Scribd Logo
Upload

Welcome to Scribd!

  • Algebra II Armando Rojo Watermark PDF

    Uploaded by

    inaki
    18 views402 pages

    Original Title

    algebra-ii-armando-rojo-watermark.pdf

    Copyright

    © © All Rights Reserved

    Available Formats

    PDF or read online from Scribd

    Did you find this document useful?

    Is this content inappropriate?

    Report this Document

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    18 views402 pages

    Algebra II Armando Rojo Watermark PDF

    Uploaded by

    inaki

    Copyright:

    © All Rights Reserved
    Download as PDF or read online from Scribd
    Flag for inappropriate content
    of 402
    ALGEBRA ll ARMANDO - ROJO TRABAJO PRACTICO IV om ‘4, Doterminat os rangos de Ay de AAS por Gauss Jordan, (gol, Demesttar primero quo So (A +B) C So (A) + Sq (B). Al pasar a la relaci6n entre sus <éimensiones, tener en cuenta (g62.i )oonsidera el elemento genérica dela diagonal de AB y de la diagonal de Ba, ii) asoviat y apicar i. ii aplica i. (463, Premultiplcar por Ala relacion A X=a X,y teneren cuents que A? (464, Realizat 1a maisma multiplicacién que en el ejercicio anterior y considerar que A’ 4465.1) Expresar X como producto de matrices, calcular su cuadrado y tener on cuenta XT donde T es la matiiz m1 formada por unos, es un escalar, y por lo tanto igual 2 su traxpuesta ii Resulta A + 86a, una atria mx euyos elementos son iguales 3+ iit) Después de desarrllar la sumétoria, y, reduces térmisos, se ilega a que 1 7 T*. lector puede comprobar que esta matrz es ideinpotente, 446, Bfectuar ol producto entre | - Ty la sump indicads. Considerar que T” 4467, Panticionar A en dos bloques el tipo 4X 2, y-efeetuar el producto. 4468, Trasponiendo términos se prueba que A admite inverse. 4.69, Por Gauss Jordan se obtiene N Di P 1 0 4-70, Para la condiciGn nevesaria efectuat los productos AB y BA, ¢ igualaslos pare obtener ay 0. Para la condicion suficiente, efectuar ambos productos sustituyendo B por su expres, 471, Apliear induccién »oi-t 4miya={1 -1 0 Qetead ample, 512(075) Rojo, Armand O. Rou ‘igabrs = 13a. ed. - Buenos Altes: El Ateneo, 1998. xt 296 p28. 180m, {san 950-42.5206-8 Lthue -1, Matémation*Eraerianza Socundia ‘Aavortencla importante: El derecho de propiedad de esta obeacomprende para su autora feculladl do Spener 6a ee, pubicara vada, acapai oauerizar “Sitrauccin 9 raproduela an cualauer foe oll o parent, por ‘med scans 0 mecanizos,isluyendo fokecores,grebacion Tmapnetotnicay culquer sistema de almacenomiento do inormacin, Po consigiene, nadie ene facutad a era los dorechos precios ‘Si pemigo dl autor y do dito, por escri, Los infratoressornropdnidos con las penas del atioa 172 y ‘concordaniee det Codigo Pena (ats. 2,9, 10,71, 72\ey 11-723). ‘eda nga al apo ae estabac ay NE 1.720, ‘9 tare tara, sa/e ary eden, 178, 128, oar 100,128,187 094, 9953, Tee,“ ATENEO" Pio Gari 8 Ubon ora nba Pris 346, Banos Aes Fndadsen 1012 porden Peso Gaia. Inoroeo en 7.6, COLOR EFF, Pee ie von, 8545 sce marzo ao 1008, ‘ees: 2000 cores. {MPRESO EN LA ARGENTINA PROLOGO Este fro responde a fos contenides de fe asighatura ALGEBRA LINEAL, que figure en tos planes de estudios del cielovbésico de Matemética de las Facultades e instiwtos de profesorade..Se sipone-adqyirids\ ef comocimaiento, de Tes. temas soativas af iigchro dle connintes, releciones. y funclones.y dle tas estructiras de grupo, anillo y cuerpo. Esencialmente se desarrolla aqui la estructura ve. sapocte vectorial y se estudian los modelos partieulares indispensables en la formacién sctval de profesionales y en les aplicaciones a disciplias do uso eotidiano, entre las que citamos, por ojemplo, to Estadistica y Ja Investigacion operstiva Ei esqueme seguido es ariéloyo ah axpuesto en Algebra IS itade porsEL ATENEO en 1972. La teorid es iustrtla con el desrvollo de ejemplas en 108 que) alumne puede apoyarse. En cade capitulo se propone un trabujo prictico caves respuestas se supieren en el texto, Agradtezco a ta sdlitoriat EL ATENEO y a su personal la coleboracibn que me hhan Brindato en todo to concernienta a esta rublicacion, [ARKANDO 0. ROVO Buenos Aires, mayo de 1973 Ona | oral apituio 1, pitulo 2, CONTENIDO ESTRUCTURA DE ESPACIO VECTORIAL. SUBESPACIO 1 1, 2.Concepto de espacio vectorial 1 1. 3. Propiedades de los expacios vectoriales 6 1, 4. Espacio vectorial de fuseiones 7 1. 5, Espacio veetorial de a-aplas 10 1. 6. Espacio veetorial de matrices u 1. 7. Espacio vectorial de sueesiones 3 L. 8 Subespacios 13 1. 9. Operacionesentte subespacibs By Trabajo Prictico 27 DEPENDENCIA E INDEPENDENCIA LINEAL, BASE Y DIMENSION 30 2. 2, Combinaeianes tineales 30 2. 3. Subespacia genetado 34 2. 4 Dependen cia independenein live! 42 2, 5. Sistema de generadores st 2. 6, Base de un espacio vectorial 33 2. 7. Dimension de un espacio vectorial 37 2. 8, Dimension de la summa © Trabajo Préstico IL 6 ‘TRASFORMACIONES LINEALES 66 3, 2. Trasformacion lineal entre dos espacios vectorisies 66 3. 3. Nécleo e imagen de una trasformacién lineal n 3. 4, Dimensiones del nicleo y de fe imagen 80 3. 5. Teorema fundamental de las trasformaciones lineales 83 3. 6. Producto de mairices 85 3. 7. Matria asociada @ una trasformacign lineal 86 3. 8. Composicion de trasformaciones Tineales 902 3. 9. Trasformacion lineal no singular 93 3.10. Composicién de trasformaciones lineales y proslucto de matrices 96 3.11. Bspacio vectorial de trasformaciones lineales 98 3.12. Espacio dual de un espacio vectorial 101 ‘Trabajo Practice IU 102 x coNTENIDO Capitulo 4, MATRICES. 106 4. 2. Producto de matrices 106 4, 3. Anillo de matrices cuadradas 109 4, 4. Trasposicign do matrices ino 4. 5. Matrices simétrieas y antsimétricas 12 4. 6 Matrices triangulares na 4. 7 Matrices diagoneles na 4. 8. Matrioes idempotentes c involutivas us 4. 9: Inversa de unt matriz no singular 116 4.10. Matrices ortogonales u7 4.11. Matrices hermitianas ug 4.12, Matrices particionadas 121 4.13. Bspacios fila y columaa de una matsiz 123 4.14, Operaciones y mais elementales 130 4.15; Equivalencia de matrices 133 4.16. Método de Gauss Jordan para determinar el range 135 4.17. Inversion de matrices pot Gauss Jordan 138 4.18, Inversign do matrices por, partici Ma 4.19, Cambio de base y semejanza de matsicos 144 ‘Trabgjo prictico IV 149 Capitulo 5. DETERMINANTES. 155 5, 2. Determinantes 135 5. 3, Propigdadles de lg fncisa determinante 157 5. 4. Bxibtoneia de D 16) 5. 5. Unieidad-del deteriinanto 163 5. 6. Determinante de ln traspueste 166 5. 7. Determinante del producto de dos matrices 169 5. 8. Adjunta de una matriz cuadrada 170 5. 9: InversiOn de matrioes no singulares m 5.10, Regia de Cio 174 ‘Trabajo Prictico V 7 Capitulo 6, SISTEMAS LINEALES 11 6, 2. Sistemas tineales 181 6. 3. Teorema de Cramer 187 6. 4 Compatiilidad de sistemas lineales 188 6. 5, Resolucion de sistemas lineales 130 6. 6 Sistomas homoyéneos 196 6. 7.Conjunto solueién de un sistema lineal 198 6, 8 Resolucion de sistemas simétricos 202 6. 9, Método del orlado 208 Trabajo Préetico VI 210 conTENIDO XL Capitulo 7. PRODUCTO INTERIOR, GEOMETRIA VECTORIAL aia 7, 2. Expacio vectorial euctidiano 24 7. 3. Ortogonalidad 219 7. 4, Desigualdad de Schwarz 22 7, 5, Desigualdad triangular 223 7. 6. Angulo de dos vectores 223 7, 7.Conjunto ortogonal de vectores 235 7, 8. Base ortonormat 225 7. 9. Complemento ortogonal 29 7.10. Proyeecion de un vector sobre otro 232 TAL. Bspacio afin R® 233 1-12, Eeuaciones vectorial y cartesianas de la recta 236 7.13, Eewrcién normal vectorial del plano 239 7.14, Curvas en el espacio 246 TAS. Superfici cilindrica 249 1G. Supesficio ebnica 25) 7.17, Proyeccion de una curva sobre un plano 253 ‘Trabajo Praetico VIL 257 Capitulo 8 VALORES Y VECTORES PROPIOS. DIAGONALIZACION 263 8, 2, Valores y vestores propios 263 '8, 3, Polinomio caracteristico de Uita matiiz, 270 8, 4, Diagonalimei6n do, ma tries 716 8, 5, Trisagulaciin de endomorfismos y le matrices 279 8, 6, Teorem de HamiltonCayley 282 ‘Trabajo Prietieo VILL 25 Capitulo 9. FORMAS BILINEALES Y CUADRATICAS 289 9, 2. Formas bilineales 289 9, 3. Formas hetmitianas 293 9, 4, Formas cuadeéticas 294 9, 5. Operadores adjuntos y traspuestos 296 9. 6 Operadores hermitianos y simétvicos 299 9, 7, Operadores unitarios y ortogonales 300 9, 8, Teorema de Sylvester 303 9. 9, Diagonatizacin de operadores simétricos 307 9.10. Matrices simétricas reales y valores propios 310 9.11, DescomposiciOn espectral de una matriz 311 9.12. Congruencia de formas cuadraticas 314 9.13, Signo de una forma cuadeitica 318 ‘Trabajo Prictico IX 321 xu ‘CONTENDIO Capitulo 10, CONVEXIDAD. PROGRAMACION LINEAL 10.2. Conjuntos de puntos en RP 103, Seamentos,hipecplans y semiespacios 10.4, Convexidad en R" 7 10.5: Convexida y tisfousacones lines 1046 iperplinos soprtanie 10,7, Puntos exromos fa Programaciin Lineal BIBLIOGRAFIA RESPUESTAS A LOS TRABAJOS PRACTICOS INDICE 325 325 330 336 339 342 344 346 356 359 361 393 Capitulo 1 ESTRUCTURA DE ESPACIO VECTORIAL SUBESPACIOS 11. INTRODUCCION La estructura de espacio vectorial, que tatasios éh é&tvleapituloyes ePeoncepto bésico el Algebra Lineal. Confiere unidad y presiimia temas esenciales de la matemnitica que tienen vastas aplicaciones en Ia ciencia y en ls tecnologia sctuales. Despuésdeintreducir el sistema axiomético y de dar las propiedades fundamentales, proposemos los_espacios vectorisles de funciones, de los que s@ derivan los modelos de los espacios de matrices, nouplis y sucesiones de elementos de un cuerpo, $e ds, finglmente, el cofcepta de subespacio. 1.2, CONCEPTO DE ESPACIO VECTORIAL Sean: V un conjunto no Yacio, Kun.cuerpa, + y./dos flmciones, qhe lamareinos sumaly produeto, respectivamente, Definicion El objeto (V, +, K,.) es un espacio vectorial si y s6lo si se vosfican los siguientes Ay - La suma es una ley de composicion interna en V. t:Vtoy Osea xeVayeVoxtyeV Esto significa que la suma de dos elementos cualesquiera de V es un fnico elemento de v, ‘Ay La suma es asociativa en V. (ty)teexty ty cualesquiera que sean x, y,z0n V. sTRUCTURA DE ESPACIO VECTORIAL. SUBESPACIOS ‘Ag Existe un neutro para Ia suma en V, [Bi elemento neutro se denota con 0. BOEV/VxeV:x+0=04x=x ‘Ag Todo elemento de V admite inverso aditivo u opuesto en V, VREV,3yEV/xty=ytx=0 Al opuesto de x lo denotamos con =, 0 sea, y = —x As La sume es conmutativa en V. xhyaytx cealesquiera que sean x, y en V. ‘Ae Bl produeto es una ley de composicion externa en V con escalaresw operadores enk, Kxvey De acuerdo con 5.6, Algebra, del misnio autor, la imagen del par (x), donde a eK y xe V, se escribe a x y se llama producto del estar & por x. Osea agK ate VdxeV ‘Ay Elproducto satistuce ly apociatividad mixta VaeK,VBEKVKEV: ax) (eA) Observamos squé que tos dos productos que figuren en el pwimer miembro corresponden a Ja ley de composicién exierns. Bero ef producto af -det segundo jombro se efectia en K. Ag. El producto es distibutivo respeeto de a suma en K. Vaek, YBEK, ¥ xeV:(a+p) La suma @ +8 se efectiin en K. poro la suma que corresponds a la ley de composicién interna en V. As . El producto es distributivo respecto de ta summa en V. Yack, ¥xeV,VyeV: a(x ty)=ax tay Las dos sumnas se realizan on V. Ajo. La unidad del euerpo es neutro para el producto. VxeV: Inox donde 1 denota Ia idontidad en K. Los axiomas Ai, Aa, As, Ag y As caracterizan a (V ,-+) como grupo abeliano, Los ‘lkimos cinco axiomas son relativos a Is ley de composicién extema Los elementos de V se llaman vectores; en particular, el elemento neutro para fa suma ESPACIO VECTORIAL recibe et nombre de vector nulo, A menudo hablaremos del espacio vectorial V, fobrentendiendo que nos referimos a Ix cuatema (V,+,K,.). La simplificacién de los rotaciones hace conveniente el uso de Jos 1 Composicion interna en K, la suma en V y ol producto de escalates por vectores. 0 sea, al fecir K n0s estamos : dos leyes de composicion intema en K, que no tienen ef mismo significado que las que figuran en (V, +, K, .). Distinguiendo adecuadamente los elementos de K y los de V, no hay ugar a confusion, Asi a+ esuna suma en K x+y esuna sima enV aBesun producto enK —-—-@X eel producto de un escalar por un vector jempto 1-1. *, K=R, la adicibn definida en R? por @.H)+C | +eb ed 0) xy el producto de nimeros reales por elementos de R? defifido mediante 4@, Bs(adad) @ Resulia (R, +R.) el espacio vectorial de tos pares omenadoside némeros reales sobre el cuerpo de log ndmeros rales. En efecto, de acuerdo con los gemplos 5 y 5-5 iv) det texto nombrado, c& (R? , +) ‘un grupo abeliano, Por tra part se vere [Ag Por la definiciin (2). Ay a (B@,B)) = Be, 86)= (aBa), a(Bd)) = ((aB)e, (@A)0) = HV0,>) Hemos aplicado la definicion (2), fa asocitividad del producto en Ry la éefinicion oe. As @+PV(a,6)= ((@+B)a,(@46)d) = (aa +Ba, ab +B0)= (Ga, a6) + Ba, 88) =a(@,b)+(@, B) De acuerdo & a (2), fe distributividad del producto respecto de la suma en R, y las icones (1) y (2). As .0(@046, 0) sa@te ota (alate, a6+) = (ea tae, ab+ad)=(ae,ab)+ (ae, ad)=a(e,0)+a(e.d) 1s simbolos para nombrar las leyes de indo al euerpo (K, +, ) donde los signos "#" y “." denotan las 4 ESTRUCTURA DE SSPACIO VECTORIAL. SURESPACIOS Segiin (1), (2), distibutivided de la multiplicacion respecto de la adicin en R, y las 0, y sentido opuesto si a<0. Corresponde a una dilatacion si le |> Ly a una contraccién si la 1< 1. Sia =0, entonoes 4 obtiene el vector nulo, (a, B+ (€.d) Pjemplo 1-2 En R® se definen: Ia suma, como en el ejemplo anterior, y la ley de composiciin externa mediante @@,)=(@,a) (2) Se verifiea, como antes, que (R? , +) es un grupo abeliano, En cuanto a (2, satisface Ag. Su significado geométrico es el siguiente: todos los Pares ordenados que tienen ia misma absia, al ser multipicads por cualquier nimero ‘eal, se proyectan sobre la primera bisectriz paralelamente al ele de ordenadas. ESPACIO VECTORIAL También se satisface Ay, pues « (8(@,d)) =a(0, a) =(4, «)= (ap) (e.b) No se verifiea Ay, ya que (+B) (@.b)= (a ay pero (a,b) + Bla, b)= (a, a) +(a, a) =(22, 20) Este hecho es suficiente para afirmar que no se trata de un espacio vectorial lector puede comprobar que esta interpretaci6n cumple Ay pero no Ay Observamos aqui que la estructara de espacio vectorial noe: inherente exclusivamente al conjunto V, sino que, ademés, depende de K y de las lees de composicion que se definan. Aclaramos que toda vez que se mencione al espacio vectorial (R2, +, R, .) se sobrentenderi que la sua y el producto son los definidos en (1) y en (2) del ujemplo Hl Ejempio 13. La estructura de espacio vectorial no es un sistem axiomético independiente, pues As puede deducirse sobre la base de los restantes axiomas, Enefecto 6 PSTRUCTURA DE ESPACIO VECTORIAL, SUBESPACIOS xdutytyedet int ly tly=( + De t(14 Dye + De ty= (xtyytlotypeixt yt txt tyoxtytaty cen virtud de Arg, Ap, Aa, Aes As Y Aro Osea ctx ty tysxty tery Por ey cancelativa en el grupo (V , +) resulta xtysytx 1.3. PROPIEDADES DE LOS ESPACIOS VECTORIALES ‘Sea (V, +, K, .).un expacio vectorial 1.3.1, El producto del escalar 0 por cualquier vector es el vector nulo, En efeeto, por neutto para Ta sama en’ Ky Aa es ax= (at Ox=ax + Ox Por Ay se tiene ext Olaxt Ox Y por ley cancelativa rests Ox-0 1.3.2. Bl producto de eualquier escalar por el yeetor nulo es el veetor nulo. Por As y Ay es ax=a(x+0)=ax+a0 Entonces axta’ Por Ay weet adnax+0 Y por regularidad en (V, +), resulta PROPIEDADES DE 10S FSPACIOS VECTORIALES, 1 1.33.Si el producto de un escalar por un yectores el vector nulo, entonces el escalar es 0.0 el vector es nulo, ax=0>0=0vx=0 Se presentan dos posibilidades: a =0, 0 bien, a0 En el primer caso os vordadora la primera proposietén de la disyunci6n que Aigura on la ‘esis, y por consiguiente ésta es verdadera. Fin ol segundo caso es neccsario probar que x Fin efecto, siendo «#0, existe ef inverso multiplicativo en K, a’. Partiendo de la hipstesis, promultiplicando por @', usando Ap, 1.3.2., el producto de inversos en K y Ayo se tione =02a"(ax)=a 02(@! ax 2 x= 02x=0 1.34. El opuesto de cualquier escalar por un vector es igual al opuesto de su producto, (a)x=— @x) Teniendo en cuenta Ag, 1.3.1.,1a sima de opuestosen K y A, 65 <(ax) $ax=0=0x De (ho) xe) (ae después de cancelar, resulta Cae (ax) En particulars tee C1)ns(1 2 x 1.4, ESPACIO VECTORIAL DE FUNCIONES EI simbolo K* denota el conjunto de todas las funciones con dominio un conjunto X #6 y codominio un cuerpo K,, 0 sea f/0 XK) En K% definimos la suma de funciones y el producto de escalares por funciones mediante i) Sify gson dos elementos cualesquiera de K¥, entonces f + 4: X > Kes tal que (+O) FO) + EO) VxEX ii) Sia es cualquier clemento de K y f es cualquier lew af:X>Kestal que nto de KX, entonces He) f() Wxex 8 ESTRUCTURA DE ESPACIO VECTORIAL. SUBESPACIOS Tanto ta summa de funciones eon dominio X #9 y eodominio K, como el producto de «escalates por funciones, se laman leyes de composiién punto s punt, Resulta (KX,+,K,.) un espacio vectorial Para ello, veamos que se verifican los axioms, Ay .£€K™ a geK*® > +g eK por ia definicién i) A; .Sean f, g y hen K%. Cualquiera que sea x €X se verifica, teniendo en cuenta la K dtinida por (Lf) (x)= (3) En efecto, para todo x €X% verifea (C+D) = (9G) + F@)= 1) +f 0) =0= e@) Osea (Otice Anilogamente se prueba que f+D=e As . Lasuma en K* es conmutativa, ye que +9) =f) +8@)-80) +10) =(8+ 90) Lego £ +g =g + Foualesquiera quo sean fy gon KX Ag eK AfeK* afek por la defiicion i). Ay Sean aeK,BeK y feKX ESPACIO VECTORIAL DE FUNCIONES ° Entonoes (269) @-« (He) =a (ate) = @mte)= (ear) @ Lego aBH=(ept ‘Ay. Consierando weK BeKyfeKk% es (+01) @)-@+Mtey=ate)+btay= =D) + BD) =(at + 8H) lo que se justificntenendo en cuenta i, la dsebutividady la ase enk, ie, Entonces os 4D fatt st As Sean @eK, feKX y ge KX 1 oe distelbutividad del producto tespeGt5 Be la suma on Ky por la etiniiones i) vi) se tiene (a+) (oa (ew ee}e (16) ¢06) | wat) FaKG)(eD()+ (ag) (x)= (@f tag)G) Osea a(ft+@=atteg ‘Avo .Cualquiera que sea fen K* se verifica (1 G)= 1 £(a)= FG) Lugo iret aGuaerma (+ el espacio vectorial dels fncions detinidas ene conjunto Beacio X'y eon valores en K, con ls lees de composicén punto a punto, Losvetonm do «este espacio son funciones, La figura siguiente expiica ta situacion en el caso patti lar on que K= Ry X= 0,1] 10 ESTRUCTURA DE ESPACIO VECTORIAL, SUBESPACIOS 1.5, ESPACIO YECTORIAL DE-UPLAS DE ELEMENTOS DE K Con relacidn al espacio. vectorial de fingiones (KX, +,K, )-eonsideremios el caso Particular en que X es e intervalo natural inicial I. Toda funcion € ly > K es una f-upla de elementos de K, y escribiendo Kh =K” eK", +, Ky.) el espacio vectorial dé las n-uplas de elementos de K. as definiciones i) y ii) dadas en 1. se traducon aqui de la siguiente manera i) Sify g denotan elementos de K”, entonces f+ ges la funcién de I, en K dlefinida por (#8) =f) + 80 cualquiora que sea ie ly, Bs decir =F O=C +B = a, +b; done a,b; y cy son fas imagenes de i dadas por f, gy £+ g, respectivannente En coniccuencia, dos n-uplas de elementos de K se suman componente a componente fi) Si@e Ky feK", entonces a fes la funeién de |, en K definida por (@H) (=a FP evalquiera que sea € ly Denotando mediante c; la imagen de i dada por a fes ee alD=aa, Fs deci, el producto de un elemento de K por una mupla se realiza ultiplicando en Ka ‘dicho elemento por cade componente de Ia nupla, En particular (K, + K, eso espacio vectorial donde los vectores se identfcan con tos I elementos del cuerpo K. En este caso, la Jey de composicién externa es interna. En coniecvenca,(R,+,R,.) 65 e espacio vectorial de los nimetos reales sobre el cuerpo de fos reales, Este es un caso petiulr del espacio vectorial dels meuplas de mnimeros rst | sabre el euerpo de os reates, que denotamos mediante (R”. +, ). |" (C4,G. eset espacio vectorial de as muplas de niieros complejo sobre el eurpo de Jos compleos | 1.6. ESPACIO VECTORIAL DE MATRICES n x m i Particulsrizando nuevamente con relacién al espacio vectorial tratado en 1.4., considere mos X =I, X Ty, 0 sea, el producto cartesiano de los dos intervalosineturales iniciales: 1, © late, "1 Jamarnos matriz x m con elementos en Kia toda funcién FX oR, [La imagen del elemento (F)/) perteneciente'al dominio's€ dénota por dy, [La matez f queda earactesizada por el conjunto de las imégenes 2 ESTRUCTURA DE FSPACIO VECTORIAL. SUBESPACIOS y suele esrbise como un cuadro de nm elementos de K dispuestos en fas y m cokannas, En cade fila o eenglin se escribon las imégenes de todos los pares ordenados que tienen la mista primera componente, y en cade columna se anotan ls imégenes de todos ls pares fordenados que tienen la misma segunda componente] elomento deta matiz que gua en ta fila 4 on In columna j se denota por a, y es la imagen dada por f del par (i). Lamando ‘Ala matriz cayo elemento genérico esa, esribiremos ‘Tanto las filas como las columnas de A se llaman Ifneas de ka mata Abreviando, puede eseribirse (ay) donde P= 1.2) .,.0 ¥ 771,2,.- ym El conjunto de todas 1s matéices # <% don eleméntosien K es K¥% ny se denote rmediante K"™ Las defniciones Dy i) dadas en 1,4, se traducen agui de l siguiente manera: si Ay B son dos matrices de K"™*”, su suma es Ce K"*" tal que. eu OF 9G DALED + BCL = ay de yl producto del esealara eK porta maltizwNs la matric te K"*” cuyo elemento gensrico fey estal que =O NG. D= all, P=aay © sea, dos matrices del tipo xm se suman elemento a elemento; y para multipliear un scalar por una matriz nx se multiplica dio escalar por todos los elementos de la matriz La cuateme (K"%",+,K,.) denota el espacio vectorial de las matriees xin con elementos en K. En este espacio, ls vectores son matrices En particular (K"™", +,K , ) es el espacio vectorial de las matrices cusdradas, es decir, de fila y n columnas. El vector mulo del espacio K"*" se lama matriz nula; la denotaremos mediante N, y esté efinida por ng = 07 ¥ 7. 0 satisfac Ia ‘La mateiz inversa aditiva u opuesta de A= (ay) ¢6 B, cuyo elemento ger selaci6n by =~ay, Escribiremos B= —A. Por definicidn de funciones jguales resulta A= B siy s6lo siay=by VEY [ESPACIO DE SUCESIONES. B Hlemplo 1-4. Fin R°** ge consideran las matrices A y B cuyos elementos genéricos nay 2-1 dy=1—2, Obtenemos C= A 28. La exprsion de Ces C= A-+(-2)B,y 6 resilte 000 boo- 66 6 9 8)7 1,7, ESPACIO VECTORIAL DE SUCESIONES Sean: X= Ny KN el gonjunto de todas Tis funciones de N ent Ke Las elementos de K® son todas las sucesiotes de elementos de K, y retomgndo lo expuesco, en 1.4. resulta (KS, +, K, .) un espacio vectorial. Lis definiciones iyi) de 1.4, se interpretan ahora dela siguiente manera + OUD=L) + BU) ea +b, WEN G7 @NM=al (Nam, VEN Osea (ada day ed #E Daye DE Cy + yds FB 3, oy PB gs) CE. a6. yy Y= (ay Ay, yy) El veetor nulo es la sucesion 0=(0,0,..4.0,..) Ejemplo 1-5 ' ‘Sea R{X] el conjunto de los polinomios reales en fa indeterminada X. La sum en R |X] s0 define como en 12.2.2., Algebra J, del mismo autor. El producto de esealares 4 ESTRUCTURA DE ESPACIO VECTORIAL, SUBESPACIOS. reales por polinomios es el habitual, o sea siaeK y PER IX], entonces aP es la fanetén de No en R definida por (a P) (i) =a P (i), cualquiera que sea ¢ Ny Ress (R (X], + R, el expacio vectorial detox poliomnios reese a indtermina da X sobre el cuerpo de los nimeros reales El conjunto de ios polinomios reales de grado 2 no es un espacio vectorial sobre el ewerpo de Tos reales, porque la suma no es una ley de composicién interna en dicho onjunto. Pero el conjunto de los polinomios reales de grado menor 6 igual que 2y et Polinomio nulo constituye un espacio vectorial sobre R. Eiemplo 1-6 Sea $ el conjunto de las funciones reales definidas en [0,1] tales quo £ (0) = S=/f: [0.1] >R/f)=0} Como todo etemento de portenece a RII, es §¢ REO! Considerando tas eyes de composiciin defindas en 14. verifcan Ay -feSages£(0)= 04 0)= 05 1(0) + g10)= 6-64 )(0)=0> 84 568 SUBESPACIOS 1s le funciones es asociativa en RI), también lo esenS. ‘Ag Como ls sums ‘Ay La funcin mula eso vector nulo de S. ‘Ag «Todo elemento de S admite un opuesto en S. SifeS, entonces -f €S, pues (-f (0)=—£(0) =0. As. Cuslesquiers que sean fy gen S tiene feaatt pues $c RIOT Ag GER» fES*AER A £(0)=0 af (0)=07 @fO)=0>afes Los testantes axiomas, lo mismo que Az y As, por ser Mentidedes en RIM! se ceumplen en S ya que SC RI!) En consecuentia, (8, +, R,.) es un espacio vectorial 1,8. SUBESPACIOS 1.8.1. Concepto Dados el espacio vectorial (V,+4K, )y el conjunta no veeio SC, ai SEs yn espacio ‘vectorial sobre el mismo cuespo K y con las mismas leyés de composieon que én V, diremos tye (5. +,K, ) es um subespucio de (V, + K,), 0 simplemente, que Ses ur subespacio de v. Defincion ‘Ses un subespacio de (V, +, K, ) sly sélo si (S, +, K, Jesum espacio vectorial Cai qu 6, 4.K, tt Y cone {0 sm esc dV, mas Hjemplo 1-7 Consideremos el espacio vectorial (R?, +, R, .) los subconjuntos TH{G eR? /y=xtt} S= {G9 eR? /y=2x} ‘T noes un subespacio, pues el vector mulo (0,0) ¢T. Fn cambio, S es un subespacio de R®, ya que 1° (5, 4) es un subgrupo de (R®, +), En efecto, de acuerdo con la condicin suficiente detnostrada en 8.4.2, Algebra T, del mismo autorse verifica Ge yeS A e' ppeS eyed A y= detey —y'=26e—2> > xy yDESH EN tCN, WES 16 ESTRUCTURA DE ESPACIO VECTORIAL. SUBESPACIOS. 2° Respecto dela ley de composicin externa consideramos Ae @ERA( Y)ES> @ERAY=2x-ay=2ax2(ax,ay)ES>alx,y)eS Tos axiomas Ay, Ay, Ay ¥ A1o, por ser igualdades en R®, se cumpien en $ ya que scr yay (1,2) De la definisién se deauce que (S, +, Ky.) es un subespacio de (V, ¥,K, ) dy slo si (S, ¥)¢s.un subgrupo de(V, +) y S es cerrado para el producto por escalares 1.8.2. Condicién suficiente Si el conjunto no vacfo $C V es cerrado para Ia suma y para ef producto por esalares, ‘entonees (S, +, K, .) esun subespacio de (V, +, K,.), 4,K, ) e6 um espacio vectorial LxeSAyeS>x tyes 2.aeKaxeSwaxes ‘Tesis) (S, +, K, .)es un subespacio de (V, +, K, .) Demostracin) 1° Consideremos dos vectores cuslesquiera x ¢ y en S. De acuerdo con fa condicisn 2, de 's hip6tesis, por 1.3.4, y por la condicién 1, de la hipstesis,se tine suseseacios KeSAVES* xESA(-I)YES* ES A-VES = KHC-yeS bncanmznin #14 howd) ee resin, er sefes bocca ease Estas condiciones son, ademas, neesatas. Es deci, sabiendo que Ses ud subespaci, son Fiemplo 1-8 Sean: ol espacio vectortal (R®, +, Rj ),.¥ 8 Gonjurto $ de Tas terns Ordengdas de R tales que la tercera companente ef igual aI soma de ies dos primera, Osea 3 {beh fa, a) ERY [5-2 Ha} Afinmamos que S es un subespaci de R°, pies 1. (,2,3)€S 9840 2, SCR? por Ia definiciin de 8, 3. (asta As)ES AVL Ya IsES HAVA tm AVAIL HY xy tay ates ty) Hes ty) Ge teks bya ta)eS— > Gn x25) + On Yaad ES Henos spicao suanvament: la defini de Sl aici en R, dfn de Ja definicién de suma de ternas. bade 4. ER A (4,¥2,25) ESP BER xy =H Hx > Peary =ax, +ax7 > (0x) 0247, 0x5) ES 70 OE, ¥3, 44) C8 Por definicibn de S, muliplicacion en R, definiciOn de S y le defnicién de produ. de escaare por terns. produsto AA subespacio $ pertenecen las tennas (xy, 3,3) € R® que satisfacen la condicién xy te, 3 =0 Esta ecuaciOn define un plano que pasa por el orien, 18 ESTRUCTURA DE ESPACIO VECTORIAL, SUBESPACIOS Ejemplo 1-9 Gonsiderando 1 espacio vectorial de las funciones reales dfinidas en (0,1), que denotamos mediante (R', +, R, ), sean los subconjuntos 1 feR'/f(0)=0} 2. 8=[teR'/fo)=1} Pa el caso 1. s tiene un subespacio de R!, como fue tratado en detalle en el ejomplo 1, Independientemente del andisis realizado en el ejemplo eitado, we legs a ‘sma conclusion aplicando el teorema demostrado, pero en forma me simple En cuanto al caso 2., $ no es un subespacio, pues no es corrado para is sama, En efecto, las funciones fy g de I en R definidas por fix)=x+ 1 weet +1 satisfacen las condiciones fO)=1 wo) © sta, son elementos de S, Pero la uma f 4g es E+ 86x) = foxy-t gh 0 pertenece a $, yaique (Fe per Efemplo 1-10 Dado cl espacio vectorial (R*, +, R, ) consideramos {Orr waa ERM ey xy tary tary Se veriica que 1. S49, pues (1, 0,0, eS 2, SC.R* por la dfinicién de S 3. Sno es cerrado para la suma ya que (1,-1.0) a (1,1, 1, 0)€8 pero G10) +0, 1, -1,0)20,2,-2, es Ef consecuencia, § no es un subespacio, Por otfa part, el vector nulo no pertensoe a S.y ento basta para que no sea un subespaci, Fjemplo 1-11. Sey R=", +R, ol enpacio vectorial de las mates cuadiadas reales de fas yn ccoturnnas, ‘SUBESPACIOS 19 Si Ae RY" eseribimos A Bey dna ss Ba Por definicién, traza Je una matriz cusdrada es 1a suma de los elementos de su iagonal, La notacién es Eleonjunto S= [AeR™" Jar es el eonjunto de las matrices de trardinule de R"™",¥ cbrtilfe itlsubespacio, pues se verifca 1. SQ, pues fa mattiz nula N es de\ttaza aula, y en eonsetuencia es xn elemento aes. 2. SER™™ por definiciomdes. 3, Ses cerrado para la adicién, ‘Sean Ay B dos matrices eualesquiera de $,Fintonces AeSABES=irA Ain “Bag a3 aut 3 bu=0> 3 Gut b=0> > r(atB) + AFBES 4, S es cerrado para el producto por escalates. Ein efecto Bjemplo 1-12. CConsideremos $ = [(Gvs, 22) €R?/ty D3} © investiguemos si Ses un subespaio de RB, 4,R, ). Se ve de inmediato que no se verifica Ay, pues no todo elemento de $ admite ‘opuesto en $. Asi (0, -1) eS pero (0, 1) €8 20 ESTRUCTURA DI: I'SPACIO VECTORIAL. SUBESPACIOS Anslizando Ia situa isto 2SCR 3, S es cerrado para la sma. nen términos de la condicién sufieiente demostrada, se verifca G1. %2) ESAQ4, ya) ES 9x4 BaAy Dyy > Rs FL Bea ty Gee tee FYAVES HOLM) +O )ES Pero $ no es cerrado para el producto Por escalares, como lo demuestra el siguiente ejemplo: QA eSa(-2y2ut 4,-2)68 En consecuencia, $ no es un subespacio de R? 1.9. OPERACIONES CON SUBESPACIOS 19.1, Interseccién de subespacios Sea {$,] con fel una familie de interscccidn de dicha familia, o sea, ibespacios de (V, +, K, }, Denotaremos con $ la 1. Resulta § un subespacio de V. ‘Teorema. La interseccién de toda familia de subespacios de V, es un subespacto de V. Hip6tesis) (V, +, K, .) es un espacio vectorial (Si) con fetes una fa ia de subespacios de V | vTERSEOCON DE suBEstacios x | 1 ta) & =P syesunsubesaci dev. Demostracin) De acuerdo con Ia condicién suficiente 1.8.2. severiica 1. Sno es vacio, pues es), wersoe0 5,> = As toosee Por wr cada §, un subespacoy por defisicion de intemeccisn 2. Sesté incluido en V, ya que sicv,welle J scyascy Por ser cada Sy un subespcio de Vy porque te inteeion detode Fania de subconjuntos de Ves una parte de éste 3. Ses cerrado para la sumastin efecto xesnyebonef)siay@s,> P KES Ay ES, Viel +X y eS, Viel> ax tyeNsoxtyes Por definicion de interseccién, y porque todo Ses un subespacio, 4, S.es cerrado para el producto por escalares Consideremos ae K yx eS. Ahore bien aeKanes->aeKaxel1s= ack a xeS;, Viel axes, viel> wane Ms,saxes Biemplo 13 Fn (R®, +, R, .) consideramos los subespacios: $y ={(61. x1.) eRYxy =0) Ss ={6rr. 43,23) eR? 0} 1 intrsccién de estos es S=8, 8, (18a ea ERE ry #043 =0} 2 ESTRUCTURA DE FSPACIO VECTORIAL, SUBESPACIOS Esto significa que un vector genérico de $ es una terne de! tipo (0,2*2,0) que puede expresarse mediante (0, 0) para algin a en R. Entonces =(O.e,neRaer} O see, Sesel ejexa x & SS: Subespacios de R* son: R*, {0 , todas les rectas que pasan por él origen y todos los planos que pasan por dicho punto, Dos rectas distintas que pasan por et origen som. subespacios cuya intersecti6n és el vector nulo, y se Hazhan disjuntos. 1.9.2. Union de subespacios SiS; y 8, son dos subespacios de (V, +, K, .), entonces S; U Sz, no es necesariamente un subespacio de V, como lo prucba el siguiente ejemplo: Consideremos en (R?, +, .) los subespatios Sy y Sp dela figura SUMA DE SUBESPACIOS 23 La unién de ambos es el par de recta, yeligiendo x eS, y € 8, distintos del vector nulo, se tiene xeS, 2x5, US; yeS)>y€S, US; | pero x+y PS, US; 1.9.3, Suma de subespacios | Sean $1 y S: dos subespacios de (V, +, K, ). Definimos el conjunto xeV/x 2 HX Ax, ES Axa ES; | Oa XEV/IX, ES, AIX ES, AX =X, t xa] El conjunto S se llama suma de los subespacios S, y $3 y se indi SS +S ‘Teorema, La suma de dos subespacios de Ves un subespacio deV, Hipétesis) 8; y Se son dos subéspacios de (V,4,K,.) | S=S) +S; Tesis) (S, +, K, es un subespacio de (V, + Ky.) Demostracién) Se verifican las condiciones expucstas en 1.8.2., a saber 1. Sesnovacio, pues DeS, AOeS, >040=06S, +S) 208 S44 2. Sesuna parte de V, por la definicion de S, 3, Ses cerrado para la sma, ya que XESAY ES X=, HKAAY=Vs FV2AR Ys €SHA Ka Vs ES > SHY SOL Fy1) + Oa tya)AK F¥4 ES AR ta Es > =xtyes 4, Ses cerrado para el producto por escalares, porque WEKAK ES POEKAX=X, +9) €S,AX: CS: > Pax=ax, baxshany €S,Aax; ES, axes Por consiguiente, la summa de subespacios es un subespacio, Un caso particular importante se presenta cuando Jos subespacios S, y S, son disjuntos, s decir, si S, 0.8; = (0) . En esta situacién, el subespacio $= 8, +S; recibe el nombre de sama directa de $; y S;,y so utiliza la notacién 8 as, % sPACIO VECTORIAL, SURESPACIOS Sinteizamos esto onl siguiente definicién S=8, 9S, #555, +8, 08, 98;=[0) Hlempto 1-14 Consderemos primero los subespacon de R? S1={(@,8, Owe RAs eR} $2~((0,6", 7/8" eRayeR} 1 subespacio sums $=, +S, estd formado por todas la ternas dl tipo 8 +8".)=(.8.9) yes R®. Amos subespacias son los planos indicatos en fa figura, y como su interseccin es el eje x95 a suma S = 8, ++ $2 IR* no es directa. En cambio, si Sy =((@,0,0/aeR} y S,=|O,B,0/BER} se tione S=S, +S, =[(@,8, O/aeRapeR} ‘0 sea, la suma es directa y se Hlentifica con el plano horizontal (OPERACIONES ENTRE SUBESPACIOS 2s Extendemos la definieion de suma de subesfiacios al easo en que n >2. Definicion Sume de los subespact08 $5 Sp, . 4 Sp de (V, +. Kei) esl eonjunto S42 S)= [xe Vina Eymnny eS, Y= 1,2, oul Resuta S=3, $, un dibespacio de (Ve K, Ademas, si tales subespacios son disjuntos dos a dos, o sea iA />8,5;= {0} entonces diremos que esa suma directa de ellos, y eserbiremos S=8, 8, 9...95, Ejempto 1-15: Sean $, Ty U suhespacios de (V, +, K, 2) tales que T C8, Entonces se verifies que SAT+=T+ 60) 1°. xeSO(T+U)>xeSaxeT HU ESTRUCTURA DE ESPACIO VICTORIAL, SUBESPACIOS PKESAX=K, HX:AM, ETAR EU 7, Hx: eS Ax, €8) Ax EUAN, ET x) eTAX, €Sx €U> oxy eTAx ES NUK, +xy ETHSNU) > =xeT+(6U) Osea SAM+HCTHSAU) (A) B. xeTH GOW x=x, Hx eTAx CSUs ox, €TAx: eax €U 2x, €TAX, €SAm; €SAR: CU> ox, tx eShxy Hane HU xy +42 SOT HU) 2xes0 (0+ U) Lucgo THEAWCSATHH) | De (1) y (2) resulta ls igualded, TRABAJO PRACTICO | 416, Detomminae si las cuatemas que se indican denotan espacios vectoriles con las operaciones que se indicen 1) RAQW) DQ+R) #1) QHQ) *) RZ.) 117. Sea (V, +, K, .) in espacio vectorial, Demostras i) xty=0-y=—x fil) x tay=x4 ap yae0sy=z li) x+y=x=y=0 W)OX oxy XY 0% a=b 1-18, Determinar & sabiendo que y #0 y que’ (ax tee yexcy 1-19, Considerando V =RE, o ses, ef conjunto We las funciones reales 6on una vatiable rel, yK=R, investizar si son espacios veetoriales sobre R: {) Eleonjunto de las finciones continua, ii) El conjunto do les funciones desivables fil) El conjunto de tas funciones pares, 0 sca, las funciones feR™ tales que £(0) =x). iv) EI conjunto de las funciones impares, es decir, las aplicaciones TER que verifiean f (x) = f(x), ¥) Elconjunta de les funciones constantes, 1) Bl conjunto de les funciones no negativas. 1-20, Sean V=R? y K=R. Determinar si las siguientes operaciones definen sobre V una estructura de espacio vectorial 1 (a, 0) +(@", b)=( sett (a, 6) (ca, 0b) 4-21, Determinar si (C?, +, C,.) 68 un expacio vectorial, dfiniendo Gaza) F122) F'n ea #2) 2Gn7)*@2u27) 8 ESTRUCTURA DE FSPACIO VECTORIAL, SUBESPACIOS 11-22, Considerando el espacio vectorial (R°, +, R,.), investiga silos sigulents conjuntos son subespacios de R? 4) S[Gts, x2, x3) €RY/ey bas #0} S| Gus xa, 9) ERY Ler I= bea If S#| (1, x2, 43) ER xs =x; +2] 1-23, Sea el espacio vectorial (R", +,R,.). Determinar si los siguientes eonjuntos son subespacios de R” 1) S* [Ox MER eZ! 9 SelesontdeRYB epre0ne eR} 1-24, Demostrar que $= | (2, w) ¢ C*/2 = iw | es un subespacio de (C* +, C, ). 125, Sean © y $= |(2, w)eC'/2 = #W=0 fh Derek 8 He subespecios(s, +.¢, ) YEAR, 41-26, Sean Sy T subespacos de (V, #, Kf). En el prodtiet catesano 8 X Tse definen CFR WOE ty) ey) > (oy) Demostar que (8X, +, Ky.) ekyun-espacio vectorial, Fl espacio §XT se Hama producto directo de 8 por. 1-27. (R"™", +, R,.) denota el espacio vectorial de las matrices rates ¥ . Por definicibn,la mtr Ae R"" se lama triangular superior siy silo si 1>j>ay=0 Demostrar que (S,+,R,.) es un subespacio de R™, siendo $ el conjunto de las _matries triongulares superiores. 1.28, Dado (R*, + ,R,.),determinar si los siguientes subeonjuntos son subespacios, 8) S=[@.»)/@ 9) =@ +y?) ii) T= (Ge, 9) | 4x ty ex 1:29, Considerando (C2, +,R,.) ol espacio vectovial de lot pares ordenados de mimeros complejas sobse el cuerpo de fos reales, investigar si los siguientes conjuntos son subespacios dl mismo. i) S=1@,wect? tu? =0} i) S=[@,weC'fe+2eR | iil) S=[(@,u) €C?/Re(2) = Rew} a Re@—w=In@)} ‘TRABAJO PRACTICOL 2 ¥) S={@,weCfe-u} vi) S=[@,u) eC? / im @)— Im =O} 1:30, Sean 8, Ty U subespacios de (V, +, K, .)-Demostrar i) S#T=T4S, ii) SH(THU)=(S+1) +0. iil) SCS+T ‘131, Demostrar que si el subespacio S$ de (V, +,K,.) es la suma dizeeta de fos subespacios S1 y Ss, entonces todo vector de $ puede expresarse de modo dinico como la suma de tun weetor de Sy y uno de Sy 1-32, Sean (R™*", +, R, )y los subconjuntos $= [AER fay=ay ViVi} ay iM) Te { AcR™/ay Por definicién, los elementos de S se llemamt matties simétvicas, y los de Tse aman ‘mattioos antsimétrics, Demostrar 1°) y Tson subespacios de R™* DRESS OT Capitulo 2 DEPENDENCIA E INDEPENDENCIA LINEAL, BASE Y DIMENSION 21. INTRODUCCION En esta unidad introducimos las deinidiones de eombinasionliteal de un conjunto no vcio de un expacio vectorial y de subsspacio genetado por el mismo, Se estudisn Ie dependencia ¢ independencia lineal Y 168 temas de yeneradords, a fin de taractrizar lon ‘oncoptos de base y de dimensin-en el case-finito> 22. COMBINACIONES LINEALES 22.1. Concepto fea Az lvo var Yn} una failia © conjunto de vectores del espacio (V, +,K,.) Entenderemos por combinacin lineal de la familia A toda suma de productos de eesalacy arbitrarios de K, por los vectores de A, Definicton Combinacin inal de ta familia A C V estado vector dl tipo Sumer taste to. tay va) te Kaen fit Particle, 6 todo ls escalares son alos, fe combinacién Final se Hama tv y se obtiene et vector nulo, Definicion Ei vector v eV os combinacién lineal deta familia AC V, si y Glos exstenexclares 1,2, ey tales que CCOMBINACIONES LINEALES. aL jemplo 2-1, Sean los vectores vy =(-1, 0, 2)y ¥2 =(-1, 2,4) en R?. Detenminamos silos veetores v=(-1, 1,3)y ¥=(1, 2, 2)son combinacién lineal dev; y Vs 1, Para que v sea combinacion lineal de vy y vz deben existir esealares ay y ag tales que avy ten vaa¥ Osea a (1,0, 2)4as (-1, 2,4) Por definicion de ley extesna es 11,3) (04 0,244) + C9, 2a, 4a) = (1, 1,3) Por suma de ternas Cay = 0, Png, 2s + Ata or igualdad de ternas resulta (11,3) Entonces at ay ao 2 a + 2a =4 2 Santuyendo ay =n a primera euacin, se tene ay +tetea a 2 2 0 sea, v puede expresarse como combinacin lineal nica de vy y v2 2.S1u=(L, 2,2), entonces procediondo andlogamente se llega a 2 De donde Isa, +1 Al susttuir en la tereora ecuaciéa -242 Entonces w no es combinacién lineal de vs y va Fjemplo 2-2. En el espacio vectorial de las funciones reates de una variable real (R®, +R) sean las funciones fy g definidas por f= y Bae" Determinar todas las combinaciones lindales, es decir, os escalares 4 y B tales que af+bg=0 donde 0 denota la funciéa nvla, deinida por 0 )=0, VER, Por definicién de funciones iguales, sum de funciones y producto de escaleres por funciones (véase 1.4, se tiene af) +20 cualquiera que'sea FeR Osea act +b oO B1 propésito es obtener los escalares ay b que satisfagan a(1) para todo 1 eR Derivando (1) se tiene ach +3be Q Restando(2) y (1) es hert=o Y como e* nunca es cero, resulta b = 0, que sustituido en (1) nos da En consecuencia esa = LLuego,la nica combinaci6n lineal de fy g que dala funci6n mula esl trivial. Toda vee que esto ocurra, diremos que Jos vectores, en este caso f y g, son linealmente independientes. CCOMBINACIONES LINEALES 7 Hjemplo 221. Decidimos sol vector ‘son los vectores de R? . 200-1) %=@1-) w=Usb-2 Tnvestigamos si existenexcalres reales a, by c,tales que an toy tenay 1, 2,3)¢s combinacin lineal deta famil 1yos elementos Entonces, debe ser a(1,0,-I) +501, +60, 1, -2) Bfectuando operaciones @,0,-a) +0, @+ebte-a-b-20) 42,3) b) + (6,6, ~26) =(1,2,3) 12,3) Por igualdad de ternas es aPee i phen? Ha b=2e%3 ‘Sumando las tres retaciones se tiene 0-6 Jo que es imposible En consecuencia, v0es combinacién lineal de v1, va. Wa. Bjemplo 2-3-2 Enel espacio vectorial (R**?, +, R,.) se consideran las matrices alo) ei) ot) Determinar todas las combinaciones lineales de A, B y C que den la matiiz nulaN. Hay que obtener a, By en R, tales que aA+BB+ CON (ot) 00 oo t)-(6 8) Osea u DEPENDENCIA E INDEPENDENCIA LINEAL, BASE ¥ DIMENSION Por producto de escalaros por matrices es (o-) (5) H-(0) Por suma en R?*? se tiene ate 0 ) ( 0 Bty ate! \o o Por igualdad de matrices resulta atB=o0 fr ty0 oryea De las dos primeras se deduce BB y y= Sustituyendo en a Yereera os “20-0 Osea go Luego a=8=7=0.y nice combinacin inal que satitage a relcion papuesta ex Ia tivial. 2.3, SUBESPACIO GENERADO 23.1. Conjunto de combinaciones Fineales Sea A un conjunto no vacio de vectores del espacio (V,+,K,.). A expensas de A ppodemos formar el subconjunto de V cuyos elementos sean todas ias combinaciones lineales do los vectores de A. A este conjunto 0 denotaremos con el simbolo A, que se lee “A raya” SEA= (Vista... ¥q} sentonces escrbiromas {3 amfaek a wea} Fjemplo 2-4. Bl conjunto de todas las combinacioneslineales de los vectores, Mi=C01) ¥ ve =(0,1,1)deR? ‘SUBESPACLO GENERADO 3s @ (1,0, 1) #43 (0, 1,1) a €RAa eR} Osea A= {1s02,4; +43) /a; ERA a, ER} En consecuencia, a pertenecen todas ls teas cuya tercera componente es la sma de las dos primeras, demos escribir {Gr Xa, x3) ER? Jr, 1 txa) 2.3.2, Subespacio generado por una familia de vectores ‘Teorema. Fl conjunto de las combinaciones Hineales de toda familia no vacia de un espacio vectorial es un subespacio del mismo. Hipétesis) (V, 4K, .)esun expacto veotorial A= fv vareo ta | OW ‘Tesis) (A, +,K, .)esuun subespacio de V Demostracién) J.Siendo v= 1¥; +O¥y +.1.+0vq s¢ deduce que ¥, €A, 0 ro 2, Por definicién, se tiene wed IL ade E bts ea av; A aeK A vjeV, pues ACY eA Luego. veXovev Osea 3, Kescetrado para Seanvy wen & veKaueKay=Z av nue Zen veunZ aut S fev svtund @uuteyo> vtun$ @t6onevtund wwe vtuek 36 DDEPENDENCIA I INDEPENDENCIA LINEAL. BASE ¥ DIMENSION 4. Kes cerrado para el producto por escaares SeanweK yve A, aeK aveA@aek Av=3 ay Zaau= 3 ayraver Como se cumplen las hipdtesis del teorema 1.8.2., resulta (A, +,K, .), un subespacio de BI subespacio de las combinaciones lineales de la familia no vacia ACV se llama subespacio gencrado por A, Elemplo 2. Determinar el subespacio de (R°, +R .) genemdovpor la familia A euyos elementos son los vectoros 212) yey s(t 21) Por definicion, el subespacio A es él Conjunto de lis ternas (xy, x9, ¢5)€R? tales que rsx) %9) 5a; 1,2) £09 (1) 2,1) 2 ay, e415 204) + (6, Jao, 2) 2a, +b. + 205,20; + a2), Por igualdad de ternas es 2a, + a=x, ja #20, =e | 2a + a, =25 De la primera y tereera relacion se deduce Yy2 es cualquier niimeto real, Enconsecuencia Gea.) my ER Ax, ER] Kesel plano deecuacion xox 20 'SUBESPACIO GENERADO a x jemplo 2-6, ‘Obtenerelsubespacio de (R22, ++, R, .) gonerado por las matrices (o.3) (DR) Af) Ar{ 3B avilaeKavien} aly Seale adem (re)(e a) Realizando operaciones en R°*? es ee) 38 DDEPENDENCIA E INDEPENDENCIA LINEAL BASE Y DIMENSION En consecuencia #4, 0; =b,05=0, a =d Lego d=-aybye son nGmetos rales euslesquiors Los vectores de A son matrices del tipo (3) Bs deci, A es el subespacio de matrices de traza 23, 3. Propiedad EL subespacio generado por una Famila no vacfa de un espacio vectatial es I interseecion Ue todos los subespacios que ineluyent cl il Hipotesis) (V, +, K, es un espacio wectotial, OFA Warnes natal eV {5:]_ con ees familie tog ls sabdapacts due choyon te) R= Ns, Demostracion) Probaremos lstosinehisfones ue codon «fa pualdad LEchs, En ofcto xeRoxa3 ay 0 ek ayer a Na) eK Ay 6S,, Wiel x08, Wel=xe (15, Asc k Como todo v, de A es combinaci6n lineal de Ios elementos de A, pues WOW FOV: to. FHL OM 'SURESPACIO GENERADO 29 se tone que, ACK ¥ siendo A un subespacio que incluye a A, se idemtitiea von alin S;, es decir. existe en i tal que $;=A. i. or ots pa, ome la ints et intia om eulqtede os oun us inca Ns cs wel Ba omtevena Porlo tanto En vistud del teorema demostrado, observanios qi el Sobe%peIO) genetido por una familia no vacia de vectores de Y c5 i “minimo” subespacioyen el sentido de inelusibn, que inclaye a A jemplo 2-7. Demostrar que fos siguientes conjuntos de vectores generun el misino subespacio de R G,-2,),6.09} BEC, Determinaremos A y B, +0), (5,-2.3)} 1,4 pertenecen las ternas (x, y, 2), tales que wre 1,-1.1) #4(3,0, 1) Entonces 9.2)= Gt.) + Gu, 0,0) E43, 8, tM) (ra Lucgo Como t= —y, se tiene 40 DEPENDENCIA E INDEPENDENCIA LINEAL, BASE ¥ DIMENSION Osea Restando Resulta { (%.y,2)eR® /x —2y-32=0] 2. Procediendo andlogamente pare obtener B es (@, y, 2) = t(-2, 1,0) +0 (5, -2, 3) (5.9.2) =(-26, =f. 0) + Gu, 24,30) (x,y, 2) ($2 + Su, -f — 2, 3a) Osea wee Ort Su pelt Qu yo au raped, 3 ’ Obien Restando x—2y=3¢ Lucgo 10, y, 2)eR? /x -2y -32=0} Results ASB Lacecuacién x —2y ~ 32 = 0 corresponde a un plano que pasa por el orien. 'SUBESPACIO GENERADO ao Elemplo 28. BI subespacio de (V, +, K, .) generado por un vector ves, en particular, el conjunto de todas los mltiplos escalares de v, o sea {av/ Rex} Determinamos ol subespacio de R* generado por v= (1,2). Llamando S a tal subespacio, se tiene S= [ Gea. ¥a)/Qr1 x2) KCL, 2)) En consecuencia Gx)" & 28) Ora xisk yx =2k liminando el parimetco entre ambasrelaciones, resulta xan Be O fo que es 10 mismo 2x 3 Entonces S+ (G1, 42) eR? / Bey x2 =O} $s la recta que pasa por el oxigen septestntadaen la figura a1 2) 2 DEPENDENCIA E INDEPENDENCIA LINEAL. BASE Y DIMENSION 2.4, DEPENDENCIA E INDEPENDENCIA LINEAL 24.1. Conjunto lincalmente independiente En el ejemplo 2-2 hemos demostrado que la tinica combinacién lineal de os vectores fy £8, cuyo resultado es el vector nulo, es la trivial, O sea af+bg=O%a=b=0 En este caso, los vectores son las funciones de R en R definidas por f@=e y ge y la funcién que asigna a colo némero real 1, ol valor 0, es el vector fulo, Este hecho se traduce diciendo que los vectores f y g son linealmente independientes, 0 bien que el conjunto {f,g| es lineslmente independiente, Sea Yis¥a s+ ¥e[_ und foi de veetores dl espacio (V, +, Definicién La familia A CY @s linealmenté indepentiene's y solo si Mica combinacién lineal de dichn familia, cnyo resultado sea el vector milo, esl tii En simbolos Aes littealmente independionte © Mi: 2) ay, = 0% a0. La Independencia lineal de un conjunto finito y no vacio de vectores significa que no puede darse una combinacidn lineal de dicho conjunto que aé el vector nulo, con algiin scalar distinto de cero. Para investigar 1a independencia lineal de un conjunto de vectores, se propone una ccombinaciGn lineal de éstos, con escalares a determinar, que sea igual al vector nulo. Silos cscalares son necesariamente nulos, entonces el conjunto es linealmente independiente. ‘Convenimos en que el conjunto vacio es linealmente indepondieate, Definicién El conjunto A.C Ves linealmente independiente sy s6lo si todo subconjunto finito de Acslinealmente independiente, Esta definicidn extionde el concepto de independoncia lineal toda familia de vectores de tun espacio V. INDEPENDENCIA LINEAL, “2 Ejemplo 2-9. Dado el espacio vectorial (R*, +R.) determinar si los siguientes conjuntos de ‘ectores son linealmente independientes. 5) A={(1,0,0),(0,1, 0) (0,0, 191 fi) B= {(,~1,0),0,1,2),0,0, 9} i) Sea (44 (14, 0,0) +a (0, 1,0) +45 (0,0, 1)=(0, 0,0) (2,0, 0) + ©, a4 0) #(0, 0, 3)= (0,0, 0) (01,22 ,43)=(0,0,0) Por igualdad de temas resulta a, =a, =a =0 ‘Luego A cs liicalmanite independiente Procediendo andlogamente 1% (1,1, 0) Fe (11,2) +0810) 1)= (0, 0,0) (24,4, 0) + (G20, 202) *(@s, 0, @3) = (0,0,0) (a Hag +a, 04 ++019520)+ 0) = (0,0, 0) Entonces aya, bay = 0. ata = 00, =a [Or ay -020, = 2m Las infinitas soluciones de est sistema de ecaciones son a =k ak 2k conkeR En consecuencia, B no es linealmente independiente, ya que los esealares no son necesariamente rulos, Mis ain, existen infinitas combinaciones lineales no triviales ceuyos resultados son el vector mul. Ejemplo 2-10. Bn (RY, +R, ), donde independientes [0,1], los vectores ¥, sen y vp = cos son linealmente “ DEPENDENCIA E INDEPENDENCIA LINEAL. BASE Y DIMENSION Sea ay sent +, cos =0 Vee[0,l}es (ay sen + a5 cos) (= 00) Por definici6n de summa de funciones y de funcién nul (307) (2 + (@ 08) (1) Por definicion de producto de escalates por funciones a sen £4 09 cos #0 () weet Derivando a cos t~ a sen t=0 @ Resolveanos el sistema respecto de ai y ag lene tase = terion cost 121 t sent | it one | ose cost 0] Yla a, >a =0 Osea {¥s.v5} 8 lineatmente independiente Bjemplo 211, Sabiendo que dos vectores vy y vz son linealmente independintss en (V,-4. kK, ) Alemostrar que vy + ¥z y ¥a son linealmente independien Consideremos una combinacion lineal de a faiia {v4 +¥a,¥2} que see igual al vector nulo, con evcalares ay b, que detenninareios: (vy +¥3)+bv, =0 Por distributividad respecto de la suma en V ayy tavy +b v0 DEPENDENCIA LINEAL 4s Por distributividad respecto de la suma en K. ay, +@+b)¥, =O ‘Como, por hipotess, vs y v2 son lineslmente independientes, se deduce yat En consecvencia a=b=0 Por consiguiente, v; +v y ¥p son lineslmente independientes, 242. Propiedad, ‘Si un vector es combinacion Fineal de uns familia Hinesimente independiente, entonces icha combinacion lineal es Gnice.. sea veV combinscién lines! de) famiis | vy. ¥os..9¥e La y ste fieaente independiente. Entonces existen escalares a; tales que Suponomos que extn exelare tles gut EAR Entones Bla tZ be, Osea Baw Lego (B= 0 ¢ lingalmente independiente, se deduce que B= 0 > Oy =B; VR NL2 047 Y como ta fami En consceuencia, la combinaci6n lineal es tnica. 24.3, Conjunto Tinealmente dependiente En el ejemplo 29 ii) hemos probado que existen escalares no simultneamente nulos cy, 23,44 tales que 46 DEPENDENCIA F INDEPENDENCIA LINEAL. BASE Y DIMENSION | 4 (1, =1,0) +43 (1,1, 2) +45 (1,0, 1)=(,0,0) Diremtos que los vectores (1, —1,0),(1, 1,2) y (1,0, 1) son lnealmente dependientes, Definicién La fama ACY Unalnente depondinte sy silo smo es nsalmens| independiente, La familia into linealmente dependiente de vectorey de V si y sélo si existe una combinacién Lineal no trivial de dicha familia cuye resultado sea el voetor nul, Negando las dos proposiciones que figuran en In definiién de independencia linea, se tiene | Acs linealmentedependinte os 1p 8 apy, #07 a, #0. | aay 1a dependenca liwal de un conjuito inito de veetores signifies que tne que exist al ‘menos, una combinacion linea de éstor que dé.elvectornulo y queso seatrvil, Para investigar: landependencia lineal ie una-fanis de vectores, se propone una combinacion lineal de diclia mila, con escalares e determinar, que sa igual al vector mul, ‘Si algin escalar es distnto de O, entonees ta faruilisesIinealraente dependiente Bjemplo 2-12. {Los voctores (~2, 4) (1, +2) som linealierite dependiontes en (R2\ +,Ry.). En efecto, sea 44 (2,4) +a (1, -2)=(0,0) Por defiicién de producto de escalaes por pares y por suma de pares es ee [Esta admite infinitas sohuciones, dadas por a=2k y keR DEFENDENCIA E INDEPENDENCIA LINEAL a Ejemplo 2-13. Las matrices ra AD (alls ri dh (ol SATE WAT eer TD ALY) oT Hy TU UH PAA | ‘son vectores linealmente independientes del espacio vectorial (K%**, +, K, .), puos cualquiera que sea la combinacion lineal de:los mismos con esealsres en Ky cuyo resultado sa la matriz mula, es la trivial. Bn efecto r OI SC de 2G cc ay) Luego ay Say 05 = ay =0 “e DEPENDENCIA E INDEPENDENCIA LINEAL. BASE Y DIMENSION En cambio, as mattices i son linealmente dependientes, pues a Ata, BEN ee) a1 03 =0 Sa =a 8k Vek Por consiguiente, existen escalates no simulténeamente nulos que satisiacen la relacion anterior, lo que prueba Ta deperencia linéal, 2.4.3, Propledades i {Todo vector no nulo dé un espscio vectorial cousttuye un eonjunto linealmente independiente, Seav*Oen(V, +, K, )/Cotsidereinos i av=0 Osea De acuerdo con 1.33. como v #0, © desice que a=0, y en conecuencia |v| es linealmente independiente. DEI vector mulo de cualquier espacio vectorial constituye un conjunto linealmente dependients Fn efecto, cualquier escalar, nulo © no, satisface la telacién a 0= 0, segtin lo demostrado on 1.3.2, 1) Todo conjunto al que pertenezea el vector mul slinealmente dependiente | Sea A=[¥1 .¥2,...4¥,} con w =0. Se verifica que | Or + OV2 +o. tay yt. O¥, Osea y= 0=0 on a no necesariamente nulo, DEPENDENCIA E INDEPENDENCIA LINBAL ° jv) Un conjunto finito y no vacio de veetores es lineaimente dependent sy so si agin vector es combinacion lineal de los demi. Sea A=[¥i,Vav .¥r} una familia de vectores de (V,+,K,.). Demostramos las dos condiciones en que se desdobla el enunciado: necesatia y suficiente, 1+, Acslinealmentedependiente 93/1 ¥j= 3, Brv Por defiicién de dependencia lineal ‘Acs linealmente dependiente > +E ain=0n #02 rs ayy tS, ain 0 ay 40> ay Baim n #0 Premltipicando por oj, inverso multpienivo en K, de a 0, se iene oF (ay y= a) Beare Por Ay y propiedad de a sumatoria 44 ' os) ¥) Ba) ev Por inversos en K y Ay e6 1y=Z, Cai eave ‘Teniendo en cuenta Ayo, y llamando a4 «, se deduce En consecueneia, existe vj €A, que ¢ combinacién lineal de los restantes vectores de A. % vaya, aim Acstnesment dependents Por hipatess y teasposicion de téaminos se tiene we E, med, am w=econgy ‘Como oj 0,1 conjunto A es lineaimente dependiente. 1) Un conjunto finito y no vacio de vectores es linealmente independiente ai y sélo si ingin vector es combinacion lineal de los dems. SS TY 50 DEPENDENCIA E INDEPENDENCIA LINEAL. BASE Y DIMENSION. Nada hay que demostrar, pues basta negar las dos proposiciones de la condicinnecesatia ¥ suficiente anterior En simbolos Aces linealmente i lependiente © vy iy ¥, By, En lo succsivo, y en algunas ocasiones, abreviaromos las expresiones: “lineslmente independiente” y “tinealmente dependiente” mediante “Lil.” y “L.D.”, respectivamente W) Un conjunto fnito y ordenado de vectores al que no pettenece el vector nulo es finealmente dependicnte si y solo si algin vector es combinacién lineal de loc precedentes, | FAM (avast) es LDA OFA@IK/26R SAMA ayy, Demstracin) Sea & el primer enters positive tél aie 1¥eiMa, ve | 68 LDP na ordenacién ‘existe por el principio de bu Por defincion se tiene: 0 alain 40 ( Sie entonses |v ¥anh 2. tht | kia LD, dont fo puesto Luego fy # 0, y pravedtendo como en iY) se doduce que w= E ay O see, vy es combinaci6n lineal de tos precedemtes, yk es tal que 2 y En consecuencis, Is coordenaidas dex, respecto de la bate [v], son: 3 y —S Y puede escribivse 3 Xi | 5 | 56 DEPENDENCIA F INDEPENDENCIA LINBAL. BASE ¥ DIMENSION En ol segundo caso, procodiondo snlogamente, se legs 2 que las coordenadas de x son Ly 0,y porlo tanto 1 Xe) = 0 Finalmente, respecto de a base canonica, es (-2,3=(-2,0+0,3)=201,0 +301) (© sea, las coordenadas de x son procisamente los elementos del par ordenado, y escribinemnos simplemente 2.6.3, Teorema de extensibaia una base Si (VI= [vip vay see We) LBS, ume] Base el) espacio’ vectorial, y [wl= Ly, 2, se fof Un confinto Lineaimente-tdependiente, pero no de generado- tes do V, entoited existed ‘Veetared Wy fi, Wma Mm-+m tales que {Was ass oo Wins Wouen as Wop -€8una base dV. [ww] 9 [¥] = 0, consideramos c} EBnjunto NE [WIVES {Wa as Wo Fag Me] Como cada wy es eombinacion lial de Tos vetows de la baie {WI Aes un conju linealnente dependionte por 24.3. ix). De aeverdo con 2.4.3, vd), sietdo A un conjunte fiato y Inealmente. dependiente al que no pertenece el vector nvlo, algin vector combinacién lineal de los precedentes. Tal vector es un elemento de {v}, ya que [Ww] Tinvalmente independiente. Por otm parte, como A es us sistema de generadores fnealmente depeaciente de V,y es eombinaién lineal de es precedentes, resulta Arsa— [vil Woop en Won Ute Wea Nino s¥a ‘un sistema de gonoradores de V, segin 2.5.2 Si Ay es finealmente independiente, el teorema esti demostrado. Si A, es linealmente ependiente, se reitera el proceso, y a lo sumo, sl cabo de (7-1) etapas se obliene un conjunto linealmente independiente que es sistema de goneradores de V, 0 38a, una base 2.64, Coordinabilidad de las bases Dos bases cuslesquiera de un mismo espacio vectorial son coordinables, Iipétesis) (V, +, K, ) 08 un espacio vectorial. vas¥ay = Ya} ¥ EWT= [Wis Way +5 Won) som bases de ¥, DIMENSION 3” ‘resis) [V]~[W] ,05ea,n =m, Demostracion) Consideremos A= | Wan VieVars eo) ste conjunto, al que no pertenece el vector nulo, es un sistema de generadores (pues [v } ¢s una base), y linealmente dependiente (ya que W>, es C.L. de la familia [v). La propiedad 24.3. nos dice que algin vj ex C.L, de los precedentes, y, de seuerdo con 2.5.2, es A~ {¥s} un sistema de genesadores de V, Sea AL = | Wout Win Mies Mere Moots eV Este eonjunto es un sistema de gencradores lineslmente dependiente, y en consecuencia, aigin vy es combinacién lineal de los preeedentes. Lo mismo que en la etapa anterior, s¢ 10 extrae Y Se agrega Win.2, obteniéndose Aa = [Wns Wont: Wons Viste Vag tt sae sMaeMiwens wa que es un sistema de generadoresy linealmente dependicnte, Reiterando el procedisento. ufimainas que no ck posible que tos y, @ “agotep"abtes que Tos Wis ya que ent este ex30 los w, sobraites seria combinacidn lineal de los considerados. Em consecuencia es msn () Andlogamente, a partir de BE [vn Wis Way lm | se prucha que n

    You might also like