Algebra Lineal

Matemáticas III (MA-1116), Univ. Simón Bolı́var

Preparado, resuelto y tipeado en LATEX por Axel Voza

E n esta guı́a para MA-1116 presentamos, ordenados por tópicos según el programa, una colección de
problemas extraı́dos de parciales anteriores (marcados con un * al comienzo de la pregunta), ası́ como una
serie de demostraciones adicionales.
En algunos casos, cuando el tiempo lo permitió, se incluyen algunas respuestas. Pero el lector de esta guı́a
debe tratar de hacer el ejercicio en primer lugar sin consultar la respuesta. En cuanto a las demostraciones,
todas tratan de unificar la teorı́a vista en clase y muestran que, si se hacen el en orden de aparición, la
mayorı́a de los teoremas del Algebra Lineal son equivalencias de varias partes. Por ejemplo, se verá que un
si el sistema Ax = 0 tiene la solución trivial, con A una matriz cuadrada de orden n y x un vector, entonces
todos los siguientes resultados se cumplen simultáneamente:
• El determinante de A es distinto de cero;
• La matriz A es invertible;
• El rango de A es n;
• El sistema Ax = b tiene solución única para todo b ∈ Rn ;
• El espacio nulo de A es el { 0 };
• El autovalor λ = 0 no es raı́z del polinomio caracterı́stico de A.
Las preguntas marcadas con † deben hacerse obligatoriamente si se quiere avanzar en la resolución de los
ejercicios posteriores, ya que se trata de enunciados donde se definen matrices especiales que se usarán fre-
cuentemente. Independientemente si el lector las haya visto en clase o en algún libro de texto, dicha pregunta
informa por completo las caracterı́sticas completas (o propone que se demuestren) de dichas matrices.
Pretendemos, finalmente, que esta guı́a se tome solo después de hacer los ejercicios correspondientes del
libro de texto, el Grossman. El autor de esta guı́a pide disculpas de antemano por cualquier error se pueda
conseguir en el texto o en las respuestas de los ejercicios, y agradece que le sean comunicados para la futura
corrección.

1 Introducción al cálculo matricial

Se define una matriz A ∈ Mn×m (R) como un arreglo rectangular de nm números reales (llamados entradas
de la matriz) de la forma  
a11 a12 · · · a1m
 a21 a22 · · · a2m 
 
A= . .. .. ..  ,
 .. . . . 
an1 an2 · · · anm

1
2 MA-1116, Guı́a de Ejercicios
o también en forma simbólica como (A)ij = aij (i = 1, . . . , n, j = 1, . . . , m). Las entradas para las cuales
i = j se llaman diagonal de la matriz. Al número n × m se le llama el órden de la matriz.

1. Demostrar, usando directamente la definición de producto matricial, que si A ∈ Mm×n (R), B, D ∈

Mn×p (R) y C ∈ Mp×q (R), entonces A(BC) = (AB)C y A(B + D) = AB + AD.

2. Este ejercicio muestra que la multiplicación de matrices no es conmutativa:

(a) † Hallar A, B ∈ M2 (R) tales que AB = O2 pero BA 6= O2 (de ahora en adelante, On denotará la
matriz cero de orden n, tal que aij = 0, ∀ i, j = 1, . . . , n ).
(b) Si AB = AC para ciertas matrices A, B, C ∈ Mn (R), ¿implica necesariamente que B = C ?
(Sugerencia: use la parte anterior); esto muestra que tampoco podemos estar seguros de la ley
de cancelación matricial.
(c) † Se dice que una matriz es diagonal si aij = 0, ∀ i 6= j y se denota como
 
a1 0 · · · 0
 0 a2 · · · 0 
 
D(a1 , a2 , . . . , an ) =  .. .. . . ..  .
 . . . . 
0 0 ··· an

Demostrar que el producto de matrices diagonales es otra vez diagonal, y que si denotamos
D(a, a, . . . , a) = D(a) a la matriz escalar (es decir, D(a) = aIn , un múltiplo de la matriz
identidad), entonces D(a)M = MD(a), ∀ M ∈ Mn (R). Esto muestra que si uno de los factores
es una matriz escalar, entonces el producto matricial es conmutativo. (En un ejercicio más
adelante se pedirá una demostración del recı́proco.)
(d) El tamaño de las matrices usadas en las partes anteriores sugiere la siguiente generalización: si
A ∈ Mm×n (R) y el producto AB y BA está bien definido, demostrar que B ∈ Mn×m (R).

3. * Decir cuáles de las siguientes afirmaciones son verdaderas y cuáles son falsas para matrices cuadradas
A y B.

(a) Si A, B 6= On , entonces AB 6= On .
(b) Los elementos de la diagonal de AB son los mismos que los de la diagonal de BA.
(c) La igualdad AB + BA = On sólo puede ser cierta si A = On ó B = On .
(d) Exiten matrices A y B para las cuales AB − BA = In .

Respuesta: (a,b,c) falsas.

4. Dadas µ ¶ µ ¶ µ ¶ µ ¶
2 1 −1 1 0 1 3 0
A= , B= , C= yD= ,
0 3 2 1 −1 1 0 8
hallar el valor de la matriz X solución de las ecuaciones siguientes:

(a) (X − A)(C − B) = O2 (¿es X = A ?)

(b) 2X − AC = B
(c) X2 = A(B − C)
(d) X2 + 2X − D = O2 (Sugerencia: usar la resolvente)
Algebra Lineal 3
µ ¶
3y − 1 y
Respuesta: (a) X = , con y, w ∈ R.
3w − 9 w
5. A veces es útil evaluar una matriz en un polinomio. Esto se puede hacer siempre que la matriz sea
cuadrada, ya que al evaluar las potencias de A ∈ Mn×m (R) es necesario que por lo menos A2 tenga
sentido, en cuyo caso tenemos n = m. Además, un término independiente en dicho polinomio se debe
entender como a0 = a0 In = D(a0 ) (con D(a0 ) la matriz escalar). Determinar cuál de las siguientes
matrices es raı́z del polinomio p(x) = x3 − x2 + x − 1:
 
0 1 0
(a) A = In (d) A =  0 0 1 
µ ¶
0 0 1 0 0
(b) A =  
0 1
µ ¶ 1 0 0
i 0 √ (e) A =  0 1 0 
(c) A = , con i = −1
0 i 1 0 −1

6. Calcular An (en algunos casos, usando el principio de inducción) si

µ ¶
cos θ − sen θ
(a) A ∈ Mk (R) tal que aij = 0, ∀ i, j = (f) † A =
sen θ cos θ
1, . . .µ
,k  
¶ 0 1 1
1 1
(b) A = (g) A =  1 0 1 
1 1
µ ¶ 1 1 0
1 1  
(c) A = 1 t t2 /2
0 0
µ ¶ (h) A =  0 1 t 
1 −1 0 0 1
(d) A =
−1 1  
µ ¶ 1 2 −1
α 1 (i) A =  −2 −4 2 
(e) A =
0 α −4 −8 4
µ ¶
αn nαn−1
Respuesta: (d) An= 2n−1 A;
(e) A = ; (f) An resulta una matriz igual que A, pero
0 αn
reemplazando θ por nθ; (h) Si escirbimos A = A(t), entonces An (t) = A(nt); (i) An = A.

7. Sea A ∈ Mn (R) tal que A = B + C, donde C2 = On y B, C conmutan. Demostrar que para todo p ∈ N
se tiene Ap = Bp−1 (B + pC).

8. † Sea R(θ) la matriz del ejercicio § 6f. A esta matriz se le llama matriz de rotación en R2

(a) Demostrar que la aplicación v 7→ R(θ)v, con v = (x, y)T ∈ R2 , rota el vector v en un ángulo θ
radianes, ∀ θ ∈ [0, 2π).
(b) Según la parte anterior, es lógico pensar que v 7→ R(θ)R(φ)v es una rotación de θ radianes
seguida de otra rotación de φ radianes. En efecto ası́ es; demostrar que R(θ)R(φ) = R(θ + φ).
(c) También serı́a lógico pensar que para devolver el vector w = R(θ)v a su posición original, habrı́a
?
que rotarlo −θ radianes, de modo de obtener w 7→ R(−θ)w = R(−θ)R(θ)v = v. Demostrar que
esta aplicación se compota de esta forma, es decir, demostrar que R(−θ)R(θ) = R(θ)R(−θ) = I2
(aquı́ se debe recordar que I2 v = v es una aplicación vectorial que “no le hace nada” al vector
v).
(d) Esta pregunta está algo adelantada, pero el lector que recuerde parametrizaciones de curvas
(MA-1112) puede hacerla con tranquilidad. Sea H = { (x, y) ∈ R2 | x2 − y2 = 2 } una curva
4 MA-1116, Guı́a de Ejercicios
hiperbólica. Demostrar que si v ∈ H, entonces R(π/4)v es una aplicación de H sobre la curva
H 0 = { (x, y) ∈ R2 | xy = 1 }, es decir, R(π/4) rota la
√ hipérbola
2 2
√ x − y T = 2 en la hipérbola
T
equilátera y = 1/x (Sugerencia: denote v = (x, y) = ( 2 cosh t, 2 senh t) , para t ∈ R ).

9. † Una matriz N ∈ Mn (R) se dice nilpotente si Nk = On para todo entero k ≥ m pero Nk 6= On si

k < m. Esto es, existe un entero m tal que Nm (y todas sus potencias sucesivas) son la matriz cero.
A este entero m se le llama grado de nilpotencia.

(a) Demostrar que las siguientes matrices son nilpotentes y hallar su grado de nilpotencia:
 
1 1 3  
−1 −3 −4
i. A =  5 2 6 
iii. A =  −1 3 4 
−2 −1 −3
  1 −3 −4
0 1 −1 2  
 0 0 0 1 1
3 −2 
ii. A = 
 0 0
 iv. A =  0 0 1 
0 4 
0 0 0
0 0 0 0
(b) Una matriz es triangular estrictamente superior si tiene la forma
 
0 a12 · · · a1n
 0 0 ··· a2n 
 
 .. .
.. . .. .. 
S= . .  ,
 
 0 0 · · · am−1,n 
0 0 ··· 0 m×n

es decir, si aij = 0 para i ≥ j pero no todos los aij son cero si i < j (un ejemplo de ellas es la matriz
(ii) de la parte anterior). Si S es triangular estrictamente superior y de orden n, demostrar que S
es nilpotente de grado n de nilpotencia. ¿Puede el lector definir la matriz triangular estrictamente
inferior y probar un resultado análogo al anterior?

10. † Si A ∈ Mm×n (R), se define la matriz transpuesta como AT ∈ Mn×m (R) de modo que (AT )ij = aji .

(a) Chequear que ITn = In , OTn = On , D(a1 , . . . , an )T = D(a1 , . . . , an ) y que la transpuesta de una
matriz triangular estrictamente superior es estrictamente inferior.
(b) Demostrar que ∀ A ∈ Mn (R), (AT )T = A.
(c) Demostrar que si A, B tienen los tamaños apropiados, (AB)T = BT AT .
(d) ¿Será ciero que si A y B tienen los mismos órdenes se cumple que (A+B)T = AT +BT ? Demostrar
esta afirmación o poner un contraejemplo.
(e) ¿Para qué matrices cuadradas es cierto que AT A = On ? (Sugerencia: analizar primero la
diagonal de AT A ).

Respuesta: (e) Sólo para A = On .

11. † Una matriz A ∈ Mn (R) se dice simétrica si AT = A y B ∈ Mn (R) es antisimétrica si BT = −B.

(a) Dar una caracterización de cada una de ellas en términos de sus entradas.
(b) Deducir de la parte anterior que si B es antisimétrica, entonces todos los elementos de la diagonal
son cero.
(c) Si A ∈ Mn (R) es arbitraria, demostrar que B = A + AT es simétrica y que C = A − At es
antisimétrica.
Algebra Lineal 5
(d) Deducir de la parte anterior que toda matriz A cuadrada se puede descomponer como la suma
de una matriz simétrica y una antisimétrica (Sugerencia: notar que A = 21 (2A) = 21 (A + AT +
A − AT ) ). Este resultado es el análogo a la descomposición de una función real en suma de una
función par y una impar, según el lector lo recordará de MA-1111.

12. † Si A ∈ Mn (R), se llama la traza de A a la suma de los elementos de la diagonal, es decir, trz A =
Xn
aii . Demostrar que:
i=1

(a) Si k ∈ R, trz(kA) = k trz A. n

X
(b) trz(A + B) = trz A + trz B. (d) trz(AAT ) = |aij |2 .
i,j=1
(c) trz(AB) = trz(BA).

13. * Sean L y H matrices de n × n tales que LH = On , LT = L y L + H = In . Demostrar que

(a) HT = H (c) L2 = L
(b) HL = On (d) H2 = H

2 Sistemas lineales y método de reducción Gauss–Jordan

14. * Determinar los valores de λ para que los sistemas

 
 5x1 + 2x2 − x3 = 1  4x1 + x2 − λx3 = λ
(a) 2x1 + 3x2 + 4x3 = 7 (b) x + x2 − λx3 = 1
  1
4x1 − 5x2 + λx3 = λ−5 λx2 − x3 = 2λ − 5

i) sea inconsistente (es decir, no tenga soluciones);

ii) tenga solución única (y hallarla);
iii) tenga infinitas soluciones (y hallarlas).

15. Hallar el espacio de soluciones (si existe) de los siguientes sistemas de ecuaciones:
         
1 2 3 x 3 1 2 3 x 3
(a)  2 5 9   
y = 5   (f)  2 5 9    
y = 5
1 4 10 z 7 0 −1 −3 z 1
 
 x + 2y + z = 2
  x1 + 2x2 − 3x3 − 4x4 = 6
 (g) x1 + 3x2 + x3 − 2x4 = 4
3x + 2y − z = 1
(b) 

 4x − 3y − z = 3 2x1 + 5x2 − 2x3 − 5x4 = 10
     
2x + 4y + 2z = 4 1 3 5 4 x1 5
   2 8 14 12  x2   17 
µ ¶ x µ ¶
1 −2 3   4 (h)     
 2 6 11 11  x3  =  14 
(c) y =
1 1 2 5 1 9 14 7 x4 15
z

(d) x − y = y − z = z − x = 1 
 x + 2y + z = 0
 
 x1 + x2 + x3 + x4 = 0 2x + 5y + 9z = 0
(i)
(e) x + 3x2 + 2x3 + x4 = 0 
 x + 4y + 10z = 0
 1 
7y + 29z = 0
2x1 + x3 − x4 = 0
6 MA-1116, Guı́a de Ejercicios
µ ¶
14 7 1 1
Respuesta: En todos los casos, t ∈ R: (a) (x, y, z) = (23, 19, 6); (c) (x, y, z) = − t, + t, t ;
µ ¶ 3 3 3 3
1+t
(d) no tiene solución; (f) (x, y, z) = 4 − t, t, − ; (g) (x1 , x2 , x3 , x4 ) = (10 + 11t, −2 − 4t, t, 0); (i)
3
x1 = x2 = x3 = x4 = 0.

16. †* Sean A ∈ Mn×m (R), b ∈ Mn×1 (R) y x ∈ Mm×1 (R). Demostrar que si xh es la solución del sistema
homogéneo Ax = ~0 y xp es una solución particular del sistema no homogéneo Ax = b, entonces todas
las soluciones del sistema Ax = b son de la forma x = xh + xp .

17. * Este ejercicio muestra cómo se usa la propiedad demostrada en el ejercicio anterior.

 x1 − x2 + 2x3 = 0
(a) Hallar las soluciones del sistema homogéneo 2x + 2x3 = 0
 1
x1 − 3x2 + 4x3 = 0

 x1 − x2 + 2x3 = 1
(b) Hallar la solución particular para x3 = 0 de 2x + 2x3 = 1
 1
x1 − 3x2 + 4x3 = 2
(c) Usar las dos partes anteriores para hallar la solución general del sistema de la parte (b).
(d) Verificar que si se halla ahora la solución particular para x1 = 0 en la parte (b) sin usar la solución
general hallada en (c), esta solución está incluı́da en dicha solución general.

18. * Si A = LU, donde

   
1 0 0 0 1 1 1 1
 2 1 0 0   0 1 1 1 
L=
 2
 y U=
 
 ,
1 1 0 0 0 1 1 
2 1 1 1 0 0 0 1

utilizar esta descomposición de A para resolver el sistema Ax = b, donde b = (1, 1, 1, 1)T .

19. * Sean L y U las matrices definidas como

   
1 0 0 1 −1 1
L= 0 1 0  y U= 0 2 0  .
−1 0 1 0 0 1

Hallar x tal que (A + B)x = b, donde A = LU2 , B = LU y b = (1, 0, −1)T , sin hallar explı́citamente
ningún producto de las matrices definidas anteriormente, sino usando propiedades de la descom-
posición L, U1 .

20. Usar la descomposición LU de la matriz A para resolver el sistema A3 x = b, donde

   
−1 0 1 27
A =  3 1 0  y b =  29  .
−2 0 4 122

Respuesta: x = (−1, 2, 2)T .

1
Este ejercicio y los dos siguientes muestran en realidad la potencia del método LU, ya que se evita hacer reducción por
Gauss–Jordan una y otra vez su una(s) misma(s) matriz(ces).
Algebra Lineal 7
21. † Se define la matriz de Vandermonde de n × n como
 
1 1 ··· 1
 a1 a2 ··· an 
 
 2 a22 a2n 
Vn (a1 , a1 , . . . , an ) =  a1 ···  .
 .. .. .. .. 
 . . . . 
an−1
1 an−1
2 ··· an−1
n

Definir A = V4 (1, 2, 3, 4) ∈ M4 (R) y factorizar A en la forma LDU, donde L y U son matrices

triangulares inferior y superior, respectivamente, con unos en la diagonal, y D es una matriz diagonal.
Usar esto para resolver el sistema Ax = (2, 10, 44, 190)T . Este ejercicio es una pequeña variante del
método LU hasta ahora usado; la idea es reducir a unos también la diagonal de la matriz U, y estas
operaciones quedan compensadas escribiendo la información de la diagonal de A en la matriz D.
 
1 3 5
22. Calcular la descomposición LDU para A =  3 12 18  (Sugerencia: tome en cuenta que A es
5 18 30
simétrica; como regla mnemotécnica, cada paso en el cual se han hecho transformaciones de fila que
dejan una columna de A como pivote, generan una matriz de un orden menor que también es simétrica).
 
2 −1 0
23. * Sea A =  −1 2 −1 .
0 −1 2
(a) Hallar la descomposición única A = LDU de A.
(b) Hallar el vector y en el sistema Ly = (6, 0, −6)T , donde y = DUx.
(c) Usando la parte anterior, resolver Ax = (6, 0, −6)T .
24. † Una matriz P ∈ Mn (R) se llama una permutación si el efecto de multiplicar A ∈ Mn×m (R) por P
es obtener la matriz A con una par de filas intercambiadas. Ası́, si se quiere intercambiar la fila 1 con
la fila 3 en una matriz A de 4 × 4, se debe premultiplicar por
 
0 0 1 0
 0 1 0 0 
P=  1 0 0 0 


0 0 0 1
(verificar que esta y todas las matrices de permutación son la matriz identidad con las filas intercam-
biadas del mismo modo que para el uso que se le va a dar). Esta matriz se usa cuando una matriz A
no puede factorizarse como LU porque uno de los pivotes en la diagonal es cero. Usando este hecho,
hallar la descomposición PA = LU y resolver los sistemas Ax = b dados:
       
2 1 −3 6 1 −2 −1 −3
(a) A =  6 3 −8 , b =  17  (b) A =  3 7 2 , b =  1 
2 −1 5 0 4 −2 −1 2

Respuesta: (a) x = (2, −1, −1)T ; (b) x = (−1, 0, 2)T .

 
0 0 0 1
 3 4 1 4 
25. * Sea A = 
 2 2 0 3 .


1 1 0 1
8 MA-1116, Guı́a de Ejercicios
(a) Convertir A en una matriz B tal que B se pueda factorizar en la forma LU.
(b) Hallar la descomposición LU de B.
(c) Resolver el sistema Ax = (1, 0, 0, 2)T utilizando la descomposición LU de B.
1
26. † Se define la matriz de Hilbert como Hn ∈ Mn (R), de modo que aij = (nótese que toda
i+j−1
matriz de Hilbert es simétrica). Construı́r H3 y resolver el sistema H3 x = ~0,

(a) usando la descomposición LDU, y

(b) usando la reducción Gauss–Jordan.

Respuesta: x = ~0.

27. Un campesino alimenta su ganado con una mezcla de dos tipos de alimento. Una unidad estándard del
tipo A suministra a una cabeza de ganado el 10% de sus requerimientos diarios de proteı́na y 15% de
los carbohidratos. El tipo B contiene en una unidad estándar 12% de proteı́nas y 8% de carbohidratos.
Si el campesino desea dar a sus animales 100% de sus requerimientos mı́nimos, ¿cuántas unidades de
cada alimento debe dar a cada cabeza de ganado diariamente?

28. * En el diagrama adjunto se representa el flujo xi de vehı́culos (en decenas por minuto) que transitan
las calles Ci (i = 1, . . . , 7).

3 1
(a) Usando el hecho de que la cantidad de vehı́culos x5
1 5
que entran por una esquina cualquiera debe ser
x1 x6 x3
igual al número que sale2 , hallar una matriz A
2 1
de 6 × 6 y un vector b de 6 × 1 tal que el sistema
x2 x7 x4
Ax = b describa el flujo de vehı́culos mostrado
5 2
en dicha figura.
8 4
(b) Supongamos que se quieren hacer reparaciones en la calle x5 , de modo que esta calle debe ser
bloqueada. Redenominar el flechado para que el flujo de vehı́culos no cambie alrededor de las
dos cuadras mostradas (Sugerencia: “redenominar” el flechado quiere decir que el sistema de la
parte anterior va a tener “nuevas” soluciones si x5 = 0 ).

29. En el curso de MA-1112 se dijo que si p(x) es un polinomio de grado menor que n, entonces la
descomposición en fracciones simples
p(x) A1 A2 An
n
= + 2
+ ··· +
(x − a) x − a (x − a) (x − a)n
x−1
era válida. Usar el caso concreto de para comprobar que desobedecer esta regla conduce a
(x + 1)3
contradicciones si, por ejemplo,
A3
(a) se omite el término (es decir, se toma A3 = 0 );
(x + 1)3
A2 A2 x + B2
(b) se sustituye el término 2
por .
(x + 1) (x + 1)2
2
Esta propiedad es una modificación obvia de la Ley de Kirchoff para redes.
Algebra Lineal 9
La idea de este ejercicio es convencer al lector que esta conocida regla es aplicable con herramien-
tas matriciales, y que no usarla correctamente se refleja en la naturaleza del sistema de ecuaciones
resultante.

3 La inversa de una matriz y matrices elementales

30. † Se dice que A ∈ Mn (R) es invertible (con inversa denotada A−1 ) si y sólo si AA−1 = A−1 A = In .

(a) Dos matrices B y C de orden m × n se dicen inversa a derecha y a izquierda de A ∈ Mn×m (R)
si AB = In y CA = Im , respectivamente. Demostrar que si A es de orden n y ∃ B, C ∈ Mn (R)
tales que AB = In y CA = In , entonces B = C = A−1 , es decir, las inversas por la izquierda y por
la derecha de una matriz cuadrada son iguales.
(b) Hallar el fallo en la siguiente “demostración”: Sean A, B tales que AB = I. Multiplicando a
derecha por A y a izquierda por B, tenemos B(AB)A = B(I)A, por lo que (BA)(BA) = BA.
Multiplicando entonces por (BA)−1 , tenemos que BA = I. Ası́, si B es inversa a derecha, también
lo es a izquierda.
(c) Si el lector no se ha convencido que uno de los pasos dados en el ejercicio anterior está errado,
analizar si dicha propiedad es cierta para las matrices
 
µ ¶ 1 1
0 1/2 1/2
A= y B =  1 −1  .
0 −1/2 1/2
1 1
µ ¶
1 0 1
(d) Demostrar que la matriz A = no tiene inversa por la izquierda en M3×2 (R), pero
0 1 1
tiene un número infinito de inversas por la derecha en M3×2 (R) (¿por qué?).
(e) * Uno de los criterios básicos para demostrar la existencia de la inversa para una matriz A es que
el sistema Ax = ~0 tenga solamente la solución trivial. Usando este hecho, demostrar que si A y
B son invertibles, entonces AB es invertible y (AB)−1 = B−1 A−1 .

31. En esta pregunta analizamos las inversas de algunas matrices vistas anteriormente.

(a) Hallar condiciones necesarias y suficientes para que la matriz diagonal D(a1 , . . . , an ) sea invertible
y calcular (en términos de los ai ) la inversa de esta matriz.
(b) Si N es una matriz nilpotente de grado k de nipotencia, demostrar que I − N es invertible y que
(I − N)−1 = I + N + N2 + · · · + Nk−1 .
(c) * Demostrar que la matriz de Vandermonde de tercer orden
 
1 1 1
V3 (x1 , x2 , x3 ) =  x1 x2 x3 
x21 x22 x23

es invertible si y sólo si los xi son distintos entre sı́.

32. † Este ejercicio muestra que hacer cálculos con una matriz inversa sin demostrar que existe conduce a
contradicciones. Una matriz de proyección P ∈ Mn (R) es aquella que satisface P2 = P.

(a) Concluı́r que P−1 P2 = P2 P−1 = In .

10 MA-1116, Guı́a de Ejercicios
 
1 0 0
(b) Si P =  0 0 0 , verificar que y = Px es un vector sobre el plano xz y que resulta de
0 0 1
proyectar el vector x sobre dicho plano. ¿Es esta P invertible?

33. * Para cada una de las siguientes matrices:

   
1 1 2 2 3 0
(a) A =  0 0 −3  (b) A =  0 0 −1 
0 7 + 1/a 1 0 2a + 4 1

hallar los valores de a para que A sea invertible y hallar A−1 cuando a = 1.

34. * Si A es invertible y satisface A3 − 3A2 + 7A = I, hallar A−1 .

35. Suponiendo que las matrices B e I − AB son invertibles, demostrar que

B(I − AB)−1 B−1 − B(I − AB)−1 A = I .

36. † Se dice que A ∈ Mn (R) es ortogonal si AT = A−1 .

(a) Demostrar que (AT )−1 = (A−1 )T .

(b) Demostrar que si vi denotan las columnas de una matriz ortogonal, se tiene kvi k2 = 1 y vi ·vj = 0
para i 6= j (Sugerencia: sólo hay que usar la hipótesis de matriz ortogonal en la definición del
producto AA−1 ).
(c) Sea K antisimétrica. Si B = (I + K)(I − K)−1 , demostrar que BT B = BBT = I, es decir, B es
ortogonal. Asumir que I − K es invertible (Sugerencia: demostrar que I − K e I + K conmutan).
(d) * Probar o dar un contraejemplo a la siguiente afirmación: Si P es una matriz de proyección,
entonces Q = I − 2P es ortogonal.

37. † Una matriz por bloques es una matriz que puede ser vista como un arreglo de sub–matrices, es decir,
que se puede escribir como una matriz de matrices. En esta pregunta proponemos uno de los primeros
usos de este tipo de matrices.

(a) Considerar el sistema de ecuaciones



 2x1 − 3x2 + 2x3 + 5x4 = 3

x1 − x2 + x3 + 2x4 = 1
.

 3x 1 + 2x2 + 2x3 + x4 = 0

x1 + x2 − 3x3 − x4 = 0

Verificar que el sistema anterior se puede escribir como

µ ¶µ ¶ µ ¶
A B x b
= ~ ,
C D y 0

para ciertas matrices A, B, C, D de 2 × 2, x = (x1 , x2 )T , y = (x3 , x4 )T y b = (3, 1)T .

(b) ¯
Visto como un sistema numérico, el sistema matricial de la parte anterior se puede escribir como
Ax + By = b
. Demostrar, aprovechando el vector ~0, que y = −D−1 Cx, de modo que
Cx + Dy = ~0
(A − BD−1 C)x = b.
Algebra Lineal 11
(c) Averigüar si la matriz E = A−BD−1 C
es invertible. En caso afirmativo, concluı́r que las soluciones
del sistema son x = E b y y = −D CE−1 b.
−1 −1

38. Con las mismas intenciones del ejercicio anterior, pero trabajando con un sistema no cuadrado, con-
siderar el sistema ¯
2x − 3y + u + 4v − 9w = −13
.
x + 4y − 5u + 2v + w = 10
Escribir este sistema como Ax = b + Eu, con x = (x, y)T , u = (u, v, w)T , b = (−13, 10)T y A, E ciertas
matrices de 2 × 2 y 2 × 3, respectivamente. Usar la inversa de A para resolver el sistema en la forma
x = A−1 b + A−1 Eu. Ası́, y aunque el sistema no sea cuadrado, se puede trabajar con matrices por
bloque, y el producto A−1 Eu expresa la parte de la solución que dá infinitas soluciones.
 
2 −2 1
39. * Sea A =  5 −5 3 .
−10 −2 2

(a) Escribir A en la forma PLU, donde P es una matriz de permutación, L es triangular inferior y U
es triangular superior.
(b) Calcular A−1 usando esta descomposición.

40. † Una matriz elemental E ∈ Mn (R) es aquella que, al multiplicarla a izquierda por el sistema Ax = b
(x, b ∈ Mn×1 (R)), produce el mismo efecto que hacerle una operación elemental de fila a dicho sistema.

(a) Comprobar que las siguientes matrices elementales corresponden a hacer la operación indicada:
i
 
1 0 ··· 0 ··· 0
0 1 ··· 0 ··· 0
. . . .. . . .. 
. . . . . 
i. Multiplicar la i-ésima fila por m 6= 0:  . . . .
Ei (m) =  
i 0 0 · · · m · · · 0 
 .. .. . . . .. .
. . . .. . .. 
0 0 ··· 0 ··· 1
j i
 
1 0 ··· 0 ··· 0
0 1 ··· 0 ··· 0
. . . 
ii. Sumarle a la i-ésima fila un múltiplo . .
. . . . ... . . . ...  
m 6= 0 de la j-ésima: Eij (m) =  
i 0 m · · · 1 · · · 0 
 .. .. . . . .. .
. . . .. . .. 
0 0 ··· 0 ··· 1
j i
 
1 0 ··· 0 ··· 0 ··· 0
0 1 ··· 0 ··· 0 ··· 0
. . .. 
 . . . . . .. .. .. .. 
. . . . . . .
 
iii. Intercambiar las filas i-ésima y j-ésima: j0 0 ··· 0 ··· 1 ··· 0

Eij =  .. .. .. .. . . . .. .. 
. . . . . .. . . 
 
i 0 0 · · · 1 · · · 0 · · · 0 
 .. .. .. .. .. .. . . .. 
. . . . . . . .
0 0 ··· 0 ··· 0 ··· 1
12 MA-1116, Guı́a de Ejercicios
(b) Demostrar que las inversas de estas matrices son

(Ei (m))−1 = Ei (1/m) , (Eij )−1 = Eij , (Eij (m))−1 = Eij (−m) .

(c) Demostrar que EA = AE−1 , para toda matriz elemental E considerada en la parte (a).
(d) Demostrar, usando casos concretos, que multiplicar por una matriz elemental a derecha por A
equivale a hacer dicha operación elemental a las columnas de A.
(e) * Supongamos que existen E1 , E2 , . . . , Ek matrices elementales tales que Ek · · · E2 E1 A = In . De-
mostrar que A−1 = Ek · · · E2 E1 In .
(f) Sean L, U matrices triangulares inferior y superior, respectivamente, tales que A = LU. Si
Ek · · · E2 E1 A = U, para ciertas matrices elementales, demostrar que L = E−1 −1 −1
1 E2 · · · Ek .
(g) Si a, b 6= 0, hallar la inversa del producto
   
1 0 0 1 0 0 1 0 0
A =  a 1 0  0 0 1  0 b 0 
0 0 1 0 1 0 0 0 1

(h) Demostrar que la matriz que se obtiene al intercambiar la p-ésima y la q-ésima filas de A es la
que resulta de intercambiar la p-ésima con la q-ésima columnas de A−1 . Si multiplicamos a la
p-ésima columna de A por k 6= 0, demostrar que esto equivale a multiplicar la p-ésima fila de
A−1 por 1/k (Sugerencia: para la primera afirmación, A−1 A = I =⇒ A−1 (E−1 pq Epq )A = I ).

41. Aplicar la técnica del ejercicio anterior para calcular (si existe) la inversa de cada una de las siguientes
matrices:
 
µ ¶ 1 1 1 1
2 1  1 2 −1 2 
(a) (e)  
3 2  1 −1 2 1 
µ ¶
a −b 1 3 3 2
(b)  
b a 1 0 2 3
 
1 1 1  −1 1 0 4 
  (f)  
(c) 0 2 3  2 1 −1 3 
5 5 1 −1 0 5 7
   
1 6 2 cos θ 0 − sen θ
(d)  −2 3 5  (g)  0 1 0 
7 12 −4 sen θ 0 cos θ
 
3 0 0
42. * Sea B =  0 0 1 . Expresar B−1 como producto de elementales.
−2 1 0

43. * Calcular, usando matrices elementales, la inversa de la matriz

 
0 0 0 1
 0 0 1 2 
A=
 0
 .
1 2 3 
1 2 3 4
Algebra Lineal 13
4 Determinantes y sus aplicaciones

44. Hallar el valor de los siguientes determinantes:

¯ ¯ ¯ ¯
¯ 0 −1 ¯ ¯ ¯ ¯ 3 −1 2 1 ¯¯
¯ ¯ ¯ −2 3 6 ¯ ¯
(a) ¯ ¯ ¯ ¯ 4 3 1 −2 ¯¯
1 0 ¯ (d) ¯¯ 4 1 8 ¯
¯ (f) ¯¯
¯ ¯ ¯ −2 0 ¯ ¯ −1 0 2 3 ¯¯
¯ cos θ − sen θ ¯ 0 ¯
(b) ¯¯ ¯
¯ ¯ ¯ 6 2 5 2 ¯
sen θ cos θ ¯ 2 −3 1 4 ¯ ¯ ¯
¯ ¯ ¯ ¯ ¯ 1 2 0 0 ¯¯
¯ 0 −2 3 ¯¯ ¯ 0 −2 0 0 ¯ ¯
¯ (e) ¯¯ ¯
¯
¯ 3 −2 0 0 ¯¯
(c) ¯¯ 1 2 −3 ¯¯ ¯ 3 7 −1 2 ¯ (g) ¯¯
¯ 4 ¯ 4 ¯ ¯ 0 0 1 −5 ¯¯
0 5 ¯ 1 −3 8 ¯ 0 0 7 2 ¯
45. Resolver las siguientes ecuaciones:
¯ ¯
¯ ¯ ¯ 1 1 1 1 ¯¯
¯ ¯ ¯
¯ a−x a−x a ¯ ¯ x 2 3 4 ¯¯
(a) ¯¯ b−x c b − x ¯¯ = 0 (c) ¯¯ =0
¯ x2 4 9 16 ¯¯
¯ b−x c−x ¯ ¯
¯
c
¯ x3 8 27 64 ¯
¯ x a b c ¯¯ ¯ ¯
¯ ¯ 1 1 0 x ¯¯
¯ ¯
a x b c ¯¯ ¯ 1 −x x + 1 −1 ¯¯
(b) ¯¯ =0 (d) ¯¯ =0
¯ a b x c ¯¯ −1 0 x −1 ¯¯
¯ ¯
a b c x ¯ ¯ 1 −1 0 0 ¯

Respuestas: (a) x1 = 0, x2 = b − c y x3 = 21 (a + b + c); (b) x1 = a, x2 = b, x3 = c y x4 = −(a + b + c);

(c) x1 = 2, x2 = 3 y x3 = 4; (d) x1 = 1, x2 = 2. y x3 = −1.

46. * Sea A ∈ M2 (R) y B = xI2 − A. Demostrar que

det B = p(x) = x2 − (trz A)x + det A .

Deducir que A es invertible si y sólo si x = 0 no es raı́z de p(x).

¯ ¯ ¯ ¯
¯ x y z ¯¯ ¯ 2x − 3 2y 2z − 2 ¯
¯ ¯ ¯
47. * Si ¯¯ 3 0 2 ¯¯ = 4, calcular ¯¯ 3/2 0 1 ¯.
¯
¯ 1 1 1 ¯ ¯ 4 1 3 ¯

48. * Sean A, b ∈ Mn (R) tales que A, B 6= On . Demostrar que si AB = On , entonces det A = det B = 0.

49. Verificar los siguientes resultados sobre determinantes de matrices elementales (suponiendo i 6= j ):

(a) det Ei (m) = m (b) det Eij (m) = 1 (c) det Eij = 1
50. Sea A = PLU la descomposición natural de A por el método de Gauss. Demostrar que det A = det U.
¿En qué se modifica este resultado si la descomposición de A es A = LDU, con D diagonal?

51. Este ejercicio muestra como se pueden conocer algunas caracterı́sticas de un determinante sin conocer
su valor exacto:

(a) * De cierta matriz se sabe que A3 + 2A2 − 3A + 6In = On . Demostrar que det A 6= 0.
¯ ¯
¯ sen 2x cos 2x cos2 x ¯
¯ ¯
(b) Demostrar que ¯¯ 2 tan x sec x 1 ¯¯ = 0, ∀ x ∈ R.
¯ 2 sen x 1 cos x ¯
14 MA-1116, Guı́a de Ejercicios
(c) * Se sabe que 136, 357 y 272 son múltiplos de 17. Sin calcular su valor explı́citamente, demostrar
que el determinante ¯ ¯
¯ 1 3 6 ¯
¯ ¯
¯ 3 5 7 ¯
¯ ¯
¯ 2 7 2 ¯

es también múltiplo de 17.

(d) Si A ∈ M3 (R) es tal que aii es impar y aij es par si i 6= j, demostrar que det A es par.

52. Veamos ahora algunos resultados sobre determinantes de matrices conocidas:

(a) Si A ∈ Mn (R) es antisimétrica, demostrar que det A = (−1)n det A. Deducir que toda matriz
antisimétrica de orden impar es no invertible.
(b) Si A ∈ Mn (R) es ortogonal, demostrar que det A = ±1.
(c) Demostrar que toda matriz de rotación tiene determinante no nulo.
Y
(d) Demostrar que V = Vn (x1 , . . . , xn ) es la matriz de Vandermonde, entonces det V = (xj −xi )
1≤i≤j≤n
(Sugerencia: use el método de inducción; el paso base consiste en demostrar que

det V3 (x1 , x2 , x3 ) = (x3 − x2 )(x2 − x1 )(x3 − x1 ) ).

53. Usar el principio de inducción para calcular el valor de los siguientes determinantes:
¯ ¯ ¯ ¯
¯ 4 1 1 · · · 1 ¯¯ ¯ 1 2 3 ··· n ¯
¯ ¯ ¯
¯ 1 0 1 ¯ ¯ ¯
¯ ··· 1 ¯ ¯ −1 0 3 ··· n ¯
¯ · · · 1 ¯¯ ¯ −1 −2 0 ··· n ¯
(a) * ¯ 1 1 0 (c) * ¯ ¯
¯ .. .. .. .. .. ¯¯ ¯ .. .
.. .
.. . . . ... ¯
¯ . . . . . ¯ ¯ . ¯
¯ ¯ ¯
¯ 1 1 1 · · · 0 ¯n×n ¯ −1 −2 −3 · · · 0 ¯
¯ ¯ ¯ ¯
¯ 0 1 1 1 · · · 1 ¯¯ ¯ 1 2 2 2 ··· 2 ¯
¯ ¯ ¯
¯ 1 0 4 4 · · · 4 ¯¯ ¯ 2 2 2 2 ··· 2 ¯
¯ ¯ ¯
¯ 1 4 0 4 · · · 4 ¯¯ ¯ 2 2 3 2 ··· 2 ¯
¯ ¯ ¯
(b) * ¯ 1 4 4 (d) * ¯ 2 2 2 4 · · · 2 ¯
¯ 0 · · · 4 ¯¯ ¯ ¯
¯ . . . .. . . .. ¯¯ ¯ . . . . . .. ¯¯
¯ .. .. .. ¯ . . . . . .
¯ . . . ¯ ¯ . . . . . ¯
¯ 1 4 4 4 ··· 0 ¯ ¯ 2 2 2 2 ··· n ¯
n×n

54. † Sea p(x) = an xn + an−1 xn−1 + · · · + a1 x + a0 un polinomio tal que an 6= 0. Se define la matriz
compañera de p(x) como  
an −1 0 ··· 0 0
 an−1 x −1 · · · 0 0 
 
 an−2 0 x ··· 0 0 
 
Ap =  . .. .. . . .. ..  .
 .. . . . . . 
 
 a1 0 0 · · · x −1 
a0 0 0 ··· 0 x
Usar el principio de inducción para demostrar que det Ap = p(x).

55. Sean u, v ∈ Mm×1 (R).

¡ ¢
(a) Demostrar que det Im + uvT = 1 + vT u.
Algebra Lineal 15
(b) Si D = D(a1 , . . . , am ) es tal que ai 6= 0, demostrar que
à !
³ ´ m
X u2
det D + uuT = det D 1 + i
.
ai
i=1

(c) Deducir de la parte anterior que

¯ ¯
¯ a1 + 1 1 ··· 1 ¯
¯ ¯ Ã !
¯ 1 a + 1 ··· 1 ¯ Xm
1
¯ 2 ¯
¯ .. .. .. .. ¯ = a1 a2 · · · am 1 + .
¯ . . . . ¯ ai
¯ ¯ i=1
¯ 1 1 ··· an + 1 ¯

56. * De las siguientes afirmaciones, demostrar las que sean verdaderas o hallar un contraejemplo que
apoye a las falsas:

(a) det(A + B) = det A + det B.

¡ ¢
(b) det (A + B)2 = det2 (A + B).
(c) Si λ ∈ R, entonces det(λA) = λ det A.
(d) Si B = M−1 AMT , entonces det B = det A.
(e) Si P2 = P, entomces det P = ±1.
(f) Si det(A + B) 6= 0, entonces A y B son invertibles.
(g) Si una matriz A es triangular superior y existe un elemento en la diagonal que es 0, entonces la
matriz no es invertible.
(h) Si A es una matriz tal que existe solamente un elemento no nulo en cada fila, y este elemento es
1, entonces det A = ±1.
¡ ¢
(i) Si det A = 4, det B = 6 y det C = 5, entonces det (A−1 BT C)T = 15/2.

Respuesta: (a,c,e,f) falsas.

57. Esta pregunta se encarga de revisar algunas aplicaciones de los determinantes:

(a) Demostrar que la recta que pasa por los puntos (x1 , y1 ) y (x2 , y2 ) viene dada por
¯ ¯
¯ x y 1 ¯¯
¯
¯ x1 y 1 1 ¯¯ = 0 .
¯
¯ x2 y 2 1 ¯

(b) Demostrar que la circunferencia que pasa por los puntos no colineales (xi , y1 ) (i = 1, 2, 3) tiene
como ecuación ¯ 2 ¯
¯ x + y2 x y 1 ¯
¯ 2 ¯
¯ x + y2 x1 y1 1 ¯
¯ 1 1 ¯
¯ x2 + y2 x2 y2 1 ¯ = 0 .
¯ 2 2 ¯
¯ x2 + y2 x3 y3 1 ¯
3 3
µ ¶
ax + b a b
(c) Sea f(x) = en su dominio natural. Le asociamos a esta función la matriz Af = .
cx + d c d
1
Demostrar que f−1 existe si y sólo si det Af 6= 0. Más aún, demostrar que Af−1 = − (Af )−1 .
det Af
16 MA-1116, Guı́a de Ejercicios
µ ¶
a b
(d) Considerar la matriz A = . Usar el hecho de que det(AAT ) = det2 A para demostrar
c d
la identidad de Lagrange

(a2 + b2 )(c2 + d2 ) − (ac + bd) = (ac − bd)2 .

58. Usar la regla de Cramer para resolver los siguientes sistemas:


 
 x1 − x4 = 7
 3x + y − z = 0 
2x2 + x3 = 2
(a) x+y+z = 0 (c)

 4x − x2 = −3

y−z = 1  1
3x3 − 5x4 = 2
 ¯

 x1 + 2x2 − 3x3 + 5x4 = 0 −x1 + 4x2 + 9x3 = 3
 (d)
2x1 + x2 − 4x3 − x4 = 1 2x1 + x2 − 9x3 = 0
(b) ¯

 x 1 + x 2 + x 3 + x 4 = 0 2x1 + x2 − 2x3 = 1
 (e)
x1 − x2 − x3 + x4 = 0 −x1 + x2 + x3 = 1

59. Usando la regla de Cramer, demostrar que si el sistema homogéneo Ax = ~0 tiene como solución
(x1 , x2 , . . . , xn ) = (1, 1, . . . , 1), entonces det A = 0.
60. Usar la fórmula determinante–adjunta para hallar la inversa de las siguientes matrices:
 
  cos θ 0 − sen θ
3 0 3 (c)  0 1 0 
(a)  4 1 −2  sen θ 0 cos θ
−5 1 4  
  −2 0 0 7
1 0 3  1 2 −1 4 
(b)  0 1 4  (d) 
 3 0 −1 5 

2 1 0 4 2 3 0
61. Demostrar que si A es singular, entones A adjA = On .
62. Demostrar que si A es simétrica, entonces adjA también es simétrica (Sugerencia: para esto, pruebe
que (adjA)T = adj(AT ) ).

5 Espacios vectoriales
63. † Un espacio vectorial es una estructura (V, K, +, ·), donde V es un conjunto, K es un cuerpo (en la
mayorı́a de los casos, K = R ó C
l ) y + y · son las operaciones entre los elementos v ∈ V (que se dicen
vectores) y entre los vectores y el cuerpo, respectivamente. Las operaciones + y · se dicen cerradas si
satisfacen las propiedades:
(A) u, v ∈ V =⇒ u + v ∈ V; y
(B) v ∈ V y k ∈ K =⇒ kv ∈ V.
A continuación, BA denotará2 el conjunto de funciones f : A → B, Kn [x] denotará el conjunto de los
polinomios formales de grado n ∈ N con coeficientes en el cuerpo K y Kn denotará el conjunto de
vectores de n ∈ N componentes con entradas en K. Demostrar que los siguientes conjuntos, con las
propiedades de suma y producto usuales en cada caso, son espacios vectoriales:
2
La razón para esta notación es lógica; si f es una función con dominio un conjunto A = { a1 , . . . , an } y rango B =
{ b1 , . . . , bm }, entonces existen mn de estas funciones (¿por qué?).
Algebra Lineal 17
(a) V = R[a,b] = { f | f : [a, b] → R } y K = R.
(b) V = Rn [x] = { p ∈ RR | p(x) = an xn + · · · + a1 x + a0 } y K = R.
(c) V = Ql 3 = { (p, q, r) | p, q, r ∈ Q
l } y K = Q.
√
(d) V = { p + q 5 | p, q ∈ Q l } y K = Q.
(e) V = C[a, b] = { f ∈ R[a,b] | f es continua } y K = R.
¯ µ ¶ °
a −b
(f) V = M ∈ M2 (R) | M = | a, b ∈ R y K = R.
b a
(g) V = { (x, y, z) ∈ R3 | x + y = z } y K = R.
(h) V = { 0 } y K = R.

64. El hecho de que un conjunto sea un espacio vectorial depende de la estructura de los vectores en dicho
conjunto. Determinar si los siguientes conjuntos C son espacios vectoriales:

(a) C = { (x, y) ∈ R2 | y ≤ 0 }.
(b) C = { p ∈ R2 [x] | p(x) = ax2 + bx + c , 2a = b − c }.
(c) C = { M ∈ M2 (R) | det M 6= 0 }.
(d) C = { f ∈ RR | f es discontinua en x = 0 }.
(e) C = { M ∈ Mn (R) | trz M = 0 }.
(f) * C = { x ∈ R3 | Ax = (1, 0, 0)T }, donde A ∈ M2×3 (R).
(g) * C = { p ∈ Rn [x] | p(x) = p(−x) }.
¯ µ ¶ °
−a 2a
(h) * C = M ∈ M2 (R) | , a, b ∈ R .
b a−b
(i) * C = { f ∈ C 2 R | f 00 (x) + f(x) = 0 }.

Respuesta: (a,c,d,g) no son espacios vectoriales.

65. También puede depender de las operaciones que se definan en un conjunto el que éste sea un espacio
vectorial.

(a) Determinar si las operaciones

(x, y) ⊕ (z, w) = (x + z, 0)
α ⊗ (x, y) = (αx, 0)

definen a R2 como espacio vectorial.

(b) * Sea R2+ el conjunto de vectores en el primer cuadrante de R2 con las operaciones

(x, y) ⊕ (z + w) = (xz, yw)

α ⊗ (x, y) = (xα , yα )

Demostrar que (R2+ , R, ⊕, ⊗) es un espacio vectorial.

(c) * Dado R2 con las operaciones

(x, y) ⊕ (z, w) = (x + z + k, y + w + k)
α ⊗ (x, y) = (α + αx − k, α + αy − k)

Determinar el valor de k para que (R2 , R, ⊕, ⊗) sea un espacio vectorial.

18 MA-1116, Guı́a de Ejercicios
66. Sea V ⊂ Rn un espacio vectorial (que en lo sucesivo abreviaremos e.v.), c ∈ R y v ∈ V. Demostrar
que si cv = 0, entonces c = 0 ó v = ~0.
~

67. † Sea V un e.v. sobre un cuerpo K y W ⊂ V no vacı́o. W se dice subespacio vectorial de V (abreviado
se.v.) si se satisfacen las siguientes condiciones:

(A) El vector ~0 de V está en W;

(B) u + v ∈ W, para todos los u, v ∈ W; y
(C) kv ∈ W para todo v ∈ W y para todo k ∈ R.

Nótese que { ~0 } ⊂ V y V ⊂ V ya satisfacen estas propiedades, por lo que son se.v., llamados triviales,
de V.

(a) * Sea V un espacio vectorial y W un subconjunto de V. Demostrar que si para todo u, v ∈ W y

para todo α ∈ R se cumple que la combinación lineal u + αv está nuevamente en W, entonces
W es un subespacio de V (Sugerencia: como W es no vacı́o, u + (−1)u está en W).
(b) Demostrar que el complemento de un e.v. nunca es un se.v.
(c) Si W1 , W2 ⊂ V son se.v. de V, demostrar que W = W1 ∩ W2 también es un se.v. de V. ¿Se puede
decir lo mismo de W1 ∪ W2 ?
(d) * Sea V el espacio vectorial de los polinomios de grado menor o igual que dos y W = { p(x) =
a2 x2 + a1 x + a0 | p 0 (0) = 0 }. ¿Es W un se.v. de V ?

68. En esta pregunta consideramos nuevamente los enunciados (a) y (b) del ejercicio § 65.

(a) Si u, v ∈ V, con W ⊂ V se.v. de V, son tales que que u + v ∈ W, ¿se deduce necesariamente que
u ∈ W o que v ∈ W ? (Sugerencia: el ejercicio §65(a) proporciona un sencillo contrejemplo).
(b) Si V = R2+ está definido como en el ejercicio §65(b) y

W = { (x, y) ∈ R2+ | y = 2x } ,

demostrar que W no es se.v. de V.

69. * Veamos algunos se.v. matriciales. En todos los casos se hablará de matrices de orden n.

(a) Verificar que el conjunto de las matrices simétricas es un se.v. de Mn (R). ¿Será esto cierto si
reemplazamos la palabra “simétrica” por “antisimétrica”?
(b) † Una matriz A ∈ Mn ( C l ) se dice hermı́tica si aij = aji (la barra significa conjugación compleja).
Si A es hermı́tica, comprobar que todos los elementos de la diagonal de A son reales puros. ¿Es
el conjunto de las matrices hermı́ticas (con la suma y producto por escalar usuales para matrices)
un se.v. de Mn ( Cl ) ?

(c) ¿Es el conjunto de las matrices invertibles un se.v. de Mn (R) ?

Respuesta: (a) Si; (b) No; (c) No.

70. † Si U y V son se.v. de un e.v. W, se define el espacio suma como U + V = { u + v | u ∈ U , v ∈ V }.

Demostrar que este espacio suma es un se.v. de W y que U, V ⊂ U + V.

71. * Si v1 , . . . , vn están en V y V es un e.v., demostrar que el conjunto formado por todas las combinaciones
lineales α1 v1 + · · · + αn vn es un se.v. de V.
Algebra Lineal 19
72. † Sea V un e.v. y v1 , . . . , vn ∈ V. Se dice que el conjunto G = { v1 , . . . , vn } es generador (o que
genera a V ) si todo vector de V se puede escribir de manera única como combinación lineal de los vi ,
es decir, en sı́mbolos:

∀ v ∈ V : ∃ α1 , . . . , αn ∈ K | v = α1 v1 + · · · + αn vn .

Un vector se dice generado por este conjunto si tal combinación lineal se puede conseguir. Los siguientes
ejercicios son, en orden creciente de aparición, desde observaciones evidentes hasta resultados muy
importantes que requieren de demostración por parte del lector:

(a) Cada uno de los vectores de G es (naturalmente) generado por G.

(b) El vector ~0 no es generador por ningún subconjunto de V (Sugerencia: la palabra “única” es la
que debe ser chequeada en la definición de generador).
(c) * Si A es la matriz que tiene como columnas a los vectores vi de G y x es el vector con las
constantes αi , entonces v ∈ V está generado por G si y sólo si el sistema Ax = v tiene solución
única, es decir, si y sólo si det A 6= 0.
(d) Si G = { v1 , . . . , vn } genera a un e.v. V, entonces el conjunto

G 0 = { v1 , v1 + v2 , . . . v1 + · · · + vn }

también genera a V.
(e) Sean v1 , v2 ∈ R2 . Entonces R2 no es generado por { v1 , v2 } si y sólo si ∃ c 6= 0 tal que v1 = cv2 .
(Este resultado se expresa diciendo que no se puede generar todo el plano si los vectores de la
base son colineales. ¿Puede el lector enunciar y probar un resultado análogo para R3 ?)
(f) Si A ∈ Mm×n (R) tiene una inversa R a derecha, entonces todas las inversas B a derecha de A son
de la forma B = R + N, donde N está generado por el conjunto { M ∈ Mn×m (R) | AM = Om }
(Sugerencia: si x0 ∈ Mn×1 (R) es una solución del sistema homogéneo Ax0 = ~0, recuerde que
todas las soluciones de la forma x = x0 + y; complete los detalles acerca del vector y ).
(g) En esta última parte haremos un poco de cálculo; usaremos la notación3 V = gen{ v1 , . . . , vn }
para decir que el e.v. V está generado por los vectores vi , o que v ∈ gen{ v1 , . . . , vn } si v es
generado por este conjunto:
i. R2 = gen{ (1, 5)T , (2, 11)T }
¯µ ¶ µ ¶ µ ¶ µ ¶°
1 0 2 2 3 3 4 4
ii. M2 (R) = gen , , ,
0 0 0 0 3 0 4 4
√
iii. Cl = gen{ 1, i | i = −1 }
iv. −x2 + 2x − 2 ∈ gen{ 1 + x, x + x2 , x2 + 1 }
v. sen(x + π/4) ∈ gen{ sen x + cos x }
vi. (1, 1, 1)T ∈ gen{ (0, 3, 4)T , (2, 0, 1)T , (−5, 2, 0)T }
vii. { M ∈  M3(R) | MT = −M  } =   
 0 0 1 0 −1 0 0 0 0 
= gen  0 0 0  ,  1 0 0 , 0 0 1 
 
−1 0 0 0 0 0 0 −1 0
3
Hay que tener cuidado con esta notación; se trata de una igualdad de conjuntos. Ası́, para demostrar que A = B si A y B
son conjuntos, hay que demostrar que A ⊂ B y que A ⊃ B. Pero si A = V es un e.v. y B = gen{ v1 , . . . , vn }, nótese que la
contención A ⊃ B es trivial, ya que los vi deben estar en V.
20 MA-1116, Guı́a de Ejercicios
73. † Sea S = { v1 , . . . , vn } ⊂ V, con V un e.v. Se dice que los vectores vi son linealmente independientes
(abreviadamente l.i.) si cualquier combinación lineal nula de ellos es solamente la combinación lineal
cero, es decir, en sı́mbolos:
α1 v1 + α2 v2 + · · · + αn vn = ~0 =⇒ α1 = α2 = · · · = αn = 0 .
Si por el contrario existen (por lo menos) algunas constantes αi , αj 6= 0 tal que la combinación lineal
anterior se verifica, entonces los vi se dicen linealmente dependientes (abreviado: l.d.). Demostrar que
las siguientes afirmaciones son equivalentes4 :
(a) El conjunto S = { v1 , . . . , vn } es l.d.
(b) Existe un vector en S que es combinación lineal (no nula) de los restantes vectores de S.
(c) Si A ∈ Mn (K) tiene a los vectores vi como filas, entonces el sistema Ax = ~0 tiene infinitas
soluciones.
74. * Si u1 , u2 ∈ R2 son l.i. y v1 = au1 + bu2 y v2 = cu1 + du2 , demostrar que v1 , v2 son l.i. si y sólo si
ad 6= bc.
75. Determinar cuál de los siguientes conjuntos son o no l.i. En caso negativo, hallar el vector que sea
combinación lineal de los otros:
¯µ ¶ µ ¶ µ ¶ µ ¶°
1 −1 −1 2 2 −3 1 1
(a) S = , , ,
−1 2 3 1 −3 2 1 6
(b) * S = { (1, 1, 0)T , (1, 0, 1)T , (0, 1, 1)T }
(c) S = { (1, 2, 3)T , (2, 4, 2)T , (1, 1, 1)T }
(d) S = { 1 + 2x, 1 + x + x2 , 2 − x − x2 }
(e) S = { ex , sen x, cos x }
(f) S = { 1, x − |x|, x + |x| }
76. Sea f ∈ C[a, b] y sean
f(x) + f(−x) f(x) − f(−x)
fp := y fi :=
2 2
las partes par e impar de f. Demostrar que el conjunto S = { f, fp , fi } es siempre l.d., y deducir que
los siguientes conjuntos son l.d.:
(a) S = { ex , senh x, cosh x }
(b) S = { x2 + 2|x − 1| − sen x, x2 + |x − 1| + |x + 1|, |x − 1| − |x + 1| − sen x }
77. Demostrar que si A ∈ Mm×n (R) satisface la dondición m < n, entonces existen n − m columnas en
A que son combinación lineal de las otras m (Sugerencia: transformar A a escalonada reducida por
filas).
78. * Dado el el conjunto de vectores en R4
S = { (3, 1, 2, 4)T , (0, 1, 2, 5)T , (3, 3, 6, 14)T } ,
(a) Determinar si S es un conjunto de vectores l.i.
(b) De este conjunto, obtener el mayor conjunto de vectores l.i.
(c) Escribir el vector l.d. hallado en la parte (b) como combinación lineal de los restantes.

4
Esta es la primera pregunta de equivalencia múltiple; éstas se suelen demostrar en orden creciente (y encadenado) de
aparición. Ası́, en esta pregunta se debe demostrar que (a) =⇒ (b) =⇒ (c) =⇒ (a).