\ Espacio vetorta, Sea Ik un Cuerpo 1 $22 V cofjynto to vaclo,en el que se deFinen 2 aperacians | + 2 VeV = [eyu) + viv 1 KW > ly) a vie Ditetraa qe V con las eperaciones + y+ tefinides endl es un ev. & cumple Con 12 \iskd d dxomag: vectors M) vtvs viu | CowMurativa) Mi eldti) zc tev [ disTRIRUVA) Ag} fo vbw =u lvsw) [Agee we) Ne) [ena] & cv by [ DiS TRIBUTIVA) Aa] Ov tv zvtov=y [vector mea) fx) cldo) = lealu | HoMagcneiDk) M\ vt I-v) =0y [orvesto) M4) t.ve¥ [uentand myltiplcohve) Subespacios _vecloriale Seo V ev. a) iK. Sea WEV NO Vac. Diremos que W es Subexgocio Vectorial % Vy SiN con las operaciones BFinidas en V es eV- Inlerseccidn y gna & subespacios Sea V ev. SNK Sean WH y We subespacies B V - @ Llamaremes itersecesch & Wt ¥ Wa al 81g. Subconjunte « Wan We [ve [ves bova Horie] Como vs es combinacidt |i ® Vaart delz+-..t arvr @ v2 o4[ bav2 t---t brvr) tagle t--tOrve @ Vs Ot bevat--tay bev t32ve +..-4 Orbe @ V= [2162 +02)¥2,t-- Horbe fork Vs, ven [wets] @ Sea y € W, debemos prober Que v € W Como v W =r [v2 cata +... terve] Reescribiendo: ¥20.W 4 Coe. Ferre [weyDependenoia lineal Sea V ev slik . Sean Witay--r¥r € ¥ Q Diremos qe los vedores H4yf21---tr $00 ineolmente depentientes. § exishen egoalsres Cf, (2)---1¢r NO TADOS nulos / se cumple : feavat cete © Diremos que los veclores VésWer--r Wf 00 lincalnente indeparhiontes & la combinacid linea) (TSR EF 1 TENE Soucy UNICA Joa Vex Silk. San Vater-avr € V con r>£ Log veclores Vf, ¥2,--rr son LD. Si uno @ ellas & combinacicn lineal #1 esto » Demostrecidn, @ Como los vectors WV tal ques [cpus + Cave Fee ve sa LD, exisien escalares No tows nulas done 20% veto = Podemas suponer ge C4 #0, enhances exisle er* cyt | CHEE Cova dent cnve) =e %0y va ber tcev2 ... ter terir = OY [vi = cea cele ber erie] Vi es combinacidn lineal 2] resio # rechores | @® Supanyemes we v7 es -combinactdy lingo} 2 ¥21 .., We yz aaa t--Farvr paro certos Sey -r19¢ € IK fur eave=--= ertreoy] Los vectores Son LDa View sik . Sean vey, 00 €¥ Los Yeclores vistaye-ywr Gon U Bi? to30 veclor WE CVby tty tO ge escribe com combinaadh lineal a V4, zy. 8 con snfoas ascalares « Demostrecicn PON a Oe, @ Suporgomos que W Se escribe Como cambindoieh Jingo] de 2 mares , We Ot Oz 02 +... Forde 2 We bt tbzV2 t-..t be Wr Feskin: W-W = Ot 4ozV2+...ar¥r- b4Vd~ ~b2¥2 - =~ brie (Ov = lar- “bl ve # laz-belve +-.-# L9¢- -br) tr Coma los vectores May w-y¥f Son LI, los escdlares Son nvios W ge escribe como canbinacicn = con tnicos escolares © Considerand civ tezv2 +. Fer yr = Ov lvego fort ger. C10 2 eas -.. serSopongamn ue V= CV4,¥2,-¥F> Seon wi W2, Ws vectores arbitiarios kV LS; Sor => Wi, W2,)WS soa LD Corolarin: © vectores_que_el generator 90 H Sea V ev. 8/1K- 81 V tiene un generazor &% Melanentog y Sa Henen r vectores de V Teorema: Agregar UN vector 8 00 LU ge 10 es combinacih lineal & elbs mantene Lt Jed Veww. SK - Seon vy ¥2a--a0r eV Yi v4,¥2)--y0F Soa Ll oi Vita, Wer Se LU) Wien Webes LI +» Demost2acicn Bi c#o => U es combinacidn lined 4 V41¥2 s—¥r pero eso NQ sucede, pues Ug LM V2? => Ll => rén ievicai4 Como varV2i--y¥0 Son LL =? Ctr C2r---9 OF 800 todos nylog s {u, V4) V2ye=-) UE ime nsign Teorema 4.4.4; Combinacida linea) [unicida3) con vectores @ und base + Demostrecidn Pag. 34-35 Teorema: Todas las bases tienen Ia misna Cantidad & veclores Sea Ve. SIIK. Sean Biz Eisai y BeedMi-wsf bases te V Es Existencia_& base | Dimensidn) Sea Ve-v. sf Ik ,Sea B= 1 Mi--1tmf base & V Llamaremos dimensidn 4 V a la cankidad de vectores & la base Bf dim ¥=0n)‘RV AY U Son ona base &@ Vey. slik - Sea Be {u-vieh 2V Bex base & V 8 Bes generator & v ¥ es un Conjunto U Teorema: Vectores & Teorema_& to amenaidn Sea Vev. slik . Sean Wi y We subespactas & dinensdn finita Entonces Wr + Wz tiene dimensin Finlay « [aime + We) = We — dim [WA 0 we)| Xorg direta. Seo Ve. slik. Sean Wy Wz subespocios & V Diremos gue te suma (Wt W2) es airecla sie Toto ¥ & WreWe Se escompone ge manera unied como: con wie Wty we € We Teorema: Carackrizocisn de la suma directa Sea Ve-v. sf ik - Sean Wi y We subespacios 2 V La soma es directa sii Win We = Lov} . Demoshascn ES @ Com v € WaWe => v6 W4 y Ve Wo ve WrtW2 pues Ve vtov y V= Ov ty Como 12 suma e& direcks eStas 2 Hscomposic/ones de v den Ser ivakes luego v= Ov @ £20 Vv € W4 HW , Supengoinas We V Se sescompote como : V=Wlt +We waar el Como ae => wi tW2 =WT EWE | egy [Wy wi-W4 © WAnWe=fovt w2-2 © WA nW2=foF ~ v= Wie ty wa, wz el => W1-W1 = Ov Wa =W W2-Wis0v => Wa=Wa ASi,Ja descompositién de Ve W4tW2 es Unica Y 1S Wma es Arecld\ Ontruyo NZ eters Sea V ev real con py. feo 8 £V subcoqut # V Uatwareres conplere My ardogenal Xe §, al sig. Subccunle eV St zfreVi viv ue sf Seg V ev.real con pi- feq § SV Subcotiunta de V. Entonces:, ces: a $+ es subespacid eV 4) Si W= , entoces Demostoud a : 1 fae es (10) =0 #u€8 1 Pac alh Seon Vile € 8+ =? ME =O yyes )=0 uc dyalu) = (velo) + [valul = OfEE 0 = 0 z_ fo as Cerrada @6 4 Aborena [Ves suma directa dW) yw) Seg V ev. real con pi- eo W suberpaci WV. 4 Demostacid i Soa (Wi War--awr) 0nd ‘b9se_ortagonal te W lulwa) pueV ge, tiene: wed Twat wi eW y U2=v-y 4 Entonces u = Ur + U v 1 = 2 con fay uz 1W 4 Ves Suma we W y wt ——a 2 (Wa w= ford} Sea we Wa Wi, se verifica: { wiw) =o Luego, W=0 Por Jo kato V=W@W* uve V dluy) = Wo-vil23 Wey real con pi. fea W sbespacio & V, de dim finita. fea ve V- Entonces € wee / dluun) < dluz) ¥ zeW _Demostaaisn: Sea Be (wav, we) bere orlogena) de W DofiniMey WF = PLU) U = POW Yt PY yg U 4-4 Profan U Por teorema x Pitegoras: yz) = HNu-usll? + lay 20? u-all2 > Wo-vgh? => dlu2)2 dludr) a V-ev. S/IK - fea ASV. A eS und VARIEDAD LINEAL w V Si Ti pev,y W wbespaco & ¥, 4) We. @ Dremos ge Ay B son purolelas (NIB) SUA WB s We ) Los vectors filg dP formen Ut cila-ortenarmal en ol €-1- veR™ con @ usu ron 3¢ P Forman Un cya. ortanarinal en el @-¥- We8™ onpul Q Los vectores_calu Calculames 7-77 P=[ Rl =? P [ue Pn] Publics ieee in} p= tele = [Falta ee nes Bl lugar a fa maka P-P* es [iP 1 Pes ofgonaica> f.77=1 colin)=Le ia C=? JP... Pn $ es un cjto.oronornali CéPiruLo 4 Sogn Vy W ev: SIIK J Sog EV —W Und funcion | Direos gud F es und d.]. si Se verificds 0) Flvitvl= slyjtFlv2) ¥ ww ev @Elku) =KTW) tev y Ke IK Teorema | éxisle una. unica al)ie ey slik ‘ea BV=Wol, Ing howe TweW /ensla ve VeFl) =P @ Nvcko et Nee {ve Vi Fine dwt Sean Vy W ev. SiIK ted Fv W al. ‘ © Sivy--itt generar V emonces (vA), --- FIT geneat FE Si fin_yet entonces aim 1 £ fn D 2\ 1 40 b) @ es comrada en Tk cl es cerak a F © .BeON Vena, -ave generadores & V “Debomnas prowars te= ¢ Fv, He)» Hel> gz Como vita, ---i¥F genern Ver a4 + O2¥2 t-..Farve [comb .lineat) We FIV) = F loss tocve +--.4a0dr) WE L Fly, Fle)» Flv? + Sea We L Flush, Fle), --) Flvd> => W=b4 Elvalt bz He)t---toe Flir\ = Floss thevet.--# brvr) sW= tll a7 We x @ Soin vem ent Be Lusuz,---ung base & V por QE Flush Fluel---Flum) F goreran GH) pero no focerariamente esQ Lego ese conunto confione um base #@, ast mre Lnr reoren | Propietaes 22} Ne gat Vy W ev. slik sa FA=W al- Enforces: 7) Ne es subespacia ¥ V ® S$ dm Vem entonces dim Nin O® Siw ei ent Fly) efve V/ Fly)=Wof eS U® y.lined Con SUbespacio Ne Demarkada Donemas ver? lwo) =p + NF Tavatty FA hwo) =Vo + Ne eebemes Vet ve vot NF V= Vo + (vv) con v-vo @ NF \v-vo! = Fl - Fluol = Wo-Wo = dw =7 V-Voe NE | Debewns vere Ff wo 47 zl ewe zy) = Flv py) = eo eeu) = We tM = We Jeon Vy W ev. Slik fea FV >W Fes inyechva c= NF= Lovt Damoskeist: F es iyectiac=> Fw € 1 Pw) 2 10d {ul es 0N0 varied lineal co” mupereacn asteidd_ NE Lue% ¢-tw) = tvd_= 09 ENF LET geNotas Mane Japtilo 2 4 dim V= dim W ia We o{wP =W 2 Si Wa y Wa gon sahesfanios conplenentanas ed. A 0B a0 Captlula 3 3+ Poligena corackisica: PIA) = ve [a8 A) =0 a Fouacidh carackenistig: at | At-A) =0 Subespacio propio: = fx /tat-alx=0t 4 A es Jiaganali2able si tiene ‘a vectores propios C/) p& ec.cafa.& A tiene Taras 98 RAES 2” TR 2 f es dagomlizehle Si [La mnie) C8 Valor propo @ dim Va ascas + Nob orlogoral: 9-12 97 Capitulo 4 > Teorena 2 be tmemdts din Nr 4 din Te = dan V 4 Inyeckva:, NF= Lord a» Sobreyoctiva: 4 Indepemencia linea|: Sea--- Fes inyochva=7 La itng 28 un Gito.L1 eS oe.t! VG, 7 8 UN ‘Sotrerfismo 6 Vy Worn soverfas & Isorrfos:_ §i F es biecki biyedtiva ; ent 1, WoV es al. A Aplicacich ined! inversibler & F+W es a Opesddor Jineal: F se dice operaior ine] V F eS al.ripcidn de S Si utores: ique Cabri ra Claudia Ege La gran mayoria de las veces, en este curso, los subespacios vendran descriptos en alguna de las siguientes, formas. Forma 1: Como el conjunto solucién de un sistema de ecuaciones lineales homogéneo; en este caso diremos que el subespacio est caracterizado. Ejemplos id V= R', WV el subespacio wafasrer fh} x-y =0 ii) V-R™, WV el subespacio ws Bema [nen ase } Ox, my mt <0 iii) V=P2, WV el subespacio W = {a +a,x+ ax" € P,/ ay + 2a, -a, = 0} : Descripto por generadores. Ejemplos: » V=R), WC elsubespacio W =((1-1,2):(0,1,2)) ii) V=R™,W CV el subespacio wal AE oO ot -12 “\o 2 il2 -1 173 2 2 iii) V=Ps, Wlo 3 ofoJ7lo 1 ofoJ7lo 1 ofo Luego, el sistema resolvente es iy -2 y Asi, el conjunto solucién es: ez ghzeR > zER y=0 Si escribimos el conjunto solucién de este sistema como una combinacidn lineal de n-uplas, obtendremos los generadores, es decir: Como x=z e y=0, tenemos que (xyZ)-@ 0, z)-2(1, 0, 1) conzeR Entonces (x,y,z) EW si, y solo si, (x,yz)=2(1, 0, 1) conzeR De aqui, W =((1,0,1) Pasaje de “forma 2” a “forma 1”: Sea V=R' y W=((L-12,D+(210,3) - Queremos un sistema de ecuaciones lineales homogéneo cuyo conjunto solucién sea W. En este caso tenemos que (5.5.5.4) We enisten @ BE RIK %e% pF) = AL“ LAD + B(2,1,0,3) Esta igualdad vectorial es equivalente a plantear el siguiente sistema de ecuaciones linealesa4 2pex, ~a+ Puy, 2a es, a Yer, Lucgo, planteamos VED ix, 1 x, 20% 103% y buscamos las condiciones en x1. X9, 9, te que hagan que el sistema, con inedgnitas & y B, sea compatible, Para conseguir dichas condiciones escalonamos la matriz de coeficientes. 2 my +3, 6x, +X + 4Ey 1 1mm tay ~ay + Xe 12m) fm 2 x ae ny mt ton] ]0 3) mtn | fo 0 ty ta-3y 0 0 jo 0 3 0 0 2, Lugo el sistema es compatible si, y séto si, 6x, +, +4x, = 0 4x, +x, -3x, 80 Por lo tanto, wate XK Ee wf Repitamos estos procedimientos para el espacio vectorial de matrices p “fe forma 2 Sea V=R2? fox, -x, -4x, #0 4x, +x, -3x, =0) eeeeely sow {fe Glee reco Nuevamente a los generadores de W los conseguimos resolviendo el sistema de ecuaciones que define a W: atb=0 b+c=0 0 -1 0 ot tort 4 to Lucgo, el sistema resolvente esa-c=0 b+c=0 Asi, el conjunto solucién es: w(t Es decir f slew o£ pew at Gh 2 Pasaje de “forma 2” a “forma 1”. ‘Sea V=R2%2 saw dh [ gh [ab Queremos un sistema de ecuaciones lineales homogéneo cuyo conjunto solucién sea Ww. En este caso tenemos que E dleels Serb a e dew elt g Esta igualdad vectorial es equivalente a plantear el siguiente sistema de ecuaciones lineales 2a y=b a=c ty=d Luego, planteamos 2004 0005 100c¢ Oiateihes a d que hagan que el sistema, con incégnitas a, B,y sea y buscamos las condiciones en a, b,c, jones escalonamos la matriz de coeficientes. ‘compatible. Para conseguir dichas condici a-2c b eh c d roof Hoole 0 0 1 0 open nace reco HoofLucgo el sistema es compatible Por lo tanto, wale dew 350°} Finalmente analicemos estos procedimientos para el espacio vectorial de polinomios Pasaje de “forma 1” a “for Sea V=R[X] dy + 2a, +a, =0 Sea = [ogo bat? H0sX+ atte re -a,+a,=0 | (dy + ay — 2a, = 0 Los generadores de W se obtienen resolviendo el sistema de ecuaciones que define a W: a, +a, (rates 0 lay — ay ~ 2a, =0 Asi, el conjunto solucién es: W = (D(X) = ay + aX + apX? + 5X? + a4X* € Py: Oy = a3 + 2ay ay = Ay, a, = ay} Es decir “ p(X) EW & p(X)= (ay + 204) “a,X + a4X? F a5X3 + a4X* p(X) = a3(1 + X3) +a,(2-X+X2+X%) De aqui, W =(1+X?, 2—-X+X?+X*)Pasaje de “forma 2” a “forma 1”; Sea V=P, Sea W = (1—X,1+X,X?) Queremos un sistema de ecuaciones lineales homogéneo cuyo conjunto solucién sea W. En este caso tenemos que Gg +0,X +.a;,X? EW a9 +.a,X + 42X? = a(1—X)+B(1 +X) +X? © ay + ay X + aX? = (a+ B)+ A+B) Xt YX? Esta igualdad vectorial es equivalente a plantear el siguiente sistema de ecuaciones lineales at+B=a a +B =a y=a Luego, planteamos 1 1 0 ag [a 10 a| 00 1% en do, d;,z que hagan que el sistema, con ineégnitas & BY sea dichas condiciones escalonamos Ja matriz de coeficientes. fades pee a) “a y buscamos las condiciones ‘compatible. Para conseguir 11.0 al+lo 2 0 ata oo 1 at loot w No es necesario seguir reduciendo por filas pues ya podemos asegurar que NINGUNA fila de la matriz de coeficientes se anulard, Por Jo cual NO HAY CONDICIONES de compatibilidad ya que para ay, az este sistema sera compatible. Concluimos entonces que los cualesquiera valores que tomen dg, : | ’ lementos que pertenecen a W son TODOS los polinomios de grado menor 0 igual a 2, es decir w=PrInterseccién y Suma de Subespacios Autor: Dra Claudia Egea Dados dos subespacios U y W de un espacio vectorial V, la gran mayoria de las veces vendrin definidos como subespacios caracterizados o por generadores. Interseccién de Subespacios Si queremos encontrar la interseccién de U y W, nos conviene que tanto U como 'W estén definidos como el conjunto solucién de un sistema de ecuaciones lineales homogéneo (0 sea, caracterizado). En tal caso, podremos caracterizar la interseceién UW facilmente, ya que U OW se define como el conjunto de elementos que pertenecen tanto aU como a W. Luego UW es el conjunto solucién del sistema de ecuaciones que consta de las ‘ecuaciones que caracterizan a U junto con las ecuaciones que caracterizan a W. Ejemplos: i) Sea el espacio vectorial V=R°. Dados U={(x,y,2)€ R/x-y+22=0} y W={x,y,2)eR/x+y+z=0}, subespacios de R? , la interseccidn de estos subespacios resulta vow fare fe 2 2 Por otra parte, si nos interesara describir UAW mediante generadores, tenemos que calcular la solucién general del sistema de ecuaciones que caracterizaa UAW (pasaje de “forma 1” a “forma 2” del archivo “descripeién de subespacios”). Es decir, debemos proceder como se detalla a continuacién: x-y+2z=0 fee 1-1 2/0 11 ila 2\0 EI 2/0 ney i 10 %|0 o 1% i/o Luego, el sistema resolvente esEU AW sivy slo si, KB DzER De aqui, (x, 2.4202) = 2 Y, por lo tanto, UAW =((-%.44e))) + Suma de Subespacios ‘Si queremos definir la suma de U y W, nos conviene ae ae Pere definidos por generadores pues la unién de los generadores de Uy Conjunto generador de U+W (ver pagina 25 del libro). t i) Sea V=R*?, 1 -1ft 3 Dados U = , veel i)» (? -1]f1_ 0 We I : na I ah ty ) sri de R™, la suma de estos subespacios es uswe(f' - ft 172 -71 0 o fle iffr offi -y Por otra parte, si quisiéramos tener Caracterizado a U+W. tener generadores de U'+W a tener un sistema de ecuasioree tere oe onjunto solucién sea UI (pasaje de“Yorma 2” ¢ hao 1 del archive ees CUyo lescripcién de subespacios”). Es decir, debemos proceder como se detalla a continuacién: Eiht hae ee hf 2]a+Br2y+d=x, ~at3B-y =x, WBry+d=x, a + B -8=x, 11 o1 00 0 0 -2 -2\-n+x% qe 2B |A 01 % hihxs 00 1 1 bane +2% 0 0 0 0 |-34-2mt4nt% Luego, {u Ww -[ =|. RO? [3x 2, + 4%5 FA of my % Observacién: (leerla mas adelante, después de la definicidn de BASE) Si bien Jos generadores ‘de U son linealmente independientes, como asi también los de W, los generadores de U+W no resultan Jinealmente independientes (verificarlo). Luego, 90 eS cierto que la union de una base de U con una base de W dé siempre como resultado una base de U+W..£Cémo probar que un conjunto de vectores es L Autor: Dra Claudia Bgea Trataremos de armar una especie de “instructive” para resolver el siguiente esi cl conjunto de vectores 1,02... tm es un conjunto de ente dependientes (LD) Problema. Deter vectores hnealmente independientes (LI) 0 hneal Recordemos primero la definicisn: [ Dasios vy. t2,..; ty vectores de un espacio vectorial V, é&tos son linealmente inde- pendientes (LI) si la combinacion lineal nula ky ther +--+ + Kuta = Ov | \tonces para resolver el problema, debemos resolver la siguiente ecuacién vec- torial con n incognitas, ky, ka...) kn kyey + katy 0+ knty = Ov Nos encontramos con la siguiente dificultad, NO sabemos resolver ecuaciones vec- toriales hasta el momento. ‘Sin embargo esta ecuacién se puede “convertir” en un sistema de ecuaciones lineales que SI sabemos resolver. (7 Solucién tinica => el conjunto es LI Si el sistema tiene \y. infinitas soluciones => el conjunto es LD La pregunta ahora es como “convertir” la ecuacién vectorial en un sistema de ecua- ciones. Este proceso DEPENDE del espacio donde viven los vectores, pot lo cual haremos un ejemplo en cada uno de los espacios vectoriales en los cuales trabajaremos. Ejemplo 1: V = R" Sean vy = (2, 1,0,3), v2 = (0, —1,3,0) y vs = (2,2, -3,3) veetores de R', determine si son vectores LI 0 LD. Paso | Planteamos la ecuacién vectorial ky (2, 1,0,3) + ke(0, -1,3,0) + ks(2,2, 3,3) = (0,0,0,0) Paso IL Operamos con los vectores, en este caso, suma y producto por esealar de vectores de R#ks) = (0.0.0, 0) Ao hone bre bat Be Sho = 38 SHES , oe soe cectores en R#, obtenemos el sistema de uscions f Paso III Por eee oeede IR" son iguales si lo son sus coor 28 home fecordemos que 2k + 2k = 0 ky- kp + 2ks =9 3ky—3ky = 0 ky + 3ks o mnclusion. Paso IV Resolvemos el sistema de ecuaciones y damos la co juccién a la Para resolver este sistema, debemos RECORDAR lo eae 2 ee ai matemética: Tomamos la matriz de coeficientes del sistema y tT m me Ky as 202 Lae? 1-1 2 : a fi 1-1 2 210:2 2 0:22 = 0 3 7lo 3 -3]7|0 3-3} "Jo 0 0 S:O:hs Ses 03 -3 Of? oe NO es necesario reducir completamente la matriz va que NO nos interesa el conjunto Solucién sino solamente saber si el sistema es compatible determinado o indeterminado. Como vemos en el ejemplo, estamos en condiciones de decir que el sistema tendré infinitas soluciones, por lo cual el conjunto de vectores es LD. Conclusién El conjunto es LD. Ejemplo 2: V = R™™ 10 ou 20 Seanu =|) 9 |i» {ish 3] [5 1 | rtores de RP, determine si son vectores LI 0 LD. Paso I Planteamos la ecuacién vectorial fay 01 20])_foo ala S)ee[ s]ea[2 i]-[ 8 Paso II Operamos con los vectores, en este caso, suma y producto por escalar de matrices 2 x 2 ky + 2ky ky _foo 2k, — kp + 3kg ky +3ko+ks | | 0 0Paso HL P a Pasolll Por igualdad de matrices, obtenemos el sistema de ecuaciones buscado clemos que dos matrices son iguales si lo son sus coeficientes homdlogos) ky +2, = 0 hy =0 2ky — ky + 3k, =O hy + Shp tks =0 Paso IV Resolvemos el sistema de ecuaciones y damos la conclusién. 1g0;2 1 Wore Oreo 0 01.0 ata s | gi).o >loo-1 hes at 9 00 0 NO es necesario seguir reduciendo por filas pues ya podemos decir que el rango de la matriz es 3 que coincide con la cantidad de incégnitas y por lo tanto el sistema e& compatible determinado. Conclusién: El conjunto es LI. Ejemplo 3: V = Pa Sean v = 224304, =1+ +2 ye yectores LI o LD. — 23 vectores de Py, determine si son Paso I Planteamos la ecuacién vectorial Decay cheats) tae) ores ton His te Paso II Operamos con los vectores, en este caso, Sune Y producto por escalar de polinomios de grado menor 0 igual a 4 or +02? +029 +0.2* ka + har + (hi + hs) + (Fe — ky)a° + 3kit* = inomios, obtenemos el sistema de ecuaciones buscado aso Il Por ialdad 3 Po Tos coeficientes de sus términos (Recordemos que dos polinomios S08 iguales si lo son de igual grado)Paso IV Resolvemos el sistema de ecuaciones y dasaos la conclusion 010 101 101 biort 0100 010 01.0 010 101/+3}/01 0}/+/o0 o/+7joo?t 01-1 01-1 00-1 000 30 30 0 00 -3 000 En esta instancia ya podemos decir que el rango de la matriz es 3 y que coincide con la cantidad de incégnitas, por lo tanto el sistema es compatible determinado. Conclusién El conjunto es LI. Resumen Podemos resumir el instructivo recordando los 4 pasos a seguir: Paso I Planteamos la ecuacién vectorial. Paso II Operamos con los vectores (segiin la naturaleza de los mismos, es decir, dependiendo del espacio vectorial al cual pertenecen). Paso III Igualando los vectores, obtenemos el sistema de ecuaciones buscado (nue- vamente, dependemos del espacio vectorial en el cual trabajamos) Paso IV Resolvemos el sistema de ecuaciones y damos la conclusién. 7 Solucién inica => el conjunto es LI Si el sistema tiene \\ infinitas soluciones = el conjunto es LDistancia de un punto a una dad Lineal. ‘Resolveremos el Ejercicio 18 de dos maneras distintas. Sea V=R' con el producto intemo esténdar. Para cada una de las siguientes variedades lineales encontrar su “mejor aproximacisn” a p=(3,2,0,1) y calcular la distancia de p a cada una de ellas. a) A=011,0+(04120) b) Br 2x,-x, + x,-3x ay -2x, +x) Sx, 6x, +3x,—5x, °) ¢ ‘Antes de comenzar, recordar que: Sea(V,/) un espacio vectorial con producto intemo, Sean W un subespacio de V de dimensién finita y A=a+W una variedad lineal asociada a W . Dado weV existe una Gnica “mejor aproximacién” por vectores de A. Para hallarla podemos ‘proceder de dos maneras: Manera 1. Teniendo en cuenta el Teorema 2.8.1. (Distancia de un punto a un subespacio) y Ia traslacién T:Vov Considerando la traslacién T_,: V —>V y teniendo en cuenta que T_,(A)=~a+A=W y que la distancia es invariante por traslaciones (Teorema 2.3.1 item (g)) se tiene que: Sea y,W el vector que es el “mds proximo” a y=u—a (Teorema 2.8.1. (Distancia de un punto a.um subespacio)) entonces d(u-a,z—a)> d(u-a,y,) V(z-a)e W teeny eae oe (uz) =d(w,y,+a) _porser la distancia invariante por traslaciones u d(a,z)>d(uy,+a) VzeAAL Por lo tanto uw, =y, +a es el vector de A “més préximo” a u. Ademis la dig, ia ba distancia de w—a al subespacio W. aa, ‘ Manera 2. Teniendo en cuenta el resultado de los siguientes teoremas Teorema 2.10.2: Sea V espacio vectorial sobre un cuerpo K. Sean A=a+w, Y Boy + variedades lineales en el espacio vectorial V. Si W, y Wy son subespacios complemen, * entonces AW. B={p} my Teorema 2.10.3: Sea(V,/) un espacio vectorial con producto interno. Sea be V. $1 Amaiwe ‘una variedad lineal de V de dimensién finita entonces existe un tinico punto de A mas Préximo ay A. Ejemplo 1 Dado V=R' con el producto interno estindar. Buscamos hallar la “mejor aproximacién” ; P=(3,2,0,1) por puntos de la variedad A=(1,1,1,))+((1,1,2,)) y caleular Ja distancia depaa. * Resolucién 1 (usando proveccién) Planteamos y = p—a = (3,2,0,1)—(1,1,1,)) = (2,1,-1,0). El vector y, puede obtenerse como = G1=1,0).0,1,2,1) 1,1,2,).,1,2,1) Luego el vector de A “mas préximo” de p es: yy, 41.2, =2041,2,) 8) u, =y, +a= G20 OLIN = 20 ‘demas a(p.A) =a. =b-rl-fet-19-as20) [as 6-9, 0) FE. 7 . jon 2 (usand ‘Consideramos A=0,1,1,D+(,12,D) con W=((1,12,)). Construiremos primero la variedad lineal B= p+ W+ , W* es el subespacio formado por los vectores que verifican 5 +x, 425, +x, 20 Ahora debemos encontrar AB (que ya sabemos que serd un dnieo Punto)K=(x,4,4,,x,)€ A si y sdlo si x=(I+a,l+a, 1+2a,1+a) y reemplazando en la ecuacién que define a B resulta(I+a)+(l+a)+2(1+2a)+(1+a)=6 entoncesS+7a=6 en consecuencia tenemos que a = ag 1 Entonces ACB = {hesoal. Por fo tanto, el vector de A “mas priximo” de p es 4(8.8,9.8) y la 7 distancia a A esta dada por d(p.A) -o )- peas fie 3 6-9.-n} i f B. Eiemplo 2 Sea V=R' con el producto interno estindar. Buscamos hallar la “mejor aproximacién” a P=(3,2.0,1) por puntos de la variedad B: 2x,—x, + x,—3x,=5 y-calcular la distancia de p a B. tucion 1 (us lo Br 2x-x, + 4-34.25 42) EBS Oy HL = (5.x, + 4-38-54) = (0,-5,0.0) + (5,2, + 4 -3%, 5%) = (0,—5,0,0) + (1.2.0.0) + x,(0,1,1,0) + x,(0,-3.0,1) Es decir B=(0,-5,0.0)+ (1.2.0.0).(0,1,1,0),(0,-3.0,1)) siendo b= (0,—5.0,0) y W= (12,00), 01,10 8, 30.1) ).- Notemos que el conjunto {(1,2.0,0)40,1,1,0),(0,—30,1)} no es ortogonal por lo tanto debemos aplicar Gram-Schimdt para obtener una base ortogonal de W. Tomamos w, = (1,2,0,0) y hacemos w, = (0.1,1,0)- 0.1.0).42.09) 9 0) = 0,11,0)- 2012.00) = .2,0,0)-(1,2,0,0) 4(-2,1,5,0). 3¢ 241,5,0) NOTA: Para no trabejar con fracciones consideraremos w',=(-21,5.0)- Finalmente consideramos = -2,1,5.0) 0 = 3.0.1).0.2.0.9) 4 4 9,9) 3,0,1)-(-2:1,5.0) (_2,1,54 W, 2,-3.0) 559 95.42,0.0) (1:2.0.0) C5 75,042,150) 6 3 Vp ed) -30,1)-( (3) ¢-21,5,0)=4 (BI) = 0,-3.0,1) (2)a20m (3) 2,1,5,0) 5 (2, = 11,2). NOTA: Para no trabajar con fracciones consideraremos W (-2,1,5.0)(2,—1,1,2)} es una base Entonces W = ((12.0,0)4-2,1,5.0),(2,1,1,2)) y ahora {(1.2,0.0). i Ortogonal de W. Ahora estamos en condiciones de plantear vector ¥, como proyyy 215.0.C2,15, ,2,0,0)+1_ 2 1 barr {s 7155,0) +55 (2,-1.2) Tuego el vector de B “mas préximo" de Pes: uw =y, + 1 1 i —5,0,0) = —(53, 26, 4, 3 75 3 101, 4, 3)+(0,-5,00) st ) Ademés d(p,A) = d(y,W) = hy -yl -fer0»—Loa, 101, 4, 5 Consideramos B: 2x,—x, + x,—3x,=5. ‘Construiremos primero la variedad lineal A=p+W* donde W* =((2-11,-3)) y P=(32,0,1). Entonces la variedad lineal A es A=p+W! =(3,2,0,1) +((2-11,-3)) Ahora debemos encontrar AMR (que ya sabemos que serd un iinico punto). X= Ci BADEA Sy 960 Si x=(3+2a,2—az, a, 13a) y reemplazando en la ecuacién que define a B resulta 2(3+2a)~(2-a)+ a-3(1-3a)=5 entonces 1+9a=5 en consecuencia 4 tenemos quea ==>. 1 fe $3,26,4,9}. Entonces ANB {xe eee 1 Por lo tanto, el vector de B “més proximo” de p es (53, 26,4, 3) y la distancia a B esta dada por avis 15.4% 1 1, Lat | aep8)=[o20.-565,25.4.]-[he8 4 12)C gismpleS patio VERE con el producto imerno esting, Stindar, #Q.2.0,1) por puntos de wg TUSCAMOS halla ta oe pe la variedad Cy Lan y+ Ynxm~2 oF aproximacién™ g ja variedad C, 5x, ~ 6x, 43x, ~Sx,=-2 Y calcular ta distancia depa . Resoluciém J (usando proveecigny Dada C: Picea: ae rea nici 5x, ~ 6x, 43x, 5x, =-2 ideramos la matriz [! 635: a) 100 a2 reducir por filas queda 1 0:2 2 HX, =2 Por lo tanto la variedad lineal C es el conjunto de soluciones de 1 3 de 2 Entonces tenemos que: 1 Ge xnmade le Gr nade (202+ E5 505) =(2,2,0,0)+x, (°. dao) +,(1,0,0,1) Es decir C=c+W=(2,2.00) (0 40), @ 09.9) Notemos que (2. sa0) 1(1,0001). siendo ¢ =(2,2,0.0) y W -(0 tio) (0.0.1 ») rine eat NOTA: Para no trabajar con fracciones consideraremos a lear ¥ = p—€= B.2.0,1)~ (2.2.0.0) = (10.011 de hallar el ndiciones de plantear Y 2.0,1)—(2,2.0.0) = 0.0.0.) ¥ ici Entonces estamos en Co) vector y, Como PrOYwY -(1,0,0,1).(0,1,2,0) (10, " (0,1,2,0) + = 012,0140,12,0) 0) * (.9.0,1).0 o 2 = (0, 1,2,0) + =(1,0,0,1) $0,120) +2(1002) = (1,0,0,1) Observacion: como y= p-¢ = (1.0,0,1) © W entonces y, = proywy =¥ Luego el vector de C “mis proximo" de p es: u, =y, +€=(1.0,0,1) + (2,2,0,0) = (3,2,0,1) (que es el ‘mismo p). Por lo tanto d(p,C) = d(y,W) : y-y ion. 2x, tx, — x, Sx, ~ 6x, +3x, Sx, 2 Consideramos €; { (1-21, 1), (5-6, 3,-5)) y Construiremos primero la variedad lineal A=p+W" donde W* P=(32.0,1). Entonces la variedad lineal A es A=p+W! =(3,2.0,1) +((L-2,1,-1), (5-6, 3,-5)) Ahora debemos encontrar A-YC (que ya sabemos que seré un tinico punto). ZOU MAYEA sly 86lo si (x,.4,.%.%, 0,1) +a(1,-2,1,~1) + B(5,—6, 3,—5) sty sélo si X= (554) = (3424 5B, 2-2a-6f, 43, |-a-5f) Reemplazando en las ecuaciones que definen a C tenemos: (3+a+5f)-2(2-2a-6f)+(a+3f)-(l-a-5f)=-2 é isin aanonCon ce am aia 1a+35p =0 ~247a435P=-2 { mos operando resulta es sd ce 25a+95~P=0 por lo tanto a= 8 =0, Entonces ANC = {(3.2.0,))}. Por lo tanto, el vector de C “més préximo” de p es el mismo p. Luego la distancia a C es 0.