Algebra

Lineal - Taller 4
G. Padilla
1. E SPACIOS VECTORIALES
(1) Verifica los axiomas de espacios vectoriales para las siguientes ternas (V, +, ). Decide cuales de
ellas son espacios vectoriales reales. En caso negativo, especifica cual es la propiedad que falla:
(a) V = N con la suma y el producto usuales.
(b) V = Z con la suma y el producto usuales.
(c) V = Q con la suma y el producto usuales.
(d) V = R con la suma y el producto usuales.
(e) V = C con la suma y el producto usuales.
de la forma p( X ) =
(f) Un polinomio en variable X con coeficientes reales es una expresion
n
a0 + a1 X + + an X donde a0 , . . . , an R y n 0 es un entero cualquiera (arbitrario para

cada expresion).
Si an 6= 0 decimos que n es el grado de p( X ) y escribimos n = grad( p( X )).
V = R [ X ] es el conjunto de todos los polinomios con la suma y el estiramiento
a0 + a1 X + + a n X

(g)
(h)
(i)
(j)
(k)
(l)
(m)

(n)
(o)
(p)

+ b0 + a1 X + + bn X

= ( a0 + b0 ) + ( a1 + b1 ) X + + ( an + bn ) X

a0 + a1 X + + a n X

= (a0 ) + (a1 ) X + + (an ) X

V = Rn [ X ] el conjunto de todos los polinomios de grado menor o igual a n.

V = Rn con la suma coordenada a coordenada y el estiramiento usual, n 2 entero.
n
V = C con la suma coordenada a coordenada y el estiramiento usual, n 2 entero.
de una matriz por una constante.
V = Mmn (R ) con la suma de matrices y la multiplicacion
V es el conjunto de funciones acotadas de R en s mismo; con la suma puntual ( f + g)( x ) =
f ( x ) + g( x ) y el estiramiento ( f )( x ) = f ( x ).
de una matriz por una constante.
V = M22 (Z) con la suma de matrices y la multiplicacion
V = RN es el conjunto de sucesiones en los reales a = ( an )nN (e. d. an R para todo
n N); con la suma coordenada a coordenada a + b = ( an + bn )nN y el estiramiento
a = (an )nN .
V = C [0, 1] es el conjunto de funciones reales continuas con dominio en [0, 1]; con la suma
puntual y el estiramiento dados en el ejercicio (k).
k
V = C [0, 1] es el conjunto de funciones reales k-veces continuamente diferenciables con
dominio en [0, 1]; con la suma y el estiramiento del ejercicio (k).

V es el conjunto de funciones con dominio en [, ] que son soluciones de la ecuacion

2
00
diferencial y y = 0; donde 6= 0 es una constante; con la suma puntual y el estiramiento dados en el ejercicio (i).

En adelante escribiremos W V siempre que W sea un subespacio vectorial de V.

(2) Para cada ejemplo decide si W V. En caso negativo, especifica la propiedad que no se cumple:
(a) W es el semiplano superior R (0, ) en V = R2 .
de los dos ejes coordenados en R2 .
(b) W es la union
(c) W = { x Rn : | x | < 1} es el interior de la bola unitaria en Rn .
(d) W es el plano 3x + y 2z = 5 en R3 .
(e) W es cualquier plano ax + by + cz = 0 en R3 .
(f) V como en el ejercicio (1.k), y W es el subconjunto de sucesiones a V tales que Lim an
converge en R, con las mismas operaciones de antes.

(g) V como en el ejercicio (1.k), y W es el subconjunto de sucesiones a V tales que an

converge en R, con las mismas operaciones de antes.
1

n =0

ALT4

(h) V = Rn y W es el subconjunto de soluciones x de la igualdad A x = y donde y Rm y

A Mmn (R ) son datos fijos.
k +1
k
(3) Muestra que C [0, 1] C [0, 1] para cualquier k 1 entero.
(4) Dado un espacio vectorial V y una familia arbitraria {Wi : i I} de subespacios vectoriales de
W = Wi V.
V; demuestra que la interseccion
i

(5) Demuestra que si W1 V y W2 W1 entonces W2 V.

(6) Dados W1 , W2 V sea W1 + W2 = {u + v : u W1 , v W2 }. Muestra que W1 + W2 V.
(7) Sea {Wi : i I} una familia arbitraria de subespacios vectoriales de V, tal que para cualesquiera
par de ndices i, j se tiene que Wi Wj o Wj Wi . Demuestra que W = Wi V.
i

(8) Si W Rn , sea W = {v Rn : v w = 0 w W }. Demuestra que W Rn .

2. I NDEPENDENCIA LINEAL
Dado un espacio vectorial V y cualquier subconjunto S V; una combinacion
lineal de S es una
de la forma v = a1 s1 + an sn tal que a1 , . . . , an R y s1 , . . . , sn S.
expresion

(1) Demuestra que existe un subespacio vectorial unico

hSi que satisface las siguientes propiedades:
(a) S hSi.
(b) Si W es cualquier subespacio vectorial y S W entonces hSi W.
(2) Verifica que si R S entonces h Ri hSi.
(3) Da un ejemplo de dos subconjuntos R, S R3 tales que hSi = h Ri es un subespacio propio y
S R = .
(4) En cada caso, decide si S es un conjunto de generadores de R3 y especifica si S es una base:
(a) S = .
(b) S = {0}.
(c) S es el plano z = 0.
(d) S = {(1, 0, 0), (0, 1, 0)}.
Diremos que
hSi es el subespacio generado por S.
si W = hSi.
S genera a W V si y solo
si se satisface (h Ri hSi R = S) R S.
S es linealmente independiente si y solo
(5) Demuestra que las siguientes afirmaciones son equivalentes:
(a) S es linealmente independiente.

(b) Todo elemento hSi tiene una escritura unica.

(c) El cero 0 hSi tiene la escritura unica

0s1 + + 0sn para cualesquiera s1 , . . . , sn S; n 1
entero.
(6) Demuestra que hSi es el conjunto de todas las combinaciones lineales en S.
(7) Diremos que S es una base de V S es linealmente independiente y V = hSi. Demuestra que

todo espacio vectorial posee una base. Ayuda: Usa el Lema de Zorn.
3. T RANSFORMACIONES LINEALES
(1) Determine si las siguientes funciones son transformaciones lineales
2
(a) T : R R, tal que T ( x ) = x
(b) T : R3 R2 , tal que T ( x, y, z) = ( x, y)
(c) T : R2 R5 , tal que T ( x, y) = ( x + y, x y, y, 0, x )
(d) T : R2 R2 , tal que T ( x, y) = (1, y)
(e) T : Mmn (R ) Mmn (R ), tal que T ( A) = AB con B Mnn (R ) una matriz fija.
T
(f) T : Mmn (R ) Mmn (R ) dada por T ( A) = A .
T
(g) T : Mmn (R ) Mmn (R ), tal que T ( A) = A A.
0
(h) T : Rn [ x ] Rn1 [ x ] dada por T ( p( x )) = p ( x ).

ALT4

(i) T : C [0, 1] R dada por T ( f ) =

(j) T :

RN

R1
0

f (t)dt.

R dada por T ( a) = an .
n =0

(2)
(3)
(4)
(5)

(k) T : C [0, 1] C [0, 1] dada por T (y) = y00 (t) y(t).

Calcula ker
( T ) e Im( T ) para cada
caso del ejercicio anterior.
cos( ) sen( ) 0
T ( x ) = A x.
Sea A = sen( ) cos( ) 0. Describe la transformacion
0
0
1
lineal; muestra que ker( T ) V e Im( T ) W.
Si T : V W es una transformacion
de equivalencia tal que, dados
Suponga que V es un espacio vectorial con una relacion
a, a0 , b, b0 V y R arbitrarios; siempre se tiene
( a a 0 ) ( b b 0 ) ( a + b a 0 + b 0 ).
( a a0 ) (a a0 ).
cociente
Muestra que el conjunto cociente V/ es un espacio vectorial y la proyeccion

- V/ es una transformacion
lineal.
V
(6) Si W V muestra que a b (b a) W es una equivalencia que satisface las condiciones del
ejercicio anterior. Recprocamente; si es una equivalencia en V que satisface las condiciones
del ejercicio muestra que existe un W V tal que ( a b) (b a) W.
(7) Si W V es el subespacio asociado a la equivalencia decimos que e sta es una equivalencia
modulo

W. Muestra que la clase de equivalencia ( a) de un vector a V es el subconjunto

a + W; que llamamos clase lateral de a por W. Por tal motivo el espacio cociente V/ tambien
se escribe V/W.
T

(8) Si V

lineal, muestra que V/ ker( T )

W es una transformacion
= Im( T ).
T

- Rm , muestra que existe una unica

lineal Rn
matriz A tal que
(9) Dada una transformacion
T
T (x) = x A .
T del ejercicio anterior, llamela A = L( T ). Sea
(10) A la matriz A asociada a la transformacion
L(n, m) el conjunto de todas las transformaciones lineales de Rn en Rm . Muestra que
(a) L(n, m) es un espacio vectorial.
L

- M (R ) es un isomorfismo lineal.
(b) L(n, m)
mn
Llamaremos a L( T ) la matriz canonica

de T.

4. T EOREMA DE LA DIMENSI ON
Diremos que
S es una base de V si y solo si S es linealmente independiente y genera a V.
La dimension
dim(V ) de un espacio V es el cardinal |S| de alguna base S de V.
de este taller.
(1) Da una base para cada espacio vectorial del ejercicio (1) de la primera seccion
de este taller, (a) Halla una base S0
(2) Para cada par W V del ejercicio (2) de la primera seccion
de W. (b) Completa S0 S a una base de V.
T

(3) Si S V es un subconjunto linealmente independiente y V

W es una transformacion
lineal inyectiva; demuestra que T (S) es linealmente independiente. En particular, si S es una
base de V, entonces T (S) es una base de Im( T ).
(4) Muestra que todo subconjunto linealmente independiente de V esta contenido en alguna base.
L

lineal. Muestra que L es determinada por sus valores

(5) Sea V
W cualquier transformacion
sobre cualquier base S V.
de V no depende de la eleccion
de una base.
(6) Demuestra que la dimension

ALT4

dim(V ) = dim(W ).
(7) Muestra que V
= W si y solo
L

- W una transformacion
finita, y V
lineal. Muestra
(8) Sea V un espacio vectorial de dimension
que
finita.
(a) ker( T ) e Im( T ) poseen dimension
(b) dim(V ) = dim(ker(V )) + dim(Im(V )).

(9) Sea {v1 , . . . , vn } cualquier base de Rn . Muestra que existe un unico

isomorfismo T de Rn en s
mismo, tal que T (ei ) = vi para cada 1 i n. Halla la matriz L( T ) asociada a T (ver ejercicio
3).
10 seccion

(10) Sean B = {v1 , . . . , vn } y B 0 = {u1 , . . . , un } dos bases de Rn . Muestra que existe un unico
isomorfismo T de Rn en s mismo, tal que T (ui ) = vi para cada 1 i n. Halla la matriz L( T )
3). Esta es la matriz de cambio de base de B a B 0 .
asociada a T (ver ejercicio 10 seccion
T

- Rm una transformacion
lineal, B = {v1 , . . . , vn } una base de Rn y B 0 = {u1 , . . . , um }
(11) Sean Rn
m
una base de R .

(a) Muestra que existe una unica

matriz A fija, tal que si
v=

i vi

T (v) =

j uj
j

entonces = A .

(b) Si L( T ) es la matriz canonica

de T; y P, Q son las matrices respectivas de cambio de base de
1
0
B , B ; muestra que A = Q L( T ) P.
A la matriz A del ejercicio anterior la llamaremos matriz de T en bases B , B 0 . En adelante
escribiremos
1
1
L( T )B,B 0 = [B 0 ] L( T )[B] = Q L( T ) P
En particular, si n = m y B = B 0 entonces escribimos
1

L( T )B = [B] L( T )[B] = P L( T ) P
Esta es la matriz de un endomorfismo lineal T en base B .
5. VALORES PROPIOS
T

- Rn si y solo si existe
Una constante Rn es un valor propio de un endomorfismo lineal Rn
vector u 6= 0 tal que T (u) = u. En dicho caso decimos que u es un vector propio de T. En
algun
particular, si u es unitario, decimos que es una direccion
principal de T. Finalmente; diremos que T es
diagonalizable si existe una base de Rn que consta de vectores propios de T.
geometrica del hecho de que es un valor propio de T.
(1) Da una interpretacion

(2) Sea A = L( T ) la matriz canonica

de T. Muestra que es un valor propio de T si y solo si es una
raz del polinomio caracterstico p(z) = det( A zIn ).
suficiente para que T sea diagonalizable es que el polinomio car(3) Demuestra que una condicion
acterstico tenga n races reales diferentes.

(4) Muestra que los unicos

autovalores de una matriz ortogonal son = 1. Deduce que el
recproco del ejercicio anterior es falso.

(5) Verifica que el polinomio caracterstico de una matriz es invariante por conjugacion.
(6) Verifica que los autovalores de un endomorfismo lineal son invariantes por cambio de base.
T en cada caso:
(7) Calcula los autovalores de la transformacion
(a) T ( x, y) = (y, x ).
(b) T ( x, y) = ( x, y).
(c) T ( x, y) = (cos( ) x + sen( )y, sen( ) x + cos( )y).
(d) T ( x, y, z) = (z, y, x ).
(e) T ( x, y, z) = ( x y + 3z, 2x y + z, 5y).
(f) T es cualquier isometra lineal.