Lorenzo Curso20112012

Algebra
Curso 2011-2012
Lorenzo Javier Mart Garc n a
Advertencia
Este documento no es un libro de texto ni un solucionario de exmenes ni una coleccin de proa o blemas. Se trata de un material de apoyo que slo pretende facilitar el aprendizaje del Algebra lineal o y que en ningn caso sustituye a los libros tradicionales. Su utilidad depende de cada persona. u Tras la etiqueta Ejercicio, el lector encontrar enunciados prcticos y tericos que se resuelven a a o o desarrollan completamente con un elevado nivel de detalle. Algunos son ejercicios o cuestiones planteadas en exmenes, otros son problemas t a picos de clculo, otros son ejemplos de demostraciones a en el sentido ms matemtico de la palabra, otros son un estudio desarrollado de las propiedades de a a algunos objetos algebraicos, otros son ejercicios bsicos, etc. Todos los ejercicios tienen un t a tulo que informa sucintamente sobre su contenido y que haciendo uso del ndice permite localizarlos con relativa facilidad. El ultimo cap tulo recoge preguntas formuladas mediante armaciones que deben catalogarse como verdaderas o falsas y que son similares a las que tradicionalmente se plantean en los exmenes de la a asignatura Fundamentos Matemticos I de la titulacin Ingeniero de Telecomunicacin que se imparte a o o en la Escuela Tcnica Superior de Ingenieros de Telecomunicacin de la Universidad Politcnica de e o e Madrid. Todas estn estas cuestiones estn resueltas en los cap a a tulos anteriores y agradecer sinceraa mente que si alguien encuentra alguna que no lo est me lo comunique para subsanar la deciencia. e Las preguntas de test estn desordenadas para que el lector juegue a responder unas cuantas, como a si de un examen serio se tratara, y a buscar las soluciones haciendo uso de su intuicin o del o ndice que aparece en las primeras pginas. a Disfrute con el Algebra! Lorenzo Javier Mart Garc n a Madrid, septiembre de 2007
Algebra Lineal - 2
INDICE
Indice
1. Nociones de lgebra abstracta a Lenguaje y razonamientos matemticos . . . . . . . . . . . . . a 1.1. Funciones lgicas de n variables lgicas . . . . . . . . . . . . . . o o 1.2. Funcin nand . . . . . . . . . . . . . . . . . . . . . . . . . . . . o 1.3. Tablas de verdad . . . . . . . . . . . . . . . . . . . . . . . . . . 1.4. Algebra de Boole de las proposiciones . . . . . . . . . . . . . . . 1.5. Predicados equivalentes . . . . . . . . . . . . . . . . . . . . . . . 1.6. Predicados no equivalentes . . . . . . . . . . . . . . . . . . . . . 1.7. Implicacin de Predicados . . . . . . . . . . . . . . . . . . . . . o 1.8. Negacin del antecedente de una implicacin . . . . . . . . . . . o o 1.9. Valor lgico de predicados . . . . . . . . . . . . . . . . . . . . . o 1.10. Principio de induccin. Coecientes de polinomios cuyas ra o ces Algebra de Boole conjuntista . . . . . . . . . . . . . . . . . . . . 1.11. Simplicaciones conjuntistas . . . . . . . . . . . . . . . . . . . 1.12. Igualdad de conjuntos . . . . . . . . . . . . . . . . . . . . . . . 1.13. Equivalencias conjuntistas . . . . . . . . . . . . . . . . . . . . 1.14. Comprobacin de propiedades conjunt o sticas . . . . . . . . . . 1.15. Cardinal de las partes de un conjunto nito . . . . . . . . . . . 1.16. Diferencia entre conjuntos . . . . . . . . . . . . . . . . . . . . 1.17. Diferencia simtrica . . . . . . . . . . . . . . . . . . . . . . . . e 1.18. Propiedad idempotente . . . . . . . . . . . . . . . . . . . . . . Funciones entre conjuntos . . . . . . . . . . . . . . . . . . . . . . 1.19. Unin de las imgenes de todos los subconjuntos . . . . . . . . o a 1.20. Imagen de una funcin . . . . . . . . . . . . . . . . . . . . . . o 1.21. Funcin en un conjunto nito . . . . . . . . . . . . . . . . . . o 1.22. Propiedades de la imagen directa . . . . . . . . . . . . . . . . 1.23. Imagen directa, unin e interseccin . . . . . . . . . . . . . . . o o 1.24. Propiedades de la imagen rec proca . . . . . . . . . . . . . . . 1.25. Imgenes y diferencia de conjuntos . . . . . . . . . . . . . . . a 1.26. Imagen rec proca y propiedad distributiva . . . . . . . . . . . 1.27. Imagen rec proca y dominio . . . . . . . . . . . . . . . . . . . 1.28. Relacin entre un conjunto y su imagen rec o proca . . . . . . . 1.29. Caracterizacin de funciones inyectivas . . . . . . . . . . . . . o 1.30. Funciones inyectivas y complementario . . . . . . . . . . . . . 1.31. Caracterizacin de funciones suprayectivas . . . . . . . . . . . o 1.32. Biyectivas, inyectivas e imgenes . . . . . . . . . . . . . . . . . a 1.33. Composicin de funciones e identidad . . . . . . . . . . . . . . o 1.34. Composicin de funciones, inyectividad e identidad . . . . . . o 1.35. Composicin de funciones, sobreyectividad e identidad . . . . o 1.36. Composicin de funciones, identidad e inversa . . . . . . . . . o 1.37. Composicin de funciones y biyeccin . . . . . . . . . . . . . . o o 1.38. Composicin de funciones biyectivas . . . . . . . . . . . . . . . o 1.39. Composicin de tres funciones biyectivas . . . . . . . . . . . . o Estructuras algebraicas . . . . . . . . . . . . . . . . . . . . . . . 1.40. -espacio vectorial de los nmero complejos . . . . . . . . . . u 1.41. Operacin en {0} . . . . . . . . . . . . . . . . . . . . . . . o 1.42. Funcin biyectiva en un grupo . . . . . . . . . . . . . . . . . . o 1.43. Anillo con divisores de cero . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . son 1 y -1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 11 11 12 13 15 15 17 17 18 18 19 21 21 23 24 25 26 26 27 30 30 30 31 31 31 33 34 36 38 38 38 39 40 40 41 42 42 43 44 44 44 45 46 46 47 47 48
Algebra Lineal - 3
INDICE
2. Algebra matricial y Sistemas de ecuaciones lineales 49 Algebra matricial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49 2.1. Matrices con coecientes en 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49 2.2. Igualdad de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51 2.3. Divisores de cero en un anillo de matrices cuadradas . . . . . . . . . . . . . . . . . . . 51 2.4. Propiedades de la Traza de una matriz . . . . . . . . . . . . . . . . . . . . . . . . . . . 52 2.5. Rango de matrices 2 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52 2.6. Relacin del rango de una matriz con su dimensin . . . . . . . . . . . . . . . . . . . . 53 o o 2.7. Forma escalonada reducida . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53 2.8. Forma escalonada reducida en M2 ( ) . . . . . . . . . . . . . . . . . . . . . . . . . . . 55 2.9.Matrices equivalentes a una matriz con una columna nula . . . . . . . . . . . . . . . . . 55 2.10. Clculo del rango de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56 a 2.11. Rango de una matriz por su traspuesta . . . . . . . . . . . . . . . . . . . . . . . . . . 57 2.12. Matrices singulares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57 2.13. Matrices reales 2 2 idempotentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58 2.14. Matrices reales 2 2 nilpotentes de orden 2 . . . . . . . . . . . . . . . . . . . . . . . 59 2.15. Matrices reales 2 2 tales que A1 = A . . . . . . . . . . . . . . . . . . . . . . . . . 60 2.16. Clculo de inversas por la derecha y por la izquierda . . . . . . . . . . . . . . . . . . 61 a 2.17. Rango de matrices con inversa por la derecha o por la izquierda . . . . . . . . . . . . 62 2.18. Existencia de inversas por la derecha y por la izquierda . . . . . . . . . . . . . . . . . 65 2.19. Inversas de matrices por bloques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67 2.20. Inversas de matrices cuadradas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70 2.21. Condicin de inversin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71 o o 2.22. Existencia de inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71 2.23. Rango del producto de una matriz regular por otra matriz . . . . . . . . . . . . . . . 72 2.24. Rango del producto e inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73 2.25. Rango del producto de una matriz columna por su traspuesta . . . . . . . . . . . . . 74 2.26. Relacin entre el rango de un producto de matrices y los rangos de los factores . . . . 74 o 2.27. Rango de matrices cuyo producto por su traspuesta es la identidad . . . . . . . . . . 75 2.28. Rango de submatrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75 2.29. Submatrices e inversa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76 2.30. Potencias de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76 2.31. Potencias y matrices singulares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79 2.32. Ecuacin matricial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79 o 2.33. Clculo de determinantes (I) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82 a 2.34. Clculo de determinantes (II) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84 a 2.35. Clculo de determinantes (III) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85 a 2.36. Determinantes de matrices por bloques . . . . . . . . . . . . . . . . . . . . . . . . . . 89 2.37. Matrices de Householder . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91 2.38. Matrices elementales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92 2.39. Descomposicin de una matriz de rango r como producto de dos matrices de rango r o 93 2.40. Descomposicin LU . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95 o Sistemas de ecuaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98 2.41. Forma reducida de Gauss de la matriz de coecientes y compatibilidad . . . . . . . . 98 2.42. Sistema de ecuaciones lineales con la identidad como matriz de coecientes . . . . . 99 2.43. Estudio de soluciones de un sistema de ecuaciones lineales . . . . . . . . . . . . . . . 99 2.44. Sistema de ecuaciones sin soluciones mltiples . . . . . . . . . . . . . . . . . . . . . . 100 u 2.45. Teorema de Rouch . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100 e 2.46. Soluciones de un sistema cuya matriz de coecientes tiene inversa por la derecha o por la izquierda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
Algebra Lineal - 4
INDICE
2.47. Sistemas de ecuaciones lineales con las mismas soluciones . . . . . . . . . . . . . . . . 2.48. Conjunto de soluciones de sistemas cuyas matrices de coecientes estn relacionadas a por matrices invertibles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.49. Mtodo de eliminacin de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e o 2.50. Existencia de solucin y soluciones del sistema homogneo . . . . . . . . . . . . . . . o e 2.51. Discusin de sistemas homogneos de ecuaciones lineales con un parmetro . . . . . . o e a 2.52. Discusin de un sistema de ecuaciones lineales con un parmetro . . . . . . . . . . . o a 2.53. Discusin de un sistema homogneo de ecuaciones lineales con dos parmetros . . . . o e a 2.54. Discusin de un sistema de ecuaciones lineales con dos parmetros . . . . . . . . . . . o a 2.55. Clculo de una parbola . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . a a 2.56. Rango de un conjunto de vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.57. Vectores linealmente independientes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.58. Sistemas lineales equivalentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.59. Sistemas compatibles/incompatibles . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.60. Igualdad de soluciones entre sistemas lineales . . . . . . . . . . . . . . . . . . . . . . . 2.61. Convolucin circular . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . o 3. Espacios vectoriales 3.1. Ejemplo de -espacio vectorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2. Propiedades de los espacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.3. Dependencia lineal en diferentes espacios vectoriales . . . . . . . . . . . . . . . . . . . . 3.4. Sistema libre en el espacio de funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.5. Sistemas liberado sindical (libre) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.6. Subespacio generado por un conjunto sin un elemento . . . . . . . . . . . . . . . . . . 3.7. Subespacios de matrices soluciones de una ecuacin matricial . . . . . . . . . . . . . . o 3.8. Filas y columnas linealmente independientes . . . . . . . . . . . . . . . . . . . . . . . . 3.9. Subespacios la y columna: operaciones elementales entre las . . . . . . . . . . . . . . 3.10. Subespacios la y columna: dimensiones . . . . . . . . . . . . . . . . . . . . . . . . . . 3.11. Columnas pivote de la forma reducida de Gauss de una matriz y base del espacio columna . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.12. Relaciones entre la dimensin del espacio columna de una matriz y el n mero de las o u y columnas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.13. Sustitucin de un elemento en un conjunto de generadores . . . . . . . . . . . . . . . o 3.14. Subconjuntos generadores de subespacios . . . . . . . . . . . . . . . . . . . . . . . . . 3.15. Generacin de subespacios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . o 3.16. Denicin de combinacin lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . o o 3.17. Condicin para combinacin lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . o o 3.18. Sistemas libres relacionados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.19. Ampliacin de conjuntos libres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . o 3.20. Relacin entre los cardinales de un conjunto de generadores y de un conjunto libre . . o 3.21. Dimensin de espacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . o 3.22. Dimensin de un subespacio descrito con tres parmetros . . . . . . . . . . . . . . . . o a 3.23. Espacio vectorial de dimensin innita . . . . . . . . . . . . . . . . . . . . . . . . . . o 3.24. Base de n [x] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.25. Bases de espacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.26. Dimensin del espacio columna de una matriz y columnas pivote . . . . . . . . . . . . o 3.27. Subespacio incluido en otro de la misma dimensin . . . . . . . . . . . . . . . . . . . o 3.28. Matrices de cambio de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.29. Subespacios encadenados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.30. Subespacio generado por conjuntos distintos (Terico) . . . . . . . . . . . . . . . . . . o
102 103 103 105 105 106 107 109 110 111 113 113 113 114 114 123 123 124 125 126 127 128 128 129 129 133 136 136 136 137 137 139 139 140 141 141 142 143 144 144 145 145 146 146 148 151
Algebra Lineal - 5
INDICE
3.31. Subespacio generado por conjuntos distintos (Prctico) . . . . . . . . . . . . . . . . . a 3.32. Subespacios vectoriales de sucesiones . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.33. Subespacios vectoriales de funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.34. Subespacios vectoriales de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.35. Subespacios vectoriales de polinomios (I) . . . . . . . . . . . . . . . . . . . . . . . . . 3.36. Subespacios vectoriales de polinomios (II) . . . . . . . . . . . . . . . . . . . . . . . . . 3.37. Subespacio columna y sistemas de ecuaciones lineales . . . . . . . . . . . . . . . . . . 3.38. Bases de la suma de subespacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . 3.39. Subespacio generado por la suma de vectores y suma de subespacios . . . . . . . . . . 3.40. Rango de un conjunto suma de vectores . . . . . . . . . . . . . . . . . . . . . . . . . . 3.41. Dimensin del subespacio vectorial suma de dos subespacios vectoriales . . . . . . . . o 3.42. Clculo de la suma e interseccin de dos subespacios de 3 . . . . . . . . . . . . . . . a o 3.43. Clculo de la suma e interseccin de dos subespacios de 5 . . . . . . . . . . . . . . . a o 3.44. Suma de subespacios generados por conjuntos disjuntos . . . . . . . . . . . . . . . . . 3.45. Suma de un subespacio consigo mismo . . . . . . . . . . . . . . . . . . . . . . . . . . 3.46. Condicin de igualdad de subespacios . . . . . . . . . . . . . . . . . . . . . . . . . . . o 3.47. Suma del subespacio generado por un conjunto menos un elemento con el subespacio generado por ese elemento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.48. Suma directa de subespacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . 3.49. Elementos de una suma directa de subespacios vectoriales . . . . . . . . . . . . . . . . 3.50. Relacin entre la dimensin de la suma directa y las dimensiones de los sumandos . . o o 3.51. Subespacio unin de conjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . o 3.52. Unin de subespacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . o 3.53. Unin de subespacios vectoriales de dimensin 1 . . . . . . . . . . . . . . . . . . . . . o o 3.54. Unin de subespacios vectoriales con interseccin distinta del vector nulo . . . . . . . o o 3.55. Variedad generada por la unin de conjuntos de vectores . . . . . . . . . . . . . . . . o 3.56. Los subespacios vectoriales de matrices simtricas y de matrices antisimtricas . . . . e e 3.57. El espacio vectorial de polinomios de grado menor o igual que 2 con coecientes en 2 3.58. El espacio vectorial de los cuaterniones . . . . . . . . . . . . . . . . . . . . . . . . . . 3.59. El subespacio vectorial de las matrices mgicas . . . . . . . . . . . . . . . . . . . . . . a 3.60. El subespacio conmutador de una matriz . . . . . . . . . . . . . . . . . . . . . . . . .
R R
151 152 154 155 156 156 158 158 159 159 160 162 163 165 166 166 167 168 169 169 170 170 171 172 172 172 174 177 181 186 191 191 191 191 192 193 194 194 197 199 200 201 203 204 204 205 206 207
4. Aplicaciones lineales 4.1. Aplicaciones lineales de 2 en 2 . . . . . . . . . . . . . . . . . . . . . 4.2. Linealidad de funciones impares . . . . . . . . . . . . . . . . . . . . . . 4.3. Funcin lineal para valores nulos de una de sus coordenadas . . . . . . o 4.4. Grafo de una aplicacin lineal . . . . . . . . . . . . . . . . . . . . . . . o 4.5. Propiedades de la composicin de endomorsmos que conmutan . . . . o 4.6. Matriz asociada a una aplicacin lineal . . . . . . . . . . . . . . . . . . o 4.7. Aplicacin lineal nilpotente . . . . . . . . . . . . . . . . . . . . . . . . o 4.8. Matriz asociada a la aplicacin identidad . . . . . . . . . . . . . . . . . o 4.9. Cambios de base en una aplicacin lineal . . . . . . . . . . . . . . . . . o 4.10. Matriz respecto a la base cannica de un endomorsmo involutivo . . o 4.11. Matrices de homomorsmos entre distintos espacios vectoriales . . . . 4.12. Dimensiones de los espacios vectoriales asociados a un homomorsmo 4.13. Funciones coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . . 4.14. Simetr respecto al eje de abscisas . . . . . . . . . . . . . . . . . . . a 4.15. Composicin de aplicaciones e isomorsmo . . . . . . . . . . . . . . . o 4.16. Composicin de funciones lineales e identidad . . . . . . . . . . . . . o 4.17. Vectores distintos con misma imagen . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
Algebra Lineal - 6
INDICE
4.18.N cleo distinto del vector nulo y matriz asociada a f . . . . . . . . . . . . . . . . . . . u 4.19. Caracterizacin de homomorsmos inyectivos . . . . . . . . . . . . . . . . . . . . . . . o 4.20. Caracterizacin de homomorsmos inyectivos entre espacios vectoriales de dimensin o o nita . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.21. Caracterizacin de automorsmos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . o 4.22. Inversin de endomorsmos suprayectivos . . . . . . . . . . . . . . . . . . . . . . . . . o 4.23. Preimagen e imagen de subespacios por un homomorsmo . . . . . . . . . . . . . . . 4.24. Subespacio generado por las imgenes de vectores . . . . . . . . . . . . . . . . . . . . a 4.25. Automorsmo de 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.26. Subespacios y ncleos de aplicaciones lineales . . . . . . . . . . . . . . . . . . . . . . u 4.27. Imagen de una aplicacin lineal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . o 4.28. Generadores de la imagen de un homomorsmo . . . . . . . . . . . . . . . . . . . . . 4.29. Propiedades de endomorsmos idempotentes . . . . . . . . . . . . . . . . . . . . . . . 4.30. Anulacin de la composicin de un endomorsmo consigo mismo . . . . . . . . . . . . o o 4.31. Ncleo e imagen de la composicin de un endomorsmo consigo mismo . . . . . . . . u o 4.32. Ncleo de la composicin de dos homomorsmos . . . . . . . . . . . . . . . . . . . . . u o 4.33. Ncleo de la composicin de dos endomorsmos . . . . . . . . . . . . . . . . . . . . . u o 4.34. Imagen de la composicin de dos endomorsmos . . . . . . . . . . . . . . . . . . . . . o 4.35. Imagen de la composicin de homomorsmos y suprayectividad . . . . . . . . . . . . o 4.36. Descomposicin de un endomorsmo como composicin de otros . . . . . . . . . . . . o o 4.37. Funcin suma entre entre subespacios vectoriales cuya suma es el espacio vectorial . . o 4.38. Suma de las imgenes y funcin suma . . . . . . . . . . . . . . . . . . . . . . . . . . . a o 4.39. Suma directa de imgenes de subespacios . . . . . . . . . . . . . . . . . . . . . . . . . a 4.40. Suma del ncleo y la imagen de un endomorsmo . . . . . . . . . . . . . . . . . . . . u 4.41. Matriz de un endomorsmo tal que la suma del ncleo y la imagen es directa . . . . . u 4.42. Imagen de una suma directa de subespacios . . . . . . . . . . . . . . . . . . . . . . . 4.43. Aplicacin lineal en la que coinciden el n cleo y la imagen . . . . . . . . . . . . . . . o u 4.44. Imagen de un conjunto libre por una aplicacin lineal . . . . . . . . . . . . . . . . . . o 4.45. Imagen de un conjunto ligado por una aplicacin lineal . . . . . . . . . . . . . . . . . o 4.46. Imagen de una base del espacio de partida . . . . . . . . . . . . . . . . . . . . . . . . 4.47. Transformacin de bases por endomorsmos suprayectivos . . . . . . . . . . . . . . . o 4.48. Dimensin de un subespacio vectorial y de su imagen por un homomorsmo . . . . . o 4.49. Suma de las dimensiones del ncleo y de la imagen de una aplicacin lineal . . . . . . u o 4.50. Relacin entre las dimensiones del ncleo y el espacio columna de una matriz . . . . . o u 4.51. Dimensin mxima de la imagen de una aplicacin lineal . . . . . . . . . . . . . . . . o a o 4.52. Suma de las dimensiones de ncleo e imagen de la restriccin de un endomorsmo . . u o 4.53. Ncleo de un homomorsmo de n+1 en n . . . . . . . . . . . . . . . . . . . . . . . u 4.54. Endomorsmos con igual dimensin en ncleo e imagen . . . . . . . . . . . . . . . . . o u 4.55. Igualdad entre ncleo e imagen de un endomorsmo . . . . . . . . . . . . . . . . . . . u 4.56. Relacin entre el ncleo y la imagen de un endomorsmo . . . . . . . . . . . . . . . . o u 4.57. Aplicacin lineal entre espacios de polinomios . . . . . . . . . . . . . . . . . . . . . . o 4.58. Aplicacin lineal entre espacios de matrices . . . . . . . . . . . . . . . . . . . . . . . . o 4.59. Aplicaciones idempotentes y de suma la identidad . . . . . . . . . . . . . . . . . . . . 4.60. Formas lineales y espacio dual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.61. Matriz cannica por equivalencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . o 4.62. Clculo de la matriz cannica por equivalencia . . . . . . . . . . . . . . . . . . . . . . a o Cdigos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . o 4.63. Cdigo sistemtico de repeticin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . o a o 4.64. Cdigo sistemtico de paridad simple . . . . . . . . . . . . . . . . . . . . . . . . . . . o a 4.65. Cdigo de paridad simple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . o
207 207 208 209 209 210 212 212 212 213 214 214 217 217 218 219 221 221 222 223 223 224 225 225 226 226 227 228 229 229 230 230 232 232 233 234 235 235 236 237 238 240 244 245 246 249 249 250 252
Algebra Lineal - 7
INDICE
4.66. 4.67. 4.68. 4.69.
Cdigo o Cdigo o Cdigo o Cdigo o
de Hamming . . . . . Hamming recortado . lineal . . . . . . . . . lineal de paridad par
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
254 256 258 260 263 263 265 266 267 267 268 269 269 270 270 271 272 272 273 274 274 275 276 276 277 279 280 283 284 284 287 288 288 289 289 290 291 294 295 295 296 299 302 303 304 306 307 309 310
5. Productos escalares y ortogonalidad 5.1. Productos escalares en espacios de polinomios . . . . . . . . . . . . . . . . . . . 5.2. Producto escalar en M2 ( ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.3. Matriz asociada a un producto escalar . . . . . . . . . . . . . . . . . . . . . . . 5.4. Propiedades del producto escalar . . . . . . . . . . . . . . . . . . . . . . . . . . 5.5. Mdulos de vectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . o 5.6. Propiedades del mdulo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . o 5.7. Igualdad de vectores en espacios eucl deos . . . . . . . . . . . . . . . . . . . . . 5.8. Independencia lineal de vectores ortogonales . . . . . . . . . . . . . . . . . . . . 5.9. Productos escalares entre vectores ortonormales . . . . . . . . . . . . . . . . . . 5.10. Funcin denida a partir de un producto escalar . . . . . . . . . . . . . . . . . o 5.11. Endomorsmos diagonalizables y producto escalar . . . . . . . . . . . . . . . . 5.12. Subespacio ortogonal a todos los subespacios . . . . . . . . . . . . . . . . . . . 5.13. Matrices con columnas ortogonales . . . . . . . . . . . . . . . . . . . . . . . . 5.14. Condicin de ortonormalidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . o 5.15. Ortogonalidad e independencia lineal . . . . . . . . . . . . . . . . . . . . . . . 5.16. Subespacios suplementarios y base ortogonal . . . . . . . . . . . . . . . . . . . 5.17. Proceso de ortogonalizacin de Gram-Schmidt para conjuntos ligados . . . . . o 5.18. Proceso de ortogonalizacin de Gram-Schmidt para obtencin de bases . . . . o o 5.19. Aplicacin del mtodo de Gram-Schmidt en un espacio eucl o e deo de polinomios 5.20. Aplicacin del mtodo de Gram-Schmidt en un espacio eucl o e deo de funciones . 5.21. Gram-Schmidt y proyeccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . o 5.22. Factorizacin QR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . o 5.23. Subespacio ortogonal a un vector . . . . . . . . . . . . . . . . . . . . . . . . . 5.24. Transitividad entre subespacios ortogonales . . . . . . . . . . . . . . . . . . . . 5.25. Propiedades del complemento ortogonal . . . . . . . . . . . . . . . . . . . . . . 5.26. Complemento ortogonal y suma directa . . . . . . . . . . . . . . . . . . . . . . 5.27. Tamao del complemento ortogonal de un subespacio . . . . . . . . . . . . . . n 5.28. Subespacio ortogonal a un conjunto de vectores . . . . . . . . . . . . . . . . . 5.29.Subespacio ortogonal y mtodo de Gram-Schmidt . . . . . . . . . . . . . . . . . e 5.30. Ncleo y rango del producto de la traspuesta de una matriz por dicha matriz . u 5.31. Complemento ortogonal del espacio columna de una matriz real (terico) . . . o 5.32. Complemento ortogonal del espacio columna de una matriz real (prctico) . . a 5.33. Subespacio ortogonal a una suma de subespacios . . . . . . . . . . . . . . . . . 5.34. Dimensiones de un subespacio y de su complemento ortogonal . . . . . . . . . 5.35. Endomorsmos con Img(f ) y Ker(f ) ortogonales y suplementarios . . . . . . . 5.36. Ortogonalidad en [x] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.37. Proyeccin ortogonal sobre subespacios de dimensin 2 . . . . . . . . . . . . . o o 5.38. La proyeccin ortogonal como mejor aproximacin a un subespacio . . . . . . o o 5.39. Vector de un subespacio ms prximo a un vector dado . . . . . . . . . . . . . a o 5.40. Propiedades de la proyeccin ortogonal . . . . . . . . . . . . . . . . . . . . . . o 5.41. Distancia m nima de un vector a un subespacio . . . . . . . . . . . . . . . . . 5.42. Proyeccin ortogonal en 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . o 5.43. Proyeccin ortogonal en un espacio eucl o deo de polinomios . . . . . . . . . . . 5.44. Proyeccin ortogonal en un espacio eucl o deo de matrices . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Algebra Lineal - 8
INDICE
5.45. Proyeccin ortogonal en un espacio eucl o deo de funciones . . . . . . . . . . . . . . . . 5.46. Suma de subespacios generados por un vector y suma de los subespacios generados por sus proyecciones ortogonales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.47. Funcin proyeccin ortogonal sobre un subespacio . . . . . . . . . . . . . . . . . . . . o o 5.48. Matriz de proyeccin de un vector sobre un subespacio . . . . . . . . . . . . . . . . . o 5.49. Matriz de proyeccin sobre un subespacio de dimensin 1 . . . . . . . . . . . . . . . . o o 5.50. Matriz de proyeccin con base ortonormal . . . . . . . . . . . . . . . . . . . . . . . . o 5.51. Matrices ortogonales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.52. Propiedades de las aplicaciones ortogonales . . . . . . . . . . . . . . . . . . . . . . . . 6. Autovalores y autovectores 6.1. Autovalor y ncleo de f Id . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . u 6.2. Existencia de autovalores reales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.3. Sistema de ecuaciones lineales con matriz de coecientes que no tiene a cero como autovalor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.4. Relaciones entre endomorsmos biyectivos y endomorsmos diagonalizables . . . . . . 6.5. Matrices semejantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.6. Inversas de matrices semejantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.7. Polinomio caracter stico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.8. Matrices semejantes y polinomio caracter stico . . . . . . . . . . . . . . . . . . . . . . . 6.9. Polinomio caracter stico del cuadrado de una matriz . . . . . . . . . . . . . . . . . . . 6.10. Polinomio aplicado a matrices semejantes . . . . . . . . . . . . . . . . . . . . . . . . 6.11. Autovalores de un giro en 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.12. Clculo de endomorsmos que conmutan . . . . . . . . . . . . . . . . . . . . . . . . . a 6.13. Endomorsmos (matrices) 2 2 y con autovalores 1 y 1 . . . . . . . . . . . . . . . . 6.14. Autovalores reales de endomorsmos reales de rango 1 . . . . . . . . . . . . . . . . . . 6.15. Autovalores reales de matrices con coecientes complejos . . . . . . . . . . . . . . . . 6.16. Matrices no semejantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.17. Autovalores de una matriz y de su traspuesta . . . . . . . . . . . . . . . . . . . . . . 6.18. Autovalores de f 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.19. Autovalores de la forma reducida de Gauss . . . . . . . . . . . . . . . . . . . . . . . . 6.20. Autovalores de matrices por bloques . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.21. Inyectividad y trmino independiente del polinomio caracter e stico . . . . . . . . . . . 6.22. Autovalores y diagonalizacin de matrices invertibles . . . . . . . . . . . . . . . . . . o 6.23. Autovalores distintos y rango de un endomorsmo . . . . . . . . . . . . . . . . . . . . 6.24. Subespacio propio y autovectores linealmente independientes asociados a autovalores distintos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.25. Autovectores linealmente independientes asociados a autovalores no nulos . . . . . . . 6.26. Autovectores asociados a endomorsmos que conmutan . . . . . . . . . . . . . . . . . 6.27. Subespacios propios asociados a autovalores distintos . . . . . . . . . . . . . . . . . . 6.28. Suma de multiplicidades de autovalores . . . . . . . . . . . . . . . . . . . . . . . . . . 6.29. Endomorsmo con innitos autovalores . . . . . . . . . . . . . . . . . . . . . . . . . . 6.30. Matrices singulares y autoespacios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.31. Autovalores y autoespacios de un endomorsmo por un escalar . . . . . . . . . . . . . 6.32. Subespacios invariantes y autoespacios . . . . . . . . . . . . . . . . . . . . . . . . . . 6.33. Suma de autovectores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.34. Endomorsmos diagonalizables y estructura del conjunto de autovectores . . . . . . . 6.35. Endomorsmos diagonalizables con un unico autovalor . . . . . . . . . . . . . . . . . 6.36. Autovalores y autovectores de un endomorsmo de 3 [x] (I) . . . . . . . . . . . . . . 6.37. Autovalores y autovectores de un endomorsmo de 3 [x] (II) . . . . . . . . . . . . . .
311 313 313 315 318 319 321 324 326 326 326 326 327 327 328 328 328 329 329 330 330 332 333 333 333 334 334 335 335 337 338 340 341 342 342 344 344 345 346 346 347 348 348 349 350 352
R R
Algebra Lineal - 9
INDICE
6.38. Diagonalizacin del endomorsmo derivada en 2 [x] . . . . . . . . . . . . . . . . . . . o 6.39. Diagonalizacin del endomorsmo derivada en un subespacio de C 1 ( ) . . . . . . . . o 6.40. Diagonalizacin de endomorsmos complejos con todos los autovalores de multiplicidad o geomtrica 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e 6.41. Diagonalizacin de endomorsmos complejos o reales con todos los autovalores reales o 6.42. Diagonalizacin y rango mximo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . o a 6.43. Diagonalizacin y ra cuadrada de una matriz . . . . . . . . . . . . . . . . . . . . . . o z 6.44. Unicidad de la matriz de paso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.45. Conmutatividad de matrices diagonalizables mediante la misma matriz de paso . . . 6.46. Diagonalizacin del cuadrado de una matriz diagonalizable . . . . . . . . . . . . . . . o 6.47. Diagonalizacin de matrices simtricas . . . . . . . . . . . . . . . . . . . . . . . . . . o e 6.48. Diagonalizacin de matrices de M2 ( ) . . . . . . . . . . . . . . . . . . . . . . . . . . o 6.49. Diagonalizacin de giros en 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . o 6.50. Diagonalizacin de matrices y endomorsmos de 3 . . . . . . . . . . . . . . . . . . . o 6.51. Potencias de una matriz calculadas mediante diagonalizacin . . . . . . . . . . . . . . o 4 . . . . . . . . . . . . . . . . . . . 6.52. Diagonalizacin de matrices y endomorsmos de o 6.53. Traza y matrices semejantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.54. Forma cannica de Jordan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . o 6.55. Forma cannica real de Jordan para autovalores complejos . . . . . . . . . . . . . . . o 6.56. Diagonalizacin de un endomorsmo dependiente de un parmetro . . . . . . . . . . . o a 6.57. Diagonalizacin de dos matrices dependientes de un parmetro y con el mismo polio a nomio caracter stico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.58. Diagonalizacin de una matriz dependiente de tres parmetros . . . . . . . . . . . . . o a 6.59. Autovalores de matrices nilpotentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.60. Autovalores de matrices involutivas . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.61. Autovalores y diagonalizacin de endomorsmos idempotentes . . . . . . . . . . . . . o 6.62. Autovalores y diagonalizacin de endomorsmos tales que f f = f . . . . . . . . . o 6.63. Diagonalizacin de endomorsmos de rango 1 y no nilpotentes. Terico . . . . . . . . o o 6.64. Diagonalizacin de endomorsmos de rango 1 y no nilpotentes. Prctico . . . . . . . . o a 6.65. Diagonalizacin de endomorsmos de rango 1 . . . . . . . . . . . . . . . . . . . . . . o 6.66. Diagonalizacin de endomorsmos cuya imagen es un subespacio propio asociado a un o autovalor no nulo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.67. Diagonalizacin de endomorsmos con dos subespacios propios distintos . . . . . . . . o 6.68. Diagonalizacin de un endomorsmo del espacio de matrices cuadradas . . . . . . . . o 6.69. Matrices de endomorsmos de 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.70. Matriz en bloques de un endomorsmo . . . . . . . . . . . . . . . . . . . . . . . . . . 6.71. Matriz companion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.72. Matrices circulantes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6.73. Resolucin de ecuaciones recurrentes . . . . . . . . . . . . . . . . . . . . . . . . . . . o 6.74. Sistema de ecuaciones diferenciales lineales con valor inicial . . . . . . . . . . . . . . .
355 356 358 358 359 360 361 362 362 362 363 364 365 379 381 382 383 386 390 392 393 397 399 400 401 402 403 405 406 407 408 410 413 415 418 421 423 428 449
R R
7. Preguntas tipo test Referencias
Algebra Lineal - 10
NOCIONES DE ALGEBRA ABSTRACTA
1.
Nociones de lgebra abstracta a
Lenguaje y razonamiento matemticos a

Ejercicio 1.1 Funciones lgicas de n variables lgicas o o Calcular el nmero de funciones lgicas de n variables lgicas en la Lgica tradicional bivaluada. u o o o Solucin: o Segn se observa en la gura 1, una variable, p, de la Lgica tradicional toma solamente dos valores u o verdadero V o falso F. Tambin pueden sustituirse respectivamente por 1 y 0 para indicar que pasa e corriente o que no pasa. El nombre del valor es irrelevante y la interpretacin depende del contexto o en el que se manejen. Dos variables lgicas, p y q, originan 22 = 4 bloques distintos de valores y tres variables, p, q y r, o originan 23 = 8 bloques distintos de valores. p V F p V V F F q V F V F p V V V V F F F F q V V F F V V F F r V F V F V F V F
Figura 1: Valores de una, dos y tres variables lgicas o En general, para n variables lgicas hay 2n bloques distintos de valores que corresponden con las o n maneras distintas que hay de colocar 2 s 2 mbolos en n lugares1 . Una funcin lgica de n variables asigna un valor de verdad a cada bloque de valores de las o o variables, luego hay que colocar una V o una F en cada uno de los 2n bloques que generan las n variables. El nmero de variaciones con repeticin de 2 elementos tomados de 2n en 2n es el nmero de u o u funciones lgicas de n variables, de tal modo que o Nmero de funciones lgicas de n variables lgicas = VR2 = 22 . u o o 2 En el cuadro 1 se muestran las 4 funciones lgicas de una variable lgica. Adems de la tautolog o o a a (siempre V ) y de la contradiccin (siempre F ) aparecen la identidad y la negacin. o o p V F V V V p V F p F F F V F
n n
Cuadro 1: Funciones lgicas de una variable lgica o o En el cuadro 2 se muestran las 16 funciones lgicas de dos variables lgicas. La tabla es simtrica o o e porque cada funcin est acompaada de su negacin. o a n o
Variaciones con repeticin de 2 elementos tomados de n en n. o
Algebra Lineal - 11
1 NOCIONES DE ALGEBRA ABSTRACTA
nand
xor
p V V F F
q V F V F
V V V V V
p V V V V V V V F F F V F
V F V V
q V F V F
V F F V
V F F F
F V V V
F V V F
q p F F F F V V F F F F V V V F V F
nor F F F V
F F F F F
Cuadro 2: Funciones lgicas de dos variables lgicas o o
Ejercicio 1.2 Funcin nand o Sea p nand q la operacin bivaluada de dos variables lgicas denida por la tabla 3. o o
p V V F F
q V F V F
p nand q F V V V
Cuadro 3: Funcin nand o Demostrar que a) Es conmutativa. b) No es asociativa. c) p nand p p. d) p q (p nand p) nand(q nand q). Solucin: o a) La operacin nand es conmutativa porque el resultado es F unica y exclusivamente cuando los dos o operandos toman el valor V, mientras que en las restantes situaciones es V. Este comportamiento es independiente de la ubicacin de los operandos. o En la tabla de verdad p V V F F q V F V F p nand q q nand p F F V V V V V V
las columnas correspondientes a p nand q y q nand p coinciden. b) La operacin nand no es asociativa porque (p nand q) nand r no es equivalente a p nand(q nand r), o como se corrobora en la siguiente tabla de verdad
Algebra Lineal - 12
p V V V V F F F F
q V V F F V V F F
r V F V F V F V F
p nand q (p nand q) nand r q nand r p nand(q nand r) F V F V F V V F V F V F V V V F V F F V V V V V V F V V V V V V p nand p p F F V V
c) En la siguiente tabla de verdad p V F p V F
puede observarse que la negacin de una proposicin, p, puede obtenerse mediante el operador o o nand aplicado doblemente a la proposicin p. o o e d) En el apartado b) se ha demostrado que (p nand p) p. Cambiando de proposicin, tambin es cierto que (q nand q) q, luego (p nand p) nand(q nand q) (p) nand(q). Los valores de esta ultima expresin coinciden con los de la funcin como puede observarse en o o la siguiente tabla de verdad: p V V F F luego (p nand p) nand(q nand q) (p) nand(q) p q. q V F V F p q F F F V V F V V p nand q p q V V V V V V F F
Ejercicio 1.3 Tablas de verdad Calcular las tablas de verdad de las siguientes proposiciones: ( ) a) (p q) (p) = q. ( ) b) (p q) (p) = q. ( ) ( ) c) (p = q) = r p = (q = r) . d) (p = q) (q = p). ( ) e) p p = (q q) . Solucin: o
Algebra Lineal - 13
1 NOCIONES DE ALGEBRA ABSTRACTA ( ) a) La proposicin (p q) (p) = q es una tautolog como queda reejado en su tabla de verdad: o a ( ) p q p p q (p q) p (p q) p = q V V F V F V V F F V F V F V V V V V F F V F F V ( ) b) La proposicin (p q) (p) = q no es una tautolog pero equivale a p q segn se observa o a, u en la siguiente tabla de verdad: ( ) p q p p q (p q) (p) (p q) (p) = q p q V V F V V V V V F F F F V V F V V F V V V F F V F V F F c) De la siguiente tabla de verdad: p V V V V F F F F q V V F F V V F F r V F V F V F V F p = q (p = q) = r q = r p = (q = r) V V F F V V V V V F V V V F V F V F V V V F V V ( ) ( ) (p = q) = r p = (q = r)
V V F V V V V V V V V F V V V F ( ) ( ) puede deducirse que la proposicin (p = q) = r p = (q = r) no es una tautolog o a, por lo que la implicacin (=) entre proposiciones no tiene la propiedad asociativa. o d) La proposicin (p o verdad: p V V F F = q) (q = p) es una tautolog como queda reejado en su tabla de a q V F V F
p = q p q q = p (p = q) (q = p) V F F V V F F V F V V V F V V V V V V V ( ) e) La proposicin p p = (q q) es una tautolog como queda reejado en su tabla de o a verdad: ( ) p q q q q p p = (q q) p p = (q q) V V F F F V V V F V F F V V F V F F V F V F F V F V F V
Algebra Lineal - 14
Ejercicio 1.4 Algebra de Boole de las proposiciones Si p, q y r son proposiciones, demostrar que (p q r) (p q r) (p q r) (p q r) p. Solucin: o Aplicando la propiedad distributiva (d) del Algebra de Boole de las proposiciones y que p V = p, (s), se tiene (p q r) (p q r) (p q r) (pq r) (p q) (r r) (p q) (r r)
V (d)
(p q) (p q) p (q q) p
(s)
(d)
(s)
Ejercicio 1.5 Predicados equivalentes a) Demostrar que el predicado equivale lgicamente al predicado o ( ) x P (x) = Q(x) ( ) x P (x) Q(x) .
b) Demostrar que el predicado equivale lgicamente al predicado o
( ) x P (x) = Q(x) ( ) x P (x) Q(x) . ( ( )) x P (x) = Q(x) R(x) ( ( )) x P (x) Q(x) R(x) .
c) Demostrar que el predicado
equivale lgicamente al predicado o
d) Demostrar que la expresin o x P (x) = y Q(y) equivale lgicamente a o y Q(y) = x P (x). Solucin: o a) El cuanticador existencial puede denirse a partir del cuanticador universal mediante la relacin o ( ) x R(x) x R(x) , luego ( ) x R(x) x R(x) x R(x).
Algebra Lineal - 15
Si la propiedad genrica R(x) se sustituye por P (x) = Q(x), entonces R(x) tiene que sustituirse e ) ( por P (x) = Q(x) , resultando ( ) ( ) x P (x) = Q(x) x P (x) = Q(x) . La proposicin P (x) = Q(x) equivale lgicamente a P (x) Q(x) y, aplicando las leyes de De o o Morgan para el Algebra de Boole de las proposiciones, se tiene ( ) ( ) P (x) = Q(x) P (x) Q(x) P (x) Q(x). Por tanto, ( ) ( ) x P (x) = Q(x) x P (x) Q(x) .
b) Aplicando que P (x) P (x), las leyes de De Morgan para el Algebra de Boole de las proposiciones y que la proposicin P (x) = Q(x) equivale lgicamente a P (x) Q(x), se tiene o o ( ( ( ) ( ) )) ( ) P (x) Q(x) P (x) Q(x) P (x) Q(x) P (x) = Q(x) . El cuanticador existencial puede denirse a partir del cuanticador universal mediante la relacin o ( ) x R(x) x R(x) . Sustituyendo la propiedad genrica R(x) por P (x) Q(x) y R(x) por P (x) = Q(x), resulta e ( ( ( )) ( )) x P (x) Q(x) x P (x) = Q(x) . ( ) c) Si S(x) es la sentencia P (x) = Q(x) R(x) , entonces S(x) es P (x) Q(x) R(x) porque para cualquier valor jo de la variable x se tiene ( ( )) ( ) P (x) = Q(x) R(x) P (x) Q(x) R(x) ( ) ( ) P (x) Q(x) R(x) P (x) Q(x) R(x) . El cuanticador existencial puede denirse a partir del cuanticador universal mediante la relacin o ( ) x S(x) x S(x) , luego ( ) ( ( ) ( ( )) ( )) x P (x) = Q(x) R(x) x P (x) Q(x) R(x) .
o d) La negacin del predicado p x P (x) es p x P (x). La negacin del predicado q y Q(y) es q y Q(y). o Los valores de verdad de la expresin p = q coinciden con los valores de verdad de la expresin o o q = p ya que (p = q) (q = p), luego ( ) ( ) x P (x) = y Q(y) y Q(y) = x P (x) .
Algebra Lineal - 16
Ejercicio 1.6 Predicados no equivalentes ( ) Demostrar, mediante un contraejemplo, que el predicado x P (x) = Q(x) no equivale lgicao ( ) mente al predicado x P (x) Q(x) . Solucin: o ( ) En el apartado a) del ejercicio 1.5, se )demuestra que el predicado x P (x) = Q(x) ) equivale ( ( lgicamente al predicado x P (x) Q(x) que obviamente no equivale a x P (x) Q(x) porque o slo se diferencian en el conector: en el primer caso y en el segundo. o Para las siguientes propiedades referidas a los nmeros naturales: u P (x) x es mltiplo de 2 u Q(x) x es mltiplo de 6 u el valor de verdad del predicado x
N (P (x) = Q(x)) N
es falso porque hay nmeros enteros por ejemplo x = 12 que son mltiplos de 2 y tambin lo son u u e de 6, luego existen valores enteros de x para los que P (x) = Q(x) tiene valor verdadero. El valor de verdad del predicado ( ) x P (x) Q(x) es verdadero porque cualquier entero es par o no es mltiplo de 6 sin excluir la existencia de nmeros u u pares que no son mltiplos de 6. Una manera de entender esta armacin, es observando que cualquier u o nmero entero es o bien mltiplo de 6 o no es mltiplo de 6; como los mltiplos de 6 tambin lo son u u u u e de 2, entonces cualquier nmero entero o no es mltiplo de 6 o es mltiplo de 2. u u u Los predicados considerados en este ejercicio no son equivalentes porque tienen distintos valores de verdad.
o Ejercicio 1.7 Implicacin de Predicados Demostrar que la implicacin de predicados o x y P (x, y) = y x P (x, y) no es cierta Solucin: o La existencia de un contraejemplo asegura que un predicado no es cierto. Supongamos que x e y son nmeros reales y que P (x, y) x + y = 0. u La particularizacin del antecedente de la implicacin al caso que nos ocupa o o x
R y R : R x R :
x+y =0
es cierta porque para cualquier nmero real, x0 , existe otro nmero real, x0 , tal que x0 + (x0 ) = 0. u u La particularizacin del consecuente de la implicacin al caso que nos ocupa o o y x+y =0
no es cierta porque no existe ningn nmero real, y0 , tal que su suma con cualquier otro nmero real u u u sea 0, x + y0 = 0 x . Si el antecedente es cierto y el consecuente es falso, entonces la implicacin no es cierta. o
Algebra Lineal - 17
Ejercicio 1.8 Negacin del antecedente de una implicacin o ( ) o Sea X un conjunto tal que x X P (x) = Q(x) y sea a X. Estudiar la veracidad o falsedad de la siguiente armacin: o Si se verica P (a), entonces necesariamente se verica Q(a). Solucin: o La negacin del antecedente no asegura ni la negacin ni la armacin del consecuente. o o o Por ejemplo, sea X = , P (x) la proposicin x es un nmero par y Q(x) la proposicin x es un o u o nmero entero. u Como los nmeros pares son nmeros reales de la forma x = 2n con n , es evidente que si x es u u un nmero par, entonces x es un nmero entero, u u ( ) x X P (x) = Q(x) .
Pueden observarse los siguientes casos: Si x = 3, se cumple P (3) porque 3 no es un nmero par y no se cumple Q(3) porque 3 es u un n mero entero. u Si x = se cumplen P () y Q() porque no es un nmero par y tampoco es un nmero u u entero. En las hiptesis del enunciado, no es cierto que si se verica P (a), entonces necesariamente se o verica Q(a).
Ejercicio 1.9 Valor lgico de predicados o Calcular el valor lgico de los siguientes predicados: o ) (( ) a) x X P (x) = Q(x) Q(x) = P (x). b) x X Solucin: o (( ) ) P (x) = Q(x) P (x) = Q(x). (( ) )
a o a) La proposicin p = q q = p es una tautolog porque su valor lgico es siempre V, o como puede observarse en la siguiente tabla de verdad: (( ) ( ) ) p q p = q q p = q q p p = q q = p V V F F V F V F V F V V F V F V F F F V F F V V V V V V
Para cualquier elemento, x0 , del conjunto X, la proposicin o (( ) ) P (x0 ) = Q(x0 ) Q(x0 ) = P (x0 ) es cierta, luego el valor de verdad del predicado (( ) ) x X P (x) = Q(x) Q(x) = P (x) es cierto (o verdadero o V o 1).
Algebra Lineal - 18
(( ) ) b) La proposicin p = q p = q es una tautolog porque su valor lgico es siempre V, como o a o puede observarse en la siguiente tabla de verdad: (( ) ( ) ) p q p = q p = q p p = q p = q V V F F V F V F V F V V V F F F V V V V
Para cualquier elemento, x0 , del conjunto X, la proposicin o (( ) ) P (x0 ) = Q(x0 ) P (x0 ) = Q(x0 ) es cierta, luego el valor de verdad del predicado (( ) ) x X P (x) = Q(x) P (x) = Q(x) es cierto (o verdadero o V o 1).
o ces son 1 y -1 Ejercicio 1.10 Principio de induccin. Coecientes de polinomios cuyas ra n+m Sea el polinomio p(x) = a(x 1)n (x + 1)m = ci xn+mi con a {0} y n, m .
Demostrar que {1, 1} tal que i = 0, 1, . . . , n + m, ci = cn+mi . Solucin: o En los casos siguientes, la simple observacin sirve para comprobar la propiedad: o Cuando n + m = 0, la propiedad es trivial porque p(x) = a = c0 y claramente existe = 1 tal que c0 = c0 = a. Cuando n + m = 1, hay dos polinomios: Si n = 1 y m = 0, entonces p(x) = ax a = c0 x + c1 . Existe = 1 tal que c0 = c1 = a. Si n = 0 y m = 1, entonces p(x) = ax + a = c0 x + c1 . Existe = 1 tal que c0 = c1 = a. Cuando n + m = 2, hay tres polinomios: Si n = 2 y m = 0, entonces p(x) = a(x 1)2 = ax2 2ax + a = c0 x2 + c1 x + c2 . Existe = 1 tal que c0 = c2 = a y c1 = c1 = 2a.
i=0
Algebra Lineal - 19
Si n = 1 y m = 1, entonces p(x) = a(x 1)(x + 1) = ax2 a = c0 x2 + c1 x + c2 . Existe = 1 tal que c0 = c2 = a y c1 = c1 = 0. Si n = 0 y m = 2, entonces p(x) = a(x + 1)2 = ax2 + 2ax + a = c0 x2 + c1 x + c2 . Existe = 1 tal que c0 = c2 = a y c1 = c1 = 2a. Las observaciones realizadas hasta el momento no demuestran que la propiedad se cumple para cualquier valor natural de n + m. Para ello, se necesita el Principio de induccin matemtica. o a El paso de induccin se concreta en demostrar la siguiente propiedad: o Si para el polinomio de grado n + m, p(x) =
n+m i=0
ci xn+mi (1)
{1, 1} tal que i = 0, 1, . . . , n + m, ci = cn+mi , entonces los coecientes, c+ y c , de los polinomios j j p+ (x) = p(x)(x + 1) =
n+m+1 j=0
c+ xn+m+1j j
p (x) = p(x)(x 1) =
n+m+1 j=0
c xn+m+1j j
tambin cumplen la condicin (1). e o La demostracin surge sin dicultad al calcular los coecientes de los polinomios p+ (x) y p (x) en o funcin de los coecientes de p(x) : o p+ (x) =c0 xn+m+1 + (c1 + c0 )xn+m + (c2 + c1 )xn+m1 + + (cn+m + cn+m1 )x + cn+m , p (x) =c0 xn+m+1 + (c1 c0 )xn+m + (c2 c1 )xn+m1 + + (cn+m cn+m1 )x cn+m , resultando que c0 si j = 0 cj + cj1 si 1 j n + m c+ = j cn+m si j = n + m + 1
c = j
c0 si j = 0 cj cj1 si 1 j n + m . cn+m si j = n + m + 1
Teniendo en cuenta que los coecientes ci cumplen la hiptesis de induccin (1), para el polinomio o o p+ (x) existe {1, 1} tal que c+ = c+ j n+m+1j j = 0, 1, . . . , n + m + 1 porque si j = 0 o j = n + m + 1, entonces c+ = c0 = cn+m = c+ 0 n+m+1 y si j = 0 y j = n + m + 1, entonces c+ = cj + cj1 = (cn+mj + cn+mj+1 ) = c+ j n+m+1j . Del mismo modo, para el polinomio p (x) existe {1, 1} tal que c = c j n+m+1j j = 0, 1, . . . , n + m + 1
Algebra Lineal - 20
porque si j = 0 o j = n + m + 1, entonces c = c0 = cn+m = c 0 n+m+1 y si j = 0 y j = n + m + 1, entonces c = cj cj1 = (cn+mj cn+mj+1 ) = c j n+m+1j . Se ha demostrado en primer lugar que los polinomios de grado 1, x+1 y x1 cumplen la condicin o (1) y a continuacin que si los coecientes de un polinomio q(x) de grado cumplen la condicin (1), o o entonces los coecientes de los polinomios q(x)(x + 1) y q(x)(x 1) tambin cumplen dicha condicin. e o Aplicando el Principio de induccin, se puede asegurar que los coecientes de cualquier polio nomio de la forma p(x) = a(x 1)n (x + 1)m cumplen la condicin (1). o Por otra parte, existen polinomios, r(x) = (x i)(x + i) = x2 + 1, cuyos coecientes cumplen la condicin (1) pero no puede descomponerse totalmente como producto o de potencias de x + 1 y x 1.
Algebra de Boole conjuntista

Ejercicio 1.11 Simplicaciones conjuntistas Sea X un conjunto y A, B, C, D P(X). Simplicar las siguientes expresiones: a) (A B C) (A B C) (A B). ( ) b) (A B) C (A B C). ( ) c) (A B) C A B C D C B. ( ) d) (A A) (A B) (A B) B A B. e) (A B) (A C) (A B). f ) (A B) (A B C) (A B C). g) (A B C) (A B C). h) (A B) (C B). ( ) ( ) i) A B C A (D B) (D C) . Solucin: o La simplicacin de expresiones conjuntistas mediante aplicacin de propiedades puede realizarse o o siguiendo varios caminos. Los que a continuacin se presentan tienen como caracter o stica principal que producen un resultado satisfactorio pero no son ni los unicos ni, probablemente, los mejores. a) Aplicando la propiedad distributiva de la interseccin respecto de la unin (d), que la unin de un o o o conjunto y su complementario es el conjunto total (t) y que la interseccin de cualquier conjunto o con el total es el propio conjunto (c), se tiene ) (d) ( (A B C) (A B C) (A B) = (A B) (C C) (A B) ) (t) ( = (A B) X (A B)
(c)
= =
(A B) (A B) (A A) B = X B = B.
(t) (c)
(d)
Algebra Lineal - 21
b) Aplicando las leyes de de Morgan (m), que el complementario del complementario de un conjunto coincide con l mismo (b), la propiedad distributiva de la interseccin respecto de la unin (d), la e o o propiedad asociativa (a) y que si uno de los conjuntos de una unin est contenido en uno de los o a restantes, no aporta nada ms a la unin (u), se tiene a o ( ) ) (m) ( (A B) C (A B C) = (A B) C (A B C) ( ) (b) = (A B) C (A B C)
(d,a)
(A C) (B C) (A B C) (A C) (B C) = (A B) C.
(d)
(u)
c) Aplicando reiteradamente las leyes de de Morgan (m), que el complementario del complementario de un conjunto coincide con l mismo (b), la propiedad distributiva de la interseccin respecto de e o la unin (d), que la interseccin de un conjunto con su complementario es el conjunto vac (v), la o o o propiedad idempotente (i) y que la interseccin de cualquier conjunto con el conjunto vac es el o o vac (e), resulta o ( ) (A B) C A B C D C B = ) (m,b) ( = (A B) C A B C D (C B) ) (m) ( = (A B C) A B C D (C B) ( ) ) (m) ( (A B) C A B C D (C B) =
(d)
( ) = (A B A B C D) (C A B C D) (C B) = ( ) (C B) = (C B) = .
(i) (e)
(v)
d) Algunas veces, la aplicacin indiscriminada de las propiedades conduce a expresiones ms complio a cadas que la original. Por eso, algunas veces es ms productivo hacer simplicaciones parciales. a Por ejemplo, en este caso, (A A) (A B) (A B) B
(v,m,b)
= =
(u,m) (d)
(A B) (A B B) ( ) (A B) (A B) B (A B) (A B) (B B) (A B) = A B, A B,
(u)
(u,v)
= =
AB
(m)
resultando ( ) (a) (v) (A A) (A B) (A B) B A B = (A B) (A B) = A B B = A = , de donde ( ) (A A) (A B) (A B) B A B = = X.
e) Aplicando algunas de las propiedades empleadas en apartados anteriores: (A B) (A C) (A B)

(m)
= = =
(A B) (A C) (A B) (A B) (A C) (A B) (A B) (A C) = A B.
(u)
(b) (u)
Algebra Lineal - 22
f ) Aplicando las mismas propiedades que en apartados precedentes, (A B) (A B C) (A B C)

(d)
= = = =
(t) (c) (d)
( ) (A B) (A B) (C C) ( ) (A B) (A B) X (A B) (A B) (A A) B = X B = B.
(t) (c)
g) Pueden aplicarse las propiedades de De Morgan y del doble complementario (m), asociativa y conmutativa (a), idempotente (i), de unin de complementarios (u) y de existencia de elemento o mximo (t) para simplicar una expresin conjunt a o stica: (A B C) (A B C) = (A B C) (A B C)
(a) (i) (m)
= (A A) (B B) (C C)
(u) (t)
= A (B B) (C C) = A X = X.
h) Aplicando sucesivamente las leyes de de Morgan (m), la propiedad asociativa (a) junto con la conmutativa, la propiedad distributiva de la interseccin respecto a la unin (d) y que la interseccin o o o de un conjunto con su complementario es el conjunto vac (v), que no aporta nada a la unin, se o o tiene ) ) (m) (a) ( (d) ( (v) (A B) (C B) = (AB)(C B) = (AB)B C = (AB)(B B) C = AB C. i) Aplicando las propiedades asociativa e idempotente del lgebra de Boole de la partes del conjunto a X y la propiedad que arma que la interseccin de conjuntos est contenida en cualquiera de ellos, o a se tiene ( ) ( ) A B C A (D B) (D C) = A B C (D B) (D C) B (D B). B (D B) = porque al ser D B = {x X : x D y x B}, no hay elementos que pertenezcan a B y a D B. Como el conjunto vac est contenido en cualquier conjunto, o a ( ) ( ) A B C A (D B) (D C) = .
Ejercicio 1.12 Igualdad de conjuntos Sean A, B y C conjuntos. Demostrar que A B = A C y A B = A C, si y slo si B = C. o Solucin: o Para demostrar la equivalencia hay que comprobar la doble implicacin. o = Si A B = A C y A B = A C, entonces B = C. Utilizando las propiedades del Algebra de Boole conjuntista y sustituyendo las igualdades de la hiptesis, se tiene la siguiente cadena de igualdades: o B = (A B) B = (A C) B = (A B) (C B) = (A C) (B C) = (A B) C = (A C) C = C.
Algebra Lineal - 23
= Si B = C, entonces A B = A C y A B = A C. Claramente, A B = A B y A B = A B.
Ejercicio 1.13 Equivalencias conjuntistas Demostrar las siguientes equivalencias que involucran subconjuntos, A, B de un conjunto total X : a) (A B) (A B) = A = B. b) A B = B A B = A. c) A B A B = A A B = B B A A B = . Solucin: o a) Para comprobar la equivalencia, es necesario demostrar la doble implicacin: o = Partiendo de la hiptesis (A B) (A B) = hay que comprobar que A = B. o Se procede por reduccin al absurdo suponiendo que A = B. o Obligatoriamente, se dar uno de los siguientes casos: a Existe un elemento, x, que pertenece a A y que no pertenece a B. Por tanto, x pertenece a la unin de A con cualquier otro conjunto en particular B, o luego x A B. Del mismo modo, x pertenece a la unin del complementario de B con cualquier otro o conjunto en particular A, luego x A B. En denitiva, x (A B) (A B), lo que supone una contradiccin con la hiptesis o o (A B) (A B) = . Existe un elemento, x, que pertenece a B y que no pertenece a A. Por tanto, x pertenece a la unin de B con cualquier otro conjunto en particular A, o luego x A B. Del mismo modo, x pertenece a la unin del complementario de A con cualquier otro o conjunto en particular B, luego x A B. En denitiva, x (A B) (A B), lo que supone una contradiccin con la hiptesis o o (A B) (A B) = . Al producirse una contradiccin en todos los casos posibles, la tesis A = B no puede sostenerse o y, por tanto, puede concluirse que A = B. = Si A = B, entonces (A B) (A B) = (A A) (A A) = A A = . b) Para comprobar la equivalencia, es necesario demostrar la doble implicacin: o
Algebra Lineal - 24
= Si A B = B, tras sustituir B por su valor y aplicar la propiedad distributiva de la interseccin respecto de la unin, la propiedad idempotente y el que la unin de un conjunto con o o o un subconjunto suyo es el propio conjunto, se obtiene A B = A (A B) = (A A) (A B) = A (A B) = A. = Si A B = A, tras sustituir A por su valor y aplicar la propiedad distributiva de la unin o respecto a la interseccin, la propiedad idempotente y el que la interseccin de un conjunto o o con un subconjunto suyo es el subconjunto, se obtiene A B = (A B) B = (A B) (B B) = (A B) B = B. c) Cuando se tiene una cadena de equivalencias, no es necesario demostrar la doble implicacin en o todos los casos. Puede comprobarse que de cada premisa se deduce la siguiente y que de la ultima se deduce la primera, cerrndose as una especie de cadena virtual que origina las equivalencias a entre todas las armaciones. A B = A B = A La igualdad entre conjuntos se demuestra comprobando la doble inclusin: o A B A Si x A B, entonces x A y x B, luego x A. A B A Si x A y A B, entonces x B, luego x A B. A B = A = A B = B En el apartado b de este mismo ejercicio ya se ha comprobado la equivalencia. A B = B = B A Si x B, entonces x B = A B, luego x A B y x A B, de donde se deduce que x A. B A = A B = Si B A, entonces A B A A = , luego A B = . A B = = A B Si x A y A B = , entonces x B, luego x B.
o sticas Ejercicio 1.14 Comprobacin de propiedades conjunt Sea X un conjunto y A, B, C P(X). Demostrar la igualdad (A B) C = (A C) (B C) o poner un contraejemplo que pruebe su falsedad. Solucin: o La inclusin (A B) C (A C) (B C) es cierta porque o (A B) C C C (A B) = (A C) (B C). Esta inclusin puede ser estricta como sucede con los conjuntos A = {a, b}, B = {b, c} y C = {c, d} o para los que (A B) C = {c} y (A C) (B C) = {b, c, d}. Esta igualdad no es cierta.
Algebra Lineal - 25
Ejercicio 1.15 Cardinal de las partes de un conjunto nito Sea X = {x1 , x2 , x3 , . . . , xn } un conjunto nito con n elementos. Demostrar que el cardinal de P(X) es 2n . Solucin: o El conjunto de las partes de X est formado por todos los subconjuntos de X incluyendo al vac a o y al propio conjunto X, { } P(X) = , {x1 }, {x2 }, . . . , {xn }, {x1 , x2 }, . . . , {x2 , x3 , . . . , xn }, X . Cualquier subconjunto de X puede describirse inequ vocamente asignando a cada elemento de X una etiqueta con valor 1 si el elemento pertenece al subconjunto y 0 si no pertenece. De esta manera, la representacin del subconjunto A = {x1 , x2 } es o } {1 1 0 0 A = {x1 , x2 } = x1 , x2 , x3 , . . . , xn y la del conjunto vac o {0 0 0 } 0 = x1 , x2 , x3 , . . . , xn .
Cada subconjunto de X lleva asociada una unica etiqueta y cada etiqueta representa un unico subconjunto, luego hay tantas etiquetas como subconjuntos. El nmero de etiquetas de n posiciones que se pueden generar con 0 y 1 son las variaciones con u repeticin de 2 elementos tomados de n en n, por tanto, el nmero de subconjuntos de X o el cardinal o u de partes de X es ( ) card P(X) = VRn = 2n . 2
Ejercicio 1.16 Diferencia entre conjuntos Sean A, B y C subconjuntos de un conjunto X cualesquiera. Demostrar que a) Los conjuntos A B, B A y A B son disjuntos entre s . b) Si A B y C = B A, entonces A = B C. c) Si A B = , entonces A B = A. d) A = (A B) (A B). e) A (B C) = (A B) (A C). Solucin: o a) (A B) (B A) = porque si x A B, entonces x B, luego x B A B. (A B) (A B) = porque si x A B, entonces x B, luego x A B B. (B A) (A B) = porque si x B A, entonces x A, luego x A B A. En denitiva, son tres conjuntos disjuntos dos a dos. b) Como C = B A, entonces C = B A y, aplicando esta igualdad, la hiptesis restante y las o propiedades del Algebra de Boole de conjuntos, B C = B C = B B A = B (B A) = (B B) (A B) = A B = A.
Algebra Lineal - 26
c) Como A B = , entonces2 A B, de donde se deduce que A = A B = A B. d) Aplicando la denicin de diferencia entre conjuntos y las propiedades del Algebra de Boole, se o tiene A = (A B) (A B) = (A B) (A B) = A (B B) = A X = A. e) Razonando como en los apartados anteriores: (A B) (A C) = (A B) (A C) = A (B C) = A B C = A (B C).
Ejercicio 1.17 Diferencia simtrica e Sea X un conjunto y A, B, C X. Se llama diferencia simtrica de los conjuntos A y B a e AB = (A B) (B A). Demostrar las siguientes igualdades/relaciones: a) AB = (A B) (A B). b) AB = (A B) (A B). c) (AB)C = A(BC), propiedad asociativa. d) AB = BA, propiedad conmutativa. e) A (BC) = (A B)(A C), propiedad distributiva de la interseccin respecto a la diferencia o simtrica. e ((
n { ) A si n par nA = (AA)A A A = AAA A = , siendo n si n impar n
f)
N.
g) AB = A = B. h) A B = A C BC A. i) (A C)(B C) = (AB) C. Solucin: o a) Aplicando las propiedades del Algebra de Boole, (A B) (A B) = (A B) A B = (A B) (A B) = (A A) (B A) (A B) (B B) = (A B) (B A) = (A B) (B A) = AB

2
No slo se trata de una implicacin, sino de una equivalencia. o o
Algebra Lineal - 27
b) El complementario de la diferencia simtrica de dos conjuntos es e AB = (A B) (A B) = A B A B = (A B) (A B). c) Para demostrar que la diferencia simtrica de conjuntos cumple la propiedad asociativa, basta e desarrollar los dos trminos involucrados y comprobar que coinciden: e ( ) ( ) (AB)C = (AB) C AB C ( ) ( ) = (A B) (A B) C (A B) (A B) C = (A B C) (A B C) (A B C) (A B C). ( ) ( ) A(BC) = A BC A (BC) ( ) ( ) = A (B C) (B C) A (B C) (B C) = (A B C) (A B C) (A B C) (A B C). d) Seg n la expresin de la diferencia simtrica obtenida en el apartado a) y la propiedad conmutativa u o e de la unin y de la interseccin, o o AB = (A B) (A B) = (B A) (B A) = BA. e) Por un lado, ( ) A (BC) = A (B C) (B C) = (A B C) (A B C). ( ) ( ) (A B)(A C) = (A B) A C (A C) A B ( ) ( ) = (A B) (A C) (A C) (A B) = (A B C) (A B C). Por tanto, se cumple la propiedad distributiva de la interseccin respecto de la diferencia simtrica. o e f ) El nmero n representa la cantidad de veces que se repite el operador . Por tratarse de un u operador binario, para poder aplicarlo n veces, se necesitan n + 1 argumentos, as consideramos que n A = (n + 1) A = AAAA A A A .
1 2 3 4 n1 n n+1 1 2 3 n1 n
Por otro lado,
Aunque no es necesario tenerlo en cuenta, el caso n = 0, signica que no se aplica ningn operador u al argumento, luego, sin temor a caer en contradicciones, puede interpretarse que 0 A = A. Si n = 1, entonces AA = (A A) (A A) = . Si n = 2, entonces ( ) ( ) 2 A = (A, A), A = AA A = A = ( A) (A ) = A = A. {
Estos resultados sugieren la frmula o n A =
A si n par si n impar
que se demuestra utilizando el principio de induccin ya que suponiendo que la frmula anterior o o es vlida hasta un determinado natural k, entonces a { { { A si k par si k par si k + 1 impar k+1 k A = A( A) = A = = . si k impar A si k impar A si k + 1 par
Algebra Lineal - 28
g) Una manera de comprobar la equivalencia es demostrando la veracidad de la doble implicacin: o = Si AB = , entonces AB = (A B) (B A) = , de donde se deduce que A B = y B A = porque la unin de dos conjuntos slo puede o o ser el vac si los dos conjuntos son vac o os. Por la primera igualdad, A B y, por la segunda, B A, luego A = B. = Si A = B, entonces AB = AA = (A A) (A A) = . h) La doble implicacin puede comprobarse vericando la veracidad de las dos implicaciones: o = Suponiendo que A B = A C, cumple la siguiente cadena de igualdades: ( ) A (BC) = A (B C) (C B) ( ) = A (B C) (C B) ( ) = (A B) (A C) (C B) ) ( = (A C) (A C) (C B) ( ) = A (C C) (C B) = A (C B) = (A C) (A B) = (A B) (A B) = A (B B) = A. Como A (BC) = A, entonces BC A. = Si BC A, entonces AB = ( ) A (BC) B
= A (B C) (B C) B = A B (B C) ( ) = A (B B) (B C) = A B C, ( ) A C = A (BC) C = A (B C) (B C) C = A (B C) C ( ) = A (B C) (C C) = A B C,
luego A B = A C. i) Aplicando las propiedades del Algebra de clases, se tiene: (A C)(B C) = ) ( ) (A C) (B C) (B C) A C ( ) ( ) = (A C) B C (B C) A C (
= (A B C) (A B C) ( ) = (A B) (A B) C = (AB) C = (AB) C.
Algebra Lineal - 29
La propiedad distributiva de la unin respecto a la diferencia simtrica no se cumple3 . Por ejemplo, o e si A = {1, 2, 3, 4}, B = {3, 4, 5} y C = {4, 5, 6}, entonces (AB) C = {1, 2, 5} {4, 5, 6} = {1, 2, 4, 5, 6}, (A C)(B C) = {1, 2, 3, 4, 5, 6}{3, 4, 5, 6} = {1, 2}. Teniendo en cuenta que, como se ha deducido anteriormente, (A C)(B C) = (A B C) (A B C) y que (AB) C = (A B) (A B) C, la relacin exacta es o (A C)(B C) (AB) C porque (A B C) A B y (A B C) A B.
Ejercicio 1.18 Propiedad idempotente Demostrar que si A y B son conjuntos cualesquiera, entonces (AB) (AB) = AB. Solucin: o Por la propiedad idempotente, para cualquier conjunto X se verica X X = X. En particular, para X = AB, se tiene (AB) (AB) = (AB).
Funciones entre conjuntos

o a Ejercicio 1.19 Unin de las imgenes de todos los subconjuntos Demostrar o poner un contraejemplo que dilucide la veracidad de la siguiente armacin: o Si X es un conjunto y f : X X una funcin, entonces la unin de las imgenes por o o a f de todos los subconjuntos de X es igual a X, f (A) = X.
AX
Solucin: o La armacin es falsa. o Como contraejemplo sirve cualquier funcin que no sea suprayectiva. o Si X = {a, b} y f : X X es tal que f (a) = f (b) = a, entonces ( ) ( ) ( ) f (A) = f () f {a} f {b} f {a, b} = {a}
AX
X.
3 Cabe preguntarse si se cumplirn la propiedad distributiva de la diferencia simtrica respecto a la unin y la propiedad a e o distributiva de la diferencia simtrica respecto a la interseccin. e o
Algebra Lineal - 30
Ejercicio 1.20 Imagen de una funcin o { } Sean el conjunto A = (x, y) 2 : x2 + y 2 = 9 y la funcin f : A o Calcular f (A). Es f suprayectiva o inyectiva?
R tal que f (x, y) = x2.
Solucin: o f (A) [0, 9] porque si las componentes del par de nmeros reales (x, y) cumplen x2 + y 2 = 9, u entonces 0 x2 9 pues y 2 0 y . Tambin se cumple f (A) [0, 9] porque para cualquier z [0, 9], el par ( z, 9 z) A y e f ( z, 9 z ) = ( z )2 = z. En denitiva, f (A) = [0, 9] . La funcin f no es suprayectiva porque el conjunto de llegada no coincide con la imagen de f : o f (A) [0, 9]
R.
La funcin f tampoco es inyectiva porque hay elementos distintos de A que tienen la misma imagen o por f : f (3, 0) = f (3, 0) = 9.
o Ejercicio 1.21 Funcin en un conjunto nito Sea X = {a, b, c, d}. Estudiar si la siguiente armacin es verdadera o falsa: o ( ) una funcin f : X X tal que x X f {x} {x} = . o Solucin: o Es verdadera. La funcin f : X X tal que o f (a) = b, f (b) = c, f (c) = d, f (d) = a cumple que x X f {x} {x} = . ( )
Ejercicio 1.22 Propiedades de la imagen directa Sea f : X Y una aplicacin entre conjuntos, A X y A X. Demostrar las siguientes o propiedades: a) A = f (A) = . b) A A = f (A) f (A ). c) f (A A ) = f (A) f (A ). d) f (A A ) f (A) f (A ). ( ) e) A f 1 f (A) .
Algebra Lineal - 31
Solucin: o a) Para comprobar la equivalencia entre las dos armaciones, es necesario demostrar la doble implicacin: o = Si A = , entonces A tiene algn elemento. Sea x A. u Como f es una aplicacin, f (x) existe, luego f (x) f (A) y f (A) = . o = Si f (A) = , entonces f (A) tiene al menos un elemento. Sea y f (A). Por denicin de f (A), existe x A tal que f (x) = y, luego A tiene al menos un elemento y, o consecuentemente, no es el conjunto vac A = . o, b) El conjunto A est incluido en B cuando todos los elementos de A tambin son elementos de B. a e Sea y un elemento de f (A), y f (A). Por denicin del conjunto f (A), existe x A tal que f (x) = y. o Como A A , entonces x A y x A , luego y = f (x) f (A ), pudindose concluir que e ) porque todo elemento de f (A) tambin pertenece a f (A ). f (A) f (A e La otra implicacin no es cierta porque puede suceder que la imagen de un conjunto por una o aplicacin est contenida en la imagen de otro conjunto por la misma aplicacin y que los conjuntos o e o iniciales no tengan elementos comunes. Por ejemplo: X = {a, b, c}, f : X X tal que f (a) = f (b) = b y f (c) = c, A = {a} y A = {b, c}. Claramente, f (A) = {b} f (A ) = {b, c} y A A = , resultando que A no est contenido en A a aunque el conjunto f (A) est contenido en f (A ). e c) Para comprobar la igualdad entre conjuntos, es necesario demostrar la doble inclusin: o o Sea y f (A A ). Por denicin de imagen directa de un conjunto, existe x A A tal que f (x) = y. Si x A A , entonces x A o x A y es necesario analizar las dos situaciones siguientes: Si x A, entonces y = f (x) f (A) f (A) f (A ). Si x A , entonces y = f (x) f (A ) f (A) f (A ). En cualquier caso, y f (A) f (A ), luego f (A A ) f (A) f (A ). Sea y f (A) f (A ). Por denicin de unin de conjuntos, y f (A) o bien y f (A ). Como o o antes, hay que analizar las dos situaciones posibles: Si y f (A), entonces existe x A tal que y = f (x). Si y f (A ), entonces existe x A tal que y = f (x ). En cualquier caso, existe un elemento x A A tal que f (x ) = y, luego y f (A A ) y f (A) f (A ) f (A A ). d) Si y f (A A ), entonces existe x A A tal que f (x) = y. Como x A, entonces y = f (x) f (A) y como x A , entonces y = f (x) f (A ), por tanto y = f (x) f (A) f (A ). Este razonamiento no se puede leer hacia atrs puesto que de y f (A) f (A ) se desprende la a existencia de un elemento x1 A tal que y = f (x1 ) y de un elemento x2 A tal que f (x2 ) = y, pero x1 y x2 no tienen que pertenecer a A A .
Algebra Lineal - 32
De hecho, la igualdad no siempre se cumple. Sirva para demostrarlo el siguiente contraejemplo: Si X es un conjunto no vac x0 A X y f : X X tal que f (x) = x0 x X, entonces o, ( ) f A (X A) = f () = f (A) f (X A) = {x0 }. ( ) ( ) e) Si x A, entonces f (x) f (A) y si f (x) f (A), entonces x f 1 f (A) , luego A f 1 f (A) . ( ) El rec proco no es cierto porque, aunque de x f 1 f (A) s puede deducirse que f (x) f (A), de f (x) f (A) no puede deducirse que x A ya que slo puede asegurarse que existe x A tal o que f (x ) = f (x) y de esta igualdad no se desprende ni que x = x ni que x A. Si la funcin f)fuera inyectiva, s podr asegurarse la igualdad entre x y x y, consecuentemente, a (o A = f 1 f (A) . Como contraejemplo sirve el siguiente: Sea ( = {a, b}, f(: X ) X tal que f (a) = f (b) = a y A = {a}. Es evidente que f (A) = {a} y X ) ( ) f 1 f (A) = f 1 {a} = X, resultando que A X = f 1 f (A) . Obviamente, la funcin f no es o inyectiva.
o o Ejercicio 1.23 Imagen directa, unin e interseccin Sea f : X Y una aplicacin entre los conjuntos X e Y y A y A subconjuntos de X. Determinar o la relacin existente entre los siguientes conjuntos: o a) f (A) f (A ) y f (A A ). b) f (A) f (A ) y f (A A ). Solucin: o a) Teniendo en cuenta que A, A P(X) A A A y A A A y aplicando el apartado b) del ejercicio 1.22, se cumplen las relaciones f (A) f (A A ) y f (A ) f (A A ), de donde f (A) f (A ) f (A A ).
La igualdad no siempre se da porque la otra inclusin no tiene que cumplirse. Sirva como cono traejemplo el conjunto X = {a, b}, la aplicacin f : X X tal que f (a) = a y f (b) = b y los o subconjuntos A = {a} y A = {b}. Claramente, f (A) f (A ) = A A = , f (A A ) = f (X) = X. b) Teniendo en cuenta que A, A P(X) A A A y A A A y aplicando el apartado b) del ejercicio 1.22, se cumplen las relaciones f (A A ) f (A) y f (A A ) f (A ),
Algebra Lineal - 33
de donde
f (A A ) f (A) f (A ).
La igualdad no siempre se da porque la otra inclusin no tiene que cumplirse. Sirva como cono traejemplo el conjunto X = {a, b}, la aplicacin f : X X tal que f (a) = a y f (b) = b y los o subconjuntos A = {a} y A = {b}. Claramente, f (A) f (A ) = A A = X, f (A A ) = f () = .
Ejercicio 1.24 Propiedades de la imagen rec proca Sea f : X Y una aplicacin entre conjuntos, B Y y B Y. Demostrar las siguientes o propiedades: a) f 1 (B) = = B = . b) B B = f 1 (B) f 1 (B ). Se cumple el rec proco? c) f 1 (B B ) = f 1 (B) f 1 (B ). d) f 1 (B B ) = f 1 (B) f 1 (B ). ( ) e) f f 1 (B) = B f (X). ( ) f ) B f f 1 (B) . Se da siempre la igualdad? Solucin: o a) Si f 1 (B) = , entonces existe x f 1 (B) y su imagen pertenece a B, f (x) B, luego B no es el conjunto vac o. Puede suceder que el conjunto B no sea el vac pero su imagen rec o, proca s Por ejemplo, sea . X = {a, b}, f : X X tal que f (a) = f (b) = a y B = {b}. Es evidente que B = y que f 1 (B) = . b) Si x f 1 (B), entonces f (x) B B , luego f (x) B y x f 1 (B ). El rec proco no se cumple porque puede ser que f 1 (B) f 1 (B ) y que B B como sucede en el siguiente contraejemplo: Si f : {a, b, c} {d, e} es f (a) = f (b) = f (c) = e, B = {d} y B = {e}, entonces f 1 (B) = y f 1 (B ) = {a, b, c}. c) Para comprobar la igualdad entre conjuntos, es necesario demostrar la doble inclusin: o Si x f 1 (B B ), entonces f (x) B B , luego f (x) B o f (x) B , es decir por tanto x f 1 (B) o x f 1 (B ), x f 1 (B) f 1 (B ).
Algebra Lineal - 34
Si x f 1 (B) f 1 (B ), entonces x f 1 (B) o x f 1 (B ), luego f (x) B o f (x) B , por tanto f (x) B B y x f 1 (B B ).
Otra manera de comprobar esta inclusin es aplicando propiedades conocidas de la unin de o o conjuntos y de la imagen rec proca: B, B P(Y ), B B B y B B B , luego por tanto f 1 (B) f 1 (B B ) y f 1 (B ) f 1 (B B ), f 1 (B) f 1 (B ) f 1 (B B ).
d) Para comprobar la igualdad entre conjuntos, es necesario demostrar la doble inclusin: o Si x f 1 (B B ), entonces f (x) B B , luego f (x) B y f (x) B , es decir por tanto x f 1 (B) y x f 1 (B ), x f 1 (B) f 1 (B ).
Otra manera de comprobar esta inclusin es aplicando propiedades conocidas de la interseccin o o de conjuntos y de la imagen rec proca: B, B P(Y ), B B B y B B B , de donde luego f 1 (B B ) f 1 (B) y f 1 (B B ) f 1 (B ), f 1 (B B ) f 1 (B) f 1 (B ).
Si x f 1 (B) f 1 (B ), entonces x f 1 (B) y x f 1 (B ), luego f (x) B y f (x) B , por tanto f (x) B B y x f 1 (B B ).
e) Puede comprobarse la doble inclusin de los conjuntos: o ( 1 ) Si y f f (B) , entonces x f 1 (B) tal que f (x) = y. Como x f 1 (B), entonces f (x) B, luego y = f (x) B
Algebra Lineal - 35
1 NOCIONES DE ALGEBRA ABSTRACTA ( ) y, consecuentemente, f f 1 (B) B. Adems, como a A P(X), f (A) f (X), ( ) en particular, para A = f 1 (B), se tiene f f 1 (B) f (X). En denitiva ( ) f f 1 (B) B f (X). Si y B f (X), entonces y B y y f (X). ( ) y = f (x) f f 1 (B) .
Por tanto, x f 1 (B) tal que f (x) = y, luego ( ) f ) Si y f f 1 (B) , entonces
x f 1 (B) tal que f (x) = y.
Como x f 1 (B), entonces f (x) B, luego ( ) y, consecuentemente, f f 1 (B) B. Sea f : y = f (x) B
La igualdad no siempre se da. El siguiente contraejemplo demuestra esta armacin: o ) Claramente, f 1 (B) = {1, 1} y f f 1 (B) = f {1, 1} = {1}
R R tal que f (x) = |x|(y B = {1, 1}. ) (
{1, 1}.
a Ejercicio 1.25 Imgenes y diferencia de conjuntos Sea f : X Y una aplicacin entre conjuntos, A X, A X, B Y y B Y. Demostrar o las siguientes propiedades: a) f 1 (B B ) = f 1 (B) f 1 (B ). b) f 1 (Y B) = X f 1 (B). c) f (A) f (A ) f (A A ) y, en particular, f (X) f (A) f (X A). d) f es inyectiva si y solamente si f (X A) = f (X) f (A). e) f es inyectiva s y slo si A, A P(X) f (A A ) = f (A) f (A ). o Solucin: o a) La igualdad se comprueba mediante la doble inclusin: o Si x f 1 (B B ), entonces f (x) B B , es decir, f (x) B y f (x) B . Por tanto, y, equivalentemente, x f 1 (B) y x f 1 (B ) x f 1 (B) f 1 (B ).
Algebra Lineal - 36
Repitiendo el razonamiento anterior pero leyndolo al revs, se tiene: e e 1 (B) f 1 (B ), entonces Si x f x f 1 (B) y x f 1 (B ), por tanto, f (x) B y f (x) B , luego f (x) B B y x f 1 (B B ). b) Si en la frmula del apartado anterior (a) se considera el caso B = Y y B = B y, adems, se tiene o a en cuenta que f 1 (Y ) = X, se tiene f 1 (Y B) = X f 1 (B). c) Si y f (A) f (A ), entonces
y f (A) y y f (A ),
luego, x A y x A tal que f (x) = y. Como x A A , entonces f (x) f (A A ) y y = f (x) f (A A ). La igualdad no siempre se cumple: Por ejemplo, si X = {a, b}, Y = {c}, f : X Y tal que f (a) = f (b) = c y A = {a}. Claramente, X A = {b}, f (X A) = Y , f (X) = Y, f (A) = Y, f (X) f (A) = . d) La equivalencia se demuestra comprobando la doble implicacin: o = Suponiendo que la funcin f es inyectiva, se cumple la igualdad f (X A) = f (X) f (A) o porque se da la doble inclusin conjunt o stica: Si y f (X A), entonces x X A tal que f (x) = y, luego y f (X). Esto se verica siempre, sea f inyectiva o no. Al ser f es inyectiva y x A, se cumple que x A, f (x) = f (x ). Esto es as porque de la inyectividad de f y de la relacin f (x ) = f (x) = y se deduce x = x , lo que supone o una contradiccin con que x A y x A. o A tal que f (x ) = y, se tiene que y f (A). Como x En consecuencia, y f (X) f (A). Vase el apartado c). e = Sean x, x dos elementos distintos de X y sea A = {x}. Claramente, f (x) f (A). Por ser x = x , x X A y f (x ) f (X A). Por hiptesis, f (x ) f (X A) = f (X) f (A), luego f (x ) f (A) y puede deducirse que o f (x) = f (x ) porque f (x) f (A) y f (x ) f (A). Las imgenes por f de dos elementos distintos cualesquiera son distintas, luego f es inyectiva. a e) Se cumple la doble implicacin: o o o = La demostracin mediante doble inclusin es similar a la realizada en el apartado d). Se diferencian en que la anterior utilizaba el conjunto total X y sta se reere a cualquier par e de subconjuntos de X, est o no incluido A en A. e
Algebra Lineal - 37
1 NOCIONES DE ALGEBRA ABSTRACTA Si y f (A A ), entonces x A A tal que f (x) = y, luego y f (A). Al ser f es inyectiva y x A , se cumple que x A , f (x) = f (x ). Esto es as porque ) = f (x) = y se deduce x = x , lo que supone de la inyectividad de f y de la relacin f (x o una contradiccin con que x A y x A . o Como x A tal que f (x ) = y, se tiene que y f (A ). En consecuencia, y f (A) f (A ). Si y f (A) f (A ), entonces x A tal que f (x) = y y x A tal que f (x ) = y, luego x A A y f (x) = y f (A A ). = Sean x y x elementos distintos de X. Llamemos A = {x} y A = {x }. Al tener elementos distintos, f (A A ) = f (A). Por otro lado, como f (A) = {f (x)} y f (A ) = {f (x )}, la unica posibilidad de que f (A) = {f (x)} = f (A A ) = f (A) f (A ) = {f (x)} {f (x )} es que f (x) = f (x ) porque de no ser as f (A) f (A ) = . , Por tanto, si x = x , entonces f (x) = f (x ). Es decir, la aplicacin f es inyectiva. o
Ejercicio 1.26 Imagen rec proca y propiedad distributiva Demostrar que si f : X Y es una funcin entre los conjuntos X e Y y A, B y C son o subconjuntos de Y, entonces ( ) ( ) ( ) f 1 (A B) C = f 1 (A) f 1 (C) f 1 (B) f 1 (C) . Solucin: o Aplicando la propiedad distributiva de la interseccin respecto a la unin de conjuntos y las o o propiedades siguientes: f 1 (A B) = f 1 (A) f 1 (B) y f 1 (A B) = f 1 (A) f 1 (B), se tiene ( ) ( ) f 1 (A B) C = f 1 (A C) (B C) = f 1 (A C) f 1 (B C) ( ) ( ) = f 1 (A) f 1 (C) f 1 (B) f 1 (C) .
Ejercicio 1.27 Imagen rec proca y dominio Demostrar que para cualquier funcin, f : X Y, o ( ) f 1 f (X) = X. Solucin: o Se cumple la doble inclusin y, por tanto, la igualdad de los conjuntos: o Es evidente porque A P(Y ), f 1 (A) X. ( ) Si x X, entonces f (x) f (X) y x f 1 f (X) .
Ejercicio 1.28 Relacin entre un conjunto y su imagen rec o proca Sea X un conjunto, A X y f : X X una funcin. Demostrar que o f (A) A A f 1 (A).
Algebra Lineal - 38
Solucin: o En general, ni f (A) est contenido en A ni A est contenido en f 1 (A) como queda de maniesto a a si X = {a, b}, f : X X es tal que f (a) = f (b) = b y A = {a}. Claramente f (A) = {b} A y A f 1 (A) = . Para demostrar la equivalencia propuesta, hay que comprobar la doble implicacin. o = Si f (A) A, entonces A f 1 (A). La inclusin A f 1 (A) se demuestra comprobando que todos los elementos del conjunto A o tambin pertenecen al conjunto f 1 (A). e Si x es un elemento cualquiera de A, por hiptesis f (x) f (A) A y si f (x) A, entonces o x f 1 (A), luego todos los elementos de A tambin lo son de f 1 (A) y A f 1 (A). e = Si A f 1 (A), entonces f (A) A. Aplicando a la hiptesis A f 1 (A) que la imagen directa preserva la inclusin de conjuntos y o o que la imagen directa de la imagen rec proca de un conjunto est contenida en el propio conjunto, a se obtiene que ( ) f (A) f f 1 (A) A.
Ejercicio 1.29 Caracterizacin de funciones inyectivas o Sean f : X Y una aplicacin entre los conjuntos X e Y. o Demostrar que ( ) f es inyectiva f 1 f (A) = A A X. Solucin: o La equivalencia se demuestra comprobando la doble implicacin. o ( ) = Si f es inyectiva, entonces A = f 1 f (A) A X. Suponiendo que f es inyectiva, hay que comprobar la igualdad entre dos conjuntos vericando la doble inclusin entre ellos. o ( ) Si x f 1 f (A) , entonces f (x) f (A). Por ser f inyectiva, si f (x) f (A), entonces x A porque no hay ningn elemento de X u distinto de x cuya imagen sea f (x). ( ) Si x A, entonces f (x) f (A) y x f 1 f (A) porque ( ) { } f 1 f (A) = x A : f (x) f (A) . ( ) = Si A = f 1 f (A) A X, entonces f es inyectiva. Supongamos que hay dos elementos x, y X tales que f (x) = f (y) y sea A = {x} X. ( ) Por hiptesis, f 1 f (A) = A = {x}. o { } Adems, f (x) f (A) y f (y) = f (x) f (A), luego f (x), f (y) f (A). a Se cumple de donde x = y. No hay elementos distintos con la misma imagen, luego f es inyectiva. ( ) {x, y} f 1 f (A) = {x},
Algebra Lineal - 39
Ejercicio 1.30 Funciones inyectivas y complementario Sea f : X Y una aplicacin entre conjuntos. Se pide4 : o a) Demostrar que f es inyectiva si solamente si A X f (A) f (A). b) Poner un ejemplo de funcin inyectiva, f : X Y, y de un subconjunto A X tales que o f (A) = f (A). Solucin: o a) La equivalencia se demuestra comprobando la la doble implicacin. o = El conjunto f (A) est contenido en el conjunto f (A) si y solamente si todos los elementos a e de f (A) tambin pertenecen a f (A). Si y f (A), entonces x A tal que y = f (x). Al ser f inyectiva, no existe ningn otro elemento de X ni consecuentemente de A cuya u imagen por f coincida con y, luego y f (A) o de otra manera y f (A), como se quer a comprobar. = La funcin f es inyectiva si x, y X tales que x = y, entonces f (x) = f (y). o Sean x, y X, x = y y A = {x} X. Es evidente que f (x) f (A) Y y y A. ( ) ( ) Si y A, entonces f (y) f A y, por hiptesis, f (y) f A f (A), luego f (y) f (A). o Si f (x) f (A) y f (y) f (A), entonces f (x) = f (y) y f es inyectiva. b) Sean los conjuntos X = {a, b} y Y = {1, 2, 3}, el subconjunto A = {a} X y la funcin inyectiva o f : X Y tal que f (a) = 1 y f (b) = 2. Claramente, f (A) = {f (a)} = {1}, f (A) = f ({b}) = {2} y f (A) = Y {1} = {2, 3}. La funcin f es inyectiva y existe un subconjunto A X tal que f (A) o f (A).
Ejercicio 1.31 Caracterizacin de funciones suprayectivas o Sean f : X Y una aplicacin entre los conjuntos X e Y. o Demostrar que ( ) f es suprayectiva f f 1 (B) = B B Y. Solucin: o La equivalencia se demuestra comprobando la doble implicacin. o ( 1 ) = Si f es suprayectiva, entonces B = f f (B) B Y . Suponiendo que f es suprayectiva, hay que comprobar la igualdad entre dos conjuntos vericando la doble inclusin entre ellos. o ( ) Si y f f 1 (B) , entonces x f 1 (B) tal que f (x) = y. Si x f 1 (B), entonces f (x) B. Como y = f (x) y f (x) B, entonces y B.
4
Este ejercicio completa el ejercicio 1.25 del material de la asignatura, titulado Imgenes y diferencia de conjuntos. a
Algebra Lineal - 40
( ) Si y B, entonces f 1 {y} = porque f es suprayectiva, luego x A tal que f (x) = y. ( ) Como f (x) = y B, entonces x f 1 (B) y f (x) f f 1 (B) , luego ( ) y f f 1 (B) . ( ) = Si B = f f 1 (B) B Y, entonces f es suprayectiva. ) ( Si existe y B tal que f 1 {y} = , entonces ( ( )) f f 1 {y} = f () = , pero, por hiptesis, o ( ( )) f f 1 {y} = {y} = .
No se puede suponer la existencia de elementos cuya preimagen sea vac luego f es suprayectiva a, porque para cualquier elemento de Y existe un elemento de X cuya imagen coincide con el elemento inicial.
Ejercicio 1.32 Biyectivas, inyectivas e imgenes a Estudiar la veracidad o falsedad de las armaciones siguientes: ( ) a) La funcin f : X Y es biyectiva si y slo si f f 1 (Y ) = Y . o o ( ) b) La funcin f : X Y es inyectiva si y slo si f f 1 (Y ) Y . o o Solucin: o a) Hay funciones no biyectivas que cumplen la relacin o ( ) f f 1 (Y ) = Y. Por ejemplo, la funcin f : {a, b} {c} tal que f (a) = f (b) = c no es biyectiva y cumple o ( ) f f 1 ({c}) = {c}. ( ) Por otra parte, si f es biyectiva, entonces f f 1 (Y ) = Y ya que se trata de una funcin suprao yectiva. ( ) b) Para cualquier funcin, f, sea o no sea inyectiva, se cumple f f 1 (Y ) Y porque la imagen por o f de cualquier subconjunto de X en este caso f 1 (Y ) X est contenida en el conjunto de a llegada Y. Sin embargo, hay funciones no inyectivas que cumplen la relacin o ( ) f f 1 (Y ) Y. Por ejemplo, la funcin f : {a, b} {c, d} tal que f (a) = f (b) = c no es inyectiva y cumple o ( ) f f 1 ({c, d}) = {c} {c, d}.
Algebra Lineal - 41
Ejercicio 1.33 Composicin de funciones e identidad o Sea X un conjunto y f : X X una funcin. Estudiar la veracidad o falsedad de la siguiente o equivalencia: f f = f f = IdX .
Solucin: o = Esta implicacin es cierta porque la composicin de la identidad consigo misma es siempre la o o identidad. = No siempre se cumple. Por ejemplo, si X es un conjunto con al menos dos elementos distintos, a y b, la funcin constante o f (x) = a, x X cumple que la composicin consigo misma es la propia funcin constante, pero no es la identidad o o porque f (b) = a = b.
o Ejercicio 1.34 Composicin de funciones, inyectividad e identidad Sean f : X Y y g : Y Z aplicaciones entre los conjuntos X, Y y Z. Se pide: a) Demostrar que si g f es inyectiva, entonces f es inyectiva. b) Encontrar funciones f y g tales que f sea inyectiva y g f no. c) Si Z = X, estudiar la veracidad o falsedad de la siguiente implicacin: o g f = IdX = f es inyectiva.
Solucin: o a) Una funcin h : X Y es inyectiva si y slo si o o x, y X x = y = h(x) = h(y). Si x e y son elementos distintos de X, entonces (g f )(x) = (g f )(y) porque g f es inyectiva. ( ) ( ) Si g f (x) = g f (y) , entonces
f (x) = f (y)
porque la imagen de un elemento por una funcin es unica, por tanto, f es inyectiva como se o quer demostrar pues las imgenes por f de dos elementos distintos de X son dos elementos a a distintos de Y. b) Las funciones f, g : tales que f = IdZ y g(z) = 0 z , satisfacen las exigencias pedidas porque f es inyectiva mientras que g f es la funcin constante 0 que no es inyectiva. o
Algebra Lineal - 42
c) Como aplicacin del resultado demostrado en el apartado a), si f : X Y y g : Y X son o funciones tales que su composicin es la identidad, g f = IdX , entonces la funcin f es inyectiva, o o porque la identidad es inyectiva.
Ejercicio 1.35 Composicin de funciones, sobreyectividad e identidad o Sean f : X Y y g : Y Z aplicaciones entre los conjuntos X, Y y Z. Se pide: a) Demostrar que si g f es sobreyectiva, entonces g es sobreyectiva. b) Encontrar funciones f y g tales que g sea sobreyectiva y g f no. c) Si Z = X, estudiar la veracidad o falsedad de la siguiente implicacin: o g f = IdX = g es sobreyectiva. d) Si Z = X, estudiar la veracidad o falsedad de la siguiente implicacin: o g f = IdX = f es suprayectiva. Solucin: o a) Una funcin h : X Y es sobreyectiva si y slo si o o y Y x X tal que f (x) = y.
Como g f es sobreyectiva, z Z x X tal que (g f )(x) = z, luego z Z f (x) Y tal que es decir, g es sobreyectiva. b) Las funciones f, g : tales que g = IdZ y f (z) = 0 z , satisfacen las exigencias pedidas porque g es sobreyectiva mientras que g f es la funcin constante 0 que no es sobreyectiva en . o ( ) g f (x) = z,
c) Como aplicacin del resultado demostrado en el apartado a), si f : X Y y g : Y X o son funciones tales que su composicin es la identidad, g f = IdX , entonces la funcin g es o o sobreyectiva, porque la identidad es sobreyectiva. d) Puede suceder que la composicin de dos funciones sea la identidad y que la primera en aplicarse o no sea suprayectiva. Sean los conjuntos X = {a}, Y = {b, c} y las funciones f : X Y tal que f (a) = b g : Y X tal que g(b) = g(c) = a. La composicin g f es la identidad sobre el conjunto X porque o ( ) (g f )(a) = g f (a) = g(b) = a y la funcin f no es suprayectiva porque f (X) = {b} o Y.
Al haber encontrado un contraejemplo, podemos asegurar que la armacin es falsa. o
Algebra Lineal - 43
Ejercicio 1.36 Composicin de funciones, identidad e inversa o Sean f : X Y y g : Y X aplicaciones entre conjuntos. Estudiar la veracidad o falsedad de la siguiente implicacin: o g f = IdX = g = f 1 . Solucin: o Sean los conjuntos X = {a}, Y = {b, c} y las funciones f : X Y tal que f (a) = b g : Y X tal que g(b) = g(c) = a. La composicin g f es la identidad sobre el conjunto X porque o ( ) (g f )(a) = g f (a) = g(b) = a y la funcin f no es suprayectiva porque f (X) = {b} Y. o Al no ser suprayectiva, la funcin f tampoco es biyectiva y no tiene inversa. En este caso, la o igualdad f 1 = g no tiene sentido.
Ejercicio 1.37 Composicin de funciones y biyeccin o o Sean f : X Y y g : Y Z aplicaciones entre conjuntos. Estudiar la veracidad o falsedad de la siguiente equivalencia: g f : X Z es biyectiva f y g son biyectivas.
Solucin: o = Esta implicacin es cierta porque la composicin de aplicaciones biyectivas siempre es biyectiva. o o = No siempre se cumple. Por ejemplo, la composicin de las aplicaciones f : {0} {a, b} y g : {a, b} {} tales que o f (0) = a y g(a) = g(b) = es claramente biyectiva porque g f : {0} {} es g f (0) = mientras que ni f ni g son biyectivas.
Ejercicio 1.38 Composicin de funciones biyectivas o Sean f : X Y, g : Y X y h : Y X aplicaciones entre conjuntos tales que g f = IdX Se pide demostrar5 que: a) f es biyectiva.
5
f h = IdY .
Hay un ejercicio de autovalores 6.13 donde se pide algo parecido.
Algebra Lineal - 44
b) g = h. c) g = f 1 . d) g y h son biyectivas Solucin: o a) Por el apartado a) del ejercicio 1.34, la funcin f es inyectiva y, por el apartado a) del ejercicio o 1.35, la funcin f es sobreyectiva, luego f es biyectiva. o b) Para cualquier elemento y Y, se tiene ( ) ( ) g(y) = g (f h)(y) = (g f h)(y) = (g f ) h(y) = h(y), luego h = g. c) Como f es biyectiva, existe f 1 : Y X tal que f f 1 = IdX y f 1 f = IdY . Componiendo f 1 con f h = IdY , se tiene f 1 (f h) = f 1 IdY , de donde Al ser g = h, tambin g = f 1 . e d) Como f 1 es biyectiva, tanto g como h son biyectivas. h = f 1 .
Ejercicio 1.39 Composicin de tres funciones biyectivas o Sean f : X Y, g : Y X y h : X X aplicaciones entre conjuntos tales que h g f y f h g son sobreyectivas y g f h es inyectiva. Demostrar que f, g y h son biyectivas. Solucin: o Las funciones h y f son sobreyectivas por aplicacin del apartado a) del ejercicio 1.35 y la funcin o o h es inyectiva por aplicacin del apartado a) del ejercicio 1.34, luego h es biyectiva y tiene inversa, o h1 , que tambin es biyectiva, siendo h h1 = h1 h = IdX . e La composicin de aplicaciones cumple al propiedad asociativa y la composicin de aplicaciones o o 6 , luego inyectivas es inyectiva (g f h) h1 = (g f ) (h h1 ) = g f es inyectiva y, por el apartado a) del ejercicio 1.34, f es inyectiva, luego f es biyectiva y tiene inversa, f 1 , que tambin es biyectiva, siendo f f 1 = IdY y f 1 f = IdX . e Por la propiedad asociativa y porque la composicin de aplicaciones sobreyectivas es sobreyectiva7 , o la funcin o h1 (h g f ) = (h1 h) (g f ) = g f es sobreyectiva y, por el apartado a) del ejercicio 1.35, g es sobreyectiva. La funcin h1 f 1 es inyectiva y la funcin o o ( ) (g f h) (h1 f 1 ) = g f (h h1 ) f 1 = g tambin lo es, luego g es biyectiva. e Las aplicaciones f, g y h son biyectivas.
6 7
Esto habr que demostrarlo en algn sitio. a u Esto tambin habr que demostrarlo en alg n sitio. e a u
Algebra Lineal - 45
Estructuras algebraicas
Ejercicio 1.40 -espacio vectorial de los nmero complejos u Comprobar que el conjunto de los nmeros complejos, , con la suma usual de nmeros complejos, u u
(x1 + y1 i) + (x2 + iy2 ) = (x1 + x2 ) + i(y1 + y2 ), y el producto por escalares, (x + yi) = x + (y)i, tiene estructura de espacio vectorial respecto al cuerpo de los nmeros reales u
R.
Solucin: o El conjunto de los nmeros complejos con la ley de composicin interna (operacin) conocida u o o como suma y denida por
CC
(x1 + y1 i, x2 + y2 i) (x1 + x2 ) + (y1 + y2 )i tiene estructura de grupo abeliano. La ley de composicin externa denida por o
RC
cumple las propiedades 1. ,
(, x + iy) x + (y)i
R y x + yi C,
= (x + yi) + (x + yi) = (x + yi) + (x + yi).
( + )(x + yi) = ( + )x + ( + )yi = x + x + yi + yi
2.
R y x1 + y1i, x2 + y2i C,
( ) ( ) (x1 + y1 i) + (x2 + y2 i) = (x1 + x2 ) + (y1 + y2 )i = (x1 + x2 ) + (y1 + y2 )i = x1 + x2 + y1 i + y2 i = x1 + y1 i + x2 + y2 i = (x1 + y1 i) + (x2 + y2 i).
3. ,
( ) ()(x + yi) = ()x + ()yi = (x) + (yi) = (x + yi) = (x + yi) . 4. 1
R y x + yi C,
R tal que x + yi C,
1(x + yi) = 1x + 1yi = x + yi.
Al satisfacer las condiciones exigidas por la denicin, el conjunto de los nmeros complejos con o u las operaciones habituales suma de complejos y producto de un nmero real por un complejo, tiene u estructura de -espacio vectorial.
Algebra Lineal - 46
Ejercicio 1.41 Operacin en {0} o En el conjunto {0} se dene la ley de composicin interna o
N
(
N {0}) (N {0}) (N {0})
de la siguiente manera x y = xy . Se pide estudiar si la operacin o a) es asociativa. b) es conmutativa. c) tiene elemento neutro. Solucin: o a) La operacin no es asociativa porque o (2 2) 3 = 22 3 = 4 3 = 43 = 64 mientras que 2 (2 3) = 2 23 = 2 8 = 28 = 256. b) La operacin no es conmutativa porque o 2 3 = 23 = 8 mientras que 3 2 = 32 = 9. c) La operacin tiene un elemento neutro por la derecha porque o x 1 = x1 = x x
N {0}, N {0}.
pero este elemento no es neutro por la izquierda porque 1 x = 1x = 1 x La operacin no tiene elemento neutro. o
Ejercicio 1.42 Funcin biyectiva en un grupo o Sea (G, +) un grupo abeliano, a, b, c G y f : G G una funcin biyectiva. o Estudiar la veracidad o falsedad de la siguiente armacin: o Si f (a) + f (b) = f (c), entonces a + b = c.
Algebra Lineal - 47
Solucin: o La armacin es falsa. o Sea el grupo abeliano ( , +) y la aplicacin f : o
Z Z tal que Z Z
f (z) = z + 3. La funcin f es inyectiva porque si z1 = z2 , entonces f (z1 ) = z1 + 3 = z2 + 3 = f (z2 ). o La funcin f es sobreyectiva porque para cualquier z , z = z 3 y f (z ) = z 3 + 3 = z. o Por ser inyectiva y sobreyectiva, f es biyectiva. Sin embargo, f (1) + f (2) = 1 + 3 + 2 + 3 = 9 = f (6), mientras que 1 + 2 = 3 = 6.
Ejercicio 1.43 Anillo con divisores de cero Sea (A, +, .) un anillo. Encontrar un contraejemplo que demuestre la falsedad de la siguiente armacin: o Si x, y, z A {0}, entonces x.y = z.y = x = z. Solucin: o Hay anillos que tienen divisores de cero, esto es, elementos no nulos cuyo producto es cero. Por ejemplo, en el anillo 6 = {0, 1, 2, 3, 4, 5} con la suma y el producto de enteros mdulo 6 se cumple o
(2 3) md 6 = (4 3) md 6 = 0 o o siendo (2 = 0) md 6, (3 = 0) md 6, (4 = 0) md 6 y (2 = 4) md 6. o o o o Solamente en los dominios de integridad anillos sin divisores de cero es cierta la armacin. o El anillo de matrices reales cuadradas de orden n, Mn ( ), no es un dominio de integridad porque tiene divisores de cero. Por ejemplo, para n = 2, ( )( ) ( )( ) ( ) 0 0 0 1 0 0 0 1 0 0 = = . 0 1 0 0 0 3 0 0 0 0
Algebra Lineal - 48
2 ALGEBRA MATRICIAL Y SISTEMAS DE ECUACIONES LINEALES
2.
Algebra matricial y Sistemas de ecuaciones lineales
Algebra matricial
Ejercicio 2.1 Matrices con coecientes en 2 El conjunto 2 = {0, 1} tiene estructura de cuerpo con la suma y en las siguientes tablas: + 0 1 0 0 0 1 0 0 1 1 0 1 0
el producto mdulo 2 denidos o 1 0 1
En el conjunto de las matrices cuadradas de dimensin n con coecientes en 2 , Mn ( 2 ), se o denen la suma de matrices, el producto de matrices, el producto por un escalar y el determinante de una matriz de la manera acostumbrada pero sin olvidar que todas las operaciones entre los coecientes se realizan en 2 . Se pide:
a) Hallar todas las matrices de M2 ( lares? b) Calcular, en M2 (
Z2) y calcular sus determinantes. Cuntas matrices son singua

1 0 . 1 1
Z2), la matriz inversa de

1 1 M = 0 1 1 1 1 0 0 1 1 1
c) Resolver, en
Z2, el sistema de ecuaciones lineales
x+y =0 x+z =1 y+z =1
utilizando el mtodo de Gauss. e Solucin: o a) M2 ( 2 ) tiene 16 elementos y sus determinantes slo pueden valer 0 o 1. En la gura 2 aparecen o todas las matrices de M2 ( 2 ) y el valor de sus determinantes.
0 (0 0 0
0 0 0 0 0 0 0 0 1 0) ( 0 1) ( 1 0) ( 1 1 ) ( 0 0) 1 1 0 1 0 1 1 1 1 1 0 0 1 0 0 0 1 1
) (
) (
|A|=0
) (
) (
0 (1 1 1
) ( ) 1 0 1 1 0 0) ( 1 1 ) ( 0 1) 0 1 1 1 1 1 0 1 1 0
) (
|A|=1
Figura 2: Matrices y determinantes mdulo 2 o Hay ms matrices singulares que regulares: 10 son singulares y 6 regulares. a b) El mtodo de reduccin de Gauss para calcular la inversa de una matriz es muy efectivo para e o matrices con coecientes en 2 .
Algebra Lineal - 49
ALGEBRA MATRICIAL Y SISTEMAS DE ECUACIONES LINEALES
1 1 0 1
1 1 1 0
0 1 1 1
1 0 1 1
1 0 0 0
0 1 0 0
0 0 1 0
1 1 0 0 0 0 0 0 1 1 0 1 1 1 0 1 0 0 0 0 1 1 0 1 0 0 0 0
0 1 1 1 0 1 1 0 0 0 1 0
1 1 1 0 1 1 1 1 0 0 0 1
1 1 0 1 1 0 1 1 0 1 0 1
0 1 0 0 0 0 1 0 0 1 1 0
0 0 1 0 0 1 0 1 1 1 1 1
1 1 0 0 0 1 0 0 0 1 0 1 0 1 1 0 0 1 0 0 0 1 0 0 1 0 1 0 1 0 1 0 0 0 0 1 que 0 1 0 0 0 0 1 0
0 1 1 1 0 1 1 0 0 0 1 0
1 1 1 0 0 0 0 1 0 0 0 1
1 0 1 1 0 1 0 1 1 1 0 1
0 0 1 0 0 0 1 0 1 1 1 0
0 1 0 0 1 0 1 1 0 1 1 1
0 0 0 1 1 1 1 1 1 0 . 1 1
La matriz M tiene inversa y coincide 1 1 0 1 1 1 M M = 0 1 1 1 0 1 o c) La expresin matricial del sistema es
con ella 1 1 0 1 1 0 1 1
misma: M 1 = M ya 1 0 1 1 0 1 1 0 = 1 1 1 mod 2 0 0 1 1 0
0 0 . 0 1
1 1 0 x 0 1 0 1 y = 1 . 0 1 1 z 1 la matriz ampliada 0 0 1 1 0 1 1 1 1 1 0 0 del sistema, se obtiene 0 0 1 1 . 0 0
Aplicando el mtodo de eliminacin de Gauss a e o 1 1 0 0 1 1 1 0 1 1 0 1 0 1 1 1 0 1
El rango de la matriz de coecientes es 2 y el rango de la matriz ampliada tambin es 2, luego el e sistema es compatible indeterminado. Como hay 3 incgnitas, basta considerar como parmetro o a una de las incgnitas, habiendo en total 2 soluciones porque el cardinal del cuerpo base, 2 , es 2. o
Tomando y = como parmetro, el mtodo de Gauss aplicado al mismo sistema pero con las a e variables x y z, conduce a la matriz ( ) 1 0 0 1 1+ de la que pueden deducirse las soluciones x = , z = 1 + . Por tanto, las dos soluciones del sistema responden al esquema x = , y = , z = 1 + y, concretamente, son 1 x 0 x y = 0 y y = 1 . 0 z 1 z
Algebra Lineal - 50
Ejercicio 2.2 Igualdad de matrices Sea un cuerpo conmutativo y A, B Mmn ( ). Demostrar que
A = B si y solamente si Mn1 ( ) A = B . v v v Solucin: o = Es evidente que si A = B, entonces Mn1 ( ) A = B . v v v = Observando que a11 a21 . . . b11 b12 1 a11 1 b11 b21 b22 0 b21 0 a21 . .. . = . , .. . = . y . . . . . . . . . . . . . . . 0 an1 bn1 bn2 0 bn1
a12 a22 . . .
an1 an2
puede deducirse que las primeras columnas de las dos matrices coinciden. Del mismo modo, el producto de las matrices A y B por el vector columna v i cuyas componentes son nulas menos la que ocupa la posicin i, proporciona la columna i-sima de cada matriz: o e 0 0 a11 a1i . a b11 b1i . b . 1i . 1i a21 a2i . b21 b2i . a2i b2i . . . . . 1 = . y . . . . . 1 = . . . . . . . . . . . . . . . . . . . . . . . . . . an1 ani ani bn1 bni bni 0 0 Por tanto, las dos matrices tienen las misma columnas colocadas en el mismo orden, es decir, las dos matrices son iguales.
Ejercicio 2.3 Divisores de cero en un anillo de matrices cuadradas Sea un cuerpo, n , A, B Mn ( ) y A una matriz regular. Demostrar que si AB = 0, entonces B = 0.
Solucin: o El anillo de matrices cuadradas de orden n no es un dominio de integridad porque tiene divisores de cero. Por ejemplo, para n = 2, las matrices ( ) ( ) 1 1 1 1 A= y B= 0 0 1 1 son distintas de cero y su producto es cero: ( )( ) ( ) 1 1 1 1 0 0 AB = = . 0 0 1 1 0 0 Sin embargo, si una de las matrices de la igualdad AB = 0 es regular, entonces la otra es cero: Si la matriz A es regular, entonces tiene inversa, A1 , y multiplicando por A1 por la izquierda en los dos trminos de la ecuacin AB = 0 y aplicando la propiedad asociativa del producto de e o matrices, se obtiene A1 (AB) = A1 0, resultando (A1 A)B = 0 o, equivalentemente, B = 0.
Algebra Lineal - 51
Si la matriz B es regular, entonces tiene inversa, B 1 , y multiplicando por B 1 por la derecha en los dos trminos de la ecuacin AB = 0 y aplicando la propiedad asociativa del producto de e o 1 = 0B 1 , resultando A(BB 1 ) = 0 o, equivalentemente, A = 0. matrices, se obtiene (AB)B
Ejercicio 2.4 Propiedades de la Traza de una matriz La Traza de una matriz A = (aij ) Mn ( ) es la suma de los elementos de la diagonal principal de A : n Traza(A) = aii .
i=1
Para las matrices A = (aij ), B = (bij ) Mn ( ), demostrar las siguientes propiedades: a) Traza(A + B) = Traza(A) + Traza(B). b) Traza(A + B) = Traza(B + A). c) Traza(AB) = Traza(BA). d) Si P Mn ( ) tal que A = P 1 BP, entonces8 Traza(A) = Traza(B). Solucin: o a) Al ser A + B = (aij + bij ), la traza de la matriz suma es
n n n Traza(A + B) = (aii + bii ) = aii + bii = Traza(A) + Traza(B). i=1 i=1 i=1
b) Aplicando el apartado anterior, Traza(A + B) = Traza(A) + Traza(B) = Traza(B) + Traza(A) = Traza(B + A). c) Al ser AB =
n ( k=1 n n ( i=1 k=1 n n n n ) ) ( aik bki = aik bki = bki aik = bki aik = Traza(BA). i,k=1 i,k=1 k=1 i=1
) aik bkj , la traza de la matriz producto es
Traza(AB) =
d) Si A = P 1 BP, entonces Traza(A) = Traza(P 1 BP ) = Traza(BP 1 P ) = Traza(B).
Ejercicio 2.5 Rango de matrices 2 2 ( ) a b Sea A = M2 ( ). c d Dilucidar la veracidad o falsedad de la siguiente armacin: o
En el ejercicio 6.53 se demuestra que la implicacin rec o proca no es cierta.
Algebra Lineal - 52
Si ad + bc = 0, entonces el rango de A es 2. Solucin: o La armacin es falsa porque el rango de la matriz o ( ) 1 1 A= 1 1 es 1 mientras que ad + bc = 1 + 1 = 2 = 0. El valor de ad + bc no tiene ninguna relacin con el rango de la matriz( ya que hay matrices o A ) 1 1 cuadradas de dimensin 2 y de rango 2 para las que ad + bc = 0, como A = o , mientras que 1 1 ( ) 1 0 para otras, como A = , ad + bc = 1 = 0. 0 1
o o Ejercicio 2.6 Relacin del rango de una matriz con su dimensin Sea A Mnm ( ). Demostrar que
0 rango(A) m n(n, m).
Solucin: o El rango de una matriz puede denirse de varias maneras, todas equivalentes. Una de ellas dice que el rango de una matriz A es el nmero de las no nulas de la forma escalonada reducida de Gauss u de A. Segn esta denicin, el rango de una matriz tiene que ser mayor o igual que cero y no superior u o que el nmero de las ni que el de columnas porque por cada la no nula hay una columna con todos u sus elementos nulos menos uno, luego 0 rango(A) m n(n, m). No es cierto que el rango est comprendido entre el m e nimo nmero entre las y columnas y el u mximo nmero entre las y columnas a u A Mnm ( ) m n(n, m) rango(A) mx(n, m), a pero hay matrices, como Id2 , cuyo rango coincide con el mximo nmero entre las y columnas y con a u el m nimo nmero entre las y columnas ya que u rango(Id2 ) = 2 = nmero de las = nmero de columnas, u u luego es cierto que A Mnm ( ) m n(n, m) rango(A) mx(n, m). a
Ejercicio 2.7 Forma escalonada reducida Utilizar operaciones elementales para reducir las matrices dadas a su matriz escalonada.
Algebra Lineal - 53
2 1 3 7 4 a) 6 5 1 2 7 2 6 1 0 0 1 b) 0 1 0 1 0 0 3 1 3 1 0 1 c) 3 1 1 1 1 1 2 3 1 4 2 d) 1 2 1 2 3 1 1 0 2 1 Solucin: o
a) Aplicando operaciones elementales, se obtiene: 1 3 7 4 1 3 7 4 6 5 1 2 0 23 43 22 7 2 6 1 0 23 43 27 1 3 7 4 0 23 43 22 0 0 0 1 1 3 7 0 0 1 43 0 23 0 0 0 1 1 3 7 4 0 23 43 22 0 0 0 5 1 3 7 0 0 23 43 0 0 0 0 1 32 1 0 23 0 0 1 43 0 . 23 0 0 0 1
La forma escalonada reducida de esta matriz tiene tres escalones. b) Es inmediato que la forma escalonada reducida de esta matriz es la matriz identidad ya que basta permutar las las convenientemente. c) Aplicando operaciones elementales, se van obteniendo las siguientes matrices equivalentes: 1 0 1 3 1 3 1 3 0 1 3 1 3 1 1 1 3 1 1 1 1 1 1 1 1 1 0 1 0 1 2 0 0 0 6 0 0 0 0 8 1 1 0 1 0 1 6 0 0 1 4 0 0 0 1 2 0 1 1 0 0 1 2 0 1 0 0 1 0 0 1 0 1 0 0 0 0 1 1 2 1 4 1 6 .
La forma escalonada reducida de esta matriz tiene tres escalones.
Algebra Lineal - 54
d) Aplicando operaciones elementales, se llega 2 3 1 4 2 1 1 2 1 2 3 2 1 1 0 2 1 1 1 0 0 1 0 0
a la matriz escalonada reducida. 1 0 2 1 1 1 0 2 1 0 1 1 8 0 3 1 4 2 2 1 2 3 0 1 1 4 2 1 0 2 1 1 1 0 2 1 0 1 1 8 0 1 1 8 0 0 0 4 2 0 0 0 1 1 2 1 0 0 0 1 0 1 0 4 1 1 0 4 0 1 1 0 4 1 1 0 0 1 2 0 0 0 1 2
que tiene tres escalones, luego el rango de la matriz es 3.
Ejercicio 2.8 Forma escalonada reducida en M2 ( ) Aplicando slo operaciones elementales entre las, cuntas formas escalonadas reducidas hay para o a matrices A M2 ( )?
Solucin: o La forma escalonada reducida de la matriz nula es ella misma, luego ( ) 0 0 f er1 (A) = 0 0 es una forma escalonada reducida. Si todos los elementos de la primera columna de A son cero y alguno de la segunda columna no es nulo, entonces ( ) 0 1 f er2 (A) = 0 0 es su forma escalonada reducida. Si algn elemento de la primera columna de A es distinto de cero y la segunda columna es combiu nacin lineal de la primera, entonces o ( ) 1 a f er3 (A) = 0 0 es la forma escalonada reducida de A, en donde a puede ser cualquier nmero real, incluso 0 o 1. u Si las dos columnas de A son linealmente independientes, entonces el rango de A es 2 y su forma reducida escalonada es ( ) 1 0 f er4 (A) = . 0 1
Ejercicio 2.9 Matrices equivalentes a una matriz con una columna nula Sea un cuerpo conmutativo y sean A, B Mnm ( ). Demostrar que si la columna k {1, 2, . . . , m} de A es nula y existe una matriz regular P Mn ( ) tal que P A = B, entonces la columna k de B tambin es nula. e
Algebra Lineal - 55
Solucin: o Si la columna k de A es nula, entonces j {1, 2, . . . , n} ajk = 0. Los n elementos de la columna k de la matriz B son nulos porque i {1, 2, . . . , n} bik =
n j=1
pij ajk =
n j=1
pij 0 = 0.
Ejercicio 2.10 Clculo del rango de matrices a Calcular el rango de las siguientes matrices: 1 2 3 4 5 2 3 4 5 6 a) A = 3 4 5 6 7 . 4 5 6 7 8 5 6 7 8 9 k 1 1k+1 1k+2 b) A = (2)k (2)k+1 (2)k+2 , k . 3k 3k+1 3k+2
Solucin: o a) Aplicando operaciones elementales 1 2 3 4 5 1 2 3 4 5 6 0 3 4 5 6 7 0 4 5 6 7 8 0 5 6 7 8 9 0 entre las las de la matriz A, se obtiene 2 3 4 5 1 2 3 4 5 1 2 3 4 0 1 2 3 4 2 4 6 8 0 0 0 0 0 . 3 6 9 12 0 0 0 0 0 4 8 12 16 0 0 0 0 0
Como el nmero de escalones de la forma escalonada de Gauss de la matriz A es 2, su rango es 2, u rango(A) = 2. b) Aplicando operaciones elementales entre columnas o las que no modican el rango de una matriz y utilizando que k 1k = 1, (2)k = 0 y 3k = 0, se tiene k 1 1k+1 1k+2 rango(A) = rango (2)k (2)k+1 (2)k+2 3k 3k+1 3k+2 1 0 0 = rango (2)k (2)k+1 (2)k (2)k+2 (2)k 3k 3k+1 3k 3k+2 3k 1 0 0 1 0 0 = rango (2)k (2)k (3) (2)k 3 = rango 1 3 3 1 2 8 3k 3k 2 3k 8 1 0 0 = rango 1 3 0 = 3. 1 2 10
Algebra Lineal - 56
Ejercicio 2.11 Rango de una matriz por su traspuesta a 2a 2b M32 ( ). Calcular rango(A AT ) si A = b a 2a
Solucin: o ) a 2a ( 5a2 5ab 5a2 a b a 2b 5b2 5ab . = 5ab A AT = b 2a 2b 2a a 2a 5a2 5ab 5a2 Se producen los siguientes casos: Si a = 0, aplicando las operaciones elementales entre las sealadas: n 2 2 5a2 5ab 5a2 5a 5ab 5a2 F 2 b F 1 5a 5ab 5a2 F 1 1 F 3+F 1 a 5a2 5ab 5b2 5ab 5ab 5b2 5ab 0 0 0 0 5a2 5ab 5a2 0 0 0 0 0 0 0 resultando que rango(A AT ) = 1. Si a = 0, entonces 0 0 0 A AT = 0 5b2 0 . 0 0 0 1 0 0 0 0
b a
Es evidente que si b = 0, entonces rango(A AT ) = 1, si b = 0, entonces rango(A AT ) = 0. En resumen, el rango del producto de la matriz A por su traspuesta es 1 salvo cuando a = b = 0 que vale 0.
Ejercicio 2.12 Matrices singulares Demostrar que las siguientes matrices son singulares: a) Matriz nilpotente de orden 2: A Mn ( ) tal que A2 = 0. b) Matriz idempotente no identitaria: A Mn ( ) tal que A2 = A y A = Idn . Solucin: o En los dos casos, se emplea el razonamiento por reduccin al absurdo suponiendo que A es o regular y por tanto tiene inversa. a) Si existe A1 tal que A1 A = AA1 = Idn , entonces para las matrices cuadradas tales que A2 = 0, se tiene A1 A2 = A1 0 o bien (A1 A)A = 0, de donde A = 0, lo que contradice la suposicin de existencia de inversa para A. o Las matrices nilpotentes9 no pueden tener inversa, luego son singulares y su determinante vale cero.
9
Comprubese que si n e
N tal que A
= 0, entonces A es singular.
Algebra Lineal - 57
b) Si existe A1 tal que A1 A = AA1 = Idn , y A es idempotente y no es la identidad, entonces de A2 = A se deduce que A1 A2 = A1 A o bien (A1 A)A = Idn , y que A = Idn , lo que contradice la hiptesis A = Idn . o Las matrices idempotentes no pueden tener inversa, luego son singulares y su determinante vale cero.
Ejercicio 2.13 Matrices reales 2 2 idempotentes Hallar todas las matrices A M22 ( ) tales que A2 = A.
Solucin: ( o ) a b Sea A = M22 ( ). c d Si A2 = A, entonces ( 2 ) ( ) a + bc ab + bd a b 2 A = = = A, ac + cd bc + d2 c d
luego los coecientes de las matrices idempotentes de dimensin 2 tienen que satisfacer el sistema de o ecuaciones no lineales a2 + bc = a a2 + bc = a b(a + d 1) = 0 ab + bd = b . c(a + d 1) = 0 ac + cd = c bc + d2 = d bc + d2 = d Seg n los valores de b, se presentan las siguientes situaciones: u Si b = 0, entonces a + d = 1 y el sistema inicial se reduce a } 2 d = 1 a a + bc = a 2 c= aa a+d=1 b resultando que las matrices de la forma ( A1 = son idempotentes. Si b = 0, el sistema inicial se reduce a a2 = a c(a + d 1) = 0 d2 = d a
aa2 b
) b 1a
de donde se concluye que a = 0, 1 y d = 0, 1. Segn los valores de c, se presentan los siguientes casos: u Si c = 0, entonces a + d = 1 y las soluciones son
Algebra Lineal - 58
( A2 =
) ( ) 1 0 0 0 , A3 = . c 0 c 1 {
Si c = 0, el sistema inicial se reduce a a2 = a d2 = d y tambin son matrices idempotentes las que tienen la forma e ( ) ( ) ( ) ( ) 0 0 0 0 1 0 1 0 A4 = , A5 = , A6 = , A7 = . 0 0 0 1 0 0 0 1 Cualquier matriz idempotente responde a uno de los esquemas representados por A1 , A2 , A3 , A4 , A5 , A6 o A7 .
Ejercicio 2.14 Matrices reales 2 2 nilpotentes de orden 2 Hallar todas las matrices A M22 ( ) tales que A2 = 0.
Solucin: ( o ) a b Sea A = M22 ( ). c d Si A2 = 0, entonces
A2 =
a2 + bc ab + bd ac + cd bc + d2
) =
) 0 0 , 0 0
luego los coecientes de las matrices nilpotentes de ciones no lineales a2 + bc = 0 ab + bd = 0 ac + cd = 0 bc + d2 = 0
orden 2 tienen que satisfacer el sistema de ecua a2 + bc = 0 b(a + d) = 0 . c(a + d) = 0 bc + d2 = 0
Segn los valores de ba + d se presentan las siguientes situaciones: u Si a + d = 0, entonces a = d y, sustituyendo en las restantes ecuaciones, d2 + cb = 0. Segn los valores del parmetro c se presentan dos nuevos casos: u a Si c = 0, entonces b = dc y las matrices de la forma ( d dc c d
2 2
son nilpotentes de orden 2. Si c = 0, entonces a = d = 0 y las matrices de la forma ( ) 0 b 0 0
Algebra Lineal - 59
son nilpotentes de orden 2. No puede ser a + d = 0 porque entonces b = c = 0 y a = d = 0, contradiciendo la hiptesis de o partida a + d = 0. ) ) ( ) ( ( 0 0 0 0 2 4 son ejemplos de matrices nilpotentes de orden 2. y Las matrices , 1 2 1 0 0 0
Ejercicio 2.15 Matrices reales 2 2 tales que A1 = A Hallar todas las matrices invertibles, A M2 ( ), tales que A1 = A.
Solucin: o Por tratarse de matrices invertibles, las soluciones de la ecuacin A1 = A coinciden con las o soluciones de la ecuacin o Id2 = A2 . La expresin general de una matriz cuadrada de orden 2 es o ( ) a b A= c d y la de su cuadrado A =
2
) a2 + bd ab + bd . ac + cd bc + d2
Para que Id2 = A2 , los trminos de A tienen que cumplir las ecuaciones e a2 + bc = 1 (a + d) b = 0 . (a + d) c = 0 bc + d2 = 1
(2)
Tanto b como c tienen que ser distintos de cero porque si b = 0, entonces la primera ecuacin del o 2 = 1 que no tiene solucin en el cuerpo de los n meros reales; si sistema no lineal (2) se reduce a a o u c = 0, entonces la cuarta ecuacin de (2) se reduce a d2 = 1 sin solucin en el cuerpo de los nmeros o o u reales. Para que las ecuaciones tercera y cuarta de (2) se satisfagan, tiene que ser a + d = 0 o d = a, de donde a2 = d2 , relacin que sustituida en las ecuaciones primera y cuarta genera unicamente o a2 + bc = 1. Despejando c en esta ultima relacin, las matrices cuadradas, 22, con coeciente reales, invertibles o 1 = A son de la forma y tales que A a b con a, b y b = 0. A = 1 + a2 a b
No hay ninguna matriz A M2n+1 ( ) tal que A1 = A porque los determinantes de una matriz invertible, A, y de su inversa, A1 , tienen el mismo signo, ya que |A| |A1 | = 1, mientras que el determinante de la matriz identidad de orden 2n + 1, con n , cambiada de signo es negativo, | Id2n+1 | = 1, resultando imposible encontrar matrices cuadradas de orden impar que cumplan la relacin o |A1 | = | A| = | Id3 | |A| = |A|.
Algebra Lineal - 60
Ejercicio 2.16 Clculo de inversas por la derecha y por la izquierda a Encontrar10 , si es posible, matrices B y C tales que AB = Id y/o CA = Id, siendo ( ) 2 1 1 a) A = M23 ( ). 1 1 3 ( ) b) A = 1 0 1 M13 ( ).
Solucin: o a) Una manera de calcular las matrices inversas por la derecha y/o por la izquierda de la matriz A es resolver si es posible los sistemas de ecuaciones lineales que origina el producto de la matriz A por otra matriz genrica para obtener la matriz identidad. Segn se multiplique por la derecha e u o por la izquierda, se producen resultados diferentes. Como A es una matriz 2 3, la matriz B tiene que ser 3 2 para que el producto AB sea una matriz cuadrada de dimensin 2, o ( ) ( ) x x2 2 1 1 1 1 0 y1 y2 = . 0 1 1 1 3 z1 z2 Se trata, por tanto, de resolver dos veces un sistema de dos ecuaciones lineales con tres incgnitas para dos trminos independientes distintos. o e Realizando operaciones elementales por las, se obtiene ( ) ( ) ( ) ( ) 2 1 1 1 0 1 1 3 0 1 1 1 3 0 1 1 0 2 1 1 . 1 1 3 0 1 2 1 1 1 0 0 1 5 1 2 0 1 5 1 2 El rango de la matriz de coecientes y el de la matriz ampliada es 2. Por tanto, el sistema es compatible indeterminado porque el nmero de incgnitas es 3. Cada sistema tiene muchas u o soluciones que dependen de un parmetro. Por la estructura de la forma reducida de la matriz a ampliada, la tercera variable puede considerarse como parmetro, obtenindose a e x1 x2 1 + 2 1 + 2 y1 y2 = 1 5 2 5 . z1 z2 Claramente ( ) ( ) 1 + 2 1 + 2 1 0 1 5 2 5 = . 0 1 ser de dimensin 3 2 para que el o 0 0 1 0 . 0 1
2 1 1 1 1 3
Igual que en el apartado anterior, la matriz C tiene que producto CA sea una matriz cuadrada: ) 1 x1 x2 ( y1 y2 2 1 1 = 0 1 1 3 0 z1 z2
Como la traspuesta de la identidad es la propia identidad y la traspuesta de la matriz producto es el producto de las matrices traspuestas cambiadas de orden, se tiene ) 1 0 0 2 1 ( 1 1 x1 y1 z1 = 0 1 0 , x2 y2 z2 0 0 1 1 3
10
Compruebe que los resultados de este ejercicio estn de acuerdo con las armaciones del ejercicio 2.18. a
Algebra Lineal - 61
luego calcular una pseudoinversa de A por la izquierda es equivalente a resolver tres sistemas de tres ecuaciones lineales con dos incgnitas. o La matriz ampliada del primer sistema de ecuaciones tiene rango 3 porque 1 1 0 1 1 0 1 1 0 1 0 0 2 1 1 1 1 0 2 1 1 0 1 1 0 1 1 0 1 0 . 1 3 0 1 3 0 0 2 0 0 0 2 0 0 1 Como el rango de la matriz de los coecientes no puede ser mayor que 2, el sistema es incompatible y no hay solucin. Puede comprobarse que pasa lo mismo para los otros dos o sistemas, luego la matriz A no tiene pseudoinversa por la izquierda. b) Hay que analizar dos situaciones: x Para que la matriz B = y M31 ( ) sea inversa por la derecha de A, tiene que cumplirse z
) x 1 0 1 y = Id1 , z
1+z Cualquier matriz de la forma B = y con y, z es una inversa por la derecha de A z ya que ( ) 1+z ( ) 1 0 1 y = 1 . z x Para que la matriz C = y M31 ( ) sea inversa por la izquierda de A, tiene que z cumplirse x ( ) y 1 0 1 = Id3 , z
es decir, x z = 1.
pero
x ( x ) y 1 0 1 = y z z x y M31 ( ) tal No hay ninguna matriz C = z
0 x 0 y = Id3 . 0 z que CA = Id3 .
Ejercicio 2.17 Rango de matrices con inversa por la derecha o por la izquierda Sea un cuerpo conmutativo y A Mnm ( ). Demostrar que
Algebra Lineal - 62
a) A tiene inversa por la derecha si y solamente si rango(A) = n. b) A tiene inversa por la izquierda si y solamente si rango(A) = m. c) Si A tiene inversa por la izquierda y por la derecha, entonces A es una matriz cuadrada, rango(A) es mximo y las dos inversas coinciden. a Solucin: o a) Por tratarse de una equivalencia, la demostracin se realiza comprobando la doble implicacin. o o = Si A tiene inversa por la derecha, entonces existe R Mmn ( ) tal que AR = Idn . Segn la relacin obtenida en el ejercicio 2.26, u o n = rango(Idn ) = rango(AR) rango(A), y como el rango de una matriz no puede ser superior11 al nmero de sus las, u rango(A) m n(n, m), se concluye que el rango de la matriz A coincide con su nmero de las, u rango(A) = n. Para que una matriz tenga inversa por la derecha, es necesario que el nmero de sus las sea u menor o igual que el nmero de sus columnas. No se trata de una condicin suciente porque u) o ( 1 1 1 la matriz A = tiene ms columnas que las y no admite inversa por la derecha. a 1 1 1 Dando la vuelta al anterior razonamiento, si una matriz tiene estrictamente ms las que a columnas, puede asegurarse que no tiene inversa por la derecha. = Si rango(A) = n, entonces el nmero de las de A es menor o igual que el nmero de u u columnas, n m porque el rango de una matriz es menor o igual que el nmero de las y u que el nmero de columnas. u Para cualquier b Mn1 ( ), el sistema de ecuaciones lineales
A = b x tiene solucin porque12 los rangos de la matriz de coecientes y de la matriz ampliada coino ciden con el nmero de las de A, u ( ) rango(A) = rango A| b = n, pues aadir una columna ms a la matriz A no modica su rango ya que la matriz ampliada n a y la matriz A tienen el mismo nmero de las y el rango de A ya coincide con el nmero de u u las. En este caso, el rango de A slo se puede aumentar aadiendo una o ms las. o n a Si 1 i n y i Mn1 ( ) representa la matriz columna con todos sus elementos 0 excepto e el que ocupa la posicin i que es un 1, todos los sistemas de ecuaciones lineales o
A = i con i = 1, 2, . . . , n, x e
11 12
Vase el ejercicio 2.6. e Teorema de Rouch. e
Algebra Lineal - 63
tienen al menos una solucin, Ci Mm1 ( ) tal que ACi = i . o e ( ) Sea R = C1 C2 Cn Mmn ( ) una matriz cuyas columnas son soluciones de los sistemas A = i . Claramente x e ( ) ( ) e1 e2 en AR = AC1 AC2 ACn = = Idn
y R es una inversa por la derecha de A.
La unicidad de la inversa por la derecha depende de la unicidad de las matrices columna Ci .
b) La demostracin es anloga a la de la condicin de existencia de inversas por la derecha. o a o = Si A tiene inversa por la izquierda, entonces existe L Mmn ( ) tal que LA = Idm . Segn la relacin obtenida en el ejercicio 2.26, u o m = rango(Idm ) = rango(LA) rango(A), y como el rango de una matriz no puede ser superior al nmero de sus columnas, u rango(A) m n(n, m), se concluye que el rango de la matriz A coincide con su nmero de columnas, u rango(A) = m. Para que una matriz tenga inversa por la izquierda, es necesario que el nmero de sus columnas u sea menor o igual que el nmero de sus las. No se trata de una condicin suciente porque u o 1 1 la matriz A = 1 1 tiene ms las que columnas y no admite inversa por la izquierda. a 1 1 Como en el caso de inversas por la derecha, si una matriz tiene estrictamente ms columnas a que las, puede asegurarse que no tiene inversa por la izquierda. u u = Si rango(A) = m, entonces el nmero de columnas de A es menor o igual que el nmero de las, m n porque el rango de una matriz es menor o igual que el nmero de las y que el u nmero de columnas. El rango de la matriz traspuesta de A coincide con el nmero de las u u T, de A rango(AT ) = m. Para cualquier b Mm1 ( ), el sistema de ecuaciones lineales
AT = b x tiene solucin porque13 los rangos de la matriz de coecientes, AT y de la matriz ampliada, o ( T ) A | b coinciden con el nmero de las de AT , u ( ) rango(AT ) = rango AT | b = m, pues aadir una columna ms a la matriz AT no modica su rango ya que la matriz ampliada n a y la matriz AT tienen el mismo nmero de las y el rango de AT ya coincide con el nmero u u T slo se puede aumentar a adiendo una o ms las. de las. En este caso, el rango de A o n a
13
Teorema de Rouch. e
Algebra Lineal - 64
Si 1 i m y i Mm1 ( ) representa la matriz columna con todos sus elementos 0 e excepto el que ocupa la posicin i que es un 1, todos los sistemas de ecuaciones lineales o AT = i con i = 1, 2, . . . , m, x e tienen al menos una solucin, Ci Mn1 ( ) tal que AT Ci = i . o e ( ) Sea LT = C1 C2 Cm Mnm ( ) una matriz cuyas columnas son soluciones de los sistemas AT = . Claramente x e
K K
( AT LT = AT C1 AT C2 Aplicando traspuestas,
) ( AT Cm = e1 e2
) = Id . em m
LA = Idm y L es una inversa por la izquierda de A. La unicidad de la inversa por la izquierda depende de la unicidad de las matrices columna Ci .
c) Como consecuencia de los apartados anteriores y de la unicidad del rango de una matriz, si A tiene inversa por la izquierda y por la derecha, entonces rango(A) = m = n. Se trata de una matriz cuadrada porque tiene el mismo nmero de las que de columnas y su u rango es mximo porque coincide con el nmero de las y/o columnas. a u Si L es una inversa por la izquierda de A, entonces Idn = LA, y si R es una inversa por la derecha de A, entonces Idn = AR, de tal manera que L = L Idn = L(AR) = (LA)R = Idn R = R, resultando que la inversa por la izquierda de la matriz A coincide con la inversa por la derecha de la matriz A.
Ejercicio 2.18 Existencia de inversas por la derecha y por la izquierda Comprobar la veracidad o falsedad de las siguientes armaciones: a) Si A Mmn ( ) y rango(A) = m, entonces existe R Mnm ( ) tal que AR = Idn . b) c) d)
C C Si A Mmn (C) y rango(A) = m, entonces existe R Mnm (C) tal que AR = Idm . Si A Mmn (C) y rango(A) = m, entonces existe L Mnm (C) tal que LA = Idn . Si A M86 (R) y rango(A) = 6, entonces existe B M68 (R) tal que AB = Id8 . C C C
Solucin: o a) Si A Mmn ( ) y R Mnm ( ), entonces AR Mmm ( ). Por tanto, si n = m, es imposible que AR = Idn . Ahora bien, si m y n coincidieran, entonces la respuesta ser armativa porque A ser una matriz a a regular y tendr inversa tanto por la derecha como por la izquierda. a
Algebra Lineal - 65
b) La armacin es verdadera al tratarse de una consecuencia inmediata del teorema 4.21 de [30]: La o matriz A Mmn ( ) tiene inversa por la derecha si y slo si rango(A) = m y m n. o ( ) c) La armacin es falsa ya que el rango de la matriz A = 1 0 M12 coincide con el nmero de o u ( ) l11 M21 por A no puede ser nunca las mientras que el producto de cualquier matriz L = l21 la identidad porque uno de sus elementos diagonales es cero ( ) ( ) ) l11 ( l11 0 1 0 = LA = . l21 l21 0
Verdaderamente, al multiplicar una matriz columna por una matriz la, se obtiene una matriz cuyas las son proporcionales, circunstancia que no se da en la matriz identidad, salvo en la situacin o extrema n = 1. As por ejemplo, el producto , x ( x 2x ) y 1 2 1 = y 2y z z 2z x y z
no puede ser nunca la matriz identidad porque por un lado la incgnita x tiene que valer 1 y o por otro lado esta misma incgnita, x, tiene que valer 0. o d) No es cierta, sirva como contraejemplo la matriz 8 6 de 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 A= 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 El sistema de ecuaciones lineales A = b x rango 6 0 0 0 0 . 0 1 0 0
0 0 0 0 con b = M81 no tiene solucin porque el rango de la matriz de coecientes, A, es 6 o 0 0 1 0 mientras que el rango de la matriz ampliada, 1 0 0 1 0 0 0 0 A| b = 0 0 0 0 0 0 0 0 0 0 0 0 , 0 0 1 0
0 0 1 0 0 0 0 0
0 0 0 1 0 0 0 0
0 0 0 0 1 0 0 0
0 0 0 0 0 1 0 0
Algebra Lineal - 66
es 7, luego no se puede encontrar una matriz B M68 ( ) tal que AB = Id8 .
Ejercicio 2.19 Inversas de matrices por bloques ) ( A U Mn+1 ( ) en donde A Mn ( ) es una matriz inverSea la matriz cuadrada M = VT d tible, d y U, V Mn1 ( ) son matrices columna. Se pide:
a) Demostrar que las matrices ( B= Idn U 01n 1 ) , C= ( Idn 0n1 UT 1 ) Mn+1 ( )
son invertibles y calcular sus inversas. b) Demostrar que la matriz D= es invertible si y solamente si d = 0. c) Encontrar dos matrices columna X, Y Mn1 ( ) y un escalar z tales que ( ) ( )( )( ) A U Idn 0n1 A 0n1 Idn Y M= = . VT d XT 1 01n z 01n 1 d) Demostrar que M es invertible si y solamente si = d V T A1 U = 0. o e) Hallar una expresin de la inversa de M cuando sea posible. f ) Comprobar que la matriz 0 0 M = 0 1 1 es invertible y calcular su inversa. Solucin: o a a) La ultima la de la matriz B y la ultima columna de la matriz C estn formadas por ceros salvo el elemento que ocupa la posicin diagonal que vale 1, luego los determinantes de B y C son iguales o a los determinantes de las matrices obtenidas al eliminar la ultima la y la ultima columna de dichas matrices. En ambos casos, la matriz resultante es la identidad, resultando |B| = |C| = 1 y concluyndose que B y C son invertibles. e Es fcil observar que la inversa de la matriz B es una matriz con su misma estructura de bloques a en donde se ha cambiado de signo el bloque correspondiente a la columna U, ( ) Idn U 1 B = 01n 1 0 0 1 0 1 0 1 0 0 1 1 0 0 0 1 1 1 1 1 5 ( A 01n 0n1 d )
Mn+1 ( )
Algebra Lineal - 67
ya que
( (
Idn U 01n 1 Idn 01n
) ( ) ( ) Idn U Idn U + U Idn 0n1 = = = Idn+1 , 01n 1 01n 1 01n 1 )( ) ( ) ( ) U Idn U Idn U U Idn 0n1 = = = Idn+1 . 1 01n 1 01n 1 01n 1 ( = ) Idn 0n1 . U T 1
)(
Igual de sencillo es comprobar que C

1
b) La ultima la de la matriz D est formada por ceros salvo el elemento que ocupa la posicin a o diagonal que vale d, luego el determinante de D es |D| = d|A|. Como A es invertible, su determinante es distinto de cero, |A| = 0, y |D| = 0 si y solamente si d = 0. Siendo A regular, la matriz D es invertible unica y exclusivamente cuando d = 0 y es inmediato comprobar que ) ( 1 0n1 A 1 . D = 01n d1 c) Realizando las operaciones indicadas, ( )( )( ) ( )( ) ( ) 0n1 0n1 AY Idn 0n1 A Idn Y A Idn Y A = = . XT 1 01n z 01n 1 X TA z 01n 1 X T A X T AY + z Identicando los bloques de la expresin obtenida con los de la matriz M, se obtienen las relaciones o U = AY, V T = X T A, d = X T AY + z. Como A es invertible, X T = V T A1 , Y = A1 U, z = d V T A1 AA1 U = d V T A1 U, de donde ( A U VT d ) = ( Idn 0n1 T A1 V 1 )( A 01n 0n1 d V T A1 U )( Idn A1 U 01n 1 ) . (3)
d) Seg n la frmula (3), la matriz M puede descomponerse como producto de tres matrices. Ya se ha u o demostrado que los dos factores de los extremos son invertibles en cualquier caso y que la central lo es si y solamente si d V T A1 U = 0. El determinante de la matriz M ser distinto de cero unica y exclusivamente cuando lo sean los a determinantes de las tres matrices en las que se ha descompuesto, luego la matriz M es invertible si y solamente si = d V T A1 U = 0 .
Algebra Lineal - 68
e) Utilizando la descomposicin (3) y que la inversa de un producto de matrices es el producto de las o inversas en orden inverso, ( = ( = ( = ( = )1 Idn 0n1 01n V T A1 1 ) ( 1 ) )( 1 U A A 0n1 Idn 0n1 1 01n (d V T A1 U )1 V T A1 1 )( ) Idn (d V T A1 U )1 A1 U 0n1 (d V T A1 U )1 V T A1 1 A 0n1 d V T A1 U )1 ( )1 (
Idn A1 U 01n 1 Idn 01n A1 01n
A1 + (d V T A1 U )1 A1 U V T A1 (d V T A1 U )1 A1 U (d V T A1 U )1 V T A1 (d V T A1 U )1 ( ) 1 (d V T A1 U )A1 + A1 U V T A1 A1 U = . V T A1 1 d V T A1 U
Si A es regular y = d V T A1 U = 0, entonces M tiene inversa y ( A1 + 1 A1 U V T A1 1 A1 U 1 V T A1 1 ) (4)
M 1 =
f ) La matriz M corresponde al esquema de matrices bloque estudiado en este ejercicio, siendo 0 0 A= 0 1 1 1 1 0 , U = V = y d = 5. 1 0 0 1
0 0 1 0
0 1 0 0
La matriz A es invertible y A1 = A porque A2 = Id4 . El escalar = d V T A1 U es 0 ( ) 0 =5 1 1 1 1 0 1 1 1 1 1 ( ) 1 0 = 5 1 1 1 1 = 5 4 = 1 = 0. 1 0 1 1 1 0
0 0 1 0
0 1 0 0
Al ser A regular y = 0, la matriz M es invertible y su inversa puede calcularse mediante la
Algebra Lineal - 69
frmula (4), siendo o 1 0 0 0 1 1 0 ) 0 0 0 0 1 0 1 ( + 1 1 1 1 A1 + 1 A1 U V T A1 0 0 0 1 0 0 1 0 1 0 0 0 1 1 0 0 1 1 1 1 1 1 1 1 2 0 1 0 1 1 1 1 1 1 2 1 + = , 1 0 0 1 1 1 1 1 2 1 1 0 0 0 1 1 1 1 2 1 1 1 0 0 0 1 1 1 1 0 0 1 0 1 1 1 1 A1 U = 0 1 0 0 1 = 1 = 1 , 1 0 0 0 1 1 1 0 0 0 1 ( ) 0 0 1 0 ( ) 1 V T A1 = 1 1 1 1 0 1 0 0 = 1 1 1 1 , 1 0 0 0 0 0 = 0 1 0 0 = 0 1 0 0 1 0 0 1 0 0 de donde M 1 1 1 1 2 1 1 2 1 2 1 1 = 1 2 1 1 1 1 1 1 1 1 1 1 . 1 1 0 0 1 0 0 1 0 0 1 0 0 0
Ejercicio 2.20 Inversas de matrices cuadradas Sean A, B Mn ( ). Demostrar que si AB = Idn , entonces A y B son invertibles y B = A1 .
Solucin: o La matriz B es invertible si y solamente si el sistema homogneo de ecuaciones lineales B = 0 e x es compatible determinado, es decir, su unica solucin es la matriz nula: = 0 . o x Cualquier solucin del sistema homogneo B = 0 tambin es solucin del sistema homogneo o e x e o e A(B ) = (AB) = 0 , x x o pero como AB = Idn , el sistema AB = Idn = 0 slo tiene una solucin por lo que B = 0 no x x o x puede tener ms que una solucin. a o Como el sistema homogneo de ecuaciones lineales B = 0 es compatible determinado, la matriz e x B es invertible y existe B 1 Mn ( ) tal que
BB 1 = B 1 B = Idn . Multiplicando por la derecha los dos trminos de la igualdad AB = Idn por B 1 , se tiene e (AB)B 1 = Idn B 1 , resultando A = B 1 .
Algebra Lineal - 70
( )1 La matriz A es invertible porque B 1 es invertible y A1 = B 1 = B. A pesar de que la multiplicacin de matrices cuadradas no es conmutativa, basta que el producto o de dos matrices cuadradas sea la identidad para que una sea la inversa de la otra y resulte irrelevante el orden en que se multipliquen.
Ejercicio 2.21 Condicin de inversin o o Determinar la veracidad o falsedad de la siguiente armacin referida a una matriz A Mn ( ) : o A es invertible si y slo si p o Solucin: o = Esta implicacin no se cumple ya que la matriz Idn es invertible mientras que o Idn + Idn + Id2 + + Idp = (p + 1) Idn = 0 p n n = Si p
N tal que Idn +A + A2 + + Ap = 0.
N.
N tal que Idn +A + A2 + + Ap = 0, entonces

Idn = A A2 Ap = A( Idn A Ap1 ), Idn = A A2 Ap = ( Idn A Ap1 )A,
luego A es invertible y A1 = Idn A Ap1 . La existencia de un nmero natural p tal que Idn +A+A2 + +Ap = 0 es una condicin suciente, u o pero no necesaria, para que la matriz cuadrada A tenga inversa.
Ejercicio 2.22 Existencia de inversa Sea A Mn ( ). Demostrar que si existen , Mn1 ( ), = , tales que A = A , entonces A no es x y x y x y invertible.
Solucin: o La demostracin puede realizarse por reduccin al absurdo, suponiendo que A tiene inversa. o o Si esto es as existe A1 Mn ( ) tal que A1 A = AA1 = Idn . , Multiplicando por la izquierda ambos miembros de la igualdad A = A por A1 se obtiene x y ( ) ( ) A1 A = A1 A x y
y aplicando la propiedad asociativa ( ) ( ) A1 A = A1 A . x y =, x y lo que contradice la hiptesis inicial o = . x y
Por la denicin de matriz inversa, se deduce que o
La existencia de matriz inversa conduce a una contradiccin, luego la matriz A no es invertible. o
Algebra Lineal - 71
Ejercicio 2.23 Rango del producto de una matriz regular por otra matriz Sea la matriz cuadrada A Mn ( ) y sean las matrices columna C1 , C2 , . . . , Cp Mn1 ( ). Demostrar que
a) Si AC1 , AC2 , . . . , ACp Mn1 ( ) son linealmente independientes, entonces C1 , C2 , . . . , Cp tambin son linealmente independientes. e b) Si A es regular y C1 , C2 , . . . , Cp son linealmente independientes, entonces AC1 , AC2 , . . . , ACp tambin son linealmente independientes. e ) ( c) Si A es regular y C = C1 C2 Cp Mnp ( ), entonces rango(AC) = rango(C).
Solucin: o Mn1 ( ) es un espacio vectorial real. Sus elementos, adems de ser matrices, son vectores y tiene a sentido hablar de dependencia lineal entre estas matrices ya que se trata de vectores pertenecientes a un espacio vectorial.
a) Razonemos por reduccin al absurdo suponiendo que C1 , C2 , . . . , Cp no son linealmente indeo pendientes. Existe una combinacin lineal de C1 , C2 , . . . , Cp que proporciona la matriz cero y que tiene algn o u escalar distinto de cero. Sea 1 C1 + 2 C2 + + p Cp = 0n1 con 1 , 2 , . . . , p
R, existiendo i 1, 2, . . . , p tal que i = 0.
Multiplicando por la izquierda por la matriz A y aplicando la propiedad distributiva de la multiplicacin de matrices y las propiedades del producto de un escalar por una matriz, resulta que o ) ( A 1 C1 + 2 C2 + + p Cp = 1 AC1 + 2 AC2 + + p ACp = 0n1 , existiendo i 1, 2, . . . , p tal que i = 0. De la anterior armacin se concluye que las matrices AC1 , AC2 , . . . , ACp no son linealmente o independientes, lo que contradice la hiptesis del apartado. o En denitiva en la situacin en la que nos encontramos C1 , C2 , . . . , Cp tienen que ser linealmente o independientes. b) Si A es una matriz regular, entonces tiene inversa. Sea A1 Mn ( ) tal que A1 A = AA1 = Idn . Si las matrices C1 , C2 , . . . , Cp son linealmente independientes, entonces tambin lo son e A1 (AC1 ), A1 (AC2 ), . . . , A1 (ACp ). Considerando la matriz cuadrada A1 y aplicando el apartado a), las matrices AC1 , AC2 , . . . , ACp son linealmente independientes.
Algebra Lineal - 72
c) El rango de una matriz coincide con el mayor nmero posible de columnas de la matriz que sean u linealmente independientes. Como las columnas de la matriz C son las columnas C1 , C2 , . . . , Cp , el rango de C es el mayor nmero de matrices independientes entre C1 , C2 , . . . , Cp . u Como las columnas de la matriz AC son las columnas AC1 , AC2 , . . . , ACp , el rango de AC es el mayor nmero de matrices independientes entre AC1 , AC2 , . . . , ACp . u Sea rango(AC) = r y sea rango(C) = s. Sin prdida de generalidad, se puede suponer14 que las r columnas linealmente independientes e entre AC1 , AC2 , . . . , ACp son las r primeras y que las s columnas linealmente independientes entre C1 , C2 , . . . , Cp son las s primeras. Se cumplen las siguientes relaciones: r s. Si AC1 , AC2 , . . . , ACr son linealmente independientes, aplicando el apartado a), las matrices C1 , C2 , . . . , Cr son linealmente independientes y el rango de A no puede ser inferior a r. s r. Si A es regular y C1 , C2 , . . . , Cs son linealmente independientes, aplicando el apartado b), las matrices AC1 , AC2 , . . . , ACs son linealmente independientes y el rango de AC no puede ser inferior a s. Los valores r y s tienen que coincidir, luego rango(AC) = rango(C).
Ejercicio 2.24 Rango del producto e inversa Sean A, B Mn ( ). Analizar si son ciertas o falsas las siguientes armaciones:
a) Si rango(AB) = rango(A), entonces A es invertible. b) Si rango(AB) = rango(A), entonces B es invertible. c) Si rango(AB) = rango(B), entonces A es invertible. d) Si rango(AB) = rango(B), entonces B es invertible. Solucin: o Todas las armaciones son falsas. Las matrices A=
0 1 0 0
) y B=
0 0 0 1
constituyen un contraejemplo para todas las armaciones anteriores porque ni A ni B admiten inversa pues sus determinantes son nulos, adems, rango(A) = rango(B) = 1 y a (( )( )) ( ) 0 1 0 0 0 1 rango(AB) = rango = rango = 1 = rango(B) = rango(A). 0 0 0 1 0 0
14
Si no fuera as pueden cambiarse de orden sin afectar a la independencia lineal. ,
Algebra Lineal - 73
Ejercicio 2.25 Rango del producto de una matriz columna por su traspuesta Calcular el rango de la matriz AAT siendo A Mn1 ( ). Es AAT invertible?
Solucin: o Si A Mn1 ( ), el producto de A por su traspuesta en este 2 a11 a11 a11 a12 a12 ( a2 ) a12 a11 12 T AA = . a11 a12 . . . a1n = . . . . . . . . a1n a1n a11 a1n a2n
orden es . . . a11 a1n . . . a12 a2n . Mn ( ). .. . . . ... a2 1n
Es evidente que si A es la matriz nula, entonces B = AAT = 0 Mn ( ) y rango(B) = 0. Si A no es la matriz nula, todas las columnas de B son mltiplos de A y, consecuentemente, el u rango de B es 1. Teniendo en cuenta que el rango de A es menor o igual que 1, podemos armar que rango(AAT ) = rango(A). La matriz AAT no es invertible cuando n 2 porque rango(AAT ) 1. Si n = 1, entonces B es invertible siempre y cuando A no sea la matriz cero.
o Ejercicio 2.26 Relacin entre el rango de un producto de matrices y los rangos de los factores Sea un cuerpo conmutativo, A = (aij ) Mnm ( ) y B = (bjk ) Mmp ( ). Demostrar que rango(AB) rango(A) y rango(AB) rango(B).
Solucin: o Llamando j a las columnas de la matriz A, c ( c1 c2 A =
), cm
{ } el rango de A es la dimensin del subespacio generado por el conjunto C = , , . . . , o c1 c2 cm El producto de la matriz A por un vector columna, b1k b1k b2k ( ) b2k c1 c2 cm A . = . = b1k + b2k + + bmk , c1 c2 cm . . . . bmk bmk
Kn.
es una combinacin lineal de las columnas de A, luego cada columna del producto de la matriz A por o la matriz B es una combinacin lineal de las columnas de A, o b11 b12 b1p ( ) b21 b22 b2p c1 c2 cm AB = . . . .. . . . . . . . bm1 bm2 bmp + + b b + + b = b11 c1 m1 cm 12 c1 m2 cm ( ) b1p + + bmp . c1 cm
El subespacio vectorial de p generado por las columnas del producto AB es un subespacio del subespacio vectorial generado por las columnas de A que, en algn caso, pueden coincidir. Como la u
Algebra Lineal - 74
dimensin de un subespacio no puede superar la dimensin del subespacio que le contiene y el rango o o de una matriz es la dimensin de su espacio columna, o rango(AB) rango(A). Teniendo en cuenta que el rango de una matriz coincide con el de su traspuesta y que la traspuesta del producto de dos matrices es el producto cambiado de orden de las traspuestas, ( ) rango(AB) = rango (AB)T = rango(B T AT ) rango(B T ) = rango(B). En denitiva, { } rango(AB) m rango(A), rango(B) . n
Ejercicio 2.27 Rango de matrices cuyo producto por su traspuesta es la identidad Sea un cuerpo conmutativo. Estudiar15 la veracidad o falsedad de las siguientes armaciones:
a) Si P Mmn ( ) y P T P = Idn , entonces m n. b)
K Si P Mmn (K) y P T P = Idn , entonces rango(P ) = n.
Solucin: o a) Por los ejercicios 2.26 y 2.6, n = rango(Idn ) = rango(P T P ) rango(P T ) m n(n, m), luego n m. b) Por el ejercicio 2.26 y porque el rango de una matriz coincide con el de su traspuesta, n = rango(Idn ) = rango(P T P ) rango(P T ) = rango(P ), luego n rango(P ). Para cualquier matriz, rango(P ) m n{n, m} n. Al cumplirse la doble relacin, n rango(P ) y rango(P ) n, tiene que ser o rango(P ) = n .
Ejercicio 2.28 Rango de submatrices Sea A Mn ( ) y rango(A) = n. Estudiar si todas las submatrices cuadradas de A de orden n 1 tienen rango n 1.
15
Si se aplica la relacin rango(AT A) = rango(A), demostrada en el ejercicio 5.30, el estudio es inmediato. o
Algebra Lineal - 75
Solucin: o No todas las submatrices cuadradas de orden n 1 de la matriz A tienen que ser de rango n 1. ) ( 1 0 0 1 1 Por ejemplo, la matriz A = 1 1 0 tiene rango 3 y su submatriz A[2..3, 1..2] = tiene 1 1 1 1 1 rango 1. El mismo ejemplo ilustra que hay submatrices cuadradas de orden n1 de A que no son invertibles aunque A lo sea.
Ejercicio 2.29 Submatrices e Estudiar la veracidad de la a11 Si la matriz A = a21 a31 tambin es invertible. e Solucin: o
inversa siguiente armacin: o ( ) a12 a13 a11 a12 a22 a23 es invertible, entonces la submatriz B = a21 a22 a32 a33
( ) 1 0 0 0 0 1 es invertible porque A2 = Id3 mientras que la submatriz B = 1 0 La matriz A = 0 0 0 1 0 no lo es porque todos los elementos de una de sus las son nulos.
Ejercicio 2.30 Potencias de matrices 1 a) Para n = 1, 2, 3, . . . , calcular An siendo A = 0 0 1 n siendo A = 0 b) Para n = 1, 2, 3, . . . , calcular A 0 ( n siendo A = Im c) Para n = 1, 2, 3, . . . , calcular A B ( d) Demostrar que )n 0 1 = 1 0 n cos 2 (n 1) cos 2 0 0 0 0 0 0 . . . . . . 0 1 0 0 0 0 0 1 1 0 . 0 1 1 0 1 1 . 0 1 ) 0 y B Mm ( ). Im
0 0 0 . e) Demostrar que si A = . . 0 0 0
1 0 0 1 0 0 . . .. . . . . . 0 0 0 0 0 0
(n + 1) cos 2 para n = 1, 2, 3, . . . n cos 2 0 0 0 . M ( ), entonces An = 0. . n . 0 1 0
Algebra Lineal - 76
Solucin: o a) Las primeras potencias de la matriz 1 0 A2 = 0 1 0 0 A son 1 1 0 0 1 0 1 0 A3 = AA2 = 0 1 0 0
0 1 1 0 2 1 0 = 0 1 0 , 0 1 0 0 1 1 1 0 2 1 0 3 0 0 1 0 = 0 1 0 . 1 0 0 1 0 0 1
1 0 n Parece razonable conjeturar que An = 0 1 0 . Para comprobar esta suposicin, puede emo 0 0 1 plearse el mtodo de induccin matemtica: e o a La frmula es cierta para n = 1 (tambin lo es para n = 2 y n = 3). o e Supongamos que es cierta para un valor cualquiera vlida para el valor n + 1 : a 1 0 n 1 0 An+1 = An A = 0 1 0 0 1 0 0 1 0 0 n
N y comprobemos que tambin es e
1 1 0 n+1 0 = 0 1 0 . 1 0 0 1
En consecuencia, la frmula es correcta para cualquier nmero natural n. o u b) Las primeras potencias 1 1 0 1 A2 = 0 1 1 0 0 0 1 0 de la matriz A son 1 0 1 2 1 1 1 0 1 2 1 1 3 1+2 1 1 = 0 1 2 y A3 = 0 1 1 0 1 2 = 0 1 3 . 0 1 0 0 1 0 0 1 0 0 1 0 0 1
El resultado es una matriz triangular superior con slo unos en la diagonal. Adems, parece que o a los elementos a12 y a23 son la potencia a la que se est elevando la matriz mientras que en a33 se a acumulando n 1 al valor anterior cumpliendo la relacin de recurrencia o an = an1 + (n 1), y a1 = 0. Como
n1 i=0
i = 0 + 1 + 2 + + (n 2) + (n 1) =
(n1)n , 2
(n 1)n , 2
puede conjeturarse que an = 33
de donde
(n1)n 2
1 n An = 0 1 0 0
n 1
El razonamiento de induccin matemtica puede aplicarse para comprobar la validez de la frmuo a o la: La frmula es cierta para n = 1 (tambin lo es para n = 2 y n = 3). o e
Algebra Lineal - 77
Supongamos que es cierta para vlida para el valor n + 1 : a 1 An+1 = An A = 0 0
un valor cualquiera n n 1 0
(n1)n 1 2
N y comprobemos que tambin es e

n(n+1) 2
n 1
1 0 1 n+1 0 1 1 = 0 1 0 0 1 0 0
n + 1 . 1
Por tanto, la frmula es vlida para cualquier nmero natural n. o a u c) Las primeras potencias de la matriz A son ( )( ) ( ) ( )( ) ( ) Im 0 Im 0 Im 0 Im 0 Im 0 Im 0 2 3 2 A = = y A = AA = = . B Im B Im 2B Im B Im 2B Im 3B Im Parece razonable conjeturar que An = ) Im 0 . Para comprobar esta suposicin, puede emo nB Im plearse el mtodo de induccin matemtica: e o a La frmula es cierta para n = 1 (tambin lo es para n = 2 y n = 3). o e Supongamos que es cierta para un valor cualquiera n y comprobemos que tambin es e vlida para el valor n + 1 : a ( )( ) ( ) Im 0 Im 0 Im 0 n+1 n A =A A= = . nB Im B Im (n + 1)B Im (
En consecuencia, la frmula es correcta para cualquier nmero natural n. o u d) La frmula puede demostrarse empleando el mtodo de induccin matemtica: o e o a La frmula es cierta para n = 1 ya que o ( ) 0 1 cos 2 = 1 0 cos 0 cos = cos 2 cos cos . cos 2 3 2 .
Tambin es cierta para n = 2 ya que e ( 0 1 1 0 )2 = ( 1 0 0 1 )
cos
Suponiendo que es cierta para un valor cualquiera n 1, puede comprobarse que tambin es e vlida para el valor n + 1 : a n (n + 1) ( ( )n+1 ( )n ( ) ) cos 0 1 0 1 0 1 cos 2 0 1 2 = = 1 0 1 0 1 0 1 0 n (n 1) cos cos 2 2 (n + 1) n (n + 1) n cos cos cos cos cos 2 2 2 2 = = (n 1) (n 1) n n cos cos cos cos cos 2 2 2 2 (n + 2) (n + 1) cos cos 2 2 = . n (n + 1) cos cos 2 2
Algebra Lineal - 78
En consecuencia, la frmula es correcta para cualquier nmero natural n 1 siendo, por ejemplo, o u 121 )120 ) ( ( 0 1 1 0 cos 60 cos 2 cos 0 cos 2 = . = = 1 0 0 1 119 3 cos cos 60 cos cos 0 2 2 e) El resultado de multiplicar por la izquierda la matriz A por otra matriz B Mn ( ) es otra matriz cuadrada de orden n cuya ultima la es nula y cuya la i-sima desde i = 1 hasta i = n 1 es e la la i + 1-sima de B : e b21 b22 b2n1 b2n 0 1 0 0 b11 b12 b1n 0 0 0 0 b21 b32 b3n1 b3n b22 b2n b31 . . .. . . . . . . . . . .. .. . . . . . . . . . . . . . . . . . . . . . . = . . . . 0 0 1 0 bn21 bn21 bn2n bn11 bn12 bn1n1 bn1n 0 0 0 1 bn11 bn12 bn1n bn1 bn2 bnn1 bnn 0 0 0 0 bn1 bn2 bnn 0 0 0 0 En particular, como la ultima la de A es nula, las dos ultimas las de A2 son nulas, las tres 3 son nulas y en general las p ultimas las de Ap son nulas. Si n es la dimensin de ultimas de A o la matriz cuadrada A, entonces An = 0.
Ejercicio 2.31 Potencias y matrices singulares Estudiar la veracidad de la siguiente armacin: o Si la matriz cuadrada A Mn ( ) es singular, entonces existe un nmero natural, p u tal que Ap = 0 Mn ( ).
N,
Solucin: o La armacin es falsa porque la matriz cuadrada, diagonal y no nula o ( ) 1 0 A= 0 0 es singular, puesto que |A| = 0, y es inmediato observar que ) ( ( p ) 1 0 1 0 p A = = = A = 0 p 0 0p 0 0
N.
Ejercicio 2.32 Ecuacin matricial o Resolver, en M2 ( ), la ecuacin matricial o
AX=B cuando las matrices A y B toman los siguientes valores: ( ) ( ) 1 1 0 0 a) A = yB= . 1 1 0 0
Algebra Lineal - 79
2 ( ) (
) 0 0 . 0 0 ( ) ( ) 0 0 0 0 c) A = yB= . 1 1 0 0 ( ) ( ) 2 4 0 0 d) A = yB= . 1 2 0 0 ( ) ( ) 1 1 1 0 e) A = yB= . Forman las soluciones un subespacio vectorial de M2 ( )? 0 1 0 1 b) A = 1 1 0 1 yB=
Solucin: o Las soluciones de la ecuacin matricial o ) ( ) ) ( ( 0 0 x11 x12 a11 a12 = a21 a22 x21 x22 0 0 se calculan resolviendo el sistema homogneo de ecuaciones lineales obtenido al multiplicar las matrices e A y X e igualar el resultado a la matriz 0: a11 x11 +a12 x21 =0 a11 x12 +a12 x22 = 0 (5) a21 x11 +a22 x21 =0 a21 x12 +a22 x22 = 0 ( a) El sistema (5) particularizado al caso A = x11 x12 x11 x12 +x21 +x22 ) 1 1 , se convierte en el sistema: 1 1 =0 =0 =0 =0
+x21 +x22
que solamente tiene dos ecuaciones y cuyas soluciones son { (x11 , x12 , x21 , x22 ) = (, , , ) : ,
R }.
En este caso, las soluciones16 de la ecuacin matricial A X = 0 son las matrices o {( ) } S1 = : , .
( b) El sistema (5) particularizado al caso A = x11 x12
) 1 1 , se convierte en el sistema: 0 1 =0 =0 =0 =0
+x21 +x22 x21 +x22
16 S1 es un subespacio vectorial de dimensin 2 del espacio vectorial de matrices cuadradas de orden 2 con coecientes o reales. Vase el cap e tulo 3 titulado Espacios vectoriales.
Algebra Lineal - 80
cuyas unica solucin es o x11 = x12 = x21 = x22 = 0. En este caso, la unica solucin17 de la ecuacin matricial A X = 0 es la matriz nula o o {( )} 0 0 S2 = . 0 0 ( c) El sistema (5) particularizado al caso A = x11 x12 ) 0 0 , se convierte en el sistema: 1 1 =0 =0 }
+x21 +x22
que solamente tiene dos ecuaciones y cuyas soluciones son { (x11 , x12 , x21 , x22 ) = (, , , ) : ,
R}.
En este caso, igual que en el apartado a), las soluciones de la ecuacin matricial A X = 0 son las o matrices {( ) } S1 = : , .
d) En general, las columnas de las matrices soluciones de la ecuacin matricial o ( ) ( ) ( ) a11 a12 x11 x12 0 0 = a21 a22 x21 x22 0 0 son las soluciones del sistema homogneo de ecuaciones lineales e ( ) ( ) ( ) a11 a12 x 0 = . a21 a22 y 0 En particular, el sistema de ecuaciones lineales ( )( ) ( ) 2 4 x 0 = 1 2 y 0 es compatible indeterminado porque el rango de la matriz de coecientes es 1, menor estrictamente que el nmero de incgnitas, u o ( ) ( ) ( ) 2 4 1 2 1 2 . 1 2 2 4 0 0 Las soluciones de este sistema son las soluciones de la ecuacin x + 2y = 0 : o {( ) } 2 : .
( Las soluciones de la ecuacin matricial son las matrices X = o
2 2
) con
R.
Adems de la matriz nula, hay ms soluciones para la ecuacin matricial propuesta. a a o

17 S2 es un subespacio vectorial de dimensin 0 del espacio vectorial de matrices cuadradas de orden 2 con coecientes o reales. Vase el cap e tulo 3 titulado Espacios vectoriales.
Algebra Lineal - 81
2 ( e) La matriz A = )
ALGEBRA MATRICIAL Y SISTEMAS DE ECUACIONES LINEALES (
1 1 0 1
) 1 1 , luego 0 1 ( ) ( )( ) ( ) 1 1 1 0 1 1 1 1 1 0 = = . X = A AX = A 0 1 0 1 0 1 0 1 es invertible y A1 =
El conjunto
{ ( ) ( )} {( )} 1 1 1 0 1 1 S = X M2 ( ) : X= = 0 1 0 1 0 1 ( ) 1 1 no es un subespacio vectorial porque, por ejemplo, 2 S. 0 1
a Ejercicio 2.33 Clculo de determinantes (I) Calcular el determinante de las siguientes matrices cuadradas cuadradas de orden n : 1+x 1 1 1 1 1+x 1 1 1 1 + x 1 . a) A = 1 1 1 1 1 + x n n 1 n 2 n 3 3 2 1 1 n n 1 n 2 4 3 2 2 1 n n 1 5 4 3 2 1 n 6 5 4 . b) A = 3 n 2 n 3 n 4 n 5 1 n n 1 n 1 n 2 n 3 n 4 2 1 n Solucin: o a) Es inmediato observar que la suma de los elementos de una la de A (resp. columna) es independiente de la la (resp. columna) que se considere.
n j=1
aij = n + x, i = 1, 2, . . . , n.
Sumando todas las columnas a la primera columna, el valor del determinante no var y puede a sacarse factor comn al trmino n + x : u e n+x 1 1 n+x 1+x 1 1 1+x |A| = n + x n+x 1 1 1 1 1 = (n + x) 1+x 1 1 1 1 1 1 1+x 1 1 1+x 1 1 1 1 1 . 1+x
Restando la primera la a todas las dems, se consigue hacer ceros todos los elementos ubicados a debajo de la diagonal principal, lo que permite calcular el valor del determinante de manera sencilla: 1 0 |A| = (n + x) 0 0 1 x 0 0 1 0 x 0 1 0 0 = (n + x) xn1 . x
Algebra Lineal - 82
b) Cada la (resp. columna) de la matriz A es una permutacin de los nmeros 1, 2, . . . , n. Por tanto o u la suma de los elementos es igual para cada la (resp. columna) de la matriz A.
n j=1
aij = 1 + 2 + 3 + + (n 1) + n =
(n + 1)n , i = 1, 2, . . . , n. 2
Sumando todas las columnas a la primera columna, el valor del determinante no var y puede a sacarse factor comn al trmino (n+1)n : u e 2
(n+1)n 2 (n+1)n 2 (n+1)n 2
|A| =
(n+1)n 2 (n+1)n 2
n1 n 1 n3 n2
n2 n1 n n4 n3
2 3 4 n 1
1 1 2 1 (n + 1)n 1 3 = 2 1 n1 1 n
n1 n 1 n3 n2
n2 n1 n n4 n3
2 3 4 n 1
1 2 3 . n1 n
Si, empezando por el nal, a cada la le restamos la precedente, el determinante puede reducirse a otro de orden n 1 porque la primera columna es nula salvo el primer elemento que es 1: 1 0 (n + 1)n 0 |A| = 2 0 0 n1 n2 1 1 1n 1 1 1 1 1 2 1 1 1 1 1 1n 1 (n + 1)n 1 1 = 2 1 1 1 1 1 1 1n 1 1 1 1 1 . 1 1 1n 1
Restando la primera la a las restantes, se anulan muchos trminos, entre otros, todos los de la e ultima columna salvo el primero 1 1 n 0 (n + 1)n |A| = 2 0 0 0 0 1 1 1 0 0 0 (n + 1)n = (1)n 2 n 0 0 0 n 0 n 0 0 0 0 0 0 0 . n 0 0 n
Resulta una matriz diagonal de orden n 2 y con todos los elementos diagonales iguales a n. Por tanto: (n + 1)n n+1 n + 1 n1 (1)n (n)n2 = (1)n (1)n2 nn1 = n . |A| = 2 2 2 Para n = 2, el determinante es 2 1 =3 1 2 y para n = 3, el valor del determinante es 3 2 1 1 3 2 = 18. 2 1 3
Algebra Lineal - 83
Ejercicio 2.34 Clculo de determinantes (II) a Calcular los determinantes de las siguientes matrices de orden n. 1 2 3 n 1 n 2 3 4 n n+1 3 4 5 n + 1 n + 2 . a) A = n 1 n n + 1 2n 3 2n 2 n n + 1 n + 2 2n 2 2n 1 12 22 32 (n 1)2 n2 22 32 42 n2 (n + 1)2 2 2 2 2 3 4 5 (n + 1) (n + 2)2 . b) A = (n 1)2 n2 (n + 1)2 (2n 3)2 (2n 2)2 n2 (n + 1)2 (n + 2)2 (2n 2)2 (2n 1)2 Solucin: o a) Los elementos de la matriz A pueden expresarse en funcin de la la y la columna que ocupan o mediante la relacin o aij = (i 1) + j. As la la i-sima es la media aritmtica de las las i 1 e i + 1 ya que , e e a(i1)j + a(i+1)j i2+j+i+j = = (i 1) + j = aij . 2 2 Por tanto, si n > 2, cualquier la de la matriz A salvo la primera y la ultima puede expresarse como una combinacin lineal de la la anterior con la la posterior, luego el determinante de A es o cero. Si n = 2, al haber slo dos las no se puede aplicar el razonamiento anterior y hay que calcular el o determinante: 1 2 |A| = = 1. 2 3 b) Los elementos de la matriz A pueden expresarse en funcin de la la y la columna que ocupan o mediante la relacin o ( )2 aij = (i 1) + j . Si n = 2, entonces |A| = Si n = 3, entonces 12 22 32 |A| = 22 33 42 = 8. 33 42 52 Si n 4, entonces la cuarta la menos la primera es tres veces la tercera menos la segunda ya que j = 1, 2, . . . , n se cumple a4j a1j = (3 + j)2 j 2 = 9 + 6j = 3(3 + 2j) a3j a2j = (2 + j)2 (1 + j)2 = 4 + 4j 1 2j = 3 + 2j 12 22 = 7. 22 33
Algebra Lineal - 84
luego, si a la tercera la se le resta la segunda y a la cuarta se le resta la primera, se obtiene un determinante en el que la cuarta la es la tercera multiplicada por 3. En consecuencia, el determinante vale 0.
Ejercicio 2.35 Clculo de determinantes (III) a Calcular, en funcin del orden n, el determinante de las matrices An cuyos elementos estn exo a presados por las siguientes relaciones: { 1 si i j a) aij = 1 si i < j b) aij = i j. c) aij = |i j|. d) aij = 1 . i+j
Solucin: o a) Observando los casos ms sencillos puede establecerse una sencilla relacin de recurrencia basada a o en que los elementos de la primera columna salvo el ultimo son los de la ultima cambiados de signo: Si n = 2, entonces |A2 | = Si n = 3, entonces |A3 | = 1 1 1 1 1 1 1 1 1 1 1 0 1 1 0 1 1 2 = 2|A2 | = 22 . 1 1 1 1 = 1 0 1 2 = 2.
Si n = 4, entonces 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 0 1 1 1 0 1 1 1 0 1 1 1 2
|A4 | =
= 2|A3 | = 23 .
La frmula general es |An | = 2n1 . Para demostrar que es cierta, puede utilizarse el mtodo de o e induccin matemtica: o a a) Ya se ha comprobado la frmula para n = 1 (y tambin para n = 2 y n = 3). o e b) Si se supone que es cierto |An | = 2n1 para un valor concreto de n, entonces tambin es cierto e para n + 1 porque sumando la primera columna a la ultima se obtiene un nuevo determinante donde la ultima columna tiene ceros en todas sus posiciones salvo en la posicin n-sima que o e tiene un 2. Adems, el adjunto de este ultimo elemento es |An |, por lo que a |An+1 | = 2|An | = 2n .
Algebra Lineal - 85
En denitiva, |An | = 2n1 n
N.
0 1 1 0
b) Se presentan los siguientes casos: Si n = 2, entonces |A2 | = = 1.
Si n 2, entonces la segunda la es la media aritmtica de la primera y la tercera ya que e j = 1, 2, . . . , n, se cumple a1j + a3j = 1 j + 3 j = 2(2 j) = 2a2j , como puede observarse en el caso n = 5 0 1 2 3 4 1 0 1 2 3 2 1 0 1 2 . 3 2 1 0 1 4 3 2 1 0
A5 =
Por tanto, el determinante vale 0 cuando el orden de A es mayor que 2. Resumiendo: |An | = { 1 si n = 2 . 0 si n > 2
c) Los casos ms sencillos pueden arrojar informacin sobre el caso general: a o Si n = 2, entonces |A2 | = 0 1 = 1. 1 0
Si n = 3, entonces, sumando la primera columna a la tercera, restando la segunda la a la ultima y la primera a la segunda, resulta: 0 1 2 0 1 2 0 1 2 |A3 | = 1 0 1 = 1 0 2 = 1 0 2 = 2 1 0 2 1 2 1 1 0 0 1 2 1 1 0 1 1 0 = (3 1)(1)31 232 = 4.
Se ha observado que la suma de la primera y la ultima columna es 2 = n 1. Esto es as en cualquier caso porque al ser 1 i n, se tiene que |i 1| = i 1 y |i n| = (i n) = n i, de donde ai1 + ain = |i 1| + |i n| = (i 1) (i n) = n 1. As pues, n 1 es un factor de |An |. Adems, todos los elementos de la ultima columna salvo a el primero pueden anularse restando a cada la la la anterior. Si n = 4, repitiendo las consideraciones anteriores: 0 1 |A4 | = 2 3 1 0 1 2 2 1 0 1 0 1 3 1 0 2 = 2 1 1 3 2 0 2 1 0 1 3 3 = 3 3 0 1 2 3 1 1 1 0 1 1 1 0 1 1 1 0
= (4 1)(1)41 242 = 12.
Algebra Lineal - 86
Parece que la frmula general puede ser o |An | = (1)n1 (n 1)2n2 . Ya se ha comprobado que para cualquier valor de n, todos los trminos de la ultima columna e pueden hacerse iguales a n 1 sumando a sta la primera columna sin que var el valor del e e determinante. Si, a continuacin, a cada la se le resta la anterior (empezando por el nal), se o obtiene el determinante de una nueva matriz cuya primera la es la misma que la de la matriz An , la ultima columna tiene todos los elementos nulos salvo el primero y los restantes elementos son: { si i > j i j (i 1 j) 1 si i > j 1 si i = j = bij = aij a(i1)j = |i j| |i 1 j| = 1 si i j (i j) + (i 1 j) si i < j con i = 2, 3, . . . , n y j = 1, 2, . . . , n 1. Desarrollando por la ultima columna este ultimo determinante, se obtiene |An | = (1)n1 (n 1)|Cn1 | donde Cn1 es la matriz de elementos { { 1 si i + 1 > j 1 si i j cij = b(i+1)j = = . 1 si i + 1 j 1 si i < j Como ya es sabido, vase el apartado a), que e |Cn1 | = 2n2 , se concluye que |An | = (1)n1 (n 1)2n2 . d) Vamos a demostrar por induccin que o
1 2 1 3 1 3 1 4
|An | =
. . .
. . .
.. .
1 n+1 1 n+2
. . .
)3 1! 2! (n 1)! n! . = (n + 1)! (n + 2)! (2n)!
(6)
1 n+1
1 n+2
1 2n
Si n = 2, la frmula propuesta es vlida porque o a |A2 | =

1 2 1 3 1 3 1 4
1 1 1 (1!)3 2! 1 = = = 2 3. 8 9 72 3! 4! 3 2
Si n = 3, la frmula propuesta tambin es vlida porque utilizando la ultima la para anular los o e a trminos de la ultima columna, se tiene e
1 2 1 3 1 4 1 3 1 4 1 5 1 4 1 5 1 6 1 3 2 8 1 3 3 10 1 4 1 3 1 4
|A3 | =

1 5
3 10 6 25
0 1 0 = 6 1
6
1 8 1 30
1 30 1 100
Algebra Lineal - 87
De la primera columna se puede sacar factor comn u 1 1 6 2

1 4 1 15 1 30 1 100
1 2
n1 n+1
y de la segunda
1 4 1 15 1 6 1 20
1 5
n2 n+2 ,
resultando
|A3 | =
1 1 1 6 2 5
Igualmente, de la primera la se puede sacar factor comn u resultando |A3 | = 1 1 1 1 6 2 5 2

1 2 1 15 1 3 1 20
1 2
n1 n+1
y de la segunda
1 5
n2 n+2 ,
1 1 1 1 1 6 2 5 2 5
1 2 1 3
1 3 1 4
1 1 (1! 2!)3 3! |A2 | = = . 600 43200 4! 5! 6!
Se supone que la frmula de este determinante es correcta para el valor natural n y se comprueba o que tambin es vlida para n + 1. Para ello, basta expresar |An+1 | en funcin de |An | siguiendo la e a o estrategia descrita en el clculo de |A3 |. a Se convierten en cero todos los trminos de la ultima la del determinante |An+1 |, salvo el ultimo, e ai n+1 restando a la la i-sima la ultima la multiplicada por an+1 n+1 , resultando e
a1 n+1 a11 an+1 1 an+1 n+1
a1 n+1 a12 an+1 2 an+1 n+1
.. .
a1 n+1 a1n an+1 n an+1 n+1
0 0 . . . 0 an+1 n+1
a21 an+1 1 an+1 n+1 . . |An+1 | = . an n+1 an1 an+1 1 an+1 n+1 an+1 1
a2 n+1
a22 an+1 2 an+1 n+1 . . . an n+1 an2 an+1 2 an+1 n+1 an+1 2
a2 n+1
a2n an+1 n an+1 n+1 . . . an n+1 ann an+1 n an+1 n+1 an+1 n
a2 n+1
= an+1 n+1 |bij | con i, j = 1, 2, . . . , n.
Los nuevos trminos, bij , responden a la frmula e o ai n+1 an+1 n+1 1 1 i+j n+j+1
1 n+i+1 1 2n+2
bij = aij an+1 j
1 n+1i n+1j , i+j n+1+i n+1+j
de tal modo que

1 n n 2 n+2 n+2 1 n1 n 3 n+3 n+2 1 n n1 3 n+2 n+3 1 n1 n1 4 n+3 n+3
|An+1 | =
1 2n + 2
. . .
. . .
.. .
1 n 1 n+1 n+2 2n+1 1 n1 1 n+2 n+3 2n+1
. . .
1 1 n n+1 2n+1 n+2
1 1 n1 n+2 2n+1 n+3
1 1 1 2n 2n+1 2n+1
Observando que en cada columna hay factores comunes, que en cada la tambin hay factores e comunes, que el determinante de orden n es conocido y completando factoriales, se llega a la
Algebra Lineal - 88
frmula del determinante de orden n + 1 : o

1 n 2 n+2 1 n1 3 n+3 1 n 3 n+2 1 n1 4 n+3
|An+1 | =
1 n n1 1 2n + 2 n + 2 n + 3 2n + 1
. . .
. . .
.. .
1 2 1 3
1 n n+1 n+2 1 n1 n+2 n+3
. . .
1 1 n+1 2n+1
1 1 n+2 2n+1
1 1 2n 2n+1 1 3 1 4
1 n n1 n n1 1 1 2n + 2 n + 2 n + 3 2n + 1 n + 2 n + 3 2n + 1
. . .
. . .
.. .
1 n+1 1 n+2
. . .
( )3 1! 2! (n 1)! n! n! n! = (2n + 2)(2n + 1) (n + 2) (2n + 1)(2n) (n + 2) (n + 1)! (n + 2)! (2n)! ( )3 1! 2! (n 1)! n! 1 = (2n + 2)(2n + 1) (n + 2) (2n + 1)! (n + 2)! (2n)! ( )3 1! 2! (n 1)! n! (n + 1)! = (2n + 2)(2n + 1) (n + 2) (n + 1)! (2n + 1)! (n + 2)! (2n)! ( )3 1! 2! (n 1)! n! (n + 1)! = (n + 2)! (n + 3)! (2n)! (2n + 1)! (2n + 2)! que coincide con la frmula (6) en el caso n + 1. o
1 n+1
1 n+2
1 2n
Ejercicio 2.36 Determinantes de matrices por bloques Sean A Mn ( ), B Mnm ( ), C Mm ( ) y P, Q, R, S Mn ( ) y sean ( ) ( ) ( ) A B 0mn C P Q M= M(n+m) ( ), L = M(n+m) ( ) y N = M2n ( ). 0mn C A B S R
Demostrar que a) |M | = |A| |C|. b) |L| = (1)nm |A| |C|. c) Si P es invertible, entonces |N | = |P | |R SP 1 Q|. d) Si R es invertible, entonces |N | = |R| |P QR1 S|. e) Si P es invertible y P S = SP, entonces |N | = |P R QS|. f ) No es cierto que |N | = |P | |R| |Q| |S|. Solucin: o a) La matriz M puede descomponerse de la siguiente manera: ( ) ( )( ) A Idn B A B 0nm M= = . 0mn C 0mn C 0mn Idm
Algebra Lineal - 89
Al tener una particin formada por la matriz identidad completada por ceros y colocada en la o diagonal, Idn B A 0nm = |A|. = |C| y 0mn Idm 0mn C Como el determinante de un producto de matrices es el producto de los determinantes, |M | = A 0mn B C = Idn B 0mn C A 0mn 0nm Idm = |A| |C|.
b) La matriz L puede descomponerse de la siguiente manera: ) ( )( ) ( 0mn C C 0mn 0mn Idm = . L= A B B Idn A 0nm Al tener una particin formada por la matriz identidad completada por ceros y colocada en la o diagonal, C 0mn = |C|. B Idn Al tener una particin formada por la matriz identidad completada por ceros pero no colocada o exactamente en la diagonal, ( )m 0mn Idm = (1)n |A| = (1)nm |A| A 0nm porque el primer elemento de Idm ocupa la posicin (1, n + 1) de la matriz completa, siendo o 1+n+1 = (1)n el signo a considerar para simplicar el clculo del determinante; todos los (1) a restantes elementos de Idm reproducen el mismo signo por su ubicacin. o c) Si P es invertible, entonces )( ( ) ( ) ( ) P Q P 1 0n P 1 P P 1 Q Idn P 1 Q = = . SP 1 Idn S R SP 1 P + S SP 1 Q + R 0n R SP 1 Q Al tener una particin formada por la matriz identidad completada por ceros, o P 1 0n = |P 1 | = |P |1 y SP 1 Idn P 1 Q Idn = |R SP 1 Q|. 0n R SP 1 Q
Como el determinante del producto de dos matrices es el producto de sus determinantes, |P |1 |N | = |R SP 1 Q|, o bien |N | = |P | |R SP 1 Q|. ) = ( ) R1 S Idn , P QR1 S 0 (7)
d) Si Q es invertible, entonces )( ( P 0n R1 Idn QR1 S de donde |R|1 |N | = |P QR1 S| y
Q R
|N | = |R||P QR1 S|.
Algebra Lineal - 90
e) Si P es invertible y P S = SP, aplicando la frmula (7) y las propiedades de los determinantes y o del producto de matrices, |N | = |P | |R SP 1 Q| = |P (R SP 1 Q)| = |P R P SP 1 Q| = |P R SP P 1 Q| = |P R SQ|. ( f ) Si P = ) ( ) 1 1 1 0 , Q = R = Id2 y S = , entonces 0 1 0 0 1 0 |P | = |Q| = |R| = 1, |S| = 0 y |N | = 1 0 siendo |P | |R| |Q| |S| = 1 mientras que |N | = 0. Este caso constituye un contraejemplo que demuestra que la igualdad |N | = |P | |R| |Q| |S| no siempre se cumple. 1 1 0 0 1 0 1 0 0 1 1 1 1 = 0 1 0 = 0, 0 1 0 1 1
Ejercicio 2.37 Matrices de Householder Dada la matriz identidad 3 3, I, para cada uno de los vectores
R3, = (1, 1, 1) R3 , v2
= (1, 1, 1) v1 se pide: ( ) 2 a) Hallar la matriz H = I T T . v v v v b) Calcular H T , H 2 y H 1 . Solucin: o a) Al ser 1 T = 1 1 1 1 = 3, v1 v1 1 1 ( 1 1 1 T = 1 1 1 1) = 1 1 1 , v1 v1 1 1 1 1 ( ) 1 0 0 1 1 1 0 1 0 2 1 H1 = 1 1 = 3 0 0 1 1 1 1 1 3 2 3 2 3 2 3 1 3 2 3 2 3 2 3 1 3 .
se tiene
Algebra Lineal - 91
Al ser
) 1 T = 1 1 1 1 = 3, v2 v2 1 1 ( 1 1 1 ) T = 1 1 1 1 = 1 1 1 , v2 v2 1 1 1 1 ( 1 1 0 0 1 1 2 H2 = 0 1 0 1 1 1 = 3 0 0 1 1 1 1 1 3 2 3 2 3 2 3 1 3 2 3 2 3 2 3 1 3 .
se tiene
b)
T Claramente H1 = H1 porque es una matriz 2 2 1 3 3 3 2 1 2 2 H1 = 3 3 3 2 2 1 3 3 3 1 luego H1 = H1 . T Claramente H2 = H2 porque 1 3 2 H2 = 2 3 2 3 1 luego H2 = H2 .
simtrica. Adems e a 2 2 1 1 0 0 3 3 3 2 1 2 = 0 1 0 , 3 3 3 2 1 2 0 0 1 3 3 3
es una matriz simtrica. Adems e a 2 2 2 1 2 1 0 0 3 3 3 3 3 1 2 2 1 2 = 0 1 0 , 3 3 3 3 3 2 2 2 1 1 0 0 1 3 3 3 3 3
Ejercicio 2.38 Matrices elementales Comprobar la veracidad o falsedad de la siguiente armacin: o Si E1 y E2 son matrices elementales de dimensin n n, entonces E1 E2 = E2 E1 . o Solucin: o No es una armacin cierta, en general, porque o ( ) ( ) 0 1 2 0 E1 = y E2 = 1 0 0 1 son matrices elementales 2 2 y no conmutan: ( ) ( ) 0 1 0 2 E1 E2 = y E2 E1 = . 2 0 1 0
Algebra Lineal - 92
Ejercicio 2.39 Descomposicin de una matriz de rango r como producto de dos matrices de rango r o Sea un cuerpo conmutativo y sea A Mn ( ) con rango(A) = r > 0. Se pide:
a) Demostrar que existen dos matrices, M Mnr ( ) y N Mrn ( ), de rango r, rango(M ) = rango(N ) = r y tales que A = M N. b) Descomponer la matriz 2 2 1 1
1 1 A= 0 0
2 2 0 0
1 1 1 1
como producto de dos matrices del mismo rango que A. Solucin: o a) El rango de la matriz A coincide con el mayor nmero de columnas linealmente independientes u que hay en A. Si rango(A) = r, entonces hay r columnas linealmente independientes, y cualquier columna de A se puede expresar como combinacin lineal de ellas. o ( ) Sea A = C1 C2 Cn Mn ( ) la matriz expresada en funcin de sus columnas y sean o B1 , B2 , , Br Mnr ( ) las columnas18 de A linealmente independientes. Todas las columnas de A pueden expresarse como combinacin lineal de las columnas Bj con o j = 1, 2, . . . , r. As existen escalares ji con 1 j r y 1 i n, tales que ,
( C1 = 11 B1 + 21 B2 + + r1 Br = B1 B2
11 ) 21 Br . , . . r1 12 ) 22 Br . , . . r2
( C2 = 12 B1 + 22 B2 + + r2 Br = B1 B2 . . . . . .
( Cn = 1n B1 + 2n B2 + + rn Br = B1 B2
1n ) 2n Br . , . . rn
Cada columna Bj coincide con alguna columna Ci . Hay r columnas de A a las que estamos llamando de dos maneras distintas.
18
Algebra Lineal - 93
de tal manera que ( A = C1 C2 ) ( Cn = B1 B2 11 12 ) 21 22 Br . . .. . . . . . r1 r2 1n 2n . . . . rn
La matriz
( M = B1 B2
) Br Mnr ( )
tiene rango r porque sus r columnas son linealmente independientes. La matriz 11 12 21 22 N = . . .. . . . . . r1 r2 1n 2n . Mrn ( ) . .
rn
tambin tiene rango r porque las columnas Bj con j = 1, 2, . . . , r estn entre las Ci y si Ci = Bj , e a entonces Ci = 0B1 + + 1Bj + + 0Br , resultando que la matriz N tiene r columnas distintas, formadas por r 1 ceros y un 1. Como estas columnas son linealmente independientes y la matriz N tiene r las, el rango de N es r. Existen matrices, no necesariamente unicas, M Mnr ( ) y N Mrn ( ), de rango igual al de la matriz A, rango(M ) = rango(N ) = rango(A) = r y tales que A = M N. b) Aplicando operaciones elementales entre las, 1 1 0 0 2 2 0 0 1 1 1 1 2 1 2 0 1 0 1 0 2 0 0 0 1 0 1 0 2 1 0 0 1 0 0 0 2 0 0 0 1 1 0 0 2 1 , 0 0
se concluye que rango(A) = 2. Las columnas de A 1 1 1 1 B1 = , B2 = M41 ( ) 1 0 1 0
son linealmente independientes y todas las columnas de A pueden expresarse como combinacin o
Algebra Lineal - 94
lineal suya:
1 1 1 ( ) 1 1 1 ( ) 1 = + 0 = B1 + 0B2 = B1 B2 , 0 0 1 0 0 0 1 2 1 1 ( ) 2 1 1 ( ) 2 = 2 + 0 = 2 1 + 0 2 = 1 2 B B , B B 0 0 1 0 0 0 1 1 1 1 ( ) 1 1 1 ( ) 0 = 0 + = 0 1 + 2 = 1 2 , B B B B 0 1 1 1 1 0 1 1 1 2 ( ) 2 1 1 ( ) 1 = + = B1 + 2 = 1 2 . B B B 1 0 1 1 1 1 0
1 1 ( ( ) 1 1 M42 ( ) y N = 1 Las matrices M = B1 B2 = 0 1 0 0 1 rango 2 y 1 1 ( 1 2 1 ) 1 1 1 2 0 1 1 2 1 MN = 0 1 0 0 1 1 = 0 0 1 0 1 0 0 1
2 0 1 0 1 1 2 2 . 1 1
M24 ( ) tienen
o Ejercicio 2.40 Descomposicin LU Hallar las descomposiciones LU de las matrices 2 2 0 4 2 4 0 2 4 4 8 0 3 0 8 3 y B= A= 3 3 4 2 7 7 2 4 5 8 1 6 5 6 1 8 Solucin: o
a) La descomposicin LU de una matriz est o a ntimamente relacionada con el proceso de eliminacin o de Gauss ya que al mismo tiempo que se genera la matriz escalonada superior equivalente que coincide con la matriz U , se construye la matriz triangular unitaria inferior almacenando las inversas de las operaciones elementales de las que se van realizando. As para hacer la reduccin , o 2 2 0 4 2 2 0 4 4 3 0 8 0 1 0 0 3 4 2 7 4 2 7 3 5 8 1 6 5 8 1 6
Algebra Lineal - 95
se ha sumado a la segunda la, la primera multiplicada por 2, luego el elemento L21 es el opuesto del factor empleado: L21 = 2. Sumando a la tercera la la primera multiplicada por 3 y sumando a la cuarta la la primera 2 5 multiplicada por 2 , se tiene 2 2 0 4 2 2 0 4 0 1 0 0 0 1 0 0 3 4 2 7 0 7 2 1 5 8 1 6 5 8 1 6 2 2 0 4 0 1 0 0 , 0 7 2 1 0 3 1 4
3 2
por lo que los nuevos elementos de la matriz L son L31 =
y L41 = 5 . 2
La parte inferior de la segunda columna se anula sumando a la tercera la la segunda multiplicada por 7 y sumando a la cuarta la la segunda multiplicada por 3 2 2 0 4 2 2 0 4 2 2 0 4 0 1 0 0 0 1 0 0 0 0 1 0 , 0 0 0 0 2 1 7 2 1 0 2 1 0 0 1 4 0 3 1 4 0 3 1 4 luego L32 = 7 y L42 = 3.
1 Finalmente, sumando a la cuarta la la tercera multiplicada por 2 , se llega a la forma escalonada de A: 2 2 0 4 2 2 0 4 0 1 0 0 0 1 0 0 = U, 0 0 2 1 0 0 2 1 0 0 1 4 0 0 0 9 2
de donde L43 = 1 . 2 Puede comprobarse que el producto de las matrices L y U triangulares inferior y superior es la matriz A. 1 0 2 1 LU = 3 7 2 5 3 2 0 0 2 2 0 4 0 0 0 1 0 0 1 0 0 0 2 1 1 0 0 0 9 2 1 2 2 2 0 4 4 3 0 8 = . 3 4 2 7 5 8 1 6
De forma equivalente, porque ningn pivote se ha anulado, puede conseguirse que la diagonal de u la matriz L est formada por los pivotes utilizados en el proceso de eliminacin y que la matriz U e o tenga la forma reducida de Gauss, es decir, que sea unitaria, con todos los elementos de la diagonal iguales a 1. Basta multiplicar y dividir convenientemente por la matriz diagonal D formada por los pivotes empleados: LU = (LD)(D1 U ) 1 0 0 2 1 0 = 3 2 7 1 5 3 1 2 2 2 0 0 4 1 0 = 3 7 2 5 3 1 1 0 2 0 0 0 0 2 0 0 1 0 0 0 1 0 0 0 2 0 0 0 0 0 0 9 0 0 1 2 0 1 1 0 2 0 0 1 0 0 = A. 0 0 0 1 1 2 9 2 0 0 0 1 0 2 2 0 4 0 0 1 0 0 1 0 0 0 2 1 2 2 0 9 0 0 0 9 2
0 0
Algebra Lineal - 96
En este caso,
2 0 0 0 1 1 0 4 1 0 0 0 1 0 L = y U = 3 0 7 2 0 0 1 9 5 3 1 2 0 0 0
2 0 1 . 2 1
b) La matriz B se ha obtenido permutando algunas columnas de la matriz A. En este caso, este cambio impide tomar como pivotes los elementos de la diagonal principal, siendo necesario el intercambio entre las para llegar a una matriz escalonada. El proceso para anular los trminos inferiores de la primera columna es igual al seguido para la e matriz A, 2 4 0 2 2 4 4 8 0 3 0 0 3 0 7 2 4 1 5 6 1 8 0 4 siendo 21 = 2, 31 =
3 2
0 2 0 1 , 2 7 1 3
y 41 = 5 . 2
Ahora, para anular los elementos inferiores de la segunda columna, no puede tomarse como pivote el segundo elemento de la diagonal porque es cero. Hay que intercambiar las entre s Este movi. miento debe memorizarse en una matriz de permutacin para tenerse en cuenta posteriormente. o La matriz de permutacin que intercambia la segunda la con la tercera es una matriz que se o obtiene intercambiando en la matriz identidad las las involucradas, en este caso 1 0 0 0 0 0 1 0 P1 = 0 1 0 0 , 0 0 0 1 resultando 1 0 0 0 0 0 1 0 0 1 0 0 0 0 0 1 2 4 0 0 0 1 0 4 0 2 2 4 0 1 0 1 = 0 2 7 0 1 3 0 4 0 2 2 7 . 0 1 1 3
Como tambin hay que multiplicar por la matriz de permutacin a la matriz triangular L, hay que e o intercambiar las posiciones de los elementos ya calculados: 5 3 21 = 31 = , 31 = 21 = 2 y 41 = 41 = . 2 2 Continuando con el proceso de eliminacin gaussiano con un pivote no nulo, se tiene o 2 4 0 2 2 4 0 2 0 7 1 2 7 0 1 2 0 0 0 1 0 0 0 1 0 0 9 25 0 4 1 3
siendo 32 = 0 y 42 = 4.
Igual que antes, el posible pivote a elegir para eliminar los elementos inferiores de la tercera columna es cero. Hay que intercambiar la tercera la con la cuarta intercambiando las las tercera y cuarta
Algebra Lineal - 97
de la matriz de permutacin o 1 0 0 0 0 1 0 0 0 0 1 0
P1 , resultando directamente una matriz triangular superior 0 2 4 0 2 2 4 0 2 0 0 1 2 7 0 1 2 7 0 0 0 1 = 0 0 9 25 = U, 1 0 0 0 9 25 0 0 0 1
por lo que, denitivamente, L43 = 43 = 0. Pero, al haber vuelto a multiplicar por una matriz de permutacin, hay que cambiar de la a los o elementos ya calculados de la matriz triangular inferior los de las las 3 y 4, resultando 3 5 L21 = 21 = , L31 = 41 = , L41 = 31 = 2, L32 = 42 = 4, L42 = 32 = 0 y L43 = 0, 2 2 es decir 0 3 1 L= 2 5 4 2 2 0 La descomposicin o 1 0 0 0 0 1 0 0 0 0 1 0 1 0 0 1 0 0 0 . 0 1 2 4 0 0 0 1 0 0 0 1 0 0 0 2 2 7 . 9 25 0 1
LU con intercambio de las es 0 2 4 0 2 1 0 0 0 4 8 0 1 0 3 3 = 2 1 3 7 2 4 5 4 1 2 0 2 0 0 5 6 1 8
Como la inversa de la matriz de permutacin P es su traspuesta, la descomposicin LU tambin o o e puede expresarse de la siguiente manera: 2 4 0 2 1 0 0 0 2 4 0 2 1 0 0 0 3 4 8 0 3 0 0 0 1 2 1 0 0 0 1 2 7 = 5 = P T LU. B= 3 7 2 4 0 1 0 0 2 4 1 0 0 0 9 25 5 6 1 8 0 0 1 0 2 0 0 1 0 0 0 1
PT L U
Sistemas de ecuaciones lineales

Ejercicio 2.41 Forma reducida de Gauss de la matriz de coecientes y compatibilidad Sea A Mmn ( ), b Mn1 ( ) y G una forma reducida de Gauss de la matriz A. Estudiar la veracidad o falsedad de la armacin o
Si el sistema A = b es compatible, entonces el sistema G = b tambin lo es. x x e Solucin: o La compatibilidad de un sistema de ecuaciones lineales se preserva mediante transformaciones elementales entre las siempre y cuando estas transformaciones se realizan en la matriz ampliada del sistema que rene los coecientes de las incgnitas y los trminos independientes. u o e Si solamente se realizan operaciones elementales entre las en la matriz de los coecientes, la compatibilidad puede perderse como se ilustra en el siguiente ejemplo: El sistema de ecuaciones lineales } x+y =1 2x + 2y = 2
Algebra Lineal - 98
es compatible y su matriz de coecientes es ( A= La matriz G= ) 1 1 . 2 2 1 1 0 0 )
es una forma reducida de Gauss de la matriz A y el sistema de ecuaciones G = b , x } x+y =1 0=2 es incompatible.
Ejercicio 2.42 Sistema de ecuaciones lineales con la identidad como matriz de coecientes Sea un cuerpo conmutativo, sea n , sea A Mn ( ) y sea b Mn1 ( ). Demostrar que el sistema de ecuaciones lineales Ab = x
tiene solucin unica. o Solucin: o Sea cual sea el vector b y la matriz A, el producto A b Mn1 ( ) es unico. tiene solucin unica porque la matriz de coecientes es la matriz El sistema de ecuaciones A b = x o identidad n n, x Idn = A b Mn1 ( ),
cuyo rango coincide con el nmero de ecuaciones y de incgnitas. u o
Ejercicio 2.43 Estudio de soluciones de un sistema de ecuaciones lineales Sea un cuerpo conmutativo, n , A Mn ( ), A singular, b Mn1 ( ) y b = 0 . Determinar si la siguiente armacin es verdadera o falsa19 : o El sistema de ecuaciones lineales A b = tiene solucin unica. x o
Solucin: o La armacin es cierta. o El sistema de ecuaciones lineales = A b tiene solucin unica porque, conocidos A Mn ( ) x o y b Mn1 ( ), el producto A b Mn1 ( ) es unico y la matriz de coecientes del sistema de ecuaciones es la identidad, Idn = A b Mn1 ( ), x
cuyo rango, n, coincide con el nmero de ecuaciones y de incgnitas. u o Las suposiciones A singular y b = 0 son irrelevantes.
19
Vase el ejercicio 2.42 e
Algebra Lineal - 99
Ejercicio 2.44 Sistema de ecuaciones sin soluciones mltiples u 1 1 ( ) c1 1 0 x = c2 . {c1 , c2 , c3 } , resolver el sistema de ecuaciones lineales y 1 0 c3
Solucin: o El rango de la matriz de coecientes es 2 y coincide con el nmero de incgnitas del sistema. u o El rango de la matriz ampliada depende de los valores c1 , c2 , c3 . Aplicando operaciones elementales entre las: 1 1 c1 1 0 c2 1 0 c2 1 0 c2 1 1 c1 0 1 c1 c2 . 1 0 c3 1 0 c3 0 0 c3 c2 Se producen las siguientes situaciones: Si c2 = c3 , el rango de la matriz ampliada es 3 y el sistema es incompatible y no tiene solucin. o Si c2 = c3 , el rango de la matriz ampliada es 2 y el sistema es compatible determinado y tiene solucin unica: x = c2 , y = c1 c2 . o El sistema no tiene solucin mltiple en ningn caso. o u u
Ejercicio 2.45 Teorema de Rouch e Sea un cuerpo conmutativo, n , A Mn ( ), Mn1 ( ) y b Mn1 ( ). x Dilucidar si las siguientes armaciones son verdaderas o falsas: ( ) a) El sistema lineal A = b es compatible si y solamente si rango(A) = rango A| b . x x o b) Si A es singular y b = 0 , entonces el sistema de ecuaciones lineales A = b tiene solucin.
Solucin: o El teorema de Rouch arma que si A Mn ( ), Mn1 ( ) y b Mn1 ( ), entonces el e x ( ) sistema lineal A = b tiene solucin (compatible) si y solamente si rango(A) = rango A| b . x o
o e a) La armacin es verdadera porque recoge literalmente el enunciado del Teorema de Rouch. La existencia de solucin no es lo mismo que la unicidad de la solucin. Una condicin necesaria o o o y suciente para que el sistema de ecuaciones lineales A = b tenga solucin unica (compatible x o determinado) es que el rango de la matriz A coincida con el rango de la matriz ampliada (A| b ) y con el nmero de ecuaciones del sistema n en este caso, u ( ) rango(A) = rango A| b = n. o b) La armacin es falsa. ( ) Si A es singular, entonces rango(A) < n, pero no se puede asegurar que rango(A) = rango A| b . ( ) ( ) { } 0 0 1 La matriz A = es singular, b = Mn1 ( ) 0 y el sistema de ecuaciones 0 1 0 ( )( ) ( ) 0 0 x 1 = 0 1 y 0
no tiene solucin (es incompatible) porque o ( ) ( ) 0 0 0 0 1 rango = 1 y rango = 2. 0 1 0 1 0
Algebra Lineal - 100
Ejercicio 2.46 Soluciones de un sistema cuya matriz de coecientes tiene inversa por la derecha o por la izquierda Sea un cuerpo conmutativo, A Mnm ( ) y b Mn1 ( ). Determinar si las siguientes armaciones son verdaderas o falsas: x a) Si A tiene inversa por la izquierda, entonces el sistema de ecuaciones lineales A = b tiene a lo sumo una solucin. o b) Si A tiene inversa por la derecha, entonces el sistema de ecuaciones lineales A = b tiene al x menos una solucin. o
Solucin: o a) La armacin es cierta. o Si A tiene inversa por la izquierda, entonces20 rango(A) = m, y el rango de la matriz de coecientes del sistema de ecuaciones lineales coincide con el nmero de incgnitas del sistema. u o Al tener una columna ms, el rango de la matriz ampliada puede coincidir con el rango de la matriz a de coecientes o puede incrementarse en una unidad: Si rango(A| b ) = rango(A) = m, el sistema es compatible determinado y tiene solucin unica. o Si rango(A| b ) = rango(A) + 1 = m, el sistema es incompatible y no tiene solucin. o Un sistema de ecuaciones de estas caracter sticas puede tener como mucho una solucin. o La existencia de inversa por la izquierda para la matriz de coecientes no asegura la existencia de solucin. Puede pensarse que si A tiene inversa por la izquierda, L, y a los dos trminos de la o e ecuacin matricial A = b se le multiplica por L por la izquierda, o x LA = L b , x y se utiliza que LA = Idm , se obtiene la solucin o = L . x b Sin embargo, no es seguro que L b sea la solucin que buscamos porque no se puede asegurar que o ( ) A L b = b !!! Por ejemplo, la matriz 1 1 0 1
1 0 A= 1 0 admite muchas inversas por la izquierda, L= es una de ellas ya que ( LA = 1 1 2 0 1 0 1 0 1 0 1 0 ) (
) 1 2 0 1 1 0 1 0 1 ( ) 1 = 1 0 = Id2 . 0 0 1 1
20
Demostrado en el ejercicio 2.17.
El sistema de ecuaciones lineales
1 0 1 0 es incompatible y la matriz columna
1 ( ) 1 1 1 x y = 1 = b 0 1 1
( ) ( ) 1 ( ) x 1 2 0 1 1 = 0 Lb = = y 1 0 1 0 1 0 1 no es solucin del sistema porque o 1 ( ) 0 A Lb = 1 0 o b) La armacin es cierta. Si A tiene inversa por la derecha, R, entonces la matriz = R x b es solucin del sistema porque o ( ) A R b = (AR) b = Idn b = b . La inversa por la derecha de una matriz no tiene que ser unica, luego el sistema puede tener ms a de una solucin, pero al haber al menos una inversa, al menos hay una solucin. o o 1 ( ) 0 1 0 1 1 0 = = . 0 1 0 0 1 0 1
Ejercicio 2.47 Sistemas de ecuaciones lineales con las mismas soluciones Estudiar la veracidad o falsedad de la siguiente armacin: o Si el conjunto de las soluciones del sistema de ecuaciones lineales A = b coincide x con el conjunto de las soluciones del sistema de ecuaciones lineales B = b , entonces x A = B. Solucin: o Cualquier sistema homogneo de ecuaciones lineales cuya matriz de coecientes sea cuadrada y e de rango mximo tiene solucin unica e igual a cero. En particular, el conjunto de soluciones de los a o sistemas ( ) ( ) ( ) ( ) 1 0 0 1 1 0 X= y X= 0 1 0 0 1 0 {( )} 0 es el mismo, S = , mientras que sus matrices son distintas. 0
Ejercicio 2.48 Conjunto de soluciones de sistemas cuyas matrices de coecientes estn relacionadas a por matrices invertibles Sean A Mnm ( ), b Mn1 ( ) y P Mn ( ), P invertible. Estudiar la veracidad o falsedad de la siguiente armacin: o
Los conjuntos de soluciones de los sistemas de ecuaciones lineales A = b x coinciden. Solucin: o La armacin es falsa. Al multiplicar la matriz de coecientes de un sistema de ecuaciones lineales o por una matriz invertible, el conjunto de soluciones puede cambiar como se ilustra en el siguiente ejemplo. El conjunto de soluciones, , del sistema de ecuaciones lineales x ( )( ) ( ) 1 0 x 3 = 0 1 y 6 es S1 = ( La matriz P = 3 0 0 3 ) es invertible y el conjunto de soluciones del sistema de ecuaciones lineales ( 3 0 0 3 )( 1 0 0 1 )( ) ( ) x 3 = y 6 {( )} 3 . 6 y (P A) = b x
es
{( )} 1 S2 = . 2
Si los dos trminos de la ecuacin matricial de un sistema de ecuaciones lineales se multiplican por e o la matriz invertible P, entonces los conjuntos de soluciones de los sistemas A = b y P A = P b x x coinciden. Para sistemas homogneos, la armacin del enunciado es cierta: e o Si P es invertible, entonces los conjuntos de soluciones de los sistemas A = 0 y x P A = 0 coinciden x porque si es solucin de A = 0 , entonces P A = P 0 = 0 y, rec x o x x procamente, si es solucin x o x de P A = 0 , entonces P 1 (P A) = P 1 0 , resultando que A = 0 . x x
Ejercicio 2.49 Mtodo de eliminacin de Gauss e o Resolver, cuando sea posible, los siguientes sistemas de ecuaciones mediante el mtodo de elimie nacin de Gauss: o 2x + y + z = 3 xy+z =0 a) 3x y + 2z = 2
2 x + 2y + 4z = 1 x + y + 3z = 2 b) 2x + 5y + 9z = 1 2x y + 3z = 9 3x 5y + z = 4 c) 4x 7y + z = 5 6x + 4y + 16z = 1 2x + 4y + 8z = 1 d) 2x 2y 6z = 1 Solucin: o
a) Aplicando las operaciones elementales adecuadas a la matriz ampliada de este sistema, se obtiene 2 1 1 3 1 1 1 1 1 0 2 1 3 1 2 2 3 1 1 1 0 1 0 0 1 0 1 0 1 3 2 2 0 1 0 1 1 3 1 0 1 1 0 3 1 3 2 1 2 1 1 0 0 0 1 0 1 0 0 1 0 1 1 1 0 0 3 1 3 0 0 1 0 3 1 0 0 1 0 1 0 1 . 0 0 1 0
El sistema es compatible determinado porque el nmero de incgnitas del sistema coincide con el u o nmero de peldaos de la matriz escalonada reducida y de la ampliada. La solucin de este sistema u n o es x = 1, y = 1, z = 0. b) Aplicando las operaciones elementales adecuadas a la matriz ampliada de este sistema, se obtiene 1 2 4 1 1 3 1 2 4 1 2 4 1 1 0 2 1 1 3 2 0 1 1 1 0 1 1 1 0 1 1 1 . 2 5 9 1 0 1 1 1 0 0 0 0 0 0 0 0 Como el nmero de peldaos de la matriz escalonada de los coecientes coincide con el nmero de u n u peldaos de la matriz escalonada ampliada, el sistema es compatible, pero como este nmero de n u peldaos es menor que el nmero de incgnitas, el sistema es indeterminado. n u o Las soluciones de este sistema vienen dadas en funcin de un parmetro que puede ser la variable o a z: x = 3 2, y = 1 , z = . c) Aplicando las operaciones elementales adecuadas a la matriz ampliada de este sistema, se obtiene 9 4 7 1 5 4 7 2 1 3 5 3 5 1 4 2 1 3 9 0 2 1 0 4 7 1 5 3 5 1 4 4 1
5 2 1 4
5
13 2 31 4
4 7 5 0 2 0 0
1
5 2
5
13 2 42 5
Como el nmero de peldaos de la matriz escalonada de los coecientes es menor que el nmero u n u de peldaos de la matriz escalonada ampliada, el sistema es incompatible. No hay solucin. n o
d) Aplicando las operaciones elementales adecuadas a la la forma reducida escalonada: 6 4 16 1 2 4 8 1 2 2 6 0 4 8 1 4 16 1 2 2 6 1 2 2 6 1 0 2 4 8 1 2 4 8 0 2 2 2 0 2 2 0 0 0 6 0 0 0
matriz ampliada de este sistema, se obtiene 4 8 1 2 4 8 0 8 8 2 2 2 2 2 2 0 8 8 1 2 4 8 0 1 0 2 0 2 2 0 0 1 1 0 0 0 1 0 0 1 2 2 2 0 1 0 . 0 1
Como el nmero de peldaos de la matriz escalonada de los coecientes es menor que el nmero u n u de peldaos de la matriz escalonada ampliada, el sistema es incompatible. No hay solucin. n o
Ejercicio 2.50 Existencia de solucin y soluciones del sistema homogneo21 o e Sea A Mn ( ) tal que para cualquier vector columna, b Mn1 ( ), el sistema de ecuaciones lineales A = b tiene solucin. x o Demostrar que el sistema homogneo AT = 0 tiene solucin unica. e x o
Solucin: o Sean , , . . . , las columnas soluciones de los sistema de ecuaciones lineales c1 c2 cn 1 0 0 0 1 0 A = . , A = . , , A = . x x x . . . . . . 0 0 1 que, por hiptesis, ( o existen. ) La matriz C = | | | es inversa por la derecha de la matriz A porque c1 c2 cn AC = Idn . Como las matrices A y C son cuadradas, entonces22 C es la inversa de A. Al ser A invertible, su rango es mximo y tambin lo es el rango de su traspuesta, a e rango(A) = rango(AT ) = n. El sistema de ecuaciones AT = 0 tiene solucin unica porque se trata de un sistema de n x o ecuaciones con n incgnitas y el rango de la matriz de los coecientes es n. o
Ejercicio 2.51 Discusin de sistemas homogneos de ecuaciones lineales con un parmetro o e a Comprobar que los sistemas homogneos tienen solucin unica para cualquier valor m . e o mx + (m + 1)y + 2z = 0 x + my z = 0 a) x + (m + 2)y + z = 0
21 22
El ejercicio 3.37 es similar a este y se resuelve utilizando otra estrategia. Vase el ejercicio 2.20. e
2 (m 1)x + 2z = 0 x + (m + 1)y = 0 b) y+z =0 Solucin: o
a) Para calcular el rango de m m+1 1 m 1 m+2
la matriz de coecientes, se aplica el mtodo e 2 1 m 1 1 0 m2 + m + 1 2 + m 0 1 1 0 2 2 0
de eliminacin de Gauss: o m 1 1 1 . 2+1 0 m
Como m . m2 + 1 > 0, el rango de la matriz de los coecientes es 3 y el sistema es compatible determinado, siendo x = y = z = 0 la unica solucin. o b) Aplicando el mtodo de eliminacin de Gauss a la matriz de los coecientes, se puede calcular su e o rango: m1 0 2 1 m+1 0 1 m+1 0 1 m + 1 0 0 1 1 0 1 1 . 2 2 2+1 0 1 1 0 1m 0 0 m Como m . m2 + 1 > 0, el rango de la matriz de los coecientes es 3 y el sistema es compatible determinado, siendo x = y = z = 0 la unica solucin. o
Ejercicio 2.52 Discusin de un sistema de ecuaciones lineales con un parmetro o a Estudiar en funcin del parmetro si el siguiente sistema de ecuaciones lineales es como a patible o no y, si es posible, calcular su o sus soluciones. 4 x,y,z = 4 t,x,y = 0 4 z,t,x = 0 4 y,z,t = 2
en donde
n a,b,c
a 2b 3c 4 5 1 1 2 3 4 1 1 1 2 3 = . . . . . .. . . . . . . . . . . . 1 1 1 1 1 1 1 1 1 1
n1 n n2 n1 n3 n2 . . . . . . . 1 2 1 1
Solucin: o Restando la segunda columna a la primera, a 2b 2b 3c 4 0 1 2 3 0 1 1 2 . . . . .. . . . . = . . . . . 0 1 1 1 0 1 1 1 0 1 1 1 n1 n n2 n1 n3 n2 . . . . = (a 2b) . . 2 3 1 2 1 1 1 2 3 1 1 2 . . . . . . . . . 1 1 1 1 1 1 1 1 1 .. . n2 n1 n3 n2 . . . . . . . 2 3 1 2 1 1
n a,b,c
Restando la segunda la a la primera, la tercera a la segunda, la cuarta a la tercera, etc., 0 1 1 0 0 1 . . . . . . = (a 2b) . . . 0 0 0 0 0 0 1 1 1 .. . 1 1 1 1 . . . . . . 1 1 0 1 1 1 1 1 0 1 . . .. . . . . . 0 0 0 0 1 1 1 1 . . . . . . 1 1 0 1
n a,b,c
= (a 2b)(1)n2
= (1)n (a 2b).
Conocida la expresin de n en funcin de a, o o a,b,c x 2y 2x + t z 2t y 2z siendo
b, c y n, el sistema de ecuaciones a discutir es = = = = 0 0 2
1 2 0 0 1 2 0 0 2 0 0 1 0 0 1 0 y A = 2 A= 0 0 0 1 2 0 1 2 0 0 1 2 0 2 0 1 2 0
la matriz de coecientes y la matriz ampliada. Aplicando operaciones elementales entre las de la matriz ampliada, se tiene 1 2 0 0 1 2 0 0 1 2 0 0 0 4 0 1 2 0 1 2 0 2 0 1 2 0 2 A 0 0 4 0 0 1 2 0 0 1 2 0 8 1 10 0 1 2 0 2 0 0 1 2 0 0 0 1 2 0 1 2 0 0 1 2 0 0 1 2 0 0 0 1 2 0 2 0 1 2 0 2 0 1 2 0 2 0 0 0 0 1 2 0 0 1 2 0 0 1 2 0 0 0 8 1 10 0 0 0 15 10 0 0 0 1 2 3 1 1 2 0 0 1 0 0 0 3 1 2 0 0 0 1 2 0 2 0 1 0 0 2 0 1 0 0 2 3 3 0 0 1 0 4 0 0 1 0 4 0 0 1 0 4 3 3 3 0 0 0 1 2 0 0 0 1 2 0 0 0 1 2 3 3 3 y se concluye que el sistema es compatible determinado porque el rango de la matriz de coecientes es igual al rango de la matriz ampliada e igual al nmero de incgnitas del sistema. u o La solucin, expresada en funcin del parmetro , es o o a 2 4 2 1 x = , y = , z = , t = . 3 3 3 3
Ejercicio 2.53 Discusin de un sistema homogneo de ecuaciones lineales con dos parmetros o e a Calcular los valores de a y b para que el sistema homogneo e x ay + z = 0 xyz =0 2x y bz = 0 y+z =0
tenga solucin no trivial. o Solucin: o La matriz de coecientes del sistema es 1 a 1 1 1 1 A= 2 1 b . 0 1 1 La forma escalonada reducida de esta matriz puede obtenerse mediante operaciones elementales por las: 1 a 1 0 a 1 2 A 0 2a 1 b 2 0 1 1 1 a 1 1 a 1 0 1 0 1 1 1 0 2a 1 b 2 0 0 b 1 2a 0 a1 2 0 0 a 1 .
Esta matriz tiene por lo menos dos escalones. Para que el nmero de peldaos sea menor que el u n nmero de incgnitas, obligatoriamente, tienen que anularse los dos ultimos elementos de la cuarta u o columna, luego { a 1 = 0 . b 1 2a = 0 La matriz ampliada de este ultimo sistema es ( B= 1 0 1 2 1 1 ) ( 1 0 1 0 1 1 ) .
Se trata de un sistema de ecuaciones lineales compatible determinado cuya solucin es a = 1 y o b = 1. En este caso, la matriz escalonada reducida asociada a A es 1 0 0 0 1 1 0 0 1 1 0 1 0 1 0 0 0 0 0 0 0 1 . 0 0
A1,1
Las soluciones del sistema de ecuaciones son x = 0, y = , z = . Cuando a = 1 o b = 1, la matriz escalonada reducida equivalente a la matriz A es 1 a 1 0 1 1 A 0 0 1 0 0 0 que tiene rango 3. Por tanto, el sistema es compatible determinado y la unica solucin es x = y = z = 0. o
Ejercicio 2.54 Discusin de un sistema de ecuaciones lineales con dos parmetros o a Estudiar, para los distintos valores de los parmetros b y t el siguiente sistema de ecuaciones: a 3x + 2y + z = t x y + 2z = 1 + t2 3x + 7y 4z = 1 t t2 t3 2x + y + bz = t3 Solucin: o La matriz ampliada asociada al sistema es 3 2 1 t 1 1 1 + t2 2 A = 3 7 4 1 t t2 t3 2 1 b t3 Aplicando operaciones 1 1 3 2 A 3 7 2 1 1 1 0 5 0 0 0 3 elementales por las, se tiene 2 1 + t2 1 t 2 t3 4 1 t t b t3 1 + t2 2 5 3 + t 3t2 . 2 3t + 2t2 t3 0 b4 2 2t2 + t3
1 + t2 1 1 2 0 5 5 3 + t 3t2 2 t3 0 10 10 4 t 4t 0 3 b4 2 2t2 + t3
La tercera la de esta matriz es exactamente cero unica y exclusivamente cuando 2 3t + 2t2 t3 = 0. Este polinomio puede descomponerse en polinomios irreducibles de la siguiente manera: 2 3t + 2t2 t3 = (t 1)(t2 t + 2). Como t2 t + 2 no tiene ra ces reales, t = 1 es el unico valor para el que se anula la tercera la. Para t = 1, el sistema ser incompatible al obtenerse una ecuacin de la forma 0 = 1. a o Si t = 1, la matriz ampliada del sistema es 1 1 2 1 1 2 1 1 2 2 2 2 0 5 5 5 0 1 1 1 0 1 1 1 A 1,b 0 0 0 0 0 3 b 4 3 0 0 b1 0 0 3 b 4 3 0 0 0 0 0 0 0 0 y pueden darse los siguientes casos: Si b = 1, entonces la matriz ampliada es equivalente a 1 1 2 2 0 1 1 1 A 1,1 0 0 0 0 0 0 0 0 1 0 1 1 1 1 0 0 0 0 0 0
1 0 0 0
y se trata de un sistema compatible indeterminado porque el nmero de escalones de la matriz u de los coecientes y de la matriz ampliada coinciden pero son inferiores al nmero de incgnitas. u o Haciendo z = , las soluciones del sistema son de la forma x = 1 , y = 1 + , z = .
Si b = 1, la matriz ampliada es equivalente a 1 1 2 2 1 1 0 2 1 0 0 1 1 1 0 1 0 1 0 1 A 1,b 0 0 1 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 tratndose de un sistema compatible determinado cuya solucin es a o x = 1, y = 1, z = 0.
0 1 0 1 , 1 0 0 0
Ejercicio 2.55 Clculo de una parbola a a Calcular, si existe, una parbola que pase por los puntos (0, 7), (1, 7) y (1, 9). a Solucin: o La ecuacin general de una parbola es y = ax2 + bx + c o x = ay 2 + by + c. o a Imponiendo que los tres puntos cumplan la ecuacin general de la parbola, se obtiene el siguiente o a sistema de ecuaciones: c=7 a+b+c=7. ab+c=9 La matriz ampliada asociada al 0 0 1 7 1 1 7 A= 1 1 1 1 9 sistema es 7 1 1 1 7 1 1 1 0 2 0 2 0 1 0 1 0 0 1 7 0 0 1 7 1 1 0 0 0 1 0 1 . 0 0 1 7 1 1 1 7 1 1 1 9 0 0 1 7 1 1 0 0 0 1 0 1 0 0 1 7
Se trata de un sistema compatible determinado y la solucin es o a = 1, b = 1, c = 7. Por tanto, la ecuacin de la parbola es o a y = x2 x + 7. Es evidente que no existe ninguna parbola de ecuacin x = ay 2 + by + c que pase por los tres a o puntos dados. Basta observar que el sistema lineal obtenido al imponer las tres condiciones: 0 = 49a + 7b + c 1 = 49a + 7b + c 1 = 81a + 9b + c no es compatible porque las dos primeras ecuaciones no pueden cumplirse simultneamente. a
Ejercicio 2.56 Rango de un conjunto de vectores Calcular el rango de los siguientes conjuntos de vectores, determinar si son linealmente independientes23 y, si son linealmente dependientes, expresar uno de los vectores como combinacin lineal de o los restantes. {( ) ( )} 1 3 a) , . 2 2 {( b) 4 5 ) ( )} 1 , 5 .
4
6 7 1 c) 3 , 5 , 2 . 7 1 6 7 6 1 d) 0 , 1 , 0 . 4 3 1 4 1 5 9 3 2 , e) , 2 1 1 6 2 2 Solucin: o ) ( )} 1 3 a) El rango del conjunto de vectores , es 2 porque el determinante de la matriz que 2 2 tiene como columnas estos vectores es distinto de cero: 1 3 = 4 = 0. 2 2 Se trata de vectores linealmente independientes. {( ) ( )} 4 1 b) El rango del conjunto de vectores , 5 es 1 porque 5 4 ( 4 5 ) =4 ( 1
5 4
{(
) .
Uno de los vectores puede expresarse como el producto del otro por un escalar. Se trata de un conjunto de vectores linealmente dependientes y, obviamente, el determinante de la matriz que tiene como columnas a los vectores anteriores es 0. c) La matriz cuyas columnas son los vectores dados es 1 6 7 A = 3 5 2 . 7 1 6
23 En el cap tulo dedicado a espacios vectoriales, se profundiza en los conceptos de dependencia e independencia lineal de vectores.
Aplicando operaciones elementales entre las, se llega a la matriz escalonada reducida: 1 6 7 1 6 7 1 0 1 A 0 23 23 0 1 1 0 1 1 . 0 43 43 0 0 0 0 0 0 Como el nmero de escalones es 2, el rango de la matriz A es 2 y el mximo nmero de vectores u a u linealmente independiente entre los vectores formados por las columnas de la matriz A tambin es e 2. Observando que la matriz formada por los dos primeros vectores columna tiene rango 2, puede asegurarse que estos vectores son linealmente independientes y que el tercer vector puede expresarse como combinacin lineal de estos dos. En forma vectorial, el sistema de ecuaciones que representa o esta situacin es o 1 6 7 x 3 + y 5 = 2 7 1 6 y como, por construccin, su matriz ampliada coincide con la matriz A, se puede asegurar que se o trata de un sistema compatible determinado cuya solucin unica es o x = 1, y = 1. No siempre los dos primeros vectores son linealmente independientes. Hay veces que en un conjunto de vectores de rango 2 cualquier combinacin de dos vectores es un conjunto linealmente o independiente, pero no siempre esto es as Basta considerar el conjunto . 6 2 1 3 , 5 , 6 7 1 14 donde, claramente, el tercer vector se obtiene del primero multiplicando por 2. El conjunto formado por el primer vector y el tercero no es libre. d) La matriz cuyas columnas son los vectores dados es 1 7 6 0 . A= 0 1 4 3 1 El determinante de esta matriz es distinto de cero |A| = 1 7 6 0 1 0 4 3 1 = 1 6 4 1 = 25 = 0.
Por tanto, el rango de la matriz A y el rango del conjunto de vectores formados por las columnas de A es 3. Son vectores linealmente independientes. e) La forma escalonada 5 4 9 3 1 2 6 2 de la matriz que tiene como columnas 1 2 1 2 1 1 2 5 4 1 0 14 3 2 0 15 1 9 0 7 3 1 1 2 a los vectores del conjunto es 1 2 1 1 2 4 0 7 19 7 0 0 7 2 0 0 0
Como hay tres escalones, el rango del conjunto de vectores es 3 y se trata de tres vectores linealmente independientes.
Ejercicio 2.57 Vectores linealmente independientes Demostrar que n + 1 vectores de n componentes son linealmente dependientes. Solucin: o La matriz cuyas columnas son n + 1 vectores de n componentes tiene a lo sumo rango n porque slo tiene n las. El sistema homogneo asociado a esta matriz es compatible indeterminado porque o e el n mero de incgnitas es n + 1 > n, luego hay ms soluciones que la trivial y, consecuentemente, los u o a vectores son linealmente dependientes.
Ejercicio 2.58 Sistemas lineales equivalentes Sean las matrices A Mm ( ), B Mm1 ( ) y P Mm ( ) e invertible. Demostrar que el sistema de ecuaciones AX = B tiene solucin si y slo si el sistema (P 1 AP )X = P 1 B tiene o o solucin. o
Solucin: o = Supongamos que la matriz columna S Mm1 ( ) es una solucin del sistema AX = B. o Como la matriz P es invertible, la matriz columna S = P 1 S es solucin del sistema (AP )X = o B porque (AP )S = (AP )P 1 S = A(P P 1 )S = AS = B. Por el mismo motivo, S tambin es solucin del sistema P 1 (AP )X = P 1 B. e o Por tanto, si AX = B tiene solucin, entonces (P 1 AP )X = P 1 B tambin tiene solucin. o e o = Sea S Mm1 ( ) una solucin del sistema (P 1 AP )X = P 1 B. o Como = P 1 B y P es invertible, se cumple que (AP )S = B, luego S = P S es solucin del sistema AX = B. o Por tanto, si (P 1 AP )X = P 1 B tiene solucin, entonces AX = B tambin tiene solucin. o e o (P 1 AP )S
Ejercicio 2.59 Sistemas compatibles/incompatibles24 Sea A Mpq ( ) tal que el sistema de ecuaciones lineales A = 0 tiene solucin unica. Analizar x o la siguiente armacin: o Para cada b Mp1 ( ), el sistema A = b tiene solucin unica. x o
Solucin: o No es cierta esta armacin. o 1 1 Sea la matriz A = 0 1 . 1 0 = tiene solucin unica x = y = 0 mientras que el sistema El sistema A x 0 o 1 1 1 ( ) 0 1 x = 0 y 0 1 0
Esta pregunta es equivalente a :Sea A Mpq ( ) tal que Ker(A) = A = b tiene una unica solucin. x o
24
{ } 0 . Para cada b Mp1 ( ), el sistema
1 1 1 es incompatible porque el rango de la matriz A es 2 y el rango de la matriz ampliada 0 1 0 es 1 0 0 3. Hay vectores, b Mp1 ( ), para los que el sistema ni siquiera tiene solucin. o
Ejercicio 2.60 Igualdad de soluciones entre sistemas lineales Sea A Mn ( ). Estudiar si los siguientes los sistemas de ecuaciones lineales tienen las mismas soluciones: b1 x1 x2 b2 ( ) ( ) a) x1 x2 xn A = b1 b2 bn y AT . = . . . . . .
( b) x1 x2
) ( xn A = b1 b2
bn xn b1 x1 x2 b2 ) bn y A . = . . . . . . xn bn
Solucin: o ) ) ( ( a) Sea = x1 x2 xn y b = b1 b2 bn . x T Si A = b , entonces ( A)T = b y como la traspuesta del producto de dos matrices es el x x T T producto cambiado de orden de las traspuestas AT = b . x T T Rec procamente y repitiendo el razonamiento anterior, si AT = b , entonces A = b . x x Cualquier solucin del primer sistema tambin lo es del segundo y viceversa, luego tienen las o e mismas soluciones. b) Puede que las soluciones no coincidan. ( ) ) 1 1 ( ) La solucin del sistema compatible determinado x y o = 1 0 es 0 1 ( 1 mientras que la solucin del sistema tambin compatible determinado o e 0 ( ) ( ) x 1 = . y 0 ( ) ( ) x y = 1 1 )( ) ( ) 1 x 1 = es 1 y 0 (
Ejercicio 2.61 Convolucin circular o La convolucin circular de dos vectores de n , = (x1 , x2 , . . . , xn )T e = (y1 , y2 , . . . , yn )T , es o x y = , de longitud n cuyas componentes vienen denidas mediante la frmula un nuevo vector, cc x y o
ccj = Se pide:
n i=1
xi y (
(ji)mod n +1
con j = 1, 2, . . . , n.
a) Escribir expl citamente la frmula de la convolucin circular de dos vectores cuando su dimensin o o o es n = 2, 3 y 4. b) Demostrar que la convolucin circular es conmutativa. o c) Calcular siendo x 0, x y y x z
1 0 1 2 1 0 = , = y = . x y z 3 0 0 4 0 1
o o d) Expresar como producto de matrices la convolucin circular de dos vectores de dimensin n. e) Hallar un vector que verique x Es unico? f ) Interpretar el efecto de la convolucin circular del vector (0, 0, . . . , 0, 1, 0, . . . , 0)T por un vector o cualquiera. + y ( + ) para los vectores especicados anteriormente. Se g) Calcular x y x z x y z cumple la igualdad para vectores cualesquiera? u u h) Calcular el vector que verica = siendo v w 8 9 = + y = . v y z w 6 7 Puede resolverse esta ecuacin para cualquier valor de w? Es unica la solucin? o o i) Descubrir la edad de 4 nios sentados en una mesa circular, conociendo como dato el vector n (21, 15, 12, 18)T obtenido al sumar la edad de cada nio con la de los que se encuentran inmedian tamente a su derecha y a su izquierda. Solucin: o a) Es evidente que si la dimensin de los vectores es 1, la convolucin circular coincide con el producto o o de las nicas coordenadas. u Las frmulas expl o citas para la convolucin de vectores de dimensiones 2, 3 y 4, respectivamente, o se presentan a continuacin: o Si = (x1 , x2 )T y = (y1 , y2 )T , entonces x y cc1 =
2 i=1 2 i=1 i
= e e
= x x x
Rn.
xi y (
(1i)mod 2 +1
= x1 y1 + x2 y2
cc2 =
xi y((2i)mod 2)+1 = x1 y2 + x2 y1 ,
de donde
= y
) x1 y 1 + x2 y 2 . x1 y 2 + x2 y 1
Si = (x1 , x2 , x3 )T y = (y1 , y2 , y3 )T , entonces x y cc1 =

3 i=1
xi y ( xi y ( xi y (
(1i)mod 3 +1
= x1 y1 + x2 y3 + x3 y2
cc2 =
3 i=1 3 i=1
(2i)mod 3 +1
= x1 y2 + x2 y1 + x3 y3
cc3 = de donde
(3i)mod 3 +1
= x1 y3 + x2 y2 + x3 y1 ,
x1 y1 + x2 y3 + x3 y2 = x y + x y + x y . y 1 2 2 1 3 3 x1 y3 + x2 y2 + x3 y1
Si = (x1 , x2 , x3 , x4 )T y = (y1 , y2 , y3 , x4 )T , entonces x y cc1 =

4 i=1 4 i=1 4 i=1 4 i=1
xi y ( xi y ( xi y ( xi y (
(1i)mod 4 +1
= x1 y1 + x2 y4 + x3 y3 + x4 y2
cc2 =
(2i)mod 4 +1
= x1 y2 + x2 y1 + x3 y4 + x4 y3
cc3 =
(3i)mod 4 +1
= x1 y3 + x2 y2 + x3 y1 + x4 y4
cc4 = de donde
(4i)mod 4 +1
= x1 y4 + x2 y3 + x3 y2 + x4 y1 ,
x1 y1 + x2 y4 + x3 y3 + x4 y2 = x1 y2 + x2 y1 + x3 y4 + x4 y3 . y x1 y3 + x2 y2 + x3 y1 + x4 y4 x1 y4 + x2 y3 + x3 y2 + x4 y1
En la gura 3 se presenta una interpretacin de la convolucin circular. Los sumandos de la o o coordenada j del vector convolucin circular se obtienen colocando en circulo y en sentido o contrario a las agujas del reloj las coordenadas de uno de los vectores en nuestro caso el vector , colocando las coordenadas del otro vector alrededor de las anteriores pero ordenadas en x el mismo sentido que recorren las agujas de un reloj y ajustando la primera coordenada de con la coordenada j de . x y b) La propiedad conmutativa de la convolucin circular consiste en o x = y y , x x y
Rn.
j = 1, 2, . . . , n.
Como dos vectores son iguales si y slo si coinciden sus coordenadas, hay que comprobar o
n i=1
xi y (
(ji)mod n +1
n i=1
yi x(
(ji)mod n +1
y7 y6 y8 x3 x4 x2 y5 x5 x1 y1
y2 y1 y3 x3 x4 x2 y8 x5 x1 y4
x6 x8 x7 y4 y2 y3
x6 x8 x7 y7 y5 y6
Figura 3: Coordenadas primera y cuarta de la convolucin circular para n = 8. o
Los sumatorios de las coordenadas de la convolucin circular son simtricos porque si xk yl se o e encuentra entre los sumandos, entonces tambin aparece el sumando xl yk . e ) es uno de los sumandos de la Para comprobar esta armacin, supongamos que xi y( o j-sima coordenada de e x . y
(ji)mod n +1
Puesto(que el ndice ) recorre exhaustiva y de forma unica todos los valores comprendidos entre 1 i y n, y (j i)mod n + 1 est comprendido entre 1 y n, hay un sumando que tiene la forma a s = x(
(ji)mod n +1
y([ (
j [(ji)mod n]+1
)]
mod n +1
Como los ndices i y j var entre 1 y n, entonces an 1 n j i n 1 y 0 i 1 n 1. Se presentan los siguientes casos: Si 0 j i n 1, entonces (j i)mod n = j i y (i 1)mod n = i 1, de donde ([ ( )] ) ([ ( )] ) j [(j i)mod n] + 1 mod n + 1 = j j i + 1 mod n + 1 ( ) = (i 1)mod n + 1 = i 1 + 1 = i. Si 1 n j i < 0, entonces (j i)mod n = j i + n y (i 1 n)mod n = i 1, de donde ([ ( )] ) ([ ( )] ) j [(j i)mod n] + 1 mod n + 1 = j j i + n + 1 mod n + 1 ( ) = (i 1 n)mod n + 1 = i 1 + 1 = i. Por tanto, s = x( luego los trminos e
(ji)mod n +1
y([ (
j [(ji)mod n]+1
)]
mod n +1
= x(
(ji)mod n +1
yi ,
xi y(
(ji)mod n +1
y x(
(ji)mod n +1
yi . y
aparecen como sumandos en el sumatorio que proporciona la coordenada j-sima de e x
Por la propiedad conmutativa de los nmeros reales, tambin aparecen en el sumatorio que prou e porciona la coordenada j-sima de , deducindose que el orden de los vectores en el clculo e y x e a de la convolucin circular es irrelevante. o
c) Aplicando la frmula de la convolucin circular de vectores de dimensin 4 calculadas en el apartado o o o a), se tiene 1 0 0 2 0 0 = , 3 0 0 4 0 0 1 0 4 2 1 1 = , 3 0 2 4 0 3 1 1 1+2 3 2 0 2 + 3 5 = 3 0 3 + 4 = 7 . 4 1 4+1 5 o o x d) Analizando las frmulas obtenidas en el apartado a), la convolucin circular del vector = (x1 , x2 , . . . , xn ) por el vector = (y1 , y2 , . . . , yn ) puede expresarse mediante el siguiente producto y de matrices que dependen de las coordenadas de los vectores involucrados: y 1 x1 xn xn1 xn2 x3 x2 x2 x1 xn xn1 x4 x3 y2 x2 x1 xn x5 x4 y 3 = x3 . x y x4 x3 x2 x1 x6 x5 y 4 . . . xn xn1 xn2 xn3 x2 x1 yn o o e x e e) Utilizando la expresin matricial de la convolucin circular, encontrar un vector tal que = n es equivalente a resolver el siguiente sistema de ecuaciones lineales: x x e x 1 1 x1 xn xn1 xn2 x3 x2 x2 e2 x2 x1 xn xn1 x4 x3 x3 x2 x1 xn x5 x4 e3 x3 = x4 x3 x2 x1 x6 x5 e4 x4 . . . . . . xn xn1 xn2 xn3 x2 x1 en xn
en donde los elementos xi son conocidos y los elementos ei son las incgnitas. o Este sistema es siempre compatible porque el rango de la matriz de los coecientes coincide con el rango de la matriz ampliada ya que el trmino independiente coincide con la primera columna de e la matriz de coecientes: x1 xn xn1 x3 x2 x1 x1 xn xn1 x3 x2 x2 x2 x1 xn x4 x3 x1 xn x4 x3 x2 x2 x1 x5 x4 = rango x3 x2 x1 x5 x4 x3 . rango x3 xn xn1 xn2 x2 x1 xn xn1 xn2 x2 x1 xn Por tanto, siempre hay solucin. o El sistema ser determinado o indeterminado segn sea mximo o no el rango de la matriz de a u a coecientes, pero como se busca un vector que sea solucin de todos estos sistemas independienteo mente del vector considerado, podemos suponer que el rango es n, localizar la unica solucin del o sistema y, nalmente, comprobar si esta solucin es vlida para cualquier vector. o a
El vector 0 puede considerarse como un caso especial porque = n . x 0 0 x
Sin prdida de generalidad, como se comprobar a continuacin, se puede suponer que x1 = 0. e a o Aplicando operaciones elementales a la matriz ampliada para anular todos los elementos de la primera columna salvo el primero, se obtiene una matriz cuya primera y ultima columna estn a formadas por ceros salvo el primer elemento de cada una porque estas dos columnas son iguales. .
x1 x2 x3 xn
xn xn1 x1 xn x2 x1 xn1 xn2
x2 x3 x4 x1
x1 x2 x3 xn
0 x1 xn x2 x1 0 x2 xn x3 x1 2 0 xn1 xn x1
x1
xn
xn1 xn xn1 x2 x1 x1 xn1 x3 x1 xn2 xn1 xn x1
x2 x3 x4 x1 x2 xn x1
x2 2 x1 x2 x3 x1
x1 0 0 0
A partir de este punto, el proceso de reduccin por las de la matriz ampliada a una matriz o escalonada superior no va a modicar la ultima columna porque ya no se va a emplear la primera la y el ultimo elemento de todas las restantes es cero. As pues, como se est suponiendo que a el rango de la matriz de los coecientes es mximo, existen n 1 constantes no nulas, ki con a i = 2, . . . , n, tales que la forma escalonada de la matriz ampliada del sistema considerado es x1 xn xn1 x2 x1 0 k2 0 0 0 k3 0 . . . . . . .. . . . . . . . . . . . 0 0 0 kn 0
Ahora, las soluciones del sistema son muy fciles de calcular ya que de kn en = 0 se desprende a que en = 0. Sabiendo que en = 0, la penltima ecuacin es kn1 en1 = 0, de donde en1 = 0 y, u o as sucesivamente, se llega a e2 = e3 = = en1 = en = 0. Conocidos estos valores, la primera ecuacin se reduce a x1 e1 = x1 y, como x1 = 0, se tiene e1 = 1. o = (x , x , . . . , x ) es un vector tal que x = 0 y su matriz de convolucin circular Luego, si x o 1 2 n 1 = es asociada tiene rango mximo, el unico vector solucin de la ecuacin x e a o o 0 1 0 = . e . . . 0 Falta comprobar que al convolucionar circularmente con cualquier otro vector , el resultado e x . Para ello, basta observar que la matriz de convolucin circular asociada a es la identidad, es x o e x x 1 1 1 0 0 0 x2 x2 0 1 0 0 = 0 0 1 0 x3 = x3 = . x e x . . . . . . 0 0 0 1 xn xn
La convolucin circular de vectores tiene un elemento neutro, = (1, 0, . . . , 0)T , que es unico. Sin o e embargo, hay vectores que quedan jos al convolucionarlos circularmente con otros distintos de . e Por ejemplo, ya se ha dicho que 0 x = 0 n , x
1 1 1 1 . . . 1
0 1 1 1 0 1 0 = 1 . . . . . . 0 1
0 1 0 1 1 1 0 = 1 . . . . . . 0 1
0 1 0 1 0 1 0 = 1 . . . . . . . 1 1
o x f ) La convolucin circular entre el vector = (x1 , x2 , . . . , xn )T y el vector (0, 1, 0, . . . , 0)T consiste en una posicin hacia la derecha y realimentar la primera coordenada desplazar las coordenadas de x o con la ultima, x4 0 0 0 0 1 x1 x1 1 x2 1 0 0 0 x2 x1 = 0 x3 0 1 0 0 x3 = x2 . x3 x4 0 x4 0 0 1 0
i La convolucin circular entre un vector y un vector de la forma (0, 0, . . . , 0, 1, 0, . . . , 0)T consiste o x en desplazar i 1 posiciones hacia la derecha las coordenadas de y realimentar las primeras x coordenadas con las i1 coordenadas salientes manteniendo el orden posicional relativo. Se produce as una rotacin circular de i 1 posiciones hacia la derecha en el vector . Como caso particular o x y el vector = (1, 0, . . . , 0)T produce una y extremo, la convolucin circular entre un vector x o e rotacin circular a la derecha de 0 posiciones. o
a g) En este caso particular, utilizando los clculos anteriormente realizados, puede comprobarse la igualdad de los dos trminos: e 4 3 7 1 5 6 + = + = x y x z 2 7 9 3 5 8 1 1 1 1 ( ) 2 1 1 1 + = = x y z 3 0 0 1 4 1 1 0
0 1 1 1
1 1 7 2 6 0 = . 1 3 9 1 4 8
En general, se verica la propiedad distributiva de la convolucin circular respecto de la suma o x ( ) + = y z x + y x , , z x y z
Rn .
La demostracin se basa en la propiedad distributiva del producto respecto de la suma de los o nmeros reales: u
n i=1
( xi y(
(ji)mod n +1
+ z(
(ji)mod n +1
) =
n i=1
xi y (
(ji)mod n +1
n i=1
xi z(
(ji)mod n +1
Sin embargo, no siempre se verica la propiedad distributiva de la suma respecto a la convolucin o circular: 1 1 2 ( ) 2 1 3 + = + = , x y z 3 0 3 4 0 4 1 2 34 ( ) ( ) 3 2 35 + = = . + x y x z 3 3 35 4 5 28 h) Como = + = (1, 1, 0, 1)T , la ecuacin v y z o u 1 = 1 Au 0 1 1 1 1 0 0 1 1 1 = equivale al sistema de ecuaciones v w
8 1 u1 0 u2 9 = . 1 u3 6 u4 7 1
El determinante de la matriz de coecientes es distinto de cero, 1 1 0 1 1 1 1 0 0 1 1 1 1 0 = 1 1 1 1 0 0 0 1 0 1 0 1 1 1 1 1 1 0 0 1 1 1 1 1 1 1 0 0 1 1 1 1 1 0 2 1 1 1 2 1
= (1)
= 3,
luego el rango de la matriz de coecientes es 4 y coincide con el nmero de incgnitas y con el rango u o de la matriz ampliada que no puede ser mayor. Por tanto, el sistema es compatible determinado y tiene solucin unica; no solamente para el trmino independiente sino para cualquier otro o e w vector de dimensin 4. o Una manera de resolver el sistema es mediante la matriz inversa de A que puede calcularse mediante el proceso de reduccin de Gauss: o 1 1 0 1 1 1 1 0 0 1 1 1 1 0 1 1 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 1 0 0 0 0 1 0 0 0 0 1 0
1 0 3 1 0 3 2 0 3 1 1 3 1 3 1 3 1 3 2 3
2 3
1 3 1 3 1 3
1 3 2 3 1 3 1 3
As el vector buscado es , = A1 = u w
1 3 1 3 2 3 1 3 1 3 1 3 1 3 2 3 2 3 1 3 1 3 1 3 1 3 2 3 1 3 1 3
8 4 9 3 = . 6 2 7 1
i) Manteniendo la l nea seguida en el anlisis realizado en el apartado f), la convolucin circular a o del vector (1, 1, 0, . . . , 0, 0)T por el vector = (x1 , x2 , . . . , xn )T produce un nuevo vector que x almacena en cada coordenada la suma del valor inicial con el valor de la coordenada ubicada
encima, entendiendo que la coordenada colocada encima de x1 es xn . 1 x1 x1 x1 + xn 1 0 0 0 1 1 x2 1 1 0 0 0 x2 x2 + x1 0 x3 0 1 1 0 0 x3 x3 + x2 . . = . = . . . . . . . . . . 0 0 0 1 0 xn1 xn1 + xn2 0 xn1 0 0 0 1 1 0 xn xn xn + xn1 Por el mismo motivo, la convolucin circular del vector (1, 0, 0, . . . , 0, 1)T por el vector = o x T produce un nuevo vector que almacena en cada coordenada la suma del valor (x1 , x2 , . . . , xn ) inicial con el valor de la coordenada ubicada debajo, entendiendo que la coordenada colocada debajo de xn es x1 . 1 x1 x1 x1 + x2 1 1 0 0 0 0 x2 0 1 1 0 0 x2 x2 + x3 0 x3 0 0 1 0 0 x3 x3 + x4 . . = = . . . . . . . . . . . 0 0 0 1 1 xn1 xn1 + xn 0 xn1 1 0 0 0 1 1 xn xn xn + x1 Conociendo esto, no es dif darse cuenta que la convolucin circular del vector (1, 1, 0, . . . , 0, 1)T cil o por el vector = (x1 , x2 , . . . , xn )T produce un nuevo vector que almacena en cada coordenada la x suma del valor inicial con el valor de la coordenada ubicada debajo y con el valor de la coordenada ubicada encima. Precisamente, esto ultimo es lo que almacena el vector proporcionado en el enun ciado, luego el vector formado por las edades de los cuatro nios satisface la ecuacin matricial n n o siguiente: 1 n1 1 1 0 1 n1 21 1 n2 1 1 1 0 n2 15 = 0 n 0 1 1 1 n = 12 . 3 3 1 n4 1 0 1 1 n4 18 Como la matriz de los coecientes es invertible, hay solucin unica: o 1 1 1 10 21 21 2 3 3 3 3 1 1 1 2 = A1 15 = 3 3 3 3 15 = 4 . n 1 12 2 1 1 1 3 3 3 3 12 1 1 1 7 18 2 18 3 3 3 3 Es interesante observar que si en lugar de 4 nios hubieran sido 3, el problema no podr resolverse n a mediante la convolucin circular porque, este caso, la matriz de coecientes es singular y no tiene o inversa.
ESPACIOS VECTORIALES
3.
Espacios vectoriales
Ejercicio 3.1 Ejemplo de -espacio vectorial { Demostrar que el conjunto E = (x, y, 5) : x, y
R} con las operaciones
R E E denida como tiene estructura de R-espacio vectorial.

:
+ : E E E denida como (x1 , y1 , 5) + (x2 , y2 , 5) = (x1 + x2 , y1 + y2 , 5) (x, y, 5) = (x, y, 5)
Solucin: o La ley de composicin interna (operacin) denida en el conjunto E por o o E ) ( (x1 , y1 , 5), (x2 , y2 , 5) (x1 + x2 , y1 + y2 , 5) est bien denida porque a cada par de elementos de E le corresponde un unico elemento de E y a conere a E estructura de grupo abeliano porque cumple las propiedades siguientes: Asociativa, (x1 , y1 , 5), (x2 , y2 , 5), (x3 , y3 , 5) E ( ) ( ) (x1 , y1 , 5) + (x2 , y2 , 5) + (x3 , y3 , 5) = (x1 , y1 , 5) + (x2 , y2 , 5) + (x3 , y3 , 5) . Existencia de elemento neutro, (0, 0, 5) E tal que (x, y, 5) E (0, 0, 5) + (x, y, 5) = (x, y, 5) + (0, 0, 5) = (x, y, 5). Existencia de elemento opuesto para cada elemento de E, (x, y, 5) E (x, y, 5) E tal que (x, y, 5) + (x, y, 5) = (x, y, 5) + (x, y, 5) = (0, 0, 5). Conmutativa, (x1 , y1 , 5), (x2 , y2 , 5) E (x1 , y1 , 5) + (x2 , y2 , 5) = (x2 , y2 , 5) + (x1 , y1 , 5). La ley de composicin externa denida por o ( EE
+
RE
, (x, y, 5)
(x, y, 5)
est bien denida porque a cada escalar y a cada elemento de E les hace corresponder un unico a elemento de E y cumple las propiedades 1. , ( ) ( + )(x, y, 5) = ( + )x, ( + )y, 5 = (x + x, y + y, 5) = (x, y, 5) + (x, y, 5) = (x, y, 5) + (x, y, 5). 2.
R y (x, y, 5) E,
R y (x1, y1, 5), (x2, y2, 5) E,
( ) ( ) ( ) (x1 , y1 , 5) + (x2 , y2 , 5) = (x1 + x2 ), (y1 + y2 ), 5 = (x1 + x2 ), (y1 + y2 ), 5 = (x1 + x2 , y1 + y2 , 5) = (x1 , y1 , 5) + (x2 , y2 , 5) = (x1 , y1 , 5) + (x2 , y2 , 5).
3 ESPACIOS VECTORIALES
3. ,
R y (x, y, 5) E,
( ) ( ) ( ) ()(x, y, 5) = ()x, ()y, 5 = (x), (y), 5 = (x, y, 5) = (x, y, 5) . 4. 1
R tal que (x, y, 5) E,

1(x, y, 5) = (1x, 1y, 5) = (x, y, 5).
Al satisfacer las condiciones exigidas por la denicin, el conjunto E con las operaciones as deo nidas tiene estructura de -espacio vectorial. Es muy importante observar que el conjunto E no es un subespacio vectorial del espacio vectorial 3 con la operaciones habituales ya que (0, 0, 0) E.
Ejercicio 3.2 Propiedades de los espacios vectoriales Sea V un espacio vectorial sobre el cuerpo conmutativo Demostrar que a) 0 = 0 V. v v
K.
b) Si V, entonces su elemento opuesto, , es unico. v v v v v c) (1) = V. d) ( ) = () V v v v e) 0 = 0 Solucin: o a) Si es un elemento cualquiera de V, aplicando algunas propiedades caracter v sticas25 de un espacio vectorial, se tiene = 1 = (1 + 0) = 1 + 0 = + 0 . v v v v v v v (8) Como (V, +) es un grupo abeliano, existe el elemento opuesto de , V, tal que v v + ( ) = ( ) + = . v v v v 0 Sumando a ambos miembros de la igualdad (8), se tiene v ( ) + = ( ) + ( + 0 ). v v v v v Aplicando que es el opuesto de , la propiedad asociativa de la suma de vectores y que 0 es v v el neutro de la suma de vectores, se concluye que 0 = 0 + 0 = 0 v v para cualquier vector V, como se quer demostrar. v a
25 Es un buen ejercicio darse cuenta de qu propiedades se estn aplicando y de que unicamente se aplican propiedades e a que cumplen los elementos de cualquier espacio vectorial.
K.
K.
b) La demostracin por reduccin al absurdo suele ser efectiva para comprobar la unicidad de o o elementos con determinadas propiedades. Supongamos que existen dos vectores distintos de V, y que cumplen u w, + = + = y + = + =. v u u v 0 v w w v 0 La siguiente cadena de igualdades = + = + ( + = ( + ) + = + = u u 0 u v w) u v w 0 w w contradice la hiptesis = luego en un grupo26 el elemento opuesto de un elemento dado es o u w, unico. En un grupo conmutativo, la unicidad del elemento opuesto conlleva que la ecuacin + = 0 o v w tiene solucin unica: = (o equivalentemente = o w v v w). c) Si en el espacio vectorial V se suman los vectores y (1) y se aplican las oportunas propiedades v v de las operaciones entre vectores, se obtiene: + (1) = 1 + (1) = (1 + (1)) = 0 = . v v v v v v 0 En el apartado b) se ha demostrado que dado un vector V el unico elemento del espacio v vectorial V que cumple + = 0 es = , luego (1) = . v w w v v v v v d) El opuesto del vector es () porque ) ( + () = + () = 0 = 0 . v v v v e) Si tiene K y V, aplicando propiedades conocidas de las operaciones de un espacio vectorial, se v ( ( ) ) 0 = + ( ) = + (1) = + () = 0 . v v v v v v
Ejercicio 3.3 Dependencia lineal en diferentes espacios vectoriales Estudiar si los vectores = (1 i, 1 + i) y = (2, 2i) del -espacio vectorial 2 son linealmente v w independientes. Lo siguen siendo si se considera 2 como un -espacio vectorial con las operaciones habituales?
R C
Solucin: o Los vectores y son linealmente independientes en el -espacio vectorial E si y slo si cualquier v w o combinacin lineal salvo la trivial = = 0 de estos vectores con escalares de o es distinta del vector 0 . Si y son escalares de un cuerpo genrico , una combinacin lineal de los vectores y es e o v w
(1 i, 1 + i) + (2, 2i) = ( i, + i) + (2, 2i)
( ) = ( i + 2, + i + 2i) = ( + 2) i, + ( + 2)i .
Segn los escalares pertenezcan a uno u otro cuerpo, la relacin de dependencia lineal entre los u o vectores puede cambiar.
En la demostracin solamente se ha utilizado la propiedad asociativa y la denicin de elemento opuesto, luego se o o ha probado una propiedad ms general: en un conjunto con una ley de composicin interna asociativa, todo elemento a o tiene a lo sumo un opuesto.
26
3 ESPACIOS VECTORIALES Si los escalares son nmeros reales, para que una combinacin lineal de los vectores y se u o v w anule, los escalares deben ser soluciones del sistema de ecuaciones lineales resultante de igualar a 0 las partes real e imaginaria de cada una de sus coordenadas: + 2 = 0 = 0 . (9) = 0 + 2 = 0 Es inmediato observar que el sistema homogneo (9) slo tiene dos ecuaciones distintas y dos e o incgnitas. Como el rango de la matriz de los coecientes es mximo, o a ( ) 1 2 rango = 2, 1 0 el sistema es compatible determinado y la unica solucin es la trivial, = = 0. o y son linealmente independientes en el -espacio vectorial 2 . Los vectores v w
R C Si los escalares son nmeros complejos considerando el C-espacio vectorial C2 no hay que u
tratar de forma separada las partes real e imaginaria, por lo que el sistema de ecuaciones lineales que deben satisfacer y para anular una combinacin lineal de y es o v w } (1 i) + 2 = 0 (1 + i) + 2i = 0
(10)
La matriz de coecientes complejos del sistema homogneo (10) tiene rango 1 porque e 1i 2 = 2i + 2 2 2i = 0, 1 + i 2i luego hay ms soluciones que la trivial. Concretamente, cualquier combinacin lineal de y a o v w 1i con los escalares y = , se anula. 2 Por ejemplo, para = 2, se tiene 2(1 i, 1 + i) (1 i)(2, 2i) = (2 2i 2 + 2i, 2 + 2i 2i 2) = (0, 0). Los vectores y son linealmente dependientes en el v w
C-espacio vectorial C2.
Ejercicio 3.4 Sistema libre en el espacio de funciones Demostrar que el conjunto S = {sen x, 1, x, x2 , . . . , xn }
es un sistema libre en el espacio vectorial real de las funciones reales de variable real continuas, C( ). Solucin: o Sean , 0 , 1 , . . . , n
R, escalares tales que

sen x + 0 + 1 x + + n xn = 0 x
R.
Como sen(n) = 0 n relaciones:
0 + 1 + + n n = 0 0 + 1 2 + + n (2)n = 0 n 0 + 1 3 + + n (3) = 0 . . . ( )n 0 + 1 (n + 1) + + n (n + 1) = 0
Z, para los valores reales k con k = 1, 2, . . . , n + 1, se cumplen las
que constituyen un sistema homogneo e sentacin matricial es o 1 1 2 1 3 . . . . . .
de n + 1 ecuaciones lineales con n + 1 incgnitas cuya repreo .. . n (2)n (3)n . . . (n + 1) 0 0 1 0 2 0 = . . . . . . . n 0
(11)
1 (n + 1)
)n
La matriz de coecientes del sistema de ecuaciones lineales (11) es del tipo Vandermonde27 con valores distintos y tiene rango mximo, luego es compatible determinado y la unica solucin es la a o trivial: 0 = 1 = = n = 0. Si los escalares i con i = 0, 1, . . . , n son nulos, entonces sen x = 0 x relacin que slo puede cumplirse si = 0. o o En resumen, los unicos escalares reales que satisfacen sen x + 0 + 1 x + + n xn = 0 x son = 0 = 1 = = n = 0 y el conjunto S es un sistema libre en C( ).
R, R
Ejercicio 3.5 Sistemas liberado sindical (libre) Sea E un -espacio vectorial. Diremos que T E es liberado sindical si y slo si o ( ) ( ) T = L T { } . v v v v
Estudiar si los conjuntos a) E, { } b) 0 , c) ,

27
El valor del determinante de esta matriz es
1i<jn+1
(j i) = 0.
son liberados sindicales. ( { }) a) E no es liberado sindical porque 0 E y 0 L E 0 ya que el elemento nulo pertenece a cualquier subespacio vectorial. { } ( ) { } { } b) 0 no es liberado sindical ya que 0 0 y 0 L = 0 porque el menor subespacio { } vectorial que contiene al conjunto vac es 0 . o c) es liberado sindical porque no existe ningn elemento de que pertenezca al subespacio u ( ) = L() = { }. generado por menos dicho elemento, L v 0 Solucin: o
Ejercicio 3.6 Subespacio generado por un conjunto sin un elemento Sea E un -espacio vectorial, T E y T. v Demostrar que ( ) ( ) L T { } L(T ) = L T { } . v v v
Solucin: o v v = El vector es un elemento de T, luego L(T ). ( ) ( { } {}) Al ser L(T ) = L T , entonces L T v v v como se quer demostrar. a o = Para demostrar que dos conjuntos son iguales, basta comprobar la doble inclusin entre ellos: Si L(T ), entonces es una combinacin lineal de elementos de T. w w o ({ } ) v Si en esa combinacin no aparece el vector ni ningn elemento de L , entonces o v u ( ) { } L T . w v ({ )) ( {}) Si aparece algn elemento de L , entonces = + con L T . Como u v w v u u v ( ( { )) ( { } ) { }) L T , entonces L L T v v v v y tanto como pertenecen a v u ( ) ( ) { } { } L T , luego L T . v w v ( {} { }) v v L(T ). Como T T, es inmediato que L T
o Ejercicio 3.7 Subespacios de matrices soluciones de una ecuacin matricial Sea un cuerpo conmutativo y A Mn ( ). Demostrar que
a) S1 = {X Mn ( ) : XA = 0n } es un subespacio vectorial de Mn ( ). b) S2 = {X Mn1 ( ) : AX = X} es un subespacio vectorial de Mn1 ( ). Solucin: o
a) Es evidente que S1 no es el conjunto vac porque al ser 0n A = 0n , la matriz nula n n pertenece o a S1 . Para cualesquiera escalares, ,
K, y para cualesquiera vectores de S1, X, Y

X + Y S1
S1 , se cumple
porque (X + Y )A = (XA) + (Y A) = 0 + 0 = 0. b) El conjunto S2 no es el conjunto vac porque la matriz columna nula, 0n1 , pertenece a S2 , o A0n1 = 0n1 . Dados dos escalares, , pertenece a S2 porque
K, y dos elementos de S2, X, Y
S2 , la combinacin lineal X + Y o
A(X + Y ) = (AX) + (AY ) = X + Y.
Ejercicio 3.8 Filas y columnas linealmente independientes Analizar las siguientes armaciones referidas a una matriz A : a) El mayor nmero posible de las de A linealmente independientes coincide con el mayor nmero u u posible de columnas de A linealmente independientes. b) Si hay s las de A linealmente dependientes, entonces tambin hay s columnas de A linealmente e dependientes. Solucin: o a) En una matriz A, el mayor nmero posible de las linealmente independientes coincide con el u mayor nmero posible de columnas linealmente independientes y es el rango de la matriz A. u ( ) 1 tiene dos las linealmente dependientes y no puede tener dos columnas b) La matriz A = 1 dependientes porque slo tiene una. o
Ejercicio 3.9 Subespacios la y columna: operaciones elementales entre las Sea A Mnm ( ) y sea B Mnm ( ) una matriz obtenida al aplicar a la matriz A una operacin elemental entre las. o El subespacio vectorial de n generado por las columnas de la matriz A interpretadas como vectores de n respecto a una determinada base se denomina espacio columna de A y se denota Col(A). El subespacio vectorial de m generado por las las de la matriz A interpretadas como vectores de m respecto a una determinada base se denomina espacio la de A y se denota Row(A). Se pide:
a) Demostrar que el subespacio la de la matriz A coincide con el subespacio la de la matriz B.
b) Utilizar un contraejemplo para comprobar que, en general, Col(A) y Col(B) no coinciden. c) Demostrar que las columnas i y j de la matriz A interpretadas como vectores de n respecto a una determinada base son linealmente dependientes si y solamente si las columnas i y j de la matriz B son linealmente dependientes. d) Utilizar un contraejemplo para comprobar que, en general, las las linealmente independientes de la matriz A no ocupan las mismas posiciones que las las linealmente independientes de la matriz B. Solucin: o a) Sea { } G = fi = (ai1 , ai2 , . . . , aim )T , i = 1, 2, . . . , n
el conjunto de las n las de la matriz A interpretadas como vectores de determinada base. Las operaciones elementales entre las las de una matriz son:
Km
respecto a una
i. Intercambiar dos las. Es evidente que el subespacio generado por un conjunto de vectores es independiente del orden en el que se relacionen sus elementos, luego para cualesquiera ndices i, j tales que 1 i < j n, el subespacio de m generado por
G = {f1 , . . . , fi , . . . , fj , . . . , fn } coincide con el subespacio generado por Gij = {f1 , . . . , fj , . . . , fi , . . . , fn }. ii. Multiplicar una la por un escalar no nulo. Si c y c = 0, entonces los subespacios de Gc = {f1 , . . . , cfi , . . . , fn } coinciden.
Km generados por G = {f1, . . . , fi, . . . , fn} y
Si v pertenece al subespacio generado por G, entonces v = 1 f1 + + i fi + + n fn y, multiplicando y dividendo por c el sumando adecuado, v = 1 f1 + + i (cfi ) + + n fn , c
luego v tambin pertenece al subespacio generado por Gc . e Si v pertenece al subespacio generado por Gc , entonces v = 1 f1 + + i (cfi ) + + n fn y, agrupando trminos, e v = 1 f1 + + (ci )fi + + n fn , luego v tambin pertenece al subespacio generado por G. e iii. Sumar a una la el producto de otra la por un escalar. Si c , entonces los subespacios de m generados por G = {f1 , . . . , fi , . . . , fj , . . . , fn } y Gci = {f1 , . . . , fi , . . . , fj + cfi , . . . , fn } coinciden.
Si v pertenece al subespacio generado por G, entonces v = 1 f1 + + i fi + + j fj + + n fn y, sumando y restando cj fi y agrupando trminos, e v = 1 f1 + + (i cj )fi + + j (fj + cfi ) + + n fn , luego v tambin pertenece al subespacio generado por Gci . e Si v pertenece al subespacio generado por Gci , entonces v = 1 f1 + + i fi + + j (fj + cfi ) + + n fn = 1 f1 + + (i + cj )fi + + j fj + + n fn , luego v tambin pertenece al subespacio generado por G. e Por tanto, el subespacio la de la matriz A coincide con el subespacio la de la matriz B obtenida al aplicar a la matriz A una operacin elemental entre las. Consecuentemente, el subespacio la o de una matriz coincide con el subespacio la de su forma reducida de Gauss o de cualquiera de sus formas escalonadas porque estas matrices se obtienen aplicando a la matriz inicial una cantidad nita de operaciones elementales entre las. ( ) ( ) 1 1 0 0 y sea la matriz B = obtenida al intercambiar las dos las de b) Sea la matriz A = 0 0 1 1 la matriz A. {( ) } Es claro que Col(A) no coincide con Col(B) porque Col(A) = : mientras que 0 {( ) } 0 Col(B) = : . a1i a1j . . . . . . api apj . . y cj = . las columnas i-sima y j-sima de la matriz A. c) Sean ci = . e e . . aqi aqj . . . . . . ani anj
La demostracin se realizar analizando cmo inuye en estas columnas de A cada una de las o a o operaciones elementales entre las. i. Intercambiar dos las. Si la matriz B se obtiene intercambiando la la p por la la q de la matriz A, las columnas i y j de la matriz B son a1j a1i . . . . . . aqj aqi . . ci = . y cj = . . . . apj api . . . . . . anj ani
3 ESPACIOS VECTORIALES K tales que ci + cj = , entonces 0 aki + akj = 0 k = 1, 2, . . . , n, luego para los mismos escalares tambin se cumple c + c = 0 y rec e procamente. i j ii. Multiplicar una la por un escalar no nulo. Si c y c = 0 y la matriz B se obtiene multiplicando por c la la p de la matriz A, entonces las columnas i y j de la matriz B son
Si existen escalares ,
a1i a1j . . . . . . capi capj . . ci = . y cj = . . . . aqi aqj . . . . . . ani anj Si existen escalares , K tales que ci + cj = , entonces 0 aki + akj = 0 k = 1, 2, . . . , n. Al ser c = 0, la relacin api + apj = 0 es equivalente a capi + capj = 0 luego para los o mismos escalares tambin se cumple c + c = 0 y rec e procamente. i j iii. Sumar a una la el producto de otra la por un escalar. Si la matriz B se obtiene sumando a la la q la la p multiplicada por c columnas i y j de la matriz B son api apj . . . . ci = y cj = . . . aqi + capi aqj + capj . . . . . . ani anj Las columnas ci y cj de la matriz A son linealmente dependientes si y slo si las columnas c o i y c de la matriz B son linealmente dependientes. j = Si existen escalares , tales que ci + cj = 0 , entonces a1i . . . a1j . . .
K, entonces las
aki + akj = 0 k = 1, 2, . . . , n y (aqi + capi ) + (aqj + capj ) = (aqi + aqj ) + c(api + apj ) = 0, luego para los mismos escalares tambin se cumple c + c = 0 . e i j = Si existen escalares , tales que c + c = 0 , entonces i j
aki + akj = 0 k = {1, 2, . . . , q 1} {q + 1, . . . , n} (aqi + capi ) + (aqj + capj ) = 0.
Sustituyendo api + apj = 0, en la relacin o (aqi + capi ) + (aqj + capj ) = (aqi + aqj ) + c(api + apj ) = 0, se obtiene luego tambin ci + cj = 0 . e aqi + aqj = 0,
Una operacin elemental entre las no modica la relacin de dependencia lineal entre las columnas o o de una matriz. Por tanto, las columnas i y j de A son linealmente dependientes si y solamente si lo son las columnas i y j de B. Puesto que las deniciones de dependencia e independencia lineal son excluyentes y complementarias, las columnas i y j de A son linealmente independientes si y solamente si lo son las columnas i y j de B. Sin mucho esfuerzo, el razonamiento empleado puede generalizarse para demostrar que las columnas i1 , i2 , . . . , is de la matriz A son linealmente dependientes si y solamente si las columnas i1 , i2 , . . . , is de la matriz B son linealmente dependientes. Como las columnas pivote de la forma reducida de Gauss o de cualquiera de sus formas escalonadas constituyen un conjunto libre, las columnas de la matriz de partida que ocupan las mismas posiciones que estas columnas pivote tambin constituyen un conjunto libre porque las formas ese calonadas se obtienen aplicando a la matriz inicial una cantidad nita de operaciones elementales entre las. d) La primera y la segunda la de la matriz 1 0 0 A = 0 0 0 0 0 1 son linealmente dependientes mientras que las las primera y segunda de la matriz 1 0 0 B = 0 0 1 , 0 0 0 obtenida al aplicar a A una operacin elemental entre las, no lo son. o
Ejercicio 3.10 Subespacios la y columna: dimensiones Sea A Mnm ( ) y sea G Mnm ( ) su forma escalonada reducida de Gauss. Se pide:
a) Demostrar que el conjunto formado por las las no nulas de G es linealmente independiente. Cul a es la dimensin de Row(A)? o u b) Demostrar que el mayor nmero de columnas linealmente independientes de G coincide con el nmero de las no nulas de G. Cul es la dimensin de Col(A)? u a o c) Calcular el subespacio la y el subespacio columna de la 0 1 1 1 0 0 0 2 A= 0 1 1 3 matriz real 1 1 2
y comprobar que tienen la misma dimensin. Siempre es as o ?
Solucin: o La expresin general de la forma escalonada reducida de Gauss de una matriz es o 0 0 1 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 1 0 . . . . . . . . . . . . . . . . . . . . . . . . . . . G= 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0 0 0 0 0 0 0 0 . . . . . . . . . . . . . . . . . . . . . . . . . . . 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0
en donde las columnas iniciales y las las nales formadas unicamente por ceros pueden aparecer o no, lo mismo que las columnas encabezadas por un asterisco que representa valores del cuerpo , incluido el 0.
a) Cualquier combinacin lineal de las las no nulas, f1 , f2 , . . . , fr , de la matriz G, tiene la siguiente o expresin genrica: o e 1 f1 + 2 f2 + + r fr = (0, . . . , 0, 1 , , . . . , , 2 , , . . . , , 3 , , . . . , , r , , . . . , ). La unica posibilidad de que esta expresin sea igual al vector nulo es que 1 = 2 = = r = 0, o luego las las no nulas de la forma escalonada reducida de Gauss forman un conjunto libre de vectores de m .
Adems, segn se demostr en el apartado a) del ejercicio 3.9, las las de G, en particular las no a u o nulas, son generadoras del subespacio la de G y de la matriz inicial A. Las las no nulas de la forma escalonada reducida de Gauss son una base del subespacio la de G que coincide con el subespacio la de A. En esta armacin tambin se incluye el caso extremo o e { } que se produce cuando A es la matriz nula ya que el espacio la asociado a la matriz nula es 0 que tiene dimensin 0 y su base no tiene ningn elemento, lo que corresponde con la no existencia o u de las no nulas. La dimensin de Row(G) y de Row(A) es igual al nmero de las no nulas de G. o u b) Para cada la no nula de G, la columna correspondiente al primer elemento distinto de cero (pivote) situado ms a la izquierda tiene sus elementos nulos salvo el mencionado pivote, que en la forma a reducida es 1. Evidentemente, cada la no nula lleva asociada una columna pivote, luego al menos hay tantas columnas pivote como las no nulas. Si la matriz G tiene r las no nulas, las columnas pivote asociadas a estas las son: 0 0 1 0 0 1 . . . . . . . . . CP = {cp1 , cp2 , . . . , cpr } = 0 , 0 , . . . , 1 . 0 0 0 . . . . . . . . . 0 0 0 El conjunto CP es libre porque el unico elemento no nulo de cada uno de sus elementos est colocado a en distinto lugar, en particular, en las posiciones 1, 2, . . . , r.
Las restantes columnas de G dependen linealmente de las columnas pivote porque sus nr ultimos elementos son nulos y por tanto puede expresarse como combinacin lineal de las columnas pivote: o a1i 1 0 0 a2i 0 1 0 . . . . . . . . . . . . ari = a1i 0 + a2i 0 + + ari 1 = a1i cp1 + a2i cp2 + + ari cpr . 0 0 0 0 . . . . . . . . . . . . 0 0 0 0 Por tanto, el mayor nmero de columnas linealmente independientes de G coincide con el nmero u u de las no nulas de G. En el apartado c) del ejercicio 3.9, se comprob que el mximo nmero de columnas linealmente o a u independientes de la matriz A coincide con el mximo nmero de columnas linealmente indepena u dientes de la matriz G. Por tanto, la dimensin de Col(A) y la de Col(G) son iguales al nmero de o u las no nulas de la matriz G. Adems, las columnas pivote forman una base de Col(G) y las columnas de A que ocupan las a mismas posiciones que las columnas pivote de G constituyen una base de Col(A). c) La forma escalonada reducida de la matriz A es 0 1 1 0 1 0 1 1 1 1 0 1 1 1 1 0 1 1 1 1 2 A = 0 0 0 2 1 0 0 0 2 1 0 0 0 1 1 0 0 0 1 1 = G. 2 2 0 0 0 0 0 0 1 1 3 2 0 0 0 2 1 0 0 0 0 0 Las las no nulas de G son una base de Row(G) que coincide con Row(A), luego 0 0 0 0 1 1 + 0 : , = : , Row(A) = Row(G) = 1 0 + 1 1
R R5.

Las columnas de A que ocupan las posiciones de las columnas pivote de G son una base de Col(A). As pues, 1 1 + Col(A) = 0 + 2 : , = 2 : , 3. 1 3 + 3
En este caso,
( ) ( ) dim Col(A) = dim Row(A) = 2.
Como se desprende de los apartados anteriores y aunque sean subespacios de espacios vectoriales distintos porque el nmero de las de una matriz no siempre coincide con el nmero de columnas, u u la dimensin del subespacio la de una matriz coincide siempre con la dimensin de su subespacio o o columna y, ambas, con el nmero de las no nulas de la forma escalonada reducida que es el rango u de la matriz, ( ) ( ) dim Col(A) = dim Row(A) = rango(A).
Ejercicio 3.11 Columnas pivote de la forma reducida de Gauss de una matriz y base del espacio columna Sea B una forma reducida de Gauss de la matriz no nula A = 0. Poner un ejemplo (contraejemplo) que demuestre la falsedad de la siguiente armacin: o Las columnas pivote de B son una base del espacio columna de A. ) 1 0 El espacio columna de la matriz A = es 1 0 ( ) { } Col(A) = L (1, 1) = (, ) 2 : . ( ) 1 0 La matriz B = es una forma reducida de Gauss de la matriz A y el espacio columna 0 0 generado por su unica columna pivote es ( ) { } Col(B) = L (1, 0) = (, 0) 2 : = Col(A), Solucin: o (
luego las columnas pivote de B no son una base del espacio columna de A.
Ejercicio 3.12 Relaciones entre la dimensin del espacio columna de una matriz y el nmero de las o u y columnas Si A Mnm ( ), demostrar o poner un contraejemplo que pruebe la veracidad o falsedad de las siguientes armaciones: ( ) a) dim Col(A) = m. ( ) b) dim Col(A) n.
Solucin: o a) La dimensin del espacio columna de una matriz no coincide en general con el nmero de o u columnas. Por ejemplo, la dimensin del espacio columna de la matriz o ( ) 1 0 A= 0 0 es 1, mientras que el n mero de columnas de A es 2. u b) La dimensin del espacio columna de una matriz coincide con el rango de la matriz, que siempre o es inferior al nmero de las y al nmero de columnas, luego u u ( ) ( ) dim Col(A) = rango(A) n y dim Col(A) = rango(A) m.
on Ejercicio 3.13 Sustituci{ de un elemento en un conjunto de generadores } Demostrar que si G = 1 , 2 , . . . , n V es un sistema de generadores del u u u V, V y existen n escalares 1 , 2 , . . . , n v tales que
= + + + + + u + + , ui 1 u1 2 u2 i1 ui1 iv i+1 i+1 n un { v } entonces G = 1 , 2 , . . . , i1 , , i+1 , . . . , n es un sistema de generadores de V. u u u u u
K-espacio vectorial
Solucin: o Sea un vector de V. w Por tratarse de un sistema de generadores, puede expresarse como combinacin lineal de los w o elementos de G : 1 , 2 , . . . , n u u u K tales que = 11 + 22 + + nn. w
Si se sustituye i por la combinacin lineal de los vectores de G cuya existencia asegura el enunu o ciado, se obtiene = + + + ( + + + + ) + + + w n un i+1 ui+1 n un iv i 1 u1 i1 ui1 1 u1 = ( + ) + + ( u + ) + + ) + ( + ) , u v u u
1 i 1 1 i1 i i1 i1 i i i i+1 i+1 n i n n
luego el vector tambin puede expresarse como combinacin lineal de los elementos de G . w e o Cualquier vector que pueda expresarse como combinacin lineal de los elementos de G tambin o e puede expresarse como combinacin lineal de los elementos de G . Al ser el conjunto G generador del o espacio vectorial V, entonces G tambin es generador de V. e
Ejercicio 3.14 Subconjuntos generadores de subespacios Sea E un -espacio vectorial, S, S E y E. Estudiar la veracidad o falsedad de la siguiente u armacin: o ( ( {}) {}) Si L S u = L S , entonces S = S . u
Solucin: o {} { } Dos subconjuntos con un elemento comn, S y S , pueden generar el mismo subespacio u u u sin que sean iguales. Por ejemplo, los subconjuntos S = {(1, 0)} y S = {(0, 1)} y el vector = (1, 1) del espacio u vectorial real 2 , cumplen ( ( {}) {}) L S u = L S u = 2
mientras que S = S . Incluso, aunque a S y a S se les exigiera ser subespacios vectoriales, la armacin no ser cierta o a ( ) ( ) = L (0, 1) son subespacios distintos, ya que, aprovechando el ejemplo anterior, S = L (1, 0) y S pero el subespacio generado por cada uno de ellos al aadirle el vector = (1, 1) es el espacio total, n u 2.
Ejercicio 3.15 Generacin de subespacios o Sean los vectores de 3 :
= (2, 1, 0), = (0, 1, 2), = (3, 2, 1), = (1, 1, 1) y = (1, 0, 1). v1 v2 v3 v4 v5 Demostrar que a) El subespacio vectorial de 3 generado por los vectores {1 , 2 , 3 } coincide con el subespacio v v v vectorial de 3 generado por los vectores {4 , 5 }. v v
v v b) El subespacio vectorial de 3 generado por los vectores {1 , 2 } coincide con el subespacio vectorial de 3 generado por los vectores {3 , 4 , 5 }. v v v
Solucin: o a) Los vectores {1 , 2 , 3 } son linealmente dependientes porque la v v v tores no tiene rango 3: 2 1 0 2 1 0 2 1 0 1 2 0 1 2 0 1 3 2 1 0 1 1 0 0 2 matriz cuyas las son estos vec 0 2 . 0
v De la forma de Gauss puede deducirse que el vector 3 es combinacin lineal de 1 y 2 , v o v = (3, 2, 1) = 3 (2, 1, 0) + 1 (0, 1, 2) = 3 + 1 , v3 v1 v2 2 2 2 2 y que los vectores {1 , 2 } son linealmente independientes. Por tanto, v v ( ) L 1 , 2 , 3 = L(1 , 2 ) = {(2, + , 2) : , }. v v v v v
Las ecuaciones paramtricas del subespacio son e x = 2 y =+ z = 2 y eliminando los parmetros se obtiene la ecuacin que cumplen los elementos del subespacio: a o ( ) L 1 , 2 , 3 = L(1 , 2 ) = {(x, y, z) 3 : 2y = x + z}. v v v v v
Por otra parte, los vectores {4 , 5 } son linealmente independientes porque ninguno de ellos es v v proporcional al otro. El subespacio vectorial de 3 generado por ellos es ( ) L 4 , 5 = {( + , , ) : , }. v v
Las ecuaciones paramtricas de este subespacio son e x = + y= z = y eliminando los parmetros se obtiene la ecuacin que cumplen los elementos del subespacio: a o ( ) L v4 , v5 = {(x, y, z) 3 : z = 2y x}.
( ) ( ) Claramente, L 1 , 2 , 3 = L 4 , 5 . v v v v v v v v b) Los vectores {3 , 4 , 5 } son linealmente dependientes porque la matriz cuyas las son estos vectores no tiene rango 3: 1 1 1 1 1 1 1 1 1 3 2 1 1 1 1 1 0 1 0 1 2 0 1 2 . 0 0 0 0 1 2 3 2 1 1 0 1 v De la forma de Gauss puede deducirse que el vector 3 es combinacin lineal de 4 y 5 , v o v = (3, 2, 1) = 2(1, 1, 1) + (1, 0, 1) = 2 + v3 v4 v5 Por tanto, L(3 , 4 , 5 ) = L(4 , 5 ) y coincide con L(1 , 2 ), como se comprob en el apartado v v v v v v v o anterior.
Ejercicio 3.16 Denicin de combinacin lineal o {o } u Sea E un espacio vectorial real y , 1 , . . . , n E. Analizar si la siguiente denicin es v u o correcta: El vector es combinacin lineal de los vectores 1 , 2 , . . . , n si y solamente si v o u u u { } u ( , , . . . , ) n (0, 0, . . . , 0) tales que + + + + = 0 . v u u
1 2 n
1 1
2 2
n n
Solucin: o La denicin exacta que describe cuando un vector es combinacin lineal de otros es o o El vector es combinacin lineal de los vectores , , . . . , si y solamente si v o u u u
1 2 n
(1 , 2 , . . . , n )
tales que = 1 u1 + 2 2 + + n n . v u u
La equivalencia presentada en el enunciado no coincide con la denicin de combinacin lineal. o o Leyendo con atencin las dos versiones, slo existe una diferencia entre ambas: la primera (la del o o enunciado) no contempla que todos los escalares de la combinacin lineal sean cero mientras que la o segunda (la buena) s lo permite. Esta restriccin acarrea que si la armacin del enunciado fuera o o cierta el vector nulo no ser combinacin lineal de ningn conjunto libre de vectores, lo que no es a o u sostenible porque el vector nulo es combinacin lineal de cualquier conjunto de vectores, libres o no. o La equivalencia del enunciado no es cierta.
Ejercicio 3.17 Condicin para combinacin lineal o o Sea E un -espacio vectorial. Determinar la veracidad o falsedad de la siguiente armacin: o { } El vector E es combinacin lineal de los vectores u1 , u2 , . . . , n E si y slo si v o o u 1 , 2 , . . . , n , n+1 , 1 1 + 2 2 + + n n + n+1 = 0 = 1 = 2 = = n = n+1 = 0. u u u v
Solucin: o Al tratarse de una equivalencia, para que la armacin sea cierta tienen que ser ciertas las dos o implicaciones que la componen. = Esta implicacin no es cierta. o E es combinacin lineal de los vectores { , , . . . , } E, entonces existen Si el vector v o u1 u2 un escalares 1 , 2 , . . . , n tales que = + + + . v u u u
1 1
2 2
n n
Agrupando trminos, se puede armar que hay n + 1 escalares no todos nulos (al menos n+1 = e 1 = 0) tales que 1 1 + 2 2 + + n n + n+1 = 1 1 + 2 2 + + n n = 0 . u u u v u u u v = Esta implicacin tampoco es cierta. o
= = = = = = v 0 1 2 n n+1 = 0 { } v signica que los vectores u1 , u2 , . . . }n , son linealmente independientes, luego no es ,u v { , u , . . . , . combinacin lineal de u o u
1 1 2 2 n n n+1 1 2 n
La condicin 1 , 2 , . . . , n , n+1 , o + + + + u u u
Ejercicio 3.18 Sistemas libres relacionados Demostrar que el sistema de vectores L1 = { , } del u v , + } es libre. si el sistema L2 = { u v u v
K-espacio vectorial V es libre si y solamente
Solucin: o La equivalencia entre dos armaciones se demuestra comprobando la doble implicacin. o o o = La expresin general de una combinacin lineal de los vectores de L2 igualada al vector cero es ( ) ( ) + + = ( + ) + ( + ) = 0 . u v u v u v Suponiendo que L1 es libre, la unica combinacin lineal de los vectores y es la trivial y los o u v escalares y son las soluciones del sistema homogneo de ecuaciones lineales e } +=0 + = 0 que claramente es compatible determinado, siendo ==0 la unica solucin. o En denitiva, la unica combinacin lineal de los vectores de L2 que proporciona el vector cero o es la trivial, luego si L1 es libre, entonces L2 tambin es un sistema libre. e r s = Denominando y a los vectores de L2 , se tiene = r u v = + s u v o, utilizando notacin matricial, o ( ) ( ) ( ) r 1 1 u = . s 1 1 v ( Al ser invertible la matriz A = los de L2 : ) 1 1 , los vectores de L1 pueden expresarse en funcin de o 1 1
( ) ( ) ( ) ( ) 1 1 1 r u r 1 =A = . s v s 2 1 1
Considerando una combinacin lineal de los vectores de L1 igualada al vector nulo y sustituyendo o los vectores de L1 por su expresin respecto a los vectores de L2 , se tiene o ( 1 1 ) 1 ( 1 1 ) 1 r s r s r s + = + + + = ( ) + ( + ) = 0 . u v 2 2 2 2 2 2 Suponiendo que L2 es libre, la unica combinacin lineal de los vectores y es la trivial y los o r s escalares y son las soluciones del sistema homogneo de ecuaciones lineales e } =0 +=0
que claramente es compatible determinado, siendo ==0 la unica solucin. o En denitiva, la unica combinacin lineal de los vectores de L1 que proporciona el vector cero o es la trivial, luego si L2 es libre, entonces L1 tambin es un sistema libre. e
Ejercicio 3.19 Ampliacin de conjuntos libres o { } Sea 1 , 2 , . . . )n un sistema libre del -espacio vectorial E y sea E tal que v v ,v w w ({ } { } , ,..., v . Demostrar que v , v , . . . , , es un sistema libre. L v v v w
Solucin: o Si 1 , 2 , . . . , n , son escalares del cuerpo
1 1 + 2 2 + + n n + = 0 , v v v w entonces = 0 porque si no fuera as , = 1 2 n w v1 v2 vn ({ ) } y pertenecer a L 1 , 2 , . . . , n , lo que no puede ocurrir, por hiptesis. w a v v v o Si = 0, la combinacin + + + = 0 slo puede darse cuando o v v v o
1 1 2 2 n n
K tales que
1 = 2 = = n = 0 porque se trata de vectores libres. Resumiendo, la unica combinacin lineal de los vectores 1 , 2 , . . . , n y que se anula es la o v v v w , , . . . , , es un sistema v w} proporcionada por los escalares 1 = 2 = = n = = 0, luego {v1 2 vn libre.
Ejercicio 3.20 Relacin entre los cardinales de un conjunto de generadores y de un conjunto libre o { } Demostrar que si V es un} -espacio vectorial, Ge = 1 , 2 , . . . , n es un sistema de generadores u u u { de V y Li = 1 , 2 , . . . , p es un conjunto libre de V, entonces p n. v v v
Solucin: o La demostracin se realiza por reduccin al absurdo, suponiendo que p > n. o o Al ser Ge un sistema de generadores de V y 1 un vector de V, existen escalares 1 , 2 , . . . , n v tales que = + + + . v1 1 u1 2 u2 n un no es el vector nulo porque pertenece a un conjunto libre, luego algn escalar es distinto de v u
1 i
cero. Por simplicidad, supongamos28 que 1 = 0. Entonces = 1 2 n . u1 v1 u2 un 1 1 1

28 Si el escalar distinto de cero no fuera 1 , puede cambiarse el orden de los elementos del sistema de generadores para obtener una situacin favorable porque el orden es irrelevante para contar el nmero de elementos de un conjunto. o u
3 ESPACIOS VECTORIALES Seg n el resultado demostrado en el ejercicio 3.13, como el vector 1 es combinacin lineal de los u u o , , . . . , , el conjunto u vectores v1 2 un { } Ge1 = 1 , 2 , . . . , n v u u es un sistema de generadores de V. El vector 2 es un elemento de V y puede expresarse como combinacin lineal de los elementos de v o Ge1 . Existen escalares 1 , 2 , . . . , n tales que
= + + + . v2 1 v1 2 u2 n un v No puede ser que todos los escalares 2 , 3 , . . . , n sean nulos porque 1 y 2 son linealmente v independientes. Alguno tiene que ser distinto de cero. Supongamos como anteriormente que 2 = 0, entonces = 1 + 1 3 n . u2 v1 v2 u3 un 2 2 2 2 Como el vector es combinacin lineal de los vectores , , , . . . , , el conjunto u o v v u u
2 1 2 3 n
{ } Ge2 = 1 , 2 , 3 , . . . , n v v u u es un sistema de generadores de V. Repitiendo este proceso de sustitucin de 3 , 4 , . . . , n por 3 , 4 , . . . , n , se concluye que el o u u u u u u conjunto { } Gen = 1 , 2 , 3 , . . . , n v v v v es un sistema de generadores de V. Si se supone que p > n, el vector n+1 y los restantes vectores de Li que no pertenecen a Gen v pueden expresarse como combinacin lineal de los elementos de Gen lo que contradice la hiptesis de o o que { } v1 , v2 , v3 , . . . , n , n+1 Li v v es un conjunto libre. No puede ser p > n, luego el nmero de elementos de un sistema libre tiene que ser menor o igual u que el nmero de elementos de un sistema de generadores. u
Ejercicio 3.21 Dimensin de espacios vectoriales o Determinar la veracidad o falsedad de las siguientes armaciones referidas a un espacio vectorial de dimensin nita V : o a) La dimensin de V coincide con el cardinal de un conjunto formado por el mayor nmero posible o u de vectores linealmente independientes de V . b) Cualquier subconjunto de V formado por ms de n vectores distintos es linealmente dependiente. a c) Cualquier subconjunto de V formado por ms de n vectores distintos es generador de V . a d) Si k > 1 es el menor nmero natural tal que cualquier subconjunto de V con k o ms vectores es u a linealmente dependiente, entonces la dimensin de V es k 1. o Solucin: o
a) La dimensin de un espacio vectorial nita, V, es el cardinal29 de cualquier base de V. o El n mero de elementos de una base de un espacio vectorial de dimensin nita, V, coincide con u o el mayor nmero de vectores de V que son linealmente independientes y con el menor nmero de u u vectores de V que son sistema de generadores. En denitiva, la dimensin de un espacio vectorial de dimensin nita, V, coincide con el cardinal o o de un conjunto formado por el mayor nmero posible de vectores linealmente independientes de V u y tambin coincide con el menor nmero de vectores de V que son sistema de generadores. e u b) La dimensin de un espacio vectorial de dimensin nita, V, coincide con el cardinal de un conjunto o o formado por el mayor nmero posible de vectores linealmente independientes de V, luego si la u dimensin de V es n, el mayor nmero de vectores linealmente independientes es n y cualquier o u conjunto formado por ms de n vectores distintos de V no puede ser libre, consecuentemente, es a linealmente dependiente. c) La armacin es falsa. o La dimensin del o
R-espacio vectorial R2 es 2 y el conjunto

C = {(1, 1), (2, 2), (3, 3)}
est constituido por 3 vectores distintos que no son generadores de 2 porque al haber solamente a un vector linealmente independiente, la dimensin del subespacio generado es 1: o L(C) = {(, ) :
R} R2.
d) Si cualquier subconjunto de V con k o ms vectores es linealmente dependiente, entonces a dim(V ) < k. Si k es el menor nmero que cumple la condicin anterior, entonces existen subconjuntos libres u o con k 1 elementos, porque si no fuera as el menor nmero ser k 1 en lugar de k. , u a Si hay subconjuntos de V libres y con k 1 elementos y no hay subconjuntos libres con k elementos, entonces k 1 es el mayor nmero de elementos que puede tener un subconjunto libre de V, luego u la dimensin de V es k 1 y la armacin del enunciado el cierta. o o
Ejercicio 3.22 Dimensin de un subespacio descrito con tres parmetros o a Calcular la dimensin del subespacio vectorial real de matrices reales 2 3, o {( ) } ++ ++ S= : , , . 0 ++
Solucin: o Cualquier matriz de S puede representarse como combinacin lineal de las matrices o ( ) ( ) 1 0 1 0 1 0 M1 = y M2 = 0 1 0 0 0 1
29
El cardinal de un conjunto nito es el nmero de elementos de dicho conjunto. u
ya que
++ ++ 0 ++
) ( ) 1 0 1 0 1 0 = ( + + ) + 0 1 0 0 0 1 ) ( ) ( 1 0 1 0 1 0 = + , 0 1 0 0 0 1
luego S est generado por G = {M1 , M2 }. a Adems, G es un sistema libre porque si a ) ) ( ( ) ( ) ( 1 0 1 0 1 0 1 2 1 0 0 0 = , 1 + 2 = 0 0 0 0 1 0 0 0 1 0 1 2 entonces 1 = 2 = 0. El conjunto G es una base de S y como tiene dos elementos la dimensin de S es 2. o
Ejercicio 3.23 Espacio vectorial de dimensin innita o n : a ,a ,...,a Sea [x] = {p(x) = a0 + a1 x + + an x y n } el espacio vectorial de los 1 2 n polinomios con coecientes reales. Estudiar si la siguiente armacin es cierta: o
N tal que B = {1, x, x2, . . . , xn} es una base de R[x]. R R[x] y no puede
Solucin: o El conjunto B no es una base de [x] porque el polinomio xn+1 pertenece a expresarse como combinacin lineal de los elementos de B : o 0 + 1 x + 2 x2 + + n xn = xn+1 0 , 1 , . . . , n
R.
B = {xi : i } es una base de [x] porque cualquier polinomio de [x] puede expresarse como combinacin lineal de una cantidad nita de elementos de B y porque la unica posibilidad de que o una combinacin lineal nita de los elementos de B sea el polinomio 0 es que todos los escalares de o la combinacin lineal sean nulos. o [x] es un -espacio vectorial de dimensin innita y numerable porque el cardinal de la base B o es el cardinal de .
Ejercicio 3.24 Base de n [x] Sea n y n [x] el -espacio vectorial de los polinomios de grado menor o igual que n y con coecientes reales, y sea p(x) n [x] y p(x) = 0. { } El conjunto Bp = p(x), p (x), p (x), . . . , pn1) (x) es una base de n [x]?
N R
R R
Solucin: o La dimensin de n [x] es n + 1 y el conjunto Bp tiene a lo sumo n elementos, luego Bp no puede o ser una base de n [x] en ningn caso. u Por ejemplo, si n = 3 y p(x) = x3 , entonces n 1 = 2 y Bp = {x3 , 3x2 , 6x} no es una base de 3 [x]. Si p(x) es un polinomio de n [x] de grado n, el conjunto { } Gp = p(x), p (x), p (x), . . . , pn1) (x), pn) (x)
es una base de
Rn[x] como ilustra el caso n = 3 y p(x) = x3, siendo Gp = {x3, 3x2, 6x, 6}.
Si el grado de p(x) es estrictamente menor que n, Gp no ser una base porque pn) (x) = 0; por a ejemplo, si q(x) = x 3 [x], Gq = {x, 1, 0, 0} que no es una base de 3 [x].
Ejercicio 3.25 Bases } espacios vectoriales { de Sea B = e1 , e2 , e3 una base del espacio vectorial V y V. Estudiar si los siguientes conjuntos v de vectores son bases de V : { } a) B = + , + , + . e1 e2 e2 e3 e3 e1 { } e1 v e2 v e3 v b) B = + , + , + . v Solucin: o a) El conjunto { } B = + , + , + e1 e2 e2 e3 e3 e1
es una base de V porque la dimensin de V es 3 y B est formado por tres vectores linealmente o a independientes. Esto es as porque la forma escalonada de Gauss de la matriz cuyas columnas son las coordenadas de los vectores de B tiene tres pivotes no nulos y, consecuentemente, su rango es 3: 1 0 1 1 0 1 1 0 1 1 1 0 0 1 1 0 1 1 . 0 1 1 0 1 1 0 0 2 b) Hay vectores para los que el conjunto { } B = + , + , + e1 v e2 v e3 v v no es una base de V. Por ejemplo, si = , el conjunto v e1
B1 = e
{ } 0 , e2 e1 , e3 e1
es ligado porque uno de sus vectores es nulo y no puede ser una base de V.
Ejercicio 3.26 Dimensin del espacio columna de una matriz y columnas pivote o Sea V Mn1 ( ) el ) -subespacio vectorial generado por las matrices 1 , 2 , . . . , n y sea la x x x ( , x , . . . , M ( ) cuyas columnas son los vectores , , . . . , . x matriz A = x1 2 xn x1 2 xn n Demostrar que las columnas pivote de la matriz A forman una base de V.
Solucin: o El espacio columna de la matriz A es V porque V est generado por las columnas de A. Como el a rango de una matriz es la dimensin de su espacio columna, la dimensin de V coincide con el rango o o de A, ( ) dim Col(A) = rango(A).
Utilizando otra interpretacin, el rango de una matriz es el nmero de columnas pivote de la forma o u escalonada reducida de Gauss de la matriz A. En esta forma reducida, las columnas que se han empleado como pivote tienen todos los elementos nulos salvo uno y son linealmente independientes. Las operaciones elementales entre las mantienen la condicin de independencia entre las columnas, o luego las columnas de A que se han empleado como pivotes, son linealmente independientes y como su nmero coincide con la dimensin de V , son una base de V, como quer u o amos demostrar.
Ejercicio 3.27 Subespacio incluido en otro de la misma dimensin o Sean U y V dos subespacios vectoriales de dimensin nita del -espacio vectorial W. o Demostrar que Si U V y dim(U ) = dim(V ), entonces U = V.
Solucin: { o } Sea B = , , . . . , una base del subespacio U. e1 e2 en Como U V, entonces B U V y B es un subconjunto libre de V. El mayor nmero de vectores linealmente independientes de V es u dim(V ) = dim(U ) = n que coincide con el nmero de elementos de B, luego B es base de V y en consecuencia generador u de V. Todos los elementos de V pueden expresarse como combinacin lineal de los elementos de la base o B U, por tanto, todos los elementos de V tambin pertenecen a U, esto es, e V U. Adems, por hiptesis, tambin se cumple la otra inclusin U V, luego a o e o U = V.
Ejercicio 3.28 Matrices de cambio de base Calcular las matrices de cambio entre las bases B1 = {1, 1 + x, 1 + x2 } y B2 = {1, x, x2 } del espacio vectorial real 2 [x] = {a0 + a1 x + a2 x2 : a0 , a1 , a2 } de polinomios en la indeterminada x, con coecientes reales y de grado menor o igual que 2.
Solucin: { o { } } Si B1 = , , . . . , y B2 = e , e , . . . , e son bases de un espacio vectorial de dimensin e1 e2 en o n 1 2 n, E, y los vectores de B1 pueden expresarse en funcin de los vectores de B2 mediante las relaciones o = a + a + + a con j = 1, 2, . . . , n, ej nj en 2j e2 1j e1 entonces las coordenadas (1 , 2 , . . . , n ) de un vector E respecto a la base B2 pueden calcularse v fcilmente si se conocen las coordenadas ( , , . . . , ) de respecto a la base B sin ms que a v a
1 2 n 1
sustituir convenientemente, as = + + + v 1 e1 2 e2 n en ) ) ) ( ( ( = 1 a11 e + + an1 e + 2 a12 e + + an2 e + + n a1n e + + ann e n n 1 n 1 1 = (1 a11 + + n a1n ) e1 + (1 a21 + + n a2n ) e2 + + (1 an1 + + n ann ) e n = 1 e + 2 e + + n e , n 2 1
resultando ( i = 1 ai1 + 2 ai2 + + n ain = ai1 ai2 1 ) 2 ain . para i = 1, 2, . . . , n. . . n Agrupando en estas relaciones en una sola a11 a12 1 2 a21 a22 . = . . . . . . . . n an1 an2 matriz A llamada de cambio de base se tiene 1 1 a1n 2 a2n 2 . . = A . . .. . . . . . . . n n ann
Es inmediato observar que las columnas de la matriz de cambio coinciden con las coordenadas de los vectores de la base B1 respecto a la base B2 . La matriz de cambio es invertible porque los vectores de B1 son linealmente independientes y la matriz que tiene como columnas sus correspondientes coordenadas tiene rango mximo. As pues, las a coordenadas de un vector respecto a la base B1 pueden calcularse si se conocen las coordenadas del vector respecto a la base B2 mediante la relacin o 1 a11 2 a21 . = . . . . . n a12 a22 . . . .. . 1 a1n 1 1 2 a2n 2 1 . . = A . . . . . . . . ann n n
an1 an2
Evidentemente, las columnas de la matriz inversa son las coordenadas de los vectores de la base B2 respecto a la base B1 . Para calcular la matriz de cambio de base que proporciona las coordenadas de un vector de 2 [x] { } en la base B2 = e , e , e conocidas sus coordenadas respecto a la base B1 , se precisa conocer las 1 2 3 { } coordenadas de los vectores de la base B1 = , , respecto a la base B2 . Claramente e1 e2 e3
= 1 + 0 + 0 = 1, e1 e e e 1 2 3 = 1e + 1e + 0e = 1 + x, e
2 1 2 3
= 1 + 0 + 1 = 1 + x2 , e3 e e e 1 2 3 es 1 0 . 1
luego la matriz de cambio de la base B1 a la base B2 1 1 0 1 A= 0 0
La matriz de cambio de la base B2 a la base B1 es la inversa de la anterior: 1 1 1 1 0 . A1 = 0 0 0 1
Ejercicio 3.29 Subespacios encadenados Sea A Mm ( ) con m y sea { Nn (A) = = (x1 , x2 , . . . , xm ) x
Rm : An T = } x 0
con n
N.
Se pide: a) Demostrar que n
N,
Nn (A) Nn+1 (A).
b) Calcular una base, B1 , de N1 (A0 ) y una base, B2 , de N2 (A0 ) tal que B1 B2 en los siguientes casos: 0 1 1 A0 = 1 0 1 , 1 0 1 0 1 1 3 . A0 = 1 2 1 2 3 c) Calcular An para las matrices anteriores y demostrar su validez para cualquier nmero natural n. u 0 d) Hallar Nn (A0 ) con n > 2 para las matrices anteriores. Solucin: o a) Un conjunto, X, est incluido en otro, Y, cuando todos los elementos de X tambin pertenecen a a e Y. En particular, si N (A), entonces An T = 0 y x x
n
An+1 T = A(An T ) = A 0 = 0 , x x luego Nn+1 (A). x b) El proceso a seguir es similar en los dos casos propuestos: Los elementos de N1 (A0 ) son las soluciones del sistema homogneo A T = 0 . e x Es inmediato observar que estas soluciones cumplen las ecuaciones { yz =0 xz =0 luego los puntos de 3 que pertenecen a N1 (A0 ) son aquellos cuyas tres coordenadas son iguales, x = y = z, de donde N1 (A0 ) = {(, , ) siendo
R3 : R},
{ } B1 = (1, 1, 1)
una base de N1 (A0 ). Obviamente, la dimensin de N1 (A0 ) es 1. o Las soluciones del sistema de ecuaciones
0 0 0 A2 T = 1 1 0 T = 0 x 0 x 1 1 0
son los puntos cuyas dos primeras coordenadas coinciden porque deben cumplir la ecuacin o x + y = 0. Por tanto N2 (A0 ) = {(, , ) y
R3 : R,
R}
{ } B2 = (1, 1, 1), (0, 0, 1)
es una base de N2 (A0 ) obtenida al tomar los parmetros y los siguientes valores: = a = 1, para el primer vector tambin perteneciente a B1 y = 0, = 1 para el segundo. e Claramente son generadores de N2 (A0 ) y linealmente independientes porque el primer vector no se puede obtener multiplicando el segundo por un escalar. La dimensin de N2 (A0 ) es 2. o Los elementos de N1 (A0 ) son las soluciones del sistema homogneo A T = 0 . e x Es inmediato observar que estas soluciones cumplen las ecuaciones { yz =0 x 2y + 3z = 0 { yz =0 x+y =0
luego los puntos de 3 que pertenecen a N1 (A0 ) son aquellos cuyas dos ultimas coordenadas son iguales entre s y = z, e iguales a la primera cambiada de signo, y = z = x, de donde , N1 (A0 ) = {(, , ) siendo una base de N1 (A0 ). Obviamente, la dimensin de N1 (A0 ) es 1. o Las soluciones del sistema de ecuaciones 0 0 0 A2 T = 1 1 2 T = 0 x 0 x 1 1 2
R3 : R},
{ } B1 = (1, 1, 1)
son los puntos que cumplen la ecuacin x y + 2z = 0. Por tanto o N2 (A0 ) = {( 2, , ) y
R3 : R,
R}
{ } B2 = (1, 1, 1), (2, 0, 1)
es una base de N2 (A0 ) obtenida al tomar los parmetros y los siguientes valores: = a = 1, para el primer vector tambin perteneciente a B1 y = 0, = 1 para el segundo. e Claramente son generadores de N2 (A0 ) y linealmente independientes porque el primer vector no se puede obtener multiplicando el segundo por un escalar. La dimensin de N2 (A0 ) es 2. o c) Hay que analizar cada uno de los casos propuestos:
Observando que 0 0 0 A2 = 1 1 0 0 1 1 0 0 0 0 A4 = 1 1 0 0 1 1 0 puede inferirse la frmula o An = (1)n2 0 0 0 0 A2 = (1)n2 1 1 0 n > 1. 0 1 1 0 0 0 0 A3 = (1) 1 1 0 0 1 1 0 0 0 0 A5 = (1) 1 1 0 0 1 1 0
La demostracin de la veracidad de esta frmula se realiza por el procedimiento de induccin: o o o Ya se ha comprobado que es vlida para n = 2, n = 3, n = 4 y n = 5. a Suponiendo que An = (1)n2 A2 , se puede calcular la expresin de An+1 aplicando esta o 0 0 0 3 : hiptesis y sustituyendo el conocido valor de A0 o An+1 = An A0 = (1)n2 A2 A0 = (1)n2 A3 = (1)n1 A2 . 0 0 0 0 0 Observando que 0 0 0 0 0 0 0 0 0 A2 = 1 1 2 , A3 = 1 1 2 , A4 = 1 1 2 0 0 0 1 1 2 1 1 2 1 1 2 puede inferirse la frmula o An = A2 n > 1. 0 0 La demostracin de la veracidad de esta frmula se realizar por el procedimiento de induco o cin: o Ya se ha comprobado que es vlida para n = 2, n = 3 y n = 4. a n = A2 , se puede calcular la expresin de An+1 aplicando esta hiptesis Suponiendo que A0 o o 0 0 3 : y sustituyendo el conocido valor de A0 An+1 = An A0 = A2 A0 = A3 = A2 . 0 0 0 0 0 d) Conocida la expresin de An , es sencillo calcular los conjuntos pedidos: o 0 Al ser An = (1)n1 A2 , entonces 0 0 { } { } Nn (A0 ) = 3 : An T = 0 = 3 : (1)n1 A2 T = 0 x x 0 x 0 x { } = 3 : A2 T = 0 = N2 (A0 ) = {(, , ) 3 : , x 0 x
R R
R}.
Al ser An = A2 , entonces 0 0 { Nn (A0 ) = x
R3 : An T = } = { R3 : A2 T = } 0 x 0 0 x 0 x 3 = N2 (A0 ) = {( 2, , ) R : R, R}.
Ejercicio 3.30 Subespacio generado por conjuntos distintos (Terico) o Sea un cuerpo conmutativo, E un -espacio vectorial y A, B E. Demostrar que
L(A) = L(B) si y solamente si A L(B) y B L(A). Solucin: o La equivalencia se demuestra comprobando la doble implicacin: o = Todo subconjunto de un espacio vectorial est incluido en el subespacio vectorial que genera, a A P(E) A L(A). Si L(A) = L(B), entonces A L(A) = L(B), luego A L(B) y, del mismo modo, B L(B) = L(A), luego B L(A). a = La igualdad entre conjuntos puede vericarse demostrando que uno de ellos est incluido en el otro y viceversa: Si A L(B), entonces el subespacio generado por A est incluido en el subespacio generado a por L(B), pero como L(B) es un subespacio, coincide con el subespacio que genera, ( ) L(A) L L(B) = L(B), resultando que L(A) L(B). a Si B L(A), entonces el subespacio generado por B est incluido en el subespacio generado por L(A), pero como L(A) es un subespacio, coincide con el subespacio que genera, ( ) L(B) L L(A) = L(A), resultando que L(B) L(A).
Ejercicio 3.31 Subespacio generado por conjuntos distintos (Prctico) a En el espacio vectorial 3 , demostrar que ({ ({ }) }) L (2, 1, 0), (1, 0, 1) = L (1, 1, 1), (1, 0, 1) .
Solucin: o Hay varias maneras de demostrar la igualdad de dos subespacios. Una de ellas, basada en el ejercicio 3.30, consiste en comprobar que los generadores de cada subespacio pertenecen al otro subespacio, es decir, son combinacin lineal de los correspondientes o generadores. En este caso es fcil observar que a (2, 1, 0) = (1, 1, 1) + (1, 0, 1) y (1, 0, 1) = (1, 0, 1), (1, 1, 1) = (2, 1, 0) + (1, 0, 1) y (1, 0, 1) = (1, 0, 1).
Otra manera consiste en describir los elementos del subespacio como las soluciones del mismo sistema homogneo de ecuaciones lineales. e A veces, la representacin paramtrica no proporciona informacin suciente para establecer la o e o igualdad entre dos subespacios, en el caso que nos ocupa: ({ }) { } { } L (2, 1, 0), (1, 0, 1) = (2, 1, 0) + (1, 0, 1) : , = (2 , , ) : , , ({ ) { } }} { } L (1, 1, 1), (1, 0, 1) = (1, 1, 1) + (1, 0, 1) : , = ( + , , ) : , .
R R
Eliminando los parmetros y de las relaciones a x = 2 y y= z= se obtiene
x = + y= z =
({ }) { L (2, 1, 0), (1, 0, 1) = (x, y, z) ({ }) { L (1, 1, 1), (1, 0, 1) = (x, y, z)
R3 : x 2y + z = 0}, R3 : x 2y + z = 0},
de donde se deduce fcilmente que los dos subespacios son iguales. a
Ejercicio 3.32 Subespacios vectoriales de sucesiones Sea el conjunto de las sucesiones de nmeros reales u { S = (an )nN : n
N an R} R
y el subconjunto de todas las sucesiones de nmeros reales cuyos trminos siguen una progresin u e o aritmtica, e {( } ) Sp = a1 + (n 1)d nN : a1 , d S. Demostrar que a) S con la suma de sucesiones, (an )nN + (bn )nN = (an + bn )nN , y el producto por escalares, (an )nN = (an )nN ,
tiene estructura de espacio vectorial respecto al cuerpo de los nmeros reales u b) Sp es un subespacio vectorial de S. c) S no tiene dimensin nita. o
R.
d) Sp tiene dimensin nita y calcular las coordenadas de la sucesin s = (2, 7, 12, 17, 22, 27, . . .) o o respecto a una base concreta de Sp . Solucin: o
a) El conjunto S de las sucesiones de nmeros reales con la ley de composicin interna (operacin) u o o conocida como suma y denida por S S (an )nN , (bn )nN
+
(an + bn )nN
tiene estructura de grupo abeliano. La ley de composicin externa denida por o
RS
cumple las propiedades 1. ,
(, (an )nN ) (an )nN
R y (an)nN S,
( ) ( + )(an )nN = ( + )an nN = (an + an )nN = (an )nN + (an )nN = (an )nN + (an )nN .
2.
R y (an)nN, (bn)nN S, R y (an)nN S,
( ) ( ) (an )nN + (bn )nN = (an + bn )nN = (an + bn ) nN = (an + bn )nN = (an )nN + (bn )nN = (an )nN + (bn )nN .
3. ,
4. 1
R tal que (an)nN S,
) ( ( ) ( ) ()(an )nN = ()an nN = (an ) nN = (an )nN = (an )nN . 1(an )nN = (1an )nN = (an )nN .
Al satisfacer las condiciones exigidas por la denicin, el conjunto S de las sucesiones de nmeros o u reales, con las operaciones de suma de sucesiones y producto de un nmero real por una sucesin, u o tiene estructura de -espacio vectorial.
b) El conjunto Sp de las sucesiones cuyos trminos siguen una progresin aritmtica, es distinto e o e del conjunto vac porque la sucesin constante (0)nN es una progresin aritmtica cuyo primer o o o e trmino es 0 y cuya diferencia es 0, luego e ( ) (0)nN = 0 + (n 1)0 nN Sp . ,
R y (an)nN, (bn)nN Sp,
( ) ( ) (an )nN + (bn )nN = a1 + (n 1)da nN + b1 + (n 1)db nN ( ) ( ) = a1 + (n 1)da nN + b1 + (n 1)db nN ( ) = (a1 + b1 ) + (n 1)(da + db ) nN Sp ,
luego una combinacin lineal de sucesiones cuyos trminos siguen una progresin aritmtica es otra o e o e sucesin cuyos trminos tambin siguen una progresin aritmtica que tiene como elemento inicial o e e o e la combinacin lineal de los trminos iniciales y como diferencia la misma combinacin lineal de o e o las diferencias. Como consecuencia de ello, Sp es un subespacio vectorial de S.
c) Para cada i
N se considera
i)
1i = (0, 0, . . . , 1, 0, 0, . . .) la sucesin que tiene ceros en todas las posiciones menos en la posicin i que tiene un 1. o o Si i = j, es evidente que las sucesiones 1i y 1j son linealmente independientes porque una combinacin lineal suya, o
i)
1i + 1j = (0, 0, . . . , , 0, 0, . . . , , 0, 0, . . .), es la sucesin (0)nN unica y exclusivamente cuando = = 0. o La dimensin de S no puede ser nita, porque si fuera dim(S) = p o {1i : i = 1, 2, . . . , p + 1} S ser libre y tendr estrictamente ms elementos que la dimensin de S. Se pueden encontrar a a a o conjuntos linealmente independientes con tantos vectores/sucesiones como queramos, luego S no tiene dimensin nita. o d) Los elementos de las sucesiones ( ) ( ) (1) = (1, 1, 1, . . .) = 1 + (n 1)0 nN y (n 1) = (0, 1, 2, 3, 4, . . .) = 0 + (n 1)1 nN forman progresiones aritmticas, luego e (1), (n 1) Sp . Las sucesiones (1) y (n 1) son linealmente independientes porque la expresin general de una o combinacin lineal suya es o (1) + (n 1) = (, + , + 2, + 3, . . .) con , y la unica manera de obtener la sucesin (0)nN es cuando = = 0. o Las sucesiones (1) y (n 1) generan Sp porque cualquier sucesin de Sp puede expresarse como o combinacin lineal de estas dos sucesiones: o ( ) a1 + (n 1)d nN = a1 (1) + d(n 1). { } El conjunto B = (1), (n 1) Sp es una base de Sp y, como tiene dos elementos, la dimensin o del subespacio Sp es nita e igual a 2. En particular, s = (2, 7, 12, 17, 22, 27, . . .) = 2(1) + 5(n 1) y la representacin en coordenadas de la sucesin s respecto a la base B de Sp es s = (2, 5). o o
j)
N, el conjunto de sucesiones
Ejercicio 3.33 Subespacios vectoriales de funciones Estudiar si las funciones reales de variable real a) f (x) = sen x cos x, b) g(x) = cos2 x
pertenecen al espacio vectorial generado por el conjunto de funciones reales de variable real G = {1, sen x, cos x}. Solucin: o a) La funcin f (x) = sen x cos x no pertenece al subespacio vectorial generado por el conjunto G de o funciones reales de variable real ya que si fuera as existir escalares , y tales que , an sen x cos x = + sen x + cos x x
R.
Esto no es posible pues para los valores x = 0, x = y x = se originan las relaciones 2 0 = + 0=+ 0= que slo son compatibles cuando = = = 0, lo que no es asumible porque la funcin o o f (x) = sen x cos x no coincide con la funcin constante 0. o b) La funcin g(x) = cos2 x no pertenece al subespacio vectorial generado por el conjunto G de o funciones reales de variable real ya que si fuera as existir escalares , y tales que , an cos2 x = + sen x + cos x x
R.
3 2 ,
Esto no es posible pues para los valores x = 0, x = , x = y x = 2 ecuaciones 1 = + 0 = + 1 = 0=
se origina el sistema de
que es incompatible porque, al ser distinto de cero el determinante de la matriz ampliada, el rango de esta matriz es 4 estrictamente mayor que el rango de la matriz de los coecientes que no puede ser mayor que 3: 1 0 1 1 1 1 0 0 1 0 1 1 1 1 0 0 1 0 1 1 1 1 0 0 0 0 2 0 1 1 0 0 1 0 1 1 0 = 2 1 1 1 0
= 4 = 0.
Ejercicio 3.34 Subespacios vectoriales de matrices Estudiar si el conjunto de las matrices cuadradas, con coecientes reales, de dimensin n n e o invertibles forman un subespacio vectorial del espacio vectorial de las matrices cuadradas reales de dimensin n n. o Solucin: o La matriz cero que no es invertible pertenece a todos los subespacios vectoriales de matrices. Por tanto, el conjunto de matrices cuadradas, con coecientes reales, de cualquier dimensin n n e o invertibles no forman un subespacio vectorial del espacio vectorial de las matrices cuadradas reales de dimensin n n porque la matriz cero no pertenece a dicho conjunto. o
Ejercicio 3.35 Subespacios vectoriales de polinomios (I) Estudiar si los conjuntos H0 = {p(x)
R[x] : p(5) = 0}
y H1 = {p(x)
R[x] : p(5) = 1}
son subespacios vectoriales del espacio vectorial real de polinomios en la indeterminada x y con coecientes reales, [x].
Solucin: o El conjunto H0 no es el conjunto vac porque el polinomio nulo, p(x) = 0, pertenece a H0 ya o que su derivada en cualquier punto, y en particular en x0 = 5, vale 0. Si p(x), q(x) H0 y , , entonces ( ) p + q (5) = p (5) + q (5) = 0, luego el polinomio p(x) + q(x) H0 , quedando comprobado que H0 es un subespacio vectorial de [x].
El conjunto H1 no es un subespacio vectorial ya que el elemento nulo p(x) = 0 no pertenece a H1 pues su derivada en el punto x0 = 5 no vale 1.
Ejercicio 3.36 Subespacios vectoriales de polinomios (II) Sea el espacio vectorial real de los polinomios en la indeterminada x, con coecientes reales y de grado menor o igual que 2, 2 [x] = {a0 + a1 x + a2 x2 : a0 , a1 , a2 }, y sea
F = {(1 + x3 )p(x) : p(x) Se pide:
R2[x]}.
a) Demostrar que existe n tal que F es un subespacio vectorial del espacio vectorial real de los polinomios en la indeterminada x, con coecientes reales y de grado menor o igual que n, n }. n [x] = {a0 + a1 x + + an x : a0 , a1 , . . . , an
b) Hallar una base y la dimensin de F. o c) Calcular F + Solucin: o a) Todos los polinomios de F tienen coecientes reales y son de grado menor o igual que 5, luego F est contenido en 5 [x] y en cualquier espacio vectorial n [x] con n 5. Tambin est incluido en a e a el espacio vectorial de todos los polinomios en una indeterminada y con coecientes reales [x].
R2[x]. Se trata de una suma directa? R R
Si , y p(x), q(x) F, entonces existen p1 (x), q2 (x) y q(x) = (1 + x3 )q1 (x) de tal modo que
R2[x] tales que p(x) =
(1 + x3 )p1 (x)
( ) p(x) + q(x) = (1 + x3 )p1 (x) + (1 + x3 )q1 (x) = (1 + x3 ) p1 (x) + q1 (x) F porque p1 (x) + q1 (x)
R2[x].
Por cumplir la caracterizacin, F es un subespacio vectorial de o subespacio vectorial de [x].
Rn[x] para n 5 y tambin es un e
b) Como el conjunto B2 = {1, x, x2 } es una base de de la forma
R2[x], cualquier elemento de F puede representarse
p(x) = (1 + x3 )( + x + x2 ) = (1 + x3 ) + (x + x4 ) + (x2 + x5 ), por tanto, el conjunto B = {1 + x3 , x + x4 , x2 + x5 } es un sistema de generadores de F. Tambin son linealmente independientes porque la unica posibilidad de que una combinacin lineal e o suya se anule, 1 (1 + x3 ) + 2 (x + x4 ) + 3 (x2 + x5 ) = 1 + 2 x + 3 x2 + 1 x3 + 2 x4 + 3 x5 = 0, es que todos los escalares sean cero, 1 = 2 = 3 = 0. As pues, B es una base de F y, como B tiene tres elementos, la dimensin de F es 3. o La expresin general del subespacio F es o F = { + x + x2 + x3 + x4 + x5 : , , c) Los elementos de la suma de los subespacios F y p(x) F y q(x) 2 [x] ya que
R}.
R2[x] = {p(x) + q(x) : p(x) F, Una expresin genrica de los elementos de F + R2 [x] es o e
F+
R2[x] son de la forma r(x) = p(x) + q(x) con

q(x)
R2[x]}.
r(x) = p(x) + q(x) = ( + x + x2 + x3 + x4 + x5 ) + ( + x + x2 ) = ( + ) + ( + )x + ( + )x2 + x3 + x4 + x5 . Cualquier polinomio de 5 [x] puede expresarse como suma de un polinomio de F y de un polinomio de 2 [x] de la siguiente manera:
a0 + a1 x + a2 x2 + a3 x3 + a4 x4 + a5 x5 = = a3 + a4 x + a5 x2 + a3 x3 + a4 x4 + a5 x5 + (a0 a3 ) + (a1 a4 )x + (a2 a5 )x2 ,

p(x)F q(x)
R5[x] F + R2[x]. Adems, como F R5 [x] y R2 [x] R5 [x], tambin se tiene F + R2 [x] R5 [x]. a e
luego F+
R2 [x]
Al darse la doble inclusin conjuntista, se cumple la igualdad de los conjuntos, luego o
R2[x] = R5[x].
Todos los polinomios no nulos de F son de grado igual o superior a 3 porque un polinomio de la forma + x + x2 + x3 + x4 + x5 tiene grado menor o igual que dos solamente cuando = = = 0, es decir, cuando se trata del polinomio nulo, consecuentemente, F 2 [x] = {0}
y su suma es una suma directa, F
R2[x] = R5[x].
Ejercicio 3.37 Subespacio columna y sistemas de ecuaciones lineales Sea A Mn ( ) tal que para cualquier vector columna b Mn1 el sistema de ecuaciones lineales A = b tiene solucin. Demostrar que la ecuacin homognea A = 0 tiene solucin unica. x o o e x o
Solucin: o Como el sistema de ecuaciones lineales A = b tiene solucin para cualquier vector columna x o b Mn1 , el subespacio Mn1 est contenido en el subespacio generado por las columnas de la a matriz A consideradas como vectores de Mn1 . Al haber slo n columnas en la matriz A y ser n la dimensin de Mn1 , el rango de la matriz A o o es mximo y coincide con su dimensin por tratarse de una matriz cuadrada. Como el rango de A es a o n, la ecuacin homognea A = 0 tiene solucin unica. o e x o Verdaderamente, cualquier otro sistema de ecuaciones lineales que tenga como matriz de coecien tes la matriz A, A = b , tambin tendr solucin unica. x e a o
Ejercicio 3.38 Bases de la suma de subespacios vectoriales Sea E un K-espacio vectorial de dimensin nita y sean 1 , 2 , . . . , n , 1 , 2 , . . . , m vectores o u u u v v v pertenecientes a E. Estudiar la veracidad o falsedad de la siguiente armacin: o { ( ( } ) ) o u u u v v v v v v E = L 1 , 2 , . . . , n + L 1 , 2 , . . . , m si y slo si 1 , 2 , . . . , n , 1 , 2 , . . . , m es base u u u de E. Solucin: o = Esta implicacin es cierta porque cualquier elemento de E puede expresarse como combinacin o o lineal de los elementos de una base y, en particular, como suma de un elemento del subespacio generado por los primeros elementos de la base con otro perteneciente al subespacio generado por los restantes componentes de la base: ) = ( + + + ) + ( w n+1 v1 + n+2 v2 + + n+m vm . 1 u1 2 u2 n un { } Adems, se tratar de una suma directa porque al ser el conjunto 1 , . . . , n , 1 , . . . , m a a u u v v linealmente independiente, la interseccin de los subespacios generados por elementos no comunes o es el conjunto formado por el elemento neutro: ( ( ) ) L 1 , 2 , . . . , n L 1 , 2 , . . . , m = { 0 }. u u u v v v { } Si 1 , . . . , n , 1 , . . . , vm es base de E, entonces u u v ( ( ) ) E = L 1 , 2 , . . . , n L 1 , 2 , . . . , m . u u u v v v = No siempre se cumple. ( ) ( ) La suma de los subespacios L {(1, 0, 0), (0, 1, 0)} y L {(0, 2, 0), (0, 0, 2)} es el espacio vectorial 3 : ( ) ( ) 3 = L {(1, 0, 0), (0, 1, 0)} + L {(0, 2, 0), (0, 0, 2)} { ) mientras que (1, 0, 0), (0, 1, 0), (0, 2, 0), (0, 0, 2)} no es una base de 3 porque tiene ms de tres a elementos no nulos y distintos.
Ejercicio 3.39 Subespacio generado por la suma de vectores y suma de subespacios { } {v v } Sea un cuerpo conmutativo, E un -espacio vectorial y 1 , 2 , . . . , p , 1 , 2 , . . . , p dos u u u v conjuntos de vectores de E. Qu relacin existe entre e o ) ( ) ) ( ({ v u v v } y L { , , . . . , } + L { , , . . . , } ? u u u1 u2 up v1 v2 vp L 1 + 1 , 2 + 2 , . . . , p + p
Solucin: o La relacin que se cumple es o ) ( ) ( ) ({ v u v v } L { , , . . . , } + L { , , . . . , } v1 v2 vp u1 u2 up L 1 + 1 , 2 + 2 , . . . , p + p u u ({ ) v u v v } porque si L 1 + 1 , 2 + 2 , . . . , p + p , entonces w u u v v v = ( + ) + ( + ) + + ( + ) w 1 2 u2 2 p up p 1 u1 u u = 1 1 + 2 2 + + p p + 1 1 + 2 2 + + p p u v v v ({ ({ }) })

L , ,..., u u1 u2 p L , ,..., v v1 v2 p
({ ) ({ ) } } al poder descomponerse como la concluyendo que L 1 , 2 , . . . , p + L 1 , 2 , . . . , p w u u u v v v suma de un elemento del primer subespacio con otro elemento del segundo subespacio. Hay ocasiones en las que se da la igualdad, por ejemplo si se trata de espacios vectoriales reales y i = 1, 2 . . . , p i = i , el conjunto u v { } v v } {u u u } { u u u1 + 1 , . . . , p + p = 1 + 1 , . . . , p + p = 21 , . . . , 2p , u u resultando ) ( ) ( ) ({ ) ( ) ( } = L { , . . . , } = L {2 , . . . , 2 } = L { , . . . , } + L { , . . . , } . u1 up u1 up v1 vp L 1 , . . . , p u u v1 vp En otras ocasiones, la inclusin es estricta, por ejemplo si i = 1, 2 . . . , p i = i , el conjunto o u v { u u } { } v v } {u u1 + 1 , . . . , p + p = 1 1 , . . . , p p = 0 u u ({ }) { } siendo L 0 = 0 y si alguno de los vectores i no es nulo, u { } 0 ) ) ( ) ( ) ( ({ } = L { , . . . , } = L { , . . . , } + L { , . . . , } . u1 up v1 vp v1 vp L 1 , . . . , p u u
Ejercicio 3.40 Rango de un conjunto suma de vectores { } {v v } Sea un cuerpo conmutativo, E un -espacio vectorial y 1 , 2 , . . . , p , 1 , 2 , . . . , p dos u u u v conjuntos de vectores de E. Se dene rango de un conjunto de vectores como la dimensin del subespacio vectorial generado o por ese conjunto de vectores. Demostrar que ({ ) ( ) ( ) v u v v } rango { , , . . . , } + rango { , , . . . , } . a) rango 1 + 1 , 2 + 2 , . . . , p + p u u u1 u2 up v1 v2 vp
b) Si A y B son matrices de la misma dimensin y con coecientes en o rango(A + B) rango(A) + rango(B). Solucin: o
K, entonces
a) Por el ejercicio 3.39, ({ ) ( ) ( ) v u v v } L { , , . . . , } + L { , , . . . , } . L 1 + 1 , 2 + 2 , . . . , p + p u u u1 u2 up v1 v2 vp Aplicando que la dimensin de un subespacio es menor o igual que la dimensin del subespacio o o que lo contiene y la frmula (12) de Grassmann, resulta que o ( ({ )) ( ( ) ( )) v u v } dim L { , , . . . , } + L { , , . . . , } dim L 1 + 1 , 2 + 2 , . . . , p + p u u v u1 u2 up v1 v2 vp )) ( )) ( ( ) ( ( ( ({ )) } +dim L { , . . . , } dim L { , . . . , } L { , . . . , } v1 vp v1 vp u1 up = dim L 1 , . . . , p u u ( ({ )) ( ( )) } +dim L { , . . . , } dim L 1 , . . . , p u u v1 vp o, equivalentemente, ({ ) ( ) ( ) v u v v } rango { , , . . . , } + rango { , , . . . , } . rango 1 + 1 , 2 + 2 , . . . , p + p u u u1 u2 up v1 v2 vp b) El rango de una matriz A Mnp ( ) es la dimensin del subespacio generado por las columnas o de la matriz A, entendidas como vectores pertenecientes a n . { } Interpretando que los vectores 1 , 2 , . . . , p son las columnas de la matriz A y los vectores u u u { } v1 , v2 , . . . , p son las columnas de la matriz B, v
( u u A = 1 2 se tiene que
) ( ) ( ) , B = . . . y A+B = + + . . . + , up v1 v2 vp u1 v1 u2 v2 up vp ) , ,..., } u1 u2 up ({ ) } v v v rango(B) = rango 1 , 2 , . . . , p ({ ) v u v v } rango(A + B) = rango 1 + 1 , 2 + 2 , . . . , p + p u u rango(A) = rango ({
e inmediatamente, de la desigualdad obtenida en el apartado a), se concluye que rango(A + B) rango(A) + rango(B).
Ejercicio 3.41 Dimensin del subespacio vectorial suma de dos subespacios vectoriales o Sean H1 y H2 dos subespacios de un -espacio vectorial de dimensin nita, V. Demostrar la o frmula de las dimensiones (Grassmann): o
dim H1 + dim H2 = dim(H1 + H2 ) + dim(H1 H2 ).
(12)
Solucin: { o } Sea B0 = , , . . . , una base de H1 H2 . e1 e2 em Como H1 H2 H1 y H1 H2 H2 , por el teorema de extensin de una base, el conjunto B0 o puede completarse para obtener una base B1 de H1 y una base B2 de H2 : { { } } B1 = B0 S1 = B0 1 , 2 , . . . , r y B2 = B0 S2 = B0 1 , 2 , . . . , s . u u u v v v El conjunto de vectores B = B0 S1 S2 es una base de H1 + H2 ya que B es un sistema generador de H1 + H2 . Cualquier vector H1 + H2 puede expresarse de la forma = + donde H1 y w w u v u H . v
2
El vector es combinacin lineal de vectores de B1 = B0 S1 y el vector es combinacin u o v o es combinacin lineal de los vectores lineal de vectores de B2 = B0 S2 , por tanto, el vector w o de B = B0 S1 S2 . B es un sistema linealmente independiente. { }s { }m { }r Sean los escalares k k=1 , i i=1 y j j=1 tales que
m k=1
k + ek
r i=1
i i + u
s j=1
j j = 0 . v
(13)
El vector = w
m k=1
k + ek
r i=1
i i = u
s j=1
j j v
pertenece a H1 porque es combinacin lineal de los vectores de B0 S1 y tambin pertenece a o e H2 porque es combinacin lineal de los vectores de S2 , luego H1 H2 y se puede expresar o w como combinacin lineal de los vectores de B0 : o = w resultando
m l=1 m l=1 s j=1
l l = e
s j=1
j j , v
l l + e
j j = 0 . v
Como B2 es un sistema linealmente independiente, 1 = 2 = = m = 1 = 2 = = s = 0. Sustituyendo los valores de los escalares en la ecuacin (13), se obtiene o
m k=1
k + ek
r i=1
i i = 0 . u
Al ser B1 un sistema linealmente independiente, 1 = 2 = = m = 1 = 2 = = r = 0, luego la unica combinacin lineal nula de los vectores de B es la trivial, cuando todos los escalares o son cero.
Seg n el nmero de elementos de las bases de cada subespacio: u u dim(H1 H2 ) = m, dim(H1 ) = m + r, dim(H2 ) = m + s, dim(H1 + H2 ) = m + r + s, deducindose inmediatamente que e dim H1 + dim H2 = dim(H1 + H2 ) + dim(H1 H2 ) .
Ejercicio 3.42 Clculo de la suma e interseccin de dos subespacios de 3 a o Calcular la dimensin y hallar una base de los subespacios vectoriales de o { }
R3
si U = (0, y, z)
R3 : y, z R
U +V y U V ( ) y V = L {(1, 1, 1), (1, 2, 1)} . Es U V un subespacio vectorial?
Solucin: o El conjunto de vectores
{ } BU = 1 = (0, 1, 0), 2 = (0, 0, 1) u u
es una base del subespacio vectorial U, por lo que dim(U ) = 2. Claramente, los dos vectores generadores del subespacio vectorial V son linealmente independientes, luego dim(V ) = 2. Los vectores del subespacio U V tienen que ser de la forma (0, y, z) y ser combinacin lineal de o los vectores 1 = (1, 1, 1) y 2 = (1, 2, 1), luego v v (0, y, z) = (1, 1, 1) + (1, 2, 1) de donde resulta el sistema de ecuaciones lineales +=0 + 2 y = 0 +z =0 que equivale a + = 0 y =0 z=0
y que proporciona los vectores de la forma (0, , 0) = (1, 1, 1) + (1, 2, 1), luego El conjunto BU V { U V = (0, , 0) 3 : { } = (0, 1, 0) es una base de U V y
R}.
dim(U V ) = 1. Aplicando la frmula de Grassmann (12), o dim(U + V ) = dim(U ) + dim(V ) dim(U V ) = 2 + 2 1 = 3,
{ } luego U + V = 3 y el conjunto BU +V = (1, 0, 0), (0, 1, 0), (0, 0, 1) es una base de U + V. El conjunto U V no es un espacio vectorial ya que hay combinaciones lineales de vectores de U V que no pertenecen a U V. Por ejemplo,
+ U U V u1 u2
y 1 V U V v
v u u mientras que = 1 1 2 = (1, 0, 0) no pertenece U V porque no pertenece ni a U su primera w v coordenada no es nula ni a V no es combinacin lineal de 1 y 2 pues el sistema de ecuaciones o v resultante de la relacin (1, 0, 0) = (1, 1, 1) + (1, 2, 1), o +=1 + 2 = 0 +=0 es incompatible.
Ejercicio 3.43 Clculo de la suma e interseccin de dos subespacios de a o Sean los vectores = (1, 1, 1, 1, 0), u1 = (0, 1, 1, 1, 0), u4 elementos del espacio vectorial = (0, 1, 1, 0, 0), u2 = (0, 0, 1, 1, 0), u
5
R5
= (1, 0, 1, 0, 0), u3 = (1, 0, 0, 1, 0) u

6
R5 expresados en coordenadas respecto a la base cannica. Sean o
( ) ( ) U = L 1 , 2 , 3 , y V = L 4 , 5 , 6 u u u u u u subespacios de a) U + V. b) U V. Solucin: o a) La dimensin de los subespacios U y V es tres o dim(U ) = dim(V ) = 3 porque, en ambos casos, sus tres vectores generadores son tambin linealmente independientes; e esta conclusin se alcanza aplicando el proceso de eliminacin gaussiano a las matrices formadas o o por los vectores generadores considerados como las, 1 1 1 1 0 1 1 1 1 0 0 1 1 0 0 0 1 1 0 0 , 0 0 1 1 0 1 0 1 0 0 1 0 0 1 0 0 1 1 1 0 0 0 1 1 0 0 1 1 1 0 , 0 0 1 1 0 1 0 0 1 0 obtenindose dos matrices que, en su forma reducida de Gauss, presentan tres escalones. e
R5. Se pide calcular una base de los siguientes subespacios:
Una manera de calcular la dimensin y obtener una base del subespacio U + V consiste en aplicar o el procedimiento de eliminacin gaussiana a una matriz cuyas las son los generadores de los dos o subespacios: 1 1 1 1 0 1 1 1 1 0 0 1 1 0 0 0 1 1 0 0 1 0 0 0 1 1 0 1 0 0 . 0 1 1 1 0 0 1 0 0 0 0 0 1 1 0 0 0 0 0 0 1 0 0 1 0 0 0 0 0 0 Como la forma reducida de Gauss tiene cuatro escalones, la dimensin de la suma es cuatro, o dim(U + V ) = 4, y las primeras las de esta forma reducida constituyen una base del subespacio suma: { } BU +V = (1, 1, 1, 1, 0), (0, 1, 1, 0, 0), (0, 0, 1, 1, 0), (0, 0, 0, 1, 0) . b) La suma de los subespacios U y V no puede ser una suma directa porque la dimensin de 5 o espacio vectorial en el que est incluidos es inferior a la suma de las dimensiones de estos a } { subespacios, por tanto, U V = 0 . Un procedimiento para calcular la interseccin de dos subespacios se basa en hacer uso de las o ecuaciones lineales que denen a los subespacios. La expresin paramtrica de un elemento del subespacio U es o e (x, y, z, u, v) = 1 + 2 + 3 = ( + , + , + , , 0). u u u Las ecuaciones paramtricas asociadas a la expresin anterior son e o x=+ y =+ z =+ . u= v=0 Eliminando los parmetros, las ecuaciones que satisfacen los elementos del subespacio U son a } xyz+u=0 . v=0 Repitiendo el proceso para el subespacio V, tambin se alcanzan las ecuaciones requeridas. e La expresin paramtrica de un elemento del subespacio V es o e (x, y, z, u, v) = 4 + 5 + 6 = (, , + , + + , 0). u u u Las ecuaciones paramtricas asociadas a la expresin anterior son e o x= y= z = + . u = + + v=0
Eliminando los parmetros, las ecuaciones que satisfacen los elementos del subespacio V son a } x + 2y + z u = 0 . v=0 Los elementos pertenecientes a la interseccin de los dos subespacios son las soluciones del sistema o lineal formado por las ecuaciones de ambos subespacios, x y z + u = 0 x + 2y + z u = 0 . v=0 Se trata de un sistema compatible indeterminado cuyas soluciones forman un subespacio vectorial de dimensin 2 porque la dimensin total es 5 y el rango de la matriz de coecientes es 3. Su o o resolucin nos permite armar que o { } U V = (1, 2, 0, 3, 0) + (0, 0, 1, 1, 0) : , ,
siendo una base de U V.
{ } BU V = (1, 2, 0, 3, 0), (0, 0, 1, 1, 0)
Ejercicio 3.44 Suma de subespacios generados por conjuntos disjuntos Sea E un -espacio vectorial y sean B1 y B2 son dos conjuntos de vectores de E que generan respectivamente los subespacios L(B1 ) y L(B2 ). Analizar si es cierta o falsa la equivalencia
B1 B2 = L(B1 ) + L(B2 ) es suma directa. Solucin: o Para que una equivalencia sea cierta, tienen que ser ciertas las dos implicaciones que la componen. = Si B1 B2 = , entonces L(B1 ) + L(B2 ) es suma directa. Esta implicacin es falsa. o En
R2, los conjuntos B1 = {(1, 0), (0, 1)} y B2 = {(1, 0), (0, 1)} son disjuntos mientras que { } L(B1 ) L(B2 ) = R2 R2 = R2 = 0 . R
{ }
= Si L(B1 ) + L(B2 ) es suma directa, entonces B1 B2 = . Esta implicacin tambin es falsa. o e En 2 , la suma de los subespacios generados por los conjuntos B1 = { } (0, 1), (0, 0) es directa porque { } L(B1 ) L(B2 ) = 0 pero B1 y B2 no son disjuntos porque B1 B2 = Sin embargo, es cierta la armacin siguiente: o { } 0 = . (1, 0), (0, 0) y B2 =
3 ESPACIOS VECTORIALES { } 0 .
Si L(B1 ) + L(B2 ) es suma directa, entonces B1 B2 = o B1 B2 =
La demostracin se realiza por reduccin al absurdo suponiendo que existe = 0 tal que o o v B B . v 1 2 { } En esta situacin, el subespacio generado por es distinto del subespacio trivial 0 y est ino v a cluido en los subespacios generados por B1 y B2 , { } 0 por lo que L ({ }) L(B ) y { } v 0 1 L ({ }) L(B ) v 2
({}) { } L v L(B1 ) L(B2 ) = 0
y la suma de L(B1 ) con L(B2 ) no es directa, contra la hiptesis que arma que s lo es. o En denitiva, si la suma L(B1 ) + L(B2 ) es directa, entonces no puede haber vectores no nulos que pertenezcan a la vez a B1 y a B2 .
Ejercicio 3.45 Suma de un subespacio consigo mismo Demostrar que si U es un subespacio vectorial del -espacio vectorial V, entonces
U + U = U. Solucin: o El subespacio suma de U consigo mismo es { } U + U = 1 + 2 : 1 U, 2 U U u u u u porque al ser U subespacio vectorial la suma de dos elementos de U pertenece a U. Por otra parte, cualquier subespacio est contenido en la suma de l mismo con otro subespacio, a e luego U U + U. Al cumplirse la doble inclusin, se puede asegurar que o U + U = U.
Ejercicio 3.46 Condicin de igualdad de subespacios o Sean U y V dos subespacios vectoriales de dimensin nita del o Demostrar que a) U = V si y solamente si dim(U ) = dim(V ) = dim(U + V ). b) U = V si y solamente si dim(U ) = dim(V ) = dim(U V ). Solucin: o
K-espacio vectorial W.
a) La equivalencia se demuestra comprobando la doble implicacin. o
= Si U = V, entonces30 U + V = U + U = U, luego dim(U ) = dim(V ) = dim(U + V ). = Como U U + V y por hiptesis dim(U ) = dim(U + V ), entonces31 o U = U + V. Del mismo modo, como V U + V y dim(V ) = dim(U + V ), entonces V = U + V. En denitiva, U = U + V = V. b) La equivalencia se demuestra comprobando la doble implicacin. o = Si U = V, entonces U V = U = V, luego dim(U ) = dim(V ) = dim(U + V ). = Como U V U y por hiptesis dim(U ) = dim(U V ), entonces32 o U = U V. Como tambin U V V y dim(V ) = dim(U V ), entonces e V = U V. Reuniendo las igualdades anteriores, U = U V = V.
Ejercicio 3.47 Suma del subespacio generado por un conjunto menos un elemento con el subespacio generado por ese elemento Sea E un -espacio vectorial, T E y T. v Demostrar que ( ({ }) {}) L(T ) = L T v +L . v
Solucin: o La igualdad de conjuntos se demuestra mediante la doble inclusin: o

30 31
Vase el ejercicio 3.45. e Vase el ejercicio 3.27. e 32 Vase el ejercicio 3.27. e
3 ESPACIOS VECTORIALES Sea L(T ). w es combinacin lineal de elementos de T 33 : , , . . . , , v w o y 1 , 2 , . . . , n , T v v v 1 2 n tales que ( ) ( ) = + + + + = + L T { } + L { } w w w v1 v2 vn v v v 1 2 n 1 2
({ } ) ( {}) v v y w2 = L , luego v v v v ya que 1 = 1 1 + 2 2 + + n n L T w ( ) ( ) L T { } + L { } . w v v El caso = 0 puede darse y no contradice el razonamiento seguido. ({ }) ( {}) { } {} L(T ), v L(T ) y L v v v Como T T y T, es inmediato que L T luego ( ( { }) { }) L(T ). L T v +L v
Ejercicio 3.48 Suma directa de subespacios vectoriales Estudiar si es directa la suma de los siguientes subespacios: a) U1 = {(a, 0) : a }, U2 = {(0, b) : b } y U3 = {(c, c) : c }, contenidos en { } { } b) S1 = (, , 0, 0) : , y S2 = (, 0, 0, ) : , , contenidos en 4 .
R2.
Solucin: o a) La suma de subespacios U1 + U2 + U3 no es directa porque al ser U1 + U2 = entonces (U1 + U2 ) U3 = U3 = . Adems, un elemento cualquiera de U1 + U2 + U3 = a como suma de elementos de U1 , U2 y U3 :
R2, R2 puede representarse de varias maneras
(1, 1) = (1, 0) + (0, 1) = (2, 0) + (0, 2) (1, 1) = sin embargo, si la suma fuera directa, la representacin ser unica. o a b) La suma de dos subespacios vectoriales es el subespacio vectorial formado por todos los vectores que se obtienen como suma de un vector del primer subespacio vectorial con otro del segundo: { } { } S1 + S2 = (, , 0, 0) + (, 0, 0, ) : , , , = ( + , , 0, ) : , , , .
Cualquier elemento de S1 + S2 puede expresarse de la siguiente manera: (+, , 0, ) = (+)(1, 0, 0, 0)+(0, 1, 0, 0)+(0, 0, 0, 1) = (1, 0, 0, 0)+(0, 1, 0, 0)+(0, 0, 0, 1), luego el sistema de vectores { S = (1, 0, 0, 0), (0, 1, 0, 0), (0, 0, 0, 1)}
33
Combinacin lineal de una cantidad nita de elementos distintos de T. Si hubiera elementos iguales, pueden agruparse. o
es generador del subespacio S1 + S2 . Como, adems, S es libre, se trata de una base de S1 + S2 y a dim(S1 + S2 ) = 3. Es evidente que dim(S1 ) = dim(S2 ) = 2. Por la frmula (12) de Grassmann, o dim(S1 S2 ) = dim(S1 ) + dim(S2 ) dim(S1 + S2 ) = 1, luego S1 S2 = { } 0 y la suma S1 + S2 no es directa.
Hay elementos de S1 + S2 que pueden expresarse de varias maneras como suma de un elemento de S1 y otro de S2 , por ejemplo (0, 1, 0, 2) = (1, 1, 0, 0) + (1, 0, 0, 2) = (2, 1, 0, 0) + (2, 0, 0, 2) =
Ejercicio 3.49 Elementos de una suma directa de subespacios vectoriales Sean U y V subespacios vectoriales de un espacio vectorial E tales que U V = E. Estudiar si la armacin siguiente es cierta: o E ( U V ). w w w Solucin: o Si U V, entonces = + con U, V y, adems, esta descomposicin es unica. w w u v u v a o o se anulan, entonces pertenece a V o a U, respectivamente, pero si no es as no Si u v w , w pertenece ni a U ni a V. Por ejemplo, el espacio vectorial 2 puede descomponerse como la suma directa del subespacio vectorial U = {(, 0) : } con el subespacio vectorial V = {(0, ) : },
R2 = {(, 0) : R} {(0, ) : R},

y el vector = (1, 1) 2 no pertenece ni a U ni a V. w La armacin del enunciado no es cierta. o
Ejercicio 3.50 Relacin entre la dimensin de la suma directa y las dimensiones de los sumandos o o Determinar si la siguiente armacin es cierta o falsa: o Si H y G son subespacios de un espacio vectorial E de dimensin nita tales que o dim(H) + dim(G) = dim(E), entonces H + G = E. Solucin: o Se trata de una armacin falsa. o Teniendo en cuenta la ecuacin (12), o dim(H + G) = dim(H) + dim(G) dim(H G),
si dim(H) + dim(G) = dim(E) y dim(H G) = 0, entonces dim(H + G) < dim(E) por lo que si son disjuntos la suma de los subespacios H y G no puede ser E. En el espacio vectorial real de dimensin 3, E = 3 , para los subespacios vectoriales o
H = {(, , 0) : ,
R}
y G = {(, 0, 0) :
R}
de dimensiones 2 y 1, respectivamente, se cumple dim(H) + dim(G) = 3 = dim(E) mientras que H +G=H E.
En las condiciones del enunciado, de la frmula (12) se desprende que la armacin o o Si dim(H) + dim(G) = dim(E) y H G = es cierta. { } 0 , entonces H + G = H G = E
Ejercicio 3.51 Subespacio unin de conjuntos o Sea W un -espacio vectorial y U, V W. Estudiar si la siguiente armacin es verdadera: o
U V es un subespacio vectorial si y solamente si U V o V U . Solucin: o Ninguna de las dos implicaciones es cierta porque no se exige ninguna estructura a los subconjuntos U y V. Sirvan como contraejemplos los siguientes conjuntos del -espacio vectorial 2 : { } { } = Si U = (1, 0) y V = (1, 0), (0, 1) , entonces U V pero U V = V no es un subespacio vectorial de 2 porque el elemento neutro de 2 no pertenece a V. { } { } = Si U = 2 (1, 0) y V = (1, 0) , entonces U V = 2 es un subespacio vectorial de 2 pero ni U V ni V U porque U V = .
Ejercicio 3.52 Unin de subespacios vectoriales o Sean U y V dos subespacios vectoriales de un espacio vectorial E. Demostrar que U V es un subespacio vectorial de E si y solamente si U V o V U. Solucin: o Para demostrar la equivalencia hay que comprobar la doble implicacin. o
= Esta implicacin se demuestra mediante el procedimiento de reduccin al absurdo: negando o o la tesis a demostrar y llegando a una contradiccin con las hiptesis. o o A la hiptesis inicial de que U V es un subespacio vectorial, le aadimos la negacin de la tesis o n o que se reduce a que ni U V ni V U. Por tanto, existe un vector que pertenece a U y no pertenece a V y existe un vector que u v pertenece a V y no pertenece a U. Tanto como pertenecen al subespacio vectorial U V, luego + U V y, en u v u v consecuencia, + U o + V. u v u v En cualquiera de los supuestos se llega a una contradiccin: o Si + U, como U y U es un subespacio vectorial, entonces u v u = ( + ) U. v u v u Contradiccin con que U. o v + V, como V y V es un subespacio vectorial, entonces Si u v v = ( + ) V. u u v v Contradiccin con que V. o u = Si U V, entonces U V = V y si V U, entonces U V = U. En cualquiera de estos casos, la unin de estos subespacios es un subespacio vectorial de E. o La unin de dos subespacios vectoriales slo es un subespacio vectorial cuando uno de los subeso o pacios contiene al otro.
Ejercicio 3.53 Unin de subespacios vectoriales de dimensin 1 o o Demostrar que la unin de todos los subespacios vectoriales de dimensin 1 de un espacio vectorial, o o { } V = 0 , es igual a V. Solucin: o { } Sea V un espacio vectorial tal que V = 0 y sea U la unin de todos los subespacios vectoriales o de dimensin 1 de V. o U = V porque se cumple la doble inclusin: o Es evidente que U V porque los todos los subespacios vectoriales de V estn contenidos en V. a Tambin V U porque si V y = 0 , entonces el subespacio generado solamente por es e x x x U. de dimensin 1 y consecuentemente est entre los que unidos proporcionan U, luego x o a La unin de subespacios vectoriales no siempre es un subespacio vectorial. Sin embargo, en el caso o que nos ocupa,}s lo es porque la unin coincide con el espacio vectorial total. o { o o a o Si V = 0 , no hay subespacios de dimensin 1 y su unin ser el conjunto vac que no coincide { } o con V. Por este motivo, la condicin V = 0 es fundamental para que se cumpla la armacin. o
Ejercicio 3.54 Unin de subespacios vectoriales con interseccin distinta del vector nulo o o Estudiar la veracidad o falsedad de la armacin siguiente, suponiendo que U y V son subespacios o vectoriales del -espacio vectorial E : { } Si U V = 0 , entonces U V es un subespacio vectorial.
Solucin: o La unin de subespacios vectoriales no es, en general, un subespacio vectorial34 . o { } La condicin U V = 0 no es suciente para asegurar que U V sea un subespacio vectorial, o como ilustra el contraejemplo siguiente: Sean los subespacios vectoriales U = {(, , 0) 3 : , } y V = {(, 0, ) 3 : , }. U V no es un subespacio vectorial porque (1, 0, 1) V U V y (1, 1, 0) U U V, mientras que su suma, (1, 0, 1) + (1, 1, 0) = (2, 1, 1) no pertenece a dicha unin porque no pertenece ni a U ni a o V. Adems, a { } U V = {(, 0, 0) 3 : } = 0 .
Ejercicio 3.55 Variedad generada por la unin de conjuntos de vectores o Sea V un -espacio vectorial y A, B V. Demostrar que L(A) L(B) L(A B).
Se cumple la otra inclusin? o Solucin: o Como A A B y B A B, L(A) L(A B) y L(B) L(A B), luego L(A) L(B) L(A B). La otra inclusin no tiene que cumplirse siempre porque L(A B) es un subespacio vectorial en o cualquier caso mientras que L(A) L(B) no siempre lo es. Por ejemplo, en el -espacio vectorial 2 , para los subconjuntos de vectores A = {(1, 0)} y B = {(0, 1)} se tiene
L(A) = {(, 0) : y, claramente,
R},
L(B) = {(0, ) :
R}
y L(A B) =
R2
L(A) L(B) = {(, 0) :
R} {(0, ) : R} = R2 = L(A B).
Ejercicio 3.56 Los subespacios vectoriales de matrices simtricas y de matrices antisimtricas e e Sea Mn ( ) el espacio vectorial real de las matrices cuadradas de orden n con coecientes reales. Se dice que una matriz cuadrada, M, es simtrica si es igual a su traspuesta (M = M T ) y que e es antisimtrica si es igual a la opuesta de su traspuesta (M = M T ). Se pide: e
34
Vase el ejercicio 4.19. e
a) Demostrar que el conjunto de las matrices simtricas de orden n, e Sn ( ) = {M Mn ( ) : M = M T }, es un subespacio vectorial de Razonar si puede decirse lo mismo del conjunto de las matrices antisimtricas e An ( ) = {M Mn ( ) : M = M T }.
R Mn (R). R
b) Demostrar que M Mn ( ) la matriz antisimtrica. e c) Demostrar que Mn ( ) = Sn ( ) An ( ). d)
1 2 (M
+ M T ) es simtrica y la matriz e
1 2 (M
M T ) es
R Calcular la dimensin y una base de S2 (R) y de A2 (R). o R R R R R R
Solucin: o a) Sn ( ) = {M Mn ( ) : M = M T } es un subespacio vectorial de Mn ( ) porque es distinto del vac la matriz nula pertenece a Sn ( ) y porque M, N Sn ( ) y , , aplicando las o propiedades de la trasposicin de matrices35 , o (M + N )T = M T + N T = M + N. Del mismo modo, An ( ) = {M Mn ( ) : M = M T } es un subespacio vectorial de Mn ( ) porque es distinto del vac la matriz nula pertenece a An ( ) y porque M, N An ( ) y o , , aplicando las propiedades de la trasposicin de matrices, o
(M + N )T = M T + N T = (M ) + (N ) = (M + N ). b) La matriz 1 (M + M T ) es simtrica porque36 e 2 (1 2 (M + M T ) )T = ) 1 1( T M + (M T )T = (M T + M ). 2 2
La matriz 1 (M M T ) es antisimtrica porque e 2 (1 )T 1 ( ) 1 1 (M M T ) = M T (M T )T = (M T M ) = (M M T ). 2 2 2 2
c) Mn ( ) = Sn ( ) + An ( ) porque cualquier matriz cuadrada M puede descomponerse como suma de una matriz simtrica y otra antisimtrica ya que e e 1 1 (M + M T ) + (M M T ) = M. 2 2 Solamente la matriz nula pertenece a Sn ( ) An ( ) porque si M = (mij ) es una matriz simtrica, e entonces i, j = 1, 2, . . . , n mij = mji y si M es una matriz antisimtrica, entonces e i, j = 1, 2, . . . , n mij = mji ,
La traspuesta de una suma de matrices es la suma de las matrices traspuestas y la traspuesta de un escalar por una matriz es el escalar multiplicado por la traspuesta de la matriz. 36 La traspuesta de la traspuesta de una matriz coincide con la matriz inicial.
35
luego la unica posibilidad de que una matriz sea simtrica y antisimtrica es que e e i, j = 1, 2, . . . , n mij = mji = mji = 0. En denitiva, { } Sn ( ) An ( ) = (0) .
Como la suma de los subespacios Sn ( ) y An ( ) es el espacio total y la interseccin est formada o a unicamente por el elemento neutro, se trata de una suma directa Sn ( ) An ( ) = Mn ( ). e d) Las matrices simtricas de orden 2 son de la forma ) ( ( ) ( ) ( ) m11 m12 1 0 0 1 0 0 = m11 M= + m12 + m22 , m12 m22 0 0 1 0 0 1 luego las matrices ( ) ( ) ( ) 1 0 0 1 0 0 , , 0 0 1 0 0 1 porque la unica combinacin lineal suya o ) ( ) 0 = 1 0
generan S2 ( ). Tambin son linealmente independientes e ( ) ( ) ( 1 0 0 1 0 + + 0 0 1 0 0
que proporciona la matriz nula es = = = 0. En denitiva, forman una base de S2 ( ). S2 ( ) es un subespacio vectorial de dimensin 3. o Todos los elementos de la diagonal de una matriz antisimtrica son nulos porque e i = 1, 2, . . . , n mii = mii . Adems, m12 = m21 , luego la forma general de una matriz antisimtrica de orden 2 es a e ( ) ( ) 0 m12 0 1 M= = m12 . m12 0 1 0 La matriz ) 0 1 genera A2 ( ) y es libre al no ser nula, luego forma una base de A2 ( ) que 1 0 por tanto tiene dimensin 1. o (
Z2
Ejercicio 3.57 El espacio vectorial de polinomios de grado menor o igual que 2 con coecientes en
El conjunto ( 2 )2 [x] de polinomios en una indeterminada y de grado menor o igual que 2 es un espacio vectorial sobre el cuerpo 2 con las operaciones habituales37 de suma y producto por un escalar mdulo 2. o Se pide:
a) Hallar todos los elementos de (

37
Z2)2[x].
Denidas en el ejercicio 2.1.
b) Determinar el nmero de elementos de un subespacio vectorial de dimensin 1 de ( u o todos los subespacios vectoriales de dimensin 1 de ( 2 )2 [x]. o
Z2)2[x] y hallar
c) Demostrar que todo subconjunto de dos polinomios distintos y no nulos es libre. d) Determinar todos los subespacios vectoriales de dimensin 2 de ( o elementos de cada subespacio.
Z2)2[x] y especicar el nmero de u
e) Hallar una base de L(1 + x, x + x2 ) L(1 + x2 , x) y otra de L(1 + x, x + x2 ) L(1 + x2 , x). Solucin: o a) El conjunto de polinomios en una indeterminada y de grado menor o igual que 2 con coecientes en 2 es ( 2 )2 [x] = {a0 + a1 x + a2 x2 : a0 , a1 , a2 2 }.
Los coecientes de los polinomios de ( 2 )2 [x] slo pueden ser 0 o 1, luego en ( 2 )2 [x] hay 8 o elementos, tantos como variaciones con repeticin de 2 elementos tomados de 3 en 3: VR3 = 22 = 8. o 2 Por tanto, ( b) El cuerpo p(x) es
Z2)2[x] = {0, 1, x, x + 1, x2, x2 + 1, x2 + x, x2 + x + 1}.

L(p(x)) = {0p(x), 1p(x)} = {0, p(x)}.
Z2 slo tiene dos elementos, 0 y 1, luego el subespacio generado por un slo polinomio o o
Los subespacios de dimensin 1 slo tienen 2 elementos: el neutro y el polinomio generador. o o Cada polinomio no nulo de ( 2 )2 [x] genera un subespacio de dimensin 1 distinto del generado o por los dems, luego en total hay 7 subespacios vectoriales de dimensin 1. a o c) Puede demostrarse la siguiente propiedad: Si p(x) y q(x) son polinomios distintos y no nulos de (
Z2)2[x], entonces
p(x) + q(x) = 0 = = 0. = Si = = 0, entonces p(x) + q(x) = 0 p(x), q(x) (
Z2)2[x].
= De los hipotticos cuatro casos posibles, hay tres que no pueden darse: e Si = 1 y = 0, entonces p(x) + q(x) = p(x) = 0. Si = 0 y = 1, entonces p(x) + q(x) = q(x) = 0. Si = = 1, entonces p(x) + q(x) = p(x) + q(x) = 0. Esto es as ya que al ser p(x) = q(x), al menos los polinomios dieren en uno de los coecientes. Sea ai un coeciente de p(x) distinto del correspondiente coeciente bi de q(x), entonces ai + bi = 0 pues la suma de dos elementos de 2 es cero si y slo si o los dos elementos son iguales y uno si y slo si son distintos. Por tanto, no puede ser o p(x) + q(x) = 0.
La unica posibilidad de que p(x) + q(x) = 0 es que = = 0. De esta propiedad, se deduce que todo conjunto formado por dos polinomios de ( 2 )2 [x] distintos y no nulos es libre porque la unica combinacin lineal suya igual a cero es la que tiene los dos o coecientes nulos.
d) Cualquier subespacio vectorial generado por polinomios distintos y no nulos, p(x) y q(x) de ( tiene 4 elementos: ( ) L p(x), q(x) = {p(x) + q(x) : ,
Z2)2[x],
Z2} = {0,
p(x), q(x), p(x) + q(x)}.
Claramente, no puede ser p(x) + q(x) = p(x) ni p(x) + q(x) = q(x) porque p(x) = 0 y q(x) = 0. Cualquier par de polinomios no nulos de ( Hay (
Z2)2[x] genera un subespacio vectorial de dimensin 2. o

) = 76 = 21 2
7 2
pares38 distintos de polinomios no nulos de ( 2 )2 [x], pero este nmero no corresponde con el u nmero de subespacios porque pares distintos pueden generar el mismo subespacio vectorial. u La gura 4 se ha obtenido analizando exhaustivamente todas las situaciones posibles. En total, hay 7 subespacios vectoriales de dimensin 2 en el espacio vectorial ( 2 )2 [x]. o
Subespacios {0, 1, x, x + 1} {0, 1, x2 , x2 + 1} {0, 1, x2 + x, x2 + x + 1} {0, x, x2 , x2 + x} {0, x, x2 + 1, x2 + x + 1} {0, x + 1, x2 , x2 + x + 1} {0, x + 1, x2 + 1, x2 + x} L(1, x) L(1, x2 ) L(1, x2 + x) L(x, x2 ) L(x, x2 + 1) L(x + 1, x2 ) L(x + 1, x2 + 1)
Generadores L(1, x + 1) L(1, x2 + 1) L(1, x2 + x + 1) L(x, x2 + x) L(x, x2 + x + 1) L(x + 1, x2 + x + 1) L(x + 1, x2 + x) L(x, x + 1) L(x2 , x2 + 1) L(x2 + x, x2 + x + 1) L(x2 , x2 + x) L(x2 + 1, x2 + x + 1) L(x2 , x2 + x + 1) L(x2 + 1, x2 + x)
Figura 4: Los subespacios vectoriales de dimensin 2 de ( o
Z2)2[x]
e) La interseccin de los dos subespacios es otro subespacio de dimensin 1: o o L(x + 1, x2 + x) L(x, x2 + 1) = {0, x + 1, x2 + x, x2 + 1} {0, x, x2 + 1, x2 + x + 1} = {0, x2 + 1}. Una base de la interseccin es B = {x2 + 1}. o La unin de los dos subespacios no es un subespacio vectorial o L(x + 1, x2 + x) L(x, x2 + 1) = {0, x, x + 1, x2 + x, x2 + 1, x2 + x + 1} porque no es cerrado respecto a la suma: x + (x + 1) = 1 L(x + 1, x2 + x) L(x, x2 + 1). El subespacio generado por la unin de las bases de estos subespacios, L(x, x + 1, x2 + x, x2 + 1), o es el espacio total porque los polinomios x, x + 1, x2 + x forman un sistema libre pues para que una combinacin lineal de estos vectores sea cero, o x + (x + 1) + (x2 + x) = + ( + + )x + x2 = 0,
38
Combinaciones de siete elementos tomados de dos en dos.
tiene que ser
=0 ++ =0 =0 es decir, = = = 0. Adems, la dimensin de ( a o
Z2)2[x] es 3 porque {1, x, x2} es una base.
Ejercicio 3.58 El espacio vectorial de los cuaterniones El conjunto de los cuaterniones, descubierto por el matemtico irlands Sir W.R. Hamilton (1805a e 1865), tiene estructura de cuerpo no conmutativo y es un espacio vectorial sobre de dimensin nita. o Sea el conjunto de matrices a b c d T b d c A C a = H = q(a, b, c, d) = : a, b, c, d M4 ( ). c d a b C AT d c b a
Se pide: a) Demostrar que H es un subespacio vectorial de M4 ( ) con las operaciones habituales de suma de matrices y multiplicacin de una matriz por un escalar real. o b) Hallar una base de H y establecer su dimensin. o c) Demostrar que H es cerrado respecto al producto de matrices. d) Demostrar que si q(a, b, c, d) H, entonces q(a, b, c, d)T H. e) Calcular q(a, b, c, d) q(a, b, c, d)T y concluir que todas las matrices de H salvo la matriz nula son invertibles. f ) Encontrar dos cuaterniones cuyo producto no conmute. g) Hallar q(0, 1, 0, 0)n n Solucin: o a) H es un subespacio vectorial de M4 ( ) con las operaciones habituales de suma de matrices y multiplicacin de una matriz por un escalar real si y slo si o o q(a, b, c, d) + q(e, f, g, h) H ,
N. R
y q(a, b, c, d), q(e, f, g, h) H.
Realizando las operaciones matriciales por bloques sobre una combinacin lineal de cuaterniones y o aplicando las propiedades de la matriz traspuesta, se establece la siguiente cadena de igualdades: E GT A + E C T GT A C T + = C AT G ET C + G AT + E T A + E (C + G)T . = C + G (A + E)T
Los bloques A + E y C + G tiene la forma requerida para constituir un cuaternin porque o ) ( ) ( ) ( a b e f a + e (b + f ) + = , A + E = b a f e b + f a + e ( ) ( ) ( ) c d g h c + g (d + h) C + G = + = . d c h g d + h c + g Por tanto, cualquier combinacin lineal de cuaterniones es un cuaternin y H es un subespacio o o vectorial de M4 ( ).
b) El conjunto de cuaterniones B = {q(1, 0, 0, 0), q(0, 1, 0, 0), q(0, 0, 1, 0), q(0, 0, 0, 1)} = 0 1 0 0 0 0 1 0 0 0 0 1 1 0 0 0 0 1 0 0 1 0 0 0 0 0 0 1 0 0 1 0 , , , = 0 0 1 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 0 1 0 0 1 0 0 1 0 0 1 0 0 0 genera el subespacio H porque a b c d b a d c = q(a, b, c, d) = c d a b d c b a 1 0 0 0 0 1 0 0 0 0 1 0 0 1 0 0 1 0 0 0 0 1 + c 0 0 + d = a 0 0 1 0 + b 0 1 0 0 0 1 0 0 0 0 0 1 0 0 1 0 0 1 0 0 = a q(1, 0, 0, 0) + b q(0, 1, 0, 0) + c q(0, 0, 1, 0) + d q(0, 0, 0, 1). Adems, es claro que los unicos valores para los que a a q(1, 0, 0, 0) + b q(0, 1, 0, 0) + c q(0, 0, 1, 0) + d q(0, 0, 0, 1) = q(0, 0, 0, 0), son a = b = c = d = 0, luego B es un conjunto libre. Por tanto, B es una base de H y dim(H) = 4. , c) Debido a que las matrices A, C, AT , C T , E, G, E T y GT conmutan entre s el producto de dos cuaterniones es un cuaternin puesto que la multiplicacin por bloques de dos cuaterniones produce o o una matriz que sigue el esquema de los cuaterniones: A C T E GT AE C T G AGT C T E T = C AT G ET CE + AT G CGT + AT E T AE C T G (CE + AT G)T = CE + AT G (AE C T G)T
0 0 0 1 0 0 1 0 0 1 0 0 1 0 0 0
y, adems, los bloques resultantes tienen la forma requerida: a ( )( ) ( )( a b e f c d g T AE C G = b a f e d c h ( ae bf cg dh (af + be ch + dg) = af + be ch + dg ae bf cg dh ( )( ) ( )( c d e f a b g T CE + A G = + d c f e b a h ( ag + bh + ce df (ah bg + cf + de) = ah bg + cf + de ag + bh + ce df
h g ) , h g ) .
Por tanto, el conjunto H es cerrado respecto a la multiplicacin habitual de matrices y o q(a, b, c, d) q(e, f, g, h) = = q(ae bf cg dh, af + be ch + dg, ag + bh + ce df, ah bg + cf + de). (14) (15)
d) La matriz traspuesta de un cuaternin expresado en forma matricial tambin es un cuaternin o e o ya que calculando la traspuesta de una matriz por bloques y aplicando las propiedades de las traspuestas, se tiene T AT CT M N T A C T AT C T = ( = H, )T ( T )T = C AT C A N MT CT A siendo M = AT y N = C y, adems, se cumple la igualdad a a b c d b c a d q(a, b, c, d)T = q(a, b, c, d) = c d a b b a d c .
e) El producto de un cuaternin por su traspuesto puede calcularse aplicando la frmula (15): o o q(a, b, c, d) q(a, b, c, d)T = = q(a, b, c, d) q(a, b, c, d) = q(a2 + b2 + c2 + d2 , ab + ab + cd cd, ac bd + ac + bd, ad + bc bc + ad) = q(a2 + b2 + c2 + d2 , 0, 0, 0). Del mismo modo puede comprobarse que tambin e q(a, b, c, d)T q(a, b, c, d) = q(a2 + b2 + c2 + d2 , 0, 0, 0). Teniendo en cuenta que el determinante del producto de matrices es el producto de los determinantes, que el determinante de una matriz coincide con el de su traspuesta y que |q(a2 + b2 + c2 + d2 , 0, 0, 0)| = a2 + b2 + c2 + d2 0 0 0 0 a2 + b2 + c2 + d2 0 0 = 2 + b2 + c2 + d2 0 0 a 0 0 0 0 a2 + b2 + c2 + d2 = (a2 + b2 + c2 + d2 )4 ,
puede deducirse que |q(a, b, c, d)| = (a2 + b2 + c2 + d2 )2 . Al ser a2 + b2 + c2 + d2 = 0 si y solamente si a = b = c = 0, todos los cuaterniones, salvo la matriz nula, son regulares porque su determinante es distinto de cero y, consecuentemente, son invertibles. Tambin puede calcularse fcilmente el cuaternin inverso de uno dado porque e a o ( ) 1 q(a, b, c, d) q(a, b, c, d) = q(1, 0, 0, 0) = Id4 , a2 + b2 + c2 + d2 de donde 1 1 q(a, b, c, d)T = 2 q(a, b, c, d) = q(a, b, c, d)1 = 2 2 + c2 + d2 2 + c2 + d2 a +b a +b a b c d 2 + b2 + c2 + d2 2 + b2 + c 2 + d 2 2 + b2 + c2 + d2 a2 + b2 + c2 + d2 a a a a d c b 2 a2 + b2 + c2 + d2 a2 + b2 + c2 + d2 a + b2 + c 2 + d 2 a2 + b2 + c2 + d2 = c d a b 2 a2 + b2 + c2 + d2 a2 + b2 + c2 + d2 a2 + b2 + c2 + d2 a + b2 + c2 + d2 c b a d 2 2 2 + c2 + d2 2 + c2 + d2 2 + b2 + c 2 + d 2 2 + b2 + c2 + d2 a +b a +b a a siempre y cuando a2 + b2 + c2 + d2 = 0. o f ) Aunque el orden de los productos sea irrelevante al multiplicar un cuaternin por su traspuesto, no siempre sucede esto al multiplicar dos cuaterniones cualesquiera. Ni siquiera entre productos de los elementos de la base B puede intercambiarse el orden de multiplicacin: o 0 0 1 0 0 0 0 1 0 1 0 0 0 0 0 1 0 0 1 0 1 0 0 0 = q(0, 0, 1, 0) q(0, 0, 0, 1) = 1 0 0 0 0 1 0 0 0 0 0 1 0 1 0 0 1 0 0 0 0 0 1 0 = q(0, 1, 0, 0), 0 0 0 1 0 0 1 0 0 1 0 0 0 1 0 0 0 0 1 1 0 0 = q(0, 0, 0, 1) q(0, 0, 1, 0) = 0 1 0 0 1 0 0 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 = q(0, 1, 0, 0). Los cuaterniones son un ejemplo de cuerpo no conmutativo. g) El cuadrado de q(0, 1, 0, 0) es 0 1 0 1 0 0 q(0, 1, 0, 0)2 = 0 0 0 0 0 1 El cubo de q(0, 1, 0, 0) es 0 1 q(0, 1, 0, 0)3 = q(0, 1, 0, 0) q(1, 0, 0, 0) = 0 0 1 0 0 0 0 0 0 0 = q(0, 1, 0, 0) = q(0, 1, 0, 0)T . 0 1 1 0 0 1 0 0 1 0 0 0 0 0 1 0 0 0 1 0 1 0 0 0 0 0 1 0 0 0 = 0 1 0 1 0 0 0 0 1 0 = q(1, 0, 0, 0). 0 0 1 0
La cuarta potencia de q(0, 1, 0, 0) es q(0, 1, 0, 0)4 = q(0, 1, 0, 0) q(0, 1, 0, 0)T = Id4 = q(1, 0, 0, 0 = . La quinta potencia vuelve a ser q(0, 1, 0, 0) y los resultados de tal modo que si q(1, 0, 0, 0) q(0, 1, 0, 0) si q(0, 1, 0, 0)n = q(1, 0, 0, 0) si q(0, 1, 0, 0)T si obtenidos se repetirse peridicamente, o n mod 4 = 0 n mod 4 = 1 . n mod 4 = 2 n mod 4 = 3
Ejercicio 3.59 El subespacio vectorial de las matrices mgicas a Se dice que una matriz A = (aij ) M3 ( ) es mgica si las ocho sumas a
SCj =
3 i=1
aij con j = 1, 2, 3; SFi =
3 j=1
aij con i = 1, 2, 3; Tr =
3 i=1
aii y Sd = a13 + a22 + a31
son iguales. Se pide: a) Demostrar que el conjunto de las matrices mgicas, MM, es un subespacio del espacio vectorial a real M3 ( ).
b) Calcular la dimensin de MM. o c) Hallar el conjunto de todas las matrices mgicas y antisimtricas, MMa . Cunto valen las ocho a e a sumas asociadas a estas matrices? d) Demostrar que MMa es un subespacio vectorial de MM y calcular su dimensin. o e) Hallar el conjunto de todas las matrices mgicas cuyas sumas asociadas valgan 0, MM0 . Demosa trar que es un espacio vectorial y calcular su dimensin. o f ) Hallar el conjunto de todas las matrices mgicas y simtricas MMs , demostrar que es un subesa e pacio de MM y calcular su dimensin. o g) Calcular MMa + MMs . Es suma directa? Solucin: o a) El conjunto de las matrices mgicas, MM, es un subespacio del espacio vectorial real M3 ( ) a porque se cumplen las dos condiciones siguientes: La suma de dos matrices mgicas es una matriz mgica. a a Si A = (aij ) y B = (bij ) son mgicas, entonces, i, j {1, 2, 3}, a
3 i=1 3 i=1
aij =
3 j=1
aij =
3 i=1
aii = a13 + a22 + a31 ,
bij =
3 j=1
bij =
3 i=1
bii = b13 + b22 + b31 ,
luego, i, j {1, 2, 3},

3 i=1
(aij + bij ) =
3 j=1
(aij + bij ) =
3 i=1
(aii + bij ) = (a13 + b13 ) + (a22 + b22 ) + (a31 + b31 )
es decir, la matriz suma A + B = (aij + bij ) tambin es una matriz mgica. e a El producto de un escalar por una matriz mgica es una matriz mgica. a a Si A = (aij ) MM, entonces, i, j {1, 2, 3},
3 i=1
aij =
3 j=1
aij =
3 i=1
aii = a13 + a22 + a31 ,
luego, i, j {1, 2, 3} y
3 i=1
R,
3 j=1
aij =
aij =
3 i=1
aii = a13 + a22 + a31
es decir, la matriz A = (aij ) tambin es una matriz mgica. e a a b) Fijados cuatro elementos de una matriz mgica A y haciendo uso de la igualdad entre las ocho sumas, puede aproximarse su aspecto. As si a11 = a, a12 = b, a13 = c y a21 = d, , a b c A = d a22 a23 a31 a32 a33 entonces a + b + c = a + d + a13 , luego a13 = b + c d y a b c d a22 a23 . A= b + c d a32 a33 Adems, al cumplirse a + b + c = (b + c d) + a22 + c, tiene que ser a22 = a c + d, y a a b c d a c + d a23 . A= b+cd a32 a33 Utilizando tres veces ms que las sumas de los elementos de cada la coinciden entre s y con las a de los elementos de cada columna, es fcil establecer que a a b c d a c + d b + 2c 2d . A= b+cd 2c d a 2c + 2d Para que la matriz A sea mgica falta que la suma de los elementos de la diagonal principal coincida a con la suma de los elementos de cualquier la, luego los cuatro elementos de partida tienen que estar relacionados entre s por la igualdad a + b + c = a + (a c + d) + (a 2c + 2d),
de donde se desprende que b = 2a3c+3d y, sustituyendo adecuadamente este valor en la expresin o de A, se obtiene una representacin general de una matriz mgica en funcin de los parmetros o a o a a11 = a, a13 = c y a12 = d : a 2a 4c + 3d c d ac+d 2a 2c + d . A= 2a 3c + 2d 2c d a 2c + 2d Las matrices 1 2 0 0 4 1 0 3 0 1 1 M1 = 0 1 2 , M2 = 0 1 2 y M3 = 1 2 0 1 3 2 2 2 1 2
obtenidas de la expresin general de una matriz mgica dando a los parmetros (a, c, d) los valores o a a (1, 0, 0), (0, 1, 0) y (0, 0, 1), respectivamente, son matrices mgicas y forman un sistema generador a del subespacio MM porque cualquier matriz mgica puede expresarse como combinacin lineal a o suya: a 2a 4c + 3d c 1 2 0 0 4 1 0 3 0 d ac+d 2a 2c + d = a 0 1 2+c 0 1 2+d 1 1 1 . 2a 3c + 2d 2c d a 2c + 2d 2 0 1 3 2 2 2 1 2 Adems, B = {M1 , M2 , M3 } es un sistema libre porque si aM1 + cM2 + dM3 = 0, entonces a a 2a 4c + 3d c 0 0 0 d ac+d 2a 2c + d = 0 0 0 , 2a 3c + 2d 2c d a 2c + 2d 0 0 0 resultando como unica posibilidad a = c = d = 0. Por tanto, slo hay una manera de conseguir la o matriz nula como combinacin lineal de las matrices de B : con la combinacin nula. o o El conjunto B genera MM y es libre, luego es una base de MM. Como B tiene tres elementos, la dimensin de MM es 3. o c) Una matriz A es antisimtrica si y slo si AT = A. Todos los elementos de la diagonal principal e o de una matriz antisimtrica son cero. e Para que una matriz mgica sea antisimtrica, su diagonal principal tiene que anularse. El siguiente a e sistema de ecuaciones lineales representa esta circunstancia: a=0 ac+d=0. a 2c + 2d = 0 Se trata de un sistema compatible indeterminado que tiene como soluciones a = 0 y c = d. Por tanto, el conjunto de las matrices mgicas y antisimtricas a e 0 c c c 0 c : c MMa = c c 0 es
R .
Las ocho sumas asociadas a estas matrices siempre valen cero, porque la diagonal principal es nula.
d) El conjunto de las matrices mgicas, MM, es un subespacio vectorial y el conjunto de las matrices a antisimtricas de dimensin 3, MA3 , tambin es un subespacio vectorial. La interseccin de dos e o e o subespacios vectoriales del mismo espacio vectorial es un subespacio vectorial, luego el conjunto de matrices mgicas y antisimtricas, MMa = MM MA3 , tambin es un subespacio vectorial a e e de M3 ( ).
Cualquier matriz mgica y antisimtrica, A, puede expresarse de la forma a e 0 1 1 0 1 , A = 1 1 1 0 luego el conjunto 0 1 1 0 1 Ba = 1 1 1 0
es una base de MMa porque es un sistema de generadores y es libre al no tener ms que un a elemento. La dimensin de MMa es uno porque el nmero de elementos de una de sus bases es uno. o u a o e) Para que las sumas asociadas a una matriz mgica valgan 0, se tiene que cumplir la relacin a c + d = 0 o bien c = a + d, resultando a 2a d a + d 0 d : a, d MM0 = d . a d 2a + d a
Ya se ha comprobado en el apartado a) que las sumas asociadas a la combinacin lineal de dos o matrices mgicas valen la misma combinacin lineal de las sumas asociadas a cada matriz. Es decir, a o cualquier combinacin lineal de matrices mgicas de suma cero es una matriz mgica de suma cero, o a a luego MM0 es un subespacio vectorial. El conjunto 1 2 1 0 1 1 0 0 , 1 0 1 B0 = 0 1 2 1 1 1 0
es una base de MM0 porque claramente es un sistema de generadores y libre: a 2a d a + d 1 2 1 0 1 1 d 0 d = a 0 0 0 + d 1 0 1 . a d 2a + d a 1 2 1 1 1 0 La dimensin de MM0 es 2 porque B0 tiene dos elementos. o f ) Una matriz A es simtrica si y slo si AT = A. e o Para que una matriz 33 mgica o no sea simtrica, tiene que ser a12 = a21 , a23 = a32 , a13 = a31 . a e En particular, para que una matriz mgica sea simtrica, sus coecientes tienen que cumplir el a e siguiente sistema de ecuaciones lineales: 2a 4c + 3d = d 2a 3c + 2d = c 2a 2c + d = 2c d
que se reduce a la ecuacin o a 2c + d = 0. Se trata, pues, de un sistema compatible indeterminado cuyas soluciones dependen de dos parmea tros, por ejemplo: d = 2c a As pues, el conjunto de matrices mgicas y simtricas es a e a 2c a c c a : a, c MMa = 2c a c a a + 2c
R .
MMa es un subespacio vectorial por ser la interseccin del subespacio vectorial de las matrices o mgicas con el subespacio vectorial de las matrices simtricas de dimensin 3. a e o El conjunto 1 1 0 0 2 1 0 1 , 2 1 0 Bs = 1 0 1 1 1 0 2 a 2c a c 1 1 0 0 2 1 2c a c a = a 1 0 1 + c 2 1 0 . c a a + 2c 0 1 1 1 0 2 Tambin es un sistema libre porque la unica solucin de la ecuacin e o o 1 1 0 0 2 1 0 0 0 0 1 + c 2 1 0 = 0 0 0 a 1 0 1 1 1 0 2 0 0 0 es a = c = 0. Por tanto, Bs es una base de MMs y la dimensin de este subespacio es 2 porque Bs tiene dos o elementos. El subespacio vectorial MMs MM0 de las matrices mgicas, simtricas y de sumas asociadas a e de valor 0 tiene dimensin 1 y es o a a 0 :a a 0 a . MMs MM0 = 0 a a
es un sistema de generadores de MMs porque
g) La unica matriz simtrica y antisimtrica es la matriz nula, luego e e 0 0 0 MMa MMs = 0 0 0 , 0 0 0 y, consecuentemente, la suma entre el subespacio de las matrices mgicas simtricas y el de las a e matrices mgicas antisimtricas es suma directa. a e
El conjunto 1 1 0 0 2 1 0 1 1 0 1 , 2 1 0 , 1 0 1 B = Bs Ba = 1 0 1 1 1 0 2 1 1 0 es linealmente independiente porque la unica39 solucin de o 1 1 0 0 2 1 0 1 1 0 0 0 0 1 + 2 1 0 + 1 0 1 = 0 0 0 1 0 1 1 1 0 2 1 1 0 0 0 0 es = = = 0. Por consiguiente, la dimensin de MMa MMs es 3. o Adems, al ser MMa MMs MM y tener ambos espacios la misma dimensin, a o MMa MMs = MM.
Ejercicio 3.60 El subespacio conmutador de una matriz Se denomina conmutador de una matriz cuadrada A con coecientes en el cuerpo conjunto de todas las matrices cuadradas que conmutan con A : C(A) = {X Mn ( ) : AX = XA} a) Demostrar que C(A) es un subespacio vectorial de Mn ( ). b) Calcular el conmutador de ( 1 A1 = 0 las siguientes matrices: ) ( ) ( ) ( ) 0 0 1 0 0 0 0 , A2 = , A3 = , A4 = . 0 0 0 1 0 0 1
R, C(A), al
c) Calcular C(A) A M2 ( ). d) Hallar una base de C(A) cuando A M2 ( ). o e) Demostrar que el conjunto de matrices cuadradas de dimensin 2 que conmutan con cualquier matriz cuadrada de dimensin 2 forman un subespacio vectorial y calcular su dimensin. o o Solucin: o a) Es evidente que C(A) = porque la matriz nula conmuta con cualquier otra matriz cuadrada de su misma dimensin, luego 0 C(A) A Mn ( ) y n . o
Para probar que C(A) es un subespacio vectorial, basta comprobar que si X, Y C(A) y , entonces X + Y C(A).
R,
Esto es as porque, aplicando las propiedades del producto de matrices, del producto de un escalar por una matriz y la caracterizacin de conmutador, se tiene o A(X + Y ) = A(X) + A(Y ) = (AX) + (AY ) = (XA) + (Y A) = (X + Y )A. Por tanto, C(A) es un subespacio vectorial de Mn ( ).
39
Observe los elementos sombreados de las matrices.
b) Los productos por la izquierda y por la derecha de la matriz A1 por una matriz genrica son e ( )( ) ( ) ( )( ) ( ) 1 0 a b a b a b 1 0 a 0 = y = . 0 0 c d 0 0 c d 0 0 c 0 La igualdad slo puede producirse cuando b = c = 0, luego o {( ) 0 C(A1 ) = : , 0 } .
Igualmente, los productos por la izquierda y por la derecha de la matriz A2 por una matriz genrica e son ( )( ) ( ) ( )( ) ( ) 0 1 a b c d a b 0 1 0 a = y = . 0 0 c d 0 0 c d 0 0 0 c La igualdad slo puede producirse cuando c = 0 o {( C(A2 ) = 0 Del mismo modo, para ( 0 1 y a = d, luego ) } : , .
la matriz A3 se tiene )( ) ( ) ( )( ) ( ) 0 a b 0 0 a b 0 0 b 0 = y = . 0 c d a b c d 1 0 d 0 y a = d, luego ) } 0 : , .
La igualdad slo puede producirse cuando b = 0 o {( C(A3 ) = Finalmente, para la matriz A4 , ( )( 0 0 a 0 1 c
se tiene ) ( ) ( )( ) ( ) b 0 0 a b 0 0 0 b = y = . d c d c d 0 1 0 d
La igualdad slo puede producirse cuando b = c = 0, luego o {( ) } 0 C(A4 ) = : , = C(A1 ). 0
c) Fijada una matriz genrica e A=
m11 m12 m21 m22
M2 ( ),
las matrices que conmutan con ella pueden calcularse resolviendo el sistema de ecuaciones lineales m11 a + m12 c = am11 + bm21 m b + m d = am + bm 11 12 12 22 m21 a + m22 c = cm11 + dm21 m21 b + m22 d = cm12 + dm22 resultante de igualar las siguientes matrices: ( )( ) ( m11 m12 a b m11 a + m12 c = m21 m22 c d m21 a + m22 c ( )( ) ( a b m11 m12 am11 + bm21 = c d m21 m22 cm11 + dm21 ) m11 b + m12 d m21 b + m22 d ) am12 + bm22 cm12 + dm22
y que es un sistema homogneo: e m21 b + m12 c = 0 m a + (m m )b + m d = 0 12 11 22 12 m21 a + (m22 m11 )c m21 d = 0 m21 b m12 c = 0 La expresin matricial del sistema es o a 0 0 m21 m12 0 0 m12 b 0 = m12 m11 m22 = . Mx m21 0 m22 m11 m21 c 0 0 m21 m12 0 d 0 Claramente, la primera la y la ultima son proporcionales, por lo que el rango de la matriz de coecientes no puede ser superior a 3. Al aplicar el mtodo de eliminacin de Gauss se presentan las siguientes situaciones: e o Si m12 = 0, entonces 0 m21 0 0 m21 0 m22 m11 m21 0 m11 m22 0 0 0 m21 0 0 . M = m21 0 m22 m11 m21 0 m11 m22 0 0 0 m21 0 0 0 m21 0 0 Adems, hay que analizar los siguientes casos: a Si m21 = 0 y m11 = m22 , entonces M es la matriz nula y su rango es cero. Cualquier matriz es solucin del sistema. o Las matrices A con m12 = m21 = 0 y m11 = m22 son matrices de la forma ( ) 0 A= 0 que efectivamente conmutan con cualquier otra matriz, por tanto ( ) 0 C = M2 ( ) . 0
Si m21 = 0 y m11 = m22 , entonces 0 0 0 0 m11 m22 0 M = 0 0 m22 m11 0 0 0 0 0 0 0
que tiene de rango 2. Adems, las soluciones del sistema lineal asociado son de la forma b = c = 0, resultando a ( ) {( ) } 0 0 C = : , , , = . 0 0
Si m21 = 0, entonces
1 0 M 0 0
0 1 0 0
m22 m11 m21
0 0 0
Las soluciones del sistema de ecuaciones lineales m11 m22 a=+ , b = 0, c = y d = , m21 de donde 0 C ( ) = {( +

1 0 . 0 0 = son Mx 0
) : ,
} , ,
R, = 0.
0 m12 m22 m11 0 m12 0 m12 0 0 1 m22 m11 0 1 0 0 0
Si m12 = 0, entonces m12 m12 m22 m11 0 m12 m 0 m22 m11 m21 0 M 21 0 m21 m12 0 0 0 m21 m12 0 0 1 m12 m22 m11 0 m12 m21 (m11 m22 ) 0 0 m22 m11 0 m12 0 m21 m12 0 0 0 0 0 0 0 y se presentan los siguientes casos: Si m11 m22 = 0, entonces
m21 (m11 m22 ) m12
m22 m11 m21 m21
m22 m11 m12 m21 (m11 m22 ) m12 m21 m12
1 0 0 0 M 0 m21 m12 0 0
0 1 0 0 1 0 0 0
y las soluciones del sistema de ecuaciones lineales M = 0 son x m21 a = , b = , c = , y d = , m12 de donde C ( ) = {( ) : ,
} , ,
R,
= 0.
Si m11 m22 = 0, entonces 1 m22 m11 m12 0 m21 m12 M 0 m21 m12 0 0
0 0 y las soluciones del sistema de ecuaciones lineales M = 0 son x m21 m22 m11 a = , b = , c = , y d = + , m12 m12 de donde C ( ) = {( + ) : ,
0 1 1 0 1 0 1 0 0 0 0 0
m22 m11 m12 m21 m12
0 1 1 0 0 0 0 0
} , , ,
R,
= 0.
d) Conocido el espacio conmutador de una matriz, es fcil calcular una base. A continuacin y recoa o giendo los resultados obtenidos en el apartado anterior, se presentan bases para el conmutador de cualquier matriz: ( ) } ) ( ) ( ) ( ) { ( 0 0 0 0 0 1 0 1 0 : , , , + + + = M2 ( ) = C 0 0 1 0 0 1 0 0 0 ( ) {( ) } { ( ) ( ) } 0 0 1 0 0 0 C = : , = + : , = 0 0 0 0 0 1 ( ) {( } { ( ( ) } ) ) + 0 0 0 1 0 : , = + : , = 0 C = 0 1 1 0 ( ) {( ) ) } { ( ) ( } 0 1 1 0 = C : , = + : , = 0 0 1 0 ) } { ( ) } ( ) {( ) ( 0 1 1 0 : , = = 0 C = + : , 0 1 +
Puede observarse que el penltimo caso es un caso particular del ultimo. u Salvo para las matrices diagonales con trminos iguales en la diagonal que conmutan con cualquier e matriz el conmutador de una matriz cuadrada de orden 2 es un subespacio vectorial de dimensin o 2. Sabiendo que la dimensin del conmutador de una matriz A dos por dos con elementos distintos en o la diagonal es 2 y que la matriz identidad conmuta con cualquier matriz, una base del conmutador de A estar formada por la matriz A y por la identidad: a {( ) ( )} 1 0 a11 a12 B= , . 0 1 a21 a22 e) Sea
R Si A, B C2 (R) y , R, entonces R
C2 ( ) = {A M2 ( ) : AX = XA X M2 ( )}.
(A + B)X = AX + BX = XA + XB = X(A + B). Por tanto, C2 ( ) es un subespacio vectorial de M2 ( ). Las matrices cuyo conmutador es M2 ( ) son {( ) 0 : 0
y son un subespacio de dimensin 1 porque la matriz identidad lo genera. o
APLICACIONES LINEALES
4.
Aplicaciones lineales
Ejercicio 4.1 Aplicaciones lineales de 2 en 2 Cuntas aplicaciones entre el 2 -espacio vectorial a
Z2 y l mismo son lineales? e
Solucin: o Unicamente hay cuatro aplicaciones entre 2 y 2 porque tanto el conjunto de partida como el de llegada slo tienen 2 elementos. En la gura 5 estn especicadas. o a
Z Z
f Z2 Z2
0
0 0 1 0
f Z2 Z2
1
0 0 1 1
f Z2 Z2
2
0 1 1 0
f Z2 Z2
3
0 1 1 1
Figura 5: Aplicaciones entre
Z2 y Z2
Las funciones f0 y f1 son lineales porque se trata, respectivamente, de la aplicacin nula y de la o identidad, que son lineales entre cualesquiera espacios vectoriales. Las funciones f2 y f3 no son lineales porque en los dos casos la imagen del 0 no es 0, condicin o que cumplen todas las aplicaciones lineales. Hay pocas, pero no todas las funciones de 2 en 2 son lineales.
Ejercicio 4.2 Linealidad de funciones impares Determinar la veracidad o falsedad de la siguiente armacin: o Toda funcin f : o Solucin: o La funcin f : o es impar porque sen x = sen(x) x y no es lineal porque sen ( ) + sen = 2 mientras que sen + = sen = 0. 2 2 2 2
R R impar (f (x) = f (x)

f (x) = sen x
R) es lineal.
R R tal que
Ejercicio 4.3 Funcin lineal para valores nulos de una de sus coordenadas o Estudiar si una funcin f : 2 2 que verica o f (x + y, 0) = f (x, 0) + f (y, 0) y , , x, y f (0, x + y) = f (0, x) + f (0, y)
es lineal.
4 APLICACIONES LINEALES
Solucin: o La funcin f : o
R2 R2 tal que
f (x, y) = (xy, xy)
cumple las condiciones del enunciado porque , , x, y , ( ) f (x + y, 0) = (x + y)0, (x + y)0 = (0, 0) f (x, 0) + f (y, 0) = (x0, x0) + (y0, y0) = (0, 0) + (0, 0) = (0, 0) ( ) f (0, x + y) = 0(x + y), 0(x + y) = (0, 0) f (0, x) + f (0, y) = (0x, 0x) + (0y, 0y) = (0, 0) + (0, 0) = (0, 0) A pesar de ello, no es una aplicacin lineal porque o ( ) f (1, 1) + f (1, 1) = (1, 1) + (1, 1) = (2, 2) mientras que f (1, 1) + (1, 1) = f (2, 2) = (4, 4).
o Ejercicio 4.4 Grafo de una aplicacin lineal Sea f : U V una aplicacin lineal entre -espacios vectoriales y sea o { } ( ) Gf = x, f (x) : x U U V.
Se pide: a) Demostrar que Gf es un subespacio vectorial de U V. b) Demostrar que la aplicacin g : U Gf tal que o ( ) g(x) = x, f (x) es un isomorsmo. Solucin: o a) Gf U V es un subespacio vectorial del , Gf y v w
K-espacio vectorial U V si y solamente si , K, + Gf . v w
) ( ) ( Considerando que = x, f (x) y = y, f (y) , con x, y U, teniendo en cuenta que U V es v w un -espacio vectorial y aplicando que f es lineal, ( ) ( ) ( ) ( ) ( ) ( ) + = x, f (x) + y, f (y) = x, f (x) + y, f (y) = x, f (x) + y, f (y) v w ( ) ( ) = x + y, f (x) + f (y) = x + y, f (x + y) Gf ,
luego Gf es un subespacio vectorial de U V. b) La aplicacin g es lineal porque x, y U y , , g(x + y) = g(x) + g(y) ya que o ( ) ( ) ( ) ( ) g(x + y) = x + y, f (x + y) = x + y, f (x) + f (y) = x, f (x) + y, f (y) ( ) ( ) = x, f (x) + y, f (y) = g(x) + g(y).
( ) ( ) La aplicacin g es inyectiva porque si g(x) = g(y), entonces x, f (x) = y, f (y) , deducindose o e que x = y. La aplicacin g es suprayectiva porque para todo elemento de Gf , Gf , existe un elemento, x, o v = (x, f (x)), luego de U tal que v ( ) Gf x U tal que g(x) = x, f (x) = . v v La aplicacin g es lineal, inyectiva y suprayectiva, luego es un isomorsmo. o
Ejercicio 4.5 Propiedades de la composicin de endomorsmos que conmutan o Sea E un -espacio vectorial y sean f, g, h, : E E endomorsmos de E que verican
f g = g f, h = h, h h = h2 = h, = 2 = , Calcular: a) (f g)2 = (f g) (f g). b) (f + g) (f g). c) (h )2 = (h ) (h ). d) (h )4 = (h )2 (h )2 = (h ) (h ) (h ) (h ). Solucin: o Los siguientes resultados se alcanzan aplicando la denicin de suma de funciones, o ( ) ( ) () (f + g) = f + g , v v v la linealidad de los endomorsmos ( () () ) f + = f + f , v w v w la asociatividad de la composicin de funciones, o f (g h) = (f g) h, y las propiedades especicadas en el enunciado. ( ) ( ) a) (f g)2 = (f g) (f g) = f (f g) g (f g) = f f f g g f + g g = f f 2(f g) + g g = f 2 2(f g) + g 2 . ( ) ( ) b) (f + g) (f g) = f (f g) + g (f g) = f f f g + g f g g = f f f g + f g + g g = f f g g = f 2 g2. c) (h )2 = (h ) (h ) = h ( h) = h (h ) = (h h) ( ) = h .
4 APLICACIONES LINEALES ( ) ( ) d) (h )4 = (h )2 (h )2 = h2 2(h ) + 2 h2 2(h ) + 2 ( ) ( ) = h 2(h ) + h 2(h ) + ( ) ( ) ( ) = h h 2(h ) + 2(h ) h 2(h ) + + h 2(h ) + = h h2h (h )+h 2(h ) h+4(h )2 2(h ) + h2 (h )+ = h 2(h ) + h 2(h ) + 4(h ) 2(h ) + h 2(h ) + = h 2(h ) + = (h )2 . Las funciones que cumplen f f = f 2 = f se llaman idempotentes. Si, adems, son lineales a tambin se llaman proyecciones. En los dos ultimos apartados se ha demostrado que la composicin de e o proyecciones es una proyeccin y que la composicin consigo misma de la diferencia de dos proyecciones o o tambin es una proyeccin. e o
o Ejercicio 4.6 Matriz asociada a una aplicacin lineal { { } } Calcular la matriz asociada a las bases B = , , . . . , y B = e , e , . . . , e de e1 e2 en n 1 2 () la aplicacin lineal f : n n tal que i = {1, 2, . . . , n} f = e . o e
Rn de
Solucin: o Los elementos de la columna i-sima de la matriz de f asociada a las bases B y B son en el e () mismo orden las coordenadas del vector f i respecto a la base B . e Como la funcin f cumple que o
i () f i = e = (0, . . . , 0, 1, 0, . . . , 0) i = 1, 2, . . . , n, e i
la matriz de f asociada a las bases B y B es
1 0 0 1 A = . . . .. . . . . 0 0
0 0 . . . 1
que coincide con la matriz identidad de Mn ( ).
Ejercicio 4.7 Aplicacin lineal nilpotente o n n una aplicacin lineal para la que 2 , (a, b) = (0, 0) tal que Sea f : o a ( ( )) () () = , . . . , f n1 ( ) = y f n ( ) = . f = 0 , f 2 = f f a a a 0 a 0 a 0
Se pide: { ()} () () a) Demostrar que B = , f , f 2 , . . . , f n1 a a a a es una base de
Rn.
b) Comprobar que f n = 0 (f es nilpotente de orden n). Si m > n, puede haber endomorsmos nilpotentes de orden m en un espacio de dimensin n? o c) Hallar la matriz de f respecto a la base B.
d) Demostrar que f no es inyectiva. e) Encontrar una endomorsmo concreto de la base B. Solucin o
R2 que cumpla las condiciones del ejercicio, explicitando
( ) a) En cualquier homomorsmo, f 0 = 0 , luego en nuestro caso, () a m n f m = 0 . Sea () ( ) () 0 + 1 f + 2 f 2 + + n1 f n1 = 0 a a a a
(16)
una combinacin lineal de los elementos de B, igualada a cero. o Aplicando f n1 a los dos miembros de dicha combinacin lineal y utilizando la relacin (16), se o o tiene () 0 f n1 = 0 , a () deducindose que 0 = 0 porque f n1 = 0 . e a Aplicando f n2 a los miembros de la combinacin lineal inicial, utilizando la relacin (16) y que o o 0 = 0, se tiene () 1 f n1 = 0 , a () deducindose que 1 = 0 porque f n1 = 0 . e a Repitiendo sucesivamente este proceso con f n3 , f n4 , . . . , f, se obtiene 2 = 3 = = n2 = 0, con lo que la combinacin lineal inicial se reduce a o () n1 f n1 = 0 , a () de donde tambin se deduce que n1 = 0 porque f n1 = 0 . e a La unica combinacin lineal de los elementos de B que origina el vector nulo es cuando todos los o escalares son nulos, 0 = 1 = = n1 = 0, luego los elementos de B son linealmente independientes y forman una base de n porque el cardinal de B es n. b) Por tratarse de un base, cualquier vector n puede expresarse como combinacin lineal de v o los elementos de B : () = + f ( ) + f 2 ( ) + + a a a f n1 . a v
n1
Calculando f n en esta relacin y aplicando la relacin (16), resulta que o o ( ) ( ) ( ) ( ) () f n = 0 f n + 1 f n1 + 2 f n+2 + + 2n1 f 2n1 = 0 , v a a a a luego f n es la aplicacin nula y f es nilpotente de orden n porque f n1 = 0. o Si m > n, entonces f no puede ser nilpotente ) orden m ( ) porque si lo fuera, entonces f m = 0 y (de m1 = 0, existiendo n tal que f m1 = y f m = , resultando que el conjunto f a a 0 a 0 { ()} () () B = , f , f 2 , . . . , f m1 a a a a
tendr que ser una base de a de elementos de B es m > n.
Rn, lo que no puede ser porque la dimensin de Rn es n y el nmero o u R
Los endomorsmos nilpotentes de n no pueden ser de orden superior a n; si son nilpotentes, existe una potencia p, inferior o igual a n tal que f p = 0.
c) Las columnas de la matriz de f respecto a la base B son las coordenadas, respecto a B, de las imgenes de los elementos de B. a Al ser ( ) () () () f = 0 + 1f + 0f 2 + + 0f n1 , a a a a a ( ( )) ( ) ( ) ( ) = 0 + 0f + 1f 2 + + 0f n1 , a a a a a f f ( () () () ()) a a a f f n2 a = 0 + 0f + 0f 2 + + 1f n1 , a ( ) () () () () f f n1 a = 0 + 0f + 0f 2 + + 0f n1 = 0 , a a a a la matriz de f respecto a la base B es 0 1 0 . MB = . . 0 0 0 0 0 0 0 1 0 . . .. . . . . . 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 . . . . . . . . . . 0 0 0 1 0 0 0 1 0 . . .
Todos los elementos de la matriz son ceros, salvo la l nea inferior y paralela a la diagonal principal que est formada solamente por unos. a d) La aplicacin lineal f no es inyectiva porque o ( () ( ) ) ( ) f n1 = 0 y f f n1 a a = f 0 = 0. ( ) Hay dos vectores distintos, f n1 y 0 , con la misma imagen mediante f. a A la vista de la matriz del endomorsmo, es inmediato deducir que ( ( ( ) ( ) ()) ()) Ker(f ) = L f n1 a y Img(f ) = L f , f 2 , . . . , f n1 . a a a o u e) Para n = 2, la aplicacin buscada, f, es nilpotente de orden 2. Segn el ejercicio 2.14, las matrices de M2 ( ), no nulas y nilpotentes de orden 2, A2 = 0, son de la forma ) ( ( ) 2 0 con = 0. con = 0 o 0 0
En el primer caso, el vector
( ) 0 y su imagen 1 ( f (0, 1) = 0 0 0 )( ) ( ) 0 = 1 0
forman una base de
R2 :
{ } B1 = (0, 1), (, 0) con = 0.
En el segundo caso, el vector
( ) 1 y su imagen 0 ( f (1, 0) =
2
)( ) ( ) 1 = 0
forman una base de
R2 :
{ } B2 = (1, 0), (, ) con = 0.
Concretando, el endomorsmo f :
R2 R2 tal que
f (x, y) = (y, 0) ( M= ) 0 1 , 0 0
tiene como matriz
es nilpotente de orden 2 y es una base de
{ } B = (0, 1), f (0, 1) = (1, 0)
R2.
Asimismo, el endomorsmo g :
R2 R2 tal que
g(x, y) = (x y, x y) ( N= ) 1 1 , 1 1
tiene como matriz
es nilpotente de orden 2 y es una base de
{ } B = (1, 0), g(1, 0) = (1, 1)
R2.
Ejercicio 4.8 Matriz asociada a la aplicacin identidad o Estudiar la veracidad o falsedad de las siguientes armacin: o a) La matriz asociada a la aplicacin Id : o matriz identidad. Rn Rn tal que Rn v Id( ) = , es siempre la v v
b) Existe una base B del -espacio vectorial Idn : n n , tiene la forma
Rn respecto a la cual, la matriz de la funcin identidad, o

0 0 . . . . 1
1 0 1 1 B MB (Idn ) = . . . .. . . . . 1 1 Solucin: o
4 APLICACIONES LINEALES { } a) Sea B = , , , . . . , una base de e1 e2 e3 en
Rn.
Intercambiando el orden de los dos primeros elementos de B se obtiene otra base de } { { } B = e , e , e , . . . , e = , , , . . . , . e2 e1 e3 en 1 2 3 n
Rn :
( ) Las columnas de la matriz de Id asociada a las bases B y B son las coordenadas del vector Id i e respecto a la base B . En este caso, () () () Id = e , Id = e y Id i = e i = 3, 4, . . . , n e1 e2 e 2 1 i luego la matriz de la aplicacin lineal Id asociada a las bases B y B es o 0 1 0 1 0 0 A = 0 0 1 . . . .. . . . . . . . 0 0 0 0 0 0 . . . 1
que no coincide con la matriz identidad de Mn ( ) a pesar de estar asociada a la funcin identidad o de n .
La matriz identidad es la matriz asociada a la aplicacin identidad de n unica y exclusivamente o cuando se considera la misma base en el espacio de partida y en el de llegada. Si no es as la matriz , asociada a la aplicacin identidad puede ser cualquier matriz de rango n, dependiendo de las bases o elegidas. { } o o e1 e2 en b) La matriz de la aplicacin identidad respecto a la base cannica, Bc = , , . . . , , es la matriz identidad, Idn , porque () e Idn i = i i = 1, 2, . . . , n. e Si P es la matriz de cambio de la base cannica a la base B, la matriz de la identidad respecto a o la base B es B MB = P 1 Idn P. Como la matriz identidad conmuta con cualquier otra matriz,
B MB = P 1 Idn P = Idn P 1 P = Idn Idn = Idn ,
luego la matriz de la aplicacin identidad respecto a o no puede ser la matriz 1 0 1 1 B MB (Idn ) = . . . . . .
una base cualquiera de .. . 0 0 . . . . 1
Rn es la identidad y
1 1
B Unicamente, como caso excepcional, si n = 1, la matriz identidad coincide con la matriz MB .
Ejercicio 4.9 Cambios de base en una aplicacin{ o lineal { } } Sean U y V dos -espacios vectoriales, B = 1 , 2 , 3 y B = 1 , 2 , 3 bases de U y V, u u u v v v respectivamente, y sea f : U V una aplicacin lineal que verica o ( ) v f (u1 ) = v1 + 3 = 2 + v f (u2 ) v1 . 2 = v f u
Se pide: a) Calcular la matriz de f respecto a las bases B y B . b) Hallar una base, B1 , de U tal que la matriz de f respecto a B1 y a B sea la matriz identidad.
c) Hallar una base B1 de V tal que la matriz de f respecto a B y a B1 sea la matriz identidad.
d) Encontrar una base de U y otra base de V respecto a las cuales la matriz de f, H, sea distinta de la identidad y verique H T H = Id3 . Solucin: o a) Las columnas de la matriz de f respecto a las bases B y B son las coordenadas de las imgenes a . En este caso: mediante f de los elementos de B expresadas respecto a la base B 1 2 0 M = 0 1 0 . 1 0 1 a b) Para que la matriz de f sea la identidad, las imgenes mediante f de los elementos de B1 tienen que ser los elementos de B en el orden establecido. ( ( ) ( ) ( ) ( ) ( )) Observando que f f = y que f 2 f f v u u u u u = v , resulta
1 3 1 2 1 3 2
( ) ( ) f u = f 1 3 = 1 v u u 1 ( ) ( u ) v f u2 = f 21 + 2 + 23 = 2 , u u ( ) ( ) f u = f = v u
3 3 3
luego la matriz de f respecto a las bases { } { u } B1 = u , u , u = 1 3 , 21 + 2 + 23 , 3 u u u u u 1 2 3 y B es la matriz identidad. c) Para que la matriz de f sea la identidad, las imgenes mediante f de los elementos de B tienen a en el orden establecido. que ser los elementos de B1 Considerando la base B de U y la base { } { } B1 = v1 , v2 , v3 = 1 + 3 , 21 + 2 , 3 v v v v v
de V, la matriz de f respecto a las bases B y B1 es la identidad porque ( ) f 1 = 1 + 3 = v1 u v v ( ) = 2 + = v v . f u2 v1 2 2 ( ) f u3 = v3 = v3
d) La matriz de la aplicacin lineal f respecto a la base B de U y a la base o { } { } B2 = 1 , 2 , 3 = v3 , v2 , v1 w w w de V es 0 0 1 H = 0 1 0 1 0 0 ( ) u v v w f 1 = 1 + 3 = 3 ( ) v w f 2 = 21 + 2 = 2 . u v ( ) w f u3 = v3 = 1 0 0 1 0 0 1 1 0 0 H T H = 0 1 0 0 1 0 = 0 1 0 . 1 0 0 1 0 0 0 0 1
porque
Claramente
Ejercicio 4.10 Matriz respecto a la base cannica de un endomorsmo involutivo o 40 , la matriz del endomorsmo f : 3 3 que cumple: Hallar, respecto a la base cannica o
f f = Id3 , f (1, 1, 1) = (0, 1, 1), f (1, 1, 0) = (1, 1, 0). Solucin: o El conjunto 1 1 0 B = = 1 , = 1 , = 1 e1 e2 e3 1 C 0 C 1 C
R3 R
formado por vectores expresados en coordenadas de 3 porque los vectores son libres ya que el coordenadas, es mximo, a 1 1 rango 1
respecto a la base cannica, C, de 3 , es una base o rango de la matriz que tiene como columnas sus 1 0 1 1 = 3, 0 1
y hay tantos vectores como la dimensin del espacio 3 . o La matriz del endomorsmo f respecto a la base B es 0 0 1 FB = 0 1 0 1 0 0 porque las columnas son las coordenadas de las imgenes de los vectores de B respecto a la base B : a 1 0 0 ( ( )) ( ) = = 0 . = e = 0 , f ( ) = = 1 , f ( ) = f f e3 e1 e1 e2 e2 f e1 3 0 B 0 B 1 B
40
Revisar el ejercicio 3.28 titulado Matrices de cambio de base puede servir de ayuda.
La matriz de cambio de la base B a la base cannica, o 1 1 C 1 1 IdB = M = 1 0
C, es 0 1 1
porque las columnas son las coordenadas de los vectores de la base B respecto a la base cannica C. o Se trata de la matriz del endomorsmo identidad considerando la base B en el espacio de partida y la base C en el de llegada, 1 1 0 ( ) = 1 , Id ( ) = 1 , Id ( ) = 1 . Id3 e1 3 e2 3 e3 1 C 0 C 1 C La matriz de cambio de la base cannica C a la base B es la inversa de la anterior, M 1 , y puede o calcularse41 aplicando el mtodo de eliminacin de Gauss e o 1 1 0 1 0 0 1 1 0 1 0 0 1 1 0 1 0 0 1 1 1 0 1 0 0 1 0 1 0 1 1 1 0 0 1 1 1 0 1 0 0 1 0 1 1 1 0 1 0 0 1 1 1 0 1 1 0 1 0 0 1 0 0 1 1 1 0 1 1 0 1 0 0 1 1 , 0 1 0 0 1 0 0 0 1 1 1 0 0 1 1 siendo IdB = M 1 C La composicin de las aplicaciones lineales o
f Id Id R3 R3 R3 R3
B C B B C B
1 1 1 1 1 . = 0 1 1 0
proporciona el endomorsmo f respecto a la base cannica. En forma matricial, multiplicando en o orden inverso a la composicin, se obtiene la matriz de f respecto a la base cannica: o o 1 1 0 0 0 1 1 1 1 1 2 1 1 1 = 0 1 0 . FC = M FB M 1 = 1 1 1 0 1 0 0 1 0 1 1 0 0 1 1 0 0 0 1 Fcilmente puede comprobarse que FC cumple todas las exigencias del enunciado. a
Ejercicio 4.11 Matrices de homomorsmos entre distintos espacios vectoriales { { } } los { Sean } -espacios vectoriales A, B y C de bases BA = e1 , e2 , e3 , BB = u1 , u2 y BC = , , c , respectivamente y sean las funciones lineales denidas mediante las siguientes relaciones: c1 c2 3 ( ) u { ( ) f e1 = u1 2 ( ) g 1 = + 2 u c1 c2 c3 = ( ) f : A B f e2 g : B C u2 ( ) g u2 = c1 c2 f e3 = 22 u
Se pide
41 Tambin pueden calcularse las coordenadas de los vectores de la base cannica respecto a la base B y colocarlas e o como columnas. Es interesante comprobar que se produce el mismo resultado.
a) Calcular la matriz de la funcin lineal h = g f : A C. o ( ) b) Encontrar el conjunto h1 {(1, 1, 1)} , donde (1, 1, 1) C. c) Hallar el ncleo de h. u d) Es h diagonalizable?42 Solucin: o a) La matriz de la aplicacin lineal f respecto a las bases BA y BB es o ( ) 1 0 0 F = 1 1 2 y la matriz de la aplicacin lineal g respecto a las bases BB y BC es o 1 1 G = 1 1 . 2 0 La matriz de la composicin de las aplicaciones lineales, h = g f, respecto a las bases BA y BC es o ) 1 1 ( 0 1 2 1 0 0 H = GF = 1 1 = 0 1 2 . 1 1 2 2 0 2 0 0 b) Los elementos del conjunto ( ) { h1 {(1, 1, 1)} = (x, y, z)
() son las soluciones, , del sistema de ecuaciones lineales h = (1, 1, 1), esto es, x x 0 1 2 x 1 0 1 2 y = 1 2 0 0 z 1 o bien y + 2z = 1 y 2z = 1 2x = 1
R3 : h(x, y, z) = (1, 1, 1)}
Este sistema es incompatible porque no hay solucin para las dos primeras ecuaciones, ya que si o y + 2z = 1, entonces y 2z = 1 = 1. Al no haber solucin, o ( ) h1 {(1, 1, 1)} = .
c) Los elementos del ncleo de h, u { Ker(h) = (x, y, z)
R3 : h(x, y, z) = (0, 0, 0)}
42 El lector podr abordar este apartado cuando haya estudiado el cap a tulo correspondiente a Autovalores y autovectores.
() son las soluciones, , del sistema de ecuaciones lineales h = (0, 0, 0), esto es, x x 0 1 2 x 0 0 1 2 y = 0 2 0 0 z 0 o bien y + 2z = 0 y 2z = 0 2x = 0
El rango de la matriz de coecientes del sistema, H, es 2 menor que el nmero de incgnitas y, por u o tratarse de un sistema homogneo, es compatible indeterminado, siendo el conjunto de soluciones e un subespacio vectorial de dimensin 1, que representado respecto a la base BA de A es o { } { } Ker(h) = (x, y, z) 3 : y + 2z = 0, 2x = 0 = (0, 2, ) : .
o d) Si los espacios vectoriales A y C no son iguales (aunque sean de la misma dimensin), entonces la aplicacin lineal h no es un endomorsmo y no tiene sentido hablar de vectores propios. o Si A = C y BA = BC , entonces h es un endomorsmo y su polinomio caracter stico es )( ( ) 1 2 1 17 1 + 17 P () = 0 1 2 = (2 + 4) = . 2 2 2 0 Con estas restricciones, el endomorsmo h es diagonalizable porque tiene tiene tres autovalores distintos y la dimensin del espacio vectorial sobre el que se aplica tambin es tres. o e
Ejercicio 4.12 Dimensiones de los espacios vectoriales asociados a un homomorsmo Sean U y V dos -espacios vectoriales y f : U V un homomorsmo. Estudiar la veracidad o falsedad de las siguientes armaciones:
a) Si Img(f ) es de dimensin nita, entonces V es de dimensin nita. o o b) Si V es de dimensin nita, entonces U es de dimensin nita. o o c) Si V y Ker(f ) son de dimensin nita, entonces U es de dimensin nita. o o Solucin: o o o a) El que Img(f ) sea de dimensin nita, no implica que V sea de dimensin nita. Por ejemplo, la imagen del homomorsmo entre espacios vectoriales de dimensin innita f : o [x] [x] tal que f (a0 + a1 x + a2 x2 + ) = a0
es Img(f ) = { :
R} R[x] que tiene dimensin 1. o R[x] R tal que
b) La armacin es falsa. o El homomorsmo f :
f (a0 + a1 x + a2 x2 + ) = a0 es un ejemplo en donde el conjunto de llegada es de dimensin nita mientras que el conjunto de o partida es de dimensin innita. o
c) La armacin es cierta. o Si V y Ker(f ) son de dimensin nita, entonces Img(f ) V y Ker(f ) son de dimensin nita. o o { , v , . . . , } una base de Img(f ) y B = { , , . . . , } una base de Ker(f ). Por e Sea BI = v1 2 vr e1 2 es K () pertenecer a Img(f ), B , V : f = , luego v u u v
I
{ ( ) ( ) ( )} { } u v v v u u BI = 1 , 2 , . . . , r = f 1 , f 2 , . . . , f r . El conjunto { } BV = 1 , 2 , . . . , r , , , . . . , u u u e1 e2 es
es43 una base de U, luego U es de dimensin nita. o
Ejercicio 4.13 Funciones coordenadas Sea f : n 2 una aplicacin lineal y sean 1 , 2 : 2 o que 1 (x, y) = x y 2 (x, y) = y.
R las funciones coordenadas tales
Demostrar que f es sobreyectiva si y slo si las funciones 1 f y 2 f son linealmente indepeno dientes. Solucin: o Si la matriz de la aplicacin f respecto a las bases Bn de n y B2 de o ( ) a11 a12 a1n A= , a21 a22 a2n
R2 es
como las matrices de 1 y 2 respecto a la base B2 son ( ) ( ) P1 = 1 0 y P2 = 0 1 , entonces las matrices de 1 f, 2 f : ( A1 = P1 A = a11 a12
Rn R respecto a la base Bn son, respectivamente,

a1n ) ( y A2 = P2 A = a21 a22 ) a2n .
o a = Si la aplicacin f es suprayectiva, entonces el rango de la matriz A es mximo e igual a 2, luego las dos las que la componen son linealmente independientes. En denitiva, las aplicaciones lineales 1 f y 2 f son linealmente independientes. = Rec procamente, si las aplicaciones lineales 1 f y 2 f son linealmente independientes, entonces el rango de la matriz A es 2 y la dimensin de la imagen de f es 2. Como la dimensin o o del espacio de llegada tambin es 2, puede concluirse que f es suprayectiva. e
Ejercicio 4.14 Simetr respecto al eje de abscisas a , } una base ortogonal de 2 y f : 2 2 la aplicacin lineal tal que = f (x, y) e Sea B = {e1 2 o w es el simtrico44 del vector = x + y respecto al subespacio S = { 2 : }. Se pide: e v e1 e2 e1
La demostracin cuya lectura se recomienda encarecidamente est en el ejercicio 4.49 titulado Suma de las dio a mensiones del ncleo y de la imagen de una aplicacin lineal. u o 44 Como complemento, vanse los apartados c) y d) del ejercicio 5.51. e
43
a) Calcular la matriz de f respecto a la base B. b) Calcular Ker(f ). c) Hallar f (U ) siendo U = { + : e1 e2 d) Encontrar un subespacio V Solucin: o a) En
R2 tal que V
R}.
= S, V =
R2 y f (V ) = V.
R2, la simetr respecto al eje de abscisas es a ( ) f : R2 R2 tal que f x + y = x y . e1 e2 e1 e2
Las imgenes de los elementos de la base B son a () () f = y f = . e1 e1 e2 e2 Colocando como columnas las expresiones coordenadas de las imgenes anteriores, la matriz de la a funcin f respecto a la base B es o ( ) 1 0 M= . 0 1 u a b) El ncleo de f est formado por todos los elementos de ( + y ) = . 0 f xe 1 e2
R2 cuya imagen por f se anula, esto es,
Utilizando la expresin matricial de la aplicacin lineal, el ncleo de f son las soluciones del sistema o o u homogneo de ecuaciones lineales e ( )( ) ( ) 0 x 0 = 1 Av = . 0 1 y 0 Como el rango de la matriz A es 2, hay 2 ecuaciones y 2 incgnitas, el sistema es compatible y al o ser homogneo su unica solucin es el vector nulo, luego e o { } Ker(f ) = 0 . c) Aplicando la funcin f a todos los elementos del subespacio U, se obtiene o { ( } { ( } ) ) = : . f (U ) = f + : e1 e2 e1 e2
e e La imagen por la aplicacin lineal f del subespacio U, generado por el vector = + , es el o u 1 2 e e subespacio vectorial generado por el vector = . v 1 2 { } d) El subespacio vectorial V = : e2 es distinto de 2 y de S y es invariante mediante f : { ( } { } { } ) f (V ) = f : e2 = : e2 = : e2 = V.
Ejercicio 4.15 Composicin de aplicaciones e isomorsmo o ( ) Si U, V y W son conjuntos, f : U V y g : V W funciones y E = g f (U ) , analizar la siguiente armacin: o
Si g f : U E es isomorsmo, entonces f y g son biyectivas. Solucin: o La composicin de dos aplicaciones puede ser biyectiva sin que lo sea ninguna de las aplicaciones o componentes45 . Aunque su composicin sea un isomorsmo, puede suceder que ninguno de los homomorsmos sea o biyectivo. Por ejemplo, la composicin de las aplicaciones lineales f : 2 3 y g : 3 2 tales o que f (x, y) = (x, y, 0) y g(x, y, z) = (x, y)
es un isomorsmo la identidad en 2 y ni f ni g son biyectivas. ( ) Del enunciado se deduce que los conjuntos U y g f (U ) tienen que ser espacios vectoriales, pero los { } conjuntos restantes pueden carecer de estructura. Por ejemplo, la composicin de las aplicaciones o { } f : 0 {0, 3} y g : {0, 3} 0 , 3 tales que ( ) { } f 0 = 3 y g(x) = 0 x 0 , 3 proporciona el unico isomorsmo posible entre los espacios triviales que ni f ni g son biyectivas ni lineales. { } ( ) { } 0 y g f (U ) = 0 mientras
Ejercicio 4.16 Composicin de funciones lineales e identidad46 o Sea E un -espacio vectorial y f : E E una funcin lineal. o Estudiar la veracidad o falsedad de la siguiente equivalencia:
f f = f f = IdE . Solucin: o = Esta implicacin es cierta porque la identidad es una aplicacin lineal y composicin de la o o o identidad consigo misma es siempre la identidad. = No siempre se cumple. Por ejemplo, sea la aplicacin lineal f : o
R2 R2 cuya matriz asociada a la base cannica es o

( ) 2 1 . 2 1
A=
f es distinta de la identidad y f f = f porque ( )( ) ( ) 2 1 2 1 2 1 2 A = = . 2 1 2 1 2 1 Las funciones f que verican f f = f se llaman idempotentes. En el ejercicio 2.13 se describen las funciones lineales idempotentes de 2 .
45 46
Vase el ejercicio 1.37. e Es interesante comparar este ejercicio con el 1.33, ver en qu se parecen y en qu se diferencian e e
Ejercicio 4.17 Vectores distintos con misma imagen { } Sea f : E E una aplicacin lineal entre -espacios vectoriales, 1 , . . . , n E un sistema o u u { } libre y 1 , . . . , n . Es cierta la siguiente armacin: o ( ) n n ( ) ( ) v = = u v . u E v f =f
i i
i i
i=1
i=1
Solucin: o Si una funcin f no es inyectiva, hay vectores distintos que tienen la misma imagen. o La aplicacin f : 2 2 tal que o
f (x, y) = (x, 0) { } es lineal, (1, 0), (0, 1) es un sistema libre de 2 y {2, 1} . 2 u La imagen por f del vector i i = 2(1, 0) + 1(0, 1) = (2, 1) es f (2, 1) = 2.
La imagen por f del vector = (2, 0) es f (2, 0) = 2. v 2 2 ( ) ( ) =f , los vectores y A pesar de que f v i ui v i i son distintos. u
i=1 i=1
i=1
La armacin es falsa porque, para la aplicacin lineal f (x, y) = (x, 0), existe un vector distinto o o 2 de i i y que tiene la misma imagen mediante f. u
i=1
Ejercicio 4.18 Ncleo distinto del vector nulo y matriz asociada a f u Sea E un -espacio vectorial de dimensin nita y f : E E una funcin lineal. o o Demostrar o poner un contraejemplo que pruebe o contradiga la siguiente armacin: o
{ } Si Ker(f ) = 0 , entonces para cualquier base B de E, la matriz de f respecto a la base B, MB (f ), tiene alguna columna nula. Solucin: o La armacin es falsa. o Respecto a la base cannica, la matriz asociada a la aplicacin lineal f : o o f (x, y) = (x + y, x + y) es ( ) 1 1 MB (f ) = . 1 1 El ncleo de f es u Ker(f ) = {(x, y) y ninguna columna de la matriz MB (f ) es nula. 0 R2 : x + y = 0} = { },
R2 R2 denida por
Ejercicio 4.19 Caracterizacin de homomorsmos inyectivos o Sean U y V -espacios vectoriales y f : U V un homomorsmo. Demostrar que { } f es inyectivo si y solamente si Ker(f ) = 0 .
Solucin: o La equivalencia se demuestra comprobando la doble implicacin. o = Para cualquier homomorsmo47 { } 0 Ker(f ). ( ) f 0 = 0,
luego
Si adems f es inyectivo, a lo sumo hay un vector de U cuya imagen por f es el vector 0 , a { } luego Ker(f ) 0 . { } Al darse la doble inclusin, los dos conjuntos son iguales, luego si f es inyectivo Ker(f ) = 0 . o = Esta implicacin se demuestra por reduccin al absurdo suponiendo que ) o o () (hay dos vectores distintos, , U, = , con la misma imagen mediante f, f = f . u v u v u v En esta situacin, o ( ) () ( ) 0 =f f =f . u v u v = u v 0 y = , que contradice el que los vectores sean distintos. u v No puede haber vectores distintos que tengan la misma imagen, luego f es inyectivo.
Por hiptesis, solamente el vector nulo de U tiene como imagen al vector nulo de V, luego o
o o Ejercicio 4.20 Caracterizacin de homomorsmos inyectivos entre espacios vectoriales de dimensin nita Sean U y V -espacios vectoriales de dimensin nita y f : U V un homomorsmo. o Demostrar que
f es inyectivo si y solamente si g : V U tal que g f = IdU . Solucin: o La equivalencia se demuestra comprobando la doble implicacin. o = Si existe g : V U tal que g f = IdU , entonces f es inyectiva, porque si no lo fuera, existir an u vectores distintos de U, 1 = 2 , cuya imagen por f coincidir u a, ( ) ( ) f 1 = f 2 , u u resultando ( ( )) ( ( )) g f 1 = g f 2 , u u
igualdad contradictoria con la hiptesis que asegura que o ( ) ( ) (g f ) 1 = 1 = 2 = (g f ) 2 . u u u u
Por abuso de notacin, se denota como 0 tanto al vector nulo del o -espacio vectorial V.
47
K-espacio vectorial U
como al vector nulo del
= Sea dim(U ) = n.
{ } ( ) Si f es un homomorsmo inyectivo, entonces Ker(f ) = 0 y dim Img(f ) = dim(U ) = n. { } Sea BImg(f ) = 1 , 2 , . . . , n V una base de Img(f ). v v v { } Existen n vectores, , , . . . , U, tales que e1 e2 en = f ( ) i = 1, 2, . . . , n. ei vi
{ } El conjunto BU = , , . . . , est formado por n vectores de U linealmente independiene1 e2 en a 48 , luego B es una base de U. tes U Si dim(V ) = m n, el conjunto BImg(f ) puede completarse hasta alcanzar una base de V : { } BV = 1 , 2 , . . . , n , n+1 , n+2 , . . . , m . v v v v v v La aplicacin lineal g : V U que transforma los elementos de la base BV de la siguiente o manera: { ( ) = ei si i = 1, 2, . . . , n g vi 0 si i = n + 1, n + 2, . . . , m cumple ( ) ( ) = g f ( ) = g ( ) = i = 1, 2, . . . , n, (g f ) ei ei ei vi
luego g f : U U es la aplicacin identidad porque transforma en s mismos a todos y cada o uno de los vectores de una base de U.
Ejercicio 4.21 Caracterizacin de automorsmos o Sea f : E E un endomorsmo del -espacio vectorial de dimensin nita E. o Demostrar que { } f es automorsmo si y solamente si Ker(f ) = 0 .
Solucin: o { } Como corolario del ejercicio 4.19, el endomorsmo f es inyectivo si y solamente si Ker(f ) = 0 . { } Adems, Ker(f ) = 0 equivale a a ( ) dim Ker(f ) = 0 ( ) ( ) y, como dim(E) = dim Ker(f ) + dim Img(f ) , tambin equivale a e ( ) dim(E) = dim Img(f ) que coincide con la denici{ de suprayectividad. on } En denitiva, Ker(f ) = 0 si y solamente si f es automorsmo.
Ejercicio 4.22 Inversin de endomorsmos suprayectivos o Sea E un -espacio vectorial y sea f : E E un endomorsmo suprayectivo. Es f invertible?
48
Solucin: o La respuesta depende del tipo de dimensin del espacio vectorial o
K.
Dimensin innita. Hay endomorsmos suprayectivos entre espacios vectoriales de dimensin ino o nita que no son invertibles. Por ejemplo, la aplicacin f : o
R[x] R[x] tal que
( ) f p(x) = p (x)
es un endomorsmo entre espacios vectoriales porque , y p(x), q(x) [x], ( ) ( ) ( ) ( ) f p(x) + q(x) = p(x) + q(x) = p (x) + q (x) = f p(x) + f q(x) . f es suprayectiva porque para cualquier polinomio real, p(x) = a0 + a1 x + + an xn a1 an n+1 existe otro polinomio real, q(x) = a0 x + x2 + + x [x], tal que 2 n+1 ( ) ( a1 an n+1 ) f q(x) = a0 x + x2 + + x = a0 + a1 x + + an xn = p(x). 2 n+1
R[x],
f no es inyectiva y consecuentemente no es invertible porque hay polinomios reales distintos cuya imagen mediante f coincide: f (3x + 1) = f (3x) = 3. o Dimensin nita. Todo endomorsmo suprayectivo de un espacio vectorial de dimensin nita es o un automorsmo. Si el espacio vectorial ) es de dimensin nita y f : E E es un endomorsmo suprayectivo, E o ( entonces dim Img(f ) = dim(E). Al ser ( ) ( ) dim(E) = dim Ker(f ) + dim Img(f ) , { } 0 ,
( ) se tiene que dim Ker(f ) = 0 o, equivalentemente, Ker(f ) =
luego f tambin es inyectiva y consecuentemente biyectiva e invertible. e Si B y B son dos bases cualesquiera de un -espacio vectorial de dimensin nita E, la matriz o es invertible. de f respecto a las bases B y B
Ejercicio 4.23 Preimagen e imagen de subespacios por un homomorsmo Sean V y W espacios vectoriales sobre el cuerpo , sea F W un subespacio vectorial de W, sea G V un subespacio de V y sea f : V W un homomorsmo. Se pide demostrar que
a) f 1 (F ) es un subespacio vectorial de V. { ( ) } b) f (G) = f : G es un subespacio vectorial de W. u u c) Ker(f ) es un subespacio vectorial de V.
d) Ker(f ) f 1 (F ). Solucin: o a) La preimagen o imagen rec proca de un conjunto F por medio de una aplicacin f es el conjunto o formado por todos los elementos del conjunto origen cuya imagen pertenece a F. En el caso que nos ocupa, { () } f 1 (F ) = V : f F . x x ( ) El elemento nulo, 0 , pertenece al conjunto f 1 (F ) porque f 0 = 0 F pues F es un subespacio vectorial y f es una aplicacin lineal. o Un subconjunto no vac por ejemplo f 1 (F ), es un subespacio vectorial si y slo si o, o ,
y , f 1 (F ), + f 1 (F ). x y x y
() () Si , f 1 (F ), entonces f F y f F. Si, adems, , x y x y a subespacio vectorial, entonces ( ) () f + f F. x y Adems, por ser f una aplicacin lineal, a o ( () () ) f + = f + f F x y x y deducindose de la denicin de imagen rec e o proca que + f 1 (F ) x y y, consecuentemente, que f 1 (F ) es un ( ) b) f (G) es un conjunto distinto del vac porque 0 G V y f 0 f (G). o Sean , f (G) y , . r s ( ) () Existe G y existe G tales que f = y f = . u v u r v s
K, como F
es un
K-subespacio vectorial de V.
Por tratarse de un subespacio vectorial, + G, luego u v + f (G) u v
y, por ser f una aplicacin lineal, o ( () ( ) ) f + = f + f = + f (G). u v u v r s La imagen por un homomorsmo de un subespacio vectorial es un subespacio vectorial. En particular, Img(f ) es un subespacio vectorial. ( ) c) Ker(f ) = porque como f 0 = 0 , entonces 0 Ker(f ). Si , Ker(f ) y , , entonces + Ker(f ) porque u v u v ( () () ) f + = f + f = 0 + 0 = 0 . u v u v Ker(f ) es un subespacio vectorial de V. o d) La inclusin conjuntista se demuestra comprobando que todos los elementos de Ker(f ) pertenecen () a f 1 (F ) : si Ker(f ), entonces f = 0 F y, por tanto, f 1 (F ). x x x
Ejercicio 4.24 Subespacio generado por las imgenes de vectores a Sea f : E E una aplicacin lineal entre -espacios vectoriales y sea T E un conjunto de o vectores de E. () ( ) Demostrar que si L(T ), entonces f L f (T ) . Es cierta la armacin rec v v o proca?
Solucin: o Si = 1 + 2 + + n con 1 , 2 , . . . , n y , , . . . , T, entonces v e1 e2 en e1 e2 en () ( () () ( ) ) f = f 1 + 2 + + n = 1 f + 2 f + + n f , v e1 e2 en e1 e2 en
{ ( ) ( ) ( ) ( )} ( ) en L f (T ) . e2 v e1 luego f pertenece al subespacio L f , f , . . . , f La armacin rec o proca es falsa. Como contraejemplo se puede considerar la aplicacin lineal o f : 2 2 tal que f (x, y) = (x, 0), el conjunto T = {(1, 0)} 2 y el vector = (0, 1) ya que v () ( ) f = f (0, 1) = (0, 0) L f (T ) v
mientras que
= (0, 1) L(T ) = L({(1, 0)}) = {(, 0) : v
R}.
Ejercicio 4.25 Automorsmo de 3 Determinar si la aplicacin lineal f : o
R3 R3 determinada por las relaciones
f (1, 1, 1) = (3, 2, 1), f (0, 1, 1) = (0, 1, 2), f (0, 0, 1) = (1, 0, 1) es un automorsmo. Solucin: o Un automorsmo es un endomorsmo biyectivo. El conjunto B = {(1, 1, 1), (0, 1, 1), (0, 0, 1)} es una base de 3 . La imagen de f es un subespacio de dimensin 2 porque el rango de la matriz que tiene como o columnas las coordenadas de las imgenes de los elementos de B mediante el endomorsmo f, a
f (B) = {(3, 2, 1), (0, 1, 2), (1, 0, 1)}, tiene rango 2 al ser 3 0 1 1 2 1 1 2 1 1 2 1 2 1 0 3 0 1 0 6 4 0 3 2 . 1 2 1 2 1 0 0 3 2 0 0 0 El endomorsmo f no es suprayectivo porque la dimensin del subespacio Img(f ) no coincide con o el espacio vectorial de llegada y no es un automorsmo.
Ejercicio 4.26 Subespacios y ncleos de aplicaciones lineales u Demostrar que todo subespacio vectorial, S, de un espacio vectorial de dimensin nita, E, es el o ncleo de alguna aplicacin lineal f : E E. Puede mantenerse la armacin anterior si el espacio u o o de llegada no es E?
Solucin: o Sea BS = { , , . . . , } una base de S. e1 e2 en Se puede obtener una base, B, de E completando BS : B = { , , . . . , , , , . . . , }. e1 e2 en en+1 en+2 em
BS
El ncleo de la aplicacin lineal f : E E que acta sobre la base B de la siguiente manera: u o u ( ) f e1 = 0 () f e = 0

2
( ) f en = 0 ( ) f en+1 = en+1 ( ) f en+2 = en+2 . . . ( ) = f em em es exactamente S y la imagen es el subespacio que tiene la base B, la matriz de la aplicacin lineal f es o 0 0 0 0 0 0 0 0 . . .. . . . . . . . . . . . A = 0 0 0 1 . . .. . . . . . . . . . . . 0 0 0 0 0 0 0 0 como base { , , . . . , }. Respecto a en+1 en+2 em .. . .. . 0 0 0 0 . . . . . . 0 0 . . . . . . . 1 0 0 1
. . .
El ncleo de cualquier otra funcin f que transformara los vectores de BS en el vector 0 y los u o vectores { , , . . . , } en un conjunto libre tambin ser S. en+1 en+2 em e a Si el espacio de llegada coincide con el de partida, siempre puede construirse este tipo de funciones, pero si el espacio de llegada es otro espacio vectorial cualquiera, puede resultar imposible encontrar m n vectores linealmente independientes para generar la imagen. Por ejemplo, no existe ninguna aplicacin lineal, f : 4 2 , tal que el ncleo sea Ker(f ) = S = {(, 0, 0, 0) : } porque la o u mxima dimensin de la imagen ser 2 y no se podr cumplir a o a a ( ) ( ) dim Ker(f ) + dim Img(f ) = dim( 4 ) .
Ejercicio 4.27 Imagen de una aplicacin lineal o Encontrar, si existe, un endomorsmo f : 2
R2 tal que Img(f ) = {(x, y) R2 : |x + y| = 1}.
Solucin: o El elemento nulo del espacio vectorial
R2, (0, 0), no pertenece al conjunto C = {(x, y) R2 : |x + y| = 1}

porque |0 + 0| = 1. Por tanto, el conjunto C no es un subespacio vectorial de 2 ya que el neutro de la suma pertenece a todos los subespacios vectoriales. Como la imagen de cualquier homomorsmo es un subespacio vectorial, el conjunto C no puede ser la imagen de ningn endomorsmo ni de ninguna aplicacin lineal que concluya en 2 . u o
Ejercicio 4.28 Generadores de la imagen de un homomorsmo { } Sea f : E E un homomorsmo entre -espacios vectoriales y sea G = , , . . . , E e1 e2 en un sistema de generadores de E. { ( ) ( ) ( )} Demostrar que el conjunto de vectores G = f , f , . . . , f e1 e2 en E es un sistema de
generadores de Img(f ) = f (E) E . Es G un sistema de generadores de E ? Solucin: o Img(f ), entonces existe E tal que = f ( ). Si w v w v Como G es un sistema de generadores de E, existen 1 , 2 , . . . , n = + + + v n en 2 e2 1 e1 y, por la linealidad de f, = f ( ) = f ( ) + f ( ) + + f ( ), w v e1 e2 en 1 2 n luego cualquier elemento de Img(f ) puede expresarse como combinacin lineal de los elementos de G o o equivalentemente G es un sistema de generadores del subespacio vectorial Img(f ). No siempre G genera E porque Img(f ) puede estar contenido estrictamente en E como ocurre con el endomorsmo nulo de 2 y con el conjunto { } G = (1, 0), (0, 1)
K tales que
que es un sistema de generadores de
{ } { } G = f (1, 0), f (0, 1) = (0, 0) no genera
R2, mientras que
R2. K
Ejercicio 4.29 Propiedades de endomorsmos idempotentes Sea E un -espacio vectorial y f : E E un endomorsmo tal49 que f f = f. Demostrar que () v v v a) E f Ker(f ). b) E = Ker(f ) Img(f ). ( ) c) Img(f ) f = . v v v d) Id f es idempotente.
49
En general, a las funciones que cumplen f f = f se les llama idempotentes, sean o no endomorsmos.
e) Ker(Id f ) = Img(f ). f ) Ker(f ) = Img(Id f ). Comprobar los resultados anteriores para el endomorsmo f :
R3 R3 tal que
f (x, y, z) = (0, x + z, x + z). Solucin: o a) Si E y f es un endomorsmo idempotente, entonces v ( ( )) ( ( ) ()) = f ( ) (f f )( ) = f ( ) f ( ) = , =f f f v v v v v v 0 v v f f () luego f Ker(f ). v v b) E, v = f ( ) + f ( ) v v v v
Ker(f ) Img(f )
luego E es la suma del ncleo y la imagen de f, u E = Ker(f ) + Img(f ). () () Adems, si Ker(f ) Img(f ), entonces f = 0 y E tal que f = , resultando a v v u u v que ( ) = f ( ) = f f ( ) = f ( ) = , v u u v 0 de donde se concluye que Ker(f ) Img(f ) = { } 0 y
E = Ker(f ) Img(f ). () v c) Es evidente que si = f , entonces Img(f ). v v Img(f ), entonces E tal que = f ( ) y, como f es idempotente, Si v u v u ( ) = f ( ) = f f ( ) = f ( ). v u u v v d) E, ( (( ( ) )) ()) (Id f ) (Id f ) ( ) = (Id f ) Id f ( ) = (Id f ) f v v v v ( ( ( ( )) ( )) ( )) ( ) () = f f f =f f +f f v v v v v v v v ( ) ( ) ( ) ( ) ( ) = f f + f = f = (Id f ) , v v v v v v v
luego Id f es idempotente porque (Id f ) (Id f ) = (Id f ). e) Partiendo del resultado demostrado en el apartado c), Img(f ) f ( ) = f ( ) = (Id f )( ) = Ker(Id f ) v v v v v 0 v 0 v se concluye que Img(f ) y Ker(Id f ) tienen los mismos elementos y son iguales.
f ) Seg n el apartado d), el endomorsmo Id f es idempotente. u Aplicando el resultado obtenido en el apartado c) a Id f, se obtiene Img(Id f ) (Id f )( ) = f ( ) = f ( ) = Ker(f ) v v v v v v v 0 v y se concluye que Img(Id f ) = Ker(f ). El endomorsmo f (x, y, z) = (0, x + z, x + z) satisface las siguiente propiedades: Es idempotente porque (x, y, z) 3 , ( ) (f f )(x, y, z) = f f (x, y, z) = f (0, x + z, x + z) = (0, x + z, x + z) = f (x, y, z). (x, y, z) 3 , (x, y, z) f (x, y, z) Ker(f ) porque ( ) ( ) f (x, y, z) f (x, y, z) = f (x, y, z) (0, x + z, x + z) = f (x, y + x z, x) = (0, 0, 0). { } Ker(f ) = (x, y, z) 3 : f (x, y, z) = (0, 0, 0) { } { } = (x, y, z) 3 : (0, x + z, x + z) = (0, 0, 0) = (x, y, z) 3 : x + z = 0 { } = (, , ) 3 : , . ( ) { } dim Ker(f ) = 2 y Bk = (1, 0, 1), (0, 1, 0) es una base de Ker(f ). { } { } Img(f ) = f (x, y, z) 3 : (x, y, z) 3 = (0, x + z, x + z) 3 : x, z { } { } = (x, y, z) 3 : x = 0, y = z = (0, , ) 3 : . ( ) { } dim Img(f ) = 1 y Bi = (0, 1, 1) es una base de Img(f ). { } { } { } Ker(f ) Img(f ) = (, , ) 3 : , (0, , ) 3 : = 0 .
R R R
R R
(x, y, z)
R3,
(x, y, z) = x(1, 0, 1) + (y + x z)(0, 1, 0) + (z x)(0, 1, 1),

Ker(f ) Img(f )
luego 3 = Ker(f ) + Img(f ) y tambin 3 = Ker(f ) Img(f ). e { } { } (x, y, z) 3 : f (x, y, z) = (x, y, z) = (x, y, z) 3 : (0, x + z, x + z) = (x, y, z) . { } = (x, y, z) 3 : x = 0, y = z { } = (0, , ) 3 : = Img(f )
R3, (Id f )(x, y, z) = (x, y, z) (0, x + z, x + z) = (x, x + y z, x). (x, y, z) R3 ,

(x, y, z) ( ) (Id f ) (Id f ) (x, y, z) = (Id f )(x, x + y z, x) = (x, x + x + y z x, x) = (x, x + y z, x) = (Id f )(x, y, z), luego (Id f ) es idempotente. { } Ker(Id f ) = (x, y, z) 3 : (Id f )(x, y, z) = (0, 0, 0) { } = (x, y, z) 3 : (x, x + y z, x) = (0, 0, 0) { } { = (x, y, z) 3 : x = 0, y z = 0 = (0, , )
R R R
R R R
R3 : R} = Img(f ).
{ } { Img(Id f ) = (Id f )(x, y, z) 3 : (x, y, z) 3 = (x, x + y z, x) 3 : x, y, z { } { } = (x, y, z) 3 : x = z = (, , ) 3 : , = Ker(f ).
R}
Las matrices de f y Id f respecto a 0 M = 1 1
las bases cannicas son, respectivamente, o 0 0 1 0 0 0 1 y N = 1 1 1 . 0 1 1 0 0
Ejercicio 4.30 Anulacin de la composicin de un endomorsmo consigo mismo o o Sea E un -espacio vectorial, f End(E) y f 2 = f f. Demostrar que
f 2 = 0 f (E) Ker(f ). Solucin: o Para demostrar la equivalencia hay que comprobar la doble implicacin. o = Si f 2 = 0, entonces f (E) Ker(f ). El conjunto f (E) est incluido en el conjunto Ker(f ) si y slo si cualquier elemento de f (E) a o tambin pertenece a Ker(f ). e () Si f (E), entonces existe E tal que f = . y x x y Calculando la imagen del vector y aplicando que f 2 = 0, se tiene y ( ( )) () = f 2 ( ) = , f =f f y x x 0 luego Ker(f ) y f (E) Ker(f ). y = Si f (E) Ker(f ), entonces f 2 = 0. () () Si E, entonces f f (E) y, como f (E) Ker(f ), la imagen de f es el vector nulo, x x x ( ( )) = , f f x 0 ( ) luego f 2 = 0 E. x x
u o Ejercicio 4.31 Ncleo e imagen de la composicin de un endomorsmo consigo mismo n n un endomorsmo. Sea f : Demostrar o encontrar un contraejemplo para las siguientes relaciones:
a) Ker(f ) Ker(f 2 ). b) Ker(f ) Ker(f 2 ). c) Img(f ) Img(f 2 ). d) Img(f ) Img(f 2 ).
Solucin: o a) Cierto. Todos los elementos de Ker(f ) tambin pertenecen a Ker(f 2 ) ya que si x Ker(f ), entonces e ( ) f (x) = 0 y f f (x) = f (0) = 0, luego f 2 (x) = 0 y x Ker(f 2 ). b) Falso. )( ) ( ) 0 1 x y Si f : es f (x, y) = = , entonces Ker(f ) = {(, 0) : 0 0 y 0 Ker(f 2 ) = 2 porque f 2 (x, y) = (0, 0).
R}. Adems, a
En este caso, Ker(f ) c) Falso.
Ker(f 2 ). (
)( ) ( ) 0 1 x y Si f : es f (x, y) = = , entonces Img(f ) = {(, 0) : 0 0 y 0 ( )( ) ( ) ( ) 0 1 y 0 que Img(f 2 ) = {0} porque f f (x, y) = = . 0 0 0 0
R} mientras
En este caso Img(f ) d) Cierto.
Img(f 2 ).
Todos los elementos de Img(f 2 ) tambin pertenecen a Img(f ) ya que si y Img(f 2 ), entonces e ( ) n tal que f 2 (x) = f f (x) = y y, consecuentemente, z = f (x) n tal que f (z) = x ) ( f f (x) = y, luego y Img(f ).
u o Ejercicio 4.32 Ncleo de la composicin de dos homomorsmos Sean U, V y W espacios vectoriales de dimensin nita sobre el cuerpo o g : V W aplicaciones lineales. Se pide demostrar que: ( ) a) Ker(g f ) = f 1 Ker(g) . ( ) ( ) ( ) b) dim Ker(g f ) dim Ker(f ) + dim Ker(g) . Solucin: o
Kyf
: U V y
a) La igualdad entre dos conjuntos se demuestra comprobando que uno de ellos est contenido en el a otro. Si Ker(g f ), entonces x ( ( )) () = , (g f ) = g f x x 0 () ( ) luego f Ker(g) y f 1 Ker(g) . x x ( ) () Si f 1 Ker(g) , entonces f Ker(g) y x x ( ( )) = (g f )( ) = , g f x x 0 luego Ker(g f ). x
() b) Es evidente que Ker(f ) Ker(g f ) porque si Ker(f ), entonces f = 0 y x x ( ) ( ) = g f ( ) = . (g f ) x x 0 { { } } Sea B = 1 , 2 , . . . , n una base de Ker(f ) y sea B = 1 , 2 , . . . , n , 1 , 2 , . . . , m una base x x x x x x y y y de Ker(g f ) obtenida al ampliar B. El conjunto de vectores { ( ) ( ) ( )} B = f 1 , f 2 , . . . , f m Ker(g) y y y es linealmente independiente porque si 1 , 2 , . . . , m
K, no todos nulos y tales que
( ) ( ) ( ) 1 f 1 + 2 f 2 + + m f m = 0 , y y y entonces ( ) y y y f 1 1 + 2 2 + + m m = 0
y y y y 1 1 + 2 2 + + m m Ker(f ), lo cual es imposible salvo que todos los escalares sean cero porque B es un conjunto libre y B es una base de Ker(f ). La dimensin de Ker(g) es mayor o igual que m porque B Ker(g), es un conjunto libre y su o cardinal es m. De todo lo anterior, se deduce que ( ) ( ) ( ) ( ) dim Ker(g f ) = n + m = dim Ker(f ) + m dim Ker(f ) + dim Ker(g) .
Ejercicio 4.33 Ncleo de la composicin de dos endomorsmos u o Sea (g f ) : V V V el endomorsmo composicin de los endomorsmos f y g del espacio o vectorial V. Demostrar las siguientes armaciones o presentar un contraejemplo si no fueran ciertas. a) Si Ker(f ), entonces Ker(g f ). v v b) Si Ker(g f ), entonces Ker(f ). v v c) Si Ker(g), entonces Ker(g f ). v v v v d) Si Ker(g f ), entonces Ker(g). Solucin: o a) Esta armacin es cierta. o Ker(f ), entonces f ( ) = , luego Si v v 0 ( ( )) () = g ( ) = 0 0 (g f ) = g f v v y, por tanto, Ker(g f ). v
f g
b) Esta armacin no es cierta. o Sea f la aplicacin identidad o y sea g el homomorsmo nulo () f = V v v v () g = 0 V. v v
Claramente, la composicin g f es el homomorsmo nulo y o { } Ker(f ) = 0 , Ker(g) = V y Ker(g f ) = V. Por tanto, si V = Ker(f ). { } 0 cualquier vector no nulo de V pertenece al Ker(g f ) y no pertenece al
o c) Esta armacin no es cierta. Sea f :
R2 R2 tal que
y sea g :
R2 R2 tal que
f (x, y) = (y, x) (x, y) g(x, y) = (x, 0) (x, y)
R2 R2. R2. R}.
La composicin es (g f ) : o
( ) (g f )(x, y) = g f (x, y) = g(y, x) = (y, 0) (x, y) Los ncleos de estos homomorsmos son u Ker(f ) = {(0, 0)}, Ker(g) = {(0, y) : y As (0, 1) pertenece al ncleo de g porque , u g(0, 1) = (0, 0),
R2 R2 tal que
R}
y Ker(g f ) = {(x, 0) : x
pero no pertenece al ncleo de g f porque u ( ) (g f )(0, 1) = g f (0, 1) = g(1, 0) = (1, 0) = (0, 0). d) Esta armacin no es cierta. o Sea f :
R2 R2 tal que
f (x, y) = (x, 0) (x, y) () g = V. v v v
R2
y sea g la aplicacin identidad o
La composicin g f coincide con el homomorsmo f y o { } y Ker(g f ) = {(0, y) : y Ker(f ) = {(0, y) : y }, Ker(g) = 0
R}.
El vector (0, 1) pertenece al ncleo de la composicin g f y no pertenece al ncleo de g. u o u
Ejercicio 4.34 Imagen de la composicin de dos endomorsmos o Sean f, g : E E dos endomorsmos de un -espacio vectorial. Existe alguna relacin entre o Img(f g) y Img(f )?
Solucin: o g f Del esquema E E E puede aventurarse que Img(f g) Img(f ). Esto es as porque si Img(f g), entonces existe E tal que u v ( ( )) ( ) = (f g) = f g , u v v () () luego existe = g E tal que f = , es decir, Img(f ), como quer w v w u u amos demostrar. La igualdad entre estos dos conjuntos no siempre se da. Por ejemplo, si g es el endomorsmo nulo y f es cualquier otro endomorsmo distinto del nulo, se tiene { } Img(f g) = 0 Img(f ). Referida a dimensiones, la inclusin que nos ocupa se traduce en que o ( ) ( ) dim Img(f g) dim Img(f ) .
Ejercicio 4.35 Imagen de la composicin de homomorsmos y suprayectividad o Sean h : E E y f : E E funciones lineales entre los - espacios vectoriales E, E y E . Demostrar que si h es sobreyectiva, entonces Img(f h) = Img(f ). Se cumple la implicacin o rec proca?
Solucin: o La igualdad entre dos conjuntos se demuestra comprobando que uno de ellos est contenido en el a otro. Si Img(f h), entonces w ( ) E tal que = (f h)( ) = f h( ) , u w u u luego existe = h( ) E tal que f ( ) = por tanto Img f y Img(f h) Img(f ). v u v w, w
Esta inclusin se cumple independientemente de que h sea o no sea sobreyectiva. o Si 0 Img(f ), entonces 0 E tal que f (0 ) = 0 . w v v w Como h es sobreyectiva, E E tal que h( ) = . v u u v ( ) En particular, 0 E tal que h(0 ) = 0 y, consecuentemente, 0 = f h(0 ), luego 0 u u v w u w Img(f h) y Img(f h) Img(f ). En general, la implicacin rec o proca no se cumple ya que si f : n p es la aplicacin lineal o ) = n entonces la composicin de cualquier50 aplicacin lineal, h : m n , nula f ( v 0 v o o con f es tambin la aplicacin nula entre m y p , e o (f h)( ) = 0 m , u u
{ } resultando que Img(f ) = Img(f h) = 0
Rp sin necesidad de que h sea sobreyectiva.
50
Sobreyectiva o no sobreyectiva.
Ejercicio 4.36 Descomposicin de un endomorsmo como composicin de otros o o Sea E un -espacio vectorial de dimensin nita y f, g End(E), endomorsmos de E. Demostrar o que Ker(f ) Ker(g) h End(E) tal que g = h f.
Solucin: o La equivalencia entre dos asertos se demuestra comprobando la doble implicacin entre ellos. o = Si h End(E) tal que g = h f, entonces Ker(f ) Ker(g). Todos los elementos de Ker(f ) tambin pertenecen a Ker(g) ya que si Ker(f ), entonces e v ( ) =y f v 0 ( ( )) () () = h ( ) = , g =hf =h f v v v 0 0 luego Ker(g). v = Si Ker(f ) Ker(g), entonces h End(E) tal que g = h f . Sean p q n tales que ( ) ( ) dim(E) = n, dim Img(g) = p y dim Img(f ) = q, ( ) ( ) dim Ker(g) = n p y dim Ker(f ) = n q. { ( ) ( ) ( )} { } Sea Bg = g , g , . . . , g e1 e2 ep una base de Img(g) y sea Bg = , , . . . , una ep+1 ep+2 en { } base de Ker(g) tal que B = , , . . . , es una base de Ker(f ). e e e
f q+1 q+2 n
resultando que
El sistema de vectores es una base de E 51 . El conjunto
{ } B = , , . . . , , , . . . , e1 e2 ep ep+1 en
{ ( ) ( ) ( )} Bf = f , f , . . . , f e1 e2 eq ( ) ( ) ( ) f = f = = f = 0. eq+1 eq+2 en
es un sistema generador de Img(f ) porque
( ) Como dim Img(f ) = q y card(Bf ) = q, entonces Bf es una base de Img(f ) y, consecuentemente, es un sistema libre. Por ser un conjunto de vectores linealmente independientes, Bf puede completarse hasta obtener una base de E : { } () () ( ) Bf = 1 = f , 2 = f , . . . , q = f , q+1 , . . . , n . w e1 w e2 w eq w w Sea = 1 + 2 + + un vector cualquiera de E representado respecto a la base B. v e1 e2 en Por ser f y g aplicaciones lineales, () () () ( ) ( ) ( ) f = 1 f + 2 f + + p f + p+1 f + + q f v e1 e2 ep ep+1 eq ( ) = g ( ) + g ( ) + + g ( ) g v e e e
1 1 2 2 p p
51
Una demostracin detallada se encuentra en el ejercicio 4.49 cuya lectura se recomienda encarecidamente. o
La aplicacin h : E E que transforma la base Bf de E de la siguiente manera: o { ( ) ( ) g i e si 1 i p = h wi 0 si p + 1 i n
es una aplicacin lineal que cumple, evidentemente, o ( ( )) = g ( ) E. h f v v v
o Ejercicio 4.37 Funcin suma entre subespacios vectoriales cuya suma es el espacio vectorial Sean F y H dos subespacios vectoriales de un -espacio vectorial, E. Sea la aplicacin g : F H E tal que o ( ) g , = + . x y x y
Determinar si la siguiente armacin es verdadera o falsa: o Si F + H = E, entonces g es biyectiva. Solucin: o La armacin es falsa. o ( ) ( ) Sea E = 3 , F = L {(1, 0, 0), (0, 1, 0)} y H = L {(0, 1, 0), (0, 0, 1)} . F + H = 3 porque entre los generadores de los dos subespacios hay tres vectores linealmente independientes. { } Como F H = 0 , hay vectores comunes a los dos subespacios, por ejemplo,
R R
(0, 1, 0), (0, 2, 0) F H ) ( ) por tanto, tiene sentido calcular g (0, 1, 0), (0, 2, 0) y g (0, 2, 0), (0, 1, 0) . Por la propiedad conmutativa de la suma, ( ) ( ) g (0, 1, 0), (0, 2, 0) = g (0, 2, 0), (0, 1, 0) = (0, 3, 0), ( luego g no es inyectiva ni biyectiva.
Ejercicio 4.38 Suma de las imgenes y funcin suma a o aplicaciones lineales entre espacios vectoriales y H un subespacio vectorial de Sean f, g : E E E. Estudiar si se cumple la siguiente relacin: o f (H) + g(H) = (f + g)(H). Solucin: o Para que la igualdad entre conjuntos sea cierta tiene que cumplirse la doble inclusin. o Si (f + g)(H), entonces existe H tal que v w = (f + g)( ) = f ( ) + g ( ), v w w w luego f (H) + g(H). v La imagen de un subespacio por la aplicacin suma de dos aplicaciones lineales est contenida o a en el subespacio suma de las imgenes por esas aplicaciones. a
No siempre se cumple esta inclusin. o Por ejemplo, sean f, g :
R R tales que
f (x) = x y g(x) = x.
R, luego (f + g)(R) = {0}. Adems, f (R) = g(R) = R, de donde f (R) + g(R) = R = {0}. a
Claramente, (f + g)(x) = 0 x En este caso, se produce la inclusin estricta de un subespacio en otro. o
Ejercicio 4.39 Suma directa de imgenes de subespacios a una aplicacin lineal entre Sea f : E E o -espacios vectoriales y sean U, V E subespacios vectoriales de E. Encontrar un contraejemplo que demuestre que la armacin o { } Si f (U + V ) = f (U ) f (V ), entonces (U + V ) Ker(f ) = 0
es falsa. Es cierta la armacin rec o proca? Solucin: o El homomorsmo f :
R3 R3 tal que
f (x, y, z) = (x, y, 0)
y los subespacios vectoriales U = {(0, , ) : ,
R}
y V = {(, 0, ) : ,
R}
ponen de maniesto que la implicacin no es cierta porque o f (U + V ) = f ( mientras que (U + V ) Ker(f ) = R3 Ker(f ) = Ker(f ) = {(0, 0, ) : R} = { }. 0
R3) = {(, , 0) : , R} = {(0, , 0) : R} + {(, 0, 0) : R} = f (U ) f (V )
La armacin rec o proca de la anterior tampoco es cierta. Los mismos subespacios anteriores, U y V, junto con la funcin identidad, o () Id3 = 3 , v v v
sirven de contraejemplo ya que, como Ker(Id3 ) =
{ } 0 , { } 0
(U + V ) Ker(Id3 ) =
mientras que Id3 (U ) + Id3 (V ) = U + V no es suma directa porque U V = {(0, 0, ) : 0 R} = { }.
Ejercicio 4.40 Suma del ncleo y la imagen de un endomorsmo u Sea E un -espacio vectorial de dimensin nita y f : E E un endomorsmo. o Demostrar que { } E = Img(f ) Ker(f ) Ker(f ) Img(f ) = 0 .
Solucin: o La demostracin debe hacerse comprobando que las dos implicaciones son ciertas. o = Si E = Img(f ) Ker(f ), entonces la suma de Img(f ) y Ker(f ) es directa y Ker(f ) Img(f ) = { } 0 .
{ } entonces) la suma de estos dos subespacios es directa, y como = Si Ker(f ) Img(f ) =) 0 , ( ( dim(E) = dim Ker(f ) + dim Img(f ) , entonces ( ) ( ) ( ) dim Ker(f ) Img(f ) = dim Ker(f ) + dim Img(f ) = dim(E). Como Ker(f ) Img(f ) est contenido en E y ambos son de la misma dimensin, a o Ker(f ) Img(f ) = E. Sin embargo, no siempre el ncleo y la imagen de un endomorsmo son disjuntos. Por ejemplo, el u n cleo y la imagen del endomorsmo f : 2 2 tal que u
f (x, y) = (0, x) coinciden ya que Ker(f ) = {(0, ) :
R} = Img(f ). R} R2.
En este caso, la suma del ncleo y la imagen de un endomorsmo del u directa ni es el espacio vectorial E, Ker(f ) + Img(f ) = {(0, ) :
K-espacio vectorial E ni es
Ejercicio 4.41 Matriz de un endomorsmo tal que la suma del ncleo y la imagen es directa u Sea f : E E una funcin lineal entre espacios vectoriales tal que Ker(f ) f (E) = E y o { } Ker(f ) = 0 . Estudiar la veracidad o falsedad de la siguiente armacin: o
B Para cualquier base B de E, la matriz de f respecto de B, MB (f ), tiene alguna columna nula.
Solucin: o La armacin es falsa. o Para comprobarlo, basta considerar el siguiente contraejemplo: { } Sea B = , una base de 2 y f : 2 2 una aplicacin lineal tal que e1 e2 o
() () f = y f = 0. e1 e1 e2
La matriz de la aplicacin f respecto a la base B o ( 1 M= 0
es ) 0 . 0
{ } { Es inmediato comprobar que Ker(f ) = (0, ) 2 : , f (E) = (, 0) E = Ker(f ) f (E). { } { } El conjunto B = e , e = , + tambin es una base de 2 . e1 e1 e2 e 1 2 proporciona La funcin f aplicada a los elementos de B o
R2 : R} y
( ) ( ) ( ) f e = e = (1, 0)B y f e = f + = = e = (1, 0)B , e1 e2 e1 1 1 2 1 luego la matriz de la aplicacin lineal f respecto a la base B es o ( ) 1 1 M = 0 0 que tiene distintas de cero sus dos columnas.
Ejercicio 4.42 Imagen de una suma directa de subespacios Sean E y E dos -espacios vectoriales; sean U y V subespacios vectoriales de E y sea f : E E un homomorsmo. Encontrar un contraejemplo que demuestre que la implicacin o
E = U V = Img(f ) = f (U ) f (V ) es falsa. Solucin: o Sea el endomorsmo f :
R2 R2 tal que
f (x, y) = (x, 0)
y sean los subespacios vectoriales de dimensin 1 de o U = {(, 0) :
R2 R}. R}. R
R} R}
y V = {(, ) :
Es inmediato comprobar que U V = {(0, 0)} y que 2 = U V. Las imgenes mediante f de los subespacios U y V son a f (U ) = {(, 0) : Claramente f (U ) + f (V ) = {(, 0) : y f (V ) = {(, 0) :
R} = Img(f )
pero no se trata de una suma directa porque f (U ) f (V ) = Img(f ) = {(0, 0)}.
Ejercicio 4.43 Aplicacin lineal en la que coinciden el ncleo y la imagen o u Sea E un -espacio vectorial de dimensin nita. o
a) Existe52 alguna aplicacin lineal f : E E tal que Img(f ) = Ker(f )? o ( ) b) Existen homomorsmos f, g : 2 2 tales que Ker(g f ) = g Img(f ) ?
Solucin: o a) Sea la aplicacin f : o
R2 R2 tal que f (x, y) = (y, 0). (
La matriz de f respecto a la base cannica es A = o
) 0 1 . 0 0
El n cleo de f est formado por las soluciones del sistema de ecuaciones lineales u a ( )( ) ( ) x 0 = 0 1 Ax = . 0 0 y 0 Claramente Ker(f ) = {(, 0) : }. { } Como B = = (1, 0), = (0, 1) es una base de 2 , la imagen de f es el subespacio generado e1 { e2 } () () por el conjunto f = (0, 0), f = (1, 0) , luego, e1 e2
Img(f ) = {(, 0) : Es inmediato observar que Ker(f ) = Img(f ). b) La respuesta es armativa. Sean los homomorsmos f, g :
R}.
R2 R2 tales que
f (x, y) = (y, x) y g(x, y) = (x, 0).
La composicin g f : o
R2 R2 es
2 2 (x, y)(y, x)(y, 0)
R2
Claramente, Ker(f g) = {(, 0) : Adems, f ( a
R}.
R2) = Img(f ) = R2 y
( ) g Img(f ) = g(
R2) = {(, 0) : R}.
( ) Para estos homomorsmos, Ker(g f ) = g Img(f ) .
Ejercicio 4.44 Imagen de un conjunto libre por una aplicacin lineal o Sea f : E F una aplicacin lineal entre dos -espacios vectoriales y sea el subconjunto o { } U = 1 , 2 , . . . , n E. u u u
Estudiar la veracidad o falsedad de la siguiente armacin: o

52
Este ejercicio prctico puede completarse leyendo la resolucin del ejercicio terico 4.55 a o o
4 APLICACIONES LINEALES { ( ) ( ) ( )} U es un conjunto libre si y slo si f (U ) = f 1 , f 2 , . . . , f n o u u u es libre. Solucin: o = Esta implicacin no es cierta en general. o Basta considerar la aplicacin nula entre dos espacios vectoriales. Cualquier conjunto libre del o { } espacio de partida se convierte en 0 que no es un conjunto libre. = Si f (U ) es libre, entonces U tiene que ser libre, porque si no lo fuera y existiera una combinacin o lineal nula con algn escalar no nulo de sus vectores, u 1 1 + 2 2 + + n n = 0 y j {1, 2, . . . , n} tal que j = 0, u u u entonces tambin existir una combinacin lineal nula con algn escalar no nulo de los vectores e a o u de f (U ), ( ) ( ) ( ) ( ) u u u u f 1 1 + 2 2 + + n n = 1 f 1 + 2 f 2 + + n f n = 0 , u u constituyendo esto ultimo una contradiccin con la hiptesis de que f (U ) es un conjunto libre. o o
Ejercicio 4.45 Imagen de un conjunto ligado por una aplicacin lineal o una aplicacin lineal entre dos Sea f : E E o -espacios vectoriales y sea el subconjunto { } U = 1 , 2 , . . . , n E. u u u
Estudiar la veracidad o falsedad de la siguiente armacin: o { ( ) ( ) ( )} U es un conjunto ligado si y slo si f (U ) = f 1 , f 2 , . . . , f n o u u u es ligado. Solucin: o = Si U es un conjunto ligado, entonces existen escalares 1 , 2 , . . . , n que 1 1 + 2 2 + + n n = 0 . u u u Aplicando que f es un homomorsmo, ( ) ( ) ( ) 1 f 1 + 2 f 2 + + n f n = 0 , u u u luego existen escalares no nulos que proporcionan una combinacin lineal nula de los vectores o de f (U ) y f (U ) es ligado. = Esta implicacin no es cierta en general. o Basta considerar la aplicacin nula entre dos espacios vectoriales. Cualquier conjunto libre del o { } espacio de partida se convierte en 0 que es un conjunto ligado.
K, no todos nulos, tales
Ejercicio 4.46 Imagen de una base del espacio de partida Sea f : E E un homomorsmo entre -espacios vectoriales de dimensin nita. o Analizar si es cierta o falsa la siguiente armacin: o
Si existe una base B de E tal que f (B) es una base de E , entonces f es un isomorsmo. Solucin: { o } e1 e2 en Sea B = , , . . . , una base de E. En cualquier caso, f es suprayectivo porque el subespacio Img(f ) generado por f (B) coincide con el espacio de llegada E . Sin embargo, la armacin no est correctamente enunciada porque puede interpretarse de dos o a maneras distintas, segn se entienda f (B) : u { ( ) ( ) ( )} e1 e2 en es el conjunto formado por las imgea 1. Si se sobrentiende que f (B) = f , f , . . . , f nes de los elementos de la base B en donde los elementos repetidos slo aparecen una vez, la o armacin es falsa. o Sirva como contraejemplo el homomorsmo f :
R3 R2 tal que
f (x, y, z) = (x, y), que no es un isomorsmo porque no es inyectivo ni sobreyectivo, y el conjunto { } B = (1, 0, 0), (1, 1, 0), (1, 1, 1) que es una base de 3 y su imagen mediante f { } { } { } f (B) = f (1, 0, 0), f (1, 1, 0), f (1, 1, 1) = (1, 0), (1, 1), (1, 1) = (1, 0), (1, 1) { ( ) ( ) ( )} e1 e2 en es el sistema de vectores formado por 2. Si se sobrentiende que f (B) = f , f , . . . , f las n imgenes de los elementos de la base B en donde hay que tener en cuenta si los hubiera a a los elementos repetidos, la armacin es cierta. o Entendiendo f (B) de esta manera y suponiendo que f (B) es base de E , se puede armar que el ( ) cardinal de f (B) y el B coinciden, luego dim Img(f ) = dim(E). Por la frmula que relaciona o las dimensiones del ncleo y la imagen de un homomorsmo con la dimensin del espacio de u o partida, se tiene ( ) ( ) ( ) dim(E) = dim Ker(f ) + dim Img(f ) = dim Ker(f ) + dim(E), ( ) deducindose que dim Ker(f ) = 0 y que f es inyectivo. e Al ser inyectivo y suprayectivo, f es biyectivo y, por ser lineal, es un isomorsmo. es una base de
R2.
Ejercicio 4.47 Transformacin de bases por endomorsmos suprayectivos o Sea E un -espacio vectorial de dimensin nita y sea f : E E es un endomorsmo suprao yectivo. Demostrar que toda base de E se transforma, mediante f, en una base de E. Puede armarse lo mismo si la dimensin de E no es nita? o
{ ( ) ( ) ( )} Si f es un endomorsmo suprayectivo, entonces Img(f ) = E y B = f , f , . . . , f e1 e2 en es un sistema de generadores de Img(f ) = E. Como B es un sistema de generadores de E y su nmero de elementos es la dimensin de E, u o entonces B es una base de E porque en un espacio vectorial de dimensin n, un sistema de generadores o formado por exactamente n vectores es linealmente independiente y consecuentemente base. Si E no es de dimensin nita, la armacin no siempre es cierta. Sirva como contraejemplo el o o endomorsmo suprayectivo f : [x] [x] tal que
Solucin: o { } Sea n la dimensin de E y B = , , . . . , una base de E. o e1 e2 en
f (a0 + a1 x + a2 x2 + ) = a1 + a2 x + a3 x2 + . Claramente B = {1, x, x2 , . . .} es una base de [x] pero B = {f (1), f (x), f (x2 ) . . .} = {0, 1, x, . . .} no es una base de [x] porque contiene al polinomio nulo.
Ejercicio 4.48 Dimensin de un subespacio vectorial y de su imagen por un homomorsmo o Sea f : U V un homomorsmo entre los -espacios vectoriales U y V y sea W un subespacio vectorial de U. Demostrar que ( ) dim(W ) dim f (W ) .
Solucin: { o } Sea B = 1 , 2 , . . . , n un subconjunto libre de f (W ). v v v ( ) Como B f (W ), entonces, i = 1, 2, . . . , n . i U tal que i = f i , luego w v w { ( ) ( ) ( )} B = f 1 , f 2 , . . . , f n . w w w { } Aplicando a B el resultado alcanzado en el ejercicio 4.44, se deduce que 1 , 2 , . . . , n es un w w w subconjunto libre de W. Para cada subconjunto libre de f (W ) existe un subconjunto libre de W con el mismo cardinal. As pues, la dimensin de f (W ) no puede superar a la dimensin de W : o o ( ) dim(W ) dim f (W ) . La igualdad no siempre se cumple, basta considerar el homomorsmo nulo f : subespacio W = {(0, ) : } 2 . Claramente
R2 R3 y el
( ) ({ }) = 0 < dim(W ) = 1. dim f (W ) = dim 0
Ejercicio 4.49 Suma de las dimensiones del ncleo y de la imagen de una aplicacin lineal u o Demostrar que si f : V W es una aplicacin lineal entre espacios vectoriales de dimensin o o nita, entonces ( ) ( ) dim V = dim Ker(f ) + dim Img(f ) .
Solucin: { o { } } Sea BI = 1 , 2 , . . . , r una base de Img(f ) y( sea BK = , , . . . , una base de Ker(f ). v v v e1 e2 es B , V : f ) = , luego Por pertenecer a Img(f ), v u u v I { ( ) ( ) { ( ) } } BI = 1 , 2 , . . . , r = f 1 , f 2 , . . . , f r . v v v u u u El conjunto { } BV = 1 , 2 , . . . , r , , , . . . , u u u e1 e2 es
(17)
cumple las siguientes propiedades: o Es linealmente independiente: Sea una combinacin lineal de los elementos de BV igual al vector cero: es (18) e2 e1 u u u 1 1 + 2 2 + + r r + r+1 + r+2 + + r+s = 0 . Aplicando f y sus propiedades lineales a esta igualdad y observando que la imagen de los elementos del ncleo de f es el vector 0 , se tiene u ( ) ( ) ( ) 1 f 1 + 2 f 2 + + r f r = 0 . u u u Como BI es un conjunto de vectores linealmente independientes, la unica posibilidad de que se cumpla la igualdad anterior es que 1 = 2 = = r = 0. Sustituyendo estos valores en la ecuacin (18), se llega a o r+1 + r+2 + + r+s = 0 , e1 e2 es pero, como BK es tambin un conjunto linealmente independiente, la unica manera de que se e mantenga la relacin es que todos los escalares sean cero. En consecuencia, tambin o e r+1 = r+2 = = r+s = 0. La unica combinacin lineal de los elementos de BV igual al vector cero es la combinacin o o trivial donde todos los escalares son cero. Es decir, BV es un conjunto de vectores linealmente independientes. v Es un conjunto generador de V : Sea V. ( ) Img(f ), luego Es inmediato que f v () ( ) ( ) ( ) ( ) f = 1 f 1 + 2 f 2 + + r f r = f 1 1 + 2 2 + + r r v u u u u u u porque BI es una base de Img(f ). ( u ) El elemento = 1 1 + 2 2 + + r r Ker(f ) porque w v u u ( ) () () ( ( u ) ) f = f 1 1 + 2 2 + + r r = f f 1 1 + 2 2 + + r r = 0 . w v u u v u u u Como BK es una base de Ker(f ), el vector puede expresarse como una combinacin lineal de w o los elementos de BK : = + + + w r+1 e1 r+2 e2 r+s es
4 APLICACIONES LINEALES ( u ) y como = 1 1 + 2 2 + + r r , se tiene w v u u ( + + + u ) = + + + v 1 u1 2 u2 r r r+1 e1 r+2 e2 r+s es de donde, por las propiedades de linealidad, se deduce que = + + + + + + + . v 1 u1 2 u2 r ur r+1 e1 r+2 e2 r+s es Es decir, cualquier vector del espacio vectorial V puede expresarse como combinacin lineal de o los elementos de BV . Por tanto, BV es un sistema de generadores de V. En denitiva, BV es una base de V formada por r + s elementos. Como el nmero de elementos de una base de un espacio vectorial coincide con la dimensin de u o ese espacio vectorial, puede concluirse que la dimensin de V es igual a la suma de las dimensiones o del ncleo y de la imagen de f : u ( ) ( ) dim V = r + s = dim Img(f ) + dim Ker(f ) .
Ejercicio 4.50 Relacin entre las dimensiones del ncleo y el espacio columna de una matriz o u n m una aplicacin lineal, A M Sea un cuerpo, f : o mn ( ) la matriz de f respecto a las bases cannicas y Col(A) el subespacio vectorial de m generado por las columnas de A. o Demostrar que ( ) ( ) dim Ker(f ) + dim Col(A) = n.
Solucin: o Aplicando la frmula demostrada en el ejercicio 4.49, se tiene que o ( ) ( ) dim Ker(f ) + dim Img(f ) = dim( n ) = n.
Teniendo en cuenta que la dimensin del subespacio columna de una matriz coincide con la dimeno sin de la imagen de la aplicacin lineal asociada a dicha matriz, o o ( ) ( ) dim Img(f ) = dim Col(A) , se obtiene la relacin buscada. o ( ) ( ) dim Ker(f ) + dim Col(A) = n. La suma de las dimensiones del ncleo y del espacio columna de una matriz es igual al nmero de u u columnas de la matriz.
Ejercicio 4.51 Dimensin mxima de la imagen de una aplicacin lineal o a o Es posible encontrar una funcin f : 2 3 lineal y sobreyectiva? o
Solucin: o No es posible encontrar una funcin f : 2 3 lineal y sobreyectiva. o ( ) Si f es sobreyectiva, dim Img(f ) = dim( 3 ) = 3. La frmula demostrada en el ejercicio 4.49 no se cumple en este caso porque o ( ) ( ) dim Ker(f ) + dim Img(f ) = dim( 2 ),
se reduce a
( ) dim Ker(f ) + 3 = 2,
relacin imposible porque la dimensin de un subespacio vectorial es un nmero entero mayor o igual o o u que cero.
Ejercicio 4.52 Suma de las dimensiones de ncleo e imagen de la restriccin de un endomorsmo u o Sea V un -espacio vectorial de dimensin nita, sea F un subespacio vectorial de V y sea f : o V V un endomorsmo. Demostrar que
( ) ( ) ( ) a) dim f 1 (F ) = dim Ker(f ) + dim F Img(f ) . ( ) ( ) b) dim(F ) = dim Ker(f ) F + dim f (F ) . c) Si g : V V es otro endomorsmo de V, entonces ( ) ( ) ( ) dim Img(f ) = dim Ker(g) Img(f ) + dim Img(g f ) . Solucin: o a) La imagen rec proca de F, f 1 (F ), es53 un subespacio vectorial de V porque F es un subespacio vectorial de V. La restriccin del endomorsmo f al subespacio f 1 (F ), o f f 1 (F ) : f 1 (F ) V,
es una aplicacin lineal entre espacios vectoriales para la que se cumple la frmula54 o o ( ( ( ) dim f 1 (F ) = dim Ker f )) f 1 (F ) ( ( + dim Img f )) f 1 (F ) .
( ) Como55 Ker(f ) f 1 (F ), entonces Ker f 1 = Ker(f ). f (F ) ( ) ( ) Adems, Img f 1 a = f f 1 (F ) = F Img(f ) porque se cumple la doble inclusin: o f (F ) ( ) ( ) Es evidente que f f 1 (F ) F y que f f 1 (F ) Img(f ). ( ) Si (F Img(f ), entonces existe V tal que f = F, luego f 1 (F ) y x y y x y ) f f 1 (F ) . x Sustituyendo las dos igualdades anteriores en la frmula de las dimensiones, se tiene la igualdad o buscada: ( ) ( ) ( ) dim f 1 (F ) = dim Ker(f ) + dim F Img(f ) .
Demostrado en el primer apartado del ejercicio 4.23. Vase el ejercicio 4.49. e 55 Demostrado en el segundo apartado del ejercicio 4.23.
54 53
b) La restriccin del endomorsmo f al subespacio F, o f F : F V,
es una aplicacin lineal entre espacios vectoriales para la que se cumple la frmula56 o o ( ( )) ( ( )) dim(F ) = dim Ker f + dim Img f . F F ( La igualdad Ker f ) F = Ker(f ) F es cierta porque ) () f = 0 y F Ker(f ) F v v v )
(19)
F ( y tambin es claro que Img f e
( Ker f v
= f (F ). F Sustituyendo los resultados anteriores en la frmula (19) se tiene o ( ) ( ) dim(F ) = dim Ker(f ) F + dim f (F ) como quer amos demostrar. c) Si se aplica el resultado obtenido en el apartado b) al subespacio F = Img(f ) V y al endomorsmo g, se obtiene inmediatamente la relacin buscada: o ( ( ( ) ( ) )) dim Img(f ) = dim Ker(g) Img(f ) + dim g Img(f ) ( ) ( ) = dim Ker(g) Img(f ) + dim Img(g f ) . ( ) ( ) El trmino dim Ker(g) Img(f ) no puede sustituirse por dim Ker(g) ya que la frmula e o ( ) ( ) ( ) dim Img(f ) = dim Ker(g) + dim Img(g f ) no es correcta. Los endomorsmos f, g :
R3 R3 tales que
f (x, y, z) = (0, 0, 0) y g(x, y, z) = (x, y, 0) ( ) ( ) ( ) sirven como contraejemplo porque dim Img(f ) = 0, dim Ker(g) = 1 y dim Img(g f ) = 0.
Ejercicio 4.53 Ncleo de un homomorsmo de n+1 en n u { } Demostrar que si f : n+1 n es una aplicacin lineal, entonces Ker(f ) = 0 . o
Solucin: o Por tratarse de espacios vectoriales de dimensin nita, se puede aplicar la frmula demostrada en o o el ejercicio 4.49 que relaciona las dimensiones del ncleo y de la imagen de un homomorsmo con la u dimensin del espacio vectorial de origen, obtenindose la relacin o e o ( ) ( ) n + 1 = dim Ker(f ) + dim Img(f ) que es equivalente a
56
( ) ( ) dim Ker(f ) = n + 1 dim Img(f ) .
Como la imagen de f est contenida en a
Rn, Img(f ) Rn, su dimensin es menor o igual que n, o
( ) dim Img(f ) n, resultando que ( ) ( ) dim Ker(f ) = n + 1 dim Img(f ) n + 1 n = 1 { } 0 .
y deducindose que la dimensin del ncleo de f tiene que ser igual o superior a 1 y, por tanto, e o u Ker(f ) =
Una aplicacin de estas caracter o sticas no puede ser inyectiva.
Ejercicio 4.54 Endomorsmos con igual dimensin en ncleo e imagen o u n n son endomorsmos tales que Demostrar que si f, g :
( ( )) ( ( )) dim Ker f = dim Img g , entonces ( ( )) ( ( )) dim Ker g = dim Img f .
Solucin: o En el ejercicio 4.49 se ha demostrado que para cualquier homomorsmo entre espacios vectoriales, h : V W, se cumple la relacin o ( ) ( ) dim V = dim Ker(h) + dim Img(h) . En particular, para los endomorsmos f y g, se tiene ) ( Rn = dim ( Ker(f )) + dim ( Img(f ))), ( n = dim Rn = dim Ker(g) + dim Img(g) , n = dim de donde se deduce que ( ( )) ( ) ( ( )) ( ( )) dim Ker g = n dim Img(g) = n dim Ker f = dim Img f .
Ejercicio 4.55 Igualdad entre ncleo e imagen de un endomorsmo u Sea V un -espacio vectorial de dimensin nita n y f : V V una aplicacin lineal. Demostrar o o 57 : las implicaciones siguientes y comprobar que las rec procas no se cumplen
a) Si Ker(f ) = Img(f ), entonces n es un nmero par. u b) Si n es un nmero impar, entonces Ker(f ) = Img(f ). u
57
Este ejercicio terico puede completarse leyendo la resolucin del ejercicio prctico 4.43 o o a
Solucin: o Es fcil observar que se trata de implicaciones contrarrec a procas porque el antecedente de la primera es la negacin del consecuente de la segunda y el consecuente de la primera es la negacin del o o antecedente de la segunda, (p = q) (q = p), luego se trata de armaciones equivalentes y basta probar una de ellas para que la otra tambin quede e demostrada. ( ) ( ) Si Ker(f ) = Img(f ), entonces dim Ker(f ) = dim Img(f ) . Al sustituir esta igualdad en la frmula o ( ) ( ) dim V = dim Ker(f ) + dim Img(f ) demostrada en el ejercicio 4.49, se obtiene ( ) ( ) ( ) n = dim V = dim Ker(f ) + dim Img(f ) = 2 dim Ker(f ) y se deduce inmediatamente que n es un nmero par. u La implicacin rec o proca en ambos casos no se cumple porque la dimensin del espacio vectorial o u u V no tiene nada que ver con el ncleo ni la imagen del endomorsmo f. Por ejemplo, el ncleo y la imagen de la identidad en 2 son distintos porque uno tiene dimensin 0 y otra tiene dimensin 2 o o 2 es un n mero par. mientras que la dimensin del espacio o u
Ejercicio 4.56 Relacin entre el ncleo y la imagen de un endomorsmo o u Sea V un -espacio vectorial de dimensin nita y f : V V un endomorsmo. Se pide: o
a) Demostrar que ( ) ( ) { } dim Img(f ) = dim Img(f f ) = Ker(f ) Img(f ) = 0 . Se cumple la implicacin rec o proca? b) Demostrar que Ker(f ) = Ker(f f ) Ker(f ) Img(f ) = Solucin: o a) La restriccin de la aplicacin lineal f al subespacio vectorial de dimensin nita f (V ), o o o ( ) f : f (V ) f f (V ) f (V ) es suprayectiva y al ser por hiptesis o ( ( ( ) ( ) ( ) )) dim f (V ) = dim Img(f ) = dim Img(f f ) = dim f f (V ) , tambin es biyectiva y por tanto inyectiva, luego e ( ) { } Ker f = 0 f (V ) ( ) y como Ker f = Ker(f ) f (V ), se tiene que f (V ) Ker(f ) Img(f ) = { } 0 { } 0 .
como se quer demostrar. a La implicacin rec o proca tambin se cumple porque si e { } ) = Ker(f ) Img(f ) = 0 , f (V ) ( ) entonces la aplicacin lineal f o : f (V ) f f (V ) es inyectiva y suprayectiva; consecuenf (V ) temente es biyectiva y coinciden las dimensiones de los espacios de partida y de llegada, esto es, ( ( ( ) ( ) )) ( ) dim Img(f ) = dim f (V ) = dim f f (V ) = dim Img(f f ) . b) Hay que comprobar la doble implicacin: o = Si Ker(f ) Img(f ), entonces existe V tal que v w ( ( )) () () = (f f )( ). f = y 0 =f =f f w v v w w El vector Ker(f f ) que por hiptesis coincide con Ker(f ), luego Ker(f ) y w o w = f ( ) = . v w 0 Slo el vector nulo puede pertenecer al subespacio Ker(f ) Img(f ). o = La inclusin Ker(f ) Ker(f f ) se cumple siempre. o La inclusin Ker(f f ) Ker(f ) tambin se cumple porque si Ker(f f ), entonces o e v ( ( )) = , f f v 0 () () { } luego f Ker(f ) y, claramente, f Img(f ). Como Ker(f )Img(f ) = 0 , entonces v v () f = 0 v y Ker(f ), como quer v amos demostrar. ( Ker f
o Ejercicio 4.57 Aplicacin lineal entre espacios de polinomios Sea 3 [x] = {p(x) = a0 + a1 x + a2 x2 + a3 x3 : a0 , a1 , a2 , a3
R} y sea f : R3[x] R3[x] tal que
( ) f p(x) = p (x). Se pide: a) Demostrar que f es una aplicacin lineal entre espacios vectoriales. o b) Calcular la matriz asociada a f y a la base B = {1, x, x2 , x3 }. c) Hallar sendas bases del ncleo y de la imagen de f. u Solucin: o
a) En general, la derivada de la suma de dos polinomios es la suma de las derivadas de cada polinomio y la derivada del producto de un escalar por un polinomio es el escalar multiplicado por la derivada del polinomio. La aplicacin f es lineal porque p(x), q(x) 3 [x] y , se cumple o ( ) ( ( ) ( ) f p(x) + q(x) = p(x) + q(x)) = p(x) + q(x) ( ) ( ) = p (x) + q (x) = f p(x) + f q(x) . b) Las columnas de la matriz A asociada a la aplicacin lineal f y a la base B = {1, x, x2 , x3 } son o en ese orden las imgenes de los elementos de B. a Al ser f (1) = 0 + 0x + 0x2 + 0x3 , f (x) = 1 + 0x + 0x2 + 0x3 , f (x2 ) = 0 + 2x + 0x2 + 0x3 , f (x3 ) = 0 + 0x + 3x2 + 0x3 , la matriz buscada es 0 0 A= 0 0 1 0 0 0 0 2 0 0 0 0 . 3 0
a a c) La imagen de f est generada por las imgenes de los elementos de B, Img(f ) = L(1, 2x, 3x2 ) = {a0 + a1 x + a2 x2 : a0 , a1 , a2
R}.
El ncleo de f est formado por todos aquellos polinomios con coecientes reales, en una indeteru a minada y de grado menor o igual que 3 cuya derivada sea 0, p(x) Ker(f ) p (x) = 0 p(x) = 0 dx = K, luego Ker(f ) = {a0 : a0 }. ( ) ( ) Puede observarse que dim Img(f ) = 3, que dim Ker(f ) = 1 y, como no podr ser de otro a modo, dim( 3 [x]) = 4.
o Ejercicio 4.58 Aplicacin lineal entre espacios de matrices Dada la aplicacin f : M2 ( ) M2 ( ) tal que o
f (A) = A + AT , se pide: a) Demostrar que f es una aplicacin lineal entre espacios vectoriales. o b) Calcular la matriz asociada a f y a la base {( ) ( ) ( ) ( )} 1 0 0 1 0 0 0 0 , , , } = e e e B = {e1 2 3 4 , , , . 0 0 0 0 1 0 0 1
c) Hallar sendas bases del ncleo y de la imagen de f. u ( ) d) Calcular f 1 2e1 . Es un subespacio vectorial? Solucin: o a) La conmutatividad de la suma de matrices y las propiedades de la trasposicin de matrices nos o permiten comprobar que f es una aplicacin lineal: o f (A + B) = (A + B) + (A + B)T = A + B + AT + B T ( ) ( ) = A + AT + B + B T = f (A) + f (B). b) Las imgenes de los elementos de B son a ( ) ( ( ) = 1 0 + 1 f e1 0 0 0 ( ) ( ( ) 0 1 0 f e2 = + 0 0 1 ( ) ( () 0 0 0 + f = e3 1 0 0 ( ) ( () 0 0 0 f = + e4 0 1 0 ) = ) = ) = ) = ( ( ( ( ) ) ) )
0 0 0 0 1 0 0 1
2 0 0 0 0 1 1 0 0 1 1 0 0 0 0 2
= 2 + 0 + 0 + 0 , e1 e2 e3 e4 = 0 + 1 + 1 + 0 , e1 e2 e3 e4 = 0 + 1 + 1 + 0 , e1 e2 e3 e4 = 0 + 0 + 0 + 2 . e1 e2 e3 e4
Por tanto, la matriz del endomorsmo A respecto 2 0 0 1 A= 0 1 0 0
a la base B es 0 0 1 0 . 1 0 0 2
a a c) La imagen de f est generada por las imgenes de los elementos de B. As pues, {( ) } ( ) , e + e , 2e = : , , . Img(f ) = L 2e1 2 3 4
La imagen de f coincide con el subespacio de la matrices simtricas (AT = A) y tiene dimensin e o 3. Una base de la imagen de f es {( ) ( ) ( )} 1 0 0 1 0 0 BI = , , . 0 0 1 0 0 1
El n cleo de f est formado por las soluciones del sistema homogneo u a e 0 x 2 0 0 0 0 1 1 0 y 0 A = x 0 1 1 0 z = 0 0 u 0 0 0 2 que corresponde con las ecuaciones lineales
2x = 0 y+z =0 2u = 0
de tal modo que Ker(f ) =
{(
0 0
) :
} .
El ncleo de f es el subespacio de la matrices antisimtricas (AT = A) y tiene dimensin 1. u e o Una base del ncleo de f es u BK = {( 0 1 1 0 )} .
d) Las matrices cuya imagen es 2 son las soluciones del sistema e1 2 0 ( ) f = A = x x 0 0 Las ecuaciones correspondientes son 0 1 1 0 y las soluciones son f
1
0 1 1 0
0 x 2 0 y 0 = = 2 . e1 0 z 0 2 u 0
2x = 2 x+y =0 2u = 0 1 0 ) :
( ) 2e1 =
{(
} .
( ) El conjunto f 1 2 no es un subespacio vectorial porque no es cerrado respecto a la suma ni e1 respecto a la multiplicacin por un escalar o ( ) ( ) ( ) ( ) 1 1 2 ( + ) + = f 1 2 , e1 0 0 + 0 ( ) ( ) ( ) 1 = f 1 2 si = 1. e1 0 0
Ejercicio 4.59 Aplicaciones idempotentes y de suma la identidad Sea E un -espacio vectorial y sean f1 y f2 dos endomorsmos de E tales que
f1 + f2 = Id,
2 2 f1 = f1 y f2 = f2 .
Se pide: () a) Demostrar que si Img(f1 ), entonces f1 = (resp. f2 ). v v v b) Demostrar que E = Img(f1 ) Img(f2 ). c) Comprobar que f1 f2 = 0 y f2 f1 = 0. d) Demostrar que Ker(f1 ) = Img(f2 ) y que Ker(f2 ) = Img(f1 ).
e) Vericar que los endomorsmos asociados a las matrices 2 1 1 3 1 1 1 1 y A2 = 2 0 1 A1 = 2 4 2 2 4 2 1 cumplen las hiptesis y las tesis anteriores. o Solucin: o () a) Si Img(f1 ), entonces E tal que f1 = . Aplicando f1 , se tiene v w w v ( ( )) = f ( ). f1 f1 w 1 v ( ( )) = f ( ) y f ( ) = , se llega a Como f1 f1 w v 1 w 1 w = f ( ). v 1 v () Razonando del mismo modo con f2 , se prueba que si Img(f2 ), entonces = f2 . v v v a b) El espacio vectorial E es suma de las imgenes de los endomorsmos f1 y f2 porque se produce la doble inclusin: o Al ser f1 + f2 = Id, para cualquier elemento E se tiene v () ( ) f1 + f2 = , v v v luego todo elemento del espacio vectorial E tambin pertenece a Img(f1 ) + Img(f2 ) y, por e tanto, E Img(f1 ) + Img(f2 ). Como Img(f1 ) E y Img(f2 ) E, entonces E Img(f1 ) + Img(f2 ). Adems, la suma entre las imgenes de f1 y f2 es directa porque a a { } Img(f1 ) Img(f2 ) = 0 . Esto se debe a que si entonces, por el apartado a, Img(f ) Img(f ), v 1 2 () () f1 = y f2 = v v v v
() ( ) y sustituyendo estos resultados en la relacin f1 +f2 = Id, ms concretamente en f1 +f2 = o a v v , se obtiene: v + =, v v v luego = 0 porque 0 es el unico elemento de E que verica 2 = . v v v Al no haber vectores distintos de cero en la interseccin de los subespacios, su suma es directa, en o este caso: E = Img(f1 ) Img(f2 ).
c) Como ya se ha aplicado un par de veces en este ejercicio, f1 + f2 = Id para cualquier elemento E, luego v = f ( ) + f ( ) E. v v 1 v 2 v
2 Aplicando f1 a la igualdad anterior y que f1 = f1 , se tiene ( ) ( ) ( ) = f f ( ) + f f ( ) = f ( ) + (f f )( ), f1 v 1 2 v 1 v 1 1 v 1 2 v
() de donde puede deducirse fcilmente que (f1 f2 ) = 0 . a v () Del mismo modo se comprueba que (f f ) = 0 E. v v
2 1
d) Aunque habitualmente las igualdades conjunt sticas se comprueban vericando la doble inclusin de o los conjuntos intervinientes, en este caso aprovechando las propiedades de los espacios vectoriales, comprobaremos en primer lugar que uno de los subespacios est contenido en el otro y en segundo a lugar que sus dimensiones coinciden para poder concluir que los dos subespacios son el mismo. a) Al cumplirse f1 f2 = 0, puede armarse que Ker(f1 ) Img(f2 ). b) Por una parte, ( ) ( ) dim Ker(f1 ) = dim(E) dim Img(f1 ) .
Por otra parte, al ser E = Img(f1 ) Img(f2 ), ( ) ( ) dim Img(f2 ) = dim(E) dim Img(f1 ) . ( ) ( ) En denitiva, dim Ker(f1 ) = dim Img(f2 ) . Como Ker(f1 ) y Img(f2 ) tienen la misma dimensin y Ker(f1 ) Img(f2 ), tiene que cumplirse la o igualdad Ker(f1 ) = Img(f2 ). Del mismo modo se demuestra que Ker(f2 ) = Img(f1 ). e) Es inmediato comprobar que 2 1 2 1 A1 + A2 = 4 2 2 1 1 A2 = 2 1 4 2 3 1 0 A2 = 2 2 4 2 2 1 1 A1 A2 = 2 4 2 3 1 0 A2 A1 = 2 4 2 1 3 1 1 1 + 2 = 0 1 0 1 2 4 2 1 0 1 2 1 1 2 1 2 1 1 = 2 2 4 2 2 4 3 3 1 1 1 0 1 = 2 1 2 4 4 2 1 1 0 0 3 1 1 1 0 1 = 0 0 1 2 0 0 4 2 1 2 0 0 2 1 1 1 1 1 = 0 0 1 2 0 0 4 2 2 1 0 0 1 0 = Id, 0 1 1 1 1 1 = A1 , 2 2 1 1 0 1 = A2 , 2 1 0 0 , 0 0 0 . 0
La imagen por medio de f1 de un elemento cualquiera de E es 2 1 1 x 2x + y z 1 1 1 y = 2x + y z = (2x + y z) 1 , f1 (x, y, z) = 2 4 2 2 z 4x 2y + 2z 2 luego Img(f1 ) = {(, , 2) :
R}.
La imagen de f2 como coincide con el espacio generado por las columnas de la matriz A est gea nerada por los vectores (1, 0, 2) y (1, 1, 1) porque el primer vector columna es combinacin lineal o de los otros: (3, 2, 4) = (1, 0, 2) + 2(1, 1, 1). As pues Img(f2 ) = {( + , , 2 ) : ,
R}.
{ ) Para comprobar que Img(f1 ) Img(f2 ) = 0 basta tomar un vector Img(f1 ) Img(f2 ) v y observar que como los elementos de Img(f1 ) tienen iguales las dos primeras coordenadas, los valores de los parmetros de Img(f2 ) tendr que ser a an + = , de donde = 0 y = (, , ) que slo puede coincidir con una expresin del tipo (, , 2) v o o cuando = 0. Por tanto, el unico elemento de la interseccin de las imgenes es = (0, 0, 0). o a v Tambin se cumple 3 = Img(f1 ) Img(f2 ) porque la suma de las dimensiones de las imgenes e a es 3 y su interseccin slo contiene al vector cero. o o Cada vector de Img(f1 ) es invariante por f1 y cada vector de Img(f2 ) es invariante por f2 ya que 2 1 1 1 1 = , f1 (, , 2) = 2 4 2 2 2 2 3 1 1 + + 0 1 = . f2 ( + , , 2 ) = 2 4 2 1 2 2 ( ) El n cleo de f1 est formado por las soluciones del sistema de ecuaciones lineales f1 = 0 : u a v 2x + y z = 0 2x + y z = 0 4x 2y + 2z = 0 que, verdaderamente, slo est formado por la ecuacin o a o 2x + y z = 0. Tomando como parmetros y = y x + z = , se tiene que a Ker(f1 ) = {( + , , 2 ) : , que coincide con Img(f2 ).
R}
( ) El n cleo de f2 est formado por las soluciones del sistema de ecuaciones lineales f2 = 0 : u a v
que se reducen a
3x y + z = 0 2x + z = 0 4x + 2y z = 0 3x y + z = 0 2x + z = 0
porque la tercera ecuacin se obtiene restando a la segunda la primera multiplicada por 2. o Tomando x = como parmetro, las soluciones de este sistema de ecuaciones lineales son a Ker(fs ) = {(, , 2) : que coincide con Img(f1 ).
R}
Ejercicio 4.60 Formas lineales y espacio dual Demostrar que el conjunto L( ) = {f : es un
R R : f es lineal}
R-espacio vectorial de dimensin 1. o K-espacio vectorial de dimensin n, V, el conjunto o L(V ) = {f : V K : f es lineal} K K
Solucin: o Dado un
es un -espacio vectorial de dimensin n que se denomina espacio dual de V. o Para las funciones f, g L(V ) y el escalar , se denen las operaciones f + g : V y f : V de la siguiente manera: () () () () () (f + g) = f + g y (f ) = f . v v v v v ( ) Es inmediato comprobar que L(V ), +, . cumple las propiedades que le coneren una estructura de espacio vectorial sobre el cuerpo . { } Asociada a cada elemento i de una base B = , , . . . , de un -espacio vectorial V, hay e e1 e2 en una aplicacin lineal ei : V tal que o { ( ) 1 si j = i i j = 1, 2, . . . , n, e ej = i,j = . 0 si j = i
Estas n formas lineales constituyen una base de L(V ). En particular, como la dimensin del -espacio vectorial o es 1, si e1 B = { } es una base de e1 y la forma lineal e1 : tal que
R y 1 = 0, entonces e
( ) e1 e1 = 1 es una base de L( ).
() La prueba de lo anterior se realiza observando que si f = e1 () () f = = e1 e1 e1
R, entonces R,
y aplicando que tanto f como e1 son aplicaciones lineales, se tiene que = v e1 ( ) () () ( ) () () v e1 e1 f = f = f = e1 = e1 = e1 , v e1 e1
luego f = e1 . Como cualquier forma lineal f L( ) puede expresarse como combinacin lineal de e1 , entonces o { } el conjunto libre B = e1 es una base de L( ).
Ejercicio 4.61 Matriz cannica por equivalencia o Sea f : V W una aplicacin lineal entre -espacios vectoriales de dimensiones nitas n y m o respectivamente. Demostrar que existen bases BV de V y BW de W respecto a las cuales la matriz asociada al homomorsmo f es de la forma Idr 0 Cr = 0 0
siendo r el rango de f y 0 matrices formadas slo por el elemento neutro de o
K.
Solucin: o Siguiendo la misma notacin y recogiendo los resultados del ejercicio58 4.49 de este cap o tulo, se considera la base de V { } BV = 1 , 2 , . . . , r , , , . . . , u u u e1 e2 es que aparece en la frmula (17) y donde o } { { } y B = { , , . . . , } = f ( ) , f ( ) , . . . , f ( ) ur u2 u1 v1 v2 vr BK = , , . . . , e1 e2 es I son bases de Ker(f ) y de Img(f ) respectivamente. El conjunto de vectores linealmente independientes BI puede completarse hasta una base de W en virtud del Teorema de la base incompleta enunciado en [8]: En un espacio vectorial V de dimensin o nita, todo sistema linealmente independiente de vectores puede completarse hasta obtener una base. Sea { } BW = 1 , 2 , . . . , r , 1 , 2 , . . . , mr v v v w w u la base de W obtenida por este procedimiento. Las columnas de la matriz Cr asociada al homomorsmo f respecto a las bases BV y BW son por este orden las coordenadas de las imgenes de los elementos de BV mediante f respecto a la base a BW . Para i = 1, 2, . . . , r, la imagen de i mediante f es u () f i = i u v y sus coordenadas respecto a BW son
i) ( ) f i = i = (0, . . . , 1, . . . , 0). u v
58
Cuya lectura se recomienda encarecidamente.
4 APLICACIONES LINEALES Para i = 1, 2, . . . , s, la imagen de i mediante f es el vector cero porque se trata de elementos del e ncleo de f, u () f i = 0 , e y sus coordenadas respecto a BW son () f i = 0 = (0, . . . , 0). e La matriz Cr de la aplicacin lineal f respecto o de equivalencia y es de la forma 1 0 0 1 . . .. . . . . . 0 0 Cr = 0 0 . . .. . . . . . 0 0 a las bases BV y BW se llama matriz cannica o 0 0 0 0 . . .. . . . . . 1 0 0 0 . . .. . . . . . 0 0 0 0 . . . 0 0 . . . 0 .
c c Si A Mmn ( ) es la matriz asociada a la aplicacin lineal f respecto a las bases BV y BW de o V y W, respectivamente, existen matrices cuadradas no singulares tales que
Q1 AP = Cr . La matriz P Mn ( ) tiene como columnas las coordenadas de los vectores de BV respecto a la c base BV , ( ) u u e1 es P = 1 r , y la matriz Q1 es la matriz inversa de la matriz Q Mm ( ) que tiene como columnas las coordenadas c de los vectores de BW respecto a la base BW , ( ) v v w w Q = 1 r 1 mr . Rec procamente, si se conocen las matrices P y Q de cambio de la matriz A a su matriz cannica o por equivalencia, se puede asegurar que las r primeras columnas de la matriz Q forman una base de Img(f ) y que las s = n r ultimas columnas de la matriz P forman una base de Ker(f ).
Ejercicio 4.62 Clculo de la matriz cannica por equivalencia a o 4 3 que tiene como matriz asociada respecto a las corresponSea la aplicacin lineal f : o dientes bases cannicas a la matriz o 0 1 1 0 A = 0 1 1 0 . 2 1 0 1
Se pide: a) Establecer la forma de la matriz cannica por equivalencia, Cr , de f. o b) Calcular las matrices, Q y P, de cambio de base que satisfacen la relacin Q1 AP = Cr . o c) Hallar sendas bases de Ker(f ) y de Img(f ).
Solucin: o o a) La forma de la matriz cannica por equivalencia puede establecerse una vez conocido el rango de A o equivalentemente la dimensin de la imagen de f. o Es inmediato observar que rango(A) = 2 porque sus dos primeras las son iguales y mientras que las dos ultimas son linealmente independientes. Por tanto, 1 0 0 0 Cr = 0 1 0 0 . 0 0 0 0
b) Para calcular las matrices de cambio de base y, aparejadamente, las bases que contienen bases del ncleo y la imagen de f, puede emplearse el mtodo de eliminacin de Gauss aplicado en dos fases u e o encadenadas: Eliminacin por las: Se calcula una matriz triangular superior con la diagonal formada prio meramente por unos y despus por ceros, A1 , junto con la matriz de cambio, Q1 que cumple e A1 = Q1 A. Para ello, se aplica el proceso de eliminacin gaussiana por las a la matriz A| Id3 . o 59 que conducen a Fcilmente pueden hacerse los clculos a a 0 1 0 1 1 0 1 0 0 1 1 0 1 0 2 2 2 1 0 = A1 |Q1 A| Id3 = 0 1 1 0 0 1 0 las 0 1 1 0 0 0 0 0 0 1 1 0 2 1 0 1 0 0 1 y comprobar que 0 0 1 0 1 Q A= 1 1 0 1 1 0 1 0 1 1 0 = 0 0 0 0 2 1 0 1
1 2
0 1 1 0 0
1 2
0 = A1 . 0
1 2
o Eliminacin por columnas: Se llega a la forma denitiva de la matriz cannica por equivalencia o A1 aplicando el proceso de eliminacin gaussiana por columnas a la matriz ampliada o y Id4 obtenindose la matriz regular P que cumple A1 P = Cr . e Como antes, es sencillo establecer los clculos que conducen a a 1 0 0 0 1 1 0 1 2 2 0 0 1 1 0 1 0 0 0 0 0 0 0 0 0 0 Cr A1 1 1 = 1 0 0 0 columnas 1 1 2 2 2 = P Id4 0 1 1 0 0 1 0 0 0 0 0 1 0 0 1 0 0 0 0 1 0 0 0 1 y comprobar que 1 A1 P = 0 0 0 1 1 0 0
1 2 1 1 1 1 2 2 2 1 0 0 0 0 1 1 0 0 = 0 1 0 0 = Cr . 0 0 1 0 0 0 0 0 0 0 0 0 1 1 2
59 No hay una unica manera de realizar estos clculos porque las matrices de cambio no son unicas. Lo importante es a que las igualdades se cumplan.
4 APLICACIONES LINEALES En denitiva, Cr = Q1 AP. c) Al ser s = 2 la dimensin de la imagen de f, la dimensin del ncleo de f es o o u ( ) dim Ker(f ) = dim(
R4) dim ( Img(f )) = 4 2 = 2. R4
Las dos ultimas columnas de la matriz P son las coordenadas respecto a la base cannica de o de los dos elementos de una base del ncleo de f. u 1 2 1 , = 0 . e2 = = e1 0 1 0 1
1 2
BK
BK es una base de Ker(f ) por ser un conjunto maximal de vectores linealmente independientes del ncleo de f ya que u 1 0 0 1 1 0 2 ( ) = A T = 0 1 1 0 1 = 0 , f e1 e1 1 0 2 1 0 1 0 0 1 0 0 1 1 0 2 ( ) 0 0 T f e2 = A = 0 1 1 0 e2 0 = 0 . 2 1 0 1 1 0 Las coordenadas respecto a la base cannica de 3 de los dos elementos de una base de Img(f ) o son las dos primeras columnas de la matriz Q. Hasta el momento slo se conoce Q1 , pero no es o muy complicado llegar a que 0 1 1 Q = 0 1 0 , 2 0 0 de donde 0 1 BI = 1 = 0 , 2 = 1 v v 2 0
es una base de Img(f ) porque se trata de un conjunto de vectores linealmente independientes pertenecientes a la imagen de f al existir elementos en el conjunto origen cuya imagen sea los vectores de BI , 0 0 0 1 1 0 0 1 1 0 0 = 0 = 1 , v f (0, 0, 0, 2) = 0 2 2 1 0 1 2 0 1 0 1 1 0 0 v f (0, 0, 1, 0) = 0 1 1 0 = 1 = 2 . 1 0 2 1 0 1 0
Cdigos o
Ejercicio 4.63 Cdigo sistemtico de repeticin o a o { } , e , e y B = { , , , , , } bases de los e e e e e Sean B = e1 2 3 e1 2 3 4 5 6 respectivamente, y sea la funcin f : 3 6 tal que o 2 2
Z2-espacios vectoriales Z3 y Z6, 2 2
( ) f x1 + x2 + x3 = x1 e + x2 e + x3 e + x1 e + x2 e + x3 e . e1 e2 e3 1 2 3 4 5 6 Se pide: a) Demostrar que f es una aplicacin lineal entre los o
Z2-espacios vectoriales Z3 y Z6. 2 2
b) Hallar la matriz, F, de la aplicacin lineal f respecto a las bases B y B . o c) Calcular Ker(f ) e Img(f ) y especicar sus dimensiones. Es f inyectiva? d) Hallar F T F. Existe alguna relacin entre Ker(F T ) y Img(F )? o Solucin: o a) La aplicacin f es lineal porque para cualquier par de escalares , o vectores de 3 , se cumple 2
Z2 y para cualquier par de
) ( ( ( ) ) e1 e2 e3 = f x1 + x2 + x3 + y 1 + y 2 + y 3 e1 e2 e3 ( ) f (x1 + y1 ) + (x2 + y2 ) + (x3 + y3 ) = e1 e2 e3 =(x1 + y1 ) + (x2 + y2 ) + (x3 + y3 ) + (x1 + y1 ) + e1 e2 e3 e4 + (x + y ) + (x + y ) e e ) = x1 e + x2 e + x3 e + x1 e + x2 e + x3 e + 1 2 3 4 5 6 ) ( + y1 e1 + y2 e2 + y3 e3 + y1 e4 + y2 e5 + y3 e 6 ( + x + x ) + f (y + y + y ). e e e =f x e e e (

1 1 2 2 3 3 1 1 2 2 3 3 2 2 5 3 3 6
b) Las columnas de la matriz de f respecto a las bases B y B son las coordenadas respecto a la base B de las imgenes de los vectores de la base B. a Al ser la matriz de f es () () () f = e + e , f = e + e , f = e + e , e1 e2 e3 1 4 2 5 3 6 1 0 0 F = 1 0 0 0 1 0 0 1 0 0 0 1 . 0 0 1
c) Es evidente que el rango de la matriz F es 3. El sistema de ecuaciones lineales F = 0 tiene x { } = como unica solucin unica, luego Ker(f ) = . 0 x 0 o La aplicacin f es inyectiva porque la dimensin de su ncleo es cero. o o u
4 APLICACIONES LINEALES Las coordenadas respecto a la base B de la imagen mediante f de un vector genrico son e 1 0 0 1 0 0 0 1 0 0 1 0 0 a 0 b a 1 c b = . a 0 c b 0 1 c
La dimensin de la imagen de f es 3 porque el rango de la matriz F es 3. El subespacio vectorial o x1 x2 x S = 3 x4 x5 x6 x2 = x5 , x3 = x6
Z 6 : x1 = x4 , 2
est contenido en la imagen de f y tiene dimensin 3, luego Img(f ) = S. a o d) Al ser 0 0 0 0 0 1 = 0 0 0 , 0 0 0 0 0 1
1 0 1 0 0 1 0 0 T 0 1 0 0 1 0 0 F F = 1 0 0 1 0 0 1 0 0
0 1 0 0 1 0
se concluye que Img(F ) Ker(F T ) y como ambos tienen dimensin 3, coinciden. o
Ejercicio 4.64 Cdigo sistemtico de paridad simple o a { , e , . . . , } y B = { , , . . . , } bases de los Sean B = e1 2 e8 e e e 1 2 9 respectivamente, y sea la funcin f : 8 9 tal que o 2 2
Z2-espacios vectoriales Z8 y Z9, 2 2

(
8 i=1
) f x1 + x2 + + x8 = x1 e + x2 e + + x8 e + e1 e2 e8 8 2 1 ( Se pide: a) Demostrar que f es una aplicacin lineal entre los o b) Hallar la matriz de f respecto a las bases B y B . c) Calcular Ker(f ) e Img(f ) y especicar sus dimensiones.
) xi
e . 9
Z2-espacios vectoriales Z8 y Z9. 2 2
Solucin: o
a) f es una aplicacin lineal entre los 2 -espacios vectoriales 8 y 9 porque , 2 y , 8 , o x y 2 2 2 ( ( ( ) ) ( )) = f x + x + + x + y e + y + + y f + x y 1 e1 2 e2 8 e8 1 1 2 e2 8 e8 ( ) = f (x1 + y1 ) + (x2 + y2 ) + + (x8 + y8 ) e1 e2 e8 ) ( 8 = (x1 + y1 )e1 + (x2 + y2 )e2 + + (x8 + y8 )e8 + (xi + yi ) e 9 = x1 e + x2 e + + x8 e + 1 2 8 ( ( ( 8 ) xi ) e + 9 ) e9
i=1
Z Z
+ y1 e + y2 e + + y8 e + 1 2 8
i=1 ( 8 i=1
) yi
( ( ) ) e8 e2 e2 e8 e1 e1 = f x1 + x2 + + x8 + f y1 + y2 + + y8 () ( ) = f + f x y b) Las columnas de la matriz de f respecto a las bases B de 8 y B de 9 son las coordenadas de 2 2 las imgenes de los elementos de la base B de 8 respecto a la base B de 9 . a 2 2
Al ser
() f = e + e = (1, 0, 0, 0, 0, 0, 0, 0, 1) e1 1 9 ( ) = e + e = (0, 1, 0, 0, 0, 0, 0, 0, 1) f e
2 2 9
() f = e + e = (0, 0, 1, 0, 0, 0, 0, 0, 1) e3 3 9 ( ) = e + e = (0, 0, 0, 1, 0, 0, 0, 0, 1) f e
4 4 9
() f = e + e = (0, 0, 0, 0, 1, 0, 0, 0, 1) e5 5 9 ( ) = e + e = (0, 0, 0, 0, 0, 1, 0, 0, 1) f e
6 6 9
() f = e + e = (0, 0, 0, 0, 0, 0, 1, 0, 1) e7 7 9 ( ) = e + e = (0, 0, 0, 0, 0, 0, 0, 1, 1), f e

8 8 9
la matriz de f respecto a las bases B y 1 0 0 0 A = 0 0 0 0 1
es 0 0 1 0 0 0 0 0 1 0 0 0 1 0 0 0 0 1 0 0 0 0 1 0 0 0 1 0 0 0 0 0 1 0 0 1 0 0 0 0 0 0 1 0 1 0 0 0 0 0 . 0 0 1 1
0 1 0 0 0 0 0 0 1
c) La aplicacin f es inyectiva porque las primeras ocho coordenadas de cada imagen coinciden con las o ocho coordenadas del elemento de partida, luego las imgenes de dos elementos distintos tambin a e son distintas entre s . El ncleo de cualquier aplicacin lineal inyectiva es el subespacio formado por el elemento neutro u o de la suma de vectores; en este caso, { } Ker(f ) = 0
y su dimensin es cero. o La dimensin de Img(f ) es 8 porque o dim(
Z8) = 8 y dim ( Ker(f )) = 0. 2 Adems, en Z2 , la suma de las coordenadas de los elementos de la forma (x1 , x2 , . . . , x8 , 8 xi ) a i=1
siendo dim( es cero: x1 + x2 + + x8 +
8 i=1
Z8) = dim ( Ker(f )) + dim ( Img(f )) 2
xi = x1 + x2 + + x8 + x1 + x2 + + x8 = (x1 + x1 ) + (x2 + x2 ) + + (x8 + x8 ) = 0,
luego { Img(f ) = (x1 , x2 , . . . , x8 ,

8 i=1
xi ) : x1 , x2 , . . . , x8
Z2
9 { } (x1 , x2 , . . . , x9 ) : xi = 0 . i=1
9 { } Como la dimensin del subespacio S = (x1 , x2 , . . . , x9 ) : o xi = 0 tambin es 8, entonces e i=1 9 { } Img(f ) = (x1 , x2 , . . . , x9 ) : xi = 0 i=1
Z9 . 2
Ejercicio 4.65 Cdigo de paridad simple o Sean los 2 -espacios vectoriales ( 2 )7 [x] y ( 2 )8 [x] de polinomios con coecientes en 2 y de grado menor o igual que 7 y 8, respectivamente, y sea la funcin f : ( 2 )7 [x] ( 2 )8 [x] tal que o
f (a0 + a1 x + a2 x2 + + a7 x7 ) = (a0 + a1 x + a2 x2 + + a7 x7 )(1 + x). Se pide: a) Demostrar que f es una aplicacin lineal. o b) Hallar la matriz60 de f respecto a las bases B = {1, x, x2 , . . . , x7 } y B = {1, x, x2 , . . . , x8 }. c) Calcular Ker(f ) e Img(f ) y especicar sus dimensiones. Solucin: o o a a) La aplicacin f est bien denida porque el producto de un polinomio de grado menor o igual que 7 por un polinomio de grado 1 es un polinomio de grado menor o igual que 8. Adems, f es lineal porque a0 + a1 + + a7 x7 , b0 + b1 + + b7 x7 ( 2 )7 y , 2 se cumple a ( ) f (a0 + a1 x + + a7 x7 ) + (b0 + b1 x + + b7 x7 ) = ( ) = (a0 + a1 x + + a7 x7 ) + (b0 + b1 x + + b7 x7 ) (1 + x) ( ) ( ) = (a0 + a1 x + + a7 x7 )(x + 1) + (b0 + b1 x + + b7 x7 )(1 + x) = f (a0 + a1 x + + a7 x7 ) + f (b0 + b1 x + + b7 x7 ).
Las matrices de los homomorsmos de los ejercicios 4.64 y 4.65 generan el cdigo c o clico C(9, 8). En el primer caso, la decodicacin se realiza eliminando la ultima coordenada y en el segundo caso, se calcula el cociente de la divisin de o o la palabra (polinomio) recibida entre el polinomio generador (1 + x).
60
b) Las columnas de la matriz de f respecto a las bases B de ( 2 )7 [x] y B de ( 2 )8 [x] son las coordenadas de las imgenes de los elementos de la base B de ( 2 )7 [x] respecto a la base B de a ( 2 )8 [x].
Z Z
Al ser f (1) = f (x) = f (x ) = f (x ) = f (x ) = f (x ) =

6 5 4 3 2
1+x x+ x2 x3 x4 x5 + + + + x2 x3 x4 x5 x6
= (1, 1, 0, 0, 0, 0, 0, 0, 0) = (0, 1, 1, 0, 0, 0, 0, 0, 0) = (0, 0, 1, 1, 0, 0, 0, 0, 0) = (0, 0, 0, 1, 1, 0, 0, 0, 0) = (0, 0, 0, 0, 1, 1, 0, 0, 0) = (0, 0, 0, 0, 0, 1, 1, 0, 0)
f (x ) = x6 + x7 = (0, 0, 0, 0, 0, 0, 1, 1, 0) f (x7 ) = x7 + x8 = (0, 0, 0, 0, 0, 0, 0, 1, 1), la matriz de f respecto a las bases B y B es 1 1 0 0 A = 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 . 0 0 1 1 entre las, se obtiene la 0 0 0 0 0 0 1 0 0 0 0 0 0 0 . 0 0 1 0
c) El rango de la matriz A es 8 porque aplicando operaciones elementales forma escalonada reducida de Gauss con 8 escalones: 1 0 0 0 0 0 0 0 1 0 0 0 0 0 1 1 0 0 0 0 0 0 0 1 0 0 0 0 0 1 1 0 0 0 0 0 0 0 1 0 0 0 0 0 1 1 0 0 0 0 0 0 0 1 0 0 A = 0 0 0 1 1 0 0 0 0 0 0 0 1 0 0 0 0 0 1 1 0 0 0 0 0 0 0 1 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 1 0 0 0 0 0 0
La dimensin de la imagen del homomorsmo f coincide con el rango de la matriz asociada A, o luego ( ) dim Img(f ) = 8. La dimensin del ncleo de f es 0 porque o u ( ) ( ) ( ) dim ( 2 )7 [x] = dim Ker(f ) + dim Img(f ) ( ) ( ) siendo dim ( 2 )7 [x] = 8 y dim Img(f ) = 8.
Evidentemente, Ker(f ) = {0} y f es inyectiva.
La imagen de f es el subespacio de ( 2 )8 [x] formado por todos los polinomios de grado menor o igual que 8 y que son mltiplos de 1 + x : u Img(f ) = {(a0 + a1 x + a2 x2 + + a7 x7 )(1 + x) : a0 , a1 , . . . , a7 Teniendo en cuenta que (a0 + a1 x + a2 x2 + + a7 x7 )(1 + x) = a0 + (a0 + a1 )x + (a1 + a2 )x2 + + (a6 + a7 )x7 + a7 x8 y que en
Z2}.
Z2
a0 + (a0 + a1 ) + (a1 + a2 ) + + (a6 + a7 ) + a7 = 0,
todos los elementos de Img(f ) pertenecen al subespacio S = {a0 + a1 x + a2 x2 + + a8 x8 (
Z2)8[x] : a0 + a1 + + a8 = 0}, Z2 }
luego Img(f ) S y como la dimensin de ambos es 8 son iguales, esto es, o Img(f ) = {(a0 + a1 x + a2 x2 + + a7 x7 )(1 + x) : a0 , a1 , . . . , a7 = {a0 + a1 x + a2 x2 + + a8 x8 ( {(x1 , x2 , . . . , x9 )
Z2)8[x] : a0 + a1 + + a8 = 0}
9 2
: x1 + x2 + + x9 = 0}.
Ejercicio 4.66 Cdigo de Hamming o Sean las aplicaciones lineales g : respectivas bases cannicas son o
Z4 2
Z7 2
y h :
Z7 2
Z3 2
cuyas expresiones respecto a las
g(b1 , b2 , b3 , b4 ) = (b1 + b2 + b4 , b1 + b3 + b4 , b1 , b2 + b3 + b4 , b2 , b3 , b4 ) h(c1 , c2 , b1 , c3 , b2 , b3 , b4 ) = (c1 + b1 + b2 + b4 , c2 + b1 + b3 + b4 , c3 + b2 + b3 + b4 ). Se pide: a) Calcular respecto a las bases cannicas las matrices G y H de los homomorsmos g y h, respeco tivamente. b) Hallar el ncleo y la imagen61 de g y de h. Observar que Img(g) = Ker(h). u c) Calcular p = g(1, 1, 0, 0); modicar un bit de la palabra cdigo p para obtener una nueva palabra q; o s1 o calcular h(q) = s2 y comprobar que el bit de p que se ha modicado se encuentra en la posicin s3 s3 22 + s2 21 + s1 20 .
Solucin: o
El conjunto Img(g) es un cdigo lineal C(7, 4) que se conoce en informtica como Cdigo de Hamming. Es capaz o a o de detectar dos errores y corregir un unico error ubicado en la posicin 22 (c3 + b2 + b3 + b4 ) + 21 (c2 + b1 + b3 + b4 ) + o 20 (c1 + b1 + b2 + b4 ).
61
a) Las columnas de la matriz de un homomorsmo son las coordenadas respecto a la base del espacio vectorial de llegada de las imgenes de los elementos de la base considerada en el espacio vectorial a de partida. Al ser h(1, 0, 0, 0, 0, 0, 0) = (1, 0, 0) h(0, 1, 0, 0, 0, 0, 0) = (0, 1, 0) g(1, 0, 0, 0) = (1, 1, 1, 0, 0, 0, 0) h(0, 0, 1, 0, 0, 0, 0) = (1, 1, 0) g(0, 1, 0, 0) = (1, 0, 0, 1, 1, 0, 0) h(0, 0, 0, 1, 0, 0, 0) = (0, 0, 1) y g(0, 0, 1, 0) = (0, 1, 0, 1, 0, 1, 0) h(0, 0, 0, 0, 1, 0, 0) = (1, 0, 1) g(0, 0, 0, 1) = (1, 1, 0, 1, 0, 0, 1) h(0, 0, 0, 0, 0, 1, 0) = (0, 1, 1) h(0, 0, 0, 0, 0, 0, 1) = (1, 1, 1) 1 1 1 G = 0 0 0 0 1 0 0 1 1 0 0 0 1 0 1 0 1 0 1 1 0 1 0 1 0 1 0 1 1 y H = 0 1 1 0 0 1 1 . 0 0 0 0 1 1 1 1 0 1
se tiene
b) La aplicacin lineal g es inyectiva porque si (b1 , b2 , b3 , b4 ) = (b , b , b , b ), entonces o 1 2 3 4 g(b1 , b2 , b3 , b4 ) = (b1 + b2 + b4 , b1 + b3 + b4 , b1 , b2 + b3 + b4 , b2 , b3 , b4 ) = = (b + b + b , b + b + b , b , b + b + b , b , b , b ) = g(b , b , b , b ), 1 2 4 1 3 4 1 2 3 4 2 3 4 1 2 3 4 luego Ker(g) = {(0, 0, 0, 0)}. Adoptando la notacin (c1 , c2 , b1 , c3 , b2 , b3 , b4 ) para los elementos de o Img(g) = {(c1 , c2 , b1 , c3 , b2 , b3 , b4 )
Z7, es inmediato observar que 2 Z3 . 2
Z7 : c1 = b1 + b2 + b4, 2
c2 = b1 + b3 + b4 , c3 = b2 + b3 + b4 }.
El homomorsmo h es suprayectivo porque el rango de la matriz H es 3, luego Img(h) = Siguiendo con la notacin (c1 , c2 , b1 , c3 , b2 , b3 , b4 ) para los elementos de o Ker(h) =
Z7, se tiene 2
= {(c1 , c2 , b1 , c3 , b2 , b3 , b4 ) : c1 + b1 + b2 + b4 = 0, c2 + b1 + b3 + b4 = 0, c3 + b2 + b3 + b4 = 0}. En el cuerpo 2 , las ecuaciones c1 = b1 + b2 + b4 y c1 + b1 + b2 + b4 = 0 son equivalentes porque c1 + c1 = 0. Repitiendo esta observacin para todas las ecuaciones del ncleo de h y de la imagen o u de g, es fcil darse cuenta que Img(g) = Ker(h). a c) El clculo de la palabra p es inmediato: a 0 1 1 1 1 = 1 . p = g(1, 1, 0, 0) = G 0 1 0 0 0
4 APLICACIONES LINEALES 0 1 1 Si, por ejemplo, se modica el bit que ocupa la sexta la de p, se obtiene la palabra q = 1 que 1 1 0 no es una palabra cdigo porque no pertenece a Img(g). o La imagen de q mediante h es 0 1 1 0 h(q) = H 1 = 1 1 1 1 0
que indica la posicin (1)22 + (1)21 + (0)20 = 6 correspondiente al bit modicado en la palabra o inicial62 .
Ejercicio 4.67 Cdigo Hamming recortado63 o Sea la funcin f : 2 5 tal que f (x, y) = (x + y, x, x, y, y) y sea g o 2 2 1 0 lineal cuya matriz respecto a las bases cannicas de 2 y de 5 es G = 0 o 2 2 1 1 Se pide:
0 1 1 . 1 1
Z2 Z5 la aplicacin o 2 2
a) Demostrar que f es una aplicacin lineal. o o b) Hallar la matriz de f respecto a las bases cannicas de
Z2 y de Z5. 2 2
c) Calcular ker(f ) y Img(f ), y especicar sus dimensiones. d) Existe alguna relacin entre Img(f ) y Img(g)? Razonar la respuesta. o Solucin: o a) La aplicacin f es lineal porque para cualquier par de escalares , 2 y para cualquier par de o vectores = (x1 , y1 ), = (x2 , y2 ) 2 , se cumple v w 2 ( ) ( ) ( ) f + = f (x1 , y1 ) + (x2 , y2 ) = f (x1 , y1 ) + (x2 , y2 ) = f (x1 + x2 , y1 + y2 ) v w
= (x1 + x2 + y1 + y2 , x1 + x2 , x1 + x2 , y1 + y2 , y1 + y2 ) = (x1 + y1 , x1 , x1 , y1 , y1 ) + (x2 + y2 , x2 , x2 , y2 , y2 ) () () = (x + y , x , x , y , y ) + (x + y , x , x , y , y ) = f + f . v w

1 1 1 1 1 1 2 2 2 2 2 2
Esta propiedad permite corregir errores de un solo bit. Este cdigo procede del cdigo de Hamming del ejercicio 4.66 en donde se han suprimido las dos ultimas entradas. o o Esta es la razn del adjetivo recortado. Tambin detecta y corrige un error. o e
63
62
b) Las columnas de la matriz de f respecto a las bases cannicas de 2 y de 5 son las coordenadas o 2 2 respecto a la base cannica de 5 de las imgenes de los vectores de la base cannica, B = o a o 2 { } 2. (1, 0), (0, 1) , de 2
Al ser f (1, 0) = (1, 1, 1, 0, 0) f (1, 0) = (1, 0, 0, 1, 1), la matriz de f es 1 1 F = 1 0 0 c) De la relacin o f (x, y) = (x + y, x, x, y, y) = (0, 0, 0, 0, 0), se deduce que el vector nulo, 0 = (0, 0), es el unico vector de 2 cuya imagen por f es el propio 2 vector nulo, luego { } ker(f ) = 0 ( ) y dim Ker(f ) = 0. La imagen de f est formada por los vectores = (z , z , z , z , z ) 5 tales que existe (x, y) 2 a z 1 0 0 . 1 1
de tal modo que luego Img(f ) = {(x + y, x, x, y, y) : x, y = {(z1 , z2 , z3 , z4 , z5 )
Z2
Z2
f (x, y) = (x + y, x, x, y, y) = (z1 , z2 , z3 , z4 , z5 ),
= {(0, 0, 0, 0, 0), (1, 1, 1, 0, 0), (1, 0, 0, 1, 1), (0, 1, 1, 1, 1)}. La dimensin de la imagen de f puede establecerse por varios procedimientos: o Aplicando la frmula que relaciona las dimensiones del ncleo y la imagen de un homomorsmo o u con la imagen del espacio de partida, se tiene ( ) ( ) dim( 2 ) = dim Ker(f ) + dim Img(f ) , 2 ( ) de donde 2 = 0 + dim Img(f ) , resultando que ( ) dim Img(f ) = 2.
Z2 }
5 2
: z1 = z2 + z4 , z2 = z3 , z4 = z5 }
Observando que Img(f ) es un subespacio vectorial descrito por tres ecuaciones e incluido en un espacio vectorial, 5 , de dimensin 5, se obtiene o 2 ( ) dim Img(f ) = dim( 5 ) n mero ecuaciones de Img(f ) = 5 3 = 2. u 2
d) Como
1 0 g(x, y) = 0 1 1
x 0 1 ( ) y x 1 y = y , x + y 1 x+y 1
la imagen de g es Img(g) = {(x, y, y, x + y, x + y) : x, y = {(z1 , z2 , z3 , z4 , z5 )
= {(0, 0, 0, 0, 0), (1, 1, 1, 0, 0), (1, 0, 0, 1, 1), (0, 1, 1, 1, 1)}. Claramente Img(f ) = Img(g). La imagen de una aplicacin lineal coincide con el espacio columna de su matriz asociada. Al ser o Img(f ) un subespacio vectorial con una cantidad nita de elementos, se pueden localizar todas a las aplicaciones lineales de 2 a 5 cuya imagen sea Img(f ) ya que sern aquellas cuya matriz 2 2 asociada tenga por columnas un par de vectores no nulos de Img(f ).
Z2 }
5 2
: z1 = z2 + z4 , z2 = z3 , z4 = z5 }
Adems de f y de g, la imagen de la aplicacin lineal h : a o 1 0 1 1 H = 1 1 0 1 0 1 tambin coincide con las imgenes de f y de g. e a
Z2 Z5 que tiene como matriz 2 2
Las tres matrices F, G, H junto con las tres matrices obtenidas al intercambiar las columnas en las matrices anteriores proporcionan todas las aplicaciones lineales de 2 a 5 cuya imagen es Img(f ) : 2 2 1 1 1 0 1 0 1 1 0 1 0 1 1 0 0 1 1 1 0 1 1 0 1 1 1 0 , G = 0 1 , H = 1 1 , F = 0 1 , G = 1 0 , H = 1 1 . F = 0 1 1 1 0 1 1 0 1 1 1 0 0 1 1 1 0 1 1 0 1 1 1 0
Z Z
El cdigo lineal Img(f ) puede generarse por cualquiera de las seis matrices anteriores. La eleccin o o de una u otra incide en los procesos de deteccin de errores y de decodicacin porque las matrices o o de s ndrome dependen de la matriz generadora elegida. El cdigo generado por la matriz G se denomina sistemtico porque las dos primeras coordenadas o a de la palabra cdigo coinciden con el mensaje a codicar. Esta circunstancia simplica el proceso o de decodicacin una vez que se ha corregido la palabra recibida. o
o Ejercicio 4.68 Cdigo lineal Si k , el conjunto de polinomios en la indeterminada x, con coecientes en 2 y de grado menor { } o igual que k, ( 2 )k [x] = a0 + a1 x + + ak xk : a0 , a1 , . . . , ak 2 , es un 2 -espacio vectorial. Sea la aplicacin f : ( 2 )1 [x] ( 2 )5 [x] tal que o
f (a0 + a1 x) = (a0 + a1 x)(1 + x2 + x4 ). Se pide: a) Demostrar que f es una aplicacin lineal. o b) Hallar la matriz de f respecto a las bases B1 = {1, x} de ( ( 2 )5 [x].
Z2)1[x] y B5 = {1, x, x2, x3, x4, x5} de
c) Demostrar que f es inyectiva. ( ) d) Calcular f 1 {1 + x + x5 , 1 + x + x2 + x5 } . ( ) e) Hallar p(x) ( 2 )1 [x] tal que f p(x) slo se diferencie de 1 + x + x2 + x3 + x4 en un trmino. o e
Solucin: o a) La aplicacin f es lineal porque para cualquier par de escalares , 2 y para cualquier par de o polinomios de p(x) = a0 + a1 x, q(x) = b0 + b1 x ( 2 )1 [x], se cumple ( ) ( ) ( ) f p(x) + q(x) = f (a0 + a1 x) + (b0 + b1 x) = (a0 + a1 x) + (b0 + b1 x) (1 + x2 + x4 )
= (a0 + a1 x)(1 + x2 + x4 ) + (b0 + b1 x)(1 + x2 + x4 ) ( ) ( ) = (a0 + a1 x)(1 + x2 + x4 ) + (b0 + b1 x)(1 + x2 + x4 ) ( ) ( ) = f p(x) + f q(x) . b) Las columnas de la matriz de f respecto a las bases B1 = {1, x} y B5 = {1, x, x2 , x3 , x4 , x5 } de ( 2 )1 [x] y de ( 2 )5 [x], respectivamente, son las coordenadas respecto a la base B5 de las imgenes a de los vectores de la base B1 .
Al ser f (1) = 1 + x2 + x4 (1, 0, 1, 0, 1, 0) f (x) = x + x3 + x5 (0, 1, 0, 1, 0, 1), la matriz de f es 1 0 1 F = 0 1 0 { } c) El 2 -espacio vectorial ( 2 )1 [x] = 0, 1, x, 1 + x estos elementos son: 0 1 0 . 1 0 1 slo tiene cuatro elementos. Las imgenes de o a
f (0) = 0, f (1) = 1 + x2 + x4 , f (x) = x + x3 + x5 , f (1 + x) = 1 + x + x2 + x3 + x4 + x5 . f es inyectiva porque evidentemente las imgenes de dos polinomios distintos de ( 2 )1 [x] son a dos polinomios distintos de ( 2 )5 [x]. { } Tambin puede observarse64 que Ker(f ) = 0 porque el polinomio nulo es la unica solucin de la e o ecuacin polinmica o o ( ) f p(x) = p(x)(1 + x2 + x4 ) = 0.
d) No hay ningn polinomio p(x) ( 2 )1 [x] tal que u ( ) f p(x) = p(x)(1 + x2 + x4 ) = 1 + x + x5 y tampoco hay ningn polinomio q(x) ( 2 )1 [x] tal que u ( ) f q(x) = q(x)(1 + x2 + x4 ) = 1 + x + x2 + x5 , luego
64
( ) f 1 {1 + x + x5 , 1 + x + x2 + x5 } = .
Condicin necesaria y suciente para que una funcin lineal sea inyectiva. o o
e) La unica imagen mediante f de un polinomio de ( polinomio 1 + x + x2 + x3 + x4 es porque f (1 + x) (1 + x + x2 + x3 + x4 ) = x5 . El polinomio buscado es
Z2)1[x] que se diferencia en un trmino del e
f (1 + x) = 1 + x + x2 + x3 + x4 + x5
p(x) = 1 + x.
Ejercicio 4.69 Cdigo lineal de paridad par o Sea la aplicacin lineal f : ( 2 )3 ( 2 )4 tal que o
f (x, y, z) = (x, x + y, y + z, z). Se pide:
a) Hallar la matriz de f respecto a las bases cannicas de ( o b) Demostrar que f es inyectiva.
Z2)3 y (Z2)4. Z2)3

y B4 =
o c) Calcular Img(f ) especicando su dimensin y una base. { } d) Hallar la matriz de f respecto a las bases B3 = (0, 0, 1), (1, 0, 0), (0, 1, 0) de ( { } (1, 0, 0, 0), (1, 1, 0, 0), (1, 0, 1, 0), (0, 0, 1, 1) de ( 2 )4 .
Solucin: o
a) Las columnas de la matriz de la aplicacin lineal f respecto a las bases cannicas de y ( 2 )4 son o o las coordenadas de las imgenes respecto a la base cannica de ( 2 )4 de los vectores de la base a o cannica de ( 2 )3 . o
Al ser
1 0 0 1 1 0 f (1, 0, 0) = , f (0, 1, 0) = y f (0, 0, 1) = , 0 1 1 0 0 1 0 1 1 0 0 0 . 1 1
la matriz de f respecto a las bases cannicas es o 1 1 A= 0 0
o u a o b) La aplicacin f es inyectiva porque el ncleo est formado slo por el vector nulo. Los vectores del n cleo de f son aquellos cuya imagen por f es el vector nulo: u { () } Ker(f ) = ( 2 )3 : f = 0 . v v
Claramente, la unica solucin del sistema homogneo de ecuaciones lineales o e x=0 0 1 0 0 x x + y = 0 1 1 0 y = 0 o bien 0 0 1 1 y+z =0 z 0 0 0 1 z=0 es la solucin trivial porque x = y = z = 0. o
c) Aplicando operaciones elementales entre las las de la 1 1 0 0 1 0 0 1 1 0 0 1 0 0 0 1 1 0 1 1 0 0 0 0 1 0 0 1
matriz A, 0 0 1 1 0 0 0 1 0 0 0 1
0 1 0 0
0 0 , 1 0
se deduce que el rango de A es 3, luego la dimensin de la imagen de f es tambin 3. o e Los vectores de ( 2 )4 cuyas coordenadas sean los elementos de las columnas de A generan Img(f ). Como, adems, la dimensin de Img(f ) es 3, tambin son una base de Img(f ) : a o e 0 0 1 1 1 0 BImg(f ) = , , . 1 1 0 0 0 1 Las combinaciones lineales de los elementos de BImg(f ) proporcionan expresiones paramtricas de e los elementos de la imagen de f { () } Img(f ) = ( 2 )4 : ( 2 )3 tal que f = w v v w 1 0 0 1 0 + 1 : , , 2 . + : , , 2 = = + 1 0 1 + 0 0 1
Puesto que estamos trabajando en 2 , se observa que la suma de las coordenadas de cualquier elemento de Img(f ) es cero, + ( + ) + ( + ) + = 0, luego otra expresin de Img(f ) es o x y Img(f ) = ( z u
Z2)4 : x + y + z + u = 0 . Z2)4 de paridad par.
La imagen de f est formada por todos los vectores de ( a
d) Conocidas las bases B3 y B4 , la matriz de f respecto a las bases B3 y B4 puede calcularse a partir de la matriz A de f respecto a las bases cannicas, B3 y B4 , y de las matrices de cambio de base: o B3 a B y C B4 de B a B mediante el siguiente esquema de composicin de aplicaciones CB de B3 o 3 4 4 B4 3 lineales:
( resultando
3 2 )B 3
B3 B3
3 2 )B3
(
B
4 2 )B4
4 (
CB 4
Z2)4 B
B 4 AB4 = CB4 ACB 3 .

3 3
La matriz que transforma las coordenadas de un vector de ( del mismo vector en la base cannica B3 es o 0 1 0 B CB 3 = 0 0 1 . 3 1 0 0
Z2)3 en la base B3 en las coordenadas
Z2)4 en la base B4 en las coordenadas
La matriz que transforma las coordenadas de un del mismo vector en la base cannica B4 es o 1 0 B CB 4 = 0 4 0 La matriz que transforma las coordenadas de un del mismo vector en la base cannica B4 es la o operaciones elementales entre las: 1 1 1 0 1 0 0 0 1 1 1 0 0 1 0 0 0 1 0 0 0 1 0 0 0 0 1 1 0 0 1 0 0 0 1 0 0 0 0 1 0 0 0 1 0 0 0 1 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 de donde ( )1 B4 B CB4 = CB 4
4
vector de ( 1 1 0 0 1 0 1 0
0 0 . 1 1
vector de ( 2 )4 en la base B4 en las coordenadas B inversa de CB 4 , que puede calcularse aplicando

4
1 0 0 0 1 0 0 0
0 1 0 0 1 1 0 0
0 0 1 0 1 0 1 0 1 1 0 0
0 1 0 0 1 0 1 0 1 0 , 1 1 1 0 1 0 1 0 . 1 1
1 1 0 0
0 0 1 0
0 0 0 1
1 0 0 0
0 1 0 0
1 0 1 0
1 0 1 1
1 0 = 0 0
La matriz de la aplicacin lineal f respecto a las bases B3 y B4 es o 1 1 1 1 1 0 0 0 1 0 0 1 1 0 0 1 B4 B4 B3 AB = CB4 ACB = 0 0 1 1 0 1 1 0 0 3 3 1 0 0 0 0 1 0 0 1
0 0 0 1 = 0 0 1
0 1 0 0
0 1 . 1 0
PRODUCTOS ESCALARES Y ORTOGONALIDAD
5.
Productos escalares y ortogonalidad
Ejercicio 5.1 Productos escalares en espacios de polinomios Demostrar que las siguientes operaciones son productos escalares en el espacio vectorial de polinomios con coecientes reales y de grado menor o igual que n, n [x] = {p(x) = a0 + a1 x + + an xn : a0 , a1 , . . . , an }, correspondiente: a) < , >:
R1[x] R1[x] R tal que

< p(x), q(x) >= ) 1( p(0)q(0) + p(1)q(1) . 2
b) < , >:
R2[x] R2[x] R tal que

< p(x), q(x) >= p(0)q(0) + p (0)q (0) + p (0)q (0).
Solucin: o a) Se trata de un producto escalar porque p, q, r propiedades: Simtrica: e < p(x), q(x) >= Distributiva: < p(x), q(x) + r(x) > = ( ) ( )) 1( p(0) q(0) + r(0) + p(1) q(1) + r(1) 2 ) 1( = p(0)q(0) + p(0)r(0) + p(1)q(1) + p(1)r(1) 2 ) 1( ) 1( = p(0)q(0) + p(1)q(1) + p(0)r(0) + p(1)r(1) 2 2 =< p(x), q(x) > + < p(x), r(x) > . ) 1( ) 1( p(0)q(0) + p(1)q(1) = q(0)p(0) + q(1)p(1) =< q(x), p(x) > . 2 2
R1[x] y
R, se cumplen las siguientes
Producto por un escalar: < p(x), q(x) >= Positividad: < p(x), p(x) >= ) 1( ) 1( p(0)p(0) + p(1)p(1) = p2 (0) + p2 (1) 0. 2 2 ) ) 1( 1( p(0)q(0) + p(1)q(1) = p(0)q(0) + p(1)q(1) = < p(x), q(x) > . 2 2
Esta desigualdad no es suciente para asegurar que esta operacin es un producto escalar o porque el producto de dos polinomios distintos de cero tiene que ser un nmero estrictamente u positivo. Segn esta operacin, el producto de un polinomio, p(x), por s mismo se anula solamente u o cuando p(0) = p(1) = 0. Como el espacio vectorial de referencia es 1 [x], p(x) = a0 + a1 x es un polinomio de grado no superior a 1. El sistema de ecuaciones lineales { p(0) = a0 = 0
p(1) = a0 + a1 = 0
establece las condiciones que deben cumplir los polinomios de grado no superior a 1 y que se anulan en los puntos x = 0 y x = 1. Se trata de un sistema compatible determinado y su unica solucin es a0 = a1 = 0, que coincide con el polinomio p(x) = 0, por tanto, el unico o polinomio de 1 [x] que al multiplicarlo por s mismo con la operacin considerada da cero es o el polinomio nulo. Consecuentemente, se cumple
p(x)
R1[x]
< p(x), p(x) > 0 y < p(x), p(x) >= 0 p(x) = 0.
Es muy importante observar que esta misma operacin no es un producto escalar en o porque p(x) = x(x 1) 2 [x], p(x) = 0 y, al ser p(0) = p(1) = 0,
R2[x]
1 < p(x), p(x) >=< x(x 1), x(x 1) >= (02 + 02 ) = 0. 2 Por el mismo motivo, la operacin considerada no es un producto escalar en el espacio vectorial o real C[0, 1] = {f : [0, 1] : f es continua} de las funciones reales continuas denidas en el intervalo cerrado [0, 1].
b) Se trata de un producto escalar porque p, q, r propiedades: Simtrica: e
R2[x] y
R, se cumplen las siguientes
< p(x), q(x) > = p(0)q(0) + p (0)q (0) + p (0)q (0) = q(0)p(0) + q (0)p (0) + q (0)p (0) =< q(x), p(x) > . Distributiva: < p(x), q(x) + r(x) >= ( ) ( ) ( ) = p(0) q(0) + r(0) + p (0) q (0) + r (0) + p (0) q (0) + r (0) = p(0)q(0) + p(0)r(0) + p (0)q (0) + p (0)r (0) + p (0)q (0) + p (0)r (0) ( ) ( ) = p(0)q(0) + p (0)q (0) + p (0)q (0) + p(0)r(0) + p (0)r (0) + p (0)r (0) = < p(x), q(x) > + < p(x), r(x) > . Producto por un escalar: < p(x), q(x) > = p(0)q(0) + p (0)q (0) + p (0)q (0) ( ) = p(0)q(0) + p (0)q (0) + p (0)q (0) = < p(x), q(x) > . Positividad: < p(x), p(x) >= p(0)p(0) + p (0)p (0) + p (0)p (0) = p2 (0) + p2 (0) + p2 (0) 0. Esta propiedad no es suciente para asegurar que esta operacin es un producto escalar porque o el producto de dos polinomios distintos de cero tiene que ser un nmero positivo. u Segn esta operacin, el producto de un polinomio, p(x), por s mismo se anula solamente u o cuando p(0) = p (0) = p (0) = 0. Como el espacio vectorial de referencia es 2 [x], p(x) = a0 + a1 x + a2 x2 es un polinomio de grado no superior a 2 con p (x) = a1 + 2a2 x y p (x) = 2a2 .
El sistema de ecuaciones lineales
p(0) = a0 = 0 p (0) = a1 = 0 p (0) = 2a2 = 0
establece las condiciones que deben cumplir los polinomios de grado no superior a 2 para que se anulen en el punto cero el propio polinomio y sus derivadas primera y segunda. Se trata de un sistema compatible determinado y su unica solucin es a0 = a1 = a2 = 0, que coincide o con el polinomio p(x) = 0. Por tanto, el unico polinomio de 2 [x] que al multiplicarlo por s mismo con la operacin o considerada da cero es el polinomio nulo. Consecuentemente, se cumple
p(x)
R2[x]. < p(x), p(x) > 0 R
y < p(x), p(x) >= 0 p(x) = 0.
Ejercicio 5.2 Producto escalar en M2 ( ) Determinar qu propiedades de las exigidas en la denicin de producto escalar cumple la aplicacin e o o < , >: M2 ( ) M2 ( ) tal que ( ) ( ) a11 a12 b11 b12 < , >= a11 + a12 + a21 + a22 + b11 + b12 + b21 + b22 . a21 a22 b21 b22
Solucin: o A, B, C M2 ( ) y
R las propiedades de la denicin de producto escalar son: o

( ) ( ) a11 a12 b11 b12 , > a21 a22 b21 b22
Simtrica, < A, B >=< B, A > . e < A, B > =<
= a11 + a12 + a21 + a22 + b11 + b12 + b21 + b22 = b11 + b12 + b21 + b22 + a11 + a12 + a21 + a22 ( ) ( ) b11 b12 a11 a12 =< , >=< B, A > . b21 b22 a21 a22 Distributiva, < A, B + C >=< A, B > + < A, C > . No se cumple porque ( ) ( ) ( ) ( ) ( ) 1 0 0 1 0 0 1 0 0 1 < , + >=< , >= 3 0 0 0 0 1 0 0 0 1 0 mientras que < ( ) ( ) ( ) ( ) 1 0 0 1 1 0 0 0 , >+< , >= 2 + 2 = 4. 0 0 0 0 0 0 1 0
Producto por un escalar, < A, B >=< A, B >= < A, B > . No se cumple porque ) ( ) ( ) ( ) 1 0 1 1 3 0 1 1 <3 , >=< , >= 5 0 0 0 0 0 0 0 0 (
mientras que <
) ( ) ( ) ( ) 1 0 1 1 1 0 3 3 ,3 >=< , >= 7. 0 0 0 0 0 0 0 0
Positividad, < A, A > 0. No se cumple porque < ( ) ( ) 1 0 1 0 , >= 4 < 0. 1 0 1 0
Esta operacin se parece muy poco a un producto escalar. o
Ejercicio 5.3 Matriz asociada a un producto escalar Cules de las siguientes matrices pueden estar asociadas a un producto escalar en a ( ) 1 2 a) A = . 2 1 ( ) 0 1 b) B = . 1 0 ( ) 1 1 c) C = . 1 1 Solucin: o
R2?
a a) Utilizando la matriz A, el producto escalar de un vector por s mismo podr ser positivo o negativo ya que ( )( ) ( ) 1 2 x x (x y) = (x 2y 2x + y) = x2 2xy 2xy + y 2 = (x y)2 2xy. 2 1 y y En este caso, el producto escalar del vector (1, 1) por s mismo, no es un nmero positivo: u ( )( ) 1 2 1 (1 1) = (1 1)2 2 = 2 < 0 2 1 1 luego la matriz A no puede estar asociada a un producto escalar porque el producto escalar de un vector por s mismo, siempre tiene que ser un nmero positivo. u b) Utilizando la matriz B, el producto escalar de un vector por s mismo podr ser cero ya que a ( )( ) ( ) 0 1 x x (x y) = (y x) = 2xy. 1 0 y y En este caso, el producto escalar del vector (1, 0) por s mismo es ( )( ) 0 1 1 (1 0) = 0, 1 0 0 luego la matriz B no puede estar asociada a un producto escalar porque el producto escalar de un vector no nulo por s mismo, siempre tiene que ser estrictamente mayor que cero.
c) Como en los casos anteriores, la matriz C es simtrica, pero solamente esta caracter e stica no asegura que est asociada a un producto escalar. e El hipottico producto escalar asociado a la matriz C de un vector por s mismo ser e a )( ) ( ( ) ( ) 1 1 ( ) x x x y = x+y x+y = x2 + 2xy + y 2 = (x + y)2 . 1 1 y y Claramente, el vector = (1, 1) = 0 mientras que v ( )( ) ( ) 1 1 x 1 1 = 0. 1 1 y Por tanto, C no puede ser la matriz asociada a un producto escalar ya que el producto escalar de un vector no nulo por s mismo tiene que ser siempre estrictamente mayor que cero.
Ejercicio 5.4 Propiedades del producto escalar Sea (E, < , >) un espacio vectorial eucl deo. 65 que Demostrar , E < < , > , < , > >=< , >3 . u v u v v u v u u v Solucin: o Por la linealidad en cada componente y por la conmutatividad: < < , > , < , > > =< , >< , < , > > u v v u v u u v v u v u , >2 < , >=< , >3 . =c = f (x)g(x) dx
R2[x] con sus respectivos productos escalares

2 i=0
< p(x), q(x) >p =< a0 + a1 x + a2 x2 , b0 + b1 x + b2 x2 >= Calcular el mdulo de los vectores o ( ) a) f (x) = cos x C [, ] . ( ) b) g(x) = sen x C [, ] . ( ) c) h(x) = x C [, ] . d) p(x) = x
65
ai bi .
R2[x].
Esta propiedad no se cumple en los espacios herm ticos donde el producto escalar est denido sobre a
C.
e) q(x) = 1 + x2 Solucin: o
R2[x].
cos x dx =
2
a) cos x =< cos x, cos x >c =

2
Por tanto, cos xc =
[ ] x sen 2x 1 + cos 2x dx = + = . 2 2 4 [ ] 1 cos 2x x sen 2x dx = = . 2 2 4
sen2 x dx =
b) sen x2 =< sen x, sen x >c =
Por tanto, sen x = . [ 3 ] 2 3 2 3 x 2 2 c) xc =< x, x >c = = x dx = , luego, xc = . 3 3 3 d) x2 =< x, x >p = p

2 i=0
a2 = 1, luego xp = 1. i
Comparando este resultado con el obtenido en el apartado c), se observa que el mdulo de un o vector depende del espacio vectorial donde se trabaje y del producto escalar que se emplee. e) 1 + x2 2 =< x, x >p = p
2 i=0
a2 = 2, luego 1 + x2 p = i
2.
( ) b) + 2 + 2 = 2 2 + 2 . u v u v u v
Ejercicio 5.6 Propiedades del mdulo o Sea (V, < , >) un -espacio vectorial eucl deo y y vectores de V. Si es la norma inducida u v por el producto escalar < , >, demostrar que a) = si y solamente si + y son ortogonales. u v u v u v
c) + 2 2 = 4 < , > (Identidad de polarizacin). u v u v u v o d) + = si y solamente si y son ortogonales. u v u v u v e) + 2 = 2 + 2 si y solamente si y son ortogonales. u v u v u v Solucin: o a) El producto escalar de + por es u v u v < + , >=< , > + < , > < , > < , >= 2 2 . u v u v u u v u u v v v u v Evidentemente, < + , >= 0 si y solamente si 2 2 = 0. u v u v u v b) Las normas al cuadrado de los vectores + y son u v u v + 2 =< + , + >= 2 + 2 < , > + 2 , u v u v u v u u v v 2 =< , >= 2 2 < , > + 2 , u v u v u v u u v v luego, sumando los trminos de las dos igualdades, e ( ) + 2 + 2 = 2 2 + 2 . u v u v u v (20)
c) Restando adecuadamente los trminos de las igualdades de (20), se tiene e + 2 2 = 4 < , > . u v u v u v d) Basndose en la identidad de polarizacin anteriormente demostrada, es inmediato deducir que a o < , >= 0 si y solamente si + 2 = 2 o bien + = , por tratarse u v u v u v u v u v de n meros reales no negativos. u e) El teorema de Pitgoras se desprende inmediatamente de la primera igualdad de (20), ya que a + 2 = 2 + 2 si y solamente si < , >= 0. u v u v u v
Ejercicio 5.7 Igualdad de vectores en espacios eucl deos , E. Sea (E, < , >) un espacio vectorial eucl deo y u v Demostrar que = E < , >=< , > . u v w u w v w Solucin: o La equivalencia entre dos asertos se demuestra comprobando la doble implicacin entre ambos. o = Es evidente que si = , entonces u v E < , >=< , > . w u w v w = Por las propiedades del producto escalar, la hiptesis E < , >=< , > es o w u w v w equivalente a E < , >= 0. w u v w En particular, para = E, se tiene w u v < , >= 0, u v u v resultando que = 0 y = . u v u v
Ejercicio 5.8 Independencia lineal de vectores ortogonales Sea V un espacio vectorial eucl deo de dimensin nita. o y son vectores de V, no nulos y ortogonales entre s entonces son linealDemostrar que si u v , mente independientes. Solucin: o Sean ,
+ = 0 u v una combinacin lineal de los vectores , igualada a cero. o u v Multiplicando escalarmente por el vector , se tiene v < , + >=< , 0 > . v u v v
R y sea
Aplicando las propiedades del producto escalar, < , > + < , >= 0. v u v v Por tratarse de vectores ortogonales, < , >= 0, luego < , >= 0 y v u v v 2 = 0, v resultando = 0 porque el mdulo de cualquier vector no nulo es diferente de 0. o Repitiendo los pasos anteriores, pero multiplicando escalarmente por el vector , se obtiene que, u , que proporciona el vector cero tambin, = 0, luego la unica combinacin lineal de los vectores u v e o es cuando los escalares son cero, es decir, y son linealmente independientes. u v
Ejercicio 5.9 Productos escalares entre vectores ortonormales Sean , dos vectores ortonormales del espacio vectorial eucl v w deo (V, < , >). Encontrar un contraejemplo que demuestre la falsedad de la siguiente armacin: o < , > =< > V . v w u w, u v u Solucin: o Por tratarse de vectores ortonormales, = 0 , < , >= 0 y < >= 1. v v w w, w Claramente, < , > = 0 V. v w u u Tomando = u w, < > =< > = = 0 , w, u v w, w v v luego hay al menos un vector de V para el que la igualdad no es cierta.
Ejercicio 5.10 Funcin denida a partir de un producto escalar o Sea (E, < , >) un espacio vectorial eucl deo, 0 E y f0 : E E representa las siguientes v v aplicaciones: () x x 1. f =< , > . v x () x x 2. f0 =< 0 , > 0 . v v v Se pide estudiar, para cada una de las deniciones anteriores, si
a) f0 es inyectiva. v b) f0 es lineal. v v0 0
Solucin: o () x x 1. Sea f0 =< 0 , > . v x v

a) f0 no es inyectiva en general. v En el espacio eucl deo 2 con el producto habitual, la aplicacin f(1,1) : 2 2 tal que o ( ) f(1,1) (x1 , x2 ) =< (1, 1), (x1 , x2 ) > (x1 , x2 ) = (x1 + x2 )(x1 , x2 ) = (x1 + x2 )x1 , (x1 + x2 )x2
no es inyectiva porque f(1,1) (1, 1) = (0, 0) y f(1,1) (2, 2) = (0, 0).
b) f0 tampoco es lineal en general. v La aplicacin f(1,1) : 2 2 del apartado anterior sirve como contraejemplo ya que o
f(1,1) (1, 1) = (2, 2) mientras que f(1,1) (2, 2) = (8, 8) = 2f(1,1) (1, 1). Sin embargo, f(0,0) : 2 () x x v v 2. Sea f0 =< 0 , > 0 . v
R2 es lineal porque se trata de la aplicacin constante nula. o
a) Es lineal ya que por las propiedades del producto escalar y por la propiedad distributiva del producto de un escalar por un vector, se cumple para cualquier par de escalares , y para cualquier par de vectores , que x y ( ) v f0 + =< 0 , + > 0 x y v x y v ( ) x y = < 0 , > + < 0 , > 0 v v v , > + < , > = f ( ) + f ( ). v v = < v0 x v0 y 0 0 v0 x v0 y b) No siempre es inyectiva. En el espacio eucl deo n con el producto escalar habitual, la aplicacin f : o 0 que () x x f =< 0 , > 0 = 0 0
Rn Rn tal
es la constante cero que no es inyectiva.
Ejercicio 5.11 Endomorsmos diagonalizables y producto escalar Sea f : E E un endomorsmo de un -espacio vectorial eucl deo E de dimensin nita, n, y o sea B = { , , . . . , } una base ortogonal de E formada por vectores propios de f. Demostrar que e1 e2 en () ( ) < , f >=< f , >, , E. u v u v u v
Solucin: o Supongamos que 1 , 2 , . . . , n son los autovalores asociados a los elementos de la base B, de tal modo que () f i = i i para i = 1, 2, . . . , n. e e Como B es una base de E, los vectores y pueden expresarse en funcin de los elementos de u v o B: = + + + y = + + + v u n en n en 1 e1 2 e2 2 e2 1 e1
siendo 1 , 2 , . . . , n , 1 , 2 , . . . , n escalares reales. Aplicando las propiedades de linealidad, que la base B est formada por autovectores y que es a ortogonal, se tiene () ( e ) < , f > =< , f 1 + 2 + + n > u v u e2 en 1 () () ( ) =< , f + f + + f > u e e e =< , 1 1 + 2 2 + + n n > u e1 e2 en =< 1 + 2 + + n , 1 1 + 2 2 + + n n > e1 e2 en e1 e2 en = < , > + < , > + + < , > . e e e e e e
1 1 1 1 1 2 2 2 2 2 n n n n n 1 1 2 2 n n
Aplicando las mismas propiedades a la parte derecha de la igualdad que se quiere comprobar, se obtiene
() ( ) v < f , > =< f 1 + 2 + + n , > u v e1 e2 en () () ( ) =< 1 f + 2 f + + n f , > e1 e2 en v + + + , > =< e e e v

1 1 1 2 2 2 n n n 1 1 1 1 1 2 2 2 2 2
=< 1 1 + 2 2 + + n n , 1 + 2 + + n > e1 e2 en e1 e2 en = < , > + < , > + + < , > . e e e e e e

n n n n n
A la vista de los resultados, puede armarse que, si se cumplen las hiptesis del enunciado, entonces o ( ) ( ) u v u v v < , f >=< f , >, , E. u
Ejercicio 5.12 Subespacio ortogonal a todos los subespacios Suponiendo que E es un espacio vectorial eucl deo, determinar la veracidad o falsedad de la siguiente armacin: o Existe un subespacio vectorial de E que es ortogonal a todos los vectores de E. Solucin: o El subespacio vectorial formado por unicamente por el vector nulo, { } S = 0 E, es ortogonal a cualquier subespacio S E ya que S v < , 0 >= 0. v
Ejercicio 5.13 Matrices con columnas ortogonales Determinar la veracidad o falsedad de la siguiente armacin: o Si las columnas de la matriz cuadrada A Mn ( ) son ortogonales entre s entonces A , no es invertible. Solucin: o La matriz nula es una matriz cuadrada cuyas columnas son ortogonales entre s porque el producto escalar de dos de ellas es siempre cero. Si A M2 ( ) y una de sus columna es la columna nula, entonces las columnas de A son ortogonales y la matriz A no es invertible precisamente porque una de sus columnas es cero. Por otra parte, la matriz identidad de cualquier dimensin es invertible y sus columnas son ortoo gonales dos a dos. En denitiva, hay matrices cuadradas con coecientes reales con columnas ortogonales entre s que admiten inversa y otras que no son invertibles. La armacin del enunciado es falsa y sigue sindolo si se cambia no invertible por invertible. o e Si la condicin de ortogonalidad de las columnas de la matriz cuadrada, A Mn ( ), se cambia o por ortonormalidad entre las columnas, resulta que
AT A = Idn
por lo que la matriz A es invertible y AT es su inversa66 .
Ejercicio 5.14 Condicin de ortonormalidad o Sea Q Mpq ( ) tal que QQT = Idp . Determinar si
a) las las de Q son un sistema ortonormal. b) las columnas de Q son un sistema ortonormal. Solucin: o f1 f2 a) Sean f1 , f2 , . . . , fp p vectores la de q coordenadas reales cada uno y sea Q = . Mpq ( ). . . fp
Por hiptesis, el producto de la matriz Q por su traspuesta QT es la identidad: o f1 < f1 , f 1 > < f1 , f 2 > < f 1 , fp > ( f2 T T T ) < f2 , f1 > < f2 , f2 > < f2 , fp > QQT = . f1 , f2 , fp = . . < f p , f 1 > < f p , f 2 > < f p , fp > fp ( ) ( ) = < fi , fj > = Idp = ij luego los vectores la fi son ortonormales porque < fi , fj >= ij i, j = 1, 2, . . . , p. b) Hay matrices para las que QQT = Idp y sus columnas no son un sistema ortonormal. Por ejemplo, el producto de la matriz ( Q= por su traspuesta es la identidad ( QQT = mientras que las columnas de Q ( ) 1 0 1 0 0 = 1 0 0 1 0 1 0 1 0 0 0 ) ( ) ( ) ( ) 1 0 0 , , 0 1 0 1 0 0 0 1 0 )
no son un sistema ortonormal porque una de ellas es nula.
66
Ejercicio 5.15 Ortogonalidad e independencia lineal Demostrar que si los vectores los vectores no nulos y pertenecientes a un espacio vectorial v w real eucl deo son ortogonales, entonces son linealmente independientes. Se cumple el rec proco? Solucin: o Sea 0 = + una combinacin lineal nula de los vectores no nulos y v w o v w. , resulta Multiplicando escalarmente por el vector v < , 0 >=< , + >= < , > + < , > . v v v w v v v w Aplicando las propiedades del producto escalar y que y son ortogonales, se tiene v w 0 = 2 , v deducindose que = 0 porque = 0. e v Anlogamente, multiplicando escalarmente la combinacin lineal de partida por el vector resulta a o w, < 0 >=< + >= < > + < > . w, w, v w w, v w, w Aplicando las propiedades del producto escalar y que y son ortogonales, se tiene v w 0 = 2 , w deducindose que = 0 porque = 0. e w En consecuencia, la unica combinacin lineal nula de los vectores y es la obtenida cuando o v w = = 0, luego se trata de vectores linealmente independientes. El rec proco no se cumple porque hay vectores linealmente independientes que no son ortogonales. Por ejemplo, en el espacio vectorial eucl deo 2 con el producto escalar habitual, los vectores
= (1, 1) y = (1, 0) v w son linealmente independientes pero no son ortogonales porque < , >= 1 = 0. v w
Ejercicio 5.16 Subespacios suplementarios y base ortogonal Sea E un espacio vectorial eucl deo de dimensin nita. o Determinar la veracidad o falsedad de la siguiente armacin: o Si B1 y B2 son bases ortonormales de dos subespacios suplementarios de E, entonces B1 B2 es una base ortonormal de E. Solucin: o La armacin es falsa. o En 3 con el producto escalar usual, los subespacios vectoriales ( ) ( ) U = L {(1, 0, 0), (0, 1, 0)} y V = L {(1, 1, 1)}
son suplementarios porque U V = 3 . {( )} 3 3 3 B1 = {(1, 0, 0), (0, 1, 0)} es una base ortonormal de U, B2 = es una base orto3 , 3 , 3 { ( )} normal de V y B1 B2 = (1, 0, 0), (0, 1, 0), 33 , 33 , 33 es una base de 3 formada por vectores unitarios pero no es un conjunto ortogonal.
Ejercicio 5.17 Proceso de ortogonalizacin de Gram-Schmidt para conjuntos ligados o { { } } Sea E un -espacio vectorial, sea U = 1 , 2 , . . . , n E y sea V = 1 , 2 , . . . , n el u u u v v v resultado de aplicar el proceso de ortogonalizacin de Gram-Schmidt al conjunto U. o Demostrar que )) ( ({ } . u u u a) j {1, 2, . . . , n} j = 0 j L 1 , 2 , . . . , j1 v u
b) V tiene algn vector nulo si y solamente si U es ligado. u Solucin: o a) Este resultado coincide con el apartado c del teorema 5.75 de [30]: = 0 si y slo si es linealmente dependiente de los vectores { , , . . . , }. vj o uj u1 u2 u j1 Puede interpretarse como que una condicin necesaria y suciente para que el vector j obtenido o v al aplicar el proceso de ortogonalizacin de Gram-Schmidt al conjunto U sea el vector nulo es o que el vector j pertenezca al subespacio generado por los vectores 1 , 2 , . . . , j1 . u u u u Para j = 1, la condicin a demostrar se concreta en o = L(). v1 0 u1 v = Si 1 = 0 , como el proceso de Gram-Schmidt parte del primer elemento de U, entonces = = L() = { }. u1 v1 0 0 L() = { }, entonces = y, como el proceso de Gram-Schmidt parte del = Si u1 0 u1 0 = =. u primer elemento de U, v 0
1 1
Para 2 j n, el proceso de ortogonalizacin de Gram-Schmidt consiste en calcular o = proy vj uj Uj1 (uj ), ) ({ } u u u siendo Uj1 = L 1 , 2 , . . . , j1 . = Si j = 0 , entonces j y su proyeccin ortogonal sobre Uj1 coinciden, por tanto j Uj1 v u o u ({ ) u L , , . . . , } . u u y depende linealmente del conjunto generador de U , es decir, u { } = Si j depende linealmente de 1 , 2 , . . . , j1 , entonces j Uj1 y coincide con su u u u u u proyeccin ortogonal sobre Uj1 , luego o = proy vj uj Uj1 (uj ) = uj uj = 0 . b) La demostracin se basa en el apartado a). o { } = Si el conjunto{ 1 , 2 , . . . , n }es ligado, entonces67 j {1, 2, . . . , n} tal que j depende u u u u , , . . . , o, equivalentemente, u linealmente de u1 2 uj1 ( ) L { , , . . . , } . uj u1 u2 u j1 Aplicando el apartado a) se concluye que j = 0 y que hay algn vector nulo en V. v u
67
j1
j1
Demostrarlo es un ejercicio interesante.
= Si hay algn vector nulo en V, j = 0 , entonces, por el apartado a), u v ( ) L { , , . . . , } uj u1 u2 u j1 y j depende linealmente de u ligado. { { } } u1 , u2 , . . . , j1 y, consecuentemente, 1 , 2 , . . . , n es u u u u
Ejercicio 5.18 Proceso de ortogonalizacin de Gram-Schmidt para obtencin de bases o o Sea (E, < , >) un espacio vectorial eucl deo y G un conjunto de vectores de E. Determinar si la siguiente armacin es verdadera o falsa: o El proceso de Gram-Schmidt aplicado a G produce siempre una base ortogonal de E. Solucin: o La armacin es falsa. o Si el nmero de vectores de G es menor que la dimensin de E, el proceso de ortogonalizacin de u o o Gram-Schmidt no puede producir una base de E porque todas las bases tienen tantos elementos como la dimensin del espacio y el proceso de Gram-Schmidt nunca concluye con ms elementos que con o a los que se inicia. En 3 con el { producto escalar} habitual, el proceso de ortogonalizacin de Gram-Schmidt aplicado o al conjunto G = (1, 0, 0), (0, 1, 0) produce el mismo conjunto G que no es una base de 3 .
o e deo de polinomios Ejercicio 5.19 Aplicacin del mtodo de Gram-Schmidt en un espacio eucl Encontrar una base ortonormal del espacio vectorial eucl deo de los polinomios con coecientes reales y de grado menor o igual que 2, 2 [x] = {p(x) = a0 + a1 x + a2 x2 : a0 , a1 , a2 }, con el producto escalar
< p(x), q(x) >=

1
p(x)q(x) dx.
Solucin: o { } Una base ortonormal de ( 2 [x], < , >), B = 1 , 2 , 3 , se obtiene aplicando el proceso de u u u Gram-Schmidt a la base B = {1, x, x2 } de 2 [x]. El mdulo del primer polinomio de la base B es o 1 12 =< 1, 1 >= dx = [x]1 = 2, 1
luego 1 = 1 = . u1 1 2 Como 1 < x, >= 2 y

2
[ 2 ]1 x x dx = =0 2 2 2 1
1
x3 x =< x, x >= x dx = 3 1
2
]1
1
2 = , 3
se tiene
= x = 3 x. u2 x 2 [ 3 ]1 1 2 2 2 2 x 2 >= x dx = = 2 2 3 1 3 1 2 [ 4 ]1 1 3 3 3 x x3 dx = < x2 , 2 > =< x2 , x >= u = 0, 2 2 2 4 1 1 < x , 1 > =< x2 , u

2
Al ser
el polinomio = x2 v
es ortogonal a 1 y a 2 . u u El cuadrado del mdulo de es o v ) [ 5 ]1 1( 1 1 2 2 2 1 x 2 3 1 8 2 =< , >= 2 4 v v v x dx = x x + dx = x + x = , 3 3 9 5 9 9 45 1 1 1 luego el vector unitario que completa la base ortonormal ( 45 = u3 x2 8 El conjunto de polinomios { } { 1 Bo = 1 , 2 , 3 = 2 , u u u es una base ortonormal del espacio vectorial eucl deo
3 2
1 2 u1 0 2 = x2 u 3 3
es ) 1 . 3 )}
x,
45 8
x2
1 3
R2[x] con el producto escalar considerado. R
Ejercicio 5.20 Aplicacin del mtodo de Gram-Schmidt en un espacio eucl o e deo de funciones ( ) Considerando el -espacio vectorial C [, ], = {f : [, ] : f es continua} , se dene ( ) ( ) la aplicacin < , >: C [, ], o C [, ], tal que
< f, g >=
f (x)g(x) dx.
Se pide: a) Demostrar que < , > es un producto escalar. ( ) b) Calcular el mdulo del vector f (x) = 2x3 C [, ], . o { } ( e c) Aplicar el mtodo de Gram-Schmidt al conjunto 1, x, x2 C [, ], ortogonal.
R) para obtener un conjunto
Solucin: o a) La funcin < , > est bien denida porque el producto de funciones continuas es una funcin o a o continua y toda funcin continua denida en un intervalo cerrado y acotado es integrable. Adems, o a cumple las condiciones de producto escalar:
5 (
g(x)f (x) dx =< g, f > . 1.- f, g C [, ], , < f, g >= f (x)g(x) dx = ( ) 2.- f, g, h C [, ], , ( ) < f, g + h > = f (x) g(x) + h(x) dx = f (x)g(x) + f (x)h(x) dx = f (x)g(x) dx + f (x)h(x) dx =< f, g > + < f, h > .
( 3.- f, g C [, ],
R), R,
f (x)g(x) dx =
< f, g >=
f (x)g(x) dx = < f, g > .
4.- < 0, 0 >= 0 dx = 0. ( ) Si f C [, ], y f = 0, entonces < f, f >= f (x)f (x) dx =
f 2 (x) dx > 0
porque la integral de cualquier funcin continua no negativa y distinta de cero es estrictamente o mayor que cero. ( ) Por cumplir las propiedades anteriores, < , > es un producto escalar en C [, ], . ( ) b) El cuadrado del mdulo del vector f (x) = 2x3 C [, ], o es
R
[
4 7 4x dx = 2x =< 2x , 2x >= x 7
3 2 3 3 6
8 = 7, 7
por tanto, 2x3 =
8 7 . 7
c) Sea 1 = 1 el primer elemento a considerar en el proceso de Gram-Schmidt. u Como x2 < 1, x >= x dx = 2 el segundo elemento del conjunto ortogonal es 2 = x. u
] = 0,
El ultimo elemento ser a

2 2 2 = x2 1 x = x2 < 1, x > < x, x > x = x2 . u3 < 1, 1 > < x, x > 3
El conjunto { U= 1, x, x2 2 3 } ( C [, ],
R)
es el conjunto ortogonal que se obtiene al aplicar el el proceso de Gram-Schmidt al conjunto { } 1, x, x2 .
Ejercicio 5.21 Gram-Schmidt y proyeccin ( 3 o ) Sea el espacio vectorial eucl deo , < , > con el producto escalar habitual y la base cannica o B. { } { } Sea B1 = (2, 1, 0), (1, 2, 0), (1, 1, 1) una base de 3 , sea B2 = 1 , 2 , 3 la base ortonormal v v v 3 obtenida al aplicar el proceso de Gram-Schmidt a B y sea el endomorsmo f : 3 3 que de 1 ( ) = v , f ( ) = , f ( ) = . Se pide: v3 0 verica f v1 v2 0 1
a) Determinar B2 . b) Hallar la matriz de f respecto a la base cannica de 3 . o ( ) () c) Demostrar que , 3 < f , >=< , f > . u v u v u v
Solucin: o a) El primer vector de la base ortonormal es = u1 = v1 1 u Como < 2 , 1 >== 0 y 2 = 5, el segundo vector de la base u ( ) 5 2 5 , ,0 . 5 5
Al ser
( ) 2 5 5 3 5 , , 0 >= 5 5 5 ( ) , > =< (1, 1, 1), 5 , 2 5 , 0 >= 5 , v < u3 2 5 5 5 < 3 , 1 > =< (1, 1, 1), u v ) ( ) ( = 3 5 5 = (1, 1, 1) 6 , 3 , 0 1 , 2 , 0 = (0, 0, 1) u v3 v1 v2 3 5 5 5 5 5 5
el vector
es el tercer elemento de la base ortogonal buscada. b) Los elementos de la base cannica pueden expresarse en funcin de los elementos de la base B : o o ( ) ( ) ( 2 5 5 5 2 5 2 5 (1, 0, 0) = , , 0 + , , 0 +(0, 0, 1) = 5 5 5 5 5 ( ) ( ) ( 2 5 5 5 2 5 2 5 (0, 1, 0) = , , 0 + , , 0 + (0, 0, 1) = 5 5 5 5 5 (0, 0, 1) = v
3
) 5 5 2 5 , + , 5 5 5 ) 5 5 2 5 , + , 5 5 5
Los sistemas de ecuaciones 2 5 5 =1 5 5 5 2 5 5 + 5 =0 =0
2 5 5 =1 5 5 y 5 2 5 5 + 5 =0 =0
proporcionan
) ( ) ( + + = 2 5 2 5 , 5 , 0 5 5 , 2 5 , 0 + 0(0, 0, 1) (1, 0, 0) = v1 v2 v3 5 5 5 5 5 5 ) ) ( ( + + = 5 2 5 , 5 , 0 + 2 5 5 , 2 5 , 0 + 0(0, 0, 1) (0, 1, 0) = v1 v2 v3 5 5 5 5 5 5 (0, 0, 1) = 0 + 0 + 1 v v v

1 2 3
Las columnas de la matriz de f respecto a la base cannica son las coordenadas de las imgenes o a de los elementos de la base cannica respecto a dicha base: o ( ) ( + + ) = f ( ) + f ( ) + f ( ) = = 4 , 2 , 0 f (1, 0, 0) = f v1 v2 v3 v1 v2 v3 v1 5 5 ( ) ( + + ) = f ( ) + f ( ) + f ( ) = = 2 , 1 , 0 f (0, 1, 0) = f v1 v2 v3 v1 v2 v3 v1 5 5 f (0, 0, 1) = (0, 0, 0) luego la matriz de f respecto a la base cannica es o 4 2 5 5 2 1 M = 5 5 0 0 0 0 . 0
u v v v v v v v c) Si respecto a la base B, = 1 + 2 + 3 y = 1 + 2 + 3 , entonces () ( ) f = 1 y f = 1 . u v v v Como los vectores 1 , 2 , 3 son ortonormales, v v v () < f , > =< 1 , 1 + 2 + 3 >= u v v v v v ( ) < , f > =< 1 + 2 + 3 , 1 >= u v v v v v
Ejercicio 5.22 Factorizacin QR o Dada la matriz
1 1 M = 1 1 se pide: a) Hallar la factorizacin QR de la matriz M. o b) Resolver el sistema de ecuaciones lineales
2 2 0 0 2 2 , 0 0 2 2 0 0
3 5 M = . x 3 1
Solucin: o a) La factorizacin QR de una matriz M Mnm de rango m, surge al aplicar el proceso de ortogoo nalizacin de Gram-Schimdt a las columnas de M, obtenindose una matriz, Q, cuyas columnas o e son ortonormales y otra matriz, R, triangular superior con elementos positivos en la diagonal principal. Consideradas como vectores, las columnas de M forman el siguiente conjunto libre pero no ortogonal: 1 2 2 0 1 0 2 2 = , v = , v = , v = . C = v1 2 3 4 0 0 2 1 1 2 0 0 Aplicando el proceso de ortogonalizacin/ortonormalizacin de Gram-Schimdt al conjunto C, se o o obtiene un conjunto de vectores ortonormales. El vector no es unitario, pero se puede normalizar dividiendo por su mdulo, r , resultando v o
1 11
2 1 = v1 = v1 = 2 . q1 r11 1 1 v 2
1 2
{ } Si 2 es la proyeccin ortogonal del vector 2 sobre el subespacio generado por 1 , entonces p o v { } q v p el vector = 2 2 es ortogonal a 1 y el subespacio generado por 1 , coincide con el s2 q q s2 { } subespacio generado por 1 , 2 . v v { } La proyeccin ortogonal del vector sobre el subespacio generado por es o v q
2 1
1 1 = r =< , > = 2 = p2 q1 v2 q1 q1 12 q1 1 1 y 2 1 1 0 1 1 = = = . v p s2 2 2 0 1 1 2 1 1
El vector no es unitario, pero se puede normalizar dividiendo por su mdulo, r22 , resultando s2 o
1
2 1 = s2 = s2 = 2 . q2 r22 1 s2 2
1 2
{ } Si 3 es la proyeccin ortogonal del vector 3 sobre el subespacio generado por 1 , 2 } entonces p o v { q q , v p el vector = 3 3 es ortogonal a 1 y a 2 y el subespacio generado por 1 , 2 , coincide s3 q q q q s3 { } con el subespacio generado por 1 , 2 , 3 . v v v
{ } La proyeccin ortogonal del vector 3 sobre el subespacio generado por 1 , 2 es o v q q 1 1 = r + r =< , > + < , > = 0 + 2 = s3 q1 v3 q1 q2 v2 q2 q1 q2 13 q1 23 q2 1 1 y 2 1 1 2 1 1 = = = . v p s3 3 3 0 1 1 0 1 1
El vector no es unitario, pero se puede normalizar dividiendo por su mdulo, r33 , resultando s3 o = s3 = s3 = q3 r33 s3
1 2 1 2 . 1 2 1 2
{ } Si 4 es la proyeccin ortogonal del vector 4 sobre el subespacio generado por 1 , 2 , 3 , p o v q q q p entonces el vector = 4 4 es ortogonal a 1 , a 2 { a 3 y el subespacio generado por s4 v q q y q { } s } q1 , q2 , q3 , coincide con el subespacio generado por 1 , 2 , 3 , 4 . v v v v 4 { } La proyeccin ortogonal del vector sobre el subespacio generado por , , es o v q q q
4 1 2 3
=r +r +r s4 14 q1 24 q2 34 q3
1 q q q 1 =< 1 , 4 > 1 + < 2 , 4 > 2 + < 3 , 4 > 3 = 0 1 + 0 2 + 2 3 = q v q v q v q q q 1 1 0 1 1 2 1 1 = = = . v p s4 4 4 2 1 1 0 1 1
El vector no es unitario, pero se puede normalizar dividiendo por su mdulo, r44 , resultando s4 o 1 2 1 = s4 = s4 = 2 . q4 r44 1 s4 2
1 2
Las columnas de la matriz ( ) Q = 1 2 3 4 = q q q q
1 2 1 2 1 2 1 2
1 2 1 2 1 2 1 2
1 2 1 2 1 2 1 2
1 1 1 1 1 2 1 1 1 1 1 1 2 = 1 1 1 2 1 1 2 1 1 1 1 1
2
son ortonormales y la matriz r11 r12 r13 0 r22 r23 R= 0 0 r33 0 0 0 r14 2 0 r24 = r34 0 r44 0 2 2 0 0 0 2 2 0 0 1 0 0 = 2 0 2 2 0 1 1 0 0 0 1 1 0 0 0 1 1
es triangular superior con elementos positivos en la diagonal principal. La descomposicin QR de la matriz M es o 1 1 1 1 1 1 1 1 1 0 QR = 1 1 1 1 0 1 1 1 1 0 1 1 0 0 0 1 1 0 0 1 1 0 = 1 1 1 1 2 2 0 0 2 2 = M. 0 0 2 2 0 0
b) Al ser vectores ortonormales las columnas de la matriz Q, se tiene QT Q = Id4 y al ser R una matriz invertible, el sistema de ecuaciones lineales M = puede resolverse de la x v siguiente manera: QR = , x v = QT , T Q QR x v R = QT , x v = R1 QT . x v Calculando la inversa de la matriz triangular, 1 1 1 1 1 0 1 1 1 , = 0 1 1 2 0 0 0 0 1
R1
la solucin del sistema de ecuaciones se obtiene mediante una multiplicacin de matrices o o 1 1 1 1 1 1 1 1 3 1 1 0 1 1 1 1 1 1 1 5 1 = = . x 0 1 1 1 1 1 1 3 2 4 0 0 0 0 1 1 1 1 1 1 1
Ejercicio 5.23 Subespacio ortogonal a un vector Sea (E, < , >) un espacio vectorial eucl deo. Demostrar que el conjunto formado por todos los vectores de E ortogonales a , u = { E : < , >= 0}, u w u w es un subespacio vectorial de E. Es cierto que si = , entonces = ? u v u v
Solucin: o Como el vector nulo es ortogonal a cualquier vector, = . u , y , , entonces, por la bilinealidad del producto escalar, Si v w u
< , + >= < , > + < , >= 0, u v w u v u w luego + y es un subespacio vectorial de E. v w u u Puede suceder que coincidan los subespacios ortogonales a dos vectores distintos. Por ejemplo, en 2 con el producto escalar habitual, { } (1, 0) = (1, 0) = (0, ) :
y (1, 0) = (1, 0).
Ejercicio 5.24 Transitividad entre subespacios ortogonales Sean U, V y W subespacios del espacio vectorial eucl deo (E, < , >). Estudiar la veracidad o falsedad de la siguiente armacin: o Si U V y V W, entonces U W . Solucin: o La armacin es falsa. La ortogonalidad de subespacios no satisface la propiedad transitiva. o En el espacio vectorial eucl deo 3 con el producto escalar habitual, los subespacios
R}, W = {(, 0, 0) : R},

V = {(0, 0, ) : cumplen, evidentemente, U V pero no se cumple U W porque, entre otras cosas, W U. y V W
U = {(, , 0) : ,
R},
Ejercicio 5.25 Propiedades del complemento ortogonal Sean U y V dos subespacios vectoriales de un -espacio vectorial eucl deo de dimensin nita, o (E, < , >). Demostrar que ( ) a) U = U.
b) Si U V, entonces V U . c) U V V U . d) (U V ) = U + V . e) (U + V ) = U V .
Solucin: o { } a) Sea BU = , , . . . , una base ortogonal del subespacio vectorial U. e1 e2 ep Por ser E un espacio vectorial de dimensin nita, el conjunto libre BU puede completarse hasta o obtener una base ortogonal de E : { } B = , , . . . , , , . . . , . e1 e2 ep ep+1 en { } ep+1 ep+2 en Los nuevos vectores, BU = , , . . . , , son una base ortogonal del complemento ortogonal de U. Del mismo modo, los vectores que completan de forma ortogonal la base BU de U son una base ( ) de U . Como BU BU forman una base ortogonal de E, BU es una base del complemento ortogonal del complemento ortogonal de U y como BU tambin es una base de U, los dos subespacios e ( ) coinciden, U = U . En los espacios vectoriales dimensin innita, es posible que la base de partida no se pueda como pletar y, por tanto, no se puede aceptar como vlido el razonamiento anterior ni asegurar que el a complemento ortogonal del complemento ortogonal de un subespacio coincide con l mismo. e El espacio vectorial de los polinomios con coecientes reales,
R[x] = {a0 + a1x + a2x2 + + anxn : ai R,

con el producto escalar < p(x), q(x) >=
0
i = 0, 1, 2, . . . , n, n
N},
p(x)q(x) dx
y el subespacio de los polinomios con trmino independiente nulo, e U = {b1 x + b2 x2 + + bn xn : bi
R,
i = 1, 2, . . . , n, n
N}
constituye un contraejemplo que demuestra lo anteriormente dicho porque el unico polinomio ortogonal a todos los polinomios de U es el polinomio nulo, U = {0}. Esto es as ya que como los polinomios xi pertenecen a U para cualquier valor natural de i distinto de 0, cualquier polinomio p(x) = a0 + a1 x + + an xn U tiene que ser ortogonal a todos ellos y sus coecientes tienen que cumplir las ecuaciones < p(x), xi >=
0 1
a0 xi + a1 xi+1 + + an xn+i dx =
a0 a1 an + + + = 0 i = 1, 2, . . . i+1 i+2 n+i+1
En particular, para i = 1, 2, . . . , n + 1, los coecientes de p(x) U estn entre las soluciones del a siguiente sistema homogneo de ecuaciones lineales: e a0 a1 an + + + = 0 2 3 n+2 a0 a1 an + + + = 0 3 4 n+3 . a0 a1 an + + + = 0 n+2 n+3 2n + 2 Algebra Lineal - 285
La matriz de coecientes de este sistema, A= . . .

1 2 1 3 1 3 1 4
. . .
.. .
1 n+2 1 n+3
. , . .
1 n+2
1 n+3
1 2n+2
es una matriz regular porque segn se demostr en el apartado d) del ejercicio 2.35 su deteru o minante vale ( )3 1! 2! (n)! (n + 1)! |A| = = 0 (n + 2)! (n + 3)! (2n + 2)! y, consecuentemente, el sistema de ecuaciones es compatible determinado y su unica solucin es o a0 = a1 = = an = 0. Por tanto, no hay polinomios de grado n ortogonales a {x, x2 , . . . , xn+1 }, ni polinomios de grado n + 1 ortogonales a {x, x2 , . . . , xn+2 }, etctera, luego U = {0}. e u b) Si V , entonces < , >= 0 V. u v v < , >= 0 U V u v v
Como U V, tambin e y, consecuentemente, U . u
As pues, todo elemento de V tambin pertenece a U , luego V U . e Sin embargo, no es cierta la implicacin o si U V, entonces U V ya que si en
R3 con el producto escalar habitual se consideran los subespacios vectoriales U = {(, 0, 0) : R} y V = {(, , 0) : , R},
U = {(0, , ) : ,
sus complementos ortogonales son
R}
y V = {(0, 0, ) :
R}
y es inmediato observar que U V y que V U . c) Aplicando que en espacios vectoriales eucl deos de dimensin nita se cumple o (U ) = U y U V = V U , se tiene la doble implicacin que demuestra la equivalencia: o U V = (V ) U V U V U = (U ) V U V o d) Para comprobar la igualdad entre conjuntos, es necesario demostrar la doble inclusin:
Claramente, U U + V y, por tratarse de un espacio vectorial de dimensin nita, o U = (U ) (U + V ) . Del mismo modo, V (U + V ) , luego U V (U + V ) . Volviendo a aplicar que si un subespacio est incluido en otro, entonces los correspondientes a complementos ortogonales invierten la inclusin y que en espacios de dimensin nita el o o complemento ortogonal del ortogonal coincide con el subespacio de partida, se tiene ( ) (U V ) (U + V ) = U + V . Como U V U, entonces (U V ) U .
Del mismo modo, (U V ) V , luego (U V ) U + V . e) Para comprobar la igualdad entre conjuntos, es necesario demostrar la doble inclusin: o Como U U + V y V U + V, entonces U (U + V ) y V (U + V ) , resultando (U + V ) U V . Si U V , entonces U y V , luego w w w < >= 0 U y w, u u < >= 0 V. w, v v
Como cualquier vector U + V puede expresarse como = + con U y V, z z u v u v se tiene < >=< + >=< > + < >= 0, w, z w, u v w, u w, v luego (U + V ) y w (U + V ) U V .
Ejercicio 5.26 Complemento ortogonal y suma directa Sean U y V dos subespacios vectoriales de un -espacio vectorial eucl deo E. Analizar si es cierta la siguiente implicacin: o
U V = U V . Solucin: o La implicacin es falsa porque el antecedente puede ser cierto y el consecuente falso como sucede o si se considera el espacio vectorial eucl deo habitual E = 3 y los subespacios vectoriales { U = (, 0, 0) :
R}
{ y V = (0, , 0) :
R}.
Claramente,
{ U V = (, , 0) : , { U = (0, , ) : , { V = (, 0, ) : , { U V = (0, 0, ) :
R}, } R , } R , R} = { }, 0
resultando imposible la suma directa entre U y V . La implicacin rec o proca tampoco es cierta y sirven como contraejemplo los mismos conjuntos porque en dimensin nita (U ) = U. o
Ejercicio 5.27 Tamao del complemento ortogonal de un subespacio n Sea (E, < , >) un espacio vectorial eucl deo y V E un subespacio vectorial de E. Determinar la veracidad o falsedad de la siguiente armacin: o El complemento ortogonal de V es el menor subespacio de E tal que todos sus elementos son ortogonales a V . Solucin: o { } La armacin es falsa porque, en cualquier espacio vectorial eucl o deo E, 0 es un subespacio vectorial tal que todos sus elementos son ortogonales a cualquier elemento de cualquier subespacio V { } de E y no siempre V = 0 . Por ejemplo, en R2 con el producto escalar habitual, el complemento ortogonal del subespacio { } V = (, 0) :
es
{ } que no es el menor subespacio de 2 tal que todos sus elementos son ortogonales a V porque 0 V . Para cualquier subespacio V E, el menor subespacio de E tal que todos sus elementos son { } ortogonales a V es 0 . El complemento ortogonal de V es el mayor subespacio de E tal que todos sus elementos son ortogonales a V, entendiendo mayor en el sentido de que no hay ningn vector u ortogonal a todos los elementos de V que no est incluido en el complemento ortogonal de V. e
{ V = (0, ) :
R}
Ejercicio 5.28 Subespacio ortogonal a un conjunto de vectores Sea E un -espacio vectorial eucl deo y F E. Determinar si la siguiente armacin es verdadera o o falsa:
Si F es un subespacio vectorial de E, entonces F es un subespacio vectorial de E. Solucin: o El subespacio ortogonal a un conjunto de vectores, F, es siempre un subespacio vectorial aunque el conjunto F no sea un subespacio vectorial. { } En 2 con el producto escalar habitual, el subespacio ortogonal a F = (1, 0) es { } F = (0, ) :
y el conjunto F no es un subespacio vectorial porque no contiene al elemento nulo.
Ejercicio 5.29 Subespacio ortogonal y mtodo de Gram-Schmidt e Si (E, < , >) es un espacio vectorial eucl deo, determinar la veracidad o falsedad de la siguiente armacin: o ( ) Si 1 , 2 , . . . , n E es el resultado de aplicar el proceso de ortogonalizacin de Gramu u u o ( u , w , . . . , ), entonces { , , . . . , } para cada 1 i < n. wn ui+1 u1 2 ui Schmidt a w1 2 Solucin: o La armacin es verdadera. o v Partiendo de 1 = 1 y sucesivamente desde i = 1 hasta i = n 1, el mtodo de Gram-Schmidt u e , ortogonal a { , , . . . , } y perteneciente al subespacio generado por calcula un vector, ui+1 u1 u2 ui { { } v } u u u1 , v2 , . . . , i , i+1 . Si el vector i+1 pertenece al subespacio generado por 1 , . . . , i , entonu v = . ces el vector resultante es ui+1 0 Como el vector 0 es ortogonal a cualquier vector, el proceso de ortogonalizacin de Gram-Schmidt o que son ortogonales a sus precedentes, { , , . . . , } . u proporciona vectores ui+1 ui+1 u1 2 ui
u Ejercicio 5.30 Ncleo y rango del producto de la traspuesta de una matriz por dicha matriz Si A Mnm ( ), demostrar que
a)
Ker(AT A)
= Ker(A).
b) rango(AT A) = rango(A). Solucin: o a) La igualdad entre los conjuntos se demuestra comprobando que uno est incluido en el otro y a viceversa. Si B Mm1 ( ) y B Ker(AT A), entonces (AT A)B = 0. Multiplicando por la izquierda por B T , B T (AT A)B = B T 0 = 0, aplicando la propiedad asociativa y que la traspuesta de un producto de matrices es el producto de las traspuestas, (AB)T (AB) = 0. Como (AB)T (AB) = AB, el mdulo segn el producto escalar habitual de o u matriz/vector AB Mn1 ( ) es cero,
Rn de la
AB = 0, de donde se deduce que AB = 0 y, consecuentemente, B Ker(A). Si B Mm1 ( ) y B Ker(A), entonces
AB = 0. Multiplicando por la izquierda por AT , AT (AB) = AT 0 = 0, resultando que (AT A)B = 0, con lo que se puede asegurar que B Ker(AT A).
b) Como A Mnm ( ) y AT A Mn ( ), segn la frmula establecida en el ejercicio 4.49, u o ( ) ( ) n = dim Ker(A) + dim Col(A) , ( ) ( ) n = dim Ker(AT A) + dim Col(AT A) . Igualando trminos, e ( ) ( ) ( ) ( ) dim Ker(A) + dim Col(A) = dim Ker(AT A) + dim Col(AT A) . ( ) ( ) Al ser Ker(AT A) = Ker(A), entonces dim Ker(A) = dim Ker(AT A) y ( ) ( ) dim Col(A) = dim Col(AT A) o lo que es lo mismo rango(AT A) = rango(A) ( ) ( ) porque rango(AT A) = dim Col(AT A) y rango(A) = dim Col(A) .
Ejercicio 5.31 Complemento ortogonal del espacio columna de una matriz real (terico) o Si A Mnm ( ), demostrar que ( ) a) Col(A) = Ker(AT ).
( ) b) Img(A) = Ker(AT ) . c)
Rn = Img(A) Ker(AT). R R
Solucin: o Sea la matriz A Mnm ( ) cuyas columnas son los vectores 1 , 2 , . . . , m Mn1 ( ), q q q ( ) q q q A = 1 2 m . El espacio columna de la matriz A es { q Col(A) = = 1 1 + 2 2 + + m m : 1 , 2 , . . . , m q q q
R} Mn1(R). R
El ncleo de la traspuesta de la matriz A es u { } Ker(AT ) = Mn1 ( ) : AT = 0 Mn1 ( ). v v
En funcin de las columnas de A, o T T v v q1 q1 < 1 , > q T T = q2 = q2 v = < q2 , v > M T . v A v . m1 ( ), . . . . . . . v T T v < m , > q q q
luego
{ } v v v Ker(AT ) = Mn1 ( ) :< 1 , >=< 2 , >= =< m , >= 0 . v q q q
a) Para demostrar que dos conjuntos son iguales, hay que comprobar la doble inclusin entre ambos: o
) ( Si Col(A) , entonces Col(A) < , >= 0 . s q q s En particular, como 1 , 2 , . . . , m Col(A), q q q s s s < 1 , >=< 2 , >= =< m , >= 0, q q q luego Ker(AT ). s Ker(AT ), entonces < , >=< , >= =< , >= 0. s s s Si s q1 q2 qm 1 , 2 , . . . , m , se tiene
q q q q < , 1 1 + 2 2 + + m m >= 1 < , 1 > +2 < , 2 > + + m < , m >= 0, s q q s s s ) ( luego es ortogonal a cualquier vector de Col(A) y, consecuentemente, Col(A) . s s o b) El espacio columna de la matriz A coincide con el espacio imagen de la aplicacin lineal asociada a A, luego, aplicando el apartado a), ( Img(A) ) ( ) = Col(A) = Ker(AT ).
Calculando el complemento ortogonal de ambos subespacios: (( ) ) ( ) Img(A) = Ker(AT ) .
Por tratarse de un subespacio vectorial de un espacio eucl deo de dimensin nita, o (( luego Img(A) ) ) = Img(A),
( ) Img(A) = Ker(AT ) .
c) Los espacios vectoriales n y Mn1 ( ) son isomorfos, luego Img(A) Como Img(A) es el complemento ortogonal de Ker(AT ), entonces
Rn y Ker(AT) Rn.
Rn = Img(A) Ker(AT).
a Ejercicio 5.32 Complemento ortogonal del espacio columna de una matriz real (prctico) 1 0 1 0 1 1 0 0 M4 ( ), hallar, especicando su dimensin y una base: o Dada la matriz A = 0 1 1 2 0 1 1 0
a) El espacio columna de A, Col(A). u b) El ncleo de la traspuesta de A, Ker(AT ). ( ) c) El subespacio ortogonal al espacio columna de A, Col(A) . d) Col(A) + Ker(AT ). Se trata de una suma directa? Solucin: o
a) El espacio columna de A, Col(A), est generado por los vectores de 4 que tienen como coordenadas a los escalares de cada una de las columnas de A. Representando los vectores como columnas: 1 0 1 0 1 1 0 0 Col(A) = , , , . 0 1 1 2 0 1 1 0 La dimensin Col(A) es el rango de la matriz A y puede calcularse aplicando el proceso de elimio nacin de Gauss para obtener una forma escalonada de A : o 1 0 1 0 1 0 1 0 1 1 0 0 1 0 0 1 1 0 0 1 1 2 0 1 1 2 0 0 1 1 0 0 1 1 0 0 Al haber tres escalones, ( ) rango(A) = dim Col(A) = 3. 0 1 0 1 1 0 . 0 2 2 0 0 0
Los vectores asociados a las columnas de A que ocupan las columnas pivote de la forma escalonada, forman una base de Col(A) : 1 0 1 1 1 0 BC = , , . 1 1 0 0 1 1 Calculando las combinaciones lineales de los vectores de Bc , 1 0 1 1 0 1 Col(A) = + + : , , 1 1 0 0 1 1 Eliminando los parmetros , , en las ecuaciones a x = y = + z =+ u = + se obtiene la expresin del subespacio como las soluciones de un sistema homogneo de ecuaciones o e lineales cuyas incgnitas son las coordenadas. En este caso, basta una sola ecuacin: o o x y Col(A) = z u
+ = + +
R4 : , , R .

R4
:x+y+u=0 .
b) El n cleo de la traspuesta de A, Ker(AT ), es el subespacio formado por las soluciones del sistema u homogneo de ecuaciones lineales e 1 1 0 0 x 0 0 y 0 1 1 1 AT = x = 1 0 1 1 z 0 0 0 2 0 u 0 que expresado en forma de ecuaciones, se reduce a x y = 0 yu=0 . z=0 En forma paramtrica y considerando los vectores como columnas, e 4 : . Ker(A) = 0
Como el rango de AT es 3, la dimensin del ncleo de A es 1 y o u 1 1 BK = 0 1 es una base de Ker(A). ( ) c) Para que un vector de 4 pertenezca al subespacio ortogonal al espacio columna de A, Col(A) , es condicin necesaria y suciente que sea ortogonal a todos los elementos de una base de Col(A), o luego ( Col(A)) B . v v C
Al ser x 1 y 1 = x y, z 0 u 0 x 0 y 1 = y + z u, z 1 u 1 x 1 y 0 = x + z + u, z 1 u 1
los elementos del subespacio ortogonal a Col(A) son las soluciones del sistema homogneo de e ecuaciones lineales x y = 0 y+zu=0 . x + z + u = 0
Es inmediato observar que
1 1 0 0 1 1 1 = 3 rango 0 1 0 1 1
y que el sistema anterior es equivalente a x y = 0 yu=0 z=0 por lo que ( ) Col(A) = 0
R4 : R = Ker(AT).
( ) d) Al ser Col(A) = Ker(AT ), ( ) Col(A) + Ker(AT ) = Col(A) + Col(A) =
R4.
( ) { } Se trata de una suma directa porque Col(A) Ker(AT ) = Col(A) Col(A) = 0 .
Ejercicio 5.33 Subespacio ortogonal a una suma de subespacios Sea (E, < , >) un -espacio vectorial eucl deo y sean U, V subespacios vectoriales de E. Analizar68 si { E : (U + V )} = { E : U } + { E : V }. v v v v v v
Solucin: o Utilizando una notacin ms reducida, se trata de determinar si o a (U + V ) = U + V . La igualdad de conjuntos se demuestra comprobando la doble inclusin. o El subespacio (U + V ) est incluido en el subespacio U porque si (U + V ) , entonces a w ( + ) U, V w u v u v y, en particular, luego U . w Razonando del mismo modo, (U + V ) V , pudindose deducir que e (U + V ) U V U + V . Esta inclusin no siempre es cierta. o Sirvan como contraejemplo los subespacios U = {(x, 0) : x
68
( + ) U, w u 0 u
R} y V
= {(0, y) : y
R}
Comparar con el apartado e) del ejercicio 5.25 Propiedades del complemento ortogonal.
R-espacio vectorial eucl R2 con el producto escalar habitual. deo Es claro que U + V = R2 y que { }
del (U + V ) = 0 . Tambin es fcil establecer que U = V y que V = U, resultando que e a U + V = V + U = En este caso, { } 0 = (U + V )
R2 . R2.
U + V =
Ejercicio 5.34 Dimensiones de un subespacio y de su complemento ortogonal Analizar la veracidad o falsedad de la siguiente armacin: o Existe un subespacio vectorial, V, del espacio eucl deo 5 con el producto escalar habitual, tal que ( ) dim(V ) = dim V . Solucin: o Para cualquier subespacio V de
R5 se cumple R5 = V V .
5 = dim(V ) + dim(V ). 5 = 2 dim(V )
Calculando dimensiones: ( ) Si dim(V ) = dim V , resultar a
lo que es imposible porque las dimensiones de los subespacios vectoriales son nmeros enteros y 5 no u es mltiplo de 2. u
Ejercicio 5.35 Endomorsmos con Img(f ) y Ker(f ) ortogonales y suplementarios Sea E un -espacio vectorial eucl deo de dimensin nita y f un endomorsmo de E tal que o
, E, < , f ( ) >=< f ( ), > . u v u v u v Demostrar que Img(f ) y Ker(f ) son subespacios ortogonales y suplementarios. Solucin: o Sea Ker(f ) y Img(f ). u w E tal que = f ( ) y f ( ) = . Entonces, existe v w v u 0 El producto escalar de un elemento del n cleo de f por un elemento de la imagen de f es siempre u cero porque < , >=< , f ( ) >=< f ( ), >=< 0 , >= 0 . u w u v u v v Por tanto, Ker(f ) y Img(f ) son subespacios ortogonales y Ker(f ) Img(f ) = { 0 }.
Adems, como la suma de las dimensiones del ncleo y de la imagen de f coincide con la dimensin a u o del espacio vectorial E y son subespacios cuya interseccin slo es el cero, se tiene o o Ker(f ) Img(f ) = E, es decir, Ker(f ) y Img(f ) son subespacios suplementarios.
Ejercicio 5.36 Ortogonalidad en [x] El conjunto [x] de los polinomios de una variable, x, y con coecientes reales es un vectorial. Se dene la aplicacin < , >: [x] [x] tal que o
R-espacio
R
j
n
i=0
i x ,
m j=0
j x =
m n(n,m)
k=0
k k
y la aplicacin lineal f : o
R[x] R tal que

( ) f p(x) = p(1).
Se pide: a) Comprobar que < , > es un producto escalar en [x]. m b) Demostrar que n xn 1, j xj = 0 si y slo si 0 = n . o
j=0
c) Aplicar el{proceso de ortogonalizacin de Gram-Schmidt segn el producto escalar < , > al u } o 2 1, x3 1 . conjunto x 1, x d) Demostrar que si p(x) Ker(f ) y p(x) es constante, entonces p(x) = 0. e) Demostrar que si p(x) Ker(f ) y p(x) es de grado n > 0, entonces existe n h(x) Ker(f ) y de grado estrictamente menor que n, tales que p(x) = h(x) + n (xn 1). f ) Comprobar que Ker(f ) = L ({ xn 1 : n
R y existe
N {0}}) . R[x]?
( ) ( ) g) Hallar Ker(f ) con el producto escalar considerado. Es Ker(f ) Ker(f ) = Solucin: o
a) La aplicacin < , > es un producto escalar porque cumple las siguientes propiedades: o p(x), q(x)
R[x], < p(x), q(x) >=< q(x), p(x) > .

n
i=0
< p(x), q(x) >=
i x ,
m j=0
j x
j
m n(n,m)
k=0
m n(m,n)
k k =
k=0
k k =< q(x), p(x) > .
p(x), q(x), r(x)
R[x], < p(x) + q(x), r(x) >=< p(x), r(x) > + < q(x), r(x) > .
n
i=0
< p(x) + q(x), r(x) > =
i xi +
i=0
m j=0
j xj ,
s k=0
j xj
mx(n,m) a s = (i + i )xi , j xj
i=0 k=0 m n(m,s)
m mx(n,m),s n a
m n(n,s)
(i + i )i =
i=0
i i +
i=0
i i
=< p(x), r(x) > + < q(x), r(x) > . p(x), q(x)
R[x] y R, < p(x), q(x) >= < p(x), q(x) > .

< p(x), q(x) > = n
i=0 m n(n,m)
i x ,
m j=0
j x
j
m n(n,m)
k=0
k k
=
0 i=0
k=0
k k = < q(x), p(x) > .
Si p(x) = 0, entonces < 0, 0 >= Si p(x) = 0, entonces
0 = 0. n
i=0
< p(x), p(x) >= b) Hay que tener en cuenta que Si m n, entonces xn Si m < n, entonces xn 1, 1,
i x ,
n j=0
j x
j
n k=0
2 k > 0.
m j=0 m j=0
j xj j xj = 0 . = 0 + n .
Para comprobar la equivalencia, hay que demostrar la doble implicacin: o = Sea 0 = n . Si m n, entonces xn 1,
m
j xj = 0 + n = 0.
m j=0
Si m < n, entonces n = 0 y = Sea xn 1,

m j=0
j=0
j xj = 0 = n = 0.
xn 1,
j xj xn 1, = 0.
m j=0
j xj = 0 + n = 0, luego 0 = n .
m j=0
Si m n, entonces
j xj = 0, luego 0 = n .
Si m < n, entonces n = 0 y 0 = xn 1,
c) El proceso de Gram-Schmidt aplicado a {x 1, x2 1, x3 1} produce los siguientes polinomios ortogonales entre s : u1 (x) = x 1. < x 1, x2 1 > 1 x 1 (x 1) = x2 1 (x 1) = x2 . < x 1, x 1 > 2 2 2 ( ) 2 x 1 , x3 1 > 31> <x < x 1, x x 1 2 3 2 2 (x 1) x u3 (x) = x 1 1 < x 1, x 1 > 2 2 < x2 x 1 , x2 x 2 > 2 2 2 ) 1 ( 2 1 x 1 x 1 x x 1 = x3 1 (x 1) 2 x2 = x3 1 + + + 3 2 2 2 2 2 3 6 6 2 u2 (x) = x2 1 x2 x 1 . 3 3 3 ( ) d) Si p(x) Ker(f ), entonces f p(x) = p(1) = 0 y si p(x) es constante, entonces p(x) = c = x3 Si p(x) es constante, entonces p(1) = c y si, adems, pertenece al ncleo de f, entonces a u ( ) p(1) = f p(x) = 0, luego c = 0 y p(x) = 0. e) Sea p(x) = n xn + n1 xn1 + + 0 Ker(f ) con n = 0. ( ) El polinomio n (xn 1) pertenece a Ker(f ) porque f n (xn 1) = n (1n 1) = 0. El polinomio h(x) = p(x)n (xn 1) pertenece a Ker(f ) al ser combinacin lineal de dos elementos o de Ker(f ). El grado de h(x) es estrictamente menor que n porque tanto p(x) como n (xn 1) son de grado n y sus coecientes de grado n son iguales y se cancelan al restarse. En consecuencia, existe n tales que f ) Es evidente que n
R.
R y existe h(x) Ker(f ) y de grado estrictamente menor que n,

p(x) = h(x) + n (xn 1).
N y n > 0, xn 1 Ker(f ) porque

f (xn 1) = 1n 1 = 0, ( Ker(f ) L {xn 1 : n
luego
N} ) .
Para comprobar la otra inclusin, es necesario considerar los siguientes casos: o Si p(x) Ker(f ) y es constante, por el apartado d), p(x) = 0 que pertenece a cualquier ( ) subespacio y, en particular, a L {xn 1 : n } .
Si p(x) Ker(f ) y es de grado n > 0, por el apartado e) puede descomponerse como la suma de un polinomio h(x) de grado n0 estrictamente menor que n y de un polinomio de la forma n (xn 1). A su vez, h(x) puede descomponerse como la suma de un polinomio h1 (x) de grado n1 estrictamente menor n0 y de un polinomio de la forma n0 (xn0 1). Repitiendo este proceso, se obtiene una sucesin decreciente de nmeros naturales, o u n > n0 > n1 > > np = 0,
que tiene que alcanzar el cero en una cantidad nita de pasos. El polinomio hp de grado np = 0 y perteneciente a Ker(f ) es el polinomio constante 0, luego ( ) p(x) = n (xn 1)+n0 (xn0 1)+n1 (xn1 1)+ +np1 (xnp1 1)+0 L {xn 1 : n } .
Al cumplirse tambin que e los dos conjuntos son iguales. g) El polinomio q(x) = solamente si n = 0 . Los polinomios de la forma
m j=0
( Ker(f ) L {xn 1 : n
N} )
j xj es ortogonal a xn 1 segn el producto escalar considerado, si y u
p (x) = xm + xm1 + + x + con
son los unicos polinomios de grado m > 0 ortogonales a todos los polinomios de la forma xi 1 con i = 1, 2, . . . , m. Si = 0, p (x) no es ortogonal a xm+1 1 ni a xj 1 con j > m porque m x + xm1 + + x + , xm+1 1 = xm + xm1 + + x + , xj 1 = = 0. El unico polinomio ortogonal a todos los generadores de Ker(f ) es el polinomio constante cero, luego ( ) Ker(f ) = {0}. Segn los clculos realizados, u a ( ) Ker(f ) Ker(f ) = Ker(f ) y Ker(f ) est incluido estrictamente en a porque f (x + 1) = 2 = 0. En este caso,
R[x] pues el polinomio x + 1 de R[x] no pertenece a Ker(f ) R[x].
( ) Ker(f ) Ker(f ) =
o o Ejercicio 5.37 Proyeccin ortogonal sobre subespacios de dimensin 2 En el espacio vectorial eucl deo 4 con el producto escalar habitual, se pide calcular la proyeccin o ortogonal del vector:
a) = (1, 1, 1, 1) sobre el subespacio vectorial generado por los vectores = (1, 0, 1, 2) y = u v w (1, 1, 0, 1). b) = (1, 0, 1, 0) u
R4 sobre el subespacio U = {(x, y, z, u) R4 : x + y + z = 0,
y + z + u = 0}.
c) = (0, 2, 3, 1) sobre el subespacio vectorial generado por los vectores = (1, 1, 1, 0) y = u v w (1, 0, 1, 0). d) = (1, 2, 3, 0) sobre el subespacio vectorial generado por los vectores = (1, 1, 1, 0) y = u v w (1, 0, 1, 0).
Solucin: o El primer apartado se resuelve de manera directa, aplicando las propiedades que tiene que cumplir el vector proyeccin ortogonal. o En el segundo apartado, se calcula una frmula genrica del vector proyeccin ortogonal de un o e o vector sobre un subespacio de dimensin 2 y se aplica a los datos particulares del enunciado. o En el tercer apartado, se aprovecha que los dos vectores generadores del subespacio son ortogonales. En el cuarto apartado se utiliza la propia denicin de proyeccin ortogonal. o o El ejercicio puede completarse realizando de nuevo cada apartado por el mtodo no empleado e y comprobando que se obtienen los mismos resultados. Adems, el ejercicio 5.48 proporciona una a frmula para calcular la matriz de la funcin proyeccin ortogonal sobre un subespacio y que puede o o o aplicarse para resolver los casos propuestos. u a) La proyeccin ortogonal, proy , ( ), del vector sobre el subespacio generado por los vectores o u v w y es un elemento de este subespacio, luego v w u proy , ( ) = + v w. v w u Adems, el vector diferencia entre el vector y la proyeccin proy , ( ) es ortogonal a los a u o v w y de donde vectores v w, u < proy , ( ), >= 0 y u v v w Para los valores concretos de los vectores dados, proy ( ) = ( + = (1, 1, 1, 1) ( + , , , 2 ) , u u u v w) v w = (1 , 1 , 1 , 1 2 + ), de donde u < proy , ( ), >= 4 6 + y u v v w La unica solucin del sistema de ecuaciones o u w < proy , ( ), >= 1 + 3. u v w u w < proy , ( ), >= 0. u v w
} 4 6 + = 0
1 + 3 = 0 es = 13 10 y = . 17 17
La proyeccin ortogonal de sobre el subespacio generado por y es o u w w ( 23 10 13 16 ) 13 10 u proy , ( ) = (1, 0, 1, 2) + (1, 1, 0, 1) = , , , . v w 17 17 17 17 17 17 b) El subespacio U es el conjunto de las soluciones del sistema homogneo de ecuaciones lineales e 0 ( ) x y 0 1 1 1 0 . = 0 1 1 1 z 0 0 u El rango de la matriz de coecientes es 2, luego las soluciones forman un subespacio vectorial de dimensin 2 (4-2). o
Tomando como parmetros independientes x = y y = , las soluciones del sistema a ( )( ) ( ) 1 0 z = 1 1 u proporcionan una descripcin de los elementos de U en funcin de los parmetros elegidos: o o a U = {(, , , ) : ,
R}.
Los vectores correspondientes a los valores = 1, = 0 y = 0, = 1 forman una base de U : = (1, 0, 1, 1), = (0, 1, 1, 0). v w u Sea proy , ( ) el vector proyeccin de un vector sobre el subespacio vectorial generado por o u v w y dos vectores linealmente independientes v w. ( ) u Como proy ( ) L , , existen escalares , tales que v w
v ,w
u proy , ( ) = + v w. v w Adems, el vector diferencia entre el vector inicial y su proyeccin es ortogonal a los dos vectores a o que generan el espacio sobre el que se proyecta: u < proy , ( ), >=< > = 0, u v u v w, v v w u w < proy ( ), >=< > = 0. u u v w, w
v ,w
Aplicando las propiedades adecuadas del producto escalar a las anteriores igualdades se obtiene el siguiente sistema compatible determinado69 de ecuaciones lineales: { 2 + < , > =< , > v v w u v , > + 2 =< , > < v w w u w que tiene como solucin o = < , > 2 < , >< , > u v w u w v w < , > 2 < , >< , > u w v u v v w , = . 2 2 < , >2 2 2 < , >2 w v v w w v v w
Para los vectores dados , y se tienen los siguientes valores: u v w < , >= 0, < , >= 1, < , >= 1, 2 = 3 y 2 = 2, u v u w v w v w de donde 1 3 = , = y 5 5 1 3 (1 3 2 1) u proy , ( ) = = v w , , , . v w 5 5 5 5 5 5
Es inmediato deducir de las frmulas anteriores que si los vectores, y de la base de U fueran o v w, ortogonales, entonces las coordenadas respecto a ellos de la proyeccin del vector sobre U ser o u an =
69
< , > u v < , > u w y = . 2 v 2 w
Recurdese que 2 2 < , >2 = 0 si y slo s y son linealmente dependientes. e w v v w o v w
c) Los vectores y son ortogonales porque v w < , >=< (1, 1, 1, 0), (1, 0, 1, 0) >= 0. v w La proyeccin ortogonal del vector sobre el subespacio vectorial generado por los vectores o u y es ortogonales v w u w < , > u v < , > u v + w proy , ( ) = v w 2 v 2 w < (0, 2, 3, 1), (1, 1, 1, 0) > + < (0, 2, 3, 1), (1, 0, 1, 0) > v w 2 (1, 1, 1, 0) (1, 0, 1, 0)2 5 3 = v w, 3 2 = resultando
proy , ( u ) v w
= 5 3 = v w 3 2 (
1 5 19 , , ,0 6 3 6 )
) .
Puede comprobarse que el vector proy ( ) = , u u v w es ortogonal a los vectores y v w. u v d) El vector = (1, 2, 3, 0) pertenece al subespacio generado por los vectores = (1, 1, 1, 0) y = (1, 0, 1, 0) porque w (1, 2, 3, 0) = 2(1, 1, 1, 0) (1, 0, 1, 0). La proyeccin ortogonal de sobre el subespacio generado por los vectores y coincide con o u v w . el vector u u proy , ( ) = = (1, 2, 3, 0) . u v w 1 1 1 , , ,1 6 3 6
o o Ejercicio 5.38 La proyeccin ortogonal como mejor aproximacin a un subespacio Sea V un subespacio vectorial de un espacio vectorial eucl deo, E, de dimensin nita. Sea E o u ( ) la proyeccin ortogonal de sobre V. y sea proyV u o u Demostrar que () V proyV w u u u w. Solucin: o En la gura 6, el subespacio V se representa como un plano y en color amarillo; es el vector u de color magenta y se considera que no pertenece al subespacio V ; en color rojo, se representa la proyeccin ortogonal de sobre V ; en color cyan, diversos vectores de V y en color azul, el segmento o u ortogonal al plano V cuya longitud es menor que la longitud de cualquier otro segmento representado en color negroque una el extremo de un vector de V con el extremo de . u puede descomponerse como la suma de su proyeccin ortogonal sobre el subespacio El vector u o V y un vector, , ortogonal a V, s = proy ( ) + siendo V. u s s V u
Figura 6: Proyeccin ortogonal. o
Para cualquier vector V, w ( ) 2 = proyV + u w u s w

2
( () ) = + proyV s u w
( ) Como proyV V y V, se puede aplicar el teorema de Pitgoras, obteniendo que u w s a 2 = u w s

2
() + proyV u w
() 2 = proyV 2 . s u u
Por tratarse de nmero positivos, u ( ) proyV u u u w. Otra manera de formular esta desigualdad es ( ) { } proyV = m : V u u n u w w pudindose concluir que la proyeccin ortogonal del vector sobre un subespacio V proporciona el e o u vector del subespacio V ms prximo al vector (mejor aproximacin). a o u o
Ejercicio 5.39 Vector de un subespacio ms prximo a un vector dado a o Sea el -espacio vectorial eucl deo 3 con el producto escalar habitual, sea H un subespacio vec torial de 3 , H 3 , y sea 3 . v Determinar la veracidad o falsedad de la siguiente equivalencia:
R R
H es el vector ms prximo a en H es ortogonal a H. u a o v v u Solucin: o La armacin es cierta. o
() El vector de H ms prximo a es la proyeccin ortogonal de ) sobre H, proyH y el vector a o v o v (v diferencia entre el vector y su proyeccin sobre H, proyH , es ortogonal a cualquier vector v o v v de H. Rec procamente, si H y es ortogonal a cualquier vector de H, entonces es la u v u u sobre H y el vector de H ms prximo . proyeccin ortogonal de v o a o v
Ejercicio 5.40 Propiedades de la proyeccin ortogonal o Sea (E, <, >) un espacio vectorial eucl deo de dimensin nita. Sean V y W subespacios vectoriales o de E tales que V W. Se pide: a) Demostrar que ( ( ) ()) proyW proyV v v () proyV , E. v v
b) Demostrar que () () proyW proyV v v

2
() proyW v
() 2 proyV v , E. v
deo c) Comprobar los resultados anteriores considerando el espacio vectorial eucl escalar habitual, los subespacios ( ) ( ) V = L (1, 0, 1, 1) y W = L (1, 1, 0, 0), (0, 1, 1, 1) y el vector = (1, 1, 1, 1). v Solucin: o a) Sea { } BV = , , . . . , e1 e2 en
R4 con el producto
una base ortonormal del subespacio V. Como V W, la base BV de V puede completarse hasta conseguir una base ortonormal de W : { } BW = , , . . . , , 1 , 2 , . . . , m . e1 e2 en u u u Las proyecciones ortogonales de E sobre V y W son v ( ) e e proyV =< , > + + < , > , v v e1 v en 1 n ( ) e e u u proyW =< , > + + < , > + < , 1 > 1 + + < , m > m . v v e1 v en v u v u 1 n El vector diferencia entre las proyecciones es () () u u proyW proyV =< , 1 > 1 + + < , m > m . v v v u v u () ( ) () Los vectores proyW proyV y proyV son ortogonales porque su producto escalar es v v v cero, ( ) () () < proyW proyV , proyV >= v v v , u > + + < , > , < , > + + < , > = 0, u u u e e = < v 1 v m v e1 v en 1 m 1 n { { } } ya que los vectores 1 , 2 , . . . , m son ortogonales a los vectores , , . . . , por formar u u u e1 e2 en todos ellos parte de una base ortonormal de W, = 0 i = 1, 2, . . . , n, j = 1, 2, . . . , m. e u
() () () b) Como los vectores proyW proyV y proyV son ortogonales, puede aplicarse el teorema v v v de Pitgoras, a () () proyW proyV v v
2
() v + proyV
( =
() () ( ) ) proyW proyV + proyV v v v
( ) 2 = proyW v , de donde se deduce que () () proyW proyV v v

2
( ) = proyW v
() 2 proyV v , E. v v v
Tambin puede deducirse de la propiedad anterior que el mdulo de la proyeccin de un vector e o o sobre el menor de los subespacios es menor que el mdulo de la proyeccin del mismo vector o o sobre el subespacio mayor porque () proyW v
2
() proyV v
0, E. v
c) El subespacio V est contenido en el subespacio W porque el unico elemento generador de BV a tambin pertenece al subespacio W ya que puede ponerse como combinacin lineal de los elementos e o generadores de W : (1, 0, 1, 1) = (1, 1, 0, 0) + (0, 1, 1, 1). Encontrar una base ortonormal de V es muy fcil porque basta normalizar su unico generador: a { 1 1 )} ( 1 BV = = , 0, , e1 . 3 3 3 Si a BV se le aade uno de los generadores de W de tal manera que el conjunto resultante sea n linealmente independiente, puede aplicarse a este conjunto el proceso de ortogonalizacin de Gramo Schmidt para obtener una base ortonormal de W. Por ejemplo, el conjunto { } 1 1 1 = ( , 0, , ), = (1, 1, 0, 0) e1 w 3 3 3 sirve para alcanzar nuestro propsito. El primer elemento de la base ortonormal de W es y el o e1 w, segundo elemento se obtiene normalizando una combinacin lineal adecuada de y o e1 = < > = (1, 1, 0, 0) ( 1 , 0, 1 , 1 ) = ( 2 , 1, 1 , 1 ), w e w1 w, e1 1 3 3 3 3 3 3 (2 3 ) 3 3 = w1 = , 3 , , . u1 1 w 3 5 5 3 5 3 5 El conjunto de vectores de BW
{ } = ( 3 , 0, 3 , 3 ), = ( 2 15 , 15 , 15 , 15 ) = e1 u1 3 3 3 15 5 15 15
R4
es una base ortonormal de W.
Las proyecciones del vector = (1, 1, 1, 1) sobre los subespacios V y W son v ( ) =< , > = 3 = ( 1 , 0, 1 , 1 ), e e proyV v v 1 e1 1 3 3 3 3 ( ) =< , > + < , > = 3 15 = ( 1 , 1 , 2 , 2 ). e e u u proyW v v 1 v 1 e1 u1 1 1 3 15 5 5 5 5 La diferencia entre las proyecciones es ( ) () ( 1 1 2 2 ) ( 1 1 1) ( 2 1 1 1) d = proyW proyV = , , , v v , 0, , = , , , 5 5 5 5 3 3 3 15 5 15 15 ( ) que es ortogonal a proyV porque v ( () 1 1 ) (1 1 1 ) 2 1 < d , proyV >= , , , v , , 0, , = 0. 15 5 15 15 3 3 3 Adems, a () () proyW proyV v v resultando claramente que ( ) () proyW proyV v v y que
2 2
1 , 15
() v proyW
2 y 5
( ) v proyV
1 = , 3
() = proyW v
2
() proyV v
() proyW v
() 2 proyV v .
nima de un vector a un subespacio Ejercicio 5.41 Distancia m ] [ q q q Sea Q = 1 2 r Mnr ( ) tal que QT Q = Idr . Calcular la distancia m nima de Mn1 ( ) al subespacio Col(Q) generado por las columnas u de Q.
Solucin: o Como QT Q = Idr , las columnas de Q consideradas como vectores de Mn1 ( ),
G = {1 , 2 , . . . , r } q q q forman un conjunto ortonormal del espacio eucl deo Mn1 ( ) dotado del producto escalar T < , >= . u v u v La distancia m nima de un vector al subespacio L(G) es u () dm ( , H) = proyL(G) . u u n u Como los generadores de L(G) son ortonormales, () q q q proyL(G) =< , 1 > 1 + < , 2 > 2 + + < , r > r . u u q u q u q
Teniendo en cuenta las propiedades del producto escalar y que70 = ij , se tiene q q () q q u u u u u q u q < proyL(G) , > = < , 1 > 1 < , r > r , u q q =< , > < , >2 < , >2 u u u u
1 r
y ( ) q q < proyL(G) , < , i > i > = < , 1 > 1 < , r > r , < , i > i u u u q q u u q u q u q q , >2 < , >2 = 0, = u u u u < , > < , > , < , > < , > q q q q q q = u u 1 u r u u q1 u qr 1 r 1 r r , > < , >2 < , >2 = 2 q q =2 u q
i=1
y la distancia m nima es () dm ( , H) = proyL(G) = u u n u 2 u

r i=1
< , i >2 . u q
o Ejercicio 5.42 Proyeccin ortogonal en 3 Sea el subespacio vectorial { E = (x, y, z) del espacio vectorial eucl deo
R3 : x 2y = 0,
y+z =0
R3 con el producto escalar habitual. Se pide:
a) Obtener una base ortonormal del subespacio ortogonal a E, E . b) Hallar la proyeccin ortogonal del vector = (1, 2, 3) sobre el subespacio E. o v Solucin o a) Observando que las ecuaciones que describen el subespacio E son equivalentes a las ecuaciones x = 2y, z = y, el subespacio E puede expresarse, en forma paramtrica, de la siguiente manera: e { } E = (2, , ) : .
Claramente, una base de E es

{
70
{} { } B = = (2, 1, 1) . w
La funcin i,j = o
1 0
si i = j si i = j
se conoce como delta de Kronecker.
Los elementos del subespacio ortogonal a E son ortogonales a todos los elementos de E, luego < (2, , ), (x, y, z) >= (2x + y z) = 0 y { E = (x, y, z)
R3 : 2x + y z = 0} = {(, , 2 + ) : , R}.
{ } B1 = (0, 1, 1), (1, 0, 2) .
Una base no ortogonal de E es
Para obtener una base ortonormal de E se aplica el proceso de ortogonalizacin de Gramo Schmidt a la base B1 . ( ) (0, 1, 1) 2 2 El vector 1 = u = 0, , es unitario. (0, 1, 1) 2 2 Hay que calcular para que el vector = (1, 0, 2) + sea ortogonal a , u u u
1 1
< (1, 0, 2) + 1 , 1 >=< 1 , (1, 0, 2) > +1 2 = 2 + = 0, u u u u resultando = 2 y ( ) = (1, 0, 2) 2 0, 2 , 2 = (1, 1, 1). u 2 2 El mdulo de es = 3, luego o u u = 3 = u2 u 3 es un vector unitario ortogonal a 1 . u El conjunto { } B2 = 1 , 2 = u u es una base ortonormal de E . Si se realiza el proceso de Gram-Schmidt empezando por el otro vector de la base B1 , se obtiene {( ) ( )} 5 2 5 30 30 30 B3 = , 0, , , , 5 5 15 6 30 que tambin es una base ortonormal de E . e { } b) El conjunto B B2 = 1 , 2 es una base ortogonal de w, u u base de E . Si la representacin del vector respecto a la base B es o v
2
) 3 3 3 , , 3 3 3
{(
) ( )} 2 2 3 3 3 0, , , , , 2 2 3 3 3
R3 formada por una base de E y una

(21)
= + + , v w u1 u2 la proyeccin ortogonal del vector = (1, 2, 3) sobre el subespacio E es o v ( ) proyE = v w.
Multiplicando escalarmente la ecuacin (21) por o w, w w w < , >=< + 1 + 2 , >= < > + < 1 , > + < 2 , >= 2 , v w w u u w, w u u w resultando 1 = 6, =
1 6
() v proyE =
1 1 1 , , 3 6 6
) .
Ejercicio 5.43 Proyeccin ortogonal en un espacio eucl o deo de polinomios En el espacio vectorial de polinomios en una indeterminada x, con coecientes reales y de grado menor o igual que 2, 2 [x], se considera el producto escalar
< p, q >= p(0)q(0) + p (0)q (0) + p (0)q (0). Se pide: ( ) a) Determinar H siendo H = L {x, x2 } . b) Calcular proyH (p) para cada p Solucin o a) Como x y x2 son linealmente independientes en 2 [x], constituyen una base de H que, adems, es a ortogonal porque < x, x2 >= 0 0 + 1 0 + 0 2 = 0. La dimensin de H es dos y, por trabajar en un espacio vectorial de dimensin 3 (nita), la o o dimensin de H es 1. o Para que un polinomio con coecientes reales y de la forma p = a0 + a1 x + a2 x2 sea ortogonal al subespacio H, basta que sea ortogonal a los elementos de cualquier base de H. En particular, tienen que cumplirse las condiciones < p, x >= 0 y Al ser < p, x2 >= 0.
R2[x]. R
< p, x > =< a0 + a1 x + a2 x2 , x >= a0 0 + a1 1 + 2a2 0 = a1 = 0, < p, x2 > =< a0 + a1 x + a2 x2 , x2 >= a0 0 + a1 0 + 2a2 2 = 4a2 = 0,
los polinomios ortogonales a x y a x2 son las constantes, H = {a : a
R}, R
y una base puede ser la formada por el polinomio p(x) = 1. b) Como el conjunto {1, x, x2 } es una base ortogonal de 2 [x], la proyeccin ortogonal segn el o u producto escalar considerado de un polinomio p = a0 + a1 x + a2 x2 sobre el subespacio H generado por los polinomios x y x2 pertenecientes a la base es q = a1 x + a2 x2 .
Ejercicio 5.44 Proyeccin ortogonal en un espacio eucl o deo de matrices Sea M22 ( ) el espacio vectorial de las matrices cuadradas 2 2 con coecientes reales y con el producto escalar < A, B >= Traza(AB T ),
siendo la traza de una matriz cuadrada la suma de los elementos de su diagonal. Se pide: a) Construir una base ortogonal del subespacio vectorial S de las matrices simtricas 2 2 con coee cientes reales, a partir de la base { ( ) ( ) ( )} 1 1 1 1 1 1 B = u1 = , u2 = , u3 = . 1 1 1 1 1 1 ( o b) Hallar la proyeccin ortogonal de la matriz A = 1 1 0 2 ) sobre S.
c) Hallar la proyeccin ortogonal de A sobre el complemento ortogonal de S, S . o d) Calcular m {A X}. n

XS
Solucin: ( o Si A =
a11 a12 a21 a22
) b11 b12 , entonces este producto escalar de matrices es b21 b22 (( )( )) a11 a12 b11 b21 T < A, B > = Traza(AB ) = Traza a21 a22 b12 b22 ( ) a11 b11 + a12 b12 a11 b21 + a12 b22 = Traza a21 b11 + a22 b12 a21 b21 + a22 b22 yB= = a11 b11 + a12 b12 + a21 b21 + a22 b22 . < A, A > = a2 + a2 + a2 + a2 . 11 12 21 22
Basta multiplicar cada elemento aij por el correspondiente bij y sumar estos productos. a) El procedimiento de ortogonalizacin de Gram-Schmidt permite obtener una base ortogonal de o S, B = {v1 , v2 , v3 }, a partir de la base B, de la siguiente manera: v1 = u1 , ( ) < v1 , u 2 > 0 1 1 v2 = u2 v1 = u2 v1 = u2 = , 1 1 < v1 , v1 > 4 ( ) ( ) ( ) < v2 , u 3 > 1 1 1 1 1 < v1 , u 3 > 1 1 1 v1 v2 = v3 = u3 1 1 1 1 < v1 , v1 > < v2 , v2 > 2 2 1 1 ( ) 1 0 = . 0 1 As pues, B = { ( ) ( ) ( )} 1 1 1 1 1 0 v1 = , v2 = , v3 = es una base ortogonal de S. 1 1 1 1 0 1
b) Utilizando la base ortogonal B , la proyeccin ortogonal de la matriz A sobre S es o PS (A) = < A, v1 > < A, v2 > < A, v3 > 1 3 v1 + v2 + v3 = 0v1 v2 + v3 < v1 , v 1 > < v2 , v2 > < v ,v > 2 2 ( ) ( ) ( 3 3 1 ) 1 1 3 1 0 1 1 2 = . + = 2 1 1 0 1 1 2 2 2
c) Al ser M22 = S S , de forma unica, se tiene A = PS (A) + PS (A). Por tanto, la proyeccin o ortogonal de A sobre S es ( ) ( ) ( ) 1 1 1 1 1 2 0 2 PS (A) = A PS (A) = = . 1 0 2 1 2 0 2 2 d) Como A PS (A) A X X S y PS (A) S, entonces ( ) 1 2 0 2 m {A X} = A PS (A) = PS (A) = n . = < PS (A), PS (A) > = 1 0 XS 2 2
Ejercicio 5.45 Proyeccin ortogonal en un espacio eucl o deo de funciones Sea el espacio vectorial eucl deo de las funciones reales y continuas denidas en el intervalo [, ], { } C([, ], ) = f : [, ] : f es continua ,
con el producto escalar < f, g >=
f (x)g(x) dx.
Sea f (x) = x C([, ], Se pide:
R) y sea B = {1, cos nx, sen nx,
con n
N} C([, ], R).
a) Demostrar que B es un sistema ortogonal. b) Calcular el mdulo de los elementos de B. o c) Calcular la proyeccin ortogonal de la funcin f (x) sobre el subespacio generado por el conjunto o o B100 = {1, cos nx, sen nx, con n = 1, 2, . . . , 10}, proyL(B100 ) (f ). Solucin: o a) Los productos escalares entre los elementos de B pueden clasicarse en tres grupos: [ sen nx ] n < 1, cos nx >= cos nx dx = = 0. n [ cos nx ] n < 1, sen nx >= sen nx dx = = 0. n Si n, m y n = m, entonces [ ] 1 cos (n + m) x cos (m n) x < sen nx, cos mx >= sen nx cos mx dx = + = 0. 2 n+m mn
N N
Todos los productos escalares entre elementos distintos de B son cero, luego B es un sistema ortogonal en C([, ], ).
b) Se presentan tres casos: 2 =< 1, 1 >= 1
dx = [x] = 2, luego 1 = 2.
N cos nx2 =< cos nx, cos nx >= N
[ cos2 nx dx =
nx + sen nx cos nx 2n
] = , luego
cos nx = sen nx2 =< sen nx, sen nx >=
. [ nx sen nx cos nx 2n ] = ,
n luego
cos nx dx = .
sen nx =
c) Formalmente y sin entrar en cuestiones de convergencia de series, la proyeccin ortogonal de f o sobre L(B) ser de la forma a proyL(B) (f ) = a0 +
n=1
an cos nx +
n=1
bn sen nx
en donde a0 = ortogonal.
< f, 1 > < f, cos nx > < f, sen nx > , an = y bn = porque B es un sistema 2 2 1 cos nx sen nx2
Integrando por partes la mayor de las veces, a [ 2 ] x = 0, < f, 1 > = x dx = 2 [ ] cos nx + nx sen nx x cos nx dx = < f, cos nx > = = 0, n2 [ ] sen nx nx cos nx (1)n+1 2 < f, sen nx > = x sen nx dx = , = n2 n de donde
100 (1)n+1 n=1
proyL(B100 ) (f ) = 2
sen nx L(B100 ) L(B) .
Este procedimiento permite aproximar funciones por medio de funciones trigonomtricas. En la e gura 7 se representa la funcin f (x) = x y sus proyecciones ortogonales sobre L(B10 ) y L(B100 ), o respectivamente. La distancia de una funcin al subespacio sobre el que se proyecta es igual al o mdulo de la diferencia entre la funcin y su proyeccin sobre el subespacio; en los casos que nos o o o ocupan: f proyL(B10 ) (f ) = 1,093570046 y f proyL(B100 ) (f ) = 0,3536063890. No se puede asegurar que la serie proyL(B) (f ) 2
(1)n+1 n=1
sen nx
pertenece a L(B) porque no se trata de una suma nita de funciones de L(B); tampoco puede asegurarse que pertenece a C([, ], ) porque a lo mejor no hay convergencia a una funcin o continua. El estudio de estas propiedades corresponde a un curso sobre Anlisis de Fourier y a est fuera de nuestros objetivos. a
Figura 7: Aproximacin mediante funciones trigonomtricas. o e
Ejercicio 5.46 Suma de subespacios generados por un vector y suma de los subespacios generados por sus proyecciones ortogonales Sea E un espacio vectorial eucl deo, sean V, W E los subespacios generados por los vectores , E, respectivamente, y sean V , W los subespacios generados por las proyecciones ortogonales v w de sobre W y de sobre V, respectivamente. v w Estudiar si V + W = V + W . Solucin: o V es el subespacio generado por la proyeccin ortogonal de sobre W, luego V W. Del mismo o v V, por tanto, modo, W V + W V + W. La otra inclusin no siempre se cumple, porque puede suceder que V W. o Por ejemplo, sea 2 con el producto escalar habitual y sean los vectores = (1, 0) y = (0, 1). v w Claramente, V = {(, 0) : } y W = {(0, ) : }. ( ) = (0, 0), luego La proyeccin ortogonal de sobre W es proy o v v
() Igualmente, la proyeccin ortogonal de sobre v es proyV = (0, 0), luego o w w { } W = 0 , resultando que, en este caso, V + W = { } 0 V +W =
{ } V = 0 .
R2.
Ejercicio 5.47 Funcin proyeccin ortogonal sobre un subespacio o o Sea V un subespacio vectorial de un espacio vectorial eucl deo de dimensin nita, E. Se dene o la aplicacin proyeccin ortogonal sobre V , proyV : E E, tal que a cada vector de E le hace o o corresponder su proyeccin ortogonal sobre el subespacio V. o Se pide:
a) Demostrar que proyV es una aplicacin lineal. o b) Calcular la imagen de proyV . c) Hallar el ncleo de proyV . u d) Calcular los autovalores de proyV y los autoespacios asociados. e) Demostrar que proyV es un endomorsmo diagonalizable. Solucin: o a) La funcin proyV est bien denida porque la proyeccin ortogonal de un vector de E sobre un o a o subespacio V E es unica y pertenece a V que est contenido en E. a La funcin proyV es lineal porque para cualquier par de vectores, , E y para cualquier par o v u + es proy ( ) + proy ( ), de escalares, , , la proyeccin ortogonal del vector v o u v u
( ( ) () ) proyV + = proyV + proyV , v u v u
puesto que se cumplen las dos condiciones que caracterizan a la proyeccin ortogonal de un vector o sobre un subespacio: ( ) () ( ) () proyV + proyV V ya que proyV V, proyV V y V es un subespacio v u v u vectorial. ) ( ( ) + proy ( ) + proy ( ) es ortogonal a cualquier vector V ya que v u v u w
V V
( ) ( ) + proy ( ) + proy ( ) w, v u = V v V u ( ) ( ) () () = proyV w, v v + proyV u u ( ) ( ) w, u = 0 + 0 = 0. u = proy + proy w, v v

V V V V F
( ) b) Img proyV = V. La proyeccin ortogonal de cualquier vector de E sobre V es un elemento de V, luego o ( ) Img proyV V. La proyeccin ortogonal de cualquier vector de V sobre V es el mismo vector, luego o ( ) V Img proyV . ( ) c) Ker proyV = V . ( ) Si Ker proyV , entonces w () proyV = 0 w y 0 = es ortogonal a todos los elementos de V, luego V . w w w V , entonces su proyeccin ortogonal sobre V es el vector nulo, luego Si w o ( ) y Ker proyV . w () proyV = 0 w
() d) Si V , entonces proyV = 0 , luego 0 = 0 es un autovalor de proyV . w w ( ) v v Si V, entonces proy = , luego = 1 es un autovalor de proy . v
V 1 V
Como E = V V el endomorsmo proyV no tiene ms autovalores que 0 = 0 y 1 = 1 y los a subespacios propios asociados son S1 = V y S0 = V .
e) Al ser E = V V , se puede encontrar una base de E formada unicamente por elementos de V y de su complemento ortogonal V , luego es posible encontrar una base, B, del espacio vectorial de dimensin nita E formada por vectores propios de proyV , por consiguiente, el endomorsmo o proyV es diagonalizable. Respecto a la base B de autovectores, la matriz del endomorsmo proyV es diagonal y slo se o diferencia de la matriz nula en que tiene algunos unos en su diagonal principal, tantos unos como la dimensin de V : o 1 0 0 0 0 0 0 1 0 0 0 0 . . .. . . . .. . . . . . . . . . . . . . . . 0 0 1 0 0 0 MB = 0 0 0 0 0 0 . 0 0 0 0 0 0 . . . . . . .. . . . ... . . . . . . . . . . 0 0 0 0 0 0 { } La proyeccin ortogonal sobre el subespacio nulo, V = 0 , proporciona el endomorsmo nulo y o la matriz nula respecto a cualquier base de E.
Ejercicio 5.48 Matriz de proyeccin de un vector sobre un subespacio71 o { } Sea H un subespacio vectorial de n , sea B = 1 , 2 , . . . , r una base de H y sea A Mnr ( ) u u u la matriz cuyas columnas son en ese orden los vectores de B expresados en coordenadas respecto a la base cannica de n . o Se pide:
a) Calcular la matriz, P, de la aplicacin lineal proyH : o n y en funcin de la matriz A. o
Rn Rn respecto a la base cannica de o
b) Comprobar que P es simtrica. e c) Comprobar que P es idempotente. d) Calcular la matriz de la proyeccin ortogonal sobre el subespacio o { } H = (x, y, z, t) 4 : x + y + z + t = 0 ,
comprobar que se trata de una matriz simtrica e idempotente, y calcular las proyecciones ortogoe = (1, 1, 1, 1) y = (1, 1, 1, 1). nales sobre H de los vectores v u
Este ejercicio est relacionado con el mtodo de m a e nimos cuadrados para la bsqueda de la mejor aproximacin a la u o solucin imposible de un sistema de ecuaciones sobredimensionado e incompatible. Puesto que no es posible encontrar o una solucin, se busca el vector que pertenezca al espacio generado por la matriz de coecientes y que est lo ms o e a cerca posible del trmino independiente, es decir, la proyeccin ortogonal del trmino independiente del sistema sobre el e o e subespacio generado por la matriz de coecientes.
71
Solucin: o a) Sea v () Como proyH H, entonces la proyeccin ortogonal de sobre H es combinacin lineal de v o v o las columnas de A, () proyH = A con n . v x x
Rn .
El vector diferencia entre el vector y su proyeccin ortogonal sobre el subespacio H pertenece v o al complemento ortogonal del subespacio generado por las columnas de A, H, proy ( ) = A H = ( Col(A)) . v v x H v ( ) Seg n el ejercicio a, Col(A) = Ker(AT ), luego u A Ker(AT ), v x siendo o bien, ( ) AT A = 0 , v x AT A = AT . x v
El rango de la matriz A es r porque la dimensin de H es r y las columnas de A son independientes o al ser una base de H, por tanto, el rango de la matriz AT A Mr ( ) tambin72 es r, e
rango(AT A) = rango(A) = r, y AT A es invertible, siendo = (AT A)1 AT . x v
Conocidas las coordenadas respecto a la base B de H de la proyeccin ortogonal de sobre H, o v se obtiene inmediatamente su expresin en funcin de las coordenadas del vector de partida: o o () proyH = A = A(AT A)1 AT . v x v Si A es una matriz cuyas columnas son los elementos de una base del subespacio sobre el que se proyecta, la matriz de la proyeccin ortogonal sobre ese subespacio es o P = A(AT A)1 AT . b) La matriz B = AT A es simtrica porque e B T = (AT A)T = AT (AT )T = AT A = B. Como, en nuestro caso, AT A es invertible, su inversa, (AT A)1 , tambin73 es simtrica, e e ( T 1 )T (A A) = (AT A)1 . P es simtrica porque e ( )T ( )T P T = A(AT A)1 AT = (AT )T (AT A)1 AT = A(AT A)1 AT = P.
72 73
Vase el ejercicio 5.30. e No tiene sentido escribir (AT A)1 = A1 (AT )1 porque A no es en general una matriz cuadrada.
c) P es idempotente porque ( ) P 2 = (A(AT A)1 AT )(A(AT A)1 AT ) = A (AT A)1 (AT A) (AT A)1 AT = A(AT A)1 AT = P. d) Al estar denido por una sola ecuacin impl o cita y estar incluido en un espacio vectorial de dimensin 4, la dimensin de H es o o dim(H) = 4 1 = 3. { } El conjunto B = (1, 1, 0, 0), (0, 1, 1, 0), (0, 0, 1, 1) es una base de H. El subespacio H coincide con el espacio columna de la matriz A que tiene como columnas los vectores de B, 1 0 0 1 1 0 . A= 0 1 1 0 0 1 La matriz AT A es invertible porque es cuadrada y su rango es mximo, a 1 0 0 1 1 0 0 2 1 0 1 1 0 1 1 0 2 1 y (AT A)1 AT A = 0 = 1 0 1 1 0 0 1 1 0 1 2 0 0 1 3 4 = 1 2 1 4 1 2 1 1 2 1 4 1 . 2 3 4
La matriz de proyeccin es o 3 4 1 0 0 4 = 1 1 1 4 1 4 1 4 3 4 1 4 1 4 1 4 1 4 3 4 1 4 1 4 1 4 . 1 4 3 4
3 1 0 0 4 1 1 0 1 T 1 T P = A(A A) A = 0 1 1 2 0 0 1 1 4
1 2 1 1 2
1 1 0 4 1 1 1 0 1 2 0 0 3 4
Claramente, la matriz P es simtrica y tambin es idempotente pues e e 3 4 1 2 P = 4 1 4 1 4 1 4 3 4 1 4 1 4 1 4 1 4 3 4 1 4 3 1 4 4 1 1 4 4 1 1 4 4 3 1 4 4 1 4 3 4 1 4 1 4 1 4 1 4 3 4 1 4 3 1 4 4 1 1 4 = 4 1 1 4 4 3 1 4 4 1 4 3 4 1 4 1 4 1 4 1 4 3 4 1 4 1 4 1 4 = P. 1 4 3 4
La proyeccin ortogonal sobre el subespacio H del vector = (1, 1, 1, 1) es el vector cero, 0 , o v
5 porque H , v
3 4 1 proyH (1, 1, 1, 1) = 4 1 4 1 4 La proyeccin ortogonal sobre el subespacio o 3 4 1 proyH (1, 1, 1, 1) = 4 1 4 1 4
1 4 3 4 1 4 1 4
1 4 1 4 3 4 1 4
1 4 0 1 1 1 0 4 = . 1 1 0 1 0 4 3 4
H del vector = (1, 1, 1, 1) es u 1 1 1 1 2 4 4 4 1 1 3 1 1 1 4 4 4 = 2 . 3 1 1 1 1 1 2 4 4 4 1 1 3 3 4 4 4 2
o 74 o Ejercicio 5.49 Matriz de proyeccin sobre un subespacio de dimensin 1 x1 T 1 x x x2 T Sea el vector = . = 0 n y sea la matriz M = T = 2 ( ). Se pide: x x x x . . x x x xn
v v a) Demostrar que M = proy ( ) v x x

e b) Demostrar que M es simtrica. x
Rn. R
c) Demostrar que M no es invertible. x ( ) v d) Demostrar que Idn M = proy ( ) n . v v x x 1 = 1 sobre el complemento ortogonal al subespacio generado por o e) Hallar la proyeccin de v 1 1 = 0 . x 2
Solucin: o o v x a) La proyeccin ortogonal del vector sobre el vector es

proy ( v ) x
74
= < v, x > . x 2 x
Es interesante comprobar que este ejercicio es un caso particular del resultado alcanzado en el ejercicio 5.48.
T Aplicando la propiedad asociativa del producto de matrices y que =< , >, se tiene x v v x ( ) 1 1 (T ) < , > v x T = proy ( ). v v M = ( ) = 2 = x x v x x v x x x 2 x x 2 x
b) La matriz M es simtrica porque coincide con su traspuesta: e x
(
T M x
) )T (( ) 1 1 T) T T T = 1 T = M . x x = 2 x x x (x x 2 x x 2 x
c) La matriz M no es invertible porque todas sus columnas son proporcionales a : x x x1 x1 x1 x2 x1 xn x1 T = x2 (x x x ) = x2 x1 x2 x2 x2 xn . x x . . 1 . . 2 n .. . . . . . . . . . xn xn x1 xn x2 xn xn d) En general, cualquier vector de de un subespacio vectorial V
() En particular, si se considera el subespacio vectorial generado por el vector , L , y el complex x , cualquier vector n puede descomponerse de forma unica como suma mento ortogonal, x ( ) v y de su proyeccin ortogonal sobre : de su proyeccin ortogonal sobre L x o o x
Rn puede descomponerse de forma unica como suma de un vector Rn con un vector del complemento ortogonal de V. R
= proy ( ) + proy ( ), v v v x x de donde ) ( v v v proy ( ) = proy ( ) = M = Idn M . v v v x x x x
o e) Como la matriz de proyeccin es 1 ) 1 1 0 2 1 ( 1 T 0 1 0 2 = 0 0 0 , x x M = 2 = x 5 5 x 2 2 0 4 () la proyeccin de sobre el complemento ortogonal de L es o v x 1 0 2 1 0 0 1 ( ) 1 v proy ( ) = Idn M = 0 1 0 0 0 0 1 v x x 5 2 0 4 1 0 0 1 2 4 2 1 5 0 5 5 0 1 = 1 . = 0 1 1 1 2 0 1 5 5 5
Ejercicio 5.50 Matriz de proyeccin75 con base ortonormal o { } Sea H un subespacio vectorial de n , sea B = 1 , 2 , . . . , r una base ortonormal de H y sea u u u Q la matriz cuyas columnas son en ese orden los vectores de B. Se pide:
75
Es interesante comprobar que este ejercicio es un caso particular del resultado alcanzado en el ejercicio 5.48.
a) Calcular QT Q. b) Demostrar que c) Si H = (x, y, z) { () QQT = proyH 3 . v v v } : 2x y = 0 , hallar una matriz P M3 ( ) tal que () P = proyH 3 . v v v
R3
Solucin: o ( ) a) Si {i : i = 1, 2, . . . , r} son r vectores columna de n coordenadas y Q = 1 , 2 , r , entonces u u u u QT Q es una matriz cuadrada de dimensin r : o T u1 < u1 , u1 > < 1 , 2 > u u T ( ) < , > < , > u u2 u2 1 u2 u2 u u u QT Q = . 1 , 2 , r = . . < r , 1 > < r , 2 > u u u u T ur 1 0 0 0 1 0 = = Idr 0 0 1 porque los vectores i forman un conjunto ortonormal. u b) La proyeccin ortogonal de un vector sobre un subespacio H de dimensin r es o v o v ( ) < 1 , > u < u2 , v > + + < ur , v > , proyH = v u1 + u2 ur < u1 , u1 > < u2 , u2 > < r , r > u u { } siendo 1 , 2 , . . . , r una base ortogonal de H. u u u Si, adems, B es ortonormal, la proyeccin ortogonal de sobre H es a o v () v v v proyH =< 1 , > 1 + < 2 , > 2 + + < r , > r , v u u u u u u El producto de la traspuesta de Q por el vector es v T v u1 < u1 , > T < 2 , > = u2 = u v . T . Q v . . v . . . , > T < ur v ur Multiplicando por la derecha por Q, se obtiene v < u1 , > , > ( ) = , , < u2 v =< , > + < , > + + < , > u v v v T QQ v u1 2 ur u1 u1 u2 u2 ur ur . . . v < , > u
r
< 1 , r > u u < 2 , r > u u , > u < ur r
y queda demostrado que
() QQT = proyH . v v
La matriz P = QQT se llama matriz de proyeccin sobre el subespacio H porque basta multiplio carla por el vector para obtener la proyeccin de sobre H. v o v
c) Los elementos del subespacio H pueden expresarse en forma paramtrica: e H = {(x, y, z)
R3 : 2x y = 0} = {(, 2, ) : , R}.
Con esta expresin es fcil encontrar una base de H ya que para los valores = 1, = 0 y o a = 0, = 1, se obtiene una base ortogonal de H : 0 1 B = 2 , 0 . 0 1 Normalizando B , se llega a una base ortonormal de H : 1 5 0 2 , 0 . B= 5 1 0 La matriz QQT , en donde Q es la matriz cuyas columnas son los vectores de B, es la matriz que multiplicada por el vector produce la proyeccin ortogonal de sobre H. v o v 1 5 2 T P = QQ = 5 0 0 1 0 5 0 1 1 5 0 = 2 5 1 0 2 5 4 5 0 0 0 . 1
2 5 0
La proyeccin ortogonal del vector = (1, 2, 3)T o w H: w 1 5 ( ) = P = 2 proyH w v 5 0
sobre el subespacio H es el propio porque w 2 0 5 1 1 4 0 2 = 2 . 5 3 3 0 1
Por otra parte, la proyeccin ortogonal del vector = (3, 1, 3)T sobre el subespacio H tambin es o u e : el vector w 1 2 5 5 0 1 3 ( ) = P = 2 4 proyH u v 1 = 2 . 5 5 0 3 3 0 0 1
Ejercicio 5.51 Matrices ortogonales Se dice que la matriz P Mnn ( ) es ortogonal si P T P = In . Si <, > es el producto escalar usual de n y P es una matriz ortogonal, se pide:
a) Demostrar que =< u, v > u, v
Rn. R2
respecto de la recta de
b) Demostrar que si es un autovalor de P, entonces || = 1. c) Hallar la matriz A M22 ( ) tal que Az es la reexin76 de z o ecuacin x = y. o d) Hallar la matriz B M22 ( ) tal que Bz es el resultado de girar el vector z 2 .
radianes en sentido antihorario
e) Comprobar que las matrices A y B son ortogonales. f ) Calcular los valores propios de A. g) Diagonalizar A determinando una base de vectores propios y las matrices del cambio de base. Solucin: o a) El producto escalar usual de dos vectores de
Rn expresados en forma de columna es R
< , >= T . u v u v Del enunciado del problema se desprende que los vectores , , P , P n son vectores u v u v columna, por tanto, ( )T = P (P ) = T P T P = T In = T =< , > . u v u v u v u v u v u v u u u b) Si es un vector propio de P asociado al autovalor , entonces P = y =< , >= 2 < , >= 2 2 . u u u u u u u Por ser P una matriz ortogonal, =< , >= 2 , u u u u u luego de donde 2 = 1, es decir, || = 1. Todos los autovalores reales o complejos de una matriz ortogonal tienen mdulo unitario. o {( ) ( )} 1 0 c) Las columnas de la matriz de una aplicacin lineal, f, respecto a la base cannica B = o o , 0 1 son las imgenes de los elementos de B mediante f. a ( ) ( ) ( ) ( ) 1 0 0 1 Al ser f = yf = , la matriz de la reexin respecto a la bisectriz del primer o 0 1 1 0 cuadrante es ( ) 0 1 A= . 1 0 Puede comprobarse que la reexin respecto a la recta x = y consiste en intercambiar las coordeo nadas del par: ( ) ( )( ) ( ) x 0 1 x y A = = . y 1 0 y x
76
2 2 = 2 , u u
Como complemento, vase el ejercicio 4.14. e
d) Las columnas de la matriz de una aplicacin lineal, g, respecto a la base cannica B = o o son las imgenes de los elementos de B mediante g. a 2 1 0 2 2 Al ser g = y g = 2 , la matriz asociada al giro de 2 2 0 1 2 2 antihorario es 2 22 2 B = .
2 2 2 2
{( ) ( )} 1 0 , 0 1
radianes en sentido
o e) Claramente la matriz de la reexin respecto a la bisectriz del primer cuadrante y la matriz del giro son ortogonales porque 0 1 0 1 1 0 = AT A = 1 0 1 0 0 1 2 2 2 22 1 0 2 2 . BTB = 2 = 2 2 2 2 2 0 1 2 2 2 f ) Como la matriz A es simtrica77 y ortogonal, sus autovalores son nmeros reales de valor absoluto e u la unidad. El polinomio caracter stico de A es ( Pc () = |A Id2 | = ) ( ) 0 1 0 = 1 0 0 1 1 = 2 1.
Los autovalores de A, que coinciden con las ra del polinomio caracter ces stico Pc () = 2 1, son = 1 y = 1. g) Como los dos autovalores de A son reales y distintos, la matriz A es diagonalizable y existe una base de 2 formada por vectores propios de A.
El subespacio propio asociado al autovalor = 1 es Ker(A I2 ) que tiene dimensin 1 y o est formado por los vectores que verican a ( )( ) ( ) 1 1 x 0 = . 1 1 y 0 La ecuacin que dene a este subespacio es x y = 0 y una base es o {( )} 1 B1 = . 1 El subespacio propio asociado al autovalor = 1 es Ker(A + I2 ) que tiene dimensin 1 y o est formado por los vectores que verican a ( )( ) ( ) 1 1 x 0 = . 1 1 y 0
77
La matriz B no es simtrica y sus autovalores no son nmeros reales. e u
La ecuacin que dene a este subespacio es x + y = 0 y una base es o {( )} 1 B1 = . 1 La base de
R2
B = B1 B1
{( ) ( )} 1 1 = , 1 1
est formada por vectores propios de la reexin respecto a la recta x = y. a o ( ) 1 1 La matriz P = es la matriz de cambio de base que diagonaliza a la matriz A ya que 1 1 )( )( ) ( )( ) ( ) ( 1 1 1 1 0 1 1 1 1 1 1 0 1 2 2 2 2 = = . P AP = 1 1 1 1 0 1 1 1 2 1 1 0 1 2 2 2
Ejercicio 5.52 Propiedades de las aplicaciones ortogonales Sea (E, < , >) un espacio vectorial eucl deo de dimensin nita y sea f : E E un endomorsmo o tal que () () < f , f >=< , > , E. u v u v u v Demostrar que a) f es un isomorsmo. b) Si es un valor propio de f, entonces || = 1. c) f transforma una base ortogonal de E en una base ortogonal de E. Solucin: o a) f es un isomorsmo porque es una aplicacin lineal inyectiva y suprayectiva: o El endomorsmo f es inyectivo porque el unico elemento del ncleo es el vector nulo78 , u { } Ker(f ) = 0 . Esta armacin se demuestra por reduccin al absurdo, suponiendo la existencia de un o o vector Ker(f ) tal que = 0 . v v () () () Como < f , f >=< , > , E y f = 0 , el cuadrado de la norma de u v u v u v v es v () () 2 =< , >=< f , f >=< 0 , 0 >= 0, v v v v v lo que entra en contradiccin con la hiptesis de = 0 . o o v Por tanto, slo el vector nulo puede pertenecer a Ker(f ). o f es un endomorsmo suprayectivo porque al ser 79 ( ) ( ) ( ) dim Ker(f ) + dim Img(f ) = dim(E) y dim Ker(f ) = 0, entonces dim(Img(f )) = dim(E), deducindose nalmente que e Img(f ) = E porque Img(f ) E.
Se recuerda que una aplicacin lineal es inyectiva si y solamente si su ncleo est formado unicamente por el vector o u a nulo. 79 Vase el ejercicio 4.49. e
78
() b) Si es un valor propio de f y es un autovector asociado a , entonces f = , resultando v v v que () () 2 =< , >=< f , f >=< , >= 2 < , >= 2 2 . v v v v v v v v v v () ( ) c) Si y son vectores ortogonales del espacio vectorial eucl u v deo E, entonces f y f tambin u v e son vectores ortogonales ya que si < , >= 0, entonces u v () () < f , f >=< , >= 0. u v u v Por tanto, el endomorsmo f transforma conjuntos de vectores ortogonales entre s en conjuntos de vectores ortogonales entre s Concretamente, la imagen de cualquier base ortogonal de E es un . conjunto de vectores ortogonales entre s pero como los conjuntos de vectores ortogonales entre , s son libres y en este caso son el mayor nmero de vectores libres que puede haber en E, tambin u e constituyen una base de E. Luego, f transforma una base ortogonal cualquiera de E en otra base ortogonal de E. El endomorsmo f tambin conserva las normas porque la norma de un vector y la de su imagen e coinciden: () () ( ) 2 =< , >=< f , f >= f 2 . u u u u u u En consecuencia, f transforma bases ortonormales de E en bases ortonormales de E. Como es un autovector, = 0 y por tanto 2 = 1 y || = 1. v v
AUTOVALORES Y AUTOVECTORES
6.
Autovalores y autovectores
Ejercicio 6.1 Autovalor y ncleo de f Id u Sea V un espacio vectorial real de dimensin nita y f : V V un endomorsmo. Demostrar o { } que el escalar es un valor propio de f si y slo si Ker(f IdV ) = 0 . o Si es un autovalor de f, puede ser inyectivo f IdV ?
Solucin: o Un escalar,
R, es un valor propio de f si y slo si o
{ } () V 0 tal que f = . v v v
Esta denicin es equivalente a o { } () () V 0 tal que f = (f IdV ) = 0 v v v v que, a su vez, equivale a Ker(f IdV ) = { } 0 .
Una aplicacin lineal es inyectiva si y solamente si su ncleo est formado solamente por el elemento o u { }a nulo. Si es un autovalor de f, entonces Ker(f IdV ) = 0 , luego el endomorsmo f IdV no puede ser inyectivo.
Ejercicio 6.2 Existencia de autovalores reales Determinar la veracidad o falsedad de la siguiente armacin: o Todo endomorsmo real, f :
Rn Rn, tiene algn autovalor real. u
Solucin: o Hay polinomios de una indeterminada y con coecientes reales que no tienen ninguna ra real. z Tambin hay endomorsmos que salvo el vector 0 no transforman ningn vector en s mismo e u multiplicado por un escalar. Por ejemplo, el polinomio caracter stico del endomorsmo f : 2 2 de matriz ( ) 0 1 A= 1 0
respecto a las bases cannicas es o P () = 1 = 2 + 1. 1
Claramente, ninguna ra del polinomio P () es real. Adems, el endomorsmo f, que es un giro z a de ngulo = en sentido contrario al que siguen las agujas de un reloj, no tiene autovalores reales a 2 ni autovectores. No es cierto que todo endomorsmo real, f : n n , tenga algn autovalor real. u
Ejercicio 6.3 Sistema de ecuaciones lineales con matriz de coecientes que no tiene a cero como autovalor Sea la matriz A Mn ( ). Demostrar que el sistema de ecuaciones lineales A = b tiene x solucin unica para cada b Mn1 ( ) si y slo si el cero no es autovalor de A. o o
Solucin: o La equivalencia se demuestra comprobando la doble implicacin: o = Si el sistema de ecuaciones lineales A = b tiene solucin unica para cada b Mn1 ( ), x o { } entonces A = 0 tiene solucin unica y Ker(A) = 0 , luego = 0 no es autovalor de A. x o
Si el cero no es autovalor de A, segn el apartado a) del ejercicio 6.22, la matriz A es invertible u porque no tiene autovalores nulos. Si la matriz A es invertible, el sistema de ecuaciones lineales A = b tiene solucin unica para x o cada b Mn1 ( ), siendo = A1 b . x
Ejercicio 6.4 Relaciones entre endomorsmos biyectivos y endomorsmos diagonalizables Demostrar o encontrar un contraejemplo para las siguientes armaciones: a) Todo endomorsmo diagonalizable es biyectivo. b) Todo endomorsmo biyectivo es diagonalizable. Solucin: o a) Falso. Hay endomorsmos diagonalizables que no son biyectivos. Por ejemplo, la funcin nula: es o lineal y su matriz asociada es la matriz nula que es diagonal. b) Falso. Hay endomorsmos biyectivos que no( diagonalizables. Por ejemplo, el que tiene como son ) 1 1 matriz asociada respecto a la base cannica a o es biyectivo porque la imagen tiene dimensin o 0 1 2, pero no es diagonalizable porque slo tiene un autovalor doble, = 1, con subespacio propio o asociado de dimensin 1. o
Ejercicio 6.5 Matrices semejantes Demostrar que si A, B Mn ( ) y son semejantes, entonces A Idn y B Idn tambin son e matrices semejantes .
Solucin: o Si las matrices A y B son semejantes, entonces existe una matriz regular P Mn ( ) tal que
A = P 1 BP. Utilizando, adems, que la matriz diagonal Idn conmuta con todas las matrices cuadradas de a orden n, se tiene ( ) P 1 (B Idn )P = P 1 B P 1 ( Idn ) P = P 1 BP P 1 ( Idn )P = A ( Idn )(P 1 P ) = A Idn . Por tanto, las matrices A Idn y B Idn tambin son matrices semejantes e matriz regular P permite establecer la relacin entre las dos matrices en ambos casos. o
R y la misma
Ejercicio 6.6 Inversas de matrices semejantes Sea D una forma diagonal de la matriz diagonalizable A. Demostrar que la matriz A es invertible si y solamente si la matriz D es invertible. Solucin: o Si D es una forma diagonal de la matriz diagonalizable A, entonces existe una matriz invertible, P, tal que D = P 1 AP. Calculando determinantes a ambos lados de la igualdad y aplicando que el determinante de un producto de matrices cuadradas es igual al producto de los determinantes y que el producto del determinante de una matriz por el de su inversa es la unidad, se tiene |D| = |P 1 AP | = |P 1 | |A| |P | = |P 1 | |P | |A| = |A|. Como una condicin necesaria y suciente para que una matriz cuadrada sea invertible es que su o determinante sea distinto de cero, la matriz A es invertible si y solamente si lo es la matriz D.
Ejercicio 6.7 Polinomio caracter stico Analizar la veracidad o falsedad de la siguiente armacin: o Si 1 , 2 , . . . , n son los autovalores del endomorsmo f : n nomio caracter stico de f es P () = ( 1 )( 2 ) ( n ).
Cn, entonces el poliCn, entonces el polinomio
1 0 0 Por ejemplo, el polinomio caracter stico del endomorsmo de matriz A = 0 2 0 y de auto0 0 3 valores 1 = 1, 2 = 2 y 3 = 3, es 1 0 0 0 2 0 PA () = = (1 )(2 )(3 ) = ( 1)( 2)( 3) 0 0 3 que es diferente de P () = ( 1)( 2)( 3).
Solucin: o Si 1 , 2 , . . . , n son los n autovalores del endomorsmo f : n caracter stico de f es un mltiplo de P () = ( 1 )( 2 ) ( n ). u Cuando n es impar, no coincide con este polinomio.
Ejercicio 6.8 Matrices semejantes y polinomio caracter stico Estudiar hasta qu punto es verdadera la siguiente armacin: e o A, B Mn ( ) son semejantes si y slo si tienen el mismo polinomio caracter o stico. Solucin: o
= Esta implicacin es cierta. o
Si dos matrices complejas, A, B Mn ( ), son semejantes, entonces coinciden los autovalores. Si 1 , 2 , . . . , n son los autovalores80 de A y B, entonces el polinomio caracter stico de A y de B es P () = (1)n ( 1 )( 2 ) ( n ). = Esta implicacin es falsa. o Hay matrices que tienen el mismo polinomio caracter stico y no son semejantes. Por ejemplo, el polinomio caracter stico de ( ) ( ) 1 0 1 1 Id2 = y N= 0 1 0 1 es P () = (1 )2 pero Id2 y N no son equivalentes porque la identidad slo es equivalente a s misma, o P 1 Idn P = P 1 P = Idn .
Ejercicio 6.9 Polinomio caracter stico del cuadrado de una matriz Demostrar que la siguiente armacin es falsa: o Si A, B Mn ( ) y B = A2 , entonces el polinomio caracter stico de B es el cuadrado del 2 (). polinomio caracter stico de A, PB () = PA Solucin: o La matriz identidad, Idn sirve como contraejemplo ya que el polinomio caracter stico de la matriz identidad es P () = (1 )n . El cuadrado del polinomio caracter stico de la matriz identidad es P 2 () = (1 )2n . El cuadrado de la matriz identidad es la propia matriz identidad, Id2 = Idn n y su polinomio caracter stico, P (), no es el cuadrado del polinomio caracter stico de la matriz identidad, P 2 () = P ().
Ejercicio 6.10 Polinomio aplicado a matrices semejantes Dados p(x) = a0 + a1 x + a2 x2 + + an xn [X] y A Mm ( ), se dene
p(A) = a0 Idm +a1 A + a2 A2 + + an An Mm ( ). Dilucidar si la siguiente armacin es verdadera o falsa. o

80
Algunos autovalores pueden estar repetidos.
Si A y B son matrices semejantes y p(A) = 0m , entonces p(B) = 0m . Solucin: o Si las matrices A, B Mm ( ) son semejantes, entonces existe una matriz regular P Mm ( ) tal que A = P 1 BP.
Si
N, entonces
A = (P 1 BP ) = (P 1 BP )(P 1 BP ) (P 1 BP ) = P 1 B(P 1 P )B (P 1 P )BP = P 1 B P, resultando que p(A) = a0 Idm +a1 A + a2 A2 + + an An = a0 P 1 P + a1 P 1 BP + a2 P 1 B 2 P + + an P 1 B n P = P 1 (a0 Idm +a1 B + a2 B 2 + + an B n )P = P 1 p(B)P o, equivalentemente, Si p(A) = 0m , entonces luego la armacin es cierta. o p(B) = P 1 p(A)P. p(B) = P 1 p(A)P = P 1 0m P = 0m ,
Ejercicio 6.11 Autovalores de un giro en 2 Estudiar la veracidad o falsedad de la siguiente armacin: o = 0 es un autovalor de la funcin f : 2 2 que a cada vector de o corresponder el mismo vector girado un ngulo alrededor del origen. a
R2
le hace
Solucin: o Girar un vector un ngulo cualquiera no altera su mdulo, luego el unico vector que mediante un a o giro de ngulo se convierte en el vector nulo, es el propio vector nulo. a No hay vectores no nulos tales que () f = 0, v luego = 0 no es autovalor de ningn giro de ngulo en u a La armacin es falsa. o
R2 .
Ejercicio 6.12 Clculo de endomorsmos que conmutan a Sea el endomorsmo f : 2 2 de expresin anal o tica
f (x, y) = (x y, 2y). Determinar un endomorsmo g : f g = g f, el unico autovalor de f g es 2.
R2 R2 tal que
Es g unico? Solucin: o Respecto a la base cannica, la matriz de f es o ( ) 1 1 . M= 0 2 La expresin matricial genrica de un endomorsmo, g, de o e ( ) a b N= con a, b, c, d c d
R2 es R.
Si los endomorsmo f y g conmutan, entonces sus matrices asociadas tambin conmutan, M N = e N M. Al ser ( )( ) ( ) ( )( ) ( ) 1 1 a b ac bd a b 1 1 a a + 2b MN = = y NM = = , 0 2 c d 2c 2d c d 0 2 c c + 2d los coecientes de la matriz N tienen que cumplir las siguientes relaciones lineales: ac=a b d = a + 2b 2c = c 2d = c + 2d que se reducen a c=0 a=b+d resultando que la expresin general de la matriz de un o ( b+d N= 0 endomorsmo que conmuta con f es ) b . d }
La matriz de f g respecto a la base jada es ( )( ) ( ) 1 1 b+d b b+d bd MN = = . 0 2 0 d 0 2d El polinomio caracter stico de M N es P () = y sus ra ces son 1 = b + d y 2 = 2d. Si, por hiptesis, el unico autovalor de M N tiene que ser = 2, entonces o } b+d=2 2d = 2 de donde se concluye que d = 1, b = 1 ( ) b+d bd = (b + d) (2d ) 0 2d
y la matriz del endomorsmo g es N=
) 2 1 . 0 1
La expresin anal o tica del endomorsmo g es ( ) ( )( ) ( ) x 2 1 x 2x + y g = = y 0 1 y y o bien g(x, y) = (2x + y, y). Hay muchos endomorsmos que conmutan con f, pero entre ellos solamente hay uno que haga que su composicin con f slo tenga a = 2 como autovalor. o o
Ejercicio 6.13 Endomorsmos (matrices) 2 2 y con autovalores 1 y 1 Hallar todas las matrices M M2 ( ) cuyos autovalores sean 1 y 1.
Solucin: o El polinomio caracter stico de la matriz M =
a b c d
) es
P () =
a b = 2 + (a d) + (ad bc). c d
Los polinomios de grado 2 en una indeterminada y de ra ces 1 y 1 son de la forma Q() = ( 1)( + 1) = (2 1). Para que el polinomio caracter stico de M coincida con alguno de los polinomios representados por Q(), slo puede ser = 1 y los coecientes de M tienen que ser soluciones del sistema de ecuaciones o no lineales que surge al igualar81 los coecientes de P () y de Q() : } a d = 0 . ad bc = 1 ) a b Como d = a, las matrices buscadas tienen que ser de la forma M = con bc = 1 a2 . c a Seg n los valores de b, las matrices complejas, 2 2 y con autovalores 1 y 1 son de la forma: u Si b = 0, entonces M= Si b = 0, entonces M= ( ( a
1a2 b
) b . a
) ( ) 1 0 1 0 o . c 1 c 1
81
Comprese con el resultado del ejercicio 6.7, teniendo en cuenta que n es par. a
Ejercicio 6.14 Autovalores reales de endomorsmos reales de rango 1 Sea n = 1, 2, . . . Demostrar que todo endomorsmo f : n n de rango 1 tiene al menos un autovalor real.
Solucin: o Se presentan los siguientes casos: Si n = 1, entonces f (x) = x x , luego es un autovalor y el subespacio propio asociado a es . { } ( ) ( ) Si n > 1, entonces Ker(f ) = 0 porque dim Ker(f ) = n dim Img(f ) = n 1 1.
Como existen vectores no nulos pertenecientes al ncleo de f, = 0 es un autovalor de f. u En cualquier situacin posible, hay al menos un autovalor real. o
Ejercicio 6.15 Autovalores reales de matrices con coecientes complejos Suponiendo que n , dilucidar la veracidad o falsedad de la siguiente armacin: o
Si todos los elementos de la matriz A Mn ( ) tienen parte imaginaria no nula, entonces A no puede tener autovalores reales. Solucin: o Una condicin necesaria y { } o suciente para que = 0 sea un autovalor de una matriz cuadrada, A Mn ( ), es que Ker(A) = 0 . Cualquier matriz cuadrada que no tenga rango mximo, tiene a a = 0 como autovalor. La parte imaginaria de todos los elementos de la matriz ( ) i i A= Mn ( ) i i
C R
es distinta de cero, su polinomio caracter stico es i i = ( 2i) i i y los autovalores son 1 = 0 y 2 = 2i. Hay matrices cuadradas con autovalores reales y con todos sus elementos con parte imaginaria no nula. La armacin es falsa. o
Ejercicio 6.16 Matrices no semejantes 3 0 0 3 1 0 Estudiar si las matrices A = 0 2 0 y B = 0 2 0 son semejantes. 0 0 1 1 0 2 Solucin: o Una condicin necesaria pero no suciente para que dos matrices cuadradas sean semejantes es o que tengan los mismos autovalores y con la misma multiplicidad algebraica.
Los autovalores de la matriz A son 1 = 3 con multiplicidad simple y 2 = 2 con multiplicidad doble porque el polinomio caracter stico de A es P () = |A Id3 | = 3 1 0 0 2 0 = (2 )2 (3 ). 1 0 2
Los autovalores de la matriz B son 1 = 3, 2 = 2 y 3 = 1 porque el polinomio caracter stico de B es 3 0 0 0 2 0 P () = |B Id3 | = = (1 )(2 )(3 ). 0 0 1 Al no tener los mismos autovalores, las matrices A y B no pueden ser semejantes.
Ejercicio 6.17 Autovalores de una matriz y de su traspuesta Sea A una matriz cuadrada de orden n. Demostrar que los autovalores de A y de AT coinciden. Solucin: o Los autovalores de un endomorsmo son las ra del polinomio caracter ces stico asociado a la matriz del endomorsmo. Aplicando respectivamente que una matriz diagonal coincide con su traspuesta, que la traspuesta de la suma de matrices es la suma de las traspuestas y que el determinante de una matriz coincide con el de su traspuesta, AT Idn = AT ( Idn )T = (A Idn )T = A Idn , se llega a la conclusin de que el polinomio caracter o stico de AT coincide con el de A y, en consecuencia, T. los autovalores de A coinciden con los de A
Ejercicio 6.18 Autovalores de f 2 Sea un cuerpo conmutativo, V un -espacio vectorial y f : V V un endomorsmo. Demostrar que si es un autovalor de f, entonces 2 es un autovalor de f 2 . Es cierto el rec proco?
Solucin: o Si
K es un autovalor de f, entonces existe V v
tal que
() f = . v v
Por la linealidad de f, ( ( )) () = f ( ) = f ( ) = 2 , f2 = f f v v v v v luego 2 es un autovalor de f 2 y los autovectores de f asociados al autovalor son autovectores de f 2 asociados al autovalor 2 . Si es un autovalor de f 2 , entonces puede no ser un autovalor de f. Por ejemplo, en el -espacio vectorial 2 , el endomorsmo de matriz ( ) 1 2 A= 1 1
no tiene autovalores reales porque su polinomio caracter stico es |A Id2 | = 1 2 = 2 + 1, 1 1
mientras que la matriz de la composicin de este endomorsmo consigo mismo es o ( ) 1 0 2 A = 0 1 que tiene a = 1 como autovalor.
Ejercicio 6.19 Autovalores de la forma reducida de Gauss Sea A Mn ( ) y sea G una forma reducida de Gauss de la matriz A. Tienen A y G los mismos autovalores?
Solucin: o No necesariamente. Las transformaciones elementales no conservan los autovalores. Sirva como prueba el contraejemplo siguiente. ( ) ( ) 2 0 1 0 Una forma reducida de Gauss de la matriz A = es G = . El unico autovalor de 0 2 0 1 A es 2 mientras que el unico autovalor de G es 1.
Ejercicio 6.20 Autovalores de matrices por bloques Sea la matriz A Mn ( ) y sea la matriz ) ( Idn +A Idn M2n ( ). N= A Idn
Demostrar que a) = 0 no puede ser autovalor de N. b) = 1 es autovalor de N si solamente si A es una matriz singular. c) Si es un autovalor de A, entonces = son autovalores de N. d) Calcular los autovalores de la matriz 4 1 N = 3 1 Solucin: o 5 2 5 3 1 0 1 0 0 1 . 0 1 2+ 2 4 + 2
a) El determinante de la matriz N puede calcularse restando ordenadamente las las inferiores a las superiores y observando que las primeras n las son la matriz identidad de orden n, completada con ceros, resultando |N | = Idn +A Idn Idn 0n = = | Idn | = 1. A Idn A Idn
El rango de la matriz cuadrada N es mximo, 2n, y el sistema homogneo de ecuaciones lineales a e que tiene a N como matriz de coecientes tiene solucin unica, luego el unico vector cuya imagen o es cero por endomorsmo asociado a la matriz N es el propio vector nulo, por tanto, = 0 no tiene autovectores no nulos asociados y no puede ser autovalor de N. b) Una condicin necesaria y suciente para = 1 sea autovalor de N es que el subespacio propio o asociado a = 1 sea distinto del vector nulo, { S1 = v R2n : (N Id2n) = } = { }, v 0 0
o equivalentemente que el rango de la matriz N Id2n no sea mximo. a El determinante de N Id2n es |N Id2n | = A Idn = (1)n |A|. A 0n
El rango de la matriz N Id2n es mximo si y solamente si |A| = 0, luego = 1 es autovalor de a N si y solamente si la matriz A es singular. c) El polinomio caracter stico de la matriz N es |N Id2n | = Idn Idn Idn +A Idn A + (1 ) Idn = . A Idn Idn A (1 ) Idn
Multiplicando las n primeras las por 1 y restndolas ordenadamente de las n ultimas, se tiene a |N Id2n | = A + (1 ) Idn Id ( ) Idn = A + (1 ) 2 n Idn A (1 ) A + (1 ) Idn 0n A (1 ) Idn 0n
= |A (1 )2 Idn |. De manera formal, |N Id2n | = n A (1 )2 Idn .
Al desarrollar completamente, el factor n tiene que cancelarse porque = 0 no es ra del z polinomio caracter stico de N. Todos los autovalores de N proceden de la ecuacin o A (1 )2 Idn = 0
y los autovalores de A son las soluciones de la ecuacin o |A Idn | = 0,
luego, la relacin existente entre los autovalores de A y N es o (1 )2 , operacin que siempre es posible porque = 0 no es autovalor de N. o = Conocido un autovalor de N tambin se conoce un autovalor de A. Adems, conocido un autovalor e a de A tambin pueden localizarse dos82 autovalores de N porque la relacin e o 2 (2 + ) + 1 = 0 es una ecuacin de segundo grado que tiene como soluciones o 2 + 4 + 2 = . 2 d) La matriz N corresponde con el esquema N= ( siendo A = ) 3 5 . 1 3 ( )
(22)
Idn +A Idn A Idn
El polinomio caracter stico de A es P () = |A Id2 | = 3 5 = (3 )(3 ) + 5 = 2 9 + 5 = 2 4 1 3
que tiene como ra ces = 2 y = 2. Aplicando la frmula (22), los autovalores reales y complejos de N son o 1 = 2 + 3, 2 = 2 + 3, 3 = i y 4 = i.
Ejercicio 6.21 Inyectividad y trmino independiente del polinomio caracter e stico Sea f : V V un endomorsmo del espacio vectorial de dimensin nita V. o Demostrar que el trmino independiente del polinomio caracter e stico de f es 0 si y solamente si f no es inyectivo. Solucin: o Para demostrar la equivalencia hay que comprobar la doble implicacin. o = Si el trmino independiente del polinomio caracter e stico de f, P (), es 0, entonces P () = Q() y = 0 es una ra de P (). Consecuentemente, = 0 es autovalor de f. z Si = 0 es autovalor de f, entonces Ker(f ) coincide con el subespacio propio asociado a = 0 que es distinto del conjunto formado por el vector nulo, luego () V, = 0 tal que f = 0 . v v v El endomorsmo f no es inyectivo porque () ( ) v f = f 0 = 0 y = 0 . v
82 Por cada autovalor simple aparecen dos simples o uno doble, por cada autovalor doble aparecen dos dobles o uno cudruple, etc. a
= Si el endomorsmo f no es inyectivo, entonces ( ) ( ) , V, = tales que f = f . v w v w v w Claramente, = 0 y v w () () ( ) w f = f f = 0, v w v luego es un autovector de f asociado al autovalor = 0. v w Si = 0 es un autovalor de f, entonces = 0 es una solucin del polinomio caracter o stico de f, P (), que tiene que ser de la forma P () = Q(), de donde se deduce que el trmino independiente del polinomio caracter e stico de f es cero.
Ejercicio 6.22 Autovalores y diagonalizacin de matrices invertibles o Sea un cuerpo conmutativo.
a) Demostrar que A Mn ( ) es invertible si y slo si A no tiene autovalores nulos. o b) Sean f, g, h : E E tres endomorsmos del
K-espacio vectorial E.
Demostrar que si = 0 no es autovalor de los endomorsmos g f y h g, entonces f, g y h son biyectivos. c) Si A Mn ( ) es una matriz invertible, 1 , 2 , . . . , n sus autovalores y S1 , S2 , . . . , Sn los autoespacios correspondientes, calcular los autovalores y los autoespacios de A1 . d) Demostrar que si A Mn ( ) es invertible y diagonalizable, entonces A1 tambin es diagonalie zable. v v e) Demostrar que si A Mn ( ) es invertible y es un autovector de A, entonces es un autovector de A + A1 . Solucin: o a) Por denicin de autovalores, la matriz cuadrada A no tiene autovalores nulos si y solamente si o { } Ker(A) = 0 . { } 0 y A no tiene autovalores nulos. { } = Si A no tiene autovalores nulos, entonces Ker(A) = 0 y el endomorsmo asociado ) A a ( ) ( ) ( es inyectivo, siendo dim Ker(A) = 0. Adems, como n = dim Ker(A) + dim Img(A) , la a dimensin de la imagen de A es n, deducindose que f es suprayectiva y consecuentemente o e biyectiva, luego A es invertible. = Claramente, si A es invertible, entonces Ker(A) = Equivalentemente, la matriz A Mn ( ) es invertible si y slo si = 0 no es autovalor de A. o
b) Por el apartado a), si = 0 no es autovalor de los endomorsmos g f y h g, entonces sus matrices asociadas son invertibles y ellos son biyectivos. Al ser g f suprayectivo, entonces g es suprayectivo y al ser h g inyectivo, entonces g es inyectivo, luego g es biyectivo. El endomorsmo f es biyectivo por serlo g y g f. El endomorsmo h es biyectivo por serlo g y h g. c) Si i es un autovalor de A asociado al autovector83 i , entonces v Ai = i i . v v (23)
Como la matriz A es invertible, todos sus autovalores son distintos de cero, luego i = 0 y existe 1 tal que i 1 = 1 i = 1. i i i Multiplicando a ambos lados de la igualdad (23) por 1 A1 , se tiene i (1 A1 )Ai = (1 A1 )i i . v v i i Aplicando las propiedades del espacio vectorial Mn ( ), que A1 A = Id y que 1 i = 1, se tiene i 1 i = A1 i , v i v luego i es un autovector de A1 asociado al autovalor 1 . v i En denitiva, si 1 , 2 , . . . , n son los autovalores de la matriz invertible A, los autovalores de A1 son 1 , 1 , . . . , 1 . Adems, el subespacio propio asociado al autovalor i de A coincide con el a n 1 2 subespacio propio asociado al autovalor 1 de A1 , luego S1 = Si i = 1, 2, . . . , n. i
i
d) Si A es diagonalizable, existe una matriz invertible, P, tal que P 1 AP = D siendo D una matriz diagonal. Como A y P son invertibles, entonces D es invertible y su inversa tambin es diagonal. Los e 1 son los inversos de los elementos de la diagonal de D. elementos de la diagonal de D Realizando operaciones, se tiene ( )1 ( )1 D1 = P 1 AP = P 1 A1 P 1 = P 1 A1 P, luego A1 es diagonalizable y la matriz de paso coincide con la matriz de paso de A. e) Por el apartado c), si es un autovector de A asociado al autovalor , entonces es un autovector v v 1 asociado al autovalor 1 . de A tambin es un autovector de A + A1 porque Adems, v a e ( ) = A + A1 = + 1 = + 1 . 1 (A + A ) v v v v v v
83
El vector 0 no es autovector, luego i = 0 . v
Ejercicio 6.23 Autovalores distintos y rango de un endomorsmo Determinar la veracidad o falsedad de las siguientes armaciones referidas al endomorsmo84 f : n n :
a) Si f tiene n autovalores distintos, entonces rango(f ) = n. b) Si f tiene k autovalores distintos, entonces rango(f ) k. c) Si f tiene k autovalores distintos, entonces rango(f ) k. d) Si f tiene k autovalores distintos, entonces rango(f ) = k. Solucin: o a) Si el endomorsmo f tiene n autovalores distintos, 1 , 2 , . . . , n , entonces existe una base de respecto a la cual su matriz, A, es diagonal, 1 0 0 0 2 0 A= . . .. . . . . . . . . . 0 0 n
Rn
El determinante de A es el producto de los elementos de la diagonal |A| = 1 2 n y puede ser nulo si alguno de los autovalores es cero. Esta observacin sirve para encontrar un o contraejemplo a la armacin del enunciado: o El endomorsmo f :
R2 R2 de matriz
( A=
1 0 0 0
tiene 2 autovalores distintos, 1 = 1 y 2 = 0, y su rango es 1, distinto de 2. Por tanto, la armacin es falsa. o Sin embargo, si a las hiptesis iniciales se hubiera aadido que los autovalores son distintos de o n cero, entonces el rango del endomorsmo f ser mximo y coincidir con la dimensin del espacio a a a o vectorial de partida, n. o b) La armacin es falsa ya que El unico autovalor del endomorsmo identidad es = 1 porque ( ) f = n . v v v
El rango del endomorsmo identidad es n porque se trata de un isomorsmo. Por tanto, si n > 1, existe un endomorsmo la identidad cuyo nmero de autovalores distintos, u k = 1, es estrictamente menor que su rango, n. c) La armacin es falsa ya que o
84 Asociada a cada endomorsmo f y a cada base del espacio vectorial de partida hay una matriz cuadrada A. En este enunciado se puede sustituir el endomorsmo f por una matriz cuadrada A mantenindose los resultados. e
El unico autovalor del endomorsmo nulo es = 0 porque () f = 0 n . v v
El rango del endomorsmo nulo es 0 porque su imagen es
{ } 0 .
Por tanto, existe un endomorsmo el nulo cuyo nmero de autovalores distintos, k = 1, es u estrictamente mayor que su rango, 0. Asimismo, el contraejemplo del apartado a) tambin sirve para este caso. e d) Esta armacin es ms genrica que la del apartado a), luego tambin es falsa porque para k = n o a e e no se cumple. En general, no se puede armar que el nmero de autovalores distintos de un endomorsmo coincide u con su rango.
Ejercicio 6.24 Subespacio propio y autovectores linealmente independientes asociados a autovalores distintos Sean 1 y 2 autovalores distintos de un endomorsmo f : n n . Demostrar que: { () } a) S1 = n : f = 1 es un subespacio vectorial de n . v v v { } v v v v b) Si 1 es un autovector asociado a 1 y 2 es un autovector asociado a 2 , entonces 1 , 2 es n. un conjunto libre de
Solucin: o a) El subconjunto formado por todos los vectores propios asociados a un autovalor, 1 , es un subespacio vectorial ya que es distinto del vac al ser 1 un autovalor y o ,
y , S1 , 1 + 2 S1 . v w v v
Cualquier combinacin lineal de elementos de S1 pertenece a S1 porque o ( ( ) ( ) ( ) ) v v f 1 + 2 = f 1 + f 2 = 1 1 + 1 2 = 1 1 + 2 . v v v v v v v b) Sean 1 y 2 autovectores asociados, respectivamente, a autovalores distintos 1 y 2 y sea v 1 + 2 = 0 v v una combinacin lineal suya que proporciona el vector nulo. o Aplicando f, se tiene aplicando que f es lineal, ( ( ) ) f 1 + 2 = f 0 , v v ( ) ( ) f 1 + f 2 = 0 v v 1 1 + 2 2 = 0 . v v (24)
y teniendo en cuenta que se trata de autovectores, (25)
Al ser 1 = 2 , entonces 1 = 0 o 2 = 0. Sin perdida de generalidad, puede suponerse 1 = 0. Multiplicando la ecuacin (24) por 1 = 0, o 1 1 + 1 2 = 0 . v v Restando la ecuacin (26) de (25), o (2 1 )2 = 0 . v (26)
El vector 2 no es nulo por ser un autovector y la diferencia 2 1 es distinta de cero porque los v autovalores son distintos, luego tiene que ser = 0 para que la igualdad sea cierta. Sustituyendo = 0 en la combinacin lineal (24), resulta o 1 = 0 , v de donde tiene que ser cero porque 1 no es el vector nulo al tratarse de un autovalor. v v En denitiva, la unica combinacin lineal de los vectores 1 y 2 que proporciona el vector nulo o v es = = 0, luego los dos vectores son linealmente independientes.
Ejercicio 6.25 Autovectores linealmente independientes asociados a autovalores no nulos Demostrar que si y son autovectores ) u v ( linealmente independientes de un endomorsmo f y ( ) asociados a autovalores no nulos, entonces f y f son linealmente independientes. u v Solucin: o Sean y autovectores de f asociados a los autovalores 1 = 0 y 2 = 0, respectivamente, u v () ( ) f = 1 y f = 2 . u u v v { } Por ser , un conjunto libre, entonces u v + = 0 = = 0. u v Como los autovectores y son linealmente independientes y u v () () f + f = 1 + 2 , u v u v los unicos escalares que anulan una combinacin lineal de las imgenes de y son o a u v 1 = 2 = 0, condiciones que equivalen a) =( ) 0 porque los autovalores 1 y 2 son no nulos, pudindose = e ( y f son linealmente independientes. armar, por tanto, que f u v La condicin de no nulidad de( los autovalores es imprescindible porque si es ( ) o u un autovector ) = y cualquier conjunto en el que aparezca f es ligado. asociado al autovalor 0, entonces f u 0 u
Ejercicio 6.26 Autovectores asociados a endomorsmos que conmutan { } Sea B = 1 , . . . , n una base del espacio vectorial E de dimensin nita n = 0 y sean f y g dos v v o endomorsmos de E.
a) Demostrar que si los vectores de B son vectores propios a la vez de f y de g, entonces f g = gf . b) Suponiendo que los vectores de B son vectores propios de f correspondientes a los valores propios 1 , . . . , n , todos diferentes entre s y que f g = g f, probar que los vectores de B son tambin , e vectores propios de g. Los autovalores de f coinciden con los autovalores de g? Solucin: o a) f g y g f son aplicaciones lineales por ser composicin de dos aplicaciones lineales. o Como una aplicacin lineal queda un o vocamente determinada por las imgenes de los vectores de a una base, basta comprobar que ( () f g ) = g f i = 1, . . . , n v v
i i
para asegurar la igualdad de las aplicaciones. () Al ser i un autovector de f, f i = i i para algn autovalor de f , i . v v v u tambin es autovector de g, por tanto g ( ) = f ( ) para algn autovalor de g, . vi A su vez vi e vi u i i As , () ( ) g f i = g i i , v v
por ser g lineal y i autovector tambin de g, tendremos v e () () g f i = i g i = i i i . v v v Razonando de manera anloga, a ( ) ( ) v f g i = f i i = i i i . v v
Por la conmutatividad en el producto de escalares, y repitiendo el razonamiento anterior para todos los autovectores que forma la base de E, se concluye que () () f g = g f i = 1, . . . , n v v
i i
y, consecuentemente, f g = g f. b) Por ser i autovector de f y g aplicacin lineal, v o () ( ) ( ) g f = g i i = i g i . v v vi Por hiptesis f g = g f y por denicin de la composicin de funciones, o o o ( ( )) () () f g i = f g i = i g i , v v v ( ) es decir g i es autovector de f para el autovalor i . v Por hiptesis f tiene n autovalores diferentes entre s eso implica que cada subespacio propio Vi o , ( ) . As g ( ) ha de ser proporcional a , tiene dimensin 1, y entonces Vi = L vi o vi vi ( ) g = , v v
i i i
por tanto, i es tambin autovector de g. Este razonamiento es vlido para i = 1, . . . , n, luego los v e a vectores de B tambin son autovalores de g. e Aunque tengan los mismos autovectores, puede que los autovalores de f y g no coincidan. Por ejemplo, los endomorsmos f, g : 2 2 de matrices ( ) ( ) 1 0 3 0 F = y G= 0 2 0 4 { } respecto a una base B = e1 , e2 de 2 cumplen las hiptesis exigidas en el enunciado: o
conmutan, f g = g f porque ( )( ) ( )( ) ( ) 1 0 3 0 3 0 1 0 3 0 = = , 0 2 0 4 0 4 0 2 0 8 { } B = , es una base de 2 cuyos elementos son autovectores de f y de g ya que e1 e2 () () (e ) (e ) f = , f = 2 , g = 3 , g = 4 , e1 e1 e2 e2 e1 e2 1 2
los autovalores de f, 1 = 1 y 2 = 2, son distintos entre s y hay tantos como la dimensin o del espacio de partida, y lo mismo sucede con los autovalores de g, 1 = 3 y 2 = 4, y, a pesar de ello, los autovalores de f son distintos a los autovalores de g. Los subespacios propios de los endomorsmos f y g coinciden, pero los autovalores a los que estn asociados son diferentes. a
Ejercicio 6.27 Subespacios propios asociados a autovalores distintos Sea A una matriz cuadrada asociada a un endomorsmo f y 1 y 2 autovalores distintos de f. Demostrar que { } Ker(A 1 Id) Ker(A 2 Id) = 0 . Solucin: o Es evidente que 0 Ker(A 1 Id) Ker(A 2 Id) porque la interseccin de dos subespacios o 85 al elemento neutro de la suma entre vectoriales es otro subespacio vectorial que tiene que contener vectores que es precisamente el vector nulo. Por otra parte, si Ker(A 1 Id) Ker(A 2 Id), entonces x (A 1 Id) = 0 y (A 2 Id) = 0 , x x de donde A = 1 y A = 2 . x x x x Como el producto A es un unico valor, entonces 1 = 2 y x x x (1 2 ) = 0 . x Al ser distintos los autovalores, 1 2 = 0. El unico vector cuyo producto por un escalar distinto de cero da como resultado el vector nulo es el propio vector nulo, luego = 0 y x { } Ker(A 1 Id) Ker(A 2 Id) = 0 .
Ejercicio 6.28 Suma de multiplicidades de autovalores Sea V un espacio vectorial real de dimensin n y f : V V un endomorsmo. Estudiar la o veracidad o falsedad de las siguientes armaciones: a) La suma de las multiplicidades algebraicas de los autovalores de f es n.
85 Un subespacio { } vectorial no puede ser el conjunto vac No hay que confundir el conjunto vac , con el subespacio o. o, vectorial impropio 0 .
b) La suma de las multiplicidades geomtricas de los autovalores de f es n. e Solucin: o a) El polinomio caracter stico del endomorsmo f es de grado n. Si todas sus ra ces son reales, entonces la suma de las multiplicidades algebraicas de los autovalores es n. Sin embargo, puede tener ra ces complejas y, entonces, no se cumplir esta relacin. a o Por ejemplo, el polinomio caracter stico del endomorsmo f : 3 1 0 0 x 0 1 y = (x, z, y) f (x, y, z) = 0 0 1 0 z es |A Id3 | = (1 )(2 + 1) y sus ra ces son 1 = 1, 2 = i y 3 = i. Este endomorsmo slo tiene un autovalor real de multiplicidad algebraica 1 que no coincide con o la dimensin del espacio vectorial. o No es cierto que la suma de las multiplicidades algebraicas de los autovalores del endomorsmo f sea n. Sin embargo, si el cuerpo base del espacio vectorial fuera el cuerpo de los nmeros complejos, u la respuesta ser armativa porque todas las ra a ces de los polinomios con coecientes complejos pertenecen a .
R3 tal que
e b) La suma de las multiplicidades geomtricas de los autovalores de f no siempre es n. Sirve como contraejemplo el mismo endomorsmo del apartado anterior en donde el subespacio propio asociado al unico autovalor = 1, S1 = {(, 0, 0) :
R},
tiene dimensin 1 y, consecuentemente, la multiplicidad geomtrica de = 1 es 1, que no coincide o e con n = 3.
Ejercicio 6.29 Endomorsmo con innitos autovalores En el espacio vectorial de polinomios [x], se considera el endomorsmo d : [x] como d(a0 + a1 x + a2 x2 + + an xn ) = 0a0 + 1a1 x + 2a2 x2 + + nan xn .
R[x] denido
Determinar los autovalores de d y sus subespacios propios asociados. Solucin o Para que un escalar sea un autovalor de d y p [x] un autovector no nulo asociado a , tiene que cumplirse la relacin d(p) = p que se concreta en o
0a0 + 1a1 x + 2a2 x2 + + nan xn = (a0 + a1 x + a2 x2 + + an xn ) = a0 + a1 x + a2 x2 + + an xn . Por tanto, i {0, 1, . . . , n} se cumple iai = ai . 0a0 = a0 , 1a1 = a1 , 2a2 = a2 , , nan = an
Se trata de un sistema de n + 1 ecuaciones que no son lineales porque tanto como todos los escalares reales, ai , son incgnitas. Por este motivo no se aplican las tcnicas habituales de resolucin o e o de sistemas lineales. Como p = 0, existe algn u ndice i tal que ai = 0. En estas circunstancias, la unica opcin de que o se cumpla iai = ai es que = i. Si hubiera otro ndice distinto, j = i, para el que tambin aj = 0, e entonces el sistema ser incompatible y no tendr solucin porque por una parte = i y por otra a a o = j. De este razonamiento se concluye que slo los monomios, p = ai xi , pueden ser vectores propios o del endomorsmo d y obligatoriamente estn asociados al autovalor i. a En el cuadro 4 aparecen los autovalores y los subespacios propios asociados. Hay una cantidad innita numerable de autovalores. A pesar de ello, todos los subespacios propios son de dimensin o nita (1). Autovalores Espacios propios 0 { : 1 2 n {xn :
R}
{x :
R}
{x2 :
R}
R}
Cuadro 4: Endomorsmo con una cantidad numerable de autovalores
Ejercicio 6.30 Matrices singulares y autoespacios Determinar la veracidad o falsedad de la siguiente armacin: o La matriz cuadrada A Mn ( ) es singular si y slo si existe un autovalor de A, , tal o que Ker(A) est contenido en el subespacio propio asociado a . a Solucin: o Para que una equivalencia sea cierta, las dos implicaciones tambin tienen que serlo. e = Si la matriz cuadrada A es singular, entonces su determinante es nulo, |A| = 0, y su polinomio caracter stico no tiene trmino independiente. Por tanto, = 0 es una solucin de la ecuacin e o o caracter stica y un autovalor de la matriz A. En este caso, el subespacio asociado al autovalor = 0 es distinto del vector nulo y coincide con Ker(A), luego es cierto que si la matriz cuadrada A es singular, entonces Ker(A) coincide con el subespacio propio asociado al autovalor = 0. = No siempre se cumple. De hecho, el ncleo de un endomorsmo siempre est contenido en un u a autoespacio ya que { } Si Ker(A) = 0 , entonces est contenido en cualquier subespacio a { } Si Ker(A) = 0 , entonces Ker(A) coincide con el autoespacio asociado al autovalor = 0. { } a La matriz identidad Idn es un contraejemplo porque, aunque Ker(Idn ) = 0 est contenido en el subespacio propio asociado al autovalor = 1, no se trata de una matriz singular. La armacin del enunciado no es cierta. o
Ejercicio 6.31 Autovalores y autoespacios de un endomorsmo por un escalar Sea V un espacio vectorial de dimensin nita, f : V V un endomorsmo y c . o Hallar los autovalores y autoespacios del endomorsmo cf : V V en funcin de los autovalores o y autoespacios del endomorsmo f.
Solucin: o Hay que considerar los siguientes casos: c = 0 : Entonces cf = 0, siendo = 0 el unico autovalor, V el subespacio propio asociado y todos los vectores de V ser autovectores de cf. an () c = 0 : Sea V un autovector de f asociado al autovalor , de tal modo que f = . v v v por cf es La imagen de v ( ( )) () = c( ) = (c) , v v v v cf = c f luego todo autovector de f asociado al autovalor tambin es un autovector de cf asociado al e autovalor c. Si 1 , 2 , . . . , n son los autovalores de f, entonces c1 , c2 , . . . , cn son los autovalores de cf y el autoespacio de cf asociado al autovalor ci , Sci , coincide con el autoespacio de f asociado al autovalor i , Si , Sci = Si i = 1, 2, . . . , n.
Ejercicio 6.32 Subespacios invariantes y autoespacios Sea f : E E un endomorsmo de un -espacio vectorial, E y H un subespacio vectorial de E. Analizar la siguiente armacin: o H es el subespacio propio de f asociado al autovalor = 0 si y slo si f (H) = H. o
Solucin: o = Todo subespacio propio asociado a un autovalor no nulo de f es invariante por f, f (H) = H. { () } Sea = 0 y H = E : f = . u u u () u v u v Si f (H), entonces existe H tal que = f , luego = f ( ) = . u v v Como depende linealmente de , entonces pertenece al mismo subespacio que , es u v u v H. decir, u Por tanto, f (H) H. () Si H, entonces f = f (H). Al ser = 0, u u u 1 ( ) f = f (H). u u Por tanto, f (H) H. = No todos los subespacios invariantes por una aplicacin lineal estn asociados a un unico autoo a valor de la aplicacin. o Sea el endomorsmo f : a
R3 R3 que tiene como matriz asociada respecto a la base cannica o

1 0 0 A = 0 2 0 . 0 0 3
El subespacio H = {(, , 0) : , } es un subespacio invariante que no es un autoespacio porque los unicos subespacio propios de f son H1 = {(, 0, 0) : En este caso, H = H1 H2 .
R},
H2 = {(0, , 0) :
R}
y H3 = {(0, 0, ) :
R}.
Ejercicio 6.33 Suma de autovectores Sea f : E E un endomorsmo de un de la siguiente armacin: o
Cespacio vectorial, E. Estudiar la veracidad o falsedad
Si y son autovectores de f, entonces + es un autovector de f . u v u v Solucin: o Si los autovectores estn asociados a un mismo autovalor, su suma pertenece al correspondiente a espacio propio y, por tanto, es un autovector. Sin embargo, si los autovectores estn asociados a a distintos valores propios, puede suceder que la suma no sea un vector propio como sucede en el ejemplo siguiente. Sea el endomorsmo f : 2 2 de matriz ( ) 1 0 A= . 0 2
Los vectores = (1, 0) y = (0, 1) son autovectores de f porque u v ( )( ) ( )( ) ( ) 1 0 = A T = 1 0 y f ( ) = A T = 1 0 f u u = u v v = 2 . v 0 2 0 0 2 1 Sin embargo, el vector = + = (1, 1) no es autovector porque w u v ( )( ) ( ) ( ) 1 1 = A T = 1 0 f w w = = w. 0 2 1 2
Ejercicio 6.34 Endomorsmos diagonalizables y estructura del conjunto de autovectores Sea V un espacio vectorial real y f : V V un endomorsmo. Establecer, si existe, alguna relacin de implicacin entre las siguientes propiedades: o o f es diagonalizable. El conjunto de todos los autovectores de f tiene estructura de subespacio vectorial. Solucin: o En general, la suma de autovectores de un endomorsmo no es un autovector. Por ejemplo, los vectores 1 = (1, 0) y 2 = (0, 1) son autovectores del endomorsmo f : 2 2 tal que v v
f (x, y) = (3x, 2y) porque ( ) ( ) f 1 = 31 y f 2 = 22 v v v v
v mientras que 1 + 2 = (1, 1) no es un autovector ya que v
R:
f (1, 1) = (3, 2) = (1, 1).
Por tanto, el conjunto de los autovectores de un endomorsmo no siempre tiene estructura de subespacio vectorial. Aunque el endomorsmo sea diagonalizable tampoco puede asegurarse que sus autovectores tengan esta estructura, ya que el propio endomorsmo f es diagonalizable, ( )( ) 3 0 x f (x, y) = , 0 2 y mientras que la unin de todos sus subespacios propios no es un subespacio vectorial: o S3 S2 = {(, 0) : En consecuencia, la implicacin o Si f es diagonalizable, entonces el conjunto de todos sus autovectores tiene estructura de subespacio vectorial no es cierta. Por otra parte, si un endomorsmo tiene un unico autovalor, entonces el subespacio propio asociado a ese autovalor es el conjunto de todos los autovectores de f, pero la existencia de un unico autovalor 3 3 tal que no asegura la diagonalizacin. Por ejemplo, el endomorsmo g : o 1 1 1 x 0 1 1 y = (x + y + z, y + z, z) g(x, y, z) = 0 0 1 z
R} {(0, ) : R},
slo tiene un autovalor, = 1, y sus autovectores forman un subespacio vectorial, pero no es diagoo nalizable porque la dimensin del unico subespacio propio, o S1 = {(, 0, 0) :
R},
es 1 y no coincide con la multiplicidad algebraica del autovalor = 1 que es 3 porque |A Id2 | = (1 )3 . En consecuencia, la implicacin o Si el conjunto de todos los autovectores de f tiene estructura de subespacio vectorial, entonces f es diagonalizable tampoco es cierta.
Ejercicio 6.35 Endomorsmos diagonalizables con un unico autovalor Sea f : E E un endomorsmo de un espacio vectorial de dimensin nita. o Determinar si la siguiente armacin es verdadera o falsa: o Si f es diagonalizable y tiene un unico autovalor, entonces la matriz de f respecto a cualquier base de E es diagonal.
Solucin: o La armacin es cierta. o Si el endomorsmo f tiene un unico autovalor, , y es diagonalizable, entonces existe una base respecto a la cual la matriz de f es de la forma 0 0 0 0 D= = Id . .. . 0 0 La matriz M de f respecto a cualquier otra base de E puede obtenerse a partir de D mediante la adecuada matriz de cambio de base: M = P 1 DP. La matriz D = Id conmuta con cualquier matriz, por lo que M = P 1 ( Id)P = P 1 (Id)D = D = P 1 P = Id = D. Respecto a cualquier base, la matriz del endomorsmo f es M = Id .
Ejercicio 6.36 Autovalores y autovectores de un endomorsmo de Sea f : 3 [x] 3 [x] tal que
R3[x] (I)
( ) f p(x) = p (x) p(x) siendo 3 [x] = {p(x) = a0 + a1 x + a2 x2 + a3 x3 : a0 , a1 , a2 , a3 } el espacio vectorial real de los polinomios de grado 3 en la indeterminada x y con coecientes reales. Se pide: a) Demostrar que f es una aplicacin lineal. o b) Hallar la matriz del endomorsmo f respecto a la base B = {1, x, x2 , x3 } de c) Hallar Ker(f ) e Img(f ). d) Demostrar que = 1 es un autovalor de f. e) Hallar el autoespacio asociado a = 1. Solucin: o a) La aplicacin f es lineal porque la derivada de la suma de dos funciones derivables es la suma de o las derivadas de las dos funciones y porque la derivada de una constante por una funcin derivable o es el producto de la constante por la derivada de la funcin. o Aplicando estas propiedades sucesivamente, p(x), q(x)
R3[x].
R3[x] y , R, se cumple
( ) ) ( ) f p(x) + q(x) = (p(x) + q(x) p(x) + q(x)
( ) ( ) = p (x) + q (x) p(x) q(x) = p (x) p(x) + q (x) q(x) ( ) ( ) = f p(x) + f q(x) .
b) Las columnas de la matriz del endomorsmo f respecto a la base B = {1, x, x2 , x3 } de { } las coordenadas de las imgenes de los vectores de la base B = , , , . a e1 e2 e3 e4 Al ser () f = f (1) = 1 = = (1, 0, 0, 0)T , e1 e1 () f = f (x) = x = = (0, 1, 0, 0)T , e2 e2 ( ) e1 e3 f e3 = f (x2 ) = 2 x2 = 2 = (2, 0, 1, 0)T , () e e e f = f (x3 ) = 6x x3 = 6 = (0, 6, 0, 1)T ,
4 1 4
R3[x] son
la matriz A del endomorsmo f respecto a la base B es 1 0 2 0 0 1 0 6 . A= 0 0 1 0 0 0 0 1 c) Como Ker(f ) = () y f = A , el conjunto de las soluciones del v v sistema homogneo de ecuaciones lineales A = 0 coincide con Ker(f ). e v { v R3[x] : f ( ) = v 0 }
El rango de la matriz A es mximo porque su determinante es |A| = 1 = 0, luego el sistema a = es compatible determinado y tiene como unica solucin = . homogneo A v e 0 o v 0 { } ( ) En consecuencia, Ker(f ) = 0 y dim Ker(f ) = 0. Basndonos en los resultados obtenidos, se puede asegurar que a Img(f ) =
R3[x] R
porque el rango de la matriz A es 4, luego la dimensin del espacio generado por las columnas de o A tambin es 4 y como este valor es la dimensin de 3 [x], entonces tienen que ser coincidir ambos e o conjuntos. a e1 e2 d) Las imgenes de los vectores , B son () f = (1) e1 e1 y () f = (1) . e2 e2
Como los vectores y no son nulos, entonces el escalar = 1 es un valor propio de f. e1 e2 Adems, = 1 es el unico autovalor de f porque al ser A una matriz triangular su polinomio a caracter stico puede calcularse fcilmente, siendo a P () = |A Id4 | = (1 )4 que slo tiene una ra real de multiplicidad (algebraica) 4. o z e) Los vectores y pertenecen al subespacio propio asociado a = 1. e1 e2 El autoespacio asociado a = 1 es { S1 = p(x) = a + bx + cx2 + dx3
R3[x] : f (p(x)) = (1)p(x)} = Ker(A + Id4).
Las soluciones del sistema homogneo de ecuaciones lineales (A + Id4 ) = 0 son los elementos e v de S1 .
Al ser
0 0 (A + Id4 ) = v 0 0
0 0 0 0
2 0 0 0
0 a 2c 6 b 6d = , 0 c 0 0 d 0
el sistema de ecuaciones del subespacio S1 es {
c=0 d=0
resultando que el subespacio propio asociado al autovalor = 1 es S1 = {a + bx : a, b
R} = R1[x].
La multiplicidad algebraica del autovalor = 1 es 4 mientras que su multiplicidad geomtrica es e 2 porque la dimensin de su autoespacio asociado es 2. o El endomorsmo f no es diagonalizable porque para el unico autovalor no coinciden las multipli cidades algebraica y geomtrica. e
Ejercicio 6.37 Autovalores y autovectores de un endomorsmo de 3 [x] (II) El conjunto 3 [x] = {p = a0 + a1 x + a2 x2 + a3 x3 : ai , i = 0, 1, 2, 3} de los polinomios en la indeterminada x, de grado menor o igual que 3 y con coecientes reales tiene estructura de espacio vectorial sobre con las operaciones habituales de suma(y producto por un escalar real. ) Sea la aplicacin lineal f : 3 [x] 3 [x] tal que f p(x) = p(x) p (x). Se pide: o
a) Hallar la matriz de f respecto a la base B = {1, x, x2 , x3 } de 3 [x]. ( ) b) Calcular el ncleo de f y comprobar que f 1 p(x) = p(x) + p (x) + p (x) + p (x). u c) Encontrar p(x)
R3[x] tal que p(x) + p(x) + p(x) + p(x) = x3 + x + 1.
d) Hallar los autovalores de f y sus subespacios propios asociados. Existe una base de autovectores de f ? e) Calcular la forma cannica de Jordan de f. o Solucin: o a) Los elementos de la columna i-sima de la matriz del endomorsmo f respecto a la base e { } B = , , , = {1, x, x2 , x3 } e1 e2 e3 e4 () son en el mismo orden las coordenadas del vector f i respecto a la propia base B. e En particular: () f = f (1) = 1 = (1, 0, 0, 0), e1 e1 ( ) f e2 = f (x) = x 1 = + (1, 1, 0, 0), e1 e2 ( ) f e3 = f (x2 ) = x2 2x = 2 + (0, 2, 1, 0), e2 e3 () e f = f (x) = x3 3x2 = 3 + (0, 0, 3, 1), e e
4 3 4
luego la matriz de f respecto a la base B es 1 1 0 0 0 1 2 0 . A= 0 0 1 3 0 0 0 1 ( ) b) El n cleo de f est formado por los elementos de 3 [x] tales que f p(x) = 0. u a ( ) Al ser f p(x) = p(x) p (x), los elementos de Ker(f ) son los polinomios de 3 [x] que coinciden con su derivada: p(x) p (x) = 0.
Como el unico polinomio que coincide con su derivada es el polinomio constante p(x) = 0, entonces Ker(f ) = {p(x)
R3[x] : p(x) p(x) = 0} = {0}.
Una condicin necesaria y suciente para que la funcin f 1 sea la inversa de f, y viceversa, es o o que f f 1 = f 1 f = Id . En este caso, se cumplen las dos condiciones porque piv) (x) = 0 p(x)
R3[x] :
f f 1 = Id ( ( )( ) ( )) ( ) f f 1 p(x) = f f 1 p(x) = f p(x) + p (x) + p (x) + p (x) ( ) = p(x) + p (x) + p (x) + p (x) p (x) + p (x) + p (x) + piv) (x) = p(x) piv) (x) = p(x). f 1 f = Id ( ( ( 1 )( ) )) ( ) f f p(x) = f 1 f p(x) = f 1 p(x) p (x) ( ) ( ) ( ) ( ) = p(x) p (x) + p(x) p (x) + p(x) p (x) + p(x) p (x) ( ) ( ) ( ) ( ) = p(x) p (x) + p (x) p (x) + p (x) p (x) + p (x) piv) (x) = p(x) piv) (x) = p(x). ( ) ( ) En 3 [x], f 1 p(x) = p(x) + p (x) + p (x) + p (x) es el endomorsmo inverso de f p(x) = p(x) p (x). ( ) c) Si f 1 p(x) = p(x) + p (x) + p (x) + p (x) = x3 + x + 1, entonces 0 1 1 1 0 0 ( 0 ( )) 1 2 0 1 1 = = x3 3x2 + x. p(x) = f f 1 p(x) = f (x3 + x + 1) = 0 0 1 3 0 3 1 1 0 0 0 1
d) Los autovalores del endomorsmo f son las soluciones de la ecuacin caracter o stica |A Id4 | = 0 : 1 1 0 0 0 1 2 0 = (1 )4 = 0. 0 0 1 3 0 0 0 1
Evidentemente, = 1 es la unica ra del polinomio caracter z stico y tiene multiplicidad 4. Por tanto, el unico autovalor de f es = 1 y su multiplicidad algebraica es igual a 4. El subespacio propio asociado al autovalor = 1 es { } { ( ) } S1 = p(x) 3 [x] : f p(x) = p(x) = p(x) 3 [x] : p(x) p (x) = p(x) { } () = p(x) 3 [x] : p (x) = 0 = {a0 : a0 } = L = 0 [x] . e1
R R
El unico autoespacio de f es el subespacio vectorial de los polinomios constantes. Su dimensin es o 1, luego la multiplicidad geomtrica del autovalor = 1 es 1. e Como no coinciden las multiplicidades algebraica y geomtrica del unico autovalor, el endomorsmo e f no es diagonalizable y, consecuentemente, no existe una base de 3 [x] formada por autovectores de f. Cualquier subconjunto de autovectores de f con 2 o ms elementos es ligado mientras que a para obtener una base de 3 [x] se precisan 4 vectores linealmente independientes.
o u e) Para calcular la forma cannica de Jordan, hay que calcular los ncleos de las sucesivas potencias no nulas de la matriz A Id4 . Al ser 0 1 0 0 0 0 2 0 , A Id4 = 0 0 0 3 0 0 0 0 0 0 0 0 0 6 , (A Id4 )3 = 0 0 0 0 0 0 0 6 0 0 0 0 , (A Id4 )4 = 0 0 0 0 0 0 0 0 . 0 0
se tiene 0 0 (A Id4 )2 = 0 0 0 0 0 0 2 0 0 0 0 0 0 0 0 0 0 0
Ya se ha calculado Ker(A Id4 ) = S1 = 0 0 0 0 que, en forma habitual, es
R0[x].
2 0 0 0 0 a0 0 a1 0 6 = 0 a2 0 0 a3 0 } ,
Los elementos de Ker(A Id4 )2 son las soluciones del sistema de ecuaciones lineales 0 0 0 0
2a2 = 0 6a3 = 0 resultando
Ker(A Id4 )2 = {a0 + a1 x : a0 , a1
R} = L
({
) , } . e1 e2
Repitiendo el proceso, los elementos de Ker(A Id4 )3 son las soluciones del sistema de ecuaciones lineales 0 a0 0 0 0 6 0 0 0 0 a1 0 = 0 0 0 0 a2 0 0 a3 0 0 0 0
que es la ecuacin o 6a3 = 0, de donde Ker(A Id4 ) = {a0 + a1 x + a2 x : a0 , a1 , a2

3 2
({ ) , , } . e e } = L e1 2 3
Es evidente que Ker(A Id4 )3 =
R3[x].
Ker(A Id4 )3 Ker(A Id4 )4 =
Es vlida la siguiente cadena de subespacios: a { } 0 Ker(A Id4 ) Ker(A Id4 )2 Existe al menos un elemento de
R3[x].
R3[x] que no pertenece a Ker(AId4)3. Sea 4 = x3 este elemento. v
El conjunto de vectores { } B = 1 = (A Id4 )3 4 , 2 = (A Id4 )2 4 , 3 = (A Id4 )4 , 4 v v v v v v v es una base de 3 [x] respecto a la cual, la expresin matricial del endomorsmo f es la forma o cannica de Jordan. o Como 0 0 0 0 0 0 0 0 0 6 0 0 0 0 0 0 0 0 = , 0 0 0 3 0 0 0 1 0 0 0 0 0 0 1 0 0 0 6 0 6 0 0 0 6 0 2 0 = , = , 0 0 0 0 0 0 3 0 0 0 1 0 0 0 0 0 1 0
0 0 0 0
2 0 0 0
los vectores de B son los polinomios = 6, = 6x, = 3x2 , = x3 . v1 v2 v3 v4 La matriz P que tiene como columnas las coordenadas de los polinomios de B respecto a la base B es invertible y es la matriz de cambio que proporciona la matriz en forma cannica de Jordan o del endomorsmo f, de tal manera que 1 6 0 0 0 1 1 0 0 6 0 0 0 1 1 0 0 0 1 0 0 0 1 2 0 0 6 0 0 0 1 1 0 6 = . P 1 AP = 1 0 0 0 0 1 3 0 0 3 0 0 0 1 1 3 0 0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 1
o Ejercicio 6.38 Diagonalizacin del endomorsmo derivada en 2 [x] Obtener los autovalores y autovectores de D y estudiar si es diagonalizable la aplicacin lineal o 2 : a ,a ,a D : 2 [x] 2 [x] tal que a cada polinomio de 2 [x] = {p(x) = a0 + a1 x + a2 x } le 0 1 2 hace corresponder su derivada.
Solucin: o = a + a x + a x2 es un autovector de D, asociado al autovalor , entonces D( ) = , de Si v v v 0 1 2 donde a1 + 2a2 x = a0 + a1 x + a2 x2 .
6 Los coecientes de cumplen las siguientes relaciones: v a1 = a0 2a2 = a1 . 0 = a2 Se presentan los siguientes casos: Si = 0, entonces a1 = a2 = 0 y =a . v 0
Si = 0, entonces a0 = a1 = a2 = 0, por lo que = 0 no puede ser autovalor de D. El homomorsmo D slo tiene un autovalor, = 0, y el subespacio propio asociado subespacio o formado por los autovectores es el conjunto formado por los polinomios constantes: S0 = {a0 : a0
R}. R
El homomorsmo D no es diagonalizable porque al ser 1 la dimensin del unico autoespacio S0 o no se pueden encontrar tres autovectores linealmente independientes que formen una base de 2 [x].
Ejercicio 6.39 Diagonalizacin del endomorsmo derivada en un subespacio de C 1 ( ) o Sea S = {f1 (x) = e3x , f2 (x) = xe3x , f3 (x) = x2 e3x } un subconjunto del espacio vectorial real de las funciones reales de variable real F( , ), sea U = L(S) la variedad lineal de F( , ) generada por S, y sea D : U U la aplicacin lineal que a cada funcin de U le hace corresponder su funcin o o o derivada: ( ) D f (x) = f (x).
RR
RR
Se pide: a) Demostrar que S es una base de U. b) Hallar la matriz de D respecto a la base S. c) Calcular Ker(D) y Img(D) especicando una base de cada subespacio. d) Obtener los autovalores y los subespacios propios de D. Es D diagonalizable? Solucin: o a) Claramente, S es un sistema de generadores de L(S). S tambin es un conjunto libre ya que si x e
e3x + xe3x + x2 e3x = 0, entonces e3x ( + x + x2 ) = 0 o equivalentemente + x + x2 = 0;
Para los valores x = 0, x = 1 y x = 1 los parmetros , y tienen que cumplir las relaciones a = 0 ++ =0 + =0 que slo se satisfacen cuando = = = 0. o S es una base de U. b) Las columnas de la matriz A de D respecto a la base S son las coordenadas de las imgenes de los a elementos de S respecto a la base S. Como las imgenes de los elementos de S mediante D son a ( ) D f1 (x) = 3e3x = 3f1 (x), ( ) D f2 (x) = e3x + 3xe3x = f1 (x) + 3f2 (x), ( ) D f3 (x) = 2xe3x + 3x2 e3x = 2f2 (x) + 3f3 (x), la matriz de D respecto a la base S es 3 1 0 A = 0 3 2 . 0 0 3 o c) Es inmediato comprobar que el rango de la matriz A es 3, luego la dimensin de Img(D) es 3 y Img(D) coincide con el espacio de llegada U. Adems, como la dimensin del espacio de partida a o de D, U, tambin es 3, la dimensin de Ker(D) es 3-3=0. e o Una base de Img(D) = U es S. { } La dimensin de Ker(D) = 0 es 0, luego una base suya no puede tener elementos, o Ker(D) = L(). { } El conjunto 0 no es una base de Ker(D) ni de ningn subespacio vectorial porque no es un u conjunto libre al contener al vector 0 . d) El polinomio caracter stico de la matriz A es P () = |A Id3 | = 3 1 0 0 3 2 = (3 )3 . 0 0 3
Slo hay un autovalor de A porque P () slo tiene una ra = 3, triple. o o z,

A El subespacio propio asociado al autovalor = 3 es S3 = Ker(A 3 Id3 ).
Las soluciones del sistema homogneo de ecuaciones lineales de matriz de coecientes A Id3 , e 0 x 0 1 0 0 0 2 y = 0 , 0 z 0 0 0 forman el autoespacio buscado: { A S3 = (x, y, z)
R3 : y = 0, z = 0} = {(, 0, 0) R3 : R}.
6 { } A A La dimensin de S3 es 1 y (1, 0, 0) es una base de S3 . o
La matriz A no es diagonalizable porque la multiplicidad geomtrica del unico autovalor es 1 y la e multiplicidad algebraica es 3. Tanto el polinomio caracter stico, como los autovalores como los razonamientos sobre si es posible la diagonalizacin son idnticos para la matriz A y para el endomorsmo D, pero los autovectores o e y autoespacios no coinciden porque en un caso son elementos de 3 y en el otro son funciones. As el subespacio propio asociado al autovalor = 3 del endomorsmo D es , { } { 3x } D S3 = f1 (x) + 0f2 (x) + 0f3 (x) : = e : U.
No se puede encontrar una base de U formada por vectores propios porque la multiplicidad geomtrica del unico autovalor, = 3, es 1 mientras que su multiplicidad algebraica es 3, luee go el endomorsmo D no es diagonalizable.
Ejercicio 6.40 Diagonalizacin de endomorsmos complejos con todos los autovalores de multiplicio dad geomtrica 1 e Encontrar un endomorsmo de un -espacio vectorial tal que todos sus autovalores tengan multiplicidad geomtrica 1 y que no sea diagonalizable. e
) 1 1 El endomorsmo f : de matriz A = no es diagonalizable. 0 1 Su polinomio caracter stico es P () = (1 )2 y solamente tiene un autovalor, = 1, de multiplicidad geomtrica 1 porque el autoespacio asociado a = 1, e { } S1 = (, 0) : , Solucin: o
tiene dimensin 1, circunstancia que hace imposible encontrar una base de o tores.
C2 formada por autovec-
o Ejercicio 6.41 Diagonalizacin de endomorsmos complejos o reales con todos los autovalores reales Sea U un espacio vectorial sobre el cuerpo de los nmeros complejos/reales. u Encontrar un endomorsmo f : U U no diagonalizable y tal que todas las ra ces del polinomio caracter stico de la matriz A asociada a f (autovalores) sean reales. Solucin: o El que todos los autovalores de un endomorsmo de un espacio vectorial complejo o real sean reales no es determinante para asegurar o negar que es diagonalizable. Todos los autovalores del endomorsmo f :
C2 C2 tal que
( ) 1 1 , 0 1
f (z1 , z2 ) = (z1 + z2 , z2 ) son reales porque su matriz es A=
su polinomio caracter stico es P () = (1 )2 y slo tiene un unico autovalor doble y real: = 1. o El endomorsmo f no es diagonalizable porque el autoespacio asociado al unico autovalor tiene dimensin 1, o { } S1 = (z, 0) : z ,
y la multiplicidad algebraica del autovalor es 2. Por otra parte, el endomorsmo identidad, Id : y es diagonalizable.
C2 C2, slo tiene un autovalor real, = 1, o R2 R2 tal que
Todas las ra ces del polinomio caracter stico de la aplicacin lineal f : o f (x, y) = (x, x + y) son reales porque la matriz asociada a f es A= y su polinomio caracter stico es P () = (1 )2 que slo tiene un unico autovalor doble y real: = 1. o ( )
1 0 1 1
Sin embargo, f no es diagonalizable porque el unico autovalor tiene multiplicidad algebraica 2 y multiplicidad geomtrica 1 porque e { } S1 = (0, ) : .
Igual que en el caso complejo, el endomorsmo identidad, Id : real, = 1, y es diagonalizable.
R2 R2, slo tiene un autovalor o
Ejercicio 6.42 Diagonalizacin y rango mximo o a Estudiar la veracidad o falsedad de las siguientes armaciones: a) Toda matriz diagonalizable tiene rango mximo. a b) Toda matriz de rango mximo es diagonalizable. a Solucin: o a) Hay matrices diagonalizables que no tienen rango mximo. a Por ejemplo, la matriz nula, 0 Mn ( ), es diagonalizable y no tiene rango mximo para ningn a u n = 1, 2, 3, . . . b) Hay matrices cuadradas de rango mximo que no son diagonalizables. a ( ) 1 1 Por ejemplo, A = M2 ( ) tiene rango mximo porque |A| = 1 = 0 pero no es diagoa 0 1 nalizable porque slo tiene un autovalor, = 1, de multiplicidad algebraica 2 y de multiplicidad o geomtrica 1. e
Por otra parte, hay matrices de rango mximo que no son cuadradas, por lo que el concepto de a diagonalizacin en este caso no tiene mucho sentido. o
Ejercicio 6.43 Diagonalizacin y ra cuadrada de una matriz o z a) Demostrar que si A Mn ( ) es diagonalizable y todos sus autovalores reales son no negativos, entonces existe B Mn ( ) tal que B 2 = A.
b) Encontrar dos matrices A, B Mn ( ) tales que A no sea diagonalizable y B 2 = A. Solucin: o a) Si A es una matriz diagonalizable con coecientes reales, entonces P, D Mn ( ) tales que A = P DP 1 siendo P una matriz regular y D una matriz diagonal cuyos elementos son los autovalores de A. Si los autovalores repetidos o no de A son 1 , 2 , . . . , n y todos son nmeros reales no negativos, u entonces existen las ra ces cuadradas de todos ellos. La matriz real B=P cumple 1 0 0 2 0 2 0 B =P . . . . . . 0 0 1 0 0 2 0 0 =P . . . . . . 0 0 1 0 0 0 2 0 =P 0 0 3 . . . . . . . . . 0 0 0 0 0 3 . .. . . . 0 0 1 0 0 0 2 0 P 1 P 0 0 . . . . . . . . . n 0 0 0 1 0 0 0 0 2 0 0 0 0 3 . . . . . . . . . . . . n 0 0 0 0 0 3 . .. . . . 0 .. . 0 0 0 P 1 = . . . n 1 0 0 2 0 0 . . . . . . 0 0 0 0 0 . .. . . . 0 0 0 0 P 1 . . . n
0 0 3 . .. . . . 0 0 0 0 P 1 = P DP 1 = A, . .. . . . n
0 0 0 P 1 . . . n
luego, existe al menos una matriz tal que el resultado de elevarla al cuadrado es la matriz inicial A. Observando el proceso constructivo y jugando con los signos menos de las ra ces cuadradas de los autovalores, puede haber ms de una matriz que satisfaga la condicin B 2 = A. a o ( )2 1 0 2 2 = Id y Por ejemplo, Id2 = Id2 , ( Id2 ) = Id2 . 2 0 1
b) Una manera de encontrar una matriz no diagonalizable que admita ra cuadrada es elevar al z cuadrado una matriz cualquiera y comprobar si el resultado es diagonalizable. ( ) 1 1 La matriz B = no es diagonalizable porque tiene un unico autovalor, 1 = 1 de multipli 0 1 cidad algebraica 2 y de multiplicidad geomtrica 1. e ( ) 1 2 La matriz B 2 = tampoco es diagonalizable porque tambin tiene un unico autovalor, e 0 1 1 = 1 de multiplicidad algebraica 2 y de multiplicidad geomtrica 1 pero s admite una matriz e ra cuadrada. z De este ejemplo, se puede concluir que hay matrices no diagonalizables que tienen ra cuadrada. z
Ejercicio 6.44 Unicidad de la matriz de paso Analizar la veracidad o falsedad de la siguiente armacin: o La matriz de cambio de base que diagonaliza a una matriz diagonalizable, es unica. Solucin: o La matriz cuadrada de orden 2 A= ( )
1 0 1 2
es diagonalizable porque su polinomio caracter stico, P () = |A Id2 | = 1 0 = (1 )(2 ), 1 2
tiene dos ra ces reales distintas. El autoespacio asociado al autovalor 1 = 1 es { ( ) ( ) ( )} 0 0 x 0 S1 = (x, y) 2 : = = {(x, y) 1 1 y 0
R2 : x + y = 0} = {(, ) : R} R2 : x = 0} = {(0, ) : R}.
y el autoespacio asociado al autovalor 1 = 2 es { ( ) ( ) ( )} 1 0 x 0 2 S2 = (x, y) : = = {(x, y) 1 0 y 0
Cualquier matriz, P, cuya primera columna sea un elemento no nulo de S1 y cuya segunda columna sea un elemento no nulo de S2 cumple ( ) ( ) ( ) ( ) 1 0 1 0 1 0 1 0 1 P P = o equivalentemente P =P . 1 2 0 2 1 2 0 2 Por ejemplo ( )( ) ( )( ) ( )( ) ( )( ) 1 0 1 0 1 0 1 0 1 0 1 0 1 0 1 0 = y = . 1 2 1 1 1 1 1 2 1 2 1 2 1 2 1 2 La armacin enunciada es falsa porque hay muchas matrices de cambio de base distintas que o diagonalizan a una matriz diagonalizable.
Ejercicio 6.45 Conmutatividad de matrices diagonalizables mediante la misma matriz de paso Demostrar que si las matrices A, B Mn ( ) son diagonalizables mediante la misma matriz invertible, entonces AB = BA.
Solucin: o Por hiptesis, existen matrices diagonales DA , DB Mn ( ) y existe P Mn ( ), invertible tales o 1 AP = D y P 1 BP = D o equivalentemente, A = P D P 1 y B = P D P 1 . que P A B A B Aplicando que P P 1 = P 1 P = Idn y que las matrices diagonales conmutan entre s DA DB = , DB DA , se tiene
AB = P DA P 1 P DB P 1 = P DA DB P 1 = P DB DA P 1 = P DB P 1 P DA P 1 = BA.
Ejercicio 6.46 Diagonalizacin del cuadrado de una matriz diagonalizable o Demostrar que si A Mn ( ) es una matriz diagonalizable, entonces A2 tambin lo es. e
Solucin: o Si A es diagonalizable, entonces existe una matriz invertible, P Mn ( ), y una matriz diagonal, D Mn ( ), tales que D = P 1 AP. Elevando al cuadrado esta ultima igualdad,
D2 = (P 1 AP )2 = (P 1 AP )(P 1 AP ) = P 1 A(P P 1 )AP = P 1 A2 P, luego A2 es diagonalizable porque existe una matriz invertible, P Mn ( ), y una matriz diagonal, D2 Mn ( ), tales que D2 = P 1 A2 P.
Ejercicio 6.47 Diagonalizacin de matrices simtricas o e Demostrar que toda matriz cuadrada 2 2, simtrica y con coecientes reales tiene autovalores e reales. Son diagonalizables las matrices cuadradas 2 2, simtricas, con coecientes reales y con un e unico autovalor? Solucin: o La forma general de una matriz cuadrada, simtrica y 2 2 es e ( ) a11 a12 A= . a12 a22 El polinomio caracter stico de A es |A Id2 | = a11 a12 = a11 a22 a11 a22 + 2 a2 = 2 (a11 + a22 ) + (a11 a22 a2 ). 12 12 a12 a22
Las ra de este polinomio son los autovalores de la matriz A. La condicin necesaria y suciente ces o 2 + bx + c, sean n meros reales es que su para que las ra ces de un polinomio de segundo grado, ax u discriminante = b2 4ac, no sea negativo (b2 4ac 0). En nuestro caso, el discriminante del polinomio caracter stico de A es mayor o igual que cero porque puede expresarse como suma de dos nmeros no negativos: u = (a11 + a22 )2 4(a11 a22 a2 ) = a2 + 2a11 a22 + a2 4a11 a22 + 4a2 12 11 22 12 = a2 2a11 a22 + a2 + 4a2 = (a11 a22 )2 + 4a2 0. 11 22 12 12
Luego, los autovalores de cualquier matriz con coecientes reales, simtrica y de dimensin 2 2 e o son nmeros reales. u El discriminante del polinomio caracter stico de las matrices reales, simtricas, 22 y con un unico e autovalor, es exactamente 0 ( = 0). Como = (a11 a22 )2 + 4a2 , los elementos de estas matrices 12 tienen que vericar a11 a22 = 0 y a12 = 0. Por tanto, las matrices reales, simtricas, 2 2 y con un unico autovalor son de la forma e ( ) a 0 A= 0 a y, consecuentemente, son diagonalizables porque ya son diagonales. Por otra parte, las matrices reales, simtricas, 2 2 y con dos autovalores tambin son diagonae e lizables porque el nmero de autovalores distintos coincide con la dimensin de la matriz y todos los u o autoespacios son de dimensin 1. o Puesto que no pueden tener autovalores complejos, todas las matrices reales, simtricas y de e dimensin 2 2 son diagonalizables. Una consecuencia inmediata de este resultado es que si la matriz o asociada al endomorsmo f : 2 2 respecto a una base B de 2 es simtrica, entonces f es e diagonalizable.
Ejercicio 6.48 Diagonalizacin de matrices( M2 ( ) o de ) 1 a Estudiar si las matrices de la forma A = M2 ( ), con a, b b 1 produce la misma casu stica si A M2 ( )?
R, son diagonalizables. Se
Solucin: o El polinomio caracter stico de la matriz A es P () = 1 a = 2 2 + (1 ab). b 1
Formalmente, las ra ces de P () son 1 = 1 + ab y 2 = 1 ab. Segn los valores de a y b se pueden producir las siguientes situaciones: u 1. Si a = b = 0, entonces la matriz A es la matriz identidad y es diagonalizable. 2. Si a = 0 y b = 0 entonces hay un unico autovalor, 1 = 1 de multiplicidad algebraica 2. El subespacio propio asociado al autovalor, S1 , es el ncleo de A Id2 que coincide con las u = , es decir soluciones del sistema homogneo (A Id2 ) x e 0 ( )( ) ( ) 0 0 x 0 = , b 0 y 0 de donde S1 = {(0, ) :
R}.
La multiplicidad geomtrica de 1 = 1 es 1 porque la dimensin del subespacio propio asociado, e o S1 , es 1. Como las multiplicidades geomtrica y algebraica no coinciden, entonces la matriz A no es e diagonalizable en este caso.
3. Si a = 0 y b = 0, la situacin es anloga al caso anterior, diriendo unicamente en que o a S1 = {(, 0) :
R}, R
pero concluyndose igualmente que la matriz A no es diagonalizable en este caso. e 4. Si a = 0, b = 0 y signo(a) = signo(b), entonces ab < 0 y ab . En este caso, la matriz A no tiene autovalores reales y consecuentemente no es diagonalizable. 5. Si a = 0, b = 0 y signo(a) = signo(b), entonces ab > 0 y ab
R {0}.
La matriz A de dimensin 2 tiene dos autovalores reales y distintos, luego es diagonalizable. o El subespacio propio asociado a 1 = 1 + ab es el ncleo de A (1 + ab) Id2 que coincide u ) ( x con las soluciones del sistema homogneo A (1 + ab Id2 ) = 0 , es decir e ( )( ) ( ) ab a x 0 = , y 0 b ab de donde S1+ab { ( ab ) = , : a
} .
El subespacio propio asociado a 2 = 1 ab es el ncleo de A (1 ab) Id2 que coincide u ) ( x con las soluciones del sistema homogneo A (1 ab) Id2 = 0 , es decir e ( )( ) ( ) x 0 ab a = , y 0 ab b de donde S1ab Como ab = 0, el conjunto { ( ab ) = , : a
} .
es una base de 2 formada por vectores propios y, respecto a ella, la expresin del endomorsmo o asociado a la matriz A es diagonal: ( )1 ( )( ) ( )( ) 1 ab a a a a a a 1 a 2ab 1 a = 2a b 1 b 1 ab ab ab ab ab ab 1 ab 2a 2ab ) ( 1 + ab 0 . = 0 1 ab Para el caso complejo, se mantienen todos los casos anteriores salvo el 4 que debe integrarse con el 5 porque en la ra cuadrada siempre existe. z
} { B = (a, ab), (a, ab)
2 Ejercicio 6.49 Diagonalizacin de giros en ) o ( cos sen Estudiar si la matriz A = es diagonalizable para cualquier valor real de . sen cos
Solucin: o El polinomio caracter stico de la matriz A es P () = cos sen = (cos )2 + sen2 sen cos
= cos2 2 cos + 2 + sen2 = 2 2 cos + 1. Los autovalores de la matriz A son las ra ces de P () : =1 cos2 1.
Salvo para los valores de tales que cos2 = 1, la matriz A no tiene autovalores reales, por lo que no es diagonalizable en . Por ejemplo, la matriz ( )
A= correspondiente a = Si cos2
4
2 2 22
2 2 2 2
no es diagonalizable.
= 1, entonces sen = 0 y la matriz A es de la forma A =
A no es diagonalizable para cualquier valor
R. R3
1 0 0 1
) oA=
) 1 0 . 0 1
Ejercicio 6.50 Diagonalizacin de matrices y endomorsmos de o Estudiar si las matrices y/o endomorsmos siguientes 1 1 1 1 0 , a) A = 0 0 1 0 1 2 2 1 0 , b) B = 0 0 2 1 1 1 1 c) C = 0 2 0 , 0 0 2 1 0 1 d) E = 0 1 1 , 1 1 0 e) f : f) g)
R3 R3 tal que f (x, y, z) = (3x + y + 5z, 7y, 7z), g : R3 R3 tal que g(x, y, z) = (y, z, y), h : R3 R3 tal que h(x, y, z) = (y, z, y).
son diagonalizables. Solucin: o
a) El polinomio caracter stico de la matriz A es 1 1 1 0 1 0 = (1 )2 . |A Id3 | = 0 1 Los autovalores de la matriz A son las ra ces del polinomio caracter stico de A. En este caso: = 0 y = 1 (doble). Cada autovalor est asociado a un subespacio de a autoespacio asociado a .
R3
que se denomina subespacio propio o
El subespacio propio asociado al autovalor = 0 es Ker(A). Se trata del subespacio formado por las soluciones del sistema 1 1 1 v1 T = 0 v2 = , 1 0 0 Av v3 0 1 0 es decir v1 + v2 + v3 = 0 v2 = 0 , v2 = 0 Ker(A) = {(a, 0, a) : a
luego
R}.
La dimensin de este subespacio propio es 1 porque sus elementos pueden describirse con un o solo parmetro. Cualquier conjunto formado por un vector no nulo del subespacio es una base a suya, por ejemplo: B0 = {(1, 0, 1)}. El subespacio propio asociado al autovalor = 1 es Ker(A Id3 ). Se trata del subespacio formado por las soluciones del sistema 0 1 1 v1 0 0 v2 = 0 , (A Id3 ) T = 0 v 0 1 1 v3 es decir v2 + v3 = 0 v2 v3 = 0 luego Ker(A Id3 ) = {(a, b, b) : a, b } ,
R}.
La dimensin de este subespacio propio es 2 porque el menor nmero de parmetros necesarios o u a para describir sus elementos es 2. Tomando los pares de valores a = 1, b = 0 y a = 0, b = 1, se obtiene una base del subespacio: B1 = {(1, 0, 0), (0, 1, 1)}.
El conjunto es una base de 3 formada por vectores propios. Por tanto, la matriz A es diagonalizable y existe una matriz cuadrada P tal que P 1 AP = D, siendo D una matriz diagonal. La matriz diagonal est formada por los autovalores a 0 0 0 1 D= 0 0 de A : 0 0 1
B = B0 B1 = {(1, 0, 1), (1, 0, 0), (0, 1, 1)}
y la matriz P de cambio de base, tiene como columnas los elementos de la base B colocados en el orden considerado al colocar los autovalores en D : 1 1 0 1 . P = 0 0 1 0 1 La matriz inversa de P es P 1 0 1 1 1 1 . = 1 0 1 0
Puede comprobarse que 0 1 1 1 1 1 1 1 0 0 0 0 1 1 0 1 0 0 0 1 = 0 1 0 . P 1 AP = 1 0 1 0 0 1 0 1 0 1 0 0 1 stico de la matriz B es b) El polinomio caracter 1 2 2 0 1 0 |B Id3 | = = (1 )2 (1 ). 0 2 1 Los autovalores de la matriz B son las ra ces del polinomio caracter stico de B. En este caso: = 1 y = 1 (doble). Cada autovalor est asociado a un subespacio de a autoespacio asociado a .
R3
El subespacio propio asociado al autovalor = 1 es Ker(B + Id3 ). Se trata del subespacio formado por las soluciones del sistema v1 2 2 2 T = 0 v2 = , 2 0 0 (B + Id3 ) v v3 0 2 0 es decir 2v1 + 2v2 + 2v3 = 0 2v2 = 0 , 2v2 = 0
luego Ker(B + Id3 ) = {(a, 0, a) : a
R}.
La dimensin de este subespacio propio es 1 porque sus elementos pueden describirse con un o solo parmetro. Cualquier conjunto formado por un vector no nulo del subespacio es una base a suya, por ejemplo: B1 = {(1, 0, 1)}. El subespacio propio asociado al autovalor = 1 es Ker(B Id3 ). Se trata del subespacio formado por las soluciones del sistema 0 2 2 v1 0 0 v2 = 0 , (B Id3 ) T = 0 v v3 0 2 2 es decir 2v2 + 2v3 = 0 2v2 2v3 = 0 luego Ker(B Id3 ) = {(a, b, b) : a, b } ,
R}.
La dimensin de este subespacio propio es 2 porque el menor nmero de parmetros necesarios o u a para describir sus elementos es 2. Tomando los pares de valores a = 1, b = 0 y a = 1, b = 0, se obtiene una base del subespacio: B1 = {(1, 0, 0), (0, 1, 1)}. El conjunto B = B1 B1 = {(1, 0, 1), (1, 0, 0), (0, 1, 1)}
es una base de 3 formada por vectores propios. Por tanto, la matriz B es diagonalizable y existe una matriz cuadrada P tal que P 1 BP = D, siendo D una matriz diagonal. La matriz diagonal est formada por los autovalores de B : a 1 0 0 D = 0 1 0 0 0 1 y la matriz P de cambio de base, tiene como columnas los elementos de la base B colocados en el orden considerado al colocar los autovalores en D : 1 1 0 1 . P = 0 0 1 0 1 La matriz inversa de P es P 1 Puede comprobarse que 0 1 1 1 1 . = 1 0 1 0
1 0 0 1 1 0 1 2 2 0 1 1 1 = 0 1 0 . 1 0 0 0 1 1 0 P 1 BP = 1 0 0 1 1 0 1 0 2 1 0 1 0
c) El polinomio caracter stico de la matriz C es 1 1 1 0 2 0 |C Id3 | = = (1 )(2 )2 . 0 0 2 Los autovalores de la matriz C son las ra ces del polinomio caracter stico de C. En este caso: = 1 y = 2 (doble). Cada autovalor est asociado a un subespacio de a autoespacio asociado a . El subespacio propio asociado al autovalor formado por las soluciones del sistema 0 T = 0 (C Id3 ) v 0 es decir
R3
= 1 es Ker(C Id3 ). Se trata del subespacio 1 1 v1 v2 = , 1 0 0 v3 0 1
v2 + v3 = 0 v2 = 0 , v3 = 0 Ker(C Id3 ) = {(a, 0, 0) : a
luego
R}.
La dimensin de este subespacio propio es 1 porque sus elementos pueden describirse con un o solo parmetro. Cualquier conjunto formado por un vector no nulo del subespacio es una base a suya, por ejemplo: B1 = {(1, 0, 0)}. El subespacio propio asociado al autovalor = 2 es formado por las soluciones del sistema 1 1 T = 0 0 (C 2 Id3 ) v 0 0 que est formado solamente por la ecuacin a o v1 + v2 + v3 = 0, luego Ker(C 2 Id3 ) = {(a + b, a, b) : a, b Ker(C 2 Id3 ). Se trata del subespacio 1 v1 v2 = 0 0 0 v3
R}.
La dimensin de este subespacio propio es 2 porque el menor nmero de parmetros necesarios o u a para describir sus elementos es 2. Tomando los pares de valores a = 1, b = 0 y a = 0, b = 1, se obtiene una base del subespacio: B2 = {(1, 1, 0), (1, 0, 1)}.
El conjunto es una base de 3 formada por vectores propios de la matriz C. Por tanto, la matriz C es diagonalizable y existe una matriz cuadrada P tal que P 1 CP = D, siendo D una matriz diagonal. La matriz diagonal est formada por los autovalores a 1 0 D = 0 2 0 0 de C : 0 0 2
B = B1 B2 = {(1, 0, 0), (1, 1, 0), (1, 0, 1)}
y la matriz P de cambio de base, tiene como columnas los elementos de la base B colocados en el orden considerado al colocar los autovalores en D : 1 1 1 P = 0 1 0 . 0 0 1 La matriz inversa de P es P 1 1 1 1 1 0 . = 0 0 0 1
Puede comprobarse que 1 1 1 1 1 1 1 1 1 1 0 0 1 0 0 2 0 0 1 0 = 0 2 0 . P 1 AP = 0 0 0 1 0 0 2 0 0 1 0 0 2 stico de la matriz E es d) El polinomio caracter 1 0 1 0 1 1 = (1 )2 2(1 ) = (1 )(2 2) |E Id3 | = 1 1 = (1 )(1 + )( 2). Los autovalores de la matriz E son las ra ces del polinomio caracter stico de E. En este caso: 1 = 1, 2 = 1 y 3 = 2. Como la dimensin del espacio vectorial V es tres y hay tres autovalores distintos, entonces la o matriz E es diagonalizable porque puede encontrarse una base formada por autovectores de E. Cada autovalor est asociado a un subespacio de a autoespacio asociado a . El subespacio propio asociado al autovalor 1 formado por las soluciones del sistema 2 (E + Id3 ) T = 0 v 1
R3
= 1 es Ker(E + Id3 ). Se trata del subespacio v1 0 1 2 1 v2 = 0 , v3 1 1
es decir
2v1 + v3 = 0 2v2 + v3 = 0 , v1 + v2 + v3 = 0
luego Ker(E + Id3 ) = {(x, y, z)
R3 : x y = 0,
2x + z = 0} = {(a, a, 2a) : a
R}.
La dimensin de este subespacio propio es 1 porque sus elementos pueden describirse con un o solo parmetro. Cualquier conjunto formado por un vector no nulo del subespacio es una base a suya, por ejemplo: B1 = {(1, 1, 2)}. El subespacio propio asociado al autovalor 2 = 1 es Ker(E Id3 ). Se trata del subespacio formado por las soluciones del sistema 0 0 1 v1 1 v2 = 0 , (E Id3 ) T = 0 0 v 1 1 1 v3 es decir v3 = 0 v1 + v2 v3 = 0 luego Ker(E Id3 ) = {(a, a, 0) : a, b } ,
R}.
La dimensin de este subespacio propio es 1 porque sus elementos pueden describirse con un o solo parmetro. Cualquier conjunto formado por un vector no nulo del subespacio es una base a suya, por ejemplo: B1 = {(1, 1, 0)}. El subespacio propio asociado al autovalor 3 = 2 es Ker(E 2 Id3 ). Se trata del subespacio formado por las soluciones del sistema 1 0 1 v1 T = 0 1 v2 = , 1 (E 2 Id3 ) v 0 1 1 2 v3 es decir v1 + v3 = 0 v2 + v3 = 0 , v1 + v2 2v3 = 0 Ker(E 2 Id3 ) = {(x, y, z)
luego
R3 : x = y,
y = z} = {(a, a, a) : a, b
R}.
La dimensin de este subespacio propio es 1 porque sus elementos pueden describirse con un o solo parmetro. Cualquier conjunto formado por un vector no nulo del subespacio es una base a suya, por ejemplo: B2 = {(1, 1, 1)}.
El conjunto es una base de 3 formada por vectores propios de la matriz E, por tanto, la matriz E es diagonalizable y existe una matriz cuadrada P tal que P 1 EP = D, siendo D una matriz diagonal. La matriz diagonal est formada por los autovalores de E : a 1 0 0 D = 0 1 0 0 0 2 y la matriz P de cambio de base, tiene como columnas los elementos de la base B colocados en el orden considerado al colocar los autovalores en E : 1 1 1 P = 1 1 1 . 2 0 1 La matriz inversa de P es P 1 Puede comprobarse que 1 1 2 1 0 1 1 1 1 1 0 0 1 0 0 1 1 1 1 1 = 0 1 0 D = P 1 EP = 3 3 6 2 2 2 1 1 0 2 0 1 0 0 2 y que 1 0 1 1 1 1 1 1 1 1 0 0 EP = 0 1 1 1 1 1 = 1 1 1 0 1 0 = P D. 1 1 0 2 0 1 2 0 1 0 0 2 1 1 2 1 0 . = 3 3 6 2 2 2
B = B1 B1 B2 = {(1, 1, 2), (1, 1, 0), (1, 1, 1)}
o o e) Un endomorsmo, f, de un espacio vectorial de dimensin nita es diagonalizable si y slo si existe una base respecto a la cual su matriz es diagonal. Por tanto, el problema de la diagonalizacin de o endomorsmos es equivalente al de diagonalizacin de matrices cuadradas. o La matriz del endomorsmo f asociada a la base B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} es 3 1 5 M = 0 7 0 0 0 7
porque las imgenes de los elementos de la base B son a f (1, 0, 0) = (3, 0, 0), f (0, 1, 0) = (1, 7, 0) y f (0, 0, 1) = (5, 0, 7). El polinomio caracter stico de la matriz M es |M Id3 | = 3 1 5 0 7 0 = (3 )(7 )2 . 0 0 7
Los autovalores de la matriz M son las ra ces del polinomio caracter stico de M. En este caso: = 3 y = 7 (doble). Cada autovalor est asociado a un subespacio de a autoespacio asociado a .
R3
El subespacio propio asociado al autovalor = 3 es formado por las soluciones del sistema 0 1 T = 0 4 (M 3 Id3 ) v 0 0 es decir
Ker(M 3 Id3 ). Se trata del subespacio 5 v1 v2 = , 0 0 v3 4
v2 + 5v3 = 0 4v2 = 0 , 4v3 = 0 Ker(M 3 Id3 ) = {(, 0, 0) :
luego
R}.
La dimensin de este subespacio propio es 1 porque sus elementos pueden describirse con un o solo parmetro. Cualquier conjunto formado por un vector no nulo del subespacio es una base a suya, por ejemplo: B3 = {(1, 0, 0)}. El subespacio propio asociado al autovalor = 7 formado por las soluciones del sistema 4 T = 0 (M 7 Id3 ) v 0 que est formado solamente por la ecuacin a o 4v1 + v2 + 5v3 = 0, luego Ker(M 7 Id3 ) = {(, 4 5, ) : , es Ker(M 7 Id3 ). Se trata del subespacio 1 5 v1 v2 = 0 0 0 0 0 v3
R}.
La dimensin de este subespacio propio es 2 porque el menor nmero de parmetros necesarios o u a para describir sus elementos es 2. Tomando los pares de valores = 1, = 0 y = 0, = 1, se obtiene una base del subespacio: B7 = {(1, 4, 0), (0, 5, 1)}. El conjunto es una base de 3 formada por vectores propios del endomorsmo f. Por tanto, el endomorsmo f y la matriz M son diagonalizables y existe una matriz cuadrada P tal que P 1 M P = D, siendo D una matriz diagonal.
B = B3 B7 = {(1, 0, 0), (1, 4, 0), (0, 5, 1)}
La matriz diagonal D est formada por los autovalores de f : a 3 0 0 D = 0 7 0 0 0 7 y la matriz P de cambio de base, tiene como columnas los elementos de la base B colocados en el orden considerado al colocar los autovalores en D : 1 1 0 P = 0 4 5 . 0 0 1 La matriz inversa de P es P 1 1 1 4 5 4 1 5 . = 0 4 4 0 0 1
Puede comprobarse que 1 1 5 3 1 5 1 1 0 3 0 0 4 4 5 1 = 0 7 0 . P 1 M P = 0 4 4 0 7 0 0 4 5 0 0 1 0 0 7 0 0 1 0 0 7
f ) La matriz del endomorsmo g asociada a la base B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} es 0 1 0 M = 0 0 1 0 1 0
porque las imgenes de los elementos de la base B son a g(1, 0, 0) = (0, 0, 0), g(0, 1, 0) = (1, 0, 1) y g(0, 0, 1) = (0, 1, 0). El polinomio caracter stico de la matriz M es 1 0 1 = (2 1) = ( 1)( + 1). |M Id3 | = 0 0 1 Los autovalores de la matriz M son las ra ces del polinomio caracter stico de M. En este caso: 1 = 1, 2 = 0 y 3 = 1. Como la dimensin del espacio vectorial 3 es tres y hay tres autovalores distintos, el endomorsmo o g es diagonalizable porque se puede encontrar una base de 3 formada por autovectores de g. Cada autovalor est asociado a un subespacio de a autoespacio asociado a .
El subespacio propio asociado al autovalor 1 = 1 es Ker(M + Id3 ). Se trata del subespacio formado por las soluciones del sistema 1 1 0 v1 T (M + Id3 ) = 0 1 1 v2 = 0 , v 0 1 1 v3 es decir } v1 + v2 = 0 v2 + v3 = 0 luego Ker(M + Id3 ) = {(, , ) :
R}.
La dimensin de este subespacio propio es 1 porque sus elementos pueden describirse con un o solo parmetro. Cualquier conjunto formado por un vector no nulo del subespacio es una base a suya, por ejemplo: B1 = {(1, 1, 1)}. El subespacio propio asociado al autovalor 2 = 0 es Ker(M ). Se trata del subespacio formado por las soluciones del sistema 0 1 0 v1 T = 0 0 1 v = , Mv 0 2 0 1 0 v3 es decir v2 = 0 v3 = 0 luego Ker(M ) = {(, 0, 0) : } ,
R}.
La dimensin de este subespacio propio es 1 porque sus elementos pueden describirse con un o solo parmetro. Cualquier conjunto formado por un vector no nulo del subespacio es una base a suya, por ejemplo: B0 = {(1, 0, 0)}. El subespacio propio asociado al autovalor 3 = 1 es Ker(M Id3 ). Se trata del subespacio formado por las soluciones del sistema 1 1 0 v1 T 1 v2 = 0 , (M Id3 ) = 0 1 v 0 1 1 v3 es decir v1 + v2 = 0 v2 + v3 = 0 luego Ker(M Id3 ) = {(, , ) : } ,
R}.
La dimensin de este subespacio propio es 1 porque sus elementos pueden describirse con un o solo parmetro. Cualquier conjunto formado por un vector no nulo del subespacio es una base a suya, por ejemplo: B1 = {(1, 1, 1)}.
El conjunto es una base de 3 formada por vectores propios del endomorsmo g. Por tanto, el endomorsmo g y la matriz M son diagonalizables y existe una matriz cuadrada P tal que P 1 M P = D, siendo D una matriz diagonal. La matriz diagonal D est formada por los autovalores de g : a 1 0 0 D = 0 0 0 0 0 1 y la matriz P de cambio de base, tiene como columnas los elementos de la base Ba colocados en el orden considerado al colocar los autovalores en D : 1 1 1 P = 1 0 1 . 1 0 1 La matriz inversa de P es P 1 Puede comprobarse que 0 1 1 1 2 0 2 . = 2 0 1 1
Ba = B1 B0 B1 = {(1, 1, 1), (1, 0, 0), (1, 1, 1)}
0 1 1 0 1 0 1 1 1 1 0 0 1 0 2 0 0 1 1 0 1 = 0 0 0 . P 1 M P = 2 2 0 1 1 0 1 0 1 0 1 0 0 1
g) La matriz del endomorsmo h asociada a la base B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} es 0 1 0 0 1 M = 0 0 1 0 h(1, 0, 0) = (0, 0, 0), h(0, 1, 0) = (1, 0, 1) y h(0, 0, 1) = (0, 1, 0). El polinomio caracter stico de la matriz M es 1 0 1 = (2 + 1). |M Id3 | = 0 0 1 Los autovalores de la matriz M son las ra ces del polinomio caracter stico de M. En este caso: 1 = 0, 2 = i y 3 = i. Si h fuera un endomorsmo complejo, h : 3 3 , entonces ser diagonalizable porque tendr a a tres autovalores distintos y la dimensin del espacio vectorial 3 es tres. Sin embargo, el endomorso mo real h de matriz M no es diagonalizable porque slo hay un autovalor real cuyas multiplicidades o algebraica y geomtrica son uno. e
porque las imgenes de los elementos de la base B son a
Cada autovalor est asociado a un subespacio de a autoespacio asociado a .
R3
El subespacio propio asociado al autovalor 1 = 0 es Ker(M ). Se trata del subespacio formado por las soluciones del sistema 0 1 0 v1 T = 0 v2 = , 0 1 M v 0 0 1 0 v3 es decir v2 = 0 v3 = 0 luego Ker(M ) = {(, 0, 0) : } ,
R}.
La dimensin de este subespacio propio es 1 porque sus elementos pueden describirse con un o solo parmetro. Cualquier conjunto formado por un vector no nulo del subespacio es una base a suya, por ejemplo: B0 = {(1, 0, 0)}. El subespacio propio asociado al autovalor i = i es Ker(M i Id3 ). Se trata del subespacio formado por las soluciones del sistema i 1 0 v1 T = 0 i v2 = , 1 (M i Id3 ) v 0 0 1 i v3 es decir iv1 + v2 = 0 iv2 + v3 = 0 , v2 iv3 = 0 Ker(M i Id3 ) = {(, i, ) :
luego
R}.
La dimensin de este subespacio propio es 1 porque sus elementos pueden describirse con un o solo parmetro. Cualquier conjunto formado por un vector no nulo del subespacio es una base a suya, por ejemplo: Bi = {(1, i, 1)}. El subespacio propio asociado al autovalor 3 = i es Ker(M +i Id3 ). Se trata del subespacio formado por las soluciones del sistema i 1 0 v1 T i 1 v2 = 0 , (M + i Id3 ) = 0 v 0 1 i v3 es decir iv1 + v2 = 0 iv2 + v3 = 0 , v2 + iv3 = 0 Ker(M Id3 ) = {(, i, ) :
luego
R}.
La dimensin de este subespacio propio es 1 porque sus elementos pueden describirse con un o solo parmetro. Cualquier conjunto formado por un vector no nulo del subespacio es una base a suya, por ejemplo: Bi = {(1, i, 1)}.
El conjunto es una base de 3 formada por vectores propios del endomorsmo complejo h. Por tanto, el endomorsmo complejo h y la matriz M son diagonalizables y existe una matriz cuadrada P tal que P 1 M P = D, siendo D una matriz diagonal con coecientes complejos. La matriz diagonal D est formada por los autovalores complejos de h : a 0 0 0 0 D = 0 i 0 0 i y la matriz P de cambio de base, tiene como columnas los elementos de la base Ba colocados en el orden considerado al colocar los autovalores en D : 1 1 1 i i . P = 0 0 1 1 La matriz inversa de P es P 1 Puede comprobarse que 2 0 2 0 1 0 1 1 1 0 0 0 1 0 1 0 i i = 0 i 0 . P 1 M P = 0 i 1 0 2 0 i 1 0 1 0 0 1 1 0 0 i Por otra parte, puede hallarse una forma cannica real de Jordan de la matriz M. Para ello, basta o 3 formada por un autovector real de h y por los vectores obtenidos al considerar una base de calcular la parte real y la parte imaginaria del vector complejo de Bi (o de Bi ): 2 0 2 1 = 0 i 1 . 2 0 i 1
Ba = B0 Bi Bi = {(1, 0, 0), (1, i, 1), (1, i, 1)}
Br = {(1, 0, 0), (1, i, 1), (1, i, 1)} = {(1, 0, 0), (1, 0, 1), (0, 1, 0)}. La matriz de cambio de base es 1 1 0 0 1 P = 0 0 1 0 1 0 1 = 0 0 1 , 0 1 0
y su inversa es P 1 resultando
1 0 0 0 0 0 1 1 0 0 1 0 1 0 1 0 1 = 0 0 1 = 0 0 1 0 P 1 M P = 0 0 1 0 (2 ) (2 ) . 0 1 0 0 1 0 0 1 0 0 1 0 0 (2 ) (2 )
Ejercicio 6.51 Potencias de una matriz calculadas mediante diagonalizacin o Calcular la potencia n-sima de la matriz e 0 1 0 A = 1 0 1 M3 ( ). 0 1 0
Solucin: o En el ejercicio 2.30 se calculan las potencias de varias matrices. A continuacin se presenta otro o mtodo basado en la diagonalizacin de la matriz de partida. Es un ejercicio interesante comparar e o los diferentes mtodos de clculo de potencias de matrices y reexionar sobre la utilidad de cada uno e a segn el caso en que se quiera aplicar. u El polinomio caracter stico de A es P () = y los autovalores de A son 1 = 0, 2 = 1 0 1 1 = 3 + 2 = (2 2) 0 1 2 y 3 = 2.
La matriz A es diagonalizable porque tiene tres autovalores distintos y su dimensin es 3 3. o Los subespacios propios asociados a cada autovalor son las soluciones del sistema homogneo e (A Id3 ) = 0 . x Si 1 = 0, el sistema que proporciona los autovectores asociados es 0 1 0 x 0 1 0 1 y = 0 0 1 0 z 0 que tiene como soluciones { S0 = (x, y, z) Si 2 = } { x + z = 0 = (, 0, )
R3 : y = 0,
R3 : R}.
2, el sistema que proporciona los autovectores asociados es 2 1 0 x 0 1 y = 0 2 1 z 0 0 1 2
que tiene como soluciones { S2 = (x, y, z)
R3 : x = z,
2x
} { 2y = 0 = (, 2, )
R3 : R}.
Si 3 = 2, el sistema que proporciona los autovectores asociados es 2 1 0 0 x 1 2 y = 0 1 0 z 2 0 1 que tiene como soluciones { S2 = (x, y, z) } { 2y = 0 = (, 2, )
R3 : x = z,
2x +
R3 : R}.
{ } El conjunto B = (1, 0, 1), (1, 2, 1), (1, 2, 1) es una base de propios de la matriz A. La matriz 1 1 1 P = 0 2 2 1 1 1
R3
formada por vectores
proporciona un cambio de base que transforma a la matriz A en una matriz diagonal D, de tal manera que D = P 1 AP. La inversa de la matriz P puede resultando, 1 1 1 1 0 2 2 0 1 1 1 0 de donde P 1 = y D= calcularse mediante transformaciones elementales entre las, 1 0 0 0 0 1 0 0 1 0 0 1 0 0 1 1
2 1 4 1 4 1 2 1 4 1 4
2 4 42
1 2
1 4 1 4
2 4 42
1 2 1 4 1 4
0 0 . 1 2 2
1
2 1 4 1 4
0
2 4 2 4
1 2
1 4 1 4
0 0 0 0 0 1 1 1 0 1 0 0 = 0 = 0 2 1 2 2 0 2 2 1 0 1 0 1 0 1 1 1 0 0 2 0 0
Como A = P DP 1 , la potencia n-sima de A puede calcularse en funcin de la potencia n-sima e o e de D : An = (P DP 1 )n = (P DP 1 )(P DP 1 ) (P DP 1 ) = P D(P 1 P )D(P 1 P ) (P 1 P )DP 1 = P Dn P 1 . Por tratarse de una matriz diagonal, la potencia n-sima de D se calcula inmediatamente: e 0 0 0 n 0 Dn = 0 2 2 n2 n 2 0 0 (1) y 1 0 1 0 0 0 1 1 1 2 2 n 2 1 1 0 An = 0 2 2 0 2 2 4 4 4 n n2 2 2 1 1 1 1 1 0 0 (1) 4 4 4 0 0 0 1 1 1 n3 n4 n4 2 2 2 2 = 0 2 2 2 2 . n3 n4 n4 n+1 2 2 n2 2 n2 2 1 1 1 (1) (1) (1) Seg n n sea par o impar, la expresin de la potencia n-sima de A es diferente: u o e n2 n2 2 2 0 2 2 n 0 si n par; 0 , 22 2 n2 0 2 n2 2 2 An = n1 0 0 2 2 n1 n1 2 2 0 2 2 , si n impar. n1 0 2 2 0
As ,
4 0 4 0 8 0 A6 = 0 8 0 y A7 = 8 0 8 . 4 0 4 0 8 0
Ejercicio 6.52 Diagonalizacin de matrices y endomorsmos de o Estudiar si el endomorsmo f : 4 4 denido por
R4
f (x, y, z, u) = (2x + y + z + u, x + 2y + z + u, z, u) es diagonalizable. Solucin: o Las imgenes de la base cannica de a o
R4 por la aplicacin lineal f son o

columnas son las imgenes de los elementos de a 1 1 1 0 1 1 . 0 1
f (1, 0, 0, 0) = (2, 1, 0, 0), f (0, 1, 0, 0) = (1, 2, 0, 0), f (0, 0, 1, 0) = (1, 1, 1, 0) y f (0, 0, 0, 1) = (1, 1, 0, 1) y la matriz de f respecto a la base cannica cuyas o dicha base es 2 1 1 2 A= 0 0 0 0
Los autovalores de f son las ra ces del polinomio caracter stico 2 1 1 1 1 2 1 1 P () = |A Id4 | = = (1 )2 (3 4 + 2 ) = (1 )3 (3 ). 0 0 1 0 0 0 0 1 El endomorsmo f tiene dos autovalores: 1 = 1 con multiplicidad algebraica 3 y 2 = 3 con multiplicidad algebraica 1. El subespacio propio asociado al autovalor 1 = 1 es Ker(A Id4 ). Como 1 1 A Id4 = 0 0 entonces Ker(A Id4 ) = {(x, y, z, u) 1 1 0 0 1 1 0 0 1 1 , 0 0
R4 : x + y + z + u = 0}
tiene dimensin 3 (multiplicidad geomtrica) porque est descrito por una ecuacin paramtrica o e a o e en un espacio de dimensin 4. Una base suya es o B1 = {(1, 1, 0, 0), (0, 1, 1, 0), (0, 0, 1, 1)}.
El subespacio propio asociado al autovalor 2 = 3 es Ker(A 3 Id4 ). Como 1 1 1 1 1 1 1 1 , A 3 Id4 = 0 0 2 0 0 0 0 2 el sistema homogneo de ecuaciones lineales asociado a esta matriz, (A 3 Id4 ) = 0 , es e x x + y + z + u = 0 x y + z + u = 0 2z = 0 2u = 0 x + y = 0 z=0 . u=0
que equivale a
Al haber tres ecuaciones independientes, las soluciones del sistema homogneo forman un subese pacio vectorial de dimensin 1 y basta un solo parmetro para describirlo: o a Ker(A 3 Id4 ) = {(, , 0, 0)
R4 : R}.
La multiplicidad geomtrica del autovalor 2 = 3 es 1 y una base del autoespacio asociado es e B3 = {(1, 1, 0, 0)}. La suma de las multiplicidades geomtricas de los autovalores coincide con la dimensin del ese o pacio vectorial V, adems, stas coinciden con las multiplicidades algebraicas y, por consiguiente, el a e endomorsmo f es diagonalizable. Respecto a la base de 4 formada por vectores propios,
B = {(1, 1, 0, 0), (0, 1, 1, 0), (0, 0, 1, 1), (1, 1, 0, 0)}, la matriz del endomorsmo f es diagonal y en su diagonal estn los autovalores repetidos tantas veces a como su multiplicidad algebraica indique, cumplindose la relacin e o 1 1 1 2 2 2 2 0 1 0 1 1 P 1 AP = 0 0 0 1 0 1 1 1 1 0 2 2 2 2 1
2
1 2 0 0
1 1 1 0
1 1 0 0 1 1 1 0 0 0 1 1 1 0 0 1
1 1 0 1 = 0 0 0 0
0 1 0 0
0 0 1 0
0 0 =D 0 3
donde P es la matriz de paso de la base cannica a la base B. o
Ejercicio 6.53 Traza y matrices semejantes Sean A = (aij ), B = (bij ) Mn ( ). Demostrar o poner un contraejemplo segn la veracidad o falsedad de la siguiente armacin: u o
Si
n i=1
aii =
n i=1
bii , entonces P Mn ( ) tal que P 1 AP = B.
Solucin: o La armacin no es cierta86 ya que las matrices o ( ) ( ) 0 0 0 1 y B= A= 0 0 0 0 tienen la misma traza

2 i=1 2 i=1
aii = 0 + 0 = 0 y
bii = 0 + 0 = 0
pero no son semejantes porque A es diagonalizable mientras que B no lo es.
Ejercicio 6.54 Forma cannica de Jordan o Encontrar una forma cannica de Jordan de las siguientes matrices: o 1 1 1 1 2 0 . a) M1 = 0 1 0 0 0 5 b) M2 = 0 0 0 . 0 0 0 Solucin: o a) El polinomio caracter stico de la matriz M1 es |M1 Id3 | = 1 1 1 1 2 0 = (1 )(2 )() + 1 = 3 + 32 3 + 1 = (1 )3 0 1
que slo tiene una ra triple: = 1. o z Por tanto, el unico autovalor de la matriz M1 es = 1 y su multiplicidad algebraica es 3. El subespacio propio asociado al unico autovalor = 1 es Ker(M1 Id3 ). Se trata del subespacio formado por las soluciones del sistema 0 1 1 v1 1 0 v2 = 0 (M1 Id3 ) T = 1 v 0 1 1 v3 cuyas ecuaciones son v2 + v3 = 0 v1 + v2 = 0 luego Ker(M1 Id3 ) = {(, , ) : } ,
R}.
La dimensin de este autoespacio es 1 porque slo es necesario un parmetro para describir todos o o a sus elementos. Por tanto, la multiplicidad geomtrica del autovalor = 1 es 1 y no coincide con e su multiplicidad algebraica, que es 3.
86 En el apartado d) del ejercicio 2.4 se demuestra la armacin rec o proca: Si A y B son semejantes, entonces Traza(A) = Traza(B).
Consecuentemente, la matriz M1 no es diagonalizable porque no existe una base de 3 formada por vectores propios de M1 ya que slo hay conjuntos libres de autovectores con un unico elemento. o Para obtener la forma cannica de Jordan, calculamos Ker(M1 Id3 )2 o, equivalentemente, las o soluciones del sistema 1 0 1 v1 1 v2 = 0 , (M1 Id3 )2 T = 1 0 v 1 0 1 v3 que se reduce a la ecuacin o v1 + v3 = 0, luego Ker(M1 Id3 )2 = {(, , ) : , Es inmediato observar que Ker(M1 Id3 )2 = (M1 Id3 )3 es la matriz nula.
R}.
R3 y que Ker(M1 Id3)3 = R3 porque la matriz

Ker(M1 Id3 )3 =
Se tiene, entonces, la siguiente cadena de subespacios: Ker(M1 Id3 ) siendo Ker(M1 Id3 )2
R3,
R3 el mximo autoespacio posible asociado al autovalor = 1. a
Como Ker(M1 Id3 )2 no es el mximo autoespacio posible asociado al autovalor = 1, existe un a , que pertenece al mximo autoespacio posible y que no pertenece a Ker(M Id )2 . vector, u3 a 1 3 Sea, por ejemplo, = (1, 0, 0). u3 El producto 0 1 1 1 0 T T 1 0 0 = 1 = 2 (M1 Id3 ) 3 = 1 u u 0 1 1 0 0
proporciona un vector que pertenece a Ker(M1 Id3 )2 , que no pertenece a Ker(M1 Id3 ) y que es linealmente independiente a 3 . u Repitiendo este proceso, el producto 0 1 1 0 1 T T T 1 0 1 = 1 = 1 (M1 Id3 )2 3 = (M1 Id3 ) 2 = 1 u u u 0 1 1 0 1 proporciona un vector que pertenece a Ker(M1 Id3 ) y que es linealmente independiente a los vectores 2 y a 3 . u u B = {1 , 2 , 3 } = {(1, 1, 1), (0, 1, 0), (1, 0, 0)} u u u es una base de 3 que contiene un autovector, 1 , siendo este el mayor nmero posible de autou u vectores linealmente independientes. El conjunto
A partir de la matriz de cambio de base 1 0 1 P = 1 1 0 1 0 0
se obtiene la forma de Jordan de la matriz M1 que est compuesta por una unica caja 33 porque a slo hay un autovalor y la diferencia entre sus multiplicidades algebraica y geomtrica es 2. Los o e elementos de la diagonal son el autovalor, = 1, e inmediatamente encima de cada elemento de la diagonal aparece87 un 1. El siguiente producto de matrices da como resultado la forma cannica de o 0 0 1 1 1 1 1 0 1 1 2 0 1 1 0 = 0 P 1 M1 P = 0 1 1 1 1 0 1 0 1 0 1 0 0 0 b) El polinomio caracter stico de la matriz M2 es |M2 Id3 | = que slo tiene una ra triple: = 0. o z Por tanto, el unico autovalor de la matriz M2 es = 0 y su multiplicidad algebraica es 3. Aunque T T la forma de M2 lo sugiera, no existe ningn vector 3 tal que M2 = 5 . u v v v 0 5 0 0 = 3 0 0 Jordan de M1 : 1 0 1 1 . 0 1
El subespacio propio asociado al autovalor = 0 es Ker(M2 ). Se trata del subespacio formado por las soluciones del sistema 0 0 5 v1 (M2 ) T = 0 0 0 v2 = 0 v 0 0 0 v3 cuya unica ecuacin es o 5v3 = 0, luego Ker(M2 ) = {(, , 0) : ,
R}. R
La dimensin de este autoespacio es 2 porque son necesarios dos parmetros para describir todos o a sus elementos. Por tanto, la multiplicidad geomtrica del autovalor = 0 es 2 y no coincide con e su multiplicidad algebraica, que es 3. Consecuentemente, la matriz M2 no es diagonalizable porque no existe una base de 3 formada por vectores propios de M2 ya que el mayor nmero de autovectores independientes es dos. u
2 Para obtener la forma cannica de Jordan, observamos que Ker(M2 ) = o
R3 porque M22 = 0.
Se tiene, entonces, la siguiente cadena de subespacios: Ker(M2 ) siendo Ker(M2 )2 =
R3 el mximo autoespacio posible asociado al autovalor = 0. a
R3,
Como Ker(M2 ) no coincide con el mximo autoespacio posible asociado al autovalor = 0, existe a , que pertenece al mximo autoespacio posible y que no pertenece a Ker(M ). Sea, un vector, u3 a 2 por ejemplo, = (0, 0, 1). u3 El producto 5 0 0 0 5 T = 0 0 0 0 = 0 = T u2 M2 u3 0 1 0 0 0
87
Estos elementos son 1 aunque el autovalor no fuera = 1. En este ejemplo hay coincidencia.
Sin embargo, en Ker(M2 ) hay autovectores que son linealmente independientes a 2 y a 3 . Por u u = (0, 1, 0). ejemplo u1 B = {1 , 2 , 3 } = {(0, 1, 0), (5, 0, 0), (0, 0, 1)} u u u u es una base de 3 que contiene dos autovectores, 1 y 2 , siendo este el mayor nmero posible de u u autovectores de M2 linealmente independientes. El conjunto
proporciona un vector que pertenece a Ker(M2 ) y que es linealmente independiente a 3 . u T No se puede repetir este proceso porque M 2 = 0 3 . v v
2
A partir de la matriz de cambio de base 0 5 0 P = 1 0 0 0 0 1 se obtiene la forma de Jordan de la matriz M2 que est compuesta por una caja 22 y por una caja a 1 1 porque slo hay un autovalor y la diferencia entre sus multiplicidades algebraica y geomtrica o e es 1. En la caja 2 2, los elementos de la diagonal son el autovalor, = 0, e inmediatamente encima de cada elemento de la diagonal aparece un 1. El siguiente producto de matrices 0 P 1 M2 P = 1 5 0 da como resultado la forma cannica o 0 0 1 0 0 5 0 5 0 0 0 0 0 0 1 0 0 = 0 0 1 0 0 0 0 0 1 0 de Jordan de M2 : 0 0 0 1 . 0 0
o Ejercicio 6.55 Forma cannica real de Jordan para autovalores complejos Encontrar las formas cannicas compleja y real de Jordan de las siguientes matrices: o ( ) 1 2 a) M1 = . 3 1 1 1 0 1 2 . b) M2 = 0 0 1 1 Solucin: o a) El polinomio caracter stico de la matriz M1 es 1 2 = (1 )2 + 6 = 2 2 + 7. 3 1 Los autovalores de M1 son las ra ces de su polinomio caracter stico: 1 = 1 + 6 i y 2 = 1 6 i. Si la matriz M1 es la matriz de un endomorsmo de un espacio vectorial complejo, entonces los autovalores pertenecen al cuerpo base y como hay dos autovalores distintos y la dimensin del o espacio vectorial es dos, la matriz es diagonalizable y existe una base de vectores propios que se calcula a partir de las bases de los subespacios propios asociados a los autovalores.
( ) El subespacio propio asociado al autovalor 1 = 1 + 6 i es Ker M1 (1 + 6 i) Id2 que coincide con el subespacio de las soluciones del sistema lineal ( )( ) ) T ( 2 v1 = 6i M1 (1 + 6 i) Id2 v =0 v2 3 6i que se reduce a la ecuacin o 3x Por tanto, Ker M1 (1 + {( y B1 =
6 3
6 i y = 0. ) { ( 6 3 )
6 i) Id2 =
i, :
)} i, 1 es una base de este subespacio propio. ( ) El subespacio propio asociado al autovalor 2 = 1 6 i es Ker M1 (1 6 i) Id2 que coincide con el subespacio de las soluciones del sistema lineal ( )( ) ) T ( 6i 2 v1 = M1 (1 6 i) Id2 v =0 v2 3 6i que se reduce a la ecuacin o 3x + Por tanto, Ker M1 (1 {( y B2 =
6 3
6 i y = 0. { ( ) 6 i, : 3
6 i) Id2 =
)} i, 1 es una base de este subespacio propio.
La matriz del endomorsmo complejo asociado a M1 respecto a la base } { ) ( 6 ) ( 6 B = B1 B2 = i, 1 , i, 1 3 3 es diagonal y sus elementos son los autovalores de M1 . A partir de la matriz de cambio de base ( P =
6 3
6 3
) i
se obtiene la forma diagonal de M1 mediante el siguiente producto: ( )( ) ( ( ) ) 6 46 i 1 1 2 1 + 6i 0 i 36 i 2 3 P 1 M1 P = = . 6 3 1 0 1 6i 1 1 i 1 4 2 Si M1 es la matriz de un endomorsmo de un espacio vectorial real, el proceso anterior no es vlido a porque los autovalores no pertenecen al conjunto de los nmeros reales. Para este tipo de matrices, u se puede obtener otra matriz 2 2 real, semejante a la anterior y de la forma ( )
siendo = + i uno de los autovalores. Un autovalor de M1 es 1 = 1 + 6 i y una base del subespacio propio asociado a 1 es { } ( 6 ) B1 = i, 1 . 3 Los dos vectores obtenidos al calcular la parte real y la parte imaginaria de las componentes del vector de B1 , { } { } ( ( 6 ) ( ) ) ( ( 6 ) ( ) ) ( 6 ) Br = i , 1 , i , 1 = (0, 1), ,0 , 3 3 3 son linealmente independientes y constituyen una base de 2 . Respecto a la base Br , la matriz del endomorsmo asociado a M1 es P 1 M1 P, siendo P la matriz de cambio de base. Esta nueva matriz tiene el aspecto anteriormente descrito y es una de las formas cannicas reales de Jordan o de M1 : )( ( ) ) )( ( 0 1 1 2 1 6 0 36 = . 6 3 1 6 1 0 1 0 2 stico de la matriz M2 es b) El polinomio caracter 1 1 0 1 2 0 1 2 = (1 ) = (1 )(1 + 2 ). 1 1 0 1 1 Los autovalores de M2 son las ra ces de su polinomio caracter stico: 1 = 1, 2 = i y 3 = i. Si la matriz M2 es la matriz de un endomorsmo de un espacio vectorial complejo, entonces los autovalores pertenecen al cuerpo base y como hay tres autovalores distintos y la dimensin del o espacio vectorial es tres, la matriz es diagonalizable y existe una base de vectores propios que se calcula a partir de las bases de los subespacios propios asociados a los autovalores. El subespacio propio asociado al autovalor 1 = 1 es Ker(M2 + Id3 ) que coincide con el subespacio de las soluciones del sistema lineal v1 0 1 0 T 2 2 v2 = 0 (M2 + Id3 ) = 0 v v3 0 1 0 cuyas ecuaciones son } v2 = 0 2v2 2v3 = 0 Por tanto,
{ } y B1 = (1, 0, 0) es una base de este subespacio propio.
( ) { Ker M2 + Id3 = (, 0, 0) :
C}
El subespacio propio asociado al autovalor 2 = i es Ker(M2 i Id3 subespacio de las soluciones del sistema lineal (
que coincide con el
1 i 1 0 v1 ) T 1i 2 v2 = 0 M2 i Id3 = 0 v 0 1 1 i v3 (1 i) v1 v2 = 0 (1 i) v2 2v3 = 0 } . }
cuyas ecuaciones son
Por tanto,
Ker M2 i Id3 =
{(
1i 1i ) , , : 2 2
{ } y B2 = (1 + i, 2, 1 i) es una base de este subespacio propio. El subespacio propio asociado al autovalor 3 = i es Ker(M2 + i Id3 subespacio de las soluciones del sistema lineal
que coincide con el
1 + i 1 0 v1 ) T ( = 0 v2 = 0 1+i 2 M2 + i Id3 v 0 1 1 + i v3 cuyas ecuaciones son (1 + i) v1 v2 = 0 (1 + i) v2 2v3 = 0 Por tanto, ( ) {( } . }
Ker M2 + i Id3 =
1+i 1+i ) , , : 2 2
{ } y B3 = (1 i, 2, 1 + i) es una base de este subespacio propio. La matriz del endomorsmo complejo asociado a M2 respecto a la base { } B = B1 B2 B3 = (1, 0, 0), (1 + i, 2, 1 i), (1 i, 2, 1 + i) es diagonal y sus elementos son los autovalores de M2 . A partir de la matriz de cambio de base 1 1 + i 1 i P = 0 2 2 0 1i 1+i se obtiene la forma diagonal de M2 mediante el siguiente producto: 1 1 P M 2 P = 0 0 0
1i 4 1+i 4
1 1 0 1 1 + i 1 i 1 0 0 i 1 2 0 2 2 = 0 i 0 . 2 0 i 2 0 1 1 0 1i 1+i 0 0 i 1
Si M2 es la matriz de un endomorsmo de un espacio vectorial real, el proceso anterior no es vlido a porque los autovalores no pertenecen al conjunto de los nmeros reales. Para este tipo de matrices, u se puede obtener otra matriz 3 3 real, semejante a la anterior y de la forma 1 0 0 0 0 siendo = + i uno de los autovalores complejos. Un autovalor complejo de M2 es 2 = i y una base del subespacio propio asociado a 2 es { } B2 = (1 + i, 2, 1 i) . Los dos vectores obtenidos al calcular la parte real y la parte imaginaria de las componentes del vector de B2 , {( } ) ( )} { B = (1 + i), (2), (1 i) , (1 + i), (2), (1 i) = (1, 2, 1), (1, 0, 1) , son linealmente independientes y junto con una base del autoespacio asociado al autovalor real 1 = 1 constituyen una base de 3 :
Br = B1 B = {(1, 0, 0), (1, 2, 1), (1, 0, 1)}. Respecto a la base Br , la matriz del endomorsmo asociado a M2 es P 1 M1 P, siendo P la matriz de cambio de base. Esta nueva matriz tiene el aspecto anteriormente descrito y es una de las formas cannicas reales de Jordan de M2 : o 1 0 0 1 1 0 1 1 1 1 0 1 1 2 0 2 0 = 0 0 1 . 0 1 0 0 2 0 1 1 0 1 1 0 1 1 0 1 0 2
Ejercicio 6.56 Diagonalizacin de un endomorsmo dependiente de un parmetro o a Sea el endomorsmo fa : 3 3 tal que a a 1 x1 T fa (x1 , x2 , x3 ) = Aa = 2a 2a 2 x2 . x 3a 3a 3 x3
Segn los valores de a u
R, se pide:
a) Hallar Ker(fa ). Especicar una base de Ker(fa ). b) Hallar Img(fa ). Especicar una base de Img(fa ). c) Comprobar que = (1, 2, 3) es un vector propio de fa y calcular los autovalores de fa . v
1 d) Hallar si es posible una matriz Pa M3 ( ) tal que Pa Aa Pa sea diagonal.
Solucin: o
a) El ncleo del endomorsmo fa est formado por todos los vectores de u a el vector nulo: { () T } Ker(fa ) = 3 : fa = Aa = 0 . x x x
R3 cuya imagen por fa es
Equivalentemente, el ncleo de fa es el conjunto de las soluciones del sistema homogneo de u e ecuaciones lineales que tiene como matriz de coecientes a la matriz Aa . Para cualquier valor real de a, el rango de la matriz Aa es 1 porque sus dos primeras columnas son iguales entre s e iguales a la tercera multiplicada por a. El sistema homogneo de ecuaciones lineales cuya matriz de coecientes es la matriz Aa es indee terminado y sus soluciones forman un subespacio vectorial de dimensin 2. o Como ax1 + ax2 + x3 a a 1 x1 x1 ( ) fa = Aa x2 = 2a 2a 2 x2 = 2ax1 + 2ax2 + 2x3 , x x3 3ax1 + 3ax2 + 3x3 x3 3a 3a 3 { Ker(fa ) = (x, y, z)
resulta que
R3 : ax + ay + z = 0} = {(, , a a) : , R}.
BK = {(1, 0, a), (0, 1, a)}.
Dando a los parmetros los valores = 1, = 0 y = 0, = 1, se obtiene una base de Ker(fa ) : a
b) La imagen del endomorsmo fa es { () Img(fa ) = fa x R3 : R3}. x
Como el rango de la matriz Aa es 1, la dimensin de la imagen del endomorsmo asociado a Aa o tambin es 1 y coincide con el subespacio generado por las columnas de Aa . Al ser e ax1 + ax2 + x3 1 ( ) fa = 2ax1 + 2ax2 + 2x3 = (ax1 + ax2 + x3 ) 2 , x 3ax1 + 3ax2 + 3x3 3 la imagen de fa coincide con el subespacio vectorial generado por el vector (1, 2, 3); ( ) Img(fa ) =< (1, 2, 3) >= L {(1, 2, 3)} = {(, 2, 3) : }.
Una base de Img(fa ) es BI = {(1, 2, 3)}. c) El vector = (1, 2, 3) es un autovector v : (3a + 3) v a a fa (1, 2, 3) = 2a 2a 3a 3a
() de fa asociado al autovalor 1 = 3a + 3 porque fa = v 1 3a + 3 1 1 2 2 = 6a + 6 = (3a + 3) 2 . 3 9a + 9 3 3
{ } e Adems, 2 = 0 tambin es un autovalor de fa porque Ker(fa ) = 0 . La multiplicidad geomtrica a e ( ) de 2 = 0 es 2 porque su subespacio propio asociado es el ncleo de fa y dim Ker(fa ) = 2. Como u la multiplicidad geomtrica de un autovalor es menor o igual que su multiplicidad algebraica, la e multiplicidad algebraica de 2 = 0 al menos es 2. El grado del polinomio caracter stico de Aa es 3, luego no puede tener ms ra a ces que 1 = 3a + 3 y 2 = 0
y, consecuentemente, los autovalores de fa son 1 = 3a + 3 y 2 = 0. Aunque no se ha calculado expl citamente, el polinomio caracter stico88 de Aa es PAa () = 3 + 2 (3 + 3a). d) Se presentan las siguientes situaciones: Si 3a + 3 = 0, entonces fa tiene dos autovalores distintos: e 1 = 3a + 3 de multiplicidad geomtrica 1 porque su autoespacio asociado es Img(fa ) que tiene de dimensin 1. o 2 = 0 de multiplicidad geomtrica 2. e
1 As Aa es diagonalizable y existe una matriz invertible, Pa , tal que Pa Aa Pa = D. , Las columnas de Pa son las coordenadas de una base de 3 formada por autovectores de fa . Por ejemplo, B = BI BK es una base de autovectores de fa , de tal manera que
1 1 1 0 1 1 0 a a 1 1 2 0 1 Aa 2 0 1 = 2a + 3 1 1 Aa Pa 3a + 3 3 a a 3 a a 2a a + 3 2 3a + 3 0 0 0 0 , = 0 0 0 0 o bien 1 1 0 1 1 0 3a + 3 0 0 3a + 3 0 0 0 1 = 2 0 1 0 0 0 = 6a + 6 0 0 . Aa 2 3 a a 3 a a 0 0 0 9a + 9 0 0 Si 3a + 3 = 0, entonces slo hay un autovalor, = 0, de multiplicidad algebraica 3 y de o multiplicidad geomtrica 2 porque el ncleo de fa tiene dimensin 2 para cualquier valor de e u o a. En este caso, la matriz Aa no es diagonalizable porque la suma de las multiplicidades geomtrie cas de todos los autovalores no coincide con la dimensin del espacio vectorial de referencia. o
Ejercicio 6.57 Diagonalizacin de dos matrices dependientes de un parmetro y con el mismo polio a nomio caracter stico Segn los valores de a , diagonalizar las matrices u a a a a) A = a a a . a a a a 0 a b) B = a 0 a . 0 0 0
88
Como ejercicio, puede calcularse directamente utilizando el determinante.
Solucin: o Las dos matrices tienen el mismo polinomio caracter stico: |A Id3 | = a a a a a a = (a )(2 a2 ) 2a3 + 2a2 (a ) a2 (a ) a a a a 0 a a a 0 0
= a2 a3 3 + a2 2a3 + 2a3 2a2 + a3 + a2 = 3 + a2 = 2 (a ) |B Id3 | = = ()2 (a ) = 2 (a )
y los mismos autovalores: 1 = 0 (doble) y 2 = a. Si a = 0, las matrices A y B coinciden con la matriz nula que ya tiene forma diagonal. Si a = 0, el subespacio propio asociado al autovalor 1 = 0 tiene dimensin 2 en ambos casos o porque rango(A) = rango(B) = 1, resultando ({ { } }) SA0 = Ker(A 0 Id3 ) = (x, y, z) 3 : x + y z = 0 = L (1, 0, 1), (0, 1, 1) .
{ SB0 = Ker(B 0 Id3 ) = (x, y, z)
R3 : x + z = 0} = L R
({
(1, 0, 1), (0, 1, 0)
})
El subespacio propio asociado al autovalor 2 = a = 0 tiene dimensin 1 en ambos casos porque o su multiplicidad algebraica es 1, resultando ({ }) { } SAa = Ker(A a Id3 ) = (x, y, z) 3 : x z = 0, y z = 0 = L (1, 1, 1) .
de B, luego ambas matrices son diagonalizables. Las correspondientes matrices de paso son 1 0 1 1 0 1 PA = 0 1 1 y PB = 0 1 1 , 1 1 1 1 0 0 resultando que 0 0 0 1 1 PA AP = PB BP = 0 0 0 . 0 0 a
R3 : z = 0, x + y + z = 0} = L {(1, 1, 0)} . { } El conjunto CA = {(1, 0, 1), (0, 1, 1), (1, 1, 1) es}una base de R3 formada por vectores propios de A y el conjunto CB = (1, 0, 1), (0, 1, 0), (1, 1, 0) es una base de R3 formada por vectores propios
{ SBa = Ker(B a Id3 ) = (x, y, z)
o a Ejercicio 6.58 Diagonalizacin de una matriz dependiente de tres parmetros Estudiar, en funcin de los valores de , , , si la matriz o 0 A = 0
es diagonalizable.
Solucin: o El polinomio caracter stico de la matriz A es P () = 0 ( ) = ( )3 2( ) = ( ) ( )2 2 0 ( ) = 3 + 3 2 + 2 32 2 + 3 .
En el cuerpo
C de los nmeros complejos, las ra del polinomio P () son u ces

1 = , 2 = + 2 y 3 = 2.
Seg n el signo de , los autovalores 2 y 3 sern reales o complejos y segn se anule o no el u a u producto , habr un unico o varios autovalores. a Si A es la matriz asociada a un endomorsmo de un - espacio vectorial, se presentan los siguientes casos:
Si > 0, los tres autovalores son reales y distintos, luego la matriz A es diagonalizable. ( ) El subespacio propio asociado al autovalor 1 = es Ker A Id3 y coincide con el subespacio de las soluciones del sistema homogneo de ecuaciones lineales e 0 0 x 0 ) T ( A Id3 = 0 y = 0 , v 0 0 z 0 ) { } ( . (27) Ker A Id3 = (, 0, ) : ) ( ( ) El subespacio propio asociado al autovalor 2 = + 2 es Ker A + 2 Id3 y coincide con el subespacio de las soluciones del sistema homogneo de ecuaciones lineales e 2 0 x 0 ( ) ( ) T 2 y = 0 , A + 2 Id3 = v 0 2 z 0 resultando
resultando
( ) { ( ) Ker A + 2 Id3 = (, 2, ) :
R}.
(28)
) ( ( ) El subespacio propio asociado al autovalor 2 = 2 es Ker A 2 Id3 y coincide con el subespacio de las soluciones del sistema homogneo de ecuaciones lineales e 0 2 0 x ( ) ( ) T = y = 0 , 2 A 2 Id3 v 0 0 z 2 resultando ( ) { ( ) Ker A 2 Id3 = (, 2, ) :
R}.
{ } Respecto a la base B = (, 0, ), (, 2, ), (, 2, ) , la matriz A es diagonal. La matriz de cambio de base que transforma A en diagonal es 2 2 , (29) P = 0
siendo
P 1 AP =
1 2 1 4 1 4
2 4 2 4
1 2 1 4 1 0 4
0 0 0 + 2 . 0 = 0 0 2
0 0 2 2
Si = 0, entonces hay un unico autovalor, = , de multiplicidad algebraica 3. La multi plicidad geomtrica del autovalor depende de los valores de y , producindose las siguientes e e situaciones: Si = = 0, entonces la matriz A ya es diagonal 0 A00 = 0 0 0 porque 0 0 .
( ) Si = 0 y = 0, el subespacio propio asociado al autovalor = es Ker A=0 Id3 que coincide con el subespacio vectorial de las soluciones del sistema homogneo de ecuaciones e lineales 0 0 0 x 0 ) T ( = 0 0 y = 0 , A=0 Id3 v 0 0 z 0 resultando ) { ( Ker A=0 Id3 = (0, 0, ) :
R}.
Claramente, la multiplicidad geomtrica del autovalor = es 1 porque la dimensin e o del subespacio propio asociado es 1. Como no coinciden las multiplicidades aritmtica y e geomtrica, la matriz A=0 no es diagonalizable. e (( )2 ) ) ( , el Si es un vector que no pertenece ni a Ker A=0 Id3 ni a Ker A=0 Id3 v )2 T ( ) T ( , A conjunto formado por los traspuestos de los vectores A=0 Id3 v =0 Id3 v T es una base respecto a la cual la expresin de la matriz A y v o =0 tiene forma de Jordan. = (1, 0, 0), los traspuestos de los restantes vectores de la nueva base son Tomando v 0 0 0 1 0 ( ) T A=0 Id3 = 0 0 0 = , v 0 0 0 0 0 0 0 1 0 ( )2 T = 0 0 0 0 = 0 . A=0 Id3 v 2 0 0 0 2 { } La matriz de cambio de la base cannica a la base B = (0, 0, 2 ), (0, , 0) (1, 0, 0) es o 0 0 1 P = 0 0 , 2 0 0 por lo que la expresin de la matriz A=0 respecto a la base o 0 0 12 0 0 0 0 1 0 1 0 0 0 P A=0 P = 2 0 0 1 0 0 B es 1 0 1 0 = 0 1 . 0 0 0
( ) Si = 0 y = 0, el subespacio propio asociado al autovalor = es Ker A=0 Id3 que coincide con el subespacio vectorial de las soluciones del sistema homogneo de ecuaciones e lineales 0 0 x 0 ( ) T A=0 Id3 = 0 0 y = 0 , v 0 0 0 z 0 resultando ( ) { Ker A=0 Id3 = (, 0, 0) :
R}.
Claramente, la multiplicidad geomtrica del autovalor = es 1 porque la dimensin e o del subespacio propio asociado es 1. Como no coinciden las multiplicidades aritmtica y e geomtrica, la matriz A=0 no es diagonalizable. e (( ( ) )2 ) Si es un vector que no pertenece ni a Ker A=0 Id3 ni a Ker A=0 Id3 v , el ( )2 T ( ) T , A conjunto formado por los traspuestos de los vectores A=0 Id3 v =0 Id3 v T es una base respecto a la cual la expresin de la matriz A y v o =0 tiene forma de Jordan. = (0, 0, 1), los traspuestos de los restantes vectores de la nueva base son Tomando v 0 0 0 0 ) T ( A=0 Id3 = 0 0 0 = , v 0 0 0 1 0 2 0 0 2 0 )2 T ( = 0 0 0 0 = 0 . A=0 Id3 v 0 0 0 1 0 { } La matriz de cambio de la base cannica a la base B = ( 2 , 0, 0), (0, , 0) (0, 0, 1) es o 2 0 0 P = 0 0 , 0 0 1 por lo que la expresin de la matriz A=0 respecto a la base B es o P 1 A=0 P = 0 0
1 2
0
1
2 0 0 0 0 1 0 0 0 0 0 = 0 1 . 0 0 0 0 1 0 0 1
Si < 0, entonces solamente hay un autovalor real, 1 = , porque las dos restantes ra del ces polinomio caracter stico son nmeros complejos. u Segn cual sea el cuerpo base del espacio vectorial considerado, se producen distintas situaciones: u Si A corresponde a un endomorsmo de un espacio vectorial complejo, la matriz A es diagonalizable porque su dimensin es 3 y tiene 3 autovalores distintos. La matriz P de la o frmula (29) es una matriz de cambio a la base respecto a la cual la matriz A tiene forma o diagonal. Todo el proceso seguido para el clculo de P es vlido en aunque < 0. a a
Si A corresponde a un endomorsmo de un espacio vectorial real, la matriz A no es diagonalizable porque su dimensin es 3 y slo tiene un autovalor real de multiplicidad algebraica o o 1. A pesar de haber autovalores complejos, se puede calcular una forma cannica real de o Jordan de A. Esta nueva matriz est constituida por dos cajas: una de dimensin 1 formada a o
por el unico autovalor real, y otra de dimensin 2 formada por las partes real e imaginaria o de uno de los autovectores complejos de A. Para calcular una base respecto a la cual A tenga forma cannica real de Jordan hay que o considerar un autovector asociado al autovalor y los vectores formados por las partes real e imaginaria de un autovector asociados a uno de los autovalores complejos 2 = + i 2|| o 3 = i 2||. Los clculos realizados para obtener la expresin (27) son vlidos en la situacin actual, a o a o por lo que ya est determinado el subespacio propio asociado al autovector 1 = . Por a ejemplo, (, 0, ) es un autovector perteneciente a este subespacio. Adecuando la expresin (28) al hecho de que en nuestra situacin 2 es un nmero o o u complejo puro, se obtiene ( ) { ( ) } Ker A + i 2|| Id3 = (, i 2||, ) : .
El vector i 2||, ) pertenece al subespacio propio asociado al autovalor complejo (, 2 = + i 2||. Considerando las partes real e imaginaria de sus coordenadas, se tienen los vectores linealmente independientes (, 0, ) y (0, 2||, 0). La expresin de la matriz A respecto a la base o { } B = (, 0, ), (, 0, ), (0, 2||, 0) es P 1 AP =
1 2 1 2
0 0 =
0 0 2
1 2 1 2
||
0 0 2|| . 0 2||
0 0 0 0 2| | 0 0
Ejercicio 6.59 Autovalores de matrices nilpotentes Sea A Mm ( ). Se pide:
a) Demostrar que si A es nilpotente, entonces = 0 es el unico autovalor. Sucede lo mismo si A Mm ( )?
b) Es cierto que si = 0 es el unico autovalor de la matriz A, entonces A es nilpotente? Sucede lo mismo si A Mm ( )?
Solucin: o o a) Se razona por reduccin al absurdo, suponiendo que existe un autovalor no nulo. Sea = 0 un autovalor de A y sea = 0 un autovector asociado a , entonces v A = y An = n n v v v v Como = 0 y = 0 , entonces n = 0 y An = 0 n v v v Esta ultima armacin contradice la existencia de n o de A tiene que ser = 0.
N.
N tal que An = 0, luego el unico autovalor C
N.
Este razonamiento es valido tanto si A Mm ( ) como si A Mm ( ), luego tambin el unico e autovalor de las matrices nilpotentes formadas con elementos complejos es = 0.
b) La armacin es falsa porque hay matrices reales con un unico autovalor nulo y que no son nilpoo tentes. 0 0 0 Por ejemplo, el polinomio caracter stico de A = 0 0 1 es 0 1 0
P () =
0 0 0 1 = (2 + 1) 0 1
que tiene una unica ra real, 1 = 0, y dos complejas, 2 = i y 3 = i. z Por otra parte89 , 0 n 0 0 0 0 n An = 0 0 1 = 0 cos 2 0 1 0 (n 1) 0 cos 2 0 0 0 (n + 1) = 0 0 0 n = 1, 2, 3, . . . cos 2 0 0 0 n cos 2 0
Este contraejemplo no es vlido si se consideran matrices con elementos complejos porque, en el a cuerpo , no tiene un unico autovalor nulo, sino tres distintos.
De hecho, si B Mm ( ) tiene slo como autovalor a = 0, entonces B es nilpotente. Esto es o as porque en el cuerpo de los nmeros complejos, cualquier polinomio puede descomponerse como u producto de potencias de polinomios de grado 1, de tal manera que si = 0 es el unico autovalor de B, entonces el polinomio caracter stico de B es P () = (1)m m . La forma cannica de Jordan, o 1 JP estar formada por p cajas, J , de dimensin d y de la forma J, de la matriz B = P a o k k 0 0 0 0 . . . . . . , 1 0 0 1 0 0
0 0 . . Jk = . 0 0 0
1 0 . .. . . . 0 0 0
89
Vase el ejercicio 2.30 Potencias de matrices. e
p i=1
siendo m =
dk y 0 0 . . . 0 0 = Jp 1 0 . .. . . . 0 0 0 0 0 0 . . . . . . 0 1 0 0 .. . .. . .. . 0 1 0 0 . . .. . . . . . 0 0 0 0 ,
r Jp
. 0 0 . . . 1 0
J =
J1 J2 .. . Jp1
0 0 . . . 0 0
d Para cada k = 1, 2, . . . , p se tiene90 Jk k = 0 y como r J1 r J2 .. Jr = . r Jp1
tomando n = mx{dk : k = 1, 2, . . . , p} m, se tiene a J n = 0, resultando que B es nilpotente porque B n = (P 1 JP )n = P 1 J n P = 0.
Ejercicio 6.60 Autovalores de matrices involutivas Demostrar que solamente 1 y 1 pueden ser autovalores de un endomorsmo (real o complejo) involutivo. Solucin: o Si A Mn ( ) es la matriz de un endomorsmo involutivo, f, entonces
A2 = Idn . El unico autovalor del cuadrado de una matriz involutiva es 1 y aplicando el resultado demostrado en el ejercicio 6.18 el cuadrado de cualquier autovalor, , de una matriz involutiva tiene que ser 1, 2 = 1. Todos los autovalores de la matriz involutiva A se encuentran entre las ra ces cuadradas de 1, presentndose los siguientes casos: a
90
Vase el ejercicio 2.30 Potencias de matrices. e
= 1 es autovalor de A con multiplicidad algebraica n, = 1 es autovalor de A con multiplicidad algebraica n, = 1 es autovalor de A con multiplicidad algebraica p y = 1 es autovalor de A con multiplicidad algebraica q de tal modo que p + q = n. Esta propiedad no es una caracterizacin de las matrices involutivas porque hay matrices no o involutivas que slo tienen como autovalores = 1 o = 1. Por ejemplo, el unico autovalor de o la matriz ( ) 1 1 A= 0 1 es = 1 con multiplicidad algebraica 2 y ( A =
2
1 2 0 1
) = Id2 .
o Ejercicio 6.61 Autovalores y diagonalizacin de endomorsmos idempotentes Demostrar que a) Solamente 0 y 1 pueden ser autovalores de un endomorsmo (real o complejo) idempotente. b) Todo endomorsmo idempotente sobre un espacio vectorial de dimensin nita es diagonalizable. o Solucin: o o a) f : V V es un endomorsmo idempotente si y slo si () () f 2 = f V. v v v Si es un autovalor de f y es un autovector asociado a , entonces91 tambin es un v v e 2 asociado al autovalor 2 . autovector de f Por tratarse de un endomorsmo idempotente, () () 2 = f 2 = f = , v v v v resultando que (2 ) = 0 . v
Como = 0 por ser un autovector, entonces cualquier autovalor de f tiene que cumplir v 2 = 0, luego solamente las ra ces del polinomio P () = ( 1) pueden ser autovalores de un endomorsmo idempotente. Las unicas ra del polinomio P () son = 0 y = 1, luego los autovalores de un endomorsmo ces idempotente slo pueden ser 1 o 0. o
91
Esta propiedad no caracteriza a los endomorsmos idempotentes ya que hay endomorsmos que slo tienen como autovalores 1 o 0 y que no son idempotentes. Por ejemplo, el endomorsmo que o tiene como matriz ( ) 1 1 A= 0 1 slo tiene el autovalor = 1 con multiplicidad algebraica 2 y o ( ) 1 2 2 A = = A. 0 1 b) Si f : V V es un endomorsmo idempotente, segn el apartado c) del ejercicio 4.29, u Img(f ) f ( ) = , v v v luego la imagen de f es el subespacio propio, S1 , asociado al autovalor 1 = 1 y, como cualquier otro endomorsmo, el ncleo de f es el autoespacio, S0 , asociado al autovalor 0 = 0. u Por el apartado b) del ejercicio 4.29, V = Ker(f ) Img(f ) = S0 S1 . Si B0 es una base de Ker(f ) y B1 es una base de S1 , entonces B = B0 B1 es una base de V formada por autovectores de f, luego f es diagonalizable. Todo endomorsmo idempotente o lo que es lo mismo, toda proyeccin es diagonalizable y en o su expresin diagonal slo aparecen ceros y unos. o o
Ejercicio 6.62 Autovalores y diagonalizacin de endomorsmos tales que f f = f o Sea E un -espacio vectorial de dimensin nita y f : E E una funcin lineal tal que f f = f . o o Probar que:
a) Ker(f + IdE ) Img(f ). b) Img(f ) Ker(f + IdE ). () c) Para todo E se verica que Img(f ) f = . v v v v d) f es diagonalizable. Solucin: o () v v a) Si Ker(f + IdE ), entonces (f + IdE ) = 0 . () () ( ) Por tratarse de la funcin suma, (f + IdE ) = f + = 0 o bien f = . o v v v v v Por ser f una aplicacin lineal, o = f ( ) = f ( ), v v v ( ) ( ) luego Img(f ) porque existe = E tal que f = f = . v w v w v v
Como cualquier vector de Ker(f + IdE ) tambin pertenece a Img(f ), se deduce que e Ker(f + IdE ) Img(f ).
() b) Si Img(f ), entonces existe E tal que = f . v w v w Teniendo en cuenta que f f = f, ( ( )) () () () () () (f + IdE ) = f + = f f + f = f + f = 0 , v v v w w w w luego Ker(f + IdE ). v Como cualquier vector de Img(f ) pertenece a Ker(f + IdE ), se deduce que Img(f ) Ker(f + IdE ). c) De los apartados a) y b), se concluye que Img(f ) = Ker(f + IdE ), luego para todo E se v verica que Img(f ) Ker(f + Id ) (f + Id )( ) = f ( ) + = f ( ) = . v v v v 0 v 0 v v E E
d) Por el apartado c), Img(f ) coincide con el autoespacio formado por todos los vectores propios asociados al autovalor = 1, S1 . { } Para cualquier endomorsmo, f, o bien Ker(f ) = 0 , o bien Ker(f ) coincide con el autoespacio asociado al valor propio = 0, Ker(f ) = S0 . ( ) ( ) Como dim Ker(f ) + dim Img(f ) = dim(E), se presentan los siguientes casos: ) { } ( ) ( Si Ker(f ) = 0 , entonces dim Img(f ) = dim(E) y dim S1 = dim(E). ) { } Si Ker(f ) = 0 , entonces dim(S0 ) + dim(S1 = dim(E). En cualquiera de los dos casos, existe una base de E formada por autovectores de f elementos de S1 y/o de S0 , luego f es diagonalizable.
o o Ejercicio 6.63 Diagonalizacin de endomorsmos de rango 1 y no nilpotentes. Terico Sea E un espacio vectorial de dimensin nita n > 1 y f : E E un endomorsmo. Si la o dimensin de la imagen de f es 1 y f 2 = 0, demostrar que o a) Cualquier vector no nulo de Img(f ) es un autovector asociado a un autovalor no nulo. b) Ker(f ) es un autoespacio (subespacio propio) de f. c) f es diagonalizable. Solucin: o a) Sea B = { } una base de Img(f ) y sea Img(f ) tal que = 0 . u v v Como f 2 = 0, se cumple que f ( ) = 0 y, consecuentemente, existen escalares no nulos, , , v tales que = y f ( ) = . v u v u Claramente, u v f ( ) = = ( ) = , v u luego es un autovector asociado al autovalor = 0. v Algebra Lineal - 402
( ) ( ) b) Como la dimensin de la imagen de f es 1, dim E = dim Ker(f ) + dim Img(f ) y n > 1, o entonces ( ) dim Ker(f ) = n 1 > 0. En esta situacin, Ker(f ) = { 0 }. Al tener elementos no nulos, Ker(f ) es el subespacio propio o asociado al autovalor 0 ya que Ker(f ), = 0 , se tiene w w f ( = 0 = 0 . w) w ( ) ( ) c) Img(f ) y Ker(f ) son subespacios propios y, adems, dim E = dim Ker(f ) + dim Img(f ) . En a consecuencia, f es diagonalizable porque existe una base del espacio vectorial E formada por vectores propios: n 1 elementos de Ker(f ) y 1 elemento de Img(f ).
o a Ejercicio 6.64 Diagonalizacin de endomorsmos de rango 1 y no nilpotentes. Prctico Sea el endomorsmo f : 3 3 tal que f (x, y, z) = (x y + 2z, 0, x + y 2z). Se pide92 :
a) Hallar la matriz de f respecto a la base cannica de o
R3.
u b) Calcular una base del ncleo de f y una base de la imagen de f. c) Comprobar que tanto el ncleo como la imagen de f son autoespacios (subespacios propios) y hallar u los autovalores asociados a cada uno de estos subespacios propios. d) Estudiar si f es un endomorsmo diagonalizable y, si lo fuera, encontrar una base de a la cual la matriz asociada a f sea diagonal, especicando dicha matriz. Solucin: o a) Las columnas de la matriz asociada a una aplicacin lineal entre espacios vectoriales de dimensin o o nita, g : V W, respecto a las bases B1 de V y B2 de W, coinciden manteniendo el orden con las coordenadas respecto a B2 de las imgenes de los vectores de B1 mediante g. a En este caso, la funcin f : 3 3 es un endomorsmo porque los espacios inicial y nal o coinciden, V = W = 3 . Adems se considera la base cannica en ambos: a o { } B1 = B2 = B = = (1, 0, 0), = (0, 1, 0), = (0, 0, 1) . e1 e2 e3
R3 respecto
Las coordenadas respecto a la base B de las imgenes de los elementos de la propia base B son a ( ) f e1 = f (1, 0, 0) = (1, 0, 1), () f = f (0, 1, 0) = (1, 0, 1), e2 ( ) f e3 = f (0, 0, 1) = (2, 0, 2). En consecuencia, la matriz A del endomorsmo f respecto a la base cannica B es o 1 1 2 0 0 . A= 0 1 1 2
92 Los ejercicios 6.63 y 6.64 son, respectivamente, la parte terica y la parte prctica de una misma situacin. Es un o a o buen ejercicio darse cuenta de esta circunstancia.
b) El ncleo de f est formado por los vectores cuya imagen por f es el vector nulo. Corresponden u a con las soluciones del sistema lineal homogneo que tiene a A como matriz de coecientes: e 1 1 2 x 0 y = 0 . 0 0 0 1 1 2 z 0 Es inmediato observar que el rango de A es 1 y que la unica ecuacin libre del sistema es o x y + 2z = 0. Despejando x en funcin de las restantes variables, x = y 2z, y considerando como parmetros o a y = , z = , se tiene que { } Ker(f ) = ( 2, , ) : , .
Por tanto, la dimensin del ncleo de f es 2 y dando a los parmetros los valores ( = 1, = 0) y o u a ( = 0, = 1) se obtienen dos vectores linealmente independientes que constituyen una base del subespacio: { } BK = (1, 1, 0), (2, 0, 1) . Como la suma de las dimensiones del ncleo y de la imagen de un endomorsmo es la dimensin del u o espacio vectorial sobre el que est denido dicho endomorsmo, puede deducirse que la dimensin a o de la imagen de f es 2 porque la dimensin del ncleo de f es 1 y la dimensin de 3 es 3. o u o
A esta misma conclusin se puede llegar si se observa que los vectores generadores de la imagen o de f : () () () f = (1, 0, 1), f = (1, 0, 1), f = (2, 0, 2) e1 e2 e3 son linealmente dependientes y, de ellos, slo puede extraerse un subconjunto libre de un elemento o porque () () () () f = f y f = 2f . e2 e1 e3 e1 En denitiva, { } BI = (1, 0, 1)
es una base de la imagen de f siendo { Img(f ) = (1, 0, 1) :
R} = {(, 0, ) : R}.
c) Al no ser nula la dimensin del ncleo de f, 1 = 0 es un autovalor de f cuyo autoespacio asociado o u es el propio ncleo de f ya que todos los vectores del ncleo son autovectores asociados al autovalor u u 1 = 0 y rec procamente todos los autovectores asociados al autovalor 1 = 0 tienen imagen nula. () Ker(f ), f = 0 = 0 . v v v La imagen mediante f de un elemento genrico de Img(f ) es e 1 1 2 0 0 0 = 0 = 1 0 , f (, 0, ) = 0 1 1 2 luego () Img(f ), f = 1 . v v v
Por tanto, 2 = 1 es un autovalor de f y todos los elementos de la imagen de f son autovalores asociados a 2 = 1. Rec procamente, los autovectores de 2 = 1 son las soluciones del sistema lineal homogneo asociado a la ecuacin e o ( ) f = 1 v v que, expresado en forma matricial y despus de agrupar trminos, se concreta en e e (A + Id) = 0 . v Como el rango de la matriz 2 1 2 1 0 A + Id = 0 1 1 1
es 2 y hay 3 incgnitas, las soluciones de este sistema homogneo forman un subespacio vectorial o e de dimensin 1 que no puede contener estrictamente y por tanto coinciden a Img(f ). o d) Los unicos autovalores de f son 1 = 0 y 2 = 1 porque son las unicas ra ces del polinomio caracter stico: |A Id | = (1 )()(2 ) 2 = 2 22 + 2 3 2 = (3 + 2 ) = 2 ( + 1). La multiplicidad algebraica de 1 = 0 es 2 y coincide con la dimensin del subespacio invariante o asociado que es Ker(f ). Anlogamente, la multiplicidad algebraica de 2 = 1 es 1 y coincide con a la dimensin del subespacio invariante asociado que es Img(f ). o Por tanto, el endomorsmo f es diagonalizable, existiendo una base B de propios de f respecto a la cual la matriz asociada a f es 0 0 0 0 . D= 0 0 0 0 1 Una base de
R3 formada por vectores
R3 formada por vectores propios de f es
{ } B = BK BI = (1, 1, 0), (2, 0, 1), (1, 0, 1) .
La matriz P de cambio de la base B a la base cannica B es o 1 2 1 0 0 P = 1 0 1 1 y se cumple 0 0 0 1 2 1 1 1 2 0 1 0 0 = D. 0 0 = 0 0 0 0 1 P 1 AP = 1 1 1 0 0 0 1 0 1 1 1 1 2 1 1 2
Ejercicio 6.65 Diagonalizacin de endomorsmos de rango 1 o Estudiar la veracidad o falsedad de la siguiente armacin: o
Si el rango de A M2 ( ) es 1, entonces A es diagonalizable. Solucin: o Seg n el resultado establecido en el ejercicio 6.63, si el rango93 de A es 1 y A2 = 0, entonces A es u diagonalizable. Sin embargo, hay matrices de rango 1 tales que al multiplicarlas por s mismas dan la matriz nula. Por ejemplo, el rango de la matriz ( ) 0 1 A= 0 0 es 1 y A2 = 0. Adems, el unico autovalor, con multiplicidad algebraica 2, de A es = 0 porque su polinomio a caracter stico es 1 |A Id2 | = = 2 , 0 mientras que el subespacio propio asociado al autovalor = 0, S0 = {(, 0) :
R},
tiene dimensin 1. o Por tanto, la matriz A tiene rango 1 y no es diagonalizable ya que no coinciden las multiplicidades algebraica y geomtrica del unico autovalor. e En consecuencia, la armacin del enunciado es falsa porque hay matrices cuadradas 2 2 y de o rango 1 que no son diagonalizables.
Ejercicio 6.66 Diagonalizacin de endomorsmos cuya imagen es un subespacio propio asociado a o un autovalor no nulo Sea f : E E un endomorsmo de un espacio vectorial, E, de dimensin nita. Demostrar que o si Img(f ) es el subespacio propio asociado a un autovalor distinto de 0, entonces f es diagonalizable. Solucin: o Si Img(f ) coincide con el subespacio propio asociado al autovalor = 0, entonces el endomorsmo f no tiene ms autovalores distintos de 0. Esto es as porque si = 0 fuera otro autovalor de f y a v un autovector asociado, entonces ( ) f = Img(f ). v v 1 () Al ser = 0, se puede dividir por el escalar , resultando que = f Img(f ). Esto quiere v v es un autovector asociado a y, por tanto, y tienen que coincidir. decir que v Los unicos autoespacios de f son Ker(f ) y Img(f ). Como Ker(f ) Img(f ) = { 0 } y E es un espacio vectorial de dimensin nita, entonces o Ker(f ) Img(f ) = E. Por tanto, existe una base de E formada por vectores propios de f y, consecuentemente, el endomorsmo f es diagonalizable.
93
Equivalentemente, la dimensin de la imagen del endomorsmo f asociado a A. o
Ejercicio 6.67 Diagonalizacin de endomorsmos con dos subespacios propios distintos o Sea f : E E un endomorsmo de un -espacio vectorial de dimensin nita y sean U y V E o dos subespacios propios distintos de f. Analizar si la matriz asociada a f es diagonalizable.
Solucin: o Depende de la dimensin del espacio vectorial E. o Si dim E = 1, slo hay un autovalor y un unico espacio propio, luego en este caso no se cumplen o las hiptesis del enunciado. o Sea dim E = 2. Si U y V son subespacios propios distintos, entonces estn asociados a autovalores a distintos. { } As pues, el conjunto B = , formado por un elemento de U y otro elemento de V es una u v 2 formada por vectores propios de f, luego el endomorsmo f es diagonalizable. base de
Adems, E = U V. a Si dim E > 2, la existencia de dos autoespacios distintos no es informacin relevante para saber o si el endomorsmo f es diagonalizable o no. Por ejemplo, el polinomio caracter stico del endomorsmo f : 0 1 0 A = 0 0 0 0 0 1 respecto a la base cannica es o |A I| = 2 (1 ). Los espacios propios asociados a los unicos autovalores 1 = 0 y 2 = 1 son U0 = {(, 0, 0) : son distintos y verican U0 V1 =
C 2 C 2 de matriz
C}
y V1 = {(0, 0, ) : { } 0 .
C}
A pesar de esto, f no es diagonalizable porque la multiplicidad algebraica del autovalor 0 es 2 y no coincide con la dimensin del autoespacio asociado (multiplicidad geomtrica) que es 1. o e Por otra parte, la matriz 1 0 0 B = 0 1 0 0 0 1
es diagonalizable aunque solamente tiene un espacio propio porque slo tiene un autovalor. o Otra situacin signicativa es la presentada por o 1 C = 0 0 la matriz 0 0 2 0 0 3
que es diagonalizable y tiene tres subespacios propios distintos: U1 = {(, 0, 0) :
C},
U2 = {(0, , 0) :
C}
y U3 = {(0, 0, ) :
C}.
Ejercicio 6.68 Diagonalizacin de un endomorsmo del espacio de matrices cuadradas o Sea Mn ( ) el -espacio vectorial de las matrices cuadradas de orden n y con coecientes reales y sea f : Mn ( ) Mn ( ) tal que
R R R
n i,j=1
f (M ) = s(M ) Idn siendo s(M ) = mij
R, la suma de todos los elementos de la matriz M = (mij ). Se pide:
a) Demostrar que f es un endomorsmo. b) Determinar los autovalores de f. c) Demostrar que f es diagonalizable94 . d) Para n = 2, diagonalizar f y especicar la base correspondiente. Solucin: o a) Si M, N Mn ( ) y ,
R, entonces
n
f (M + N ) = s(M + N ) Idn =
(mij + nij ) Idn mij Idn +

n
i,j=1 n i,j=1
nij Idn = f (M ) + f (N ).
i,j=1
Por tanto, f es una aplicacin lineal y, en este caso, es un endomorsmo entre el espacio vectorial o real de las matrices cuadradas de orden n con coecientes reales. b) La matriz M es un autovector de f, si existe un autovalor, M = f (M ) = s(M ) Idn , luego, para que M sea un autovector, hay que encontrar un escalar/autovalor, { 0 si i = j mij = . s(M ) si i = j
R, tal que R, tal que
Evidentemente, = 0 es un autovalor asociado a las matrices cuadradas tales que la suma de todos sus elementos es 0 ya que si s(M ) = 0, entonces f (M ) = 0 M = 0. Si = 0, entonces los autovectores asociados tienen que ser matrices diagonales ya que mij = 0 si i = j. Adems, como mii = s(M ) i = 1, 2, . . . , n, se tiene a s(M ) = de donde = n. Claramente, f (Idn ) = n Idn , luego la matriz identidad es un autovector asociado al autovalor = n. Los unicos autovalores del homomorsmo f son = 0 y = n.
94
n i=1
mii =
n i=1
mii = ns(M ),
( ) Puede aplicarse el ejercicio 6.63 pues son inmediatas las comprobaciones de f 2 = 0 y de dim Img(f ) = 1.
c) El endomorsmo f es diagonalizable si y slo si existe una base de Mn ( ) de autovectores de f. o Los vectores propios asociados al autovalor = 0 son las matrices cuadradas, de orden n tales que la suma de todos sus elementos es 0, n V0 = M M n ( ) : mij = 0 .
i,j=1
Como la dimensin de Mn ( ) es n2 , la dimensin de V0 es n2 1 porque sus elementos estn o o a descritos por una sola ecuacin lineal. o Los vectores propios asociados al autovalor = n forman un subespacio vectorial de dimensin 1. o No puede ser mayor porque dim(V0 ) = n2 1. Al ser la matriz identidad un autovector asociado a = n, se tiene 0 0 0 0 Vn = M Mn ( ) : M = Idn = . . . , con . . .. . . . . . 0 0
R .
El conjunto de n2 matrices 1 1 0 0 B = Idn , . . . . . . 0 0
es una base de Mn ( ) formada por autovectores, luego el endomorsmo f es diagonalizable. d) Para n = 2, la matriz de f respecto a la base {( ) ( ) ( ) ( )} 1 0 1 1 0 1 0 0 B = , , , 0 1 0 0 1 0 1 1 2 0 0 0 0 0 0 0 es D = 0 0 0 0 mientras que respecto a la base 0 0 0 0 {( ) ( ) ( ) ( )} 1 0 0 1 0 0 0 0 B= , , , 0 0 0 0 1 0 0 1 1 1 1 1 0 0 0 0 es M = 0 0 0 0 . 1 1 1 1 Puede comprobarse que 1 1 1 0 0 1 1 0 0 1 1 1 1 0 1 0 0 0 0 0 1 1 0 1 0 = 0 0 0 0 0 0 0 1 1 0 1 1 1 0 0 1 1 0 0 1 1 1 1 1 1 1 1 1 2 2 0 0 0 2 2 2 2 0 1 0 0 0 0 0 0 0 = 0 0 1 0 0 0 0 0 0 1 1 1 1 0 2 0 0 0 2 2 2 2
cuadradas de orden n : 0 ... 0 0 1 1 . . . 0 0 . . . 0 0 0 0 . . . 0 . .. . , . . . .. . , . . . , . . . . . . . . . . . . . . 0 ... 0 0 0 0 ... 0
0 0 ... 0 0 0 0 . . . 0 0 . . .. . . . . . . . . . . . 0 0 . . . 1 1
0 0 0 0
0 0 0 0
0 0 . 0 0
Ejercicio 6.69 Matrices de endomorsmos de 3 Hallar las matrices respecto a la base cannica de los endomorsmos f : o el vector = (1, 1, 1)T es un vector propio de f, v el subespacio V = {(x, y, z)T : x + y + z = 0} es invariante mediante f, () si = (0, 0, 1)T , entonces f = . w w v Son diagonalizables? Solucin: o El subespacio V tiene dimensin 2 y o { } BV = = (1, 0, 1)T , = (0, 1, 1)T e2 e3
R3 R3 tales que
es una base de V. El vector no pertenece al subespacio V porque la suma de sus coordenadas respecto a la base v cannica no es cero, 1 + 1 + 1 = 3 = 0, luego o { } B = = = (1, 1, 1)T , = (1, 0, 1)T , = (0, 1, 1)T e1 v e2 e3 es un conjunto libre de 3 y, en particular, una base de 3 . Como es un autovalor de f, e1 ( ) f e 1 = = 0 . e1 0 B y pertenecen a V, que es invariante mediante f, sus imgenes mediante f tambin e Como e2 a e 3 pertenecen a V y pueden expresarse respecto a la base BV como combinacin lineal de los elementos o y : e2 e3 0 0 () () f = + = e2 e3 y f = + = . e2 e3 e2 e3 B B Las columnas de la matriz del endomorsmo f respecto a la base B son las coordenadas respecto a la base B de las imgenes mediante f de los elementos de la base B, luego a 0 0 AB = 0 0 es la matriz de f respecto a la base B. Al ser ( 1 , 1 , 1 )T las coordenadas de respecto a la base B, porque w 3 3 3 = 1 w e1 3 1 e2 3 1 e3 , 3
() y (1, 0, 0)T las coordenadas de f respecto a la base B, porque w () f =, w e1 se cumple la igualdad matricial 1 1 0 0 ( ) 3 1 0 = f w = AB w = 0 1 = 3 3 1 0 0 3
que se concreta en las relaciones = 3, = , = , luego la matriz respecto a la base B del (o de los) endomorsmo(s) que cumplen las condiciones del enunciado es 3 0 0 AB = 0 . 0 La matriz 1 1 0 1 , P = 1 0 1 1 1
cuyas columnas son las coordenadas de los vectores de la base B respecto a la base cannica, es la o matriz de cambio de la base B a la base cannica. Con ella, con su inversa y con la matriz AB , se o calcula la matriz A del endomorsmo f respecto a la base cannica, siendo o 1 1 0 3 0 0 1 1 1 1+ 1 1 1 1 0 2 1 1 = 1 + 1 1 . A = P AB P 1 = 1 0 3 1 1 1 0 1 2 1 1 1++ 1 Hay ms de un endomorsmo que cumple las condiciones del enunciado. a El polinomio caracter stico de estos endomorsmos depende de los parmetros y pero no a depende de la base considerada, por tanto, P () = |AB Id3 | = y los autovalores de f son 1 = 3, 2 = 0 y 3 = . Segn el valor de se presentan las siguientes situaciones: u Si = 0 y = 3, entonces el endomorsmo f : 3 3 tiene tres autovalores distintos y es diagonalizable. Existe una base respecto a la que la expresin matricial de f es o 3 0 0 0 . D = 0 0 0 0 Por ejemplo, para = 1 y = 0, la matriz 2 0 1 A = 1 1 1 0 2 1 es diagonalizable y semejante a la matriz 3 0 0 D = 0 0 0 . 0 0 1 3 0 0 0 = (3 )( + ) 0
Si = 0, entonces
1+ 1 1 A = 1 + 1 1 1 2 1 + 2 1
y los autovalores de A son 1 = 3, con multiplicidad algebraica 1, y 2 = 0, con multiplicidad algebraica 2. El subespacio propio asociado al autovalor 2 = 0 es Ker(A 0 Id3 ) = Ker(A) y coincide con el subespacio vectorial formado por las soluciones del sistema homogneo de ecuaciones lineales e 1+ 1 1 x 0 1 + 1 1 y = 0 . 1 2 1 + 2 1 z 0 Aplicando operaciones elementales entre las, 1+ 1 1 1+ 1 1 1 + 1 1 3 3 0 , 1 2 1 + 2 1 0 0 0 luego el rango de A depende del valor de , de tal modo que si = 0, entonces rango(A) = 1 y si = 0, entonces rango(A) = 2. Respecto a la diagonalizacin de A, se presentan dos casos: o Si = = 0, entonces 1 1 1 A = 1 1 1 , 1 1 1
el subespacio propio asociado al autovalor 2 = 0 es S0 = {(x, y, z)T : x + y + z = 0} = H, su dimensin es 2, la multiplicidad geomtrica del autovalor 2 = 0 es 2 y coincide con o e su multiplicidad algebraica; adems, las multiplicidades algebraica y geomtrica del otro a e autovalor, = 3, coinciden y son iguales a 1, por tanto, la matriz y el endomorsmo son diagonalizables y existe una base respecto a la cual la expresin matricial del endomorsmo o es 3 0 0 D = 0 0 0 . 0 0 0 o Si = = 0, entonces el rango de la matriz A es 2 y la dimensin del subespacio propio asociado al autovalor 2 = 0 es 1. En este caso, la multiplicidad geomtrica del autovalor 2 = 0 es 1 y al no coincidir con su e multiplicidad algebraica la matriz A y el endomorsmo asociado no son diagonalizables. Existe una base respecto a la cual la forma cannica de Jordan es o 3 0 0 J = 0 0 1 . 0 0 0
Por ejemplo, el endomorsmo de matriz 2 0 1 A = 2 0 1 , 1 3 1 correspondiente a los valores = = 1, no es diagonalizable. Si = 3, entonces 1+ 1 1 2 + 1 1 4 1 y A 3 Id3 = 2 + 1 1 . A = 2 + 4 2 2 + 2 1 4 2 2 + 2 2 Independientemente del valor de , el rango de la matriz A 3 Id3 es 1 porque sus dos primeras las son iguales y la tercera es igual a la primera multiplicada por -2. Las soluciones del sistema homogneo de ecuaciones lineales e (A 3 Id3 ) = 0 x forman un espacio vectorial de dimensin 2, luego la dimensin del subespacio propio asociado o o a 1 = 3 y su multiplicidad geomtrica son 2. e Al haber coincidencia entre las multiplicidades algebraicas y geomtricas de los dos autovalores e y siendo la suma de una ellas igual a 3, el endomorsmo es diagonalizable. Existe una base respecto a la cual, la matriz del 3 0 D= 0 endomorsmo f es 0 0 3 0 . 0 0 matriz 1 1 1
Por ejemplo, para = 3 y = 0, el endomorsmo de 4 2 1 A= 1 2 4 es diagonalizable.
Ejercicio 6.70 Matriz en bloques de un endomorsmo Sea f : n n una funcin lineal y sea un valor propio (autovalor) de f con multiplio cidad geomtrica s y multiplicidad algebraica r siendo s < r. e ) ( Ids H a) Probar que existe una base B en n tal que la matriz de f asociada a B es MB (f ) = 0 A donde es un autovalor de la matriz A Mns ( ) y H Ms(ns) ( ). ( ) w b) Probar que existe 0 n , 0 Ker(f Idn ) tal que f 0 = 0 + donde Ker(f Idn ). v v v v w
Indicacin: utilizar los resultados del apartado a). o ( ) ( ) ) )2 v v c) Calcular (f Idn ) 0 y (f Idn )2 0 . Coinciden Ker(f Idn y Ker(f Idn ?
Solucin: o a) Si la multiplicidad algebraica del{autovalor es s, entonces existen s autovectores asociados a } linealmente independientes: S = , , . . . , . e1 e2 es El conjunto libre S puede completarse con otros vectores que no son autovectores hasta obtener { e } e1 es s+1 en una base de n : B = , . . . , , , . . . , .
Por tratarse de autovectores asociados al autovalor , 0 () e1 e1 f = = . , . . 0 0 0 . . . ( ) ( ) e2 f e2 = = 0 , . . . , f = = , es es . 0 . . . . . 0 0
luego la matriz del endomorsmo 0 0 0 0 .. . 0 0 MB (f ) = 0 0 0 0 0 0 .. . 0 0 0
f respecto a la base B, tiene la forma ( ) = Ids H con A Mns ( ) y H Ms(ns) ( ). 0 A
El polinomio caracter stico del endomorsmo f tiene la expresin P () = ( )r Q() con o grado Q() = n r. El polinomio caracter stico de la matriz MB (f ) es R() = |MB (f ) Idn | = H ( ) Ids 0 A Idns = ( )s |A Idns |.
Como los polinomios P y R tienen las mismas ra con la misma multiplicidad algebraica y s < r, ces el factor divide al polinomio |A Idns | que es el polinomio caracter stico de la matriz A, luego es autovalor de la matriz A. a1 a2 b) Por ser un autovalor de A, existe un autovector (no nulo), . ns , tal que . .
ans A a1 a2 . . . ans = a1 a2 . . . ans .
Sea 0 = 0 + 0 + + 0 + a1 + a2 + + ans v e1 e2 es e e en s+1 s+2
Rn.
Las coordenadas de la imagen del vector 0 respecto a la base B son v a1 a1 0 a1 0 a2 a2 a2 H . H . H . . . . . . . . . ( ) . Ids H 0 ans ans ans + = = = a1 0 a1 a1 0 A a2 a2 0 a2 . A . . . . . . . . . . . ans ans ans 0
w
0 0 . . . 0 a1 a2 . . .
ans
0 v
que La imagen de 0 puede descomponerse como la suma de 0 con un vector, ( ) pertenece v v w, { , e , . . . , } y que cumple f = o, al subespacio generado por los autovectores S = e1 2 es w w Ker(f Id ). equivalentemente, w n ( ) ( ) c) (f Idn ) v0 = f v0 0 = 0 + 0 = v v w v w. ( ) [ ( )] = (f Id )( = . (f Id )2 v = (f Id ) (f Id ) v w) 0
n
Ker(f Idn y Ker(f ) Idn pertenece a Ker(f Idn .
)2
)2 no coinciden porque 0 pertenece a Ker(f Idn pero no v
Para cualquier endomorsmo, g, Ker(g) Ker(g 2 ), luego, en este caso, )2 ) Ker(f Idn Ker(f Idn y )2 ) )) ( ( . dim Ker(f Idn < dim Ker(f Idn
Ejercicio 6.71 Matriz companion Sea p(x) = xn + an1 xn1 + + a2 x2 coecientes reales. La matriz 0 0 . Cp = . . 0 a0
+ a1 x + a0 un polinomio mnico de grado n 1 y con o 1 0 . . . 0 1 . . . .. . 0 0 . . . 1 an1
0 0 a1 a2
recibe el nombre de matriz companion asociada al polinomio mnico p(x). Se pide: o a) Demostrar que el polinomio caracter stico de Cp es (1)n p() y concluir que los autovalores de Cp son las ra ces de p(x). b) Demostrar que la dimensin del subespacio propio asociado a cualquier ra de p(x) es 1. o z c) Estudiar si la matriz companion asociada al polinomio p(x) = xn (x2 3x + 2) con n diagonalizable. Solucin: o
N es
a) Para demostrar que el polinomio caracter stico de Cp es (1)n p() puede utilizarse el procedimiento de induccin sobre el grado del polinomio p(x). o n = 1. Los polinomios mnicos de grado 1 son de la forma p1 (x) = x + a0 , por lo que o ( ) Cp1 = a0 . El polinomio caracter stico de Cp1 es ( ) ( ) |Cp1 Id | = | a0 1 | = a0 = p(). n = 2. La matriz companion asociada a un polinomio mnico de grado 2, p(x) = x2 +a1 x+a0 , o es ( ) 0 1 Cp2 = a0 a1 y el polinomio caracter stico es ( |Cp2 Id | = 0 1 a0 a1 ) ( 1 0 0 1 ) = 1 a0 a1
= 2 + a1 + a0 = p() = (1)2 p(). Se supone que hasta un cierto m , el polinomio caracter stico de Cpm es (1)m p(). Asumiendo esta hiptesis, falta comprobar que para m + 1 tambin se cumple la referida o e m+1 + a xm + + a x + a es un polinomio mnico propiedad. Esto es as porque si p(x) = x o m 1 0 de grado m + 1, la matriz companion asociada es 0 1 0 0 0 0 1 0 . . . . .. . . . Cpm+1 = . . . . . . 0 0 0 1 a0 a1 a2 am y el polinomio caracter stico de Cpm+1 viene dado por el determinante siguiente: 1 0 0 1 . . . . . . Id | = . . . 0 0 0 a0 a1 a2 .. . 0 0 . . . 1 am
|Cpm+1
Desarrollando respecto a la primera columna, se obtiene

D1
|Cpm+1
1 0 0 1 . . . . . Id | = . . . . 0 0 0 a1 a2 a3
.. .
D2
0 0 . . . 1 am
1 0 1 +(1)m (a0 ) . . .. . . . . . 0 0
0 0 . . . . 1
El primer determinante, D1 , es el polinomio caracter stico de la matriz companion asociada al polinomio mnico q(x) = xm + am xm1 + + a3 x2 + a2 x + a1 que, por la hiptesis de o o induccin, coincide con el polinomio (1)m q(). o
El segundo determinante, D2 , vale 1 porque es una matriz triangular inferior con la diagonal formada solamente por unos. Por tanto, |Cpm+1 Id | = (1)m (m + am m1 + + a3 2 + a2 + a1 ) + (1)m+1 a0 = (1)m+1 (m+1 + am m + + a2 + a1 ) + (1)m+1 a0 = (1)m+1 pm+1 (). Una vez comprobado que el polinomio caracter stico de la matriz companion asociada al polinomio p(x) mnico y de grado n es (1)m p() y conocido que los autovalores de una matriz cuadrada o son las ra ces del polinomio caracter stico, es inmediato deducir que los autovalores de la matriz companion Cp asociada al polinomio mnico p(x) son las ra o ces de p(x). b) Sea S0 el subespacio propio correspondiente al autovalor 0 de la matriz companion Cp asociada al polinomio mnico de grado n o p(x) = xn + an1 xn1 + + a1 x + a0 . La dimensin de S0 se calcula mediante la frmula o o dim(S0 ) = n rango(Cp 0 Id). El determinante de la matriz cuadrada de orden n 0 1 0 0 0 1 . . . . . Cp 0 Id = . . . . 0 0 0 a0 a1 a2 es cero porque 0 es un autovalor de Cp , pero es la unidad, se trata de 1 0 0 1 . . . . . . 0 Por tanto, rango(Cp 0 Id) = n 1 y dim(S0 ) = n rango(Cp 0 Id) = n (n 1) = 1. En denitiva, la dimensin del subespacio propio asociado a cualquier autovalor de Cp es 1. La o multiplicidad geomtrica de los autovalores de Cp es siempre 1. e c) Como la dimensin de los autoespacios asociados a una matriz companion es siempre 1, la matriz o companion asociada al polinomio p(x) ser diagonalizable si y slo si p(x) puede descomponerse a o en producto de factores de grado 1. En este caso, p(x) = xn (x2 3x + 2) = xn (x 1)(x 2), luego Cp es diagonalizable o no segn los valores que tome n. u
.. .
0 0 . . . 1 an 0
tiene un menor de orden n 1 cuyo determinante 0 0 . = 1. . . 1
.. . 0
n = 0, El polinomio p(x) = (x 1)(x 2) puede descomponerse en producto de factores de grado 1, luego Cp es diagonalizable y la matriz diagonal semejante es ( ) 1 0 . Dp = 0 2 n = 1. El polinomio p(x) = x(x 1)(x 2) puede descomponerse en producto de factores de grado 1, luego Cp es diagonalizable y la matriz diagonal semejante es 0 0 0 Dp = 0 1 0 . 0 0 2 Todos los autovalores de Cp pertenecen a geomtrica coinciden e
R, son 0, 1 y 2 y sus multiplicidades algebraica y
n 2. El polinomio p(x) = xn (x 1)(x 2) con n 2 no puede descomponerse en producto de factores de grado 1 porque la multiplicidad algebraica de la ra 0 es estrictamente superior a z 1, luego Cp no es diagonalizable y la forma en bloques de Jordan de la matriz semejante es J = 0 1 0 0 0 1 . . . . . . . . . 0 0 0 0 0 0 0 0 0 0 0 0 .. . 0 0 1 0 0 0 0 0 0 0 . 0 0 1 0 0 2 0 0
Ejercicio 6.72 Matrices circulantes Las matrices cuadradas de orden 4 de la forma a b M (a, b, c, d) = c d
d a b c
c d a b
b c d a
se llaman matrices circulantes y desempean un importante papel en estad n stica. Se pide: a) Calcular las potencias de la matriz circulante 0 1 C4 = 0 0 1 0 0 0
0 0 1 0
0 0 0 1
y comprobar que tambin son matrices circulantes. e
b) Hallar todos95 los autovalores de C4 y construir una base96 de autovectores. c) Demostrar que cualquier matriz circulante puede ser expresada como una combinacin lineal de o 2 3 las matrices circulantes Id4 , C4 , C4 , C4 . d) Hallar la expresin de los autovalores de M (a, b, c, d) en funcin de los escalares a, b, c y d. o o e) Hallar una base de autovectores de M (a, b, c, d). Solucin: o a) Las primeras potencias de C4 son: 0 0 0 0 1 1 0 0 0 1 2 C4 = 0 1 0 0 0 0 0 0 1 0 0 0 0 0 1 1 0 0 0 0 3 C4 = 0 1 0 0 1 0 0 0 1 0 0 0 0 1 0 1 0 0 0 0 4 C4 = 0 1 0 0 0 0 0 1 0 1 1 0 0 0 = 0 1 0 0 0 0 0 1 = 0 0 1 0 0 1 0 0 = 1 0 0 0 0 1 = M (0, 0, 1, 0), 0 0 0 0 = M (0, 0, 0, 1), 1 0 0 0 = M (1, 0, 0, 0) = Id4 . 0 1
0 0 1 0 0 0 0 1 1 0 0 0
0 0 0 1 1 0 0 0 0 1 0 0
0 0 0 1 1 0 0 0 0 1 0 0
1 0 0 0 0 1 0 0 0 0 1 0
Claramente, todas las matrices obtenidas son circulantes.

4 Por otra parte, puesto que C4 = Id4 , el producto de cuatro matrices C4 consecutivas puede obviarse porque no aporta nada al resultado nal. As pues, Id4 = M (1, 0, 0, 0) si n = 0 mod 4 (n = 4i), C4 = M (0, 0, 0, 1) si n = 1 mod 4 (n = 4i + 1), n C4 = M (0, 0, 1, 0) si n = 2 mod 4 (n = 4i + 2), M (0, 1, 0, 0) si n = 3 mod 4 (n = 4i + 3).
b) El polinomio caracter stico de C4 es 0 0 1 1 0 0 0 1 0 0 0 1 0 0 1 0 = 0 1 0 0 1 1 0 0 1
|C4 Id4 | =
= 4 1.
Los autovalores de C4 son las soluciones de la ecuacin 4 1 = 0, es decir, las ra o ces cuartas de la unidad: 1 = 1, 2 = 1, 3 = i, 4 = i. La matriz C4 no es diagonalizable en el cuerpo de los nmeros reales, pero s lo es en el cuerpo u de los nmeros complejos, donde se puede encontrar una base compuesta por autovectores de C4 . u Al haber cuatro autovalores distintos, hay cuatro autoespacios de dimensin uno. Un conjunto o formado por un elemento de cada autoespacio es una base de autovectores.
95 96
Tanto complejos como reales. Puede haber autovectores complejos, dependiendo de los autovalores.
T Los elementos, = (x1 , x2 , x3 , x4 ) , del autoespacio asociado al autovalor 1 = 1 cumplen x x1 1 0 0 1 x1 0 x2 1 1 0 0 x2 0 = , (C4 Id4 ) = x3 0 1 1 0 x3 0 x4 0 0 1 1 x4 0
de donde, resolviendo el sistema de ecuaciones lineales homogneo asociado, e A1 = {(, , , ) :
C}.
T Los elementos, = (x1 , x2 , x3 , x4 ) , del autoespacio asociado al autovalor 1 = 1 cumplen x 0 1 0 0 1 x1 x1 x2 1 1 0 0 x2 0 (C4 Id4 ) = x3 0 1 1 0 x3 = 0 , x4 0 x4 0 0 1 1
de donde, resolviendo el sistema de ecuaciones lineales homogneo asociado, e A1 = {(, , , ) :
C}.
T Los elementos, = (x1 , x2 , x3 , x4 ) , del autoespacio asociado al autovalor 1 = i cumplen x x1 i 0 0 1 x1 0 x2 1 i x2 0 0 0 (C4 Id4 ) = = , x3 0 1 i 0 x3 0 x4 0 0 1 i x4 0
de donde, resolviendo el sistema de ecuaciones lineales homogneo asociado, e Ai = {(i, , i, ) :
C}.
T Los elementos, = (x1 , x2 , x3 , x4 ) , del autoespacio asociado al autovalor 1 = i cumplen x x1 i 0 0 1 x1 0 x2 1 i 0 0 x2 0 (C4 Id4 ) = x3 0 1 i 0 x3 = 0 , x4 0 0 1 i x4 0
de donde, resolviendo el sistema de ecuaciones lineales homogneo asociado, e Ai = {(i, , i, ) : El conjunto B = {(1, 1, 1, 1), (1, 1, 1, 1), (i, 1, i, 1), (i, 1, i, 1)} es una base de autovectores complejos de C4 es una matriz diagonal, cumplindose e 1 1 1 i i 0 0 0 1 0 0 1 1 1 1 1 1 i i 0 1 0 1 1 1 1 0 0 1 4 1 4 i 4 i 4
1 1 4 1 4 1 4 1 4 1 4 1 4 i 4 i 4
C}.
la matriz circulante C4 . Respecto a la base B, la matriz 1 1 i i 1 1 1 1 = 1 1 i i 1 1 1 1 1 0 0 0 1 1 1 1 0 1 1 i i 0 1 0 = 0 0 i 0 1 1 1 1 0 0 0 i 1 1 i i .
1 0 0 0 1 4 1 4 1 4
1 4
c) Cualquier matriz circulante puede expresarse como combinacin lineal de las potencias de C4 : o a b M (a, b, c, d) = c d d a b c c d a b b c 2 3 = a Id4 +b C4 + c C4 + d C4 d a = a M (1, 0, 0, 0) + b M (0, 1, 0, 0) + c M (0, 0, 1, 0) + d M (0, 0, 0, 1). Como el conjunto
2 3 Bc = {Id4 , C4 , C4 , C4 }
es linealmente independiente, el conjunto de matrices circulantes es un subespacio vectorial de dimensin 4 del espacio vectorial de las matrices cuadradas de orden 4. o d) Si es un autovector de C4 asociado al autovalor , entonces es un autovector de M (a, b, c, d) x x asociado al autovalor a + b + c2 + d3 porque 2 3 M (a, b, c, d) = (a Id4 +b C4 + c C4 + d C4 ) = (a + b + c2 + d3 ) . x x x Por tanto, los autovalores de M (a, b, c, d) son = a + b + c + d, = a b + c d, = a + bi c di, = a bi c + di. 1 2 3 4 e) Como los autovectores de la matriz circulante C4 tambin son autovectores de cualquier matriz e circulante, M (a, b, c, d), entonces el conjunto B, calculado en el apartado b), es una base de autovectores de M (a, b, c, d). La matriz M (a, b, c, d) es diagonalizable, resultando a+b+c+d 0 0 0 0 ab+cd 0 0 . M (a, b, c, d) P = 0 0 a + bi c di 0 0 0 0 a bi c + di
P 1
Ejercicio 6.73 Resolucin de ecuaciones recurrentes o Resolver el sistema de ecuaciones recurrentes u(n) = 3u(n 1) + 3v(n 1) v(n) = 5u(n 1) + v(n 1) cuando a) u(0) = 1 y v(0) = 1. b) u(0) = 8 y v(0) = 8. c) u(0) = 3 y v(0) = 5.
Solucin: o El sistema de ecuaciones recurrentes del enunciado puede expresarse de forma matricial: ( ) ( )( ) ( ) u(n) 3 3 u(n 1) u(n 1) = =A . v(n) 5 1 v(n 1) v(n 1) El valor de u y v en el estado n puede calcularse si se conoce el valor de ambas variables en el estado n 1, pero tambin puede expresarse en funcin del estado inicial ya que e o ( ) ( )( ) ( )2 ( ) ( )n ( ) ( ) u(n) 3 3 u(n 1) 3 3 u(n 2) 3 3 u(0) n u(0) = = = = =A . v(n) 5 1 v(n 1) 5 1 v(n 2) 5 1 v(0) v(0) Encontrar una expresin de la potencia n-sima de la matriz A signica resolver el sistema de o e ecuaciones recurrentes asociado a A. Si la matriz A es diagonalizable, es posible calcular su potencia n-sima porque las potencias de e matrices diagonales se calculan elevando a la potencia requerida los elementos de la diagonal. El polinomio caracter stico de A es P () = 3 3 = 2 4 12 5 1
y los autovalores son las ra ces de este polinomio caracter stico: 1 = 6 y 2 = 2, luego la matriz A es diagonalizable porque es cuadrada de orden 2 y tiene dos autovalores distintos. Los subespacios propios de A son ( ) { } { } 3 3 S6 = Ker(A6 Id2 ) = Ker = (x, y) 2 : x+y = 0 = (, ) 2 : . 5 5 ( ) { } { 5 3 5 S2 = Ker(A + 2 Id2 ) = Ker = (x, y) 2 : 5x + 3y = 0 = (, 3 ) 2 : 5 3 } . { } El conjunto B = (1, 1), (3, 5) es una base de 2 formada por vectores propios de A. Respecto a B, la matriz A tiene forma diagonal. La matriz ( ) 1 3 P = 1 5
es una matriz de paso, de manera que (5 )( )( ) ( ) 3 3 3 1 3 6 0 1 8 8 P AP = 1 = = D. 1 5 1 1 5 0 2 8 8 La potencia n-sima de la matriz D es e D = y, como A = P DP 1 , An = P Dn P 1 = ( 1 3 1 5 )( 6n 0 0 (2)n ) (5
8 1 8 n
6n 0 0 (2)n
) 3 1 8
8
5 n 3 n 6 + (2) 8 8 = 5 n 5 6 (2)n 8 8
3 n 3 n 6 (2) 8 8 . 3 n 5 6 + (2)n 8 8
En funcin de los datos del estado inicial, el sistema de ecuaciones recurrentes es o 5 n 3 ( ) ) n 3 6n 3 (2)n ( 6 + (2) u(0) u(n) 8 8 8 8 = v(0) . v(n) 5 n 5 n 3 6n + 5 (2)n 6 (2) 8 8 8 8 a) Si u(0) = 1 y v(0) = 1, entonces 5 n 3 ( ) n 6 + (2) u(n) 8 8 = v(n) 5 n 5 6 (2)n 8 8 o bien u(n) = 1 n 3 1 5 6 + (2)n y v(n) = 6n (2)n . 4 4 4 4 3 n 3 ( n) n ( ) 6 (2) 8 86 8 8 8 = 8 6n 3 n 5 6 + (2)n 8 8 3 n 3 1 n 3 ) n ( n 6 (2) 6 + (2) 1 8 8 4 = 4 1 1 3 n 5 5 6 + (2)n 6n (2)n 8 8 4 4
b) Si u(0) = 8 y v(0) = 8, entonces 5 n ( ) 6 + u(n) = 8 5 v(n) 6n 8 o bien
3 (2)n 8 5 (2)n 8
u(n) = 8 6n y v(n) = 8 6n . c) Si u(0) = 3 y v(0) = 5, entonces 5 n 3 ( ) n 6 + (2) u(n) 8 8 = v(n) 5 n 5 6 (2)n 8 8 o bien u(n) = 3 (2)n y v(n) = 5 (2)n . 3 n 3 n ( 6 (2) 3) (3 (2)n ) 8 8 = 5 5 (2)n 3 n 5 n 6 + (2) 8 8
Ejercicio 6.74 Sistema de ecuaciones diferenciales lineales con valor inicial Resolver el siguiente sistema de ecuaciones diferenciales lineales x (t) = 2x1 (t) + x2 (t) + x3 (t) 1 x (t) = x1 (t) + 3x2 (t) + 3x3 (t) 2 x (t) = 3x1 (t) + 2x2 (t) + 2x3 (t) 3 para el valor inicial 1 x1 (0) (0) = x (0) = 2 . x 2 1 x3 (0)
Solucin o Este sistema de ecuaciones diferenciales lineales resultando x1 (t) 2 x (t) = 1 2 x (t) 3 3 puede expresarse de la forma 1 1 x1 (t) 3 3 x2 (t) . 2 2 x3 (t) d (t) = A (t), x x dt
La matriz A es diagonalizable porque el polinomio caracter stico |A Id | = 2 1 1 1 3 3 = (2 + 7 + 6) = 0 3 2 2
es de grado 3 y tiene tres soluciones distintas: 1 = 0, 2 = 1, 3 = 6. Por tanto, existe una matriz invertible, P, tal que P 1 AP = D, siendo 6 0 0 D = 0 1 0 . 0 0 0 Equivalentemente, luego d (t) = P DP 1 (t). x x dt Multiplicando por la izquierda ambos miembros de la igualdad por P 1 , aplicando que la matriz P 1 es constante y que P 1 P = Id, se tiene d 1 P (t) = DP 1 (t). x x dt Haciendo = P 1 , la ecuacin anterior se transforma en y x o d (t) = D (t) y y dt que puede resolverse fcilmente porque al ser D una matriz diagonal, el sistema de ecuaciones es a
y1 (t) = 6y1 (t) y2 (t) = y2 (t) y3 (t) = 0
A = P DP 1 ,
que tiene como soluciones
C1 e6t y1 (t) (t) = y (t) = C et . y 2 2 C3 y3 (t)
Las columnas de la matriz P de cambio de base tienen que ser autovectores asociados a los autovalores 6, 1 y 0, por este orden. A continuacin, se calculan los subespacios propios de la matriz o A:
El autoespacio S6 asociado al autovalor 6 es el ncleo de A 6I y est formado por las u a soluciones del sistema 0 4 1 1 z1 = 1 3 z2 = 0 , 3 (A 6I) z 3 2 4 z3 0 resultando S6 = {(6, 13, 11) : y siendo B6 = {(6, 13, 11)} una base de S6 . Del mismo modo, el autoespacio S1 asociado al autovalor 1 es el ncleo de AI y est formado u a por las soluciones del sistema 1 1 1 z1 0 (A I) = 1 2 3 z2 = 0 , z 3 2 1 z3 0 resultando S1 = {(1, 2, 1) : y siendo B1 = {(1, 2, 1)} una base de S1 . Finalmente, el autoespacio S0 asociado las soluciones del sistema 2 = 1 Az 3 resultando S0 = {(0, 1, 1) : y siendo B0 = {(0, 1, 1)} una base de S0 . Respecto a la base B = {(6, 13, 11), (1, 2, 1), (0, 1, 1)}, la representacin del endomorsmo asociado a la matriz A es diagonal. La matriz de cambio de o base es 6 1 0 P = 13 2 1 , 11 1 1 vericndose AP = P D. a Conocida la matriz P y el vector puede calcularse la solucin del sistema inicial de ecuaciones y o x diferenciales lineales porque 6t 6c1 e6t + c2 et c1 e 6 1 0 (t) = P (t) = 13 2 1 c et = 13c e6t 2c et c . x y 1 2 3 2 11c1 e6t + c2 et + c3 c3 11 1 1 al autovalor 0 es el ncleo de A y est formado por u a 1 1 z1 0 z2 = 0 , 3 3 2 2 z3 0
R}
R}
R}
c1 El vector de constantes = c2 se calcula utilizando el punto por el que debe pasar la solucin c o c3 en el instante especicado, es decir, el valor inicial ya que el vector (t0 ) puede expresarse como x . el producto de una matriz constante por el vector c Para t0 = 0 se tiene 6c1 + c2 6 1 0 c1 (0) = 13c 2c c = 13 2 1 c = B . c x 1 2 3 2 11c1 + c2 + c3 11 1 1 c3
El sistema de ecuaciones lineales B = es compatible determinado para cualquier vector c v v porque el rango de la matriz de coecientes, B, es 3 y B es invertible, siendo 1 1 1 B 1 =
30 4 5 7 6 30
1 5 1 6
1 . 5
5 6
30
Para el vector de valor inicial dado, el vector es c c1 1 0 = c = B 1 2 = 1 c 2 c3 1 0 y la curva solucin del sistema de ecuaciones diferenciales lineales es o t e (t) = 2et . x et Se trata de una recta de 3 como puede observarse en la grca de la izquierda de la gura 8 a donde se representa la solucin cuando t [0, 0,5]. o El procedimiento de clculo de constantes descrito anteriormente es vlido para cualquier vector a a inicial cuando t0 = 0. Por ejemplo, si x1 (0) 1 (0) = x (0) = 1 , x 2 x3 (0) 1 el vector de constantes es 1 c1 1 30 = c = B 1 1 = 6 , c 2 5 11 c3 1 6 6 t 1 6t 5 e + 5 e (t) = 12 t 13 6t 11 . x e + e 30 6 5 6 11 6t 11 et + e + 5 30 6
resultando
Esta curva solucin no es una recta, como queda patente en la grca de la derecha de la gura 8. o a
x(0)=(1,2,1)
x(0)=(1,1,1)
1.2
1.4
1.1
1.2
1.0 1.0 1.2

1.0 0.8 1.0
Figura 8: Soluciones de un sistema de ecuaciones diferenciales lineales para dos valores iniciales
PREGUNTAS TIPO TEST
7.
Preguntas tipo test

F La expresin x P (x) = y Q(y) es lgicamente equivalente a y Q(y) = x P (x). o o F Si B es una forma escalonada reducida de Gauss de la matriz A, entonces las las no nulas de B generan el espacio vectorial generado por todas las las de A (espacio la). F Si X es un conjunto y f : X X una funcin, entonces la unin de las imgenes por f o o a de todos los subconjuntos de X es igual a X, f (A) = X.
AX
1.- V 2.- V 3.- V
4.- V
a 2a 2b y AT t A es la matriz traspuesta F Si a y b son nmeros reales no nulos, A = b u a 2a de A, entonces rango(A AT ) = 2. F El subespacio vectorial real de matrices reales 2 3, {( ) ++ ++ S= : , , 0 ++ tiene dimensin 2. o }
5.- V
6.- V
F Si A M86 ( ) y rango(A) = 6, entonces B M68 ( ) tal que AB = Id8 .
7.- V
F Sean X, Y y Z conjuntos y f : X Y y g : Y Z funciones. g f es biyectiva si y slo si f y g son biyectivas. o
8.- V
F Si A es una matriz cuadrada de orden n tal que para cualquier vector columna, b, de n las el sistema de ecuaciones lineales AX = b tiene solucin, entonces el sistema homogneo o e AT X = 0 tiene solucin unica. (AT t A, matriz traspuesta de A). o F El conjunto de los nmeros complejos, , con la suma usual de nmeros complejos y u u el producto por escalares, (x + yi) = x + (y)i, tiene estructura de espacio vectorial respecto al cuerpo de los nmeros reales . u
9.- V
10.- V
F Sean U y V subespacios de un espacio vectorial W. U V es un subespacio vectorial si y solamente si U V o V U.
11.- V
F Si la funcin p nand q est denida por la tabla o a p V V F F entonces p q (p nand p) nand(q nand q). q V F V F p nand q F V V V
PREGUNTAS TIPO TEST
12.- V
F La sentencia
( ( )) x P (x) = Q(x) R(x) ( ( )) x P (x) Q(x) R(x) .
equivale lgicamente a o
13.- V
F Sea X un conjunto. Para cualesquiera A, B, C, D, subconjuntos de X, se cumple ( ) ( ) A B C A (D B) (D C) = . F Si X es un conjunto y A, B, C son subconjuntos de X, entonces (A B) C = (A C) (B C).
14.- V
15.- V 16.- V 17.- V
F Sean A y B dos conjuntos, IdA : A A la funcin identidad y f : A B y g : B A o 1 . dos funciones. Si (g f ) = IdA , entonces g = f F Sea el conjunto A = {(x, y) f (x, y) = x2 es sobreyectiva.
R2
: x2 + y 2 = 9}. La funcin f : A o
R tal que
F Sea f : X Y una funcin entre los conjuntos X e Y. o ( ) A X f 1 f (A) = A. ( ) F Si representa la operacin x y = xy , entonces el sistema algebraico o {0}, tiene elemento neutro. ( ) ( ) F El predicado x P (x) = Q(x) equivale lgicamente a x P (x) Q(x) . o { } F Si f : n+1 n es una aplicacin lineal, entonces Ker(f ) = 0 . o
18.- V 19.- V 20.- V 21.- V
F Sean U y V dos subespacios vectoriales de dimensin nita del o dim(U ) = dim(V ) = dim(U + V ), entonces U = V.
K-espacio vectorial W. Si
22.- V
F Sea (E, < , >) un -espacio vectorial eucl deo y sean U, V subespacios vectoriales de E. { E : (U + V )} = { E : U } + { E : V }. v v v v v v F Existe un subespacio vectorial, V, de F El sistema de vectores { , } del u v , + } es libre. v u v
n i=1 n i=1
23.- V 24.- V 25.- V
R5 tal que dim(V ) = dim (V ).

es libre si y solamente si { u
K-espacio vectorial V R
F Sean A = (aij ), B = (bij ) Mn ( ). Si aii = bii , entonces P Mn ( ) tal que P 1 AP = B.
26.- V
3 0 0 3 1 0 F La matriz A = 0 2 0 es semejante a la matriz B = 0 2 0 . 0 0 1 1 0 2
PREGUNTAS TIPO TEST
27.- V 28.- V 29.- V
F La matriz A Mn ( ) no es invertible si y slo si = 0 es autovalor de A. o F F
C L(R) = {f : R R : f es lineal} es un R-espacio vectorial de dimensin 1. o Sea (E, < , >) un R-espacio vectorial eucl deo y , E. u v
= E < , >=< , > . u v w u w v w
30.- V
F Sean A, B Mn ( ). A = B C Mn1 ( ) AC = BC.
31.- V 32.- V
( ) ( ) F El predicado x P (x) = Q(x) equivale lgicamente al predicado x P (x) Q(x) . o F Si todos los coecientes de la matriz A M2 ( ) tienen parte imaginaria no nula, entonces A no puede tener autovalores reales. F El conjunto de matrices formado por las soluciones de la ecuacin matricial o ( ) ( ) 1 1 1 0 X= 0 1 0 1
33.- V
tiene estructura de espacio vectorial. 34.- V F Si f : E E es una aplicacin lineal entre -espacios vectoriales y H es un subespacio ( ) o de E, entonces dim f (H) dim(H). k 1 1k+1 1k+2 F El rango de la matriz (2)k (2)k+1 (2)k+2 es 3 k . 3k 3k+1 3k+2
35.- V
36.- V
F Dadas las funciones lineales h : E E y f : E E entre los E, E y E , se verica
K- espacios vectoriales
Img(f h) = Img(f ) h es sobreyectiva. 37.- V F Si el conjunto de las soluciones del sistema de ecuaciones lineales A = b coincide con el x conjunto de las soluciones del sistema de ecuaciones lineales B = b , entonces A = B. x ( ) ( ) 0 1 120 = 1 0 . F Si A = , entonces A 1 0 0 1 F Sean U y V subespacios vectoriales del U V es un subespacio vectorial.
38.- V 39.- V
K-espacio vectorial E. Si U V
{ } 0 , entonces
40.- V
F Si ) y ( son autovectores linealmente independientes de un endomorsmo f, entonces u v ( y f ) son linealmente independientes. f u v F Sea
41.- V 42.- V
K un cuerpo conmutativo. Si P Mmn(K) y P TP = Idn, entonces m n.
F Sea (E, < , >) un espacio vectorial eucl deo y G un conjunto de vectores de E. El proceso de Gram-Schmidt aplicado a G produce siempre una base ortogonal de E.
PREGUNTAS TIPO TEST
43.- V
{ } F Sea V, V = 0 , un subespacio vectorial de un espacio vectorial eucl deo de dimensin nita, E. La proyeccin ortogonal sobre V, proyV : E E, es un endomorsmo o o diagonalizable. F Si A, B Mn ( ) y B = A2 , entonces el polinomio caracter stico de B es el cuadrado del 2 (). polinomio caracter stico de A, PB () = PA F Sean n, p { } F Si f : E E es una funcin lineal entre espacios vectoriales tal que Ker(f ) = 0 y o Ker(f ) f (E) = E, entonces para cualquier base B de E, la matriz de f respecto de B, B MB (f ), tiene alguna columna nula. F Si A es una matriz diagonalizable, entonces A2 tambin lo es. e F Sea la matriz A Mn ( ). El sistema A = b tiene solucin unica para cada b x o Mn1 ( ) si y slo si el cero no es autovalor de A. o
44.- V
45.- V 46.- V
N y A Mn(R). Si R es un autovalor de A y Ap = 0, entonces = 0.
47.- V 48.- V 49.- V 50.- V
F Si B es una forma reducida de Gauss de la matriz no nula A = 0, entonces las columnas pivote de B son una base del espacio columna de A. F Si es un cuerpo conmutativo, n , A Mn ( ), A es singular, b Mn1 ( ) y b = 0 , entonces el sistema de ecuaciones lineales A b = tiene solucin unica. x o
51.- V 52.- V 53.- V 54.- V 55.- V 56.- V
F Si 0 es el unico autovalor de la matriz A M3 ( ), entonces n es nilpotente).
N tal que An = 0 (A
F Sea V un espacio vectorial de dimensin nita y c {0}. Todo autovector V o w del endomorsmo f : V V tambin es autovector del endomorsmo cf : V V. e F Si un endomorsmo de un espacio vectorial de dimensin nita no es inyectivo, entonces o el trmino independiente de su polinomio caracter e stico es 0. F Si V es un espacio vectorial real de dimensin n y f : V V un endomorsmo, entonces o la suma de las multiplicidades algebraicas de los autovalores de f es n. F Toda matriz de rango mximo es diagonalizable. a F El endomorsmo f :
R3 R3 tal que
f (x, y, z) = (y, z, y)
es diagonalizable. 57.- V F La aplicacin < , >: M2 ( ) M2 ( ) tal que o ( ) ( ) a11 a12 b11 b12 < , >= a11 + a12 + a21 + a22 + b11 + b12 + b21 + b22 a21 a22 b21 b22 es un producto escalar. 58.- V F Existe una matriz diagonal 1 0 0 1 1 1 D M3 ( ) tal que 1 1 1 1 1 1 1 1 1 D. 1 1 = 1 1 1 0 2 1 0 2 1 0
PREGUNTAS TIPO TEST
59.- V
F Sea D una forma diagonal de la matriz diagonalizable A. Si la matriz A no es invertible, entonces D no es invertible. F Sea V un -espacio vectorial de dimensin nita, n. Cualquier subconjunto de V formado o por ms de n vectores distintos es generador de V. a F Si f : X Y es una aplicacin entre los conjuntos X e Y y A y A son subconjuntos o de Y, entonces f 1 (A) f 1 (A ) = f 1 (A A ). (( ) ) F x X P (x) = Q(x) P (x) = Q(x). F Sea A Mnm ( ). La dimensin del subespacio la de A coincide con la dimensin del o o subespacio columna de A. F Si V es un -espacio vectorial de dimensin impar y f : V V es una aplicacin lineal, o o entonces Ker(f ) = Img(f ). F Si A Mn1 ( ), entonces el rango de AAT es 1. F Si A Mn ( ) y A es invertible, entonces todas las submatrices cuadradas de A de orden n 1 son invertibles. F Si A Mnm ( ) y b Mn1 ( ), el sistema de ecuaciones lineales A = b es x ( ) compatible determinado si y solamente si rango(A) = rango A| b .
60.- V
61.- V
62.- V 63.- V
64.- V
65.- V 66.- V
67.- V
68.- V
( F Si A Mn ( ), entonces los sistemas lineales x1 x2 x1 b1 x 2 b2 A . = . tienen las mismas soluciones. . . . .
) ( xn A = b1 b2
) bn y
xn 69.- V
bn
F Si V es un -espacio vectorial de dimensin nita y f : V V una aplicacin lineal, o o entonces Img(f f ) Img(f ). ( ) ( ) F El predicado x P (x) = Q(x) equivale lgicamente al predicado x P (x) Q(x) . o ( ) F Si f : X Y es una aplicacin entre conjuntos y B Y, entonces f f 1 (B) = o B f (X). ( ( ( )) ( )) F Sean f, g : n n endomorsmos tales que dim Ker f = dim Img g , enton( ( ( )) ( )) ces dim Ker g = dim Img f .
70.- V 71.- V
72.- V
73.- V
F Si el endomorsmo f : es n.
Rn Rn tiene n autovalores distintos, entonces el rango de f K
74.- V
F La matriz cuadrada A Mn ( ) es singular si y slo si existe un autovalor de A, , tal o que Ker(A) est contenido en el subespacio propio asociado a . a F Sea (E, < , >) un espacio vectorial eucl deo y , E. u v { E :< , >= 0} = { E :< , >= 0}, entonces = . Si w u w w v w u v
75.- V
PREGUNTAS TIPO TEST
76.- V
F Las matrices cuadradas, X M2 ( ), soluciones de ( ) ( 0 0 0 X= 1 1 0
la ecuacin matricial o ) 0 0
forman un subespacio vectorial de dimensin 2 de M2 ( ). o 77.- V F El conjunto H = {p(x) [x] : p (5) = 0} es un subespacio vectorial del espacio vectorial real de polinomios en la indeterminada x y con coecientes reales, [x]. 1 1 1 1 0 es una de las matrices de cambio de base entre las F La matriz M = 0 0 0 1 bases B1 = {1, 1 + x, 1 + x2 } y B2 = {1, x, x2 } del espacio vectorial de polinomios con coecientes reales y grado menor que 2, 2 [x] = {a0 + a1 x + a2 x2 : a0 , a1 , a2 }. ( ) F La matriz A = 1 2 1 M13 ( ) admite inversa por la izquierda.
78.- V
79.- V 80.- V 81.- V 82.- V 83.- V 84.- V
F F
C Existe un endomorsmo f : R2 R2 tal que Img(f ) = {(x, y) R2 : |x + y| = 1}. Si la matriz cuadrada A Mn (K) es singular, entonces existe p N tal que Ap = 0 Mn (K). R R R R} son subespacios de
F x y P (x, y) = y x P (x, y). F Si U1 = {(a, 0) : a }, U2 = {(0, b) : b } y U3 = {(c, c) : c 2 , entonces U + U + U es suma directa. 1 2 3
F La dimensin de un espacio vectorial de dimensin nita, V, coincide con el cardinal de o o un conjunto formado por el mayor nmero posible de vectores de V linealmente indepenu dientes. F Si f : E E es una aplicacin lineal entre espacios vectoriales y {x1 , x2 , . . . , xn } es un {o } sistema libre de E, entonces f (x1 ), f (x2 ), . . . , f (xn ) es un sistema libre de E . ( ) F Sean U, V y W conjuntos, f : U V y g : V W funciones y E = g f (U ) . Si g f : U E es isomorsmo, entonces f y g son biyectivas. 1 2 3 4 5 2 3 4 5 6 F El rango de la matriz A = 3 4 5 6 7 es 2. 4 5 6 7 8 5 6 7 8 9 F Si A Mnm ( ) y B Mnm ( ) es una matriz obtenida al aplicar a la matriz A una operacin elemental entre las, entonces las columnas i y j de A son linealmente o independientes si y slo si las columnas i y j de B son linealmente independientes. o F Si 1 y 2 son autovalores distintos de la matriz A, entonces Ker(A 1 Id) Ker(A 2 Id) = .
85.- V 86.- V
87.- V
88.- V
89.- V
90.- V
F En el espacio vectorial real C[0, 1] = {f : [0, 1] < f (x), g(x) >= es un producto escalar.
R : f es continua}, la operacin o
) 1( f (0)g(0) + f (1)g(1) 2
PREGUNTAS TIPO TEST
91.- V
F Si E es un -espacio vectorial de dimensin nita, F un subespacio vectorial de E y o f : E E un endomorsmo, entonces ( ) ( ) ( ) dim f 1 (F ) = dim Ker(f ) + dim F Img(f ) . F Si U, V y W son entonces
92.- V
K-espacios vectoriales y f : U V y g : V
( ) Ker(g f ) = f 1 Ker(g) .
W aplicaciones lineales,
93.- V
F Si (E, < , >) es un espacio eucl deo y 0 E, entonces la aplicacin f0 : E E tal v o v que ( ) x x f0 =< 0 , > v x v es inyectiva. F Sea X = {a, b, c, d}. ( ) una funcin f : X X tal que x X f {x} {x} = . o (
94.- V
95.- V 96.- V 97.- V
F Si A =
a b c d
M2 ( ) y ad + bc = 1, entonces el rango de A es 2.
F Sea un cuerpo, n B = 0. F Sea E un
N, A, B Mn(K) y A una matriz regular. Si AB = 0, entonces

( ) ( ) T = L T { } . v v v v
K-espacio vectorial. Diremos que T E es liberado sindical si y slo si o

{ } 0 , .
Alguno de los siguientes conjuntos es liberado sindical: E, 98.- V F Sea E un K-espacio vectorial, T E y T. v
( ({ } ) {}) L(T ) = L T v +L . v
99.- V 100.- V 101.- V 102.- V 103.- V 104.- V
F El sistema S = {sen x, 1, x, x2 , . . . , x7 } es un sistema libre en el espacio vectorial real de las funciones reales de variable real continuas, C( ). F Si la matriz A Mn ( ) es diagonalizable e invertible, entonces A1 tambin es diagoe nalizable. F Sea F
entonces A es diagonalizable.
K un cuerpo conmutativo. Si P Mmn(K) y P TP = Idn, entonces rango(P ) = n. Si todas las ra ces del polinomio caracter stico de la matriz A Mn (R) son reales,
( ) F Sea X un conjunto tal que x X P (x) = Q(x) y sea a X. Si se verica P (a), entonces necesariamente se verica Q(a). F Si (E, < , >) es un espacio vectorial eucl deo y 0 E, la aplicacin f0 : E E tal v o v que () x x f0 =< 0 , > 0 v v v es inyectiva.
PREGUNTAS TIPO TEST
105.- V 106.- V 107.- V
F Si U y V son subespacios vectoriales de un espacio vectorial E tales que U V = E, entonces E ( U V ). v v v F Sean A y B conjuntos y f : A B y g : B A funciones. Si g f = IdA , entonces f es sobreyectiva. ({ ) { } } F Si 1 , 2 es un sistema libre del -espacio vectorial E, E y L 1 , 2 , v v w w v v { } entonces , , es un sistema libre. v v w
108.- V 109.- V
F Existen matrices A, cuadradas, con coecientes reales, invertibles y 22 tales que A1 = A. F Si A Mnm ( ) y B Mnm ( ) es una matriz obtenida al aplicar a la matriz A una operacin elemental entre las, entonces las las i y j de A son linealmente independientes o si y slo si las las i y j de B son linealmente independientes. o F Todo subespacio vectorial, S, de un espacio vectorial de dimensin nita, E, es el ncleo o u de alguna aplicacin lineal f : E E. o F Si E es un
110.- V 111.- V
K-espacio vectorial, f End(E) y f 2 = f f, entonces

f 2 = 0 f (E) Ker(f ).
112.- V 113.- V 114.- V
F Si A, B Mn ( ) y rango(AB) = rango(B), entonces B es invertible. F Sean U, V y W subespacios del espacio vectorial eucl deo (E, < , >). Si U V y V W, entonces U W. ( ( {}) {}) F Sea E un -espacio vectorial, S, S E y E. Si L S u u = L S , u ( ) F Una funcin f : X X es inyectiva si y slo si f f 1 (X) X. o o F Si s las de una matriz A son linealmente dependientes, entonces A contiene s columnas linealmente dependientes. ( ) Idn 0 F Sea B Mn ( ). La matriz A = M2n ( ) verica A2 = Id2n . B Idn { } F Sea A Mpq ( ) tal que Ker(A) = 0 . Para cada b Mp1 ( ), el sistema A = x b tiene una unica solucin. o entonces S = S .
115.- V 116.- V
117.- V 118.- V
119.- V 120.- V 121.- V 122.- V
F Todos los autovalores de una matriz cuadrada 2 2, simtrica y con coecientes reales e son nmeros reales. u F Si f : E E es un endomorsmo y H un subespacio vectorial de E, entonces H es un autoespacio de f asociado a un autovalor = 0 si y slo si f (H) = H. o F Sea A M2 ( ). Si U y V son dos autoespacios de A tales que U V, entonces A es diagonalizable. ( ) q q q F Sea Q = 1 2 r una matriz real de orden n r tal que QT Q = Idr . La m nima distancia de Mn1 ( ) al subespacio Col(Q) es igual a u
2 u
r i=1
< , i >2 . u q
PREGUNTAS TIPO TEST
123.- V 124.- V
F Dada la funcin f : X X, se verica que f f = f f = IdX . o F Dadas las aplicaciones lineales f : E E y g : E E y el subespacio vectorial H E, se verica que f (H) + g(H) = (f + g)(H). F Una aplicacin lineal f : n 2 es sobreyectiva si y solo si las funciones 1 f y o 2 f son linealmente independientes, donde 1 (x, y) = x y 2 (x, y) = y. F Sean A, B Mn ( ). Si rango(AB) = rango(B), entonces A es invertible. F Si A Mm ( ), b Mm1 ( ) y P Mm ( ) y es invertible, entonces el sistema o A = b tiene solucin si y slo si el sistema (P 1 AP ) = P 1 b tiene solucin. x o o x
125.- V
126.- V 127.- V
128.- V 129.- V 130.- V
F Sea f : E E un endomorsmo de un espacio vectorial de dimensin nita. Si Img(f ) o es un autoespacio asociado a un autovalor distinto de 0, entonces f es diagonalizable. F Si A Mm ( ) verica que existe n tal que An = 0, entonces 0 es el unico autovalor de A. F En el espacio vectorial eucl deo C([, ]) con el producto escalar < f, g >= f (x)g(x) dx,
la norma del vector f (x) = x es 131.- V 132.- V 133.- V
2 3 . 3
F Si A Mmn ( ) y rango(A) = m, entonces existe R Mnm ( ) tal que AR = Idn . F Sea A una matriz cuadrada de orden n. Los autovalores de A y AT coinciden. { } F {Sea S = 1 ,} 2 , . . . , r un conjunto de vectores de un -espacio vectorial, E, y sea u u u , , . . . , el sistema obtenido al aplicar el mtodo de Gram-Schmidt a S. Si e v1 v2 vr = 0 , con j > 1, entonces el vector depende linealmente de { , , . . . , }. vj uj u1 u2 u j1
134.- V
F Sea f una aplicacin lineal entre los -espacios vectoriales U y V. } sistema de vectores o El { { , u , . . . , } U es libre si y slo si f ( ), f ( ), . . . , f ( ) V es libre. u1 2 us o u1 u2 us F Si E es un -espacio vectorial, < , > un producto escalar en E y U y V dos subespacios vectoriales de E, entonces U V = U V . F Sea E un -espacio vectorial y f un endomorsmo de E. Si y son autovectores de u v f, entonces + es un autovector de f. u v F Si G Mn ( ) es la forma escalonada reducida de Gauss de la matriz A Mn ( ), entonces A y G tienen los mismos autovalores. ( ( { ) ) } F E = L 1 , . . . , n + L 1 , . . . , m 1 , . . . , n , 1 , . . . , m es una base de E. u u v v u u v v F Si E es un
135.- V
136.- V 137.- V 138.- V 139.- V 140.- V
K-espacio vectorial y f End(E), entonces f f = f f = IdE .
F Dadas las aplicaciones f : X Y y g : Y Z, se verica que g f : X Z es biyectiva si y solo si f y g son biyectivas.
PREGUNTAS TIPO TEST
141.- V
F Si E es un -espacio vectorial de dimensin nita, entonces no existe f : E E lineal o tal que Img(f ) = Ker(f ). F Si A es una matriz cuadrada de orden n tal que para cualquier vector columna b de n las el sistema de ecuaciones A = b tiene solucin, entonces la ecuacin homognea x o o e = 0 tiene solucin unica. Ax o ( ) F Para cualquier funcin, f : X Y, se cumple f 1 f (X) = X. o ( ) F La funcin f : X Y es biyectiva si y slo si f f 1 (Y ) = Y. o o F La funcin real de variable real f (x) = sen x cos x pertenece al espacio vectorial generado o por el conjunto de funciones reales de variable real G = {1, sen x, cos x}. F Las matrices cuadradas, con coecientes reales, de dimensin 2 2 e invertibles forman o un subespacio vectorial del espacio vectorial de las matrices cuadradas reales de dimensin o 2 2. F En una matriz A con coecientes reales, el mayor nmero posible de las linealmente u independientes coincide con el mayor nmero posible de columnas linealmente indepenu dientes. F Si A y B son conjuntos cualesquiera, entonces los conjuntos A B, B A y A B son disjuntos entre s . F Si A y B son conjuntos cualesquiera, entonces (AB) (AB) = AB. F Si E1 y E2 son matrices elementales de dimensin n n, entonces E1 E2 = E2 E1 . o F La unin de todos los subespacios vectoriales de dimensin 1 de un espacio vectorial, o o V = {0}, es igual a V. F Si f :
142.- V
143.- V 144.- V 145.- V 146.- V
147.- V
148.- V 149.- V 150.- V 151.- V 152.- V 153.- V 154.- V 155.- V
Rn Rn es una aplicacin lineal, entonces Ker(f ) Ker(f 2). o
F Todo endomorsmo biyectivo es diagonalizable. F Todo endomorsmo diagonalizable es biyectivo. F Si f : V W es una aplicacin lineal entre)espacios vectoriales de dimensin nita, o ( ) o ( entonces dim V = dim Ker(f ) + dim Img(f ) . ( ) F En el espacio vectorial eucl deo C [, ] con el producto escalar < f, g >= f (x)g(x) dx,
156.- V
157.- V
el mdulo del vector f (x) = cos x es ( cos x = ). o ( ) F En el espacio vectorial eucl deo C [, ] con el producto escalar < f, g >= f (x)g(x) dx,
el mdulo del vector f (x) = sen x es ( sen x = ). o 158.- V F Si f :
Rn Rn es una aplicacin lineal, entonces Img(f ) Img(f 2). o

7 ( 159.- V F La matriz ( 160.- V 161.- V 162.- V F La matriz 1 2 2 1 0 1 1 0 )
PREGUNTAS TIPO TEST
puede ser la matriz de un producto escalar en ) puede ser la matriz de un producto escalar en
R2. R2.
N tal que Idn +A + A2 + + Ap = 0, entonces A es invertible. F El subespacio vectorial de R3 generado por los vectores 1 = (2, 1, 0), 2 = (0, 1, 2) v v = (3, 2, 1) coincide con el subespacio vectorial de R3 generado por los vectores y v3
F Si A Mn ( ) y p u1 = (1, 1, 1) y u2 = (1, 0, 1). F Sea f : X Y una aplicacin entre los conjuntos X e Y y A y A subconjuntos de X, o ) f (A A ). entonces f (A) f (A F El sistema homogneo e mx + (m + 1)y + 2z = 0 x + my z = 0 x + (m + 2)y + z = 0
163.- V
164.- V
tiene solucin unica para cualquier valor m o 165.- V
R.
F Si f : V V es un endomorsmo ) espacio vectorial V y U es un subespacio vectorial del ( de V, entonces dim(U ) dim f (U ) . F Las matrices, X M2 ( ), soluciones de la ecuacin matricial o ( 1 1 1 1 ) X= ( 0 0 0 0 )
166.- V
167.- V
forman un subespacio vectorial de dimensin 2 de M2 ( ). o ( ) a11 a12 a13 a11 a12 F Si la matriz A = a21 a22 a23 es invertible, entonces B = tambin es e a21 a22 a31 a32 a33 invertible. F Sea (g f ) : V V V el endomorsmo composicin de los endomorsmos f y g o del espacio vectorial V. Si Ker(g f ), entonces Ker(f ). v v { { } } F La matriz asociada a las bases B = , , . . . , y B = e , e , . . . , e de n e1 e2 en n 1 2 () n n tal que i = {1, 2, . . . , n} f = e es la matriz de la aplicacin lineal f : o e
f g
168.- V
169.- V
170.- V
identidad de Mn ( ). { } F {Si B = , , es una base de un espacio vectorial V y V, entonces B = e1 e2 e3 v + , + , + } tambin es una base de V. e e e1 v 2 v 3 v e F Si A Mmn ( ) y rango(A) = m, entonces existe L Mnm ( ) tal que LA = In . F Si A Mn ( ) y es invertible, entonces p
171.- V 172.- V 173.- V
N tal que Idn +A + A2 + + Ap = 0.
F El subespacio vectorial de 3 generado por los vectores 1 = (2, 1, 0) y 2 = (0, 1, 2) v v coincide con el subespacio vectorial de 3 generado por los vectores 1 = (1, 1, 1), 2 = u u = (3, 2, 1). (1, 0, 1) y u3
PREGUNTAS TIPO TEST
174.- V 175.- V
F Sea f : X Y una aplicacin entre los conjuntos X e Y y A y A subconjuntos de X, o entonces f (A) f (A ) f (A A ). F El sistema homogneo e (m 1)x + 2z = 0 x + (m + 1)y = 0 y+z =0
es compatible determinado para cualquier valor m 176.- V
R.
F Si f : V V es un endomorsmo del espacio vectorial V y U es un subespacio vectorial ( ) de V , entonces dim(U ) dim f (U ) . F Las matrices, X M2 ( ), soluciones de la ecuacin matricial o ( ) ( ) 1 1 0 0 X= 0 1 0 0 forman un subespacio vectorial de dimensin 2 de M2 ( ). o
177.- V
178.- V 179.- V 180.- V 181.- V
F Si A, B Mmn y Mn1 A = B , entonces A = B. v v v F Sea (g f ) : V V V el endomorsmo composicin de los endomorsmos f y g o Ker(g f ), entonces Ker(g). del espacio vectorial V. Si v v F La matriz asociada a la aplicacin Id : n n tal que Id( ) = n , es o v v v siempre la matriz identidad. { } { F Si B = , , es una base de un espacio vectorial V entonces B = + , + e} e2 e3 e1 e2 e2 1 , + tambin es una base de V. e e3 e3 e1 F Sea f : n n un endomorsmo. La suma de las multiplicidades geomtricas de los e autovalores de f es n. F Sea f : 3 3 un endomorsmo. Si el conjunto de todos los autovectores de f tiene estructura de subespacio vectorial, entonces f es diagonalizable. F Si la matriz asociada al endomorsmo f : entonces f es diagonalizable. F Sea f :
f g
182.- V 183.- V 184.- V 185.- V
R2 R2 respecto a la base B es simtrica, e
R3 R3 tal que f (x, y, z) = (3x + y + 5z, 7y, 7z). El conjunto S3 = {(, 4 5, ) : , R}

asociado al autovalor = 3 de f. 1 0 es diagonalizable. 2
186.- V
es el subespacio propio 1 1 0 2 F La matriz A = 0 0
187.- V
F En el espacio vectorial eucl deo producto escalar
R2[X] = {a0 + a1x + a2x2
: a0 , a1 , a2
2 i=0
R} con el
< p(x), q(x) >=< a0 + a1 x + a2 x2 , b0 + b1 x + b2 x2 >= la norma del vector p(x) = 1 + x2 es 2 (1 + x2 = 2).
ai bi ,
PREGUNTAS TIPO TEST 0 0 5 es A = 0 0 0 , 0 0 0
188.- V
F Si, respecto a la base B, la matriz del endomorsmo f : entonces v R3, = tal que f ( ) = 5 . v 0 v v En el espacio vectorial R1 [X] = {p(x) = a0 + a1 x : < p(x), q(x) >= es un producto escalar.
R3 R3
189.- V
a0 , a1
R}, la operacin o
) 1( p(0)q(0) + p(1)q(1) 2
190.- V 191.- V 192.- V
F Si el rango de A M2 ( ) es 1, entonces A es diagonalizable. F Si A Mn ( ) tiene k autovalores distintos, entonces rango(A) k. F Si A, B Mn ( ) y son semejantes, entonces A Idn y B Idn tambin son matrices e semejantes . ( ) 1 1 F La matriz puede ser la matriz de un producto escalar en 2 . 1 1
R R
193.- V 194.- V
F Aplicando unicamente operaciones elementales entre las, cualquier matriz de M2 ( ) puede reducirse a una de las siguientes formas: ( ) ( ) ( ) 0 0 1 0 1 0 , , . 0 0 0 0 0 1 F Sea V un -espacio vectorial de dimensin nita, n. Cualquier subconjunto de V formado o por ms de n vectores distintos es linealmente dependiente. a F Sea f : X Y una aplicacin entre los conjuntos X e Y y A y A subconjuntos de X, o entonces f (A) f (A ) = f (A A ). ) (( ) F x X P (x) = Q(x) Q(x) = P (x). F Sea A Mnm ( ). El subespacio la de A coincide con el subespacio columna de A. F Sea V un -espacio vectorial de dimensin nita y f : V V una aplicacin lineal. Si o o Ker(f ) = Img(f ), entonces la dimensin de V es un nmero par. o u F Si A Mn1 ( ), entonces AAT es invertible. F Si A Mn ( ) y rango(A) = n, entonces todas las submatrices cuadradas de A de orden n 1 tienen rango n 1. F Si A Mnm ( ) y b Mn1 ( ), el sistema lineal A = b es compatible si y x ( ) solamente si rango(A) = rango A| b .
195.- V 196.- V
197.- V 198.- V 199.- V 200.- V 201.- V
202.- V
203.- V
F Si Mn ( ), entonces los sistemas lineales (x1 , x2 , , xn )A = (b1 , b2 , , bn ) y A b1 x1 x 2 b2 AT . = . tienen las mismas soluciones. . . . . xn bn
PREGUNTAS TIPO TEST
204.- V
F Si V es un -espacio vectorial de dimensin nita y f : V V una aplicacin lineal, o o entonces Ker(f f ) Ker(f ). F Si n tal que An = 0 (A es nilpotente), entonces 0 es el unico autovalor de la matriz A M3 ( ). F Sea V un -espacio vectorial de dimensin nita y c {0}. Todo autovalor o del endomorsmo f : V V tambin es autovalor del endomorsmo cf : V V. e F Si 1 , 2 , . . . , n son los autovalores del endomorsmo f : n nomio caracter stico de f es P () = ( 1 )( 2 ) ( n ).
205.- V
N R
206.- V
207.- V
Rn, entonces el poli-
208.- V
F Si el trmino independiente del polinomio caracter e stico de un endomorsmo f : V V de un espacio vectorial de dimensin nita es 0, entonces f no es inyectivo. o F Toda matriz diagonalizable tiene rango mximo. a F Sea V un espacio vectorial real de dimensin nita y f : V V un endomorsmo. El o { } escalar es un valor propio de f si y slo si Ker(f Id) = 0 . o
209.- V 210.- V
211.- V
F El endomorsmo f :
R3 R3 tal que
f (x, y, z) = (y, z, y)
es diagonalizable. 212.- V 213.- V F La matriz de cambio de base que diagonaliza a una matriz diagonalizable, es unica. F Los vectores { (1, 1, 0), (1, 1, 2), (1, 1, 1) } son una base de
1 0 1 propios del endomorsmo cuya matriz asociada a la base cannica es A = 0 1 1 . o 1 1 0 214.- V
R3 formadapor vectores
F Sea D una forma diagonal de la matriz diagonalizable A. Si la matriz A es invertible, entonces D es invertible. F A Mnm ( ) m n(n, m) rango(A) mx(n, m). a F Sea V un -espacio vectorial de dimensin nita y f : V V una aplicacin lineal. Si o o ( ) ( ) { } dim Img(f ) = dim Img(f f ) , entonces Ker(f ) Img(f ) = 0 . F Si f : E E es una aplicacin lineal entre ) -espacios vectoriales y T es un conjunto o L(T ) = f ( L(f (T )). de vectores de E, entonces v v F Todas las funciones de
215.- V 216.- V
217.- V
218.- V 219.- V
Z2 en Z2 son lineales. R
F Si las columnas de la matriz cuadrada A Mn ( ) son ortogonales entre s entonces A , no es invertible. F Sea E un espacio vectorial eucl deo. Existe un subespacio vectorial de E que es ortogonal a todos los vectores de E. F Si A Mn ( ), entonces el conjunto {B Mn ( ) : BA = 0} es un
220.- V
221.- V
K-espacio vectorial.
PREGUNTAS TIPO TEST
222.- V
F Si E es un -espacio vectorial y B1 y B2 son dos conjuntos de vectores de E que generan respectivamente los subespacios L(B1 ) y L(B2 ), entonces B1 B2 = L(B1 ) + L(B2 ) es suma directa.
223.- V
F Sea F Mpq ( ). F F T = Idp Las las de F son un sistema ortonormal.
224.- V
F Sea E un -espacio vectorial de dimensin nita y B, B dos bases de E. Si f : E E o es una funcin lineal sobreyectiva y A es la matriz de f respecto a las bases B y B , o entonces A es invertible. F {Sea E un -espacio vectorial. El vector E es combinacin lineal de los vectores v o , , . . . , } E si y slo si , , . . . , , u u1 2 un o , 1 2 n n+1
225.- V
v u u u 1 1 + 2 2 + + n n + n+1 = 0 = 1 = 2 = = n = n+1 = 0. 226.- V F Si f : E E es una aplicacin lineal entre ) -espacios vectoriales y T es un conjunto o ( ( ) de vectores de E, entonces L(T ) f L f (T ) . v v F Sea F Mpq ( ). F F T = Idp Las columnas de F son un sistema ortonormal. 228.- V 229.- V 230.- V 231.- V 232.- V F Si las columnas de la matriz cuadrada A Mn ( ) son ortogonales entre s entonces A , es invertible. F El subconjunto de las matrices con coecientes reales, cuadradas de dimensin n e ino vertibles no es un subespacio vectorial de Mn ( ). F Todo endomorsmo real, f :
227.- V
F Si U y V nita (E, < , >), entonces U V V U . F La aplicacin lineal f : o
Rn Rn, tiene algn autovalor real. u son subespacios vectoriales de un R-espacio vectorial eucl deo de dimensin o R3 R3 determinada por las relaciones
f (1, 1, 1) = (3, 2, 1), f (0, 1, 1) = (0, 1, 2), f (0, 0, 1) = (1, 0, 1) es biyectiva. 233.- V 234.- V F Sea E un -espacio vectorial de dimensin nita y f : E E un endomorsmo. Si f o es suprayectivo, entonces toda base de E se transforma, mediante f, en una base de E. F Sean A Mnm ( ), b Mn1 ( ) y P Mn ( ), P invertible. Los conjuntos de soluciones de los sistemas de ecuaciones lineales A = b y (P A) = b , coinciden. x x 0 F Si la matriz real 0 es diagonalizable en , entonces = 0. 0 0
235.- V
236.- V
F = 0 es un autovalor de la funcin f : 2 2 que a cada vector de o corresponder el mismo vector girado un ngulo alrededor del origen. a
R2 le hace
PREGUNTAS TIPO TEST
237.- V
F Existe una base B del -espacio vectorial identidad, Idn : n n , tiene la forma
R R
Rn respecto a la cual, la matriz de la funcin o

0 0 . . . . 1
1 0 1 1 B MB (Idn ) = . . . .. . . . . 1 1
238.- V
F Si p, q y r son proposiciones, entonces (p q r) (p q r) (p q r) (p q r) p.
239.- V
F Si es un cuerpo conmutativo, n , A Mn ( ), A es singular y b Mn1 ( ) { } 0 , entonces el sistema de ecuaciones lineales A = b tiene solucin. x o
240.- V
F Sea (A, +, .) un anillo. Si x, y, z A {0}, entonces x.y = z.y = x = z.
241.- V
F La suma de los subespacios de 4 : { S1 = (, , 0, 0) : , es directa.
R}
{ y S2 = (, 0, 0, ) : ,
R}
242.- V
F Sea E un
K-espacio vectorial, T E y T. v
( ) ( ) L T { } L(T ) = L T { } . v v v
243.- V
{ } F {Sea 1 , 2 , . .} , n el resultado de la ortogonalizacin por Gram-Schmidt del conjunto o u u . u , , . . . , . El conjunto de vectores { , , . . . , } tiene algn vector nulo si y v u u v1 2{ vn u1 2 un , , . . . , } es ligado. v slo si v1 2 o vn F Si las matrices A, B Mn ( ) son diagonalizables mediante la misma matriz invertible, P, entonces AB = BA. F Si la multiplicidad geomtrica de todos los autovalores de la matriz A Mn ( ) es 1, e entonces A es diagonalizable. ( ) cos sen F La matriz M2 ( ) es diagonalizable para cualquier valor real de . sen cos
244.- V 245.- V
246.- V 247.- V
F Si U y V son dos subespacios vectoriales del
K-espacio vectorial eucl E, entonces deo

x
U V = U V . 248.- V 249.- V F Toda funcin f : o F
R R impar (f (x) = f (x) Si la funcin f : R2 R2 verica o

y
R) es lineal. R,
f (x + y, 0) = f (x, 0) + f (y, 0) f (0, x + y) = f (0, x) + f (0, y)
, , x, y
entonces f es lineal.
PREGUNTAS TIPO TEST
250.- V 251.- V
F Sea U un espacio vectorial sobre el cuerpo de los nmeros complejos. Si todos los autou valores del endomorsmo f : U U son reales, entonces f es diagonalizable. F Si es un cuerpo, f : n m una aplicacin lineal, A Mmn ( ) la matriz de f o respecto a las bases cannicas y Col(A) el subespacio vectorial de m generado por las o columnas de A, entonces ( ) ( ) dim Ker(f ) + dim Col(A) = n.
252.- V
{ } u F Sea E un espacio vectorial real y , 1 , . . . , n E. v u El vector es combinacin lineal de los vectores 1 , 2 , . . . , n si y solamente si v o u u u { } u u u (1 , 2 , . . . , n ) n (0, 0, . . . , 0) tales que + 1 1 + 2 2 + + n n = 0 . v
253.- V
F Sea f : E E una aplicacin lineal entre o { } un sistema libre y 1 , . . . , n . E v (
) n n ( ) ( ) =f = = . f v i ui v i ui
i=1 i=1
R-espacios vectoriales,
{ } ,..., E u1 un
254.- V 255.- V 256.- V 257.- V 258.- V
F f : F
entonces F es un subespacio vectorial de E.
R2 R3 lineal y sobreyectiva. Sea E un R-espacio vectorial eucl deo y F E. Si F es un subespacio vectorial de E, R R
F Si A Mn ( ) y A2 = 0, entonces A es singular. F Sean R y S subespacios vectoriales del -espacio vectorial E. Si R S es un subespacio vectorial de E, entonces o bien R S o bien S R. F Sea n y n [x] el -espacio vectorial de los polinomios de grado menor o igual que n y con coecientes reales. { } Si p(x) n [x] y p(x) = 0, entonces el conjunto p(x), p (x), p (x), . . . , pn1) (x) es una base de n [x].
N R
R R
259.- V 260.- V 261.- V 262.- V
F Si es un autovalor del endomorsmo f del -espacio vectorial E, entonces el endomorsmo f IdE no es inyectivo. ( ) F Si p y q son proposiciones, entonces p p = (q q) . F Si es un autovector de A Mn ( ) y A tiene inversa, entonces es un autovector v v 1 . de A + A ( ) F Sea (E, < , >) un espacio vectorial eucl deo. Si 1 , 2 , . . .(, n E es el resultado u u u ) de aplicar el proceso de ortogonalizacin de Gram-Schmidt a 1 , 2 , . . . , n , entonces o w w w { , , . . . , } para cada 1 i < n. u u u u
i+1 1 2 i
263.- V
F Si E es un -espacio vectorial de dimensin nita y f : E E es una funcin lineal o o { } tal que Ker(f ) = 0 , entonces para cualquier base B de E, la matriz de f respecto a la base B, MB (f ), tiene alguna columna nula.
PREGUNTAS TIPO TEST
264.- V
265.- V
F Sea un cuerpo conmutativo y sean A, B Mnm ( ). Si la columna k {1..m} de A es nula y existe una matriz regular P Mn ( ) tal que P A = B, entonces la columna k de B tambin es nula. e 1 1 ( ) c1 x F {c1 , c2 , c3 } , el sistema de ecuaciones lineales 1 0 = c2 no tiene y 1 0 c3 solucin mltiple. o u
266.- V
F Sea (E, < , >) un espacio vectorial eucl deo. , E < < , > , < , > >=< , >3 . u v u v v u v u u v
267.- V
{ F El conjunto E = (x, y, 5) : x, y :
R} con las operaciones
R E E denida como (x, y, 5) = (x, y, 5) tiene estructura de R-espacio vectorial.

268.- V
+ : E E E denida como (x1 , y1 , 5) + (x2 , y2 , 5) = (x1 + x2 , y1 + y2 , 5)
269.- V 270.- V
F Sea E un espacio vectorial eucl deo de dimensin nita. Si B1 y B2 son bases ortonormales o de dos subespacios suplementarios de E, entonces B1 B2 es una base ortonormal de E. ( ) ( ) 2 4 0 0 F La unica matriz B M2 ( ) que cumple B= es B = 0. 1 2 0 0
F Sea f : E E un endomorsmo de un espacio vectorial de dimensin nita. Si f es o diagonalizable y tiene un unico autovalor, entonces la matriz de f respecto a cualquier base de E es diagonal. F Sean F y H dos subespacios vectoriales de un -espacio vectorial, E, y sea la aplicacin o g : F H E tal que g(x, y) = x + y. Si F + H = E, entonces g es biyectiva. ( ) a. F (p q) (p) = q es una tautolog ( ) a. F (p q) (p) = q es una tautolog F Si A, B son conjuntos cualesquiera, entonces A B = B A B = A.
271.- V 272.- V 273.- V 274.- V
275.- V
F Sea X un conjunto y A, B, C P(X). (A B C) (A B C) = X.
276.- V
F Sea X un conjunto y A, B, C P(X). (A B) (C B) = A B C.
277.- V 278.- V
F Sea X un conjunto, A X y f : X X una funcin. Si f (A) A, entonces o A f 1 (A). F Sea X un conjunto, A X y f : X X una funcin. o f (A) A A f 1 (A).
PREGUNTAS TIPO TEST
279.- V
F Sea f : X Y una aplicacin entre conjuntos. f es inyectiva si y solamente si A X o f (A) = f (A). F Sea f : X Y una aplicacin entre conjuntos. Si f es inyectiva, entonces A X o f (A) f (A). F Sean f : X Y y g : Y X aplicaciones entre conjuntos. g f = IdX = f es inyectiva.
280.- V
281.- V
282.- V
F Sean f : X Y y g : Y X aplicaciones entre conjuntos. g f = IdX = g es sobreyectiva.
283.- V 284.- V 285.- V 286.- V 287.- V 288.- V 289.- V 290.- V 291.- V
F Sean f : X Y, g : Y X y h : Y X aplicaciones entre conjuntos. Si g f = IdX y f h = IdY , entonces f es biyectiva y g = h = f 1 . F Sean f : X Y, g : Y X y h : X X aplicaciones entre conjuntos. Si h g f y f h g son sobreyectivas y g f h inyectiva, entonces f, g y h son biyectivas. F Sea (G, +) un grupo abeliano, a, b, c G y f : G G una funcin biyectiva. Si o f (a) + f (b) = f (c), entonces a + b = c. ( ) F La matriz 1 0 1 M13 ( ) admite inversa por la derecha. ( ) F La matriz 1 0 1 M13 ( ) admite inversa por la izquierda.
R R
F Sea A Mn ( ). Si existen , Mn1 ( ), = , tales que A = A , entonces x y x y x y A no es invertible. F Si A, B Mn ( ) y AB = Idn , entonces B = A1 . F Si A Mn ( ), A2 = A y A = Idn , entonces A es singular. F Sean A Mnm ( ) y P Mn ( ), P invertible. Los conjuntos de soluciones de los sistemas de ecuaciones lineales A = 0 y (P A) = 0 , coinciden. x x F Si A Mmn ( ), b Mn1 ( ), G es una forma reducida de Gauss de la matriz A y el sistema A = b es compatible, entonces el sistema G = b tambin lo es. x x e
292.- V
293.- V 294.- V 295.- V 296.- V
F Si k > 1 es el menor nmero natural tal que cualquier subconjunto de k o ms vectores u a del -espacio vectorial V es linealmente dependiente, entonces la dimensin de V es k 1. o ( ) F Si A Mnm ( ), entonces dim Col(A) = m. ( ) F Si A Mnm ( ), entonces dim Col(A) n.
C C F Si V( Mn1 (K) es el K-subespacio vectorial generado por las matrices 1 , 2 , . . . , n y x x x , , . . . , ) M (K) la matriz cuyas columnas son los vectores , , . . . , , x x A = x1 2 xn x1 2 xn n
entonces las columnas de A que ocupan las posiciones de las columnas pivote de su forma reducida de Gauss forman una base de V. F Si V( Mn1 ( ) es el -subespacio vectorial generado por las matrices 1 , 2 , . . . , n y x x x ) A = 1 , 2 , . . . , n Mn ( ) la matriz cuyas columnas son los vectores 1 , 2 , . . . , n , x x x x x x entonces las columnas pivote de la forma reducida de Gauss de A forman una base de V.
297.- V
PREGUNTAS TIPO TEST
298.- V 299.- V
F Si H y G son subespacios de un espacio vectorial E tales que dim(H)+dim(G) = dim(E), entonces H + G = E. F Sea V un
K-espacio vectorial y A, B V.
L(A B) = L(A) L(B).
300.- V
F Si [x] = {p(x) = a0 + a1 x + + an xn : a1 , a2 , . . . , an y n } es el espacio vectorial de los polinomios con coecientes reales, entonces existe n tal que B = {1, x, x2 , . . . , xn } es una base de [x].
N N
301.- V
F Sean U y V dos subespacios vectoriales de dimensin nita del o Si dim(U ) = dim(V ) = dim(U V ), entonces U = V.
K-espacio vectorial W.
302.- V
F Si f : E E es una aplicacin lineal entre -espacios vectoriales y U, V E son o subespacios vectoriales de E tales que f (U + V ) = f (U ) f (V ), entonces (U + V ) { } Ker(f ) = 0 . F Si f : E E es una aplicacin lineal entre -espacios vectoriales y U, V E son o { } subespacios vectoriales de E tales que (U + V ) Ker(f ) = 0 , entonces f (U + V ) = f (U ) f (V ). F Sea f : E E un homomorsmo entre espacios vectoriales. La imagen por f de cualquier sistema ligado de E es un sistema ligado de E . F Sea f : E E un homomorsmo entre espacios vectoriales. La imagen por f de cualquier conjunto generador de E es un conjunto generador de E . F Sea f : E E un homomorsmo entre espacios vectoriales. Si existe una base B = { ( ) ( ) { ( )} } e1 , e2 , . . . , de E tal que f , f , . . . , f en e1 e2 en es una base de E , entonces f es un isomorsmo. ( ) ( ) F Si f, g : E E son endomorsmos, entonces dim Img(f g) dim Img(f ) . F Sean U y V dos -espacios vectoriales y f : U V un homomorsmo. Si Img(f ) es de dimensin nita, entonces V es de dimensin nita. o o F Sean U y V dos -espacios vectoriales y f : U V un homomorsmo. Si V es de dimensin nita, entonces U es de dimensin nita. o o F Sean U y V dos -espacios vectoriales y f : U V un homomorsmo. Si V y Ker(f ) son de dimensin nita, entonces U es de dimensin nita. o o F Sea V un -espacio vectorial de dimensin nita, F V un subespacio vectorial de V o y f : V V un endomorsmo. ( ) ( ) dim(F ) = dim F Ker(f ) + dim f (F ) . F Si E es un entonces
K K
303.- V
304.- V 305.- V 306.- V
307.- V 308.- V 309.- V 310.- V 311.- V
312.- V
K-espacio vectorial de dimensin nita y f : E E es un endomorsmo, o

Img(f ) Ker(f ) = E.
PREGUNTAS TIPO TEST
313.- V
F Sean E y E dos -espacios vectoriales, U y V subespacios vectoriales de E y f : E E un homomorsmo. E = U V = Img(f ) = f (U ) f (V ). F Existen homomorsmos f, g : F
314.- V 315.- V
automorsmo si y solamente si Ker(f ) = 316.- V F Sea el -espacio vectorial eucl deo 3. H
R2 R2 tales que Ker(g f ) = g( Img(f )). Sea f : E E un endomorsmo del K-espacio vectorial de dimensin nita E. f es o { }
0 .
R3 con el producto escalar habitual y el subespacio
v 317.- V 318.- V 319.- V
R3 ,
es el vector ms prximo a en H es ortogonal a H. u a o v v u
( ) F A Mnm ( ) Col(A) = Ker(AT ) . F
R ( ) Si A Mnm (R) es una matriz con coecientes en R, entonces (Img(A)) = Ker AT .

< , > =< > V. v w u w, u v u
F Si , son dos vectores ortonormales del espacio vectorial eucl v w deo (V, < , >), entonces
320.- V 321.- V
F Sea E un espacio vectorial eucl deo. El complemento ortogonal de un subespacio V E, es el menor subespacio de E tal que todos sus elementos son ortogonales a V. F Si E es un espacio vectorial eucl deo, V, W E son los subespacios generados por los , E, respectivamente, y V , W son los subespacios generados por las vectores v w proyecciones ortogonales de sobre W y de sobre V, respectivamente, entonces v w V + W = V + W .
Referencias
Referencias
[1] P. Alberca Bjerrgaard; D. Mart Barquero. Mtodos Matemticos. Algebra Lineal y Geometr n e a a. Editorial Aljibe, Archidona (Mlaga), 2001. a [2] J. Arves Carballo; F. Marcelln Espaol; J. Snchez Ruiz. Problemas resueltos de Algebra Lineal. u a n a Thomson-Paraninfo, Madrid, 2005. [3] J. Arves Carballo; R. Alvarez Nodarse; F. Marcelln Espaol. Algebra Lineal y aplicaciones. u a n Editorial S ntesis, Madrid, 2003. [4] Sheldon Axler. Linear Algebra Done Right. Springer, New York, 1996. [5] R. Barbolla; P. Sanz. Algebra Lineal y teor de matrices. Prentice-Hall, Madrid, 1998. a [6] V. Bargueo. Problemas de Algebra. Universidad Nacional de Educacin a distancia, Madrid, n o 2004. [7] O. Bretscher. Linear Algebra with applications. Pearson Prentice Hall, Upper Saddle River, NJ, 2005. [8] J. Burgos. Algebra Lineal y Geometr Cartesiana. McGraw-Hill, Madrid, 2002. a a-Maroto Editores, Madrid, [9] J. Burgos. Algebra Lineal. Deniciones, teoremas y resultados. Garc 2007. [10] M. Castellet; I. Llerena. Algebra Lineal y Geometr Revert-Universidad Autnoma de Barcea. e o lona, Barcelona, 1994. a e [11] R. Criado; A. Bujosa; M.A. Hernndez. Algebra Lineal. Mtodo, fundamentos y algoritmos. Editorial AC, Madrid, 1993. az a a a; [12] A.M. D Hernndez; L. Tejero Escribano; E. Hernndez Garc E. Gil Cid. Ejercicios resueltos de Algebra lineal-bsica. Sanz y Torres, Madrid, 2006. a [13] Miguel Delgado Pineda; Mar Jos Muoz Bouzo. Lenguaje matemtico, conjuntos y nmeros. a e n a u Sanz y Torres, Madrid, 2010. a a a [14] V. Fernndez Laguna. Teor bsica de conjuntos. Editorial ANAYA, Madrid, 2003. [15] M.P. Ferrer Lpez; M.D. Ler Lpez; J. Ribera Pascual. Manual sobre Algebra Lineal. Fundao s o mentos matemticos. Prensas universitarias de Zaragoza, Zaragoza, 2003. a [16] G.E. Fraleigh; R.A. Beauregard. Linear Algebra. Addison-Wesley, Reading, Massachusetts, 1995. [17] N. Guerra Quintana; B. Lpez Brito. Problemas resueltos tipo test de Algebra Lineal con esquemas o tericos. El libro tcnico, Las Palmas de Gran Canaria, 1999. o e [18] M. Guzmn. Cmo hablar, demostrar y resolver en Matemticas. Editorial ANAYA, Madrid, a o a 2004. [19] K. Hardy. Linear Algebra for engineers and scientists. Pearson Prentice Hall, Upper Saddle River, NJ, 2005. [20] Darel W. Hardy; Fred Richman; Carol L. Walker. Applied Algebra. Codes, Ciphers and Discrete Algorithms. CRC Press, Boca Ratn Fl, USA, 2009. o
Referencias
[21] E. Hernndez. Algebra y geometr a a. Addison-Wesley/U. Autnoma de Madrid, Wilmington, o Delaware, 1994. [22] Thomas W. Hungerford. Abstract Algebra. An Introduction. Thomson learning, USA, 1997. [23] B. Kolman; David R. Hill. Algebra Lineal. Pearson Prentice Hall, Naucalpn de Jurez, Mxico, a a e 2006. [24] R. Larson; B.H. Edwards; D.C. Falvo. Algebra Lineal. Editorial Pirmide, Madrid, 2004. a e [25] D.C. Lay. Algebra Lineal y sus aplicaciones. Prentice Hall, Mjico, 2001. [26] S.J. Leon. Linear Algebra with applications. Pearson Education, Upper Saddle River. New Jersey, 2006. [27] J.L. Lpez Garc Algebra Lineal. Universidad Pblica de Navarra, Pamplona, 2007. o a. u [28] George Nakos; David Joyner. Algebra Lineal con aplicaciones. Thomson, Mjico, 1999. e [29] W.K. Nicholson. Algebra Lineal con aplicaciones. Mc Graw Hill, Madrid, 2003. [30] B. Noble; J.W. Daniel. Algebra Lineal aplicada. Prentice Hall, Mjico, 1989. e [31] Juan Manuel de Olazbal. Procedimientos simblicos en Algebra Lineal. Universidad de Cantaa o bria, Santander, 2008. [32] Enrique Ponsoda; Emilio Defez; Rafael Company; Sergio Romero; Jos Vicente Piera;Enrique e Navarro. Problemas de Algebra Lineal. Universidad Politcnica de Valencia, Valencia, 2003. e [33] D. Poole. Algebra lineal. Una introduccin moderna. Thomson, Mxico D.F., 2004. o e [34] F. Puerta Sales. Algebra lineal. Edicions UPC, Barcelona, 2005. [35] J. Rojo. Algebra lineal. Mc Graw Hill, Madrid, 2007. [36] J. Rojo; I. Mart Ejercicios y problemas de Algebra lineal. Mc Graw Hill-Schaum, Madrid, 2005. n. [37] P. Sanz; F.J. Vzquez; P. Ortega. Problemas de Algebra Lineal. Cuestiones, ejercicios y trataa miento en Derive. Prentice Hall, Madrid, 1998. [38] Luis M. Snchez Ruiz; Matilde P. Legua Fernndez; Jos Antonio Morao. Fundamentos de a a e n Algebra Lineal y aplicaciones. Universidad Politcnica de Valencia, Valencia, 2001. e [39] G. Strand. Algebra y sus aplicaciones. Thomson, Mjico, 2007. e [40] A. Valverde Colmeiro. Problemas de Algebra lineal y Geometr Universidad Nacional de Edua. cacin a distancia, Madrid, 2005. o [41] A. Vera Lpez; F.J. Vera Lpez; M.A. Garc Snchez. Algebra abstracta aplicada. A.G. Novograf, o o a a Murcia, 1992. [42] A. de la Villa. Problemas de Algebra. Clagsa, Madrid, 1994.

Lorenzo Curso20112012

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Lorenzo Curso20112012

Hochgeladen von

Copyright:

Verfügbare Formate

Algebra

Lorenzo Javier Mart Garc n a

4.66. 4.67. 4.68. 4.69.

Cdigo o Cdigo o Cdigo o Cdigo o

de Hamming . . . . . Hamming recortado . lineal . . . . . . . . . lineal de paridad par

7. Preguntas tipo test Referencias

NOCIONES DE ALGEBRA ABSTRACTA

Nociones de lgebra abstracta a

Lenguaje y razonamiento matemticos a

Variaciones con repeticin de 2 elementos tomados de n en n. o

1 NOCIONES DE ALGEBRA ABSTRACTA

Cuadro 2: Funciones lgicas de dos variables lgicas o o

NOCIONES DE ALGEBRA ABSTRACTA

p nand q (p nand q) nand r q nand r p nand(q nand r) F V F V F V V F V F V F V V V F V F F V V V V V V F V V V V V V p nand p p F F V V

c) En la siguiente tabla de verdad p V F p V F

p = q p q q = p (p = q) (q = p) V F F V V F F V F V V V F V V V V V V V ( ) e) La proposicin p p = (q q) es una tautolog como queda reejado en su tabla de o a verdad: ( ) p q q q q p p = (q q) p p = (q q) V V F F F V V V F V F F V V F V F F V F V F F V F V F V

NOCIONES DE ALGEBRA ABSTRACTA

b) Demostrar que el predicado equivale lgicamente al predicado o

c) Demostrar que el predicado

equivale lgicamente al predicado o

1 NOCIONES DE ALGEBRA ABSTRACTA

NOCIONES DE ALGEBRA ABSTRACTA

1 NOCIONES DE ALGEBRA ABSTRACTA

NOCIONES DE ALGEBRA ABSTRACTA

1 NOCIONES DE ALGEBRA ABSTRACTA

NOCIONES DE ALGEBRA ABSTRACTA

Algebra de Boole conjuntista

1 NOCIONES DE ALGEBRA ABSTRACTA

resultando ( ) (a) (v) (A A) (A B) (A B) B A B = (A B) (A B) = A B B = A = , de donde ( ) (A A) (A B) (A B) B A B = = X.

e) Aplicando algunas de las propiedades empleadas en apartados anteriores: (A B) (A C) (A B)

NOCIONES DE ALGEBRA ABSTRACTA

f ) Aplicando las mismas propiedades que en apartados precedentes, (A B) (A B C) (A B C)

(t) (c) (d)

1 NOCIONES DE ALGEBRA ABSTRACTA

NOCIONES DE ALGEBRA ABSTRACTA

1 NOCIONES DE ALGEBRA ABSTRACTA

NOCIONES DE ALGEBRA ABSTRACTA

g) AB = A = B. h) A B = A C BC A. i) (A C)(B C) = (AB) C. Solucin: o a) Aplicando las propiedades del Algebra de Boole, (A B) (A B) = (A B) A B = (A B) (A B) = (A A) (B A) (A B) (B B) = (A B) (B A) = (A B) (B A) = AB

No slo se trata de una implicacin, sino de una equivalencia. o o

1 NOCIONES DE ALGEBRA ABSTRACTA

Por otro lado,

Estos resultados sugieren la frmula o n A =

NOCIONES DE ALGEBRA ABSTRACTA

luego A B = A C. i) Aplicando las propiedades del Algebra de clases, se tiene: (A C)(B C) = ) ( ) (A C) (B C) (B C) A C ( ) ( ) = (A C) B C (B C) A C (

1 NOCIONES DE ALGEBRA ABSTRACTA

Funciones entre conjuntos

NOCIONES DE ALGEBRA ABSTRACTA

R tal que f (x, y) = x2.

1 NOCIONES DE ALGEBRA ABSTRACTA

NOCIONES DE ALGEBRA ABSTRACTA

1 NOCIONES DE ALGEBRA ABSTRACTA

NOCIONES DE ALGEBRA ABSTRACTA

Si x f 1 (B) f 1 (B ), entonces x f 1 (B) o x f 1 (B ), luego f (x) B o f (x) B , por tanto f (x) B B y x f 1 (B B ).

Si x f 1 (B) f 1 (B ), entonces x f 1 (B) y x f 1 (B ), luego f (x) B y f (x) B , por tanto f (x) B B y x f 1 (B B ).

Por tanto, x f 1 (B) tal que f (x) = y, luego ( ) f ) Si y f f 1 (B) , entonces

x f 1 (B) tal que f (x) = y.

Como x f 1 (B), entonces f (x) B, luego ( ) y, consecuentemente, f f 1 (B) B. Sea f : y = f (x) B

R R tal que f (x) = |x|(y B = {1, 1}. ) (

NOCIONES DE ALGEBRA ABSTRACTA

NOCIONES DE ALGEBRA ABSTRACTA

1 NOCIONES DE ALGEBRA ABSTRACTA

NOCIONES DE ALGEBRA ABSTRACTA

1 NOCIONES DE ALGEBRA ABSTRACTA

NOCIONES DE ALGEBRA ABSTRACTA