Apunts I Problemes Tema 1

LGEBRA I CLCUL MULTIVARIABLE
Curs 2016-2017
lgebra Lineal y Geometra
1. Espacios Vectoriales
Objetivos
J
J Conocer el concepto de espacio vectorial y sus propiedades.
J Conocer los conceptos de sistema generador e independencia lineal.
J Saber determinar una base de un espacio vectorial.
Calcular la matriz de cambio de base.
1.1 Definiciones
Un espacio vectorial es una estructura algebraica creada a partir de un conjunto no vaco,
una operacin interna y otra operacin externa que cumplen ciertas propiedades fundamen-
tales. A los elementos de un espacio vectorial se les llama vectores y a los elementos del
cuerpo, escalares.
Definicin Sea E un conjunto no vaco, en el que hay definidas una operacin interna
y otra externa denominadas suma y producto por escalares, respectivamente.
+ : E E E : R E E
(~u, ~v) ~u + ~v (, ~u) ~u
Denominamos espacio vectorial sobre el cuerpo R de los nmeros reales a la terna (E, +, ),
si se cumplen las siguientes propiedades:
(i) El par (E, +) verifica las siguientes propiedades que lo dotan de estructura de grupo
abeliano.
(a) (~u + ~v) + w ~ (asociativa)
~ = ~u + (~v + w)
(b) ~u + ~v = ~v + ~u (commutativa)
1
2
(c) existe un elemento de E, ~0, denominado elemento neutro de E, tal que ~u +~0 = ~u,
para todo ~u E.
(d) para todo elemento ~u E, existe un elemento de E denotado por ~u, y
denominado elemento opuesto de ~u, tal que ~u + (~u) = ~0.
(ii) Dados , R y ~u, ~v E se cumple.

(e) ( + ) ~u = ~u + ~u.
(f) (~u + ~v ) = ~u + ~u.
(g) ( ) ~u = ( ~u).
(h) 1 ~u = ~u.
Los elementos de un espacio vectorial se denominan vectores, y los nmeros reales reciben
el nombre de escalares.
Ejemplo Los siguientes conjuntos con las operaciones definidas en cada caso son espacios
vectoriales

(i) El conjunto R3 = (x, y, z) : x, y, z R con las operaciones
(x1 , y1, z1 ) + (x2 , y2, z2 ) = (x1 + x2 , y1 + y2 , z1 + z2 ) y (x, y, z) = (x, y, z).
(ii) El conjunto Rn [x] de los polinomios con coeficiente reales de grado menor o igual que
n con las operaciones habituales
p(x) + q(x) = (a0 + a1 x + + an xn ) + (b0 + b1 x + + bn xn )
= (a0 + b0 ) + (a1 + b1 )x + + (an + bn )xn ,
p(x) = (a0 + a1 x + + an xn )
= a0 + a1 x + + an xn .
(iii) El conjunto MR (m, n) de las matrices de orden m n con las operaciones suma de
matrices y producto por escalares visto en Clcul (Matemtiques 1).
Un subconjunto F no vaco de un espacio vectorial (E, +, ) es un subespacio vectorial

de E si se cumplen las siguientes propiedades
(i) ~u, ~v F = ~u + ~v F .
(ii) R y ~v F = ~u F .
c
Carmona, . & Encinas, A.M. LGEBRA I CLCUL MULTIVARIABLE. EEBE, 2017
3
De forma equivalente podramos comprobar que para todo , R y ~u, ~v F se verifica

que ~u + ~v F .
Entre los subespacios vectoriales de (E, +, ) tenemos los llamados triviales que son el
{0} y el total E.
Proposicin Si F es un subespacio vectorial de (E, +, ), entonces ~0 F .

Demostracin Sea ~u F , entonces ~u F = ~u + ~u = ~0 F.
Ejemplos Probar si los siguientes subconjuntos son subespacios vectoriales o no del
espacio correspondiente.
( !)
a11 0
(1) F = A M22 (R) : A = M22 (R).
a21 a22
!
0 0
En primer lugar observamos que F . Comprobamos el resto de propiedades:
0 0
! ! !
a11 0 b11 0 a11 + b11 0
+ = F,
a21 a22 b21 b22 a21 + b21 a22 + b22
ya que es una matriz con el elemento 12 nulo. Adems,

! !
a11 0 a11 0
= F,
a21 a22 a21 a22
ya que es una matriz con el elemento 12 nulo.

(2) F = (x, y) R2 : x + y = 0 R2 .
En primer lugar observamos que (0, 0) F . Comprobamos el resto de propiedades:
(x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , y1 + y2 ) F,
ya que si sumamos las dos coordenadas obtenemos que
(x1 + x2 ) + (y1 + y2 ) = x1 + y1 + x2 + y2 = 0 + 0 = 0
mientras que
(x1 , y1 ) = (x1 , y1 ) F,
ya que si sumamos las coordenadas obtenemos que
x1 + y1 = (x1 + y1 ) = 0.
c
4

(3) F = (x, y) R2 : x + y = 1 R2 .
En primer lugar observamos que (0, 0)
/ F , por tanto F no es un subespacio vectorial
de R2 .
1.2 Combinacin lineal de vectores

Sea S = ~v1 , . . . , ~vm un conjunto de vectores de un espacio vectorial E. Un vector ~u es
una combinacin lineal de los vectores de S, si existen escalares 1 , . . . , m tales que
~u = 1~v1 + + m~vm .
Una combinacin lineal se denomina nula si es igual al vector ~0. Cuando todos sus escalares
son nulos obtenemos la combinacin lineal trivial; es decir,
~0 = 0 ~v1 + + 0 ~vm .

Definicin Un conjunto S = ~v1 , . . . , ~vm de vectores de un espacio vectorial E se llama
libre si su nica combinacin lineal nula es la combinacin lineal trivial. En caso contrario,
el conjunto S se denomina ligado. Los vectores de un conjunto libre se denominan lineal-
mente independientes, mientras que los de un conjunto ligado se denominan linealmente
dependientes.
Ejemplos
Expresar el vector ~u = (2, 1) R como combinacin lineal de
2
(a) S = ~e1 = (1, 0), ~e2 = (0, 1)

Escribimos el vector como combinacin lineal de los elementos de S
(2, 1) = (1, 0) + (0, 1) = (, ).
Igualando componentes obtenemos que = 2 y = 1. Por tanto,
(2, 1) = 2 (1, 0) + (1) (0, 1).

(b) S = ~v1 = (2, 2), ~v2 = (4, 1)
(2, 1) = (2, 2) + (4, 1) = (2 + 4, 2 + ).
Igualando componentes obtenemos el sistema
)
2 = 2 + 4
1 = 2 +
cuya solucin es = 1 y = 1. Por tanto,
c
5
(2, 1) = (1) (2, 2) + 1 (4, 1).

( c) S = w~ 1 = (0, 1), w
~ 2 = (2, 1), w
~ 3 = (1, 2)
(2, 1) = (0, 1) + (2, 1) + (1, 2) = (2 , + 2).

)
2 = 2
1 = + 2
que es compatible e indeterminado y las soluciones son = 5 + 3 y = 2 2. Por
tanto,
(2, 1) = (5 + 3) (0, 1) + (2, 1) + (2 2)(1, 2).
Observamos que existen infinitas combinaciones lineales de los vectores de S que nos dan el
vector ~u.

( d) S = ~z1 = (4, 6), ~z2 = (6, 9)
(2, 1) = (4, 6) + (6, 9) = (4 6, 6 + 9).

)
2 = 4 6
1 = 6 + 9
que es incompatible. Por tanto, el sistema no tiene solucin y el vector ~u no se puede expresar
como combinacin lineal de los elementos de S. Observar que
3~z1 + 2~z2 = ~0.
Por lo que S es un sistema ligado y el vector ~u es independiente de los vectores de S.

Ejemplos Comprobar si los vectores ~u = (3, 1, 2) y ~v = (4, 1, 2) son linealmente
independientes o linealmente dependientes.
Planteamos el sistema que nos proporciona la combinacin lineal nula
(0, 0, 0) = (3, 1, 2) + (4, 1, 2) = (3 + 4, , 2 + 2).
c
6
Por tanto,
0 = 3 + 4

0= = = = 0.

0=+
Como la nica solucin del sistema es la nula, el sistema de vectores S = {~u, ~v } es linealmente
independiente.
Comprobar si los vectores ~u = (1, 1, 0) y ~v = (3, 3, 0) son linealmente independientes
o linealmente dependientes.
Planteamos el sistema que nos proporciona la combinacin lineal nula
(0, 0, 0) = (1, 1, 0) + (3, 3, 0) = ( + 3, 3, 0).
Por tanto,
0 = + 3

0 = 3 = = 3.

0=0
Existen infinitas combinaciones lineales no nulas de los vectores ~u, ~v , por lo que el sistema
de vectores S = {~u, ~v} es linealmente dependiente. Observar que ~v = 3~u.
Proposicin Un conjunto de vectores S con al menos 2 elementos, es libre si y slo si
ningn vector de S es combinacin lineal del resto.

Demostracin Sea S = ~v1 , . . . , ~vm con m 2. Supongamos que
~vj = 1~v1 + + ~vbj + + m~vm ,
para algn j = 1, . . . , m, donde ~vbj significa que el vector ~vj no aparece en la combinacin.
Entonces,
~0 = 1~v1 + ~vj + + m~vm
es una combinacin lineal de los vectores de S no trivial, ya que j = 1 6= 0. Por tanto, S
es ligado.
Recprocamente, si S es ligado existen 1 , . . . , m no todos nulos tales que
~0 = 1~v1 + + j ~vj + + m~vm .
Supongamos que j 6= 0, entonces

1 m
~vj = ~v1 ~vbj ~vm ;
j j
c
7
es decir, vj se puede obtener como una combinacin lineal del resto.

Proposicin Sea S = ~v1 , . . . , ~vm un subconjunto libre de un espacio vectorial E.
Entonces,
(i) ~0
/ S.
(ii) Todos los subconjuntos de S son libres.

(iii) Si S = ~v1 , S es libre si y slo si ~v1 6= ~0.
( )
P
m
(iv) Dado ~v E, el conjunto S {~v } es libre si y slo si ~v
/ j ~vj : j R .
j=1
(v) Sean 0 6= R y ~vi S. El conjunto S1 obtenido al reemplazar en S el vector ~vi por

~vi es libre.
(vi) Sean R y ~vi , ~vj S. El conjunto S2 obtenido al reemplazar en S el vector ~vi por
v~i + ~vj es libre.

Ejemplo Sea S = ~u, ~v , w
~ un subconjunto ligado de un espacio vectorial E. Demostrar,
o en caso contrario dar un contraejemplo, las siguientes afirmaciones.
(i) El vector ~u depende linealmente de los otros dos.
(ii) Uno de los tres vectores depende linealmente de los otros dos.
(i) No necesariamente el vector ~u es el que depende linealmente de los otros dos.

Supongamos que tomamos ~v y w
~ independientes. Entonces,

S = ~u, w,
~ w~
es ligado, pero ~u no es combinacin lineal de los otros dos.

(ii) En este caso la afirmacin es verdadera.
Si S es ligado existen , , R no todos nulos tales que
~ = ~0.
~u + ~v + w
Supongamos que 6= 0, entonces

~u = ~v w.
~

c
8
Ejemplo Consideramos el subconjunto de R3

S = ~u = (1, 1, 1), ~v = (1, 1, 0), w
~ = (k, 0, 1) .
Para qu valores de k el conjunto S es ligado?.

Mtodo 1 Como los vectores ~u, ~v son linealmente independientes, construimos la matriz
de coordenadas de los vectores e imponemos que tenga rango 2. Calculamos el determinante
e imponemos que se anule.
1 1 1

det 1 1 0 = k.
k 0 1
Por tanto,
el conjunto S es ligado sii k = 0.
Mtodo 2 Como los vectores ~u, ~v son linealmente independientes, imponemos que el
vector w
~ sea combinacin lineal del resto.

k 1 1

0 = 1 + 1 ;
1 1 0
es decir, tenemos que resolver el sistema

k =+

0=+ = = 1, = 1.

1=
Por tanto,
el conjunto S es ligado sii k = 0.
1.3 Base de un espacio vectorial

Sea S = ~v1 , . . . , ~vm un subconjunto finito de un espacio vectorial E. Denominamos
conjunto generado por S, y se denota por hSi, a aqul subespacio cuyos elementos son todas
las combinaciones lineales de los elementos de S; es decir,

hSi = 1~v1 + 2~v2 + + m~vm ; 1 , . . . , m R .
c
9
Dados un conjunto finito S y F = hSi, el conjunto S recibe el nombre de sistema de

generadores de F .

Observacin Si S = ~v1 , . . . , ~vm es un sistema de generadores de F , entonces todo
elemento de F se puede escribir como combinacin lineal de los elementos de S.
Definicin Sea E un espacio vectorial con un sistema de generadores finito S; es decir,
tal que E = hSi. Decimos que E es un espacio vectorial de dimensin finita.

Proposicin Sea S = ~v1 , . . . , ~vm un sistema de generadores finito de un espacio
vectorial E.
(i) Si ~v E, entonces S {~v} es un sistema de generadores de E.

(ii) Si para algn i, ~vi E es tal que ~vi es combinacin lineal de los elementos de S \ {~vi },
entonces S \ {~vi } es tambin es un sistema de generadores de E.
(iii) Existe un subconjunto B de S que es libre y sistema generador de E.
(iv) Sean 0 6= R y ~vi S. Entonces, el conjunto S1 obtenido al reemplazar el vector ~vi
de S por ~vi es un sistema generador de E.
(v) Sean R y ~vi , ~vj S. Entonces, el conjunto S2 obtenido al reemplazar el vector ~vi
de S por ~vi + ~vj es un sistema generador de E.
Definicin Llamamos base de un espacio vectorial E a un sistema de generadores finito

del espacio vectorial E que sea libre.
Todas las bases de un espacio vectorial tienen el mismo nmero de vectores. Al nmero
de vectores de una base cualquiera se le llama dimensin del espacio vectorial.
Todo vector de un espacio vectorial E se puede expresar de forma nica como combinacin
lineal de los vectores de una base cualquiera B de ese espacio vectorial.

Se llaman coordenadas de un vector ~v E respecto de un base B = ~v1 , . . . , ~vm de E
a los nmeros c1 , . . . , cm R que satisfacen
~v = c1~v1 + . . . + cm~vm .
Notacin Las coordenadas de un vector se suelen denotar de la siguiente manera

c1
.
[~v ]B = .
. .
cm
c
10

Ejemplo (1) El conjunto C = ~e1 = (1, 0, 0), ~e2 = (0, 1, 0), ~e3 = (0, 0, 1) es una base de
R3 , denominada base cannica.
En primer lugar tenemos que ver que el conjunto de vectores C genera R3 . Sea (x, y, z)
R3 , entonces
(x, y, z) = x~e1 + y~e2 + z~e3 .
En segundo lugar debemos comprobar que son linealmente independientes. Para ello, basta
observar que la matriz formada por los vectores es invertible y por tanto tiene rango 3.
Observar que
dim(R3 ) = 3.

(2) El conjunto C = 1, x, . . . , xn es una base de Rn [x], denominada base cannica.
En primer lugar tenemos que ver que el conjunto de vectores C genera Rn [x]. Sea
p(x) Rn [x], entonces
p(x) = a0 1 + a1 x + + an xn .
En segundo lugar, debemos comprobar que son linealmente independientes. Para ello, basta
observar que cada elemento de la base es un polinomio de grado diferente. Observar que las
coordenadas del vector p(x) en la base cannica son (a0 , a1 , . . . , an ), y que
dim(Rn [x]) = n + 1.
Ejemplo Demostrar que la dimensin de MR (2 2) es 4.

Consideramos el conjunto
( ! ! ! !)
1 0 0 1 0 0 0 0
C = C1 = , C2 = , C3 = , C4 = .
0 0 0 0 1 0 0 1
En primer lugar vemos que C es libre,

! ! ! ! !
1 0 0 1 0 0 0 0 0 0
+ + + = ,
0 0 0 0 1 0 0 1 0 0
implica que
! !
0 0
= = = = = = 0.
0 0
c
11
Comprobamos ahora que el conjunto C genera,
! ! ! ! !
a11 a12 1 0 0 1 0 0 0 0
= a11 + a12 + a21 + a22 .
a21 a22 0 0 0 0 1 0 0 1
Por tanto el conjunto C es una base de MR (2 2), y la dimensin es 4.

Definicin Sea S un conjunto de vectores de un espacio vectorial E y consideramos
F = hSi. Se llama rango de S a la dimensin de F ; es decir, al nmero de vectores linealmente
independientes de S.
Observacin Para determinar si una coleccin de vectores es libre construimos la
matriz de coordenadas, hacemos su m.e.r.f. y estudiamos el rango de dicha matriz. El rango
de la matriz es la dimensin del espacio vectorial generado por los vectores y las filas no
nulas constituyen una base.
1.4 Cambio de base en un espacio vectorial

Si tenemos B = ~v1 , . . . , ~vn y B = ~u1 , . . . , ~un dos bases de un mismo espacio vectorial
E, estamos interesados en conocer como expresar las coordenadas de un vector ~v en la base
B , [~v ]B , en funcin de las coordenadas de [~v]B .

Ejemplo Sean las bases B = ~e1 = (1, 0), ~e2 = (0, 1) y B = ~v1 = (1, 1), ~v2 !=
1
(2, 1) . Consideramos el vector ~v = (1, 1) cuyas coordenadas en la base B son [~v ]B = .
1
Queremos calcular [~v ]B . Para ello debemos resolver el sistema que resulta de
(1, 1) = (1, 1) + (2, 1);
es decir, )
1 = + 2
= = 2, = 3.
1=
Por tanto,
!
3
[~v ]B = = 3~v1 + 2~v2 .
2
Qu relacin hay entre [~v ]B y [~v ]B ? Podemos ver alguna regla? Observemos que las
coordenadas de ~v en la base B se obtienen como la solucin del sistema escrito en forma
c
12
matricial siguiente ! ! !
1 1 2
= .
1 1 1
Por tanto,
!
1 2
[~v ]B = [~v]B .
1 1
La matriz que aparece en la relacin anterior esta formada por las coordenadas de los vectores
de la base B en la base B.
Definicin Sean B y B dos bases de un mismo espacio vectorial E de dimensin n.
La matriz de cambio de base de B a B, denotada por [IE ]B B es

[IE ]B B = [~u1 ]B , [~u2]B , . . . , [~un ]B MR (n),

donde B = ~u1 , . . . , ~un .
En el ejemplo anterior, !
1 2
[IE ]B B = .
1 1
Proposicin (Frmula del cambio de base) Sean B y B dos bases de un mismo

espacio vectorial E de dimensin n, y ~v E. Entonces,
[~v ]B = [IE ]B B [~v ]B .
Observacin
[IE ]BB = [IE ]1
B B
.
Ejemplo En el espacio vectorial E = R2 [x] consideramos las siguientes bases

C = 1, x, x2 , B = 1, 1 x, x + x2 , B = 1 + 3x, 2 + x + x2 , 1 + x + x2 .
Obtener las coordenadas del vector p(x) = 1 + 2x + 4x2 en cada una de las bases.
En primer lugar calculamos las coordenadas del vector p(x) en la base cannica C,
c
13

1

[p(x)]C = 2 .
4
Necesitamos ahora las matrices de cambio de base

1 1 0 1 2 1

[IE ]BC = 0 1 1 y [IE ]B C = 3 1 1 .
0 0 1 0 1 1
Aplicando la frmula del cambio de base obtenemos que

1
1 1 0 1 1 1 1 1 1

[p(x)]B = [IE ]1
BC
[p(x)]C = 0 1 1 2 = 0 1 1 2 = 2 ,
0 0 1 4 0 0 1 4 4
mientras que

2
1
1 2 1 1 0 1 1 1 3
1
7 .
[p(x)]B = [IE ]1 [p(x)]C
= 3 1 1 2 = 3 1 2 2 = 3
B C
3
0 1 1 4 3 1 5 4 19
3
c
14
Problemas Resueltos
Problema 1. Hallar la dimensin del siguiente subespacio vectorial y una base:
(i) F1 = {(x, y, z, t) R4 : 2x y + z + t = 0} .
En primer lugar buscamos un sistema de generadores. Observar que t = 2x + y z y

por tanto,
(x, y, z, t) = (x, y, z, 2x + y z) = x(1, 0, 0, 2) + y(0, 1, 0, 1) + z(0, 0, 1, 1);
es decir,
~v1 = (1, 0, 0, 2), ~v2 = (0, 1, 0, 1), ~v3 = (0, 0, 1, 1) es un sistema de generadores.
Ahora estudiamos la dependencia o independencia lineal de los vectores analizando el rango

de la matriz de coordenadas.
1 0 0 2

0 1 0 1 .
0 0 1 1
La matriz anterior tiene rango 3 y por tanto
los vectores ~v1 , ~v2 y ~v3 son base del F1 .
Problema
2. En el espacio vectorial de R4 se considera el conjunto de vectores S =
(2, 0, 1, 1), (1, 1, 2, 0), (0, 2, 5, 1), (5, 1, 0, 2) y el espacio generado por S, F=hSi.
(i) Calcular el rango de F .
(ii) Dar una base de F .
(iii) Comprobar si los vectores w

~ 1 = (4, 0, 2, 2) y w
~ 2 = (2, 1, 3, 1) estn en F .
(i) El rango de S es el nmero mximo de vectores linealmente independiente de S.

2 0 1 1 1 1 2 0 1 1 2 0 1 1 2 0

1 1 2 0 0 2 5 1 0 2 5 1 0 2 5 1
.
0 2 5 1 0 0
2 0 1 1 0 2 5 1 0 0
5 1 0 2 5 1 0 2 0 4 10 2 0 0 0 0
c
15
Por tanto,
rang(F ) = 2.
(ii) De la expresin matricial anterior deducimos que una base de F es
~v1 = (1, 1, 2, 0), ~v2 = (0, 2, 5, 1).
(iii) Podemos proceder de dos formas.

Mtodo 1 Un vector estar en F si es combinacin lineal de los elementos de la base. Por
tanto, tenemos que resolver el sistema
(4, 0, 2, 2) = (1, 1, 2, 0) + (0, 2, 5, 1);
es decir,
4 =

0 = + 2
2 = 2 5

2 =
El vector w
~ 1 si pertenece a F .
Mtodo 2 Calculamos la m.e.r.f de la matriz formada por los vectores de la base y el

vector en estudio. Si el rango aumenta no estar en F , en caso contrario si.

1 1 2 0 1 1 2 0 1 1 2 0

0 2 5 1 0 2 5 1 0 2 5 1 .
4 0 2 2 0 4 10 2 0 0 0 0
El vector w
~ 1 si pertenece a F .
En el caso del vector w

~ 2, aplicando el segundo mtodo obtendramos que

1 1 2 0 1 1 2 0 1 1 2 0

0 2 5 1 0 2 5 1 0 2 5 1 .
2 1 3 1 0 3 7 1 0 0 1 1
c
16
El vector w
~ 2 no pertenece a F .
Si aplicramos el primer mtodo obtendramos un sistema incompatible.
c
17
Problemas
Problema 3. Determinar si los siguientes subconjuntos son subespacios vectorial del cor-
respondiente espacio vectorial:
( !)
a11 a11
(i) F1 = A M22 (R) : A = M22 (R).
a21 a22

(ii) F2 = (x, y) R2 : x 3y = 0 R2 .

(iii) F3 = (x, y) R2 : 2x + y = 2 R2 .

(iv) F4 = p(x) Rn [x] : p(0) = 0 Rn [x].
Problema 4. Calcular los subespacios generados por los subconjuntos que se indican:

(i) S = (1, 1), (1, 0) .

(ii) S = 1 x, x2 .
( !)
1 1
(iii) S = .
0 1

(iv) S = (1, 1, 0, 1), (1, 1, 1, 1) .
Problema 5. Expresar el vector r(x) = 3x3 2x + 4 R3 [x] como combinacin lineal de

(i) S = p1 (x) = 1, p2 (x) = x, p3 (x) = x2 , p4 (x) = x3 .

(ii) S = p1 (x) = 3, p2 (x) = 1 2x, p3 (x) = 1 + x2 , p4 (x) = x3 .
c
18
Problema 6. Hallar el vector de R3 cuyas coordenadas con respecto de la base
B = {(2, 1, 1), (1, 0, 2), (0, 1, 4)}
sean
(i) (1, 1, 2).
(ii) (2, 0, 2).
Problema 7. Determinar para que valores de z el vector ~v = (5, 1, z) pertenezca al sube-

spacio vectorial de R3 generado por los vectores
~u1 = (7, 0, 1), ~u2 = (1, 3, 0), ~u3 = (2, 1, 0).
Problema
8. En el espacio vectorial de R4 se considera el conjunto de vectores S =
(2, 0, 1, 1), (1, 1, 2, 0), (0, 2, 5, 1), (5, 1, 0, 2) y el espacio generado por S, F=hSi.
(i) Calcular el rango de F .
(ii) Dar una base de F .
(iii) Comprobar si los vectores w

~ 1 = (4, 0, 2, 2) y w
~ 2 = (2, 1, 3, 1) estn en F .
Problema 9. Comprobar si los vectores que se indican son linealmente independientes o

linealmente dependientes:
(i) ~u1 = (1, 0, 1), ~u2 = (2, 3, 0) y ~u3 = (2, 3, 1).
(ii) p1 (x) = x, p2 (x) = 2x2 + x, p3 (x) = x2 + 3.
(iii) ~v1 = (2, 0, 1), ~v2 = (0, 1, 1) y ~v3 = (1, 1, 0).

Problema 10. Sea ~u, ~v , w~ un subconjunto ligado de un espacio vectorial E. Demostrar,
o en caso contrario dar un contraejemplo, las siguientes afirmaciones.
(i) El vector ~u depende linealmente de los otros dos.
(ii) Uno de los tres vectores depende linealmente de los otros dos.
c
19
Problema 11. Consideramos el subconjunto de R3

S = ~u = (1, 1, 1), ~v = (1, 1, 0), w
~ = (k, 0, 1) .
Para qu valores de k el conjunto S es ligado?.
Problema 12. Consideramos el subconjunto de R4

S = ~u = (4, 1, 2, 5), ~v = (0, 1, h, k), w
~ = (2, 1, 1, 3) .
Para qu valores de k, h el conjunto S es ligado?.
Problema 13. Sean E un espacio

vectorial y {~u, ~v , w}
~ un conjunto libre de vectores de
E. Demostrar que el conjunto ~u + ~v, ~v + w,
~ w~ + ~u es tambin libre.

Problema 14. Sea S = ~u, ~v, w ~ un conjunto
independiente de vectores de un espacio
vectorial E. Determinar si el conjunto B = ~u 2~v + w,
~ ~u + ~v, ~u ~v es linealmente
independiente o dependiente.
Problema 15. Comprueba si los siguientes subconjuntos son base de R3 , y en caso afir-
mativo halla las coordenadas en dicha base del vector ~v R3 que se indica:
B1 = {~u1 = (1, 0, 1), ~u2 = (1, 0, 0), ~u3 = (0, 2, 1)}, ~v = (3, 2, 1).
B2 = {~u1 = (1, 1, 1), ~u2 = (1, 0, 1), ~u3 = (5, 2, 1)}, ~v = (1, 2, 3).
B3 = {~u1 = (1, 1, 2), ~u2 = (2, 1, 2), ~u3 = (1, 0, 1)}, ~v = (3, 0, 2).
Problema 16. Hallar la dimensin de los siguientes subespacios vectoriales y una base de
cada subespacio:
(i) F1 = {(x, y, z, t) R4 : 2x y + z + t = 0} .
(ii) F2 = {(x, y, z) R4 : x y + z = 0, x + y = 0} .
(iii) F3 = h(2, 1, 4, 2), (0, 1, 3, 1)i.

(iv) F4 = (x, y, z, t) R4 : y + 2z t = 0, x + 2y + 4z 3t = 0 .
c
20
Problema 17. Hallar la condicin que debe cumplir el vector (x, y, z) R3 para formar
una base de R3 , junto con los vectores (1, 1, 0) y (1, 0, 2).
Problema 18. Hallar la condicin que debe cumplir el vector (x, y, z) R3 para formar
una base de R3 , junto con los vectores (1, 0, 1) y (3, 1, 0).

Problema 19. Sea B = ~v1 , ~v2 una base de R2 y los vectores ~u1 ,~u2 cuyas coordenadas
en la bese B son
[~u1 ]B = (1, 2), [~u2 ]B = (2, 0).

(i) Demostrar que B = ~u1 , ~u2 tambin es una base de R2 .
(ii) Consideramos el vector w

~ = ~v1 + 3~v2 . Hallar las coordenadas de w
~ en la base B .
(iii) Hallar las coordenadas de los vectores ~v1 y ~v2 en la base B .

Problema 20. Sean B = ~v1 , ~v2 , ~v3 y B = ~u1 , ~u2 , ~u3 dos bases de un espacio vectorial
de dimensin 3, E. Sabiendo que
~u1 = 2~v1 ~v3

~u2 = ~v2 + ~v3
~u3 = ~v1 + ~v3 .
Hallar las matrices de cambio de base [IE ]BB y [IE ]B B .

Problema 21. Comprobar que B = ~u1 = (2, 1, 1), ~u2 = (1, 0, 4), ~u3 = (2, 3, 2)
es una base de R3 , y dar las matrices de cambio [IR3 ]BB y [IR3 ]B B , donde C es la base
cannica de R3 . Hallar las coordenadas de un vector ~v , cuyas coordenadas en base B son
[~v ]B = (1, 0, 1, 2).
c
21
Problema 22. En el espacio de polinomios de orden menos o igual que 3, R3 [x], consid-
eramos las bases cannic, C y N = {q1 (x), q2 (x), q3 (x), q4 (x)}, donde
q1 (x) = 1 2x + x2 3x3 , q2 (x) = 2x + 4x2 x3 , q3 (x) = 2x2 x3 , q4 (x) = x2 x3 .
(a) Hallar [I]NC y [I]CN .
(b) Hallar [q(x)]N , donde q(x) = 2 x + x2 .

1
1
( c) Si [p(x)]N =
1, hallar [p(x)]C .
1
c
22
2. Aplicaciones lineales
JObjetivos
J Conocer el concepto de aplicacin lineal y matriz asociada (Identificacin).
Conocer la relacin entre las matrices asociadas a una misma aplicacin lineal en difer-
entes
J bases.
J Calcular los valores y vectores propios de un endomorfismo ( o una matriz).
J Saber determinar si un endomorfismo (o una matriz) es diagonalizable.
Saber determinar una base de vectores propios y la matriz diagonal de un endomorfismo
diagonalizable (o una matriz).
2.1 Definiciones
En este apartado se estudian las funciones entre espacios vectoriales y sus propiedades ms
relevantes as como su relacin con las matrices. Una aplicacin lineal es una correspondencia
entre espacios vectoriales que preserva las operaciones de suma de vectores y multiplicacin
por un escalar.
Definicin Sean E y F espacios vectoriales reales. Una correspondencia f : E F
se denomina aplicacin lineal si se cumplen las siguientes propiedades:
(i) Si ~u, ~v E, entonces f (~u + ~v) = f (~u) + f (~v).
(ii) Si R y ~u E, entonces f (~u) = f (~u).
Ejemplos (a) Dado k R, la aplicacin f : Rn Rn definida por f (~u) = k~u es una

aplicacin lineal.
Comprobamos que se cumplen las dos propiedades:
(i) Si ~u, ~v Rn , entonces f (~u + ~v) = k(~u + ~v ) = k~u + k~v = f (~u) + f (~v).
(ii) Si R y ~u Rn , entonces f (~u) = k(~u) = (k~u) = f (~u).
(b) La aplicacin f : Rn [x] Rn1 [x] definida por f (p(x)) = p (x) es una aplicacin
lineal.
Comprobamos que se cumplen las dos propiedades:
(i) Si p(x), q(x) Rn [x], entonces f (p(x) + q(x)) = (p(x) + q(x)) = p (x) + q (x) =
f (p(x)) + f (q(x)).
c
23
(ii) Si R y p(x) Rn [x], entonces f (p(x)) = (p(x)) = p (x) = f (p(x)).
Las siguientes propiedades nos permiten conocer las principales caractersticas de las
aplicaciones lineales.
Propiedades Sea f : E F una aplicacin lineal. Entonces,
(i) Conociendo las imgenes mediante f de los vectores de una base de E, se puede calcular
tambin la imagen de cualquier vector de E.
(ii) La imagen del vector nulo de E mediante la aplicacin lineal f es el vector nulo de F .
(iii) La imagen de un subespacio vectorial de E mediante f es, a su vez, un subespacio

vectorial de F .
Clasificacin de las aplicaciones lineales

Sea f : E F una aplicacin lineal. Entonces,
(i) Si f es inyectiva, se denomina monomorfismo.
(ii) Si f es sobreyectiva o exhaustiva, se denomina epimorfismo.
(iii) Si f es biyectiva, se denomina isomonomorfismo.
(iv) Si E = F , f se denomina endomonomorfismo.

(v) Si E = F y f es un isomorfismo, se denomina automonomorfismo.
2.2 Operaciones entre aplicaciones lineales

De ahora en adelante, denotamos por LR (E, F ) al conjunto de todas las aplicaciones
lineales entre los espacios vectoriales E y F .
Operaciones En el conjunto LR (E, F ) definimos las siguientes operaciones:
(i) Dadas f, g LR (E, F ), definimos la suma, f + g LR (E, F ), como la aplicacin lineal
(f + g)(~u) = f (~u) + g(~u), para todo ~u E.
(ii) Para todo k R y f LR (E, F ), definimos el producto por un escalar, k f

LR (E, F ), como la aplicacin lineal
(k f )(~u) = k f (~u), para todo ~u E.
(iii) Dadas f LR (E, F ) y g LR (F, G), definimos la composicin, g f LR (E, G),

como la aplicacin lineal

(g f )(~u) = g f (~u) , para todo ~u E.
c
24
(iv) Si f LR (E, F ) biyectiva, entonces existe g LR (F, E) tal que
(g f ) = IE y (f g) = IF .
Llamamos a dicha funcin inversa de f , y la denotamos por f 1 .
2.3 Ncleo e imagen de una aplicacin lineal

Los siguientes subespacios son de gran importancia en el estudio de las aplicaciones
lineales.
Definiciones Dada f LR (E, F ) se llama ncleo de f , y se representa por Ker(f ), al
conjunto

Ker(f ) = ~u E : f (~u) = ~0 .
Es decir, el ncleo de f est formado por todos los elementos de E que se transforma en el
vector nulo de F . Observar que Ker(f ) E.
Dada f LR (E, F ) se llama imagen de f , y se representa por Im(f ), al conjunto

Im(f ) = ~v F : existe ~u E, f (~u) = ~v = f (E).
Es decir, la imagen de f est formada por todos los elementos de F que son imagen de algn
vector de E. Observar que Im(f ) F.
Proposicin Sea f LR (E, F ). Entonces,
(i) Los conjuntos Ker(f ) y Im(f ) son subespacios vectoriales de E y F , respectivamente.
(ii) La aplicacin f es inyectiva si y slo si Ker(f ) = {~0}.
(iii) Si f es inyectiva y S E es un conjunto de vectores linealmente independientes, el

conjunto f (S) es linealmente independiente.
(iv) dim(Im(f )) dim(E).
(v) Si los espacios vectoriales E y F tienen la misma dimensin, se puede asegurar que
existe entre ellos una aplicacin lineal biyectiva.

(vi) Si el conjunto ~u1 , . . . , ~um es un conjunto de generadores de E, el conjunto f (~u1), . . . , f (~um)
es un conjunto de generadores de Im(f ).
c
25
Demostracin (i)
(i) Sean ~u, w
~ Ker(f ), entonces de la linealidad de la aplicacin f tenemos que
f (~u + w) ~ = ~0.
~ = f (~u) + f (w)
Por tanto, Ker(f ), es un subespacio de E.

Sean ~u1 , ~u2 Im(f ), y w ~ 2 E tales que f (w
~ 1, w ~ 1 ) = ~u1 y f (w
~ 2 ) = ~u2 , entonces de la
linealidad de la aplicacin f tenemos que
f (w
~ 1 + w
~ 2 ) = f (w ~ 2) = ~u1 + ~u2 .
~ 1 ) + f (w
Por tanto, ~u1 + ~u2 est en la imagen y Im(f ), es un subespacio de F .

(iii) Supongamos que S = ~u1 , . . . , ~um , entonces f (~u1 ), . . . , f (~um) es un conjunto
independiente si la nica solucin del siguiente sistema es la trivial
1 f (~u1 ) + . . . + m f (~um ) = ~0.
De la linealidad de la aplicacin f tenemos que

~0 = 1 f (~u1 ) + . . . + m f (~um ) = f (1~u1 + . . . + m~um ),
como la aplicacin es inyectiva deducimos que
1~u1 + . . . + m~um = ~0.
Finalmente, aplicando que el conjunto S es libre deducimos que
1 = = m = 0.

(iv) Supongamos que la dimensin de E es n y que el conjunto B = ~u1 , . . . , ~un es una
base. Sea ~v Im(f ), entonces existe ~u E talque f (~u) = ~v . Expresamos el vector ~u en la
base B,
~u = 1~u1 + + n ~un .
Por la linealidad de f obtenemos que
~v = f (~u) = 1 f (~u1) + + n f (~un ).

Por tanto, los vectores f (~u1), . . . , f (~un ) son un sistema de generadores de Im(f ) y en
consecuencia
c
26
dim(Im(f ) dim(E).
Teorema de la Dimensin Si E y F son espacios vectoriales de dimensin finita y

f LR (E, F ), entonces
dimE = dim Ker(f ) + dim Im(f ).
En particular, f es sobreyectiva si y slo si dim Im(f ) = dimF . Mientras que, f es inyectiva

si y slo si dim Im(f ) = dimE.
2.4 Matriz asociada a una aplicacin lineal
En este apartado consideramos las bases de los espacios vectoriales E y F de dimensiones
n y m, dadas respectivamente por B1 = {~u1 , . . . , ~un } y B2 = {~v1 , . . . , ~vm }.
Definicin Sea f LR (E; F ). La matrix asociada a f en las bases B1 , B2 es aquella
que tiene por columnas las coordenadas de los vectores f (~u1 ), . . . , f (~un ) en la base B2 ; es
decir,

a11 a12 a1n
.. .. .. .. M (m n),
[f ]B1 B2 = . . . . R
am1 am2 amn
donde f (u~i ) = a1i~v1 + + ami~vm .

Ejemplo Sea f : R2 R definida por f (x, y) = x 2y. Hallar la matrix asociada a f
en las bases cannicas de R2 y R, respectivamente.
Consideramos C1 = {~e1 = (1, 0), ~e2 = (0, 1)} y C2 = {v~1 = 1} las bases cannicas de R2 y
R, respectivamente. Entonces, f (~e1 ) = 1 0 = 1 v~1 y f (~e2 ) = 0 2 = 2 v~1 . Por tanto,

[f ]C1 C2 = 1 2 MR (1 2)
Ejemplo Sea f : R R2 definida por f (x) = (x, 4x). Hallar la matrix asociada a f
en las bases cannicas de R y R2 , respectivamente.
Consideramos C1 = {v~1 = 1} y C2 = {~e1 = (1, 0), ~e2 = (0, 1)} las bases cannicas de R y R2 ,
respectivamente. Entonces, f (~v1 ) = (1, 4) = 1 e~1 + 4 ~e2 . Por tanto,
" #
1
[f ]C1 C2 = MR (2 1).
4
c
27
Ejemplo Sea f : R2 R2 definida por f (x, y) = (x 3y, 5x + y). Hallar la matrix

asociada a f en las bases cannicas de R2 y R2 , respectivamente.
Consideramos C1 = C2 = {~e1 = (1, 0), ~e2 = (0, 1)} la base cannica de R2 . Entonces,
f (~e1 ) = (1, 5) = 1 e~1 + 5 ~e2 y f (~e2 ) = (3, 1) = 3 e~1 + 1 ~e2 . Por tanto,
" #
1 3
[f ]C1 C2 = MR (2 2).
5 1
Ejemplo Sea f : R3 R2 definida por f (x, y, z) = (x y + z, 2x + 3y z). Hallar la

matrix asociada a f en las bases cannicas de R3 y R2 , respectivamente.
Consideramos C1 = {~e1 = (1, 0, 0), ~e2 = (0, 1, 0), ~e3 = (0, 0, 1)} y C2 = {~v1 = (1, 0), ~v2 =
(0, 1)} las bases cannicas de R3 y R2 , respectivamente. Entonces, f (~e1 ) = (1, 2) = 1v~1 +2~v2 ,
f (~e2 ) = (1, 3) = 1 v~1 + 3 ~v2 y f (~e3 ) = (1, 1) = 1 v~1 1 ~v2 . Por tanto,
" #
1 1 1
[f ]C1 C2 = MR (2 3).
2 3 1
Ejemplo Sea f : R2 R definida por f (x, y) = 2x 3y. Hallar la matrix asociada a

f en las bases B = {~u1 = (2, 1), ~u2 = (1, 1)} de R2 y C = {e~1 = 1} de R.
Valoramos la funcin en los elementos de la base, f (~u1) = 1 = 1 e~1 y f (~u2 ) = 5 = 5 e~1 .
Por tanto,

[f ]BC = 1 5 MR (1 2).
Ejemplo Sea f : R2 R definida por f (x, y) = 2x 3y. Hallar la matrix asociada a

1
f en las bases C = {~e1 = (1, 0), ~e2 = (0, 1)} de R2 y B = {u~1 = } de R.
3
Valoramos la funcin en los elementos de la base, f (~e1 ) = 2 = 6 u~1 y f (~e2 ) = 3 = 9 u~1 .
Por tanto,

[f ]CB = 6 9 MR (1 2).
Teorema Sea f LR (E; F ). Entonces:
(a) [f ]B1 B2 es una matrix de orden m n.

(b) Dado ~u E, [f (~u)]B2 = [f ]B1 B2 [~u]B1 .
c
28
(c ) f (B1 ) es un sistema generador de Im(f ).

(d) rang(f ) = rang [f ]B1 B2 y dimKer(f ) = n rang [f ]B1 B2 .
Ejercicio Consideramos la aplicacin lineal f : R2 [x] R3 definida por
f (a + bx + cx2 ) = (a b, b 2c, 3a 2b 2c).
(i) Demostrar que f es una aplicacin lineal

(ii) Calcular [f ]C1 C2 , donde Ci , i = 1, 2 son las bases cannicas.
(iii) Hallar las dimensiones de Ker(f ) y Im(f ).
(i) En primer lugar verificamos las propiedades de ser una aplicacin lineal. Si R,
p1 (x) = a1 + b1 x + c1 x2 y p2 (x) = a2 + b2 x + c2 x2 , entonces

f (p1 (x) + p2 (x)) = (a1 + a2 ) (b1 + b2 ), (b1 + b2 ) 2(c1 + c2 ), 3(a1 + a2 ) 2(b1 + b2 ) 2(c1 + c2 )

= a1 b1 , b1 2c1 , 3a1 2b1 2c1 + a2 b2 , b2 2c2 , 3a2 2b2 2c2
= f (p1 (x)) + f (p2 (x)).

f (p1 (x)) = (a1 b1 ), (b1 2c1 ), (3a1 2b1 2c1 )

= a1 b1 , b1 2c1 , 3a1 2b1 2c1
= f (p1 (x)).
(ii) Consideramos las bases cannicas C1 = {1, x, x2 } y C2 = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}
de R2 [x] y R3 respectivamente. Entonces,
f (1) = (1, 0, 3), f (x) = (1, 1, 2), f (x2 ) = (0, 2, 2).
Por tanto,

1 1 0

[f ]C1 C2 = 0 1 2 MR (3 3).
3 2 2
(iii) En primer lugar calculamos el Ker(f ) = {p(x) : f (p(x)) = 0}; es decir,
f (p(x)) = (a b, b 2c, 3a 2b 2c) = (0, 0, 0) = a = 2c, b = 2c.
Por tanto,
c
29
Ker(f ) = {(2c, 2c, c) : c R} = dim Ker(f ) = 1.
Aplicando el Teorema de las dimensiones obtenemos que
dim Im(f ) = 3 dim Ker(f ) = 2.
Proposicin Sean B1 , B2 y B3 bases de los espacios vectoriales E, F , y G, respectiva-

mente. Sean f, g LR (E; F ), h LR (F ; G) y R. Entonces:
(i) [f + g]B1 B2 = [f ]B1 B2 + [g]B1 B2 .
(ii) [f ]B1 B2 = [f ]B1 B2 .
(iii) [h f ]B1 B3 = [h]B2 B3 [f ]B1 B2 .

1
(iv) Si f es un isomorfismo, [f 1 ]B2 B1 = [f ]B1 B2 .
Cambios de bases
De ahora en adelante V1 , N1 sern bases del espacio vectorial E y V2 , N2 sern bases del
espacio vectorial F .
Proposicin Sea f LR (E; F ). Entonces:
(i) [f ]N1 V2 = [f ]V1 V2 [IE ]N1 V1 .
(ii) [f ]V1 N2 = [IF ]V2 N2 [f ]V1 V2 .
(iii) [f ]N1 N2 = [IF ]V2 N2 [f ]V1 V2 [IE ]N1 V1 .
Ejercicio Sea f : R2 R3 la aplicacin lineal definida por
f (1, 0) = (1, 2, 2) y f (0, 1) = (1, 0, 1).
(i) Calcular la matriz asociada a f en las bases cannicas.
(ii) Obtener la expresin explcita de la aplicain.
(iii) Dadas N = {(1, 1), (2, 3)}, obtener la matrix de [f ]N C2 .
(i) Para hallar [f ]C1 C2 , basta colocar las imgenes de la base cannica C1 en las columnas
de la matriz:
c
30

1 1

[f ]C1 C2 = 2 0 MR (3 2).
2 1
(ii) Si las coordenadas de un vector de R2 en base cannica son (x, y), entonces:

" # 1 1 " #
x x
f (x, y) = [f ]C1 C2 = 2 0 = (x + y, 2x, 2x + y).
y y
2 1
(iii) Segn la Proposicin anterior [f ]N C2 = [f ]C1 C2 [IR2 ]N C1 , y por tanto

1 1 " # 0 1
1 2
[f ]N C2 = 2 0 = 2 4
1 3
2 1 3 7
3. Endomorfismos
3.1 Vectores y valores propios

Definicin Sea f : E E un endomorfismo sobre un espacio vectorial E de dimensin
n. El escalar es un valor propio de f , si existe un vector ~v E no nulo, ~v 6= 0, tal que
f (~v ) = ~v.
Entonces, cada vector ~u E tal que f (~u) = ~u se denomina vector propio de f de valor
propio . El conjunto de vectores propios asociados a un autovalor es un espacio vectorial
de dimensin mayor o igual que 1; ya que ~0 E y verifica la condicin f (~0) = ~0.
A veces tambin se utiliza la nomenclatura autovalor (VAP) y autovector (VEP). El con-
junto de valores propios de un endomorfismo f se denota por (f ), y se denomina espectro
de f .
Observacin Si 1 y 2 son valores propios distintos de f y ~u y ~v son vectores propios
no nulos asociados a cada uno ellos, entonces ~u y ~v son linealmente independientes.
c
31
Para ello basta considerar la combinacin lineal
~u + ~v = ~0 = ~u = ~v
y aplicar imgenes a ambos lados de la igualdad, entonces

f ~u + ~v = f (~0) = ~0.
Aplicando la linealidad de la funcin tenemos que

~0 = f ~u + f ~v = 1~u + 2~v = 1 ~v + 2~v = ~v 2 1 ).
Teniendo en cuenta que 2 1 6= 0, ~v 6= 0 y ~u 6= 0, tenemos que
= = 0;
es decir los vectores ~u y ~v son linealmente independientes.

De ahora en adelante supondremos fijada una base E del espacio vectorial E y denotare-
mos por A = [f ]V .
Observacin Para que sea un valor propio de f es necesario y suficiente que
Ker(f I) 6= 0,
o de forma equivalente que rang(f I) < n o que det(f I) = det(A I) = 0.

Definicin Llamamos polinomio caracterstico de f , y lo denotaremos por pf (x),
al polinomio
pf (x) = det(A xI) Rn [x].
La ecuacin pf (x) = det(A xI) = 0, se denomina ecuacin caracterstica de f . Por

tanto,
los valores propios de f son las races de la ecuacin caracterstica de f .
Observacin El polinomio caracterstico, y por tanto la ecuacin caracterstica, de un

endomorfismo no depende de la base elegida.
Determinacin de los vectores propios Una vez conocemos los valores propios de
un endomorfismo a travs de su ecuacin caracterstica podemos hallar los vectores propios
asociados. Para ello basta determinar una base de los subespacios vectoriales
c
32
Ker(f I) = Ker(A I),
ya que si ~v E es vector propio de f entonces ~v 6= 0 y existe R tal que f (~v) = ~v , y

por tanto (f I)(~v) = 0; es decir,
~v Ker(f I).
Ejemplo Sea f : R3 R3 el endomorfismo dado por

f (x, y, z) = (4x 2y + 5z, 5x 3y + 5z, 4z).
Determinar la ecuacin caracterstica y el espectro de f . Hallar los vectores propios asocia-
dos.
En primer lugar sea C la base cannica de R3 , entonces

4 2 5

A = [f ]C = 5 3 5 .
0 0 4
Por tanto,

4 2 5
4 2

pf () = det(A I) = 5 3 5 = (4 )
5 3
0 0 4

= (4 ) (4 )(3 ) + 10 = (4 )(2 )(1 ).
Por tanto, la ecuacin caracterstica de f es
(4 )(2 )(1 ) = 0,
y el espectro es
(f ) = {1, 2, 4}.
Para hallar los vectores propios asociados a cada uno de los valores propios basta hallar los
ncleos.
(a) Ker(A 4I) = h(5, 5, 2)i, ya que
c
33

0 2 5 x 2y + 5z
5
(A 4I)(~u) = 5 7 5 y = 5x 7y + 5z = ~0 x = y = z.
2
0 0 0 z 0
(b) Ker(A 2I) = h(1, 1, 0)i, ya que

2 2 5 x 2x 2y + 5z

(A 2I)(~u) = 5 5 5 y = 5x 5y + 5z = ~0 z = 0, x = y.
0 0 2 z 2z
(c) Ker(A + I) = h(2, 5, 0)i, ya que

5 2 5x 5x 2y + 5z
5
(A + I)(~u) = 5 2 5 y = 5x 2y + 5z = ~0 z = 0, y = x.
2
0 0 5 z 5z
3.2 Endomorfismo diagonalizables

Cuando queremos estudiar un endomorfismo a partir de su matriz asociada, resulta de
inters conocer si existe una base tal que la matriz asociada respecto a dicha base sea la ms
simple posible; es decir, una matriz diagonal. Si existe tal base, se dice que el endomorfismo
es diagonalizable.
Observacin: Si V = {~u1, . . . , ~un } es una base de un espacio vectorial E de dimensin
n, en la que el endomorfismo f diagonaliza, entonces

1 0 0

0 2 0

A = [f ]V = . .. . . ,
.. . . 0

0 0 n
y por tanto
f (~ui ) = i ~ui , para todo i = 1, . . . , n;
c
34
es decir, los escalares i son valores propios de f y los vectores ~ui son vectores propios de f .
Caracterizacin de los endomorfismo diagonalizables Un endo-
morfismo f , es diagonalizable si y slo si se cumplen las siguientes propiedades:
(i) pf (x) = (1)n (x 1 )m1 (x 2 )m2 (x s )ms .
(ii) mi = dimKer(f i I), para todo i = 1, . . . , s.
Observacin: En general, se tiene que
1 dim Ker(f i I) mi ,
y el endomorfismo diagonaliza si la igualdad superior se da. Lo que en particular implica

que, si pf (x) descompone como producto de factores simple; es decir,
pf (x) = (1)n (x 1 )(x 2 ) (x n ),
f , es diagonalizable.
Matrices diagonalizables
Como cada matrix cuadrada de orden n se puede identificar con un endomorfismo sobre
un espacio vectorial de dimensin n, podemos extender los conceptos de valor propio, vector
propio, Ker, polinomio y ecuacin caracterstica y diagonalizacin al caso de matrices.
c
35
Problemas resueltos
Problema 23. Clasifica la siguiente funcin, halla una base y las ecuaciones implcitas de
Im(f ) y Ker(f )
f : R2 R2 , f (x, y) = (3y, 0).
Indicacin: Para encontrar una base o las ecuaciones implcitas del subespacio vectorial
Im(f ) basta hallar el subespacio vectorial generado por las columnas de la matrix asociada a
f en una base cualquiera, y despus encontrar sus ecuaciones. Esto es debido a que ~u Im(f )
sii f (~v ) = ~u, y por tanto
~u = f (~v) = [f ]V [~v ]B ,
es decir, ~u Im(f ) si es combinacin lineal de las columnas de [f ]V , y las coordenadas de la

combinacin lineal sern [~v ]B .
(a) Calculamos la matriz asociada a f en base cannica C
" #
0 3
A = [f ]C =
0 0
Hallamos el ncleo de f :
Ker(f ) = h(1, 0)i, ya que
" #" # " #

0 3 x 3y
(A)(~u) = = = ~0 y = 0.
0 0 y 0
Por tanto, dimKer(f ) = 1, y las ecuaciones implcitas son
y = 0.
La aplicacin no es ni inyectiva ni exhaustiva.

Aplicando el Teorema de las dimensiones tenemos que dim Im(f ) = 1. Una base de
Im(f ) est formada por las columnas l.i. de la matriz, en este caso
c
36
Im(f ) = h(3, 0)i = y = 0.
Problema 24. Sea f : R3 R3 un endomorfismo que tiene como matriz asociada en

base cannica
2 2 1

A = [f ]C = 2 2 1 .
4 4 2
Determinar si f es diagonalizable, y en su caso, hallar una base de vectores propios.
En primer lugar calculamos el polinomio caracterstico:

2 2 1

pf () = det(A I) = 2 2 1 = ( 4)2 ( + 2).

4 4 2
( 4)2 ( + 2) = 0,
y el espectro es
(f ) = {2, 4} con m1 = 1 y m2 = 2.
Para determinar si el endomorfismo es diagonalizable tenemos que hallar los subespacios de

vectores propios asociados a cada uno de los valores propios y estudiar la dimensin de cada
uno de ellos.
(a) Ker(A + 2I) = h(1, 1, 2)i, ya que

4 2 1 x 4x 2y + z
z
(A + 2I)(~u) = 2 4 1 y = 2x + 4y + z = ~0 x=y= .
2
4 4 4 z 4(x + y + z)
(b) Ker(A 4I) = h(1, 0, 2), (0, 1, 2)i, ya que
c
37

2 2 1 x 2x 2y + z

(A 4I)(~u) = 2 2 1 y = 2x 2y + z = ~0 z = 2x + 2y.
4 4 2 z 4x + 4y 2z
Como dimKer(A4I) = 2 que coincide con la multiplicidad del autovalor en el polinomio

caracterstico, el endomorfismo f diagonaliza. La matriz diagonal correspondiente y una base
de vectores propios son

2 0 0 1 1 0

0 4 0 y P = [I]N C = 1 0 1.
0 0 4 2 2 2
Por lo que se cumple
[f ]C = [I]N C [f ]N [I]CN = [I]N C [f ]N [I]1

NC,
donde N es la base de vectores propios.

base cannica
5 2 2

A = [f ]C = 1 8 1 .
5 1 8
En primer lugar calculamos el polinomio caracterstico:

5 2 2

pf () = det(A I) = 1 8 1 = (9 )2 (3 ).

5 1 8
(9 )2 (3 ) = 0,
c
38
y el espectro es
(f ) = {3, 9}, con m1 = 1 y m2 = 2.
Para determinar si el endomorfismo es diagonalizable tenemos que hallar los subespacios de

vectores propios asociados a cada uno de los valores propios y estudiar la dimensin de cada
uno de ellos.
(a) Ker(A 3I) = h(1, 0, 1)i, ya que

2 2 2 x 2x 2y + 2z

(A 3I)(~u) = 1 5 1 y = x + 5y + z = ~0 y = 0, z = x.
5 1 5 z 5x + y + 5z
(b) Ker(A 9I) = h(0, 1, 1)i, ya que

4 2 2 x 4x 2y + 2z

(A 9I)(~u) = 1 1 1 y = x y + z = ~0 x = 0, y = z.
5 1 1 z 5x + y z
Como dimKer(A 9I) = 1 que no coincide con la multiplicidad del autovalor en el

polinomio caracterstico que es 2, el endomorfismo f no diagonaliza.
Problemas propuestos
Problema 26. Determina si las siguientes aplicaciones son lineales y, en caso de que lo
sean, halla la matriz asociada a f en las bases cannicas.
(a) f : R2 R2 , f (x, y) = (3y, x).
(b) f : R2 R3 , f (x, y) = (x, y + 5x, 3x + y).
( c) f : R2 R2 , f (x, y) = (x2 , 2y).
( d) f : MR (n) R, f (A) = tr(A).
c
39
Problema 27. Clasifica las siguientes funciones, halla una base y las ecuaciones implcitas
de Im(f ) y Ker(f ):
(a) f : R2 R2 , f (x, y) = (3y, 0).
(b) f : R2 R3 , f (x, y) = (4x, y + 2x, 3x + y).
( c) f : R4 R4 , f (x, y) = (x y + t, 2x + y + z + 3t, x + y t, y + z + t).
Problema 28. Demostrar que una aplicacin lineal f es inyectiva si y slo si Ker(f ) = {~0}.
Problema 29. Determinar la relacin entre los parmetros a, b y c para que la matrix

1 a b

A = 0 4 c
0 0 1
sea diagonalizable.

base cannica
1 2 0 0

0 1 0 0
A = [f ]C = .
1 1 0 1
1 1 1 0
Problema 31. Sea f : R2 [x] R2 [x] el endomorfismo definido por
f (a + bx + cx2 ) = 3a + 2b + 2c + bx (4a + 4b + 3c)x2 .
(a) Demostrar que f es un automorfismo.
(b) Demostrar que f 2 = IR2 [x] .
( c) Demostar que f es diagonalizable.
(d) Hallar una base de vectores propios.
c
40

base cannica
15 0 0

A = [f ]C = 8 1 8 .
4 8 11
Determinar si f es diagonalizable, y en su caso, hallar una base de vectores propios y
determinar la forma diagonal de A.
Problema 33. Sea f un endomorfismo de R2 cuya matriz en la base B formada por los
vectores v1 = (1, 1), v2 = (1, 2) es

1 0
M= .
1 2
(a) Calcular la matriz de f en la base cannica.
(b) Determinar si f es diagonalizable, y en su caso, hallar una base de vectores propios y

determinar la forma diagonal.
c

Apunts I Problemes Tema 1

Uploaded by

Document Information

Original Description:

Original Title

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

Apunts I Problemes Tema 1

Uploaded by

Copyright:

Available Formats

LGEBRA I CLCUL MULTIVARIABLE

(~u, ~v) ~u + ~v (, ~u) ~u

(ii) Dados , R y ~u, ~v E se cumple.

(x1 , y1, z1 ) + (x2 , y2, z2 ) = (x1 + x2 , y1 + y2 , z1 + z2 ) y (x, y, z) = (x, y, z).

p(x) + q(x) = (a0 + a1 x + + an xn ) + (b0 + b1 x + + bn xn )

= (a0 + b0 ) + (a1 + b1 )x + + (an + bn )xn ,

Un subconjunto F no vaco de un espacio vectorial (E, +, ) es un subespacio vectorial

De forma equivalente podramos comprobar que para todo , R y ~u, ~v F se verifica

ya que es una matriz con el elemento 12 nulo. Adems,

ya que es una matriz con el elemento 12 nulo.

(x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , y1 + y2 ) F,

ya que si sumamos las dos coordenadas obtenemos que

(a) S = ~e1 = (1, 0), ~e2 = (0, 1)

(2, 1) = 2 (1, 0) + (1) (0, 1).

(2, 1) = (1) (2, 2) + 1 (4, 1).

(2, 1) = (0, 1) + (2, 1) + (1, 2) = (2 , + 2).

Igualando componentes obtenemos el sistema

(2, 1) = (5 + 3) (0, 1) + (2, 1) + (2 2)(1, 2).

(2, 1) = (4, 6) + (6, 9) = (4 6, 6 + 9).

Igualando componentes obtenemos el sistema

3~z1 + 2~z2 = ~0.

Por lo que S es un sistema ligado y el vector ~u es independiente de los vectores de S.

(0, 0, 0) = (3, 1, 2) + (4, 1, 2) = (3 + 4, , 2 + 2).

(0, 0, 0) = (1, 1, 0) + (3, 3, 0) = ( + 3, 3, 0).

~vj = 1~v1 + + ~vbj + + m~vm ,

Supongamos que j 6= 0, entonces

es decir, vj se puede obtener como una combinacin lineal del resto.

(ii) Todos los subconjuntos de S son libres.

(v) Sean 0 6= R y ~vi S. El conjunto S1 obtenido al reemplazar en S el vector ~vi por

(i) No necesariamente el vector ~u es el que depende linealmente de los otros dos.

es ligado, pero ~u no es combinacin lineal de los otros dos.

Supongamos que 6= 0, entonces

Ejemplo Consideramos el subconjunto de R3

Para qu valores de k el conjunto S es ligado?.

el conjunto S es ligado sii k = 0.

el conjunto S es ligado sii k = 0.

1.3 Base de un espacio vectorial

Dados un conjunto finito S y F = hSi, el conjunto S recibe el nombre de sistema de

(i) Si ~v E, entonces S {~v} es un sistema de generadores de E.

Definicin Llamamos base de un espacio vectorial E a un sistema de generadores finito

Notacin Las coordenadas de un vector se suelen denotar de la siguiente manera

Ejemplo Demostrar que la dimensin de MR (2 2) es 4.

En primer lugar vemos que C es libre,

Comprobamos ahora que el conjunto C genera,

Por tanto el conjunto C es una base de MR (2 2), y la dimensin es 4.

(1, 1) = (1, 1) + (2, 1);

Proposicin (Frmula del cambio de base) Sean B y B dos bases de un mismo

[~v ]B = [IE ]B B [~v ]B .

Necesitamos ahora las matrices de cambio de base

Aplicando la frmula del cambio de base obtenemos que

Problema 1. Hallar la dimensin del siguiente subespacio vectorial y una base:

En primer lugar buscamos un sistema de generadores. Observar que t = 2x + y z y

Ahora estudiamos la dependencia o independencia lineal de los vectores analizando el rango

los vectores ~v1 , ~v2 y ~v3 son base del F1 .

(i) Calcular el rango de F .

(ii) Dar una base de F .

(iii) Comprobar si los vectores w

(i) El rango de S es el nmero mximo de vectores linealmente independiente de S.

(ii) De la expresin matricial anterior deducimos que una base de F es

~v1 = (1, 1, 2, 0), ~v2 = (0, 2, 5, 1).

(iii) Podemos proceder de dos formas.

(4, 0, 2, 2) = (1, 1, 2, 0) + (0, 2, 5, 1);