FACULTAD DE CIENCIAS EXACTAS

DPTO. DE MATEMÁTICAS
UNIVERSIDAD ANDRÉS BELLO
SISTEMAS Y ECUACIONES DIFERENCIALES LINEALES - FMMA215.

Guı́a semana 2.
Ejercicio 1:

Determina si T representa una transformación lineal, donde:

1. T : R2 → R3 es definida por T (a, b) = (a + 3b, a − b, 0).

2. T : R2 → R3 es definida por T (a, b) = (a + 3b − 1, a − b, 0).

 
3 a b
3. T : M2 (R) → R es definida por T = (2a, c − a + b, 0)
c d
 
a b
4. T : M2 (R) → R es definida por T = a2 + b
c d

5. T : R2 → R es definida por T (x, y) = xy.

6. P2 (R) → R2 es definida por T (ax2 + bx + c) = (a − c, 3b)

1. T : R2 → R3 es definida por T (a, b) = (a + 3b, a − b, 0).

Sean ⃗u = (a, b), ⃗v = (c, d) ∈ R2 , entonces:

T (⃗u + ⃗v ) = T ((a, b) + (c, d))

= T (a + c, b + d)
= (a + c + 3(b + d), a + c − (b + d), 0)
= (a + 3b + c + 3d, a − b + c − d, 0)
= (a + 3b, a − b, 0) + (c + 3d, c − d, 0)
= T (a, b) + T (c, d)
= T (⃗u) + T (⃗v )

Sean α ∈ R y ⃗u = (a, b) ∈ R2 , entonces:

T (α⃗u) = T (α(a, b))

= T (αa, αb)
= (αa + 3αb, αa − αb, 0)
= (α(a + 3b), α(a − b), α0)
= α(a + 3b, a − b, 0)
= αT (a, b)
= αT (⃗u)

Por lo tanto, T es una transformación lineal.

1
2. T : R2 → R3 es definida por T (a, b) = (a + 3b − 1, a − b, 0).
Sean ⃗u = (a, b), ⃗v = (c, d) ∈ R2 , entonces:

T (⃗u + ⃗v ) = T ((a, b) + (c, d))

= T (a + c, b + d)
= (a + c + 3(b + d) + 1, a + c − (b + d), 0)

Por otro lado,

T (⃗u) + T (⃗v ) = T (a, b) + T (c, d)

= (a + 3b + 1, a − b, 0) + (c + 3d + 1, c − d, 0)
= (a + c + 3(b + d) + 2, a + c − (b + d), 0)

Como (a + c + 3(b + d) + 2, a + c − (b + d), 0) ̸= (a + c + 3(b + d) + 1, a + c − (b + d), 0),

entonces T no es una transformación lineal.
 
3 a b
3. T : M2 (R) → R es definida por T = (2a, c − a + b, 0)
c d
   
a11 a12 b b
Sean A = , B = 11 12 ∈ M2×2 (R), entonces:
a21 a22 b21 b22
 
a11 + b11 a12 + b12
T (A + B) = T
a21 + b21 a22 + b22
= (2(a11 + b11 ), a21 + b21 − (a11 + b11 ) + a12 + b21 , 0)
= (2a11 , a21 − a11 + a12 , 0) + (2b11 , b21 − b11 + b21 , 0)
   
a11 a12 b11 b12
=T +T
a21 a22 b21 b22
= T (A) + T (B)
 
a11 a12
Sean α ∈ R y A = ∈ M2×2 (R), entonces:
a21 a22
  
a11 a12
T (αA) = T α
a21 a22
 
αa11 αa12
=T
αa21 αa22
= (2αa11 , αa21 − αa11 + αa12 , 0)
= α(2a11 , a21 − a11 + a12 , 0)
 
a11 a12
= αT
a21 a22
= αT (A)

Por lo tanto, T es una transformación lineal.

2
  
a b
4. T : M2 (R) → R es definida por T = a2 + b.
c d
Por medio
 de un contraejemplo
   mostraremos que T no es una transformación lineal. Sean
1 0 1 5
A= yB= , entonces:
2 4 1 2
 
2 5
T (A + B) = T = 22 + 5 = 9
3 6

Por otro lado:

   
1 0 1 5
T (A) + T (B) = T +T = (12 + 0) + (12 + 5) = 7
2 4 1 2

Entonces, T (A + B) = 9 ̸= 7 = T (A) + T (B). Ası́, concluimos que T no es una transfor-

mación lineal.

5. T : R2 → R es definida por T (x, y) = xy.

Sean ⃗u = (a, b), ⃗v = (c, d) ∈ R2 , entonces:

T (⃗u + ⃗v ) = T ((a, b) + (c, d))

= T (a + c, b + d)
= (a + c)(b + d)
= ab + ad + cb + cd

Por otro lado:

T (⃗u) + T (⃗v ) = T (a, b) + T (c, d))

= ac + bd

Como no necesariamente ab + ad + cb + cd = ac + bd, entonces no cumple con la primera

condición de linealidad. Por lo tanto, T no es una transformación lineal.

3
6. P2 (R) → R2 es definida por T (ax2 + bx + c) = (a − c, 3b).
Sean p(x) = a1 x2 + b1 x + c1 , q(x) = a2 x2 + b2 x + c2 ∈ P(R), entonces:

T (p(x) + q(x)) = T (p(x) + q(x))

= T (a1 x2 + b1 x + c1 + a2 x2 + b2 x + c2 )
= T ((a1 + a2 )x2 + (b1 + b2 )x + (c1 + c2 ))
= ((a1 + a2 ) − (c1 + c2 ), 3(b1 + b2 ))
= (a1 − c1 + a2 − c2 , 3b1 + 3b2 )
= (a1 − c1 , 3b1 ) + (a2 − c2 , 3b2 )
= T (a1 x2 + b1 x + c1 ) + T (a2 x2 + b2 x + c2 )
= T (p(x)) + T (q(x))

Sean α ∈ R y p(x) = a2 x2 + b2 x + c2 ∈ P(R), entonces:

T (αp(x)) = T (α(a1 x2 + b1 x + c1 ))
= T (αa1 x2 + αb1 x + αc1 ))
= (αa1 − αc1 , 3αb1 )
= (α(a1 − c1 , 3b1 )
= αT (a1 x2 + b1 x + c1 )
= αT (p(x))

Por lo tanto, T es una transformación lineal.

4
Ejercicio 3:

Sea B una matriz cuadrada con coeficientes reales de orden n, es decir B ∈ Mn (R).
Considere la función:

T : Mn (R) → Mn (R)
A → T (A) = A · B

Demuestre que T es un operador lineal.

a) Sean A, C ∈ Mn (R) tal que

T (A + C) = (A + C) · B = A · B + C · B = T (A) + T (C).

Se cumple la primera condición de una transformación lineal, ya que se cumple la propiedad

distributiva de las matrices cuadradas Mn (R).

b) Sean k ∈ R y A ∈ Mn (R) se tiene que

T (kA) = (kA) · B = k(A · B) = kT (A).

Por lo tanto, por a) y b) se tiene que T es una transformación lineal.

5
Ejercicio 4:

Hallar un operador lineal T : R3 → R3 tal que:

(a) S = {(3, −1, 2) ; (0, 1, −1)} sea una base para Im (T ).

(b) S ′ = {(1, 0, 2) ; (0, 1, 1)} sea una base para el núcleo de T .

(a) Para definir una aplicación lineal T de modo que S = {(3, −1, 2) ; (0, 1, −1)} sea una base
para Im (T ) sabemos que el espacio generado por la aplicación de T sobre una base del
espacio de partida otorga el espacio generado por la imagen de T . Ası́, podemos conside-
rar la base canónica de R3 : C = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} como la base del espacio de
partida y los elementos de la base S como los elementos de llegada, tal como se muestra a
continuación:
T (1, 0, 0) = (3, −1, 2)
T (0, 1, 0) = (0, 1, −1),
donde puede surge la duda: ¿qué vector ⃗v ∈ R3 lo asigno como imagen del vector (0, 0, 1)?
Para cumplir con las especificaciones de que el conjunto de llegada sea generado solo por los
vectores de S debemos otorgar cualquier vector ⃗v de modo que S = {(3, −1, 2) ; (0, 1, −1), , ⃗v }
sea un conjunto l.d., por ejemplo:
⃗v = (3, −1, 2) + (0, 1, −1) = (3, 0, 1)
Por lo tanto, si
T (1, 0, 0) = (3, −1, 2), T (0, 1, 0) = (0, 1, −1), T (0, 0, 1) = (3, 0, 1)
se tiene que:
ImT = ⟨{T (1, 0, 0), T (0, 1, 0), T (0, 0, 1)}⟩
= ⟨{(3, −1, 2), (0, 1, −1), (3, 0, 1)}⟩
= ⟨{(3, −1, 2), (0, 1, −1)}⟩ ,
donde destacamos que no escribimos el vector (3, 0, 1), ya que al ser una combinación lineal
de los vectores de S éste se puede omitir.
Ahora estamos en condiciones de definir el opreador lineal T para cualquier vector (x, y, z) ∈
R3 :
T (x, y, z) = T (x(1, 0, 0) + y(0, 1, 0) + z(0, 0, 1))
= xT (1, 0, 0) + yT (0, 1, 0) + zT (0, 0, 1))
= x(3, −1, 2) + y(0, 1, −1) + z(3, 0, 1)
= (3x + 3z, −x + y, 2x − y + z)
Por lo tanto, un operador lineal que satisface la condición del ejercicio está dado por:
T (x, y, z) = (3x + 3z, −x + y, 2x − y + z).
Finalmente, agregamos que no es el único operador que satisface la condición, siendo este
el obtenido debido a la base y el vector imagen elegido para esta resolución.

6
(b) Queremos determinar un operador lineal T (x, y, z) de modo que S ′ = {(1, 0, 2) ; (0, 1, 1)}
sea una base para el núcleo de T . Ası́, comenzamos destacando que si al conjunto S ′ le
agregamos el vector (0, 0, 1) obtenemos un conjunto l.i., ya que dados α, β, γ ∈ R tales
que:

α(1, 0, 2) + β(0, 1, 1) + γ(0, 0, 1) = (0, 0, 0)

(α, β, 2α + β + γ) = (0, 0, 0)

α =0
formamos el sistema β = 0 cuya única solución es α = β = γ = 0. Por lo
2α + β + γ = 0
tanto, el conjunto de vectores B = {(1, 0, 2), (0, 1, 1), (0, 0, 1)} es l.i., y por tanto una base
de R3 (todo conjunto con 3 vectores en R3 l.i. es base de R3 ).
Ası́, cualquier vector (x, y, z) ∈ R3 se puede escribir como una combinación lineal de los
vectores de B. En efecto, dados α, β, γ ∈ R tales que:

α(1, 0, 2) + β(0, 1, 1) + γ(0, 0, 1) = (x, y, z)

(α, β, 2α + β + γ) = (x, y, z)

α =x
formamos el sistema β = y cuya única solución es α = x, β = y y γ =
2α + β + γ = z
z − 2x − y. Por lo tanto, si definimos T tal que la imagen de los elementos de S ′ sean
el vector nulo y la imagen del (0, 0, 1) sea cualquier elemento no nulo de R3 tendremos
que ker T = ⟨{(1, 0, 2), (0, 1, 1)}⟩, tal como deseamos. Ası́, para determinar T comenzamos
imponiendo que:

T (1, 0, 2) = T (0, 1, 1) = (0, 0, 0) y T (0, 0, 1) = (1, 0, 0),

donde el vector no nulo (1, 0, 0) se ha eligido al azar. Luego, dado (x, y, z) ∈ R se tiene
que:

(x, y, z) = x(1, 0, 2) + y(0, 1, 1) + (z − 2x − y)(0, 0, 1) \T

T (x, y, z) = xT (1, 0, 2) + yT (0, 1, 1) + (z − 2x − y)T (0, 0, 1)
T (x, y, z) = (z − 2x − y)(1, 0, 0)
T (x, y, z) = (z − 2x − y, 0, 0)

es un operador lineal cuya base del núcleo esta formada por los vectores de S ′ .

7
Ejercicio 5:

Sea T : R2 → R definida por T (x, y) = 2x + 3y + c. Demuestra que T es transformación

lineal si y solo si c = 0.

Dado que tenemos una proposición lógica de la forma p ⇔ q vamos a probar que p ⇒ q y que
q ⇒ p, lo que es equivalente.
=⇒: Supongamos que T es lineal, entonces T (0, 0) = 0 (Si T : V → W es una transformación
lineal entonces la imagen del vector nulo del conjunto de partida es el vector nulo del conjunto
de llegada T (⃗0V ) = ⃗0W ):

T (0, 0) = 0 = 2 · 0 + 3 · 0 + c ⇒ c = 0.

Con ello hemos probado que si T es lineal, entonces c = 0.

⇐=: Supongamos que c = 0 y probaremos que T es lineal. En efecto, si c = 0 se tiene que
T (x, y) = 2x + 3y. Ahora, para demostrar que T es lineal debemos verificar que cumple con la
definición:

1. Dados ⃗u = (x, y), ⃗v = (z, w) ∈ R2 se tiene que:

T (⃗u + ⃗v ) = T ((x, y) + (z, w))

= T (x + z, y + w)
= 2(x + z) + 3(y + w)
= 2x + 3y + 2z + 3w
= T (x, y) + T (z, w)
= T (⃗u) + T (⃗v )

∴ ∀⃗u, ⃗v ∈ R2 se cumple que T (⃗u + ⃗v ) = T (⃗u) + T (⃗v ).

2. Dados α ∈ R y ⃗u = (x, y) ∈ R2 se tiene que:

T (α⃗u) = T (α(x, y))

= T (αx, αy)
= 2(αx) + 3(αy)
= α(2x + 3y)
= αT (x, y)
= αT (⃗u).

∴ ∀⃗u ∈ R2 , ∀α ∈ R se cumple que T (α⃗u) = αT (⃗u).

Dado que se cumplen las condiciones 1) y 2) se tiene que T es lineal, con lo que hemos probado
que si c = 0, entonces T es lineal.

8
Ejercicio 6:

Determina los subespacios Ker T e Im T donde T es la transformación lineal de P2 (R)

en R3 definida por:

T (1 − 2x) = (1, 0, 1)
T (x2 ) = (0, 1, −1)
T (1) = (1, 2, 0)

Comenzaremos hallando T (ax2 + bx + c).

Para lograr encontarar T , verificamos si B = {1 − 2x, x2 , 1} es base de P2 (R).
Como dim P2 (R) = 3 = #(B), entonces solo basta probar que B es L.I.:
En efecto, sean α, β, γ ∈ R tal que

α(1 − 2x) + β(x2 ) + γ(1) = 0x2 + 0x + 0

βx2 − 2αx + (α + γ) = 0x2 + 0x + 0

Comparando coeficientes tenemos

β =0
−2α = 0
α+γ =0
de donde concluimos que α = β = γ = 0. Por lo tanto, B es una base de P2 (R).
Sea p(x) = ax2 + bx + c ∈ P2 (R) y α, β, γ ∈ R tal que

ax2 + bx + c = α(1 − 2x) + β(x2 ) + γ(1)

ax2 + bx + c = βx2 − 2αx + (α + γ)

entonces
β =a β =a
−2α = b ⇒ α = −b/2
α+γ =c γ = c + b/2
Ası́

ax2 + bx + c = (−b/2)(1 − 2x) + a(x2 ) + (c + b/2)(1)

Ahora, aplicando la transformación T tenemos que:

T (ax2 + bx + c) = (−b/2)T (1 − 2x) + aT (x2 ) + (c + b/2)T (1)

T (ax2 + bx + c) =(−b/2)(1, 0, 1) + a(0, 1, −1) + (c + b/2)(1, 2, 0)
T (ax2 + bx + c) =(−b/2 + c + b/2, a + 2c + b, −b/2 − a)
T (ax2 + bx + c) =(c, a + b + 2c, −a − b/2)

• Núcleo de T

Ker(T ) = {ax2 + bx + c ∈ P2 (R) : T (ax2 + bx + c) = (0, 0, 0)}

Ker(T ) = {ax2 + bx + c ∈ P2 (R) : (c, a + b + 2c, −a − b/2) = (0, 0, 0)}

9
 c =0 c =0 c =0
a + b + 2c = 0 ⇒ a = −b ⇒ a =0
−a − b/2 = 0 b − b/2 = 0 b =0
Entonces

Ker(T ) = {ax2 + bx + c ∈ P2 (R) : a = b = c = 0}

∴ Ker(T ) = {0x2 + 0x + 0}

• Imagen de T

Im(T ) = {T (ax2 + bx + c) : ax2 + bx + c ∈ P2 (R)}

Im(T ) = {(c, a + b + 2c, −a − b/2) : a, b, c ∈ R}
Im(T ) = {(0, a, −a) + (0, b, −b/2) + (c, 2c, 0) : a, b, c ∈ R}
Im(T ) = {a(0, 1, −1) + b(0, 1, −1/2) + c(1, 2, 0) : a, b, c ∈ R}
Im(T ) = ⟨{(0, 1, −1); (0, 1, −1/2); (1, 2, 0)}⟩

10
Ejercicio 7:

Encuentra una transformación lineal T : R3 → P1 (R) tal que

T (1, 0, −1) = 2 − x
T (0, 2, 1) = 1 + x
T (1, 3, 1) = 3x − 2

Para lograr encontarar T (a, b, c), comenzaremos verificando si B = {(1, 0, −1); (0, 2, 1); (1, 3, 1)}
es base de R3 .
Como dim R3 = 3 = #(B), entonces solo basta probar que B es L.I.:
En efecto, sean α, β, γ ∈ R tal que

α(1, 0, −1) + β(0, 2, 1) + γ(1, 3, 1) = (0, 0, 0)

(α + γ, 2β + 3γ, −α + β + γ) = (0, 0, 0)

Comparando coeficientes, tenemos

 
α+γ =0  1 0 1
 
2β + 3γ = 0 ⇒  0 2 3 = 1(2 − 3) + 1(0 + 2) = 1 ̸= 0
 
−α + β + γ = 0 −1 1 1

de donde concluimos que el sistema homogéneo tiene como única solución, la solución trivial, es
decir α = β = γ = 0. Por lo tanto, B es una base de R3 .
Sea (a, b, c) ∈ R3 y α, β, γ ∈ R tal que

(a, b, c) = α(1, 0, −1) + β(0, 2, 1) + γ(1, 3, 1)

(a, b, c) = (α + γ, 2β + 3γ, −α + β + γ)

Entonces
α+γ =a
2β + 3γ = b
−α + β + γ = c
Hemos formado un sistema que resolveremos usando eliminación Gaussiana:
     
1 0 1 | a 1 0 1 | a 1 0 1 | a
 0 2 3 | b  f3 →f∼3 +f1 0 2 3 |
f3 ↔f2
b  ∼ 0 1 2 | a + c
−1 1 1 | c 0 1 2 | a+c 0 2 3 | b
 
1 0 1 | a
f3 →f3 −2f2
∼  0 1 2 | a+c 
0 0 −1 | b − 2a − 2c
 
1 0 0 | −a + b − 2c
f1 →f1 +f3
∼  0 1 2 | a+c 
0 0 −1 | −2a + b − 2c
 
1 0 0 | −a + b − 2c
f2 →f2 +2f3
∼ 0 1 0 | −3a + 2b − 3c
0 0 −1 | −2a + b − 2c

11
  
1 0 0 | −a + b − 2c
f3 →−f3
∼ 0 1 0 | −3a + 2b − 3c
0 0 1 | 2a − b + 2c

Ası́ α = −a + b − 2c, β = −3a + 2b − 3c y γ = 2a − b + 2c, es decir:

(a, b, c) = (−a + b − 2c)(1, 0, −1) + (−3a + 2b − 3c)(0, 2, 1) + (2a − b + 2c)(1, 3, 1)

Ahora, aplicando la transformación T , tenemos que:

T (a, b, c) = (−a + b − 2c)T (1, 0, −1) + (−3a + 2b − 3c)T (0, 2, 1) + (2a − b + 2c)T (1, 3, 1)
T (a, b, c) = (−a + b − 2c)(2 − x) + (−3a + 2b − 3c)(1 + x) + (2a − b + 2c)(3x − 2)
T (a, b, c) = (a − b + 2c − 3a + 2b − 3c + 6a − 3b + 6c)x
+ (−2a + 2b − 4c − 3a + 2b − 3c − 4a + 2b − 4c)
T (a, b, c) = (4a − 2b + 5c)x + (−9a + 6b − 11c)

12
Ejercicio 8:

Sea T : R2 → R3 una transformación lineal tal que:

T (1, 2) = (3, −1, 5) y T (0, 1) = (2, 1, −1).

a) Encuentra una expresión para T (a, b), con (a, b) ∈ R2 .

b) Determina núcleo e imagen de T .

c) ¿T es inyectiva? Justifica su respuesta.

Solución: a) Para lograr encontar T (a, b), comezaremos verificando si B = {(1, 2); (0, 1)} es
base de R2 .
Como dim R2 = 2 = #(B), entonces basta probar que B es linealmente independiente. En
efecto, sean α, β ∈ R tal que

α(1, 2) + β(0, 1) = (0, 0)

(α, 2α + β) = (0, 0, 0)

Comparando coeficientes, tenemos

 
α =0 1 0
⇒ 2 1 = 1 − 0 = 1 ̸= 0
 
2α + β = 0

de donde concluimos que el sistema homogéneo tiene como única solución, la solución
trivial, es decir α = β = 0. Por lo tanto, B = {(1, 2); (0, 1)} es una base de R2 .
Por se B base de R2 : ∀(x, y) ∈ R2 , ∃! α, β ∈ R tal que

(x, y) = α(1, 2) + β(0, 1)

(x, y) = (α, 2α + β)

Entonces
α =x α =x
⇒
2α + β = y β = y − 2x
Ası́

(x, y) = x(1, 2) + (y − 2x)(0, 1)

Ahora, aplicando la transformación T tenemos que:

T (x, y) = xT (1, 2) + (y − 2x)T (0, 1)

T (x, y) = x(3 − 1, 5) + (y − 2x)(2, 1, −1)
T (x, y) = (3x + 2y − 4x, −x + y − 2x, 5x − y + 2x)
T (x, y) = (−x + 2y, −3x + y, 7x − y)

13
b) • Núcleo de T

Ker(T ) = {(x, y) ∈ R2 : T (x, y) = (0, 0, 0)}

Ker(T ) = {(x, y) ∈ R2 : (−x + 2y, −3x + y, 7x − y) = (0, 0, 0)}

−x + 2y = 0
x =0
−3x + y = 0 ⇒
y =0
7x − y = 0
Entonces

Ker(T ) = {(x, y) ∈ R2 : x = y = 0}
∴ Ker(T ) = {(0, 0)}

• Imagen de T

Im(T ) = {T (x, y, z)/ ∃(a, b) ∈ R : T (a, b) = (x, y, z)}

Im(T ) = {T (a, b) : (a, b) ∈ R2 }
Im(T ) = {(−a + 2b, −3a + b, 7a − b)}
Im(T ) = {a(−1, −3, 7) + b(2, 1, −1) : a, b ∈ R}
Im(T ) = ⟨{(1 − 3, 7); (2, 1, −1)}⟩

c) Dado que Ker(T ) = {(0, 0)} entonces dim Ker(T ) = 0, lo cual implica que T es inyectiva.

14
Ejercicio 9:

¿Es posible definir un operador lineal T en R4 que satisfaciendo Im T = Ker T ? En caso

de ser posible dar un ejemplo. Además, ¿por qué podemos asegurar que no existe un
operador lineal T definido sobre R3 satisfaciendo la misma condición?

¿Es posible definir un operador lineal T en R4 que satisfaciendo Im T = Ker T ? Si es posible,

por ejemplo: Sea T de modo que:

T (1, 0, 0, 0) = (0, 0, 1, 0)
T (0, 1, 0, 0) = (0, 0, 0, 1)
T (0, 0, 1, 0) = (0, 0, 0, 0)
T (0, 0, 0, 1) = (0, 0, 0, 0)

Ası́, tenemos que:

ker T = ⟨{(0, 0, 1, 0), (0, 0, 0, 1)}⟩

= ⟨{T (1, 0, 0, 0), T (0, 1, 0, 0)}⟩
= ⟨{T (1, 0, 0, 0), T (0, 1, 0, 0), (0, 0, 0, 0), (0, 0, 0, 0)}⟩
= Im T

Aquı́, la transformación lineal T se define por:

∀(x, y, z, w) ∈ R4 : T (x, y, z, w) = T (x(1, 0, 0, 0) + y(0, 1, 0, 0) + z(0, 0, 1, 0) + w(0, 0, 0, 1))

T (x, y, z, w) = xT (1, 0, 0, 0) + yT (0, 1, 0, 0) + zT (0, 0, 1, 0) + wT (0, 0, 0, 1)
T (x, y, z, w) = x(1, 0, 0, 0) + y(0, 1, 0, 0) + z(0, 0, 0, 0) + w(0, 0, 0, 0)
T (x, y, z, w) = (x, y, 0, 0)

Por otro lado, ¿por qué podemos asegurar que no existe un operador lineal T definido sobre R3
satisfaciendo la misma condición? porque para toda transformación lineal T : V → W se debe
cumplir el teorema de la dimensión:

dim V = dim ker T + dim Im T

Ası́, si Im T = ker T se tiene que dim ker T = dim Im T y se deberı́a cumplir que:

dim R3 = dim ker T + dim Im T

3 = dim ker T + dim ker T
3 = 2 dim ker T,

3
donde concluimos que: dim ker T = , lo cual no es posible debido a que la dimensión de un
2
espacio vectorial simpre es un número entero.

15
Ejercicio 10:

Encuentra un operador lineal en R4 cuyo núcleo esté generado por el conjunto de vectores
{(1, 2, 3, 4), (0, 1, 1, 1)}.

Notamos que si al conjunto {(1, 2, 3, 4), (0, 1, 1, 1)} le agregamos los vectores canónicos {(0, 0, 1, 0), (0, 0, 0, 1)}
se tiene que el conjunto B = {(1, 2, 3, 4), (0, 1, 1, 1), (0, 0, 1, 0), (0, 0, 0, 1)} es una base de R4 , lo
cual es fácil probar determinando que ellos son l.i. debido a que:
 
1 0 0 0
 
2 1 0 0
3 1 1 0 = 1 ̸= 0
 
 
4 1 0 1

Donde recordamos que el determinante de una matriz triangular es el producto de la diagonal

principal.
Ahora definimos:

T (1, 2, 3, 4) = (0, 0, 0, 0)
T (0, 1, 1, 1) = (0, 0, 0, 0)
T (0, 0, 1, 0) = (0, 0, 1, 0)
T (0, 0, 0, 1) = (0, 0, 0, 1)

Aquı́ la idea es que el operador lineal aplicado a los vectores {(1, 2, 3, 4), (0, 1, 1, 1)} sea el vector
nulo y los demás vectores que se agregan para completar la base de R4 se les asigna una imagen
que no sea el vector nulo (al azar).
Luego, para (x, y, z, w) ∈ R4 vamos a determinar α, β, γ, δ ∈ R tales que:

(x, y, z, w) = α(1, 2, 3, 4) + β(0, 1, 1, 1) + γ(0, 0, 1, 0) + δ(0, 0, 0, 1)

= (α, 2α + β, 3α + β + γ, 4α + β + γ + δ)

Comparando componentes formamos el sistema:

α =x α =x α =x
2α + β =y β = y − 2x β = y − 2x
⇔ ⇔
3α + β + γ =z γ = z − 3x − (y − x) γ = z − 2x − y
4α + β + γ + δ =w δ = w − 4x − (y − 2x) − (z − 3x − y + x) δ = w − 2y − z

Entonces,

(x, y, z, w) = x(1, 2, 3, 4) + (y − 2x)(0, 1, 1, 1) + (z − 2x − y)(0, 0, 1, 0) + (w − 2y − z)(0, 0, 0, 1)\T

T (x, y, z, w) = xT (1, 2, 3, 4) + (y − 2x)T (0, 1, 1, 1) + (z − 2x − y)T (0, 0, 1, 0) + (w − 2y − z)T (0, 0, 0, 1)
T (x, y, z, w) = (z − 2x − y)(0, 0, 1, 0) + (w − 2y − z)(0, 0, 0, 1)
T (x, y, z, w) = (0, 0, z − 2x − y, w − 2y − z)

16
Ejercicio 11:

Determina si la transformación lineal T : R3 → R3 definida por T (x, y, z) = (x, 2x − y, x +

4y − z) es invertible.

Para determinar si el operador lineal es invertible (biyectivo: inyectivo y sobreyectivo), solo

debemos determinar si el núcleo consta solo del vector nulo, ya que: Si ker T = {(0, 0, 0)},
entonces T es inyectiva con dim ker T = 0 y ası́:

3 = dim R3 = dim ker T + dim ImT = dim ImT ⇒ ImT = 3,

lo que significa que ImT = R3 , lo que demuestra que T también es sobreyectiva.

Ası́, determinamos el ker T :

ker T = {(x, y, z) : T (x, y, z) = (0, 0, 0)}

= {(x, y, z) : (x, 2x − y, x + 4y − z) = (0, 0, 0)}
 
 x =0 
= (x, y, z) : 2x − y = 0
x + 4y − z = 0
 

= {(x, y, z) : x = y = z = 0}
= {(0, 0, 0)}

∴ T es una transformación lineal invertible.

17
Ejercicio 12:

Considere la siguiente matriz  

1 2 a
A= 2 1 b 
2 2 c

a) Calcular a,b y c

b) Calcular los valores propios de A

c) Si A es diagonalizable encuentre una matriz P y D, tan que A = P DP −1

a) El enunciado nos informa que para λ = 1, tendremos que Vλ=1 = (1, 1, 1), esto queire decir
que las variables dependen de una misma, ası́
Por lo cual parte de la expresión es verdadera. Para determinar vectores propios, para
λ = 1, tendremos
 
0 2 a 0
 2 0 b 0 
2 2 c−1 0
Si resolvemos el sistema tendremos

   
0 2 a 0 2 2 c−1 0
 2 0 b 0  =  2 0 b 0 
2 2 c−1 0 0 2 ca 0
 
2 2 c−1 0
=  0 −2 b − c + 1 0 
0 2 a 0
 
2 2 c−1 0
=  0 −2 b−c+1 0 
0 0 a+b−c+1 0

Se obtendrá un sistema de ecuaciones del cual se obtienen los siguientes valores a = −2,
b = −2 y c = −3

b) Para determinar los valores propios de A realizamos lo siguiente, Para determinar el poli-
nomio caracterı́stico recordemos que p(λ) = det(A − λ · 1V ), ası́ tendremos

 
1−λ 2 −2
p(λ) = det  2 1 − λ −2 
2 2 3−λ
 
−(1 + λ) 0 1+λ
=f1 −f3 det  2 1−λ −2 
2 2 −3 − λ

18
  
−(1 + λ) 0 1+λ
=f2 −f3 det  0 −(1 + λ) (1 + λ) 
2 2 −3 − λ

De esta manera para generar el polinomio caracterı́stico, utilizamos Sarrus,

+ + +
−(1 + λ) 0 (1 + λ) −(1 + λ) 0

0 −(1 + λ) (1 + λ) 0 −(1 + λ)

2 2 3−λ 2 2
− − −

p(λ) = (−(1 + λ)2 (3 + λ) + 4(1 + λ)2

= (1 + λ)2 (−3 − λ + 4)
= (1 + λ)2 (1 − λ)

Como p(λ) = (1 + λ)2 (1 − λ), los valores de λ son λ1 = −1 de multiplicidad 2 y λ2 = 1 de

multiplicidad 1.

c) Para determinar que la matriz es diagonalizable podemos determinar que A = P DP −1 ,

de esta manera tendremos que la matriz P es la matriz asociada a los vectores propios y
la matriz D, matriz diagonal, asociada a los valores propios, de esta manera tendremos
     
1 −1 1 1 0 0 1 1 −1
A =  1 1 0  ·  0 −1 0  ·  −1 0 1 
1 0 1 0 0 −1 −1 −1 2
   
1 −1 1 1 1 −1
=  1 1 0  ·  1 0 −1 
1 0 1 1 1 −2
 
1 2 −2
=  2 1 −2 
2 2 −3

Por lo tanto la matriz es diagonalizable

19
Ejercicio 13:

Sea A una matriz simétrica con valores propios −3, −3, 6 y vectores propios asociados:

(1, 0, −2), (0, 1, 2), (2, −2, 1),

respectivamente. Encuentra la matriz A.

Con la información entregada se tiene que:

   −1
1 0 2 −3 0 0 1 0 2
A =  0 1 −2  0 −3 6  0 1 −2
−2 2 1 0 0 6 −2 2 1
 
1 0 2
Ahora, por medio de la matriz aumentada determinamos la matriz inversa de B =  0 1 −2,
−2 2 1
−1
ya que si (B|I) ∼ (I|C), entonces C = B .
   
1 0 2 | 1 0 0 1 0 2 | 1 0 0
f3 →f3 +2f1
 0 1 −2 | 0 1 0 ∼ 0 1 −2 | 0 1 0
−2 2 1 | 0 0 1 0 2 5 | 2 0 1
 
1 0 2 | 1 0 0
f3 →f3 −2f2
∼ 0 1 −2 | 0 1 0
0 0 9 | 2 −2 1
 
f3 → 91 f3
1 0 2 | 1 0 0
∼ 0 1 −2 | 0 1 0 
0 0 1 | 29 − 29 19
 
1 0 2 | 1 0 0
f2 →f2 +2f3
∼ 0 1 0 | 4 5
− 29 
9 9
0 0 1 | 92 − 29 1
9
1 0 0 | 59 4
− 29
 
f1 →f1 −2f3 9
∼ 0 1 0 | 4 5
− 29 
9 9
2 2 1
0 0 1 | 9 −9 9
−1  5 4
− 29
 
1 0 2 9 9
Entonces,  0 1 −2 =  49 5
9 − 29 . Luego, multiplicando las matrices se tiene
−2 2 1 − 29 − 92 1
9
que:
 5 4
− 29
    
1 0 2 −3 0 0 9 9 1 −4 2
A =  0 1 −2  0 −3 6  94 5
9 − 2
9 = −4 1 −2 .
−2 2 1 0 0 6 − 29 − 29 1
9 2 −2 −2

20
Ejercicio 14:

Sea A ∈ Mn (R) una matriz diagonalizable tal que A = P DP −1 , donde D es una

matriz
 diagonal. Demuestra que
 los polinomios caracterı́sticos de A y D son iguales.
1
Ayuda : det P −1 =


.
det(P )

Si λ es un valor propio de A se tiene que |A−λI2 | = 0. Luego, como A = P DP −1 , y considerando

I2 = P P −1 , se tiene que:

0 = |A − λI2 |
= |P DP −1 − λP P −1 |
= |P (D − λI2 )P −1 |
= |P | · |D − λI2 | · |P −1 |
= |P | · |P −1 | · |D − λI2 |
1
= |P | · −1 · |D − λI2 |
|P |
= |D − λI2 |

Ası́, |D − λI2 | = 0, lo que en particular implica que λ es un valor propio de D. Además, también
se puede observar que los polinomios caracterı́sticos de A y D son iguales: p(λ) = |A − λI2 | =
|D − λI2 |, tal como solicita el ejercicio.

21
Ejercicio 15:

Considera la matriz:  
2 2 −3a
A =  2 −1 −3  ; a ∈ Z+
−a −1 1
 
−a
Se sabe que ⃗v1 = −1 es un vector propio asociado al valor propio λ1 = 6.
1

1. Determina el valor de a.

2. Determina todos los valores propios de A.

3. Verifica si A es diagonalizable, de serlo, determine las matrices P y D tales que:

A = P DP −1

y encuentra una expresión que permita calcular A2020 .

 
−a
Para determinar el valor de la constante a sabemos que ⃗v1 = −1 es un vector propio asociado
1
al valor propio λ1 = 6, esto es:
    
2 2 −3a −a −a
A⃗v1 = 6⃗v1 ⇒  2 −1 −3  −1 = 6 −1
−a −1 1 1 1
   
−2a − 2 − 3a −6a
⇔  −2a + 1 − 3  =  −6 
a2 + 1 + 1 6
a =2
⇒ a =2
a2 = 4
⇒ a = 2.
 
2 2 −6
Por lo tanto, la matriz A es definida por A =  2 −1 −3.
−2 −1 1
Ahora, vamos a determinar los valores propios de A: Sea λ un número real o complejo, tal que
|A − λI3 | = 0:
 
2 − λ 2 −6 
−1 − λ −3  = (λ + 2)2 (λ − 6) = 0

|A − λI3 | =  2
 −2 −1 1 − λ

Entonces, A posee dos valores propios λ1 = −2 y λ2 = 6, con multiplicidades algebraicas 2 y 1,

respectivamente.

22
  
x
Para λ1 = −2, vamos a determinar los vectores ⃗v = y  ̸= ⃗0 tal que A⃗v = −2⃗v :
z

2x + 2y − 6z = −2x −4x + 2y − 6z = 0
−4x + 2y − 6z = 0
2x − y − 3z = −2y ⇔ 2x + y − 3z = 0 ⇔
2x + y − 3z = 0
−2x − y + z = −2z −2x − y + 3z = 0
⇔ y = 3z − 2x, ∀x, z ∈ R.

Por lo tanto, el conjunto solución del sistema está dado por:

S−2 = (x, y, z) ∈ R3 : y = 3z − 2x


= {(x, 3z − 2x, z) : x, z ∈ R}
= {x(1, −2, 0) + z(0, 3, 1) : x, z ∈ R}
= ⟨{(1, −2, 0), (0, 3, 1)}⟩
 
x
Para λ2 = 6, vamos a determinar los vectores ⃗v = y  ̸= ⃗0 tal que A⃗v = 6⃗v :

z

2x + 2y − 6z = 6x −4x + 2y − 6z = 0
2x − y − 3z = 6y ⇔ 2x − 7y − 3z = 0 .
−2x − y + z = 6z −2x − y − 5z = 0

Sumando las dos últimas ecuaciones se tiene que z = −y. Reemplazando en la primera ecuación
se tiene que x = 2y. Por último reemplazando el las últimas ecuaciones para determinar el
valor de y solo se tiene dos tautologı́as, lo que no otorga información adicional. Por lo tanto, el
conjunto solución del sistema está dado por:

S6 = (x, y, z) ∈ R3 : x = 2y, z = −y


= {(2y, y, −y) : y ∈ R}
= {y(2, 1, −1) : y ∈ R}
= ⟨{(2, 1, −1)}⟩

Con ello, concluimos que la matriz A es diagonalizable, debido a que las multiplicidades geométri-
cas y algebraicas son iguales para cada valor propio.
Ası́, podemos reescribir la matriz A de la forma:
   −1
1 0 2 −2 0 0 1 0 2
A = P DP −1 = −2 3 1   0 −2 0 −2 3 1 
0 1 −1 0 0 6 0 1 −1

Por último, al elevar la matriz A a 2020 se tiene que:

   2020  −1
1 0 2 (2) 0 0 1 0 2
A = −2 3 1   0 (2)2020 0  −2 3 1 
0 1 −1 0 0 (6)2020 0 1 −1

23
Ejercicio 16:

Determina el valor de verdad de cada una de las siguientes afirmaciones: Una matriz es
diagonalizable si:

a) sus vectores propios son linealmente dependientes.

b) la multiplicidad algebraica y geométrica de cada vector propio es distinta.

c) la matriz es simétrica y tiene coeficientes reales.

a) Falso, pues son linealmente independientes.

b) Falso, pues deben coincidir.

c) Verdadero.

24
Ejercicio 17:

Considera la matriz:  
2 2 −3a
A =  2 −1 −3  ; a ∈ Z+
−a −1 1
 
−a
Se sabe que v1 = −1 es un vector propio asociado al valor propio λ1 = 6.
1

a) Determina el valor de a.

b) Determina todos los valores propios de A.

c) Verifica si A es diagonalizable, de serlo, determine las matrices P y D tales que:

A = P DP −1

y encuentra una expresión que permita calcular A2020 .

 
−a
a) Determina el valor de a. Por dato sabemos que: v1 = −1 es un vector propio asociado

1
al valor propio λ1 = 6, entonces
    
2 2 −3a −a −a
Av1 = 6v1 ⇒  2 −1 −3  −1 = 6 −1
−a −1 1 1 1
    
2 2 −3a −a −6a
⇔  2 −1 −3  −1 =  −6 
−a −1 1 1 6
   
−2a − 2 − 3a −6a
⇔ −2a + 1 − 3 = −6 
  
a2 + 1 + 1 6
   
−5a − 2 −6a
⇔ −2a − 2 = −6 
  
a2 + 2 6
a =2
⇔ a =2 ⇒ a = 2.
a = ±2

b) Determina todos los valores propios de A.

Como a = 2, entonces:
 
2 2 −6
A =  2 −1 −3
−2 −1 1

25
 Luego, λ ∈ C es un valor propio de A si y solo si es una raı́z del polinomio caracterı́stico:
 
2 − λ 2 −6 

p(λ) = 0 ⇒ p(λ) = |A − λI3 | =  2 −1 − λ −3  = 0
 −2 −1 1 − λ
⇔ (λ + 2)2 (λ − 6) = 0.
⇔ λ1 = −2 ∧ λ2 = 6.

c) Verifica si A es diagonalizable, de serlo, determine las matrices P y D tales que:

A = P DP −1

y encuentra una expresión que permita calcular A2020 .

Para determinar si la matriz es diagonalizable tenemos que las multiplicidades geométri-
ca (mg (λ)) y algebraica (ma (λ)) para cada valor propio debe ser igual. Del cálculo del
polinomio caracterı́stico de A tenemos que:

p(λ) = (λ + 2)2 (λ − 6) ⇒ ma (−2) = 2 ∧ ma (6) = 1.

Ahora, determinamos los vectores propios asociados

 a cada
 valor propio:
x 0
Para λ1 = −2 debemos determinar los vectores y  ̸= 0 tales que:
z 0
    
2 2 −6 x x 2x + 2y − 6z = −2x
 2 −1 −3 y  = −2 y  ⇔ 2x − y − 3z = −2y ⇔ x = − 1 y + 3 z, y, z ∈ R.
2 2
−2 −1 1 z z −2x − y + z = −2z

El subespacio propio asociado está dado por

 
3 1 3
S−2 = (x, y, z) ∈ R : x = − y + z
2 2
  
1 3
= − y + z, y, z : y, z ∈ R
2 2
    
1 3
= − y, y, 0 + z, 0, z : y, z ∈ R
2 2
     
1 3
= y − , 1, 0 + z , 0, 1 : x ∈ R
2 2
   
1 3
= − , 1, 0 , , 0, 1
2 2
Por lo tanto, la multiplicidad geométrica de λ1 = −2 
es 2,
 mg
(−2) = 2.
x 0
Ahora, para λ2 = 6 debemos determinar los vectores y  ̸= 0 tales que:
z 0
    
2 2 −6 x x 2x + 2y − 6z = 6x
 2 −1 −3 y  = 6 y  ⇔ 2x − y − 3z = 6y ⇔ x = −2z, y = −z, z ∈ R.
−2 −1 1 z z −2x − y + z = 6z

26
El subespacio propio asociado está dado por

S6 = (x, y, z) ∈ R3 : x = −2z, y = −z


= {(−2z, −z, z) : z ∈ R}
= {z (−2, −1, 1) : z ∈ R}
= ⟨(−2, −1, 1)⟩

Por lo tanto, la multiplicidad geométrica de λ2 = 6 es 2, mg (6) = 1.

En resumen:

ma (−2) = mg (−2) = 2 ∧ ma (6) = mg (6) = 1.

Por lo tanto, A es una matriz diagonalizable:

   1 3   1 3 −1
2 2 −6 − 2 2 −2 −2 0 0 − 2 2 −2
A=  2 −1 −3 =  1 0 −1  0 −2 0  1 0 −1
−2 −1 1 0 1 1 0 0 6 0 1 1
 1 3 
− 2 2 −2
Para calcular la matriz inversa de P =  1 0 −1 aplicamos la matriz ampliada:
0 1 1
 1 3   
− 2 2 −2 1 0 0 1 0 −1 0 1 0
↔f2
 1 0 −1 0 1 0  f1 ∼  − 1 3 −2 1 0 0 
2 2
0 1 1 0 0 1 0 1 1 0 0 1
 
f2 →f2 + 12 f1
1 0 −1 0 1 0
∼  0 3 −5 1 1 0 
2 2 2
0 1 1 0 0 1
 
1 0 −1 0 1 0
f2 ↔f3
∼  0 1 1 0 0 1 
0 32 − 52 1 21 0
 
3
f3 ↔f3 − 2 f2
1 0 −1 0 1 0
∼  0 1 1 0 0 1 
0 0 −4 1 12 − 32
 
1
f3 →− 4 f3
1 0 −1 0 1 0
∼  0 1 1 0 0 1 
0 0 1 − 4 − 18 83
1

1 0 0 − 14 7 3
 
f1 →f1 +f3 8 8
∼  0 1 1 0 0 1 
0 0 1 − 14 − 18 38
1 0 0 − 14 7 3
 
f2 →f2 −f3 8 8
∼  0 1 0 1 1 5 
4 8 8
0 0 1 − 14 − 18 38
 1 7 3

−4 8 8
Por lo tanto, P −1 =  14 1
8
5
8 .
− 4 − 8 38
1 1

27
Por último, usamos esta representación diagonal de la matriz A para calcular A2020 :
   1 3   1 7 3

2 2 −6 − 2 2 −2 −2 0 0 −4 8 8
A =  2 −1 −3 =  1 0 −1  0 −2 0  14 1
8
5
8 /(·)2
1 1 3
−2 −1 1 0 1 1 0 0 6 −4 −8 8
   1 3  2020  1 7 3

2 2 −6 − 2 2 −2 −2 0 0 −4 8 8
A2020 =  2 −1 −3 =  1 0 −1  0 −2 0  1
4
1
8
5
8
−2 −1 1 0 1 1 0 0 6 − 14 − 18 83
   1 3   2020  1 7 3

2 2 −6 − 2 2 −2 2 0 0 −4 8 8
A2020 =  2 −1 −3 =  1 0 −1  0 22020 0   41 1
8
5
8
−2 −1 1 0 1 1 0 0 62020 − 41 − 18 38

28
Ejercicio 18:
 
2 0
Calcula A9 , donde A = .
3 1

Antes de calcular A9 vamos a diagonalizar la matriz A.

Cálculo de los valores propios: Sea λ un número real o complejo que satisface la ecuación:
 
2 − λ 0 
|A − λI2 | = 0 ⇔ 
 = (λ − 1)(λ − 2) = 0 ⇔ λ = 1 ∨ λ = 2.
3 1 − λ
   
x 0
Para λ = 1 vamos a determinar los vectores propios ⃗v = ̸= tal que A⃗v = λ⃗v :
y 0
    
2 0 x x
= ⇔ x = 0, y ∈ R.
3 1 y y

Luego, el subespacio propio asociado es S1 = ⟨{(0, 1)}⟩.

   
x 0
Para λ = 2 vamos a determinar los vectores propios ⃗v = ̸= tal que A⃗v = λ⃗v :
y 0
    
2 0 x 2x
= ⇔ y = 3x, x ∈ R.
3 1 y 2y

Luego, el subespacio propio asociado es S2 = ⟨{(1, 3)}⟩.

Ası́,
   −1
0 1 1 0 0 1
A=
1 3 0 2 1 3

Entonces,
   −1
0 1 1 0 0 1
A9 =
1 3 0 29 1 3

29
Ejercicio 19:

Determina explı́citamente los subespacios propios de la matriz obtenidos en el proceso de

diagonalización de la matriz:  
3 0 −1
0 1 0
2 0 0

 
3 0 −1
Comenzamos calculando los valores propios de la matriz A = 0 1 0 . Sea λ un número
2 0 0
tal que |A − λI3 | = 0, esto es:
 
3 − λ 0 −1     
1 − λ 0  0 1 − λ
 = (λ − 1)2 (λ − 2) = 0

0= 0
 1 − λ 0  = (3 − λ) 
 
 − 2
 
0 −λ 0 
 2 0 −λ

Ası́, los valores propios de la matriz A son λ1 = 1 con multiplicidad algebraica 2, y λ2 = 2 con
multiplicidad algebraica 1.
Ahora procedemos a determinar los vectores propios  asociados:
  
x 0
Para λ1 = 1 debemos determinar los vectores ⃗v = y ̸= 0 tales que A⃗v = λ1⃗v . Esto es,
  
z 0
    
3 0 −1 x x 3x − z = x
0 1 0  y  = y  ⇒ y = y ⇔ x, y ∈ R, z = 2x.
2 0 0 z z 2x = z

Por lo tanto, el subespacio propio asociado está dado por:

*0 1+
 
S1 =  1 , 0
  
0 2
 

   
x 0
Para λ2 = 2 debemos determinar los vectores ⃗v = y ̸= 0 tales que A⃗v = λ2⃗v . Esto es,
  
z 0
    
3 0 −1 x x 3x − z = 2x
0 1 0   y  = 2  y  ⇒ y = 2y ⇔ x ∈ R, y = 0, z = x.
2 0 0 z z 2x = 2z

Por lo tanto, el subespacio propio asociado está dado por:

*1+
 
S2 = 0
1
 

30
Ejercicio 24:

Sea A una matriz simétrica con valores propios λ1 = −3, λ2 = −3, λ3 = 6 y vectores
propios asociados (1, 0, −2), (0, 1, 2) y (2, −2, 1), respectivamente. Encuentra la matriz A.

Si A es una matriz simétrica, entonces A es diagonalizable, es decir

Existe una matriz P = [Vλ1 Vλ2 Vλ3 ] invertible formada por vectores propios de A y D una
matriz diagonal, cuya diagonal principal esta formada por los valores propios de A, tal que

     −1
1 0 2 −3 0 0 1 0 2
A = P · D · P −1 =  0 1 −2 ·  0 −3 0 ·  0 1 −2
−2 2 1 0 0 6 −2 2 1

Hallando la matriz inversa de P , se tiene

   
1 0 2 | 1 0 0 1 0 2 | 1 0 0
f3 →f3 +2f1
(P | I) = 0 1 −2 | 0 1 0
  ∼  0 1 −2 | 0 1 0
−2 2 1 | 0 0 1 0 2 5 | 2 0 1
   
1 0 2 | 1 0 0 1 0 2 | 1 0 0
f3 →f3 −2f2 f3 →(1/9)f3
∼ 0 1 −2 | 0 1 0  ∼  0 1 −2 | 0 1 0 
0 0 9 | 2 −2 1 0 0 1 | 2/9 −2/9 1/9
 
1 0 2 | 1 0 0
f2 →f2 +2f3
∼ 0 1 0 | 4/9 5/9 2/9
0 0 1 | 2/9 −2/9 1/9
 
1 0 0 | 5/9 4/9 −2/9
f1 →f1 −2f3
∼ 0 1 0 | 4/9 5/9 2/9  = (I | P −1 )
0 0 1 | 2/9 −2/9 1/9

Entonces  
5/9 4/9 −2/9
P −1 = 4/9 5/9 2/9 
2/9 −2/9 1/9
Luego
     
1 0 2 −3 0 0 5/9 4/9 −2/9
A=  0 1 −2 ·  0 −3 0 · 4/9 5/9 2/9 
−2 2 1 0 0 6 2/9 −2/9 1/9
   
−3 0 12 5/9 4/9 −2/9
= 0 −3 −12 · 4/9 5/9 2/9 
6 −6 6 2/9 −2/9 1/9
 
1 −4 2
= −4 1 −2
2 −2 −2

31
Ejercicio 26:

Sea T : R2 → R2 definida por T (x, y) = (−3x − y, y − 5x). Encuentre una base de vectores
propios asociados a T .

Si consideramos la base canónica C = {(1, 0), (0, 1)} de R2 , entonces:

T (1, 0) = (−3, −5) = −3(1, 0) − 5(0, 1)

T (0, 1) = (−1, 1) = −(1, 0) + (0, 1)

Luego, la representación matricial de la transformación lineal en dicha base está dada por:
 
−3 −1
[T ]C =
−5 1

Ahora, determinamos los valores propios de la matriz encontrada.

 
−3 − λ −1 
p(λ) =   = 0 ⇔ (−3 − λ)(1 − λ) − 5 = 0
−5 1 − λ
⇔ λ2 + 2λ − 3 − 5 = 0
⇔ λ2 + 2λ − 8 = 0
⇔ (λ + 4)(λ − 2) = 0
⇔ λ = 4 ∨ λ = −2.

Para λ = −4 procedemos a determinar los vectores (x, y) ̸= (0, 0) tales que

    
−3 −1 x −4x −3x − y = −4x
= ⇔ ⇔ y = x, x ∈ R.
−5 1 y −4y −5x + y = −4y

Entonces, el subespacio propio está dado por S−4 = ⟨{(1, 1)}⟩.

Para λ = 2 procedemos a determinar los vectores (x, y) ̸= (0, 0) tales que
    
−3 −1 x 2x −3x − y = 2x
= ⇔ ⇔ y = −5x, x ∈ R.
−5 1 y 2y −5x + y = 2y

Entonces, el subespacio propio está dado por S2 = ⟨{(1, −5)}⟩.

Ası́, concluimos que {(1, 1), (1, −5)} es una base de R2 considerando vectores propios asociados
a T.

32
Ejercicio 27:

Sea la matriz
 
2 1 1
A= 2 3 2 
3 3 4
Determine si la siguiente afirmación es falsa o verdadera: ”La suma de los valores propios
de A es 9 y cada valor propio tiene un vector propio asociado”

Para determinar el polinomio caracterı́stico recordemos que p(λ) = det(A−λ·1V ), ası́ tendremos

 
2−λ 1 1
p(λ) = det  2 3−λ 2 
3 3 4−λ
 
2−λ 1 0
=c3 −c2 det  2 3 − λ −(1 − λ) 
3 3 1−λ
 
2 − λ −(1 − λ) 0
=c2 −c1 det  2 1−λ −(1 − λ) 
3 0 1−λ
De esta manera para generar el polinomio caracterı́stico, utilizamos Sarrus,

+ + +
2−λ −(1 − λ) 0 2−λ (1 − λ)

2 1−λ −(1 − λ) 2 1−λ

3 0 4−λ 3 0
− − −

p(λ) = (2 − λ)(1 − λ)2 + 3(1 − λ)2 + 0 − 0 − 0 + 2(1 − λ)2

= (1 − λ)2 (2 − λ + 3 + 2)
= (1 − λ)2 (7 − λ)

Como p(λ) = (1 − λ)2 (7 − λ), los valores de λ son λ1 = 1 de multiplicidad 2 y λ2 = 7 de

multiplicidad 1. Si sumamos los λ obtenidos tendremos

λ1 + λ2 + λ3 = 1 + 1 + 7 = 9
Por lo cual parte de la expresión es verdadera. Para determinar vectores propios, para λ = 1,
tendremos

33
  
1 1 1 0
 2 2 2 0 
3 3 3 0
ası́se obtiene que las tres filas poseen dependencias lineales, por lo cual,
     
x −1 −1
y  = y ·  1  + z ·  0 
z 0 1
obteniendo un vector propio de λ = 1,

Vλ=1 =< {(−1, 1, 0); (−1, 0, 1)} >

De igual forma, para λ = 7, tendremos
 
−5 1 1 0
 2 −4 2 0 
3 3 −3 0
ası́ se obtiene,
   
x 1/3
y  = z · 2/3
z 1
obteniendo un vector propio de λ = 2,

Vλ=1 =< {(1/3, 2/3, 1))} >

Como la multiplicidad de los valores propios coincide con la de vectores propios, por lo cual la
segunda parte también es verdadera.

34