Algebra Lineal Apuntes de Teoria y Ejercicios Resueltos

lgebra Lineal
Apuntes de teora y
ejercicios resueltos
lgebra Lineal
Apuntes de teora y
ejercicios resueltos
SERVICIO DE PUBLICACIONES
Jos Manuel Salazar
El contenido de este libro no podr ser reproducido,

ni total ni parcialmente, sin el previo permiso escrito del editor.
Todos los derechos reservados.
Universidad de Alcal
Servicio de Publicaciones
Plaza de San Diego, s/n
28801 Alcal de Henares
www.uah.es
ISBN: 978-84-8138-893-0
Depsito Legal: M-48205-2010
Impresin y encuadernacin: Imprenta de la UAH
Impreso en Espaa
3
PRLOGO
El presente libro intenta ser una gua prctica para los alumnos de primer
curso de carreras cientcas en su estudio del lgebra Lineal. Para ello se
han incluido resmenes tericos y una gran cantidad de ejercicios resueltos.
Esta obra resulta especialmente recomendable como material de apoyo en
la resolucin de problemas, pudiendo emplearse tambin como texto bsico,
sin olvidar que la parte terica, aunque completa, apenas incluye demostraciones, cuya consulta se deja al criterio del lector en cualquier texto estndar.
Los contenidos quedan estructurados de la siguiente manera: cada captulo comienza con un resumen terico de la materia a tratar, seguido de una
serie de problemas propuestos para el alumno. El ltimo captulo se dedica
a la resolucin de dichos problemas.
En el captulo 1 se presentan los objetos y las herramientas bsicas que
sern de utilidad a lo largo del libro: matrices, determinantes, clculo de
rangos, sistemas de ecuaciones lineales, mtodo de Gauss...
Los captulos 2 y 3 desarrollan el ncleo de la asignatura: las estructuras con las que trabajar, los espacios vectoriales, y las aplicaciones lineales
denidas en ellos.
El captulo 4 estudia los endomorsmos y sus representaciones matriciales
ms sencillas, las formas cannicas de Jordan. Una aplicacin directa de estos
resultados se encuentra en el captulo 5 en el que se analizan los sistemas de
ecuaciones diferenciales lineales de primer orden de coecientes constantes.
El captulo 6 introduce el concepto de producto escalar en un espacio
vectorial con el n de dotar al mismo de longitudes y ngulos entre vectores. Como aplicacin de estas ideas se inicia al alumno en el estudio de los
desarrollos de Fourier.
El captulo 7 contiene las soluciones de la mayor parte de los problemas
propuestos a lo largo del libro.
NDICE
ndice
1. PRELIMINARES
1.1. CLCULO DEL RANGO POR EL MTODO DE GAUSS

1.2. SISTEMAS DE ECUACIONES LINEALES . . . . . . . . .
1.2.1. Mtodo de eliminacin de Gauss . . . . . . . .
1.2.2. Discusin de sistemas de ecuaciones lineales .
1.2.3. Regla de Cramer . . . . . . . . . . . . . . . . . . .
1.3. PROPIEDADES DE LOS DETERMINANTES . . . . . . .
1.4. EJERCICIOS . . . . . . . . . . . . . . . . . . . . . . . . . .
. 7
. 8
. 9
. 9
. 10
. 10
. 11
2. ESPACIOS VECTORIALES
2.1. ESPACIOS VECTORIALES. SUBESPACIOS

VECTORIALES . . . . . . . . . . . . . . . . . . . . . . . . .
2.2. DEPENDENCIA E INDEPENDENCIA LINEAL. BASES . .
2.3. SUBESPACIO GENERADO POR LAS FILAS DE UNA MATRIZ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.4. ECUACIONES CARTESIANAS Y PARAMTRICAS DE UN
SUBESPACIO . . . . . . . . . . . . . . . . . . . . . . . . . .
2.5. SUMA E INTERSECCIN DE SUBESPACIOS. SUMA DIRECTA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.6. COORDENADAS Y CAMBIO DE BASE . . . . . . . . . . .
2.7. EJERCICIOS . . . . . . . . . . . . . . . . . . . . . . . . . . .
3. APLICACIONES LINEALES
3.1. PRIMERAS DEFINICIONES Y PROPIEDADES . . . .

3.2. MONOMORFISMOS, EPIMORFISMOS E
ISOMORFISMOS . . . . . . . . . . . . . . . . . . . . .
3.3. MATRICES Y APLICACIONES LINEALES. CAMBIO
BASE . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.4. OPERACIONES CON APLICACIONES LINEALES . .
3.5. EJERCICIOS . . . . . . . . . . . . . . . . . . . . . . . .
4. DIAGONALIZACIN Y FORMAS CANNICAS

4.1.
4.2.
4.3.
4.4.
AUTOVALORES Y AUTOVECTORES . .
ENDOMORFISMOS DIAGONALIZABLES
ALGORITMO DE DIAGONALIZACIN .
FORMAS CANNICAS DE JORDAN . . .
4.4.1. Forma de Jordan de matrices de
4.4.2. Forma de Jordan de matrices de
4.5. EJERCICIOS . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
orden 2 .
orden 3 .
. . . . . . .
13
13
14
16
16
17
18
21
27
. . . 27
. . .
DE
. . .
. . .
. . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
28
28
31
33
37
37
38
39
40
43
45
51
NDICE
5. SISTEMAS DE ECUACIONES DIFERENCIALES
5.1. SISTEMAS LINEALES DE PRIMER ORDEN . . . . . . . .

5.2. SISTEMAS LINEALES HOMOGNEOS . . . . . . . . . . .
5.2.1. Sistemas lineales homogneos planos . . . . . . . . . .
5.2.2. Puntos crticos. Diagrama de fases de sistemas lineales
homogneos planos . . . . . . . . . . . . . . . . . . . .
5.3. EJERCICIOS . . . . . . . . . . . . . . . . . . . . . . . . . . .
6. PRODUCTO ESCALAR. ESPACIO EUCLDEO

6.1.
6.2.
6.3.
6.4.
PRODUCTO ESCALAR. LONGITUDES Y NGULOS

MTODO DE GRAM-SCHMIDT. PROYECCIONES .
APLICACIN: DESARROLLOS DE FOURIER . . . .
EJERCICIOS . . . . . . . . . . . . . . . . . . . . . . . .
7. SOLUCIONES A LOS EJERCICIOS PROPUESTOS

7.1.
7.2.
7.3.
7.4.
7.5.
ESPACIOS VECTORIALES . . . . . . . . . . . .
APLICACIONES LINEALES . . . . . . . . . . . .
DIAGONALIZACIN Y FORMAS CANNICAS
SISTEMAS DE ECUACIONES DIFERENCIALES
PRODUCTO ESCALAR. ESPACIO EUCLDEO .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
55
55
58
58
62
66
69
69
71
72
75
77
77
102
118
138
149
7
1.
PRELIMINARES
1.1.
CLCULO DEL RANGO POR EL MTODO DE GAUSS
Denicin 1. Una matriz es escalonada si:
1. Todas las las nulas, si las hay, estn en la parte inferior de la matriz.
2. El nmero de ceros al comienzo de una la no nula es estrictamente
menor que el nmero de ceros al comienzo de la la inferior.
El primer elemento no nulo de cada la (en caso de tenerlo) se llama
cabecera de la la.
Un ejemplo de matriz escalonada es
3 1 4 0
0 2 2 0
0 0 0 1
0 0 0 0
Supongamos que la matriz escalonada cumple, adems:

3. Todas las cabeceras de las son unos.
4. En las columnas en las que estn las cabeceras de las las, todos los
dems elementos son nulos.
Entonces se dice que la matriz es escalonada reducida.
Veamos algunos ejemplos:
1
0
0
0
0
1
0
0
4
2
0
0
0
1 3 0 5
0
0 0 1 2
1
0 0 0 0
0
son matrices escalonadas reducidas mientras que
1
0
0
0
0
1
0
0
4
2
0
0
1
0
1
0
es escalonada pero no es escalonada reducida.

Dada una matriz A Mmn (R), llamamos operaciones elementales sobre
las las de A a las siguientes manipulaciones:
1. Intercambiar la posicin de dos las.
2. Sustituir la la i-sima por k veces ella ms k0 veces la j -sima, con
k 6= 0.
Algoritmo. Dada una matriz A, reduzcmosla mediante operaciones elementales sobre las las a forma escalonada y a forma escalonada reducida.
PRELIMINARES
Paso 1. Si Aj1 es la primera columna de A con una entrada no nula,

intercambiamos, si es necesario, las para que a1j1 6= 0.
Paso 2. Utilizamos a1j1 como pivote para obtener ceros bajo l.
Paso 3. Se repiten los pasos 1 y 2 con la submatriz obtenida de quitar la
primera la.
Paso 4. Se repite el proceso hasta que la matriz quede en forma escalonada.
Si, adems, buscamos obtener la matriz escalonada reducida, continuamos con los pasos siguientes:
Paso 5. Se multiplica la ltima la no nula Ar (con cabecera arjr ) por
1/arjr de forma que la cabecera se convierta en 1.
Paso 6. Se utiliza arjr = 1 como pivote para obtener ceros sobre l.
Paso 7. Se repiten los pasos 5 y 6 para las las Ar1 , Ar2 , . . . , A2 .
Paso 8. Multiplicar A1 por 1/a1j1 (a1j1 es la cabecera de la la A1 ).
Hacemos observar que la matriz escalonada asociada a A no es nica,
mientras que la escalonada reducida s lo es.
Denicin 2. Sea
A Mn (R). Se llama menor de orden r de A al determinante de la matriz formada por la interseccin de r las y r columnas de
A. El rango de A es r si existe un menor de orden r de A no nulo y todos
los menores de orden mayor que r son nulos.
Observacin 1. El rango de una matriz
A es invariante por operaciones

elementales sobre sus las y resulta ser igual al nmero de las no nulas de
cualquier matriz escalonada asociada a A.
1.2.
SISTEMAS DE ECUACIONES LINEALES
Denicin 3. Una expresin de la forma

(I)
a11 x1 + a12 x2 + + a1n xn
..
.
b1
am1 x1 + am2 x2 + + amn xn = bm
donde los aij (coecientes) y los bi (trminos independientes) son nmeros

reales se denomina sistema de m ecuaciones lineales con n incgnitas x1 , . . . , xn .
Una solucin de (I) son n nmeros (s1 , . . . , sn ) tales que al sustituir por
(x1 , . . . , xn ), se cumplen las igualdades de (I).
Al sistema (I) tambin lo denotamos matricialmente por A
x = b, esto es,
A las matrices
a11
...
a1n
am1 . . .
amn
..
.
...
..
.
x1
..
. =
xn
b1
..
.
bm
1.2
SISTEMAS DE ECUACIONES LINEALES
A=
a11
..
.
...
...
am1 . . .
a1n
..
.
amn
A =
a11
..
.
...
...
am1 . . .
a1n
..
.
b1
..
.
amn bm
se las llama matriz de coecientes y matriz ampliada de coecientes de (I).

Dado un sistema de ecuaciones lineales A
x = b, diremos que es compatible
si tiene alguna solucin e incompatible si no tiene ninguna. En caso de ser
compatible, diremos que es compatible determinado si la solucin es nica y
compatible indeterminado si tiene ms de una solucin.
Discutir un sistema A
x = b ser determinar a cul de los tipos mencionados pertenece.
Diremos de un sistema que es homogneo si cada trmino independiente
es cero (b1 = = bm = 0). Lo denotaremos por A
x = 0.
Obsrvese que todo sistema homogneo es compatible (siempre existe la
solucin trivial x1 = x2 = = xn = 0).
Si alguno de los trminos independientes es distinto de cero, el sistema
se dice no homogneo.
1.2.1. Mtodo de eliminacin de Gauss

Dos sistemas de ecuaciones lineales se dicen equivalentes si tienen las
mismas soluciones. A continuacin veremos cmo determinar las soluciones
de un sistema de ecuaciones transformndolo en otro equivalente, que resolveremos con mayor facilidad.
Si (I) A
x = b es un sistema que deseamos resolver, consideramos la
matriz de coecientes ampliada A asociada a (I) y, realizando operaciones
elementales sobre sus las, la transformamos en una matriz escalonada E .
El sistema de ecuaciones (II) asociado a E ser equivalente a (I) A
x = b,
ya que las operaciones elementales sobre las las no modican las soluciones
de los sistemas resultantes. Bastar entonces resolver (II) para tener las
soluciones de (I). ste es el denominado mtodo de eliminacin de Gauss.
Si en vez de reducir A a forma escalonada, la reducimos a forma escalonada
reducida y resolvemos el sistema asociado, estaremos utilizando el mtodo de
eliminacin de Gauss-Jordan.
1.2.2. Discusin de sistemas de ecuaciones lineales

Teorema 1. (Rouch-Frobenius)
Dado un sistema (I) A

x = b de m ecuaciones con n incgnitas, se verica:
. Ser compatible determinado
1. El sistema es compatible si r(A) = r(A)
= n y compatible indeterminado si r(A) = r(A)
< n.
si r(A) = r(A)
2. El sistema es incompatible si r(A) < r(A).
10
PRELIMINARES
1.2.3. Regla de Cramer

Sea (I) A
x = b un sistema de n ecuaciones con n incgnitas (A Mn (R))
con A invertible.
Entonces (I) es compatible determinado y las soluciones de (I) son de la
forma:
x1 =
Det(b, A2 , . . . , An )
,
Det(A)
...
, xn =
Det(A1 , . . . , An1 , b)
,
Det(A)
siendo Ai la columna i-sima de A para i = 1, . . . , n.

1.3.
PROPIEDADES DE LOS DETERMINANTES
1. Dadas tres matrices cuadradas
A, B, C iguales, salvo que la i-sima

la (columna) de A es igual a la suma de las i-simas las (columnas)
de B y C , entonces:
det(A) = det(B) + det(C)
2. Si una matriz cuadrada A tiene dos las (columnas) iguales o proporcionales, entonces det(A) = 0.
3. Dada una matriz cuadrada
A y dada la matriz B obtenida de intercambiar en A la posicin de dos las (columnas), entonces det(B) =
det(A).
4. Dada una matriz cuadrada A y dada la matriz B obtenida de multi-
plicar los elementos de una la (columna) de A por un escalar k, entonces det(B) = k det(A). Esto implica que si A tiene una la (columna) de ceros, entonces det(A) = 0.
5. Dada una matriz cuadrada A y dada la matriz B obtenida de sumar a
una la (columna) de A otra la (columna) multiplicada por un escalar

k , entonces det(A) = det(B).
6. Una matriz cuadrada A es regular si y slo si det(A) 6= 0.

7. Dadas A y B matrices cuadradas, det(AB) = det(A)det(B).
8. Dada una matriz cuadrada A, det(A) = det(At )
9. El determinante de una matriz cuadrada
A puede obtenerse desarrollando por cualquiera de sus las o columnas:

det(A) = ai1 i1 + + ain in = a1j 1j + + anj nj
1.4
1.4.
EJERCICIOS
EJERCICIOS
11
13
2.
2.1.
ESPACIOS VECTORIALES
ESPACIOS VECTORIALES. SUBESPACIOS
VECTORIALES
Denicin 4. (Espacio vectorial)
Decimos que un conjunto no vaco V es un espacio vectorial sobre un

cuerpo K, o K-espacio vectorial, si en l se han denido dos operaciones,
una interna y otra externa, llamadas respectivamente suma y producto por
un escalar que pasamos a describir.
La suma de dos elementos (o vectores) u, v V da lugar a otro elemento
de V , que denotamos u + v , y que tiene las propiedades:
(S1) Asociativa: (u + v) + w = u + (v + w) u, v, w V .
(S2) Conmutativa: u + v = v + u u, v V .
(S3) Existencia de elemento neutro: 0 V tal que 0+v = v + 0 = v v V
(S4) Existencia de elemento opuesto: v V existe otro vector v V tal
que v + (v) = 0.
El producto de un escalar, o elemento del cuerpo K, por un vector da
lugar a otro elemento de V , y tiene las propiedades:
(M1) a(u+v) = au+av para todo a K y para todo par de vectores u, v V .
(M2) (a + b)u = au + bu para todo par de escalares a, b K y para todo
uV.
(M3) a(bu) = (ab)u para todo u V y a, b K.
(M4) 1u = u para todo u V , donde 1 es la unidad para el producto en K.
Las primeras cuatro propiedades hacen referencia a la suma de vectores
y se resumen diciendo que (V, +) es un grupo conmutativo.
Trabajaremos habitualmente con el cuerpo K = R, si bien todos los
resultados que se obtienen en este captulo son vlidos en cualquier cuerpo
K.
Observacin 2. De las propiedades enunciadas se deducen las siguientes:

1. 0u = 0,
2. a0 = 0,
4. (a)u = a(u) = (au).
3. Si au = 0, entonces a = 0 u = 0,
Denicin 5. (Subespacio vectorial)
Un subconjunto W del espacio vectorial V es un subespacio vectorial de

V si cumple:
i) W es cerrado para la suma: si u, v W , entonces u + v W .
14
ii) W es cerrado para el producto por escalares: si u W y a K,

entonces au W .
Estas dos condiciones se pueden resumir en una escribiendo:
iii) au + bv W para todo u, v W y a, b K.
Observacin 3.
W.
1. Si W es un subespacio vectorial de V , entonces 0
2. Todo subespacio vectorial W de V tiene asimismo estructura de espacio

vectorial con las mismas operaciones que V .
Denicin 6. (Combinacin lineal)
Diremos que un vector v V es combinacin lineal de la familia S =

{v1 , . . . , vm } V si v = a1 v1 + +am vm con ai K para todo i = 1, . . . , m.
Sea S un subconjunto del espacio vectorial V y sea L(S) el conjunto
formado por todas las combinaciones lineales de elementos de S :
L(S) = {a1 v1 + + am vm tal que m N, vi S, ai K, i = 1, . . . , m}
Al conjunto L(S) se le llama envolvente lineal de S o subespacio generado

por S y es el menor subespacio vectorial de V que contiene al conjunto S ,
esto es, si S W , con W un subespacio vectorial de V , entonces L(S) W .
2.2.
DEPENDENCIA E INDEPENDENCIA LINEAL. BASES
Denicin 7. (Dependencia e independencia lineal)
Sea V un K-espacio vectorial y sean v1 . . . , vm V . Se dice que la familia de vectores S = {v1 , . . . , vm } es linealmente dependiente si existen
a1 , . . . , am K, no todos nulos, tales que:
a1 v1 + a2 v2 + + am vm = 0
o, dicho de otro modo, si existe un vector vi S que se puede poner como

combinacin lineal del resto.
Se dice que el conjunto de vectores S = {v1 , . . . , vm } es linealmente independiente si no es linealmente dependiente, esto es, de ser cierta la igualdad
a1 v1 + a2 v2 + + am vm = 0,
entonces a1 = = am = 0. Esto equivale a decir que ningn vector de S se

puede poner como combinacin lineal del resto.
Observacin 4.
v1 6= 0.
1. {v1 } es l.i. (linealmente independiente) si y slo si
2.2
DEPENDENCIA E INDEPENDENCIA LINEAL. BASES
15
2. Si {v1 , . . . , vm } es l.d. (linealmente dependiente), entonces

{v1 , . . . , vm , vm+1 , . . . , vm+r }
tambin es l.d..
3. Si {v1 , . . . , vm , vm+1 , . . . , vm+r } es l.i., entonces {v1 , . . . , vm } es l.i..
Denicin 8. (Sistema de generadores)
Un conjunto de vectores S V es un sistema de generadores del espacio

vectorial V si L(S) = V .
Propiedades.
1. Si S = {v1 , . . . , vm } es un sistema de generadores de V , con vi combinacin lineal de los restantes vectores, entonces {v1 , . . . , vi1 , vi+1 , . . . , vm }
es tambin un sistema de generadores de V .
2. Si {v1 , . . . , vm } son l.i., entonces cualquier sistema de generadores de
V tendr, al menos, m elementos.
Denicin 9. (Base)
Una familia de vectores B V es una base del espacio vectorial V si es

linealmente independiente y sistema de generadores de V .
Si V admite una base nita B = {v1 , . . . , vn } de n vectores, lo llamaremos
espacio vectorial de dimensin nita. Diremos que la dimensin de V es n,
dim(V ) = n.
Propiedades. Sea V un espacio vectorial de dimensin nita n. Entonces:

1. Cada vector v V se podr escribir de modo nico como combinacin
lineal de los elementos de cualquier base.
2. (Teorema de la base) Todas las bases de V tienen n vectores.
3. (Teorema de ampliacin de la base) Sea S = {v1 , . . . , vm } una familia
de vectores l.i. de V . Entonces S se puede ampliar a otra familia
{v1 , . . . , vm , vm+1 , . . . , vn } que es una base de V .
4. Si S = {v1 , . . . , vn } son n vectores de V linealmente independientes,
entonces son tambin base de V .
5. Si S = {v1 , . . . , vm } contiene ms de n vectores, S es linealmente dependiente.
6. Si S = {v1 , . . . , vm } es sistema de generadores de V , cualquier nmero
mximo de vectores linealmente independientes de S es base de V .
7. Una familia de vectores S = {v1 , . . . , vm } V es base de un subespacio
vectorial W V si S es linealmente independiente y L(S) = W .
16
2.3.
SUBESPACIO GENERADO POR LAS FILAS DE UNA

MATRIZ
Sea A Mmn (K). Las las de A,

A1 = (a11 , . . . , a1n ),
...
, Am = (am1 , . . . , amn )
pueden verse como vectores de Kn y, por tanto, podemos decir que generan
un subespacio de Kn llamado espacio la de A y que denotamos por F (A),
esto es:
F (A) = L(A1 , . . . , Am ).
Propiedades.
1. Si al realizar operaciones elementales sobre las las de A obtenemos
una nueva matriz B , entonces F (A) = F (B).
2. Si E es una matriz escalonada asociada a A, entonces los vectores la
no nulos de E son base de F (A) = F (E).
3. Para saber si dos subespacios engendrados por dos familias de vectores
de Kn son iguales, basta ver si las dos matrices cuyas las son las
coordenadas de los vectores de las dos familias dan lugar a la misma
matriz escalonada reducida.
4. El rango de una matriz A Mmn (K) coincide con el nmero mximo
de vectores la l.i. (la dimensin de F (A)), y con el nmero mximo
de vectores columna l.i..
2.4.
ECUACIONES CARTESIANAS Y PARAMTRICAS

DE UN SUBESPACIO
Dado un sistema homogneo de m ecuaciones con n incgnitas (I) A

x = 0,
con A Mmn (K), y dado el conjunto W = {soluciones de (I)}, a (I) lo
llamaremos ecuaciones cartesianas (o implcitas) de W .
Propiedades.
1. W es un subespacio vectorial de Kn con dim(W ) = n r siendo r el

rango de A.
2. El sistema homogneo (II) B x = 0, con B una matriz obtenida de
A mediante operaciones elementales sobre las las, es equivalente a
(I), esto es, tiene las mismas soluciones. Reduciremos el problema de
resolver (I) al de resolver (II) E x = 0 con E una matriz escalonada
asociada a A.
2.5
SUMA E INTERSECCIN DE SUBESPACIOS. SUMA DIRECTA
17
Sea W un subespacio vectorial de Kn con dim(W ) = m n y sea

BW = {w1 , . . . , wm } una base de W con wi = (a1i , a2i , . . . , ani ) para i =
1, . . . , m. Entonces cualquier vector x = (x1 , . . . , xn ) W se escribe como
(x1 , . . . , xn ) = 1 (a11 , . . . , an1 ) + + m (a1m , . . . , anm ).
Si igualamos las coordenadas, quedan las ecuaciones paramtricas de W :
x1
..
.
a11 1 + a12 2 + + a1m m
xn = an1 1 + an2 2 + + anm m
Como vemos, a partir de una base de W obtenemos automticamente las

ecuaciones paramtricas.
2.5.
SUMA E INTERSECCIN DE SUBESPACIOS. SUMA

DIRECTA
Denicin 10. (Interseccin de subespacios vectoriales)
Sean U y W subespacios vectoriales de V . La interseccin de U y W ,

U W , es el conjunto
U W = {v V tal que v U y v W }
Propiedades.
1. U W es un subespacio vectorial de V . En general, tendremos que
la
T interseccin de cualquier familia de subespacios vectoriales de V ,
i Ui , es un subespacio vectorial de V .
2. Si U y W son subespacios vectoriales de Kn , las ecuaciones cartesianas
de U W sern las ecuaciones resultantes de unir las de U y las de W .
Denicin 11. (Suma de subespacios vectoriales)
Dados U, W subespacios vectoriales de V , llamamos suma de U y W ,

denotada por U + W , al conjunto
U + W = {u + w tal que u U, w W }
Propiedades.
1. U + W es un subespacio vectorial de V que contiene al conjunto U W .
De hecho, es el menor subespacio vectorial que contiene a U W , esto
es, U + W = L(U W ).
2. De manera anloga se puede denir la suma
de cualquier
familia de
P
S
subespacios vectoriales {Ui } de V como i Ui = L( i Ui ).
3. (Frmula de las dimensiones) Si V es de dimensin nita y U, W
son subespacios vectoriales suyos, entonces dim(U + W ) = dim(U ) +
dim(W ) dim(U W ).
18
Denicin 12. (Suma directa de dos subespacios)
Un espacio vectorial V es suma directa de los subespacios U, W , escrito

V = U W , si U W = {0} y V = U + W .
Es fcil probar que V = U W si y slo si cada vector v V se escribe
de modo nico como v = u + w para ciertos u U y w W .
Tambin es posible denir la suma directa para ms de dos subespacios

vectoriales. Decimos que V es suma directa de los subespacios vectoriales
U1 , . . . , Un , escrito V = U1 U2 Un , si todo vector v V se puede
escribir de modo nico como v = u1 + u2 + + un , con ui Ui para todo
i = 1, . . . , n. De manera equivalente, V = U1 U2 Un si:
1. V = P
L(U1 Un ) y
2. Ui j6=i Uj = {0}.
2.6.
COORDENADAS Y CAMBIO DE BASE
A continuacin desarrollamos la herramienta que nos permitir trabajar

en un K -espacio vectorial V de dimensin nita n como si estuvieramos en
Kn .
Denicin 13. (Coordenadas de un vector respecto de una base)
Dado un K-espacio vectorial V de dimensin nita n y dada una base

B = {e1 , . . . , en }, cada vector x V tiene una nica expresin en funcin
de los vectores de B de la forma
x = x1 e 1 + + xn e n
Llamaremos a (x1 , . . . , xn ) Kn coordenadas de x respecto de la base B

y lo representaremos por xB = (x1 , . . . , xn ).
Propiedades. Sea V un K-espacio vectorial de dimensin nita n y sea B
una base de V . Si x, y V tienen coordenadas (x1 , . . . , xn ) e (y1 , . . . , yn )

respecto de B , esto es, xB = (x1 , . . . , xn ), yB = (y1 , . . . , yn ), entonces:
1. [x + y]B = (x1 + y1 , . . . , xn + yn ).
2. [ax]B = (ax1 , . . . , axn ).
3. Dado un conjunto de vectores S = {v1 , . . . , vr } de V , tendremos que
S es l.i., l.d., sistema de generadores o base de V si y slo si lo son sus
vectores de coordenadas respecto de B en Kn .
Dado un espacio vectorial V de dimensin nita n y dadas dos bases
distintas
2.6
19
COORDENADAS Y CAMBIO DE BASE
B = {e1 , . . . , en } y B 0 = {e01 , . . . , e0n },
queremos determinar la relacin entre las coordenadas de un mismo vector

x respecto de las dos bases. Consideremos las coordenadas de los vectores de
B 0 en la base B :
e01
..
.
a11 e1 + a21 e2 + + an1 en
e0n = a1n e1 + a2n e2 + + ann en
Sea x V con coordenadas xB = (x1 , . . . , xn ) y xB 0 = (x01 , . . . , x0n )

respecto de las bases B y B 0 , esto es,
x1 e1 + + xn en = x = x01 e01 + + x0n e0n .
Entonces
x1 e1 + + xn en = x01 (a11 e1 + + an1 en ) + + x0n (a1n e1 + + ann en )
Reordenando trminos, queda:

x1 e1 + + xn en = (a11 x01 + + a1n x0n )e1 + + (an1 x01 + + ann x0n )en .
De modo que:
x1
= a11 x01 + + a1n x0n
..
.
xn = an1 x01 + + ann x0n
stas son las ecuaciones de cambio de base de B 0 a B . Si P es la matriz
P =
a1n
an1
ann
a11
..
.
...
..
.
entonces tenemos que xB = P xB 0 , esto es,
x1
a11
.. ..
...
. = .
xn
an1
a1n
x01
.. ..
. .
ann
x0n
Decimos que sta es la ecuacin matricial del cambio de base. A la matriz P se la llama matriz de cambio de base de B 0 a B o matriz de paso,
escribindose P = M (B 0 , B), y nos permite determinar las coordenadas de
20
un vector x en la base B a partir de sus coordenadas en la base B 0 . Obsrvese

que las columnas de P son las coordenadas de los vectores de B 0 respecto de
B . Adems, P es regular y, por tanto, xB 0 = P 1 xB , frmula que nos da las
coordenadas de un vector x en la base B 0 a partir de sus coordenadas en la
base B . Escribimos P 1 = M (B, B 0 ).
2.7
2.7.
21
EJERCICIOS
EJERCICIOS
1. Analizar cules de los siguientes subconjuntos de R3 son subespacios

vectoriales.
a)
b)
c)
d)
A = {(2x, x, 7x)/x R}
A = {(x, y, z)/xy = 1}
A = {(x, y, z)/x = y x = z}
A = {(x, y, z)/x + y + z = 0 y x y z = 0}
2. Analizar cules de los siguientes conjuntos son subespacios vectoriales

de Rn [t] (conjunto de los polinomios con grado menor o igual a n 1,
con coecientes en el cuerpo R).
a) El conjunto A de todos los polinomios con coecientes en R de
grado n y el polinomio cero.
b) A = {p(t) Rn [t]/3p(0) + p(1) = 1}.
c) A = {p(t) Rn [t]/p0 (0) + p00 (0) = 0}
de Mnn (R).
a) A = {M Mnn (R)/det(M ) = 0}.
b) A = {M Mnn (R)/det(M ) 6= 0}
c) A = {M Mnn (R)/tr(M ) = 0}.
4. Sea F (R, R) el espacio vectorial real de las funciones reales de variable
real. Estudiar cules de los siguientes subconjuntos son subespacios
vectoriales de F (R, R).
a) W = {f F (R, R)/f es continua en el intervalo (a, b)}.
b) W = {f F (R, R)/f (1) = f (2)}.
c) W = {f F (R, R)/f es creciente en el intervalo (a, b)}.
5. Se considera el sistema lineal homogneo de m ecuaciones con n incgnitas sobre el cuerpo R:
a11 x1 + + a1n xn
..
.
= 0
..
.
..
.
am1 x1 + + amn xn = 0
Demostrar que el conjunto W de soluciones es un subespacio vectorial

de Rn .
22
6. El rango de una matriz A coincide siempre con el nmero mximo

de vectores la linealmente independientes y con el nmero mximo
de vectores columna linealmente independientes. Estudiar, utilizando
este hecho, si los siguientes conjuntos de vectores son linealmente dependientes o independientes:
a) {(2, 1, 4), (4, 2, 8)}.
b) {(2, 1, 4), (4, 1, 8), (1, 0, 3)}.
c) {(2, 1, 4, 0), (0, 3, 1, 5), (4, 1, 7, 5)}.
d) {(1, 1, 1, 0), (1, 0, 1, 1), (0, 3, 1, 1), (6, 1, 2, 0)}.
7. En R3 se consideran los vectores u = (1, 2, 1), v = (1, 3, 2), x = (1, 1, 0), y =
(3, 8, 5). Demostrar que L({x, y}) = L({u, v}).
8. Determinar si las siguientes familias de vectores son sistemas de generadores de R3 . En los casos armativos, obtener una base.
a) {(1, 1, 0), (2, 3, 8)}
b) {(1, 1, 1), (2, 2, 0), (3, 0, 0)}
c) {(2, 1, 3), (4, 1, 2), (8, 1, 8)}.
d) {(1, 3, 3), (1, 3, 4), (1, 4, 3), (6, 2, 1)}.
9. En el espacio vectorial Rn [t] de los polinomios con grado menor o igual
que n sobre el cuerpo R, se considera el conjunto de vectores
B = {1, t, t2 , ..., tn }
Probar que B es una base de Rn [t].

10. En el espacio vectorial M22 (R) de las matrices de orden 2 2 sobre
el cuerpo R, se considera el conjunto de vectores

B=
1 0
0 0

0 1
0 0
0 0
,
,
,
0 0
1 0
0 1
Probar que B es una base de M22 (R).

11. Determinar la dimensin y una base del subespacio vectorial de R4
engendrado por los vectores
{(2, 1, 4, 0), (0, 3, 1, 5), (4, 1, 7, 5)}
2.7
23
EJERCICIOS
12. Sea
W = L({(1, 2, 1, 3, 4), (2, 4, 2, 6, 8), (1, 3, 2, 2, 6), (1, 4, 5, 1, 8), (2, 7, 3, 3, 9)})
Hallar un subconjunto de los vectores que sea base de W .

13. Se consideran en R4 los subespacios vectoriales
W1 = L({(1, 1, 0, 1), (1, 0, 1, 0), (1, 2, 1, 2)})
W2 = L({(0, 1, 1, 1), (1, 2, 1, 2)})
Hallar dim(W1 W2 ) y dim(W1 + W2 ), as como las ecuaciones implcitas y paramtricas de W1 , W2 y W1 + W2 .

14. Determinar, en cada caso, si los vectores que se dan son una base de
R4 .
a) {(2, 1, 0, 1), (1, 2, 1, 0)}.
b) {(0, 1, 2, 1), (1, 0, 1, 1), (0, 0, 2, 1), (0, 0, 1, 2)}.
c) {(1, 0, 1, 0), (0, 1, 1, 1), (2, 1, 1, 0), (1, 1, 2, 1)}.
Si ahora llamamos V1 , V2 , V3 a los subespacios vectoriales generados,
respectivamente, por los vectores de a), b), c), determinar : dim(Vi ), i =
1, 2, 3; dim(Vi Vj ), i 6= j y ecuaciones de la interseccin; dim(Vi + Vj ),
i 6= j y ecuaciones de Vi + Vj En qu casos R4 = Vi Vj ?
15. Sean U, V, W , los siguientes subespacios de R3 :
U = {(a, b, c)/a+b+c = 0},
V = {(a, b, c)/a = c},
W = {(0, 0, c)/c R}
Mostrar que:
a) R3 = U + V .
b) R3 = U + W .
c) R3 = V + W .
En qu casos es directa la suma?
16. Sean los subespacios vectoriales de R4 siguientes:
U = L({(1, 1, 0, 1), (1, 2, 3, 0), (2, 3, 3, 1)})
Hallar:
V = L({(1, 2, 2, 2), (2, 3, 2, 3), (1, 3, 4, 3)})
24
a) dim(U + V ) y ecuaciones de U + V .
b) dim(U V ) y ecuaciones de U V .
W1 = {(x, y, z, t) R4 /x z = 0, y + t = 0}
W2 = L({(0, 0, 0, 1), (1, 1, 1, 1)})
Calcular :
a) dim(W1 ) y dim(W2 ).
b) dim(W1 W2 ) y ecuaciones de W1 W2 . Es R4 = W1 W2 ?
c) dim(W1 + W2 ).
18. En R4 se consideran los subespacios vectoriales
W1 = {(x, y, z, t) R4 /x y = 0, z + t = 0}
W2 = L({(1, 1, 2, 2), (1, 0, 1, 0)}).
Calcular ecuaciones paramtricas, implcitas y bases de W1 , W2 , W1

W2 y W1 + W2 . Es R4 = W1 W2 ?
19. Sean
W1 = L({(1, 0, 0, 1), (0, 1, 1, 1), (0, 1, 1, 0)}),
W2 = {(x, y, z, t) R4 /x + t = 0}.
a) Calcular las ecuaciones implcitas y paramtricas de W2 .

b) Dar bases de W1 W2 y de W1 + W2 .
20. En el espacio vectorial real M22 (R) se consideran los subespacios vectoriales

W1 =
a b
c d

M22 (R)/a + b + c + d = 0

W2 = L
1 1
1 1

0 0
,
0 1
Calcular una base, ecuaciones implcitas y paramtricas de W1 , W2 ,

W1 + W2 y W1 W2 .
2.7
EJERCICIOS
25
21. Dada la base de R3 , B = {v1 = (1, 1, 1), v2 = (1, 1, 2), v3 = (1, 2, 3)},
hallar las coordenadas del vector x = (6, 9, 14) en dicha base, determinando previamente la matriz de cambio de base P = M (Bc , B) de la
base cannica Bc en la base B .
22. En R3 se consideran las bases
B1 = {(1, 0, 1), (1, 1, 1), (1, 1, 0)} y B2 = {(2, 1, 1), (1, 1, 1), (1, 1, 1)}
a) Calcular la matriz de cambio de base de B2 a B1 .

b) Calcular las coordenadas en la base B1 del vector cuyas coordenadas en B2 son (3, 2, 2).
27
3.
APLICACIONES LINEALES
El objetivo de este captulo es el estudio de las aplicaciones lineales u

homomorsmos entre espacios vectoriales. Este tipo de aplicaciones respeta
la estructura de espacio vectorial transformando subespacios vectoriales en
subespacios vectoriales.
3.1.
PRIMERAS DEFINICIONES Y PROPIEDADES
Denicin 14. (Aplicacin lineal)
Dada una aplicacin f : V V 0 con V, V 0 K-espacios vectoriales, decimos que f es lineal si satisface las condiciones:
i) f (u + v) = f (u) + f (v) u, v V .
ii) f (au) = af (u) a K y u V .
Estas dos condiciones se pueden resumir en una escribiendo:
iii) f (au + bv) = af (u) + bf (v) u, v V y a, b K.
A las aplicaciones lineales tambin se les llama homomorsmos de espacios vectoriales.
Propiedades.
Dada f : V V 0 una aplicacin lineal, entonces:

1. f (0) = 0,
2. f (u) = f (u),
3. f (a1 u1 + + am um ) =
a1 f (u1 ) + + am f (um ).
Consecuencia de esta ltima propiedad es que una aplicacin lineal f :
V V 0 queda determinada con slo conocer las imgenes de los vectores de
una base de V .
Denicin 15. (Ncleo e imagen de una aplicacin lineal)
Dada una aplicacin lineal f : V V 0 , se dene el ncleo de f , Ker(f ),

como el conjunto
Ker(f ) = {v V tal que f (v) = 0}
Llamamos imagen de f , Im(f ), al conjunto

Im(f ) = {f (v) tal que v V } = f (V )
Propiedades.
1. El conjunto Ker(f ) es un subespacio vectorial de V .
2. Si W es subespacio vectorial de V , W = L({v1 , . . . , vm }), entonces
f (W ) = L({f (v1 ), . . . , f (vm )}. Se desprende de esto que f (W ) es un
subespacio vectorial de V 0 . En particular, para W = V se tiene que
Im(f ) = f (V ) es subespacio vectorial de V 0 . Llamaremos rango de la
aplicacin lineal f a la dimensin de la imagen, r(f ) = dim(Im(f )).
28
3.2.
MONOMORFISMOS, EPIMORFISMOS E
ISOMORFISMOS
Denicin 16. (Monomorsmos, epimorsmos e isomorsmos)

i) Una aplicacin f : A B es inyectiva si a1 , a2 A, con a1 6= a2 ,
entonces f (a1 ) 6= f (a2 ).
ii) Una aplicacin f : A B es sobreyectiva si b B existe a A tal
que f (a) = b o, equivalentemente, si f (A) = B .
iii) Una aplicacin f : A B es biyectiva si es inyectiva y sobreyectiva a
la vez.
iv) Las aplicaciones lineales inyectivas se denominan monomorsmos, las
sobreyectivas, epimorsmos, y las biyectivas, isomorsmos.
v) Decimos que un espacio vectorial V es isomorfo a otro V 0 (V ' V 0 ) si
existe un isomorsmo f : V V 0 .
vi) Una aplicacin lineal f : V V , denida de un espacio vectorial en s
mismo, se denomina endomorsmo. De ser isomorsmo, la llamamos
automorsmo.
Propiedades. Sea f
: V V 0 una aplicacin lineal. Se verica:
1. f es un monomorsmo si y slo si Ker(f ) = {0} (dim(Ker(f )) = 0).

2. f es un epimorsmo si y slo si Im(f ) = V 0 (r(f ) = dim(V 0 )).
3. f es un monomorsmo si y slo si para todo conjunto de vectores l.i.
de V , {v1 , . . . , vm }, se tiene que {f (v1 ), . . . , f (vm )} tambin es l.i..
4. f es un epimorsmo si y slo si para todo sistema de generadores de V ,
{v1 , . . . , vm }, se tiene que {f (v1 ), . . . , f (vm )} es sistema de generadores
de V 0 .
5. f es un isomorsmo si y slo si para toda base de V , {v1 , . . . , vn }, se
tiene que {f (v1 ), . . . , f (vn )} es base de V 0 .
6. Sea B = {v1 , . . . , vn } una base de V y sea S = {f (v1 ), . . . , f (vn )}.
Entonces f es un monomorsmo, epimorsmo o isomorsmo si y slo
si S es l.i., sistema de generadores de V 0 o base de V 0 respectivamente.
Teorema 2. Dos espacios vectoriales de dimensin nita
V y V 0 son isomorfos si y slo si dim(V ) = dim(V En particular, cualquier K-espacio

vectorial V de dimensin n es isomorfo a Kn .
0 ).
3.3.
MATRICES Y APLICACIONES LINEALES. CAMBIO

DE BASE
Consideremos una aplicacin lineal f : V V 0 , con V y V 0 K-espacios

vectoriales de dimensin nita. Fijemos dos bases B = {e1 , . . . , en } de V y
B 0 = {e01 , . . . , e0m } de V 0 .
3.3
MATRICES Y APLICACIONES LINEALES. CAMBIO DE BASE
29
Consideremos las imgenes de los vectores {f (e1 ), . . . , f (en )}

f (e1 ) = a11 e01 + + am1 e0m
..
.
f (en ) = a1n e01 + + amn e0m
Si x V es un vector con coordenadas xB = (x1 , . . . , xn ) respecto de B ,

esto es, x = x1 e1 + + xn en , entonces:
f (x) = f (x1 e1 + + xn en ) = x1 f (e1 ) + + xn f (en ) =
= x1 (a11 e01 + + am1 e0m ) + + xn (a1n e01 + + amn e0m ) =
= (a11 x1 + + a1n xn )e01 + + (am1 x1 + + amn xn )e0m .
Si denotamos por yB 0 = (y1 , . . . , ym ) a las coordenadas de y = f (x)

respecto de B 0 , entonces:
y1
= a11 x1 + + a1n xn
..
.
ym = am1 x1 + + amn xn
o, escrito matricialmente,
y1
a11
.. ..
...
. = .
ym
am1
a1n
..
.
amn
x1
..
.
xn
Esta es la llamada ecuacin matricial de f respecto de las bases B y B 0 .

La matriz
F =
a11
..
.
...
am1
a1n
..
.
amn
tiene m las y n columnas y se denomina matriz asociada a f respecto de las

bases B y B 0 . Adems, F tiene por columnas las coordenadas respecto de B 0
de los vectores f (e1 ), . . . , f (en ). Escribiremos F = M (f, B, B 0 ). La ecuacin
matricial de f se escribe abreviadamente como
yB 0 = M (f, B, B 0 )xB
Propiedades. Sea
Entonces:
f : V V 0 lineal con dim(V ) = n y dim(V 0 ) = m.
30
1. (Frmula de las dimensiones para aplicaciones lineales) dim(V ) =

dim(Ker(f )) + dim(Im(f )).
2. Dadas dos bases B y B 0 para V y V 0 respectivamente, las columnas de
la matriz F = M (f, B, B 0 ) son las coordenadas respecto de B 0 de un
sistema de generadores de Im(f ), de modo que r(F ) = dim(Im(f )) =
r(f ).
3. f es un monomorsmo si y slo si r(F ) = n.
4. f es un epimorsmo si y slo si r(F ) = m.
5. f es un isomorsmo si y slo si m = n y F es regular.
Nuestro siguiente paso es estudiar la relacin entre las distintas expresiones matriciales asociadas a una misma aplicacin lineal f : V V 0 .
Supondremos que dim(V ) = n y dim(V 0 ) = m. Sean B1 , B2 bases de V y
B10 , B20 bases de V 0 .
Consideremos las ecuaciones de cambio de base de B1 en B2 y de B10 en
0
B2 determinadas por las expresiones
yB20 = Q yB10
xB2 = P xB1
con P = M (B1 , B2 ) y Q = M (B10 , B20 ). Asimismo escribimos las ecuaciones

matriciales de f respecto de las bases B1 , B10 y B2 , B20
yB10 = F xB1
yB20 = G xB2
con F = M (f, B1 , B10 ), G = M (f, B2 , B20 ).

Obtenemos el siguiente diagrama conmutativo:
V
V 0
F
xB1 yB10
P
Q
xB2
yB20
Se tiene entonces que la relacin entre las expresiones matriciales F y

G asociadas a f viene dada por la igualdad F = Q1 GP o, dicho de otro
modo,
M (f, B1 , B10 ) = M (B10 , B20 )1 M (f, B2 , B20 )M (B1 , B2 )
Como M (B10 , B20 )1 = M (B20 , B10 ), se puede escribir:

M (f, B1 , B10 ) = M (B20 , B10 )M (f, B2 , B20 )M (B1 , B2 )
3.4
OPERACIONES CON APLICACIONES LINEALES
31
Denicin 17. (Equivalencia y semejanza de matrices)

i) Decimos que dos matrices F, G Mmn (K) son equivalentes si G =
QF P para Q Mm (K), P Mn (K) con P, Q regulares.
ii) Decimos que dos matrices cuadradas F, G Mn (K) son semejantes si
G = P 1 F P para cierta P Mn (K) regular.
Proposicin 1.
i) Dos matrices F, G Mmn (K) son equivalente si y

slo si son matrices asociadas a una misma aplicacin lineal f : V
V 0 con respecto a bases distintas, esto es, F = M (f, B1 , B10 ) y G =
M (f, B2 , B20 ).
ii) De igual modo se tiene que dos matrices F, G Mn (K) son semejantes
si y slo si son matrices asociadas a un mismo endomorsmo f : V
V con respecto a bases distintas, esto es, F = M (f, B1 , B1 ) y G =
M (f, B2 , B2 ).
3.4.
OPERACIONES CON APLICACIONES LINEALES
Denicin 18. (Operaciones con aplicaciones lineales)
Sean V, V 0 , V 00 tres K-espacios vectoriales y sean f, g : V V 0 y h :

V 0 V 00 tres aplicaciones lineales.
i) Denimos la aplicacin suma f + g : V V 0 como (f + g)(v) =
f (v) + g(v) para todo v V .
ii) Denimos la aplicacin producto por un escalar a K, af : V V 0 ,
como (af )(v) = af (v).
iii) Denimos la aplicacin composicin hf : V V 00 como la aplicacin
(h f )(v) = h(f (v)) para todo v V .
Propiedades. Sean V, V 0 , V 00 tres K-espacios vectoriales de dimensin ni-
ta y sean B, B 0 , B 00 bases asociadas a cada uno de ellos. Consideremos las

aplicaciones lineales f, g : V V 0 y h : V 0 V 00 . Entonces se tiene que:
1. f + g es lineal y M (f + g, B, B 0 ) = M (f, B, B 0 ) + M (g, B, B 0 ).
2. Dado a K, af es lineal y M (af, B, B 0 ) = aM (f, B, B 0 ).
3. h f es lineal y M (h f, B, B 00 ) = M (h, B 0 , B 00 )M (f, B, B 0 ).
De las dos primeras propiedades se deduce que el conjunto de las aplicaciones lineales de V en V 0 , denotado por Hom(V, V 0 ), tiene estructura de
K-espacio vectorial con las operaciones suma y producto por un escalar.
Teorema 3. Dados dos K-espacios vectoriales V, V 0 de dimensiones n y m,
y dadas dos bases B, B 0 jadas para cada uno de ellos, se tiene que existe un
homomorsmo M entre los espacios vectoriales Hom(V, V 0 ) y Mmn (K),
32
M : Hom(V, V 0 ) Mmn (K)
que asocia a cada aplicacin lineal f Hom(V, V 0 ) la matriz M (f, B, B 0 ).

Dicho homomorsmo es, de hecho, un isomorsmo lineal, cumplindose entonces que dim(Hom(V, V 0 )) = dim(Mmn (K)) = mn.
3.5
3.5.
33
EJERCICIOS
EJERCICIOS
1. Estudiar si las siguientes aplicaciones son lineales:

a)
b)
c)
d)
e)
f)
g)
f
f
f
f
f
f
f
: R2 R3 , f (x, y) = (x + y, y, x 2y).
: R2 R, f (x, y) = xy .
: R2 R3 , f (x, y) = (x + 1, 2y, x + y).
: R3 R2 , f (x, y, z) = (z, y + x).
: R2 R, f (x, y) = |x y|.
: R3 R2 [t], f (x, y, z) = (y + z)t2 + (x + y)t + z .
: Mnn (R) Mnn (R), f (A) = AT .
2. Dadas f y g de R3 en R3 , f (x1 , x2 , x3 ) = (x1 , x2 , x1 + x2 x3 ) y

g(x1 , x2 , x3 ) = (2x1 , x2 1, x3 ), ver si son lineales y, en ese caso, hallar
el ncleo y la imagen.
3. Determinar la dimensin y bases de Ker(f ) e Im(f ) para las siguientes
aplicaciones lineales:
a)
b)
c)
d)
f (x1 , x2 , x3 ) = (2x1 , x1 + x2 , 3x3 ).

f (x1 , x2 ) = (2x1 + x2 , x1 2x2 , x2 ).
f (x1 , x2 , x3 ) = (x1 , x2 , x1 + x2 x3 ).
f (x1 , x2 , x3 , x4 ) = (x1 x2 , 2x3 + x4 ).
4. Sea f : R4 R2 el homomorsmo denido por

A=
1 1 0 0
1 0 1 2
y sea W el subespacio de R2 denido por x1 x2 = 0. Hallar las

ecuaciones de f 1 (W ).
5. Sea f : R4 R3 denida por
1 1 1 2
0
A = 1 1 0
0
0
1 2
y sea W el subespacio de R4 de ecuaciones x1 x2 = 0, x1 +x2 +x4 = 0.

Cules son las ecuaciones de f (W ) en R3 ?
6. Sean B = {e1 , e2 , e3 } una base de R3 y B 0 = {e01 , e02 } una base de
R2 . Se dene f : R3 R2 de la siguiente forma: f (e1 ) = e01 e02 ,
f (e2 ) = 2e01 , f (e3 ) = e01 2e02 . Hallar las ecuaciones de f , dim(Ker(f ))
y dim(Im(f )). Determinar si f es un monomorsmo, un epimorsmo
o un isomorsmo.
34
7. Sea la aplicacin f : E F , con E y F de dimensiones 3 y 4 respectivamente, denida de la siguiente forma: f (e2 ) = e01 + e02 e04 ,
f (e3 ) = e01 + e02 e03 + e04 y e1 Ker(f ). Hallar dimensin y una base
para Ker(f ) y para Im(f ).
8. Sea la aplicacin f : R2 R4 denida de la siguiente forma: f (2, 1) =
(1, 0, 1, 3) y f (4, 1) = (2, 2, 3, 1). Calcular:
a) La matriz asociada respecto de las bases cannicas.
b) Las ecuaciones de Im(f ).
9. Sea la aplicacin f : R3 R3 denida de la siguiente forma: f (x1 e1 +
x2 e2 + x3 e3 ) = (x2 + x3 )e1 + (x1 + x3 )e2 + (x2 x1 )e3 .
a)
b)
c)
d)
e)
Calcular la expresin analtica.

Encontrar los vectores invariantes.
Calcular las ecuaciones de Ker(f ) e Im(f ).
Hallar una base de Ker(f ) y ampliarla a R3 .
Hallar la expresin analtica respecto de esta ltima base.
10. Sea la aplicacin f : R3 R2 dada por f (1, 0, 1) = (0, 1), f (0, 0, 1) =

(1, 1), f (2, 1, 1) = (1, 0)
a) Hallar la matriz de f respecto de las bases cannicas.
b) Hallar la matriz de f respecto de las bases
B1 = {(1, 0, 1), (0, 0, 1), (2, 1, 1)} y B2 = {(0, 1), (1, 0)}.
c) Hallar ecuaciones y dimensin de Ker(f ) e Im(f ).

11. Sea la aplicacin f : R3 R4 tal que
1
0
F =
2
1
0
1
2
1
1
1
4
a
Se pide :
a) Calcular "a" para que f sea inyectiva.
b) Si f no es inyectiva, hallar f (L1 ), siendo L1 el subespacio de
ecuaciones 2x1 x3 = 0.
c) Sea L2 el subespacio de ecuaciones x1 + x2 x4 = 0, 3x1 + 3x2
x3 x4 = 0 y f no inyectiva. Hallar una base de L2 f (L1 ) y de
L2 + f (L1 ).
3.5
35
EJERCICIOS
12. Sea la aplicacin f : R2 [x] R2 [x], denida por f (p(x)) = p0 (x).

Hallar la matriz asociada (con respecto a la base B = {1, x, x2 }), ecuaciones, Ker(f ), Im(f ) . Determinar si es un monomorsmo, epimorsmo, isomorsmo.
13. Sean
B1 = {(1, 1, 0), (1, 0, 1), (0, 1, 1)} y B10 = {(1, 1, 1), (1, 1, 1), (1, 1, 1)}
bases de R3 . Sean Bc la base cannica y

B2 = {(1, 0, 1, 1), (0, 1, 1, 1), (1, 1, 0, 1), (1, 1, 1, 0)}
bases de R4 .
a) Qu vector de R3 tiene, respecto a la base B1 , coordenadas
(1, 2, 1) y cules son stas respecto a B10 ?
b) Calcular las matrices de cambio de base de B1 en B10 y de Bc en
B2 .
c) Siendo f el homomorsmo caracterizado por f (1, 1, 0) = (1, 1, 0, 0),
f (1, 0, 1) = (1, 0, 1, 0) y f (0, 1, 1) = (0, 0, 1, 1), hallar la matriz de
f respecto de B1 y Bc , respecto de B1 y B2 , respecto de B10 y Bc
y respecto de B10 y B2 .
14. Sea la aplicacin f : M22 (R) R3 denida por

f
a b
c d

= (a, a + b + c, 0)
a) Probar que f es lineal y hallar su matriz respecto de las bases

cannicas.
b) Obtener las bases, dimensin y ecuaciones implcitas de Ker(f )
e Im(f ).
37
4.
Sea f : V V un endomorsmo de V , f End(V ), con V un K-espacio

vectorial de dimensin n, y sean
B 0 = {e01 , . . . , e0n }
B = {e1 , . . . , en }
bases de V . La matriz de f con respecto a la base B , M (f, B, B) = M (f, B),

y la matriz de f con respecto a la base B 0 , M (f, B 0 , B 0 ) = M (f, B 0 ), estn
relacionadas, como vimos en el captulo anterior, por la matriz de cambio de
base P = M (B, B 0 ) del modo que reeja el diagrama conmutativo siguiente:
V
xB
xB 0
V
M (f,B)
M (f,B 0 )
yB
yB 0
As, M (f, B) = P 1 M (f, B 0 )P , de modo que las matrices M (f, B) y

M (f, B 0 ) son semejantes (recurdese que dos matrices A, C Mn (R) son
semejantes si C = P 1 AP con P Mn (R) regular).
Podemos preguntarnos si es posible encontrar una base B respecto de la
cual la matriz asociada a f , M (f, B), sea diagonal. El inters por encontrar
una matriz tan sencilla radica en que permite estudiar ms fcilmente el
comportamiento de la aplicacin lineal.
Desafortunadamente, no siempre existir una tal matriz diagonal asociada a f . En este captulo veremos cules son las situaciones en que la
aplicacin f admite estas representaciones matriciales y, en caso de no ser
as, aprenderemos a determinar la representacin ms sencilla posible, a la
que llamaremos forma cannica de Jordan.
4.1.
AUTOVALORES Y AUTOVECTORES
Denicin 19. (Autovalores y autovectores)
Sea f : V V un endomorsmo del K-espacio vectorial V .

i) Dado K, diremos que es autovalor o valor propio de f End(V )
si existe v V , con v 6= 0, tal que f (v) = v .
ii) A v se le llama autovector o vector propio asociado al autovalor .
iii) Llamamos subespacio propio asociado a un autovalor , denotado por

V , al conjunto de todos los vectores propios asociados a ms el vector
0, esto es,
V = {v V tal que f (v) = v} =
38
= {v V tal que (f Id)(v) = 0} = Ker(f Id)
Obsrvese que V es un subespacio vectorial de V .
Denicin 20. (Polinomio caracterstico)
Sea f End(V ) y sea A = M (f, B) una matriz asociada al endomorsmo f para cierta base B de V . Llamamos polinomio caracterstico asociado
a A al polinomio de grado n P () = Det(A Id). A la ecuacin P () = 0
se le llama ecuacin caracterstica asociada a A.
Propiedades.
1. Sea A Mn (K). Se tiene
P () = (1)n n + (1)n1 T r(A)n1 + + Det(A)
2. Dos matrices semejantes tienen siempre el mismo polinomio caracterstico. En particular, tendrn el mismo determinante y la misma traza.
3. Asignamos a f un nico polinomio caracterstico, P (), que ser el
de cualquiera de sus matrices asociadas A = M (f, B) (todas ellas son
semejantes).
4. Los autovalores asociados a f sern las races i K de P () = 0.
5. Dado V un subespacio propio de f , dim(V ) = n r(A Id) para
cualquier matriz A asociada a f .
6. Si {v1 , . . . , vr } son vectores propios asociados a autovalores distintos
de f , entonces {v1 , . . . , vr } son l.i..
propios asociados a autovalores distin7. Si V1 , . . . , Vr son subespacios
P
tos de f , entonces Vi ( j6=i Vj ) = 0.
4.2.
ENDOMORFISMOS DIAGONALIZABLES
Denicin 21. (Multiplicidades algebraica y geomtrica)
Sea f End(V ) con autovalores asociados 1 , . . . , r K.
1. Llamamos multiplicidad algebraica del autovalor i al mayor exponente

i para el cual el factor (i )i aparece en la factorizacin de P ()
(P () = (i )i q()).
2. Llamamos multiplicidad geomtrica de i a la dimensin del subespacio
propio Vi .
4.3
39
ALGORITMO DE DIAGONALIZACIN
Observacin 5. Sea f End(V ). Si K es un autovalor de multiplicidad

algebraica , entonces
1 dim(V )
Denicin 22. (Endomorsmo diagonalizable)
Una matriz A Mn (K) es diagonalizable si es semejante a una matriz

diagonal D. Decimos que f End(V ) es diagonalizable si existe una base
B de V respecto de la cual la matriz asociada a f , M (f, B), es diagonal.
Propiedades.
1. f End(V ) es diagonalizable si y slo si cualquier matriz A = M (f, B)

asociada a l es diagonalizable.
2. f es diagonalizable si y slo si existe una base de V formada por vectores propios de f .
Aunque el siguiente teorema es vlido en cualquier cuerpo K, lo enunciaremos para el caso en que K = R.
Teorema 4. Sea V un R-espacio vectorial con dim(V ) = n y sea f
End(V ). Sean 1 , . . . , r R los autovalores de f de multiplicidades algebraicas 1 , . . . , r . Entonces f es diagonalizable si y slo si:
i) 1 + + r = n (todas las raices de P () son reales).
ii) Para cada autovalor i se tiene que dim(Vi ) = i .
Corolario 1. i) Si dim(V ) = n y f End(V ) tiene n autovalores distintos, entonces f es diagonalizable.
ii) Si f End(V ) es diagonalizable con autovalores 1 , . . . , r , entonces
se tiene la
Psuma directa V = V1 Vr , esto es, V = V1 + +Vr
y Vi ( j6=i Vj ) = 0 para todo i {1, . . . , r}.
4.3.
ALGORITMO DE DIAGONALIZACIN
Dado V un R-espacio vectorial de dimensin n (K = R) y dado f

End(V ), consideremos A = M (f, B0 ) una matriz asociada a f con respecto
a cierta base B0 ja. Ofrecemos, a modo de resumen, el siguiente algoritmo
que permite determinar cundo f es diagonalizable y, en caso de serlo, calcula
explcitamente una matriz diagonal asociada a f , D = M (f, B), con respecto
a cierta base B , as como la matriz de cambio de base P = M (B, B0 ) que
verica D = P 1 AP .
f
V V
xB
xB0
yB
yB0
40
Algoritmo de diagonalizacin
Paso 1. Hallar el polinomio caracterstico P () de f y determinar sus races
para obtener los valores propios 1 , . . . , r de f . Si alguna raz es compleja, f no es diagonalizable.
Paso 2. Supuesto que todas las races de P (), 1 , . . . , r , son reales, f ser
diagonalizable si y slo si dim(Vi ) = i para todo i {1, . . . , r}.
Paso 3. Supuesto que dim(Vi ) = i para todo i {1, . . . , r}, entonces calculamos una base B(Vi ) = {vi,1 , . . . , vi,i } para cada subespacio Vi .
(Los vectores de estas bases son vectores propios asociados a i ).
Paso 4. Considerar la coleccin de todos los vectores de todas las bases obtenidas
B = {v1,1 , . . . , v1,1 , . . . , vr,1 , . . . , vr,r }
Se tiene que B es una base de V formada por autovectores de f y

D = M (f, B) es diagonal con

1

D = M (f, B) =

...

1
...

r

...

r
donde la caja de cada i tiene tamao i .

Resulta D = P 1 AP con P la matriz que tiene por columnas a las
coordenadas de los vectores de la base B .
4.4.
FORMAS CANNICAS DE JORDAN
Sea f : V V un endomorsmo con V un K-espacio vectorial de dimensin n. A lo largo de toda la seccin supondremos que K = R o K = C.
Sabemos que f no siempre es diagonalizable. Por ejemplo, el endomorsmo
f de V = R2 (con K = R) determinado por la matriz

A=
0 2
2 4
no es diagonalizable ya que A no lo es (existe un nico autovalor = 2 de

multiplicidad algebraica 2 y multiplicidad geomtrica 1). En consecuencia,
no existen matrices D, P M2 (R) con D diagonal y P regular tales que
D = P 1 AP .
4.4
41
Nuestro objetivo es encontrar otra matriz J , lo ms parecida a una matriz

diagonal que sea posible, tal que J = P 1 AP para cierta P regular. Las
columnas de P determinan una base B de V respecto de la cual la matriz
asociada a f es J . Dicha matriz J recibir el nombre de forma cannica de
Jordan de A.
Denominamos matriz elemental de Jordan de orden k y autovalor C
a una matriz de orden k cuyos elementos son ceros salvo en la diagonal
principal, donde valen , y en la diagonal situada inmediatamente encima,
formada por unos.
Jk () =
... ...
...
1
Las formas cannicas de Jordan sern matrices cuadradas formadas por

la yuxtaposicin de matrices elementales de Jordan a lo largo de la diagonal,
como veremos ms adelante.
Proposicin 2. Sea
f : V V un endomorsmo, con V un C-espacio

vectorial de dimensin n, y sea un autovalor de multiplicidad algebraica r.
Entonces existe p N tal que
E1 () = Ker(f Id)
E2 () = Ker(f Id)2
Ep () = Ker(f Id)p = Ep+1 () = Ker(f Id)p+1
Adems, si denotamos di = dim(Ei ()), se tiene que d1 < d2 < <

dp = r. El subespacio Ep () se denomina autoespacio mximo asociado a
y es invariante. Lo denotaremos por Ep () = M ().
Teorema 5. En las condiciones de la proposicin anterior,

V = M (1 ) M (s )
siendo 1 , . . . , s los autovalores de f .

Para cada subespacio M (i ), la aplicacin lineal f |M (i ) : M (i )
M (i ) admite una base B(i ) tal que la matriz asociada a f |M (i ) con respecto a ella es una matriz de Jordan del tipo
42
J1 (i )
J(i ) =
...
J1 (i )
...
Jp (i )
...
Jp (i )
Las matrices de la diagonal Jk (i ) son matrices elementales de Jordan

de orden k. El nmero de matrices del tipo Jk (i ) es jk y se relaciona con
las dimensiones dk = dim(Ek (i )) del siguiente modo:
jp = dp dp1
jp1 + jp = dp1 dp2
jp2 + jp1 + jp = dp2 dp3
..
.
La familia de vectores B = B(1 ) B(s ) ser una base de V y

la matriz asociada a f con respecto a dicha base ser la forma cannica de
Jordan
J(1 )
J =
...
J(s )
La matriz de paso P se obtendr de escribir las coordenadas de estos

vectores en forma de columnas.
Proposicin 3. En las condiciones de la ltima proposicin, dado un autovalor , existe una base B() de M () tal que la matriz asociada a f |M () :
M () M () respecto de ella es una matriz de Jordan del tipo
J() =
J1 ()
...
J1 ()
...
Jp ()
...
Jp ()
El algoritmo que permite construir B() es el siguiente:
4.4
43
1. Se toman jp = dp dp1 vectores linealmente independientes de Ep ()\

Ep1 (). Los denotamos por Fp = {v1 , . . . , vjp }. La familia de vectores
Bp () = {(f Id)p1 v1 , . . . , (f Id)v1 , v1 , . . . , (f Id)p1 vjp ,

. . . , (f Id)vjp , vjp }
genera una familia de jp matrices elementales de Jordan de orden p,

Jp ().
2. Se toman a continuacin
jp1 = dp1 dp2 jp vectores linealmente independientes de Ep1 () \ Ep2 () y que sean independientes
de la familia Bp (). Denotamos a esta nueva familia por Fp1 =
{w1 , . . . , wjp1 }. Consideramos los vectores
Bp1 () = {(f Id)p2 w1 , . . . , (f Id)w1 , w1 , . . .
, (f Id)p2 wjp1 , . . . , (f Id)wjp1 , wjp1 }
Con esta familia de vectores se generan jp1 matrices elementales de

Jordan de orden p 1, Jp1 ().
3. Se repite el paso 2 reiteradamente para construir las familias Bk (). De

este modo llegamos a E1 (), donde se escogen los vectores necesarios
para que, unidos a B2 () Bp (), den lugar a una base B() del
subespacio M ().
Teorema 6. Todo endomorsmo f denido en un C-espacio vectorial V de

dimensin n admite una base con respecto a la cual la matriz asociada es
una forma cannica de Jordan J . Esta forma cannica es nica, salvo por
permutaciones de las matrices de Jordan elementales que la componen.
Observacin 6. Si
(A
Id)n
= 0.
A Mn (C) tiene n autovalores iguales , entonces
A continuacin veremos cmo obtener las matrices J y P para dimensiones bajas.
4.4.1. Forma de Jordan de matrices de orden 2

Proposicin 4. Dada una matriz
A M2 (C), existe una forma cannica

de Jordan J M2 (C) de uno de los siguientes tipos:

0
0
1
0
44
con , C. La primera de las matrices se obtiene cuando los dos autovalores son distintos, pudiendo ser complejos conjugados. La segunda matriz
se obtiene cuando existe un nico autovalor (descartamos la situacin trivial
en que A = Id). En ambos casos existe una matriz regular P M2 (C) tal
que J = P 1 AP .
Si A M2 (R) y se buscan J, P M2 (R), en el primero de los dos tipos,
la matriz J puede no ser real (si los dos autovalores son complejos conjugados
=
/ M2 (R)). En ese caso la matriz
+ i, =
i, se tiene que J
J0 =
es real y se llama forma de Jordan real de la matriz real A.
Existir una matriz regular Q M2 (R) (cuyas columnas son las partes real
e imaginaria respectivamente de las columnas de P ) tal que Q1 AQ = J 0 .
Veamos algunos ejemplos.
Ejemplo 1
Sea f el endomorsmo de R2 cuya expresin matricial respecto de la base
cannica es

A=
0 2
2 4
Se tiene p() = ( 2)2 , de modo que = 2 es un autovalor doble. Sin

embargo, su multiplicidad geomtrica es 1, de modo que A no es diagonalizable. Vamos a calcular las matrices J y P tales que J = P 1AP con P
2 1
.
0 2
Sea E1 (2) = V2 = Ker(A 2Id). Se tiene que E1 (2) = L{(1, 1)}, esto es,
dim(E1 (2)) = 1. Sea E2 (2) = Ker(A 2Id)2 . Es claro que E1 (2) E2 (2).
Por la ltima observacin, resulta que E2 (2) = Ker(0) = R2 .
Escogemos ahora un vector u2 E2 (2) \ E1 (2), por ejemplo u2 = (1, 0).
Sea u1 = (A 2Id)u2 = (2, 2) E1 . Entonces, la familia
B = {u1 , u2 }

2
1
es base de R2 tal que M (f, B) = J y la matriz P =
cumple
2 0
J = P 1 AP .
regular. Como A no es diagonalizable, es claro que J =
Ejemplo 2

3
2
Sea A =
M2 (R). El polinomio caracterstico es p() =
4 1
((1+2i))((12i)) (dos autovalores complejos conjugados). Calculemos
la forma cannica de Jordan J y una matriz de paso P M2 (C) as como
la forma cannicareal J 0 y una matriz
de paso Q M2 (C).
1 + 2i
0
Se tiene J =
. Para determinar P procedemos como
0
1 2i
sigue:
4.4
45
E1 (1 + 2i) = V1+2i = {~x C2 : (A (1 + 2i)Id)~x = 0}
Se tiene el sistema
(2 2i)x1 + 2x2
= 0
4x1 + (2 2i)x2 = 0
Al ser las dos ecuaciones proporcionales, queda E1 (1 + 2i) = {~x C2 :

(1i)x1 +x2 = 0}. Tras pasar a paramtricas, resulta E1 (1+2i) = L{(1, 1+
i)}. El vector

~x =
1
1 + i

=
1
1

+i
0
1
C2
es un generador del subespacio E1 (1 + 2i) C2 (autovector del autovalor

= 1 + 2i). Dicho de otro modo, A~x = (1 + 2i)~x.
Como A~x = (1+2i)~x, tomando conjugados en ambos lados de la igualdad,
y teniendo en cuenta que A = A al ser sta real, queda A~x = (1 2i)~x, esto
es, el vector

~x =
1
1 i

=
1
1

i
0
1
C2
es autovector de = 1 2i, de modo que, sin hacer clculos, sabemos

que E1 (1 2i) = V12i = L{(1, 1 i)}. La matriz de paso P tiene por
columnas las coordenadas
de losvectores de la base de C2 , B = {~x, ~x},

esto es, P =
1
1
1 + i 1 i
J = P 1 AP .
M2 (C). Resulta fcil comprobar que

1 2
M2 (R), mientras que la
La forma cannica real es
=
2 1
matriz de paso Q se obtiene de la matriz P eligiendo los vectores
Re(~x

) y
1
0
Im(~x), que son base de R2 , como columnas. Se tiene Q =

1 1
M2 (R). Resulta fcil comprobar que J 0 = Q1 AQ.
J0
4.4.2. Forma de Jordan de matrices de orden 3

Proposicin 5. Dada una matriz A M3 (C), distinguimos tres casos a la
hora de construir J M3 (C).
i) Si existe un nico autovalor C, J M3 (C) toma una de las siguientes formas:
1 0
0 0
0 0
1 0
0 1
0 0
46
Hemos descartado el caso trivial en el que A = Id. Si A M3 (R), se

tiene que R y, por tanto, J, P M3 (R).
ii) Si existen dos autovalores distintos ( doble y simple), entonces J
M3 (C) toma una de las siguientes formas:
0 0
0 0
0 0
1 0
0 0
0 0
Si A M3 (R), se tiene que , R y, por tanto, J, P M3 (R).

iii) Si existen tres autovalores distintos, la matriz J M3 (C) es diagonal.
Si A M3 (R), o bien
los tres autovalores son reales, en cuyo caso
1 0 0
J = 0 2 0 , o bien hay dos autovalores complejos conjuga0 0 3
0 0
dos = +i, = i y uno real , en cuyo caso J = 0 0
0 0
0 de A, tenno es una matriz
real.
Si
buscamos
la
forma
cannica
real
J
0
0
dremos J = 0 M3 (R). Existe tambin una matriz de

0 0
paso Q M3 (R) tal que J 0 = Q1 AQ.
Ejemplo 3
Determinar la forma cannica de Jordan y la matriz de paso de
0
3
1
A = 2 1 1
2 1 1
Se tiene p() = ( 2)( + 2)2 . Adems E1 (2) = Ker(A 2Id) =

L{(1, 1, 1)} y E1 (2) = Ker(A + 2Id) = L{(1, 1, 1)}. Esto implica que
A no es diagonalizable al no coincidir las multiplicidades algebraica y geomtrica para = 2. Sin embargo, hemos obtenido ya dos autovectores, uno
por cada autovalor.
Calculemos la matriz de paso P . Como la multiplicidad algebraica de
= 2 es r = 1, se tiene M (2) = E1 (2). Una base asociada a M (2) es B(2) =
{u1 = (1, 1, 1)}. Por otro lado, la multiplicidad algebraica de = 2 es
r = 2, mientras que dim(E1 (2)) = 1. Se tiene
E2 (2) = Ker(A + 2Id)2 = L{(1, 1, 0), (0, 0, 1)}
4.4
47
con dim(E2 (2)) = 2. De modo que M (2) = E2 (2). Buscamos una base
adecuada de vectores de M (2), B(2), de modo que la matriz asociada a
nuestra aplicacin lineal con respecto a la base B = B(2) B(2) sea una
forma cannica de Jordan J .
Construyamos la familia de vectores B(2). Elegimos una familia de
dim(E2 (2)) dim(E1 (2)) = 1 vectores que estn en E2 (2) \ E1 (2);
por ejemplo, u3 = (0, 0, 1). A continuacin consideramos el vector
u2 = (A + 2Id)u3 = (1, 1, 1)
De este modo conseguimos una base B(2) = {u2 , u3 } tal que, unida a
B(2), nos da B = B(2) B(2) = {u1 , u2 , u3 }, una base de R3 . Obsrvese
que
Au1 = 2u1 ,
Au2 = 2u2 ,
Au3 = u2 2u3
En consecuencia, la matriz asociada a A respecto a la base B es
2 0
0
J = 0 2 1
0 0 2
con matriz de paso
1
1 0
P = 1 1 0
1 1 1

2 1
son matrices elemenLas matrices J(2) = (2) y J(2) =
0 2
tales de Jordan asociadas a los autovalores 2 y 2. Cada una representa la
expresin matricial de la aplicacin lineal en los subespacios M (2) y M (2)
respecto de las bases B(2) y B(2).
Se comprueba fcilmente que P 1 AP = J .
Ejemplo 4
2 1 1
A = 1 1 0
0
1 3
Ocurre que p() = ( + 2)3 . Adems E1 (2) = Ker(A + 2Id) =

L{(1, 1, 1)}. Esto implica que A no es diagonalizable al no coincidir las
multiplicidades algebraica y geomtrica para = 2. Sin embargo, hemos
obtenido ya un autovector.
Se tiene
48
E1 (2) = L{(1, 1, 1)}
E2 (2) = L{(1, 0, 1), (0, 1, 0)}
E3 (2) = R3
De modo que M (2) = R3 con p = 3. Buscamos una base adecuada

de vectores de M (2) = R3 , B(2), tal que la matriz asociada a nuestra
aplicacin lineal con respecto a esta base sea una forma cannica de Jordan J .
Elegimos una familia de dim(E3 (2)) dim(E2 (2)) = 1 vectores que estn
en E3 (2)\E2 (2), por ejemplo u3 = (1, 0, 0). A continuacin consideramos
los vectores (A + 2Id)u3 , . . . , (A + 2Id)p1 u3 , esto es:
u2 = (A + 2Id)u3 = (0, 1, 0),
u1 = (A + 2Id)u2 = (1, 1, 1)
De este modo conseguimos una base de R3 , B(2) = {u1 , u2 , u3 } tal que

Au1 = 2u1 ,
Au2 = u1 2u2 ,
Au3 = u2 2u3
En consecuencia, la matriz asociada a la aplicacin lineal respecto a la

base B(2) es
2 1
0
J = 0 2 1
0
0 2
con matriz de paso
1 0 1
P = 1 1 0
1 0 0
Ejemplo 5
2 0 1
A = 0 1 0
1 0 0
Se tiene p() = ( + 1)3 . Adems,

E1 (1) = Ker(A + Id) = L{(1, 0, 1), (0, 1, 0)}.
Esto implica que A no es diagonalizable al no coincidir las multiplicidades

algebraica y geomtrica para = 1. Sin embargo, hemos obtenido ya dos
autovectores.
Se tiene
4.4
49
E1 (1) = L{(1, 0, 1), (0, 1, 0)}
E2 (1) = R3
De modo que M (1) = R3 con p = 2. Buscamos una base adecuada

de vectores de M (1) = R3 , B(1), tal que la matriz asociada a nuestra
aplicacin lineal con respecto a esta base sea una forma cannica de Jordan J .
Elegimos una familia de dim(E2 (1)) dim(E1 (1)) = 1 vectores que estn
en E3 (1)\E2 (1); por ejemplo, u3 = (1, 0, 0). A continuacin consideramos
los vectores (A + Id)u3 , . . . , (A + Id)p1 u3 , esto es,
u2 = (A + Id)u3 = (1, 0, 1)
Tenemos los vectores {u2 , u3 }. Al faltar un vector para conseguir una base
de R3 , se escoge un vector de E1 (1) que sea independiente de la familia
{u2 , u3 }, por ejemplo u1 = (0, 1, 0). De este modo, conseguimos una base de
R3 , B(1) = {u1 , u2 , u3 }, tal que
Au1 = u1 ,
Au2 = u2 ,
Au3 = u2 u3
En consecuencia, la matriz asociada a la aplicacin lineal respecto a la

base B(1) es
1 0
0
J = 0 1 1
0
0 1
con matriz de paso
0 1 1
P = 1 0 0
0 1 0
Ejemplo 6
1 1 0
0
A= 5 3
2 0 4
Se tiene p() = (4)(2 4+8)2 = (4)((2+2i))((22i)).

Obenemos un autovalor real y dos complejos conjugados.
Entonces
V2+2i = E1 (2 + 2i) = Ker(A (2 + 2i)Id) = L{u1 = (3 + i, 1 7i, 1)}
50
Adems, tal como ocurra en el caso de matrices de orden 2,

V22i = E1 (2 2i) = Ker(A (2 2i)Id) = L{u2 = (3 i, 1 + 7i, 1)}
Por otro lado,

V4 = E1 (4) = L{u3 = (0, 0, 1)}
De modo que la matriz asociada a la aplicacin lineal con respecto a la

base de C3 , B = {u1 , u2 , u3 }, es la forma cannica de Jordan
2 + 2i
0
0
2 2i 0
J = 0
0
0
4
La matriz de paso ser
3+i
3i
0
P = 1 7i 1 + 7i 0
1
1
1
Se comprueba con facilidad que P 1 AP = J . Obsrvese que J, P

/
M3 (R).
Si consideramos, tal como se haca en el caso de las matrices de orden 2,
la base de R3 , B 0 = {Re(u1 ), Im(u1 ), u3 }, tenemos que la matriz asociada a
la aplicacin lineal respecto de B 0 es la forma cannica real
2 2 0
J 0 = 2 2 0
0 0 4
La matriz de paso Q M3 (R) asociada a A ser
3
1 0
Q = 1 7 0
1
0 1
Naturalmente, J 0 = Q1 AQ.
4.5
4.5.
51
EJERCICIOS
EJERCICIOS
1. Se considera la matriz:

A=
2 3
4 13
con coecientes en R. Hallar los valores propios, los vectores propios y

una matriz P que permita la diagonalizacin de A. Calcular An para
todo n N.
2. Determinar los valores de a, b, c, d para los cuales cada una de las siguientes matrices reales es diagonalizable:

A=
a b
c d
con la condicin bc > 0

B=
a b
b a
3. Indicar los valores de a, b y c para los cuales la matriz real A es diagonalizable:
1 0 0
A= a 1 0
1 b c
4. Sea f el endomorsmo de R3 de matriz asociada
5 6 6
4
2
F = 1
3 6 4
Determinar una base respecto de la cual F se represente en forma

diagonal.
5. Demostrar que un endomorsmo f es inyectivo si y slo si ningn valor
propio de f es nulo.
6. Sea E4 un espacio vectorial real. B = {~e1 , ~e2 , ~e3 , ~e4 } una base de E4 .
Sea f End(E4 ), cuya matriz respecto a B es:
1
0
A=
0
a
0
1
0
0
0
0
a
0
0
0
0
2
52
a ) Determinar los valores de a para los que f es diagonalizable.

b ) Si a = 1:
1) Diagonalizar A.
2) Si V2 es el subespacio propio asociado al autovalor = 2,
hallar las ecuaciones paramtricas de V2 W y V2 + W , siendo W el subespacio de E4 de ecuaciones implcitas W =
{(x, y, z, t)/x + z = x = y 3t = 0}.
3) Es f suprayectivo?, es f inyectivo?.
7. Sea la matriz:
a)
b)
c)
d)
1
1
1
1
1
1 1 1
A=
1 1
1 1
1 1 1
1
Determinar los valores propios de A y estudiar su diagonalizacin.

Determinar una matriz P que permita la diagonalizacin.
Diagonalizar A2 y A1 .
Calcular An .
8. Estudiar la posible diagonalizacin de las siguientes aplicaciones f :

R3 R3 :
a ) f (x, y, z) = (x 3z, 3x + 2y + 3z, 3x z)

b ) f (x, y, z) = (x + y + z, 2y + z, 2y + 3z)
c ) f (x, y, z) = (x + y, y + z, 2y z)
9. Sea f : R3 [x] R3 [x] denida por f (ax3 + bx2 + cx + d) = dx3 +
cx2 + bx + a. Estudiar su diagonalizacin encontrando la matriz P que
la permita.
1 3 3
A = 3 5 3
6 6 4
Determinar:
a ) Autovalores y autovectores de f .
4.5
53
EJERCICIOS
b ) Hallar una base que permita la diagonalizacin.

11. Hallar a, b, c, d, e y f , sabiendo que los vectores: ~u = (1, 1, 1), ~v =
(1, 0, 1), w
~ = (1, 1, 0) son autovectores de la matriz:
1 1 1
A= a b c
d e f
12. Sea f : R3 [x] R3 [x] el endomorsmo denido por f (p(x)) = p0 (x).

Hallar los autovalores y autovectores de f . (p0 (x) es el polinomio derivado de p(x)).
13. Determinar un endomorsmo f de R3 sabiendo:
a ) Im(f ) = L{(0, 1, 1), (2, 1, 1)}.

b ) = 0 es un valor propio de f .
c ) El subespacio propio asociado a = 0 est generado por (0, 1, 1).
Hallar, si es posible, una base de R3 en la que f venga dado por una
matriz diagonal.
14. Hallar la forma cannica de Jordan y la matriz de paso de

A=
2 1
1 0
Calcular A15 .
15. Calcular la forma de Jordan y la matriz de paso de
0 4
0
1
1 0 1
0 1 0
0 2
0
0
0 1 0
1 0 1 , C =
A=
,B =
0 0
0
0
1 1 1
1 1 1
4 8 12 4
16. Encontrar la forma de Jordan real y una matriz de paso real de:

A=
1 2
3 1
0 1 1
B= 0 1 0
3 1 0
55
5.
5.1.
SISTEMAS LINEALES DE PRIMER ORDEN
Un sistema de ecuaciones diferenciales del tipo
dx1
dt
dxn
dt
= an1 (t)x1 + ann (t)xn + fn (t)
..
.
a11 (t)x1 + a1n (t)xn + f1 (t)
se denomina sistema lineal de primer orden. Las funciones aij (t), fi (t) se
supondrn continuas en un intervalo dado I = (a, b). Si fi (t) = 0 para todo
i = 1, . . . , n, se dice que el sistema es homogneo.
La expresin del sistema anterior se suele hacer en forma matricial
X 0 = AX + F
(1)
siendo
X = X(t) =
x1 (t)
..
.
A = A(t) =
a11 (t)
..
.
...
an1 (t)
xn (t)
f1 (t)
..
.
F = F (t) =
a1n (t)
..
.
ann (t)
fn (t)
Si el sistema es homogneo, se escribe X 0 = AX .
Denicin 23. Diremos que el vector
X =
x1 (t)
..
.
es solucin de (1)
xn (t)
en un intervalo I si sus elementos son funciones diferenciables que satisfacen

(1) en dicho intervalo.
Denicin 24. Problema del

valor inicial.
x01
Dado t0 I y dado X0 =
.. un vector cuyas entradas son cons.
x0n
tantes dadas, el problema de resolver

X 0 = AX + F
sujeto a la condicin X(t0 ) = X0 se denomina problema de valor inicial en

el intervalo I .
56
Teorema 7. Dadas A(t) y F (t) continuas en el intervalo I = (a, b), el

problema de valor inicial

(2)
X 0 = AX + F
X(t0 ) = X0
tiene una solucin nica denida en todo el intervalo I .
Teorema 8. Principio de superposicin.
Dados X1 , X2 , . . . , Xm un conjunto de vectores solucin del sistema homogneo X 0 = AX en un intervalo I , la combinacin lineal
X = c1 X1 + + cm Xm
es tambin solucin de X 0 = AX en el intervalo I .
Denicin 25. Dependencia e independencia lineal de soluciones.
Dados X1 , . . . , Xm un conjunto de vectores solucin del sistema homogneo X 0 = AX en un intervalo I , se dice que el conjunto es linealmente
dependiente en I si existen constantes c1 , . . . , cm , no todas cero, tales que
c1 X1 + + cm Xm = 0
para todo t I . Si el conjunto de vectores no es linealmente dependiente, se

dice que es linealmente independiente.
Teorema 9. Sean X1 , . . . , Xn n vectores solucin del sistema homogneo de
n ecuaciones y de primer orden
X 0 = AX
en un intervalo I . El conjunto de vectores es linealmente independiente en I

si y slo si el wronskiano
W (X1 , . . . , Xn ) = |X1 . . . Xn | 6= 0
Se puede probar que, si X1 , . . . , Xn son soluciones de X 0 = AX , entonces

W (X1 , . . . , Xn ) 6= 0 para todo t I o bien W (X1 , . . . , Xn ) = 0 para todo
t I . De modo que, si existe un t0 tal que W 6= 0 en t0 , entonces W 6= 0
para todo t I , con lo que las soluciones son linealmente independientes en
I.
Denicin 26. Conjunto fundamental de soluciones. Matriz fundamental.
Sea X 0 = AX un sistema homogneo de n ecuaciones y de primer orden.

Un conjunto X1 , . . . , Xn de soluciones linealmente independientes del sistema
en un intervalo I es un conjunto fundamental de soluciones . A la matriz
(t) = (X1 . . . Xn ) que tiene a estos vectores solucin por columnas, se le
llama matriz fundamental del sistema X 0 = AX . Obsrvese que (t) 6= 0
para todo t I .
5.1
SISTEMAS LINEALES DE PRIMER ORDEN
57
Teorema 10. Solucin general de un sistema homogneo.
Dado un sistema homogneo X 0 = AX en un intervalo I , existe siempre

un conjunto fundamental de soluciones X1 , . . . , Xn en I , esto es, siempre se
puede encontrar una matriz fundamental (t).
La solucin general del sistema homogneo en I ser
X = c1 X1 + + cn Xn
donde c1 , . . . , cn son constantes arbitrarias. Dicho de modo eqivalente:

X = (t)C
c1
.
donde (t) es una matriz fundamental y C =
.. es un vector formado
cn
por constantes.
Si buscamos la solucin del problema de valor inicial

X 0 = AX
X(t0 ) = X0
obtenemos X = (t)(t0 )1 X0
Teorema 11. Solucin general de un sistema no homogneo.
Dado el sistema no homogneo X 0 = AX + F y dada una solucin particular Xp del mismo en el intervalo I , la solucin general ser
X = Xh + Xp
siendo Xh la solucin general del sistema homogneo asociado X 0 = AX .

Escrito de modo equivalente,
X = (t)C + Xp
Sistemas no homogneos. Mtodo de variacin de las constantes.

Por lo visto arriba, si somos capaces de resolver el sistema homogneo
X 0 = AX , para obtener la solucin general de X 0 = AX + F basta con cono-
cer una solucin particular del mismo. Pero, cmo encontrarla? Se aplica el
mtodo de variacin de las constantes, esto es, se conjetura la existencia de
una solucin particular del sistema no homogneo, Xp (t) = (t)C(t), donde
las constantes del vector C pasan a ser funciones
C(t) =
c1 (t)
..
.
cn (t)
58
Entonces Xp0 = (t)C 0 (t) + 0 (t)C(t). Al sustituir en X 0 = AX + F se

tiene
(t)C 0 (t) + 0 (t)C(t) = A(t)C(t) + F
Como la solucin general del sistema homogneo es X = (t)C , entonces

= 0 (t)C = AX = A(t)C , con lo que 0 (t) = A(t). Se tiene, al
sustituir en la ecuacin de arriba,
X0
(t)C 0 (t) + A(t)C(t) = A(t)C(t) + F

0 (t) = F (t), lo cual implica que C 0 (t) = 1 (t)F (t) y,
de manera que (t)C
R 1
por tanto, C(t) = (t)F (t)dt. Como Xp = (t)C(t), resulta
Z
Xp = (t)
1 (t)F (t)dt
La solucin general del sistema X 0 = AX + F es entonces

Z
X = Xh + Xp = (t)C + (t)
5.2.
1 (t)F (t)dt
SISTEMAS LINEALES HOMOGNEOS
Describimos a continuacin el modo de resolver un sistema homogneo

de primer orden con coecientes constantes, X 0 = AX . Se calculan la forma
cannica de Jordan J de A y la matriz de paso P tales que P 1 AP = J . Se
tiene A =P JP 1
. El siguiente paso es hacer el cambio de variable X = P Y
y1
..
con Y = . y sustituir en la ecuacin. Se tiene P Y 0 = AP Y , esto es,
yn
Y 0 = P 1 AP Y con lo que la resolucin del sistema X 0 = AX queda reducida
a la resolucin del nuevo y ms simple sistema

Y 0 = JY
Una vez resuelto ste ltimo, se deshace el cambio y se tiene la solucin

del sistema homogneo original. Desarrollaremos todo este proceso para el
caso de los sistemas homogneos planos (dos ecuaciones). Para sistemas con
ms ecuaciones el procedimiento es anlogo.
5.2.1. Sistemas lineales homogneos planos

Sea X 0 = AX un sistema lineal homogneo de coecientes constantes y
plano.
5.2
59
Caso 1. Si la matriz
A M2 (R) es diagonalizable con autovalores reales, la

forma cannica de jordan de A es

1 0
0 2
J=
Se hace el cambio X = P Y y se resuelve el sistema Y 0 = JY

y10
y20

=
1 0
0 2

y1
y2
Resulta y1 (t) = c1 e1 t , y2 (t) = c2 e2 t . Escrito en forma matricial,

Y =
y1 (t)
y2 (t)
e1 t
0

= c1

+ c2

=
e 2 t
e1 t
0
0 e 2t

c1
c2
Al deshacer el cambio X = P Y , se tiene

X=
x1 (t)
x2 (t)
=P
1 t
= c1 e
siendo
p11
p21
p12
p22
p11
p21
e 1 t
0
0 e 2 t

p12
p22

+ c2 e
2 t
c1
c2

=
las columnas de P , esto es, los autovectores
asociados a los autovalores 1 y 2 respectivamente. Obsrvese que la

matriz

(t) = P
e1 t
0
0 e 2t
es una matriz fundamental.
entonces
A no es diagonalizable, con un autovalor doble R,

J=
1
0
Se considera X = P Y y se resuelve el sistema Y 0 = JY . Queda

y2 (t) = c2 et
60
Al sustituir en y10 = y1 + y2 se tiene y10 = y1 + c2 et . Esta ecuacin,

para cada valor de c2 jo, es lineal de primer orden. Al resolver, da
lugar a
y1 (t) = c1 et + c2 tet
Por tanto, escrito en forma matricial,

Y =
y1 (t)
y2 (t)

= c1
et
0
tet
et

+ c2
et tet
0 et

p11
p21

=
c1
c2
Se deshace el cambio X = P Y y queda

X=P
et tet
0 et

La matriz (t) = P
c1
c2

=e
et tet
0 et

(c1 + c2 t)
+ c2
p12
p22

es una matriz fundamental.
A tiene dos autovalores complejos conjugados = a +

ib, = a ib, la forma cannica de Jordan es la matriz

J=
0
0

M2 (C)
La matriz de paso P = (P 1 P 2 ) M2 (C) tiene por columnas P 1 , P 2 =

P 1 a los autovectores (complejos conjugados) asociados a los autovalores y .
Se hace el cambio X = P Y y se resuelve el sistema
Y 0 = JY
Se obtiene y1 (t) = c1 e(a+ib)t , y2 (t) = c2 e(aib)t con c1 , c2 C constantes

arbitrarias. Escrito en forma matricial,

Y =
y1 (t)
y2 (t)

=
e(a+ib)t
0
0
e(aib)t

c1
c2

c1
c2
Deshaciendo el cambio, obtenemos

X=
x1 (t)
x2 (t)

=P
e(a+ib)t
0
(aib)t
0
e
5.2
61
= c1 e(a+ib)t P 1 + c2 e(aib)t P 1
que es la solucin general compleja del sistema X 0 = AX . Nosotros

deseamos encontrar la solucin general real (las funciones x1 (t), x2 (t)
deben ser reales). Para obtenerla, basta observar que si X(t) es solucin
compleja del sistema X 0 = AX , entonces
Re(X(t))
Im(X(t)) son
e

p11
u1 + iv1
=
,
p
u2 + iv2

21
u1
v1
se tiene Re(P 1 ) =
y Im(P 1 ) =
. Consideremos la
u2
v2
soluciones reales de X 0 = AX . Si P 1 =
solucin compleja
e(a+ib)t P 1 = eat (cos bt + i sen bt)

u1
u2

+i
v1
v2

=

u1
v1
=e
cos bt
sen bt
+
u2
v2
at
+ie
at

sen bt
u1
u2

+ cos bt
v1
v2

Por lo dicho arriba, tanto

u1
v1
X1 (t) = e
cos bt
sen bt
u2
v2
at
como

u1
v1
X2 (t) = e
sen bt
+ cos bt
u2
v2
at
son soluciones reales (e independientes) del sistema X 0 = AX , de modo

que la solucin general ser

X = c1 X1 + c2 X2 =
u1 v1
u2 v2

eat cos bt eat sen bt

eat sen bt eat cos bt

c1
c2
Obsrvese que la matriz

Q=
u1 v1
u2 v2
es la matriz de paso tal que

forma cannica real de A.
= Re(P 1 ) Im(P 1 )
Q1 AQ
J 0,
siendo
J0

a b
b a
la
62
En cualquiera de los tres casos, si los dos autovalores de la matriz A son

tales que Re() < 0, se tiene que
lm xi (t) = 0,
i = 1, 2
para cualquier solucin X =
x1 (t)
x2 (t)
del sistema X 0 = AX .
Observacin 7. Considrese una ecuacin lineal de segundo orden homognea

de coecientes constantes x00 + a1 x0 + a2 x = 0 con a1 , a2 R. Mediante el
cambio de variables

x = x1
x0 = x2
se puede reducir el estudio de las soluciones de la ecuacin al estudio del

sistema plano equivalente

(1)
x01 = x2
x02 = a2 x1 a1 x2
El polinomio caracterstico de A =
x01
x02

=
0
1
a2 a1
0
1
a2 a1

x1
x2
es p() = 2 + a1 +
a2 . Obsrvese la relacin existente entre el polinomio p() y la ecuacin de
segundo orden.
Utilizando lo hecho en los sistemas planos, y teniendo en cuenta que slo
nos interesa x1 (t), se concluye que:
Caso 1. Si los dos autovalores 1 , 2 son reales (y distintos, ya que de ser iguales
la matriz A debera ser diagonal), entonces x(t) = x1 (t) = k1 e1 t +
k2 e2 t , siendo k1 y k2 constantes arbitrarias.
Caso 2. Si hay un autovalor real doble, , entonces

k2
tet ,
siendo k1 y k2 constantes arbitrarias..
x(t) = x1 (t) = k1 et +
Caso 3. Si los autovalores son complejos conjugados, entonces
x(t) = x1 (t) =
k1 eat cos bt + k2 eat sen bt, siendo k1 y k2 constantes arbitrarias.
5.2.2. Puntos crticos. Diagrama de fases de sistemas lineales

homogneos planos
Dado un sistema de ecuaciones del tipo

dx
dt
dy
dt
= f1 (x, y)
= f2 (x, y)
5.2
63
decimos que un punto (x0 , y0 ) es un punto crtico o singular si el vector

constante

X(t) =
x0
y0
es solucin del sistema.

La representacin grca de las soluciones en el plano, junto con la indicacin del sentido en que se recorren, se denomina diagrama de fases del
sistema.
Dado el sistema X 0 = AX con A M2 (R), es claro que el vector X =
(0, 0) es un punto crtico. Supondremos que dicho punto crtico es aislado
(no hay ms en un entorno suyo). Esto implica que Det(A) 6= 0 y, por tanto,
= 0 no es autovalor de A.
El anlisis cualitativo de los diagramas de fases en un entorno del punto
crtico X = (0, 0) se hace en funcin de los signos de los autovalores de A,
tal como queda indicado en el siguiente esquema:
64
I
ma
g
e
nt
o
ma
d
ad
e[
5
]
,
p
g
.
1
9
1
.
5.2
65
I
ma
ge
nt
oma
dade[
5]
,p
g.192.
66
5.3.
EJERCICIOS
1. Resulvase el sistema de ecuaciones diferenciales

siendo A =
2 1
1 2
u0
v0

=A
Nota.
Utilcese el hecho de que, al ser
u
v
u
v
A diagonalizable, dado x
=
, se tiene x0 = A
x, lo que equivale a escribir x
0 = P DP 1 x
.
Llamando y = P 1 x, se obtiene y0 = D
y , un sistema de resolucin
elemental.
2. Determnese la solucin general del sistema de ecuaciones

x01 = x1 + 3x2
x02 = 2x1 + 2x2
Hallar la solucin particular que satisface x1 (0) = 0, x2 (0) = 5.

3. Resulvase la ecuacin diferencial lineal de tercer orden de coecientes
constantes
y 000 3y 00 + 2y 0 = 0
Nota. Considrese el sistema de tres ecuaciones y0

3v 2u o, lo que es equivalente,
= u, u0 = v , v 0 =

y0
0 1 0
y
u0 = 0 0 1 u
v0
0 2 3
v
4. Hallar la solucin general del sistema X 0 = AX con

A=
4 1
1 2
Determnese la solucin que satisface la condicin inicial X(0) = (1, 1).
5.3
67
EJERCICIOS
5. Obtener la solucin general de los sistemas X 0 = AX con

a) A =
3
2
4 1
10 10 14
b) A = 3 5 5
7 8 10
3 1 0
c) A = 0 3 0
0 2 3
6 8 10
d) A = 2 2 3
5 6 8
6. Hallar la solucin general del sistema de ecuaciones

0
X =
3 2
2 2

X+
t
0
7. Estudiar la naturaleza de los puntos crticos de los sistemas planos de

los ejercicios 1, 2, 4 y 5 a).
69
6.
PRODUCTO ESCALAR. ESPACIO EUCLDEO
Muchos de los fenmenos que se investigan en la geometra utilizan nociones como las de longitud de un vector y ngulo entre vectores. Para introducir estos dos conceptos en los R-espacios vectoriales se dene el producto
escalar. Un R-espacio vectorial al que se asigna un producto escalar se denomina espacio vectorial eucldeo. En este captulo trabajaremos, principalmente, con R-espacios vectoriales eucldeos de dimensin nita.
6.1.
PRODUCTO ESCALAR. LONGITUDES Y NGULOS
Denicin 27. (Producto escalar. Espacio vectorial eucldeo.)
Sea V un R-espacio vectorial. Un producto escalar asociado a V es una

aplicacin h , i : V V R que verica las propiedades siguientes:
1.
2.
3.
4.
hu, vi = hv, ui para todo u, v V .

hu + v, wi = hu, wi + hv, wi para todo u, v, w V .
hu, vi = hu, vi para todo u, v V , R.
hu, ui > 0 para todo u 6= 0.
Diremos entonces que el par (V, h , i) es un espacio vectorial eucldeo.

Si la aplicacin h , i cumple las propiedades 1, 2 y 3 decimos que es una
forma bilineal simtrica. Si, adems, cumple la propiedad 4, se dice que es
denida positiva y se habla de producto escalar asociado a V .
Proposicin 6. Si A es una matriz n n denida positiva (simtrica y con

todos los autovalores reales y positivos), entonces
hX, Y i = X t AY, con X, Y Rn
dene un producto escalar en Rn . De hecho, todos los productos escalares

denidos en espacios vectoriales de dimensin nita tendrn una expresin
matricial de este tipo.
Para determinar si la matriz A es denida positiva, existen varios criterios
que no requieren del clculo del signo de los autovalores. Enunciamos uno en
la siguiente proposicin.
Proposicin 7. (Criterio de Sylvester)
Sea A Mn (R) simtrica y sea i = Det(Ai ), donde
a11
a1i
aii
Ai = ...
ai1
...
..
.
Entonces A es denida positiva si y slo si i > 0 para todo i = 1, . . . , n.
70
Propiedades.
a) hv, 0i = 0 para todo v V .
b) hu + v, wi = hu, wi + hv, wi para todo u, v, w V , , R.
c) hv, vi = 0 si y slo si v = 0.
Denicin 28. Un ejemplo de espacio vectorial eucldeo, y que ser el ms
utilizado por nosotros, es el espacio vectorial V = Rn , al que asociamos el

producto escalar usual que se dene del siguiente modo:
Dados x, y Rn con x = (x1 , . . . , xn ) e y = (y1 , . . . , yn ),
hx, yi = x1 y1 + x2 y2 + + xn yn .
Denicin 29. (Norma o mdulo. Distancia)
La longitud, norma o mdulo de un vector v V se dene como

kvk =
p
hv, vi
Si kvk = 1, se dice que v es unitario.

La distancia entre dos vectores u, v V se dene como
d(u, v) = ku vk
Propiedades.
1. kvk 0 y kvk = 0 si y slo si v = 0.
2. kvk = ||kvk para todo R y para todo v V .
3. Para todo u, v V , ku + vk kuk + kvk. Esta propiedad se conoce
como desigualdad triangular o de Minkowski.
v
4. Dado v 6= 0, kvk
es un vector unitario.
5. Para todo u, v V , |hu, vi| kukkvk. Esta propiedad se conoce como
desigualdad de Cauchy-Schwarz.
Denicin 30. (ngulo entre dos vectores. Ortogonalidad)

i) Para todo par de vectores no nulos u, v V , el ngulo entre u y v se
hu,vi
dene como el nico nmero [0, ] tal que cos = kukkvk
.
ii) Dados u, v V no nulos, diremos que son ortogonales o perpendiculares si hu, vi = 0. Obsrvese que u, v son ortogonales si y slo si
cos = 0, siendo el ngulo entre u y v , lo que es equivalente a decir
que = /2.
iii) Una base B de vectores de V es ortogonal si sus vectores son ortogonales entre s. Si los vectores de B son adems unitarios, entonces se
dice que la base es ortonormal.
6.2
MTODO DE GRAM-SCHMIDT. PROYECCIONES
71
Propiedades.
1. Si {u1 , . . . , uk } son vectores no nulos de V , ortogonales entre s, entonces son linealmente independientes.
2. Si B = {u1 , . . . , un } es una base ortogonal de V , entonces B 0 =
{ kuu11 k , . . . , kuunn k } es una base ortonormal de V .
Proposicin 8. Sea B = {e1 , . . . , en } una base ortogonal del espacio vecto-
rial eucldeo V . Entonces, dado x V ,

x=
hx, e1 i
hx, en i
e1 + +
en
2
ke1 k
ken k2
ii
. A las coordenadas xi se les llama
esto es, xB = (x1 , . . . , xn ) con xi = hx,e
kei k2
coecientes de Fourier de x con respecto a la base ortogonal B .
6.2.
MTODO DE GRAM-SCHMIDT. PROYECCIONES
Teorema 12. (Gram-Schmidt) Dada una base
B = {u1 , . . . , un } de un espacio vectorial eucldeo V , existe una base ortogonal B 0 = {e1 , . . . , en } tal
que L(u1 , . . . , ur ) = L(e1 , . . . , er ) para todo r = 1, . . . , n. Los vectores de la
base B 0 sern:
e1
e2
= u1
= u2
hu2 ,e1 i
e
ke1 k2 1
en = un
hun ,e1 i
e
ke1 k2 1
..
.
hun ,en1 i
e
ken1 k2 n1
Corolario 2. Si {w1 , . . . , wr } es un conjunto ortogonal de vectores no nulos

de V , entonces existe una extensin a una base ortogonal.
Denicin 31. (Subespacios ortogonales. Complemento ortogonal)

i) Un vector no nulo v V se dice que es ortogonal a un subespacio
vectorial W de V , denotado por v W , si hv, wi = 0 para todo w W .
Esto equivale a probar que v es ortogonal a los vectores de una base de
W.
ii) Dos subespacios vectoriales W1 , W2 de V se dicen ortogonales, algo que
denotaremos por W1 W2 , si para todo w1 W1 y w2 W2 se tiene
que hw1 , w2 i = 0. Esto equivale a probar que los vectores de una base
de W1 son ortogonales a los vectores de una base de W2 .
iii) Si W es un subespacio vectorial de V de dimensin k < n, el conjunto
W = {v V : hv, wi = 0 para todo w W }
es un subespacio vectorial de V de dimensin n k y se denomina
complemento ortogonal de W . De hecho, V = W W .
72
Denicin 32. (Proyeccin ortogonal)
Sea W un subespacio vectorial de V . Como V = W W , resulta que

todo v V se puede escribir de modo nico como v = w + u con w W y
u W . El vector w recibe el nombre de proyeccin ortogonal de v sobre W
y se denota por w = PW (v), mientras que u es la proyeccin ortogonal de v
sobre W y se escribe u = PW (v).
El siguiente resultado proporciona un mtodo rpido para calcular proyecciones ortogonales sobre un subespacio vectorial.
Proposicin 9. Sea W un subespacio vectorial de V y sea v V . Si BW
{w1 , . . . , wr } es una base ortogonal de W , entonces, la proyeccin ortogonal

de v sobre W es
PW (v) =
hv, w1 i
hv, wr i
w1 + +
wr
kw1 k2
kwr k2
Teorema 13. (Teorema de aproximacin)
Sea W un subespacio vectorial de dimensin nita del espacio eucldeo V .

Si v V , entonces PW (v) es el vector de W ms prximo a v . Esto signica
que
d(v, PW (v)) < d(v, w) para todo w W, w 6= PW (v)
6.3.
APLICACIN: DESARROLLOS DE FOURIER
Denotamos por C[, ] al R-espacio vectorial de funciones continuas en

el intervalo [, ], dotado del producto escalar siguiente:
Z
hf, gi =
f (x)g(x) dx
El conjunto de vectores de C[, ],

{1, sen x, cos x, sen(2x), cos(2x), . . . },
es un conjunto ortogonal, esto es,

hsen(mx), sen(nx)i = 0 si m 6= n
hcos(mx), cos(nx)i = 0 si m 6= n
hsen(mx), cos(nx)i = 0 para todo m, n 0
Tngase en cuenta que 1 = cos(0x) est incluida en estas expresiones.

Por otro lado,
6.3
73
APLICACIN: DESARROLLOS DE FOURIER
12 dx = 2
k1k = h1, 1i =
k sen(kx)k2 = hsen(kx), sen(kx)i =
sen2 (kx) dx =
k = 1, 2, . . .
cos2 (kx) dx =
k = 1, 2, . . .
k cos(kx)k = hcos(kx), cos(kx)i =
Las comprobaciones de estas armaciones se dejan al lector.

Considrese el subespacio vectorial de V = C[, ],
Wn = L{1, sen x, cos x, sen(2x), cos(2x), . . . , sen(nx), cos(nx)}
Dada una funcin f V , se denen los coecientes de Fourier de f como:

Z
hf, 1i
1
a0 =
=
f (x) dx
k1k2
2 Z
1
hf, cos(kx)i
=
f (x) cos(kx) dx k = 1, 2, . . .
ak =
k cos(kx)k2
Z
hf, sen(kx)i
1
bk =
f (x) sen(kx) dx k = 1, 2, . . .
=
k sen(kx)k2

Observacin. Si la funcin f es par (f (x) = f (x) para todo x) o impar
(f (x) = f (x) para todo x), el clculo de los coecientes de Fourier se

simplica notablemente. As:
a) Si f es par, entonces f (x) sen(kx) es impar, de modo que bk = 0.
b) Si f es impar, entonces f (x) cos(kx) es impar, de modo que ak = 0.
Debido al teorema de aproximacin, se obtiene el siguiente resultado:
Teorema 14. Sea
f C[, ] y sean a0 , a1 , a2 , . . . , b1 , b2 , . . . los coecientes de Fourier de f . Entonces,

fn = PWn (f ) = a0 + a1 cos x + b1 sen x + a2 cos(2x) + b2 sen(2x) +
+ an cos(nx) + bn sen(nx)
es una funcin perteneciente a

Wn = L{1, sen x, cos x, sen(2x), cos(2x), . . . , sen(nx), cos(nx)}.
Podemos armar que fn es la funcin de Wn ms prxima a f , ya que

d(f, fn ) < d(f, g) para toda g Wn , g 6= fn
74
La funcin fn = PWn (f ) es la aproximacin de Fourier de orden n a la

funcin f .
Otros resultados en esta lnea son los que siguen:
Teorema 15. Sea f
C[, ]. Dado que

W1 W2 W3 Wn
resulta
kf f1 k kf f2 k kf f3 k kf fn k
De hecho, kf fn k 0 cuando n .
Teorema 16. Dada f
para todo x (, ).
C[, ], se tiene que fn (x) f (x) cuando n
6.4
75
EJERCICIOS
6.4.
EJERCICIOS
1. En el espacio eucldeo usual R4 se consideran los subespacios vectoriales

W1 = {(x, y, z, t) R4 : x y = 0, z + t = 0}
y
W2 = L{(1, 1, 2, 2), (1, 0, 1, 0)}
Hallar:
a) Las ecuaciones de W1 y una base ortonormal de W1 .
b) Las ecuaciones del complemento ortogonal W2 y una base ortogonal para W2 .
2. Dada la forma bilineal simtrica sobre R3 , F (x, y) = xt Ay , siendo
a 0
0
A = 0 2 1
0 1 2
a) Determinar para qu valores de "a" dene F un producto escalar.

b) Para a = 1, son ortogonales los vectores (1, 1, 1) y (2, 1, 1)?
3. Si F es la forma bilineal en R2 cuya matriz asociada con respecto de
la base cannica es

A=
a 1
1 1

,
determinar los valores de "a" para los que F dene un producto escalar.
4. Sea Q : R4 R la forma cuadrtica denida en la base cannica por
la matriz:
2
0
A=
1
0
0
2
0
1
1
0
2
0
0
1
0
2
Se pide:
a) Determinar si Q da lugar a un producto escalar.
b) En el espacio eucldeo real (R4 , h , i) que dene Q se pide:
76
b.1) Calcular la distancia y ngulo entre los vectores u = (1, 1, 1, 1)

y v = (1, 1, 0, 0).
b.2) Obtener las ecuaciones implcitas del complemento ortogonal
al subespacio vectorial U = L{(1, 1, 0, 0), (1, 1, 1, 0)}.
b.3) Determinar una base ortonormal del subespacio vectorial V =
L{(1, 1, 1, 1), (1, 0, 0, 1)}.
5. Dado R3 con el producto escalar usual, calcular:
a) La proyeccin del vector (1, 0, 0) sobre el subespacio U x + y =
0.
b) La proyeccin del vector (1, 2, 3) sobre el subespacio W = L{(1, 0, 1)}.
6. En R4 , con el producto escalar usual, se considera el subespacio
U = L{(0, 1, 1, 1), (0, 1, 1, 0), (0, 1, 0, 1)}
Se pide:
a) Hallar una base ortonormal de U .
b) Hallar las proyecciones sobre U y sobre U del vector v = (1, 2, 3, 4).
7. En R4 , con el producto escalar usual, utilizar el mtodo de GramSchmidt para calcular una base ortonormal a partir de los vectores
{(1, 1, 1, 1), (1, 1, 0, 0), (1, 1, 1, 0), (1, 0, 0, 0)}
8. Hallar la aproximacin de Fourier de orden 5 y la serie de Fourier de

la funcin f C[, ] siguiente:

f (x) =
+ x x < 0
x 0x
Deducir del resultado obtenido para la serie de Fourier la siguiente

igualdad:
2
1
1
1
1
= 1 + + 2 + 2 + 2 +
8
2 3
5
7
9. Hallar la aproximacin de Fourier de orden 6 y el desarrollo en serie

de Fourier de la funcin f (x) = x en el intervalo [, ]. Utilizando el
resultado, obtener la igualdad siguiente:
1 1 1 1
= 1 + + .
4
3 5 7 9
77
7.
SOLUCIONES A LOS EJERCICIOS PROPUESTOS
7.1.
1. Analizar cules de los siguientes subconjuntos de R3 son subespacios

vectoriales.
a) A = {(2x, x, 7x)/x R}
El conjunto A es una recta vectorial escrita en forma paramtrica.
Se deja al alumno comprobar que A es subespacio vectorial de
R3 . Debe demostrarse que, para cualesquiera dos vectores u
=
(2x1 , x1 , 7x1 ) A, v = (2x2 , x2 , 7x2 ) A y un escalar R,
se cumple que u + v A y que
u A.
b) A = {(x, y, z)/xy = 1}
El conjunto A no es subespacio vectorial de R3 . Basta comprobar
que el elemento neutro 0 = (0, 0, 0) no est en A.
c) A = {(x, y, z)/x = y x = z}
El conjunto A es la unin de dos planos vectoriales y no es subespacio vectorial de R3 . Para ello, basta elegir dos vectores que
estn en A y cuya suma no permanezca en A. Por ejemplo, sean
u
= (1, 1, 0) A y v = (1, 2, 1) A. Es claro que u
+ v
/ A.
d) A = {(x, y, z)/x + y + z = 0 y x y z = 0}
El conjunto A es una recta vectorial (interseccin de dos planos
vectoriales) y s es un subespacio vectorial de R3 . Se deja al alumno comprobarlo (vase el ejercicio 5 para una demostracin de
este resultado en un mbito ms general).
de Rn [t] (conjunto de los polinomios con grado menor o igual a n 1,
con coecientes en el cuerpo R).
a) El conjunto A de todos los polinomios con coecientes en R de
grado n y el polinomio cero.
El conjunto A no es subespacio vectorial de Rn [t]. Basta elegir
los polinomios p(t) = tn A y q(t) = tn + 1 A. Es claro que
q(t) p(t)
/ A.
b) A = {p(t) Rn [t]/3p(0) + p(1) = 1}.
El conjunto A no es subespacio vectorial de Rn [t] ya que el elemento neutro (el polinomio idnticamente nulo) no est en A.
c) A = {p(t) Rn [t]/p0 (0) + p00 (0) = 0}
El conjunto A es subespacio vectorial de Rn [t]. Se escogen dos
polinomios p(t), q(t) A y un escalar R. Entonces
78
(p + q)0 (0) + (p + q)00 (0) = p0 (0) + q 0 (0) + p00 (0) + q 00 (0) = 0
Esto demuestra que p + q A. Por otro lado,

(p)0 (0) + (p)00 (0) = (p0 (0) + p00 (0)) = 0
con lo que p A.
de Mnn (R).
a) A = {M Mnn (R)/det(M ) = 0}.
El conjunto A no es subespacio vectorial de Mnn (R). Basta considerar las matrices diagonales
M1 =
...
M2 =
...
0
1
Es claro que M1 , M2 A pero M1 + M2

/ A.
b) A = {M Mnn (R)/det(M ) 6= 0}
El conjunto A no es subespacio vectorial de Mnn (R) ya que el
elemento neutro (la matriz nula) no pertenece a A.
c) A = {M Mnn (R)/tr(M ) = 0}.
El conjunto A es subespacio vectorial de Mnn (R). Consideremos dos matrices M1 y M2 con tr(M1 ) = tr(M2 ) = 0. Entonces
tr(M1 + M2 ) = tr(M1 ) + tr(M2 ) = 0, con lo que se prueba que
M1 + M2 A. Es igualmente fcil ver que, dado R y M1 A,
entonces M1 A.
4. Sea F (R, R) el espacio vectorial real de las funciones reales de variable
real. Estudiar cules de los siguientes subconjuntos son subespacios
vectoriales de F (R, R).
a) W = {f F (R, R)/f es continua en el intervalo (a, b)}.
Como la suma de funciones continuas es continua y el producto
por un escalar de una funcin continua es otra funcin continua,
se tiene que W es subespacio vectorial de F (R, R).
b) W = {f F (R, R)/f (1) = f (2)}.
El conjunto W es subespacio vectorial de F (R, R). La demostracin
se deja al lector.
7.1
79
c) W = {f F (R, R)/f es creciente en el intervalo (a, b)}.

El conjunto W no es subespacio vectorial de F (R, R) ya que el
elemento neutro (la funcin idnticamente nula) no pertenece a
W.
5. Se considera el sistema lineal homogneo de m ecuaciones con n incgnitas sobre el cuerpo R:
a11 x1 + + a1n xn
..
.
= 0
..
.
..
.
am1 x1 + + amn xn = 0
Demostrar que el conjunto W de soluciones es un subespacio vectorial

de Rn .
r1
.
Sean r =
.. ,
s1
s = ... dos soluciones del conjunto W . Se

rn
sn
tiene que Ar = 0 y As = 0, siendo A la matriz de coecientes
A=
a11
..
.
...
am1
a1n
..
.
amn
Si queremos ver que r + s W slo tendremos que comprobar que

A(
r + s) = 0, algo que resulta obvio ya que A(
r + s) = A
r + A
s = 0.
De igual modo se concluye que, si R y r W , entonces r W .
6. El rango de una matriz A coincide siempre con el nmero mximo
de vectores la linealmente independientes y con el nmero mximo
de vectores columna linealmente independientes. Estudiar, utilizando
este hecho, si los siguientes conjuntos de vectores son linealmente dependientes o independientes:
a) {(2, 1, 4), (4, 2, 8)}.
No son linealmente independientes ya que r(A) = 1, siendo A la
matriz que tiene por las (o columnas) a los vectores de la familia
dada.
b) {(2, 1, 4), (4, 1, 8), (1, 0, 3)}.
Sea A la matriz
1 0 3
A = 2 1 4
4 1 8
80
Se tiene que, escalonando la matriz A,
1 0
3
1 0
3
r(A) = r 0 1 2 = r 0 1 2 = 3,
0 1 4
0 0 6
de manera que los tres vectores son linealmente independientes.

c) {(2, 1, 4, 0), (0, 3, 1, 5), (4, 1, 7, 5)}.
2 1 4 0
Sea A = 0 3 1 5 . Se tiene, escalonando
4 1 7 5
2 1 4
0
2 1 4
5 = r 0 3 1
r(A) = r 0 3 1
0 3 1 5
0 0 0
la matriz,
0
5 = 2,
0
de modo que los vectores son linealmente dependientes.

d) {(1, 1, 1, 0), (1, 0, 1, 1), (0, 3, 1, 1), (6, 1, 2, 0)}.
1 1 1 0
1 0
1 1
. Al escalonar la matriz se obtiene
Sea A =
0
3 1 1
6
1
2 0
1 1 1
1 1 1 0
0 1 2
0 1 2 1
r(A) = r
0 3 1 1 = r 0 0
5
0 0 10
0 7 4 0
0
1
=
4
7
1 1 1 0
0 1 2 1
= r
0 0 5 4 = 4,
0 0 0 1
con lo que los vectores son linealmente independientes.

7. En R3 se consideran los vectores u = (1, 2, 1), v = (1, 3, 2), x = (1, 1, 0), y =
(3, 8, 5). Demostrar que L({x, y}) = L({u, v}).
Sean W1 = L({x, y}) y W2 = L({u, v}). Es claro que dim(W1 ) =
dim(W2 ) = 2. Ser suciente ver que
1 1 1 3
1 1 1 3
r 2 3 1 8 = r 0 1 1 2 = 2,
1 2 0 5
0 1 1 2
esto es, el mximo nmero de columnas linealmente independientes es

2, lo que implica que ambos planos, W1 y W2 , son el mismo plano.
7.1
81
8. Determinar si las siguientes familias de vectores son sistemas de generadores de R3 . En los casos armativos, obtener una base.
a) {(1, 1, 0), (2, 3, 8)}
No es sistema de generadores (deben ser al menos 3 vectores).
b) {(1, 1, 1), (2, 2, 0), (3, 0, 0)}
1 1 1
Como r 2 2 0 = 3, se tiene que los tres vectores son sis3 0 0
tema de generadores (y base) de R3 .
c) {(2, 1, 3), (4, 1, 2), (8, 1, 8)}.
2 1 3
2 1 3
Como r 4 1 2 = r 0 3 4 = 2, se tiene que
8 1 8
0 3 4
los tres vectores no son sistema de generadores de R3 .
d) {(1, 3, 3), (1, 3, 4), (1, 4, 3), (6, 2, 1)}.

Como
1 1 1
6
1 1 1 6
r 3 3 4 2 = r 0 0 1 16 =
0 1 0 17
3 4 3 1
1 1 1
6
= r 0 1 0 17 = 3,
0 0 1 16
el conjunto de cuatro vectores es sistema de generadores de R3 .

Tendremos que coger tres de ellos que sean linealmente independientes para obtener una base. Si los vectores han sido colocados en forma de columna y se ha escalonado la matriz, basta
considerar las columnas asociadas a las cabeceras de la matriz
escalonada. Las posiciones de estas columnas (en este caso son las
tres primeras) se corresponden con las posiciones de los vectores
columna de la matriz inicial que dan lugar a una base. De manera
que una base de entre la familia de cuatro vectores podra ser la
formada por los tres primeros (tal como aparecen en forma de
columna en la matriz que escalonamos).
9. En el espacio vectorial Rn [t] de los polinomios con grado menor o igual
que n sobre el cuerpo R, se considera el conjunto de vectores
B = {1, t, t2 , ..., tn }
Probar que B es una base de Rn [t].
82
Veamos primero que son sistema de generadores. Dado un polinomio

p(t) = a0 + a1 t + + an tn Rn [t], es claro que p(t) se puede escribir
como combinacin lineal de los elementos de la familia B .
Para probar la independencia lineal, recurrimos a la denicin y consideramos la igualdad
a0 + a1 t + + an tn = 0
La nica posibilidad de que esto sea cierto para todo valor de t es que
a0 = a1 = = an = 0.
10. En el espacio vectorial M22 (R) de las matrices de orden 2 2 sobre
el cuerpo R se considera el conjunto de vectores

B=
1 0
0 0

0 1
0 0
0 0
,
,
,
0 1
0 0
1 0
Probar que B es una base de M22 (R).

Veamos
primero
que son sistema de generadores. Dada una matriz
A=
a b
, es claro que A se puede escribir en la forma
c d

1 0
0 0
0 0
0 1
+d
+c
A=a
+b
0 1
1 0
0 0
0 0
Para ver que son linealmente independientes, nicamente hace falta

aplicar la denicin de independencia lineal. Si se tiene la igualdad

a
1 0
0 0

+b
0 1
0 0

+c
0 0
1 0

+d
0 0
0 1

=
0 0
0 0

,
entonces a = b = c = d = 0.
11. Determinar la dimensin y una base del subespacio vectorial de R4
engendrado por los vectores
{(2, 1, 4, 0), (0, 3, 1, 5), (4, 1, 7, 5)}
Escalonamos la matriz
2 1 4 0
2 1 4
0
2 1 4 0
5 0 3 1 5
A = 0 3 1 5 0 3 1
4 1 7 5
0 3 1 5
0 0 0 0
7.1
83
La dimensin es 2 y una base es la formada por cualesquiera dos vectores linealmente independientes de la familia que nos dan o por la
familia de vectores no nulos que aparecen en la matriz obtenida de
escalonar A. En este caso escogemos como base
B = {(2, 1, 4, 0), (0, 3, 1, 5)}.
12. Sea
W = L{(1, 2, 1, 3, 4), (2, 4, 2, 6, 8), (1, 3, 2, 2, 6), (1, 4, 5, 1, 8), (2, 7, 3, 3, 9)}
Hallar un subconjunto de los vectores que sea base de W .

Se nos pide que elijamos, de entre los vectores que nos dan, una familia que sea base de la envolvente. Existen varios procedimientos. Se
podran escribir los vectores en forma de las de una matriz, escalonar
la misma y, estudiando las operaciones elementales realizadas, obtener
los vectores que dan lugar a la base.
Otra tcnica alternativa, que seguiremos ahora, es la siguiente: calculamos la dimensin escribiendo los vectores en forma de columnas de
una matriz que escalonaremos. Las posiciones de las columnas asociadas a las cabeceras de la matriz escalonada sern las posiciones de las
columnas de la matriz inicial que dan lugar a la base buscada.
A=
1
2 1 1
2
4 3 4
1 2 2 5
3
6 2 1
4
8 6 8
2
7
3
3
9
1
0
0
0
0
2
0
0
0
0
1
1
0
0
0
1 2
2 3
0 4
0 0
0 0
Se tiene que el rango es tres. De modo que deben elegirse 3 vectores

linealmente independientes de la familia dada. Las columnas asociadas
a las cabeceras de la matriz escalonada son la primera, la tercera y la
quinta, de manera que nos quedamos con las columnas primera, tercera
y quinta de la matriz inicial A. Esto quiere decir que una base asociada
a W , y elegida entre los vectores que nos han dado, ser
BW = {(1, 2, 1, 3, 4), (1, 3, 2, 2, 6), (2, 7, 3, 3, 9)}
13. Se consideran en R4 los subespacios vectoriales

W1 = L({(1, 1, 0, 1), (1, 0, 1, 0), (1, 2, 1, 2)})
W2 = L({(0, 1, 1, 1), (1, 2, 1, 2)})
84
Hallar dim(W1 W2 ) y dim(W1 +W2 ) as como las ecuaciones implcitas

y paramtricas de W1 , W2 y W1 + W2 .
Estudiemos W1 . La dimensin de W1 es
1 1 0 1
1 1 0 1
dim(W1 ) = r 1 0 1 0 = r 0 1 1 1 = 2
1 2 1 2
0 1 1 1
Una base para W1 es BW1 = {(1, 1, 0, 1), (0, 1, 1, 1)}.

Las ecuaciones paramtricas de W1 sern
x1
x2
W1
x
3
x4
=
=
=
=
Para obtener las ecuaciones cartesianas, consideramos un vector (x1 , x2 , x3 , x4 )
W1 . Entonces se tiene
1
1
0
1
1 1 0 1
=
1
1
1
2 = r 0 1 1 1 = r 0
0 x2 + x1 x3 x4 x1
x1 x2 x3 x4
1 1
0
1
1
1
= r 0 1
0 0 x1 + x2 + x3 x2 + x4
De manera que, al permanecer invariante el valor del rango, debe ocurrir x1 + x2 + x3 = 0 y x2 + x4 = 0. stas son las ecuaciones cartesianas
de W1 . Escribimos

W1
x1 + x2 + x3 = 0
x2 + x4
= 0
Otro modo de obtener las ecuaciones cartesianas de W1 es considerar

(x1 , x2 , x3 , x4 ) W1 y la igualdad
1 1 0 1
2 = r 0 1 1 1
x1 x2 x3 x4
Los menores de orden 3 son todos nulos y dan lugar a las ecuaciones
cartesianas de W1 . Sin embargo, no todas sern independientes. Basta
7.1
85
escoger un menor no nulo de orden mximo (de orden 2 en este caso) y

extenderlo a todos los menores de una unidad mayor que sea posible.
As, se puede elegir el menor

1 1

0 1
y extenderlo a los menores de orden 3

1 1 0

0 1 1

x1 x2 x3

=0

1 1 1

0 1 1

x1 x2 x4

=0

Estas dos igualdades dan lugar a las ecuaciones cartesianas de W1 , que

ya habamos calculado con otro mtodo:

W1
x1 + x2 + x3 = 0
x2 + x4
= 0
Por otro lado, resulta claro que dim(W2 ) = 2, y una base suya es
BW2 = {(1, 2, 1, 2), (0, 1, 1, 1)}.
Adems, como W1 + W2 = L({BW1 BW2 }), se tiene que
1 1 0 1
1 1 0 1
dim(W1 + W2 ) = r 0 1 1 1 = r 0 1 1 1 = 2
1 2 1 2
0 1 1 1
Se deduce entonces que W1 = W2 = W1 + W2 = W1 W2 . Las

ecuaciones cartesianas, paramtricas y dimensiones de W1 W2 y de
W1 + W2 sern las de W1 .
14. Determinar, en cada caso, si los vectores que se dan son una base de
R4 .
a) {(2, 1, 0, 1), (1, 2, 1, 0)}.
b) {(0, 1, 2, 1), (1, 0, 1, 1), (0, 0, 2, 1), (0, 0, 1, 2)}.
c) {(1, 0, 1, 0), (0, 1, 1, 1), (2, 1, 1, 0), (1, 1, 2, 1)}.
Si ahora llamamos V1 , V2 y V3 a los subespacios vectoriales generados,
respectivamente, por los vectores de a), b) y c), determinar: dim(Vi ),
i = 1, 2, 3; dim(Vi Vj ), i 6= j , y ecuaciones de la interseccin; dim(Vi +
Vj ), i 6= j , y ecuaciones de Vi + Vj En qu casos R4 = Vi Vj ?
86
En el caso a) no hay base y dim(V1 ) = 2. En el caso b) se tiene que
1
0
r
0
0
0
1
0
0
1 1
1
0
2 1
= r
0
1 2
0
2 1
0
1
0
0
1 1
2 1
= 4,
1 2
0 3
de modo que s son base de R4 y dim(V2 ) = 4, esto es, V2 = R4 . En el

caso c) se tiene que
1 0
1
0
1 0
1
0
0 1 1 1
0 1 1 1
= r
r
0 1 1 0
2 1
1
0
0 1 1 1
1 1 2 1
1
0
= r
0
0
0 1
0
1 1 1
= 3,
0 0 1
0 0
0
de manera que en este caso no tenemos base y dim(V3 ) = 3.

A partir de lo observado, es claro que V1 V2 = V1 y V2 V3 = V3 , con
lo que dim(V1 V2 ) = dim(V1 ) = 2 y dim(V2 V3 ) = dim(V3 ) = 3.
Las ecuaciones cartesianas de V1 V2 son las de V1 . Vamos a calcularlas.
Sea (x1 , x2 , x3 , x4 ) V1 . Entonces
1 2 1
0
2 = r 2 1 0 1
x1 x2 x3 x4
Si se escogen los menores

1 2 1

2 1 0

x1 x2 x3

=0

1 2
0

2 1 1 = 0

x1 x2 x4
se obtienen las ecuaciones cartesianas de V1 = V1 V2

V1 = V1 V2
x1 + 2x2 3x3 = 0
2x1 + x2 3x4 = 0
Las ecuaciones paramtricas son
7.1
87
x1
x2
V1 = V1 V2
x3
x4
=
=
=
=
+ 2
2 +
Determinemos ahora las ecuaciones cartesianas de V2 V3 = V3 . Sea

(x1 , x2 , x3 , x4 ) V3 . Entonces
1 0
1
0
0 1 1 1
3 = r
0 0
0 1
x1 x2 x3 x4
de modo que la ecuacin cartesiana de V2 V3 = V3 es

V2 V3 = V3 {x1 + x2 + x3 = 0}
Calculemos dim(V1 V3 ) y sus ecuaciones cartesianas:

dim(V1 V3 ) = dim(V1 ) + dim(V3 ) dim(V1 + V3 )
Se puede comprobar que
dim(V1 + V3 ) = r
1
2
1
0
0
2 1
0
1 0 1
0 1
0
1 1 1
0 0 1
=4
de modo que dim(V1 V3 ) = 2 + 3 4 = 1.

Las ecuaciones cartesianas de V1 V3 sern la unin de las ecuaciones
de V1 y las de V3 , esto es,
x1 + 2x2 3x3 = 0
2x1 + x2 3x4 = 0
V1 V3
x1 + x2 + x3
= 0
A continuacin escalonamos la matriz asociada al sistema
1 2 3 0
1 2 3 0
2 1 0 3 0 1 2 1
1 1 1
0
0 1 4
0
88
1 2 3 0
0 1 2 1 ,
0
0
2
1
de manera que se obtiene el sistema escalonado equivalente
x1 + 2x2 3x3 = 0
x2 + 2x3 x4 = 0
V1 V3
2x3 + x4
= 0
Se tienen tres incgnitas cabeceras (x1 , x2 , x3 ) y un parmetro (x4 ).

Las ecuaciones paramtricas sern
x1
x2
V1 V3
x
3
x4
=
=
=
=
52
2
12
Por otro lado, como V2 = R4 , emtonces V1 + V2 = V2 + V3 = R4 , con

lo que dim(V1 + V2 ) = dim(V2 + V3 ) = 4. Adems, por la frmula de
las dimensiones, dim(V1 + V3 ) = dim(V1 ) + dim(V3 ) dim(V1 V3 ) =
2 + 3 1 = 4, lo cual implica que V1 + V3 = R4 .
x1
x2
V1 + V2 = V2 + V3 = V1 + V3 = R4
x3
x4
=
=
=
=
1
2
3
4
En ninguno de los casos es R4 = Vi Vj , ya que Vi Vj 6= 0 para todo

i 6= j .
15. Sean U, V y W los siguientes subespacios de R3 :
U = {(a, b, c)/a+b+c = 0},
Mostrar que:
a) R3 = U + V .
b) R3 = U + W .
c) R3 = V + W .
V = {(a, b, c)/a = c},
W = {(0, 0, c)/c R}
7.1
89
En qu casos es directa la suma?

Probemos a). Basta ver que dim(U + V ) = 3. Por la frmula de las
dimensiones, dim(U + V ) = dim(U ) + dim(V
) dim(U V ). La dimensin de U es dim(U ) = 3 r 1 1 1 = 2. La dimensin de V
es dim(V
) = 3 r 1 0 1 = 2. Por otro lado, dim(U V ) =

3r
1 1 1
1 0 1
= 1, con lo que dim(U + V ) = 2 + 2 1 = 3. En
este caso no hay suma directa ya que el subespacio interseccin es una

recta.
Probemos b). Basta ver que dim(U + W ) = 3. Es claro que W =
L((0, 0, 1)) y que dim(W ) = 1. Las ecuaciones cartesianas de W son

W
a = 0
b = 0
de modo que
1 1 1
dim(U W ) = 3 r 1 0 0 = 0
0 1 0
Esto implica que dim(U + W ) = 2 + 1 0 = 3. En este caso s hay

suma directa ya que, al ser dim(U W ) = 0, se tiene que U W = 0.
Probemos c). Basta ver que dim(V + W ) = 3. Se tiene que
1 0 1
dim(V W ) = 3 r 1 0 0 = 0
0 1 0
con lo que dim(V + W ) = 2 + 1 0 = 3. En este caso s hay suma

directa.
U = L({(1, 1, 0, 1), (1, 2, 3, 0), (2, 3, 3, 1)})
V = L({(1, 2, 2, 2), (2, 3, 2, 3), (1, 3, 4, 3)})
Hallar:
a) dim(U + V ) y ecuaciones de U + V .
b) dim(U V ) y ecuaciones de U V .
90
Resolvamos el apartado a). Como en el apartado b) necesitaremos calcular bases para U y para V , las obtenemos ahora.
1 1 0 1
1 1 0 1
dim(U ) = r 1 2 3 0 = r 0 1 3 1
2 3 3 1
0 1 3 1
Una base para U es BU = {(1, 1, 0, 1), (0, 1, 3, 1)}.

Por otro lado,
1 2 2 2
1 2
2 2
dim(V ) = r 2 3 2 3 = r 0 1 2 1
1 3 4 3
0 1
2 1
con lo que una base para V es BV = {(1, 2, 2, 2), (0, 1, 2, 1)}.

Como consecuencia, se tiene que
1 1
0 1
1 1
0 1
0 1
3
1
3
1
=
= r 0 1
dim(U + V ) = r
1 2
0 1
2 1
2 2
0 1 2 1
0 1 2 1
1
0
= r
0
0
1 0 1
1 3
1
=3
0 1 2
0 0
0
y una base de U + V ser la formada por los vectores

BU +V = {(1, 1, 0, 1), (0, 1, 3, 1), (0, 0, 1, 2)}
x1
x2
U +V
x
3
x4
=
=
=
=
1
1 + 2
32 + 3
1 + 2 + 23
Para obtener las ecuaciones cartesianas, se considera un vector (x1 , x2 , x3 , x4 )

U + V y se observa que
7.1
91
1 1 0 1
0 1 3
1
3 = r
0 0 1
2
x1 x2 x3 x4
Esto da lugar a la ecuacin implcita

U + V {4x1 + 5x2 2x3 + x4 = 0}
Resolvamos el apartado b). La dimensin de la interseccin de U y V

es
dim(U V ) = dim(U ) + dim(V ) dim(U + V ) = 2 + 2 3 = 1
Las ecuaciones cartesianas se obtienen uniendo las cartesianas de U

con las de V .
Calculemos en primer lugar las ecuaciones de U . Sea (x1 , x2 , x3 , x4 )
U . Se tiene
1 1 0 1
1 = 3,
r 0 1 3
x1 x2 x3 x4
de modo que, escogiendo

un menor no nulo de orden mximo, por

1 1
, y extendindolo a todos los menores de orden 3 que
ejemplo

0 1
sea posible, se obtienen las ecuaciones cartesianas de U :

U
3x1 3x2 + x3 = 0
2x1 x2 + x4 = 0
Calculemos ahora las ecuaciones de V . Sea (x1 , x2 , x3 , x4 ) V . Se tiene
1
2
2 2
r 0 1 2 1 = 3,
x1 x2 x3 x4
de modo que, escogiendo

un menor no nulo de orden mximo, por

1
ejemplo
2
0 1

, y extendindolo a todos los menores de orden 3

que sea posible, se obtienen las ecuaciones cartesianas de V :
92

V
2x1 + 2x2 x3 = 0
x2 + x4
= 0
De este modo, las ecuaciones cartesianas de U V son
2x1 + 2x2 x3
x2 + x4
U V
3x1 3x2 + x3
2x1 x2 + x4
=
=
=
=
0
0
0
0
Si escalonamos la matriz asociada al sistema
2 2 1 0
0
1
0 1
3 3 1 0
2 1 0 1
2
0
0
0
2 1 0
1 0 1
0 1 0
1 1 1
2
0
0
0
2
2 1 0
0
1 0 1
0
0 1 0
0
0 1 0
2 1 0
1 0 1
,
0 1 0
0 0 0
el sistema escalonado equivalente es
2x1 + 2x2 x3 = 0
x2 + x4
= 0
U V
x3
= 0
Las incgnitas principales son x1 , x2 , x3 y el parmetro es x4 , de modo

que las ecuaciones paramtricas son
x1
x2
U V
x
3
x4
=
=
=
=

W1 = {(x, y, z, t) R4 /x z = 0, y + t = 0}
W2 = L({(0, 0, 0, 1), (1, 1, 1, 1)})
Calcular :
a) dim(W1 ) y dim(W2 ).
7.1
93
b) dim(W1 W2 ) y ecuaciones de W1 W2 . Es R4 = W1 W2 ?
c) Hallar dim(W1 + W2 ).
Resolvamos el caso a). Se tiene

dim(W1 ) = 4 r

dim(W2 ) = r
1 0 1 0
0 1 0 1
1 1 1 1
0 0 0 1
=2
=2
Estudiemos el caso b). Primero calculamos las ecuaciones de W1 W2 .

Para ello basta obtener las de W2 . Sea (x, y, z, t) W2 . Entonces
1 1 1 1
2 = r 0 0 0 1
x y z t
lo
lugar, si escogemos el menor no nulo de orden mximo
cual da
1 1
y lo extendemos a todos los menores de orden 3 que po

0
damos, a las ecuaciones

W2
xz = 0
yz = 0
De este modo, las ecuaciones cartesianas de W1 W2 son
xz = 0
y+t = 0
W1 W2
yz = 0
El sistema escalonado asociado es
xz = 0
y+t = 0
W1 W2
z+t = 0
y
W1 W2
z
=
=
=
=
94
Resulta dim(W1 W2 ) = 1. por lo que no hay suma directa.

Resolvamos el apartado c). Por la frmula de las dimensiones, dim(W1 +
W2 ) = 2 + 2 1 = 3.
18. En R4 se consideran los subespacios vectoriales
W1 = {(x, y, z, t) R4 /x y = 0, z + t = 0}
W2 = L({(1, 1, 2, 2), (1, 0, 1, 0)}).
Calcular ecuaciones paramtricas, implcitas y bases de W1 , W2 , W1
W2 y W1 + W2 . Es R4 = W1 W2 ?
Las ecuaciones implcitas de W1 vienen dadas en el enunciado del ejercicio. Las paramtricas son
y
W1
z
=
=
=
=
Una base de W1 es BW1 = {(1, 1, 0, 0), (0, 0, 1, 1)}.

Una base de W2 es BW2 = {(1, 1, 2, 2), (1, 0, 1, 0)}. Las ecuaciones
paramtricas son
y
W2
z
=
=
=
=
2
2
Obtengamos las ecuaciones cartesianas de W2 . Dado (x, y, z, t) W2 ,
1 1 2 2
2 = r 1 0 1 0
x y z t

1 1
Al escoger el menor no nulo de orden mximo
1 0
todos los menores posibles de orden 3, resulta

W2
x+y+z = 0
2y t
= 0
Las ecuaciones cartesianas de W1 W2 son

y extenderlo a

7.1
95
xy
z+t
W1 W2
x+y+z
2y t
=
=
=
=
0
0
0
0
Si escalonamos la matriz asociada al sistema, obtenemos
1 1 0 0
0 0 1 1
1 1 1 0
0 2 0 1
1 1 0 0
0 2 1 0
0 0 1 1
0 0 0 0
Entonces
xy = 0
2y + z = 0
W1 W2
z+t
= 0
y
W1 W2
z
=
=
=
=
2
2
Una base es BW1 W2 = {(1, 1, 2, 2)}.

Obtengamos una base de W1 + W2 . Por la frmula de las dimensiones
sabemos que dim(W1 + W2 ) = 2 + 2 1 = 3. Como W1 + W2 =
L({(1, 1, 0, 0), (0, 0, 1, 1), (1, 1, 2, 2), (1, 0, 1, 0)}) basta escoger tres
vectores de la envolvente lineal que sean linealmente independientes
para tener una base, por ejemplo
BW1 +W2 = {(1, 1, 0, 0), (0, 0, 1, 1), (1, 0, 1, 0)}.
y
W1 + W2
z
=
=
=
=
1 + 3
1
2 3
2
La ecuacin cartesiana se obtiene considerando (x, y, z, t) W1 + W2

y observando que
96
1
0
3 = r
1
x
1 0 0
0 1 1
.
0 1 0
y z t
Resulta W1 + W2 {x + y z t = 0}. Es evidente que no hay suma

directa.
19. Sean
W1 = L({(1, 0, 0, 1), (0, 1, 1, 1), (0, 1, 1, 0)}),
W2 = {(x, y, z, t) R4 /x + t = 0}.
a) Calcular las ecuaciones implcitas y paramtricas de W2 .

b) Dar bases de W1 W2 y de W1 + W2 .
Resolvamos el apartado a). La ecuacin implcita de W2 es W2 {x +
t = 0}. Al pasar a paramtricas, se tiene
y
W2
z
=
=
=
=
3
1
2
3
Una base para W2 es BW2 = {(0, 1, 0, 0), (0, 0, 1, 0), (1, 0, 0, 1)}.
Resolvamos el apartado b). En primer lugar, encontremos una base de
W1 +W2 = L({(1, 0, 0, 1), (0, 1, 1, 1), (0, 1, 1, 0), (0, 1, 0, 0), (0, 0, 1, 0)})
Escalonamos la matriz que tiene por las a los vectores generadores de

W1 + W2 .
1 0
0 1
0 1 1 1
0
1 1 0
0
1
0 0
0
0
1 0
1 0
0 1
0 1 1 1
0
0 2 1
0
0 1 1
0
0
1 0
1 0
0
1
0 1 1 1
0
0 2 1
0
0
0 1
0
0
0
1
Esto demuestra que dim(W1 + W2 ) = 4, de modo que W1 + W2 = R4 .

Una base puede ser la cannica de R4 .
7.1
97
La dimensin de W1 W2 es, por la frmula de las dimensiones, dim(W1

W2 ) = 3 + 3 4 = 2. Para obtener una base, determinamos antes sus
ecuaciones cartesianas.
Primero hallamos las ecuaciones implcitas de W1 . Sea (x, y, z, t) W1 .
Entonces
1 0
0 1
0 1 1 1
,
3 = r
0
1 1 0
x
y
z t
de modo que W1 {2x + y + z + 2t = 0}.

Las ecuaciones implcitas de W1 W2 son

W1 W2
2x + y + z + 2t = 0
x+t
= 0
2x + y + z + 2t = 0
y+z
= 0
Al pasar a paramtricas, queda
y
W1 W2
z
=
=
=
=
2
1
1
2
de manera que una base ser BW1 W2 = {(0, 1, 1, 0), (1, 0, 0, 1)}.
20. En el espacio vectorial real M22 (R) se consideran los subespacios vectoriales

W1 =
a b
c d

M22 (R)/a + b + c + d = 0

W2 = L
1 1
1 1

0 0
,
0 1
Calcular una base, ecuaciones implcitas y paramtricas de W1 , W2 ,

W1 + W2 y W1 W2 .
Si jamos la base cannica de M22 (R),

Bc =
1 0
0 0

0 1
0 0
0 0
,
,
,
0 0
1 0
0 1
y trabajamos con coordenadas respecto de Bc , el subespacio W1 tiene

ecuacin cartesiana W1 {x + y + z + t = 0} (hemos cambiado a, b, c, d
por x, y, z, t). Por otro lado, el subespacio W2 se puede escribir como
W2 = L((1, 1, 1, 1), (0, 0, 0, 1)) con coordenadas respecto de Bc
98
Los vectores
1), (0, 0,
0, 1) representan las coordenadas de las
(1, 1,1,
1 1
0 0
matrices
,
respecto de la base Bc . De este modo,
1 1
0 1
trabajando con las coordenadas, manipulamos vectores de R4 en vez

de matrices.
Las ecuaciones paramtricas de W1 son
y
W1
z
1 2 3
1
2
3
=
=
=
=
Una base de W1 es
BW1 = {(1, 1, 0, 0), (1, 0, 1, 0), (1, 0, 0, 1)} con coordenadas respecto de Bc
De modo que

BW1 =
1 1
0 0

1 0
1 0
,
,
0 1
1 0
Una base de W2 es

BW2 =
1 1
1 1

0 0
,
0 1
Las coordenadas de estas matrices respecto de Bc son (1, 1, 1, 1), (0, 0, 0, 1),
de modo que las ecuaciones paramtricas de W2 son
y
W2
z
=
=
=
=
1
1
1
1 + 2
Determinemos ahora las ecuaciones cartesianas de W2 . Sea A =

W2 . Entonces, trabajando con coordenadas,
1 1 1 1
2 = r 0 0 0 1
x y z t
x y
z t

1 1
Escogiendo un menor no nulo de orden mximo, por ejemplo
0 1
y extendindolo a todos los menores de orden 3 posibles, se tienen las

ecuaciones cartesianas de W2 ,
7.1
99

W2
xz = 0
yz = 0
Estudiemos ahora W1 + W2 . Al trabajar en coordenadas:

W1 +W2 = L({(1, 1, 0, 0), (1, 0, 1, 0), (1, 0, 0, 1), (1, 1, 1, 1), (0, 0, 0, 1)})
No debe olvidarse que estos vectores representan las coordenadas de

matrices respecto de Bc . Si se calcula el rango de la matriz que tiene
a estos vectores por las (o columnas), resulta
1
1
1
1
0
1
0
0
1
0
0
1
0
1
0
0
0
1
1
1
=4
Debido a que dim(M22 (R)) = 4, deducimos que W1 +W2 = M22 (R).

Una base de W1 +W2 puede ser la base cannica Bc con la que estamos
trabajando.
y
W1 + W2
z
=
=
=
=
1
2
3
4
Falta estudiar W1 W2 . La dimensin es dim(W1 W2 ) = 3+24 = 1.

Calculemos las ecuaciones implcitas.
x+y+z+t = 0
xz
= 0
W1 W2
yz
= 0
En este caso no es necesario escalonar el sistema para pasar a paramtricas ya que resulta trivial. Al tener un solo parmetro, podemos suponer
que es x = y obtenemos:
x =
y =
W1 W2
z =
t =

1
Una base de W1 W2 es BW1 W2 =
1
3
1
3

100
21. Dada la base de R3 , B = {v1 = (1, 1, 1), v2 = (1, 1, 2), v3 = (1, 2, 3)},
hallar las coordenadas del vector x = (6, 9, 14) en dicha base, determinando previamente la matriz de cambio de base P = M (Bc , B) de la
base cannica Bc en la base B .
Resulta
1
1 1 1
1
1 1
= 1 1 2 = 1 2 1
1 2 3
1 1
0
P = M (Bc , B) = M (B, Bc )1
Dado un vector x R3 , denotamos por XB y por XBc a las coordenadas

de x respecto de las bases B y Bc respectivamente. Dado que XB =
M (Bc , B)XBc , obtenemos

1
6
1
1 1
XB = 1 2 1 9 = 2
3
14
1 1
0
22. En R3 se consideran las bases

B1 = {(1, 0, 1), (1, 1, 1), (1, 1, 0)} y B2 = {(2, 1, 1), (1, 1, 1), (1, 1, 1)}
a) Calcular la matriz de cambio de base de B2 a B1 .

b) Calcular las coordenadas en la base B1 del vector cuyas coordenadas en B2 son (3, 2, 2).
Resolvamos el apartado a). Para calcular M (B2 , B1 ) basta escribir
los vectores de la base B2 en funcin de los vectores de B1 . Las
coordenadas obtenidas sern las columnas de la matriz pedida.
Esto implica resolver tres sistemas de tres ecuaciones con tres incgnitas, algo que puede resultar demasiado costoso. Es preferible
obtener dicha matriz de un modo indirecto.
Dado un vector x R3 con coordenadas XB1 , XB2 y XBc respecto
de las bases B1 , B2 y la cannica Bc respectivamente, se tiene
XB1 = M (B2 , B1 )XB2 = M (Bc , B1 )M (B2 , Bc )XB2
La ltima igualdad se obtiene de observar que M (B2 , Bc )XB2 =

XBc y, por tanto, M (Bc , B1 )M (B2 , Bc )XB2 = XB1 .
En consecuencia, se deduce la igualdad
M (B2 , B1 ) = M (Bc , B1 )M (B2 , Bc ).
Obtendremos M (B2 , B1 ) calculando las otras dos matrices.
7.1
101
Es claro que
2 1 1
M (B2 , Bc ) = 1 1 1
1 1 1
y
1
1 1 1
1
1 0
= 0 1 1 = 1 1 1
1 1
0
1 2 1
M (Bc , B1 ) = M (B1 , Bc )1
Por consiguiente,
1
1 0
2 1 1
3
2 0
M (B2 , B1 ) = 1 1 1 1 1 1 = 2 1 1
1 2 1
1 1 1
3 2 2
Veamos el apartado b). Se nos pide obtener las coordenadas de

un vector x con respecto a la base B1 , XB1 , sabiendo que sus
coordenadas respecto de B2 son XB2 = (3, 2, 2). Como XB1 =
M (B2 , B1 )XB2 ,
XB1
3
2 0
3
5
= 2 1 1 2 = 2
3 2 2
2
1
102
7.2.
1. Estudiar si las siguientes aplicaciones son lineales:

a) f : R2 R3 , f (x, y) = (x + y, y, x 2y). S es lineal.
b) f : R2 R, f (x, y) = xy . No es lineal. Basta observar que
f (2(1, 1)) = f (2, 2) = 4, que es distinto de 2f (1, 1) = 2.
c) f : R2 R3 , f (x, y) = (x + 1, 2y, x + y). No es lineal. Basta
observar que f (0, 0) 6= (0, 0, 0).
d) f : R3 R2 , f (x, y, z) = (z, y + x). S es lineal.
e) f : R2 R, f (x, y) = |x y|. No es lineal. Basta observar que
f (1(1, 0)) = 1 es distinto de f (1, 0) = 1.
f) f : R3 R2 [t], f (x, y, z) = (y + z)t2 + (x + y)t + z . S es lineal.
g) f : Mnn (R) Mnn (R), f (A) = AT . S es lineal. Se tiene
que f ((A + B)) = (A + B)T = AT + B T = f (A) + f (B) y
f (A) = (A)T = AT = f (A).
Los resultados no probados se dejan como tarea para el alumno.
2. Dadas f y g de R3 en R3 , f (x1 , x2 , x3 ) = (x1 , x2 , x1 + x2 x3 ) y
g(x1 , x2 , x3 ) = (2x1 , x2 1, x3 ), ver si son lineales y, en ese caso, hallar
el ncleo y la imagen.
La aplicacin f es lineal. La comprobacin se deja como ejercicio para
el alumno. La aplicacin g no es lineal (g(0, 0, 0) 6= (0, 0, 0)).
Ker(f ) = {
x R3 : f (
x) = 0} =
= {(x1 , x2 , x3 ) : x1 = 0, x2 = 0, x1 + x2 x3 = 0}
Dicho de otro modo, Ker(f ) es el subespacio vectorial de R3 de ecuaciones cartesianas
x1 = 0
x2 = 0
Ker(f )
x1 + x2 x3 = 0
Al resolver, resulta Ker(f ) = {(0, 0, 0)}. Por otro lado, Im(f ) =

L(f (B)), siendo B cualquier base del espacio de partida R3 , por ejemplo la base cannica. As:
Im(f ) = L(f (1, 0, 0), f (0, 1, 0), f (0, 0, 1)) =
= L((1, 0, 1), (0, 1, 1), (0, 0, 1)) = R3
7.2
103
3. Determinar la dimensin y bases de Ker(f ) e Im(f ) para las siguientes

aplicaciones lineales:
a) f (x1 , x2 , x3 ) = (2x1 , x1 + x2 , 3x3 ).
Se tiene
Ker(f ) =
= 0
2x1
x1 + x2 = 0
3x3
= 0
Dicho de otro modo, Ker(f ) = {(0, 0, 0)}, con lo que dim(Ker(f )) =

0 y no hay base. Por otro lado, si Bc es la base cannica de R3 ,
Im(f ) = L((f (Bc )) = L((2, 1, 0), (0, 1, 0), (0, 0, 1)) = R3 .
Para llegar a esta conclusin habra bastado aplicar la frmula de

las dimensiones para aplicaciones lineales, que permite concluir
que dim(Im(f )) = 3. Una base de Im(f ) es cualquier base de
R3 , por ejemplo la cannica.
b) f (x1 , x2 ) = (2x1 + x2 , x1 2x2 , x2 ).
Calculemos Ker(f ):
2x1 + x2 = 0
x1 2x2 = 0
Ker(f )
x2
= 0
de modo que Ker(f ) = {(0, 0)} y dim(Ker(f )) = 0.

Por otro lado,
Im(f ) = L(f (Bc )) = L((2, 1, 0), (1, 2, 1))
con lo que dim(Im(f )) = 2 y una base suya es BIm(f ) = {(2, 1, 0), (1, 2, 1)}
c) f (x1 , x2 , x3 ) = (x1 , x2 , x1 + x2 x3 ).
Se tiene
Ker(f ) =
x1 = 0
x2 = 0
x1 + x2 x3 = 0
de modo que Ker(f ) = {(0, 0, 0)} y dim(Ker(f )) = 0, por lo

que no hay base. Si aplicamos la frmula de las dimensiones para
aplicaciones lineales, 3 = dim(Ker(f )) + dim(Im(f )), de manera
que dim(Im(f )) = 3 y, por tanto, Im(f ) = R3 .
d) f (x1 , x2 , x3 , x4 ) = (x1 x2 , 2x3 + x4 ).
Calculemos Ker(f ):

Ker(f ) =
x1 x2 = 0
2x3 + x4 = 0
104
Pasando a ecuaciones paramtricas queda
x1
x2
Ker(f )
x3
x4
=
=
=
= 2
Por tanto, dim(Ker(f )) = 2 y una base es

BKer(f ) = {(1, 1, 0, 0), (0, 0, 1, 2)}.
La dimensin de la imagen de f es dim(Im(f )) = dim(R4 )

dim(Ker(f )) = 4 2 = 2. Al estar Im(f ) contenida en R2 ,
resulta Im(f ) = R2 . Una base puede ser BIm(f ) = {(1, 0), (0, 1)}.
4. Sea f : R4 R2 el homomorsmo denido por

A=
1 1 0 0
1 0 1 2
y sea W el subespacio de R2 denido por x1 x2 = 0. Hallar las

ecuaciones de f 1 (W ).
El subespacio vectorial f 1 (W ) se dene como
f 1 (W ) = {
x = (x, y, z, t) R4 : f (
x) W } = {
x R4 : A
x W },
esto es,
f 1 (W ) = {(x, y, z, t) R4 : (x y, x + z + 2t) W } =
= {(x, y, z, t) R4 : x y (x + z + 2t) = 0}
La ecuacin cartesiana de f 1 (W ) es:

f 1 (W ) {y + z + 2t = 0}
5. Sea f : R4 R3 denida por
1 1 1 2
0
A = 1 1 0
0
0
1 2
y sea W el subespacio de R4 de ecuaciones x1 x2 = 0, x1 +x2 +x4 = 0.

Cules son las ecuaciones de f (W ) en R3 ?
7.2
105
Tngase en cuenta que f (W ) = L(f (BW )), siendo BW una base del
subespacio W . El primer paso ser obtener BW .

W
x1 x2 = 0
x1 + x2 + x4 = 0
x1 x2 = 0
2x2 + x4 = 0
Al pasar a paramtricas,
x1 = 21
x2 = 12
x3 =
x4 =
de modo que una base de W es BW = {(1, 1, 0, 2), (0, 0, 1, 0)}.

Concluimos
f (W ) = L(f (1, 1, 0, 2), f (0, 0, 1, 0)) =
= L((4, 0, 4), (1, 0, 1)) = L((1, 0, 1))
y1 =
y2 = 0
f (W )
y3 =
Obtengamos las ecuaciones cartesianas. Sea (y1 , y2 , y3 ) f (W ). Entonces

1=r
1 0 1
y1 y2 y3
se escoge -1 como menor no nulo de orden mximo y se extiende a dos

menores de orden 2 nulos que dan lugar a las ecuaciones:

f (W )
y1 + y3 = 0
y2 = 0
6. Sean B = {e1 , e2 , e3 } una base de R3 y B 0 = {e01 , e02 } una base de

R2 . Se dene f : R3 R2 de la siguiente forma: f (e1 ) = e01 e02 ,
f (e2 ) = 2e01 , f (e3 ) = e01 2e02 . Hallar las ecuaciones de f , dim(Ker(f ))
y dim(Im(f )). Determinar si f es un monomorsmo, un epimorsmo
o un isomorsmo.
106
La matriz asociada a la aplicacin lineal f respecto de las bases B y

B 0 es:

A = M (f, B, B 0 ) =
1 2 1
1 0 2
Dado un vector x R3 , con coordenadas XB = (x1 , x2 , x3 ) respecto de

la base B y, dada su imagen f (
x) = y con coordenadas YB 0 = (y1 , y2 )
0
respecto de B , se tiene la ecuacin matricial

y1
y2

=
1 2 1
1 0 2
x1
x2
x3
A esta expresin se la llama ecuacin matricial de f respecto de las

bases B y B 0 .
Las ecuaciones de f son

y1 = x1 + 2x2 + x3
y2 = x1 2x3
Por otro lado, dado que las columnas de la matriz A son las coordenadas de un sistema de generadores de Im(f ) , entonces dim(Im(f )) =
r(A) = 2. En consecuencia, Im(f ) = R2 . Por la frmula de las dimensiones para aplicaciones lineales, dim(Ker(f )) = 3 2 = 1. El homomorsmo f es un epimorsmo y no es un monomorsmo ni, por tanto,
un isomorsmo.
7. Sea la aplicacin f : E F , con E y F de dimensiones 3 y 4 respectivamente, denida de la siguiente forma: f (e2 ) = e01 + e02 e04 ,
f (e3 ) = e01 + e02 e03 + e04 y e1 Ker(f ). Hallar dimensin y una base
para Ker(f ) y para Im(f ).
Calculemos la matriz A = M (f, B, B 0 ), siendo B = {e1 , e2 , e3 } y B 0 =
{e01 , e02 , e03 , e04 } bases de E y F respectivamente.
0 1 1
0 1
1
A=
0 0 1
0 1 1
Entonces
dim(Im(f )) = r(A) = 2
dim(Ker(f )) = dim(E)dim(Im(f )) = 1
Sabemos que Im(f ) = L((1, 1, 0, 1), (1, 1, 1, 1)), de modo que

BIm(f ) = {(1, 1, 0, 1), (1, 1, 1, 1)}, todo ello con coordenadas respecto de B 0 . As que Im(f ) = L(e01 + e02 e04 , e01 + e02 e03 + e04 ), y una
base suya es BIm(f ) = {e01 + e02 e04 , e01 + e02 e03 + e04 }.
7.2
107
Falta ahora determinar una base de Ker(f ).
x2 + x3
x2 + x3
Ker(f )
x
3
x2 + x3
=
=
=
=
0
0
0
0
Pasando a paramtricas
x1 =
x2 = 0
Ker(f )
x3 = 0
Por consiguiente, una base es BKer(f ) = {e1 } (tngase en cuenta que

(1, 0, 0) son las coordenadas de e1 respecto de B ).
8. Sea la aplicacin f : R2 R4 denida de la siguiente forma: f (2, 1) =
(1, 0, 1, 3) y f (4, 1) = (2, 2, 3, 1). Calcular:
a) La matriz asociada respecto de las bases cannicas.
b) Las ecuaciones de Im(f ).
Resolvamos a).

f (1, 0) = f
1
((2, 1) + (4, 1))
6
1
= f ((2, 1) + (4, 1))
6
1
1
(f (2, 1) + f (4, 1)) = ((1, 0, 1, 3) + (2, 2, 3, 1)) =
6
6

1 1 1 2
=
,
, ,
2 3 3 3
Por otro lado,

f (0, 1) = f
1
(2(2, 1) + (4, 1))
3
1
= f (2(2, 1) + (4, 1))
3
1
1
(2f (2, 1) + f (4, 1)) = (2(1, 0, 1, 3) + (2, 2, 3, 1)) =
3
3

2 5 5
= 0,
, ,
3 3 3
Por consiguiente, la matriz A = M (f, Bc , Bc0 ), siendo Bc y Bc0 las bases

cannicas de R2 y R4 respectivamente, es
108
1/2
0
1/3 2/3
A=
1/3
5/3
2/3 5/3
Esta matriz tambin se puede hallar observando que

M (f, Bc , Bc0 ) = M (f, B, Bc0 )M (Bc , B)
siendo B la base B = {(2, 1), (4, 1)}. Se tiene
1
2
0 2
M (f, B, Bc0 ) =
1 3
3
1
y
M (Bc , B) = M (B, Bc )1 =
2 4
1 1
1

=
1/6 2/3
1/6 1/3
Slo queda multiplicar las dos matrices:
1/2
0
1/3 2/3
M (f, Bc , Bc0 ) = M (f, B, Bc0 )M (Bc , B) =

1/3
5/3
2/3 5/3
Resolvamos el apartado b). Se tiene Im(f ) = L((1, 0, 1, 3), (2, 2, 3, 1)),

de manera que una base suya es la formada por estos dos vectores. Las
ecuaciones paramtricas son
y1
y2
Im(f )
y
3
y4
= + 2
= 2
= + 3
= 3 +
Determinemos las ecuaciones cartesianas de Im(f ). Sea (y1 , y2 , y3 , y4 )

Im(f ). Entonces
1
0 1 3
1
2 = r 2 2 3
y1 y2 y3 y4
de modo que las ecuaciones cartesianas son

Im(f )
2y1 5y2 2y3 = 0

6y1 + 5y2 2y4
= 0
7.2
109
9. Sea la aplicacin f : R3 R3 denida de la siguiente forma: f (x1 e1 +

x2 e2 + x3 e3 ) = (x2 + x3 )e1 + (x1 + x3 )e2 + (x2 x1 )e3 .
a)
b)
c)
d)
e)
Calcular la expresin analtica.

Encontrar los vectores invariantes.
Calcular las ecuaciones de Ker(f ) e Im(f ).
Hallar una base de Ker(f ) y ampliarla a R3 .
Hallar la expresin analtica respecto de esta ltima base.
Resolvamos a). La matriz A = M (f, B, B) con B = {e1 , e2 , e3 } es
0 1 1
A= 1 0 1
1 1 0
La expresin analtica es
y1 = x2 + x3
y2 = x1 + x3
y3 = x1 + x2
Resolvamos b). Los vectores invariantes, Invar(f ), son aquellos x tales

que x = f (
x). Es fcil probar que Invar(f ) tiene estructura de subespacio vectorial de R3 .
Invar(f ) = {
x : A
x=x
}
x1 = x2 + x3
x1 x2 x3 = 0
x2 = x1 + x3
x1 x2 + x3 = 0
Invar(f )
x3 = x1 + x2
x1 + x2 x3 = 0

x1 x2 x3 = 0
x3 = 0
Si se pasa a paramtricas y se obtiene una base, resulta Invar(f ) =

L((1, 1, 0)) (con coordenadas respecto de B ), esto es, la recta engendrada por el vector e1 + e2 es una recta invariante (la imagen de cada
vector es l mismo).
Resolvamos c). El ncleo Ker(f ) es

= 0
x1 + x3
x1 + x3 = 0
x2 + x3
= 0
Ker(f )
x2 + x3 = 0
x1 + x2 = 0
110
x1 =
x2 =
Ker(f )
x3 =
Por otro lado,

Im(f ) = L((0, 1, 1), (1, 0, 1), (1, 1, 0)) = L((0, 1, 1), (1, 0, 1))
Es claro que BIm(f ) = {(0, 1, 1), (1, 0, 1)}, de modo que las ecuaciones
paramtricas son
Im(f )
y1 =
y2 =
y3 = +
Para obtener las ecuaciones implcitas, consideramos un vector y

respecto de la base B . Entonces
Im(f ) con coordenadas (y1 , y2 , y3 )
1
2 = r 0
y1
0
1
1 1
y2 y3
por lo que la ecuacin cartesiana es Im(f ) {y1 + y2 + y3 = 0}.

Resolvamos el apartado d). Una base de Ker(f ) es BKer(f ) = {(1, 1, 1)},
con coordenadas respecto de B , esto es, BKer(f ) = {e1 e2 +e3 }. Para
extenderlo a una base de R3 basta escoger otros dos vectores que, junto
al primero, sean base; por ejemplo, BR3 = {(11, 1), (0, 1, 0), (0, 0, 1)},
con coordenadas respecto de B , de manera que BR3 = {e1 e2 +
e3 , e2 , e3 }
Estudiemos el apartado e). Sabemos que

f (e1 e2 + e3 ) = 0 = 0(e1 e2 + e3 ) + 0e2 + 0e3
f (e2 ) = e1 + e3 = 1(e1 e2 + e3 ) 1e2 + 2e3
f (e3 ) = e1 + e2 = 1(e1 e2 + e3 ) + 0e2 + 1e3
De manera que la matriz asociada a f respecto a esta base es
0 1 1
M = 0 1 0
0 2
1
La expresin analtica es
y1 = x2 x3
y2 = x2
y3 = 2x2 + x3
7.2
111
10. Sea la aplicacin f : R3 R2 dada por f (1, 0, 1) = (0, 1), f (0, 0, 1) =

(1, 1), f (2, 1, 1) = (1, 0)
a) Hallar la matriz de f respecto de las bases cannicas.
b) Hallar la matriz de f respecto de las bases
B1 = {(1, 0, 1), (0, 0, 1), (2, 1, 1)} y B2 = {(0, 1), (1, 0)}.
c) Hallar ecuaciones y dimensin de Ker(f ) e Im(f ).

Resolvamos el apartado a). Se tiene
f (1, 0, 0) = f ((1, 0, 1) + (0, 0, 1)) = f (1, 0, 1) + f (0, 0, 1) =
= (0, 1) + (1, 1) = (1, 2).
f (0, 1, 0) = f ((2, 1, 1) 2(1, 0, 1) (0, 0, 1)) =
= f (2, 1, 1) 2f (1, 0, 1) f (0, 0, 1) = (0, 3).
f (0, 0, 1) = f ((0, 0, 1)) = (1, 1).
De modo que, si Bc y Bc0 son las bases cannicas de R3 y R2 respectivamente, la matriz A = M (f, Bc , Bc0 ) es

A=
1 0 1
2 3 1
Resolvamos el apartado b). La matriz M (f, B1 , B2 ) es

M (f, B1 , B2 ) =
1 1 0
0 1 1
Veamos el apartado c). Para determinar las ecuaciones de Ker(f ) y de
Im(f ) basta considerar la matriz

A=
1 0 1
2 3 1
Como Im(f ) = L((1, 2), (0, 3), (1, 1)) = R2 , dim(Im(f )) = 2.

Por la frmula de las dimensiones, dim(Ker(f )) = 3 2 = 1. Las
ecuaciones cartesianas son

Ker(f )
x1 x3
= 0
2x1 3x2 x3 = 0
112
11. Sea la aplicacin f : R3 R4 tal que
1
0
F =
2
1
0
1
2
1
1
1
4
a
Se pide :
a) Calcular "a" para que f sea inyectiva.
b) Si f no es inyectiva, hallar f (L1 ), siendo L1 el subespacio de
ecuaciones 2x1 x3 = 0.
c) Sea L2 el subespacio de ecuaciones x1 + x2 x4 = 0, 3x1 + 3x2
x3 x4 = 0 y f no inyectiva. Hallar una base de L2 f (L1 ) y de
L2 + f (L1 ).
Resolvamos a). Se tiene
f inyectiva dim(Ker(f )) = 0 dim(Im(f )) = r(F ) = 3
Por otro lado,
1 0 2 1
1 0 2
1
1
r(F ) = r 0 1 2 1 0 1 2
1 1 4 a
0 0 0 a2
De manera que f es inyectiva si y slo si a 6= 2.

Resolvamos b). Tenemos a = 2. Al pasar L1 a paramtricas y obtener
una base, resulta BL1 = {(1, 0, 2), (0, 1, 0)}. Por consiguiente,
f (L1 ) = L(f (1, 0, 2), f (0, 1, 0)) = L((3, 2, 10, 5), (0, 1, 2, 1))
El clculo de las ecuaciones cartesianas es una tarea rutinaria, dando

como resultado

f (L1 )
2x1 2x2 + x3 = 0
x1 + x2 x3
= 0
Resolvamos el apartado c). Tenemos a = 2. Las ecuaciones de L2 son

L2
x1 + x2 x4 = 0
x3 + 2x4
= 0
Pasando a paramtricas se obtiene una base para L2 ,

BL2 = {(1, 1, 0, 0), (1, 0, 2, 1)}.
7.2
113
Las ecuaciones cartesianas de L2 unidas a las de f (L1 ) dan lugar a
x1 + x2 x4
x3 + 2x4
L2 f (L1 )
2x1 2x2 + x3
x1 + x2 x3
=
=
=
=
0
x1 + x2 x4 = 0
0
x3 + 2x4
= 0
x4
= 0
0
Pasando a paramtricas,
x1
x2
L2 f (L1 )
x3
x4
=
=
=0
=0
Una base es BL2 f (L1 ) = {(1, 1, 0, 0)}.

Obtengamos ahora una base para
L2 + f (L1 ) = L((3, 2, 10, 5), (0, 1, 2, 1), (1, 1, 0, 0), (1, 0, 2, 1)}
Escalonando la matriz
1
1
0
3
0 2
1 0
1 2
2 10
1
1 0
0
0 1
0 1
1
5
0 2
2
2
2
4
1
1
1
2
se tiene una base de L2 + f (L1 ), BL2 +f (L1 ) = {(1, 0, 2, 1), (0, 1, 2, 1)}.
12. Sea la aplicacin f : R2 [x] R2 [x], denida por f (p(x)) = p0 (x).
Hallar la matriz asociada (con respecto a la base B = {1, x, x2 }), ecuaciones, Ker(f ), Im(f ) . Determinar si es un monomorsmo, epimorsmo, isomorsmo.
Como
f (1) = 0 = 0 1 + 0 x + 0 x2
f (x) = 1 = 1 1 + 0 x + 0 x2
f (x2 ) = 2x = 0 1 + 2 x + 0 x2 ,
la matriz F = M (f, B, B) es
0 1 0
F = 0 0 2
0 0 0
De manera que la ecuacin matricial es
y1
0 1 0
x1
y2 = 0 0 2 x2
y3
0 0 0
x3
114
Como r(F ) = 2, se tiene que dim(Im(f )) = 2, de modo que f no es epimorsmo. Por otro lado, dim(Ker(f )) = dim(R2 [x]) dim(Im(f )) =
3 2 = 1, con lo que f tampoco es un monomorsmo.

Ker(f )
x2 = 0
2x3 = 0
Resulta Ker(f ) = L((1, 0, 0)) con coordenadas respecto de B , esto es,

Ker(f ) = L(1) = {polinomios constantes}.
Obsrvese que Im(f ) = L((1, 0, 0), (0, 2, 0)) con coordenadas respecto
de B , esto es, Im(f ) = L({1, 2x}). Las ecuaciones paramtricas son
y1 =
y2 = 2
Im(f )
y3 = 0
y las implcitas
Im(f ) {y3 = 0}
13. Sean
B1 = {(1, 1, 0), (1, 0, 1), (0, 1, 1)} y B10 = {(1, 1, 1), (1, 1, 1), (1, 1, 1)}
bases de R3 . Sean Bc la base cannica y

B2 = {(1, 0, 1, 1), (0, 1, 1, 1), (1, 1, 0, 1), (1, 1, 1, 0)}
bases de R4 .
a) Qu vector de R3 tiene, respecto a la base B1 , coordenadas
(1, 2, 1) y cules son stas respecto a B10 ?
b) Calcular las matrices de cambio de base de B1 en B10 y de Bc en
B2 .
c) Siendo f el homomorsmo caracterizado por f (1, 1, 0) = (1, 1, 0, 0),
f (1, 0, 1) = (1, 0, 1, 0) y f (0, 1, 1) = (0, 0, 1, 1), hallar la matriz de
f respecto de B1 y Bc , respecto de B1 y B2 , respecto de B10 y Bc
y respecto de B10 y B2 .
Resolvamos el apartado a). Buscamos un vector x tal que sus coordenadas respecto de la base B1 sean XB1 = (1, 2, 1). Esto quiere decir
que
x
= 1(1, 1, 0) + 2(1, 0, 1) 1(0, 1, 1) = (3, 0, 1)
De modo que las coordenadas de x respecto de la base cannica de R3 ,

Bc0 , son XBc0 = (3, 0, 1).
7.2
115
Buscamos ahora las coordenadas de x respecto de B10 , XB10 . Tngase

en cuenta que XB10 = M (Bc0 , B10 )XBc0 . La matriz M (Bc0 , B10 ) es
1
1/2 0 1/2
1 1 1
1 = 0 1/2 1/2
= 1 1
1/2 1/2 0
1
1 1
M (B10 , Bc0 )1
En consecuencia,
XB10
1/2 0 1/2
3
2
= 0 1/2 1/2 0 = 1/2
1/2 1/2 0
1
3/2
Resolvamos el apartado b). Determinemos P = M (B1 , B10 ). Tngase

en cuenta que M (B1 , B10 ) = M (Bc0 , B10 )M (B1 , Bc0 ). Como
1 1 0
1/2 0 1/2
M (B1 , Bc0 ) = 1 0 1 y M (Bc0 , B10 ) = 0 1/2 1/2
0 1 1
1/2 1/2 0
se tiene que
1/2 0 1/2
1 1 0
1/2 1 1/2
P = M (B1 , B10 ) = 0 1/2 1/2 1 0 1 = 1/2 1/2 1
1/2 1/2 0
0 1 1
1 1/2 1/2
Falta calcular la matriz Q = M (Bc , B2 ). Se tendr
Q = M (Bc , B2 ) = M (B2 , Bc )1
1
0
=
1
1
0
1
1
1
1
1
0
1
1
1
1
=
1
0
1/3 2/3 1/3

1/3
2/3 1/3
1/3
1/3
=
1/3
1/3 2/3 1/3
1/3
1/3
1/3 2/3
Resolvamos el apartado c). La matriz F = M (f, B1 , Bc ) es
1
1
F = M (f, B1 , Bc ) =
0
0
1
0
1
0
0
0
1
1
116
Determinemos ahora G = M (f, B1 , B2 ). Resulta
1/3 2/3
2/3
1/3 1/3 2/3
G = M (Bc , B2 )M (f, B1 , Bc ) = QF =
2/3 1/3 1/3
2/3
2/3 1/3
Hallemos H = M (f, B10 , Bc ). Como M (f, B10 , Bc ) = M (f, B1 , Bc )M (B10 , B1 ) =

F P 1 resulta
1
1
1
1/2 1/2 3/2
H=
1
1
1
1/2 3/2 1/2
Tan slo queda calcular I = M (f, B10 , B2 ) = M (Bc , B2 )M (f, B10 , Bc ) =

QH . Se tendr
5/6
5/6 7/6
2/3 4/3 2/3
I=
2/3 2/3 4/3
5/6 7/6 5/6
14. Sea la aplicacin f : M22 (R) R3 denida por

f
a b
c d

= (a, a + b + c, 0)
a) Probar que f es lineal y hallar su matriz respecto de las bases

cannicas.
b) Obtener las bases, dimensin y ecuaciones implcitas de Ker(f )
e Im(f ).
Resolvamos el apartado a). La demostracin de la linealidad de f es
rutinaria y se deja como ejercicio para el alumno. La matriz asociada
a f respecto de las bases cannicas es
1 0 0 0
F = 1 1 1 0
0 0 0 0
Estudiemos b). Comenzamos con el clculo de las dimensiones.

dim(Im(f )) = r(F ) = 2
y
dim(Ker(f )) = dim(M22 (R)) dim(Im(f )) = 4 2 = 2
7.2
117
Una base para Im(f ) se obtiene a partir de las columnas de F :

BIm(f ) = {(1, 1, 0), (0, 1, 0)}
La ecuacin implcita es
Im(f ) {y3 = 0}
Las ecuaciones implcitas del ncleo son

Ker(f )
x1
= 0
x1 + x2 + x3 = 0
Una base es BKer(f ) = {(0, 1, 0), (0, 0, 1)}
x1
= 0
x2 + x3 = 0
118
7.3.
1. Se considera la matriz:

2 3
4 13
A=
con coecientes en R. Hallar los valores propios, los vectores propios y

una matriz P que permita la diagonalizacin de A. Calcular An para
todo n N.
El polinomio caracterstico es
p() = Det(A I) = 2 15 + 14 = ( 1)( 14)
Los valores propios son = 1 y = 14. Calculemos los subespacios

propios asociados a los autovalores.
V1 = {
x = (x, y) R2 : A
x=1x
} = {
x R2 : (A I)
x = 0}
La ecuacin cartesiana de V1 es
V1 {x + 3y = 0}

V1
x = 3
y=
por lo que una base del subespacio propio V1 es BV1 = {(3, 1)}.
El vector (3, 1) es un autovector asociado al autovalor = 1. Esto
signica que

A
3
1
3
1
Por otro lado,

V14 = {
x = (x, y) R2 : A
x = 14 x
} = {
x R2 : (A 14 I)
x = 0}
La ecuacin cartesiana de V14 es

V14 {4x y = 0}

V14
x=
y = 4
7.3
119
por lo que una base de V14 es BV14 = {(1, 4)}. El vector (1, 4) es un
autovector asociado al autovalor = 14. Esto signica que

A
1
4

= 14
1
4
Una base de R2 formada por autovectores es B = {(3, 1), (1, 4)}.

La matriz asociada al endomorsmo determinado por A = M (f, Bc )
(Bc es la base cannica de R2 ), con respecto a la base B , es la matriz
diagonal D de autovalores

D = M (f, B) =
1 0
0 14
La matriz de paso P = M (B, Bc ) es

P =
3 1
1 4
Se tiene la igualdad P 1 AP = D.
Calculemos An . Se tiene A = P DP 1 . En consecuencia,
An = P DP 1 P DP 1 P DP 1 P DP 1 = P Dn P 1 =
12+14n
3+314n

13
13
4/13 1/13
1 0
3 1
=
=
1/13 3/13
0 14n
1 4
4+414n
1+1214n
13
13
2. Determinar los valores de a, b, c, d para los cuales cada una de las siguientes matrices reales es diagonalizable:

A=
a b
c d
con la condicin bc > 0

B=
a b
b a
Estudiemos primero la matriz A. El polinomio caracterstico es

p() = (a )(d ) bc = 2 + (a d) + (ad bc)
Los autovalores son

=
(a + d)
p
(a + d)2 4(ad bc)
2
Se tiene (a + d)2 4(ad bc) = (a d)2 + 4bc > 0, de modo que A

es diagonalizable siempre (supuesto bc > 0) ya que los autovalores son
reales y distintos.
120
Veamos ahora la matriz B . El polinomio caracterstico es

p() = (a )2 + b2
La nica posibilidad de conseguir p() = 0 es con b = 0 y = a. En

ese caso, la propia matriz B es ya diagonal.
3. Indicar los valores de a, b y c para los cuales la matriz real A es diagonalizable:
1 0 0
A= a 1 0
1 b c
Debemos ver si todos los autovalores son reales y si las multiplicidades

algebraica y geomtrica coinciden para todos ellos.
El polinomio caracterstico es p() = (1 )2 (c ), de modo que los
autovalores son = 1 y = c. Deben distinguirse dos casos:
Caso 1. c 6= 1. Entonces = 1 es un autovalor de multiplicidad
algebraica m(1) = 2 y = c es un autovalor de multiplicidad algebraica
m(c) = 1. Como 1 dim(V ) m(), resulta que dim(Vc ) = 1, de
modo que, para el autovalor real = c, las multiplicidades algebraica
y geomtrica coinciden. Por otro lado,

0 0
0
1
a 0
0
=
dim(V1 ) = 3 r(A I) = 3 r
2
1 b c1
si
si
a 6= 0
a=0
Debe darse la igualdad dim(V1 ) = m(1) = 2, de manera que, supuesto

c 6= 1, la matriz A es diagonalizable si y slo si a = 0.
Caso 2. c = 1. Se tiene entonces que = 1 es el nico autovalor, con
m(1) = 3. Vemos cul es la dimensin del subespacio propio asociado:
0 0 0
dim(V1 ) = 3 r(A I) = 3 r a 0 0 < 3
1 b 0
Por consiguiente, en el caso 2, la matriz no es diagonalizable.

5 6 6
4
2
F = 1
3 6 4
7.3
121
Determinar una base respecto de la cual F se represente en forma

diagonal.
p() = 3 + 52 8 + 4 = ( 2)2 (1 ),
de modo que los autovalores son = 1, con m(1) = 1 y = 2 con

m(2) = 2. Calculemos una base de autovectores de V1 .
V1 = {
x : Fx
=x
} = {
x : (F I)
x = 0}
Escalonemos la matriz asociada al sistema homogneo (F I)

x = 0.
4 6 6
1 3
2
1 3 2
1 3
2 2 3 3 0 3 1
3 6 5
3 6 5
0 3 1
Resulta

V1
x + 3y + 2z = 0
3y + z
= 0
Pasando a paramtricas queda
x = 3
y =
V1
z = 3
de modo
una base
que
deV1 es BV1 = {(3, 1, 3)}. Esto quiere decir
3
que F 1 = 1 . De hecho, al aplicar F a cualquier vector

de V1 , obtenemos el mismo vector.
Calculemos ahora una base del otro subespacio propio V2 .
V2 = {
x : Fx
= 2
x} = {
x : (F 2I)
x = 0}
La matriz de coecientes del sistema homogneo es:
3 6 6
1 2
2
3 6 6
No es necesario escalonarla. La ecuacin cartesiana de V2 es {x+2y +

2z = 0}. Al pasar a paramtricas queda
x = 2 + 2
y=
V1
z=
122
Una base de V2 es BV2 = {(2, 1, 0), (2, 0, 1)}. Tenemos una base de R3
formada por autovectores
B = {BV1 , BV2 } = {(3, 1, 3), (2, 1, 0), (2, 0, 1)}
sta es la base pedida. La matriz asociada a la aplicacin lineal f

(determinada por la matriz F ) con respecto a la base B es una matriz
diagonal
1 0 0
M (f, B) = 0 2 0
0 0 2
5. Demostrar que un endomorsmo f es inyectivo si y slo si ningn valor

propio de f es nulo.
f es inyectivo Ker(f ) = 0 f (
x) = 0 implica que x
= 0
f (
x) = 0
x implica que x
= 0 0 no es autovalor de f
6. Sea E4 un espacio vectorial real. B = {~e1 , ~e2 , ~e3 , ~e4 } una base de E4 .
Sea f End(E4 ), cuya matriz respecto a B es:
1
0
A=
0
a
0
1
0
0
0
0
a
0
0
0
0
2
a ) Determinar los valores de a para los que f es diagonalizable.

b ) Si a = 1:
1) Diagonalizar A.
2) Si V2 es el subespacio propio asociado al autovalor = 2,
hallar las ecuaciones paramtricas de V2 W y V2 + W , siendo W el subespacio de E4 de ecuaciones implcitas W =
{(x, y, z, t)/x + z = x = y 3t = 0}.
3) Es f suprayectivo?, es f inyectivo?.
Resolvamos el apartado a). El polinomio caracterstico es p() = (
1)2 ( a)( 2). Existen 3 casos posibles: a = 1, a = 2 y a 6= {1, 2}.
Caso 1. Sea a = 1. Entonces = 1 es un autovalor con m(1) = 3 y
= 2 es otro autovalor con m(2) = 1. Es claro que dim(V2 ) = 1 =
m(2), mientras que
dim(V1 ) = 4 r(A I) = 4 1 = 3,
7.3
123
de modo que f es diagonalizable.

Caso 2. Sea a = 2. Entonces = 1 es autovalor con m(1) = 2 y = 2
es autovalor con m(2) = 2. Veamos las dimensiones de los subespacios
propios asociados.
dim(V1 ) = 4r(AI) = 42 = 2 dim(V2 ) = 4r(A2I) = 42 = 2,
de modo que los dos autovalores son reales y las multiplicidades algebraica y geomtrica coinciden para los dos. El endomorsmo del caso
2 es, por tanto, diagonalizable.
Caso 3. Sea a 6= {1, 2}. Entonces los autovalores son = 1 con m(1) =
2, = 2 con m(2) = 1 = dim(V2 ) y = a con m(a) = 1 = dim(Va ).
Adems, dim(V1 ) = 4 r(A I) = 4 2 = 2 = m(1), de manera que
f es diagonalizable tambin para el caso 3.
Resolvamos el apartado b.1). El polinomio caracterstico es p() =
( 1)3 ( 2). Los subespacios propios tienen ecuaciones cartesianas:
V1 {x + t = 0}
x = 0
y = 0
V2
z = 0
Pasando a paramtricas queda
x = 3
y = 1
V1
z = 2
t = 3
x=0
y=0
V2
z=0
t=
Las bases respectivas para los subespacios propios son:

BV1 = {(0, 1, 0, 0), (0, 0, 1, 0), (1, 0, 0, 1)}, con coordenadas respecto de B ,
de modo que BV1 = {~e2 , ~e3 , ~e1 + ~e4 }.
BV2 = {(0, 0, 0, 1)}, con coordenadas respecto de B , de modo que BV2 =
{~e4 }.
Una base de autovectores de E4 es BE4 = {~e2 , ~e3 , ~e1 + ~e4 , ~e4 }. La
matriz diagonal de autovalores D y la matriz de paso P son
1
0
D=
0
0
0
1
0
0
0
0
1
0
0
0
0
2
0
1
P =
0
0
0 1 0
0 0 0
1 0 0
0 1 1
Resolvamos el apartado b.2). Las ecuaciones de W son
x+z = 0
x+z = 0
x
= 0
z
= 0
W
y 3t = 0
y 3t = 0
124
1 0 1
0
y dim(W ) = 4 r 0 1 0 3 = 4 3 = 1.
0 0 1 0
Las ecuaciones cartesianas de V2 W son
y 3t
V2 W
z
=
=
=
=
0
x
0
y
0
z
0
t
=
=
=
=
0
0
0
0
Por la frmula de las dimensiones, dim(V2 +W ) = dim(V2 )+dim(W )

dim(V2 W ) = 1+10 = 2. Como V2 +W = L(BV2 , BW ), necesitamos
calcular una base de W . Tras pasar a paramtricas, se obtiene la base
BW = {(0, 3, 0, 1)}, con coordenadas respecto de B . De modo que una
base para V2 +W es BV2 +W = {(0, 0, 0, 1), (0, 3, 0, 1)}, con coordenadas
respecto de B , esto es,
BW +V2 = {~e4 , 3~e2 + ~e4 }
y
V2 + W
z
=
=
=
=
0
32
0
1 + 2
Resolvamos el apartado b.3). El endomorsmo f tiene matriz asociada A con a = 1, de modo que dim(Im(f )) = r(A) = 4 = dim(E4 ).
Por consiguiente, Im(f ) = E4 y f es suprayectivo. Por otro lado,
dim(Ker(f )) = dim(E4 ) dim(Im(f )) = 4 4 = 0, con lo que
Ker(f ) = {0}, siendo f un monomorsmo (homomorsmo inyectivo).
7. Sea la matriz:
1
1
1
1
1
1 1 1
A=
1 1
1 1
1 1 1
1
a ) Determinar los valores propios de A y estudiar su diagonalizacin.

b ) Determinar una matriz P que permita la diagonalizacin.
c ) Diagonalizar A2 y A1 .
d ) Calcular An .
7.3
125
Calculemos el polinomio caracterstico:

0 2 2
1
1
1
1

1
0
1 1
1 0 2

p() =
= 0
0
2
1
1
1
1

1
1 1
1
1
1 1

2 2 (2 + )
1

2

0
2 +
= 2
= (2) (2+) 1
0

0
2
2 +
(2 + )
2 +
2 +
1

1
0 1 =
1 1
= (2 )3 ( 2)
Los autovalores son = 2 con m(2) = 3 y = 2 con m(2) = 1.

Por otro lado, dim(V2 ) = m(2) = 1, mientras que dim(V2 ) = 4
r(A 2I) = 4 1 = 3, de modo que A es diagonalizable.
Estudiamos a continuacin el apartado b). Para determinar la matriz
de paso necesitamos una base de autovectores de R4 , que obtenemos a
partir de los subespacios propios V2 y V2 .
V2 = {
x R4 : (A 2I)
x = 0},
V2 {x + y + z + t = 0}
Tras pasar a paramtricas, se tiene la base

BV2 = {(1, 1, 0, 0), (1, 0, 1, 0), (1, 0, 0, 1)}.
Por otro lado,
V2 = {
x R4 : (A + 2I)
x = 0}
Al escalonar la matriz asociada al sistema homogneo (A + 2I)

x = 0
queda
1 1 1 3
3 1
1
1

A + 2I
1 3 1 1
1 1 3 1
1 1 1 3
0 1
1 2
0 0 1 1
0 0
0
0
En consecuencia,
V2
x y z + 3t = 0
y + z 2t
= 0
z + t
= 0
Tras pasar a paramtricas se obtiene la base BV2 = {(1, 1, 1, 1)}.

As, tenemos una base de R4 formada por autovectores
B = {(1, 1, 0, 0), (1, 0, 1, 0), (1, 0, 0, 1), (1, 1, 1, 1)}
126
La matriz de paso P y la matriz diagonal de autovalores D sern
1
1
P =
0
0
1
0
1
0
1 1
0 1
0 1
1 1
2
0
D = M (f, B) =
0
0
0
2
0
0
0 0
0 0
2 0
0 2
Apartado c). Obsrvese que

A2 = P DP 1 P DP 1 = P D2 P 1
de modo que D2 = P 1 A2 P . Esto quiere decir que la matriz diagonal

de autovalores asociada a A2 es
0
D2 =
0
0
0
4
0
0
0
0
4
0
0
0
0
4
y la matriz de paso es P . Obsrvese, adems, que A2 = P D2 P 1 = 22 I .

Por otro lado, A1 = (P DP 1 )1 = P D1 P 1 y, por tanto, D1 =
P 1 A1 P , con lo que la matriz diagonal de autovalores asociada a A1
es
D1
1/2 0
0
0
0 1/2 0
0
=
0
0 1/2
0
0
0
0 1/2
y la matriz de paso es P .
Resolvamos el apartado d). Si n es par, n = 2m, entonces
An = (A2 )m = (22 I)m = 2n I.
Si n es impar, n = 2m + 1, entonces
An = A2m A = 22m IA = 2n1 A.
8. Estudiar la posible diagonalizacin de las siguientes aplicaciones f :

R3 R3 :
a ) f (x, y, z) = (x 3z, 3x + 2y + 3z, 3x z)

b ) f (x, y, z) = (x + y + z, 2y + z, 2y + 3z)
c ) f (x, y, z) = (x + y, y + z, 2y z)
7.3
127
Estudiemos el caso a). La matriz asociada al endomorsmo f es
1 0 3
A= 3 2 3
3 0 1
El polinomio caracterstico es p() = 3 +1216 = (4)(2)2 ,

de modo que los autovalores son = 4, m(4) = 1 y = 2, m(2) = 2.
Las dimensiones de los subespacios propios correspondientes son
dim(V4 ) = m(4) = 1 y dim(V2 ) = 3 r(A 2I) = 2 = m(2)
de manera que f es diagonalizable.

Veamos el caso b). La matriz asociada es
1 1 1
A= 0 2 1
0 2 3
con polinomio caracterstico p() = (1)2 (4). Los autovalores son

= 1, m(1) = 2 y = 4, m(4) = 1. Las dimensiones de los subespacios
propios son dim(V4 ) = m(4) = 1 y dim(V1 ) = 3r(AI) = 2 = m(1).
Por consiguiente, el endomorsmo es diagonalizable.
Estudiemos el caso c). La matriz asociada al endomorsmo f es
1 1
0
1
A= 0 1
0 2 1
con polinomio caracterstico p() = (1 )(2 + 1). Se tiene que los

autovalores son = 1 y = i, de manera que el endomorsmo no es
diagonalizable.
9. Sea f : R3 [x] R3 [x] denida por f (ax3 + bx2 + cx + d) = dx3 +
cx2 + bx + a. Estudiar su diagonalizacin encontrando la matriz P que
la permita.
Consideremos la base cannica Bc = {1, x, x2 , x3 } y calculemos la matriz asociada al endomorsmo con respecto a esta base.
Dado que f (1) = x3 , f (x) = x2 , f (x2 ) = x, f (x3 ) = 1, entonces
0
0
A = M (f, Bc ) =
0
1
0
0
1
0
0
1
0
0
1
0
0
0
128

p() =

0
0
1
0 1
0
0
1 0
1
0
0
0 0
0 1 2
0 1
0
0 1
0
1 0
0
= (1 2 )(2 1) = (2 1)2 = ( 1)2 ( + 1)2
Los autovalores son = 1, m(1) = 2 y = 1, m(1) = 2. Determinemos los subespacios propios. Al escribir V1 con coordenadas
respecto de Bc se tiene
V1 = {
x R4 : (A I)
x = 0}
Las ecuaciones implcitas son

V1
x + t = 0
y + z = 0
Tras pasar a paramtricas, se consigue una base de V1 ,

BV1 = {(1, 0, 0, 1), (0, 1, 1, 0)} con coordenadas respecto de Bc .
Esto quiere decir que BV1 = {1 + x3 , x + x2 }.

Por otro lado, al escribir V1 con coordenadas respecto de Bc ,
V1 = {
x R4 : (A + I)
x = 0}
Las ecuaciones implcitas son

V1
x+t = 0
y+z = 0
Tras pasar a paramtricas se tiene una base de V1 ,

BV1 = {(1, 0, 0, 1), (0, 1, 1, 0)} con coordenadas respecto de Bc .
Esto signica que BV1 = {1 + x3 , x + x2 }.

Por consiguiente, una base de autovectores de R3 [x] es
B = {1 + x3 , x + x2 , 1 + x3 , x + x2 }
que, escrito con coordenadas respecto de B , da lugar a

B = {(1, 0, 0, 1), (0, 1, 1, 0), (1, 0, 0, 1), (0, 1, 1, 0)}
7.3
129
La matriz de paso P y la matriz diagonal de autovalores D = M (f, B)

son
1 0 1 0
0 1 0 1
P =
0
1 0 1
1
0 1 0
1 0 0 0
0 1 0 0
D=
0
0 1 0
0
0 0 1
1 3 3
A = 3 5 3
6 6 4
Determinar:
a ) Autovalores y autovectores de f .
b ) Hallar una base que permita la diagonalizacin.
Resolvamos el apartado a). El polinomio caracterstico es p() = (4
)( + 2)2 . Los autovalores son = 4 con m(4) = 1 y = 2 con
m(2) = 2. Determinemos los subespacios propios asociados.
V4 {
x R4 : (A 4I)
x = 0}
Al escalonar la matriz de coecientes del sistema (A 4I)

x = 0 resulta
1 1 1
1 1 1
A 4I 1 3 1 0 4 2
1 1 0
0 2 1
De manera que las ecuaciones cartesianas son

V4
x y + z = 0
2y + z
= 0
Tras pasar a paramtricas, se obtiene la base BV4 = {(1, 1, 2)}.

Por otro lado,
V2 {x y + z = 0}
Una base de V2 es BV2 = {(1, 1, 0), (1, 0, 1)}. Por consiguiente, la

base de autovectores de R3 pedida ser B = {(1, 1, 0), (1, 0, 1), (1, 1, 2)}
y la matriz diagonal asociada a f con respecto a esta base, D =
M (f, B), ser
2 0 0
0 2 0
D=
0
0 4
130
11. Hallar a, b, c, d, e y f sabiendo que los vectores: ~u = (1, 1, 1), ~v =

(1, 0, 1), w
~ = (1, 1, 0) son autovectores de la matriz:
1 1 1
A= a b c
d e f
Se tiene A~u = 1~u, A~v = 2~v , Aw

~ = 3 w
~ . Escrito en forma de sistema
de ecuaciones:
3
a+b+c
d+e+f
0
ac
df
2
a b
d e
=
=
=
=
=
=
=
=
=
1
a+b+c
d+e+f
ac
0
df
a b
3
d e
3
0
=
=
=
=
=
=
3
a=1
3
b=1
0
c=1
0
d = 3
2
e
=9
0
f = 3
12. Sea f : R3 [x] R3 [x] el endomorsmo denido por f (p(x)) = p0 (x).

Hallar los autovalores y autovectores de f (p0 (x) es el polinomio derivado de p(x)).
Teniendo en cuenta que f (1) = 0, f (x) = 1, f (x2 ) = 2x y f (x3 ) =
3x2 , la matriz asociada a f con respecto a la base cannica Bc =
{1, x, x2 , x3 } es
0
0
A = M (f, Bc ) =
0
0
1
0
0
0
0
2
0
0
0
0
3
0
El polinomio caracterstico es p() = 4 , de modo que = 0 es el nico

autovalor, con m(0) = 4. El subespacio propio V0 es, en paramtricas,
x=
y=0
V0
z=0
t=0
De modo que V0 = L((1, 0, 0, 0)) con coordenadas respecto de Bc , esto

es, V0 = L(1) = {polinomios constantes}. Este endomorsmo no es
diagonalizable ya que las multiplicidades algebraica y geomtrica no
coinciden.
7.3
131
13. Determinar un endomorsmo f de R3 sabiendo:
a ) Im(f ) = L{(0, 1, 1), (2, 1, 1)}.

b ) = 0 es un valor propio de f .
c ) El subespacio propio asociado a = 0 est generado por (0, 1, 1).
Hallar, si es posible, una base de R3 en la que f venga dado por una
matriz diagonal.
Al ser 0 autovalor con autovector (0, 1, 1), si
a11 a12 a13

A = a21 a22 a23
a31 a32 a33

0
0
es la matriz asociada a f , se tiene A 1 = 0 ,
1
0
esto es,
a12 + a13 = 0
a22 + a23 = 0
a32 + a33 = 0
La matriz A puede ser
0 2 2
A = 1 1 1 ,
1 1 1
ya que cumple las ecuaciones de arriba y, adems, sus columnas son

los generadores de Im(f ). El polinomio caracterstico es p() = ( +
2)( 2).
Sabemos que V0 = L((0, 1, 1)), de manera que slo queda obtener bases
de V2 y V2 . Escalonando los sistemas de ecuaciones resultantes, se
obtiene

V2
xyz = 0
z
= 0

V2
x+yz = 0
y
= 0
Las bases respectivas son BV2 = {(1, 1, 0)}, BV2 = {(1, 0, 1)}. La base
pedida de autovectores de R3 es
B = {(1, 0, 1), (0, 1, 1), (1, 0, 1)}
siendo la matriz asociada a f respecto de esta base
2 0 0
D = M (f, B) = 0 0 0
0 0 2
132
14. Hallar la forma cannica de Jordan y la matriz de paso de

2 1
1 0
A=
Calcular A15 .
Se tiene p() = 2 2 + 1 = ( 1)2 . Se tiene que 1 es un autovalor
doble. Sin embargo, dim(V1 ) = 1 con V1 = E1 (1) = L{(1, 1)}. De
manera que A no es diagonalizable. La matriz cannica de Jordan es

J=
1 1
0 1
Como = 1 tiene multiplicidad 2 (la mxima posible), entonces (A

Id)2 = 0, de modo que E2 (1) = R2 (comprubelo el lector). Para
obtener la matriz de paso P se escoge un vector u2 E2 (1) \ E1 (1),
por ejemplo u2 = (1, 0). Sea u1 = (A Id)u2 = (1, 1). Consideramos
la base B = {u1 , u2 } = {(1, 1), (1, 0)}. Es claro que

P = M (B, Bc ) =
1 1
1 0
y que J = P 1 AP .
Falta calcular A15 . Tngase en cuenta que A = P JP 1 , con lo que
A15 = P JP 1 P JP 1 P JP 1 = P J 15 P 1
Basta observar que

J
15

=
1 15
0 1

=
0 1
1 1
De manera que
A
15
15
= PJ P

=
16 15
15 14
15. Calcular la forma de Jordan y la matriz de paso de
1 0 1
A= 0 1 0
1 1 1
0 1 0
B = 1 0 1
1 1 1
7.3
133
0 4
0
1
0 2
0
0
C=
0 0
0
0
4 8 12 4
Estudiemos la matriz A. Se tiene p() = 2 (1 ). Existen 2 au-
tovalores reales, uno simple (el 1) y otro doble (el 0). Es claro que
dim(V1 ) = 1. Se comprueba que dim(V0 ) = 1 con V0 = E1 (0) =
L{(1, 0, 1)}. Por consiguiente, A no es diagonalizable y J es
1 0 0
J = 0 0 1
0 0 0
Falta obtener la matriz de paso P . Es claro que

M (1) = E1 (1) = V1 = L{(1, 1, 0)}
Por otro lado,
E1 (0) = L{(1, 0, 1)}
E2 (0) = Ker(A 0Id)2 = L{(1, 0, 1), (0, 0, 1)}
de manera que M (0) = E2 (0). Falta elegir una base adecuada B =

B(1) B(0), donde B(1) y B(0) son bases respectivas de los subespacios M (1) y M (0), de manera que la matriz asociada al endomorsmo determinado por A con respecto a la base B sea J . Es claro que
B(1) = {u1 = (1, 1, 0)}. Para obtener B(0) necesitamos dos vectores
adecuados de M (0). Se escogen dim(E2 (0)) dim(E1 (0)) = 1 vectores
que estn en E2 (0)\E1 (0), por ejemplo v2 = (0, 0, 1). A continuacin se
elige v1 = (A 0Id)v2 = (1, 0, 1). De este modo, la base B buscada
es
B = {u1 , v1 , v2 } = {(1, 1, 0), (1, 0, 1), (0, 0, 1)}
La matriz de paso P es, por tanto,
1 1 0
P = 1 0 0
0 1 1
cumplindose P 1 AP = J .
134
Estudiemos la matriz
B . Se tiene p() = 2 (1 ), como en el

caso anterior. Es claro que M (1) = E1 (1) = V1 = L{(1, 1, 2)}. Por
otro lado, dim(V0 ) = 1, con V0 = L{(1, 0, 1)}, de modo que B no es
diagonalizable. Resulta
1 0 0
J = 0 0 1 ,
0 0 0
tal como ocurra con la matriz A. Adems,

E1 (0) = V0 = L{(1, 0, 1)}
E2 (0) = Ker(B0Id)2 = L{(1, 0, 1), (0, 1, 0)}
de manera que M (0) = E2 (0). La base B = B(1) B(0) est formada

por
B(1) = {u1 } = {(1, 1, 2)},
B(0) = {v1 , v2 }
siendo v2 = (0, 1, 0) E2 (0) \ E1 (0) y v1 = (B 0Id)v2 = (1, 0, 1).

Entonces
B = {(1, 1, 2), (1, 0, 1), (0, 1, 0)}
de modo que la matriz de paso P tal que P 1 BP = J es
1 1 0
P = 1 0 1
2 1 0
Estudiemos la matriz C . Se tiene p() = ( 2)3 . Por tanto,

M (0) = E1 (0) = V0 = L{(3, 0, 1, 0)}
Adems dim(E1 (2)) = dim(V2 ) = 2 con

E1 (2) = L{(2, 1, 0, 0), (1, 0, 0, 2)}
E2 (2) = Ker(C 2Id)2 =
= L{(1, 0, 0, 0), (0, 1, 0, 0), (0, 0, 0, 1)} = M (2)
Tendremos B = B(0) B(2) con B(0) = {u1 } = {(3, 0, 1, 0)}. Para

obtener los vectores de B(2) se procede del siguiente modo:
7.3
135
Se eligen dim(E2 (2)) dim(E1 (2)) = 1 vectores de E2 (2) \ E1 (2),

por ejemplo v2 = (0, 0, 0, 1). A continuacin, v1 = (C 2Id)v2 =
(1, 0, 0, 2) E1 (2). Falta determinar un ltimo vector v3 E1 (2)
independiente de v1 , por ejemplo, v3 = (2, 1, 0, 0). En consecuencia,
B = {u1 , v1 , v2 , v3 } = {(3, 0, 1, 0), (1, 0, 0, 2), (0, 0, 0, 1), (2, 1, 0, 0)}
Las matrices J y P son
0
0
J =
0
0
0
2
0
0
3 1 0 2
0 0 0 1
P =
1 0 0 0
0 2 1 0
0
0
,
0
2
0
1
2
0
16. Encontrar la forma de Jordan real y una matriz de paso real de:

A=
0 1 1
B= 0 1 0
3 1 0
1 2
3 1
Estudiemos la matriz A. Se tiene

p() = 2 2 + 7 = (1 + 6i) (1 6i)
Al ser los autovalores complejos conjugados, resulta

J=

0
1 + 6i
.
0
1 6i
Si buscamos la forma cannica de Jordan real, se tiene

0
J =

6
.
1
Buscamos la matriz de paso P tal que P 1 AP = J . Necesitamos una

base de autovectores.
M (1 +
6i) = E1 (1 +
Por otro lado, sabemos que
6i) = V1+6i
)
6
=L (
i, 1)
3
136
M (1
6i) = E1 (1
6
=L (
i, 1)
3
(
6i) = V16i
6
3 i
La matriz de paso es, pues, P =
6
3 i
. Buscamos la matriz
1
1
de paso real Q M2 (R) tal que Q AQ = J 0 . Las columnas de la
matriz Q se obtienen a partir de las partes real e imaginaria de una de
las columnas de P , esto es,
Q=
0
1
6
3
Estudiemos la matriz B . Se tiene

p() = 3 + 2 3 + 3 = ( 1) 3i + 3i
Las matrices J y J 0 son
1 0
0
3i
0 ,
J = 0
0
0
3i
1
0
0
0
3
J0 = 0
0 3 0
Las matrices de paso P M3 (C) y Q = M3 (R), tales que P 1 BP =

J y Q1 BQ = J 0 , se consiguen mediante la obtencin de una base
adecuada de autovectores de C3 .
Por un lado,
M (1) = E1 (1) = V1 = L{(0, 1, 1)}
Adems,
M ( 3i) = E1 ( 3i) = V3i = L{(1, 0, 3i)}
M ( 3i) = E1 ( 3i) = V3i = L{(1, 0, 3i)}
La base B es
B = {(0, 1, 1), (1, 0, 3i), (1, 0, 3i)}
y las matrices de paso compleja P y real Q son, respectivamente,
7.3
0
1
1
,
0
P = 1
0
1 3i
3i
0 1
0
0
Q= 1 0
1 0 3
137
138
7.4.
1. Resulvase el sistema de ecuaciones diferenciales

siendo A =
2 1
1 2
u0
v0

=A
Nota.
Utilcese el hecho de que, al ser
u
v
u
v
A diagonalizable, dado x
=
, se tiene x0 = A
x, lo que equivale a escribir x
0 = P DP 1 x
.
Llamando y = P 1 x, se obtiene y0 = D
y , un sistema de resolucin
elemental.
El polinomio caracterstico es p() = 2 + 4 + 3 = ( + 3)( + 1). La
matriz A es, por tanto, diagonalizable. Los subespacios propios son
V3 = L{(1, 1)}
V1 = L{(1, 1)}
La matriz diagonal D y la matriz de paso P son

D=
Se tiene A =
P DP 1 ,
3 0
0 1

P =
de modo que
x
0
1 1
1 1
P DP 1 x
para x =
u
v
Haciendo el cambio y = P 1 x, resulta

P y0 = P D
y
o, de modo equivalente,
y0 = D
y
Resolvamos el sistema y0 = D
y . Queda
y10 (t) = 3y1 (t)
y20 (t) = y2 (t)
De modo que
y1 (t) = c1 e3t ,
y2 (t) = c2 et
Se deshace el cambio x = P y para obtener la solucin

u(t)
v(t)

=
1 1
1 1

c1 e3t
c2 et

=
1 1
1 1

e3t 0
0
et

c1
c2
7.4
139
Dicho de otro modo,

u(t) = c1 e3t + c2 et
v(t) = c1 e3t + c2 et
u(t)
v(t)
3t
= c1 e
1
1

1
t
+c2 e
1
2. Determnese la solucin general del sistema de ecuaciones

x01 = x1 + 3x2
x02 = 2x1 + 2x2
Hallar la solucin particular que satisface x1 (0) = 0, x2 (0) = 5.

Se debe resolver el sistema x0 = A
x con

A=
1 3
2 2
El polinomio caracterstico es p() = ( 4)( + 1) , de modo que A

es diagonalizable. Los subespacios propios son
V4 = L{(1, 1)}
V1 = L{(3, 2)}
Las matrices diagonal y de paso son

D=
1 0
0 4

,
P =
3 1
2 1
Se hace el cambio y = P 1 x. Entonces

y0 = D
y
Resolvamos este sistema. Queda

y10 (t) = y1 (t)
y20 (t) = 4y2 (t)
De modo que
y1 (t) = c1 et ,
y2 (t) = c2 e4t
Se deshace el cambio x = P y para obtener la solucin
140
x1 (t)
x2 (t)

=
3 1
2 1

c1 et
c2 e4t

=
3 1
2 1

et 0
0 e4t

c1
c2
Dicho de otro modo,

x1 (t) = 3c1 et + c2 e4t

x2 (t) = 2c1 et + c2 e4t
x1 (t)
x2 (t)
= c1 et
3
2
+c2 e4t
Como x1 (0) = 0 y x2 (0) = 5, se tiene

0 = 3c1 + c2
5 = 2c1 + c2
Al resolver el sistema, resulta c1 = 1, c2 = 3, de modo que la solucin

particular es

x1 (t) = 3et + 3e4t

x2 (t) = 2et + 3e4t
x1 (t)
x2 (t)

=e
3
2

1
4t
+3e
1
3. Resulvase la ecuacin diferencial lineal de tercer orden de coecientes

constantes
y 000 3y 00 + 2y 0 = 0
Nota. Considrese el sistema de tres ecuaciones y0
3v 2u o, lo que es equivalente,
= u, u0 = v , v 0 =

0 1 0
y
y0
u0 = 0 0 1 u
v0
0 2 3
v
Resolvemos el sistema x0 = A
x con
y
x
= u
v
0 1 0
A= 0 0 1
0 2 3
nicamente interesa determinar y(t). El polinomio caracterstico de

A es p() = 3 + 32 2 = ( 1)( 2), de modo que A es
diagonalizable. Los subespacios propios son
1
1
7.4
V0 = L{(1, 0, 0)},
V1 = L{(1, 1, 1)},
141
V2 = L{(1, 2, 4)}
La matriz diagonal y la matriz de paso son
0 0 0
D = 0 1 0 ,
0 0 2
1 1 1
P = 0 1 2
0 1 4
Se hace el cambio y = P 1 x. Entonces y0 = D

y . Resolvamos este
sistema. Queda
0
y1 (t) = 0
y 0 (t) = y2 (t)
20
y3 (t) = 2y3 (t)
De modo que
y1 (t) = c1 ,
y2 (t) = c2 et ,
y3 (t) = c3 e2t
Se deshace el cambio x = P y para obtener

c1
1 1 1
y(t)
u(t) = 0 1 2 c2 et =
0 1 4
c3 e2t
v(t)
1 1 1
1 0 0
c1
= 0 1 2 0 et 0 c2
0 1 4
0 0 e2t
c3
Entonces, la solucin de la ecuacin lineal de tercer orden es

y(t) = c1 + c2 et + c3 e2t
4. Hallar la solucin general del sistema X 0 = AX con

A=
4 1
1 2
Determnese la solucin que satisface la condicin inicial X(0) = (1, 1).

El polinomio caracterstico es p() = 2 6 + 9 = ( 3)2 . El subespacio propio es E1 (3) = V3 = L{(1, 1)}. La multiplicidad algebraica
142
es 1
y la geomtrica
2, de modo que A no es diagonalizable. Resulta

3 1
J=
. Calculemos la matriz de paso P . Se tiene
0 3
E1 (3) = L{(1, 1)}
E2 (3) = R2
Escogemos un vector u2 E2 (3) \ E1 (3); por ejemplo, u2 = (1, 0).

Entonces, u1 = (A 3Id)u2 = (1, 1) y la base es
B = {(1, 1), (1, 0)}

1 1
La matriz de paso es P =
1 0
La solucin general del sistema es

x1 (t)
x2 (t)

=
1 1
1 0

e3t te3t
0 e3t

c1
c2
Dicho de otro modo,

x1 (t)
x2 (t)
x1 (t) = (c1 + c2 )e3t + c2 te3t

x2 (t) = c1 e3t c2 te3t

= (c1 + c2 t)e3t
1
1
+ c2 e3t
1
0
Calculemos la solucin particular que cumple x1 (0) = x2 (0) = 1.

1 = c1 + c2
1 = c1
De modo que c1 = 1 y c2 = 2. La solucin particular es

x1 (t) = e3t + 2te3t

x2 (t) = e3t 2te3t
5. Obtener la solucin general de los sistemas X 0 = AX con

a) A =
3
2
4 1
3 1 0
c) A = 0 3 0
0 2 3
10 10 14
b) A = 3 5 5
7 8 10
6 8 10
d) A = 2 2 3
5 6 8
7.4
143
Caso a). Se tiene

p() = 2 2 + 5 = ( (1 + 2i)) ( (1 2i))
Tenemos dos autovalores complejos conjugados. Las matrices cannicas

de Jordan compleja y real son, respectivamente,

J=
1 + 2i
0
0
1 2i

,
J =
1 2
2 1
Para determinar la matriz de paso P M2 (C) tal que P 1 AP = J ,

necesitamos una base de autovectores de C2 . Es fcil ver que
M (1 + 2i) = E1 (1 + 2i) = V1+2i = L{(1, 1 + i)}
M (1 2i) = E1 (1 2i) = V12i = L{(1, 1 i)}
Por consiguiente, la base buscada es B = {(1, 1 + i), (1, 1 i)}. La

matriz de paso es

P =
1
1
1 + i 1 i

M2 (C)
La matriz de paso Q M2 (R), cuyas columnas dan lugar a las soluciones del sistema, es

Q=
1 0
1 1

,
de modo que la solucin general del sistema es

x1 (t)
x2 (t)

=
1 0
1 1

et cos 2t et sen 2t
et sen 2t et cos 2t
Caso b). Se tiene

c1
c2
p() = 3 52 + 8 4 = ( 1)( 2)2 . Por

un lado, dim(V2 ) = 1 con V2 = L{(4, 1, 3)} de manera que A no es
diagonalizable. Resulta
1 0 0
J = 0 2 1
0 0 2
Por otro lado,

E1 (1) = V1 = L{(2, 1, 2)} = M (1)
144
Como
4 2 6
(A 2Id)2 = 2 1 3 ,
4 2 6
resulta E2 (2) = Ker(A 2Id)2 = L{(1, 2, 0), (3, 0, 2)}. As,
E1 (2) = L{(4, 1, 3)}
E2 (2) = L{(1, 2, 0), (3, 0, 2)} = M (2)
Se elige B(1) = {u1 } = {(2, 1, 2)} como base de M (1). Se escoge

v2 E2 (2) \ E1 (2), por ejemplo, v2 = (1, 2, 0), y v1 = (A 2Id)v2 =
(12, 3, 9). As obtenemos B(2) = {v1 , v2 } como base de M (2). Queda
B = {(2, 1, 2), (12, 3, 9), (1, 2, 0)}
con matriz de paso
2 12 1
2
P = 1 3
2 9
0
La solucin general del sistema de ecuaciones es

c1
e
0
0
2 12 1
x1 (t)
x2 (t) = 1 3
2 0 e2t te2t c2
0 0 e2t
2 9
0
c3
x3 (t)
Caso c). Se tiene p() = (3)3 y dim(V3 ) = 2 con V3 = L{(1, 0, 0), (0, 0, 1)}.
De modo que A no es diagonalizable. La matriz de Jordan es
3 0 0
J = 0 3 1
0 0 3
Adems,
E1 (3) = L{(1, 0, 0), (0, 0, 1)}
E2 (3) = Ker(A 3Id)2 = R3 = M (3)
Escogemos una base B del siguiente modo: se eligen dim(E2 (3))

dim(E1 (3)) = 1 vectores que se encuentren en E2 (3) \ E1 (3); por ejemplo, u3 = (0, 1, 0). A continuacin se escoge u2 = (A 3Id)u3 =
7.4
145
(1, 0, 2) E1 (3) y se elige u1 E1 (3) independiente de u2 ; por ejemplo, u1 = (1, 0, 0). Se tiene la base
B = {(1, 0, 0), (1, 0, 2), (0, 1, 0)}
de manera que la matriz P es
1 1 0
P = 0 0 1
0 2 0
La solucin general del sistema de ecuaciones es

3t
x1 (t)
1 1 0
e
0
0
c1
x2 (t) = 0 0 1 0 e3t te3t c2
x3 (t)
0 2 0
0
0 e3t
c3
Caso d). Se tiene p() = 3 . Adems,

E1 (0) = L{(2, 1, 2)}
E2 (0) = {(2, 0, 1), (0, 1, 1)}
E3 (0) = R3
La matriz A no es diagonalizable. Su matriz de Jordan es
0 1 0
J = 0 0 1
0 0 0
Para conseguir la base B se eligen dim(E3 (0)) dim(E2 (0)) = 1 vectores de E3 (0) \ E2 (0); por ejemplo, u3 = (0, 0, 1). Ser u2 = Au3 =
(10, 3, 8) E2 (0) \ E1 (0) y u1 = A2 u3 = Au2 = (4, 2, 4)
E1 (0). Entonces
B = {(4, 2, 4), (10, 3, 8), (0, 0, 1)}
La matriz de paso es
4 10 0
P = 2 3 0
4 8 1
Haciendo el cambio X = P Y , el sistema X 0 = AX se transforma en

Y 0 = JY , ms fcil de resolver. Se obtiene
146
y10 = y2 ,
y20 = y3 ,
y30 = 0
Entonces,
y3 = c3
y2 = c3 t + c2
2
y1 = c3 t2 + c2 t + c1
Al deshacer el cambio se obtiene la solucin del sistema de ecuaciones

t2
2
c1
t c2
c3
1
x1 (t)
4 10 0
1 t
x2 (t) = 2 3 0 0 1
x3 (t)
4 8 1
0 0
6. Hallar la solucin general del sistema de ecuaciones X 0 = AX + F (t)

dado por
X0 =
3 2
2 2
t
0
X+
La solucin general es de la forma X = Xh +Xp donde Xh es la solucin

general del sistema homogneo y Xp es una solucin particular del
sistema no homogneo. Calculemos primeramente Xh . Se tiene p() =
( 2)( + 1). La matriz es diagonalizable y sus subespacios propios
son
E1 (2) = V2 = L{(2, 1)}
E1 (1) = V1 = L{(1, 2)}

1 2
1 0
. La solucin general
yJ =
De modo que P =
2 1
0 2
del sistema homogneo X 0 = AX es

Xh =
1 2
2 1

et 0
0 e2t

c1
c2
= c1 et
1
2
+ c2 e2t
2
1
La solucin particular Xp se obtiene mediante el mtodo de variacin

de las constantes.
t
Xp = c1 (t)e
Al derivar, resulta
1
2
2t
+ c2 (t)e
2
1
7.4
147
Xp0
[c01 (t)et
1
2
c1 (t)e ]
[c02 (t)e2t
2t
+ 2c2 (t)e ]
2
1
Sustituyendo en el sistema, obtenemos

[c01 (t)et

=
1
2
c1 (t)e ]
3 2
2 2

+
[c02 (t)e2t
2t
+ 2c2 (t)e ]
2
1

=

2
t
1
2t
t
+
+ c2 (t)e
c1 (t)e
1
0
2
De esta igualdad se deduce que

(c01 (t) c1 (t))et + (2c02 (t) + 4c2 (t))e2t = c1 (t)et + 4c2 (t)e2t + t
(2c01 (t) 2c1 (t))et + (c02 (t) + 2c2 (t))e2t = 2c1 (t)et + 2c2 (t)e2t
Simplicando, resulta
c01 (t)et + 2c02 (t)e2t = t
2c01 (t)et + c02 (t)e2t = 0
Despejando, se tiene
1 t
te ,
3
c01 (t) =
2
c02 (t) = te2t
3
Integrando,
1 t
c1 (t) =
e (t 1),
3
2t
c2 (t) = e
t 1
3
6
La solucin particular Xp es
1
Xp (t) =
(t 1)
3
1
2

+
t 1
3
6

2
1

=
t
t +

1
2
Por consiguiente, la solucin general del sistema es

t
X = Xh + Xp = c1 e
1
2

+ c2 e
2t
2
1

+
t
t +

1
2
148
7. Estudiar la naturaleza de los puntos crticos de los sistemas planos de

los ejercicios 1, 2, 4 y 5 a).
En el ejercicio 1 los autovalores de A son 3 y 1. El origen es un
punto crtico aislado ya que kAk 6= 0 (no tiene a 0 como autovalor).
Como el signo de los autovalores es negativo, tenemos un nodo estable.
En el ejercicio 2 se tiene un punto de silla (autovalores de signo distinto).
En el ejercicio 4 se tiene un autovalor positivo doble con A no diagonalizable. Estamos ante un nodo degenerado (o impropio) inestable.
En el ejercicio 5 a) se tienen dos autovalores complejos conjugados =
i = 1 2i con > 0, de manera que estamos ante una espiral
inestable.
7.5
7.5.
149
1. En el espacio eucldeo usual R4 se consideran los subespacios vectoriales

W1 = {(x, y, z, t) R4 : x y = 0, z + t = 0}
y
W2 = L{(1, 1, 2, 2), (1, 0, 1, 0)}
Hallar:
a) Las ecuaciones de W1 y una base ortonormal de W1 .
b) Las ecuaciones del complemento ortogonal W2 y una base ortogonal para W2 .
Resolvamos a). Buscamos las ecuaciones de W1 . En primer lugar, se
determina una base de W1 pasando a paramtricas:
y
W1
z
=
=
=
=
Se tiene BW1 = {(1, 1, 0, 0), (0, 0, 1, 1)}. Entonces,

W1 = {
x R4 : x
(1, 1, 0, 0) y x
(0, 0, 1, 1)}
W1
x+y = 0
z + t = 0
W1
=
=
=
=
y una base ser BW1 = {(1, 1, 0, 0), (0, 0, 1, 1)}. Obsrvese que esta
base ya es ortogonal con respecto al producto escalar usual. Buscamos
que sea ortonormal. Basta dividir cada vector entre su mdulo. As
0
BW
=
1

1
1
(1, 1, 0, 0), (0, 0, 1, 1)
2
2
150
es la base ortonormal de W1 buscada.

Resolvamos b). Determinemos una base ortogonal para W2 . Los vectores {(1, 1, 2, 2), (1, 0, 1, 0)} son base de W2 , pero no son ortogonales. Elegimos e1 = (1, 1, 2, 2). Aplicamos Gram-Schmidt para
obtener
e2 = (1, 0, 1, 0) h(1,0,1,0),(1,1,2,2)i
(1, 1, 2, 2)
k(1,1,2,2)k2
1
= 10 (7, 3, 4, 6)
La base ortogonal pedida es BW2 = {(1, 1, 2, 2), (7, 3, 4, 6)}

Las ecuaciones de W2 son
W2
x + y 2z + 2t = 0
xz
= 0
2. Dada la forma bilineal simtrica sobre R3 , F (x, y) = xt Ay , siendo
a 0
0
A = 0 2 1
0 1 2
a) Determinar para qu valores de "a" dene F un producto escalar.

b) Para a = 1, son ortogonales los vectores (1, 1, 1) y (2, 1, 1)?
Resolvamos a). Aplicamos el criterio de Sylvester. Debe ocurrir
1 = a > 0, 2 = 2a > 0, 3 = 3a > 0
Esto equivale a pedir a > 0.

Resolvamos b). Se tiene
1 0
0
2
h(1, 1, 1), (2, 1, 1)i = (1, 1, 1) 0 2 1 1 = 0
0 1 2
1
de modo que los vectores dados s son ortogonales con respecto al

producto escalar denido por F para a = 1.
3. Si F es la forma bilineal en R2 cuya matriz asociada con respecto de
la base cannica es

A=
a 1
1 1

,
7.5
151
determinar los valores de "a" para los que F dene un producto escalar.
Por el criterio de Sylvester, debe ocurrir
1 = a > 0, 2 = a 1 > 0
De modo que se tiene producto escalar si, y slo si, a > 1.

4. Sea Q : R4 R la forma cuadrtica denida en la base cannica por
la matriz:
2
0
A=
1
0
0
2
0
1
1
0
2
0
0
1
0
2
Se pide:
a) Determinar si Q da lugar a un producto escalar.
b) En el espacio eucldeo real (R4 , h , i) que dene Q se pide:
b.1) Calcular la distancia y ngulo entre los vectores u = (1, 1, 1, 1)
y v = (1, 1, 0, 0).
b.2) Obtener las ecuaciones implcitas del complemento ortogonal
al subespacio vectorial U = L{(1, 1, 0, 0), (1, 1, 1, 0)}.
b.3) Determinar una base ortonormal del subespacio vectorial V =
L{(1, 1, 1, 1), (1, 0, 0, 1)}.
Resolvamos a). Aplicamos el criterio de Sylvester.
1 = 2 > 0, 2 = 4 > 0, 3 = 6 > 0, 4 = 9 > 0
Efectivamente, Q da lugar a un producto escalar.

Resolvamos b.1). La distancia entre los vectores
1
1
1
1
u=
1 yv= 0
1
0
es
v

u
0
u
u
p
u
0
d(u, v) = ku vk = hu v, u vi = u(0, 0, 1, 1)A

1 =2
t
1
152
El ngulo entre los vectores se calcula a partir de la frmula hu, vi =

kukkvk cos(). Tenemos
3
hu, vi
3
ut Av
6
cos() =
=
= = =
t
t
kukkvk
2
12 4
2 3
u Au v Av
En consecuencia, = arccos(
3
2 )
= 6 .
Resolvamos b.2). Dada una base de U , BU , el subespacio U es

U = {
x:x
BU } = {
x:x
(1, 1, 0, 0), x
(1, 1, 1, 0)}
Las ecuaciones son

U
2x + 2y + z + t = 0
3x + 2y + 4z
= 0
Resolvamos b.3). Los vectores
1
1
1
0
u1 =
1 y u2 = 0
1
1
son base de V pero no son ortogonales, ya que ut1 Au2 = 6 6= 0. Escogemos e1 = (1, 1, 1, 1). Para obtener e2 perpendicular a e1 , e2 V ,
aplicamos Gram-Schmidt.
e2 = u2
hu2 , e1 i
1
e1 = (1, 0, 0, 1) (1, 1, 1, 1) = (1/2, 1/2, 1/2, 1/2)
2
ke1 k
2
La base BV = {(1, 1, 1, 1), (1, 1, 1, 1)} es una base ortogonal de V

con respecto al producto escalar determinado por Q. Para obtener una
base ortonormal, cada vector debe dividirse entre su mdulo. As,
BV0

=

1
1
(1, 1, 1, 1), (1, 1, 1, 1)
2
2 3
es la base buscada.
5. Dado R3 con el producto escalar usual, calcular:
a) La proyeccin del vector (1, 0, 0) sobre el subespacio
U {x + y = 0}.
7.5
153
b) La proyeccin del vector (1, 2, 3) sobre el subespacio W = L{(1, 0, 1)}.

Resolvamos a). Escogemos una base ortogonal de U , BU = {u1 =
(1, 1, 0), u2 = (0, 0, 1)}, y calculamos PU (x) para x = (1, 0, 0).
PU (x) =
hx, u1 i
hx, u2 i
1
u1 +
u2 = (1, 1, 0)+0(0, 0, 1) = (1/2, 1/2, 0)
2
2
ku1 k
ku2 k
2
Resolvamos b). Sea x = (1, 2, 3). Una base ortogonal de W es BW =

{w1 = (1, 0, 1)}. Entonces,
PW (x) =
hx, w1 i
w1 = (2, 0, 2)
kw1 k2
6. En R4 , con el producto escalar usual, se considera el subespacio

U = L{u1 = (0, 1, 1, 1), u2 = (0, 1, 1, 0), u3 = (0, 1, 0, 1)}
Se pide:
a) Hallar una base ortonormal de U .
b) Hallar las proyecciones sobre U y sobre U del vector v = (1, 2, 3, 4).
Resolvamos a). Aplicamos Gram-Schmidt:
e1 = (0, 1, 1, 1)
2 ,e1 i
e2 = u2 hu
e = 13 (0, 1, 1, 2)
ke1 k2 1
e3 = u3
hu3 ,e1 i
e
ke1 k2 1
hu3 ,e2 i
e
ke2 k2 2
= 12 (0, 1, 1, 0)
Como base ortonormal elegimos

BU =

1
1
1
(0, 1, 1, 1), (0, 1, 1, 2), (0, 1, 1, 0)
3
6
2
7. En R4 , con el producto escalar usual, utilizar el mtodo de GramSchmidt para calcular una base ortonormal a partir de los vectores
{u1 = (1, 1, 1, 1), u2 = (1, 1, 0, 0), u3 = (1, 1, 1, 0), u4 = (1, 0, 0, 0)}
Se tiene:
154
e1
e2
= (1, 1, 1, 1)
2 ,e1 i
e = 12 (1, 1, 1, 1)
= u2 hu
ke1 k2 1
e3
= u3
e4 = = u4
hu3 ,e1 i
e
ke1 k2 1
hu4 ,e1 i
e
ke1 k2 1
hu3 ,e2 i
e
ke2 k2 2
hu4 ,e2 i
e
ke2 k2 2
= 12 (0, 0, 1, 1)
hu4 ,e3 i
e
ke3 k2 3
= 12 (1, 1, 0, 0)
8. Hallar la aproximacin de Fourier de orden 5 y la serie de Fourier de

la funcin f C[, ] siguiente:

f (x) =
+ x x < 0
x 0x
Deducir del resultado obtenido para la serie de Fourier la siguiente

igualdad:
1
1
1
1
2
= 1 + + 2 + 2 + 2 +
8
2 3
5
7
Tngase en cuenta que la funcin f (x) es par, de modo que bk = 0

para todo k 1. El clculo del resto de los coecientes de Fourier da:
a0 =
ak =
=
=
R
R
1
1
f
(x)
dx
=
2
0 (
R
1
f (x) cos(kx) dx =
x) dx =
i
x2
2 0
i
R
(
x)
cos(kx)
dx
=
(
+
x)
cos(kx)
dx
+
0
(
0
si k es par
2
(1 cos(k)) =
k2
4
si k es impar
k2
1
hR
0
La penltima igualdad se obtiene integrando por partes.

La aproximacin de Fourier de orden 5 es
f5 (x) =
4
4
4
+ cos(x) + 2 cos(3x) + 2 cos(5x)
2
3
5
La serie de Fourier es
f (x) =
cos x +
4
(2k+1)2
Escrito de un modo sinttico,
4
32
cos(3x) +
4
52
cos(5x)+
cos((2k + 1)x) +
7.5
155
4 X cos((2k + 1)x)
f (x) = +
2
(2k + 1)2
k=0
Como f (0) = y cos(0) = 1, resulta

1
4
1
1
= +
1 + 2 + 2 + 2
2
3
5
7
De manera que
X
1
1
1
1
2
= 1 + 2 + 2 + 2 + =
8
3
5
7
(2k + 1)2
k=0
9. Hallar la aproximacin de Fourier de orden 6 y el desarrollo en serie

de Fourier de la funcin f (x) = x en el intervalo [, ]. Utilizando el
resultado, obtener la igualdad siguiente:
1 1 1 1
= 1 + + .
4
3 5 7 9
Tngase en cuenta que la funcin f (x) es impar, de modo que ak = 0

para todo k = 0, 1, 2, . . . . Calculemos el resto de coecientes de Fourier.
1
bk =
k
x sen(kx) dx =
2
(1)k+1
k
La igualdad se obtiene integrando por partes. En consecuencia, la

aproximacin de Fourier de orden 6 es
2
2
2
2
f6 (x) = 2 sen xsen(2x)+ sen(3x) sen(4x)+ sen(5x) sen(6x) =
3
4
5
6
1
1
1
1
1
= 2 sen x sen(2x) + sen(3x) sen(4x) + sen(5x) sen(6x)
2
3
4
5
6
El desarrollo en serie de Fourier de f (x) = x es, por tanto,

1
1
1
f (x) = x = 2 sen x sen(2x) + sen(3x) sen(4x)+
2
3
4
1
+ (1)k+1 sen(kx) +
k
156
Escrito de un modo sinttico,

f (x) = x = 2
X
(1)k+1 sen(kx)
k=1
Si se escoge x = 2 , resulta

1 1 1
= 2 1 + +
2
3 5 7
En consecuencia,
X (1)k
1 1 1
= 1 + + =
4
3 5 7
2k + 1
k=0
REFERENCIAS
157
Referencias
[1] Burgos, J., lgebra Lineal y Geometra Cartesiana, McGRaw-Hill, 2006.

[2] Fernndez, C.F., Vzquez, F.J., Vegas, J. M., Ecuaciones diferenciales
y en diferencias, Thomson, 2003.
[3] Hernndez, E.,lgebra y Geometra, Adisson-Wesley/Universidad
Autnoma de Madrid, 1994.
[4] Lipschutz, S.,lgebra Lineal, McGraw-Hill, 2003.
[5] Lpez, M., Problemas resueltos de Ecuaciones Diferenciales, Thomson,
2007.
[6] Merino, L., Santos, E., lgebra Lineal con mtodos elementales, Thomson, 2006.
[7] Nicholson, W. K.,lgebra Lineal con aplicaciones, McGraw-Hill, 2003.
[8] Strang, G., lgebra Lineal y sus aplicaciones, Thomson, 2007.
[9] Villa, A.,Problemas de lgebra con esquemas tericos, Clagsa, 1994.

Algebra Lineal Apuntes de Teoria y Ejercicios Resueltos

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Algebra Lineal Apuntes de Teoria y Ejercicios Resueltos

Încărcat de

Drepturi de autor:

Formate disponibile

lgebra Lineal

Jos Manuel Salazar

El contenido de este libro no podr ser reproducido,

1.1. CLCULO DEL RANGO POR EL MTODO DE GAUSS

2.1. ESPACIOS VECTORIALES. SUBESPACIOS

3.1. PRIMERAS DEFINICIONES Y PROPIEDADES . . . .

4. DIAGONALIZACIN Y FORMAS CANNICAS

5. SISTEMAS DE ECUACIONES DIFERENCIALES

5.1. SISTEMAS LINEALES DE PRIMER ORDEN . . . . . . . .

6. PRODUCTO ESCALAR. ESPACIO EUCLDEO

PRODUCTO ESCALAR. LONGITUDES Y NGULOS

7. SOLUCIONES A LOS EJERCICIOS PROPUESTOS

CLCULO DEL RANGO POR EL MTODO DE GAUSS

Denicin 1. Una matriz es escalonada si:

Supongamos que la matriz escalonada cumple, adems:

son matrices escalonadas reducidas mientras que

es escalonada pero no es escalonada reducida.

Paso 1. Si Aj1 es la primera columna de A con una entrada no nula,

Observacin 1. El rango de una matriz

A es invariante por operaciones

SISTEMAS DE ECUACIONES LINEALES

Denicin 3. Una expresin de la forma

a11 x1 + a12 x2 + + a1n xn

am1 x1 + am2 x2 + + amn xn = bm

donde los aij (coecientes) y los bi (trminos independientes) son nmeros

SISTEMAS DE ECUACIONES LINEALES

se las llama matriz de coecientes y matriz ampliada de coecientes de (I).

1.2.1. Mtodo de eliminacin de Gauss

1.2.2. Discusin de sistemas de ecuaciones lineales

Dado un sistema (I) A

2. El sistema es incompatible si r(A) < r(A).

1.2.3. Regla de Cramer

siendo Ai la columna i-sima de A para i = 1, . . . , n.

PROPIEDADES DE LOS DETERMINANTES

1. Dadas tres matrices cuadradas

A, B, C iguales, salvo que la i-sima

3. Dada una matriz cuadrada

4. Dada una matriz cuadrada A y dada la matriz B obtenida de multi-

5. Dada una matriz cuadrada A y dada la matriz B obtenida de sumar a

una la (columna) de A otra la (columna) multiplicada por un escalar

6. Una matriz cuadrada A es regular si y slo si det(A) 6= 0.

A puede obtenerse desarrollando por cualquiera de sus las o columnas:

Denicin 4. (Espacio vectorial)

Decimos que un conjunto no vaco V es un espacio vectorial sobre un

Observacin 2. De las propiedades enunciadas se deducen las siguientes:

Denicin 5. (Subespacio vectorial)

Un subconjunto W del espacio vectorial V es un subespacio vectorial de

ii) W es cerrado para el producto por escalares: si u W y a K,

1. Si W es un subespacio vectorial de V , entonces 0

2. Todo subespacio vectorial W de V tiene asimismo estructura de espacio

Denicin 6. (Combinacin lineal)

Diremos que un vector v V es combinacin lineal de la familia S =

Al conjunto L(S) se le llama envolvente lineal de S o subespacio generado

DEPENDENCIA E INDEPENDENCIA LINEAL. BASES

Denicin 7. (Dependencia e independencia lineal)

o, dicho de otro modo, si existe un vector vi S que se puede poner como

entonces a1 = = am = 0. Esto equivale a decir que ningn vector de S se

1. {v1 } es l.i. (linealmente independiente) si y slo si

DEPENDENCIA E INDEPENDENCIA LINEAL. BASES

2. Si {v1 , . . . , vm } es l.d. (linealmente dependiente), entonces

Denicin 8. (Sistema de generadores)

Un conjunto de vectores S V es un sistema de generadores del espacio

Una familia de vectores B V es una base del espacio vectorial V si es

Propiedades. Sea V un espacio vectorial de dimensin nita n. Entonces:

Denicin 1. Una matriz es escalonada si:

Denicin 3. Una expresin de la forma

donde los aij (coecientes) y los bi (trminos independientes) son nmeros

se las llama matriz de coecientes y matriz ampliada de coecientes de (I).

una la (columna) de A otra la (columna) multiplicada por un escalar

A puede obtenerse desarrollando por cualquiera de sus las o columnas:

Denicin 4. (Espacio vectorial)

Denicin 5. (Subespacio vectorial)

Denicin 6. (Combinacin lineal)

Denicin 7. (Dependencia e independencia lineal)

Denicin 8. (Sistema de generadores)

Propiedades. Sea V un espacio vectorial de dimensin nita n. Entonces:

Sea A Mmn (K). Las las de A,

Denicin 10. (Interseccin de subespacios vectoriales)

Denicin 11. (Suma de subespacios vectoriales)

Denicin 12. (Suma directa de dos subespacios)

Tambin es posible denir la suma directa para ms de dos subespacios

Denicin 13. (Coordenadas de un vector respecto de una base)

Dado un K-espacio vectorial V de dimensin nita n y dada una base

Propiedades. Sea V un K-espacio vectorial de dimensin nita n y sea B

Denicin 14. (Aplicacin lineal)

Denicin 15. (Ncleo e imagen de una aplicacin lineal)

Dada una aplicacin lineal f : V V 0 , se dene el ncleo de f , Ker(f ),

Denicin 16. (Monomorsmos, epimorsmos e isomorsmos)

: V V 0 una aplicacin lineal. Se verica:

1. f es un monomorsmo si y slo si Ker(f ) = {0} (dim(Ker(f )) = 0).

Teorema 2. Dos espacios vectoriales de dimensin nita