Professional Documents
Culture Documents
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
MATEMTICAS I
95
INTRODUCCIN
Aunque ya se ha trabajado con un espacio vectorial, el de las matrices
cuadradas sobre el cuerpo de los reales o los complejos, hasta ahora no se
ha definido dicha estructura. En este tema introducimos la estructura de
espacio vectorial, que es la estructura bsica del Algebra Lineal. Se trata
de enriquecer la estructura de grupo abeliano (definida en el captulo 2)
con una ley de composicin externa: el producto por escalares. Para
presentar de una forma intuitiva la nueva estructura, se comienza con los
ejemplos geomtricos de los vectores libres del plano o del espacio
fsico. Se hace ver entonces al alumno que existen otros objetos
matemticos, tales como las matrices reales de un cierto orden mxn o los
polinomios de coeficientes reales de grado no superior a n dado, para los
cuales tambin es posible la suma y el producto por escalares. Adems,
en los tres casos (vectores, matrices y polinomios) dichas operaciones
comparten las mismas propiedades algebraicas. Surge as, de manera
natural, la estructura de espacio vectorial sobre un cuerpo K.
OBJETIVOS
96
MATEMTICAS I
MATEMTICAS I
97
INTRODUCCIN TERICA
1. ESPACIOS VECTORIALES
Sea K un cuerpo conmutativo con leyes suma y producto a cuyos
elementos llamaremos escalares. Sea E un conjunto a cuyos elementos
los llamaremos vectores, denotndolos x , y , etc.
( x + y) + z = x + ( y + z ),
x , y, z E (propiedad asociativa)
x + y = y + x , x , y E (propiedad conmutativa)
( )
es
el
cuerpo
K,
con
las
siguientes
propiedades ( , K , x, y E ) :
(a) Distributiva respecto a la suma de escalares:
( + ) x = x + x
( )
98
MATEMTICAS I
(d) Identidad: 1 x = I E = x .
NOTA: Si no se hace mencin contraria, K ser el cuerpo de los
nmeros reales con las operaciones usuales, suma y producto en los
nmeros reales.
2. PROPIEDADES DE UN ESPACIO VECTORIAL
Las principales propiedades de un espacio vectorial son las siguientes:
x E : 0 x = 0
K : 0 = 0
Si x = 0 = 0 x = 0
( )
K , x E : ( ) x = x = x
2.1. Sistema de Vectores
si
existen
x = 1 x1 + 2 x2 + + n xn .
1 , 2 ,, n K
escalares
Los
escalares
1 , 2 ,, n
tal
son
que:
los
MATEMTICAS I
99
{}
100
MATEMTICAS I
{}
E , que tenga estructura de espacio vectorial con las mismas leyes que
E , diremos que es un subespacio vectorial de E .
MATEMTICAS I
101
4.2. Propiedad
Sea E un espacio vectorial sobre un cuerpo K y sea V un subconjunto
de E , entonces V es un subespacio vectorial de E si y slo si:
x + y V , x, y V .
x V , x V y K
Esta propiedad tambin se podra enunciar de la siguiente forma:
4.3. Propiedad:
Sea E un espacio vectorial sobre un cuerpo K y sea V un subconjunto
de E , entonces V es un subespacio vectorial de E si y slo si:
, K , x, y V : x + y V
4.4. Interseccin de Subespacios vectoriales
Dados dos subespacios vectoriales V1 y V2
de
E se define su
interseccin como:
V1 V2 = x E / x V1 y x V2
{}
V2 = 0 .
4.6. Suma de subespacios vectoriales
Dados dos subespacios vectoriales V1 y V2 de E , se define su suma:
102
MATEMTICAS I
V1 + V2 = x E / x = x1 + x 2 , con x1 V1 y x 2 V2
V1 + V2 es un subespacio vectorial.
{}
ejemplo,
si
E = \3 ,
podemos
considerar
el
subespacio
V = {( x, y, z ) \ 3 / x + y + z = 0}
MATEMTICAS I
103
3
: , \
V = ( x, y, z ) \ / y =
z=
En un espacio vectorial de tipo finito todas las bases son finitas y tienen
el mismo nmero de elementos.
104
MATEMTICAS I
5.4. Dimensin
B1 B2 = V .
Es decir, los
e2 = ( 0 1 0 0 ) ,, en = ( 0 0 0 1) la llamaremos
t
base cannica.
MATEMTICAS I
105
linealmente independientes de S.
Otro procedimiento para calcular el rango de un sistema de vectores S
es construir una matriz situando las coordenadas de cada uno de los
vectores de S en columnas, es decir, si S = { x 1, x 2,, x p} , la matriz
asociada es
1
i
2
i
A = x 1 x 2 x p , siendo x i =
#
x
, i = 1, 2,, p
{}
Si V = 0 , dim(V ) = 0.
106
MATEMTICAS I
Frmula de Grassman
En particular se tiene que si V1 es suma directa con V2 :
dim (V1 V2 ) = dim (V1 ) + dim (V2 )
7. CAMBIO DE BASE
MATEMTICAS I
107
n 2n
n nn
xn = x1an1 + x2 an 2 + " + x a
x1
x2
x1
x2
11
21
n1
a
x=
,P=
, x ' =
"
#
#
a
xn
xn
a22 " a2 n
Matriz Cambio de Base de
" " "
an 2 " ann
respecto de la base B .
7.1. Espacio Vectorial Producto
108
MATEMTICAS I
( ) (
u 2, v 2 F
u, v = u, v ; K ; u E; v F
Dicho espacio vectorial se denomina espacio vectorial producto de E y
F.
una base de F ,
{(e1 , 0), (e2 , 0),, (en , 0), (0, w1 ), (0, w2 ),, (0, wm )}
8. APLICACIONES LINEALES
8.1. Aplicacin Lineal
() ( )
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
MATEMTICAS I
( y ) , , K , x, y E
109
Sea
f : E F
vectoriales E y F , entonces:
()
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.
Si f es inyectivo, se denomina monomorfismo.
Si f es biyectivo recibe el nombre de isomorfismo
Un endomorfismo biyectivo se llama automorfismo.
110
MATEMTICAS I
9.1. Ncleo
Ker ( f ) = x E / f ( x ) = 0 .
{}
{}
un sistema libre de F .
9.3. Propiedad.
B = {e1 , e2 ,, en }
es
una
base
de
conocemos
MATEMTICAS I
111
i =1
i =1
f ( x ) = f ( xi ei ) = xi f (ei ).
IMPORTANTE:
m,
(1)
Sea x = xi ei ,
i =1
f ( e1 ) =
(2) m
f ( x )= xi f ( ei )= y j u j . Si:
i =1
a11u1
+ a21u2
f ( e2 ) = a12u1
+ a22u2
"
"
f ( en ) = a1n u1
"
+ a2 n u2
j =1
+ +
am1um
+ + am 2um
.
"
"
+ + amnum
x=
x1
#
x
y=
y1
#
y
P=
" a1n
a11
a12
a21
a22 " a2 n
#
am1
mn
am 2 " a
donde:
112
MATEMTICAS I
B;
P es la matriz del homomorfismo en las bases B
BF ( o con
respectivamente.
Al homomorfismo f + g : E F definido por:
(f
()
() ()
+ g ) x = f x + g x , x E ,
le corresponde la matriz A + C .
MATEMTICAS I
113
( f ) ( x) =
()
f x , x E ,
le corresponde la matriz A .
Con estas dos operaciones, el conjunto de homomorfismos entre los
espacios vectoriales E y F , denotado por L( E, F ) , tiene estructura de
espacio vectorial, isomorfo al espacio vectorial de las matrices M mn .
Por tanto, la dimensin del espacio L( E, F ) es m n .
f : E F es A .
g : F G
f : E
Entonces la aplicacin
( g D f ) ( x ) = g f ( x ) ,
114
MATEMTICAS I
EBE
FB
Q 1
P
A
EB
Se cumple que:
FB
A = Q 1 AP
EBE
P
E
I
A
EB
FB
FB
MATEMTICAS I
115
EBE
FB
Q 1
I
A
EB E
FB
116
MATEMTICAS I
PROBLEMAS RESUELTOS
1.-
Sean
en
\4
los
vectores
w = u + v = (2, 3, 2, 5) + (1, 2, 4, 0) = (2 + , 3 2 , 2 + 4 , 5 )
.
Es decir, se tiene que dar la siguiente igualdad:
(1,1,10/ 7, m) = (2 + , 3 2 , 2 + 4 , 5 ) .
Sabemos que dos vectores son iguales si coinciden componente a
componente, de donde obtenemos las siguientes ecuaciones:
2 +
3 2
2 + 4
5
1
=
1
=
si multiplicamos la primera ecuacin por 2 y se la
= 10 / 7
= m
= 1
6 1
= .
7 7
3
y de aqu
7
ecuacin que
MATEMTICAS I
117
3
1 10
2. + 4. = , luego, efectivamente, s se cumple. Por ltimo como
7
7 7
3
15
tambin se tiene que cumplir la 4 o ecuacin 5. = m m = .
7
7
2.- Sea la aplicacin lineal
: \ 3 \
dada por
f ( x, y, z ) = x y 2 z . Calcular el ncleo de f .
SOLUCIN:
Ker ( f ) = {( x, y, z ) \ 3 /f ( x, y, z ) = 0} =
= {( 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
A = 3 1 .
1 0
118
MATEMTICAS I
obtenemos que: A = 0 (a 1) 2 (a + 2) = 0 a = 1 a = 2.
5.-
Sean
los
subespacios
de
\4 ,
{}
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
combinacin lineal de v1 y v 2 ) como en V2 .
b) Falso.
MATEMTICAS I
119
Si tomamos {v1, v 2, v 3, v 4} = {(1, 0, 0, 0), (0,1, 0, 0), (1, 0, 0, 0), (1, 0, 0, 0)}
V2 =< 2v1 v 3, v 4 >=< (1, 0, 0, 0), (1, 0, 0, 0) >=< (1, 0, 0, 0) >
V1 V2 =< (1, 0, 0, 0) > dim(V1 V2 ) = 1 2.
c) Falso.
Si tomamos {v1, v 2, v 3, v 4} = {(1, 0, 0, 0), (0,1, 0, 0), (1, 0, 0, 0), (0,1, 0, 0)}
V2 =< 2v1 v 3, v 4 >=< (1, 0, 0, 0), (0,1, 0, 0) > dim(V1 V2 ) = 2 1.
d) Verdadero.
V1 + V2 =< v1, v 2, v 3, v 4, 2v1 v 3, v 4 >=< v1, v 2, v 3, v 4 >
dim(V1 + V2 ) < 4 ya que
{v1, v 2, v 3, v 4}
es un conjunto de vectores
x1 = x2
x2 =2 x3
a) L1 = ( x1 , x2 , x3 ) \ 3 /
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:
120
MATEMTICAS I
a) Si es un subespacio vectorial:
x1 = x2
i ) x, y L1
x2 =2 x3
y1 = y
x1 + y1 = x2 + y2
x2 + y2 =2( x3 + y3 )
y2 =2 y
( x1 + y1 , x2 + y2 , x3 + y3 ) L1 x + y L1.
ii ) x L1
x1 = x2 kx1 = kx2
k x L1
b) Si es un subespacio vectorial:
x1 x2 = 0
x2 x3 = 0 ( x1 + y1 ) ( x2 + y2 ) = 0
i ) x, y L1
y1 y2 = 0 ( x2 + y2 ) ( x3 + y3 ) = 0
y2 y3 = 0
( x1 + y1 , x2 + y2 , x3 + y3 ) L1 x + y L1 .
ii ) x L1
x1 x2 = 0 k ( x1 x2 ) = 0
x2 x3 = 0 k ( x2 x3 ) = 0
kx1 kx2 = 0
(kx1 , kx2 , kx3 ) L1 k x L1 .
kx2 kx3 = 0
MATEMTICAS I
121
c) Si es un subespacio vectorial:
i ) x, y L1
x = (4s, s, s )
x + y = (4( s + t ), s + t , s + t ) x + y L1.
y = (4t , t , t )
ii ) x L1 x = (4 s, s, s ) k x = (4ks, ks, ks ) k x L1 .
sin
embargo
5 x = (20,15, 0) L1
ya
que
20 15 = 5 1.
g ( x, y, z ) = ( x + 2 y + z, x + z ) ,
calcular una base de su ncleo.
SOLUCIN:
Por definicin sabemos que el Ker ( g ) est formado por los vectores de
= {( 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
f : \ \ 3 definida por la
3
matriz
2 1 2
sobreyectiva o biyectiva.
SOLUCIN:
En primer lugar estudiamos el rango de la matriz A que nos dar la
dimensin de la Imagen de f .
2 1 2 ( oper .elemen.)
2 1 2
rang ( A) = rang 2 2 3 =
rang 0 2 2 = 2
2 1 2
0 0 0
dim( Im( f )) = 2 , para que fuera sobreyectiva tendra que suceder que
dim( Im( f )) = dim(\ 3 ) = 3, es decir, la dimensin de Im( f ) tiene que
coincidir con la del espacio de llegada, \ 3 que es 3. Por lo tanto, ya
podemos concluir que la aplicacin no es sobreyectiva, porque
dim( Im( f )) = 2 dim(\ 3 ) = 3 .
Al no ser sobreyectiva, tampoco puede ser biyectiva la aplicacin.
La dimensin del Ncleo de f la podemos obtener de la frmula:
dim(\ 3 ) = dim( Ker ( f )) + dim( Im( f )),
como la dimensin de Im( f )
concluimos que dim( Ker ( f )) = 1.
es 2
y la dimensin de \ 3 es 3 ,
dim( Ker ( f )) = 0 .
MATEMTICAS I
123
R3
definidos por
de S H .
SOLUCIN:
Sabemos que se cumple la siguiente relacin:
es
124
MATEMTICAS I
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
B 1 = {( 3,1, 0 ) , ( 1,1,1) , ( 0, 2, 3)} y B 2 = {(1, 1) , ( 2, 3)} .
SOLUCIN:
La matriz A que define a la aplicacin lineal inicial viene dada respecto
a las bases cannicas en \ 3 y en \ 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:
f :\
3
B1
--
f : \ 3Bc
--
BC.
Esta matriz
es la siguiente:
3 1 0
2
1 1 2 , por otro lado podemos pasar de \ con la base cannica
0 1 3
a BC ,
1 2
Q=
.
1 3
Esquemticamente
tenemos lo siguiente:
MATEMTICAS I
125
f : \ ----\
3
B1
3
BC
---- \
Q 1
2
Bc
---- \
2
B2
A = Q AP =
1 1 2 =
1 1 2 1 1
0 1 3
23 6 1
=
.
10 2 2
11.- Si f : \ 3 \ 2 es una aplicacin lineal, tal que;
f (1, 1, 2 ) = ( 2,1) ; f (1, 0, 2 ) = ( 0,1) y
valor de f (1,1, 1) ?
SOLUCIN:
El vector (1,1, 1) se puede expresar como combinacin lineal de los
vectores: {(1, 1, 2 ) , (1, 0, 2 ) , ( 0, 0,1)} .
(1,1, 1) = (1, 1, 2 ) + (1, 0, 2 ) + ( 0, 0,1)
2 2 +
= 1
= 1
= 1
126
MATEMTICAS I
f :\ 3 \ 2
definida por la
matriz
1 2 0
A=
.
0 1 1
bases:
B1 = {( 3, 0,1) , ( 1,1, 0 ) , ( 0, 2,1)} y B2 = {(1, 0 ) , ( 2, 1)} .
SOLUCIN:
La matriz A que define a la aplicacin lineal inicial viene dada respecto
a las bases cannicas en \ 3 y en \ 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 : \ 3B1 ---- \ 2B2 , 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
MATEMTICAS I
BC.
Esta matriz
es la siguiente:
127
3 1 0
2
0 1 2 , por otro lado podemos pasar de \ con la base cannica
1 0 1
BC ,
1 2
Q=
.
0 1
Esquemticamente
tenemos lo siguiente:
f :\
P
3
B1
---
A
3
BC
---
Q 1
2
Bc
---
matriz buscada es
3 1 0
1 2 1 2 0
1 3 6
A = Q AP =
0 1 2 =
1 1 1
0 1 0 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:
La base cannica de \ 4 es
128
f (0,1, 0, 0)
f (0, 0,1, 0)
f (0, 0, 0,1) ) =
MATEMTICAS I
0 1 2 2
= 1 1 3 2
2 2 6 4
f ( x, y ) = ( x + y, x y ) .
1 1
La matriz asociada a f respecto a las bases cannicas es A =
.
1 1
1 3
La matriz cambio de base de B a B es P =
. Sabemos que con
2 2
el cambio de base la nueva matriz asociada viene dada por:
1
A = P 1 AP = 1 2
2
1 1 1 3 4
=
14 1 1
2 2 7
4
3
4
7
4
9
7
y =
4
4
7
9
y =
4
4
Es decir:
9 7
f (1, 2) = ( , ) en la base B = {(1, 2 ) , ( 3, 2 )}
4 4
7 9
f (3, 2) = ( , ) en la base B = {(1, 2 ) , ( 3, 2 )} .
4 4
MATEMTICAS I
129
9
4
Luego: A =
7
7
4
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:
dim( R 5 ) = dim( Ker ( f )) + dim( Im( f ))
Por otro lado sabemos que:
1 1 0 3 1 ( oper .elem.)
( oper .elem . )
1 1 0 3 1
rang 0 2 4 3 2 = 2
0 0 0 0 0
( 0,1,1)
130
MATEMTICAS I
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)
(1, 1, 0 ) + 2 ( 0,1,1) ,
subespacio solucin.
b)
subespacio solucin.
c)
subespacio solucin.
d)
No existen ,
= 1 , de la primera y la
= 0
MATEMTICAS I
131
(2, 5, b, 4)
de
los vectores
\ 4 son linealmente
dependientes.
SOLUCIN:
Dicha matriz es
0
A=
a
1
1 2
1 5
.
0 b
b 4
Realizando transformaciones
0
0
0
1
2
3
15
. Como el rango de una matriz y el de cualquiera de sus
0 3b + 3a
0
0
f (0,1, 2) = (1, 2) ,
132
MATEMTICAS I
SOLUCIN:
f (0,1, 0)
2 1 1
f (0, 0,1) ) =
.
6 4 1
6 4 1 23
1
MATEMTICAS I
133
1 2
{}
Ker ( f ) = 0
f es inyectiva.
A pesar de ser inyectiva, por no ser sobreyectiva, no podr ser biyectiva.
f : \ 4 \ 3 la aplicacin lineal
definida por:
f ( x1 , x2 , x3 , x4 ) = ( x2 + 2 x3 + 2 x4 , x1 + x2 + 3 x3 + 2 x4 , 2 x1 + 2 x2 + 6 x3 + 4 x4 )
calcular unas ecuaciones del subespacio Im( f ) .
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
( y1, y2 , y3 ) \ / ( x1, x2 , x3 , x4 ) \
3
x2 + 2 x3 + 2 x4
x1 + x2 +3 x3 +2 x4
2 x1 + 2 x2 +6 x3 + 4 x4
=
=
=
y
y
y
(1)
0 1 2 2
NOTA: La matriz del sistema es A = 1 1 3 2
2 2 6 4
0 1 2 2
0 1 2 2 | y1
A = 1 1 3 2 | y2 ,
2 2 6 4 | y
3
0 1 2 2
rang ( A ) = rang 1 1 3 2
0 0 0 0
y2
y3 2 y2
y1
= {( y , y , y ) \ /y
(1)
2 y2 = 0}
MATEMTICAS I
135
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
4
= ( x1 , x2 , x3 , x4 ) \ / x1 + x2 + 3 x3 + 2 x4
2 x1 + 2 x2 + 6 x3 + 4 x4
= 0
= 0 =
= 0
+ x3
x2 + 2 x3 + 2 x4
= 0
=
= 0
= ( x1 , x2 , x3 , x4 ) \ 4 / 1
= ( 1, 2,1, 0 ) , ( 0, 2, 0,1) =
= (1, 2, 1, 0 ) , ( 0, 2, 0, 1) .
y M = {( x, y, z ) \ 3 /x = y} . Estudiar cundo
Si a = 1
Entonces
x = (1, 1, 2),
que
encontrar
, \
tal
que:
x = ( 1, 0, 2 ) + (0,1, 0)
(1, 1, 2) = ( , 0, 2 ) + (0, , 0) = ( , , 2 )
136
MATEMTICAS I
(1, 1, 2) = ( , , 2 ) = 1 y = 1 , es decir x L.
Obtenemos que x L M .
1 0 0
23.- Consideremos la matriz A = 1 1 1 y sea f : \ 3 \ 3 la
1 2 2
Im( f ) ,
por
lo
que
un
sistema
generador
es
{(1,1,1) , ( 0,1, 2 )}
MATEMTICAS I
137
q( x) = 1 + x,
siguientes:
a)
tiene dimensin 2.
c) El subespacio vectorial engendrado por
tiene
dimensin 1.
SOLUCIN:
a) Verdadera.
Vamos a igualar una combinacin lineal de los tres vectores al
polinomio 0 = 0 + 0 x + 0 x 2 . Para que sean linealmente independientes
los escalares de la combinacin nos tendran que dar 0.
?
Sean , , \ : p ( x) + q( x) + r ( x) = 0 = = = 0
Si p ( x) + q( x) + r ( x) = 0 1 + (1 + x ) + 1 x 2 = 0
+ + + x x2 = 0
para que un polinomio sea idnticamente nulo, tiene que suceder que los
coeficientes que acompaan a las diferentes potencias de la variable sean
0 y adems el trmino independiente tambin sea 0.
138
MATEMTICAS I
+ +
= 0
= 0 = = 0
= 0
{ } { }
verdaderos o falsos:
a)
b)
c)
SOLUCIN:
a) Falso.
Valga
el
siguiente
MATEMTICAS I
contraejemplo:
Sea
U = \3 ,
se cumple que
139
ambos
sistemas
son
libres,
sin
embargo,
w = 2u .
b) Falso.
Valga
el
siguiente
contraejemplo:
Sea
U = \3 ,
S = {( x, y, z, t ) / x y = 0} . Se pide la dimensin de L S .
SOLUCIN:
Tenemos que S = {( x, y, z, t ) / x y = 0} = {( x, x, z, t ) / x, z, t \} =
= (1,1, 0, 0 ) , ( 0, 0,1, 0 ) , ( 0, 0, 0,1) .
140
MATEMTICAS I
Tenemos que:
1 1
0 2
dim( L) = Rang
2 1
0 1
1
1
dim( S ) = Rang
0
0
0
0
1
0
0
1 1
0
0 2
= Rang
0 0
0
1
0 0
0
1
0
0
= Rang
0
0
0
1
0
0
1
0
0
1
0
0
0
0
2
0
0
=4
0
0
=3
1
L + S est generado por los vectores que generan a L junto con los
0 2
= Rang
2 1
0 1
0
0
1
0
1
1 1
1
0 2
= Rang
0 0
0
0
0 0
0
0
0
1
0
0
2
0
0 1
0 1
=4
0 7
2 1
dim( L S ) = 4 + 3 4 = 3
Otra forma de haberlo razonado es, una vez sabido que dim( L) = 4 ,
como
es
un
subespacio
de
\4 ,
se
obtiene
que
L = \ 4 L S = \ 4 S = S dim( L S ) = dim( S ) = 3
MATEMTICAS I
141
f : \ 3 \ 2 definida por
Sabemos
Im( f ) =
que:
x+ y =a
= ( a, b ) \ 2 / ( x, y, z ) \ 3 :
xz =b
= {( x + y, x z ) / x, y, z \} =
= (1,1) , (1, 0), (0, 1) = (1, 0 ) , ( 0, 1)
= (1, 0 ) , ( 0,1) = \ 2
28.- Sea
f : \ 3 \
{( x, y, z ) \ / f (( x, y, z )) = 0} =
= {( x, y, z ) \ / 3 x 2 y + 5 z = 0} =
= {( x, y, z ) \ /x = (2 y 5 z ) / 3} =
= {( (2 y 5 z ) / 3 , y, z ) \ / y, z \} =
3
5
2
Razonar la
142
MATEMTICAS I
b) M nunca es invertible.
c) Al ser f un endomorfismo es siempre biyectivo.
d) M siempre es invertible.
SOLUCIN:
a) Verdadero.
i ) Veamos que si f es inyectiva M es invertible.
Tenemos la frmula:
{}
sustituyendo
este
dato
en
la
frmula
Por
otro
anterior
lado,
vemos
sabemos
que
que
se
llega
que
MATEMTICAS I
143
{}
Ker ( f ) = 0
f : \ 2 \ 2
definida
de
la
siguiente
forma:
f (( x, y )) = ( x y, x y )
Veamos que f es un endomorfismo.
f ( x + y )= f ( x) + f ( 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
= {( x, y ) \ 2 / ( x y, x y ) = (0, 0)} =
= {( x, y ) \ 2 /x = y} =< (1,1) >
{}
30.- Sean f : V W
y g : W U , las aplicaciones
( f ( x ) = Ax )
( g ( y )= B y )
g ( Ax)
B( Ax) = ( BA) x
MATEMTICAS I
145
tendramos
que
si
la
Im( f ) = \ 5 ,
aplicacin
por
lo
fuera
tanto
x = x ,
y = y ,
146
MATEMTICAS I
ii )
f es lineal:
?
f ( x + y )= f ( x) + f ( y )
Supongamos que x = ( x, y, z )
y = ( x , y , z ) , entonces tendramos
que: f ( x + y ) = f (( x, y, z ) + ( x , y , z )) =
= f (( x + x , y + y , z + z )) = ( x + x , 0, 0) =
= ( x, 0, 0) + ( x , 0, 0) = ( x, 0, 0) + ( x , 0, 0) =
= f (( x, y, z )) + f (( x , y , z )) = f ( x) + f ( y )
Veamos que f no es inyectiva
Sean por ejemplo x = (1, 2, 3) e y = (1, 3, 4) evidentemente se tiene que
x y y sin embargo, f ( x) = (1, 0, 0) = f ( y ) , luego f no es inyectiva.
{}
MATEMTICAS I
147
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
1 0 1 0
Sabemos que A = ( f (e1) f (e 2) f (e 3) f (e 4) ) , y que el conjunto Im( f )
esta generado por las imgenes de los vectores de la base, es decir,
Im( f ) =< f (e1), f (e 2), f (e 3), f (e 4) >, luego de este conjunto podemos
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
Como
f (e1) y f (e 2)
x y t = 0
4
4 2x y z t = 0
Ker ( f ) = { x \ /Ax = 0} = ( x, y, z, t ) \ /
=
x y t = 0
xz =0
x y t = 0
= ( x, y, z, t ) \ 4 / 2 x y z t = 0 =
xz =0
2 x y z t = 0
= ( x, y, z, t ) \ 4 /
=
xz =0
y = z t
= ( x, y, z, t ) \ 4 /
=
x=z
= {( z, z t , z, t ) / z, t \} =
=< (1,1,1, 0), (0, 1, 0,1) >=< w1, w 2 >
MATEMTICAS I
149
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:
4
dim( L + M ) = 4
L + M = \
LM = \
(1)
dim( L M ) = 0
LM ={0}
4
sistema sea una base habra que comprobar que los dos vectores son
linealmente independientes, o lo que es equivalente que el rango de
1
0
A=
0
1 1
2
es 2. Ahora bien, en A se tiene el menor
0 que es
0 2
1
a
2
2 a
150
MATEMTICAS I
1 0
0 , luego,
1 1
dim( M ) = 2 .
Sabemos que:
dim( L + M ) = 2 + 2 dim( L M )
dim( L + M ) = 4 dim( L M )
u1 y u 2 sern linealmente
independientes con v 1 y v 2.
1
0
A=
0
1 1
2 a
1 1
0 2
2
, A tendr rango 4, si y slo si su determinante es
1
distinto de cero.
A = 2 a a 2 ; A = 0 2 a a 2 = 0 a = 0 a = 2.
34.-
Dado
los
subespacios
de
\4 ,
y
SOLUCIN:
M = { x \ 4 / x = (a, 0, 2a, b), a, b \} =< (1, 0, 2, 0), (0, 0, 0,1) >=
MATEMTICAS I
151
=< v 1, v 2 >
Sabemos que:
dim( L + M ) = rango(u1 u 2 v 1 v 2) =
1
2
= rango
0
0 1 1
1
0
1 0 0
= rango
0
2 0 2
0 0 0
0
1 2 2
=4
0 4 2
3
0 0
2
0
dim( L M ) = 0
L M = {0}
35.-
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
ii ) H F = {0}
a) Con este H no se cumple, ya que dim( H ) = 2.
H = {( x, y, z ) \ 3 / x y + 3z = 0} = {( x, y, z ) \ 3 / x = y 3 z} =
=< (1,1, 0), (3, 0,1) >
b) Con este H tampoco se cumple, ya que:
2 x + y + z = 0
= ( x, y, z ) \ 3 /
=
yz =0
x = z
= ( x, y, z ) \ 3 /
=
y=z
= 1 + 2 rango 1 0 1 =
0 1 1
= 33 = 0
MATEMTICAS I
153
H F = {0}
36.- Sea f : \ 2 \ 3 la aplicacin lineal tal que:
Conocemos
la
matriz
asociada
respecto
de
la
base
3 2
Como el (0,1) esta en las dos bases solo nos faltara cononer la imagen
del (1, 0), escribiremos (1, 0) como combinacin lineal de los vectores de
la base B ,
(1, 0) = (1, 2) + (0,1)
f (1, 0)
+ 0 = 1
= 1 y = 2, por tanto
2 + = 0
7 1
154
MATEMTICAS I
1 0
La matriz cambio de base de B a la base cannica B es P =
,
2 1
1 0
la matriz cambio de base de B a B ser por tanto P 1 =
2 1
f
(\ 2 , B) (\ 2, B )----x
P 1 x
f ( P 1 x) = A ( P 1 x)
3 2
1 0
f ( P x) = A ( P x) = 1 1
x=
2
1
5 1
3 2
1 0
= 1 1
x =
5 1 2 1
1 2
x + 2 y
= 3 1 = 3 x + y
7 1 y 7 x y
MATEMTICAS I
155
3 0 0
1 0 0
B = 1 1 0 y a h es C = 0 1 0 La matriz asociada a
2 1 1
0 0 1
= 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
()
()
()
()
()
L = {( x, y, z ) \ 3 / x + 3 y z = 0}
y M = {( , 0, 3 ) \ 3 / \} .
Calcular L M .
SOLUCIN:
156
MATEMTICAS I
L = {( x, y, z ) \ / x + 3 y z = 0} = {( x, y, z ) \ 3 / x = 3 y + z} =
3
3
L M = ( x, y, z ) \ / x 3 z = 0 = {(0, 0, 0)}
y=0
1 3 1
= rango 0 1 0 = 3.
0 0 2
MATEMTICAS I
157
BIBLIOGRAFIA
ANZOLA, M.; CARUNCHO, J.; PREZ-CANALES, G. (1981).
Problemas de lgebra (Tomos 1-7). Madrid. SSAG.
BURGOS, J. (1999).
Madrid. McGraw-Hill.
CARBO, R.; DOMINGO, LL. (1987). lgebra Matricial y Lineal.
Espaa. McGraw-Hill.
DE LA VILLA, A. (1994). Problemas de lgebra. Madrid. Clagsa.
ESPADA BROS, E. (1984). Problemas resueltos de lgebra.
Barcelona. EUNIBAR.
FLAQUER, J; OLAIZOLA, J; OLAIZOLA, J. (1996). Curso de
lgebra Lineal. Navarra EUNSA.
FRALEIGH, J.B.; BEAUREGARD, R.A. (1989). lgebra Lineal.
U.S.A. Addison-Wesley Iberoamericana.
GARCA, J.; LPEZ, M. (1990). lgebra Lineal y Geometra.
Alcoy. Marfil.
GRANERO, F. (1994). lgebra y Geometra Analtica. Madrid .
McGraw-Hill. GROSSMANN, S.I. (1996).
158
MATEMTICAS I