Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Apuntes de teoría y
ejercicios resueltos
Álgebra Lineal José Manuel Salazar
Apuntes de teoría y
ejercicios resueltos
SERVICIO DE PUBLICACIONES
El contenido de este libro no podrá ser reproducido,
ni total ni parcialmente, sin el previo permiso escrito del editor.
Todos los derechos reservados.
© Universidad de Alcalá
Servicio de Publicaciones
Plaza de San Diego, s/n
28801 Alcalá de Henares
www.uah.es
ISBN: 978-84-8138-893-0
Depósito Legal: M-48205-2010
PRÓLOGO
El presente libro intenta ser una guía práctica para los alumnos de primer
curso de carreras cientícas en su estudio del Álgebra Lineal. Para ello se
han incluido resúmenes teóricos y una gran cantidad de ejercicios resueltos.
Esta obra resulta especialmente recomendable como material de apoyo en
la resolución de problemas, pudiendo emplearse también como texto básico,
sin olvidar que la parte teórica, aunque completa, apenas incluye demostra-
ciones, cuya consulta se deja al criterio del lector en cualquier texto estándar.
Los contenidos quedan estructurados de la siguiente manera: cada capí-
tulo comienza con un resumen teórico de la materia a tratar, seguido de una
serie de problemas propuestos para el alumno. El último capítulo se dedica
a la resolución de dichos problemas.
En el capítulo 1 se presentan los objetos y las herramientas básicas que
serán de utilidad a lo largo del libro: matrices, determinantes, cálculo de
rangos, sistemas de ecuaciones lineales, método de Gauss...
Los capítulos 2 y 3 desarrollan el núcleo de la asignatura: las estruc-
turas con las que trabajar, los espacios vectoriales, y las aplicaciones lineales
denidas en ellos.
El capítulo 4 estudia los endomorsmos y sus representaciones matriciales
más sencillas, las formas canónicas de Jordan. Una aplicación directa de estos
resultados se encuentra en el capítulo 5 en el que se analizan los sistemas de
ecuaciones diferenciales lineales de primer orden de coecientes constantes.
El capítulo 6 introduce el concepto de producto escalar en un espacio
vectorial con el n de dotar al mismo de longitudes y ángulos entre vec-
tores. Como aplicación de estas ideas se inicia al alumno en el estudio de los
desarrollos de Fourier.
El capítulo 7 contiene las soluciones de la mayor parte de los problemas
propuestos a lo largo del libro.
ÍNDICE 5
Índice
1. PRELIMINARES 7
1.1. CÁLCULO DEL RANGO POR EL MÉTODO DE GAUSS . 7
1.2. SISTEMAS DE ECUACIONES LINEALES . . . . . . . . . . 8
1.2.1. Método de eliminación de Gauss . . . . . . . . . 9
1.2.2. Discusión de sistemas de ecuaciones lineales . . 9
1.2.3. Regla de Cramer . . . . . . . . . . . . . . . . . . . . 10
1.3. PROPIEDADES DE LOS DETERMINANTES . . . . . . . . 10
1.4. EJERCICIOS . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2. ESPACIOS VECTORIALES 13
2.1. ESPACIOS VECTORIALES. SUBESPACIOS
VECTORIALES . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2. DEPENDENCIA E INDEPENDENCIA LINEAL. BASES . . 14
2.3. SUBESPACIO GENERADO POR LAS FILAS DE UNA MA-
TRIZ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.4. ECUACIONES CARTESIANAS Y PARAMÉTRICAS DE UN
SUBESPACIO . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.5. SUMA E INTERSECCIÓN DE SUBESPACIOS. SUMA DI-
RECTA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.6. COORDENADAS Y CAMBIO DE BASE . . . . . . . . . . . 18
2.7. EJERCICIOS . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3. APLICACIONES LINEALES 27
3.1. PRIMERAS DEFINICIONES Y PROPIEDADES . . . . . . . 27
3.2. MONOMORFISMOS, EPIMORFISMOS E
ISOMORFISMOS . . . . . . . . . . . . . . . . . . . . . . . . 28
3.3. MATRICES Y APLICACIONES LINEALES. CAMBIO DE
BASE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
3.4. OPERACIONES CON APLICACIONES LINEALES . . . . . 31
3.5. EJERCICIOS . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
1. PRELIMINARES
a11 ... a1n a11 ... a1n b1
.. ... .. .. ... .. ..
A= . . Ā = . . .
am1 . . . amn am1 . . . amn bm
se las llama matriz de coecientes y matriz ampliada de coecientes de (I).
1.4. EJERCICIOS
13
2. ESPACIOS VECTORIALES
a1 v1 + a2 v2 + · · · + am vm = 0̄
o, dicho de otro modo, si existe un vector vi ∈ S que se puede poner como
combinación lineal del resto.
Se dice que el conjunto de vectores S = {v1 , . . . , vm } es linealmente inde-
pendiente si no es linealmente dependiente, esto es, de ser cierta la igualdad
a1 v1 + a2 v2 + · · · + am vm = 0̄,
entonces a1 = · · · = am = 0. Esto equivale a decir que ningún vector de S se
puede poner como combinación lineal del resto.
también es l.d..
3. Si {v1 , . . . , vm , vm+1 , . . . , vm+r } es l.i., entonces {v1 , . . . , vm } es l.i..
Denición 9. (Base)
Una familia de vectores B ⊂ V es una base del espacio vectorial V si es
linealmente independiente y sistema de generadores de V .
Si V admite una base nita B = {v1 , . . . , vn } de n vectores, lo llamaremos
espacio vectorial de dimensión nita. Diremos que la dimensión de V es n,
dim(V ) = n.
pueden verse como vectores de Kn y, por tanto, podemos decir que generan
un subespacio de Kn llamado espacio la de A y que denotamos por F (A),
esto es:
F (A) = L(A1 , . . . , Am ).
Propiedades.
1. Si al realizar operaciones elementales sobre las las de A obtenemos
una nueva matriz B , entonces F (A) = F (B).
.
xn = an1 λ1 + an2 λ2 + · · · + anm λm
U ∩ W = {v ∈ V tal que v ∈ U y v ∈ W }
Propiedades.
1. U ∩ W es un subespacio vectorial de V . En general, tendremos que
la
T intersección de cualquier familia de subespacios vectoriales de V ,
i Ui , es un subespacio vectorial de V .
2. Si U y W son subespacios vectoriales de Kn , las ecuaciones cartesianas
de U ∩ W serán las ecuaciones resultantes de unir las de U y las de W .
U + W = {u + w tal que u ∈ U, w ∈ W }
Propiedades.
1. U + W es un subespacio vectorial de V que contiene al conjunto U ∪ W .
De hecho, es el menor subespacio vectorial que contiene a U ∪ W , esto
es, U + W = L(U ∪ W ).
2. De manera análoga se puede denir la suma de cualquier familia de
subespacios vectoriales {Ui } de V como i Ui = L( i Ui ).
P S
x = x1 e 1 + · · · + xn e n
Llamaremos a (x1 , . . . , xn ) ∈ Kn coordenadas de x respecto de la base B
y lo representaremos por xB = (x1 , . . . , xn ).
1. [x + y]B = (x1 + y1 , . . . , xn + yn ).
2. [ax]B = (ax1 , . . . , axn ).
3. Dado un conjunto de vectores S = {v1 , . . . , vr } de V , tendremos que
S es l.i., l.d., sistema de generadores o base de V si y sólo si lo son sus
vectores de coordenadas respecto de B en Kn .
x1 e1 + · · · + xn en = (a11 x01 + · · · + a1n x0n )e1 + · · · + (an1 x01 + · · · + ann x0n )en .
De modo que:
an1 · · · ann
entonces tenemos que xB = P xB 0 , esto es,
x01
x1 a11 ··· a1n
.. .. ... .. ..
. = . . .
xn an1 · · · ann x0n
Decimos que ésta es la ecuación matricial del cambio de base. A la ma-
triz P se la llama matriz de cambio de base de B 0 a B o matriz de paso,
escribiéndose P = M (B 0 , B), y nos permite determinar las coordenadas de
20 2 ESPACIOS VECTORIALES
2.7. EJERCICIOS
a) A = {(2x, x, −7x)/x ∈ R}
b) A = {(x, y, z)/xy = 1}
c) A = {(x, y, z)/x = y ó x = z}
d) A = {(x, y, z)/x + y + z = 0 y x − y − z = 0}
B = {1, t, t2 , ..., tn }
12. Sea
W = L({(1, 2, −1, 3, 4), (2, 4, −2, 6, 8), (1, 3, 2, 2, 6), (1, 4, 5, 1, 8), (2, 7, 3, 3, 9)})
Mostrar que:
a) R3 = U + V .
b) R3 = U + W .
c) R3 = V + W .
a) dim(U + V ) y ecuaciones de U + V .
b) dim(U ∩ V ) y ecuaciones de U ∩ V .
Calcular :
a) dim(W1 ) y dim(W2 ).
b) dim(W1 ∩ W2 ) y ecuaciones de W1 ∩ W2 . ¾Es R4 = W1 ⊕ W2 ?
c) dim(W1 + W2 ).
W1 = {(x, y, z, t) ∈ R4 /x − y = 0, z + t = 0}
19. Sean
W2 = {(x, y, z, t) ∈ R4 /x + t = 0}.
20. En el espacio vectorial real M2×2 (R) se consideran los subespacios vec-
toriales
a b
W1 = ∈ M2×2 (R)/a + b + c + d = 0
c d
1 1 0 0
W2 = L ,
1 1 0 1
21. Dada la base de R3 , B = {v1 = (1, 1, 1), v2 = (1, 1, 2), v3 = (1, 2, 3)},
hallar las coordenadas del vector x = (6, 9, 14) en dicha base, determi-
nando previamente la matriz de cambio de base P = M (Bc , B) de la
base canónica Bc en la base B .
22. En R3 se consideran las bases
B1 = {(1, 0, 1), (−1, 1, 1), (1, −1, 0)} y B2 = {(2, 1, 1), (1, 1, 1), (1, −1, 1)}
3. APLICACIONES LINEALES
Propiedades.
1. El conjunto Ker(f ) es un subespacio vectorial de V .
2. Si W es subespacio vectorial de V , W = L({v1 , . . . , vm }), entonces
f (W ) = L({f (v1 ), . . . , f (vm )}. Se desprende de esto que f (W ) es un
subespacio vectorial de V 0 . En particular, para W = V se tiene que
Im(f ) = f (V ) es subespacio vectorial de V 0 . Llamaremos rango de la
aplicación lineal f a la dimensión de la imagen, r(f ) = dim(Im(f )).
28 3 APLICACIONES LINEALES
.
ym = am1 x1 + · · · + amn xn
o, escrito matricialmente,
y1 a11 ··· a1n x1
.. .. ... .. ..
. = . . .
ym am1 · · · amn xn
Esta es la llamada ecuación matricial de f respecto de las bases B y B 0 .
La matriz
a11 ··· a1n
.. ... ..
F = . .
am1 · · · amn
tiene m las y n columnas y se denomina matriz asociada a f respecto de las
bases B y B 0 . Además, F tiene por columnas las coordenadas respecto de B 0
de los vectores f (e1 ), . . . , f (en ). Escribiremos F = M (f, B, B 0 ). La ecuación
matricial de f se escribe abreviadamente como
yB 0 = M (f, B, B 0 )xB
F
xB1 −→ yB10
P ↓ ↓Q
G
xB2 −→ yB20
Se tiene entonces que la relación entre las expresiones matriciales F y
G asociadas a f viene dada por la igualdad F = Q−1 GP o, dicho de otro
modo,
3.5. EJERCICIOS
Se pide :
a) Calcular "a" para que f sea inyectiva.
b) Si f no es inyectiva, hallar f (L1 ), siendo L1 el subespacio de
ecuaciones 2x1 − x3 = 0.
c) Sea L2 el subespacio de ecuaciones x1 + x2 − x4 = 0, 3x1 + 3x2 −
x3 − x4 = 0 y f no inyectiva. Hallar una base de L2 ∩ f (L1 ) y de
L2 + f (L1 ).
3.5 EJERCICIOS 35
B1 = {(1, 1, 0), (1, 0, 1), (0, 1, 1)} y B10 = {(1, −1, 1), (−1, 1, 1), (1, 1, −1)}
bases de R4 .
M (f,B)
xB −→ yB
P ↓ ↓ P
M (f,B 0 )
xB 0 −→ yB 0
Así, M (f, B) = P −1 M (f, B 0 )P , de modo que las matrices M (f, B) y
M (f, B 0 ) son semejantes (recuérdese que dos matrices A, C ∈ Mn (R) son
semejantes si C = P −1 AP con P ∈ Mn (R) regular).
Podemos preguntarnos si es posible encontrar una base B respecto de la
cual la matriz asociada a f , M (f, B), sea diagonal. El interés por encontrar
una matriz tan sencilla radica en que permite estudiar más fácilmente el
comportamiento de la aplicación lineal.
Desafortunadamente, no siempre existirá una tal matriz diagonal aso-
ciada a f . En este capítulo veremos cuáles son las situaciones en que la
aplicación f admite estas representaciones matriciales y, en caso de no ser
así, aprenderemos a determinar la representación más sencilla posible, a la
que llamaremos forma canónica de Jordan.
1 ≤ dim(Vλ ) ≤ α
D
xB −→ yB
P ↓ ↓ P
A
xB0 −→ yB0
40 4 DIAGONALIZACIÓN Y FORMAS CANÓNICAS
Algoritmo de diagonalización
Paso 1. Hallar el polinomio característico P (λ) de f y determinar sus raíces
para obtener los valores propios λ1 , . . . , λr de f . Si alguna raíz es com-
pleja, f no es diagonalizable.
Paso 2. Supuesto que todas las raíces de P (λ), λ1 , . . . , λr , son reales, f será
diagonalizable si y sólo si dim(Vλi ) = αi para todo i ∈ {1, . . . , r}.
Paso 3. Supuesto que dim(Vλi ) = αi para todo i ∈ {1, . . . , r}, entonces cal-
culamos una base B(Vλi ) = {vi,1 , . . . , vi,αi } para cada subespacio Vλi .
(Los vectores de estas bases son vectores propios asociados a λi ).
Paso 4. Considerar la colección de todos los vectores de todas las bases obtenidas
V = M (λ1 ) ⊕ · · · ⊕ M (λs )
J1 (λi )
...
J1 (λi )
...
J(λi ) =
Jp (λi )
...
Jp (λi )
jp = dp − dp−1
jp−1 + jp = dp−1 − dp−2
jp−2 + jp−1 + jp = dp−2 − dp−3
..
.
La familia de vectores B = B(λ1 ) ∪ · · · ∪ B(λs ) será una base de V y
la matriz asociada a f con respecto a dicha base será la forma canónica de
Jordan
J(λ1 )
J =
...
J(λs )
La matriz de paso P se obtendrá de escribir las coordenadas de estos
vectores en forma de columnas.
Proposición 3. En las condiciones de la última proposición, dado un auto-
valor λ, existe una base B(λ) de M (λ) tal que la matriz asociada a f |M (λ) :
M (λ) → M (λ) respecto de ella es una matriz de Jordan del tipo
J1 (λ)
...
J1 (λ)
...
J(λ) =
Jp (λ)
...
Jp (λ)
El algoritmo que permite construir B(λ) es el siguiente:
4.4 FORMAS CANÓNICAS DE JORDAN 43
Ejemplo 2
3 2
Sea A = ∈ M2 (R). El polinomio característico es p(λ) =
−4 −1
(λ−(1+2i))(λ−(1−2i)) (dos autovalores complejos conjugados). Calculemos
la forma canónica de Jordan J y una matriz de paso P ∈ M2 (C) así como
la forma canónicareal J 0 y una matriz
de paso Q ∈ M2 (C).
1 + 2i 0
Se tiene J = . Para determinar P procedemos como
0 1 − 2i
sigue:
4.4 FORMAS CANÓNICAS DE JORDAN 45
α β 0
dremos J = −β α 0 ∈ M3 (R). Existe también una matriz de
0
0 0 µ
paso Q ∈ M3 (R) tal que J 0 = Q−1 AQ.
Ejemplo 3
Determinar la forma canónica de Jordan y la matriz de paso de
0 3 1
A = 2 −1 −1
−2 −1 −1
Se tiene p(λ) = −(λ − 2)(λ + 2)2 . Además E1 (2) = Ker(A − 2Id) =
L{(1, 1, −1)} y E1 (−2) = Ker(A + 2Id) = L{(1, −1, 1)}. Esto implica que
A no es diagonalizable al no coincidir las multiplicidades algebraica y geo-
métrica para λ = −2. Sin embargo, hemos obtenido ya dos autovectores, uno
por cada autovalor.
Calculemos la matriz de paso P . Como la multiplicidad algebraica de
λ = 2 es r = 1, se tiene M (2) = E1 (2). Una base asociada a M (2) es B(2) =
{u1 = (1, 1, −1)}. Por otro lado, la multiplicidad algebraica de λ = −2 es
r = 2, mientras que dim(E1 (−2)) = 1. Se tiene
con dim(E2 (−2)) = 2. De modo que M (−2) = E2 (−2). Buscamos una base
adecuada de vectores de M (−2), B(−2), de modo que la matriz asociada a
nuestra aplicación lineal con respecto a la base B = B(2) ∪ B(−2) sea una
forma canónica de Jordan J .
Construyamos la familia de vectores B(−2). Elegimos una familia de
dim(E2 (−2)) − dim(E1 (−2)) = 1 vectores que estén en E2 (−2) \ E1 (−2);
por ejemplo, u3 = (0, 0, 1). A continuación consideramos el vector
Ejemplo 4
Determinar la forma canónica de Jordan y la matriz de paso de
−2 1 −1
A = −1 −1 0
0 1 −3
Ocurre que p(λ) = −(λ + 2)3 . Además E1 (−2) = Ker(A + 2Id) =
L{(1, 1, 1)}. Esto implica que A no es diagonalizable al no coincidir las
multiplicidades algebraica y geométrica para λ = −2. Sin embargo, hemos
obtenido ya un autovector.
Se tiene
48 4 DIAGONALIZACIÓN Y FORMAS CANÓNICAS
Ejemplo 5
Determinar la forma canónica de Jordan y la matriz de paso de
−2 0 1
A = 0 −1 0
−1 0 0
Se tiene p(λ) = −(λ + 1)3 . Además,
Ejemplo 6
Determinar la forma canónica de Jordan y la matriz de paso de
1 −1 0
A= 5 3 0
2 0 −4
Se tiene p(λ) = (−4−λ)(λ2 −4λ+8)2 = (−4−λ)(λ−(2+2i))(λ−(2−2i)).
Obenemos un autovalor real y dos complejos conjugados.
Entonces
4.5. EJERCICIOS
1. Se considera la matriz:
2 3
A=
4 13
2. Determinar los valores de a, b, c, d para los cuales cada una de las si-
guientes matrices reales es diagonalizable:
a b a b
A= con la condición bc > 0 y B=
c d −b a
6. Sea E4 un espacio vectorial real. B = {~e1 , ~e2 , ~e3 , ~e4 } una base de E4 .
Sea f ∈ End(E4 ), cuya matriz respecto a B es:
1 0 0 0
0 1 0 0
A=
0
0 a 0
a 0 0 2
52 4 DIAGONALIZACIÓN Y FORMAS CANÓNICAS
7. Sea la matriz:
1 1 1 1
1 1 −1 −1
A=
1 −1
1 −1
1 −1 −1 1
Determinar:
a ) Autovalores y autovectores de f .
4.5 EJERCICIOS 53
Calcular A15 .
0 −4 0 −1
1 0 −1 0 1 0 0 2 0 0
A= 0 1 0 ,B = −1 0 1 , C =
0 0
0 0
1 1 −1 −1 1 1
4 8 −12 4
16. Encontrar la forma de Jordan real y una matriz de paso real de:
0 1 −1
1 −2
A= B= 0 1 0
3 1
3 1 0
55
se denomina sistema lineal de primer orden. Las funciones aij (t), fi (t) se
supondrán continuas en un intervalo dado I = (a, b). Si fi (t) = 0 para todo
i = 1, . . . , n, se dice que el sistema es homogéneo.
La expresión del sistema anterior se suele hacer en forma matricial
(1) X 0 = AX + F
siendo
x1 (t) a11 (t) · · · a1n (t)
.. .. ... ..
X = X(t) = . A = A(t) = . .
xn (t) an1 (t) · · · ann (t)
f1 (t)
..
F = F (t) = .
fn (t)
Si el sistema es homogéneo, se escribe X 0 = AX .
x1 (t)
Denición 23. Diremos que el vector ..
X = . es solución de (1)
xn (t)
en un intervalo I si sus elementos son funciones diferenciables que satisfacen
(1) en dicho intervalo.
Denición 24. Problema del
valor inicial.
x01
Dado t0 ∈ I y dado X0 = .. un vector cuyas entradas son cons-
.
x0n
tantes dadas, el problema de resolver
X 0 = AX + F
sujeto a la condición X(t0 ) = X0 se denomina problema de valor inicial en
el intervalo I .
56 5 SISTEMAS DE ECUACIONES DIFERENCIALES
X = c1 X1 + · · · + cm Xm
es también solución de X 0 = AX en el intervalo I .
Denición 25. Dependencia e independencia lineal de soluciones.
Dados X1 , . . . , Xm un conjunto de vectores solución del sistema homogé-
neo X 0 = AX en un intervalo I , se dice que el conjunto es linealmente
dependiente en I si existen constantes c1 , . . . , cm , no todas cero, tales que
c1 X1 + · · · + cm Xm = 0
para todo t ∈ I . Si el conjunto de vectores no es linealmente dependiente, se
dice que es linealmente independiente.
Teorema 9. Sean X1 , . . . , Xn n vectores solución del sistema homogéneo de
n ecuaciones y de primer orden
X 0 = AX
en un intervalo I . El conjunto de vectores es linealmente independiente en I
si y sólo si el wronskiano
W (X1 , . . . , Xn ) = |X1 . . . Xn | 6= 0
Se puede probar que, si X1 , . . . , Xn son soluciones de X 0 = AX , entonces
W (X1 , . . . , Xn ) 6= 0 para todo t ∈ I o bien W (X1 , . . . , Xn ) = 0 para todo
t ∈ I . De modo que, si existe un t0 tal que W 6= 0 en t0 , entonces W 6= 0
para todo t ∈ I , con lo que las soluciones son linealmente independientes en
I.
X = c1 X1 + · · · + cn Xn
donde c1 , . . . , cn son constantes arbitrarias. Dicho de modo eqivalente:
X = Φ(t)C
c1
.
.. es un vector formado
donde Φ(t) es una matriz fundamental y C =
cn
por constantes.
Si buscamos la solución del problema de valor inicial
X 0 = AX
X(t0 ) = X0
X = Xh + Xp
siendo Xh la solución general del sistema homogéneo asociado X 0 = AX .
Escrito de modo equivalente,
X = Φ(t)C + Xp
cn (t)
58 5 SISTEMAS DE ECUACIONES DIFERENCIALES
de manera que Φ(t)C 0 (t) = F (t), lo cual implica que C 0 (t) = Φ−1 (t)F (t) y,
Z
Xp = Φ(t) Φ−1 (t)F (t)dt
Y 0 = JY
y10
λ1 0 y1
=
y20 0 λ2 y2
eλ1 t eλ1 t
y1 (t) 0 0 c1
Y = = c1 + c2 =
y2 (t) 0 e λ2 t 0 e 2t
λ c2
e λ1 t
x1 (t) 0 c1
X= =P =
x2 (t) 0 e λ2 t c2
λ1 t p11 λ2 t p12
= c1 e + c2 e
p21 p22
p11 p12
siendo y las columnas de P , esto es, los autovectores
p21 p22
asociados a los autovalores λ1 y λ2 respectivamente. Obsérvese que la
matriz
eλ1 t
0
Φ(t) = P
0 e 2t
λ
y2 (t) = c2 eλt
60 5 SISTEMAS DE ECUACIONES DIFERENCIALES
eλt teλt
c1 λt p11 p12
X=P =e (c1 + c2 t) + c2
0 eλt c2 p21 p22
eλt teλt
La matriz Φ(t) = P es una matriz fundamental.
0 eλt
Caso 3. Si la matriz A tiene dos autovalores complejos conjugados λ = a +
ib, λ = a − ib, la forma canónica de Jordan es la matriz
λ 0
J= ∈ M2 (C)
0 λ
Y 0 = JY
e(a+ib)t
y1 (t) 0 c1
Y = =
y2 (t) 0 e(a−ib)t c2
e(a+ib)t
x1 (t) 0 c1
X= =P (a−ib)t =
x2 (t) 0 e c2
5.2 SISTEMAS LINEALES HOMOGÉNEOS 61
= c1 e(a+ib)t P 1 + c2 e(a−ib)t P 1
lı́m xi (t) = 0, i = 1, 2
t→∞
x1 (t)
para cualquier solución X = del sistema X 0 = AX .
x2 (t)
x01 = x2 x01
0 1 x1
(1) ó =
x02 = −a2 x1 − a1 x2 x02 −a2 −a1 x2
0 1
El polinomio característico de A = es p(λ) = λ2 + a1 λ +
−a2 −a1
a2 . Obsérvese la relación existente entre el polinomio p(λ) y la ecuación de
segundo orden.
Utilizando lo hecho en los sistemas planos, y teniendo en cuenta que sólo
nos interesa x1 (t), se concluye que:
Caso 1. Si los dos autovalores λ1 , λ2 son reales (y distintos, ya que de ser iguales
la matriz A debería ser diagonal), entonces x(t) = x1 (t) = k1 eλ1 t +
k2 eλ2 t , siendo k1 y k2 constantes arbitrarias.
I
mage
ntoma
dade[
5],pá
g.191
.
5.2 SISTEMAS LINEALES HOMOGÉNEOS 65
I
mage
ntoma
dade[
5],pá
g.192.
66 5 SISTEMAS DE ECUACIONES DIFERENCIALES
5.3. EJERCICIOS
u0
u
=A
v0 v
−2 1
siendo A = .
1 −2
Nota.
Utilícese el hecho de que, al ser A diagonalizable, dado x̄ =
u
, se tiene x̄0 = Ax̄, lo que equivale a escribir x̄0 = P DP −1 x̄.
v
Llamando ȳ = P −1 x̄, se obtiene ȳ 0 = Dȳ , un sistema de resolución
elemental.
x01 = x1 + 3x2
y 000 − 3y 00 + 2y 0 = 0
y0
0 1 0 y
u0 = 0 0 1 u
v0 0 −2 3 v
Propiedades.
a) hv, 0̄i = 0 para todo v ∈ V .
b) hλu + µv, wi = λhu, wi + µhv, wi para todo u, v, w ∈ V , λ, µ ∈ R.
c) hv, vi = 0 si y sólo si v = 0̄.
hx, yi = x1 y1 + x2 y2 + · · · + xn yn .
d(u, v) = ku − vk
Propiedades.
1. kvk ≥ 0 y kvk = 0 si y sólo si v = 0̄.
2. kλvk = |λ|kvk para todo λ ∈ R y para todo v ∈ V .
3. Para todo u, v ∈ V , ku + vk ≤ kuk + kvk. Esta propiedad se conoce
como desigualdad triangular o de Minkowski.
4. Dado v 6= 0̄, kvk
v
es un vector unitario.
5. Para todo u, v ∈ V , |hu, vi| ≤ kukkvk. Esta propiedad se conoce como
desigualdad de Cauchy-Schwarz.
Propiedades.
1. Si {u1 , . . . , uk } son vectores no nulos de V , ortogonales entre sí, en-
tonces son linealmente independientes.
2. Si B = {u1 , . . . , un } es una base ortogonal de V , entonces B 0 =
{ kuu11 k , . . . , kuunn k } es una base ortonormal de V .
hsen(mx), sen(nx)i = 0 si m 6= n
hcos(mx), cos(nx)i = 0 si m 6= n
Z π
2
k1k = h1, 1i = 12 dx = 2π
−π
Z π
k sen(kx)k2 = hsen(kx), sen(kx)i = sen2 (kx) dx = π ∀ k = 1, 2, . . .
−π
Z π
2
k cos(kx)k = hcos(kx), cos(kx)i = cos2 (kx) dx = π ∀ k = 1, 2, . . .
−π
· · · + an cos(nx) + bn sen(nx)
es una función perteneciente a
Wn = L{1, sen x, cos x, sen(2x), cos(2x), . . . , sen(nx), cos(nx)}.
W1 ⊆ W2 ⊆ W3 ⊆ · · · ⊆ Wn ⊆ · · ·
resulta
kf − f1 k ≥ kf − f2 k ≥ kf − f3 k ≥ · · · ≥ kf − fn k ≥ · · ·
De hecho, kf − fn k → 0 cuando n → ∞.
Teorema 16. Dada f ∈ C[−π, π], se tiene que fn (x) → f (x) cuando n → ∞
para todo x ∈ (−π, π).
6.4 EJERCICIOS 75
6.4. EJERCICIOS
W1 = {(x, y, z, t) ∈ R4 : x − y = 0, z + t = 0}
Hallar:
determinar los valores de "a" para los que F dene un producto escalar.
4. Sea Q : R4 → R la forma cuadrática denida en la base canónica por
la matriz:
2 0 1 0
0 2 0 1
A=
1
0 2 0
0 1 0 2
Se pide:
Se pide:
a) Hallar una base ortonormal de U .
b) Hallar las proyecciones sobre U y sobre U ⊥ del vector v = (1, 2, 3, 4).
7. En R4 , con el producto escalar usual, utilizar el método de Gram-
Schmidt para calcular una base ortonormal a partir de los vectores
π2 1 1 1 1
= 1 + + 2 + 2 + 2 + ···
8 2 3 5 7
9. Hallar la aproximación de Fourier de orden 6 y el desarrollo en serie
de Fourier de la función f (x) = x en el intervalo [−π, π]. Utilizando el
resultado, obtener la igualdad siguiente:
π 1 1 1 1
= 1 − + − + − ··· .
4 3 5 7 9
77
a) A = {(2x, x, −7x)/x ∈ R}
El conjunto A es una recta vectorial escrita en forma paramétrica.
Se deja al alumno comprobar que A es subespacio vectorial de
R3 . Debe demostrarse que, para cualesquiera dos vectores ū =
(2x1 , x1 , −7x1 ) ∈ A, v̄ = (2x2 , x2 , −7x2 ) ∈ A y un escalar λ ∈ R,
se cumple que ū + v̄ ∈ A y que λū ∈ A.
b) A = {(x, y, z)/xy = 1}
El conjunto A no es subespacio vectorial de R3 . Basta comprobar
que el elemento neutro 0̄ = (0, 0, 0) no está en A.
c) A = {(x, y, z)/x = y ó x = z}
El conjunto A es la unión de dos planos vectoriales y no es subes-
pacio vectorial de R3 . Para ello, basta elegir dos vectores que
estén en A y cuya suma no permanezca en A. Por ejemplo, sean
ū = (1, 1, 0) ∈ A y v̄ = (1, 2, 1) ∈ A. Es claro que ū + v̄ ∈
/ A.
d) A = {(x, y, z)/x + y + z = 0 y x − y − z = 0}
El conjunto A es una recta vectorial (intersección de dos planos
vectoriales) y sí es un subespacio vectorial de R3 . Se deja al alum-
no comprobarlo (véase el ejercicio 5 para una demostración de
este resultado en un ámbito más general).
1 0
... ...
M1 = , M2 =
1 0
0 1
rn sn
tiene que Ar̄ = 0̄ y As̄ = 0̄, siendo A la matriz de coecientes
a11 ··· a1n
.. ... ..
A= . .
am1 · · · amn
0 0 0 −1
con lo que los vectores son linealmente independientes.
7. En R3 se consideran los vectores u = (1, 2, 1), v = (1, 3, 2), x = (1, 1, 0), y =
(3, 8, 5). Demostrar que L({x, y}) = L({u, v}).
Sean W1 = L({x, y}) y W2 = L({u, v}). Es claro que dim(W1 ) =
dim(W2 ) = 2. Será suciente ver que
1 1 1 3 1 1 1 3
r 2 3 1 8 = r 0 1 −1 2 = 2,
1 2 0 5 0 1 −1 2
esto es, el máximo número de columnas linealmente independientes es
2, lo que implica que ambos planos, W1 y W2 , son el mismo plano.
7.1 ESPACIOS VECTORIALES 81
B = {1, t, t2 , ..., tn }
a0 + a1 t + · · · + an tn = 0
La única posibilidad de que esto sea cierto para todo valor de t es que
a0 = a1 = · · · = an = 0.
1 0 0 1 0 0 0 0 0 0
a +b +c +d = ,
0 0 0 0 1 0 0 1 0 0
entonces a = b = c = d = 0.
11. Determinar la dimensión y una base del subespacio vectorial de R4
engendrado por los vectores
Escalonamos la matriz
2 −1 4 0 2 −1 4 0 2 −1 4 0
A = 0 −3 1 5 → 0 −3 1 5 → 0 −3 1 5
4 1 7 −5 0 3 −1 −5 0 0 0 0
7.1 ESPACIOS VECTORIALES 83
12. Sea
W = L{(1, 2, −1, 3, 4), (2, 4, −2, 6, 8), (1, 3, 2, 2, 6), (1, 4, 5, 1, 8), (2, 7, 3, 3, 9)}
Hallar un subconjunto de los vectores que sea base de W .
Se nos pide que elijamos, de entre los vectores que nos dan, una fa-
milia que sea base de la envolvente. Existen varios procedimientos. Se
podrían escribir los vectores en forma de las de una matriz, escalonar
la misma y, estudiando las operaciones elementales realizadas, obtener
los vectores que dan lugar a la base.
Otra técnica alternativa, que seguiremos ahora, es la siguiente: calcu-
lamos la dimensión escribiendo los vectores en forma de columnas de
una matriz que escalonaremos. Las posiciones de las columnas asocia-
das a las cabeceras de la matriz escalonada serán las posiciones de las
columnas de la matriz inicial que dan lugar a la base buscada.
1 2 1 1 2 1 2 1 1 2
2 4 3 4 7
0 0 1 2 3
A=
−1 −2 2 5 3 → ··· →
0 0 0 0 −4
3 6 2 1 3 0 0 0 0 0
4 8 6 8 9 0 0 0 0 0
Hallar dim(W1 ∩W2 ) y dim(W1 +W2 ) así como las ecuaciones implícitas
y paramétricas de W1 , W2 y W1 + W2 .
Estudiemos W1 . La dimensión de W1 es
1 −1 0 1 1 −1 0 1
dim(W1 ) = r −1 0 1 0 = r 0 −1 1 1 = 2
1 −2 1 2 0 −1 1 1
Una base para W1 es BW1 = {(1, −1, 0, 1), (0, −1, 1, 1)}.
Las ecuaciones paramétricas de W1 serán
x1 = λ
x2 = −λ − µ
W1 ≡
x = µ
3
x4 = λ+µ
1 −1 0 1 1 −1 0 1
2 = r 0 −1 1 1 = r 0 −1 1 1 =
x1 x2 x3 x4 0 x2 + x1 x3 x4 − x1
1 −1 0 1
= r 0 −1 1 1
0 0 x1 + x2 + x3 x2 + x4
Los menores de orden 3 son todos nulos y dan lugar a las ecuaciones
cartesianas de W1 . Sin embargo, no todas serán independientes. Basta
7.1 ESPACIOS VECTORIALES 85
Por otro lado, resulta claro que dim(W2 ) = 2, y una base suya es
BW2 = {(1, −2, 1, 2), (0, −1, 1, 1)}.
Además, como W1 + W2 = L({BW1 ∪ BW2 }), se tiene que
1 −1 0 1 1 −1 0 1
dim(W1 + W2 ) = r 0 −1 1 1 = r 0 −1 1 1 = 2
1 −2 1 2 0 −1 1 1
14. Determinar, en cada caso, si los vectores que se dan son una base de
R4 .
1 0 1 0
0 1 −1 1
= r = 3,
0 0 0 −1
0 0 0 0
x1 = λ + 2µ
x2 = 2λ + µ
V1 = V1 ∩ V2 ≡
x3
= λ
x4 = −µ
V2 ∩ V3 = V3 ≡ {−x1 + x2 + x3 = 0}
−1 2 −3 0
→ 0 −1 2 −1 ,
0 0 2 1
− 52 λ
x1 =
x2 = −2λ
V1 ∩ V3 ≡
x = − 12 λ
3
x4 = λ
Mostrar que:
a) R3 = U + V .
b) R3 = U + W .
c) R3 = V + W .
7.1 ESPACIOS VECTORIALES 89
a = 0
W ≡
b = 0
de modo que
1 1 1
dim(U ∩ W ) = 3 − r 1 0 0 = 0
0 1 0
a) dim(U + V ) y ecuaciones de U + V .
b) dim(U ∩ V ) y ecuaciones de U ∩ V .
90 7 SOLUCIONES A LOS EJERCICIOS PROPUESTOS
con lo que una base para V es BV = {(1, 2, 2, −2), (0, −1, −2, 1)}.
Como consecuencia, se tiene que
1 1 0 −1 1 1 0 −1
0 1 3 1
= r 0 1 3 1
dim(U + V ) = r =
1 2 2 −2 0 1 2 −1
0 −1 −2 1 0 −1 −2 1
1 1 0 −1
0 1 3 1
= r =3
0 0 −1 −2
0 0 0 0
1 1 0 −1
0 1 3 1
3 = r
0 0 1
2
x1 x2 x3 x4
−2x1 + 2x2 − x3 = 0
V ≡
x2 + x4 = 0
Calcular :
a) dim(W1 ) y dim(W2 ).
7.1 ESPACIOS VECTORIALES 93
lo
cual da
lugar, si escogemos el menor no nulo de orden máximo
1 −1
y lo extendemos a todos los menores de orden 3 que po-
0 1
damos, a las ecuaciones
x−z = 0
W2 ≡
y−z = 0
W1 = {(x, y, z, t) ∈ R4 /x − y = 0, z + t = 0}
x−y = 0
z+t = 0
W1 ∩ W2 ≡
x+y+z
= 0
2y − t = 0
Entonces
x−y = 0
W1 ∩ W2 ≡ 2y + z = 0
z+t = 0
BW1 +W2 = {(1, 1, 0, 0), (0, 0, −1, 1), (1, 0, −1, 0)}.
1 1 0 0
0 0 −1 1
3 = r .
1 0 −1 0
x y z t
W2 = {(x, y, z, t) ∈ R4 /x + t = 0}.
Una base para W2 es BW2 = {(0, 1, 0, 0), (0, 0, 1, 0), (−1, 0, 0, 1)}.
Resolvamos el apartado b). En primer lugar, encontremos una base de
W1 +W2 = L({(−1, 0, 0, 1), (0, −1, −1, 1), (0, 1, −1, 0), (0, 1, 0, 0), (0, 0, 1, 0)})
−1 0 0 1 −1 0 0 1 −1 0 0 1
0 −1 −1 1
0 −1 −1 1
0 −1 −1 1
0 1 −1 0 →
0 0 −2 1 →
0 0 −2 1
0 1 0 0 0 0 −1 1 0 0 0 −1
0 0 1 0 0 0 1 0 0 0 0 1
de manera que una base será BW1 ∩W2 = {(0, −1, 1, 0), (−1, 0, 0, 1)}.
20. En el espacio vectorial real M2×2 (R) se consideran los subespacios vec-
toriales
a b
W1 = ∈ M2×2 (R)/a + b + c + d = 0
c d
1 1 0 0
W2 = L ,
1 1 0 1
Calcular una base, ecuaciones implícitas y paramétricas de W1 , W2 ,
W1 + W2 y W1 ∩ W2 .
Si jamos la base canónica de M2×2 (R),
1 0 0 1 0 0 0 0
Bc = , , ,
0 0 0 0 1 0 0 1
Los vectores
(1, 1,1, 0, 1) representan las coordenadas de las
1), (0, 0,
1 1 0 0
matrices , respecto de la base Bc . De este modo,
1 1 0 1
trabajando con las coordenadas, manipulamos vectores de R4 en vez
de matrices.
Las ecuaciones paramétricas de W1 son
x = −λ1 − λ2 − λ3
y = λ1
W1 ≡
z = λ2
t = λ3
Una base de W1 es
BW1 = {(−1, 1, 0, 0), (−1, 0, 1, 0), (−1, 0, 0, 1)} con coordenadas respecto de Bc
De modo que
−1 1 −1 0 −1 0
BW1 = , ,
0 0 1 0 0 1
Una base de W2 es
1 1 0 0
BW2 = ,
1 1 0 1
Las coordenadas de estas matrices respecto de Bc son (1, 1, 1, 1), (0, 0, 0, 1),
de modo que las ecuaciones paramétricas de W2 son
x = λ1
y = λ1
W2 ≡
z = λ1
t = λ1 + λ2
x y
Determinemos ahora las ecuaciones cartesianas de W2 . Sea A = ∈
z t
W2 . Entonces, trabajando con coordenadas,
1 1 1 1
2 = r 0 0 0 1
x y z t
1 1
Escogiendo un menor no nulo de orden máximo, por ejemplo ,
0 1
y extendiéndolo a todos los menores de orden 3 posibles, se tienen las
ecuaciones cartesianas de W2 ,
7.1 ESPACIOS VECTORIALES 99
x−z = 0
W2 ≡
y−z = 0
1 1
Una base de W1 ∩ W2 es BW1 ∩W2 =
1 −3
100 7 SOLUCIONES A LOS EJERCICIOS PROPUESTOS
21. Dada la base de R3 , B = {v1 = (1, 1, 1), v2 = (1, 1, 2), v3 = (1, 2, 3)},
hallar las coordenadas del vector x = (6, 9, 14) en dicha base, determi-
nando previamente la matriz de cambio de base P = M (Bc , B) de la
base canónica Bc en la base B .
Resulta
−1
1 1 1 1 1 −1
P = M (Bc , B) = M (B, Bc )−1 = 1 1 2 = 1 −2 1
1 2 3 −1 1 0
Es claro que
2 1 1
M (B2 , Bc ) = 1 1 −1
1 1 1
y
−1
1 −1 1 1 1 0
M (Bc , B1 ) = M (B1 , Bc )−1 = 0 1 −1 = −1 −1 1
1 1 0 −1 −2 1
Por consiguiente,
1 1 0 2 1 1 3 2 0
M (B2 , B1 ) = −1 −1 1 1 1 −1 = −2 −1 1
−1 −2 1 1 1 1 −3 −2 2
= {(x1 , x2 , x3 ) : x1 = 0, x2 = 0, x1 + x2 − x3 = 0}
con lo que dim(Im(f )) = 2 y una base suya es BIm(f ) = {(2, 1, 0), (1, −2, 1)}
c) f (x1 , x2 , x3 ) = (x1 , x2 , x1 + x2 − x3 ).
Se tiene
x1 = 0
Ker(f ) = x2 = 0
x1 + x2 − x3 = 0
esto es,
f −1 (W ) = {(x, y, z, t) ∈ R4 : (x − y, x + z + 2t) ∈ W } =
= {(x, y, z, t) ∈ R4 : x − y − (x + z + 2t) = 0}
f −1 (W ) ≡ {y + z + 2t = 0}
Téngase en cuenta que f (W ) = L(f (BW )), siendo BW una base del
subespacio W . El primer paso será obtener BW .
x1 − x2 = 0 x1 − x2 = 0
W ≡ ∼
x1 + x2 + x4 = 0 2x2 + x4 = 0
Al pasar a paramétricas,
x1 = − 21 µ
x2 = − 12 µ
W ≡
x3 = λ
x4 = µ
Por otro lado, dado que las columnas de la matriz A son las coorde-
nadas de un sistema de generadores de Im(f ) , entonces dim(Im(f )) =
r(A) = 2. En consecuencia, Im(f ) = R2 . Por la fórmula de las dimen-
siones para aplicaciones lineales, dim(Ker(f )) = 3 − 2 = 1. El homo-
morsmo f es un epimorsmo y no es un monomorsmo ni, por tanto,
un isomorsmo.
7. Sea la aplicación f : E → F , con E y F de dimensiones 3 y 4 res-
pectivamente, denida de la siguiente forma: f (e2 ) = −e01 + e02 − e04 ,
f (e3 ) = e01 + e02 − e03 + e04 y e1 ∈ Ker(f ). Hallar dimensión y una base
para Ker(f ) y para Im(f ).
Calculemos la matriz A = M (f, B, B 0 ), siendo B = {e1 , e2 , e3 } y B 0 =
{e01 , e02 , e03 , e04 } bases de E y F respectivamente.
0 −1 1
0 1 1
A=
0 0 −1
0 −1 1
Entonces
dim(Im(f )) = r(A) = 2 dim(Ker(f )) = dim(E)−dim(Im(f )) = 1
Sabemos que Im(f ) = L((−1, 1, 0, 1), (1, 1, −1, 1)), de modo que
BIm(f ) = {(−1, 1, 0, 1), (1, 1, −1, 1)}, todo ello con coordenadas respec-
to de B 0 . Así que Im(f ) = L(−e01 + e02 − e04 , e01 + e02 − e03 + e04 ), y una
base suya es BIm(f ) = {−e01 + e02 − e04 , e01 + e02 − e03 + e04 }.
7.2 APLICACIONES LINEALES 107
Pasando a paramétricas
x1 = λ
Ker(f ) ≡ x2 = 0
x3 = 0
1 1
= (f (2, −1) + f (4, 1)) = ((1, 0, −1, 3) + (2, −2, 3, 1)) =
6 6
1 −1 1 2
= , , ,
2 3 3 3
1 1
f (0, 1) = f (−2(2, −1) + (4, 1)) = f (−2(2, −1) + (4, 1))
3 3
1 1
= (−2f (2, −1) + f (4, 1)) = (−2(1, 0, −1, 3) + (2, −2, 3, 1)) =
3 3
−2 5 −5
= 0, , ,
3 3 3
1/2 0
−1/3 −2/3
A=
1/3
5/3
2/3 −5/3
Esta matriz también se puede hallar observando que
M (f, Bc , Bc0 ) = M (f, B, Bc0 )M (Bc , B)
Resolvamos el apartado b). Se tiene Im(f ) = L((1, 0, −1, 3), (2, −2, 3, 1)),
de manera que una base suya es la formada por estos dos vectores. Las
ecuaciones paramétricas son
y1 = λ + 2µ
y2 = −2µ
Im(f ) ≡
y = −λ + 3µ
3
y4 = 3λ + µ
La expresión analítica es
y1 = x2 + x3
y2 = x1 + x3
y3 = −x1 + x2
x1 = x2 + x3 x1 − x2 − x3 = 0
Invar(f ) ≡ x2 = x1 + x3 ∼ x1 − x2 + x3 = 0 ∼
x3 = −x1 + x2 −x1 + x2 − x3 = 0
x1 − x2 − x3 = 0
∼
x3 = 0
Es claro que BIm(f ) = {(0, 1, −1), (1, 0, 1)}, de modo que las ecuaciones
paramétricas son
y1 = µ
Im(f ) ≡ y2 = λ
y3 = −λ + µ
La expresión analítica es
y1 = −x2 − x3
y2 = −x2
y3 = 2x2 + x3
7.2 APLICACIONES LINEALES 111
10. Sea la aplicación f : R3 → R2 dada por f (1, 0, 1) = (0, 1), f (0, 0, −1) =
(1, 1), f (2, 1, 1) = (1, 0)
B1 = {(1, 0, 1), (0, 0, −1), (2, 1, 1)} y B2 = {(0, 1), (1, 0)}.
1 0 −1
A=
2 −3 −1
Se pide :
a) Calcular "a" para que f sea inyectiva.
b) Si f no es inyectiva, hallar f (L1 ), siendo L1 el subespacio de
ecuaciones 2x1 − x3 = 0.
c) Sea L2 el subespacio de ecuaciones x1 + x2 − x4 = 0, 3x1 + 3x2 −
x3 − x4 = 0 y f no inyectiva. Hallar una base de L2 ∩ f (L1 ) y de
L2 + f (L1 ).
Pasando a paramétricas,
x1 = −λ
x2 =λ
L2 ∩ f (L1 ) ≡
x3
=0
x4 =0
Escalonando la matriz
1 0 2 1 1 0 2 1
−1 1 0 0
0 1 2 1
0 →
1 2 1 0 1 2 1
3 2 10 5 0 2 4 2
se tiene una base de L2 + f (L1 ), BL2 +f (L1 ) = {(1, 0, 2, 1), (0, 1, 2, 1)}.
12. Sea la aplicación f : R2 [x] → R2 [x], denida por f (p(x)) = p0 (x).
Hallar la matriz asociada (con respecto a la base B = {1, x, x2 }), ecua-
ciones, Ker(f ), Im(f ) . Determinar si es un monomorsmo, epimor-
smo, isomorsmo.
Como
f (1) = 0 = 0 · 1 + 0 · x + 0 · x2
f (x) = 1 = 1 · 1 + 0 · x + 0 · x2
f (x2 ) = 2x = 0 · 1 + 2 · x + 0 · x2 ,
la matriz F = M (f, B, B) es
0 1 0
F = 0 0 2
0 0 0
y las implícitas
Im(f ) ≡ {y3 = 0}
13. Sean
B1 = {(1, 1, 0), (1, 0, 1), (0, 1, 1)} y B10 = {(1, −1, 1), (−1, 1, 1), (1, 1, −1)}
bases de R4 .
En consecuencia,
1/2 0 1/2 3 2
XB10 = 0 1/2 1/2 0 = 1/2
1/2 1/2 0 1 3/2
se tiene que
1/2 0 1/2 1 1 0 1/2 1 1/2
P = M (B1 , B10 ) = 0 1/2 1/2 1 0 1 = 1/2 1/2 1
1/2 1/2 0 0 1 1 1 1/2 1/2
y
dim(Ker(f )) = dim(M2×2 (R)) − dim(Im(f )) = 4 − 2 = 2
7.2 APLICACIONES LINEALES 117
La ecuación implícita es
Im(f ) ≡ {y3 = 0}
1. Se considera la matriz:
2 3
A=
4 13
La ecuación cartesiana de V1 es
V1 ≡ {x + 3y = 0}
Al pasar a paramétricas,
x = −3λ
V1 ≡
y=λ
por lo que una base del subespacio propio V1 es BV1 = {(−3, 1)}.
El vector (−3, 1) es un autovector asociado al autovalor λ = 1. Esto
signica que
−3 −3
A =
1 1
Al pasar a paramétricas,
x=λ
V14 ≡
y = 4λ
7.3 DIAGONALIZACIÓN Y FORMAS CANÓNICAS 119
por lo que una base de V14 es BV14 = {(1, 4)}. El vector (1, 4) es un
autovector asociado al autovalor λ = 14. Esto signica que
1 1
A = 14
4 4
Se tiene la igualdad P −1 AP = D.
Calculemos An . Se tiene A = P DP −1 . En consecuencia,
An = P DP −1 P DP −1 · · · P DP −1 P DP −1 = P Dn P −1 =
12+14n −3+3·14n
13 13
−3 1 1 0 −4/13 1/13
= =
0 14n
1 4 1/13 3/13 −4+4·14n 1+12·14n
13 13
2. Determinar los valores de a, b, c, d para los cuales cada una de las si-
guientes matrices reales es diagonalizable:
a b a b
A= con la condición bc > 0 y B=
c d −b a
de modo
que
una base
deV1 es BV1 = {(3, −1, 3)}. Esto quiere decir
3 3
que F −1 = −1 . De hecho, al aplicar F a cualquier vector
3 3
de V1 , obtenemos el mismo vector.
Calculemos ahora una base del otro subespacio propio V2 .
V2 = {x̄ : F x̄ = 2x̄} = {x̄ : (F − 2I)x̄ = 0̄}
Una base de V2 es BV2 = {(2, 1, 0), (2, 0, 1)}. Tenemos una base de R3
formada por autovectores
B = {BV1 , BV2 } = {(3, −1, 3), (2, 1, 0), (2, 0, 1)}
6. Sea E4 un espacio vectorial real. B = {~e1 , ~e2 , ~e3 , ~e4 } una base de E4 .
Sea f ∈ End(E4 ), cuya matriz respecto a B es:
1 0 0 0
0 1 0 0
A=
0
0 a 0
a 0 0 2
dim(V1 ) = 4 − r(A − I) = 4 − 1 = 3,
7.3 DIAGONALIZACIÓN Y FORMAS CANÓNICAS 123
de modo que los dos autovalores son reales y las multiplicidades alge-
braica y geométrica coinciden para los dos. El endomorsmo del caso
2 es, por tanto, diagonalizable.
Caso 3. Sea a 6= {1, 2}. Entonces los autovalores son λ = 1 con m(1) =
2, λ = 2 con m(2) = 1 = dim(V2 ) y λ = a con m(a) = 1 = dim(Va ).
Además, dim(V1 ) = 4 − r(A − I) = 4 − 2 = 2 = m(1), de manera que
f es diagonalizable también para el caso 3.
Resolvamos el apartado b.1). El polinomio característico es p(λ) =
(λ − 1)3 (λ − 2). Los subespacios propios tienen ecuaciones cartesianas:
x = 0
V1 ≡ {x + t = 0} V2 ≡ y = 0
z = 0
1 0 1 0
y dim(W ) = 4 − r 0 1 0 −3 = 4 − 3 = 1.
0 0 −1 0
Las ecuaciones cartesianas de V2 ∩ W son
x = 0
x = 0
y − 3t = 0 y = 0
V2 ∩ W ≡ ∼
z = 0
z = 0
y = 0 t = 0
7. Sea la matriz:
1 1 1 1
1 1 −1 −1
A=
1 −1
1 −1
1 −1 −1 1
En consecuencia,
x − y − z + 3t = 0
V−2 ≡ y + z − 2t = 0
−z + t = 0
A2 = P DP −1 P DP −1 = P D2 P −1
y la matriz de paso es P .
Resolvamos el apartado d). Si n es par, n = 2m, entonces
Si n es impar, n = 2m + 1, entonces
El polinomio característico es
0 1 − λ2
−λ 0 0 1
0 0
0 −λ 1 0 0 −λ 1 0
p(λ) = = =
0 1 −λ 0
0 1 −λ 0
1 0 0 −λ 1 0 0 −λ
B = {−1 + x3 , −x + x2 , 1 + x3 , x + x2 }
Una base de V−2 es BV−2 = {(1, 1, 0), (−1, 0, 1)}. Por consiguiente, la
base de autovectores de R3 pedida será B = {(1, 1, 0), (−1, 0, 1), (1, 1, 2)}
y la matriz diagonal asociada a f con respecto a esta base, D =
M (f, B), será
−2 0 0
D= 0 −2 0
0 0 4
130 7 SOLUCIONES A LOS EJERCICIOS PROPUESTOS
Las bases respectivas son BV2 = {(1, 1, 0)}, BV−2 = {(1, 0, 1)}. La base
pedida de autovectores de R3 es
B = {(1, 0, 1), (0, 1, 1), (1, 0, 1)}
Calcular A15 .
y que J = P −1 AP .
Falta calcular A15 . Téngase en cuenta que A = P JP −1 , con lo que
A15 = P JP −1 P JP −1 · · · P JP −1 = P J 15 P −1
De manera que
15 15 −1 16 −15
A = PJ P =
15 −14
0 −4 0 −1
0 2 0 0
C=
0 0
0 0
4 8 −12 4
E1 (0) = L{(1, 0, 1)} E2 (0) = Ker(A − 0Id)2 = L{(1, 0, 1), (0, 0, 1)}
cumpliéndose P −1 AP = J .
134 7 SOLUCIONES A LOS EJERCICIOS PROPUESTOS
16. Encontrar la forma de Jordan real y una matriz de paso real de:
0 1 −1
1 −2
A= B= 0 1 0
3 1
3 1 0
√ ( )
√ √ − 6
M (1 − 6i) = E1 (1 − 6i) = V1−√6i =L ( i, 1)
3
√ √ !
6 − 6
La matriz de paso es, pues, P = 3 i 3 i . Buscamos la matriz
1 1
de paso real Q ∈ M2 (R) tal que Q AQ = J 0 . Las columnas de la
−1
Además,
√ √ √
M ( 3i) = E1 ( 3i) = V√3i = L{(1, 0, − 3i)}
√ √ √
M (− 3i) = E1 (− 3i) = V−√3i = L{(1, 0, 3i)}
La base B es
√ √
B = {(0, 1, 1), (1, 0, − 3i), (1, 0, 3i)}
0 1 1 0 1 0
P = 1 0
√ √0
, Q= 1 0 0
√
1 − 3i 3i 1 0 − 3
138 7 SOLUCIONES A LOS EJERCICIOS PROPUESTOS
u0
u
=A
v0 v
−2 1
siendo A = .
1 −2
Nota.
Utilícese el hecho de que, al ser A diagonalizable, dado x̄ =
u
, se tiene x̄0 = Ax̄, lo que equivale a escribir x̄0 = P DP −1 x̄.
v
Llamando ȳ = P −1 x̄, se obtiene ȳ 0 = Dȳ , un sistema de resolución
elemental.
El polinomio característico es p(λ) = λ2 + 4λ + 3 = (λ + 3)(λ + 1). La
matriz A es, por tanto, diagonalizable. Los subespacios propios son
De modo que
c1 e−3t e−3t 0
u(t) −1 1 −1 1 c1
= =
v(t) 1 1 c2 e−t 1 1 0 e−t c2
7.4 SISTEMAS DE ECUACIONES DIFERENCIALES 139
x01 = x1 + 3x2
ȳ 0 = Dȳ
De modo que
c1 e−t e−t 0
x1 (t) −3 1 −3 1 c1
= =
x2 (t) 2 1 c2 e4t 2 1 0 e4t c2
y 000 − 3y 00 + 2y 0 = 0
y0
0 1 0 y
u0 = 0 0 1 u
v0 0 −2 3 v
De modo que
y(t) = c1 + c2 et + c3 e2t
es 1
y la geométrica
2, de modo que A no es diagonalizable. Resulta
3 1
J= . Calculemos la matriz de paso P . Se tiene
0 3
e3t te3t
x1 (t) 1 1 c1
=
x2 (t) −1 0 0 e3t c2
et cos 2t et sen 2t
x1 (t) 1 0 c1
=
x2 (t) −1 1 −et sen 2t et cos 2t c2
Como
−4 −2 6
(A − 2Id)2 = −2 −1 3 ,
−4 −2 6
Caso c). Se tiene p(λ) = (3−λ)3 y dim(V3 ) = 2 con V3 = L{(1, 0, 0), (0, 0, 1)}.
De modo que A no es diagonalizable. La matriz de Jordan es
3 0 0
J = 0 3 1
0 0 3
Además,
La matriz de paso es
−4 −10 0
P = −2 −3 0
−4 −8 1
Entonces,
y3 = c3
y2 = c3 t + c2
2
y1 = c3 t2 + c2 t + c1
t2
x1 (t) −4 −10 0 1 t 2
c1
x2 (t) = −2 −3 0 0 1 t c2
x3 (t) −4 −8 1 0 0 1 c3
e−t 0
1 2 c1 1 2
Xh = = c1 e−t + c2 e2t
2 1 0 e2t c2 2 1
Al derivar, resulta
7.4 SISTEMAS DE ECUACIONES DIFERENCIALES 147
1 2
Xp0 = [c01 (t)e−t − c1 (t)e ] −t
+ [c02 (t)e2t + 2c2 (t)e ] 2t
2 1
(c01 (t) − c1 (t))e−t + (2c02 (t) + 4c2 (t))e2t = −c1 (t)e−t + 4c2 (t)e2t + t
(2c01 (t) − 2c1 (t))e−t + (c02 (t) + 2c2 (t))e2t = −2c1 (t)e−t + 2c2 (t)e2t
Simplicando, resulta
Despejando, se tiene
−1 t 2
c01 (t) = te , c02 (t) = te−2t
3 3
Integrando,
−1 t −2t −t 1
c1 (t) = e (t − 1), c2 (t) = e −
3 3 6
La solución particular Xp es
−1 1 −t 1 2 −t
Xp (t) = (t − 1) + − = 1
3 2 3 6 1 −t + 2
W1 = {(x, y, z, t) ∈ R4 : x − y = 0, z + t = 0}
Hallar:
x+y = 0
W1⊥ ≡
−z + t = 0
y una base será BW1⊥ = {(1, −1, 0, 0), (0, 0, 1, 1)}. Obsérvese que esta
base ya es ortogonal con respecto al producto escalar usual. Buscamos
que sea ortonormal. Basta dividir cada vector entre su módulo. Así
0 1 1
BW ⊥ = √ (1, −1, 0, 0), √ (0, 0, 1, 1)
1 2 2
150 7 SOLUCIONES A LOS EJERCICIOS PROPUESTOS
1 0 0 2
h(1, 1, 1), (2, −1, −1)i = (1, 1, 1) 0 2 −1 −1 = 0
0 −1 2 −1
determinar los valores de "a" para los que F dene un producto escalar.
Por el criterio de Sylvester, debe ocurrir
∆1 = a > 0, ∆2 = a − 1 > 0
Se pide:
v
0
u
u
0
p u
d(u, v) = ku − vk = hu − v, u − vi = u(0, 0, 1, 1)A
1 =2
u
t
1
152 7 SOLUCIONES A LOS EJERCICIOS PROPUESTOS
hu2 , e1 i 1
e2 = u2 − 2
e1 = (1, 0, 0, 1)− (1, 1, 1, 1) = (1/2, −1/2, −1/2, 1/2)
ke1 k 2
La base BV = {(1, 1, 1, 1), (1, −1, −1, 1)} es una base ortogonal de V
con respecto al producto escalar determinado por Q. Para obtener una
base ortonormal, cada vector debe dividirse entre su módulo. Así,
1 1
BV0 = √ (1, 1, 1, 1), (1, −1, −1, 1)
2 3 2
es la base buscada.
5. Dado R3 con el producto escalar usual, calcular:
hx, u1 i hx, u2 i 1
PU (x) = 2
u1 + 2
u2 = (1, −1, 0)+0(0, 0, 1) = (1/2, −1/2, 0)
ku1 k ku2 k 2
hx, w1 i
PW (x) = w1 = (2, 0, 2)
kw1 k2
Se pide:
e1 = (0, 1, 1, 1)
e2 = u2 − hu 2 ,e1 i
ke1 k2 1
e = 13 (0, 1, 1, −2)
hu3 ,e1 i hu3 ,e2 i
e3 = u3 − ke1 k2 1
e − ke2 k2 2
e = 12 (0, 1, −1, 0)
Se tiene:
154 7 SOLUCIONES A LOS EJERCICIOS PROPUESTOS
e1 = (1, 1, 1, 1)
e2 = u2 − hu 2 ,e1 i
ke1 k2 1
e = 12 (1, 1, −1, −1)
hu3 ,e1 i hu3 ,e2 i
e3 = u3 − ke1 k2 1
e − ke2 k2 2
e = 12 (0, 0, 1, −1)
hu4 ,e1 i hu4 ,e2 i hu4 ,e3 i
e4 = = u4 − ke1 k2 1
e − ke2 k2 2
e − ke3 k2 3
e = 12 (1, −1, 0, 0)
π2 1 1 1 1
= 1 + + 2 + 2 + 2 + ···
8 2 3 5 7
Téngase en cuenta que la función f (x) es par, de modo que bk = 0
para todo k ≥ 1. El cálculo del resto de los coecientes de Fourier da:
h iπ
x2
1
Rπ 1 π
R 1 π
a0 = 2π −π f (x) dx = π 0 (π − x) dx = π πx − 2 0 = 2
1 π
R
ak = π −π f (x) cos(kx) dx =
hR i
1 0 Rπ
= π −π (π + x) cos(kx) dx + 0 (π − x) cos(kx) dx =
si k es par
(
2
0
= πk2
(1 − cos(kπ)) = 4
πk2
si k es impar
π 4 4 4
f5 (x) = + cos(x) + 2 cos(3x) + 2 cos(5x)
2 π 3 π 5 π
La serie de Fourier es
π 4 4 4
f (x) = 2 + π cos x + 32 π
cos(3x) + 52 π
cos(5x)+
4
··· + (2k+1)2 π
cos((2k + 1)x) + · · ·
∞
π 4 X cos((2k + 1)x)
f (x) = +
2 π (2k + 1)2
k=0
De manera que
∞
π2 1 1 1 X 1
= 1 + 2 + 2 + 2 + ··· =
8 3 5 7 (2k + 1)2
k=0
π 1 1 1 1
= 1 − + − + − ··· .
4 3 5 7 9
Téngase en cuenta que la función f (x) es impar, de modo que ak = 0
para todo k = 0, 1, 2, . . . . Calculemos el resto de coecientes de Fourier.
Z π
1 2
bk = x sen(kx) dx = (−1)k+1
k −π k
2 2 2 2
f6 (x) = 2 sen x−sen(2x)+ sen(3x)− sen(4x)+ sen(5x)− sen(6x) =
3 4 5 6
1 1 1 1 1
= 2 sen x − sen(2x) + sen(3x) − sen(4x) + sen(5x) − sen(6x)
2 3 4 5 6
Si se escoge x = π2 , resulta
π 1 1 1
= 2 1 − + − + ···
2 3 5 7
En consecuencia,
X (−1)k ∞
π 1 1 1
= 1 − + − + ··· =
4 3 5 7 2k + 1
k=0
REFERENCIAS 157
Referencias