P. 1
Algebra Lineal - Problemas Resueltos

Algebra Lineal - Problemas Resueltos

|Views: 8.053|Likes:
Publicado porjmpais

More info:

Published by: jmpais on Oct 06, 2010
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

08/07/2013

pdf

text

original

Algebra Lineal Problemas resueltos

M a Isabel Garc a Planas

3

Primera edición: septiembre de 1993 Segunda edición: septiembre de 1994

Diseño de la cubieta: Antoni Gutiérrez 

M. Isabel GarcíaPlanas, 1993

 Edicions UPC, 1993 Edicions de la Universitat Politècnica de Catalunya, SL Jordi Girona Salgado 31, 08034 Barcelona Tel.: 934 016 883 Fax: 934 015 885 Edicions Virtuals: www.edicionsupc.es e-mail: edicions-upc@upc.es

Producción:

Servei de Publicacions de la UPC y CPDA AV. Diagonal 647, ETSEIB. 08028 Barcelona

Depósito legal: B-22.363-93 ISBN: 84-7653-295-4
Quedan rigurosamente prohibidas, sin la autorización escrita de los titulares del copyright, bajo las sanciones establecidas en las leyes, la reproducción total o parcial de esta obra por cualquier medio o procedimiento, comprendidos la reprografía y el tratamiento informático, y la distribución de ejemplares de ella mediante alquiler o préstamo públicos.

A (JL)2 S & M a I

5

Primera edición: septiembre de 1993

Despues de resolverlos con todo detalle me ha surgido la idea de publicarlos para que puedan ser de utilidad. fuente de inspiracion el programa de la asignatura de Algebra Lineal de la escuela donde ejerzo mi labor docente. ya no solo a los alumnos de la ETSEIB. 7 Primera edición: septiembre de 1993 .Presentacion Mis largos a~os de experiencia docente en la ETSEIB no solo impartiendo clases de n Algebra Lineal a los estudiantes de primer curso. sino a alumnos de cualquier otra escuela politecnica e incluso a alumnos de facultades de ciencias. en los que el alumno encuentra especial di cultad. me han permitido reunir una coleccion de estos. sino preparando las colecciones de ejercicios que los alumnos resuelven en sus clases de problemas. obviamente. Algunos de los enunciados de los problemas estan inspirados en textos teoricos de Algebra Lineal y el orden y reparto en cap tulos ha sido.

. . . . . . . . . . Cap. . . . . . . 85 . . . . . . . . . . 1 Polinomios . . 51 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Matrices . . . . . . 3 Sistemas de ecuaciones. . . 7 Forma reducida de Jordan . . . . . 8 Analisis matricial . . . . . . . . . . . . . . . 73 . . . . . . 11 . . . . . . . . . 39 . . . 99 . . . Cap. . . . . . . . . . . . . . . . . . . . Cap. . . . . . . . . . . . . . . . Cap. . .INDICE Cap. . 23 . . . Cap. . . 131 . . . . . . . . Cap. . . . . . . . . . . 5 Determinantes . . . . . . Apendice I Grupos . . . . . . . 4 Aplicaciones lineales . . 141 9 Primera edición: septiembre de 1993 . . 6 Diagonalizacion de endomor smos Cap. . . . . . . . . . . . . . . . 2 Espacios vectoriales . Apendice II Anillo de clases de resto . . 117 . . .

16 que simpli camos por .4 quedando R(x) = 196x4 + 84x3 . 16) R(x) = . por el algoritmo de Euclides. 433x3 . 12x + 4 © Los autores. 12x + 4 P2 (x) = R(x) (7x + 1) + 0 luego MCD(P2 (x) R(x)) = R(x) MCD(P1 (x) P2(x)) = MCD( P1 (x) P2 (x)) por lo que: MCD(P1 (x) P2(x)) = R(x) = 196x4 + 84x3 .784x4 . © Edicions UPC. 2000. 179x2 + 32x + 4 P2 (x) = 1372x5 + 784x4 . de los polinomios P1 (x) = 2156x5 + 1120x4 .784x4 . Hallar el maximo comun divisor. multiplicaremos P1 (x) por 7 para evitar fracciones al hacer la division de P1 (x) por P2 (x) 7:P1 (x) = P2 (x):11 + (. 2000.Polinomios y Fracciones racionales 11 Cap tulo 1 Polinomios y fracciones racionales 1. . 131x2 + 16x + 4 Solucion: Recordando el teorema de Euclides: MCD(P1 (x) P2(x)) = MCD(P2 (x) R(x)) Siendo R(x) el resto de dividir P1 (x) entre P2 (x) Sabemos que 8 unidad en R x] y al ser 2156 = 4:72 :11 y 1372 = 4:73 . 47x2 . 336x3 + 188x2 + 48x . 245x3 . 47x2 . 336x3 + 188x2 + 48x .

(Se supone P (x) 2 R x] y n 2 N ). © Edicions UPC. ra z doble por lo menos. 3. ) Si es una ra z triple de P (x) es ra z doble de P 0 (x) y simple de P "(x). Solucion: Que P (x) sea divisible por (x . x3 . 3x2 .2. ). n es divisible por (x . se tiene = . Probar que P (x) = nxn+2 . 3x2 + 5x . Ahora bien. P (. por tanteo en P (x). 1 no es ra z de P (x). resulta mas sencillo hallar las ra ces de P " y de las dos ver cual lo es tambien de P (x) P 0 (x) = 4x3 . © Los autores. puede extraerse el valor de . puesto que P "(x) es de grado dos. Hallar las ra ces del polinomio P (x) = x4 . de P "(x). 6 1 De P "(x) = 0 tenemos x = . Problemas resueltos 2. 6x + 5 P "(x) = 12x2 . 2000. )3 (x . 2 sabiendo que una de ellas es triple. . es an. luego .( 1 + : : : + n ). 1)3 . 6x . (n + 2)xn+1 + (n + 2)x . de P 0 (x) y ra z simple por lo menos. Basta pues hallar MCD(P 0 (x) P "(x)) y entre sus factores. en este caso concreto. Por lo tanto el MCD(P 0 (x) P "(x)) contiene el factor (x . sin embargo P (1) = 0 luego = 1 es la 2 2 Puesto que dado un polinomio p(x) = an xn + : : : + a0 con ra ces 1 : : : n contadas con su multiplicidad.1 = . 1 ) 6= 0. 2000. Solucion: La descomposicion en factores primos del polinomio sera: P (x) = (x .12 Algebra Lineal. 1)3 equivale a que 1 es por lo menos ra z triple de P (x). 2 x = 1 ra z buscada.

. Consideremos P (x) = x3 . 1)nxn. (n + 2)(n + 1)xn + (n + 2) P 0 (1) = n(n + 2) . 5): 5 3 b) Las ra ces de P 0 (x) son 1 y . 1)3 como pretend amos probar: Observamos ademas que P (x) no es divisible por (x . n = 0 luego 1 es ra z de P (x) P 0 (x) = n(n + 2)xn+1 . 2000. ahora bien: P ( 5 ) 6= 0 luego 5 no es ra z de P (x): 3 3 P (1) = 0 luego 1 es ra z doble de P (x) P "(1) = . 2 a coe cientes reales. (n + 2)(n + 1) + (n + 2) = 0 luego 1 es ra z de P 0 (x) P "(x) = n(n + 2)(n + 1)xn .2 P 000(1) = n2 (n + 2)(n + 1) . 1)n = n(n + 1)(n + 2) 6= 0: 4. (n + 2)(n + 1)(n . 8x + 5 = (x . b) Probar que una de las ra ces de P 0 (x) lo es tambien de P (x) y deducir de esto la descomposicion en factores primos de P (x) . 1)(3x .1 .Polinomios y Fracciones racionales 13 Veamos P (1) = n .2 luego 1 no es ra z triple de P (x) © Los autores. (n + 2)(n + 1)nxn.1 P "(1) = n(n + 2)(n + 1) . c) Calcular MCD(P (x) P 0 (x)) y determinar dos polinomios P1 (x) y P2 (x) tales que: P1 (x)P (x) + P2 (x)P 0(x) = MCD(P (x) P 0 (x)): Solucion: a) P 0 (x) = 3x2 . © Edicions UPC. 2000. 1)4 pues P 000(x) = n2 (n + 2)(n + 1)xn. (n + 2) + (n + 2) . a) Determinar P 0 (x) (polinomio derivado de P (x)) y dar su descomposicion en factores primos. (n + 2)(n + 1)(n . (n + 2)(n + 1)n = 0 luego 1 es ra z de P "(x) por lo tanto P (x) es divisible por (x . 4x2 + 5x .

(2 + a)x2 + (2a + 1)x . 2 a = 2. 4) . 1)Q1 (x) + R1 (x) = (x . a) = x3 . 4): 2 5. 1) . . 4x2 + 5x .2(x .1 (3x .2x + 2) = P 0 (x)(3x . 4) = . 1) 2 2 P1 (x) = . Problemas resueltos de donde c) de P (x) = (x . 2 y x . 1) 9P (x) . 3) Solucion: Por el algoritmo de division sabemos P (x) = D(x)Q(x) + R(x) con grado R(x) < grado D(x) P (x) = (x . 2)Q2 (x) + R2 (x) = (x . 1) . 4) + (. 1)Q1 (x) + 3 P (x) = (x . 2)(x . 3 son respectivamente 3 7 13 Determinar el resto de dividir P (x) por el producto (x . 1)2 (x . a = =x3 . 1)2(x . 1)(x . 2(x . 2)(x . 2000.9 2 P2 (x) = . Los restos de dividir un polinomio P (x) 2 R x] por x .9 P (x) . 1)(x . P (x) = (x . 2000. 3)Q3 (x) + 13 P (x) = (x . 1): Despejando (x . 1 x . se deduce que: Luego Por el algoritmo de division (P (x) = P 0 (x)Q(x) + R(x)) tenemos: 9P (x) = P 0 (x)(3x . 1)(3x . P 0 (x)(3x . 3)Q3(x) + R3 (x) = (x . 2)Q2 (x) + 7 P (x) = (x .14 Luego Algebra Lineal. 2) P 0 (x) = (x . © Edicions UPC. 3)Q + R(x) con R(x) = ax2 + bx + c © Los autores. 5) MCD(P (x) P 0 (x)) = (x . 4)P 0(x) = (x . 1 (3x .

2)2 = k(x4 . 2)3 Solucion: Puesto que P (x) + 10 es divisible por (x + 2)3 .2) = . 3)Q(u) + R(u) de donde: P (1) = R1(1) = 3 = R(1) = a + b + c > = P (2) = R2(2) = 7 = R(2) = 4a + 2b + c > P (3) = R3(3) = 13 = R(3) = 9a + 3b + c 9 que. u luego y para i = 1 2 3 u es el resto de P (u) = (x . u)Qi(u) + Ri (u) = (u . 2)3Q2 (x) =) P (x) = (x . 10)0 es divisible por (x . 10 = (x . 2)(u . 10 es divisible 3 . 10 =) P (.10 P (2) = 10 P (x) + 10 = (x + 2)3Q1 (x) =) P (x) = (x + 2)3 Q1 (x) . 8x2 + 16) con k 2 R de donde 5 P (x) = k( x5 . 2000.10 P (x) . resolviendo el sistema nos queda: a = b = c = 1 y R(x) = x2 + x + 1: 6. © Edicions UPC. tenemos que P 0 (x) = (P (x) + 10)0 es divisible por (x + 2)2 y puesto que P (x) . 2)3 Q2 (x) + 10 =) P (2) = 10 © Los autores.Polinomios y Fracciones racionales 15 Sabemos que el valor numerico de un polinomio P (x) en dividir el polinomio por x . 1)(u . 10 sea divisible por (x . Encontrar un polinomio P (x) 2 R x] de grado cinco. tenemos que 0 (x) = (P (x) . . 2)2 por (x . 2) P luego P 0 (x) (polinomio de grado cuatro) sera P 0 (x) = k(x + 2)2 (x .2) = . 2000. 8 x3 + 16x + c) con c 2 R e imponiendo que 3 Nota: Observamos que P (. tal que P (x) + 10 sea divisible por (x + 2)3 y P (x) .

1)2 (x . Problemas resueltos 32 . 32 + c) 3 10 = k( 32 . 1)2 x . © Edicions UPC. 64 + 32 + c) 5 3 y resolviendo el sistema tenemos 75 15 25 c = 0 k = 128 y P (x) = 128 x5 .14x2 + 3x . Solucion: Planteamos . 3 x2 + 4 © Los autores. (observese que (x + 2)3 y (x . . 3)(x2 + 4) x . Descomponer en fracciones simples sobre R.16 resulta Algebra Lineal. 39 = a + b + c + dx + e (x . hemos de buscar 20 C1 (x) y 20 C2 (x) que son los polinomios de grado m nimo que hacen que se cumpla la identidad de Bezout. 1)2 (x . (x .14x2 + 3x . 20 = (x + 2)3 C1 (x) . 39 (x .10 = k( . la fraccion . 2)3 C2 (x) 1 1 1 = (x + 2)3 ( 20 C1 ) + (x . 16 x3 + 75 x 8 Otro metodo: De: tenemos: P (x) + 10 = (x + 2)3 C1 (x) P (x) .5 + 64 . 2000. 2)3 ( 20 C2 (x)) 7. 2)3 son primos entre s ). 10 = (x + 2)3 C2 (x) con con grado C1(x) = 2 grado C2(x) = 2 1 1 es decir. 3)(x2 + 4) Idem sobre C. 2000. 1 (x .

39 = b(1 . 3)(x2 + 4) + c(x . 3)(1 + 4) ) b = 5 para x = 3 es . podemos asegurar que a . As . De aqu se deduce por lo tanto un metodo de calculo de los coe cientes desconocidos: identi car los coe cientes de igual grado de ambos polinomios. 39 = c(3 . 2i + x + 2i = x2 1 4 por lo que + 1 = m(x + 2i) + n(x . 24 . 3 x . 1)(x . 100 . 3)(x2 + 4) + b(x . 60 . queda .14x2 + 3x .8a . 3)(x2 + 4) De la igualdad de estas dos fracciones se deduce la igualdad de los polinomios numeradores de las fracciones. dando valores a x en ambos polinomios. 1 (x .3 para x = 0 es . 1 i + 4 i 4 x . © Edicions UPC. 14 + 3 . Operando en el segundo miembro. por lo que la descomposicion sera: .d + e) ) 10a + 4d . 1)2 (x . obteniendo as un sistema de cinco ecuaciones con cinco incognitas. y x . 14 32 + 9 . y la descomposicion es 4 1 3 + 5 + . Otro metodo mas sencillo para obtener los coe cientes es: si dos polinomios son iguales. por lo que.1 es . 3 + x . 1 + (x . d = 0. 40 . 1)2 (x2 + 4) + (dx + e)(x .14x2 + 3x . 2i)(x + 2i). 1)2 (32 + 4) ) c = . que para x = . 3 x2 + 4 Pasemos ahora a efectuar la descomposicion en C. luego la descomposicion es 3 + 5 + .4ni ! n = + 1 i 4 para x = 2i se tiene 1 = 4mi ) m = . 39 = 12a . 14 . 3) (x . 1)2 x . sus funciones polinomicas asociadas son tambien iguales. .3 + . 2000. 3e = 33 para x = . 1)2 (x .Polinomios y Fracciones racionales 17 (Observamos que x2 + 4 es primo sobre R). 3e ) 12a . 1)2 (x .2i se tiene 1 = . 3)(x2 + 4) b c m n a x . (2d + e) ) 8a + 2d + e = 25 Resolviendo las tres ultimas ecuaciones resulta a = 3. b . x2 + 4 ya no es primo en C. 4e = 26 para x = 2 es . c n m seran los mismos obtenidos para el caso real. para x = 1 es . 1)2 (x . 2i).3 + 1 x . 3)(x2 + 4) a(x . 39 = (x . 2i x + 2i © Los autores. los valores numericos han de ser iguales. 16(. 39 = . 2i + x + 2i Comparando esta descomposicion con la anterior. 39 = (x . 1 i . 39 = 40a . 56 + 6 . 2000. 1)2 + x . 1)2 x . 1 (x . x2 + 4 = (x . 12 . e = 1. 3 . 60 .

Q(t) = t + 2 + 6t t5 . 2t . t3 1 t5 . 2A (6t4 + 2t3 . por lo que la descomposicion en fracciones simples de Q(t) sera la misma tanto sobre R como sobre C y distinta para Q. tenemos (6t4 + 2t3 . 1 + 2) + E (t . t2 . t 3 = t + 2 + t5 . 2t . 1)+ t3 (D(t . 2 t. © Edicions UPC. 2)) t .B . 2000. t2 . 1 = Q(t): t3 (t2 . t2 . 2t4 . t2 .P (t). P 00 (0) = 2(A . p p .1 = P (0) = . 1 . 1) Solucion: Puesto que el grado del numerador es mayor que el del denominador.1+ 2 por lo que 2 2 3 D( Q(t) = t + 2 + (A + Bt + Ct )(t . 2000.t t. 1)0 (0) = 0 = P 0 (0) = . t3 tiene la misma descomposicion en factores primos tanto sobre R como sobre C: p p t5 . t3 = t3 (t . 1)0000(0) = 144 = P 0000(0) = 48C + 48(D + E ) © Los autores.A (6t4 + 2t3 . 1+ 2)+ E (t . 2t . 1)000(0) = 12 = p p = P 000(0) = 6(B .1 + 2)D + (.18 Algebra Lineal. 1 . 1)5+ t2(4 . 1 . R y Q la fraccion racional siguiente t6 + t4 . Problemas resueltos 8. 2)) = P (t) y haciendo uso del hecho: si dos polinomios son iguales tambien lo son sus funciones polinomicas asociadas. 1 + 2) No as sobre Q que t2 .2 . Veamos para R y C: A Q(t) = t + 2 + t3 + B + C + t2 t que operando obtenemos Dp + E p t. t2 . C ) (6t4 + 2t3 . 2t4 . t2 . 2t . 2)E ) (6t4 + 2t3 . 1)(0) = . 2B . 1 es primo. t2t4 . 1 = (A + Bt + Ct2 )(t2 .1. 2C + (. t3 2t4 p p 6t4 +2t3 .1 . efectuamos la division y tenemos 4 + 2 3 . t2 . 2)(t . 1)00(0) = . t2 . Descomponer en fracciones simples sobre C.

Descomponer en fracciones simples sobre C la fraccion racional siguiente Q(x) = (x .22 + 6 + t2 .1.1+ 2 por lo que Pasemos a la descomposicion de Q(t) sobre Q: y puesto que la descomposicion en fracciones simples es unica. 1 3 t t 2 9. 1 2 Q(t) 2t t. n=1 (x . 5) de Taylor en el punto x = 3.2 C = 6 D = 4 2 E = . Bn con n = 1 : : : 9 son numeros complejos a determinar.Mt .2 + 6 + 4 2 p + . Consideremos F (x) = 1 9 funcion racional desarrollamos F (x) por la formula (x . 3)91(x . 2 t. 2000.4 2 p Q(t) = t + 2 + t3 t2 t t.Polinomios y Fracciones racionales 19 Resolviendo el sistema de ecuaciones obtenemos: p p A = 1 B = . 3) + : : : + F 8! (x . Q(t) = t + 2 + t1 + .1. 3)8 + G(x)(x . hasta el orden 8. 1 t 2 p p p haciendo 4 2 p + . 3)9 © Los autores.16t . 2 t. esta sera la descomposicion sobre Q. 5)9 Solucion: La descomposicion sera Q(x) = 9 X An donde An . obteniendo 8 (3) 0 (3) F (x) = F (3) + F 1! (x .4 2 = t2 . 5) 9 X Bn n .1+ 2 A B Q(t) = t + 2 + t3 + t2 + C + t2 . 2000.16 .4 2 y la descomposicion es p p 1 + . 3)n + n=1 (x . © Edicions UPC.

n)! 8!(9 .n .9 .n (3) An = F .n = (. Problemas resueltos siendo G(x) una funcion racional que esta de nida para x = 3 usando este desarrollo tenemos 0 8 1 = F (3) 9 + F (3) 8 + : : : + F (3) + G(x) (x .1)9.n (17 . 1 9+n 8! 5) 10. 3)9 (x .1)n (8 + n)! (x . © Edicions UPC. 5)9 (x . n)! (.9)(.9 .1)9. 3) (x . n)! (9 1 luego F n (3) = (. 2000. (observese que obtenemos Bn considerando F1 (x) = 1 n (x .20 Algebra Lineal.1)n (8 + n)! (. 3) 8!(x . descomponer en fracciones simples la fraccion racional siguiente 2( 2 Q(x) = (x + x +31) 2) 1)(x + Solucion: Observamos que x3 + 2 no tiene ra ces en Q. Sobre el cuerpo de los racionales.2)18. luego 2(x2 + 1) = A + Bx2 + Cx + D (x + 1)(x3 + 2) (x + 1) (x3 + 2) © Los autores. 1):::(. 5). (17 1 Bn = (. 2000. 3) Por la unicidad de los coe cientes An y Bn tenemos 9.2)9+n 8! 1 y An = (.n 8!(9 . . n)! 218.n y por simetr a tenemos. 3) y repitiendo el proceso anterior). n + 1)(x . n)! F n (x) = (.9.

y + y 2 + : : : + (. luego n x = (y .4 C =6 D = .i i = yn n n n 2 1 1 = 1 .Polinomios y Fracciones racionales 21 2(x2 + 1) = A(x3 + 2) + (Bx2 + Cx + D)(x + 1) (x + 1)(x3 + 2) (x + 1)(x3 + 2) Igualando numeradores tenemos Operando A + B = 09 > = B + C = 2> ) C + D = 0> > 2A + D = 2 A=4 B = . 2000. 6 2 11. © Edicions UPC. .1)n (x2 + 1)n i=0 Pn © Los autores.4xx3++6x . Descomponer sobre R la fraccion: 2 Q(x) = (x2 x 1)n + Solucion: Haciendo x2 + 1 = y tenemos x2 = y . x2 + 1 + (x2 + 1)2 + : : : + (.n1) = (x2 + 1)n y 2n n (. 1.1)iy n.6 luego la descomposicion es 2 4 Q(x) = (x + 1) + . 2000.1)n y = n n n 1 2 n = 1 .

Espacios vectoriales 23 Cap tulo 2 Espacios vectoriales 1. 2000. 2000. © Edicions UPC. Sea R0 el grupo multiplicativo de los numeros reales estrictamente positivos. Probar que R0 R0 R0 es un R-espacio vectorial con las operaciones siguientes: 8(x y z) (x1 y1 z1) 2 R0 R0 R0 8 2R (x y z ) (x1 y1 z1 ) = (x x1 y y1 z z1 ) (x y z ) = (x y z ) En caso de ser dimension nita determinar una base Solucion: Es facil probar que con la operacion el conjunto R0 R0 R0 es un grupo abeliano: Asociatividad 8(x y z) (x1 y1 z1) (x2 y2 z2) 2 R0 R0 R0 (x y z ) ((x1 y1 z1 ) (x2 y2 z2 )) = (x y z ) (x1 x2 y1 y2 z1 z2 ) = = (x (x1 x2 ) y y1 y2 ) z z1 z2 )) = ((x x1 ) x2 (y y1 ) y2 (z z1 ) z2 ) = = (x x1 y y1 z z1 ) (x2 y2 z2 ) = ((x y z ) (x1 y1 z1 )) (x2 y2 z2 ) (Esta propiedad nos permite escribir (x y z ) (x1 y1 z1 ) (x2 y2 z2 ) ) Conmutatividad 8(x y z) (x1 y1 z1) 2 R0 R0 R0 (x y z ) (x1 y1 z1 ) = (x x1 y y1 z z1 ) = (x1 x y1 y z1 z ) = = (x1 y1 z1 ) (x y z ) Elemento neutro © Los autores. .

. 2000.24 Algebra Lineal. 2000. © Edicions UPC. Problemas resueltos 8(x y z) 2 R0 R0 R0 (1 1 1) (x y z ) = (1 x 1 y 1 z ) = (x y z ) Elemento simetrico 8(x y z) 2 R0 R0 R0 9(1=x 1=y 1=z) 2 R0 R0 R0 tal que (x y z ) (1=x 1=y 1=z ) = (x 1=x y 1=y:z 1=z ) = (1 1 1) Veamos ahora que la operacion externa veri ca las cuatro propiedades necesarias para que el conjunto sea un espacio vectorial: Primera ley distributiva 8 2 R 8(x y z) (x1 y1 ((x y z ) = ((x x1 ) = (x y z Segunda ley distributiva z1 ) 2 R0 R0 R0 (x1 y1 z1 )) = (x x1 y y1 z z1 ) = (y y1 ) (z z1 ) ) = (x x1 y y1 z z1 ) = ) (x1 y1 z1 ) = ( (x y z )) ( (x1 y1 z1 )) 8 2 R 8(x y z) 2 R0 R0 R0 ( + ) (x y z ) = (x + y + z + ) = (x x y y z z ) = = (x y z ) (x y z ) = ( (x y z )) ( (x y z )) 2 R 8(x y z) 2 R0 R0 R0 ( ) (x y z ) = (x y = ((x ) (y ) (z ) ) = = ( (x y z )) Asociatividad de los escalares 8 z )= (x y z ) = Propiedad del elemento unidad del cuerpo 8(x y z) 2 R0 R0 R0 1 (x y z ) = (x1 y 1 z 1 ) = (x y z ) © Los autores.

una interna + y una externa . Demostrar que el conjunto E de las sucesiones numericas u = (u1 u2 un ) = (un) n2N de numeros reales provista de dos leyes de composicion. probaremos que la operacion (interna) + dota a E de estructura de grupo abeliano © Los autores. determinemos una base. Claramente son independientes. luego 8(x y z ) 2 R0 R0 R0 . veamos: de tenemos (e 1 e 2 e 3 ) = (1 1 1) ( 1 R0 R0 forman un sistema de (1 1 e)) = (1 1 1) i = 0 8i = 1 2 3 (e 1 1)) ( 2 (1 e 1)) ( 3 ) e i = 1 8i = 1 2 3 ) por lo que forman una base de dicho espacio vectorial. 2000.Espacios vectoriales 25 luego. © Edicions UPC. Sabemos que 8x 2 R0 x = elog x . se tiene (x y z ) = (elog x elog y elog z ) = (elog x 1 1) (1 elog y 1) (1 1 elog z ) = = (log x (e 1 1)) (log y (1 e 1)) (log z (1 1 e)) luego los vectores (e 1 1) (1 e 1) (1 1 e) 2 R0 generadores. . u + v = (un + vn) 8n 2 N u = ( un ) 8n 2 N Solucion: Primero. en efecto R0 R0 R0 es un R-espacio vectorial. Veamos cual es su dimension y si es posible. 2. 2000. de nidas mediante: 8u v 2 E 8 2 R es un espacio vectorial.

2000.1 = 0 8n 2 N . Existencia de elemento simetrico hemos de ver que 8u 2 E existe u. de donde en = 0 8n 2 N y e = (0 0 : : : 0 : : :) . . necesarias para que el grupo abeliano E sea un R -espacio vectorial Primera ley distributiva 8u v 2 E 8 2 R (u + v ) = ( (u + v )n) = ( (un + vn )) = ( un + vn ) = = ( un) + ( vn) = (un) + (vn ) = u + v Segunda ley distributiva 8 2 R 8u 2 E ( + )u = (( + )un ) = ( un + un ) = ( un) + ( un ) = = (un ) + (un ) = u + u Asociatividad de los escalares © Los autores.un 8n 2 N y u. Problemas resueltos u + (v + w) = (un + (v + w)n) = (un + (vn + wn )) (1) = = ((un + vn ) + wn ) = ((u + v )n + wn ) = (u + v ) + w (1) R tiene estructura de grupo. © Edicions UPC. entonces un + u.un ) luego u. con la operacion + (u + v ) = (un + vn ) = (vn + vn ) = (v + u) Conmutatividad Existencia de elemento neutro veamos que existe e 2 E tal que u + e = u 8u 2 E si u + e = (un + en ) = u 8u 2 E .1 = e si u + u.26 Asociatividad Algebra Lineal.1 existe y es unico.1 = (.1 ) = e .1 = (un + u. Veamos ahora que la operacion (externa) veri ca las cuatro propiedades.1 = n n n . de donde u. 2000. luego e existe y es unico.1 tal que u + u. entonces un + en = un 8n 2 N .

Estudiar. para que valores de k 2 R W = ff 2 F (R R)=f (1) = kg es un subespacio vectorial de F . © Edicions UPC. Solucion: Recordemos que F es un subespacio vectorial del K -espacio vectorial E si y solamente si: 8 2 K 8u v 2 F entonces u + v 2 F Sean pues 2 R y f g 2 F (R R) ( f + g ) 2 F (R R) si y solo si ( f + g )(1) = k comprobemos si esto es as ( f + g )(1) = ( f )(1) + ( g )(1) = f (1) + g (1) = k + k = ( + )k luego ( + )k = k 8 2 R si y solo si k = 0 . 2000. por lo tanto W es subespacio vectorial si y solo si k = 0 . Sea F (R R) el espacio vectorial de todas las funciones de R en R . 2000. . 4. © Los autores. 8u 2 E 3.Espacios vectoriales 27 8 2 R 8u 2 E ( )u = (( )un) = ( ( un)) = ( un ) = ( (un )) = = ( u) Propiedad del elemento unidad del cuerpo Sea 1 2 R y 1 u = (1 un ) = (un) = u luego E es un R -espacio vectorial. Sea fe1 e2 e3g una base del R-espacio vectorial R3 .

1 ab + 2 ac = 0> ) 1 2d + 3 e = 0 ) 2d + 3e = 0 3 fbd . una base de E ? Aplicar el resultado a las familias de vectores escalares a) b) (1 1 0) (0 1 1) (1 0 . 1 = ::: = n = 0 Veamos pues.28 Algebra Lineal. 2 d + 3e = 0 ) Luego. Problemas resueltos >Determinan los vectores ae1 + be2 ce2 + de3 ee3 + fe1 . no pueden formar base.). 2000. . Aplicando el resultado a las familias dadas. Solucion: Puesto que el numero de vectores dado coincide con la dimension del espacio. 2ac = 0 .1 © Los autores. (ae1 + be2 ) + 2 (ce2 + de3 ) + 3 (ee3 + fe1 ) = 0 ( 1 a + 3 f )e1 + ( 1 b + 2 c)e2 + ( 2 d + 3 e)e3 = 0 1 Y puesto que fe1 e2 e3 g es base.1) = (1 0 0) . con a b c d e f no nulos.1) (3 1 0) (0 2 1) (1 0 2) referidos a la base natural de R3 . © Edicions UPC. tenemos 1 a + 3 f = 0> = 1 ab + 3fb = 0> = b + 2c = 0> . 2 acd = 0 ) 3 (fbd + ace) = 0 2 acd + 3 ace = 0 9 9 3 fb . tenemos 9 a) (1 1 0) = (1 0 0) + (0 1 0) ) a = b = 1 > = (0 1 1) = (0 1 0) + (0 0 1) ) c = d = 1 > ) fbd = . (0 0 1) ) e = 1 f = . Recordemos que una coleccion de vectores fe1 ::: eng de un K -espacio vectorial son independientes si y solo si: 1 e1 + ::: + n en = 0 . 2000. estos vectores forman base si y solo si son independientes. si fbd + ace 6= 0 ) 3 = 0 2 = 0 1 = 0 y los vectores seran independientes y formaran base (si fbd + ace = 0 cualquier 3 2 R es solucion del sistema y por lo tanto.ace (1 0 . los vectores dados.

E puede considerarse como un espacio vectorial sobre R. Solucion: Ante todo. entonces u 2 EC y por lo tanto j = n+j = 0 u = 1 u1 + : : : + nun con j 2 C j = 1 ::: n © Los autores. (0 1 1) = (1 0 1) . Deducir de aqu que dim ER = 2 dim EC Nota: hemos llamado EC ER a E como C espacio vectorial y como R espacio vectorial respectivamente. 2000. 2000. Veamos ahora que generan ER . © Edicions UPC. son dependientes (la relacion de dependencia es (1 1 0) . Si u 2 ER .Espacios vectoriales 29 luego. notamos que los vectores de EC y ER son los mismos. tenemos j + n+j i = 0 8j = 1 : : : n por lo que: 8j = 1 : : : n y por lo tanto. Demostrar que los 2n vectores fu1 : : : un iu1 : : : iung forman una base de E sobre R .ace (1 0 2) = (1 0 0) + 2(0 0 1) ) e = 1 f = 2 9 luego. Sea E un espacio vectorial sobre C de dimension n y sea fui g1 i n una base. . Veamos primero que los vectores dados son independientes en ER consideremos una combinacion lineal igualada a cero: 1 1 u + : : : + nun + n+1 iu1 + : : : + 2n iun = 0 con j 2 R j = 1 : : : 2n sumergiendo ER en EC esta igualdad puede escribirse ( 1 + n+1 i)u1 + : : : + ( n + 2n i)un = 0 con j + n+j i 2 C y puesto que fui g son base de EC . y por lo tanto forman base. son independientes. los vectores fu1 : : : un iu1 : : : iung son independientes. 5. Por restriccion del cuerpo de escalares. b) (3 1 0) = 3(1 0 0) + (0 1 0) ) a = 3 b = 1 > = (0 2 1) = 2(0 1 0) + (0 0 1) ) c = 2 d = 1 > ) fbd 6= .

si los coe cientes aj son nulos para i < j con ai 6= 0 (es decir. tambien son independientes. la matriz obtenida es tal que por encima de la diagonal principal. 2000. los elementos son todos nulos). Solucion: El metodo que vamos a usar aqu para la discusion de la dependencia o independencia se apoya en las proposiciones siguientes. si colocamos los vectores i i en columna. entonces los vectores son independientes (es una condicion su ciente. es decir la dimension del subespacio que engendran x 3 0x11 x22 x1 1 0 1x1 0 2 x31 0 x1 x2 x031 0 1 0 @2 5 3A @2 1 1A @2 1 0A 3 8 8 3 2 5 3 2 3 0 0 0 00 00 00 © Los autores. © Edicions UPC. xi = (a1 ::: an) 1 i p . Sea E = R3 . la matriz obtenida es tal que por debajo de la diagonal principal. p n . a) Dados p vectores. si colocamos los vectores en columna. por lo tanto para investigar las dependencia o no de los vectores dados los colocaremos en columna yuxtaponiendolos y haremos operaciones elementales de la o columna para conseguir los ceros necesarios para conocer el rango de la matriz. b) El rango de un sistema de vectores no var a si a uno de ellos le sumamos una combinacion lineal de los demas.30 es decir. si los coe cientes aj son nulos para i > j con ai 6= 0 (es i i i i decir. Analogamente. . luego j = aj + bj i j = 1 Algebra Lineal. los elementos son todos nulos). Por ser un sistema de generadores independientes son base. 2000. de un espacio vectorial de dimension n . Problemas resueltos : : : n con aj bj 2 R u = (a1 + b1i)u1 + : : : + (an + bn i)un = = a1 u1 + b1 i)u1 + : : : + an un + bniun = = a1 u1 + : : : + an un + b1 iu1 + : : : + bniun luego. pero no necesaria) . y por lo tanto dim ER = 2:dim EC 6. Decir si los vectores f(1 2 3) (2 5 8) (1 3 7)g son dependientes o independientes. son tambien generadores.

Solucion: Recordemos que si F G son subespacios de E estos forman suma directa si y solo si F \ G = f0g Si F y G forman suma directa y ademas se veri ca que F +G = E © Los autores. luego son independientes.Espacios vectoriales 31 x01 = x1 x00 = x01 1 x02 = . Para que el vector ( .5 3) y (2 .3 = .6) 2 R4 pertenezca al subespacio F R generado por (1 2 . b = . Sea E = R2 y W el subespacio engendrado por el vector (1 1) .1 4 7) obligando pues a la compatibilidad del sistema resultante a + 2b 9 > > 2a .6) = a(1 2 . Probar que E es suma directa de W y U . Hallar Solucion: 2 R para que ( .6 = luego el vector ( .37 . 2000. © Edicions UPC. 7.x02 + x03 3 Los tres vectores cumplen la condicion establecida en a).1 4 7) .37 . 2000. Probar que tambien se veri ca E = W U 0 (no unicidad del complementario).x1 + x3 x00 = .37 . .5a + 4b> > 3a + 7b a = 5 b = . Si U es el subespacio engendrado por el vector (0 1) .37 .6) 2 F si y solo si = . Sea ahora U 0 el subespacio engendrado por el vector (3 1) .5 3) + b(2 .1 y 8.2x1 + x2 x00 = x02 2 x03 = . .1 = 13 = 13.37 = .6) pertenezca a F es condicion necesaria y su ciente que pueda ponerse en combinacion lineal de los generadores de F : ( = = .

2000. 1)2 . E = W U . q 0 )(1) = p0 (1) . q )0 (1) = ( p0 . es x = (1 1) por ser de W . Determinar un subespacio vectorial complementario E de F en P3 . por tanto es tambien E = W U 0 9. q (1) = 0 . en efecto. >son linealmente independientes? Dar una base de F . Identi cando (1 1) = (0 1) es =0 =0 luego x = 0 y por tanto la suma es directa. b) Los polinomios (x . q 0 (1) = © Los autores. para que F + G = E basta comprobar que dim F + dim G = dim E Tomemos pues x 2 W \ U . es decir. 1)2 y x(x . 0 = 0 ( p . y = 0 luego W y U 0 forman tambien suma directa y dim W + dim U 0 = 2 = dim E .32 Algebra Lineal. Si E es de dimension nita y F y G forman suma directa. 2000. Problemas resueltos diremos que E es suma directa de estos dos subespacios y lo notaremos por F G . q )(1) = p(1) . de donde =3 = y de aqu se deduce = = 0 . Dar su dimension. Sea ahora y 2 W \ U 0 como antes: y = (1 1) = (3 1) . Puesto que dim E = 2 y dim W = dim U = 1 se tiene dim W + dim U = dimE luego. c) Encontrar dos polinomios para completar la base de F y formar una base de P3 . y x = (0 1) por ser de U. Solucion: a) Sean p q 2 F veamos si p . © Edicions UPC. Sea P3 el espacio vectorial de polinomios de una variable de grado inferior o igual a 3 a coe cientes en R. . q 2 F 8 2R 0. a) Probar que los polinomios p 2 P3 que veri can p(1) = p0 (1) = 0 (siendo p0 el polinomio derivado de p ) forman un subespacio vectorial F de P3 . 0=0 ( p .

y F es pues un subespacio vectorial. 2a2)x + (2a3 + a2 ) = = a3 (x3 . luego. 2 )x2 + ( . 2a2 a0 = 2 3 a2 p(x) = a3 x3 + a2 x2 + (. 2 )x2 + ( . pues de a3 p1(x) + a2 p2(x) = 0 luego son base.3a3 . y dim F = 2. 2x2 + x son independientes ya que forman una base de F . 1)2 (ax + b) = ax(x . = = 0 . 2 + )x + + = 0 = =0 © Los autores. p . 2000. es decir.a3a+. basta observar que si p(x) 2 F entonces p(x) = (x . 1)2 + b(x . 2x + 1) = a3 p1 (x) + a2 p2 (x) y p1 (x) p2 (x) 2 F ( p1 (1) = p01 (1) = 0 y p2 (1) = p02 (1) = 0) por lo que son generadores. 2 )x + = 0 y por tanto. 2x + 1 x3 . 2000. Y son independientes. 2x + 1) + (x3 . c) Los vectores x2 . por lo que F es un subespacio vectorial de dimension 2 y estos dos polinomios determinan una base b) Sea (x . Sea p(x) = a3 x3 + a2 x2 + a1 x + a0 2 F . luego p(1) = a3 + a2 + a1 + a0 = 0 p0(1) = 3a3 + 2a2 + a1 = 0 y por tanto. 1)2 = 0 . 1)2 x(x . 1)2 2 F (pues F es el conjunto de polinomios de grado menor o igual que tres tales que tienen a 1 como ra z de multiplicidad por lo menos dos). son independientes. En a hemos observado. reordenando terminos tenemos x3 + ( . 2x2 + x . 3 ) a1 = . 1)2 + x(x . 3x + 2) + a2 (x2 . Otra forma: se tiene a3 = a2 = 0 De hecho. 2x +1 x3 .Espacios vectoriales 33 Luego. son base de F . que (x . 1)2 = ap1 (x) + bp2 (x) luego F es el conjunto de polinomios generado por p1 (x) p2(x) con p1 (x) y p2(x) independientes. © Edicions UPC. ya que 1+ de donde = = x + (x2 . en efecto. 1 x son vectores independientes de x2 . . q 2 F . 2x2 + x) = 0 ) x3 + ( .

2000. 10.+ b2 : c3 = b2 1 b3 Hallar la matriz de transformacion de B a C y de A a C . Solucion: a) Recordemos que la matriz S de paso de A a B es la matriz cuadrada cuyas columnas son las coordenadas de los vectores de A expresados en la base B .1 1 @ . b + b >1 1 2 3 < > c2 = . B = fb1 b2 b3g dos bases del espacio vectorial R3 relacionadas mediante: 8 a = b . Problemas resueltos luego G = 1 x] es un subespacio complementario de F . la matriz de paso de B a A sera S . pero expresado en la base B . b) Sea C = fc1 c2 c3g una nueva base cuyas coordenadas respecto de B son: > a2 = b2 + b3 + b : a3 = b1 + b2 3 8c = b . . Luego: 0 1 S = @ . 2000.b. 3b + 4b >1 1 2 3 < a) Hallar la matriz que transforma las coordenadas de los vectores de la base B a la A. Sean A = fa1 a2 a3g .3 0 1 1 1A 4 1 1 1 matriz de paso de A a B y esta matriz es tal que si componemos dicha matriz con un vector columna cuyos componentes son las coordenadas de un vector de R3 en la base A . por lo que tenemos que invertir el sistema dado).1 1 (observese que necesitamos la expresion de los vectores de la base B en funcion de la base A . © Los autores. el resultado es el mismo vector (vector columna) cuyos componentes son las coordenadas del vector. Obviamente.1 = 7 0 0 .7 3 7 1 4A 1 . © Edicions UPC.34 Algebra Lineal.

la matriz de paso de C a B es 0 1 .1 1 nos proporciona.1 2+1 tenga solucion unica lo que equivale a que 0 1 1 1 D = .1 T = @ .1 = @ 0 0 S=@ 1 1 1 1A 1 1 0 2 2 3 1 2 2A .Espacios vectoriales 35 b) Analogamente. es decir. 11. la matriz de paso de B a C es 01 T .1 1 1 0 1A 0 .1) w3 = (1 0 0 1) w4 = (2 2 0 .2 1 2 1 y si componemos las matrices S y T .1 © Los autores. © Edicions UPC. Estudiar si los vectores w1 = (0 1 . la matriz de paso de A a C . que el sistema 0 1+1 2+1 1 1+1 2+0 .1 T . una base de R4 Solucion: Para que formen base es condicion necesaria y su ciente que sean linealmente independientes. 2000. obviamente. 2000.1 3 1 = = = = = 2 = 3 = 4 =0 lo que equivale a decir. . +2 3+2 3+0 3. 1 1 w + 2 w2 + 3 w3 + 4 w4 = 0 .1 4 4 4 4 0> > 0= 0> > 0 9 1 2 0 2 0 0 6= 0 1 .2 1 + 2 2 + 0 1 1.1) forman o no.2 1) w2 = (1 1 2 .2 2 1 .1 1 luego.

2000. y puesto que hay dos parametros libres dimE1 \ E2 = 2 1 2 9 Por ejemplo.1) 2 E1 \ E2 2 3 w2 = (1 2 1 2) + (3 1 3 1) = (4 3 4 3) 2 E1 \ E2 observamos que w1 y w2 son independientes por lo que dim E1 \ E2 que E1 \ E2 E1 y dim E1 = 2 © Los autores. (1.1. Veamos cual es el subespacio E1 \ E2 : si v 2 E1 \ E2 .0. 2 = 1+2 2+ 3 por lo que.1. entonces v= es decir.36 Algebra Lineal.1 1 . Observamos que. (1.-1.-1) son independientes.1. formada por los vectores columna que expresan los vectores dados respecto una base y ver si es o no distinto de cero. obtendremos los vectores de E1 \ E2 .3.1.1.1 2 .2. 2 y puesto . en efecto.1.-1) para E1 . © Edicions UPC. por los vectores (1. son base.1. 2+2 3 1.1) = = 1 (1 2 0 1) + 2 (1 2 1 2) + 3 (3 1 3 1) 1 9 = 1 + 2 +3 3 > > > 1 = 0 = = 1. Problemas resueltos D = . 2000.2. dando valores cualesquiera a los escalares 2 3 .1) .1) para E2 . 12. En el espacio vectorial R4 se consideran los subespacios E1 y E2 generados Hallar las dimensiones del subespacio interseccion y del subespacio suma.1. para para = =1 2 = .2) y (3. 2 = 2 1+2 2+ 3 ) 2 1 = 3 2+4 3 > > 1+ 2 = 2+3 3 > 2 2 = . Solucion: Observamos que dim E1 = 2 ya que (1.1) .8 6= 0 . luego. para ver si n vectores de un espacio vectorial de dimension n .1 3 = 1 .1) y (1. + (1 1 1 1) + 2 (1 . y (1. se tiene w1 = (3 1 3 1) .-1. forman base basta calcular el determinante de la matriz. (1 2 1 2) = (2 .

Sabemos que dim (E1 +E2 ) = dim E1 +dim E2 . pues E2 E1 + E2 y tienen la misma dimension). 2000.dim (E1 \E2 ) . . © Los autores. luego dim(E1+E2 ) = dim E2 . © Edicions UPC. (Tenemos que E1 + E2 = E2 .Espacios vectoriales 37 se tiene que E1 \ E2 = E1 y dim E1 \ E2 = 2. 2000.

16 A = B2 0 0 49 Sobre B2 .29 A Solucion: Tomamos la matriz B y restamos la primera la a la segunda y la primera al doble de la tercera. quedando 0 8 .6 reducirla a una matriz diagonal mediante transformaciones elementales de las y columnas. quedando B1 0 8 .16 A = B3 0 0 1 © Los autores.1 .5 .5 .4 . Matrices 1.13 1 B = @ 8 .5 .Sistemas de ecuaciones lineales. . Dada la matriz 4 . 0 8 .13 1 @ 0 1 .13 1 @ 0 1 .16 A = B1 0 3 1 Tomamos ahora la matriz B1 y restamos a la tercera la el triple de la segunda.13 1 B @ 0 1 .5 . Matrices 39 Cap tulo 3 Sistemas de ecuaciones lineales. 2000. dividimos la tercera la por 49 B2 0 8 . © Edicions UPC. 2000.

Problemas resueltos Sobre B3 . .1 2 3 1 Solucion: Yuxtaponemos la matriz A y la matriz identidad I 0 B B @ 1 . © Edicions UPC.5 0 1 @ 0 1 0 A = B4 0 0 1 Sobre B4 .1 2 3 . C . A . obteniendo B5 luego 01 @0 0 0 1 0A = I 0 0 1 1 B I.40 Algebra Lineal. sumamos a la segunda la dieciseis veces la tercera y a la primera trece veces la tercera B3 0 8 . © Los autores. 2000. 2. 0 1 0C = A . . 1 0 0 1 4 8 . . 0 0 1 . 2000. Determinar la inversa de la matriz 0 A=@ por el metodo del pivote. 0 1 2 . sumamos a la primera la cinco veces la segunda y tenemos B4 08 @0 0 0 1 0 A = B5 0 0 1 1 que es ya diagonal podemos seguir reduciendo dividiendo la primera la por 8. 1 4 8 0 1 2 A donde A 2 M3 (R) .

. 2000.1 6 . © Edicions UPC. 0 1 0 A (b) @ . . 1 0 0 B 1 0 0 . .11 2 A . obteniendo A4 ( e ) A la primera la de A4 le restamos cuatro veces la segunda 3. Resolver el sistema © Los autores.. 1 0 1 . 1 0 0 C B 1 4 B 0 1 0 .11 2 C A (e) @ 0 1 0 . 4 8 . .1 1 y por consiguiente 1 .48 8 C 2 ..4 0 2 .1 6 . 0 1 0 .1 inversa de A 0 B1 A (a) B 0 @ 1 0 . 2 . 0 0 1 .11 2 C A . B 1 4 8 .1 le sumamos seis veces la segunda de A1 obteniendo A2 ( c ) A la segunda la de A2 le restamos dos veces la tercera de A2 . . 0 . Una vez terminado el proceso la matriz que aparece en el lugar que ocupaba I es la matriz A. .1 = @ 1 1 0 .1 6 . obteniendo A3 ( d ) A la primera la de A3 le restamos ocho veces la tercera.4 0 C B 2 . 0 0C 1 0C A 6 . C B 0 1 2 . . 6 ..Sistemas de ecuaciones lineales. .1 0 A..1 0 0 1 . .. .1 1 9 . . . ..1 . 1 . . 1 0 0C B1 4 8 .. . 1 .. 0 .1 ( a ) A la tercera la de A le sumamos la primera. .1 0 0 0 1 . 2000. . 0 6 11 . . obteniendo A1 ( b ) A la tercera la de A1 multiplicada por . 1 2 . Matrices 41 y hacemos las transformaciones elementales de las.11 2 C B 0 1 A (d) @ (c) @ .. necesarias para convertir A en I .

15 0 0 0 1 luego rangoA = 2 .2> 3x .8 .2 A @ y A = @ . 2z = . 2y + 3z = 7 > = 2x + y .42 Algebra Lineal. 4. .2 3 1 0 x 1 0 7 1 @ 2 1 .8 . rangoB = 3 .2 A .2 A con X = @ y A 6 z Yuxtaponemos a la matriz A la matriz columna y 6 hacemos transformaciones elementales a B para poder comparar los rangos de A y 0 71 @ . 2000.2 A @ 0 5 .8 . Discutir segun los valores de a b c d el sistema a coe cientes en K siguiente x + 2y + 3z + 4t = a9 > > 2x + 3y + 4z + t = b = 3x + 4y + z + 2t = c > > 4x + y + 2z + 3t = d suponiendo: a) K = Q b) K = Z Solucion: © Los autores.16 A 3 .2 3 7 1 @ 2 1 . y por tanto.2 .1 1 z 6 0 71 0x1 AX = @ . 2000.16 A @ 0 5 .2 A 3 . el sistema es incompatible. Problemas resueltos x . y + z = 6 9 Solucion: El sistema se expresa en forma matricial por 0 1 . obteniendo la matriz B B 0 1 .2 3 7 1 0 1 . © Edicions UPC.2 3 7 1 0 1 .1 1 6 0 5 .

a2. 9c + d A 0 0 0 40 11a . 9b + c + d 0 40 0 0 0 . 5.10 .2 . 7b + d 0 0 0 40 11 . 9c + d A 0 0 0 40 11a .7 . Matrices 43 01 2 3 4 a1 01 2 3 4 a 1 B 2 3 4 1 b C B 0 . 940+ c + d b) para K = Z las transformaciones elementales realizadas son validas para que haya solucion los elementos .9a + b + c + 11d 1 B 0 40 0 0 a + b + 11c .3a + c A 4 1 2 0 . b z = a + 11b40 9c + d t = 11a .10 . 9b + c + d han de ser multiplos de 40.9a + b40 c + 11d y = a + b +40 c .13 . 9b + c + d 0 10 20 30 40 1 10a B 0 40 80 280 80a . 2000.7 .4 .2a + b C @ 3 4 1 2 c A @ 0 . 40b C @ 0 0 40 0 a + 11b . 2000.4a + d 0 1 2 3 34 d 1 01 2 3 4 1 a a 2 b a B0 1 2 7 @ 0 0 4 . 9d a +11b . 9d C @ 0 0 40 0 a + 11b .1 . © Edicions UPC.Sistemas de ecuaciones lineales. + c C B 0 1 2 .a2+ .9a + b + c +11d a + b +11c .4 a . c C A @0 0 4 7 A b 2 0 0 4 36 10a . 9c + d 11a . 9d . Estudiar segun los valores de a el sistema ax + y + z = a> = x + ay + z = a> x + y + az = a resolviendolo en los casos en que ello sea posible.8 .bb. 9b + c + d a) para K = Q las transformaciones elementales realizadas son validas el sistema tiene solucion unica 11 + x = . 9 . © Los autores.2 .

2 1 .44 Algebra Lineal.2 1 . .2 . © Edicions UPC. 2000.2 . Problemas resueltos Solucion: Hallemos el valor del determinante de la matriz asociada al sistema 0a 1 11 detA = det @ 1 a 1 A = (a + 2)(a . si a 6= .2 Luego el sistema es incompatible. 1)2 = a + 2 a 1 a 1 a a 1 1 a a z = (a + 2)(a . 1)2 = a + 2 1 Si a = . Si a = 1 rangoA = rangoA = 1. luego el sistema es compatible indeterminado y el conjunto de soluciones es: S = f(x y z) 2 R3 j x + y + z = 1g © Los autores.2 y a 6= 1 el sistema es compatible y determinado y por el metodo de Cramer tenemos que la solucion es a 1 1 a a 1 a 1 a a x = (a + 2)(a . 2000.2 6= 0 1 1 . 1)2 = a + 2 a a 1 1 a 1 1 a a a y = (a + 2)(a .2 6= 0. 1)2 1 1 a Luego. y rangoA = 3 siendo A la matriz 1 0 1 obtenida de A yuxtaponiendole la matriz columna @aA a a rangoA = 3 ya que .2 rangoA = 2 ya que .

Sistemas de ecuaciones lineales. Matrices

45

6. Resolver en M2 (R) el sistema
5 2x + 3y + z = ;5 x + 2y ; 3z = ;1 ;3 5 3x + 5y ; z = ;8 5 1

9 > > > > 3 = ;3 > > 8 > >
;1

Solucion:

0x1 02 A @y A = @1
z

3 2 3 5

0 10x1 B 1 ;3 A @ y A = B B @ ;1 z 1 C C C A 1 C C C A 1 C C C A

;5 1 ;1 3 ;3 ;3 5 8 ;8 ;1

5 5

1 C C=B C A
;1 3 1 ;3 ;3 C C 5 5 ;5 1 C A 5 8 ;8 ;1 1 ;1 3 ;3 ;3 C C 7 ;1 C

Tomamos la matriz A del sistema ampliada con la matriz B y procedemos a efectuar las oportunas transformaciones elementales

0 B2 3 1 B 1 2 ;3 B @ 3 5 1 0 B 1 2 ;3 B 0 ;1 7 B @ 0 ;1 8 0 B 1 2 ;3 B 0 ;1 0 B @
0 0 1

; ; ; ; ; ; ; ; ; ; ; ; ; ; ;

5 5 51 1 3 3 3 5 8 8 1 1 3 3 3 7 1 1 7 8 1 1 8 1 3 3 3 0 1 1 0 10 01

0 B 1 2 ;3 B2 3 1 B @ 3 5 1 0 B 1 2 ;3 B 0 ;1 7 B @ 0 0 1 0 B1 0 0 B 0 ;1 0 B @
0 0 1

1 7 10 01 2 1 10 0 1 1 0 10 01

;

;

1 C C C A

A

y por lo tanto la solucion del sistema es 2 X = ;1 1 0 0 Y = ;1 1 0

Z= 1 0 0 1

© Los autores, 2000; © Edicions UPC, 2000.

46

Algebra Lineal. Problemas resueltos

7. Se dice que A 2 M3(R) es magica si al sumar los elementos de cada la, de cada
columna, de la diagonal principal, y de la diagonal secundaria, se obtiene siempre el mismo valor. Construir todas las matrices magicas simetricas.

Solucion:
Una matriz A = (aij ) es simetrica si y solo si aij = aji luego las matrices magicas simetricas seran de la forma 0 1

b c z con x + a + b = s a + y + c = s b + c + z = s x + y + z = s 2b + y = s que

@a y cA

x a b

interpretandolo como un sistema de cinco ecuaciones con siete incognitas x + y + z ; s = 09 > y + a + c ; s = 0> > = x + a + b ; s = 0> z + b + c ; s = 0> > y + 2b ; s = 0 resulta un sistema homogeneo, por tanto compatible, y que vamos a resolver por transformaciones elementales 0 1 1 1 0 0 0 ;1 1 0 1 1 1 0 0 0 ;1 1 B 0 1 0 1 0 1 ;1 C B 0 1 0 1 0 1 ;1 C B 1 0 0 1 1 0 ;1 C B 0 ;1 ;1 1 1 0 0 C B @ 0 0 1 0 1 1 ;1 C B 0 0 1 0 1 1 ;1 C A @ A 0 1 0 0 2 0 ;1 0 0 0 ;1 2 ;1 0 0 1 1 1 0 0 0 ;1 1 0 1 1 1 0 0 0 ;1 1 B 0 1 0 1 0 1 ;1 C B 0 0 1 1 0 1 ;1 C B 0 0 ;1 2 1 1 ;1 C B 0 0 1 ;2 ;1 ;1 1 C B @ 0 0 1 0 1 1 ;1 C B 0 0 0 2 2 2 ;2 C A @ A 0 0 0 0 0 10 0;1 02 ;1 ;1 1 0 0 0 0 1 ;2 1 ;1 1 1 1 0 1 1 1 0 0 0 B 0 1 0 1 0 1 ;1 C B 0 1 0 1 0 1 ;1 C B 0 0 1 ;2 ;1 ;1 1 C B 0 0 3 ;6 0 ;3 2 C B @ 0 0 0 1 1 1 ;1 C B 0 0 0 3 0 3 ;2 C A @ A 0 0 0 0 ;3 0 1 0 1 1 1 0 0 0 ;1 1 0 0 0 0 00 0;3 ;30 0 11 3 0 0 B 0 3 0 0 0 0 ;1 C B 0 3 0 0 0 0 ;1 C B 0 0 3 0 0 3 2 C B 0 0 3 0 0 3 ;2 C B @ 0 0 0 3 0 3 ;2 C B 0 0 0 3 0 3 ;2 C A @ A 0 0 0 0 ;3 0 1 0 0 0 0 ;3 0 1
© Los autores, 2000; © Edicions UPC, 2000.

Sistemas de ecuaciones lineales. Matrices

47

quedando el sistema de rango cinco: 3x ; 3c = 09 3x > > 3y ; s = 0> 3y = 3z + 3c ; 2s = 0> , 3z 3a + 3c ; 2s = 0> 3a > ;3b + s = 0 3b

9 = 3c > x=c > =s > s = = ;3c + 2s> , y = 3 = b = ;3c + 2s > z = 2s ; 3c = a > 3 =s
2 1 1 0A 0 2

por lo tanto la matriz magica simetrica buscada es

0 c B 2s;3c B B 3 @
s
3

2s 3c 3 3

;
s

para todo c s 2 R .

c

1 C 0 1 ;1 0 1 s 0 0 c C = c @ ;1 0 1 A + 3 @ 2 C A 0 1 ;1 1 2s;3c
3

s

1

3

8. Discutir y resolver en R el sistema:

3x + 2y + 5z 4x + 3y + 6z 5x + 4y + 7z 6x + 5y + 8z

= = = =

1> > 2= 3> > 4

9

Solucion:
Escrito matricialmente, el sistema es 0x1 03 2 510x1 011 A@y A = B4 3 6C@y A = B2C = B @5 4 7A @3A z z 6 5 8 4 Tomamos la matriz A obtenida de A yuxtaponiendole la matriz columna B y procedemos a efectuar transformaciones elementales de la 03 2 5 11 03 2 5 1 1 03 2 5 1 1 B 4 3 6 2 C B 0 ;1 2 ;2 C B 0 ;1 2 ;2 C @ 5 4 7 3 A @ 0 ;2 4 ;4 A @ 0 0 0 0 A 6 5 8 4 0 0 ;1 2 ;2 1 0 0 0 0 0 1 6 9 0 12 2 3 0 4 B 0 ;1 2 ;2 C B 0 ;1 2 ;2 C @0 0 0 0 A @0 0 0 0 A 0 0 0 0 0 0 0 0
© Los autores, 2000; © Edicions UPC, 2000.

10. luego el sistema es compatible indeterminado y el conjunto de soluciones es 3 f(x y z) 2 R3 =2x + 3y = 4 . 2 . Demostrar que el sistema siguiente no posee ninguna solucion en R x+y+z+t x.1 A 0 0 j 0 0 (c) 0 0 j 0 0 Y tenemos que rang A = 2 y rang A0 = 2 por lo tanto el sistema es compatible y determinado y la unica solucion es: X = 0 . .z+t . siendo 01 11 A = @1 0A 1 1 y 02 11 B = @0 2A 2 1 Solucion: Tomemos la matriz A0 obtenida de A yuxtaponiendole la matriz B y procedamos a efectuar transformaciones elementales de la 01 1 j 2 11 01 0 j 0 21 A0 = @ 1 0 j 0 2 A (a) @ 1 1 j 2 1 A (b) 1 1 2 0 1 1 jj 2 1 1 0 1 0 jj 0 1 2 1 1 0 0 2 @ 1 1 j 2 1 A @ 0 1 j 2 .x .y. Determinar X tal que AX = B . 2000.48 Algebra Lineal. Problemas resueltos y tenemos rango A = rango A = 2 < 3 .1 + 1 ) 8 2 Rg 2 9. y + z + t . 2000. 3z .y + 2z = . Sean a b c d cuatro numeros reales estrictamente positivos. © Edicions UPC.2 2 1 ( a ) Permutamos la primera con la segunda la ( b ) A la tercera la le restamos la segunda ( c ) A la segunda la le restamos la primera.2g = f(2 .3x + y . 7t = = = = a9 > = b> c> > d © Los autores.

b+c z = a+c . z = b . t) + (t . han de satisfacer la cuarta ecuacion substituyendo pues. 7t = d 2 2 2 luego la compatibilidad implica .1 0 2 luego el sistema es de rango tres y las tres primeras ecuaciones son independientes.3 4 . Matrices 49 Solucion: El determinante del sistema es 1 1 1 1 1 0 0 0 1 .t y = t. y . 3( a + c .1 0 . esta igualdad es imposible y el sistema es incompatible.1 = 1 .t 2 2 2 Para que el sistema inicial sea compatible estos valores de x y z hallados.3 1 . Resolver el siguiente sistema de ecuaciones en C x + y + z = a> = x + wy + w2 z = b > x + w2y + wz = b 9 © Los autores. 11. 2000.4 . t> .Sistemas de ecuaciones lineales. 2 2 . tenemos x = a+b . tenemos .2 .3( a + b . y + z = c . .1 .3 . 2000.4 6= 0 . © Edicions UPC.1 .2 = .1 .(3a + 2b + 2c) = d y puesto que a b c d son estrictamente positivos.1 1 = 1 .1 1 1 . t> = x .x .4 luego el sistema no es de rango maximo 1 1 1 1 0 0 1 . Consideramos pues el sistema 9 x + y + z = a .1 . t) .2 0 0 = 0 .7 . t que es compatible y determinado por ser de rango maximo y resolviendo por Cramer. b + c ) .1 1 .

Algebra Lineal.a 1 y para que el sistema sea compatible. (w2 . b 3 si w(w . 2000. 1) = 0 . y el conjunto de soluciones es f(x y z) 2 C3 =x + y + z = ag si a 6= b . 1)2 . 1) = a + 2b 3 1 a 1 1 b w2 1 b y = 3w(w . b . . 1) 1 w2 w (Nota: puesto que w3 = 1 .w = a .50 sabiendo que w es una ra z cubica de la unidad. 2000. en cuyo caso 01 @1 1 1 a 1 1 bA 1 1 1 b 1 01 @0 1 1 a 0 0 b. a 1 1 b w w2 b w2 w x = 3w(w . 1)(w2 + w + 1)). b 1) 3 1 1 a 1 w b 1 w2 b z = 3w(w . aA 0 0 0 b. a = 0 . se tiene que w = 0 o w . luego ha de ser w . el sistema es incompatible. © Los autores. © Edicions UPC. 1 = (w . 1 = 0 . 1) 6= 0 . Si w(w . se tiene w4 = w ::: y w3 . es w 6= 0 . Problemas resueltos Solucion: El determinante del sistema es 1 1 1 1 w w2 = (w . el sistema es compatible y determinado para todo a b 2 C y resolviendo el sistema por Cramer. 1 = 0 . es decir w = 1 . 1)2 = 3w(w . pero si w3 = 1 . 1) = a .

Solucion: Recordemos que una aplicacion f : E . K -espacios vectoriales es lineal. z ) c) h : R2 . 1) = = ((x1 + y1 ) + (x2 + y2 ) (x1 . 1 f (v ) + f (w) = (x1 + y1 x1 . © Edicions UPC. 1)) = = ((x1 + x2 ) + (y1 + y2 ) (x1 + x2 ) . y1 z1 . 1) + (x2 + y2 x2 . y z .! R3 tal que f (x y z ) = (x + y x . se veri can los axiomas: a) 1) sean v = (x1 y1 z1 ) v + w = (x1 + x2 y1 + y2 z1 + z2 ) f (v + w) = ((x1 + x2 ) + (y1 + y2 ) (x1 + x2 ) . 1) b) g : R3 .! F con E F . y2 ) (z1 . 2000. si y solo si 1) 2) 8v w 2 E f (v + w) = f (v) + f (w) 8v 2 E 8 2 K f ( v) = f (v) w = (x2 y2 z2) . 2000. . y1 ) + (x2 . 1) + (z2 .! R3 tal que h(x y ) = (x + k y + k x + y ) con k 2 R Determinar si son o no lineales. entonces comprobemos si. y2 z2 . 2)) = 6 6 = f (v + w ) © Los autores.Aplicaciones lineales 51 Cap tulo 4 Aplicaciones lineales 1. (y1 + y2 ) (z1 + z2 ) . (y1 + y2 ) (z1 + z2 ) . para cada caso.! R2 tal que g (x y z ) = (x + z y . Consideremos las aplicaciones entre R -espacios vectoriales siguientes: a) f : R3 .

entonces 8 2 R v = ( x y ) h( v ) = ( x y x + y ) h(v ) = (x y x + y) = ( x y (x + y )) = ( x y x + y) = h( v ) luego. z1) = ( (x1 + z1 ) (y1 . Observacion: Sean E y F dos espacios vectoriales sobre K de dimensiones ( nitas) n y m respec. para que h(v + w) = h(v ) + h(w) . . entonces 8 2 R v = ( x1 y1 z1) g ( v ) = g( x1 y1 z1 ) = ( x1 + z1 y1 . f (v ) = f (x1 : : : xn) = w = (y1 : : : ym ). © Edicions UPC. Problemas resueltos w = (x2 y2 z2) . © Los autores. z1 ) + (x2 + z2 y2 . y una aplicacion f : E =) F . c) 1) Sean v = (x1 y1 ) w = (x2 y2) . z1 )) = = ( x1 + z1 y1 . z2 )) = = ((x1 + x2 ) + (z1 + z2 ) (y1 + y2 ) . 2000. z1 ) g(v) = (x1 + z1 y1 . h es lineal si y solo si k = 0. (z1 + z2 )) = g (v + w) 2) Sea v = (x1 y1 z1 ). z2 ) = = ((x1 + z1 ) + (x2 + z2 ) (y1 . Nota: no hace falta probar 2 para k 6= 0 ya que de todos modos la aplicacion no ser a lineal. es decir 2) Sea pues k = 0 y sea v = (x y ). es necesario y su ciente que 2k = k . z1 ) = g ( v ) luego. z1 ) + (y2 . (z1 + z2 )) g(v) + g(w) = (x1 + z1 y1 . no puede ser lineal. 2000. (y no hace falta probar 2) b) 1) sean v = (x1 y1 z1 ) Algebra Lineal.52 luego. g es lineal. entonces v + w = (x1 + x2 y1 + y2 ) h(v + w) = ((x1 + x2) + k (y1 + y2 ) + k (x1 + x2 ) + (y1 + y2)) h(v ) + h(w) = (x1 + k y1 + k x1 + y1 ) + (x2 + k y2 + k x2 + y2 ) = = ((x1 + k) + (x2 + k) (y1 + k) + (y2 + k) (x1 + y1 ) + (x2 + y2 )) = = ((x1 + x2 ) + 2k (y1 + y2 ) + 2k (x1 + x2 ) + (y1 + y2 )) k = 0. entonces v + w = (x1 + x2 y1 + y2 z1 + z2 ) g (v + w) = ((x1 + x2 ) + (z1 + z2 ) (y1 + y2 ) .

am : : : am 1 n esto es cada la de la matriz esta formada por los coe cientes del polinomio correspondiente. C . tenemos el sistema f (e1 ) + 2f (e2 ) + 3f (e3 ) = 6e1 + 4e2 + 31e3 > = 2f (e1 ) + f (e3 ) = 3e1 + 6e2 + 12e3 > f (e2 ) = e2 + e3 © Los autores.Aplicaciones lineales 53 con xi e yi las coordenadas de los vectores v 2 E y w 2 F respecto a bases de E y F previamente escogidas. : : : . A A = B . © Edicions UPC. Sea f : R3 .. 9 Solucion: Si fe1 e2 e3 g es la base natural. ym = 1 n am x1 + : : :am xn .. 2000. 9 . 2. para dar la matriz de f en dicha base necesitamos conocer f (e1 ) f (e2 ) f (e3 ) expresados en la base natural (1 2 3) = e1 + 2e2 + 3e3 f (1 2 3) = f (e1 + 2e2 + 3e3 ) = f (e1 ) + 2f (e2 ) + 3f (e3) = = (6 4 31) = 6e1 + 4e2 + 31e3 Analogamente se tiene que f (2 0 1) = 2f (e1 ) + f (e3 ) = 3e1 + 6e2 + 12e3 f (0 1 0) = f (e2 ) = e2 + 2e3 es decir.! R lineal. 2000. @ . y la matrriz de la aplicacion en las bases dadas es 1 n 0 a1 : : : a1 1 1 n . f es lineal si y solo si las coordenadas yi son polinomios homogeneos de grado 1 en las variables x1 : : : xn : y1 = a1 x1 + : : :a1 xn . de la cual se sabe que f (1 2 3) = (6 4 31)> = f (2 0 1) = (3 6 12)> f (0 1 0) = (0 1 2) Hallar la matriz de f en la base natural.

1 1 .. despejando f (e1 ) f (e2 ) f (e3) .1 A 3 1 0 2 5 .1 ? R3i . tenemos 3 f (e1 ) = 3 e1 + 16 e2 + 9 e3 = ( 5 16 9 ) 5 5 5 5 5 f (e2 ) = e2 + 2e3 = (0 1 2) 9 2 9 f (e3 ) = 5 e1 . 2000. y jando la natural en el espacio de llegada. Problemas resueltos que.1 = @ 2 1 3 0 6 1A 31 12 2 1 La matriz de paso de la base fe1 e2 e3 g a la base fv1 v2 v3 g es 2 0 .5 C A 9 5 42 5 Puesto que (1 2 3) (2 0 1) (0 1 0) son independientes forman una base fv1 v2 v3 g de R3 . © Edicions UPC. la matriz de la aplicacion en estas bases es 06 B =@4 01 S .1 0 2 0 1 A = 5 @ 3 0 . Fijando esta base en el espacio de partida. . B R3i v .4 0 1 y tenemos el diagrama : S . 2 42 ) 5 5 5 luego.. 5 e2 + 42 e3 = ( 5 .! e x ? R3i e © Los autores.54 Algebra Lineal. 2000. la matriz sera 03 5 B 16 A=B5 B @ Otra forma de resolver el problema: 9 5 0 1 2 1 C 2C .

f (v + w) = f (x1 + x2 y1 + y2 z1 + z2) = = ((x1 + x2 ) . 2y2 z2 + y2 ) = f (v ) + f (w) 8 2 R sea v = (x y z) f ( v) = f ( x y z) = ( x . 2y ) (z + y )) = (x . 2y1 ) + (x2 . 2y1 z1 + y1 ) + (x2 . 2 y z + y) = = ( (x . Solucion: Veamos la linealidad: Sean v = (x1 y1 z1 ) w = (x2 y2 z2 ) . © Edicions UPC. 2y z + y) es lineal. en efecto es lineal.1 = B 5 B @ 9 5 0 1 2 1 C . 2(y1 + y2 ) (z1 + z2 ) + (y1 + y2 )) = = ((x1 .Aplicaciones lineales Luego 03 5 B 16 A = BS . Encontrar una base de Kerg y otra de Imf . lo que implica que Imf esta contenido en Kerg entonces dim Imf dim Kerg .! R2 de nida por f (x y z) = (x . 2000. 2000. 2y 2 + y ) = f (v ) luego. Demostrar que la aplicacion f : R3 . entonces para todo x 2 E se tiene g (f (x)) = 0 . 2y2 ) (z1 + y1 ) + (z2 + y2 )) = = (x1 . . lo que equivale a decir rango f + rango g n (ya que dim kerg + rango g = n ) 4. © Los autores. Hallar su matriz en las bases naturales y su rango. Sea E un espacio vectorial sobre K de dimension n > 1 >Que desigualdad veri can los rangos de dos endomor smos f g de E tales que g f = 0 ? Solucion: Si g f = 0 .2 C 5C A 9 5 42 5 55 3.

De hecho. Un endomor smo f 2 L(E2) tiene por matriz en la base fe1 e2g de E2 a 2 A = .1). 2 = 1 una base de Imf puede ser f(1 0) (0 1)g determinemos ahora una de Kerf v 2 Kerf si y solo si f (v) = 0 . es un vector cuyas coordenadas son polinomios homogeneos de grado 1 en las variables del vector inicial. 2y = 0 y + z = 0g y una base puede ser: tomando y = 1 las componentes x z son: x = 2 z = . rango A = 2 = dim Imf = R2 (= numero de vectores columna de A que son dim Kerf = 3 . © Edicions UPC.2 0 0 1 1 0x1 @ y A = xy. 2000.3 2 © Los autores. calculando la imagen de los vectores de la base natural de R3 f (1 0 0) = (1 0) f (0 1 0) = (. 2zy + z = 0 0 Por lo tanto Kerf = f(x y z )=x . 5.1 y el vector de la base es (2 1 . . La matriz de la aplicacion viene dada por los coe cientes de dichos polinomios.56 Algebra Lineal. los dos primeros apartados y segun la observacion del problema 1 podemos resolverlo de la manera: f es lineal ya que la imagen de un vector dado en coordenadas.2 0 0 1 1 linealmente independientes). rangof = 3 . Sea pues (x y z) 2 Kerf entonces 1 . 2000. Problemas resueltos Hallemos la matriz de la aplicacion.3 .2 1) f (0 0 1) = (0 1) por lo tanto A = 1 .

. e1 Solucion: Tenemos el diagrama 'B ? y 'A ? ? R2 .1? Ay f '. B ! R2 .. 2000.1 2 1 2 1 A Necesitamos conocer S .3 2 1 2 1 2 . 1 = . x) © Los autores.1AS La relacion entre ambas matrices es siendo S = '.1 'B la matriz cambio de base que para la base fe1 e2 g A 01 2 S=@ 1 2 .1 1 1 2 ..3 . Sea f : R2 .1 1 1 1 S . .! R3 una aplicacion lineal de nida por f (x y) = (2x . A ! R2 . ! E2 . B = S . 2000..1 y por lo tanto 1 B = .. © Edicions UPC. y x + y 2y . '. ? x E2 ..1? B? x ? R2 .Aplicaciones lineales 57 Hallar su matriz en la base fe01 e02 g dada por 2e01 = e1 + e2 2e02 = e2 . 1 = .1 0 2 1 0 5 2 6.

A ! R3 .1) (. luego la matriz de f en las bases naturales es 0 2 . luego 0 @ 1 2x ..1 1 2)] c) Tenemos el diagrama: R2vig . 2000. y la dimension de Kerf y de Imf . f f © Los autores. © Edicions UPC.1 1 2) . 3 )v2 ). y = 0> 2 .1 ? ? y . c) Dar la matriz de f en las bases fv1 v2 g . B ! R3uig ..1 2 . Problemas resueltos a) Dar la matriz de f en las bases naturales de R2 y R3 respectivamente calcular f (3 1 ) .2 b) Kerf = f(x y ) 2 R2 =f (x y ) = 0g . S? ? R2 .. x T . dim Kerf = 2 y Imf = (2 1 .x + 2y = 0 9 Sistema compatible y determinado luego Kerf = f(0 0)g y dim Kerf = 0 .1 2 2 . siendo v1 = (2 1) v2 = (0 3) 1 Calcular f ( 1 v1 + (.1 x = ( 0 0 0 ) ) x + y = 0= 1 1A y > .1 1 A = @ 1 1A y .58 Algebra Lineal.1 2 0 11 1 0 1 1 ) = @ 2 .. fu1 u2 u3g .1) f (0 1) = (. por lo tanto dim Imf = dim R2 . 2000. 2 b) Dar una base. 2 u1 = (1 1 1)> = u2 = (2 0 1)> u3 = (0 0 2) 9 Solucion: a) f (1 0) = (2 1 .1 A 3 = @ 27 A f (3 2 1 1 1 2 .

Solucion: Consideremos el diagrama © Los autores.1 2 1 2 0 la matriz de paso de la base fv v g a la natural y T = 1 2 1 3 0 1@ 1 y por lo tanto 0 B = T . 13 u = ( 11 7 .2 3 = 7 u1 + u2 . que Imf Img . .1 .2 0 A . si hacemos 3 3 0 .3 A .1 0 0 A la matriz de paso de la base fu1 u2 u3 g a la natural.Aplicaciones lineales 59 siendo 01 2 @1 0 1 1 S = T .! G g : F . y sean f : E .3 A . 13 u3 2 4 1 observamos que 3 v1 + (.3 3 2 1 3 3 3 2 0 . 1 = 2 3 3 3 . Demostrar que es condicion necesaria y su ciente para que exista al menos una aplicacion h : E . 2000. Necesitamos 2 0 4 0 T . 1 v2)) = @ 1 0 @ 7 2 .! F tal que g h = f .! G dos aplicaciones lineales.2) 2 1 2 4 3 2 2 0 f ( 3 v1 + (. Sean E F G tres K -espacios vectoriales (de dimension nita).1 = 4 2 . 13 4 1 1A = luego 7.1AS = @ nalmente. 1 (0 3) = (3 1 ) 2 2 3 2 7 u + u . 2000. 3 )v2 = 3 (2 1) . © Edicions UPC.

c) Probar que DM .! R x] mediante D(P (x)) = P 0 (x) polinomio derivado. !F ? . 8.. tal Dado x 2 E . MD = I . Consideremos Kerg que F = Ker g F1 .60 Algebra Lineal. y1 2 Kerg . vamos a de nir h(x) . © Edicions UPC. es decir. Solucion: © Los autores. 2000. Sea y 2 Imf existe pues x 2 E . Sea R x] el espacio de los polinomios a coe cientes reales. tal que f n = 0). Luego g (y ) = g (y2 ) . Problemas resueltos E. existe z 2 F que g (z ) = y . tal que f (x) = y si g h = f se tiene g (h(x)) = f (x) = y . Imf Img . DM . y 2 Kerg . b) >Es D nilpotente? (diremos que f 2 L(E ) es nilpotente si existe n 2 N .. se tiene que y2 . f? g y G Veamos que la condicion es necesaria. Por lo tanto. . De nimos D M : R x] . y2 2 F1 . 2) M (P (x)) = xP (x) 1) a) Probar que D y M son lineales. y2 2 Kerg \ F1 = f0g luego y2 = y2 . luego existe y 2 F tal que g (y ) = f (x) con y = y1 + y2 . d) Deducir de ello que (DM )2 = D2 M 2 . Veamos que la condicion es su ciente. h esta bien de nido. pues sean y = y1 + y2 y = y1 + y2 tales que g (y ) = g (y) entonces y . De nimos h(x) = y2 . (z = h(x)) . Sea f (x) 2 Imf Img . y 2 Kerg puesto que y2 . y2 2 F1 y y . tal h F y sea F1 F . 2000.

DM 9.! Rn x] entonces s que es nilpotente. implica que para todo p(x) 2 R x] . M (D(p(x))) = D(xp(x)) . 2000.Aplicaciones lineales 61 a) Veamos que se cumplen las dos condiciones D(p(x) + q (x)) = (p(x) + q(x))0 = p0(x) + q 0 (x) = D(p(x) + D(q(x)) D( p(x)) = ( p(x))0 = p0(x) = D(p(x)) luego D es lineal. Notese que R x] es de dimension in nita. D)M = D2 M 2 . De nimos una aplicacion f de E en C de la forma b f ( a d )) = a + d c © Los autores. Dn (q (x)) = Dn. . M (p(x) + q(x)) = x(p(x) + q(x)) = xp(x) + xq(x) = M (p(x)) + M (q(x)) M ( p(x)) = x( p(x)) = xp(x) = M (p(x)) luego M es lineal. Luego D no es nilpotente. b) Si existe n 2 N tal que Dn = 0 . es Dn p(x) = 0 Sea q (x) = an+1 xn+1 + : : : + a0 . © Edicions UPC. I )M = (D2 M . MD)(p(x)) = D(M (p(x))) . 8x 2 E f (x) = g (x). MD = I d) (DM )2 = (DM )(DM ) = D(MD)M = D(DM .1(D(q(x)) = Dn. M (p0(x)) = p(x) + xp0(x) . 2000. y que si nos restringimos a DjRn x] : Rn x] . pues Dn+1 = 0 c) Dadas f g 2 End(E ) entonces f = g . Sea E el espacio de las matrices cuadradas a coe cientes en C de orden 2. en nuestro caso: (DM . con an+1 6= 0.1(an+1 (n + 1)xn + : : : + a1 ) = = : : : = an+1 (n + 1)! 6= 0 contradiccion. xp0 (x) = p(x) = I (p(x)) luego DM .

2000. entonces c 0 a + b0 c 0 b + b0 BA = a0 a + d0c a0 b + d0d c c d 0 + bc0 0 + bd0 AB = aa0 + dc0 ab0 + dd0 ca cb f (AB ) = aa0 + bc0 + cb0 + dd0 = a0 a + b0c + c0b + d0d = f (BA) c) Puesto que f (AB ) = f (BA) se tiene que f (AB . para todo A B 2 E es AB . Algebra Lineal. para f (a b c d) = a + d y ahora podemos aplicar la observacion dada en el problema 1. e2 = 00 E y 1 para C. Otra forma: escogidas bases e1 = 1 0 . la aplicacion se expresa: 01 00 . 6 © Los autores. pero f (I ) = 2 6= 0 luego. BA = I d) Dar una base de Ker f . BA) = 0. se tiene f (AB ) = f (BA). 2000. para todo A B 2 E se tiene que AB . b b) Sean A = a d c 0 b0 B = a0 d0 . Si I = AB . . Problemas resueltos b) Probar que si A B son dos elementos cualesquiera de E . © Edicions UPC. e4 = 00 01 .62 a) Probar que f es lineal. BA para unas ciertas matrices A B se tendr a I 2 ker f . Solucion: b a) Sean A = a d c 0 b0 A0 = a0 d0 c 0 b + b0 f (A + A0 ) = f ( a + a0 d + d0 ) = a + a0 + b + b0 = c+c = a + d + a0 + d0 = f (A) + f (A0 ) b f ( A) = f ( a d ) = a + d = (a + d) = f (A) c luego f es lineal. BA 2 ker f . e3 = 00 10 . o sea que. c) Demostrar que es imposible encontrar dos elementos de E tales que AB . BA = I .

2p = I . © Edicions UPC. Diremos que p 2 End(E ) es un proyector si y solo si p2 = p . .Aplicaciones lineales 63 (Comparar dicho resultado con el hallado en el apartado c. (a) por ser p proyector ( ) Puesto que (I . I . p2 = p b) Sea x 2 E . p(x)) = p(x) .d luego c b 0 A = a d = a 1 . p(x) se tiene que p(x .1 + b 0 1 + c 0 0 = aA1 + bA2 + cA3 c 0 0 0 1 0 A1 A2 A3 2 ker f . Sea E un espacio vectorial sobre K . 10. pI = I 2 + p2 . p(x) 2 Imp + Kerp . p tambien lo es. p . p = 0 . ) E Imp + Kerp E ) Imp + Kerp = E © Los autores. p)2 = I . p . generan ker f y son linealmente independientes. p(x) 2 Kerf . b d) Si A = a d 2 ker f es a = . Consideremos x . 2000. cuerpo conmutativo de caracter stica distinta de dos. 2p (=) I + p . Ip . se tiene que I + p2 . x = p(x) + x . luego si a p es proyector I . del problema anterior). p2 (x) = p(x) . comprobar que p1 + p2 es proyector si y solo si p1 p2 = p2 p1 = 0. b) Comprobar que: p es proyector ) Imp Kerp = E c) > Es cierto el rec proco de b? d) Si p1 p2 son proyectores. p(x) = 0 luego x . Solucion: a) ) ) (I . 2p = I . p)2 = I 2 + p2 . luego son base de ker f . luego p2 . a) Comprobar que: p es proyector . p . Obviamente. es decir. p es proyector. 2000.

luego R2 = Imf 2 0 2 = 4 0 6= 2 0 . 0 0 0 0 0 0 2 0 .(p1 p2 ) p1 1 y componiendo esta ultima igualdad por p1 por la derecha tenemos (p1 p2 ) p1 = .p1 p2 p1 ) 2p1 p2 p1 = 0 () p1 p2 p1 = 0 por lo que a) p1 p2 = . luego f no es proyector.(p1 p2 ) p1 luego p1 p2 p1 = . Sin embargo. luego 0 = p(x) = p2 (y ) (=) p(y ) = x .64 Algebra Lineal.p1 p2 p1 = 0 © Los autores. a Entonces E = Imp Kerp (a) por ser p proyector c) Consideremos E = R2 y f tal que su matriz en la base natural sea Se tiene Imf = (1 0)] Kerf = (0 1)] .p1 (p2 p1) p1 p2 = p2 p2 = . luego Imf = Kerf y no pueden formar sumar directa pero dim Imf + dim Kerf = 1 + 1 = 2 = dim R2 d) Sean p1 p2 proyectores. 0 0 Kerf . Para ello veamos un ejemplo: Sea R2 y f tal que en la base natural sea 0 1 0 0 Tenemos Imf = (0 1)] y Kerf = (0 1)] . © Edicions UPC. por lo tanto p1 (p1 p2 ) = . . pero esto no implica E = Imf Kerf .(p1 p2 ) (p1 p1 ) = . Problemas resueltos Veamos que la suma es directa: sea x 2 Kerp \ Imp se tiene p(x) = 0 y existe y 2 E .p2 p1 . 2000. Nota: En un espacio de dimension nita E se tiene siempre que dim E = dim Imf + dim Kerf para todo f 2 EndE . 2000. tal que p(y) = x . Si p1 + p2 es proyector ) (p1 + p2 )2 = p1 + p2 pero (p1 + p2 )2 = p2 + p2 + p1 p2 + p2 p1 = p1 + p2 + p1 p2 + p2 p1 1 2 luego p1 p2 + p2 p1 = 0 luego p1 p2 = .((p1 p2 ) p1 ) p1 = .

se tiene (p1 + p2 )2 = p2 + p2 + p1 p2 + p2 p1 = p1 + p2 1 2 luego p1 + p2 . 2 1 1 (En efecto.1 4 3 1 1 © Los autores. 2000. Solucion: a) Es posible hallar f (u4 ) ya que fu1 u2 u3g forman base de R3 .1) f (u2 ) = (4 1) y f (u3 ) = (3 1) . d) Determinar una base de Kerf . . 2000. (a) aqu es donde interviene la hipotesis de carac K 6= 2 11.1 6) vectores de R3 y sea f : R3 . a) >Es posible determinar f (u4 ) ?.! R2 una aplicacion lineal de la que conocemos f (u1 ) = (1 .Aplicaciones lineales 65 luego p1 p2 = p2 p1 = 0.1 1 .2 = 6 6= 0 ) . es un proyector. © Edicions UPC. f sera exhaustiva en caso de que dim Imf = 2 . y rec procamente.1 1) u2 = (1 1 0) u3 = (1 . si p1 p2 son proyectores y p1 p2 = p2 p1 = 0 . por lo tanto 1 0 3 u4 = au1 + bu2 + cu3 y f (u4) = af (u1 ) + bf (u2 ) + cf (u3 ) b) f no puede ser inyectiva. Veamos si es as : la matriz de f en la base fu1 u2 u3 g de R3 y la natural de R2 es 1 A = .2 3) u4 = (6 . dim Imf 3 . Sean u1 = (2 . 2 = 1 6= 0 ( dim Imf 2 puesto que Imf R2 ) . >Por que? b) La aplicacion f >sera inyectiva? >sera exhaustiva? c) Calcular la matriz de f en las bases naturales de R3 y R2 respectivamente. . ya que dim Kerf = dim R3 .

1 4 3 1 1 0 B B B @ 3 1 2 1 6 C A B B B @ 1 6 5 6 1 6 20 6 3 2 1 2 1 2 . A ! R2 u .ax + ay + z ) es un automor smo.1 4 1 0 1 Algebra Lineal.66 1 y rango A = 2 = rango .1 B @ B 1 . 2000.1 1 2 1 2 1 2 . © Los autores. S? y ? R3i e A0 S es la matriz de cambio de base de fu1 u2 u3g a la natural fe1 e2 e3g .1 . © Edicions UPC.x + 3y + 3z = 0 Sistema compatible indeterminado de rango = 2 cuyo conjunto de soluciones es 3 15 Kerf = f(x y z ) 2 R3=y = .1 2 3 3 2 1 A d) Kerf = f(x y z ) 2 R3 =f (x y z ) = 0g 02 10x1 20 3 3 6 @ . .1 con 0 2 1 11 0 2 . y A0 = AS . Problemas resueltos 3 = rango 1 0 0 = 1 .1 5 4 0 0 c) La matriz de f en las bases naturales sera R 3 i .1 6 C C C A .1 2 5 6 1 6 .1 1 = rango .1 = C 0 1 1 A0 = . 2 C y S . 16 z x = 16 z g = (3 15 16)] 12... az ax + y + z . 2000. Encontrar los valores de a para los cuales el endomor smo de R3 dado por f (x y z) = (x + ay .1 2 3 2 3 2 A@y A = z 0 0 4x + 20y + 18z = 0 . 1 6 02 C C=@ 3 C A .1 1 1 2 2 S = B .

en cualquier base. . 2)(a + 1 + 2) . Busquemos pues la matriz de f en la base natural (por ejemplo). Sea la matriz 00 A = @0 2 1 0 3A 0 0 0 1 asociada a la aplicacion lineal f de nida sobre R3 respecto la base natural. f (1 0 0) = (1 a .a 1 A = @ a 1 1A .Aplicaciones lineales 67 Solucion: f sera automor smo si el determinante de su matriz asociada. b) Hallar una base de R3 para la cual la matriz de f en dicha base sea 00 B = @0 1 0 0 1A 0 0 0 1 Solucion: © Los autores.a a p 1 y det A = 1 . a) Hallar los subespacios Im f y Ker f . 2000.1 .a) f (0 1 0) = (a 1 a) f (0 0 1) = (. luego det A 6= 0 si y solo si a es distinto de p p . a3 = . es distinto de cero. 2000. 2 p 13. © Edicions UPC.(a + 1)(a + 1 .1 + 2 . a . 3a2 .1 .a 1 1) luego 0 1 a .

k)x + (2k . 1)y kz) © Los autores. Se considera la aplicacion fk : R3 . ya podemos a rmar que Kerf = (1 0 0)] b) Buscamos v1 = (x1 x2 x3 ) v2 = (y1 y2 y3 ) v3 = (z1 z2 z3 ) tales que formen base. 2000. Problemas resueltos = (0 0 0) (2 0 0) (1 3 0)] = (2 0 0) (1 3 0)] Kerf = fx 2 R3=f (x) = 0g 00 2 110x1 001 ) 2y + z = 0 @0 0 3A@y A = @0A . 2000. 1)y 2(1 .! R3 de nida por fk (x y z) = ((2 . 3z = 0 0 0 0 z 0 ) Kerf = (1 0 0)] De hecho.68 a) Recordando la de nicion de Im f y de Ker f : Algebra Lineal. y si 0 1 Imf = fy 2 R3 =9x 2 R3 con f (x) = y g = = f (1 0 0) f (0 1 0) f (0 0 1)] = S= entonces SB = AS @ x1 y1 z1 A 2 2 2 x3 y3 z3 x y z 0x y z 100 @ x1 y1 z1 A @ 0 2 2 2 x3 y3 z3 por lo tanto 1 0 0 1A = 0 0 0 1 00 @0 2 1 x y z A @ x1 y1 z1 A 0 3 2 2 2 0 0 0 x3 y3 z3 10 1 y podemos tomar: x2 = x3 = y3 = 0 9 > > 2y2 = x1 = 3z3 = y2 > > 2z2 + z3 = y1 v1 = (6 0 0) v2 = (1 3 0) v3 = (0 0 1) 14. . observando la matriz A que es de rango 2 y la primera columna es identicamente nula. © Edicions UPC. k)x + (k .

2000. si k 6= 0. demostrar que la matriz Mk puede ponerse de la forma Mk = A + kB donde A y B son dos matrices a determinar. k) 2k .1 Mk = @ 2 .1 0 A + k @ .1 0 A @ y A = @ 0 A ) 2x .1 0 1 0 x 1 0 0 1 @ 2 .2 0 0 0 1 0 2 0 A = A + kB 0 0 1 1 2 Mk = (A + kB )2 = A2 + k2 B2 + kAB + kBA . 1 0 A 0 0 k b) Observamos que det Mk = k2 .1 0 A 0 0 0 y el Kerf0 es: z 0 0 0 Luego Kerf0 = (1 2 0) (0 0 1)] c) 0 2 . y = 0 0 0 2 . 2000. es rangofk = 3 y. 1) 6= 0 . . 1 2k . luego. k) 0) f (0 1 0) = (k . 1 0) f (0 0 1) = (0 0 k) luego 0 2.Aplicaciones lineales 69 a) Determinar la matriz de fk asociada a la base natural de R3 b) Determinar Kerfk c) Supuesto k(k . © Los autores. k 2(1 . Kerfk = f0g Sea pues k = 0 0 2 . por tanto.1 0 1 M0 = @ 2 .1 01 Mk = @ 2(1 . © Edicions UPC.k k .1 0 1 0 . y dar la expresion de 2 n Mk en funcion de A B y k y deducir de ello una expresion para Mk Solucion: a) f (1 0 0) = (2 .

2000.2 2 0 A = @ .1 B) = = A2 + kn. y por lo tanto.1 0 A @ .1 0 + k0 + kn B = A + kn B Nota: si k = 0 . y vale p(x) = a polinomio constante. luego p0 (x) = (a)0 = 0 .1 = Mk (A + kn. supuesto cierto para n . Luego a = 0 y p(x) = 0 . luego p(x) = p0 (x) . Y si k = 1. © Los autores.2 0 0 1 0 0 1 0 0 2 .1B veamoslo para n : n n Mk = Mk Mk .1 B) = (A + kB)(A + kn. Solucion: Sea p(x) 2 Kerf ) f (p(x)) = grado p0 (x) grado p(x) .1 0 1 0 . si y solo si grado p(x) = 0 .1 = A + kn.1 0 A = @ 0 0 0 1 0 0 0 1 2 n luego. Pero la igualdad.1 1 0 1 0 2 .1 0 A = A 0 0 0 0 0 0 0 0 0 1 2 0 0 0 0 0 0 0 0 0 0A = B 1 1 0 0A = 0 0 1 0 0A = 0 0 0 .2 2 0 A = @ 0 0 0 0 0 0 1 0 0 .1 0 1 A2 = @ 2 .1 0 1 0 2 . y por tanto no tendr a por n que ser AB = BA = 0 . Sea Rn x] el espacio vectorial de los polinomios de grado menor o igual que n . Demostrar que existe f .1 0 A @ 2 . .2 2 0 A @ . 15.1 0 1 0 0 BA = @ .1 1 0 1 0 .1 0 1 0 2 . p0 (x) .1 . 2000. Mk = I y Mk = I .1 1 0 1 0 0 AB = @ 2 . y que se puede poner en funcion del operador D . © Edicions UPC.2 2 0 A @ 2 . p0(x) . por induccion se concluye que Mk = A + kn B .70 Observamos que Algebra Lineal.1 AB + kBA + kn B 2 = A + kn. entonces B podr a ser cualquier matriz. si bien la expresion hallada tiene sentido.1 0 A = @ 2 .1 1 0 1 0 . Mk = A + k2 B .! Rn x] siendo D el operador derivada: D(p(x)) = p0 (x) y f tal que f (p(x)) = p(x) . 1 : Mk . Consideremos los endomor smos f D : Rn x] .1 B 2 = @ . veamoslo: n Es valido para n = 1 . pero 0 = p(x) . Problemas resueltos 0 2 .

.1 = 0 y f . 1 )D2 + por lo tanto 1 Dn+1 = n ( n . © Edicions UPC. n.Aplicaciones lineales 71 Por lo tanto. 2000. 0 0 = 1> > = 0= 9 > ) > i =1 i=1 n n . .1 f = ( 0 D0 + : : : + n Dn ) (I . 2000. existe f .1)Dn.1 se puede poner en funcion de D esta ha de ser: f . D + nDn ya que Dn+1 = 0 I = f . = 0 I + ( 1 .1 = D0 + : : : + Dn . 0 )D1 + ( 2 . © Los autores. f es inyectiva y toda aplicacion lineal inyectiva de un espacio vectorial de dimension nita en s mismo es exhaustiva.1 . 0 D1 . y por tanto.1 f = I Notar que: f = I . n.1 = 0D0 + y ha de cumplirse que f .1 . D) = = 0 D0 + : : : + n Dn . Si f .

. Dadas las permutaciones s = (4 3 1 2) t = (1 2 4 3) . Solucion: Recordando que s = (a b c d) signi ca s(1) = a .1 (1) = i s.Determinantes 73 Cap tulo 5 Determinantes 1.1 (4) = i s(i) = 1 s(i) = 2 s(i) = 3 s(i) = 4 t(i) = 1 t(i) = 2 t(i) = 3 t(i) = 4 luego luego luego luego luego luego luego luego © Los autores. 2000. determinar las permutaciones s t t s s. 2000.1 . © Edicions UPC. as como el signo de cada una de ellas. s(2) = b .1 (1) = i t.1 (3) = i t.1 (3) = i s.1 (4) = i t. s(4) = d .1 = (1 2 4 3) i = 4> > i=3 s.1 = (3 4 2 1) i = 2> > i=1 i = 19 > > i = 2= t. tenemos s s s s t t t t De De De De De De De De t(1) = s(t(1)) = s(1) = 49 > = t(2) = s(t(2)) = s(2) = 3> t(3) = s(t(3)) = s(4) = 2> > t(4) = s(t(4)) = s(3) = 1 s(1) = t(s(1)) = t(4) = 39 > = s(2) = t(s(2)) = t(3) = 4> s(3) = t(s(3)) = t(1) = 1> > s(4) = t(s(4)) = t(2) = 2 tenemos tenemos tenemos tenemos tenemos tenemos tenemos tenemos s t = (4 3 2 1) t s = (3 4 1 2) i = 39 > > i = 4= s.1 t.1 (2) = i t.1 (2) = i s. s(3) = c .

1) = 1 (.1 "(t.74 Algebra Lineal.1 (.1 ) = "(s) = . 2000. 2000. Hallar el valor del determinante jAj = 0 1 1 1 0 1 3 1 2 Solucion: Recordando la de nicion de determinante: si A = (ai ) detA = j se tiene X s "(s)as1 as2 as3 1 2 3 jAj = +3 1 1 + 0 0 2 + 1 1 1 . © Edicions UPC. . Problemas resueltos Veamos cual es el signo de cada una de estas permutaciones N (s) = 3 + 2 = 5 luego s es impar : N (t) = 1 luego t es impar : "(st) = "(s) "(t) = (. 3 0 1 .1) "(s.1) "(ts) = "(t) "(s) = (.2 4 5 jAj = 2 0 . 1 1 2 .1 " (s) = .1 ) = "(t) = . 0 1 1 = 3 + 1 .3 © Los autores.5 2 1 3 1 2 2 5 2 . Hallar el valor del determinante 3 .1) = 1 2. 2 = 2 3.1 " (t) = .

1 2 1 3 2 2 5 2 . Por ejemplo. Pasemos pues al calculo de jAj jAj = + 3 .1):(.3 (4) (1) 3 .2 5 2 + 3 . Cada factor tendra dos las cuya ordenacion sera una permutacion de f1 2 3 4g .2 (2) 2 0 . 2000.1 2 5 4 + 2 0 4 . extra dos de A de manera que las dos columnas del primer factor se correspondan con la primera y segunda columnas de A y las dos columnas del segundo factor se correspondan con la tercera y cuarta columnas de A . c) Obteniendo \a priori"ceros en una l nea y desarrollando luego por los elementos de esta (reduccion del orden).3 . Por ejemplo (1) 3 . Solucion: a) 3 .3 (1) (2) (3) (4) Hay que formar sumas de productos de determinantes 2 2 . de la primera la.Determinantes 75 a) Por la regla de Laplace. por ejemplo.1 2 (3) 2 . 11(.2 4 5 5 jAj = 2 0 . 2 0 .1) . .3 (4) etc. b) Por los elementos de una l nea.19) + 19:12 + 6(.1 2 . © Edicions UPC. el signo del primer sumando anterior es el signo de la permutacion (1 2 3 4). El signo de cada sumando sera el signo de la correspondiente permutacion de las. . por los menores de las dos primeras columnas.3 2 5 .2 5 2 + 2 3 1 3 2 . el de la permutacion (1 3 2 4).2 (3) 1 3 5 2 (2) 2 . por ejemplo. 3 .22) .1 5 + 1 3 4 5 = 1 3 2 2 5 2 2 5 5 2 = 4(. 10:13 + (. y el del segundo. que es . que es + .17) = 188: © Los autores.2 2 0 . 2000.

3 substituimos la la c por c . como en la segunda columna hay un cero.7 0 12 19 2 Desarrollando pues por la segunda columna tenemos © Los autores. la la . 5 1 3 .! 2 5 2 .1 2 3 1 2 1 1 2 5 2 .! . 160 . (.! .! .! 3 .2 4 5 . quedando 2 3 .3 2 5 2 = 3:117 + 2:41 .3 2 0 2 2 0 5 + 4 1 3 2 .7 0 .1 2 2 5 2 .2) 2 .4 0 . Por ejemplo.! .4 0 19 0 2 4 5 5 2 . . d .3 2 2 .2 2 0 . Problemas resueltos 3 . 85 = 188: c) Seguiremos un metodo que nos permite obtener el maximo numero de ceros en una l nea ( la o columna) a base de sumarle a dicha l nea una combinacion lineal de las restantes. a (combinacion lineal de las). es decir. 4:40 .3 d por d + 5 a .! 3 . 2000.! 2 0 5 2 . empleamos esta columna para rellenarla de ceros fila a fila b fila c fila d .3 2 5 2 . 5:17 = 351 + 82 .76 b) Algebra Lineal.1 = 2 5 .5 2 + jAj = 1 3 .2 4 5 2 0 5 2 = 3 0 . © Edicions UPC. por ejemplo. 2000. le sumamos a la la c las las a y d cambiadas de signo) fila a fila b fila c fila d substituimos.2 4 5 2 0 5 2 1 3 .5 2 .

.(.4 . © Edicions UPC.2) .1 n n 2 (Es el llamado determinante de Van der Monde). 1.4 . Solucion: Vamos a probarlo por induccion. Probar que x1 x2 Vn = : : : : : : ::: ::: 1 xn 1 1 para x2 1 x2 2 ::: ::: x2 n ::: ::: ::: ::: ::: xn. 2000.1 1 xn. 2000.Determinantes 77 . veamos que tambien lo es para n © Los autores.1 Y 2 ::: = (xj . x1 1 x2 Supongamos que es cierto para m = n . xi ) ::: 1 i<j n xn. Para n=2 V2 = 1 x1 = x2 .7 19 2 2 5 12 19 2 2 0 1 2 5 2 = 2 2 .7 0 = 188 19 24 19 4.

( b ) desarrollando por la primera la. 1 0 0 . x1 ) : : : : : : : : : : : : :3: : (d) 1 xn x2 : : : xn. 2000.. bc ab . bb) b(aa. xi ) ::: 1 i<j n ( a ) restando a la segunda columna la primera multiplicada por x1 la segunda por x1 . x2 x1 : : : xn.1 . x1 )(x3 . x1 xn. b a . x1 )(x3 . xn.1 . x1 xn n 1 xn n 1 : : : xn n x2 .2 x1 2 2 2 2 2 x3 .1 x3 .1 . y a la n-sima la (n-1)-sima por x1 . xn.2 2 2 1 x3 x2 : : : xn. xn. a bc ac . x2 x 1 x2 . b)(a . x1 x3 x3 . © Edicions UPC.2 x1 = 3 3 3 3 3 = ::: ::: ::: ::: ::: (c) xn .2x1 = 3 3 3 3 3 (a) (b) ::: ::: ::: ::: ::: 2 .78 Algebra Lineal. c) 1 1 = (a .2x1 1 xn . xn. ( d ) el determinante es el de Van der Monde de orden n-1.2 = 3 = (x2 .2 n n Y = (x2 . cc) = a. c) c b © Los autores.2x 2. este sale fuera. x2 x1 : : : xn. x2x1 : : : xn . x1 x2 . bc b =(a .1 = (xj . c (=) c(a .1 . x1 ) : : : (xn . x1 x2 . x1 ) : : : (xn . b)(a ... y a la tercera ( c ) si una la o columna esta multiplicada por un escalar. Problemas resueltos 1 0 0 0 ::: 0 n.x x 3 . . x1 x2 x3 .2 x1 n n n n n 1 x2 x2 : : : xn. x2 x1 : : : xn. xn. Calcular V = b+c c+a a+b bc ac ab 1 1 1 Solucion: V (=) b + c a . xn. c)(b . . 5. x1 x2 . x1 x3 x3 . x1 )Vn.1 . 2000.x x 3 . x1 x2 . x1 x2 1 2 x2 2 1 : : : x2 1 2 Vn = 1 x3 . x2 x n.

1 1 z z+1 sabiendo que z 2 C es tal que z5 = 1 y z 6= 1 Solucion: 4 = z z2 (z + 1) + 0 z 0 + 1 (.z)(.1) . . Calcular z . 2000.1 7. ( b ) desarrolllando por la primera la. 1 = (z .z 0 4 = 0 z 2 . © Edicions UPC. 0 (. z z (.1=0 z4 + z3 + z2 + z + 1 = 0 pero z 6= 1 z4 + z3 + z 2 + z + 1 = 0. 6.1) . 1 z2 0 . 2000. Calcular el determinante de orden n siguiente 2 1 An = 0 1 2 1 0 1 2 ::: ::: ::: ::: ::: ::: ::: 0 0 0 0 ::: 1 2 0 ::: 0 0 ::: 0 1 ::: 0 0 0 0 © Los autores. 1)(z 4 + z 3 + z 2 + z + 1) se tiene o luego z.z)(z + 1) = = z4 + z3 + z2 + z Ahora bien.Determinantes 79 ( a ) restando la primera columna a la segunda y tercera. puesto que 0 = z 5 . de donde 4 = .

2000.1 . 2000. .80 Algebra Lineal.2 = 2n .2 que nos permitira deducir el valor de An : tenemos que para n = 1 2 3 es A1 = 2 A2 = 3 A3 = 4 Supongamos pues que An. © Edicions UPC.1 . 1 2 0 0 ::: . Problemas resueltos Solucion: Desarrollando por la primera columna tenemos 2 1 0 An =2 : 1 : :2 : : 1 : : : : 0 0 0 2 1 0 =2 1 2 1 (a) : : : : : : : : : 0 0 0 =2An.1 = n veamos que An = n + 1 An = 2An. An. Sin efectuar el desarrollo.2 ::: ::: ::: ::: ::: ::: ::: ::: ::: ::: 1 1 0 0 0 0 0 0 ::: . (n . probar que 1 a b+c 4= 1 b c+a = 0 1 c a+b © Los autores. An. n + 1 = n + 1 luego An = n + 1 8. An. 1) = 2n . 1 2 0 0 ::: ::: ::: ::: ::: ::: = 0 0 0 ::: 1 2 2 1 0 ::: 0 0 1 :1 : :2 : :1 : : : : : 0 : : 0 : = : : : ::: : : 0 0 0 ::: 1 2 1 1 0 2 0 ::: 0 1 ::: 0 ( a ) desarrollando el segundo determinante por la primera la Luego tenemos la relacion de recurrencia siguiente An = 2An.1 .

Determinantes 81 Solucion: Sabemos que no se altera el valor de un determinante si a una l nea le sumamos una combinacion lineal de las demas. © Edicions UPC. 2000. 58752. . 2000. demostrar que D es tambien multiplo de 17. siendo D el determinante siguiente © Los autores. 39865. 64872.1 : : : : : : : : : = (n + x)x = 0 0 ::: x ::: 1 ::: 1 = ::: ::: ::: 1+ x (a) restando a cada columna. nos queda 1 a a+b+c 1 a 1 4 = 1 b b + c + a = (a + b + c) 1 b 1 (=) 0 1 c c+a+b 1 c 1 a ( a ) observando que hay dos columnas iguales 9. Calcular las ra ces de la ecuacion 1+x 1 4n = :1 : 1:+:x : : 1 1 ::: 1 ::: 1 ::: ::: ::: 1+ x Solucion: Sumando a la primera columna todas las demas tenemos n+x 1 4n = n:+:x 1 :+:x : : n+x 1 1 = (n + x) : 1 : : (a) 1 ::: 1 1 1 : : : 1 = (n + x) 1 1 + x ::: ::: ::: ::: ::: 1+ x 1 1 0 ::: 0 x ::: 0 n.n y x = 0 de multiplicidad n-1. la primera columna Luego las ra ces son x = . 10. a partir de la segunda. Sabiendo que 18887. Sumando a la tercera columna la segunda. 96526 son divisibles por 17.

2000. 8 9 8 4 6 8 8 7 8 5 8 6 5 7 2 7 5 2 2 6 Algebra Lineal. . © Edicions UPC.82 1 3 D= 5 6 9 sin calcular el valor del determinante. 2000. Problemas resueltos Solucion: Sabemos que 18887 = 17a9 > 39865 = 17b > > = 58752 = 17c > con a b c d 2 Z 64872 = 17d> > 96526 = 17e 1 D = 104 1 = 104 = 14 10 = 174 10 1 104 8 8 8 7 3 104 9 8 6 5 5 104 8 7 5 2 = 6 104 4 8 7 2 9 104 6 5 2 6 1 104 + 8 103 + 8 102 + 8 3 104 + 9 103 + 8 102 + 6 5 104 + 8 103 + 7 102 + 5 6 104 + 4 103 + 8 102 + 7 9 104 + 6 103 + 5 102 + 2 18887 8 8 8 7 39865 9 8 6 5 58752 8 7 5 2 = 14 64872 4 8 7 2 10 96526 6 5 2 6 a 8 8 8 7 b 9 8 6 5 17 c 8 7 5 2 = 104 D0 d 4 8 7 2 e 6 5 2 6 10 + 7 10 + 5 10 + 2 10 + 2 10 + 6 17a 8 17b 9 17c 8 17d 4 17e 6 8 9 8 4 6 8 8 7 8 5 8 8 7 8 5 8 6 5 7 2 8 6 5 7 2 7 5 2 2 6 7 5 2 = 2 6 = © Los autores.

1)6 1 2 = . se tiene que D = 104 D0 0 = 104 h y por tanto D = 17h D 11. 2000.1 a1j+1 ::: ::: ::: ::: ::: ::: ::: ::: ::: ::: ::: ::: ::: ::: ::: : : : a1n 1 ::: ::: C : : : ai.1)2 1 2 = .1 n C C : : : ai+1 n C C ::: ::: A : : : ann det A = 5 A11 = (.1)3 2 2 = 2 2 1 A32 = (. 2000. 0 a11 B ::: B det B ai.3 2 1 © Los autores.1)4 1 2 = .Determinantes 83 17 puesto que mcd(17 104 ) = 1 y D D0 2 Z .1 = det A (Aij ) Siendo Aji = (. Determinar la inversa de la matriz A = (aij ) 01 A = @2 Solucion: 2 2 1 2A 2 2 1 1 1 A.1)4 2 1 = 2 2 2 A13 = (.1)5 1 2 = 2 2 2 A33 = (. © Edicions UPC.3 2 1 A31 = (.1)4 2 2 = 2 1 2 A12 = (.1)3 2 2 = 2 2 1 A23 = (.3 2 1 A22 = (.1 1 B ai+1 1 B @ ::: an1 ai.1)i+j Nota: Aij = At ji Luego. .1)5 1 2 = 2 2 2 A21 = (.1 2 ai+1 2 ::: an2 a12 ::: : : : a1j .

© Edicions UPC. 2000.1 = 1 5 . .3 2 2 2 .3 2 2 2 . Problemas resueltos A.84 por lo que la matriz inversa es: Algebra Lineal. 2000.3 © Los autores.

2. Solucion: © Los autores. .t 2 1 Q(t) = 0 1 .t3 + 2t2 + 4t + 7 Nota Aii es el determinante del menor adjunto al elemento aii de la matriz A . Determinar el polinomio caracter stico de la matriz b ab ab a 0 a2 ab ab b2 1 2 2 A = B ab a2 a2 ab C @ ab b b ab A 2 2 dando sus ra ces. 1.t = . t 2 = 3 1 0.Diagonalizacion de endomor smos 85 Cap tulo 6 Diagonalizacion de endomor smos 1. (A11 + A22 + A33 )t + detA = = . 2000. 2000. Sea E un R-espacio vectorial y f un endomor smo de E cuya matriz en una determinada base fu1 u2 u3 g es 01 A = @0 2 1 1 2A 3 1 0 1 Hallar el polinomio caracter stico Q(t) .t3 + (trA)t2 . © Edicions UPC.

ab a2 . b 0 0 0 a2 . 2000... t)(a2 . t) y por lo tanto.2ab t = 0 b . ab t = a ab . b2 . 2 ((a + b)2 . t)2 ((a . b)2 ab . t b2 a2b. t) a b2 . 2ab . t 2 = = = = = ((a + b)2 . t a2 . b2 . 2 ((a + b)2 )(a2 . t 1 ab ab b2 2.. t)(a2 . b2 . ab a2b. © Los autores. ab . b)2 . ab . t) 1 a2b. 2ab . b2 = 2 0 ab .86 Algebra Lineal. © Edicions UPC. (a2 . ab t = 1 ab . t 0 0 a 2 . 2 + b2 ... t ab = 1 ab 1 ab ab a2 . b2 ) . Problemas resueltos (a + b)2 . ab = ((a + b) . t) 1 a b2 a2b.. t) 0 a b. b2 = 2 . t) 1 a2b. b2 . t 2 ((a + b)2 . t a2b. b2 ab . t 2 (a + b) det(A . demostrar que AB y BA tienen los mismos valores propios (siendo K un cuerpo conmutativo). t 2 ((a + b)2 . t)(a2 . t b2 . t ab ab a2 . . Solucion: En efecto. t) b2 . ab t a2b. t)(a2 . t a2 . 2000. t) a2 + b2 . Si A 2 Mn(K ) es una matriz inversible. = ((a + b)2 . (a . ab . t)((a . t ab = ab (a + b)2 . las ra ces son (a + b)2 plicidad dos. ab t ab . ab . b)2 . t)((a . tI ) = (a + b)2 . t 1 ab ab b2 2 2 2 ab . y esta ultima de multi- 3. t ab ab b2 2 . ab t = ab .t 2 = ((a + b)2 . b)2 . b2 . b2 . b2 .

lo que equivale a que sea un valor propio del endomor smo f del espacio vectorial K n cuya matriz en determinada base es A y esto signi ca que existe un vector v 2 K n v 6= 0 tal que f (v ) = v 6= 0 Y aplicando f a ambos miembros de la igualdad se tiene f 2 (v ) = f ( v ) = f (v ) = luego 2 2 v es un valor propio no nulo de f 2 y por tanto de A2 inductivamente tenemos que f m = m v 6= 0. 5. A IA. 1 veamos que lo es para m f (f m. 2000.1 .1 v= mv Por lo tanto tenemos que m es valor propio no nulo de la matriz Am = 0 lo cual es absurdo. I )A. © Edicions UPC. Solucion: Supongamos lo contrario.1 .! R3 por f (x1 x2 x3) = (x1 x2 0) 8 (x1 x2 x3) 2 R3 . 2000. Comprobar que f es lineal y hallar su matriz en la base natural. I ) 4. >Es f diagonalizable? © Los autores. Se de ne f : R3 . Demostrar que si la matriz A 2 Mn(K ) veri ca Am = 0.1 v) = m. Hallar el polinomio caracter stico y los valores propios.Diagonalizacion de endomor smos 87 det(AB . IAA. . supongamos que existe 6= 0 que sea valor propio de la matriz A .1) = detAdet(BA . I )detA.1 ) = det(ABAA.1) = = det(A(BA . en efecto: Sabemos que es cierto para m = 1 2 supongamos que lo es para m . I ) = det(ABAA. es decir. el unico valor propio posible de A es el cero (donde K es un cuerpo conmutativo).1 v) = f ( m.1 f (v ) = m.1 = = det(BA .

I ) = 2 .88 Algebra Lineal.t3 + 2t2 . © Edicions UPC. Problemas resueltos Solucion: Veamos la linealidad: 8v = (x1 x2 x3) w = (y1 y2 y3) 2 R3 y 8 2 R se tiene: f (v + w) = (x1 + y1 x2 + y2 0) = (x1 x2 0) + (y1 y2 0) = f (v ) + f (w) f ( v) = f ( x1 x2 x3) = ( x1 x2 0) = (x1 x2 0) = f (v) Determinemos la matriz de la aplicacion f f (e1 ) = e1 > = f (e2 ) = e2 > f (e3 ) = 0 luego la matriz de f en la base natural es: 9 (1) 01 A = @0 El polinomio caracter stico es: 0 0 1 0A 0 0 0 1 (2) det(f . y en (2) vemos que la matriz es diagonal. . tI ) = (1 .t) = 0 t = 1 doble t=0 f diagonaliza puesto que dim Ker(f . t (obvio ya que la matriz es diagonal) Los valores propios son los valores 2 R tales que 9v 2 R3 v 6= 0 con f (v ) = v y estos valores son las ra ces del polinomio caracter stico: (1 . En (1) observamos ya que la base natural es la base de vectores propios. 2000. t)2 (. 2000. ( f es la \proyeccion ortogonal"sobre el plano horizontal XY ). t)2 (. © Los autores.t) = .

. I ) 0 .60 6 24 z = f(x y z )= .(t + 1)2(t . tI ) = .1 0 A 0 0 1 la nueva base sera fv1 v2 v3 g con v1 v2 2 Ker(f + I ) y v3 2 Ker(f .20 2 8 1 dim Ker(f + I ) = 3 .60 6 23 hallando una base de vectores propios de f (endomor smo de R3 cuya matriz en la base natural es A ). t2 + t + 1 = .2 . I ) 0 . 10x + y + 4z = 0g 0 © Los autores. Solucion: Busquemos el polinomio caracter stico de A : det(A .60 6 24 luego A diagonaliza y 0 .t3 . © Edicions UPC. Diagonalizar la matriz 0 .20 2 8 1 0 x 1 0 0 1 Ker(f + I ) = f(x y z)= @ 20 . 2000.8 A .1 0 0 1 D = @ 0 .Diagonalizacion de endomor smos 89 6. 2000. 1 = 2 .21 2 8 1 A = @ 20 .2 .8 A @ y A = @ 0 Ag = .8 A = 3 .3 . 1) por lo tanto R3 = Ker(f + I )2 Ker(f . rango @ 20 .

2) luego los valores propios de A son t1 = 1 doble y t2 = 2. 1)2 (t . Estudiar la diagonalizacion. I ) = f(x y z)= @ 20 .60 6 22 z 0 = f(x y z )= . 4z = 0g v3 = (. ti I ) = multiplicidad de la ra z ti © Los autores. © Edicions UPC. del que seleccionamos una base v1 = (2 0 5) v2 = (1 2 2) 0 . segun los distintos valores de 2 R . A=@ 0 .4 . . 2000. 11x + y + 4z = 0 10x .1A 0 2 1 dando en el caso en que ello sea posible una matriz S tal que S .8 A @ y A = @ 0 Ag = subespacio de dimension uno del que seleccionamos una base .(t . Problemas resueltos subespacio de dimension dos.1 1 . + 1 .22 2 8 1 0 x 1 0 0 1 ker(f . 2000.1 AS sea diagonal. de la matriz 01. ha de veri carse: 1 dim ker(A . 2y . .90 Algebra Lineal. tI ) = .3) 7. Para que A diagonalice. Solucion: Busquemos el polinomio caracter stico: det(A .

1 0 0 1 0A = 0 0 2 1 1 01 @0 0 0 1 0 0 1 0 0 1 1 A @ 0 1 . 0 . solo diagonaliza para de los vectores propios).1) luego 01 S = @0 01 D = @0 0 0 1 1 A y en efecto.Diagonalizacion de endomor smos 91 Estudiemos pues el caso t1 = 1 0.1 8.1 10 10 1 Nota: En este caso S = S .1 0 0 2 0 0 . 2000. .1) v3 = (2 .1 A @ y A = 0 0 1 z 10 1 001 @ 0 A ) .z = 0 0 z=0 sean pues v1 = (1 0 0) v2 = (0 1 0) y fv3 g base de Ker (A + I ) 0 . 2000.y . © Los autores.1 2 2) v2 = (2 2 . z = 0 0 0 0 z 0 Sea pues v3 = (0 1 .1 AS 0 0 . © Edicions UPC. . se tiene que D = S . rango @ 0 luego. I ) = 3 . .1 0 0 1 0 x 1 0 0 1 @ 0 .! R3 un endomor smo diagonalizable que admite por vectores propios a los v1 = (.x = 0 .1 A @ 0 1 1 A 0 0 . Sea pues = 0 y busquemos la matriz S (matriz Sean fv1 v2 g base de Ker (A . I ) 00 @0 0 0 x 0 .1 . Hallar los valores propios de f . dim Ker(A .1 A @ y A = @ 0 A ) . 1 = 2 para 3 . Sea f : R3 .1 2) y sabemos que f (5 2 5) = (0 0 7) . 2 = 1 para 1 1 =0 6= 0 = 0. 1 A = 3 .

© Edicions UPC.2 A @ 5 A = 2 2 1 2 9 2 . Sea f un endomor smo de Rn .1 = 9 @ 2 2 . al primero 0 .1 2 .92 Algebra Lineal.1 2 7 0 10 1 0 1 f (1 1 2) = f (v1 + v2 + 2v3 ) = f (v1 ) + f (v2 ) + 2f (v3 ) = 7 = 1 v1 + 2 v2 + 2 3 v3 = 14 v1 .1 2 0 1 1 @ .1 2 2 S . 2000.1 2 . 7 3 = 9 ya que fvi g es una base del espacio y la expresion 9 9 de un vector en una determinada base es unica. Dar un ejemplo en el que E = Ep .1 A 2 . 2000.1 S=@ 2 por lo tanto 2 2 2 . 9.7 A 2 1 0 9 9 14 2 . 6 Solucion: Sea un valor propio. 9 v2 + 14 v3 9 9 7 Y 1 = 14 2 = .2 A @ 0 A = 1 @ .1 2 5 luego 0 10 1 011 @1A 2 2 14 1 @ . Probar que si 2 R es un valor propio de f entonces p es un valor propio de f p 8p 2 N y los subespacios propios respectivos E Ep son tales que E Ep . . existe pues un vector x 2 Rn luego x 6= 0 tal que f (x) = x 2 f 2 (x) = f (f (x)) = f ( x) = f (x) = x © Los autores. Problemas resueltos Solucion: Puesto que f (vi ) = i vi expresaremos los vectores (5 2 5) y (0 0 7) en la base formada por los vectores propios de f y aplicamos f .1 A 2 .1 2 1 1 .

Diagonalizacion de endomor smos 93 es decir 2 es valor propio de f 2 de vector propio x . y se tiene E Ep Veamos que la igualdad en general es falsa sea f 2 End(R3 ) tal que su matriz en la base natural es 00 @1 0 0 0 0A 0 1 0 1 tenemos que fe3 g es el subespacio de vectores propios de valor propio cero. y obviamente. para todo vector x propio de valor propio de f .1 es valor propio de f p. Supongamos que hemos probado que tambien p. © Edicions UPC. podemos aplicarle el razonamiento anterior. Sea A la matriz 01 @2 2 2 1 2A 2 2 1 1 © Los autores.1 (x)) = f ( p.1x) = p.1f (x) = p. 2000.1 x= px luego p es valor propio de f p de vector propio x . .1 de vector propio x . entonces f p (x) = f (f p. 2000. Sin embargo f 2 es tal que su matriz en la base natural es 00 @0 0 0 0 0A 1 0 0 1 y fe2 e3 g es el subespacio de vectores propios de valor propio cero y claramente E 6 E2 10.

1 doble y t = 5 . 02 dim Ker(A + I ) = 3 . existe S tal que D = S .1AnS Veamos si A es diagonalizable: luego An = SDn S .2x + y + z = 0 ) v3 = ( 3 3 3 ) 2 3 3 3 x . rango @ 2 luego A diagonaliza.1 det(A . tI ) = . © Edicions UPC.1AS )n = S .1 AS y Dn = (S .4 2 @ 2 .1 = 2 2 2 2 1 v1 v2 2 Ker(A + I ) 02 @2 2 2 2 2 p p 9 10x1 001 2 . Algebra Lineal. 2000.94 Determinar An . 2 0) > 2 = v1 = ( 2 2A@y A = @0A ) x + y + z = 0 ) p p2 p 2 z 0 v2 = ( 6 6 . Busquemos la matriz S : 2 2 2 2A = 3. 2y + z = 0 2 .4 2 luego 10x1 p p p 2 A @ y A ) .(t + 1)2 (t + 5) los valores propios son t = . . 6 )> 6 6 3 v3 2 Ker(A . para todo n 2 N . 5I ) 0 . Problemas resueltos Solucion: Si D es una matriz diagonal D = ( ii) se tiene claramente Dn = ( n ) ii Si A es diagonalizable.4 z © Los autores. 2000.

22 0 01 2 Bp p6 C B B 6 p6 C B6 D=B . B 2 Mm m (C).1)n+1 + 3 5n 1 (.Diagonalizacion de endomor smos 95 p 0 p2 1 .1)n + 1 5n 3 3 2 3 1 3 1 3 1 (. j con i y j valores propios de los endomor smos de Cn y Cm asociados a las matrices A y B respectivamente. b) Sean A 2 Mn n(C).1)n 2 + 3 5n 3 (. © Los autores. a) Sea A 2 Mn n(C).1 0 A 2 1 2 0 p2 C B 2p2 B 2CB.1)n 1 + 3 5n 3 1 (. 2000. . Probar que 8p 2 N Ap C = C ( Im + B)p c) Sea E = Mn m (C) y f un endomor smo de E de nido de la forma f (X ) = AX . XB con A 2 Mn n(C) y B 2 Mm m (C) jas.1)n + 1 5n 3 (.1)n Finalmente 5n 1 A An = SDnS . C 2 Mn m (C). © Edicions UPC. Probar que A y At tienen el mismo polinomio caracter stico. 36 p p3 C= A 0 0 5 Y 0 (.1)n+1 + 1 5n 3 C C C A 11.1)n Dn = @ (.1) + 5 B 3 3 @ .1)n + 1 5n 2 3 = 1 3 B 1 n 1n B . 3 CB2 CB 6 @ @p p3 p3 A 3 2 0 .1 = 0 3 (. CB = C . 2 CB A@ 21 1 0 p6 p6 6 6 p3 1 p3 C C C 3 3 3 . (. 2000. tales que AC . Probar que 2 C es un valor propio de f si y solo si = i .31 0 30 1 3 = @ 0 . 1 (.1)n + 1 5n 3 1 (.

I ) b) Veamoslo por induccion respecto a p . XB = Av wt . Ahora bien. j )X por lo que i . 2000. existe v vector columna de Cn . I )t = det (At . j v wt = ( i . 1 )Im + B ) : : : (( . por a. por b. n )Im + B ) = XC C 2 Mm m (C) © Los autores. 2000. . n Im ) = = X (( . j )v wt = ( i . 1 Im ) : : : ( Im . Sea j un valor propio de B entonces. por lo que existe w vector columna de Cm . © Edicions UPC. Por el teorema de Cayley-Hamilton P (A) = 0 por lo que P (A)X = 0. Problemas resueltos Solucion: a) En efecto: det (A . j es un valor propio de f Rec procamente Sea X 6= 0 un vector propio de f de valor propio ( f (X ) = X ) Sea P (t) = (. v wt B = = i v wt . P (A)X = XP ( Im + B ). es tambien valor propio de B t . 1 ) : : : (t .1)n (t . f0g tal que Av = i v .96 Algebra Lineal. Tenemos pues 0 = XP ( Im + B ) = X ( Im . I ) = det (A . CB = C tenemos AC = C + CB = C ( Im ) + CB = C ( Im + B ) supongamos ahora que es cierto para p y veamos que lo es para p + 1 Ap+1 C = AAp C = A(C ( Im + B )p ) = (AC )( Im + B )p = = (C ( Im + B ))( Im + B )p = C ( Im + B )p+1 c) Sea f 1 : : : n g el conjunto de valores propios de A y f valores propios de B 1 ::: j g el conjunto de Sea i un valor propio de A . f0g tal que B t w = j w y por tanto wt B = j wt Sea ahora X = v wt 2 Mn m (C) f (X ) = AX . n ) (los i no necesariamente distintos) el polinomio caracter stico de A (recuerdese que C es algebraicamente cerrado por lo que todos los factores primos de P (t) son de grado 1). Se veri ca claramente para p = 1: de AC .

2000. i )Im + B ) = 0 es decir . . algun i para el cual det (( . i ) es un valor propio de B por lo que existe algun j para el cual j = . 2000. i ). es decir = i .Diagonalizacion de endomor smos 97 X es una matriz no nula por lo que C no puede ser de rango maximo: det C = n Y i=1 (det (( .( . pues. i )Im + B )) = 0 existe. © Los autores.( . j. © Edicions UPC.

© Edicions UPC. 2000. . 2000.98 Algebra Lineal. Problemas resueltos © Los autores.

+ ar tr tal que P (A) = Empecemos suponiendo que P (t) es un polinomio de primer grado: a0 +a1 t y planteemos P (A) = a0 I + a1 A = 0 es decir 0a 0 @ 00 a0 0 lo cual implica: 0 2a 0 0 A + @ 01 2a1 0 A = 0 0 a0 a1 2a1 2a1 1 0 1 00 @0 0 0 0 0A 0 0 0 1 a0 + 2a1 = 0 a1 = 0 o sea a0 = a1 = 0 Esto nos dice que no puede formarse la matriz nula por combinacion lineal no nula de I y A por lo que P (t) no puede ser de primer grado. 0 0 2 0A 1 2 2 1 Hay que buscar un polinomio P (t) = a0 + a1 t + a0 I + a1 A + + ar Ar sea la matriz nula. 2000. Intentemos ahora con un polinomio de segundo grado P (t) = a0 + a1 t + a2 t2 y calculemos A2 © Los autores.Forma reducida de Jordan 99 Cap tulo 7 Forma reducida de Jordan 1. 2000. . Hallar el polinomio anulador de la matriz: 02 A = @0 sin utilizar el polinomio caracter stico. © Edicions UPC.

. 2)2 2. 4)(t + 2)3 como polinomio anulador. 4t + 4 = (t . 2000. 4)3(t + 2)6 P (t) = (t + 1)2(t .100 Algebra Lineal.4 a2 = 1 . © Edicions UPC. 4)(t + 2)3 Se tiene la 1a descomposicion: R11 = Ker(f + I )2 Ker(f . >Cuales son sus posibles formas de Jordan? Solucion: De: Q(t) = (t + 1)2(t . Problemas resueltos 04 A2 = @ 0 01 a0 @ 0 1 0 1 0 0 4 0A 4 8 4 1 1 00 @0 0 0 0 0A 0 0 0 0 0 2 0 0 4 0 0 A + a1 @ 0 2 0 A + a2 @ 0 4 0 A = 1 0 0 0 1 1 2 2 4 8 4 0 1 lo cual implica a0 + 2a1 + 4a2 = 0 a1 + 4a2 = 0 ) a0 = .a1 = 4a2 Puede tomarse a0 = 4 a1 = . Sabiendo que un endomor smo f de R11 tiene (t + 1)2 (t . para tener P (t) normalizado. por lo que P (t) = t2 . 4)3 (t + 2)6 como polinomio caracter stico y (t + 1)2 (t . 2000. 4I ) Ker(f + 2I )3 = E1 E2 E3 © Los autores.

Forma reducida de Jordan 101 Pasemos a la descomposicion de los Ei en monogenos el polinomio anulador de E1 es (t + 1)2 . 2000.1 El polinomio anulador de E2 es (t .2 0 B B @ 1 .2 .2 0 0 C B 1 .2 1 0 . la dimension de E3 es 6 . luego en E1 hay un solo monogeno E1 = E11 . © Edicions UPC. 2000. Y la matriz f restringida a E3 es 0 .2 0 B a) B 0 1 . dimE32 = dimE33 = dimE34 = 1. ya que la dimension del monogeno mayor es 1 . 4)3 . dimE32 = 2 y dimE33 = 1 E31 E32 E33 E34 con dimE31 = 3 . Las posibilidades son: a) c) E31 E32 con dim E31 = dimE32 = 3 b) E31 E32 E33 con dimE31 = 3 .1 0 1 . y puesto que el polinomio caracter stico restringido a E2 es (t . y la matriz de f restringida a E1 es: . luego f restringido a E2 diagonaliza. 4) . luego no tenemos un vocamente determinada la descomposicion de E3 .2 .2 0 0 0 1 .2 0 0 B 1 . que nos dice que dim E1 = 2 . luego la dimension del monogeno mayor es 3 y puesto que el polinomio caracter stico de E3 es (t + 1)6 . por lo que hay tres monogenos en E2 de dimension 1 y es E2 = E21 E22 E23 y la matriz de f restringida a E2 es: 04 @0 0 0 4 0A 0 0 4 1 El polinomio anulador de E3 es (t + 2)3 .2 0 C B A @ 1 .2 B C B .2 1 C C C C C A © Los autores. luego la dimension del monogeno mayor es 2 y coincide con el polinomio caracter stico (t + 1)2 .2 0 C C b) B 0 1 . . se tiene que la dimension de E2 es 3 .

Problemas resueltos 0 . 2000.2 .2 1 .2 1 . las posibles formas de Jordan.1 B B B B B B a) B B B B B B B B @ 4 4 4 .2 1 . 2000.2 B @ . .2 .2 luego.2 1 .2 0 B 0 1 .2 1 C C C C C C C C C C C C C C C A © Los autores.1 0 B 1 .2 . son .2 1 .2 1 C C C C C C C C C C C C C C C A 0 .1 B B B B B B b) B B B B B B B B @ 4 4 4 .1 B 1 . © Edicions UPC.2 c) B B .2 1 C C C C C A 0 .2 1 .2 1 .2 0 0 B 1 .102 Algebra Lineal.

3t + t ) = (t . 2000. 2 17 ) luego la matriz anterior no puede ser reducida de Jordan. .2 .2 . 3t + t2 ) es el polinomio anulador de 0 2 pero .2 1 C C C C C C C C C C C C C C C A 3. 2 p p © Los autores.2 .2 . © Edicions UPC.2 . >Es la matriz 00 B1 B B B B B B @ 2 3 0 2 1 3 2 0 1 2 2 1 C C C C C C C A reducida de Jordan de algun endomor smo? Solucion: Si lo fuese el polinomio anulador ser a P (t) = (. 2)2 (.2 1 .2 . 3 + 2 17 )(t .2 1 . 2000.1 B B B B B B c) B B B B B B B B @ 4 4 4 .Forma reducida de Jordan 103 0 .1 0 B 1 . 3t + t2 )(t . 3 . 3t + t2 no es primo: 1 3 (.2 .

. rango A4 = 4 . rango A2 = 4 . 2000. rango 0 = 4 dim Ker(A . Hallar la forma reducida de Jordan del endomor smo de R4 cuya matriz en la base natural es 00 A = B0 @0 Solucion: Hallemos el polinomio caracter stico: 1 0 0 0 0 0 2 0 0 01 0C 3A 0 det(A . dim Ker f 3 = 1 luego hay un solo subespacio irreducible de dim 4 y la matriz reducida es © Los autores. rango B 0 @0 Luego. dim Ker f 2 = 1 4g = dim Ker f 4 . 0I )2 = 4 . 2 = 2 0A 0 61 0C = 4 . © Edicions UPC. 3 = 1 ( no diagonaliza. 00 dim Ker(A . 1 = 3 0A 0 fno de subespacios de dim fno de subespacios de dim fno de subespacios de dim fno de subespacios de dim 1g = dim Ker f = 1 2g = dim Ker f 2 . rango B 0 @0 0 00 dim Ker(A . rango A3 = 4 . rango A = 4 . tI ) = t4 (Obvio ya que la matriz es triangular). pues 1 6= 4) 2 0 0 0 0 0 0 0 01 6C = 4 .104 Algebra Lineal. 0I )3 = 4 . Problemas resueltos 4. 2000. tenemos 0 0 0 0 0 0 0 0 0 dim Ker(A . 0I )4 = 4 . 0I ) = 4 . dim Ker f = 1 3g = dim Ker f 3 .

0I ) = dim Ker f = 1 el subespacio de vectores propios correspondiente al valor propio cero es de dim 1 y en cada subespacio monogeno hay un subespacio de dim 1 invariante.1 C 2C C C 1 C . .1 2 0 0 0 1 1 C . 5.1 2 .1 C 2C C C .1 2 3 2 1 2 1 2 1 2 1 2 5 2 .Forma reducida de Jordan 105 00 B1 @0 0 0 1 0 0 0 0 0 1 01 0C 0A 0 Nota: esto ya se pod a preveer. puesto que al ser dim Ker(A . 2000. Dado el endomor smo de R5 cuya matriz en la base natural viene dada por 02 3 B1 B B2 B B1 B B2 B B1 B B2 @ Hallar: 1 2 5 2 1 2 . © Edicions UPC. Solucion: a) Polinomio caracter stico © Los autores. luego solo puede haber un monogeno. 2000.2 C A 1 2 2 a) polinomios caracter stico y anulador b) los subespacios monogenos correspondientes c) una base de estos subespacios monogenos. diciendo que vectores son propios y escribir en esta base la matriz del endomor smo.

hay un monogeno de dim 3 . tI ) = . dim Ker(A . Problemas resueltos Q(t) = det(A . 2I ) = 5 . Por tanto. y un monogeno de dim 2 c) Hallemos una base del primer monogeno fu1 u2 u3 g 0 y puesto que u1 2 Ker(A . 2000. luego u1 puede ser cualquier vector tal que (A . 2000. . 1 k = 0g 2 2 2 Podemos tomar por ejemplo u1 = (0 0 1 1 0) . 2I )3 = 5 . 2I )u2 = (1 0 0 0 1) © Los autores. 2I )2 = f(x y z t k)= 2 x . 4 = 1 . 2I ) = 5 . © Edicions UPC. 2I )2u1 6= 1 1 Ker(A . 2)5 veamos el anulador: dim Ker(A . 2I )2 u1 = (A . 2I ) = 2 . 2)3 anula a todo el espacio. hay un monogeno de dim 3 . rango(A . dim Ker(A . 2I )3 . 2I )2 .106 Algebra Lineal. 2I )3 = 5 luego (t . 2)3 b) Por ser dim Ker(A . 1 = 4 dim Ker(A . 2I )2 = 5 .(t . 2I )2) = 5 . luego. con valor propio dos. entonces u2 = (A . 2I )2 = 5 . 2 = 2 . 2I ) = 4 . 2I )3 = R5 . hay dos monogenos de dim 2 dim Ker(A . habra dos subespacios monogenos) dim Ker(A . hay dos monogenos de dim 1 dim Ker(A . 2I )u1 = (0 0 0 1 1) u3 = (A . como en cada subespacio monogeno hay un vector propio. rango(A . luego al polinomio anulador es: P (t) = (t . rango(A . 1 y + 2 z + 1 t . 3 = 2 (por ser de dimension dos habra dos vectores propios linealmente independientes.

2I )u1 = u2 ) Au1 . . 2I )u2 = u3 ) Au1 . 2000.Forma reducida de Jordan 107 y u3 es vector propio ( (A . 1 z + 1 t . 1 k = 0g 2 2 2 Ker(A . 2I )2 u2 2 Ker(A . 2I )u3 = (A . y + z + t . 2I )2 y u4 2 Ker(A . Hallemos ahora una base del segundo monogeno u4 u5 : u4 2 Ker(A . k = 0 y = 0g Observamos que u2 2 Ker(A . 2u3 = 0 ) Au3 = 2u3 (A . 2I )u4 = (0 1 1 0 0) y u5 es vector propio. 2I )2 = f(x y z t k)= 2 x . 2I ) = 1 Ker(A . 2I ) = f(x y z t k)= . x + y . Vayamos a determinar la matriz de f en la base fu1 u2 u3 u4 u5 g : (A . la matriz es © Los autores. 2I )u4 = u5 sean linealmente independientes de u2 u3 . z + t . 2I )u3 = 0 ) Au3 . 2I ) . 2I )u5 = 0 ) Au5 . 2u1 = u2 ) Au1 = 2u1 + u2 (A . 2I )3 u1 = 0u1 = 0 ). 2000. 2u4 = u5 ) Au4 = 2u4 + u5 (A . 2I )u4 = u5 ) Au4 . z + t + k = 0 x + y . k = 0 x . luego tenemos que tomar la = precaucion de elegir u4 de forma que u4 (A . 2u5 = 0 ) Au5 = 2u5 luego. © Edicions UPC. 2u2 = u3 ) Au2 = 2u2 + u3 (A . Sea pues u4 = (1 1 0 0 0) y por lo tanto u5 = (A .

2 1 A2 = @ 2 6 1 A . 2000.2 >Pueden ser f y g el mismo endomor smo? Solucion: Para que A1 y A2 puedan representar el mismo endomor smo ha de existir una matriz S tal que S .2 . 2000.1 . donde 2 1 2 2 1 2 1 C C C A 00 B0 S = B1 B @1 0 0 0 1 0 1 1 0 0 0 1 1 1 0 0 0 01 1C 1C C 0A 0 6. Si son el mismo endomor smo.108 Algebra Lineal. coincidiran y tendremos © Los autores.9 .1A1 S = A2 Veamos como podemos determinar dicha matriz: busquemos (si existen) las formas reducidas de Jordan de f y g . © Edicions UPC. Problemas resueltos 02 B1 J=B B @ y claramente J = S . Sea f 2 End(R3 ) cuya matriz en la base natural es 01 B A1 = B 0 B @ 0 1 2 11 0C C 1 1 1 C A y sea g 2 End(R3 ) cuya matriz en una cierta base: B = fv1 v2 v3 g es 0 . .7 .1AS .

(t . 2000.Forma reducida de Jordan 109 . I )w1 = ( 2 w3 = (A1 . . A2 = S2 1JS2 con lo cual tendremos . S1A1 S1 1 = J . I )2 = 1 0 1) w2 = (A1 . tI ) = . 1)3 dim Ker(A1 .1A1 S = A2 Estudiemos pues A1 det(A1 . A1 = S1 1JS1 . S1 1 = B 1 B @ 0 1 2 11 0C C 0 0 1 C A © Los autores. S2A2 S2 1 = J ) . y S = S1 1 S2 es la matriz buscada ya que se veri ca: S . ) S1A1 S1 1 = S2A2 S2 1 ) (S1 1S2). I )3 = R3 w1 2 Ker(A1 . . I ) = 1 luego hay un solo monogeno y J sera 01 J = @1 y la base de Jordan es 0 0 1 0A 0 1 1 1 w1 2 Ker(A1 . 2000. I )2 w1 = (A .1A1 (S1 1S2 ) = A2 . © Edicions UPC. .1 2 C A 00 B . I )w2 = (1 0 0) por ejemplo w1 = (0 1 0) y 00 B S1 = B 0 B @ 1 1 0 0 01 1C C . .

© Edicions UPC. 2000. I )2 u1 = (A2 . 2000.(t . I )u2 = (. tI ) = .1 .4 05 B . I )3 = R3 u1 2 Ker(A2 . A2 Algebra Lineal. I )u1 = (1 .1 1) u3 = (A2 .3 1 @ .3 2 . 2 1 A S2 1 = 5 2 .3 1 0 8 . ahora.1 .! P2 (R) donde P2 (R) es el espacio de polinomios de grado menor o igual que dos a coe cientes reales y D es la aplicacion derivada a) determinar la forma reducida de Jordan as como la base para la cual la matriz adopta dicha forma © Los autores.4) y y por lo tanto: 02 S2 = @ 0 1 .1 .1 C C A 1 C 7. S = S1 1 S2 = B 2 B @ 0 3 1 2 .110 Pasemos a estudiar. . I )2 por ejemplo u1 = (8 .5 1 2 A 10 . 1)3 dim Ker(A2 . I ) = 1 luego hay un solo monogeno y 01 J = @1 y la base de Jordan es 0 0 1 0A 0 1 1 1 u1 2 Ker(A2 .5 1 2 . Sea f = (D + I ) : P2 (R) . Problemas resueltos det(A2 .5 10) = u2 = (A2 .

f 3 . 2000. . rango(A .Forma reducida de Jordan 111 b) probar que f . Solucion: a) En la base fx2 x 1g .(t . 2000. 1)3 dimKer(A . I )2 = f(x y z)=x = 0g = v1 = (1 0 0) v2 = (A . © Edicions UPC.1 es un polinomio en f y utilizar dicho resultado para determinar la matriz de f . I = 0 luego © Los autores. 1)3 . la matriz de f adopta la forma 01 A = @2 0 0 1 0A 0 1 1 1 det(A . I )v1 = (0 2 0) v3 = (A . 2 = 1 luego hay un solo monogeno y la matriz reducida de Jordan es 01 J = @1 Busquemos la base de Jordan: 0 0 1 0A 0 1 1 1 v1 2 Ker(A . I )3 = 0 . b) El polinomio anulador de f es (t . luego (f . I ) = 3 . tI ) = . I ) = 3 .1 en la base natural fx2 x 1g . I )v2 = (0 0 2) luego la base es f(1 0 0) (0 2 0) (0 0 2)g . I )2 v1 = (A . I )3 = R3 v1 2 Ker(A . 3f 2 + 3f .

1 = @ 2 1 0 A . tI ) = det(( .1 @ 7 1 0 0 2 . 2000.1 = f 2 . tI2 ) = 4 1 1 0 4 = (t . . 2 = 2 © Los autores. 3f + 3I 0 0 1 A+ 3@ 1 A = 1 0 1 1 1 0 1 0 0 12 0 1 A.1 es: f . 3f 2 + 3f = f (f 2 . I ) = 4 . 1) dim Ker(A .2 1 0 A = 2 .6 . Problemas resueltos I = f 3 .112 Algebra Lineal.4 . 3f + 3I ) = (f 2 . © Edicions UPC. 2000. tI2 )det(( . tI ) = 4 .1 01 0C 1A 0 Hallando la base de R4 en la cual la matriz del endomor smo adopta dicha forma normal.3 . 3 @ 2 00 1 1 1 01 0 0 @ .17 .1 ) . Solucion: Calculemos los polinomios caracter stico y anulador de A det(A . 3f + 3I )f por lo que Y la matriz A. Hallar la forma normal de Jordan del endomor smo de R4 cuya matriz es 0 3 1 A = B .1 1 1 0 1 8. rango(A .2 1 ) .

1 1 . . 9. Determinar la forma reducida de Jordan del endomor smo de R3 cuya matriz en la base natural es 0 1 a a1 A = @ .4 7 . I )2 = 4 .Forma reducida de Jordan 113 luego hay dos monogenos dim Ker(A . 0 = 4 = dim R4 luego son dos monogenos de dim 2 y la forma de Jordan es 01 J = B1 @0 0 1 0 0 0 0 0 1 1 01 0C 0A 1 Y R4 = E1 E2 con dim Ei = 2 para i = 1 2 Busquemos la base de Jordan: base de E1 : v1 2 Ker(A . I ) = v1 = (1 0 0 0) v2 = (A .6) hay que tomar la precaucion de que v3 v4 sean linealmente independientes de v1 v2 . 2000. I )v3 = (1 . I )2 v3 2 Ker(A . I ) = v3 = (0 1 0 0) v4 = (A . © Edicions UPC. 2000. rango(A .2 1 . I )v1 = (2 .17) base de E2 : v3 2 Ker(A . I )2 = 4 .1 A 1 0 2 con a 2 R © Los autores. I )2 v1 2 Ker(A .

I ) = f(x y z )=x + z = 0g v2 = (0 1 0) v3 2 Ker(A . 2I ) = f(x y z)=x = 0 y + z = 0g elegimos v3 = (0 1 . . Problemas resueltos Solucion: Busquemos el polinomio caracter stico: det(A . y J es 0 0 1 0A 0 0 2 1 Busquemos la base de Jordan: distinguiremos dos casos v1 elegimos v1 = (1 0 . I ) = 1 a=0 6 Para a = 0 f diagonaliza. I ) = f(x y z )=ay + az = 0 x + z = 0g = © Los autores.1) . 2) (2 a = 0 dim Ker(A .1) v2 2 Ker(A . © Edicions UPC. I )2 = f(x y z)=x + ay + (a + 1)z = 0g v1 2 Ker(A . 2000.(t .114 Algebra Lineal. 2) a 6= 0 v1 2 Ker(A . 1)2 (t . tI ) = . 2000. y D es 01 D = @0 01 J = @1 1) a = 0 0 0 1 0A 0 0 2 1 para a 6= 0 el valor propio 1 nos da un unico subespacio monogeno.

2000. An.1 (BC2 ) y por tanto. 2000.a .1g B 6= 0 tal que AB = BA = 0.! H C .i 2 H .a a) v3 2 Ker(A .1 (BC1 ) = B . probar que existe B 2 H An. Solucion: a) Por el teorema de Cayley-Hamilton. entonces B . al ser B inversible. 2I ) v3 = (0 1 .1 2 H . con lo cual Am 2 H 8m n . Sea A 2 Mn(R) y sea H el R -espacio vectorial generado por las matrices fI A A2 b) Si detA = 0 .! B C An + 1An. I )v1 = (.1 + + n anula a la matriz: 1 por lo que An = la aplicacion: Pn . C1 = C2 . y tiene sentido i=1 i f :H .1) 10. a) Demostrar que si B 2 H y B es inversible.1 0) v2 = (A . © Edicions UPC. tenemos B . pues si BC1 = BC2 .Forma reducida de Jordan 115 elegimos v1 = (a . sabemos que el polinomio caracter stico n + n. pues f (C1 + C2 ) = B(C1 + C2 ) = BC1 + BC2 = f (C1 ) + f (C2 ) f ( C ) = B ( C ) = B C = f (C ) f es inyectiva. .1 + + nI = 0 f es lineal. y puesto que H es de dimension nita f es © Los autores.

existe C 2 H tal que f (C ) = B C = I . ya que si B = 0 el polinomio anulador de A ser a r xr. . 2000. Problemas resueltos biyectiva.116 Algebra Lineal. Si fueran de orden in nito. deducimos C = B . luego C = B . pero C B 6= I .1 Si A = 0.1 1 B es distinta de cero. 2000. luego I 2 H tiene antiimagen por la aplicacion f es decir. luego 1 A+ + r Ar = 0 + + y sea pues B = 1 I + + r Ar. tenemos AB = BA = 0 © Los autores. © Edicions UPC. b) Supongamos A 6= 0 sea p( ) el polinomio anulador de A tenemos que p(A) = Pr Ai = 0 y puesto que detA = 0 es = 0 (ya que el polinomio anulador 0 i=0 i divide al caracter stico y tiene sus mismas ra ces).1 2 H Nota: puesto que las matrices son de orden nito de B C = I . podr a ser que B C = I . entonces 8B 2 H .1 .

1 . 2000.Analisis matricial 117 Cap tulo 8 Analisis matricial 1. Dada la matriz 03 A = @2 a) Calcular eA 2 4 0 2A 4 2 3 1 etA . b) Utilizar dicho resultado para resolver el siguiente sistema de ecuaciones diferenciales : 8 x0 = 3x + 2y + 4z > < 0 > y0 = 2x + 2z + 3z : z = 4x + 2y sabiendo que para t = 0 x=1 y=2 z=3 Solucion: a) La exponencial de una matriz viene de nida por: 1 eA = plim (I + A + 2! A2 + !1 1 Ap ) p! Puesto que existe S tal que A = SDS . © Edicions UPC. 2000. con D matriz diagonal. . tenemos que: © Los autores.

1) 4 2 4 z 0 10 1 0 1 9 v3 2 ker(A . 2000.118 Algebra Lineal. 8I ) 0 .1 + 2! SD2 S .8 4 de donde 0 4 x . 8y + 2 z = 0 0 z 2 .1 ) = det(A .1 !1 = SeD S .1 + SDS . . 2000.1 veamos que en efecto existen las matrices S y D 1 + p! SDpS .( + 1)2( .1 0 0 1 D = @ 0 .5x + 2y + 4z = 0= ) v = (2 1 2) 2A@y A = @0A ) 3 2 x .5 2 @ 2 .5 10 1 0 1 9 © Los autores.1 0 A 0 0 8 determinemos S fv1 v2g base de ker(A + I ) 04 @2 2 4 x 0 v = (1 0 . I ) = .1)= 1 2 A @ y A = @ 0 A ) 2x + y + 2z = 0 ) 1 v2 = (0 2 .1 + !1 1 1 = S plim (I + D + 2! D2 + p! Dp )S . Problemas resueltos 1 eA = plim (SS . © Edicions UPC. 8) dim ker(A + I ) = 2 luego 0 .

t 8t A 9 .1 + 4e8 . 8 .t + 2e8t 8e t + e 8t . 2000.2e t + 2et . 2000.2e.2 .1 1 0 (.1 + 4e8 1 etA = plim (I + tA + 2! t2 A2 + !1 y + 1 tp Ap ) = SetD S .t 8t .1 A 9 . © Edicions UPC.1 A + 1 @ A+ (.1 + 4e8 A = SeD S .4e.1 p! 0 1 0 e.t + 4e8t .1 + 2e8 A e 9 .1 + 2e8 5e.4e.1)p e.t + 2e8t .2e.1 A p! (8)p e8 y 5e.1)p 8 11 0 e.2e.4e.1 = 1 @ .1 = 1 @ .1 + 2e8 .1 .1 + e8 .1 2 2 1 2 1 0 1 00 1 eD = plim @@ !1 1 1 0 .1 (8) 1 1@ AA = @ (.4e + 4e .2e.1 + 4e8 .t 0 0 por lo que e8t 0 0 1 A etA = 0 5e.2e + 2e 5e + 4e b) Pasemos a la resolucion del sistema de ecuaciones diferenciales © Los autores.2e.1)2 2! 2 1 0 (.Analisis matricial 119 0 S=@ por lo tanto 1 0 2 5 .4 0 2 1 A y S .1)2 1 A + @ .1 + 2e8 8e.t 8t .t + 4e8t 1 1 @ .t 0 etD = @ 0 e. .2e.1 4 .

120 Algebra Lineal.1 4 z Intentaremos efectuar un cambio de base de modo que la nueva matriz J = S .y + 4z > dt Solucion: El sistema puede expresarse matricialmente 0 dx 1 0 1 2 .t + 10e8t A 7e. 2000. Resolver el sistema de ecuaciones diferenciales dx = x + 2y . dX = AX . dt dt Busquemos la forma reducida de Jordan de A es decir.y + 6z = > dt > dz = . dt © Los autores. tenemos dX = S dZ y la ecuacion queda dt dt S dZ = SJS . As .t + 20e8t 2. 2000. Problemas resueltos X (t) = etA X (0) con por lo que 011 0 x(t) 1 X (0) = @ 2 A X (t) = @ y (t) A 3 z ( t) X (t) = 9 0 . es decir dZ = JZ .t + 20e8t 1 1 @ 8e. .1 6 A @ y A dt dz dt 0 . 4z9 > > dt > dy = .11e.4 1 0 x 1 dt @ dy A = @ 0 .1SZ . si X = SZ .1AS sea lo mas sencilla posible. © Edicions UPC.

I )(v1) = (2 0 0) v3 2 ker(A .Analisis matricial 121 det(A . 1)2 ( . . 2000. I )2 v1 2 ker(A . 2I ) sea pues v3 = (0 2 1) y la matriz S es 01 S = @3 El sistema queda 2 0 0 2A 1 0 1 1 0 dz1 1 0 1 dt @ dz2 A = @ 1 dt dz3 dt 0 0 z1 1 0 A @ z2 A 0 0 2 z3 10 1 cuya solucion es: z1 = C1 et > = t z2 = (C1 t + C2 )e > z3 = C3 e2t 9 © Los autores. I ) = . I ) = 1 luego no diagonaliza y 01 J = @1 La base de Jordan es 0 0 1 0A 0 0 2 1 v1 2 ker(A . 2000. 2) dim ker(A . I ) sea pues v1 = (1 3 1) = v2 = (A . © Edicions UPC.( .

0 0 C @ 0 0 1 0A 0 0 0 1 © Los autores.1 .4 C 25 . 2000.122 que volviendo a la base natural Algebra Lineal. © Edicions UPC.1 nos proporciona dos monogenos y la matriz de Jordan es 0 .1 0 0 0 1 J = B 1 . Solucion: a) Determinemos la forma reducida de A det(A .1 A = B 12 @ 30 b) Calcular e3A . Sea f un endomor smo del R -espacio vectorial R4 tal que su matriz en la base natural es: 0 .11 . 0 0 01 9 . 1) dim ker(A + I ) = 2 luego no diagonaliza. I ) = ( + 1)3( . y el valor propio . . 2000.4 .13 A 0 0 0 1 a) Obtener la forma reducida de Jordan de f y la base de Jordan correspondiente. Problemas resueltos 0x1 01 @yA = @3 z de donde 2 0 C1 e t A @ (C1t + C2 )et A 0 2 1 0 1 C3 e2t 10 1 x = (2C1 t + C1 + 2C2 )et > = y = 3C1 et + 2C3 e2t > z = C1 et + C3 e2t 9 3.

29e.3 .3 + e3 C . y(t) .12e.3 @ 0 0 0 luego e3 0 e.19e. 2000.3 @ 90e 0 31e.3 75e.4 . © Edicions UPC.10 4 6 A 1 0 0 0 12 01 0C 0A b) e3A = e3SJS .6 1 01 1 C y S . Determinar las funciones reales de una variable x(t) .46e.1 C 1A 12 @ 0 .Analisis matricial 123 Busquemos la base de Jordan v1 2 ker(A + I )2 v1 2 ker(A + I ) v1 = (1 0 0 0) = v2 = (A + I )v1 = (0 12 30 0) v3 2 ker(A + I ) independiente con v2 sea v3 = (1 0 3 0) v4 2 ker(A + I ) v4 = (0 1 1 1) y la matriz cambio de base es 01 S = B0 @0 0 12 30 0 0 1 0 3 0 0 12 10 . z(t) . u(t) tales que veri can el siguiente sistema de ecuaciones diferenciales lineales x0 y0 z0 u0 = = = = x .3 . z + u9 > = y+z > > z > u © Los autores.1 = 1 B 0 1 0 .3 . .1 = Se3J S .3 0 0 1 0 0 . 2000.3 0 0 .3 e3A = B 36e.3 + e3 A 0 e3 4.3 0 e3J = B 3e0 e 0 e.1 0 e.3 .

2000. 2000.124 Algebra Lineal. I ) = 2 luego hay dos monogenos dim ker(A . I )2 = 4 luego ambos monogenos son de dimension dos. © Edicions UPC. I )e3 de manera que e1 e2 e3 e4 sean independientes. I ) = ( . . I ) = e2 = (A . Solucion: Escribiendo el sistema dado en forma matricial AX = X 0 01 B0 @0 0 . Problemas resueltos y las condiciones iniciales x(0) = 1 y (0) = 0 z (0) = 1 u(0) = 2 . 1)4 dim ker(A .1 1 1 0 x 1 1 1 0C By C = 0 1 0A @z A 0 0 0 1 u 0 x0 1 B y00 C @z A u0 Busquemos la forma reducida de Jordan de la matriz A para simpli car el problema det(A . por lo que la matriz de Jordan adopta la forma 01 J = B1 @0 Busquemos la base de Jordan 0 1 0 0 0 0 0 1 1 01 0C 0A 1 e1 e3 2 ker(A . I )e1 e4 = (A . I )2 e1 e3 2 ker(A . © Los autores.

1 1 0 0) e3 = (0 0 0 1) ) e4 = (1 0 0 0) luego 0 0 .1 = 0A 0 0 01 0 0C = 1 0A t 1 00 B0 @0 0 1 0 1 1 1 0 0 0 01 0C 1A 0 01 0C 0A etA = etSJS . Dada la matriz 0 A= 1 1 6 1 6 © Los autores.1 01 etJ = et B 0 @t por lo tanto 0 1 0 0 0 0 et 0 0 B tet et 0t @0 0 e t 0 0 te et 0 et 0 .Analisis matricial 125 Sea pues e1 = (0 0 1 0) ) e2 = (. © Edicions UPC.1 S = B0 1 @1 0 0 0 0 0 0 1 11 0 C y S . 2000.1 = SetJ S . 2000. .tet tet 1 t t etA = B 0 e0 tet 0 C @0 e 0A 0 0 0 et y la solucion del sistema es: 0x1 0 x(0) 1 0 et 1 B y C = etA B y(0) C = B tett C @zA @ z(0) A @ e A u u(0) et 5.

1 = 1 . 1 )n 5 3 1 5 3 1 5 2 2 ( )n + 5 (. 1 )n .1 = S ( 2 ) (. para obtener de forma sencilla An . 6 1 (. © Edicions UPC. 1 )n n=0 2 5 n=0 3 © Los autores. 6 (. 1 P1 ( 1 )n 1 n=0 2 n=0 3 5 A 3 P1 ( 1 )n + 2 P1 (.1 3 1 y la matriz cambio de base es: 1 v1 2 ker(A . 2 I ) v2 2 ker(A + 1 I ) 3 S = 1 .1 = 3 0 =@ 2 1 5 2 ( )n + 3 ( 1 )n 5 3 1 1 5 2 1 1 ( )n .126 Hallar: Algebra Lineal. 5 ( 3 )n 6 1 5 2 ( )n . . la forma reducida de Jordan de la matriz A 1 det(A .1 2) y S .1 3 2 v1 = (1 3) v2 = (. 2000. 1 )n 3 1 A 0 2 P1 ( 1 )n + 3 P1 ( 1 )n n=0 2 n=0 3 5 5 An = @ P1 P 6 n=0 (. 1 )n S . Problemas resueltos I +A+A + 2 + An + = 1 X i=0 Ai Solucion: Busquemos. 1 )n 1 X 5 n=0 2 5 n=0 3 5 P1 ( 1 )n . 2000. I ) = ( .2 1 5 3 1 1 n An = SDnS . 2 )( + 1 ) 3 luego A diagonaliza 0 2 D = 0 .

3 3 P1 (. . 1 j < 1 ). 1 1 0 1A 1 1 0 1 Solucion: Por de nicion: © Los autores. 1 )n 5 n=0 2 5 n=0 3 1 1 3 X ( 1 )n + 2 X (.Analisis matricial 127 (es la suma de los terminos de una progresion geometrica de primer 1 2 < 1 ). 1 )n 5 n=0 2 5 n=0 3 1 1 1 1 X ( )n . 1 X (. 1 j . 1 )n 5 n=0 2 5 n=0 3 5 = 4 1 = 4 3 = 2 = 3 2 y An = 1 5 4 4 6 6 n=0 1 X 6. 6 X (. © Edicions UPC. 2000. termino 1 y razon P1 1 n n=0 ( 2 ) = 2 3 = 4 ( es la suma de los terminos de una progresion geometrica de primer termino 1 y razon . Sea 00 A = @1 Calcular senA . 1 )n n=0 3 Por lo que: 1 1 2 X ( 1 )n + 3 X (. 1 )n 5 n=0 2 5 n=0 3 1 1 6 X ( 1 )n . 2000.

128

Algebra Lineal. Problemas resueltos

senA =

n=0 (2n + 1)!

1 X (;1)nA2n+1

Determinemos la forma reducida de Jordan de A

det(A ; I ) = ;( + I )2 + ( ; 2) dim ker(A + I ) = 2
luego A diagonaliza. La matriz cambio de base es

v1 v2 2 ker(A + I ) independientes v3 2 ker(A ; I ) sean pues v1 = ( 22 p v2 = ( 66 p v3 = ( 33

p

; 22 0) p p 6 ;2 6) 6 p p 2
3 3) 3 3

p

luego

0 p2 B 2 B p S = B ; 22 B @
0

p6 p6
6 6

p3 1 p3 C C
3 3 3

;

p 2 6
6

p3

C C A

y

0 p2 B p2 B S ;1 = B 66 B @p
3 3

;

p2
2 6 3

p6 p3

1 p C C 2 6C ; 6 C p A
0
3 3

y por lo tanto (2n + 1)! n=0 0 P1 (;1)n (;1)2n+1 n=0 (2n+1)!

sen A =

1 X (;1)nSD2n+1S ;1

= S(
;

1 X (;1)nD2n+1
n=0

= SB B

B B @

0 0

P1

0 0

;1 (2n + 1)! )S = 0
2n+1

n=0 (2n+1)! (;1)

( 1)n

P1

0
( 1)n

n=0 (2n+1)! (2)

;

2n+1

1 C C S ;1 = C C A

© Los autores, 2000; © Edicions UPC, 2000.

Analisis matricial

0 sen(;1) B = SB 0 B @
0

0

0 0

sen(;1)

0 2 3 sen(;1) B 1 1 = B ; 3 sen(;1) + 3 sen(2) B @

0 sen(2) 1 ; 1 sen(;1) + 3 sen(2) ; 1 sen(;1) + 1 sen(2) 1 3 3 3
2 3

1 C ;1 CS = C A
1 3

129

sen(;1) + sen(2) ; sen(;1) +
1 3 2 3

1 3

1 1 ; 1 sen(;1) + 3 sen(2) ; 1 sen(;1) + 3 sen(2) 3 3

sen(;1) + 1 sen(2) 3

C sen(2) C C A

© Los autores, 2000; © Edicions UPC, 2000.

130

Algebra Lineal. Problemas resueltos

© Los autores, 2000; © Edicions UPC, 2000.

Grupos

131

Apendice I Grupos
1. Consideremos el subconjunto GL2(R) de M2 (R) de nido por
GL2 (R) = a b j ad ; bc 6= 0 : c d
a) Probar que (GL2 (R) ) es un grupo no conmutativo, ( es el producto habitual entre matrices). b) Consideremos el subconjunto SL2 (R) de M2 (R) de nido por

SL2 (R) =

a b j ad ; bc = 1 : c d

Probar que (SL2 (R) ) es un subgrupo del grupo (GL2 (R) ).

Solucion:

b a) Primero veamos que la operacion esta bien de nida, es decir dadas a d c Gl2 (R) entonces a b c d a1 b1 = aa1 + bc1 ab1 + bd1 = a2 b2 2 Gl (R) 2 c1 d1 ca1 + dc1 cb1 + dd1 c2 d2

a1 b1 2 c1 d1

para ello basta calcular a2 d2 ; b2 c2

a2 d2 ; b2 c2 = (aa1 + bc1)(cb1 + dd1) ; (ca1 + bc1)(ab1 + bd1) = = (ad ; bc)(a1 d1 ; b1 c1 ) = 0 6
Veamos que se veri can las propiedades de grupo y que falla la conmutatividad

© Los autores, 2000; © Edicions UPC, 2000.

132 Asociatividad Algebra Lineal. Problemas resueltos Existencia de elemento neutro b 8 a d 2 GL2 (R). © Edicions UPC. 2000. 2000. . 9 1 0 tal que c 0 1 a b a1 b1 a1 b2 = c d c1 d1 c2 d2 aa1 + bc1 ab1 + bd1 a2 b2 = ca1 + dc1 cb1 + dd1 c2 d2 (aa1 + bc1)a2 + (ab1 + bd1 )c2 (aa1 + bc1 )b2 + (ab1 + bd1)d2 = (ca1 + dc1 )a2 + (cb1 + dd1 )c2 (ca1 + dc1 )b2 + (cb1 + dd1 )d2 a(a1 a2 + b1 c2 ) + b(c1a2 + d1c2 ) a(a1 b2 + b1 d2 ) + d(c1 b2 + d1 d2 ) = c(a1 a2 + b1 c2 ) + d(c1a2 + d1c2 ) c(a1b2 + b1 d2 ) + d(c1 b2 + d1 d2 ) a b a1 a2 + b1c2 a1 b2 + b1 d2 = c d c1 a2 + d1c2 c1 b2 + d1 d2 a b a1 b1 a2 b2 c d c1 d1 c2 d2 a b c d 1 0 = 1 0 0 1 0 1 a b = a b c d c d x y tal que z t y el elemento neutro es unico: supongamos que existe un elemento b 8 a d 2 GL(R) se tiene c a b x y = x y c d z t z t entonces por ser x y neutro ) z t por ser 1 0 0 1 neutro ) a b = a b c d c d 1 0 1 0 0 = 1 0 1 0 1 0 = x y 1 z t x z x z y t y t 9 > = > ) x y = 1 0 z t 0 1 Existencia de elemento simetrico © Los autores.

. bc a b = . bc . bc a=ad . siendo e el elemento neutro del grupo G . 2000. bc 1 0 c d . bc 2 GL2 (R) y es tal que: . Solucion: De x2 = e se tiene x = x.c=ad . veamos que no es abeliano. bc = 0 1 b Claramente para cada a d 2 GL2 (R). 2000. bc 2 R c d=ad . bc c d a b d=ad . bc .c=ad.1 © Los autores. bc Sea . bc a=ad .1 A) = det B.c=ad . (<Comproc barlo!) Luego GL2 (R) tiene estructura de grupo.1 det A = 1=det b det A = 1=1 1 = 1 2. bc a=ad d=ad . bc . cb 6= 0 luego 1=ad .b=ad. el elemento simetrico es unico. Probar que G es un grupo conmutativo. Sean 1 1 0 1 1 0 2 GL (R) 2 1 1 1 0 1 1 b) Sean A B 2 Sl2 (R) pertenece a SL2 (R) 1 1 0 1 1 1 1 0 0 = 2 1 1 1 1 1 = 1 1 1 1 2 GL2(R) consideremos B . © Edicions UPC.b=ad . Sea G un grupo tal que para cada x 2 G x2 = e .b=ad .1 A 2 GL2(R) y veamos si det (B .Grupos 133 b 8 a d 2 GL2 (R) ad .

2000. . obtenemos la siguiente tabla i g1 g2 s1 s2 s3 Teniendo en cuenta que i i g1 g2 s1 s2 s3 g1 g1 g2 i s2 s3 s1 g2 g2 i g1 s3 s1 s2 s1 s1 s3 s2 i g2 g1 s2 s2 s1 s3 g1 i g2 s3 s3 s2 s1 g2 g1 i (Nota: en la tabla x y es x columna. 3. Problemas resueltos Para todo par de elementos x y 2 G se tiene xy 2 G luego (xy )2 = xyxy = e premultiplicando dicha igualdad por x y postmultiplicando por y tenemos xyxy = e xxyxyy = xey eyxe = xy yx = xy luego el grupo es conmutativo.134 Algebra Lineal. © Edicions UPC. de dos en dos. Encontrar todos los subgrupos normales de S3 Solucion: S3 = fi g1 g2 s1 s2 s3g con s1 = 1 2 3 1 3 2 i= 1 2 3 1 2 3 g1 = 1 2 3 1 s2 = 1 2 3 2 3 2 3 1 g2 = 1 2 2 3 s3 = 1 2 2 1 3 1 3 3 Componiendo de todas las formas posibles estos elementos. y la) © Los autores. 2000.

con fi s1 g a con a 2 S3 un elemento cualquiera: s2 fi s1g = fs2 g1g fi s1g s2 = fs2 g2g conjuntos distintos por lo que el subgrupo no es normal. Sea S un subgrupo de un grupo G y sea x 2 G .1 y2 1 x) = x. . b) el orden de sus subgrupos ha de ser divisor de seis. simplemente observando la tabla anterior. 2000.1 yx j 8y 2 S g es un subgrupo de G Solucion: Sean y1 y2 2 S entonces x. sea a = s2 Se trata de comparar a fi s1 g .1 y1 (xx.1 y2 x son dos elementos de x. (x.1 y2 x) = (x.1 y1 y2 1 x © Los autores. Analicemos si algun subgrupo de orden dos es normal. este es fi g1 g2 g . as como el de ndice dos. fig Subgrupos de orden 2: fi s1 g fi s2g fi s3g Subgrupos de orden 3: fi g1 g2 g Subgrupos de orden 6: S3 Son subgrupos normales los subgrupos fig S3 (los impropios). que puesto que el orden de S3 es seis. 2000.1 y1 x y x.1 Sx . 4.1 )y2 1x = x. .1 y1 x)(x. . (ninguno de los tres subgrupos de orden dos es normal). estudiemos por ejemplo fi s1g (los otros dos se Subgrupos de orden 1: estudian de la misma forma).Grupos 135 a) el grupo es de orden seis.1 y1 x)(x. © Edicions UPC. Probar que x. c) un subconjunto de un grupo nito es subgrupo si este es cerrado con respecto la operacion. veamos si se veri ca la condicion de subgrupo: .1Sx = fx. vemos cuales son los subgrupos de S3 .

1 2 S . X1 X2 1 A (=) X1AX2 1 (=) X1 AX2 1 a b (b) X1 2 S Luego en efecto S es subgrupo. b) Sea X = x1 x2 2 S entonces x x 3 4 x1 x2 x3 x4 0 1 = 0 1 0 0 0 0 x1 x2 x3 x4 © Los autores. . X2 1 X2AX2 1 = X2 1AX2 X2 1 . veamos primero . luego (x. . Sea A 2 M2 (C) y sea S = fX 2 GL2(C) j XA = AX g . Ahora bien. si X2 2 S entonces X2 . que. En efecto: premultiplicando y postmultiplicando la igualdad X2 A = AX2 por X2 1 tenemos . . . 2000. por ser S subgrupo y1 y2 1 = y3 2 S .1 = x. . © Edicions UPC. a) >Es S un subgrupo de GL2 (C)?.136 Algebra Lineal.1 y1 x)(x. X2 1A = AX2 1 y nalmente . . Problemas resueltos las igualdades anteriores son todas ellas ciertas puesto que x y1 y2 son elementos de G que tiene estructura de grupo. . b) Determinar S para el caso en que A = 01 00 Solucion: a) Sean X1 X2 2 S luego veri can X1 A = AX1 y X2 A = AX2 . (a) X2 1 2 S . Para ver si se veri ca X1 X2 1A = AX1 X2 1 (condicion de subgrupo). AX2 1 = X2 1A .1y2 x). 2000.1 Sx y por lo tanto x. . .1 Sx es un subgrupo de G 5. .1 y3 x 2 x.

1) La operacion esta bien de nida ( a b existe para todo a b 2 R y es unico) Asociatividad qp p3 3 3 (a b) c = ( a + b ) c = 3 ( 3 a3 + b3 )3 + c3 = p 3 3 3 p3 3 3 q3 p3 33 = 3 (a + b ) + c = 3 a + (b + c ) = 3 a + ( 3 b + c ) = p3 3 3 = a ( b + c ) = a (b c) Existencia de elemento neutro Si e 2 R es tal que 8a 2 R entonces a e=e a=a p 3 a3 + e3 = a ) a3 + e3 = a3 ) e3 = 0 por lo tanto e = 0 y evidentemente es unico Existencia de elemento simetrico © Los autores. 2000.0 3 x1 x3 x4 = 0 0 0 0 ) x1 = x4 x3 = 0 ) X = x1 x2 0 x1 ahora bien X 2 GL2 (C) luego x1 = 0 6 S= x1 x2 j x 6= 0 1 0 x1 0 x1 x3 x4 0 x3 = 0 0 p 6. Probar que (R ) con a b = 3 a3 + b3 es un grupo isomorfo a (R +). 2000.Grupos 137 ) x . Solucion: Veamos que (R ) es un grupo abeliano. ) . . © Edicions UPC.

a3 ) a = a1 1 1 luego el elemento simetrico existe y es unico Conmutatividad q a b = 3 a3 + b3 = 3 b3 + a3 = b a Luego en efecto es grupo abeliano. 2000. © Edicions UPC. establezcamos ahora el isomor smo con (R +) p p ' : (R ) .1 = a1 a = 0 entonces 0 = 3 a3 + a3 ) a3 = . Sea G un grupo.! (R +) a .! '(a) = a3 Dicha aplicacion esta bien de nida ya que '(a) es un numero real unico. . y si G es un grupo nito entonces el orden de Gn coincide con el ndice de Gn Solucion: © Los autores. Problemas resueltos a a. p p 7. ya que p p '(a b) = '( 3 a3 + b3) = ( 3 a3 + b3 )3 = a3 + b3 = '(a) + '(b) por lo que ' es un isomor smo. Es inyectiva pues '(a) = '(b) ) a3 = b3 lo que implica a = b Es ademas exhaustiva pues 8a 2 R existe 3 a tal que '( 3 a) = a Esta aplicacion es mor smo de grupos. Probar que si existe un numero entero n tal que (ab)n = anbn para todo a b 2 G entonces Gn = fxn j x 2 Gg y Gn = fx 2 G j xn = eg son subgrupos normales de G . 2000. para cada a 2 R.138 Si para cada a 2 R existe a1 2 R tal que Algebra Lineal.

2000.1 © Los autores.1 = (yxy. Probar que un grupo (G ) es abeliano si y solo si la aplicacion ' : G .1 = a. Solucion: La aplicacion ' esta bien de nida puesto que cada elemento de G admite un inverso y este es unico.! xn '(ab) = (ab)n (=) an bn = '(a)'(b) a Ker' = fx 2 G j '(x) = eg = Gn luego Gn es subgrupo normal de G Im' = fy 2 G j 9x 2 G tal que '(x) = yg = fxn j x 2 Gg = Gn luego Gn es un subgrupo de G . por lo que ord Gn = ind Gn 8. veamos que tambien es normal 8y 2 G yxny. Supongamos ahora que ' es un automor smo '(a b) = '(a) '(b) Por de nicion de ' tenemos 8a b 2 G (1) (2) (a b).Grupos 139 Consideremos la aplicacion y comprobemos que es mor smo de grupos (a) por hipotesis ' : G . 2000.! G de nida por '(x) = x.1 es un automor smo de G .1 a.1 Por de nicion de elemento simetrico tenemos (a b).1 = b.1)n 2 Gn Y por ultimo '(G) = Gn ' G=Gn . © Edicions UPC. .! G x .1 b.

Puesto que todo elemento a 2 G conmuta con su inverso a.1 = '(a) '(b) a (a) hipotesis de conmutatividad 9. veamos que el hecho de ser el grupo abeliano nos asegura que ' es mor smo '(a b) = (a b). .1)n = e Ahora bien an = e luego (a.1 b. © Los autores.140 que por (1) y (2) Algebra Lineal.1)m am = e por lo que n es un divisor de n . se tiene (aa.1 )n = en = e (aa. Analogamente tenemos (a.1 a)m = em = e de donde am = eam = (a. Finalmente si n es divisor de m y m es divisor de n es que n = m .1 = an (a.1 a.1 = e .1 = '(b) '(a) = '(b a) a b=b a La aplicacion ' es biyectiva por ser G grupo (para cada elemento a 2 G existe simetrico y es unico).1 a. 2000.1 )n = e . Rec procamente '(a b) = b. Sea G un grupo.1 : : :aa. 2000. Por lo tanto si m es el orden de a.1 )n y por lo tanto an(a. © Edicions UPC.1 Solucion: Sea n = ord a el orden de a 2 G es decir an = e .1 )n = aa.1 y este es tal que aa. Probar que el orden de un elemento a 2 G es el mismo que el orden de su inverso a.1 (=) a.1 = b. Problemas resueltos y por ser ' automor smo es Luego G es conmutativo.1 se tiene que m es divisor de n .1 )n = e(a.

a c 2 I r es positivo o nulo y por pertenecer a I ha de ser nulo.Anillos de clases de restos 141 Apendice II Anillos de clases de restos 1. para todo m 2 I . 2000. . el menor entero positivo perteneciente a I . © Edicions UPC. tenemos ideales se llaman principales). Solucion: © Los autores.y 2 I a x2I Probar que todos los ideales de Z son de la forma I = (a) = fa m j 8m 2 Zg: Solucion: Sea. que la union de dos ideales de Z no tiene por que ser un ideal. I Z . b) Probar. luego m = a c es decir I = (a) (estos 2. 2000. a) Probar que la interseccion de dos ideales de Z es siempre un ideal. con un ejemplo. a . diremos que es un ideal si y solamente si 8x y 2 I 8x 2 I 8a 2 Z ) x. m = a c + r con 0 r < a puesto que a 2 I se tiene que a c 2 I y por tanto r = m . un subconjunto. Sea Z el anillo de los numeros enteros.

En Z sabemos que los ideales son principales. siendo d el generador del ideal suma de los ideales de Z generados por a b respectivamente. Por el mismo razonamiento (b) (d). y 2 (a) x y 2 (b) de donde x . 4 2 (2) y 9 . De (a) (d) tenemos que a 2 (d). 4 = 5 2 (3) (2) puesto que 5 2 (3) y 5 2 (2).142 a) (a) \ (b) = I Algebra Lineal. Solucion: Recordemos que es siempre un ideal. m 2 Z veamos si m x 2 I . y 2 I . Probar que mcd(a b) = d . = = = luego (3) (2) no es ideal. © Edicions UPC. 2000. (a) (d) pues 8m 2 (a) m + 0 = m 2 (a) + (b) = (d). luego a = d k1 I + J = fa + b j a 2 I b 2 J g © Los autores. y m x 2 (b) se tiene m x 2 I (b) Consideremos los ideales I1 = (3). y x . De x y 2 I se tiene x y 2 (a) de donde x . Problemas resueltos Sean x y 2 I veamos si x . 2000. y 2 (a) \ (b) = I Sean x 2 I . luego (a) + (b) = (d): Veamos que d es en efecto mcd(a b). y 2 (b) se tiene x . . y 2 (b) De x . y 2 (a). I2 = (2) y sea (3) (2). 3. De x 2 I se tiene x 2 (a) luego m x 2 (a) x 2 (b) luego m x 2 (b) De m x 2 (a). Tenemos que 9 2 (3).

es condicion necesaria y su ciente que n sea primo. es decir. lo es de d . 2000. siendo c 2 Z el generador del ideal interseccion de los ideales generados por a b 2 Z . por lo que mcd(a b) = d . © Edicions UPC.Anillos de clases de restos 143 De (b) (d) tenemos que b 2 (d). 4. es tambien multiplo de c . De (d) = (a) + (b) tenemos que d 2 (a) + (b) luego existen m n 2 Z tales que a m+b n =d por lo que si d1 es divisor de a y b lo es de a m + b n . que (a) \ (b) = (c) veamos que c = mcm(a. por hipotesis. 2000. Solucion: Tenemos. . a 6= 0.b). luego b = d k2 de donde d es divisor comun de a . Probar que para que Z=(n) sea cuerpo. y b falta ver que es el maximo. Probar que mcm(a b) = c . c = a k1 con k1 2 Z c = b k2 con k2 2 Z 5. © Los autores. Solucion: Supongamos que Z=(n) es cuerpo. Veamos que es el m nimo. Sea h un multiplo de a y b cualquiera h = a h1 de donde h 2 (a) h = b h2 de donde h 2 (b) y por tanto. existe b 2 Z=(n) tal que a b = 1. De (a) \ (b) = (c) tenemos de donde (c) (a) luego c 2 (a) (c) (b) luego c 2 (b) luego c es multiplo de a y b . es decir 8a 2 Z=(n). h 2 (a) \ (b). es decir h = c h3 .

a) 12 = 22 3. es decir. las clases de resto de los divisores propios de 12 y de los elementos que tienen un factor que lo es de 12. por lo tanto a r = 1 y Z=(n) es cuerpo. 10. © Los autores. 2000. 15. 3. b 6= 0 tal que a b=0 Observamos que si a es divisor de cero. Solucion: Un elemento a 2 Z=(n) con a 6= 0 es un divisor de cero si y solamente si existe b 2 Z=(n). luego los divisores de cero son 2. tales que a r + n s = 1 (recordar que (a) + (n) = (1)) luego a r + n s = 1. 14. 6. Puesto que n1 6= 0 y Z=(n) por hipotesis es cuerpo. existe m tal que n1 m = 1. 8 3 = 0. 9. 12. es decir. tambien lo es b . b) 18 = 2 32 . 3. las clases de resto de los divisores propios de 24 y de los elementos que tienen un factor que lo es de 24. 21. Problemas resueltos Si n no fuera primo.144 Algebra Lineal. luego 0 = 0 m = n1 n2 m = n1 m n2 = 1 n2 = n2 . 4 9 = 0. 18. mcd(a n) = 1 por lo que existen r s 2 Z . luego los divisores de cero son 2. y a b = n . 16. 4. Puesto que n es primo. 10 es decir. existir an n1 n2 2 N ambos distintos de n . a r + n s = 1 Pero n = 0. 6. Determinar todos los divisores de cero de a) Z=(12) b) Z=(18) c) Z=(24). luego los divisores de cero son 2. 14. 20. Observamos que 2 9 = 0. 6. 8. 12. 4. 3 4 = 0. etc. 9. 8. . las clases de resto de los divisores propios de 18 y de los elementos que tienen un factor que lo es de 18 . Observamos que 2 6 = 0. o sea. 6. 8. luego n2 = n y puesto que n2 j n . Veamos que es tambien su ciente: Sea 0 6= a = fm n + a 8m 2 Z con0 < a < ng . se tiene n2 = n contradiccion luego n ha de ser primo. etc. 3. 10. 4. 3 8 = 0. 9. 4 6 = 0. 2000. 22. c) 24 = 23 3. tales que n1 n2 = n por lo tanto n1 n2 = n = 0. 16. © Edicions UPC. y la condicion es necesaria. 15.

Anillos de clases de restos 145 Observamos que 2 12 = 0. 8 3 = 0. © Edicions UPC. 7. . 2000. Observese que 2 no es inversible en Z=(4) (es un divisor de cero) (a) sumando ambas ecuaciones. Escribir la tabla de sumar y multiplicar del cuerpo Z/(5) y resolver el sistema x + 2y = 1 2x + y = 0 Solucion: © Los autores. 4 6 = 0. (b) sustituyendo el valor de x en la primera ecuacion. etc. Escribir las tablas de sumar y multiplicar de Z=(4) y resolver el sistema de ecuaciones 2x + 3y = 1 2x + 2y = 1 Solucion: + 0 1 2 3 0 0 1 2 3 1 1 2 3 0 2 2 3 0 1 3 3 0 1 2 0 1 2 3 0 0 0 0 0 1 0 1 2 3 2 0 2 0 2 3 0 3 2 1 2x + 3y = 1 (a) ) 0x + y = 2 ) y = 2 2 x + 2y = 1 (b) ) 2x + 3 2 = 1 ) 2x + 2 = 1 ) 2x = 3 no tiene solucion pues no existe ningun elemento x en Z=(4) tal que 2 x = 3. 21 8 = 0. 8. 2000.

2) = (x + 1)(x + 3). . 2000. Problemas resueltos 0 0 0 0 0 0 1 0 1 2 3 4 2 0 2 4 1 3 3 0 3 1 4 2 4 0 4 3 2 1 (a) multiplicando la primera ecuacion por 2. 4)(x . Descomponer en fracciones simples. © Edicions UPC. haciendo uso de las tablas del ejercicio anterior: (x2 + 4x + 3)(4) = 1 + 1 + 3 = 0 (x2 + 4x + 3)(2) = 4 + 3 + 3 = 0 luego x2 + 4x + 3 = (x . luego 4 A B (x + 1)(x + 3) = x + 1 + x + 3 4 + 3) + B ( + + x+ + = A(x x + 1)(x +x3) 1) = (A (x B )1)(x 3A3) B (x + 1)(x + 3) ( + + Igualando numeradores tenemos A+B =0 3A + B = 4 ) A=2 B=3 © Los autores. sobre Z/(5) la fraccion racional siguiente 4 x + 4x + 3 2 Solucion: Hallemos primero las ra ces del denominador.146 + 0 1 2 3 4 0 0 1 2 3 4 1 1 2 3 4 0 2 2 3 4 0 1 3 3 4 0 1 2 4 4 0 1 2 3 0 1 2 3 4 Algebra Lineal. (b) sumando ambas ecuaciones. x + 2y = 1 (a) 2x + 4y = 2 (b) ) 2x + y = 0 ) 4x + 0y = 2 2x + y = 0 ) 4x = 2 ) x = 3 (c) ) 2 3+y =0 ) 1+y = 0 ) y =4 (c) sustituyendo el valor de x en la segunda ecuacion. 9. 2000.

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->