Está en la página 1de 30

UNIVERSIDAD DE SAN CARLOS DE GUATEMALA

FACULTAD DE INGENIERA
ESCUELA DE POSTGRADO
MAESTRA EN ESTRUCTURAS
CURSO: MATEMTICA APLICADA
CAT: Msc. FERNANDO AJIATAZ

INDEPENDENCIA LINEAL
Y
BASES EN ESPACIOS VECTORIALES

NOMBRE
Oscar Manuel Monterroso

CARNE
9616960

Ramrez
Luis Fernando Garnica Lpez
Melvin Ral Rojas Palacios
Jonattan Garca Prez

130081
200516275
1300183

FECHA: 09 DE MARZO DEL 2013

INDICE

28
INDICE

02

INTRODUCCIN
03
OBJETIVOS

04

INDEPENDENCIA LINEAL Y BASES DE ESPACIOS

SISTEMAS DE ECUACIONES LINEALES


05
ESPACIOS VECTORIALES
09
INDEPENDENCIA LINEAL

12

BASE EN ESPACIO VECTORIAL


18

CONCLUSIONES
27
BIBLIOGRAFA

28

MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA

28

INTRODUCCIN
En el presente trabajo observaremos la representacin de operaciones con
vectores aplicados en planos de diversas dimensiones, lo cual su comprensin
es fundamental para su aplicacin en diversas situaciones, tambin
identificaremos la relacin que puede haber entre vectores como es
combinacin lineal, dependencia lineal y base y dimensin tambin
abordaremos en el tema de subespacio los conceptos de fundamentales de
subespacios y base en Rn. La eleccin y uso de una base de un subespacio se
parece a la eleccin y uso de un marco de coordenadas en el plano o en el
espacio.
La ventaja principal de estas generalizaciones estriba en los inmensos ahorros
de trabajo, porque las propiedades de los vectores abstractos se aplican a
todos los ejemplos particulares. Adems, las demostraciones se tornan claras y
fciles, porque no tienes la notacin de algn ejemplo especifico
En lgebra lineal, se dice que un conjunto ordenado B es base de un espacio
vectorial V si se cumplen las siguientes condiciones:

Todos los elementos de B pertenecen al espacio vectorial V.

Los elementos de B forman un sistema linealmente independiente.

Todo elemento de V se puede escribir como combinacin lineal de los


elementos de la base B (es decir, B es un sistema generador de V)

La dimensin (del latn dimensio, "medida") es, esencialmente, el nmero de


grados de libertad para realizar un movimiento en el espacio. Comnmente, las
dimensiones de un objeto son las medidas que definen su forma y tamao.

MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA

28

OBJETIVOS
General
Conocer las diferentes aplicaciones reales que se pueden resolver utilizando
sistemas de independencia lineal y espacios vectoriales.

Especficos

Entender los conceptos bsicos de independencia y de vectores.


Conocer los diferentes mtodos y propiedades de la independencia
lineal y espacios vectoriales.
Comprender y manejar los conceptos de espacio y subespacio vectorial,
dependencia lineal, base.
Distinguir cuando un subconjunto de un espacio vectorial dado es subespacio,
ser capaz de calcular bases para el mismo.
Comprender y manejar el concepto de dimensin y analizar las razones por las
que un sistema de ecuaciones tiene infinitas soluciones.
Llegar por medio de ejercicios prcticos a la obtencin de resultados
utilizando estos mtodos matemticos.

MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA

28

SISTEMA DE ECUACIONES LINEALES

Si buscamos la palabra lineal en un diccionario, encontraremos algo como


lo siguiente: lineal, adj. Relativo a las lneas o de aspecto de lnea. En
matemticas la palabra lineal significa algo ms que eso. Sin embargo,
gran parte de la teora del lgebra lineal elemental es de hecho una
generalizacin de las propiedades de las lneas rectas. Como repaso,
damos aqu algunos de los hechos fundamentales acerca de las citadas
rectas:
La pendiente m de una recta que pasa por los puntos (x 1, y1) y (x2, y2) esta
dada por (si x2 x1).
m = y2 y1 = y
x2 x 1

Si X2 X1 = 0 y y2 y1 entonces la recta es vertical y se


dice que la pendiente no esta definida.
Cualquiera recta (excepto una con pendiente indefinida), se pude describir
expresando su ecuacin en la forma simplificada y = mx + b, donde m es
la pendiente de la recta y b es la ordenada al origen (el valor de y en el
punto donde la recta cruza al eje y).
Dos rectas son paralelas si y solo si tienen la misma pendiente.
Si la ecuacin de una recta es ax + by = c (b 0) entonces, como se ve
fcilmente, m = - a/b

MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA

28
Si m1 es la pendiente de la recta L1, m2 la del L2, m1 0 y L1, L2 son
perpendiculares, entonces m2 = - 1m1.
Las rectas paralelas al eje x tienen pendiente cero.
Las rectas paralelas al eje y tienen pendiente indefinida.
DOS ECUACIONES LINEALES EN DOS INCOGNITAS

Consideramos el siguiente sistema de dos ecuaciones lineales en dos


incgnitas x1 y x2:

a11x1 + a12x2 = b1
a21x1 + a22x2 = b2
donde a11, a12, a22, b1 y b2 son nmeros dados. Cada una de estas
ecuaciones es la ecuacin de una lnea recta (en el plano x 1 x2 en vez del
plano xy). La pendiente de la primera recta es a 11/a12 y la pendiente de la
segunda es a21/a22 (si a12 0 y a22 0). Una solucin del sistema (1) es un
par de nmeros, denotados (x1, x2), que satisface (1). Las preguntas que
surgen naturalmente son: cundo (1) tiene soluciones? y, si la tiene,
cuntas son? Responderemos a estas preguntas despus de ver algunos
ejemplos. En estos ejemplos usaremos dos propiedades importantes del
lgebra elemental:

Propiedad A. Si a = b y c = d entonces a + c = b + d
Propiedad B. Si a = b y c es cualquier nmero real,
entonces ca = cb.
La propiedad A dice que si sumamos dos ecuaciones obtenemos una tercera
ecuacin valida. La B dice que si multiplicamos ambos lados de una
ecuacin por una constante obtenemos una segunda ecuacin valida.

MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA

28

VECTORES

El estudio de los vectores y matrices es parte medular del lgebra lineal. Es


el estudio de vectores comenz esencialmente con el trabajo del gran
matemtico irlands William Rowan Hamilton (1805-1865). Su deseo de
encontrar un modo de representar ciertos objetos en el plano y en el
espacio, lo llev al descubrimiento de lo que llam cuaterniones. Este
concepto lo conduj al de lo que actualmente se denomina vectores.
Durante la vida Hamilton, y en lo que rest del siglo diecinueve, existi un
considerable debate sobre la utilidad de los cuaterniones o cuaternios y de
los vectores. A fin de siglo, el gran fsico britnico Lord Kelvin, escribi
acerca de los cuaternios. aun cuando son notablemente ingeniosos, han
demostrado ser una mala fortuna para todos aquellos que de alguna
manera los han estudiado (as como) los vectores nunca han sido de la
ms remota utilidad a criatura alguna.
Sin embargo Kelvin estaba equivocado. Actualmente, casi todas las reas de
la fsica clsica y moderna son representadas por medio del lenguaje de los
vectores. Tambin se usan cada vez ms frecuentemente en las ciencias
biolgicas y sociales.
La solucin a un sistema de dos ecuaciones en dos incgnitas como un par
de nmeros (x1, x2). En el ejemplo 1.6 expresaremos la solucin de un

MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA

28
sistema de tres ecuaciones en tres incgnitas como la terna de nmeros (4,
-2, 3). Ambos, (x1, x2) y (4, -2, 3) son vectores.
Vector rengln de n componentes. Definimos un vector rengln de n
componentes (o ndimensional) como un conjunto ordenado de n nmeros
escrito como
(x1, x2, , xn)

(1)

Vector columna de n componentes. Un vector columna de n componentes (o


n-dimensional) es un conjunto ordenado de n nmeros escrito como
X1, X2 , Xn
En (1) o (2), x1 se llama la primera componente del vector, x 2 es la segunda
componente, y as sucesivamente. En general, x k es la k-sima componente del
vector.
Por simplicidad, frecuentemente nos referimos a un vector rengln ndimensinal como un vector rengln o un n-vector. De igual manera, usamos el
trmino vector columna (o n-vector) para denotar a un vector columna ndimensional. Cualquier vector con todas sus componentes iguales a cero se
llama vector cero.

ESPACIOS VECTORIALES

MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA

28
Los conjuntos R2 (vectores en el plano) y R3 (vectores en el espacio) tienen
propiedades interesantes. As, si sumamos dos vectores en R 2 obtenemos otro
vector en R2. Sometidos a la suma, los vectores en R2 son conmutativos y
satisfacen la ley asociativa. Si X R2, entonces

x + 0 = x y x + (- x) = 0.

Adems, podemos multiplicar los vectores en R2 por escalares y establecer


varias leyes distributivas. Las mismas propiedades tambin valen en R 3.
A los conjuntos como R2 y R3 se los llama espacios vectoriales. Intuitivamente,
podemos decir que un espacio vectorial es un conjunto de objetos que cumplen
con las reglas descritas en el prrafo anterior.

DEFINICIN Y PROPIEDADES BSICAS

Espacio vectorial real. Un espacio vectorial real V es un conjunto de objetos


llamados vectores, junto con dos operaciones, llamadas suma y multiplicacin
por un escalar que satisfacen los diez axiomas que se enumeran a
continuacin.
Notacin. Si x y y estn en V y si es numero real, entonces escribiremos x +
y para la suma de x y y y x para el producto escalar de y x.
Antes de enumerar las propiedades en un espacio vectorial, hagamos un par
de aclaraciones. Primero, si bien es cierto que es muy til pensar en R2 o en R3
cuando tratamos con algn espacio vectorial, es frecuente encontrarse con
espacios vectoriales cuya forma es muy diferente de la de estos espacios tan
familiares. Segundo, la definicin 1 se refiere a un espacio vectorial real. La
palabra real significa que los escalares que usamos son reales. Es muy fcil
definir un espacio vectorial complejo usando nmeros complejos en lugar de

MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA

28
nmeros reales. En este libro se trata bsicamente con espacios vectoriales
reales, pero no es muy difcil hacer generalizaciones a otros conjuntos de
escalares.

Axiomas de un espacio vectorial

Si x V y y V, entonces x + y V (es decir, V es

cerrado para la suma).

Para todos x, y, z en V, (x + y) + z = x + (y + z) (ley asociativa de la suma).


Existe un vector 0 V tal que para todos X V, x + 0 = 0 +
x = x (0 se conoce como neutro aditivo).
Si X V, existe un vector x en V tal que x + (-x) = 0 (-x se conoce como
inverso aditivo de x).
Si x y y estn en V, entonces x + y = y + x (ley conmutativa de la suma de
vectores.
Si X V, y es un escalar, entonces x V (se dice que V es cerrado para la
multiplicacin escalar).
Si x y y estn en V y si es un escalar, entonces (x + y) = x + y (primera
ley distributiva).
Si x V y si y son escalares, entonces ( + ) x = x + x (segunda ley
distributiva).
Si x V y si y son escalares, entonces (x) = x (ley asociativa de la
multiplicacin por escalar).
Para todo vector x V, 1x = x (al escalar 1 se le conoce como neutro
multiplicativo).

Teorema 1
Sea V un espacio vectorial. Entonces
0 = 0 para todo nmero real .
MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA

28
0 . x = 0 para todo x V.
Si x = 0, entonces = 0 o bien x = 0 (o ambos).
(-1) x = -x para todos x V.
SUBESPACIOS
Sabemos que R2 = { (x,y): x R y y R} es un espacio vectorial. Adems, es
claro que V R2. Esto es, R2 tiene un subconjunto que es tambin un espacio
vectorial. De hecho, todos los espacios vectoriales tienen subconjuntos que son
a su vez espacios vectoriales. En esta seccin estudiaremos estos conjuntos
tan importantes.
Subespacio. Sea H un subconjunto de un espacio vectorial V y supongamos que
H es en s un espacio vectorial con las operaciones de suma y multiplicacin
escalar definidas sobre V. Se dice entonces que H es un subespacio de V.
Teorema 1: Un subconjunto no vacio H de un espacio vectorial V es un
subespacio de V si las dos reglas de cerradura valen:
Reglas para verificar si un subconjunto es un subespacio:
Si x H y y H, entonces x + y H.
Si x H, entonces x H para todo escalar .
Demostracin: Para demostrar que H es un espacio vectorial, debemos
verificar que los axiomas (i) a (x) cumplen con las operaciones de la suma
vectorial y multiplicacin escalar definidas en V. Las dos operaciones de
cerradura (axiomas i y vi) se cumplen por hipotesis. Puesto que los vectores
en H tambien estan en V, las leyes asociativa, conmutativa, distributiva y la
del neutro multiplicativo (axiomas ii, v, vii, viii, ix y x) se satisfacen.
Este teorema nos dice que para probar que H es un subespacio de V, nos
basta con verificar que:
x + y y x estn en H, siempre que x y y estn en H y sea un escalar.
La demostracin anterior contiene un resultado importante que debe
mencionarse explcitamente:
MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA

28
Todo subespacio de un espacio vectorial V contiene al 0.
Este resultado nos permitir ver fcilmente si un subespacio particular V no
es un espacio vectorial. Esto es, si un subconjunto no contiene al 0,
entonces no es un subespacio.
Subespacio propio. Los primeros dos ejemplos nos muestran que todo
espacio vectorial V contiene dos espacios vectoriales, {0} y V (a menos que
V = {0}). Desde luego, es mucho ms interesante encontrar otros
subespacios. Los subespacios que no son ni {0} ni V se conocen como
subespacios propios.

INDEPENDENCIA LINEAL

En el estudio de lgebra lineal, una de las ideas centrales es la


independencia o dependencia lineal de vectores. En esta seccin
definiremos lo que entendemos por independencia lineal y se mostrara el
modo en que se relaciona con la teora de sistemas homogneos y con los
determinantes.
Existe una relacin especial entre los vectores v 1 = y v2 = 2/4? Desde
luego, vemos que v2 = 2v1, o escribiendo esto de otro modo, que
2v1 v2 = 0

MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA

(1)

28
Qu propiedad especial comparten los vectores v 1 =
Esta pregunta es ms fcil de contestar a simple vista. Es fcil verificar que
v3 = 3v1 +2v2, o escribiendo de otra manera
3v1 + 2v2 v3 = 0

(2)

se ve pues que los dos vectores en la Ecuacin (1) y los tres vectores en la
Ecuacin (2), mantienen una relacin ms cercana que un par cualquiera de
vectores 2 o una terna arbitraria de vectores 3. En cada caso, decimos
que los vectores son linealmente dependientes. En general, se tiene la
siguiente definicin importante.
Definicin 1. Dependencia e independencia lineales. Sean V1, V2, , Vn n
vectores en un espacio vectorial V. Entonces se dice que los vectores son
linealmente dependientes si existen n escalares c1, c2, , cn no todos cero,
tales que
c1v1 + c2v2 + + cn vn = 0

(3)

Si los vectores no son linealmente dependientes, entonces se dice que son


linealmente independientes.
Expresado de otro modo, v1, v2, , vn son linealmente independientes si la
ecuacin c1v1 + c2v2 + + cnvn = 0 solo se satisface si c1 = c2 = = cn = 0.

Teorema 2
Un conjunto de n vectores en Rm es siempre linealmente dependiente si n > m.
Demostracin. Sean v1, v2, , vn n vectores Rm y tratemos de evaluar
constantes c1, c2, , cn, no todas nulas, tales que
c1v1 + c2v2 + . + cnvn = 0

MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA

28

Teorema 3
Sean v1, v2,, vn, n vectores en Rn, y sean A una matriz de n x n cuyas
columnas son v1, v2,, vn. Entonces v1, v2, , vn son linealmente
independientes si y slo si la nica solucin al sistema homogneo Ax = 0 es la
solucin trivial x = 0.

COMBINACION LINEAL Y GENERACION DE ESPACIO

Combinacin lineal. Sean v1, v2, , vn entonces en un espacio vectorial V.


Entonces, toda expresin de la forma
a1v1 + a2v2 + + anvn

(1)

en donde a1, a2,, an son escalares, se llama combinacin lineal de v 1, v2,,


vn.
Generacin de un espacio vectorial. Los vectores v1, v2, , vn en un espacio
vectorial V se dice que generan V, si todo vector en V puede expresarse
como combinacin lineal de ellos. Esto es, para todo v V, existen
escalares a1, a2, , an tales que
v = a1v1 + a2v2 + + anvn

espacio generado por un conjunto de vectores. Sean v1, v2,, vn n vectores


en un espacio vectorial V. El espacio generado por {v 1, v2,, vn} es el
conjunto de las combinaciones lineales de v 1, v2,, vn. Esto es,
gen {v1,v2,, vn} = {v: v = a1v1 + a2v2 + + anvn}

MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA

28

donde a1, a2,, an son escalares.


El gen {v1,v2,,vn} es un subespacio de V.

Teorema. Sean los n + 1 vectores v1, v2,, vn, vn+1, de un espacio vectorial
V. Si v1, v2,, vn generan V, entonces v1, v2,.., vn, vn+1 tambin generan V.
Esto es, la adicin de uno (o ms) vectores a un conjunto generador resulta
en otro conjunto generador.
Combinacin lineal
Una combinacin lineal de dos o ms vectores es el vector que se obtiene
al sumar esos vectores multiplicadospor sendos escalares.

Vectores linealmente dependientes


Varios vectores libres del plano se dice que son linealmente
dependientes si hay una combinacin lineal de ellos que es igual
al vector cero, sin que sean cero todos los coeficientes de
la combinacin lineal.

MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA

28

Propiedades
1. Si varios vectores son linealmente dependientes, entonces al
menos uno de ellos se puede expresar como combinacin lineal de los
dems.

Tambin se cumple el reciproco: si un vector es combinacin lineal de


otros, entonces todos los vectores sonlinealmente dependientes.
2. Dos vectores del plano son linealmente dependientes si, y slo si,
son paralelos.

3. Dos vectores libres del plano

= (u1, u2) y

= (v1, v2)

son linealmente dependientes si sus componentes son proporcionales.

Ejemplo

MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA

28
Determinar los valores de k para que sean linealmente dependientes los
vectores

como combinacin lineal de

. escribir

, siendo k el valor calculado.

Los vectores son linealmente dependientes si el determinante de la


matriz que forman es nulo, es decir que el rango de la matriz es menor que
3.

Vectores linealmente independientes


Varios vectores libres son linealmente independientes si ninguno de ellos
puede ser escrito con una combinacin lineal de los restantes.

MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA

28

a1 = a2 = = an = 0
Los vectores linealmente independientes tienen distinta direccin y
sus componentes no son proporcionales.

Ejemplos
1. Estudiar si son linealmente dependientes o independientes los
vectores:

= (2, 3, 1),

= (1, 0, 1),

= (0, 3, 1)

a (2, 3, 1) + b(1, 0, 1) + c (0, 3, 1) = (0, 0, 0)

r = 2 n = 3 Sistema compatible indeterminado.


El sistema tiene infinitas soluciones, por tanto los vectores
son linealmente dependientes.

BASES EN ESPACIO VECTORIAL

MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA

28

Decimos que un conjunto de vectores

es un sistema generador

del espacio vectorial al cual pertenece si cualquier vector de dicho espacio se


puede poner como combinacin lineal de ellos.
Por ejemplo, los vectores

forman un sistema generador de

las operaciones usuales), ya que si cogemos cualquier

, de igualar

de ser

, se tiene enseguida que ha

. Por ejemplo, si

, tendremos

.
No todos los conjuntos de vectores forman un sistema generador de un espacio

vectorial. Por ejemplo, los vectores


sistema generador de

Si lo fueran,

no forman un

tales que

. Pero esto implica, escribindolo como


un sistema, que:

MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA

28

Es decir, tenemos que

ecuacin,

, por tanto, sustituyendo en la primera

. Como debe verficarse cada ecuacin, sustituyendo

en la ltima tenemos que, para que

generador de

sea sistema

se ha de cumplir la relacin

. Evidentemente,

esto no es cierto para todos los vectores del espacio. Si tomamos, en

particular, el

, vemos que la coordenada

no verifica la relacin. Por

tanto, el sistema dado no es un sistema generador de


1.

Envoltura lineal

Al conjunto de todos los vectores que son combinacin lineal de los vectores

se le llama envoltura lineal de los vectores

representa

, y se

.
2.

Base de un espacio vectorial

Decimos que los vectores

son base del espacio vectorial

al cual

pertenecen si cumplen dos condiciones:

Han de ser linealmente independientes.

Han de formar un sistema generador del espacio vectorial

Todas las bases de un espacio vectorial tienen el mismo nmero de elementos,


al que se le llama dimensin del espacio vectorial. La siguiente base del
espacio vectorial

es la conocida como base cannica:

MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA

28

Hay que notar que un sistema generador de un espacio vectorial de dimensin


debe tener al menos

vectores, pero si tiene

no tiene por qu ser un

sistema generador.

Un ejemplo simple e inmeadiato lo vemos con el espacio

las operaciones usuales, y escogiendo los vectores

, siendo

. Estos

dos vectores, al ser proporcionales, generaran nicamente una recta, pero no


todo el plano.

BASE DE UN SUBESPACIO DE Rn
DEFINICION
(BASE)
Un subconjunto no vacio B de un espacio V no cero de Rn es una base de
V si
Vanse en la figura 4.3 Y 4.4
B es linealmente independiente;
B genera a V
Tambin se acostumbra decir que el conjunto vacio es la nica base del
subespacio cero {0}
v2

v2

V2
V1
V1
Figura algunas bases del plano.
v2

MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA

v1

28

v1
v3

EJEMPLO compruebe que


B= {

[ ][ ][ ]
1
0 2
1 , 1 , 1
1 2
0

Es una base de R3
SOLUCION primero es necesario demostrar que B es linealmente independiente
que genera R3. Sea A la matriz cuyas columnas son los vectores de B como

A=

1 0 2
1 1 1
1 2 0

1 0 2
0 1 3
0 0 8

Vemos que cada columna de A es una columna pivote; y por tanto, las
columnas de A son linealmente. Tambin cada regln de A tiene una posicin
pivote. Por consiguiente, las columnas de A genera R 3 de acuerdo con los
teoremas anteriores.
EJEMPLO
es el conjunto S={(1,0,0),(0,1,0)} Es S una base del subespacio V=
{(x,y,,0),x,y R} de R3
RESPUESTA
S es linealmente independiente, por que todas las columnas de A =

[]
10
01
10

son pivote. S no es una base de R 3 por que A tiene 3 renglones y solo 2


pivotes, de modo que S no genera a R3. Por otra parte, S genera al menor
espacio V por que
(X, Y, 0)=X (1, 0,0)+Y (0, 1,0)
MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA

28
Por consiguiente, S si es una base de V.
EJEMPLO
Es el subconjunto T= {(1,1,1),(2,1,-1),(1,0,-2) } una base de R 3
RESPUESTAS
No, puesto que [

1 2
1
1 1
0 ]~ [
1 1 2

1 2
1
1 1 1 ] T no es linealmente
0 0
0

independiente (3 columnas y solo 2 pivotes). En realidad T ni siquiera genera a


R3 (3 renglones, solo 2 pivotes)
EJEMPLO
Es el conjunto S= {(1,0,0),(0,1,0), (0,0,1),(1,1,1) } una base en R 3?
RESPUESTA
No, por que S linealmente independiente.
CAMBIO DE BASE
Ya aparecieron ejemplos de bases en los que se us ms de una base
simultneamente; el ejemplo 5.36, se escribieron polinomios en trminos
tanto de 1; t t como de1 1 t 1 t ese ejemplo fue esencialmente un
ejercicio para encontrar las coordenadas con respecto a una base ordenada
partiendo de aqullas con respecto a la otra. Por lo pronto se desarrollara este
tpico.
Suponga que
B = v1 v2 v p y qu B= v1 v2v p
Son dos bases de ordenadas para el mismo espacio vectorial real o complejo
de dimensin v Para entender como se traduce entre las coordenadas en B
y las coordenadas en B primero se escribir cada vector v i de la base

MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA

28
ordenada B como una combinacin de los vectores v de la base ordenada B
como sigue
Vi m1i v1 + m2i v2 + + mI v i
t
CB = vI = mi = m 1i m 2i m pi
Suponga que tiene las coordenadas , CB (v) y se requiere conocer las
coordenadas B, CB (v) esto es, se tiene tales que v v1 = + v y se desea encontrar tales que v = v + - teorema 5.38
sobre el isomorfismo CB y de ( 5.4 ) se sabe que ( usando rotacin de matrices
separadas
CB(v) = CB ( v+ + v )
= 1 CB ( v) ++ CB (v)
= m1 + 2m2 + +m

= m1 m2 m
= McB (v),
en donde M es la matriz p x p , M = m1 m2mi
Lo anterior dice como obtener las coordenadas en B partiendo de las
coordenadas en B solamente hay que multiplicar la matriz p x p M, cuyos
elementos M i j son iguales a m i j de 5.41. A la inversa, es posible obtener
las coordenadas en B partiendo de las coordenadas en B y multiplicando M
porque es no singular. Para comprobar que M es no singular, suponga que M =
0; si puede demostrar que x = 0: entonces el teorema clave 4.18 dir que M es
no singular. Sea v el vector en V cuyas coordenadas en B, 1 son los
elementos de alguna x para la cual Mx = 0: = x por (5.42), las
coordenadas en B de v son justamente Mx , que es = 0; entonces,
V = 0v1 + 0v2 + +0vp = 0 en V

MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA

28
Pero si v = 0 V, entonces sus coordenadas en B son todas 0 y que B es
linealmente independiente; como v se defini para que esas coordenadas
fueran los x se tiene que x = 0 como x = 0 s Mx = 0, M es no singular.
Esto demuestra el siguiente resultado que es extremadamente importante:

TEOREMA CLAVE. ( cambio de base) sean B = v1 v p y


B=
v1 v p dos bases ordenadas para el mismo espacio
vectorial V de dimensin p. Para cualquier vector v en V, las
coordenadas en B, vB de v y las coordenadas en B, vB de v
relacionado por:

considere el espacio polinomial y las dos bases ordenadas B =

Ejemplo

1t t y B=
3
1 1 t1 t t de del ejemplo 5.36 para moverse entre ellas, es necesario
que la matriz M: cada v1 se debe escribir en trminos de la vj como en (5.41)
lo cual es fcil:
v1 = 1 = 1(1) + 0(t) + 0(t) para la primera columna de M
v2 = 1 + t = 1(1) + 1(t) + 1(t) para la segunda columna
v3 = 1 + t + t = 1(1) + 1(t) + 1(t) para la tercera columna
por lo tanto.
1

-1

1 -1

y se encuentra M

MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA

-1

0
1

28
-1
Es posible usar en M y en M

para traducir coordenadas. Para escribir 7

3t + 4t en trminos de B se tomaran sus coordenadas en B, 10 7 4 t y se


multiplicara por M-1 obteniendo 10 7 4 t como coordenadas en B; como
comprobacin , observe que
10(1) + (-7) ( 1 + t ) + (4) (1 + t + t) = (10 7 4 ) + ( -7 + 4)t + (4)t= 73t + 4t
como se necesitaba. Ms generalmente , las coordenadas en B de
-1

t
a b c = a b b c c

a + bt + ct son M

Base

Tres vectores

con distinta direccin forman una base,

porque cualquier vector del espacio se puede poner como combinacin


lineal de ellos.

Las coordenadas del vector respecto a la base son:

Base ortogonal
Una base es ortogonal si los vectores de la base
son perpendiculares entre s.
Base ortonormal

MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA

28
Una base es ortonormal si los vectores de la base
son perpendiculares entre s, y adems tienen mdulo 1.

Esta base formada por los vectores

se denomina base

cannica.

Ejemplo

Para qu valores de a los vectores

forman una base?

MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA

28

Para a 1, los vectores forman una base.

CONCLUSIONES
En el tema de los espacios vectoriales nos damos cuenta de que nos son muy tiles
los mtodos que este utiliza ya que nos ofrece ventajas como el ahorro de tiempo
y esfuerzo a la hora de aplicarlos tanto en nuestro campo de trabajo como en otras
situaciones que requieran de estos mtodos. Con esto podramos decir que nos ha
enseado a tener un amplio criterio de la utilidad de temas ya vistos en nuestra
carrera.

MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA

28

El concepto de dependencia lineal de dos vectores en R2, ya que al definirlo


vincularon las representaciones analtica y geomtrica, apoyndose en las
acciones de relacionar y extender.

Se definieron la dependencia lineal de tres vectores en R2 o R3 slo en lenguaje


analtico (combinacin lineal), pero no en lenguaje geomtrico (coplanariedad).

BIBLIOGRAFA

Stanley Grossman. Algebra Lineal. McGraw Hill. 2007, no 6. Mxico: 314-342.


GEORGE NAKOS, ET AL, ALGEBRA LINEAL CON APLICACIONES
EDICION 1, EDITORIAL THOMSON.2007, PAG.226- 235
MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA

28

Bernard Kolman, D. R. (2006). Algebra lineal. En D. R. Bernard Kolman, Algebra Lineal


(pgs. 301-306). Pearson Educacin

MAESTRA EN ESTRUCTURAS
MATEMTICA APLICADA