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
95 95
95 MATEMTICAS I MATEMTICAS I 95
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
INTRODUCCIN
Aunque ya se ha trabajado con un espacio vectorial, el de las matrices
cuadradas sobre el cuerpo de los reales o los complejos, hasta ahora no se
ha definido dicha estructura. En este tema introducimos la estructura de
espacio vectorial, que es la estructura bsica del Algebra Lineal. Se trata
de enriquecer la estructura de grupo abeliano (definida en el captulo 2)
con una ley de composicin externa: el producto por escalares. Para
presentar de una forma intuitiva la nueva estructura, se comienza con los
ejemplos geomtricos de los vectores libres del plano o del espacio
fsico. Se hace ver entonces al alumno que existen otros objetos
matemticos, tales como las matrices reales de un cierto orden mxn o los
polinomios de coeficientes reales de grado no superior a n dado, para los
cuales tambin es posible la suma y el producto por escalares. Adems,
en los tres casos (vectores, matrices y polinomios) dichas operaciones
comparten las mismas propiedades algebraicas. Surge as, de manera
natural, la estructura de espacio vectorial sobre un cuerpo K.
OBJETIVOS
Asimilar el concepto de espacio vectorial y las propiedades ms
notables que son consecuencia de los axiomas definitorios de la
estructura.
96 96
96 MATEMTICAS I MATEMTICAS I 96
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
97 97
97 MATEMTICAS I MATEMTICAS I 97
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
INTRODUCCIN TERICA
1. ESPACIOS VECTORIALES
( x + y) + z = x + ( y + z ) , x , y, z E (propiedad asociativa)
x + y = y + x , x , y E (propiedad conmutativa)
( )
x E x E : x + x = 0 (existencia de elemento opuesto)
98 98
98 MATEMTICAS I MATEMTICAS I 98
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
(d) Identidad: 1 x = I E = x .
x E : 0 x = 0
K : 0 = 0
Si x = 0 = 0 x = 0
K , x E : ( ) x = x = x ( )
2.1. Sistema de Vectores
99 99
99 MATEMTICAS I MATEMTICAS I 99
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
2.3. Sistemas linealmente dependientes o independientes
Un sistema S = {x1, x 2,, x n} de vectores es linealmente independientes,
2.4. Proposicin.
{}
x 0 el sistema S = x es linealmente independiente.
100 100
100 MATEMTICAS I MATEMTICAS I 100
100 100
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
2.3. Sistemas linealmente dependientes o independientes
3.1. V(S)
101 101
101 MATEMTICAS I MATEMTICAS I 101
101 101
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
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:
, K , x, y V : x + y V
{}
V2 = 0 .
102 102
102 MATEMTICAS I MATEMTICAS I 102
102 102
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
4.2. Propiedad
V1 + V2 = x E / x = x1 + x 2 , con x1 V1 y x 2 V2
V1 + V2 es un subespacio vectorial.
{}
Si V1 V2 = 0 , la suma se llama directa y se denota por V1 V2 .
4.7. Propiedad
103 103
103 MATEMTICAS I MATEMTICAS I 103
103 103
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
x= +
V = ( x, y, z ) \ / y =
3
: , \
z=
El paso de unas a otras se realiza de forma cmoda por medio de la
teora de sistemas de ecuaciones lineales que veremos posteriormente.
5.2. Teorema
5.3. Teorema
En un espacio vectorial de tipo finito todas las bases son finitas y tienen
el mismo nmero de elementos.
104 104
104 MATEMTICAS I MATEMTICAS I 104
104 104
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
5.4. Dimensin
Al nmero de elementos de una base de un espacio vectorial de tipo
finito, se le llama dimensin del espacio vectorial.
5.5. Teorema
e1 = (10 0 ) , e2 = ( 0 1 0 0 ) ,, en = ( 0 0 0 1) la llamaremos
t t t
base cannica.
105 105
105 MATEMTICAS I MATEMTICAS I 105
105 105
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
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
x1i
x2i
A = x 1 x 2 x p , siendo x i = , i = 1, 2,, p
#
n
x
i
{}
Si V = 0 , dim(V ) = 0.
106 106
106 MATEMTICAS I MATEMTICAS I 106
106 106
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
Frmula de Grassman
En particular se tiene que si V1 es suma directa con V2 :
7. CAMBIO DE BASE
#
un = a1n v1 + a2 n v2 + " + ann vn
Sabemos que x = x1v1 + x2 v2 + + xn vn y x = x1u1 + x2 u 2 + + xn u n . Si
sustituimos los datos conocidos obtenemos que:
x = x1u1 + x2u2 + + xn un =
107 107
107 MATEMTICAS I MATEMTICAS I 107
107 107
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
= x1v1 + x2 v2 + + xn vn
108 108
108 MATEMTICAS I MATEMTICAS I 108
108 108
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
( u 1, u 2 ) + ( v1, v 2 ) = ( u1 + v1, u 2 + v2 ) ; u 1, v1 E; u 2, v 2 F
( ) ( )
u, v = u, v ; K ; u E; v F
{(e1 , 0), (e2 , 0),, (en , 0), (0, w1 ), (0, w2 ),, (0, wm )}
8. APLICACIONES LINEALES
( ) ()
f x = f x , K , x E
8.2. Propiedad
( )
f x+ y = f x + f ( ) ( y ) , , K , x, y E
109 109
109 MATEMTICAS I MATEMTICAS I 109
109 109
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
()
f 0 =0
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 V es un subespacio de F , f 1 (V ) es un subespacio de E .
9. NOMENCLATURA
Sea f : E F un homomorfismo:
Si E = F , a f se le denomina endomorfismo.
110 110
110 MATEMTICAS I MATEMTICAS I 110
110 110
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
9.1. Ncleo
Se llama ncleo de una aplicacin lineal f , designndose Ker ( f )
N ( f ) , al siguiente subconjunto de E :
{
Ker ( f ) = x E / f ( x ) = 0 . }
9.2. Propiedades del Ncleo
un sistema libre de F .
9.3. Propiedad.
111 111
111 MATEMTICAS I MATEMTICAS I 111
111 111
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
n n
f ( x ) = f ( xi ei ) = xi f (ei ).
i =1 i =1
i =1 i =1 j =1
lineal de la base BF .
donde:
112 112
112 MATEMTICAS I MATEMTICAS I 112
112 112
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
base BF ;
le corresponde la matriz A + C.
113 113
113 MATEMTICAS I MATEMTICAS I 113
113 113
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
( f ) ( x) = ()
f x , x E ,
le corresponde la matriz A .
114 114
114 MATEMTICAS I MATEMTICAS I 114
114 114
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
Se cumple que: A = Q 1 AP
115 115
115 MATEMTICAS I MATEMTICAS I 115
115 115
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
116 116
116 MATEMTICAS I MATEMTICAS I 116
116 116
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
PROBLEMAS RESUELTOS
1.- Sean en \4 los vectores
u = (2, 3, 2, 5), v = (1, 2, 4, 0), w = (1,1,10/7, m) . Calcular el valor de m
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 ) .
117 117
117 MATEMTICAS I MATEMTICAS I 117
117 117
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
3 1 10
2. + 4. = , luego, efectivamente, s se cumple. Por ltimo como
7 7 7
3 15
tambin se tiene que cumplir la 4 o ecuacin 5. =m m= .
7 7
SOLUCIN:
Ker ( f ) = {( x, y, z ) \ 3 /f (x, y, z) = 0} =
= {( x, y, z ) \ 3 /x y 2z = 0} = {( x, y, z ) \ 3 /x = y + 2z}
= {( y + 2z, y, z ) / y, z \} = (1,1, 0 ) , ( 2, 0,1)
1 4
A = 3 1 .
3.- Sea f la aplicacin lineal de matriz asociada
1 0
Hallar la dimensin de Im( f ) .
SOLUCIN:
1 4
Sabemos que dim(Im( f )) = rang( A) = rang 0 4 = 2.
0 0
SOLUCIN:
118 118
118 MATEMTICAS I MATEMTICAS I 118
118 118
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
Estudiar la dim(V ) es equivalente a estudiar el rango de la matriz cuyas
columnas son los vectores de V . Sea esta matriz la siguiente:
1 1 a
A = 1 a 1 . Una condicin necesaria, aunque no suficiente para
a 1 1
que dimV = 2 es que A = 0. Si desarrollamos este determinante
obtenemos que: A = 0 (a 1) 2 (a + 2) = 0 a = 1 a = 2.
a) V1 V2 = 0 {}
b) dim(V1 V2 ) = 2
c) dim(V1 V2 ) = 1
d) V1 + V2 \ 4
SOLUCION:
a) Falso.
Si tomamos {v1, v 2, v 3, v 4} = {(1, 0, 0, 0), (0,1, 0, 0), (0, 0,1, 0), (1,1,1, 0)}
Es evidente que el vector 2v1 v 3 = (2, 0, 1, 0), est tanto en V1 (por ser
combinacin lineal de v1 y v 2 ) como en V2 .
b) Falso.
119 119
119 MATEMTICAS I MATEMTICAS I 119
119 119
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
Estudiar la dim(V ) es equivalente a estudiar el rango de la matriz cuyas
Si tomamos {v1, v 2, v 3, v 4} = {(1, 0, 0, 0), (0,1, 0, 0), (1, 0, 0, 0), (1, 0, 0, 0)}
c) Falso.
Si tomamos {v1, v 2, v 3, v 4} = {(1, 0, 0, 0), (0,1, 0, 0), (1, 0, 0, 0), (0,1, 0, 0)}
d) Verdadero.
V1 + V2 =< v1, v 2, v 3, v 4, 2v1 v 3, v 4 >=< v1, v 2, v 3, v 4 >
dim(V1 + V2 ) < 4 ya que {v1, v 2, v 3, v 4} es un conjunto de vectores
3
x1 = x2
a) L1
(x x x )
= 1 , 2 , 3 \
/
x2 =2x3
x x = 0
b) L = (x , x , x ) \ 3 / 1 2
1 2 3
x 2 x3 = 0
1
c) L3 = {(4s, s, s) \ 3 / s R}
d) L4 = {( x1, x2 , x3 ) \ 3 / x1 x2 = 1}
SOLUCIN:
120 120
120 MATEMTICAS I MATEMTICAS I 120
120 120
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
Estudiar
Para dim(V ) es equivalente
que unlasubconjunto a estudiar
sea subespacio el rango
vectorial debe de la matriz
cumplir quecuyas
la
suma de dos elementos de el tambin pertenezca al subconjunto y que al
121 121
121 MATEMTICAS I MATEMTICAS I 121
121 121
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
i) x + y L1 , x, y L1
ii) k x L1 , x L1 , k \
a) Si es un subespacio vectorial:
x1 = x2
x =2 x x +y =x +y
i) x, y L 2 3
1 1 2 2
y1 = y x2 + y2 =2( x3 + y3 )
1
2
y2 =2 y 3
( x1 + y1 , x2 + y2 , x3 + y3 ) L1 x + y L1.
x1 = x2 kx1 = kx2
ii) x L (kx kx kx ) L
1 , ,
x2 =x
3 kx2 =2kx
3
1 2 3 1
k x L1
b) Si es un subespacio vectorial:
x1 x2 = 0
x x = 0 (x + y ) (x + y ) = 0
i) x, y L
2 3 1 1 2 2
y y (x + y ) (x
1
1 2= 0 2 2 3 + y3 ) = 0
y2 y3 = 0
( x1 + y1 , x2 + y2 , x3 + y3 ) L1 x + y L1 .
x x = 0 k (x x ) = 0
ii) x L
1 2
1 2
k (x
x x =0 x )=0
1
122 122
122 MATEMTICAS I MATEMTICAS I 122
122 122
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
2 3 2 3
kx kx = 0
(kx , kx , kx ) L k x L .
1 2
kx2 kx3 = 0
1 2 3 1 1
123 123
123 MATEMTICAS I MATEMTICAS I 123
123 123
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
c) Si es un subespacio vectorial:
x = (4s, s, s)
i) x, y L1 x + y = (4(s + t ), s + t, s + t ) x + y L1 .
y = (4t, t, t)
g ( x, y, z) = ( x + 2 y + z, x + z) ,
= {( x, y, z ) \ 3 / ( x + 2 y + z, x + z) = ( 0, 0 )} =
x + 2 y + z = 0
= ( x, y, z ) R 3 / =
x + z = 0
= {( x, y, z ) \ 3 / x = z y y = z} =
= {( z, z, z ) \ 3 , z R} = ( 1, 1,1) = (1,1, 1)
124 124
124 MATEMTICAS I MATEMTICAS I 124
124 124
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
8.- Sea la aplicacin lineal f : \ \ 3 definida por la
3
matriz
2 1 2
A = 2 2 3 . Estudiar si se trata de una aplicacin inyectiva,
2 1 2
sobreyectiva o biyectiva.
SOLUCIN:
En primer lugar estudiamos el rango de la matriz A que nos dar la
dimensin de la Imagen de f .
2 1 2 2 1 2
( oper .elemen.)
dim(Im( f )) = 2 dim(\ 3 ) = 3 .
125 125
125 MATEMTICAS I MATEMTICAS I 125
125 125
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
8.- Sea la aplicacin lineal f : \ \ 3 definida por la
3
de S H .
SOLUCIN:
Sabemos que se cumple la siguiente relacin:
dim(H + S ) = dim H + dim S dim(H S )
Tenemos que H est generado por dos vectores que son linealmente
independientes, por lo tanto, dim H = 2 , por otro lado, se tiene que
S = {( x, y, z ) \ 3 /x = z} = {( x, y, x), x, y R} =
()
(1, 0,1) , ( 0,1, 0 ) , es
1 1 1 0 1 1 0 0
dim(H + S ) = rang 1 2 0 1 = rang 0 1 0 0 = 2.
1 1 1 0 0 0 0 0
126 126
126 MATEMTICAS I MATEMTICAS I 126
126 126
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
10.- Dada la aplicacin lineal f : \ \ 2
3
definida por la
matriz
1 0 1
A= , calcular la matriz asociada a f , respecto a las
2 1 1
nuevas bases
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 \ , sea B 2 .
2
A
Es decir, tenemos: f : \ 3Bc -- \ 2Bc , y lo que nos estn pidiendo es
A
f :\ 3
B1 -- \ 2B2 , para llegar hasta este resultado, podemos pasar de \ 3
3 1 0
1 1 2 , por otro lado podemos pasar de \ con la base cannica
2
0 1 3
1 2
cambio de base de B 2 a BC , Q= . Esquemticamente
1 3
tenemos lo siguiente:
127 127
127 MATEMTICAS I MATEMTICAS I 127
127 127
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
10.- Dada la aplicacin lineal f : \ \ 2
3
definida por la
Q 1
f : \ ----\
3 3
---- \ 2
\2
B1 BC Bc ---- B2 , de aqu concluimos que la matriz
x---- P x -----AP x ----Q AP x 1
buscada es
3 1 0
3 2 1 0 1
1
A = Q AP = 1 1 2 =
1 1 2 1 1
0 1 3
23 6 1
= .
10 2 2
valor de f (1,1, 1) ?
SOLUCIN:
El vector (1,1, 1) se puede expresar como combinacin lineal de los
128 128
128 MATEMTICAS I MATEMTICAS I 128
128 128
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
Por lo tanto, aplicando f se tiene que:
(1)
f (1,1, 1) = f [ (1, 1, 2 ) + 0 (1, 0, 2 ) + ( 0, 0,1)]=
(1)
1 2 0
A= . Calcular la matriz asociada a f en las nuevas
0 1 1
bases:
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 : \ 3Bc ---- \ 2Bc , y lo que nos estn pidiendo es
A
f :\ 3
B1 ---- \ 2B2 , para llegar hasta este resultado, podemos pasar de \ 3
129 129
129 MATEMTICAS I MATEMTICAS I 129
129 129
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
Por lo tanto, aplicando f se tiene que:
3 1 0
0 1 2 , por otro lado podemos pasar de \ con la base cannica
2
1 0 1
B C a \ 2 con la base B 2 , mediante la matriz Q 1 , siendo Q , la matriz
1 2
cambio de base de B 2 a BC , Q= . Esquemticamente
0 1
tenemos lo siguiente:
1
P A Q
3 3 2 2
f : \ B1 --- \ B
C --- \ B
c --- \ B2 , de aqu concluimos que la
matriz buscada es
3 1 0
1 1 2 1 2 0 1 3 6
A = Q AP = 0 1 2 =
0 1 0 1 1 1 0 1 1 1 1
13.- Sea f : \ 4 \ 3 la aplicacin lineal definida por:
130 130
130 MATEMTICAS I MATEMTICAS I 130
130 130
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
0 1 2 2
= 1 1
3 2
2 2 6 4
14.- Sea f : \ 2 \ 2 una aplicacin lineal definida como
f ( x, y) = (x + y, x y) . Se pide hallar la matriz asociada a f
SOLUCIN:
1 1
La matriz asociada a f respecto a las bases cannicas es A = .
1 1
1 3
La matriz cambio de base de B a B es P = . Sabemos que con
2 2
el cambio de base la nueva matriz asociada viene dada por:
9 7
1 3
1 1 1 3 4 4
A = P 1 AP = 12 4 1 2 2 = 7
2 4 1 1 9
4 4
Otra forma de resolverlo:
9 7
f (1, 2) = (3, 1) = (1, 2) + (3, 2) = y =
4 4
7 9
f (3, 2) = (5,1) = (1, 2) + (3, 2) = y =
4 4
Es decir:
, ) en la base B = {(1, 2 ) , ( 3, 2 )}
9 7
f (1, 2) = (
4 4
, ) en la base B = {(1, 2 ) , ( 3, 2 )} .
7 9
f (3, 2) = (
4 4
131 131
131 MATEMTICAS I MATEMTICAS I 131
131 131
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
9 7
4
4
Luego: A =
7 9
4 4
15.- Calcular la dimensin del ncleo de la aplicacin lineal cuya
matriz asociada es:
1 1 0 3 1
A = 2 4 4 3 0 .
0 2 4 3 2
SOLUCIN:
Como la matriz A es de orde 3x5 , entonces la aplicacin lineal ser
f : \ 5 \ 3 . Sabemos que:
130 130
130 MATEMTICAS I MATEMTICAS I 130
130 130
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
subespacio solucin.
subespacio solucin.
subespacio solucin.
= 2
tendramos el siguiente sistema: + = 1 , de la primera y la
= 0
131 131
131 MATEMTICAS I MATEMTICAS I 131
131 131
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
132 132
132 MATEMTICAS I MATEMTICAS I 132
132 132
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
SOLUCIN:
Vamos a calcular cul es la matriz asociada a f respecto de la base
cannica:
5
2 1 1 9
f ( x) = Ax f ((5, 2,1)) = 2 =
6 4 1 1 23
133 133
133 MATEMTICAS I MATEMTICAS I 133
133 133
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
1 2
19.- Estudiar si la aplicacin lineal de matriz asociada A = 1 2 ,
1 0
es inyectiva, sobreyectiva o biyectiva.
SOLUCIN:
Por ser A M 3 x 2 (R) f : \ 2 \ 3 . Se tiene que
Por la frmula:
Ker( f ) = 0 {}
f es inyectiva.
SOLUCIN:
{ () }
Im( f ) = y R 3 /x \ 4 : f x = y =
y = ( y1, y2 , y3 ) \ 3 / x = ( x1, x2 , x3 , x4 ) \ 4 :
= ( x2 + 2x3 + 2 x4 , x1 + x2 + 3x3 + 2x4 , 2 x1 + 2x2 + 6x3 + 4 x4 )
= ( y1 , y2 , y3 )
134 134
134 MATEMTICAS I MATEMTICAS I 134
134 134
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
( y1, y2 , y3 ) \3 / ( x1, x2 , x3 , x4 ) \ 4 :
x2 + 2x 3 + 2x4 = y1 (1)
=
=
x1 + x2 +3x3 +2 x4 = y
2
2x1 +2x2 +6 x3 +4 x4 = y3
0 1 2 2
NOTA: La matriz del sistema es A = 1 1 3 2
2 2 6 4
0 1 2 2
Rang ( A) = rang 1 1 3 2 = 2 y la matriz ampliada viene dada por
0 0 0 0
0 1 2 2 | y1
A = 1 1 3 2 | y2 ,
2 2 6 4 | y
3
0 1 2 2 y1
rang ( A ) = rang 1 1 3 2 y2
0 y3 2 y2
0 0 0
El sistema ser compatible cuando rang ( A) = rang ( A ) = 2 y eso slo
ocurre cuando y3 2 y2 = 0 por lo que se obtiene que:
= {( y , y , y ) \ /y 2 y2 = 0 }
(1)
3
1 2 3 3
135 135
135 MATEMTICAS I MATEMTICAS I 135
135 135
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
SOLUCIN:
{
Ker ( f ) = ( x1 , x2 , x3 , x4 ) \ 4 /f
( x1, x2 , x3 , x4 ) = (0, 0, 0 )} =
( x1 , x2 , x3 , x4 ) \ 4 /
= ( x2 + 2x3 + 2x 4, x 1 + x 2 + 3x 3 + 2x 4, 2x 1+ 2x 2+ 6x 3+ 4x )4= =
= ( 0, 0, 0 )
x + 2 x + 2x = 0
2 3 4
= ( 1, 2,1, 0 ) , ( 0, 2, 0,1) =
= (1, 2, 1, 0 ) , ( 0, 2, 0, 1) .
SOLUCIN:
Si a = 1
Entonces x = (1, 1, 2), cumple que como sus dos primeras
x = ( 1, 0, 2 ) + (0,1, 0)
(1, 1, 2) = ( , 0, 2 ) + (0, , 0) = ( , , 2 )
136 136
136 MATEMTICAS I MATEMTICAS I 136
136 136
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
(1, 1, 2) = ( , , 2 ) = 1 y = 1 , es decir x L.
Obtenemos que x L M .
1 0 0
23.- Consideremos la matriz A = 1 1 1 y sea f : \ 3 \ 3 la
1 2 2
aplicacin lineal de matriz asociada A con respecto a las bases
cannicas. Encontrar una base de Im( f )
SOLUCIN:
Sabemos que las columnas de la matriz A nos dan un sistema generador
de Im( f ) , por lo que un sistema generador es
137 137
137 MATEMTICAS I MATEMTICAS I 137
137 137
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
tiene dimensin 2.
c) El subespacio vectorial engendrado por { p( x), q( x), r( x)} tiene
dimensin 1.
SOLUCIN:
a) Verdadera.
Vamos a igualar una combinacin lineal de los tres vectores al
polinomio 0 = 0 + 0x + 0x 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.
138 138
138 MATEMTICAS I MATEMTICAS I 138
138 138
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
+ + = 0
Por lo tanto, obtenemos que: = 0 = = 0 y
= 0
b) Falso.
Ya hemos visto que los tres vectores son linealmente independientes por
lo tanto, ellos sern una base del subespacio que generen, y esto conduce
a que dicho subespacio tendr dimensin 3.
c) Falso.
El razonamiento es el mismo que en b).
{ } { }
25.- Si u, v y v, w son dos sistemas libres en un espacio vectorial
139 139
139 MATEMTICAS I MATEMTICAS I 139
139 139
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
w = 2u .
b) Falso.
{ }
Un sistema de la forma u, u, w nunca puede ser libre, porque dos de
S = {( x, y, z, t ) / x y = 0} . Se pide la dimensin de L S .
SOLUCIN:
Tenemos que S = {( x, y, z, t ) / x y = 0} = {( x, x, z, t ) / x, z, t \} =
140 140
140 MATEMTICAS I MATEMTICAS I 140
140 140
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
Tenemos que:
1 1 0 0 1 1 0 0
0 2 0 0 0 2 0 0
dim(L) = Rang = Rang =4
2 1 1 0 0 0 2 0
0 1 0 1 0 0 0 2
1 0 0 1 0 0
1 0 0 0
1 0
dim(S ) = Rang = Rang =3
0 1 0 0 0 1
0 0 1 0 0 0
L + S est generado por los vectores que generan a L junto con los
vectores que generan a S , por lo tanto:
L + S = (1, 0, 2, 0 ) , ( 1, 2,1,1) , ( 0, 0,1, 0 ) , ( 0, 0, 0,1) , (1,1, 0, 0 )
dim(L + S ) =
1 1 0 0 1 1 1 0 0 1
0 2 0 2 0 0 1
= Rang 0 0 1
= Rang =4
2 1 1 0 0 0 0 2 0 7
0 1 0 0 0 0 2 1
0 1
Sustituyendo estos datos en la frmula de las dimensiones, obtenemos
que:
dim(L S ) = 4 + 3 4 = 3
Otra forma de haberlo razonado es, una vez sabido que dim(L) = 4 ,
como L es un subespacio de \ 4 , se obtiene que
L = \ 4 L S = \ 4 S = S dim(L S ) = dim(S ) = 3
141 141
141 MATEMTICAS I MATEMTICAS I 141
141 141
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
b) M nunca es invertible.
SOLUCIN:
Sabemos que:
Im( f ) = {( a, b ) \ / ( x, y, z) \ : f (( x, y, z)) = (a, b)} =
2 3
x + y = a
= ( a, b ) \ 2 / ( x, y, z) \ 3 : =
x z = b
= {( x + y, x z) / x, y, z \} =
= (1,1) , (1, 0), (0, 1) = (1, 0 ) , ( 0, 1) =
= (1, 0 ) , ( 0,1) = \ 2
Ker ( f ) = {( x, y, z ) \ / f (( x, y, z )) = 0} =
3
= {( x, y, z ) \ / 3x 2 y + 5z = 0} =
3
= {( x, y, z ) \ /x = (2 y 5z)/3} =
3
= {( (2 y 5z)/3, y, z ) \ / y, z \} =
3
2 5
= ,1, 0 , ( , 0,1) = ( 2, 3, 0 ) , (5, 0, 3)
3 3
142 142
142 MATEMTICAS I MATEMTICAS I 142
142 142
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
b) M nunca es invertible.
d) M siempre es invertible.
SOLUCIN:
a) Verdadero.
i) Veamos que si f es inyectiva M es invertible.
Tenemos la frmula:
dim(E) = dim(Im( f )) + dim(Ker( f )).
Si f {}
es inyectiva, sabemos que Ker ( f ) = 0 dim(Ker( f )) = 0,
143 143
143 MATEMTICAS I MATEMTICAS I 143
143 143
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
{ }
Ker ( f ) = x \ /f (x) = 0 = {( x, y) \ 2 /f ( x, y) = (0, 0)} =
2
c) Falso.
Sea f : \ 2 \ 2 definida de la siguiente forma:
f (( x, y)) = (x y, x y)
f ( x + y) = f ( ( x1 , x2 ) + ( y1 , y2 )) = f (( x1 + y1 , x2 + y2 )) =
= ( x1 + y1 ( x2 + y2 ), x1 + y1 ( x2 + y2 )) =
= (( x1 x2 ) + ( y1 y2 ), ( x1 x2 ) + ( y1 y2 )) =
= ( x1 x2 , x1 x2 ) + ( y1 y2 , y1 y2 ) =
= ( x1 x2 , x1 x2 ) + ( y1 y2 , y1 y2 ) =
= f ( x1, x2 ) + f ( y1 , y2 ) = f ( x) + f ( y)
Por lo tanto f es un endomorfismo de \ 2 . Sin embargo, vamos a
comprobar que f no es biyectiva.
144 144
144 MATEMTICAS I MATEMTICAS I 144
144 144
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
{ }
Ker ( f ) = x \ /f (x) = 0 = {( x, y) \ 2 /f ( x, y) = (0, 0)} =
2
= {( x, y) \ 2 /( x y, x y) = (0, 0)} =
= {( x, y) \ 2 /x = y} =< (1,1) >
{}
Hemos obtenido que Ker( f ) 0 , por lo que f no es inyectivo, y esto
SOLUCIN:
La matriz asociada a g D f , ser M , tal que g D f ( x) = M x
B( Ax) = (BA) x
( f ( x )= A x ) ( g ( y )= B y )
g D f ( x) = g ( f ( x)) = g ( Ax) =
Luego, la matriz asociada a g D f es BA.
b) Si f : \ 3 \ 3 siempre es biyectiva.
c) Si f : \ 4 \ 3 siempre es inyectiva.
145 145
145 MATEMTICAS I MATEMTICAS I 145
145 145
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
Si f f: \es
d) ii) 3 3
lineal: \ nunca ser sobreyectiva.
SOLUCIN:
a) Verdadero.
Por la frmula de las dimensiones sabemos que:
i) f es aplicacin:
i.1) ( x, y, z) \ 3 , ( x, 0, 0) \ 3 : f (( x, y, z)) = ( x, 0, 0) , es decir, todo
146 146
146 MATEMTICAS I MATEMTICAS I 146
146 146
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
Si f f: \es
d) ii) 3 3
lineal: \ nunca ser sobreyectiva.
?
f ( x + y) = f ( x) + f ( y)
Supongamos que x = (x, y, z) e y = (x , y , z ) , entonces tendramos
que: f ( x + y) = f (( x, y, z) + ( x , y , z )) =
= f (( x + x , y + y , z + z )) = ( x + x , 0, 0) =
= ( x, 0, 0) + ( x , 0, 0) = ( x, 0, 0) + ( x , 0, 0) =
= f (( x, y, z)) + f (( x , y , z )) = f ( x) + f ( y)
{}
que Ker ( f ) = 0 , es decir, dim(Ker ( f )) = 0 , y sustituyendo este dato
d) Falso.
147 147
147 MATEMTICAS I MATEMTICAS I 147
147 147
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
Como contraejemplo nos sirve la aplicacin identidad: i : \ 3 \ 3 ,
x \ 3 : i( x) = x . Es evidente que es una aplicacin lineal y es
biyectiva, por lo tanto, en particular ser sobreyectiva.
32.- Dado un endomorfismo f : \ 4 \ 4 definido como
f ( x, y, z, t) = (x y t, 2x y z t, x y t, z x) , demostrar que
Ker ( f ) = Im ( f ) .
SOLUCIN:
1 1 0 1
2 1 1 1
La matriz asociada a este endomorfismo es A = .
1 1 0 1
1 0 1 0
Sabemos que A = ( f (e1) f (e 2) f (e3) f (e 4) ) , y que el conjunto Im( f )
1 1 0 1
2 1 1 1
rango( A) = rango =
1 1 0 1
1 0 1 0
1 1 0 1
0 1 1 1
= rango = 2.
0 0 0 0
0 0 0 0
148 148
148 MATEMTICAS I MATEMTICAS I 148
148 148
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
Como contraejemplo nos sirve la aplicacin identidad: i : \ 3 \ 3 ,
Como f (e1) y f (e 2) son linealmente independientes, podemos
elegirlos como una base de Im( f ).
x y t = 0
2x y z t = 0
Ker ( f ) = { x \ 4 /Ax = 0} = ( x, y, z, t ) \ 4 / =
x y t = 0
xz =0
x y t = 0
= ( x, y, z, t ) \ / 2x y z t = 0 =
4
xz =0
2x y z t = 0
= ( x, y, z, t ) \ 4 / =
xz =0
y = z t
= ( x, y, z, t ) \ 4 / =
x=z
= {( z, z t, z, t) / z, t \} =
=< (1,1,1, 0), (0, 1, 0,1) >=< w1, w 2 >
149 149
149 MATEMTICAS I MATEMTICAS I 149
149 149
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
33.- Dado los subespacios de \ 4 , L =< (1, 0, 0, 0), (1, 2,1, 0) >=< u 1, u 2 >
y M =< (1, a,1, 2), (0, 2,1, a) >=< v 1, v 2 >, estudiar para qu valores de
a se tiene que L M = \ 4 .
SOLUCIN:
L + M = \ 4 dim(L + M ) = 4
L M = \4 (1)
LM ={0} dim(L M ) = 0
Un sistema generador suyo es {(1, 0, 0, 0), (1, 2,1, 0)} , para que este
sistema sea una base habra que comprobar que los dos vectores son
linealmente independientes, o lo que es equivalente que el rango de
1 1
0 2 1 1
A= es 2. Ahora bien, en A se tiene el menor 0 que es
0 1 0 2
0 0
de orden 2, por lo tanto Rang ( A) = 2 , es decir, dim(L) = 2.
Un sistema generador de dicho subespacio es el {(1, a,1, 2), (0, 2,1, a)}
150 150
150 MATEMTICAS I MATEMTICAS I 150
150 150
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
1 0
ya que existe el menor de orden 2 siguiente: 0 , luego,
1 1
dim(M ) = 2 .
dim(L + M ) = 2 + 2 dim(L M )
dim(L + M ) = 4 dim(L M )
1 1 1 0
0 2 a 2
A= , A tendr rango 4, si y slo si su determinante es
0 1 1 1
0 0 2 a
distinto de cero.
A = 2a a 2 ; A = 0 2a a 2 = 0 a = 0 a = 2.
SOLUCIN:
151 151
151 MATEMTICAS I MATEMTICAS I 151
151 151
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
=< v 1, v 2 >
Sabemos que:
dim(L + M ) = rango(u 1 u 2 v 1 v 2) =
1 0 1 1 1 0 1 1
0
2 1 0
1 2 2
= rango 0
= rango =4
0 2 0 2 0 0 4 2
3 0 0 0 0 3
0 0 2
a) H = {( x, y, z) \ 3 / x y + 3z = 0}
2x + 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 + 3z = 0} = {( x, y, z) \ 3 / x = 2 y 3z} =
=< (2,1, 0), (3, 0,1) > , luego dim(F ) = 2, para que F H = \ 3 , H
tendr que cumplir que:
152 152
152 MATEMTICAS I MATEMTICAS I 152
152 152
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
ii) H F = {0}
H = {( x, y, z) \ 3 / x = y = z} =
153 153
153 MATEMTICAS I MATEMTICAS I 153
153 153
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
H F = {0}
36.- Sea f : \ 2 \ 3 la aplicacin lineal tal que:
Si ( x, y) \ 2 , calcular la expresin de f ( x, y) .
SOLUCIN:
Conocemos la matriz
asociada a f respecto de la base
3 2
B = {(1, 2), (0,1)} , es A = 1 1 , y nos la piden respecto de la base
5 1
B = {(1, 0), (0,1)} .
Como el (0,1) esta en las dos bases solo nos faltara cononer la imagen
del (1, 0), escribiremos (1, 0) como combinacin lineal de los vectores de
la base B ,
+ 0 = 1
(1, 0) = (1, 2) + (0,1) = 1 y = 2, por tanto
2 + = 0
1 2
A = ( f (1, 0), f (0,1) ) = 3 1 .
7 1
Otra forma de haber llegado al mismo resultado es mediante la matriz
cambio de base.
154 154
154 MATEMTICAS I MATEMTICAS I 154
154 154
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
1 0
La matriz cambio de base de B a la base cannica B es P = ,
2 1
1 0
la matriz cambio de base de B a B ser por tanto P 1 =
2 1
f
(\ 2 , B ) (\ , B )-----
2 3
\
x P 1 x f (P 1 x) = A (P 1 x)
3 2
1 0
1
f (P x) = A (P x) = 1 1
1
x=
5 1 2 1
3 2
1 0
= 1 1 x =
5 1 2 1
1 2 x + 2y
x
= 3 1 = 3x + y
7 1 y 7 x y
0 0 0
La matriz asociada a f es A = 1 4 0 , a g es
2 1 2
155 155
155 MATEMTICAS I MATEMTICAS I 155
155 155
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
3 0 0 1 0 0
B = 1 1 0 y a h es C = 0 1 0 La matriz asociada a
2 1 1 0 0 1
[( gog ) h]of ser:
[(B B) C] A =
3 0 0 3 0 0 1 0 0 0 0 0
= 1 1 0 1 1 0 0 1 0
1 4 0 =
2 1 1 2 1 1 0 0 1 2 1 2
8 0 0 0 0 0 0 0 0
= 2 0 0 1 4 0 = 0 0 0
9 0 0 2 1 2 0 0 0
Otra forma de llegar al mismo resultado es hallar la expresin de la
funcion [( gog ) h]of :
() () ()
[( gog ) h]of x = (gog)of x hof x = gogof x hof x = () ()
= gog ( 0, x 4 y, 2x + y 2z ) h ( 0, x 4 y, 2 x + y 2z ) =
= g ( 0, x + 4 y, 3x 3 y 2z ) ( 0, x 4 y, 2x + y 2z ) =
= ( 0, x 4 y, 2 x + y 2z ) ( 0, x 4 y, 2 x + y 2z ) = (0, 0, 0)
L = {( x, y, z) \ 3 / x + 3 y z = 0} y M = {( , 0, 3 ) \ 3 / \} .
Calcular L M .
SOLUCIN:
156 156
156 MATEMTICAS I MATEMTICAS I 156
156 156
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
L = {( x, y, z) \ 3 / x + 3 y z = 0} = {( x, y, z) \ 3 / x = 3 y + z} =
= {(3 y + z, y, z) \ 3 / y, z \} =< (1, 0,1), (3,1, 0) >=< u 1, u 2>
M = {( , 0, 3 ) \3 / \} =< (1, 0, 3) >=< v1 >
x 3 y z = 0
L M = ( x, y, z) \ / x 3z = 0 = {(0, 0, 0)}
3
y=0
Tambin podamos haber llegado a la misma conclusin calculando la
dimensin de L M . Sabemos que L + M esta generado por la unin de
sus bases, luego:
1 3 1
dim(L + M ) = rango(u 1 u 2 v1) = rango 0 1 0 =
1 0 3
1 3 1
= rango 0 1 0 = 3.
0 0 2
Como adems sabemos que:
dim(L + M ) = dim(L) + dim(M ) dim(L M )
dim(L M ) = 2 + 1 3 = 0
L M = {0}
157 157
157 MATEMTICAS I MATEMTICAS I 157
157 157
Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A. Espacios Vectoriales y Aplicaciones Lineales
BIBLIOGRAFIA
ANZOLA, M.; CARUNCHO, J.; PREZ-CANALES, G. (1981).
Problemas de lgebra (Tomos 1-7). Madrid. SSAG.
BURGOS, J. (1999). lgebra Lineal y Geometra Cartesiana.
Madrid. McGraw-Hill.
CARBO, R.; DOMINGO, LL. (1987). lgebra Matricial y Lineal.
Espaa. McGraw-Hill.
DE LA VILLA, A. (1994). Problemas de lgebra. Madrid. Clagsa.
ESPADA BROS, E. (1984). Problemas resueltos de lgebra.
Barcelona. EUNIBAR.
FLAQUER, J; OLAIZOLA, J; OLAIZOLA, J. (1996). Curso de
lgebra Lineal. Navarra EUNSA.
FRALEIGH, J.B.; BEAUREGARD, R.A. (1989). lgebra Lineal.
U.S.A. Addison-Wesley Iberoamericana.
GARCA, J.; LPEZ, M. (1990). lgebra Lineal y Geometra.
Alcoy. Marfil.
GRANERO, F. (1994). lgebra y Geometra Analtica. Madrid .
McGraw-Hill. GROSSMANN, S.I. (1996). lgebra Lineal con
aplicaciones. Mxico. McGraw-Hill.
GUERRA, N.; LPEZ, B. (1999). Problemas resueltos tipo test de
lgebra Lineal (Con esquemas tericos). Las Palmas de G.C. El Libro
Tcnico.
158 158
158 MATEMTICAS I MATEMTICAS I 158
158 158