CAPITULO4 Esp Vectorialescm

Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.
Espacios Vectoriales y Aplicaciones Lineales
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.
Reforzar el conocimiento de la estructura comprobando que son

espacios vectoriales reales los conjuntos: \ , los polinomios en la
indeterminada x con coeficientes nmeros reales y de grado
96 96
menor o igual que n, las funciones reales continuas, las matrices

reales de orden mxn etc.
Obtener combinaciones lineales de vectores de un subconjunto

dado en un espacio vectorial y conocer las propiedades que
verifican. Decidir si un vector es expresable, o no, como
combinacin lineal de otros.
Conocer la posibilidad de generar un subespacio vectorial a partir
de un subconjunto cualquiera de vectores de un espacio vectorial.
Decidir con soltura si un sistema de vectores es libre o ligado.
Determinar con destreza el rango de un conjunto de vectores.
Asimilar el concepto de base y dimensin para un subespacio y
para el propio espacio.
Decidir sobre la posibilidad de expresar un espacio vectorial
como suma directa de dos subespacios propios.
Manejar los cambios de bases.
Verificar que un homomorfismo entre espacios vectoriales est
determinado con slo conocer las imgenes de los vectores de una
base.
Utilizar la correspondencia entre operaciones con aplicaciones

lineales y operaciones con matrices.
Decidir con soltura si un homomorfismo es inyectivo,
sobreyectivo o biyectivo.
97 97
INTRODUCCIN TERICA
1. ESPACIOS VECTORIALES
Sea K un cuerpo conmutativo con leyes suma y producto a cuyos

elementos llamaremos escalares. Sea E un conjunto a cuyos elementos
los llamaremos vectores, denotndolos x , y , etc.
E es un espacio vectorial sobre el cuerpo K si se verifica:

Existe una ley de composicin interna en E , para la cul 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 composicin interna)
( x + y) + z = x + ( y + z ) , x , y, z E (propiedad asociativa)
x + y = y + x , x , y E (propiedad conmutativa)
x E 0 E : x + 0 = x (el 0 es el elemento neutro).
( )
x E x E : x + x = 0 (existencia de elemento opuesto)
Existe sobre E una ley de composicin externa, cuyo dominio de

operadores es el cuerpo K, con las siguientes
propiedades ( , K , x, y E) :
(a) Distributiva respecto a la suma de escalares: ( + ) x = x + x

(
(b) Distributiva respecto a la suma de vectores: x + y = x + y )
( )
(c) Asociativa respecto a los escalares: x = ( ) x
98 98
(d) Identidad: 1 x = I E = x .
NOTA: Si no se hace mencin contraria, K ser el cuerpo de los

nmeros reales con las operaciones usuales, suma y producto en los
nmeros reales.
2. PROPIEDADES DE UN ESPACIO VECTORIAL
Las principales propiedades de un espacio vectorial son las siguientes:
x E : 0 x = 0
K : 0 = 0
Si x = 0 = 0 x = 0
K , x E : ( ) x = x = x ( )
2.1. Sistema de Vectores
Un sistema de vectores es un conjunto (trabajaremos siempre con un

nmero finito) de vectores, lo representaremos por: S = { x1, x 2,, x n} .
2.2. Combinacin Lineal

Un vector x E es una combinacin lineal de los vectores del sistema
S si existen n escalares 1 , 2 ,, n K tal que:
x = 1 x1 + 2 x2 + + n xn . Los escalares 1 , 2 ,, n son los
coeficientes de la combinacin lineal.
99 99
2.3. Sistemas linealmente dependientes o independientes
Un sistema S = {x1, x 2,, x n} de vectores es linealmente independientes,
si la condicin x = 1 x1 + 2 x2 + + n xn = 0 , implica necesariamente

que: 1 = 2 = = n = 0 .
En caso contrario, el sistema S es linealmente dependiente.
2.4. Proposicin.
En un sistema linealmente independiente S la nica posibilidad de

conseguir una combinacin lineal de vectores de S igualada al vector 0
es que todos los coeficientes de dicha combinacin deben ser 0 , no
siendo as 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:
{}
x 0 el sistema S = x es linealmente independiente.
Si un sistema S es linealmente independiente, cualquier sistema S

extrado de l ( S S ) tambin 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 ) tambin lo es.
Si un sistema S es linealmente dependiente, al menos uno de los
vectores de S es combinacin lineal de los restantes vectores de S .
100 100
100 100
2.3. Sistemas linealmente dependientes o independientes
Si un sistema S es linealmente independiente y el sistema S = S x {}

es linealmente dependiente, entonces el vector x es combinacin lineal
de los vectores de S .
3.1. V(S)
Si S es un sistema de vectores, S denotar el conjunto de vectores
que son combinacin lineal de vectores de S .
3.2. Sistemas Equivalentes

Dos sistemas de vectores S1 y S 2 son equivalentes si S1 = S 2 .
Las principales formas para obtener un sistema equivalente a uno dado

son:
Aadir al sistema nuevos vectores que sean combinacin 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 .
101 101
101 101
4.2. Propiedad
Sea E un espacio vectorial sobre un cuerpo K y sea V un subconjunto
de E , entonces V es un subespacio vectorial de E si y slo si:
x + y V , x, y V .
x V , x V y K
Esta propiedad tambin se podra enunciar de la siguiente forma:
4.3. Propiedad:
Sea E un espacio vectorial sobre un cuerpo K y sea V un subconjunto

de E , entonces V es un subespacio vectorial de E si y slo si:
, K , x, y V : x + y V
4.4. Interseccin de Subespacios vectoriales

Dados dos subespacios vectoriales V1 y V2 de E se define su
interseccin como:

V1 V2 = x E / x V 1 y x V

2
El conjunto V1 V2 es un subespacio vectorial de E .
4.5. Subespacios Disjuntos
Dos subespacios vectoriales V1 y V2 son disjuntos si y slo si V1
{}
V2 = 0 .
4.6. Suma de subespacios vectoriales
Dados dos subespacios vectoriales V1 y V2 de E , se define su suma:
102 102
102 102
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 .
Si V1 V2 = E , V1 y V2 se llaman subespacios suplementarios.
4.7. Propiedad
Si un espacio vectorial E es suma directa de dos subespacios V1 y V2 ,

todo vector de E se puede expresar de forma nica como suma de un
vector de V1 y otro de V2 .
Importante: La unin 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 ms usuales de expresar un subespacio V suelen

ser:
Dando un sistema S generador de V , es decir, S = V .
Dando las ecuaciones implcitas , que equivale a dar restricciones a

las coordenadas de los vectores de E para que estn en V .
Por ejemplo, si E = \ 3 , podemos considerar el subespacio
V = {( x, y, z ) \ 3 / x + y + z = 0}
103 103
103 103
Dando las ecuaciones paramtricas, que expresan las coordenadas de los

vectores de V en funcin de parmetros que pueden tomar cualquier
valor de los escalares de K .
Por ejemplo, si E = \ 3 , podemos considerar el subespacio
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. BASES DE UN ESPACIO VECTORIAL. DIMENSIN
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 nmero de elementos.
104 104
104 104
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
Sea V un espacio vectorial de dimensin n y B = {v1, v 2,", v n} una
base suya. Si divido B en dos sistemas de vectores disjuntos

B = B1 B2 , entonces se cumple que B1 B2 = V . Es decir, los
subespacios generados por los sistemas B1 y B2 son suplementarios.
5.6. Coordenadas de un vector en una base

Sea B = {e1 , e2 ,, en } una base del espacio vectorial E y x E . Si
x = x1 e1 + x2 e2 + + xn en se dice que ( x1 , x2 ,, xn ) son las coordenadas
del vector x en la base B .

Las coordenadas de un vector respecto de una base son nicas.
NOTA: Un vector tiene tantas coordenadas como la dimensin del
mayor espacio vectorial al que pertenece.
En el espacio vectorial real \ n la base B = {e1 , e2 ,, en } con
e1 = (10 0 ) , e2 = ( 0 1 0 0 ) ,, en = ( 0 0 0 1) la llamaremos
t t t
base cannica.
105 105
105 105
5.7. Rango de un sistema de vectores.
El rango de un sistema S de vectores es la dimensin del subespacio

S engendrado por S . Es decir, es el mximo nmero de vectores
linealmente independientes de S .
Otro procedimiento para calcular el rango de un sistema de vectores S
es construir una matriz situando las coordenadas de cada uno de los
vectores de S en columnas, es decir, si S = { x 1, x 2,, x p} , la matriz
asociada es

x1i

x2i
A = x 1 x 2 x p , siendo x i = , i = 1, 2,, p
#

n
x
i
dim( S ) = rang (S ) = rang ( A)
5.8. Base Incompleta
Sea E un espacio vectorial de dimensin n y V un subespacio

vectorial de E de dimensin m. Si B = {c1, c 2,, c m} es una base de V ,
se puede encontrar una base B de E ampliando la de V , es decir:

{ }
B = c 1, c 2,, c m, e m+1, e m+ 2,, e n
6. RELACIN ENTRE DIMENSIONES
Si V es un subespacio vectorial de E , dim(V ) dim(E) .
{}
Si V = 0 , dim(V ) = 0.
106 106
106 106
Si V1 y V2 son subespacios vectoriales de V se tiene que:
dim (V1 + V2 ) = dim (V1 ) + dim (V2 ) dim (V1 V2 )
Frmula de Grassman
En particular se tiene que si V1 es suma directa con V2 :
dim (V1 V2 ) = dim (V1 ) + dim (V2 )
7. CAMBIO DE BASE
Sea E un espacio vectorial de dim(E) = n , sean B = {v1, v 2,, v n} y
B = {u1, u 2, , u n} dos bases de E . Supongamos que el vector x E ,

tiene de coordenadas ( x1 , x2 ,, xn ) respecto de la base B y tiene unas
coordenadas x1 , x2 ,, xn respecto de la base B . Vamos a estudiar
cmo 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

podrn expresar como combinacin lineal de los vectores de la base B :
u1 = a11v1 + a21v2 + " + an1vn
u2 = a12 v1 + a22 v2 + " + an 2 vn
#
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
107 107
= x1 ( a11v1 + a21v2 + " + an1vn ) + x2 ( a12 v1 + a22 v2 + " + an 2 vn ) +
+ " + xn ( a1n v1 + a2 n v2 + " + ann vn ) =

= x1 a11 + x2 a12 + " + xna1n v1 + x1a21 + x2 a22 + " + xn a 2 n v 2 +
+ " + x1 an1 + x2 an 2 + " + xnann vn =
= x1v1 + x2 v2 + + xn vn
De todas estas igualdades obtenemos que si igualamos coordenada a

coordenada, queda la siguiente relacin:
x1 = x1a 11 + x2a 12 + " + xna 1n

x2 =x1 a21 + x2 a22 +"+ xn a2 n
Ecuaciones del Cambio de Base

#

xn = x1 an1 + x2 an 2 + " + xnann
Expresando este sistema de forma matricial, quedara:
x = P x Ecuacin Matricial del Cambio de Base

x1 x1 a11 a12 " a1n

x2 x2 a21
a22 " a2 n
x x' P

= , = , = Matriz Cambio de Base de
# # " " " "

x
n
xn
an1 an 2 " a
nn
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:
108 108
108 108
( 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
Dicho espacio vectorial se denomina espacio vectorial producto de E y

F.
Siendo {e1, e 2,, e n} una base de E y {w1, w2,, wm} una base de F ,
la dimensin E F es n + m y una base de E F puede ser:
{(e1 , 0), (e2 , 0),, (en , 0), (0, w1 ), (0, w2 ),, (0, wm )}
8. APLICACIONES LINEALES
8.1. Aplicacin Lineal
Sean E y F dos espacios vectoriales sobre el mismo cuerpo K y

f : E F una aplicacin.
f es una aplicacin lineal si verifica:

( ) () ( )
f x + y = f x + f y , x, y E
( ) ()
f x = f x , K , x E
8.2. Propiedad
f es un homomorfismo o aplicacin lineal si y slo si:
( )
f x+ y = f x + f ( ) ( y ) , , K , x, y E
109 109
109 109
8.3. Propiedades de las Aplicaciones Lineales
Sea f : E F una aplicacin lineal entre los espacios

vectoriales E y F , entonces:
()
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 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 slo si, la imagen de una base
B de E , f ( B ), es un sistema generador de 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.
Si f es inyectivo, se denomina monomorfismo.
Si f es biyectivo recibe el nombre de isomorfismo
Un endomorfismo biyectivo se llama automorfismo.
110 110
110 110
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
Las principales propiedades del ncleo son las siguientes:

Ker ( f ) es un subespacio vectorial de E .
f es un homomorfismo inyectivo si y slo si Ker ( f ) = 0 {}

{}
Ker ( f ) = 0 si y slo si la imagen de cualquier sistema libre de E es
un sistema libre de F .
9.3. Propiedad.
Si la restriccin 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 aplicacin lineal

Una aplicacin lineal queda determinada conociendo las imgenes de
los vectores de una base de E .
Si B = {e1, e2 ,, en } es una base de E y conocemos
{ f (e1 ), f (e2 ),, f (en )} , vectores de F , la imagen de cualquier vector x

de coordenadas ( x1 , x2 ,, xn ) en la base B ser:
111 111
111 111
n n
f ( x ) = f ( xi ei ) = xi f (ei ).
i =1 i =1
IMPORTANTE: Podra parecer que no siempre se expresa el

homomorfismo por medio de las imgenes de una base, pero dicha
informacin siempre se puede obtener y esto ser de utilidad para enlazar
homomorfismos y matrices como veremos a continuacin.
10. MATRIZ ASOCIADA A UNA APLICACIN LINEAL
Sean E y F dos espacios vectoriales de dimensiones n y m,

B = {e1, e 2,, e n} una base de E , BF = {u 1, u 2,, u m} una base de F .
n n ( 2) m
Sea x = xi ei , f ( x )= xi f ( ei )= y j u j . Si:
(1)
i =1 i =1 j =1
f ( e1 ) = a11u1 +a21u2 ++ am1um

f ( e2 ) = a12u1 +a22u 2 ++ am 2um
.
" " " " "
f ( en ) = a1nu1 +a2 n u2 ++ amnum
(1) Por las propiedades de aplicacin lineal.

(2) Ya que f ( x ) es un vector de F se podr poner como combinacin
lineal de la base BF .
Se tiene que: y = P x , siendo:

x1 y1 a11 a12 " a1n

x2 y2 a21 a22 " a2n
x = , y = , P =

#
#
# # % #

xn yn am1 am 2 " amn

donde:
112 112
112 112
y es la matriz columna que representa las coordenadas de f ( x) en la
base BF ;
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 BF ( o con
respecto a las bases B y BF ).
Las columnas de la matriz A son las coordenadas de los vectores f (ei )
, i = 1, 2,, n respecto de la base BF . P es una matriz de orden m n .
Fijadas las bases B y BF , la matriz del homomorfismo es nica.
NOTA: Si utilizamos matrices fila para las componentes de x y de

f ( x) , la matriz del homomorfismo sera 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.
113 113
113 113
Al homomorfismo f : E F ,(producto escalar), definido

por:
( f ) ( x) = ()
f x , x E ,
le corresponde la matriz A .
Con estas dos operaciones, el conjunto de homomorfismos entre los

espacios vectoriales E y F , denotado por L(E, F ) , tiene estructura de
espacio vectorial, isomorfo al espacio vectorial de las matrices M mn .
Por tanto, la dimensin del espacio L(E, F ) es m n .
NOTA: Fijada una matriz A M mn , siempre es posible encontrar una
base BE en E y una base BF en F , respecto de las cuales la matriz

asociada a la aplicacin linea f : E F es A .
Sean E un espacio vectorial de dimensin n y B una base de E , F

un espacio vectorial de dimensin m y BF una base de F , y G un
espacio vectorial de dimensin p y BG 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 aplicacin
compuesta g D f : E G , definida por ( g D f ) ( x ) = g f ( x ) ,

tiene como matriz asociada a C A , en las bases BE y BG .
Si un homomorfismo f : E E , de matriz asociada A , tiene

inverso, la matriz asociada a f 1 : E E es A1 .
114 114
114 114
12. CAMBIOS DE BASES
Al efectuarse cambios de base en E , en F o en ambos, la matriz del

homomorfismo queda modificada obtenindose la nueva matriz por
medio de las frmulas del cambio de base.
Si tenemos una aplicacin lineal f : E F de matriz asociada
A respecto a una base BE en E y una base BF en F , veamos cmo
queda la matriz asociada a la aplicacin lineal si en E considero una
nueva base BE y en F una nueva base BF .
Sea P la matriz cambio de base de BE en BE en el espacio E.
Sea Q la matriz cambio de base de BF en BF en el espacio F .
Tenemos entonces el siguiente diagrama:

A
EBE FBF
P Q 1
A
EB
E
FB
F
Se cumple que: A = Q 1 AP

Si slo se realizara el cambio de base en el espacio vectorial E ,

tendramos:
A
EBE FBF
P I

A
EB
E
FB
F
En este caso se cumple que: A = AP
115 115
115 115
Si slo se realizara el cambio de base en el espacio vectorial F ,

tendramos:
A
EBE FBF
I Q 1
A
EB E FB
F
En este caso se cumple que: A = Q 1 A .
116 116
116 116
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
para que w pertenezca al subespacio engendrado por u y v .

SOLUCIN:
Para que el vector w pertenezca al subespacio generado por u y v es

necesario que existan dos escalares y que cumplan lo siguiente:
w = u + v = (2, 3, 2, 5) + (1, 2, 4, 0) = (2 + , 3 2 , 2 + 4 , 5 )
.
Es decir, se tiene que dar la siguiente igualdad:
(1,1,10/7, m) = (2 + , 3 2 , 2 + 4 , 5 ) .
Sabemos que dos vectores son iguales si coinciden componente a

componente, de donde obtenemos las siguientes ecuaciones:
2 +
= 1
3 2
= 1
si multiplicamos la primera ecuacin por 2 y se la
2 + 4
= 10/7
5 = m
3
sumamos a la 2 o ecuacin, obtenemos que: 7 = 3 = y de aqu
7
ya obtenemos, despejando por ejemplo de la 1 o ecuacin que
6 1
=1 = . Slo hemos utilizado las dos primeras ecuaciones,
7 7
veamos que estos valores de y tambin sastisfacen la 3 a ecuacin:
117 117
117 117
3 1 10
2. + 4. = , luego, efectivamente, s se cumple. Por ltimo como
7 7 7
3 15
tambin se tiene que cumplir la 4 o ecuacin 5. =m m= .
7 7
2.- Sea la aplicacin lineal f : \ 3 \ dada por

f ( x, y, z) = x y 2z . Calcular el ncleo de f .
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

4.- En el espacio vectorial \ 3 se considera el subespacio

V = (1,1, a ) , (1, a,1) , ( a,1,1) . Razonar para qu valores de a se
tiene que dim(V ) = 2.
SOLUCIN:
118 118
118 118
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.
5.- Sean los subespacios de \4 , V1 =< v1, v 2, v 3 > y
V2 =< 2v1 v 3, v 4 > . El sistema de vectores {v1, v 2, v 3, v 4} es linealmente

dependiente y v i 0 i. Se pide justificiar la veracidad o falsedad
(dando los correspondientes contraejemplos) de las siguientes
afirmaciones:
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
119 119
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)}
V2 =< 2v1 v 3, v 4 >=< (1, 0, 0, 0), (1, 0, 0, 0) >=< (1, 0, 0, 0) >
V1 V2 =< (1, 0, 0, 0) > dim(V1 V2 ) = 1 2.
c) Falso.
Si tomamos {v1, v 2, v 3, v 4} = {(1, 0, 0, 0), (0,1, 0, 0), (1, 0, 0, 0), (0,1, 0, 0)}
V2 =< 2v1 v 3, v 4 >=< (1, 0, 0, 0), (0,1, 0, 0) > dim(V1 V2 ) = 2 1.
d) Verdadero.
V1 + V2 =< v1, v 2, v 3, v 4, 2v1 v 3, v 4 >=< v1, v 2, v 3, v 4 >
dim(V1 + V2 ) < 4 ya que {v1, v 2, v 3, v 4} es un conjunto de vectores
linealmente dependiente, con lo cual V1 + V2 \ 4 .
6.- Cual de los siguientes subconjuntos de \ 3 no es subespacio

vectorial?
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
120 120
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
121 121
multipliar un elemento de el por un escalar tambin siga perteneciendo al

subconjunto, es decir:
i) x + y L1 , x, y L1
ii) k x L1 , x L1 , k \
a) Si es un subespacio vectorial:
x1 = x2

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
122 122
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
123 123
c) Si es un subespacio vectorial:
x = (4s, s, s)
i) x, y L1 x + y = (4(s + t ), s + t, s + t ) x + y L1 .
y = (4t, t, t)
ii) x L1 x = (4s, s, s) k x = (4ks, ks, ks) k x L1 .
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.
x = (4, 3, 0) L1 y sin embargo 5x = (20,15, 0) L1 ya que
20 15 = 5 1.
7.- Sea la aplicacin lineal g : \ 3 \ 2 definida por
g ( x, y, z) = ( x + 2 y + z, x + z) ,
calcular una base de su ncleo.

SOLUCIN:
Por definicin sabemos que el Ker ( g ) est formado por los vectores de
\ 3 cuya imagen mediante g es el vector 0 \ 2 . Es decir:
Ker ( g ) = {( x, y, z ) \ 3 / g(x, y, z) = (0, 0)} =
= {( 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
124 124
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.)
rang ( A) = rang 2 2 3 = rang 0 2 2 = 2

2 1 2 0 0 0
dim(Im( f )) = 2 , para que fuera sobreyectiva tendra que suceder que
dim(Im( f )) = dim(\ 3 ) = 3, es decir, la dimensin de Im( f ) tiene que
coincidir con la del espacio de llegada, \ 3 que es 3. Por lo tanto, ya

podemos concluir que la aplicacin no es sobreyectiva, porque
dim(Im( f )) = 2 dim(\ 3 ) = 3 .
Al no ser sobreyectiva, tampoco puede ser biyectiva la aplicacin.

La dimensin del Ncleo de f la podemos obtener de la frmula:
dim(\3 ) = dim(Ker( f )) + dim(Im( f )),

como la dimensin de Im( f ) es 2 y la dimensin de \ 3 es 3 ,
concluimos que dim(Ker( f )) = 1. Este resultado nos indica que f
tampoco es inyectiva, pues para ello tendra que suceder que
dim(Ker ( f )) = 0 .
125 125
125 125
8.- Sea la aplicacin lineal f : \ \ 3 definida por la
3
9.- Dados los subespacios vectoriales de R3 definidos por

H = (1,1,1) , (1, 2,1) y S = {( x, y, z ) \ 3 / x = z} calcular la dimensin
de S H .
SOLUCIN:
Sabemos que se cumple la siguiente relacin:
dim(H + S ) = dim H + dim S dim(H S )
Tenemos que H est generado por dos vectores que son linealmente
independientes, por lo tanto, dim H = 2 , por otro lado, se tiene que
S = {( x, y, z ) \ 3 /x = z} = {( x, y, x), x, y R} =
()
(1, 0,1) , ( 0,1, 0 ) , es
decir, S tambin est generado por dos vectores linealmente

independientes, por lo que dim S = 2.
() NOTA : En las ecuaciones de S slo aparecen las coordenadas x y
z . Un error generalizado entre los alumnos es el pensar , en este caso,
que la coordenada y = 0 . En caso de que eso sucediera vendra
especificado como una ecuacin ms de las de S .
Sabiendo que el subespacio H + S est 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 0
dim(H + S ) = rang 1 2 0 1 = rang 0 1 0 0 = 2.

1 1 1 0 0 0 0 0

Sustituyendo estos datos en la frmula de las dimensiones, tenemos que:

2 = 2 + 2 dim(H S ) , es decir: dim(H S ) = 2.
126 126
126 126
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
con la base B 1 a \ 3 con la base cannica B C , mediante la matriz P

cambio de base de B 1 a BC. Esta matriz P es la siguiente:
3 1 0

1 1 2 , por otro lado podemos pasar de \ con la base cannica
2
0 1 3

B C a \ 2 con la base B 2 , mediante la matriz Q 1 , siendo Q , la matriz
1 2
cambio de base de B 2 a BC , Q= . Esquemticamente
1 3
tenemos lo siguiente:
127 127
127 127
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
11.- Si f : \ 3 \ 2 es una aplicacin lineal, tal que;
f (1, 1, 2 ) = ( 2,1) ; f (1, 0, 2 ) = ( 0,1) y f ( 0, 0,1) = (1, 0 ) Cul es el
valor de f (1,1, 1) ?
SOLUCIN:
El vector (1,1, 1) se puede expresar como combinacin lineal de los
vectores: {(1, 1, 2 ) , (1, 0, 2 ) , ( 0, 0,1)} .
(1,1, 1) = (1, 1, 2 ) + (1, 0, 2 ) + ( 0, 0,1)
De esta expresin obtenemos el siguiente sistema:

+ = 1

= 1
2 2 + = 1

La solucin de este sistema es = 1; = 0; = 1 .

Concretamente tenemos que:
(1,1, 1) = (1, 1, 2 ) + 0 (1, 0, 2 ) + ( 0, 0,1) .
128 128
128 128
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)
= f (1,1,2) + 0 f (1,0,2) + f (0,0,1) =

= (2,1) + 0(0,1) + (1, 0) = (1, 1)
(1) Esta igualdad se cumple por ser f una aplicacin lineal.

12.- Dada la aplicacin lineal f : \ 3 \ 2 definida por la
matriz
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
con la base B 1 a \ 3 con la base cannica B C , mediante la matriz P

cambio de base de B 1 a BC. Esta matriz P es la siguiente:
129 129
129 129
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:
f ( x1 , x2 , x3 , x4 ) = (x2 + 2x3 + 2x4 , x1 + x2 + 3x3 + 2x4 , 2 x1 + 2x2 + 6x3 + 4x4 ).

Calcular la matriz asociada a f respecto de las bases cannicas.
SOLUCIN:
La base cannica de \ 4 es {(1, 0, 0, 0 ) , ( 0,1, 0, 0 ) , ( 0, 0,1, 0 ) , ( 0, 0, 0,1)} .
Veamos cules son sus imgenes mediante la aplicacion f .
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)
por lo tanto, la matriz asociada a f en las bases cannicas es aquella

cuyas columnas son las imgenes de los vectores de la base:
A = ( f (1, 0, 0, 0) f (0,1, 0, 0) f (0, 0,1, 0) f (0, 0, 0,1) ) =
130 130
130 130
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
respecto de la base B = {(1, 2 ) , ( 3, 2 )} .
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
131 131
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:
dim(R 5 ) = dim(Ker( f )) + dim(Im( f ))
Por otro lado sabemos que:

1 1 0 3 1
( oper .elem.)
dim(Im( f )) = rang( A) = rang 2 4 4 3 0 =
0
2 4 3 2
( oper .elem.)
1 1 0 3 1

= rang 0 2 4 3 2 = 2
0 0 0 0 0

Luego: 5 = dim(Ker( f )) + 2 dim(Ker ( f )) = 3
16.- Sea un sistema lineal homogneo de tres ecuaciones con tres

incgnitas en el que la matriz del sistema, A , tiene rango 1 . Los
vectores (1, 1, 0 ) y ( 0,1,1) son soluciones de este sistema, cul de
los siguientes vectores no es solucin del sistema?
130 130
130 130
a) (0, 2, 2) b) (1, 0,1) c) ( 2, 1,1) d) ( 2, 1, 0 )

SOLUCIN:
Como el sistema es de tres ecuaciones con tres incgnitas y la matriz
A , cumple que rang ( A) = 1 (es decir el sistema puede ser reducido a una
sla ecuacin por ser las otras dos combinacin lineal de sta) , se tiene
que el subespacio solucin del sistema (recordamos que la solucin de
todo sistema homogneo es un espacio vectorial ) es de dimensin 2 ,
sabemos que (1, 1, 0 ) y ( 0,1,1) son vectores del subespacio solucin y
adems 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 combinacin lineal de
{(1, 1, 0 ) , ( 0,1,1)} no ser solucin del sistema.
a) (0, 2, 2) = 0 (1, 1, 0 ) + 2 ( 0,1,1) , por lo tanto (0, 2, 2) pertenece al
subespacio solucin.
b) (1, 0,1) = 1(1, 1, 0 ) + 1( 0,1,1) , por lo tanto (1, 0,1) pertenece al
subespacio solucin.
c) ( 2, 1,1) = 2 (1, 1, 0 ) + 1( 0,1,1) , por lo tanto (2, 1,1) pertenece al
subespacio solucin.
d) No existen , \ : ( 2, 1, 0 ) = (1, 1, 0 ) + ( 0,1,1) , ya que
= 2

tendramos el siguiente sistema: + = 1 , de la primera y la
= 0
ltima ecuacin obtenemos que = 2 y que = 0 , pero si sustituimos
131 131
131 131
estos valores en la 2 a ecuacin obtenemos que 2 + 0 = 1, lo que

evidentemente no es cierto, por lo que el sistema es incompatible, ya que
no existen valores de y que verifiquen las tres ecuaciones. De
este resultado deducimos que ( 2, 1, 0 ) no pertenece al subespacio de las
soluciones del sistema homogneo.

17.- Estudiar para qu valores de a y b los vectores
(3, 0, a, 1), (1,1, 0, b) y (2, 5, b, 4) de \ 4 son linealmente
dependientes.
SOLUCIN:
Para que sean linealmente independientes la matriz que definen tiene
que tener rango 3.
3 1 2
0
1 5
Dicha matriz es A= . Realizando transformaciones
a 0 b
b 4
1
elementales obtenemos la siguiente forma escalonada reducida de A :
3 1 2
0
3 15
. Como el rango de una matriz y el de cualquiera de sus
0 0 3b + 3a
0 0
0
formas escalonadas reducidas coincide, tenemos que rang ( A) = 2 , si y
slo si 3b + 3a = 0, es decir, si y slo si a = b.
18.- Sea f : \ 3 \ 2 una aplicacin lineal que verifica:

f (1, 2,1) = (1,1) , f (0,1, 2) = (1, 2) , f (0, 0,1) = (1, 1) . Calcular la
imagen del vector (5, 2,1) .
132 132
132 132
SOLUCIN:
Vamos a calcular cul es la matriz asociada a f respecto de la base
cannica:
f (1, 0, 0) = f ((1, 2,1) 2(0,1, 2) + 3(0, 0,1)) =

= f (1, 2,1) 2 f (0,1, 2) + 3 f (0, 0,1) =
= (1,1) 2(1, 2) + 3(1, 1) = (2, 6)
f (0,1, 0) = f ((0,1, 2) 2(0, 0,1)) =

= f (0,1, 2) 2 f (0, 0,1) = (1, 2) 2(1, 1) = (1, 4)
f (0, 0,1) = f (0, 0,1)
Por lo tanto la matriz asociada a f respecto a las bases cannicas es:

2 1 1
A = ( f (1, 0, 0) f (0,1, 0) f (0, 0,1) ) = .

6 4 1
Conocida la matriz sabemos que
5
2 1 1 9
f ( x) = Ax f ((5, 2,1)) = 2 =
6 4 1 1 23

133 133
133 133
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
dim(Im( f )) = rangA = 2 dim(\ 3 ) f no es sobreyectiva.
Por la frmula:
dim(\ 2 ) = dim(Ker( f )) + dim(Im( f ))

dim(Ker ( f )) = 2 dim(Im( f )) = 2 2 = 0
Ker( f ) = 0 {}
f es inyectiva.
A pesar de ser inyectiva, por no ser sobreyectiva, no podr ser biyectiva.

20.- Para la aplicacin f : \ 4 \ 3 la aplicacin lineal
definida por:
f ( x1 , x2 , x3 , x4 ) = (x2 + 2x3 + 2x4 , x1 + x2 + 3x3 + 2x4 , 2x1 + 2x2 + 6x3 + 4x4 )
calcular unas ecuaciones del subespacio Im( f ) .
SOLUCIN:
{ () }
Im( f ) = y R 3 /x \ 4 : f x = y =

y = ( y1, y2 , y3 ) \ 3 / x = ( x1, x2 , x3 , x4 ) \ 4 :

= ( x2 + 2x3 + 2 x4 , x1 + x2 + 3x3 + 2x4 , 2 x1 + 2x2 + 6x3 + 4 x4 )
= ( y1 , y2 , y3 )

134 134
134 134

( 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
21.- Calcular una base para el ncleo de la aplicacin lineal

f : \ 4 \ 3 definida por:
f ( x1 , x2 , x3 , x4 ) = (x2 + 2x3 + 2x4 , x1 + x2 + 3x3 + 2x4 , 2x1 + 2x2 + 6x3 + 4x4 )
135 135
135 135
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
= ( x1, x2 , x3 , x4 ) \ / x1 + x2 + 3x3 + 2x4

4
= 0 =
2 x1 + 2x2 + 6 x3 + 4x4 = 0

x + x3 = 0
= ( x , x , x , x ) \4/ 1 =
x + 2x + 2 x
= 0
1 2 3 4
2 3 4
= ( 1, 2,1, 0 ) , ( 0, 2, 0,1) =
= (1, 2, 1, 0 ) , ( 0, 2, 0, 1) .
22.- Consideremos los siguientes subespacios vectoriales de \ 3 :
L= ( 1, 0, 2 ) , (0,1, 0) y M = {( x, y, z ) \ 3 /x = y} . Estudiar cundo
el vector x = (a, 1, 2) pertenece al subespacio L M .
SOLUCIN:
Si a = 1
Entonces x = (1, 1, 2), cumple que como sus dos primeras
componentes coinciden entonces x M , veamos si x L . Para ello

tendramos que encontrar , \ tal que:
x = ( 1, 0, 2 ) + (0,1, 0)
(1, 1, 2) = ( , 0, 2 ) + (0, , 0) = ( , , 2 )
136 136
136 136
(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
{(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 condicin de ser generador hay que aadirle
ser linealmente independientes. El vector ( 0, 1, 2 ) = 1( 0,1, 2 ) , por lo
que podra ser extrado del sistema por ser combinacin lineal de uno de
ellos.
Nos quedaramos con {(1,1,1) , ( 0,1, 2 )} que sigue siendo sistema
generador de Im( f ) y adems es linealmente independiente, ya que los

nicos , y \ que cumplen que: (1,1,1) + ( 0,1, 2 ) = ( 0, 0, 0 ) son
= 0, y = 0. Tambin se podra haber razonado viendo que el rango

1 0
de la matriz 1 1 es dos, por lo tanto los dos vectores que definen sus
1 2

columnas son linealmente independientes.
137 137
137 137
Luego una base de Im( f ) es {(1,1,1) , ( 0,1, 2 )}.

24.- Consideremos los elementos del espacio vectorial P2 , de los
polinomios reales de grado a lo sumo 2, p( x) = 1, q( x) = 1 + x, y
r ( x) = 1 x 2 . 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 P2 engendrado por { p( x), q( x), r( x)}
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
138 138
+ + = 0

Por lo tanto, obtenemos que: = 0 = = 0 y
= 0
sustituyendo en la 1 a ecuacin se tiene: = 0 de aqu 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 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
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.
SOLUCIN:
a) Falso.
Valga el siguiente contraejemplo: Sea U = \3 ,
{u, v} = {(1, 0, 0) , ( 0,1, 0)} y {v, w} = {( 0,1, 0) , ( 2, 0, 0)} , se cumple que
139 139
139 139
ambos sistemas son libres, sin embargo,
{u, v, w} = {(1, 0, 0) , (0,1, 0), (2, 0, 0)} no es un sistema libre, ya que
w = 2u .
b) Falso.
Valga el siguiente contraejemplo: Sea U = \3 ,
{u, v} = {(1, 0, 0) , ( 0,1, 0)} y {v, w} = {( 0,1, 0) , ( 0, 0,1)}, se cumple que

ambos sistemas son libres y {u, v, w} = {(1, 0, 0 ) , (0,1, 0), (0, 0,1)} es un
sistema libre, ya que se trata de la base cannica de \ 3 .

c) Falso.
{ }
Un sistema de la forma u, u, w nunca puede ser libre, porque dos de
sus vectores son linealmente dependiente u = 1.u .
26.- Dados los subespacios vectoriales de \ 4 :
L = (1, 0, 2, 0 ) , ( 1, 2,1,1) , ( 0, 0,1, 0 ) , ( 0, 0, 0,1) y
S = {( x, y, z, t ) / x y = 0} . Se pide la dimensin de L S .
SOLUCIN:
Tenemos que S = {( x, y, z, t ) / x y = 0} = {( x, x, z, t ) / x, z, t \} =
= (1,1, 0, 0 ) , ( 0, 0,1, 0 ) , ( 0, 0, 0,1) .
Para calcular dim(L S ) , lo que vamos a hacer es calcular dim(L + S )

y a continuacin aplicar la frmula:
dim(L + S ) = dim(L) + dim(S ) dim(L S )
dim(L S ) = dim(L) + dim(S ) dim(L + S ).
140 140
140 140
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
141 141
b) M nunca es invertible.
27.- Sea la aplicacin lineal f : \ 3 \ 2 definida por

f ( x, y, z) = (x + y, x z) . Hallar el conjunto imagen de f .
SOLUCIN:
Sabemos que:
Im( f ) = {( a, b ) \ / ( x, y, z) \ : f (( x, y, z)) = (a, b)} =
2 3
= {( a, b ) \ / ( x, y, z) \ : (( x + y, x z)) = (a, b)} =

2 3
x + y = a
= ( a, b ) \ 2 / ( x, y, z) \ 3 : =
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
28.- Sea f : \ 3 \ la aplicacin lineal definida por

f ( x, y, z) = 3x 2 y + 5z . Encontrar una base del ncleo de f .
SOLUCIN:
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
29.- Sea E un espacio vectorial sobre K de dimensin 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.
142 142
142 142
b) M nunca es invertible.
c) Al ser f un endomorfismo es siempre biyectivo.
d) M siempre es invertible.
SOLUCIN:
a) Verdadero.
i) Veamos que si f es inyectiva M es invertible.
Tenemos la frmula:
dim(E) = dim(Im( f )) + dim(Ker( f )).
Si f {}
es inyectiva, sabemos que Ker ( f ) = 0 dim(Ker( f )) = 0,
sustituyendo este dato en la frmula anterior vemos que

dim( E) = dim(Im( f )) . Por otro lado, sabemos que
dim(Im( f )) = rang (M ) , luego
rang (M ) = dim(E) = n , y como M M nxn (R) , se deduce que M 0 y
esta propiedad ya implica que M es invertible.

ii) Veamos que si M es invertible f es inyectiva.
Si M es invertible M 0 , por lo tanto, rang (M ) = n , y como
rang (M ) = dim(Im( f )) , obtenemos que dim(Im( f )) = n . Sustituyendo

este dato en la frmula de las dimensiones:
dim(E) = dim(Im( f )) + dim(Ker( f )) , se llega a que
n = n + dim(Ker( f )) , es decir,
143 143
143 143
{ }
Ker ( f ) = x \ /f (x) = 0 = {( x, y) \ 2 /f ( x, y) = (0, 0)} =
2
dim(Ker ( f )) = 0 y el nico subespacio de dimensin 0 es el
subespacio nulo: Ker ( f ) = 0{} y esa es la condicin 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 f : \ 2 \ 2 definida de la siguiente forma:
f (( x, y)) = (x y, x y)
Veamos que f es un endomorfismo. Para ello slo habra que

comprobar que es lineal ya que evidentemente es aplicacin.
?
f ( x + y) = f ( x) + f ( y)
Supongamos que x = (x1 , x2 ) e y = ( y1 , y2 ) , entonces:
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
144 144
{ }
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
significa que no puede ser biyectivo.

d) Falso.
En el apartado a) ya hemos demostrado que M slo 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 aplicacin lineal g D f : V U .
SOLUCIN:
La matriz asociada a g D f , ser M , tal que g D f ( x) = M x
Ahora bien, sabemos que:
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.
31.- Sea f una aplicacin lineal. Razonar si de los siguientes

apartados puede haber alguno(s) verdadero(s):
a) Si f : \ 3 \ 5 nunca ser sobreyectiva.
b) Si f : \ 3 \ 3 siempre es biyectiva.
c) Si f : \ 4 \ 3 siempre es inyectiva.
145 145
145 145
Si f f: \es
d) ii) 3 3
lineal: \ nunca ser sobreyectiva.
SOLUCIN:
a) Verdadero.
Por la frmula de las dimensiones sabemos que:
dim(\ 3 ) = dim(Ker( f )) + dim(Im( f )) , si la aplicacin fuera

sobreyectiva tendramos que Im( f ) = \ 5 , por lo tanto
dim(Im( f )) = dim(\ 5 ) = 5 . Luego, la frmula de las dimensiones nos

quedara como sigue: 3 = dim(Ker( f )) + 5 , de donde se deduce que
dim(Ker( f )) = 2 , lo que no puede suceder, ya que la dimensin de todo
espacio vectorial es siempre un nmero entero no negativo.
b) Falso.
Como contraejemplo utilizaremos la siguiente aplicacin: f : \3 \3
definida por: f (( x, y, z)) = (x, 0, 0) .
Veamos en primer lugar que f es una aplicacin lineal.
i) f es aplicacin:
i.1) ( x, y, z) \ 3 , ( x, 0, 0) \ 3 : f (( x, y, z)) = ( x, 0, 0) , es decir, todo
elemento de \ 3 tiene su imagen en \ 3 .

i.2) 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 ( x, 0, 0) = (x , 0, 0), 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 nica imagen en \ 3 .
146 146
146 146
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)
Veamos que f no es inyectiva

Sean por ejemplo x = (1, 2, 3) e y = (1, 3, 4) evidentemente se tiene que
x y y sin embargo, f ( x) = (1, 0, 0) = f ( y) , luego f no es inyectiva.
Por no ser inyectiva, ya no ser biyectiva.

c) Falsa.
De nuevo recurrimos a la frmula:
dim(\ 4 ) = dim(Ker( f )) + dim(Im( f )) , si f fuera inyectiva, sabemos
{}
que Ker ( f ) = 0 , es decir, dim(Ker ( f )) = 0 , y sustituyendo este dato
en la anterior frmula, se obtiene que: dim(\ 4 ) = dim(Im( f )) , por lo

tanto: dim(Im( f )) = 4 , sin embargo, Im( f ) \ 3 de donde se deduce
que dim(Im( f )) dim(\ 3 ) = 3 . De este razonamiento se concluye que si
f : \ 4 \ 3 es una aplicacin lineal, nunca puede ser inyectiva.
d) Falso.
147 147
147 147
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 )
esta generado por las imgenes de los vectores de la base, es decir,

Im( f ) =< f (e1), f (e 2), f (e3), f (e 4) >, luego de este conjunto podemos
extraer una base de 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
148 148
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 ).
Nota: Tambin se puede tomar como base { f (e 2), f (e3)} pero no

{ f (e 2), f (e 4)}, ya que f (e 2) = f (e 4).
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 >
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
tambin sirven como base de Ker( f ).
Otra forma de verlo es juntar las bases de Ker ( f ) e Im ( f ) , en una
matriz Q4 x 4 = ( w1 w 2 f (e 1) f (e 2) ) y observar que tiene rango 2, lo
cual nos esta diciendo que w1 y w 2 son combinacin lineal de f (e 1) y

f (e 2) y viceversa, ambos espacios estaran contenidos el uno en el otro,
luego son iguales.
149 149
149 149
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

Veamos en primer lugar cul es la dimensin de L .
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.
Veamos ahora cul es la dimensin de M .
Un sistema generador de dicho subespacio es el {(1, a,1, 2), (0, 2,1, a)}
para que fuera base tendran que ser linealmente independientes, o

1 0
a
2
equivalentemente, que Rang = 2 , ahora bien, esto s se cumple
1 1

2 a
150 150
150 150
1 0
ya que existe el menor de orden 2 siguiente: 0 , luego,
1 1
dim(M ) = 2 .
Sabemos que: dim(L + M ) = dim(L) + dim(M ) dim(L M )
dim(L + M ) = 2 + 2 dim(L M )
dim(L + M ) = 4 dim(L M )
Las dos condiciones de (1) se cumplirn simultneamente, es decir,
dim(L + M ) = 4 dim(L M ) = 0 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 A = ( u1 u 2 v 1 v 2 ) y
cuando tenga rango 4, los vectores u1 y u 2 sern linealmente

independientes con v 1 y v 2.
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.
34.- Dado los subespacios de \4 ,

L =< (1, 2, 0, 3), (0,1, 2, 0) >=< u 1, u 2 > y
M = { x \ 4 / x = (a, 0, 2a, b), a, b \} , calcular L M .
SOLUCIN:
M = { x \ 4 / x = (a, 0, 2a, b), a, b \} =< (1, 0, 2, 0), (0, 0, 0,1) >=
151 151
151 151
=< 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
Adems tambin sabemos que:

dim(L + M ) = dim(L) + dim(M ) dim(L M )
4= 2 + 2 dim(L M )
4= 4 dim(L M )
dim(L M ) = 0 L M = {0}
35.- Siendo F = {( x, y, z) \ 3 / x 2 y + 3z = 0} , Con cual de los
siguientes subespacios se verifica que F H = \ 3 ?
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
152 152
i) dim(\ 3 ) = dim(F ) + dim(H ) 3 = 2 + dim(H ) dim(H ) = 1.
ii) H F = {0}
a) Con este H no se cumple, ya que dim(H ) = 2.

H = {( x, y, z) \ 3 / x y + 3z = 0} = {( x, y, z) \ 3
/ x = y 3z} =
=< (1,1, 0), (3, 0,1) >
b) Con este H tampoco se cumple, ya que:

2x + y + z = 0
= ( x, y, z) \ 3 / =

yz =0
x = z
= ( x, y, z) \ 3 / =
y=z
=< (1,1,1) >
ahora bien (1,1,1) F ya que verifica sus ecuaciones
( en este caso solo es una), luego H F {0}

c) Este subespacio no es vlido porque dim(H ) = 2.
H = {( x, y, z) \ 3 / x = 0} =< (0,1, 0), (0, 0,1) >
d) Este subespacio s lo cumple:
H = {( x, y, z) \ 3 / x = y = z} =
=< (1,1,1) > dim(H ) = 1.

dim(L F ) = dim(L) + dim(F ) dim(L + F ) =
2 3 1

= 1 + 2 rango 1 0 1 =
0 1 1

= 3 3 = 0
153 153
153 153
H F = {0}
36.- Sea f : \ 2 \ 3 la aplicacin lineal tal que:
f (1, 2) = (3, 1, 5) y f (0,1) = (2,1, 1) .
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
f (1, 0) = f [ (1, 2) + (0,1)] = f [(1, 2) 2 (0,1)] =

= f (1, 2) 2 f (0,1) = (3, 1, 5) 2(2,1, 1) = (1, 3, 7),
luego la matriz asociada a f respecto de B es
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
154 154
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

37.- Sean las aplicaciones lineales de \ 3 \ 3 definidas por:

f (x, y, z) = (0, x 4y, 2x + y 2z);
g ( x, y, z) = (3x, x y, 2x + y + z); h( x, y, z) = (x, y, z) ,
calcular la matriz asociada a la aplicacin [( gog ) h]of en las bases

cannicas .
SOLUCIN:
0 0 0
La matriz asociada a f es A = 1 4 0 , a g es

2 1 2
155 155
155 155
3 0 0 1 0 0
B = 1 1 0 y a h es C = 0 1 0 La matriz asociada a

2 1 1 0 0 1

[( 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 ( 3.0, 0 ( x 4 y), ( x 4 y) + (2x + y 2z) ) ( 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)
38.- Sean los siguientes subespacios vectoriales de \ 3 :
L = {( x, y, z) \ 3 / x + 3 y z = 0} y M = {( , 0, 3 ) \ 3 / \} .
Calcular L M .
SOLUCIN:
156 156
156 156
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 >
L M , son los vectores de \ 3 que cumplan tanto las ecuaciones de L

como de M , es decir,
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 ) = dim(L) + dim(M ) dim(L + M )
dim(L M ) = 2 + 1 3 = 0
L M = {0}
157 157
157 157
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
158 158

CAPITULO4 Esp Vectorialescm

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

CAPITULO4 Esp Vectorialescm

Uploaded by

Copyright:

Available Formats

Guerra, N.; Lpez, B.; Quintana, M.P.; Surez, A.

Espacios Vectoriales y Aplicaciones Lineales

Reforzar el conocimiento de la estructura comprobando que son

menor o igual que n, las funciones reales continuas, las matrices

Obtener combinaciones lineales de vectores de un subconjunto

Utilizar la correspondencia entre operaciones con aplicaciones

Sea K un cuerpo conmutativo con leyes suma y producto a cuyos

E es un espacio vectorial sobre el cuerpo K si se verifica:

x E 0 E : x + 0 = x (el 0 es el elemento neutro).

Existe sobre E una ley de composicin externa, cuyo dominio de

(a) Distributiva respecto a la suma de escalares: ( + ) x = x + x

NOTA: Si no se hace mencin contraria, K ser el cuerpo de los

2. PROPIEDADES DE UN ESPACIO VECTORIAL

Las principales propiedades de un espacio vectorial son las siguientes:

Un sistema de vectores es un conjunto (trabajaremos siempre con un

2.2. Combinacin Lineal

si la condicin x = 1 x1 + 2 x2 + + n xn = 0 , implica necesariamente

En caso contrario, el sistema S es linealmente dependiente.

En un sistema linealmente independiente S la nica posibilidad de

3. PROPIEDADES DE LOS SISTEMAS LINEALMENTE DEPENDIENTES E

Las principales propiedades de los sistemas linealmente dependientes o

Si un sistema S es linealmente independiente, cualquier sistema S

Todo sistema S que contenga al vector 0 es linealmente dependiente

Si un sistema S es linealmente dependiente, todo sistema S que lo

Si un sistema S es linealmente independiente y el sistema S = S x {}

Si S es un sistema de vectores, S denotar el conjunto de vectores

que son combinacin lineal de vectores de S .

3.2. Sistemas Equivalentes

Las principales formas para obtener un sistema equivalente a uno dado

4. SUBESPACIOS VECTORIALES. OPERACIONES CON SUBESPACIOS

4.1. Subespacio vectorial

Sea E un espacio vectorial sobre un cuerpo K . Todo subconjunto V de

Sea E un espacio vectorial sobre un cuerpo K y sea V un subconjunto

4.4. Interseccin de Subespacios vectoriales

4.5. Subespacios Disjuntos

Dos subespacios vectoriales V1 y V2 son disjuntos si y slo si V1

4.6. Suma de subespacios vectoriales

Dados dos subespacios vectoriales V1 y V2 de E , se define su suma:

Si V1 V2 = E , V1 y V2 se llaman subespacios suplementarios.

Si un espacio vectorial E es suma directa de dos subespacios V1 y V2 ,

Importante: La unin de subespacios vectoriales no es en general

4.8. Sistema generador

Un sistema S de vectores de V es un sistema generador del subespacio

NOTAS: Las formas ms usuales de expresar un subespacio V suelen

Dando las ecuaciones implcitas , que equivale a dar restricciones a

Dando las ecuaciones paramtricas, que expresan las coordenadas de los

5. BASES DE UN ESPACIO VECTORIAL. DIMENSIN

5.1. Base de un espacio vectorial

Una base de un espacio vectorial E es cualquier sistema S de vectores

Todo espacio vectorial admite al menos una base

Sea V un espacio vectorial de dimensin n y B = {v1, v 2,", v n} una

base suya. Si divido B en dos sistemas de vectores disjuntos

subespacios generados por los sistemas B1 y B2 son suplementarios.

5.6. Coordenadas de un vector en una base

x = x1 e1 + x2 e2 + + xn en se dice que ( x1 , x2 ,, xn ) son las coordenadas

del vector x en la base B .

En el espacio vectorial real \ n la base B = {e1 , e2 ,, en } con

5.7. Rango de un sistema de vectores.

El rango de un sistema S de vectores es la dimensin del subespacio

dim( S ) = rang (S ) = rang ( A)

5.8. Base Incompleta

Sea E un espacio vectorial de dimensin n y V un subespacio

se puede encontrar una base B de E ampliando la de V , es decir:

6. RELACIN ENTRE DIMENSIONES