CAPITULO4 Esp Vectorialesc

Espacios Vectoriales y Aplicaciones Lineales
4. ESPACIOS VECTORIALES Y APLICACIONES LINEALES

SUMARIO: INTRODUCCIN OBJETIVOS INTRODUCCIN TERICA 1.- Espacios Vectoriales. 2.- Propiedades de un Espacio Vectorial. 3.- Propiedades de los Sistemas Libres y Ligados. 4.Subespacios. 5.- Bases de un Espacio Vectorial. Dimensin. 6.- Relacin entre Dimensiones. 7.- Cambio de Base. 8.- Aplicaciones Lineales. 9.- Nomenclatura. 10.- Matriz Asociada a una Aplicacin Lineal. 11.- Operaciones con Homomorfismos y sus Matrices Asociadas. 12.- Cambios de Bases. PROBLEMAS RESUELTOS. BIBLIOGRAFA Subespacios Vectoriales. Operaciones con
MATEMTICAS I
95
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.
INTRODUCCIN Aunque ya se ha trabajado con un espacio vectorial, el de las matrices cuadradas sobre el cuerpo de los reales o los complejos, hasta ahora no se ha definido dicha estructura. En este tema introducimos la estructura de espacio vectorial, que es la estructura bsica del Algebra Lineal. Se trata de enriquecer la estructura de grupo abeliano (definida en el captulo 2) con una ley de composicin externa: el producto por escalares. Para presentar de una forma intuitiva la nueva estructura, se comienza con los ejemplos geomtricos de los vectores libres del plano o del espacio fsico. Se hace ver entonces al alumno que existen otros objetos matemticos, tales como las matrices reales de un cierto orden mxn o los polinomios de coeficientes reales de grado no superior a n dado, para los cuales tambin es posible la suma y el producto por escalares. Adems, en los tres casos (vectores, matrices y polinomios) dichas operaciones comparten las mismas propiedades algebraicas. Surge as, de manera natural, la estructura de espacio vectorial sobre un cuerpo K.
OBJETIVOS Asimilar el concepto de espacio vectorial y las propiedades ms notables que son consecuencia de los axiomas definitorios de la estructura. Reforzar el conocimiento de la estructura comprobando que son espacios vectoriales reales los conjuntos: , los polinomios en la
indeterminada x con coeficientes nmeros reales y de grado
96
MATEMTICAS I
menor o igual que n, las funciones reales continuas, las matrices reales de orden mxn etc. Obtener combinaciones lineales de vectores de un subconjunto dado en un espacio vectorial y conocer las propiedades que verifican. Decidir si un vector es expresable, o no, como combinacin lineal de otros. Conocer la posibilidad de generar un subespacio vectorial a partir de un subconjunto cualquiera de vectores de un espacio vectorial. Decidir con soltura si un sistema de vectores es libre o ligado. Determinar con destreza el rango de un conjunto de vectores. Asimilar el concepto de base y dimensin para un subespacio y para el propio espacio. Decidir sobre la posibilidad de expresar un espacio vectorial como suma directa de dos subespacios propios. Manejar los cambios de bases. Verificar que un homomorfismo entre espacios vectoriales est determinado con slo conocer las imgenes de los vectores de una base. Utilizar la correspondencia entre operaciones con aplicaciones lineales y operaciones con matrices. Decidir con soltura si un homomorfismo es inyectivo, sobreyectivo o biyectivo.
MATEMTICAS I
97
INTRODUCCIN TERICA 1. ESPACIOS VECTORIALES Sea K un cuerpo conmutativo con leyes suma y producto a cuyos elementos llamaremos escalares. Sea E un conjunto a cuyos elementos los llamaremos vectores, denotndolos x , y , etc.
E es un espacio vectorial sobre el cuerpo K si se verifica:

Existe una ley de composicin interna en E , para la cul E tiene estructura de grupo abeliano (denotaremos esta ley por suma y al elemento neutro por el vector 0 ), debiendo por tanto verificar:
x + y E , x , y E ( + es una ley de composicin interna)
( x + y) + z = x + ( y + z ),
x , y, z E (propiedad asociativa)
x + y = y + x , x , y E (propiedad conmutativa)
x E 0 E : x + 0 = x (el 0 es el elemento neutro). x E x E : x + x = 0 (existencia de elemento opuesto)
( )
Existe sobre E una ley de composicin externa, cuyo dominio de operadores es el cuerpo
K,
con
las
siguientes
propiedades ( , K , x, y E ) :
(a) Distributiva respecto a la suma de escalares:
( + ) x = x + x
(b) Distributiva respecto a la suma de vectores: x + y = x + y (c) Asociativa respecto a los escalares: x = ( ) x
( )
98
MATEMTICAS I
(d) Identidad: 1 x = I E = x . NOTA: Si no se hace mencin contraria, K ser el cuerpo de los nmeros reales con las operaciones usuales, suma y producto en los nmeros reales. 2. PROPIEDADES DE UN ESPACIO VECTORIAL Las principales propiedades de un espacio vectorial son las siguientes: x E : 0 x = 0
K : 0 = 0
Si x = 0 = 0 x = 0
K , x E : ( ) x = x = x
2.1. Sistema de Vectores
( )
Un sistema de vectores es un conjunto (trabajaremos siempre con un nmero finito) de vectores, lo representaremos por: S = { x1, x 2,, x n} . 2.2. Combinacin Lineal Un vector x E es una combinacin lineal de los vectores del sistema
S
si
existen
escalares Los
1 , 2 ,, n K
escalares
tal son
que: los
x = 1 x1 + 2 x2 + + n xn .
1 , 2 ,, n
coeficientes de la combinacin lineal.
MATEMTICAS I
99
2.3. Sistemas linealmente dependientes o independientes Un sistema S = {x1, x 2,, x n} de vectores es linealmente independientes, si la condicin x = 1 x1 + 2 x2 + + n xn = 0 , implica necesariamente que: 1 = 2 = = n = 0 . En caso contrario, el sistema S es linealmente dependiente. 2.4. Proposicin. En un sistema linealmente independiente S la nica posibilidad de conseguir una combinacin lineal de vectores de S igualada al vector 0 es que todos los coeficientes de dicha combinacin deben ser 0 , no siendo as si el sistema linealmente dependiente. 3. PROPIEDADES DE LOS SISTEMAS LINEALMENTE DEPENDIENTES E
INDEPENDIENTES
Las principales propiedades de los sistemas linealmente dependientes o independientes son las siguientes:
x 0 el sistema S = x es linealmente independiente.
{}
Si un sistema S es linealmente independiente, cualquier sistema S extrado de l ( S S ) tambin lo es. Todo sistema S que contenga al vector 0 es linealmente dependiente Si un sistema S es linealmente dependiente, todo sistema S que lo contenga ( S S ) tambin lo es. Si un sistema S es linealmente dependiente, al menos uno de los vectores de S es combinacin lineal de los restantes vectores de S .
100
MATEMTICAS I
Si un sistema S es linealmente independiente y el sistema S = S x
{}
es linealmente dependiente, entonces el vector x es combinacin lineal de los vectores de S . 3.1. V(S) Si S es un sistema de vectores, S denotar el conjunto de vectores que son combinacin lineal de vectores de S . 3.2. Sistemas Equivalentes Dos sistemas de vectores S1 y S 2 son equivalentes si S1 = S 2 . Las principales formas para obtener un sistema equivalente a uno dado son: Aadir al sistema nuevos vectores que sean combinacin lineal de los existentes. Cambiando el orden de los vectores del sistema. Multiplicando cualquier vector por un escalar distinto de 0 . Sumando a un vector del sistema otro del mismo multiplicado por cualquier escalar. 4. SUBESPACIOS VECTORIALES. OPERACIONES CON SUBESPACIOS 4.1. Subespacio vectorial Sea E un espacio vectorial sobre un cuerpo K . Todo subconjunto V de
E , que tenga estructura de espacio vectorial con las mismas leyes que E , diremos que es un subespacio vectorial de E .
MATEMTICAS I
101
4.2. Propiedad Sea E un espacio vectorial sobre un cuerpo K y sea V un subconjunto de E , entonces V es un subespacio vectorial de E si y slo si:
x + y V , x, y V .
x V , x V y K
Esta propiedad tambin se podra enunciar de la siguiente forma: 4.3. Propiedad: Sea E un espacio vectorial sobre un cuerpo K y sea V un subconjunto de E , entonces V es un subespacio vectorial de E si y slo si:
, K , x, y V : x + y V
4.4. Interseccin de Subespacios vectoriales Dados dos subespacios vectoriales V1 y V2 interseccin como:
V1 V2 = x E / x V1 y x V2
de
E se define su
El conjunto V1 V2 es un subespacio vectorial de E . 4.5. Subespacios Disjuntos Dos subespacios vectoriales V1 y V2 son disjuntos si y slo si V1
V2 = 0 .
4.6. Suma de subespacios vectoriales Dados dos subespacios vectoriales V1 y V2 de E , se define su suma:
{}
102
MATEMTICAS I

V1 + V2 = x E / x = x1 + x 2 , con x1 V1 y x 2 V2
V1 + V2 es un subespacio vectorial.
Si V1 V2 = 0 , la suma se llama directa y se denota por V1 V2 . Si V1 V2 = E , V1 y V2 se llaman subespacios suplementarios. 4.7. Propiedad Si un espacio vectorial E es suma directa de dos subespacios V1 y V2 , todo vector de E se puede expresar de forma nica como suma de un vector de V1 y otro de V2 . Importante: La unin de subespacios vectoriales no es en general subespacio vectorial. 4.8. Sistema generador Un sistema S de vectores de V es un sistema generador del subespacio vectorial V E si S = V . NOTAS: Las formas ms usuales de expresar un subespacio V suelen ser: Dando un sistema S generador de V , es decir, S = V . Dando las ecuaciones implcitas , que equivale a dar restricciones a las coordenadas de los vectores de E para que estn en V . Por ejemplo,
3
{}
si
E=
podemos
considerar
el
subespacio
V = {( x, y, z )
/ x + y + z = 0}
MATEMTICAS I
103
Dando las ecuaciones paramtricas, que expresan las coordenadas de los vectores de V en funcin de parmetros que pueden tomar cualquier valor de los escalares de K . Por ejemplo, si E =
V = ( x, y, z )
3
3
, podemos considerar el subespacio

: ,
x=+ / y= z=
El paso de unas a otras se realiza de forma cmoda por medio de la teora de sistemas de ecuaciones lineales que veremos posteriormente.
5. BASES DE UN ESPACIO VECTORIAL. DIMENSIN 5.1. Base de un espacio vectorial
Una base de un espacio vectorial E es cualquier sistema S de vectores libres que sean generadores de E .
5.2. Teorema
Todo espacio vectorial admite al menos una base

NOTA:
Un espacio que admite un sistema finito de generadores se dice que es de tipo finito o finitamente generado.
5.3. Teorema
En un espacio vectorial de tipo finito todas las bases son finitas y tienen el mismo nmero de elementos.
104
MATEMTICAS I
5.4. Dimensin
Al nmero de elementos de una base de un espacio vectorial de tipo finito, se le llama dimensin del espacio vectorial.
5.5. Teorema
Sea V un espacio vectorial de dimensin n y B = {v1, v 2, base suya.
, v n} una
Si divido B en dos sistemas de vectores disjuntos

B1 B2 = V .
B = B1 B2 , entonces se cumple que
Es decir, los
subespacios generados por los sistemas B1 y B2 son suplementarios.

5.6. Coordenadas de un vector en una base
Sea B = {e1 , e2 ,, en } una base del espacio vectorial E y x E . Si x = x1e1 + x2 e2 + + xn en se dice que ( x1 , x2 ,, xn ) son las coordenadas del vector x en la base B . Las coordenadas de un vector respecto de una base son nicas.
NOTA: Un vector tiene tantas coordenadas como la dimensin del
mayor espacio vectorial al que pertenece. En el espacio vectorial real e1 = (10 0 ) ,

t t n
la base B = {e1 , e2 ,, en } con

t
e2 = ( 0 1 0 0 ) ,, en = ( 0 0 0 1) la llamaremos
base cannica.
MATEMTICAS I
105
5.7. Rango de un sistema de vectores.
El rango de un sistema S de vectores es la dimensin del subespacio

S
engendrado por S . Es decir, es el mximo nmero de vectores
linealmente independientes de S. Otro procedimiento para calcular el rango de un sistema de vectores S es construir una matriz situando las coordenadas de cada uno de los vectores de S en columnas, es decir, si S = { x 1, x 2,, x p} , la matriz asociada es
1 i 2 i n i
A = x 1 x 2 x p , siendo x i =
, i = 1, 2,, p
dim( S ) = rang ( S ) = rang ( A)

5.8. Base Incompleta
Sea E un espacio vectorial de dimensin n y V un subespacio vectorial de E de dimensin m. Si B = {c1, c 2,, c m} es una base de V , se puede encontrar una base B de E ampliando la de V , es decir:
B = c 1, c 2,, c m, e m +1, e m + 2,, e n
6. RELACIN ENTRE DIMENSIONES
Si V es un subespacio vectorial de E , dim(V ) dim( E ) . Si V = 0 , dim(V ) = 0.
{}
106
MATEMTICAS I
Si V1 y V2 son subespacios vectoriales de V se tiene que:

dim (V1 + V2 ) = dim (V1 ) + dim (V2 ) dim (V1 V2 )
Frmula de Grassman
En particular se tiene que si V1 es suma directa con V2 :
dim (V1 V2 ) = dim (V1 ) + dim (V2 )
7. CAMBIO DE BASE
Sea E un espacio vectorial de dim( E ) = n , sean B = {v1, v 2,, v n} y

B = {u1, u 2,, u n} dos bases de E . Supongamos que el vector x E ,
tiene de coordenadas ( x1 , x2 ,, xn ) respecto de la base B y tiene unas

coordenadas x1 , x2 ,, xn respecto de la base B . Vamos a estudiar
cmo se pueden obtener las coordenadas de un vector en una base conociendo sus coordenadas en la otra base. Por ser B base de E , sus elementos son vectores de E , por lo que se podrn expresar como combinacin lineal de los vectores de la base B :
u1 = a11v1 + a21v2 + u2 = a12 v1 + a22 v2 + + an1vn + an 2 vn
un = a1n v1 + a2 n v2 +
+ ann vn
Sabemos que x = x1v1 + x2 v2 + + xn vn y x = x1u1 + x2u2 + + xnun . Si
sustituimos los datos conocidos obtenemos que:

x = x1u1 + x2u2 + + xn un =
MATEMTICAS I
107
= x1 ( a11v1 + a21v2 + +
+ an1vn ) + x2 ( a12 v1 + a22 v2 +
+ an 2 vn ) +
+ xn ( a1n v1 + a2 n v2 +
+ ann vn ) =
+ xn a2 n v2 +
= x1 a11 + x2 a12 +
+ xn a1n v1 + x1a21 + x2 a22 + + xn ann vn =
+ x1 an1 + x2 an 2 +
= x1v1 + x2 v2 + + xn vn
De todas estas igualdades obtenemos que si igualamos coordenada a coordenada, queda la siguiente relacin:
x1 = x1 a11 + x2 a12 + + xn a1n x2 = x1a21 + x2a22 + + x a n 2n n nn
Ecuaciones del Cambio de Base
xn = x1 an1 + x2 an 2 +
+x a
Expresando este sistema de forma matricial, quedara:

x = P x Ecuacin Matricial del Cambio de Base

x=
x1 x2 x
n
, x'=
x1 x2
,P=
xn
11 21 n1
a12 a22 an 2
a1n a2 n a
nn
Matriz Cambio de Base de
B a B , sus columnas son las coordenadas de los vectores de la base B
respecto de la base B .
7.1. Espacio Vectorial Producto
Sean E y F espacios vectoriales sobre un mismo cuerpo K . Al conjunto E F le dotamos de estructura de espacio vectorial con las leyes:
108
MATEMTICAS I
( u1, u 2 ) + ( v1, v 2 ) = ( u1 + v1, u 2 + v 2 ) ; u1, v1 E;

u, v = u, v ; K ; u E; v F
u 2, v 2 F
( ) (
Dicho espacio vectorial se denomina espacio vectorial producto de E y

F.
Siendo {e1, e 2,, e n} una base de E y
{w1, w2,, wm}
una base de F ,
la dimensin E F es n + m y una base de E F puede ser:
{(e1 , 0), (e2 , 0),, (en , 0), (0, w1 ), (0, w2 ),, (0, wm )}
8. APLICACIONES LINEALES 8.1. Aplicacin Lineal
Sean E y F dos espacios vectoriales sobre el mismo cuerpo K y

f : E F una aplicacin. f es una aplicacin lineal si verifica: f x + y = f x + f y , x, y E f x = f x , K , x E
( (
() ( ) ()
8.2. Propiedad
f es un homomorfismo o aplicacin lineal si y slo si: f x+ y = f x + f
( )
( y ) , , K , x, y E
MATEMTICAS I
109
8.3. Propiedades de las Aplicaciones Lineales
Sea
f : E F
una aplicacin lineal entre los espacios
vectoriales E y F , entonces:
f 0 =0 x E, f ( x) = f ( x)
()
Si V es un espacio vectorial de E , entonces f (V ) es un subespacio vectorial de F . En particular, f ( E ) recibe el nombre de subespacio imagen de f . Se suele denotar por Im( f ). Si S es un sistema de generadores de un subespacio vectorial V de E , entonces f ( S ) es un sistema de generadores del subespacio vectorial
f (V ) . Por lo tanto, f es sobreyectiva si y slo si, la imagen de una base

B de E , f ( B ), es un sistema generador de F .
Si V es un subespacio de F , f 1 (V ) es un subespacio de E .
9. NOMENCLATURA
Sea f : E F un homomorfismo: Si E = F , a f se le denomina endomorfismo. Si f es inyectivo, se denomina monomorfismo. Si f es biyectivo recibe el nombre de isomorfismo Un endomorfismo biyectivo se llama automorfismo.
110
MATEMTICAS I
9.1. Ncleo
Se llama ncleo de una aplicacin lineal f , designndose Ker ( f )

N ( f ) , al siguiente subconjunto de E : Ker ( f ) = x E / f ( x ) = 0 .
9.2. Propiedades del Ncleo
Las principales propiedades del ncleo son las siguientes:

Ker ( f ) es un subespacio vectorial de E . f es un homomorfismo inyectivo si y slo si Ker ( f ) = 0
{}
Ker ( f ) = 0 si y slo si la imagen de cualquier sistema libre de E es
{}
un sistema libre de F .
9.3. Propiedad.
Si la restriccin de f a un subespacio V de E es inyectivo y S es un sistema libre de V entonces f ( S ) es un sistema libre del subespacio
f (V ) F .
9.4. Rango de una aplicacin lineal
Una aplicacin lineal queda determinada conociendo las imgenes de los vectores de una base de E . Si
B = {e1 , e2 ,, en }
es
una
base
de
conocemos
{ f (e1 ), f (e2 ),, f (en )} , vectores de
F , la imagen de cualquier vector x
de coordenadas ( x1 , x2 ,, xn ) en la base B ser:
MATEMTICAS I
111
f ( x ) = f ( xi ei ) = xi f (ei ).
i =1 i =1
IMPORTANTE:
Podra parecer que no siempre se expresa el
homomorfismo por medio de las imgenes de una base, pero dicha informacin siempre se puede obtener y esto ser de utilidad para enlazar homomorfismos y matrices como veremos a continuacin.
10. MATRIZ ASOCIADA A UNA APLICACIN LINEAL

Sean E y F dos espacios vectoriales de dimensiones n y
m,
B = {e1, e 2,, e n} una base de E , BF = {u1, u 2,, u m} una base de F .
Sea x = xi ei ,
i =1
f ( x )= xi f ( ei )= y j u j . Si:
i =1 j =1
(1)
(2) m
f ( e1 ) =
a11u1
+ a21u2 + a22u2 + a2 n u2
+ +
f ( e2 ) = a12u1 f ( en ) = a1n u1
am1um + + am 2um . + + amnum
(1) Por las propiedades de aplicacin lineal. (2) Ya que f ( x ) es un vector de F se podr poner como combinacin
lineal de la base BF .
Se tiene que: y = Px , siendo:

x1 x x
2 n
x=
y=
y1 y y
2 n
P=
a11 a21 am1
a12 a22 am 2
a1n a2 n a
mn
donde:
112
MATEMTICAS I
y es la matriz columna que representa las coordenadas de f ( x) en la

base BF ;
x es la matriz columna que representa las coordenadas de x en la base
B;
P es la matriz del homomorfismo en las bases B
respecto a las bases B y BF ).
BF ( o con
Las columnas de la matriz A son las coordenadas de los vectores f (ei )

, i = 1, 2,, n respecto de la base BF . P es una matriz de orden m n . Fijadas las bases B y BF , la matriz del homomorfismo es nica.
NOTA: Si utilizamos matrices fila para las componentes de x y de

f ( x) , la matriz del homomorfismo sera la traspuesta de la obtenida anteriormente.
11. OPERACIONES CON HOMOMORFISMOS Y SUS MATRICES ASOCIADAS.

Sean E y F dos espacios vectoriales, B una base de E , B una base de F . Sean f y
dos homomorfismos de E en F , siendo sus y

C
matrices sociadas (respecto a las bases B y B ), A respectivamente. Al homomorfismo f + g : E F definido por:
(f
+ g ) x = f x + g x , x E ,
()
() ()
le corresponde la matriz A + C .
MATEMTICAS I
113
Al homomorfismo f : E F ,(producto escalar), definido por:
( f ) ( x) =
f x , x E ,
()
le corresponde la matriz A . Con estas dos operaciones, el conjunto de homomorfismos entre los espacios vectoriales E y F , denotado por L( E, F ) , tiene estructura de espacio vectorial, isomorfo al espacio vectorial de las matrices M mn . Por tanto, la dimensin del espacio L( E, F ) es m n .
NOTA: Fijada una matriz A M mn , siempre es posible encontrar una

base BE en E y una base BF en F , respecto de las cuales la matriz asociada a la aplicacin linea
f : E F es A .
Sean E un espacio vectorial de dimensin n y B una base de E , F un espacio vectorial de dimensin m y BF una base de F, y G un espacio vectorial de dimensin p y BG una base de G . Se consideran las aplicaciones lineales siguientes: F, g : F G f : E
y sean A la matriz asociada a f , y C la Entonces la aplicacin
matriz asociada a g , en las bases dadas. compuesta g f : E G , definida por
(g
f ) x =gf x ,
()
()
tiene como matriz asociada a C A , en las bases BE y BG . Si un homomorfismo f : E E , de matriz asociada A , tiene inverso, la matriz asociada a f 1 : E E es A1 .
114
MATEMTICAS I
12. CAMBIOS DE BASES

Al efectuarse cambios de base en E , en F o en ambos, la matriz del homomorfismo queda modificada obtenindose la nueva matriz por medio de las frmulas del cambio de base. Si tenemos una aplicacin lineal f : E F de matriz asociada A respecto a una base BE en E y una base BF en F , veamos cmo queda la matriz asociada a la aplicacin lineal si en E considero una
nueva base BE y en F una nueva base BF . Sea P la matriz cambio de base de BE en BE en el espacio E. Sea Q la matriz cambio de base de BF en BF en el espacio F.
Tenemos entonces el siguiente diagrama:

EBE P EB
E
FB
Q 1 FB
F
Se cumple que:
A = Q 1 AP
Si slo se realizara el cambio de base en el espacio vectorial E , tendramos:
EBE P EB
E
FB
I FB
F
En este caso se cumple que: A = AP
MATEMTICAS I
115
Si slo se realizara el cambio de base en el espacio vectorial F , tendramos:
EBE I EB E
FB
Q 1 FB
F
En este caso se cumple que: A = Q 1 A .
116
MATEMTICAS I
PROBLEMAS RESUELTOS 1.Sean en

4
los
vectores
u = (2, 3, 2, 5), v = (1, 2, 4, 0), w = (1,1,10/ 7, m) . Calcular el valor de m para que w pertenezca al subespacio engendrado por u y v . SOLUCIN:
Para que el vector w pertenezca al subespacio generado por u y v es necesario que existan dos escalares y que cumplan lo siguiente:
w = u + v = (2, 3, 2, 5) + (1, 2, 4, 0) = (2 + , 3 2 , 2 + 4 , 5 )
. Es decir, se tiene que dar la siguiente igualdad:
(1,1,10/ 7, m) = (2 + , 3 2 , 2 + 4 , 5 ) .
Sabemos que dos vectores son iguales si coinciden componente a componente, de donde obtenemos las siguientes ecuaciones: 2 + 3 2 2 + 4 5 1 = 1 = si multiplicamos la primera ecuacin por 2 y se la = 10 / 7 = m
sumamos a la 2 o ecuacin, obtenemos que: 7 = 3 =
3 y de aqu 7 ecuacin que
ya obtenemos, despejando por ejemplo de la 1 o
= 1
6 1 = . 7 7
Slo hemos utilizado las dos primeras ecuaciones,
veamos que estos valores de y tambin sastisfacen la 3 a ecuacin:
MATEMTICAS I
117
3 1 10 2. + 4. = , luego, efectivamente, s se cumple. Por ltimo como 7 7 7 3 15 tambin se tiene que cumplir la 4 o ecuacin 5. = m m = . 7 7
2.- Sea la aplicacin lineal
f
dada por
f ( x, y, z ) = x y 2 z . Calcular el ncleo de f .
SOLUCIN:
Ker ( f ) = {( x, y, z )
3
/f ( x, y, z ) = 0} =
3
= {( x, y, z )
/x y 2 z = 0} = {( x, y, z )
/ x = y + 2 z}
= {( y + 2 z, y, z ) / y, z } = (1,1, 0 ) , ( 2, 0,1)
1 4 A = 3 1 . 1 0
3.- Sea f la aplicacin lineal de matriz asociada
Hallar la dimensin de Im( f ) . SOLUCIN:

1 4 Sabemos que dim( Im( f )) = rang ( A) = rang 0 4 = 2. 0 0
4.- En el espacio vectorial
se considera el subespacio
V = (1,1, a ) , (1, a,1) , ( a,1,1) . Razonar para qu valores de a se
tiene que dim(V ) = 2. SOLUCIN:
118
MATEMTICAS I
Estudiar la dim(V ) es equivalente a estudiar el rango de la matriz cuyas columnas son los vectores de V . Sea esta matriz la siguiente:
1 1 a A = 1 a 1 . Una condicin necesaria, aunque no suficiente para a 1 1
que dim V = 2 es que A = 0.
Si desarrollamos este determinante
obtenemos que: A = 0 (a 1) 2 (a + 2) = 0 a = 1 a = 2.
5.Sean los subespacios de
4
V1 =< v1, v 2, v 3 >
V2 =< 2v1 v 3, v 4 > . El sistema de vectores {v1, v 2, v 3, v 4} es linealmente
dependiente y v i 0 i. Se pide justificiar la veracidad o falsedad (dando los correspondientes contraejemplos) de las siguientes afirmaciones: a) V1 V2 = 0
{}
b) dim(V1 V2 ) = 2 c) dim(V1 V2 ) = 1 d) V1 + V2 SOLUCION:

4
a) Falso. Si tomamos {v1, v 2, v 3, v 4} = {(1, 0, 0, 0), (0,1, 0, 0), (0, 0,1, 0), (1,1,1, 0)} Es evidente que el vector 2v1 v 3 = (2, 0, 1, 0), est tanto en V1 (por ser combinacin lineal de v1 y v 2 ) como en V2 . b) Falso.
MATEMTICAS I
119
Si tomamos {v1, v 2, v 3, v 4} = {(1, 0, 0, 0), (0,1, 0, 0), (1, 0, 0, 0), (1, 0, 0, 0)}
V2 =< 2v1 v 3, v 4 >=< (1, 0, 0, 0), (1, 0, 0, 0) >=< (1, 0, 0, 0) >
V1 V2 =< (1, 0, 0, 0) > dim(V1 V2 ) = 1 2.
c) Falso. Si tomamos {v1, v 2, v 3, v 4} = {(1, 0, 0, 0), (0,1, 0, 0), (1, 0, 0, 0), (0,1, 0, 0)}
V2 =< 2v1 v 3, v 4 >=< (1, 0, 0, 0), (0,1, 0, 0) > dim(V1 V2 ) = 2 1.
d) Verdadero.
V1 + V2 =< v1, v 2, v 3, v 4, 2v1 v 3, v 4 >=< v1, v 2, v 3, v 4 >
dim(V1 + V2 ) < 4 ya que
{v1, v 2, v 3, v 4}
es un conjunto de vectores
4
linealmente dependiente, con lo cual V1 + V2
.
3
6.- Cual de los siguientes subconjuntos de vectorial? a) L1 = ( x1 , x2 , x3 )

3
no es subespacio
x1 = x2 x2 =2 x3 x1 x2 = 0 x2 x3 = 0
b) L1 = ( x1 , x2 , x3 )
c) L3 = {(4s, s, s ) d) L4 = {( x1 , x2 , x3 ) SOLUCIN:
/ s R}
3
/ x1 x2 = 1}
Para que un subconjunto sea subespacio vectorial debe cumplir que la suma de dos elementos de el tambin pertenezca al subconjunto y que al
120
MATEMTICAS I
multipliar un elemento de el por un escalar tambin siga perteneciendo al subconjunto, es decir:

i ) x + y L1 , x, y L1 ii ) k x L1 , x L1 , k
a) Si es un subespacio vectorial:
x1 = x2 i ) x, y L1 x2 =2 x3 y1 = y y2 =2 y
2 3
x1 + y1 = x2 + y2 x2 + y2 =2( x3 + y3 )
( x1 + y1 , x2 + y2 , x3 + y3 ) L1 x + y L1.
ii ) x L1 x1 = x2 kx1 = kx2 ( kx1 , kx2 , kx3 ) L1 x2 = x3 kx2 =2kx3
k x L1 b) Si es un subespacio vectorial:
x1 x2 = 0 x2 x3 = 0 ( x1 + y1 ) ( x2 + y2 ) = 0 i ) x, y L1 y1 y2 = 0 ( x2 + y2 ) ( x3 + y3 ) = 0 y2 y3 = 0 ( x1 + y1 , x2 + y2 , x3 + y3 ) L1 x + y L1 . ii ) x L1 x1 x2 = 0 k ( x1 x2 ) = 0 x2 x3 = 0 k ( x2 x3 ) = 0
kx1 kx2 = 0 (kx1 , kx2 , kx3 ) L1 k x L1 . kx2 kx3 = 0
MATEMTICAS I
121
c) Si es un subespacio vectorial:
i ) x, y L1 x = (4s, s, s ) x + y = (4( s + t ), s + t , s + t ) x + y L1. y = (4t , t , t )
ii ) x L1 x = (4 s, s, s ) k x = (4ks, ks, ks ) k x L1 .
d) No es subespacio vectorial ya que incumple las dos propiedades ( Nota: deja de ser subespacio vectorial desde que incumpla una de ellas). Veamos que no cumple la segunda.
x = (4, 3, 0) L1
20 15 = 5 1.
sin
embargo
5 x = (20,15, 0) L1
ya
que
7.- Sea la aplicacin lineal g :
definida por
g ( x, y, z ) = ( x + 2 y + z, x + z ) ,
calcular una base de su ncleo. SOLUCIN:
Por definicin sabemos que el Ker ( g ) est formado por los vectores de
3
cuya imagen mediante g es el vector 0

3
. Es decir:
Ker ( g ) = {( x, y, z )
/ g ( x, y, z ) = (0, 0)} =
= {( x, y, z )
/ ( x + 2 y + z, x + z ) = ( 0, 0 )} =
x + 2 y + z = 0 = ( x, y, z ) R 3 / = x + z = 0
= {( x, y, z )
/ x = z y y = z} =
3
= {( z, z, z )
, z R} = ( 1, 1,1) = (1,1, 1)
122
MATEMTICAS I
8.- Sea la aplicacin lineal matriz
f:
definida por la
2 1 2 A = 2 2 3 . Estudiar si se trata de una aplicacin inyectiva, 2 1 2
sobreyectiva o biyectiva. SOLUCIN:

En primer lugar estudiamos el rango de la matriz A que nos dar la dimensin de la Imagen de f .
2 1 2 ( oper .elemen.) 2 1 2 rang ( A) = rang 2 2 3 = rang 0 2 2 = 2 2 1 2 0 0 0
dim( Im( f )) = 2 , para que fuera sobreyectiva tendra que suceder que
dim( Im( f )) = dim(
3
) = 3, es decir, la dimensin de Im( f ) tiene que

3
coincidir con la del espacio de llegada,
que es 3. Por lo tanto, ya
podemos concluir que la aplicacin no es sobreyectiva, porque dim( Im( f )) = 2 dim(

3
) = 3.
Al no ser sobreyectiva, tampoco puede ser biyectiva la aplicacin. La dimensin del Ncleo de f la podemos obtener de la frmula: dim(
3
) = dim( Ker ( f )) + dim( Im( f )), es 2 y la dimensin de

3
como la dimensin de Im( f ) concluimos que dim( Ker ( f )) = 1.
es 3 ,
Este resultado nos indica que f
tampoco es inyectiva, pues para ello tendra que suceder que
dim( Ker ( f )) = 0 .
MATEMTICAS I
123
9.- Dados los subespacios vectoriales de

H = (1,1,1) , (1, 2,1) y S = {( x, y, z )
3
R3
definidos por
/ x = z} calcular la dimensin
de S H . SOLUCIN:
Sabemos que se cumple la siguiente relacin:
dim( H + S ) = dim H + dim S dim( H S )

Tenemos que H est generado por dos vectores que son linealmente independientes, por lo tanto, dim H = 2 , por otro lado, se tiene que
S = {( x, y, z ) decir,
S
3
/x = z} = {( x, y, x),x, y R} = (1, 0,1) , ( 0,1, 0 ) ,
( )
es
tambin est generado por dos vectores linealmente
independientes, por lo que dim S = 2.
() NOTA : En las ecuaciones de S slo aparecen las coordenadas x y

z . Un error generalizado entre los alumnos es el pensar , en este caso,
que la coordenada y = 0 . En caso de que eso sucediera vendra
especificado como una ecuacin ms de las de S . Sabiendo que el subespacio H + S est generado por los vectores que generan a H junto con los vectores que generan a S , entonces se tiene que si colocamos esos vectores como columnas de una matriz:
1 1 1 0 1 1 0 0 dim( H + S ) = rang 1 2 0 1 = rang 0 1 0 0 = 2. 1 1 1 0 0 0 0 0
Sustituyendo estos datos en la frmula de las dimensiones, tenemos que: 2 = 2 + 2 dim( H S ) , es decir: dim( H S ) = 2.
124
MATEMTICAS I
10.- Dada la aplicacin lineal matriz
f:
definida por la
1 0 1 A= , calcular la matriz asociada a f , respecto a las 2 1 1
nuevas bases B 1 = {( 3,1, 0 ) , ( 1,1,1) , ( 0, 2, 3)} y B 2 = {(1, 1) , ( 2, 3)} . SOLUCIN:

La matriz A que define a la aplicacin lineal inicial viene dada respecto a las bases cannicas en
3
y en
, lo que nos estn pidiendo es la

3
matriz A asociada a la aplicacin lineal cuando la base tomada en sea B 1 , y la base tomada en Es decir, tenemos:
f:
3 Bc
, sea B 2 .
2 Bc
--
, y lo que nos estn pidiendo es

3
f:
3 B1
--
2 B2
, para llegar hasta este resultado, podemos pasar de

3
con la base B 1 a
con la base cannica B C , mediante la matriz P a BC. Esta matriz
cambio de base de B 1
es la siguiente:
3 1 0 1 1 2 , por otro lado podemos pasar de 0 1 3
con la base cannica
BC a
con la base B 2 , mediante la matriz Q 1 , siendo Q , la matriz a BC ,
cambio de base de B 2 tenemos lo siguiente:
1 2 Q= . 1 3
Esquemticamente
MATEMTICAS I
125
f:
Q 1 3 B1
----
3 BC
----
2 Bc
---1
2 B2
, de aqu concluimos que la matriz
x---- Px -----APx ----Q APx

buscada es
3 1 0 3 2 1 0 1 A = Q AP = 1 1 2 = 1 1 2 1 1 0 1 3
1
23 6 1 = . 10 2 2
11.- Si f :
3
es una aplicacin lineal, tal que;

f ( 0, 0,1) = (1, 0 ) Cul es el
f (1, 1, 2 ) = ( 2,1) ; f (1, 0, 2 ) = ( 0,1) y
valor de f (1,1, 1) ? SOLUCIN:

El vector (1,1, 1) se puede expresar como combinacin lineal de los vectores: {(1, 1, 2 ) , (1, 0, 2 ) , ( 0, 0,1)} .
(1,1, 1) = (1, 1, 2 ) + (1, 0, 2 ) + ( 0, 0,1)
De esta expresin obtenemos el siguiente sistema:

+ 2 2 + = 1 = 1 = 1
La solucin de este sistema es = 1; = 0; = 1 . Concretamente tenemos que:

(1,1, 1) = (1, 1, 2 ) + 0 (1, 0, 2 ) + ( 0, 0,1) .
126
MATEMTICAS I
Por lo tanto, aplicando f se tiene que:

f (1,1, 1) = f [ (1, 1, 2 ) + 0 (1, 0, 2 ) + ( 0, 0,1)]=
(1)
= f (1,1, 2) + 0 f (1, 0,2) + f (0, 0,1) =

= (2,1) + 0(0,1) + (1, 0) = (1, 1)
(1)
(1) Esta igualdad se cumple por ser f una aplicacin lineal.

12.- Dada la aplicacin lineal matriz
f:
definida por la
1 2 0 A= . 0 1 1
bases:
Calcular la matriz asociada a f en las nuevas
B1 = {( 3, 0,1) , ( 1,1, 0 ) , ( 0, 2,1)} y B2 = {(1, 0 ) , ( 2, 1)} .
SOLUCIN:
La matriz A que define a la aplicacin lineal inicial viene dada respecto a las bases cannicas en
3
y en
, lo que nos estn pidiendo es la

3
matriz A asociada a la aplicacin lineal cuando la base tomada en sea B 1 , y la base tomada en Es decir, tenemos:
f:
3 Bc 2
, sea B 2 .
2 Bc
----
, y lo que nos estn pidiendo es

3
f:
3 B1
----
2 B2
, para llegar hasta este resultado, podemos pasar de

3
con la base B 1 a
con la base cannica B C , mediante la matriz P a BC. Esta matriz
cambio de base de B 1
es la siguiente:
MATEMTICAS I
127
3 1 0 0 1 2 , por otro lado podemos pasar de 1 0 1
con la base cannica
BC a
con la base B 2 , mediante la matriz Q 1 , siendo Q , la matriz a BC ,
cambio de base de B 2 tenemos lo siguiente:

f:
P 3 B1 A 3 BC
1 2 Q= . 0 1
Esquemticamente
Q 1 2 Bc
---
---
---
2 B2
, de aqu concluimos que la
matriz buscada es
3 1 0 1 2 1 2 0 1 3 6 A = Q AP = 0 1 2 = 0 1 0 1 1 1 1 1 1 0 1
1
13.- Sea f :
la aplicacin lineal definida por:
f ( x1 , x2 , x3 , x4 ) = ( x2 + 2 x3 + 2 x4 , x1 + x2 + 3 x3 + 2 x4 , 2 x1 + 2 x2 + 6 x3 + 4 x4 ). Calcular la matriz asociada a f respecto de las bases cannicas.

SOLUCIN:
La base cannica de
4
es
{(1, 0, 0, 0 ) , ( 0,1, 0, 0 ) , ( 0, 0,1, 0 ) , ( 0, 0, 0,1)} .
Veamos cules son sus imgenes mediante la aplicacion f .
f (1, 0, 0, 0) = (0,1, 2); f (0, 0,1, 0) = (2, 3, 6);
f (0,1, 0, 0) = (1,1, 2); f (0, 0, 0,1) = (2, 2, 4)
por lo tanto, la matriz asociada a f en las bases cannicas es aquella cuyas columnas son las imgenes de los vectores de la base:
A = ( f (1, 0, 0, 0) f (0,1, 0, 0) f (0, 0,1, 0) f (0, 0, 0,1) ) =
128
MATEMTICAS I
0 1 2 2 = 1 1 3 2 2 2 6 4
14.- Sea f :
una aplicacin lineal definida como
f ( x, y ) = ( x + y, x y ) .
Se pide hallar la matriz asociada a
respecto de la base B = {(1, 2 ) , ( 3, 2 )} . SOLUCIN:
1 1 La matriz asociada a f respecto a las bases cannicas es A = . 1 1 1 3 La matriz cambio de base de B a B es P = . Sabemos que con 2 2
el cambio de base la nueva matriz asociada viene dada por:
1 A = P 1 AP = 1 2 2
9 1 1 1 3 4 = 1 1 1 2 2 7 4 4
3 4
7 4 9 4
Otra forma de resolverlo:
f (1, 2) = (3, 1) = (1, 2) + (3, 2) = f (3, 2) = (5,1) = (1, 2) + (3, 2) =

Es decir:
9 7 y = 4 4
7 9 y = 4 4
9 7 f (1, 2) = ( , ) en la base B = {(1, 2 ) , ( 3, 2 )} 4 4 7 9 f (3, 2) = ( , ) en la base B = {(1, 2 ) , ( 3, 2 )} . 4 4
MATEMTICAS I
129
9 4 Luego: A = 7 4
7 4 9 4
15.- Calcular la dimensin del ncleo de la aplicacin lineal cuya matriz asociada es:
1 1 0 3 1 A = 2 4 4 3 0 . 0 2 4 3 2
SOLUCIN:
Como la matriz A es de orde 3 x5 , entonces la aplicacin lineal ser
f:
. Sabemos que:
dim( R 5 ) = dim( Ker ( f )) + dim( Im( f )) Por otro lado sabemos que:
1 1 0 3 1 ( oper .elem.) dim( Im( f )) = rang ( A) = rang 2 4 4 3 0 = 0 2 4 3 2
( oper .elem . )
1 1 0 3 1 rang 0 2 4 3 2 = 2 0 0 0 0 0
Luego: 5 = dim( Ker ( f )) + 2 dim( Ker ( f )) = 3
16.- Sea un sistema lineal homogneo de tres ecuaciones con tres incgnitas en el que la matriz del sistema, A , tiene rango 1 . Los vectores (1, 1, 0 ) y
( 0,1,1)
son soluciones de este sistema, cul de
los siguientes vectores no es solucin del sistema?
130
MATEMTICAS I
a) (0, 2, 2) SOLUCIN:
b) (1, 0,1)
c)
( 2, 1,1)
d)
( 2, 1, 0 )
Como el sistema es de tres ecuaciones con tres incgnitas y la matriz
A , cumple que rang ( A) = 1 (es decir el sistema puede ser reducido a una
sla ecuacin por ser las otras dos combinacin lineal de sta) , se tiene que el subespacio solucin del sistema (recordamos que la solucin de todo sistema homogneo es un espacio vectorial ) es de dimensin 2 , sabemos que (1, 1, 0 ) y
( 0,1,1)
son vectores del subespacio solucin y
adems son linealmente independientes, por lo tanto podemos decir que forman una base de dicho subespacio. Luego de los vectores que nos dan, el que no sea combinacin lineal de
{(1, 1, 0 ) , ( 0,1,1)} no ser solucin del sistema.

a) (0, 2, 2) = 0
(1, 1, 0 ) + 2 ( 0,1,1) ,
por lo tanto (0, 2, 2) pertenece al
subespacio solucin. b)
(1, 0,1) = 1(1, 1, 0 ) + 1( 0,1,1) ,
por lo tanto (1, 0,1) pertenece al
subespacio solucin. c)
( 2, 1,1) = 2 (1, 1, 0 ) + 1( 0,1,1) ,

No existen ,
por lo tanto (2, 1,1) pertenece al
subespacio solucin. d)
: ( 2, 1, 0 ) = (1, 1, 0 ) + ( 0,1,1) , ya que

2 = 1 , de la primera y la = 0
=
tendramos el siguiente sistema: +
ltima ecuacin obtenemos que = 2 y que = 0 , pero si sustituimos
MATEMTICAS I
131
estos valores en la 2 a ecuacin obtenemos que 2 + 0 = 1 , lo que evidentemente no es cierto, por lo que el sistema es incompatible, ya que no existen valores de y que verifiquen las tres ecuaciones. De este resultado deducimos que ( 2, 1, 0 ) no pertenece al subespacio de las soluciones del sistema homogneo.
17.- Estudiar para qu valores de
a
y
4
los vectores
(3, 0, a, 1), (1,1, 0, b)

dependientes. SOLUCIN:
(2, 5, b, 4)
de
son linealmente
Para que sean linealmente independientes la matriz que definen tiene que tener rango 3.
Dicha matriz es
3 0 A= a 1
1 2 1 5 . 0 b b 4
Realizando transformaciones
elementales obtenemos la siguiente forma escalonada reducida de A :
3 0 0 0
1 2 3 15 . Como el rango de una matriz y el de cualquiera de sus 0 3b + 3a 0 0
formas escalonadas reducidas coincide, tenemos que rang ( A) = 2 , si y slo si 3b + 3a = 0, es decir, si y slo si a = b.
18.- Sea f :
3
una aplicacin lineal que verifica:
f (1, 2,1) = (1,1) ,
f (0,1, 2) = (1, 2) ,
f (0, 0,1) = (1, 1) . Calcular la
imagen del vector (5, 2,1) .
132
MATEMTICAS I
SOLUCIN:
Vamos a calcular cul es la matriz asociada a f respecto de la base cannica:
f (1, 0, 0) = f ((1, 2,1) 2(0,1, 2) + 3(0, 0,1)) = = f (1, 2,1) 2 f (0,1, 2) + 3 f (0, 0,1) = = (1,1) 2(1, 2) + 3(1, 1) = (2, 6) f (0,1, 0) = f ((0,1, 2) 2(0, 0,1)) = = f (0,1, 2) 2 f (0, 0,1) = (1, 2) 2(1, 1) = (1, 4) f (0, 0,1) = f (0, 0,1)
Por lo tanto la matriz asociada a f respecto a las bases cannicas es: A = ( f (1, 0, 0) f (0,1, 0) 2 1 1 f (0, 0,1) ) = . 6 4 1
Conocida la matriz sabemos que

5 2 1 1 9 f ( x) = Ax f ((5, 2,1)) = 2 = 6 4 1 23 1
MATEMTICAS I
133
1 2 19.- Estudiar si la aplicacin lineal de matriz asociada A = 1 2 , 1 0
es inyectiva, sobreyectiva o biyectiva. SOLUCIN:

Por ser A M 3 x 2 ( R ) f :
2
. Se tiene que
dim( Im( f )) = rangA = 2 dim( Por la frmula: dim(

2
) f no es sobreyectiva.
) = dim( Ker ( f )) + dim( Im( f ))
dim( Ker ( f )) = 2 dim( Im( f )) = 2 2 = 0

Ker ( f ) = 0 f es inyectiva. A pesar de ser inyectiva, por no ser sobreyectiva, no podr ser biyectiva.
{}
20.- Para la aplicacin definida por:
f:
la aplicacin lineal
f ( x1 , x2 , x3 , x4 ) = ( x2 + 2 x3 + 2 x4 , x1 + x2 + 3 x3 + 2 x4 , 2 x1 + 2 x2 + 6 x3 + 4 x4 ) calcular unas ecuaciones del subespacio Im( f ) .
SOLUCIN:
Im( f ) = y R 3 /x

:f x =y =
() }
y = ( y1 , y2 , y3 ) 3 / x = ( x1 , x2 , x3 , x4 ) 4 : = ( x2 + 2 x3 + 2 x4 , x1 + x2 + 3x3 + 2 x4 , 2 x1 + 2 x2 + 6 x3 + 4 x4 ) = ( y1 , y2 , y3 )
134
MATEMTICAS I

( y1, y2 , y3 )
/ ( x1 , x2 , x3 , x4 ) = = = y y y
1 2 3
x2 + 2 x3 + 2 x4 x1 + x2 +3 x3 +2 x4 2 x1 + 2 x2 +6 x3 + 4 x4
4 (1)
0 1 2 2 NOTA: La matriz del sistema es A = 1 1 3 2 2 2 6 4 0 1 2 2 Rang ( A) = rang 1 1 3 2 = 2 y la matriz ampliada viene dada por 0 0 0 0 0 1 2 2 | y1 A = 1 1 3 2 | y2 , 2 2 6 4 | y 3
0 1 2 2 rang ( A ) = rang 1 1 3 2 0 0 0 0
y2 y3 2 y2
y1
El sistema ser compatible cuando rang ( A) = rang ( A ) = 2 y eso slo ocurre cuando y3 2 y2 = 0 por lo que se obtiene que:
= {( y , y , y )
(1) 1 2 3
/y3 2 y2 = 0}
21.- Calcular una base para el ncleo de la aplicacin lineal

f:
4
definida por:
f ( x1 , x2 , x3 , x4 ) = ( x2 + 2 x3 + 2 x4 , x1 + x2 + 3x3 + 2 x4 , 2 x1 + 2 x2 + 6 x3 + 4 x4 )
MATEMTICAS I
135
SOLUCIN:
Ker ( f ) = ( x1 , x2 , x3 , x4 )
/f
( x1, x2 , x3 , x4 ) = ( 0, 0, 0 )} =
( x1, x2 , x3 , x4 ) 4 / = ( x2 + 2 x3 + 2 x4 , x1 + x2 + 3x3 + 2 x4 , 2 x1 + 2 x2 + 6 x3 + 4 x4 ) = = = ( 0, 0, 0 )
= ( x1 , x2 , x3 , x4 ) = ( x1 , x2 , x3 , x4 )
x2 + 2 x3 + 2 x4
4
/ x1 + x2 + 3 x3 + 2 x4 2 x1 + 2 x2 + 6 x3 + 4 x4 /
= 0 = 0 = = 0 = 0 = = 0
x1
+ x3 x2 + 2 x3 + 2 x4
= ( 1, 2,1, 0 ) , ( 0, 2, 0,1) = = (1, 2, 1, 0 ) , ( 0, 2, 0, 1) .
22.- Consideremos los siguientes subespacios vectoriales de

L = ( 1, 0, 2 ) , (0,1, 0)
y M = {( x, y, z )
/x = y} . Estudiar cundo
el vector x = (a, 1, 2) pertenece al subespacio L M . SOLUCIN:
Si a = 1 Entonces
x = (1, 1, 2),
cumple que como sus dos primeras
componentes coinciden entonces x M , veamos si x L . Para ello tendramos que encontrar
tal
que:
x = ( 1, 0, 2 ) + (0,1, 0)
(1, 1, 2) = ( , 0, 2 ) + (0, , 0) = ( , , 2 )
136
MATEMTICAS I
(1, 1, 2) = ( , , 2 ) = 1 y = 1 , es decir x L.
Obtenemos que x L M .
1 0 0 23.- Consideremos la matriz A = 1 1 1 y sea f : 1 2 2
la
aplicacin lineal de matriz asociada A con respecto a las bases cannicas. Encontrar una base de Im( f ) SOLUCIN:
Sabemos que las columnas de la matriz A nos dan un sistema generador de

Im( f ) ,
por
lo
que
un
sistema
generador
es
{(1,1,1) , ( 0, 1, 2 ) , ( 0,1, 2 )} , sin embargo en el ejercicio se nos pregunta

por una base, por lo que a la condicin de ser generador hay que aadirle ser linealmente independientes. El vector ( 0, 1, 2 ) = 1( 0,1, 2 ) , por lo que podra ser extrado del sistema por ser combinacin lineal de uno de ellos. Nos quedaramos con
{(1,1,1) , ( 0,1, 2 )}
que sigue siendo sistema
generador de Im( f ) y adems es linealmente independiente, ya que los nicos , y que cumplen que: (1,1,1) + ( 0,1, 2 ) = ( 0, 0, 0 ) son
= 0, y = 0. Tambin se podra haber razonado viendo que el rango

1 0 de la matriz 1 1 es dos, por lo tanto los dos vectores que definen sus 1 2
columnas son linealmente independientes.
MATEMTICAS I
137
Luego una base de Im( f ) es
{(1,1,1) , ( 0,1, 2 )}.

q( x) = 1 + x,
y
24.- Consideremos los elementos del espacio vectorial P2 , de los polinomios reales de grado a lo sumo 2, p( x) = 1,
r ( x) = 1 x 2 . Razonar la veracidad o falsedad de las afirmaciones
siguientes: a)
{ p( x), q( x), r ( x)} es un sistema linealmente independiente.

{ p( x), q( x), r ( x)}
tiene
b) El subespacio vectorial de P2 engendrado por tiene dimensin 2. c) El subespacio vectorial engendrado por dimensin 1. SOLUCIN:
{ p( x), q( x), r ( x)}
a) Verdadera. Vamos a igualar una combinacin lineal de los tres vectores al polinomio 0 = 0 + 0 x + 0 x 2 . Para que sean linealmente independientes los escalares de la combinacin nos tendran que dar 0. Sean , ,
: p ( x) + q( x) + r ( x) = 0 = = = 0
?
Si p ( x) + q( x) + r ( x) = 0 1 + (1 + x ) + 1 x 2 = 0
+ + + x x2 = 0
para que un polinomio sea idnticamente nulo, tiene que suceder que los coeficientes que acompaan a las diferentes potencias de la variable sean
0 y adems el trmino independiente tambin sea 0.
138
MATEMTICAS I
Por lo tanto, obtenemos que:
+ +
= 0 = 0 = = 0 = 0
sustituyendo en la 1 a ecuacin se tiene: = 0 de aqu obtenemos que el sistema { p ( x), q ( x), r ( x)} es linealmente independiente. b) Falso. Ya hemos visto que los tres vectores son linealmente independientes por lo tanto, ellos sern una base del subespacio que generen, y esto conduce a que dicho subespacio tendr dimensin 3. c) Falso. El razonamiento es el mismo que en b).
25.- Si u, v y v, w son dos sistemas libres en un espacio vectorial

U , justificar razonadamente si los siguientes apartados son
{ } { }
verdaderos o falsos: a) b) c)
{u, v, w} es un sistema libre. {u, v, w} es un sistema ligado. {u, u, w} es un sistema libre.
SOLUCIN:
a) Falso. Valga el siguiente y contraejemplo: Sea

U=
3
{u, v} = {(1, 0, 0 ) , ( 0,1, 0)}
{v, w} = {( 0,1, 0) , ( 2, 0, 0)} ,
se cumple que
MATEMTICAS I
139
ambos
sistemas
son
libres,
sin
embargo,
{u, v, w} = {(1, 0, 0) , (0,1, 0), (2, 0, 0)}

w = 2u .
no es un sistema libre, ya que
b) Falso. Valga el siguiente y contraejemplo: Sea

U=
3
{v, w} = {( 0,1, 0) , ( 0, 0,1)}, se cumple que ambos sistemas son libres y {u, v, w} = {(1, 0, 0 ) , (0,1, 0), (0, 0,1)} es un
sistema libre, ya que se trata de la base cannica de c) Falso. Un sistema de la forma u, u, w nunca puede ser libre, porque dos de sus vectores son linealmente dependiente u = 1.u .
26.- Dados los subespacios vectoriales de
L = (1, 0, 2, 0 ) , ( 1, 2,1,1) , ( 0, 0,1, 0 ) , ( 0, 0, 0,1)
4 3
{u, v} = {(1, 0, 0 ) , ( 0,1, 0)}
: y
S = {( x, y, z, t ) / x y = 0} . Se pide la dimensin de L S .
SOLUCIN:
Tenemos que S = {( x, y, z, t ) / x y = 0} = {( x, x, z, t ) / x, z, t
= (1,1, 0, 0 ) , ( 0, 0,1, 0 ) , ( 0, 0, 0,1) .
}=
Para calcular dim( L S ) , lo que vamos a hacer es calcular dim( L + S ) y a continuacin aplicar la frmula: dim( L + S ) = dim( L) + dim( S ) dim( L S )
dim( L S ) = dim( L) + dim( S ) dim( L + S ).
140
MATEMTICAS I
Tenemos que:
1 1 0 2 dim( L) = Rang 2 1 0 1 1 1 dim( S ) = Rang 0 0
0 0 1 0
0 1 1 0 0 2 = Rang 0 0 0 0 0 1 0 1 0 0
0 0 2 0
0 0 =4 0 2
0 0 1 0
0 1 0 0 = Rang 0 0 0 1
0 0 =3 1 0
L + S est generado por los vectores que generan a L junto con los
vectores que generan a S , por lo tanto:

L + S = (1, 0, 2, 0 ) , ( 1, 2,1,1) , ( 0, 0,1, 0 ) , ( 0, 0, 0,1) , (1,1, 0, 0 ) dim( L + S ) = 1 1 0 2 = Rang 2 1 0 1
0 0 1 0
0 0 0 1
1 1 1 1 0 2 = Rang 0 0 0 0 0 0
0 0 2 0
0 1 0 1 =4 0 7 2 1
Sustituyendo estos datos en la frmula de las dimensiones, obtenemos que:
dim( L S ) = 4 + 3 4 = 3
Otra forma de haberlo razonado es, una vez sabido que dim( L) = 4 , como
L=
4
es
un
4
subespacio
de
se
obtiene
que
LS =
S = S dim( L S ) = dim( S ) = 3
MATEMTICAS I
141
27.- Sea la aplicacin lineal
f:
definida por
f ( x, y, z ) = ( x + y, x z ) . Hallar el conjunto imagen de f .

SOLUCIN:
Sabemos
Im( f ) =
que:
{( a, b ) = {( a, b )
2 2
/ ( x, y, z ) / ( x, y, z )
3 3
: f (( x, y, z )) = (a, b)} = : (( x + y, x z )) = (a, b)} = = =
x+ y =a = ( a, b ) 2 / ( x, y, z ) 3 : xz =b = {( x + y, x z ) / x, y, z } = = (1,1) , (1, 0), (0, 1) = (1, 0 ) , ( 0, 1) = (1, 0 ) , ( 0,1) =

2
28.- Sea
f:
la aplicacin lineal definida por
f ( x, y, z ) = 3 x 2 y + 5 z . Encontrar una base del ncleo de f .

SOLUCIN:
Ker ( f ) =
{( x, y, z ) / f (( x, y, z )) = 0} = = {( x, y, z ) / 3 x 2 y + 5 z = 0} = = {( x, y, z ) /x = (2 y 5 z ) / 3} = = {( (2 y 5 z ) / 3 , y, z ) / y, z } =
3 3 3 3
5 2 = ,1, 0 , ( , 0,1) = ( 2, 3, 0 ) , (5, 0, 3) 3 3
29.- Sea E un espacio vectorial sobre K de dimensin n . Sea f un endomorfismo de E y sea M su matriz asociada. veracidad o no de cada uno de los siguientes apartados: a) M es invertible f es inyectivo. Razonar la
142
MATEMTICAS I
b) M nunca es invertible. c) Al ser f un endomorfismo es siempre biyectivo. d) M siempre es invertible. SOLUCIN:

a) Verdadero. i ) Veamos que si f es inyectiva M es invertible. Tenemos la frmula:
dim( E ) = dim( Im( f )) + dim( Ker ( f )).

Si f es inyectiva, sabemos que Ker ( f ) = 0 dim( Ker ( f )) = 0, este dato en la frmula otro anterior lado, vemos que que
{}
sustituyendo
dim( E ) = dim( Im( f )) . dim( Im( f )) = rang ( M ) , luego
Por
sabemos
rang ( M ) = dim( E ) = n , y como M M nxn ( R ) , se deduce que M 0 y

esta propiedad ya implica que M es invertible. ii ) Veamos que si M es invertible f es inyectiva. Si M es invertible M 0 , por lo tanto, rang ( M ) = n , y como
rang ( M ) = dim( Im( f )) , obtenemos que dim( Im( f )) = n . Sustituyendo

este dato en la frmula de las dimensiones: dim( E ) = dim( Im( f )) + dim( Ker ( f )) , n = n + dim( Ker ( f )) , es decir, se llega a que
MATEMTICAS I
143
dim( Ker ( f )) = 0 y el nico subespacio de dimensin 0 es el

subespacio nulo: Ker ( f ) = 0
{}
y esa es la condicin necesaria y
suficiente para que f sea inyectiva. b) Falso. Ya hemos visto en a) que cuando f es inyectiva M es invertible. c) Falso. Sea f:
2
definida
de
la
siguiente
forma:
f (( x, y )) = ( x y, x y )
Veamos que f es un endomorfismo. Para ello slo habra que
comprobar que es lineal ya que evidentemente es aplicacin.

f ( x + y )= f ( x) + f ( y )
?
Supongamos que x = ( x1 , x2 ) e y = ( y1 , y2 ) , entonces: f ( x + y ) = f ( ( x1 , x2 ) + ( y1 , y2 )) = f (( x1 + y1 , x2 + y2 )) = = ( x1 + y1 ( x2 + y2 ), x1 + y1 ( x2 + y2 )) = = (( x1 x2 ) + ( y1 y2 ), ( x1 x2 ) + ( y1 y2 )) = = ( x1 x2 , x1 x2 ) + ( y1 y2 , y1 y2 ) = = ( x1 x2 , x1 x2 ) + ( y1 y2 , y1 y2 ) = = f ( x1 , x2 ) + f ( y1 , y2 ) = f ( x) + f ( y ) Por lo tanto f es un endomorfismo de comprobar que f no es biyectiva.

2
. Sin embargo, vamos a
144
MATEMTICAS I
Ker ( f ) = x
/f ( x) = 0 = {( x, y )
2

2
/f ( x, y ) = (0, 0)} =
= {( x, y )
/ ( x y, x y ) = (0, 0)} =
2
= {( x, y )
/x = y} =< (1,1) >
Hemos obtenido que Ker ( f ) 0 , por lo que f no es inyectivo, y esto significa que no puede ser biyectivo. d) Falso. En el apartado a) ya hemos demostrado que M slo es invertible cuando f sea inyectiva.
{}
30.- Sean f : V W
y g : W U , las aplicaciones
lineales con matrices asociadas A y B respectivamente. Calcular la matriz asociada a la aplicacin lineal g f : V U . SOLUCIN:
La matriz asociada a g f , ser M , tal que g f ( x) = M x Ahora bien, sabemos que: g f ( x) = g ( f ( x))
( f ( x ) = Ax )
( g ( y )= B y )
g ( Ax)
B( Ax) = ( BA) x
Luego, la matriz asociada a g f es BA.
31.- Sea f una aplicacin lineal. Razonar si de los siguientes apartados puede haber alguno(s) verdadero(s): a) Si f : b) Si f : c) Si f :
3
nunca ser sobreyectiva. siempre es biyectiva. siempre es inyectiva.
MATEMTICAS I
145
d) Si f :
nunca ser sobreyectiva.
SOLUCIN:
a) Verdadero. Por la frmula de las dimensiones sabemos que: dim(
3
) = dim( Ker ( f )) + dim( Im( f )) , tendramos

5
si
la
5
aplicacin , por lo
fuera tanto
sobreyectiva
que
Im( f ) =
dim( Im( f )) = dim(
) = 5 . Luego, la frmula de las dimensiones nos 3 = dim( Ker ( f )) + 5 , de donde se deduce que
quedara como sigue:
dim( Ker ( f )) = 2 , lo que no puede suceder, ya que la dimensin de todo espacio vectorial es siempre un nmero entero no negativo. b) Falso. Como contraejemplo utilizaremos la siguiente aplicacin: f : definida por: f (( x, y, z )) = ( x, 0, 0) . Veamos en primer lugar que f es una aplicacin lineal. i ) f es aplicacin:
3
i.1) ( x, y, z )
elemento de
3
, ( x, 0, 0)
: f (( x, y, z )) = ( x, 0, 0) , es decir, todo
3
tiene su imagen en
i.2) Si ( x, y, z ) = ( x , y , z ) , entonces sus componentes coinciden, es decir:
x = x ,
y = y ,
z = z , en particular nos interesa saber que
x = x , de donde se obtiene que ( x, 0, 0) = ( x , 0, 0), es decir,

f (( x, y, z )) = f (( x , y , z )) . Con este razonamiento lo que se ha visto es que cada elemento de
3
tiene una nica imagen en
146
MATEMTICAS I
ii )
f es lineal:
?
f ( x + y )= f ( x) + f ( y )
Supongamos que x = ( x, y, z )
y = ( x , y , z ) , entonces tendramos
que: f ( x + y ) = f (( x, y, z ) + ( x , y , z )) = = f (( x + x , y + y , z + z )) = ( x + x , 0, 0) = = ( x, 0, 0) + ( x , 0, 0) = ( x, 0, 0) + ( x , 0, 0) = = f (( x, y, z )) + f (( x , y , z )) = f ( x) + f ( y ) Veamos que f no es inyectiva Sean por ejemplo x = (1, 2, 3) e y = (1, 3, 4) evidentemente se tiene que
x y y sin embargo, f ( x) = (1, 0, 0) = f ( y ) , luego f no es inyectiva.
Por no ser inyectiva, ya no ser biyectiva. c) Falsa. De nuevo recurrimos a la frmula: dim(
4
) = dim( Ker ( f )) + dim( Im( f )) , si f fuera inyectiva, sabemos
que Ker ( f ) = 0 , es decir, dim( Ker ( f )) = 0 , y sustituyendo este dato en la anterior frmula, se obtiene que: dim( tanto: dim( Im( f )) = 4 , sin embargo, Im( f ) que dim( Im( f )) dim( f:
4 3 4
{}
) = dim( Im( f )) , por lo

3
de donde se deduce
) = 3 . De este razonamiento se concluye que si
es una aplicacin lineal, nunca puede ser inyectiva.
d) Falso.
MATEMTICAS I
147
Como contraejemplo nos sirve la aplicacin identidad: i : x

3
: i( x) = x .
Es evidente que es una aplicacin lineal y es
biyectiva, por lo tanto, en particular ser sobreyectiva.
32.- Dado un endomorfismo f :
definido como
f ( x, y, z, t ) = ( x y t , 2 x y z t, x y t , z x) , demostrar que
Ker ( f ) = Im ( f ) .
SOLUCIN:
1 1 0 1 2 1 1 1 . La matriz asociada a este endomorfismo es A = 1 1 0 1 1 0 1 0 Sabemos que A = ( f (e1) f (e 2) f (e 3) f (e 4) ) , y que el conjunto Im( f ) esta generado por las imgenes de los vectores de la base, es decir,
Im( f ) =< f (e1), f (e 2), f (e 3), f (e 4) >, luego de este conjunto podemos
extraer una base de Im( f ). 1 1 0 1 2 1 1 1 = rango( A) = rango 1 1 0 1 1 0 1 0 1 1 0 1 0 1 1 1 = 2. = rango 0 0 0 0 0 0 0 0
148
MATEMTICAS I
Como
f (e1) y f (e 2)
son linealmente independientes, podemos
elegirlos como una base de Im( f ). Nota: Tambin se puede tomar como base { f (e 2), f (e 3)} pero no
{ f (e 2), f (e 4)}, ya que f (e 2) = f (e 4).
x y t = 0 4 4 2x y z t = 0 Ker ( f ) = { x /Ax = 0} = ( x, y, z, t ) / = x y t = 0 xz =0 x y t = 0 = ( x, y, z, t ) 4 / 2 x y z t = 0 = xz =0 2 x y z t = 0 = ( x, y, z, t ) 4 / = xz =0 y = z t = ( x, y, z, t ) 4 / = x=z = {( z, z t , z, t ) / z, t } = =< (1,1,1, 0), (0, 1, 0,1) >=< w1, w 2 > Para ver que Ker ( f ) = Im ( f ) , podemos comprobar que los vectores de la base de Im ( f ) verifican las ecuaciones del Ker ( f ) , con lo cual tambin sirven como base de Ker ( f ). Otra forma de verlo es juntar las bases de Ker ( f ) e Im ( f ) , en una matriz Q4 x 4 = ( w1 w 2 f (e 1) f (e 2) ) y observar que tiene rango 2, lo cual nos esta diciendo que w1 y w 2 son combinacin lineal de f (e 1) y f (e 2) y viceversa, ambos espacios estaran contenidos el uno en el otro, luego son iguales.
MATEMTICAS I
149
33.- Dado los subespacios de
, L =< (1, 0, 0, 0), (1, 2,1, 0) >=< u1, u 2 >
y M =< (1, a,1, 2), (0, 2,1, a) >=< v 1, v 2 >, estudiar para qu valores de
a se tiene que L M =
4
SOLUCIN:
LM =
4
L + M = 4 dim( L + M ) = 4 (1) dim( L M ) = 0 LM ={0}
Veamos en primer lugar cul es la dimensin de L . Un sistema generador suyo es
{(1, 0, 0, 0), (1, 2,1, 0)} ,
para que este
sistema sea una base habra que comprobar que los dos vectores son linealmente independientes, o lo que es equivalente que el rango de
1 0 A= 0 0
1 1 1 2 es 2. Ahora bien, en A se tiene el menor 0 que es 0 2 1 0
de orden 2, por lo tanto Rang ( A) = 2 , es decir, dim( L) = 2. Veamos ahora cul es la dimensin de M . Un sistema generador de dicho subespacio es el {(1, a,1, 2), (0, 2,1, a )} para que fuera base tendran que ser linealmente independientes, o 0 1 2 a = 2 , ahora bien, esto s se cumple equivalentemente, que Rang 1 1 2 a
150
MATEMTICAS I
ya que existe el menor de orden 2 siguiente:
1 0 0 , luego, 1 1
dim( M ) = 2 .
Sabemos que:
dim( L + M ) = dim( L) + dim( M ) dim( L M )
dim( L + M ) = 2 + 2 dim( L M ) dim( L + M ) = 4 dim( L M )
Las dos condiciones de (1) se cumplirn simultneamente, es decir,
dim( L + M ) = 4 dim( L M ) = 0 Los vectores que generan a L y

los vectores que generan a M son linealmente independientes. Juntamos las bases de L y M en una matriz A = ( u1 u 2 v 1 v 2 cuando tenga rango 4, los vectores independientes con v 1 y v 2.
1 0 A= 0 0
u1 y u 2 sern linealmente
1 1 2 a 1 1 0 2
0 2 , A tendr rango 4, si y slo si su determinante es 1 a
distinto de cero.
A = 2 a a 2 ; A = 0 2 a a 2 = 0 a = 0 a = 2.
34.M = {x
Dado
los
subespacios
de
L =< (1, 2, 0, 3), (0,1, 2, 0) >=< u1, u 2 >

4
/ x = (a, 0, 2a, b), a, b
} , calcular L M .
} =< (1, 0, 2, 0), (0, 0, 0,1) >=
151
SOLUCIN:
M = {x
4
/ x = (a, 0, 2a, b), a, b
MATEMTICAS I
=< v 1, v 2 >
Sabemos que:
dim( L + M ) = rango(u1 u 2 v 1 v 2) =
1 2 = rango 0 3
0 1 1 1 0 1 0 0 = rango 0 2 0 2 0 0 0 0
1 1 2 2 =4 0 4 2 3 0 0 2 0 1
Adems tambin sabemos que:

dim( L + M ) = 4= 4= dim( L M ) = 0
35.-
dim( L) + dim( M ) dim( L M ) 2 + 2 dim( L M ) 4 dim( L M ) L M = {0}

3
Siendo F = {( x, y, z )
/ x 2 y + 3 z = 0} , Con cual de los

3
siguientes subespacios se verifica que F H = a) H = {( x, y, z )

3
/ x y + 3z = 0} / 2 x + y + z = 0 yz =0
b) H = ( x, y, z )
c) H = {( x, y, z ) d) H = {( x, y, z ) SOLUCIN:
/ x = 0} / x = y = z}
F = {( x, y, z )
/ x 2 y + 3 z = 0} = {( x, y, z )
/ x = 2 y 3 z} =
3
=< (2,1, 0), (3, 0,1) > , luego dim( F ) = 2, para que F H =
tendr que cumplir que:
, H
152
MATEMTICAS I
i ) dim(
) = dim( F ) + dim( H ) 3 = 2 + dim( H ) dim( H ) = 1.
ii ) H F = {0}
a) Con este H no se cumple, ya que dim( H ) = 2. H = {( x, y, z )
3
/ x y + 3z = 0} = {( x, y, z )
/ x = y 3 z} =
=< (1,1, 0), (3, 0,1) > b) Con este H tampoco se cumple, ya que:
2 x + y + z = 0 = ( x, y, z ) 3 / = yz =0 x = z = ( x, y, z ) 3 / = y=z =< (1,1,1) >
ahora bien (1,1,1) F ya que verifica sus ecuaciones ( en este caso solo es una), luego H F {0} c) Este subespacio no es vlido porque dim( H ) = 2. H = {( x, y, z )
3
/ x = 0} =< (0,1, 0), (0, 0,1) >
d) Este subespacio s lo cumple: H = {( x, y, z )

3
/ x = y = z} =
=< (1,1,1) > dim( H ) = 1.

dim( L F ) = dim( L) + dim( F ) dim( L + F ) = 2 3 1 = 1 + 2 rango 1 0 1 = 0 1 1 = 33 = 0
MATEMTICAS I
153
H F = {0}
36.- Sea f :
2
la aplicacin lineal tal que:
f (1, 2) = (3, 1, 5) y f (0,1) = (2,1, 1) .

Si ( x, y )
2
, calcular la expresin de f ( x, y ) .
SOLUCIN:
Conocemos
la
matriz
asociada
respecto
de
la
base
3 2 B = {(1, 2), (0,1)} , es A = 1 1 , y nos la piden respecto de la base 5 1 B = {(1, 0), (0,1)} .
Como el (0,1) esta en las dos bases solo nos faltara cononer la imagen del (1, 0), escribiremos (1, 0) como combinacin lineal de los vectores de la base B , (1, 0) = (1, 2) + (0,1) f (1, 0)
+ 0 = 1 = 1 y = 2, por tanto 2 + = 0
= f [ (1, 2) + (0,1)] = f [(1, 2) 2 (0,1)] = = f (1, 2) 2 f (0,1) = (3, 1, 5) 2(2,1, 1) = (1, 3, 7),
luego la matriz asociada a f respecto de B es

1 2 A = ( f (1, 0), f (0,1) ) = 3 1 . 7 1
Otra forma de haber llegado al mismo resultado es mediante la matriz cambio de base.
154
MATEMTICAS I
1 0 La matriz cambio de base de B a la base cannica B es P = , 2 1 1 0 la matriz cambio de base de B a B ser por tanto P 1 = 2 1
, B) ( x
, B )-----
P 1 x
f ( P 1 x) = A ( P 1 x)
3 2 1 0 f ( P x) = A ( P x) = 1 1 x= 2 1 5 1 3 2 1 0 = 1 1 x = 5 1 2 1
1 1
1 2 x + 2 y x = 3 1 = 3 x + y 7 1 y 7 x y
37.- Sean las aplicaciones lineales de
3
definidas por:
f (x, y, z ) = (0, x 4y, 2x + y 2z ); g ( x, y, z ) = (3 x, x y, 2 x + y + z ); h( x, y, z ) = ( x, y, z ) , calcular la matriz asociada a la aplicacin [( gog ) h]of en las bases cannicas . SOLUCIN:
0 0 0 La matriz asociada a f es A = 1 4 0 , a g es 2 1 2
MATEMTICAS I
155
3 0 0 1 0 0 B = 1 1 0 y a h es C = 0 1 0 La matriz asociada a 2 1 1 0 0 1
[( gog ) h]of ser: [( B B) C ] A = 3 0 0 3 0 0 1 0 0 0 0 0 = 1 1 0 1 1 0 0 1 0 1 4 0 = 2 1 1 2 1 1 0 0 1 2 1 2

8 0 0 0 0 0 0 0 0 = 2 0 0 1 4 0 = 0 0 0 9 0 0 2 1 2 0 0 0
Otra forma de llegar al mismo resultado es hallar la expresin de la funcion [( gog ) h]of : [( gog ) h]of x = ( gog )of x hof x = gogof x hof x =
= gog ( 0, x 4 y, 2 x + y 2 z ) h ( 0, x 4 y, 2 x + y 2 z ) = = g ( 3.0, 0 ( x 4 y ), ( x 4 y ) + (2 x + y 2 z ) ) ( 0, x 4 y, 2 x + y 2 z ) = = g ( 0, x + 4 y, 3 x 3 y 2 z ) ( 0, x 4 y, 2 x + y 2 z ) = = ( 0, x 4 y, 2 x + y 2 z ) ( 0, x 4 y, 2 x + y 2 z ) = (0, 0, 0)
()
()
()
()
()
38.- Sean los siguientes subespacios vectoriales de
:
3
L = {( x, y, z )
/ x + 3 y z = 0}
y M = {( , 0, 3 )
Calcular L M . SOLUCIN:
156
MATEMTICAS I
L = {( x, y, z )
/ x + 3 y z = 0} = {( x, y, z )
3

3
/ x = 3 y + z} =
1 2
= {(3 y + z, y, z ) M = {( , 0, 3 )
3
/ y, z
} =< (1, 0,1), (3,1, 0) >=< u , u

1
>
} =< (1, 0, 3) >=< v >

3
L M , son los vectores de

como de M , es decir,
L M = ( x, y, z )
que cumplan tanto las ecuaciones de L
x 3 y z = 0 / x 3 z = 0 = {(0, 0, 0)} y=0
Tambin podamos haber llegado a la misma conclusin calculando la dimensin de L M . Sabemos que L + M esta generado por la unin de sus bases, luego:
1 3 1 dim( L + M ) = rango(u1 u 2 v1) = rango 0 1 0 = 1 0 3 1 3 1 = rango 0 1 0 = 3. 0 0 2
Como adems sabemos que:
dim( L + M ) = dim( L) + dim( M ) dim( L M ) dim( L M ) = dim( L) + dim( M ) dim( L + M ) dim( L M ) = 2 + 1 3 = 0

L M = {0}
MATEMTICAS I
157
BIBLIOGRAFIA
ANZOLA, M.; CARUNCHO, J.; PREZ-CANALES, G. (1981). Problemas de lgebra (Tomos 1-7). Madrid. SSAG. BURGOS, J. (1999). Madrid. McGraw-Hill. CARBO, R.; DOMINGO, LL. (1987). lgebra Matricial y Lineal. Espaa. McGraw-Hill. DE LA VILLA, A. (1994). Problemas de lgebra. Madrid. Clagsa. ESPADA BROS, E. (1984). Problemas resueltos de lgebra. Barcelona. EUNIBAR. FLAQUER, J; OLAIZOLA, J; OLAIZOLA, J. (1996). Curso de lgebra Lineal. Navarra EUNSA. FRALEIGH, J.B.; BEAUREGARD, R.A. (1989). lgebra Lineal. U.S.A. Addison-Wesley Iberoamericana. GARCA, J.; LPEZ, M. (1990). lgebra Lineal y Geometra. Alcoy. Marfil. GRANERO, F. (1994). lgebra y Geometra Analtica. Madrid . McGraw-Hill. GROSSMANN, S.I. (1996). aplicaciones. Mxico. McGraw-Hill. GUERRA, N.; LPEZ, B. (1999). Problemas resueltos tipo test de lgebra Lineal (Con esquemas tericos). Las Palmas de G.C. El Libro Tcnico. lgebra Lineal con lgebra Lineal y Geometra Cartesiana.
158
MATEMTICAS I

CAPITULO4 Esp Vectorialesc

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

CAPITULO4 Esp Vectorialesc

Cargado por

Copyright:

Formatos disponibles

Espacios Vectoriales y Aplicaciones Lineales

4. ESPACIOS VECTORIALES Y APLICACIONES LINEALES

Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.

indeterminada x con coeficientes nmeros reales y de grado

Espacios Vectoriales y Aplicaciones Lineales

Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.

E es un espacio vectorial sobre el cuerpo K si se verifica:

x + y E , x , y E ( + es una ley de composicin interna)

x E 0 E : x + 0 = x (el 0 es el elemento neutro). x E x E : x + x = 0 (existencia de elemento opuesto)

Espacios Vectoriales y Aplicaciones Lineales

coeficientes de la combinacin lineal.

Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.

Espacios Vectoriales y Aplicaciones Lineales

Si un sistema S es linealmente independiente y el sistema S = S x

Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.

Espacios Vectoriales y Aplicaciones Lineales

Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.

, podemos considerar el subespacio

Todo espacio vectorial admite al menos una base

Espacios Vectoriales y Aplicaciones Lineales

Sea V un espacio vectorial de dimensin n y B = {v1, v 2, base suya.

Si divido B en dos sistemas de vectores disjuntos

B = B1 B2 , entonces se cumple que

subespacios generados por los sistemas B1 y B2 son suplementarios.

mayor espacio vectorial al que pertenece. En el espacio vectorial real e1 = (10 0 ) ,

la base B = {e1 , e2 ,, en } con

Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.

5.7. Rango de un sistema de vectores.

El rango de un sistema S de vectores es la dimensin del subespacio

engendrado por S . Es decir, es el mximo nmero de vectores

dim( S ) = rang ( S ) = rang ( A)

6. RELACIN ENTRE DIMENSIONES

Si V es un subespacio vectorial de E , dim(V ) dim( E ) . Si V = 0 , dim(V ) = 0.

Espacios Vectoriales y Aplicaciones Lineales

Si V1 y V2 son subespacios vectoriales de V se tiene que:

Sea E un espacio vectorial de dim( E ) = n , sean B = {v1, v 2,, v n} y

tiene de coordenadas ( x1 , x2 ,, xn ) respecto de la base B y tiene unas

Sabemos que x = x1v1 + x2 v2 + + xn vn y x = x1u1 + x2u2 + + xnun . Si

sustituimos los datos conocidos obtenemos que:

Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.

+ an1vn ) + x2 ( a12 v1 + a22 v2 +

+ xn a1n v1 + x1a21 + x2 a22 + + xn ann vn =

Ecuaciones del Cambio de Base

Expresando este sistema de forma matricial, quedara:

Matriz Cambio de Base de

B a B , sus columnas son las coordenadas de los vectores de la base B

Espacios Vectoriales y Aplicaciones Lineales

( u1, u 2 ) + ( v1, v 2 ) = ( u1 + v1, u 2 + v 2 ) ; u1, v1 E;

Dicho espacio vectorial se denomina espacio vectorial producto de E y

Siendo {e1, e 2,, e n} una base de E y

{w1, w2,, wm}

la dimensin E F es n + m y una base de E F puede ser:

Sean E y F dos espacios vectoriales sobre el mismo cuerpo K y

Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.

8.3. Propiedades de las Aplicaciones Lineales

una aplicacin lineal entre los espacios

f (V ) . Por lo tanto, f es sobreyectiva si y slo si, la imagen de una base

Espacios Vectoriales y Aplicaciones Lineales

Se llama ncleo de una aplicacin lineal f , designndose Ker ( f )

9.2. Propiedades del Ncleo

Las principales propiedades del ncleo son las siguientes:

Ker ( f ) = 0 si y slo si la imagen de cualquier sistema libre de E es

9.4. Rango de una aplicacin lineal