Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CAPITULO4 Esp Vectorialesc PDF
CAPITULO4 Esp Vectorialesc PDF
4. ESPACIOS VECTORIALES Y
APLICACIONES LINEALES
SUMARIO:
INTRODUCCIÓN
OBJETIVOS
INTRODUCCIÓN TEÓRICA
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. Dimensión.
6.- Relación entre Dimensiones.
7.- Cambio de Base.
8.- Aplicaciones Lineales.
9.- Nomenclatura.
10.- Matriz Asociada a una Aplicación Lineal.
11.- Operaciones con Homomorfismos y sus Matrices
Asociadas.
12.- Cambios de Bases.
PROBLEMAS RESUELTOS.
BIBLIOGRAFÍA
95
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
INTRODUCCIÓN
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 básica del Algebra Lineal. Se trata
de enriquecer la estructura de grupo abeliano (definida en el capítulo 2)
con una ley de composición externa: el producto por escalares. Para
presentar de una forma intuitiva la nueva estructura, se comienza con los
ejemplos geométricos de los vectores libres del plano o del espacio
físico. Se hace ver entonces al alumno que existen otros objetos
matemáticos, 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 también es posible la suma y el producto por escalares. Además,
en los tres casos (vectores, matrices y polinomios) dichas operaciones
comparten las mismas propiedades algebraicas. Surge así, de manera
natural, la estructura de espacio vectorial sobre un cuerpo K.
OBJETIVOS
• Asimilar el concepto de espacio vectorial y las propiedades más
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 números reales y de grado
96
MATEMÁTICAS 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
combinación 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 dimensión 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 está
determinado con sólo conocer las imágenes 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
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
INTRODUCCIÓN TEÓRICA
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: λ x + y = λ x + λ y )
( )
(c) Asociativa respecto a los escalares: λ µ x = ( λµ ) x
98
MATEMÁTICAS I
Espacios Vectoriales y Aplicaciones Lineales
(d) Identidad: 1 ⋅ x = I E = x .
∀x ∈ E : 0 ⋅ x = 0
∀ λ ∈ K : λ ⋅0 = 0
Si λ ⋅ x = 0 ⇒ λ = 0 ó x = 0
∀ λ ∈ K , ∀ x ∈ E : ( −λ ) x = −λ x = λ − x ( )
2.1. Sistema de Vectores
99
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
2.3. Sistemas linealmente dependientes o independientes
que: λ1 = λ2 = … = λn = 0 .
2.4. Proposición.
{}
x ≠ 0 ⇒ el sistema S = x es linealmente independiente.
100
MATEMÁTICAS I
Espacios Vectoriales y Aplicaciones Lineales
3.1. V(S)
101
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
4.2. Propiedad
x + y ∈ V , ∀ x, y ∈ V .
λ x ∈ V , ∀ x ∈ V y ∀λ ∈ K
Esta propiedad también se podría enunciar de la siguiente forma:
4.3. Propiedad:
∀λ , µ ∈ K , ∀ x, y ∈ V : λ x + µ y ∈ V
{}
V2 = 0 .
102
MATEMÁTICAS 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
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
Dando las ecuaciones paramétricas, que expresan las coordenadas de los
vectores de V en función de parámetros que pueden tomar cualquier
valor de los escalares de K .
⎧ x=λ+β ⎫
⎪ ⎪
V = ⎨( x, y, z ) ∈ \ / y = λ
3
:λ , β ∈ \⎬
⎪ z=β ⎪
⎩ ⎭
El paso de unas a otras se realiza de forma cómoda por medio de la
teoría 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 número de elementos.
104
MATEMÁTICAS I
Espacios Vectoriales y Aplicaciones Lineales
5.4. Dimensión
5.5. Teorema
base canónica.
105
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, 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
MATEMÁTICAS I
Espacios Vectoriales y Aplicaciones Lineales
Si V1 y V2 son subespacios vectoriales de V se tiene que:
≡ Fórmula de Grassman
En particular se tiene que si V1 es suma directa con V2 :
7. CAMBIO DE BASE
coordenadas ⎛⎜⎝ x1′ , x2′ ,…, xn′ ⎞⎟⎠ respecto de la base B′ . Vamos a estudiar
#
un = a1n v1 + a2 n v2 + " + ann vn
107
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
= x1′ ( a11v1 + a21v2 + " + an1vn ) + x2′ ( a12 v1 + a22 v2 + " + an 2 vn ) +
= ⎛⎜⎝ x1′ a11 + x2′ a12 + " + xn′ a1n ⎞⎟⎠ v1 + ⎛⎜⎝ x1′ a21 + x2′ a22 + " + xn′ a2 n ⎞⎟⎠ v2 +
= x1v1 + x2 v2 + …+ xn vn
108
MATEMÁTICAS 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
( ) ( )
λ u, v = λ u, λ v ; ∀λ ∈ 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 λ x = λ f x , ∀λ ∈ K , ∀ x ∈ E
8.2. Propiedad
( )
f λ x+µ y =λ f x +µ f ( ) ( y ) , ∀λ, µ ∈ K , ∀ x, y ∈ E
109
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, 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
Si E = F , a f se le denomina endomorfismo.
110
MATEMÁTICAS I
Espacios Vectoriales y Aplicaciones Lineales
9.1. Núcleo
{
Ker ( f ) = x ∈ E / f ( x ) = 0 . }
9.2. Propiedades del Núcleo
un sistema libre de F .
9.3. Propiedad.
111
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
n n
f ( x ) = f (∑ xi ei ) = ∑ xi f (ei ).
i =1 i =1
donde:
112
MATEMÁTICAS 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
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
Al homomorfismo λ ⋅ f : E ———— F ,(producto escalar), definido
por:
(λ ⋅ f ) ( x) = λ ()
f x , ∀x ∈ E ,
le corresponde la matriz λ A .
114
MATEMÁTICAS 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
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
Si sólo se realizara el cambio de base en el espacio vectorial F ,
tendríamos:
A
EBE ⎯→ FB
F
I↑ ↓ Q −1
A′
EB E ⎯→ FB ′
F
116
MATEMÁTICAS I
Espacios Vectoriales y Aplicaciones Lineales
PROBLEMAS RESUELTOS
3
sumamos a la 2 o ecuación, obtenemos que: 7α = 3 ⇒ α = y de aquí
7
ya obtenemos, despejando por ejemplo de la 1 o ecuación que
6 1
β = 1− = . Sólo hemos utilizado las dos primeras ecuaciones,
7 7
veamos que estos valores de α y β también sastisfacen la 3 a ecuación:
117
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
3 1 10
2. + 4. = , luego, efectivamente, sí se cumple. Por último como
7 7 7
3 15
también se tiene que cumplir la 4 o ecuación 5. = m ⇒ m = .
7 7
SOLUCIÓN:
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 aplicación lineal de matriz asociada A = ⎜ 3 −1⎟ .
⎜1 0 ⎟
⎝ ⎠
Hallar la dimensión de Im( f ) .
SOLUCIÓN:
⎛1 4 ⎞
Sabemos que dim( Im( f )) = rang ( A) = rang ⎜⎜ 0 −4 ⎟⎟ = 2.
⎜0 0 ⎟
⎝ ⎠
SOLUCIÓN:
118
MATEMÁTICAS 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 condición necesaria, aunque no suficiente para
⎜a 1 1⎟
⎝ ⎠
que dim V = 2 es que A = 0. Si desarrollamos este determinante
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), está tanto en V1 (por ser
b) Falso.
119
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, 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}
SOLUCIÓN:
Para que un subconjunto sea subespacio vectorial debe cumplir que la
suma de dos elementos de el también pertenezca al subconjunto y que al
120
MATEMÁTICAS I
Espacios Vectoriales y Aplicaciones Lineales
multipliar un elemento de el por un escalar también 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
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, 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} =
122
MATEMÁTICAS I
Espacios Vectoriales y Aplicaciones Lineales
8.- Sea la aplicación lineal f : \ ———— \ 3 definida por la
3
matriz
⎛ 2 1 −2 ⎞
⎜ ⎟
A = ⎜ 2 2 −3 ⎟ . Estudiar si se trata de una aplicación inyectiva,
⎜ 2 1 −2 ⎟
⎝ ⎠
sobreyectiva o biyectiva.
SOLUCIÓN:
En primer lugar estudiamos el rango de la matriz A que nos dará la
dimensión 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 tendría que suceder que
123
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, 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 dimensión
de S ∩ H .
SOLUCIÓN:
Sabemos que se cumple la siguiente relación:
dim( H + S ) = dim H + dim S − dim( H ∩ S )
Tenemos que H está 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 fórmula de las dimensiones, tenemos que:
2 = 2 + 2 − dim( H ∩ S ) , es decir: dim( H ∩ S ) = 2.
124
MATEMÁTICAS I
Espacios Vectoriales y Aplicaciones Lineales
10.- Dada la aplicación 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
SOLUCIÓN:
La matriz A que define a la aplicación lineal inicial viene dada respecto
a las bases canónicas en \ 3 y en \ 2 , lo que nos están pidiendo es la
matriz A′ asociada a la aplicación 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 están 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 canónica
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=⎜ ⎟. Esquemáticamente
⎝ −1 3 ⎠
tenemos lo siguiente:
125
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
Q −1
f : \ ----\
3
B1
3
BC ---- \ 2
Bc ---- \
2
B2 , de aquí 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 ⎠
SOLUCIÓN:
El vector (−1,1, −1) se puede expresar como combinación lineal de los
⎧ α+β = −1
⎪
⎨ −α = 1
⎪2α − 2 β + γ = −1
⎩
La solución de este sistema es α = −1; β = 0; γ = 1 .
126
MATEMÁTICAS 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:
SOLUCIÓN:
La matriz A que define a la aplicación lineal inicial viene dada respecto
a las bases canónicas en \ 3 y en \ 2 , lo que nos están pidiendo es la
matriz A′ asociada a la aplicación 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 están pidiendo es
A′
f : \ 3B1 ---- \ 2B2 , para llegar hasta este resultado, podemos pasar de \ 3
127
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
⎛ 3 −1 0 ⎞
⎜ ⎟
⎜ 0 1 2 ⎟ , por otro lado podemos pasar de \ con la base canónica
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=⎜ ⎟. Esquemáticamente
⎝ 0 −1 ⎠
tenemos lo siguiente:
P A Q −1
f :\ 3
B1 --- \ 3
BC --- \ 2
Bc --- \ 2B2 , de aquí 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 canónicas.
SOLUCIÓN:
128
MATEMÁTICAS I
Espacios Vectoriales y Aplicaciones Lineales
⎛ 0 1 2 2⎞
⎜ ⎟
= ⎜1 1 3 2⎟
⎜ 2 2 6 4⎟
⎝ ⎠
SOLUCIÓN:
⎛1 1 ⎞
La matriz asociada a f respecto a las bases canónicas 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) = α (1, 2) + β (3, 2) ⇒ α = − y β=
4 4
7 9
f (3, 2) = (5,1) = λ (1, 2) + µ (3, 2) ⇒ λ = − y µ=
4 4
Es decir:
129
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
⎛ 9 7⎞
′
⎜− 4 − ⎟
4
Luego: A = ⎜ ⎟
⎜ 7 9 ⎟
⎜ ⎟
⎝ 4 4 ⎠
15.- Calcular la dimensión del núcleo de la aplicación lineal cuya
matriz asociada es:
⎛ 1 −1 0 3 1 ⎞
⎜ ⎟
A = ⎜ −2 4 4 −3 0 ⎟ .
⎜ 0 2 4 3 2⎟
⎝ ⎠
SOLUCIÓN:
Como la matriz A es de orde 3 x5 , entonces la aplicación lineal será
⎛ 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
MATEMÁTICAS I
Espacios Vectoriales y Aplicaciones Lineales
a) (0, 2, 2) b) (1, 0,1) c) ( 2, −1,1) d) ( 2, −1, 0 )
SOLUCIÓN:
Como el sistema es de tres ecuaciones con tres incógnitas y la matriz
A , cumple que rang ( A) = 1 (es decir el sistema puede ser reducido a una
sóla ecuación por ser las otras dos combinación lineal de ésta) , se tiene
que el subespacio solución del sistema (recordamos que la solución de
todo sistema homogéneo es un espacio vectorial ) es de dimensión 2 ,
sabemos que (1, −1, 0 ) y ( 0,1,1) son vectores del subespacio solución y
subespacio solución.
b) (1, 0,1) = 1(1, −1, 0 ) + 1( 0,1,1) , por lo tanto (1, 0,1) pertenece al
subespacio solución.
subespacio solución.
α = 2⎫
⎪
tendríamos el siguiente sistema: −α + β = −1⎬ , de la primera y la
β = 0 ⎪⎭
131
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
estos valores en la 2 a ecuación obtenemos que −2 + 0 = −1 , lo que
evidentemente no es cierto, por lo que el sistema es incompatible, ya que
no existen valores de α y β 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
sólo si 3b + 3a = 0, es decir, si y sólo si a = −b.
132
MATEMÁTICAS I
Espacios Vectoriales y Aplicaciones Lineales
SOLUCIÓN:
Vamos a calcular cuál es la matriz asociada a f respecto de la base
canónica:
⎛ 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
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
⎛ 1 2⎞
⎜ ⎟
19.- Estudiar si la aplicación lineal de matriz asociada A = ⎜ 1 2 ⎟ ,
⎜ −1 0 ⎟
⎝ ⎠
es inyectiva, sobreyectiva o biyectiva.
SOLUCIÓN:
Por la fórmula:
⇒ Ker ( f ) = 0 ⇒ {}
⇒ f es inyectiva.
SOLUCIÓN:
{ () }
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
MATEMÁTICAS 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
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
SOLUCIÓN:
{
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⎭
SOLUCIÓN:
Si a = −1
Entonces x = (−1, −1, 2), cumple que como sus dos primeras
x = α ( −1, 0, 2 ) + β (0,1, 0) ⇒
136
MATEMÁTICAS I
Espacios Vectoriales y Aplicaciones Lineales
⇒ (−1, −1, 2) = (−α , β , 2α ) ⇒ α = 1 y β = −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 ⎟
⎝ ⎠
aplicación lineal de matriz asociada A con respecto a las bases
canónicas. Encontrar una base de Im( f )
SOLUCIÓN:
Sabemos que las columnas de la matriz A nos dan un sistema generador
de Im( f ) , por lo que un sistema generador es
que podría ser extraído del sistema por ser combinación 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
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, 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
dimensión 1.
SOLUCIÓN:
a) Verdadera.
Vamos a igualar una combinación lineal de los tres vectores al
polinomio 0 = 0 + 0 x + 0 x 2 . Para que sean linealmente independientes
los escalares de la combinación nos tendrían que dar 0.
?
Sean α , β , γ ∈ \ : α p ( x) + β q( x) + γ r ( x) = 0⇒ α = β = γ = 0
Si α p ( x) + β q( x) + γ r ( x) = 0 ⇒ α1 + β (1 + x ) + γ ⎛⎜⎝1 − x 2 ⎞⎟⎠ = 0 ⇒
⇒ α + β + γ + β x − γ x2 = 0
para que un polinomio sea idénticamente nulo, tiene que suceder que los
coeficientes que acompañan a las diferentes potencias de la variable sean
0 y además el término independiente también sea 0.
138
MATEMÁTICAS I
Espacios Vectoriales y Aplicaciones Lineales
α + β +γ = 0⎫
⎪
Por lo tanto, obtenemos que: β = 0⎬ ⇒ γ = β = 0 y
−γ = 0 ⎪⎭
b) Falso.
Ya hemos visto que los tres vectores son linealmente independientes por
lo tanto, ellos serán una base del subespacio que generen, y esto conduce
a que dicho subespacio tendrá dimensión 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
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, 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 dimensión de L ∩ S .
SOLUCIÓN:
Tenemos que S = {( x, y, z, t ) / x − y = 0} = {( x, x, z, t ) / x, z, t ∈ \} =
140
MATEMÁTICAS 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 está 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
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
27.- Sea la aplicación lineal f : \ 3 ———— \ 2 definida por
f ( x, y, z ) = ( x + y, x − z ) . Hallar el conjunto imagen de f .
SOLUCIÓN:
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 : ⎬⎬ =
⎩ x−z =b ⎭⎭
= {( x + y, x − z ) / x, y, z ∈ \} =
= (1,1) , (1, 0), (0, −1) = (1, 0 ) , ( 0, −1) =
= (1, 0 ) , ( 0,1) = \ 2
SOLUCIÓN:
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
MATEMÁTICAS 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.
SOLUCIÓN:
a) Verdadero.
i ) Veamos que si f es inyectiva ⇒ M es invertible.
Tenemos la fórmula:
dim( E ) = dim( Im( f )) + dim( Ker ( f )).
Si f {}
es inyectiva, sabemos que Ker ( f ) = 0 ⇒ dim( Ker ( f )) = 0,
143
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
dim( Ker ( f )) = 0 y el único subespacio de dimensión 0 es el
b) Falso.
Ya hemos visto en a) que cuando f es inyectiva ⇒ M es invertible.
c) Falso.
f (α x + β y ) = f (α ( x1 , x2 ) + β ( y1 , y2 )) = f ((α x1 + β y1 ,α x2 + β y2 )) =
= (α x1 + β y1 − (α x2 + β y2 ), α x1 + β y1 − (α x2 + β y2 )) =
= ((α x1 − α x2 ) + ( β y1 − β y2 ), (α x1 − α x2 ) + ( β y1 − β y2 )) =
= (α x1 − α x2 , α x1 − α x2 ) + ( β y1 − β y2 , β y1 − β y2 ) =
= α ( x1 − x2 , x1 − x2 ) + β ( y1 − y2 , y1 − y2 ) =
= α f ( x1 , x2 ) + β f ( y1 , y2 ) = α f ( x) + β f ( y )
144
MATEMÁTICAS 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
SOLUCIÓN:
145
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
d) Si f : \ 3 ———— \ 3 nunca será sobreyectiva.
SOLUCIÓN:
a) Verdadero.
Por la fórmula de las dimensiones sabemos que:
i ) f es aplicación:
146
MATEMÁTICAS I
Espacios Vectoriales y Aplicaciones Lineales
ii ) f es lineal:
?
f (α x + β y )= α f ( x) + β f ( y )
= f ((α x + β x′ , α y + β y ′ ,α z + β z ′ )) = (α x + β x′ , 0, 0) =
= (α x, 0, 0) + ( β x′ , 0, 0) = α ( x, 0, 0) + β ( x′ , 0, 0) =
= α f (( x, y, z )) + β f (( x′ , y ′ , z ′ )) = α f ( x) + β f ( y )
{}
que Ker ( f ) = 0 , es decir, dim( Ker ( f )) = 0 , y sustituyendo este dato
d) Falso.
147
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
Como contraejemplo nos sirve la aplicación identidad: i : \ 3 —— \ 3 ,
∀ x ∈ \ 3 : i( x) = x . Es evidente que es una aplicación lineal y es
biyectiva, por lo tanto, en particular será 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 ) .
SOLUCIÓN:
⎛ 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
MATEMÁTICAS 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 ⎪
⎪⎩ x−z =0 ⎭⎪
⎧ x − y −t = 0⎫
⎪ ⎪
= ⎨( x, y, z, t ) ∈ \ 4 / 2 x − y − z − t = 0 ⎬ =
⎪ x−z =0 ⎪
⎩ ⎭
⎧ 2 x − y − z − t = 0⎫
= ⎨( x, y, z, t ) ∈ \ 4 / ⎬=
⎩ x−z =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
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, 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 qué valores de
a se tiene que L ⊕ M = \ 4 .
SOLUCIÓN:
⎪⎧ L + M = \ ⎪⎫ ⎧ dim( L + M ) = 4 ⎫
4
L⊕M = \ ⇔ ⎨ 4
⎬⇔⎨ ⎬ (1)
⎩⎪ L∩M ={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 habría 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
MATEMÁTICAS 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 tendrá rango 4, si y sólo 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 ó a = 2.
SOLUCIÓN:
151
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, 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 / ⎬
⎩ y−z =0 ⎭
c) H = {( x, y, z ) ∈ \ 3 / x = 0}
d) H = {( x, y, z ) ∈ \ 3 / x = y = z}
SOLUCIÓN:
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
tendrá que cumplir que:
152
MATEMÁTICAS 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 / ⎬=
⎩ y−z =0 ⎭
⎧ x = −z⎫
= ⎨( x, y, z ) ∈ \ 3 / ⎬=
⎩ y=z ⎭
=< (−1,1,1) >
H = {( x, y, z ) ∈ \ 3 / x = y = z} =
153
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
⇒ H ∩ F = {0}
Si ( x, y ) ∈ \ 2 , calcular la expresión de f ( x, y ) .
SOLUCIÓN:
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 faltaría cononer la imagen
del (1, 0), escribiremos (1, 0) como combinación lineal de los vectores de
la base B∗ ,
α + 0β = 1⎫
(1, 0) = α (1, 2) + β (0,1) ⇒ ⎬ ⇒ α = 1 y β = −2, por tanto
2α + β = 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
MATEMÁTICAS I
Espacios Vectoriales y Aplicaciones Lineales
⎛1 0⎞
La matriz cambio de base de B∗ a la base canónica B es P = ⎜ ⎟,
⎝ 2 1⎠
⎛ 1 0⎞
la matriz cambio de base de B a B∗ será 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
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, 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 será:
[( 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 expresión 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 = {( µ , 0, 3µ ) ∈ \ 3 /µ ∈ \} .
Calcular L ∩ M .
SOLUCIÓN:
156
MATEMÁTICAS 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 ⎪
⎩ ⎭
También podíamos haber llegado a la misma conclusión calculando la
dimensión de L ∩ M . Sabemos que L + M esta generado por la unión 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 además sabemos que:
dim( L + M ) = dim( L) + dim( M ) − dim( L ∩ M ) ⇒
⇒ dim( L ∩ M ) = 2 + 1 − 3 = 0 ⇒
⇒ L ∩ M = {0}
157
MATEMÁTICAS I
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
BIBLIOGRAFIA
ANZOLA, M.; CARUNCHO, J.; PÉREZ-CANALES, G. (1981).
Problemas de Álgebra (Tomos 1-7). Madrid. SSAG.
BURGOS, J. (1999). Álgebra Lineal y Geometría Cartesiana.
Madrid. McGraw-Hill.
CARBO, R.; DOMINGO, LL. (1987). Álgebra Matricial y Lineal.
España. McGraw-Hill.
DE LA VILLA, A. (1994). Problemas de Álgebra. Madrid. Clagsa.
ESPADA BROS, E. (1984). Problemas resueltos de Álgebra.
Barcelona. EUNIBAR.
FLAQUER, J; OLAIZOLA, J; OLAIZOLA, J. (1996). Curso de
Álgebra Lineal. Navarra EUNSA.
FRALEIGH, J.B.; BEAUREGARD, R.A. (1989). Álgebra Lineal.
U.S.A. Addison-Wesley Iberoamericana.
GARCÍA, J.; LÓPEZ, M. (1990). Álgebra Lineal y Geometría.
Alcoy. Marfil.
GRANERO, F. (1994). Álgebra y Geometría Analítica. Madrid .
McGraw-Hill. GROSSMANN, S.I. (1996). Álgebra Lineal con
aplicaciones. México. McGraw-Hill.
GUERRA, N.; LÓPEZ, B. (1999). Problemas resueltos tipo test de
Álgebra Lineal (Con esquemas teóricos). Las Palmas de G.C. El Libro
Técnico.
158
MATEMÁTICAS I