Professional Documents
Culture Documents
x, y
Es decir, V consiste en todos los puntos que estan sobre la recta y = mx que pasa por
el origen y tiene pendiente m. Para demostrar que V es un espacio vectorial, se puede
vericar que se cumple cada uno de los axiomas.
4.1. ESPACIOS VECTORIALES 88
Suponga que x =
x
1
, y
1
y y =
x
2
, y
2
est an en V . Entonces y
1
= mx
1
y
y
2
= mx
2
, entonces
x +y =
x
1
, y
1
x
2
, y
2
x
1
, mx
1
x
2
, mx
2
x
1
+ x
2
, mx
1
+ mx
2
x
1
+ x
2
, m(x
1
+ x
2
)
V
Por lo tanto se cumple el axioma de cerradura bajo la suma.
Suponga que c R y x =
x
1
, y
1
entonces
cx = c
x
1
, y
1
= c
x
1
, mx
1
cx
1
, cmx
1
cx
1
, m(cx
1
)
V
Por lo tanto se cumple el axioma de cerradura bajo la multiplicaci on escalar.
Suponga que x =
x
1
, y
1
y y =
x
2
, y
2
est an en V . entonces
x +y =
x
1
, mx
1
x
2
, mx
2
x
1
+ x
2
, mx
1
+ mx
2
x
2
+ x
1
, mx
2
+ mx
1
x
2
, mx
2
x
1
, mx
1
= y +x
Por lo tanto se cumple la propiedad conmutativa.
Suponga que x =
x
1
, y
1
, y =
x
2
, y
2
y z =
x
3
, y
3
est an en V . entonces
x + (y +z) =
x
1
, mx
1
x
2
, mx
2
x
3
, mx
3
x
1
, mx
1
x
2
+ x
3
, mx
2
+ mx
3
x
1
+ x
2
+ x
3
, mx
1
+ mx
2
+ mx
3
x
1
+ x
2
, mx
1
+ mx
2
x
3
, mx
3
x
1
, mx
1
x
2
, mx
2
x
3
, mx
3
= (x +y) +z
Por lo tanto se cumple la propiedad asociativa.
4.1. ESPACIOS VECTORIALES 89
Considere al vector 0 =
0, m(0)
V . Entonces tomando a x =
x
1
, mx
1
V se tiene
x +0 =
x
1
, mx
1
0, m(0)
x
1
+ 0, mx
1
+ m(0)
x
1
, mx
1
= x
Por lo tanto se cumple con el axioma de identico aditivo.
Suponga que x =
x, mx
V . Entonces
x =
x, y
x, mx
x, m(x)
x, mx
x, m(x)
x x, m(x x)
0, 0
= 0
Por lo tanto se cumple el axioma de inverso aditivo
Suponga que x =
x
1
, y
1
y y =
x
2
, y
2
x
1
, mx
1
x
2
, mx
2
= c
x
1
+ x
2
, mx
1
+ mx
2
c (x
1
+ x
2
) , c (mx
1
+ mx
2
)
cx
1
, cmx
1
x
2
, mx
2
= cx + cy
Por lo tanto se cumple la propiedad distributiva de la multiplicaci on escalar.
Suponga que x =
x
1
, y
1
y c, d escalares. Entonces:
(c + d) x =
(c + d) x
1
, (c + d) mx
1
cx
1
+ dx
1
, cmx
1
+ dmx
1
cx
1
, cmx
1
dx
1
, dmx
1
= c
x
1
, mx
1
+ d
x
1
, mx
1
= cx + dx
4.1. ESPACIOS VECTORIALES 90
Suponga que x =
x
1
, y
1
y c, d escalares. Entonces:
c (dx) = c
dx
1
, dmx
1
= cd
x
1
, mx
1
= (cd) x
Suponga que x =
x
1
, y
1
y 1 es un escalar. Entonces:
1x =
1x
1
, 1mx
1
x
1
, mx
1
= x
Despues de vericar que se cumplen los 10 axiomas, concluimos que V es un espacio
vectorial.
Ejemplo 4.3 El conjunto de puntos en R
2
que estan sobre una recta que no pasa por
el origen no constituye un espacio vectorial. Sea
V = {(x, y) : y = 2x + 1, x R}
Solucion. V no es un espacio vectorial porque no se cumple la cerradura bajo la suma.
Suponga que x =(x
1
, y
1
) y y =(x
2
, y
2
) estan en V . Entonces
x +y =(x
1
, y
1
) + (x
2
, y
2
) = (x
1
+ x
2
, y
1
+ y
2
)
Si el vector del lado derecho estuviera en V , se tendria
y
1
+ y
2
= 2 (x
1
+ x
2
) + 1 = 2x
1
+ 2x
2
+ 1
Pero y
1
= 2x
1
+ 1 y y
2
= 2x
2
+ 1 de manera que
y
1
+ y
2
= (2x
1
+ 1) + (2x
2
+ 1) = 2x
1
+ 2x
2
+ 2
Por lo tanto se concluye que
(x
1
+ x
2
, y
1
+ y
2
) / V
En los ejemplos anteriores hemos visto que R
n
y algunos de sus subconjuntos son
espacios vectoriales. Sin embargo no son los unicos conjuntos que pueden constituir
un espacio vectorial. A continuaci on veremos que tambien conjuntos de matrices o de
polinomios pueden ser espacios vectoriales.
4.1. ESPACIOS VECTORIALES 91
Ejemplo 4.4 Considere el conjunto polinomios con coecientes reales de grado menor
o igual a n. Llamemos a este conjunto P
n
. Si p P
n
entonces
p (x) = a
n
x
n
+ a
n1
x
n1
+ + a
1
x + a
0
donde cada a
i
es real.
Solucion. Ya se ha probado que R
n+1
es un espacio vectorial, por lo que si se establece
una forma de representar a los elementos de P
n
como elementos de R
n+1
, entonces P
n
tambien es un espacio vectorial.
Para hacer la representaci on entre R
n+1
y P
n
, tomemos a p P
n
, entonces p (x) =
a
n
x
n
+a
n1
x
n1
+ +a
1
x+a
0
P
n
, y construyamos un vector con los coecientes de
p, quedando v =
a
n
, a
n1
, , a
1
, a
0
x, x, x
1
1
a, a, b
. Determine si W es un subespacio de R
3
.
Solucion. Vericando la cerradura bajo la suma tenemos que
a, a, b
c, c, d
a + c, a + c, b + d
es un vector con las dos primeras componentes identicas, por lo que podemos concluir
que se cumple el axioma de cerradura bajo la suma. Ahora veriquemos la cerradura
bajo la multiplicaci on escalar.
k
a, a, b
ka, ka, kb
como en la suma, las primeras dos componentes son identicas por lo que se cumple
el axioma. Debido a que se cumplen los dos axiomas de cerradura, entonces W es un
subespacio de R
3
.
Ejemplo 4.8 Considere el subconjunto W de R
3
formado por los vectores de la forma
a, a
2
, b
. Determine si W es un subespacio de R
3
.
Solucion. Vericando la cerradura bajo la suma tenemos que
a, a
2
, b
c, c
2
, d
a + c, a
2
+ c
2
, b + d
En este conjunto la forma que tiene los vectores es que la segunda componente es el
cuadrado de la primera y de esta forma se puede observar que en el resultado de la
suma la segunda componente a
2
+ c
2
= (a + c)
2
. Por lo tanto W no es no cumple el
axioma de cerradura bajo la suma y no es un subespacio de R
3
.
Ejemplo 4.9 Pruebe que el conjunto U de matrices diagonales de 22 es un subespacio
de M
22
.
Solucion. Se tiene que mostrar que U cumple los axiomas de cerradura bajo la suma
y bajo la multiplicaci on escalar. Considere los siguientes dos elementos de U.
u =
a 0
0 b
y v =
p 0
0 q
a 0
0 b
p 0
0 q
a + p 0
0 b + q
a 0
0 b
ca 0
0 cb
w R
3
| w =
a, a, a + 2
. Determine si W es un subes-
pacio de R
3
.
Solucion. De acuerdo al teorema 4.2 si W no contiene al vector cero de R
3
entonces
no es un subespacio de R
3
. Ahora para para determinar si el vector cero pertenece a W
es necesario que se cumpla
a, a, a + 2
0, 0, 0
entonces
a = 0
a = 0
a + 2 = 0
Sin embargo el sistema anterior no tiene solucion con lo que se concluye que no existe
alg un valor de a con el que se pueda obtener el vector cero.
Por lo tanto W no es un subespacio de R
3
Ejemplo 4.11 Considere el espacio vectorial V = P
4
determine si H = {p P
4
| p (0) = 1}
es un subespacio de P
4
Solucion. Para que un polinomio pertenezca a H, tiene que cumplir que al evaluarlo
en 0 el resultado es 1, esto es que el termino constante del polinomio es 1. Vericando
la cerradura bajo la suma tenemos que si p (x) y q (x) est an en P
4
, entonces
p (x) + q (x) =
a
4
x
4
+ a
3
x
3
+ a
2
x
2
+ a
1
x + 1
b
4
x
4
+ b
3
x
3
+ b
2
x
2
+ b
1
x + 1
= (a
4
+ b
4
) x
4
+ (a
3
+ b
3
) x
3
+ (a
2
+ b
2
) x
2
+ (a
1
+ b
1
) x + 2
4.1. ESPACIOS VECTORIALES 97
donde podemos observar que el polinomio p (x) +q (x) tiene como termino constante 2
y por tanto no pertenece a H, con lo que conluimos que H no es un subespacio de V .
Ejercicio 4.2 Determine si el conjunto dado H del espacio vectorial V es un subespacio
de V
V = R
2
; H = {(x, y) | y 0}
V = M
mn
; H = {T
nn
M
mn
| T
nn
es triangular superior}
V = P
n
; H = {p P
n
| p (0) = 0 y p
(0) = 0}
V = M
mn
; H = {A M
mn
| a
ij
= 0}
4.1.3. Combinaci on Lineal
En esta seccion estudiaremos las combinaciones lineales de vectores y los espacios
vectoriales generados por un conjunto de vectores. Estos conceptos tambien nos servir an
para entender el concepto de Base de un espacio vectorial.
Denici on 4.3 Sea V un espacio vectorial y tome el vector v V y tome tambien los
vectores u
1
, u
2
, . . . , u
n
V . Se dice que v es una combinacion lineal de los vectores
u
i
si u puede expresarse como:
v = c
1
u
1
+ c
2
u
2
+ + c
k
u
k
donde c
1
, c
2
, , c
k
son escalares.
Ejemplo 4.12 Considere los vectores v
1
=
1, 3, 1
, v
2
=
0, 1, 2
, y v
3
=
1, 0, 5
. v
1
es una combinacion lineal de v
2
y v
3
porque
v
1
= 3v
2
+v
3
= 3
0, 1, 2
1, 0, 5
1, 3, 1
0 8
2 1
, v
2
=
0 2
1 0
, v
3
=
1 3
1 2
, v
4
=
2 0
1 3
v
1
es una combinacion lineal de v
2
, v
3
y v
4
porque
v
1
= v
2
+ 2v
3
v
4
=
0 2
1 0
+ 2
1 3
1 2
2 0
1 3
0 8
2 1
8, 0, 5
1, 2, 3
0, 1, 4
2, 1, 1
R
3
.
Solucion. Para mostrar que
8, 0, 5
1, 2, 3
0, 1, 4
2, 1, 1
8, 0, 5
= c
1
1, 2, 3
+ c
2
0, 1, 4
+ c
3
2, 1, 1
c
1
, 2c
1
, 3c
1
0, c
2
, 4c
2
2c
3
, c
3
, c
3
c
1
+ 2c
3
, 2c
1
+ c
2
c3, 3c
1
+ 4c
2
+ c
3
8, 0, 5
1, 2, 3
0, 1, 4
2, 1, 1
8, 0, 5
= 2
1, 2, 3
0, 1, 4
+ 3
2, 1, 1
En caso de que el sistema no hubiera tenido soluci on, no hubiera sido posible expresar
al vector como una combinaci on lineal de los otros vectores.
Ejemplo 4.15 Determine si la matriz
1 7
8 1
1 0
2 1
2 3
0 2
0 1
2 0
M
22
.
Solucion. Si es posible encontrar escalares c
1
, c
2
y c
3
tales que se cumpla la siguiente
identidad
1 7
8 1
= c
1
1 0
2 1
+ c
2
2 3
0 2
+ c
3
0 1
2 0
entonces se dice que la matriz es combinaci on lineal de las otras matrices. Entonces
1 7
8 1
c
1
+ 2c
2
3c
2
+ c
3
2c
1
+ 2c
3
c
1
+ 2c
2
1 7
8 1
1 7
8 1
= 3
1 0
2 1
2 3
0 2
0 1
2 0
x
2
1
+ c
2
(2x + 3)
2x
2
+ 6x + 7 = c
1
x
2
+ 2c
2
x c
1
+ 3c
2
Los polinomios son iguales s olo cuando los coecientes correspondientes son iguales.
Comparando los coecientes de x
2
, x y el termino constante queda el siguiente sistema
de ecuaciones
c
1
= 2
2c
2
= 6
c
1
+ 3c
2
= 7
Resolviendo el sistema obtenemos que la soluci on es c
1
= 2, c
2
= 3, por lo que p (x) es
combinaci on lineal de q (x) y r (x) quedando
p (x) = 2q (x) + 3r (x)
Ejercicio 4.3 Determina si el primer vector es combinacion lineal de los otros vectores.
8,
1
4
,
27
4
2, 1, 3
5, 0, 4
3, 15, 18
2, 0, 7
2, 4, 5
2, 12, 13
0, 10, 8
1, 2, 3
1, 3, 1
1, 8, 5
5 7
5 10
1 2
3 4
0 3
1 2
1 2
0 0
1, 0, 0
0, 1, 0
0, 0, 1
genera a R
3
ya que
cualquier vector u =
u
1
, u
2
, u
3
en R
3
puede escribirse como
u = u
1
1, 0, 0
+ u
2
0, 1, 0
+ u
3
0, 0, 1
x
2
1, 2, 3
0, 1, 2
2, 0, 1
genera a R
3
Solucion. S genera a R
3
si cualquier vector x =
x
1
, x
2
, x
3
en R
3
puede represen-
tarse como combinacion lineal de los vectores de S, es decir, si existen escalares c
1
, c
2
y
c
3
tales que
x
1
, x
2
, x
3
= c
1
1, 2, 3
+ c
2
0, 1, 2
+ c
3
2, 0, 1
1, 2, 3
0, 1, 2
1, 0, 1
genera a R
3
Solucion. S genera a R
3
si cualquier vector x =
x
1
, x
2
, x
3
en R
3
puede represen-
tarse como combinacion lineal de los vectores de S, es decir, si existen escalares c
1
, c
2
y
c
3
tales que
x
1
, x
2
, x
3
= c
1
1, 2, 3
+ c
2
0, 1, 2
+ c
3
1, 0, 1
2, 1, 4
y v
2
=
4, 1, 6
. Entonces
H = gen {v
1
, v
2
}
=
v | v = a
1
2, 1, 4
+ a
2
4, 1, 6
Cual es la apariencia de H?
Solucion. Para determinar la apariencia de H, tomemos un vector cualquiera
x, y, z
x, y, z
= a
1
2, 1, 4
+ a
2
4, 1, 6
entonces
x = 2a
1
+ 4a
2
y = a
1
+ a
2
z = 4a
1
+ 6a
2
resolviendo el sistema de ecuaciones, vemos que
_
_
1 0
1
6
x
2
3
y
0 1
1
6
x +
1
3
y
0 0
5
3
x
2
3
y +z
_
_
entonces para que el vector
x, y, z
3, 1, 11
pertenece a
H = gen
1, 5, 3
2, 3, 4
1, 5, 3
2, 3, 4
,
esto es
3, 1, 11
= c
1
1, 5, 3
+ c
2
2, 3, 4
1, 5, 3
+ 2
2, 3, 4
1, 5, 3
2, 3, 4
.
Ejemplo 4.23 Sean p (x) = 2x
2
5 y q (x) = x + 1. Muestre que el polinomio r (x) =
4x
2
+ 3x 7 pertenece a gen {p, q}
Solucion. El polinomio r (x) est a en gen {p, q} si es una combinaci on lineal de p (x) y
q (x) , esto es
4x
2
+ 3x 7 = c
1
2x
2
5
+ c
2
(x + 1)
= 2c
1
x
2
+ c
2
x 5c
1
+ c
2
igualando los coecientes de los polinomios obtenemos
2c
1
= 4
c
2
= 3
5c
1
+ c
2
= 7
resolviendo el sistema vemos que la soluci on es c
1
= 2, c
2
= 3. De esta forma podemos
escribir
4x
2
+ 3x 7 = 2
2x
2
5
+ 3 (x + 1)
por lo que r (x) es combinacion lineal de p (x) y q (x) por lo tanto pertenece a gen {p, q}.
Teorema 4.4 Sean v
1
, v
2
, . . . , v
n
, v
n+1
, n+1 vectores que estan en un espacio vectorial
V . Si v
1
, v
2
, . . . , v
n
genera a V , entonces v
1
, v
2
, . . . , v
n
, v
n+1
tambien genera a V . Es
decir, si se agregan uno o mas vectores a un conjunto generador se obtiene otro conjunto
generador.
Ejercicio 4.6 Determinar si el conjunto dado de vectores genera al espacio vectorial
dado
En R
2
:
0, 1
3, 4
1, 2
En R
3
:
1, 1, 1
0, 1, 1
0, 0, 1
En P
2
: 1 x, 3 x
2
En M
22
:
1 0
1 0
1 2
0 0
4 1
3 0
2 5
6 0
2, 1, 4
1, 0, 2
, y
3, 1, 5
son
linealmente dependientes o independientes
Solucion. Colocamos los vectores en forma de columnas para construir la matriz
_
_
2 1 3
1 0 1
4 2 5
_
_
que tiene como determinante det (A) = 1, por tanto, los vectores son linealmente
independientes.
4.1. ESPACIOS VECTORIALES 107
Ejemplo 4.28 En M
23
, sean A
1
=
1 0 2
3 1 1
, A
2
=
1 1 4
2 3 0
y A
3
=
1 0 1
1 2 1
determine si A
1
, A
2
y A
3
son linealmente dependientes o independientes.
Solucion. Supongamos que c
1
A
1
+ c
2
A
2
+ c
3
A
3
= 0. Entonces
c
1
1 0 2
3 1 1
+ c
2
1 1 4
2 3 0
+ c
3
1 0 1
1 2 1
0 0 0
0 0 0
lo que equivale a
c
1
c
2
c
3
c
2
2c
1
+ 4c
2
+ c
3
3c
1
+ 2c
2
+ c
3
c
1
+ 3c
2
+ 2c
3
c
1
+ c
3
0 0 0
0 0 0
_
1 1 0
2 1 0
3 1 0
1 2 0
1 1 0
_
_
cuya forma escalonada reducida es
_
_
1 0 0
0 1 0
0 0 0
0 0 0
0 0 0
_
_
por lo tanto, la unica soluci on es c
1
= c
2
= c
3
= 0 y de esta manera los vectores son
linealmente independientes.
Ejemplo 4.29 Determine si los polinomios en P
3
, 1, x, x
2
y x
3
son linealmente de-
pendientes o independientes
Solucion. Suponga que c
1
+ c
2
x + c
3
x
2
+ c
4
x
3
= 0. Esto debe cumplirse para toda
x, en particular para valores especcos de x, si tomamos x = 0 se sigue que c
1
= 0.
4.1. ESPACIOS VECTORIALES 108
Entonces, haciendo x = 1, x = 1 y x = 2 se obtiene respectivamente
c
2
+ c
3
+ c
4
= 0
c
2
+ c
3
c
4
= 0
2c
2
+ 4c
3
+ 8c
4
= 0
el determinante de este sistema es
1 1 1
1 1 1
2 4 8
= 12
por lo tanto, estos vectores son linealmente independientes.
Ejemplo 4.30 Determine si los polinomios en P
2
, x 2x
2
, x
2
4x y 7x + 8x
2
son
linealmente dependientes o independientes.
Solucion. Escribiendo los polinomios como combinacion lineal e igualandolos al poli-
nomio cero, tenemos
c
1
x 2x
2
+ c
2
x
2
4x
+ c
3
7x + 8x
2
= 0x
2
+ 0x + 0
reduciendo la ecuacin anterior entonces
(2c
1
+ c
2
+ 8c
3
) x
2
+ (c
1
4c
2
7c
3
) = 0x
2
+ 0x + 0
y de aqui se obtiene el sistema homogeneo de ecuaciones
2c
1
+ c
2
+ 8c
3
= 0
c
1
4c
2
7c
3
= 0
el cual, al tener mas variables que ecuaciones tiene innitas soluciones y por tanto, se
concluye que los polinomios son linealmente dependientes.
Ejercicio 4.7 Determine si el conjunto S de vectores dado es linealmente dependiente
o independiente
S =
1
2
1
3
S =
3
2
1
10
4
5
S =
_
_
_
_
_
1
1
2
_
_
,
_
_
4
0
0
_
_
,
_
_
2
3
5
_
_
,
_
_
7
1
2
_
_
_
_
_
En P
2
: S = {1 x, x}
En M
22
: S =
1 0
1 2
2 3
7 4
8 5
7 6
4 1
2 3
2 3
1 4
1 0
0 0
0 1
0 0
0 0
1 0
0 0
0 1
generan a M
22
. Para probar que dichos vectores forman una base para M
22
, solo falta
probar que son linealmente independientes, es decir
c
1
1 0
0 0
+ c
2
0 1
0 0
+ c
3
0 0
1 0
+ c
4
0 0
0 1
0 0
0 0
x, y, z
| 2x y + 3z = 0
x, y, z
1, 2, 0
0, 3, 1
1 1
2 2
1 1
0 0
x
x
.
Para encontrar una base en el espacio de soluci on, es necesario encontrar un conjunto
de vectores que genere a todas las soluciones del sistema, esto es a todos lo vectores de
la forma
x
x
. Veamos que
x
x
= x
1
1
1
1
, y
por tanto genera al espacio de soluci on y es linealmente independiente. En conclusi on
el conjunto
1
1
3 1
0 0
3 2
0 0
5 1
0 6
0 1
0 7
En M
22
: S =
a 0
0 0
0 b
0 0
0 0
c 0
0 0
0 d
H = {(x, y) R
2
| x + y = 0} : S =
1 1
3 3
1 2 1
2 1 3
1 2 1
2 1 3
una matriz de 2 3.
El espacio nulo de A = N
A
= {x R
3
| Ax = 0}. Como se vio en el ejemplo 1,
N
A
= gen
_
_
_
_
_
1
1
1
_
_
_
_
_
La nulidad de A = (A) = dimN
A
= 1
Se sabe que Im(A) = C
A
. Las primeras dos columnas de A son vectores li-
nealmente independientes en R
2
y, por lo tanto, forman una base para R
2
. La
Im(A) = C
A
= R
2
.
(A) = dimIm(A) = dimR
2
= 2
El espacio de los renglones de A = R
A
= gen
1, 2, 1
2, 1, 3
. Como
estos dos vectores son linealmente independientes, se ve que R
A
es un subespacio
de dimension dos de R
3
. Observe que R
A
es un plano que pasa por el origen.
Teorema 4.19 Si A es una matriz de mn, entonces
dimR
A
= dimC
A
= dimIm(A) = (A)
4.1. ESPACIOS VECTORIALES 114
Ejemplo 4.36 (Calculo de Im(A) y (A) para una matriz de 3 3) Encuentre una
base para Im(A) y determine el rango de A =
_
_
2 1 3
4 2 6
6 3 9
_
_
.
Solucion. Como r
2
= 2r
1
y r
3
= 3r
1
, se ve que (A) = dimR
A
= 1. As, toda
columna en C
A
es una base para C
A
= Im(A). Por ejemplo,
_
_
2
4
6
_
_
es una base para
Im(A).
Teorema 4.20 El rango de una matriz es igual al n umero de pivotes en su forma
escalonada por renglones.
Ejemplo 4.37 Sea A =
_
_
1 2 4 3
2 5 6 8
0 1 14 14
3 6 12 9
_
_
. Calcula lo siguiente: N
A
, (A), Im(A),
(A), R
A
y C
A
para una matriz de 4 4
Solucion. Reduciendo la matriz a su forma escalonada por renglones queda como sigue:
_
_
1 0 32 31
0 1 14 14
0 0 0 0
0 0 0 0
_
_
de la matriz anterior obtenemos las siguientes ecuaciones:
x
1
32x
3
+ 31x
4
= 0
x
2
+ 14x
3
14x
4
= 0
o bien
x
1
= 32x
3
31x
4
x
2
= 14x
3
+ 14x
4
de manera que si x N
A
, entonces
x =
_
_
_
_
32x
3
31x
4
14x
3
+ 14x
4
x
3
x
4
_
_
_
_
= x
3
_
_
_
_
32
14
1
0
_
_
_
_
+ x
4
_
_
_
_
31
14
0
1
_
_
_
_
4.1. ESPACIOS VECTORIALES 115
por lo que los vectores de la combinaci on lineal forman una base para N
A
y entonces
N
A
= gen
_
_
_
_
_
_
32
14
1
0
_
_
_
_
,
_
_
_
_
31
14
0
1
_
_
_
_
_
_
a continuaci on podemos ver que
(A) = dimN
A
= 2
debido a que una base para N
A
tiene dos elementos. Para calcular el rango, podemos
observar como quedo la matriz en su forma escalonada por renglones y de ah, contar
el n umero de pivotes. De lo anterior
(A) = 2
Una vez que tenemos el rango, es mas f acil obtener Im(A), debido a que se sabe que
dimIm(A) = (A) = 2, lo que nos indica que una base para Im(A) tiene 2 elementos.
Por lo que para obtener una base en Im(A) s olo tenemos que tomar 2 columnas de A
que sean linealmente independientes, ya que C
A
= Im(A). Esto es
C
A
= Im(A) = gen
_
_
_
_
_
_
1
2
0
3
_
_
_
_
,
_
_
_
_
2
5
1
6
_
_
_
_
_
_
Para calcular R
A
, utilizamos el mismo razonamiento que usamos para calcular C
A
, y el
hecho de que dimR
A
= dimC
A
= 2. Por lo tanto
R
A
= gen
_
_
_
_
_
_
1
2
4
3
_
_
_
_
,
_
_
_
_
2
5
6
8
_
_
_
_
_
_
Ejercicio 4.13 Encuentra el rango y la nulidad de cada una de las siguientes matrices.
A =
_
_
1 1 3
5 4 4
7 6 2
_
_
A =
_
_
1 4 5 6 9
3 2 1 4 1
1 0 1 2 1
2 3 5 7 8
_
_
4.1. ESPACIOS VECTORIALES 116
Ejercicio 4.14 Bajo que condiciones de b
1
, b
2
, b
3
, b
4
y b
5
el siguiente sistema de ecua-
ciones es consistente.
x
1
3x
2
= b
1
x
1
2x
2
= b
2
x
1
+ x
2
= b
3
x
1
4x
2
= b
4
x
1
+ 5x
2
= b
5
Ejercicio 4.15 De los vectores dados a, u, v, w cuales estan en el espacio de las co-
lumnas de la matriz A.
a =
2
4
, u =
_
_
1
2
0
_
_
, v =
_
_
4
8
1
_
_
, w =
_
_
3
1
0
_
_
A =
_
_
2 1 4 6 1
0 4 5 0 2
0 8 10 0 4
_
_
Ejercicio 4.16 Encuentra todos los posibles valores del rango de A, para todos los
valores de a
A =
_
_
1 2 a
2 4a 2
a 2 1
_
_
Ejercicio 4.17 Encuentre una base para el espacio generado el conjunto de vectores
S =
_
_
_
_
_
1
4
2
_
_
,
_
_
2
1
2
_
_
,
_
_
1
3
4
_
_
_
_
_
Ejercicio 4.18 Encuentre N
A
, (A) , (A) , ImA, C
A
, R
A
para la siguientes matrices
A =
_
_
1 1 0 0
0 0 2 3
4 0 2 1
3 1 0 4
_
_
A =
_
_
1 1 2 3
2 2 4 6
2 2 4 6
3 3 6 9
_
_
Ejercicio 4.19 Contesta correctamente y justica tu respuesta
El rango de la matriz
_
_
1 2 3 4
0 2 1 5
0 0 3 7
_
_
es
(a). 1 (b). 2 (c). 3 (d). 4
4.2. TRANSFORMACIONES LINEALES 117
La nulidad de la matriz del inciso anterior es
(a). 1 (b). 2 (c). 3 (d). 4
Si un matriz de 5 7 tiene nulidad 2, entonces su rango es
(a). 5 (b). 3 (c). 2 (d). 7
(e). No se puede determinar sin mas informacion
El rango de la matriz
_
_
1 2
2 4
3 6
_
_
es
(a). 1 (b). 2 (c). 3
La nulidad de la matriz en la pregunta 4 es
(a). 0 (b). 1 (c). 2 (d). 3
Si A es una matriz de 4 4 y det A = 0, entonces el valor maximo posible para
(A) es
(a). 1 (b). 2 (c). 3 (d). 4
4.2. Transformaciones Lineales
4.2.1. Denicion
Denicion 4.14 (Transformacion Lineal) Sean V y W espacios vectoriales reales.
Una transformacion lineal T de V en W es una funcion que asigna a cada vector en
v V un vector unico Tv W y que satisface, para cada u y v en V y cada escalar ,
T (u +v) = Tu+Tv
T (v) = Tv
Dos observaciones sobre la notaci on:
1. Se escribe T : V W para indicar que T toma el espacio vectorial real V y lo
lleva al espacio vectorial real W.
2. Se escriben indistintamente Tv y T (v). Denotan lo mismo y las dos se leen T
de v.
4.2. TRANSFORMACIONES LINEALES 118
Ejemplo 4.38 (Una transformacion lineal de R
2
en R
3
) Sea T : R
2
R
3
de-
nida por
T
x
y
=
_
_
x + y
x y
3y
_
_
Solucion. Para vericar que sea una transformaci on lineal debe de cumplir las dos
propiedades de la denici on. Examinemos la primera propiedad:
T
x
1
y
1
x
2
y
2
= T
x
1
+ x
2
y
1
+ y
2
x
1
+ x
2
y
1
+ y
2
=
_
_
x
1
+ x
2
+ y
1
+ y
2
x
1
+ x
2
y
1
y
2
3y
1
+ 3y
2
_
_
=
_
_
x
1
+ y
1
x
1
y
1
3y
1
_
_
+
_
_
x
2
+ y
2
x
2
y
2
3y
2
_
_
pero como:
T
x
1
y
1
=
_
_
x
1
+ y
1
x
1
y
1
3y
1
_
_
y T
x
2
y
2
=
_
_
x
2
+ y
2
x
2
y
2
3y
2
_
_
entonces
T
x
1
+ x
2
y
1
+ y
2
= T
x
1
y
1
+ T
x
2
y
2
De manera similar
T
x
y
= T
x
y
=
_
_
x + y
x y
3y
_
_
=
_
_
x + y
x y
3y
_
_
= T
x
y
x
y
x
y
.
Solucion. Sean
x
1
y
1
x
2
y
2
vectores en R
2
entonces
T
x
1
y
1
x
2
y
2
= T
x
1
+ x
2
y
1
+ y
2
x
1
x
2
y
1
+ y
2
x
1
y
1
x
2
y
2
= T
x
1
y
1
+ T
x
2
y
2
x
y
= T
x
y
x
y
x
y
= T
x
y
2
3
, T
_
_
0
1
0
_
_
=
1
4
y T
_
_
0
0
1
_
_
=
5
3
Calcule T
_
_
3
4
5
_
_
.
Solucion. Se tiene
_
_
3
4
5
_
_
= 3
_
_
1
0
0
_
_
4
_
_
0
1
0
_
_
+ 5
_
_
0
0
1
_
_
4.2. TRANSFORMACIONES LINEALES 121
entonces
T
_
_
3
4
5
_
_
= T
_
_
3
_
_
1
0
0
_
_
4
_
_
0
1
0
_
_
+ 5
_
_
0
0
1
_
_
_
_
= 3T
_
_
1
0
0
_
_
4T
_
_
0
1
0
_
_
+ 5T
_
_
0
0
1
_
_
= 3
2
3
1
4
+ 5
5
3
6
9
4
16
25
15
35
22
1
0
y v
2
=
0
1
se
dene la transformacion lineal por
T
1
0
=
_
_
1
2
0
_
_
y T
0
1
=
_
_
0
3
1
_
_
Entonces, como se ve en 4.21
T
5
7
= T
1
0
0
1
= 5T
1
0
7T
0
1
= 5
_
_
1
2
0
_
_
7
_
_
0
3
1
_
_
=
_
_
5
11
7
_
_
de manera m as general
4.2. TRANSFORMACIONES LINEALES 122
T
x
y
=
_
_
x
2x + 3y
y
_
_
4.2.3. Imagen y N ucleo
Denicion 4.15 (N ucleo e Imagen de una transformacion lineal) Sean V y W
dos espacios vectoriales y sea T : V W una transformacion lineal. Entonces
1. El n ucleo de T, denotado por nu T, esta dado por
nu T = {v V : Tv = 0}
2. La imagen de T, denotado por ImT, esta dado por
ImT = {w W : w =Tv para alguna v V }
Teorema 4.24 Si T : V W es una transformacion lineal, entonces
1. nu T es un subespacio de V
2. ImT es un subespacio de W
Ejemplo 4.45 (N ucleo e imagen de la transformacion cero.) Sea Tv = 0 para
todo v V . Entonces nu T = V e ImT = {0}
4.2.4. Representaci on Matricial
Teorema 4.25 Sea T : R
n
R
m
una transformacion lineal. Entonces existe una
matriz unica de mn, A
T
tal que
Tx = A
T
x para toda x R
n
Denici on 4.16 (Matriz de transformacion) La matriz A
T
en el teorema 4.25 se
llama matriz de transformacion correspondiente a T o representacion matricial de T.
Teorema 4.26 Sea A
T
la matriz de transformacion correspondiente a la transforma-
cion lineal T. Entonces
ImT = ImA
T
= C
A
T
(T) = (A
T
)
nu T = N
A
T
4.2. TRANSFORMACIONES LINEALES 123
(T) = (A
T
)
Ejemplo 4.46 Encuentre la matriz de transformacion A
T
correspondiente a la proyec-
cion de un vector en R
3
sobre el plano xy. Denida como T
_
_
x
y
z
_
_
=
_
_
x
y
0
_
_
Solucion. Aqu T
_
_
x
y
z
_
_
=
_
_
x
y
0
_
_
. En particular,
T
_
_
1
0
0
_
_
=
_
_
1
0
0
_
_
, T
_
_
0
1
0
_
_
=
_
_
0
1
0
_
_
y T
_
_
0
0
1
_
_
=
_
_
0
0
0
_
_
As,
A
T
=
_
_
1 0 0
0 1 0
0 0 0
_
_
Observe que
T
_
_
x
y
z
_
_
= A
T
_
_
x
y
z
_
_
=
_
_
1 0 0
0 1 0
0 0 0
_
_
_
_
x
y
z
_
_
=
_
_
x
y
0
_
_
Ejemplo 4.47 Dena T : R
3
R
4
por
T
_
_
x
y
z
_
_
=
_
_
_
_
x y
y +z
2x y z
x + y + 2z
_
_
_
_
Encuentre A
T
, nu T, ImT, (T) y (T).
4.2. TRANSFORMACIONES LINEALES 124
Solucion. Evaluando los elementos de la base canonica de R
3
en la transformaci on,
tenemos que
T
_
_
1
0
0
_
_
=
_
_
_
_
1 0
0 + 0
2 (1) 0 0
(1) + 0 + 2 (0)
_
_
_
_
=
_
_
_
_
1
0
2
1
_
_
_
_
T
_
_
0
1
0
_
_
=
_
_
_
_
0 1
1 + 0
2 (0) 1 0
(0) + 1 + 2 (0)
_
_
_
_
=
_
_
_
_
1
1
1
1
_
_
_
_
T
_
_
0
0
1
_
_
=
_
_
_
_
0 0
0 + 1
2 (0) 0 1
(0) + 0 + 2 (1)
_
_
_
_
=
_
_
_
_
0
1
1
2
_
_
_
_
por lo que la matriz de transformacion A
T
queda como sigue:
A
T
=
_
_
1 1 0
0 1 1
2 1 1
1 1 2
_
_
Ahora se calculan el n ucleo y la imagen de A
T
. La forma escalonada por renglones de
A
T
es
_
_
1 1 0
0 1 1
2 1 1
1 1 2
_
_
1 1 0
0 1 1
0 0 1
0 0 0
_
_
Esta forma tiene tres pivotes, de manera que
(A
T
) = 3 y (A
T
) = 3 3 = 0
El c alculo de la nulidad se debe a que se cumple (A
T
) + (A
T
) = n, donde n es el
n umero de columnas de A
T
. Esto signica que
nu T = {0} , ImT = gen
_
_
_
_
_
_
1
0
2
1
_
_
_
_
,
_
_
_
_
1
1
1
1
_
_
_
_
,
_
_
_
_
0
1
1
2
_
_
_
_
_
_
, (T) = 0 y (T) = 3
Ejemplo 4.48 Dena T : R
3
R
3
por
T
_
_
x
y
z
_
_
=
_
_
2x y + 3z
4x 2y + 6z
6x + 3y 9z
_
_
4.2. TRANSFORMACIONES LINEALES 125
Encuentre A
T
, nu T, ImT, (T) y (T).
Solucion. Como T
_
_
1
0
0
_
_
=
_
_
2
4
6
_
_
, T
_
_
0
1
0
_
_
=
_
_
1
2
3
_
_
y T
_
_
0
0
1
_
_
=
_
_
3
6
9
_
_
se tiene
A
T
=
_
_
2 1 3
4 2 6
6 3 9
_
_
Para encontrar N
A
= nu T, se reduce por renglones para resolver el sistema Ax = 0
_
_
2 1 3
4 2 6
6 3 9
0
0
0
_
_
_
_
1
1
2
3
2
0 0 0
0 0 0
0
0
0
_
_
por lo que un vector
_
_
x
y
z
_
_
N
A
si x
1
2
y +
3
2
z = 0, es decir, x =
1
2
y +
3
2
z. Entonces
una base B para N
A
es:
B =
_
_
_
_
_
1
2
1
0
_
_
,
_
_
3
2
0
1
_
_
_
_
_
y por lo tanto
nu T = N
A
= gen
_
_
_
_
_
1
2
1
0
_
_
,
_
_
3
2
0
1
_
_
_
_
_
Entonces (T) = dimnu T = 2. Como solo existe un pivote para A
T
se tiene que
(T) = (A
T
) = 1. y por lo tanto ImT = gen
_
_
_
_
_
2
4
6
_
_
_
_
_
.
Ejercicio 4.20 Determina si la transformacion de T : V W dada es lineal
T : R
2
R
2
; T
x
y
x
0
T : R
3
R
2
; T
_
_
x
y
z
_
_
=
1
z
T : R
2
R; T
x
y
= xy
T : M
nn
M
nn
; T (A) = AB, donde B es una matriz ja de n n
4.2. TRANSFORMACIONES LINEALES 126
T : P
2
P
1
; T (a
0
+ a
1
x + a
2
x
2
) = a
0
+ a
1
x
T : R P
n
; T (a) = a
0
+ ax +ax
2
+ + ax
n
Ejercicio 4.21 Para cada transformacion lineal T determine la representacion matri-
cial A
T
de la transformacion lineal T, nu T, ImT, (T) , (T)
T : R
4
R
2
; T
_
_
_
_
x
y
z
w
_
_
_
_
=
x + z
y +w
T : R P
3
; T (a) = a
0
+ ax +ax
2
+ ax
3
T : R
3
R
2
; T
_
_
x
y
z
_
_
=
_
_
x y + 2z
3x + y + 4z
5x y + 8z
_
_
T : M
22
M
22
; T
a b
c d
a + b +c + d a + b + c
a + b a