ALGEBRA II
ARMANDO - ROJO TRABAJO PRACTICO IV om
‘4, Doterminat os rangos de Ay de AAS por Gauss Jordan,
(gol, Demesttar primero quo So (A +B) C So (A) + Sq (B). Al pasar a la relaci6n entre sus
<éimensiones, tener en cuenta
(g62.i )oonsidera el elemento genérica dela diagonal de AB y de la diagonal de Ba,
ii) asoviat y apicar i.
ii aplica i.
(463, Premultiplcar por Ala relacion A X=a X,y teneren cuents que A?
(464, Realizat 1a maisma multiplicacién que en el ejercicio anterior y considerar que A’
4465.1) Expresar X como producto de matrices, calcular su cuadrado y tener on cuenta
XT donde T es la matiiz m1 formada por unos, es un escalar, y por lo tanto igual 2
su traxpuesta,
ii
Resulta A + 0 sea, una
et
iit) Después de desarrolar la sumatoriay reducir términos, se llega a que
astlTie
Elector puede comprobar que esta matriz es idempotente,
446, Bfectusr ol producto entre I Ty la uma indicada. Considerar que T" = N,
467, Pantcionar A on dos bloquos dol tipo 4 X 2, y ofeetuar el producto.
4468, Trasponiendo términos se prueba que A admite inverse.
4.69, Por Gauss Jordan se obtiene
Di
P
1
0
4-70, Para la condiciGn nevesaria efectuat los productos AB y BA, ¢ igualaslos pare obtener
ay 0. Para la condicion suficiente, efectuar ambos productos sustituyendo B por su
expres,
471, Apliear induccién
»oi-t
4miya={1 -1 0
Qetead
ample, 512(075) Rojo, Armand O.
Rou ‘igabrs = 13a. ed. - Buenos Altes: El Ateneo,
1998.
tl 296 p28. 180m,
I9BN 950-42.5206-8
Lthuo +1, Matemétion -Ensefianza Sooundatla
‘Aavortonca importante:
El derecho de propiedad de esta obeacomprende para su autora
feculladl do Spener 6a ee, pubicara vada, acapai oauerizar
“Sitrauccin 9 raproduela an cualauer foe oll o parent, por
‘med scans 0 mecanizos,isluyendo fokecores,grebacion
Tmapnetotnicay culquer sistema de almacenomiento do inormacin,
Po consigiene, nadie ene facutad a era los dorechos precios
‘Si pemigo dl autor y do dito, por escri,
Los infratoressornropdnidos con las penas del atioa 172 y
‘concordaniee det Codigo Pena (ats. 2,9, 10,71, 72\ey 11-723).
‘eda nga al apo ae estabac ay NE 1.720,
‘9 tare tara, sa/e ary eden, 178, 128,
oar 100,128,187 094, 9953, Tee,“ ATENEO" Pio Gari 8
Ubon ora nba Pris 346, Banos Aes
Fndadsen 1012 porden Peso Gaia.
Inoroeo en 7.6, COLOR EFF,
Pee ie von, 8545
sce marzo ao 1008,
‘ees: 2000 cores.
{MPRESO EN LA ARGENTINA PROLOGO
Este libro responde a fos contenidos de fe asignatura ALGEBRA LINEAL, que
figure en tos planes de estudios del ciclo bésico de Matemética de las facultades
instiwtos de profesorado. Se sypone adquiida #1 conocimiento de los. temee
‘olativos al ilgebra dle conjuntos, retaciones, y tanciones, y de las estructitas de
grupo, anillo y cuerpo. Esencialmente se desarrolla aqui la estructura de eapoote
vectorial y se estudian los modelos particulares indispensables en la formacién sctval
de profesionales y en tas aplicaciones a disciplinas do uso eotidano, entre as que
citamos, por ejemplo, 9 Estadistica y la Investigacion operstiva
Ei esqueme seguido es anélogo a! expuesto en Algebra J, edlitade por EL
ATENEO en 1972. La weorla es itstrala con ai desarollo de ejemplos en 108 que ef
alumne puede apoyarse. En cade capitulo se propone un trabujo prictico caves
respuestas se supieren en el texto,
Agradtezco a ta sdlitoriat EL ATENEO y a su personal la coleboracibn que me
hhan Brindato en todo to concernienta a esta rublicacion,
[ARKANDO 0. ROVO
Buenos Aires, mayo de 1973 Pi
vit apituio 1,
pitule 2,
CONTENIDO
ESTRUCTURA DE ESPACIO VECTORIAL. SUBESPACIO 1
1, 2.Concepto de espacio vectorial 1
1. 3.Propiedades de los espacios vectoriales 6
1, 4. Espacio veetoril de funciones 7
1. 5, Espacio veetorial de n-uplas 10
1. 6. Espacio veetorial de matrices u
1. 7. Espacio vectorial de sucesiones 3
1. 8. Subespacios 13
1. 9. Operaciones entre subespacios By
Trabajo Prictico I 27
DEPENDENCIA E INDEPENDENCIA LINEAL, BASE Y DIMENSION 30
2. 2, Combinaciones lineales 30
2. 3. Subespacio generado 34
2. 4 Dependencia e indepenilencin lineal a2
2, 5. Sistema de generadores st
2. 6, Base de un espacio vectorial 33
2. 7. Dimension de un espacio vectorial 37
2. 8, Dimension de la summa ©
Trabajo Préstico IL 6
‘TRASFORMACIONES LINEALES 66
3, 2. Trasformacion lineal entre dos espacios vectorisies 66
3. 3. Nécleo e imagen de una trasformacién lineal n
3. 4, Dimensiones del nicleo y de fe imagen 80
3. 5. Teorema fundamental de las trasformaciones lineales 83
3. 6. Producto de mairices 85
3. 7. Matria asociada @ una trasformacign lineal 86
3. 8. Composicion de trasformaciones Tineales 902
3. 9. Trasformacion lineal no singular 93
3.10. Composicién de trasformaciones lineales y proslucto de matrices 96
3.11. Bspacio vectorial de trasformaciones lineales 98
3.12. Espacio dual de un espacio vectorial 101
‘Trabajo Practice IU oz Capitulo 4,
Capitulo 5,
Capitulo 6.
coNTENIDO
MATRICES
4. 2. Producto de matrices
4, 3. Anillo de matrices cuadradas
4, 4. Trasposicign do matrices
4. 5. Matrices simétrieas y antsimétricas
4. 6 Matrices triangulares
4. 7 Matrices diagoneles
4. 8. Matrioes idempotentes c involutivas
4. 9: Inversa de unt matriz no singular
4.10. Matrices ortogonales
4.11. Matrices hermitianas
4.12, Matrices particionadas
4.13, Fspacios fila y column de una matriz
4.14, Operaciones y matries elementales
4.15; Equivalencia de matrices
4.16. Método de Gauss Jordan para determinar el range
4.17- Inversion de matrices por Gauss Jordan
4.18, Inversign de matrices por partiein
4.19, Cambio de base y semejenza de mateicos
Trabajo prictico IV
DETERMINANTES
2. Determinantes
3, Propiedades de Ia fonciSn determinante
. 4. Existoncx de D
5,
5
5.
5. 5. Unieckdad det determinante
5.
5
5
- 6. Determinante de ln traspueste
7. Determinante del producto de dos matrices
8. Adjunta de una matriz cuadrada
5. 9: InversiOn de matrioes no singulares
5.10, Regia de Cio
‘Trabajo Prictico V
SISTEMAS LINEALES
6, 2. Sistemas tineales
6. 3. Teorema de Cramer
6. 4 Compatiilidad de sistemas lineales
6. 5, Resolucion de sistemas lineales
6. 6 Sistomas homoyéneos
6. 7.Conjunto solueién de un sistema lineal
6, 8 Resolucion de sistemas simétricos
6. 9, Método del orlado
‘Trabajo Pritico VI
106
106
199
10
12
na
na
us
116
u7
8
121
123
130
133
135
138
Mat
149
Iss
15s
157
16)
163
166
169
170
m
1%
7
11
181
187
188
130
196
198
202
208
210 conTENIDO XL
Capitulo 7. PRODUCTO INTERIOR, GEOMETRIA VECTORIAL aia
7, 2. Expacio vectorial euctidiano 24
7. 3. Ortogonalidad 219
7. 4, Desigualdad de Schwarz 22
7, 5, Desigualdad triangular 223
7. 6. Angulo de dos vectores 223
7, 7.Conjunto ortogonal de vectores 235
7, 8. Base ortonormat 225
7. 9. Complemento ortogonal 29
7.10. Proyeecion de un vector sobre otro 232
TAL. Bspacio afin R® 233
1-12, Eeuaciones vectorial y cartesianas de la recta 236
7.13, Eewrcién normal vectorial del plano 239
7.14, Curvas en el espacio 246
TAS. Superficie cilindrica 249
1G. Supesficio ebnica 25)
7.17, Proyeccion de una curve sobre un plano 253
‘Trabajo Praetico VIL 257
Capitulo 8 VALORES Y VECTORES PROPIOS. DIAGONALIZACION 263
8, 2. Valores y vectores propios 263
8, 3,Polinomio caructeristico de una maiz, 270
8, 4 Diagonalizacin do matricss 716
8, 5, Trisngulaciin de endomorfismos y,de matrices 279
8, 6, Teorema de HamiltonCayley 282
‘Trabajo Prictieo VILL 285
Capitulo 9. FORMAS BILINEALES Y CUADRATICAS 289
9, 2. Formas bilineales 289
9, 3. Formas hetmitianas 293
9, 4, Formas cuadeéticas 294
9, 5. Operadores adjuntos y traspuestos 296
9. 6 Operadores hermitianos y simétvicos 299
9, 7, Operadores unitarios y ortogonales 300
9, 8, Teorema de Sylvester 303
9. 9, Diagonatizacin de operadores simétricos 307
9.10. Matrices simétricas reales y valores propios 310
9.11, DescomposiciOn espectral de una matriz 311
9.12. Congruencia de formas cuadraticas 314
9.13, Signo de una forma cuadeitica 318
‘Trabajo Prictico IX 321 xu ‘CONTENDIO
Capitulo 10, CONVEXIDAD. PROGRAMACION LINEAL
10.2. Conjuntos de puntos en RP
103, Seamentos,hipecplans y semiespacios
10.4, Convexidad en R" 7
10.5: Convexida y tisfousacones lines
1046 iperplinos soprtanie
10,7, Puntos exromos
fa Programaciin Lineal
BIBLIOGRAFIA
RESPUESTAS A LOS TRABAJOS PRACTICOS
INDICE
325
325
330
336
339
342
344
346
356
359
361
393 Capitulo 1
ESTRUCTURA DE ESPACIO VECTORIAL
SUBESPACIOS
11. INTRODUCCION
La estructura de espacio vectorial, que tratamos en este capitulo, es el eoncepto ésico
el Algebra Lineal. Confiere unidad y precisin a temas esenciales de la matemtica que
tienen vastas aplicaciones en Ia ciencia y en fs teenologis actuales. Después de introdueir el
sistema axiomético y de dar las propiedades fundamentales, proponemos los espacios
vectoriales de funciones,de los que se derivan los modelos de los espacios de matices,
nouplas y sucesiones de elementos de un cuerpo. Se ds, finalmente, el concepta de
subespacio.
1.2, CONCEPTO DE ESPACIO VECTORIAL
Sean: V un conjunto no vacio, K un cuerpo, + y . dos funciones, que lamareinos sums y
produeto, respectivamente,
Definicion
El objeto (V, +, K,.) es un espacio vectorial si y s6lo si se vosfican los siguientes
Ay - La suma es una ley de composicion interna en V.
t:Vtoy
Osea
xeVayeVoxtyeV
Esto significa que la suma de dos elementos cualesquiera de V es un fnico elemento de
v,
‘Ay La suma es asociativa en V.
(ty)teexty ty
cualesquiera que sean x, y,z0n V. sTRUCTURA DE ESPACIO VECTORIAL. SUBESPACIOS
‘Ag Existe un neutro para Ia suma en V,
[Bi elemento neutro se denota con 0.
BOEV/VxeV:x+0=04x=x
‘Ag Todo elemento de V admite inverso aditivo u opuesto en V,
VREV,3yEV/xty=ytx=0
Al opuesto de x lo denotamos con =, 0 sea, y = —x
As La sume es conmutativa en V.
xhyaytx
cealesquiera que sean x, y en V.
‘Ae Bl produeto es una ley de composicion externa en V con escalaresw operadores
enk,
KXVeV
De acuerdo con 5.6, Algebra, del mismo autor, la imagen del par (a,x), donde a eK y
x¢ V, se esctibe a x y st llama producto del escala & por x
Osea
aeKaxeVoaxev
‘Ay -Elproducto satistuce In asociatividad mixta
VaeK,VBEK,VxeV: (8x) =(@A)x
Observamos squé que los dos productos que figuren en el primer iiembro
corresponden a la ley de composicién exiemms. Pero el producto ap del segundo
jombro se efectia en K.
Ag. El producto es distibutivo respeeto de la suma en K.
Vaek, YBEK, ¥ xeV:(a+p)
La suma @ +8 se efectiin en K. poro la suma que
corresponds a la ley de composicién interna en V.
As . El producto es distributivo respecto de ta summa en V.
Yack, ¥xeV,VyeV: a(x ty)=ax tay
Las dos sumnas se realizan on V.
Ajo. La unidad del euerpo es neutro para el producto.
VxeV: Inox
donde 1 denota Ia idontidad en K.
Los axiomas Ai, Aa, As, Ag y As caracterizan a (V ,-+) como grupo abeliano, Los
‘lkimos cinco axiomas son relativos a Is ley de composicién extema
Los elementos de V se llaman vectores; en particular, el elemento neutro para fa suma ESPACIO VECTORIAL
recibe et nombre de vector nulo, A menudo hablaremos del espacio vectorial V,
fobrentendiendo que nos referimos a Ix cuatema (V,+,K,.). La simplificacién de los
rotaciones hace conveniente el uso de Jos 1
Composicion interna en K, la suma en V y ol producto de escalates por vectores. 0 sea, al
fecir K n0s estamos :
dos leyes de composicion intema en K, que no tienen ef mismo significado que las que
figuran en (V, +, K, .). Distinguiendo adecuadamente los elementos de K y los de V, no hay
ugar a confusion,
Asi
a+ esuna suma en K x+y esuna sima enV
aBesun producto enK —-—-@X eel producto de un escalar por un vector
-jempto 1-1.
, K=R, la edivin definida en R* por
GDF M=@te.b+d) 0)
1yel producto de nimeros reales porelomentos de R* definiéo mediante
2G, 2)=(@a,ab) @
Resulta (R?, +, ,.) el espacio vectorial de los pares ondenados de nimeros reales
sobre el cuerpo de los nimeros reales.
En efecto, de acuerdo con los ejemplos 5-2 y 5-5 iv) det texto nombrado, es (R? , +)
‘un grupo abeliano,
Por otra parte se verifican:
[Ag Por la definiciin (2).
Ay a (B@,B)) = Be, 86)= (aBa), a(Bd)) = ((aB)e, (@A)0)
= HV0,>)
Hemos aplicado la definicion (2), fa asocitividad del producto en Ry la éefinicion
oe.
As @+PV(a,6)= ((@+B)a,(@46)d) = (aa +Ba, ab +B0)=
= (Ga, ab) + Ga, B8)=a(a,d)+ (a,b)
De acuerdo &
a
(2), fe distributividad del producto respecto de la suma en R, y las
icones (1) y (2).
As .0(@046, 0) sa@te ota (alate, a6+) =
(ea tae, ab+ad)=(ae,ab)+ (ae, ad)=a(e,0)+a(e.d)
1s simbolos para nombrar las leyes de
indo al euerpo (K, +, ) donde los signos "#" y “." denotan las 4 ESTRUCTURA DE
SSPACIO VECTORIAL. SURESPACIOS
Segiin (1), (2), distibutivided de la multiplicacion respecto de la adicin en R, y las
0, y sentido opuesto si a<0. Corresponde a una dilatacion si le |> Ly a una
contraccién si la 1< 1. Sia =0, entonoes 4 obtiene el vector nulo,
(a,b) +(e, d)
Pjemplo 1-2
En R® se definen: Ia suma, como en el ejemplo anterior, y la ley de composiciin
externa mediante
@@,)=(@,a) (2)
Se verifiea, como antes, que (R? , +) es un grupo abeliano,
En cuanto a (2, satisface Ag. Su significado geométrico es el siguiente: todos los
Pares ordenados que tienen ia misma absia, al ser multipicads por cualquier nimero
‘eal, se proyectan sobre la primera bisectriz paralelamente al ele de ordenadas. ESPACIO VECTORIAL
También se satisface Ay, pues
« (8(@,)) =@(0,a)=(4, «= (0) (0.0)
No se erifiea Ay, ya que
(a +B)(@, b)=(a, a)
pero
(a,b) + Bla, b)= (a, a) +(a, a) =(22, 20)
Este hecho es suficiente para afirmar que no se trata de un espacio vectorial
lector puede comprobar que esta interpretaci6n cumple Ay pero no Ay
Observamos aqui que la estructara de espacio vectorial noe: inherente exclusivamente
al conjunto V, sino que, ademés, depende de K y de las lees de composicion que se
definan. Aclaramos que toda vez que se mencione al espacio vectorial (R2, +, R, .) se
sobrentenderi que la sua y el producto son los definidos en (1) y en (2) del ujemplo
Hl
Ejempio 13.
La estructura de espacio vectorial no es un sistem axiomético independiente, pues As
puede deducirse sobre la base de los restantes axiomas,
Enefecto 6 PSTRUCTURA DE ESPACIO VECTORIAL, SUBESPACIOS
xtuty tye tet ict ly tly= (+ Det (+ dys + De ty)=
(xtyytlotypeixt yt txt tyoxtytaty
cen virtud de Arg, Ap, Aa, Aes As Y Aro
Osea
tx ty tysxty tery
Por ey cancelativa en el grupo (V , +) resulta
xtysytx
1.3, PROPIEDADES DE LOS ESPACIOS VECTORIALES
‘Sea (V, +, K,.) un expacio vectorial
1.3.1. El producto del escalar 0 por cualquier vector es el veetor nu.
En efecto, por neutro para a suma en Ky As es
ax= (a+ Ox =ax + Ox
Por Ay se tiene
xt O=axt Ox
Y por ley cancelativa resulta
ox=0
1.3.2. Bl producto de eualquier escalar por el yeetor nulo es el veetor nulo.
Por As y Ay es
ax=a(x+0)=ax+a0
Entonces
axta’
Por Ay
weet adnax+0
Y por regularidad en (V, +), resulta PROPIEDADES DE 10S FSPACIOS VECTORIALES, 1
1.33.Si el producto de un escalar por un yectores el vector nulo, entonces el escalar es 0.0
el vector es nulo,
ax=0>0=0vx=0
Se presentan dos posibilidades: a =0, 0 bien, a0
En el primer caso os vordadora la primera proposietén de la disyunci6n que Aigura on la
‘esis, y por consiguiente ésta es verdadera.
Fin ol segundo caso es neccsario probar que x
Fin efecto, siendo «#0, existe ef inverso multiplicativo en K, a’. Partiendo de la
hipstesis, promultiplicando por @', usando Ap, 1.3.2., el producto de inversos en K y Ayo
se tione
=02a"(ax)=a 02(@! ax
2 x= 02x=0
1.34. El opuesto de cualquier escalar por un vector es igual al opuesto de su producto,
(a)x=-@x)
Teniendo en cuenta Ag, 1.3.1.,1a sima de opuestosen K y Ag, es
(ax) $ax=0=0x=(-a+a)x
Hex tax
De
(-0)x tes —(0x)-boe
después de cancelar, resulta
(-@)x=—(ax)
En particular se tiene
Cayx= = -«
1.4, ESPACIO VECTORIAL DE FUNCIONES
EI simbolo K* denota el conjunto de todas las funciones con dominio un conjunto X #6
y codominio un cuerpo K,, 0 sea
f/0 XK)
En K% definimos la suma de funciones y el producto de escalares por funciones mediante
i) Sify gson dos elementos cualesquiera de K¥, entonces f + 4: X > Kes tal que
(+O) FO) + EO) VxEX
ii) Sia es cualquier clemento de K y f es cualquier lew
af:X>Kestal que
nto de KX, entonces
He)
f() Wxex 8 ESTRUCTURA DE ESPACIO VECTORIAL. SUBESPACIOS
Tanto ta summa de funciones eon dominio X #9 y eodominio K, como el producto de
«escalates por funciones, se laman leyes de composiién punto s punt,
Resulta (KX,+,K,.) un espacio vectorial Para ello, veamos que se verifican los
axioms,
Ay .£€K™ a geK*® > +g eK por ia definicién i)
A; .Sean f, g y hen K%. Cualquiera que sea x €X se verifica, teniendo en cuenta la
K definida por (-f)(x) = F(x)
En efecto, para todo. € X se verifica
(C+D) = (9G) + F@)= 1) +f 0) =0= e@)
Osea
(Otice
Anilogamente se prueba que
f+D=e
As . Lasuma en K* es conmutativa, ye que
+9) =f) +8@)-80) +10) =(8+ 90)
Lego
£ +g =g + Foualesquiera quo sean fy gon KX
Ag eK AfeK* afek por la defiicion i).
Ay Sean aeK,BeK y feKX ESPACIO VECTORIAL DE FUNCIONES °
Entonoes
(269) @-« (He) =a (ate) = @mte)= (ear) @
Lego
aBH=(ept
‘Ay. Consierando
weK BeKyfeKk% es
(+01) @)-@+Mtey=ate)+btay=
=D) + BD) =(at + 8H)
lo ue se justificntenendo en cuenta i), la dstebutividady la ase
enk, ie,
Entonees os
+ Ofaattpt
Ag Sean eK, fEK% yg eKX
72 a de distrbutividad del producto respect de a suma en Ky por la detniiones i)
yi) se tiene
(a+9) =a (+90) -@(f0)+ 809) =
wat) FaKG)(@D()+ (ag) )=(@f tag)G)
Osea
a(ft+@=atteg
‘Avo .Cualquiera que sea fen K* se verifica
(1 G)= 1 £(a)= FG)
Lugo
iret
aGuaerma (+ el espacio vectorial dels fncions detinidas ene conjunto
Beacio X'y eon valores en K, con ls lees de composicén punto a punto, Losvetonm do
«este espacio son funciones,
La figura siguiente expiica ta situacion en el caso patti
lar on que K= Ry X= 0,1] 10 ESTRUCTURA DE ESPACIO VECTORIAL, SUBESPACIOS
1.5, ESPACIO VECTORIAL DE 1-UPLAS DE ELEMENTOS DE K
Con relacidn al espacio. vectorial de funciones (KX, +, K,.) consideremios el caso
Particular en que X es eintervalo natural inicial I, Toda fancion f: ly > K es una nupla de
elementos de K, y escribiendo Kh © K" es(K", +, K, .) el espacio vectorial de las nuplas de
elementos de K.
as definiciones i) y ii) dadas en 1. se traducon aqui de la siguiente manera
4) Sify g denotan elementos do K”,entonces f+ es la funci6n de I, en K definida
por
(+8) =£G@) + BU) cualquiera que sea ie,
Es decie
CEH DO=CO4 BO =a,
donde a, by eon fas imdgenes de i dadas por f, gy + g espectivainente
En consecuencia, dos nplas de elementos de K se suman componente a componente
fi) Sie Ky feK",entonces a Fes funcién dey en K definida por
(=a f() cualquiera que sea ly
Denotando mediante cla imagen de i dada por a f es
«=a )=af=a4, Fs deci, el producto de un elemento de K por una mupla se realiza ultiplicando en Ka
‘dicho elemento por cade componente de Ia nupla,
En particular (K, + K, eso espacio vectorial donde los vectores se identfcan con tos
I elementos del cuerpo K. En este caso, la Jey de composicién externa es interna.
En coniecvenca,(R,+,R,.) 65 e espacio vectorial de los nimetos reales sobre el cuerpo
de fos reales, Este es un caso petiulr del espacio vectorial dels meuplas de mnimeros rst
| sabre el euerpo de os reates, que denotamos mediante (R”. +, ).
|" (C4,G. eset espacio vectorial de as muplas de niieros complejo sobre el eurpo de
Jos compleos
| 1.6. ESPACIO VECTORIAL DE MATRICES n x m
i Particulsrizando nuevamente con relacién al espacio vectorial tratado en 1.4, considere
mos X =I, X Ty, 0 sea, el producto cartesiano de los dos intervalos neturaesiniciales: 1, ©
late,
[Llamamos matriz x m con elementos on K a toda funcién
Fila X Iq *K
{a imagen del elemento (/,/) perteneciente al dominio se denota por ay.
[La matez f queda earactesizada por el conjunto de las imégenes 2 ESTRUCTURA DE FSPACIO VECTORIAL. SUBESPACIOS
y suele esrbise como un cuadro de nm elementos de K dispuestos en fas y m cokannas,
En cade fila o eenglin se escribon las imégenes de todos los pares ordenados que tienen la
mista primera componente, y en cade columna se anotan ls imégenes de todos ls pares
fordenados que tienen la misma segunda componente] elomento deta matiz que gua en
ta fila 4 on In columna j se denota por a, y es la imagen dada por f del par (i). Lamando
‘Ala matriz cayo elemento genérico esa, esribiremos
‘Tanto las filas como las columnas de A se llaman Ifneas de ka mata
Abreviando, puede eseribirse
(aj) donde i= 1,2... ¥ F=1,2,.2.4m
EL conjunto de todas las matrices » x m con elementos on K es Kn y ye denota
rediante K"™"
Las definiciones i yi) dadas on 1.4 se traducen agui de la siguiente manera: st A y B son
dos matrices de K"*™", su uma es CeK"™®, tal que
cu CF 9G D= GD + BED = Ay + by
yelproducto del esclar a € K porla mats es ka matric de K"*™ euyo elemento genérico
fey estal que
=O NG. D= all, P=aay
© sea, dos matrices del tipo xm se suman elemento a elemento; y para multipliear un
scalar por una matriz nx se multiplica dio escalar por todos los elementos de la matriz
La cuateme (K"%",+,K,.) denota el espacio vectorial de las matriees xin con
elementos en K. En este espacio, ls vectores son matrices
En particular (K"™", +,K , ) es el espacio vectorial de las matrices cusdradas, es decir,
de fila y n columnas.
El vector mulo del espacio K"*" se lama matriz nula; la denotaremos mediante N, y esté
efinida por ng = 07 ¥ 7.
0 satisfac Ia
‘La mateiz inversa aditiva u opuesta de A= (ay) ¢6 B, cuyo elemento ger
selaci6n by =~ay, Escribiremos B= —A.
Por definicidn de funciones jguales resulta A= B siy s6lo siay=by VEY [ESPACIO DE SUCESIONES. B
Hlemplo 1-4.
Fin R°** ge consideran las matrices A y B cuyos elementos genéricos
oo 0
B
33-3
nay 2-1
dy=1—2, Obtenemos C= A 28.
La exprsion de Ces C= A-+(-2)B,y 6
resilte
1.7, ESPACIO VECTORIAL DE SUCESIONES
Sean: X= Ny KN ol conjunto de todas las funciones de N en K. Los elementos de K®
son todas las sucesiones de elementos de K, y retomando Io expuesto en 1.4, resulta
(KS, +, K, .) un espacio vectorial.
Lis definiciones i) yi) de 1.4, se interpretan ahora dela siguiente manera:
+ OUD=L) + BU) ea +b, WEN
G7 @NM=al (Nam, VEN
Osea
(ada day ed #E Daye DE Cy + yds FB 3, oy PB gs)
CE. a6. yy Y= (ay Ay, yy)
El veetor nulo es la sucesion
0=(0,0,..4.0,..)
Ejemplo 1-5
' ‘Sea R{X] el conjunto de los polinomios reales en fa indeterminada X. La sum en
R |X] s0 define como en 12.2.2., Algebra J, del mismo autor. El producto de esealares 4 ESTRUCTURA DE ESPACIO VECTORIAL, SUBESPACIOS.
reales por polinomios es el habitual, o sea siaeK y PER IX], entonces aP es la
fanetén de No en R definida por (a P) (i) =a P (i), cualquiera que sea ¢ Ny
Ress (R (X], + R, el expacio vectorial detox poliomnios reese a indtermina
da X sobre el cuerpo de los nimeros reales
El conjunto de ios polinomios reales de grado 2 no es un espacio vectorial sobre el
ewerpo de Tos reales, porque la suma no es una ley de composicién interna en dicho
onjunto. Pero el conjunto de los polinomios reales de grado menor 6 igual que 2y et
Polinomio nulo constituye un espacio vectorial sobre R.
Eiemplo 1-6
Sea $ el conjunto de las funciones reales definidas en [0,1] tales quo £ (0) =
S=/f: [0.1] >R/f)=0}
Como todo etemento de portenece a RII, es §¢ REO!
Considerando tas eyes de composiciin defindas en 14. verifcan
Ay -feSages£(0)= 04 0)= 05 1(0) + g10)= 6-64 )(0)=0> 84 568 SUBESPACIOS 1s
le funciones es asociativa en RI), también lo esenS.
‘Ag Como ls sums
‘Ay La funcin mula eso vector nulo de S.
‘Ag «Todo elemento de S admite un opuesto en S.
SifeS, entonces -f €S, pues (-f (0)=—£(0) =0.
As. Cuslesquiers que sean fy gen S tiene
feaatt
pues $c RIOT
Ag GER» fES*AER A £(0)=0 af (0)=07 @fO)=0>afes
Los testantes axiomas, lo mismo que Az y As, por ser Mentidedes en RIM! se
ceumplen en S ya que SC RI!)
En consecuencia, (8, +, R, -) es un espacio vectorial
1,8, SUBESPACIOS
1.8.1. Concepto
Dados el espacio vectorial (V, +,K, ) el eonfunto no vacio SCV, si S es un espacio
‘vectorial sobre el mismo cuerpo K y con las mismas leyes de composieion queen V, diremos
tye (+, K, ) es umn subespacio de (V, +, K,.), 0 simplemente, que S es ur subespacio de
v.
Defincion
‘Ses un subespacio de (V, +, K, ) sly sélo si (S, +, K, Jesum espacio vectorial
Cai qu 6, 4.K, tt Y cone {0 sm esc dV, mas
Hjemplo 1-7
Consideremos el espacio vectorial (R?, +, R, .) los subconjuntos
Ta [ Gy yeRt/ymxtt} $= [Gn xER? /y= 2x]
‘T noes un subespacio, pues el vector mulo (0,0) ¢T.
Fn cambio, S es un subespacio de R®, ya que
1° (5, 4) es un subgrupo de (R®, +), En efecto, de acuerdo con la condicin suficiente
detnostrada en 8.4.2, Algebra T, del mismo autorse verifica
Ge yeS A e' ppeS eyed A y= detey —y'=26e—2>
> xy yDESH EN tCN, WES 16 ESTRUCTURA DE ESPACIO VECTORIAL. SUBESPACIOS.
2° Respecto dela ley de composicin externa consideramos
Ae @ERA( Y)ES> @ERAY=2x-ay=2ax2(ax,ay)ES>alx,y)eS
Tos axiomas Ay, Ay, Ay ¥ A1o, por ser igualdades en R®, se cumpien en $ ya que
scr
yay
(1,2)
De la definisién se deduce que (S, +, K, ) es un subespacio de (V, +, K, ) sly so s
(S, ¥)¢s.un subgrupo de(V, +) y S es cerrado para el producto por escalares
1.8.2. Condicién suficiente
Si el conjunto no vacfo $C V es cerrado para Ia suma y para ef producto por esalares,
‘entonees (S, +, K, .) esun subespacio de (V, +, K,.),
4,K, ) e6 um espacio vectorial
LxeSAyeS>x tyes
2.aeKaxeSwaxes
‘Tesis) (S, +, K, .)es un subespacio de (V, +, K, .)
Demostracin)
1° Consideremos dos vectores cuslesquiera x ¢ y en S. De acuerdo con fa condicisn 2, de
's hip6tesis, por 1.3.4, y por la condicién 1, de la hipstesis,se tine suseseacios
KeSAVES* xESA(-I)YES* ES A-VES = KHC-yeS
eer
Cece ee ee ae ee ie
ies ee
Estas condiciones son, ademas, necesatas. Es deci, sabiendo que Ses un subespaci, son
Hiempio 1-8
Sean: el espacio vectorial (R’, +, R,.), y el conjunto $ de les temas ondenadas de R
tales qu la tercera components es igual al suma de ls dos primeras,
Osea
{ (6, xa,25) ER? foxy =a; #0}
Afinmamos que S es un subespacio de R°, pues
1. (,2,3)€S 9846
2, SCR? por Ia definiciin de 8,
3. (asta As)ES AVL Ya IsES HAVA tm AVAIL HY
xy tay ates ty) Hes ty) Ge teks bya ta)eS—
> Gn x25) + On Yaad ES
Henos spicao suanvament: la defini de Sl aici en R, dfn de
Ja definicién de suma de ternas. bade
4. ER A (4,¥2,25) ESP BER xy =H Hx >
Peary =ax, +ax7 > (0x) 0247, 0x5) ES 70 OE, ¥3, 44) C8
Por definicibn de S, muliplicacion en R, definiciOn de S y le defnicién de produ.
de escaare por terns. produsto
AA subespacio $ pertenecen las tennas (xy, 3,3) € R® que satisfacen la condicién
xy te, 3 =0
Esta ecuaciOn define un plano que pasa por el orien, 18 ESTRUCTURA DE ESPACIO VECTORIAL, SUBESPACIOS
Ejemplo 1-9
Gonsiderando 1 espacio vectorial de las funciones reales dfinidas en (0,1), que
denotamos mediante (R', +, R, ), sean los subconjuntos
1 feR'/f(0)=0}
2. 8=[teR'/fo)=1}
Pa el caso 1. s tiene un subespacio de R!, como fue tratado en detalle en el ejomplo
1, Independientemente del andisis realizado en el ejemplo eitado, we legs a
‘sma conclusion aplicando el teorema demostrado, pero en forma me simple
En cuanto al caso 2., $ no es un subespacio, pues no es corrado para is sama, En
efecto, las funciones fy g de I en R definidas por
fix)=x+ 1 weet +1
satisfacen las condiciones
fO)=1 (0)
© sea, som elementos de S, Pero la suma f+ gestédefinida por
(+8) 0) =f) + 96) =37 Hx 42
¥ no pertenece a $, ye que
+9 @=2
Elemplo 1-10
Dado cl espacio vectorial (R', +, R, ) consideramos
{Orr waa ERM ey xy tary tary
Se veriica que
1. S49, pues (1, 0,0, eS
2, SC.R* por la dfinicién de S
3. Sno es cerrado para la suma ya que
(1,-1.0) a (1,1, 1, 0)€8 pero
G10) +0, 1, -1,0)20,2,-2, es
Ef consecuencia, § no es un subespacio, Por otfa part, el vector nulo no pertensoe a
S.y ento basta para que no sea un subespaci,
Fjemplo 1-11.
Sey R=", +R, ol enpacio vectorial de las mates cuadiadas reales de fas yn
ccoturnnas, ‘SUBESPACIOS 19
Si Ae RY" eseribimos
A
Bey dna ss Ba
Por definicién, traza Je una matriz cusdrada es 1a suma de los elementos de su
iagonal, La notacién es
Eleonjunto
S= {AeR™" ir
es el conjunto de las matrices de traza nule de R"™", y constituye un subespacio, pues
se verifica
1. S#¢, pues le matriz mula N es de traza nula, y en consecuencia es vn elemento
aes,
2. SER™" por definicion de S,
3, Ses cerrado para la adicién,
‘Sean Ay B dos matrices cualesquiera de S, Fntonces
AeSaBeS=trA=Onir
= Bu 0n3, bu
a3 aut 3, bu 03 Gut b=0>
> r(atB)
+ AFBES
4, S es cerrado para el producto por escalates. Ein efecto
Bjemplo 1-12.
CConsideremos $ = [(Gvs, 22) €R?/ty D3} © investiguemos si Ses un subespaio de
RB, 4,R, ).
Se ve de inmediato que no se verifica Ay, pues no todo elemento de $ admite
‘opuesto en $. Asi
(0, -1) eS pero (0, 1) €8 20 ESTRUCTURA DI: I'SPACIO VECTORIAL. SUBESPACIOS
Anslizando Ia situa
isto
2SCR
3, S es cerrado para la sma.
nen términos de la condicién sufieiente demostrada, se verifca
G1. %2) ESAQ4, ya) ES 9x4 BaAy Dyy >
Rs FL Bea ty Gee tee FYAVES HOLM) +O )ES
Pero $ no es cerrado para el producto
Por escalares, como lo demuestra el siguiente
ejemplo:
QA eSa(-2y2ut
4,-2)68
En consecuencia, $ no es un subespacio de R?
1.9. OPERACIONES CON SUBESPACIOS
19.1, Interseccién de subespacios
Sea {$,] con fel una familie de
interscccidn de dicha familia, o sea,
ibespacios de (V, +, K, }, Denotaremos con $ la
1. Resulta § un subespacio de V.
‘Teorema. La interseccién de toda familia de subespacios de V, es un subespacto de V.
Hip6tesis) (V, +, K, .) es un espacio vectorial
(Si) con fetes una fa
ia de subespacios de V | vTERSEOCON DE suBEstacios x
|
1 ta) & =P syesunsubesaci dev.
Demostracin) De acuerdo con Ia condicién suficiente 1.8.2. severiica
1. Sno es vacio, pues
es), wersoe0 5,>
= As toosee
Por sor cada Sun subespacio y por detniién do interseccién,
2. Sesté incluido en V, ya que
Sicv,wel= Mscvesey
Por ser cada S, un subespacio de Vy porque tn intereccin de toda fala de
subconjuntos de V es una parte de éste
3. Ses cerrado para ls suma. Fn efecto
xesayesoxell siayells,=
PHeSiAyeS, Wetext yes, Wiel>
mx tyellsextyes
Por definicion de interseccién, y porque todo Ses un subespacio,
4, S.es cerrado para el producto por escalares
Consideremos ae K yx eS. Ahore bien
aeKanes->aeKaxel1s=
ack a xeS;, Viel axes, viel>
wane Ms,saxes
Biemplo 1-13
Bn (R®, +, R, .) consideramos los subespacios
Ss = { Ge, 2,5) €RPey = 0) So = (Cs, x2.¥3) ER?/ey =O}
1a interseceion de estos es
S=5, 9S;
(18a ea ERE ry #043 =0} 2 ESTRUCTURA DE FSPACIO VECTORIAL, SUBESPACIOS
Esto significa que un vector genérico de $ es una terne de! tipo (0,2*2,0) que puede
expresarse mediante (0, 0) para algin a en R.
Entonces
=(O.e,neRaer}
O see, Sesel ejexa
x &
SSy
Saespcios de RP son: R°, [0] , todas as ects que pasa pore rg y tds fos
planos que pasan por dicho punto. Dor retasdstintts que patsn pore rgen son
Subespacios enya interseccin eel vector nul, y se Daan disjntos
1.9.2. Unién de subesp
SiS) y Sp son dos subespacios de (V, +, K, Jyentonces S; U Sa, noes neceariaente un
subespazio de V, como lo prucba el siguiente ciemplo:
CConsideremos en (R?, +, R, .) os subespacios Sy y Sy de la figura SUMA DE SUBESPACIOS 23
La unién de ambos es el par de recta, yeligiendo x eS, y € 8, distintos del vector nulo,
se tiene
xeS, 2x5, US;
yeS)>y€S, US;
| pero
x+y PS, US;
1.9.3, Suma de subespacios
| Sean $1 y S: dos subespacios de (V, +, K, ). Definimos el conjunto
xeV/x
1 Xp Ay ES; AX €Ss |
Oa
XEV/ 3X, €5, 49x €5p AXER, +5)
El onjunto Sse llama suma de los subespacios Sy y Sp y sind
S=5, +8;
‘Teorema, La suma de doc subespacios de V es un subespacio de V,
Hipotess) 81 y Se son dos subespacios de (V, +,K,
| S#S, +S
Tesi) (S,-4,K, ) es un subespacio de (V, +, K, )
Demostrciin) Se veriftean ls condiciones expucstas en 1.8.2., a saber
1, Sesno vaeio, pues
OeS, nOeS, -04 0-005, +8 2065 “S44
2. Sesuna parte de V, por la definicion de S,
3, Ses cerrado para la sma, ya que
XESAY ES X=, HKAAY=Vs FV2AR Ys €SHA Ka Vs ES >
Saxby sou tyi) + (2 tya)axi tye @SAR ty2 ES: >
=xtyes
4, Ses cerrado para el producto por escalares, porque
WEKAK ES POEKAX=X, +9) €S,AX: CS: >
Pax=ax, baxshany €S,Aax; ES, axes
Por consiguiente, la summa de subespacios es un subespacio,
Un caso particular importante se presenta cuando Jos subespacios S, y S, son disjuntos,
s decir, si S, 0.8; = (0) . En esta situacién, el subespacio $= 8, +S; recibe el nombre de
sama directa de $; y S;,y so utiliza la notacién
8
as, % sPACIO VECTORIAL, SURESPACIOS
Sinteizamos esto onl siguiente definicién
S=8, 9S, #555, +8, 08, 98;=[0)
Hlempto 1-14
Consderemos primero los subespacon de R?
S1={(@,8, Owe RAs eR} $2~((0,6", 7/8" eRayeR}
1 subespacio sums $=, +S, estd formado por todas la ternas dl tipo
8 +8".1)=(@.8.9)
y es R®. Ambos subespacios son los planos indicados en la figura, y como su
interseccin es el eje x2, la suma S=S, +S; = RP no es directa,
En cambio, si
Sy =((@,0,0/aeR} y S,=|O,B,0/BER}
se tione
S=S, +S, =[(@,8, O/aeRapeR}
‘0 sea, la suma es directa y se Hlentifica con el plano horizontal (OPERACIONES ENTRE SUBESPACIOS 2s
Extendemos Ia definicion de sums de subespactos al caso on que n > 2.
Definicion
Suma dels subespacios 8, 2,45 de (V, +X, evel conjunto
xevix=3 anseS;, W=1,2,.- a0)
neat Sof, Seamtegetn dV 4K.)
Ademas, si tales subespacios son disjuntos dos a dos, o sea
iA />8,5;= {0}
entonces diremos que esa suma directa de ellos, y eserbiremos
S=8, 8, 9...95,
Ejempto 1-15:
Sean $, Ty U suhespacios de (V, +, K, 2) tales que T C8, Entonces se verifies que
SAT+=T+ 60)
1°. xeSO(T+U)>xeSaxeT HU Osea
B. xeTHSNY>
‘Lego
ESTRUCTURA DE ESPACIO VICTORIAL, SUBESPACIOS
PKESAX=K, HX:AM, ETAR EU
7, Hx: eS Ax, €8) Ax EUAN, ET
xy €TAx, €S0x €U>
oxy eTAx ES NUK, +xy ETHSNU) >
=xeT+(6U)
SAM+HCTHSAU) (A)
xy $a. Ax; €TAx: ESNUS
x, ETAx: eSAx: CU
2x, €TAX, €SAx: €SAX: CU>
oxy $x: ESaxy tx, ETHUS
2x) + ESAT +e xesn(T + Uy
THEAWCSATHU) (2)
De (1) y (2) resulta la gualdad, TRABAJO PRACTICO |
416, Detomminae si las cuatemas que se indican denotan espacios vectoriles con las
operaciones que se indicen
1) R4Q) DQHR)
#1) Q4.Q) i) (R,+,Z,.)
LI7. Sea (V, +,K, .) un espacia vectorial. Demostrar
i) xtys0syo—x iil) x tay=x-tor yasOsy=2
li) xty=x=y=0 W) ax=bxyxt0%a=b
1-18, Determinar @ sabiendo que y # Oy que
(sax ta(e-y)=x-y
1-19, Considerando V=R®, o sea, ol conjunto de las funciones reales cr
yK SR, investigar si son espacios vectoriles sobre R:
i ) Eleonjunto de las funciones continua.
ii) El conjunto do les funciones derivables.
fil) El conjunto de tas funciones pares, 0 sca, las funciones feR™ tales que
£(0) =x).
iv) EI conjunto de las funciones impares, es decir, las aplicaciones TER que
verifiean f (x) = f(x),
¥) Elconjunta de les funciones constantes,
1) Bl conjunto de les funciones no negativas.
1-20, Sean V=R? y K=R. Determinar si las siguientes operaciones definen sobre V una
estructura de espacio vectorial
1
(a, 0) +(@", b)=( sett
una variable rea,
(a, 6)
(ca, 0b)
4-21, Determinar si (C?, +, C,.) 68 un expacio vectorial, dfiniendo
Gaza) F122) F'n ea #2)
2Gn7)*@2u27) 8 ESTRUCTURA DE FSPACIO VECTORIAL, SUBESPACIOS
11-22, Considerando el espacio vectorial (R°, +, R,.), investiga silos sigulents conjuntos
son subespacios de R?
4) S[Gts, x2, x3) €RY/ey bas #0}
S| Gus xa, 9) ERY Ler I= bea If
S#| (1, x2, 43) ER xs =x; +2]
1-23, Sea el espacio vectorial (R", +,R,.). Determinar si los siguientes eonjuntos son
subespacios de R”
1) S* [Ox MER eZ!
9 SelesontdeRYB epre0ne eR}
1-24, Demostrar que $= {(2 , w) € C?/z = iw | es un subespacio de (C*, +,C, )
1-25, Sean Cy $= |(@, we C/zF-+w= 0}. Determinar si son subespacios (S, +,€, )
YEAR, ).
1-26, Sean $ y T subespacios de (V, +, K, ). En el producto cartesiano § X Tse definen
Coy FO IRC ERY ty)
a(x.y)= (ox ay)
Demostrar que (SX T,+,K,.) es un espacio vectorial, E espacio SX T se Mame
producto directo de S por T.
127. (R"™*", +,R, .) denota el espacio vectorial de las matrices rates mx 1.
Por definicibn, la matrz Ae R"™" se lama triangular superior siy solo si
1>j>ay=0
Demostrar que (S,+,R,.) es un subespacio do R'™", siendo § el conjunto de as
matrices angular superiores
1-28, Dado (R?, +R, .), determinars los siguientes subeonjuntos son subespacios
8) S=[@.»)/@ 9) =@ +y?)
ii) T= (Ge, 9) | 4x ty ex
1:29, Considerando (C2, +,R,.) ol espacio vectovial de lot pares ordenados de mimeros
complejas sobse el cuerpo de fos reales, investigar si los siguientes conjuntos son
subespacios dl mismo.
i) S=1@,wect? tu? =0}
i) S=[@,weC'fe+2eR |
iil) S=[(@,u) €C?/Re(2) = Rew}
a Re@—w=In@)} ‘TRABAJO PRACTICOL 2
¥) S={@,weCfe-u}
vi) S=[@,u) eC? / im @)— Im =O}
1:30, Sean 8, Ty U subespacios de (V, +, K, .)-Demostrar
i) S#T=T4S,
ii) SH(THU)=(S+1) +0.
iil) SCS+T
‘131, Demostrar que si el subespacio S$ de (V, +,K,.) es la suma dizeeta de fos subespacios
S1 y Ss, entonces todo vector de $ puede expresarse de modo dinico como la suma de
tun weetor de Sy y uno de Sy
1-32, Sean (R™*", +, R, )y los subconjuntos
S= [AER fay=ay ViVi}
-ay, Wii)
T= { AER” /ay
Por definicién, los elementos de S se Haman mattices simétvicss, y los de T seaman
‘mateioos antsimétricas,
Demostrar
I, 8 y Tson subespacios de R™"
2. R™ Capitulo 2
DEPENDENCIA E INDEPENDENCIA LINEAL,
BASE Y DIMENSION
2.1. INTRODUCCION
En esta unidad introducimos las definiciones de combinacién lineal de un conjunto no
vucio de un expacio vectorial y de subespacio generado por el mismo. Se estudisn Ie
ependencia ¢ independencia lineal y los sistemas de generadores, afin de caractrizay lon
‘onceptos de base y de dimensién en el caso finito,
2.2, COMBINACIONES LINEALES
22.1. Concepto
fea Az lvo var Yn} una familia © conjunto de vectores del espacio (V, +,K,.)
Entenderemos por combinacin lineal de la familia A toda suma de productos de eesalacy
arbitrarios de K, por los vectores de A,
Definicton
Combinacin inal de ta familia A C V estado vector dl tipo
Sumer taste to. tay va) te Kaen
fit Particle, 6 todo ls escalares son alos, fe combinacién Final se Hama tv y se
obtiene et vector nulo,
Definicion
Ei vector v eV os combinacién lineal deta familia AC V, si y Glos exstenexclares
1,2, ey tales que CCOMBINACIONES LINEALES. aL
jemplo 2-1,
Sean los vectores vy =(-1, 0, 2)y ¥2 =(-1, 2,4) en R?. Detenminamos silos veetores
v=(-1, 1,3)y ¥=(1, 2, 2)son combinacién lineal dev; y Vs
1, Para que v sea combinacion lineal de vy y vz deben existir esealares ay y ag tales
que
avy ten vaa¥
Osea
a (1,0, 2)4as (-1, 2,4)
Por definicion de ley extesna es
11,3)
(04 0,244) + C9, 2a, deg)= (1, 1,3)
Por suma de ternas
(ay 0, 20g, 204 + dey) =
or igualdad de ternas resulta
-1,1,3)
a ~ ay
2a,
Day hay =:
Entonces
at ay
act
2
3
a + 20
2
Santuyendo ay =n a primera euacin, se tene
ay +tetea a
2 2
0 sea, v puede expresarse como combinacin lineal nica de vy y v2
2.S1u=(L, 2,2), entonces procediondo andlogamente se llega a 2
De donde
Isa, +1
Al susttuir en la tereora ecuaciéa
-242
Entonces w no es combinacién lineal de vs y va
Flemplo 2-2.
En el espacio vectorial de ls funciones reales de una variable real (R®, +, R, .) sean las
funciones fy g definidas por
f@=e y geet
Determinar todas las combinaciones lineales, es decir los escalates a y B, tales que
aftbg=0
donde 0 denota ta funcién nula, definida por 0 (1)= 0, Ve R,
Por definicién de funciones iguales, suma de funciones y producto de esvaleres por
funciones (véase 1.4.) se tiene
ato + ba
cualquiera que sea re
Osea
act +b
oO
B1 propésito es obtener los escalares ay b que satisfagan a(1) para todo 1 eR
Derivando (1) se tiene
ach +3be
Q
Restando(2) y (1) es
hert=o
Y como e* nunca es cero, resulta b = 0, que sustituido en (1) nos da
En consecuencia esa =
LLuego,la nica combinaci6n lineal de fy g que dala funci6n mula esl trivial. Toda vee
que esto ocurra, diremos que Jos vectores, en este caso f y g, son linealmente
independientes. CCOMBINACIONES LINEALES 7
Bjemplo 2-3-1.
Decidimos si el vector
son los vectores de R® :
M4 =(40,-1) = @.1-1) w=Cb-2)
Investigamos si existon escalares reales a, b y ¢, tales que
ay, thy, evy=¥
1, 2,3)¢s combinacin lineal deta famil
1yos elementos
Entonces, debe ser
a(1,0,-I) +501, +60, 1, -2)
Bfectuando operaciones
@,0,-a) +0,
@+ebte-a-b-20)
42,3)
b) + (6,6, ~26) =(1,2,3)
12,3)
Por igualdad de ternas es
aterl
bten?
ab 2083
‘Sumando las tres retaciones se tiene
0-6
Jo que es imposible
En consecuencia, vo es combinacién lineal de v1, Vay Va.
Bjemplo 2-3-2
Enel espacio vectorial (R**?, +, R,.) se consideran las matrices
alo) ei) ot)
Determinar todas las combinaciones lineales de A, B y C que den la matiiz nulaN.
Hay que obtener a, By en R, tales que
aA+BB+ CON
(ot) 00 oo t)-(6 8)
Osea u DEPENDENCIA E INDEPENDENCIA LINEAL, BASE ¥ DIMENSION
Por producto de escalaros por matrices es
(o-) (5) H-(0)
Por suma en R?*? se tiene
ate 0 ) ( 0
Bty ate! \o o
Por igualdad de matrices resulta
atB=o0
fr tr=0
aty=0
De las dos primeras se deduce
By yp
Sustituyendo en la tercera os
-20=0
Osea
B=0
Luego a=8==0 y i nice combinacin inal que stisface le elcinpropuesta es
latvia,
2.3, SUBESPACIO GENERADO
23.1. Conjunto de combinaciones Fineales
Sea A un conjunto no vacio de vectores del espacio (V,+,K,.). A expensas de A
ppodemos formar el subconjunto de V cuyos elementos sean todas ias combinaciones lineales
do los vectores de A. A este conjunto 0 denotaremos con el simbolo A, que se lee “A raya”
SEA= (Vista... ¥q} sentonces escrbiromas
{3 amfaek a wea}
Fjemplo 2-4.
Bl conjunto de todas las combinacioneslineales de los vectores,
Mi=C01) ¥ ve =(0,1,1)deR? ‘SUBESPACLO GENERADO 3s
@ (1,0, 1) #43 (0, 1,1) a €RAa eR}
Osea
A= {1s02,4; +43) /a; ERA a, ER}
En consecuencia, a pertenecen todas ls teas cuya tercera componente es la sma
de las dos primeras,
demos escribir
{Gr Xa, x3) ER? Jr,
1 txa)
2.3.2, Subespacio generado por una familia de vectores
‘Teorema. Fl conjunto de las combinaciones Hineales de toda familia no vacia de un
espacio vectorial es un subespacio del mismo.
Hipétesis) (V, +. K, .) sun expacto vectorial
A= [navi ate [EV
Tess) (A, +,K, )esun subsspacio de'V
Demostacién)
1.Siendo vy = 1, + Ov, +... +0, 56 deduce que v, €A,0
+0
2, Por definicién, se tiene
VER 3 AQ, 075.40 EK/ VEE a Au eA
ayv; A a eK A vjeV, pues ACY
eA
Luego.
veXovev
Osea
3, Kescetrado para
Seanvy wen &
veKaueKay=Z av nue Zen veunZ aut S fev
svtund @uuteyo> vtun$ @t6onevtund wwe vtuek 36 DDEPENDENCIA I INDEPENDENCIA LINEAL. BASE ¥ DIMENSION
4. Kes cerrado para el producto por escaares
SeanweK yve A,
aeK aveA@aek Av=3 ay
3 eww
mavea dev Zaimraver
Como se cumplen ls hipétesis del teorems 1.8.2, resulta (A, +, K, ), un subespacio de
W4K,).
Definiciin
BI subespacio de las combinaciones lineales de la familia no vacia ACV se llama
subespacio gencrado por A,
Elemplo 2
Determinar el subespacio de (R®, +, R,) generado por la familia A cuyos elementos
son los veetoros
w=Q12) y ve=(1,2,1)
Por definicién, el subespacio A es el conjunto de las temas (x4, x3, 5) €R? tales que
Cn xarrs
1 (21,2) +49 (1,2, 1)
= (2c a4, 204) + (42, 203,02)
2a, +o3,0y +2a3,20; +43)
Por igualda de ternas es
2a, + a=x,
ja #205 = 2
| 2a + a, =25
De la primera y tereera relacion se deduce
Yy2 es cualquier niimeto real,
Enconsecuencia
a
‘Kesel plano de ecuaci6
{6.x a) /ar eR Ax eR} 'SUBESPACIO GENERADO a
x
jemplo 2-6,
‘Obtener el subespacio de (R22, +, R, .) gonerado por las matrices
(os) wf) (4)
Javisaexavies)
aly Seale adem (re)(e a)
Realizando operaciones en R°*? es
ee) 38 DDEPENDENCIA E INDEPENDENCIA LINEAL BASE Y DIMENSION
En consecuencia
#4, 0; =b,05=0, a =d
Lego
d=-aybye
son nGmetos rales euslesquiors
Los vectores de A son matrices del tipo
(3)
Bs deci, A es el subespacio de matrices de traza
23,
3. Propiedad
EL subespacio generado por una Famila no vaefa de un espacio vectorial esl interseecion
Ae todos ls subespacios que inclayen dicla fan,
Hipotesis) (V, +, K, .) es un espacio vectorial,
O#A® [Vv eatn| CV
{ S:) come esis fami de tos los subespacion que inchyon A
Tesi) A= 5,
Demostracion)
Probarems las4los inclusiones que conducen « a igualdad,
LEC hs,
En ofcto
xeKox=B ayy 4 qek ayers
a Na) eK Ay 6S,, Wiel
x08, Wel=xe (15,
Nsck
Como todo v, de A es combinaci6n lineal de Ios elementos de A, pues
WOW FOV: to. FHL OM 'SURESPACIO GENERADO
29
se tone que,
} ACK
| ¥ siendo A un subespacio que incluye a A, se idemtitiea von alin S;, es decir. existe en
| Haat quesy=2.
Por otra parte, como la interseccion esti incluida en cualquiera de los conjuntos que se
interseean, es
As cy wer
En consecuencia
Porlo tanto
En virlud del teorema demostrado, observamos qe el subespacio generado por una
familia no vacit de vectors de V sci “minimo” subespaco, en el sentido de incusibn, que
inciye a A.
jemplo 2-7.
| Demostrar que los siguientes conjuntos de vectores generan el mismo subesp
io de
R
asa
Determinaremos A y B.
14K pertenecen las ternas (x, y, 2), tales que
1,1),G,0,D} B= {(-2,-1,0),(5,~2,3)}
t (9,2)=60, 1,1) #4G,0,0)
| Entonces
9.2)= Gt.) + Gu, 0,0)
(430-1, +4)
Lucgo
Como t= —y, se tiene
xey tu
ze-ptu 0
DEPENDENCIA E INDEPENDENCIA LINEAL, BASE ¥ DIMENSION
Osea
Restando
Resulta
{ (%.y,2)eR® /x —2y-32=0]
. Procediendo andlogamente para obtener B es
(x,y, 2)= #2, 1,0) 40 (5,-2.3)
(9,2) =(26,-f 09+ (Su, —2u, 30)
(x, 9. 2) (20+ Su, —t -2u, 3)
om
atu
pata
tte
Comou = 1
3
eed,
3
,
oven
pesado
xoyem
Loewe
{@,y, 2)eR? /x 2p --32=0}
Renta
ASB
Lacecuacién x —2y ~ 32 = 0 corresponde a un plano que pasa por el orien. 'SUBESPACIO GENERADO ao
Elemplo 28.
BI subespacio de (V, +, K, .) generado por un vector ves, en particular, el conjunto de
todas los mltiplos escalares de v, o sea
{av/ Rex}
Determinamos ol subespacio de R* generado por v= (1,2).
Llamando S a tal subespacio, se tiene
S= [ Gea. ¥a)/Qr1 x2) KCL, 2))
En consecuencia
Gx)" & 28)
Ora
xisk yx =2k
liminando el parimetcok entre ambasrelaciones, resulta
=O,
0 Jo que eso mismo
dee
Entoncet
S# [ Gr4.%2) ER? / 2x, ~ x;
S esla recta que pasa por
I
origen represen
da on Ta figura
a1 2) 2 DEPENDENCIA E INDEPENDENCIA LINEAL. BASE Y DIMENSION
2.4, DEPENDENCIA E INDEPENDENCIA LINEAL
24.1. Conjunto lincalmente independiente
En el ejemplo 2-2 hemos demostrado que la tinica combinacién lineal de os vectores fy
£8, cuyo resultado es el vector nulo, es la trivial, O sea
af+bg=O%a=b=0
En este caso, los vectores son las funciones de R en R definidas por
f@=e y ge
y la funcién que asigna a colo némero real 1, ol valor 0, es el vector fulo, Este hecho se
traduce diciendo que los vectores f y g son linealmente independientes, 0 bien que el
conjunto [f,g| es lineslmente independiente,
Sea
Visa s-++s¥e) una familia de vectores del espacio (V, +, K,
Definicién
La familia AC V es linealmente independiente si y solo si lt dca combinacién
lineal de dicha familia, cuyo resultado sea el vector milo, es fa trivia
En simbolos
Aces inealmente independiente © WF: ay,=0-%a=0
La Independencia lineal de un conjunto finito y no vacio de vectores significa que no
puede darse una combinacidn lineal de dicho conjunto que aé el vector nulo, con algiin
scalar distinto de cero.
Para investigar 1a independencia lineal de un conjunto de vectores, se propone una
ccombinaciGn lineal de éstos, con escalares a determinar, que sea igual al vector nulo. Silos
cscalares son necesariamente nulos, entonces el conjunto es linealmente independiente.
‘Convenimos en que el conjunto vacio es linealmente indepondieate,
Definicién
El conjunto A.C Ves linealmente independiente sy s6lo si todo subconjunto finito de
Acslinealmente independiente,
Esta definicidn extionde el concepto de independoncia lineal toda familia de vectores de
tun espacio V. INDEPENDENCIA LINEAL, “2
Ejemplo 2-9.
Dado el espacio vectorial (R*, +R.) determinar si los siguientes conjuntos de
‘ectores son linealmente independientes.
5) A={(1,0,0),(0,1, 0) (0,0, 191
fi) B= {(,~1,0),0,1,2),0,0, 9}
i) Sea
(44 (14, 0,0) +a (0, 1,0) +45 (0,0, 1)=(0, 0,0)
(2,0, 0) + ©, a4 0) #(0, 0, 3)= (0,0, 0)
(01,22 ,43)=(0,0,0)
Por igualdad de temas resulta
a, =a, =a =0
‘Luego
A cs incalmente independiente
Procediendo andlogamente
a (1,1, 0) #4 (1, 1,2) +445 (1, 0, 1)=(0, 0,0)
(2, -@4, 0) + (6 0 203) + (8350503) = (0,0,0)
(a +5 +45, a1 +09, 209 +43) =(0,0, 0)
Entonces
ay + ay tay=0
ata = 00, =a
[Or ay -020, = 2m
Las infinitas soluciones de est sistema de ecaciones son
a =k
ak
2k conkeR
En consecuencia, B no es linealmente independiente, ya que los esealares no son
necesariamente rulos, Mis ain, existen infinitas combinaciones lineales no triviales
ceuyos resultados son el vector mul.
Ejemplo 2-10.
Bn (RY, +R, ), donde
independientes
[0,1], los vectores ¥, sen y vp = cos son linealmente “
DEPENDENCIA E INDEPENDENCIA LINEAL. BASE Y DIMENSION
Sea
ay sent +, cos =0
Vee[0,l}es
(ay sen + a5 cos) (= 00)
Por definici6n de summa de funciones y de funcién nul
(307) (2 + (@ 08) (1)
Por definicion de producto de escalates por funciones
a sen £4 09 cos #0 () weet
Derivando
a cos t~ a sen t=0 @
Resolveanos el sistema respecto de ay y a3
lent cose
Sen? 1 cos? p=
tmsene |
JO oore ven 0|
Ag
[0 ~sene cost |
Y lanica solucion es
a, >a =0
Osea
{¥s.v5} 8 lineatmente independiente
Bjemplo 211,
Sabiendo que dos vectores vy y vz son linealmente independintss en (V,-4. kK, )
Alemostrar que vy + ¥z y ¥a son linealmente independien
Consideremos una combinacion lineal de a faiia {v4 +¥a,¥2} que see igual al
vector nulo, con evcalares ay b, que detenninareios:
(vy +¥3)+bv, =0
Por distributividad respecto de la suma en V
ayy tavy +b v0 DEPENDENCIA LINEAL 4s
Por distributividad respecto de la suma en K.
ay, +@+b)¥,=0
‘Como, por hipotess, vs y v2 son lineslmente independientes, se deduce
yat
En consecvencia
a=b=0
Por consiguiente, v; +v y ¥p son lineslmente independientes,
24.2. Propiedad,
5 un vector es combinacion fines de un faa nesiments independiente, entonces
dicta combingcin Heal es Gica,
ea yeV combinacén lincal de we familia { ¥s,¥2s..%e} ¥ sta Hnealente
independiente, Pntoncesexsteneclare tees que
‘Suponemos que existen escalares fj tales que
=ZBoiw
Entoes
Javed ov
Osa
Livgo
Bdvi= 0
¢ lingalmente independiente, se deduce que
B= 0 > Oy =B; VR NL2 047
Y como ta fami
En consceuencia, la combinaci6n lineal es tnica.
24.3, Conjunto Tinealmente dependiente
En el ejemplo 29 ii) hemos probado que existen escalares no simultneamente nulos cy,
23,44 tales que 46 DEPENDENCIA F INDEPENDENCIA LINEAL. BASE Y DIMENSION |
4 (1, =1,0) +43 (1,1, 2) +45 (1,0, 1)=(,0,0)
Diremtos que los vectores (1, —1,0),(1, 1,2) y (1,0, 1) son lnealmente dependientes,
Definicién
La familia ACV es linealmente depondiente si y sélo sino es linealmente
independiente, \
La familia into linealmente dependiente de vectorey
de V si y sélo si existe una combinacién Lineal no trivial de dicha familia cuye
resultado sea el voetor nul,
Negando las dos proposiciones que figuran en In definiién de independencia linea, se
tiene |
As linealmente dependiente © 34/ Ea, ¥,= 04 a0, |
La dependencia lineal de un conjunto fnito de vectores significa que tiene que existir, al
‘menos, una combinacion lineal de éstos que dé el vector nulo y que no sea trvil,
Para investigar la dependencia lineal de una familia de vectores, se propone una
combinacién lineal de dha familia, con escalares¢ determinar, que sea igual al vector mul,
Sialgin esealar es distnto de 0, entonees Ia families linealmente dependiente
Blempto 2-12.
Los voctores (~2, 4)y (1, ~2) son linealmente dependientes en (R?, +, R,
En efecto, sea
44 (2,4) +a (1, -2)=(0,0)
Por defiicién de producto de escalaes por pares y por suma de pares es
ee
[Esta admite infinitas sohuciones, dadas por
a=2k y keR DEFENDENCIA E INDEPENDENCIA LINEAL a
Ejemplo 2-13.
Las matrices
(a) te) OQ) Oa)
son vectores linealmente independientes del espacio vectorial (K?*?,+,K,.), puos
cualquiera que sea Ia combinaci6n lineal de los mismos con escalsres en K, cuyo
resultado sea la matriz mula, es la trivial. Bn efecto
OI SC de 2G
cc ay)
Luego
ay Say a5 ay =0 “e DEPENDENCIA E INDEPENDENCIA LINEAL. BASE Y DIMENSION
En cambio, as mattices i
son linealmente dependientes, pues
a Ata, BEN
ee)
a) a =0 >a =a =k VkeK
Por consiguiente, existen escalates no simulténeamente nulos que satistacen la relacion
anterior, Jo que prueba la dependencia lineal,
2.4.3, Propiedades i
Todo vector no nulo de un espacio veetoral consttuye un cenjunto linealmente
independiente,
Sea v#0en(V, +, K, ), Consideremos i
av=0
Osea
De acuerdo con 1.33. como v #0, © desice que a=0, y en conecuencia |v| es
linealmente independiente.
DEI vector mulo de cualquier espacio vectorial constituye un conjunto linealmente
dependients
Fn efecto, cualquier escalar, nulo © no, satisface la telacién a 0= 0, segtin lo demostrado
on 1.3.2,
1) Todo conjunto al que pertenezea el vector mul slinealmente dependiente |
Sea A=[¥1 .¥2,...4¥,} con w =0. Se verifica que |
Or + OV2 +o. tay yt. O¥,
Osea
y= 0=0
on a no necesariamente nulo, DEPENDENCIA E INDEPENDENCIA LINBAL °
jv) Un conjunto finito y no vacio de veetores es lineaimente dependent sy so si agin
vector es combinacion lineal de los demi.
Sea A=[¥i,Vav .¥r} una familia de vectores de (V,+,K,.). Demostramos las dos
condiciones en que se desdobla el enunciado: necesatia y suficiente,
1+, Acslinealmentedependiente 93/1 ¥j= 3, Brv
Por defiicién de dependencia lineal
‘Acs linealmente dependiente >
aE ayy On #0
ee
ayy tS, ain 0 ay 40>
saya Ema #0
Premaltipiando por aj", iaverso multiplieativo en K, de ay #0, 36 tene
a y= Cay DZ, eve
Por A; y propiedad de la sumatoria
(oy a)
Er vevo
Porinversosen Ky Ay ¢¢
1y=%, Cai eave
‘Teniendo en cuenta Ayo, y llamando a4 «, se deduce
En consecueneia, existe vj €A, que ¢ combinacién lineal de los restantes vectores de A.
%
vaya, aim Acstnesment dependents
Por hipatess y teasposicion de téaminos se tiene
we E, med, am w=econgy
‘Como oj 0,1 conjunto A es lineaimente dependiente.
1) Un conjunto finito y no vacio de vectores es linealmente independiente ai y sélo si
ingin vector es combinacion lineal de los dems. SS TY
50 DEPENDENCIA E INDEPENDENCIA LINEAL. BASE Y DIMENSION.
Nada hay que demostrar, pues basta negar las dos proposiciones de la condicinnecesatia
¥ suficiente anterior
En simbolos
Aces linealmente i
lependiente © vy iy ¥, By,
En lo succsivo, y en algunas ocasiones, abreviaromos las expresiones: “lineslmente
independiente” y “tinealmente dependiente” mediante “Ll” y "0,
respectivamonte.
W) Un conjunto fnito y ordenado de vectores al que no pettenece el vector nulo es
finealmente dependicnte si y solo si algin vector es combinacién lineal de loc
precedentes,
FAM (avast) es LDA OFA@IK/26R SPAM AE ayy,
Demostacin) See ke primer entero postivo tl que
[Mtesceam) eb.
na ordenacién
‘existe por el principio de bu
Por definicion se tiene
3a
3 fin y agin §,40 (
Sia ~Osentonces [vs ¥25-- ua ria LD, cont fo sup
Luego fi, # 0,y provediendo como en iv) I? se deduce que
we E ay
O see, vy es combinaci6n lineal de tos precedemtes, yk es tal que 2
También podría gustarte
- Problemas de Ingenieria Quimica Resueltos (Desconozco El Autor) ULLDocumento45 páginasProblemas de Ingenieria Quimica Resueltos (Desconozco El Autor) ULLDomingo José Hernández Molina80% (5)
- Formulario Solicitud NIE (Ex-15)Documento2 páginasFormulario Solicitud NIE (Ex-15)Alejandro González MárquezAún no hay calificaciones
- P9 DOMINGO HERNANDEZ PotencialesGalvanicosDocumento6 páginasP9 DOMINGO HERNANDEZ PotencialesGalvanicosDomingo José Hernández MolinaAún no hay calificaciones
- Ejercicios Tema 4 FLUORESCENCIADom 25 Aug 2022Documento1 páginaEjercicios Tema 4 FLUORESCENCIADom 25 Aug 2022Domingo José Hernández MolinaAún no hay calificaciones
- Niquelado Del LatónDocumento3 páginasNiquelado Del LatónDomingo José Hernández MolinaAún no hay calificaciones
- Ejercicios Tema 4 POTENCIOMETRIADom 25 Aug 2022Documento3 páginasEjercicios Tema 4 POTENCIOMETRIADom 25 Aug 2022Domingo José Hernández MolinaAún no hay calificaciones
- AdsdsadsDocumento2 páginasAdsdsadsDomingo José Hernández MolinaAún no hay calificaciones
- Comprobación de La Ecuación de Nernst. Determinación de Un Potencial EstándarDocumento4 páginasComprobación de La Ecuación de Nernst. Determinación de Un Potencial EstándarDomingo José Hernández MolinaAún no hay calificaciones
- AQI Julio 2020 NúñeDocumento2 páginasAQI Julio 2020 NúñeDomingo José Hernández MolinaAún no hay calificaciones
- Complejo de VaskaDocumento7 páginasComplejo de VaskaDomingo José Hernández MolinaAún no hay calificaciones
- Tabla de Pesos AtómicosDocumento2 páginasTabla de Pesos AtómicosDomingo José Hernández MolinaAún no hay calificaciones
- Informe 2 AQADocumento3 páginasInforme 2 AQADomingo José Hernández MolinaAún no hay calificaciones
- Plantilla para Recetario de Hacer Pan Mostrador de Pan, Con IngredientesDocumento1 páginaPlantilla para Recetario de Hacer Pan Mostrador de Pan, Con IngredientesDomingo José Hernández MolinaAún no hay calificaciones
- Informe Del Experimento de Francisco RediDocumento18 páginasInforme Del Experimento de Francisco RediDomingo José Hernández Molina50% (10)
- Tabla de Pesos AtomicosDocumento1 páginaTabla de Pesos AtomicosDomingo José Hernández MolinaAún no hay calificaciones
