Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Lectura7 PDF
Lectura7 PDF
c1 v1 + c2 v2 + · · · + cn vn = ~0
Note que ningún conjunto linealmente independiente puede admitir el vector ~0.
Ejemplo. Dos vectores son linealmente dependientes si y solo si uno es múltiplo escalar del otro.
Sean v1 , v2 dos vectores linealmente dependientes en V espacio vectorial, es decir que existen c1 , c2 (con alguno de los dos
diferente de 0) tales que c1 v1 + c2 v2 = ~0, supongamos que el elemento diferente de 0 es c1 , entonces
c 1 v1 + c 2 v2 = ~0
c 1 v1 = ~0 − c2 v2
c 1 v1 = −c2 v2 Usando que c1 6= 0
c2
v1 = − v2
c1
Con lo que concluimos que v1 es múltiplo de v2 .
Teorema 1.1 Tres vectores en R3 son linealmente dependientes si y solo si son coplanares.
Demostración. Sean v1 , v2 , v3 tres vectores de R3 y supongamos que son linealmente dependientes, esto quiere decir que
existen c1 , c2 , c3 no todos 0 tales que
c1 v1 + c2 v2 + c3 v3 = 0
Supongamos que c1 es la constante diferente de 0 (no sabemos si c2 , c3 son diferentes de 0), si despejamos de la ecuación v1 ,
de lo que resulta
c2 c3
v1 = − v2 − v3
c1 c1
y ahora vamos a ver que v1 · (v2 × v3 ) = 0, en efecto
c2 c3
v1 · (v2 × v3 ) = (− v2 − v3 ) · (v2 × v3 )
c1 c1
c2 c3
= − v2 · (v2 × v3 ) − v3 · (v2 × v3 )
c1 c1
c2 c3
= − (v2 · (v2 × v3 )) − (v3 · (v2 × v3 ))
c1 c1
c2 c3
= − 0− 0
c1 c1
= 0
Ejemplo. Sean u = (1, 1, 1), v = (2, 1, 2) y w = (0, 2, 0) en R3 , queremos ver si estos tres vectores son linealmente
independientes o linealmente dependientes, para eso escribimos el sistema:
1 2 0 0
c1 1 + c2 1 + c3 2 = 0
1 2 0 0
1
ESPACIOS VECTORIALES INDEPENDENCIA LINEAL
con incógnitas c1 , c2 , c3 ; si el sistema tiene más de una solución los vectores son linealmente dependientes y si no, son
linealmente independientes. Veamos que el sistema anterior se puede escribir:
c1 + 2c2 = 0
c1 + c2 + 2c3 = 0
c2 + 2c2 = 0
este sistema tiene dos ecuaciones repetidas, sabemos que como máximo puede tener dos pivotes; dado que tiene tres incógnitas,
se resume que tiene infinitas soluciones. Ası́ los vectores u, v, w son linealmente dependientes. Otra forma de verlo es analizar
la matriz asociada al sistema:
1 2 0
A = 1 1 2
1 2 0
y notar que u · (v × w) = det(At ) = det A = 0, por lo que los vectores son coplanares ¿Cómo se relaciona esto con el teorema
anterior?
Teorema 1.2 Sean v1 , v2 , . . . vn vectores en Rm , sı́ n > m, entonces {v1 , v2 , . . . vn } es linealmente dependiente.
Demostración. Supongamos v1 , v2 , . . . vn vectores en Rm y que n > m, entonces cada uno de los vectores vi tienen m
componentes. Hagamos una combinación lineal homogénea y veamos que tiene más de una solución:
c1 v1
+ c2 v2 + . . . cn vn = ~0
(1)
(1)
(1)
v1 v2 vn 0
(2) (2) (2) 0
v1 v2 vn
c1 . + c2 . + · · · + cn = .
..
.. .. . ..
(m) (m) (m) 0
v1 v2 vn
Como es un sistema homogéneo con m ecuaciones, máximo tiene m pivotes y, como tiene más incógnitas que ecuaciones
n > m, tiene infinitas soluciones y por tanto es linealmente dependiente.
Teorema 1.3 Sean v1 , v2 , . . . vn vectores en Rn , y sea An×n la matriz cuyas columnas son precisamente los vectores vi ,
entonces {v1 , v2 , . . . vn } es linealmente independiente si y solamente si el sistema homogéneo Ax = ~0 tiene única solución.
Demostración. Como ser linealmente dependiente es equivalente a que el sistema homogéneo tenga más de una solución,
entonces ser linealmente independiente es tener única solución, la solución trivial, que es lo que se obtiene en este caso.
Note que una forma rápida de saber si tiene única solución en un sistema de n ecuaciones con n incógnitas es hallar el
determinante, como lo expresa el siguiente teorema.
Teorema 1.4 RESUMEN Sea An×n , son equivalentes
1. A es invertible.
2
ESPACIOS VECTORIALES BASES Y DIMENSION
Ejemplo. Dados u = (1, 1, 0), v = (1, 2, 1) y w = (3, 2, 1), generan todo R3 , esto se verifica gracias que los vectores u, v, w
son linealmente independientes ya que, sacando el determinante por la última fila tenemos.
1 1 3
1 3
+ det 1 1 = −(2 − 3) + (2 − 1) = 2 6= 0
det 1 2 2 = − det
0 1 1 1 2 1 2
β+δ =0
α+γ−δ =0
α+γ−δ =0
α−β−δ =0
que tiene infinitas soluciones pues tiene dos filas iguales, máximo tres pivotes con cuatro incógnitas, por lo que el conjunto
es Linealmente Dependiente. El alumno puede verificar que B 0 = {x + x2 + x3 , 1 − x3 , x + x2 } es linealmente independiente
pero B 00 = {1 − x3 , x + x2 , 1 − x − x2 − x3 } no.
Definición. Base:
Un conjunto finito de vectores {v1 , v2 , . . . , vn } de un espacio vectorial V , es una base para V , si cumple:
1. Genera todo el espacio, gen{v1 , v2 , . . . , vn } = V
2. {v1 , v2 , . . . , vn } es linealmente independiente.
3
ESPACIOS VECTORIALES BASES Y DIMENSION
Ejemplo. Base canónica se llama a la base estándar que se identifica por su facilidad. Vamos a dar a continuación las
bases canónicas de los espacios más conocidos.
1. En R2 la base canónica es {i, j} donde los vectores están dados por i = (1, 0), j = (0, 1)
2. En R3 la base canónica es {ı̂, ̂, k̂} donde los vectores están dados por ı̂ = (1, 0, 0), ̂ = (0, 1, 0) y k̂ = (0, 0, 1)
3. En Rn la base canónica es {e1 , e2 , . . . , en } donde los vectores están dados por:
0
0
..
.
1 ← i-esima fila
ei =
.
..
0
Teorema 2.1 Si B = {v1 , v2 , · · · , vn } es una base para V espacio vectorial, entonces para todo elemento v ∈ V existe una
única combinación lineal tal que
v = c1 v1 + c2 v2 + . . . cn vn
Lo que significa que la escogencia de los ci es única.
Demostración. Por contradicción, supongamos que B = {v1 , v2 , . . . , vn } es una base y que el vector v ∈ V se puede
escribir como dos combinaciones lineales diferentes:
v = c1 v1 + c2 v2 + . . . cn vn
v = d1 v1 + d2 v2 + . . . dn vn
v = c1 v1 + c2 v2 + · · · + ci vi + · · · + cn vn
−v = d1 v1 + d2 v2 + · · · + di vi + . . . dn vn
la última ecuación nos dice que hay una combinación lineal donde no todos los coeficientes son 0 (por ejemplo ci − di 6= 0)
cuyo resultado es ~0, por lo tanto se concluye que los v1 , v2 , . . . , vn no son linealmente independientes ⇒⇐ (Contradicción)
porque B es una base.
Teorema 2.2 Si B = {v1 , v2 , · · · , vn } y B 0 = {v10 , v20 , · · · , vk0 } son bases para V espacio vectorial, entonces n = k (Tienen el
mismo número de elementos)
Dejaremos este teorema sin demostración pero usaremos el resultado que es muy importante para definir el siguiente concepto.
4
ESPACIOS VECTORIALES BASES Y DIMENSION
Definición. Sea V un espacio vectorial. Si B es una base para V , entonces |B|, el número de elementos de B, se llama la
dimensión de V .
Como ese número es único según el teorema anterior lo notaremos dim V .
2. dim Mn×m = nm
3. dim Pn = n + 1
Demostración. Sean v1 , v2 , . . . , vk son k vectores linealmente independientes; como gen{v1 , v2 , . . . , vk } ⊆ V , quiere decir
que V es el generado de v1 , v2 , . . . , vk y posiblemente otros vectores linealmente independientes por lo que dim gen{v1 , v2 , . . . , vk } =
k ≤ n = dim V .
2. Las rectas que pasan por el origen λ = gen{v : v 6= ~0} con dim λ = 1.
3. Los planos que pasan por el origen π = gen{u, v : u, v 6= ~0 y c 6= αv, α ∈ R} con dim π = 2.
4. El espacio mismo R3 , R3 = gen{u, v, w : no son coplanares}.
Ejemplo. Dar condiciones sobre α, β para que {α + αx + αx2 , βx2 , 1} genere todo P2 .
Como dim P2 = 3, para generar todo el espacio los vectores deben ser linealmente independientes, o sea que el siguiente
sistema tenga única solución:
a(α + αx + αx2 ) + b(βx2 ) + c1 = 0
el sistema se puede escribir de la siguiente forma con incógnitas a, b, c
aα + c = 0
aα = 0
aα + bβ = 0
α 0 1
cuya representación matricial se da por α 0 0
α β 0
Donde para saber si tiene única solución hallamos el determinante (que debe ser diferente de 0)
α 0 1
det α 0 0 = αβ
α β 0
5
ESPACIOS VECTORIALES RANGO, NULIDAD, ESPACIO DE COLUMNAS DE UNA MATRIZ
a b
Ejemplo. Sea H = A ∈ M22 : A = . Calcular dim H.
−b c
Para calcular dimensión, usamos el siguiente hecho que es parecido a la factorización conocida.
a b 1 0 0 1 0 0
=a +b +c
−b c 0 0 −1 0 0 1
Para resolver este problema basta con verificar si los vectores son linealmente independientes, lo que hacemos hallando
el siguiente determinante:
0 1 −1
1 0 1 0
det 1 0 0
= −1 det − 1 det = −2
1 1 1 1
1 1 1
Con lo que se concluye que son linealmente independientes y dim gen{x + x2 , 1 + x2 , −1 + x2 } = 3.
Definición. Sea A una matriz m × n. El espacio nuloa de A denotado NA está dado por:
n o
NA = x ∈ Rn : Ax = ~0
Definición. Sea A una matriz m × n, la imagen de A denotada Im(A) está dado por:
6
ESPACIOS VECTORIALES RANGO, NULIDAD, ESPACIO DE COLUMNAS DE UNA MATRIZ
M1. Dado un α ∈ R tenemos A(αxv ) = α(Axv ) = αv con lo que se tiene que αv ∈ Im(A).
Definición. Si A es una matriz de m × n, sean c1 , c2 , . . . , cn las columnas de la matriz A vistos como vectores, se define
CA = gen{c1 , c2 , . . . , cn } (1)
RA = gen{r1 , r2 , . . . , rm } (2)
Demostración. Sea y ∈ Im(A), esto quiere decir que existe un elemento α= (α1 , α2 , . . . , αn ) ∈ Rn tal que Aα= y:
a11 a12 . . . a1n α1 y1
a21 a22 . . . a2n α2 y2
.. .. = ..
.. ..
. . . . .
am1 am2 . . . amn αn yn
α1 a11 + α2 a12 + · · · + αn a1n y1
α1 a21 + α2 a22 + · · · + αn a2n y2
= ..
..
. .
α1 am1 + α2 am2 + · · · + αn amn yn
α1 a11 α2 a12 αn a1n y1
α1 a21 α2 a22 αn a2n y2
.. + .. + · · · + .. = ..
. . . .
α1 am1 α2 am2 αn amn yn
a11 a12 a1n y1
a21 a22 a2n y2
α1 . + α2 . + · · · + αn . = .
.. .. .. ..
am1 am2 amn yn
Es decir que y es una combinación lineal de las columnas de A o lo que es lo mismo Im(A) = CA
Demostración. Como CA = Im(A), entonces dim CA = ρ(A), le queda al alumno verificar por qué dim RA = dim CA .
Teorema 3.5 Sean A, B matrices m × n, si A es equivalente por renglones a B entonces ρ(A) = ρ(B) y ν(A) = ν(B).
Una conclusión es que el número de pivotes de la matriz A en su forma escalonada es igual al rango de A.
Teorema 3.6 Sea A matrices m × n, entonces
ν(A) + ρ(A) = n
Demostración. Sea
a11 a12 ... a1n
a21 a22 ... a2n
A=
.. .. ..
. . .
am1 am2 ... amn
7
ESPACIOS VECTORIALES RANGO, NULIDAD, ESPACIO DE COLUMNAS DE UNA MATRIZ
Supongamos que ρ(A) = k ≤ n entonces mediante operaciones de columna puedo eliminar las columnas que no son linealmente
independientes y poner las k independientes primero, quedando la matriz Bm×n nueva ası́.
a11 a12 . . . a1k 0 . . . 0
a21 a22 . . . a2k 0 . . . 0
B=
.. . . .. .. . . ..
. . . . . .
am1 am2 . . . amk 0 . . . 0
Como ρ(B) = ρ(A) = k y ν(B) = ν(A), tenemos que si multiplicamos cualquier elemento de la base canónica de Rn , sea ei
con i > k tenemos que Bei = ~0 y nunca sucederá con los ei , i ≤ k, por lo que B = {ek+1 , ek+2 , . . . , en } es una base para el
espacio nulo; además que ν(B) = n − k y ası́ concluimos que ρ(A) + ν(A) = k + n − k = n, el número de columnas de A.
1 1 0
2 1 1
Ejemplo. Sea A = 1 2 0, encontremos primero los espacios Im(A) y NA :
1 0 1
1 1 0 0
x
2 1 1 0
Para calcular NA debemos encontrar los vectores de R3 tales que 1 2 0 y = 0 Es decir las soluciones del sistema
z
1 0 1 0
1 1 0 | 0 1 1 0 | 0 1 1 0 | 0
2 1 1 | 0
R2 → R2 − 2R1 0 −1 1 | 0 R3 → R3 − R1 0 −1 1 | 0 R4 → R4 − R1
1 2 0 | 0 − −−−−−−−−−−→ 1 2 0 | 0 −−−−−−−−−−→ 0 1 0 | 0 −−−−−−−−−−→
1 0 1 | 0 1 0 1 | 0 1 0 1 | 0
1 1 0 | 0 1 1 0 | 0 1 1 0 | 0
0 −1 1 | 0 0 −1 1 | 0
R → R 0 1 0 | 0 R → R3 + R2
R → R4 − R2
−−4−−−−− −−−→ 0 1 0 | 0 −−2−−−−→3 0 −1 1 | 0 −−3−−−−−
0 1 0 | 0 −−−→
0 −1 1 | 0 0 0 0 | 0 0 0 0 | 0
1 1 0 | 0
0 1 0 | 0
0 0 1 | 0
0 0 0 | 0
como el sistema tiene 3 pivotes y 3 incógnitas tiene única solución, NA = {~0} y ν(A) = 0.
Calculemos ahora la Im(A), esto es los y tales que existe x ∈ R3 cumpliendo Ax = y, solucionar
1 1 0 | x 1 1 0 | x 1 1 0 | x
2 1 1 | y 0 −1 1 | y − 2x 0 −1 1 | y − 2x
R2 → R2 − 2R1 R → R3 − R1
z −−3−−−−−
1 2 0 | z − −−−−−−−−−−→ 1 2 0 | −−−→ 0 1 0 | z−x
1 0 1 | w 1 0 1 | w 1 0 1 | w
1 1 0 | x 1 1 0 | x
0 −1 1 | y − 2x 0 −1 1 | y − 2x
R4 → R4 − R1 R4 → R4 − R2 R ↔ R
−−−−−−−−−−→ 0 1 0 | z − x −−−−−−−−−−→ 0 1 0 |
z − x −−2−−−−→3
0 −1 1 | w − x 0 0 0 | x−y+w
1 1 0 | x 1 1 0 | x
0 1 0 | z−x R3 → R3 + R2 0 1 0 | w−x
0 −1 1 | y − 2x −−−−−−−−−−→ 0 0 1 | y + w − 3x
0 0 0 | x−y+w 0 0 0 | x−y+w
Note que para que este sistema
tenga debe pasar que x − y + w = 0, la solución son todos los elementos ortogonales a
solución
1 1 0
2 , , 1 (¿Qué parecido tiene con las columnas de la matriz A?) los cuales claramente
1
(1, −1, 0, 1) y esto es gen
1 2 0
1 0 1
son linealmente independientes. Por esto también decimos que ρ(A) = 3.
8
ESPACIOS VECTORIALES EJERCICIOS PROPUESTOS