You are on page 1of 156

Monografia de Algebra

UNIVERSIDAD  CENTRAL Lineal I
     FACULTAD DE CIENCIAS DE LA EDUCACION

ESCUELA DE MATEMATICA Y ESTADISTICA

ESCUELA DE MATEMATICA Y

ESTADISTICA

ASIGNATURA DE

ALGEBRA LINEAL

I

FACED

UNIVERSIDAD

CENTRAL

INDICE
1

PROGRAMA DE ESTUDIO............................................................................2

CAPITULO 1: MATRICES Y DETERMINANTES...........................................3

1.1 MATRICES. DEFINICIONES Y NOTACIONES.............................................3

1.2 OPERACIONES CON MATRICES..............................................................7

1.3 DETERMINANTES................................................................................ 10

CAPITULO 2: SISTEMAS DE ECUACIONES LINEALES............................15

2.1 DEFINICIONES Y NOTACIONES.............................................................15

2.2 SISTEMAS HOMOGENEOS...................................................................18

2.3 SISTEMAS NO HOMOGENEOS..............................................................20

2.4 TEOREMA DEL RANGO........................................................................21

2.5 REGLA DE CRAMER............................................................................. 23

CAPITULO 3: ESPACIOS VECTORIALES...................................................26

3.1 ESPACIOS VECTORIALES-BASES-DIMENSION.......................................26

CAPITULO 4: TRANSFORMACIONES LINEALES.....................................38

4.1 APLICACIONES LINEALES-ISOMORFISMO.............................................38

4.2 APLICACIONES LINEALES Y MATRICES....................................................43

4.3 VALORES Y VECTORES PROPIOS- DIAGONALIZACIÓN.............................49

CAPITULO 5: NUMEROS COMPLEJOS, POLINOMIOS, POLINOMIOS

INREDTUCTIBLES Y FRACCIONES PARCIALES............................................55

5.1 NUMEROS COMPLEJOS...........................................................................55

5.2 FORMA BINOMICA DE UN NÚMERO COMPLEJO.......................................57

1

. SOLENMES Y EXAMEN VERSIÓN 2011...........................................................2 OPERACIÓN BINARIA O LEY DE COMPOSICION INTERNA...........................................63 CAPITULO 6: ESTRUCTURAS ALGEBRAICAS.......5 POLINOMIOS IRREDUCTIBLES Y FRACCIONES PARCIALES.66 APÉNDICE: RESPUESTAS A LOS EJERCICIOS PROPUESTOS..................................95 PROGRAMA DE ESTUDIO 2 ........................ 58 5.................................... 5...............................3 SUMA Y MULTIPLICACIÓN DE NUMEROS COMPLEJOS EN LA FORMA BINOMICA ...........................66 6.......................74 TALLERES....4 POLINOMIOS...........3 CONJUGADO DE UN NUMERO COMPLEJO........... CONTROLES.66 6....................................... 57 5........................1 LEY DE COMPOSICION EXTERNA A UN CONJUNTO..........58 5...................

DEFINICIONES Y NOTACIONES. cuya conexión principal la vemos reflejada en áreas de análisis funcional. COMPETENCIAS A LOGRAR Maneja los conceptos y propiedades del algebra vectorial y estructuras algebraicas para aplicarlas en la solución de problemas matemáticos y de vida diaria. CAPITULO 1: MATRICES Y DETERMINANTES.  Aplica los contenidos del algebra lineal a problemas de la vida diaria.  Demuestra los teoremas fundamentales de algebra vectorial y estructuras algebraicas. III. Los fundamentos matemáticos asociados al Algebra Lineal son un elemento útil y práctico para que el profesional de la docencia en matemática y estadística aplique y analice la información recopilada y. 1. Definición: Una matriz (real) es una función o arreglo rectangular de números reales de la forma: 3 .1 MATRICES. IDENTIFICACIÓN NOMBRE ASIGNATURA: Algebra Lineal I EJE DE FORMACIÓN: Algebra II. así. PRESENTACIÓN DEL PROGRAMA Es una asignatura que corresponde al eje de formación del algebra en Pedagogía en Matemática y Estadística. Es de carácter obligatorio. su duración es anula y contempla el desarrollo de las unidades de entrega de conocimiento. FACULTAD: Ciencias de la Educación CARRERA: Pedagogía en Matemática y Estadística I. IV. estadística y ecuaciones diferenciales. poder formular modelos para la resolución de diversos problemas cotidianos y científicos. NIVEL DE DOMINIO  Maneja los conceptos de algebra vectorial y estructuras algebraicas.

Ejemplos de aplicación: 4 . f : R x R→R A=( aij ) ⇒ A ∈ M n x m (R) A=( aij ) ∀ i=1. n ( filas ) ∀ j=1. … . Si entonces el número de filas es igual al número de columnas y la matriz se denomina matriz cuadrada.. … … m(columnas) ( ) a11 ⋯ a1 m A= ⋮ ⋱ ⋮ a n 1 ⋯ anm aij Observación: Cada elemento de la matriz se denota por Ejemplo de matriz: ( A= 2 3 5 1 2 0 )2x 3 a13=5 a22=2 n xm n=m El orden de una matriz es el término general .

{ aij = 1 sii< j 2 si i≥ j Solución: ( ) a11 a12 a13 A= a 21 a22 a 23 a 31 a32 a33 5 . Forme la matriz a11 =2 a12=5 a13=a11 a21=0 a22=a12 a23=9 Solución: A= ( a11 a12 a13 a 21 a22 a 23 ) ( A= 2 5 2 0 5 9 ) A ∈ M 3 x 3 ( R ) tal que 2. A : ( aij ) ∈ M 2 x 3 ( R ) tal que 1.

aij =0 sii> j 5. Si Y . ( ) 2 1 1 A= 2 2 1 2 2 2 Matrices especiales: n=1⇒ A ∈ M 1 xm ( R ) 1. a n1 () n=m y aij =0 ∀ i≠ j 3. Matriz diagonal. 6 . Matriz identidad (¿) n=m . Si . . ( ) 3 0 0 A= 0 5 0 Ejemplo 0 0 6 4. Matriz columna. A=( a11 a12 … … a1 n ) m=1 ⇒ A ∈ M nx1 ( R ) 2. Matriz fila. Si . a11 a12 A= . Si . Además { aij = 1 si i= j 0 sii ≠ j ( ) 1 0 0 I3 = 0 1 0 Ejemplo 0 0 1 n=m. Matriz triangular superior.

∀ aij =a ji 7. Si . Ejemplos: Dada las siguientes matrices. ( ) 1 4 a) ( A= 1 2 3 4 5 6 ) 2x 3 T A =2 5 3 6 3x 2 ( ) ( ) 1 −1 0 1 0 4 B= 0 2 3 A T = −1 2 1 b) 4 1 −1 3 x3 0 3 −1 3 x3 7 . Si Si ( ) 1 2 3 4 2 5 7 8 A= A= 3 7 1 5 4 8 5 6 A=¿ aij 8. Matriz transpuerta. Matriz simétrica. Matriz triangular inferior. Y aij =0 si i< j 6. ( ) 5 6 7 A 3= 0 2 3 Ejemplo 0 0 1 n=m. Se denomina transpuerta de a la matriz A T =aij que se obtiene de cambiar todas las filas de A por columnas. determinar la matriz transpuerta correspondiente. ( ) 2 0 0 A 3= 7 2 0 Ejemplo 1 3 1 n=m.

Traza de una matriz. j =1 Ejemplo: ( ) 1 0 1 A= −1 3 −1 tr ( A ) =1+ 3−2=2 2 −1 −2 Observación: T i.1 1. Escriba la matriz que corresponde a la segunda fila y a la que corresponde a la cuarta columna de 8 . Si A es anti-simétrica entonces A=−AT EJERCICIOS 1. A ∈ M n ( R) 9. Sea se define la traza de A como n tr ( A ) =∑ aij sii= j . Si A es matriz simétrica entonces A= A Ejemplo: ( ) 1 2 3 4 2 5 7 8 A= 3 7 1 5 4 8 5 6 ( ) 1 2 3 4 2 T 5 7 8 A = 3 7 1 5 4 8 5 6 ii.

0. si ( A= 5 −3 1 0 4 −8 ) y ( B= −1 3 0 2 −4 7 ) 9 . B=( bij ) 3.… .. Sea la matriz de orden 3 definida por { bij = 0 si i= j i+ j si i≠ j B Escribir por extensión la matriz . ( ) 2 a 3 A= 4 −5 −1 b −1 c 5. Demuestre que si A es una matriz antisimétrica entonces diag ( A )=( 0. Sea la matriz de orden 3x2 definida por Escriba por extensión la matriz A . Sean . Por ejemplo. 2.0) 1. Determine a. 4.2 OPERACIONES CON MATRICES A=( aij ) ∈ M m x n ( R ) y B=( b ij ) ∈ M m x n A B I. ( ) 0 −1 2 4 A= 1 −1 0 3 −3 5 8 −2 A=( aij ) aij =|i−2 j|. La suma de y es la matriz A + B=( cij ) mxn c ij =aij +bij de orden en que .c∈ R tales que la matriz A sea simétrica.b.

La multiplicación o ponderación es la α ∙ A=(c ij ) mxn c ij =α ∙ aij matriz de orden en que . 0 ∈ M m xn ( R ) A +0=∀ A ∈ M m x n ( R ) iii. A=( aij ) ∈ M m x n ( R ) y α ∈ R α por A II. 10 . ∀ A . ∀ A ∈ M m x n ( R ) . B ∈ M m x n ( R ) . ( A + B ) +C=A + ( B+C ) . B ∈ M m x n ( R ) v. i. ii. Sea . . ∀ A . B∈ M m x n ( R ) . Por ejemplo ( ) 4 −1 A= 1 0 −2 6 ( ) −1 2 1 2 A= 1 2 0 2 −1 3 Observe que: α ( βA )=( αβ ) A . vi. β ∈ R . i. ( A+ B)t= A t + Bt . A=( aij ) ∈ M m x n ( R ) – A=( a ij ) ∈ M m xn ( R ) A + (−A )=0 iv. Para cada existe tal que tr ( A+ B )=tr ( A ) +tr ( B ) . C ∈ M m xn ( R ) . ∀ α . ∀ A . ∀ A . Entonces ( A + B= 4 0 1 2 0 −1 ) Observe que A + B=b +a . B . Existe matriz nula tal que .

Por ejemplo. esto es. iv. 1∙ A=A . tales que 11 . tr ( αA ) =α tr ( A ) . Sean La multiplicación de es la n matriz A ∙ B=(c ij ) de orden mxr en que c ij =∑ aik bkj . Observe que: i. iii. si k=1 ( ) 1 0 ( A= 3 −1 1 8 −2 −5 ) y B= −2 4 2 −1 Entonces ( AB= 8 −5 2 −3 ) ( ) 3 −1 1 BA= 26 −6 −22 −2 0 7 2 Pero A =A∙ A no se puede realizar. t t vi. α ( a+ b )=αA +αB . β ∈ R . ∀ A . existen matrices A yB AB ≠ BA . ∀ α ∈ R . ( α + β ) A=αA + βA . ∀ α ∈ R . ∀ α . ∀ A ∈ M n ( R ) . (−1 ) ∙ A=−A . ∀ α ∈ R . A y B III. (αA ) =α A . La multiplicación de matrices no es conmutativa.0 ∙ A=0 ∀ A ∈ M m x n ( R ) . ∀ A ∈ M m x n ( R ) . A=( aij ) ∈ M m x n ( R ) y B=( b ij ) ∈ M m x n ( R ) . v. ∀ A ∈ M m xn ( R ) . B ∈ M m x n ( R ) . ii.

A ,B,C
ii. Para matrices tales que las operaciones se puedan realizar, se tiene

que :
a)
A ( BC )=( AB ) C .

b)
A ( B+C )= AB+ AC .

c)
( A + B ) C= AC + BC .

A n , entonces A ∙ I n= A=I n ∙ A .
iii. Si es matriz de orden
tr ( AB )=tr ( BA ) , ∀ A , B∈ M n ( R ) .
iv.
t t t
( AB) =B A ; ∀ A , B AB
v. matrices tales que se pueda realizar.
vi. El producto de dos matrices puede ser la matriz nula sin que ninguna de ellas sea
nula.
vii. Para el producto de matrices no hay ley de cancelación.
viii. Dada una matriz
A , no siempre es posible encontrar una matriz B tal que

AB=I n=BA A
; aún siendo una matriz cuadrada. Luego se define:

A ∈ M n ( R) A
Definición: Sea . Se dice que es una matriz invertible (o no

B ∈ M n( R) AB=I n=BA
singular o regular) si existe tal que .

A A
La matriz B está únicamente determinada por , se llama inversa de y se

denota por A−1 .

EJERCICIOS 1.2

( ) ( ) ()
2 1 0 −1 2 −2
1. Sean
A= −1 3 , B= 3
4 7 −1 0
2 −4 , C=
3
3 1 4
−2 5 −3
y D= −1
2
( ) . Calcule

2 B , A +3 C t y A ( 4 CD ) .

12

x, y ,z ,u,w,t
2. Determine los valores de las variables para las cuales las

ecuaciones matriciales son válidas.

( )( )( )
x 3 −y 1 t w 2 7 3
a) 2 −1 y + 3 4 x = 5 w−2 3
1 z −3 u y 2 0 5 −1

)( )(
1 0
b) ( y−4 3 −x
5 2 z +1
x 2=
−1 3
0 −3
5 3 y−2 )

3. Determine la matriz
A que hace verdadera la ecuación matricial :

a) ( )
A 2 1 =( 5 3 )
1 0

b) (
A 1 2 3 = −1 5 4
3 −1 2 7 0 7)( )

()
7

( )
1 0 2
0
c) 2 −1 0 A=
0
0 1 3
11

4.
A Sean (
−3 −2 ) ( )
A= 2 −1 y B= 2 1 .
1 0 Determine

A 2 +2 AB + B2 ,( A + B)2 , ( A−B ) y A 2−B2 . ¿Qué se deduce de estos cálculos?

t∈R
5. Determinar si existe algún valor de la variable para el que se verifique

AB=BA , con:

a) −2 5 ( ) ( )
A= 1 2 , B= 1 t
4 7

13

b) ( ) (
A= 1 t , B= 1 18
2 3 6 7 )

1.3 DETERMINANTES

A ∈ M n ( R) A
Si , el determinante de es un número real que se denota por

det ⁡( A) o bien
| A| y se define de la siguiente forma:

Para
n=1,det ( a )=|a|=a .

Para ( )| |
n=2,det a b = a b =ad −bc .
c d c d

Si
A es una matriz de orden mayor que 2, el determinante de
A se define

recursivamente como sigue:

14

ij A. fijo j=1 i=1 15 . C21=(−1)3 M 21=−25 A=( aij ) ∈ M n ( R) El determinante de es el número real: { n n i+j ∑ (−1) aij M ij =∑ aij Cij para 1 ≤ j≤ n . eliminándole la i- ésima fila y la j-ésima columna. A=( aij ) ∈ M n ( R ) . fijo det ( A )= i=1 i=1 n n ∑ (−1)i+ j aij Mij=∑ aij C ij para 1≤ i≤ n . ij A. Sea Se llama menor de orden de y se denota M ij . −5 1 | M 21= 4 −1 = 25 1 6 | 4 C13= (−1 ) M 13=15. Cij Se llama cofactor de orden de y se denota . ( ) 2 4 −1 A= 0 3 2 Por ejemplo. al número: Cij =(−1)i+ j M ij . si entonces −5 1 6 | | M 13= 0 3 =15. n−1 A al determinante de orden obtenido a partir de .

vii. iii. ∀ A ∈ M n ( ¿ R). En general. v. ∀ α ∈ R . el valor del determinante es cero. A ∈ M n (R ) det ( A )=0. para y escogiendo −5 1 6 3 det ( A )=∑ (−1)1+ j a 1 j M 1 j j=1 ¿ 2 M 11 −4 M 12−1 M 13 ¿ 2 ( 16 )−4 ( 10 )−1 ( 15 )=−23 Observe que: i. Si las componentes de una fila (o columna) se multiplican por un número y los resultados se suman a las correspondientes componentes de otra fila (o columna). Por ejemplo. ∀ A . ( ) 2 4 −1 A= 0 3 2 i=1. Si dos filas (o columnas) adyacentes se intercambian. Si todos los elementos de una fila (o columna) son cero. det ( A )=det ( A t ) . El determinante de una matriz diagonal o triangular es igual al producto de los elementos de la diagonal. det ( A+ B ) ≠ detA +detB . Si tiene dos filas(o columnas) iguales. iv. A . ii. det ( αA )=α n det ¿ det ( AB )=det A ∙ detB . ∀ n ∈ N . entonces el determinante cambia de signo. vi. entonces el valor del determinante no se altera. por ejemplo. entonces ix. 16 . viii. ∀ A ∈ M n ( R ) . x. det ( I n ) =1. Esta propiedad es útil en el cálculo de determinantes. B ∈ M n ( R ) .

Si son matrices invertibles. Además. si es invertible. si det ⁡( A)≠ 0. xi. Luego. si A es invertible entonces A −1 es invertible y 1 −1 det ( A−1 )= =( det ( A ) ) . adj ( A) es la transpuesta de la matriz de los cofactores de A . 1 1 A∙ ( det ( A ) ) ∙ adj ( A ) =I n y ( det ( A ) ) ∙ adj ( A ) ∙ A=I n . B ∈ M n ( R) AB xiv. entonces es invertible y 17 . Es decir.adj ( B )= 14 4 6 2 1 −1 4 8 −12 A ∙ adj ( A ) =det ( A ) I n y adj ( A ) ∙ A=det ( A ) I n . si ( ) A= a b . det ( A ) A . si det ⁡( A) ≠0. xiii. Por ejemplo. entonces 1=det ( I n) =det ( A A−1 )=det ( A ) det ( A−1 ) Y luego det ( A ) ≠ 0. | || || || 1 −3 4 1 −3 4 1 −3 4 −2 5 −1 = 0 −1 7 = 0 −1 3 1 0 3 1 0 0 10 −12 7 = −1 7 =−58 10 −12 | A=(aij )∈ M n ( R ) n . entonces A es invertible y se tiene que 1 A−1= adj ( A ) det ( A ) A xii. adj ( A )=( cij ) La adjunta de es la matriz de orden en donde c ij =(−1)i + j M ji =C ji . Recíprocamente. O equivalente.adj ( A )= d −b c d −c a ( ) Y si ( ) ( ) −2 3 −1 −5 2 15 B= 4 0 5 .

Después sumar los productos de las diagonales descendentes (en línea continua) y sustraer los productos de las diagonales ascendentes (en trazos). ( AB )−1=B−1 A−1 Observación: Por otro lado tenemos el Método de Saurrus que es interesante para nuestro estudio de matrices de 3x3. Esto resulta en: ( )| | a 11 a12 a31 a11 a12 a31 det a21 a22 a23 = a21 a22 a 23 =¿ a31 a32 a33 a31 a32 a 33 a11 a 22 a33 +a12 a23 a31+ a13 a 21 a32 −a13 a 22 a31−a12 a21 a33−a 11 a23 a32 Como por ejemplo: ( ) 5 −1 2 A= 3 2 0 (−20+ 0+6 )−( 16+0+6 )=−36 Sea Su determinante es 4 1 −2 EJERCICIOS 1.3 1. repetir las dos primeras columnas de la matriz a la derecha de la misma de manera que queden cinco columnas en fila. Calcule los determinantes: a) | 3 5 9 −8 | 18 . Considérese la matriz 3×3: ( ) a11 a 12 a31 M = a21 a 22 a23 a31 a 32 a33 Su determinante se puede calcular de la siguiente manera: En primer lugar.

det ( A ) y A−1 si a) ( A= 2 −1 4 −3 ) ( ) 3 2 −1 A= 0 4 −3 b) 1 −2 2 4. A ∙ adj ( A ) . Calcule | | 0 x−1 1 a) x 1 1 0 x +1 2 | | x +3 −1 1 b) 7 x−5 1 6 −6 x+ 2 | | 2 1 a a c) 1 b b2 1 c c2 3. | | −1 3 5 b) 2 −1 1 4 −2 3 | | 4 5 1 c) 3 1 2 −1 2 −3 | | 1 2 −1 1 3 0 1 2 d) 1 −1 2 1 1 0 3 −2 2. Calcule A−1 si 19 . Encuentre adj ( A ) .

20 .1 DEFINICIONES Y NOTACIONES. ( ) 0 0 −1 A= 0 0 1 a) 1 1 1 ( ) 1 2 3 A= 4 5 6 b) 3 1 2 ( ) 1 1 0 2 −1 0 2 −1 A= c) 0 2 0 −2 2 0 0 5 5. Calcule A−1 . 2. CAPITULO 2: SISTEMAS DE ECUACIONES LINEALES. Demuestre que A= (1−a a 1+ a −a ) es invertible ∀ a ∈ R .

∀ i=1. x n) Cualquier que satisfaga cada una de las ecuaciones de (¿) se llama solución del sistema (¿) . ∀ i=1. Un sistema de ecuaciones lineales se dice compatible cuando posee al menos una solución y se dice incompatible cuando no tiene solución. Por ejemplo. m .… . el sistema 2 x 1−x 2 +5 x3 =1 x 1+ 4 x 2−7 x 3=8 21 .n y bi ∈ R . … . m. () () b1 x1 B= ⋮ X= ⋮ es la matriz columna de términos constantes y es la matriz de las bm xn incógnitas. … .2.2.2. Donde n -upla de números reales (x 1 . ∀ j=1. … . Observe que el sistema (¿) se puede expresar como la ecuación matricial AX =B A=( aij ) ∈ M mxn (R) Donde se llama matriz de los coeficientes del sistema. m n Un sistema de ecuaciones lineales con incógnitas se expresa: { a 11 x 1 +a 12 x2 + …+ a1 n x n =b1 a x +a x + …+a2 n x n=b2 (¿) 21 1 22 2 ⋮ ⋮ ⋱ ⋱ ⋮ ⋮ ⋮ ⋮ ⋮ a m 1 x 1+ am 2 x 2 +…+ amn x n =bm aij ∈ R .

() x1 ( ) A= 2 −1 5 . 1 4 −7 x3 8 () Por otro lado para solucionar un sistema de ecuaciones podemos usar los siguientes métodos: o Método de Gauss: En este caso se usa la matriz ampliada ( A/ B) y escalonamos formando una matriz triangular. en donde. AX =B Corresponde a la ecuación . Matriz ampliada definida como: ( ) a11 a12 ⋯ a1 n ⋮b 1 ( A/ B) es ⋱ a m1 a m 2 ⋯ amn ⋮b n Ejemplo: x 1+2 x 2+ 3 x 3=6 2 x 1−3 x 2 +2 x 3=14 3 x1 + x 2−x 3=−2 Solución )( ) ( ) 1 2 3 x1 6 Matricialmente ( 2 −3 2 x 2 = 14 3 1 −1 x 3 −2 22 . X= x 2 y B= 1 .

( A/ B) Matriz ampliada ( ) 1 2 3 ⋮ 6 2 −3 2 ⋮ 14 3 1 −1 ⋮ −2 f 2+ f 1 (−2) f 3 + f 1 (−3) ( ) 1 2 3 ⋮ 6 0 −7 −4 ⋮ 2 0 −5 −10 ⋮ −20 f2 ( −17 ) ( ) 1 23 ⋮ 6 4 −2 0 1 ⋮ 7 7 0 −5 −10 ⋮ −20 f 3 + f 2 (5) 1 2 3 ⋮ 6 ( 0 1 0 0 4 7 −50 7 ⋮ ⋮ −2 7 −150 7 ) −50 −150 x 3= 7 7 23 .

x 3=3 x 3=3 Si remplazamos en (2) 4 −2 0 x 1+1 x 2+ x 3= 7 7 12 −2 x 2+ = 7 7 −14 x 2= 7 x 2=−2 x 2=−2 x 3=3 Si y entonces x 1+2 x 2+ 3 x 3=6 x 1=6−5 x 1=1 o Método de Gauss-Jordan: Escalonamos la matriz ( A/ B) hasta obtener en la matriz de coeficiente la matriz de identidad Ejemplo: Si continuamos con el ejercicio anterior 24 .

1 2 3 ⋮ 6 ( 0 1 0 0 4 7 −50 7 ⋮ ⋮ −2 7 −150 7 ) f 1 + f 2 (−2) 13 46 ( ) 1 0 ⋮ 7 7 4 −2 0 1 ⋮ 7 7 −50 −150 0 0 ⋮ 7 7 f3 ( −750 ) 13 46 ( ) 1 0 ⋮ 7 7 4 −2 0 1 ⋮ 7 7 0 0 1 ⋮ 3 f 2+ f 3 ( −47 ) f 1+ f 3 ( −137 ) ( ) 1 0 0 ⋮ 1 0 1 0 ⋮ −2 0 0 1 ⋮ −3 25 .

2 SISTEMAS HOMOGENEOS Un sistema de ecuaciones lineales se dice homogéneo cuando la columna de términos constantes está formada sólo por ceros. entonces los sistemas (equivalentes) ii. x1 =1 x 2=−2 x3 =3 2. iii. iv. entonces existen infinitas soluciones para AX =0 . Si estas se pueden expresar en términos de uno o más parámetros. B ∈ M mxn (R) A B . Si es tal que AX =0 y BX =0 tienen las mismas soluciones. entonces X =0 es la única solución de AX =0. Ejemplo: Determinemos todas las soluciones del sistema x 1+2 x 2+ 4 x 3=0 2 x 1 +3 x 2+7 x 3=0 3 x1 −x2 +5 x 3=0 ( ) 1 2 4 A= 2 3 7 . Entonces: i. AX =0 es siempre compatible puesto que X =0 es solución de él. Si ρ ( A )=n . A=( aij ) ∈ M mxn (R) Sea con un sistema homogéneo. ρ ( A ) <n . AX =0. La matriz del sistema es equivale a 3 −1 5 26 .

x 1+2 x 3=0 x 2+ x 3=0 x 3=λ . bm )t un sistema de ecuaciones lineales no homogéneo. ( )( ) 1 2 4 1 0 2 0 −1 −1 0 1 1 =B . La matriz: 27 . con λ ∈ R .−1. con A=( aij ) ∈ M mxn ( R ) .2: Resolver el siguiente sistema x 1+ x 2 +3 x3 =0 2 x 1 +4 x2 +8 x 3−2 x 4=0 4 x 1 ++6 x 2+14 x3 −2 x 4 =0 2. Sea entonces y Y las soluciones del sistema se expresan: (−2. λ ∈ R . esto es. x 1=−2 λ x 2=−λ .3 SISTEMAS NO HOMOGENEOS Sea AX =B . 0 −7 −7 0 0 0 Las soluciones de AX =0 son las mismas soluciones de BX =0. B=(b1 … .1 ) λ . EJERCICIO 2.

si existe. Si ρ ( A )=ρ ( A . B ) <n . Y el sistema es compatible si y sólo si ρ ( A )=ρ ( A . Si ρ ( A )=ρ ( A . A ∈ Mn (R ) A AX =B iii. Sea AX =B sistema compatible. ( ) a11 a12 … a1 n ⋮ b1 ( A . B ) . entonces: i. el sistema tiene solución única. todas las soluciones del sistema: x 1+3 x 2−2 x 3=−3 2 x 1−x 2 +3 x 3=8 La matriz ampliada del sistema es: 3 −2 ⋮ −3 3 −2 ⋮ −3 0 1 ⋮ 3 (12 −1 3 ⋮ 8 ) ( 10 −7 7 ⋮ 14 ) ( 10 1 −1 ⋮ −2 ) Como ρ ( A )=2=ρ ( A . B )= ⋯ ⋯ ⋱ ⋯ ⋮ ⋯ am1 a m 2 ⋯ amn ⋮ bm AX =B Se llama matriz ampliada o matriz aumentada del sistema. B ) . si y es invertible. ii. el sistema tiene infinitas soluciones: estas se pueden expresar en términos de uno o más parámetros. Ejemplo: Determinemos. B )=n . el sistema tiene múltiples soluciones y ellas se buscan en el sistema equivalente: 28 . En particular. entonces posee solución única X =A−1 B .

y . λ ∈ R EJERCICIO 2.1.0 )+ (−1.4 TEOREMA DEL RANGO Sea S la matriz de los coeficientes de un sistema de ecuaciones lineales y sea ' S la matriz que se obtiene de la ampliada. entonces.3: Desarrollar el siguiente sistema x 1+ x 2−x 3=7 4 x 1−x 2 +6 x 3=3 6 x 1+ x 2 +4 x3 =22 2. es decir: S ' =( S /B) con B = matriz solución Entonces la condición necesaria suficiente para que un sistema de m n ecuaciones lineales con incógnitas sea compatible es: ρ ( S )=ρ( S ' ) 29 . x 1+ x 3=3 x 2−x 3=−2 x 3=λ . λ ∈ R x 1=3− λ x 2=−2+ λ Sea . Las infinitas soluciones del sistema se expresan: ( 3.−2.1 ) λ .

Si ρ ( S )=ρ ( S' ) <n=nº incognitascompatible coninfinitas soluciones . iii. ii.4: 1. Observación: El rango de la matriz (ρ) se obtiene al triangularizar la matriz. se cuente el nº de filas distintas de cero obtenidas. Obtener el rango de 30 . Ejemplo: Obtener el rango de la siguiente matriz ( ) 1 2 3 A= 2 4 7 3 6 9 f 2+ f 1 (−2 ) f 3 + f 1 (−3 ) ( ) 1 2 3 A= 0 0 1 0 0 0 ρ ( A )=2. Si ρ ( S )=ρ ( S' ) ⇒ sistema compatible . Observaciones: i. EJERCICIOS 2. Si ρ ( S ) ≠ ρ ( S' ) ⇒sistema incompatible. ϱ =¿ Donde nº de ecuaciones independiente (Rango).

Δ=det ⁡( A)≠ 0 . Determine el valor de ∝ para que el sistema tenga solución única o no tenga solución o tenga infinitas soluciones. n ∆ 31 .5 REGLA DE CRAMER A=( aij ) ∈ M n ( R ) n n Sea y considere el sistema de ecuaciones lineales con AX =B . ( ) 1 −2 3 A= 2 1 5 3 4 1 2. … .2. X =( x 1 . i=1. x2 ) está dada por: ∆i x 1= . … . x −¿ y +¿z ¿ 1 2 x −¿ 3 y −¿ z ¿ 4 ⌋ x −¿ y +¿ ∝ z ¿ 0 ¿ 2. la única solución del sistema AX =B incógnitas Si . Resolver el sistema de ecuaciones indicando rango x −¿ y +¿ z ¿ 7 x +¿ y −¿ z ¿ 1 ⌋ −x +¿ y +¿ z ¿ 3 ¿ 3.

. ∆ 1 1 1 | | 1 1 1 1 1 x 2= ∙ 3 0 −1 = ∆ 2 2 1 1 | | 1 1 1 1 1 x 3= ∙ 3 1 0 = ∆ 2 2 1 1 1 1 Solución: ( S= 0. Y la única solución del sistema se 2 1 1 calcula así: | | 1 1 1 1 x 1= ∙ 0 1 −1 =0. ∆i A Donde es el determinante obtenido a partir de sustituyéndole su i- B ésima columna por la columna de términos constantes. . Ejemplo 1: Consideremos el sistema x 1+ x 2 + x 3=1 3 x1 + x 2−x 3=0 2 x 1 + x 2+ x 3 =1 | | 1 1 1 ∆= 3 1 −1 =−2 Solución: En este caso. 2 2 ) 32 .

∆ ≠ 0 a ∈ R− 0. muestre la solución. Solución: En este caso. | | 2 1 1 ∆= 1 a a =2 a ( 1−2 a ) . Para estos valores de . 1 a −a Luego para cualquier { 12 }. ∀ a∈ R−{0. 1−6 . ) . } a 1 1 S= Y la solución es 2−4 a 2 2 33 . Calculamos: | | 1 1 1 ∆ x = 2 a a a =2 a 2 a a −a | | 2 1 1 ∆ y = 1 2a a =a ( 1−6 a ) 1 a −a | | 2 1 1 ∆ z= 1 a 2 a =a ( 1−2 a ) 1 a a ( 1−2a a . y el sistema posee solución única. Ejemplo 2: Para que valores de el sistema 2 x + y + z=1 a+ αy+αz=2 α x+ αy−az=a a∈R ¿tiene solución única?. α ∈R .

obtenga el valor de z en los sistemas de ecuaciones lineales: a) x+ y+ 2 w=2 y +2 z + w=−4 2 y−2 w=0 2 x +5 w=8 b) x− y +2 z+2 w=0 2 x −z−3 w=0 4 y−3 z+ w=−2 −3 x +2 y+ 4 w=1 34 . Usando la Regla de Cramer. obtenga la solución única de los sistemas de ecuaciones lineales: a) x+ y+ z=2 2 y+ z =5 y +2 z =7 b) x+ 3 y +3 z=10 −2 x−6 y −2 z=−4 y + z=6 c) x+ y−z=1 x− y−z=2 −x− y−z=3 2. Usando la Regla de Cramer.5: 1.EJERCICIOS 2.

35 . V . En los siguientes ejercicios . y con una operación externa : α . es un conjunto de objetos V con una operación interna +¿ .+¿ ∙ K ×V →V talque ¿ es un grupo abeliano. v¿→a∙v definida por ( llamada producto por escalar o ponderación tal que: i.1 ESPACIOS VECTORIALES-BASES-DIMENSION. 3. K Definición: Un espacio vectorial (o espacio lineal) sobre el cuerpo . determine el o los valores de de modo que los sistemas posean solución única: a) x 1+ x 2−x 3=1 2 x 1 +3 x 2+ k x 3=3 x 1+ k x 2 +3 x 3=2 b) 3 x1 −2 x 2−k x 3=3 3 x1 + x 2=2 k kx 1 + x 3=3 c) 2 x 1 + x 2+ x 3 =1 x 1+ k x 2 +k x 3=2 k x 1+ k x 2−k x 3=k CAPITULO 3: ESPACIOS VECTORIALES. ∀ α . β ∈ K . llamada suma o adición. k ∈R 3. α ( βv )=( αβ ) v . ∀ v ∈ V .

1∙ v=v .n ∈ N . iii. ∀ v ∈ V . x2 ) /x 1 ∈ R . V Cuando se dice un espacio vectorial real. donde es el elemento unidad de Los elementos de V se llaman vectores y los elementos de K escalares.… . iv. Los siguientes conjuntos. ∀ v ∈V . ii. M mxn ( R )= { A / A es matriz( real)de orden m× n } con la suma y multiplicación por escalar usuales de matrices. 1 K. ax n ) . tienen la estructura de espacio vectorial sobre R . ∀ v . ∀ i=1.. ii. xn + y n ) a ( x 1 . ∀ α . … . ∀ v ∈V .a ∈ R 3. . 0 ∙ v=0. n } 2. a ∙ v=0 ⇒ ( a=0∨ v=0 ) . α ( v+ u )=αv+ αu . ∀ v ∈V . y n ) =( x 1+ y1 . … . 36 . … . iv. … . . ( α + β ) v =αv+ βv . ∀ α ∈ K . R 1. Si m . iii. Rn ≔ {( x 1 . Si con las operaciones ( x 1 . x n ) + ( y 1 . n ∈ N . 4. x n )=( a x 1 . con la suma y multiplicación usuales. u∈ V . ∀ α ∈ K . conocidos por el lector en cursos previos a este. … . (−1 ) ∙ v=−v . a ∙ 0=0. Es conveniente tener presente que cualquiera sea el espacio vectorial V sobre K se tiene que: i. K=R . … . β ∈ K .

Q= { a∈ R/a es un número racional } . P [ x ] ={ p( x ) ∕ p ( x ) es polinomio en laindeterminada x con coeficientes reales } P [ x ] ={ p ( x ) ∈ P [ x ] grado de p( x) ≤n } 5. R ) ={ f : A → R /f es función } con la suma y la multiplicación por escalar usuales de funciones reales. B={ a+bx + x 2 ∈ P2 [ x ] /a . con la suma y multiplicación por escalar habituales de las sucesiones de números reales. b ∈ R } . También es conveniente mencionar que con las operaciones suma y multiplicación por escalar usuales de los respectivos espacios. 6. Si A ⊆ R . y ) ∈ R2 / y=x +3 } . W V K Cuando un subconjunto de un espacio vectorial sobre es tal que W con operaciones de V restringidas a sus elementos resulta ser un espacio K W vectorial sobre . R )={ f : A → R /f es continua en A } con la suma y multiplicación usuales de funciones reales. C={ A ∈ M n ( R ) /det A ≠ 0 } no son espacios vectoriales reales . con la suma y ponderaci{on habituales de polinomios. A= {( x . S ( R )={( an )n ∈ N / ( a n )n ∈ N es una sucesión de números reales } 8.C ( A . entonces se dice que es un subespacio vectorial (o 37 . Si A ⊆ R . 7. F ( A .

0. ∀ α ∈ K . y . y +b . Entonces W es un subespacio de R3 . y ∈ R } y se tiene que: i. w=( 3. si es un V . 2 2 A Ejemplo 1: Sea Entonces no es un subespacio vectorial de R2 pues. En consecuencia. ∀ u . ii.W V Sea un espacio vectorial sobre es subespacio de si y sólo si i. V K y W ⊆V . 2 x ) =( αx . V W subespacio lineal o simplemente subespacio) de .9 ) ∈ Ay u+w=( 5. 2 a )=( x +a . α ( x .4 ) ∈ A . b . α ( ax ) ) ∈W . iii. ( x . y . W = { ( x . αy . entonces 0 v ∈W subespacio de . y . ( 0. w ∈W ⇒ u+ w ∈W . z ) ∈ R3 /2 x−z=0 }. Teorema: (caracterización de los subespacios).13 ) ∉ A . ∀ w ∈W ⇒ αw ∈W . en efecto. 38 . W ≠ ∅ . A= {( x . y ) ∈ R / y=x } . u= (2. y . 2 ( x+ a ) ) ∈ W .0 ) ∈W . Ejemplo 2: Sea W = {( x . luegoW ≠ ∅ ii.2 x ) / x . por ejemplo. 2 x ) + ( a .

V K y S={ v 1 . v n ¿ S >¿ ¿ { v 1 . i. … . v n } >. generado por los vectores ) y se denota por o por ¿ S >¿ V . 0∈S puesto que la matriz es nula es simétrica. … . v n lineal de los vectores de ) es un vector u=α 1 v 1 +…+α n v n a1 . … . .. en efecto. α ∈ R ∧ A ∈ S ⇒ ( αA )t =α At =αA ⇒ αA ∈ S . S un subespacio vectorial de se llama espacio generado por (o espacio v 1 . … .. iii. B ∈ S ⇒ A = A ∧ B =B ⇒( A +B)t = At + Bt = A+ B ⇒ A+ B ∈ S . 39 . . … . Ejemplo 3: S= { A ∈ M n ( R ) / A es simétrica }= { A ∈ M n ( R ) / A t =A } es un subespacio de M n( R) . Sea un espacio vectorial sobre Una combinación S (o de los vectores v 1 . v n } ⊂ V . S V V Cuando entonces se dice que genera o que está generado por S. an ∈ K . t t ii. en donde El conjunto de todas las combinaciones lineales de los vectores S resulta ser V. A .

z ) /z=2 x− y } u= ( 4.3. y se confirma que V =P2 [ x ] v =x2 + x−5 Ejemplo 5: Sea ¿El vector pertenece al espacio 2 generado por p=x −2 y q=3 x +1 ? Esta pregunta equivale a : existe α . β ∈ R } ¿ { ( x . y . β ∈ R } α .0.5 ) ∈< { v 1 .2 ) y v 2=(0.1 ) /α .−β .1) u=4 v 1+ (−3 ) v 2 .2 ) + β ( 0. vectores puesto que v1 y v2 : Determinemos el espacio generado por ¿ { v 1 . v 2 } >¿ { α v 1 + β v 2 /α .5) es combinación lineal de los v 1= (1. El vector u=(4. y a 40 . β ∈ R } ¿ { α ( 1.−1.0. v 2 } >.−1.3. 3 Ejemplo 4: Sea V =R . β∈ R tales que ¿ α ( x 2−2 ) + β ( 3 x +1 )=x 2 + x−5 ? Lo que conduce a a x 2+3 β + ( β−2 α )=x 2+ x−5.2 α + β ¿ {¿ ∕ α .

β∈ R v =αp+ βq Luego es imposible encontrar tales que y por lo tanto v ∉< { p . c d } Por otra parte. v 2 } >¿ { α v 1 + β v 2 /α .β ∈R −α −β } 41 . β ∈ R } ¿ {(α ) β ∕ α . v 2= 0 1 y 1 −1 −1 0 0 −1 −1 1 )( ) . v 3 } >¿ { α v 1+ β v2 + γ v 3 /α .γ ∈R } {( ) ¿ a b /a+c=0∧ b+d =0 .q } >. { α =1 3 β=1 β −2 α=−5 sistema que resulta incompatible. ¿ { v 1 . M 2( R) Ejemplo 6: En considere los vectores ( ) ( v 1= 1 0 . β . α. Entonces ¿ { v 1 .β . v 2 . γ ∈ R } ¿ {(α+γ β −γ −( α + γ ) −( β−γ ) ) ∕ α .

entonces T es l. n.n } :α i ≠ 0 ∧ ∑ α i v i=0 i=1 Observe que: v1 . v2 ∈ V . v n son l. v n linealmente independiente (l. Si es l. … . v 2=0. β ∈ R α1 2 ii. si ellos no son l. son l. i=1 Se dice que S es linealmente dependiente (l. . … .. V K y S={ v 1 . si : n ∃i∈ { 1. T⊇S yS T iii. ∀ i=1. α 1≠ 0 α 2≠ 0 i.d. v 3 } >¿< { v 1 .d.2. {( ) ¿ a b /a+c=0∧ b+d =0 c d } ¿ { v 1 .i. entonces es l. … . . Si T⊆S yS es l.d. v 2 }> ¿ Luego .d.) o que los vectores v 1 .i. v 2 . v2 α 1 .i. entonces −α 2 v 1= v =β v 2 . por ejemplo. Esta situación se deriva del hecho (¿observado v 3=v 1−v 2 por usted?) que (dependencia lineal).i.) o que los vectores son l. que . S Sea espacio vectorial sobre Se dice que es v 1 . α 1≠ 0 Suponiendo.i. si: n ∑ α i v i=0 ⇒ αi=0. si con o bien .d. esto es . v n } ⊂ V . v 1 +α 2 . 42 . v1 .. … . . … . .

entonces ( α +3 β−2 γ ) +2 βx+ ( α + γ ) x2 =0+0 x +0 x2 . ¿Es S un conjunto l.2 ) y v2 =(2. 3 0 . β .−3.i.i. 0∈S S iv.−5.−5. efecto. Ejemplo 9: Sea {( 1 1 2 −2)( 0 4 )( M = 1 −2 . ⇔ v ≠ 0.−3. por tanto. entonces es l. −1 −4 ⊂ M 2 ( R ) . sean tales que Entonces: α ( 1.i.? 43 .0 ) { α +2 β=0 ⇒ −3 α −5 β=0 2 α =0 ⇒ α=0 ∧ β =0. Ejemplo 8: Sea S= { x 2 +1.γ ∈R tales que α ( x 2 +1 ) + β (2 x +3 ) +γ ( x2 −2 )=0 .i.2 x+3.0 ) =( 0.? Sean α. v ∈V .0) R3 Ejemplo 7: Los vectores del espacio son l. { α +3 β−2 γ =0 2 β=0 α + γ =0 Sistema que tiene solución única α =β=γ=0 . x 2−2 } ⊂ P2 [ x ] . Luego S es l. v 1= (1. v. )} ¿Es M un conjunto l.2 )+ β ( 2.d. β∈ R αv 1 + β v 2=0..0. { v } es l.i. Si . En α.

0. y que genera a Por ejemplo. y luego genera a ii.0 ) . ( 0. En efecto: ¿ B> ¿ { α ( 1. lo que significa que es un conjunto l. β .0 ) ⇒ α=β=γ =0 ⇒ B es l . β . β .0. γ )= ( 0. ( 0. γ ∈ R } 3 3 ¿R B R .0. α ( 1.0 ) ⇒ ( α .0. α. ¿ { ( α .0 ) + β ( 0. β .0.0 ) +γ ( 0.d. γ ∈ R } i.1 ) } es una base de R3 . Una base de una espacio vectorial V sobre K es un conjunto S ⊂V que V. B={ ( 1.1.γ∈R Sea tales que ( 1 1 ) ( 2 −2 0 4 ) ( α 1 −2 + β 3 0 + γ −1 −4 = 0 0 0 0 )( ) o equivalente. por ejemplo.0 ) + β ( 0. β .0.0 ) .0.1. λ ∈ R . es l.1.i .1.0.0 )+ γ ( 0. . −2 v1 + v 2+ v 3=0 M Luego. 44 .1 ) /α .1 ) =( 0. { α +3 β−γ=0 −2 α−4 γ=0 α +2 β=0 α−2 β +4 γ =0 Sistema con múltiples soluciones: (−2. γ ) /α .i.1) λ .

3
La base
B se llama basé canónica de R y la generalización
B={ ( 1,0,, … , 0 ) , ( 0,1,… , 0 ) , … , ( 0,0, … ,1 ) } ⊂ M 2(R)

Constituye la base canónica de Rn .

De una manera análoga se puede demostrar que

{( ) ( ) ( ) ( )}
E= 1 0 , 0 1 , 0 0 , 0 0 ⊂ M 2 (R)
0 0 0 0 1 0 0 1

M 2( R)
es una base de y que

S= {1, x , x 2 , … , x n } ⊂ Pn [ x ]

Pn [ x ] .
es una base de

C={ ( 1,1,1 ) , ( 1,1,0 ) ,(1,0,0) } R3
Ejemplo 10: El conjunto también es una base de

. En efecto,

i.
α ( 1,1,1 ) + β ( 1,1,0 )+ γ ( 1,0,0 )=( 0,0,0 )

⇒ ( α + β+ γ , α+ β , α )=( 0,0,0)

{
α + β + γ=0
⇒ α + β=0
α =0

⇒α =β=γ =0, C
y luego es l.i.
3 3
ii. Demostremos que
C genera a R , esto es, que ¿ C>¿ R

Sea
( a , b , c ) ∈ R3 ; existe α , β , γ ∈ R tales que

( a , b , c )=α ( 1,1,1 ) + β ( 1,1,0 )+ γ ( 1,0,0 ) ?

Esto equivale a preguntarse si existe solución para el sistema:

45

{
α + β +γ =a
α+ β=b
α =c

α =c , β =b−c , γ =a−b ;
Y efectivamente, existe solución: es decir,

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

Para el espacio vectorial R3 hemos mostrado dos bases. En realidad un espacio

vectorial puede tener múltiples bases, pero, se puede demostrar que, todas ellas tienen
el mismo número de vectores. Este hecho permite definir uno de los conceptos
importantes del álgebra lineal:

V K B={ v 1 , … . , v n }
Sea un espacio vectorial sobre que tiene una base con

n vectores. Entonces
V se dice un espacio vectorial de dimensión finita y el

n V; dimk V =n
número entero se llama dimensión de se anota o simplemente

dimV =n . Si V = {0 } , entonces
dimV =0, y en cualquier otro caso se dice que V

es un espacio vectorial de dimensión finita.

Por ejemplo, dim R3=3, dim P2 [ x ] =3, dim M 2 ( R )=4.

Ejemplo 11: Sea W = {( x , y , z ) ∈ R3 /2 x− y +4 z=0 } . Cual es la dimensión de

W? Observemos que:

W = {( x , y , z ) ∈ R3 / y =2 x +4 z }

46

¿ { ( x , 2 x+ 4 z , z ) / x , z ∈ R }

¿< {( 1,2,0 ) , ( 0,4,1 ) } >.

B={ ( 1,2,0 ) ,(0,4,1) } ; entonces B W B
Sea genera . Siendo un conjunto l.i.

B W
(demostrarlo como trabajo autónomo), es una base de y por tanto

dimW =2 .

V n,n∈N ;
Sea un espacio vectorial de dimensión se tiene que :

S= { v 1 ,… . , v n } ⊂ V , con m> n , S
1. Si entonces es l.d.
B={ v 1 , … . , v n } ⊂ V B V.
2. Si es l.i., entonces es base de

3. Si
W Es un subespacio de
V , entonces dimW ≤ n .

W V dimW =n V =W .
4. Si es un subespacio de tal que , entonces

5. Si { v1 , … . , v n }⊂ V , con k < n , es l.i. , entonces existen
v k +1 , … . , v n ∈V
tales

que { v1 , … . , v k , v k+1 , … ., v n } es base de
V.

B={ v 1 , … . , v n } ⊂ V V . Entonces para cada
6. Sea base ordenada de

v ∈V , α 1 , … . , αn
existen únicos escalares reciben el nombre de

coordenadas del vector
v con respecto a la base(ordenanda)
B ; se

[ v ] B =( α 1 , … . , α n ) .
anota

47

Ejemplo 12: El conjunto S= { x 2 +1,2 x+3, x 2−2 } ⊂ P2 [ x ] es una base de
P2 [ x ] .

dim P2 [ x ] =3 y S 3
Efectivamente, como tiene elementos, basta demostrar que este

P2 [ x ] .
conjunto es l.i. para que sea una base de La independencia linal.

Ejemplo 13: Sea v ∈ R 4 tal que
[ v ] B =( 1,−1,2,−2 ) , en donde

B={ ( 1,−1,0,2 ) , ( 0,1,0,−2 ) , ( 3,1,−1,0 ) ,(0,1,0,0) } es base de R4 . Cuál es el vector
v?

v =( 1,−1,0,2 )−( 0,1,0,−2 )+ 2 ( 3,1,−1,0 )−2 ( 0,1,0,0 )=( 7,−2,−2,4 )

P2 [ x ]
Ejemplo 14: Consideremos la base de de ejemplo 12.

S= { x 2 +1,2 x+3, x 2−2 } . Cuáles son las coordenadas del vector p=3+ 4 x−2 x
2
con

respecto a la base
S?

α 1, α 2, α 3∈ R α 1 ( x 2+ 1 ) +α 2 ( 2 x+3 )+ a3 ( x2 −2 )= p
Sea tales que

⇒ ( α 1+ 3 α 2−2α 3 ) +2 α 2 x+ ( α 1 +α 3 ) x2 =3+4 x −2 x 2

{
α 1 +3 α 2−2 α 3 =3
⇒ 2 α 2=4
α 1 +α 3=−2

−7 1
⇒ α 1= , α 2=2,α 3=
3 3

48

z ) ∈ R3 / x + y + z=0 } y W 2 el subespacio generado por (1. [ p ] s= −7 3 ( . v 1 + v 2 . 1 Por lo tanto. u1 +u2 ∈ W 1 +W 2 α . y . . Observe que tales que ∀ v ∈V . Es R3=W 1 ⊕ W 2 ? 49 . β ∈ K .∃ v 1 ∈ W 1 . 2.∃ ! v 1 ∈W 1 . se dice que es W1 yW 2 V =W 1 ⊕ W 2 la suma directa de .∃ v 2 ∈ W 2 v =v 1 +v 2 . Si y α ( v 1+ v 2 ) + β ( u1+ u2 )=( αv 1 + βu2 ) + ( α v 2 + βu2 ) ∈W 1 +W 2 . entonces ii. W 1 +W 2 V Luego resulta ser un subespacio vectorial de y se puede establecer que dim ( W 1 +W 2 ) =dim W 1 +dimW 2 −dim ⁡( W 1 ∩W 2) V =W 1+W 2 ⇔ ∀ v ∈ V .1. Se tiene que: V =W 1 ⊕ W 2 ⇔ ( V =W 1 ⊕W 2 ∧W 1 ∩W 2={ 0 } ) Ejemplo 15: Sean W 1= {( x .1) . 3 ) V K Sea un espacio vectorial sobre y sean W 1 +W 2= { v 1 +v 2 ∕ v 1 ∈W 1 ∧ v 2 ∈ W 2 } . y en este caso se anota . 0=0+0 ∈W 1+W 2 i. ∃! v 2 ∈W 2 v =v 1 +v 2 V Cuando tales que .

z ) ∈ W 2  ⇒ x + y + z=0 ∧ x= y =z ⇒ 3 x=0 ∧ x= y =z ⇒ x=0. ( 0. ( x . c )=[ α ( 1. z=0 W 1 ∩W 2= {( 0.−1 )+ β ( 0. y . 2 b−a−c 2 c−a−b a+b+ c 3 .1. b . y .−1 ) . Así.1. 3 )+ 3 ( 1. Por lo tanto W 1=¿ {( 1. y=0. M 2 ( R ) =U 1 ⊕ U 2 ? Es (ac bd )∈ U ∩U ⇒ (ac bd) ∈U ∧ (ac bd) ∈U 1 2 1 2 ⇒ d=0∧ b=0 ∧c=0 50 .1.0 ) } . z ) ∈W 1 ∩W 2 ⇒ ( x . α .0.0.  Observemos primero que Sea ( a .1. Ejemplo 16: Sea {( ) U 1= a b ∈ M 2 ( R ) /d=0 c d } y U 2= { A ∈ M 2 ( R ) / A es diagonal } . z ) ∈W 1 ∧ ( x .1 ) . y .−1 ) }> .γ= 3 3 3 Luego ( a . b .1) ∈ W + W 1 2 y por tanto R3=W 1+W 2 . c )= ( 2 a−b−c 3 . β . R3=W 1 ⊕ W 2 .0. γ ∈ R ] Entonces: { α + γ =a β+ γ =b −α −β +γ =c 2 a−b−c 2 b−a−c a+b+ c ⇒ α= . β= .−1 ) + γ ( 1.

c ) ∈ R 3 /a ≤ b≤ c } d) W = {( a . Demuestre que . Determine si los siguientes conjuntos son o no subespacios vectoriales de P2 [ x ] . α ( x . Observe que M 2 ( R ) =U 1+ U 2 puesto que cualquiera sea (ac bd )∈ M ( R ) 2 se tiene que : (ac bd )=( ac b0)+(00 0d )∈ U + U 1 2 EJERCICIOS 3. y )=(αx . z ) ∈ R3 / x− y +2 z=0 } b) W = {( x . R2 con las operaciones suma y producto por escalar que se definen a R continuación no es un espacio vectorial sobre . b ) =( x+ a . a) W = {( x . y) 3. b . α ( x . z ) ∈ R3 / x +2 y+ z=0 ∧ x− y−2 z=0 } 4. En un espacio vectorial 2. 1. y ) + ( a . b . y + b ) . y . y )=(αx . ∀ α ∈ R V sobre R . 0 ) . b ) =( x+ a .1: α ∙ 0v =0v . y . a) ( x . 51 . Luego 0 0 {( ) } U 1 ∩ U 2= a 0 /a ∈ R y por tanto M 2 ( R ) ≠U 1 ⊕U 2 . αy) b) ( x . Indique los axiomas que no se cumplen. z ) ∈ R3 / x− y =0 ∧ z=1 } c) W = {( a . y . c ) ∈ R 3 /a ∈Q } e) W = {( x . Determine si los siguientes conjuntos so o no subespacios vectoriales de M n( R) . y ) + ( a .

k) } ⊂ R3 . 0 ) . Encuentre una base y determine la dimensión de los subespacios U ∩W U +W P2 [ x ] y de si : U=¿ {1−x . escriba el vector v como combinación lineal de los vi vectores . b) S= { 2. Para que valor(es) de el conjunto es l.(2.−1. 1+2 x2 } > y W =¿ { x . (−1. v 3= 1 0 1 −2 1 −1 1 0 −1 0 ) ( ) 6. si : 2 a) S= { (1+ k . v 2=2 x 2−3 x−1. 0 0 −1 0 0 1 k ∈R S 7.0. v 1= 1. v1 =x2 −x+2 .1+ k) } ⊂ R . x +2 x 2 } >¿ 52 . . v 2=( 2. b) S= { (1.4.−1 ) . c) ( ) ( ) ( v = 2 −1 . a) W = {a+ bx+ c x 2 ∈ P 2 [ x ] /a=b=c } b) W = {a+ bx+ c x 2 ∈ P 2 [ x ] /a+ b+c=1 } c) W = {a+ bx+ c x 2 ∈ P 2 [ x ] /a+ 2b +c=0 ∧ a−b−2 c=0 } W = { p(x) ∈ P2 [ x ] / p(0)=1 } d) 5.i. x−1. En cada caso.1 ) .0. 8.2.0 ) } ⊂ R 4 .(1−k . Determine el subespacio generado por S si: a) S= { (1. ( 0.−1. k . 1 a) ( ) v =( 8. c) {( ) ( ) ( )} S= 1 0 . 0 0 ⊂ M 2 ( R ) .5 ) . v 1 1 0 .−2 . 0 1 .1−k ) .2 ) . v 3=x +3 .1.1. 2 b) v =x2 −x . v 2 1 −1 .2 x 2+ 4 } ⊂ P2 [ x ] .

(1. Es R =W ⊕ U ? .−1. Sean W =¿ { ( 1. ∀ v .−1) } >¿ y U= {( x .−2 ) . ∀ v ∈V . T ( αv )=αT ( v ) . 9. Observe que si T es una aplicación lineal de V en W . 4. T ( v+u )=T ( v )+ T ( u ) . CAPITULO 4: TRANSFORMACIONES LINEALES. Sean espacios vectoriales sobre el cuerpo Una transformación lineal o aplicación lineal de V en W es una función T :W ⟶ W que satisface: i.u ∈V .0. ∀ α ∈ K .1 APLICACIONES LINEALES-ISOMORFISMO V yW K. 53 . entonces T ( 0 ) =0. y . ii. z ) ∈ R3 / x + y−z=0 } 3 3 subespacios de R .

x n )=x 1 +…+ x n . αx n ) ¿ α x 1+ …+αx n ¿ α ( x 1 . entonces: t t t i.… . … . x n ) . … . x n ) ¿ αT ( x 1 . … . x n ) +T ( y 1 . … . Si ( x 1 . … . n Ejemplo 1: Sea T : R →R la función de producción total T ( x 1 . T ( ( x1 . x n ) ∈ Rn y α ∈R . … . ( y1 . F ( A+ B )=( A+ B) = A + B =F ( A ) + F( B) ii. es una aplicación lineal. T Por lo tanto. αx n ) . x n + y n x y (¿ ¿1+ …+ y n) (¿ ¿ 1+…+ x n )+ ¿ ¿¿ ¿ T ( x 1 .… . … . … . Ejemplo 2: Sea F : M mxn ( R)→ M mxn (R) definida por F ( A )= A t . … . Entonces: i.… . ii. x n ) + ( y 1 . x n ) )=T ( α x 1 . T ( α ( x 1 . y n ) . 54 . … . y n ) ) =T ( x 1+ y 1 . … . F ( αA ) =(αA )t =α At =αF ( A ) . y n ) ∈ Rn . Si ( x 1 . x n+ y n ) ¿ x1 + y 1 .

∀ v ∈ V .b ] : R) Ejemplo 3: Sea el espacio de las funciones reales continuas en b [ a . w n ∈W . La función I definida por es lineal. Definamos T en C( [ a . v n } base de V .2. espacio vectorial sobre y Entonces existe una única T V W T ( v i )=w i . n . F Por lo tanto es una aplicación lineal. se llama aplicación de V.b ] : R) por T ( f )=∫ f . b ] . … .i=1. … . V yW K Ejemplo 4: Sean espacios vectoriales sobre el cuerpo y definamos T 0 :V ⟶W T 0 ( v )=0. T ( αf )=∫ αf =α ∫ f =αT ( f ) . … . Entonces: a b b b i. identidad de Teorema: Sea V espacio vectorial sobre K y { v1 . T ( f + g )=∫ ( f + g )=∫ f +∫ g=T ( f ) +T ( g ) a a a b b ii. Sea W K w 1 . C( [ a . Ejemplo 5: Sea V un espacio vectorial sobre el cuerpo K y consideremos I :V ⟶V I ( v )=v . aplicación lineal de en tal que 55 . a a Luego T es una aplicación lineal. T0 tal que La aplicación resulta ser lineal.

α . el vector (x. α 1. Encontraremos una expresión para T (x .−3 ) . con ( x .−3 x−4 y ) .1.0. y ) ∈ R2 .0 ) ¿(5 x +7 y .−3)} es base de R2 . y ) =−( 3 x +4 y ) T ( 1. α n∈ K En efecto. Luego.2.−3 )=(−1. y )=−( 3 x+ 4 y ) ( 1.( 4. y) se escribe de una única manera: ( x .1 ) y T ( 4.1.−1 ) + ( x + y )( 4.−3 ) .−1 ) =(−2.0 ) . v ∈V .−3 ) ¿− (3 x + 4 y )(−2. y )=α ( 1.1 ) + ( x+ y )(−1. para y única con esta propiedad.0.−1 ) + β ( 4. 2 3 Ejemplo 6: Sea T :R ⟶R la aplicación lineal tal que T ( 1. … .−1 )+ ( x + y ) T ( 4. β ∈ R En este caso.−1 ) . Como { ( 1. … . ( x . x + y . 56 . Se define entonces: T ( v )=α 1 w 1+ …+α n wn T T ( v i )=w i i=1. T ( x . y). si existen únicos tales que v =α 1 v 1 +…+ α n v n . n resulta ser lineal.

T es epiyectiva ⇔ ImT =W ⇔ ρ ( T )=dimW . u ∈ KerT y α ∈ K ⇒ T (u +v )=T ( v ) +T ( u )=0+0=0 y T ( αv ) =αT ( v )=α ∙0=0. T ( v ) . El núcleo o kert de es el conjunto: KerT ={ v ∈V /T ( v )=0 } T La imagen de es el conjunto: ImT= { w ∈W /∃v ∈V :T ( v )=w }= {T (v) ∕ v ∈ V } Observe que: i. Luego y iii. Como T ( 0 ) =0. 2. v +u ∈ KerT αv ∈ KerT . 57 . ii. Se tiene que: 1. T es inyectiva ⇔ KerT = {0 } ⇔ η ( T ) =0. 0∈ KerT y 0 ∈ ImT . T :V →W T Definición: Sea aplicación lineal. v . La nulidad y el rango de serán denotados por η(T ) y ρ(T ) respectivamente. KerT e ImT V yW Por lo tanto son subespacios vectoriales de respectivamente. T ( u ) ∈ ImT y α ∈ K ⇒ T ( v ) +T ( u ) =T ( v +u ) ∈ ImT y αT ( v ) =T ( αv ) ∈ ImT . La dimensión del núcleo de T se llama nulidad de T y la dimensión de la T T T imagen de se llama rango de .

2 a+ c ) =(0. 58 . Ejemplo 7: Sea T : P2 [ x ] → R 2 la aplicación lineal definida por T ( a+ bx+ c x 2 )=( a−b . 3. dim P2 [ x ] =η ( T )+ ρ ( T ) .0) } ¿ {a+ bx+ c x 2 ∈ P2 [ x ] /a=b ∧ c=−2 a } ¿ {a+ bx+ c x 2 ∈ P2 [ x ] /a∈ R } ¿ {a(1+ x −2 x 2 ) ∕ a ∈ R } ¿< { 1+ x−2 x 2 } >¿ y siendo {1+ x−2 x2 } una base del núcleo de T . ρ ( T )=2 Además. como sigue que y por lo tanto 2 ImT=R . Sea ahora T :V ⟶W aplicación lineal. dimV =n⇒ η ( T ) + ρ ( T )=n . η ( T ) =1.2 a+ c ) . Entonces: KerT ={a+ bx+ c x 2 ∈ P2 [ x ] / ( a−b .

Por ejemplo. 3. Entonces T (coordenadas de con respecto a la base resulta ser un isomorfismo. se llama inversa de T y se denota por −1 T . Si y . un isomorfismo entre estos espacios es: T : P2 [ x ] → R3 . entonces T ⇔ {T ( v 1 ) . es isomorfismo es base de dimV =dimW . entonces se dice T S que es invertible. v n } V T :V → R n En efecto. B={ v 1 . isomorfismo isomorfismo. dimV =n dimW =m 2. c ) . S :W → V T ∘ S=I W S ∘T =I V a) Si existe tal que y . entonces V ≅ Rn . … . T V W c) Si es un isomorfismo. La relación “ser isomorfo” es una relación de equivalencia. sea una base de y definamos por T ( v )=[ v ] B v B ). La aplicación está únicamente determinada por T . entonces se dice que T es un isomorfismo. T (v n ) } W. entonces se dice que los espacios y son isomorfos . se anota V ≅ W . T ( a+ bx+ c x 2 )=( a . 59 . b) Si T es biyectiva. Observe que: T ⇔ T −1 1. Ejemplo 8: Del teorema precedente sigue P2 [ x ] ≅ R3 . … . b . Teorema: Sea V espacio vectorial real de dimensión n . Si entonces T biyectiva ⇔T inyectiva ⇔T epiyectiva.

60 . EJERCICIOS 4. T ( v )=−v M 2( R) R 2. y ) =( 2 x− y . n +1 mn También Pn [ x ] ≅ R y M mxn ( R)≅ R . Determine si las siguientes transformaciones son o no lineales. Justificas la que no son. T ( x . z )=( y . T ( x )=|x| b) T : R2 ⟶ R 2 . x ) c) T : R3 ⟶ R 2 . z −x+3 ) d) T : R4 ⟶ R3 . Sea y definida por T Demostrar que es una transformación lineal. a) T : R ⟶ R . y . 3. Determine si las siguientes aplicaciones de en son o no son lineales a) ( ) T a b =a+d c d b) ( ) T a b =ad−bc c d c) ( ) T a b =a2 +b2 c d d) ( ) T a b =2 a+3 b−d c d B ∈ M n( R) T: M n ( R)⟶ M n ( R) T ( A ) =AB . T ( x .1 1.

S y R transformaciones lineales de R2 en R2 definidas por: T ( x . T ( A ) =A t T : P2 [ x ] ⟶ P 3 [ x ] T ( p ( x ) )=xp ( x ) . y )=( y .4 ) .5 ) y T (−1. Si T ( v i )=0 . T (0. 5. T ( x . S ( x . R ( x . v n } base de V . a) T : R2 ⟶ R . ∀ i=1. y ) =( x . x+ y ) . Calcular T ( 1. y )=x− y + xy T : M 2 ( R ) ⟶ R . demuestre que 8. 7. b) . … . Sea T :V ⟶W transformación lineal y { v1 .−3 )=( 2.2. 6. con (a . Decida si las siguientes funciones son o no aplicaciones lineales. x ) . 2 y ) . r ( x )=1+ x . b) Cuáles de los siguientes vectores pertenecen a la imagen de T : p ( x ) =x+ x 2 . 61 . r ( x )=3− x2 . q ( x )=0. q ( x )=1+ x . Considere la transformación lineal tal que a) Cuáles de los siguientes vectores pertenecen al núcleo de T : p ( x ) =x 2 . Para las que sean lineales. y )=( 0. . b)∈ R2 .1) y encontrar una expresión para T (a . 4. Sean T .n KerT =V . determinar núcleo e imagen.2 )=(−1. Sea T : R2 ⟶ R 2 aplicación lineal tal que T ( 1. … .0 ) .T ( A )=det ( A ) b) c) T : M 3 ( R ) ⟶ M 3 ( R ) .

Sea c d{( ) W = a b ∈ M 2 ( R ) /a+5 c=0 . v ∈ V ( αT ) ( v )=αT ( v ) . que es isomorfismo a 4. ∀ v ∈ V . 9. S . 10. El vector cero de este espacio es la T o :V ⟶W . W ) con la suma y multiplicación por escalar definidas por: ( T + S )( v )=T ( v )+ S ( v ) . v ∈V K resulta ser un espacio vectorial sobre . R } es un conjunto linealmente independiente de vectores del espacio L ( R 2 . R2 ) . } Demostrar que U es un subespacio de M 2( R) R3 . Demostrar que { T .T o ( v ) =0W .lineal } L(V . Demostrar que la relación “ser isomorfo a” es una relación de equivalencia en K el conjunto de los espacios vectoriales sobre el cuerpo . W )= { T :V ⟶ W /T es transf .2 APLICACIONES LINEALES Y MATRICES Sean V yW espacios vectoriales sobre el cuerpo K y denotemos por: L ( V . transformación lineal 62 . α ∈ K .

u)= 2 1 −1 0 y 1 −3 0 4 z = ) ( 2 x+ y−z −3 y + 4 u ) u ¿ ( 2 x + y−z . Queremos establecer que L ( R n . ∀ X . y . A=(aij )∈ M mxn ( R ) i. Ejemplo 9: Sea ( A= 2 1 −1 0 1 −3 0 4 ) la aplicación lineal asociada a A es 4 2 TA:R ⟶R tal que: () x ( T A (x . R ) φ ( A )=T A ii. Rm ) ≅ M mxn ( R ) . Además es inyectiva puesto que: 63 . Sea y consideremos la aplicación T A : R n ⟶ Rm definida por T A ( X )= A∙X Entonces: n X +Y =A ( X +Y )= AX + AY =T A ( X ) +T A ( Y ) . z . ∀ α ∈ R . es decir TA es lineal. Se puede establecer que: φ ( A+ B )=T A +B =T A + T B=φ ( A )+ φ ( B ) . 4 u−3 y ) n m φ : M mxn (R)⟶ L(R . Y ∈ R TA ¿ T A ( αX )= A ( αX )=αAX=α T A ( X ) . ∀ A ∈ M mxn (R) φ φ es decir es lineal. ∀ A ∈ M mxn ( R) φ ( αA )=T αA =α T A =αφ ( A ) . ∀ X ∈ R n . se llama aplicación lineal asociada a la matriz A . Consideremos definida por .

existe A ∈ M mxn ( R) T A =T que es epiyectiva: Dada tal que . Pero T ( e 1 )=a1 i e 1 +…+a mi e m . e n } . ∀ i=1. falta mostrar R φ (¿ ¿ n . e m } las bases canónicas de n R yR m respectivamente. x=x 1 e1 +…+ x n e n y T ( x )=x 1 T ( e 1) + …+ x n T ( e n ) . … . Si x ∈ R n . … . Para que φ sea isomorfismo y por tanto L(R . T ∈ L¿ A La matriz se determina así: Sean {e 1 . R )≅ M mxn (R) .2. … . Rm ) . {e1 . Kerφ= { A ∈ M mxn ( R ) /T A =T o }= { 0mxn } n m iii. n Luego: T ( x )=x 1 ( a11 e 1+ …+am 1 e m ) +…+ x n ( a1 n e1 +…+ amn e m ) ¿ ( a11 x 1 +…+a 1n x n ) e1 +…+ ( am 1 x1 +…+ amn xm ) em ( ) a11 x 1 +…+a 1n x n ¿ ⋮ am 1 x 1 +…+ amn x m ( )( ) a11 ⋯ a1 n x 1 ¿ ⋱ ⋮ am 1 ⋯ a mn x n ¿ A∙x ¿ T A (x) 64 .

A=(aij )∈ M mxn (R)
La matriz está únicamente determinada, se llama matriz

asociada a la transformación lineal
T y se denota por
[T] .

Ejemplo 10: Sea T : R3 ⟶ R 2 la aplicación lineal definida por

T ( x , y , z )=(x−2 y , x+ y +3 z )
. Entonces:

T ( 1,0,0 )= (1,1 ) =1 ( 1,0 )+1 ( 0,1 )

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

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

y por tanto (1
[ T ] = 1 −2 0
1 3 )
n m n
Ejemplo 11: Sea T o : R ⟶ R ;T o ( x )=0, ∀ x ∈ R . Entonces [ T o ]=0mxn . Sea

I : Rn ⟶ R n ; I ( x )= x , ∀ x ∈ Rn . Entonces [ I ] =I n .

V yW
Estudiaremos ahora un caso más general: Sean espacios vectoriales

reales de dimensión
n ym respectivamente y
T :V ⟶W aplicación lineal. Sean

B={ v 1 … v n } C={ w 1 … wn } V yW
, bases ordenadas de respectivamente. Entonces

T : Rn ⟶ R m podemos obtener una matriz A=( aij ) ∈ M mxn (R)
procediendo como para ;

65

C
esta matriz depende de las bases ordenadas
B yC escogidas y se denota por [ T ]B .

C
La matriz [ T ] B ∈ M mxn (R) está caracterizada por : Si las coordenadas de v ∈V con

respecto a la base
B son
[ v ] B =X=(x 1 , … , x n) , entonces [ T ] CB ∙ X son las

coordenadas del vector
T ( v )∈W relativas a la base
C .

C
Cuando B=C , [ T ] B se denotará también por
[ T ]B .

'
T : P3 [ x ] ⟶ P2 [ x ] T ( p ( x ) )= p ( x ) .
Ejemplo 12: Sea la aplicación lineal

Determinemos [ T ] FE en donde E= { 1, x , x 2 , x 3 } es base de P3 [ x ] y F={ 1, x , x2 } es

P2 [ x ]
base de .

T ( 1 )=0=0 ∙ 1+ 0 ∙ x +0 ∙ x 2

T ( x )=1=1 ∙ 1+ 0∙ x +0 ∙ x 2

T ( x 2 )=2 x=0 ∙ 1+ 2∙ x+ 0 ∙ x 2

T ( x 3 )=3 x 2=0 ∙ 1+0 ∙ x +3 ∙ x 2

Luego:

( )
0 1 0 0
[ T ] FE= 0 0 2 0
0 0 0 3

66

2 3
p ( x )=2−3 x+ x +2 x T ( p ( x ))
Observe que si , entonces se obtiene por:

)( ) ( )
2

(
0 1 0 0 −3
−3 =
0 0 2 0 2 =[ T ( p (x))] F
1
0 0 0 3 6
2

y T ( p ( x ) )=−3+2 x +6 x 2 .

Ejemplo 13: Sea
V espacio vectorial real de dimensión finita. Entonces

B
B={ v 1 … v n } V [ I v ]B=I n
cualquiera sea la base de se tiene que . En efecto,

I n ( v i )=v i=0 v 1 +…+1 v n ; 1 ≤i ≤n

C
Si
C es otra base de
V , entonces [ I v ]B ≠ In (ejercicio propuesto 2)

S ,T :V ⟶ W B V ,C
Sean aplicaciones lineales y sean base de base de

W . Entonces:

C C C
[ S+ T ]B = [ S ]B + [ T ] B

C C
[ αT ] B =α [ T ] B

R :W ⟶ U D U
Si es una aplicación lineal y es una base de , entonces:

D D C
[ R ∘ T ] B = [ R ]C + [ T ]B

67

[ I V ]B es invertible y ([ I ] ) V B =[ I V ]C . entonces: C B C [ I V ]B ∙ [ I V ]C =[ I V ]C =I n y B C B [ I V ]C ⋅ [ I V ]B =[ I V ] B=I n . z) para ( x . y . entonces: B −1 [ T −1 ]C=( [ T ]CB ) Ejemplo 14: Sea T : R3 ⟶ R 3 la aplicación lineal dada por ( ) 1 −1 0 [ T ]B= 0 2 1 . 1 0 1 en donde B es la base canónica de R3 . T det [ T ] B ≠0 La aplicación es invertible puesto que (otra razón es que el rango de [ T ] B es 3). De esta última igualdad sigue que: B .C V n a) Si son bases del espacio vectorial de dimensión . y . T :V ⟶W B V yC b) Si es una aplicación lineal invertible. z) ∈ R3 : 68 . C C −1 B es decir . determinemos T −1 ( x . es base de es base de W .

x+ y −z . y . e 2 .−2 x− y+ 2 z ) . 69 . con ( x .C= { e1 . [ S ] E= 0 (2 3 1 . e2 } en donde es la base canónica de es la base canónica de R2 y B={ ( 3.(1. y . Entonces existe una matriz invertible N ∈ M mxn ( R) tal que : [ T ] E=N −1 [ T ] F N F En efecto. z ) =( 2 x + y−z . ( ) −1 2 1 −1 1 −1 =[ T ]B .2) } es base de R2 . S :R 3 ⟶ R2 las aplicaciones lineales dada por C (1 4 B 0) [ T ] E= 2 0 −1 . V n. y .−1 ) . e 3 } R . Ejemplo 15: Sean T . −1 ([ T ]B ) = 1 −2 −1 2 Luego. N=[ I V ] E satisface esta igualdad. T −1 ( x . z ) ∈ R3 . −1 1 ) 3 E= { e1 . E y F Sea espacio vectorial de dimensión finita bases de V y T :V ⟶ V transformación lineal. N se llama matriz de cambio E yF de base de . z ) . Determinemos [ T + S ]CE y de ahí una expresión para ( T +S )( x .

y .C de C R3 distintas se tiene que [ I ]B ≠ I 3 . C 3. z )=( 4 x +8 y +3 z . Encontrar [ T ] B en las bases B y C dadas: 70 . ( T + S )( x .-Sea I : R3 ⟶ R 3 la aplicación identidad.2 1. Encuentre la aplicación lineal asociada a la matriz: I3 a) b) (a0 −bb ) c) ( 40 1 0 −2 1 ) ( ) 2 1 0 d) 0 1 0 0 0 1 2. z) ∈ R3 .( x . Muestre que para bases B . EJERCICIOS 4. y . o Debemos utilizar una matriz de cambio de base de modo que obtengamos C [ S ]E : C C (−1 12)(02 [ S ] E =[ I ]B [ S ] E= 3 B −1 1 )( 3 1= 2 8 4 4 −5 1 ) o C C C (1 [ T + S ] E= [ T ] E + [ S ] E= 2 0 −1 2 4 0 )( 4 8 −5 )( 4=4 8 3 1 5 −1 1 ) Así.5 x− y + z ) .

( 0. C={ 1. encontrar una fórmula para dicha aplicación y la matriz de ella respecto de las bases canónicas.0.3 x ) 3 B={ e1 . 4. R3 ) la aplicación dada por: ( ) C 1 −2 1 [ T ] B = −1 3 −3 .1. x 2 } y F={ x 2+ x +1. 2 x−1 } .0. x 2} . (1. x .0) } T : P1 [ x ] ⟶ P2 [ x ] .0 ) .−1 ) . 0 −2 5 71 .1. 3 y+ 4 z . y . 2 x−2 y+ z .(0.1.−1 ) . 6. z ) =(x + y + z . 5.0. Encontrar una base para el conjunto solución del sistema homogéneo: x −¿ y +¿ 3 z ¿ 0 2 x +¿ 10 y −¿ 11 z ¿ 0 5 x + ¿7 y −¿ 2 z ¿ 0 Este conjunto solución es el núcleo de una aplicación lineal. T ( p ( x ) ) =∫ p ( x ) dx b) B={ 1−x . e2 . Sea T ∈ L( R 3 .−1. En P2 [ x ] considere las bases E= { 1. x . 3 4 a) T : R ⟶ R . T ( x . x 2−x−2. x2 + x−1 } Ea F FaE Encuentre la matriz de cambio de base de y de . e3 } base canonicade R . C={ ( 1.0.

V ) tal T ( v 1) =3 v 1−2 v 2 T ( v 2 )=v1 + 4 v 2 {w 1 . donde es la base canónica de es la base de C={ ( 1. w 2 } V que y . 7. Sea { v1 . λ T v ∈V Un escalar es un valor propio de . e3 } R3 y C R3 .1.0) } . v 2 } base de un espacio vectorial real V y sea T ∈ L(V .(1.0. Encontrar la matriz de en la base {w 1 . e2 .1 ) 1 ( 1. 4. y .3 VALORES Y VECTORES PROPIOS. B={ e1 . λ T Sea valor propio de y denotemos por: 72 . y . T ( x .DIAGONALIZACIÓN V En lo que sigue será un espacio vectorial real de dimensión finita y T :V ⟶V una transformación lineal. Sea otra base de w 1=v 1 + v2 w 2=2 v 1+ 3 v 2 T tal que y .0 ) . w 2 } .1. z ). entonces cualquier tal que T ( v )=¿ λv se llama vector propio (o vector característico o autovector) de T asociado al valor propio λ . z)∈ R3 . Encontrar una expresión para con (x .

se llama espacio propio de resulta ser un subespacio vectorial de T λ asociado al valor propio . ii. vi. y los valores propios de T son las raíces (reales) de dicho det ⁡( T −λI ) T polinomio. λ T ⇒V λ ≠ { 0 } . Observe que: V λ= { v ∈V /T ( v )−λv=0 }= { v ∈ V / ( T −λI )( v )=0 } =Ker (T −λI ) i. V λ= { v ∈V /T ( v )=λv } Vλ V . 73 . valores propios de iv. μ T . λ valor propio de T ⇔ ∃ v ∈V . El polinomio se llama polinomio característico de . es un polinomio en la indeterminada de grado la dimensión de V . λ ≠ μ ⇒ V λ ∩V μ= { 0 } . La ecuación det ( T −λI )=0 se llama ecuación característica de T . v ≠ 0 : ( T −λI ) ( v )=0 ⇔ Ker (T − λI ) ≠ { 0 } ⇔(T −λI ) no es vertible ⇔ det ( T −λI )=0 p ( λ )=det ⁡( T −λI ) λ v. iii. valor propio de λ. v ≠ 0:T ( v )−λv =0 ⇔∃ v ∈ V . det ( T −λI )=0 ⇔det ( λI −T )=0.

−1 −1 λ−3 Luego los valores propios de T son λ=2. 3 3 Ejemplo 17: Sea T :R ⟶R transformación lineal T ( x . x+ y +3 z ) .−x +7 y−z . y . λ=2 Determinemos los vectores propios asociados al valor propio . esto es. μ=4 y θ=5 . T A Entonces el polinomio característico de ( o de ) es: | p ( λ )= −λ 3 =λ2 +9 −3 −λ | que no tiene raíces reales. resolvemos det ( λI − A )=0 . ( ) 1 5 −1 T A= −1 7 −1 La matriz asociada a es . z )=( x +5 y−z . es decir. 2 2 Ejemplo 16: Sea T :R ⟶R la transformación lineal cuya matriz asociada es ( A= 0 3 −3 0 ) . encontremos el espacio propio 74 . 1 1 3 Para determinar los valores propios de T . | | λ−1 −5 1 1 λ−7 1 = ( λ−2 ) ( λ−4 )( λ−5 )=0 . V λ=Ker ( T −2 I ) . Luego T no tiene valores propios.

El siguiente teorema caracteriza a las transformaciones lineales que lo son: T B V Teorema: es diagonalizable si y sólo si existe base de formada por vectores propios de T . 1 1 1 0 0 0 0 0 0 Y entones.−x ) ∕ x ∈ R } ¿< {(1. 3 2 T : R ⟶R T ( x . 0.−1) } >. No siempre una transformación lineal es diagonalizable. Se dice que una base B de V diagonaliza a T si la matriz [ T ] B es una B T matriz diagonal. V λ= {( x . ( )( )( ) −1 5 −1 1 −5 1 1 0 1 [ T −2 I ] = −1 5 −1 0 1 0 0 1 0 .3 x ) Ejemplo 18: La aplicación lineal definida por (ejemplo 16) T No es diagonalizable puesto que no tiene valores propios. y ) =(3 y . T A : Rn ⟶ R n lo es. A ∈ M n ( R) Una matriz es diagonalizable si la transformación lineal asociada a A . 75 . y .0. Cuando tal base existe. se dice que es diagonalizable. z ) ∈ R3 / x + z=0 ∧ y =0 } ¿ {( x .

0. los valores propios de 1 1 λ λ=1 y μ=2 son . El espacio propio de F asociado a λ=1 es: ( ) 2 2 2 V λ=Ker ( F−I ) =Ker 1 1 2 =¿ { (1. 8 x +7 y−4 z .1) } >¿ −1 −1 −2 Por lo tanto F no es diagonalizable puesto que es imposible encontrar 3 F vectores propios de que sean linealmente independientes. 3 3 Ejemplo 19: Sea F:R ⟶R la aplicación lineal dada por ( ) 3 2 2 [ F ]= 1 2 2 . 3 3 Ejemplo 20: Sea T :R ⟶R la transformación lineal T ( x . z )=(−9 x−8 y + 4 z . y .−8 x−8 y +3 z) 76 .0) } >¿ −1 −1 −1 El espacio propio de F asociado a μ=2 es: ( ) 1 2 2 V μ =Ker ( F−2 I ) =Ker 1 0 2 =¿ {(−2.−1. −1 −1 0 | | λ−3 −2 −2 det ( λI −F )= −1 λ−2 −2 =(λ−1)(λ−2)2 F Como .

(0.−1.2 ) . T Entonces la matriz asociada a es: ( ) −9 −8 4 A= 8 7 −4 −8 −8 3 | | λ+9 8 −4 2 det ( λI − A )= −8 λ−7 4 =( λ+1 ) ( λ−3 ) .1 ) } . T λ=−1 El espacio propio de asociado a es: ( ) −8 −8 4 V λ=Ker ( A + I )=Ker 8 8 −4 =¿ { (1.1.2) } >¿ −8 −8 4 T θ=3 El espacio propio de asociado a es: ( ) −12 −8 4 V θ=Ker ( A−3 I )=Ker 8 4 −4 =¿ { (1.1.2 ) . y 8 8 λ−3 Luego T tiene dos valores propios λ=−1 y θ=3 . entonces B es una base de R3 formada por vectores propios de T . ( 0. la matriz de T con respecto a esta base es: ( ) −1 0 0 [ T ]B = 0 −1 0 0 0 3 77 .−1.1) }> ¿ −8 −8 0 Sea B={ ( 1. Luego T es diagonalizable. ( 1.0.2 ) .0.

si existe una matriz P∈ M n (R) invertible tal que [ T A ]B = P −1 AP. Demuestre que λ=0 es valor propio de T si y sólo si T es singular (no invertible). 4. Es decir. Para cada un a de las siguientes matrices. determine los valores propios y una base para cada espacio propio. a) ( A= 1 2 2 −2 ) b) ( B= 2 −1 −7 −4 ) ( ) 1 −1 0 C= −1 2 −1 c) 0 −1 1 78 .3 1. EJERCICIOS 4. T λ≠0 3. Sea no singular (invertible). Sea V espacio vectorial real de dimensión n . una matriz es diagonalizable si existe una base de Rn tal que [ T A ]B es una matriz diagonal. Encuentre el polinomio IV T o. Demuestre que si es valor propio de T . característico de y de 2. entonces λ−1 es valor propio de T −1 . A ∈ M n ( R) B Finalmente.

en donde ( x . ( ) 3 2 2 D= 1 4 1 d) −2 −4 −1 5.2) } >¿ Encontrar la expresión de T (x .1. T ( x . y ) =(x +2 y .−16 x+ 8 y+7 z ) 6. a) T : R2 ⟶ R 2 . 79 . muestre una base que diagonalice a T . R3 ) tal que λ=−1 y μ=8 son valores propios de T y cuyos respectivos espacios son V λ=¿ { ( 0.−2. 2 x−3 y ) 2 2 b) T : R ⟶ R . y .(1. z )=(−9 x + 4 y +4 z . y . T ( x .−x+ 4 y ) c) T : R3 ⟶ R 3 .1 ) . z ) . Para las que sean diagonalizables.−2. y ) =(−4 x +5 y . 8 x+3 y + 4 z . Sea T ∈ L( R 3 . Determine cuáles de las siguientes transformaciones lineales T son B diagonalizables.0) } >¿ y V μ =¿ {(2. z ) ∈ R3 . T ( x . y .

b) la letra al conjunto de los pares de números reales en el cual definimos las siguientes operaciones: Suma: ( a .−3 )=( 2+0. 5.1+ (−3 ) )=(2.−2) b) ( 2.1 NUMEROS COMPLEJOS Definición: Llamamos conjunto de los números complejos y lo denotamos con C (a .-3). CAPITULO 5: NUMEROS COMPLEJOS.1 )( 0. d ) ⟺ a=c ∧ b=d α ( a . Ejemplos. POLINOMIOS. d )=(a+c . b+d ) Multiplicación: ( a .1 ) + ( 0.−3 )= ( 2 ( 0 )−1 (−3 ) +1 ( 0 ) ) =(3. d )=(ac−bd . POLINOMIOS IRREDTUCTIBLES Y FRACCIONES PARCIALES. b ) =( c . Dos propiedades que cumplen los pares de números reales y que se mantienen para los complejos son: Igualdad: ( a . b ) ∙ ( c . Note que la suma y producto de pares no está definida en R2 . Dados (2. αb) α ∈R Multiplicación por un escalar: donde .1) y (0. hallar: a) ( 2. b ) + ( c . ad +bc) En el número complejo (a . b )=( αa.6) 80 . b) llamaremos a a la parte real y a b la parte imaginaria.

0) coincide con el a a=(a . Podemos considerar que los números reales están contenidos en los números 2 complejos puesto que en el plano R el número complejo (a .1 )( 0.−6 )+ (2.−3 )=−2 (−1. b) son llamados imaginarios puros. ( a .0) a∈R número real . De este modo tenemos cuando . α∈R Demostración propiedad de la multiplicación por un escalar : 81 . c) ( 2.−8) Como los números complejos son pares de números reales podemos efectuar una representación de los mismos mediante el plano R2 (Gráfica 1) En esta x representación se le dice eje real (Re) al eje de las y eje imaginario (Im) al eje de las y .−2 )=(5.1 ) =( 3. b) Gráfica 1: Representación del número complejo . Los números complejos de la forma (0.

b )=( α . Es fácil demostrar que i =−1 .1) con la letra i Denotaremos el número complejo y lo llamaremos 2 unidad imaginaria. 0 ( 1 ) +1 ( 0 ) )=(−1.0 )=−1 2 Ahora estamos en condiciones de resolver la sencilla ecuación x +1=0 . αb +0 a) (0. 0) Para eso escribimos el número real en la forma y aplicamos la definición de multiplicación: α ( a .1 )=( 0 ( 0 )−1 ( 1 ) . αb) α (α .0 )+ b(0.1 ) ( 0.2 FORMA BINOMICA DE UN NÚMERO COMPLEJO Sea z=(a . 0 ) + ( 0. 2 2 i =(0. b) un número complejo.1) 82 . b )=a (1. b )=(αa−0 b .1) =( 0. Entonces podemos escribirlo en la forma: z=( a . b ) =( a . α ( a . 2 2 2 2 x +1=0 ⇒ x =−1⇒ x =i ⇒ x=±i 5. 0 ) ∙ ( a . b )=( αa . b )= ( a .

con la ventaja a favor de la forma binómica que se trabaja con las reglas del álgebra y no es necesario memorizar nada nuevo. 5.d son todos números reales.0 )=1 y ( 0.1 )=( 3+2 i )+ ( 4−i )=7+i ¿ 2 z 1 z 2=( 3. halle .1 )=i y. z 1=( 3.−1) z 1+ z 2 y z 1 z 2 Ejemplo: Si . z 1+ z 2=( 3. ( a+bi ) ( c +di )=ac +adi+bci+bd i2 =( ac−bd ) + ( ad +bc ) i porque 2 i =−1 Ahora observe que los resultados son los mismos que las definiciones de suma y producto dados al inicio.3 CONJUGADO DE UN NUMERO COMPLEJO 83 .2 ) y z 2=( 4. puesto que a . por lo que la realización de las operaciones de suma y multiplicación con números complejos se puede realizar en la forma de pares o en la forma binómica. entonces ( a .2 ) ( 4. c . b ) =a+bi .−1 ) =( 3+2i ) ( 4−i )=12−3i+8 i−2 i =( 12+2 ) + (−3+ 8 ) i=14+5 i 5. Pero como ( 1. b . En este caso a+bi se llama forma binómica o binomia del número complejo.3 SUMA Y MULTIPLICACIÓN DE NUMEROS COMPLEJOS EN LA FORMA BINOMICA ( a+bi ) + ( c +di )= ( a+c ) + ( b+ d ) i .2 ) + ( 4.

4 POLINOMIOS Sea P ( x )=a0 +a1 x+ a2 x 2 +…+ an x2 . … . z=x + yi Si es un número complejo llamaremos conjugado del número z. En el conjunto de los polinomios podemos definir las siguientes operaciones: Adición: n n Dados P ( x )=a0 +a1 x+ …+a n x y Q ( x )=b0 +b 1 x +…+b n x Entonces P ( x ) +Q ( x )=( a 0+ b0 ) + ( a1+ b1 ) x+ …+ ( an +b n ) xn tal que P ( x ) +Q(x ) es también polinomio. al número complejo que tiene la misma parte real que pero la parte imaginaria de signo opuesto. an−1 ) ⟶ a0 +a1 x+ …+a n−1 x n−1 . 5. 84 . entonces z=3+2 i . al z ´z =x− yi número . Definido como polinomio de grado n donde a0 + a1+ a2 +…+ an RóC coeficientes numéricos del polinomio en . es decir. entonces ´z =3−2i y si z=3−2i . Es posible establecer una función: n f : R ⟶P(x) tal que ( a 0 . f Donde es transformación lineal. Ejemplo: Si z=3+2 i .

R( x)∈ P K (x ) . Entonces α ( P ( x ) ∙ Q ( x ) ) =m+ n 85 . iv. Q ( x ) . Asociativa: Si entonces ( P ( x ) +Q ( x ) )+ R ( x )=P ( x ) +( Q ( x ) +r ( x ) ) ∀ P ( x ) . R ( x)∈ P K (x) ii. Q(x) ∈ P K ( x) P ( x ) +Q(x )∈ P K ( x) i. ∃0 ( x )=0+ 0 x +…+ 0 xn llamado polinomio nulo tal que P ( x ) +0 ( x )=P ( x ) ∀ P(x) ∈ P K ( x ) . Q( x)∈ P K (x) iii. Entonces se denomina multiplicación de polinomios donde P ( x ) ∙Q ( x )=c 0 +c 1 x +…+ c n x n (donde c 0=a0 b 0 . Si denominamos α ( P )=¿ grado del polinomio P . c1=a0 b1 +a1 b0 … . Conmutativa: Si entonces P ( x ) +Q ( x )=Q ( x ) + p ( x ) ∀ P ( x ) . P ( x ) . Si P ( x )=a0 +a1 x+ …+a n x n entonces ∃−P ( x )=−a0±a 1 x+ …+−an x n inverso aditivo de P( x) tal que P ( x ) + (−P ( x ) ) =(−P ( x ) ) + P ( x ) =0 . Entonces si P( x) tiene α ( P ( x ) )=n y Q( x) tiene α ( Q ( x ) )=m ∧m>n ⇒ α ( P ( x ) +Q ( x ) ) =m . Q ( x ) . ) Si α ( P ( x ) )=n y α ( Q ( x ) )=m . Q(x)∈ P K ( x) . Multiplicación: P ( x ) y Q(x ) PK (x) P( x) ∙Q ( x) Si polinomios definidos en . v. P ( x ) . Clausura: Si entonces . Propiedades: P ( x ) .

Q(x )∈ P K (x ) ∃e ( x ) =1+ 0 x +0 x 2 +…+0 x n ∈ P K (x ) iv. Clausura P ( x ) . y entonces tal que P ( x ) ∙ P−1 ( x )=1=P−1 (x) ∙ P ( x) . polinomio tal que e ( x ) ∙ P ( x )=P ( x ) ∙ e ( x )=P( x) P( x) .Ejemplo: P ( x )=5 x 3 +7 x 2+3 ⇒ α ( P ( x ) ) =3 Q ( x )=3 x 2−5 x−1 ⇒ α ( Q ( x ) )=2 5 4 3 2 Entonces P ( x ) ∙Q ( x )=15 x + 46 x +30 x +2 x + 15 x−3 y α ( P ( x ) ∙ Q ( x ) ) =5 Propiedades: i. Conmutativa P ( x ) ∙Q ( x )=Q ( x ) ∙ P ( x ) ∀ P ( x ) . Q ( x ) . R (x) ∈ P K (x) Si entonces ( P ( x ) ∙Q ( x ) ) ∙ R ( x )=P ( x ) ( Q ( x ) ∙ R ( x ) ) ∀ P ( x ) . neutro multiplicativo de Sea P( x )≠ 0(x ) P( x)∈ P K (x ) ∃ P−1 ( x) v. (inverso multiplicativo de P ) 86 .Q ( x ) . Q ( x ) ∈ PK (x) P(x) ∙Q (x) ∈ PK ( x) Dado entonces ii. Asociativa P ( x ) . R( x )∈ P K (x) iii.

P (x ) R(x) =S ( x ) + O de otra forma : Q (x) Q( x ) Ejemplo: (Método tradicional) 3 x5 −2 x 3 +6 x 2−4 : x−1=3 x 4 +3 x 3+ x2 +6 x +6 −(3 x5 −3 x 4) 3 x 4−2 x 3+5 x 2−4 4 3 −(3 x −3 x ) 87 . −1 Observación: P ( x ) ∙ P ( x ) es finalmente la división de polinomio. División de polinomios: n m Sea P ( x )=∑ ai x i y Q ( x )=∑ bi x i dos polinomios de grado n ym i=0 i=0 PK [ x ] respectivamente definidos en . es el resto si la división no es exacta. Entonces P (x) P ( x ) :Q ( x )= =S ( x ) α ( p ( x ) ) >α (Q ( x ) ) Q(x ) si y sólo P(x) =S ( x ) ⇒ P ( x ) =Q( x) ∙ S (x) Si Q( x) (si la división es exacta) 1 P ( x )=S ( x ) ∙Q ( x )+ R ( x) ∕ R( x) Q( x) .

5 3 2 3 x −2 x +6 x −4 : x−1 3 0 −2 5 0 −4 1 3 3 1 6 6 3 3 1 6 6 2 88 . Continuando con el ejemplo anterior. 3 2 x +5 x −4 −( x 3−x 2) 6 x 2−4 −(6 x 2−6 x) 6 x−4 −(6 x−6) 2 3 x5 −2 x 3 +6 x 2−4 2 R ( x ) =resto=2 ∴ =3 x 4 +3 x 3+ x2 +6 x +6+ x −1 x−1 Método de división sintética Observación: Podemos usar este método si el divisor es de grado 1 .

Además si P (2 )=30 ⇒ 30 el x 2 +7 x+ 12 resto de x−2 . R se denomina resto. Teorema del resto: Si un polinomio cualquiera se divide por (x−b) se tiene R=P ( b ) . En efecto 1 7 12 2 2 18 1 9 30 x 2+7 x +12 30 ∴ =x +9+ x−2 x−2 89 . P (−4 )=0 . Pn ( x ) x Definición: Se denomina raíz de un polinomio a todo para Pn ( x )=0 el cual . ii. entonces x=−3∧ x=−4 on raíces del polinomio ya que P (−3 ) =0 . Tiene por lo menos una raíz. resto S ( x ) =3 x 4 + 3 x 3 + x 2+ 6 x+6 Propiedades: Pn ( x )=0 n>1 i. Ejemplo: Sean P ( x )=x 2 +7 x +12 . Toda ecuación polinomial con .

Si Pn ( x )=an xn + …+a1 x+a0 tiene por coeficiente números enteros y p m= Pn ( x )=0 p q es una raíz racional de entonces es un factor de a0 y q an . Entonces las posibles raíces del polinomio son : {± 11 . Ejemplo: Si Pn ( x )=x 2 +7 x +12 y x=−3 es raíz.4 1. v. es factor de n n iv. EJERICICIOS 5. 90 . Ejemplo: P5 ( x )=x 5 + x 4 + x 3 + x 2+ x +1 ⇒ tiene 5 raíces. m Pn ( x )=0 iii. su conjugado. Toda ecuación polinomial de grado tiene raíces. Hallar la relación entre a yb para que P ( x )=2 x 4 −7 x3 + ax+b sea divisible por ( x−3 ) . ± 13 } . Teorema del factor: Si es una raíz de un polinomio y tal que (x−m) es factor del polinomio Pn ( x ) . ⇒(x +3) Pn ( x ) ∴ ( x +3 ) ( x+ 4 )=¿ x 2+7 x +12 . Si es raíz de entonces Pn ( x ) . es factor de Ejemplo: Si P ( x )=3 x 2 +2 x−1 . (a+ bi) Pn ( x )=0 (a−bi) . también es raíz de vi.

Obtener a yb .5 POLINOMIOS IRREDUCTIBLES Y FRACCIONES PARCIALES Pn ( x) m>n Definición: Sea la fracción racional tal que Q m ( x) con .b∈R x 1=2+i 3. Determine c yd tal que P ( x )=x + 2 x +cx +d admita como raíz a 1−i . En la ecuación con . 3 2 x + a x +bx +a=0 a. 5. entonces no es posible el algoritmo de la división. Ejemplo: 5 x−1 A B = + ( x +1 ) ( x−2 ) ( x +1 ) ( x−2 ) A ( x−2 ) + B( x +1) ¿ ( x+1 ) ( x−2 ) ⇒ 5 x−1= Ax−2 A +Bx + B 5 x−1=x ( A+ B )−2 A +B 91 . 4 3 2. La expresión racional se puede expresar como una suma de fracciones parciales. Se tienen entonces 4 casos: Caso I: El polinomio del denominador contiene factores de 1∘ grado y no se repiten. es raíz.

A + B=5 −2 A+ B=−1 3 A=6 ∧ B=3 5 x−1 2 3 ∴ = + (x +1)( x−2) ( x+1) ( x−2) Caso II: El polinomio del denominador contiene factores de 1∘ grado y alguno de ellos se repite. Así se tiene P( x) A1 A2 An B1 B2 Bm n m = n + n−1 + …+ + m + m −1 +…+ ( x−x1 ) ( x−x2 ) (x−x 1) (x−x 1) ( x−x 1 ) ( x−x 2 ) ( x−x 2 ) (x−x 2 ) Ejemplo: 2 x −3 A B C = + + x ( x+1 ) 2 x ( x +1 ) ( x+1 ) 2 2 2 x −3 A ( x+1 ) + Bx+ x ( x+1 ) C = x ( x+1 )2 x ( x +1 )2 2 x −3= A ( x 2 +2 x +1 ) + Bx+ x 2 + xC 2 x −3= A x 2+ 2 Ax+ A+ Bx + x 2 C+ xC 2 ¿ x ( A+C )+ x ( 2 A +B +C ) + A 92 .

( A +C )=0+2 A+ B+C=2 A=−3 ∧ B=5 ∧ C=3 2 x−3 −3 5 3 ⇒ = + + x(x +1) 2 x ( x+1) x+ 1 2 Caso III: El polinomio del denominador contiene factores de 2∘ grado y no se repiten. P(x ) Ax+ B Cx+ D = 2 + 2 Así se tiene 2 2 (a x + bx+C )(d x +ex + f ) a x + bx+ c d x +ex + f Ejemplo: 3 x2 −4 x +5 A Bx+C 2 = + 2 ( x−1)(x +1) ( x−1) (x +1) A ( x 2 +1 ) + Bx+C (x−1) ¿ 2 (x−1)( x + 1) 2 2 2 3 x −4 x +5=A x + A+ B x −Bx +Cx−C ¿ ( A + B ) x 2 + x ( C−B ) +( A−C) A=2. C=−3 2 3 x −4 x+ 5 2 ( x−3) ∴ 2 = + 2 (x −1)( x +1) ( x−1) x +1 93 . B=1.

… . c . corresponde un solo elemento αA ∈ A .1 LEY DE COMPOSICION EXTERNA A UN CONJUNTO K ≠∅ α. A Se dice que se ha definido una ley de composición externa en el conjunto si ∀ (α . ∘ Caso IV: El polinomio del denominador contiene factores de 2 grado y algunos se repiten. a)⟶ α a 94 . P(x ) A 1 x +B 1 A 2 x + B2 A x+ B n = + + …+ 2n Es decir: 2 n 2 n 2 (a x + bx+ c) (a x +bx +c) (a x + bx+ c) n−1 a x +bx +c Ejemplo: 1 A B Cx + D Ex+ F = 2+ + 2 + 2 x (x + 2) x x (x + 2) x +2 2 2 2 2 CAPITULO 6: ESTRUCTURAS ALGEBRAICAS 6. b . β .γ Dado un conjunto cuyos elementos se denotan por los símbolos etc y un conjunto A ≠∅ cuyos elementos se desigan por los símbolos a . Es decir: K ≠ A⟶ A (α . etc .a)∈ K × A es decir.

b ) ⟶ a ∙b ∈ R ¿ 95 .2 OPERACIÓN BINARIA O LEY DE COMPOSICION INTERNA Sea C un conjunto no vacío y ¿ se denomina operación binaria si: ¿ C ×C ⟶ C ( C 1 . C2 ) ⟶ C1∗C2 Es decir. b ) a+b +¿ +¿ ⟶ R ¿ +¿ × R¿ ∙: R ¿ +¿ ( a . Es decir : R × M 2 ×2 ⟶ M 2 ×2 ( R) α∙ A ⟶B 6. Ejemplo: +:Z × Z ⟶ Z ( a . combina 2 elementos de C para obtener un nuevo elemento de C . Ejemplo: A=M 2 × 2( R) α ∈R αA=B B ∈ M 2× 2 (R) Si y entonces donde .

∃e ∈ G ∀ g ∈ G g∗e=g=e∗g G ii. entonces diremos que ¿ posee estructura de grupo o es un grupo si satisface en G lo siguiente: g1∗( g 2∗g3 )=( g 1∗g2 )∗g 3 i.∗¿ binaria.b ) si a≠ b a si a=b +¿ a∗b ∈ Z ¿ ⟹∗operaciónbinaria G ¿ G× G⟶ G Definición: Sea un conjunto no vacío y una operación G . tal que (neutro de ) 96 . b ) ⟶ a ∙b ∉ R ¿ +¿ +¿ ⟶ Z ¿ +¿ × Z ¿ ¿ ¿Z tal que a∗b= { min ( a . −¿ −¿ ⟶ R¿ −¿× R¿ ¿ ∙: R −¿ (no es operaciónbinaria) ( a .

(a' )' =a ∀ a ∈G iii. ii. (a∗b)' =b' ∗a' ∀ a . b .∗¿ Entonces ¿ es grupo Ejemplo: R . a∗c=b∗c ⇒ a=b a∗c=b∗c /c ' ∈ G 97 . ∀ g ∈ G∃ g ' ∈G tal que g∗g ' =g '∗g=e . ∙ ) no es grupo Proposición 1 G .∗¿ Sea ¿ grupo entonces a∗c=b∗c ⇒ a=b ∀ a .iii. c ∈ G i.+¿ ¿ no es grupo Z . b ∈ G Demostración i.+¿ ¿ es grupo N . Usualmente denotamos g' =g−1 G .+¿ ¿ es grupo ( Z . g' inverso de g .

∗¿ G .∗¿ a .∗¿ Definición: Sea ¿ grupo. Sabemos que ' ' ( a∗a' )∗( a' ) =a∗( a'∗( a' ) ) ' e∗( a' ) =a∗( e ) (a' )' =a Proposición 2 G . G . Entonces se dice que ¿ es grupo abeliano si: a∗b=b∗a ∀ a . b∈ G(conmutatividad ) 98 . b ∈G a∗x=b Sea ¿ grupo y sean entonces la ecuación tiene G solución única en Demostración ' a∗x=b ∕ a ( a' ∗a )∗x=(a'∗b) ' e∗x=a ∗b x=a' ∗b Como tenemos un solo resultado decimos que es único. a+ ( c∗c ' )=b∗(c∗c' ) a=b ii.

+¿ ¿ es grupo abeliano ( C .∗¿ a∗b=a+b+ ab 1.Entonces S ≤G ⟺ a∗b' ∈ G ∀ a .∗¿ de grupo. ∙ ) es grupo abeliano (M n ×m (K ). Sea analizar ¿ es grupo si G . ∙) no es grupo Z . Proposición: G .∗¿ Sea ¿ un grupo S ≤G ≠ ∅ . entonces ¿ se llama un subgrupo de ¿ .∗¿ G .∙) no es grupo EJERCICIOS 6. b ∈ S Ejemplo: 99 . Ejemplo: (R .∙) es grupo (Z .∗¿ S ≤G S .∗¿ Definición: Sea ¿ un grupo si es tal que ¿ tiene estructura S .2 A=Z A .

0 es distributiva respecto a ¿ . b . 0) definida en .∗¿ 0 Definición: Sea ¿ un grupo abeliano y sea otra operación binaria G (G .+. Se dice que tiene estructura de anillo si i. c ∈G a o ( boc )= ( aob ) oc ii. G . Es decir ao ( b∗c )=aob∗aoc ( a∗b ) oc=aoc∗boc Ejemplo: (Z .T ) Sea . ∙) es anillo 100 . Es decir ∀ a .n .∗. z∈Z b=Z n 2 1 2 ' Luego b =−Z n2 (inverso de b) ' a∗b =Z n 1−Z n 2 ¿ Z ( n1−n2 ) ∈ Z ∴ Es subgrupo.b∈S⟹ a=Z n 1 } n . 0 es asociativa en G . ∙) es anillo (Q . es subgrupo de con Sea a.+. G=Z S={ Z n ∕ n∈ Z } S G (S .

(P[ x ] .+.+ . El inverso es único ∃! a−1 tal que a o a−1=1 −1 ii. a∙0=0 iii.∙) es anillo (M n ×m (R) . b ∈G (−a ) ∙ b=−( ab ) v.+. Sea un anillo cualquiera con neutro aditivo 0 y sea b∈ A. ∀ a .∙) es anillo (C .b≠0 ab=0 b Si existe tal que entonces. se llama divisor de cero a la derecha de a ( y será divisor de cero a la izquierda de a si b∙a=0 ) (R . 0) anillo con neutros aditivos y multiplicativos denotados por 0 y 1 respectivamente. ∙) a ∈ A . ∀ a ∈G a ≠ 0 ( a' ) =a ∀ a ∈G . ∙) es anillo Propiedades: Sea (G . b ∈G (−a )(−b ) =ab Divisores de cero: ( A . ∀ a .∗. iv. entonces: i. a ≠ 0. ∙) no tiene divisores de cero (M n ×m .+ .+.+. ∙) si tiene divisores de cero Ejemplo: 101 .

∙) es anillo Proposición: En un anillo ( A . su producto es no nulo. ∙) la ley de cancelación o simplificación para la operación “0” es válida para todos los elementos no nulos si y sólo si.b∈ A±0 ' Supongamos a∙b=0 y sea a ∈A Entonces a' b=a' b +ab 1 a' b=b ( a' +a ) ∕ b a' =(a' +a) 102 .+.+. Demostración: Sean a.+. ∙) Z 3= { 0 . no tiene divisores de cero.1 . (Z 3 . 2 0 2 1 ¿ +¿ 0 1 2 2 ¿1 ¿ 1 ¿2 ¿ 0 ¿ 2 ¿ 2¿ 0 ¿ 1 ¿ (+) es operación binaria 0 0 1 ∴(Z 3 . es decir. 2 } Sea tal que ∙ 0 1 2 0 0 0 0 1 0 1 2 Posee elemento neutro y es conmutativo.

∙) un cuerpo entonces . 0 Definición: Sea un conjunto con a lo menos dos operadores entonces ( A . 0) e ¿ ii. = neutro de iii.Es neutro aditivo y 1 neutro conmutativo.∙) es cuerpo conmutativo Proposición: Sea ( A . 0=a ⇒⇐ a ≠ 0 ⇒ ab=0 (contradicción) ya que Definición: Un anillo ( A .∗. Definición: Un anillo conmutativo en el que es válida la ley de cancelación se denomina anillo de integridad. . ¿ es grupo abeliano ( A− { e } . 0) es cuerpo conmutativo. 0 es distributivo respecto a ¿ Si 0 es conmutativo se dice que ( A .+. es grupo .+.+. A ∗. es así que: a∙ 0=0∙ a=0 ∀ a ∈ A i. 103 . Ejemplo: (R .+ .∗. ∙) en que la operación · es conmutativa y además posee elemento neutro para la operación se llama anillo conmutativo con unidad. 0) es cuerpo si : A .∗¿ i. ∙) es cuerpo conmutativo (C .

ii. a ≠ 0 ∧b ≠ 0 ⇒ ab ≠ 0 ∀ a . b ∈ A . v. Demostración i) a∙ 0=0 ∀ a . (−a ) ∙ b=a (−b ) =−( ab ) ∀ a . . iii.b ∈ A iv. b ∈ A Por demostrar a∙ 0=a ( 0+0 ) a∙ 0=a∙0+ a∙ 0 ∕ +(−a 0) a∙ 0+−a∙ 0=a∙0+ ( a∙ 0+ (−a∙ 0 ) ) ¿ 0=a∙ 0+0 ⇒ 0=a∙ 0 104 . b ∈ A . b ∈ A . (−a ) (−b )=ab ∀ a . ab=ac ⇒ b=c ∀ a .

APÉNDICE: RESPUESTAS A LOS EJERCICIOS PROPUESTOS. 3 −2 () 13 A= 0 2 2.1 () 4 1.b=3. 4 5 0 a=4 . tr ( B )=0 3. c ∈ R cualquiera 4. 5. 11 ( ) 0 3 4 B= 3 0 5 . . EJERCICIOS 1. 105 . A=( aij ) antisimétrica ⇒aii =−a ii ⇒aii =0. ( 1 −1 0 3 ) .

el producto de es conmutativo si y sólo si EJERCICIOS 1. w=5. a) x=1.EJERCICIOS 1. z=3. ( A +B )( A−B ) ≠ A2−B2 5.1 y (BA)2. 7 t +18=t+54.2 ( ) ( ) ( ) 0 −2 4 11 −5 −20 t 2 B= 6 4 −8 A +3 C = 2 18 A ( 4 CD )= −88 1. a) A= ( 3 −1 ) b) A= (21 −12 ) 4. 6 t+21=57. ∴6 t=36 A yB t=6. −2 0 6 16 −2 −180 2.1 a) No existe. y=8. Así pues.3 106 . A 2 +2 AB+ B2 ≠ ( A+ B )2 . ( AB)2.t =4 x=3. b) Efectuando los productos ( )( )( AB= 1 t 1 18 = 6 t+1 7 t +18 2 3 6 7 20 57 ) ( )( ) ( BA= 1 18 1 t = 37 t +54 6 7 2 3 20 6 t+21 ) AB =BA Se sigue que la ecuación matricial equivale a: { 6 t+1=37.u=0. z=5 b) 3. y=2. Basta notar que las entradas son distintas para todo t∈R.

( ) 0 −1 1 −1 A = 1 1 0 a) −1 0 0 b) A−1= 9 ( −1 4 −1 −3 10 −7 6 −11 5 −3 ) ( ) −20 0 10 12 −1 1 8 0 −2 −4 A = c) 4 −6 2 3 4 8 0 −4 −4 107 . b) −4 8 12 A−1= 4( 1 2 −2 −2 −3 7 9 −4 8 12 ) 4. A ∙ adj ( A )=4 I 3 . −4 2 0 −2 ( ) A−1= ( −1 −3 1 2 −4 2 ) ( ) 2 −2 −2 adj ( A )= −3 7 9 . a) det=3 x−x 2 b) det=( x +2 )2 (x+ 4) c) det=(b−a)(c−a)(c−b) 3. det ( A )=4. det=−69 a) b) det=−5 det=14 c) d) det=24 2.det ( A )=−2.1. A ∙ adj ( A ) = −2 0 . a) ( ) adj ( A )= −3 1 .

0. EJERCICIO 2. −1 5. ∀ a ∈ R. det ( A )=1.0 ) λ+ (−1.3 : Desarrollar el siguiente sistema x 1+ x 2−x 3=7 108 . 4 6 14 −2 0 2 2 −2 0 0 0 0 AX =0 BX =0 Y las soluciones de las buscamos en .−1. esto es. con entonces y Y las soluciones del sistema se expresan: (−2. μ∈ R . con λ . x 1=−2 λ−μ x 2=−λ+ μ .2 x 1+ x 2 +3 x3 =0 2 x 1 +4 x2 +8 x 3−2 x 4=0 4 x 1 ++6 x 2+14 x3 −2 x 4 =0 La matriz del sistema es ( )( )( ) 1 1 3 0 1 1 3 0 1 0 2 1 A= 2 4 8 −2 0 2 2 −2 0 1 1 −1 =B . EJERCICIO 2.1. μ∈ R . A =A .1.1 ) μ . Sea . en x 1+2 x 3+ x 4=0 x 2+ x 3−x 4 =0 x 3=λ x 4=μ λ .

EJERCICIO 2. 4 x 1−x 2 +6 x 3=3 6 x 1+ x 2 +4 x3 =22 En este caso la matriz ampliada es: ( )( )( ) 1 1 −1 ⋮ 7 1 1 −1 ⋮ 7 1 0 1 ⋮ 2 ( A .4 : 1. B ) =3 . luego el sistema es incompatible. B )= 4 −1 6 ⋮ 3 0 −5 10 ⋮ −25 0 1 −2 ⋮ 5 6 1 4 ⋮ 22 0 −5 10 ⋮ −20 0 0 0 ⋮ 5 Se observa que ρ ( A )=2 y ρ ( A . Resolver el sistema de ecuaciones indicando rango 109 . ( ) 1 −2 3 A= 2 1 5 3 4 1 f 2+ f 1 (−2 ) f 3 + f 1 (−3 ) ( ) 1 −2 3 0 5 −1 0 10 −8 f 3 + f 2 (−2 ) ( ) 1 −2 3 0 5 −1 0 0 −6 ρ ( A )=3 2.

y . x −¿ y +¿ z ¿ 7 x +¿ y −¿ z ¿ 1 ⌋ −x +¿ y +¿ z ¿ 3 ¿ ( )( ) ( ) 1 −1 1 x 7 1 1 −1 y = 1 −1 1 1 z 3 A ∙ X=B Matriz ampliada denotada como: ( ) 1 −1 1 ⋮ 7 1 1 −1 ⋮ 1 −1 1 1 ⋮ 3 f 2+ f 1 (−1 ) f 3 + f 1 (1) ( ) 1 −1 1 ⋮ 7 0 2 −2 ⋮ −6 0 0 2 ⋮ 10 ρ( A /B)=3 ρ ( A )=3 ∴ ρ(A /B)=ρ( A)sist .z Así los valores que toma son: 110 . compatible x.

Determine el valor de ∝ para que el sistema tenga solución única o no tenga solución o tenga infinitas soluciones. z ) =(4. 2 z =10 z=5 2 y−2 z =−6 2 y−10=−6 2 y=4 y=2 x−2+5=7 x=4 ( x .2. y . x −¿ y +¿z ¿ 1 2 x −¿ 3 y −¿ z ¿ 4 ⌋ x −¿ y +¿ ∝ z ¿ 0 ¿ A ∙ X=B 111 .5) 3.

a) S=(−2. Así ρ( A /B)≠ ρ( A) Si ∝=1 . Sistema incompatible.3) 112 . ρ( A /B)≠ ρ( A)  Si .1. ( )( ) ( ) 1 −1 1 x 1 2 −3 −1 y = 4 1 −1 ∝ z 0 ( A/ B) ( ) 1 −1 1 ⋮ 1 2 −3 −1 ⋮ 4 1 −1 ∝ ⋮ 0 f 2+ f 1 (−2 ) f 3 + f 1 (−1 ) ( ) 1 −1 1 ⋮ 1 0 −1 −3 ⋮ 2 0 0 ∝−1 ⋮ −1 ∝−1=0 ρ( A /B)=3 ≠ ρ( A)=2 . ρ( A /B)= ρ( A )  Si . ∝≠ 0 ρ( A /B)=3. Lo que implica que el sistema tiene solución única. no tiene solución.5 1. EJERCICIOS 2. ρ( A)=3 .

−3 } b) k ∈ R−{ 3. a) ( x . R2 con las operaciones suma y producto por escalar que se definen a R continuación no es un espacio vectorial sobre . { 12 } EJERCICIOS 3.4 ) c) S= ( −12 . y ) + ( a .−2) 2. 2. α ( x . y) Solución: 113 . Indique los axiomas que no se cumplen. α ( x .−3 } c) k ∈ R− 0. a) k ∈ R−{ 2. ∀ α ∈ R V R 1. y )=(αx .2. b ) =( x+ a . y + b ) . a) z=2 z=4 b) 3.1 α ∙ 0v =0v .− 12 . y ) + ( a . Solución: α ∙ 0=α ∙ ( 0+0 )=α ∙ 0+α ∙ 0 ⇒ α ∙ 0=0. b) S=(−8. En un espacio vectorial sobre . αy ) b) ( x . y )=( αx . 0 ) . Demuestre que . b ) =( x+ a .

b . a) La suma no posee elemento neutro. z ) ∈ R3 / x− y +2 z=0 } b) W = {( x . z ) ∈ R3 / x +2 y+ z=0 ∧ x− y−2 z=0 } Solución: a) Si b) No c) No d) No e) Si P2 [ x ] . 3. c ) ∈ R 3 /a ≤ b≤ c } d) W = {( a . y . b) No satisface ( α + β ) v =αv+ βv M n( R) . 4. y . Determine si los siguientes conjuntos son o no subespacios vectoriales de a) W = {a+ bx+ c x 2 ∈ P 2 [ x ] /a=b=c } b) W = {a+ bx+ c x 2 ∈ P 2 [ x ] /a+ b+c=1 } c) W = {a+ bx+ c x 2 ∈ P 2 [ x ] /a+ 2b +c=0 ∧ a−b−2 c=0 } W = { p(x)∈ P2 [ x ] / p(0)=1 } d) Solución: a) Si 114 . z ) ∈ R3 / x− y =0 ∧ z=1 } c) W = {( a . b . Determine si los siguientes conjuntos so o no subespacios vectoriales de a) W = {( x . y . c ) ∈ R 3 /a ∈Q } e) W = {( x .

v 3=x +3 .−1. 1 a) ( ) v =( 8.b) No c) Si d) No v vi 5. v 3= 1 0 1 −2 1 −1 1 0 −1 0 ) ( ) Solución: v =4 v 1 v2 a) +2 v =−v 1+ v 2 +v 3 b) v =2 v 1+ v 2−v 3 c) S 6. v 1 1 0 .0.−2 . v 1= 1. v1 =x2 −x+2 . Determine el subespacio generado por si: a) S= { (1. 115 . En cada caso.2 ) . w ) ∈ R4 / x +w=0 ∧ y + z=0 } .1. escriba el vector como combinación lineal de los vectores . 2 b) v =x2 −x . x−1. v 2=2 x 2−3 x−1. 0 0 ⊂ M 2 ( R ) .0 ) } ⊂ R 4 .1.2 x 2+ 4 } ⊂ P2 [ x ] . v 2 1 −1 . z . ( 0.4. . 0 0 −1 0 0 1 Solución: a) ¿ S >¿ {( x . 0 1 . c) {( ) ( ) ( )} S= 1 0 .5 ) .−1 ) . y . v 2=( 2. b) S= { 2. c) ( ) ( ) ( v = 2 −1 .0.

2. 116 . C={ x . Solución: a) k ∈ R−{ 0 } b) k ∈ R−{−2+ √ 3 . b) c) {( ) ¿ S >¿ a b ∈ M 2 ( R ) /b+ c=0 . c d } 7. k) } ⊂ R . x +2 x 2 } >¿ Solución: B={ x +2 x2 } es una base de U ∩W . (−1. 1+2 x2 } > y W =¿ { x . dim ( U +W ) =3. 1+k ) } ⊂ R2 .−2− √3 } U ∩W 8.i. 0 ) . dim ( U ∩W )=1. Para que valor(es) de k ∈R el conjunto S es l. 3 b) S= { (1. k .−1. ¿ S >¿ P2 [ x ] . si : a) S= { (1+ k .1 ) .1−k ) .(2.1−x . 1+ 2 x 2 } es una base de U +W . ( 1−k . Encuentre una base y determine la dimensión de los subespacios y U +W P2 [ x ] de si : U=¿ {1−x .

W ∩U=¿ { (−2.0. T ( x )=|x| b) T : R2 ⟶ R 2 .−2 ) . y .1 ) } >¿ EJERCICIOS 4. z )=( y . y . T ( v )=−v Solución: Solo son lineales b) y d) a) T ( x + y )=|x + y|≠|x|+| y| c) T ( 0. Solución: No.0.0 ) M 2( R) R 2.3.−1. z −x+3 ) d) T : R4 ⟶ R3 . Sean W =¿ { ( 1. y ) =( 2 x− y . T ( x . Justificas la que no son.(1. x ) 3 2 c) T : R ⟶ R .0 ) =( 0. T ( x .−1) } >¿ y U= {( x . Determine si las siguientes transformaciones son o no lineales. z ) ∈ R3 / x + y−z=0 } subespacios 3 3 de R . Es R =W ⊕ U ? .1 1. Determine si las siguientes aplicaciones de en son o no son lineales a) ( ) T a b =a+d c d 117 . 9. a) T : R ⟶ R .3 ) ≠ ( 0.

2 )=(−1.0 ) .23 ) . Solución: T ( A+ M )=( A+ M ) B= AB+ MB=T ( A ) +T ( M ) . Calcular T ( 1.−9 ) .1 ) =(−1. Solución: T ( 1.−3 )=( 2. b) ( ) T a b =ad−bc c d c) ( ) T a b =a2 +b2 c d d) ( ) T a b =2 a+3 b−d c d Solución: Solo son lineales a) y d) B ∈ M n( R) T: M n (R)⟶ M n ( R) T ( A ) =AB . Sea y definida por Demostrar que T es una transformación lineal. b )=(a−b . T (0.1) y encontrar una expresión para T (a . Sea T : R2 ⟶ R 2 aplicación lineal tal que T ( 1. b) . 4. 3.5 ) y T (−1.0 )= (1. con (a . T ( a . 23 a−9 b) 118 .4 ) . T ( 0. T ( αA ) =( αA ) B=α ( AB )=αT ( A ) . b)∈ R2 .

T ( A ) =A Solución: a) Sólo es lineal KerT ={ A ∈ M 3 ( R ) / A t =0 }={ 0 } ImT= {T ( A) ∕ A ∈ M 3 ( R ) }={ At } / A ∈ M 3 ( R )=M 3 ( R ) T : P2 [ x ] ⟶ P 3 [ x ] T ( p ( x ) )=xp ( x ) . … . Considere la transformación lineal tal que c) Cuáles de los siguientes vectores pertenecen al núcleo de T : p ( x ) =x 2 . T ( x . p ( x )=x + x 2=x ( 1+ x )=T ( 1+ x ) . 2 d) T : R ⟶ R . . r ( x )=1+ x . ∀ i=1. determinar núcleo e imagen.T ( A )=det ( A ) e) t f) T : M 3 ( R ) ⟶ M 3 ( R ) . demuestre que 119 . Para las que sean lineales. 5. v n } base de V . y )=x− y + xy T : M 2 ( R ) ⟶ R . Si T ( v i )=0 . Solución: a) q ( x ) . q ( x )=1+ x . Sea T :V ⟶W transformación lineal y { v1 . 7. d) Cuales de los siguientes vectores pertenecen a la imagen de T : p ( x ) =x+ x 2 . Decida si las siguientes funciones son o no aplicaciones lineales.n KerT =V . 6. r ( x )=3− x2 .T ( q ( x ) )=xq ( x )=x ∙0=0 b) p ( x ) . … .2. q ( x )=0.

y )=( y . y ) =( x . ⇒ T :W ⟶ V isomorf . Demostrar que la relación “ser isomorfo a” es una relación de equivalencia en el conjunto de los espacios vectoriales sobre el cuerpo K . 2 y ) . α i ∈ K . R ( x . Demostrar que { T . Solución: aT + bS+ cR=0⇒ a ( x . Solución: v ∈V ⇒ v=α 1 v 1+ …+α n v n . y )=( 0. 8. Solución: −1 I v :V ⟶W isomorf . x )=( 0. ( únicos ) ⇒T ( v )=α 1 T ( v 1 ) +…+ α n T ( v n) =0 ⇒ v ∈ KerT . y ∈ R ⇒ ( ax +by . ( b+c ) x+ ( 2a+ b ) y )=( 0. ∀ x .S y R transformaciones lineales de R2 en R2 definidas por: T ( x . x+ y ) . 2 y )+ b ( y . Sean T . 120 . x ) . ∀ x . R } es un conjunto linealmente independiente de vectores del espacio L ( R 2 . S .0 ) . S ( x . x + y ) +c ( 0. R2 ) .0 ) . y ∈ R ⇒(a=0∧ b=0∧ c=0) 9.

que es isomorfismo a Solución: {( ) } {( W = a b ∈ M 2 ( R ) /a+5 c=0 = −5 c b /b . z )=(x . ( T :V ⟶W ∧ S :W ⟶ U isomorf . Encuentre la aplicación lineal asociada a la matriz: I3 a) b) (a0 −bb ) c) ( 40 1 0 −2 1 ) ( ) 2 1 0 d) 0 1 0 0 0 1 Solución: a) T : R3 ⟶ R 3 . T ( x .2 1. Sea c d{( ) W = a b ∈ M 2 ( R ) /a+5 c=0 . ) ⇒ S ∘ T :V ⟶U isomorf . d ∈ R c d c d ) } 3 T : R ⟶W definida por ( T ( a . z ) 121 . y . y . b . c )= −5 a b a c ) es lineal y biyectiva. c . EJERCICIOS 4. } Demostrar que U es un subespacio de M 2( R) R3 . 10.

0 ) . z −2 y ) 3 3 d) T : R ⟶ R . e2 . T ( x . Solución: B={ ( 1.1. T ( x .−1 ) .0) } T : P1 [ x ] ⟶ P2 [ x ] . y .1)} . z ) =(x + y + z .(0. y . 2 2 b) T : R ⟶ R . y . (1. 3. C={ ( 1. T ( x . 3 y+ 4 z . z )=(2 x + y .0.C de R distintas se tiene que [ I ] CB ≠ I 3 .1.1.0. Sea I :R ⟶R la aplicación identidad.0.0 ) . 2 x−1 } .(−3. z )=(4 x + y . T ( p ( x ) ) =∫ p ( x ) dx b) B={ 1−x . Muestre que para bases B . C={ 1.2 ) . x 2} . ( 0. C={ ( 1. y ) =( ax+by .−1.0. T ( x .−by) c) T : R3 ⟶ R 2 . Solución: ( ) 4 4 5 [ T ] = −3 −3 −4 C a) B 0 3 4 2 9 8 122 . z) 3 3 3 2.(0.4) } . y .−1 ) . x . e3 } base canonicade R . Encontrar [ T ] CB en las bases B y C dadas: a) T : R3 ⟶ R 4 . 2 x−2 y+ z . [ I ] B = 1 −3 C 2 4 ( ) .3 x ) 3 B={ e1 .

Solución: B={ (−19. ( ) 0 0 [ T ] = 1 −1 C B b) −1 1 2 4.12 ) } . z )=(x− y +3 z . En considere las bases y Encuentre la matriz de cambio de base de Ea F y de FaE . x 2−x−2.17. T ( x . x . 2 x +10 y−11 z . Encontrar una base para el conjunto solución del sistema homogéneo: x −¿ y +¿ 3 z ¿ 0 2 x +¿ 10 y −¿ 11 z ¿ 0 5 x + ¿7 y −¿ 2 z ¿ 0 Este conjunto solución es el núcleo de una aplicación lineal. 5 x +7 y−2 z) ( ) 1 −1 3 [ T ] = 2 10 −11 5 7 −2 P2 [ x ] E= { 1. y . 3 3 T : R ⟶ R . x 2 } F={ x 2+ x +1. encontrar una fórmula para dicha aplicación y la matriz de ella respecto de las bases canónicas. Solución: 123 . x2 + x−1 } 5.

Sea T ∈ L( R 3 . V ) tal que T ( v 1) =3 v 1−2 v 2 T ( v 2 )=v1 + 4 v 2 {w 1 . Encontrar la matriz de T en la base {w 1 . z )=(− y+ 3 z . e2 . T ( x . Solución: 124 . y . v 2 } base de un espacio vectorial real V y sea T ∈ L(V . z)∈ R .0) } .(1. e3 } R yC 3 R 3 donde es la base canónica de es la base de . C={ ( 1. z ). R3 ) la aplicación dada por: ( ) C 1 −2 1 [ T ] B = −1 3 −3 . Sea otra base de tal que w 1=v 1 + v2 y w 2=2 v 1+ 3 v 2 . Solución: T ( x . 7. y . x−2 y+ z ) .0 ) .1. 1 3 ( ) −1 2 4 4 ( ) 1 −2 −1 F −1 1 E [ I ] E= 0 . Sea { v1 . w 2 } V y . w 2 } .1. 0 −2 5 B={ e1 . y . Encontrar una expresión para con 3 (x .1 ) 1 ( 1.0. y−2 z . [ I ] F = 1 −1 1 2 2 1 1 1 −1 3 −1 2 4 4 6.

Encuentre el polinomio IV T o. característico de y de Solución: p ( λ )=(1−λ)n . 2. (−3 −315 ) [ T ] = 10 EJERCICIOS 4. v ≠ 0 :T ( v )=0 ⟺ ∃v ∈V .3 V n 1. entonces λ−1 es valor propio de T −1 . Solución: 125 . v ≠ 0 :v ∈ KerT ⟺ KerT ≠ { 0 } ⟺T no es invertible. Demuestre que λ=0 es valor propio de T si y sólo si T es singular (no invertible). Sea espacio vectorial real de dimensión . q ( λ )=(−λ)n . Sea T no singular (invertible). 3. Solución: λ=0 valor propio de T ⟺ ∃ v ∈ V . Demuestre que si λ≠0 es valor propio de T .

b) Valores propios 3 y -5. 4. 1 y 3. determine los valores propios y una base para cada espacio propio. a) ( A= 1 2 2 −2 ) b) ( B= 2 −1 −7 −4 ) ( ) 1 −1 0 C= −1 2 −1 c) 0 −1 1 ( ) 3 2 2 D= 1 4 1 d) −2 −4 −1 Solución: a) Valores propios 2 y -3.2 y 3. 126 . Para cada un a de las siguientes matrices. λ≠0 valor propio de T ⟺ ∃ v ∈ V . c) Valores propios 0 . v ≠ 0 :T ( v )=λv ⟺ ∃v ∈V . v ≠ 0 : T −1 ( λv )=v −1 −1 ⟺ ∃v ∈V . v ≠ 0 :T ( v )= λ v ⟺ λ−1 es valor propio de T −1 . d) Valores propios 1.

y ) =(x +2 y . Sea T ∈ L( R 3 .(1.1) } diagonaliza a T b) B={ ( 1.2 127 .1 ) .2.(1. 2 x +2 z .1 ) .2) } >¿ Encontrar la expresión de T ( x . Para las que sean diagonalizables. z ) .−x+ 4 y ) c) T : R3 ⟶ R 3 . 4 x+ 2 y +3 z ) . ( 0.−2. y .1. en donde ( x . R3 ) tal que λ=−1 y μ=8 son valores propios de T y cuyos respectivos espacios son V λ=¿ { ( 0.0) } >¿ y V μ =¿ {(2. z ) ∈ R3 . muestre una base B que T diagonalice a . y . Solución: T ( x . z )=( 3 x+2 y +4 z .1.−2.1 ) . Determine cuáles de las siguientes transformaciones lineales son diagonalizables. T 5.−16 x+ 8 y+7 z ) Solución: a) No es diagonalizable B={ ( 2. EJERICICIOS 5. T ( x . T ( x .(1. T ( x . 2 x−3 y ) b) T : R2 ⟶ R 2 . y ) =(−4 x +5 y .0 ) . 8 x+3 y + 4 z . y .0. a) T : R2 ⟶ R 2 .1)} T c) diagonaliza a 6. y . z )=(−9 x + 4 y +4 z .

Solución: 2 −7 0 a b 3 6 −3 −a −27+3 a 2 −1 −3 −9+ a −27+3 a+ b −27 +3 a+b=0 3 a+b=27 Relación 3 a+b=27 2. 1+i (x−( 1−i ) )( x−( 1+i )) divide al polonomio (x−1+i)( x−1−i) 128 . Hallar la relación entre a yb para que P ( x )=2 x −7 x + ax+b sea divisible por ( x−3 ) . 4 3 1. Solución: Si 1−i es raíz su conjugado también lo es . Determine c yd tal que P ( x )=x 4+ 2 x 3 +cx +d admita como raíz a 1−i .

( x−1 )2−i 2 2 2 x −2 x +1+1=x −2 x +2 Entonces: x 4 +2 x3 +cx + d : x 2−2 x+2=x 2+ 4 x +6 4 3 2 −( x −2 x +2 x ) 4 x 3−2 x 2 +cx +d −(4 x3 −8 x2 +8 x ) 6 x 2+ ( c−8 ) x+ d −(6 x 2−12 x +12) ( c−8+ 12 ) x +d−12 resto Así ( c +4 ) x +d −12=0 ⇒ c +4=0∧ d−12=0 c=−4 y d =12 129 .

En la ecuación con . Solución: Si 2+i es raíz . su conjugado también lo es (2−i) (x−( 2+i ))(x− ( 2−i )) (x−2−i)(x−2+i) (x−2)2−i 2=x 2−4 x +5 3 2 2 x + a x +bx +a : x −4 x+5=x +( 4+ a) −( x 3−4 x2 +5 x) ( 4 +a ) x 2+ ( b−5 ) x +a −[ ( 4+ a ) x 2 + (−16−4 a ) x +20+50 ] ( b−5+16+ 4 a ) x−4 a−20 4 a+b+11=0 −4 a−20=0 130 . es raíz. 4 3 2 2 ∴ x + 2 x −4 x+ 12=(x +4 x+6)(x −2 x +2) x 3+ a x 2 +bx +a=0 a. Obtener a yb .b∈R x 1=2+i 3.

∗¿ a∗b=a+b+ ab 1.∗¿ es asociativa ( a∗b )∗c=a∗( b∗c) ( a+b +ab )∗c=¿ a+b +ab+ c+ ac+bc +abc a+ ab+ac +abc + ( b+c +bc ) a+ ab+ac +abc + ( b∗c )=a∗b∗c 131 . Sea analizar ¿ es grupo si Solución: Por demostrar ¿ es operación binaria . a∗b ∈ Z a+b=a+ b+ab ∈ Z a.b∈Z Z ab ∈ Z } ⇒∗es operaciónbinaria Por demostrar ( A . b=9 ∧a=−5 EJERCICIOS 6.2 A=Z A .

A .∗¿ ¿ ⟹¿ ∃e ∈ A a∗e=e∗a=a tal que (neutro) Por demostrar . neutro a∗e=a a+ e+ae=a e+ ae=0 e ( 1+a )=0 0 e= 1+ 0 ⟹ e=0 a≠1 Con e=0 ∈ Z ∴∃ neutro para∗¿ Por demostrar ∃ inverso −1 a ∗a=e 132 .

CONTROLES. a−1 +a+ a a−1=0 a1 ( 1+ a )=−a −a a−1= ∉Z 1+a ⇒ no tiene inverso A . SOLENMES Y EXAMEN VERSIÓN 2011 133 .∗¿ ⇒ ¿ no es grupo ¿ TALLERES.

Calcular A + A2 + A3 + …+ A n . 2. B ∙(C ∙ A) iii. Si ( A= 1 0 −1 1 ) . Dado las matrices a) ( A= 1 2 −1 3 ) ( ) 2 0 0 1 1 0 −1 0 B= b) 3 4 5 5 6 1 2 1 ( ) 1 −1 0 C= 3 1 −1 c) 2 1 1 4. TALLER Nº 1 1. 134 . Dado las siguientes matrices ( ) 1 −1 2 A= 3 5 7 a) 2 1 2 ( ) 5 −1 B= 3 2 b) 5 3 c) ( C= 1 2 −1 3 4 5 ) Obtener: i. A + ( B∙ C ) ii. Tal que 2 Obtener i+ j si i> j 3. A T −B T ∙ A { i + j sii < j A=( aij ) ∈ M 4 ( R ) aij = − j si i= j tra ( A ) . Dado la matriz .

c de modo que el sistema tenga solución única ax +¿ by + ¿ cz ¿ 1 x +¿ y +¿ z ¿ 2 x −¿ y −¿ z ¿ 3 135 .b.5. Determinar x tal que A T ∙ x−1 ∙ B−1=C si ( ) ( 1 1 3 −2 ) ( ) A= 2 3 . Determinar tal que si 1 1 4 0 1 1 5. Determine la relación entre a. Hallar todas las matrices que conmuten con ( A= 1 −1 0 2 ) TALLER Nº2 k 1. kx +¿ y +¿ z ¿ 2 k −1 2 x +¿ ky +¿ z ¿ k x +¿ y +¿ kz ¿ 3−2 k 2. Determine el valor de de modo que el sistema tenga solución única e infinitas soluciones.C= 1 3 0 1 | | a+ b a a a a a+b a a =(4 a+b)b3 3. Demuestre que a a a+b a a a a a+ b ( ) ( ) 1 0 4 1 0 0 x Ax=B A= 0 1 1 y B= 0 2 0 4. B= −1 0 .

1.2.0. x 2−2. (2.−1.2.(−1. (3. ( 8.(1. Indique el valor de para que los vectores sean L. θ=x 2−2 x +1 son combinación lineal de { x 3+ 2 x 2 +1.1.1) } 3.−1 ) .−7 ) . Determine si los siguientes vectores son L.0.I ó L. ( 1.5 ) . y .1. ( 2.TALLER Nº3 1.0 ) . ( 4.10.2 ) } b) { ( 1.0)} k ( 1. x 3+ x } 136 . k .2.0 ) . k ) .1 ) . Determine si los siguientes conjuntos son subespacios a) S= {( x .2 ) . Determine si los vectores μ=x 2−x +3 .−1.1.3 ) .2. ( 0. 0 ) . y . z ) ∈ R 3 /x −z=3 } 2.1) 4. Determine si el vector (2. z ) ∈ R3 / x−5 y=3 z } W = { A ∈ M 2 x 2 ( R ) /det ( A )=0 } b) c) T ={( x .3) es combinación lineal de { ( 1.0 ) .1.2 ) } c) { (−1.−1.D 5. ( 3.2.D a) { ( 1.(3.

2 ) :(3.2.5) } y la matriz (5 [ I ] β= −2 α 3 −1) . 1 0 0 1 0 1 0 0 1 0 α M 2x 2( R) a) Demuestre que es base de 137 . ( 0.2.2) ] α 2.1) } Obtener β a) [ I ]α b) [ I ] αβ c) c=[ (3. ( 0. 0 1 . 4.0) } β={ (−11. T a b =( a+b ) x 2 + ( c−d ) x+ a c d .1.1.−1 ) . Si {( ) ( ) ( ) ( )} α= 0 0 .0 ) .5. Si ( ) T : M 2 x 2 ( R ) ⟶ P2 [ x ] . Obtener β 3.(0. Demuestre que es transformación lineal.2 ) .(1.1. Dada las bases α ={ ( 1.TALLER Nº4 1.1 ) . Si se tiene la base α ={ (−1. 1 1 .

(0. Dado los conjuntos W 1= {( x . Pruebe que son transformaciones lineales: 3 3 T : R ⟶R T ( x . d ) c d 138 . Dado la base S 2= {( 1. y .0) } y la matriz [ I ] S = 0 2 −1 2 1 3 5 4 S1 a) Encuentre b) [ ( 3.−1. y .W 2 W 1 ∩W 2 c) Indique dimensión de y ( ) 5 3 −1 S 2.−2 ) . z .5. z )=(2 x + y . x−z) a) tal que b) T : M 2 (R)⟶ R4 tal que ( ) T a b =(a−b . y .−1 ) . ( 3. z . b) Determine [( )] a b c d α TALLER Nº5 1. c .5. a+b . w ) ∈ R 4 / x+ y −z=0 } W 2= {( x . w ) ∈ R / x=w } 4 W 1 ∩W 2 a) Determine W2 W 1 ∩W 2 b) Encuentre una base para y W 1 .6 ) ]S 1 c) [(1.2.2)] S 2 3.1. y .

1 ) .1. y .−1) } y β={ (−1. T 4.1) a) Encuentre T b) Determine [ T ] αβ si α ={ ( 1. z+ w .−3. 139 .1.1 )=(2.−1) } . w) z w . Sea T :R ⟶R tal que T ( 1.1. α ={ ( 1. Si [ T ]α = 2 3 5 .(1. Sea T : M 2 x 2 ( R ) ⟶ R4 tal que ( ) T x y =( x + y .0.1 )=(−1.1.1) T ( 1.0 ) .0 ) . 1 2 1 4. Encontrar T.0 ) .0.1 ) T ( 1. Determine si T es isomorfismo.1.0.(0.1. Determine si de 3(a) es inyectiva. x−w .0 ) .0.−2. ( 1. Determine si T : R3 ⟶ P2 [ x ] tal que 2 T ( x . ( 0.2.1. ( 1. β=base canónica .1 ) .(1.0.0 )=(2.1) } ( ) 1 2 −1 β 3. TALLER Nº6 1. z )=( x+ y ) x + ( x−z ) x + z a) Es transformación lineal b) KerT c) Una base para la imagen de T 3 3 2.

3. 5. Encontrar todas las raíces del polinomio x +2 x −23 x−6=0 sabiendo que 5 es raíz. a yb 2+i 4. Que numero debe agregarse al polinomio P ( x )=x +2 x para que sea divisible por (x+ 4) . Determine el valor de si se tiene que es raíz del polinomio P ( x )=x 3 +a x 2 + x+ 15. 3 2 2. Determine las raíces del polinomio P ( x )=x 3 +3 x 2−8 x+ 10 si una de sus raíces es 1+i . Separar en fracciones parciales x−1 a) x 2−9 140 .TALLER Nº7 3 2 1.

2 x + y−z ) b) ( ) 3 1 −1 A= 2 2 −1 2. a) T ( x . 2 2 0 3. P ( λ )=(λ−3)( λ−2)( λ+ 1) 3 P ( λ )=( λ−4 ) ( λ−3) 141 . x− y +2 z .2 x + y) T ( x . Dado los siguientes polinomios característicos indique si son diagonalizables. Determine P. Sea . y ) =( x + y . y . Determine el polinomio característico. valores propios. 1 b) 2 x ( x −25 ) 2 x−1 c) ( x +1)(x +1)2 2 TALLER Nº 8 1. vectores propios e indique si T es diagonalizable . Analice si es diagonalizable usando el polinomio minimal. z )=(x + y .

( ) 1 2 1 A= 1 −1 3 A 3. 1 −2 1 4.CONTROL Nº1 1. Resolver la ecuación matricial : 2 x + At = A+ B2 ( ) ( A= −2 1 . a22=4. Sea una matriz de a11 =1. donde 2. Determine el valor de x si: | | 3 x −2 x A= 1 −1 2 =0 2 −x −1 142 . a 33=7. a55=13 … . B= 3 −4 3 0 1 2 ) A=( aij ) 10 x 10 .a 44=10. Dada la matriz Encuentre el determinante de .

y . Dado los conjuntos. W 1= { ( x . z .C= 4 −2 −1 3 2 4 0 −2 ) Verifique si generan al vector (−86 −8 −1 ) 143 . pruebe si son base del espacio V ( ) ( ) ( A= 1 2 . si no lo es.CONTROL Nº2 1. determine los vectores que generan y su respectiva dimensión. dé un contraejemplo: W 1= { A ∈ M nxn /trA=0 } a) W 2= { A ∈ M nxn /detA=0 } b) W 1 ∩W 2 2. Dado los siguientes conjuntos pruebe si son subespacios. y . z . w ) /2 x−3 y=0 } b) V 3. B= 0 1 . w ) / x− y + z−w=0 } a) W 2= { ( x . Dada las matrices que generan un espacio .

3.(3.−1.0 )=(1.3. tal que [ T ]α = 0 2 1 .0.3 ) T ( 1.CONTROL Nº 3 ( ) 1 2 3 β 1.2 ) .1.0 ) .0.1 )=( 2. ( 1.1. ( 0.1) } a) Determine T b) Determine el KerT c) Encuentre [ T ] cc 3 3 2.0 ) T (−2.2. Donde 1 0 1 α ={ ( 1.2 ) . T transformación lineal. Dado T .1) a) Determine T b) Pruebe que T es transformación lineal c) Verifique si T es isomorfismo 144 .3.−1 ) =( 2.1.−1 ) .−2.0)} y β= { ( 1.1. Sea T : R3 ⟶ R 3 . tal que: T ( 1.(1.

vectores propios y si es posible la matriz de paso P tal que se cumpla P−1 DP= A ( ) 3 −2 0 A= −2 3 0 0 0 −5 2. verificar si es diagonalizable. 145 . Demuestre que ( ) u= −1 1 es vector propio de A e indique su valor propio correspondiente. Dada la siguiente matriz A. Para que valor de a la matriz A es diagonalizable ( ) 1 0 0 A= 0 2 1 a 0 0 3.CONTROL Nº4 1. obtener los valores propios. Sea ( A= 3 −2 −3 2 ) .

146 .

y . α ) . ( 0.1) } S= { ( α . Dado los conjuntos: x=¿ y=z ( x .SOLENME Nº2 1. 0 ) .1. β .(2. z . z . β ) / A es L. Sea Determine el conjunto 147 . dé un contraejemplo W b) Encuentre una base para c) Indique la dimensión de W 2. Dado el siguiente conjunto {( ) W = a b ∈ M 2 x2 /2 a−b−b=0 c d } W M 2x 2 a) Pruebe si es subespacio de .1. w )∈ R4/ ¿ W 1=¿ x+ ¿ y+ z =0 ∧ x−w=0 ( x . w ) ∈ R4 /¿ W 2=¿ W 1 ∩W 2 a) Calcular una base y dimensión de V V ⊕W 1 b) Determine un conjunto tal que A= { ( 1. I } 3. si no lo es. y .

S 2= {1+ x + x 2 . (−1.1 ) .0.0 ) . Hallar S2 [ I ]S 1 SOLENME Nº3 1. Resuelva el siguiente sistema usando el método de Gauss Jordan: 2 x + ¿2 y +¿ z ¿ 7 x + ¿2 y +¿ z ¿ 0 x +¿ y +¿ 3 z ¿ 1 2.1) } R3 4. 1−x− x2 } bases de R2 [ x ] . Sea S 1={ 1. Utilice el teorema del rango y encuentre el valor de m para que el sistema tenga a) Solución única b) Infinitas soluciones c) No tenga solución x +¿ my +¿z ¿ 1 mx +¿ y + ¿(m−1)z ¿ m x +¿ y +¿z ¿ m+1 3. Sean y Dos bases ordenadas de y sea ( ) 1 −1 1 [ I ] SS = 0 −2 1 2 1 1 1 1 S a) Encuentre la base b) Si u=(3.(0. x 2 } .1. x . Dado W = { p ( x ) =a0 +a 1 x +a2 x2 ∈ P2 [ x ] /a0 −a1 +a 2=0 } W M 2( 2) a) Pruebe si es subespacio 148 .0.−2−x + x 2 .1.−4) encuentre [ u ]S 1 5. S1 S 2= {( 1.

−1) } 149 . Dado el conjunto de matrices que generan un espacio .1. b+c−d . pruebe si V son base del espacio a) A= {( )( )( 1 2 . 4 −2 −1 3 2 4 0 −2 )} b) Verificar si generan al vector (−86 −8 −1 ) c) Encuentre [ I ] AA 5. b) c d SOLENME Nº4 ( ) 1 0 −1 C3 T : R3 ⟶ R 3 una transformación lineal tal que [ T ]C = 0 2 1 C3 1.( 0. Obtener [ T ] A con A= { ( 1. ( 0. Sea 3 con 1 0 −1 A la base canónica de R 3 .0 ) .1. 0 1 . Determine si T es transformación lineal T : M R (2)⟶ R 3 tal que ( ) T a b =(a+ b .−1 ) .0. W b) Determine una base para c) Indique la dimensión del espacio W A V 4.

Determine la transformación lineal tal que 2 2 T ( 1. y + z .1.4.0.0 )=x . Sea T :R ⟶R una transformación lineal tal que T ( x .−2 ) =x+1 . x+ y −2 z ) . y . V =M 2 x 2 ( R ) y T :V ⟶V T ( A ) =A ∙ B−B ∙ A 3. z )=(x +2 y−z . Verifique que: a) T es transformación lineal b) Determine una base para el KerT 3 3 4. T ( 0. Descomponer en fracciones parciales la siguiente fracción x ( x 3−1) 150 . Sea tal que para una matriz fija ( B= 1 0 1 −1 ) . T ( 0.1 ) =x +1 . a) Determine la dimensión del KerT b) Determine la dimensión de la imagen 3 c) Extienda la base del KerT a una base de R SOLENME N°5 1 1. T 2.

Sea ¿ donde es el conjunto de los números enteros y es una operación definida como a∗b=a+b+ 3 . Se define: x∗y=xy − yx . A Encuentre la matriz de paso P e indique si es diagonalizable. indique multiplicidad algebraica y geométrica. En un anillo A se considera ∀ (x . ( ) 1 −1 4 A= 3 2 −1 2 1 −1 4. Dada la siguiente matriz correspondiente a una transformación lineal.∗¿ Z ¿ 5. Z . Pruebe si forma un grupo abeliano. c yd 2. Demostrar que ¿ es anticonmutativa : x∗y=−( y∗x ) . Determine los valores de tal que: P ( x )=x 4+ 2 x 3 + xc+ d 1−i Admita como raíz 3. encuentre valores y vectores propios. y )∈ A 2 . 151 .

3.0 )=(1.2.1.3 ) T ( 1.0 ) T (−2. Dado tal que T ( 1. indique multiplicidad algebraica y geométrica.1. ( ) 1 −1 4 A= 3 2 −1 2 1 −1 Z 4.0.+. ¿ Justificar.SOLENME N°6 T 1. encuentre valores y vectores propios.1 )=( 2.−1 ) =( 2. x=1∧ x=−2 a) Encuentre un polinomio de grado 3 que anule para y que x=−1 x=2 tenga los valores 4 y 28 para y para . 152 . A Encuentre la matriz de paso P e indique si es diagonalizable. Dada la siguiente matriz correspondiente a una transformación lineal. ∙) .−2.1) a) Determine T b) Pruebe que T es transformación lineal c) Verifique si T es isomorfismo 2. Pruebe que es anillo e indique si tiene o no divisores de cero. Sea (¿¿ 5 . Respectivamente 1 b) Separe en fracciones parciales x −x 2 3 3.

0. w ) / x− y + z−w=0 } W 2=¿ ( 1.−1 )> ¿ W1 a) Pruebe que es subespacio W 1 ∩W 2 b) Determine los vectores que generan 3. a) Demuestre que f es transformación lineal f b) Demuestre que es inyectiva 153 .0. ( 2. y . encuentre valores y vectores propios. Dados los conjuntos: W 1= { ( x .0 ) . b .−1. c )=a+b+ ( a−b ) x +( a+b−c) x 2 . ( ) 1 −1 4 A= 3 2 −1 2 1 −1 4.EXAMEN 2011 a 1.1. Utilice el teorema del rango y encuentre el valor de para que el sistema tenga: a) Solución única b) Infinitas soluciones c) No tenga solución 2 x + y−z ¿ α−5 ( α −7 ) y +3 z ¿ 0 αx+ 2 y ¿ 3 2. z . indique multiplicidad algebraica y geométrica. Dado f : R3 ⟶ P 2(R) tal que : f ( a . Dada ka siguiente matriz correspondiente a una transformación lineal. Encuentre la matriz de paso P e indique si A es diagonalizable.

∗¿ ¿ 5. 154 . Pruebe si forma un grupo abeliano. Z . Sea ¿ donde es el conjunto de los números enteros y es una a∗b=a+b+ 3 operación{on definida como .