Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Resolver problemas relacionados con los espacios vectoriales reales o complejos, interpretndolos como una
estructura algebraica, utilizando matrices, determinantes, rango e inversa y sistemas de ecuaciones lineales, en
situaciones reales, propias de la ingeniera.
CONTENIDO:
5.1
5.2
5.3
5.4
5.5
5.6
5.7
5.8
ESPACIOS VECTORIALES
SUBESPACIOS VECTORIALES
COMBINACIONES LINEALES. SUBESPACIOS GENERADOS
INTERSECCION Y SUMA DE SUBESPACIOS. SUMA DIRECTA
DEPENDENCIA E INDEPENDENCIA LINEAL
BASE Y DIMENSION
VECTOR DE COORDENADAS Y CAMBIO DE BASE
CUESTIONARIO
186
ESPACIOS VECTORIALES
Se conoce que en realidad detrs de los vectores estn los objetos fsicos bien
reales. Por esto, la investigacin detallada de la estructura de los conjuntos representa inters por lo menos para la fsica. Hay una tentacin, originada por la sencillez de los conjuntos citados, que conduce al deseo de estudiarlos apoyndose
slo en las peculiaridades concretas de los elementos. Sin embargo, no podemos
sino observar el hecho de que dichos conjuntos tienen mucho en comn, razn
por la cual parece racional comenzar su estudio partiendo de ciertas posiciones
generales, abrigando esperanza, por lo menos, que tendremos xito en evitar repeticiones fastidiosas y montonas al pasar de la investigacin de un conjunto a la
del otro.
No se desarrollaran las diferentes propiedades de los cuerpos abstractos y no
trataremos de cuerpo especfico alguno que no sea de los nmeros racionales,
reales y complejos. Es conveniente y cmodo, por el momento, no especificar la
naturaleza exacta del cuerpo de escalares, porque gran parte de los espacios vectoriales es vlida para cuerpos arbitrarios. El estudiante que no conoce los cuerpos
abstractos no estar en desventaja, pues basta con que piense en K como en uno
de los cuerpos que le son familiares. Todo lo que importa es que podamos efectuar las operaciones de adicin y sustraccin, multiplicacin y divisin, en la
forma usual. Ms adelante tendremos que restringir a K al cuerpo de los nmeros
reales o al cuerpo de los nmeros complejos, para obtener ciertos resultados clsicos; pero se pospondr ese momento tanto como podamos. En general, usaremos
letras minsculas del alfabeto latino para denotar a los vectores. Una excepcin es
el vector nulo que se denotar por .
DEFINICION 5.1.1
Sea V un conjunto cualesquiera no vaco de elementos sobre el que estn
definidas dos operaciones: la adicin y la multiplicacin por escalares.
Por adicin se entiende una regla que asocia a cada par de elementos u y
v en V un elemento u + v denominado suma de u y v; por multiplicacin
escalar se entiende una regla que asocia a cada escalar y cada elemento
u en V un elemento u, denominado mltiplo escalar de u por . Si los
elementos u, v, w en V y los escalares y satisfacen los axiomas siguientes, entonces V se denomina espacio vectorial, y sus elementos se
denominan vectores:
1.- Si u, v estn en V, entonces u + v est en V.
2.- Si u, v estn en V, entonces u + v = v + u.
3.- Si u, v, w estn en V, entonces u + (v + w) = (u + v) + w.
4.- Existe un nico elemento en V, denominado vector cero de V, tal
que se cumple que + u = u + = u para todo u en V.
5.- Para todo u en V existe un elemento -u en V, denominado opuesto
de u, tal que se cumple u + (-u) = (-u) + u = .
6.- Si es cualquier escalar y u es cualquier elemento en V, entonces
u est en V.
7.- Si u, v estn en V y es un escalar, entonces (u + v) = u + v.
8.- Si u est en V y , son escalares, entonces ( + )u = u + u.
9.- Si u est en V y , son escalares, entonces (u) = ()u.
10.- Si u est en V y 1 es un escalar, 1u = u.
Los elementos de cualquier espacio vectorial los llamaremos vectores, a pesar de
que segn su naturaleza concreta dichos elementos pueden ser bien distintos de
los segmentos dirigidos. Las representaciones geomtricas, relacionadas con el
nombre de vectores, nos ayudaran en aclarar y, con frecuencia, en prever los
resultados necesarios, como tambin en buscar la interpretacin geomtrica de
diferentes hechos la cual no siempre resulta obvia. Cualquier tipo de objeto pueALGEBRA LINEAL CON MATLAB
ESPACIOS VECTORIALES
187
De esta forma, desde el punto de vista de las operaciones de multiplicacin, adicin y sustraccin tienen lugar formalmente todas las reglas de transformaciones
equivalentes para las expresiones algebraicas.
En algunas aplicaciones, es necesario alterar la definicin de espacio vectorial
para que los escalares sean nmeros complejos. Entonces se habla de un espacio
vectorial complejo. En gran medida, la teora de los espacios vectoriales reales es
igual que la teora de los espacios vectoriales complejos. En consecuencia, a lo
largo del captulo, se puede reemplazar la expresin espacio vectorial por espacio
vectorial complejo.
EJEMPLO 5.1.1
Considrese las funciones f : . Dentro del conjunto de todas estas funciones
est el subconjunto que consiste en todas las funciones f derivables dos veces que
satisfacen a la ecuacin diferencial f + f = 0, donde cada signo de prima indica
derivacin. Por supuesto, f es nuevamente una funcin de en . Podemos
afirmar que el subconjunto () formado por todas las funciones f que satisfacen la
ecuacin diferencial, es un espacio vectorial sobre , donde utilizamos las mismas
operaciones de suma y producto por escalares en este subconjunto que en ().
ALGEBRA LINEAL CON MATLAB
188
ESPACIOS VECTORIALES
SOLUCION
Verifquense los axiomas (1) y (6). Para hacerlo con (1), hemos de demostrar que si
las funciones f y g satisfacen ambas la ecuacin diferencial, entonces tambin la
satisfar f + g. Pero esto es trivial, puesto que de f + f = 0 y g + g = 0 obtenemos
fcilmente (f + g) + (f + g) = 0. De forma anloga, si es un nmero real, entonces
de f + f = 0 se halla que (f) + (f) = 0. Por tanto, tambin es satisfecho el
axioma (6). Los otros axiomas automticamente se cumplen.
EJEMPLO 5.1.2
Determine cules de los conjuntos siguientes constituyen espacios vectoriales:
a.- En (-; ), los polinomios de grado mayor o igual que 2;
b.- En (-; ), los polinomios que tienen un cero en x = 2.
SOLUCION
a.- Tenemos que analizar el conjunto
S = {p(t) P / p(t) = a2t2 + a3t3 + ... + antn, donde a2, a3, ..., an }.
A continuacin comprobamos los 10 axiomas de la definicin de espacio vectorial:
1.- Si p1, p2 estn en S, entonces p1 + p2 estn en S. Es decir:
(p1 + p2)(t) = p1(t) + p2(t) = (a2t2 + a3t3 + ... + antn) + (b2t2 + b3t3 + ... + bntn)
= (a2 + b2)t2 + (a3 + b3)t3 + + (an + bn)tn = c2t2 + c3t3 + + cntn S.
2.- Si p1, p2 estn en S, entonces p1 + p2 = p2 + p1. Es decir:
(p1 + p2)(t) = p1(t) + p2(t)
= (a2t2 + a3t3 + ... + antn) + (b2t2 + b3t3 + ... + bntn)
= (a2 + b2)t2 + (a3 + b3)t3 + + (an + bn)tn
= (b2 + a2)t2 + (b3 + a3)t3 + + (bn + an)tn
= p2(t) + p1(t)
= (p2 + p1)(t).
3.- Si p1, p2, p3 estn en S, entonces p1 + (p2 + p3) = (p1 + p2) + p3. Es decir:
[p1 + (p2 + p3)](t) = p1(t) + [p2(t) + p3(t)]
= (a2t2 + a3t3 + ... + antn) + [(b2 + c2)t2 + + (bn + cn)tn]
= (a2 + b2 + c2)t2 + (a3 + b3 + c3)t3 + + (an + bn + cn)tn]
= [(a2 + b2) + c2]t2 + [(a3 + b3) + c3]t3 + + [(an + bn) + cn]tn
= [(a2 + b2)t2 + (a2 + b2)t2 + + (an + bn)tn] + (c2t2 + c3t3 + ... + cntn)
= [p1(t) + p2(t)] + p3(t) = [(p1 + p2) + p3](t).
4.- Existe un nico elemento p en S, denominado vector cero de S, tal que se
cumple que p + p = p + p = p para todo p en S. Es decir:
(p + p)(t) = p(t) + p(t)
= (0t2 + 0t3 + ... + 0tn) + (a2t2 + a3t3 + ... + antn)
= (0 + a2)t2 + (0 + a3)t3 + + (0 + an)tn
= a2t2 + a3t3 + ... + antn = p(t).
5.- Para todo p en S existe un elemento p en S, denominado opuesto de p, tal
que se cumple p + (-p) = (-p) + p = p. Es decir:
[p + (-p)](t) = p(t) + [-p(t)]
= (a2t2 + a3t3 + ... + antn) + (- a2t2 - a3t3 - ... - antn)
= (a2 - a2)t2 + (a3 a3)t3 + + (an - an)tn
= 0t2 + 0t3 + + 0tn = p(t).
6.- Si es cualquier escalar y p es cualquier elemento en S, entonces p est en
S. Es decir:
(p)(t) = p(t)
= (a2t2 + a3t3 + ... + antn)
= (a2)t2 + (a3)t3 + ... + (an)tn
= b2t2 + b3t3 + ... + bntn S.
7.- Si p1, p2 estn en S y es un escalar, entonces (p1 + p2) = p1 + p2. Es
decir:
[(p1 + p2)](t) = [p1(t) + p2(t)]
= [(a2 + b2)t2 + (a3 + b3)t3 + + (an + bn)tn]
ALGEBRA LINEAL CON MATLAB
ESPACIOS VECTORIALES
189
190
ESPACIOS VECTORIALES
ESPACIOS VECTORIALES
191
EJEMPLO 5.1.4
Determine cules de los conjuntos siguientes constituyen espacios vectoriales:
a.- El conjunto de las funciones diferenciables en [a; b];
b.- El conjunto de todas las funciones con derivada segunda en [0; 1].
SOLUCION
f ( x h) f ( x )
0
h
h
f1( x) f 2 ( x) S.
2.- Si f1, f2 estn en S, entonces f1 + f2 = f2 + f1. Es decir:
( f f )( x h) ( f1 f 2 )( x)
( f1 f 2 )( x) lim 1 2
h 0
h
[ f1 ( x h) f1 ( x)] [ f 2 ( x h) f 2 ( x)]
lim
h 0
h
[ f 2 ( x h) f 2 ( x)] [ f1 ( x h) f1 ( x)]
lim
h 0
h
( f 2 f1 )( x h) ( f 2 f1 )( x)
lim
h 0
h
( f 2 f1 )( x) ( f 2 f1 )( x) .
3.- Si f1, f2, f3 estn en S, entonces f1 + (f2 + f3) = (f1 + f2) + f3. Es decir:
[ f ( f 2 f3 )]( x h) [ f1 ( f 2 f3 )]( x)
[ f1 ( f 2 f3 )]( x) lim 1
h 0
h
[ f1 ( x h) f1 ( x)] [( f 2 f3 )( x h) ( f 2 f3 )( x)]
lim
h 0
h
[ f1 ( x h) f1 ( x)] [ f 2 ( x h) f 2 ( x)] [ f3 ( x h) f3 ( x)]
lim
h 0
h
[( f1 f 2 )( x h) ( f1 f 2 )( x)] [ f3 ( x h) f3 ( x)]
lim
h 0
h
[( f1 f 2 ) f3 ]( x h) [( f1 f 2 ) f3 ]( x)
lim
h 0
h
[( f1 f 2 ) f3 ]( x) .
4.- Existe un nico elemento f en S, denominado funcin cero de S, tal que se
cumple que f + f = f + f = f para toda f en S. Es decir:
( f f )( x h) ( f f )( x)
( f f )( x) lim
h 0
h
[ f ( x h) f ( x)] [ f ( x h) f ( x)]
lim
h 0
h
f ( x h) f ( x )
f ( x h) f ( x )
lim
lim
h 0
h 0
h
h
0 f ( x) f ( x) .
5.- Para todo f en S existe un elemento f en S, denominado opuesto de f, tal que
se cumple f + (-f) = (-f) + f = f. Es decir:
ALGEBRA LINEAL CON MATLAB
192
ESPACIOS VECTORIALES
[ f ( f )]( x h) [ f ( f )]( x)
h
( f f )( x h) ( f f )( x)
lim
h 0
h
f ( x h) f ( x )
lim
f ( x )
h 0
h
6.- Si es cualquier escalar y f es cualquier elemento en S, entonces f est en
S. Es decir:
(f )( x h) (f )( x)
f ( x h) f ( x)
(f )( x) lim
lim
f ( x) S.
h 0
h 0
h
h
7.- Si f1, f2 estn en S y es un escalar, entonces (f1 + f2) = f1 + f2. Es decir:
[( f1 f 2 )]( x h) [( f1 f 2 )]( x)
[( f1 f 2 )]( x) lim
h 0
h
(f1 f 2 )( x h) (f1 f 2 )( x)
lim
h 0
h
[ f1 ( x h) f1 ( x)] [ f 2 ( x h) f 2 ( x)]
lim
h 0
h
f1 ( x h) f1 ( x)
f ( x h) f 2 ( x )
lim
lim 2
h 0
h 0
h
h
f1( x) f 2 ( x) .
[ f ( f )]( x) lim
h 0
0
h
h
(f )( x h) (f )( x)
f ( x h) f ( x)
lim
lim
() f ( x)
h0
h0
h
h
.
10.- Si f est en S y 1 es un escalar, 1f = f. Es decir:
(1 f )( x h) (1 f )( x)
f ( x h) f ( x)
(1 f )( x) lim
lim
f ( x) .
h 0
h 0
h
h
Como se prueban todos los axiomas, entonces S tiene estructura de espacio vectorial.
f ( x h) f ( x)
, 0 x 1 .
b.- En este caso tenemos que S f F / f ( x) lim
h 0
h
0
h
h
2.- Si f1, f2 estn en S, entonces f1 + f2 = f2 + f1. Es decir:
ALGEBRA LINEAL CON MATLAB
ESPACIOS VECTORIALES
193
( f1 f 2 )( x h) ( f1 f 2 )( x)
h
[ f1( x h) f1( x)] [ f 2 ( x h) f 2 ( x)]
lim
h 0
h
[ f 2 ( x h) f 2 ( x)] [ f1( x h) f1( x)]
lim
h 0
h
( f 2 f1 )( x h) ( f 2 f1 )( x)
lim
h 0
h
( f 2 f1 )( x) .
3.- Si f1, f2, f3 estn en S, entonces f1 + (f2 + f3) = (f1 + f2) + f3. Es decir:
[ f ( f 2 f3 )]( x h) [ f1 ( f 2 f3 )]( x)
[ f1 ( f 2 f3 )]( x) lim 1
h 0
h
[ f1( x h) f1( x)] [( f 2 f3 )( x h) ( f 2 f3 )( x)]
lim
h 0
h
[ f1( x h) f1( x)] [ f 2 ( x h) f 2 ( x)] [ f3( x h) f3( x)]
lim
h 0
h
[( f1 f 2 )( x h) ( f1 f 2 )( x)] [ f3( x h) f3( x)]
lim
h 0
h
[( f1 f 2 ) f3 ]( x h) [( f1 f 2 ) f3 ]( x)
lim
[( f1 f 2 ) f3 ]( x) .
h 0
h
4.- Existe un nico elemento f en S, denominado funcin cero de S, tal que se
cumple que f + f = f + f = f para toda f en S. Es decir:
( f f )( x h) ( f f )( x)
( f f )( x) lim
h 0
h
[ f ( x h) f ( x)] [ f ( x h) f ( x)]
lim
h 0
h
f ( x h) f ( x)
f ( x h) f ( x)
lim
lim
h 0
h 0
h
h
0 f ( x) f ( x) .
5.- Para todo f en S existe un elemento f en S, denominado opuesto de f, tal que
se cumple f + (-f) = (-f) + f = f. Es decir:
[ f ( f )]( x h) [ f ( f )]( x)
[ f ( f )]( x) lim
h 0
h
( f f )( x h) ( f f )( x)
lim
h 0
h
f ( x h) f ( x)
lim
f ( x )
h 0
h
6.- Si es cualquier escalar y f es cualquier elemento en S, entonces f est en
S. Es decir:
(f )( x h) (f )( x)
f ( x h) f ( x)
(f )( x) lim
lim
f ( x) S.
h 0
h 0
h
h
7.- Si f1, f2 estn en S y es un escalar, entonces (f1 + f2) = f1 + f2. Es decir:
[( f1 f 2 )]( x h) [( f1 f 2 )]( x)
[( f1 f 2 )]( x) lim
h 0
h
(f1 f 2 )( x h) (f1 f 2 )( x)
lim
h 0
h
[ f1( x h) f1( x)] [ f 2 ( x h) f 2 ( x)]
lim
h 0
h
( f1 f 2 )( x) lim
h 0
194
ESPACIOS VECTORIALES
f1( x h) f1( x)
f ( x h) f 2 ( x)
lim 2
h 0
h
h
f1( x) f 2 ( x) .
lim
h 0
0
h
h
(f )( x h) (f )( x)
f ( x h) f ( x)
lim
lim
() f ( x)
h0
h0
h
h
.
10.- Si f est en S y 1 es un escalar, 1f = f. Es decir:
(1 f )( x h) (1 f )( x)
f ( x h) f ( x)
(1 f )( x) lim
lim
f ( x) .
h 0
h 0
h
h
Como se prueban todos los axiomas, entonces S es un espacio vectorial.
EJEMPLO 5.1.5
Verifique que los conjuntos siguientes de funciones no son espacios vectoriales:
a.- El conjunto de todas las funciones f diferenciables en [0; 1] tales que f = f 1;
b.- El conjunto de todas las funciones f en [0; 2] con la propiedad que x f(x) en
0 x 2;
SOLUCION
a.- En este caso tenemos que S = {f F / f (x) = f(x) - 1, 0 x 1}. A
continuacin comprobamos los 10 axiomas de la definicin de espacio vectorial:
1.- Si f1, f2 estn en S, entonces f1 + f2 estn en S. Es decir:
(f1 + f2)(x) = f1(x) + f2(x) = [f1(x) 1] + [f2(x) 1] = (f1 + f2)(x) 2 S.
Como no se cumple el primer axioma, entonces S no tiene estructura de espacio
vectorial.
b.- En este caso tenemos que S = {f F / f(x) x, 0 x 2}. A continuacin
comprobamos los 10 axiomas de la definicin de espacio vectorial:
1.- Si f1, f2 estn en S, entonces f1 + f2 estn en S. Es decir:
(f1 + f2)(x) = f1(x) + f2(x) f1(x) + f2(x) = x + x = 2x S.
Como no se cumple el primer axioma, entonces S no tiene estructura de espacio
vectorial.
EJEMPLO 5.1.6
Determine cules de los conjuntos siguientes constituyen espacios vectoriales:
a.- S consiste en todas las soluciones de y - 8xy = 0, con la suma de funciones y la
multiplicacin de una funcin por un escalar usuales;
b.- V consta de todas las funciones reales y continuas definidas en [0; 1] tales que
1
ESPACIOS VECTORIALES
195
V f F / f ( x) dx 0, 0 x 1 . A
0
0 ( f1 f2 )( x) dx 0 f1 ( x) dx 0 f2 ( x) dx 0 0 0 S.
2.- Si f1, f2 estn en V, entonces f1 + f2 = f2 + f1. Es decir:
1
0 ( f1 f2 )( x) dx 0 f1 ( x) dx 0 f2 ( x) dx 0 f2 ( x) dx 0 f1 ( x) dx 0 0 0
3.- Si f1, f2, f3 estn en V, entonces f1 + (f2 + f3) = (f1 + f2) + f3. Es decir:
1
0 [ f1 ( f2 f3 )]( x) dx 0 f1 ( x) dx 0 ( f2 f3 )( x) dx
1
f1 ( x) dx f 2 ( x) dx f3 ( x) dx
1
( f1 f 2 )( x) dx f3 ( x) dx
1
[( f1 f 2 ) f3 ]( x) dx .
0
196
ESPACIOS VECTORIALES
0 ( f
f )( x) dx f ( x ) dx f ( x) dx f ( x) dx f ( x ) dx 0 0 0
.
5.- Para todo f en V existe un elemento f en V, denominado opuesto de f, tal
que se cumple f + (-f) = (-f) + f = f. Es decir:
1
0 [ f ( f )]( x) dx 0 f ( x) dx 0 ( f )( x) dx
1
f ( x) dx f ( x) dx 0 0 0 .
0 (f )( x) dx 0 f ( x) dx 0 f ( x) dx 0 0 S
7.- Si f1, f2 estn en V y es un escalar, entonces (f1 + f2) = f1 + f2. Es decir:
1
f1 ( x) dx f 2 ( x) dx 0 0 0
0 [( ) f ]( x) dx 0 (f f )( x) dx 0 f ( x) dx 0 f ( x) dx
1
f ( x) dx f ( x) dx 0 0 0
0 (f )( x) dx 0 (f )( x) dx 0 f ( x) dx 0 f ( x) dx () 0 0 .
10.- Si f est en V y 1 es un escalar, 1f = f. Es decir:
1
0 (1 f )( x) dx 1 0 f ( x) dx 0 f ( x) dx 0 .
Como se prueban todos los axiomas, entonces S es espacio vectorial.
PROBLEMAS
5.1.1 Demustrese que el conjunto compuesto solamente
por el nmero 0 es un espacio vectorial, con las reglas
habituales de la adicin y la multiplicacin de nmeros.
5.1.2 Sea Pm el conjunto de todos los polinomios con
coeficientes reales y de grado m. Demuestre que Pm es
un espacio vectorial, con la suma de polinomios y la
multiplicacin de un polinomio por un escalar usuales.
5.1.3 V consta de todas las funciones reales y continuas
definidas en 0; 1 tales que f(1) =1, con la suma de funciones y la multiplicacin de una funcin por un escalar
usuales. Muestre que V no es un espacio vectorial.
5.1.4 m consiste en todos los polinomios con coeficientes reales. Demuestre que m es un espacio vectorial, con la suma de polinomios y la multiplicacin de un
polinomio por un escalar usuales.
ALGEBRA LINEAL CON MATLAB
ESPACIOS VECTORIALES
197
.
c d 0 b
f.- El conjunto V del literal e). La suma definida por
a b e f a b
c d g h c d
y la multiplicacin escalar es la habitual.
g.- El conjunto V del literal e). La suma definida como
JOE GARCIA ARCOS
198
ESPACIOS VECTORIALES
a b e f e f
c d g h g h
y la multiplicacin escalar definida por
a b 0 0
.
c d 0 d
h.- El conjunto V del literal e). La suma definida por
b f
a b e f 0
0
c d g h c g
y la multiplicacin escalar por
a b a b
.
c d c d
0 f ( x)dx 0 ;
ESPACIOS VECTORIALES
199
200
ESPACIOS VECTORIALES
ESPACIOS VECTORIALES
201
SOLUCION
Se ve claramente que contiene a la funcin cero, de manera que es un conjunto
no vaco de funciones en [0; 1]. Si f y g estn en , entonces f + g y f son funciones diferenciables en [0; 1], y
(f + g) = f + g = f + g = (f + g), (f) = f = (f) = (f).
En consecuencia, es cerrado bajo la adicin y la multiplicacin por escalares.
Por lo tanto, es subespacio vectorial.
EJEMPLO 5.2.2
Demostrar que el conjunto S = A M(n x n) / A = AT de las matrices simtricas,
forman un subespacio vectorial del espacio de las matrices cuadradas de orden n.
SOLUCION
Sean A = AT, B = BT S. Entonces para escalares cualesquiera y tenemos:
(A + B)T = (A)T + (B)T = AT + BT = A + B S.
Si adems S, entonces:
(A + B)T = ( + )T = T + T = + = S.
Luego (A + B)T S, y por lo tanto S es un subespacio de M(n x n).
EJEMPLO 5.2.3
Sea el conjunto solucin de un sistema no homogneo AX = B, con las operaciones
usuales de adicin de matrices y multiplicacin por escalares. Demostrar que este
conjunto no es un subespacio vectorial.
SOLUCION
Supongamos que Y y Z son soluciones del sistema AX = B; es decir Y, Z n.
Entonces para escalares cualesquiera y , tenemos:
A(Y + Z) = A(Y) + A(Z) = (AY) + (AZ) = B + B = ( + )B B
Como (Y + Z) no es solucin del sistema, entonces no es un subespacio vectorial
de n.
EJEMPLO 5.2.4
Determine si los siguientes subconjuntos son subespacios de 3. En caso afirmativo,
prubelo, en caso contrario de una razn para la cual no sea un subespacio vectorial:
a.- S = {(a, b, c) / a + b 3 = 2c};
b.- S = {(a, b, c) / a + b = 4c};
c.- S = {(a, b, c) / a, b, c 0};
d.- S = {(a, b, c) / a2 + b2 + c2 = 1}.
SOLUCION
a.- Est claro que S es vaco, puesto que el vector (0, 0, 0) S. Adems el vector
ms general de S es de la forma (-b + 2c + 3, b, c), donde b y c son nmeros reales
cualesquiera. Sean los vectores (-x + 2y + 3, x, y) y (-u + 2v + 3, u, v) de S y sea k un
nmero real cualquiera. Entonces:
(-x + 2y + 3, x, y) + (-u + 2v + 3, u, v) = (-x u + 2y + 2v + 6, x + u, y + v) S,
k(-x + 2y + 3, x, y) = (-kx + 2ky + 3k, kx, ky) S.
Lo que prueba que S no es un subespacio vectorial.
b.- Est claro que S es no vaco, puesto que el vector (0, 0, 0) S. Adems el vector
ms general de S es de la forma (-b + 4c, b, c), donde b y c son nmeros reales
cualesquiera. Sean los vectores (-x + 4y, x, y) y (-u + 4v, u, v) de S y sea k un nmero
real cualquiera. Entonces:
(-x + 4y, x, y) + (-u + 4v, u, v) = (-x u + 4y + 4v, x + u, y + v) S,
k(-x + 4y, x, y) = (-kx + 4ky, kx, ky) S.
Lo que prueba que S es un subespacio vectorial.
c.- Est claro que S es no vaco cuando a = b = c = 0, puesto que el vector (0, 0, 0)
S, pero cuando a, b, c > 0, S es vaco puesto que el vector (0, 0, 0) S. Lo que
prueba que S no es un subespacio vectorial.
d.- Est claro que S es vaco, puesto que el vector (0, 0, 0) S. Lo que prueba que S
no es un subespacio vectorial.
ALGEBRA LINEAL CON MATLAB
202
ESPACIOS VECTORIALES
EJEMPLO 5.2.5
Explique si cada uno de los siguientes subconjuntos del espacio vectorial 3 son
subespacios vectoriales de l:
a.- S = {p(x) / a + b = 0;
b.- S = {p(x) / a = b = c = d};
c.- S = {p(x) / a = b = c = 0};
d.- S = {p(x) / p(-1) = p(1) = 0}.
SOLUCION
a.- Claramente se puede ver que S es no vaco, puesto que el polinomio 0x3 + 0x2 +
0x + 0 S. Como S 3, entonces p(x) = ax3 + bx2 + cx + d y como a = b, entonces
el polinomio ms general de S es de la forma p(x) = bx3 + bx2 + cx + d, donde b, c y d
son nmeros reales cualesquiera. Sean los polinomios q(x) = x3 + x2 + x + y
r(x) = mx3 + mx2 + nx + s de S y sea k un nmero real cualquiera. Entonces:
q(x) + r(x) = ( + m)x3 + ( + m)x2 + ( + n)x + ( + s) S,
kq(x) = k(x3 + x2 + x + ) = kx3 + kx2 + kx + k S.
Lo que prueba que S es un subespacio vectorial.
b.- Claramente se puede ver que S es no vaco, puesto que el polinomio 0x3 + 0x2 +
0x + 0 S. Como S 3, entonces p(x) = ax3 + bx2 + cx + d y como a = b = c = d,
entonces el polinomio ms general de S es de la forma p(x) = dx3 + dx2 + dx + d,
donde d es un nmero real cualesquiera. Sean los polinomios q(x) = x3 + x2 + x +
y r(x) = x3 + x2 + x + de S y sea k un nmero real cualquiera. Entonces:
q(x) + r(x) = ( + )x3 + ( + )x2 + ( + )x + ( + ) S,
kq(x) = k(x3 + x2 + x + ) = kx3 + kx2 + kx + k S.
Lo que prueba que S es un subespacio vectorial.
c.- Claramente se puede ver que S es no vaco, puesto que el polinomio 0x3 + 0x2 +
0x + 0 S. Como S 3, entonces p(x) = ax3 + bx2 + cx + d y como a = b = c = 0,
entonces el polinomio ms general de S es de la forma p(x) = 0x3 + 0x2 + 0x + d,
donde d es un nmero real cualesquiera. Sean los polinomios q(x) = 0x3 + 0x2 + 0x +
y r(x) = 0x3 + 0x2 + 0x + de S y sea k un nmero real cualquiera. Entonces:
q(x) + r(x) = (0 + 0)x3 + (0 + 0)x2 + (0 + 0)x + ( + )
= 0x3 + 0x2 + 0x + ( + ) S,
3
kq(x) = k(0x + 0x2 + 0x + ) = 0x3 + 0x2 + 0x + k S.
Lo que prueba que S es un subespacio vectorial.
d.- Como S 3, entonces
p(x) = ax3 + bx2 + cx + d y p(-1) = - a + b - c + d = 0, p(1) = a + b + c + d = 0.
Por lo tanto
a b c d 0
a b c d 0
Resolviendo este sistema, obtenemos lo siguiente:
1 1 1 1 0 1 1 1 1 0 1 1 1 1 0 1 0 1 0 0
1 1 1 1 0 0 2 0 2 0 0 1 0 1 0 0 1 0 1 0
donde a = -c y b = -d. El nuevo conjunto S = {p(x) / a = -c y b = -d}. Claramente se
puede ver que S es no vaco, puesto que el polinomio 0x3 + 0x2 + 0x + 0 S.
Adems el polinomio ms general de S es de la forma p(x) = - cx3 - dx2 + cx + d,
donde c y d son nmeros reales cualesquiera. Sean los polinomios q(x) = - x3 - x2
+ x + y r(x) = - mx3 - nx2 + mx + n de S y sea k un nmero real cualquiera.
Entonces:
q(x) + r(x) = - ( + m)x3 ( + n)x2 + ( + m)x + ( + n) S,
kq(x) = k(- x3 - x2 + x + ) = - kx3 - kx2 + kx + k S.
Lo que prueba que S es un subespacio vectorial.
EJEMPLO 5.2.6
Sea 1 el plano en el espacio 3 dado por la ecuacin a + 2b + c = 6. Cul es la
ecuacin del plano 2 que pasa por el origen y es paralelo a 1? Son 1 y 2
subespacios de 3?
ALGEBRA LINEAL CON MATLAB
ESPACIOS VECTORIALES
203
SOLUCION
Para que el plano 2 pase por el origen y sea paralelo al plano 1 es necesario y
suficiente que los coeficientes del plano 2 sean iguales a los de 1 y el trmino
independiente sea igual a cero; es decir 2 : a + 2b + c = 0. El plano 1 = {(a, b, c) / a
+ 2b + c = 6} no es un subespacio de 3 porque no contiene al elemento nulo
(0, 0, 0) 1. Para 2 = {(a, b, c) / a + 2b + c = 0}, est claro que 2 es no vaco,
puesto que el vector (0, 0, 0) 2. Adems el vector ms general de 2 es de la forma
(-2b c, b, c), donde b y c son nmeros reales cualesquiera. Sean los vectores
(-2x - y, x, y) y (-2u - v, u, v) de 2 y sea k un nmero real cualquiera. Entonces:
(-2x - y, x, y) + (-2u - v, u, v) = (-2x 2u y v, x + u, y + v) S;
k(-2x - y, x, y) = (-2kx - ky, kx, ky) S.
Lo que prueba que 2 es un subespacio vectorial.
PROBLEMAS
5.2.1 Sea 5 el espacio vectorial y considere el conjunto
U de todos los polinomios de la forma (x3 + x)p(x),
donde p(x) est en 2. U es un subespacio de 5?
5.2.2 Demuestre que los nicos subespacios de 2 son:
1. el propio 2;
2. el subespacio trivial que consiste nicamente del
vector cero (0, 0);
3. cualquier conjunto de vectores (x, y) representados por
flechas que estn a lo largo de una recta que pase por el
origen.
Esto es, dada cualquier recta que pase por el origen,
todos los vectores de 2 que puedan representarse como
vectores a lo largo de esta recta constituyen un subespacio de 2. Adems, cualquier subespacio distinto de 2 y
del subespacio trivial consiste en vectores a lo largo de
una recta que pasa por el origen.
5.2.3 Demuestre que los nicos subespacios de 3 son
los siguientes:
1. el propio 3;
2. el subespacio trivial que consiste solamente del vector
cero (0, 0, 0);
3. todos los vectores paralelos a una recta dada que pasa
por el origen;
4. todos los vectores que estn en un plano dado que
pasa por el origen.
5.2.4 En cada uno de los subconjuntos siguientes de
4, determnese si el subconjunto es un subespacio:
a.- W: todos los u = (a1, a2, a3, a4) tales que a1 = a2.
b.- U: todos los u tales que
a1 = a2 y a1 + a2 + a3 + a4 = 0.
c.- J: todos los u tales que a1 es racional.
d.- K: todos los u tales que a1 + a2 + a3 + a4 0.
e.- L: todos los u tales que x1 x22 .
f.- M: todos los u tales que, o bien a1 = a2, o bien
a3 = a4.
ALGEBRA LINEAL CON MATLAB
204
ESPACIOS VECTORIALES
ESPACIOS VECTORIALES
205
EJEMPLO 5.3.2
a.- Verifquese que el polinomio p(t) = t2 + 4t - 3 es una combinacin lineal de los
polinomios q(t) = t2 - 2t + 5, r(t) = 2t2 - 3t, s(t) = t + 3.
b.- Verifique si el vector v = (2, -5, 3) se puede expresar como combinacin lineal
de los vectores v1 = (1, -3, 2), v2 = (2, -4, -1), v3 = (1, -5, 7).
SOLUCION
a.- Segn la definicin, debemos resolver p(t) = aq(t) + br(t) + cs(t). Es decir
t2 + 4t 3 = a(t2 - 2t + 5) + b(2t2 3t) + c(t + 3)
Agrupando trminos semejantes, obtenemos
t2 + 4t 3 = (a + 2b)t2 + (-2a - 3b + c)t + (5a + 3c)
Establecemos el sistema de ecuaciones y resolvemos
a 2b 1
a 3
2a 3b c 4 b 2
5a 3c 3
c4
Por lo tanto
p(t) = - 3q(t) + 2r(t) + 4s(t).
b.- Segn la definicin, debemos resolver v = av1 + bv2 + cv3. Es decir
(2, -5, 3) = a(1, -3, 2) + b(2, -4, -1) + c(1, -5, 7)
Agrupando trminos semejantes, obtenemos
(2, -5, 3) = (a + 2b + c, -3a 4b 5c, 2a b + 7c)
Establecemos el sistema de ecuaciones y resolvemos
a 2b c 2
3a 4b 5c 5 .
2a b 7c 3
1 0
SOLUCION
Segn la definicin, debemos resolver A = aB + bC + cD + dE. Es decir
3 1
1 1 0 0 0 2
0 1
a
b
c
d
1 1
1 0 1 1 0 1
1 0
Agrupando trminos semejantes, obtenemos
a
a 2c d
3 1
1
a
d
bc
Establecemos el sistema de ecuaciones y resolvemos
a3
a3
a 2c d 1
b 2
c 1
b c 1
d 0
Por lo tanto A = 3B - 2C D.
EJEMPLO 5.3.4
Compruebe que el vector p(t) = t2 + 3t 2 se puede expresar como combinacin
lineal de los vectores q(t) = 3t2 + t - 4, r(t) = 2t 5, s(t) = 2t2 2t + 3.
206
ESPACIOS VECTORIALES
SOLUCION
Segn la definicin, debemos resolver p(t) = aq(t) + br(t) + cs(t). Es decir
t2 + 3t 2 = a(3t2 + t - 4) + b(2t 5) + c(2t2 2t + 3)
Agrupando trminos semejantes, obtenemos
t2 + 3t 2 = (3a + 2c)t2 + (a + 2b 2c)t + (- 4a - 5b + 3c)
Establecemos el sistema de ecuaciones y resolvemos
3a 2c 1
a 13 / 3
13
20
DEFINICION 5.3.3
Si S = {v1, v2, ..., vk} es un conjunto de vectores en un espacio vectorial
V, entonces el subespacio U de V que consta de todas las combinaciones
lineales de los vectores en S se denomina espacio generado por v1, v2, ...,
vk, y se dice que los vectores v1, v2, ..., vk generan a U. Para indicar que U
es el espacio generado por los vectores del conjunto S.
Fijemos el sistema de vectores u1, u2, ..., uk y dejemos que los coeficientes de las
ALGEBRA LINEAL CON MATLAB
ESPACIOS VECTORIALES
207
208
ESPACIOS VECTORIALES
DEFINICION 5.3.4
Dos sistemas de vectores S = {v1, v2, ..., vk} y S = {w1, w2, ..., wk} de un
espacio vectorial V, se dicen equivalentes, cuando ambos engendran el
mismo subespacio.
Es evidente que, para el conjunto de los sistemas finitos de vectores de un espacio
vectorial, la equivalencia recin definida es una relacin de equivalencia. De aqu
se desprende que si los subespacios generadores de dos sistemas de vectores coinciden, entonces los sistemas son equivalentes. As pues, los conjuntos generadores no son nicos.
TEOREMA 5.3.2
Si S = {v1, v2, ..., vk} y S= {w1, w2, ..., wk} son dos conjuntos de vectores
en un espacio vectorial V, entonces Span(S) = Span(S) si y slo si todo
vector en S es una combinacin lineal de los vectores en S y, recprocamente, todo vector en S es una combinacin lineal de los vectores en
S.
DEMOSTRACION
Los sistemas S y S son equivalentes, es decir, si Span(S) = Span(S), todo vector
de uno de estos subespacios, y en particular los vectores que le engendran
pertenecen al otro, es decir, depende linealmente de los vectores que engendran al
otro. Recprocamente, si todos los vectores del sistema S dependen linealmente de
los del sistema S, entonces, todo vector que depende linealmente de los vectores
de S tambin depende linealmente de los de S, es decir Span(S) Span(S), si
adems, tambin los vectores de S dependen linealmente de los de S, se
verificar que Span(S) Span(S).
EJEMPLO 5.3.5
Determine en caso de existir el subespacio generado por el conjunto de vectores
a.- S = {t2 + 3t 1, 2t2 + 1, 3t2 + t 1}; b.- S = {1- t2, t t2, 2 t t2}.
SOLUCION
a.- Dado at2 + bt + c un elemento de 2, debemos expresar este elemento como
combinacin lineal de los elementos de S. Es decir
at2 + bt + c = (t2 + 3t 1) + (2t2 + 1) + (3t2 + t 1)
Agrupando los trminos comunes, obtenemos
at2 + bt + c = ( + + 3)t2 + (3 + )t + (- + - )
Establecemos el sistema de ecuaciones
ALGEBRA LINEAL CON MATLAB
ESPACIOS VECTORIALES
209
3 a
3 b
c
0
3
8
3
a
b
3
0
1
b
0
3
8
3
a
1 1 1 c 0 2 2 a c 0 0 10 3a 2b 3c
0
1
1
b
0
1
1
b
0
1
1
b
.
2 1 1 c 0 1 1 2a c 0 0 0 2a b c
EJEMPLO 5.3.6
Hallar el menor subespacio de 3 en el que se encuentran los polinomios:
q(t) = 2t3 + 2t2 - 2t, r(t) = t3 + 2t2 - t + 5, s(t) = t3 + 2t2 - 6t - 6.
SOLUCION
Como q(t) + r(t) + s(t) = p(t), entonces
(2t3 + 2t2 - 2t) + (t3 + 2t2 - t + 5) + (t3 + 2t2 - 6t - 6) = at3 + bt2 + ct + d
2 1 1 a 2 1 1
a 2 1
1
a
a b
2 2 2 b 0 1 1 a b 0 1 1
2 1 6 c 0 0 5 a c 0 0 5
ac
0 5 6 d 0 5 6 d 0 0 11 5a 5b d
2 1 1
ab
0 1 1
0 0 5
ac
210
ESPACIOS VECTORIALES
2 2 b
2 2 c
b 0 2 2
b
0 2 2 b 0 2 2
1 2
2 c 0 2 2 a c 0 0 0 a b c
b
c
1 1 0 b 0 0 1 b a 0 0 1 b a
1 0 0 c 0 1 1 c a 0 1 0 c b
Podemos ver que no existe condicin restrictiva para que el vector v sea combinacin
lineal de los vectores v1, v2, v3. Por lo tanto no existe subespacio propio de 3.
EJEMPLO 5.3.9
Hallar el menor subespacio del subespacio solucin S del sistema
homogneo:
a 2b 2c 2d e 0
a 2b c 3d 2e 0 .
2a 4b 7c d e 0
SOLUCION
Resolvemos el sistema de ecuaciones homogneas:
1 2 2 2 1 0 1 2 2 2 1 0 1 2 2
1 2 1 3 2 0 0 0 1 1 1 0 0 0 1
2 4 7 1 1 0 0 0 3 3 1 0 0 0 0
de ecuaciones
2 1 0
1 1 0
0 2 0
ESPACIOS VECTORIALES
211
EJEMPLO 5.3.10
a.- Demustrese que si U es un subconjunto de V, entonces Span(U) es un
subespacio de V.
b.- Demostrar que Span(U) es el menor subespacio que contiene a U, si W es un
subespacio de V y si U W, entonces Span(U) W.
SOLUCION
a.- Sabemos por hiptesis que U V y que U Span(U). El Span(U) es el
subespacio generado por todas las combinaciones lineales de U, si U es subconjunto
de V, entonces sus elementos cumplen con los axiomas del espacio vectorial V. Por
lo tanto, el subespacio generado por U tambin cumple dichos axiomas, por lo cual
el Span(U) es un subespacio de V.
b.- Si U genera un subespacio, ste es el resultado de todas las combinaciones
lineales posibles a partir de U, si no se tomaran todas las combinaciones lineales
posibles para generar el Span(U), ste no heredara los axiomas del espacio vectorial,
y por tanto solamente sera un conjunto contenido en el espacio vectorial. En
consecuencia, Span(U) es el menor subespacio de V que puede contener a U.
Adems, si el conjunto U est contenido en un subespacio W del espacio vectorial V,
este subespacio W contiene al Span(U). En un caso muy particular, W puede ser
igual al Span(U), debido a que el Span(U) es el menor subespacio que puede ser
generado por el conjunto U en el espacio vectorial V.
EJEMPLO 5.3.11
Describir el subespacio generado por los sistemas de vectores siguientes:
a.- S = {(1, 0, 0, 0, 0), (0, 0, 1, 0, 0), (0, 0, 0, 0, 1)};
b.- S = {(1, 0, 0, 0, 1), (0, 1, 0, 1, 0), (0, 0, 1, 0, 0)};
c.- S = {(1, 0, 0, 0, -1), (0, 1, 0, 0, -1), (0, 0, 1, 0, -1), (0, 0, 0, 1, -1)}.
SOLUCION
a.- Dado (a, b, c, d, e) un elemento de 5, debemos expresar este elemento como
combinacin lineal de los elementos de S. Es decir
(a, b, c, d, e) = (1, 0, 0, 0, 0) + (0, 0, 1, 0, 0) + (0, 0, 0, 0, 1).
Formamos la matriz aumentada del sistema generado por la combinacin lineal:
1 0 0 a
0 0 0 b
0 1 0 c .
0 0 0 d
0 0 1 e
b 0 1 0
b
0 1 0 b 0 1 0
0 0 1 c 0 0 1
c 0 0 1
c .
d 0 0 0 b d
0 1 0 d 0 1 0
1 0 0 e 0 0 0 a e 0 0 0 a e
212
ESPACIOS VECTORIALES
+ (0, 0, 0, 1, -1)
Formamos la matriz aumentada del sistema generado por la combinacin lineal:
1 0 0 0 a 1 0 0 0
a 1 0 0 0
a
b 0 1 0 0
b
0 1 0 0 b 0 1 0 0
0 0 1 0 c 0 0 1 0
c 0 0 1 0
c
d 0 0 0 1
d
0 0 0 1 d 0 0 0 1
1 1 1 1 e 0 1 1 1 a e 0 0 1 1 a b e
0
0
0
0
0
1
0
0
0
0 0
a
1
0 0
b
0
0
1 0
c
0 1
d
0
0 1 a b c e 0
0
1
0
0
0
0
0
1
0
0
0
a
0
b
.
0
c
1
d
0 a b c d e
PROBLEMAS
5.3.1 Pruebe que S = {(1, 1, 0), (1, 0, 1), (0, 1, 1)} es una
base, demostrando que Span(S) contiene a (1, 0, 0), (0, 1,
0) y (0, 0, 1). Por qu basta esto?
5.3.2 Los nmeros reales forman un espacio vectorial
sobre los racionales. Demuestre que {1, 2} y
{1 2,1 2} generan al mismo subespacio.
5.3.5 Sean S = {(1, 0, -2), (0, 3, 6), (-4, -2, 3)} y u = (4, 1,
-4) y sea W = Span(S):
a.- Est u en S? Cuntos vectores hay en S?;
b.- Est u en W? Cuntos vectores hay en W?
c.- Demuestre que (1, 0, -2) est en W.
5.3.6 Determine el menor subespacio de las matrices de 3
x 3 que contenga todas las matrices simtricas y todas las
matrices triangulares inferiores. Cul es el mayor
subespacio contenido en ambos subespacios?
5.3.7 Demuestre que los sistemas de vectores S1 = {(1, 6,
4), (2, 4, -1), (-1, 2, 5)} y S2 = {(1, -2, -5), (0, 8, 9)}
generan el mismo subespacio de 3.
ESPACIOS VECTORIALES
213
1 0 0 1 0 1 0 0 1 0 .
ad 0
b 2c 0
0 1 2 0 0 0 0 0 1 0
ab
1 2 1 b 0 1 0 a b 0 1 0
1 2 2 c 0 1 1 a c 0 0 1
bc
d
d 0 0 2
0 0 2 d 0 0 2
0 0 1 3a 3b e
0 3 1 e 0 3 1
e
214
ESPACIOS VECTORIALES
1 1
0 1
0 0
0 0
0 0
1
a
0
ab
.
1
bc
0
2b 2c d
0 3a 4b c e
Por lo tanto
Span(U) = {(a, b, c, d, e) / 3a + 4b c e = 0,
1 1 1 a 1 1 1
a 1
2 1 1 b 0 1 1 2a b 0
3 3 2 c 0 0 1 3a c 0
d 0
0 2 2 d 0 2 2
2 4 5 e 0 2 3 2a e 0
0
0
0
0
1
1
0
0
0
2b 2c + d = 0}.
1 1
a
1 1
2a b
0 1
3a c
0 0 4a 2b d
0 1 6a 2b e
1
a
1
2a b
1
3a c
0 4a 2b d
0 9a 2b c e
Por lo tanto
Span(W) = {(a, b, c, d, e) / 4a + 2b d = 0, 9a + 2b + c e = 0}.
Luego, para encontrar la interseccin entre estos subespacios debemos resolver el
sistema de ecuaciones homogneas, que resulta de las condiciones restrictivas de
cada uno de estos subespacios:
3 4 1 0 1 0 3
4 1 0 1 0
3a 4b c e 0
2b 2c d 0
2 2 1 0 0
0 2 2 1 0 0 0
4 2 0 1 0 0 0 10 4 3 4 0
4a 2b d 0
9a 2b c e 0
9 2 1 0 1 0 0 10 4 0 2 0
3 4 1 0 1 0 3 4 1 0 1 0
0 2 2 1 0 0 0 2 2 1 0 0
0 0 6 2 4 0 0 0 6 2 4 0
0 0 6 5 2 0 0 0 0 3 2 0
Por lo tanto
Span(U W) = {(a, b, c, d, e) / a = -d/2, b = 5d/6, c = 4d/3, e = 3d/2}.
EJEMPLO 5.4.3
El conjunto U de todas las ternas de 3 cuya primera coordenada es 0 es subespacio
de 3, como tambin lo es el conjunto W de todas las ternas (a, b, c) en donde la
primera componente es igual a la segunda componente. Demuestre que U W es
subespacio de 3.
SOLUCION
Por el ejemplo anterior, el conjunto U W es subespacio de 3; U W consta de
todas las termas (0, 0, c) en las que c es arbitrario.
Sean U, W subconjuntos, no necesariamente subespacios, de un espacio vectorial V.
Denotaremos por U + W el conjunto de todos los vectores v de V que se pueden
expresar como suma de un vector de U y de un vector de W. Por lo tanto, v estar en
U + W exactamente cuando existan un vector u de U y un vector w en W tales que
v = u + w. El conjunto U + W se denomina suma de los conjuntos U y W.
ESPACIOS VECTORIALES
215
DEFINICION 5.4.2
Dados un subespacio vectorial S, sobre un cuerpo K, y dos subespacios suyos U y W, se denominan suma de dichos subespacios, y se representa por
U + W, al conjunto de todos los vectores de S que pueden expresarse como
suma de un vector de U y otro de W.
Obsrvese que, tanto la interseccin como la suma de subespacios siempre son
conjuntos no vacos, ya que les pertenece a ciencia cierta el vector nulo del espacio
vectorial V.
TEOREMA 5.4.2
Como U + W es subespacio de S, entonces el subespacio U + W contiene
tanto a U como a W. Adems, si S es tambin subespacio de V que
contenga tanto a U como a W, entonces S tambin contiene a U + W. Por
lo tanto, U + W es el menor de los subespacios de S que contienen tanto a
U como a W; es decir, U + W = Span(U W). Adems si U y W son
subespacios de S, entonces U + W es un subespacio de S.
DEMOSTRACION
Puesto que U y W, el elemento neutro pertenece a la suma, ya que
= + U + W.
Por otra parte, si suponemos que
u1 + w1 U + W y u2 + w2 U + W,
debe verificarse que
(u1 + w1) + (u2 + w2) = (u1 + u2) + (w1 + w2) U + W
y
a(u1 + w1) = au1 + aw1 U + W,
cuyas dos condiciones justifican que U + W es un subespacio vectorial de V. Dado
que U, W U + W. De igual modo, U U + W. Ya que U + W es un
subespacio que contiene a U W, Span(U W) U + W. Para cualquier v U +
W, v se puede escribir en la forma v = u + w donde u U y w W. Entonces u U
Span(U W) y w W Span(U W). Como Span(U W) es un subespacio,
v = u + w Span(U + W). De donde U + W = Span(U + W).
En 2, supongamos que en U slo est el vector u = OQ, y sea W el conjunto de
todos los vectores OP desde el origen O hasta un punto P situado en el segmento de
recta AB. Entonces, U + W consta de todos los vectores OR = OQ + OP, donde Q es
fijo y P vara en el segmento AB. En consecuencia, U + W corresponde al segmento
de recta CD que se obtiene de AB al trasladar cada punto en el vector u; en particular, AC = u, BD = u.
En 3 sean u, v vectores no nulos, ninguno de ellos mltiplo escalar del otro. Supongamos que U es el conjunto de todos los mltiplos escalares de u y que W es el conjunto de todos los mltiplos escalares v. Entonces, U + W consta de todos los vectores au + bv. Aqu, U corresponde a la recta L1 que pasa por O, W a la recta L2 que
pasa por O, y U + W a un plano que tambin pasa por O y contiene a L1 y a L2.
Indiquemos, finalmente, las propiedades siguientes de la suma de subespacios, que
se desprenden directamente de la definicin:
1.- U + W = W + U;
2.- U + (W + V) = (U + W) + V;
3.- Si U est contenido en un subespacio W, se tiene U + W = W.
EJEMPLO 5.4.4
Si U y W son subespacios de un espacio vectorial V, se define U + W como el
conjunto de vectores de V que pueden escribirse como suma de uno de U ms otro
ALGEBRA LINEAL CON MATLAB
216
ESPACIOS VECTORIALES
0 2 1 0 0 2 1 0
0 1 0 1 0 0 1 2
0 2 1 0 0 0 0 0
1 0 0 1 0 0 0 1
Por lo tanto
Base(U + W) = {(1, 0, 0, 0), (0, 2, 1, 0), (0, 0, 1, 2), (0, 0, 0, -1)}.
Como Dim(U + W) = 4, entonces U + W = 4.
EJEMPLO 5.4.6
Sean
U = {(1, -1, -1, 0, 0), (1, -2, -2, 0, -3), (1, -1, -2, -2, 1)}
y
W = {(1, -2, -3, 0, -2), (1, -1, -3, 2, -4), (1, -1, -2, 2, -5)}
subespacios de 5. Hallar U + W.
SOLUCION
Para encontrar el subespacio U + W, debemos construir una matriz cuyas filas sean
los elementos de los conjuntos U y W, y luego procedemos a eliminar filas mediante
operaciones elementales. Las filas no nulas formarn la base de U + W:
1 1 1 0 0 1 1 1 0 0 1 1 1 0 0
1 2 2 0 3 0 1 3 0 3 0 1 3 0 3
1 1 2 2 1 0 0 3 2 1 0 0 3 2 1
1 2 3 0 2 0 1 4 0 2 0 0 1 0 1
1 1 3 2 4 0 0 4 2 4 0 0 4 2 4
1 1 2 2 5 0 0 3 2 5 0 0 3 2 5
ESPACIOS VECTORIALES
217
1 1
0 1
0 0
0 0
0 0
0 0
1
3
3
0
0
0
0 0 1 1
0 3 0 1
2 1 0 0
1 1 0 0
7 8 0 0
2 3 0 0
1
3
3
0
0
0
0 0
0 3
2 1
1 1
0 1
0 0
Por lo tanto:
Base(U + W) = {(1, -1, 1, 0, 0), (0, 1, 3, 0, 3), (0, 0, 3, 2, -1), (0, 0, 0, 1, 1),
(0, 0, 0, 0, 1)}.
5
Como Dim(U + W) = 5, entonces U + W = .
EJEMPLO 5.4.7
Sea W el conjunto de todos los vectores de la forma (r, 2r t, r + t, t) de 4, donde
r, t son arbitrarios. Sea U el conjunto de todos los vectores de la forma (2a + 2b, b, b, 3a + 2b), donde a, b son arbitrarios:
a.- Compruebe que U + W es el conjunto de todos los vectores de la forma (u + 2w,
2u v, u + v, v + 3w);
b.- Compruebe que U, W y U + W son subespacios de 4;
c.- Encuntrese U W.
SOLUCION
a.- Encontramos las bases de W y U respectivamente:
(r, 2r t, r + t, t) = r(1, 2, 1, 0) + t(0, -1, 1, 1)
BaseW = {(1, 2, 1, 0), (0, -1, 1, 1)},
(2a + 2b, b, -b, 3a + 2b) = a(2, 0, 0, 3) + b(2, 1, -1, 2)
BaseU = {(2, 0, 0, 3), (2, 1, -1, 2)}.
A continuacin encontramos una base para el subespacio U + W:
1 2 1 0 1 2 1 0 1 2 1 0 1 2 1 0
0 1 1 1 0 1 1 1 0 1 1 1 0 1 1 1 .
2 0 0 3 0 4 2 3 0 0 6 1 0 0 6 1
2 1 1 2 0 3 3 2 0 0 6 1 0 0 0 0
De esta manera podemos decir que la base de U + W es:
Base(U + W) = {(1, 2, 1, 0), (0, -1, 1, 1), (2, 0, 0, 3)}.
Esta base es exactamente la misma que genera el subespacio U + W dada:
(u + 2w, 2u v, u + v, v + 3w) = u(1, 2, 1, 0) + v(0, -1, 1, 1) + w(2, 0, 0, 3)
Base(U + W) = {(1, 2, 1, 0), (0, -1, 1, 1), (2, 0, 0, 3)}.
Con esto queda demostrado el inciso a).
b.- Por el inciso a), U, W y U + W tienen estructura de subespacio vectorial de 4,
por cuanto cada uno de ellos generan su propia base.
c.- En el inciso a) nos podemos dar cuenta que en la matriz se anula una fila, por
lo tanto la base del subespacio interseccin U W es:
Base(U W) = {(2, 1, -1, 2)}.
EJEMPLO 5.4.8
Hallar U + W y U W dados los siguientes sistemas:
a.- U = {(0, 1, 1, 1), (1, 1, 1, 2), (-2, 0, 1, 1)} y W = {(-1, 3, 2, -1), (1, 1, 0, -1)}.
b.- U = {(2, -5, 3, 4), (1, 2, 0, -7), (3, -6, 2, 5)} y W = {(2, 0, -4, 6), (1, 1, 1, 1),
(3, 3, 1, 5)}.
SOLUCION
a.- Debemos construir una matriz cuyas filas sean los elementos de los conjuntos U
y W, y luego procedemos a eliminar filas mediante operaciones elementales. Las
filas no nulas formarn la base de U + W:
218
ESPACIOS VECTORIALES
0 1 1 1 0 1 1 1 0 1 1 1 0 1 1 1
1 1 1 2 0 0 1 3 0 0 1 3 0 0 1 3
2 0 1 1 0 2 1 1 0 0 1 3 0 0 0 0
1 3 2 1 0 4 2 2 0 0 2 6 0 0 0 0
1 1 0 1 1 1 0 1 1 1 0 1 1 1 0 1
Por lo tanto:
Base(U + W) = {(0, 1, 1, 1), (0, 0, -1, -3), (1, 1, 0, -1)}.
Para encontrar el subespacio U + W, debemos hallar el subespacio generado con
respecto a la base encontrada:
0 0 1 a 1 0 1 b 1 0 1
b
a
1 0 1 b 0 0 1 a 0 0 1
1 1 0 c 1 1 0 c 0 1 1 b c
1 3 1 d 1 3 1 d 0 3 2 b d
1
0
0
0
0
1
0
1
b
1 0
1
a
0 0
1
b c 0 1
1 2b 3c d 0 0
1
b
1
a
.
1
bc
0 a 2b 3c d
Por lo tanto
Span(U + W) = {(a, b, c, d) / a 2b + 3c d = 0}.
Podemos observar que (-2, 0, 1, 1) y (-1, 3, 2, -1) son los vectores que se eliminaron
al encontrar la base de U + W, entonces estos elementos forman la base de U W.
Para encontrar el subespacio U W, debemos hallar el subespacio generado con
respecto a la base encontrada:
2 1 a 2 1
a 2 1
a
0
3
b
0
3
b
0
3
b
.
1 2 c 0 3 a 2 c 0 0 a b 2c
1 1 d 0 3 a 2d 0 0 a b 2d
Por lo tanto Span(U W ) = {(a, b, c, d) / a b + 2c = 0, a + b + 2d = 0}.
b.- Debemos construir una matriz cuyas filas sean los elementos de los conjuntos U
y W, y luego procedemos a eliminar filas mediante operaciones elementales. Las
filas no nulas formarn la base de U + W:
2 5 3 4 2 5 3 4 2 5 3 4
1 2 0 7 0 3 1 6 0 3 1 6
3 6 2 5 0 3 5 2 0 0 1 1
2 0 4 6 0 5 7 2 0 0 4 9
1 1 1 1 0 7 1 2 0 0 1 9
5 0 21 7 2 0 0 0 1
3 3 1
2 5 3 4 2 5 3 4
0 3 1 6 0 3 1 6
0 0 1 1 0 0 1 1
0 0 0 1 0 0 0 1
0 0 0 1 0 0 0 0
0 0 0 1 0 0 0 0
Por lo tanto:
Base(U + W) = {(2, -5, 3, 4), (0, -3, 1, 6), (0, 0, -1, 1), (0, 0, 0, 1)}.
Como Dim(U + W) = 4, entonces el subespacio U + W = 4. Podemos observar que
(1, 1, 1, 1) y (3, 3, 1, 5) son los vectores que se eliminaron al encontrar la base de
ALGEBRA LINEAL CON MATLAB
ESPACIOS VECTORIALES
219
a b
1 3 b 0 0 a b 0 0
.
1 1 c 0 2 a c 0 2
ac
1 5 d 0 2 a d 0 0 2a c d
Por lo tanto
Span(U W ) = {(a, b, c, d) / a b = 0, 2a c d = 0}.
DEFINICION 5.4.3
Sean U y W subconjuntos del espacio vectorial V y sea S el conjunto compuesto por todos los vectores v de V que estn en U, en W o en ambos. El
conjunto S se llama unin de U y W. La unin la denotamos por , y ponemos S = U W.
Se puede deducir que U + W contiene a U W, y que es el menor de los subespacios que contienen a U W. En general, U + W es un conjunto mucho mayor que
U W. Esto sirve para observar que, en contraste con la interseccin, la unin de
dos subespacios no es necesariamente otro subespacio. Aquellos casos en los cuales
U W = {} merecen atencin especial. Si U W = {}, se dice que la suma
U + W es directa: U + W es una suma directa de U y W.
Dados un espacio vectorial V y los subespacios suyos, U y W se dice que su suma,
U + W es suma directa, y se representa como U W, si todo vector de dicha suma
puede expresarse de manera nica como suma de vectores de los espacios sumandos.
Los subespacios U1, U2, ..., Un, del espacio vectorial V, son independientes si, y slo
si, la descomposicin del vector cero en suma de vectores de dichos subespacios es
nica. Si en un espacio vectorial V, varios subespacios son independientes, entonces
son disjuntos dos a dos.
Es muy importante observar que la proposicin recproca, en general, no es cierta; es
decir, el slo hecho de ser unos subespacios disjuntos dos a dos no implica forzosamente que ellos sean independientes. Como consecuencia de esta afirmacin, podemos establecer que dos subespacios U y W son independientes si, y slo si, son
disjuntos.
TEOREMA 5.4.3
Demuestre que el espacio vectorial V es la suma directa de los subespacios
U y W si y solamente si se verifica que V = U + W y U W = {}.
DEMOSTRACION
Si se acepta que V = U W, para todo v V puede expresarse de una sola manera
en la forma v = u + w, con u U y w W, en cuyo caso particular se verifica que
V = U + W. Si suponemos que v U W, debe ocurrir que
v = v + , en donde v U y W;
v = + v, en donde U y v W;
pero al no ser posible nada ms que de una sola forma la descomposicin anterior, ha
de verificarse que v = y, por tanto, U W = {}. Recprocamente, vamos a
probar que si se cumplen las condiciones del problema, se trata de una suma directa,
lo que exige demostrar que la suma v = u + w es nica. Si existe otra posible
descomposicin, tal como v = u1 + w1, con u1 U y w1 W, se tiene que u + w = u1
+ w1, de donde, u u1 = w1 - w; pero como u u1 U y w1 - w W y por hiptesis
U W = {}, debe ocurrir que u u1 = w1 - w = , de donde u = u1 y w = w1.
ALGEBRA LINEAL CON MATLAB
220
ESPACIOS VECTORIALES
TEOREMA 5.4.4
Los subespacios U1, U2, ..., Un, del espacio vectorial V, son independientes
si, y slo si, la descomposicin del vector cero en suma de vectores de
dichos subespacios es nica.
DEMOSTRACION
Para demostrar este teorema basta con cerciorarse de que los subespacios U1, U2, ...,
Un, son independientes, pues con repetir la demostracin un nmero finito de veces
se prueban todos los casos que se pueden presentar. Supngase que U1, U2, ..., Un, no
fuesen independientes, es decir, que un cierto vector u de su suma admitiese dos
descomposiciones distintas como suma de vectores de los subespacios sumandos
u = u1 + u2 + ... + un y u = v1 + v2 + ... + vn, con ui, vi Ui y siendo uj vj para
algunos ndices j, entonces, tomando un vector cualquiera u U1, el vector v = u1 +
u pertenece a la suma U1 + U2 + ... + Un y sera expresable, como suma de vectores
de U1, U2, ..., Un, de dos formas distintas, u = u1 + u2 + ... + un y u = v1 + v2 + ... + vn,
lo cual no es posible, pues estos subespacios son independientes; esta imposibilidad
obliga a rechazar el supuesto de ser U1 + U2 + ... + Un no independientes, es decir, la
proposicin es verdadera.
TEOREMA 5.4.5
Si en un espacio vectorial V, varios subespacios son independientes,
entonces son disjuntos dos a dos.
DEMOSTRACION
Si dos de los subespacios, Ui y Uj, con i j, no fuesen disjuntos, es decir, si existe v
que pertenece a ambos, todo vector u = u1 + u2 + ... + un de la suma podra
expresarse tambin en la forma u = u1 + ... + (ui + v) + ... + (uj + v) + ... + un, como
suma de vectores de los subespacios sumandos, distinta de la de partida, lo cual no es
posible, ya que dichos subespacios son independientes.
Es muy importante observar que la proposicin recproca, en general, no es cierta; es
decir, el slo hecho de ser unos subespacios disjuntos dos a dos no implica
forzosamente que ellos sean independientes. Como consecuencia de este teorema,
podemos establecer que dos subespacios U y W son independientes si, y slo si, son
disjuntos.
EJEMPLO 5.4.9
Si S1 genera a U y S2 genera a W, entonces S1 S2 genera a U + W.
SOLUCION
Dado que U, W U + W. De igual modo, U U + W. Ya que U + W es un
subespacio que contiene a U W, Span(U W) U + W. Para cualquier u U +
W, u se puede escribir en la forma u = v + w donde v U y w W. Entonces v U
Span(U W) y w W Span(U W). Como Span(U W) es un subespacio,
u = v + w Span(U W). De donde U + W = Span(U W).
La segunda parte de la demostracin se deduce ahora directamente. U = Span(S1)
Span(S1 S2) y W = Span(S2) Span(S1 S2), de manera que U W Span(S1
S2) Span(U W) y, por lo tanto, Span(U W) = Span(S1 S2).
EJEMPLO 5.4.10
Sean U, W y S subespacios de un espacio vectorial V:
a.- Prubese que U + W = Span(U W), es decir que U + W es el menor
subespacio que contiene a U W.
b.- Prubese que U S, entonces S (U + W) = U + (S W).
SOLUCION
a.- Como U y W estn ambos contenidos en U + W se tiene que U W U +
W. Supongamos que U es un subespacio que contiene a U W. Para todo elemento
u de U + W existen v U y w W con u = v + w. El elemento u es una suma de
ALGEBRA LINEAL CON MATLAB
ESPACIOS VECTORIALES
221
222
ESPACIOS VECTORIALES
PROBLEMAS
5.4.1 Suponga que U1, U2 y U3 son subespacios de V,
entonces:
a.- Demustrese que (U1 U3) + (U2 U3) (U1 + U2)
U3;
b.- D un ejemplo en 2, de tal forma que se cumpla el
inciso anterior.
f ( x) dx ; W: todas las
f ( x) dx .
ESPACIOS VECTORIALES
223
224
ESPACIOS VECTORIALES
ESPACIOS VECTORIALES
225
binacin lineal de los otros dos. Geomtricamente, esto equivale a decir que ninguno de los vectores est en el mismo plano que los otros dos o, de otro modo,
que los tres vectores no estn en un plano comn cuando se colocan con sus puntos iniciales en el origen.
TEOREMA 5.5.5
Sea S un subconjunto de un espacio vectorial V, y suponga que S contiene a dos o ms elementos. Entonces, S es linealmente dependiente si, y
slo si, hay un subconjunto propio S de S con la propiedad de que
Span(S) = Span(S).
DEMOSTRACION
Suponga que existe ese subconjunto S. Entonces, debe haber un vector u que est
en S sin estar en S. Ahora bien, u est en Span(S) y, como Span(S) = Span(S), u
tambin est en Span(S). Por lo tanto, u = a1u1 + a2u2 + ... + akuk, donde u1, u2, ...,
uk estn en S. Por lo tanto, los ui estn en S y son diferentes de u. Pero, entonces,
a1u1 + a2u2 + ... + akuk + (-1)u = y concluimos que S es linealmente dependiente.
A continuacin, sea S un conjunto linealmente dependiente. Entonces, existen
vectores u1, u2, ..., uk en S tales que a1u1 + a2u2 + ... + akuk = donde no todos los
coeficientes son cero; supongamos que a1 0. Entonces, podemos expresar u1
como combinacin lineal de u2, ..., uk. Por lo tanto, podemos expresar toda combinacin lineal de elementos de S como una combinacin lineal as, sin usar a u1.
Por lo tanto, si tomamos a S como S sin el vector u1, entonces Span(S) =
Span(S), y S es subconjunto propio de S.
El siguiente teorema muestra que un conjunto linealmente independiente en n
puede contener cuando mucho n vectores.
TEOREMA 5.5.6
Sea S = {v1, v2, ..., vk} un conjunto de vectores en n. Si k > n, entonces S
es linealmente dependiente.
DEMOSTRACION
Se supone que
v1 (a11 , a1 2 , ..., a1 n )
v2 (a21 , a2 2 , ..., a2 n )
v (a , a , ..., a )
k1 k 2
kn
k
Considrese la ecuacin b1v1 + b2v2 + ... + bkvk = . Si reemplazamos los vectores
anteriormente definidos en la ecuacin, ambos miembros de esta se expresan en
trminos de las componentes
b1(a11, ..., a1n) + b2(a21, ..., a2n) + ... + bk(ak1, ..., akn) = (0, 0, ..., 0)
y despus se igualan las componentes correspondientes, se obtiene el sistema
a11b1 a21b2 ak1bk 0
a b a b a b 0
12 1 22 2
k2 k
a1n b1 a2 n b2 ak n bk 0
Este es un sistema homogneo de n ecuaciones en k incgnitas b1, b2, ..., bk. Como
k > n, se concluye que el sistema tiene soluciones no triviales. Por consiguiente, S
es un conjunto linealmente dependiente.
Este teorema establece que un conjunto en 2 con ms de dos vectores es linealmente dependiente, y que un conjunto 3 con ms de tres vectores es linealmente
dependiente.
ALGEBRA LINEAL CON MATLAB
226
ESPACIOS VECTORIALES
EJEMPLO 5.5.1
Mostrar que cualesquiera que sean los vectores u, v, w y los nmeros a, b, c el
sistema de vectores {au - bv, cv - aw, bw - cu} es linealmente dependiente.
SOLUCION
Hacemos la combinacin lineal con el vector nulo:
= (au - bv) + (cv - aw) + (- cu + bw)
= (a - c)u + (- b + c)v + (- a + b)w
Establecemos un sistema de ecuaciones homogneas:
a
0 c
a c 0
0 0
b c 0 b c
a b 0
0 a b
0 0 1 1 0
0
0 0 1
0 1 1 0 0
0
0 1 1
0 1 1 0 0
0
0 1 1
ESPACIOS VECTORIALES
227
b.- {(1, 1, 1, 1), (1, -1, -1, 1), (1, -1, 1, -1), (1, 1, -1, -1)}.
SOLUCION
a.- En este caso formamos una matriz, donde sus filas son los elementos del sistema
dado y luego procedemos a calcular el rango de dicha matriz:
i
2 i 3 i 1 i 2 i 3 i
1
.
0
0
1 i 1 i 1 3i 4 2i 0 0
Como el rango de la matriz es igual a 1, entonces el sistema es linealmente
dependiente.
b.- Para verificar si el sistema dado es linealmente dependiente o no, formamos un
determinante con sus elementos:
1 1 1 1
1 1 1 1
0.
1 1 1 1
1 1 1 1
Como el determinante es diferente de cero, entonces el sistema es linealmente
independiente.
EJEMPLO 5.5.4
Sean a, b, c distintos nmeros reales. Ser linealmente dependiente el siguiente
sistema de polinomios {(x - a)(x - b), (x - a)(x - c), (x - b)(x - c)}?
SOLUICION
Hacemos la combinacin lineal con el vector nulo:
= (x a)(x b) + (x a)(x c) + (x b)(x c)
0x2 + 0x + 0 = ( + + )x2 + [-(a + b) - (a + c) - (b + c)]x + (ab + ac + bc).
Establecemos un sistema de ecuaciones homogneas:
0
1
1
1
(a b) (a c) (b c) 0 a b a c b c (a b)(a c)(c b) .
ab
ac
bc
ab ac bc 0
228
ESPACIOS VECTORIALES
f 2( n 1)
f n( n 1)
se llama wronskiano de f1, f2, ..., fn. Supngase, por el momento, que f1, f2, ..., fn
son vectores linealmente dependientes en (n-1)(-; ). Entonces existen escalares
a1, a2, ..., an, no todos iguales a cero, tales que a1f1 + a2f2 + + anfn = para
toda x en el intervalo (-, ). Al combinar esta ecuacin con las ecuaciones obtenidas al derivar sucesivamente n - 1 veces, se obtiene
a1 f1 a2 f 2 an f n 0
a f a f a f 0
n n
1 1 2 2
a f ( n 1) a f ( n 1) a f ( n 1) 0
2 2
n n
1 1
As, la dependencia lineal de f1, f2, ..., fn indica que el sistema lineal
ESPACIOS VECTORIALES
229
f2
f n a1 0
f1
f 2
f n a2 0
f 1
0
( n 1)
f
f 2( n 1)
f n( n 1) an 0
1
tiene una solucin no trivial para toda x en el intervalo (-, ). Esto a su vez
significa que para toda x en (-, ) la matriz de coeficientes es singular o, de
manera equivalente, que su determinante es cero para toda x en (-, ). Por tanto,
si el wronskiano no es idnticamente cero sobre (-, ), entonces las funciones f1,
f2, ..., fn deben ser vectores linealmente independientes en (n-1)(-, ).
Sen(t 1) Cost
Cos (t 1) Sent 0 .
Sen(t 1) Cost
Sen(t + 1), Cost} es linealmente
tet
t 2 et
W{et , tet , t 2 et } et
(t 1)et
(t 2 2t )et
et
(t 2)et
(t 2 4t 2)et
2e3t .
230
ESPACIOS VECTORIALES
Cos 2 t
Cos3t
Sen2t
3SentCos 2 t
1
Sen3 2t .
4
PROBLEMAS
5.5.1 Demuestre que un subconjunto no vaco de un
conjunto finito de vectores linealmente independientes es
linealmente independiente.
5.5.2 Demuestre que si S1 es un subconjunto de S2 y S1 es
linealmente dependiente, entonces tambin S2 es
linealmente dependiente.
5.5.3 Demuestre que cualquier conjunto de vectores que
contenga al vector cero es linealmente dependiente.
5.5.4 Demuestre que dos vectores son linealmente
dependientes s y slo si estn en una misma recta que pasa
por el origen. Si u y v son linealmente independientes y si
{u, v, w} es linealmente dependiente, entonces e est en
Span{u, v}.
5.5.5
Dado que {u1, u2, ..., uk} es un conjunto de
vectores linealmente independientes, pero el conjunto
{u1, u2, ..., uk, u} es linealmente dependiente, demuestre
que u es una combinacin lineal de los ui.
ALGEBRA LINEAL CON MATLAB
ESPACIOS VECTORIALES
231
232
ESPACIOS VECTORIALES
ESPACIOS VECTORIALES
233
234
ESPACIOS VECTORIALES
u2 a1 2 v1 a2 2 v2 an 2 vn
(1)
u a v a v a v
1m 1
2m 2
nm n
m
Para demostrar que S es linealmente dependiente, es necesario encontrar escalares b1, b2, ..., bm, no todos cero, tales que
b1u1 + b2u2 + ... + bmum = (2)
Usando las ecuaciones anteriores en esta expresin, obtenemos
b1(a11v1 + a21v2 + ... + an1vn) + b2(a12v1 + a22v2 + ... + an2v2) + ...
+ bm(a1mv1 + a2mv2 + ... + anmvn) = ,
de donde
(b1a11 + b2a12 + ... + bma1m)v1 + (b1a21 + b2a22 + ... + bma2m)v2 + ...
+ (b1an1 + b2an2 + ... + bmanm)vn = .
As, a partir de la independencia lineal de S, el problema de demostrar que S es
un conjunto linealmente dependiente se reduce a probar que existen escalares b1,
b2, ..., bm, no todos cero, que satisfacen
a11b1 a12 b2 a1m bm 0
a b a b a b 0
21 1 22 2
2m m
(3)
v a u a u a u
1n 1
2n 2
mn m
n
Para obtener la contradiccin, se demostrar que existen escalares b1, b2, ..., bm,
no todos cero, tales que
b1v1 + b2v2 + ... + bnvn = (5)
Pero obsrvese que (4) y (5) son de la misma forma que (1) y (2), excepto que
se han intercambiado m y n, as como las u y las v. Por tanto, los clculos con
los que se lleg a (3) ahora producen
ESPACIOS VECTORIALES
235
a11b1 a1 2 b2 a1 n bn 0
a21b1 a2 2 b2 a2 n bn 0
a b a b a b 0
mn n
m1 1 m 2 2
Este sistema lineal tiene ms incgnitas que ecuaciones y por lo tanto posee
soluciones no triviales.
De este teorema se deduce que si S = {v1, v2, ..., vn} es cualquier base para un
espacio vectorial V, entonces todos los conjuntos en V que simultneamente
generan a V y son linealmente independientes deben tener precisamente n vectores. As, todas las bases de V deben tener el mismo nmero de vectores que la
base arbitraria S. Esto lleva al siguiente teorema, que es uno de los ms importantes en lgebra lineal.
TEOREMA 5.6.3
Todas las bases de un espacio vectorial de dimensin finita tienen el
mismo nmero de vectores.
DEMOSTRACION
Supngase que S es una base con un nmero finito n de elementos y S otra base
cualquiera. Ya que S genera a V y S es linealmente independiente, el nmero m
de elementos en S debe ser a lo ms n. Esto prueba que S es finita y m n.
Pero entonces pueden intercambiarse los papeles de S y S para obtener la desigualdad en el otro sentido, as que m = n.
Este teorema afirma que, en un espacio vectorial V de dimensin finita, cualquier conjunto dado de vectores linealmente independientes de V forma parte de
alguna base de V. En realidad, hay muchas bases as. Se dice que la base S =
{v1, ..., vm, ..., vn} es la extensin a una base de V del conjunto linealmente independiente {v1, v2, ..., vm}.
EJEMPLO 5.6.2
Hallar todas las bases de los sistemas de vectores siguientes:
a.- {(4, -2, 12, 8), (-6, 12, 9, -3), (-10, 5, -30, -20), (-14, 28, 21, -7)};
b.- {(1, 2, 3, 0, -1), (0, 1, 1, 1, 0), (1, 3, 4, 1, -1)};
c.- {(1 + i, 1 i, 2 + 3i), (i, 1, 2), (1 i, - 1 i, 3 2i), (4, -4i, 10 + 2i)}.
SOLUCION
a.- En este caso formamos una matriz, donde sus filas son los elementos
sistema dado y luego procedemos a calcular el rango de dicha matriz:
8 2 1 6 4 2 1 6 4 2 1 6
4 2 12
6
12
9
3 2 4 3 1 0 1 3 1 0 1 3
10 5 30 20 2 1 6 4 0 0 0 0 0 0 0
14 28 21 7 2 4 3 1 0 1 3 1 0 0 0
del
4
1
0
Como el rango de la matriz es igual a 2, entonces cada una de las bases tiene dos
elementos:
S1 = {(4, -2, 12, 8), (-6, 12, 9, -3)} y S2 = {(-10, 5, -30, -20), (-14, 28, 21, -7)}.
b.- En este caso formamos una matriz, donde sus filas son los elementos del
sistema dado y luego procedemos a calcular el rango de dicha matriz:
1 2 3 0 1 1 2 3 0 1 1 2 3 0 1
0 1 1 1 0 0 1 1 1 0 0 1 1 1 0
1 3 4 1 1 0 1 1 1 0 0 0 0 0 0
Como el rango de la matriz es igual a 2, entonces cada una de las bases tienen dos
elementos:
ALGEBRA LINEAL CON MATLAB
236
ESPACIOS VECTORIALES
i
1
2 0
0
1
1 i 1 i 3 2i 0
0
0
4i 10 2i 0
0
0
4
Como el rango de la matriz es igual a 2, entonces cada una de las bases tienen dos
elementos:
S1 = {(1 + i, 1 i, 2 + 3i), (i, 1, 2)}, S2 = {(i, 1, 2), (1 i, - 1 i, 3 2i)},
S3 = {(i, 1, 2), (4, -4i, 10 + 2i)}.
Cualquier vector distinto de cero v constituye un subconjunto linealmente independiente de V y, en consecuencia, el teorema afirma que cada vector v distinto
de cero aparece en alguna base de V. Entre otras cosas, lo que nos ensea el
teorema es que existen muchas bases diferentes de V y que tenemos algo de
libertad en la eleccin de una base de V.
TEOREMA 5.6.4
Un conjunto de n vectores en un espacio vectorial V es una base si, y
slo si es linealmente independiente.
DEMOSTRACION
Sea S = {v1, v2, ..., vn} un conjunto linealmente independiente y v un vector
cualquiera en V. Ya que {v1, v2, ..., vn, v} contiene n + 1 elementos, debe ser
linealmente dependiente. Cualquier relacin no trivial que exista debe contener
a v con un coeficiente diferente de cero, porque si ese coeficiente fuera cero, la
relacin equivaldra a una relacin en S. As pues, v depende de S. Por lo tanto,
S genera a V y es una base.
EJEMPLO 5.6.3
Todo conjunto linealmente independiente de tres vectores de 3 es base de 3.
SOLUCION
Si u = OP, v = OQ, w = OR son linealmente independientes, entonces O, P, Q, R
no estn en el mismo plano y, por consiguiente, cada vector x = OS se puede
expresar como combinacin lineal de u, v, w.
EJEMPLO 5.6.4
Hallar una base cualquiera de cada uno de los siguientes sistemas de vectores:
a.- {(0, 2, -1), (3, 7, 1), (2, 0, 3), (5, 1, 8)};
b.- {(-1, 4, -3, -2), (3, -7, 5, 3), (3, -2, 1, 0), (-4, 1, 0, 1)};
c.- {(14, -27, -49, 113), (43, -82, -145, 15), (-29, 55, 96, -17), (85, -163, -13, 77)};
d.- {(3 i, 1 2i, - 7 + 5i, 4 + 3i), (1 + 3i, 1 + i, - 6 7i, 4i), (0, 1, 1, -3)}.
SOLUCION
a.- En este caso formamos una matriz, donde sus filas son los elementos del
sistema dado y luego procedemos a calcular el rango de dicha matriz:
0 2 1 0 2 1 0 2 1
1 3 7 1
3 7 1 3 7
2 0 3 0 2 1 0 0 0
5 1 8 0 32 19 0 0 3
Como el rango de la matriz es igual a 3, entonces la base buscada esta formada por:
{(0, 2, -1), (3, 7, 1), (5, 1, 8)}.
b.- En este caso formamos una matriz, donde sus filas son los elementos del
sistema dado y luego procedemos a calcular el rango de dicha matriz:
ALGEBRA LINEAL CON MATLAB
ESPACIOS VECTORIALES
237
1 4 3 2 1 4 3 2 1 4 3 2
3 7 5 3 0 5 4 3 0 5 4 3
3 2 1 0 0 5 4 3 0 0 0 0
4 1 0 1 0 5 4 3 0 0 0 0
Como el rango de la matriz es igual a 2, entonces la base buscada esta formada por:
{(-1, 4, -3, -2), (3, -7, 5, 3)}.
c.- En este caso formamos un determinante, donde sus filas son los elementos del
sistema dado y luego procedemos a calcular dicho determinante:
14 27 49 113
43 82 145 15
0
29 55
96 17
85 163 13 77
4i 0
3i
3i
9 3i
1 3i 1 i 6 7i
0
1
1
3 0
1
1
3
3 i 1 2i 7 5i 4 3i
3i
3i
9 3i
0
0
0
0
0
Como el rango de la matriz es igual a 2, entonces la base buscada esta formada por:
{(3 i, 1 2i, - 7 + 5i, 4 + 3i), (1 + 3i, 1 + i, - 6 7i, 4i)}.
EJEMPLO 5.6.5
Determnese si el subconjunto S es linealmente independiente y, cuando sea
posible, encuntrese una base del espacio que contiene a S:
a.- S = {(1, 1, 1, 1), (1, 2, 3, 4)} 4; b.- S = {t + t3, t2 + t6, 1 t t3} 6.
SOLUCION
a.- En este caso formamos una matriz, donde sus filas son los elementos del
sistema dado y luego procedemos a calcular el rango de dicha matriz:
1 1
1 1 1 1
0.
1 0,
1 2
1 2 3 4
Como el rango de la matriz es igual a 2, entonces el sistema dado es linealmente
independiente. Para extender hasta encontrar una base del espacio 4 que contenga
a S, aumentamos a la matriz inicial una fila de variables:
1 1 1
1 1 1 1
1
2
3
4
1 2 3 a 2b c .
a b c d
a b c
Para que el vector (a, b, c, d) forme parte de la base de 4, entonces debe satisfacer
a 2b + c 0, es decir un posible vector puede es, (1, 1, -1, 0). Para encontrar el
ltimo vector que formar parte de la base del espacio 4, a la ltima matriz le
aumentamos una fila de variables:
1 1 1 1
1 1 1 1
1 2 3 4 1 2 3 4 3x 4 y z 2u .
1 1 1 0
1 1 1 0
x y z u
x y z u
Para que el vector (x, y, z, u) forme parte de la base de 4, entonces debe satisfacer
ALGEBRA LINEAL CON MATLAB
238
ESPACIOS VECTORIALES
,
,
0
0
0
1
0
0
0
1
0 0 1 0.
1 0
1 1 0 1 0 0 0
1 1 0
0 0 1 0 0 0 1 0 0 1 0 d b .
1 1 0 1 0 0 0
1 1 0 1
a b c d
a b c d e f g
2
3
4
Para que el polinomio a + bt + ct + dt + et + ft5 + gt6 forme parte de la base de
6, entonces debe satisfacer b - d 0, es decir un posible vector puede es, 1 + t +
t2 - t3 + t4 + t5 + t6. Para encontrar el ltimo vector que formar parte de la base del
espacio 6, a la ltima matriz le aumentamos una fila de variables:
0 1 0 1 0
0 1 0 1 0 0 0
0 0 1 0 0
0 0 1 0 0 0 1
1 1 0 1 0 0 0 1 1 0 1 0 b d 2e .
1 1 1 1 1
1 1 1 1 1 1 1
a b c d e f g
a b c d e
Para que el vector a + bt + ct2 + dt3 + et4 + ft5 + gt6 forme parte de la base de 6,
entonces debe satisfacer b d 2e 0, es decir un posible vector puede es, t4. De
esta forma seguimos encontrando los polinomios necesarios para formar la base del
espacio 6:
0 1 0 1 0 0
0 1 0 1 0 0 0
0
0
1
0
0
0
1
0 0 1 0 0 0
1 1 0 1 0 0 0
1 1 0 1 0 0
bd 2f
1 1 1 1 1 1
1 1 1 1 1 1 1
0 0 0 0 1 0 0
0 0 0 0 1 0
a b c d e f
a b c d e f g
1 + t + t3 + t5;
0 1 0 1 0 0 0
0 1 0 1 0 0 0
0 0 1 0 0 0 1
0 0 1 0 0 0 1
1 1 0 1 0 0 0
1 1 0 1 0 0 0
1 1 1 1 1 1 1 1 1 1 1 1 1 1 2c 2 g
0 0 0 0 1 0 0
0 0 0 0 1 0 0
1 1 0 1 0 1 0
1 1 0 1 0 1 0
a b c d e f g
a b c d e f g
1 + t + t2 + t3 + t4 + t5 - t6.
Por lo tanto la base de 6 buscada tiene la forma:
Base 6 = {t + t3, t2 + t6, 1 t t3, 1 + t + t2 - t3 + t4 + t5 + t6, t4, 1 + t + t3 + t5, 1 + t
+ t2 +
t3 + t4 + t5 - t6}.
ALGEBRA LINEAL CON MATLAB
ESPACIOS VECTORIALES
239
TEOREMA 5.6.5
En un espacio vectorial de dimensin finita, todo conjunto generador
contiene una base.
DEMOSTRACION
Sea S un conjunto que genera a V. Si V = {}, entonces S es una base de
{}. Si V {}, entonces S debe contener al menos un vector v1, diferente de
cero. Busquemos otro vector en S que no dependa de {v1}. Llamemos a este
vector v2 y busquemos otro vector en S que no dependa del conjunto linealmente dependiente {v1}. Continuamos de la misma manera hasta donde podamos,
pero el proceso debe terminar ya que no podemos encontrar ms de n vectores
linealmente independientes en S. Supongamos que se ha hallado el conjunto
S = {v1, v2, ..., vm} con la propiedad de que todo vector en S es linealmente
dependiente de S. Entonces el conjunto S tambin debe generar a V y es una
base.
TEOREMA 5.6.6
En un espacio vectorial de dimensin finita, cualquier conjunto linealmente independiente de vectores se puede extender hasta tener una base.
DEMOSTRACION
Sea S = {v1, v2, ..., vn} una base de V y S = {u1, u2, ..., um} un conjunto linealmente independiente m n. El conjunto {u1, u2, ..., um, v1, v2, ..., vn} genera a V.
Si este conjunto es linealmente dependiente, entonces algn elemento es una
combinacin lineal de los elementos precedentes. Este elemento no puede ser
uno de los ui, porque entonces S sera linealmente dependiente. Pero entonces
puede eliminarse este vi para obtener un conjunto menor que genera a V. Continuamos de esta manera, quitando elementos mientras se tenga un conjunto generador linealmente dependiente. En ningn paso se elimina a alguno de los ui. Ya
que nuestro conjunto generador es finito, este proceso debe terminar con una
base que contenga a S como subconjunto.
Como caso especial del teorema, podemos enunciar lo siguiente: si {v1, v2, ...,
vm} es base de un subespacio S de un espacio vectorial V de dimensin finita,
entonces existe una base de V que contiene a v1, v2, ..., vm. Por consiguiente, se
puede extender cada base de un subespacio a una base de la totalidad del espacio vectorial.
TEOREMA 5.6.7
Sea S un conjunto no vaco de vectores en un espacio vectorial V. Si S
es un conjunto linealmente independiente y v es un vector en V que no
pertenece a Span(S), entonces el conjunto que se obtiene al incluir v en
S an es linealmente independiente.
DEMOSTRACION
Supngase que S = {v1, v2, ..., vk} es un conjunto linealmente independiente de
vectores en V y que v es un vector en V fuera de Span(S). Para probar que S =
{v1, v2, ..., vk, v} es un conjunto linealmente independiente, es necesario demostrar que los nicos escalares que satisfacen
a1v1 + a2v2 + ... + akvk + ak+1v =
son a1 = a2 = ... = ak = ak+1 = 0. Pero se debe tener que ak+1 = 0; en caso contrario, v se podra despejar en la ecuacin como una combinacin lineal de S, contradiciendo la hiptesis de que v es un vector que no pertenece a Span(S). As, la
ecuacin se simplifica a a1v1 + a2v2 + ... + akvk = lo cual, debido a la independencia lineal de S, significa que a1 = a2 = ... = ak = 0.
EJEMPLO 5.6.6
Sea Span(S) = {(a, b, c) / a b + c = 0} y v = (1, -2, 1) 3. Demostrar que el
ALGEBRA LINEAL CON MATLAB
240
ESPACIOS VECTORIALES
conjunto que se forma con la base de Span(S) y el vector v es linealmente independiente y, adems es base de 3.
SOLUCION
Encontramos una base para el subespacio; Base Span(S) = {(1, 1, 0), (-1, 0, 1)}.
Para verificar que los elementos de la base del subespacio y el vector v forman
una base de 3, construimos una matriz con sus correspondientes elementos y
calculamos su determinante
1 1 0
1 0 1 0
1 2 1
como el determinante de la matriz es diferente de cero, el rango es igual 3 y la
dimensin del conjunto formado por estos elementos es linealmente independiente y tiene dimensin 3. Por lo tanto el conjunto
S = {(1, 1, 0), (-1, 0, 1), (1, -2, 1)}
es base de 3.
Un conjunto S de tres vectores linealmente independientes en 3 genera un
plano que pasa por el origen. Si S se aumenta insertando cualquier vector v fuera
de este plano, entonces el conjunto resultante de tres vectores todava es linealmente independiente, ya que ninguno de los tres vectores est en el mismo plano
que los otros dos.
TEOREMA 5.6.8
Sea S un conjunto no vaco de vectores en un espacio vectorial V. Si v
es un vector en S que se puede expresar como una combinacin lineal
de los dems vectores en S, y si S - {v} denota el conjunto que se obtiene al quitar v de S, entonces S y S - {v} generan el mismo espacio; es
decir,
Span(S) = Span(S - {v}).
DEMOSTRACION
Supngase que S = {v1, v2, ..., vk} es un conjunto de vectores en V y, para ser
especficos, supngase que vk es una combinacin lineal de v1, v2, ..., vk-1, por
ejemplo
vk = a1v1 + a2v2 + ... + ak-1vk-1 (1)
Se quiere demostrar que si vk se extrae de S, entonces el conjunto de vectores
restantes {v1, v2, ..., vk-1} sigue generando a Span(S); es decir, se debe demostrar
que todo vector u en Span(S) se puede expresar como una combinacin lineal de
{v1, v2, ..., vk-1}. Pero si u est en Span(S), entonces u se puede expresar en la
forma
u = b1v1 + b2v2 + ... + bk-1vk-1 + bkvk (2)
o bien, sustituyendo en la ecuacin (1)
u = b1v1 + b2v2 + ... + bk-1vk-1 + bk(a1v1 + a2v2 + ... + ak-1vk-1)
que expresa a u como una combinacin lineal de v1, v2, ..., vk-1.
Si S es un conjunto de tres vectores no colineales en 3 que estn en un plano
comn que pasa por el origen, entonces los tres vectores generan el plano. Sin
embargo, si de S se extrae cualquier vector v que sea una combinacin lineal de
los otros dos, entonces el conjunto restante de dos vectores sigue generando el
plano.
En general, para probar que un conjunto de vectores {v1, v2, ..., vn} es una base
de un espacio vectorial V, se debe demostrar que los vectores son linealmente
independientes y generan a V. Sin embargo, si se sabe que la dimensin de V es
n, entonces basta verificar ya sea, la independencia lineal o la generacin: la otra
condicin se cumple automticamente.
ALGEBRA LINEAL CON MATLAB
ESPACIOS VECTORIALES
241
TEOREMA 5.6.9
Si U es un subespacio vectorial de un espacio vectorial V de dimensin
finita, entonces Dim(U) Dim(V); adems, si Dim(U) = Dim(V), entonces U = V.
DEMOSTRACION
Sea S = {u1, u2, ..., um} una base para U. S puede ser una base para V o no. Si es
as, entonces Dim(U) = Dim(V) = m. Si no es as, entonces es posible agregar
vectores al conjunto linealmente independiente S a fin de convertirlo en una
base para V de modo que Dim(U) < Dim(V). Por tanto, Dim(U) Dim(V) en
todos los casos. Si Dim(U) = Dim(V), entonces S es un conjunto de m vectores
linealmente independientes en el espacio vectorial V de dimensin m; por tanto,
S es una base para V. Esto significa que U = V.
Considerando la suma de dos subespacios vectoriales arbitrarios U y W, podremos ver fcilmente que su dimensin depende no slo de la dimensin de los
subespacios U y W, sino tambin de cun grande es la parte comn de los mismos. El valor exacto de la dimensin de la suma se determina por el siguiente
teorema.
TEOREMA 5.6.10
Si U y W son subespacios vectoriales de dimensin finita de un espacio
vectorial V, entonces
Dim(U + W) + Dim(U W) = Dim(U) + Dim(W).
DEMOSTRACION
Hemos de verificar que, si U y W son subespacios de dimensin finita de un
espacio vectorial V, entonces Dim(U + W) + Dim(U W) = Dim(U) +
Dim(W). Puesto que U W es subespacio del espacio de dimensin finita U.
Sabemos que U W es de dimensin finita. Como U + W est generado por la
unin de una base de U y una base de W, tambin es de dimensin finita. Sea
{u1, u2, ..., uk} una base de U W, existen vectores v1, v2, ..., vr en U tales que
{u1, u2, ..., uk, v1, v2, ..., vr} es base de U. De la misma manera, hay vectores w1,
w2, ..., wt en W tales que {u1, u2, ..., uk, w1, w2, ..., wt} es base de W. Vemos
claramente que
Span{u1, u2, ..., uk, v1, v2, ..., vr, w1, w2, ..., wt} = U + W.
Si
a1u1 + a2u2 + ... + akuk + b1v1 + b2v2 + ... + brvr + c1w1 + c2w2 + ... + ctwt = ,
entonces,
v = a1u1 + a2u2 + ... + akuk + b1v1 + b2v2 + ... + brvr = - c1w1 - c2w2 - ... - ctwt
est en U W. Luego existen escalares d1, d2, ..., dk con la propiedad de que
v = d1u1 + d2u2 + ... + dkuk,
de donde tenemos que
d1u1 + d2u2 + ... + dkuk + c1w1 + c2w2 + ... + ctwt = .
Pero {u1, u2, ..., uk, w1, w2, ..., wt} es un conjunto linealmente independiente de
V y, en consecuencia, c1 = c2 = ... = ct = 0. Pero, entonces vemos que
a1u1 + a2u2 + ... + akuk + b1v1 + b2v2 + ... + brvr =
y, como {u1, u2, ..., uk, v1, v2, ..., vr} es base de U y, por tanto, conjunto linealmente independiente, tenemos que a1 = a2 = ... = ak = b1 = b2 = ... = br = 0. Por lo
tanto, hemos hecho ver que
{u1, u2, ..., uk, v1, v2, ..., vr, w1, w2, ..., wt} es
linealmente independiente y genera a U + W. Por consiguiente,
Dim(U + W) = t + k + r = (t + k) + (r + k) k
= Dim(U) + Dim(W) - Dim(U W).
De este teorema se puede deducir una desigualdad que ofrece el valor mnimo
de la dimensin de la interseccin de unos subespacios. Consideremos los
subespacios vectoriales U y W de V y sean r y s las dimensiones de estos
ALGEBRA LINEAL CON MATLAB
242
ESPACIOS VECTORIALES
ESPACIOS VECTORIALES
243
DEMOSTRACION
Si tenemos dos sumandos, entonces la dimensin de la suma es igual, por el
teorema anterior. Pero, la interseccin de subespacios en el caso de una suma
directa es nula y su dimensin es igual a cero. Por esto, la dimensin de una
suma directa de dos subespacios es igual a la suma de sus dimensiones.
TEOREMA 5.6.12
La dimensin del espacio de soluciones del sistema homogneo con n
incgnitas AX = O es igual a la diferencia n r, donde r es el rango del
sistema AX = O.
Como consecuencia de este teorema, podemos enunciar lo siguiente: para que
un sistema de n ecuaciones lineales homogneas de n incgnitas AX = O no
tenga soluciones no nulas, es necesario y suficiente que la matriz A de este
sistema sea no singular. Efectivamente, la condicin n = r significa que el rango
de la matriz A debe coincidir con su orden, es decir, la matriz A debe ser no
singular. Otra consecuencia es la siguiente: para que un sistema de n ecuaciones
lineales homogneas de n incgnitas tenga solucin no nula es necesario y suficiente que el determinante de la matriz de este sistema sea igual a cero. En efecto, una matriz cuadrada es singular si, y slo si, su determinante es igual a cero.
En un espacio vectorial V de dimensin finita, cualquier conjunto dado de vectores linealmente independientes de V forma parte de alguna base de V. En
realidad, hay muchas bases as. Se dice que la base S = {v1, ..., vm, ..., vn} es la
extensin a una base de V del conjunto linealmente independiente {v1, v2, ...,
vm}.
Un conjunto S de tres vectores linealmente independientes en 3 genera un
plano que pasa por el origen. Si S se aumenta insertando cualquier vector v fuera
de este plano, entonces el conjunto resultante de tres vectores todava es linealmente independiente, ya que ninguno de los tres vectores est en el mismo plano
que los otros dos.
Considerando la suma de dos subespacios vectoriales arbitrarios U y W, podremos ver fcilmente que su dimensin depende no slo de la dimensin de los
subespacios U y W, sino tambin de cun grande es la parte comn de los mismos.
Consideremos los subespacios vectoriales U y W de V y sean r y s las dimensiones de estos subespacios, n la dimensin de V y m la dimensin de la interseccin U W. La dimensin de la suma U + W es igual a r + s m. Pero la
dimensin de la suma U + W es no mayor que la dimensin del espacio V. Por
consiguiente, r + s m n, de donde se tiene m r + s n. Es decir, la dimensin de la interseccin de dos subespacios vectoriales del espacio V no puede
ser menor que el exceso de la suma de las dimensiones de estos subespacios
respecto a la dimensin del espacio vectorial V. Por ejemplo, la interseccin de
dos planos del espacio de tres dimensiones contiene siempre una recta, la interseccin de un subespacio de dos dimensiones con un subespacio de tres dimensiones en un espacio de cuatro dimensiones contiene una recta, la interseccin
de dos subespacios de tres dimensiones de un espacio de cuatro dimensiones
contiene un plano, etc.
% COMPRUEBA SI UN SISTEMA DE VECTORES S ES BASE
clc;clear;
fprintf('\n BASE Y DIMENSION \n')
fil=input('Ingrese el numero de vectores: ');
col=input('Ingrese la dimension del vector: ');
ALGEBRA LINEAL CON MATLAB
244
ESPACIOS VECTORIALES
%Ingreso de elementos
fprintf('Ingrese los vectores del sistema S\n')
for f=1:fil
fprintf('\nIngrese la Ecuacion (%d)\n', f)
for c=1:col
fprintf('Ingrese el elemento %d',f)
S(f,c)=input(' :');
end
end
fprintf('LA MATRIZ DE VECTORES ES:\n')
S
fprintf('LA MATRIZ REDUCIDA ES:')
R= rref(S);
R
if (rank(S)==fil)
fprintf('EL SISTEMA DE VECTORES S ES UNA BASE \n')
DimS=rank(R)
else
fprintf('EL SISTEMA DE VECTORES S NO ES UNA BASE \n')
end
EJEMPLO 5.6.9
Si a, b, c son nmeros reales, si c 0 y si S es el conjunto de todos los vectores (x, y, z) de 3
con la propiedad de que ax + by + cz = 0, entonces S es subespacio de V y Dim(S) = 2.
SOLUCION
Como ax + by + cz = 0 es un plano que pasa por el origen, entonces vemos que S es subespacio
de 3. Sean k = - a/c, r = - b/c. Entonces, podemos describir a S como el conjunto de todos los
(x, y, z) tales que kx + ry - z = 0. Adems, observamos que u = (1, 0, k) y v = (0, 1, r) estn en S.
Podemos demostrar que u, v son linealmente independientes. Si w = (x, y, z) S, entonces
z = kx + ry, de manera que w = (x, y, kx + by) = xu + yv. En consecuencia, Span{u, v} = S.
Como u, v es un conjunto linealmente independiente, concluimos que constituye una base de
S.
EJEMPLO 5.6.10
Sea S = {(1, 2, 3), (0, 1, 2), (1, 1, 1), (3, 2, 1)} 3. Demuestre que tanto S como S = {(1, 2,
3), (0, 1, 2), (1, 1, 1)} generan el mismo subespacio.
SOLUCION
Para encontrar el Span(S), construimos la matriz aumentada de la siguiente manera:
1 0 1 3 a 1 0 1 3
a 1 0 1 3
a
2
1
1
2
b
0
1
1
4
2
a
b
0
1
1
4
2
a
3 2 1 1 c 0 2 2 8 3a c 0 0 0 0 a 2b c
de donde
Span(S) = {(a, b, c) / a 2b + c = 0}.
Para encontrar el Span(S), construimos la matriz aumentada de la siguiente manera:
1 0 1 a 1 0 1
a 1 0 1
a
2a b
2 1 1 b 0 1 1 2a b 0 1 1
3 2 1 c 0 2 2 3a c 0 0 0 a 2b c
de donde
Span(S) = {(a, b, c) / a 2b + c = 0}.
Por lo tanto concluimos que Span(S) = Span(S).
EJEMPLO 5.6.11
Suponga que V es de dimensin n y que cada uno de los conjuntos U y W es subespacio de V
de dimensin n - 1. Suponga adems, que U W. Entonces, Dim(U W) = n - 2.
SOLUCION
Puesto que U W, uno de los espacios contiene un vector que no est en el otro. En consecuenALGEBRA LINEAL CON MATLAB
ESPACIOS VECTORIALES
245
cia, U + W contiene a uno de U, W o tal vez a ambos, como subespacio propio. De acuerdo con
eso
n Dim(U + W) > n - 1 = Dim(U) = Dim(W)
de donde se desprende que Dim(U + W) = n. Entonces se deduce que
Dim(U W) = Dim(U) + Dim(W) - Dim(U + W) = (n - 1) + (n - 1) n = n - 2.
EJEMPLO 5.6.12
Sea U el conjunto de elementos (a, b, c, d) tales que a b + c = 0. Sea W el conjunto de elementos
(a, b, c, d) tales que b + c + d = 0. Entonces, U W = S ser el conjunto de elementos (a, b, c, d)
que cumplan tanto con la condicin a b + c = 0 como con la condicin b + c + d = 0, y
Dim(S) = 2.
SOLUCION
Como podemos apreciar, U, W son subespacios de R4, y Dim(U) = Dim(W) = 3. Se ve
claramente que (1, 1, 0, 0) est en U y no est en W, de manera que U W. Por lo tanto
Dim(S) = 2.
EJEMPLO 5.6.13
Hallar una base cualquiera y la dimensin del subespacio generado por los sistemas de polinomios
siguientes:
a.- {3t2 + 2t + 1, 4t2 + 3t + 2, 3t2 + 2t + 3, t2 + t + 1, 4t2 + 3t + 4};
b.- {t3 + 2t2 + 3t + 4, 2t3 + 3t2 + 4t + 5, 3t3 + 4t2 + 5t + 6, 4t3 + 5t2 + 6t + 7}.
SOLUCION
a.- En este caso formamos una matriz, donde sus filas son los elementos del sistema dado y luego
procedemos a calcular el rango de dicha matriz:
3 2 1
3 2 1
4 3 2
3 2
3 2 3 3 0 ,
0, 4 3 2 0.
4 3
3 2 3
1 1 1
4 3 4
2 3 4 5 0 1 2 3 0 1 2 3
3 4 5 6 0 2 4 6 0 0 0 0
4 5 6 7 0 3 6 9 0 0 0 0
Como el rango de la matriz es 2, entonces la base buscada es {t3 + 2t2 + 3t + 4, 2t3 + 3t2 + 4t + 5} y
su dimensin es 3.
EJEMPLO 5.6.14
Hallar los valores de a y b, para que el sistema de vectores siguientes sea una base de 3:
a.- {(a, 1, 1), (1, a, 1), (1, 1, a)};
b.- {(a + 1, 1, 1), (1, a + 1, 1), (1, 1, a + 1)};
c.- {(1, a + 1, a), (a + 1, a + 2, a + 3), (a, 0, a + 4)};
d.- {(a i, 0, 1), (0, a, 0), (1, -2ia, a i)};
e.- {(a, 1, 1), (b, ab, b), (1, 1, a)};
f.- {(2a - b, 1, b a), (0, a, 0), (2a - 2b, 2, 2b a)}.
SOLUCION
a.- Una condicin necesaria para que el sistema de vectores sea base, es que ste sea linealmente
independiente. Por lo tanto formaremos un determinante, cuyas filas son los vectores del sistema:
246
ESPACIOS VECTORIALES
a 1 1
1 a 1 (a 2)(a 1)2 .
1 1 a
b d e 0
Determnese una base de S. Encuntrese una base de 5 que sea extensin de la base obtenida para
S.
SOLUCION
Para encontrar una base para S, debemos resolver el sistema de ecuaciones:
1 1 1 0 0 0 1 0 1 1 1 0
0 1 0 1 1 0 0 1 0 1 1 0
donde a = - c d e y b = - d e. Con estas condiciones reemplazamos en el vector (a, b, c, d, e)
para obtener la base:
(a, b, c, d, e) = (- c d e, - d e, c, d, e) = c(-1, 0, 1, 0, 0) + d(-1, -1, 0, 1, 0) + e(-1, -1, 0, 0, 1)
Base S = {(-1, 0, 1, 0, 0), (-1, -1, 0, 1, 0), (-1, -1, 0, 0, 1)}
ALGEBRA LINEAL CON MATLAB
ESPACIOS VECTORIALES
1 1 0 1 0 1 1
1 1 0 0 1
1 1
a b
a b c d e
247
1
0
0
c
0
1
a bc
0
d
El cuarto elemento se puede obtener de la condicin a b + c 0, que puede ser (1, 1, 1, 0, 0). El
quinto elemento lo encontramos con la misma condicin pero diferente al anterior, ste puede ser
(0, 0, 1, 1, 1). Entonces la base es:
Base 5 = {{(-1, 0, 1, 0, 0), (-1, -1, 0, 1, 0), (-1, -1, 0, 0, 1), (1, 1, 1, 0, 0), (0, 0, 1, 1, 1)}.
EJEMPLO 5.6.16
Sea S el conjunto de los polinomios reales de grado no mayor que 5 que tienen a 1 como cero.
Determnese una base de S. Encuntrese Dim(S). Encuntrese una base de 5 que sea extensin de
la base ya determinada de S.
SOLUCION
Este conjunto se puede expresar como:
S = {p 5 / p(t) = (t 1)(a + bt + ct2 + dt3 + et4), a, b, c, d, e }.
Expandiendo el polinomio, obtenemos:
p(t) = - a + (a b)t + (b c)t2 + (c d)t3 + (d e)t4 + et5
Una base para S es:
Base S = {(-1, 1, 1, 0, 0, 0, 0,), (0, -1, 1, 0, 0, 0), (0, 0, -1, 1, 0, 0), (0, 0, 0, -1, 1, 0),
(0, 0, 0, 0, -1, 1)}.
Por tanto la dimensin de S es 5. Para encontrar una base de 5, debemos construir un
determinante cuya ltima fila este compuesta por un polinomio cuyos coeficientes sean
incgnitas:
1 1 0 0 0 0
0 1 1 0 0 0
0 0 1 1 0 0
a b c d e f .
0 0 0 1 1 0
0 0 0 0 1 1
a b c d e f
Como falta un elemento para completar la base de 5, entonces este elemento se puede obtener de
la condicin a + b + c + d + e + f 0. Una posible base es:
Base P5 = {(-1, 1, 1, 0, 0, 0, 0,), (0, -1, 1, 0, 0, 0), (0, 0, -1, 1, 0, 0), (0, 0, 0, -1, 1, 0),
(0, 0, 0, 0, -1, 1), (1, 1, 1, 1, 1, 1)}.
EJEMPLO 5.6.17
Hallar los valores de a y b, para que el sistema de vectores siguientes sea una base de 4:
a.- {(1, a, b, a b), (a, a, 0, 0), (b, 0, b, 0), (a b, 0, 0, a b)};
b.- {(1, a, a, a), (a, 1, a, a), (a, a, 1, a), (a, a, a, 1)};
c.- {(2, 1, 1, a), (b, b, 2b, b), (1, 1, 0, 0), (0, 1, 1, 0)};
d.- {(a + 3, -a, a, -a), (a, 3 a, a 1, 1 a), (0, 0, a + 1, 1 a), (0, 0, a 1, 3 a)};
e.- {(a + 2, 0, -2, 0), (2a + 4, -1, -a 3, a + 1), (0, 0, a, 0), (2a, -a 1, 1 a, 2a + 1)}.
SOLUCION
a.- Una condicin necesaria para que el sistema de vectores sea base, es que ste sea linealmente
independiente. Por lo tanto formaremos un determinante, cuyas filas son los vectores del sistema:
1
a b a b
a
a 0
0
ab(b a )(2a 1) .
b
0 b
0
a b 0 0 a b
En este caso ab(b a)(2a - 1) 0, de donde obtenemos que a 0, b 0, a y b .
ALGEBRA LINEAL CON MATLAB
248
ESPACIOS VECTORIALES
b.- Una condicin necesaria para que el sistema de vectores sea base, es que ste sea linealmente
independiente. Por lo tanto formaremos un determinante, cuyas filas son los vectores del sistema:
1 a a a
a 1 a a
(1 a)3 (3a 1) .
a a 1 a
a a a 1
En este caso (1 a)3(3a + 1) 0, de donde obtenemos que a 1 y a -1/3.
c.- Una condicin necesaria para que el sistema de vectores sea base, es que ste sea linealmente
independiente. Por lo tanto formaremos un determinante, cuyas filas son los vectores del sistema:
2 1 1 a
b b 2b b
2b(1 a) .
1 1 0 0
0 1 1 0
En este caso 2b(1 a) 0, de donde obtenemos que b 0 y a 1.
d.- Una condicin necesaria para que el sistema de vectores sea base, es que ste sea linealmente
independiente. Por lo tanto formaremos un determinante, cuyas filas son los vectores del sistema:
a 3 a
a
a
a
3 a a 1 1 a
36 .
0
0
a 1 1 a
0
0
a 1 3 a
En este caso para cualquier valor de a, el sistema es base de 4.
e.- Una condicin necesaria para que el sistema de vectores sea base, es que ste sea linealmente
independiente. Por lo tanto formaremos un determinante, cuyas filas son los vectores del sistema:
a2
0
2
0
2a 4
1
a 3 a 1
a3 (a 2) .
0
0
a
0
2a
a 1 1 a 2a 1
En este caso a3(a + 2) 0, de donde obtenemos que a 0 y a -2.
EJEMPLO 5.6.18
Sea S el conjunto de los polinomios reales de grado no mayor que 5 cuya derivada tercera es cero
en 0. Hgase ver que S es subespacio de 5. Determnese una base de S y hgase su extensin a
una base de 5.
SOLUCION
Este conjunto se puede expresar como:
S = {p 5 / p(0) = 0}.
Haciendo que p(t) = a + bt + ct2 + dt3 + et4 + ft5, entonces p(t) = 6d + 24et + 60ft2, p(0) = 6d =
0, d = 0. Una base para S es:
Base S = {(1, 0, 0, 0, 0, 0), (0, 1, 0, 0, 0, 0), (0, 0, 1, 0, 0, 0), (0, 0, 0, 0, 1, 0), (0, 0, 0, 0, 0, 1)}.
Por tanto la dimensin de S es 5. Para encontrar una base de 5, debemos construir un
determinante cuya ltima fila este compuesta por un polinomio cuyos coeficientes sean
incgnitas:
1 0 0 0 0 0
0 1 0 0 0 0
0 0 1 0 0 0
d .
0 0 0 0 1 0
0 0 0 0 0 1
a b c d e f
Como falta un elemento para completar la base de 5, entonces este elemento se puede obtener de
ALGEBRA LINEAL CON MATLAB
ESPACIOS VECTORIALES
249
PROBLEMAS
5.6.1 Demuestre que si S = {u1, u2, ..., uk} es una base de
un espacio vectorial V y es un escalar no nulo,
entonces el conjunto S1 = {u1, u2, ..., uk} tambin es
una base de V.
5.6.2 Mustrese grficamente que w = u v, z = u + v
son linealmente independientes y que, por lo tanto, forman una base.
5.6.3 Sea V el conjunto generado por
u = Cos2x, v = Sen2x, w = Cos2x:
a.- Demuestre que S = {u, v, w} no es una base para V.
b.- Determine una base para V.
5.6.4 Sea V el espacio vectorial de todas las funciones
continuas en el intervalo [-; ]. Sea U el subconjunto de
V que consta de todas las funciones f que satisfacen las
tres
ecuaciones
f (t )dt 0 , f (t )Costdt 0 ,
f (t )Sentdt 0 :
a.- Demostrar que U es un subespacio de V.
ALGEBRA LINEAL CON MATLAB
250
ESPACIOS VECTORIALES
5.6.11 Demuestre que el conjunto de las matrices triangulares de m x n constituye un espacio vectorial de
1
dimensin mn (m2 m) si m n, y de dimensin
2
1 2
(n n) si n m.
2
5.6.12 Determine una base del subespacio S de n y
determine la dimensin del subespacio:
a.- S consiste en todos los vectores (x, y, -y, -x) en 4;
b.- S consiste en todos los vectores (x, y, 2x, 3y) en 4;
c.- S consiste en todos los vectores del plano 2x y + z
= 0 en el espacio 3;
d.- S consiste en todos los vectores (x, y, -y, x y, z) en
5;
e.- S consiste en todos los vectores en 4 con la segunda componente cero;
f.- S consiste en todos los vectores (-x, x, y, 2y) en 4;
g.- S consiste en todos los vectores paralelos a la recta
y = 4x en 2;
h.- S consiste en todos los vectores del plano 4x + 2y
z = 0 en 3.
5.6.13 Sea {u, v, w} una base de un espacio vectorial V.
Demuestre que {x, y, z} tambin es una base, donde u = x,
y = u + v, z = u + v + w.
5.6.14 Sea W el espacio generado por f = Senx y
g = Cosx:
a.- Demuestre que para cualquier valor de , f1 = Sen(x +
) y g1 = Cos(x + ) son vectores en W.
b.- Demuestre que f1 y g1 forman una base para W.
5.6.15 En 3, todos los vectores de un plano que
pasa por el origen forman un subespacio S de 3. Determine la dimensin de S para cualquier plano .
5.6.16 En 2, todos los vectores paralelos a una recta
dada L que pasa por el origen forman un subespacio S.
Determine la dimensin de S para cualquier recta L.
ESPACIOS VECTORIALES
251
u2 a21v1 a2 2 v2 a2 n vn
(1)
u a v a v a v
n1 1
n2 2
nn n
n
El vector u, respecto de la base B2, se expresa de forma nica como u = a1u1 + a2u2 +
... + anun, por otro lado, al ser tambin B1 una base, el vector u admite la siguiente
expresin:
u = b1u1 + b2u2 + ... + bnun
Por (1) se tiene:
u = b1(a11v1 + a12v2 + ... + a1nvn) + b2(a21v1 + a22v2 + ... + a2nvn) + ... + bn(an1v1 + an2v2
+ ... + annvn)
= (b1a11 + b2a21 + ... + bnan1)v1 + (b1a12 + b2a22 + ... + bnan2)v2 + ... + (b1a1n + b2a2n
+ ... + bnan n)vn
Luego
a1 b1a11 b2 a21 bn an1
a b a b a b a
2 1 12 2 22
n n2
an b1a1n b2 a2 n bn ann
que son las ecuaciones que permiten relacionar las coordenadas de un mismo vector
respecto de las bases B1 y B2.
El concepto de espacio vectorial tiene dos facetas esencialmente diferentes. En
primer lugar, un espacio vectorial es un conjunto de ciertos entes que se denominan
vectores y, en segundo lugar, en un espacio vectorial actan las operaciones de
adicin y de multiplicacin por un nmero. Por esto, o bien podemos limitarnos a
estudiar qu es lo que representan los vectores y cules son la naturaleza y las
propiedades de los mismos, o bien podemos tomar otro punto de vista y estudiar las
propiedades de las operaciones indicadas independientemente de la naturaleza de los
elementos con los cuales se efectan estas operaciones. En lo sucesivo nos
interesarn solamente las propiedades del segundo gnero. Por ello, dos espacios de
la misma estructura respecto a las operaciones de adicin y de multiplicacin por
nmeros se considerar que tienen las mismas propiedades o que son isomorfos.
252
ESPACIOS VECTORIALES
DEFINICION 5.7.2
Dos espacios vectoriales U y V dados sobre un mismo cuerpo K se llaman
isomorfos, si se puede establecer tal correspondencia biyectiva entre sus
vectores que a la suma de cualesquiera dos vectores del primer espacio le
corresponda la suma de los vectores correspondientes del segundo espacio y
al producto de un escalar por un vector del primer espacio le corresponda el
producto de este mismo escalar por el vector correspondiente del segundo
espacio.
Toda correspondencia biyectiva que posee las propiedades indicadas se llama
isomorfismo.
TEOREMA 5.7.1
En una correspondencia isomorfa el vector nulo corresponde al vector nulo.
DEMOSTRACION
Supongamos que en una aplicacin isomorfa de un espacio vectorial V sobre otro
espacio vectorial W el vector v de V corresponde al vector w de W. Entonces, segn
la definicin, el vector nulo del primer espacio debe transformarse en el vector nulo
del segundo espacio.
TEOREMA 5.7.2
En una aplicacin isomorfa un sistema de generadores del primer espacio se
transforma en un sistema de generadores del segundo sistema.
DEMOSTRACION
Sean v1, v2, ..., vt unos generadores del espacio V y sean w1, w2, ..., wt los vectores
que les corresponden en el espacio W. Tomemos en W un vector arbitrario w y
consideremos el vector v de V. Por hiptesis, el vector v puede ser representado en la
forma v = a1v1 + a2v2 + ... + atvt.
Segn la definicin, la suma a1v1 + a2v2 + ... + atvt, debe transformarse en la suma
a1w1 + a2w2 + ... + atwt y, por consiguiente, el vector w debe coincidir con la suma
a1w1 + a2w2 + ... + atwt, es decir, los vectores w1, w2, ..., wt constituyen un sistema de
generadores del espacio W.
TEOREMA 5.7.3
A un sistema linealmente independiente de vectores le corresponde de
nuevo un sistema linealmente independiente.
DEMOSTRACION
Supongamos que los vectores linealmente independientes v1, v2, ..., vm del espacio V
se transforman en los vectores w1, w2, ..., wm del espacio W. Supongamos que entre
los ltimos existe una relacin de tipo
b1w1 + b2w2 + ... + bmwm = .
Segn la definicin, al primer miembro de esta igualdad corresponde en el espacio V
el vector
b1v1 + b2v2 + ... + bmvm
y al vector nulo corresponde en el espacio V el vector nulo . Por consiguiente
b1v1 + b2v2 + ... + bmvm = .
Puesto que los vectores v1, v2, ..., vm son linealmente independientes se tiene
b1 = b2 = ... = bm = 0,
es decir, los vectores w1, w2, ..., wm son linealmente independientes.
De estos teoremas se deduce directamente que en un isomorfismo una base de un
espacio vectorial se transforma de nuevo en una base de un espacio vectorial y, por
consiguiente, los espacios vectoriales isomorfos tienen la misma dimensin. La
afirmacin recproca es tambin vlida: si dos espacios vectoriales sobre un mismo
cuerpo de coeficientes tienen la misma dimensin, son isomorfos.
ALGEBRA LINEAL CON MATLAB
ESPACIOS VECTORIALES
253
EJEMPLO 5.7.1
Considere el conjunto de vectores en 3, B = {(3, 1, 2), (-1, 0, 2), (4, 3, 5)}:
a.- Demuestre que B es una base de 3;
b.- Encuentre (3, 4, 6) en B;
c.- Para un vector cualquiera u 3, encuentre u en B.
SOLUCION
Es fcil verificar que los vectores {(3, 1, 2), (-1, 0, 2), (4, 3, 5)} forman una base de
3. Es decir, debemos aprovechar que podemos calcular el determinante del sistema
de vectores
3 1 4
1 0 3 0
2 2 5
como el determinante es diferente de cero, podemos concluir que el sistema B es
linealmente independiente y por lo tanto es una base. Aprovechando las operaciones
elementales que se pueden realizar sobre matrices para resolver sistemas de
ecuaciones, podemos evaluar los puntos b) y c) inmediatamente, es decir:
3 1 4 3 a 3 1 4
3
a
1 0 3 4 b 0 1 5 4 a 3b
2 2 5 6 c 0 8 7 12 2a 3c
3 0 9
0 1 5
0 0 11
3a
0 0 48 18a 39b 9c
33
a 3b
1
a 7b 5c
0 11 0
2a 8b 3c 0
0 11
20
2a 8b c
16
1
20
De esta manera tenemos que 1 , 2
y 3
, con lo que podemos
11
11
11
decir que
16
1 20
(3, 4, 6)B , ,
11 11 11
1
(3, 4, 6)B 6a 13b 3c, a 7b 5c, 2a 8b c .
11
12
9
20
EJEMPLO 5.7.2
En 3 considere las dos bases
B1 = {(1, 1, 1), (1, 1, 0), (1, 0, 0)} y B2 = {(2, 1, 2), (1, 0, 3), (-1, 4, -2)}:
a.- Encuentre [(1,1, 3)]B1 ;
b.- Encuentre [(1,1, 3)]B2 ;
c.- Encuentre la matriz de cambio de base de B1 a B2;
d.- Encuentre la matriz de cambio de base de B2 a B1;
e.- Obtenga los resultados de los incisos a) y b) use las matrices obtenidas en los
incisos c) y d).
SOLUCION
a.- (1, 1, 3) = a1(1, 1, 1) + a2(1, 1, 0) + a3(1, 0, 0)
(1, 1, 3) = 3(1, 1, 1) 2(1, 1, 0) + 0(1, 0, 0)
[(1,1, 3)]B1 = (3, -2, 0)T.
b.- (1, 1, 3) = b1(2, 1, 2) + b2(1, 0, 3) + b3(-1, 4, -2)
(1, 1, 3) = 1/17(2, 1, 2) + 10/17(1, 0, 3) + 4/17(-1, 4, -2)
[(1,1, 3)]B2 = (1/17, 19/17, 4/17)T.
2 1 1
c.- 1 0 4
2 3 2
1
1
1
1
1
0
1 2 1 1 1
0 0 1 9 1
0 0 2 1 0
1 1
1 1
1 1
JOE GARCIA ARCOS
254
ESPACIOS VECTORIALES
2 0 8
0 1 9
0 0 17
2
1
2
2
1
1
P B 2
1 1 1
d.- 1 1 0
1 0 0
0
0
2
1
2
1
0
3
1 1
1 2
1 1
1 0 0
0 1 0
0 0 1
0 1 0 0
1 0 1 0
3 0 0 1
13
9
17
17
1
8
B1
17
17
1
2
17
17
1 1 1
4 0 0
2 0 1
2
1 1
1 1 4
0 2
1
2
1
1
3
3
1
1
1
1
2
1
0
9 /17
1/17
2 /17
13 /17
8 /17
1/17
12 /17
10 /17
3 /17
12
17
10
17
3
17
1
1
2
5
1
1 0 1
0 1 2
0 0 1
1
1
1
2
1
1
4
5
2
2 3 2
6 P B1 B 2 1 3 6
1 1 5
5
PROBLEMAS
5.7.1 En 2 considere las dos bases
B1 = {1 - t t2, - 1 2t2, t + 2t2}
y
B2 = {3 + 6t2, 2 + t + 6t2, t2}:
a.- Encuentre [1 t t 2 ]B1 ;
b.- Encuentre [1 t t 2 ]B2 ;
c.- Encuentre la matriz de cambio de base de B1 a B2;
d.- Encuentre la matriz de cambio de base de B2 a B1;
e.- Obtenga los resultados de los incisos a) y b) use las
matrices obtenidas en los incisos c) y d).
5.7.2 Sea P la matriz de transicin de B2 a B1 y sea Q la
matriz de transicin de B1 a B2. Cul es la matriz de
transicin de B2 a B1?
5.7.3 En C3 considere las dos bases
B1 = {(1 + i, 2 i, 1), (3 + 2i, 4 4i, 1), (i, 2, -i)}
y
B2 = {(1, i, 1 + i), (1, i, -i), (2i, 1, 1 i)}:
a.- Encuentre [(2i, 3,1 i)]B1 ;
b.- Encuentre [(2i, 3,1 i)]B2 ;
c.- Encuentre la matriz de cambio de base de B1 a B2;
d.- Encuentre la matriz de cambio de base de B2 a B1;
ALGEBRA LINEAL CON MATLAB
1 1 1 1 1 0 0 1
B1 =
,
,
,
1
1
1
0
2
0
y
1 1 1 1 1 1 1 0
B2 =
,
,
,
:
1
1
1
0
0
0
0
0
1 2
a.- Encuentre
;
7 4 B1
1 2
b.- Encuentre
;
7 4 B 2
c.- Encuentre la matriz de cambio de base de B1 a B2;
d.- Encuentre la matriz de cambio de base de B2 a B1;
e.- Obtenga los resultados de los incisos a) y b) use las
matrices obtenidas en los incisos c) y d).
ESPACIOS VECTORIALES
255
5.8 CUESTIONARIO
Responda verdadero (V) o falso (F) a cada una de las siguientes afirmaciones. Para las afirmaciones que sean falsas,
indicar por que lo es:
5.8.1 Todos los polinomios de grado 3 que poseen coeficientes reales forman un espacio vectorial.
5.8.2 Las matrices antisimtricas no forman un subespacio vectorial de todas las matrices cuadradas de n x n.
5.8.3 Todos los vectores de n, que tienen iguales la
primera y ltima coordenada forman un subespacio vectorial.
5.8.4 Tres vectores no coplanares u, v y w, son linealmente dependientes.
5.8.5 Un sistema de vectores que contiene dos vectores
iguales es linealmente dependiente.
5.8.6 Un sistema de vectores cuyos dos vectores se
diferencian por un factor escalar es linealmente independiente.
5.8.7 Un sistema de vectores que contiene al vector
nulo es linealmente dependiente.
5.8.8 Si una parte del sistema de vectores es linealmente
dependiente, entonces todo el sistema tambin es linealmente dependiente.
5.8.9 Cualquier parte de un sistema de vectores linealmente independiente es por s misma linealmente dependiente.
5.8.10 Si tres vectores u1, u2 y u3 son linealmente dependientes y el vector u3 no se expresa linealmente a
travs de los vectores u1 y u2, entonces estos ltimos se
diferencian entre s slo por un factor numrico.
5.8.11 Sean S, U y W subespacios vectoriales de V.
Entonces S ser la suma directa de U y W cuando y slo
cuando S est contenido en U y W.
5.8.12 Si los vectores u1, u2, ..., uk son linealmente dependientes, y los vectores u1, u2, ..., uk, u son linealmente
independientes, entonces el vector u se expresa linealmente a travs de los vectores u1, u2, ..., uk.
5.8.13 Si la dimensin de la suma de dos subespacios
vectoriales del espacio V supera la dimensin de su interseccin en una unidad, la suma coincide con uno de
esos subespacios y la interseccin con el otro.