Grao en enxe nar a inform atica. Alxebra lineal.

2011-2012 Espazos vectoriais I

Vectores en Rn Rn e o conxunto das das n-uplas ordenadas de n umeros reais. Un n vector de R e u = (x1 , x2 , . . . , xn ), x1 , x2 , . . . , xn R Cada xi e a i- esima compo nente. O vector cero e 0 = (0, 0, . . . , 0) Rn Suma de vectores. Se u = (x1 , x2 , . . . , xn ), v = (y1 , y2 , . . . , yn ) Rn a s ua suma e: u + v = (x1 + y1 , x2 + y2 , . . . , xn + yn ) Produto por escalares. Se u = (x1 , x2 , . . . , xn ) Rn e c R (un escalar ) o produto de c por u e: c u = (c x1 , c x2 , . . . , c xn ) Propiedades alx ebricas das operaci ons en Rn . Sexan u, v, w vectores en Rn y c y d escalares. Verif canse as seguientes propiedades: (1) u + v = v + u (2) (u + v ) + w = u + (v + w) (3) u + 0 = u (4) u + (u) = 0 (5) c (u + v ) = c u + c v (6) (c + d) u = c u + d v (7) c (d u) = (c d) u (8) 1 u = u Exemplo. Utilizando as propiedades anteriores simplicar a expresi on 3u + (5v 2u) + 2(v u). Combinaci on lineal. Un vector v e unha combinaci on lineal de vectores v1 , v2 , . . . , vk se existen escalares c1 , c2 , . . . , ck tales que v = c1 v1 + c2 v2 + . . . ck vk . Os escalares ci ch amanse coecientes da combinaci on lineal. Exemplo. O vector (2, 2, 1) e unha combinaci on lineal dos vectores (1, 0, 1), (2, 3, 1), (5, 4, 0).
1

ESPAZOS VECTORIAIS I

Conxunto xerador. Se v1 , v2 , . . . , vk e un conxunto de vectores en Rn , daquela o conxunto de todas as posibles combinaci ons lineais de v1 , v2 , . . . , vk ch amase espazo xerado por v1 , v2 , . . . , vk e den otase < v1 , v2 , . . . , vk >. Se < v1 , v2 , . . . , vk >= Rn dise que e un conxunto xerador de Rn . Exemplo. R2 =< (2, 1), (1, 3) > R2 =< (2, 1), (1, 3), (5, 7) > Exemplo. < (1, 0, 3), (1, 1, 3) > R3 < (2, 1) > R2 Exemplo. e1 = (1, 0), e2 = (0, 1); R2 =< e1 , e2 > Exemplo. e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1); R3 =< e1 , e2 , e3 > Subespazos vectoriais. Un subespazo de Rn e calquera subconxunto S de Rn , e dicir, unha colecci on de vectores tal que: O vector 0 est a en S Se u e v est an en S daquela u + v tam en. Se u est a en S e c e un escalar, daquela c u est a en S . Nota. Obs ervese que a denici on equivale a que, se tomamos vectores de S, ao realizar calquera das operaci ons denidas sobre Rn , o resultado segue a pertencer a S. Da o nome de subespazo, xa que verica as mesmas propiedades alx ebricas c o espazo vectorial pero est a contido nel. Exemplos. Rn e un subespazo de Rn {0} e un subespazo de Rn . Unha recta vectorial (que pasa pola orixe) en Rn e un subespazo de Rn . Una recta en Rn que non pasa pola orixe non e un subespazo de Rn . Un plano vectorial (que pasa pola orixe) en Rn e un subespazo n de R .

ESPAZOS VECTORIAIS I

Un plano en Rn que non pasa pola orixe non e un subespazo de Rn . Se v1 , v2 , . . . , vk Rn , daquela < v1 , v2 , . . . , vk > e un subespazo de Rn Dependencia e Independencia lineal. Un conxunto de vectores e linealmente dependente si alg un deles pode ser expresado como unha combinaci on lineal dos outros. Un conxunto de vectores non linealmente dependente denom nase linealmente independente. Exemplo. (2, 2, 1), (1, 0, 1), (2, 3, 1), (5, 4, 0)linealmente dependente (1, 0), (0, 1)linealmente independente

Dada unha colecci on de vectores, e de interese saber se son ou non linealmente independentes. Por exemplo, dadas d uas ecuaci ons do tipo 3 ax + by + cz = d, denen una recta ou un plano en R ? Vexamos alg uns resultados te oricos que nos permiten respostar a esa cuesti on:

Caracterizaci on 1. v1 , v2 , . . . , vk son linealmente independentes se c1 v1 + c2 v2 + . . . + ck vk = 0, daquela ci = 0, i = 1, 2, . . . k Exemplo. (1) (2) (3) (4) (1, 4), (1, 2) (1, 0, 0), (0, 1, 0), (0, 0, 1) (1, 1, 0), (0, 1, 1), (1, 0, 1) (1, 2, 0), (1, 1, 1), (1, 4, 2)

Caracterizaci on 2. v1 , v2 , . . . , vk son linealmente dependentes rg(v1 |v2 | . . . |vk ) < k v1 , v2 , . . . , vk son linealmente independentes rg(v1 |v2 | . . . |vk ) = k

ESPAZOS VECTORIAIS I

Consecuencias. Sexan v1 , v2 , . . . , vk Rn . Se k > n, daquela v1 , v2 , . . . , vk son linealmente dependentes. O vector 0 e linealmente dependente e calquera vector v = 0 e linealmente independente. {u, v } e linealmente dependente c R tal que v = c u. Exemplo. (1, 3), (2, 4), (3, 1) son linealmente dependentes. Bases e dimensi on Bases. Unha base dun subespazo S de Rn e un conxunto de vectores de S tal que: e un conxunto xerador de S e linealmente independente Exemplo. C = {e1 = (1, 0, . . . , 0), e2 = (0, 1, . . . , 0), . . . , en = (0, 0, . . . , 1)} e unha base de Rn e ch amase a base can onica de Rn . Ollando a denici on deducimos: Teorema. Cualquera conxunto xenerador de S pode ser reducido a unha base. Esbozo da proba : Abonda quitar los vectores linealmente dependentes. A partires deste resultado deducimos a s ua vez: Teorema. Calquera subespazo vectorial S de Rn ten unha base nita. Un resultado moi importante e o seguinte: Teorema. Calquera conxunto linealmente independente {v1 , v2 , . . . , vr } en S pode ser extendido a unha base. Esbozo da proba: Consid erase unha base co necida de S, e sustit uense r vectores desa base por {v1 , v2 , . . . , vr } de xeito que o novo conxunto sexa linealmente independente. O resultado e interesante porque a s ua proba e constructiva, e ser a sinxelo dese nar un programa de ordenador que dado un conxunto linealmente independente de vectores os completara a unha base. Poder ase transcribir literalmente a proba matem atica a linguaxe de programaci on desexada.

ESPAZOS VECTORIAIS I

Pero o resultado e tam en moi relevente dende un punto de vista te orico, pois a partires del e moi doado probar o seguinte: Teorema. D uas bases calesquera dun subespazo S de Rn te nen o mesmo n umero de vectores. Agora, a partires deste u ltimo teorema podemos dar a seguinte denici on: Dimensi on. O n umero de vectores dunha base dunn subespazo S de Rn ch amase dimensi on de S e den otase dim S . Def nese dim{0} := 0. Exemplos. dim Rn = n dim{0} = 0 Unha recta vectorial en Rn ten dimensi on 1 Un plano vectorial en Rn ten dimensi on 2 Nota. A denici on de dimensi on e moi intuitiva, de feito todos comprendemos intuitivamente que o espazo R3 no que vivimos ten dimensi on 3 e que un plano ten dimensi on 2. Nembargantes, se non soub esemos de antem an que calquera base dun espazo vectorial ten o mesmo n umero de vectores, como poderiamos dar unha denici on de dimensi on? Consecuencias. Sexa S un subespazo vectorial de Rn de dimensi on k . Daquela: (1) Cualquera conxunto linealmente independente de S cont en como moito k vectores. (2) Calquera conxunto xerador de S cont en polo menos k vectores. (3) Calquiera conxunto linealmente independente con k vectores e una base. (4) Calquera conxunto xerador de S composto exactamente por k vectores e unha base. Sexan agora S e S dous subespazos vectoriais de Rn . Daquela: (1) dim S n (2) Se S S , daquela dim S dim S .

ESPAZOS VECTORIAIS I

(3) Se S S , dim S = dim S S = S . Teorema. Sexa S un subespazo de Rn e = {v1 , v2 , . . . , vk } una base de S . Para todo vector v S , existe exactamente unha forma de escribir v como unha combinaci on lineal dos vectores de : v = c1 v1 + c2 v2 + . . . ck vk Os escalares c1 , c2 , . . . , ck ch amanse coordenadas de v respecto a , c1 c2 (v ) = ... ck e o vector columna de coordenadas de v respecto a y (v ) = c1 c2 . . . ck e o vector la de coordenadas de v respecto a . Cambio de base Sabemos que dada unha base cada vector pode expresarse de xeito u nico como combinaci on linear dos vectores desa base. Mais Rn ten moitas bases distintas, e as coordenadas dun mesmo vector con respecto daquela importante saber, a distintas bases ser an tam en distintas. E a partir das coordenadas nunha base, acadar as coordenadas noutra base distinta. Para resolver esta cuesti on usaremos a chamada matriz de cambio de base, polo que introducimos antes uns preliminares sobre matrices. Rango dunha matriz. O rango dunha matriz A e o n umero m aximo de vectores columna (ou vectores la) linealmente independentes. Den otase rgA. C alculo del rango de una matriz. O rango dunha matriz A con m las e n columnas e rgA = r se, e s o se, existe polo menos un 1 menor de tama no r r non nulo e todos os menores de A de tama no (r + 1) (r + 1) son cero. Nembargantes, non c ompre calcular todos os menores de tama no (r + 1) (r + 1), seg un se expresa a continuaci on: Sexa A una matriz de tama no m n tal que existe unha submatriz Ar de tama no r r con |Ar | = 0. Verif case daquela que se rgA r +1, existe un menor de orde r + 1 obtido orlando Ar que e non nulo. Por outra parte, se |Ar | = 0 y os menores de orden r + 1 obtidos orlando
1Un

menor dunha matriz A e un determinante dunha submatriz cadrada de A

ESPAZOS VECTORIAIS I

Ar son nulos verif case que todos os menores de orde r + 1 son tam en nulos.(Idea da proba: Usar o Teorema de extensi on a unha base ). Propiedades. (1) rgA= rgAt (2) Se A e unha matriz con m las e n columnas, n de R denido por x1 x2 S = {(x1 , x2 , . . . , xn ) Rn /A ... = xn daquela rgA + dim S = n

e S o subespazo 0 0 } ... 0

ESPAZOS VECTORIAIS I

Matriz de cambio de base. Sexan 1 = {u1 , u2 , . . . , uk } e 2 = {v1 , v2 , . . . , vk } d uas bases dun subespazo S de Rn . Posto que 2 e base podemos expresar os vectores de 1 como combinaci on lineal dos vectores de 2 : u1 = a11 v1 + a21 v2 + u2 = a12 v1 + a22 v2 + ... ... ... ... ... ... uk = a1n v1 + a2n v2 + A matriz . . . + ak 1 v k . . . + ak 2 v k ... ... ... . . . + akk vk a12 a22 ... ak 2 ... ... ... ... a1k a2k ... akk

1 2

:=

1 2

a11 a21 := P := ... ak 1

ch amase matriz de cambio de base de 1 a 2 .

Dado un vector v de S cuxos de coordenadas respecto a 1 vectores y1 x1 y2 x2 y a 2 son, repectivamente umprese que: . . . y . . . c yk xk
1 2

y1 y2 ... = yk
2

1 S

x1 a11 x2 a21 = ... 1 2 . . . xk an1

1

a12 a22 ... an 2

2

. . . a1k x1 x2 . . . a2k ... ... ... . . . ak xk

S 1

x1 x2 ... xk

x1 y1 x2 y2 = ... 1 2 . . . xk yk
1

Este resultado pode probarse usando s o a denici on de coordenadas dun vector, a do produto dun vector por unha matriz e as propiedades das operaci ons en R. Abondar a con escribir as d uas espresi ons e veriamos que coinciden.

ESPAZOS VECTORIAIS I

Propiedades de la matriz de cambio de base. (1)

e inversible e
1 2

=
1 2

(F xate que, seguindo

2 1

a denici on de matriz de troco de base, 2 = C ,

1 C

(u1 |u2 | . . . |uk ). (2) Se 1 = 2 , daquela a matriz de cambio de base e a matriz identidade. M etodo de Gauss-Jordan para calcular a matriz de cambio de base. Sexan 1 = {u1 , u2 , . . . , un } e 2 = {v1 , v2 , . . . , vn } d uas n bases de R e cham emoslle B1 = (u1 |u2 | . . . |un ) e B2 = (v1 |v2 | . . . |vn ). O m etodo consiste en transformar mediante operaci ons elementais de matrices (intercambio de d uas las, multiplicaci on dunha la por unha constante non nula e adici on do m ultiplo dunha la a outra) la matriz de tama no n 2n [B2 |B1 ] na matriz [In |P ]. Unha vez acadada esta expresi on, c umprese que que P = 1
1 2

Nota. F xate en que o procedemento que estamos a explicar e o mesmo ca o usado para resolver sistemas de ecuaci ons lineares mediante o m etodo de Gauss. Acons ellase que a orde de transformaci on sexa por columnas e de esquerda a dereita.