 − y1 ), 2αy1 , −2αz1 , α(z1 − x1 ))

αT (u1 ) = αT (x1 , y1 , z1 ) = α(x1 − y1 , 2y1 , −2z1 , z1 − x1 ) = (α(x1 − y1 ), 2αy1 , −2αz1 , α(z1 − x1 ))

observamos que

T (αu1 ) = αT (u1 )

por lo tanto la transformación es lineal.

d) Sean u1 , u2 ∈ R4 , donde u1 = (x1 , y1 , z1 , w1 ) y u2 = (x2 , y2 , z2 , w2 ), y sea el escalar α ∈ R, entonces

T (u1 + u2 ) = T ((x1 , y1 , z1 , w1 ) + (x2 , y2 , z2 , w2 )) = T (x1 + x2 , y1 + y2 , z1 + z2 , w1 + w2 )

= ((x1 + x2 )(y1 + y2 ), (z1 + z2 )(w1 + w2 ))
= (x1 y1 + x2 y2 + x1 y2 + x2 y1 , z1 w1 + z2 w2 + z1 w2 + z2 w1 )

mientras que

T (u1 ) + T (u2 ) = T (x1 , y1 , z1 , w1 ) + T (x2 , y2 , z2 , w2 ) = (x1 y1 , z1 w1 ) + (x2 y2 , z2 w2 )

= (x1 y1 + x2 y2 , z1 w1 + z2 w2 )

donde tenemos que

T (u1 + u2 ) 6= T (u1 ) + T (u2 )

por lo tanto la transformación no es lineal.

 68

<|>
<|>
e) Sean u1 , u2 ∈ P1 , donde u1 = a1 x + b1 y u2 = a2 x + b2 , y sea el escalar α ∈ R, entonces
T (u1 + u2 ) = T ((a1 x + b1 ) + (a2 x + b2 )) = T ((a1 + a2 )x + (b1 + b2 ))
= (a1 + a2 )x2 + ((a1 + a2 ) − (b1 + b2 )) x
= (a1 + a2 )x2 + (a1 + a2 )x − (b1 + b2 )x
mientras que
T (u1 ) + T (u2 ) = T (a1 x + b1 ) + T (a2 x + b2 )
= a1 x2 + (a1 − b1 )x + a2 x2 + (a2 − b2 )x

= (a1 + a2 )x2 + (a1 + a2 )x − (b1 + b2 )x

donde tenemos que
T (u1 + u2 ) = T (u1 ) + T (u2 )
Ahora
T (αu1 ) = T (α(a1 x + b1 )) = T (αa1 x + αb1 ) = αa1 x2 + (αa1 − αb1 )x = αa1 x2 + α(a1 − b1 )x
y
αT (u1 ) = αT (a1 x + b1 ) = α a1 x2 + (a1 − b1 )x = αa1 x2 + α(a1 − b1 )x

observamos que
T (αu1 ) = αT (u1 )
por lo tanto la transformación es lineal.

f ) Sean p1 (x), p2 (x) ∈ P1 , donde p1 (x) = a1 x + b1 y p2 (x) = a2 x + b2 , y sea el escalar α ∈ R, entonces

T (p1 (x) + p2 (x)) = T ((a1 x + b1 ) + (a2 x + b2 )) = T ((a1 + a2 )x + (b1 + b2 ))
= x ((a1 + a2 )x + (b1 + b2 )) + (b1 + b2 )
= (a1 + a2 )x2 + (b1 + b2 )x + (b1 + b2 )
mientras que
T (u1 ) + T (u2 ) = T (a1 x + b1 ) + T (a2 x + b2 )
= (x(a1 x + b1 ) + b1 ) + (x(a2 x + b2 ) + b2 )
= (a1 x2 + b1 x + b1 ) + (a2 x2 + b2 x + b2 )
= (a1 + a2 )x2 + (b1 + b2 )x + (b1 + b2 )
donde tenemos que
T (u1 + u2 ) = T (u1 ) + T (u2 )
Ahora
T (αu1 ) = T (α(a1 x + b1 )) = T (αa1 x + αb1 ) = x(αa1 x + αb1 ) + αb1 = αa1 x2 + αb1 x + αb1
y
αT (u1 ) = αT (a1 x + b1 ) = α (x(a1 x + b1 ) + b1 ) = αa1 x2 + αb1 x + αb1
observamos que
T (αu1 ) = αT (u1 )
por lo tanto la transformación es lineal.
 69

<|>
<|>

g) Sean u1 , u2 ∈ P2 , donde u1 = a1 x2 + b1 x + c1 y u2 = a2 x2 + b2 x + c2 , y sea el escalar α ∈ R, entonces

T (u1 + u2 ) = T a1 x2 + b1 x + c1 + (a2 x2 + b2 x + c2 )

= T (a1 + a2 )x2 + (b1 + b2 )x + (c1 + c2 )

= 2(a1 + a2 )x − (b1 + b2 )

mientras que

T (u1 ) + T (u2 ) = T (a1 x2 + b1 x + c1 ) + T (a2 x2 + b2 x + c2 )

= (2a1 x − b1 ) + (2a2 x − b2 )
= 2(a1 + a2 )x − (b1 + b2 )

donde tenemos que

T (u1 + u2 ) = T (u1 ) + T (u2 )

Ahora

T (αu1 ) = T α(a1 x2 + b1 x + c1 ) = T (αa1 x2 + αb1 x + αc1 ) = 2αa1 x − αb1

αT (u1 ) = αT (a1 x2 + b1 x + c1 ) = α (2a1 x − b1 ) = 2αa1 x − αb1

observamos que

T (αu1 ) = αT (u1 )

por lo tanto la transformación es lineal.

h) Sean u1 , u2 ∈ P2 , donde u1 = a1 x2 + b1 x + c1 y u2 = a2 x2 + b2 x + c2 , y sea el escalar α ∈ R, entonces

T (u1 + u2 ) = T a1 x2 + b1 x + c1 + (a2 x2 + b2 x + c2 )

= T (a1 + a2 )x2 + (b1 + b2 )x + (c1 + c2 )

= ((a1 + a2 ) + 2) x + ((b1 + b2 ) − (a1 + a2 ))

= (a1 + a2 )x + 2x + (b1 + b2 ) − (a1 + a2 )

mientras que

T (u1 ) + T (u2 ) = T (a1 x2 + b1 x + c1 ) + T (a2 x2 + b2 x + c2 )

= ((a1 + 2)x + (b1 − a1 )) + ((a2 + 2)x + (b2 − a2 ))
= (a1 + a2 )x + 4x + (b1 + b2 ) − (a1 + a2 )

donde tenemos que

T (u1 + u2 ) 6= T (u1 ) + T (u2 )

por lo tanto la transformación no es lineal.

 70

<|>
<|>

i) Sean u1 , u2 ∈ P2 , donde u1 = a1 x2 + b1 x + c1 y u2 = a2 x2 + b2 x + c2 , y sea el escalar α ∈ R, entonces

T (u1 + u2 ) = T a1 x2 + b1 x + c1 + (a2 x2 + b2 x + c2 )

= T (a1 + a2 )x2 + (b1 + b2 )x + (c1 + c2 )

= ((a1 + a2 ) + 1) x2 + ((b1 + b2 ) − (c1 + c2 )) x + ((a1 + a2 ) + (c1 + c2 ))

mientras que

T (u1 ) + T (u2 ) = T (a1 x2 + b1 x + c1 ) + T (a2 x2 + b2 x + c2 )

= (a1 + 1)x2 + (b1 − c1 ) x + (a1 + c1 ) + (a2 + 1)x2 + (b2 − c2 ) x + (a2 + c2 )

= ((a1 + a2 ) + 2) x2 + ((b1 + b2 ) − (c1 + c2 )) x + ((a1 + a2 ) + (c1 + c2 ))

donde tenemos que

T (u1 + u2 ) 6= T (u1 ) + T (u2 )

por lo tanto la transformación no es lineal.

j) Sean u1 , u2 ∈ P2 , donde u1 = a1 x2 + b1 x + c1 y u2 = a2 x2 + b2 x + c2 , y sea el escalar α ∈ R, entonces

T (u1 + u2 ) = T a1 x2 + b1 x + c1 + (a2 x2 + b2 x + c2 )

= T (a1 + a2 )x2 + (b1 + b2 )x + (c1 + c2 )

= (a1 + a2 )x2 + ((b1 + b2 ) − (c1 + c2 )) x + ((a1 + a2 ) − (b1 + b2 ))

mientras que

T (u1 ) + T (u2 ) = T (a1 x2 + b1 x + c1 ) + T (a2 x2 + b2 x + c2 )

= a1 x2 + (b1 − c1 ) x + (a1 − b1 ) + a2 x2 + (b2 − c2 ) x + (a2 − b2 )

= (a1 + a2 )x2 + ((b1 + b2 ) − (c1 + c2 )) x + ((a1 + a2 ) + (c1 + c2 ))

donde tenemos que

T (u1 + u2 ) = T (u1 ) + T (u2 )

Ahora

T (αu1 ) = T α(a1 x2 + b1 x + c1 ) = T (αa1 x2 + αb1 x + αc1 )

= αa1 x2 + (αb1 − αc1 )x + (αa1 − αb1 )

= αa1 x2 + α(b1 − c1 )x + α(a1 − b1 )

αT (u1 ) = αT (a1 x2 + b1 x + c1 )
= α a1 x2 + (b1 − c1 ) x + (a1 − b1 )

= αa1 x2 + α(b1 − c1 )x + α(a1 − b1 )

observamos que

T (αu1 ) = αT (u1 )

por lo tanto la transformación es lineal.

 71

<|>
<|>

Problema IV.2: Para las siguientes transformaciones, verifique cuales son lineales y cuales no los son.
   
a b b c−d
a) T : M22 → M22 definida por T =
c d c + d 2a
   
a b a−1 b+1
b) T : M22 → M22 definida por T =
c d 2c 3d
 
a b
c) T : M22 → R definida por T =a+d
c d
 
a b
d) T : M22 → R definida por T =a+b−c−d+1
c d

Solución:
   
a1 b1 a2 b2
a) Sean u1 , u2 ∈ M22 , donde u1 = y u2 = , y consideremos el escalar α ∈ R, entonces
c1 d1 c2 d2
     
a1 b1 a2 b2 a1 + a2 b1 + b2
T (u1 + u2 ) = T + =T
c1 d1 c2 d2 c1 + c2 d1 + d2
 
b1 + b2 (c1 + c2 ) − (d1 + d2 )
=
(c1 + c2 ) − (d1 + d2 ) 2(a1 + a2 )

mientras que
   
a1 b1 a2 b2
T (u1 ) + T (u2 ) = T +T
c1 d1 c2 d2
   
b1 c1 − d1 b2 c2 − d2
= +
c1 − d1 2a1 c2 − d2 2a2
 
b1 + b2 (c1 + c2 ) − (d1 + d2 )
=
(c1 + c2 ) − (d1 + d2 ) 2(a1 + a2 )

donde tenemos que

T (u1 + u2 ) = T (u1 ) + T (u2 )

Ahora
      
a1 b1 αa1 αb1 αb1 α(c1 − d1 )
T (αu1 ) = T α =T =
c1 d1 αc1 αd1 α(c1 − d1 ) 2αa1
y
     
a1 b1 b1 c1 − d1 αb1 α(c1 − d1 )
αT (u1 ) = αT =α =
c1 d1 c1 − d1 2a1 α(c1 − d1 ) 2αa1

observamos que

T (αu1 ) = αT (u1 )

por lo tanto la transformación es lineal.

 72

<|>
<|>
   
a1 b1 a2 b2
b) Sean u1 , u2 ∈ M22 , donde u1 = y u2 = , y consideremos el escalar α ∈ R, entonces
c1 d1 c2 d2
     
a1 b1 a2 b2 a1 + a2 b1 + b2
T (u1 + u2 ) = T + =T
c1 d1 c2 d2 c1 + c2 d1 + d2
 
(a1 + a2 ) − 1 (b1 + b2 ) + 1
=
2(c1 + c2 ) 3(d1 + d2 )

mientras que
       
a1 b1 a2 b2 a1 − 1 b1 + 1 a2 − 1 b2 + 1
T (u1 ) + T (u2 ) = T +T = +
c1 d 1 c2 d2 2c1 3d1 2c2 3d2
 
(a1 + a2 ) − 2 (b1 + b2 ) + 2
=
2(c1 + c2 ) 3(d1 + d2 )

donde tenemos que

T (u1 + u2 ) 6= T (u1 ) + T (u2 )

por lo tanto la transformación no es lineal.

   
a1 b1 a2 b2
c) Sean u1 , u2 ∈ M22 , donde u1 = y u2 = , y consideremos el escalar α ∈ R, entonces
c1 d1 c2 d2
     
a1 b1 a2 b2 a1 + a2 b1 + b2
T (u1 + u2 ) = T + =T
c1 d1 c2 d2 c1 + c2 d1 + d2
= (a1 + a2 ) + (d1 + d2 )

mientras que
   
a1 b1 a2 b2
T (u1 ) + T (u2 ) = T +T
c1 d1 c2 d2
= (a1 + d1 ) + (a2 + d2 ) = (a1 + a2 ) + (d1 + d2 )

donde tenemos que

T (u1 + u2 ) = T (u1 ) + T (u2 )

Ahora
    
a1 b1 αa1 αb1
T (αu1 ) = T α =T = (αa1 + αd1 ) = α(a1 + d1 )
c1 d1 αc1 αd1
y
 
a1 b1
αT (u1 ) = αT = α(a1 + d1 )
c1 d 1

observamos que

T (αu1 ) = αT (u1 )

por lo tanto la transformación es lineal.

 73

<|>
<|>
   
a1 b1 a2 b2
d) Sean u1 , u2 ∈ M22 , donde u1 = y u2 = , y consideremos el escalar α ∈ R, entonces
c1 d1 c2 d2
   
a1 b1 a2 b2
T (u1 + u2 ) = T +
c1 d 1 c2 d2
 
a1 + a2 b1 + b2
= T
c1 + c2 d1 + d2
= (a1 + a2 ) + (b1 + b2 ) − (c1 + c2 ) − (d1 + d2 ) + 1

mientras que
   
a1 b1 a2 b2
T (u1 ) + T (u2 ) = T +T
c1 d1 c2 d2
= (a1 + b1 − c1 − d1 + 1) + (a2 + b2 − c2 − d2 + 1)
= (a1 + a2 ) + (b1 + b2 ) − (c1 + c2 ) − (d1 + d2 ) + 2

donde tenemos que

T (u1 + u2 ) 6= T (u1 ) + T (u2 )

por lo tanto la transformación no es lineal.

 74

<|>
<|>

Problema IV.3: Considere la transformación T : Mnn → R, definida como T (A) = a11 a22 a33 · · · ann , esto es, el
producto de la diagonal. Diga si la transformación es lineal o no lo es.

a11 a12 a13 · · · a1n

 
 a21 a22 a23 · · · a2n 
Solución: Sean A, B
a
∈ Mnn , esto es A y B son matrices de tamaño n × n, A =  31 a32 a33 · · · a3n 
 y
 . .. .. .. . 
 .. . . . .. 
an1 an2 an3 · · · ann
b11 b12 b13 ··· b1n
 
 b21 b22 b23 ··· b2n 

B= b31 b32 b33 ··· b3n 
, entonces tenemos;
 .. .. .. .. .. 
 . . . . . 
bn1 bn2 bn3 · · · bnn

a11 a12 a13 · · · a1n b11 b12 b13 · · · b1n

   
 a21 a22 a23 · · · a2n   b21 b22 b23 · · · b2n 
 a
T (A + B) = T  31 a32 a33 · · · a3n 
 +  b31
 b32 b33 · · · b3n 


 . .. .. .. .   . .. .. .. .  
 .. . . . ..   .. . . . .. 
an1 an2 an3 · · · ann bn1 bn2 bn3 · · · bnn
a11 + b11 a12 + b12 a13 + b13 · · · a1n + b1n
 
 a21 + b21 a22 + b22 a23 + b23 · · · a2n + b2n 
= T
 a +b
31 31 a32 + b32 a33 + b33 · · · a3n + b3n 

 .. .. .. .. .. 
 . . . . . 
an1 + bn1 an2 + bn2 an3 + bn3 · · · ann + bnn
= (a11 + b11 ) (a22 + b22 ) (a33 + b33 ) · · · (ann + bnn )

mientras que

a11 a12 a13 · · · a1n b11 b12 b13 · · · b1n

   
 a21 a22 a23 · · · a2n   b21 b22 b23 · · · b2n 
31 a32 a33 · · · a3n  + T  b31 · · · b3n 
a   b32 b33
T (A) + T (A) = T 
 .

 .. .
.. . .
.. . . . .. 
  .
 .. .. .. .. .. 
. . . . 
an1 an2 an3 · · · ann bn1 bn2 bn3 · · · bnn
= (a11 a22 a33 · · · ann ) + (b11 b22 b33 · · · bnn )

vemos que

T (A + B) 6= T (A) + T (B)

por lo tanto la transformación no es lineal.

 75

<|>
<|>

Problema IV.4 Considere la transformación T : Mnn → R, definida como T (A) = a11 + a22 + a33 + · · · + ann , esto
es, la suma de la diagonal. Diga si la transformación es lineal o no lo es. A esta transformación se le conoce como
traza de la matriz A.

a11 a12 a13 · · · a1n

 
 a21 a22 a23 · · · a2n 
Solución: Sean A, B
a
∈ Mnn , esto es A y B son matrices de tamaño n × n, A =  31 a32 a33 · · · a3n 
 y
 . .. .. .. .. 
 .. . . . . 
an1 an2 an3 · · · ann
b11 b12 b13 ··· b1n
 
 b21 b22 b23 ··· b2n 
b
B= 31 b32 b33 ··· b3n 
, entonces tenemos;
 . .. .. .. .. 
 .. . . . . 
bn1 bn2 bn3 · · · bnn

a11 a12 a13 · · · a1n b11 b12 b13 · · · b1n

   
 a21 a22 a23 · · · a2n   b21 b22 b23 · · · b2n 
 a
T (A + B) = T   31 a32 a33 · · · a3n 
 +  b31
 b32 b33 · · · b3n 

 . .. .. .. .   . .. .. .. . 
 .. . . . ..   .. . . . .. 
an1 an2 an3 · · · ann bn1 bn2 bn3 · · · bnn
a11 + b11 a12 + b12 a13 + b13 · · · a1n + b1n
 
 a21 + b21 a22 + b22 a23 + b23 · · · a2n + b2n 
= T
 a +b
31 31 a32 + b32 a33 + b33 · · · a3n + b3n 

 .. .. .. .. .. 
 . . . . . 
an1 + bn1 an2 + bn2 an3 + bn3 · · · ann + bnn
= (a11 + b11 ) + (a22 + b22 ) + (a33 + b33 ) + · · · + (ann + bnn )

mientras que

a11 a12 a13 · · · a1n b11 b12 b13 · · · b1n

   
 a21 a22 a23 · · · a2n   b21 b22 b23 · · · b2n 
a
T (A) + T (A) = T 
 31 a 32 a 33 · · · a3n

 +T 
b
31 b32 b33 · · · b3n 

 ... .. .. . . .  ... .. .. . . . 
 
. . . ..  . . . .. 
an1 an2 an3 · · · ann bn1 bn2 bn3 · · · bnn
= (a11 + a22 + a33 + · · · + ann ) + (b11 + b22 + b33 + · · · + bnn )
= (a11 + b11 ) + (a22 + b22 ) + (a33 + b33 ) + · · · + (ann + bnn )

vemos que

T (A + B) = T (A) + T (B)
 76

<|>
<|>

Ahora
a11 a12 a13 · · · a1n αa11 αa12 αa13 · · · αa1n
    
  a21 a22 a23 · · · a2n   αa21 αa22 αa23 · · · αa2n 
 31 a32 a33 · · · a3n  = T · · · αa3n
 a  αa
31 αa32 αa33
 
α  .
T (αA) = T   
  .. .. .. . . .   . .. .. .. .. 
. . . ..   .. . . . . 
an1 an2 an3 · · · ann αan1 αan2 αan3 · · · αann
= αa11 + αa22 + αa33 + · · · + αann

a11 a12 a13 · · · a1n

 
 a21 a22 a23 · · · a2n 
31 a32 a33 · · · a3n  = α (a
a 
αT (A) = αT 
 . 11 + a22 + a33 + · · · + ann )
 .. .. .. . . .. 
. . . . 
an1 an2 an3 · · · ann
= αa11 + αa22 + αa33 + · · · + αann

observamos que

T (αA) = αT (A)

por lo tanto la transformación es lineal.

 77

<|>
<|>

Problema IV.5 Sea T : R2 → R2 una transformación lineal tal que: T (1, 1) = (1, −2) y T (−1, 1) = (2, 3), con
este resultado determinar;

a) T (−1, 5)
b) T (x, y)

Solución: Primero observamos que el conjunto de vectores {(1, 1), (−1, 1)}, es una base de R2 , esto es, son
linealmente independientes y generan a todo vector de R2 .

a) Tenemos que:

a1 − a2 = −1 a =2
(−1, 5) = a1 (1, 1) + a2 (−1, 1) = (a1 − a2 , a1 + a2 ) ⇒ ⇒ 1
a1 + a2 = 5 a2 = 3

ası́ escribimos el vector

(−1, 5) = 2 · (1, 1) + 3 · (−1, 1)

Al transformarlo obtenemos

T (−1, 5) = T (2 · (1, 1) + 3 · (−1, 1)) = T (2 · (1, 1)) + T (3 · (−1, 1)) = 2 · T (1, 1) + 3 · T (−1, 1)
= 2 · (1, −2) + 3 · (2, 3) = (2, −4) + (6, 9)
= (8, 5)

en las igualdades anteriores se aplico el hecho de que la transformación es lineal.

b) Tenemos que:

a1 − a2 = x a = (x + y)/2
(x, y) = a1 (1, 1) + a2 (−1, 1) = (a1 − a2 , a1 + a2 ) ⇒ ⇒ 1
a1 + a2 = y a2 = (y − x)/2

ası́ escribimos el vector

   
x+y y−x
(x, y) = (1, 1) + (−1, 1)
2 2

Al transformarlo obtenemos
          
x+y y−x x+y y−x
T (x, y) = T (1, 1) + (−1, 1) = T (1, 1) + T (−1, 1)
2 2 2 2
       
x+y y−x x+y y−x
= · T (1, 1) + · T (−1, 1) = (1, −2) + (2, 3)
2 2 2 2
x y  
  y x x 3y 5x y
= + , −x − y + y − x, 3 − 3 = − + ,− +
2 2 2 2 2 2 2 2
1
= (−x + 3y, −5x + y)
2
en las igualdades anteriores se aplico el hecho de que la transformación es lineal.
 78

<|>
<|>

Problema IV.6 Sea T : P2 → P3 una transformación lineal para la cual sabemos que: T (1) = 1, T (x) = x2 y
T (x2 − x) = x3 + x, con esto determinar;

a) T (2x2 − 5x + 3)
b) T (ax2 + bx + c)


Solución: Observamos que el conjunto de vectores 1, x, x2 − x , es una base de P2 , esto es, son linealmente
independientes y generan a todo vector de P2 .

a) Tenemos que:

2x2 − 5x + 3 = α1 · x2 − x + α2 · x + α3 · 1 = α1 · x2 + (α2 − α1 ) · x + α3 · 1

α1 = 2 α1 = 2
⇒ α2 − α1 = −5 ⇒ α2 = −3
α3 = 3 α3 = 3

ası́ escribimos el vector

2x2 − 5x + 3 = 2 · x2 − x − 3 · x + 3 · 1

Al transformarlo obtenemos

T (2x2 − 5x + 3) = T 2 · x2 − x − 3 · x + 3 · 1 = T 2 · x2 − x − T (3 · x) + T (3 · 1)

= 2 · T x2 − x − 3 · T (x) + 3 · T (1) = 2 · x3 + x − 3 · x2 + 3 · 1

= 2x2 − 3x2 + 3x + 3

en las igualdades anteriores se aplico el hecho de que la transformación es lineal.

b) Tenemos que:

ax2 + bx + c = α1 · x2 − x + α2 · x + α3 · 1 = α1 · x2 + (α2 − α1 ) · x + α3 · 1

α1 = a α1 = a
⇒ α2 − α1 = b ⇒ α2 = a + b
α3 = c α3 = c

ası́ escribimos el vector

ax2 + bx + c = a · x2 − x + (a + b) · x + c · 1

Al transformarlo obtenemos

T (ax2 + bx + c) = T a · x2 − x + (a + b) · x + c · 1 = T a · x2 − x + T ((a + b) · x) + T (c · 1)

= a · T x2 − x + (a + b) · T (x) + c · T (1) = a · x3 + x + (a + b) · x2 + c · 1

= ax2 + (a + b)x2 + ax + c

en las igualdades anteriores se aplico el hecho de que la transformación es lineal.

 79

<|>
<|>

Problema IV.7 Dada la siguiente transformación lineal T : M22 → P3 definida como;

 
a b
T = a + b + c + (b + c + d)x + (a − d)x2 + (a + 2b + 2c + d)x3
c d

determine,
a) El núcleo o kernel de la transformación, diga si la transformacion es uno a uno.
b) La imagen de la transformación, diga si la transformación es sobre.

Solución:
a) Un vector u ∈ ker(T ) ⊆ M22 si T (u) = 0, entonces
 
a b
T = a + b + c + (b + c + d)x + (a − d)x2 + (a + 2b + 2c + d)x3 = 0
c d

esto genera el siguiente sistema de ecuaciones lineales homogéneo

a+b+c=0
b+c+d=0
a−d=0
a + 2b + 2c + d = 0

cuya matriz aumentada es

1 1 1 0 0 1 1 1 0 0
   
 0 1 1 0  (R3 → R3 − R1 )  0 1 1 1
1 0
 1 0 0 0  (R4 → R4 − R1 )  0 −1 −1 −1
−1 0
1 2 2 0 1 0 1 1 1 0
1 1 1 0 0 1 0 0 −1 0
   
(R3 → R3 + R2 )  0 1 1 1 0   0 1 1 1 0
R → R1 − R2 
(R4 → R4 − R2 )  0 0 0 0 0  1 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0

entonces
a = −α − β
R1 ⇒ a − d = 0 a=d b=α∈R b=α
⇒ ⇒ ⇒
R2 ⇒ b + c + d = 0 d = −b − c c=β∈R c=β
d = −α − β

Ası́, el kernel o núcleo de la transformación contiene a todas las matrices que tienen la forma anterior, es decir,
  
−α − β α
ker(T ) = α, β ∈ R
β −α − β

una base para el kernel se determina de la siguiente manera

     
−α − β α −1 1 −1 0
=α +β
β −α − β 0 −1 1 −1
   
−1 1 −1 0
entonces una base para el kernel es: , , ası́ tenemos que Dim (ker(T )) = 2.
0 −1 1 −1
Una transformación lineal es uno a uno si Dim (ker(T )) = 0. Por lo tanto, la transformación lineal aquı́ considerada
no es uno a uno.
 80

<|>
<|>

b) Un vector v ∈ im(T ) ⊆ P3 si existe un vector u ∈ M22 tal que T (u) = v, entonces

 
a b
T = a + b + c + (b + c + d)x + (a − d)x2 + (a + 2b + 2c + d)x3 ∈ im(T )
c d

entonces tenemos que encontrar un base para los vectores que estan en la imagen, esto es,

a + b + c + (b + c + d)x + (a − d)x2 + (a + 2b + 2c + d)x3

= a 1 + x2 + x3 + b 1 + x + 2x3 + c 1 + x + 2x3 + d x − x2 + x3


esto significa que el conjunto de vectores 1 + x2 + x3 , 1 + x + 2x3 , x − x2 + x3 genera la imagen de la transfor-
mación. Ahora necesitamos solo los vectores que son linealmente independientes.
Colocamos los coeficientes de cada uno los polinomios, de mayor a menor grado, en columnas dentro de una matriz
y reducimos la matriz, es decir,

1 21 1 2 1 1 2 1
     
1 −1  R2 → R2 − R1  0 −2 −2  R3 → R3 + 2R2  0 −2 −2 
0
0 11  R4 → R4 − R1  0 1 1  R4 → R4 − 2R2  0 0 0 
1 10 0 −1 −1 0 0 0
1 0 −1 1 0 −1
   
 0 −2 −2  0 1 1 
R1 → R1 + R2  R → R2 /(−2) 
0 0 0  2 0 0 0 
0 0 0 0 0 0

las columnas conunos principales, corresponden a los polinomios que son linealmente independientes, en este caso los
polinomios son: 1 + x2 + x3 , 1 + x + 2x3 . Ası́, esta serı́a una base para la imagen de la transformación, entonces
Dim (im(T )) = 2.
Una transformación lineal T : V → W es sobre si Dim (im(T )) = Dim (W ). Para la transformación que estamos
considerando tenemos que Dim (im(T )) = 2 6= Dim (P3 ) = 4, por lo tanto la transformación lineal no es sobre.

Además se cumple que

Dim(ker(T )) + Dim(im(T )) = Dim(M22 )

⇒2+2=4
 81

<|>
<|>

Problema IV.8 Considere la siguiente transformación lineal T : R3 → R3 definida como;

   
x x − y + 2z
T  y  =  3x + y + 4z 
z 5x − y + 8z

determine,
a) El núcleo o kernel de la transformación, diga si la transformacion es uno a uno.
b) La imagen de la transformación, diga si la transformación es sobre.

Solución:
a) Un vector u ∈ ker(T ) ⊆ R3 si T (u) = 0, entonces
   
x x − y + 2z
T  y  =  3x + y + 4z  = 0
z 5x − y + 6z

esto genera el siguiente sistema de ecuaciones lineales homogéneo

x − y + 2z = 0
3x + y + 4z = 0
5x − y + 6z = 0

cuya matriz aumentada es

     
1 −1 2 0 1 −1 2 0 1 −1 2 0
 3 1 4 0  (R2 → R2 − 3R1 )  0 4 −2 0  (R3 → R3 − R2 )  0 4 −2 0
(R3 → R3 − 5R1 )
5 −1 6 0 0 4 −4 0 0 0 −2 0
   
1 −1 2 0 1 −1 0 0
(R1 → R1 − 2R3 ) 
(R3 → R3 /(−2))  0 4 −2 0  0 4 0 0
(R2 → R2 + 2R3 )
0 0 1 0 0 0 1 0
   
1 −1 0 0 1 0 0 0
(R2 → R2 /4)  0 1 0 0  (R1 → R1 + R2 )  0 1 0 0 
0 0 1 0 0 0 1 0

el sistema tiene solución única, esto es,

x=0
y=0
z=0

estas son las condiciones que se deben cumplir para que el vector se transforme en cero, esto es,
 
0
T0=0
0

en otras palabras, el único vector que se transforma en cero es el vector cero, ası́,
 
0
ker(T ) = 0
0

esto implica que Dim (ker(T )) = 0.

Una transformación lineal es uno a uno si Dim (ker(T )) = 0. Por lo tanto, esta la transformación lineal si es uno a
uno.
 82

<|>
<|>

b) Un vector v ∈ im(T ) ⊆ R3 si existe un vector u ∈ R3 tal que T (u) = v, entonces

   
x x − y + 2z
T  y  =  3x + y + 4z  ∈ im(T )
z 5x − y + 6z

entonces tenemos que encontrar un base para los vectores que estan en la imagen, esto es,
       
x − y + 2z 1 −1 2
 3x + y + 4z  = x  3  + y  1  + z  4 
5x − y + 6z 5 −1 6
     
 1 −1 2 
esto significa que el conjunto de vectores  3  ,  1  ,  4  genera la imagen de la transformación. Ahora
 5 −1 6 
necesitamos solo los vectores que son linealmente independientes.
Colocamos los vectores como columnas de una matriz y encontramos el determinante de la matriz, es decir,
 
1 −1 2 1 −1 2
 3 1 4  ⇒ 3 1 4 = 1 1 4 − 3 −1 2 + 5 −1 2 = 10 + 12 − 30 = −8 6= 0
−1 6 −1 6 1 4
5 −1 6 5 −1 6

como el determinante es distinto de cero, entonces

 significa
  que  los
 vectores
 son linealmente independientes. Ası́, una
 1 −1 2 
base para la imagen de la transformación es  3  ,  1  ,  4  , esto quiere decir que Dim (im(T )) = 3.
 5 −1 6 
Una transformación lineal T : V → W es sobre si Dim
(im(T )) = Dim (W ). Para la transformación que estamos
considerando tenemos que Dim (im(T )) = 3 = Dim R3 = 3, por lo tanto la transformación lineal si es sobre
 83

<|>
<|>

Problema IV.9 Considere la siguiente transformación lineal T : R2 → R tal que;

 
x+y
T  y + z  = 6x − y + z
x+z
 
x
en base a esto, determine al valor de T (x, y, 0) = T  y .
0
Solución: La matriz asociada a esta transformación lineal es de tamaño (1 × 3), esto es AT = (a1 , a2 , a3 ) tal que;
     
x+y x+y x+y
T  y + z  = AT  y + z  = (a1 , a2 , a3 ) ·  y + z  = 6x − y + z
x+z x+z x+z

esto genera la siguiente ecuación:

a1 (x + y) + a2 (y + z) + a3 (x + z) = 6x − y + z
(a1 + a3 ) x + (a1 + a2 ) y + (a2 + a3 ) z = 6x − y + z

donde tenemos que resolver el sistema de ecuaciones lineales

a1 + a3 = 6
a1 + a2 = −1
a2 + a3 = 1

cuya matriz aumentada es

     
1 0 1 6 1 0 1 6 1 0 1 6
 1 1 0 −1  R2 → R2 − R1  0 1 −1 −7  R3 → R3 − R2  0 1 −1 −7 
0 1 1 1 0 1 1 1 0 0 2 8
   
1 0 1 6 1 0 0 2
R → R1 − R3 
R3 → R3 /2  0 1 −1 −7  1 0 1 0 −3 
R2 → R2 + R3
0 0 1 4 0 0 1 4

Ası́ tenemos que los elementos de la matriz asociada a la transformación, respecto a la base canónica de R3 , son

a1 = 2
a2 = −3
a3 = 4

por lo tanto la matriz es de la forma

AT = (a1 , a2 , a3 ) = (2, −3, 4)

Si deseamos transformar el vector (x, y, 0) de R3 , tenemos que,

     
x x x
T  y  = AT  y  = (2, −3, 4) ·  y  = 2x − 3y
0 0 0
 84

<|>
<|>
 
x
Otra manera de obtener T (x, y, 0) = T  y , es como sigue.
0
 
x
Renombremos a las componentes de vector que deseamos transformar, esto es, sea T (x, y, 0) = T  y  =
0
 
a1
T  a2 , ahora igualamos esta con la transformación que conocemos, esto es,
0
   
a1 x+y
T  a2  = T  y + z 
0 x+z

de donde obtenemos el siguiente sistema de ecuaciones lineales

x + y = a1
y + z = a2
x+z =0

cuya matriz aumentada es

     
1 1 0 a1 1 1 0 a1 1 1 0 a1
 0 1 1 a2  R3 → R3 − R1  0 1 1 a2  R3 → R3 + R2  0 1 1 a2 
1 0 1 0 0 −1 1 −a1 0 0 2 a2 − a1
   
1 1 0 a1 1 1 0 a1
R3 → R3 /2  0 1 1 a2  R2 → R2 − R3  0 1 0 (a2 + a1 )/2 
0 0 1 (a2 − a1 )/2 0 0 1 (a2 − a1 )/2
 
1 0 0 (a1 − a2 )/2
R1 → R1 − R2  0 1 0 (a2 + a1 )/2 
0 0 1 (a2 − a1 )/2

de manera que tenemos la solución

x = (a1 − a2 )/2
y = (a2 + a1 )/2
z = (a2 − a1 )/2

De esta menera tenemos que

   
x a1 
(a1 − a2 )

(a2 + a1 ) (a2 − a1 )
T  y  = T a2
  = 6x − y + z = 6 − +
0 0 2 2 2
a2 a1 a2 a1
= 3a1 − 3a2 − − + − = 2a1 − 3a2
2 2 2 2
recordando el renombramiento de las componentes tenemos que
 
x
T  y  = 2x − 3y
0
 85

<|>
<|>
Problema IV.10 Encuentre la representación matricial de la siguiente transformación lineal T : R2 → R2 , la cual
esta definida como
T (x, y) = (4x − y, 3x + 2y)
con respecto a las bases B1 = B2 = {(−1, 1) , (4, 3)} .
Determine el kernel o núcleo de la transfromación, ası́ como la imagen.
Solución: Para encontrar la matriz asociada a la transformación, primero transformamos los vectores de la base
B, esto es,
T (−1, 1) = (4 (−1) − (1) , 3 (−1) + 2 (1)) = (−5, −1)
T (4, 3) = (4 (4) − (3) , 3 (4) + 2 (3)) = (13, 18)
ahora, estos vectores los escribimos como combinación lineal de la base B2 , es decir,
T (−1, 1) = (−5, −1) = a11 (−1, 1) + a21 (4, 3) = (−a11 + 4a21 , a11 + 3a21 )
T (4, 3) = (13, 18) = a12 (−1, 1) + a22 (4, 3) = (−a12 + 4a22 , a12 + 3a22 )
de donde obtenemos los siguientes sistemas de ecuaciones lineales
−5 = −a11 + 4a21 a = 11/7 13 = −a12 + 4a22 a = 33/7
⇒ 11 y ⇒ 12
−1 = a11 + 3a21 a21 = −6/7 18 = a12 + 3a22 a22 = 31/7
Por lo tanto, la matriz de la transformación es
     
a11 a12 11/7 33/7 1 11 33
MT = = =
a21 a22 −6/7 31/7 7 −6 31
Otra manera de obtener esta matriz es mediante la matriz doble, de un lado colocamos a los vectores de la base
B2 como columnas y del otro lado a los vectores de la base B1 transformados, también como columnas, después
transformamos la matriz de la base B2 en la identidad y la otra matriz es MT , en otras palabras, tenemos
     
−1 4 −5 13 −1 4 −5 13 −1 4 −5 13
(R2 + R1 → R2 ) (R2 /7 → R2 )
1 3 −1 18 0 7 −6 31 0 1 −6/7 31/7
   
−1 0 −11/7 −33/7 1 0 11/7 33/7
(R1 − 4R2 → R1 ) ((−1)R1 → R1 )
0 1 −6/7 31/7 0 1 −6/7 31/7
 
11 33
⇒ MT = 71
−6 31
Esta matriz satisface la relación, [T (u)]B2 = MT ·[u]B1 . Consideremos un vector arbitrario de R2 , digamos u = (2, −4)
y transformemoslo usando T y usando MT . Entonces
T (2, −4) = (12, −2) = α1 (−1, 1) + α2 (4, 3) = (−α1 + 4α2 , α1 + 3α2 )
12 = −α1 + 4α2 α = 44/7
⇒ ⇒ 1
−2 = α1 + 3α2 α2 = 10/7
   
α1 44
⇒ [T (u)]B2 = = 71
α2 10
Ahora, usando la matriz tenemos,
u = (2, −4) = β1 (−1, 1) + β2 (4, 3) = (−β1 + 4β2 , β1 + 3β2 )
2 = −β1 + 4β2 β = −22/7
⇒ ⇒ 1
−4 = β1 + 3β2 β2 = −2/7
   
β1 1 −22
⇒ [u]B1 = =7
β2 −2
     
1 11 33 1 −22 1 44
⇒ MT · [u]B1 = 7 ·7 =
−6 31 −2 7 10
 86

<|>
<|>

Determinemos el kernel de la transformación, un vector u ∈ ker(T ) ⊆ R2 si T (u) = 0, entonces

T (x, y) = (4x − y, 3x + 2y) = (0, 0)

esta ecuación produce el siguiente sistema de ecuaciones lineales homogéneo

4x − y = 0 x=0
⇒
3x + 2y = 0 y=0

por lo tanto
 
0
ker(T ) =
0

es decir, el único vector en el kernel o núcleo es el vector cero, por lo tanto, Dim(ker(T )) = 0, entonces la transfor-
mación lineal es uno a uno.

Para la imagen de la transformación tenemos que, un vector v ∈ im(T ) ⊆ R2 si existe un vector u ∈ R2 tal que
T (u) = v, entonces

T (x, y) = (4x − y, 3x + 2y) ∈ im(T )

tenemos que encontrar un base para estos vectores, esta se obtiene factorizando al vector de la siguiente manera

(4x − y, 3x + 2y) = x(4, 3) + y(−1, 2)

ası́ los vectores de la imagen son generados por el conjunto {(4, 3), (−1, 2)}, y además tenemos que

4 −1
= 11 6= 0
3 2

por lo que el conjunto también es linealmente independiente, entonces los vectores {(4, 3), (−1, 2)} son una base para
la imagen de la transformación lineal. De esta forma tenemos que Dim(im(T )) = 2 = Dim(R2 ), lo cual implica que
la transformación es sobre.

Recordemos que se debe satisfacer la siguiente relación

Dim(ker(T )) + Dim(im(T )) = Dim(R2 )

⇒0+2=2
 87

<|>
<|>

Problema IV.11 Sea T : P2 → P2 una transformación lineal definida por

d2 d
T (p(x)) = x2 p(x) + 2x p(x)
dx2 dx
a) Verifique la transformación es lineal.
 
b) Si B1 = 2, x + 1, 2x2 − 1 y B2 = −1, x − 1, x2 − x + 1 son bases de P2 , determine la matriz asociada a la
transformación lineal respecto a estas bases.
Solución: a) Sean p(x), q(x) ∈ P3 donde p(x) = a1 x2 + b1 x + c1 y q(x) = a2 x2 + b2 x + c2 , y sea α ∈ R un escalar,
entonces

T (p(x) + q(x)) = T (a1 x2 + b1 x + c1 ) + (a2 x2 + b2 x + c2 )

= T (a1 + a2 )x2 + (b1 + b2 )x + (c1 + c2 )

= x2 (2(a1 + a2 )) + 2x(2(a1 + a2 )x + (b1 + b2 ))

= 2(a1 + a2 )x2 + 4(a1 + a2 )x2 + 2(b1 + b2 )x

por otra parte

T (p(x)) + T (q(x)) = T a1 x2 + b1 x + c1 + T a2 x2 + b2 x + c2

= (x2 (2a1 ) + 2x(2a1 x + b1 )) + (x2 (2a2 ) + 2x(2a2 x + b2 ))

= 2(a1 + a2 )x2 + 4(a1 + a2 )x2 + 2(b1 + b2 )x

de donde

T (p(x) + q(x)) = T (p(x)) + T (q(x))

También tenemos que

T (αp(x)) = T α(a1 x2 + b1 x + c1 ) = T αa1 x2 + αb1 x + αc1

= (x2 (2αa1 ) + 2x(2αa1 x + αb1 ))

= 2αa1 x2 + 4αa1 x2 + 2αb1 x

αT (p(x)) = αT a1 x2 + b1 x + c1 = α(x2 (2a1 ) + 2x(2a1 x + b1 ))

= 2αa1 x2 + 4αa1 x2 + 2αb1 x

entonces

T (αp(x)) = αT (p(x))

Por lo tanto la transfromación es lineal.

 88

<|>
<|>

b) Para obtener la matriz de la transformación, primero transformamos los vectores de la base B1

d2 d
T (2) = x2 (2) + 2x (2) = 0
dx2 dx
d2 d
T (x + 1) = x2 2 (x + 1) + 2x (x + 1) = 2x
dx dx
2
2 2 d d
T (2x − 1) = x 2
(2x − 1) + 2x (2x2 − 1) = 12x2
dx2 dx
ahora escribimos estos vectores en términos de la base

B2 T (2) = 0 = a11 (−1) + a21 (x − 1) + a31 (x2 − x + 1) = (−a11 − a21 + a31 ) + (a21 − a31 )x + a31 x2

de donde
−a11 − a21 + a31 = 0 a11 = 0
a21 − a31 = 0 ⇒ a21 = 0
a31 = 0 a31 = 0

tambien

T (x + 1) = 2x = a12 (−1) + a22 (x − 1) + a32 (x2 − x + 1) = (−a12 − a22 + a32 ) + (a22 − a32 )x + a32 x2

ası́
−a12 − a22 + a32 = 0 a12 = −2
a22 − a32 = 2 ⇒ a22 = 2
a32 = 0 a32 = 0

finalmente

T (2x2 − 1) = 12x2 = a13 (−1) + a23 (x − 1) + a33 (x2 − x + 1) = (−a13 − a23 + a33 ) + (a23 − a33 )x + a33 x2

resultando
−a13 − a23 + a33 = 0 a12 = 0
a23 − a33 = 0 ⇒ a22 = 12
a33 = 12 a32 = 12

Por lo tanto, la matriz asociada a la transformación lineal resulta ser

   
a11 a12 a13 0 −2 0
MT =  a21 a22 a23  =  0 2 12 
a31 a32 a33 0 0 12
 89

<|>
<|>

Otra manera de encontrar a MT es, construir una matriz doble, en una matriz colocamos a los vectores de la base
B2 como columnas
     
0 0 1
−1 =  0  , x − 1 =  1  , x2 − x + 1 =  −1 
−1 −1 1

y en la otra colocamos los vectores transformados de la base B1 ,

     
0 0 12
T (2) = 0 =  0  , T (x + 1) = 2x =  2  , T (2x2 − 1) = 12x2 =  0 
0 0 0

luego convertimos la matriz que contiene a la base B2 en la matriz identidad y la otra matriz será MT , esto es,
entonces
     
0 0 1 0 0 12 −1 −1 1 0 0 0 1 1 −1 0 0 0
 0 1 −1 0 2 0  (R1 ↔ R3 )  0 1 −1 0 2 0  ((−1)R1 → R1 )  0 1 −1 0 2 0 
−1 −1 1 0 0 0 0 0 1 0 0 12 0 0 1 0 0 12
   
1 1 0 0 0 12 1 0 0 0 −2 0
(R1 + R3 → R1 ) 
0 1 0 0 2 12  (R1 − R2 → R1 )  0 1 0 0 2 12 
(R2 + R3 → R2 )
0 0 1 0 0 12 0 0 1 0 0 12

Por lo tanto,
 
0 −2 0
MT =  0 2 12 
0 0 12
 90

<|>
<|>

Problema IV.12 Considere la siguiente transformación lineal T : R3 → R2 dada por

T (x, y, z) = (x + y, 3x − z)

a) Sean B1 = {(1, 1, 2), (−3, 0, 1), (2, 4, 3)} y B2 = {(4, 1) , (3, 1)} bases de R3 y R2 , respectivamente. Encontrar
la representación matricial de T repsecto de las bases anteriores.
Verificar la relación [T (u)]B2 = MT · [u]B1 para el vector u = (−1, 2, −2).
b) Determinar la matriz asociada a la transformación respecto a las bases canónicas de R3 y R2 .
Verificar la relación [T (u)]B2 = MT · [u]B1 para el vector u = (−1, 2, −2).
Solución: a) Para determinar la matriz asociada a la tranformación lineal seguimos el procedimiento siguiente,
transformamos los vectores de la base B1 , y estos los escribirlos en términos de la base B2 , esto es,

T (1, 1, 2) = (2, 1) = a11 (4, 1) + a21 (3, 1) = (4a11 + 3a21 , a11 + a21 )
T (−3, 0, 1) = (−3, −10) = a12 (4, 1) + a22 (3, 1) = (4a12 + 3a22 , a12 + a22 )
T (2, 4, 3) = (6, 3) = a13 (4, 1) + a23 (3, 1) = (4a13 + 3a23 , a13 + a23 )

con lo cual se generan los siguientes sistemas de ecuaciones lineales, con sus correspondientes soluciones,

2 = 4a11 + 3a21 a = −1
⇒ 11
1 = a11 + a21 a21 = 2

−3 = 4a12 + 3a22 a = 27
⇒ 12
−10 = a12 + a22 a21 = −37

6 = 4a13 + 3a23 a = −3
⇒ 13
3 = a13 + a23 a23 = 6

Por lo tanto, la matriz de la transformación respecto a las bases B1 y B2 es,

   
a11 a12 a13 −1 27 −3
MT = =
a21 a22 a23 2 −37 6

Verifiquemos que se cumple [T (u)]B2 = MT · [u]B1 para el vector u = (−1, 2, −2). Primero encontremos T (u) en
términos de la base B2 , esto es

T (u) = T (−1, 2, −2) = (1, −1) = α1 (4, 1) + α2 (3, 1)

= (4α1 + 3α2 , α1 + α2 )
1 = 4α1 + 3α2 α =4
⇒ ⇒ 1
−1 = α1 + α2 α2 = −5

   
α1 4
[T (u)]B2 = =
α2 −5
 91

<|>
<|>

Ahora usemos la matriz MT , es decir,

u = (−1, 2, −2) = β1 (1, 1, 2) + β2 (−3, 0, 1) + β3 (2, 4, 3)

= (β1 − 3β2 + 2β3 , β1 + 4β3 , 2β1 + β2 + 3β3 )

−1 = β1 − 3β2 + 2β3 β1 = −50/17

⇒ 2 = β1 + 4β3 ⇒ β2 = 3/17
−2 = 2β1 + β2 + 3β3 β3 = 21/17
   
β1 −50/17
⇒ [u]B1 =  β2  =  3/17 
β3 21/17

entonces
 
  −50/17  
−1 27 −3 4
MT · [u]B1 =  3/17  =
2 −37 6 −5
21/17

b) Usando las bases canonicas de R3 y R2 , C1 = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} y C2 = {(1, 0), (0, 1)}, respectivamente
tenemos que, usando el procedimiento del inciso anterior,

T (1, 0, 0) = (1, 3) = a11 (1, 0) + a21 (0, 1) = (a11 , a21 )

T (0, 1, 0) = (1, 0) = a12 (1, 0) + a22 (0, 1) = (a12 , a22 )
T (0, 0, 1) = (0, −1) = a13 (1, 0) + a23 (0, 1) = (a13 , a23 )

observamos de forma inmediata que la matriz asociada a la transformación lineal respecto de las bases canónicas es
   
a11 a12 a13 1 1 0
MT = =
a21 a22 a23 3 0 −1

Para verificar la relación [T (u)]B2 = MT · [u]B1 con el vector u = (−1, 2, −2), tenemos que

T (u) = T (−1, 2, −2) = (1, −1) = α1 (1, 0) + α2 (0, 1) = (α1 , α2 )

   
α1 1
⇒ [T (u)]B2 = =
α2 −1

por otra parte

u = (−1, 2, −2) = β1 (1, 0, 0) + β2 (0, 1, 0) + β3 (0, 0, 1) = (β1 , β2 , β3 )

   
β1 −1
⇒ [u]B1 =  β2  =  2 
β3 −2

de donde
 
  −1  
1 1 0 1
MT · [u]B1 =  2 =
3 0 −1 −1
−2
 92

<|>
<|>

Problema IV.13 Sea T : M22 → M22 una transformación lineal definida como

T (A) = AM − M A
 
1 2
donde M = .
0 3
a) Determinar el kernel y la imagen de la transformación.
b) Encontrar la representación matricial de la transformación, respecto a la base canónica de M22 .
 
a b
Solución: Primero tenemos que A = ∈ M22 , entonces
c d

    
a b 1 2 1 2 a b
T (A) = AM − M A = −
c d 0 3 0 3 c d
   
a 2a + 3b a + 2c b + 2d
⇒ T (A) = −
c 2c + 3d 3c 3d
 
−2c 2a + 2b − 2d
⇒ T (A) =
−2c 2c

a) El kernel o núcleo se obtiene igulando la transformación con cero, esto es,

   
−2c 2a + 2b − 2d 0 0
T (A) = =
−2c 2c 0 0
−2c = 0
2a + 2b − 2d = 0 c=0
⇒ ⇒
−2c = 0 a = −b + d
2c = 0
a = −α + β
b=α∈R b=α
⇒
d=β∈R c=0
d=β

entonces tenemos que

  
−α + β α
ker(T ) = α, β ∈ R
0 β

Una base para este conjunto se obtiene factorizando la matriz, es decir,

     
−α + β α −1 1 1 0
=α +β
0 β 0 0 0 1
   
−1 1 1 0
El conjunto de matrices , además de generar al ker(T ) es linealmente independiente, por lo
0 0 0 1
tanto es una base para el kernel o núcleo de la transformación. Ası́, Dim(ker(T )) = 2.
 93

<|>
<|>
 
−2c 2a + 2b − 2d
La imagen de la transformación la obtenemos factorizando las matrices , o bien
−2c 2c
         
−2c 2a + 2b − 2d 0 2 0 2 −2 0 0 −2
=a +b +c +d
−2c 2c 0 0 0 0 −2 2 0 0

    
0 2 −2 0 0 −2
de manera que el conjunto , , genera a la imagen de T , pero se puede observar
0 0 −2 2 0 0
directamente
   que, solo
 dos matrices de ese conjunto son linealmente independientes, ası́ una base de la imegen es
0 2 −2 0
, . Por lo tanto, Dim(im(T )) = 2.
0 0 −2 2
Podemos verificar tambien que

Dim(ker(T )) + Dim(im(T )) = Dim(M22 )

       
1 0 0 1 0 0 0 0
b) Tenemos la base canónica de M22 , C1 = C2 = , , , , transformamos estos
0 0 0 0 1 0 0 1
vectores y los escribimos en términos de la misma base, esto es,
             
1 0 0 2 1 0 0 1 0 0 0 0 a11 a21
T = = a11 + a21 + a31 + a41 =
0 0 0 0 0 0 0 0 1 0 0 1 a31 a41

             
0 1 0 2 1 0 0 1 0 0 0 0 a12 a22
T = = a12 + a22 + a32 + a42 =
0 0 0 0 0 0 0 0 1 0 0 1 a32 a42

             
0 0 −2 0 1 0 0 1 0 0 0 0 a13 a23
T = = a13 + a23 + a33 + a43 =
1 0 −2 2 0 0 0 0 1 0 0 1 a33 a43

             
0 0 0 −2 1 0 0 1 0 0 0 0 a14 a24
T = = a14 + a24 + a34 + a44 =
0 1 0 0 0 0 0 0 1 0 0 1 a34 a44

de donde facilmente podemos encontrar los valores de los coeficientes, de manera que

a11 a12 a13 a14 0 0 −2 0

   
 a21 a22 a23 a24   2 2 0 −2 
MT =  =
a31 a32 a33 a34   0 0 −2 0 
a41 a42 a43 a44 0 0 −2 0
 94

<|>
<|>

Problema VI.14 Considere la transfromación lineal T : P1 → P2 definida como T (p(x)) = x · p(x) + p(0).
a) Determinar el kernel y la imagen de la transformación, y diga que dimensión tienen cada uno de ellos.
b) Encuentre
 la representación matricial de la transfromación respecto de las siguientes bases B1 = {x + 1, x − 1}
y B2 = x2 + 1, x − 1, x + 1 .
c) Verifique la relación [T (u)]B2 = MT [u]B1 , donde u = 3x − 2.

Solución: a) Tenemos que para el kernel o núcleo, igualamos la transfromación a cero, donde p(x) = ax + b ∈ P1 ,
entonces
a=0
T (p(x)) = x · p(x) + p(0) ⇒ T (ax + b) = x(ax + b) + b = ax2 + bx + b = 0x2 + 0x + 0 ⇒
b=0

por lo tanto

ker(T ) = {0x + 0}

esto es, el único vector del kernel es el vector (polinomio) cero, ası́ que Dim(ker(T )) = 0.

Para la imagen tenemos que

T (p(x)) = x · p(x) + p(0) ⇒ T (ax + b) = x(ax + b) + b = ax2 + bx + b

de donde factorizamos

ax2 + bx + b = ax2 + b(x + 1)


entonces los vectores x2 , x + 1 generan a la imagen de la transformación y ademas son linealmente independientes,
por lo tanto, son una base de la imagen, de est manera Dim(im(T )) = 2.
Donde se satisface la relación

Dim(ker(T )) + Dim(im(T )) = Dim(P1 )

b) Transformamos los vectores de la base B1 y los escribimos como combinación lineal de los vectores de la base
B2 , esto es,

T (x + 1) = x2 + x + 1 = a11 (x2 + 1) + a21 (x − 1) + a31 (x + 1)

= (a11 − a21 + a31 ) + (a21 + a31 )x + a11 x2

de donde
a11 − a21 + a31 = 1 a11 = 1
a21 + a31 = 1 ⇒ a21 = 1/2
a11 = 1 a31 = 1/2

igualmente para

T (x − 1) = x2 − x − 1 = a12 (x2 + 1) + a22 (x − 1) + a32 (x + 1)

= (a12 − a22 + a32 ) + (a22 + a32 )x + a12 x2

resultando
a12 − a22 + a32 = −1 a12 = 1
a22 + a32 = −1 ⇒ a22 = 1/2
a12 = 1 a32 = −3/2
 95

<|>
<|>

Por lo tanto la matriz asociada a la transfromación esta dada por

   
a11 a21 1 1
MT =  a21 a22  =  1/2 1/2 
a31 a32 1/2 −3/2

c) Para el vector u = 3x − 2 tenemos que

T (u) = T (3x − 2) = 3x2 − 2x − 2 = α1 (x2 + 1) + α2 (x − 1) + α3 (x + 1)

= (α1 − α2 + α3 ) + (α2 + α3 )x + α1 x2

entonces
   
α1 − α2 + α3 = −2 α1 = 3 α1 3
α2 + α3 = −2 ⇒ α2 = 3/2 ⇒ [T (u)]B2 =  α2  =  3/2 
α1 = 3 α3 = −7/2 α3 −7/2

Por otra parte tenemos que

u = 3x − 2 = β1 (x + 1) + β2 (x − 1) = (β1 − β2 ) + (β1 + β2 )x

de donde obtenemos
   
β1 − β2 = −2 β = 1/2 β1 1/2
⇒ 1 ⇒ [u]B1 = =
β1 + β2 = 3 β2 = 5/2 β2 5/2

entonces
   
1 1   3
1/2
MT · [u]B1 =  1/2 1/2  =  3/2 
5/2
1/2 −3/2 −7/2

Por lo tanto, se satisface la relación

[T (u)]B2 = MT · [u]B1
 96

<|>
<|>

Problema IV.15 Considere la transfromación lineal T : P3 → M22 definida como

 
2 3

a + c + 2d 2a + b + c + 4d
T a + bx + cx + dx =
2a + b + c + 3d a + b + 2d

a) Determinar el kernel y la imagen de la transformación.

b) Encontrar la representación matricial de la transformación, respecto a las base canónicas de P3 y de M22 .
Solución: a) Para obtener el kernel tenemos que
   
a + c + 2d 2a + b + c + 4d 0 0
T a + bx + cx2 + dx3 =


=
2a + b + c + 3d a + b + 2d 0 0

de donde resulta el sistema de ecuaciones lineales homegéneo siguiente

a + c + 2d = 0 a + c + 2d = 0
2a + b + c + 4d = 0 (R3 − R2 → R3 ) 2a + b + c + 4d = 0
2a + b + c + 3d = 0 (R4 − R1 → R4 ) −d = 0
a + b + 2d = 0 b−c=0
a + c + 2d = 0
a + c + 2d = 0 a = −c
b−c=0
(R2 − 2R1 → R2 ) (R4 − R2 → R4 ) b−c=0 ⇒ b=c
−d = 0
−d = 0 d=0
b−c=0
a = −α
b=α
⇒ donde α ∈ R, es un parámetro libre
c=α
d=0

por lo tanto,

ker(T ) = −α + αx + αx2 α ∈ R


si factorizamos los polinomios que se encuentran en el kernel o núcleo tenemos:

−α + αx + αx2 = α(−1 + x + x2 )

entonces −1 + x + x2 es una base para el kernel de la transfromación, ası́

Dim(ker(T )) = 1

Ahora la imagen la obtenemos de la forma siguiente

 
2 3

a + c + 2d 2a + b + c + 4d
T a + bx + cx + dx =
    2a  + b +c + 3d a+ b + 2d
1 2 0 1 1 1 2 4
=a +b +c +d
2 1 1 1 1 0 3 2
       
1 2 0 1 1 1 2 4
de donde observamos que el conjunto , , , genera a la imagen de la transfro-
2 1 1 1 1 0 3 2
     
1 2 0 1 1 1
mación lineal, pero no todas estas matrices son linealmente independientes ya que = + ,
2 1 1 1 1 0
entonces
     
0 1 1 1 2 4
ker(T ) = , , ⇒ Dim(im(T )) = 3
1 1 1 0 3 2
 97

<|>
<|>

Podemos observar que se satisface la relación

Dim(ker(T )) + Dim(im(T )) = Dim(P3 )

 2 3
b) Consideremos
 la
 base
 canónica
  del espacio
  vectorial
 P3 , C1 = 1, x, x , x y la base canónica del espacio vectorial
1 0 0 1 0 0 0 0
M22 , C2 = , , , . Transformamos la base C1 , y estos vectores los escribimos en
0 0 0 0 1 0 0 1
términos de la base C2 .

            a11 =1
1 2 1 0 0 1 0 0 0 0 a11 a21 a =2
T (1) = = a11 + a21 + a31 + a41 = ⇒ 21
2 1 0 0 0 0 1 0 0 1 a31 a41 a31 =2
a41 =1

            a12 =0
0 1 1 0 0 1 0 0 0 0 a12 a22 a =1
T (x) = = a12 + a22 + a32 + a42 = ⇒ 22
1 1 0 0 0 0 1 0 0 1 a32 a42 a32 =1
a42 =1

            a13 =1
1 1 1 0 0 1 0 0 0 0 a13 a23 a =1
T (x2 ) = = a13 + a23 + a33 + a43 = ⇒ 23
1 0 0 0 0 0 1 0 0 1 a33 a43 a33 =1
a43 =0

            a14 =2
2 4 1 0 0 1 0 0 0 0 a14 a24 a =4
3
T (x ) = = a14 + a24 + a34 + a44 = ⇒ 24
3 2 0 0 0 0 1 0 0 1 a34 a44 a34 =3
a44 =2

Por lo tanto la matriz asociada a la transfromación lineal, respecto de la bases canónicas está dada por

a11 a12 a13 a14 1 0 1 2

   
 a21 a22 a23 a24   2 1 1 4
MT =  =
a31 a32 a33 a34   2 1 1 3
a41 a42 a43 a44 1 1 0 2
 98

<|>
<|>
Problema V.1 Para la siguiente matriz, calcule sus valores caracterı́sticos, sus vectores caracterı́sticos y diagonalize
la matriz con los resultados anteriores,
 
3 −1 −1
A =  1 1 −1 
1 −1 1

Solución: Primero encontramos el polinomio caracterı́stico para poder determinar los valores caracterı́sticos de la
matriz, esto es,
3 − λ −1 −1 2 − λ −1 −1
p(λ) = |A − λI| = 1 1 − λ −1 (C1 + C2 → C1 ) p(λ) = 2 − λ 1 − λ −1
1 −1 1 − λ 0 −1 1 − λ
1 −1 −1
(C1 /(2 − λ) → C1 ) p(λ) = (2 − λ) 1 1 − λ −1
0 −1 1 − λ
1 −1 −1
(R2 − R1 → R2 ) p(λ) = (2 − λ) 0 2 − λ 0 = (2 − λ)2 (1 − λ)
0 −1 1 − λ
Por lo tanto, los valores caracterı́sticos de la matriz A son: λ1 = λ2 = 2 y λ3 = 1.

Ahora sustituimos los valores caracterı́sticos anteriores para encontrar los vectores caracterı́sticos asociados a cada
uno de ellos, de manera que,

Para λ1 = λ2 = 2 tenemos
   
3 − 2 −1 −1 0 1 −1 −1 0
(A − λ1,2 I)X1,2 = 0 ⇒  1 1 − 2 −1 0  ⇒  1 −1 −1 0 
1 −1 1 − 2 0 1 −1 −1 0
 
1 −1 −1 0 x=α+β
(R2 − R1 → R2 ) 
0 0 0 0  R1 ⇒ x = y + z ⇒ y = α ∈ R
(R3 − R1 → R3 )
0 0 0 0 z=β∈R
es decir, la solución de la ecuación caracterı́stica esta dado por
       
x α+β 1 1
X1,2 =  y  =  α  = α  1  + β  0 
z β 0 1
   
 1 1 
Por lo tanto, los vectores caracterı́sticos asociados a λ1 y λ2 son  1  ,  0  .
 0 1 
Para λ3 = 1 tenemos
   
3 − 1 −1 −1 0 2 −1 −1 0
(A − λ3 I)X3 = 0 ⇒  1 1 − 1 −1 0  ⇒  1 0 −1 0
1 −1 1 − 1 0 1 −1 0 0
   
1 0 −1 0 1 0 −1 0
(R2 − 2R1 → R2 ) 
(R1 ↔ R2 )  2 −1 −1 0  0 −1 1 0
(R3 − R1 → R3 )
1 −1 0 0 0 −1 1 0
 
1 0 −1 0 x=α
R ⇒x=z
(R3 − R2 → R3 )  0 −1 1 0  1 ⇒ y=α
R2 ⇒ y = z
0 0 0 0 z=α∈R
 99

<|>
<|>

Es decir, la solución de la ecuación caracterı́stica ahora esta dada por

     
x α 1
X3 =  y  =  α  = α  1 
z α 1
 
 1 
Por lo tanto, el vector caracterı́stico asociados a λ3 es  1  .
 1 
     
 1 1 1 
Como los vectores caracterı́sticos asociados a la matriz A, dados por  1  ,  0  ,  1  , forman un conjunto
 0 1 1 
de vectores linealmente independientes, entonces significa que la matriz A es diagonalizable. La matriz que diagonaliza
a la matriz A, es C cuyas columnas son los vectores caracterı́sticos encontrados anteriormente, entonces
   
1 1 1 1 0 −1
C =  1 0 1  ⇒ C −1 =  1 −1 0 
0 1 1 −1 1 1

Finalmente diagonalizamos
   
1 0 −1 3 −1 −1 1 1 1
D = C −1 AC =  1 −1 0  1 1 −1   1 0 1 
−1 1 1 1 −1 1 0 1 1
      
1 0 −1 2 2 1 2 0 0 λ1 0 0
=  1 −1 0   2 0 1=0 2 0  =  0 λ2 0 
−1 1 1 0 2 1 0 0 1 0 0 λ3

Los coeficientes de la matriz diagonal son los valores propios de la matriz A, como se esperaba.
El orden en el que aparecen los valores propios en la matriz diagonal D, depende del orden en el que coloquemos
los vectores propios en la matriz C, esto es, la posición del valor propio corresponde a la columna del vector propio
correspondiente. Por ejemplo, si
 
1 1 1
C=1 0 1
1 1 0

entonces
 
λ3 0 0
D = C −1 AC =  0 λ2 0 
0 0 λ1
 100

<|>
<|>

Problema V.2 Diagonalize ortogonalmente la siguiente matriz simétrica,

 
0 0 −2
A =  0 −2 0 
−2 0 3

Solución: Primeramente determinemos los valores caracterı́sticos de la matriz usando el polinomio caracterı́stico,
es decir,

−λ 0 −2
p(λ) = |A − λI| = 0 −2 − λ 0 = −λ(−2 − λ)(3 − λ) + 2(−2)(2 − λ)
−2 0 3−λ
p(λ) = (λ + 2) [λ(3 − λ) + 2(2)] = (λ + 2)(−λ2 + 3λ + 4) = −(λ + 2)(λ2 − 3λ − 4)
p(λ) = −(λ + 2)(λ + 1)(λ − 4)

Por lo tanto, los valores caracterı́sticos, p(λ) = 0, de la matriz A son: λ1 = −2, λ2 = −1 y λ3 = 4.

Ahora sustituimos los valores caracterı́sticos anteriores para encontrar los vectores caracterı́sticos asociados a cada
uno de ellos, de manera que,
Para λ1 = −2 tenemos
   
2 0 −2 0 2 0 −2 0
(A − λ1 I)X1 = 0 ⇒  0 0 0 0  (R3 + R1 → R3 )  0 0 0 0
−2 0 5 0 0 0 3 0
   
1 0 −1 0 1 0 0 0 R1 ⇒x=0
(R1 /3 → R3 ) 
0 0 0 0  (R1 + R3 → R1 )  0 0 0 0  R2 ⇒y=α∈R
(R1 /2 → R1 )
0 0 1 0 0 0 1 0 R3 ⇒z=0

entonces podemos escribir la solución de la ecuación caracterı́stica como

     
x 0 0
X1 =  y  =  α  = α  1 
z 0 0
 
 0 
Por lo tanto, el vector caracterı́stico asociados a λ1 es  1  o cualquier multiplo de este.
 0 
Para λ2 = −1 tenemos
   
1 0 −2 0 1 0 −2 0
(A − λ2 I)X2 = 0 ⇒  0 −1 0 0  (R3 + 2R1 → R3 )  0 −1 0 0 
−2 0 4 0 0 0 0 0
x = 2α
R1 ⇒ x − 2z = 0
⇒ y=0
R2 ⇒ y = 0
z=α∈R

entonces la solución de la ecuación caracterı́stica la podemos escribir como

     
x 2α 2
X2 =  y  =  0  = α  0 
z α 1
 101

<|>
<|>
 
 2 
Por lo tanto, el vector caracterı́stico asociados a λ2 es  0  .
 1 

Para λ3 = 4 tenemos
   
−4 0 −2 0 1 0 1/2 0
(R1 /(−4) → R1 ) 
(A − λ3 I)X3 = 0 ⇒  0 −6 0 0  0 1 0 0
(R2 /(−6) → R2 )
−2 0 −1 0 −2 0 −1 0
 
1 0 1/2 0 x = −α/2
R ⇒ x + z/2 = 0
(R3 + 2R1 → R3 )  0 1 0 0 1 ⇒ y=0
R2 ⇒ y = 0
0 0 0 0 z=α∈R

ası́, la solución de la ecuación caracterı́stica la podemos escribir como

     
x −α/2 −1/2
X3 =  y  =  0  = α  0 
z α 1
 
 −1 
Por lo tanto, el vector caracterı́stico asociados a λ3 es, para α = 2,  0  .
 2 
     
 0 2 −1 
De esta manera tenemos el conjunto de vectores ortogonales  1  ,  0  ,  0  , ahora normalizando
 0 1 2 
   √   √ 
 0 2/ 5 −1/ 5 
estos vectores obtenemos el siguiente conjunto  1  ,  0√  ,  0√  , los cuales son vectores propios
 0
1/ 5 2/ 5

ortonormales de la matriz A, con los cuales construimos la matriz P , que tiene la propiedad de que P −1 = P T , de
esta manera
 √ √   
0 2/ 5 −1/ 5 0√ 1 0√
P =1 0√ 0√  ⇒ P −1 = P T =  2/ √5 0 1/√5 
0 1/ 5 2/ 5 −1/ 5 0 2/ 5

Finalmente diagonalizamos la matriz que diagonaliza a la matriz A como sigue,

   √ √ 
0√ 1 0√ 0 0 −2 0 2/ 5 −1/ 5
D = P −1 AP =  2/ √5 0 1/√5   0 −2 0   1 0√ 0√ 
−1/ 5 0 2/ 5 −2 0 3 0 1/ 5 2/ 5
  √ √ 
0√ −2 0√ 0 2/ 5 −1/ 5
=  −2/√5 0 −1/√ 5   1 0√ 0√ 
−4/ 5 0 8/ 5 0 1/ 5 2/ 5
   
−2 0 0 λ1 0 0
=  0 −1 0  =  0 λ2 0 
0 0 4 0 0 λ3

Los coeficientes de la matriz diagonal son los valores propios de la matriz A, como se esperaba.
 102

<|>
<|>

Problema V.3 Para la siguiente matriz A, determine sus valores y vectores propios o caracterı́sticos, y determine
la matriz que diagonaliza a la matriz A,
 
7 −2 −4
A =  3 0 −2 
6 −2 −3

Solución: Tenemos el polinomio caracterı́stico de la matriz A, de donde calculamos los valores caracterı́sticos de
la matriz, esto es,

7 − λ −2 −4 7 − λ −2 −4
p(λ) = |A − λI| = 3 −λ −2 (R3 − R1 → R3 ) p(λ) = 3 −λ −2
6 −2 −3 − λ −1 + λ 0 1 − λ
7 − λ −2 −4
(R3 /(−1 + λ) → R3 ) p(λ) = (1 − λ) 3 −λ −2
−1 0 1
3 − λ −2 −4
(C1 + C3 → C1 ) p(λ) = −(λ − 1) 1 −λ −2 = −(λ − 1)(λ2 − 3λ + 2)
0 0 1
p(λ) = −(λ − 1)(λ − 1)(λ − 2)

las raices de este polinomio p(λ) = 0, son los valores caracterı́sticos de la matriz A, de manera que: λ1 = λ2 = 1 y
λ3 = 2.

Sustituimos los valores caracterı́sticos anteriores en la ecuación homogénea (A − λi I)Xi = 0, para encontrar los
vectores caracterı́sticos asociados a cada volor propio, entonces,

Para λ1 = λ2 = 1 tenemos
   
7 − 1 −2 −4 0 6 −2 −4 0
(A − λ1,2 I)X1,2 = 0 ⇒  3 −1 −2 0⇒ 3 −1 −2 0
6 −2 −3 − 1 0 6 −2 −4 0
   
3 −1 −2 0 3 −1 −2 0
(R2 − R1 → R2 ) 
(R1 /2 → R1 )  3 −1 −2 0  0 0 0 0
(R3 − 2R1 → R3 )
6 −2 −4 0 0 0 0 0
 
1 −1/3 −2/3 0
y=α
(R1 /3 → R1 )  0 0 0 0  ⇒ x = y/3 + 2z/3 si con α, β ∈ R
z=β
0 0 0 0

la solución de la ecuación caracterı́stica esta dado por

           
x α/3 + 2β/3 1/3 2/3 1 2
X1,2 =  y  =  α  = α 1  + β 0  = α  3  + β  0 
z β 0 1 3 0 3 3
   
 1 2 
Por lo tanto, los vectores caracterı́sticos asociados a λ1 y λ2 son  3  ,  0  .
 0 3 
 103

<|>
<|>

Para λ3 = 2 tenemos
   
7 − 2 −2 −4 0 5 −2 −4 0
(A − λ3 I)X3 = 0 ⇒  3 −2 −2 0  ⇒  3 −2 −2 0 
6 −2 −3 − 2 0 6 −2 −5 0
   
2 0 −2 0 1 0 −1 0
(R1 − R2 → R1 ) 
3 −2 −2 0  (R1 /2 → R1 )  3 −2 −2 0 
(R3 − R2 → R3 )
3 0 −3 0 3 0 −3 0
   
1 0 −1 0 1 0 −1 0
(R2 − 3R1 → R2 ) 
0 −2 1 0  (R2 /(−2) → R2 )  0 1 −1/2 0 
(R3 − 3R1 → R3 )
0 0 0 0 0 0 0 0
R1 ⇒ x = z
donde z = α ∈ R
R2 ⇒ y = z/2

es decir, la solución de la ecuación caracterı́stica ahora esta dada por

       
x α 1 α 2
X3 =  y  =  α/2  = α  1/2  =  1 
z α 1 2 2
  
 2 
Por lo tanto, el vector caracterı́stico de la matriz A asociado a λ3 es  1  .
 2 
      
 1 2 2 
Tenemos que los vectores caracterı́sticos asociados a la matriz A,  3  ,  0  ,  1  , forman un conjunto
 0 3 2 
de vectores linealmente independientes, por lo que la matriz A se puede diagonalizar mediante una matriz C, cuyas
columnas son precisamente los vectores caracterı́sticos encontrados anteriormente, entonces
     
1 2 2 −1 2/3 2/3 1 −3 2 2
C =  3 0 1  ⇒ C −1 =  −2 2/3 5/3  =  −6 2 5 
0 3 2 3 −1 −2 3 9 −3 −6

Verificamos la relación
   
1 −3 2 2 7 −2 −4 1 2 2
D = C −1 AC =  −6 2 5   3 0 −2   3 0 1
3 9 −3 −6 6 −2 −3 0 3 2
      
1  −3 2 2   1 2 4 1 3 0 0 1 0 0
= −6 2 5 3 0 2= 0 3 0= 0 1 0
3 9 −3 −6 0 3 4 3 0 0 6 0 0 2
 
λ1 0 0
=  0 λ2 0 
0 0 λ3
 104

<|>
<|>

Problema V.4 Si A es una matriz simetrica de tamaño 3 × 3, diagonalizela ortoganalmente

 
−1 2 2
A =  2 −1 2 
2 2 −1

Solución: Determinemos los valores caracterı́sticos de la matriz usando el polinomio caracterı́stico, es decir,

−1 − λ 2 2
p(λ) = |A − λI| = 2 −1 − λ 2 = λ3 + 3λ2 − 9λ − 27
2 2 −1 − λ
p(λ) = (λ + 3)(λ + 3)(λ − 3)

Los valores caracterı́sticos de la matriz A son la raices de la ecuación p(λ) = 0, de modo que: λ1 = λ2 = −3 y
λ3 = 3.

Ahora sustituimos los valores caracterı́sticos anteriores en la ecuación (A − λi I)Xi = 0, para encontrar los vectores
caracterı́sticos de A, para cada valor propio, entonces
Para λ1 = λ2 = −3 tenemos
   
−1 + 3 2 2 0 2 2 2 0
(A − λ1,2 I)X1,2 = 0 ⇒  2 −1 + 3 2 0= 2 2 2 0
2 2 −1 + 3 0 2 2 2 0
   
1 1 1 0 1 1 1 0
(R 2 − 2R1 → R )
2 
(R1 /2 → R1 )  2 2 2 0  0 0 0 0
(R3 − 2R1 → R3 )
2 2 2 0 0 0 0 0
⇒ x = −y − z si y = α y z = β donde α, β ∈ R

entonces podemos escribir la solución de la ecuación caracterı́stica como

       
x −α − β −1 −1
X1,2 =  y  =  α  = α 1  + β 0 
z β 0 1
   
 −1 −1 
Por lo tanto, los vectores caracterı́sticos asociados al valor propio λ1,2 = −3 son  1  ,  0  o cualquier
 0 1 
multiplo de este. Ahora ortonormalizemos a estos vectores usando el proceso de Gramm-Schmidt, esto es, sea u1 =
(−1, 1, 0) y u2 = (−1, 0, 1) entonces

v1 = u1 = (−1, 1, 0)
 
u 2 · v1
v2 = u2 − v1 = (−1/2, −1/2, 1)
v1 · v1

donde los vectores v1 y v2 son ortogonales, esto es, v1 ·v2 = (−1, 1, 0)·(−1/2, −1/2, 1) = 0, finalmente los normalizamos
v1 √ √
w1 = = (−1/ 2, 1/ 2, 0)
|v1 |
v2 √ √ √
w2 = = (−1/ 6, −1/ 6, 2/ 6)
|v2 |
 105

<|>
<|>

Para λ3 = 3 tenemos
   
−1 − 3 2 2 0 −4 2 2 0
(A − λ2 I)X2 = 0 ⇒  2 −1 − 3 2 0  =  2 −4 2 0
2 2 −1 − 3 0 2 2 −4 0
   
2 −1 −1 0 2 −1 −1 0
(R2 − R1 → R2 ) 
R1 /(−2) → R1  2 −4 2 0  0 −3 3 0
(R3 − R1 → R3 )
2 2 −4 0 0 3 −3 0
   
2 −1 −1 0 2 −1 −1 0
R3 + R2 → R3  0 −3 3 0  R2 /(−1) → R2  0 1 −1 0
0 0 0 0 0 0 0 0
 
2 0 −2 0
x=y
R1 + R2 → R1  0 1 −1 0  ⇒ si z = α ∈ R
y=z
0 0 0 0

entonces la solución de la ecuación caracterı́stica la podemos escribir como

     
x α 1
X3 =  y  =  α  = α  1 
z α 1
    √ 
 1   1/√3 
Ası́, el vector caracterı́stico asociados a λ3 es  1  , normalizado tenemos que  1/√3  .
 1 
1/ 3
 

 √   √   √ 
 −1/√ 2 −1/√6 1/√3 
De esta manera, tenemos el conjunto de vectores  1/ 2  ,  −1/√ 6  ,  1/√3  , los cuales son vectores
0 2/ 6 1/ 3
 
propios ortonormales de la matriz A, que usamos para construimos la matriz P , que tiene la propiedad de que
P −1 = P T , y que diaganaliza a A, esto es
 √ √ √   √ √ 
−1/√ 2 −1/√6 1/√3 −1/√2 1/ √2 0√
P =  1/ 2 −1/√ 6 1/√3  ⇒ P −1 = P T =  −1/√ 6 −1/√ 6 2/√6 
0 2/ 6 1/ 3 1/ 3 1/ 3 1/ 3

Finalmente diagonalizamos la matriz que diagonaliza a la matriz A como sigue,

 √ √   √ √ √ 
−1/√2 1/ √2 0√ −1 2 2 −1/√ 2 −1/√6 1/√3
D = P −1 AP = P T AP =  −1/√ 6 −1/√ 6 2/√6   2 −1 2   1/ 2 −1/√ 6 1/√3 
1/ 3 1/ 3 1/ 3 2 2 −1 0 2/ 6 1/ 3
 √ √  √ √ √ 
−1/√2 1/ √2 0√ 3/ √2 3/√6 3/√3
=  −1/√ 6 −1/√ 6 2/√6   −3/ 2 3/ √6 3/√3 
1/ 3 1/ 3 1/ 3 0 −6/ 6 3/ 3
   
−3 0 0 λ1 0 0
=  0 −3 0  =  0 λ2 0 
0 0 3 0 0 λ3
 106

<|>
<|>

Problema V.5 Identifique la sección cónica cuya ecuación es,

5x2 − 2xy + 5y 2 = 4

Solución: La matriz simétrica asociada es esta ecuación tiene la forma siguiente

 
5 −1
A=
−1 5

cuyo polinomio caracterı́stico esta dado por el determinante

5 − λ −1
p(λ) = |A − λI| = = (5 − λ)2 − 1 = 24 − 10λ + λ2
−1 5 − λ

donde las raices de la ecuación p(λ) = 24 − 10λ + λ2 = 0 son: λ1 = 4 y λ2 = 6 , que son los valores propios de la
matriz A.
Determinamos ahora los vectores propios ortonormales correspondientes,
Para λ1 = 4 tenemos
   
1 −1 0 1 −1 0
(A − λ1 I)X1 = 0 ⇒ (R2 + R1 → R2 )
−1 1 0 0 0 0
R1 ⇒ x = y ⇒ y = α ∈ R

entonces podemos escribir la solución de la ecuación caracterı́stica como

     
x α 1
X1 = = =α
y α 1

 √ 
1/√2
Por lo tanto, el vector caracterı́stico ortonormal asociado a λ1 es o cualquier multiplo de este.
1/ 2

Para λ2 = 6 tenemos
   
−1 −1 0 −1 −1 0
(A − λ2 I)X2 = 0 ⇒ (R2 − R1 → R2 )
−1 −1 0 0 0 0
R1 ⇒ x = −y ⇒ y = α ∈ R

de manera que podemos escribir la solución de la ecuación caracterı́stica como

     
x −α −1
X2 = = =α
y α 1

 √ 
−1/√ 2
Entonces, el vector caracterı́stico ortonormal asociado a λ2 es o cualquier multiplo de este.
1/ 2

La matriz ortonormal correspondiente es,

 √ √ 
1/√2 −1/√ 2
Q=
1/ 2 1/ 2

de donde
√ √
1/√2 −1/√ 2
|Q| = = 1/2 + 1/2 = 1
1/ 2 1/ 2
 107

Por lo tanto, podemos escribir la forma cuadrática en términos de las nuevas coordenadas como sigue,
  0   0
0 0 4 0 x 0 0 x 2
(x , y ) = 4 ⇒ (4x , 6y ) = 4 (x0 ) + 6(y 0 )2 = 4
0 6 y0 y0

reescribiendo la ecuación anterior nos resulta,

   
4 0 2 6
0 2 0 2
4 (x ) + 6(y ) = 4 ⇒ (x ) + (y 0 )2 = 1
4 4

o bien
2
(x0 ) (y 0 )2
+ =1
1 4/6

la cual corresponde a la ecuación de una elipse

x2 y2
+ =1
a2 b2
p
cuyos radios son, el menor a = 1 y el mayor b = 4/6 .
 108

<|>
<|>

Problema V.6 Considere la siguiente ecuación cudrática,

x2 + y 2 + 2z 2 + 2xy = 2

determinar la sección cónica correspondiente.

Solución: La matriz simétrica correspondiente a la ecuación anterior tiene la forma,
 
1 1 0
A=1 1 0
0 0 2

el polinomio caracterı́stico asociado a esta matriz, es el determinante,

1−λ 1 0
p(λ) = |A − λI| = 1 1−λ 0 = −(λ3 − 4λ2 + 4λ) = −λ(λ − 2)2
0 0 2−λ

donde las raices de la ecuación p(λ) = −λ(λ − 2)2 = 0 son: λ1 = 0 y λ2,3 = 2 , que corresponden a los valores
propios de la matriz A.
Obtenemos ahora los correspondientes vectores propios o caracterı́sticos
Para λ1 = 0 tenemos
   
1 1 0 0 1 1 0 0
(R2 − R1 → R )
2 
(A − λ1 I)X1 = 0 ⇒  1 1 0 0 0 0 0 0
(R3 /2 → R3 )
0 0 2 0 0 0 1 0
R1 ⇒ x = −y
R3 ⇒ z = 0

entonces podemos escribir la solución de la ecuación caracterı́stica como

     
x α 1
X1 =  y  =  −α  = α  −1 
z 0 0
 
 1 
Por lo tanto, el vector caracterı́stico asociado al valor propio λ1 = 0 es  −1  o cualquier multiplo de este.
 0 

Para λ2,3 = 2 tenemos

   
−1 1 0 0 −1 1 0 0
(A − λ2,3 I)X2,3 = 0 ⇒  1 −1 0 0  (R2 + R1 → R2 )  0 0 0 0
0 0 0 0 0 0 0 0
R1 ⇒ x = y = α ∈ R
R2 ⇒ z = β ∈ R

entonces podemos escribir la solución de la ecuación caracterı́stica como

         
x α 0 1 0
X2,3 =  y  =  α  +  0  = α  1  + β  0 
z 0 β 0 1
   
 1 0 
Por lo tanto, los vectores caracterı́stico asociado al valor propio λ2,3 = 2 son  1  ,  0  o cualquier multiplo
 0 1 
de estos.
 109
     
 1 1 0 
Aplicamos el método de Gramm-Schmidt al conjunto de vectores  −1  ,  1  ,  0  , para obtener un
 0 0 1 
 √   √   
 1/ √2 1/√2 0 
conjunto de vectores ortonormales, los cuales resultan ser  −1/ 2  ,  1/ 2  ,  0  . Ahora con estos

0 0 1 
vectores construı́mos la matriz,
 √ √ 
1/ √2 1/√2 0
Q =  −1/ 2 1/ 2 0 
0 0 1

de donde
√ √
1/ √2 1/√2 0
|Q| = −1/ 2 1/ 2 0 = (1)(1/2 + 1/2) = 1
0 0 1

Por lo tanto, podemos escribir la forma cuadrática en términos de las nuevas coordenadas como sigue,
  0   0
0 0 0 x x
(x0 , y 0 , z 0 )  0 2 0   y 0  = 2 ⇒ (0x0 , 2y 0 , 2z 0 )  y 0  = 0(x0 )2 + 2(y 0 )2 + 2(z 0 )2 = 2
0 0 2 z0 z0

si reescribimos la ecuación anterior tenemos,

0(x0 )2 + 2(y 0 )2 + 2(z 0 )2 = 2 ⇒ 0(x0 )2 + (y 0 )2 + (z 0 )2 = 1

ecuación que corresponde a un elipsoide.

 110

<|>
<|>
Problema V.7 Reescriba la siguiente ecuación en términos de nuevas variables, de tal manera que solo esten
presentes los términos cuadráticos,
3x2 + 4xy + 2y 2 + 4xz + 4z 2 = 0

Solución: La matriz simétrica correspondiente a la ecuación anterior esta dada por,

 
3 2 2
A=2 2 0
2 0 4

el polinomio caracterı́stico asociado a esta matriz, es el determinante,

3−λ 2 2
p(λ) = |A − λI| = 2 2−λ 0 = λ(λ2 − 9λ + 18) = λ(λ − 3)(λ − 6)
2 0 4−λ

donde las raices de la ecuación p(λ) = λ(λ − 6)(λ − 3) = 0 son: λ1 = 0 , λ2 = 3 y λ3 = 6 , que corresponden a los
valores propios de la matriz A.
Los vectores propios o caracterı́sticos asociados a estos valores propios se obtienen resolviendo los siguientes sistemas
de ecuaciones lineales,
Para λ1 = 0 tenemos
   
3 2 2 0 1 0 2 0
(A − λ1 I)X1 = 0 ⇒  2 2 0 0  ⇒  0 1 −2 0
2 0 4 0 0 0 0 0
R1 ⇒ x = −2z
R2 ⇒ y = 2z

entonces podemos escribir la solución de la ecuación caracterı́stica como

     
x −2α −2
X1 =  y  =  2α  = α  2 
z α 1
 
 −2 
Por lo tanto, el vector caracterı́stico asociado al valor propio λ1 = 0 es  2  .
 1 

Para λ2 = 3 tenemos
   
0 2 2 0 1 0 1/2 0
(A − λ2 I)X2 = 0 ⇒  2 −1 0 0 ⇒  0 1 1 0
2 0 1 0 0 0 0 0
R1 ⇒ x = −z/2
R2 ⇒ y = −z

entonces podemos escribir la solución de la ecuación caracterı́stica como

     
x −α/2 −1/2
X2 =  y  =  −α  = α  −1 
z α 1
 
 −1/2 
Por lo tanto, el vector caracterı́stico asociado al valor propio λ2 = 3 es  −1  .
 1 
 111

Para λ3 = 6 tenemos
   
−3 2 2 0 1 0 −1 0
(A − λ3 I)X3 = 0 ⇒  2 −4 0 0  ⇒  0 1 −1/2 0
2 0 −2 0 0 0 0 0
R1 ⇒ x = z
R2 ⇒ y = z/2

entonces podemos escribir la solución de la ecuación caracterı́stica como

     
x α 1
X3 =  y  =  α/2  = α  1/2 
z α 1
 
 1 
Por lo tanto, el vector caracterı́stico asociado al valor propio λ3 = 6 es  1/2  .
 1 
     
 −2 −1/2 1 
Ortonormalizamos el conjunto de vectores  2  ,  −1  ,  1/2  mediante el proceso de Gramm-
 1 1 1 
     
 −2/3 −1/3 2/3 
Schmidt, con lo cual obtenemos el nuevo conjunto  2/3  ,  −2/3  ,  1/3  , con los cuales formamos
 1/3 2/3 2/3 
la matriz,
 
−2/3 −1/3 2/3
Q =  2/3 −2/3 1/3 
1/3 2/3 2/3

cuyo determinate es

−2/3 −1/3 2/3 1 −2 −1 2

|Q| = 2/3 −2/3 1/3 = 2 −2 1 = 1
1/3 2/3 2/3 3 1 2 2

¨
Por lo tanto, la ecuación en términos de las nuevas coordenadas se escribe como,
  0   0
0 0 0 x x
(x0 , y 0 , z 0 )  0 3 0   y 0  = 0 ⇒ (0x0 , 3y 0 , 6z 0 )  y 0  = 0(x0 )2 + 3(y 0 )2 + 6(z 0 )2 = 0
0 0 6 z0 z0
 112

<|>
<|>

BIBLIOGRAFÍA

ÁLGEBRA LINEAL, Grossman Stanley I, Mc Graw Hill, Quinta Edición 1996.

ÁLGEBRA LINEAL CON APLICACIONES Y MATLAB, Bernard Kolman, Prentice Hall, Sexta Edición 1999.
ÁLGEBRA LINEAL, Kenneth Hoffman y Ray Kunze, Prentice Hall, Segunda Edición 1973.
ÁLGEBRA LINEAL, Rafael Bru, Joan-Josep Climent, Josep Mas y Ana Urbano, Alfa Omega, 2001.
ÁLGEBRA LINEAL UNA INRODUCCIÓN MODERNA, David Pole, Thomson, 2004.