Está en la página 1de 15

Universidad Mayor de San Simón Hans Müller Santa Cruz

Facultad de Ciencias y Tecnologı́a Departamento de Matemáticas

Práctica 1 Algebra Lineal

1.- Mostrar por inducción


n
X n(n + 1)(2n + 1)
a) k2 =
6
k=1
n  2
X
3 n(n + 1)
b) k =
2
k=1


2.- Mostrar que 2 es irracional.
3.- Se considera las aplicaciones ϕ : A → B y ψ : B → C.
a) Mostrar que si ψ ◦ ϕ es inyectiva, entonces ϕ es inyectiva y que si ψ ◦ ϕ es sobreyectiva, entonces ψ es
sobreyectiva.
b) Mostrar que si ϕ es sobreyectiva y ψ ◦ ϕ es inyectiva, entonces ψ es inyectiva, y que si ψ es inyectiva
y ψ ◦ ϕ es sobreyectiva, entonces ϕ es sobreyectiva.
4.- Resolver el sistema:
3x + x2 +x3 − x4 = 1

 1

−x1 + x2 + x3 + x4 = 3
.
 2x1
 − x2 + 3x3 + x4 = 0
4x1 + x3 − x4 = 0
√ √ √
5.- Sea Q( 2) = {x + y 2|x, y ∈ Q}. Mostrar que Q( 2) es un cuerpo.
6.- Sean f : X → Y una aplicación, (Ei )i∈I una familia de subconjuntos de X y (Fj )j∈J una familia de
subconjuntos de Y .
Demostrar que
[ [
a) f( Ei ) = f (Ei )
i∈I i∈I
\ \
b) f( Ei ) ⊂ f (Ei ). ¿En que caso se obtiene igualdad?
i∈I i∈I
[ [
c) f −1 ( Fj ) = f (Fj )
j∈J j∈J
\ \
d). f −1 ( Fj ) = f (Fj )
j∈J j∈J

7.- Sea E un conjunto finito y f : E → E una aplicación.


Mostrar que las aserciones siguientes son equivalentes:

a) f es sobreyectiva.
b) f es inyectiva.
c) f es biyectiva.
Hans Müller Santa Cruz

8.- Establecer las fórmulas


     
n+1 n n
a) = +
k k−1 k
n
X n  
b) (x + y)n = xn−k y k
k
k=0
m    
X n+k n+m+1
c) =
n n+1
k=0
n  
X n
d) (−1)k = 0.
k
k=0

9.- Se define sobre R4 las operaciones siguientes:


(a, b, c, d) + (a0 , b0 , c0 , d0 ) = (a + a0 , b + b0 , c + c0 , d + d0 )
˙ 0 , b0 , c0 , d0 ) = (aa0 − bb0 − cc0 − dd0 ,
(a, b, c, d)(a
ab0 + a0 b + cd0 − dc0 ,
ac0 + a0 c + b0 d − bd0 ,
ad0 + a0 d + bc0 − b0 c)

Mostrar que estas 2 operaciones hacen de R4 un cuerpo no conmutativo.


Indicación.-Plantear
e = (1, 0, 0, 0)
i = (0, 1, 0, 0)
j = (0, 0, 1, 0)
k = (0, 0, 0, 1)
y mostrar primero las relaciones
ij = k, jk = i, ki = j i2 = j 2 = k 2 = −e.
Escribir enseguida los elementos de R4 bajo la forma
aė + bi̇ + cj̇ + dk̇
con a, b, c, d ∈ R.
10.- Se considera el conjunto V de las aplicaciones del intervalo [0, 1] en R.
a) Mostrar que V es un espacio vectorial sobre R.
b) Decidir si los subconjuntos siguientes de V son subespacios vectoriales, o no.
i) {f ∈ V |2f (0) = f (1)}
ii) {f ∈ V |f (t) = f (1 − t), ∀t ∈ [0, 1]}
iii) {f ∈ V |f continua}
ii) {f ∈ V |f continua y f (t) ≥ 0 ∀t ∈ [0, 1]}

11.- Mostrar que las funciones fn (t) = cos(nt) (n ∈ N) forman un sistema linealmente independiente en el
espacio vectorial de las funciones de [0, 2π] en R.
12.- Resolver el sistema siguiente en F5 :
3x + 2y + z + t = 2


2x + y + 3z + 2t = 1

.

 3y + 4z + 3t = 3
3x + 4t = 0

2
Hans Müller Santa Cruz

13.- Sea V1 el subespacio de R4 engendrado por (0, 1, 1, 1), (1, 1, 1, 2) y (−1, 3, 2, −1) y sea V2 el subespacio
de R4 engendrado por (−1, 3, 2, −1) y (1, 1, 0, −1).
Encontrar bases para V1 + V2 y V1 ∩ V2 .
14.- Determinar una base del subespacio vectorial de R4 engendrado por

v1 = (2, 1, 3, −1)
v2 = (−1, 1, −3, 1)
v3 = (4, 5, 3, −1)
v4 = (1, 5, −3, 1)

15.- Mostrar la proposición.


V espacio vectorial, B ⊂ V . P
B es una base de V , si y solamente si, todo v ∈ V se escribe de manera única bajo la forma v = αi bi
(suma finita), con αi ∈ K, bi ∈ B.
√ √
16.- Mostrar que 1 y 2 forman una base de Q( 2) considerado como espacio vectorial sobre Q.
17.- En R3 se considera los subespacios vectoriales V y W dados por

V = {(x1 , x2 , x3 ) ∈ R3 |x1 − 3x2 + 2x3 = 0}


W {(x1 , x2 , x3 ) ∈ R3 |x1 + x2 + x3 = 0 y 2x1 + x2 − x3 }

a) dar bases para V y W .


b) Mostrar que V y W son suplementarios.
18.- Sean V un espacio vectorial, L, M, N subespacios vectoriales de V . Mostrar
a) Si M ∪ N es un subespacio vectorial de V . Entonces M ⊂ N o N ⊂ M .
b) Si M ∪ N = V . Entonces M = V o N = V .
c) L ∩ (M + (L ∩ N )) = (L ∩ M ) + (L ∩ N ).
19.- Sea V un espacio vectorial de generación finita. P y Q dos subespacios vectoriales.
Mostrar:
a) dim (P + Q) = dim P + dim Q − dim(P ∩ Q).
b) P ∩ Q = {0}, si y solamente si v ∈ P + Q se escribe de manera única como v = x + y x ∈ P y ∈ Q.
20.- Sea P el espacio vectorial de las funciones polinomiales reales.
a) Sea a ∈ R cualquiera. Mostrar que los polinomios pm (x) = (x − a)m forman una base de P. (m ∈ N)
b) Dar una base del subespacio vectorial de P formado por las funciones polinomiales pares.
c) Se considera el conjunto E de las aplicaciones R en R de la forma
X
f (t) = pi (t)eλi t
finita

donde pi (t) es un polinomio, λi ∈ R. Verificar que E es un espacio vectorial sobre R y encontrar una base.
21.- Una sucesión
f0 f1
H0 −→ H1 −→ H2 → · · ·
donde Hk es un espacio vectorial y fk es una aplicación lineal se se dice exacta si

ker(fk ) = Im(fk−1 ), ∀k

Mostrar que:
f
a) Si A −→ B → 0 es exacta, entonces f es sobreyectiva y recı́procamente.
g
b) Si 0 → A −→ B es exacta, entonces g es inyectiva y recı́procamente.

3
Hans Müller Santa Cruz

c) Si 0 → H1 → H2 → H3 → H4 → 0 es exacta entonces

4
X
(−1)i dim(Hi ) = 0
i=1

d) Generalizar c) para sucesiones exactas más largas.


22.- Sea V un espacio vectorial de dimensión finita, W ⊂ V un subespacio vectorial. Se denota por End (V )
el espacio vectorial de las aplicaciones lineales de V en V . Sea n = dim V , m = dim W . Calcular la
dimensión del subespacio de End (V )

{f : V → V |f (W ) ⊂ W }.

23.- Se da dos espacios vectoriales V1 , V2 de dimensión finita, ası́ como un subespacio W2 ⊂ V2 y una aplicación
lineal f : V1 → V2 . Mostrar que

dim(f −1 (W2 )) = dim(ker f ) + dim(W2 ∩ Im(f )).

24.- Sea Pn el espacio vectorial de los polinomios de grado ≤ n. Calcular dim{f ∈ Pn |f (0) = f (1) = f (2) = 0}.
Indicación.- Considerar la aplicación

F : Pn −→ R3
f −→ (f (0), f (1), f (2))

Mostrar que F es lineal. ¿Qué es ker F ?


25.- Sea V un espacio vectorial de dimensión finita.
Un proyector P de V es un endomorfismo de V tal que P ◦ P = P . Mostrar:
a) P proyector de V ⇐⇒ I − P proyector de V .
b) Si P es un proyector, entonces

ker(I − P ) = Im(P )
Im(I − P ) = ker(P )
ker(P ) y Im(P ) son dos subespacios suplementarios de V.

c) Si V1 y V2 son dos subespacios suplementarios de V , existe un proyector P único tal que ker(P ) = V1
y Im(P ) = V2 .
d) Si P1 y P2 son dos proyectores de V , entonces P1 + P2 es un proyector ⇐⇒ P1 P2 = P2 P1 = 0. Si
esta condición es satisfecha, se tiene

ker(P1 + P2 ) = ker(P1 ) ∩ ker(P2 )


Im(P1 + P2 ) = Im(P1 ) ⊕ Im(P2 ).

26.- Sea V un espacio vectorial sobre K, y e : V → V un endomorfismo nilpótente, es decir que existe un
entero n tal que en = 0.
a) Mostrar que I + e es inversible.
b) ¿La recı́proca es cierta?
27.- Sea V un espacio vectorial sobre K, End V el anillo de los endomorfismos de V .
a) Sea W un subespacio de V . Mostrar que IW = {f ∈ End V |Im(f ) ⊂ W } es un ideal por derecha de
End V y que JW = {f ∈ End V | ker f ⊃ W } es un ideal por izquierda de End V .
b) Sea g ∈ End V . Mostrar que el ideal por derecha, respectivamente por izquierda, engendrado por g
está contenido en IIm(g) , respectivamente Jker(g) .

4
Hans Müller Santa Cruz

28.- Se da las matrices    


1 −1 0 −2
a= b=
3 2 1 1

Calcular a2 , b3 , (a + b)2 ;
constatar que (a + b)2 6= a2 + 2ab + b2 .
29.- En la base canónica de Rn (n = 2 o 3), calcular:
a) La matriz de una rotación en R2 con centro en (0, 0).
b) La matriz de la proyección sobre el plano x = z en R3 .
c) La matriz de la simetrı́a a travez del plano x = z en R3 .
Mostrar que la matriz obtenida es un proyector en el caso a) y un idempotente en caso c), es decir
A · A = I.
30.- Si M es una matriz cuadrada de orden n, el conmutante o centralizador de M es el conjunto

C(M ) = {X ∈ M (n, R)|XM = M X}.

Encontrar C(M ) para  


  a 0 0
1 1
M= y M = 0 b 0.
0 1
0 0 c

31.- Efectuar el producto: 


1 0 −1
 √ 
√ √ √ 3 1
3 2 3 1 1
√2 2√
2 √2 2
 
2
 0 − 26 0 .
 
 1 6 1  √2
2 √
2 2
−1 3 1
−1
1 − 6 1 2 2

32.- Una matriz x es nilpotente si existe un entero n tal que xn = 0. Mostrar que una matriz que tiene ceros
en la parte triangular y sobre la diagonal principal es necesariamente nilpotente. Deducir que el conjunto
  
 1 x y 
H = 0 1 z  x, y, z ∈ R
0 0 1
 

es un subgrupo de Gl(3, R).


33.- Se considera las aplicaciones
a) D : Pn → Pn , donde P p(x) = p0R(x).
x
b) J : Pn−1 → Pn , donde Jp(x) = 0 p(t)dt.
c) T : Pn → Pn , donde T p(x) = p(x + 1).
Pn designa el espacio de los polinomios de grado a lo más n. Mostrar que:
i) Estas aplicaciones son lineales.
ii) Calcular la matriz de estas aplicaciones en la base canónica {1, x, x2 , . . . , xn }.
iii) Calcular matricialmente

D ◦ J, J ◦ D, T ◦ D, D ◦ T, J ◦ T, T ◦ J.

iv) Mostrar que D es nilpotente y que se tiene

1 2 1 1
T =1+D+ D + D3 + · · · + Dn+1
2! 3! (n + 1)!

Interpretar analı́ticamente esta igualdad.

5
Hans Müller Santa Cruz

34.- Desigualdad de Sylvester. Si f : V1 → V2 , g : V2 → V3 son dos aplicaciones lineales, los Vi son espacios
vectoriales de dimensión finita, entonces:

rang f + rang g − dim(V2 ) ≤ rang g ◦ f ≤ min{rang f, rang g}.

 
a b
35.- Sea una matriz de 2 × 2 sobre un cuerpo K. ¿Bajo que condición esta matriz es inversible?
c d
Calcular su inversa.
36.- Se denota por Eij la matriz cuadrada n × n que tiene un 1 en la i-sima linea y la j-sima columna y 0 en
el resto. Mostrar
a) {Eij }1≤i,j≤n es una base de Mn (K).
b) Calcular (I + xEij )(I + yEkl ) (x, y ∈ K).
c) Calcular (I + xEij )−1 si i 6= j.
d) Describir el efecto sobre una matriz de tipo n × p de la multiplicación por izquierda de (I + xEij ).
e) Describir el efecto sobre una matriz de tipo m × n de la multiplicación por derecha de (I + xEij ).
37.- ¿Cual es el rango de la matriz  
1 0 −5 2
 11 8 57 −90  ?
2 2 4 −10

38.- Sean b, b0 las bases siguientes de R2

b = {(1, 0), (5, −2)} b0 = {(−1, 1), (2, 1)}.

Se denota
P la matriz de pasaje de la base b a la base b0
P 0 la matriz de pasaje de la base b0 a la base b.
i) Calcular P y P 0 .
ii) Verificar que P y P 0 son inversas la una de la otra.
39.- Evaluar el polinomio f (X) = X 3 − 4X 2 − 5X + 24I en
 
1 3 2
X = 2 0 − 2 
0 −1 3

40.- Mostrar que la matriz  


0 1 0
a = 0 1 0
1 0 0
no es un proyector, sin embargo a2 es un proyector.
41.- Consideremos el conjunto de las matrices complejas 2 × 2

Q = {E, I, J, K}

donde        
1 0 i 0 0 1 0 i
E= , I= , J= , K=
0 1 0 −i −1 0 −i 0
a) Mostrar que Q es un subgrupo de Gl(2, C).
b) Mostrar que
I 2 = J 2 = K 2 = −E, IJ = K.

6
Hans Müller Santa Cruz

42.- Mostrar que una matriz triangular


a11 ··· a1n
 
.. .. 
A= . .
0 ann
n
Y
es inversible si y solamente si aii 6= 0.
i=1
  
x y
43.- Sea B = |x.z 6= 0, x, y, z ∈ R . Mostrar que B es un subgrupo maximal de Gl2 (R), es decir
0 z
que si H es un subgrupo tal que

B ⊂ H ⊂ Gl2 (R), entonces H = B o H = Gl2 (R).

44.- Sea N el conjunto de las matrices n × n que tienen exactamente un elemento no nulo por linea y columna.
Sea P el conjunto de las matrices de permutación de n × n. Mostrar
a) N y P son subgrupos de Gln (R).
b) La aplicación (
ϕ:N →P 0 si xij = 0
donde x̃ij =
(xij ) 7→ (x̃ij ) 1 si xij 6= 0

es un homomorfismo sobreyectivo de grupos.


c) Calcular ker ϕ.
45.- Mostrar que el grupo de las permutaciones de n objetos está engendrado por las transposiciones de dos
objetos sucesivos.
46.- Expresar los polinomios siguientes como combinaciones lineales de productos de polinomios simétricos
elementales:

a) x31 + x32 + x33 − 3x1 x2 x3 ,


b) x41 + x42 + x43 − 2x21 x22 − 2x22 x − 32 − 2x23 x21
c) (x1 + x2 )(x2 + x3 )(x3 + x1 )
d) (2x1 − x2 − x3 )(2x2 − x1 − x3 )(2x3 − x1 − x2 )

47.- Sea b : V × V → K una forma bilineal, V es un K-espacio vectorial. La matriz de b respecto a una base
{e1 , e2 , . . . , en } de V es por definición la matriz B = (bij ) donde

bij = b(ei , ej ).

Supongamos que B 0 sea la matriz de b respecto a otra base {e01 , e02 , . . . , e0n }, mostrar que

B = P tB0P

donde P es la matriz de pasaje de la base {ei } a la base {e0i }.


48.- Mostrar que una forma bilineal simétrica sobre R2

b((x, y), (x0 , y 0 )) = Exx0 + F (x0 y + xy 0 ) + Gyy 0

puede rescribirse bajo una forma diagonal, es decir

β((u, v), (u0 , v 0 )) = Auu0 + Bvv 0 .

7
Hans Müller Santa Cruz

49.- Denotemos por Pk el espacio vectorial de las funciones polinomiales a n variables de grado ≤ k. Si σ ∈ Sn ,
ϕ(σ) designa la aplicación Pk → Pk

ϕ(σ)f (x1 , . . . , xn ) = f (xσ(1) , . . . , xn σ(n))

Denotando
Pk+ = {f ∈ Pk |ϕ(σ)f = f, ∀σ ∈ Sn }.
Calcular dim(Pk+ ).
50.- Sean V un espacio vectorial sobre R.
Se define:
Bil(V, R) = {f : V × V → R| f es bilineal}
Sim2 (V, R) = {f : V × V → R| f es bilineal simétrica }
Alt2 (V, R) = {f : V × V → R| f es bilineal alternada }
Mostrar que Bil(V, R) = Sim2 (V, R) ⊕ Alt2 (V, R).
51.- Demostrar que Altm (V, W ) = {0} si dim(V ) < m, donde

Altm (V, W ) = {f : V m → W | f es multilineal alternada}.

52.- Sea  
5 1 0
A =  10 6 2.
20 16 9
Descomponer A bajo la forma de Bruhat, A = L · R, donde
   
1 0 0 ∗ ∗ ∗
L = ∗ 1 0 y R = 0 ∗ ∗.
∗ ∗ 1 0 0 ∗

Utilizar esta descomposición para resolver:


     
1 0 0
Ax =  0  , Ay =  1  , Az =  0  .
0 0 1
 
x1 y1 z1
Verificar que A−1 =  x2 y2 z2 .
x3 y3 z3
Indicaciones.- Para resolver LRx = b, se resuelve Lx̃ = b, luego Rx = x̃, que son dos ecuaciones muy
simples de resolver.
Remarca.- Este método es utilizado en la práctica para calcular la inversa de matrices de dimension que
van hasta 500.
53.- Calcular
 
cos α sin α
a) det
− sin α cos α
 
1 2 3
b) det  4 5 6.
1 2 1

54.- Demostrar que

8
Hans Müller Santa Cruz
 
A B
a) det = det A · det D, donde A, B y D son matrices.
0 D
b) Se dice que una matriz Q es ortogonal si Qt Q = I. Mostrar que det Q = ±1.
55.- Calcular
0 1 2 3 0 4
 
3 4 −2 9 12 15 
2 8 7 18 −7 9 
 
det 
0 0 0 9 1 3 

0 7 14 21 2 29
 
0 0 0 5 0 6
Indicaciones.- Transformar la matriz, utilizando el ejercicio 54, solo cuatro determinantes de 2 × 2 deben
calcularse.
56.- Calcular la inversa de la matriz, utilizando la matriz adjunta
 
1/2 1 2
A =  3 1/3 1 
4 0 9

57.- Sean    
1/2 1/3 1/4 1
A =  1/3 1/4 1/5  , y x0 =  1  .
1/4 1/5 1/6 1
 
b1
Calcular b =  b2  = A · x0 .
b3
Plantear ci = bi redondeado a dos
 cifras
 después de la coma.
c1
Buscar la solución de Ax = c =  c2 .
c3
58.- Los coeficientes ai del polinomio p(x) = a0 + a1 x + a2 x2 satisfacen p(1) = 1, p(2) = 1/2, p(3) = 1/3,
están determinados por el sistema
    
1 1 1 a0 1
1 2 4   a1  =  1/2  .
1 3 9 a2 1/3
R1
Los coeficientes bi del polinomio q(x) = b0 + b1 x + b2 x2 satisfacen 0 q(x)xi dx = 0, para i = 0, 1, 2, están
determinados por el sistema
    
1 1/2 1/3 b0 −1/4
 1/2 1/3 1/4   b1  =  −1/5  .
1/3 1/4 1/5 b2 −1/6

Resolver estos dos sistemas por el método de Cramer.


59.- Determinar a0 , a1 , a2 , a3 para que
Z 1
(a0 + a1 x + a2 x2 + a3 x3 + x4 )xi dx = 0, i = 0, 1, 2, 3.
0

60.- Sea V un espacio vectorial sobre R y U un subespacio vectorial de V . Se define PU = {ϕ ∈ End(V )|ϕ(U ) ⊂
U }.

9
Hans Müller Santa Cruz

Verificar que PU es un subespacio vectorial de End(V ).


Sea W un suplementario de U en V . Mostrar que W es isomorfo a V /U .
Encontrar una aplicación natural de PU en End(V /U ).
Verificar que ésta es sobreyectiva y lineal.
61.- Sean V y W dos espacios vectoriales de dimensión finita. Sea f : V → W una aplicación lineal. Sea
f t : W ∗ → V ∗ la aplicación dual.
Mostrar que

i) f es inyectiva ⇐⇒ f t es sobreyectiva
ii) f es sobreyectiva ⇐⇒ f t es inyectiva
iii) f es biyectiva ⇐⇒ f t es biyectiva.

62.- Sea Pn el espacio vectorial de los polinomios a coeficientes reales de grado menor o igual a n. Sean:
Z 1
σ1 : Pn → R, σ1 (p) = p(t)dt
0
σ2 : Pn → R, σ2 (p) = p(a) donde a ∈ R.
σ3 ∈ Pn∗ cualquiera.

Remarcar que σ1 y σ2 pertenecen a Pn∗ y expresar σ1 , σ2 y σ3 en la base dual a {1, t, t2 , . . . , tn }.


63.- Sea V un espacio vectorial de dimensión finita.
Si U es un subespacio vectorial de V , se define el anulador de U por U ◦ = { ∈ V ∗ |(U ) = {0}}.
Sean U1 y U2 dos subespacios vectoriales de V .
Mostrar que:
i) U1◦ y U2◦ son subespacios vectoriales de V ∗ .
ii) dim(U1◦ ) + dim(U1 ) = dim(V ).
iii) (U1 ∩ U2 )◦ = U1◦ + U2◦ .
iv) (U1 + U2 )◦ = U1◦ ∩ U2◦ .
64.- Invertir las matrices:    
1 a a2 1 3 4
A = 1 b b2  B = 3 2 5.
1 c c2 2 6 1
Sea
1 0 0 0
 
1 −1 0 0 
C= ,
1 −2 1 0
1 −3 3 −1
verificar que C es su propia inversa.
¿Cual es el rango de la matriz
1 2 3 4
 
2 3 4 5
D= ?
3 4 5 6
4 5 6 7

65.- Sea Mm,n (R) el espacio vectorial de las matrices m × n a coeficientes reales. Verificar que la aplicación

Mm,n (R) × Mm,n (R) → R


(A, B) 7→ tr(AB t )

es un producto escalar sobre Mm,n (R), donde tr(AB t ) es la suma de los elementos de la diagonal de AB t .

10
Hans Müller Santa Cruz

66.- Sea P3 el espacio vectorial de los polinomios de grado inferior o igual a 3.


i) Verificar que la aplicación h·, ·i : P3 × P3 → R definida por
Z 1
hp, qi = p(t)q(t)dt
−1

es un producto escalar sobre P3 .


ii) Aplicar la ortogonalización de Gram-Schmidt sobre la base {1, t, t2 , t3 } de P3 .
67.- Sea V el subespacio vectorial de R4 dotado del producto escalar usual, engendrado por v1 = (1, 1, 1, 1) y
v2 = (1, −1, 1, −1). Sea
V ⊥ = {v ∈ R4 |hv, wi = 0, ∀w ∈ V }.
Encontrar una base ortonormada de V ⊥ .
68.- ¿La forma bilineal siguiente, es un producto escalar sobre R3 ?
1
f (x, y) = 2x1 y1 + 2x2 y2 + 3x3 y3 + x1 y2 + x2 y1 + x1 y3 + x3 y1 + (x2 y3 + x3 y2 ).
2

69.- Sea R4 dotado de la forma bilineal simétrica

f (x, y) = x1 y1 + x2 y2 + x3 y3 − x4 y4 .

Sea V un subespacio vectorial de R4 . Se define

V ⊥ = {y ∈ R4 |f (x, y) = 0, ∀x ∈ V }.

Mostrar que V ⊥ es un subespacio vectorial de R4 y que

dim(V ) + dim(V ⊥ ) = 4.

Encontrar un V tal que V ∩ V ⊥ ) 6= {0}. Calcular V ⊥ cuando V es el subespacio engendrado por el vector
(0, 0, 1, 1).
70.- Una matriz Q ∈ Mn (R) se dice ortogonal si Qt Q = I. Se denota por O(n) el conjunto de las matrices
n × n ortogonales. Mostrar que:
i) O(n) es un grupo.
ii) Q ∈ O(n) ⇐⇒ hQx, Qyi = hx, yi ∀x, y ∈ Rn .
iii) Q ∈ O(n) ⇐⇒ las filas de Q forman una base ortonormada.
iv) Q ∈ O(n) ⇐⇒ las columnas de Q forman una base ortonormada.
v) Dar todas las matrices de O(2).
71.- Se considera el espacio vectorial R2 con su base canónica

e1 = (1, 0), e2 = (0, 1).

Se plantea
B = {±e1 , ±e2 }, G = {f ∈ End(R2 )|f (B) ⊂ B}.
a) Cuantos elementos tiene G.
b) Encontrar un elemento f de G tal que f 4 = I, pero f 2 6= I.
c) Encontrar el grupo más grande contenido en G.
3
X
72.- Se designa por E el espacio euclidiano R3 con su producto escalar estandar hx, yi = xi yi . Se denota
i=1
F el subespacio de E engendrado por

f1 = (2, 1, −3) f3 = (5, −4, −1)


f2 = (1, 1, −2) f4 = (1, −2, 1)

11
Hans Müller Santa Cruz

a) Calcular la dimensión de F .
b) Encontrar todas las bases de F contenidas en la familia {f1 , f2 , f3 , f4 }.
c) Encontrar una base del ortogonal F ⊥ de F .
d) Calcular matriz en la base canónica de E = R3 de la aplicación lineal definida por
(
x si x ∈ F
p(x) = .
0 si x ∈ F ⊥

73.- Se designa por M el conjunto de las matrices 3 × 3 a coeficientes en Q. Se considera la aplicación lineal

α : M −→ M
B 7→ BA − AB

donde  
0 1 0
A = 0 0 1
0 0 0
a) Calcular la dimensión del núcleo de α.
b) Encontrar una matriz diagonal D ∈ M tal que α(D) = 2A.
c) Encontrar todas las matrices H ∈ M tales que α(H) = 2A.
d) Mostrar que α5 = 0, pero que α4 6= 0.
n
X
2
74.- Sea w un vector de Rn de norma kwk = wi2 = 1.
i=1
Verificar que Q = I − 2wwt es una matriz ortogonal y simétrica. Una tal matriz se llama una matriz de
Householder.
75.- a) Sea  
4 7 3
A= 0 −4 5
−3 7 1
Se quiere descomponer A bajo la forma de Iwasawa; es decir, se quiere descomponer A bajo la forma
A = QR, donde Q es una matriz ortogonal y R es una matriz triangular superior con coeficientes de la
diagonal positivos. Utilizar la demostración del curso para hacer esta descomposición. Esta descomposición
se llama también una descomposición QR.
b) Método más práctico para hacer una descomposicón QR. Sea a1 el vector correspondiente a la primera
columna de A. Plantear

α1 = ka1 k , v1 = a1 − (α1 , 0, . . . , 0)t , w1 = v1 / kv1 k .

Calcular  
α1 ∗ ∗
A2 = (I − 2w1 w1t )A =  0 b c.
0 d e
Sean
a2 = (0, b, d)t , α2 = ka2 k , v2 = a2 − (0, α2 , 0)t , w2 = v2 / kv2 k .
Calcular A3 = (I − 2w2 w2t )A2 . Remarcar que se ha descompuesto A bajo la forma A = QA3 con
Q = (I − 2w1 w1t )(I − 2w2 w2t ) y A triangular superior con coeficientes de la diagonal positivos.
76.- Unicidad de la descomposición de Iwasawa. Sean R1 y R2 matrices triangulares superiores con coeficientes
de la diagonal positivos, y Q1 , Q2 dos matrices ortogonales. Mostrar que Q1 R1 = Q2 R2 implica que
Q1 = Q2 y R1 = R2 .

12
Hans Müller Santa Cruz

77.- Utilizar la descomposición de Iwasawa para mostrar la desigualdad de Hadamare:


n
Y
(det(A))2 ≤ hAei , Aei i,
i=1

donde A es una matriz de n × n, los ei son los vectores de la base canónica.


78.- Sea h·, ·i un producto escalar sobre un espacio vectorial V , y k·k la norma asociada.
a) Mostrar la desigualdad de Cauchy-Schwartz

hx, yi ≤ kxk kyk ∀x, y ∈ V

b) Mostrar la desigualdad del triángulo.


79.- Sea Pn el espacio euclidiano constituido de las funciones reales polinomiales de grado ≤ n dotado del
producto escalar siguiente
Z 1
hf, gi = f (t)g(t)dt.
−1

Se denota pm (t) el polinomio de Legendre de grado m

((t2 − 1)m )(m)


pm (t) = .
2m m!

a) Sea fm,k (t) = ((t2 − 1)m )(m) /2m m!. Mostrar que

fm,k )(1) = 0 y fm,k (−1) = 0 ∀0 ≤ k < m.

b) Mostrar que {pm } m = 0, . . . , n es una base ortogonal de Pn . Integrar por partes y utilizar a).
c) Mostrar que pm (1) = 1 y p0m (1) = m(m + 1)/2.
d) Mostrar que ((1 − t2 )p0n )0 es ortogonal a tk para k = 0 dots, n − 1.
e) Deducir de b) y d) que ((1 − t2 )p0n )0 = αpn α ∈ R.
f) Deducir el valor de α.
g) Concluir que pn es la solución de la ecuación diferencial

(1 − t2 )f 00 − 2tf 0 + n(n + 1)f = 0.

80.- Sea A ∈ Mn,n (K), B ∈ Mm,m (K). Se considera la aplicación lineal

ϕA,B : Mn,m (K) → Mn,m (K)


X 7→ AX − XB

a) Sean C ∈ Gl(n, K) y D ∈ Gl(m, K) Mostrar que

det(ϕA,B ) = det(ϕCAC −1 ,DBD−1 )

b) Calcular det(ϕA,B ) cuando A y B son triangulares superiores


c) Resolver ϕA,B (X) = Y cuando
 
  1 0 −2  
0 1 3 3 3
A= , B = 0 1 1  , eY =
0 2 4 5 9
0 0 1

13
Hans Müller Santa Cruz

81.- Calcular los polinomios caracterı́sticos de las matrices siguientes:


   
  −16 4 11 −13 5 −1
1 1  −21  −30
7 13  12 −2 
8 3
−18 4 13 60 −20 6
0 0 0 ··· a0
 
1 4 0 3
 
1 0 0 ··· a1 
0 18 9 −1  0

0 ··· a2 

0 −11 3 0 . .. .. .. 
 
 .. . . . 
0 2 0 0
0 0 ··· 1 an

82.- Sea K un cuerpo cualquiera, mostrar que todo polinomio unitario es el polinomio caracterı́stico de una
matriz a coeficientes en K.
83.- Sea A ∈ Mn (C) una matriz a coeficientes complejos cualquiera y sea v1 un vector propio de A. Sean
v2 , v3 , . . . , vn vectores de Cn tales que {vi } sea una base unitaria de Cn . Denotemos U la matriz de pasaje
de la base {vi } a la base canónica {ei }. Mostrar que

λ1 ∗ ∗ · · · ∗
 
 0 
−1
U AU =  0
 
 
 ... B 

0
Mostrar por inducción que existe una matriz unitaria W tal que

λ1 ∗ ··· ∗
 
 0 λ2
W AW −1

=
 ... .. 
. 
0 0 λn

84.- Sean A ∈ Mp,p (C) y B ∈ Mq,q (C) Denotemos E el espacio vectorial complejo E = Mp,q (C) y
ϕA,B ∈ End(E) el endomorfismo definido por

ϕA,B (X) = AX − XB

a) Sean v ∈ Cp un vector propio de A y w ∈ Cq un vector propio de B t . Mostrar que vwt es un vector


propio de ϕA,B .
b) Sean λ1 , λ2 , . . . , λp los valores propios de A; µ1 , µ2 , . . . , µq los valores propios de B. Mostrar que

{(λi − µj )|1 ≤ i ≤ q, 1 ≤ j ≤ q}

es el espectro (conjunto de valores propios de) ϕA,B .


c) Calcular det(ϕA,B ).
85.- Sea E = Cn considerado como espacio vectorial real. Definamos C ∈ EndR (E) por

C(z1 , z2 , . . . , zn ) = (z̄1 , z̄2 , . . . , z̄n ).

Mostrar que:
a) C(zv) = z̄C(v), z ∈ C, v ∈ E.
b) C es idempotente.
1
Sea < = (id + C) ∈ EndR (E), los vectores de <(E) se los llama reales, aquéllos de ker(<) − 0 se los
2
llama imaginarios.

14
Hans Müller Santa Cruz

c) Utilizando el ejercicio 25.- b), mostrar que


<(E) ⊕ ker(<) = E.
d) Todo vector v de E se escribe de manera única como
v = v1 + iv2 , v1 , v2 reales.

86.- Sea V ⊂ Cn un R-subespacio real.


a) Mostrar que V es un C-subespacio vectorial si y solamente si
iV = V
b) Mostrar que existe una C-base de V formada de vectores reales para V si y solamente si
V = C(V )
donde C es el conjudado definido en el ejercicio 85.
87.- Mostrar que toda matriz A ∈ M3 (C) es conjugada a una matriz del tipo
 
λ α 0
0 µ γ
0 0 ν

88.- Mostrar que, en el ejercicio precedente, se puede suponer que α, γ ∈ {0, 1}.
89.- Mostrar el teorema de Jordan: Toda matriz A ∈ M3 (C) es conjugada a una matriz de uno de los tres
tipos siguientes:      
λ 0 0 λ 1 0 λ 1 0
0 µ 0 0 λ 0 0 λ 1
0 0 ν 0 0 µ 0 0 λ

90.- Sea E un K-espacio vectorial de dimensión finita, A ∈ End(E) un endomorfismo no nulo. Sea v0 un vector
de E tal que Av0 6= 0, se define recursivamente vk por
vk = Avk−1 k ≥ 1.
Mostrar que existe un entero m más pequeño tal que v0 , v1 , . . . , vm sean linealmente dependientes. Existe,
por consiguiente, a0 , a1 , . . . , am−1 ∈ K tales que
vm + am−1 vm−1 + · · · + a1 v1 + a0 v0 = 0
Inspirandose del ejercicio 81, mostrar que el polinomio
f (t) = a0 + a1 t + · · · + am−1 tm−1 + tm
divide el polinomio caracterı́stico de A.
91.- Demostrar el teorema de Cayley-Hamilton: Si A ∈ Mn (C) tiene como polinomio caracterı́stico ρ(x),
entonces ρ(A) = 0.
Indicación.-Colocar A bajo la forma de Jordan.
92.- Verificar el teorema de Cayley-Hamilton para las matrices
   
−16 4 11 1 3 2
 −21 7 13  2 0 −2 
−18 4 13 0 −1 3

93.- Resolver el sistema     


dx/dt 5 −6 0 x(t)
 dy/dt  =  1 0 0   y(t) 
dz/dt 6 −6 −1 z(t)
Indicación.- Buscar una base propia.

15