CAPITULO4 Esp Vectorialesc

Espacios Vectoriales y Aplicaciones Lineales
MATEMTICAS I
9 95 5
4. ESPACIOS VECTORIALES Y
APLICACIONES LINEALES
SUMARIO:
INTRODUCCIN
OBJ ETIVOS
INTRODUCCIN TERICA
1.- Espacios Vectoriales.
2.- Propiedades de un Espacio Vectorial.
3.- Propiedades de los Sistemas Libres y Ligados.
4.- Subespacios Vectoriales. Operaciones con
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

Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.
MATEMTICAS I
9 96 6

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

MATEMTICAS I
9 97 7
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
9 98 8
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)
0 0 x E E x x : + = (el 0 es el elemento neutro).
( )
0 x E x E x x : + = (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 =

MATEMTICAS I
9 99 9
(d) Identidad: 1
E
x x = = I .
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:
0 0 x E x : =
K : 0 0 =
Si 0 x = 0 = 0 x =
( )
( )
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:
{ }
1 2 n
S
x x x
= , , , .
2.2. Combinacin Lineal
Un vector x E es una combinacin lineal de los vectores del sistema
S si existen n escalares
1 2 n
K , , , tal que:
1 1 2 2 n n
x x x x = + + + . Los escalares
1 2 n
, , , son los
coeficientes de la combinacin lineal.

MATEMTICAS I
1 10 00 0
2.3. Sistemas linealmente dependientes o independientes
Un sistema
1 2
{ }
n
S
x x x
= , , , de vectores es linealmente independientes,
si la condicin
1 1 2 2
0
n n
x x x x = + + + = , implica necesariamente
que:
1 2
0
n
= = = = .
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:
0 x 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 .

MATEMTICAS I
1 10 01 1
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
1
S y
2
S son equivalentes si
1 2
S S = .
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
1 10 02 2
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
1
V y
2
V de E se define su
interseccin como:
1
V
2 1 2
y V x E x V x V

= /
El conjunto
1
V
2
V es un subespacio vectorial de E .
4.5. Subespacios Disjuntos
Dos subespacios vectoriales
1
V y
2
V son disjuntos si y slo si
1
V
{ }
2
0 V = .
4.6. Suma de subespacios vectoriales
Dados dos subespacios vectoriales
1
V y
2
V de E , se define su suma:

MATEMTICAS I
1 10 03 3
1
V + 1 2 1 2
2 1 2
con y V x E x x x x V x V

= / = + ,
1
V +
2
V es un subespacio vectorial.
Si
1
V
{ }
2
0 V = , la suma se llama directa y se denota por
1
V
2
V .
Si
1
V
2
V E = ,
1
V y
2
V se llaman subespacios suplementarios.
4.7. Propiedad
Si un espacio vectorial E es suma directa de dos subespacios
1
V y
2
V ,
todo vector de E se puede expresar de forma nica como suma de un
vector de
1
V y otro de
2
V .
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, si
3
E = , podemos considerar el subespacio
( ) { }
3
0 V x y z x y z = , , / + + =

MATEMTICAS I
1 10 04 4
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
3
E = , podemos considerar el subespacio
( )
3
x
V x y z 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.

MATEMTICAS I
1 10 05 5
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
{ }
1 2 n
B
v v v
= , , , una
base suya. Si divido B en dos sistemas de vectores disjuntos
1 2
B B B = , entonces se cumple que
1 2
B B V = . Es decir, los
subespacios generados por los sistemas
1
B y
2
B son suplementarios.
5.6. Coordenadas de un vector en una base
Sea { }
1 2 n
B e e e = , , , una base del espacio vectorial E y x E . Si
1 1 2 2 n n
x x e x e x e = + + + se dice que ( )
1 2 n
x x x , , , 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
n
la base { }
1 2 n
B e e e = , , , con
( )
1
10 0
t
e = , ( )
2
010 0
t
e = , , ( ) 00 01
t
n
e = la llamaremos
base cannica.

MATEMTICAS I
1 10 06 6
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
{ }
1 2 p
S
x x x
= , , , , la matriz
asociada es
1 2 p
A
x x x
=

, siendo
1
2
12
i
i
i
n
i
x
x
i p
x
x

= , = , , ,

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 { }
1 2 m
B
c c c
= , , , es una base de V ,
se puede encontrar una base B
de E ampliando la de V , es decir:
{ } 1 2 1 2 m m m n
B
c c c e e e
+ +
= , , , , , , ,
6. RELACIN ENTRE DIMENSIONES
Si V es un subespacio vectorial de E , dim( ) dim( ) V E .
Si
{ }
0 V = , dim( ) 0 V = .

MATEMTICAS I
1 10 07 7
Si
1
V y
2
V son subespacios vectoriales de V se tiene que:
( ) ( ) ( ) ( )
1 2 1 2 1 2
dim dim dim dim V V V V V V + = +
Frmula de Grassman
En particular se tiene que si
1
V es suma directa con
2
V :
( ) ( ) ( )
1 2 1 2
dim dim dim V V V V = +
7. CAMBIO DE BASE
Sea E un espacio vectorial de dim( ) E n = , sean
{ }
1 2 n
B
v v v
= , , , y
{ }
1 2 n
B
u u u
= , , , dos bases de E . Supongamos que el vector x E ,

tiene de coordenadas ( )
1 2 n
x x x , , , respecto de la base B y tiene unas
coordenadas
1 2 n
x x x

, , , 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 :
1 11 1 21 2 1 n n
u a v a v a v = + + +
2 12 1 22 2 2 n n
u a v a v a v = + + +

1 1 2 2 n n n nn n
u a v a v a v = + + +
Sabemos que
1 1 2 2 n n
x x v x v x v = + + + y
1 1 2 2 n n
x x u x u x u

= + + + . Si
sustituimos los datos conocidos obtenemos que:
1 1 2 2 n n
x x u x u x u

= + + + =

MATEMTICAS I
1 10 08 8
( ) ( )
1 11 1 21 2 1 2 12 1 22 2 2 n n n n
x a v a v a v x a v a v a v

= + + + + + + + +
( )
1 1 2 2 n n n nn n
x a v a v a v
+ + + + + =
1 11 2 12 1 1 1 21 2 22 2 2 n n n n
x a x a x a v x a x a x a v

= + + + + + + + +
1 1 2 2 n n n nn n
x a x a x a v

+ + + + + =
1 1 2 2 n n
x v x v x v = + + +
De todas estas igualdades obtenemos que si igualamos coordenada a
coordenada, queda la siguiente relacin:
1 1 11 2 12 1
2 1 21 2 22 2
1 1 2 2
n n
n n
n n n n nn
x x a x a x a
x x a x a x a
x x a x a x a

= + + +
= + + +
= + + +
Ecuaciones del Cambio de Base

Expresando este sistema de forma matricial, quedara:
x P
x
= Ecuacin Matricial del Cambio de Base

11 1 1 12 1
2 21 22 2 2
1 2
'
n
n
n nn n n n
a a a x x
a a a x x
x x P
a a a x x

= , = , =
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:

MATEMTICAS I
1 10 09 9
( ) ( ) ( )
1 2 1 2 1 1 2 2 1 1 2 2
E F
u u v v u v u v u v u v
, + , = + , + ; , ; ,
( ) ( )
u v u v K u E v F , = , ; ; ;
Dicho espacio vectorial se denomina espacio vectorial producto de E y
F .
Siendo
{ }
1 2 n
e e e
, , , una base de E y
{ }
1 2 m
w w w
, , , una base de F ,
la dimensin E F es n m + y una base de E F puede ser:
{ }
1 2 1 2
( 0) ( 0) ( 0) (0 ) (0 ) (0 )
n m
e e e w w w , , , , , , , , , , , , ,
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
1 11 10 0
8.3. Propiedades de las Aplicaciones Lineales
Sea f E : F una aplicacin lineal entre los espacios
vectoriales E y F , entonces:
( )
0 0 f =
( ) ( ) 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 ,
1
( ) f 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.

MATEMTICAS I
1 11 11 1
9.1. Ncleo
Se llama ncleo de una aplicacin lineal f , designndose ( ) Ker f
( ) N f , al siguiente subconjunto de E :
{ }
( ) ( ) 0 Ker f x E f x = / = .
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
{ }
( ) 0 Ker f =
{ }
( ) 0 Ker f = 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 { }
1 2 n
B e e e = , , , es una base de E y conocemos
{ }
1 2
( ) ( ) ( )
n
f e f e f e , , , , vectores de F , la imagen de cualquier vector x
de coordenadas ( )
1 2 n
x x x , , , en la base B ser:

MATEMTICAS I
1 11 12 2
1 1
( ) ( ) ( )
n n
i i i i
i i
f x f x e x f e
= =
= = .

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,
{ }
1 2 n
B
e e e
= , , , una base de E ,
{ }
1 2 F m
B
u u u
= , , , una base de F .
Sea
1
n
i i
i
x x e
=
=
,
(1) (2)
1 1
( ) ( )
n m
i i j j
i j
f x x f e y u
= =

= =
. Si:
1 11 1 21 2 1
2 12 1 22 2 2
1 1 2 2
( )
( )
( )
m m
m m
n n n mn m
f e a u a u a u
f e a u a u a u
f e a u a u a u
= + + +
= + + +

.
= + + +

(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
F
B
.
Se tiene que: y Px = , siendo:
11 1 1 1 12
2 21 22 2 2
1 2
n
n
m mn n n m
a a a x y
a a a x y
x y P
a a a x y

= , = , =

donde:

MATEMTICAS I
1 11 13 3
y es la matriz columna que representa las coordenadas de ( ) f x en la
base
F
B
;
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 y
F
B
( o con
respecto a las bases B y
F
B
).
Las columnas de la matriz A son las coordenadas de los vectores ( )
i
f e
, 12 i n = , , , respecto de la base
F
B
. P es una matriz de orden m n .

Fijadas las bases B y
F
B
, 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 g dos homomorfismos de E en F , siendo sus
matrices sociadas (respecto a las bases B y B
), A y C
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
1 11 14 4
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 n
M

.
Por tanto, la dimensin del espacio ( ) L E F , es m n .
NOTA: Fijada una matriz
m n
A M

, siempre es posible encontrar una
base
E
B en E y una base
F
B 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
F
B una base de F, y G un
espacio vectorial de dimensin p y
G
B una base de G .
Se consideran las aplicaciones lineales siguientes: f E :
F g F , : G y sean A la matriz asociada a f , y C la
matriz asociada a g , en las bases dadas. Entonces la aplicacin
compuesta g f E : G , definida por ( )
( ) ( )
g f x g f x

=

,
tiene como matriz asociada a C A , en las bases
E
B y
G
B .
Si un homomorfismo f E : E , de matriz asociada A, tiene
inverso, la matriz asociada a
1
f E
: E es
1
A
.

MATEMTICAS I
1 11 15 5
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
E
B en E y una base
F
B en F , veamos cmo
queda la matriz asociada a la aplicacin lineal si en E considero una
nueva base
E
B
y en F una nueva base

F
B
.
Sea P la matriz cambio de base de
E
B
en
E
B en el espacio E.
Sea Q la matriz cambio de base de
F
B
en
F
B en el espacio F.
Tenemos entonces el siguiente diagrama:
1
E
F
F E
A
B
B
A
B B
E F
P Q
E F

Se cumple que:
1
A Q AP

=
Si slo se realizara el cambio de base en el espacio vectorial E ,
tendramos:
E
F
F E
A
B
B
A
B B
E F
P
E F
I
En este caso se cumple que: A AP
=

MATEMTICAS I
1 11 16 6
Si slo se realizara el cambio de base en el espacio vectorial F ,
tendramos:
1
E
F
E
F
A
B
B
A
B
B
E F
Q
E F
I
En este caso se cumple que:
1
A Q A

= .

MATEMTICAS I
1 11 17 7

PROBLEMAS RESUELTOS
1.- Sean en
4
los vectores
(2325) (1 2 4 0) (1110 7 ) u v w 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:
(2325) (1 2 40) (2 3 2 2 4 5 ) w u v = + = , , , + , , , = + , , + ,
.
Es decir, se tiene que dar la siguiente igualdad:
(1110 7 ) (2 3 2 2 4 5 ) m , , / , = + , , + , .
Sabemos que dos vectores son iguales si coinciden componente a
componente, de donde obtenemos las siguientes ecuaciones:
2 1
3 2 1
2 4 10 7
5 m

+ =
+ = /

=

si multiplicamos la primera ecuacin por 2 y se la
sumamos a la 2
o
ecuacin, obtenemos que:
3
7 3
7
= = y de aqu
ya obtenemos, despejando por ejemplo de la 1
o
ecuacin que
6 1
1
7 7
= = . Slo hemos utilizado las dos primeras ecuaciones,
veamos que estos valores de y tambin sastisfacen la 3
a
ecuacin:

MATEMTICAS I
1 11 18 8
3 1 10
2 4
7 7 7
. + . = , luego, efectivamente, s se cumple. Por ltimo como
tambin se tiene que cumplir la 4
o
ecuacin
3 15
5
7 7
m m . = = .
2.- Sea la aplicacin lineal f
3
: dada por
( ) 2 f x y z x y z , , = . Calcular el ncleo de f .
SOLUCIN:
( ) { }
3
( ) ( ) 0 Ker f x y z f x y z = , , / , , = =
( ) { } ( ) { }
3 3
2 0 2 x y z x y z x y z x y z = , , / = = , , / = +
( ) ( ) ( ) { 2 } 110 201 y z y z y z = + , , / , = , , , , ,
3.- Sea f la aplicacin lineal de matriz asociada
1 4
3 1
1 0
A

=

.
Hallar la dimensin de ( ) Im f .
SOLUCIN:
Sabemos que
1 4
dim( ( )) ( ) 0 4 2
0 0
Im f rang A rang

= = = .

4.- En el espacio vectorial
3
se considera el subespacio
V ( ) ( ) ( ) 11 1 1 11 a a a = , , , , , , , , . Razonar para qu valores de a se
tiene que dim( ) 2 V = .
SOLUCIN:

MATEMTICAS I
1 11 19 9
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
1 1
1 1
a
A a
a

=

. Una condicin necesaria, aunque no suficiente para
que dim 2 V = es que 0 A = . Si desarrollamos este determinante
obtenemos que:
2
0 ( 1) ( 2) 0 1 A a a a = + = = 2 a = .
5.- Sean los subespacios de
4
,
1 1 2 3
V
v v v
=< , , > y
2 1 3 4
2 V
v v v
=< , > . El sistema de vectores { }
1 2 3 4 v v v v
, , , es linealmente
dependiente y 0
i
i
v
. Se pide justificiar la veracidad o falsedad
(dando los correspondientes contraejemplos) de las siguientes
afirmaciones:
a)
{ }
1 2
0 V V =
b)
1 2
( ) 2 dim V V =
c)
1 2
( ) 1 dim V V =
d)
4
1 2
V V +
SOLUCION:
a) Falso.
Si tomamos
{ }
1 2 3 4
{(10 0 0) (010 0) (0 010) (1110)}
v v v v
, , , = , , , , , , , , , , , , , , ,
Es evidente que el vector
1 3
2 (2 0 10)
v v
= , , , , est tanto en
1
V (por ser
combinacin lineal de
1 v
y
2 v
) como en
2
V .
b) Falso.

MATEMTICAS I
1 12 20 0
Si tomamos { }
1 2 3 4
{(10 0 0) (010 0) (10 0 0) (10 0 0)}
v v v v
, , , = , , , , , , , , , , , , , , ,
2 1 3 4
2 (10 0 0) (10 00) (100 0) V
v v v
=< , >=< , , , , , , , >=< , , , >
1 2 1 2
(10 0 0) ( ) 1 2 V V dim V V =< , , , > = .
c) Falso.
Si tomamos
{ }
1 2 3 4
{(10 0 0) (010 0) (10 0 0) (010 0)}
v v v v
, , , = , , , , , , , , , , , , , , ,
2 1 2 1 3 4
2 (100 0) (0100) ( ) 2 1 V dim V V
v v v
=< , >=< , , , , , , , > = .
d) Verdadero.
1 2 1 2 3 4 1 3 4 1 2 3 4
2 V V
v v v v v v v v v v v
+ =< , , , , , >=< , , , >
1 2
( ) 4 dim V V + < ya que
{ }
1 2 3 4 v v v v
, , , es un conjunto de vectores
linealmente dependiente, con lo cual
4
1 2
V V + .
6.- Cual de los siguientes subconjuntos de
3
no es subespacio
vectorial?
a)
1 2 3
1 1 2 3
2 3
( )
2
x x
L x x x
x x

=
= , , /
=

b)
1 2 3
1 1 2 3
2 3
0
( )
0
x x
L x x x
x x
=
= , , /

=

c)
{ }
3
3
(4 ) L s s s s R = , , /
d)
{ }
3
4 1 2 3 1 2
( ) 1 L x x x x x = , , / =
SOLUCIN:
Para que un subconjunto sea subespacio vectorial debe cumplir que la
suma de dos elementos de el tambin pertenezca al subconjunto y que al

MATEMTICAS I
1 12 21 1
multipliar un elemento de el por un escalar tambin siga perteneciendo al
subconjunto, es decir:
1 1
) i x y L x y L + , ,
1 1
) ii k x L x L k , ,
a) Si es un subespacio vectorial:
1 2
1 1 2 2 2 3
1
1 2 2 2 3 3
2 3
2
)
2( )
2
x x
x x x y x y
i x y L
y y x y x y
y y
=
= + = +
,
= + = +

=

1 1 2 2 3 3 1 1
( ) x y x y x y L x y L + , + , + + .
1 2 1 2
1 1 2 3 1
2 3 2 3
) ( )
2
x x kx kx
ii x L kx kx kx L
x x kx kx

= =
, ,
= =

1
k x L
b) Si es un subespacio vectorial:
1 2
2 3 1 1 2 2
1
1 2 2 2 3 3
2 3
0
0 ( ) ( ) 0
)
0 ( ) ( ) 0
0
x x
x x x y x y
i x y L
y y x y x y
y y
=
= + + =
,

= + + =

=

1 1 2 2 3 3 1 1
( ) x y x y x y L x y L + , + , + + .
1 2 1 2
1
2 3 2 3
0 ( ) 0
)
0 ( ) 0
x x k x x
ii x L
x x k x x
= =

= =

1 2
1 2 3 1 1
2 3
0
( )
0
kx kx
kx kx kx L k x L
kx kx
=
, , .
=

MATEMTICAS I
1 12 22 2
c) Si es un subespacio vectorial:
1 1
(4 )
) (4( ) )
(4 )
x s s s
i x y L x y s t s t s t x y L
y t t t
= , ,

, + = + , + , + + .
= , ,

1 1
) (4 ) (4 ) ii x L x s s s k x ks ks ks k x L = , , = , , .
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.
1
(430) x L = , , y sin embargo
1
5 (20150) x L = , , ya que
20 15 5 1 = .
7.- Sea la aplicacin lineal
3
g :
2
definida por
( ) ( 2 ) g x y z x 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
2
0 . Es decir:
( ) { }
3
( ) ( ) (00) Ker g x y z g x y z = , , / , , = , =
( ) ( ) { }
3
( 2 ) 00 x y z x y z x z = , , / + + , + = , =
( )
3
2 0
0
x y z
x y z R
x z
+ + =
= , , / =

+ =

( ) { }
3
y x y z x z y z = , , / = = =
( ) ( ) ( )
3
{ } 1 11 11 1 z z z z R = , , , = , , = , ,

MATEMTICAS I
1 12 23 3
3
f :
3
definida por la
matriz
2 1 2
2 2 3
2 1 2
A

=

. Estudiar si se trata de una aplicacin inyectiva,
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 2 1 2
( ) 2 2 3 0 2 2 2
2 1 2 0 0 0
oper elemen
rang A rang rang
. .

= =

=

dim( ( )) 2 Im f = , para que fuera sobreyectiva tendra que suceder que
3
dim( ( )) dim( ) 3 Im f = = , es decir, la dimensin de ( ) Im f tiene que
coincidir con la del espacio de llegada,
3
que es 3. Por lo tanto, ya
podemos concluir que la aplicacin no es sobreyectiva, porque
3
dim( ( )) 2 dim( ) 3 Im f = = .
Al no ser sobreyectiva, tampoco puede ser biyectiva la aplicacin.
La dimensin del Ncleo de f la podemos obtener de la frmula:
3
dim( ) dim( ( )) dim( ( )) Ker f Im f = + ,
como la dimensin de ( ) Im f es 2 y la dimensin de
3
es 3,
concluimos que dim( ( )) 1 Ker f = . Este resultado nos indica que f
tampoco es inyectiva, pues para ello tendra que suceder que
dim( ( )) 0 Ker f = .

MATEMTICAS I
1 12 24 4
9.- Dados los subespacios vectoriales de
3
R definidos por
( ) ( ) 111 121 H = , , , , , y ( ) { }
3
S x y z x z = , , / = calcular la dimensin
de S H .
SOLUCIN:
Sabemos que se cumple la siguiente relacin:
dim( ) dim dim dim( ) H S H S H S + = +
Tenemos que H est generado por dos vectores que son linealmente
independientes, por lo tanto, dim 2 H = , por otro lado, se tiene que
( ) { } { } ( ) ( )
( )
3
( ) 101 010 S x y z x z x y x x y R
= , , / = , , , , = , , , , ,
=
, es
decir, S tambin est generado por dos vectores linealmente
independientes, por lo que dim 2 S = .
( )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 0 y = . 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( ) 1 2 0 1 0 1 0 0 2
1 1 1 0 0 0 0 0
H S rang rang

+ = = .

=
Sustituyendo estos datos en la frmula de las dimensiones, tenemos que:
2 2 2 dim( ) H S = + , es decir: dim( ) 2 H S = .

MATEMTICAS I
1 12 25 5
10.- Dada la aplicacin lineal
3
f :
2
definida por la
matriz
1 0 1
2 1 1
A

= ,

calcular la matriz asociada a f , respecto a las
nuevas bases
B ( ) ( ) ( ) { }
1
310 111 0 23 = , , , , , , , , y B ( ) ( ) { }
2
1 1 23 = , , , .
SOLUCIN:
La matriz A que define a la aplicacin lineal inicial viene dada respecto
a las bases cannicas en
3
y en
2
, lo que nos estn pidiendo es la
matriz A
asociada a la aplicacin lineal cuando la base tomada en

3

sea B
1
, y la base tomada en
2
, sea B
2
.
Es decir, tenemos:
3 2
-- c c
A
B B
f : , y lo que nos estn pidiendo es
1 2
3 2
--
A
B B
f
: , para llegar hasta este resultado, podemos pasar de

3

con la base B
1
a
3
con la base cannica B
C
, mediante la matriz P
cambio de base de B
1
a B
C
. Esta matriz P es la siguiente:
3 1 0
1 1 2
0 1 3

,

por otro lado podemos pasar de
2
con la base cannica
B
C
a
2
con la base B
2
, mediante la matriz
1
Q
, siendo Q, la matriz
cambio de base de B
2
a B
C
,
1 2
1 3
Q

= .

Esquemticamente
tenemos lo siguiente:

MATEMTICAS I
1 12 26 6
1
1 2
3 3 2 2
1
---- ----
---- ----- ----
---- C c
Q
B B B B
f
x Px APx Q APx
:
, de aqu concluimos que la matriz
buscada es
1
3 1 0
3 2 1 0 1
1 1 2
1 1 2 1 1
0 1 3
A Q AP

= = =

23 6 1
10 2 2

= .

11.- Si
3
f :
2
es una aplicacin lineal, tal que;
( ) ( ) ( ) ( ) 1 12 21 10 2 01 f f , , = , ; , , = , y ( ) ( ) 001 10 f , , = , Cul es el
valor de ( 11 1) f , , ?
SOLUCIN:
El vector ( 11 1) , , se puede expresar como combinacin lineal de los
vectores: ( ) ( ) ( ) { }
1 12 10 2 0 01 , , , , , , , , .
( ) ( ) ( ) ( 11 1) 1 12 10 2 0 01 , , = , , + , , + , ,
De esta expresin obtenemos el siguiente sistema:
1
1
2 2 1

+ =
+ =

La solucin de este sistema es 1 0 1 = ; = ; = .
Concretamente tenemos que:
( ) ( ) ( ) ( 11 1) 1 12 0 10 2 001 , , = , , + , , + , , .

MATEMTICAS I
1 12 27 7
Por lo tanto, aplicando f se tiene que:
( ) ( ) ( )
(1)
(1)
( 11 1) [ 1 12 0 10 2 0 01]
(1 12) 0 (10 2) (001)
(21) 0(01) (10) ( 1 1)
f f
f f f
, , = , , + , , + , ,
, , + , , + , , =
= , + , + , = ,
=
=

(1) Esta igualdad se cumple por ser f una aplicacin lineal.
12.- Dada la aplicacin lineal
3
f :
2
definida por la
matriz
1 2 0
0 1 1
A

= .

Calcular la matriz asociada a f en las nuevas
bases:
( ) ( ) ( ) { }
1
301 110 0 21 B = , , , , , , , , y ( ) ( ) { }
2
10 2 1 B = , , , .
SOLUCIN:
La matriz A que define a la aplicacin lineal inicial viene dada respecto
a las bases cannicas en
3
y en
2
, lo que nos estn pidiendo es la
matriz A
asociada a la aplicacin lineal cuando la base tomada en

3

sea B
1
, y la base tomada en
2
, sea B
2
.
Es decir, tenemos:
3 2
---- c c
A
B B
f : , y lo que nos estn pidiendo es
1 2
3 2
----
A
B B
f
: , para llegar hasta este resultado, podemos pasar de

3

con la base B
1
a
3
con la base cannica B
C
, mediante la matriz P
cambio de base de B
1
a B
C
. Esta matriz P es la siguiente:

MATEMTICAS I
1 12 28 8
3 1 0
0 1 2
1 0 1

,

por otro lado podemos pasar de
2
con la base cannica
B
C
a
2
con la base B
2
, mediante la matriz
1
Q
, siendo Q, la matriz
cambio de base de B
2
a B
C
,
1 2
0 1
Q

= .

Esquemticamente
tenemos lo siguiente:
1
1 2
3 3 2 2
--- --- --- C c
Q P A
B B B B
f
: , de aqu concluimos que la

matriz buscada es
A
=
1
Q AP
=
3 1 0
1 2 1 2 0
0 1 2
0 1 0 1 1
1 0 1

=
1 3 6
1 1 1

13.- Sea
4
f :
3
la aplicacin lineal definida por:
1 2 3 4 2 3 4 1 2 3 4 1 2 3 4
( ) ( 2 2 3 2 2 2 6 4 ) f x x x x x x x x x x x x x x x , , , = + + , + + + , + + + .
Calcular la matriz asociada a f respecto de las bases cannicas.
SOLUCIN:
La base cannica de
4
es ( ) ( ) ( ) ( ) { }
10 0 0 010 0 0 010 0 0 01 , , , , , , , , , , , , , , , .
Veamos cules son sus imgenes mediante la aplicacion f .
(1000) (012) f , , , = , , ; (0100) (112) f , , , = , , ;
(0010) (236) f , , , = , , ; (0001) (2 2 4) f , , , = , ,
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:
( ) (100 0) (010 0) (0 010) (00 01) A f f f f = , , , , , , , , , , , , =

MATEMTICAS I
1 12 29 9
0 1 2 2
1 1 3 2
2 2 6 4

=

14.- Sea
2
f :
2
una aplicacin lineal definida como
( ) ( ) f x y x y x y , = + , . Se pide hallar la matriz asociada a f
respecto de la base ( ) ( ) { }
12 32 B
= , , , .
SOLUCIN:
La matriz asociada a f respecto a las bases cannicas es
1 1
1 1
A

=

.
La matriz cambio de base de B
a B es
1 3
2 2
P

= .

Sabemos que con
el cambio de base la nueva matriz asociada viene dada por:
3 1
2 4 1
1 1
2 4
9 7
1 1 1 3
4 4
1 1 2 2 7 9
4 4
A P AP

= = =

Otra forma de resolverlo:
9 7
(12) (3 1) (12) (32)
4 4
f y , = , = , + , = =
7 9
(32) (51) (12) (32)
4 4
f y , = , = , + , = =
Es decir:
9 7
(12) ( )
4 4
f , = , en la base ( ) ( ) { }
12 32 B
= , , ,
7 9
(32) ( )
4 4
f , = , en la base ( ) ( ) { }
12 32 B
= , , , .

MATEMTICAS I
1 13 30 0
Luego:
9 7
4 4
7 9
4 4
A

=

15.- Calcular la dimensin del ncleo de la aplicacin lineal cuya
matriz asociada es:
1 1 0 3 1
2 4 4 3 0
0 2 4 3 2

=

A .
SOLUCIN:
Como la matriz A es de orde 3 5 x , entonces la aplicacin lineal ser
5
f :
3
. Sabemos que:
5
dim( ) dim( ( )) dim( ( )) R Ker f Im f = +
Por otro lado sabemos que:
( )
1 1 0 3 1
dim( ( )) ( ) 2 4 4 3 0
0 2 4 3 2
oper elem
Im f rang A rang
. .

= =

=

( )
1 1 0 3 1
0 2 4 3 2 2
0 0 0 0 0
oper elem
rang
. .

=

=

Luego: 5 dim( ( )) 2 dim( ( )) 3 Ker f Ker f = + =
16.- Sea un sistema lineal homogneo de tres ecuaciones con tres
incgnitas en el que la matriz del sistema, A, tiene 1 rango . Los
vectores ( ) 1 10 , , y ( ) 011 , , son soluciones de este sistema, cul de
los siguientes vectores no es solucin del sistema?

MATEMTICAS I
1 13 31 1
a) (0 2 2) , , b) ( ) 101 , , c) ( ) 2 11 , , d) ( ) 2 10 , ,
SOLUCIN:
Como el sistema es de tres ecuaciones con tres incgnitas y la matriz
A, cumple que ( ) 1 rang A = (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 10 , , y ( ) 011 , , 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 10 011 , , , , , no ser solucin del sistema.
a) (0 2 2) 0 , , = ( ) ( ) 1 10 2 011 , , + , , , por lo tanto (0 2 2) , , pertenece al
subespacio solucin.
b) ( ) ( ) ( ) 101 11 10 1 011 , , = , , + , , , por lo tanto (101) , , pertenece al
subespacio solucin.
c) ( ) ( ) ( ) 2 11 2 1 10 1 011 , , = , , + , , , por lo tanto (2 11) , , pertenece al
subespacio solucin.
d) No existen , ( ) ( ) ( ) 2 10 1 10 011 : , , = , , + , , , ya que
tendramos el siguiente sistema:
2
1
0
+ =

=

, de la primera y la
ltima ecuacin obtenemos que 2 = y que 0 = , pero si sustituimos

MATEMTICAS I
1 13 32 2
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 10 , , no pertenece al subespacio de las
soluciones del sistema homogneo.
17.- Estudiar para qu valores de a y b los vectores
(30 1) (110 ) a b , , , , , , , y (25 4) b , , , de
4
son linealmente
dependientes.
SOLUCIN:
Para que sean linealmente independientes la matriz que definen tiene
que tener rango 3.
Dicha matriz es
3 1 2
0 1 5
0
1 4
A
a b
b

=

. Realizando transformaciones
elementales obtenemos la siguiente forma escalonada reducida de A:
3 1 2
0 3 15
0 0 3 3
0 0 0
b a

.

+

Como el rango de una matriz y el de cualquiera de sus
formas escalonadas reducidas coincide, tenemos que ( ) 2 rang A = , si y
slo si 3 3 0 b a + = , es decir, si y slo si a b = .
18.- Sea
3
f :
2
una aplicacin lineal que verifica:
(121) (11) f , , = , , (012) (12) f , , = , , (001) (1 1) f , , = , . Calcular la
imagen del vector (521) , , .

MATEMTICAS I
1 13 33 3
SOLUCIN:
Vamos a calcular cul es la matriz asociada a f respecto de la base
cannica:

(10 0) ((121) 2(012) 3(0 01))
(121) 2 (012) 3 (001)
(11) 2(12) 3(1 1) (2 6)
(010) ((012) 2(001))
(012) 2 (0 01) (12) 2(1 1) ( 14)
(001) (0 01)
f f
f f f
f f
f f
f f
, , = , , , , + , , =
= , , , , + , , =
= , , + , = ,
, , = , , , , =
= , , , , = , , = ,
, , = , ,

Por lo tanto la matriz asociada a f respecto a las bases cannicas es:
( )
2 1 1
(100) (010) (0 01)
6 4 1
A f f f

= , , , , , , =

.
Conocida la matriz sabemos que
5
2 1 1 9
( ) ((521)) 2
6 4 1 23
1
f x Ax f

= , , = =

MATEMTICAS I
1 13 34 4
19.- Estudiar si la aplicacin lineal de matriz asociada
1 2
1 2
1 0
A

=

,
es inyectiva, sobreyectiva o biyectiva.
SOLUCIN:
Por ser
2
3 2
( )
x
A M R f :
3
. Se tiene que
3
dim( ( )) 2 dim( ) Im f rangA f = = no es sobreyectiva.
Por la frmula:
2
dim( ) dim( ( )) dim( ( )) Ker f Im f = +
dim( ( )) 2 dim( ( )) 2 2 0 Ker f Im f = = =
{ }
( ) 0 Ker f =
f es inyectiva.
A pesar de ser inyectiva, por no ser sobreyectiva, no podr ser biyectiva.
20.- Para la aplicacin
4
f :
3
la aplicacin lineal
definida por:
1 2 3 4 2 3 4 1 2 3 4 1 2 3 4
( ) ( 2 2 3 2 2 2 6 4 ) f x x x x x x x x x x x x x x x , , , = + + , + + + , + + +
calcular unas ecuaciones del subespacio ( ) Im f .
SOLUCIN:
( ) { }
3 4
( ) Im f y R x f x y = / : = =
( )
3 4
1 2 3 1 2 3 4
2 3 4 1 2 3 4 1 2 3 4
1 2 3
( ) ( )
( 2 2 3 2 2 2 6 4 )
y y y y x x x x x
x x x x x x x x x x x
y y y
= , , / = , , , :
= + + , + + + , + + +
= , ,

MATEMTICAS I
1 13 35 5
( ) ( )
3 4
1 2 3 1 2 3 4
(1)
2 3 4 1
2 1 2 3 4
3 1 2 3 4
2 2
3 2
2 2 6 4
y y y x x x x
x x x y
x x x x y
x x x x y

, , / , , , :
+ + =
=
+ + + =
+ + + =
=

NOTA: La matriz del sistema es
0 1 2 2
1 1 3 2
2 2 6 4
A

=

0 1 2 2
( ) 1 1 3 2 2
0 0 0 0
Rang A rang

= =

y la matriz ampliada viene dada por
1
2
3
0 1 2 2 |
1 1 3 2 |
2 2 6 4 |
y
A y
y

=

,
1
2
3 2
0 1 2 2
( ) 1 1 3 2
0 0 0 0 2
y
rang A rang y
y y

El sistema ser compatible cuando ( ) ( ) 2 rang A rang A
= = y eso slo
ocurre cuando
3 2
2 0 y y = por lo que se obtiene que:

( ) { }
(1)
3
1 2 3 3 2
2 0 y y y y y , , / =
=

21.- Calcular una base para el ncleo de la aplicacin lineal
4
f :
3
definida por:
1 2 3 4 2 3 4 1 2 3 4 1 2 3 4
( ) ( 2 2 3 2 2 2 6 4 ) f x x x x x x x x x x x x x x x , , , = + + , + + + , + + +

MATEMTICAS I
1 13 36 6
SOLUCIN:
( ) ( ) ( ) { }
4
1 2 3 4 1 2 3 4
( ) 0 0 0 Ker f x x x x f x x x x

= , , , / , , , = , , =
( )
( )
4
1 2 3 4
2 3 4 1 2 3 4 1 2 3 4
( 2 2 3 2 2 2 6 4 )
0 0 0
x x x x
x x x x x x x x x x x
, , , /

= = + + , + + + , + + + =

= , ,

( )
2 3 4
4
1 2 3 4 1 2 3 4
1 2 3 4
2 2 0
3 2 0
2 2 6 4 0
x x x
x x x x x x x x
x x x x
+ + =

= , , , / + + + = =

+ + + =

( )
1 3 4
1 2 3 4
2 3 4
0
2 2 0
x x
x x x x
x x x
+ =
= , , , / =

+ + =

( ) ( ) 1 210 0 201 = , , , , , , , =
( ) ( ) 12 10 0 2 0 1 = , , , , , , , .
22.- Consideremos los siguientes subespacios vectoriales de
3
:
( ) 10 2 (010) L = , , , , , y ( ) { }
3
M x y z x y = , , / = . Estudiar cundo
el vector ( 12) x a = , , pertenece al subespacio L M .
SOLUCIN:
Si 1 a =
Entonces ( 1 12) x = , , , cumple que como sus dos primeras
componentes coinciden entonces x M , veamos si x L . Para ello
tendramos que encontrar , tal que:
( ) 10 2 (010) x = , , + , ,
( 1 12) ( 0 2 ) (0 0) ( 2 ) , , = , , + , , = , ,

MATEMTICAS I
1 13 37 7
( 1 12) ( 2 ) 1 1 y , , = , , = = , es decir x L .
Obtenemos que x L M .
23.- Consideremos la matriz
1 0 0
1 1 1
1 2 2
A

=

y sea
3 3
f : 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
( ) ( ) ( ) { }
111 0 1 2 012 , , , , , , , , , 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 1 012 , , = , , , por lo
que podra ser extrado del sistema por ser combinacin lineal de uno de
ellos.
Nos quedaramos con ( ) ( ) { }
111 012 , , , , , que sigue siendo sistema
generador de ( ) Im f y adems es linealmente independiente, ya que los
nicos , y que cumplen que: ( ) ( ) ( ) 111 012 0 0 0 , , + , , = , , son
0 = , y 0 = . Tambin se podra haber razonado viendo que el rango
de la matriz
1 0
1 1
1 2

es dos, por lo tanto los dos vectores que definen sus
columnas son linealmente independientes.

MATEMTICAS I
1 13 38 8
Luego una base de ( ) Im f es ( ) ( ) { }
111 012 , , , , , .
24.- Consideremos los elementos del espacio vectorial
2
P , de los
polinomios reales de grado a lo sumo 2, ( ) 1 p x = , ( ) 1 q x x = + , y
2
( ) 1 r x x = . Razonar la veracidad o falsedad de las afirmaciones
siguientes:
a) { } ( ) ( ) ( ) p x q x r x , , es un sistema linealmente independiente.
b) El subespacio vectorial de
2
P engendrado por { } ( ) ( ) ( ) p x q x r x , ,
tiene dimensin 2.
c) El subespacio vectorial engendrado por { } ( ) ( ) ( ) p x q x r x , , tiene
dimensin 1.
SOLUCIN:
a) Verdadera.
Vamos a igualar una combinacin lineal de los tres vectores al
polinomio
2
0 0 0 0 x x = + + . Para que sean linealmente independientes
los escalares de la combinacin nos tendran que dar 0.
Sean ( ) ( ) ( ) 0 0 p x q x r x
?
, , : + + = = = =

Si ( )
2
( ) ( ) ( ) 0 1 1 1 0 p x q x r x x x

+ + = + + + =
2
0 x x + + + =
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.

MATEMTICAS I
1 13 39 9
Por lo tanto, obtenemos que:
0
0 0
0

+ + =
= = =
=

y
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)
{ }
u v w , , es un sistema libre.
b)
{ }
u v w , , es un sistema ligado.
c)
{ }
u u w , , es un sistema libre.
SOLUCIN:
a) Falso.
Valga el siguiente contraejemplo: Sea
3
U = ,
{ }
( ) ( ) { }
100 010 u v , = , , , , , y
{ }
( ) ( ) { }
010 20 0 v w , = , , , , , , se cumple que

MATEMTICAS I
1 14 40 0
ambos sistemas son libres, sin embargo,
{ }
( ) { }
10 0 (010) (20 0) u v w , , = , , , , , , , , no es un sistema libre, ya que
2 w u = .
b) Falso.
Valga el siguiente contraejemplo: Sea
3
U = ,
{ }
( ) ( ) { }
100 010 u v , = , , , , , y
{ }
( ) ( ) { }
010 001 v w , = , , , , , , se cumple que
ambos sistemas son libres y
{ }
( ) { }
100 (010) (0 01) u v w , , = , , , , , , , , es un
sistema libre, ya que se trata de la base cannica de
3
.
c) Falso.
Un sistema de la forma
{ }
u u w , , nunca puede ser libre, porque dos de
sus vectores son linealmente dependiente 1 u u = . .
26.- Dados los subespacios vectoriales de
4
:
( ) ( ) ( ) ( ) 10 2 0 1211 0010 00 01 L = , , , , , , , , , , , , , , , y
( ) { }
0 S x y z t x y = , , , / = . Se pide la dimensin de L S .
SOLUCIN:
Tenemos que ( ) { } ( ) { }
0 S x y z t x y x x z t x z t = , , , / = = , , , / , , =
( ) ( ) ( ) 1100 0010 0001 = , , , , , , , , , , , .
Para calcular dim( ) L S , lo que vamos a hacer es calcular dim( ) L S +
y a continuacin aplicar la frmula:
dim( ) dim( ) dim( ) dim( ) L S L S L S + = +
dim( ) dim( ) dim( ) dim( ) L S L S L S = + + .

MATEMTICAS I
1 14 41 1
Tenemos que:
1 1 0 0 1 1 0 0
0 2 0 0 0 2 0 0
dim( ) 4
2 1 1 0 0 0 2 0
0 1 0 1 0 0 0 2
L Rang Rang

= = =

1 0 0 1 0 0
1 0 0 0 1 0
dim( ) 3
0 1 0 0 0 1
0 0 1 0 0 0
S Rang Rang

= = =

L S + est generado por los vectores que generan a L junto con los
vectores que generan a S , por lo tanto:
( ) ( ) ( ) ( ) ( ) 10 20 1211 0 010 0 0 01 110 0 L S + = , , , , , , , , , , , , , , , , , , ,
dim( ) L S + =
1 1 0 0 1 1 1 0 0 1
0 2 0 0 1 0 2 0 0 1
4
2 1 1 0 0 0 0 2 0 7
0 1 0 1 0 0 0 0 2 1
Rang Rang

= = =

Sustituyendo estos datos en la frmula de las dimensiones, obtenemos
que:
dim( ) 4 3 4 3 L S = + =
Otra forma de haberlo razonado es, una vez sabido que dim( ) 4 L = ,
como L es un subespacio de
4
, se obtiene que
4 4
dim( ) dim( ) 3 L L S S S L S S = = = = =

MATEMTICAS I
1 14 42 2
3
f :
2
definida por
( ) ( ) f x y z x y x z , , = + , . Hallar el conjunto imagen de f .
SOLUCIN:
Sabemos que:
( ) { }
( ) { }
( )
{ }
( ) ( ) ( )
( ) ( )
2 3
2 3
2 3
2
( ) ( ) (( )) ( )
( ) (( )) ( )
( )
( )
11 (10) (0 1) 10 0 1
10 01
Im f a b x y z f x y z a b
a b x y z x y x z a b
x y a
a b x y z
x z b
x y x z x y z
= , / , , : , , = , =
= , / , , : + , = , =
+ =
= , / , , : =

=

= + , / , , =
= , , , , , = , , , =
= , , , =

28.- Sea
3
f : la aplicacin lineal definida por
( ) 3 2 5 f x y z x y z , , = + . Encontrar una base del ncleo de f .
SOLUCIN:
( ) ( ) { }
( ) { }
( ) { }
( ) { }
( )
3
3
3
3
( ) ( ) 0
3 2 5 0
(2 5 ) 3
(2 5 ) 3
2 5
10 ( 01) 230 ( 503)
3 3
Ker f x y z f x y z
x y z x y z
x y z x y z
y z y z y z
= , , / , , = =
= , , / + = =
= , , / = / =
= / , , / , =

= , , , , , = , , , , ,

29.- Sea E un espacio vectorial sobre K de dimensin n . Sea f un
endomorfismo de E y sea M su matriz asociada. Razonar la
veracidad o no de cada uno de los siguientes apartados:
a) M es invertible f es inyectivo.

MATEMTICAS I
1 14 43 3
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( ) dim( ( )) dim( ( )) E Im f Ker f = + .
Si f es inyectiva, sabemos que
{ }
( ) 0 dim( ( )) 0 Ker f Ker f = = ,
sustituyendo este dato en la frmula anterior vemos que
dim( ) dim( ( )) E Im f = . Por otro lado, sabemos que
dim( ( )) ( ) Im f rang M = , luego
( ) dim( ) rang M E n = = , y como ( )
nxn
M M R , se deduce que 0 M y
esta propiedad ya implica que M es invertible.
) ii Veamos que si M es invertible f es inyectiva.
Si M es invertible 0 M , por lo tanto, ( ) rang M n = , y como
( ) dim( ( )) rang M Im f = , obtenemos que dim( ( )) Im f n = . Sustituyendo
este dato en la frmula de las dimensiones:
dim( ) dim( ( )) dim( ( )) E Im f Ker f = + , se llega a que
dim( ( )) n n Ker f = + , es decir,

MATEMTICAS I
1 14 44 4
dim( ( )) 0 Ker f = y el nico subespacio de dimensin 0 es el
subespacio nulo:
{ }
( ) 0 Ker f = 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
2
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
1 2
( ) x x x = , e
1 2
( ) y y y = , , entonces:
1 2 1 2 1 1 2 2
1 1 2 2 1 1 2 2
1 2 1 2 1 2 1 2
1 2 1 2 1 2 1 2
1 2 1 2 1 2 1 2
( ) ( ( ) ( )) (( ))
( ( ) ( ))
(( ) ( ) ( ) ( ))
( ) ( )
( ) ( )
f x y f x x y y f x y x y
x y x y x y x y
x x y y x x y y
x x x x y y y y
x x x x y y y y

+ = , + , = + , + =
= + + , + + =
= + , + =
= , + , =
= , + ,
1 2 1 2
( ) ( ) ( ) ( ) f x x f y y f x f y
=
= , + , = +

Por lo tanto f es un endomorfismo de
2
. Sin embargo, vamos a
comprobar que f no es biyectiva.

MATEMTICAS I
1 14 45 5
{ } { }
{ }
{ }
2 2
2
2
( ) ( ) 0 ( ) ( ) (00)
( ) ( ) (00)
( ) (11)
Ker f x f x x y f x y
x y x y x y
x y x y
= / = = , / , = , =
= , / , = , =
= , / = =< , >

Hemos obtenido que
{ }
( ) 0 Ker f , 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:
( ( ) ) ( ( ) )
( ) ( ( )) ( ) ( ) ( )
f x Ax g y B y
g f x g f x 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
3
f :
5
nunca ser sobreyectiva.
b) Si
3
f :
3
siempre es biyectiva.
c) Si
4
f :
3
siempre es inyectiva.

MATEMTICAS I
1 14 46 6
d) Si
3
f :
3
nunca ser sobreyectiva.
SOLUCIN:
a) Verdadero.
Por la frmula de las dimensiones sabemos que:
3
dim( ) dim( ( )) dim( ( )) Ker f Im f = + , si la aplicacin fuera
sobreyectiva tendramos que
5
( ) Im f = , por lo tanto
5
dim( ( )) dim( ) 5 Im f = = . Luego, la frmula de las dimensiones nos
quedara como sigue: 3 dim( ( )) 5 Ker f = + , de donde se deduce que
dim( ( )) 2 Ker f = , 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:
3
f :
3

definida por: (( )) ( 00) f x y z x , , = , , .
Veamos en primer lugar que f es una aplicacin lineal.
) i f es aplicacin:
1) i.
3 3
( ) ( 0 0) (( )) ( 0 0) x y z x f x y z x , , , , , : , , = , , , es decir, todo
elemento de
3
tiene su imagen en
3
.
2) i. 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 ( 00) ( 00) x x
, , = , , , 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
3
.

MATEMTICAS I
1 14 47 7
) ii f es lineal:
( ) ( ) ( ) f x y f x f y
?
+ +
=

Supongamos que ( ) x x y z = , , e ( ) y x y z

= , , , entonces tendramos
que: ( ) (( ) ( )) f x y f x y z x y z

+ = , , + , , =
(( )) ( 0 0) f x x y y z z x x

= + , + , + = + , , =
( 0 0) ( 00) ( 0 0) ( 00) x x x x

= , , + , , = , , + , , =
(( )) (( )) ( ) ( ) f x y z f x y z f x f y

= , , + , , = +
Veamos que f no es inyectiva
Sean por ejemplo (123) x = , , e (134) y = , , evidentemente se tiene que
x y y sin embargo, ( ) (100) ( ) f x f y = , , = , luego f no es inyectiva.
Por no ser inyectiva, ya no ser biyectiva.
c) Falsa.
De nuevo recurrimos a la frmula:
4
dim( ) dim( ( )) dim( ( )) Ker f Im f = + , si f fuera inyectiva, sabemos
que
{ }
( ) 0 Ker f = , es decir, dim( ( )) 0 Ker f = , y sustituyendo este dato
en la anterior frmula, se obtiene que:
4
dim( ) dim( ( )) Im f = , por lo
tanto: dim( ( )) 4 Im f = , sin embargo,
3
( ) Im f de donde se deduce
que
3
dim( ( )) dim( ) 3 Im f = . De este razonamiento se concluye que si
4
f :
3
es una aplicacin lineal, nunca puede ser inyectiva.
d) Falso.

MATEMTICAS I
1 14 48 8
Como contraejemplo nos sirve la aplicacin identidad:
3
i :
3
,
3
( ) x i x x : = . Es evidente que es una aplicacin lineal y es
biyectiva, por lo tanto, en particular ser sobreyectiva.
32.- Dado un endomorfismo
4
f :
4
definido como
( ) ( f x y z t x y t , , , = , 2x y z t , x y t , ) z x , demostrar que
( ) ( ) Ker f Im f = .
SOLUCIN:
La matriz asociada a este endomorfismo es
1 1 0 1
2 1 1 1
1 1 0 1
1 0 1 0
A

= .

Sabemos que
( )
1 2 3 4
( ) ( ) ( ) ( ) A f f f f
e e e e
= , y que el conjunto ( ) Im f
esta generado por las imgenes de los vectores de la base, es decir,
1 2 3 4
( ) ( ) ( ) ( ) ( ) Im f f f f f
e e e e
=< , , , >, luego de este conjunto podemos
extraer una base de ( ) Im f .
1 1 0 1
2 1 1 1
( )
1 1 0 1
1 0 1 0
rango A rango

= =

1 1 0 1
0 1 1 1
2
0 0 0 0
0 0 0 0
rango

= = .

MATEMTICAS I
1 14 49 9
Como
1
( ) f
e
y
2
( ) f
e
son linealmente independientes, podemos
elegirlos como una base de ( ) Im f .
Nota: Tambin se puede tomar como base
2 3
{ ( ) ( )} f f
e e
, pero no
2 4
{ ( ) ( )} f f
e e
, , ya que
2 4
( ) ( ) f f
e e
= .
{ }
4 4
4
4
4
0
2 0
( ) 0 ( )
0
0
0
( ) 2 0
0
2 0
( )
0
( )
( )
x y t
x y z t
Ker f x Ax x y z t
x y t
x z
x y t
x y z t x y z t
x z
x y z t
x y z t
x z
y z t
x y z t
x z
z z t z t z
=

=

= / = = , , , / =

=

=

=

= , , , / = =

=

=
= , , , / =

=

=
= , , , / =

=

= , , , /

{ }
1 2
(1110) (0 101)
t
w w
, =
=< , , , , , , , >=< , >

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 ( )
1 2 1 2 4 4
( ) ( )
x
Q f f
w w e e
= y observar que tiene rango 2, lo
cual nos esta diciendo que
1 w
y
2 w
son combinacin lineal de
1
( ) f
e
y
2
( ) f
e
y viceversa, ambos espacios estaran contenidos el uno en el otro,
luego son iguales.

MATEMTICAS I
1 15 50 0
33.- Dado los subespacios de
4
,
1 2
(10 0 0) (1210) L
u u
=< , , , , , , , >=< , >
y
1 2
(1 1 2) (0 21 ) M a a
v v
=< , , , , , , , >=< , >, estudiar para qu valores de
a se tiene que
4
L M = .
SOLUCIN:
4
4
( ) 4
(1)
( ) 0
{0}
L M dim L M
L M
dim L M
L M
+ = + =
=

=
=

Veamos en primer lugar cul es la dimensin de L .
Un sistema generador suyo es { } (100 0) (1210) , , , , , , , , 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 1
0 2
0 1
0 0
A

=

es 2. Ahora bien, en A se tiene el menor
1 1
0
0 2
que es
de orden 2, por lo tanto ( ) 2 Rang A = , es decir, dim( ) 2 L = .
Veamos ahora cul es la dimensin de M .
Un sistema generador de dicho subespacio es el { } (1 1 2) (0 21 ) a a , , , , , , ,
para que fuera base tendran que ser linealmente independientes, o
equivalentemente, que
1 0
2
2
1 1
2
a
Rang
a

=

, ahora bien, esto s se cumple

MATEMTICAS I
1 15 51 1
ya que existe el menor de orden 2 siguiente:
1 0
0
1 1
, luego,
dim( ) 2 M = .
Sabemos que: ( ) ( ) ( ) ( ) dim L M dim L dim M dim L M + = +
( ) 2 2 ( ) dim L M dim L M + = +
( ) 4 ( ) dim L M dim L M + =
Las dos condiciones de (1) se cumplirn simultneamente, es decir,
( ) 4 ( ) 0 dim L M dim L M + = = Los vectores que generan a L y
los vectores que generan a M son linealmente independientes.
J untamos las bases de L y M en una matriz ( )
1 2
1 2
A
v v
u u
= y
cuando tenga rango 4, los vectores
1 u
y
2 u
sern linealmente
independientes con
1 v
y
2 v
.
1 1 1 0
0 2 2
0 1 1 1
0 0 2
a
A
a

= ,

A tendr rango 4, si y slo si su determinante es
distinto de cero.
2 2
2 0 2 0 0 A a a A a a a = ; = = = 2 a = .
34.- Dado los subespacios de
4
,
1 2
( 1203) (0120) L
u u
=< , , , , , , , >=< , > y
{ }
4
( 0 2 ) M x x a a b a b = / = , , , , , , calcular L M .
SOLUCIN:
{ }
4
( 0 2 ) (10 20) (0 0 01) M x x a a b a b = / = , , , , , =< , , , , , , , >=

MATEMTICAS I
1 15 52 2
1 2 v v
=< , >
Sabemos que:
1 2
1 2
( ) ( ) dim L M rango
v v
u u
+ = =
3
2
1 0 1 1 1 0 1 1
0 1 2 2 2 1 0 0
4
0 0 4 2 0 2 0 2
0 0 0 3 0 0 0
rango rango

= = =

Adems tambin sabemos que:
( ) ( ) ( ) ( )
4 2 2 ( )
4 4 ( )
( ) 0 {0}
dim L M dim L dim M dim L M
dim L M
dim L M
dim L M L M
+ = +
= +
=
= =

35.- Siendo
{ }
3
( ) 2 3 0 F x y z x y z = , , / + = , Con cual de los
siguientes subespacios se verifica que
3
F H = ?
a)
{ }
3
( ) 3 0 H x y z x y z = , , / + =
b)
3
2 0
( )
0
x y z
H x y z
y z
+ + =
= , , /

=

c)
{ }
3
( ) 0 H x y z x = , , / =
d)
{ }
3
( ) H x y z x y z = , , / = =
SOLUCIN:
{ } { }
3 3
( ) 2 3 0 ( ) 2 3 F x y z x y z x y z x y z = , , / + = = , , / = =
(210) ( 301) =< , , , , , > , luego ( ) 2 dim F = , para que
3
F H = , H
tendr que cumplir que:

MATEMTICAS I
1 15 53 3
3
) ( ) ( ) ( ) i dim dim F dim H = + 3 2 ( ) dim H = + ( ) 1 dim H = .
) ii {0} H F =
a) Con este H no se cumple, ya que ( ) 2 dim H = .
{ }
3
( ) 3 0 H x y z x y z = , , / + = =
{ }
3
( ) 3 x y z x y z , , / = =
(110) ( 301) =< , , , , , >
b) Con este H tampoco se cumple, ya que:
3
3
2 0
( )
0
( )
( 111)
x y z
x y z
y z
x z
x y z
y z
+ + =
= , , / =

=

=
= , , / =

=

=< , , >

ahora bien ( 111) F , , ya que verifica sus ecuaciones
( en este caso solo es una), luego {0} H F
c) Este subespacio no es vlido porque ( ) 2 dim H = .
{ }
3
( ) 0 (010) (0 01) H x y z x = , , / = =< , , , , , >
d) Este subespacio s lo cumple:
{ }
3
( ) H x y z x y z = , , / = = =
(111) ( ) 1 dim H =< , , > = .
( ) ( ) ( ) ( )
2 3 1
1 2 1 0 1
0 1 1
3 3 0
dim L F dim L dim F dim L F
rango
= + + =

= + =

= =

MATEMTICAS I
1 15 54 4
{0} H F =
36.- Sea
2
f :
3
la aplicacin lineal tal que:
(12) (3 15) f , = , , y (01) (21 1) f , = , , .
Si
2
( ) x y , , calcular la expresin de ( ) f x y , .
SOLUCIN:
Conocemos la matriz asociada a f respecto de la base
{ } (12) (01) B
= , , , , es
3 2
1 1
5 1
A

, y nos la piden respecto de la base
{ } (10) (01) B = , , , .
Como el (01) , esta en las dos bases solo nos faltara cononer la imagen
del (10) , , escribiremos (10) , como combinacin lineal de los vectores de
la base B
,
0 1
(10) (12) (01) 1
2 0

+ =
, = , + , =
+ =

y 2 = , por tanto
(10) [ (12) (01)] [(12) 2 (01)]
(12) 2 (01) (3 15) 2(21 1) ( 1 37)
f f f
f f
, = , + , = , , =
= , , = , , , , = , , ,

luego la matriz asociada a f respecto de B es
( )
1 2
(10) (01) 3 1
7 1
A f f

= , , , = .

Otra forma de haber llegado al mismo resultado es mediante la matriz
cambio de base.

MATEMTICAS I
1 15 55 5
La matriz cambio de base de B
a la base cannica B es
1 0
2 1
P

= ,

la matriz cambio de base de B a B
ser por tanto

1
1 0
2 1
P

2 2
1 1 1
3
( ) ) (
( ) ( )
-----
f
B B
x P x f P x A P x

, ,
=

1 1
3 2
1 0
( ) ( ) 1 1
2 1
5 1
3 2
1 0
1 1
2 1
5 1
1 2 2
3 1 3
7 1 7
f P x A P x x
x
x y
x
x y
y
x y

= = =

= =

+

= = +

37.- Sean las aplicaciones lineales de
3

3
definidas por:
( ) (0 4 2 2 ) , , = , , + ; f x y z x y x y z
( ) (3 2 ) ( ) ( ) g x y z x x y 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:
La matriz asociada a f es
0 0 0
1 4 0
2 1 2
A

= ,

a g es

MATEMTICAS I
1 15 56 6
3 0 0
1 1 0
2 1 1
B

=

y a h es
1 0 0
0 1 0
0 0 1
C

=

La matriz asociada a
[( ) ] 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 = = =
( ) ( ) 0 4 2 2 0 4 2 2 gog x y x y z h x y x y z = , , + , , + =
( ) ( ) 30 0 ( 4 ) ( 4 ) (2 2 ) 0 4 2 2 g x y x y x y z x y x y z = . , , + + , , + =
( ) ( ) 0 4 3 3 2 0 4 2 2 g x y x y z x y x y z = , + , , , + =
( ) ( ) 0 4 2 2 0 4 2 2 (0 00) x y x y z x y x y z = , , + , , + = , ,
38.- Sean los siguientes subespacios vectoriales de
3
:
{ }
3
( ) 3 0 L x y z x y z = , , / + = y
{ }
3
( 03 ) M = , , / .
Calcular L M .
SOLUCIN:

MATEMTICAS I
1 15 57 7
{ } { }
{ }
3 3
3
1 2
( ) 3 0 ( ) 3
( 3 ) (101) ( 310)
L x y z x y z x y z x y z
y z y z y z
u u
= , , / + = = , , / = + =
= + , , / , =< , , , , , >=< , >

{ }
3
1
( 03 ) (103) M
v
= , , / =< , , >=< >
L M , son los vectores de
3
que cumplan tanto las ecuaciones de L
como de M, es decir,
3
3 0
( ) 3 0 {(0 00)}
0
x y z
L M x y z x z
y
=

= , , / = = , ,

=

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 2 1
1 3 1
( ) ( ) 0 1 0
1 0 3
dim L M rango rango
u u v

+ = = =

1 3 1
0 1 0 3
0 0 2
rango

= = .

Como adems sabemos que:
( ) ( ) ( ) ( ) dim L M dim L dim M dim L M + = +
( ) ( ) ( ) ( ) dim L M dim L dim M dim L M = + +
( ) 2 1 3 0 dim L M = + =
{0} L M =

MATEMTICAS I
1 15 58 8

BIBLIOGRAFIA
ANZOLA, M.; CARUNCHO, J .; PREZ-CANALES, G. (1981).
Problemas de lgebra (Tomos 1-7). Madrid. SSAG.
BURGOS, J . (1999). lgebra Lineal y Geometra Cartesiana.
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). lgebra Lineal con
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.

CAPITULO4 Esp Vectorialesc

Cargado por

Información del documento

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

= , , , dos bases de E . Supongamos que el vector x E ,

base de E , sus elementos son vectores de E , por lo que se

Ecuaciones del Cambio de Base

= Ecuacin Matricial del Cambio de Base

Matriz Cambio de Base de

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

. P es una matriz de orden m n .

, la matriz del homomorfismo es nica.

y en F una nueva base

asociada a la aplicacin lineal cuando la base tomada en

: , para llegar hasta este resultado, podemos pasar de

asociada a la aplicacin lineal cuando la base tomada en

: , para llegar hasta este resultado, podemos pasar de

: , de aqu concluimos que la

= , en particular nos interesa saber que

= , de donde se obtiene que ( 00) ( 00) x x

ser por tanto

También podría gustarte