Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CAPITULO4 Esp Vectorialesc PDF
CAPITULO4 Esp Vectorialesc PDF
4. ESPACIOS VECTORIALES Y
APLICACIONES LINEALES
SUMARIO:
INTRODUCCIN
OBJETIVOS
INTRODUCCIN TERICA
1.- Espacios Vectoriales.
2.- Propiedades de un Espacio Vectorial.
3.- Propiedades de los Sistemas Libres y Ligados.
4.- Subespacios 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
95
MATEMTICAS I
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.
INTRODUCCIN
Aunque ya se ha trabajado con un espacio vectorial, el de las matrices
cuadradas sobre el cuerpo de los reales o los complejos, hasta ahora no se
ha definido dicha estructura. En este tema introducimos la estructura de
espacio vectorial, que es la estructura bsica del Algebra Lineal. Se trata
de enriquecer la estructura de grupo abeliano (definida en el captulo 2)
con una ley de composicin externa: el producto por escalares. Para
presentar de una forma intuitiva la nueva estructura, se comienza con los
ejemplos geomtricos de los vectores libres del plano o del espacio
fsico. Se hace ver entonces al alumno que existen otros objetos
matemticos, tales como las matrices reales de un cierto orden mxn o los
polinomios de coeficientes reales de grado no superior a n dado, para los
cuales tambin es posible la suma y el producto por escalares. Adems,
en los tres casos (vectores, matrices y polinomios) dichas operaciones
comparten las mismas propiedades algebraicas. Surge as, de manera
natural, la estructura de espacio vectorial sobre un cuerpo K.
OBJETIVOS
Asimilar el concepto de espacio vectorial y las propiedades ms
notables que son consecuencia de los axiomas definitorios de la
estructura.
Reforzar el conocimiento de la estructura comprobando que son
espacios vectoriales reales los conjuntos: \ , los polinomios en la
indeterminada x con coeficientes nmeros reales y de grado
96
MATEMTICAS I
Espacios Vectoriales y Aplicaciones Lineales
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.
97
MATEMTICAS I
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.
INTRODUCCIN TERICA
1. ESPACIOS VECTORIALES
( x + y) + z = x + ( y + z ), x , y, z E (propiedad asociativa)
x + y = y + x , x , y E (propiedad conmutativa)
( )
x E x E : x + x = 0 (existencia de elemento opuesto)
(
(b) Distributiva respecto a la suma de vectores: x + y = x + y )
( )
(c) Asociativa respecto a los escalares: x = ( ) x
98
MATEMTICAS I
Espacios Vectoriales y Aplicaciones Lineales
(d) Identidad: 1 x = I E = x .
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
99
MATEMTICAS I
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.
2.3. Sistemas linealmente dependientes o independientes
que: 1 = 2 = = n = 0 .
2.4. Proposicin.
{}
x 0 el sistema S = x es linealmente independiente.
100
MATEMTICAS I
Espacios Vectoriales y Aplicaciones Lineales
3.1. V(S)
101
MATEMTICAS I
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.
4.2. Propiedad
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:
, K , x, y V : x + y V
{}
V2 = 0 .
102
MATEMTICAS I
Espacios Vectoriales y Aplicaciones Lineales
V1 + V2 = x E / x = x1 + x 2 , con x1 V1 y x 2 V2
V1 + V2 es un subespacio vectorial.
{}
Si V1 V2 = 0 , la suma se llama directa y se denota por V1 V2 .
4.7. Propiedad
103
MATEMTICAS I
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.
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 .
x=+
V = ( x, y, z ) \ / y =
3
: , \
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.
5.2. Teorema
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
Espacios Vectoriales y Aplicaciones Lineales
5.4. Dimensin
5.5. Teorema
e1 = (10 0 ) , e2 = ( 0 1 0 0 ) ,, en = ( 0 0 0 1) la llamaremos
t t t
base cannica.
105
MATEMTICAS I
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.
5.7. Rango de un sistema de vectores.
linealmente independientes de S.
Otro procedimiento para calcular el rango de un sistema de vectores S
es construir una matriz situando las coordenadas de cada uno de los
vectores de S en columnas, es decir, si S = { x 1, x 2,, x p} , la matriz
asociada es
1
x
i
2
x
i
A = x 1 x 2 x p , siendo x i = , i = 1, 2,, p
#
n
x
i
{ }
B = c 1, c 2,, c m, e m +1, e m + 2,, e n
{}
Si V = 0 , dim(V ) = 0.
106
MATEMTICAS I
Espacios Vectoriales y Aplicaciones Lineales
Si V1 y V2 son subespacios vectoriales de V se tiene que:
Frmula de Grassman
En particular se tiene que si V1 es suma directa con V2 :
7. CAMBIO DE BASE
#
un = a1n v1 + a2 n v2 + " + ann vn
x = x1u1 + x2 u2 + + xn un =
107
MATEMTICAS I
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.
= x1 ( a11v1 + a21v2 + " + an1vn ) + x2 ( a12 v1 + a22 v2 + " + an 2 vn ) +
= x1v1 + x2 v2 + + xn vn
108
MATEMTICAS I
Espacios Vectoriales y Aplicaciones Lineales
( u1, u 2 ) + ( v1, v 2 ) = ( u1 + v1, u 2 + v 2 ) ; u1, v1 E; u 2, v 2 F
( ) ( )
u, v = u, v ; K ; u E; v F
Siendo {e1, e 2,, e n} una base de E y {w1, w2,, wm} una base de F ,
{(e1 , 0), (e2 , 0),, (en , 0), (0, w1 ), (0, w2 ),, (0, wm )}
8. APLICACIONES LINEALES
( ) () ( )
f x + y = f x + f y , x, y E
( ) ()
f x = f x , K , x E
8.2. Propiedad
( )
f x+ y = f x + f ( ) ( y ) , , K , x, y E
109
MATEMTICAS I
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.
8.3. Propiedades de las Aplicaciones Lineales
()
f 0 =0
x E, f ( x) = f ( x)
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.
110
MATEMTICAS I
Espacios Vectoriales y Aplicaciones Lineales
9.1. Ncleo
{
Ker ( f ) = x E / f ( x ) = 0 . }
9.2. Propiedades del Ncleo
un sistema libre de F .
9.3. Propiedad.
111
MATEMTICAS I
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.
n n
f ( x ) = f ( xi ei ) = xi f (ei ).
i =1 i =1
lineal de la base BF .
donde:
112
MATEMTICAS I
Espacios Vectoriales y Aplicaciones Lineales
y es la matriz columna que representa las coordenadas de f ( x) en la
base BF ;
(f () () ()
+ g ) x = f x + g x , x E ,
le corresponde la matriz A + C .
113
MATEMTICAS I
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.
Al homomorfismo f : E F ,(producto escalar), definido
por:
( f ) ( x) = ()
f x , x E ,
le corresponde la matriz A .
114
MATEMTICAS I
Espacios Vectoriales y Aplicaciones Lineales
12. CAMBIOS DE BASES
P Q 1
A
EB
E
FB
F
Se cumple que: A = Q 1 AP
P I
A
EB
E
FB
F
115
MATEMTICAS I
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.
Si slo se realizara el cambio de base en el espacio vectorial F ,
tendramos:
A
EBE FB
F
I Q 1
A
EB E FB
F
116
MATEMTICAS I
Espacios Vectoriales y Aplicaciones Lineales
PROBLEMAS RESUELTOS
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 ) .
3
sumamos a la 2 o ecuacin, obtenemos que: 7 = 3 = y de aqu
7
ya obtenemos, despejando por ejemplo de la 1 o ecuacin que
6 1
= 1 = . Slo hemos utilizado las dos primeras ecuaciones,
7 7
veamos que estos valores de y tambin sastisfacen la 3 a ecuacin:
117
MATEMTICAS I
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.
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
SOLUCIN:
Ker ( f ) = {( x, y, z ) \ 3 /f ( x, y, z ) = 0} =
= {( x, y, z ) \ 3 /x y 2 z = 0} = {( x, y, z ) \ 3 /x = y + 2 z}
= {( y + 2 z, y, z ) / y, z \} = (1,1, 0 ) , ( 2, 0,1)
1 4
3.- Sea f la aplicacin lineal de matriz asociada A = 3 1 .
1 0
Hallar la dimensin de Im( f ) .
SOLUCIN:
1 4
Sabemos que dim( Im( f )) = rang ( A) = rang 0 4 = 2.
0 0
SOLUCIN:
118
MATEMTICAS I
Espacios Vectoriales y Aplicaciones Lineales
Estudiar la dim(V ) es equivalente a estudiar el rango de la matriz cuyas
columnas son los vectores de V . Sea esta matriz la siguiente:
1 1 a
A = 1 a 1 . Una condicin necesaria, aunque no suficiente para
a 1 1
que dim V = 2 es que A = 0. Si desarrollamos este determinante
obtenemos que: A = 0 (a 1) 2 (a + 2) = 0 a = 1 a = 2.
a) V1 V2 = 0 {}
b) dim(V1 V2 ) = 2
c) dim(V1 V2 ) = 1
d) V1 + V2 \ 4
SOLUCION:
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
b) Falso.
119
MATEMTICAS I
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.
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)}
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)}
d) Verdadero.
V1 + V2 =< v1, v 2, v 3, v 4, 2v1 v 3, v 4 >=< v1, v 2, v 3, v 4 >
x x = 0
b) L1 = ( x1 , x2 , x3 ) \ 3 / 1 2
x2 x3 = 0
c) L3 = {(4s, s, s ) \ 3 / s R}
d) L4 = {( x1 , x2 , x3 ) \ 3 / x1 x2 = 1}
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
120
MATEMTICAS I
Espacios Vectoriales y Aplicaciones Lineales
multipliar un elemento de el por un escalar tambin siga perteneciendo al
subconjunto, es decir:
i ) x + y L1 , x, y L1
ii ) k x L1 , x L1 , k \
a) Si es un subespacio vectorial:
x1 = x2
x2 =2 x3 x1 + y1 = x2 + y2
i ) x, y L1
y1 = y2
x2 + y2 =2( x3 + y3 )
y2 =2 y
3
( x1 + y1 , x2 + y2 , x3 + y3 ) L1 x + y L1.
x1 = x2 kx1 = kx2
ii ) x L1 ( 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 .
x1 x2 = 0 k ( x1 x2 ) = 0
ii ) x L1
x2 x3 = 0 k ( x2 x3 ) = 0
kx1 kx2 = 0
(kx1 , kx2 , kx3 ) L1 k x L1 .
kx2 kx3 = 0
121
MATEMTICAS I
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.
c) Si es un subespacio vectorial:
x = (4s, s, s )
i ) x, y L1 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 .
g ( x, y, z ) = ( x + 2 y + z, x + z ) ,
= {( x, y, z ) \ 3 / ( x + 2 y + z, x + z ) = ( 0, 0 )} =
x + 2 y + z = 0
= ( x, y, z ) R 3 / =
x + z = 0
= {( x, y, z ) \ 3 / x = z y y = z} =
= {( z, z, z ) \ 3 , z R} = ( 1, 1,1) = (1,1, 1)
122
MATEMTICAS I
Espacios Vectoriales y Aplicaciones Lineales
8.- Sea la aplicacin lineal f : \ \ 3 definida por la
3
matriz
2 1 2
A = 2 2 3 . Estudiar si se trata de una aplicacin inyectiva,
2 1 2
sobreyectiva o biyectiva.
SOLUCIN:
En primer lugar estudiamos el rango de la matriz A que nos dar la
dimensin de la Imagen de f .
2 1 2 ( oper .elemen.) 2 1 2
rang ( A) = rang 2 2 3 = rang 0 2 2 = 2
2 1 2 0 0 0
dim( Im( f )) = 2 , para que fuera sobreyectiva tendra que suceder que
123
MATEMTICAS I
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.
9.- Dados los subespacios vectoriales de R3 definidos por
H = (1,1,1) , (1, 2,1) y S = {( x, y, z ) \ 3 / x = z} calcular la dimensin
de S H .
SOLUCIN:
Sabemos que se cumple la siguiente relacin:
dim( H + S ) = dim H + dim S dim( H S )
Tenemos que H est generado por dos vectores que son linealmente
independientes, por lo tanto, dim H = 2 , por otro lado, se tiene que
( )
S = {( x, y, z ) \ 3 /x = z} = {( x, y, x),x, y R} = (1, 0,1) , ( 0,1, 0 ) , es
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
Espacios Vectoriales y Aplicaciones Lineales
10.- Dada la aplicacin lineal f :\ \ 2
3
definida por la
matriz
1 0 1
A= , calcular la matriz asociada a f , respecto a las
2 1 1
nuevas bases
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 .
A
Es decir, tenemos: f : \ 3Bc -- \ 2Bc , y lo que nos estn pidiendo es
A
f :\ 3
B1 -- \ 2B2 , para llegar hasta este resultado, podemos pasar de \ 3
3 1 0
1 1 2 , por otro lado podemos pasar de \ con la base cannica
2
0 1 3
B C a \ 2 con la base B 2 , mediante la matriz Q 1 , siendo Q , la matriz
1 2
cambio de base de B 2 a BC , Q= . Esquemticamente
1 3
tenemos lo siguiente:
125
MATEMTICAS I
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.
Q 1
f : \ ----\
3
B1
3
BC ---- \ 2
Bc ---- \
2
B2 , de aqu concluimos que la matriz
x---- Px -----APx ----Q APx 1
buscada es
3 1 0
1 3 2 1 0 1
A = Q AP = 1 1 2 =
1 1 2 1 1
0 1 3
23 6 1
= .
10 2 2
valor de f (1,1, 1) ?
SOLUCIN:
El vector (1,1, 1) se puede expresar como combinacin lineal de los
+ = 1
= 1
2 2 + = 1
La solucin de este sistema es = 1; = 0; = 1 .
126
MATEMTICAS I
Espacios Vectoriales y Aplicaciones Lineales
Por lo tanto, aplicando f se tiene que:
(1)
f (1,1, 1) = f [ (1, 1, 2 ) + 0 (1, 0, 2 ) + ( 0, 0,1)]=
(1)
1 2 0
A= . Calcular la matriz asociada a f en las nuevas
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 \ 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 .
A
Es decir, tenemos: f : \ 3Bc ---- \ 2Bc , y lo que nos estn pidiendo es
A
f : \ 3B1 ---- \ 2B2 , para llegar hasta este resultado, podemos pasar de \ 3
127
MATEMTICAS I
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.
3 1 0
0 1 2 , por otro lado podemos pasar de \ con la base cannica
2
1 0 1
B C a \ 2 con la base B 2 , mediante la matriz Q 1 , siendo Q , la matriz
1 2
cambio de base de B 2 a BC , Q= . Esquemticamente
0 1
tenemos lo siguiente:
P A Q 1
f :\ 3
B1 --- \ 3
BC --- \ 2
Bc --- \ 2B2 , de aqu concluimos que la
matriz buscada es
3 1 0
1 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
f ( x1 , x2 , x3 , x4 ) = ( x2 + 2 x3 + 2 x4 , x1 + x2 + 3 x3 + 2 x4 , 2 x1 + 2 x2 + 6 x3 + 4 x4 ).
Calcular la matriz asociada a f respecto de las bases cannicas.
SOLUCIN:
128
MATEMTICAS I
Espacios Vectoriales y Aplicaciones Lineales
0 1 2 2
= 1 1 3 2
2 2 6 4
SOLUCIN:
1 1
La matriz asociada a f respecto a las bases cannicas es A = .
1 1
1 3
La matriz cambio de base de B a B es P = . Sabemos que con
2 2
el cambio de base la nueva matriz asociada viene dada por:
9 7
1 3
1 1 1 3 4 4
A = P 1 AP = 1 2 4
=
2 14 1 1
2 2 7 9
4 4
Otra forma de resolverlo:
9 7
f (1, 2) = (3, 1) = (1, 2) + (3, 2) = y =
4 4
7 9
f (3, 2) = (5,1) = (1, 2) + (3, 2) = y =
4 4
Es decir:
129
MATEMTICAS I
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.
9 7
4
4
Luego: A =
7 9
4 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 : \ 5 \ 3 . Sabemos que:
1 1 0 3 1 ( oper .elem.)
dim( Im( f )) = rang ( A) = rang 2 4 4 3 0 =
0 2 4 3 2
( oper .elem . )
1 1 0 3 1
= rang 0 2 4 3 2 = 2
0 0 0 0 0
Luego: 5 = dim( Ker ( f )) + 2 dim( Ker ( f )) = 3
130
MATEMTICAS I
Espacios Vectoriales y Aplicaciones Lineales
a) (0, 2, 2) b) (1, 0,1) c) ( 2, 1,1) d) ( 2, 1, 0 )
SOLUCIN:
Como el sistema es de tres ecuaciones con tres incgnitas y la matriz
A , cumple que rang ( A) = 1 (es decir el sistema puede ser reducido a una
sla ecuacin por ser las otras dos combinacin lineal de sta) , se tiene
que el subespacio solucin del sistema (recordamos que la solucin de
todo sistema homogneo es un espacio vectorial ) es de dimensin 2 ,
sabemos que (1, 1, 0 ) y ( 0,1,1) son vectores del subespacio solucin y
subespacio solucin.
subespacio solucin.
subespacio solucin.
= 2
tendramos el siguiente sistema: + = 1 , de la primera y la
= 0
131
MATEMTICAS I
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.
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
3 1 2
0 1 5
Dicha matriz es A= . Realizando transformaciones
a 0 b
1
b 4
elementales obtenemos la siguiente forma escalonada reducida de A :
3 1 2
0 3 15
. Como el rango de una matriz y el de cualquiera de sus
0 0 3b + 3a
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.
132
MATEMTICAS I
Espacios Vectoriales y Aplicaciones Lineales
SOLUCIN:
Vamos a calcular cul es la matriz asociada a f respecto de la base
cannica:
2 1 1
A = ( f (1, 0, 0) f (0,1, 0) f (0, 0,1) ) = .
6 4 1
Conocida la matriz sabemos que
5
2 1 1 9
f ( x) = Ax f ((5, 2,1)) = 2 =
6 4 1 23
1
133
MATEMTICAS I
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.
1 2
19.- Estudiar si la aplicacin lineal de matriz asociada A = 1 2 ,
1 0
es inyectiva, sobreyectiva o biyectiva.
SOLUCIN:
Por la frmula:
Ker ( f ) = 0 {}
f es inyectiva.
SOLUCIN:
{ () }
Im( f ) = y R 3 /x \ 4 : 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
Espacios Vectoriales y Aplicaciones Lineales
( y1, y2 , y3 ) \ / ( x1, x2 , x3 , x4 ) \
3 4
:
x2 + 2 x3 + 2 x4 = y (1)
=
1
=
x1 + x2 +3 x3 +2 x4 = y 2
2 x1 + 2 x2 +6 x3 + 4 x4 = y 3
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 y1
rang ( A ) = rang 1 1 3 2 y2
0 0 0 0 y3 2 y2
= {( y , y , y ) \ /y 2 y2 = 0}
(1)
3
1 2 3 3
f ( x1 , x2 , x3 , x4 ) = ( x2 + 2 x3 + 2 x4 , x1 + x2 + 3x3 + 2 x4 , 2 x1 + 2 x2 + 6 x3 + 4 x4 )
135
MATEMTICAS I
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.
SOLUCIN:
{
Ker ( f ) = ( x1 , x2 , x3 , x4 ) \ 4 /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 )
x2 + 2 x3 + 2 x4 = 0
= ( x1 , x2 , x3 , x4 ) \ / x1 + x2 + 3 x3 + 2 x4
4
= 0 =
2 x1 + 2 x2 + 6 x3 + 4 x4 = 0
x + x3 = 0
= ( x1 , x2 , x3 , x4 ) \ 4 / 1 =
x2 + 2 x3 + 2 x4 = 0
= ( 1, 2,1, 0 ) , ( 0, 2, 0,1) =
= (1, 2, 1, 0 ) , ( 0, 2, 0, 1) .
SOLUCIN:
Si a = 1
x = ( 1, 0, 2 ) + (0,1, 0)
(1, 1, 2) = ( , 0, 2 ) + (0, , 0) = ( , , 2 )
136
MATEMTICAS I
Espacios Vectoriales y Aplicaciones Lineales
(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 : \ 3 \ 3 la
1 2 2
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
que podra ser extrado del sistema por ser combinacin lineal de uno de
ellos.
1 0
de la matriz 1 1 es dos, por lo tanto los dos vectores que definen sus
1 2
columnas son linealmente independientes.
137
MATEMTICAS I
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.
Luego una base de Im( f ) es {(1,1,1) , ( 0,1, 2 )}.
24.- Consideremos los elementos del espacio vectorial P2 , de los
polinomios reales de grado a lo sumo 2, p( x) = 1, q( x) = 1 + x, y
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
Espacios Vectoriales y Aplicaciones Lineales
+ + = 0
Por lo tanto, obtenemos que: = 0 = = 0 y
= 0
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
139
MATEMTICAS I
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.
ambos sistemas son libres, sin embargo,
w = 2u .
b) Falso.
ambos sistemas son libres y {u, v, w} = {(1, 0, 0 ) , (0,1, 0), (0, 0,1)} es un
{ }
Un sistema de la forma u, u, w nunca puede ser libre, porque dos de
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 \} =
140
MATEMTICAS I
Espacios Vectoriales y Aplicaciones Lineales
Tenemos que:
1 1 0 0 1 1 0 0
0 2 0 0 0 2 0 0
dim( L) = Rang = Rang =4
2 1 1 0 0 0 2 0
0 1 0 1 0 0 0 2
1 0 0 1 0 0
1 0 0 0 1 0
dim( S ) = Rang = Rang =3
0 1 0 0 0 1
0
0
0
0 1 0
L + S est generado por los vectores que generan a L junto con los
vectores que generan a S , por lo tanto:
dim( L + S ) =
1 1 0 0 1 1 1 0 0 1
0 2 0 0 1 0 2 0 0 1
= Rang = Rang =4
2 1 1 0 0 0 0 2 0 7
0 1 0 1 0 0 0 0 2 1
Otra forma de haberlo razonado es, una vez sabido que dim( L) = 4 ,
141
MATEMTICAS I
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.
27.- Sea la aplicacin lineal f : \ 3 \ 2 definida por
f ( x, y, z ) = ( x + y, x z ) . Hallar el conjunto imagen de f .
SOLUCIN:
Sabemos que:
Im( f ) = {( a, b ) \ / ( x, y, z) \ : f (( x, y, z)) = (a, b)} =
2 3
= {( a, b ) \ / ( x, y, z ) \ : (( x + y, x z )) = (a, b)} =
2 3
x+ y =a
= ( a, b ) \ 2 / ( x, y, z ) \ 3 : =
xz =b
= {( x + y, x z ) / x, y, z \} =
= (1,1) , (1, 0), (0, 1) = (1, 0 ) , ( 0, 1) =
= (1, 0 ) , ( 0,1) = \ 2
SOLUCIN:
Ker ( f ) = {( x, y, z ) \ / f (( x, y, z )) = 0} =
3
= {( x, y, z ) \ / 3 x 2 y + 5 z = 0} =
3
= {( x, y, z ) \ /x = (2 y 5 z ) / 3} =
3
= {( (2 y 5 z ) / 3 , y, z ) \ / y, z \} =
3
2 5
= ,1, 0 , ( , 0,1) = ( 2, 3, 0 ) , (5, 0, 3)
3 3
142
MATEMTICAS I
Espacios Vectoriales y Aplicaciones Lineales
b) M nunca es invertible.
c) Al ser f un endomorfismo es siempre biyectivo.
d) M siempre es invertible.
SOLUCIN:
a) Verdadero.
i ) Veamos que si f es inyectiva M es invertible.
Tenemos la frmula:
dim( E ) = dim( Im( f )) + dim( Ker ( f )).
Si f {}
es inyectiva, sabemos que Ker ( f ) = 0 dim( Ker ( f )) = 0,
143
MATEMTICAS I
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.
dim( Ker ( f )) = 0 y el nico subespacio de dimensin 0 es el
b) Falso.
Ya hemos visto en a) que cuando f es inyectiva M es invertible.
c) Falso.
f ( x + y ) = f ( ( x1 , x2 ) + ( y1 , y2 )) = f (( x1 + y1 , x2 + y2 )) =
= ( x1 + y1 ( x2 + y2 ), x1 + y1 ( x2 + y2 )) =
= (( x1 x2 ) + ( y1 y2 ), ( x1 x2 ) + ( y1 y2 )) =
= ( x1 x2 , x1 x2 ) + ( y1 y2 , y1 y2 ) =
= ( x1 x2 , x1 x2 ) + ( y1 y2 , y1 y2 ) =
= f ( x1 , x2 ) + f ( y1 , y2 ) = f ( x) + f ( y )
144
MATEMTICAS I
Espacios Vectoriales y Aplicaciones Lineales
{ }
Ker ( f ) = x \ /f ( x) = 0 = {( x, y ) \ 2 /f ( x, y ) = (0, 0)} =
2
= {( x, y ) \ 2 / ( x y, x y ) = (0, 0)} =
= {( x, y ) \ 2 /x = y} =< (1,1) >
{}
Hemos obtenido que Ker ( f ) 0 , por lo que f no es inyectivo, y esto
SOLUCIN:
b) Si f : \ 3 \ 3 siempre es biyectiva.
c) Si f : \ 4 \ 3 siempre es inyectiva.
145
MATEMTICAS I
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.
d) Si f : \ 3 \ 3 nunca ser sobreyectiva.
SOLUCIN:
a) Verdadero.
Por la frmula de las dimensiones sabemos que:
i ) f es aplicacin:
146
MATEMTICAS I
Espacios Vectoriales y Aplicaciones Lineales
ii ) f es lineal:
?
f ( x + y )= f ( x) + f ( y )
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 )
{}
que Ker ( f ) = 0 , es decir, dim( Ker ( f )) = 0 , y sustituyendo este dato
d) Falso.
147
MATEMTICAS I
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.
Como contraejemplo nos sirve la aplicacin identidad: i : \ 3 \ 3 ,
x \ 3 : i( x) = x . Es evidente que es una aplicacin lineal y es
biyectiva, por lo tanto, en particular ser sobreyectiva.
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
Im( f ) =< f (e1), f (e 2), f (e 3), f (e 4) >, luego de este conjunto podemos
1 1 0 1
2 1 1 1
rango( A) = rango =
1 1 0 1
1 0 1 0
1 1 0 1
0 1 1 1
= rango = 2.
0 0 0 0
0 0 0 0
148
MATEMTICAS I
Espacios Vectoriales y Aplicaciones Lineales
Como f (e1) y f (e 2) son linealmente independientes, podemos
x y t = 0
4 2x y z t = 0
Ker ( f ) = { x \ /Ax = 0} = ( x, y, z, t ) \ /
4
=
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 >
149
MATEMTICAS I
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.
33.- Dado los subespacios de \ 4 , L =< (1, 0, 0, 0), (1, 2,1, 0) >=< u1, u 2 >
y M =< (1, a,1, 2), (0, 2,1, a) >=< v 1, v 2 >, estudiar para qu valores de
a se tiene que L M = \ 4 .
SOLUCIN:
L + M = \ dim( L + M ) = 4
4
LM = \ 4
(1)
LM ={0} dim( L M ) = 0
Un sistema generador suyo es {(1, 0, 0, 0), (1, 2,1, 0)} , para que este
sistema sea una base habra que comprobar que los dos vectores son
linealmente independientes, o lo que es equivalente que el rango de
1 1
0 2 1 1
A= es 2. Ahora bien, en A se tiene el menor 0 que es
0 1 0 2
0 0
de orden 2, por lo tanto Rang ( A) = 2 , es decir, dim( L) = 2.
150
MATEMTICAS I
Espacios Vectoriales y Aplicaciones Lineales
1 0
ya que existe el menor de orden 2 siguiente: 0 , luego,
1 1
dim( M ) = 2 .
dim( L + M ) = 2 + 2 dim( L M )
dim( L + M ) = 4 dim( L M )
1 1 1 0
0 2 a 2
A= , A tendr rango 4, si y slo si su determinante es
0 1 1 1
0 0 2 a
distinto de cero.
A = 2 a a 2 ; A = 0 2 a a 2 = 0 a = 0 a = 2.
SOLUCIN:
151
MATEMTICAS I
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.
=< v 1, v 2 >
Sabemos que:
dim( L + M ) = rango(u1 u 2 v 1 v 2) =
1 0 1 1 1 0 11
2 1 0 0 0 1 2 2
= rango = rango =4
0 2 0 2 0 0 4 2
3
3 0 0 0 0 0 0 2
a) H = {( x, y, z ) \ 3 / x y + 3z = 0}
2 x + y + z = 0
b) H = ( x, y, z ) \ 3 /
yz =0
c) H = {( x, y, z ) \ 3 / x = 0}
d) H = {( x, y, z ) \ 3 / x = y = z}
SOLUCIN:
F = {( x, y, z ) \ 3 / x 2 y + 3 z = 0} = {( x, y, z ) \ 3 / x = 2 y 3 z} =
=< (2,1, 0), (3, 0,1) > , luego dim( F ) = 2, para que F H = \ 3 , H
tendr que cumplir que:
152
MATEMTICAS I
Espacios Vectoriales y Aplicaciones Lineales
i ) dim(\ ) = dim( F ) + dim( H ) 3 = 2 + dim( H ) dim( H ) = 1.
3
ii ) H F = {0}
H = {( x, y, z ) \ 3 / x y + 3z = 0} = {( x, y, z ) \ 3 / x = y 3 z} =
2 x + y + z = 0
= ( x, y, z ) \ 3 / =
yz =0
x = z
= ( x, y, z ) \ 3 / =
y=z
=< (1,1,1) >
H = {( x, y, z ) \ 3 / x = y = z} =
153
MATEMTICAS I
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.
H F = {0}
Si ( x, y ) \ 2 , calcular la expresin de f ( x, y ) .
SOLUCIN:
Conocemos la matriz asociada a f 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 ,
+ 0 = 1
(1, 0) = (1, 2) + (0,1) = 1 y = 2, por tanto
2 + = 0
1 2
A = ( f (1, 0), f (0,1) ) = 3 1 .
7 1
Otra forma de haber llegado al mismo resultado es mediante la matriz
cambio de base.
154
MATEMTICAS I
Espacios Vectoriales y Aplicaciones Lineales
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
f
3
(\ 2 , B) (\ 2, B )----- \
x P 1 x f ( P 1 x) = A ( P 1 x)
3 2
1 1 1 0
f ( P x) = A ( P x) = 1 1 x=
5 1 2 1
3 2
1 0
= 1 1 x =
5 1 2 1
1 2 x + 2 y
x
= 3 1 = 3 x + y
7 1 y 7 x y
0 0 0
La matriz asociada a f es A = 1 4 0 , a g es
2 1 2
155
MATEMTICAS I
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.
3 0 0 1 0 0
B = 1 1 0 y a h es C = 0 1 0 La matriz asociada a
2 1 1 0 0 1
[( gog ) h]of ser:
[( B B) C ] A =
3 0 0 3 0 0 1 0 0 0 0 0
= 1 1 0 1 1 0 0 1 0 1 4 0 =
2 1 1 2 1 1 0 0 1 2 1 2
8 0 0 0 0 0 0 0 0
= 2 0 0 1 4 0 = 0 0 0
9 0 0 2 1 2 0 0 0
Otra forma de llegar al mismo resultado es hallar la expresin de la
funcion [( gog ) h]of :
() () ()
[( gog ) h]of x = ( gog )of x hof x = gogof x hof x = () ()
= gog ( 0, x 4 y, 2 x + y 2 z ) h ( 0, x 4 y, 2 x + y 2 z ) =
= g ( 3.0, 0 ( x 4 y ), ( x 4 y ) + (2 x + y 2 z ) ) ( 0, x 4 y, 2 x + y 2 z ) =
= g ( 0, x + 4 y, 3 x 3 y 2 z ) ( 0, x 4 y, 2 x + y 2 z ) =
= ( 0, x 4 y, 2 x + y 2 z ) ( 0, x 4 y, 2 x + y 2 z ) = (0, 0, 0)
L = {( x, y, z ) \ 3 / x + 3 y z = 0} y M = {( , 0, 3 ) \ 3 / \} .
Calcular L M .
SOLUCIN:
156
MATEMTICAS I
Espacios Vectoriales y Aplicaciones Lineales
L = {( x, y, z ) \ / x + 3 y z = 0} = {( x, y, z ) \ 3 / x = 3 y + z} =
3
x 3 y z = 0
L M = ( x, y, z ) \ / x 3 z = 0 = {(0, 0, 0)}
3
y=0
Tambin podamos haber llegado a la misma conclusin calculando la
dimensin de L M . Sabemos que L + M esta generado por la unin de
sus bases, luego:
1 3 1
dim( L + M ) = rango(u1 u 2 v1) = rango 0 1 0 =
1 0 3
1 3 1
= rango 0 1 0 = 3.
0 0 2
Como adems sabemos que:
dim( L + M ) = dim( L) + dim( M ) dim( L M )
dim( L M ) = 2 + 1 3 = 0
L M = {0}
157
MATEMTICAS I
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.
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.
158
MATEMTICAS I