Sugerencias para la resoluci

on de la Pr
actica 1
por Fernando Acero y Ada Cammilleri
con la colaboracion de Juan Pablo Muszkats

1.

Basta verificar la axiom

atica de espacio vectorial; as por ejemplo, para el elemento
neutro de la suma, notado aqu e, se tiene x + e = [x1 + e1 x2 + e2 ... xn + en ]T =
[e1 + x1 e2 + x2 ... en + xn ]T = e + x = x = [x1 x2 ... xn ]T de donde xi + ei = xi ,
siendo entonces ei = 0 para todo i, luego es e = 0V = [0 0 ... 0]T ; la primera igualdad
se da por definici
on de suma en V , la segunda por la conmutatividad de la suma en
el cuerpo, la tercera como la primera. As queda verificado que e = 0V satisface :
e V tal que x V : x + e = e + x = x. La verificacion anterior es la misma ya
se trate de Rn o Cn .
Cn es un R-espacio vectorial con las operaciones usuales.
Basta verificar la axiom
atica de espacio vectorial; en particular la matriz nula es el
elemento neutro para la suma y el opuesto de una matriz A = [aij ] es la matriz
A = [aij ].
El caso de P es como el anterior; en particular el polinomio nulo es el neutro, mientras
que el opuesto de un polinomio es el que resulta de cambiar el signo a sus coeficientes.
El caso de C[a, b] es como el anterior (aceptando conocido que es continua la suma
de funciones que son continuas en un dominio com
un y el producto de una funcion
continua por un escalar).

2.

No, pues si [0 0 0]T S debera ser r = 1 = 0 (absurdo); luego [0 0 0]T

/S
No, pues [1 2]T S y [1 2]T
/ S.




0 0
1 0
pertenecen a S, mientras que
yB=
No, pues las matrices A =
0 1
0 0
A + B no.
S.
S.
S.
S.
S
S
No, pues h(x) 1 pertenece a S, mientras que h + h no.
S

3.

S, pues {v1 , v2 , v4 } es un conjunto l.i. (verificarlo).

(Aqu utilizamos dos resultados 1) Si un conjunto genera un subespacio y se extrae
de tal conjunto un vector que es c.l. de los restantes, el conjunto resultante genera
el mismo subespacio. 2) Un conjunto l.i. de n vectores de un espacio vectorial ndimensional es base del mismo).
1

No existe k R que satisfaga lo pedido. Resolver el mismo ejercicio considerando los

vectores en C3 y el par
ametro en C (Rta: k = i, k = i).
4.

Es claro que una condici

on necesaria es b = 0Rp , pues es preciso que el neutro 0Rq
pertenezca a S; lo que en realidad debemos analizar es si tambien es una condicion
suficiente, esto es si S = {x Rq : Ax = 0} es un subespacio de Rq . Ya sabemos
que el neutro pertenece a S, ahora R, x, y S se verifica que A(x + y) =
Ax + Ay = 0 + 0 = 0, o en otros terminos, x + y S y por lo tanto efectivamente
es S un subespacio de Rq . (Aclaramos que la condicion x + y S, R, x, y S
es equivalente a x + y S, x, y S y x S, R, x S).
(El subespacio S aqu definido recibe el nombre de subespacio nulo de la matriz A y
suele designarse como Nul(A), su dimension se llama nulidad. Suponemos conocido
de cursos previos el siguiente resultado: la suma del rango y la nulidad de una matriz
es igual al n
umero de columnas)
Los dos primeros son subespacios, el tercero no lo es (el neutro de R4 no pertenece a
S).

5.

Es l.i. en C2 como R-espacio, l.d. como C-espacio (ver que [i 1]T = i[1 i]T ).
l.i.
l.d.
l.d si y s
olo si k = 1.
l.d.

6.



B = [0 0 1 0]T , [3 1 0 5]T


B = 1, t(t 1), t2 (t 1)


B = 1 2t, 1 3t2 , 1 4t3 , 1 5t4


B = t3 , t

0 0 0
0 0 0
0 1 0
0 0 1
0 0 0
1 0 0
B = 0 0 0 , 0 1 0 , 0 0 0 , 1 0 0 , 0 0 0 , 0 0 1

0 0 0
0 0 0
0 0 1
0 0 0
1 0 0
0 1 0

 
 

0 0
0 1
1 0
,
B=
,
0 0
1 0
0 1


 
1 0
0 1
,
B=
0 1
0 0

7. Las tres primeras matrices, por ejemplo, ya que son l.i.





T
T
8.
[1 1 5]
[2 5 2 0]T , [5  3 0 1]T es base de
 , [4 2 6] T es base de Col(A);

Nul(A); [1 4 9 7] , [1 2 4 1]T es base de Fil(A); [2 7 1]T es base de
Nul(AT ).


Las tres columnas de A forman
una base de Col(A);
Nul(A) = [0 0 0]T ; cualquier


base de R3 es base de Fil(A); [20 17 5 1]T es base de Nul(AT ).


Ambas filas forman base de Fil(A); [1 3 0 2]T , [2 2 1 0] T es base de Nul(A); la
base can
onica de R2 es base de Col(A); Nul(AT ) = [0 0]T .
9.

Observar la expresi
on de Ax y la definicion de Col(A).
Recordar que cuando se escribe un vector como c.l. de un conjunto l.i. los coeficientes
de tal combinaci
on son u
nicos.
2

Usar el tem anterior, dado que rango(A) = dim (Col(A)).

Usar el tem anterior en el caso b = 0.
Teniendo en cuenta el primer tem, Ax = b tiene solucion para todo b es equivalente
a que Col(A) = Kn .
y el
Considerando el primer tem, tener en cuenta que siempre rango(A) rango(A)

hecho de que si b
/ Col(A) entonces rango(A) < rango(A).
10. Seg
un la observaci
on, Col(BA) = gen {Bu1 , Bu2 , ..., Bum }. Como ademas Bui Col(B)
(por definici
on de espacio columna), resulta que las combinaciones lineales de {Bu1 , Bu2 , ..., Bum }
tambien pertenecen a Col(B) (ya que es un subespacio) con lo cual gen {Bu1 , Bu2 , ..., Bum }
Col(B).
11.

Es la matriz nula: AB = 0Rmp



1 1 5 3
B=
(no es la u
nica posible).
1 2 7 4

0
0 1
3 2 0

(no es la u
0
1
0
nica posible).
B=

4 0 0
1
0 0

12. Lo probamos en Rnn directamente (con prueba valida tambien en Cnn ) pues cualquiera
sea la matriz A Rnn que se considere se verifica que A = 21 (A + AT ) + 12 (A AT )
y llamando A1 = 21 (A + AT ) se ve de inmediato que A1 = AT1 , mientras que con A2 =
1
T
T
2 (A A ) se observa que A2 = A2 , es decir que A1 S1 mientras que A2 S2 , lo que
prueba que Rnn = S1 + S2 ; ahora bien, si una matriz A pertenece a la interseccion debe
cumplir A = AT = AT (con la primera igualdad por pertenecer a S1 T
mientras que la
segunda por pertenecer a S2 ) y de all es la matriz nula, de modo que S1 S2 = 0V y por
lo tanto se hallan en suma directa (pues la interseccion es el subespacio nulo), que con lo
anterior permite escribir Rnn = S1 S2 .
13.

La suma es directa y una base es la union de las bases de los subespacios.



La suma no es directa y una base es [1 1 2 0 1]T , [2 0 3 0 1]T , [1 0 2 1 1]T .
Es obvio que B = {v1 , v2 , ..., v7 } genera S1 + S2 + S3 (en el caso de tener una suma
entre dos subespacios observamos que la union de conjuntos generadores de tales
subespacios es un conjunto generador de la suma entre ellos; esta observacion se
puede extender al caso de tener una suma entre una cantidad finita de subespacios).
Probemos primero que si B es base entonces la suma es directa. Para esto, de
acuerdo con la definici
on de suma directa, consideremos x S1 + S2 + S3 tal que
x = s1 + s2 + s3 = s01 + s02 + s03 y veamos que s1 = s01 , s2 = s02 , s3 = s03 . Resulta
entonces que 0V = s1 s01 + s2 s02 + s3 s03 . Como s1 s01 es una c.l. de {v1 , v2 },
s2 s02 es una c.l. de {v3 , v4 , v5 } y s3 s03 es una c.l. de {v6 , v7 } podemos expresar
al vector nulo como c.l. de B, pero como B es l.i necesariamente los coeficientes de
tal combinaci
on son nulos, resultando si s0i = 0V para cada i = 1, 2, 3, con lo cual
0
si = si para cada i = 1, 2, 3.
Probemos ahora que si la suma es directa entonces B es l.i. De acuerdo con la
definici
on de independencia lineal, planteamos una combinacion lineal con los elementos
de B igualada al vector nulo:
a1 v1 + a2 v2 + a3 v3 + a4 v4 + a5 v5 + a6 v6 + a7 v7 = 0V
3

()

Agrupando as
(a1 v1 + a2 v2 ) + (a3 v3 + a4 v4 + a5 v5 ) + (a6 v6 + a7 v7 ) = 0V
podemos considerar 0V = s1 + s2 + s3 (si Si ); por la unicidad de la escritura,
como trivialmente 0V = 0V + 0V + 0V resulta si = 0V para i = 1, 2, 3. Como {v1 , v2 },
{v3 , v4 , v5 } y {v6 , v7 } son conjuntos l.i. resulta que todos los escalares en () son
nulos.
14.

[v]B = [0 1 2]T

[v]B = [c b c a b]T


15. B = [12 14]T , [7 8]T
Pn
Pn
Pn
Pn
Si v =
16.
i=1 i vi =
i=1 i vi +
i=1 i vi es v + w =
i=1 i vi , w =
P
n
(
+

)v
y
de
aqu

es
[v
+
w]
=
[v]
+
[w]
por
la
definici
on misma
i
i i
B
B
B
i=1
de [ ]B .
Es claro que cualquiera sea x = (x1 , x2 , P
..., xn ) en Kn ciertamente existe un vector v
en V tal que [v]B = x, es el vector v = ni=1 xi vi , lo que prueba la sobreyectividad;
Pn
en cuanto
a la inyectividad, supongamos que existen dos vectores v =
i=1 xi vi ,
P
v 0 = ni=1 yi vi tales que [v]B = [v 0 ]B , pero entonces es xi = yi para todo i entre 1 y
n, pero esto es afirmar que v = v 0 , lo que prueba la inyectividad.
(Los tems anteriores dicen que V y Kn son isomorfos y que la funcion de coordenadas
es un isomorfismo).
Probemos (lo que es equivalente) que {ui } es l.d. en V sii lo es {[ui ]B } en Kn ,
para
tal que uj =
P lo que vemos en primer lugar que {ui } es l.d. en V sii j P
anteriormente: [uj ]B = [ i6=j i ui ]B =
Pi6=j i ui y entonces, utilizando lo probado
n ; si {[u ] } es l.d. en Kn j tal que T (u ) =

[u
]
de
donde
{[u
]
}
es
l.d.
en
K
i
i
i
i B
j
B
B
i6=j
P

P
P
1 (T (u )) = T 1
j
i6=j i ui ,
i6=j i T (ui ), luego T
i6=j i T (ui ) y queda uj =
es decir ui es l.d. en V . (Aqu lo que se prueba es que la dependencia lineal es
preservada por la funci
on de coordenadas o, en otro lenguaje, puede estudiarse la
dependencia lineal de un conjunto reemplazandolo por el de sus coordenadas en una
base cualquiera).
P
Para cualquier x = (x1 , x2 , ..., xn ) en Kn es v = T 1 (x) = ni=1 xi vi .
17. Por ejemplo, para analizar la independencia lineal de las matrices del ej.7 se analiza la
independencia
lineal del conjunto de vectores de R4


[1 1 1 2]T , [1 2 3 1]T , [2 3 3 2]T , [1 1 1 6]T que representan las coordenadas
de cada una de la matrices en base canonica.
18. La que tiene por columna j-esima el j-esimo vector de B.
19. CBB 00 = CB 0 B 00 CBB 0

2 0 7/2
2
20.
CBB 0 = 1 1/3
2 2/3 9/2

1 1 1
CBB 0 = 0 1 2
0 0 1

21.

W = n!(n 1)!(n 2)!..,3!2!1!0! (recordemos que se define 0! = 1, y para un n

umero
natural k, k! = k.(k 1).(k 2)..,3,2,1. Aqu, W es no nulo para todo x R; luego
las funciones dadas son l.i.
W = e2x 6= 0 para todo x R; luego las funciones dadas son l.i.
Basta evaluar, por ejemplo, el wronskiano en x = 0 (da 4), para concluir que las
funciones dadas son l.i.
Basta evaluar, por ejemplo, el wronskiano en x = 0 para concluir que las funciones
dadas son l.i.
Basta evaluar, por ejemplo, el wronskiano en x = 0 para concluir que las funciones
dadas son l.i.
Recordemos que se definen las funciones seno hiperbolico y coseno hiperbolico as:
x
x
x
x
senh(x) = e e
, cosh(x) = e +e
(verificando en particular, senh0 (x) = cosh(x),
2
2
cosh0 (x) = senh(x)) El wronskiano, evaluado en x = 0 da con lo cual las funciones
dadas son l.i. en el caso 6= 0. En el caso a = 0 son trivialmente l.d. (pues pasan a
ser las constantes 0 y 1).
Como el wronskiano da identicamente nulo, este resultado no nos da un criterio
para determinar si las funciones dadas son l.i. o l.d.. Recordando que cos(2x) =
1 2 sen2 (x) , concluimos que son l.d.

22. Consideremos f1 , f2 : R R tales que f1 (x) = x2 y f2 (x) = x |x|. Observando que la

derivada primera de ambas funciones es continua en R , el calculo
 del wronskiano da
2x
x0
).
identicamente nulo para todo x R. (tener en cuenta que f20 (x) =
2x x < 0
Es facil comprobar que {f1 , f2 } es un conjunto l.i. en el espacio de las funciones definidas
de R en C con derivada primera continua en R (ya que si 1 f1 (x) + 2 f2 (x) = 0 , entonces
en particular, 1 + 2 = 0 (al evaluar en x = 1) y 1 2 = 0 (al evaluar en x = 1).
Por lo tanto 1 = 2 = 0.
Este ejercicio muestra que no se puede deducir la dependencia lineal de un conjunto de
funciones del hecho de que su wronskiano sea identicamente nulo en el intervalo donde
esta definido.
23. Veamos dos formas de obtener el resultado que se pide probar.
Consideremos en primer lugar que, dado que g1 =
cf1 + df2 , estas
 af1 +0 bf
 2 y g2 = 

g1 g1
f1 f10
a b
.
relaciones pueden ser escritas matricialmente as
=
f2 f20
c d
g2 g20
Luego, recordando que el determinante de un producto de matrices es el producto de
los determinantesde ambas matrices
 (det(AB)

= det(A)
 det(B), en forma generica), se
g1 g10
a b
f1 f10
concluye que det
= det
det
g2 g20
c d
f2 f20


a b
con lo cual W (g1 , g2 ) = det
W (f1 , f2 ).
c d
Veamos ahora otra forma. De acuerdo con la definicion W (g1 , g2 ) = g1 g20 g2 g10 . Reemplazando
aqu las expresiones correspondientes de g1 , g2 y sus derivadas, y sacando ad y bc ambos
factor com
un de (f1 f20 f2 f10 ), se llega a la relacion pedida.