Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Vctor Domnguez
Octubre 2011
1.
Introduccin
Con estas notas resumimos los conceptos fundamentales del tema 3 que, en pocas
palabras, se puede resumir en tcnicas de manejo de subespacios vectoriales en Rn y de
las operaciones bsicas.
2.
2.1.
Subespacioes en Rn
Primeras definiciones
2
2. Como soluciones de un sistema lineal homogneo, o sea, con trmino independiente
nulo: dada una matriz A m n.
U := x Ax = 0 Rn .
Se escribe que U es el espacio nulo de la matriz A y se denota N (A).
Teorema 2.1 El sistema Ax = b tiene solucin (sistema compatible) si y slo si b
R(A).
Adems, la solucin es nica (sistema compatible determinado) si N (A) = {0}.
2.2.
Si
U = spanha1 , . . . , an i
entonces {a1 , . . . , an } se dice sistema generador. Un sistema generador, salvo el caso
trivial del subespacio {0} no es nico.
Proposicin 2.2
1. Si U = spanha1 , . . . , an i y V son dos subespacios, entonces U V si y slo si,
a1 , . . . , an V
2. Se cumple
spanha1 , . . . ,
ai , . . . , aj , . . . an i = spanha1 , . . . , aj , . . . , ai , . . . an i
|{z}
|{z}
|{z}
|{z}
isimo
jsimo
isimo
jsimo
= spanha1 , . . . , aj , . . . an i
= spanha1 , . . . , ai , . . . , aj + ai , . . . an i
con 6= 0 y R. Es decir, si en un sistema generador intercambiamos dos
vectores, multiplicamos uno por un nmero distinto de cero o bien sumamos a uno
otro multiplicado por un nmero, seguimos teniendo un sistema generador del mismo
subespacio.
3. Tenemos
spanha1 , . . . , an i = spanha1 , . . . , an , 0i
esto es aadir, o eliminar vectores nulos, en un sistema generador no cambia el
subepacio que generan.
La demostracin del punto 1 es un simple ejercicio, la del segundo se deduce de forma
directa del primero y el punto tercero es inmediato.
Las operaciones presentadas en el segundo punto recuerdan las que definen el mtodo
de Gauss. Esto es consecuencia de la estructura que subyace a los sistemas lineales y a
los espacios vectoriales, que es esencialmente la linealidad.
3
Por otro lado, es importante comprobar si un sistema generador contiene informacin
redundante o no, esto es, si con menos vectores es posible crear el mismo subespacio. Para
ello vamos a introducir nuevos conceptos.
Una familia de vectores {a1 , . . . , an } se dice ligada o linealmente dependiente
si existe una combinacin lineal no trivial que consiga el vector nulo, esto es, si existe
1 , . . . , n R con alguno distinto de cero de forma que
1 a1 + . . . + n an = 0.
En caso contrario, es decir, si la nica forma de conseguir de conseguir el vector nulo es
i = 0, i, entonces la familia de vectores se dice libre o linealmente independiente.
Algunos hechos que se derivan de esta nueva propiedad vienen recogidos en la siguiente
proposicin:
Proposicin 2.3
1. La familia {a1 , . . . , an } es linealmente dependiente si y slo si existe j de forma que
aj spanha1 , . . . ,
a
Z
j , . . . , an i,
Z
esto es,
spanha1 , . . . , aj , . . . , an i = spanha1 , . . . ,
aZ
Z
j , . . . , an i,
Dicho de otra forma, si {a1 , . . . , an } es linealmente independiente, entonces
spanha1 , . . . ,
a
Z
j , . . . , an i $ spanha1 , . . . , aj , . . . , an i
Z
es decir el contenido es estricto.
2. Si {v1 , . . . , vr } spanha1 , . . . , aj , . . . , an i es una familia de vectores linealmente
independiente, entonces r n.
Dada una familia {a1 , . . . , an } se dice base de U si es sistema generador de U y
linealmente independiente. Es decir,
U = spanha1 , . . . , aj , . . . , an i,
Proposicin 2.4
1. Todas la bases de un subespacio tiene el mismo nmero de elementos.
2. Si {a1 , . . . , an } es una base de U , entonces para cualquier u U
u = 1 a1 + 2 a2 + + n an
y los nmeros 1 , . . . , n son nicos.
Definimos la dimensin de un subespacio, y escribiremos dim U , al nmero de elementos de cualquiera de sus bases. Por otro lado, a los coeficientes i del resultado anterior
se le llama coordenadas de u en la base {a1 , . . . , an }.
Como consecuencia de los resultados anteriores tenemos el siguiente resultado
Proposicin 2.5
1. Si una familia de n vectores {v1 , v2 , . . . , vn } U es linealmente independiente y
dim U = n entonces {v1 , v2 , . . . , vn } es base de U
2. Si U V y dim U = dim V , entonces U = V .
(1)
1
2
Ax = 0,
A=
1
4
Aplicando la eliminacin
1 3
2
2 1
0
1 0
1
4 1 3
Gaussiana, obtenemos
5 0
F2 F2 2F1
F3 F3 F1
4 0
F4 F4 4F1
0 0
5 0
F3 F3 3/5F2
F4 F4 13/5F2
F4
3/7F3
F4 +
(2)
3
2
1
0
0
1
1 3
5
4
.
0
5
1 3
0 5
0 3
0 13
1 3
0 5
0 0
0 0
1 3
0 5
0 0
0 0
0
0
0
0
2
5
0
4
6 0
7/5 7/5 0
3/5 3/5 0
2
5
0
4 6 0
7/5 7/5 0
0
0
0
2
5
4 6
1 5
11 15
Deducimos por tanto que la familia de vectores es linealmente dependiente (el sistema
anterior es compatible indeterminado), pero los tres primeros s lo son porque si nos
5
quedamos con ellos, ignorando el cuarto, el sistema que sale es un sistema escalonado que
admite una nica solucin. Es ms, el cuarto vector se puede escribir en funcin de los
tres primeros (bastara mandarlo como trmino independiente al otro lado).
Por tanto {(1, 2, 1, 4), (3, 1, 0, 1), (2, 0, 1, 3)} es linealmente independiente y
spanh(1, 2, 1, 4), (3, 1, 0, 1), (2, 0, 1, 3)i
= spanh(1, 2, 1, 4), (3, 1, 0, 1), (2, 0, 1, 3), (5, 4, 0, 5)i.
En otras palabras, {(1, 2, 1, 4), (3, 1, 0, 1), (2, 0, 1, 3)} es base del subespacio U .
Forma 2 Utilizamos los resultados de
la matriz
1
3
2
5
2 1 4
1 0 1
0 1 3
4 0 5
es decir, la matriz cuyas filas son los vectores de (1). Procedemos a hacer ceros utilizando
las operaciones elementales
1 2 1 4
1 2
1
4
F2 F2 3F1
F3 2F1
3 1 0 1 FF34
0 5 3 13
F4 5F1
2 0 1 3
0 4 1 11
5 4 0 5
0 6 5 15
1 2
1
4
F3 F3 4/5F2
0 5 3
13
F4 F4 6/5F2
0 0
7/5 3/5
0 0 7/5 3/5
1 2
1
4
0 5 3 13
F4 F4 + F3
0 0 7/5 3/5 .
0 0
0
0
En cada paso tenemos una matriz cuyas filas siguen generando el subespacio de trabajo
U (ver Proposicin 2.2). As, finalmente,
U = spanh(1, 2, 1, 4), (0, 5, 3, 13), (0, 0, 7/5, 7/5), (0, 0, 0, 0)i.
Podemos eliminar el ltimo vector (ver Proposicin 2.2) y claramente los tres primeros
son linealmente independientes, luego una base de U viene dada por
{(1, 2, 1, 4), (0, 5, 3, 13), (0, 0, 7/5, 7/5)}.
Si se desea se puede optar por esta familia, ms simple
{(1, 2, 1, 4), (0, 5, 3, 13), (0, 0, 1, 1)}.
6
Revisitando el rango de una matriz
Empezamos definiendo el rango de una matriz como el nmero de ecuaciones que
quedaban tras aplicar la eliminacin gaussiana. Del proceso que estamos realizando uno
intuye (que no prueba) que el rango es independiente de cmo se efectuan estas operaciones. Una demostracin rigurosa requerira pasar por la dimensin del espacio nulo o por
la forma escalonada reducida de una matriz que s hemos visto es nica (ver problema
19).
En otro orden de cosas, observamos que en las estrategias hemos trabajado con una
matriz A (forma 1) y su matriz transpuesta A> (forma 2). En ambos casos hemos llevado
la matriz a su forma escalonada, y el nmero de filas diferentes de cero coincide con la
dimensin de R(A), el espacio columna de A.
Por tanto podemos concluir que
rang (A) = rang (A> )
esto, el rango de una matriz y su transpuesta, lo que se ha dado en llamar el rango por
columnas y filas de una matriz, coincide.
Para finalizar dos resultados de especial importancia sobre el rango del producto de
dos matrices. Su demostracin se propone como un ejercicio guiado (ver problema 18).
Teorema 2.6 Sea A m n y B n p. Entonces,
1. rang (AB) mn{rang (A), rang (B)}.
2. Si rang (B) = p, entonces rang (AB) = rang (A).
3. Si rang (A) = m, entonces rang (AB) = rang (B).
2.3.
2 2 0 1 1
con A = 4 4 1 1 1 .
1 1 1 1
1
7
Resolvemos el sistema homogneo (no trabajamos con
mino independiente son todo ceros)
2 2 0 1 1 F2 F2 2F1
2
2 1/2F3
4 4 1 1 1 F3 F
0
1 1 1 1
1
0
2
F3 F3 F2
F3 F2 1/2F3
0
2 0 1 1
0 1
3
1
0 0 3/2 1/2
8
Ejemplo
Sea
{(1, 2, 1, 1, 3), (2, 0, 1, 3, 1), (1, 6, 5, 9, 7), (3, 2, 1, 0, 1)}
(3)
(4)
que admitan a los vectores de (3) como solucin. En otras palabras, los coeficientes de
cada ecuacin (ai1 , ai2 , ai3 , ai4 , ai5 ) son solucin del sistema
ai1
+ 2ai2 + ai3 ai4 + 3ai5 = 0
2ai1
ai3 + 3ai4 + ai5 = 0
ai1
6ai2 5ai3 + 9ai4 7ai5 = 0
1
2
1 1 3
2
0 1 3
1
B=
1 6 5 9 7
3 2
1
0
1
Observa por tanto que U = R(B > ).
Ba = 0
3
1 2
1
F2 F2 2F1
F3 F3 F1
0 4 3
1
F4 F4 + 3F1
0 8 6
7
1
0 8
4
1 2
1 1 3
F3 F3 2F2
F4
F3 F3 + 2F2
0 4 3 5 5 F3
0 0
0
0
0
0 0 2 7
0
Resolvemos el sistema
1
2
1 1
2
0
1
3
1 6 5 9
3 2
1
0
1 3
5 5
10 10
3 10
1 2
1 1 3
0 4 3 5 5/4
0 0 2 7
0
0 0
0
0
0
9
Si a = (a1 , a2 , a3 , a4 , a5 ) entonces podemos tomar a4 , a5 como parmetros de forma
que las soluciones
(a4 /4 a5 /2, 11/8a4 5/4a5 , 7/2a4 , a4 , a5 ) a4 , a5 R
= spanh(1/4, 11/8, 7/2, 1, 0), (1/2, 5/4, 0, 0, 1)i
= spanh(2, 11, 28, 8, 0), (2, 5, 0, 0, 4)i
Por tanto, los vectores de (3) son solucin del sistema
2x 11y + 28z + 8t
= 0
2x 5y
+
+ 4u = 0
Definamos pues A la matriz de coeficientes
2 11 28 8 0
A=
2 5 0 0 4
Tenemos que rang(A) = 2. Por tanto dim N (A) = 5 2 = 3. As
U N (A),
dim(N (A)) = U
U = N (A)
B=
u>
m
Hallar una base de N (B):
{a1 , , as }
Entonces la matriz buscada es
>
a1
>
a
A= 2
a>
s
(5)
10
3.
= u + v u U, v V ,
= u u, U, u V
El primero se conoce como la suma de subespacios, mientras que el segundo es, obviamente, la interseccin de subespacios.
Es fcil comprobar que U + V y U V son ambos subespacios2 . La cuestin que nos
ocupa es dar una expresin ms concreta de ellos. Antes de entrar en la respuesta de esta
cuestin enunciaremos el siguiente resultados que relaciona las dimensiones de todos los
subespacios implicados
Teorema 3.1 U, V subespacios. Entonces
dim(U + V ) = dim(U ) + dim(V ) dim(U V ).
3.1.
Suma de subespacios
V = spanhv1 , . . . , vs i.
Entonces
U + V = spanhu1 , . . . , ur , v1 , . . . , vs i.
Observa que en general {u1 , . . . , ur , v1 , . . . , vs } no es base de U + V aunque {u1 , . . . , ur }
y hv1 , . . . , vs } lo fueran de U y V .
En su forma matricial, se puede ver que si
U = R(A),
2
V = R(B),
U + V = R(C),
con C =
A B
11
Ejemplo
U = spanh(1, 2, 0, 1, 0), (1, 2, 1, 3, 0)i
V = spanh(0, 0, 1, 3, 0), (3, 2, 1, 1, 1), (2, 4, 1, 3, 0)i
entonces
U + V = spanh(1, 2, 0, 1, 0), (1, 2, 1, 3, 0), (0, 0, 1, 3, 0), (3, 2, 1, 1, 1), (2, 4, 1, 3, 0)i.
En su versin matricial, tenemos
1 1
0 3 2
2 2
0 2
4
A = 0 1 , B = 1 1 1
,
1 3
3 1 3
0 0
0 1
0
C=
1 1 0 3 2
2 2 0 2
4
0 1 1 1 1
,
1 3 3 1 3
0 0 0 1
0
entonces
U = R(A),
3.2.
V = R(B),
U + V = R(C).
Interseccin de subespacios
A diferencia del caso anterior, es mejor tener los subespacios escritos en forma de
espacios nulos de matrices.
Algoritmo
Escribir
U = N (A) = x Ax = 0 ,
V = N (B) = x Bx = 0
Entonces
U V = N (C) = x Cx = 0 ,
C=
(x, y, z, t)
x + y t = 0, x + y + z = 0, x y + z 3t = 0, 2x + 2y + z t = 0
12
Dicho de otra forma
U = N (A),
V = N (B),
U V = N (C),
donde
1 1 0 1
A=
,
1 1 1 0
1 1 1 3
B=
,
2 2 1 1
1 1 0 1
1 1 1 0
C=
1 1 1 3
2 2 1 1