4. espacios vectoriales y - departamento de … · respecto a los escalares: λ(µλµx)=()x...
TRANSCRIPT
Espacios Vectoriales y Aplicaciones Lineales
MATEMÁTICAS I 9955
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
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
MATEMÁTICAS I 9966
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
Espacios Vectoriales y Aplicaciones Lineales
MATEMÁTICAS I 9977
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.
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
MATEMÁTICAS I 9988
INTRODUCCIÓN TEÓRICA
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, denotándolos x , y , etc.
E es un espacio vectorial sobre el cuerpo K si se verifica:
Existe una ley de composición interna en E , para la cuál 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 composición interna)
( ) ( )x y z x y z+ + = + + , x∀ , y z E, ∈ (propiedad asociativa)
x y y x+ = + , x∀ , y E∈ (propiedad conmutativa)
0 0x E E x x∀ ∈ ⇒ ∃ ∈ : + = (el 0 es el elemento neutro).
( ) 0x E x E x x∀ ∈ ⇒ ∃− ∈ : + − = (existencia de elemento opuesto)
Existe sobre E una ley de composición externa, cuyo dominio de
operadores es el cuerpo K , con las siguientes
propiedades ( )K x y Eλ µ∀ , ∈ , ∀ , ∈ :
(a) Distributiva respecto a la suma de escalares: ( ) x x xλ µ λ µ+ = +
(b) Distributiva respecto a la suma de vectores: ( )x y x yλ λ λ+ = +
(c) Asociativa respecto a los escalares: ( ) ( )x xλ µ λµ=
Espacios Vectoriales y Aplicaciones Lineales
MATEMÁTICAS I 9999
(d) Identidad: 1 Ex x⋅ = =I .
NOTA: Si no se hace mención contraria, K será el cuerpo de los
números reales con las operaciones usuales, suma y producto en los
números reales.
2. PROPIEDADES DE UN ESPACIO VECTORIAL
Las principales propiedades de un espacio vectorial son las siguientes:
0 0x E x∀ ∈ : ⋅ =
∀ Kλ∈ : 0 0λ ⋅ =
Si 0xλ ⋅ = ⇒ 0λ = ó 0x =
∀ ( ) ( )K x E x x xλ λ λ λ∈ , ∀ ∈ : − = − = −
2.1. Sistema de Vectores
Un sistema de vectores es un conjunto (trabajaremos siempre con un
número finito) de vectores, lo representaremos por: { }1 2 nS …x x x= , , , .
2.2. Combinación Lineal
Un vector x E∈ es una combinación lineal de los vectores del sistema
S si existen n escalares 1 2 n… Kλ λ λ, , , ∈ tal que:
1 1 2 2 n nx x x … xλ λ λ= + + + . Los escalares 1 2 n…λ λ λ, , , son los
”coeficientes” de la combinación lineal.
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
MATEMÁTICAS I 110000
2.3. Sistemas linealmente dependientes o independientes
Un sistema 1 2{ }nS …x x x= , , , de vectores es linealmente independientes,
si la condición 1 1 2 2 0n nx x x … xλ λ λ= + + + = , implica necesariamente
que: 1 2 0n…λ λ λ= = = = .
En caso contrario, el sistema S es linealmente dependiente.
2.4. Proposición.
En un sistema linealmente independiente S la única posibilidad de
conseguir una combinación lineal de vectores de S igualada al vector 0
es que todos los coeficientes de dicha combinación deben ser 0 , no
siendo así 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:
0x ≠ ⇒ el sistema { }S x= es linealmente independiente.
Si un sistema S es linealmente independiente, cualquier sistema S ′
extraído de él ( S S′ ⊂ ) también 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′ ⊃ ) también lo es.
Si un sistema S es linealmente dependiente, al menos uno de los
vectores de S es combinación lineal de los restantes vectores de S .
Espacios Vectoriales y Aplicaciones Lineales
MATEMÁTICAS I 110011
Si un sistema S es linealmente independiente y el sistema { }S S x′ = ∪
es linealmente dependiente, entonces el vector x es combinación lineal
de los vectores de S .
3.1. V(S)
Si S es un sistema de vectores, S denotará el conjunto de vectores
que son combinación lineal de vectores de S .
3.2. Sistemas Equivalentes
Dos sistemas de vectores 1S y 2S son equivalentes si 1 2S S= .
Las principales formas para obtener un sistema equivalente a uno dado
son:
Añadir al sistema nuevos vectores que sean combinación 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 .
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
MATEMÁTICAS I 110022
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 sólo si:
x y V+ ∈ , x y V∀ , ∈ .
x Vλ ∈ , x V∀ ∈ y Kλ∀ ∈
Esta propiedad también se podría 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 sólo si:
K x y V x y Vλ µ λ µ∀ , ∈ , ∀ , ∈ : + ∈
4.4. Intersección de Subespacios vectoriales
Dados dos subespacios vectoriales 1V y 2V de E se define su
intersección como:
1V ∩ 2 1 2yV x E x V x V⎧ ⎫⎪ ⎪⎨ ⎬⎪ ⎪⎩ ⎭
= ∈ / ∈ ∈
El conjunto 1V ∩ 2V es un subespacio vectorial de E .
4.5. Subespacios Disjuntos
Dos subespacios vectoriales 1V y 2V son disjuntos si y sólo si 1V ∩
{ }2 0V = .
4.6. Suma de subespacios vectoriales
Dados dos subespacios vectoriales 1V y 2V de E , se define su suma:
Espacios Vectoriales y Aplicaciones Lineales
MATEMÁTICAS I 110033
1V + 1 2 1 22 1 2con yV x E x x x x V x V⎧ ⎫⎪ ⎪⎨ ⎬⎪ ⎪⎩ ⎭
= ∈ / = + , ∈ ∈
1V + 2V es un subespacio vectorial.
Si 1V ∩ { }2 0V = , la suma se llama directa y se denota por 1V ⊕ 2V .
Si 1V ⊕ 2V E= , 1V y 2V se llaman subespacios suplementarios.
4.7. Propiedad
Si un espacio vectorial E es suma directa de dos subespacios 1V y 2V ,
todo vector de E se puede expresar de forma única como suma de un
vector de 1V y otro de 2V .
Importante: La unión 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 más usuales de expresar un subespacio V suelen
ser:
Dando un sistema S generador de V , es decir, S V= .
Dando las ecuaciones ”implícitas” , que equivale a dar restricciones a
las ”coordenadas” de los vectores de E para que estén en V .
Por ejemplo, si 3E = , podemos considerar el subespacio
( ){ }3 0V x y z x y z= , , ∈ / + + =
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
MATEMÁTICAS I 110044
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 .
Por ejemplo, si 3E = , podemos considerar el subespacio
( ) 3
xV x y z y
z
λ βλ λ ββ
= +⎧ ⎫⎪ ⎪= , , ∈ / = : , ∈⎨ ⎬⎪ ⎪=⎩ ⎭
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. BASES DE UN ESPACIO VECTORIAL. DIMENSIÓN
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 número de elementos.
Espacios Vectoriales y Aplicaciones Lineales
MATEMÁTICAS I 110055
5.4. Dimensión
Al número de elementos de una base de un espacio vectorial de tipo
finito, se le llama dimensión del espacio vectorial.
5.5. Teorema
Sea V un espacio vectorial de dimensión n y { }1 2 nB v v v= , , , una
base suya. Si divido B en dos sistemas de vectores disjuntos
1 2B B B= ∪ , entonces se cumple que 1 2B B V⊕ = . Es decir, los
subespacios generados por los sistemas 1B y 2B son suplementarios.
5.6. Coordenadas de un vector en una base
Sea { }1 2 nB e e … e= , , , una base del espacio vectorial E y x E∈ . Si
1 1 2 2 n nx x e x e … x e= + + + se dice que ( )1 2 nx x … x, , , son las coordenadas
del vector x en la base B .
Las coordenadas de un vector respecto de una base son únicas.
NOTA: Un vector tiene tantas coordenadas como la dimensión del
mayor espacio vectorial al que pertenece.
En el espacio vectorial real n la base { }1 2 nB e e … e= , , , con
( )1 10 0te …= , ( )2 0 1 0 0te … …= , , ( )0 0 0 1tne …= la llamaremos
base canónica.
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
MATEMÁTICAS I 110066
5.7. Rango de un sistema de vectores.
El rango de un sistema S de vectores es la dimensión del subespacio
S engendrado por S . Es decir, es el máximo número 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 pS …x x x= , , , , la matriz
asociada es
1 2 pA …x x x= ⎡ ⎤⎣ ⎦ , siendo
1
21 2
i
ii
ni
xx
i … px
x
⎛ ⎞⎜ ⎟⎜ ⎟⎜ ⎟⎜ ⎟⎜ ⎟⎜ ⎟⎜ ⎟⎜ ⎟⎜ ⎟⎜ ⎟⎝ ⎠
= , ∀ = , , , ⇒
⇒ dim( ) ( ) ( )S rang S rang A= =
5.8. Base Incompleta
Sea E un espacio vectorial de dimensión n y V un subespacio
vectorial de E de dimensión m. Si { }1 2 mB …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 2m m m nB … …c c c e e e′
+ += , , , , , , ,
6. RELACIÓN ENTRE DIMENSIONES
Si V es un subespacio vectorial de E , dim( ) dim( )V E≤ .
Si { }0V = , dim( ) 0V = .
Espacios Vectoriales y Aplicaciones Lineales
MATEMÁTICAS I 110077
Si 1V y 2V son subespacios vectoriales de V se tiene que:
( ) ( ) ( ) ( )1 2 1 2 1 2dim dim dim dimV V V V V V+ = + − ∩ ≡
≡ Fórmula de Grassman
En particular se tiene que si 1V es suma directa con 2V :
( ) ( ) ( )1 2 1 2dim dim dimV V V V⊕ = +
7. CAMBIO DE BASE
Sea E un espacio vectorial de dim( )E n= , sean { }1 2 nB …v v v= , , , y
{ }1 2 nB …u u u′ = , , , dos bases de E . Supongamos que el vector x E∈ ,
tiene de coordenadas ( )1 2 nx x … x, , , respecto de la base B y tiene unas
coordenadas 1 2 nx x … x′ ′ ′⎛ ⎞⎜ ⎟⎝ ⎠, , , respecto de la base B′ . Vamos a estudiar
cómo 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
podrán expresar como combinación lineal de los vectores de la base B :
1 11 1 21 2 1n nu a v a v a v= + + +
2 12 1 22 2 2n nu a v a v a v= + + +
1 1 2 2n n n nn nu a v a v a v= + + +
Sabemos que 1 1 2 2 n nx x v x v … x v= + + + y 1 1 2 2 n nx x u x u … x u′ ′ ′= + + + . Si
sustituimos los datos conocidos obtenemos que:
1 1 2 2 n nx x u x u … x u′ ′ ′= + + + =
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
MATEMÁTICAS I 110088
( ) ( )1 11 1 21 2 1 2 12 1 22 2 2n n n nx a v a v a v x a v a v a v′ ′= + + + + + + + +
( )1 1 2 2n n n nn nx a v a v a v′+ + + + + =
1 11 2 12 1 1 1 21 2 22 2 2n n n nx a x a x a v x a x a x a v′ ′ ′ ′ ′ ′⎛ ⎞ ⎛ ⎞⎜ ⎟ ⎜ ⎟⎝ ⎠ ⎝ ⎠
= + + + + + + + +
1 1 2 2n n n nn nx a x a x a v′ ′ ′⎛ ⎞⎜ ⎟⎝ ⎠
+ + + + + =
1 1 2 2 n nx v x v … x v= + + +
De todas estas igualdades obtenemos que si igualamos coordenada a
coordenada, queda la siguiente relación:
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 ax x a x a x a
x x a x a x a
′ ′ ′ ⎫⎪⎪⎪′ ′ ′⎪⎪⎬⎪⎪⎪′ ′ ′ ⎪⎪⎭
= + + += + + +
≡
= + + +
Ecuaciones del Cambio de Base
Expresando este sistema de forma matricial, quedaría:
x Px′= ≡Ecuación Matricial del Cambio de Base
11 11 121
221 222 2
1 2
'
n
n
n nnn nn
a a ax xa a ax x
x x P
a a ax 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:
Espacios Vectoriales y Aplicaciones Lineales
MATEMÁTICAS I 110099
( ) ( ) ( )1 2 1 2 1 1 2 2 1 1 2 2E Fu u v v u v u v u v u v, + , = + , + ; ∀ , ∈ ; ∀ , ∈
( ) ( )u v u v K u E v Fλ λ λ λ, = , ; ∀ ∈ ; ∀ ∈ ; ∀ ∈
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 dimensión E F× es n m+ y una base de E F× puede ser:
{ }1 2 1 2( 0) ( 0) ( 0) (0 ) (0 ) (0 )n me e … e w w … w, , , , , , , , , , , , ,
8. APLICACIONES LINEALES
8.1. Aplicación Lineal
Sean E y F dos espacios vectoriales sobre el mismo cuerpo K y
f E: —— F una aplicación.
f es una aplicación lineal si verifica:
( ) ( ) ( )f x y f x f y x y E+ = + ,∀ , ∈
( ) ( )f x f x K x Eλ λ λ= , ∀ ∈ , ∀ ∈
8.2. Propiedad
f es un homomorfismo o aplicación lineal si y sólo si:
( ) ( ) ( )f x y f x f y K x y Eλ µ λ µ λ µ+ = + , ∀ , ∈ , ∀ , ∈
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
MATEMÁTICAS I 111100
8.3. Propiedades de las Aplicaciones Lineales
Sea f E: ———— F una aplicación lineal entre los espacios
vectoriales E y F , entonces:
( )0 0f =
( ) ( )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 sólo 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.
Espacios Vectoriales y Aplicaciones Lineales
MATEMÁTICAS I 111111
9.1. Núcleo
Se llama núcleo de una aplicación lineal f , designándose ( )Ker f ó
( )N f , al siguiente subconjunto de E :
{ }( ) ( ) 0Ker f x E f x= ∈ / = .
9.2. Propiedades del Núcleo
Las principales propiedades del núcleo son las siguientes:
( )Ker f es un subespacio vectorial de E .
f es un homomorfismo inyectivo si y sólo si { }( ) 0Ker f =
{ }( ) 0Ker f = si y sólo si la imagen de cualquier sistema libre de E es
un sistema libre de F .
9.3. Propiedad.
Si la restricción 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 aplicación lineal
Una aplicación lineal queda determinada conociendo las imágenes de
los vectores de una base de E .
Si { }1 2 nB e e … e= , , , es una base de E y conocemos
{ }1 2( ) ( ) ( )nf e f e … f e, , , , vectores de F , la imagen de cualquier vector x
de coordenadas ( )1 2 nx x … x, , , en la base B será:
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
MATEMÁTICAS I 111122
1 1( ) ( ) ( )
n n
i i i ii i
f x f x e x f e= =
= = .∑ ∑
IMPORTANTE: Podría parecer que no siempre se expresa el
homomorfismo por medio de las imágenes de una base, pero dicha
información siempre se puede obtener y esto será de utilidad para enlazar
homomorfismos y matrices como veremos a continuación.
10. MATRIZ ASOCIADA A UNA APLICACIÓN LINEAL
Sean E y F dos espacios vectoriales de dimensiones n y m ,
{ }1 2 nB …e e e= , , , una base de E , { }1 2F mB …u u u′ = , , , una base de F .
Sea 1
n
i ii
x x e=
= ∑ , (1) (2)
1 1
( ) ( )n m
i i j ji 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 uf e a u a u … a u
f e a u a u … a u
= + + + ⎫⎪= + + + ⎪.⎬⎪⎪= + + + ⎭
(1) Por las propiedades de aplicación lineal.
(2) Ya que ( )f x es un vector de F se podrá poner como combinación
lineal de la base FB′ .
Se tiene que: y Px= , siendo:
11 11 1 12
221 222 2
1 2
n
n
m mnn n m
a a ax ya a ax y
x y P
a a ax y
⎛ ⎞⎛ ⎞ ⎛ ⎞⎜ ⎟⎜ ⎟ ⎜ ⎟⎜ ⎟⎜ ⎟ ⎜ ⎟⎜ ⎟⎜ ⎟ ⎜ ⎟⎜ ⎟⎜ ⎟ ⎜ ⎟⎜ ⎟⎜ ⎟ ⎜ ⎟⎜ ⎟⎜ ⎟ ⎜ ⎟⎜ ⎟⎜ ⎟ ⎜ ⎟⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟⎜ ⎟⎜ ⎟ ⎜ ⎟⎝ ⎠ ⎝ ⎠ ⎝ ⎠
= , = , =
donde:
Espacios Vectoriales y Aplicaciones Lineales
MATEMÁTICAS I 111133
y es la matriz columna que representa las coordenadas de ( )f x en la
base FB′ ;
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 FB′ ( o con
respecto a las bases B y FB′ ).
Las columnas de la matriz A son las coordenadas de los vectores ( )if e
, 1 2i … n= , , , respecto de la base FB′ . P es una matriz de orden m n× .
Fijadas las bases B y FB′ , la matriz del homomorfismo es única.
NOTA: Si utilizamos matrices fila para las componentes de x y de
( )f x , la matriz del homomorfismo sería 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+ .
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
MATEMÁTICAS I 111144
Al homomorfismo f Eλ ⋅ : ———— F ,(producto escalar), definido
por:
( )( ) ( )f x f x x Eλ λ⋅ = , ∀ ∈ ,
le corresponde la matriz Aλ .
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 nM × .
Por tanto, la dimensión del espacio ( )L E F, es m n⋅ .
NOTA: Fijada una matriz m nA M ×∈ , siempre es posible encontrar una
base EB en E y una base FB en F , respecto de las cuales la matriz
asociada a la aplicación linea f E: ———— F es A .
Sean E un espacio vectorial de dimensión n y B una base de E , F
un espacio vectorial de dimensión m y FB una base de F , y G un
espacio vectorial de dimensión p y GB 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 aplicación
compuesta g f E: ————G , definida por ( )( ) ( )g f x g f x⎡ ⎤= ⎣ ⎦ ,
tiene como matriz asociada a C A⋅ , en las bases EB y GB .
Si un homomorfismo f E: ———— E , de matriz asociada A , tiene
inverso, la matriz asociada a 1f E− : ———— E es 1A− .
Espacios Vectoriales y Aplicaciones Lineales
MATEMÁTICAS I 111155
12. CAMBIOS DE BASES
Al efectuarse cambios de base en E , en F o en ambos, la matriz del
homomorfismo queda modificada obteniéndose la nueva matriz por
medio de las fórmulas del cambio de base.
Si tenemos una aplicación lineal f E: ———— F de matriz asociada
A respecto a una base EB en E y una base FB en F , veamos cómo
queda la matriz asociada a la aplicación lineal si en E considero una
nueva base EB′ y en F una nueva base FB′ .
Sea P la matriz cambio de base de EB′ en EB en el espacio E.
Sea Q la matriz cambio de base de FB′ en FB en el espacio F .
Tenemos entonces el siguiente diagrama:
1
E F
FE
A
B B
A
BB
E F
P Q
E F′
′′
−↑ ↓
⎯→
⎯→
Se cumple que: 1A Q AP′ −=
Si sólo se realizara el cambio de base en el espacio vectorial E ,
tendríamos:
E F
FE
A
B B
A
BB
E F
P
E F′
′
↑ ↓
⎯→
⎯→
I
En este caso se cumple que: A AP′=
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
MATEMÁTICAS I 111166
Si sólo se realizara el cambio de base en el espacio vectorial F ,
tendríamos:
1
E F
E F
A
B B
A
B B
E F
Q
E F′
′
−↑ ↓
⎯→
⎯→
I
En este caso se cumple que: 1A Q A′ −= .
Espacios Vectoriales y Aplicaciones Lineales
MATEMÁTICAS I 111177
PROBLEMAS RESUELTOS
1.- Sean en 4 los vectores
(2 3 2 5) (1 2 4 0) (1 1 10 7 )u v w m= , , , , = ,− , , , = , , / , . Calcular el valor de m
para que w pertenezca al subespacio engendrado por u y v .
SOLUCIÓN:
Para que el vector w pertenezca al subespacio generado por u y v es
necesario que existan dos escalares α y β que cumplan lo siguiente:
(2 3 2 5) (1 2 4 0) (2 3 2 2 4 5 )w u vα β α β α β α β α β α= + = , , , + ,− , , = + , − , + ,.
Es decir, se tiene que dar la siguiente igualdad:
(1 1 10 7 ) (2 3 2 2 4 5 )m α β α β α β α, , / , = + , − , + , .
Sabemos que dos vectores son iguales si coinciden componente a
componente, de donde obtenemos las siguientes ecuaciones:
2 13 2 12 4 10 7
5 m
α βα βα βα
+ = ⎫⎪− = ⎪⎬+ = / ⎪⎪= ⎭
si multiplicamos la primera ecuación por 2 y se la
sumamos a la 2 o ecuación, obtenemos que: 37 37
α α= ⇒ = y de aquí
ya obtenemos, despejando por ejemplo de la 1 o ecuación que
6 117 7
β = − = . Sólo hemos utilizado las dos primeras ecuaciones,
veamos que estos valores de α y β también sastisfacen la 3 a ecuación:
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
MATEMÁTICAS I 111188
3 1 102 47 7 7. + . = , luego, efectivamente, sí se cumple. Por último como
también se tiene que cumplir la 4 o ecuación 3 1557 7
m m. = ⇒ = .
2.- Sea la aplicación lineal f 3: ———— dada por
( ) 2f x y z x y z, , = − − . Calcular el núcleo de f .
SOLUCIÓN:
( ){ }3( ) ( ) 0Ker f x y z f x y z= , , ∈ / , , = =
( ){ } ( ){ }3 32 0 2x y z x y z x y z x y z= , , ∈ / − − = = , , ∈ / = +
( ) ( ) ( ){ 2 } 1 1 0 2 0 1y z y z y z= + , , / , ∈ = , , , , ,
3.- Sea f la aplicación lineal de matriz asociada 1 43 11 0
A⎛ ⎞⎜ ⎟= −⎜ ⎟⎜ ⎟⎝ ⎠
.
Hallar la dimensión de ( )Im f .
SOLUCIÓN:
Sabemos que 1 4
dim( ( )) ( ) 0 4 20 0
Im f rang A rang⎛ ⎞⎜ ⎟= = − = .⎜ ⎟⎜ ⎟⎝ ⎠
4.- En el espacio vectorial 3 se considera el subespacio
V ( ) ( ) ( )1 1 1 1 1 1a a a= , , , , , , , , . Razonar para qué valores de a se
tiene que dim( ) 2V = .
SOLUCIÓN:
Espacios Vectoriales y Aplicaciones Lineales
MATEMÁTICAS I 111199
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 11 1
1 1
aA a
a
⎛ ⎞⎜ ⎟= ⎜ ⎟⎜ ⎟⎝ ⎠
. Una condición necesaria, aunque no suficiente para
que dim 2V = es que 0A = . Si desarrollamos este determinante
obtenemos que: 20 ( 1) ( 2) 0 1A a a a= ⇐⇒ − + = ⇐⇒ = ó 2a = − .
5.- Sean los subespacios de 4 , 1 1 2 3V v v v=< , , > y
2 1 3 42V v v v=< − , > . El sistema de vectores { }1 2 3 4v v v v, , , es linealmente
dependiente y 0i iv ≠ ∀ . Se pide justificiar la veracidad o falsedad
(dando los correspondientes contraejemplos) de las siguientes
afirmaciones:
a) { }1 2 0V V∩ =
b) 1 2( ) 2dim V V∩ =
c) 1 2( ) 1dim V V∩ =
d) 41 2V V+ ≠
SOLUCION:
a) Falso.
Si tomamos { }1 2 3 4 {(1 0 0 0) (0 1 0 0) (0 0 1 0) (1 1 1 0)}v v v v, , , = , , , , , , , , , , , , , , ,
Es evidente que el vector 1 32 (2 0 1 0)v v− = , ,− , , está tanto en 1V (por ser
combinación lineal de 1v y 2v ) como en 2V .
b) Falso.
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
MATEMÁTICAS I 112200
Si tomamos { }1 2 3 4 {(1 0 0 0) (0 1 0 0) (1 0 0 0) (1 0 0 0)}v v v v, , , = , , , , , , , , , , , , , , ,
2 1 3 42 (1 0 0 0) (1 0 0 0) (1 0 0 0)V v v v=< − , >=< , , , , , , , >=< , , , >⇒
1 2 1 2(1 0 0 0) ( ) 1 2V V dim V V⇒ ∩ =< , , , >⇒ ∩ = ≠ .
c) Falso.
Si tomamos { }1 2 3 4 {(1 0 0 0) (0 1 0 0) (1 0 0 0) (0 1 0 0)}v v v v, , , = , , , , , , , , , , , , , , ,
2 1 21 3 42 (1 0 0 0) (0 1 0 0) ( ) 2 1V dim V Vv v v=< − , >=< , , , , , , , >⇒ ∩ = ≠ .
d) Verdadero.
1 2 1 2 3 4 1 3 4 1 2 3 42V V v v v v v v v v v v v+ =< , , , , − , >=< , , , >
1 2( ) 4dim V V+ < ya que { }1 2 3 4v v v v, , , es un conjunto de vectores
linealmente dependiente, con lo cual 41 2V V+ ≠ .
6.- ¿Cual de los siguientes subconjuntos de 3 no es subespacio
vectorial?
a) 1 231 1 2 3
2 3
( )2
x xL x x x
x x
⎧ ⎫⎪ ⎪⎨ ⎬⎪ ⎪⎩ ⎭
== , , ∈ /
=
b) 1 231 1 2 3
2 3
0( )
0x x
L x x xx x− =⎧ ⎫
= , , ∈ /⎨ ⎬− =⎩ ⎭
c) { }33 (4 )L s s s s R= , , ∈ / ∈
d) { }34 1 2 3 1 2( ) 1L x x x x x= , , ∈ / − =
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
Espacios Vectoriales y Aplicaciones Lineales
MATEMÁTICAS I 112211
multipliar un elemento de el por un escalar también 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 22 31
1 2 2 2 3 3
2 3
2)
2( )2
x xx x x y x y
i x y Ly 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 21 1 2 3 1
2 3 2 3
) ( )2
x x kx kxii x L kx kx kx L
x x kx kx
⎫ ⎫⎪ ⎪⎬ ⎬⎪ ⎪⎭ ⎭
= =∈ ⇒ ⇒ ⇒ , , ∈ ⇒
= =
1k x L⇒ ∈
b) Si es un subespacio vectorial:
1 2
2 3 1 1 2 21
1 2 2 2 3 3
2 3
00 ( ) ( ) 0
)0 ( ) ( ) 00
x xx x x y x y
i x y Ly y x y x yy y
− = ⎫⎪− = + − + = ⎫⎪, ∈ ⇒ ⇒ ⇒⎬ ⎬− = + − + = ⎭⎪⎪− = ⎭
1 1 2 2 3 3 1 1( )x y x y x y L x y L⇒ + , + , + ∈ ⇒ + ∈ .
1 2 1 21
2 3 2 3
0 ( ) 0)
0 ( ) 0x x k x x
ii x Lx x k x x− = − =⎫ ⎫
∈ ⇒ ⇒ ⇒⎬ ⎬− = − =⎭ ⎭
1 21 2 3 1 1
2 3
0( )
0kx kx
kx kx kx L k x Lkx kx
− = ⎫⇒ ⇒ , , ∈ ⇒ ∈ .⎬− = ⎭
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
MATEMÁTICAS I 112222
c) Si es un subespacio vectorial:
1 1
(4 )) (4( ) )
(4 )
x s s si 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(4 3 0)x L= , , ∈ y sin embargo 15 (20 15 0)x L= , , ∉ ya que
20 15 5 1− = ≠ .
7.- Sea la aplicación lineal 3g : ———— 2 definida por
( ) ( 2 )g x y z x y z x z, , = − + + , + ,
calcular una base de su núcleo.
SOLUCIÓN:
Por definición sabemos que el ( )Ker g está formado por los vectores de
3 cuya imagen mediante g es el vector 20∈ . Es decir:
( ){ }3( ) ( ) (0 0)Ker g x y z g x y z= , , ∈ / , , = , =
( ) ( ){ }3 ( 2 ) 0 0x y z x y z x z= , , ∈ / − + + , + = , =
( ) 3 2 00
x y zx y z R
x z⎧ − + + = ⎫⎫
= , , ∈ / =⎨ ⎬⎬+ = ⎭⎩ ⎭
( ){ }3 yx y z x z y z= , , ∈ / = − = − =
( ) ( ) ( )3{ } 1 1 1 1 1 1z z z z R= − ,− , ∈ , ∀ ∈ = − ,− , = , ,−
Espacios Vectoriales y Aplicaciones Lineales
MATEMÁTICAS I 112233
8.- Sea la aplicación lineal 3f : ———— 3 definida por la
matriz
2 1 22 2 32 1 2
A−⎛ ⎞
⎜ ⎟= −⎜ ⎟⎜ ⎟−⎝ ⎠
. Estudiar si se trata de una aplicación inyectiva,
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 2 1 2
( ) 2 2 3 0 2 2 22 1 2 0 0 0
oper elemen
rang A rang rang. .
− −⎛ ⎞ ⎛ ⎞⎜ ⎟ ⎜ ⎟= − − = ⇒⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟−⎝ ⎠ ⎝ ⎠
=
dim( ( )) 2Im f⇒ = , para que fuera sobreyectiva tendría que suceder que 3dim( ( )) dim( ) 3Im f = = , es decir, la dimensión de ( )Im f tiene que
coincidir con la del espacio de llegada, 3 que es 3. Por lo tanto, ya
podemos concluir que la aplicación no es sobreyectiva, porque 3dim( ( )) 2 dim( ) 3Im f = ≠ = .
Al no ser sobreyectiva, tampoco puede ser biyectiva la aplicación.
La dimensión del Núcleo de f la podemos obtener de la fórmula:
3dim( ) dim( ( )) dim( ( ))Ker f Im f= + ,
como la dimensión de ( )Im f es 2 y la dimensión de 3 es 3 ,
concluimos que dim( ( )) 1Ker f = . Este resultado nos indica que f
tampoco es inyectiva, pues para ello tendría que suceder que
dim( ( )) 0Ker f = .
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
MATEMÁTICAS I 112244
9.- Dados los subespacios vectoriales de 3R definidos por
( ) ( )1 1 1 1 2 1H = , , , , , y ( ){ }3S x y z x z= , , ∈ / = calcular la dimensión
de S H∩ .
SOLUCIÓN:
Sabemos que se cumple la siguiente relación:
dim( ) dim dim dim( )H S H S H S+ = + − ∩
Tenemos que H está generado por dos vectores que son linealmente
independientes, por lo tanto, dim 2H = , por otro lado, se tiene que
( ){ } { } ( ) ( )( )
3 ( ) 1 0 1 0 1 0S x y z x z x y x x y R∗
= , , ∈ / = , , ,∀ , ∈ = , , , , ,= , es
decir, S también está generado por dos vectores linealmente
independientes, por lo que dim 2S = .
( )NOTA∗ : En las ecuaciones de S sólo aparecen las coordenadas x y
z . Un error generalizado entre los alumnos es el pensar , en este caso,
que la coordenada 0y = . En caso de que eso sucediera vendría
especificado como una ecuación más de las de S .
Sabiendo que el subespacio H S+ está 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 0dim( ) 1 2 0 1 0 1 0 0 2
1 1 1 0 0 0 0 0H S rang rang
⎛ ⎞ ⎛ ⎞⎜ ⎟ ⎜ ⎟+ = = .⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟⎝ ⎠ ⎝ ⎠
=
Sustituyendo estos datos en la fórmula de las dimensiones, tenemos que:
2 2 2 dim( )H S= + − ∩ , es decir: dim( ) 2H S∩ = .
Espacios Vectoriales y Aplicaciones Lineales
MATEMÁTICAS I 112255
10.- Dada la aplicación lineal 3f : ———— 2 definida por la
matriz
1 0 12 1 1
A−⎛ ⎞
= ,⎜ ⎟⎝ ⎠
calcular la matriz asociada a f , respecto a las
nuevas bases
B ( ) ( ) ( ){ }1 3 1 0 1 1 1 0 2 3= , , , − , , , , , y B ( ) ( ){ }2 1 1 2 3= ,− , − , .
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 B1 , y la base tomada en 2 , sea B 2 .
Es decir, tenemos: 3 2--c c
A
B Bf : , y lo que nos están pidiendo es
1 2
3 2--A
B Bf′
: , para llegar hasta este resultado, podemos pasar de 3
con la base B1 a 3 con la base canónica B C , mediante la matriz P
cambio de base de B1 a B C . Esta matriz P es la siguiente:
3 1 01 1 20 1 3
−⎛ ⎞⎜ ⎟,⎜ ⎟⎜ ⎟⎝ ⎠
por otro lado podemos pasar de 2 con la base canónica
B C a 2 con la base B 2 , mediante la matriz 1Q− , siendo Q , la matriz
cambio de base de B 2 a B C , 1 21 3
Q−⎛ ⎞
= .⎜ ⎟−⎝ ⎠ Esquemáticamente
tenemos lo siguiente:
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
MATEMÁTICAS I 112266
1
1 2
3 3 2 2
1
---- ----
---- ----- --------C c
Q
B B B Bf
x Px APx Q APx
−
−
: , de aquí concluimos que la matriz
buscada es
1
3 1 03 2 1 0 1
1 1 21 1 2 1 1
0 1 3A Q AP′ −
−⎛ ⎞−⎛ ⎞⎛ ⎞⎜ ⎟= = =⎜ ⎟⎜ ⎟⎜ ⎟⎝ ⎠⎝ ⎠⎜ ⎟
⎝ ⎠
23 6 110 2 2
−⎛ ⎞= .⎜ ⎟−⎝ ⎠
11.- Si 3f : ———— 2 es una aplicación lineal, tal que;
( ) ( ) ( ) ( )1 1 2 2 1 1 0 2 0 1f f, − , = , ; , , − = , y ( ) ( )0 0 1 1 0f , , = , ¿Cuál es el
valor de ( 1 1 1)f − , ,− ?
SOLUCIÓN:
El vector ( 1 1 1)− , ,− se puede expresar como combinación lineal de los
vectores: ( ) ( ) ( ){ }1 1 2 1 0 2 0 0 1, − , , , , − , , , .
( ) ( ) ( )( 1 1 1) 1 1 2 1 0 2 0 0 1α β γ− , ,− = ,− , + , ,− + , ,
De esta expresión obtenemos el siguiente sistema:
11
2 2 1
α βα
α β γ
+ = −⎧⎪ − =⎨⎪ − + = −⎩
La solución de este sistema es 1 0 1α β γ= − ; = ; = .
Concretamente tenemos que:
( ) ( ) ( )( 1 1 1) 1 1 2 0 1 0 2 0 0 1− , ,− = − ,− , + , ,− + , , .
Espacios Vectoriales y Aplicaciones Lineales
MATEMÁTICAS I 112277
Por lo tanto, aplicando f se tiene que:
( ) ( ) ( )(1)
(1)
( 1 1 1) [ 1 1 2 0 1 0 2 0 0 1 ]
(1 1 2) 0 (1 0 2) (0 0 1)(2 1) 0(0 1) (1 0) ( 1 1)
f f
f f f
− , ,− = − ,− , + , ,− + , ,
− ,− , + , ,− + , , == − , + , + , = − ,−
==
(1) Esta igualdad se cumple por ser f una aplicación lineal.
12.- Dada la aplicación lineal 3f : ———— 2 definida por la
matriz
1 2 00 1 1
A ⎛ ⎞= .⎜ ⎟−⎝ ⎠
Calcular la matriz asociada a f en las nuevas
bases:
( ) ( ) ( ){ }1 3 0 1 1 1 0 0 2 1B = , , , − , , , , , y ( ) ( ){ }2 1 0 2 1B = , , ,− .
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 B1 , y la base tomada en 2 , sea B 2 .
Es decir, tenemos: 3 2----c c
A
B Bf : , y lo que nos están pidiendo es
1 2
3 2----A
B Bf′
: , para llegar hasta este resultado, podemos pasar de 3
con la base B1 a 3 con la base canónica B C , mediante la matriz P
cambio de base de B1 a B C . Esta matriz P es la siguiente:
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
MATEMÁTICAS I 112288
3 1 00 1 21 0 1
−⎛ ⎞⎜ ⎟,⎜ ⎟⎜ ⎟⎝ ⎠
por otro lado podemos pasar de 2 con la base canónica
B C a 2 con la base B 2 , mediante la matriz 1Q− , siendo Q , la matriz
cambio de base de B 2 a B C , 1 20 1
Q ⎛ ⎞= .⎜ ⎟−⎝ ⎠
Esquemáticamente
tenemos lo siguiente: 1
1 2
3 3 2 2--- --- ---C c
QP A
B B B Bf−
: , de aquí concluimos que la
matriz buscada es
A′ = 1Q AP− =3 1 0
1 2 1 2 00 1 2
0 1 0 1 11 0 1
−⎛ ⎞⎛ ⎞⎛ ⎞⎜ ⎟⎜ ⎟⎜ ⎟⎜ ⎟− −⎝ ⎠⎝ ⎠⎜ ⎟
⎝ ⎠
= 1 3 61 1 1⎛ ⎞⎜ ⎟− −⎝ ⎠
13.- Sea 4f : ———— 3 la aplicación 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 canónicas.
SOLUCIÓN:
La base canónica de 4 es ( ) ( ) ( ) ( ){ }1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1, , , , , , , , , , , , , , , .
Veamos cuáles son sus imágenes mediante la aplicacion f .
(1 0 0 0) (0 1 2)f , , , = , , ; (0 1 0 0) (1 1 2)f , , , = , , ;
(0 0 1 0) (2 3 6)f , , , = , , ; (0 0 0 1) (2 2 4)f , , , = , ,
por lo tanto, la matriz asociada a f en las bases canónicas es aquella
cuyas columnas son las imágenes de los vectores de la base:
( )(1 0 0 0) (0 1 0 0) (0 0 1 0) (0 0 0 1)A f f f f= , , , , , , , , , , , , =
Espacios Vectoriales y Aplicaciones Lineales
MATEMÁTICAS I 112299
0 1 2 21 1 3 22 2 6 4
⎛ ⎞⎜ ⎟= ⎜ ⎟⎜ ⎟⎝ ⎠
14.- Sea 2f : ———— 2 una aplicación lineal definida como
( ) ( )f x y x y x y, = + , − . Se pide hallar la matriz asociada a f
respecto de la base ( ) ( ){ }1 2 3 2B′ = , , , .
SOLUCIÓN:
La matriz asociada a f respecto a las bases canónicas es 1 11 1
A ⎛ ⎞= ⎜ ⎟−⎝ ⎠
.
La matriz cambio de base de B′ a B es 1 32 2
P ⎛ ⎞= .⎜ ⎟⎝ ⎠
Sabemos que con
el cambio de base la nueva matriz asociada viene dada por:
312 41
1 12 4
9 71 1 1 3 4 41 1 2 2 7 9
4 4
A P AP′ −
⎛ ⎞− −⎜ ⎟−⎛ ⎞⎛ ⎞⎛ ⎞= = = ⎜ ⎟⎜ ⎟⎜ ⎟⎜ ⎟− −⎝ ⎠⎝ ⎠ ⎜ ⎟⎝ ⎠ ⎜ ⎟
⎝ ⎠
Otra forma de resolverlo:
9 7(1 2) (3 1) (1 2) (3 2)4 4
f yα β α β, = ,− = , + , ⇒ = − =
7 9(3 2) (5 1) (1 2) (3 2)4 4
f yλ µ λ µ, = , = , + , ⇒ = − =
Es decir:
9 7(1 2) ( )4 4
f , = − , en la base ( ) ( ){ }1 2 3 2B′ = , , ,
7 9(3 2) ( )4 4
f , = − , en la base ( ) ( ){ }1 2 3 2B′ = , , , .
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
MATEMÁTICAS I 113300
Luego:
9 74 4
7 94 4
A′
⎛ ⎞− −⎜ ⎟= ⎜ ⎟⎜ ⎟⎜ ⎟⎝ ⎠
15.- Calcular la dimensión del núcleo de la aplicación lineal cuya
matriz asociada es:
1 1 0 3 12 4 4 3 0
0 2 4 3 2
−⎛ ⎞⎜ ⎟= − −⎜ ⎟⎜ ⎟⎝ ⎠
A .
SOLUCIÓN:
Como la matriz A es de orde 3 5x , entonces la aplicación lineal será 5f : ———— 3 . Sabemos que:
5dim( ) dim( ( )) dim( ( ))R Ker f Im f= +
Por otro lado sabemos que:
( )1 1 0 3 1
dim( ( )) ( ) 2 4 4 3 00 2 4 3 2
oper elem
Im f rang A rang. .
−⎛ ⎞⎜ ⎟= = − −⎜ ⎟⎜ ⎟⎝ ⎠
=
( )1 1 0 3 10 2 4 3 2 20 0 0 0 0
oper elem
rang. .
−⎛ ⎞⎜ ⎟ =⎜ ⎟⎜ ⎟⎝ ⎠
=
Luego: 5 dim( ( )) 2 dim( ( )) 3Ker f Ker f= + ⇒ =
16.- Sea un sistema lineal homogéneo de tres ecuaciones con tres
incógnitas en el que la matriz del sistema, A , tiene 1rango . Los
vectores ( )1 1 0, − , y ( )0 1 1, , son soluciones de este sistema, ¿cuál de
los siguientes vectores no es solución del sistema?
Espacios Vectoriales y Aplicaciones Lineales
MATEMÁTICAS I 113311
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 ( ) 1rang A = (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
además 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 combinación lineal de
( ) ( ){ }1 1 0 0 1 1, − , , , , no será solución del sistema.
a) (0 2 2) 0, , = ( ) ( )1 1 0 2 0 1 1, − , + , , , por lo tanto (0 2 2), , pertenece al
subespacio solución.
b) ( ) ( ) ( )1 0 1 1 1 1 0 1 0 1 1, , = ,− , + , , , por lo tanto (1 0 1), , pertenece al
subespacio solución.
c) ( ) ( ) ( )2 1 1 2 1 1 0 1 0 1 1, − , = ,− , + , , , por lo tanto (2 1 1), − , pertenece al
subespacio solución.
d) No existen α , ( ) ( ) ( )2 1 0 1 1 0 0 1 1β α β∈ : ,− , = ,− , + , , , ya que
tendríamos el siguiente sistema: 21
0
αα ββ
= ⎫⎪− + = − ⎬⎪= ⎭
, de la primera y la
última ecuación obtenemos que 2α = y que 0β = , pero si sustituimos
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
MATEMÁTICAS I 113322
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
este resultado deducimos que ( )2 1 0, − , no pertenece al subespacio de las
soluciones del sistema homogéneo.
17.- Estudiar para qué valores de a y b los vectores
(3 0 1) (1 1 0 )a b, , , − , , , , y (2 5 4)b, , , − de 4 son linealmente
dependientes.
SOLUCIÓN:
Para que sean linealmente independientes la matriz que definen tiene
que tener rango 3.
Dicha matriz es
3 1 20 1 5
01 4
Aa b
b
⎛ ⎞⎜ ⎟⎜ ⎟=⎜ ⎟⎜ ⎟⎜ ⎟− −⎝ ⎠
. Realizando transformaciones
elementales obtenemos la siguiente forma escalonada reducida de A :
3 1 20 3 150 0 3 30 0 0
b a
⎛ ⎞⎜ ⎟⎜ ⎟.⎜ ⎟+⎜ ⎟⎜ ⎟⎝ ⎠
Como el rango de una matriz y el de cualquiera de sus
formas escalonadas reducidas coincide, tenemos que ( ) 2rang A = , si y
sólo si 3 3 0b a+ = , es decir, si y sólo si a b= − .
18.- Sea 3f : ———— 2 una aplicación lineal que verifica:
(1 2 1) (1 1)f , , = , , (0 1 2) (1 2)f , , = , , (0 0 1) (1 1)f , , = ,− . Calcular la
imagen del vector (5 2 1), , .
Espacios Vectoriales y Aplicaciones Lineales
MATEMÁTICAS I 113333
SOLUCIÓN:
Vamos a calcular cuál es la matriz asociada a f respecto de la base
canónica:
(1 0 0) ((1 2 1) 2(0 1 2) 3(0 0 1))(1 2 1) 2 (0 1 2) 3 (0 0 1)
(1 1) 2(1 2) 3(1 1) (2 6)
(0 1 0) ((0 1 2) 2(0 0 1))(0 1 2) 2 (0 0 1) (1 2) 2(1 1) ( 1 4)
(0 0 1) (0 0 1)
f ff f f
f ff f
f f
, , = , , − , , + , , == , , − , , + , , == , − , + ,− = ,−
, , = , , − , , == , , − , , = , − ,− = − ,
, , = , ,
Por lo tanto la matriz asociada a f respecto a las bases canónicas es:
( )2 1 1
(1 0 0) (0 1 0) (0 0 1)6 4 1
A f f f−⎛ ⎞
= , , , , , , = ⎜ ⎟− −⎝ ⎠.
Conocida la matriz sabemos que
52 1 1 9
( ) ((5 2 1)) 26 4 1 23
1f x Ax f
⎛ ⎞−⎛ ⎞ ⎛ ⎞⎜ ⎟= ⇒ , , = =⎜ ⎟ ⎜ ⎟⎜ ⎟− − −⎝ ⎠ ⎝ ⎠⎜ ⎟
⎝ ⎠
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
MATEMÁTICAS I 113344
19.- Estudiar si la aplicación lineal de matriz asociada 1 21 21 0
A⎛ ⎞⎜ ⎟= ⎜ ⎟⎜ ⎟−⎝ ⎠
,
es inyectiva, sobreyectiva o biyectiva.
SOLUCIÓN:
Por ser 23 2 ( )xA M R f∈ ⇒ : ———— 3 . Se tiene que
3dim( ( )) 2 dim( )Im f rangA f= = ≠ ⇒ no es sobreyectiva.
Por la fórmula: 2dim( ) dim( ( )) dim( ( ))Ker f Im f= + ⇒
dim( ( )) 2 dim( ( )) 2 2 0Ker f Im f⇒ = − = − = ⇒
{ }( ) 0Ker f⇒ = ⇒
f⇒ es inyectiva.
A pesar de ser inyectiva, por no ser sobreyectiva, no podrá ser biyectiva.
20.- Para la aplicación 4f : ———— 3 la aplicación 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 .
SOLUCIÓN:
( ){ }3 4( )Im f y R x f x y= ∈ /∃ ∈ : = =
( )
3 41 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 xx x x x x x x x x x x
y y y
⎧⎪⎪⎪⎨⎪⎪⎪⎩
= , , ∈ /∃ = , , , ∈ := + + , + + + , + + +
= , ,
Espacios Vectoriales y Aplicaciones Lineales
MATEMÁTICAS I 113355
( ) ( )3 41 2 3 1 2 3 4
(1)2 3 4 1
21 2 3 4
31 2 3 4
2 23 2
2 2 6 4
y y y x x x xx x x yx x x x yx x x x y
⎧ ⎫⎪ ⎪⎪ ⎪⎪ ⎪⎫⎪ ⎪⎪⎪ ⎪⎨ ⎬⎪⎪⎪ ⎪⎬⎪ ⎪⎪⎪ ⎪⎪⎪ ⎪⎪⎪ ⎪⎭⎩ ⎭
, , ∈ /∃ , , , ∈ :
+ + ==
+ + + =+ + + =
=
− − − − − − − − − − − − − − − − − − − − − − − − − − − − − − − −
NOTA: La matriz del sistema es 0 1 2 21 1 3 22 2 6 4
A⎛ ⎞⎜ ⎟= ⎜ ⎟⎜ ⎟⎝ ⎠
0 1 2 2( ) 1 1 3 2 2
0 0 0 0Rang A rang
⎛ ⎞⎜ ⎟= =⎜ ⎟⎜ ⎟⎝ ⎠
y la matriz ampliada viene dada por
1
2
3
0 1 2 2 |1 1 3 2 |2 2 6 4 |
yA y
y
∗
⎛ ⎞⎜ ⎟= ⎜ ⎟⎜ ⎟⎝ ⎠
,
1
2
3 2
0 1 2 2( ) 1 1 3 2
0 0 0 0 2
yrang A rang y
y y
∗
⎛ ⎞⎜ ⎟= ⎜ ⎟⎜ ⎟−⎝ ⎠
El sistema será compatible cuando ( ) ( ) 2rang A rang A∗= = y eso sólo
ocurre cuando 3 22 0y y− = por lo que se obtiene que:
− − − − − − − − − − − − − − − − − − − − − − − − − − − − − − − −
( ){ }(1)
31 2 3 3 22 0y y y y y, , ∈ / − ==
21.- Calcular una base para el núcleo de la aplicación lineal 4f : ———— 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, , , = + + , + + + , + + +
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
MATEMÁTICAS I 113366
SOLUCIÓN:
( ) ( ) ( ){ }41 2 3 4 1 2 3 4( ) 0 0 0Ker f x x x x f x x x x⎛ ⎞
⎜ ⎟⎝ ⎠
= , , , ∈ / , , , = , , =
( )
( )
41 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 xx x x x x x x x x x x
⎧ ⎫, , , ∈ /⎪ ⎪= =+ + , + + + , + + + =⎨ ⎬⎪ ⎪= , ,⎩ ⎭
( )2 3 4
41 2 3 4 1 2 3 4
1 2 3 4
2 2 03 2 0
2 2 6 4 0
x x xx x x x x x x x
x x x x
+ + =⎧ ⎫⎪ ⎪= , , , ∈ / + + + = =⎨ ⎬⎪ ⎪+ + + =⎩ ⎭
( ) 1 341 2 3 4
2 3 4
02 2 0
x xx x x x
x x x+ =⎧ ⎫
= , , , ∈ / =⎨ ⎬+ + =⎩ ⎭
( ) ( )1 2 1 0 0 2 0 1= − ,− , , , , − , , =
( ) ( )1 2 1 0 0 2 0 1= , ,− , , , , , − .
22.- Consideremos los siguientes subespacios vectoriales de 3 :
( )1 0 2 (0 1 0)L = − , , , , , y ( ){ }3M x y z x y= , , ∈ / = . Estudiar cuándo
el vector ( 1 2)x a= ,− , pertenece al subespacio L M∩ .
SOLUCIÓN:
Si 1a = −
Entonces ( 1 1 2)x = − ,− , , cumple que como sus dos primeras
componentes coinciden entonces x M∈ , veamos si x L∈ . Para ello
tendríamos que encontrar α β, ∈ tal que:
( )1 0 2 (0 1 0)x α β= − , , + , , ⇒
( 1 1 2) ( 0 2 ) (0 0) ( 2 )α α β α β α⇒ − ,− , = − , , + , , = − , , ⇒
Espacios Vectoriales y Aplicaciones Lineales
MATEMÁTICAS I 113377
( 1 1 2) ( 2 ) 1 1yα β α α β⇒ − ,− , = − , , ⇒ = = − , es decir x L∈ .
Obtenemos que x L M∈ ∩ .
23.- Consideremos la matriz 1 0 01 1 11 2 2
A⎛ ⎞⎜ ⎟= −⎜ ⎟⎜ ⎟−⎝ ⎠
y sea 3 3f : → la
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
( ) ( ) ( ){ }1 1 1 0 1 2 0 1 2, , , , − ,− , , , , sin embargo en el ejercicio se nos pregunta
por una base, por lo que a la condición de ser generador hay que añadirle
ser linealmente independientes. El vector ( ) ( )0 1 2 1 0 1 2, − ,− = − , , , por lo
que podría ser extraído del sistema por ser combinación lineal de uno de
ellos.
Nos quedaríamos con ( ) ( ){ }1 1 1 0 1 2, , , , , que sigue siendo sistema
generador de ( )Im f y además es linealmente independiente, ya que los
únicos α, y β ∈ que cumplen que: ( ) ( ) ( )1 1 1 0 1 2 0 0 0α β, , + , , = , , son
0α = , y 0β = . También se podría haber razonado viendo que el rango
de la matriz 1 01 11 2
⎛ ⎞⎜ ⎟⎜ ⎟⎜ ⎟⎝ ⎠
es dos, por lo tanto los dos vectores que definen sus
columnas son linealmente independientes.
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
MATEMÁTICAS I 113388
Luego una base de ( )Im f es ( ) ( ){ }1 1 1 0 1 2, , , , , .
24.- Consideremos los elementos del espacio vectorial 2P , de los
polinomios reales de grado a lo sumo 2, ( ) 1p x = , ( ) 1q x x= + , y 2( ) 1r 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 2P engendrado por { }( ) ( ) ( )p x q x r x, ,
tiene dimensión 2.
c) El subespacio vectorial engendrado por { }( ) ( ) ( )p x q x r x, , tiene
dimensión 1.
SOLUCIÓN:
a) Verdadera.
Vamos a igualar una combinación lineal de los tres vectores al
polinomio 20 0 0 0x x= + + . Para que sean linealmente independientes
los escalares de la combinación nos tendrían que dar 0.
Sean ( ) ( ) ( ) 0 0p x q x r xα β γ α β γ α β γ?
, , ∈ : + + = = = =⇒
Si ( ) 2( ) ( ) ( ) 0 1 1 1 0p x q x r x x xα β γ α β γ ⎛ ⎞⎜ ⎟⎝ ⎠
+ + = ⇒ + + + − = ⇒
2 0x xα β γ β γ⇒ + + + − =
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.
Espacios Vectoriales y Aplicaciones Lineales
MATEMÁTICAS I 113399
Por lo tanto, obtenemos que: 00 00
α β γβ γ βγ
+ + = ⎫⎪= ⇒ = =⎬⎪− = ⎭
y
sustituyendo en la 1 a ecuación se tiene: 0α = de aquí 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 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
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.
SOLUCIÓN:
a) Falso.
Valga el siguiente contraejemplo: Sea 3U = ,
{ } ( ) ( ){ }1 0 0 0 1 0u v, = , , , , , y { } ( ) ( ){ }0 1 0 2 0 0v w, = , , , , , , se cumple que
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
MATEMÁTICAS I 114400
ambos sistemas son libres, sin embargo,
{ } ( ){ }1 0 0 (0 1 0) (2 0 0)u v w, , = , , , , , , , , no es un sistema libre, ya que
2w u= .
b) Falso.
Valga el siguiente contraejemplo: Sea 3U = ,
{ } ( ) ( ){ }1 0 0 0 1 0u v, = , , , , , y { } ( ) ( ){ }0 1 0 0 0 1v w, = , , , , , , se cumple que
ambos sistemas son libres y { } ( ){ }1 0 0 (0 1 0) (0 0 1)u v w, , = , , , , , , , , es un
sistema libre, ya que se trata de la base canónica de 3 .
c) Falso.
Un sistema de la forma { }u u w, , nunca puede ser libre, porque dos de
sus vectores son linealmente dependiente 1u u= . .
26.- Dados los subespacios vectoriales de 4 :
( ) ( ) ( ) ( )1 0 2 0 1 2 1 1 0 0 1 0 0 0 0 1L = , , , , − , , , , , , , , , , , y
( ){ }0S x y z t x y= , , , / − = . Se pide la dimensión de L S∩ .
SOLUCIÓN:
Tenemos que ( ){ } ( ){ }0S x y z t x y x x z t x z t= , , , / − = = , , , / , , ∈ =
( ) ( ) ( )1 1 0 0 0 0 1 0 0 0 0 1= , , , , , , , , , , , .
Para calcular dim( )L S∩ , lo que vamos a hacer es calcular dim( )L S+
y a continuación aplicar la fórmula:
dim( ) dim( ) dim( ) dim( )L S L S L S+ = + − ∩ ⇒
dim( ) dim( ) dim( ) dim( )L S L S L S⇒ ∩ = + − + .
Espacios Vectoriales y Aplicaciones Lineales
MATEMÁTICAS I 114411
Tenemos que:
1 1 0 0 1 1 0 00 2 0 0 0 2 0 0
dim( ) 42 1 1 0 0 0 2 00 1 0 1 0 0 0 2
L Rang Rang
− −⎛ ⎞ ⎛ ⎞⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟= = =⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟⎝ ⎠ ⎝ ⎠
1 0 0 1 0 01 0 0 0 1 0
dim( ) 30 1 0 0 0 10 0 1 0 0 0
S Rang Rang
⎛ ⎞ ⎛ ⎞⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟= = =⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟⎝ ⎠ ⎝ ⎠
L S+ está generado por los vectores que generan a L junto con los
vectores que generan a S , por lo tanto:
( ) ( ) ( ) ( ) ( )1 0 2 0 1 2 1 1 0 0 1 0 0 0 0 1 1 1 0 0L S+ = , , , , − , , , , , , , , , , , , , , , ⇒
dim( )L S⇒ + =
1 1 0 0 1 1 1 0 0 10 2 0 0 1 0 2 0 0 1
42 1 1 0 0 0 0 2 0 70 1 0 1 0 0 0 0 2 1
Rang Rang
− −⎛ ⎞ ⎛ ⎞⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟= = =⎜ ⎟ ⎜ ⎟−⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟−⎝ ⎠ ⎝ ⎠
Sustituyendo estos datos en la fórmula de las dimensiones, obtenemos
que:
dim( ) 4 3 4 3L S∩ = + − =
Otra forma de haberlo razonado es, una vez sabido que dim( ) 4L = ,
como L es un subespacio de 4 , se obtiene que 4 4 dim( ) dim( ) 3L L S S S L S S= ⇒ ∩ = ∩ = ⇒ ∩ = =
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
MATEMÁTICAS I 114422
27.- Sea la aplicación lineal 3f : ———— 2 definida por
( ) ( )f x y z x y x z, , = + , − . Hallar el conjunto imagen de f .
SOLUCIÓN:
Sabemos que:
( ){ }( ){ }
( )
{ }( ) ( ) ( )
( ) ( )
2 3
2 3
2 3
2
( ) ( ) (( )) ( )
( ) (( )) ( )
( )
( )1 1 (1 0) (0 1) 1 0 0 1
1 0 0 1
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 aa b x y z
x z b
x y x z x y z
= , ∈ / ∃ , , ∈ : , , = , =
= , ∈ / ∃ , , ∈ : + , − = , =
⎧ + = ⎫⎫= , ∈ / ∃ , , ∈ : =⎨ ⎬⎬− = ⎭⎩ ⎭
= + , − / , , ∈ == , , , , , − = , , , − =
= , , , =
28.- Sea 3f : ———— la aplicación lineal definida por
( ) 3 2 5f x y z x y z, , = − + . Encontrar una base del núcleo de f .
SOLUCIÓN:
( ) ( ){ }( ){ }( ){ }
( ){ }
( )
3
3
3
3
( ) ( ) 0
3 2 5 0
(2 5 ) 3
(2 5 ) 3
2 51 0 ( 0 1) 2 3 0 ( 5 0 3)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 dimensión 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.
Espacios Vectoriales y Aplicaciones Lineales
MATEMÁTICAS I 114433
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( ) dim( ( )) dim( ( ))E Im f Ker f= + .
Si f es inyectiva, sabemos que { }( ) 0 dim( ( )) 0Ker f Ker f= ⇒ = ,
sustituyendo este dato en la fórmula 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 ( )nxnM M R∈ , se deduce que 0M ≠ y
esta propiedad ya implica que M es invertible.
)ii Veamos que si M es invertible f⇒ es inyectiva.
Si M es invertible 0M⇒ ≠ , por lo tanto, ( )rang M n= , y como
( ) dim( ( ))rang M Im f= , obtenemos que dim( ( ))Im f n= . Sustituyendo
este dato en la fórmula de las dimensiones:
dim( ) dim( ( )) dim( ( ))E Im f Ker f= + , se llega a que
dim( ( ))n n Ker f= + , es decir,
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
MATEMÁTICAS I 114444
dim( ( )) 0Ker f = y el único subespacio de dimensión 0 es el
subespacio nulo: { }( ) 0Ker f = y esa es la condición 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 2f : ———— 2 definida de la siguiente forma:
(( )) ( )f x y x y x y, = − , −
Veamos que f es un endomorfismo. Para ello sólo habría que
comprobar que es lineal ya que evidentemente es aplicación.
( ) ( ) ( )f x y f x f yα β α β?
+ +=
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 yx y x y x y x y
x x y y x x y yx x x x y y y y
x x x x y y y y
α β α β α β α βα β α β α β α βα α β β α α β βα α α α β β β β
α β
+ = , + , = + , + == + − + , + − + =
= − + − , − + − == − , − + − , − =
= − , − + − , −
1 2 1 2( ) ( ) ( ) ( )f x x f y y f x f yα β α β
=
= , + , = +
Por lo tanto f es un endomorfismo de 2 . Sin embargo, vamos a
comprobar que f no es biyectiva.
Espacios Vectoriales y Aplicaciones Lineales
MATEMÁTICAS I 114455
{ } { }{ }
{ }
2 2
2
2
( ) ( ) 0 ( ) ( ) (0 0)
( ) ( ) (0 0)
( ) (1 1)
Ker f x f x x y f x y
x y x y x y
x y x y
= ∈ / = = , ∈ / , = , =
= , ∈ / − , − = , =
= , ∈ / = =< , >
Hemos obtenido que { }( ) 0Ker 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 sólo 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 aplicación lineal g f V U: → .
SOLUCIÓN:
La matriz asociada a g f , será 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 aplicación lineal. Razonar si de los siguientes
apartados puede haber alguno(s) verdadero(s):
a) Si 3f : ———— 5 nunca será sobreyectiva.
b) Si 3f : ———— 3 siempre es biyectiva.
c) Si 4f : ———— 3 siempre es inyectiva.
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
MATEMÁTICAS I 114466
d) Si 3f : ———— 3 nunca será sobreyectiva.
SOLUCIÓN:
a) Verdadero.
Por la fórmula de las dimensiones sabemos que: 3dim( ) dim( ( )) dim( ( ))Ker f Im f= + , si la aplicación fuera
sobreyectiva tendríamos que 5( )Im f = , por lo tanto 5dim( ( )) dim( ) 5Im f = = . Luego, la fórmula de las dimensiones nos
quedaría como sigue: 3 dim( ( )) 5Ker f= + , de donde se deduce que
dim( ( )) 2Ker f = − , lo que no puede suceder, ya que la dimensión de todo
espacio vectorial es siempre un número entero no negativo.
b) Falso.
Como contraejemplo utilizaremos la siguiente aplicación: 3f : — 3
definida por: (( )) ( 0 0)f x y z x, , = , , .
Veamos en primer lugar que f es una aplicación lineal.
)i f es aplicación:
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 ( 0 0) ( 0 0)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 única imagen en 3 .
Espacios Vectoriales y Aplicaciones Lineales
MATEMÁTICAS I 114477
)ii f es lineal:
( ) ( ) ( )f x y f x f yα β α β?
+ +=
Supongamos que ( )x x y z= , , e ( )y x y z′ ′ ′= , , , entonces tendríamos
que: ( ) (( ) ( ))f x y f x y z x y zα β α α α β β β′ ′ ′+ = , , + , , =
(( )) ( 0 0)f x x y y z z x xα β α β α β α β′ ′ ′ ′= + , + , + = + , , =
( 0 0) ( 0 0) ( 0 0) ( 0 0)x x x xα β α β′ ′= , , + , , = , , + , , =
(( )) (( )) ( ) ( )f x y z f x y z f x f yα β α β′ ′ ′= , , + , , = +
Veamos que f no es inyectiva
Sean por ejemplo (1 2 3)x = , , e (1 3 4)y = , , evidentemente se tiene que
x ≠ y y sin embargo, ( ) (1 0 0) ( )f x f y= , , = , luego f no es inyectiva.
Por no ser inyectiva, ya no será biyectiva.
c) Falsa.
De nuevo recurrimos a la fórmula: 4dim( ) dim( ( )) dim( ( ))Ker f Im f= + , si f fuera inyectiva, sabemos
que { }( ) 0Ker f = , es decir, dim( ( )) 0Ker f = , y sustituyendo este dato
en la anterior fórmula, se obtiene que: 4dim( ) dim( ( ))Im f= , por lo
tanto: dim( ( )) 4Im f = , sin embargo, 3( )Im f ⊆ de donde se deduce
que 3dim( ( )) dim( ) 3Im f ≤ = . De este razonamiento se concluye que si 4f : ———— 3 es una aplicación lineal, nunca puede ser inyectiva.
d) Falso.
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
MATEMÁTICAS I 114488
Como contraejemplo nos sirve la aplicación identidad: 3i : —— 3 , 3 ( )x i x x∀ ∈ : = . Es evidente que es una aplicación lineal y es
biyectiva, por lo tanto, en particular será sobreyectiva.
32.- Dado un endomorfismo 4f : ———— 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= .
SOLUCIÓN:
La matriz asociada a este endomorfismo es
1 1 0 12 1 1 11 1 0 11 0 1 0
A
− −⎛ ⎞⎜ ⎟− − −⎜ ⎟= .⎜ ⎟− −⎜ ⎟⎜ ⎟−⎝ ⎠
Sabemos que ( )1 2 3 4( ) ( ) ( ) ( )A f f f fe e e e= , y que el conjunto ( )Im f
esta generado por las imágenes de los vectores de la base, es decir,
1 2 3 4( ) ( ) ( ) ( ) ( )Im f f f f fe e e e=< , , , >, luego de este conjunto podemos
extraer una base de ( )Im f .
1 1 0 12 1 1 1
( )1 1 0 11 0 1 0
rango A rango
− −⎛ ⎞⎜ ⎟− − −⎜ ⎟= =⎜ ⎟− −⎜ ⎟⎜ ⎟−⎝ ⎠
1 1 0 10 1 1 1
20 0 0 00 0 0 0
rango
− −⎛ ⎞⎜ ⎟−⎜ ⎟= = .⎜ ⎟⎜ ⎟⎜ ⎟⎝ ⎠
Espacios Vectoriales y Aplicaciones Lineales
MATEMÁTICAS I 114499
Como 1( )f e y 2( )f e son linealmente independientes, podemos
elegirlos como una base de ( )Im f .
Nota: También se puede tomar como base 2 3{ ( ) ( )}f fe e, pero no
2 4{ ( ) ( )}f fe e, , ya que 2 4( ) ( )f fe e= .
{ }4 4
4
4
4
02 0
( ) 0 ( )0
0
0( ) 2 0
0
2 0( )
0
( )
( )
x y tx y z t
Ker f x Ax x y z tx y t
x z
x y tx y z t x y z t
x z
x y z tx y z t
x z
y z tx y z t
x zz z t z t z
− − =⎧ ⎫⎪ ⎪− − − =⎪ ⎪= ∈ / = = , , , ∈ / =⎨ ⎬− − =⎪ ⎪⎪ ⎪− =⎩ ⎭
− − =⎧ ⎫⎪ ⎪= , , , ∈ / − − − = =⎨ ⎬⎪ ⎪− =⎩ ⎭
− − − =⎧ ⎫= , , , ∈ / =⎨ ⎬− =⎩ ⎭
= −⎧ ⎫= , , , ∈ / =⎨ ⎬=⎩ ⎭= , − , , /{ }
1 2(1 1 1 0) (0 1 0 1)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
también 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 24 4 ( ) ( )xQ f fw w e e= y observar que tiene rango 2, lo
cual nos esta diciendo que 1w y 2w son combinación lineal de 1( )f e y
2( )f e y viceversa, ambos espacios estarían contenidos el uno en el otro,
luego son iguales.
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
MATEMÁTICAS I 115500
33.- Dado los subespacios de 4 , 1 2(1 0 0 0) (1 2 1 0)L u u=< , , , , , , , >=< , >
y 1 2(1 1 2) (0 2 1 )M a a v v=< , , ,− , , , , − >=< , >, estudiar para qué valores de
a se tiene que 4L M⊕ = .
SOLUCIÓN:
44 ( ) 4
(1)( ) 0{0}
L M dim L ML M
dim L ML M
⎧ ⎫+ = + =⎧ ⎫⎪ ⎪⊕ = ⇔ ⇔⎨ ⎬ ⎨ ⎬∩ =∩ = ⎩ ⎭⎪ ⎪⎩ ⎭
Veamos en primer lugar cuál es la dimensión de L .
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 10 20 10 0
A
⎛ ⎞⎜ ⎟⎜ ⎟=⎜ ⎟⎜ ⎟⎜ ⎟⎝ ⎠
es 2. Ahora bien, en A se tiene el menor 1 1
00 2
≠ que es
de orden 2, por lo tanto ( ) 2Rang A = , es decir, dim( ) 2L = .
Veamos ahora cuál es la dimensión de M .
Un sistema generador de dicho subespacio es el { }(1 1 2) (0 2 1 )a a, , , − , , , , −
para que fuera base tendrían que ser linealmente independientes, o
equivalentemente, que
1 02
21 12
aRang
a
⎛ ⎞⎜ ⎟⎜ ⎟ =⎜ ⎟⎜ ⎟⎜ ⎟− −⎝ ⎠
, ahora bien, esto sí se cumple
Espacios Vectoriales y Aplicaciones Lineales
MATEMÁTICAS I 115511
ya que existe el menor de orden 2 siguiente: 1 0
01 1
≠ , luego,
dim( ) 2M = .
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 cumplirán simultáneamente, es decir,
( ) 4 ( ) 0dim L M dim L M+ = ⇔ ∩ = ⇔ Los vectores que generan a L y
los vectores que generan a M son linealmente independientes.
Juntamos las bases de L y M en una matriz ( )1 21 2A v vu u= y
cuando tenga rango 4, los vectores 1u y 2u serán linealmente
independientes con 1v y 2v .
1 1 1 00 2 20 1 1 10 0 2
aA
a
⎛ ⎞⎜ ⎟⎜ ⎟= ,⎜ ⎟⎜ ⎟⎜ ⎟−⎝ ⎠
A tendrá rango 4, si y sólo si su determinante es
distinto de cero. 2 22 0 2 0 0A a a A a a a= − ; = ⇔ − = ⇔ = ó 2a = .
34.- Dado los subespacios de 4 ,
1 2( 1 2 0 3) (0 1 2 0)L u u=< − , , , , , , , >=< , > y
{ }4 ( 0 2 )M x x a a b a b= ∈ / = , , , , , ∈ , calcular L M∩ .
SOLUCIÓN:
{ }4 ( 0 2 ) (1 0 2 0) (0 0 0 1)M x x a a b a b= ∈ / = , , , , , ∈ =< , , , , , , , >=
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
MATEMÁTICAS I 115522
1 2v v=< , >
Sabemos que:
1 21 2( ) ( )dim L M rango v vu u+ = =
32
1 0 1 11 0 1 10 1 2 22 1 0 0
40 0 4 20 2 0 20 0 03 0 0 0
rango rango
−− ⎛ ⎞⎛ ⎞⎜ ⎟⎜ ⎟⎜ ⎟⎜ ⎟= = =⎜ ⎟⎜ ⎟ − −⎜ ⎟⎜ ⎟⎜ ⎟ ⎜ ⎟⎝ ⎠ ⎝ ⎠
Además también sabemos que:
( ) ( ) ( ) ( )4 2 2 ( )4 4 ( )
( ) 0 {0}
dim L M dim L dim M dim L Mdim L M
dim L Mdim L M L M
+ = + − ∩= + − ∩= − ∩ ⇒
⇒ ∩ = ⇒ ∩ =
35.- Siendo { }3( ) 2 3 0F x y z x y z= , , ∈ / − + = , ¿Con cual de los
siguientes subespacios se verifica que 3F H⊕ = ?
a) { }3( ) 3 0H x y z x y z= , , ∈ / − + =
b) 3 2 0( )
0x y z
H x y zy z+ + =⎧ ⎫
= , , ∈ /⎨ ⎬− =⎩ ⎭
c) { }3( ) 0H x y z x= , , ∈ / =
d) { }3( )H x y z x y z= , , ∈ / = =
SOLUCIÓN:
{ } { }3 3( ) 2 3 0 ( ) 2 3F x y z x y z x y z x y z= , , ∈ / − + = = , , ∈ / = − =
(2 1 0) ( 3 0 1)=< , , , − , , > , luego ( ) 2dim F = , para que 3F H⊕ = , H
tendrá que cumplir que:
Espacios Vectoriales y Aplicaciones Lineales
MATEMÁTICAS I 115533
3) ( ) ( ) ( )i dim dim F dim H= + ⇔ 3 2 ( )dim H= + ( ) 1dim H⇔ = .
)ii {0}H F∩ =
a) Con este H no se cumple, ya que ( ) 2dim H = .
{ }3( ) 3 0H x y z x y z= , , ∈ / − + = = { }3( ) 3x y z x y z, , ∈ / = − =
(1 1 0) ( 3 0 1)=< , , , − , , >
b) Con este H tampoco se cumple, ya que:
3
3
2 0( )
0
( )
( 1 1 1)
x y zx y z
y z
x zx y z
y z
+ + =⎧ ⎫= , , ∈ / =⎨ ⎬− =⎩ ⎭
= −⎧ ⎫= , , ∈ / =⎨ ⎬=⎩ ⎭
=< − , , >
ahora bien ( 1 1 1) F− , , ∈ ya que verifica sus ecuaciones
( en este caso solo es una), luego {0}H F∩ ≠
c) Este subespacio no es válido porque ( ) 2dim H = .
{ }3( ) 0 (0 1 0) (0 0 1)H x y z x= , , ∈ / = =< , , , , , >
d) Este subespacio sí lo cumple:
{ }3( )H x y z x y z= , , ∈ / = = =
(1 1 1) ( ) 1dim H=< , , >⇒ = .
( ) ( ) ( ) ( )2 3 1
1 2 1 0 10 1 1
3 3 0
dim L F dim L dim F dim L F
rango
∩ = + − + =
−⎛ ⎞⎜ ⎟= + − =⎜ ⎟⎜ ⎟⎝ ⎠
= − =
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
MATEMÁTICAS I 115544
{0}H F⇒ ∩ =
36.- Sea 2f : ———— 3 la aplicación lineal tal que:
(1 2) (3 1 5)f , = ,− , y (0 1) (2 1 1)f , = , ,− .
Si 2( )x y, ∈ , calcular la expresión de ( )f x y, .
SOLUCIÓN:
Conocemos la matriz asociada a f respecto de la base
{ }(1 2) (0 1)B∗ = , , , , es 3 21 1
5 1A∗
⎛ ⎞⎜ ⎟= −⎜ ⎟⎜ ⎟−⎝ ⎠
, y nos la piden respecto de la base
{ }(1 0) (0 1)B = , , , .
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∗,
0 1(1 0) (1 2) (0 1) 1
2 0α β
α β αα β+ = ⎫
, = , + , ⇒ ⇒ =⎬+ = ⎭y 2β = − , por tanto
(1 0) [ (1 2) (0 1)] [(1 2) 2 (0 1)](1 2) 2 (0 1) (3 1 5) 2(2 1 1) ( 1 3 7)
f f ff f
α β β, = , + , = , − , == , − , = ,− , − , ,− = − ,− , ,
luego la matriz asociada a f respecto de B es
( )1 2
(1 0) (0 1) 3 17 1
A f f−⎛ ⎞⎜ ⎟= , , , = .⎜ ⎟⎜ ⎟−⎝ ⎠
Otra forma de haber llegado al mismo resultado es mediante la matriz
cambio de base.
Espacios Vectoriales y Aplicaciones Lineales
MATEMÁTICAS I 115555
La matriz cambio de base de B∗ a la base canónica B es 1 02 1
P ⎛ ⎞= ,⎜ ⎟⎝ ⎠
la matriz cambio de base de B a B∗ será por tanto 1 1 02 1
P− ⎛ ⎞= ⎜ ⎟−⎝ ⎠
22
1 1 1
3( ) )(
( ) ( )-----
f
B B
x P x f P x A P x
∗
− − ∗ −
, − − − − − − − − ,
−−−−−−−−− − − − =
1 1
3 21 0
( ) ( ) 1 12 1
5 1
3 21 0
1 12 1
5 1
1 2 23 1 37 1 7
f P x A P x x
x
x yx
x yy
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 aplicación [( ) ]gog h of− en las bases
canónicas .
SOLUCIÓN:
La matriz asociada a f es 0 0 01 4 02 1 2
A⎛ ⎞⎜ ⎟= − ,⎜ ⎟⎜ ⎟−⎝ ⎠
a g es
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
MATEMÁTICAS I 115566
3 0 01 1 02 1 1
B⎛ ⎞⎜ ⎟= −⎜ ⎟⎜ ⎟⎝ ⎠
y a h es 1 0 00 1 00 0 1
C⎛ ⎞⎜ ⎟= ⎜ ⎟⎜ ⎟⎝ ⎠
La matriz asociada a
[( ) ]gog h of− será:
[( ) ]B B C A⋅ − ⋅ =
3 0 0 3 0 0 1 0 0 0 0 01 1 0 1 1 0 0 1 0 1 4 02 1 1 2 1 1 0 0 1 2 1 2
⎡ ⎤⎛ ⎞⎛ ⎞ ⎛ ⎞ ⎛ ⎞⎢ ⎥⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎜ ⎟= − − − − =⎢ ⎥⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎜ ⎟⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎜ ⎟⎢ ⎥ −⎝ ⎠⎝ ⎠ ⎝ ⎠ ⎝ ⎠⎣ ⎦
8 0 0 0 0 0 0 0 02 0 0 1 4 0 0 0 09 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− = − = − =
( ) ( )0 4 2 2 0 4 2 2gog x y x y z h x y x y z= , − , + − − , − , + − =
( ) ( )3 0 0 ( 4 ) ( 4 ) (2 2 ) 0 4 2 2g x y x y x y z x y x y z= . , − − , − + + − − , − , + − =
( ) ( )0 4 3 3 2 0 4 2 2g x y x y z x y x y z= ,− + , − − − , − , + − =
( ) ( )0 4 2 2 0 4 2 2 (0 0 0)x y x y z x y x y z= , − , + − − , − , + − = , ,
38.- Sean los siguientes subespacios vectoriales de 3 :
{ }3( ) 3 0L x y z x y z= , , ∈ / + − = y { }3( 0 3 )M µ µ µ= , , ∈ / ∈ .
Calcular L M∩ .
SOLUCIÓN:
Espacios Vectoriales y Aplicaciones Lineales
MATEMÁTICAS I 115577
{ } { }{ }
3 3
31 2
( ) 3 0 ( ) 3
( 3 ) (1 0 1) ( 3 1 0)
L x y z x y z x y z x y z
y z y z y z u u
= , , ∈ / + − = = , , ∈ / = − + =
= − + , , ∈ / , ∈ =< , , , − , , >=< , >
{ }31( 0 3 ) (1 0 3)M vµ µ µ= , , ∈ / ∈ =< , , >=< >
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 0 0)}
0
x y zL M x y z x z
y
− − =⎧ ⎫⎪ ⎪∩ = , , ∈ / − = = , ,⎨ ⎬⎪ ⎪=⎩ ⎭
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 2 1
1 3 1( ) ( ) 0 1 0
1 0 3dim L M rango rangou u v
−⎛ ⎞⎜ ⎟+ = = =⎜ ⎟⎜ ⎟⎝ ⎠
1 3 10 1 0 30 0 2
rango−⎛ ⎞
⎜ ⎟= = .⎜ ⎟⎜ ⎟⎝ ⎠
Como además 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 0dim L M⇒ ∩ = + − = ⇒
{0}L M⇒ ∩ =
Guerra, N.; López, B.; Quintana, M.P.; Suárez, A.
MATEMÁTICAS I 115588
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.