De Todo Un Poco

INDICE
TEMA 1. INTRODUCCI
ON
1.- VECTORES
2.- RECTAS Y PLANOS: INCIDENCIA Y PARALELISMO
3.- PROBLEMAS
TEMA 2. SISTEMAS DE ECUACIONES LINEALES MATRICES.
1.- SISTEMAS LINEALES
2.- OPERACIONES ELEMENTALES
3.- MATRICES. ECUACIONES MATRICIALES
4.- PROBLEMAS
TEMA 3. ESPACIOS VECTORIALES
1.- ESPACIOS VECTORIALES
2.- SUBESPACIOS VECTORIALES
3.- BASES DE UN ESPACIO VECTORIAL
4.- DIMENSION DE UN ESPACIO VECTORIAL
5.- CAMBIOS DE BASE
6.- PROBLEMAS
TEMA 4. APLICACIONES LINEALES
1.- DEFINICI
ON DE APLICACI
ON LINEAL Y EJEMPLOS
2.- MATRIZ ASOCIADA A UNA APLICACI
ON LINEAL FIJADAS UN PAR DE

BASES
3.- OPERACIONES, COMPORTAMIENTO DE LA MATRIZ ASOCIADA
4.- N
UCLEO E IMAGEN. RANGO DE UNA APLICACI
ON LINEAL. RANGO DE
UNA MATRIZ
1
2
5.- APLICACI
ON LINEAL Y DIMENSIONES
6.- ESPACIO DUAL
7.- PROBLEMAS
TEMA 5. PROGRAMACI
ON LINEAL
1.- INTRODUCCI
ON Y EJEMPLOS
2.- FORMULACI
ON DEL PROBLEMA Y AN
ALISIS GEOM
ETRICO EN EL PLANO
3.- FORMULACI
ON DEL PROBLEMA EN R
n
: EL ALGORITMO DEL SIMPLEX
4.- PROBLEMAS
TEMA 6. DETERMINANTES
1.- DEFINICION
2.- PROPIEDADES
3.- MENORES Y ADJUNTOS
4.- RANGO E INVERSION DE MATRICES
5.- PROBLEMAS
TEMA 7. DIAGONALIZACION Y FORMAS CANONICAS
1.- INTRODUCCION
2.- AUTOVALORES, AUTOVECTORES Y POLINOMIO CARACTERISTICO
3.- UNA CONDICION NECESARIA Y SUFICIENTE PARA LA DIAGONALIZA-
CION
4.- POLINOMIOS DE MATRICES. T
a
DE CAYLEY-HAMILTON. POLINOMIO
MINIMO
5.- ENDOMORFISMOS NILPOTENTES Y T
a
DE DESCOMPOSICION
6.- T
a
DE JORDAN
7.- PROBLEMAS
3
TEMA 8. ESPACIOS VECTORIALES EUCLIDEOS
1.- DEFINICION, PROPIEDADES BASICAS Y EJEMPLOS
2.- BASES ORTONORMALES
3.- PROYECCIONES ORTOGONALES
4.- APLICACIONES LINEALES ENTRE ESPACIOS EUCLIDEOS
5.- TEORIA ESPECTRAL
6.- PROBLEMAS
TEMA 9. FORMAS BILINEALES Y CUADRATICAS
1.- FORMAS BILINEALES: DEFINICION Y PROPIEDADES
2.- FORMAS CUADRATICAS: DEFINICION Y PROPIEDADES
3.- ESTUDIO DEL SIGNO DE UNA FORMA CUADRATICA. DIAGONALIZA-
CION DE FORMAS CUADRATICAS
4.- PROBLEMAS
TEMA 10. GEOMETRIA EN EL PLANO Y EN EL ESPACIO. CONICAS
Y CUADRICAS
1.- PROBLEMAS METRICOS EN EL PLANO Y EN EL ESPACIO
2.- CONICAS: DEFINICION, CLASIFICACION Y EJEMPLOS
3.- CUADRICAS: DEFINICION, CLASIFICACION Y EJEMPLOS
4.- PROBLEMAS
4
1. INTRODUCCI
ON
1.- VECTORES
2.- RECTAS Y PLANOS: INCIDENCIA Y PARALELISMO
3.- PROBLEMAS
1.1. Vectores. Introduccion, R, R
2
, R
3
, sistema de referencia, denicion de vector: modulo,
direccion y sentido. Operaciones. Vectores equipolentes, la relacion de equipolencia es una
relacion de equivalencia, Vectores jos y libres. Si PQ [AB][PQ] = [AB], Las clases de
equivalencia de los vectores del plano o coinciden o son disjuntas, Dados un vector libre [AB]
y un punto P siempre existe un representante de [AB] con origen en el punto P.
1.2. Rectas y planos: incidencia y paralelismo. Rectas en el plano, ecuaciones: vec-
torial, parametrica, continua, general. Vector director, pendiente: La pendiente de una recta no
depende del vector director elegido. Posicion relativa de dos rectas en el plano, haz de rectas.
Rectas en el espacio, planos en el espacio, Posiciones relativas de planos y rectas en el
espacio: recta-recta, rectaPlano, planoPlano, haz de planos.
1.3. Problemas. 1.- Denimos el conjunto de vectores jos de R
2
por:
R
2
R
2
= ((x, y), (z, t)) / (x, y), (z, t) R
2
Decimos que ((x, y), (z, t)) esta relacionado con ((x
, y
), (z
, t
)) si y solo si
(z x, t y) = (z
, t
)
En este caso diremos que son dos vectores equipolentes ().
Dar ejemplos de vectores equipolentes.
Demostrar que la relacion anterior de equipolencia es una relacion de equivalencia, es decir,
es una relacion reexiva, simetrica y transitiva.
Denimos la clase del vector jo v, y la denotaremos por [v] al conjunto de vectores equipo-
lentes a v.
Demostrar que si u [v] entonces [u] = [v]
Demostrar que dos clases de vectores o coinciden o son disjuntas.
2.- En el pinar de Rascafra queremos enviar una se nal luminosa de una torre de vigilancia,
E, a otras dos, R1 y R2. En un mapa topograco de la zona, la torre de vigilancia emisora,
E, esta situada en la marca (1, 1) y las receptoras, R1, en (9, 6) y R2 en (7, 4). Al analizar las
curvas de nivel del lugar se ha detectado un posible obstaculo en las trayectorias de la se nal
situado en (5, 3). Llegara la se nal a las dos torres?
3.- Determinar a y b para que las rectas r y r
se corten en el punto P, en los siguientes

casos:
i) r (a +b)x + (a b)y = 15, r
(2a 3b)x + (2a 5b)y = a + 2b, P = (3, 7).

ii) r (a 1)x + 2by = a, r
(a + 3b)x + (a + 2b)y = b, P = (1, 1).

4.- Un chopo (C), un pino (P) y un abeto (A) estan colocados con arreglo a las siguientes
distancias: d(C, P) = 30, d(C, A) = 40 y d(P, A) = 60. Estan los tres arboles alineados?
1. INTRODUCCI
ON 5
5.- Un segmento de longitud l se mueve en el plano de forma que uno de sus extremos
esta siempre sobre un eje coordenado y el otro extremo sobre el otro eje. Cual es el lugar
geometrico descrito por el punto medio del segmento?.
6.- (Feb. 93) a) Demostrar que
_
x z = 1
by + 2z = 1
determina una recta r para cualquier
valor de b R.
b) Estudiar la posicion relativa de r con el plano x +y +z = 0.
7.- Determinar la ecuacion del plano
1
que contiene al punto P(0, 1, 3) y a la recta
r
_
_
x = 1 +
y = 2
z = 3 + 2
8.- Hallar la ecuacion del plano que pasa por el punto de interseccion de los planos 3x +
2y z = 0, 2x y +3z = 1 y x +y +z = 2 y que sea paralelo al plano 3x 2y +4z =
3.
9.- Dada la recta r
1

2
, con
1
x +y 3z + 2 = 0 y
2
2x y +z 1 = 0,
hallar las ecuaciones de la recta s paralela a r y que pasa por (1, 0, 1).
10.- Hallar una ecuacion del plano que contiene al punto P = (1, 5, 2) y es paralelo al
plano 3x 7y + 4z = 5
11.- Hallar la ecuacion de una recta coplanaria con la recta r
_
3x 5y + z = 2
x + 2y + z = 4
_
,
contenida en el plano 2x 3y + 6z + 7 = 0 y que corta a la recta s
x
4
=
y
2
=
z
7
.
12.- Hallar el angulo que forman las rectas:
a)
_
r x + 2y + 1 = 0
s x 3y + 1 = 0
b)
r
_
A = (1, 2)
v = (2, 1)
r
_
B = (3, 1)
w = (2, 2)
13.- Hallar la distancia del punto P a la recta r
a) P = (3, 4) r 4x 2y + 5 = 0
b) P = (1, 2) r 3x 2y + 10 = 0
14.- Calcular la recta perpendicular com un de:
a)
r
_
x2
3
=
y
1
=
z
4
s
_
x
1
=
y1
2
=
z1
3
b)
r
_
_
x = t
y = 1 + 5t
z = 1 + 9t
s
_
x3
2
=
y
5
=
z+1
9
6
15.- Calcular la distancia entre las rectas:
r 3x 2y + 4 = 0 s 3x 2y 15 = 0
16.- Hallar la distancia entre r y s ( y la perpendicular com un si se cruzan)
r
_
x = z 1
y = 2 3z
s
_
x 4 = 5z
y = 4z 3
17.- Hallar la distancia entre y r siendo:
a)r
_
2x 4z 2 = 0
2y z 4 = 0
4x +y + 2z 6 = 0
b)r
_
x 2z 3 = 0
y z = 0
x 3y 2z 4 = 0
18.- Hallar la distancia entre y siendo:
a) 2x y +z 7 = 0 2x y +z + 10 = 0
b) 2x +y z 2 = 0 x + 2y + 4z 7 = 0
19.- Hallar la ecuaci on de la esfera (o de las esferas) que tiene el centro en la recta r
_
x +y +z = 0
2x y + 4 = 0
_
, y es tangente a los planos 2x y 2z = 11 y 2x y 2z = 7.
20.- Hallar el lugar geometrico de los puntos del plano para los cuales la suma de las
distancias a las rectas x +y = 1 y x +y = 2 es igual a b, en los casos: i) b = 5 ii) b = 1/
2 iii)
b = 1/5.
21.- Probar que si dos rectas del plano, con pendientes m
1
y m
2
, son perpendiculares
entonces m
1
=
1
m
2
.
22.- En el plano se consideran los puntos P(2, 0) y Q(3, 3).
a) obtengase la longitud de los lados y los otros dos vertices del cuadrado que tiene a P y
Q por vertices opuestos.
b) obtengase la longitud de los lados y los otros dos vertices de cada cuadrado que tenga
un lado denido por los vertices P y Q.
23.- Hallar el lugar geometrico de los puntos medios de las cuerdas de la circunferencia
(x 1)
2
+ (y 2)
2
= 4
que pasan por (1, 0).
24.- Consideremos, en el plano, la ecuacion:
(x + 1) +
2
(y 3) +x y = 0, R
a) Para que valores de la ecuacion determina una recta?
b) Probar que por cada punto del plano pasan a lo sumo dos rectas de la familia .
c) Hallar la ecuacion del lugar geometrico de los puntos del plano por los que pasa una unica
recta de la familia .
d) Obtener la ecuacion del lugar geometrico de los puntos del plano tales que las dos rectas
de que pasan por ellos son perpendiculares.
25.- Dados tres puntos en el espacio A, B y C :
a) Encontrar condiciones para que los tres puntos esten en una recta.
1. INTRODUCCI
ON 7
b) Encontrar condiciones para que los tres puntos esten en un plano.
c) Encontrar condiciones para que los tres puntos esten en un solo plano.
26.- Demostrar el teorema de Pitagoras.
27.- (Feb. 92) Dada la circunferencia C
_
x
2
+y
2
+z
2
= 10/3
x +y +z = 3
_
.
a) Determinar el centro y el radio de C.
b) Hallar la ecuacion (o las ecuaciones) cartesiana de la esfera (esferas) E de radio 1 tal
que su interseccion con el plano x +y +z = 3 es C.
28.- Sea w = w
1
+iw
2
un n umero complejo de modulo 1. Sea
F : C C
z w z
Probar que si consideramos C como el plano entonces F(z) se obtiene girando z un angulo igual
a arg w.
29.- Localizar en un mapa un tesoro que esta enterrado a 3 metros de un alcornoque A y
equidista de un enebro E y un pino P.
30.- Estudiar la posicion relativa de las siguientes rectas en el plano:
y +x = 0 y x = 3 y x = 0 y x = 5 2y + 2x = 15
y x = 12 2y + 2x = 1 2y + 2x = 3 2y + 2x = 5 y x = 13
2y + 2x = 7 3y 3x = 2y + 2x = 9 y x = 10 3y 3x = 2
y x = 6 y x = 4 2y + 2x = 13 x +y = 2 x y = 1
y +x = r , donde r = 1, ...., 18
3x 3y = sup
n
n + 1
: n N + sup
n + 1
n
: n N
8x + 8y = 1 inf
n + 1
n
: n N
9x 9y = 9 inf
n + 1
n
: n N
31.- Hallar la ecuacion cartesiana del plano asimetrico del plano 2x y + z = 1 respecto
de la recta
_
x = 2z + 1
y = z 1
_
32.- Se considera la familia uniparametrica de curvas:
4xp +y
2
+ 4p
2
+ 2x + 4y + 4 = 0, p R.
Calcular la ecuacion cartesiana del lugar geometrico de los puntos del plano por los que
pasa una y solo una curva de la familia anterior.
33.- Se considera la familia de circunferencias
x
2
+y
2
4x +
2
b
2
= 0,
donde b es una constante y es un parametro real. Se consideran los puntos P R
2
de
contacto de las tangentes a estas circunferencias, que son paralelas al eje OX. Calcular el lugar
geometrico de los puntos P.
34.- Hallese la ecuacion del plano , que es perpendicular al plano
x +y 3z +2 = 0,
pasa por el punto P y es paralelo a r, donde P y r son los que aparecen en el problema 7.
8
2. SISTEMAS DE ECUACIONES LINEALES MATRICES.
1.- SISTEMAS LINEALES
2.- OPERACIONES ELEMENTALES
3.- MATRICES. ECUACIONES MATRICIALES
4.- PROBLEMAS
2.1. Sistemas Lineales.
Introduccion.
a)
_
2x +y = 3
x y = 0
b)
_
2x +y = 3
4x + 2y = 8
c)
_
2x +y + 3z = 3
x y +z = 0
d)
_
(x 1)
2
+ (y 1)
2
= 1
x y = 0
Denicion SISTEMA LINEAL de m ecuaciones con n incognitas
(S)
_
_
a
11
x
1
+a
12
x
2
+ +a
1n
x
n
= b
1
a
21
x
1
+a
22
x
2
+ +a
2n
x
n
= b
2
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
a
m1
x
1
+a
m2
x
2
+ +a
mn
x
n
= b
m
Denicion de MATRIZ, denicion de matriz asociada a un sistema lineal
Denicion de SOLUCI
ON s = (s
1
, s
2
, s
n
) de un sistema lineal
(S)
_
_
a
11
s
1
+a
12
s
2
+ +a
1n
s
n
= b
1
a
21
s
1
+a
22
s
2
+ +a
2n
s
n
= b
2
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
a
m1
s
1
+a
m2
s
2
+ +a
mn
s
n
= b
m
CLASIFICACI
ON de los sistemas lineales:

Sistemas COMPATIBLES
DETERMINADOS
INDETERMINADOS
Sistemas INCOMPATIBLES
PROPOSICI
ON: Si un sistema lineal tiene dos soluciones entonces el sistema tiene

innitas soluciones
Denicion de sistemas EQUIVALENTES
Denicion de sistemas HOMOG
ENEOS
2. SISTEMAS DE ECUACIONES LINEALES MATRICES. 9
Observaciones sobre sistemas lineales homogeneos: Compatibilidad y determinacion.
PREGUNTAS:
a) Que pasa con la suma y el producto por un escalar de soluciones de un sistema
homogeneo?
b) Sea (0, 0, 0) solucion del sistema S, es S homogeneo?
SISTEMA HOMOG
ENEO ASOCIADO a un sistema lineal dado

PROPOSICI
ON: Si h es una solucion del sistema homogeneo y s es solucion del sis-

tema completo. Entonces s + h tambien es solucion del sistema completo, (principio
de superposicion)
PREGUNTA: Se consideran dos sistemas lineales de ecuaciones siguientes:
(S
1
) AX = B
1
(S
2
) AX = B
2
Es decir, tienen los mismos coecientes pero distintos terminos independientes. Supong-
amos que S
1
es incompatible y S
2
es compatible. Sea B = B
1
+B
2
Sea (S) AX = B
es compatible este sistema?
2.2. Operaciones elementales en sistemas lineales.
TEOREMA: Si en un sistema se sustituye una ecuacion e
i
por ella mas una combinacion
lineal de las restantes, es decir,
1
e
1
+
2
e
2
+. . .
n
e
n
=
1
b
1
+
2
b
2
+. . .
n
b
n
Siempre que
i
,= 0, el sistema que se obtiene es equivalente.
CONSECUENCIAS: las operaciones elementales que realizamos para transformar un
sistema en otro equivalente son:
Sustituir una ecuacion por ella multiplicada por ,= 0, R
Sustituir una ecuacion por la suma de ella y otra
Sustituir una ecuacion por la combinacion lineal de ella con otra u otras.
Cambiar el orden de las ecuaciones
OBSERVACIONES: las de ceros o las con ceros excepto el ultimo termino.
METODO DE GAUSS
Introduccion: Sistemas triangulares, programacion, b usqueda de ceros debajo de
la diagonal principal.
Ejemplo n = m
_
_
3x + 2y +z = 1
5x + 3y + 4z = 2
x +y z = 1
Ejemplo n > m
_
x +y +z = 1
x y z = 2
10
caso n < m
_
_
x +y +z = 10
x +y z = 8
x y +z = 2
x +y +z = 12
Casos generales: n = m, n > m, n < m
EJEMPLOS Y EJERCICIOS
2.3. Matrices.
Denicion de MATRIZ mn y ejemplos
_
_
a
11
a
1n
.
.
.
.
.
.
.
.
.
a
m1
a
mn
_
_
Tipos de matrices: Cuadrada, Rectangular, Iguales, Triangular Superior e Inferior,
Diagonal, Fila, Columna, Nula, Identidad, Simetrica, Antisimetrica.
EJEMPLO: Hallar x, y, z para que la matriz
A =
_
_
x x +y x z
x y y y +z
x +y z z y z
_
_
Sea:
Triangular superior
Triangular inferior
Simetrica
Antisimetrica
Denicion de SUMA DE MATRICES n m y de PRODUCTO DE UN ESCALAR
POR UNA MATRIZ y ejemplos
PROPIEDADES de las operaciones de matrices
Denicion del PRODUCTO DE MATRICES y ejemplos
PROPIEDADES del producto de matrices
OBSERVACIONES al producto de matrices:
La matriz identidad en el producto
El producto de matrices no es conmutativo
AB = 0 con A ,= 0 y B ,= 0
Relacion entre producto de matrices y operaciones elementales
Denicion de la TRASPUESTA de una matriz, ejemplos
PROPIEDADES de la traspuesta de una matriz
OBSERVACIONES: I
t
= I, Relacion entre traspuestas y simetricas
Denicion de matriz INVERSA
PROPIEDADES de la inversa
2.4. Ecuaciones matriciales.
Denicion y ejemplos. Resolucion de ecuaciones matriciales
2.5. Problemas. 35.- Discutir y resolver los siguientes sistemas de ecuaciones:
a)
_
_
2x y + 3z = 4
x +y z = 0
3x + 7y + 5z = 16
b)
_
_
x +y +z = 6
x + 2y + 2z = 11
2x + 3y 4z = 3
c)
_
_
x +y +z +t = 10
2x + 2y 2z 2t = 8
x +y +z 2t = 6
3x + 5y z t = 6
36.- Dados los puntos (1,7) , (6,2) y (4,6) , demostrar que por esos tres puntos pasa una sola
circunferencia en el plano y calcular su ecuacion, sabiendo que la ecuacion general del crculo
es: a(x
2
+y
2
) +bx +cy +d = 0 con a ,= 0.
37.- (Feb.96) Dados los planos:
_
1
2x 4y + 6z = 3
2
x 2y +nz = 1
3
3x +my + 9z = 3
a) Estudiar su posicion relativa seg un los valores de m, n R
b) Calcular los valores de m, n R para los cuales la interseccion de los planos
2
y
3
es
la recta de vector director (4, 2, 0) que pasa por el punto (3, 1, 0).
38.- Discutir y resolver, seg un los valores del parametro a el sistema:
_
_
1/x + 3/y 1/z = 0
1/x + 2/y + 1/z = 2
a/x + 1/y 1/z = 1
39.- Un ganadero compro 100 animales por 100 euros, al menos hay una vaca un cerdo y
un pollo y no hay otro tipo de animales. Si cada vaca cuesta 10 euros, un cerdo cuesta 3 euros
y un pollo cuesta 0,5 euros, Cuantos animales de cada tipo compro?
40.- Encontrar un polinomio p(x) de grado menor o igual que 2 tal que :
_
1
0
x
2
p(x)dx = 2
_
1
0
xp(x)dx = 0
_
1
0
p(x)dx = 0
es unico el polinomio ?
12
41.- (Feb.97) Sea r una recta denida por
r
_
y z + 1 = 0
x + 3y 2z + 2 = 0
y
1
y
2
planos dependientes de los parametros y
1
x +y z + 1 = 0;
2
x + (2 1)y z + = 0.
Estudiar las posiciones relativas de recta y planos, en funcion de los parametros y .
42.- Probar que si una matriz A M
nn
verica A
2
3A +I = O, entonces
A
1
= 3I A.
43.- (Feb-94) Dadas las matrices
P =
_
_
_
_
1 2 1 2
0 1 2 1
0 0 1 2
0 1 0 1
_
_
_
_
/
44
(R) y B =
_
_
_
_
2 1 0 4
3 1 1 2
1 1 0 1
3 1 0 1
_
_
_
_
/
44
(R),
calcular una matriz A /
44
(R) tal que P A = B P.
44.- Dada una matriz diagonal D, demostrar que es invertible si y solo si cada uno de los
elementos de la diagonal principal son diferentes de cero. Calcular la inversa de una matriz
diagonal.
45.- Calcular la inversa de las siguientes matrices
A =
_
_
2 4 6
4 5 6
3 1 2
_
_
, B =
_
_
_
_
1 1 1 1
1 2 1 2
1 1 2 1
1 3 3 2
_
_
_
_
C =
_
_
1 i 0
i 0 1
0 1 +i 1 i
_
_
46.- Calcular todas las soluciones de las ecuaciones matriciales siguientes: A X = B donde
(a) A =
_
_
1 1 1
0 1 2
0 2 4
_
_
; B =
_
_
1 1 1
0 1 1
0 2 2
_
_
(b) A =
_
_
1 1 1
0 1 2
0 2 4
_
_
; B =
_
_
0 0 0
0 0 0
0 0 0
_
_
47.- (Sep-93) Encontrar todas las soluciones de la ecuacion matricial A X = B, siendo
A =
_
_
_
_
1 2 0 1
2 3 1 1
5 1 0 3
4 0 1 3
_
_
_
_
y B =
_
_
_
_
1 0 1 4
0 1 0 2
1 0 1 2
2 1 2 8
_
_
_
_
.
48.- Dado un n umero complejo cualquiera z=a+bi con a ,= 0 o b ,= 0 probar que existe
w C tal que z w = 1 Indicacion: Dados z=a+bi y w=c+di se tiene z w = acbd+(ad+bc)i
49.- Dada la funcion racional q(x) =
x
1x
2
demostrar que existen dos constantes a y b tales
que
x
1 x
2
=
a
1 x
+
b
1 +x
50.- Demostrar que un polinomio no nulo de grado 2, con coecientes reales, tiene como
mucho dos races reales distintas.
51.- Discutir el siguiente sistema:
_
_
x
1
+ 2x
2
2x
3
= 1
3x
1
5x
2
+ 4x
3
= 1
4x
1
+ 7x
2
5x
3
= 2
2x
1
+ 4x
2
3x
3
= 4
52.- Estudiar las posiciones relativas de los tres planos siguientes, en funcion de los valores
que tomen los parametros , R
_
1
x y + 3z = 1
2
3x 5y + 7z + = 0
3
x 3y +z = 2
53.- Demostrar que cualquier matriz cuadrada puede expresarse como la suma de una ma-
triz simetrica y una antisimetrica.
54.- Una matriz cuadrada M se dice que es idempotente si M
2
= M. Sabiendo que A y
B son matrices cuadradas tales que A = AB y B = BA comprobar que A y B son idempotentes.
55.- Decir si son ciertas o no las siguientes armaciones, siendo A y S dos matrices cuadradas
y S simetrica:
a) A
t
A es simetrica
b) A
t
SA es simetrica
c) Si A es antisimetrica A
2
es simetrica
d) Si A es invertible (A
n
)
1
= (A
1
)
n
, n N
56.- Si A y B son dos matrices simetricas del mismo tama no. Pruebese que A B es
simetrica si y solo si A y B conmutan.
57.- Resolver la ecuacion matricial A X = B, para
A =
_
_
1 1 1
3 4 7
9 13 25
_
_
, B =
_
_
1 2 5
0 1 4
3 2 1
_
_
14
58.- Discutir y resolver los siguientes sistemas de ecuaciones:
a)
_
_
x +ay az = 0
x +y z = a 1
2x + 2y z = 2a + 2
b)
_
_
mx +y = n
x +my = n
x +y = 1
c)
_
_
x +y z = 1
2x + 3y +kz = 3
x +ky + 3z = 2
d)
_
_
x + 2y 3z = a
2x + 6y 11z = b
x 2y + 7z = 0
59.-
(a) Dadas n matrices A
j
, j = 1, . . . , n invertibles, demostrar que:
(A
1
A
n
)
1
= A
1
n
A
1
n1
A
1
1
.
(b) Demostrar que A /
nn
es invertible si y solo si A
t
es invertible.
(c) Probar que si A tiene una la o una columna nula entonces A no es invertible.
60.- Efectuar los productos de matrices:
a)
_
_
_
_
2 1 0 0
3 5 0 0
0 0 1 2
0 0 0 1
_
_
_
_
_
_
_
_
1 3 0 0
7 2 0 0
0 0 1 2
0 0 2 1
_
_
_
_
b)
_
_
_
_
2 1 0 0
3 5 0 0
1 2 0 0
0 0 1 1
_
_
_
_
_
_
_
_
0 0 0 1
0 0 0 1
1 1 0 2
0 0 1 2
_
_
_
_
61.- a) Dar un ejemplo de matriz A M
22
, no nula, para la que n N tal que A
n
= O.
b) Demostrar que una matriz A tal que n N tal que A
n
= O no es invertible.
62.- (Sep-94) Resolver la ecuacion matricial A X = I con
A =
_
_
_
_
2 0 3 2
4 0 5 1
1 1 2 3
1 1 3 2
_
_
_
_
Donde I es la matriz identidad de tama no 4 4.
63.- Sean A y B dos matrices cuadradas de orden n.
i) Demostrar que Tr(AB) = Tr(BA)
ii) Demostrar que es imposible la igualdad matricial AB BA = I
64.- Sea
A =
_
_
_
_
2 4 2 1
4 2 1 2
2 1 2 4
1 2 4 2
_
_
_
_
Calcular A
2
y A
1
.
65.- Resolver la siguiente ecuacion matricial AX = B
A =
_
_
1 1 0
0 1 1
2 0 0
_
_
; B =
_
_
2 5 1
3 6 2
2 0 2
_
_
66.- (Sep-91) Estudiar y resolver el siguiente sistema lineal:
_
_
px +qy = 1 pq
2
qx +py = 1 qp
2
pq(x +y) = p
2
q
2
Donde x e y son las incognitas y p y q son los parametros.
67.- Discutir los siguientes sistemas:
a)
_
_
x
1
+x
2
2x
3
x
4
= 0
2x
1
x
2
+x
3
2x
4
= 2
x
1
+ 2x
2
x
3
+x
4
= 3
3x
1
+ 4x
2
3x
3
x
4
= 1
b)
_
_
x
1
+x
2
2x
3
x
4
= 0
2x
1
x
2
+x
3
2x
4
= 2
x
1
+ 2x
2
x
3
+x
4
= 3
3x
1
+ 4x
2
3x
3
x
4
= 4
a)
_
_
4x
1
x
2
+ 2x
3
+x
4
= 0
2x
1
+ 3x
2
x
3
2x
4
=
7x
2
4x
3
5x
4
=
2x
1
11x
2
+ 7x
3
+ 8x
4
= 0
b)
_
_
ax
1
+x
2
+x
4
= 1
x
1
+ax
2
+x
3
= 1
x
2
+ax
3
+x
4
= 1
x
1
+x
3
+ax
4
= 1
a)
_
_
3x + 2y +z = t
x y + 2z = 1 +t
2
3x + 7y 4z = 1 t t
2
t
3
2x +y +bz = t
3
b)
_
_
x ay +z = 0
x y z = 0
2x y bz = 0
y +z = 0
16
3. ESPACIOS VECTORIALES
1.- ESPACIOS VECTORIALES
2.- SUBESPACIOS VECTORIALES
3.- BASES DE UN ESPACIO VECTORIAL
4.- DIMENSION DE UN ESPACIO VECTORIAL
5.- CAMBIOS DE BASE
6.- PROBLEMAS
3.1. Espacios vectoriales.
Introduccion: Denicion de CUERPO (R, C, Q) Sea K un conjunto sobre el que
denimos un par de operaciones:
+ : KK K : KK K
(x, y) x +y (x, y) x y
Diremos que (K, +, ) es un cuerpo si se cumplen la s siguientes propiedades:
1.- x +y = y +x, x, y K
2.- x + (y +z) = (x +y) +z, x, y, z K
3.- Existe un elemento neutro para la suma, el elemento nulo 0 tal que
x + 0 = 0 +x = x, x K
4.- x K Existe un unico elemento, el elemento opuesto, x K, cumpliendo que
x + (x) = 0
5.- xy = yx, x, y K
6.- x(yz) = (xy)z, x, y, z K
7.- x(y +z) = xy +xz, x, y, z K
8.- Existe un elemento neutro para el producto, el elemento unidad 1, tal que
1x = x1 = x
9.- x K, x ,= 0 Existe un unico elemento, el elemento inverso,
1
x
K, tal que
1
x
x = 1
A los elementos de un cuerpo los llamaremos escalares
Denicion de ESPACIO VECTORIAL, vectores. Sea V un conjunto y K un cuerpo
sobre el que estan denidas las siguientes operaciones:
+ : V V V : KV V
(x, y) x +y (x, y) x y
Diremos que (V, +, , K) es un Espacio Vectorial sobre el cuerpo K si se
cumplen las siguientes propiedades:
1.- x +y = y +x, x, y V
2.- x + (y +z) = (x +y) +z, x, y, z V
3. ESPACIOS VECTORIALES 17
3.- Existe un elemento neutro para la suma, el elemento nulo 0 V tal que
x + 0 = 0 +x = x, x V
4.- Existe un unico elemento, el elemento opuesto, x V , tal que
x + (x) = 0, x V
5.- Existe un elemento neutro para el producto por escalares, el elemento unidad
1 K, tal que
1x = x, x V
6.- (x) = ()x, x V, , K
7.- ( +)x = x +x, x V, , K
8.- (y +z) = y +z, y, z V, K
A los elementos de un espacio vectorial les llamaremos vectores
EJEMPLOS de Espacios Vectoriales:
70.- R
2
, R
3
con las operaciones usuales.
71.- (K, +, , K)
72.- (M
mn
, +, , K)
73.- (V
2
, +, , K) donde las operaciones las denimos por:
+ : V
2
V
2
V
2
: KV
2
V
2
(u, v) u +v (, v) v
En coordenadas:
u +v = (u
1
+v
1
, u
2
+v
2
) v = (v
1
, v
2
)
74.- (V
n
, +, , K) donde las operaciones las denimos por:
+ : V
n
V
n
V
n
: KV
n
V
n
(u, v) u +v (, v) v
En coordenadas:
u +v = (u
1
+v
1
, , u
n
+v
n
) v = (v
1
, , v
n
)
75.- V = x
n
n=1
: x
n
R Con las operaciones habituales de sucesiones y
sobre R
76.- El espacio vectorial cero.
77.- V el conjunto de las funciones reales de variable real, con sus operaciones
habituales sobre el cuerpo R.
78.- P
n
el conjunto de polinomios de grado n, con las operaciones habituales
sobre el cuerpo de los n umeros reales.
79.- Consideramos: (R
2
, , , R) donde denimos las operaciones como:
(x
1
, x
2
) (y
1
, y
2
) = (x
1
+y
1
, x
2
+y
2
2x
1
y
1
1)
(x
1
, x
2
) = (x
1
, x
2
+(1 )x
2
1
+ 1 )
a) Enunciar y demostrar las propiedades de elemento neutro y elemento opuesto.
18
b) Enunciar las restantes propiedades que deben de cumplir las operaciones denidas
para que R
2
sea un espacio vectorial. Demostradlas.
PROPIEDADES de los Espacios Vectoriales:
1.- Unicidad del elemento nulo
2.- Unicidad del elemento opuesto
3.- Si x +y = x +z y = z
4.- 0x = 0, x V
5.- 0 = 0 K
6.- x = 0 = 0 o x = 0
7.- ()x = (x) = (x) K, x V
8.- Si x = x y x ,= 0 =
9.- Si x = y y ,= 0 x = y
3.2. Subespacios vectoriales.
Denicion SUBESPACIO VECTORIAL
Ejemplos de Subespacios Vectoriales:
S = (x, y) R
2
: y x = 0
Un Plano que pase por el origen en R
3
Las funciones continuas
Las funciones acotadas
las funciones derivables
las matrices simetricas
PROPOSICI
ON.Caracterizacion de los Subespacios Vectoriales. Sea (V, +, , K) un

espacio vectorial sobre el cuerpo K y S V . Entonces S es un subespacio vectorial de
V si y solo si S ,= y
u +v S, , K y u, v S
EJEMPLOS
Sea S = (x, y) R
2
: y = 0 es S subespacio vectorial de R
2
?
Sea S = (x, y, z) R
3
: y = 0 es S subespacio vectorial de R
3
?
Sea S = (x, y) R
2
: y = x + 1 es S subespacio vectorial de R
2
?
Dar todos los subespacios vectoriales de R
2
sobre R con las operaciones habituales
de R
2
(Idem en R
3
)
Denicion de INTERSECCI
ON de Subespacios Vectoriales
PROPOSICI
ON: Sea (V, +, , K) un espacio vectorial sobre K y S

i
iI
una familia de
subespacios vectoriales de V , entonces la interseccion
iI
S
i
es un subespacio vectorial
de V .
OBSERVACI
ON: la interseccion de subespacios nunca es vaca.

Ejemplos
Denicion de subespacios vectoriales PROPIOS
Denicion de UNION de subespacios vectoriales
OBSERVACI
ON: En general, la union de subespacios vectoriales NO es subespacio

vectorial. Ejemplo.
Denicion de SUMA de subespacios vectoriales
PROPOSICI
ON: La suma de subespacios vectoriales es un subespacio vectorial.

EJEMPLOS:
Dos rectas (que tienen que pasar por el origen) en el espacio.
Dos rectas (idem) en R
2
Las funciones pares y las funciones impares.
Las matrices simetricas y antisimetricas.
Denicion de SUMA DIRECTA de dos subespacios vectoriales.
Caracterizacion de la suma directa de dos subespacios vectoriales
Generalizacion de suma directa de n subespacios vectoriales
EJEMPLOS:
funciones pares e impares
matrices simetricas y antisimetricas
Dos rectas en el plano que sean subespacio y que no sean coincidentes.
Un plano y una recta que sean subespacio y que la recta no pertenezca al plano.
Denicion de Subespacio vectorial SUPLEMENTARIO o COMPLEMENTARIO
Denicion de SUBESPACIO VECTORIAL GENERADO POR EL CONJUNTO S
PROPIEDADES
1.- S L(S)
2.- Si T es un subespacio vectorial y S T entonces L(S) T
3.- Si S es un subespacio vectorial entonces L(S) = S
4.-
L(S) = v V / x
1
, x
2
, , x
k
S,
1
,
2
, ,
k
K tal que v =
r
i=1
i
x
i
3.3. Bases de un espacio vectorial.
Denicion de COMBINACI
ON LINEAL
20
Denicion de SISTEMA DE GENERADORES
Denicion de espacio vectorial FINITAMENTE GENERADO
EJEMPLOS: 80.-
(a) (1, 0), (0, 1) en R
2
(b) 1, x, x
2
, x
3
, , x
n
en P
n
(x) y P(x)
81.- Expresar t
2
+ 4t 3 R[t] como combinacion lineal de los polinomios p
1
=
t
2
2t + 5, p
2
= 2t
2
3t, p
3
= t + 3.
PROPOSICI
ON: Sea (V, +, , K) un espacio vectorial sobre el cuerpo K. Sea S =

v
1
, , v
n
V , entonces v
1
, , v
n
es un sistema de generadores de V si
v V
1
, ,
n
K / v =
n
i=1
i
v
i
OBSERVACI
ON: En general vamos a trabajar con espacios vectoriales nitamente

generados.
EJEMPLOS:
1) El sistema S = (1, 1, 1), (0, 0, 1) es un sistema de generadores de R
3
?
2) Comprobar que B = (1, 0, 0), (0, 1, 0), (0, 0, 1) es un sistema de generadores de
R
3
PROPOSICI
ON: Sea (V, +, , K) un espacio vectorial sobre el cuerpo K y sea S V

un sistema de generadores de V . Supongamos que H V es un subconjunto de V tal
que S H entonces H es un sistema de generadores de V .
Denicion de conjunto LINEALMENTE DEPENDIENTE E INDEPENDIENTE.
PROPOSICI
ON: Sea (V, +, , K) un espacio vectorial sobre el cuerpo K y sea S =

v
1
, , v
n
V .
S es linealmente dependiente
1
, ,
n
K no todos nulos /
n
i=1
i
v
i
= 0
OBSERVACI
ON: Esto es equivalente a ver que:

S es linealmente independiente
n
i=1
i
v
i
= 0
i
= 0 i = 1, , n
EJEMPLOS: Ver si los siguientes conjuntos son linealmente dependientes o indepen-
dientes:
(a) 1, x, , x
n
en P
n
(b) (1, 0, 0, , 0), , (0, 0, 0, , 1) en R
n
(c) (1, 0), (1, 1), (2, 3) en R
2
(d) f(x) = sen
2
x, g(x) = cos
2
x, h(x) = 1 en C[0, 2]
(e) El vector 0
Denicion de BASE
EJEMPLOS:
(a) (1, 0), (0, 1) en R
2
(b) (1, 0, 0), (0, 1, 0), (0, 0, 1) en R
3
(c) 1, x, , x
n
en P
n
(d) (1, 0, 0, , 0), , (0, 0, 0, , 1) en R
n
PROPOSICI
ON: Sea (V, +, , K) un espacio vectorial sobre el cuerpo K y sea B =

v
1
, , v
n
base de V . Dado un x V existen unos unicos x
1
, x
2
, , x
n
K tales
que:
x = x
1
v
1
+x
2
v
2
+ +x
n
v
n
A los n umeros x
1
, x
2
, , x
n
se les llama coordenadas de x en la base B.
EJEMPLO: calcular las coordenadas del vector (3, 5) en bases distintas de R
2
TEOREMA DE LA BASE: Cualquier espacio vectorial no nulo nitamente generado
tiene al menos una base.
TEOREMA: Sea (V, +, , K) un espacio vectorial sobre el cuerpo K, si V tiene un sis-
tema generador con n elementos entonces cualquier conjunto de mas de n elementos
es linealmente dependiente.
COROLARIO: Todas las bases de un espacio nitamente generado poseen el mismo
n umero de elementos.
82.- Sea V el espacio vectorial real de las funciones reales denidas en el intervalo [0, 1],
respecto de las operaciones usuales. Considerense los subespacios U, de las funciones
que se anulan en los extremos del intervalo, y W engendrado por las funciones x e
x
y x e
x
. Obtener U W y U +W, expresando una cualquiera de sus funciones como
suma de una de U y otra de W.
3.4. Dimension de un Espacio Vectorial.
Denicion de DIMENSI
ON de un Espacio Vectorial.
PROPOSICI
ON: Si B = v
1
, v
2
, , v
n
una base de un espacio vectorial V no nulo.
Entonces:
V = L(v
1
) L(v
2
) L(v
n
)
COROLARIO Sea (V, +, , K) un espacio vectorial sobre el cuerpo K, nitamente gen-
erado, sea B = v
1
, v
2
, , v
n
base de V Entonces
V ,= 0, V = L(v
1
v
k
) L(v
k+1
v
n
)
Propiedades de las bases y la dimension
TEOREMA DE PROLONGACI
ON.1.- Sea (V, +, , K) un espacio vectorial sobre el

cuerpo K, nitamente generado, sea v
1
, v
2
, , v
k
un sistema de vectores lineal-
mente independiente. Entonces existe una base que contiene este conjunto.
22
PROPOSICI
ON 2.- Sea (V, +, , K) un espacio vectorial sobre el cuerpo K y sea

dim(V ) = n. S = v
1
, v
2
, , v
n
un conjunto formado por n elementos. S es base de
V si y solo si se cumple al menos una de las siguientes condiciones:
(i) S es linealmente independiente
(ii) S es sistema generador
EJEMPLOS: Demostrar que son bases de V :
(a) 1, (x 1), (x 1)
2
de P
2
(b)
_
1 0
0 1
_ _
0 1
1 0
_ _
1 0
0 1
_ _
0 1
1 0
_
de M
2
PROPOSICI
ON 3.- Sea dim(V ) = n, entonces todo sistema de mas de n elementos es

linealmente dependiente.
Ejemplo: S = 1, x + 1, 3x 2, 4x
2
+ 5x 1 en P
2
PROPOSICI
ON 4.- Si dim(V ) = n, todo sistema de generadores tiene al menos, n

elementos.
PROPOSICI
ON 5.- Sea K un cuerpo, y (K

n
, +, , K) el espacio vectorial correspondi-
ente sobre el cuerpo K, entonces dim(K
n
) = n
PROPOSICI
ON 6.- Sea K = R o C y sea P

n
(K) El espacio vectorial de los polinomios
de grado menor o igual que n con coecientes en el cuerpo K entonces dim(P
n
(K) =
n + 1
PROPOSICI
ON 7.- Sea M
mn
(K) el espacio vectorial de las matrices mn con a
ij
K
entonces dim(M
mn
(K)) = mn
Denicion del RANGO de un conjunto de vectores.
OBSERVACIONES:
(1) rg(u
1
, , u
i
, u
j
, , u
n
) = rg(u
1
, , u
j
, u
i
, u
n
)
(2) rg(u
1
, , u
i
, , u
n
) = rg(u
1
, , u
i
, u
n
) con ,= 0
(3) rg(u
1
, , u
i
, , u
j
, , u
n
) = rg(u
1
, , u
i
, , u
i
+u
j
, u
n
)
(4) rg(u
1
, , u
i
, , u
j
, , u
n
) = rg(u
1
, , u
i
, , u
i
+u
j
, u
n
), con ,= 0
PROPOSICI
ON: Sea (V, +, , K) un espacio vectorial sobre el cuerpo K y sea dim(V ) =

n. sea W V un subespacio de V entonces dim(W) dim(V ) = n De hecho, si W
es un subespacio propio de V entonces dim(W) < n
PROPOSICI
ON: Sean S y T dos subespacios de V de dimension nita, entonces

dim(S +T) = dimS + dimT dim(S T)
3.5. Cambios de base.
Cambios de base
La matriz asociada a un cambio de base
3.6. Problemas. 83.- Decidir la veracidad o falsedad de las siguientes armaciones:
a) R es C-espacio vectorial d) Q es R-espacio vectorial
b) C es R-espacio vectorial e) Z es Q-espacio vectorial
c) R es Q-espacio vectorial f) Q es Z-espacio vectorial
84.- En R
3
denimos las siguientes operaciones:
: R
3
R
3
R
3
, (x, y, z) (x
, y
, z
) = (x +x
+ 1, y +y
1, z +z
+ 3)
: R R
3
R
3
, (x, y, z) = (x + 1, y + 1, z + 3 3).
Probar que (R
3
; , ) es un R-espacio vectorial. Determinar cual es el elemento neutro
para la suma.
85.- Probar que R no tiene subespacios propios, es decir, que los unicos subespacios de R
son R y 0.
86.- Probar que el conjunto de soluciones de un sistema lineal homogeneo es espacio vec-
torial. Probar que el conjunto de soluciones de un sistema lineal no homogeneo no es espacio
vectorial.
87.- Expresar
_
1, 2, 5
_
R
3
como combinacion lineal de
_
1, 3, 2
_
,
_
2, 4, 1
_
y
_
1, 5, 7
_
.
88.- Determinar si en C[0, 1] las siguientes funciones son linealmente dependientes o inde-
pendientes:
i) sen x, cos x ii) sen
2
x, cos
2
x, 3 iii) x,
x,
3
x
89.- Demostrar que los vectores v = (1 + i, 2i) y w = (1, 1 + i) en C
2
son linealmente
dependientes sobre el cuerpo C pero son linealmente independientes si el cuerpo base es R.
90.- Sea W el subespacio de R
5
generado por los vectores
u
1
=
_
1, 2, 1, 3, 4
_
, u
2
=
_
2, 4, 2, 6, 8
_
, u
3
=
_
1, 3, 2, 2, 6
_
, u
4
=
_
1, 4, 5, 1, 8
_
, u
5
=
_
2, 7, 3, 3, 9
_
.
Hallar alg un subconjunto de u
1
, u
2
, u
3
, u
4
, u
5
que sea base de W.
91.- Sean U y W los subespacios de R
4
siguientes:
U = L((1, 2, 1, 0), (0, 1, 0, 1)) W = L((0, 0, 1, 1), (1, 1, 2, 2))
Hallar dimU, dimW, bases de U +W y U W, dim(U +W) y dim(U W).
92.- (Sep-97) Demostrar que el conjunto W de las matrices de la forma
_
3
3
_
(, , R)
es un subespacio vectorial de M
23
(R). Calcular un subespacio suplementario de W.
93.- (Abr-97) Sea V el espacio vectorial generado por
V = L1, x, x
2
, senx, cos x
y S el subconjunto de V denido por
S = f V/f(0) = f
(0) = f
(0)
a) Demostrar que S es un subespacio vectorial de V .
b) Hallar un subespacio vectorial suplementario de S en V .
24
94.- (Feb-98) Sea U el subespacio vectorial de M
2
(R) generado por las matrices
_
1 2
0 1
_
,
_
1 0
0 1
_
.
Dar una base de cada uno de los siguientes subespacios: U, U +S y U S donde S M
2
(R)
es el subespacio vectorial de las matrices simetricas.
95.- En R
4
consideramos el conjunto F = (x, y, z, t) : x + 3y z 3t = 0. Probar que F
es subespacio vectorial de R
4
y calcular una base del mismo. Prolongar la base de F a una de
R
4
. Hallar las ecuaciones del cambio de base de la hallada a la canonica de R
4
.
96.- a) Dado el polinomio x x
2
, calcular coecientes a, b, c, tales que
x x
2
= a +b(x 1) +c(x 1)
2
.
b) Sea p(x) =
n
k=0
a
k
x
k
R
n
[x] y sea R. Demostrar que existen unos unicos
0
,
1
, . . . ,
n
reales de modo que p(x) =
n
k=0
k
(x )
k
.
97.- Dado el sistema lineal
_
_
_
a
11
x +a
12
y +a
13
z = b
1
a
21
x +a
22
y +a
23
z = b
2
a
31
x +a
32
y +a
33
z = b
3
. Demostrar que el conjunto F de
vectores (b
1
, b
2
, b
3
) que hacen que ese sistema tenga solucion es un subespacio vectorial de R
3
.
Asimismo probar que el conjunto H de soluciones del sistema homogeneo asociado es tambien
un subespacio vectorial de R
3
y, nalmente, establecer que dim(F) +dim(H) = 3. -Es siempre
R
3
= F +H ?.
98.- Estudiar si los siguientes conjuntos, con las operaciones usuales de suma y producto
por escalares, son espacios vectoriales sobre R.
(1) El conjunto de polinomios p con coecientes reales tales que grado(p) n.
(2) El conjunto de polinomios p con coecientes reales tales que grado(p) = n.
(3) El conjunto de polinomios p con coecientes reales tales que grado(p) = n y el poli-
nomio nulo.
(4) El conjunto de todas las sucesiones reales convergentes.
(5) El conjunto de todas las sucesiones reales convergentes a 3.
(6) El conjunto de todas las sucesiones reales convergentes a 0.
99.- Dar un ejemplo de un subconjunto S R
2
tal que:
a) S +S S b) S S +S c) S +S = S pero S no es subespacio de R
2
.
100.- Sean U y W los subespacios de R
4
siguientes:
U = L((1, 2, 0, 1), (2, 1, 3, 1), (2, 4, 0, 2))
W = L((1, 2, 1, 0), (1, 1, 1, 1), (2, 1, 0, 1), (2, 2, 2, 2))
Hallar dimension y bases de U, W, U +W, y U W,
101.- Sean U = (a, b, c, d) R
4
: b +c +d = 0, W = (a, b, c, d) R
4
: a+b = 0, c = 2d.
Hallar una base para U, W, U W, U +W.
102.- Sea W = L(1, 0, 1, 0), (0, 1, 0, 1). Hallar un suplementario de W; una base de W y
una base de R
4
que prolongue a la de W.
103.- Sea V el espacio vectorial real de las funciones reales denidas en el intervalo [0, 1],
respecto de las operaciones usuales. Considerense los subespacios U, de las funciones que se
anulan en los extremos del intervalo, y W engendrado por las funciones x e
x
y x e
x
.
Obtener U W y U +W, expresando una cualquiera de sus funciones como suma de una de U
y otra de W.
104.- En T
n
(R) llamemos S
1
= x
k
: kimpar, 1 k n y S
2
= x
k
: k par, 0 k n
(supondremos que 0 es par). Describir L(S
1
) y L(S
2
). Demostrar que T
n
(R) = L(S
1
) L(S
2
).
105.- Sean H = L(1, 1, 2), (1, 1, 0), (3, 3, 4) y
S = L(0, 1, 1), (0, 1, 2), (0, 0, 0), (0, 0, 1). Hallar bases de H, S, H +S y H S.
106.- Calcular la dimension del espacio C de los n umeros complejos considerado como
espacio vectorial sobre C y como espacio vectorial sobre R.
107.- Sean E, F y G subespacios de un espacio vectorial V. Estudiar la veracidad o falsedad
de las siguientes igualdades: a) E (E +F) = E b)E +(E F) = E c)E (F +G) =
(E F) + (E G) d)E + (F G) = (E +F) (E +G).
108.- Demostrar que 1 = a + b
2 : a, b Q con las operaciones usuales de suma y

producto por escalares es un espacio vectorial sobre Q. Lo es tambien sobre R?.
109.- Sean F
1
y F
2
dos subespacios vectoriales de un espacio vectorial V de dimension nita.
Supongamos que dim(F
1
F
2
) = k ,= 0. Demostrar la formula de la suma de subespacios:
dim(F
1
+F
2
) = dimF
1
+ dimF
2
dim(F
1
F
2
) .
(Indicacion: tomar una base de la interseccion, ampliarla a bases de F
1
y F
2
y, a partir de ellas,
alcanzar una base de la suma)
110.- Estudiar si los siguientes conjuntos de R
2
son espacios vectoriales sobre R (con la
suma y el producto usuales en R
2
:
a) (x, y) R
2
: 2x + 3y = 0
b) (x, y) R
2
: 2x + 3y = 1
c) (x, y) R
2
: 2x + 3y = 0, 6x 9y = 0
d) (x, y) R
2
: 2x + 3y = 0, 6x 9y = 6
e) (x, y) R
2
: x
2
+y
2
= 1
f) (x, y) R
2
: x
2
y = 0
111.- a) Se considera el conjunto S = p R
3
[x] : p(0) = p(1) = 0. Demostrar que S es
un subespacio vectorial de R
3
[x] (el espacio vectorial de los polinomios de grado menor o igual
que 3, con coecientes reales). Calcular la dimension de S y hallar una base de S.
b) Encontrar razonadamente un subespacio T de R
3
[x] de modo que S T = R
3
[x].
112.- Sea /
22
(R) el espacio vectorial de las matrices de tama no 2 2. Se consideran
A
1
=
_
1 0
0 1
_
y A
2
=
_
0 1
1 0
_
.
a) Calcular A
3
y A
4
tal que B = A
1
, A
2
, A
3
, A
4
sea base de /
22
(R).
b) Sea S = L(A
1
, A
2
). Calcular un suplementario de S en /
22
(R).
113.- (Sep-99)
1) (2 puntos) Demuestra que el conjunto de las matrices cuadradas de orden n que conmutan
-al multiplicar- con una matriz dada A /
n
(K) es no vaco y tiene estructura de espacio
vectorial.
26
2) (4 puntos) Da una base del subespacio de matrices que conmutan con B =
_
1 1
1 1
_
.
Describe el subespacio vectorial de las matrices que conmutan simultaneamente con B y con
B
=
_
1 0
1 1
_
.
3) (4 puntos) Demuestra que A /
n
(K) conmuta con cualquier M /
n
(K) si y solo si
conmuta con todos los elementos de una base de /
n
(K). Como consecuencia, demuestra que
A ha de ser m ultiplo de la matriz identidad.
114.- Sean H = L(1, 3, 2, 2, 3), (1, 4, 3, 4, 2), (2, 3, 1, 2, 9) y
S = L(1, 3, 0, 2, 1), (1, 5, 6, 6, 3), (2, 5, 3, 2, 1). Hallar bases de H, S, H +S y H S.
4. APLICACIONES LINEALES 27
4. APLICACIONES LINEALES
1.- DEFINICI
ON DE APLICACI
ON LINEAL Y EJEMPLOS
2.- MATRIZ ASOCIADA A UNA APLICACI
ON LINEAL EN UN PAR DE BASES

DADAS
3.- OPERACIONES COMPORTAMIENTO DE LA MATRIZ ASOCIADA
4.- N
UCLEO E IMAGEN. RANGO DE UNA APLICACI
ON LINEAL. RANGO DE UNA

MATRIZ
5.- APLICACI
ON LINEAL Y DIMENSIONES
6.- ESPACIO DUAL
4.1. Denicion de aplicacion lineal y ejemplos.
Relaciones y aplicaciones. Inyectiva, Sobreyectiva y Biyectiva.
Denicion de aplicacion: Sea f : X Y decimos que f es una aplicacion de X
en Y si
x X y Y tal que f(x) = y
cumpliendo que si
f(x) = y y f(x) = z entonces y = z
Denicion de aplicacion inyectiva: Sea f : X Y una aplicacion decimos que
es una inyectiva si
x, y X si f(x) = f(y) x = y
Denicion de aplicacion sobreyectiva: Sea f : X Y una aplicacion decimos
que es una sobreyectiva si
y Y x X tal que f(x) = y
Denicion de aplicacion biyectiva: Sea f : X Y una aplicacion decimos que
es una biyectiva si es inyectiva y sobreyectiva a la vez.
Denicion de APLICACI
ON LINEAL: Sean U, V espacios vectoriales sobre un

cierto cuerpo K, decimos que T : U V es una aplicacion lineal si cumple las dos
siguientes condiciones:
i) T(x +y) = T(x) +T(y), x, y U
ii) T(x) = T(x), x U, K
OBSERVACI
ON: Ha de ser el mismo cuerpo en los dos espacios vectoriales pero las
operaciones no tienen porque ser las mismas.
EJEMPLOS de Aplicaciones lineales:
115.- T : R
2
R, T(x, y) = x +y
116.- T : R R, T(x) = ax, a R, a = cte
28
117.- T : R
3
R
2
, T(x, y, z) = (y x, 2z)
118.- La aplicacion nula
119.- la aplicacion identidad
120.- Sea V un espacio vectorial tal que V = U W las proyecciones sobre U y
W
121.- La aplicacion derivada
122.- T : R
2
R
2
, T(x, y) = (x +y, x y)
123.- EJEMPLO IMPORTANTE La aplicacion L
A
, donde A M
mn
124.- Estudiar si f es aplicacion lineal siendo
f : R
3
R
3
(x, y, z) (x + 2y, y z, 1 +z)
NOMBRES DE APLICACIONES: homomorsmo, monomorsmo, epimorsmo, iso-
morsmo, endomorsmo, automorsmo
PROPIEDADES de las aplicaciones lineales:
Sean (V, +, ) y (W, +, ) espacios vectoriales sobre el cuerpo K, Sea T : V W
una aplicacion lineal
1.- T(x) = T(x)
2.- T(0) = 0
3.- T(
n
i=1
i
x
i
) =
n
i=1
i
T(x
i
),
i
K y x
i
V
PROPOSICI
ON: Sean V y W espacios vectoriales sobre un cuerpo KSea B = v

1
, , v
n
base de V . Supongamos que w

1
, , w
n
W entonces existe una unica aplicacion
lineal T : V W tal que: T(v
i
) = w
i
, para i = 1, , n
MATRIZ ASOCIADA A UNA APLICACI
ON LINEAL FIJADAS UN PAR DE BASES.

OBSERVACI
ON: Dada una matriz A M

mn
, y jadas dos bases en los espacios
inicial e
1
, e
2
, , e
n
y nal f
1
, f
2
, , f
m
, existe una unica aplicacion lineal cuya
matriz asociada en dichas bases es A
EJEMPLOS: 125.- Matriz asociada a la aplicacion identidad en una misma base
126.- Matriz asociada a la aplicacion identidad en dos bases distintas. CAMBIOS
DE BASE.
127.- Matriz asociada a la aplicacion T en la base canonica. T(x, y, z) = (x+y, y+
z, x y)
128.- Matriz asociada a la aplicacion T en la base canonica y en la la base
B = (1, 1, 1), (0, 1, 2), (0, 0, 3), T(x, y, z) = (x +y, y +z, x y)
OPERACIONES con las aplicaciones lineales. Suma y producto por un escalar de K
PROPOSICI
ON: Sean V y W espacios vectoriales sobre un cuerpo K, Sean B

V
=
v
1
, , v
n
base de V y B
W
= w
1
, , w
m
base de W.
Sean T, S : V W aplicaciones lineales, entonces:
M
B
V
,B
W
(T +S) = M
B
V
,B
W
T +M
B
V
,B
W
S
Sea T : V W aplicacion lineal, K entonces:
M
B
V
,B
W
(T) = M
B
V
,B
W
T
PROPOSICI
ON: El conjunto L(U,V) con las operaciones denidas anteriormente so-

bre el cuerpo K es un espacio vectorial sobre K
COMPOSICI
ON de aplicaciones lineales
PROPOSICI
ON: La composicion de aplicaciones lineales es lineal.

PROPOSICI
ON: Sean U; V y W espacios vectoriales sobre un cuerpo K, Sean B

U
=
u
1
, , u
n
base de U. B
V
= v
1
, , v
m
base de V y B
W
= w
1
, , w
s
base de
W. Sean T : U V y S : V W aplicaciones lineales, entonces:
M
B
U
,B
W
(S T) = M
B
V
,B
W
SM
B
U
,B
V
T
129.- PREGUNTA: Que relacion hay entre matrices de una aplicacion lineal en dos
pares de bases distintas ?
Denicion de matrices EQUIVALENTES.
PROPIEDADES de matrices equivalentes.
130.- PREGUNTA: Que relacion hay entre la matriz de un endomorsmo en una
base y la matriz de ese mismos endomorsmo en otra base distinta?
Denicion de matrices SEMEJANTES
Denicion de matriz DIAGONALIZABLE
EJEMPLOS
INVERSA de una aplicacion.
Recordar algo sobre inversas
PROPOSICI
ON: La matriz asociada a un cambio de base es invertible.

OBSERVACI
ON: La proxima vez dar esta proposicion una vez denido el cambio
de base.
PROPOSICI
ON: Sea T : U V lineal y biyectiva, entonces T

1
: V U es lineal
30
OTRAS OPERACIONES con aplicaciones lineales.
4.4. N ucleo e Imagen. Rango de una aplicacion lineal. Rango de una matriz.
MAS PROPIEDADES DE LAS APLICACIONES LINEALES:
4.- Si x
1
, , x
n
es linealmente dependiente entonces T(x
1
), , T(x
n
) tambien es
linealmente dependiente.
* OBSERVACI
ON: Si el conjunto del que partimos es linealmente independiente su im-

agen por una aplicacion lineal no tiene porque ser linealmente independiente. EJEM-
PLO: la aplicacion nula.
5.- Si T lineal y tenemos T(x
1
), , T(x
n
) linealmente independientes, entonces x
1
, , x
n
son linealmente independientes.

6.- Sean V y W dos espacios vectoriales sobre K
T : V W lineal T(u +v) = T(u) +T(v) u, v V, , K
7.- Si U es un subespacio vectorial de V y T : V W lineal entonces T(U) es un
subespacio vectorial de W.
8.- La imagen de un sistema generador de V es un sistema generador de la imagen de V
PROPOSICI
ON: Sea f
1
(U) = x V/f(x) U, sea U un subespacio de W y f
aplicacion lineal entonces f
1
(U) es subespacio vectorial de V
Denicion N
UCLEO e IMAGEN de una aplicacion lineal

PROPOSICI
ON: El N ucleo y la Imagen de una aplicacion lineal son subespacios vec-

toriales de los espacios vectoriales correspondientes.
PROPOSICI
ON: Sean V y W espacios vectoriales sobre un cuerpo K y T : V W

una aplicacion lineal. Supongamos que B = v
1
, , v
n
es base de V entonces
T(v
1
), , T(v
n
) es un sistema generador de ImT
COROLARIO: Sean V y W espacios vectoriales sobre un cuerpo K y T : V W una
aplicacion lineal. Sea V nitamente generado entonces ImT es nitamente generada.
131.- Hallar el n ucleo y la imagen de la aplicacion T(x, y) = (x +y, x y, 2x + 3y)
132.- Sean V y W espacios vectoriales sobre un cuerpo K, Sean B
V
= v
1
, v
2
, v
3
, v
4
base de V y B
W
= w
1
, w
2
, w
3
base de W. Sea T : V W aplicacion lineal que
referida a las bases B
V
, B
W
se escribe como:
_
_
y
1
y
2
y
3
_
_
=
_
_
1 1 2 2
2 2 1 1
1 1 1 1
_
_
_
_
_
_
x
1
x
2
x
3
x
4
_
_
_
_
Hallar bases del ker T y de ImT
PROPOSICI

una aplicacion lineal.
T es inyectiva ker T = 0
133.- PREGUNTA: en la proposicion anterior donde se da la existencia de una unica
aplicacion lineal jada una base y un cierto conjunto de llegada, si dicho conjunto
w
1
, , w
n
W es linealmente independientes Como ha de ser T?
PROPOSICI

una aplicacion lineal. T es inyectiva T transforma sistemas linealmente indepen-
dientes en sistemas linealmente independientes.
134.- PREGUNTA: Sean V y W espacios vectoriales tales que: dimV = n y dimW =
m y T : V W una aplicacion lineal.Sea n > m Puede ser T inyectiva?
PROPOSICI

una aplicacion lineal.
T sobreyectiva ImT = W
EJEMPLOS: Estudiar si las siguientes aplicaciones son inyectivas o sobreyectivas:
135.-
T : R
2
R
2
(x, y) (x +y, x y)
136.-
T : R
2
R
2
(x, y) (x, 0)
Denicion de RANGO de una aplicacion lineal
Denicion de rango de una matriz.
OBSERVACI
ON: El rango de una matriz por las y por columnas es el mismo

PROPOSICI
ON: Dos matrices son equivalentes si y solo si tienen el mismo rango

4.5. Aplicaciones lineales y dimensiones.
TEOREMA: Sean V y W espacios vectoriales sobre un cuerpo K T : V W una
aplicacion lineal Y V de dimension nita, entonces
dimV = dimker T + dimImT
PROPOSICI
ON: Sean V y W espacios vectoriales sobre un cuerpo K ambos de di-

mension nita. entonces se tiene:
(1) dimV dimW existe una aplicacion lineal sobreyectiva T : V W
(2) dimV dimW existe una aplicacion lineal inyectiva T : V W
(3) dimV = dimW existe una aplicacion lineal biyectiva T : V W
Espacios vectoriales ISOMORFOS.
32
PROPOSICI
ON: Sean V y W espacios vectoriales sobre un cuerpo K, Sean B

V
=
v
1
, , v
n
base de V y B
W
= w
1
, , w
m
base de W. Sea T : V W aplicacion
lineal.
T es isomorsmo M
B
V
,B
W
T es invertible
137.- EJEMPLO IMPORTANTE: Ver que V , espacio vectorial sobre R, con dimV =
n, es isomorfo a R
n
TEOREMA: Sean V y W espacios vectoriales sobre un cuerpo K, Sean B
V
= v
1
, , v
n
base de V y B
W
= w
1
, , w
m
base de W. La aplicacion:
: L(V, W) M
mn
(K)
T M
B
V
,B
W
(T)
Es un isomorsmo de espacios vectoriales.
OBSERVACI
ON: dimL(V, W) = mn = dimM

mn
(K)
OBSERVACI
ON:
(1) dos espacios con la misma dimension son isomorfos
(2) Recordar el ejemplo de R
n
PROPOSICI
ON: Sean V y W espacios vectoriales sobre un cuerpo K ambos de la

misma dimension. T : V W Entonces las tres siguientes condiciones son equiva-
lentes:
a) ImT = W
b) ker T = 0
c) T es biyectiva
4.6. Espacio dual.
Denicion de Espacio dual
Base dual
4.7. Problemas. 138.- Estudiar si las siguientes aplicaciones de R
3
en R
3
son lineales:
i) f(x, y, z) = (x + 2y, y z, 1 +z)
ii) g(x, y, z) = (x + 2y, y z, z)
iii) h(x, y, z) = (x + 2y, y z, z
2
)
139.- Demostrar que f : R R es lineal si y solo si R tal que f(x) = x.
140.- Dada f : E F tal que f(x) = c x E, Probar que f es lineal si y solo si c = 0 (
E y F son espacios vectoriales.)
141.- Consideremos : R
n
[x] R
n
[x], (p) = p
( su derivada ). Probar que es una

aplicacion lineal. Calcular la matriz de respecto de la base canonica de R
n
[x]. es inyectiva?
es suprayectiva?
142.- a) Cuantas aplicaciones lineales T de R
3
R
2
verican T(1, 0, 0) = (2, 1); T(0, 1, 0) =
(0, 1); T(0, 0, 1) = (1, 1)?. Dar bases de ker T e Im T en cada caso.
b) La misma pregunta para T(1, 0, 0) = (2, 1); T(0, 1, 0) = (0, 1); T(0, 0, 1) = (1, 1); T(1, 1, 1) =
(a, b). (Expresar el resultado para los distintos valores de a y b).
143.- Sea R
2
[x] el espacio vectorial real de los polinomios de grado menor o igual que 2.
Dada la aplicacion derivacion
D : R
2
[x] R
2
[x]
ax
2
+bx +c 2ax +b,
elegir bases de R
2
[x] y calcular su matriz respecto de ellas. Por otra parte, hallar tambien
ker D, ImD y una base para cada uno de ellos y sus dimensiones.
144.- Sea f : R
3
[x] R
3
[x] tal que f(p)(x) = x p
(x) +2k p
(x), p R
3
[x], y donde p
y
p
denotan la primera y segunda derivadas de p. Consideramos la base B = 1, x

3
, 1+x, 1x
2
de R
3
[x]. Se pide:
a) Matriz de f respecto de las bases B y B
c
= 1, x, x
2
, x
3
.
b) Matriz asociada a f en la base B.
c) Estudiar la dimension de ker f dependiendo de los valores de k.
145.- Sea AX = B un sistema de n ecuaciones con n incognitas y consideremos el sistema
homogeneo asociado AX = 0. Probar:
a) Si el sistema homogeneo solo admite la solucion trivial, entonces el sistema completo
tiene una unica solucion para cualquier eleccion de B
b) Si el sistema homogeneo tiene soluciones no triviales, existen elecciones de B tal que el
sistema completo no tiene solucion.
146.- (Ene-95) Sea A
/
44
(R) denida por
A
=
_
_
_
_
1 0 1
0 1 0
1 1 1
0 0 1
_
_
_
_
R.
i) Describir el conjunto de soluciones del sistema de ecuaciones A
X = 0, X R
4
para
cada R.
ii) Encontrar la solucion general del sistema no homogeneo A
X = Y
0
, para cada R,
siendo Y
0
=
_
_
_
_
0
1
1
0
_
_
_
_
, en los casos de compatibilidad.
iii) Describir el conjunto S
= Y R
4
: el sistema A
X = Y es compatible para ,= 0.
147.- Sean M
22
(R) el espacio vectorial de las matrices cuadradas de orden 2 de terminos
reales con las operaciones usuales, P
3
(R) el espacio vectorial de los polinomios de grado menor o
igual que 3 de variable real x con las operaciones usuales, B
M
=
__
1 1
0 0
_
,
_
0 1
1 0
_
,
_
1 2
0 0
_
,
_
0 0
0 1
__
una base de M
22
(R), B
P
= 1 x, 1 +x
2
, 1 + 2x
2
, x
3
x una base de P
3
(R) y
M
B
M
,B
P
(T) =
_
_
_
_
1 0 1 1
2 1 0 4
3 5 0 6
4 3 2 10
_
_
_
_
la matriz de la aplicacion T : M
22
(R) P
3
(R) en las bases dadas.
34
Si B
cM
=
__
1 0
0 0
_
,
_
0 1
0 0
_
,
_
0 0
1 0
_
,
_
0 0
0 1
__
es la base canonica de M
22
(R) y B
cP
=
1, x, x
2
, x
3
la base can onica de P
3
(R),
1) Calcular T
__
1 2
3 4
__
y sus coordenadas en las bases B
cP
y B
P
.
2) Hallar M
B
cM
,B
P
(T), M
B
M
,B
cP
(T) y M
B
cM
,B
cP
(T).
148.- (Jun. 82)En el espacio vectorial (sobre R) de las funciones f : R R que admiten
derivadas de todos los ordenes, se considera el subconjunto E de las funciones de la forma
f
a,b
(x) = ae
2x
+be
2x
con a, b R
a) Demostrar que E es un espacio vectorial y que el conjunto f
1,0
, f
0,1
es una base de E.
b) Demostrar que para todo entero no negativo n, la aplicacion
n
: E E tal que
n
(f
a,b
) = f
(n)
a,b
,
siendo f
(n)
a,b
la derivada nesima de f
a,b
, es una aplicacion lineal. Dar su matriz respecto de la
base anterior.
149.- (Feb 92) En los espacios vectoriales R
3
[x] y /
22
(R) se consideran los subespacios
vectoriales siguientes:
W = (a +b)x
2
+ (2b a)x : a, b R, S =
__
+ 2

_
: , R
_
Hallar una aplicacion lineal expresandola mediante su matriz T : R
3
[x] /
22
(R), asociada
respecto de las bases usuales de R
3
[x] y /
22
(R) que verique las condiciones:
1) rg(T) = 2, 2) T(W) S, 3) Ker(T) = V,
donde V es un suplementario de W en R
3
[x].
150.- Construir una aplicacion lineal T : R
5
R
5
tal que Im T Ker T y (1, a, 1, 1, 1)
Im T para cualquier a R. Dar su expresion matricial respecto de la base canonica de R
5
.
151.- (Feb. 96) Para cada n umero real consideramos la aplicacion lineal
S : R
4
R
4
S(x
1
, x
2
, x
3
, x
4
) (x
1
x
2
+x
4
, 2x
2
x
3
x
4
, x
3
+x
4
, x
1
x
2
+
2
x
4
).
Determinar, para cada valor de que lo permita, una aplicacion lineal
T : R
4
R
4
tal que cumpla simultaneamente:
i) rg(S +T) = 2.
ii)) S (S +T) 0.
Expresar T respecto de la base canonica de R
4
.
152.- (Feb. 98)Sea H el conjunto de las aplicaciones lineales h : R
4
R
3
, tales que
verican las tres condiciones siguientes:
1) rg h = 2
2) h(1, 1, 1, 1)
t
= (4, 2, 2)
t
3)
_
1 1 1
2 1 1
_
H =
_
2 4 0 2
3 6 0 3
_
,
donde H es la matriz asociada a h en las bases canonicas.
Describir los elementos de H dando su matriz asociada respecto a las bases canonicas. es
H un subespacio vectorial de L(R
4
, R
3
)?
153.- (Feb. 92) Sea E un espacio vectorial real de dimension n y B una base de E. Sea
f un endomorsmo de E y A la matriz de f respecto de la base B. Consideremos la propiedad
P
1
: m 2 de modo que rg(A) = rg(A
m
)
(Escribiremos f P
1
cuando f verica la propiedad P
1
).
Sea entonces f P
1
.
a) Probar que Im f = Im f
2
= = Im f
m
.
b) Probar que Ker f = Ker f
2
= = Ker f
m
.
c) Probar que E = Im f Ker f.
Dado ahora r End(E), consideremos la propiedad P
2
: x Im r se verica que r(x) = x.
d) Sea r P
2
y A la matriz de r respecto una base de E. Calcular minm > 1 : rg(A
m
) =
rg(A).
e) Dado S, subespacio vectorial de E, demostrar que existe r P
2
tal que Im r = S.
f) Demostrar que si r P
2
, existe una base B de E tal que la matriz de r respecto de esa
base es diagonal. Dar una base en esas condiciones y su matriz diagonal asociada.
g) Dado r P
2
y p un n umero natural cualquiera, calcular las soluciones de A
p
x = 0, donde
A es la matriz asociada a r respecto de una base cualquiera, no necesariamente la calculada en
el apartado f) y x =
_
_
x
1
.
.
.
x
n
_
_
, con x
i
R, para todo i = 1, . . . , n.
154.- (Feb. 96).- Sea E el R-espacio vectorial engendrado por la familia F = 1, senx, cos x
con las operaciones habituales de suma de funciones y producto de funcion por escalar. Con-
sideremos las aplicaciones f
: E R
2
, con (0, /2] tales que:
f
(sen( +x)) = (, 1)
f
(cos( +x)) = (0, e) ()

f
(tg) = (, 1)
Obtener razonadamente:
(1) Los valores de [0, /2) para los que las igualdades de (*) determinan una aplicacion
lineal
(2) La matriz A
de la aplicacion f
respecto de una base de E,extrada de F, y la base

canonica de R
2
, seg un los valores de .
(3) Kerf
e Imf
, en el caso lineal.
(4) El transformado mediante f
, cuando sea lineal, de cos

2
(x/2), expresandolo en la base
de R
2
, B = (, 1), (0, e)
155.- (Feb. 98)Sea V un espacio vectorial de dimension nita, sea T : V V un
isomorsmo y S : V V una aplicacion lineal con ker S ,= 0. Estudiar, demostrando si son
verdaderas o falsas, las siguientes armaciones.
i) rg(T T)=rg T
ii) rg(S S)=rg S
iii) rg(T S)=rg S
iv) rg(S T)=rg T
v) rg(T S)=rg(S T)
36
156.- (Feb. 99) (a) Sean V y U dos espacios vectoriales sobre R de dimensiones dim(V ) =
n y dim(U) = m. Sea T : V U una aplicacion lineal. Discutir razonadamente la existencia
o no de una aplicacion lineal S : U V en cada uno de los siguientes casos:
(i) Im(S) = ker(T)
(ii) ker(S) = Im(T)
(iii) Im(S) = ker(T) y ker(S) = Im(T)
(iv) S T = 0
(v) S T = I
157.- Sean V = R
4
y U = R
3
y sea A =
_
_
2 0 1 1
2 2 0 2
1 1 0 1
_
_
la representacion matricial
de una aplicacion lineal T : R
4
R
3
en las bases canonicas. Denir, cuando sea posible, una
aplicacion lineal S : R
3
R
4
en cada uno de los casos del problema anterior.
158.- Denamos en R
+
las siguientes operaciones:
: R
+
R
+
R
+
, x y = xy
: R R
+
R
+
, x = x
.
Comprobar que (R
+
, , ) es un espacio vectorial real. Calcular su elemento neutro. Demostrar
que
: (R, +, ) (R
+
, , )
x e
x
es una aplicacion lineal. Demostrar que
: (R
+
, , ) (R, +, )
x log x
es una aplicacion lineal. Calcular la matriz asociada a cuando se consideran las bases 1 y
1
e
en (R, +, ) y (R
+
, , ) respectivamente.
159.- Dada la base B = 1 + x, x + x
2
, x
2
+ x
3
, x
3
de R
3
[x] (polinomios de grado menor
o igual que 3 con coecientes en R), consideremos la aplicacion lineal
T : R
3
[x] R
3
[x]
determinada por:
T(1 +x) = 1 , T(x +x
2
) = 1 + 2x , T(x
2
+x
3
) = 2x + 3x
2
, T(x
3
) = x
2
.
a) Calculad la matriz de T respecto a dos bases -a elegir- de R
3
[x], especicando las bases
que se han escogido.
b) Calculad una base de ker T y una de ImT.
c) Demostrad que el conjunto de polinomios de R
3
[x] tales que T(p) = p
, donde p
es la
derivada de p, es un subespacio vectorial. Obtened una base suya.
160.- En el espacio vectorial R
2
[x] de los polinomios con coecientes reales de grado menor
o igual que 2, se considera la aplicacion
: R
2
[x] R
2
[x]
p (p)
donde (p)(x) = p(x + 1) p(x) p(0)x.
a) Demostrar que es lineal y hallar su matriz asociada en la base usual de R
2
[x].
b) Calc ulense bases del n ucleo y la imagen de .
161.- a) Sea E un espacio vectorial real con dimension dim E = 2n para alg un n N.
Sea f : E E un endomorsmo tal que dimker f = n. Estudiar, demostrando si es cierta o
no, la siguiente proposicion:
f f = 0 ker f = Im f.
b) es cierta la proposicion anterior si no se supone que dimker f = n?
162.- En el espacio vectorial R
3
[x] de los polinomios de grado menor o igual que 3 con
coecientes reales, se considera el subespacio W formado por los polinomios de la forma ax
3
+
bx
2
+ bx a (a, b n umeros reales arbitrarios). Construir una aplicacion T L(R
3
[x], R
3
[x]),
tal que Im T = W y T T O. Representar T mediante su matriz respecto de la base
1, x, x
2
, x
3
.
163.- Diremos que una sucesion de aplicaciones lineales E
f
F
g
G es exacta en F si
Imf = ker g. Se considera la aplicacion lineal f : R
5
R
4
cuya matriz asociada en las bases
canonicas es
A =
_
_
_
_
0 0 1 1 0
1 1 1 2 2
1 1 0 1 2
0 0 0 0 0
_
_
_
_
a) Construir, si es posible, una aplicacion lineal h : R
4
R
5
tal que la sucesion 0 R
4
h
R
5
f
R
4
sea exacta en R
4
y en R
5
.
b) Construir, si es posible, una aplicacion lineal e : R
4
R
2
tal que la sucesion R
5
f
R
4
e
R
2
0 sea exacta en R
4
y en R
2
.
164.- En R
3
se consideran las bases B
c
y B con B =
__
1
0
1
_
,
_
0
1
2
_
,
_
1
1
0
__
.
a) Calcular la base dual de cada una de ellas.
b) Estudiar si f
1
, f
2
, f
3
es base del dual de R
3
, y en caso armativo, calcular la base de
la que es base dual, para
f
1
: R
3
R
_
x
y
z
_
x + 2y +z,
f
2
: R
3
R
_
x
y
z
_
7x + 14z,
f
3
: R
3
R
_
x
y
z
_
3x + 7y +z.
c) Hacer lo mismo que en (b) para
f
1
: R
3
R
_
x
y
z
_
2x y + 3z,
f
2
: R
3
R
_
x
y
z
_
3x 5y +z,
f
3
: R
3
R
_
x
y
z
_
7y + 14z.
165.- Dada la aplicacion lineal
I : R
99
[x] R
p(x) I(p) =
_
1
1
p(x)dx ,
sea
W = p R
99
[x] : p(x) = p(x) x R y I(p) = 0 .
Probar que W es un subespacio vectorial de R
99
[x] y calcular la dimension de dicho subespacio
W.
166.- Consideremos los espacios vectoriales T
3
(R) y /
22
(R) y sea un n umero real.
Denamos la aplicacion
T
: T
3
(R) /
22
(R)
p T
(p)
38
donde T
(p) =
_
p() p( + 1)
p
() p
( + 1)
_
, siendo p
la derivada del polinomio p.

Se pide:
a) Demostrar que T
es lineal.
b) Dadas B
c
= 1, x, x
2
, x
3
y B
c
=
__
1 0
0 0
_
,
_
0 1
0 0
_
,
_
0 0
1 0
_
,
_
0 0
0 1
__
. Calcular las
coordenadas de T
(1), T
(x), T
(x
2
), T
(x
3
) en la base B
c
.
c) Calcular la matriz asociada a T
respecto a las bases B

c
y B
c
( es decir, /
B
c
,B
c
(T
)).
d) Consideremos ahora los conjuntos B = 1 + 2x + 2x
2
+ 2x
3
, x + 2x
2
+ 2x
3
, x
2
+ 2x
3
, x
3
y B
=
__
1 2
2 2
_
,
_
0 1
2 2
_
,
_
0 0
1 2
_
,
_
0 0
0 1
__
. Probar que B y B
son bases de T
3
(R) y
/
22
(R), respectivamente. Calcular la matriz asociada a T
respecto a las bases B y B
.
e) Calcular la dimension del N ucleo y de la imagen de T
. Hallese una base de la imagen de

T
.
f) Sea
_
a b
c d
_
/
22
(R). Estudiar si existe p T
3
(R) tal que T
(p) =
_
a b
c d
_
. -Es
unico?.
g) Resolver, seg un los valores de los parametros , a, b, c, d el sistema lineal
x +y +
2
z +
3
t = a
x +( + 1)y +( + 1)
2
z +( + 1)
3
t = b
+y +2z +3()
2
t = c
+y +2( + 1)z +3( + 1)
2
t = d
h) Demostrar si es cierta o no la siguiente proposicion: R existe una base, B
de
T
3
(R) y B
base de /
22
(R) tal que la matriz asociada a T
respecto a las bases B
y B
es
la matriz identidad.
i) Sea o
= p T
3
(R) / p() = p( + 1) = 0. Demostrar que o
es un subespacio de
T
3
(R) para todo R. Construir un suplementario de o
.
j) Construir una aplicacion lineal L
: T
3
(R) /
22
(R) de rango 2 tal que L
(p) = T
(p)
para todo p o
.
167.- Consideremos la base de R
3
:
B = (2, 1, 3), (1, 4, 1), (1, 3, 1) .
Sea T : R
3
R
2
la aplicacion lineal determinada por:
T(2, 1, 3) = (5, 3)
T(1, 4, 1) = (, 1) (, R)
T(1, 3, 1) = (1, )
a) Estudiad razonadamente para que valores de y la aplicacion lineal T es inyectiva.
b) Obtenganse justicadamente los valores de y que hacen que T sea sobreyectiva.
De otra aplicacion lineal S : R
3
R
2
conocemos que:
S(0, 1, 1) = (3, 1)
S(2, 1, 4) = (16, 17)
S(1, 1, 1) = (5, 8)
c) Comprobad que, en efecto, existe una unica aplicacion lineal que verica los requisitos
impuestos a S.
d) Para que valores de y las aplicaciones S y T son la misma aplicacion lineal?
e) Para los valores de y hallados en d), aquellos en los que S y T son identicas, calc ulese
bases del N ucleo e imagen de T.
168.- (Feb. 96)(a) En R
4
consideramos el subespacio J generado por los vectores
(1, 0, 0, 0) y (0, 1, 0, 0). Sea
c
W
= T : R
4
R
4
lineal [ J Ker(T)
(notese que c
W
es un subconjunto de todas las aplicaciones lineales de R
4
en R
4
). Demuestrese
que c
W
, con las operaciones usuales, es un espacio vectorial real y calculese su dimension.
(b) Consideremos en R
n
(n N) un sistema v
1
, v
2
, . . . , v
k
linealmente independiente y
sea J el subespacio generado por el anterior sistema de vectores. Pruebese que
c
W
= T : R
n
R
n
lineal [ J Ker(T)
operaciones usuales, es un espacio vectorial real y calculese su dimension.
169.- Sea R
2
[x] el espacio vectorial real de los polinomios de grado menor o igual que 2.
a) Calcular la base dual de 1, x, x
2
.
b) Dada la aplicacion derivacion
D : R
2
[x] R
2
[x]
ax
2
+bx +c 2ax +b,
calcular su aplicacion traspuesta D
. Hallar tambien ker D
, Im D
, una base para cada uno

de ellos y sus dimensiones.
c) Probar que
1
: R
2
[x] R
p(x)
_
1
0
p(x)dx,
2
: R
2
[x] R
p(x)
_
1
0
xp(x)dx,
3
: R
2
[x] R
p(x)
_
1
0
x
2
p(x)dx.
son base del dual de R
2
[x] y calcular la base de la que es dual.
170.- Sea T : R
4
R
4
un endomorsmo del que sabemos que:
T(1, 1, 0, 0) = (0, 1, 0, 1)
T(1, 0, 1, 0) = (1, 1, 1, 0)
Hallar M
B
c
T en cada uno de los siguientes casos:
i) ker T = ImT
ii) T T = I
iii) T T = T
171.- Hallar bases, B,

B,

B tales que:
M
B
c
B
Id = I, M
BB
c
Id =
_
_
0 0 1
0 1 0
1 0 0
_
_
= M
B
c

B
Id
172.- a) Consideramos las bases canonicas en R
4
y en R
5
y T : R
4
R
5
denida por:
T(e
1
) = u
1
+u
3
u
5
T(e
2
) = 2u
2
u
3
+u
4
+ 2u
5
T(e
3
) = u
1
+ 2u
2
+u
4
+u
5
T(e
2
) = u
1
+ 4u
2
u
3
+ 2u
4
+ 3u
5
Hallar, la matriz asociada a T en las bases canonicas, una base del N ucleo de T y una base de
la imagen de T.
b) Hallar, cuando sea posible, S : R
4
R
5
tal que: S(e
1
) = T(e
1
) y S(e
2
) = T(e
2
),y:
40
i) S inyectiva
ii) S sobreyectiva
iii) ImS = V donde dimV = 4
173.- Sea f : R
3
P
2
lineal, con , R
f(1, 1, 1) = 2 +x
f(0, 1, 1) = x
2
+x
f(1, 1, 1) = + ( 1)x
i) Hallar y tales que f no sea inyectiva.
ii) Hallar bases del N ucleo y la imagen de f en funcion de y .
iii) Sea U = (a, b, c) R
3
/ a +c = b +c = 0, calcular f(U)
5. PROGRAMACI
ON LINEAL 41
5. PROGRAMACI
ON LINEAL
5.1. Introduccion y Ejemplos.
OBJETIVO: Maximizar o Minimizar expresiones lineales, sujetas a restricciones tambien
lineales
EJEMPLO 1: Un productor de madera tiene 130 m
3
de pino y 170 m
3
de eucalipto.
Quiere preparar lotes para vender de dos tipos: El lote A tiene la mitad de pino y la
mitad de eucalipto a 12.000 pts y el lote B tiene un tercio de pino y dos tercios de
eucalipto a 10.000 pts. Cuantos m
3
de cada mezcla debera de preparar el productor
para maximizar sus ganancias por venta?
EJEMPLO 2: Una persona tiene 10 millones de pesetas para invertir. Su asesor le
sugiere que invierta en dos tipos de acciones A y B. Las acciones del tipo A implican
algo de riesgo pero producen un 10 % anual. Las acciones del tipo B son mas seguras
pero solo rentan un 7 %. Al nal decide invertir 6 millones como maximo en acciones
del tipo A y por lo menos 2 millones en acciones del tipo B. Por otra parte decide que
lo invertido en el tipo A sea, por lo menos, igual que lo invertido en el tipo B. Como
ha de invertir su dinero de manera que las ganancias sean maximas?
EJEMPLO 3: Maximizar z = 2x
1
+ 5x
2
en:
2x
1
+x
2
8
4x
1
+x
2
2
2x
1
3x
2
0
x
1
0
x
2
0
EJEMPLO 4: Minimizar z = 3x
1
8x
2
en:
2x
1
x
2
4
3x
1
+ 11x
2
33
3x
1
+ 4x
2
24
x
1
0
x
2
0
5.2. Formulacion del problema y analisis geometrico en R
2
.
Denicion de PROBLEMA GENERAL DE PROGRAMACION LINEAL EN DOS
VARIABLES: Encontrar los valores de x
1
y x
2
que maximizan o minimizan:
z = c
1
x
1
+c
2
x
2
sujeta a las restricciones:
a
11
x
1
+a
12
x
2
() () (=) b
1
a
21
x
1
+a
22
x
2
() () (=) b
2

a
m1
x
1
+a
m2
x
2
() () (=) b
m
x
1
0
x
2
0
Deniciones de funcion objetivo, restricciones, restricciones de no negatividad, solucion
factible, conjunto factible, solucion optima, puntos extremales.
42
TEOREMA: Si la region factible de un problema de programacion lineal es no vaco y
acotado, entonces la funcion objetivo alcanza maximo y mnimo en los puntos extremos
de la region factible. Si la region factible es no acotada entonces la funcion objetivo
puede o no alcanzar el maximo o mnimo. Ademas si se alcanza maximo o mnimo
este se alcanza en un punto extremal.
Metodo para hallar el maximo o el mnimo:
Esbozar el conjunto factible
Determinar si es alcanzable el maximo (mnimo)
Si es alcanzable, hallar las coordenadas de los puntos esquinas o vertices.
Calcular el valor de la funcion objetivo en cada vertice del conjunto. El mayor
(menor) valor obtenido es el maximo (mnimo).
EJEMPLO 1: Maximizar 2x
1
+x
2
, sujeto a las restricciones:
x
1
2x
2
4
x
2
3x
1
3
4x
1
+ 7x
2
46
x
1
0
x
2
0
EJEMPLO 2: Maximizar z = ax
1
bx
2
, (0 < a < b), en:
x
1
x
2
2
x
2
x
1
2
x
1
3
x
2
3
x
1
0
x
2
0
EJEMPLO 3: Maximizar z = 5x
1
x
2
+ 2x
3
, con las condiciones:
x
1
x
2
+x
3
= 1
x
1
+ 2x
2
+x
3
4
2x
1
+x
2
3
x
1
0
x
2
0
x
3
0
5.3. Formulacion del problema en R
n
: el algoritmo del simplex.
Denicion de PROBLEMA GENERAL DE PROGRAMACION LINEAL EN n VARI-
ABLES: Encontrar los valores de x
1
, x
2
, , x
n
que maximizan o minimizan:
z = c
1
x
1
+c
2
x
2
+ +c
n
x
n
a
11
x
1
+a
12
x
2
+ +a
1n
x
n
() () (=) b
1
a
21
x
1
+a
22
x
2
+ +a
2n
x
n
() () (=) b
2

a
m1
x
1
+a
m2
x
2
+ +a
mn
x
n
() () (=) b
m
x
i
0 i = 1, 2, , n
5. PROGRAMACI
ON LINEAL 43
Denicion de PROBLEMA STANDARD
Encontrar los valores de x
1
, x
2
, , x
n
que maximizan :
z = c
1
x
1
+c
2
x
2
+ +c
n
x
n
a
11
x
1
+a
12
x
2
+ +a
1n
x
n
= b
1
a
21
x
1
+a
22
x
2
+ +a
2n
x
n
= b
2

a
m1
x
1
+a
m2
x
2
+ +a
mn
x
n
= b
m
x
i
0 i = 1, 2, , n
Paso del problema general al problema standard:
paso de minimizar a maximizar
paso de () a ()
paso de () a (=)
DEFINICIONES: Solucion factible, conjunto factible, solucion optima, convexo, punto
extremal, acotado.
OBS: Las restricciones pueden dar diferentes tipos de conjuntos: el vaco, no acotados
o acotados.
TEOREMA: El conjunto factible de un problema standard de programacion lineal es
convexo.
TEOREMA: Si el conjunto factible de un problema de programacion lineal es no vaco
y acotado, entonces la funcion objetivo alcanza su maximo y su mnimo en un punto
extremal: Si el conjunto factible es no acotado, entonces la funcion objetivo puede
alcanzar o no el maximo (mnimo), ademas si alcanza el maximo (mnimo) lo hace en
un punto extremal.
5.4. Descripcion algebraica del algoritmo del Simplex.
Introduccion al Metodo del simplex
174.- Maximizar z = 5x
1
+ 4x
2
+ 6x
3
x
1
+x
2
+x
3
25
2x
1
+x
2
+ 3x
3
51
x
1
0
x
2
0
x
3
0
DEFINICIONES: variables basicas, variables no basicas, variable adyacente, solucion
basica, solucion basica degenerada o no degenerada, Solucion basica factible.
OBSERVACION:Teorema: un vector x R
n
es un punto extremal del conjunto factible
de un problema de programacion lineal si y solo si es una solucion basica factible.
44
Problema de programacion lineal que resolvemos por el Metodo del simplex: Encontrar
los valores de x
1
, x
2
, , x
n
que maximizan:
z = c
1
x
1
+c
2
x
2
+ +c
n
x
n
a
11
x
1
+a
12
x
2
+ +a
1n
x
n
b
1
a
21
x
1
+a
22
x
2
+ +a
2n
x
n
b
2

a
m1
x
1
+a
m2
x
2
+ +a
mn
x
n
b
m
x
i
0 i = 1, 2, , n
b
j
0 j = 1, 2, , m
Problema de programacion lineal que resolvemos por el Metodo del simplex con las
variables de HOLGURA: Encontrar los valores de x
1
, x
2
, , x
n
que maximizan:
z = c
1
x
1
+c
2
x
2
+ +c
n
x
n
+ 0x
n+1
+ + 0x
n+m
a
11
x
1
+a
12
x
2
+ +a
1n
x
n
+x
n+1
= b
1
a
21
x
1
+a
22
x
2
+ +a
2n
x
n
x
n+2
= b
2

a
m1
x
1
+a
m2
x
2
+ +a
mn
x
n
x
n+m
= b
m
x
i
0 i = 1, 2, , n, n + 1, , m
PASOS EN EL METODO DEL SIMPLEX:
1 Construccion de la tabla inicial.
2 Si ya tenemos la solucion optima paramos. Si no, pasamos al paso siguiente.
3 Determinamos la columna pivote.
4 Determinamos la la pivote.
5 Mediante operaciones elementales hacemos un 1 en la interseccion de la la y
columna pivote y cero arriba y abajo de este 1. Volvemos al 2 paso.
Interpretacion de los pasos del Metodo del simplex.
5.5. Problemas. 175.- Una explotacion agrcola de 25 Ha puede establecer dos tipos
diferentes de cultivos: A y B. El benecio neto de una Ha de A es de 20 um (unidades mon-
etarias) y el B de 30 um. El maximo de disponibilidad de trabajo de la explotacion es de 80
jornadas. Una Ha de A precisa 4 jornadas, mientras que una Ha de B precisa solo 2. El coste
de los materiales empleados se eleva a 5 um por Ha de A y a 10 um por Ha de B, siendo la
disponibilidad maxima de 200 um. No se presupone cultivar las 25 Ha ntegras, parte de las
mismas podran dejarse en barbecho. Se pide obtener el n umero de Ha de A y de B a cultivar
para que el benecio sea maximo.
176.- (Jun. 91) Todo punto P del plano cartesiano dene, junto con el origen y sus
proyecciones sobre los ejes X e Y , un rectangulo. Determinar los vertices del rectangulo de
5. PROGRAMACI
ON LINEAL 45
permetro maximo, entre los denidos del modo indicado, y con el punto P moviendose en la
region
2x + 5y 26 0
6x +y 8 0
x +y 2
3x +y + 5 0
177.- ( Feb. 92) Hallar los valores maximos y mnimos de la funcion u = x+2y z, sujeta
a las restricciones
x +z = 2
2x +y +z 4
x + 4y z 4
0 x , 1 y , 0 z .
178.- ( Feb. 93) Maximizar y minimizar (razonadamente) la funcion z(x, y) = x+y dentro
de la region delimitada por los semiplanos
x + 2y 4
x + 4 y
10 x y
x 2y + 4
para x 0, y 0.
179.- (Sep. 92) Hallar los valores maximo y mnimo, as como los puntos donde se
alcanzan, de la funcion f : D R denida por f(x, y, z) = 3x 2y +z 4, donde
D = (x, y, z) R
3
[ x+2y+z+4 0; 2xyz = 0; xz+4 0; x+4y+5 0; z 8; y 4
180.- Maximizar z = x
1
2x
2
+ 3x
3
+x
4
sujeta a las restricciones
x
1
2x
2
+x
3
+ 3x
4
8
2x
1
+ 3x
2
x
3
+ 2x
4
5
x
1
+x
2
3x
3
+ 4x
4
6
x
1
, x
2
, x
3
, x
4
0 .
181.- (Feb. 98) Una empresa dedicada a la apicultura ha recogido 1200 kg de miel de roble,
2400 kg de miel de romero y 1000 kg de miel de jara. Dicha empresa pretende comercializar
tres mezclas A, B y C de estas mieles puras. La composicion de un kilogramo de cada mezcla
viene dada por la siguiente tabla:
miel de roble miel de romero miel de jara
mezcla A 200g 600g 200g
mezcla B 300g 300g 400g
mezcla C 200g 800g
Los benecios netos por kilogramo vendido de cada una de las mezclas son de 0.6 euros
para la mezcla A, 0.5 euros para la mezcla B y 0.4 euros para la mezcla C. C uanto se debe
comercializar de cada una de las mezclas para que el benecio sea maximo?
182.- Resolver todos los ejemplos anteriores por el Metodo del simplex.
183.- Hallar el valor maximo de la integral: I =
_
1
0
x
2
p(
1
x
)dx entre todos los polinomios
p(x) de grado menor o igual a 2, de coecientes no negativos y que cumplen p(1) 2, p
(1) 3.
46
184.- Maximizar z = x
1
+ 3x
2
2x
3
3x
1
x
2
+ 2x
3
7
2x
1
+ 4x
2
12
4x
1
+ 3x
2
+ 8x
3
10
x
1
0
x
2
0
x
3
0
185.- Maximizar z = 3x
1
+ 2x
2
, en:
x
1
+ 2x
2
2
2x
1
+x
2
6
2x
1
+ 3x
2
5
x
1
0
x
2
0
6. DETERMINANTES 47
6. DETERMINANTES
6.1. Denicion.
Determinantes de orden 1,2 y 3. -orden n?
Denicion de permutacion de n elementos, ejemplos y propiedades. Orden natural,
inversion, ejemplos. Indice de una permutacion, signo de una permutacion, ejemplos.
Denicion del determinante de orden n.
6.2. Propiedades.
P 1.- [A[ = [A
t
[
P 2.- Si en un determinante intercambiamos dos las o dos columnas, el determinante cam-
bia de signo.
P 3.- Si un determinante tiene dos las o dos columnas iguales es igual a cero.
P 4.- Si multiplicamos todos los elementos de una la o una columna por un mismo valor el
determinante queda multiplicado por ese n umero.
P 5.- Un determinante con dos las o dos columnas proporcionales es igual a cero
P 6.-
a
11
a
1k
+b
1k
a
1n
.
.
.
.
.
.
.
.
.
a
n1
a
nk
+b
nk
a
1n
a
11
a
1k
a
1n
.
.
.
.
.
.
.
.
.
a
n1
a
nk
a
1n
a
11
b
1k
a
1n
.
.
.
.
.
.
.
.
.
a
n1
b
nk
a
1n
P 7.- Si todos los elementos de una la o una columna son cero entonces el determinante es
cero.
P 8.- Si un elemento de la k-esima columna (la) viene dado como la suma de p sumandos:
a
ik
= a
1
ik
+ +a
p
ik
i = 1, , n
el determinante puede ser representado como la suma de p determinantes.
a
11
a
1
1k
+ +a
p
1k
a
1n
.
.
.
.
.
.
.
.
.
a
n1
a
1
nk
+ +a
p
nk
a
1n
=
p
j=1
a
11
a
j
1k
a
1n
.
.
.
.
.
.
.
.
.
a
n1
a
j
nk
a
1n
P 9.- Si a una la (columna) se le suma una combinacion lineal de las restantes las (colum-
nas) el determinante no varia.
P 10.- Si A tiene una la (columna) como combinacion lineal de las restantes las (columnas),
entonces [A[ = 0.
P 11.- Sean A, B M
n
, [AB[ = [A[[B[
EJEMPLOS: Calcular el determinantes de la matriz unidad, de una matriz diagonal,
de una matriz triangular, etc.
48
6.3. Menores y Adjuntos.
Denicion de MENOR COMPLEMENTARIO y ADJUNTO de un elemento a
ij
. Ejem-
plos
TEOREMA: Si en un determinante D de orden n, todos los elementos de una la o
una columna, a excepcion de uno, son iguales a cero, entonces el determinante es igual
al producto de este elemento distinto de cero por su adjunto.
Ejemplo
DESARROLLO DE UN DETERMINANTE POR LOS ELEMENTOS DE UNA FILA
O UNA COLUMNA:
la i-esima: [A[ = a
i1
A
i1
+ +a
in
A
in
columna j-esima: [A[ = a
1j
A
1j
+ +a
nj
A
nj
Ejemplo
TEOREMA: La suma de los productos de los elemnetos de cualquier la (columna)
de un determinante por los adjuntos correspondientes a una la (columna) paralela es
igual a cero.
Ejemplos: 1.-
0 1 1 1
1 0 1 1
1 1 0 1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1 1 1 0
Ejemplos: 2.-
1 1 1 1
a
1
a
2
a
3
a
n
a
2
1
a
2
2
a
2
3
a
2
n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
1
a
n1
2
a
n1
3
a
n1
n
6.4. Rango e inversion de matrices.

Denicion de matriz ADJUNTA de una matriz dada. Ejemplos.
PROPOSICION: Sea A M
n
(K) y A
su matriz adjunta, entonces:

A(A
)
t
= (A
)
t
A = [A[I
PROPOSICION: Sea A M
n
entonces:
A es invertible [A[ , = 0
COROLARIO: Si [A[ , = 0 entonces:
A
1
=
1
[A[
(A
)
t
Ejemplo: Calcular la matriz inversa, cuando sea posible, de una matriz 2 2
6. DETERMINANTES 49
Denicion de MENOR DE ORDEN p. Ejemplos.
PROPOSICION: Sea p el orden del mayor menor no nulo (todos los menores de orden
p+1 son nulos) entonces el rango de A es p.
Ejemplos: Calcular el rango de las matrices:
A =
_
_
1 1 1 1
4 5 7 2
2 5 8 4
_
_
B =
_
_
1 1 0 3
0 2 1 5
1 1 1 2
_
_
Teorema de CRAMER: Sea el sistema lineal cuadrado:
_
_
a
11
x
1
+ +a
1n
x
n
= b
1

a
n1
x
1
+ +a
nn
x
n
= b
n
con
=
a
11
a
1n
.
.
.
.
.
.
.
.
.
a
n1
a
nn
,= 0
el sistema es compatible determinado y sus soluciones vienen dadas por:
x
1
=
b
1
a
1n
.
.
.
.
.
.
.
.
.
b
n
a
nn
x
n
=
a
11
b
n
.
.
.
.
.
.
.
.
.
a
n1
b
n
Teorema de ROUCHE: Sea

A =
_
_
a
11
a
1n
.
.
.
.
.
.
.
.
.
a
n1
a
nn
_
_
y A
b
=
_
_
a
11
a
1n
b
1
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
nn
b
n
_
_
OBS: rg(A) rg(A
b
)
i) Si rg(A) = rg(A
b
) = n umero de incognitas entonces el sistema es compatible
determinado
ii) Si rg(A) = rg(A
b
) < n umero de incognitas entonces el sistema es compatible
indeterminado
iii) Si rg(A) < rg(A
b
) el sistema es incompatible
6.5. Problemas. 186.- A partir de la denicion, calcular los siguientes determinantes:
11 0
1 3
5 0 0
a 2 0
0 1 4
1 0 0 0
1 6 0 0
1 3 0
2 10 1 4
1 0 0 0 0
1 3 0 0 0
0 1 3 0 0
1 1 1 0
1 1 1 1 2
50
0 8
7 3
0 0 9
0 2 0
1 1 4
0 0 0 5
0 0 1 7
0 6 3 0
2 10 1 4
0 0 0 0 1
0 0 0 2 2
0 0 3 3 7
0 4 1 1 0
5 1 1 1 2
187.- Comprobar que:
1 2 3 4 5
1 2 4 5 6
2 3 5 7 9
1 0 0 1 2
2 0 1 3 0
= 10 ,
1 1 2 3 4
1 2 3 4 5
0 3 5 6 2
1 1 1 1 2
1 2 2 2 2
= 7 ,
a b c d e
1 a 0 0 0
0 1 a 0 0
0 0 1 a 0
0 0 0 1 a
= a
5
+ba
3
+ca
2
+da+e
188.- (Feb. 97) Hallar el valor del siguiente determinante:
1 2 3 n 2 n 1 n
2 3 4 n 1 n n 1
3 4 5 n n 1 n 2
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
n 2 n 1 n 5 4 3
n 1 n n 1 4 3 2
n n 1 n 2 3 2 1
189.- Calcular los siguientes determinantes:
n 1 1 1 1
n 2 1 1 1
n 1 3 1 1
n 1 1 4 1
. . . . . . . . . . . . . . . . . .
n 1 1 1 n
1 2 3 n
4 6 8 2(n + 1)
9 12 15 3(n + 2)
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
n
2
n(n + 1) n(n + 2) n(2n 1)
190.- El objetivo de este ejercicio es calcular, en funcion de n y de x, el siguiente determi-

nante:
D
n
(x) =
2x x
2
0 0 0
1 2x x
2
0 0
0 1 2x 0 0
. . . . . . . . . . . . . . . . . . . . . . . .
0 0 0 2x x
2
0 0 0 1 2x
i) Calculad D
1
(x), D
2
(x), D
3
(x), D
4
(x).
ii) Escribid una formula explocita razonable para D
n
(x).
iii) Obtened una formula recurrente que exprese D
n+2
(x) en funcion de D
n+1
(x) y D
n
(x).
iv) Utilizando iii), probad por induccion la veracidad o falsedad de lo conjeturado en ii).
191.- Discutir y resolver cuando sea posible los siguientes sistemas de ecuaciones, en funcion
de los parametros que aparecen:
6. DETERMINANTES 51
a)
(Feb. 86)
_
_
x
1
+ax
2
+ax
3
+ax
4
= a
ax
1
+x
2
+ax
3
+ax
4
= a
ax
1
+ax
2
+x
3
+ax
4
= a
ax
1
+ax
2
+ax
3
+x
4
= a
b)
(Feb. 85)
_
_
_
(1 +a)x +ay +(1 +a)z = b
(1 +a)x +(1 +a)y +(1 +a)z = 0
(2 +a)x +(1 +a)y +(2 +a)z = b
192.- (Jun. 92) Sea A =
_
a
1
a
2
a
3
a
4
_
/
2
(R). Denamos dos aplicaciones lineales
A
:
/
2
(R) /
2
(R) y
A
: /
2
(R) /
2
(R) por
A
(X) = A X y
A
(X) = X A, para toda
X /
2
(R).
a) Calcular las matrices asociadas a
A
y
A
respecto a la base B =
__
1 0
0 0
_
,
_
0 1
0 0
_
,
_
0 0
1 0
_
,
_
0 0
0 1
__
.
b) Calcular los determinantes de las matrices halladas en el apartado anterior. Que relacion
tienen con el determinante de A?
c) Sea ahora B /
2
(R). Encontrar una condicion necesaria y suciente (dada sobre A)
para que la ecuacion matricial A X = B tenga solucion unica, siendo X /
2
(R).
d) Sea R. Encontrar una condicion necesaria y suciente (sobre A) para que la ecuacion
A X = X (o X A = X) tenga solucion no nula, siendo X /
2
(R).
e) Encontrar todas las matrices A /
2
(R) que cumplen que A X = X A, para cada
X /
2
(R).
193.- Se consideran las matrices reales 4x4:
A =
_
_
_
_
( 1) 1
1 2 1
( + 1) ( 1) ( + 1)
1 3 1
_
_
_
_
, , , R.
a) Demuestrese que el conjunto
W = (, , ) R
3
[ A no es invertible
es un subespacio vectorial de R
3
.
b) calc ulese la dimension de W y encontrad un suplementario de W en R
3
.
194.- Calcular los siguientes determinantes:
a)
1 2 1 2
1 1 2 1
1 1 2 2
2 1 1 1
b)
2 5 0 1 3
1 0 3 7 2
3 1 0 5 5
2 6 4 1 2
0 3 1 2 3
c)
1 2 3 4
2 3 8 5
1 3 1 3
3 8 1 13
195.- Calcular el valor del siguiente determinante:

a)
(Jun. 83)
x 1 2 3 n 1 n
1 x 2 3 n 1 n
1 2 x 3 n 1 n
1 2 3 x n 1 n
. . . . . . . . . . . . . . . . . . . . . . . . . .
1 2 3 4 x n
1 2 3 4 n 1 x
52
196.- a) Sea E una matriz elemental de tama no n n (esto es, el resultado de efectuar
una operacion elemental a la matriz identidad n n). Sea A una matriz cualquiera de tama no
n n. Probar que det(EA) = det(E) det(A).
b) Deducir de lo anterior que si A y B son matrices cuadradas del mismo tama no entonces
det(AB) = det(A) det(B).
197.- Resolver la ecuacion
1 1 1 1
1 x x
2
x
3
3 x + 2 2x + 1 3x
3 2x + 1 x
2
+ 2x 3x
2
= 0.
198.- Discutir en funcion del parametro a el siguiente sistema de ecuaciones, y resolverlo
cuando sea compatible:
x +y z = 1
3x +ay +az = 5
4x +ay = 5
_
_
_
199.- Calculad los determinantes
1 n n n n
n 2 n n n
n n 3 n n
n n n 4 n
. . . . . . . . . . . . . . . . . . .
n n n n n
1 2 3 4 n 1 n
1 1 3 4 n 1 n
1 1 1 4 n 1 n
1 1 1 1 n 1 n
. . . . . . . . . . . . . . . . . . . . . . . . .
1 1 1 1 1 n
1 1 1 1 1 1
1 x 1 1 1
1 1 x 1 1
1 1 1 x 1
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1 1 1 1 x
200.- Resolved los determinantes:
a a a a
a b b b
a b c c
a b c d
1 a a a
1 b a b
1 b b c
1 c c d
201.- Resolver la ecuacion:

1
3
x 2x 3x 4x
x x 3x 4x
x x x 4x
x x x x
= x
2
202.- Solucionad la ecuacion D(x) = 0, con
D(x) =
x 1 2 n
1 x 2 n
1 2 x n
. . . . . . . . . . . . . . . .
1 2 3 x
6. DETERMINANTES 53
203.- Demostrar que
1 1 1 1
x
1
x
2
x
3
x
n
x
2
1
x
2
2
x
2
3
x
2
n
. . . . . . . . . . . . . . . . . . . . . .
x
n1
1
x
n1
2
x
n1
3
x
n1
n
=
(x
2
x
1
) (x
3
x
1
) . . . (x
n
x
1
)
(x
3
x
2
) . . . (x
n
x
2
)
. . . . . . . . . . . . . .
. . .
(x
n
x
n1
)
54
7. DIAGONALIZACION Y FORMAS CANONICAS
7.1. Introduccion.
Por que buscamos expresiones sencillas para matrices?
Ejemplo 1.- Hallar el n-esimo n umero de Fibonacci.
Ejemplo 2.- Hallar una formula general para las funciones que son proporcionales a su
segunda derivada.
Algo sobre polinomios Denicion de polinomio, igualdad de polinomios, suma de
polinomios, grado, raoz de un polinomio. Teorema fundamental del Algebra. Multi-
plicidad de una raoz.
7.2. Autovalores, autovectores y polinomio caracterstico.
Denicion de AUTOVALOR y AUTOVECTOR de un endomorsmo T
EJEMPLOS:
1.- T : V V T(x) = x
2.- T : V V T(x) = 0
3.- T : R
2
R
2
T(x, y) = (y, x)
Denicion de autoespacio de T asociado a un autovalor , E()
PROPOSICION: E() es un subespacio vectorial de V.
PROPOSICION: Sea T : V V una aplicacion lineal y sean
1
,=
2
dos autovalores
de T entonces E(
1
) E(
2
) = 0
PROPOSICION: Sea V un espacio vectorial sobre R y T : V V un endomorsmo.
Sean
1
, ,
m
autovalores de T distintos dos a dos. Sean x
1
, , x
m
autovectores
de T asociados a los autovalores anteriores, entonces x
1
, , x
m
son linealmente in-
dependientes. (m n)
PROPOSICION: Sea V un espacio vectorial sobre R y T : V V un endomorsmo.
Entonces:
i) = 0 es autovalor de T T no es inyectivo.
ii) es autovalor de T el endomorsmo T I no es inyectivo.
PREGUNTA: Que relacion hay entre E() y el ker(T I)?
PREGUNTA: C ual es el n umero maximo de autovalores distintos de un endomor-
smo?
PREGUNTA: Se te ocurre alguna condicion suciente para que un endomorsmo sea
diagonalizable? es necesaria?
Denicion de autovalor y autovector de una matriz.
7. DIAGONALIZACION Y FORMAS CANONICAS 55
Denicion de POLINOMIO CARACTERISTICO de una matriz A.
PREGUNTA: C ual es el grado del polinomio caracterstico? C ual es el termino in-
dependiente del polinomio caracterstico de A?
PREGUNTA: Que relacion existe entre los polinomios caractersticos de dos matrices
semejantes?
Denicion de polinomio caracterstico de un endomorsmo T.
PREGUNTA: -Depende el polinomio caracterstico de la base que cojamos?
EJEMPLO: Sea T : R
3
R
3
dado por: T(x, y, z) = (y x, x z, z). Hallar el poli-
nomio caracterstico y sus autovalores. es diagonalizable?
PROPOSICION: Sea V un espacio vectorial real de dimension nita distinto del trivial.
Sea T un endomorsmo de V . Sea
0
R Entonces:
0
es autovalor de T P
T
(
0
) = 0
EJEMPLOS:
1.- Sea
A =
_
1 1
1 1
_
C uales son los autovalores sobre R? -Y sobre C?
2.- Calcular los autovalores de las siguientes matrices y decidir cuando sea posible si
son diagonalizables o no.
A =
_
_
_
_
a 3 0 a a
2
3 a
2
+ 3
a 1 a a 2 1
4 a 0 a
2
a + 4 a
2
3
4 0 4 3
_
_
_
_
B =
_
_
1 1 1
1 1 1
1 1 1
_
_
C =
_
_
1 1 0
3 1 6
1 1 3
_
_
D =
_
_
_
_
3 3 0 1
1 1 0 1
1 2 1 1
2 4 0 3
_
_
_
_
E =
_
1 2
1 1
_
7.3. Una condicion necesaria y suciente para la diagonalizacion.
Denicion de MULTIPLICIDAD ALGEBRAICA y MULTIPLICIDAD GEOMET-
RICA de un autovalor.
EJEMPLO: Estudiar las multiplicidades de los autovalores de los ejemplos anteriores.
PREGUNTA: Que relacion hay entre las multiplicidades algebraica y geometrica de
un autovalor?
Denicion de endomorsmo DIAGONALIZABLE. Recordamos la denicion de matriz
diagonalizable.
56
PREGUNTA: Que relacion hay entre los autovalores de dos matrices semejantes?
PREGUNTA: C uales son los autovalores de una matriz diagonal?
EJEMPLOS:
1.- Diagonalizar la matriz siguiente:
A =
_
5 6
3 4
_
2.- Diagonalizar el siguiente endomorsmo: T(x, y) = (y, x)
3.- es A =
_
1 1
0 1
_
diagonalizable?
PROPOSICION: Caracterizacion de endomorsmos diagonalizables Sea V un espacio
vectorial sobre un cuerpo K de dimension nita y no trivial. Y sea T un endomorsmo
de V . Entonces:
T es diagonalizable e
1
, , e
n
base V formada por autovectores de T
TEOREMA: Sea V un espacio vectorial sobre K, dimV 1. Sea T un endomorsmo
de V . Entonces T es diagonalizable si y solo si se cumplen las dos siguientes condiciones:
i) Todas las races del polinomio caracterstico estan en el cuerpo K
ii) Las multiplicidades algebraica y geometrica de cada autovalor de T coinciden.
COROLARIO: Sea V un espacio vectorial sobre K, con dimV = n, si T tiene n auto-
valores distintos dos a dos entonces T es diagonalizable.
7.4. Polinomios de matrices,T
a
de Cayley-Hamilton y T
a
de Descomposicion.
La pregunta ahora es: Que hacemos si no se puede diagonalizar una matriz?
EJEMPLO:
_
_
0 3 1
2 1 1
2 1 1
_
_
Polinomios de matrices: Denicion de la aplicacion . Propiedades de la aplicacion :
lineal, no es inyectiva, conserva el producto, si p
0
ker qp
0
ker
EJEMPLOS: 1.- Sea f(x) = x
2
+ 1, A =
_
1 0
0 2
_
2.-Sea g(x) = x
1998
A =
_
_
1 2 10
2 1 10
1 1 6
_
_
PROPOSICION: Si f(x) = (x
1
)(x
2
) (x
n
) y A M
n
(K) Entonces
f(A) = (A
1
)(A
2
) (A
n
)
PROPOSICION: Sea K un cuerpo, sea A M
n
(K) entonces existe un polinomio
f K[x] no nulo tal que f(A) = 0
PROPOSICION: Sea V un espacio vectorial sobre el cuerpo K con dimV = n y
T : V V lineal, entonces f K[x], f ,= 0 /f(T) = 0
PROPOSICION: Existe un polinomio p
0
K[x] / ker = p K[x] / p = qp
0
OBSERVACION: p
0
no es unico.
PREGUNTA: Como sabremos si dados p, q K[x] p(T) = q(T)?
TEOREMA DE CAYLEY-HAMILTON: p
A
(A) = 0, p
T
(T) = 0
Denicion de polinomio monico.
Denicion de POLINOMIO MINIMO de A.
EJEMPLOS: 1.- Sea A =
_
1 2
3 2
_
. Comprobar que p
A
(A) = 0
2.- Sea A =
_
_
1 1 1
0 1 1
0 0 1
_
_
Calcular A
1
3.- Sea A =
_
_
2 2 5
3 7 15
1 2 4
_
_
, B =
_
_
2 1 1
6 3 4
3 2 3
_
_
, C =
_
_
_
_
1
0 0
0
2
0
.
.
.
0 0
n
_
_
_
_
con
i
,=
j
si i ,= j. Calcular los polinomios mnimos de A, B y C.
TEOREMA: p
A
y pm
A
tienen las mismas races.
EJEMPLO: Calcular ahora el polinomio mnimo de C del ejemplo anterior.
PREGUNTA: Se te ocurre alguna relacion entre la invertibilidad de un endomorsmo
y el polinomio caracterstico?
7.5. Endomorsmos Nilpotentes.
Denicion de ENDOMORFISMO NILPOTENTE. Denicion de MATRIZ NILPO-
TENTE.
EJEMPLO: T End(R
2
), denido por: T(x, y) = (y, 0)
PROPOSICION: Sea T End(V ) nilpotente y sea B una base de V , entonces M
B
T
es nilpotente.
Sea T End(V ) y suponemos que existe una base B de V tal que M
B
T es nilpotente,
entonces T es nilpotente.
PROPOSICION: Los endomorsmos nilpotentes solo tienen al cero como autovalor.
58
Denicion del ORDEN DE NILPOTENCIA de un endomorsmo T
PROPOSICION: Sea T un endomorsmo nilpotente de orden de nilpotencia k, en-
tonces
x V / T
k1
(x) ,= 0
PROPOSICION: Sea T un endomorsmo nilpotente de orden de nilpotencia k, en-
tonces
T
m
= 0, m k
PROPOSICION: Sea T un endomorsmo nilpotente no nulo y sea q su orden de nilpo-
tencia. Sean
H
0
= 0; H
1
= ker T; H
2
= ker T
2
= ker T T; H
q
= ker T
q
= ker(T T) = V
Entonces se tiene el siguiente encadenamiento:
0 = H
0
H
1
H
2

q veces
..
H
q
= V
PREGUNTA: Si T es un endomorsmo nilpotente de orden q y deniendo H
q
y H
q+1
como en la proposicion anterior, Que relacion hay entre estos subespacios?
EJEMPLO: Calcular la forma canonica, mas sencilla, de los siguientes endomorsmos
nilpotentes:
A =
_
_
1 1 3
5 2 6
2 1 3
_
_
B =
_
_
_
_
0 1 1 1
0 0 1 1
0 0 0 1
0 0 0 0
_
_
_
_
TEOREMA:(Forma canonica de un endomorsmo nilpotente) Sea V un espacio vecto-
rial sobre un cuerpo K nitamente generado. Sea T un endomorsmo de V nilpotente
de orden k. Entonces existe una base B de V de tal forma que la M
B
T es de la siguiente
manera:
_
_
_
_
_
_
0
1
0 0
0 0
2
0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0
n1
0 0 0 0
_
_
_
_
_
_
donde
i
= 0 o 1, i = 1, , n 1
DEMOSTRACION:
0 = H
0
H
1
H
2
H
k1
H
k
= V,
n = dimker T
k
= d
k
, dimker T
k1
= d
k1
, dimker T
j
= d
j
, dimker T = d
1
; d
0
= 0
V = ker T
k
= ker T
k1
Lv
1
, v
r
1
,
r
1
= d
k
d
k1
v
1
, , v
r
1
ker T
k
ker T
k1
ker T
k1
= ker T
k2
LT(v
1
), T(v
r
1
), v
r
1
+1
, , v
r
2
,
r
2
= d
k1
d
k2
v
r
1
+1
, , v
r
2
ker T
k1
ker T
k2
V = ker T
k
= Lv
1
, v
r
1
ker T
k1
= Lv
1
, v
r
1
LT(v
1
), T(v
r
1
), v
r
1
+1
, , v
r
2
ker T
k2
Repitiendo este proceso llegamos a escribir el espacio V de la siguiente manera:
V = Lv
1
, v
r
1
LT(v
1
), T(v
r
1
), v
r
1
+1
, , v
r
2
LT
2
(v
1
), T
2
(v
r
1
), T(v
r
1
+1
), , T(v
r
2
), v
r
2
+1
, , v
r
3

LT
k1
(v
1
), T
k1
(v
r
1
), T
k2
(v
r
1
+1
), T
k2
(v
r
2
), , v
r
k1
+1
, , v
r
k
Observamos que r
k
= dimker T = d
1
, y que
k
j=1
r
j
= n
Reordenamos todos estos vectores en orden decreciente de potencias de la siguiente
manera:
B = T
k1
(v
1
), T
k2
(v
1
), , T(v
1
), v
1
, T
k1
(v
2
), T
k2
(v
2
), , T(v
2
), v
2
,
T
k1
(v
r
1
), T
k2
(v
r
1
), , T(v
r
1
), v
r
1
, T
k2
(v
r
1
+1
), T
k3
(v
r
1
+1
), , T(v
r
1
+1
), v
r
1
+1
,
T
k2
(v
r
2
), T
k3
(v
r
2
), , T(v
r
2
), v
r
2
, T
k3
(v
r
2
+1
), T
k4
(v
r
2
+1
), , T(v
r
2
+1
), v
r
2
+1
,
v
r
k1
+1
, , v
r
k
Quedando la matriz del endomorsmo en esta base de la forma:

M
B
T =
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
0 1 0 0
0 0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 1
0 0 0 0
.
.
.
0 1 0 0
0 0 1 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 1
0 0 0 0
.
.
.
0 1
0 0
.
.
.
0 1
0 0
0
.
.
.
0
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
PREGUNTA: Cuantas cajas de tama no k, k 1, 1 hay?
Por que buscamos subespacios invariantes?
TEOREMA DE DESCOMPOSICION DE UN ESPACIO VECTORIAL: Sea V un
espacio vectorial sobre un cuerpo K nitamente generado, dimV = n, T un endomor-
smo de V . Supongamos que todas las races del P
T
() estan en el cuerpo K. Sean
1
, ,
q
los autovalores distintos de P
T
, con m
A
(
i
) las multiplicidades algebraicas
de
i
. Entonces:
i) V = ker(T
1
I)
m
A
(
1
)
ker(T
q
I)
m
A
(
q
)
ii) T(ker(T
i
I)
m
A
(
i
)
) ker(T
i
I)
m
A
(
i
)
i = 1, , q
iii) dim[ker(T
i
I)
m
A
(
i
)
] = m
A
(
i
)
PREGUNTA: es nilpotente la aplicacion T
i
I sobre alg un subespacio?
Denicion de INDICE DE UN AUTOVALOR
i
, lo denotamos por: (
i
)
60
PREGUNTA: Que relacion existe entre el ndice de un autovalor y su multiplicidad
algebraica? Que relacion existe entre el subespacio ker(T
i
I)
m
A
(
i
)
y el subespacio
ker(T
i
I)
(
i
)
Denicion de AUTOESPACIO GENERALIZADO de un autovalor
i
Una consecuencia inmediata del teorema de descomposicion es el siguiente teorema
que nos da una expresion para calcular el polinomio mnimo:
TEOREMA: Sea V un espacio vectorial de dimension nita sobre un cuerpo K no
nulo, sea T un endomorsmo de V tal que todas sus races esten en el cuerpo. Sea
P
T
() = (
1
)
r
1
(
q
)
r
q
, sea (
i
) el ndice del autovalor
i
. Entonces:
pm
T
() = (
1
)
(
1
)
(
q
)
(
q
)
EJEMPLOS: Calcular el polinomio mnimo de los ejemplos anteriores.
7.6. Teorema de Jordan.
Denicion de MATRIZ ELEMENTAL O REDUCIDA DE JORDAN.
Ejemplos: matriz elementales de Jordan de orden 1, 2, 3, etc.
Denicion de MATRIZ DE JORDAN
Ejemplos: algunas matrices de Jordan.
TEOREMA DE JORDAN: Sea V un espacio vectorial sobre un cuerpo K nitamente
generado no nulo, sea T un endomorsmo de V y tal que sus autovalores pertenecen a
K. Entonces existe una base ordenada B de V con respecto a la cual la matriz asociada
a T es una matriz diagonal por cajas de la forma:
M
B
T =
_
_
_
_
A
1
A
2
.
.
.
A
q
_
_
_
_
A la matriz que se obtiene en el teorema anterior la llamaremos MATRIZ DE JOR-
DAN DE T, observar que esta matriz no es unica.
PREGUNTAS:
C ual es el n umero de veces que aparece un autovalor
i
en la diagonal de una
matriz de Jordan?
C ual es el n umero de matrices elementales de Jordan de un mismo autovalor?
-Hay alg un tama no de estas matrices elementales de Jordan que sepamos seguro
que va aparecer? C ual es este tama no?
Cuantas cajas de tama no el orden de nilpotencia de un autovalor habra en la
matriz?
7.7. Problemas. 204.- Dado el endomorsmo
f : R
3
R
3
f(x, y, z) = (x + 2y, x + 3y +z, y +z)
estudiar si:
a) los vectores (1,0,1) y (1,0,0) son autovectores de f. -A que autoespacios pertenecen?
b) el n umero 0 es autovalor de f. es f inyectiva? -Y sobreyectiva?
c) existen valores de y (reales) tales que el vector (
2
+
2
, 1,
+
2
) es autovector de
f asociado al autovalor 2.
205.- Dadas las matrices
A =
_
_
_
_
_
_
1
0 0 0
0
2
0 0
. . . . . . . . . . . . . . . . . . . . . .
0 0
n1
0
0 0 0
n
_
_
_
_
_
_
, B =
_
_
_
_
_
_
a
1,1
a
1,2
a
1,n1
a
1,n
0 a
2,2
a
2,n1
a
2,n
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
0 0 a
n1,n1
a
n1,n
0 0 0 a
n,n
_
_
_
_
_
_
/
nn
(K)
escribir sus autovalores y sus polinomios caractersticos.
206.- C uales son los autovalores y los autoespacios de las siguientes matrices
_
_
5 0 4
0 3 0
2 0 1
_
_
,
_
_
_
_
0 1 0 0
3 0 2 0
0 2 0 3
0 0 1 0
_
_
_
_
,
_
_
_
_
_
_
1 1 1 1
1 1 1 1
. . . . . . . . . . . . . . .
1 1 1 1
1 1 1 1
_
_
_
_
_
_
_
_
1 1 1
1 1 0
1 0 1
_
_
,
_
_
4 4 2
2 2 1
4 4 2
_
_
,
_
_
_
_
1 1 1 1
1 1 1 1
1 1 1 1
1 1 1 1
_
_
_
_
?
207.- Sea A una matriz cuadrada cuyos elementos pertenecen a un cuerpo K.
i) Si es autovalor de A, entonces
2
es autovalor de A
2
?
ii) Si no es autovalor de A
2
puede ser autovalor de A
2
?
iii) Puede ocurrir que A
2
tenga alg un autovalor y que A carezca de ellos?
208.- En este ejercicio se ofrecera una denicion importante y trabajaremos sobre ella:
Denicion(Matrices semejantes). Dos matrices A, B M
nn
(K) (cuadradas) son seme-
jantes si existe una matriz invertible P M
nn
(K) tal que
A = P
1
B P.
a) Comprobad que si A y B son semejantes y si B y C lo son tambien, entonces A y C
son semejantes.
b) Probad que si A y B son semejantes se cumple que:
rango(A) = rango(B) , det(A) = det(B) y traza(A) = traza(B) .
62
c) Que lectura podemos efectuar, por medio de aplicaciones lineales, cuando estamos
ante dos matrices semejantes?
209.- Si de una aplicacion lineal f : 1 1, donde 1 es un Kespacio vectorial n-
dimensional, conocemos su matriz respecto de dos bases distintas de 1, B y B
,
m(f)
B
B
= A ,
estudiad si:
a) det(A I) es el polinomio caracterstico de f.
b) det(A C
B
B
) tiene alguna relacion con el polinomio caracterstico de f y/o con los
autovalores de f.
210.- Dentro de las funciones continuas de R en R, y con la operaciones usuales, consid-
eremos el espacio vectorial real 1 generado por las funciones sen x, cos x, 1. Determinad los
autovalores y autovectores de la aplicacion lineal derivacion, T,
T : 1 1 .
211.- Dado un endomorsmo
f : R
n
R
n
con autovalores
(f) =
1
, . . . ,
s
y una matriz
A M
nn
(R)
demostrad las siguientes armaciones:
a) los autovalores de A son los mismos que los de A
t
y, ademas, con identicas multiplici-
dades geometricas y algebraicas.
b) los autovalores de f ( R) son
1
, . . . ,
s
.
c) f es invertible (isomorsmo) si y solo si el n umero 0 no es autovalor de f.
d) si f es invertible, los autovalores de f
1
son
1
1
, . . . ,
1
s
.
e) dado R, los autovalores de f id son
1
, . . . ,
s
.
f) los n umeros
2
1
, . . . ,
2
s
son autovalores de f
2
. -Son los autovalores de f
2
?
212.- Encontrar una matriz diagonal equivalente a las siguientes. Determinar una matriz
de paso P tal que D = P
1
A
i
P, donde D es la forma diagonal de A
i
:
A
1
=
_
_
1 3 1
3 1 1
1 1 5
_
_
A
2
=
_
_
3 1 0
1 3 0
0 0 2
_
_
A
3
=
_
_
5 10 8
10 2 2
8 2 11
_
_
.
213.- (Feb. 93) Consideremos el espacio vectorial real tridimensional V generado por las
aplicaciones f
1
, f
2
, f
3
con:
f
1
: R R
t sent
f
2
: R R
t cos t
f
3
: R R
t e
t
Consideremos la aplicacion lineal T : V V tal que actoa sobre f
1
, f
2
y f
3
del siguiente modo:
T(sent) = 6 cos t; T(cos t) = 6sent + 5 cos t; T(e
t
) = e
t
i) Probad que T es diagonalizable.
ii) Obtened una base de V respecto de la cual la matriz de T sea diagonal.
214.- Determinar los valores de a para los cuales la matriz A es diagonalizabe. Hallar su
forma diagonal D y una matriz invertible P tal que D = P
1
AP en esos casos.
a)
(May. 91)
_
_
1 1 0
a
2
1 1
0 a
2
1
_
_
b)
(May. 93)
_
_
a + 1 a 1 0
a 1 a + 1 0
1
2
a a
1
2
2a
_
_
c)
(May. 90)
_
_
0 1 0
0 a 0
a 0 2
_
_
215.- (Sep. 97) Determinar el endomorsmo de R
3
, h, que verica las dos condiciones
siguientes: i) Los subespacios L(1, 0, 1) y el de ecuacion x
1
x
2
+x
3
= 0 son sus autoespacios
(subespacios propios).
ii) h(0, 0, 1) = (1, 0, 1).
216.- Dada la matriz A =
_
_
2 1 1
2 a b
1 c d
_
_
, a, b, c, d R, de la que se conocen los autovectores
v
1
=
_
1
1
0
_
y v
2
=
_
2
3
1
_
. Se pide:
a) Determinar los autovalores
1
y
2
correspondientes a los autovectores dados, as como
los parametros a, b, c, d.
b) Estudiar si es diagonalizable. En ese caso hallar el tercer autovalor y los autovectores
correspondientes.
217.- (Jun. 94) Diremos que un endomorsmo T : R
n
R
n
es separable si se cumple que
ker T ImT = 0 .
Estudiar, demostrando si son ciertas o no, las siguientes proposiciones:
a) Todo endomorsmo diagonalizable es separable.
b) Todo endomorsmo separable es diagonalizable.
c) Un endomorsmo S : R
n
R
n
es separable si y solo si existe un endomorsmo
diagonalizable D : R
n
R
n
tal que ker S = ker D e ImS = ImD.
218.- (Sep. 95) Dada la matriz A =
_
_
3 2 2
2 6 4
2 4 2
_
_
(a) calcular su matriz canonica de Jordan, as como una matriz de paso.
(b) obtener (si existe) el lomite: lim
n
__
1
3
A
n
B
_
, siendo B =
_
3
2
3
_
.
219.- (Feb. 95) Calcular la forma de Jordan, J , de la matriz A para cada valor de a
A =
_
_
a
2
+a a a
2
a
a 0 a
1 a
2
a
2
a 1 1
_
_
Para el caso a = 0 calcular una matriz invertible P tal que J = P
1
AP .
220.- (May. 95) i) Sea J =
_
_
1
0 0
0
2
1
0 0
2
_
_
. Demostrar, por induccion sobre n que
J
n
=
_
_
n
1
0 0
0
n
2
n
n1
2
0 0
n
2
_
_
.
64
ii) Sea A =
_
_
1 3 3
1 4 5
1 4 5
_
_
. Calcular A
n
.
iii) Sea X
m
mN
R
3
una sucesion de la que sabemos que X
1
=
_
1
0
1
_
y X
n+1
= AX
n
,
siendo A la matriz del apartado anterior. Calcular el termino X
25
.
221.- (May. 94) De un endomorsmo T : R
6
R
6
se sabe que su polinomio caracterstico
es p
T
() = (1 )
4
(1 +)
2
y que la dimker(T I)
2
= 3.
Demostrar que
T
5
+T
4
+ 2T
3
2T
2
T +I = 0.
222.- (May. 96) Sea f : R
6
R
6
un endomorsmo del que se sabe:
i) rango(f) = 4.
ii) Las races del polinomio caracterstico de f son
1
y
2
, y las dos son reales.
iii) dim[ker(f
1
id)
1
] dim[ker(f
1
id)] = 1 ,
dim[ker(f
2
id)
2
] dim[ker(f
2
id)] = 2 ,
donde
i
es el ndice del autovalor
i
.
Determinar razonadamente las posibles formas canonicas de Jordan de f.
223.- (Sep. 95) Sea V un espacio vectorial real de dimension nita n, n > 1. Sean S y T
endomorsmos de V . Demostrar si son ciertas o no cada una de las siguientes armaciones:
(i) El polinomio caracterstico del endomorsmo S + T no coincide con la suma de los
polinomios caractersticos de S y T.
(ii) El polinomio caracterstico del endomorsmo T, con R, coincide con el polinomio
caracterstico de T multiplicado por
n
.
(iii) El polinomio caracterstico del endomorsmo S T no coincide con el producto de los
(iv) Si T es un endomorsmo autoadjunto entonces sus polinomios mnimo y ca- racterostico
coinciden.
(v) Sean
1
y
2
(
1
,=
2
) los autovalores del endomorsmo T tales que
dimker(T
1
I)
k
1
1
= d
1
1 y dimker(T
2
I)
k
2
= d
2
,
con d
1
+d
2
= n, entonces el polinomio mnimo de T viene dado por
pm
T
= (
1
)
k
1
(
2
)
k
2
.
_
_
2 2 6
0 a 4 a
0 a a
_
_
, pruebese que a R, a < 0, la matriz A no es
diagonalizable (consideramos A como matriz real). Diagonalcese el endomorsmo f : R
3
R
3
que tiene asociada (en la base canonica) a la matriz A para a = 1, localizando una base en la
que f tenga forma diagonal.
225.- Determinar, seg un los valores de a, cuando la matriz A =
_
_
2 a a 1 a
0 1 0
2 + 2a a 1 + 2a
_
_
es diagonalizable. Determinar una matriz no singular P tal que D = P
1
A P.
226.- Dada la matriz cuadrada de orden n
A =
_
_
_
_
_
_
_
0 1 1 . . . 1 1
1 0 1 . . . 1 1
1 1 0 . . . 1 1
. . . . . . . . . . . . . . .
1 1 1 . . . 0 1
1 1 1 . . . 1 0
_
_
_
_
_
_
_
Justicar que es diagonalizable, y hallar su forma diagonal D.
227.- Encontrar dos funciones x(t), y(t) : R R tales que x(0) = 1, y(0) = 2 y cumpliendo
que
x
(t) = 1/2 x(t) 1/2 y(t)

y
(t) = 1/2 x(t) + 1/2 y(t), para todo t R.

228.- Calcular el termino general de la sucesion denida del siguiente modo
a
k
= a
k1
+ 2a
k2
con a
1
= 1 y a
2
= 1
229.- TEOREMA de Cayley Hamilton. Sea A /
n
(K), se verica que p
A
(A) = 0.
Es decir, si p
A
() = b
n
n
+... +b
1
+b
0
, ocurre que b
n
A
n
+... +b
1
A +b
0
I = 0.
Sean B = A I y C = adj(B) (la matriz en cuya entrada c
i,j
aparece el adjunto, con
su signo correspondiente, al elemento b
j,i
. cuando se hablo de matrices inversas, se tiene que
B adj(B) = det(B) I.
1) Probar que existen B
0
, , B
n1
/
n
(K) tales que
C = B
n1
n1
+... +B
1
+B
0
.
2) Probar que B C = det(B) I
n
.
3) Probar que
det(B) I
n
= B C = (A I) C = A C C
o, equivalentemente:
b
n
I
n
n
+ +b
1
I
n
+b
0
I
n
= AB
n1
n1
+ +AB
1
+AB
0
B
0
B
n1
n
.
Deducir de aho, igualando coecientes, que
b
0
I
n
= AB
0
b
1
I
n
= AB
1
B
0
. . . . . . . . . . . . . . . . . . . . . . . . . .
b
n1
I
n
= A
n1
B B
n2
b
n
I
n
= B
n1
4) Multiplicar las ecuaciones anteriores por I, A, , A
n1
, A
n
y sumarlas. Deducir de aho
que p
A
(A) = 0.
230.- Calcular el polinomio mnimo de las siguientes matrices:
a)
_
_
2 1 0
1 0 1
1 3 1
_
_
b)
_
_
3 10 6
0 7 6
0 0 1
_
_
c)
_
_
_
_
0 1 0 0
1 1 0 0
0 0 1 0
0 0 0 1
_
_
_
_
d)
_
_
_
_
2 1 0 0
1 1 0 0
0 0 1 0
0 0 0 1
_
_
_
_
e)
_
_
_
_
3 1 0 0
1 1 0 0
0 0 3 1
0 0 1 1
_
_
_
_
66
231.- Para las siguientes matrices correspondientes a endomorsmos de R
3
, calcular su
matriz de Jordan J, y una base de R
3
respecto de la que ese endomorsmo tiene por matriz a
J.
a)
_
_
0 1 0
1 4 0
0 1 2
_
_
b)
_
_
3 2 1
3 2 3
1 1 4
_
_
c)
_
_
0 4 2
3 8 3
4 8 2
_
_
232.- Calcular en los siguientes casos la matriz de Jordan y la matriz de paso:
a)
_
_
_
_
1 1 0 0
1 3 0 0
0 0 3 1
0 0 1 1
_
_
_
_
b)
_
_
_
_
1 3 0 3
2 6 0 13
0 3 1 3
1 4 0 8
_
_
_
_
c)
_
_
_
_
3 1 0 0
1 1 0 0
3 0 1 3
4 1 3 1
_
_
_
_
233.- Hallar la forma canonica de Jordan J (o, en particular, la forma diagonal) de la
matriz
A =
_
_
1 0 1 +a
0 1 3 + 2a
0 0 a
_
_
seg un los valores del parametro a R. En cada caso, determinar una matriz invertible P tal
que J = P
1
A P.
La misma pregunta para
A =
_
_
0 0 a
3
1 0 3a
2
0 1 3a
_
_
.
234.- Sea T End (R
3
) tal que
/
B
c
T =
_
_
a b b
b 0 b
a 2 0 a b
_
_
.
Se sabe que v =
_
1
1
2
_
es autovector de T. Determinad los valores de a y b y hallad la forma
canonica de Jordan J del endomorsmo T y una matriz invertible P tal que J = P
1AP.
235.- Sea la matriz
A =
_
_
_
_
0 0 0 a
0 0 b 0
0 a 0 0
b 0 0 0
_
_
_
_
con a, b 0.
i) Hallar los valores de a y b para los cuales A es diagonalizable. En estos casos, hallar la
matriz diagonalizada A
y una matriz P tal que A
= P
1
AP.
ii) Determinar la forma canonica de Jordan de A para los restantes casos, dependiendo de
los valores de a y b.
236.- Dada M =
_
_
_
_
b 0 0 b + 3
0 0 0 b
b a 0 2
0 0 0 b
_
_
_
_
.
a) Estudiar para que valores del parametro b la matriz M es diagonalizable. Dar su forma
diagonal para esos valores.
b) En el caso no diagonalizable, calcular la forma canonica de Jordan de M.
237.- Sea A /
n
(R) una matriz diagonalizable tal que sus autovalores son 1 y 2.
Comprobar que entonces se verica la ecuacion
A
5
= 11A 10I.
238.- Sea la matriz A =
_
_
_
_
5 4 10 4
1 1 3 2
2 2 4 2
0 2 1 3
_
_
_
_
. Consideremos el polinomio
p(x) = x
5
+ (1 )x
4
+ (1 )x
3
+ (1 )x
2
x.
Est udiese para que valores de se tiene p(A) = 0. NOTA: Los autovalores de A son n umeros
enteros.
239.- Hallar la forma canonica de Jordan de todas las matrices A /
3
(R) que verican
la ecuacion
A
3
5A
2
+ 8A 4I = 0.
240.- Encontrar dos funciones reales de variable real x(t), y(t) : R R cumpliendo que
x(0) = y(0) = 1
y que
x
(t) =
1
2
x(t) +
1
2
y(t)
y
(t) =
1
2
x(t)
1
2
y(t)
241.- Sean x
n
nN
e y
n
nN
dos sucesiones de n umeros reales tales que x
1
= y
1
= 1 y
que cumplen
x
n+1
=
3
2
x
n
+y
n
y
n+1
= x
n
1
2
y
n
.
Calcular los terminos generales x
n
e y
n
.
_
_
3
2
0
1
2
1
2
1
1
2
1
2
0
1
2
_
_
se pide:
Calcular la forma de Jordan J de A, dar una expresin de J
m
para cada m N y calcular,
como aplicacion, A
21051993
.
243.- Calcular razonadamente la forma canonica de Jordan J de la matriz
A =
_
_
_
_
a 3 0 a a
2
3 a
2
+ 3
a 1 a a 2 1
4 a 0 a +a
2
+ 4 a
2
3
4 0 4 3
_
_
_
_
/
44
(R)
para los distintos valores del parametro a R. En el caso particular en el que a = 2, encontrar
una matriz P de modo que J = P
1
AP.
244.- a) Calcular la forma canonica de Jordan del endomorsmo T : R
4
R
4
denido por:
T(1, 0, 0, 0) = (1, 1, 1, 0), T(0, 1, 0, 0) = (a + 1, 0, a 1, 0),
T(0, 0, 1, 0) = (a 1, 0, a + 1, 0), T(0, 0, 0, 1) = (2a, 1, 2a 2, 1 a),
siendo a R.
b) Para los valores de a tales que T sea diagonalizable, calcular una base de R
4
formada
por autovectores.
68
_
_
a 1 1 2a
1 0 1
1 1 a
_
_
/
33
(R). Determinar los valores de a
para los cuales A es diagonalizable. En los casos no diagonalizables, calcular la forma canonica
de Jordan J
A
y una matriz invertible P de modo que J
A
= P
1
AP.
246.- Sea f : R
3
R
3
un endomorsmo del que se sabe lo siguiente:
f es diagonalizable y solo tiene dos autovalores distintos
f(U) = V, siendo U = (x, y, z) R
3
/x 2y z = 0 y V = L(1, 0, 1), (1, 1, 1)
(1, 0, 1) es un vector propio de f y esta asociado a un autovalor simple

1
= 1 es autovalor de f y uno de sus vectores propios pertenece a U
Hallar la matriz A de f en funcion de cuantos parametros sea preciso.
247.- Sea T
99
(R) = p(x) : p(x) es un polinomio de grado menor o igual que 99 con
coecientes reales . Sea
T : T
99
(R) T
99
(R)
p(x) p(x).
a) Probar que T es lineal.
b) Calcular el polinomio caracterstico y el polinomio mnimo de T.
c) Hallar una base de T
99
(R) formada por autovectores de T.
d) Dada la aplicacion lineal
I : T
99
(R) R
p(x) I(p) =
_
1
1
p(x)dx ,
consideremos
S = p T
99
(R) : p(x) = p(x) x R y I(p) = 0.
Probar que S es un subespacio vectorial de T
99
(R) y calcular la dimension de dicho subespacio
S.
248.- En cada uno de los siguientes apartados marcar todas las opciones que sean correctas
-y solo estas-.
a) Sea T : R
n
R
n
un endomorsmo. T es diagonalizable si y solo si:
En R
n
hay una base formada por autovectores de T.
Las races del polinomio caracterstico de T son reales y simples.
Las races del polinomio mnimo de T son reales y simples.
Las races del polinomio mnimo de T (reales o no) son simples.
b) Sea A /
nn
(R). Entonces el determinante de A es cero si y solo si:
A tiene una columna de ceros.
A es semejante a una matriz con una columna de ceros.
0 es un autovalor de A.
A
2
= A.
249.- Sea T : R
3
R
3
una aplicacion lineal de la que sabemos que (1, 1, 1) y (1, 0, 2)
son autovectores asociados a los autovalores 2 y 1, respectivamente. tambien sabemos que
T(0, 1, 0) = (a, a, 2a), siendo a un n umero real.
i) C uanto tiene que valer a para que 1 sea autovalor doble?
ii) Para que valores de a T es diagonalizable y para cuales no?
iii) Para el caso no diagonalizable, dar una base B que nos d la forma de Jordan de T.
250.- Consideramos el espacio vectorial V generado por el sistema de funciones
1, x, x
2
, x
3
, senh x, cosh x
con las operaciones usuales (recordar que senh x =
e
x
e
x
2
, cosh x =
e
x
+e
x
2
).
a) Sea D : V V la aplicacion derivada, es decir, D(f) = f
. Calcular ker D e ImD.

b) Calcular la forma canonica de Jordan J de D y encontrar una base de V de forma que
la matriz asociada a D en esa base sea precisamente J.
c) Sea T : V V la aplicacion que hace corresponder a cada funcion f V su polinomio
de Taylor de orden 2 en x = 0. Probar que T es lineal y calcular la matriz asociada a
T respecto de la base B = 1, x, x
2
, x
3
, senh x, cosh x de V.
d) Calcular ker T y como aplicacion resolver la ecuacion T(f) = 1 +x +x
2
, f V.
e) Calcular las matrices asociadas a las composiciones T D y D T respecto de la base
B y como aplicacion resolver la ecuacion T D(f) = D T(f) , f V.
251.- Sea T el endomorsmo de R
3
cuya matriz asociada respecto de la base canonica es
A =
_
_
3a 0 a
a 2a a
a 0 a
_
_
a) Determinar la forma canonica de Jordan J de dicho endomorsmo T dependiendo de
los valores del parametro a R. Decir para que valores de a es diagonalizable.
b) Encontrar una base B de R
3
respecto de la cual la matriz del endomorsmo sea J.
252.- a) En el espacio vectorial R
3
con las operaciones usuales, se considera el subespacio
V = (x, y, z) R
3
tal que x + y + z = 0. Se pide construir T, S End(R
3
) tales que
ker T = ker S = V de modo que T sea diagonalizable y S no lo sea.
b) Tomemos ahora un subespacio cualquiera F R
3
. - Se pueden construir siempre aplica-
ciones S, T End(R
3
) tales que ker T = ker S = F y T sea diagonalizable mientras que S no?,
Por que?.
253.- (Feb. 99) Dada la matriz A =
_
1 2
1 1
_
/
22
(R), consideremos la aplicacion
lineal T : /
22
(R) /
22
(R) denida por
T(X) = A
1
X A.
Se pide:
i) Hallar la matriz de T respecto de la base B = (
1 0
0 0
) , (
0 1
0 0
) , (
0 0
1 0
) , (
0 0
0 1
) .
ii) Probar que 1 es autovalor de T. Describir el conjunto E, formado por los autovectores
asociados al autovalor 1.
iii) Que relacion tiene E con S = B /
22
: AB = BA?. Dar una base de S.
_
_
2 1 1
2 a b
1 c d
_
_
, a, b, c, d R, de la que conocemos dos de sus
autovectores, los vectores v
1
= (1, 1, 0) y v
2
= (2, 3, 1), se pide:
a) obtener los autovalores
1
y
2
correspondientes a los autovectores dados, as como los
parametros a, b, c, d.
b) estudiar si es diagonalizable. En ese caso hallar el tercer autovalor y los autovectores
correspondientes.
70
255.- i) Sea T : R
n
R
n
una aplicacion lineal, con n impar. Demostrar que T tiene al
menos un autovalor, y deducir que existe un x R
n
, x ,= 0, tal que T(L[x]) L[x] (es
decir, L[x] es invariante por T).
ii) es cierto si n es par?.
256.- Sea T : C
n
C
n
. Probar que independientemente de que n sea par o impar T tiene
al menos un autovalor. (Recuerdese el Teorema Fundamental del algebra: Todo polinomio
complejo tiene al menos una raz ).
257.- Estudiar la existencia de soluciones X =
_
x
1
x
2
x
3
_
del sistema
A X = X
siendo R y A =
_
_
4 1 1
1 2 1
1 2 2
_
_
. En caso de existencia de soluciones, calcularlas.
258.- Calcular los autovalores de
_
_
3 2 0
0 1 0
1 2 2
_
_
y las ecuaciones de los autoespacios asoci-
ados a cada autovalor.
259.- Sea T : R
3
R
3
una aplicacion lineal cuya matriz asociada respecto a la base
can onica es
_
_
1 0 0
2 1 1
3 1 1
_
_
a) Calcular los autovalores y autoespacios asociados.
b) Demostrar que existen H y G, subespacios de R
3
, tales que:
R
3
= H G, T(H) H y T(G) G.
260.- Demostrar que A y A
t
tienen los mismos autovalores.
261.- Demostrar que si es un autovalor de A y A es invertible entonces
1
es autovalor de
A
1
262.- Demostrar que si es autovalor de T entonces
n
es autovalor de T
n
263.- Sea T un endomorsmo diagonalizable de un espacio vectorial V sean
1
,
2
,
3
sus
autovalores.Dar tres subespacios no triviales F, G y H de V, invariantes por T, de manera que
V sea suma directa de estos subespacios.
264.- Sea T un endomorsmo de V del que sabemos que es diagonalizable, que sus autoval-
ores son 0, 1, 2, que la multiplicidad algebraica de 1 es 3, que la multiplicidad geometrica de 0
es 4 y que una base del autoespacio asiciado al autovalor 2 esta formada por v
1
, v
2
, v
3
. C ual
es la dimension de V ?
265.- Demostrar que la matriz
A =
_
_
_
_
_
_
1 2 4 5 9
0 0 1 0 4
8 3 2 2 0
1 2 2 1 3
1 2 0 1 1
_
_
_
_
_
_
tiene por autovalor el 9.
Indicacion: observar que la suma de los elementos de cada una de las columnas es 9.
266.- Dada la matriz
_
_
0 0 0 0
2 0 0 0
2 2 0 0
2 2 0 0
_
_
, hallar su polinomio mnimo ysu forma canonica de
Jordan.
267.- Calcular, en los siguientes casos, la matriz de Jordan yla matriz de paso:
_
_
_
_
1 1 1 1
3 3 5 4
8 4 3 4
5 0 1 1
_
_
_
_
268.- Encontrar la forma canonica de Jordan correspondiente a las siguientes matrices de
orden n n:
a)
_
_
_
_
1 1 . . . 1
0 1 . . . 1
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . 1
_
_
_
_
b)
_
_
_
_
1 2 . . . n
0 1 . . . n 1
.
.
.
.
.
.
.
.
.
.
.
.
0 0 . . . 1
_
_
_
_
c)
_
_
_
_
1 0 0 . . . 0
1 2 0 . . . 0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1 2 3 . . . n
_
_
_
_
269.- a) Determinar la forma canonica (diagonal o de Jordan) de cada una de las matrices
A 2 2 tales que A
2
es la matriz nula. Como aplicacion, hallar todas las matrices A 2 2 tales
que A
2
es la matriz nula.
b) Las mismas cuestiones para las matrices 3 3.
270.- Determinar, seg un los valores del parametro real a, la forma canonica de Jordan (o
en su caso la forma diagonal) A
de la matriz A. Encontrar en cada caso una matriz no singular

P tal que A
= P
1
AP.
A =
_
_
1 2 a 3 + 2a
0 3 2a 3 + 3a
0 2 2a 2 + 3a
_
_
.
271.- Se considera la matriz real
3 3 : A =
_
_
2 2
2 2
4 4
_
_
, R.
Calcular, para todos los valores de R, la forma de Jordan J de A, junto con la matriz de
cambio de base P, especicando la relacion entre A, P y J.
_
_
1 a 1
1 a 1
1 a 1
_
_
, determinar seg un los valores del parametro real a,
su forma canonica de Jordan A
(o en particular su forma diagonal), y una matriz P no singular

tal que A = P A P
1
.
273.- Sea A una matriz real cuadrada n n, de rango 1. Justicar que, en general, dicha
matriz sera de la forma:
72
A =
_
_
_
_
1
v
1

2
v
1
. . .
n
v
1
1
v
2

2
v
2
. . .
n
v
2
.
.
.
.
.
.
.
.
.
.
.
.
1
v
n

2
v
n
. . .
n
v
n
_
_
_
_
con alg un
i
= 0 (i = 1, 2, . . . , n), y con (v
1
, v
2
, . . . , v
n
)
t
= (0, 0, . . . , 0)
t
.
274.- i) Hallar las soluciones del sistema A X = 0, con X = (x
1
, x
2
, . . . , x
n
)
t
, 0 =
(0, 0, . . . , 0)
t
.
ii) Calcular A X. Hallar los autovalores y autovectores de la matriz A.
iii) Enunciar y demostrar una condicion necesaria y suciente que deben satisfacer los
coecientes de la matriz A para que esta sea diagonalizable. En este caso, escribir su forma
diagonal A
y una matriz P no singular tal que A = P A P

1
.
iv) Hacer las mismas cuestiones para el caso no diagonalizable.
275.- Est udiese seg un los valores de la posibilidad de diagonalizar la siguiente matriz en
R
_
_
1 2 2
0 1
0 0 1
_
_
276.- Est udiese seg un los valores de la posibilidad de diagonalizar la siguiente matriz en
R
_
_
1 +
+ 2 1
+ 2 1 0
_
_
277.- Sea T : R
4
R
4
dada por: T(x
1
, x
2
, x
3
, x
4
) = (x
1
+ ax
2
, x
2
, ax
3
+ x
4
, x
3
ax
4
)
Para que valores de a, T es diagonalizable?
278.- Calcular la forma canonica de los siguientes endomorsmos:
A =
_
_
_
_
_
_
0 1 2 3 4
0 0 1 2 3
0 0 0 1 2
0 0 0 0 1
0 0 0 0 0
_
_
_
_
_
_
B =
_
_
_
_
0 1 0 0
0 0 0 0
0 0 0 1
0 0 0 0
_
_
_
_
C =
_
_
0 1 1
0 0 1
0 0 0
_
_
279.- Lo mismo para:
a)T(x, y, z, t) = (0, z +t, t, 0)
b)f(a, b, c, d) = (0, a, d, 0)
c)Considerando R
4
[x] con base canonica 1, x, x
2
, x
3
, x
4
, el endomorsmo D(p) = p
donde
p R
4
[x] y

denota la derivada de p.
280.- Sea V un espacio vectorial sobre un cuerpo K nitamente generado, T un endomor-
smo de V . Sea v V tal que T
k
(v) = 0 y T
k1
,= 0. Demostrar:
i) El conjunto S = v, T(v), T
2
(v), , T
k1
(v) es linealmente independiente.
ii) El subespacio W = LS es invariante por T.
iii) La restriccion de

T de T a W es nilpotente de orden k.
281.- Calcular la forma de Jordan de las siguientes matrices
A =
_
_
_
_
5 0 0 0
1 5 4 6
3 0 7 18
2 0 8 17
_
_
_
_
B =
_
_
0 3 1
2 1 1
2 1 1
_
_
282.- De un endomorsmo T : R
7
R
7
sabemos que:
p
T
() = ( 1)
3
( 2)
4
pm
T
() = ( 1)
2
( 2)
3
C ual es su matriz de Jordan?
283.- De un endomorsmo T : R
7
R
7
sabemos que:
p
T
() = ( 1)
3
( 2)
4
pm
T
() = ( 1)
2
( 2)
2
C uales son sus posibles matrices de Jordan?
284.- Sea V un espacio vectorial sobre C, sea T un endomorsmo de V del cual sabemos
que:
(T) = 3, 1, 1, 2, 0
dimker(T 3I) = dimker(T 3I)
2
= 2
dimker(T I) = 1
dimker(T I)
2
= dimker(T I)
3
= 2
dimker(T +I) = 3
dimker(T +I)
2
= dimker(T +I)
3
= 5
dimker(T + 2I) = 3
dimker(T + 2I)
2
= 6
dimker(T + 2I)
3
= dimker(T + 2I)
4
= 7
dimker T = 4
dimker T
2
= 6
dimker T
3
= 8
dimker T
4
= dimker T
5
= 10
a) es T un isomorsmo?
b) Determinar razonadamente la dimension de V
c) Calcular las multiplicidades y el ndice de cada autovalor.
d) Calcular los polinomios caracterstico y mnimo de T
e) Obtened la matriz de Jordan de T.
285.- Calcular matrices de Jordan para cada una de las siguientes matrices y las matrices
de paso P correspondientes, tambien sus polinomios mnimos:
A =
_
_
_
_
4 0 1 0
1 1 1 1
0 2 3 1
1 2 1 4
_
_
_
_
B =
_
_
0 3 1
2 1 1
2 1 1
_
_
C =
_
_
1 0 0
1 0 1
1 1 0
_
_
D =
_
_
2 1 1
1 1 0
0 1 3
_
_
E =
_
_
2 0 1
0 1 0
1 0 0
_
_
F =
_
_
0 3 1
2 5 1
2 3 1
_
_
74
G =
_
_
_
_
4 0 4 1
4 3 0 4
7 0 7 1
3 0 4 2
_
_
_
_
H =
_
_
_
_
_
_
1 1 1 1
0 1 1 1
0 0 1 1
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 1
_
_
_
_
_
_
286.- (Jun. 97) Dado el endomorsmo f : R
4
R
4
cuya matriz en la base canonica es
A =
_
_
_
_
1 a 1 1 1
0 1 0 3
a
2
0 a + 1 0
0 0 0 1
_
_
_
_
.
Calcular la forma canonica de Jordan de f en funcion del parametro a( R) y determinar, en
cada caso, una base de R
4
en la que la matriz de f sea su matriz canonica de Jordan.
287.- (May. 97) Dado el endomorsmo f : R
3
R
3
cuya matriz en la base canonica es
A =
_
_
b a b 0
a 0 0
a
2
b a
_
_
.
(a) Calcular la forma canonica de Jordan de f en funcion de los parametros a y b.
(b) En los casos en los que f sea diagonalizable, determinar una base de R
3
constituida por
autovectores de f.
288.- (Sep. 97) Consideremos la matriz
A =
_
_
_
_
2(a 4) 1 a 6 0
a
2
3a a + 2 4a a
3 a 1 1 0
a 3 1 a + 2 a + 1
_
_
_
_
, (a R)
Obtener unicamente para aquellos valores de a para los que el n umero 2 es un autovalor triple
de A (multiplicidad algebraica igual a 3), su matriz de Jordan, as c _ como una matriz de paso.
289.- (Jun. 95) Consideremos la matriz
A =
_
_
_
_
_
_
_
7 1 1 2 2 6
7 1 1 2 4 7
2 0 1 1 2 2
6 0 0 1 1 6
8 0 0 0 1 8
10 1 1 2 2 9
_
_
_
_
_
_
_
.
a) Obtener la matriz canonica de Jordan de A.
b) Calcular razonadamente los rangos de las siguientes matrices:
(A + 2I)
4
, (A + 2I)
21
,
(A I)
4
, (A I)
21
,
(A + 3I)
9
(A I)
3
, (A + 3I)
3
(A I)
9
.
290.- (Sep. 96) Sea el sistema matricial
(o)
_
A
4
A
2
= O
A
3
+A
2
A I = O
donde A, I M
3x3
(R).
1. Probar que si B M
3x3
(R) es solucion de (o), entonces B es diagonalizable.
2. Calcular todas las soluciones del sistema (o).
291.- (Sep. 96) Sean U e I matrices de orden n, n 2, tales que siendo u
ij
e
ij
los terminos
situados en la la i y columna j de U e I respectivamente, se verica
u
ij
= 1, i, j = 1, . . . , n;
ij
=
_
1, si i = j,
0, si i ,= j,
y A = U I.
Se pide:
1. Calcular det (A I), R.
2. Determinar razonadamente los autovalores de A.
3. Determinar bases de los subespacios propios de A.
4. es A diagonalizable?Obtener, en cualquier caso, la forma reducida de Jordan de A.
292.- (Feb. 96) En un bosque de robles se ha detectado la presencia de tres especies de
hongos perjudiciales para los arboles. Tras estudios en el laboratorio, el tratamiento con un
producto espec c _co permite controlar la poblacion anual de las tres especies de hongos en
funcion de las poblaciones del a?o anterior mediante las siguientes relaciones:
x
n+1
= 2x
n
+y
n
+ 2z
n
y
n+1
= 2x
n
+ 4z
n
z
n+1
= x
n
+ 2z
n
donde x
n
, y
n
, z
n
son el n umero de hongos de cada una de las tres especies que hay despus de
un tratamiento de n a?os con dicho producto.
(a) C unseguira el producto eleiminar totalmente las tres especies de hongos independien-
temente de cuales sean las poblaciones al iniciar el tratamiento?
(b) Se ignora si el producto es da?ino para las plantaciones aleda?as. Por ello, y asegurando
la desaparicion de los tres tipos de hongos, es conveniente emplear el tratamiento durante la
menor cantidad de a?os posible. C ual es el periodo m c _nimo de a?os que han de trascurrir
para tener la certeza de la erradicacion total de las tres especies?
293.- Sea el endomorsmo de R
3
dado por la matriz
_
_
a d c a
1 b 3e
e 4 c
_
_
Estudiar para que valores de los parametros el endomorsmo tiene dos autovalores distintos,
1
simple y
2
doble , sabiendo que el vector (1, 0, 1) es autovector de
1
. Calcular
1
y
2
.
Estudiar si el endomorsmo es diagonalizable para esos valores.
76
8. ESPACIOS VECTORIALES EUCL
IDEOS
1.- INTRODUCCI
ON A LAS FORMAS BILINEALES

2.- PRODUCTO ESCALAR. ESPACIOS EUCL
IDEOS. NORMAS Y ANGULOS

3.- BASES ORTONORMALES. GRAM-SCHMIDT
4.- PROYECCIONES ORTOGONALES
5.- APLICACIONES LINEALES ENTRE ESPACIOS EUCL
IDEOS. TEOREMA ES-

PECTRAL
6.- PROBLEMAS
8.1. Introduccion a las formas bilineales.
Denicion de FORMA BILINEAL. Ejemplos.
Expresion de una forma bilineal respecto de una base. Representacion matricial. Ma-
triz asociada a la forma bilineal en una base B
Cambios de base. Denicion de matrices CONGRUENTES.
Denicion de RANGO de una forma bilineal.
Denicion de una forma bilineal NO SINGULAR O REGULAR, no degeneradas.
Ejemplo: un producto escalar.
PROPOSICI
ON: Sea V un espacio vectorial de dimension nita. Sea A : V V K

una forma bilineal no singular, entonces:
x
0
V 0 y
0
V / A(x
0
, y
0
) ,= 0
Denicion de forma bilineal SIM
ETRICA y ANTISIM
ETRICA. Ejemplos.
El espacio vectorial de las formas bilineales. El subespacio de las formas bilineales
simetricas. El subespacio de las formas bilineales antisimetricas.
El isomorsmo entre las formas bilineales y las matrices M
n
(K). La dimension del
espacio de las formas bilineales.
EJEMPLO: Sea A(x, y) = 3x
1
y
1
+ x
2
y
1
+ x
1
y
2
+ 2x
2
y
2
. Comprobar que A es una
forma bilineal, calcular su matriz asociada en una base B = (1, 0), (0, 1) y su matriz
asociada en la base B = (1, 1), (1, 2). es A simetrica? Cual es el cambio de base
para pasar de una a otro de las matrices halladas anteriormente? Cual es el rango de
A? es singular?.
294.- Hacer esto mismo para la aplicacion:
f(x, y) = x
1
y
1
x
2
y
1
+x
2
y
2
IDEOS 77
8.2. Producto escalar. Espacios Eucldeos. Normas y angulos.
Denicion de PRODUCTO ESCALAR
Denicion de ESPACIO EUCLIDEO
Propiedades
EJEMPLOS DE PRODUCTOS ESCALARES:
El producto usual de R
El usual de R
n
< f, g >=
_
1
0
f(x)g(x)dx sobre las funciones continuas.
Denicion de NORMA de un vector
DESIGUALDAD DE CAUCHY-SCHWARTZ
Denicion de

ANGULO que forman dos vectores.
DESIGUALDAD TRIANGULAR
Denicion de vectores ORTOGONALES
Propiedades de los vectores ortogonales.
TEOREMA DE PITAGORAS
295.- Demostrar la Ley del Paralelogramo. Sea (E, <, >) un espacio eucldeo de di-
mension nita y sean x, y E Entonces:
[[x +y[[
2
+[[x y[[
2
= 2[[x[[
2
+ 2[[y[[
2
8.3. Bases Ortonormales. Gram-Schmidt.
PROPOSICI
ON: Sea (E, <, >) un espacio eucldeo y S = x

1
, , x
n
un conjunto
de vectores no nulos ortogonales dos a dos. Entonces el conjunto de vectores S es
linealmente independiente.
Denicion de SISTEMA ORTONORMAL. Ejemplo.
TEOREMA: Sea (E, <, >) un espacio eucldeo de dimension n. Entonces en E existe
por lo menos una base ortonormal.
Demostracion: M
ETODO DE ORTONORMALIZACI
ON DE GRAM-SCHMIDT
296.- Consideramos R
3
con el producto escalar usual, encontrar una base ortogonal a
partir de la base: B = (1, 0, 1), (1, 1, 0), (0, 2, 2)
297.- En el espacio de los polinomios de grado menor o igual que 3 consideramos
la base canonica 1, x, x
2
, x
3
y el producto escalar:
_
1
1
f(x)g(x)dx Hallar una base
ortonormal.
78
298.- En el espacio de los polinomios de grado menor o igual que 2 consideramos la
base canonica 1, x, x
2
y el producto escalar:
_
1
0
f(x)g(x)dx Hallar una base ortonor-
mal.
PROPOSICI
ON: (Teorema de Prolongacion de la Base Ortonormal) Sea (E, <, >) un

espacio eucldeo y sea F E un subespacio vectorial. Supongamos que e
1
, , e
m
es una base de F tal que e

1
, , e
m
es un sistema ortonormal. Entonces existe una
base ortonormal de E que contiene a este sistema.
299.- Hallar una base ortonormal de W, y prolongarla a una base ortonormal de R
5
,
para W = L(1, 0, 1, 0, 1)
t
, (1, 0, 1, 0, 2)
t
.
EXPRESI
ON EN COORDENADAS DEL PRODUCTO ESCALAR CON RESPECTO

A UNA BASE ORTONORMAL. Expresion matricial. Ejemplos.
8.4. Proyecciones Ortogonales.
Denicion de subconjuntos ORTOGONALES. Subespacios ortogonales.
EJEMPLOS
PROPOSICI
ON: Sean U y W subespacios vectoriales de E. Sean u

1
, , u
s
y
w
1
, , w
r
bases de U y W respectivamente.
U W u
1
, , u
s
w
1
, , w
r
Denicion de subespacio ORTOGONAL

PROPIEDADES:
1) Si A B E A
2) E
= 0
3) 0
= E
PROPOSICI
ON: Sea (E, <, >) un espacio eucldeo de dimension nita, sea F un sube-
spacio de E entonces E = F F
, a F
, se le llama complementario ortogonal de F

COROLARIO: dimE = dimF + dimF
.
PROPOSICI
ON: Sea (E, <, >) un espacio eucldeo de dimension nita y M E sube-
spacio, entonces (M
= M
Denicion de PROYECCI
ON ORTOGONAL de un vector sobre un subespacio.

Denicion de

ANGULO DE UN VECTOR CON UN SUBESPACIO.
300.- Calcular la proyeccion ortogonal de x = (1, 2, 3) sobre el subespacio
F = (x, y, z) R
3
/ z = 0 con el producto escalar usual de R
3
IDEOS 79
Denicion de DISTANCIA ENTRE DOS VECTORES.
Denicion de DISTANCIA ENTRE UN VECTOR Y UN SUBESPACIO.
PROPOSICI
ON: La distancia mnima es la norma de la proyeccion ortogonal.

8.5. Aplicaciones Lineales entre Espacios Eucldeos. Teorema Espectral.
Denicion de la aplicacion de PROYECCI
ON ORTOGONAL sobre un subespacio.

Propiedad: La aplicacion proyeccion ortogonal es lineal.
Denicion de aplicacion ADJUNTA de T, T
.
Lema: Si y, z E / < x, y >=< x, z >, x E y = z
TEOREMA: Sea E un espacio eucldeo de dimension nita y sea T : E E lineal.
Entonces ! T
: E E < T(x), y >=< x, T
(y) > x, y E
PROPIEDADES:
1) Sea I : E E la aplicacion identidad I
= I
2) (T +S)
= T
+S
3) (T S)
= S
4) Si T es invertible (T
1
)
= (T
)
1
PROPOSICI
ON: (T
= T
Denicion de una aplicacion AUTOADJUNTA. Ejemplo.
PROPOSICI
ON: Si T y S son autoadjuntas T +S es autoadjunta.

PROPOSICI
ON: Si T y S son autoadjuntas y conmutan T S es autoadjunta.

PROPOSICI
ON: Sea (E, <, >) un espacio eucldeo de dimension nita y T : E E

lineal y autoadjunta. Supongamos que
1
y
2
son autovalores distintos de T y x
1
, x
2
autovectores asociados, entonces x
1
y x
2
son vectores ortogonales.
Recordar la denicion de subespacio invariante por una aplicacion.
PROPOSICI

lineal. Supongamos que el subespacio F es invariante por T entonces F
es invariante
por T
PROPOSICI

lineal y autoadjunta. Supongamos que el subespacio F es invariante por T entonces
F
es tambien invariante por T

80
PREGUNTA: Sea A una matriz simetrica que es la matriz asociada a T en la base B.
Podemos asegurar que T es autoadjunta?
301.- Dado (E, , )), un espacio eucldeo, probar que ImT
= (ker T)
y ker T
=
(ImT)
, para cualquier T End(E).

PROPOSICI
ON: Sea E un espacio vectorial real de dimension nita y T : E E un

endomorsmo, supongamos que P
T
() tiene una raz compleja de la forma +i / ,=
0 Entonces existe un subespacio F E de dimension dos que es invariante por T.
PROPOSICI
ON: Sea E un espacio eucldeo de dimension nita y T : E E un

endomorsmo autoadjunto. Entonces todas las races del polinomio caracterstico de
T, P
T
(), son reales.
PROPOSICI
ON: Todas las races del polinomio caracterstico de una matriz simetrica
son reales.
TEOREMA ESPECTRAL: Sea E un espacio eucldeo de dimension nita y T : E E
una aplicacion lineal. Si T es autoadjunto entonces T es diagonalizable. En lenguaje
matricial: toda matriz real simetrica es diagonalizable en R.
Denicion de APLICACI
ON ORTOGONAL. Ejemplos
PROPIEDAD: Sea T una aplicacion ortogonal en E entonces T conserva las longitudes
y los angulos de los vectores.
PROPOSICI
ON: Sea E un espacio eucldeo de dimension nita y T : E E lineal,

entonces:
T es ortogonal [[T(x)[[ = [[x[[, x E
PROPOSICI
ON: Sea E un espacio eucldeo, y T : E E lineal, entonces

T es ortogonal si y solo si transforma bases ortonormales en bases ortonormales.
COROLARIO: Sea E un espacio eucldeo:
1) Si T : E E es ortogonal entonces T es invertible y T
1
es ortogonal.
2) Si T : E E y S : E E son ortogonales entonces T S : E E es ortogonal.
PROPOSICI
ON: Sea E un espacio eucldeo y T ortogonal entonces

T
= T
1
Denicion de matriz ORTOGONAL.
PROPOSICI
ON: Sea E un espacio eucldeo y T una aplicacion ortogonal. Sea B =

e
1
, , e
n
una base ortonormal de E, entonces la matriz asociada a T en esta base,
M
B
T es una matriz ortogonal.
PROPOSICI
ON: Si A M
n
(R) ortogonal entonces [A[ = 1
IDEOS 81
PROPOSICI
ON: Sea E un espacio eucldeo y b E un vector jo. Sea

T
b
: E R
x < b, x >= T
b
(x)
con T
b
lineal, T
b
E
TEOREMA: Sea E un espacio eucldeo. Sea

: E E
b T
b
entonces es un isomorsmo.
COROLARIO: Sea E un espacio eucldeo de dimension nita, dada T : E R lineal,
T E
, Entonces existe un unico b E tal que

T(x) =< b, x >, x E
Ejemplos
8.6. Problemas. 302.- Sea (R
2
[x], , )), con p, q) =
_
1
0
p(x)q(x) dx. Consideramos
D : R
2
[x] R
2
[x]
p p
Calcular la aplicacion adjunta de D, D
. Determinar D
(q), siendo q(x) = x

2
+x + 1.
303.- Sea (E, , )), un espacio eucldeo, y T End(E).Probar que las siguientes condiciones
son equivalentes:
i) T = 0
ii) T(x), y) = 0 x, y E
iii) T es autoadjunto y T(x), x) = 0 x E
iv) T
T = 0
304.- Dado (E, , )), un espacio eucldeo, probar que ImT
= (ker T)
y ker T
= (ImT)
,
para cualquier T End(E).
305.- Sea R
n
[x] el espacio vectorial de los polinomios de grado menor o igual que n.
a) Probar que P(x), Q(x)) =
_
1
1
P(x)Q(x)dx. dene un producto escalar en R
n
[x].
b) Determinar razonadamente el n umero de polinomios P R
n
[x] que satisfacen
_
1
0
P(x)dx = 1 y
_
1
0
x
k
P(x)dxk N
c) Sea T : R
n
[x] R
n
[x] la aplicacion lineal cuya matriz respecto de la base
B = 1, x, x
2
, ...., x
n
es A =
_
_
_
_
1 1/2 1/3 .... 1/(n + 1)
1/2 1/3 1/4 .... 1/(n + 2)
. . . ... .
1/(n + 1) 1/(n + 2) 1/(n + 3) ... 1/(2n + 1)
_
_
_
_
Calcular el N ucleo y la imagen de T y determinar razonadamente si A es diagonalizable
o no.
82
d) Sea L(R
\
[], R) el espacio vectorial de las aplicaciones de R
n
[x] en R, con las operaciones
usuales. Denamos
: R
n
[x] L(R
n
[x], R)
P (P)
donde (P)(Q) = P, Q). Demostrar
que es un isomorsmo.
e) Sea a R y k 0, 1, 2, ..., n. Demostrar que existe un unico polinomio, que denotare-
mos por P
k,a
, de R
n
[x] tal que Q
k
(a) =
_
1
0
P
k,a
(x)Q(x)dx Q R
n
[x] Donde Q
k)
(a)
es la derivada k-esima del polinomio Q en el punto a. (Recordemos que Q
0
(a) = Q(a)
)
306.- Sean a, b, d R con a > 0 y ad > b
2
. Se dene: (x, y), (u, v)) = (x, y) (
a b
b d
) (
u
v
) .
i) Probar que , ) es un producto escalar en R
2
.
ii) Hallar una base ortonormal para (R
2
, , )).
iii) Si M = (x, 0) : x R, calc ulese M
. Expresese (0, 1) como suma de un elemento de

M y otro de M
. -Cual es la distancia de (0, 1) a M seg un este producto escalar?.

307.- Sea (E, , )) un espacio eucldeo y sea T End(E) tal que T(x), x) 0, para cada
x E. Pruebese que entonces T +I End(E) es un isomorsmo, donde
T +I : E E
x T(x) +x
308.- Sea V = Le
x
, e
x
, 1, e
2x
, e
2x
((R, R). Denamos, para f, g V
f, g) =
_
1
0
f(x)g(x)dx.
1) Comprobar que , ) es un producto escalar sobre V y hallar una base ortonormal para
(V, , )).
2) Calcular las coordenadas de sinh(x) y cosh(x) respecto de la base ortonormal hallada en
el apartado anterior, donde sinh y cosh son el seno y coseno hiperbolicos.
3) Calcular el angulo que forman sinh(x) y cosh(x), seg un el producto escalar denido.
4) Sea W = Lsinh(x), cosh(x). Calcular W
.
5) Calcular f W
de tal modo que |f sinh | |g sinh |, g W
.
309.- Consideremos el espacio eucldeo /
22
(R), donde (a
ij
), (b
ij
)) =
2
i,j=1
a
ij
b
ij
.
Sea S = M /
22
(R) : M es simetrica .
a) Comprobar que S es subespacio vectorial de /
22
(R).
b) Calcular S
.
c) Si A = (
1 0
1 1
) , calcular dist(A, S).
d) Determinar el angulo que forman A y S.
310.- Supuestas dos matrices M y N cuadradas de orden n (n 2) con coecientes reales,
se pide estudiar si las siguientes armaciones son ciertas, dando una demostracion en caso
armativo o un contraejemplo en caso contrario:
1.- Si M y N son de rango uno, entonces M +N es de rango uno.
2.- Si M y N son de rango uno, entonces MN es de rango uno.
3.- Si M y N son invertibles, entonces M +N es invertible.
4.- Si M y N son invertibles, entonces MN es invertible.
5.- Si M y N son diagonalizables entonces M +N es diagonalizable.
6.- Si M y N son diagonalizables entonces MN es diagonalizable.
7.- Si M y N son simetricas entonces M +N es simetrica.
8.- Si M y N son simetricas entonces MN es simetrica.
9.- Si M y N son ortogonales entonces M +N es ortogonal.
IDEOS 83
10.- Si M y N son ortogonales entonces MN es ortogonal.
311.- Consideremos (R
3
[x], , )), con p, q) =
_
1
1
p(x)q(x)dx.
a) Aplicar el proceso de Gram-Schmidt para obtener una base ortonormal u
0
, u
1
, u
2
, u
3
a
partir de la base canonica de R
3
[x].
()
b) Sea q
3
(x) = x
3
. Calc ulese q
3
, u
i
), para i = 0, 1, 2 y la proyeccion ortogonal de q
3
sobre
R
2
[x].
c) Calc ulese inf
_
1
1
[x
3
a bx cx
2
[
2
dx : a, b, c R.
()
Para que un error en los calculos no inuya en los resultados de b y c, daremos la solucion al
apartado a :
u
0
(x) =
1
2
, u
1
(x) =
_
3
2
x, u
2
(x) =
_
45
8
(x
2
1
3
), u
3
(x) =
_
175
8
(x
3
3
5
x)
312.- < f, g >=
_
1
0
f(x)g(x)dx sobre las funciones continuas.
313.- Como son todas las matrices ortogonales en R?
314.- Como son todas las matrices ortogonales en R
2
?
315.- Sea (E, , )), un espacio eucldeo, y p : E E una aplicacion que verica:
i) p
2
= p y ii) P(x), y) = x, P(y)) x, y E
Probar que:
a) P es lineal y |P(x)| |x| x E.
b) M=ImP es un subespacio vectorial de E, ortogonal a Im(P I).
PROBLEMAS PROPUESTOS EN EX
AMENES
316.- (Feb. 00) Sea B = e
nx
, e
(n1)x
, , e
x
, 1, e
x
, , e
(n1)x
, e
nx
con n N, n 2
una base de un espacio vectorial real V con las operaciones usuales de suma, y producto por
escalar, de funciones reales de variable real. Sea T
T : V V
f f
2f
(a) (3 puntos) Demuestra que T es lineal.
(b) (3 puntos) Halla la matriz asociada a T en la base B
(c) (4 puntos) Calcula una base ortogonal del ker T para el producto escalar f, g) =
_
1
0
f(x)g(x)dx.
317.- (Sep. 99) Consideremos el espacio vectorial eucldeo (R
3
, , )), donde , ) viene
dado por:
(x
1
, x
2
, x
3
), (y
1
, y
2
, y
3
)) =
_
x
1
x
2
x
3
_
_
_
2 1 1
1 2 0
1 0 2
_
_
_
_
y
1
y
2
y
3
_
_
Sea F el subespacio de R
3
generado por v
1
= (0, 0,
1
2
) y v
2
= (1, 1, 0).
a) (3 puntos) Halla una base de F
, el subespacio ortogonal de F.
b) (7 puntos) Construye una aplicacion lineal autoadjunta T : R
3
R
3
que verique
simultaneamente
i) T(v
1
) = u, donde u F, es ortogonal a v
1
y |u| = 1.
ii) F
es el autoespacio de T asociado al autovalor 3.

84
318.- (May. 99) Sea F : R
3
R
3
R una forma bilineal denida por
(x
1
, x
2
, x
3
), (y
1
, y
2
, y
3
)) =
_
x
1
x
2
x
3
_
_
_
2 2 0
2 3 1
0 1 2
_
_
_
_
y
1
y
2
y
3
_
_
a) Demostrar que F es un producto escalar en R
3
.
b) Sea W el subespacio generado por el vector (1, 0, 1). Hallar una base ortonormal del
subespacio W
, el subespacio ortogonal de W.
c) Calcular la proyeccion ortogonal del vector (1, 0, 1) sobre W
.
319.- (Feb. 99) Consideremos el espacio vectorial eucldeo (R
2
[x], < , >), donde R
2
[x]
es el espacio de los polinomios con coecientes reales de grado menor o igual que dos y su
producto escalar viene dado por:
< p, q >=
_
1
0
p(x)q(x) dx.
Se sabe que una base ortonormal de (R
2
[x], < , >) es
B = 1 , 2
3(x
1
2
) , 6
5(x
2
x +
1
6
).
Sean T, S : R
2
[x] R
2
[x] dos aplicaciones lineales dadas por
M
B,B
(T) =
_
_
1 0 0
0
2
2

2
2
0
2
2
2
2
_
_
y M
B,B
(S) =
_
_
2 0 0
0
2
2

2
2
0
2
2
2
2
_
_
.
Si denotamos por d(p, q) la distancia existente entre los polinomios p y q y por ( p, q) el
angulo que forman dichos polinomios,
a) calcular d(1, x) , cos(
1, x), d
_
T(1), T(x)
_
, cos

_
T(1), T(x)
_
,
b) calcular d
_
S(1), S(x)
_
, cos

_
S(1), S(x)
_
.
320.- (Sep. 98).- Sea M
2
(R) las matrices reales 22, con el producto escalar < A, B >= traza(A
t
B).
Consideramos el subespacio V generado por
__
1 1
1 1
_
,
_
0 1
1 0
_
,
_
2 3
3 2
__
y el subespacio W generado por
__
2 2
2 2
_
,
_
4 2
2 4
_
,
_
3 2
2 3
__
i) ( 4 puntos ) Dar una base ortonormal de V
ii) ( 3 puntos ) Hallar los subespacios V +W y V W
iii) ( 3 puntos ) Calcular los complementarios ortogonales de V y W
321.- (Mayo 98)Sea f : R
3
R
3
R una forma bilineal cuya matriz en la base canonica
es
A =
_
_
2 1 0
1 2 1
0 1 2
_
_
y sea S R
3
el subespacio generado por (1, 0, 0), (0, 1, 0), (1, 1, 0).
a)Probar que la forma bilineal f dene un producto escalar.
b) Obtener una base ortogonal de S respecto del producto escalar f.
IDEOS 85
c)Hallar la proyeccion ortogonal, respecto a f, de

v = (1, 0, 1) sobre S.
d)Hallar la distancia del vector

v a S, cuando se considera el producto escalar f.
322.- (Mayo 97).- Consideramos el espacio eucldeo (R
n
, , )), donde , ) es el producto
escalar usual.
a) Sean W un subespacio vectorial de R
n
y
p
W
: R
n
R
n
v p
w
(
v ).
la aplicacion lineal que asigna a cada vector de R
n
su proyeccion ortogonal sobre W.
a.1) Comprobar que p
w
p
w
p
W
.
a.2) Establecer que p
W
es una aplicacion autoadjunta.
b) Sea ahora f : R
n
R
n
una aplicacion lineal tal que satisface:
b.1) f f f.
b.2) f es una aplicacion autoadjunta.
Probar que f es la proyeccion ortogonal sobre cierto subespacio U de R
n
.
323.- (Feb. 97) Consideremos el espacio eucldeo (R
4
, < , >), donde < , > es el pro-
ducto escalar usual. Sea el subespacio W R
4
generado por los vectores (1, 1, 1, 1), (1, 1, 2, 0).
Calcular:
a) una base ortogonal de W
, el subespacio ortogonal de W.
b) la distancia del vector v = (2, 2, 1, 1) al subespacio W.
324.- (Jun. 96) Sea el espacio eucldeo (R
n
, < , >). Se consideran las funciones f :
R
n
R
n
tales que
< f(x), y >= < x, f(y) >, x, y R
n
Se pide:
1)Comprobar que tales funciones son aplicaciones lineales y que sus matrices respecto de
una base ortonormal son antisimetricas.
2)Demostrar que
ker f = (Imf)
y R
n
= Imf ker f
325.- (May. 96) En el espacio vectorial M
2
(R) de las matrices 2 2, se considera la
siguiente aplicacion:
< , >: M
2
(R) M
2
(R) R
(A, B) < A, B >= traza(A
t
B)
i) Comprobar que la aplicacion anterior dene un producto escalar en M
2
(R)
ii) Obtener una base ortonormal del subespacio S formado por las matrices simetricas reales
2 2.
iii) Calcular la distancia de la matriz (
1 3
1 2
) al subespacio S.
326.- (Sep 95).- Sea V un espacio vectorial real de dimension nita n, n > 1. Sean S y T
endomorsmos de V . Demostrar si son ciertas o no cada una de las siguientes armaciones:
(i) El polinomio caracterstico del endomorsmo S + T no coincide con la suma de los
(ii) El polinomio caracterstico del endomorsmo T, con R, coincide con el polinomio
caracterstico de T multiplicado por
n
.
(iii) El polinomio caracterstico del endomorsmo S T no coincide con el producto de los
86
(iv) Si T es un endomorsmo autoadjunto entonces sus polinomios mnimo y caracterstico
coinciden.
(v) Sean
1
y
2
(
1
,=
2
) los autovalores del endomorsmo T tales que
dimker(T
1
I)
k
1
1
= d
1
1 y dimker(T
2
I)
k
2
= d
2
,
con d
1
+d
2
= n, entonces el polinomio mnimo de T viene dado por
pm
T
= (
1
)
k
1
(
2
)
k
2
.
327.- (Sep. 95) Dados el vector v = (1, 1, 1) y el subespacio J de R
3
generado por
los vectores (1, 1, 0), (1, 0, 1), determinar una aplicacion lineal T : R
3
R
3
tal que
verique simultaneamente las siguientes condiciones:
i) T
3
= id (id es la aplicacion identidad en R
3
).
ii) T ,= id.
iii) T(v) = v, T(J) J.
iv) T es ortogonal.
Indicaci
on: Puede ser util, aparte de hacerse una idea geometrica, establecer que T(J) =
J y considerar la restriccion de T a J.
328.- (May. 95) Consideremos el espacio eucldeo (R
4
, < , >) donde < , > es el
producto escalar usual de R
4
. Sea T el endomorsmo autoadjunto cuya matriz asociada en la
base canonica es:
_
_
_
_
2 0 0 0
0 1 1 1
0 1 1 1
0 1 1 1
_
_
_
_
.
Calcular una base ortonormal en la que la matriz asociada a T sea diagonal.
329.- (Feb. 95) Consideremos el espacio eucldeo (R
n
, < , >), siendo < , >), el
producto escalar usual. Diremos que una aplicacion lineal T : (R
n
, < , >) : (R
n
, < , >) es
antisimetrica si T
= T, donde T
es la aplicacion adjunta de T. En lo que sigue T siempre

representa una aplicacion antisimetrica.
a) Supongamos que B es una base ortonormal de R
n
. Comprueba que la matriz asociada a
T en la base B es una matriz antisimetrica. (A M
n
se dice antisimetrica si A = A
t
)
b) Demuestrese que si es una autovalor de T (por tanto , R) entonces = 0
c) Demuestrese que T
2
= T T es autoadjunta (simetrica).
d) Demuestrese que si z C es raz del polinomio caracterstico de T, es decir P
T
(z) = 0,
entonces la parte real de z es nula.
e) Demuestrese que si A es una matriz antisimetrica, entonces [A[ 0
330.- (Feb. 94)En el subespacio E = L1, sen x, cos x de ([0, 2] se dene el siguiente
producto escalar:
f, g) =
1
2
_
2
0
f(x)g(x)dx, f, g E.
a) calcula una base ortonormal de E con respecto a ese producto escalar.
b) Consideremos la aplicacion
D
k
: E E
f f
k)
,
siendo f
k)
la derivada kesima de la funcion f. Encontrar todos los valores de k N para los
que D
k
es autoadjunta.
IDEOS 87
331.- (Sep. 93) Calcular la distancia del vector (1, 0, 0, 1) al subespacio de R
4
generado
por los vectores (1, 0, 1, 0), (0, 1, 0, 1)
332.- (Mayo.93) Dados los polinomios:
p(x) = a
0
+a
1
x +a
2
x
2
, q(x) = b
0
+b
1
x +b
2
x
2
con a
i
, b
i
R
< p, q >= a
0
b
0
+a
1
b
1
+a
2
b
2
1.- Comprobar que la relacion anterior dene un producto escalar en los polinomios de
grado menor o igual que 2 y dar una base ortonormal.
2.- Calcular la distancia, seg un el producto escalar denido, del polinomio x
2
al subespacio:
S = p R
2
[x] : p(0) +p
(0) +
p
(0)
2
= 0
88
9. FORMAS BILINEALES Y CUADR
ATICAS
1.- FORMAS CUADR
ATICAS: DEFINICI
ON Y PROPIEDADES
2.- ESTUDIO DEL SIGNO DE UNA FORMA CUADR
ATICA. DIAGONALIZACI
ON
DE FORMAS CUADRATICAS
3.- PROBLEMAS
9.1. Formas cuadraticas: Denicion y Propiedades.
Denicion de FORMA CUADR
ATICA asociada a una forma bilineal f

EJEMPLOS:
1) f(x, y) = xy
2) f(x, y) = 3x
1
y
1
+x
2
y
1
+x
1
y
2
+ 2x
2
y
2
3) f(x, y) = 3x
1
y
1
+ 2x
2
y
1
+ 2x
2
y
2
Observar 2) y 3)
El espacio vectorial de las formas cuadraticas.
PROPOSICI
ON: Sea f : V V K una forma bilineal y consideramos Q

f
: V K
su forma cuadratica asociada. Entonces:
1) Q
f
(v) =
2
Q
f
(v)
2) Q
f
(0) = 0
3) Q
f
(v +w) = Q
f
(v) +Q
f
(w) +f(v, w) +f(w, v)
FORMA POLAR DE UNA FORMA CUADRATICA
Expresion de una forma cuadratica con respecto a una base.
EJEMPLOS:
1.- Sea Q : R
2
R y sea A : R
2
R
2
R su forma polar. Describirlas en
coordenadas.
2.- Sea Q : R
3
R y sea A : R
3
R
3
R su forma polar. Describirlas en
coordenadas.
3.- Sea Q : R
3
R dado por:
Q(x) = Q(x
1
, x
2
, x
3
) = x
2
1
+x
1
x
2
x
1
x
3
+x
2
2
+ 2x
2
x
3
x
2
3
Hallar la matriz asociada a Q.
Cambios de base en forma cuadraticas.
9.2. Diagonalizacion de formas cuadraticas. Estudio del signo de una forma
cuadratica.
PROPOSICI
ON: Toda forma cuadratica se puede diagonalizar.

Metodos para diagonalizar formas cuadraticas:
1) Diagonalizar por autovalores y autovectores.
2) Diagonalizar por operaciones elementales.
ATICAS 89
3) Diagonalizar completando cuadrados.
TEOREMA: Sea V un espacio vectorial nitamente generado sobre el cuerpo K y
Q : V K una forma cuadratica, entonces existe una base

B = e
1
, , e
2
y unos
escalares
1
, ,
m
tales que la expresion de la forma cuadratica Q respecto a

B tiene
la forma:
Q(x) =
1
x
1
2
+ +
m
x
m
2
EJEMPLOS: Diagonalizar las siguientes formas cuadraticas:
1) Q(x) = Q(x
1
, x
2
) = x
2
1
+ 2x
1
x
2
+x
2
2
2) Q(x) = Q(x
1
, x
2
) = x
1
x
2
+x
2
2
3) Q(x) = Q(x
1
, x
2
, x
3
) = x
2
1
4x
1
x
2
2x
1
x
3
+ 4x
2
3
4) Q(x) = Q(x
1
, x
2
, x
3
, x
4
) = 2x
2
1
x
2
2
+ 2x
2
3
+ 3x
2
4
+ 2x
1
x
2
+ 4x
2
x
4
2x
1
x
3
5) Q(x) = Q(x
1
, x
2
, x
3
) = x
2
1
+ 2x
1
x
2
+ 3x
2
2
+ 4x
1
x
3
+ 6x
2
x
3
+ 5x
2
3
6) Q(x) = Q(x
1
, x
2
, x
3
) = x
2
1
2x
1
x
2
+ 2x
2
2
2x
2
x
3
+x
2
3
7) Q(x) = Q(x
1
, x
2
, x
3
) = x
2
1
+ 4x
1
x
2
+ 2x
1
x
3
+x
2
2
+ 2x
2
x
3
+ 3x
2
3
8) Q(x) = Q(x, y, z, t) = x
2
+y
2
+ 2x(z +t) + 6y(x +z +t)
9) Q(x) = Q(x, y, z) =
1
2
x
2
+
1
2
y
2
+xy +z
2
OBSERVACI
ON: Por distintos Metodos llegamos a expresiones diferentes para la

misma forma cuadratica. PREGUNTA: Tienen algo en com un?
Denicion de Rango de una forma cuadratica. Ejemplos.
OBSERVACI
ON: A partir de ahora consideraremos K = R

Denicion de ndice de positividad, negatividad y nulidad. Signatura.
TEOREMA: (Ley de la inercia de las formas cuadraticas) Si una forma cuadratica
se reduce a la suma de cuadrados en dos bases diferentes, el ndice de positividad as
como el ndice de negatividad es el mismo en ambos casos.
Denicion de formas cuadraticas DEFINIDA POSITIVA, DEFINIDA NEGATIVA,
SEMIDEFINIDA POSITIVA y SEMIDEFINIDA NEGATIVA. Ejemplos.
TEOREMA: (Criterio de Sylvester) Para que una forma cuadratica A(x, x) sea denida
positiva es necesario y suciente que sean positivos todos los menores angulares de
la matriz asociada a A.
PROPOSICI
ON: Q(x) es denida negativa Q(x) es denida positiva.

COROLARIO: Q es denida negativa los menores angulares van alternando de
signo empezando en negativo.
9.3. Problemas. 333.- Dada una forma bilineal F : V V K Pruebese que:
i) F(v,
0) = 0 , F(
0, v) = 0 , v V .
ii) F(v, w) = F(v, w) = F(v, w) , v, w V .
90
334.- Consideremos las aplicaciones lineales f, g : R
3
R:
f(x, y, z) = (2x y +z) , g(x, y, z) = (x z) .
Comprobad que la funcion F : R
3
R
3
R dada por
F(v, w) = f(v) g( w)
es una forma bilineal y determinad su matriz respecto de la base canonica de R
3
y respecto de
B = (1, 1, 1), (1, 0, 1), (1, 1, 0).
335.- Si R
2
[x] denota el espacio vectorial de los polinomios con coecientes reales de grado
menor o igual que dos, obtened, respecto de la base canonica de R
2
[x], la matriz de la forma
bilineal:
F : R
2
[x] R
2
[x] R
F(p, q) =
_
1
0
p(x)q(x) dx .
336.- Determinad, referida a la base canonica de R
2
[x], la matriz de la forma bilineal:
F : R
2
[x] R
2
[x] R
F(p, q) =
_
1
0
p(x)q
(x) dx ,
es simetrica? Y antisimetrica?
337.- Probad que la funcion
F : R
2
[x] R
2
[x] R ,
denida como
F(p, q) = p(0)q(0) +p(1)q(1) +p(2)q(2) ,
es una forma bilineal. es simetrica? Y antisimetrica? Por ultimo, obtened la matriz de F
respecto de la base canonica de R
2
[x].
338.- Sea V = M
nm
(K) y A M
mm
(K). Si F : V V K esta dada como
F(X, Y ) = traza(X A Y
t
) ,
comprueba que F es una forma bilineal.
339.- Sean h, g : V K dos aplicaciones lineales.
i) La aplicacion G : V V K
G(v, w) = h(v) +g( w)
es una forma bilineal?
ii) Denamos F : V V K como
F(v, w) = h(v)g( w) h( w)g(v) .
a) Demostrad que F es una forma bilineal antisimetrica.
b) Probad que F es nula si y solo si las funciones h y g son linealmente dependientes.
ATICAS 91
340.- Dada la forma bilineal F : R
3
R
3
R ,
F((x
1
, x
2
, x
3
), (y
1
, y
2
, y
3
)) = x
1
y
1
x
1
y
2
+ 2x
1
y
3
x
2
y
1
+ 2x
2
y
2
+ 2x
3
y
1
+ 8x
3
y
3
,
i) comprobad que es simetrica.
ii) determinad el siguiente conjunto:
v R
3
[ F(v, w) = 0, w R
3
.
341.- Dada la forma cuadratica sobre R
3
:
Q(x, y, z) =
_
x y z
_
_
_
1 2 0
1 1 2
2 1 3
_
_
_
_
x
y
z
_
_
,
calcula su forma polar. es Q una forma cuadratica degenerada?
342.- Dada la forma cuadratica sobre R
4
:
Q(x, y, z, t) = x
2
+ 2y
2
+t
2
2xy + 2xt + 2yz +zt ,
calculad los valores de R que hacen que Q sea degenerada.
343.- Expresad las siguientes formas cuadraticas sobre R
3
como suma de cuadrados:
a) Q(x, y, z) = x
2
+ 5y
2
+ 6z
2
+ 4xy 6yz 2zx
b) Q(x, y, z) = x
2
+ 2y
2
+ 2z
2
2xy + 4yz 2zx
c) Q(x, y, z) = xy +yz +zx
Lo mismo con la forma cuadratica sobre R
4
:
Q(x, y, z, t) = 2z
2
+t
2
2xy + 2xz + 4xt + 2yz + 4yt
344.- Consideremos la forma cuadratica Q : R
3
R :
Q(x, y, z) = 2x
2
+ 4y
2
+z
2
+ 6xy 2xz 6yz .
Calculad una base de R
3
respecto de la cual Q se exprese mediante una matriz diagonal.
345.- Estudia el rango y la signatura de las siguientes formas cuadraticas Q : R
3
R :
a) Q(x, y, z) = x
2
z
2
2xy +xz
b) Q(x, y, z) = 2x
2
+y
2
+ 5z
2
2xy 2yz + 6zx
c) Q(x, y, z) = x
2
2y
2
z
2
+ 2xy + 2yz
d) Q(x, y, z) = x
2
+ay
2
+ 2yz +az
2
(a R) .
346.- De una forma cuadr atica Q : R
3
R sabemos que Q(u) = 1, Q(v) = 1, Q( w) =
0, donde u, v, w es un conjunto linealmente independiente. Con estos datos, es posible
determinar el rango y la signatura de Q?
347.- Sea (E, , )) un espacio eucldeo de dimension n, y sea T un vector unitario. Se
dene la aplicacion lineal f : E E mediante
f(X) = X 2X, T)T.
Se pide:
1.- Calcular f(T).
2.- Demostrar que un vector X es ortogonal con T cuando y solo cuando f(X) = X.
3.- Identicar la aplicacion compuesta f f.
4.- Comprobar que f es ortogonal.
5.- Interpretar geometricamente f en el caso particular de suponer que E es el plano eucldeo
ordinario R
2
.
92
6.- Interpretar geometricamente f en el caso particular de suponer que E es el espacio
eucldeo ordinario R
3
.
7.- Describir una base ortonormal de E respecto de la cual la matriz de f es diagonal.
Escribir la matriz de f.
8.- Se dene Q : E R mediante Q(X) = X, f(X)). Comprobar que Q es una forma
cuadratica y hallar su signatura (
indice de positividad,

indice de negatividad e

indice de nuli-
dad).
348.- Dada la forma cuadratica Q : R
3
R
Q(X) = (x
1
x
2
)
2
+ (x
2
x
3
)
2
+ (x
3
x
1
)
2
hallar una base de R
3
respecto de la cual la matriz de Q es diagonal. Hallar la signatura de Q
(ndices de negatividad, positividad y nulidad).
349.- Para cada n umero real b se considera la forma cuadratica (en R
3
)
Q
b
(X) = x
2
1
+x
2
2
+x
2
3
+b(x
1
x
2
+x
1
x
3
+x
2
x
3
)
Determinar, seg un los valores de b, su signatura. Determinar los valores de b para los que es
denida positiva.
350.- En R
4
, y con respecto a la base usual, se considera la forma cuadratica
f(X) = x
2
1
2x
1
x
2
+ 2x
1
x
3
+ 2x
1
x
4
+x
2
2
2x
2
x
3
+ 2x
2
x
4
x
2
3
+ 2x
3
x
4
x
2
4
Estudiar su rango y signatura. Decidir si es denida (semidenida) positiva o negativa o si,
por el contrario, no tienen signo denido.
351.- Diagonalizar la forma cuadratica
Q(x
1
, x
2
, x
3
) = 2x
1
+ 2x
2
x
3
+ 2x
1
x
2
4x
1
x
3
+ 4x
2
x
3
mediante un cambio de base ortonormal. Determinar la matriz de cambio de base.
352.- Sea E un espacio vectorial real eucldeo, de dimension n, y sea u E un vector jo de
norma 1 ([[u[[ = 1). Para cada n umero real a se dene en E la forma cuadratica, Q
a
: E R,
por Q
a
(x) = (< x, u >)
2
+a[[u[[
2
a) Determinar razonadamente la signatura de Q
a
( ndice de positividad, de negatividad y
de nulidad), seg un los valores de a (1 < a < 0).
b) La misma pregunta si a 0 o bien a 1.
353.- Se considera la forma cuadratica, Q : M
2
(R) R, denida por
Q(A) = detA +k(a
2
11
+a
2
22
),
donde A = [a
ij
], i, j = 1, 2. Determinar los valores del parametro k para los cuales Q
tiene rango mnimo, y en esos casos determinar la signatura de Q (ndice de positividad, de
negatividad y de nulidad).
354.- Si A es una matriz real cuadrada n n simetrica, demostrar que siempre existen
valores reales del parametro m de manera que la forma cuadratica Q : R
n
R,
Q(x) = (x
1
, x
2
, . . . , x
n
)(A +mI)(x
1
, x
2
, . . . , x
n
)
t
sea denida positiva. Encontrar los valores de m para los cuales la forma cuadratica
Q(x
1
, x
2
, x
3
) = (1 +m)x
2
1
+ (1 +m)x
2
2
+ (1 +m)x
2
3
2x
1
x
2
2x
1
x
3
2x
2
x
3
es denida positiva.
355.- F(x, y, z) = 2x
2
+y
2
+11z
2
2xy +4xz 6yz 2y +8z Calcular maximos y mnimos
de F.
356.- Calcular todo lo anterior para las formas cuadraticas:
a)Q(x) = 2x
2
+ 2xz + 4y
2
+ 2z
2
ATICAS 93
b)Q(x) = 7x
2
6xy + 4xz 2y
2
+ 2yz +z
2
357.- Demostrar que en los puntos (1, 0) y (1, 0) la funcion f : R
2
R denida por:
f(x, y) = log(1 +x
2
+y
2
)
_
x
0
2t
1 +t
4
dt
tiene mnimos relativos estrictos.
AMENES
358.- (Feb. 2000) Sean A y B matrices reales simetricas de orden n. Denotaremos por
(A) al conjunto de autovalores de A y por (B) al conjunto de autovalores de B, por , ) y ||
al producto escalar usual en R
n
y la norma asociada a ese producto escalar, respectivamente.
Probar las siguientes armaciones:
1) (3 puntos) Si (A) (0, 1) entonces la forma cuadratica cuya matriz, respecto de la
base canonica de R
n
, es A
2
A es denida negativa.
2) (4 puntos) Probar que maxx, Ax) : |x| = 1 = max(A) y que minx, Ax) :
|x| = 1 = min(A)
3) (3 puntos) Supongamos que > para cada par de autovalores (A), (B).
Probar que entonces la forma cuadratica que tiene por matriz, respecto de la base canonica, a
A B es denida positiva.
359.- (Jun. 99) Para cada valor de R, sea Q : R
4
R la forma cuadratica dada por:
Q(x, y, z, t) =
_
x y z t
_
_
_
_
_
1 1 1 1
1 2 2 2
1 2 3 2 +
1 2 2 + 2 +
_
_
_
_
_
_
_
_
x
y
z
t
_
_
_
_
a) Determina la signatura de Q en funcion de los valores de .
b)Para aquellos valores de que hacen que Q sea denida positiva, encuentra una base de
R
4
en la que la matriz de Q sea diagonal.
360.- (May. 99)
361.- (Sep. 98) Sean Q : R
n
R una forma cuadratica y T : R
n
R
n
una aplicacion
lineal, cuyas matrices respecto de una base B coinciden, es decir, A = M
B
(Q) = M
B
(T).
Denamos H = x R
n
[ Q(x) = 0.
i) ( 6 puntos ) Demostrar que si Q es semidenida, entonces H = ker T
ii) ( 4 puntos ) Encontrar una de tales matrices A para la que ker T ,= H
362.- (Jun. 98) Consideremos la matriz
A =
_
_
_
_
1 0 0 0
0 9 0 0
0 0 9 0
0 0 0 8
_
_
_
_
Y las matrices B, C y D siguientes:
B =
_
_
_
_
1 2 3 4
2 3 4 5
3 4 5 6
4 5 6 7
_
_
_
_
C =
_
_
_
_
1 2 2 6
0 9 2 2
0 0 9 6
0 0 0 8
_
_
_
_
D =
_
_
_
_
6 0 0 2
0 6 2 0
0 2 6 0
2 0 0 6
_
_
_
_
94
(i) Si A es la matriz asociada a una aplicacion T en una base B
1
y B la matriz asociada
a una aplicacion lineal S en una base B
2
, Puede ocurrir que ImS = ImT? Por que?
(ii) Si A es la matriz asociada a una aplicacion T en una cierta base. Es C la matriz de
T en alguna otra base? Por que?
(iii) Si A es la matriz asociada a una forma cuadratica Q en una cierta base. Es D la
matriz de Q en otra base? Por que?
363.- (May. 98) Sea E un espacio eucldeo de dimension n Denimos la forma cuadratica
siguiente: Q(X) = X
t
A
t
AX Estudiar, demostrando si son verdaderas o falsas, las siguientes
armaciones.
i) Sea A una matriz cualquiera entonces Q es semidenida positiva
ii) Si A es una matriz simetrica entonces Q es denida positiva
iii) Si A es una matriz antisimetrica entonces Q es semidenida negativa
iv) Si A es de rango maximo entonces Q es denida positiva
v) Si Q es denida positiva entonces A es de rango maximo
364.- (Feb. 98) a) Calcular en funcion de la signatura de la forma cuadratica
Q
(a, b, c) = a
2
+
1 3
3
b
2
+
3 20
15
c
2
+ab +
2
3
ac +
1 4
2
bc,
poniendo de maniesto, en particular, para que valores de , Q
es denida positiva.
b) Encontrar explcitamente todos los polinomios p R
2
[x] para los que
_
1
0
(p(x))
2
(p
(x))
2
dx = 0, con < 1/100.
365.- (May. 97) Dada la forma cuadratica Q : R
4
R
Q(x, y, z, t) = (x, y, z, t)
_
_
_
_
1 1 0

2

1 + 1 0
0 0
_
_
_
_
_
_
_
_
x
y
z
t
_
_
_
_
=
x
2
+
2
y
2
+ ( + 1)z
2
+t
2
+ 2xy + 2xz + 2yz + 2yt
a)Calcular una base de R
4
en la que la matriz de Q sea diagonal.
b)Determinar la signatura y el rango de Q en funcion de los parametros , y
366.- (Sep. 96) Dado el espacio eucldeo R
3
dotado del producto escalar usual -< , >-
y una aplicacion lineal autoadjunta f : R
3
R
3
, admitamos que la funcion
Q : R
3
R
Q(v) = < v, f(v) >
es una forma cuadratica.
1. Determinar la forma polar de Q en funcion de la aplicacion f.
2. Probar que si Q es denida positiva, entonces todos los autovalores de f son positivos.
3. Recprocamente, establecer que si los autovalores de f son todos positivos, entonces Q es
denida positiva.
4. Si B es una base ortonormal de R
3
, relacionar las matrices de la forma cuadratica Q y
de la aplicacion lineal autoadjunta f en esa base.
367.- (Feb. 96)
368.- (May. 96) Sea la forma cuadratica
Q
: R
4
R
ATICAS 95
(x, y, z, t) Q(x, y, z, t) = x
2
+xy +zt ,
donde es un n umero real.
Diagonalizar Q
, seg un el valor de , determinando en cada caso una base en la que Q
sea
diagonal.
369.- (Sep. 95) Sea F : R
3
R
3
R una forma bilineal cuya matriz asociada en la base
canonica de R
3
es:
A
,
=
_
_
2
0 1 0
2 0 2
_
_
.
Hallar los valores de y para los que F es degenerada. Hallar los valores para los que F
es simetrica.
Sea Q : R
3
R la forma cuadratica asociada a F en los casos en los que esta es simetrica.
(a) Hallar una base de R
3
en la que Q se reduzca a suma de cuadrados.
(b) Calcular los valores de los parametros, y , para los que la forma cuadratica Q es:
b
1
) denida positiva.
b
2
) denida negativa.
370.- (May. 95)
371.- (Feb. 95) Calcular la signatura (ndice de positividad, ndice de negatividad e ndice
de nulidad) de la siguiente forma cuadratica en R
4
Q(x
1
, x
2
, x
3
, x
4
) = x
2
1
+ 2x
1
x
2
+ 2x
1
x
3
+ 2x
1
x
4
x
2
2
2x
2
x
3
2x
2
x
4
+ 2x
2
4
372.- (Feb. 94) Dada la forma cuadratica en R
4
2xy 2xt +y
2
2yz 6yt +z
2
+ 8zt + 15t
2
,
Calcular sus ndices de positividad, negatividad y nulidad comentando el Metodo utilizado.
96
10. GEOMETRIA EN EL PLANO Y EN EL ESPACIO. CONICAS Y
CUADRICAS
10.1. Problemas metricos en el plano y en el espacio.
Producto vectorial y mixto. Interpretaciones geometricas.
Angulo entre dos vectores, entre dos rectas, distancia entre dos puntos, entre dos rectas,
entre un punto y un plano. Ejemplos.
circunferencias y esferas.
10.2. Conicas: denicion, clasicacion y ejemplos.
Denicion de conica en R
2
. Ejemplos.
Un giro y una traslacion: Forma canonica de una conica.
Deduccion de la tabla de clasicacion de conicas.
10.3. Cuadricas: denicion, clasicacion y ejemplos.
Denicion de cuadrica en R
3
. Ejemplos.
Tabla de clasicacion de cuadricas.
10.4. Problemas. 373.- La ecuacion de cada una de las siguientes conicas esta referida
al sistema de referencia canonico de R
2
:
5x
2
+ 5y
2
2xy + 10x 2y 1 = 0 3x
2
4y
2
4xy + 16x + 16y = 12
x
2
+y
2
4xy 3x + 3y + 2 = 0 9x
2
+y
2
6xy 6x 2y = 0
Para cada una de ellas,
a) clasicarla.
b) calcular su ecuacion reducida.
c) dar un sistema de referencia ortonormal en el que la ecuacion de la conica sea la
reducida.
d) calcular el centro o el vertice de la conica (seg un sea esta), as como los ejes, o eje, de
simetra.
374.- Representar, con detalle, en el plano la conica de ecuacion:
7x
2
6
3xy + 13y
2
16 = 0 .
375.- Hallar el lugar geometrico de los puntos de R
3
que equidistan de la recta r x = y = z
y del plano x+y+z = 0. Comprobad que es una cuadrica, clasicarla y obtened su ecuacion
reducida.
376.- seg un los distintos valores de (real) clasicar las siguientes cuadricas:
ii) x
2
+ ( + 1)y
2
2z + 4( 1)y + 3 = 0
iii) x
2
2y +z
2
2xz + 2yz + 2x + 1 = 0
iv) x
2
+y
2
+z
2
+ 2(2 1)xz + 2yz + 2x + 2y + 2z + = 0
377.- Clasicar la cuadrica
xy +xz +yz +(x +y +z) + = 0
en funcion de los valores de los parametros reales y .
378.- (i) Clasicar los diferentes tipos de conicas que representa la siguiente ecuacion al
variar m
m(x
2
+y
2
) + 2xy + 2y +m = 0
10. GEOMETRIA EN EL PLANO Y EN EL ESPACIO. CONICAS Y CUADRICAS 97
(ii) La misma pregunta con la ecuacion
mx
2
+ 2nxy + (m1)y
2
+ 2x + 2y + 2 = 0
al variar m y n.
379.- Clasicar la conica de la ecuacion
x
2
+ay
2
+ 2axy = 0
dependiendo del parametro real a.
AMENES
380.- (May. 99) Representar la conica de ecuacion
8x
2
+ 5y
2
+ 4xy + 12y + 4 = 0
381.- (Jun. 98) Consideramos la forma cuadratica:
Q(x, y, z) = ax
2
2xy +ay
2
+ 2yz +az
2
donde a R
(i) Calcular la signatura de la forma cuadratica Qdependiendo de los valores del parametro
a
(ii) Para el valor a = 0 clasicar la conica: Q(x, y, 1) = 2x + 1
382.- (Feb. 98) Dada la conica
3x
2
+ 2xy + 3y
2
8x 8y + 6 = 0,
a) encontrar un sistema de referencia ortonormal respecto al cual su ecuacion toma la forma
canonica;
b) determinar su ecuacion canonica, especicar de que tipo de conica se trata y calcular sus
ejes (o eje) si los tuviese. Finalmente, representar la conica.
383.- (Sep. 97) Dados el punto O = (0, 0), y la conica
x
2
2xy +y
2
2x
2y 3 = 0
1. Clasicar y obtener su forma o ecuacion reducida.
2. Usando coordenadas en un sistema de referencia en el que la ecuacion de la conica se la
ecuacion reducida obtenida, determinar los puntos P de en los que la tangente a en P es
perpendicular a la recta OP.
384.- (Jun. 97) Obtenganse los elementos necesarios para poder dibujar en el plano XY
la conica de ecuacion:
C 3y
2
4xy + 12x 14y + 19 = 0
385.- (May. 97) Dada la supercie cuadrica
3x
2
+ 2xy + 3y
2
2z
2
+ 2
2x 2
2y + 8z 8 = 0
a)Obtener su ecuacion reducida e identicar de que cuadrica se trata.
b)Clasicar la conica que resulta al intersecar la cuadrica con el plano z = 1.
386.- (Feb. 97) Sea la familia de conicas C
,
denida por:
C
,

+
2
(x
2
+y
2
) + ( 1)xy
2(x y) + = 0
1) Clasicar C
,
,seg un los valores de y con , R, en conicas de tipo elptico, tipo
hiperbolico; degeneradas y no degeneradas.
2)Identicar la conica C
1,2
, calculando sus elementos principales.
98
387.- (Jun. 96) Sean f y Q, respectivamente endomorsmo y forma cuadratica denidos,
en la base canonica, por
f : R
3
R
3
(x, y, z) (2x +y z, x + 2y, x + 2z)
Q : R
3
R
(x, y, z) 2x
2
+ 2y
2
+ 2z
2
+ 2xy 2xz .
1) (2 puntos) Probar que F
Q
: R
3
R
3
R, forma polar de Q, es un producto escalar.
2) (6 puntos) Obtener razonadamente una base, si esta existe, en la que f y Q tengan
matrices diagonales asociadas D
f
y D
Q
iguales, y si no justicar por que no.
3) (2 puntos) Determinar el lugar geometrico W de los elementos de R
3
cuyos transforma-
dos mediante f son ortogonales, respecto a F
Q
, al subespacio S (x, y, z) R
3
: y = x z.
388.- (May. 96) En el plano R
2
consideramos la recta
r x +y = 2 .
i) (7 puntos) Para cada n umero real clasicar el lugar geometrico de los puntos del plano
cuya razon cociente de distancias a la recta r y al origen, el punto (0, 0), es igual a .
ii) (3 puntos) Para los valores de en los que el anterior lugar geometrico sea una parabola,
obtengase justicadamente su vertice as como la recta tangente en el a la parabola. Repre-
sentar la parabola.

De Todo Un Poco

Cargado por

Copyright:

Formatos disponibles

De Todo Un Poco

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

De Todo Un Poco

Cargado por

Copyright:

Formatos disponibles

INDICE

ON LINEAL FIJADAS UN PAR DE

UCLEO E IMAGEN. RANGO DE UNA APLICACI

se corten en el punto P, en los siguientes

(2a 3b)x + (2a 5b)y = a + 2b, P = (3, 7).

(a + 3b)x + (a + 2b)y = b, P = (1, 1).

ON de los sistemas lineales:

ON: Si un sistema lineal tiene dos soluciones entonces el sistema tiene

ENEO ASOCIADO a un sistema lineal dado

ON: Si h es una solucion del sistema homogeneo y s es solucion del sis-

ON.Caracterizacion de los Subespacios Vectoriales. Sea (V, +, , K) un

ON: Sea (V, +, , K) un espacio vectorial sobre K y S

ON: la interseccion de subespacios nunca es vaca.

ON: En general, la union de subespacios vectoriales NO es subespacio

ON: La suma de subespacios vectoriales es un subespacio vectorial.

ON: Sea (V, +, , K) un espacio vectorial sobre el cuerpo K. Sea S =

ON: En general vamos a trabajar con espacios vectoriales nitamente

ON: Sea (V, +, , K) un espacio vectorial sobre el cuerpo K y sea S V

ON: Sea (V, +, , K) un espacio vectorial sobre el cuerpo K y sea S =

ON: Esto es equivalente a ver que:

ON: Sea (V, +, , K) un espacio vectorial sobre el cuerpo K y sea B =

ON.1.- Sea (V, +, , K) un espacio vectorial sobre el

ON 2.- Sea (V, +, , K) un espacio vectorial sobre el cuerpo K y sea

ON 3.- Sea dim(V ) = n, entonces todo sistema de mas de n elementos es

ON 4.- Si dim(V ) = n, todo sistema de generadores tiene al menos, n

ON 5.- Sea K un cuerpo, y (K

ON 6.- Sea K = R o C y sea P

ON: Sea (V, +, , K) un espacio vectorial sobre el cuerpo K y sea dim(V ) =

ON: Sean S y T dos subespacios de V de dimension nita, entonces

2 : a, b Q con las operaciones usuales de suma y

ON LINEAL EN UN PAR DE BASES

UCLEO E IMAGEN. RANGO DE UNA APLICACI

ON LINEAL. RANGO DE UNA

ON LINEAL: Sean U, V espacios vectoriales sobre un

ON: Sean V y W espacios vectoriales sobre un cuerpo KSea B = v

base de V . Supongamos que w

ON LINEAL FIJADAS UN PAR DE BASES.

ON: Dada una matriz A M

ON: Sean V y W espacios vectoriales sobre un cuerpo K, Sean B

ON: El conjunto L(U,V) con las operaciones denidas anteriormente so-

ON: La composicion de aplicaciones lineales es lineal.

ON: Sean U; V y W espacios vectoriales sobre un cuerpo K, Sean B

ON: La matriz asociada a un cambio de base es invertible.

ON: Sea T : U V lineal y biyectiva, entonces T

ON: Si el conjunto del que partimos es linealmente independiente su im-

son linealmente independientes.

UCLEO e IMAGEN de una aplicacion lineal

ON: El N ucleo y la Imagen de una aplicacion lineal son subespacios vec-

ON: Sean V y W espacios vectoriales sobre un cuerpo K y T : V W

ON: Sean V y W espacios vectoriales sobre un cuerpo K y T : V W

ON: Sean V y W espacios vectoriales sobre un cuerpo K y T : V W

ON: Sean V y W espacios vectoriales sobre un cuerpo K y T : V W

ON: El rango de una matriz por las y por columnas es el mismo

ON: Dos matrices son equivalentes si y solo si tienen el mismo rango

ON: Sean V y W espacios vectoriales sobre un cuerpo K ambos de di-

ON: Sean V y W espacios vectoriales sobre un cuerpo K, Sean B

ON: dimL(V, W) = mn = dimM

ON: Sean V y W espacios vectoriales sobre un cuerpo K ambos de la