Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CAPITULO4 Esp Vectorialesc
CAPITULO4 Esp Vectorialesc
MATEMTICAS I
95
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
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.
( x + y) + z = x + ( y + z ),
x , y, z E (propiedad asociativa)
x + y = y + x , x , y E (propiedad conmutativa)
( )
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
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
{}
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 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
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
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
, v n} una
Es decir, los
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
e2 = ( 0 1 0 0 ) ,, en = ( 0 0 0 1) la llamaremos
base cannica.
MATEMTICAS I
105
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
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
{}
106
MATEMTICAS I
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
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
MATEMTICAS I
107
= x1 ( a11v1 + a21v2 + +
+ an 2 vn ) +
+ xn ( a1n v1 + a2 n v2 +
+ ann vn ) =
+ xn a2 n v2 +
= x1 a11 + x2 a12 +
+ 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
xn = x1 an1 + x2 an 2 +
+x a
x=
x1 x2 x
n
, x'=
x1 x2
,P=
xn
11 21 n1
a12 a22 an 2
a1n a2 n a
nn
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
u 2, v 2 F
( ) (
una base de F ,
{(e1 , 0), (e2 , 0),, (en , 0), (0, w1 ), (0, w2 ),, (0, wm )}
8. APLICACIONES LINEALES 8.1. Aplicacin Lineal
( (
() ( ) ()
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
Sea
f : E F
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
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
{}
{}
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 .
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
MATEMTICAS I
111
f ( x ) = f ( xi ei ) = xi f (ei ).
i =1 i =1
IMPORTANTE:
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.
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
(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 .
x1 x x
2 n
x=
y=
y1 y y
2 n
P=
a12 a22 am 2
a1n a2 n a
mn
donde:
112
MATEMTICAS I
B;
P es la matriz del homomorfismo en las bases B
respecto a las bases B y BF ).
BF ( o con
(f
+ g ) x = f x + g x , x E ,
()
() ()
le corresponde la matriz A + C .
MATEMTICAS I
113
( 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 .
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
(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
FB
Q 1 FB
F
Se cumple que:
A = Q 1 AP
EBE P EB
E
FB
I FB
F
MATEMTICAS I
115
EBE I EB E
FB
Q 1 FB
F
116
MATEMTICAS I
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
= 1
6 1 = . 7 7
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
se considera el subespacio
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
obtenemos que: A = 0 (a 1) 2 (a + 2) = 0 a = 1 a = 2.
5.Sean los subespacios de
4
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
{}
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
.
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
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
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
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
. 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
f:
definida por la
dim( Im( f )) = 2 , para que fuera sobreyectiva tendra que suceder que
dim( Im( f )) = 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
es 3 ,
dim( Ker ( f )) = 0 .
MATEMTICAS I
123
R3
definidos por
/ x = z} calcular la dimensin
de S H . SOLUCIN:
Sabemos que se cumple la siguiente relacin:
( )
es
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
f:
definida por la
y en
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
--
f:
3 B1
--
2 B2
con la base B 1 a
cambio de base de B 1
es la siguiente:
BC a
1 2 Q= . 1 3
Esquemticamente
MATEMTICAS I
125
f:
Q 1 3 B1
----
3 BC
----
2 Bc
---1
2 B2
23 6 1 = . 10 2 2
11.- Si f :
3
126
MATEMTICAS I
(1)
f:
definida por la
1 2 0 A= . 0 1 1
bases:
SOLUCIN:
La matriz A que define a la aplicacin lineal inicial viene dada respecto a las bases cannicas en
3
y en
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
----
f:
3 B1
----
2 B2
con la base B 1 a
cambio de base de B 1
es la siguiente:
MATEMTICAS I
127
BC a
1 2 Q= . 0 1
Esquemticamente
Q 1 2 Bc
---
---
---
2 B2
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 :
es
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 :
f ( x, y ) = ( x + y, x y ) .
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
9 7 y = 4 4
7 9 y = 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
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)
130
MATEMTICAS I
a) (0, 2, 2) SOLUCIN:
b) (1, 0,1)
c)
( 2, 1,1)
d)
( 2, 1, 0 )
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)
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 ) + 2 ( 0,1,1) ,
subespacio solucin. b)
subespacio solucin. c)
subespacio solucin. d)
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
(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
3 0 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
f (0,1, 2) = (1, 2) ,
132
MATEMTICAS I
SOLUCIN:
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
MATEMTICAS I
133
. Se tiene que
) f no es sobreyectiva.
{}
f:
la aplicacin lineal
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}
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
y M = {( x, y, z )
/x = y} . Estudiar cundo
Si a = 1 Entonces
x = (1, 1, 2),
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:
por
lo
que
un
sistema
generador
es
{(1,1,1) , ( 0,1, 2 )}
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
MATEMTICAS I
137
24.- Consideremos los elementos del espacio vectorial P2 , de los polinomios reales de grado a lo sumo 2, p( x) = 1,
siguientes: a)
b) El subespacio vectorial de P2 engendrado por tiene dimensin 2. c) El subespacio vectorial engendrado por dimensin 1. SOLUCIN:
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
+ +
= 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).
{ } { }
verdaderos o falsos: a) b) c)
SOLUCIN:
se cumple que
MATEMTICAS I
139
ambos
sistemas
son
libres,
sin
embargo,
{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
: 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
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
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
f:
definida por
Sabemos
Im( f ) =
que:
{( a, b ) = {( a, b )
2 2
/ ( x, y, z ) / ( x, y, z )
3 3
28.- Sea
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
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
{}
sustituyendo
Por
sabemos
MATEMTICAS I
143
{}
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
144
MATEMTICAS I
Ker ( f ) = x
/f ( x) = 0 = {( x, y )
2
/f ( x, y ) = (0, 0)} =
= {( x, y )
/ ( x y, x y ) = (0, 0)} =
2
= {( x, y )
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
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
MATEMTICAS I
145
d) Si f :
SOLUCIN:
a) Verdadero. Por la frmula de las dimensiones sabemos que: dim(
3
si
la
5
aplicacin , por lo
fuera tanto
sobreyectiva
que
Im( f ) =
) = 5 . Luego, la frmula de las dimensiones nos 3 = dim( Ker ( f )) + 5 , de donde se deduce que
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
x = x ,
y = y ,
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
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
{}
de donde se deduce
d) Falso.
MATEMTICAS I
147
: i( x) = x .
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
148
MATEMTICAS I
Como
f (e1) y f (e 2)
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
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
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
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
1 0 0 , luego, 1 1
dim( M ) = 2 .
Sabemos que:
dim( L + M ) = dim( L) + dim( M ) dim( L M )
u1 y u 2 sern linealmente
1 1 2 a 1 1 0 2
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
} , calcular L M .
} =< (1, 0, 2, 0), (0, 0, 0,1) >=
151
SOLUCIN:
M = {x
4
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
Siendo F = {( x, y, z )
/ 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(
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 = y = z} =
MATEMTICAS I
153
H F = {0}
36.- Sea f :
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),
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
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)
()
()
()
()
()
:
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
/ x = 3 y + z} =
1 2
= {(3 y + z, y, z ) M = {( , 0, 3 )
3
/ y, z
>
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
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