Algebra

Prof. Román Ramos.
Universidad Marítima del Caribe
Apuntes y problemas de Álgebra

Lineal
Enero, 2018
3
Í NDICE GENERAL
1 Á LGEBRA DE M ATRICES PÁGINA 3

1.1 Definición y Notación 3
1.2 Operaciones con matrices 4
1.3 Propiedades de la matrices 4
1.4 Matrices especiales 5
1.5 Matrices elementales y matrices equivalentes 5
Operaciones elementales 5 • Operaciones elementales inversas 6 • Matrices elementales 6 • Matrices
equivalentes 7 • Forma escalonada y escalonada reducida por filas de una matriz 7
1.6 Inversa de una matriz 8
1.7 Ejercicios 10
2 S ISTEMAS DE E CUACIONES PÁGINA 15

2.1 Sistemas de ecuaciones 15
Definición y forma matricial 15 • Clasificación 16 • Sistemas equivalentes 16 • Método de Gauss 16
2.2 Ejercicios 19
2.3 Aplicaciones 21
3 D ETERMINANTES PÁGINA 25
3.1 Fundamentos teóricos 25
Determinante de orden 1 25 • Determinantes de orden 2x2 25 • Determinantes de orden 3x3 26 •
Determinantes nxn 26 • Propiedades 26 • Matriz adjunta 27
3.2 Problemas 29
4 E SPACIOS V ECTORIALES PÁGINA 33

4.1 Definición de espacio vectorial 33
Subespacio vectorial 35
4.2 Combinación lineal y espacio generado 35
Dependencia e independencia lineal 36 • Bases y bases canónicas 36
4.3 Espacio nulo e imagen 39
4.4 Problemas 40
5 T RANSFORMACIONES L INEALES PÁGINA 45
Definición 45 • Núcleo e Imagen de una transformación lineal 45 • Inyectividad y sobreyectividad 46 •
Isomorfismo 46
5.2 Problemas 48
6 VALORES PROPIOS Y VECTORES PROPIOS PÁGINA 53

Valores propios y vectores propios 53 • Espacio propio 53 • Diagonalización 54
6.2 Problemas 55
Bibliografía 58
1
Introducción
La guía que se presenta a continuación contiene apuntes sobre álgebra lineal, tema que se estudia en el
curso de cálculo IV de la Universidad Marítima del Caribe, así como también en el ciclo básico de inge-
niería de cualquier universidad del país.
Con este material se pretende tener una referencia en cuanto al nivel de exigencia del curso, esto de
acuerdo al tipo de problemas que se presentan. Además sirve como una guía rápida de la materia tanto
para el estudiante como para el docente, ya que cada capítulo contiene fundamentos teóricos necesa-
rios, los cuales son la base para la resolución de los diversos problemas propuestos.
La guía consta de seis capítulos divididos de la siguiente manera:
Capítulo I: Álgebra de Matrices
Capítulo II; Sistemas de Ecuaciones.
Capítulo III: Determinantes.
Capítulo IV: Espacios Vectoriales.
Capítulo V: Transformaciones Lineales
Capítulo VI: Valores Propios y Vectores Propios.
Cada capítulo finaliza con una sección de problemas propuestos que deben ser resueltos por el estu-
diantes, apoyándose conjuntamente con la teoría presentada en clase y las asesorías del docente.
Se sugiere al docente reforzar en clase a través de ejemplos los diversos métodos de demostración
matemática, debido a que son una de las principales herramientas del curso y a su vez una de la mayores
debilidades que se detecta en los estudiantes durante el curso.
3
1 Álgebra de Matrices
1.1 Definición y Notación
Definición 1.1 Matriz

Una matriz m × n es una tabla o arreglo rectangular A de números reales con m filas (o renglones)
y n columnas. Los valores m y n representan las dimensiones de A. Los números reales que
conforman a la matriz se llaman sus elementos (o entradas).
Notación
Los elementos de una matriz A se denotan con la misma letra en minúscula, indicando con
dos subíndices la ubicación dentro de la matriz. De esta manera el elemento a i j representa al
elemento ubicado en la fila i y columna j de la matriz A.
1.1
La siguiente matriz A, es una matriz cuadrada de orden 2 × 3, pues tiene dos filas y tres
columnas Ã !
2 4 0
A=
−5 7 1
Las siguientes matrices se conocen como matriz fila y matriz columna respectivamente
 
³ ´ 1
F= 3 4 2 1 C = 3 
 
De forma general una matriz de orden m × n se puede representar así:

 
a 11 a 12 . . . a 1(n−1) a 1n

 a 21 a 22 . . . a 2(n−1) a 2n 
 .. . . 
A= . ... .. ... ..


 
a (m−1)1 a (m−1)2 . . . a (m−1)(n−1) a (m−1)n 
a m1 a m2 ... a m(n−1) a mn
en donde el elemento a i j corresponde al elemento ubicado en la fila i , columna j de A

1.2 Operaciones con matrices
4
1.2 Operaciones con matrices

Las principales operaciones con matrices son las siguientes:
Trasposición: La matriz traspuesta A T , de la matriz A, es la matriz que se obtiene intercambiando
las filas por las columnas (o viceversa) de la matriz A. Si A es una matriz m × n entonces la matriz
B = A T , es la matriz de orden n × m tal que b i j = a j i .
Suma, Resta: Sean A y B matrices con las mismas dimensiones, entonces su suma, A+B , se obtiene
sumando sus elementos correspondientes. De forma simbólica sería
(A + B )i j = a i j + b i j
De manera análoga, la resta, A − B , se obtiene restando los elementos correspondientes. Esto es
(A − B )i j = a i j − b i j
Multiplicación escalar: Sea A una matriz y λ un número llamado también escalar, definimos la
multiplicación por un escalar, λA, como la matriz que se obtiene multiplicando cada elemento de
la matriz A por λ. En símbolos,
(λA)i j = λ(a i j )
Producto Sea A una matriz con dimensiones m×n y B una matriz con dimensiones n×p, entonces
la matriz producto AB está definida, y tiene dimensiones m × p. Los elementos de la matriz
producto se obtienen de la siguiente manera:
n
X
(AB )i j = ai s b s j
s=1
Lo anterior se puede interpretar como el resultado obtenido de multiplicar los elementos de la fila
i de A por los elementos de la columna j de B y luego sumar los resultados correspondientes.
1.3 Propiedades de la matrices

Las operaciones de adición, multiplicación escalar y multiplicación entre matrices cumplen las
siguientes propiedades:
Operación Propiedad
A + (B +C ) = (A + B ) +C Asociativa de adición
A +B = B + A Conmutativa de adición
A +O = O + A = A Unidad de adición
A + (−A) = O = (−A) + A Inversa de adición
λ(A + B ) = λA + λB Distributiva
(λ + µ)A = λA + µA Distributiva
A(BC ) = (AB )C Asociativa de multiplicación
AI = I A = A Identidad
A(B +C ) = AB + AC Distributiva por la izquierda
(A + B )C = AC + BC Distributiva por la derecha
(A + B )T = A T + B T Traspuesta de la suma
(λA)T = λ(A T ) Traspuesta de escalar
(AB )T = B T A T Traspuesta de un producto
O A = AO = O Multiplicación por matriz cero
1.4 Matrices especiales
5
1.4 Matrices especiales

Se denominan matrices especiales a aquellas matrices que se caracterizan por tener ciertas propiedades
que las diferencian de otras matrices y que son utilizadas frecuentemente. A continuación se nombran
algunas matrices especiales junto con la propiedad que las define.
Matriz Propiedad
Identidad: Es una matriz cuadrada con unos en la diagonal principal y ceros en el resto
Simétrica: Una matriz es simétrica si además se ser cuadrada cumple que A = A T
Antisimétrica: Una matriz es antisimétrica si A = −A T
Diagonal: Es una matriz cuyos elementos cumplen que a i j = 0 si i 6= j
Triangular inferior: Es una matriz cuadrada que cumple a i j = 0, cuando i < j
Triangular superior Es una matriz cuadrada que cumple a i j = 0, cuando i > j
Ortogonal Es una matriz necesariamente cuadrada e invertible y que además A A T = I
Idempotente Una matriz es idempotente si cumple que A 2 = A
1.2
A continuación se presentan algunas de las matrices especiales de orden 3x3
Matriz
 identidad
 Matriz
 simétrica
 Matriz
 antisimétrica

1 0 0 3 1 4 0 4 −1
 0 1 0   1 −2 −7   −4 0 3 
     
0 0 1 4 −7 5 1 −3 0
Matriz
 diagonal
 Matriztriangular superior
 Matriz
 triangular inferior

2 0 0 1 2 3 4 0 0
 0 1 0   0 4 3   −1 2 0 
     
0 0 1 0 0 −1 5 3 2
1.5 Matrices elementales y matrices equivalentes

1.5.1 Operaciones elementales
Las operaciones elementales aplicadas a una matriz son las siguientes:
1. Intercambio de filas: Consiste como bien dice su nombre en intercambiar dos filas cualesquiera
de la matriz. La notación que se utilizará para indicar el intercambio de la fila i , con la fila j de A
es:
F i ←→ F j
2. Multiplicar una fila por un escalar: Esta operación elemental consiste en multiplicar cualquier
fila por un escalar λ con λ 6= 0. Para indicar que multiplicaremos la fila i por el escalar λ, lo
representaremos así:
F i −→ λF i
6
3. Multiplicar una fila por un múltiplo escalar de otra fila: Esta operación elemental es una
combinación de las dos operaciones elementales anteriores. Lo representaremos de la siguiente
manera:
F i −→ F (i ) + λF j
En este caso se está sustituyendo la fila i por la suma de la fila i más el producto de la fila j por el
escalar λ
1.5.2 Operaciones elementales inversas

Las inversas de las operaciones elementales anteriores, son a su vez operaciones elementales y del
mismo tipo que la operación elemental directa. Las operaciones elementales inversas permiten devolver
a la matriz al estado previo de haber aplicado la operación elemental directa correspondiente.
Aquí las operaciones elementales inversas correspondiente a cada operación elemental
Operación directa Operación inversa
F i ←→ F j F i ←→ F j
F i −→ λF i F i −→ λ1 F i
F i −→ F (i ) + λF j F i −→ F (i ) − λF j
1.5.3 Matrices elementales

Definición 1.2 Matriz elemental
Una matriz E se dice que es elemental, si ésta proviene de aplicarle a la matriz identidad una y sólo
una operación elemental.
1.3
La matriz  
3 0 0
E = 0 1 0 
 
0 0 1
es elemental, ya que se obtiene de la matriz identidad al aplicarle una operación elemental
   
1 0 0 3 0 0
0 1 0 F 1 −→ 3F 1 0 1 0
   
0 0 1 0 0 1
La matriz siguiente  
1 0 0
E = 0 1 0 
 
0 2 1
también es elemental, ya que podemos obtenerla a partir de la matriz identidad de la
siguiente manera:    
1 0 0 1 0 0
0 1 0 F 3 −→ 2F 2 + F 3 0 1 0
   
0 0 1 0 2 1
7
1.5.4 Matrices equivalentes

Definición 1.3 Matrices equivalentes
Se dice que dos matrices A y B son equivalentes, si se puede llegar a B a partir de A aplicando
operaciones elementales o viceversa.
Notación
Para denotar que una matriz A es equivalente a otra matriz B escribiremos lo siguiente:
A∼B
1.4
Demostrar que las siguientes matrices son equivalentes

Ã ! Ã !
3 6 1 2
∼
4 8 0 0
Para demostrar que son equivalentes aplicaremos operaciones elementales a una de las matrices
hasta llegar a la otra
Ã ! Ã ! Ã !
3 6 1 1 2 1 2
F 1 −→ F 1 F 2 −→ (−4)F 1 + F 2
4 8 3 4 8 0 0
Como se puede apreciar las matrices son equivalentes. Se deja de ejercicio hacer la misma
comprobación pero comenzando con la otra matriz.
1.5.5 Forma escalonada y escalonada reducida por filas de una matriz
Definición 1.4 Forma escalonada de una matriz

Se dice que una matriz está en su forma escalonada si se cumplen las siguientes condiciones:
1. Todas las filas (si las hay) cuyos elementos son todos nulos se encuentran en la parte inferior
de la matriz.
2. El primer elemento (comenzando por la izquierda) distinto de cero en cualquier fila es 1.
3. Si dos filas sucesivas tienen elementos distintos de cero, entonces el primer 1 en la fila
siguiente está más a la derecha que el primer 1 de la fila anterior.
4. Cualquier columna que contiene el primer 1 en una fila, tiene nulos todos los elementos
ubicados debajo del 1. El primer elemento diferente de cero en una fila (si lo hay) se llama
pivote de la fila.
5. Si una matriz cumple las condiciones anteriores se dice que está en forma escalonada, pero
si además cumple que los elementos ubicados sobre los pivotes también son nulos se dice
que está en la forma escalonada reducida por filas.
1.6 Inversa de una matriz
8
Definición 1.5 Inversa de una matriz

Se dice que una matriz cuadrada A tiene inversa o es invertible, si existe una matriz B tal que
AB = B A = I
En ese caso se dice que la matriz A es invertible y que la matriz B es su inversa. La inversa de la
matriz A se denota como A −1
Teorema 1.1
Sea A una matriz n × n, se dice que A es invertible si y sólo si A es equivalente por filas a la matriz
identidad.
Corolario 1.1 Si A es equivalente por filas a alguna matriz que tenga al menos una fila nula, entonces
A no es invertible.
1.5
En el siguiente ejemplo se describe el procedimiento que se debe seguir para determinar la inversa
de una matriz en el caso de que la matriz sea invertible.
Consideremos la matriz  
2 4 6
A = 4 5 6
 
3 1 −2
1. Para determinar la inversa lo primero que debemos hacer es ampliar la matriz dada con la
matriz identidad:  
2 4 6 : 1 0 0
A = 4 5 6 : 0 1 0
 
3 1 −2 : 0 0 1
Luego de ampliar la matriz se debe llevar a la forma escalonada reducida, si es invertible su
forma escalonada será la identidad y la matriz del lado derecho será la inversa de la matriz
dada.
2. Aplicamos operaciones elementales para llevarla a su forma escalonada reducida

9
 
1
  1 2 3 : 2 0 0
2 4 6 : 1 0 0
F 1 −→ 12 F 1  
4 5 6 : 0 1 0 0 −3 −6 : 0 1 0
   
F 2 −→ (−4)F 1 + F 2  
3 1 −2 : 0 0 1
3 1 2 : 0 0 1
 
1
1 2 3 : 2 0 0
F 3 −→ (−3)F 1 + F 3 
2

0 1 2 : − 130
 
F 2 −→ − 13 F 2  3 
0 −5 −11 : − 32 0 1
 
1 0 −1 : − 56 2
3 0
F 1 −→ (−2)F 2 + F 1 
2

0 1 2 : − 31 0
 
F 3 −→ 5F 2 + F 3  3 
11
0 0 −1 : 6 − 53 1
 
1 0 0 : − 83 7
3 1
F 3 −→ −F 3  
13
F 1 −→ F 1 + F 3 0 1 0 : − 11 2
 
 3 3 
F 2 −→ (−2)F 3 + F 2 11
0 0 1 : −6 − 53 −1
3. Así tenemos que la matriz A es invertible pues es equivalente a la identidad de acuerdo al

teorema 1.1 y además la matriz inversa es:
 
− 83 7
3 1
 
−1  13 11
A = 3 − 3 2

 
11 5
−6 − 3 −1
Se puede verificar haciendo el producto de ambas matrices y viendo que el resultado es la

matriz identidad.
Se deja como ejercicio determinar las matrices elementales E 1 , E 2 , . . . , E 9 asociadas a cada

operación elemental y que ademas A −1 es el producto de éstas matrices elementales, es decir:
A −1 = E 9 E 8 . . . E 2 E 1
1.7 Ejercicios
10
1.7 Ejercicios
Ejercicios
1.1 Dadas las siguientes matrices

   
3 1 4 1 0 2
A =  −2 0 1  y B =  −3 1 1 
   
1 2 2 2 −4 1
calcule:
(a) 2A (b) A + B (c) 2A − 3B
(d) (2A)T − (3B )T (e) AB (f) B A
(g) A T B T (h) (B A)T (i) 13 A + B
1.2 Si la matriz A viene dada por


3 4
A= 1 1 
 
2 7
verifique que:
¡ ¢T
(a) 5A = 3A + 2A (b) 6A = 3 (2A) (c) A T = A
1.3 Compruebe que las siguientes matrices

Ã ! Ã ! Ã !
2 4 −2 1 3 1
A= ,B= y C=
1 3 0 4 2 1
satisfacen las siguientes igualdades que:

(a) (A + B ) +C = A + (B +C )
(b) (AB )C = A (BC )
(c) A (B +C ) = AB + AC
(d) (A + B )C = AC + BC
1.4 Considere la siguiente matriz:
1
− 12
 
2
A=
 

− 12 1
2
Calcule A 2 y A 3 . ¿Qué valor tendrá A n ?.
1.5 Determinar una matriz X 2×2 tal que:

Ã ! Ã !
4 −2 1 4
(a) X + = I 2×2 (b) X = I 2×2
1 3 2 −2
1.7 Ejercicios
11
1.6 Hallar dos matrices A 2x2 y B 2x2 tales que (A + B ) (A − B ) 6= A 2 − B 2

(a) ¿Bajo qué condición es válida la igualdad?
(b) ¿Es (AB )2 = A 2 B 2 una igualdad matricial? Justifique su respuesta.
1.7 Si A, B y C son matrices nxn tales que
AC = C A = I
Despeje C en función de A, B, I de las siguientes ecuaciones:
(a) 6C + 5A = B (b) 3C 2 − 4C = 5A
(c) (A −C )2 −C 2 = 3C − 7B (d) B AC − 2C 2 = A
1.8 Hallar los números reales x, y, z,u y v para los que se verifica:
   
x 2 Ã ! 5 1
 −1 v
 0 y  =  −3 0 
  
u 0
z 1 1 2
1.9 Considere la matrices

Ã ! Ã !
1 0 0 1
A= yB=
0 −1 1 0
Demuestre que, si X ∈ R2x2 y verifica la igualdad
X T AX = B
entonces X tiene una de las siguientes formas:

Ã ! Ã !
α 12 α−1 α 1 −1
2α
ó con α ∈ R
α 12 α−1 −α 1 −1
2α
1.10 Demostrar que:
(a) Si A nxn y B nxn son simétricas y conmutan, entonces AB es simétrica.
(b) Si A nxn es simétrica y B nxn es antisimétrica, entonces AB es antisimétrica si A y B

conmutan.
(c) Si A nxn y B nxn son antisimétrica, entonces AB es simétrica si y sólo si AB = B A.
1.11 Sea A nxn . Definimos la traza de A por:

n
X
t r (A) = ai i
i =1
Pruebe que:
(a) si k ∈ R, entonces t r (k A) = kt r (A)
(b) t r (A + B ) = t r (A) + t r (B )
1.7 Ejercicios
12
(c) t r (AB ) = t r (B A)
1.12 Dadas las siguientes matrices

   
3 1 −1 1 2 Ã !
−4
A =  0 5 −2 , B =  −1 3  y C =
   
1
2 1 −3 4 0
Calcular A 2 , AB, A T B, A T B + B T A, B T A T , ABC
1.13 Hallar una matriz B tal que:
Ã !
2 −1
(a) AB = I , siendo A =
0 3
Ã !
1 1
(b) AB = O 2x2 , siendo A = . ¿Es B única ?
2 2
1.14 Si A nxn es una matriz antisimétrica y si I − A es invertible, pruebe que
B = (I + A) (I − A)−1
es ortogonal.
1.15 Demostrar que:

¡ ¢−1 ¡ −1 ¢T
(a) A T = A
(b) Si A es simétrica, A −1 también lo es.
(c) Si A es idempotente y B ortogonal, B T AB es idempotente.
(d) Si A nxn es involutiva si y sólo si (I − A) (I + A) = O nxn .
(e) Sabiendo que A y B son matrices cuadradas tales que A = AB y B = B A, comprobar que A y
B son idempotentes.
1.16 Sabiendo que A es invertible y que

Ã !
4 5
(4A)−1 =
3 −1
Hallar A.
1.17 Demuestre que si A es una matriz no singular simétrica, entonces A −1 es también simétrica.
1.18 Sea A una matriz antisimétrica tal que A + I es invertible. Demostrar que :
(a) (I − A) es una matriz invertible.
(b) (I + A) y (I − A) conmutan.
1.7 Ejercicios
13
(c) (I − A)−1 (I − A) y (I − A)−1 (I + A) son matrices ortogonales.
1.19 ¿Cuáles de las siguientes matrices son matrices elementales?. Clasifíquela de acuerdo a la
operación elemental que se realice.
Ã ! Ã ! Ã !
0 1 1 0 1 0
(a) (b) (c)
1 0 1 1 0 2
     
1 0 0 0 1 0 1 0 0
(d)  0 1 0  (e) 0 0 1  (f) 2 1 0 
     
5 0 1 1 0 0 3 0 1
1.20 Para cada una de las siguientes parejas de matrices, determine una matriz elemental E tal
que E A = B
   
2 1 3 2 1 3
(a) A =  −2 4 5  B = 3 1 4 
   
3 1 4 −2 4 5
   
4 −2 3 4 −2 3
(b) A =  1 0 2  B = 1 0 2 
   
−2 3 1 0 3 5
Ã ! Ã !
2 −1 −4 2
(c) A = B=
5 3 5 3
   
1 2 1 2
(d) A =  3 4  B =  0 −2 
   
5 6 5 6
1.21 Sea
 
1 2 1 0
A =  −1 0 3 5 
 
1 −2 1 1
Hallar una matriz escalonada reducida por filas R que sea equivalente a A, y una matriz invertible
3x3, P , tal que R = P A.
1.22 Para cada una de las siguientes matrices

   
2 5 −1 1 −1 2
 4 −1 2   3 2 4 
   
6 4 1 0 1 −2
emplear operaciones elementales de fila para determinar cual es invertible y encontrar la inversa
en el caso de que lo sea.
1.7 Ejercicios
14
1.23 Demostrar, usando operaciones elementales de fila, que la matriz

Ã !
a b
A=
c d
es invertible ⇔ (ad − bc) 6= 0.
1.24 Expresar la siguiente matriz como producto de matrices elementales

 
2 2 2
A= 0 1 1 
 
1 2 3
1.25 Determine los valores de k para los cuales la matriz A singular, en donde
 
1 −2 3
A= 1 k 6 
 
−1 3 k − 3
1.26 (a) Si A ∈ Rnxn y B Rnxn y son diagonales, Demostrar que AB = B A.
(b) Si A ∈ Rmxn tiene una fila nula y B ∈ Rnxm . Demostrar que AB tiene una fila nula.
(c) Si A ∈ Rmxn y tiene una columna nula y B ∈ Rnxm . ¿Qué podemos decir de AB ?.
1.27 Escriba la siguiente matriz como producto de matrices elementales

 
1 2 0
A= 3 5 0 
 
7 9 1
1.28 Considere la siguiente matriz con elementos no negativos

Ã !
a b
A=
c d
la cual cumple las propiedades siguientes:
i) a 2 + b 2 = 1 ii) c 2 + d 2 = 1 iii) ac + bd = 0
Demuestre que A T es la inversa de A.
1.29 Determine la inversa de cada una de las siguientes matrices

Ã ! Ã ! Ã !
−1 1 2 5 2 6
(a) (b) (c)
1 0 1 3 3 8
     
2 0 5 1 3 3 1 0 1
(d)  0 3 0  (e)  2 6 1  (f)  −1 1 1 
     
1 0 3 3 8 3 −1 2 3
15
2 Sistemas de Ecuaciones
2.1 Sistemas de ecuaciones
2.1.1 Definición y forma matricial
Definición 2.1 Sistema de Ecuaciones

Un sistema de m ecuaciones lineales con n incógnitas es una expresión que tiene la siguiente
forma: 

 a 11 x 1 + a 12 x 2 + · · · + a 1n x n = b 1

 a 21 x 1 +

a 22 x 2 + · · · + a 2n x n = b 2
.. .. ..


 . . .

a m1 x 1 + a m2 x 2 + · · · + a mn x n = b m

donde a i j (i = 1, 2, . . . , m; j = 1, 2, . . . , n; con m, n ∈ N) son los coeficientes del sistema, b i los

términos independientes y x i las incógnitas del sistema.
Definición 2.2 Forma matricial de un sistema lineal

El sistema de ecuaciones dado en 2.1.1 se puede representar de forma matricial utilizando el
producto de matrices de la siguiente manera:
    
a 11 a 12 ··· a 1n x1 b1
a 21 a 22 ··· a 2n x2 b2
    
    
.. .. .. .. =  ..
..
  
. . . . . .
    
    
a m1 a m2 ··· a mn xn bm
| {z }| {z } | {z }
A X B
De esta forma un sistema de ecuaciones lineales queda expresado como
AX = B
Si B = 0, se dice que el sistema de ecuaciones es homogéneo.
AX = 0
16
2.1.2 Clasificación
Los sistemas de ecuaciones lineales dependiendo del tipo de solución que tengan se clasifican en:
Incompatible: El sistema no tiene solución.

(
Determinado: El sistema tiene solución única
Compatible:
Indeterminado: El sistema tiene infinitas soluciones
2.1.3 Sistemas equivalentes
Definición 2.3 Sistemas Equivalentes

Dos sistema de ecuaciones son equivalentes si tienen la misma solución, aunque tengan distinto
número de ecuaciones.
Se pueden obtener sistemas de ecuaciones equivalentes por eliminación de ecuaciones depen-
dientes. Estos casos son los siguientes:
Todos los coeficientes son ceros.
Dos filas son iguales.
Una fila es proporcional a otra.
Una fila es combinación lineal de otras.
Se puede realizar transformaciones en un sistema de ecuaciones para obtener un sistema equivalente

aplicando sobre la matriz del sistema, las operaciones elementales vistas anteriormente, es decir:
Cambiando el orden de las ecuaciones del sistema. (F i ↔ F j )
Multiplicando los miembros de una ecuación por un número distinto de cero. (F i → kF i )
Sustituyendo una ecuación del sistema por una combinación lineal de ella y de las restantes,
siempre y cuando el coeficiente de la ecuación sustituida sea distinto de cero.(F i → F i + kF j )
2.1.4 Método de Gauss

Definición 2.4 Método de eliminación gaussiana
El método de eliminación gaussiana consiste en transformar un sistema de ecuaciones en otro
equivalente de forma que éste sea escalonado aplicando operaciones elementales por filas o por
columnas.
En el método anterior, la solución final se determina aplicando lo que se conoce como sustitución
regresiva, el cual consiste en ir sustituyendo los valores que se hayan obtenido de las variables para
determinar las variables restantes.
Definición 2.5 Método de Gauss-Jordan
El método de Gauss-Jordan consiste en transformar el sistema de ecuaciones dado en otro
equivalente de forma que éste sea escalonado reducido aplicando operaciones elementales por
filas o por columnas.
17
Este último método permite obtener los resultados de forma un poco más directa que el método de
eliminación gaussiana.
2.1
A continuación se presenta un sistema de ecuaciones lineales que se transformará a otro sistema

equivalente utilizando el método de eliminación gaussiana

 3x 1 + 2x 2 + x 3 = 1

5x 1 + 3x 2 + 4x 3 = 2

x1 + x2 − x3 = 1

La matriz ampliada asociada al sistema es:

 
3 2 1 :1
 5 3 4 :2 
 
1 1 −1 : 1
Aplicando operaciones elementales por filas tenemos los siguiente:
     
3 2 1 :1 1 1 −1 : 1 1 1 −1 : 1
F 3 → F 3 − 3F 1
 5 3 4 :2  F3 ↔ F1  5 3 4 :2   0 −2 9 : −3 
     
F 2 → F 2 − 5F 1
1 1 −1 : 1 3 2 1 :1 0 −1 4 : −2
     
1 1 −1 : 1 1 1 −1 : 1 1 1 −1 : 1
F 3 → F 3 − 2F 2
 0 −2 9 : −3  F2 ↔ F3  0 −1 4 : −2   0 1 −4 : 2 
     
F 2 → (−1)F 2
0 −1 4 : −2 0 −2 9 : −3 0 0 1 :1
El sistema resultante es:


 x1 + x2 − x3 = 1

x 2 − 4x 3 = 2

x3 = 1

finalmente aplicamos el método de sustitución regresiva. De esta manera la solución del sistema
es:
x 1 = −4, x 2 = 6 y x 3 = 1
18
Teorema 2.1
Sea A una matriz de orden n × n. Entonces las siguientes afirmaciones son equivalentes.
1. A es invertible.
2. La única solución al sistema homogéneo Ax = 0 es la solución trivial (x = 0).
3. El sistema Ax = b tiene una única solución para cada vector b.
4. A es equivalente por filas a la matriz identidad n × n, es decir,la forma escalonada reducida

de A es I n×n .
5. A se puede escribir como el producto de matrices elementales.
6. La forma escalonada por filas de A tiene n pivotes.
7. El determinante es distinto de cero (d et (A) 6= 0)
El teorema anterior nos permite tener una relación de equivalencia entre las diferentes proposiciones,
siempre y cuando se asuma alguna como hipótesis. Se deja como ejercicio la demostración de algunas
de éstas equivalencias.
2.2 Ejercicios
19
2.2 Ejercicios
Ejercicios
2.1 Determine los valores de a de manera que el sistema


 x1 + x2 − x3 = 1

2x 1 + 3x 2 + ax 3 = 3

x 1 + ax 2 + 3x 3 = 2

tenga:
(a) ninguna solución
(b) más de una solución
(c) solución única
2.2 Exprese los siguientes sistemas de forma matricial y luego aplique el método de Gauss para
determinar la solución:
 
 3x 1 − x 2 + 2x 3 = 1
  x 1 − 4x 2 + 2x 3 = 1

(a) x1 + x2 + x3 = 2 (b) 2x 1 + 2x 2 = 1
 
2x 1 − x 2 + x 3 = 3 x 1 − 3x 2 + 4x 3 = 2
 

 x 1 + x 2 − 3x 3 = −1
 x 1 − 2x 2 + x 3 + 2x 4 = 1


 
 2x + x − 2x = 1
1 2 3
(c) x1 + x2 − x3 + x4 = 2 (d)
  x1 + x2 + x3 = 3
x 1 + 7x 2 − 5x 3 − x 4 = 3
 

x 1 + 2x 2 − 3x 3 = 1


2x 1 − 3x 2 + x 3 = 0 
 3x 1 + 2x 2 + x 4 = 0



 x +x −x =0 
1 2 3
(e) (f ) x 1 + 2x 2 + x 3 = 1
 3x 1 + 4x 2 = 0 
x 1 + 6x 2 + 2x 3 + x 4 = 2

 
5x 1 + x 2 + x 3 = 0

2.3 Estudie los siguientes sistemas según el valor de k

 
 x 1 − 2x 2 + 3x 3 = 2
  x 1 + 2x 2 − 3x 3 = 4

(a) 2x 1 + kx 2 + 6x 3 = 6 (b) 3x 1 − x 2 + 5x 3 = 2
4x 1 + (k 2 − 4)x 3 = k + 2
 
−x 1 + 3x 2 + (k − 3)x 3 = 0
 
 
 2x 1 + kx 2 − kx 3 = 2k
  x + (k + 1)y + z = 0

(c) 2kx 1 + x 2 − 2x 3 = −k (d) x + y + (k + 1)z = 0
 
x 1 + 3kx 2 + 2kx 3 = 16k (k + 1)x + y + z = 0
 
2.4 Dado el sistema

    
1 1 a x a2
 1 a 1  y  =  a .
    
a 1 1 z 1
2.2 Ejercicios
20
Determine los valores de a para que el sistema sea:

(a) incompatible
(b) compatible determinado
(c) compatible indeterminado
2.5 Resuelva el siguiente sistema no lineal de ecuaciones empleando lo que usted sabe sobre
ecuaciones lineales y utilizando un artificio particular:

2 2 2
 x +y +z = 6

x − y + 2z 2 = 2
2 2
2x 2 + y 2 − z 2 = 3


2.6 ¿Para cuáles valores de λ el siguiente sistema tiene solución no triviales?

(
(λ − 3) x + y = 0
x + (λ − 3) y = 0
2.7 Resolver el sistema Ax = b donde
 
1 1 1 1
 1 5 3 3 
A=
 
1 3 10 5

 
1 3 5 15
y b los vectores siguientes:
     
1 0 1
 2   1   0 
i) b =  ii) b =  iii) b = 
     
1 1 2
  
     
1 1 0
2.8 Sea (c 1 , c 2 ) una solución del sistema 2x2:
(
a 11 x 1 + a 12 x 2 = 0
a 21 x 1 + a 22 x 2 = 0
Demuestre que para cualquier número real α, la pareja ordenada(αc 1 , αc 2 ) es también una
solución.
2.9 Sea
 
1 0 1
A= 3 3 4 
 
2 2 3
(a) Compruebe que
 
1 2 −3
A −1 =  −1 1 −1 
 
0 −2 3
(b) Utilice A −1 para resolver el sistema Ax = b para las siguientes elecciones de b :
b = (1, 1, 1)T b = (1, 2, 3)T

b = (−2, 1, 0)T b = (1, 2, 3)T
2.3 Aplicaciones
21
2.3 Aplicaciones
Ejercicios
2.10 Un departamento de caza y pesca estatal suministra 3 tipos de alimentos a un lago que
mantiene a 3 especies de peces. Cada pez de la especie 1 consume cada semana un promedio de
una unidad de alimento 1, una unidad del alimento 2 y dos unidades del alimento 3. Cada pez de
la especie 2 consume cada semana un promedio de tres unidades del alimento 1, cuatro unidades
del alimento 2 y cinco unidades del alimento 3. Cada semana en promedio un pez de la especie 3
consume dos unidades del alimento 1, una unidad del alimento 2 y cinco unidades del alimento 3.
Cada semana se proporciona al lago 15000 unidades del alimento 1, 10000 del alimento 2 y 35000
del alimento 3.
Suponiendo que los tres alimentos se consumen íntegramente, ¿qué población de cada especie se
encontrará en coexistencia? ¿existe una solución única? Estime la población de la tercera especie.
2.11 Una destilería clandestina mezcla alcohol, colorante y licor base para fabricar 3 tipos de
whisky. El whisky tipo A contiene 5 % de colorantes y 40 % de alcohol, el whisky tipo B contiene 3 %
de colorantes y 45 % de alcohol, mientras que el whisky tipo C contiene 4 % de colorantes y 47 %
de alcohol. En el proceso de mezclado se pierde 10 % de alcohol por evaporación. Actualmente
la empresa dispone de 400 litros de alcohol, 415 litros de licor base y de 25 litros de colorantes.
¿Cuántos litros de cada tipo de whisky podrá fabricar la empresa si quiere utilizar toda la
existencia?
2.12 Una firma de transporte posee tres tipos de camiones, A, B y C , Los camiones están
equipados para el transporte de 2 clases de máquinas pesadas (clase 1 y clase 2). El tipo A
puede transportar 2 máquinas clase 1 solamente, el tipo B puede transportar 1 máquina clase
1 y 1 clase 2, y el tipo C puede transportar 1 máquina clase 1 y 2 clase 2. La firma consigue
una orden para transportar 32 máquinas clase 1 y 10 máquinas clase 2. Formule el sistema de
ecuaciones y encuentre el número de camiones de cada tipo que se requieren para cumplir la
orden, suponiendo que, cada camión debe estar completamente cargado y el número exacto de
máquinas pedidas es el que se debe despachar. Si los costos y gastos de cada tipo de camión son
los mismos para la firma, ¿cuál es la solución más económica?
2.13 La demanda de boletos de la Cross Country Airlines ha aumentado tanto que la compañía
está analizando la posibilidad de adquirir nuevos aviones. Existen 3 tipos de aviones en el
mercado, la siguiente tabla muestra la cantidad de tiempo requerido de mantenimiento mensual
para cada tipo:
avión capacidad tiempo de mantenimiento (horas por mes)

tipo 1 350 25
tipo 2 250 15
tipo 3 200 15
La compañía requiere que los nuevos transporten un total combinado de 3900 pasajeros y dispone
en sus hangares de 250 horas mensuales para su mantenimiento. Solamente existen 15 aviones del
tipo 3 disponibles en el mercado. ¿Cuántos aviones de cada tipo debe comprar la Cross Airlines
para utilizar todo el tiempo disponible en sus hangares?
2.3 Aplicaciones
22
2.14 Un individuo tiene acciones en tres compañas A, B ,y C . Un día, las acciones de A se cotizan
a BsF. 20, B a BsF. 10 y C a BsF 20 y el valor total de las acciones es de Bs.F 710. En otra oportunidad
las cotizaciones son de Bs.F 30, 10 y 50 respectivamente y el valor total Bs F 1690. Hallar el número
de acciones que tiene la persona en cada empresa.
2.15 Un viajero recién llegado de Europa gastó en alojamiento, por día, 30$ en Inglaterra, 20$
en Francia, 20$ en España. En comida, por día, gastó 20$ en Inglaterra, 30$ en Francia y 20$
en España. Adicionalmente desembolsó 10$ por día en cada país en gastos varios. El registro de
nuestro viajero indica que gastó un total de 340$ en alojamiento, 320$ en alimento y 140$ en gastos
varios en su recorrido por todos estos tres países. Calcule el número de días que permaneció en
cada país o muestre que el registro debe ser incorrecto.
2.16 Un comerciante dispone de un espacio de 500 m 3 para almacenar 3 tipos de productos

no perecederos que importa y dispone de 4590$ para esta operación. Los productos vienen en
cajas. Una caja del producto 1 contiene 10 unidades del producto y ocupa un volumen de 5 m 3 .
El producto 2 viene en cajas de 10 m3 , cada uno con 3 unidades. Una caja del producto 3 trae 15
unidades de este producto y ocupa un volumen de 7 m 3 . Los precios por unidad para los productos
1, 2 y 3 son respectivamente 10$, 18$ y 16$ . Por su experiencia pasada, el comerciante sabe que
vende 2 veces más del producto 3 que del producto 2. ¿Cuál debe ser el pedido del comerciante
para gastar los 4590$ disponibles sin exceder su capacidad de almacenamiento?
2.17 Un agente secreto sabe que 60 equipos aéreos, que consisten en aviones de combate y
bombarderos, están estacionados en cierto campo aéreo secreto. El agente quiere determinar
cuántos de los 60 equipos son aviones de combate y cuántos son bombarderos. Existe un tipo
de cohete que llevan ambos aviones; el de combate lleva 6 de ellos y el bombardero sólo 2. El
agente averigua que se requieren 250 cohetes para armar a todos los aviones del campo aéreo. Aun
más, escucha que se tiene el doble de aviones de combate que bombarderos en la base. Calcule el
número de aviones de combate y bombarderos en el campo aéreo o muestre que la información
del agente es incorrecta ya que es inconsistente.
2.18 Encuentre valores de a, b y c tales que la parábola y = ax 2 + bx + c pase por los puntos
(−2, −32),(1, 4) y (3, −12).
2.19 La tienda local de artículos para jardín almacenó tres marcas de fertilizantes de fosfato-
potasio-nitrógeno con las composiciones indicadas en la siguiente tabla:
Marca Fosfato Potasio Nitrógeno

A 10 % 30 % 60 %
B 20 % 40 % 40 %
C 20 % 30 % 50 %
Un análisis de suelo muestra que cierto productor necesita fertilizante para su jardín con 19 % de
fosfato, 34 % de potasio y 47 % de nitrógeno. ¿Puede obtener la mezcla correcta mezclando las tres
marcas?. Si es así, ¿cuántas libras de cada una debe mezclar para obtener 100 libras de la mezcla
deseada?.
2.20 Una mezcla de CO, H2 y C H4 se introduce en un horno donde se quema con oxígeno para
formar CO, CO 2 y H2 O. Se cree que allí ocurren las siguientes reacciones químicas:
2.3 Aplicaciones
23
1
CO + 2 O2 = CO 2
1
H2 + 2 O2 = H2O
C H4 + 2O 2 = CO + 2H2O
3
C H4 + 2 O2 = CO+ 2H2O
Determinar el número mínimo de reacciones químicas necesarias para describir completamente

este sistema, es decir, halle un conjunto de reacciones independientes.
2.21 Hobson,Inc. tiene una pequeña planta que fabrica tres tipos de botes inflables para una,
dos y cuatro personas. Cada bote requiere el servicio de tres departamentos: corte, ensamblaje
y empaque. Los departamentos de corte, ensamblaje y empaque pueden utilizar un total de
380, 330 y 120 horas-persona por semana, respectivamente. El tiempo requerido para cada bote
y departamento aparece en la siguiente tabla. Determine cuántos botes de cada tipo deben
producirse cada semana para que la planta opere a toda su capacidad.
Tiempo (horas)
Bote de una Bote de dos Bote de cuatro
Depart. persona personas personas
Corte 0.6 1.0 1.5
Ensamblaje 0.6 0.9 1.2
Empaque 0.2 0.3 0.5
2.22 El túnel Channel, llamado Chunnel, que pasa debajo del Canal de La Mancha desde cerca de
Folkestone, Gran Bretaña, hasta cerca de Calais, Francia, tiene una longitud aproximada de 124088
pies (o aproximadamente 23.5 millas). Dos equipos de trabajadores, uno que comenzó en Francia
y el otro en Gran Bretaña, trabajaron hacia el otro equipo y se encontraron casi a la mitad. Los
dos equipos comenzaron a trabajar en el túnel al mismo tiempo. Debido al terreno húmedo y las
malas condiciones en Francia, el equipo inglés completo en promedio 2.2 pies por día más que el
equipo francés. Los dos equipos se encontraron después de 1432 días de que comenzó el proyecto.
Determine la velocidad con la que trabajó cada equipo.
25
3 Determinantes
3.1 Fundamentos teóricos
Un concepto importante en el estudio de matrices y sistemas de ecuaciones es el de determinante. El

determinante de una matriz cuadrada A, es un valor escalar el cual nos permite saber si una matriz es
invertible, como también calcular el área de una región o el volumen de un sólido, entre otros. En esta
unidad estudiaremos los conceptos y propiedades primordiales, así como su aplicación en la resolución
de problemas.
3.1.1 Determinante de orden 1
Definición 3.1 Determinante de orden 1

Si A = (a 11 es una matriz de orden 1, la cual denotaremos por d et (A), viene dado por:
d et (A) = a 11
Los determinantes de primer orden
3.1.2 Determinantes de orden 2x2
Definición 3.2 Determinante 2x2

Ã !
a 11 a 12
Si A = su determinante viene dado por:
a 21 a 22
¯ ¯
¯ a a 12 ¯
¯ 11
d et A = |A| = ¯
¯
¯ a 21 a 22
¯
¯
3.1
¯ ¯ Ã !
¯ 1 2 ¯ 1 2
¯ = 4 − 6 = −2 es el valor del determinante de la matriz
¯ ¯
¯ 3 4 ¯ 3 4
¯
26
3.1.3 Determinantes de orden 3x3

¯ ¯
¯ a a 12 a 13 ¯ ¯ ¯ ¯ ¯ ¯ ¯
¯ 11 ¯ ¯ a a 23 ¯ ¯ a a 23 ¯ ¯ a a 22 ¯
¯ 22 ¯ 21 ¯ 21
|A| = ¯ a 21 a 22 a 23 ¯ = a 11 ¯ ¯ − a 12 ¯ ¯ + a 13 ¯
¯ ¯ ¯ ¯ ¯
¯ a 32 a 33 ¯ a 31 a 33 ¯ a 31 a 32
¯
¯ ¯ ¯ ¯ ¯
¯ a 31 a 32 a 33 ¯
3.2
¯ ¯
¯ 1 −1 3 ¯
¯ ¯
Calcular |A| = ¯ 4 0 5 ¯
¯ ¯
¯ ¯
¯ −6 −6 9 ¯
Al resolver el determinante anterior tenemos:

¯ ¯
¯ 1 −1 3 ¯ ¯ ¯ ¯ ¯ ¯ ¯
¯ ¯ ¯ 0 5 ¯ ¯ 4 5 ¯ ¯ 4 0 ¯
|A| = ¯ 4 0 5 ¯ = (1) ¯ ¯ − (−1) ¯ ¯+3¯
¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯
¯ −6 9 ¯ ¯ −6 9 ¯
¯
¯ ¯ ¯ −6 −6 ¯
¯ −6 −6 9 ¯
3.1.4 Determinantes nxn

Sea A una matriz de orden nxn. Entonces
n
X
d et (A) = a 11 A 11 + a 12 A 12 + . . . + a 1n A 1n = a 1i A 1i
i =1
donde:
A i j = (−1)i + j d et (M i j ) se le llama cofactor i j de la matriz A .
M i j se le llama menor i j de la matriz A, la cual se obtiene eliminando la fila i y columna j de A.
3.1.5 Propiedades
1. Si cualquier fila o columna de la matriz A es el vector cero entonces d et (A) = 0.
2. Si cualquier fila o columna se multiplica por un escalar λ, entonces d et (A) se multiplica por λ.
3. Si se intercambian dos filas o columnas de A su determinante cambia de signo.
4. Si cualquier fila(columna) de A se multiplica por algún escalar y se suma a otra fila(columna) de

A, entonces d et (A) no cambia.
5. Si una fila o columna es un múltiplo de otra fila o columna, entonces d et (A) = 0.
6. d et (A) = d et (A t ).
7. La matriz A es invertible si y sólo si d et (A) 6= 0
8. Si A es invertible, entonces d et (A) 6= 0 y

1
d et (A −1 ) =
d et (A)
27
3.3
Calcule el siguiente determinante sin desarrollar

¯ ¯
¯1 3 5 2¯
¯ ¯
¯0 −1 3 4¯
|A| = ¯
¯ ¯
¯2 1 9 6¯
¯
¯ ¯
¯3 2 4 8¯
Para calcular el determinante nos basaremos en las propiedades descritas anteriormente. Durante
el desarrollo se identifica la propiedad que se están aplicando.
¯ ¯ ¯ ¯
¯1 3 5 2 ¯ ¯1 3 5 2 ¯
F 3 →−2F 1 +F 3
¯ ¯ ¯ ¯
¯0 −1 3 4¯
¯0 −1 3 4¯¯
(prop. 4)
¯
|A| = ¯
¯ ¯
¯2 1 9 6 ¯
¯ F 4 →−4F 1 +F 4 ¯0 −5 −1 2¯
¯ ¯
¯ ¯ (prop. 4) ¯ ¯
¯3 2 4 8 ¯ ¯0 −7 −11 2¯
¯ ¯
¯1 3 5 2 ¯¯
F 3 →−5F 2 +F 3
¯
(prop. 4)
¯0 −1 3 4 ¯¯
¯
F 4 →−7F 2 +F 4 ¯0 0 −16 −18¯
¯ ¯
(prop. 4) ¯ ¯
¯0 0 −32 −26¯
¯ ¯
¯1 3 5 2 ¯¯
¯
¯0 −1 3 4 ¯¯
Se factoriza fila 3
(−16) ¯
¯
(prop. 2)
¯0 0 9 ¯¯
1 8 ¯
¯
¯0 0 −32 −26¯
¯ ¯
¯1 3 5 2 ¯
¯ ¯
¯0 −1 3 4 ¯
F 4 →32F 3 +F 4
(−16) ¯
¯ ¯
(prop. 2)
¯0 0 1 9/8¯
¯
¯ ¯
¯0 0 0 10 ¯
Finalmente como la matriz es triangular superior tenemos que el determinante es el producto de

los elementos de las diagonal principal
|A| = (−16)(1)(−1)(1)(10) = (−16)(−10) = 160
3.1.6 Matriz adjunta
Definición 3.3
Sea A una matriz de orden nxn. La adjunta de A, denotada por ad j (A), es la matriz de orden nxn
cuya componente i j es A j i , el cofactor j i de A.
Si d et (A) 6= 0, entonces A es invertible y
1
A −1 = ad j (A)
d et (A)
28
3.4 Adjunta e Inversa
Dada la siguiente matriz  

2 4 3
A = 0 1 −1
 
3 5 7
Determine la adjunta y la inversa de A
Primero calculamos la matriz B , formada por los cofactores de A, es decir

   
A 11 A 12 A 13 12 −3 −3
B =  A 21 A 22 A 23  = −13 5 2
   
A 31 A 32 A 33 −7 2 2
Así tenemos que la matriz adjunta es:

 
12 −13 −7
ad j (A) = B t = −3 5 2
 
−3 2 2
Por otro lado tenemos que la matriz inversa es:

 
12 −13 −7
1 1
A −1 = ad j (A) = −3 5 2

d et (A) 3
−3 2 2
3.2 Problemas
29
3.2 Problemas
Ejercicios
3.1 Calcular los siguientes determinantes

¯ ¯ ¯ ¯
¯ 3 1 2 4 ¯ ¯ 0 4 0 3 ¯¯
¯ ¯ ¯
¯ 0 6 0 5 ¯ ¯ 2 0 −1 0 ¯¯
(a) ¯ (b) ¯
¯ ¯ ¯
¯ 5 −2 1 4 1 2 0 0 ¯
¯ ¯
¯ ¯
¯ ¯ ¯ ¯
¯ 1 0 −2 3 ¯ ¯ 0 3 4 0 ¯
3.2 ¿Para qué valores de k las siguientes matrices son invertibles?
   
1−k k 1+k −k 1−k 1+k
(a)  2 1 4  (b)  1 2 3 
   
2+k k −3 k −5 2−k k +3 k +5
3.3 Demostrar que:
(a) el determinante de toda matriz ortogonal vale 1 ó -1
(b) el determinante de toda matriz idempotente vale 0 ó 1
(c) si A es una matriz nxn antisimétrica y n impar, el det(A)=0
(d) si A es una matriz nxn, el determinante de k A es k n det(A)
(e) si A es una matriz antisimétrica de orden nxn entonces
det(A t )=(-1)n det(A)
3.4 Considere la siguiente matriz

 
0 −4 3
A =  −1 0 4 
 
1 2 0
Resolver la ecuación dada por
det(A − x I )=0
3.5 Si
¯ ¯
¯
¯ x y z w ¯
¯
¯ 3 0 2 0 ¯
¯ = 2,
¯ ¯
1 1 1 1
¯
¯ ¯
¯ ¯
¯ 0 −2 0 −3 ¯
calcular sin desarrollar el siguiente determinante

3.2 Problemas
30
¯ ¯
¯ 3x 3y + 2 3z 3w + 3 ¯
¯ ¯
¯ 4 1 3 1 ¯
¯ ¯
¯ 1 1 1 1
¯ ¯
¯
3
¯ ¯
¯ 0 1 0 ¯
2
3.6 Calcule el siguiente determinante:

¯ ¯
¯ 1
¯ 2 3 · · · n ¯¯
¯ −1
¯ 0 3 · · · n ¯¯
¯ −1 −2 0 ··· n ¯
¯ ¯
¯ .. .. .. . ¯
¯ ¯
¯ .
¯ . . . .. ¯¯
¯ −1 −2 −3 ··· 0 ¯
3.7 Demostrar sin desarrollar por cofactores que:

¯ ¯ ¯ ¯
¯ x+y y +z z +x ¯ ¯ x y z ¯
¯ ¯ ¯ ¯
(a) ¯ w + u u+v v +w ¯ = 2¯ w u v
¯ ¯ ¯ ¯
¯
¯ ¯ ¯ ¯
¯ f +g g +h h+f ¯ ¯ f g h ¯
¯ ¯
¯ x −y −z 2x 2x ¯
¯ ¯ ¡ ¢3
(b) ¯ 2y y −x −z 2y ¯= x +y +z
¯ ¯
¯ ¯
¯ 2z 2z z −x −y ¯
3.8 Demostrar que:

¯ ¯
¯ 1 1 1 ¯
¯ ¯ ¡ ¢¡ ¢
¯ x y z ¯ = x − y y − z (z − x)
¯ ¯
¯ ¯
¯ yz xz xy ¯
3.9 Sabiendo que:

¯ ¯
¯
¯ 1 1 1 a ¯
¯
¯ a 1 0 1 ¯
¯ = 3,
¯ ¯
0 1 b 1
¯
¯ ¯
¯ ¯
¯ 1 b 1 1 ¯
calcular sin desarrollar el siguiente determinante

¯ ¯
¯ a 2c a + b 2 ¯
¯ ¯
¯ 1 bc 2 1 ¯
¯ ¯
¯ 0 c b 1
¯ ¯
¯
¯ c c2
¯ ¯
2c ac ¯
3.10 Utilizando la matriz adjunta, determinar en caso de que existan, las inversas de las
siguientes matrices
3.2 Problemas
31
   
2 4 3 2 1 −3
(a)  1 2 −1  (b) 4 5 1 
   
1 −1 4 −2 −1 4
   
1 1 −2 4 1 −1 −2 −1
 0 2 1 3   0 3 4 −1 
(c)  (d) 
   
2 1 0 4 1 2 1 
 
 −1  
4 3 2 −1 3 3 1 2
3.11 Sea A una matriz no singular, pruebe que:
1
d et (A −1 ) =
det(A)
3.12 Demostrar, sin efectuar el desarrollo que:

¯ ¯
¯ sen2x cos x 1 ¯
¯ ¯
¯ 2 tan x sec x 1 ¯=0
¯ ¯
¯ ¯
¯ 2senx 1 1 ¯
3.13 Sean A y B matrices 3x3 que satisfacen que det(A)=4 y det(B )= 5. Determinar el valor de:
(a) det(AB ) (b) det(3A) (c) det(2AB ) (d) det(A −1 B )
3.14 Aplique la regla de Cramer para resolver cada uno de los siguientes sistemas:
( (
x 1 + 2x 2 = 3 2x 1 + 3x 2 = 3
(a) (b)
3x 1 − x 2 = 1 3x 1 + 2x 2 = 5
 
 2x 1 + x 2 − 3x 3 = 0
  x 1 + 3x 2 + x 3 = 1

(c) 4x 1 + 5x 2 + x 3 = 8 (d) 2x 1 + x 2 + x 3 = 5
 
-2x 1 − x 2 + 4x 3 = 2 −2x 1 + 2x 2 − x 3 = −8
 


 x 1 + 3x 2 + 5x 3 + 2x 4 = 2

 −x + 3x + 4x = 0
2 3 4
(e)

 2x 1 + x 2 + 9x 3 6x 4 = −3
+

3x 1 + 2x 2 + 4x 3 + 8x 4 = −1

3.15 Demuestre que si A es una matriz de orden nxn con n > 1 entonces det(adj(A))=(det(A))n−1 .
3.16 Demuestre que si A es no singular, entonces adj(A) es no singular y:
(adj(A))−1 = det(A −1 )A =adj(A −1 )
3.17 Considere el paralelogramo generado por los vértices (0, 0), (a, c) y (b, d ). Demuestre que el
área de este paralelogramo viene dado por:
¯ ¯
¯ a b ¯
A=¯
¯ ¯
¯ c d ¯
¯
3.2 Problemas
32
3.18 Sea ∆ el triángulo en el plano en el plano con vértices (x 1 , y 1 ),(x 2 , y 2 ) y (x 3 , y 3 ). Demuestre

que el área del triángulo está dado por:
¯ ¯
¯ 1 x
1 y1 ¯
¯
¯
1¯
Area de ∆ = ± 2 ¯ 1 x 2 y 2 ¯
¯
¯ ¯
¯ 1 x3 y 3 ¯
¿Bajo qué condiciones será igual a cero este determinante?

33
4 Espacios Vectoriales
En la siguiente unidad se estudiaran conjuntos de objetos en donde están definidas dos operaciones
(suma y multiplicación por un escalar) y que además cumplen un conjunto de propiedades en común.
Estos conjuntos que estudiaremos de forma más abstracta son los espacio vectoriales, los cuales son
muy importantes en diferentes áreas de estudio y el abordarlo de forma general permite aplicar estos
hechos a cualquier espacio vectorial estudiado.
4.1 Definición de espacio vectorial
Definición 4.1
Un espacio vectorial V es un conjunto de objetos llamado vectores, junto con dos operaciones
llamadas suma y multiplicación por un escalar que satisfacen los siguientes axiomas:
1. Si x,y ∈ V , entonces x + y ∈ V (cerrado bajo la suma).
2. Para todo x, y, z ∈ V , se cumple que (x + y) + z = x + (y + z) (asociativa de la suma)
3. Existe un vector 0 ∈ V tal que para todo x ∈ V , x + 0 = 0 + x = x (elemento identidad de la

suma)
4. Si x ∈ V , existe un vector -x ∈ V tal que x + (-x) = 0 (inverso de la suma)
5. Si x, y ∈ V , entonces x + y = y + x (propiedad conmutativa de la suma)
6. Si x ∈ V y α es un escalar, entonces αx ∈ V (cerrado bajo la multiplicación por un escalar)
7. Si x, y ∈ V y α es un escalar, entonces α(x + y) = αx + αy (propiedad distributiva)
8. Si x ∈ V y α y β son escalares, entonces (α + β)x = αx + βx (propiedad distributiva)
9. Si x ∈ V y α y β son escalares, entonces α(βx) = αβx (asociativa de la multiplicación por un

escalar)
10. Para todo vector x ∈ V , se cumple que 1x = x

4.1 Definición de espacio vectorial
34
4.1 Ejemplos de espacios vectoriales
Aquí se presentan un conjunto de espacios vectoriales en donde las operaciones allí definidas
(suma y multiplicación por un escalar) son las usuales dentro del conjunto.
1. Espacio vectorial R2
R2 = {(x, y)/x, y ∈ R}
2. Espacio vectorial R3
R3 = {(x, y, z)/x, y, z ∈ R}
3. Espacio vectorial Rn
Rn = {(x 1 , x 2 , . . . , x n )/x i ∈ R, i = 1, 2, . . . , n}
4. Espacio vectorial M m×n , formado por el conjunto de matrices de orden m × n.
5. Espacio vectorial C [a, b], determinado por el conjunto de funciones reales continuas f
definidas en el intervalo [a, b].
6. Espacio vectorial P n , formado por el conjunto de polinomios de grado menor o igual a n.
P n = {p(x)/p(x) = a n x n + a n−1 x n−1 + . . . + a 1 x + a 0 }
4.2 Conjuntos que no son espacios vectoriales
1. Sea V = {(x, y)/y = ax + 1, a ∈ R}, familia de rectas que pasan por (0, 1). Este conjunto no es
un espacio vectorial ya que no cumple la propiedad de cerradura para la suma.
Sean (x 1 , y 1 ) = (1, a + 1) y (x 2 , y 2 ) = (2, 2a + 1) ∈ V , la suma viene dada por:
(x 1 , y 1 ) + (x 2 , y 2 ) = (1, a + 1) + (2, 2a + 1) = (3, 3a + 2)
el cual no pertenece a V . Por lo tanto no es un espacio vectorial.
2. Sea (Ã !Á )
a 11 1
V= a 11 , a 22 ∈ R
1 a 22
Si consideramos α = 3 y la siguiente matriz
Ã !
3 1
A= ∈V
1 4
vemos que ! ÃÃ !
3 1 9 3
αA = 3A = = 6∈ V
1 4 3 12
por lo cual no es un espacio vectorial pues no es cerrado para la multiplicación por un
escalar.
4.2 Combinación lineal y espacio generado
35
4.1.1 Subespacio vectorial

Un espacio vectorial H , puede estar contenido dentro de otro espacio vectorial V ,
Definición 4.2 Subespacio Vectorial

Un subespacio H de un espacio vectorial V es un subconjunto de V que es en sí un espacio
vectorial.
Para determinar si un conjunto H es un subespacio de un espacio V se deben verificar las
siguientes reglas:
Si x,y ∈ H , entonces x + y ∈ H .
Si x ∈ H , entonces αx ∈ H para cada escalar α.
4.3 Subespacio vectorial
Demostrar que el subconjunto H = {(x, y)/y = ax} es un susbespacio vectorial de R2 .
Sean (x 1 , y 1 ) y (x 2 , y 2 ) ∈ H , veamos que la suma pertenece a H .
(x 1 , y 1 ) + (x 2 , y 2 ) = (x 1 , ax 1 ) + (x 2 , ax 2 ) = (x 1 + y 1 , ax 1 + ax 2 )
= (x 1 + y 1 , a(x 1 + x 2 ))
Como y = a(x 1 + x 2 ), podemos afirmar que y por lo tanto (x 1 , y 1 ) + (x 2 , y 2 ) ∈ H .
Ahora demostremos que se cumple la multiplicación por un escalar.

Sea α un escalar y (x 1 , y 1 ) ∈ H , entonces
α(x 1 , y 1 ) = (αx 1 , αy 1 ) = (αx 1 , α(ax 1 )) = (αx 1 , a(αx 1 ))
Como y = a(αx 1 ) entonces α(x 1 , y 1 ) ∈ H . Por lo anterior tenemos que H es un subespacio

de R2 .
Definición 4.3
Una combinación lineal de los vectores v 1 , v 2 , . . . , v n en un espacio vectorial V es una suma de la
forma
α1 v 1 + α2 v 2 + . . . + αn v n
donde α1 , α2 , . . . , αn son escalares.

36
Definición 4.4
Se dice que los vectores v 1 , v 2 , . . . , v n en un espacio vectorial V generan a V si todo vector de V se
puede expresar como una combinación lineal de los vectores v 1 , v 2 , . . . , v n .
Definición 4.5
El conjunto generado por un conjunto de vectores v 1 , v 2 , . . . , v n es un espacio vectorial V formado
por todas las combinaciones lineales de v 1 , v 2 , . . . , v n . El espacio generado por v 1 , v 2 , . . . , v n se
denota por g en{v 1 , v 2 , . . . , v n }.
4.2.1 Dependencia e independencia lineal
Definición 4.6
Se dice que un conjunto de vectores v 1 , v 2 , . . . , v n en un espacio vectorial V son linealmente
independientes si
α1 v 1 + α2 v 2 + . . . + αn v n = 0
si y sólo si α1 = α2 = . . . = αn = 0.
Si el conjunto no es linealmente independiente, se dice que es linealmente dependiente.
4.2.2 Bases y bases canónicas
Definición 4.7
Un conjunto de vectores v 1 , v 2 , . . . , v n es una base de un espacio vectorial V si:
{v 1 , v 2 , . . . , v n } es linealmente independiente
{v 1 , v 2 , . . . , v n } genera a V
Definición 4.8
La dimensión de un espacio vectorial V se define como el número de vectores que forman una
base para V . Si V = {0} se dice que V tiene dimensión cero.
4.4
Aquí se presentan algunos espacios vectoriales con sus bases canónicas.
El espacio vectorial R2 es de dimensión 2, la base canónica para este espacio está formada
por dos vectores
B = {(1, 0), (0, 1)}
El espacio vectorial R3 es de dimensión 3, la base canónica para este espacio está formada
por tres vectores
B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}

37
El espacio vectorial P 3 (polinomios de grado menor o igual a 3) es de dimensión 4, la base

canónica para este espacio está formada por cuatro vectores
B = {1, x, x 2 , x 3 }
En el siguiente ejemplo se aclaran los conceptos presentados anteriormente:
4.5
Dado el siguiente conjunto

H = {1, x 2 , 2 − 3x 2 }
Determinar lo siguiente:
¿Cuál es el subespacio generado por los vectores de H , g en(H )?.
¿Son los vectores que conforman H linealmente independientes?
¿Cual es la dimensión del subespacio generado por H ?
¿El polinomio q(x) = 3 + 2x 2 ∈ g en(H )?.
Si la respuesta anterior es afirmativa, represente a q(x) como combinación lineal de los

elementos de H
Dé una base para H .
Vamos a comenzar determinando el subespacio generado por H , es decir:

n o
g en(H ) = p(x) ∈ H / p(x) = α1 (1) + α2 (x 2 ) + α3 (2 − 3x 2 )
Sea p(x) = a + bx + c x 2 ∈ H y veamos la condición que se debe cumplir para que el vector p(x)
pertenezca a H . Para ello representamos a p(x) como combinación lineal de los elementos de H
a + bx + cx 2 = α1 (1) + α2 (x 2 ) + α3 (2 − 3x 2 ) = α1 (1 + 0x + 0x 2 ) + α2 (0 + 0x + x 2 ) + α3 (2 + 0x − 3x 2 )
= (α1 + 0α2 + 2α3 ) + (0α1 + 0α2 + 0α3 )x + (0α1 + α2 − 3α3 )x 2
Así tenemos el siguiente sistema de ecuaciones:

    
1 0 2 α1 a
0 0 0  α2  = b 
    
0 1 −3 α3 c
que en su forma ampliada y luego su forma escalonada reducida vienen dadas de la siguiente
manera:    
1 0 2 a 1 0 2 a
0 0 0 b  ' 0 1 −3 c
   
0 1 −3 c 0 0 0 b
La forma escalonada reducida de la matriz nos permite dar respuesta a varias de las preguntas
propuestas, así tenemos los siguiente:
38
¿Cuál es el espacio generado por los vectores de H ?

Para que el sistema anterior tenga solución se debe cumplir que b = 0, esa es la condición
que debe cumplir cualquier vector para pertenecer al espacio generado por H , de esta
manera:
g en(H ) = {p(x) = a + bx + c x 2 / b = 0}
.
Si la matriz escalonada no tuviese filas nulas, entonces no habría restricciones para que un
vector pertenezca al espacio generado, de tal forma que los vectores generarían todo el
espacio al cual pertenecen. En este caso sería P 2 .
¿Son los vectores que conforman H linealmente independientes?

La respuesta es negativa, los vectores son linealmente dependientes, desde el punto de
vista de la matriz escalonada podemos decir que son linealmente dependientes ya que no
todas las columnas de la matriz tienen pivotes. Desde el punto de vista de la definición de
independencia tenemos que el sistema homogéneo asociado tiene infinitas soluciones, por
lo que los vectores son dependientes.
¿Cual es la dimensión del subespacio generado por H ?

Podemos saber la dimensión del espacio viendo el número de pivotes que tiene la matriz
escalonada, en este caso la dimensión es n = 2. La dimensión podemos interpretarla como
el menor número de vectores que se requieren para generar el espacio, en este ejemplo los
vectores ubicados en las columnas que tienen pivotes, 1 y x 2 , son independientes y ellos
generan el subespacio H . Así podemos decir que ellos conforman una base para H .
¿El polinomio q(x) = 3 + 2x 2 ∈ g en(H )?

Para que el polinomio pertenezca a g en(H ) se debe cumplir que el término que corresponde
a b debe ser igual a cero, lo que en efecto ocurre ya que q(x) no tiene el término de primer
grado, es decir x.
Si la respuesta anterior es afirmativa, represente a q(x) como combinación lineal de los

elementos de H .
Como q(x) ∈ H podemos representarlo como combinación lineal de los vectores que
conforman H , como además el sistema tiene infinitas soluciones existen muchas maneras
de representar q(x) en términos de los vectores de H , como por ejemplo:
3 + 2x 2 = 3(1) + 2(x 2 ) + 0(3 − x 2 )
Cuando los vectores del conjunto forman una base, la representación de cualquier vector
que pertenezca al espacio es única.
¿Dé una base para H ? Anteriormente se respondió a esta pregunta, sin embargo se podría
preguntar ¿existe alguna otra base distinta a la anterior? En tal caso la respuesta es que sí,
es más, existen infinitas bases para este conjunto, solamente basta con que los vectores
involucrados sean linealmente independientes y que generen todo el espacio.
4.3 Espacio nulo e imagen
39
4.3 Espacio nulo e imagen
Definición 4.9
El espacio nulo de una matriz A de orden nxn es el subespacio de Rn dado por:
N A = x ∈ Rn / Ax = 0
© ª
la dimensión del espacio nulo se le llama nulidad
Definición 4.10
La imagen de una matriz A de orden mxn, es el subespacio de Rm dado por:
I m A = y ∈ Rm / Ax = y, para algún x ∈ Rn
© ª
la dimensión de la imagen se le llama rango

4.4 Problemas
40
4.4 Problemas
4.1 Determinar cuáles de los siguientes conjuntos son espacios vectoriales. Para aquellos que no lo son,
diga cuáles axiomas no se satisfacen.
(a) El conjunto de todos los pares de números reales con las operaciones
k (x 1 , x 2 ) = (2kx 1 , 2kx 2 )
¡ ¢ ¡ ¢
(x 1 , x 2 ) + y 1 , y 2 = x 1 + y 1 , x 2 + y 2
(b) El conjunto de todos los pares de números reales con las operaciones
k (x 1 , x 2 ) = (kx 1 , kx 2 )
¡ ¢ ¡ ¢
(x 1 , x 2 ) + y 1 , y 2 = x 1 + y 1 + 1, x 2 + y 2 + 1
(c) El conjunto de todos los pares de números reales con las operaciones
k (x 1 , x 2 ) = (k + kx 1 − 1, k + kx 2 − 1)
¡ ¢ ¡ ¢
(x 1 , x 2 ) + y 1 , y 2 = x 1 + y 1 + 1, x 2 + y 2 + 1
(d) El conjunto de las ternas de números reales con las operaciones
¡ ¢
k x 1 , x 2, x 3 = (0, 0, 0)
¡ ¢ ¡ ¢
(x 1 , x 2 , x 3 ) + y 1 , y 2 , y 3 = x 1 + y 1 , x 2 + y 2 , x 3 + y 3
(e) El conjunto de todas las matrices 2x2 de la forma:

Ã !
a 1
1 b
con la suma y multiplicación usual de las matrices
(e) El conjunto de todas las matrices 2x2 de la forma:

Ã !
a 0
0 b
con la suma y multiplicación usual de las matrices
(f) El conjunto de las funciones reales f tales que f (1) = 0, con las operaciones definidas:
¡ ¢
f + g (x) = f (x) + g (x) y
¡ ¢
k f (x) = k f (x)
4.2 Determine cuáles de los siguientes conjuntos son subespacios vectoriales de R3

4.4 Problemas
41
(a) W = {(x 1 , x 2 , x 3 ) /x 1 − x 2 + x 3 = 0}
(b) W = {(x 1 , x 2 , x 3 ) /x 1 ∈ Z}
(c) W = {(x 1 , x 2 ) /x 1 + x 2 = 0}
(d) W = (x 1 , x 2 , x 3 ) /x 3 = x 1 2 + x 2 2
© ª
4.3 Sea A un vector particular en R2x2 . Determine si los siguientes son subespacio de R2x2 o no
(a) S 1 = B ∈ R2x2 /AB = B A

© ª
(b) S 2 = B ∈ R2x2 /AB 6= B A

© ª
(c) S 3 = B ∈ R2x2 /AB = 0

© ª
4.4 Demuestre que si S es un subespacio de R entonces S = R o S = {0}.
4.5 Determine si los siguientes son subespacios de C [−1, 1] .
(a) El conjunto de funciones f en C [−1, 1] tal que f (−1) = f (1)
(b) El conjunto de funciones impares en C [−1, 1]
(c) El conjunto de funciones f en C [−1, 1]tal que f (−1) = 0 y f (1) = 0
4.6 Determinar cuáles de los siguientes conjuntos son subespacios del espacio vectorial indicado:
(a) El conjunto de todos los vectores en R2 de la forma x = (0, x 2 )
(b) El conjunto de todos los vectores en R3 , x = (x 1 , x 2 , x 3 ), para los cuales x 12 + x 22 + x 32 = 1
(c) El conjunto de todos los polinomios P n , que consisten de todos los polinomios que tienen a (x −1)
como factor
(d) El conjunto de todos los vectores en R2 tal que |x| ≤ 1
(e) El conjunto de todas las matrices A ∈ R2x2 tal que Ax = 0, donde x ∈ R2
4.7 Sean U y V subespacios de un espacio vectorial W . Se define
U + V = {z /z = u + v, con u ∈ U y v ∈ V }
Demuestre que U + V es un subespacio de W .
4.8 Determine si los siguientes vectores son linealmente independientes
(a) {(3, 1, 3), (4, 1, 0), (5, 6, 3), (−1, 0, 2)}
(b) {(6, 2, 1), (10, 0, 4), (4, −1, 2)}
(c) {(3, 2, 1), (2, 3, 1), (1, 2, 3)}
(d) {(2, 1), (3, 2)}

4.4 Problemas
42
4.9 Determine si los siguientes vectores son linealmente independientes en P 3 o no
(a) 1, x 2 , x 2 − 2 (b) 2, x 2 , x, 2x + 3
© ª © ª
(c) x + 2, x 2 − 1 (d) x + 2, x + 1, x 2 − 1
© ª © ª
4.10 Para cada una de las expresiones siguientes, demuestre que los vectores dados son (l.i) en C [−1, 1]
(b) x 3/2 , x 5/2

© ª
(a) {cos(πx), sen(πx)}
(c) 1, e x + e −x , e x − e −x (d) e x , e −x , e 2x
© ª © ª
4.11 Sean V un espacio vectorial y {u, v, w} un conjunto de vectores linealmente independientes, Probar
que:
(a) {u + v, v + w, u + w} es linealmente independiente.
(b) {u + v − 3w, u + 4v − w, v + 3w} es linealmente dependiente.
4.12 Sean
S = {(a, b, c, d )/a + b + c = 0} y T = {(a, b, c, d )/c + d = 0}
(a) Probar que S y T son subespacios vectoriales de R4
(b) Hallar bases de S, T, S ∩ T
4.13 Sean u = (2, 1, 4), v = (1, −1, 3), w = (3, 2, 5). Exprese los vectores (3, 5, 2) , (1, −2, 3) como combina-
ción lineal de u, v, w
4.14 ¿Cuáles de los siguientes conjuntos de vectores son base de R3 ?
(a) {(1, 0, 0) , (2, 2, 0) , (3, 3, 3)}
(b) {(3, 1, −4) , (2, 5, 6) , (1, 4, 8)}
(c) {(2, −3, 1) , (4, 1, 1) , (0, −7, 1)}
(d) {(1, 6, 4) , (2, 4, −1) , (−1, 2, 5)}
4.15 Determinar el espacio generado por:
(a) S = {(2, −1, 3, 1) , (1, −2, 0, −1) , (3, −3, 3, 0) , (5, −4, 6, 1)}
(b) S = x 3 + 2x 2 , 1 − 4x 2 , 12 − 5x 3 , x 3 − x 2
© ª
(Ã ! Ã ! Ã ! Ã !)
1 −1 2 −1 −1 4 3 −4
(c) S = , , ,
3 0 8 −1 4 −1 5 6
4.16 Dados los vectores u = (3, −2, 4) , v = (−3, 2, −4), w = (−6, 4, −8). ¿Cuál es la dimensión del
subespacio generado por u, v y w?
4.4 Problemas
43
4.17 Determinar cuales de los siguientes vectores pertenecen al subespacio de:

(a) R3 generado por (1, 2, 1) y (2, 3, 4)
(4, 7, 6)
(1/2, 1, 1)
(2, 9, 5)
(0, 1/3, −2/3)
(b) P n generado por x 3 + 2x 2 + 1 ; x 2 − 2 y x 3 + x
x2 − x + 3
x 2 − 2x + 1
4x 3 − 3x + 5
x3 + 1
4.18 Demostrar que los siguientes conjuntos de vectores de R3 generan el mismo subespacio:
(a) A = {(1, 0, −1) , (0, −2, 1)} (b) B = {(1, −2, 0) , (2, −2, −1)}
4.19 Hallar las coordenadas de cada uno de los siguientes vectores de R3 con respecto a la base:
B = {(1, 0, 0) , (1, 1, 0) , (1, 1, 1)}
(a) (0, 1, 0) (b) (−2, 1, 1) (c) (0, 0, 1) (d) (−1, −1/2, 1)
4.20 Sean los vectores (2, 1, 0); (2, 1, 1); (2, 2, 1), demostrar que forman una base. Hallar las coordenadas
de los vectores siguientes en esa base:
(a) (1, 0, 0) (b) (−1, 2, 1) (c) (4, −5, 0) (d) (1, 0, 1)
4.21 Si U = {(1, 2, 0), (0, 2, 1)} y V = {(0, 0, 2), (0, 1, 0)}
(a) Encuentre una base para U ∩ V
(b) Determine la dimensión de U + V
(c) Describa geométricamente a U ,V,U ∩ V y U + V
4.22 Sea U =gen{(1, 2, 1) , (0, 1, 2)} y V =gen{(1, 0, 0), (0, 0, 1)}
(a) Encuentre una base de U ∩ V .

© ª
(b) Si U + V = u + v / u ∈ U y v ∈ V . Determine una base de U + V
4.23 Sea B = {α1 , α2 , α3 } la base ordenada de R3 formada por:
α1 = (1, 0, −1) , α2 = (1, 1, 1) , α3 = (1, 0, 0)

4.4 Problemas
44
¿Cuáles son las coordenadas del vector (a, b, c) en la bases ordenada B ?
4.24 Demostrar que los vectores
α1 = (1, 1, 0, 0) α2 = (0, 0, 1, 1)
α3 = (1, 0, 0, 4) α4 = (0, 0, 0, 2)
forman una base para R4 . Hallar las coordenadas de cada uno de los vectores de la base canónica
respecto de la base ordenada {α1 , α2 , α3 , α4 }
4.25 Sean u = (u 1 , u 2 ) y v = (v 1 , v 2 ) dos vectores de R2 tales que:
u 1 v 1 + u 2 v 2 = 0 y u 12 + u 22 = v 12 + v 22 = 1
Demostrar que B = {u, v} es una base de R2 .Hallar las coordenadas del vector (a, b) en la base ordenada
B . (Las condiciones impuestas a u y v dicen, geométricamente, que u y v son perpendiculares y de
longitud 1)
4.26 En los siguientes problemas exprese al vector x, y ∈ R2 en términos de la base dada:

¡ ¢
(a) {(1, 1), (1, −1)} (b) {(2, −3), (3, −2)}
(c) {(5, 7), (3, −4)} (d) {(−1, −2), (−1, 2)}
4.27 En los siguientes ejercicios determine la matriz cambio de base desde la base B 1 a la base B 2
(a) B 1 = {(1, 0) , (0, 1)} ; B 2 = {(2, 3) , (−3, −4)}
(b) B 1 = {(2, 3) , (−3, −4)}; B 2 = {(1, 0) , (0, 1)}
(c) B 1 = {1, x}; B 2 = {2 + 3x, −4 + 5x}

45
5 Transformaciones Lineales
5.1.1 Definición
Definición 5.1
Sean V y W dos espacios vectoriales. Una Transformación lineal T de V en W es una función que
asigna a cada vector v ∈ V un único vector T (v) ∈ W y que satisface, para cada u y v de V y cada
escalar α,
(i) T (u + v) = T (u) + T (v)
(ii) T (αu) = αT (u)
Teorema 5.1
Propiedades Sea T : V → W una transformación lineal. Entonces para todo vector u, v 1 , v 2 , . . . , v n
en V y todo escalar α1 , α2 , . . . , αn
(i) T (0) = 0.
(ii) T (u − v) = T (u) − T (v).
(iii) T (α1 v 1 + α2 v 2 + . . . + αn v n ) = α1 T (v 1 ) + α2 T (v 2 ) + . . . + αn T (v n )
5.1.2 Núcleo e Imagen de una transformación lineal

46
Definición 5.2
Sean V y W dos espacios vectoriales y sea T : V → W . Entonces:
el núcleo de T , denotado por K et (T ) viene dado por:
K er t (T ) = {v ∈ V /T (v) = 0}
la imagen de T , denotada por I m(T ), está dada por:

© ª
I m(T ) = w ∈ W /w = T (v)par a al g ún v ∈ V
tanto el K er (T ) como I m(T ) son subespacios de V y W respectivamente
Definición 5.3
La nulidad de una transformación lineal se define como la dimensión del núcleo de la
transformación y el rango como la dimensión de la imagen.
nulidad=dim K er (T )
rango=dim I m(T )
Teorema 5.2
Sea T : V → W una transformación lineal, si la dimensión de V = n entonces se cumple:
rango+nulidad=n
a este teorema se le conoce como teorema de la dimensión
5.1.3 Inyectividad y sobreyectividad
Definición 5.4
Sea T : V → W una transformación lineal:
Se dice que es T es inyectiva si T (v 1 ) = T (v 2 ) implica que v 1 = v 2
Se dice que es T sobreyectiva si todo w ∈ W es imagen de algún elemento v ∈ V
Definición 5.5
Una transformación lineal T : V → W , se dice que es un isomorfismo si T es tanto inyectiva como
sobreyectiva.
5.1.4 Isomorfismo
Teorema 5.3
Sea T : V → W un isomorfismo:
Si v 1 , v 2 , . . . , v n generan a V , entonces T (v 1 ), T (v 2 ), . . . , T (v n ) generan a W .

47
Si v 1 , v 2 , . . . , v n son linealmente independiente en V , entonces T (v 1 ), T (v 2 ), . . . , T (v n ) son

linealmente independientes en W .
Si {v 1 , v 2 , . . . , v n } es una base de V entonces {T (v 1 ), T (v 2 ), . . . , T (v n )} es una base de W .
Si la dimensión de V es finita, entonces la dimensión de W es finita y dim V =dim W .
Teorema 5.4
Sea T : V → W una transformación lineal:
T es inyectiva ⇔ K er {T } = {0}
T es sobreyectiva ⇔ I m(T ) = d i m(W )

5.2 Problemas
48
5.2 Problemas
Ejercicios
5.1 Determine cuáles de las siguientes aplicaciones T : R3 → R2 son transformaciones lineales:

¡ ¢ ¡ ¢
(a) T x, y, z = x + y − z, 2x + z
¡ ¢
(b) T x, y, z = (|x| , 0)
¡ ¢ ¡ ¢
(c) T x, y, z = x + 1, x + 2y − z
¡ ¢ ¡ ¢
(d) T x, y, z = x y, y z
5.2 Determine cuáles de las siguientes aplicaciones T : Rn×n → Rn×n son transformaciones
lineales:
(a) T (A) = AS, donde S es una matriz fija de Rn×n
(b) T (A) = AS − S A, donde S es una matriz fija de Rn×n
(c) T (A) = A T
5.3 Determine cuáles de las siguientes aplicaciones son transformaciones lineales:
(a) T : R3 → R3 definidas por:

i) T (x, y, z) = (y − x, x, z)
ii) T (x, y, z) = (0, x + y, 0)
(b) T : R2×2 → R tal que T (A) = t r aza(A)
(c) T : R2×2 → R2×2 tal que T (A) = A + A T
(d) T : P n → P n definida por:
Rx
i) T ( f (x)) = f 0 (x) iii) T ( f (x)) = f (t ) d t
0
ii) T ( f (x)) = f (x) f 0 (x) iv) T ( f (x)) = x f (x)
5.4 Sea T : R2 → R3 una transformación lineal que satisface:
T (1, 2) = (−1, 0, 2) y T (2, 1) = (0, 2, −1)
Determine las imágenes de los vectores (3, 3) y (0, −1)
5.5 Sea T : R4 → R3 la transformación lineal definida por:
T (x, y, z, w) = (x − y + z + w, x + 2y − z + w, 3y − 2z)
(a) Determine bases para el K er (T ) y la I m(T ).
(b) Calcule el rango y la nulidad.

5.2 Problemas
49
5.6 Determine si existe una transformación lineal T : R3 → P 2 tal que:
T (1, 1, −1) = 1 + x, T (1, 2, 0) = 2 − x 2 y T (1, 3, 1) = 3 − x − 2x 2
En caso afirmativo, encuentre T (x, y, z)
5.7 Determine si existe una transformación lineal T : P 2 → R2×2 tal que:

Ã !
1 0
T (1 + x 2 ) =
0 −1
Ã !
1 1
T (2x − 1) = y
0 1
Ã !
1 −1
T (2x 2 − 2x + 3) =
0 −3
En caso afirmativo, determine T (ax 2 + bx + c)
5.8 Sea f : R2 → R2 la transformación lineal representada por la matriz

Ã !
£ ¤ cos θ −senθ
f c=
senθ cos θ
respecto a las bases canónicas de R2 .
Demostrar que si α y β son números reales cualesquiera, entonces:
(a) f α ◦ f β = f α+β
(b) f α−1 = f α
5.9 Obtener una transformación lineal T : R3 → R3 tal que:

©¡ ¢ ª
K er t (T )= x, y, z / 2x − y + z = 0
5.10 Determine una transformación T : R3 → R3 tal que:
T (1, −1, 1) = (1, 0) y T (1, 1, 1) = (0, 1)
5.11 Encuentre la representación matricial en las bases canónicas de las siguientes transforma-
ciones:
(a) T : R2 → R2 , T (x, y) = (x − 2y, −x + y)
(b) T : R3 → R3 , T (x, y, z) = (x − y + 2z, 3x + y + 4z, 5x − y + 8z)
(c) T : R2 → R3 , T (x, y) = (x + y, x − y, 2x + 3y)
(d) T : P 2 → P 3 , T (a 0 + a 1 x + a 2 x 2 ) = a 1 − a 1 x + a 0 x 3
5.2 Problemas
50
5.12 Determine la representación matricial de cada una de las siguientes transformaciones:
(a) Expansión en el eje x (f ) Reflexión respecto al eje x

(b) Expansión en el eje y (g) Reflexión respecto al eje y
(c) Comprensión en el eje x (h) Corte a los largo del eje x
(d) Comprensión en el eje y (i) Corte a los largo del eje y
(e) Reflexión respecto a la recta y=x
5.13 Clasifique todas las matrices elementales de orden 2x2 de acuerdo a alguna de las
transformaciones dadas en el ejercicio anterior.
5.14 Encuentre la representación matricial de las siguientes transformaciones en las bases dadas:
(a) T : R3 → R2 , T (x, y, z) = (2x + y + z, y − 3z);
B 1 = {(1, 0, 1), (1, 1, 0), )(1, 1, 1)} y B 2 = {(1, −1), (2, 3)}
(b) T : R2 → R2 , T (x, y) = (x − 2y, 2x + y);
B 1 = B 2 = {(1, −2) , (3, 2)}
(c) T : R2 → R2 , T (x, y) = (4x − y, 3x + 2y);
B 1 = B 2 = {(−1, 1) , (4, 3)}
(d) T : R3 → R2 , T (x, y, z) = (x − 2z, y + z);
B 1 = {(1, 1, 1), (2, 2, 0), (3, 0, 0)} y B 2 = {(2, 0), (0, 2)}
5.15 Sea T : V → W una transformación lineal y sea U un subespacio de W . La imagen recíproca

(o inversa) de T , denotada como:
T −1 (U ) = {v ∈ V /T (v) ∈ U }
Demuestre que T −1 (U ) es un subespacio de V
5.16 Sea T : R3 → R2 una transformación lineal y

Ã !
2 1 −1
[T ]CC =
1 1 −2
la matriz asociada a T respecto a las bases canónicas de cada espacio. Determinar la preimagen
de T del vector (-1,1). ¿Es T inyectiva?
5.17 Sea T : V → V una transformación lineal tal que T 2 − T + I = 0. Demostrar que T −1 existe y
que T −1 = I − T .
5.18 Sea T : P 2 → R2x2 tal que:

5.2 Problemas
51
Ã !
b
2 a +c 2
T (ax + bx + c) = b
2 a +c
(a) Demostrar que T es una transformación lineal
(b) Hallar la imagen, el núcleo, el rango y la nulidad de T , ¿Es T un isomorfismo?
5.19 Definir una transformación lineal T : R3 r i g ht ar r ow R2 tal que respecto a las bases
B 1 = {(0, 1, 1), (1, 0, 1), (1, 1, 0)} y B 2 = {(1, 2), (2, 1)}
su matriz sea:
Ã !
1 0 0
[T ]B 1 B 2 =
1 −1 1
5.20 Sea f : P 2 → P 2 una transformación lineal tal que la matriz asociada con respecto a la base
B = 2x − 1, 4x 2 − x + 1, x 2 + 2x + 1
© ª
es:
 
−1 3 0
£ ¤
f B =  2 −3 1 
 
3 −4 1
(a) Demostrar que f es un isomorfismo.
(b) Hallar f −1 .
(c) Sea g : R3 → P 2 tal que:
g (c 1 , c 2 , c 3 ) = c 3 + (c 2 − c 1 )x + (c 3 + 2c 2 )x 2 .
Hallar la matriz asociada a f ◦ g respecto a las bases B de P 2 y B 2 = {(1, 1, 1) , (2, 2, 0) , (4, 0, 0)}
de R3 .
5.21 Sea T : V → W un isomorfismo. Pruebe que si {α1 , α2 , . . . , αn } es una base de V entonces

{T (α1 ), T (α2 ), . . . , T (αn)} es una base de W .
5.22 Sea T : V → V una Transformación lineal tal que T 2 = 0. Pruebe que I − T es inyectiva
5.23 Se tiene que 18 gramos de agua están formados por 2 gramos de hidrógeno y 16 de oxígeno,
mientras que 34 gramos de peróxido están constituidos por 2 gramos de hidrógeno y 32 de
oxígeno. Determine la representación matricial de la transformación lineal que permite calcular
las cantidades de hidrógeno y oxígeno en una mezcla de x 1 grs. de agua y x 2 grs. de peróxido.
5.24 Sea la siguiente ecuación cuadrática:
4x 2 − 10x y + 4y 2 = 1.
5.2 Problemas
52
Determine una rotación y una traslación adecuada para reducir la ecuación a su forma canónica.
Haga una representación gráfica aproximada.
5.25 Sea V = P 4 y W = p ∈ P 5 /p(0) = 0 . Demuestre que V ∼

© ª
=W
p
5.26 Sea T la simetría del plano R2 alrededor de la recta de ecuación y = 3x. Sea U la rotación
de 60◦ alrededor del origen. Halle las matrices de T , U , T ◦U ,U ◦ T en las bases canónicas.
5.27 Determine cuáles de las siguientes transformaciones lineales son isomorfismos:
(a) T : p n → p n tal que T (p(x)) = p(x) − p 0 (x)

Ã !
2 2x2 x+y 0
(b) T : R → R tal que T (x, y) =
0 x+y
(c) T : R2x2 → R2x2 tal que T (A) = A − A t
(d) T : R2x2 → R2x2 tal que T (A) = 2A
(e) T : R2 → R2 tal que T (x, y) = (−y, x)
(f) T : R3 → R3 tal que T (x, y, z) = (x, y, 0)
(g) T : R2 → R2 tal que T (x, y) = (x, x)
5.28 Sea V el espacio de las funciones:
f (x) = ae x + be 2x + ce 3x .
Se define la transformación lineal T : V → V como:
T ( f (x)) = f 0 (x).
Hallar:
(a) La matriz P 1 de T respecto a la base B 1 = e x , e 2x , e 3x

© ª
(b) La matriz P 2 de T respecto a la base
B 2 = e x + e 2x , e 2x + e 3x , e x + e 3x
© ª
(c) Una matriz C tal que C −1 P 1C = P 2

53
6 Valores propios y vectores propios

6.1.1 Valores propios y vectores propios
Definición 6.1
Sea A una matriz de orden nxn. El valor λ se llama valor propio de A si existe un vector v no nulo
tal que:
Av = λv
El vector v 6= 0 se llama vector propio de la matriz A correspondiente al valor propio λ.
Definición 6.2
El polinomio característico de una matriz A se define como:
p(λ) = d et (A − λI )
Las raíces del polinomio característico son los valores propio de la matriz A.
6.1.2 Espacio propio
Definición 6.3
Si λ es un valor propio de la matriz A de orden nxn, entonces
E λ = {v / Av = λv}
es un subespacio de Rn llamado espacio propio de A correspondiente al valor propio λ.
La multiplicidad geométrica de un valor propio λ de una matriz A es igual a dim E λ .
Si p(λ) = (λ − λ1 )r 1 (λ − λ2 )r 2 . . . (λ − λm )r m , entonces r i es la multiplicidad algebraica de λi .
Teorema 6.1
Para cualquier valor propio λ, se cumple que multiplicidad geométrica ≤ multiplicidad algebraica.
54
6.1.3 Diagonalización
Definición 6.4
Se dice que dos matrices A y B de orden nxn son semejantes si existe una matriz C de nxn
invertible tal que:
B = C −1 AC
Dos matrices semejantes tienen los mismos valores propios.
Definición 6.5
Una matriz de orden nxn es diagonalizable si existe una matriz diagonal D tal que A sea
semejante a D
Teorema 6.2
Una matriz A de orden nxn es diagonalizable si y sólo si tiene n vectores propios linealmente
independientes.
Teorema 6.3
Si la matriz A tiene n valores propios diferentes, entonces A es diagonalizable.
6.2 Problemas
55
6.2 Problemas
Ejercicios
6.1 Hallar los valores propios y vectores propios de las siguientes matrices:
   
1 2 0 1 −1 0
(a)  2 1 0  (b)  −1 2 −1 
   
0 0 3 0 −1 1
   
4 6 6 4 −5 1
(c)  1 3 2  (d)  1 0 −1 
   
−1 −5 −2 0 1 −1
   
1 2 1 −2 0 1
(e)  0 3 1  (f)  1 0 −1 
   
0 5 −1 0 1 −1
6.2 De la siguiente matriz

 
1 2 a
A= 2 1 b 
 
0 0 c
se sabe que λ1 = 1 es uno de sus valores propios y v 1 = (1, 1, 1) es un vector propio de A asociado
al valor propio λ1 . Se pide:
(a) Hallar los valores de a, b y c.
(b) Hallar los otros valores propio y vectores propios correspondientes.
6.3 Sea A una matriz idempotente y λ un valor propio de A. Demuestre que λ debe ser 1 ó 0.
1
6.4 Demuestre que si A es una matriz no singular y λ un valor propio de A entonces λ es un valor
propio de A −1 .
6.5 Sea
 
0 0 c
A= 1 0 b 
 
0 1 a
Determine el polinomio característico de esta matriz
6.6 Demuestre que el polinomio característico de la matriz

 
1 1 0 0
 −1 −1 0 0 
A=
 
2 1 

 −2 −2
1 1 −1 0
6.2 Problemas
56
es: p(λ) = λ2 (λ − 1)2 .
6.7 Sea A una matriz 2x2 y sea p(λ) = λ2 +bλ+c el polinomio característico de A. Demuestre que
b = −t r aza(A) y c = det(A).
6.8 Para cada una de las siguientes matrices determine si son diagonalizables y en caso afirmativo
encuentre la matriz C de diagonalización y la matriz diagonal D:
   
1 1 −2 1 −1 0
(a)  −1 2 1  (b)  −1 2 −1 
   
1 1 −1 0 −1 1
   
4 6 6 2 1 0
(c)  1 3 2  (d)  0 0 1 
   
−1 −5 −2 0 0 0
   
1 2 1 3 −1 1
(e)  0 3 1  (f)  1 1 −1 
   
0 5 −1 1 −1 1
6.9 Suponga que D = C −1 AC . Demuestre que para cualquier entero n, A n = C D n C −1

Ã !
20 3 −4
6.10 Utilice el ejercicio anterior para calcular A en donde A =
2 −3
6.11 Demuestre que si A es una matriz diagonalizable entonces:
det(A)= λ1 λ2 . . . λn ,
en donde los λi con i = 1, 2...n son los valores propios de A
6.12 En R3 se considera una transformación lineal T : R3 → R3 de la que se sabe que:
(i) la matriz A de la transformación T en la base canónica es simétrica.
(ii) el vector v = (2, −2, −1) es un vector propio de T .
(iii) los vectores (1, 0, 0) y (0, 1, 0) se transforman respectivamente en los vectores (3, 2, 2) y (2, 2, 0).
Se pide:
(a) Hallar la matriz A de la transformación y diga si es diagonalizable.
(b) Hallar los valores propios y los vectores propios de T .
6.13 Dada la transformación lineal T : R3 → R3
T (x, y, z) = (−x + y + 2z, −x + y + z, −2x + y + 3z)
Calcular los valores y vectores propios de A T . Construya la matriz C que diagonaliza a A T .

6.2 Problemas
57
6.14 Sea A una matriz diagonalizable cuyos valores propios son 1 y −1. Demuestre que A −1 = A
6.15 Pruebe que la matriz:

Ã !
cos θ −senθ
A=
senθ cos θ
tendrá valores porpios complejos si θ no es un múltiplo de π. Dé una interpretación geométrica

de este resultado.
59
Bibliografía
[1] S.Grossman. Álgebra Lineal. Mc Graw Hill, 2001.
[2] F. Ayres. Teoría y problemas de matrices. Mc Graw Hill, 1991.
[3] J.Rojo. Álgebra Lineal. Mc Graw Hill, 2001.
[4] K.Hoffman Y R. Kunze. Álgebra Lineal. Prentice Hall, 1985.

Algebra

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Algebra

Cargado por

Copyright:

Formatos disponibles

Prof. Román Ramos.

Universidad Marítima del Caribe

Apuntes y problemas de Álgebra

1 Á LGEBRA DE M ATRICES PÁGINA 3

2 S ISTEMAS DE E CUACIONES PÁGINA 15

4 E SPACIOS V ECTORIALES PÁGINA 33

6 VALORES PROPIOS Y VECTORES PROPIOS PÁGINA 53

La guía consta de seis capítulos divididos de la siguiente manera:

Capítulo I: Álgebra de Matrices

Capítulo II; Sistemas de Ecuaciones.

Capítulo III: Determinantes.

Capítulo IV: Espacios Vectoriales.

Capítulo V: Transformaciones Lineales

Capítulo VI: Valores Propios y Vectores Propios.

1.1 Definición y Notación

Definición 1.1 Matriz

De forma general una matriz de orden m × n se puede representar así:

en donde el elemento a i j corresponde al elemento ubicado en la fila i , columna j de A

1.2 Operaciones con matrices

1.3 Propiedades de la matrices

1.4 Matrices especiales

A continuación se presentan algunas de las matrices especiales de orden 3x3

1.5 Matrices elementales y matrices equivalentes

1.5.2 Operaciones elementales inversas

1.5.3 Matrices elementales

1.5.4 Matrices equivalentes

Demostrar que las siguientes matrices son equivalentes

1.5.5 Forma escalonada y escalonada reducida por filas de una matriz

Definición 1.4 Forma escalonada de una matriz

2. El primer elemento (comenzando por la izquierda) distinto de cero en cualquier fila es 1.

1.6 Inversa de una matriz

Definición 1.5 Inversa de una matriz

2. Aplicamos operaciones elementales para llevarla a su forma escalonada reducida

3. Así tenemos que la matriz A es invertible pues es equivalente a la identidad de acuerdo al

Se puede verificar haciendo el producto de ambas matrices y viendo que el resultado es la

Se deja como ejercicio determinar las matrices elementales E 1 , E 2 , . . . , E 9 asociadas a cada

1.1 Dadas las siguientes matrices

1.2 Si la matriz A viene dada por

1.3 Compruebe que las siguientes matrices

satisfacen las siguientes igualdades que:

1.4 Considere la siguiente matriz:

Calcule A 2 y A 3 . ¿Qué valor tendrá A n ?.

1.5 Determinar una matriz X 2×2 tal que:

1.6 Hallar dos matrices A 2x2 y B 2x2 tales que (A + B ) (A − B ) 6= A 2 − B 2

1.7 Si A, B y C son matrices nxn tales que

Despeje C en función de A, B, I de las siguientes ecuaciones:

1.9 Considere la matrices

Demuestre que, si X ∈ R2x2 y verifica la igualdad

entonces X tiene una de las siguientes formas:

1.10 Demostrar que:

(a) Si A nxn y B nxn son simétricas y conmutan, entonces AB es simétrica.

(b) Si A nxn es simétrica y B nxn es antisimétrica, entonces AB es antisimétrica si A y B

(c) Si A nxn y B nxn son antisimétrica, entonces AB es simétrica si y sólo si AB = B A.

1.11 Sea A nxn . Definimos la traza de A por:

(a) si k ∈ R, entonces t r (k A) = kt r (A)

1.12 Dadas las siguientes matrices

Calcular A 2 , AB, A T B, A T B + B T A, B T A T , ABC

1.13 Hallar una matriz B tal que:

1.14 Si A nxn es una matriz antisimétrica y si I − A es invertible, pruebe que

1.15 Demostrar que:

(b) Si A es simétrica, A −1 también lo es.

(c) Si A es idempotente y B ortogonal, B T AB es idempotente.

(d) Si A nxn es involutiva si y sólo si (I − A) (I + A) = O nxn .

1.16 Sabiendo que A es invertible y que