lOMoARcPSD|20176997

Práctico - Ejercicios resueltos. Espacios vectoriales

Algebra Lineal (Universidad de Sevilla)

Studocuはどの大学や大学施設からのスポンサーも受けていません
uriel hernandez ([email protected])????????????
 lOMoARcPSD|20176997

ÁLGEBRA LINEAL. EJERCICIOS RESUELTOS

Grado de Estadı́stica, curso 1o .

Espacios vectoriales
Ejercicio 135 Determine cuáles de los siguientes subconjuntos de Rn×n son subespacios de Rn×n .
1. Las matrices simétricas.
2. Las matrices no singulares.
3. Las matrices triangulares.
4. Las matrices diagonales.
5. Las matrices singulares.
6. Las matrices triangulares superiores.
7. Todas las matrices que conmutan con una matriz dada.

8. Todas las matrices tales que A2 = A.

9. Todas las matrices tales que traza(A) = 0.

Solución 135 Como son subconjuntos L de un espacio vectorial, debemos comprobar las dos condiciones que son
equivalentes a tener estructura de subespacio vectorial:
Si v, w ∈ L, entonces v + w ∈ L.
Si α ∈ R y v ∈ L, entonces αv ∈ L.

1. Sean A, B matrices simétricas. Entonces

(A + B)t = At + B t = A + B,
(αA)t = αAt = αA,
por lo que se verifican ambas condiciones. Entonces es un subespacio vectorial.

2. Sean A, B matrices no singulares. Puede ocurrir que la suma sea singular. Por ejemplo,
 
1 0
A= , B = −A,
0 −1

son matrices no singulares, pero su suma es singular.

3. La suma de una matriz triangular superior con una matriz triangular inferior no es, en general, triangular. Por
ejemplo,      
1 1 1 0 2 1
A= ,B = ,A + B = .
0 1 1 1 1 2

4. Sean A, B matrices diagonales. Entonces aij = 0, bij = 0 para i 6= j, y

aij + bij = 0 para i 6= j, y
αaij = 0 para i 6= j,

por lo que es subespacio vectorial.

5. La suma de dos matrices singulares puede ser no singular. Por ejemplo,
   
1 0 0 0
A= ,B = , A + B = I2 no singular.
0 0 0 1

uriel hernandez ([email protected])????????????

 lOMoARcPSD|20176997

6. Triangulares superiores. Sı́.

7. Matrices que conmutan con una dada. Sean entonces B1 y B2 matrices que conmutan con una matriz dada A.
En primer lugar, (B1 + B2 )A = B1 A + B2 A = AB1 + AB2 = A(B1 + B2 ), por lo que la suma es una operación
interna. Análogamente, (λB)A = λ(BA) = λ(AB) = A(λB).
8. Matrices tales que A2 = A.
9. Matrices con traza nula. Sean B1 y B2 matrices con traza nula. Como traza(B1 + B2 ) = traza(B1 ) + traza(B2 ),
y traza(λB1 ) = λ traza(B2 ), el conjunto es un subespacio vectorial.

Ejercicio 136 Determine cuáles de los siguientes subconjuntos del R-espacio vectorial de las matrices 2 × 2 son
subespacios vectoriales. Para los que sean, calcule un conjunto generador minimal. Para los que no, explique con un
ejemplo cuál es la condición en la que falla.
     
a 0 a 0
1. | a, b ∈ R , 2. | a+b=0 ,
0 b 0 b
     
a 0 a c
3. | a + b = 5 , 4. | a + b = 0, c ∈ R .
0 b 0 b
Solución 136 1. Sea L1 el conjunto propuesto. Si A1 , A2 ∈ L1 , podemos expresarlas como
   
a1 0 a2 0
A1 = , A2 = ,
0 b1 0 b2
y    
a1 + a2 0 αa1 0
A1 + A2 = ∈ L1 , αA1 = ∈ L1 .
0 b1 + b2 0 αb1
Por tanto, es un subespacio vectorial.
2. Sea L2 el conjunto dado, y A1 , A2 como en el caso anterior, con la condición adicional a1 + b1 = 0, a2 + b2 = 0.
Entonces  
a1 + a2 0
A1 + A2 = ∈ L2 , porque a1 + a2 + b1 + b2 = 0,
 0  b1 + b2
αa1 0
αA1 = ∈ L2 , porque αa1 + αb1 = α(a1 + b1 ) = 0.
0 αb1

3. Sea L3 el conjunto propuesto. No es subespacio vectorial, porque la matriz nula no está en L3 . Por ejemplo,
   
5 0 5 0
A1 = , A2 = ,
0 0 0 0
pero A1 + A2 6∈ L3 .
4. Para L4 sı́ se cumplen las condiciones de subespacio vectorial, pues si
   
a1 c1 a2 c2
A1 = , a1 + b1 = 0, A2 = , a2 + b2 = 0,
0 b1 0 b2
entonces  
a1 + a2 c1 + c2
A1 + A2 = ∈ L4 , porque a1 + a2 + b1 + b2 = 0,
 0  b1 + b2
αa1 αc1
αA1 = ∈ L4 , ya que αa1 + αb1 = 0.
0 αb1
Veamos ahora un conjunto generador minimal para estos subespacios vectoriales. Se tiene que
   
1 0 0 0
L1 = h , i,
 0 0  0 1
1 0
L2 = h i,
 0 −1   
1 0 0 1
L4 = h , i.
0 −1 0 0

uriel hernandez ([email protected])????????????

 lOMoARcPSD|20176997

Ejercicio 137 ¿Cuáles de los siguientes son conjuntos generadores de R3 ?

1. {(1, 1, 1)t }.
2. {(1, 0, 0)t , (0, 0, 1)t }.
3. {(1, 0, 0)t , (0, 1, 0)t , (0, 0, 1)t , (1, 1, 1)t }.
4. {(1, 2, 1)t , (2, 0, −1)t , (4, 4, 1)t }.
5. {(1, 2, 1)t , (2, 0, −1)t , (4, 4, 0)t }.

Solución 137 Para que un conjunto de vectores sea generados de R3 , todo vector del espacio se tiene que poner
como combinación lineal de los vectores de dicho conjunto. Esto es equivalente a que la matriz cuyas columnas son los
vectores dados tenga rango tres. En este caso,
     
1 1 0 1 0 0 1
rango  1  = 1, rango  1 0  = 2, rango  0 1 0 1  = 3,
 1   0 1  0 0 1 1
1 2 4 1 2 4
rango  2 0 4  = 2, rango  2 0 4  = 3.
1 −1 1 1 −1 0

Ejercicio 139 Compare los subespacios vectoriales definidos por L1 = hv1 , v2 , v3 , v4 i, L2 = hu1 , u2 i, donde
           
2 −2 4 −6 44 2
v1 =  −1  , v2 =  1  , v3 =  −2  , v4 =  3  , u1 =  −22  , u2 =  −1  .
1 1 3 0 −31 1

Solución 139 Consideremos las matrices

A1 = v1 v2 v3 v4 y A2 = u1 u2 ,

cuyos espacios de columnas respectivos generan a L1 y L2 .

Comprobemos si L1 ⊂ L2 . Para ello, consideramos la matriz concatenada T1 = A2 A1 . Si los pivotes de
su forma escalonada reducida por filas se encuentran en la parte correspondiente a A2 , entonces se tendrá la
contención.
2 1 3
 
1 0 0 − 53 − 53 − 53
rref  9 128

93 
T1 →   0 1 1 − 53 53 − 53 .
0 0 0 0 0 0
Por tanto,se tiene la inclusión.


Para comprobar si L2 ⊂ L1 , procedemos análogamente con T2 = A1 A2 . Como
 
1 0 5/2 −3/2 −9/2 1
rref  53

T2 →   0 1 1/2 3/2 − 2 0 ,

0 0 0 0 0 0

no hay pivotes en la parte de A2 , y tenemos la otra inclusión.

La igualdad de ambos espacios se puede ver directamente comparando las filas no nulas de rref(At1 ) y rref(At2 ),
según sabemos de teorı́a. En efecto,
 
1 −1/2 0  
rref  0 0 1 
 , At rref 1 −1/2 0
At1 −→  −→ .
 0 0 0  2 0 0 1
0 0 0

uriel hernandez ([email protected])????????????

 lOMoARcPSD|20176997

Ejercicio 140 Determine una base de los espacios vectoriales Col(A), null(A), Col(At ), null(At ) asociados a
 
−5 10 −1 −12 −1
 
 3 −6 1 6 2 
A= .
 
 5 −10 1 12 −4 
 
−2 4 −2 0 4

Solución 140 Una base de Col(A) está formada por las columnas básicas de A.
 
1 −2 0 3 0
 
 0 0 1 −3 0 
rref
A → EA =  .
 
 0 0 0 0 1 
 
0 0 0 0 0

Las columnas básicas de A son A∗1 , A∗3 , A∗5 .

El sistema Ax = 0 es equivalente a EA x = 0. Entonces

 
 x1 = 2x2 −3x4 ,
 x1 −2x2 +3x4 = 0,   x2 = x2 ,

x3 −3x4 = 0, , x3 = 3x4 , ,
x5 = 0  x = x4 ,
 

 4
x5 = 0


y entonces null(A) = hv1 , v2 i, donde v1 = (2, 1, 0, 0, 0)t, v2 = (−3, 0, 3, 1, 0)t.

Procedemos análogamente con At .
 
1 0 0 −4
 
 0 1 0 −4 
 
t rref
 
A → EAt =  0 0 1 −2 

.
 
 0 0 0 0 
 
0 0 0 0

Las columnas básicas de At son At∗1 , At∗2 , At∗3 . El espacio nulo de At se obtiene del sistema

 x1 −4x4 = 0,
x2 −4x4 = 0,
x3 −2x4 = 0,


que tiene como solución null(At ) = h(4, 4, 2, 1)ti.

Ejercicio 141 Consideremos la matriz

 
1 −1 5 −2 2
 2 −2 −2 5 1 
A=
 0
.
0 −12 9 −3 
−1 1 7 −7 1

1. Calcule un sistema generador de Col(A), null(A), Col(At ) y null(At ).

2. Calcule matrices P y Q tales que
 
Ir 0
P AQ = , donde r = rango(A).
0 0

uriel hernandez ([email protected])????????????

 lOMoARcPSD|20176997

Solución 141 Para todos estos espacios, necesitamos la forma escalonada reducida por filas de A:
 
1 −1 0 7/4 3/4
 
 0 0 1 −3/4 1/4 
rref
A −→ EA =  .
 
 0 0 0 0 0 
 
0 0 0 0 0

El espacio Col(A) está generado por las columnas básicas de A, que son la primera y la tercera, las posiciones de los
pivotes en EA .    
1 5
 2   −2 
Col(A) = h
 0  ,  −12 i.
  

−1 7
Para el espacio nulo null(A), tenemos que resolver Ax = 0, que es equivalente a EA x = 0. Despejamos las variables
básicas x1 y x3 en función de las libres, esto es,

x1 = x2 − 47 x4 − 43 x5 , 
   7   3 
 1 −4 −4
x2 = x2 ,  1   0   0 


    3   1 
3
x3 = 4 x4 − 41 x5 ,  0  + x4  4  + x5  − 4  = x2 h1 + x4 h2 + x5 h3 .
, de donde x = x2      
x4 = x4 , 0 1 0 

     


x5 = x5 , 0 0 1


Entonces null(A) = hh1 , h2 , h3 i.

El espacio Col(At ) está generado por las filas no nulas de EA . Entonces
   
1 0
 −1   0 
t
   
Col(A ) = h  70  ,  31 i.
  
   − 
4 4
3 1
4 4

Para null(At ), calculamos EAt :  

1 0 −2 1
 
 0 1 1 −1 
 
rref  
EAt −→   0 0 0 0 .
 
 0 0 0 0 
 
0 0 0 0
Entonces     
y1 = 2y3 −y4 ,  2 −1
y2 = −y3 +y4 ,  , v2 =  1 i.
 −1 

, y null(At ) = hv1 = 
 
y3 = y3 , 

 1   0 
y4 = y4 , 0 1


Para el cálculo de las matrices que transforman A en su forma normal del rango, obtenemos en primer lugar la
matriz P tal que P A = EA . Para ello, hay que calcular la forma escalonada reducida por filas de [A|I4 ].
7 7
   
1 −1 0 7/4 3/4 0 0 − 12 −1 0 0 − 12 −1
   
rref  0 0 1 −3/4 1/4 0 0 −1/12 0 
  0 0 −1/12 0 
[A|I4 ] −→   = [EA |P ], por lo que P =  .
  
 0 0 0 0 0 1 0 1 1   1 0 1 1 
   
0 0 0 0 0 0 1 1 2 0 1 1 2

uriel hernandez ([email protected])????????????

 lOMoARcPSD|20176997

Ahora hay que realizar transformaciones por columnas en EA para llevar, en primer lugar, los pivotes a las primeras
columnas. En este caso, basta intercambiar la segunda y la tercera columna:
 
1 0 −1 7/4 3/4
 
 0 1 0 −3/4 1/4 
EA P23 =  .
 
 0 0 0 0 0 
 
0 0 0 0 0
Para eliminar los elementos que están a la derecha, multiplicamos por la matriz
 
1 0 1 −7/4 −3/4  
  1 0 0 0 0
 0 1 0 3/4 −1/4   
0 1 0 0 0 
  
 
 0
Q2 =  0 1 0 0   , y obtenemos EA P23 Q2 =  ,
 
   0 0 0 0 0 
 0 0 0 1 0 
 
0 0 0 0 0
 
0 0 0 0 1
que es la forma buscada. Entonces
 
1 0 1 −7/4 −3/4
 
 0 0 1 0 0
 
 
 0 1
Q = P23 Q2 =  0 3/4 −1/4 
.
 
 0 0 0 1 0 
 
0 0 0 0 1

Como nota final, recordemos que el espacio null(At ) está relacionado con las 4 − 2 últimas filas de la matriz P . En
efecto,    
1 0
 0   1 
null(At ) = hv1 , v2 i = h
 1  ,  1 i.
  

1 2
Ejercicio 148 Consideremos la matriz A y el conjunto de vectores {w1 , w2 }, donde
     
−9 0 6 −6 −36 −12 6
     
 −10 7 −3 −2 −11   13   −24 
     
     
A=  2 −4 −5 −10 19  , w1 =  6  , w2 =  7  .
   
     
 6 −6 −3 −9 21   0   15 
     
−1 9 −8 −9 22 25 −35
1. Pruebe que w1 y w2 son vectores linealmente independientes que pertenecen a Col(A).
2. Extienda el conjunto {w1 , w2 } a una base de Col(A).
Solución 148 El conjunto {w1 , w2 } es linealmente independiente porque los vectores
 forman una matriz de rango 2.
Para ver que w1 , w2 pertenecen a Col(A), basta verificar que rango(A) = rango( A w1 w2 ), o bien, que en la
 
forma reducida por filas de A w1 w2 no aparezcan pivotes en las posiciones correspondientes a w1 ni w2 . En
efecto  
1 0 0 0 2 0 0
 
 0 1 0 0 0 1 −3 
 
  rref  
A w1 w2 →  0 0 1 0 −3 −2 1 

.
 
 0 0 0 1 0 0 0 
 
0 0 0 0 0 0 0

uriel hernandez ([email protected])????????????

 lOMoARcPSD|20176997

Tenemos también que las primeras cuatro columnas de A constituyen una base de Col(A), y que w1 y w2 son
linealmente independientes.  
Para efectuar la ampliación, consideramos ahora la matriz w1 w2 A∗1 A∗2 A∗3 A∗4 , y calculamos su
forma reducida por filas.

1 0 0 − 51 − 35
 
0
2 1
 rref  0 1 0 − 5 − 5 0
 
 
w1 w2 A∗1 A∗2 A∗3 A∗4 →   0 0 1 0 0 0 ,

 0 0 0 0 0 1 
0 0 0 0 0 0

por lo que {w1 , w2 , A∗1 , A∗4 } forman una base de Col(A).

Ejercicio 151 Consideremos el conjunto

     
 ,1 ,2 ,3 
 ,4  ,  ,5  ,  ,6  .
,7 ,8 ,901
 

1. Use aritmética exacta para determinar si es un conjunto linealmente independiente.

2. Con aritmética de tres dı́gitos (sin pivoteo ni escalado) determine si es linealmente independiente.

Ejercicio 152 Determine la dimensión del espacio generado por el conjunto

         

 1 1 2 1 3  
2   0   8   1   3 
 
S=   −1  ,  0  ,  −4  ,  1  , 
         .

 0 
3 2 8 1 6
 

Solución 152 Sea S = {v1 , v2 , v3 , v
4 , v5 }. El espacio generado por S es lo mismo que el espacio de columnas de la
matriz A = v1 v2 v3 v4 v5 . Una base de Col(A) está formada por las columnas básicas, y la dimensión es
el rango de A. Calculamos entonces la forma escalonada reducida por filas
 
1 0 4 0 1
 
rref  0 1 −2 0 1 
 
A −→  .
 0 0 0 1 1 
 
0 0 0 0 0

Las columnas básicas son A∗1 , A∗2 , A∗4 , por lo que una base de S es {v1 , v2 , v4 }, y la dimensión es 3.
¿Qué ocurre si colocamos los vectores como filas? Tenemos entonces que calcular una base del espacio de filas de
la matriz asociada  
1 2 −1 3
 
 1 0 0 2 
 
 
B=  2 8 −4 8 .

 
 1 1 1 1 
 
3 3 0 6
Sabemos que una base la conseguimos con las filas no nulas de la forma escalonada reducida por filas.
 
1 0 0 2
 
 0 1 0 0 
 
rref  
B −→   0 0 1 −1   = EB .
 
 0 0 0 0 
 
0 0 0 0

uriel hernandez ([email protected])????????????

 lOMoARcPSD|20176997

Entonces una base está formada por

      

 1 0 
 0

      

 0  1   0 

    

u1 =   , u2 =   , u3 =   .
  

  0   0   1 

      


 
2 0 −1
 

Es un conjunto diferente. ¿Cómo podemos estar seguros de que generan el mismo espacio? Ya tenemos la forma
reducida por filas del espacio de filas de u1 , u2 , u3 . Calculemos la de v1 , v2 , v4 .
   
1 2 −1 3 1 0 0 2
  rref  
C=  1 0 0 2  −→  0 1 0 0  = EC .
  

1 1 1 1 0 0 1 −1
Las filas no nulas de EC coinciden con las de EB , como era de esperar.
Ejercicio 153 Consideremos la matriz y los vectores
   
1 0 1 2   2
  −3  
 1 2 0 1   1   −8 
A= ,v = 
 1 ,w =  .
    
 3 2 2 5    −4 
 1  
3 4 1 4 −14
y la aplicación lineal definida por A : R4 → R4 .
1. Pruebe que el vector v pertenece a null(A).
2. Calcule una base de null(A) que contenga a v.
3. Pruebe que el vector w pertenece a Col(A).
4. Calcule una base de Col(A) que contenga a w.
5. ¿Es posible calcular una base de R4 que contenga v y w?
Solución 153 1. La condición v ∈ null(A) es equivalente a Av = 0, que es un sencillo cálculo.
2. Para obtener una base de null(A), calculamos la forma escalonada reducida por filas de A.
 
1 0 1 2
 
 0 1 −1/2 −1/2 
rref
A −→ EA =  .
 
 0 0 0 0 
 
0 0 0 0
Las variables básicas son x1 y x2 , y las variables libres x3 y x4 . Las soluciones tienen la forma
   
x1 = −x3 −2x4 , −1 −2
x2 = 12 x3 + 12 x4 ,  1   1 
, de donde x = x3  2 +x 
4  0  = x3 h1 + x4 h4 .
2 
x3 = x3 ,  1 
x4 = x4 , 0 1


Entonces null(A) = hh1 , h2 i. Para ampliar el vector v a una base de null(A), consideramos la matriz v h1 h2 ,
y calculamos su forma escalonada reducida por filas: las columnas básicas son los componentes de la base.
 
1 0 1
 
 0 1 −1 

rref  
v h1 h2 −→  .
 0 0 0 
 
0 0 0
Por tanto, la base buscada es {v, h1 }.

uriel hernandez ([email protected])????????????

 lOMoARcPSD|20176997

3. Recordemos que Col(A) = {Au | u ∈ R4 }. Por tanto, para comprobar que w ∈ Col(A), tenemos que encontrar un
vector u tal que Au = w, en otras palabras, tenemos que comprobar la compatibilidad del sistema de ecuaciones
con matriz de coeficientes igual a A y término independiente definido pro w.
 
1 0 1 2 2
 
rref  0 1 −1/2 −1/2 −5 
 
[A|w] −→  .
 0 0 0 0 0 
 
0 0 0 0 0
Como no hay pivotes en la columna correspondiente al término independiente, w se puede expresar como com-
binación lineal de las columnas de A; en concreto, w = 2A∗1 − 5A∗2 .
4. En el apartado anterior tenemos ya calculada una base de Col(A), pues la forman sus columnas básicas
A∗1
y A∗2 . Para calcular la ampliación de w a una base de Col(A), consideramos la matriz w A∗1 A∗2 , y
calculamos la forma escalonada reducida por filas.
 
1 0 −1/5
 
 0 1 2/5 

rref  
w A∗1 A∗2 −→  .
 0 0 0 
 
0 0 0

Entonces la ampliación es {w, A∗1 }.

5. Una base de R4 es la estándar, dada por S = {ei , i = 1, 2, 3, 4}. Procedemos como sigue:
 
1 0 0 0 7/5 −2/5
 
 0 1

rref  0 0 1/10 −1/10 
v w e1 e2 e3 e4 −→  .

 0 0 1 0 4 −1 
 
0 0 0 1 −3/5 −2/5

Entonces {v, w, e1 , e2 } es la base buscada. Observemos que no hemos comprobado previamente la independencia
lineal de {v, w}, pero la deducimos del cálculo anterior.
Ejercicio 157 Determine si el conjunto    
 2 1 
B =  3 , 1 
2 −1
 

es una base del espacio generado por      

 1 5 3 
 2 , 8 , 4  .
3 7 1
 

Solución 157 Para comprobar si el conjunto B = {v1 , v2 } dado
es base del subespacio generado por los vectores
w1 , w2 , w3 , consideramos la matriz A = v1 v2 w1 w2 w3 . Si en la forma reducida por filas EA vemos que
los pivotes ocupan las dos primeras columnas, esto significa que
el conjunto B es linealmente independiente,
y que los vectores w1 , w2 , w3 dependen linealmente de ellos,
por lo que serı́a base del subespacio. En otro caso no serı́a base. Pasemos entonces a los cálculos.
 
1 0 1 3 1
rref  
A −→   0 1 −1 −1 1  .


0 0 0 0 0
Entonces el conjunto B es base del espacio indicado.

uriel hernandez ([email protected])????????????

 lOMoARcPSD|20176997

Ejercicio 160 Sea f : R3 → R3 la aplicación lineal definida por

   
x x−y
f  y  =  y −x ,
z x−z
y consideremos el vector        
1  1 0 1 
v =  1  y la base B =  0  ,  1  ,  1  .
2 1 1 0
 

1. Calcule [f ]B y [v]B .
2. Calcule [f (v)]B y verifique que [f ]B [v]B = [f (v)]B .
Solución 160 Nos centraremos primero en el cambio de coordenadas de v. Llamemos S = {e1 , e2 , e3 } a la base
estándar de R3 , y notemos B = {v1 , v2 , v3 }. Sabemos que
   
1 α1
[v]S =  1  , y escribamos [v]B =  α2  .
2 α3
Esto quiere decir que v = α1 v1 + α2 v2 + α3 v3 , que traducido a coordenadas en S significa
       
1 1 0 1
 1  = α1  0  + α2  1  + α3  1 .
2 1 1 0
En forma matricial     
1 1 0 1 α1
 1 = 0 1 1   α2  , [v]S = M · [v]B .
2 1 1 0 α3


Observemos que M = [v1 ]S [v2 ]S [v3 ]S , y la notaremos por M (B, S), matriz del cambio de base de B a S. La
fórmula queda como
[v]S = M (B, S) · [v]B .
La matriz M es no singular, porque sus columnas son una base del espacio, y el sistema anterior tiene solución única.
En este caso, α1 = 1, α2 = 1, α3 = 0.
Para el cálculo de la matriz de f respecto de la nueva base B, lo haremos de dos formas (aunque esencialmente son
iguales).


Sabemos que [f ]B = [f (v1 )]B [f (v2 )]B [f (v3 )]B . Escribamos entonces
 
1
f (v1 ) =  −1  = α1 v1 + α2 v2 + α3 v3 ,
0

 1 = 1 · α1 + 0 · α2 + 1 · α3
−1 = 0 · α1 + 1 · α2 + 1 · α3 ,
0 = 1 · α1 + 1 · α2 + 0 · α3

 
−1
f (v2 ) =  1  = β1 v1 + β2 v2 + β3 v3 ,
−1

 −1 = 1 · β1 + 0 · β2 + 1 · β3
1 = 0 · β1 + 1 · β2 + 1 · β3 ,
−1 = 1 · β1 + 1 · β2 + 0 · β3

 
0
f (v3 ) =  0  = γ1 v1 + γ2 v2 + γ3 v3 ,
1

 0 = 1 · γ1 + 0 · γ2 + 1 · γ3
0 = 0 · γ1 + 1 · γ2 + 1 · γ3 ,
1 = 1 · γ1 + 1 · γ2 + 0 · γ3


10

uriel hernandez ([email protected])????????????

 lOMoARcPSD|20176997

Tenemos que resolver tres sistemas de ecuaciones con la misma matriz de coeficientes, y diferentes términos
independientes. Basta calcular la forma escalonada reducida por filas de la matriz ampliada con dichos términos:
   
1 0 1 1 −1 0 1 0 0 1 −3/2 1/2
 0 1 1 −1 1 0  rref
   
 −→  0 1 0 −1 1/2 1/2 
.


1 1 0 0 −1 1 0 0 1 0 1/2 −1/2
La solución de cada sistema aparece en las columnas de la derecha, y entonces
 
1 −3/2 1/2
 
 −1 1/2
[f ]B =  1/2  .
0 1/2 −1/2

Vamos a aplicar la fórmula que relaciona la matriz de la aplicación lineal f con respecto a cada una de las bases.
Sabemos que
[f ]B = M (S, B)[f ]S M (B, S),
donde M (B, S) es la matriz del cambio de base de B a S, y M (S, B) es la inversa. Tenemos que
 

1 −1 0
[f ]S = [f (v1 )]S [f (v2 )]S [f (v3 )]S =  −1 1 0 ,
1 0 −1
y
 
  1/2 −1/2 1/2
1 0 1
−1

 
M (B, S) = [v1 ]S [v2 ]S [v3 ]S = 0 1 1  , M (S, B) = M (B, S) = 
 −1/2 1/2 1/2 .

1 1 0
1/2 1/2 −1/2
Entonces
   
1/2 −1/2 1/2    1 −3/2 1/2
  1 −1 0 1 0 1  
 −1/2 1/2 1/2   −1 1 0  0 1 1 =
[f ]B =   −1 1/2 1/2 .
 
1 0 −1 1 1 0
1/2 1/2 −1/2 0 1/2 −1/2

Como era de esperar, llegamos al mismo resultado.

Vamos ahora a verificar la fórmula [f ]B [v]B = [f (v)]B . Por un lado,
 
0
f (v) =  0  = a1 v1 + a2 v2 + a3 v3 ,
−1

 0 = 1 · a1 + 0 · a2 + 1 · a3
0 = 0 · a1 + 1 · a2 + 1 · a3
−1 = 1 · a1 + 1 · a2 + 0 · a3


La solución de este sistema es a1 = −1/2, a2 = −1/2, a3 = 1/2.

Por otro lado,    
1 −3/2 1/2  −1/2 
  1  
 −1 1/2 1/2 
[f ]B [v]B =   1  =  −1/2  ,
  
0
0 1/2 −1/2 1/2
y tenemos lo que querı́amos.
Ejercicio 164 Consideremos la aplicación lineal
   
x x + 2y − z
f y = −y .
z x + 7z

11

uriel hernandez ([email protected])????????????

 lOMoARcPSD|20176997

1. Calcule [f ]S , donde S es la base estándar de R3 .

2. Calcule [f ]S ′ y la matriz no singular Q tal que [f ]S ′ = Q−1 [f ]S Q, con
     
 1 1 1 
S′ =  0  ,  1  ,  1  .
0 0 1
 

Solución 164 La expresión de [f ]S es  

1 2 −1
[f ]S =  0 −1 0 .
1 0 7
Tenemos que  
1 1 1
P (S ′ , S) =  0 1 1 ,
0 0 1
y [f ]S ′ = P (S, S ′ )[f ]S P (S ′ , S), por lo que Q = P (S ′ , S). Si hacemos los cálculos
   
1 −1 0    1 4 3
  1 2 −1 1 1 1  
 0
[f ]S ′ =  1 −1  
 0 −1 0  0 1 1  =   −1 −2 −9  .

1 0 7 0 0 1
0 0 1 1 1 8

Ejercicio 170 Determine si las siguientes aplicaciones son inyectivas o sobreyectivas.

1. T : R4 → R3 definida por  
a  
 b  a+b
 c =
T   b+c .
c+d
d

2. S : R3 → R1 definida por  
a
S  b  = a − c.
c

3. U : R2 → R4 definida por  
  a+b
a  2a + b 
U = .
b  a 
b

4. L : R4 → R5 definida por    
a a+b+c
 b   b+c+d 
 c =
L   .
a+d 
d a+b+c+d

5. M : R4 → R4 definida por    
a a+b+c+d
 b   a+b+c 
 c =
M   .
a+b 
d a

Solución 170 Recordemos que una aplicación lineal es inyectiva si y solamente si su espacio nulo es el vector cero.
Calculemos el espacio nulo de cada una de estas aplicaciones.

12

uriel hernandez ([email protected])????????????

 lOMoARcPSD|20176997

1. 
 x1 +x2 = 0,
null(T ) ≡ x2 +x3 = 0,
x3 +x4 = 0,


La matriz del sistema (que es la de la aplicación T ) es

 
1 1 0 0
 0 1 1 0 ,
0 0 1 1
y su forma escalonada reducida por filas es
 
1 0 0 1
 
 0 1 0 −1 
 .
0 0 1 1
La solución del sistema es   

 x1 = −x4 , −1
x2 = x4 ,  1 

y null(T ) = hv = 
 −1 i.


 x3 = −x4 ,
x4 = x4 , 1


Como null(T ) 6= 0, la aplicación T no es inyectiva. A partir de la fórmula

dim R4 = dim null(T ) + dim im(T ),
deducimos que dim im(T ) = 4 − 1 = 3. Como im T ⊂ R3 , y coinciden en dimensión, deducimos que son iguales.
Por tanto, T es sobreyectiva. Vamos a ver este resultado mediante cálculo directo. Para ello, sea b ∈ R3 . Tenemos
que encontrar u ∈ R4 tal que T (u) = b, que traducido a coordenadas es
   
u1   b1 
 u2  u 1 + u 2  b2   u1 +u2 = b1 ,
T  =  u2 + u3  =   , o bien u 2 +u 3 = b2 , .
 u3   b3 
u3 + u4 u3 +u4 = b4 ,

u4 b4
Es un sistema de ecuaciones con matriz de coeficientes
 
1 1 0 0
 0 1 1 0 ,
0 0 1 1
que es la matriz de la aplicación T . Su rango, como ya sabemos, es igual a 3, que coincide con el de la matriz
ampliada, independientemente de los valores del vector b. Por tanto, el sistema es compatible, y siempre podemos
encontrar el vector u. En consecuencia, T es sobreyectiva.
Indicamos las operaciones para las siguientes aplicaciones.
2.

Matriz dela aplicación S : 1 0 −1 ,    
 x1 = x3 , 0 1
null(S) ≡ x2 = x2 , null(S) = hv1 =  1  , v2 =  0 i,
x3 = x3 , 0 1

dim null(S) = 2, por lo que la aplicación S no es inyectiva.
dim im(S) = dim R3 − dim null(S) = 1 = dim R1 , y la aplicación S es sobreyectiva.
3.  
1 1
 2 1 
 1 0 ,
Matriz de la aplicación U :  

 0 1
x1 = 0,
null(U ) ≡ null(S) = h0i,
x2 = 0,
dim null(U ) = 0, y U es inyectiva.
dim im(U ) = dim R2 − dim null(U ) = 2 < dim R4 , y no es sobreyectiva.

13

uriel hernandez ([email protected])????????????

 lOMoARcPSD|20176997

4.  
1 1 1 0
 
 0 1 1 1 
Matriz de la aplicación L :  ,
 
 1 0 0 1 
 
 1 1 1 1  

 x 1 = 0, 0
x2 = −x3 ,  −1 

null(L) ≡  1 i,
null(L) = hv =  

 x3 = x3 ,
x4 = 0, 0

dim null(L) = 1, y L no es inyectiva.
dim im(L) = dim R4 − dim null(L) = 3 < dim R4 , y no es sobreyectiva.
5.  
1 1 1 1
 
 1 1 1 0 
Matriz de la aplicación M :  ,
 
 1 1 0 0 
 
 1 0 0 0

 x1 = 0,
x2 = 0,

null(M ) ≡ null(M ) = 0,

 x3 = 0,
x4 = 0,

dim null(M ) = 0, y la aplicación M es inyectiva.,
dim im(M ) = dim R4 − dim null(M ) = 4 = dim R4 , y la aplicación es sobreyectiva.
Por tanto, M es biyectiva y existe M −1 . La matriz de M −1 es la matriz inversa de la matriz de M , es decir
 
0 0 0 1
 
 0 0 1 −1 
.
 

 0 1 −1 0 
 
1 −1 0 0

Ejercicio 171 Sean f : R2 → R2 , g : R2 → R2 las aplicaciones lineales definidas con respecto a la base estándar S de
R2 como        
a 2a + b a b
g = ,f = .
b 3a b −a
1. Calcule las matrices de g ◦ f y f ◦ g con respecto a la base S.
2. Pruebe que g ◦ f es biyectiva, y calcule la matriz de (g ◦ f )−1 con respecto a S.
Solución 171 1. Las matrices de las aplicaciones f y g respecto de la base S son
   
0 1 2 1
[f ]S = , [g]S = .
−1 0 3 0
Entonces " #
−1 2
  
2 1 0 1
[g ◦ f ]S = [g]S · [f ]S = = ,
3 0 −1 0 0 3
y " #
3 0
  
0 1 2 1
[f ◦ g]S = [f ]S · [g]S = = .
−1 0 3 0 −2 −1

2. La aplicación g ◦ f es biyectiva, pues null(g ◦ f ) = {0}, y im(g ◦ f ) = R2 . Entonces existe la función inversa
(g ◦ f )−1 , y
" #−1 " #
−1 −1
−1 2 −1 2/3
[(g ◦ f ) ]S = ([g ◦ f ]S ) = = .
0 3 0 1/3

14

uriel hernandez ([email protected])????????????

 lOMoARcPSD|20176997

Ejercicio 173 Pruebe las siguientes afirmaciones:

1. Si A es semejante a B, entonces B es semejante a A.
2. Si A es semejante a B, y B es semejante a C, entonces A es semejante a C.
3. Si A es semejante a B, entonces A2 es semejante a B 2 .
4. Si A es semejante a B, entonces At es semejante a B t .
5. Si A es semejante a B y A es no singular, entonces B es no singular y A−1 es semejante a B −1 .
Solución 173 1. Existe P no singular tal que B = P −1 AP . Entonces P BP −1 = A, y para Q = P −1 se tiene que
−1
A = Q BQ.
2. Existe P no singular tal que B = P −1 AP y Q no singular tal que C = Q−1 BQ. Entonces C = Q−1 P −1 AP Q =
R−1 AR para R = P Q, que es no singular.
3. Existe P no singular tal que B = P −1 AP . Entonces B 2 = (P −1 AP )(P −1 AP ) = P −1 A2 P , y tenemos el resultado.
4. Existe P no singular tal que B = P −1 AP . Entonces B t = P t At (P −1 )t = P t At (P t )−1 = Q−1 At Q, donde
Q = (P t )−1 .
5. Existe P no singular tal que B = P −1 AP . Si A es no singular, el producto anterior es no singular, por lo que B
es no singular. Entonces B −1 = P −1 A−1 P , y tenemos el resultado.
Ejercicio 177 Sea f : R3 → R3 la aplicación lineal definida como f (v) = Av, donde
 
0 −1 0
A =  13 16 −10  ,
22 26 −17
y  
    
 1 1 1 
B = u1 =  0  , u2 =  1  , u3 =  −2  .
1 3 −2
 

1. Pruebe que B es base de R3 .

2. Calcule la matriz de paso de la base estándar a B.
3. Calcule la matriz de la aplicación f respecto de la base B.
Solución 177 1. Como la dimensión del espacio vectorial R3 es igual a 3, y el conjunto B tiene tres vectores,
basta probar que B es un conjunto linealmente independiente. Para ello, el rango de la matriz formada por sus
componentes debe tener rango igual a tres. Ene efecto,
   
1 1 1 1 0 0

  rref  
u1 u2 u3 =   0 1 −2  −→  0 1 0  .
  

1 3 −2 0 0 1
Tenemos tres pivotes, por lo que el rango es igual a tres.
2. Este apartado lo podemos hacer de dos maneras. Sea S = {e1 , e2 , e3 } la base estándar de R3 . Nos dan las
expresiones de ui , i = 1, 2, 3 con respecto a la base estándar, pues sabemos que
     
1 1 1
[u1 ]S =  0  , [u2 ]S =  1  , [u3 ]S =  −2  .
1 3 −2
Entonces la matriz de paso de B a S es
 
1 1 1
 
 0 1
P (B, S) =  −2 
.
1 3 −2

15

uriel hernandez ([email protected])????????????

 lOMoARcPSD|20176997

Nos piden la matriz de paso P (S, B), que es la inversa de P (B, S). Por tanto, basta calcular la matriz inversa de
P (B, S) para obtener la respuesta:
 
1 1 1 1 0 0

 
P (B, S) I3 =   0 1 −2 0 1 0 


1 3 −2 0 0 1
 
1 0 0 4 5 −3
rref  
−→   0 1 0 −2 −3 2 


0 0 1 −1 −2 1


= I3 P (S, B) .

Por tanto,  
4 5 −3
 
 −2 −3
P (S, B) =  2 
.
−1 −2 1
La segunda forma de hacerlo es a partir de la expresión


P (S, B) = [e1 ]B [e2 ]B [e3 ]B ,

es decir, la matriz que contiene las coordenadas de cada vector de la base estándar con respecto a la base B.
Para ello, se plantean los sistemas de ecuaciones asociados a las igualdades

e1 = α1 u1 + α2 u2 + α3 u3 ,
e2 = β1 u 1 + β2 u 2 + β3 u 3 ,
e3 = γ1 u 1 + γ2 u 2 + γ3 u 3 .

Esto es equivalente a resolver simultáneamente tres sistemas de ecuaciones con la misma matriz de coeficien-
tes P (B, S), y términos independientes iguales a e1 , e2 , e3 . Esto es precisamente lo que hemos hecho antes, y
obtenemos el mismo resultado.
3. Este apartado se puede hacer aplicando la fórmula del cambio de base, o la definición de matriz de una aplicación
lineal con respecto a una base.
Por la definición, se tiene que


[f ]B = [f (u1 ]B [f (u2 ]B [f (u3 ]B .

Se tiene que
 
0
 
 3 ,
f (u1 ) = Au1 =  

5
 
−1
 
 −1  ,
f (u2 ) = Au2 =  

−3
 
2
 
 1 .
f (u3 ) = Au3 =  

16

uriel hernandez ([email protected])????????????

 lOMoARcPSD|20176997

Ahora hay que calcular las coordenadas de estos vectores respecto de la base B, por lo que planteamos los
sistemas de ecuaciones
 
0
 
 3  = λ1 u1 + λ2 u2 + λ3 u3 ,
 
5
 
−1
 
 −1  = µ1 u 1 + µ2 u 2 + µ3 u 3 ,
 
−3
 
2
 
 1  = ν1 u 1 + ν2 u 2 + ν3 u 3 .
 
4

Para resolverlos, hacemos la operación

   
1 1 1 0 −1 2 1 0 0 0 0 1
  rref  
 0 1 −2 3 −1 1 
 −→  0 1 0 1 −1 1 
.


1 3 −2 5 −3 4 0 0 1 −1 0 0

Por tanto,  
0 0 1
 
 1
[f ]B =  −1 1 
.
−1 0 0
Por la fórmula del cambio de base, sabemos que

[f ]B = P (S, B)[f ]S P (B, S).

La matriz [f ]S no es más que la matriz A dada. Entonces

   
4 5 −3 0 −1 0 1 1 1
   
 −2 −3
[f ]B =  2    13 16 −10   0 1 −2 
 

−1 −2 1 22 26 −17 1 3 −2
 
0 0 1
 
=  1 −1
 1 .
−1 0 0

Ejercicio 179 Consideremos las bases B = {u1 , u2 , u3 } y B ′ = {u′1 , u′2 , u′3 } de R3 , donde
     
2 2 1
     
u1 =  1  , u2 =  −1   , u3 =  2  ,
   

1 1 1
     
3 1 −1
u′1 = 
  ′   ′  
 1  , u2 =  1   , u3 =  0  .
   

−5 −3 2

1. Calcule la matriz de paso de B a B ′ .

17

uriel hernandez ([email protected])????????????

 lOMoARcPSD|20176997

2. Calcule las coordenadas [w]B , donde  

−5
 
 8 ,
w= 

−5
y aplique la fórmula del cambio de base para calcular [w]B′ .
3. Calcule las coordenadas [w]B′ directamente y compruebe el resultado con el apartado anterior.

Solución 179 1. Sea M (B, B ′) la matriz de paso de la base B a la base B ′ . Entonces

M (B, B ′ ) = [u1 ]B′ [u2 ]B′ [u3 ]B′ ,

por lo que tenemos que calcular las coordenadas de cada uno de los vectores de la base B respecto de la base B ′ .
Si denominamos      
α1 β1 γ1
[u1 ]B′ =  α2  , [u2 ]B′ =  β2  , [u3 ]B′ =  γ2  ,
α3 β3 γ3
entonces tenemos los sistemas de ecuaciones
       
2 3 1 −1
       
u1 = α1 u′1 + α2 u′2 + α3 u′3 ,  1  = α1 
   1 
 + α2  1  + α3  0
   .

1 −5 −3 2
       
2 3 1 −1
u2 = β1 u′1 + β2 u′2 + β3 u′3 ,
       
 −1  = β1  1 
 + β2  1  + β3  0
   .
   
1 −5 −3 2
       
1 3 1 −1
u3 = γ1 u′1 + γ2 u′2 + γ3 u′3 ,
       
 2  = γ1  1  + γ2  1  + γ3  0
   .
   
1 −5 −3 2

Dichos sistemas tiene la misma matriz de coeficientes, por lo que para resolverlos calculamos
   
3 1 −1 2 2 1 1 0 0 3 2 5/2
  rref  
 1 1 0 1 −1 2   −→  0 1 0 −2 −3 −1/2  .


−5 −3 2 1 1 1 0 0 1 5 1 6

Por tanto,  
3 2 5/2
M (B, B ′) = 
 
 −2 −3 −1/2  .


5 1 6

2. Si llamamos  
λ1
[w]B =  λ2  ,
λ3
entonces

w = λ1 u1 + λ2 u2 + λ3 u3 ,
      
−5 2 2 1
       
 8  = λ1  1  + λ2  −1  + λ3  2  ,
       
−5 1 1 1

18

uriel hernandez ([email protected])????????????

 lOMoARcPSD|20176997

que es un sistema de ecuaciones, cuyas soluciones se obtienen mediante

 
  1 0 0 9
2 2 1 −5
rref  
 1 −1 2 8  −→   0 1 0 −9
.

1 1 1 −5
0 0 1 −5

Entonces  
9
[w]B =  −9  .
−5
A partir de la fórmula
[w]B′ = M (B, B ′ )[w]B ,
tenemos que    
3 2 5/2   −7/2
  9  
[w]B′ = 
 −2 −3 −1/2   −9  =  23/2  .
  
−5
5 1 6 6

3. El cálculo directo de [w]B′ nos lleva a considerar

 
µ1
[w]B′ =  µ2  ,
µ3

de donde

w = µ1 u′1 + µ2 u′2 + µ3 u′3 ,

       
−5 3 1 −1
       
 8  = µ1  1  + µ2  1  + µ3  0  .
       
−5 −5 −3 2

Resolvemos este sistema de ecuaciones:

   
3 1 −1 −5 1 0 0 −7/2
  rref  
 1 1 0 8  −→  0 1 0 23/2 
   .
−5 −3 2 −5 0 0 1 6

Entonces  
−7/2
 
 23/2  ,
[w]B′ =  

6
que coincide con el resultado obtenido en el apartado anterior.

Ejercicio 180 Sea S la base estándar de R3 y B = {v1 , v2 , v3 } la base dada por

     
1 2 3
     
 2  , v2 =  5  , v 3 =  3  .
v1 =      

1 0 8

1. Calcule la matriz de paso M (B, S).

2. Calcule la matriz de paso M (S, B) mediante la expresión de los vectores de la base estándar S como combinación
lineal de los vectores de la base B.

19

uriel hernandez ([email protected])????????????

 lOMoARcPSD|20176997

3. Compruebe que M (S, B) = M (B, S)−1 .

4. Sea  
5
 
 −3  .
w= 

1
Calcule [w]B a partir de la definición y use la matriz de paso correspondiente para obtener [w]S .
5. Sea  
3
 
w′ = 
 −5  .


0
Calcule [w′ ]S y use la matriz de paso correspondiente para obtener [w]B .
Solución 180 1. Recordemos que la matriz de paso M (B, S) es igual a


M (B, S) = [v1 ]S [v2 ]S [v3 ]S ,
y sabemos que, de forma directa,
     
1 2 3
     
 2  , [v2 ]S =  5  , [v3 ]S =  3  .
[v1 ]S =      

1 0 8
Por tanto,  
1 2 3
 
 2
M (B, S) =  5 3 
.
1 0 8

2. El cálculo mediante la definición de la matriz de paso M (S, B) precisa de la resolución de los sistemas de
ecuaciones
     
  1 2 3
1      
e1 = α1 v1 + α2 v2 + α3 v3 ,  0  = α1  2  + α2  5  + α3  3  ,
     
0
1 0 8
     
  1 2 3
0      
e 2 = β 1 v1 + β 2 v2 + β 3 v3 ,  1  = β1  2  + β2  5  + β3  3  ,
     
0
1 0 8
     
  1 2 3
0      
e 3 = γ 1 v1 + γ 2 v2 + γ 3 v 3 ,  0  = γ1  2  + γ2  5  + γ3  3  ,
     
1
1 0 8
para lo que calculamos
   
1 2 3 1 0 0 1 0 0 −40 16 9
  rref  
 2 5 3 0 1 0 
 −→  0 1 0 13 −5 −3 
.


1 0 8 0 0 1 0 0 1 5 −2 −1
Entonces  
−40 16 9
 
 13
M (S, B) =  −5 −3 
.
5 −2 −1

20

uriel hernandez ([email protected])????????????

 lOMoARcPSD|20176997

3. Basta comprobar que M (S, B)M (B, S) = I3 . Observemos que la resolución de los sistemas en el apartado anterior
es equivalente al cálculo de la matriz inversa de la matriz M (B, S).
4. Si  
a1
[w]B =  a2  ,
a3
entonces w = a1 v1 + a2 v2 + a3 v3 , lo que implica
       
5 1 2 3
       
 −3  = a1  2  + a2  5  + a3  3  ,
       
1 1 0 8

que es un sistema de ecuaciones. Para resolverlo,

     
1 2 3 5 1 0 0 −239 −239
 2 5 3 −3  rref
     
 −→  0 1 0 77  , de donde [w]B =  77  .
  

1 0 8 1 0 0 1 30 30

Además,     
1 2 3 −239 5
    
 2 5 3  77
[w]S = M (B, S)[w]B =    =  −3  ,
   
1 0 8 30 1
como era de esperar.
5. Ahora lo hacemos al revés. Por el carácter especial de la base estándar, es inmediato que
 
3
[w′ ]S = 
 
 −5  .


Entonces     
−40 16 9 3 −200
[w′ ]B = M (S, B)[w′ ]S = 
    
 13   −5  = 
−5 −3  64
   .

5 −2 −1 0 25

Ejercicio 181 Consideremos la matriz  

1 0 0
 
 0 3
P = 2 
,
0 1 1
y la base B de R3 dada por      
1 1 1
     
 1  , u2 =  1  , u3 =  0 }.
B = {u1 =      

1 0 0
Calcule una base B ′ de R3 tal que P = M (B ′ , B) y una base B ′′ tal que P = M (B, B ′′ ).

Solución 181 Sea B ′ = {u′1 , u′2 , u′3 }. Como

P = M (B ′ , B) =


[u′1 ]B [u′2 ]B [u′3 ]B ,

21

uriel hernandez ([email protected])????????????

 lOMoARcPSD|20176997

esto implica que conocemos los coeficientes con los que cada vector u′i , i = 1, 2, 3 se expresa como combinación lineal
de los vectores de la base B. En concreto,
 
1
u′1 = 1 · u1 + 0 · u2 + 0 · u3 =  1  ,
1
 
4
u′2 = 0 · u1 + 3 · u2 + 1 · u3 =  3  ,
0
 
3
u′3 = 0 · u1 + 2 · u2 + 1 · u3 =  2  .
0

La segunda parte se hace de la misma forma al tener en cuenta que P −1 = M (B ′′ , B). Si escribimos B ′′ =
{u′′1 , u′′2 , u′′3 },
y dado que  
1 0 0
−1
 
P =  0 1 −2 
,
0 −1 3
obtenemos
 
1
u′′1 = 1 · u1 + 0 · u2 + 0 · u3 =  1  ,
1
 
0
u′′2 = 0 · u1 + 1 · u2 + (−1) · u3 =  1  ,
0
 
1
u′′3 = 0 · u1 + (−2) · u2 + 3 · u3 =  −2  .
0

22

uriel hernandez ([email protected])????????????