.......... 0 - Ejercicios Resueltos (Salvador Merino)

EJERCICIOS DE DETERMINANTES
Ejercicio 1.-
Ejercicio 2.-
Ejercicio 3.-
1 Ejercicios resueltos de matrices

Ejercicio 4.-
Ejercicio 5.-
Ejercicio 6.-
Ejercicio 7.-

Ejercicio 8.-
Ejercicio 9.-

Ejercicio 10.-
Ejercicio 11.-

Ejercicio 12.-

Ejercicio 13.-
Ejercicio 14.-
Ejercicio 15.-

Ejercicio 16.-

Ejercicio 17.-

Ejercicio 18.-
Ejercicio 19.-

Ejercicio 20.-
Ejercicio 21.-

Ejercicio 22.-
Ejercicio 23.-
Ejercicio 24.-

Ejercicio 25.-
Ejercicio 26.-

Ejercicio 27.-
Ejercicio 28.-

Ejercicio 29.-

Ejercicio 30.-

Ejercicio 31.-
Ejercicio 32.-

CURSO BÁSICO DE MATEMÁTICAS PARA ESTUDIANTES DE ECONÓMICAS Y EMPRESARIALES
Unidad didáctica 6. Matrices, determinantes y sistemas de ecuaciones lineales
Autoras: Gloria Jarne, Esperanza Minguillón, Trinidad Zabal
EJERCICIOS RESUELTOS DE SISTEMAS LINEALES
2x + 3y = 3
1. Dado el sistema de ecuaciones lineales:
4x +5y = 6
a) Escribir la expresión matricial del sistema.
b) Discutir el sistema.
c) Resolver el sistema por el método de Gauss.
d) Estudiar si el sistema es de Cramer, y en caso afirmativo, calcular su solución matricialmente y

por la regla de Cramer.
Solución
2 3 x 3
a) =
4 5 y 6
b) Escribimos la matriz ampliada del sistema dado y la escalonamos mediante operaciones

elementales por filas. Observar que en este proceso también se escalona A.
2 3 | 3 F2 F2 - 2 F1 2 3 |3
(A|B) = rg A = 2 = rg(A|B) = nº de incógnitas
4 5 |6 0 1 |0
Aplicando el teorema de Rouche-Frobenius se deduce que el sistema es compatible determinado, es

decir, tiene una única solución.
2 3 |3 2x+3y = 3
c) Teniendo en cuenta que (A|B) , el sistema es equivalente al inicial.
0 1 |0 -y = 0
De la segunda ecuación se obtiene y = 0, y sustituyendo en la primera 2x + 3.0 = 3, por tanto,

3
x=
2
3
Luego la solución del sistema es x = , y=0
2
d) Como A es cuadrada y A =10–12 = -2 0, el sistema dado es un sistema de Cramer y lo

podemos resolver bien por cálculo matricial o bien por la regla de Cramer.
Cálculo matricial
x 2 3 -1 3
X = A-1B, es decir, =
y 4 5 6
Hallamos A-1 mediante operaciones elementales:
© Proyecto de innovación ARAGÓN TRES 1

2 3 | 1 0 F2 F2 - 2 F1 2 3 | 1 0 F1 F1+3 F2 2 0 | 5 3 F1 1/2 F1
4 5 | 0 1 0 1 | 2 1 0 1 | 2 1
1 0 | 5 / 2 3 / 2 F2 -F2 1 0 | 5 /2 3 /2
0 1 | 2 1 0 1 | 2 1
5 /2 3 /2 x 5 /2 3 /2 3 (-5/2).3+(3/2).6 3/2
Entonces A-1 = y por tanto = = =
2 1 y 2 1 6 2.3 + (-1).6 0
3
La solución del sistema es x = , y = 0.
2
Regla de Cramer
3 3 2 3
6 5 -3 3 4 6 0
x= = = , y= = = 0
-2 -2 2 2 -2
x y z 0
2. Discutir y resolver el sistema homogéneo: x 2y z 0
2x y 0
Solución
Por ser un sistema homogéneo es compatible. Calculamos el rango de A para determinar el número
de soluciones que posee.
1 1 1 1 1 1 1 1 1
A= 1 2 1 F2 F2 - F1 , F3 F3 - 2 F1 0 3 2 F3 F3 + F2 0 3 2
2 1 0 0 3 2 0 0 0
Así, rgA = 2, por tanto el sistema es compatible indeterminado, es decir, tiene infinitas soluciones.
El grado de indeterminación de sistema es 3 – rgA = 3 - 2 = 1, por lo que la solución dependerá de
un parámetro .
Para calcular la solución del sistema dado se resuelve el sistema equivalente asociado a la matriz
x y z 0
escalonada que es
3y 2 z 0
2z
De la última ecuación se obtiene 3y = 2z , luego, y =
3
2z z z
Sustituyendo en la primera, x + -z=x- = 0, luego x
3 3 3
z 2z
Por lo tanto, las soluciones del sistema es x , y= , z un número real cualquiera.
3 3

x y 2 z 3t 1
x 2y 3z 4t 0
3. Dado el sistema lineal , indicar si tiene solución y calcularla en este caso.
2 x 3y 5z 7t 1
2 x 2y 4 z 6t 2
Solución
Escalonamos la matriz ampliada para determinar el rango de A y de (A|B)
1 1 2 3 | 1
1 2 3 4 | 0 F2 F2 + F1 , F3 F3 - 2 F1 , F4 F4 -2 F1
(A|B) =
2 3 5 7 | 1
2 2 4 6 | 2
1 1 2 3 | 1 1 1 2 3 | 1 1 1 2 3 | 1
0 1 1 1 | 1 F3 F3 + F2 0 1 1 1 | 1 F4 F4 -2 F3 0 1 1 1 | 1
0 1 1 1 | 3 0 0 0 0 | 2 0 0 0 0 | 2
0 0 0 0 | 4 0 0 0 0 | 4 0 0 0 0 | 0
rgA = 2 rg (A|B) = 3 el sistema es incompatible, es decir, no tiene solución.
4. Hallar para qué valores de a el siguiente sistema es compatible determinado y calcular su

x+y-z=1
x-y+z =7
solución para esos valores:
-x + y + z = 3
2x + ay - 4z = a
Solución
Estudiamos los rangos de A y de (A|B), escalonando la matriz ampliada .
1 1 1 | 1
1 1 1 | 7 F2 F2 - F1 , F3 F3 + F1 , F4 F4 - 2 F1
(A|B) =
1 1 1 | 3
2 a 4 | a
1 1 1 | 1 1 1 1 | 1
0 2 2 | 6 F3 F3 + F2 , F4 2 F 4 + (a - 2) F2 0 2 2 | 6
0 2 0 | 4 0 0 2 | 10
0 a 2 2 | a 2 0 0 2(a 4) | 8(a 2)
1 1 1 | 1
F4 F4 - (a - 4) F3 0 2 2 | 6
0 0 2 | 10
0 0 0 | 2a 24

En este caso rgA = 3 independientemente del valor de a y como el número de incógnitas es también
3 para que el sistema sea compatible determinado debe ocurrir que rg(A|B) sea 3.
24
rg (A|B) = 3 si –2a + 24 = 0 a= = 12
2
Resolvamos el sistema para a = 12 por el método de Gauss.
1 1 1 | 1
x y z 1
0 2 2 | 6
(A|B) luego el sistema a resolver es 2y 2z 6 despejando
0 0 2 | 10
2z 10
0 0 0 | 0
2z = 10 z=5
-2 y + 2z = 6 -2y = 6 –2z = 6 – 2.5 = - 4 y=2
x+y–z=1 x=1–y+z=1–2+5=4 x=4
Por tanto, la solución para a = 12 es x = 4, y = 2, z = 5.
5. Determinar los valores reales de a, para que el siguiente sistema tenga: solución única, infinitas
soluciones y ninguna. Resolverlo en los casos en que sea posible.
x + ay + 3z = 2
x +y -z=1
2x +3y + az = 3
Solución
Para estudiar los rangos de A y (A|B), escalonamos la matriz ampliada
1 a 3 | 2 1 1 1 | 1
(A|B) = 1 1 1 | 1 F1 F2 1 a 3 | 2 F2 F2 - F1, F3 F3 - 2F1
2 3 a | 3 2 3 a | 3
1 1 1 | 1 1 1 1 | 1 1 1 1 | 1
0 a 1 4 | 1 F2 F3 0 1 a 2 | 1 F3 F3 + (1-a) F2 0 1 a 2 | 1
0 1 a 2 | 1 0 a 1 4 | 1 0 0 a2 a 6 | 2 a
La primera operación elemental ( F1 F2) tiene por objeto que el parámetro a figure en una fila
inferior lo que facilita los cálculos.
El rango de A depende de si es nula o no la expresión -a2- a + 6
1 25
-a2 - a + 6 = 0 a2+ a - 6 = 0 a= a=2 y a = -3
2

Casos:
a 2, -3 -a2- a + 6 0 rgA = rg (A|B) = 3 = nº de incógnitas el sistema es

compatible determinado, es decir, tiene una única solución para cada valor de a distinto de 2 y de
-3.
Vamos a hallar la solución resolviendo el sistema asociado a la matriz escalonada comenzando a

despejar z en la última ecuación y sustituyendo en las anteriores:
2 a (a 2 ) 1
(-a2-a+6) z = 2-a z=
2 (a 2 )(a 3 ) a 3
-a - a 6
(a 2) a 3 a 2 1
y + (a+2) z = 1 y = 1 – (a+2)z 1
(a 3) a 3 a 3
1 1
x+y–z=1 x=1–y+z=1- 1
a 3 a 3
1 1
La solución es x = 1, y = , z=
a 3 a 3
1 1 1 | 1
a = 2, en este caso, (A|B) 0 1 4 | 1 rgA = rg (A|B) = 2 nº de incógnitas el
0 0 0 | 0
sistema es compatible indeterminado, es decir, tiene infinitas soluciones que vamos a calcular
resolviendo el sistema asociado a la matriz escalonada
y + 4z = 1 y = 1 – 4z
x+y–z=1 x = 1 – 1 + 4z + z = 5z
Las soluciones son x = 5z, y = 1 – 4z, z
1 1 1 | 1
a = -3, en este caso, (A|B) 0 1 1 | 1 rgA = 2 rg (A|B) = 3 el sistema es
0 0 0 | 5
incompatible, es decir, no tiene solución.
6. Estudiar según los valores de a si el siguiente sistema es de Cramer y calcula en estos casos su
2x y 4z 3
solución. 5x y az 10
x y 3z 4
Solución
Como el número de ecuaciones del sistema coincide con el de incógnitas, será un sistema de
Cramer si A 0.

2 1 4
A = 5 1 a = -6 – a + 20 + 4 – 2a +15 = -3a + 33 = -3(a - 11)
1 1 3
Por lo tanto, si a 11 A 0 y el sistema es un sistema de Cramer y por ello compatible

determinado, es decir, con solución única para cada valor de a distinto de 11.
Para resolverlo utilizaremos la regla de Cramer.
3 1 4
10 1 a
4 1 3 9 4a 40 16 3a 30 7a 77 7(a 11) 7
x= = = = =
3(a 11) 3(a 11) 3(a 11) 3(a 11) 3
2 3 4
5 10 a
1 4 3 60 3a 80 40 8a 45 5a 55 5(a 11) 5
y= = = = =
3(a 11) 3(a 11) 3(a 11) 3(a 11) 3
2 1 3
5 1 10
1 1 4 8 10 15 3 20 20 0
z= = = =0
3(a 11) 3(a 11) 3(a 11)
Observar que en este caso el valor de x, y, z es independiente de a.

Problemas y Ejercicios Resueltos.
Tema 2: Espacios vectoriales.
Ejercicios
1.- Determinar el valor de x para que el vector (1, x, 5) ∈ R3 pertenezca al subespacio < (1, 2, 3), (1, 1, 1) >.
Solución. (1, x, 5) pertenece al subespacio < (1, 2, 3), (1, 1, 1) > si y sólo si (1, x, 5) es combinación
lineal de (1, 2, 3) y (1, 1, 1), o sea, si existen α, β ∈ R tales que
(1, x, 5) = α(1, 2, 3) + β(1, 1, 1),
Pero entonces,
1=α+β
x = 2α + β
5 = 3α + β
y resolviendo el sistema anterior, tenemos α = 2, β = −1 y x = 3.
2.- Calcular bases de los subespacios de R4 S, T , S + T y S ∩ T , siendo S = {(x1 , x2 , x3 , x4 )|x1 − x2 = 0}

y T =< (1, 1, 2, 1), (2, 3, −1, 1) >.
Solución. Tenemos
S = {(x1 , x2 , x3 , x4 )|x1 − x2 = 0} = {(x1 , x1 , x3 , x4 )|x1 , x2 , x3 ∈ R} =< (1, 1, 0, 0), (0, 0, 1, 0), (0, 0, 0, 1) >,
luego un sistema generador de S es {(1, 1, 0, 0), (0, 0, 1, 0), (0, 0, 0, 1)}. Ahora,
(0, 0, 0, 0) = α(1, 1, 0, 0) + β(0, 0, 1, 0) + γ(0, 0, 0, 1) ⇒ α = β = γ = 0,
o sea que es libre, resulta que BS = {(1, 1, 0, 0), (0, 0, 1, 0), (0, 0, 0, 1)} es una base de S.
Un sistema generador de T es (1, 1, 2, 1), (2, 3, −1, 1). Pero es también libre, ya que
0 = λ + 2β
0 = λ + 3β
(0, 0, 0, 0) = λ(1, 1, 2, 1) + β(2, 3, −1, 1) →
0 = 2λ − β
0=λ+β
Introducción al Álgebra Lineal. M.A. Garcı́a Sánchez y T. Ramı́rez Alzola.
Proyecto OCW de la UPV/EHU.

2 Espacios vectoriales
y la única solución al sistema anterior es λ = β = 0. Por tanto, BT = {(1, 1, 2, 1), (2, 3, −1, 1)} es una base
de T .
Por definición,
S + T = {s + t|s ∈ S y t ∈ T }
= {(x1 , x1 , x2 , x3 ) + (α + 2β, α + 3β, 2α − β, α + β)|x1 , x2 , x3 , α, β ∈ R} .
=< (1, 1, 0, 0), (0, 0, 1, 0), (0, 0, 0, 1), (1, 1, 2, 1), (2, 3, −1, 1) >
Por tanto, un sistema generador de S + T es {(1, 1, 0, 0), (0, 0, 1, 0), (0, 0, 0, 1), (1, 1, 2, 1), (2, 3, −1, 1)}. Pero
(1, 1, 2, 1) = (1, 1, 0, 0)+(0, 0, 1, 0)+(0, 0, 0, 1), luego {(1, 1, 0, 0), (0, 0, 1, 0), (0, 0, 0, 1), (2, 3, −1, 1)} es sistema
generador de S + T . Además, este sistema es libre luego es una base de S + T .
Por último, sabemos que S ∩ T es un subespacio vectorial de dimensión 1 porque
dim(S ∩ T ) = dim(S + T ) − dim(S) − dim(T )
Ahora, (1, 1, 2, 1) ∈ S ∪ T , luego como dim(S ∩ T ) es 1, se tiene que < (1, 1, 2, 1) >= S ∩ T y una base de
S ∩ T es BS∩T = {(1, 1, 2, 1)}.
3.- Encontrar una base y la dimensión del subespacio vectorial
S =< (1, 2, −1, 3), (2, 1, 0, −2), (0, 1, 2, 1), (3, 4, 1, 2) > .
Solución. Un sistema genereador de S es A = {(1, 2, −1, 3), (2, 1, 0, −2), (0, 1, 2, 1), (3, 4, 1, 2)}. Pero A
no es libre ya que
(0, 0, 0, 0) = α1 (1, 2, −1, 3) + α2 (2, 1, 0, −2) + α3 (0, 1, 2, 1) + α4 (3, 4, 1, 2) ⇒


 0 = α1 + 2α2 + 3α3 + 3α4

0 = 2α1 + α2 + α3 + 4α4
 0 = −α1 + 2α3 + α4

0 = 3α2 − 2α2 + α3 + 2α4
y el sistema anterior tiene por solución
α1 = α2 = α3 = −α4
Observamos que (3, 4, 1, 2) es combinación lineal de los anteriores, luego A − {(3, 4, 1, 2)} =
{(1, 2, −1, 3), (2, 1, 0, −2), (0, 1, 2, 1)} es también sistema generador de S. Pero
(0, 0, 0, 0) = β1 (1, 2, −1, 3) + β2 (2, 1, 0, −2) + β3 (0, 1, 2, 1) ⇒


 0 = β1 + 2β2 + 3β3

0 = 2β1 + β2 + β3
 0 = −β1 + 2β3

0 = 3β2 − 2β2 + β3
y el sistema anterior sólo tiene por solución a β1 = β2 = β3 = 0, es decir, {(1, 2, −1, 3), (2, 1, 0, −2), (0, 1, 2, 1)}
es libre. Por consiguiente una base de S es {(1, 2, −1, 3), (2, 1, 0, −2), (0, 1, 2, 1)} y la dimensión de S es 3.
4.- Sea V un Q-espacio vectorial de dimensión 4 con base B = {u1 , u2 , u3 , u4 }. Se definen los vectores
v1 = 2u1 + u2 − u3 v2 = 2u1 + u3 + 2u4 v3 = u 1 + u 2 − u 3 v4 = −u1 + 2u3 + 3u4

Espacios vectoriales 3
Probar que B" = {v1 , v2 , v3 , v4 } es una base de V y calcular las coordenadas en la base B" de un vector
v que tiene por coordenadas en B a (1 2 0 1).
Solución. Como B" es de cardinal 4 y V es de dimensión 4, para demostrar que B" es base de V , basta
con probar que B" es libre. Ahora,
4
%
0V = αi vi = (2α1 + 2α2 + α3 − α4 )u1 + (α1 + α3 )u2 + (−α1 + α2 − α3 + 2α4 )u3 + (2α2 + 3α4 )u4 ,
i=1
y al ser {u1 , u2 , u3 , u4 } un conjunto libre, se tiene que
0 = 2α1 + 2α2 + α3 − α4
0 = α1 + α3
0 = −α1 + α2 − α3 + 2α4
0 = 2α2 + 3α4
y la única solución del sistema anterior es
α1 = α2 = α3 = α4 = 0,
luego B" es libre.
Por otro lado, si v tiene por coordenadas a (1 2 0 1) (esto es utilizamos la notación por filas) en la base
B, significa que v = u1 + 2u2 + u4 , asi que las coordenadas de v (β1 β2 β3 β4 ) en la base B" deben cumplir
4
%
v = u1 +2u2 +u4 = βi vi = (2β1 +2β2 +β3 −β4 )u1 +(β1 +β3 )u2 +(−β1 +β2 −β3 +2β4 )u3 +(2β2 +3β4 )u4 ,
i=1
o sea,
1 = 2β1 + 2β2 + β3 − β4
2 = β1 + β3
0 = −β1 + β2 − β3 + 2β4
1 = 2β2 + 3β4
y su solución es
β1 = 10, β2 = −4, β3 = −8, β4 = 3.
Por consiguiente las coordenadas del vector v en la base B" son (10 − 4 − 8 3).
Otra manera de calcular las coordenadas es mediante la matriz de cambio de base:
(β1 β2 β3 β4 ) = (1 2 0 1)MB,B! ,
donde MB,B! lleva las coordenadas de los vectores de la base B en la base B" . Por tanto,
 −1  
2 1 −1 0 1 0 −1 0
−1  2 0 1 2  7 −3 −6 2 
MB,B! = M ! =   = 
B ,B 1 1 −1 0 8 −3 −8 2
−1 0 2 3 −5 2 5 −1
.
5.- Sea v un vector de un K-espacio vectorial V de dimensión finita n ≥ 3 cuyas coordenadas en una base
de V son (x1 . . . xn ), siendo x2 (= x3 . ¿Existe alguna base de V en la cual las coordenadas de v sean
(1 0 . . . 0)? ¿Por qué?

Solución. Como x2 (= x3 , el vector v no es el vector nulo. Entonces, en cualquier base que se obtenga
al completar {v}, esto es, B = {v, u2 , · · · , un }, las coordenadas de v serán (1 0 . . . 0).
6.- Si V es un espacio vectorial de dimensión 1, ¿cómo son sus bases?
Solución. Las bases de V constan de un único vector no nulo.
7.- Si U, W ≤ V dos subespacios distintos de V y dim(V ) = n, dim(U ) = dim(W ) = n − 1, ¿cuánto vale la

dimensión de U ∩ W ?
Solución. Sabemos que
n − 1 = max{dim(U ), dim(W )} ≤ dim(U + W ) ≤ dim(V ) = n.
Por tanto, dim(U + W ) = n, n − 1. Pero si dim(U + W ) = n − 1, al ser U, W ⊆ U + W , y coincidir

las dimensiones, se deduce que U = U + W = W , lo cual es falso, por ser U (= W . Consecuentemente,
dim(U + W ) = n y llevandolo a
dim(U + W ) = dim(U ) + dim(W ) − dim(U ∩ W ),
deducimos que
dim(U ∩ W ) = n − 1 + n − 1 − n = n − 2.
Problemas
1.- Determinar los valores de a y b, si es que existen, para que
< (a, 1, −1, 2), (1, b, 0, 3) >=< (1, −1, 1, −2), (−2, 0, 0, −6) > .
Solución. Para que los dos subespacios coincidan, debemos pedir que (a, 1, −1, 2) y (1, b, 0, 3) se
escriban como combinación lineal de (1, −1, 1, −2) y (−2, 0, 0, −6) y que ambos vectores sean linealmente
independientes. Por tanto,
,
(a, 1, −1, 2) = α1 (1, −1, 1, −2) + α2 (−2, 0, 0, −6)
⇒
(1, b, 0, 3) = β1 (1, −1, 1, −2) + β2 (−2, 0, 0, −6)
a = α1 − 2α2
1 = −α1
−1 = α1
2 = −2α1 − 6α2
1 = β1 − 2β2
b = −β1
0 = β1
3 = −2β1 − 6β2

Espacios vectoriales 5
y la solución al sistema anterior es: α1 = −1, α2 = 0, a = −1, β1 = 0, β2 = − 12 y b = 0. Por tanto,

(a, 1, −1, 2) = (−1, 1, −1, 2) y (1, b, 0, 3) = (1, 0, 0, 3) y ambos vectores son linelamente independientes.
2.- Sean U = {(x1 , x2 , x3 , x4 ) ∈ R4 |x1 = x2 = x4 , x3 = 0}, V = {(x1 , x2 , x3 , x4 ) ∈ R4 |x1 = x2 = x3 , x4 = 0}

y W = {(x1 , x2 , x3 , x4 ) ∈ R4 |x2 = x1 + x3 , 3x1 = x2 + x4 }.
1. Demostrar que R4 = U ⊕ V ⊕ W .
2. Descomponer el vector (1, 2, 3, 4) en la forma u + v + w ∈ U + V + W .
Solución. 1. Para ver que R4 = U ⊕ V ⊕ W , debemos comprobar que R4 = U + V + W y que

U ∩ (V + W ) = V ∩ (U + W ) = W ∩ (U + V ) = {(0, 0, 0, 0)}. Esto equivale a demostrar que BU ∪ BV ∪ BW
es una base de R4 . Ahora,BU = {(1, 1, 0, 1)}, BV = {(1, 1, 1, 0)} y BW = {(1, 0, 1, 3), (0, 1, −1, −1)} ya que
U = {(x1 , x2 , x3 , x4 ) ∈ R4 |x1 = x2 = x4 , x3 = 0} = {(x1 , x1 , 0, x1 )|x1 ∈ R} =< (1, 1, 0, 1) >
V = {(x1 , x2 , x3 , x4 ) ∈ R4 |x1 = x2 = x3 , x4 = 0} = {(x1 , x1 , x1 , 0)|x1 ∈ R} =< (1, 1, 1, 0) >

W = {(x1 , x2 , x3 , x4 ) ∈ R4 |x2 = x1 + x3 , 3x1 = x2 + x4 } = {(x1 , x2 , x1 − x2 , 3x1 − x2 )|x1 , x2 ∈ R}
=< (1, 0, 1, 3), (0, 1, −1, −1) > .
Entonces,
BU ∪ BV ∪ BW = {(1, 1, 0, 1), (1, 1, 1, 0), (1, 0, 1, 3), (0, 1, −1, −1)}
y como el cardinal de BU ∪ BV ∪ BW es 4 y coincide con la dimensión de R4 , para ver que BU ∪ BV ∪ BW
es base de R4 es suficiente con demostrar que BU ∪ BV ∪ BW es libre. Ahora,
(0, 0, 0, 0) = α1 (1, 1, 0, 1) + α2 (1, 1, 1, 0) + α3 (1, 0, 1, 3) + α4 (0, 1, −1, −1)
implica
0 = α1 + α2 + α3
0 = α1 + α2 + α4
0 = α2 + α3 − α4
0 = α1 + 3α3 − α4
y la única solución al sistema anterior es αi = 0, para i = 1, 2, 3, 4, luego BU ∪ BV ∪ BW es libre.
2. El vector (1, 2, 3, 4) = β1 (1, 1, 0, 1) + β2 (1, 1, 1, 0) + β3 (1, 0, 1, 3) + β4 (0, 1, −1, −1) siendo β1 = −11,
β2 = 4, β3 = 8 y β4 = 9, luego u = β1 (1, 1, 0, 1) = (−11, −11, 0, −11), v = β2 (1, 1, 1, 0) = (4, 4, 4, 0) y
w = β3 (1, 0, 1, 3) + β4 (0, 1, −1, −1) = (8, 9, −1, 15).
3.- Sea U = {f : R → R|f (x) = f (−x), ∀x ∈ R} y W = {f : R → R|f (x) = −f (−x), ∀x ∈ R}. Probar que
F(R, R) = {f : R → R|f es aplicación} es suma directa de U y W .
Solución. Por definición, F(R, R) = U ⊕ W si y sólo si F(R, R) = U + W y U ∩ W = {0F(R,R) }, donde

0F(R,R) denota la aplicación nula.
Comprobemos que F(R, R) = U + W :
⊆ Sea f ∈ F(R, R) y definimos g : R → R tal que g(x) = f (x)+f 2

(−x)
y h : R → R tal que h(x) = f (x)−f
2
(−x)
.
f (−x)+f (x) f (x)+f (−x)
Es claro que f = g + h. Además, g ∈ U ya que g(−x) = 2 = 2 = g(x), para todo
f (−x)−f (x) f (x)−f (−x)
x ∈ R y h ∈ W porque h(−x) = 2 =− 2 = −h(x),para todo x ∈ R.

⊇ Es inmediato porque U, W ⊆ F(R, R).
Por otro lado, si f ∈ U ∩ W , se tiene que f ∈ U y f ∈ W , luego para todo x ∈ R, f (x) = f (−x), por
ser f ∈ U y f (x) = −f (−x) por ser f ∈ W . Entonces,
f (x) = f (−x) = −f (x) ⇒ 2f (x) = 0 ⇒ f (x) = 0,
esto es f es la aplicación nula.

Tema 3: Aplicaciones Lineales.
Ejercicios
1.- Determinar cuáles de las siguientes aplicaciones son lineales:
(i) f : R3 → R2 definida por f ((x, y, z)) = (x − y, y + 2z).
(ii) f : R3 → R2 definida por f ((x, y, z)) = (x − y 2 , y + 2z).
Solución. (i) Es lineal ya que, para todo (x1 , y1 , z1 ), (x2 , y2 , z2 ) ∈ R3 y para todo α, β ∈ R, se cumple
f ((α(x1 , y1 , z1 ) + β(x2 , y2 , z2 )) = f ((αx1 + βx2 , αy1 + βy2 , αz1 + βz2 )) =

= (αx1 + βx2 − αy1 − βy2 , αy1 + βy2 + 2αz1 + 2βz2 ) =
= (αx1 − αy1 , αy1 + 2αz1 ) + (βx2 − βy2 , βy2 + 2βz2 ) =
= α(x1 − y1 , y1 + 2z1 ) + β(x2 − y2 , y2 + 2z2 ) =
= αf ((x1 , y1 , z1 )) + βf ((x2 , y2 , z2 ))
(ii) No es lineal ya que
f ((0, 1, 0) + (0, 2, 0)) = f ((0, 3, 0)) = (−9, 3) $= (−1, 1) + (−4, 2) = f ((0, 1, 0)) + f ((0, 2, 0)).
2.- Se considera f : R2 → R3 aplicación lineal tal que f ((1, −1)) = (−1, −2, −3) y f ((−3, 2)) = (0, 5, 3).
Determinar, si es posible, f ((x, y)) donde (x, y) ∈ R2 .
Solución. Los vectores {(1, −1), (−3, 2)} forman un conjunto libre de R2 ya que
! "
0 = α − 3β
(0, 0) = α(1, −1) + β(−3, 2) = (α − 3β, −α + 2β) ⇒ ⇒ α = β = 0.
0 = −α + 2β
Además el cardinal de {(1, −1), (−3, 2)} es 2, que coincide con la dimensión de R2 , luego {(1, −1), (−3, 2)}
es una base de R2 y podemos expresar (x, y) ∈ R2 como combinación lineal de {(1, −1), (−3, 2)}. En efecto,
(x, y) = (−2x − 3y)(1, −1) + (−x − y)(−3, 2),

2 Aplicaciones Lineales
Entonces, como f es lineal, se cumple
f ((x, y)) = (−2x − 3y)f ((1, −1) + (−x − y)f ((−3, 2)).
3.- Hallar una aplicación lineal f : P2 (R) → R4 tal que kerf = {a1 x + a1 x2 |a1 ∈ R}.
Solución. Una base de kerf es Bkerf = {x + x2 }. Podemos completar esta base hasta obtener una base
de P2 (R). Por ejemplo, {1, x, x + x2 } es una base de P2 (R). Entonces, si queremos definir una aplicación
lineal f : P2 (R) → R4 tal que kerf = {a1 x + a1 x2 |a1 ∈ R} es obvio que f (x + x2 ) = (0, 0, 0, 0). Además,
debemos definir f (1) y f (x) de forma que formen un conjunto libre. Por ejemplo, la aplicación lineal que
verifica f (x + x2 ) = (0, 0, 0, 0), f (1) = (1, 0, 0, 0) y f (x) = (0, 1, 0, 0) verifica lo pedido en el enunciado.
4.- Hallar, si es posible, una aplicacin lineal f : R4 → R3 tal que kerf =< (0, 1, −1, 1), (0, 1, 0, 1) > e
Imf =< (1, 0, 1), (2, 1, 0) >.
Solución. Si queremos definir una aplicación lineal f : R4 → R3 , debe cumplirse que dim(R4 ) =
dim(kerf + dimImf y los subespacios indicados lo cumplen.
Por otro lado, para definir una aplicación lineal, es suficiente con dar las imágenes de los elementos de
una base del espacio vectorial origen. Si queremos que kerf =< (0, 1, −1, 1), (0, 1, 0, 1) >, podemos tomar
una base que tenga a S = {(0, 1, −1, 1), (0, 1, 0, 1)} como dos de sus vectores. Esto es posible porque el
conjunto S es libre. Completamos esta base con {(1, 0, 0, 0), (0, 0, 0, 1)} y definimos la aplicación f en la base
{(0, 1, −1, 1), (0, 1, 0, 1), (1, 0, 0, 0), (0, 0, 0, 1)} mediante
f ((0, 1, −1, 1)) = (0, 0, 0), f ((0, 1, 0, 1)) = (0, 0, 0), f ((1, 0, 0, 0)) = (1, 0, 1), f ((0, 0, 0, 1)) = (2, 1, 0).
Observar que al ser {(1, 0, 1), (2, 1, 0)} un conjunto libre garantizamos que kerf es el subespacio deseado.
5.- Calcular el núcleo y la imagen de la aplicación lineal f : R4 → P2 (x) cuya matriz asociada (empleando
 
1 0 −1
 2 −4 1 
notación por filas) respecto de la base canónica de R4 y {1, x, x2 } es  .
−1 0 −1
2 −2 −2
Solución. Si empleamos la expresi’on matricial de f , sabemos que

 
1 0 −1  
1
 2 −4 1   
f ((a, b, c, d)) = (a b c d)   x
−1 0 −1
x2
2 −2 −2
= (a + 2b − c + 2d) + (−4b − 2d)x + (−a + b − c − 2d)x2 .
Entonces,
kerf = {(a, b, c, d) ∈ R4 |f ((a, b, c, d)) = 0}

= {(a, b, c, d) ∈ R4 |(a + 2b − c + 2d) + (−4b − 2d)x + (−a + b − c − 2d)x2 = 0}
= {(a, b, c, d) ∈ R4 |a + 2b − c + 2d = −4b − 2d = −a + b − c − 2d = 0}
7 3
= {( b, b, b, −2b)|b ∈ R}
2 2

Aplicaciones Lineales 3
6.- Sean V y W dos espacios vectoriales, ambos con dimensión finita n y f : V → W lineal. Demostrar que
si f es inyectiva, entonces f es biyectiva.
Solución. Como f es inyectiva, se tiene que kerf = {0V }. Entonces, de dim(V ) = dim(kerf )+dim(Imf )
deducimos que dim(V ) = dim(Imf ) y como dim(V ) =dim(W ), deducimos que Imf = W , luego f es
sobreyectiva.
7.- Sea V un espacio vectorial de dimensión finita n, tal que n es un número impar y f : V → V lineal.
Demostrar que: kerf $=Imf .
Solución. Supongamos, por reducción al absurdo, que kerf =Imf . Entonces, dim(V ) = dim(kerf ) +
dim(Imf ) = 2dim(kerf ), o sea un número par, lo que contradice la hipótesis del enunciado. Consecuente-
mente, kerf $=Imf .
8.- Se considera la aplicación lineal f : R3 → R 4

cuya matriz asociada,
 empleando notación por filas,
−1 2 0 1
respecto de las bases canónicas de R3 y R4 sea  2 −4 −1 1 . Localizar bases de R3 y R4 , BR3
3 −6) −2 * 3
Ir 0
y BR4 , para que la matriz asociada a f sea de la forma .
0 0
Solución. Si denotamos por ei , i = 1 · · · , 4 los elementos de la base canónica de R4 , la expresión

matricial de f viene dada por
   e1 
−1 2 0 1
e 
f ((x, y, z)) = (x y z)  2 −4 −1 1   2 
e3
3 −6 −2 3
e4
 
e1
e 
= (−x + 2y + 3z 2x − 4y − 6z − y − 2z x + y + 3z)  2 
e3
e4
= (−x + 2y + 3z, 2x − 4y − 6z, −y − 2z, x + y + 3z)
) *
Ir 0
Si queremos que la matriz asociada a f sea , observamos que los últimos vectores de la base de R3
0 0
que buscamos deben pertenecer a kerf , ası́ que calculamos en primer lugar el núcleo de la aplicación lineal:
kerf = {(x, y, z) ∈ R3 |f ((x, y, z)) = (0, 0, 0, 0)}

= {(x, y, z) ∈ R3 |(−x + 2y + 3z, 2x − 4y − 6z, −y − 2z, x + y + 3z) = (0, 0, 0, 0)}
= {(x, 2x, −x)|x ∈ R}.
Por tanto, una base de kerf es Bkerf = {(1, 2, −1)}. Completamos Bkerf hasta obtener una base de R3 :
BR3 = {(1, 0, 0), (0, 1, 0), (1, 2, −1)}.
Por otro lado, deseamos que las imágenes de los primeros vectores tengan por coordenadas en la base
R4 que buscamos sean (1 0 0 0) y (0 1 0 0). Esto significa que los dos primeros vectores de la base de
R4 sean f ((1, 0, 0)) = (−1, 2, 0, 1) y f ((0, 1, 0)) = (2, −4, −1, 1). Necesitamos dos vectores más linealmente
independientes para completar la base buscada. Podemos tomar el sistema generador formado por los
vectores de la base canónica de R4 y los dos vectores hallados colocados en las dos primeras posiciones.
Estos seis vectores forman un sistema generador ligado y al ser el primero de ellos no nulo, significa que

hay uno de ellos que es R-combinación lineal del resto. En efecto, (0, 0, 0, 1) es combinación lineal de los
otros cinco. Entonces, {(−1, 2, 0, 1), (2, −4, −1, 1), (1, 0, 0, 0), (0, 1, 0, 0), (0, 0, 1, 0)} es otro sistema generador
de R4 . De nuevo, este sistema generador es ligado, por tener 5 vectores en lugar de 4, que es la dimensión
de R4 . Como se ha mencionado, existe uno que es combinación lineal de los que le preceden. Ası́, (0, 0, 1, 0)
es combinación lineal de los demás. Entonces, {(−1, 2, 0, 1), (2, −4, −1, 1), (1, 0, 0, 0), (0, 1, 0, 0)} es la base de
R4 buscada.
   
1 1 0 0 1 0 −1 0
9.- Estudiar si las matrices A y B son equivalentes, siendo A =  1 0 0 1 y B = 1 1 1 0 .
0 1 0 1 2 1 0 0
Solución. Si A y B son equivalentes, las podemos ver como matrices asociadas a la misma aplicación
lineal. Empleando la notación por filas, si interpretamos A como la matriz asociada a una aplicación lineal
f : V → W entre un espacio vectorial V de dimensión 3 y otro W de dimensión 4 con respecto a las bases
BV = {v1 , v2 , v3 } y BW = {w1 , w2 , w3 , w4 }, observamos que
3
+ 3
+
kerf = { αi vi ∈ V |f ( α i v i ) = 0W }
i=1 i=1
3
+
={ αi vi ∈ V |(α1 + α2 )w1 + (α1 + α3 )w2 + (α2 + α3 )w4 = 0W }
i=1
3
+
={ αi vi ∈ V |α1 + α2 = α1 + α3 = α2 + α3 = 0} = {0V }.
i=1
Si realizamos lo mismo para B, suponiendo que las bases respecto a las cuáles está calculada sean
BV = {v1! , v2! , v3! } y BW = {w1! , w2! , w3! , w4! }, obtenemos que
+3 3
+
kerf = { βi vi! ∈ V |f ( βi vi! ) = 0W }
i=1 i=1
+3
={ βi vi! ∈ V |(β1 + β2 + 2β3 )w1! + (β2 + β3 )w2! + (−β1 + β2 )w3! = 0W }
i=1
= {β1 (v1 + v2 − v3 )|β1 ∈ R}
Por tanto, A y B no pueden ser matrices asociadas a la misma aplicación lineal, ya que los núcleos dan de
dimensiones diferentes. Esto significa que A y B no son equivalentes.
Problemas
1.- Sea V un espacio vectorial de dimensión finita n y f : V → V lineal. Demostrar que V =Imf ⊕kerf si
y sólo si Imf =Imf 2 .
Solución. ⇒ Supongamos que V =Imf ⊕kerf . Sea v ∈ V . Entonces, existe f (v ! ) y v !! ∈ kerf tal que
v = f (v ! ) + v !! .
Ahora,
f (v) = f 2 (v ! ) + f (v !! ) = f 2 (v ! ) ∈ Imf 2 .

Aplicaciones Lineales 5
Por tanto, Imf ⊆Imf 2 . Además, para cada v ∈ V , es inmediato que f (f (v)) ∈ Imf , luego Imf 2 ⊆ Imf .
⇐ Sea v ∈ V . Como Imf =Imf 2 , sabemos que existe v ! tal que f (v) − f (f (v ! )). Entonces, expresamos
v = f (v ! ) + v − f (v ! ). Es claro que f (v ! ) ∈ Imf . Ademas, v − f ((v ! ) ∈ kerf , ya que f (v − f (v ! )) = f (v) −
f (f (v ! )) = 0V . Por tanto, V ⊆Imf +kerf . Pero Imf y kerf son subespacios de V , luego Imf + kerf ⊆ V .
Consecuentemente, V = Imf + kerf.
Sólo falta por ver que Imf ∩ kerf = 0V . Ahora, si tomamos la aplicación lineal f|f (V ) de Imf =Imf 2 ,
deducimos que f|f (V ) es biyectiva y, por tanto, kerf 2 = {0V }. Entonces, si u ∈ Imf ∩ kerf , tenemos que
f (u) = 0V , por estar u ∈ kerf , y existe v ∈ V tal que f (v) = u. Luego, 0V = f (u) = f (f (v)), ası́ que
v ∈ kerf 2 = {0V }, y, consecuentemente, u = f (v) = f (0V ) = 0V .
2.- Sea la aplicación lineal f : R3 → R3 definida por f ((−1, 1, 3)) = (6, −4, 16), f ((−2, 1, 1)) = (−2, −5, 1)
y f ((3, 2, −1)) = (1, 14, −12).
(i) Calcular la matriz asociada a f respecto de la base canónica de R3 .
(ii) Sin probar la inyectividad y/o suprayectividad de f directamente, ¿podemos deducir si f es un

automorfismo?
Solución. (i) Si tomamos la matriz asociada a f respecto de BR3 = {(−1, 1, 3), (−2, 1, 1), (3, 2, −1)}
base en el espacio vectorial origen y la base canónica en el espacio vectorial de llegada, obtenemos
 
6 −4 16
A =  −2 −5 1 .
1 14 −12
Si tenemos en cuenta la relación existente entre matrices asociadas a una aplicación lineal, se tiene que la
matriz asociada a f respecto de la base canónica es:
 3 7 2
   
17 − 17 17 6 −4 16 2 3 1
B = MBc B 3 A =  − 17 1 8
17
5 
17 −2 −5 1  =  −1 2 −4 
R 7
− 5
− 1
1 14 −12 3 −1 7
17 17 17
(ii) Sí, podemos calcular el núcleo de f . Si éste es {(0, 0, 0)}, entonces f es inyectiva y por ser f : R3 →
R3 , deducimos que es biyectiva. Ahora,
11 7
kerf = {(x, − x, − x)|x ∈ R} ,
5 5
luego f no es inyectiva y, por tanto, tampoco es biyectiva.
3.- Sea f : R3 → R2 definida por f ((x, y, z)) = (x − y, y + 2z).
(i) Demostrar que f es lineal.
(i) Calcular Kerf e Imf .

) *
3 2 Ir 0
(ii) Calcular bases de R y R de forma que la matriz asociada respecto de ellas sea .
0 0
Solución. (i) Empleando la definición de núcleo de una aplicación, es claro que
kerf = {(−2z, −2z, z)|z ∈ R}

Además, de
dim(R3 ) = dim(kerf ) + dim(Imf )
deducimos que dim(Imf ) = 2, ası́ que Imf = R2 .
(ii) El que las últimas filas de la matriz tengan todas sus entradas 0, nos indica que los últimos vectores
de la base de R3 deben ser vectores linealmente independientes de kerf . Pero, como kerf es
un subespacio vectorial de dimensión 1, sólo podemos tomar un vector no nulo del kerf para
formar parte de la base buscada. Elegimos, por ejemplo, {(−2, −2, 1)}. Completamos éste, hasta
obtener una base de R3 , BR3 = {(1, 0, 0), (0, 1, 0), (−2, −2, 1)}. Tomamos ahora como base de R2
a f ((1, 0, 0)) y f ((0, 1, 0)), esto es, BR2 = {(1, 0), (−1, 1)}. La matriz asocida a f respecto de BR3
 
1 0
y BR2 es  0 1 .
0 0
4.- Sea V = W1 ⊕ W2 . Demostrar que existe un único endomorfismo tal que f 2 = f , kerf = W1 y
Imf = W2 .
Solución. Para definir un endomorfismo de un espacio vectorial, es suficiente con dar la imagen de una
base de BV . Consideramos una base de V que sea unión de bases de W1 y W2 , esto es, BV = BW1 ∪ BW2 .
Definimos la aplicación lineal f : V → V definida por f (w1i ) = 0V , siendo w1i ∈ BW1 y f (w2j ) = w2j , para
todo w2j ∈ BW2 . Es evidente que la aplicación f definida cumple lo solicitado.
Veamos ahora la unicidad. Supongamos que g : V → V es otra aplicación lineal que satisface g 2 = g,
kerg = W1 y Img = W2 . Entonces, g(w1i ) = 0V = f (w1i ), para cada w1i ∈ BW1 . Nos falta probar que
g(w2j ) = w2j , para todo w2j ∈ BW2 . En efecto, por ser g 2 = g, se tiene g(g(w2j )) = g(w2j ). Pero al ser
g lineal, la igualdad anterior implica g(g(w2j ) − w2j ) = 0V , ası́ que g(w2j ) − w2j ∈ kerg = W1 . Ahora,
g(w2j ) − w2j ∈ W2 por ser diferencia de dos elementos de W2 . Consecuentemente, g(w2j ) − w2j ∈ W1 ∩ W2 =
{0V }, ya que por hipótesis V = W1 ⊕ W2 . En definitiva, g(w2j ) = w2j , para todo w2j ∈ BW2 .

Tema 6: Diagonalizacion.
Ejercicios
1.- Sea f ∈ End V . Demostrar que la suma de subespacios f -invariantes es f -invariante.
Solución. Sean U, W dos subespacios f -invariantes de V . Entonces, por definición de f -invariantes, se

cumple
f (U ) ⊆ U (1)
y
f (W ) ⊆ W. (2)
Ahora, U + W es subespacio de V , por ser suma de subespacios, y f (U + W ) = f (U ) + f (W ), por ser f
lineal y de (1) y (2) concluimos:
f (U + W ) = f (U ) + f (W ) ⊆ U + W,
o sea, U + W es también f -invariante.
2.- Calcular los valores propios reales λ y los subespacios fundamentales V (λ) para f ∈ End (R3 ) definido
por f ((x, y, z)) = (−x − z, −7x + 4y + 13z, x − 3z).
Solución. Sabemos que los valores propios son las raı́ces del polinomio caracterı́stico y éste viene dado
por el polinomio caracterı́stico de cualquier matriz asociada a f . Empleando la notación por filas, si elegimos
la matriz asociada a f respecto de la base canónica, ésta viene dada por:
 
−1 −7 1
A= 0 4 0 
−1 13 −3
y el polinomio caracterı́stico de esta matriz es

x + 1 7 −1

χA (x) = 0 x−4 0 = (x − 4)(x + 2)2 .
1 −13 x + 3
Por tanto, los valores propios de f son 4 y -2.

2 Diagonalizacion
Calculamos los subespacios fundamentales
V (4) = {(x, y, z) ∈ R3 |f ((x, y, z)) = 4(x, y, z)}

= {(x, y, z) ∈ R3 |(−x − z, −7x + 4y + 13z, x − 3z) = 4(x, y, z)}
= {(x, y, z) ∈ R3 |5x + z = 0, −7x + 13z = 0, x − 7z = 0}
= {(0, y, 0) ∈ R|y ∈ R}
V (−2) = {(x, y, z) ∈ R3 |f ((x, y, z)) = −2(x, y, z)}
= {(x, y, z) ∈ R3 |x − z = 0, −7x + 6y + 13z = 0}
= {(x, −x, x)|x ∈ R}
3.- Sea A una matriz diagonalizable con forma diagonal D y matriz de paso P . Demostrar que An es
diagonalizable con forma diagonal Dn . Deducir cuánto vale An .
Solución. Si A es diagonalizable con forma diagonal D y matriz de paso P significa que A = P DP −1 ,

luego An = P Dn p−1 y, por tanto, An es diagonalizable con forma diagonal Dn .
4.- Probar que, si A es diagonalizable y A semejante a B, entonces B es también diagonalizable.
Solución. Si A es diagonalizable, entonces existe D matriz diagonal y P matriz de paso tal que
A = P DP −1 . (1)
Por otro lado, si A semejante a B, entonces existe Q matriz de paso tal que
A = QBQ−1 . (2)
De (1) y (2) se sigue

QBQ−1 = P DP −1 =⇒ B = Q−1 P DP −1 Q.
Pero T = Q−1 P es una matriz inversible (por ser el producto de dos matrices inversibles) tal que B = T DT −1 ,
asi que B es diagonalizable con forma diagonal D.
   
−1 −7 1 1 −3 3
5.- Estudiar si A =  0 4 0  y B =  3 −5 3  son diagonalizables sobre R. En caso
−1 13 −3 6 −6 4
afirmativo, determinar su forma diagonal y una matriz de paso.
Solución. Sabemos que A ∈ M atn×n (K) es diagonalizable si y sólo si se verifican las dos condiciones
siguientes:
(i) Existen λ1 , . . . λn ∈ K, (no necesariamente distintos) tales que χA (x) = (x − λ1 ) . . . (x − λn ).

 
−1 −7 1
(ii) Para cada valor propio λ, se verifica dim(VA (λ)) = m(λ). Para la matriz A =  0 4 0  su
−1 13 −3
polinomio caracterı́stico viene dado por

x + 1 7 −1

χA (x) = 0 x−4 0 = (x − 4)(x + 2)2 ,
1 −13 x + 3

Diagonalizacion 3
luego se escinde sobre R y se cumple (i). Pero,
VA (−2) = {(x y z) ∈ R3 |(x y z)A = −2(x y z)}

= {(x y z) ∈ R3 |x − z = 0, −7x + 6y + 13z = 0}
= {(x − x x)|x ∈ R}.
Ası́ que dim(VA (−2)) = 1 < 2 = m(−2) y A no es diagonalizable.
El polinomio caracterı́stico de B es

x − 1 3 −3

χB (x) = −3 x+5 −3 = (x − 4)(x + 2)2
−6 6 x − 4
Ahora,
VB (−2) = {(x y z) ∈ R3 |(x y z)B = −2(x y z)}

= {(x y z) ∈ R3 |x + y + 2z = 0}
= {(x − x − 2z z) ∈ R3 |x, z ∈ R} =< (1 − 1 0), (0 − 2 1) >=⇒ dim(VB (−2)) = 2 = m(−2).
VB (4) = {(x y z) ∈ R3 |(x y z)B = 4(x y z)}
= {(x y z) ∈ R3 | − 3x + 3y + 6z = 0, −3x − 9y − 6z = 0, 3x + 3y = 0}
= {(x − x x)|x ∈ R} =< (1 − 1 1) >=⇒ dim(VB (4)) = 1 = m(4).

−2 0 0
Por tanto, B cumple también la condición (ii) y es diagonalizable con forma diagonal D =  0 −2 0 .
0 0 4
Para construir la matriz de paso debemos tomar de cada subespacio fundamental una base y se colocarán
en la matriz P en el mismo orden que aparezcan los valores propios. Ası́, para calcular la matriz de paso P
debemos colocar
 en las dosprimeras filas una base de VB (−2) y en la tercera fila una base de VB (4). Por
1 −1 0
ejemplo, P =  0 −2 1  y se cumple D = P BP −1 .
1 −1 1
Nota: En la definición de VA (λ) nos han fijado la notación a emplear: es la notación por filas. Esto
fuerza
  a queen la definición
  de P empleemos también la notación por filas. Si se hubiera definido VA (λ) =
 x x x 
 y  |A  y  = λ  y  estarı́amos usando la notación por columnas y en caso de ser A diagonalizable
 
z z z
P llevarı́a en sus columnas bases de los subespacios fundamentales asociados a los valores propios.
Problemas
1.- Sea f : R3 → R3 el endomorfismo definido por f (x, y, z) = (3x − y + z, −2x + 4y − 2z, −2x + 2y).
(i) Demostrar que f es diagonalizable y encontrar una base de R3 respecto de la cual la matriz asociada
a f sea diagonal.
(ii) Estudiar si las siguientes

 matrices
  están asociadas
 a f y, en caso afirmativo, hallar una base respecto
2 1 0 2 0 0
de la cual lo estén:  0 2 0 ,  0 2 0 .
0 0 3 0 0 3

4 Diagonalizacion
Solución. (i) Para probar que f es diagonalizable, empleamos la caracterización de endomorfismos

diagonalizables:
“f : V → V lineal es diagonalizable si y sólo si se verifican las dos condiciones siguientes:
(i) Su polinomio caracterı́stico se escinde sobre K, esto es, existen λ1 , . . . λn ∈ K, (no necesariamente
distintos) tales que χf (x) = (x − λ1 ) . . . (x − λn ).
(ii) Para cada valor propio λ, se verifica dim(V (λ)) = m(λ). ”
Para calcular supolinomio caracterı́stico, debemos buscar una matriz A asociada a f y calcular el
polinomio caracterı́stico de A. Por ejemplo, si tomamos
 la base canónica
 de R3 , la matriz asociada a f ,
3 −2 −2
empleando notación por filasm viene dada por A =  −1 4 2 , cuyo polinomio caracterı́stico es
1 −2 0

x − 3 2 2

χ(x) = χA (x) = 1 x − 4 −2 = (x − 3)(x − 2)2 ,
−1 2 x
Calculamos los subespacios fundamentales asociados a los valores propios:
V (2) = {(x, y, z) ∈ R3 |f ((x, y, z)) = 2(x, y, z)}

= {(x, y, −x + y)|x, y ∈ R}
V (3) = {(x, y, z) ∈ R3 |f ((x, y, z)) = 3(x, y, z)}
= {(x, −2x, −2x)|x ∈ R}
Luego, f es diagonalizable y una base respecto de la cual la matriz asociada estará formada por vectores
porpios linelamente independientes. Por ejemplo, podemos tomar B = {(1, 0, −1), (0, 1, 1), (1, −2, −2)}.
 
2 1 0
(ii) Es fácil ver que B =  0 2 0  no es diagonalizable porque VB (2) es de dimensión 1 y C =
  0 0 3
2 0 0
 0 2 0  es precisamente la forma diagonal de f . Por tanto, C es matriz asociada a f y una base
0 0 3
respecto de la cual lo es viene dada por B = {(1, 0, −1), (0, 1, 1), (1, −2, −2)}.
   
2 0 0 0 −2 − 53
2.- Estudiar si A es semejante a B, siendo A =  0 2 0  y B = 2 4 5
3
. En caso de
0 −1 −3 −5 −5 −3
que lo sean, localizar una matriz de paso B = P AP −1 .
Solución. Sabemos que dos matrices diagonalizables A y B son semejantes si tienen el mismo polinomio
caracterı́stico. Ası́ que vamos a estudiar si las matrices A y B son diagonalizables y si tienen el mismo
polinomio caracterı́stico.

x − 2 0 0

χA (x) = 0 x−2 0 = (x − 2)2 (x + 3).
0 1 x + 3

x 2 5
3
χB (x) = −2 x − 4 = (x − 2)2 (x + 3).
− 53

5 5 x + 3

Diagonalizacion 5
Por tanto, ambas matrices tienen el mismo polinomio caracterı́stico. Veamos si son diagonalizables:
1. Para A tenemos
VA (2) = {(x y z)|(x y z)A = 2(x y z)}
= {(x y z)|z = 0 = 5z}
= {(x y 0)|x, y ∈ R} =< (1 0 0), (0 1 0) >
VA (−3) = {(x y z)|(x y z)A = −3(x y z)}
= {(x y z)|5y − z = 0 = 5x}
= {(0 y 5y)|y ∈ R} =< (0 1 5) > .
 
2 0 0
Por consiguiente, D =  0 2 0  es la forma diagonal de A y D = P1 AP1−1 , siendo P1 =
  0 0 −3
1 0 0
0 1 0 .
0 1 5
2. Para B tenemos
VB (2) = {(x y z)|(x y z)B = 2(x y z)}
5 5
= {(x y z)|2y − 5z − 2x = 0 = − x + y − 5z}
3 3
= {(x x 0)|x, z ∈ R} =< (1 1 0) >
Por tanto, B no es diagonalizable, ya que dim(VB (2)) = 1 < 2 = m(2).
Por consiguiente, A no es semejante a B, porque como A es diagonalizable toda matriz semejante a A

es también diagonalizable con su misma forma diagonal.
 
1 a a
3.- ¿Qué debe verificar el parámetro a ∈ R para que la matriz A =  −1 1 −1  sea diagonalizable sobre
1 0 2
R? Cuando lo sea, hallar su forma diagonal, una matriz de paso y An para cualquier número natural n.
Solución. Una condición necesaria, aunque no suficiente, para que A sea diagonalizable es que se
escinda su polinomio caracterı́stico. Ahora,

x − 1 −a −a

χA (x) = 1 x−1 1 = (x − 1)2 (x − 2)
−1 0 x − 2
Además, debemos pedir que dim(VA (1)) = 2 y dim(VA (2)) = 1. Pero, dim(VA (2)) = 1 se cumple ya que al
ser 2 valor propio sabemos que 1 ≤ dim(VA (2)) ≤ m(2) = 1. Por consiguiente sólo queda calcular los valores
de a para los cuáles dim(VA (1)) = 2. Ahora,
VA (1) = {(x y z)|(x y z)A = (x y z)}

= {(x y z)| − y + z = 0 = ax = ax − y + z}
{
{(x y y)|x, y ∈ R} si a = 0
= {(x y z)| − y + z = 0 = ax} =
{(0 y y)|y ∈ R} si a ̸= 0
Luego A es diagonalizable para a = 0.

6 Diagonalizacion
 
1 0 0
Si a = 0, A es diagonalizable con forma diagonal D =  0 1 0  y para calcular una matriz de paso
0 0 2
necesitamos hallar primero VA (2), que viene dado por:
VA (2) = {(x y z)|(x y z)A = 2(x y z)}

= {(x y z)| − x − y + z = 0 = −y}
= {(x 0 x)|x ∈ R}
Entonces, P será la matriz que lleva en sus filas tres vectores propios linealmente independientes colocados
en elmismo orden
 que los valores propios a los que están asociados en la forma diagonal. En concreto,
1 0 0
P =  0 1 1  y D = P AP −1 . Entonces,
1 0 1
     
1 0 0 1 0 0 1 0 0 1 0 0
An = P −1 Dn P =  1 1 −1   0 1 0   0 1 1  =  1 − 2n 1 1 − 2n  .
−1 0 1 0 0 2n 1 0 1 −1 + 2n 0 2n
4.- Se considera la familia de endomorfismos fa,b : R3 → R3 , tal que fa,b (x, y, z) = (z, by, ax), donde
a, b ∈ R.
(i) Determinar los valores de a y b para los que fa,b es diagonalizable.
(ii) Cuando fa,b sea diagonalizable, localizar su forma diagonal .
Solución. Para que fa,b sea diagonalizable debe cumplir que su polinomio caracterı́stico se escinda
y que para cada valor propio λ las multiplicidades algebraicas y geométricas sean iguales. Para calcular
el polinomio caracterı́stico de f necesitamos hallar una matriz asociada a f y determinar el polinomio
 canónica de R la matriz asociada a f , empleando
3
caracterı́stico de ésta. Por ejemplo, si tomamos
 la base
0 0 a
la notación por filas, viene dada por A =  0 b 0  cuyo polinomio caracterı́stico es:
1 0 0

x 0 −a

χA (x) = 0 x − b 0 = (x − b)(x2 − a)
−1 0 x
que se escinde sobre R si a ≥ 0. Distinguimos varios casos:

√
1. Si a > 0 y b ̸= ± a, entonces
 √ f es diagonalizable
 por tener tres valores propios diferentes. Entonces,
a √0 0
su forma diagonal es D =  0 − a 0 .
0 0 b
2. Si a = b = 0, entonces 0 es valor propio de f con multiplicidad algebraica 3 y
Vf0,0 (0) = {(x, y, 0)|x, y ∈ R},
luego f0,0 no es diagonalizable porque dimVf0,0 (0) = 2 < 3 = m(0).
3. Si a = 0, b ̸= 0, entonces f0,b tiene dos valores propios distintos: 0, con m(0) = 2 y b con m(b) = 1.
Pero,
Vf0,b (0) = {(x, 0, 0)|x ∈ R}.

Diagonalizacion 7
Ası́ que f0,b no es diagonalizable ya que dimVf0,b (0) = 1 < 2 = m(0).

√ √ √ √
√ 0 y b = a, entonces f√a, a tiene dos√valores propios distintos a, con√m( a) = 2 y −
4. Si a > √
√ a, con
m(− a) = 1. Ahora, Vfa,√a ( a) = {(x, y, ax)|x, y ∈ R}, luego dim(Vfa,√a ( a)) = 2 = m( a). Por
√ 
a √0 0
consiguiente, fa,√a es diagonalizable y su forma diagonal es D =  0 a 0 .
√
0 0 − a
√ √ √ √
y b = − a, entonces fa,−√a√tiene dos valores
5. Si a > 0 √ √ 1 y − a,
√ propios distintos a, con m( a) =
con m(− a) = 2. Ahora, Vfa,−√a (− a) = {(x, y, − ax)|x, y ∈ R}, luego dim(Vfa,−√a (− a)) = 2 =
√ 
√ a 0
√ 0
m(− a). Por consiguiente, fa,−√a es diagonalizable con forma diagonal D =  0 − a √0 .
0 0 − a

Problemas resueltos: Formas cuadráticas Matemáticas I Curso 2011-2012
22) Clasificar atendiendo a su signo las formas cuadráticas:
a)
Empecemos intentando clasificar por menores angulares:
y como ni los tres menores son positivos (caso 1) ni alternan de signo

empezando en negativo (caso 2) estaríamos en el caso 3 ⇨ la forma cuadrática es Indefinida (Caso 3)
Otra forma
Como , se puede obtener la forma diagonal de Jacobi:

que al tratarse de una forma
diagonal la clasificación de la forma cuadrática no la da el signo de los coeficientes en la expresión diagonal

y como hay términos positivos y términos negativos la forma cuadrática es Indefinida.
b)
y como ⇨ Definida Positiva ( Caso 1)
O bien por Jacobi

c)
y como ⇨ Definida Negativa ( Caso 2)
O bien por Jacobi
d)
y como no se da ni (1) ni (2) ⇨ Indefinida ( Caso 3)
O bien por Jacobi

e)
O bien por Jacobi
f)
y aunque como no se puede aplicar el criterio de menores angulares, por tanto

tendremos que clasificar por autovalores:
Por tanto como

g)
y aunque como no se puede aplicar el criterio de menores angulares, por tanto

tendremos que clasificar por autovalores:
Por tanto como
h)

i)
ya que y como no se da ni (1) ni (2) ⇨ Indefinida ( Caso 3)

.......... 0 - Ejercicios Resueltos (Salvador Merino)

Cargado por

Información del documento

Título original

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

.......... 0 - Ejercicios Resueltos (Salvador Merino)

Cargado por

Copyright:

Formatos disponibles

EJERCICIOS DE DETERMINANTES

1 Ejercicios resueltos de matrices

2 Ejercicios resueltos de matrices

4 Ejercicios resueltos de matrices

5 Ejercicios resueltos de matrices

6 Ejercicios resueltos de matrices

7 Ejercicios resueltos de matrices

9 Ejercicios resueltos de matrices

12 Ejercicios resueltos de matrices

13 Ejercicios resueltos de matrices

14 Ejercicios resueltos de matrices

15 Ejercicios resueltos de matrices

16 Ejercicios resueltos de matrices

17 Ejercicios resueltos de matrices

18 Ejercicios resueltos de matrices

19 Ejercicios resueltos de matrices

20 Ejercicios resueltos de matrices

Unidad didáctica 6. Matrices, determinantes y sistemas de ecuaciones lineales

Autoras: Gloria Jarne, Esperanza Minguillón, Trinidad Zabal

EJERCICIOS RESUELTOS DE SISTEMAS LINEALES

a) Escribir la expresión matricial del sistema.

c) Resolver el sistema por el método de Gauss.

d) Estudiar si el sistema es de Cramer, y en caso afirmativo, calcular su solución matricialmente y

b) Escribimos la matriz ampliada del sistema dado y la escalonamos mediante operaciones

Aplicando el teorema de Rouche-Frobenius se deduce que el sistema es compatible determinado, es

De la segunda ecuación se obtiene y = 0, y sustituyendo en la primera 2x + 3.0 = 3, por tanto,

d) Como A es cuadrada y A =10–12 = -2 0, el sistema dado es un sistema de Cramer y lo

Hallamos A-1 mediante operaciones elementales:

© Proyecto de innovación ARAGÓN TRES 1

Unidad didáctica 6. Matrices, determinantes y sistemas de ecuaciones lineales

Autoras: Gloria Jarne, Esperanza Minguillón, Trinidad Zabal

© Proyecto de innovación ARAGÓN TRES 2

Unidad didáctica 6. Matrices, determinantes y sistemas de ecuaciones lineales

Autoras: Gloria Jarne, Esperanza Minguillón, Trinidad Zabal

Escalonamos la matriz ampliada para determinar el rango de A y de (A|B)

rgA = 2 rg (A|B) = 3 el sistema es incompatible, es decir, no tiene solución.

4. Hallar para qué valores de a el siguiente sistema es compatible determinado y calcular su

Estudiamos los rangos de A y de (A|B), escalonando la matriz ampliada .

© Proyecto de innovación ARAGÓN TRES 3

Unidad didáctica 6. Matrices, determinantes y sistemas de ecuaciones lineales

Autoras: Gloria Jarne, Esperanza Minguillón, Trinidad Zabal

Resolvamos el sistema para a = 12 por el método de Gauss.

-2 y + 2z = 6 -2y = 6 –2z = 6 – 2.5 = - 4 y=2

x+y–z=1 x=1–y+z=1–2+5=4 x=4

Por tanto, la solución para a = 12 es x = 4, y = 2, z = 5.

Para estudiar los rangos de A y (A|B), escalonamos la matriz ampliada

El rango de A depende de si es nula o no la expresión -a2- a + 6

© Proyecto de innovación ARAGÓN TRES 4

Unidad didáctica 6. Matrices, determinantes y sistemas de ecuaciones lineales

Autoras: Gloria Jarne, Esperanza Minguillón, Trinidad Zabal

a 2, -3 -a2- a + 6 0 rgA = rg (A|B) = 3 = nº de incógnitas el sistema es

Vamos a hallar la solución resolviendo el sistema asociado a la matriz escalonada comenzando a

Las soluciones son x = 5z, y = 1 – 4z, z

© Proyecto de innovación ARAGÓN TRES 5

Unidad didáctica 6. Matrices, determinantes y sistemas de ecuaciones lineales

Autoras: Gloria Jarne, Esperanza Minguillón, Trinidad Zabal

Por lo tanto, si a 11 A 0 y el sistema es un sistema de Cramer y por ello compatible

Para resolverlo utilizaremos la regla de Cramer.

Observar que en este caso el valor de x, y, z es independiente de a.

© Proyecto de innovación ARAGÓN TRES 6

(1, x, 5) = α(1, 2, 3) + β(1, 1, 1),

2.- Calcular bases de los subespacios de R4 S, T , S + T y S ∩ T , siendo S = {(x1 , x2 , x3 , x4 )|x1 − x2 = 0}

(0, 0, 0, 0) = α(1, 1, 0, 0) + β(0, 0, 1, 0) + γ(0, 0, 0, 1) ⇒ α = β = γ = 0,