Wn B {-A UNIVERSIDAD NACIONAL DE MAR DEL PLATA <¢ FACULTAD DE INGENIERIA C.E.I ESPACIOS VECTORIALES MONOGRAFIA PARA USO DIDACTICO Profesores: - Carmen Balsamo Jose f. Carbone Hugo Zarucchi Secretaria de Vinpresiowes Centro de Estudiantes Facultad de TugentoriaESPACIOS VECTORIALES PROPIEDADES DE LOS ESPACIOS VECTORTALES...... SUBESPACIOS......0..05 es ie ee ee INTERSECCION DE SUBESPAGIOS * UNION DE: SUBESPACIOS SUMA DE. SUBESPACIOS COMBINACIONES LINEALES ENDEPENDENCLA WINEAU ine core nat ctiroe'stse cea sciddeeccincnsselit)ee see * * DEPENDENCIA LINEAL * ESCALONAMIENTO, ....ccccseccceccccresscctecccccrencesscasbosenercce SISTEMA DE GENERADORES GENERADGRES DE UN SUBESPACIO.... 6. ....ceseeeeeceeeeeseeeegeeeeees SUBESPACIO. FINITAMENTE GENERADO. * COORDENADAS DE UN VECTOR RESPECTO:DE UNA BASE. DIMENSION OE UN 'SUBESPACIO.c 262/022 .03¢sce ete eect ecect-cc2eecn! BIBLIOGRAFIA. *-1-C ESPACIOS VECTORIALES Introduccién Recordemos que en la ensefianza media se realizan operaciones en el conjun- to de los némeros reales, resultando de nuestro interés el andlisis de 1a suma y la multiplicacién entre reales. Debido_a que 1a suma y 1a multiplicacidn entre dos reales cualesquiera re- sulta ser_un_nimero real Gnico (llamado suma y producto, respectivamente) se di- ce que ellas son leyes de composicidn interna 0, més simplemente, operaciones in ternas. Sin duda, el alumno conoce las propiedades de las que gozan estas operacio s: asociati ivi q ‘ 1 at A iplicati la di a dad de 1a multiplicacién respecto de 1a suma. Consideranos importante que el alumno repare en que al dotar al conjunto - de los niimeros reales de estas operaciones internas se 1a_ha conferido al mismo una estructura: 1a de cuerpo conmutativo. También el alumno ha realizado operaciones "similares" con otros entes ma- tematicos como son: los niimeros complejos, los vectores en el plano, Tos polino- mios, en una indeterminada y con coeficientes reales o complejos, las matrices, - las funciones, etc. Vamos a analizar algunos de estos casos: Comencemos recordando que un vector en el plano coordenado queda determina do mediante un par ordenado de niimeros reales. Asf el punto P= (xy.y,) conx,€R ey,ER determina el vector de ori _gen en el origen de cuordenadas.y extreao en el punto P.OP = "= (x) 5¥)) Cada _uno de los infinitos puntos del pla- no_coordenado es extremo de un solo vector. Asf_presentado, el conjunto de los vectores del plano queda reducido al_ - conjunto integrado por todos los pares ordenados de niimeros reales, 0 sea: {oy sxeR .yeR}-RyR - Re Luego los elementos de IR ® son vectores y podenos hablar de un vector - TeIR?, teniendo en cuenta que Vrepresenta un par (x;y) de nimeros reales. Recordenos que 1a longitud del _segmento OP es el MODULO del vector OP y su DIRECCION es 1a de 1a recta que pasa por 0 y De esta forma vectores que estén sobre una misma recta tienen 1a misma di- recciOn y se dicen colineales En la figura OR, 08 y OT son colineales, siendo OS y OT del mis. mo SENTIDO, mientras que OR tiene sentido opuesto al de OS y OT Observacién: Cuando el _médulo es nulo el segmento se reduce a un punto, el (0,0), y no puede hablarse, en este caso,de direccién y sentido.- Al_vector del _médulo cero se lo denomina vector nulo y se lo simboliza 0 Definimos en R * Ja suma de vectores de acuerdo con 1a "ley del paralelo- ramo" que responde a la siguiente definicién de suma OF (xy) -. ae ‘OR + 0B = WY (xt%2 1 X tye) Graficamente: y GxtXe, Ya tYa) Si los vectores sumando son colineales, el vector suma tiene la misma di- reccidn que ellos y su sentido esti dado -y pleroecpaduene cee asuaeetLieoeneeaae por el sumando de mayor médulo. 1 eeSi los vectores sumandos son colineales y de igual médulo entonces el vec- tor suma tiene la misma direccién que ellos y su sentido es el de los sumandos, - si ellos tienen igual sentido; si, en cambio, los sumandos tienen sentidos opues. tos el vector suma es el vector nulo. Observe el alunno que 1a suma de vectores de IR2 es una operacién interna qué goza de las mismas propiedades que 1a suma de niimeros reales, es decir: + es asociativa . el vector nulo es el elemento neutro de 1a misma . cada vector de R ® tiene opuesto en R? +_es_conmutativa. Luego (IR2,+) tiene estructura de grupo conmutativo. En cuanto a la multi plicacién de un nimero real por un vector de R° recordenos que se define asf: siendo TE R?2,r ER, Ty Tyr 70, rves un vector de R® tal que:‘TI = Irl FL o sea, el modulo del producto es igual al valor absoluto del b) La direccién de rv es la direccidn dev c)_ EI sentido de rv es el dev si r> 0 yes el opuesto dev sir <0 eovaeee Bopues idesyés nec Oe ademas : . rv =0 siysdlosir=O06v=0. rv (2)]s Recordenos que las propiedades de 1a misma son: ‘asociatividad mixta . distributividad respecto a 1a suma de vectores. . distributividad respecto a 1a suma de reales. «_existencia de elenento_neutro. Consideraciones anélogas a 1as hechas para IR? vaten para IR3, que es el “espacio” ordinario de 1a geometrfa analftica. Vamos a analizar, a continuacidn, el conjunto, ya visto por los alumnos, de los polinomios en una indeterminada y con coeficientes reales, es decir, el - conjunto R[x]. Los elementos de [REx] son Jas expresiones de 1a forma: 7 7 Oo P(x) = D> ajx!—siendo a,@IRios coeticientes y "x" 1a i=0 indeterminada.En este conjunto se define 1a suma de dos polinomios asf: —$—$ EE OS pot noms as: isp Si P(x) = > a;x" bx con pq i=0 P p a e P(x) + Q(x) = > (athe + yx i=ptl q . Pp Andlogamente para p> q P(x) + Q(x) = “SF (ajtb; x! + > ax 4-0 ieqHt Esta operacién es cerrada o interna ya que 1a suma de polinomios de R x) es un polinomio deIR[x] Ademds : «es asociativa + eS conmutativa + existe el polinomio nulo que es el elemento neutro SRS tE er potinomio nulo que es el elemento neutro + para cada polinomio de [R(x] existe un dnico opuesto. a ee et wome de Nd pee aaa Con respecto a la operacién de producto de un niimero real Por un polinomio, Ja _definimos asf: 8 SireR y Px) = Dax! | Roxy i=0 EI resultado de esta operacién es un polinomio de R [x] si bien intervienen como factores elementos de distintos conjuntos: un ndmero real_y un polinomio.Para esta operacién valen las siguientes propiedades: la asociatividad mixta zla distributividad respecto de 1a suma de polinomios. «la distributividad respecto de 1a suma de nimeros reales. . la existencia del niimero real'1‘ como elemento neutro de esta opera cion. Los dos ejemplos presentados: vectores de IR? y polinomios de coeficientes reales sirven para poner de manifiesto, que independientenente de 1a natural eza- de sus elementos, ambos conjuntos con ciertas operaciones poseen 1a misma estruc tura, esto significa que en ambos conjuntos valen las mismas propiedades o dicho caseramente, 1as "reglas del juego" son las mismas. a Poe a juntos, a saber: « UN_CONJUNTO_V, NO_VACIO, DE ELEMENTOS QUE, DE AQUI_EN MAS, LLAMAREMOS VECTORES Y_QUE SIMBOLIZAREMOS CON LAS LETRAS DE NUESTRO ABECEDARIO, y . UN CONUNTO IK *, CUYOS ELEMENTOS LLAMARENOS ESCALARES Y QUE SINBOLIZAREMOS CON LAS LETRAS GRIEGAS: oc, Pov § etc. Este conjunto K de escalares debe tener estructura de cuerpo. Los cuerpos de escalares con los que trabajaremos mas _a menudo, son los de los niimeros reales R_y los nimeros complejos C Ademés considerenos dos funciones (u operaciones) que llamaremos SUMA y PRO Seen eperecroness atte ——anarenes 2 DUCTO. La SUMA se realiza entre vectores, es decir, con elementos de V y debe ser una operacién interna, esto significa que 1a suma de dos elementos cualesquier: de V_es_un, co_elemento de V.Considerando que 1a suma es una funcidn podemos expresar lo dicho_en forma simbélica asi: + Vx meV 0 sea ttuvye Vouty € Vv ase uve Vout vie ve E1_ PR ODUCTO_se realiza entre escalares de IK y vectores de V es decir que —_— a Litecttores de Ves decir que gs_una operacién externa en V con escalares en IK , Simbélicamente podemos expre et ttattento podemos expre sarla ast WK xv—-Vv aa 2 sea ¥ (ox weEKxVv, a:u EV Soe WIR XV, Hu EV Presentados estos elementos estamos en condiciones de dar 1a siguiente de- finicion. Un conjunto_no vacfo V se dice que tiene estructura de espacio vec —_——— a etc de espacio vec torial sobre el cuerpo Ko que V es un IK -espacio vectorial si - Jas operaciones o funciones suma y producto arriba definidas satis PARA LA SUMA EN V an A) Es asociativa en V, 0 sea Muvewev : (utvjtw =u + (vtw) — et i) Ao) Es conmutativa en V, 0 sea uv © Vo: uty = vtu Ag) Existe un neutro para 1a suma en V (Al_elemento neutro lo denotarenos con’ para no confundirlo Ao Staten’ neutro Jo denotarenos con 0 para no confundirlo_ con el escalar 0)oe Osea: 30EV/¥ueV:uio-o+u-u Al se Io denomina vector _nulo. Ay) Todo elemento de V admite opuesto (0 inverso aditivo) en V. Osea: Vue V,au'eV/utu'=u'tu=o PARA EL_PRODUCTO DE ESCALAR POR VECTOR P,) Es asociativo, 0 sea: wae Kk y¥pek, Wuev (Bu) =(AB)u Es importante destacar que pu y a e u) son productos de - escalar_por vector. En cambio el productom@ que figura en el segundo mienbro se realiza en el cuerpo K . Po) Es distributivo respecto de 1a suma de escalares, 0 sea tack , ¥pek WUE Vs (HHA) UF =Hu +P u Observenos que & +P se realiza en el_cuerpo(K, en tanto que Au +p u_es la suma definida en V. 3) Es distributivo respecto de 1a suma de vectores, 0 sea Hauek, ¥u eV, tv EV: & (uty) =-Kutav Notemos que tanto u+v como Ku +OCv son sumas que se reali- zan_en V. s P,) El neutro del producto en Kes el neutro del producto de es- calar por vector, es decir: 4ouev, 1€K/iusu=i = Observacién: Si bien se utilizan los mismos simbolos para denotar 1a suma en KK y la suma en Vo el producto en K_y el producto de escalar por vector, es im-- portante que el _alumno no confunda dichas operaciones y diferencie los elementos de KK de los de V Un ejemplo _nos ayudar a entender esta observacion. Sea (K el cuerpo de los reales (IR) y sea V el conjunto de los vectores - del_plano ( R2) Un caso de sunaenKes:3+2=5 ; 3€R,2ER,5ER En tanto que un ejemplo de una suma en V es: (3,1) + (-5,2) = (-2,3) donde (3,1)ER®, (-5,2)E R? y (-2,3)e R? En cuanto al producto enKKun ejemplo es el siguiente: Sncuanto al producto enkun ejenpto es el siguiente: 3.4=12 5 3€R ,4ER , 12ER (es una operacién interna) Un producto de un escalar de [K (niimero real) por un elemento de V (vector del plano) es el siguiente: =2.(3y-1) = (-6,2) donde -2ERs (3,-ER® y (-6,2)ER? es decir que esta filtima es una operacién externa en V con escalares de K. —Entonces_recordemos que: © +B es una suma en K u+v_es una suma en V &.p es un producto en K u_es un producto entre escalar y vector. Ses pmancte entre escalar y vector: Analicemos a continuacién conjuntos de elementos que poseen o no la estruc tura de espacio vectorial sobre un determinado cuerpo:aioe Ejemplo 1: Seanv=R y K-R Se trata claramente de un caso particularfsimo ya que tanto los vectores como ~- Jos escalares son elementos de R . Veamos si IR es un espacio vectorial sobre el cuerpo IR . La suma de reales es interna y sin duda cumple Ay ,Ay+A, y Ag. pues: es asociativa; es conmutativa; tiene elemento neutro (es el nimero real 0) y cada real tiene su opuesto en R . En cuanto a la operacién de escalar por vector se presenta aqui el caso particu- lar de ndmero real (el escalar) por nimero real (el vector). Y el alumno ya conoce las propiedades del producto de dos niimeros reales: es asociativo (P,); es distributivo respecto de la suma de niimeros reales (obsérvese que Pp y P coinciden) y tiene neutro, es el niimero real 1 (Pq) Luego R es un R -espacio vectorial. Ejemplo 2: Seanv=C€ ; K-=IR_ , es decir, los vectores son niimeros com-- plejos y los escalares son niimeros reales. Analicenos si © es un espacio vectorial sobre el cuerpo IR. £1 alumno sin - duda recuerda que 1a suma de complejos es una operacién interna en © que cumple con Ay sAyoPg ¥ Aye Con respecto a 1a multiplicacién de un nimero real (el escalar) por un niimero com plejo (el vector) harenos un andlisis mas detallado: siaeRy B Entonces o. Z :aypeR; zee a(pz)= K[p(atbi)]= [perp vi] spa sepbi = (& B) (atbi) “(%p)-2 luego of ( Z) = (OB) Z atbi € © (ay b reales) Oc (atbi) = Ca +OCbi que también pertenece a C .= 13) = Ps xypeR ;7EC€ (m+ B6).z = (+B) (atbi) = (ort Bat (K+ B)bi sat Bar + bi +pdi= «x (atbi) + B (arbi) = oc 2+ az Pz): meR, z= atrieC yv=cuieC o (z¥v) = o¢ [latbi)+(ctdij) = oc [(atc)+(bia)i] = &K (atc) + K (bedi = Kat HCH (AKL +Kd)I = Ka tKe +H bi +x = " K (atbi) + (ctdi) = adz +OV a: 1¢RszEeC 1.2 = T.(atbi) = La + 1.bi atbi =z Observaciones: Las demostraciones de Pi)» Pp)» P3) y Pq) se han basado en las - propiedades conocidas de suma y multiplicacién de reales. luego © es un (R-espacio vectorial. Ejemplo 3: Sean V = (Ry K=C , es decir los vectores son mimeros reales y - los escalares niimeros complejos. Ya sabenos que 1a suma en Reumple con Ay)s Ay)s Ag) y Ag) Analicemos ahora la operacién de multiplicacién de un namero complejo (el escalar) por un niimero real (el vector). siae€yueR caveR? La respuesta es negativa y se justifica con el siguiente contraejemplo: jeC 5; 3ER yxgR Luego R no es un © -espacio vectorial.ae Ejemplo 4: Sean V = Rm? y k-R Este ejemplo corresponde a uno de los casos que hemos presentado en la in- troduccién. Si las operaciones de suma de vectores y multiplicacién de un escalar por un vector son las usuales, es decir: HuveR% uty = (a,b)+(e.d) = (a+b,bed) ER? tueR, xusalad)=(KaarleR , YaeR entonces es posible demostrar que 1a suma verifica Aye Ay)s A3) y Ay) y la multi plicacién por escalar P), P3)+ Ps) ¥ Pq) Debido a que este ejercicio esta propuesto en la practica su resolucién - queda a cargo de los alumnos, s61o colaboramos demostrando A, ): HuvweR?: (utvjiw = [(asb)t(cd)] + (esf) = (atc.btd)+(e.f) = (atcte, brdtf) = (a,b) + (ctesd#f) = (a,b) + [(csd) + (eF)] = ut (vtw). Ejenplo 5: Sean V=(R2 y K=R con 1as operaciones de sua y mil tiplicacién Por un escalar definidas asf: YueR?,veR? yaer uty = (a,b)+(c,d) = (atc,b+d) & (a,b) = (b,b) o.u Observanos que 1a suma de elementos de R® esté definida en 1a forma usual y por Jo tanto valen, para ella Aj), Ay)» Ag) ¥ Ag)- En cambio 1a multiplicacién de escalar por vector no es 1a usual. Clarifi- camos con un ejenplo: si Ov= 3 yu = (-2,1) entonces, segiin 1a definicién dada, 3.(-241) = (141).-15 - Analicenos, si asf definida, valen para esta operacién P,),P.),P3) y Py). Pi): Oo pEeR ,vER? (Pu) = o [alas)] = « (b,b) = (,0)= (@ p) (b, b)= Ayu Pad:(cK + lu = (ox + A )(a,b) = (b,b) Ku + Pu = ot (a,b)+ B (a,b) = (dsb) + (b+) = (b+b,b4) = (2b,2b) Esta propiedad no se satisface. £1 siguiente contraejemplo puede clarifi-- carle al alunno 1a aplicacién de P,), Si@=3 5 B= 2 y w= (-244) entonces (342). (-2,4) = 5.(-2,4) = (4,4) y 3.(-2,4) + 2(-2,4) = (4,4) + (4,4) = (8,8) Luego con 1as operaciones que han sido definidas en este ejemplo, R2 no - es IR -espacio vectorial. Ejenplo 6: Sean V = R? y K={R y tas operaciones de suma y multiplicacién por escalar definidas asf: HuveR®: uv = (ayb)Hexd) = (asd) VaeR, vem s gu = (a,b) = (0 a,xb) En este ejemplo es 1a suma de vectores 1a que no esté definida en 1a forma usual Tuego anal icenos si para ella valen Ay)sAy)sAg) y Ay). A): uvyw €R? (utv)4w = [(asb)+(c,4)] + (e,f) = (a,d)#(e,f) = (af) y ut(vew) = (a,b) + [(cad)+(e,f)] = (asb)+(c,f) = (af) Se verifica la asociatividad de 1a suma. A) uv eR? uty = (a,b)#(c,d) = (a,d) vtu = (c,d)+(a,b) = (c,b)= 16 = Luego, esta propiedad no se verifica. La operacién de suma de vectores, co mo fue definida en este ejemplo, no es conmutativa. Esto es suficiente para afirmar que, con estas operaciones, R? no es IR - espacio vectorial. Antes de dar algunos ejemplos més, realicemos un par de observaciones: 1) Es importante que el alumno tenga en cuenta que para demostrar que un con- junto V es iK -espacio vectorial debe hacerlo para elementos genéricos (ej. 2). En cambio, para mostrar que alguna propiedad no se cumple puede selec- cionar un contraejemplo. Ast, en el ejemplo 6 para mostrar que la propie-- dad conmutativa no se cumple se podfa tomar el siguiente contraejemplo: (-1,3) + (2,1) = (-1.1) oy (251) + (-1,3) = (2,3) 2) Los ejemplos presentados hasta aqui nos muestran que la estructura de espa cio vectorial no es inherente en forma exclusiva al_conjunto V, sino que - depende de (K_y de como se definen las operaciones de suma y mul Otros ejemplos de conjuntos que poseen la estructura de espacio vectorial, cuyo analisis se propone al alumno son: -{R" sobre el cuerpo IR y las operaciones definidas en 1a forma usual: (uy sty sees) + WyevgereeaVg) * (Uytyys pty ++ sty _) KR (Uy sigse eel) = (8 Uys K Uy yee eK Uy) n ~ €" tanto sobre el cuerpo IR como sobre el cuerpo © = y las opera-- ciones definidas en la forma usual. - Rx] sobre el cuerpo IR y las operaciones de suma de polinomios y=17)- multiplicacién de un ntimero real por un polinomio definidas en 1a forma usual (Este conjunto fue presentado en 1a introduccidn de este trabajo). + CLx] sobre et cuerpo © y 1as operaciones de suma de polinomios de - coeficientes complejos y multiplicacién de un ndmero complejo por un po- linomio definidas en 1a forma usual. R™™" sobre et cuerpo R con las operaciones de suma de matrices yo mul tiplicacién de un nimero real por una matriz definidas en la forma u- sual. - [™ sobre el cuerpo © con las operaciones de suma de matrices y mul~ tiplicacién por un niimero complejo definidas en la forma usual. + Fl conjunto de todas las funciones f: (R-e[R sobre el cuerpo Ry las - operaciones de suma de funciones y mul tiplicacién de un niimero real por una funcidn, definidas ast: (Fg) (x) = F(x) + 9(x) (& .F) (x) =O F(x) Existen muchos ejemplos més de conjuntos que poseen 1a estructura de espa- clo vectorial, sin embargo con los presentados hasta aqui el alumno puede formar. Se una idea clara de esta estructura teniendo en cuenta adends que 1a mayorfa de Jos ejemplos propuestos (ntimeros reales, complejos, polinomios, matrices) fueron ampliamente analizados en el curso de Algebra I y las funciones en el curso de - Matematica I. Todas las veces que mencionenos estos espacios vectoriales se sobreentende rd que las operaciones de suma y multiplicacién Por escalar estén definidas en - Ja forma usual.- 18 - PROPIEDADES DE LOS ESPACIOS VECTORIALES Considerenos que V es un [K -espacio vectorial. A continuacién presentaremos algunas de las propiedades que se verifican - en estas estructuras. Dey El vector 0 cuya existencia asegura Ag) se denomina vector nulo y es el dni ee co vector de V que posee 1a propiedad. Ag). Demostremos esta afirmacién suponiendo que existen dos vectores 0 y 0' que verifican A3) entonces: OF OL = 0% yi Ons 0 0 Por Ap) a suma es conmutativa, es decir que 0 + o' = 0' +0. Luego 0' = 0 El vector u' cuya existencia asegura A,) es Para demostrar esta proposicién nuevamente supongamos que para cada u EV existen dos vectores ue Vy u"e V tales queut+u'=0 y Concluiremos que u' y u" son iguales. En efecto: Por Ay) u' = ut +7 Por hipotesis sul + (u tu") Por Ay) ut = (ut +u) + u" Por hipétesis u' = 0 + u" Por A3) u' Al opuesto de un vector u lo denotaremos de aqui_en mas III. £1 producto del _escalar 0 por cualquier vector de V es el vector nulo. Simbéticanente: ov= 6 cono€K ,vEV,oEV=19t Demos tracién Por neutro para la suma en IK : qv=(K+ov , Vac K _—s x<-~ *_“ wv ese Por P, Kv = Kv tov Luego por 1a unicidad del neutro (demostrada en I), ov debe ser el neutro, Pu coer ee a ee ae 2s OW Cave sem el neutrgs > es decir: ov=o IV, 1 producto de cualquier escalar de [K por el vector nulo es el vector - eaters eee af Ce Spore! vector ‘mulo es’ él vector: ules Simbélicamente: o.0= 0 con xeK, TEV Demos tracidn Por As: Ov = K (vio) Por Pst Kv =Kv 4K ‘Luego por 1a unicidad det =o Luego por la unicidad del neutro: oo = V. El producto de un escalar de UX por un vector de V es el vector nulo si a_i escalar de [por un vector de V es el vector nulo si y sdlo si el _escalar es cero o el vector es nulo. > . > Simbélicamente: Kv=0 <7 Keo 6 v=0 4 KEK Demos tracién =>) Tenenos dos posibilidades K=0 6K ¥0. SiG = 0 es verdadera 1a disyuncién &= 0 6 v= 0 y la propiedad se cun- ple. Si % 0 para que 1a propiedad se cumpla es necesario probar que v =o. En efecto, como % ¥ 0, existe su inverso multiplicative x EK , Iuego, partiendo de 1a hipétesis Kv=o y mul tiplicando por x7! resulta: ole v) = cl= 20 - Por Py y la propiedad IV) recién demostrada: ai BS ae (a a)veo Por el producto de inversos en IK sabemos que oc!.O = 1 luego Por dltimo por Py: l.v=v luego i €) SioC=o0 por la propiedad III) “ Si v = 0 por la propiedad IV) av = 1 II. El opuesto de cualquier escalar por un vector es igual al opuesto de su_- producto. Simbélicamente: (- o)v = -(&v) Demos tracion Para demostrar esta propiedad es suficiente demostrar que el opuesto de Ov ue es dinico) es (- OC)v, es decir probemos que la suma entre Ov ~O)v es. 0: Por Pp: (cc t0cv = [[-«) +0] v 2 Por ser K cuerpo: (-&)v+Q&v= 0 v Por propiedad III) de espacios vectoriales: (-¢ )v +OCv = 0 Esta Gltima igualdad nos demuestra que (-cc)v es el opuesto de Ov, es de cir: (-C)v = -(0Cv) que es To que querfamos demostrar. Pehl et AA Sk he ne les eS Como caso particular si OC= 1 tenemos que: (-1)v = -(1v) ¥ por Pa -lv-2- SUBESPACIOS Sea V un K-espacio vectori Definicidn: Direnos que un subconjunto $ CV es subespacio de V si se satis- —<— re CN es subespacio de V si se satis- facen: 1) s#¢ 2) Si vES,vES entonces uv ES 3) Si «eK, ues entonces xu ES Observe el alumno que los requerimientos 2) y 3) indican que S, para ser - Subespacio de V, debe ser espacio vectorial sobre el mismo cuerpo de IK , y cor las mismas operaciones de V pero restringidas aS. Proposicin: § es subespacio de Ves equivalente a: _$ verifica las condiciones 3) oes S2)_ Si vES, VES entonces uv ES $3) Sinek, ues entonces xu ES Oe Demos tracién =>)_Si S es subespacio de V entonces resulta de inmediato que se verifican S,) ¥ S3) 2" Ahora bien como $ # ¢ existe alginu ues Y por lo tanto o u€S' (por 3), p ro ou = © por propiedad III) de Espacios vectoriales, luego 0 TE|S, que es S}).<)si 5 ver de subespacio. -22- ica 51), S) y Sz) es inmediato que se cumple 1a definicién dada Observacién: En la prictica suele emplearse 1a condicidn 0 €S (en vez de 5 #4). Destaquenos que 1a misma es condicién necesaria para que el conjun to S sea subespacio de V, es decir que si o¢S entonces $ no es subespa-- cio. Sin embargo que 6S no es condicidn suficiente para afirmar que S - es subespacio. Para serlo, deberd ademas cumplir S, y S3)- Analicenos @ continuacién algunos ejemplos para determinar si son 0 no sub espacios. Ejemplo_1; Sea V un (K-espacio vectorial. Sy) $= {Tes subespacio de V ya que: —_— eee vers La 22 S,) o+0=0€S Sq) Yack, Ko = 0ES ‘Asimismo es evidente que V es subespacio de si mismo. Nota: A {ohy V se los denomina subespacios_triviales de V. : Ejenplo 2: $= { (xy .%p) / xy - 2 * to RE 5;) $0) Veanos si $ es subespacio de R? (0,0) €§ pues cumple 1a condicién x, - 2p = 9 ya que 0-2.0° 0 Si (xj 5X2) S_ entonces xy72xy = 0 Si (y,¥2) ES entonces ¥y-2¥9 Luego (x, X2)*(¥y 9¥2) = OY» Xot¥2) ES pues Hy4¥y — 2(Ko*Vp) = KyA¥~eXy-2Vy = Xy-2Xy t+ Yy-eVp = © v1 are VI M2 2= 23) - $3) Si (xy xp) © S$ entonces x,-2x, = 0 3) ¥ & (xq 4Xp) = (OC xy, x5) S ya que se cumple la condicién: & xy42 X= K (x, 42x) = 0, cualquierasea wEK wee Luego e1 conjunto dado es subespacio de R?. Xp Geométricamente, es una recta de IR? pasa por el origen. o Sréficamente podenos observar que la s S de dos vectores cualesquiera de la rec pertenece a 1a misma y que el producto cualquier ndmero real por un vector pe X4 neciente a 1a recta es también un vect de 1a misma. Ejenplo 3: S = { (xp .x,)/xp = x2 Fo RF S}) (0,0) ES ya que o = 0? Sp) Si (xyox%q) © Sentonces xy Si (Yys¥) ES entonces yp = y,2 En general 1a suma (x,+¥;, x,tyy) & S pues Xoo # (x47)? 2y 2 2 xy hy # (xytyy) Un contrajenplo puede aclararlo: anes Ts o4) = (3, e pee (1,1) + (2,4) = (3,5) @ S porque 5 ¥ 3- 24 - Luego el subconjunto dado no es subespacio de R2 Geométricamente es una parabola que pasa por el origen. Gréficamente po denos observar que si bien los vec- tores v, y Vp pertenecen a S, su su ma vv) no siempre es un vector de Ss. En este ejemplo puede apreciarse a~ demas que a pesar de que el o € S, éste no es subespacio. Observacién 1: Es importante que e7 alumno tenga en cuenta, una vez més, - que para denostrar que una condicién se cumple,debe hacerlo para elementos genéricos (2.2). En cambio, para mostrar que una condicién no se cumple - puede seleccionar un contraejemplo (ej.3). Observacién 2: Otra forma de denostrar las condiciones Spy $3) de subespa, cio es tomando vectores cuyas componentes tengan impuesta la condicién del conjunto dado. Empleando este mecanismo en el ejemplo 2, resulta: como la condicién es x,-2x, = 0 0 bien x;*2xp5 entonces para denostrar Sp) traba- Janos asf: (2xp9Xq) € S| Tuego su suma (2x,*2¥. Xyt¥y) ES (2yp¥2) ES En efecto(2(xp4¥) +Xyt¥,)ES ya que Ta primera componente es el doble de Ja segunda. De modo similar se procede con S3).- 25 - Ejemplo 4: § = {(x14x95x3)/x3 = of C RE 5) (0,0,0)€ S pues se cumple que 1a tercera componente es nula. Sg) (Xy%p,0)ES € (yy r¥ OE S Sin duda su suma (x)#¥), xpty>, 00) S pues se verifica que la tercera componente es cero. 3) QE Sy MoEIR se cumple que o (x1 x9,0) = (ct Xp Kxp,0)E § Luego el conjunto dado es subespacio de R3. La condicién 370 se interpreta geométricamente como el conjunto de puntos x3 de altura cero, es decir, que 1a ecuacién x30 define un plano de IR que pasa por el origen. En él es fécil ver que 1a suma ~ de cualquier par de vectores es un vector que pertenece a dicho plano al igual que %a la mul tiplicacién de cualquier real por u no de sus vectores. Edemplo 8: $= {(xjs42.%3)/xy7%) 6 x20 RS. Recuerde el alumno que el conectivo significa que un vector pertenece 2S si cumple una de las dos condiciones o las dos condiciones simul taneamente, Por ejemplo (1,1,3)€ S pues cumple XK (-3,2,0) € S pues veritica x,-0 (1,1,0) € S porque se verifican las dos condiciones. Analicenos si es o no subespacio de R3 $1) (0,0,0) € S (cumple tas dos condiciones ) So) (1,13) (-3,2,0)ES | si embargo (1,1,3) + (-3,2,0) = (-2,1,3) ¢ S pues ni x, es igual a x9, ni x3 es cero.- 26 - Luego el subconjunto dado no es subespa cio de R®. Graficamente, 1as ecuacio-- nes XyPXQ y x30 corresponden a dos planos de (3, y el conjunto dado es 1a unién de los puntos de ambos planos. Ejenplo 6: 8 = {(z,.2,)/242,ER} c C* Analicemos si S es subespacio de €* sobre el cuerpo de los reales. $1) - (0,0) S$ pues oF0 = 0 S,) Para que la suma de dos niimeros complejos sea un nimero real las componen- 2) tes imaginarias deben ser opuestas, entonces: (atbi, c-bi) ES (dtei, f-ei) ES Veamos si la suma de estos dos vectores de S también pertenece a S. ((atd)+(bte)is (ctf)-(bte)i) ES pues las componentes imaginarias son opues tas y entonces la suma de los dos complejos es el niimero real atd+ctf (abi, cbi)ES 5 WaeR OK (atbi, cobi) = (GC atKbi, Kc- a bi) también pertenece a S pues Ta su- ma de 1as dos componentes: Kat BbT+ Kc - get Katee es un niime- ro real. Luego S es subespacio de @? sobre el cuerpo R . Ejemplo 7: § = {(21529)/2y422 ER}CC?. Anal icenos ahora si S es subespacio- de © sobre el cuerpo de los complejos. Obviamente S;) y S) se siguen cumplien do. Veamos que ocurre con $3). Destaquenos que ahora el escalar es un niimero complejo es decir REC. Sea por ejemplo (1+i, 3-1) S ya que 14443-7= 4EIR y =i entonces: ¥ Sp es ele Je xp. El eje xp esta inclufdo en - el plano de ecuacién x41 es por e- Tio que cada vector de Sy su mado a cada vector de S; da como re. sultado un vector de S,. Luego,en - este caso,resulta Sy4S_ = Sy- 33 - COMBINACIONES LINEALES Introduccion Considerenos en (R? a los vectores u = (1,-1) y v = (1,3) y formulénonos la siguiente cuestion: des posible obtener al vector w = (2,2) como resultado de operaciones entre los vectores uy v dados? Como conocemos en IR? 1a existencia de dos operaciones (1a suma de vecto- res y el producto entre nimero real y vector), es entonces que el problema puede Plantearse en otros términos: éexisten mil tiplos de los vectores u y v tales que Su suma sea el vector w? Analicémoslo primero en forma grafica: representamos a los vectores u, v y wen un mismo esquema (figura de la izquierda). eal-~34- Responder afirmativamente a la cuestién equivale a determinar un paralelo- gramo cuyos lados sean las rectas que contienen a los vectores uy v (y a los - respectivos miltiplos) y cuya diagonal sea el vector w. Graficamente (figura de- la derecha) se obtiene la respuesta pasando respectivas paralelas a las direccio nes de los vectores u y v por el extrem de w. Podemos observar que el objetivo geométrico fue logrado y, por lo tanto, 1a respuesta es afirmativa: w=(2,2) se puede expresar como resultado de operaciones entre u=(1,-1) y v=(-1,3)- Anal fticamente el problena se reduce al planteo de la ecuacién Wet Pay © bien (2,2) = & (1-1) + B (-1,3) que traducida a idioma ‘coloquial se puede expresar asf: “en R® dexisten " “ y" p" reales tales que Ta suma de "a" veces el vector nut y de" pe" veces el vector "v" sea el vector w? La resolucién de 1a ecuacién y, por lo tanto, 1a existencia 0 no de solu-- cién serviré para responder. en forma afirmativa o negativa, respectivamente. Entonces, vamos a resolverla (2,2).= & (1s-1) + B (-1,3) (2,2) = (a ,-a@) + (- pap) (2,2) = (x -p ’ ao £3 B.) esta igualdad se satisface si y sélo si a“ “pr 2 - 43-2 de donde 1a respuesta a nivel analftico, depende de 1a compatibilidad del siste- ma. Como este sistema tiene por.solucién @=4 y ia 2 (y es 1a Gnica!), re-352 sulta que 1a respuesta a la cuestién planteada es afirmativa. Adends, cada alun- no puede corroborar este resultado con 1a solucion grafica obtenida anteriormen- te. Veanos otro caso, también en IR ®: es posible obtener al vector w=(2,2) como resultado de operaciones entre los vectores u=(1,-1) y t=(-3,3)? Lo plantearenos y resolverenos anal {ticamente: We O.ut pt (2,2) = @ (1,-1) + B (-3,3) (2.2) = (a, -a) + (3B, 3B) (2.2) = (- 3, -043p) Por lo tanto % -3pe2 aoe as feaei2 “ eaetale pedenos observar claramente 1a incompatibilidad de este sistena ya que no existen valores de ox y fP qe satisfagan simul taneamente a anbas ecuaciones. Por 10 tan to, la respuesta en este caso es negativa. Graficamente, se puede hacer una - interpretacién del problema y su respues ta, ya que: tPc Como los vectores "u" y "t" pertenecen a la misma recta, entonces todos - los mialtiplos reales de los mismos también pertenecen a dicha recta, y la suma - de vectores colineales es igual a otro vector de 1a misma recta. Como w=(2,2) no pertenece a dicha recta, resulta que no puede obtenerse a partir de sumas entre mGltiplos de los vectores iy) dados . Veamos otro caso: 2Es posible obtener al vector r=(2,-1) como resultado de operaciones entre los vectores s=(-4,2) y z=(6,-3)? Lo resolverenos primeramente en forma analftica: reas t+ pz (25-1) = 0 (-4,2) + A (6,-3) (2,-1) = (4a, 2a) + (6p > 36) (2,-1) = (4K +6 p,20-3—) de donde se deduce que x y f deben satisfacer el siguiente esquena de ecuacio- nes. 4a +6 p=? o 2a-3pe-1 20-3 B= en el que observamos que con sélo dividir anbos mienbros de 1a primera ecuacién por (-2) se transforma en 1a segunda. Es decir que anbas ecuaciones son equivalen tes 0, expresado de otro modo, las soluciones de una son también de 1a otra. En- tonces el sistema es compatible pero adnite infinitas soluciones tales que satis, 1 fagan larelacién 20 - 3p * Por ejemplo, son’ soluciones : K=4 y Peds yaque 24 -3.3= y f= 277° -1 ya que 2(-2) - 3(-1) = -1-37 - Y= =F y Pe, yaque 2.(- 5 t e infinitas mas. Si observamos atentamente 1a repre sentacién gréfica de los vectores de es- te caso, descubrimos que son colineales Y» con dos vectores no nulos y de 1a mis, ma direccién, resultan infinitas las po- sibilidades de obtener a un tercero con esas mismas caracterfsticas. Creemos que resulta conveniente hacer algunas observaciones sobre los pro- blemas planteados y las respuestas obtenidas en las respectivas soluciones: 1, Todas Tas cuestiones fueron presentadas en (R2 para poder hacer una interpretaciOn geométrica de facil explicacién grafica. 2. No por ello, debemos pensar que no pueden aparecer situaciones similares en otros espacios vectoriales. 3. Todas tienen una presentacién parecida, ya que se formulan como interrogante: éun vector dado puede obtenerse como resultado de operaciones entre otros vectores también conocidos? 4. La respuesta o solucidn puede ser negativa, es decir que NO pue de obtenerse el vector dado como resultado de operaciones entre los otros vectores también conocidos.~ 38 - 5. La respuesta o solucién puede ser afirmativa, es decir que SI puer de obtenerse el vector dado como resultado de operaciones entre los otros vectores también conocidos. 6. Pero la respuesta afirmativa ofrece dos variantes: puede obtenerse de un Gnico modo o bien de infinitas maneras. Esta introduccién se hizo para arribar a la siguiente Definicién: Sea V un espacio vectorial sobre el cuerpo KK . Se di Definicion: Seat ce que v EV es combinacién lineal de los vectores V1,V91++V,EV eae Eee si existen escalares K;E(K (i=1,2,...n) tales que 1 Bay A los escalares &; (i=1,2,...5n) se Tos Tama coeficientes de la ne combinacidn lineal. Ejenplo 1: En RZ, el vector (3,1) es combinacién lineal de (1,1) y (543) con coeficientes -2y 1, ya que (3,1) = -2.(1,1) + 1.(5.3)- Ejenplo 2: En R, 7 es combinacién lineal de 2 con coeficiente 5, ya que- 39 - 0 4 1-1 Ejemplo 3: En RX? 1a matriz (; ) es combinacién lineal de (; ; - 3 1/2 -2 o 4 i 1 vy con respectivos coeficientes2, -4 y - > 1 0 0 6 Compruébelo cada alumno. Ejemplo 4: En © , el complejo 6-i es combinacién lineal de -3i y 1-1, con coefi cientes i y 24, respectivamente, ya que: i(-31) + (2#5). (1-4) = -3i2+2-2i4i i? =34+2-2+i 41 = 6-4 Ejemplo 5: éPara qué valores de k el vector (1,-2,k) es combinacién lineal de - (1,1,-1) y (1,01)? Soluci6n: (1,-2,k) = «(1,1,-1) + (2,01) (1,-2,k) = {arp 1H, K+ fe S+Be < -2>5 “H+ B= k primera ecuacién -2 + b= 1 => reemplazando en la Si se sustituyen los valores hallados en la tercera ecuacién, resulta: -(-2)43=k > Por lo tanto, el vector dado es combinacién lineal de los otros solamente sik=5= 40 - ko o1 Ejemplo 6: En R2%* spara qué valores de k resulta of oC do a) Solucién ) combinacién lineal 0. A+pt+T=k af aT pov Observanos que 1a cuarta componente se obtiene cualquiera seanoC fey T- En cambio, 1as ecuaciones segunda y tercera exigen que| Reemplazandolos en 1a primera surge que: Lti+eTek > Esto indica que cualquiera sea k€ R , siempre podrd determinarse Y~ sy conh=(=1 podré escribirse al vector en cuestién como combinacién Vi neal de los vectores dados. Ejemplo 7: 2Es (0,0,0,0)€ 4 combinacién lineal de (1,01,2,3) y (0,1,0,1)? Respondenos inmediatamente que st. Resulta facil ver que con coeficientes nulos se verifica esta igualdad: (0,0,0,0) = 0.(1,-1,2,3) + 0.(0,1,0,1)- 41 - Ejemplo 8: €n IR, el vector (0,0) es combinacién lineal de (1,-2) y (1,2) con coeficientes & y fo que verifiquen que « = pve oe: (0,0) = © (1,-2) + f (1,2) (0,0) = P(1,-2) + P (-1,2) (0,0) = (P -P,-2P+2P) (0,0) = (0,0) , para todo pe R. Observacidn: En los dos dltimos ejemplos el vector nulo de los respectivos espa- cios vectoriales result ser combinacidn lineal de los otros vecto- ——ae recut Ser_combinacion lineal _de los otros vecto- res dados. Esta situacién es bastante obvia, ya que si V es un IK -espacio vectorial y W = {vp Voseeoa¥,FE Vs resulta sienpre TEV ser combinacién lineal de los vectores de W, porque Ov, # Oy + oe tO, = a Ov, = 0 a Esta combinacién lineal que nos da el 0 €V, 1a denominarenos ‘tri- vial y su _caracterfstica es que los coeficientes de ella son todos nulos. Pero, des 1a dinica combinacién lineal con tal resultado? £1 ejenplo 8 muestra un caso en donde hay otras. Es facil intuir que Jas dife- rentes respuestas dependen de los elanentos del conjunto W; esto - equivale a afirmar que es un atributo 0 cualidad del conjunto W. Los ejemplos que siguen serviran Para confirmar 1a observacién efectuada: Ejemplo 9: éEs (0,0,0)€ R? combinacién lineal de los vectores del conjunto W={(2,0,0), (0,-1.0), (0,0,5)} CR 32 Solucion: (0,0,0) = &% (2,0,0) + ¢ (0,-1,0) +77 (0,0,5)~ 42 - (0,0,0) = (20¢ 0,0) + (0,- - 20) + (0,0,5 1) (0,0,0) = (20, -f, 57) Resul ta inmediata 1a respuesta afirmativa: el vector (0,0,0)€IR* es com binacién lineal de los de WEAR? con coeficientes todos nulos, ya que: Ejenplo 10: Determinar si (0,0,0)€ IR? es combinacin Tineal de los vectores de w= £(2,0,0), (1,0,0),(0,0,1)} oR’. Solucién: (0,0,0) = &(2,0,0) + fs (1,0,0) + ¥ (0.0.1) (0,0,0) = (2a 50,0) + (,0,0) + (0,0,7 ) (0,0,0) = (20 *P 0.7) de donde deducimos que 1a igualdad 2at+A=0 T=0 se verifica siempre que 0 0 lo que es 10 mismo, siempre que cualquiera seaweR, Pray T Notemos que siOC= 0, entonces Pe Oy T= 03 es decir: la solucién tri vial es una de las posibles, pero existen otra: Por ejemplo: e=5, fe -10 .T=0 son coeficientes de una combinacién lineal de los elementos de WC R 3 que da bE R?.~ 43 - Entonces, el atributo o cualidad de un conjunto de vectores de un espacio vectorial que hace que el vector nulo del mismo se escriba Gnicamente como combi nacién lineal trivial de los elementos de dicho conjunto o que admita, adends de aquélla, otras combinaciones lineales, se denomina 1a independencia o dependencia lineal_del_mismos nos _dedicarenos a estudiar estos conceptos. INDEPENDENCL. Definicin: Sea V un espacio vectorial sobre el cuerpo K y ——— en ah ere el cuerpo Wey sVy0++s¥,pC V. Se dice que W es Tinealmente indepen- 172 n, diente D> ivy = 7 sit o€,20, para tov gig n Obsérvese que 1a definicién contiene al conectivo "si_y sélo si"}- esta con dicién puede ser sustituida por una implicacién a través de este razonamiento: a Si Pero si W es linealmente independiente, entonces ————— i neatente independiente, enton n D> ay, -3 => XH; = 0 para todol gign y esta im Plicacién suele sustituir a la equivalencia que presenta Ja _definicién.aie Notacién: Indicaremos con "1.i:" a todo conjunto que sea linealmente independiente. Ejenplo 1: £1 conjunto {(1,0),(0,1)}o I es 1.4. ya que & (1,0) + (01) = (0,0) (0) + (0,0) = (0,0) (K ,,%) = (0,0) sii &) = a, =0 (; 0 (° ' (: } 2x2 og 1 Ejemplo 2: £1 conjunto cR? es 1.1. ya que a a A alo eueNop zion reat oo 0 o\ fo o' a + &, + OK, = T\1 o 0 - o 2} \o 0 a1 =0 mou =0 eT =0 ~K2K, #0 Ejenplo 3: 1 conjunto {(1,-1,0),(251,2),(2.0.2) fe no es 11. ya que (15-150) #0 g(141,2) #0 9(2,0,2) * (0,020) (OE 45-0 490) # (OE pr Kyo 2HQ) + (2H 390,20 g) = (0,040)= 45 = ( Ky+ Kj12K 3, - Kt Ky, 20 4+ 2&5) = (0,0,0) HK, +H, +20,=0 - 4, +a, =o 2K 54 2K, =0 y estas igualdades se verifican si &,=K, (por 1a segunda ecuacidn) &, = =, (por 1a tercera ecuacién) y satisfacen la primera ecuacién, es decir me 3 es 1a solucién. Observamos que la solucién trivial es una de ellas, pero - también hay otras, por ejemplo O = 2 resultando asf, coeficientes no nulos de una combinacién lineal de los vectores del conjun to dado que nos da. Por ello el conjunto no es linealmente independiente. Cuando un conjunto de vectores de un espacio vectorial no es linealmente - independiente, se dice linealmente dependiente y ésta es su Presentaci6n formal: ne» SSA ES Su presentacién formal : Definicign: Sea V un espacio vectorial sobre un cuerpo IK. pace vectorial sobre un cuerpo KK y = {vy Na} E V. Se dice que W es Tinealmente dependien- te si existen escalares K,EIK (1¢i ) Si Wes 1.d., entonces existen escalares Ly, L 55.0.5 KEK no todos nulos y tales que Oy * pyar + Ky, Ee in * 9 Supongamos que &; #0 (1 por tanto, una combinacién lineal de los dems vectores de W. = tS demas vectores de We S)_ Si (1. gi 3a - PHS T > gare ~) = (0,0,0,0) de donde zat =0 -% -T=0 sa -p+sT =o 4at 2p =0 y a este sistema de ecuaciones 10 verifica toda terna de valores de 12 forma: “ P= - 2a } cualquiera sea KE R Te-0 entonces el conjunto de los vectores dados es 1.d.- 49 - Observacién: Resulta claro que, hasta aquf, para investigar Ja independencia o - dependencia lineal de un conjunto W “fyip wnt CV se plan tedré lacidn linea) > yyy =o 1 y se obtendré un sistema de ecuaciones en el qué las incégnitas se- ran los coeficientes OC,. Este sistema seré siempre compatible (ya que, al menos; admite Ta solucién trivial) y que tenga Una Gnica so luciOn o infinitas soluciones,. indicaraé que Wes 1.4. 0 t.d.,respec tivamente, Ahora estudiarenos una propiedad que nos brindaré otro métedo para investi, gar la Independencia o dependencia Tineal de un conjunto. Proposicién: Sea V un IK -espacio vectorial. inetetin: Sta V un K-espacio vectorial. Un conjunto W =f v1 s¥oV51 50 ¥ nf CV es 1A, Ve EMD MAA Rams GF Vy sooes Wyte ary CVesti., cusesviegs sean X>, Sy K El, Demos tracién : semseracnon: >) Con la hij » probaremos que U también’ lo =, re elle tesis que Wes 1.4. escribiremos ~ ‘al Tv como combinacién lineal de los elementos de U, Pir t Patvgt ay) +P alvgt ayy) 0, TB lt ey)PeconS y para probar que U es 1.i. nos bastard con justificar que esta combinacién lineal tiene sus coeficientes necesariamente nulos. Con ese objetivo distri buimos los factores escalares en cada suma, resultando “y= a+ Povot Paar? existen n términos en los que aparece v,; luego, si factoreamos, queda: : +f nn 7 © (Prt Pe Sot Ps %3 to Pn +P avo + Pavs * que es el escrito como combinacién lineal de los vectores de W y, por ser Pay t Bove t Pe Sry + avs t Pa oY * 1.i., implica que este es un sistena conn ecuaciones y n incdgnitas (las fj) que tiene por Gnica solucién Py =P 2 = Pst PP, = 0» cuatesquiera sean ae eee K.(2 iq + 2xy + xg Obtenenos asf una relacién entre las componentes de los vectores v. Es decir que hemos hallado las condiciones que deben cumplir entre si Xp oX. Y X3 Para que sean componentes de los vectores que resultan de aplicar 1a com binacién lineal dada a VyoVe ¥ V3. Entonces el conjunto de esos vectores Podemos expresarlo asf: ¢ 3 Sp = {xy oxgoK3) / Oxy + xy + xq = OF que es un subespacio de Re (la demostracién a cargo del alumno). 2 Ejenplo 3: Considerenos el vector (-1,0)€ C~ —y 1a combinacién lineal K(-i,0) con ceR, Aplicando 1a combinacidn lineal se obtienen los vectores siguientes: (xq x2) = 0 (1,0) con KER (xy 9X9) = (- 4,0) Luego: x2 = 0 que son las condiciones que deben cumplir las componentes de los vecto- res para ser resultados de la combinaci6n lineal dada. En consecuencia, obtuvimos el conjunto: 83> f Oxonglg = 0645 xp = 0, con KE RFC Cave es un subespa- cio.- 62 - Ejenplo 4: Dado el conjunto {(5.1,-1,2),(-10,-2,25-4), (15,-3,3,-6), RY y la combinacién lineal entre los elementos de ese conjunto: (SL 5-152) + B (-10,-2,2,-4) + T (-15,-3,3,-6) con. Pp »T € R establecerenos condiciones sobre los componentes de los vectores que resul tan de aplicar dicha combinacién lineal. Desarrollando 1a combinacién lineal: = (5 5 yO 2K) + (10 P 2H ZR AB) + + (15737 8T 61) = (5K -10P -157 .a-26 -37 > “KP BT, lay oxp%gohy (9 0%5 9%, +20 48 61) igualando componentes : x)= 5a -10P -15 wpe = 2P-37 37 -H+2P +37 xqt 2-4 -67 cont + T eR Comparando las ecuaciones, resulta: =- 20-37 xp 7H - 2P-37 - xy =-2P-37 Lx, -0-2P-37 Luego > . 2 Mb XQ Xe MPT ole 22 4 Sy Lx myotg akg) ty = Bkgetghng 0 By Hye OfeRRaue es un subespacPoses Si observamos los resultados obtenidos al investigar el conjunto de to- —————— Ee estar el conjunto de t das las _combinaciones lineales con los ‘n’vectores de un subconjunto de un ES con N05 n vectores_de un subconjunto_de_u espacio vectorial, como hemos hecho en cada uno de los ejemplos preceden- tes_intuimos que 1a respuesta al interrogante planteado anteriormente es - Ee esta al _interrogante planteado_anteriormente es_- afirmativa, es decir que el conjunto de vectores que se obtienen forman un ee ES eS connto de vectores que se obtienen forman ur subespacio. Tratarenos entonces de determinar una regla que nos permita generar sub. ga ce 1085 _permita generar sub. espacios a partir de un conjunto de vectores dado. ee ee en conjunto de vectores dado. + Una primera observacién nos indica que en los cuatro ejemplos plantea- TELE cuatro egemplos plantea-— dos los vectores que permitieron 1a formacién del subespacio pasan a -- pertenecer a él, es decir que el conjunto dado queda inclufdo en el sub espacio obtenido. . También se verifica que todos los vectores del subespacio obtenido re-- si ‘ombinaci6n lineal de los vectores del conjunto dado 5 ene F f fs . cepto_de generadores de un subespacio, Generadores de un subespacio DefiniciOn: Un conjunto G = { v,.v,,...,v de vectores de un subespacio ve. torial V sobre un cuerpo K , es un SISTEMA DE GENERADORES de un subespacio EA 8S un SISTEMA DE GENERADORES de un subespacio SCV siy sélo si_ G_esté inclufdo en $ y todo vector de S_es posible expr: sarlo_como_combinacién lineal de los vectores de G.- 64 - Simb61icamente: GgeneraSCV > GCS y Hves con xe Ky v, EG Observacién: £1 concepto de sistema de generadores es totalmente indepen- diente de 1a dependencia 0 independencia lineal del sistema. Proponemos algunos ejemplos de generadores de un subespacio: 2 ina : Sea S$, € IR un subespacio definido asf 5, = {x xp)/xy = Xyby sean vy = (lal) y vp = (+252) vectores de (R®. comprobarenos que 6 = { vy.v9} es un sistema de generadores de S. Tal cual la definicidn verificaremos que GCS, para ello: vy = (11) xy FLY Xe 1) xy=xy_-y resulta que V, € Sy Vg = (-258) xqF-2 Xp = 2x 2 y resulta que v>@ S) SivyeS; y WES > G= { Vypva FES Debenos ahora comprobar que todo vector de S, es posible expresarlo como - combinacién lineal de los vectores de G, es decir: Si VES, xR. y Si xy sae ve (aa) = -a(-1,-1) =-a(1-2,1-2) = -a{(1,1) + (-2,-2)] = = -a(1,1) + (-a)(-2,-2) Luego todo v€S, es posible expresarlo ast: v= (asa) = -a(1,1) - a(-2,-2) que es una combinacién lineal de los vecto res de G, que determina los vectores de S.= 68 = ; 3 Otro ejemplo: Sea el subespacio Sy = f(x, sx 4X3)/X3 = ofcR y el con-- Junto G = {(1,-2,0)5(0,1 ,0)} de vectores de (R 3. comprobarenos que G es un sis- tema de generadores de S». Es evidente que los dos vectores de G tienen como tercera componente a 0, Juego pertenecen a S, y resulta GC Soe Por otro lado, si v = (xj .%7.%3)ES, esxy=aeERix,=bER y x3 = 0, es decir (a,b,0) = 0 (1,-2,0) *P (0,1,0) luego a= x b= -20 +8 entonces be -2a+P => P= 2a+b resulta entonces que v = (a,b,0) = a(1,-2,0) + (2a +b) (0,1,0) con a,b ER Luego todo vector de v € S, es posible expresarlo como combinacién lineal de los vectores de G. Plantearenos también un problema donde haya que determinar el subespacio - generado por un conjunto de vectores G. Supongamos los vectores v = (1,0,0,0) y w= (0,1,1,1) ambos de R4. Ha. Marenos e1 subespacio de IR generado por G = {(1,0,0,0),(0,1,1,1)} Los vectores v = (x).x,5x3Xq) que resultan de 1a combinacién lineal de - los vectores de G son: ¥ = (oy oXg0%3%q) = 6 (1,0,0,0) +B (0141.1) a, PER = (&,0,0,0) + (0, Bs Php) =(HsPoPoP)ake Entonces x, =, =P oo %y7 Po rh con «, PER, Por lo tanto, x» = x3 Y Xp =Xq4 Son las relaciones que deben tener en- tre sf las componentes de v para pertenecer al subespacio buscado. Es decir que el subespacio es: S= { (x1 9X Q 9X3 %Xq)/XQ™ =ofcr! Subespacio finitamente generado Definicién: Diremos que un subespacio esta FINITAMENTE GENERADO si_posee un sistema finito de generadores. Veamos algunos ejemplos: Ejemplo 1: Los subespacios S, y Sp de los ejemplos anteriores son finita-- mente generados, pues en cada caso G es un sistema finito de generadores. Ejemplo 2: R? es un R-espacio vectorial (en consecuencia subespacio de sf mismo) finitamente generado ya que v, = (1,0) y Vp = (0.1) conforman un conjunto finito que es un sistema de generadores. Comprobacién: G = {(1,0)s(0,1)}CIR? , pues (2,0) y (0,2) pertenecen a IR ? También para (x, sx,) ER * con x22 ER y x, ER (a,b) = (a,0) + (0,b) = a(1,0) + (0,1) con a,b ER Es decir que todo (a,b) ER es posible expresarlo como combinacién lineal de los vectores de G.- 67 Luego G, que es un sistema finito, genera R* y resulta entonces finita-- mente generado. Para _tener_en cuenta: No necesariamente todo espacio vectorial es finita-- TT — eee mente generado. Si consideramos el espacio vectorial IR [x] de todos los i Polinomios en 1a indeterminada x, resulta que no es finitamente generado. —=——=$$ —_ ene eves’ sue mo_es Tint tamente generad En efecto, resulta imposible crear un conjunto finito que genere R (x). —— ere imposible crear un conjunto finito que genere_| Mas, cualquiera sea G = {vp vgo-sss¥,f donde cada vector es un poling ee mio_de grado menor o igual an, resulta imposible hallar una combinacién - Tineal_de vectores de 6, tal que x" pertenezca al subespacio generado por este conjunto. Por lo tanto, el conjunto finito G no genera a Rx]. Teorena: SiG = {vy .¥).. Subespacio S de un K -espacio vectorial, entonces 6" = {v1 .¥p4.+-.¥,y¥},Siendo es un sistema finito de generadores de un W combinacin lineal de vectores de G, también genera S. tat ten genera S- Demos tracidn: Supongamos que sea S' el subespacio generado por G'. Probaremos que S' $i Probarenos que S": es decir que el subespacio generado por G' también es S. Si S. erado_por G se verifica que 2 con a,eK yveG es decir que VER y +O Wi- 68 - es posible escribirlo como combinacién lineal de los vectores de G'o 10 que es Jo mismo ve S'. Entonces, si para todo v © S_se verifica que ve S' resulta v= > wit PD AWN cn ACK Luego todo vector ve S' es posible escribirlo como combi nacién lineal de Jos vectores de G, es decir v € S_y entonces SCS. pero si SCS' y S'CS por la antisimetrfa de la relacién de inclusién que es lo que querfamos demos trar. corolario: SiG = {vj.Vgs-+-0¥,f es un sistena de generadores Vinealmen- te dependiente de un subespacio S, entonces_exi tal que: ct = G~ {vj} genera también S. En efecto, si G es linealmente dependiente existe un v;€ G_que es combi- nacién lineal de los restantes es decir,16914 Aveo / veka wut cee ai aL get luego todo v € S_es posible expresarlo: = PN v Hyp Hayy + oe + OS at % (A tie t , 1 tN i Ye tes Nay) Os Vier te + avy es decir que: ja n ve zz (© OAV y+ > (O +05 AG) iss Asi es que cada vector v € S es posible expresarlo como combinacién li- neal de los vectores de G'; entonces G' también genera S. Ejemplo: Como aplicacidn del teorena anterior hallaremos condiciones sobre ay by para que 6 = {(1,-1,0)5(0,2,-1)} y Gt = { (15-10); (0,2,-1)3 (1,a,b)} generen e1 mismo subespacio de (R3, Segiin el teorema anterior para que G' genere el mismo subespacio que G, basta que el vector (1,a,b) sea combinacién lineal de los otros dos. Por lo tanto: (1,a,b) = OC (1,-1,0) +p (0,2,-1) con a, f eR entonces (1,a,b) = (&, - ,0) + (0, 2p.-p) € igualando componentes ise a= -K+ 26 bop=70'= es decir que, de la primera y la tercera ecuacién,resultan: fiz = bjsustituyendo en 1a restante ecuacién: as 1+ 2(-b) a= -1-2 => atdb=-l Luego G' generara el mismo subespacio que G, si se verifica que: a+2b+1=0 oo algunos valores de a y b que verifican esta ecuacién son: as-1;b=0 a=135b a=23;b=- e infinitos mas; Luégo algunos conjuntos G' que generan el misifovSubespacid de IR que G son: 6" = {(4-1,0)5 (0,24-1)(14-1,0)} Gh = F(151,0)5 (025-1), (11 25 Gt = {(1,-1,0),(0,2,-1)5 (1,25 d} e infinitog més $1!71-2 BASE Sea B= {vjsvys...-s¥,} un Sistema de generadores de S, subes- pacios de un K-espacio vectorial V; diremos que B es una base deS si y so lo si es un sistema linealmente independiente. Para ampliar este concepto ejemplificaremos : 2 Ejemplo 1: £1 conjunto 8 = {(0,3)} es base de S,= {0x1 xp )/xy ofcR porque : a) (0,3)€ Sy} pues x, = 0 y si V = (xpX) © Sy => v= (05x,) = Exp (0,3) Es decir que todo vES, es combinacién lineal del vector de B; enton- ces genera S). b) Si consideramos (0,3)= 0 => o-0 7 Entonces B es linealmente independiente. En consecuencia B= {(0,3)} es base de 5). EJenplo 2: Un base de $= {(xp4X94X3)/-xyi + 3xy ~ x + Ki = ofee? es B= {(3,4,0) 5 (141, 0, 1)} a) Para comprobar que B genera Sg verificamos primero que BCS», es decir que cada vector debe satisfacer las condiciones de Sp2 = . Para (3,1,0): 3+ H- 0+ 01 = 0 D> (3,1,0) Sp Para (1+i,0,1):-(14i)i + 3.0 - 141 = NNG= 0D (141,0,1)€ Sp Adends si (a,b,c) © S)> -ai + 3b -c + ci = 0S ai = 3b + (-14i)c es decir que si (a,b,c) € Sp i a= Be fide > e = 8b 4 (1Hi)e Luego: (a,byc) = (3 2 + (14i)csbsc} =( 3 $40.0 )+ ((14i)e.0,c) = (3 BBD c (144,051) = B (34,0) + (144 0,1) En consecuencia,todo vector de S, es combinacién lineal de los vectores de B y resulta que este conjunto genera So. b) Comprobaremos 1a independencia lineal asf: €(3,1,0) + f (144 ,0,1) (3, ai, 0) + (1+) f- 0, &) = (0,0,0) en consecuencia 3K+ (1H) B =O aizo Pp-o DPe-0yP 0D Bes li. Por lo tanto, B es base de Sp. Si se observa con detenimiento 1a definicién de base, resulta facil descu- brir que de todo sistena de generadores se puede obtener una base; esta observa cidn es general y 1a podenos enunciar ast: Sea S un subespacio finitamente generado por el sistema de generadores 6= {vv de G. Wa}: Existe, entonces, al menos una base de S extrafda~ 73 - En efecto es asf, pues si G es un sistema linealmente independiente resul- ta por definicidn de base de un Subespacio, ser base de S. Si G es linealmente dependiente existe al menos un vector v; EG que es - combinacin lineal de los restantes y por una propiedad anterior el conjunto que resulta de suprimir v; en G, es también un sistema de generadores de S. SiG’ es 1.1. resulta ser base de S; en caso de ser 1.d. basta con obtener otro conjun to G" (resultante de suprimir v, en G', siendo v, combinacién lineal de los res- tantes vectores de G') y este nuevo conjunto G" es también un sistema de genera- dores de S. Repitiendo esta operacién un niimero finito de veces se termina obte- niendo una base de S. Ejemplo 1: Sea G = { (1,1,1), (1/2,-2,3), (0,-1,1), (-3,238)} un sistema - de generadores de S = { (x14x9.X3)/2x, = xp4X3} - Obtendremos una base de S tal que resulte incluida en G. Dejamos por cuenta del lector comprobar que G genera S. Para obtener una base de S tendremos que considerar un subconjunto de G que sea 1.i. (eventualmente el mismo G). Para ello construimos 1a matriz - de los vectores y 1a escaloames (es de uso frecuente decir triangulamos ) toi. roi a o1o1 1/2 2 3 0-5 5 0-5 5 Oo -1 1 ol 3) 0 0 0 =o) eee 0 5 35 0 0 oO Fo = 2Fo-Fy Foe Fo-SFs Fan ithe Fe Fe-74 - luego dos de los cuatro vectores que componen G son combinacién lineal de los restantes; entonces por una propiedad anterior el conjunto que se - obtiene al eliminar a esos dos, también genera S y como el subconjunto que queda es 1.i., es B= { (11.1), (1/2,-2.3)} C 6 base des. Ejenplo 2; Determinarenos una base de R?. Para ello consideramos un conjunto de tres vectores de tres componentes tales que cada componente sea un niimero real, y comprobamos si generan IR3, Por ejemplo {(1,-1,1) 4(0,-143).(-141,0)}. Luego todo vector (a,b,c)@IR® debe ser tal que: (asbyc) = 0€ (Le-To1) + G (04-1,3) #7 (11,0) de donde sale a=c-T 9 Ks 8+ T be-&=P +7 c= K43p sustituyen en la tercera ecuacién atT+3p > p-o3-t c y reemplazando en la segunda: be -(a+y )-S=3-T +7 ya ee a 3b = -2a-c+7T yresulta YT =2a+ 3btc sustituyendo enocy H= gat 3btc y f-a-o > Luego, (a,b,c) € [Res posible expresarlo como combinacién lineal de los vectores dados:-75 - (a,b,c) = (3a + 3b +c) (1,-1,1) + (-a-b)(0,-1,3)+(2at3b+c)(~1,1,0) To que nos indica que esos vectores generan IR3. Para comprobar que { (1,-1,1);(0,-1,3)5(-1,1,0) Fes base de RR? deben - ser 1.1. Verificamos si lo son triangulando: a 0 -1 aca fata 1 3 f}0 4 3 1 0 oo 1 son 1.i. Luego 8 = {(15-1,1) (05-1,333(-1,1,0)} es base RE. Ejenplo 3: Una base del subespacio S = { a5; € Ra, +ay9 = OFC R™, ( 1 C3 * a2 = 0 0 ).( Je ( 0 0 SG oh we Oat 0 0 es y jeSya que en los tres casos 0 0 10 Comprobaremos que B genera a S. Para ello consideramos una matriz ab d a ‘) ar) : :) Go Je Ssatd=0 y resulta d = -a, luego A (: ‘) (: = + 0-1 p 0 (* 0 Ge) )+ Gd 1 o p 0. Je- 16 - Es decir que: ( b c na Entonces resulta: Khea Peo ye Podanos entonces escribir a Je S como combinacidn lineal de c d Jas matrices que componen B, asf: aoc _ = ae a) =a +b te pues bd 0 -1 0 0 10 Para que B sea base de S, debe ser un conjunto 1.i. Para comprobarlo bas ta disponerlo mediante el esquema practico visto anteriormente, resul tand 1 0 0 =-1 o 100 o 0 1 0 en donde se observa que es un conjunto 1.1. ADC DG Of ome Luegoaie Para tener en cuenta En espacios vectoriales del tipo IR", como IR -espacio vectorial, re- sulta de uso muy conveniente el sistema de generadores formado por 10s vectores: Vy= (1,0,0,...50), vp = (0,1,0,...,0), «-. 5 v, = (0,0,0,...,1) Este conjunto es linealmente independiente. Luego, un conjunto de vectores con las caracterfsticas indicadas, forman una base de IR" como IR -espacio vectorial. En particular: B, = { (1,0),(0,1)} es base de R% 2 * { (1,0,0),(0,1,0),(0,0,1)} es base de IR°. By {(,0,0,0), (0,1,0,0); (0,0,1,0)5(0,0,0,1) } es base de RY. etc. A este tipo de bases las denominaremos BASE CANONTCA del respectivo es- pacio vectorial. Podemos destacar también, que existen basas canénicas para Ry para €" como € -espacio vectorial. Por ejemplo, para R22 es: Oe Ole Uy s/n ONG 7/00 B= 5 5 ' 0 0 o @ 1 Q, oY y para € 3, como © -espacio vectorial es: 8 = {(1,0,0), (0,1,0), (0,01) Si consideranos 1a base canénica deR?, 8, = {(1,0),(0,1)} y et vee~ tor-v= (3,-1) € IR? resulta que a este vector es posible escribirlo - como combinacién lineal de 8, solamente con coeficientes = 3 y Pr el, es decir que v = 3(1]- 1(0,1) es ‘ia nica forma en que se puede expre p fete sar a v como combinacién lineal de los vectores de By Si consideranos el vector W = (1,-1,2) EIR3 y 1a base B, = {(1,0,-1) 5 (0,141) (2,051) } de. resulta que existe una Gnica manera de escribir aw como combinacién ljneal de los vectores de By y esa forma es: 5 w= -$ (1,051) + (-1) (0151) + $ (2,0,1). Esta observacién es general y 1a podenos enunciar asf: | SiB = {vj.vps---Wq}es una base de un subespacio S, Finitanente generado, entonces cada vector de S$ puede representarse de manera a como combinacién lineal de los vectores de B. Que podenos denostrar asf: Sea v un vector cualquiera de S, luego: n > iV; con x ,EK y v;€ B por ser base de S. i=l Supongamos ahora que existe otra forma de expresar v, como combinacién lineal de losvectores de la base B. Esta nueva forma es: n 2 ti y restando ambas expresiones de v, obtenemos: on X EK yvies