Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Tema3 EspaciosVectoriales Tarde 6xpag
Tema3 EspaciosVectoriales Tarde 6xpag
O las matrices:
Definición axiomática
Un conjunto V , cuyos elementos llamaremos vectores, se dice que es
a b c a b c a + a b + b c + c un espacio vectorial sobre el cuerpo K si en él están definidas dos ops.:
+ =
d e f d e f d + d e + e f + f
+ La suma de vectores tal que u + v ∈ V ∀ u, v ∈ V , y
·K El producto por un escalar (elemento de K) tal que α · u ∈ V ∀u ∈ V, ∀ α ∈ K
a b c αa αb αc
α· =
d e f αd αe αf verificándose:
La suma de matrices del mismo orden es otra del mismo tipo y el producto de (S1) Asociativa: u + (v + w) = (u + v) + w para todo u, v, w ∈ V .
una matriz por un escalar (un no ) es otra del mismo tipo. (S2) Conmutativa: u+v = v+u para todo u, v ∈ V .
(S3) Elemento neutro: ∃ 0V ∈ V tal que u + 0 V = 0V + u = u ∀u ∈ V .
O los polinomios: (S4) Elemento opuesto: Para cada u ∈ V existe un vector en V que llamaremos opuesto
y designaremos −u, tal que u + (−u) = (−u) + u = 0V .
p(x) = 3 + 2x − 5x2 p(x) + q(x) = 2 + 2x − 4x2 − x3
=⇒ (P1) 1K · u = u ∀u ∈ V .
q(x) = −1 + x − x 2 3 (−2) · p(x) = −6 − 4x + 10x2
(P2) α · (β · u) = (α · β) · u ∀ α, β ∈ K, ∀ u ∈ V .
La suma de polinomios es otro polinomio y el producto (P3) (α + β) · u = α · u + β · u ∀ α, β ∈ K, ∀ u ∈ V .
de un polinomio por un escalar es otro polinomio.
(P4) α · (u + v) = α · u + α · v ∀ α ∈ K, ∀ u, v ∈ V .
Dependencia lineal Ej.: En R2 , ¿es u = (1, 2) combinación lineal de v1 = (1, 1) y v2 = (−1, 1)?
Diremos que un vector u es COMBINACIÓN LINEAL de los Lo es ⇔ existen α, β ∈ R tales que u = αv1 + βv2
vectores v1 , . . . , vn si existen α1 , . . . , αn ∈ K tales que
⇔ existen α, β ∈ R tales que (1, 2) = α(1, 1) + β(−1, 1)
u = α1 · v1 + . . . + αn · vn ⇔ existen α, β ∈ R tales que (1, 2) = (α − β, α + β)
También se dice que u depende linealmente de los vectores v1 , . . . , vn . ⇔ existen α, β ∈ R tales que 1=α−β
2=α+β (S)
• La COMBINACIÓN LINEAL es el concepto clave en este tema. Luego el sistema es compatible determinado con α= 3
2
, β= 1
2
3
Por tanto, u es combinación lineal de v1 y v2 y u= v
2 1
+ 12 v2
1 3 1 1 −1
= 2
+ 2
2 1 1
Ej.: En R[x], ¿es p(x) = 1+x2 comb. lineal de q1 (x) = 1+2x−x2 y q2 (x) = 2+x? En el espacio vectorial V , diremos que el conjunto de vectores
{v1 , . . . , vn } es un SISTEMA GENERADOR de V si
Lo es ⇔ existen α, β ∈ R tales que p(x) = αq1 (x) + βq2 (x) todo vector de V es combinación lineal de los vectores v1 , . . . , vn .
⇔ ∃ α, β ∈ R tales que 1 + x2 = α(1 + 2x − x2 ) + β(2 + x)
Ej.: ¿Es {(1, 1), (−1, 1)} un sistema generador de R2 ?
⇔ ∃ α, β ∈ R tales que 1 + x2 = (α + 2β) + (2α + β)x − αx2
Lo es ⇔ TODO vector de R2 es comb. lineal de (1, 1) y (−1, 1).
⇔ ∃ α, β ∈ R tales que 1 = α + 2β
0 = 2α + β (S) Sea (x, y) un vector genérico de R2 ,
1 = −α Veamos si existen α, β ∈ R tales que (x, y) = (α − β, α + β)
⇔ el sistema lineal (S) es compatible
Es decir, si ∃ α, β ∈ R tales que x = α − β
⎛ ⎞ ⎛ ⎞ ⎛ ⎞ (las incógnitas son α y β )
1 2 1 1 2 1 1 2 1 y =α+β
⎝ 2 1 0 ⎠ ∼ ⎝ 0 −3 −2 ⎠ ∼ ⎝ 0 −3 −2 ⎠
x+y
−1 0 1 0 2 2 0 0 2 1 −1 x 1 −1 x 1 −1 x 1 0
3 ∼ ∼ y−x ∼ 2
y−x
1 1 y 0 2 y−x 0 1 2 0 1 2
Luego el sistema es incompatible.
x+y y−x
Luego el sistema de ecs. es compatible determinado con α= , β= .
Por tanto, p(x) no es combinación lineal de q1 (x) y q2 (x) 2 2
2
Por tanto, es sitema de vectores dado es GENERADOR de R .
En el espacio vectorial V , diremos que el conjunto de vectores En el espacio vectorial V , diremos que el conjunto de vectores
{v1 , . . . , vn } es un SISTEMA GENERADOR de V si {v1 , . . . , vn } es un SISTEMA GENERADOR de V si
todo vector de V es combinación lineal de los vectores v1 , . . . , vn . todo vector de V es combinación lineal de los vectores v1 , . . . , vn .
Ej.: ¿Es {(1, 1), (−1, 1), (1, 0)} un sistema generador de R2 ? Obs.:
Sea (x, y) un vector genérico de R2 . Si a un sistema generador añadimos más vectores, sigue siendo
Veamos si existen α, β, γ ∈ R tales que sistema generador.
Los que se añaden son combinaciones lineales de los originales.
x 1 −1 1
=α +β +γ
y 1 1 0 Interesa que el sistema generador tenga el menor número posible
de elementos.
1 −1 1 x 1 −1 1 x
1 1 0 y ∼ 0 2 −1 y−x
Diremos que v1 , . . . , vn son LINEALMENTE DEPENDIENTES si
1 −1 1 x 1 0 1 x+y
∼ 2 2 alguno de esos vectores es combinación lineal del resto.
0 1 −1 y−x ∼ y−x
2 2 0 1 −1
2 2
Diremos que son LINEALMENTE INDEPENDIENTES en caso con-
Luego el sistema de ecs. es compatible (indeterminado).
trario.
Por tanto, es sitema de vectores dado es GENERADOR de R2 .
En Kn :
Terminologı́a
v1 , . . . , vr son lin. independientes ⇔ el sistema de ecs. lin. asociado a
• sistema ligado: conjunto de vectores linealmente dependientes.
α 1 · v 1 + . . . + α r · v r = 0V
• sistema libre: conjunto de vectores linealmente independientes. tiene solución única (trivial).
Caracterización
v1 v2 vr
v 1 , . . . , vr son lin. dependientes ⇔ existen α 1 , . . . , αr ∈ K ⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞ v1 v2 vr
0 ⎛ ⎞
no todos nulos tales que 0
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ .. ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ . ⎟ ⎜ .. ⎟
0 V = α1 · v1 + . . . + αr · vr α1 ⎜
⎜
⎟ + α2 ⎜
⎟ ⎜
⎟ + · · · + αr ⎜
⎟ ⎜
⎟=⎜
⎟ ⎜ .
⎟
⎟
⎜
⎝ ... ⎟
. ⎠
⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ .. ⎠
0
0
O lo que es lo mismo: A
Conclusiones:
Además, en el caso de que rg(A) = k < r,
• El rango de una matriz es el número de filas linealmente independientes y también el
número de columnas linealmente independientes. Luego rg(A) = rg(A ).
v1 v 2 . . . vr
• EscR(A) no sólo nos dice cuántos vectores columna son independientes (rg(A)),
sino cómo extraer del conjunto original de vectores columna un subconjunto con el
A= ∼ = EscR(A) máximo número de vectores linealmente independientes.
A∗ = = EscR(A∗ )
¿Y si no estamos en Kn ?
En EscR(A) hay k filas distintas de ceros.
vi = (0, . . . ,
1 , . . . , 0)B para todo vi de B .
Proposición i
Pero ESTE SÍ: Al añadir un vector a un sistema generador, éste sigue siendo generador.
{polinomios de grado ≤ 2 con coeficientes en R} = {p(x) ∈ R[x] / g(p(x)) ≤ 2} Quitar uno, en cambio, puede cambiar esa condición (capacidad generadora).
= {a + bx + cx2 / a, b, c ∈ R} = R2 [x]
Una base es [1, x, x2 ] (Una canónica, Bc . Otra, Bc = [x2 , x, 1]) Al quitar un vector a un sistema libre, éste sigue siendo libre.
Luego dim(R2 [x]) = 3 Añadir uno, en cambio, puede alterar esa condición (perder la independencia).
Ej.: En R2 Bc = (1, 0), (0, 1) v = (1, 2) = (1, 2)Bc Ej.: En R3 , dar las expresiones matriciales del cambio de base entre:
B = (1, 1), (−1, 1) ¿Coords. de v resp. de B? Bc = (1, 0, 0), (0, 1, 0), (0, 0, 1) y B = (1, 1, 1), (0, 1, 1), (1, 0, 1)
⎛ ⎞
1 0 1
v = (x, y)B 1 0 1 XBc = ⎝ 1 1 0 ⎠ XB
1 1 1
1 1 −1 −1 x
X = 1 1 0 ·X B ⎛ ⎞
1 Bc 1 1 −1
=x +y =
2 1 1 1 1 y 1 1 1 XB = ⎝ −1 0 1 ⎠ XBc
B
0 −1 1
En general:
x 1 −1 x x ¿Cómo recordar dónde va quién? Por coherencia:
= Despejamos
y 1 1 y y
Bc B B ⎛ ⎞⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞
1 0 1 x 1 0 1
C ⎝ 1
1 0 ⎠⎝ y ⎠ = x⎝ 1 ⎠ + y⎝ 1 ⎠ + z⎝ 0 ⎠
1 1
x 2 2 x 1 1 1 z 1 1 1
=
y B − 12 1 y Bc ⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞
2 Expresiones matriciales Son números, al margen
de qué representen 1 0 1 x
del CAMBIO DE BASE
En particular: C −1
= x⎝ 1 ⎠ + y⎝ 1 ⎠ + z⎝ 0 ⎠ = ⎝ y ⎠
1 1
3
X B c = C · XB 1 1 1 z B
x 2 2 1 2 Bc Bc Bc c
y
=
− 12 1 2
= 1 XB = C −1 · XBc
B 2 Bc 2 B
En general La expresión matricial que permite el cambio de base para las coordenadas de v es:
Sean B = [u1 , . . . , un ] y B = [u1 , . . . , un ] dos bases de V. ⎛ (u1 )B (u2 )B
(un )B⎞
coords. de ui ∈ B
Sea v un vector de V cuyas coordenadas respecto de ambas bases son: ⎛ ⎞ ⎛ ⎞respecto de la base B
x1 ⎜ ⎟ x1
⎜ ⎟ ⎜ ⎟⎜ . ⎟
= ⎜ ⎟⎝ . ⎠
v = (x1 , . . . , xn )B .. ...
⎝ . ⎠ ⎜ ⎟ .
⎝ ⎠
v = (x1 , . . . , xn )B xn xn B
B
Para construir la matriz de cambio de base C (una de ellas, la otra será su inversa)
C
SE NECESITA TENER:
J Con dim. 2: S2 = R2
Caracterización
Un subconjunto S de V es subespacio vectorial de V si y solo si En R3 : Subespacios:
S3 S1
J Con dim. 0: S0 = {0R3 } = {(0, 0, 0)}
S = ∅ (no es vacı́o). S2
J Con dim. 1: S1 = recta que pasa por el origen.
u+v ∈S para todo u, v ∈ S. S0
λu ∈ S para todo u ∈ S y todo λ ∈ K. J Con dim. 2: S2 = plano que pasa por el origen.
J Con dim. 3: S3 = R3
Álgebra, ETSISI, UPM 31 Álgebra, ETSISI, UPM 32
En Mn (K), En R3 ,
Dn (K) = {matrices diagonales de orden n con coefs. en K} S = {soluciones de la ec. lineal homogénea: 3x + 5y + 2z = 0}
⎛ ⎞ = {(x, y, z) ∈ R3 / 3x + 5y + 2z = 0}
⎜
= {⎝
λ1
. . ⎟ 0
⎠ / λi ∈ K}
0
. es un subespacio vectorial.
λn
También lo es el conjunto
es un subespacio vectorial. dim(Dn (K)) = n 3x + 5y + 2z = 0
S = {sols. del sist. de ecs. lineales homogéneas: }
2x − y + 3z = 0
Sn (K) = {mat. triangulares superiores de orden n con coefs. en K}
⎛ ⎞ 3x + 5y + 2z = 0
= {(x, y, z) ∈ R3 / }
a11 . . . a1n 2x − y + 3z = 0
⎜ . . ⎟
= {⎝ .. .. ⎠ / aij ∈ K}
0
ann Y en general, en Kn , es subespacio vectorial el conjunto
n2 − n n2 + n
es un subespacio vectorial. dim(Sn (K)) = +n = S = {sols. de un sist. dado de ecs. lineales homog. con coefs. en K}
2 2
En Kn [x] es subespacio vectorial de K[x].
Formas de describir un subespacio S en un espacio de dimensión finita V Ejemplo En R3 : S = L (1, −2, 0), (−2, 4, 0)
⎫
x = λ ⎬
(x, y, z) ∈ S ⇔ y = −2λ Otras ecuaciones paramétricas de S
⎭
z = 0 (minimales)
Respecto de una base de referencia fijada en V
Ejemplo En R3 : S = L (1, −2, 0), (−2, 4, 0) = L (1, −2, 0) Ejemplo En R3 : T = L (1, 0, 1), (0, 1, 1)
⎫
Obs.: x = λ ⎬
⇔ y = μ Unas ecuaciones paramétricas de T
dim(S) = rg (1, −2, 0), (−2, 4, 0) = |BS | ⎭
z = λ+μ (minimales)
= núm. de parámetros de unas ecs. paramétricas minimales.
= dim(R3 )− núm. de ecs. implı́citas minimales.
Ejemplo En R3 : T = L (1, 0, 1), (0, 1, 1) Ejemplo En R3 tenemos las tres descripciones tı́picas de T :
(x, y, z) ∈ T ⇔ (x, y, z) es combinación lineal de los vectores de BT T = L (1, 0, 1) , (0, 1, 1)
B B
⎫
⎛ ⎞ x = λ ⎬
1 0 x T = {(x, y, z) ∈ R3 / y = μ para ciertos λ, μ ∈ R}
⇔ rg ⎝ 0 1 y ⎠=2 B ⎭
z = λ+μ
1 1 z
T = {(x, y, z) ∈ R3 / x + y − z = 0}
⎛ ⎞ ⎛ ⎞ ⎛ ⎞ B
1 0 x 1 0 x 1 0 x
⎝ 0 1 y ⎠ ∼⎝ 0 1 y ⎠∼⎝ 0 1 y ⎠ tiene rango 2
Se abrevia ası́:
1 1 z 0 1 z−x 0 0 z−x−y
⎫
⇔
x = λ ⎬
x+y−z = 0 T ≡ y = μ T ≡ x + y − z = 0}
Unas ecuaciones implı́citas de T ⎭ B
z = λ+μ
(minimales) B
Ecuaciones paramétricas vs. ecuaciones implı́citas Ecuaciones paramétricas vs. ecuaciones implı́citas
subespacio subespacio
S S
Ecuaciones paramétricas vs. ecuaciones implı́citas Ecuaciones paramétricas vs. ecuaciones implı́citas
subespacio subespacio
S S
Ecuaciones paramétricas vs. ecuaciones implı́citas Ecuaciones paramétricas vs. ecuaciones implı́citas
subespacio subespacio
S S
⎫
x = λ−μ ⎬
ECUACIONES PARAMÉTRICAS x + 2y − 3z = 0
ECUACIONES IMPLÍCITAS S3 ≡ y = λ + 2μ T3 ≡
⎭ y+z = 0
z = λ+μ
Recordemos: Ejemplos
Sean A y B dos conjuntos. Entonces
En R3 : ¿S1 = T1 ?
• A=B ⇔ A ⊂ B y B ⊂ A. ⎫
x = λ−μ ⎬
Si tienen cardinal finito, entonces S1 ≡ y = λ + 2μ T1 ≡ x + 2y − 3z = 0
⎭
• A=B ⇔ A ⊂ B y |A| = |B|. z = λ+μ
⎛ ⎞ ⎛ ⎞ ⎛ ⎞
x 1 −1
Proposición (x, y, z) ∈ S1 ⇔ ⎝ y ⎠ = λ ⎝ 1 ⎠ + μ ⎝ 2 ⎠ ⇔ S1 = L (1, 1, 1), (−1, 2, 1)
z 1 1
Sean S y T dos subespacios vectoriales de dimensión finita. Entonces ⎛ ⎞
1 −1 dim(S1 ) = 2
S=T ⇔ S ⊂ T y dim(S) = dim(T ). Quien controla una base rg ⎝ 1 2 ⎠=2 ⇒
controla todo el espacio 1 1 BS1 = (1, 1, 1), (−1, 2, 1)
S⊂T ⇔ BS ⊂ T .
(1, 1, 1) ∈ T1 ya que verifica 1 + 2 · 1 − 3 · 1 = 0
⇒ B S1 ⊂ T 1 ⇒ S1 ⊂ T 1
(−1, 2, 1) ∈ T1 ya que verifica −1+2·2−3·1 = 0
Ejemplos Ejemplos
3
En R : ¿S2 = T2 ? En R3 : ¿S3 = T3 ?
⎫ ⎫
x = 2λ ⎬ x = λ−μ ⎬
x + 2y − 3z = 0
S2 ≡ y = −4λ T2 ≡ x + 2y − 3z = 0 S3 ≡ y = λ + 2μ T3 ≡
⎭ ⎭ y+z = 0
z = −2λ z = λ+μ
⎛ ⎞ ⎛ ⎞
x 2 Ya sabemos que S3 = L ((1, 1, 1), (−1, 2, 1)) , y que dim(S3 ) = 2.
(x, y, z) ∈ S2 ⇔ ⎝ y ⎠ = λ ⎝ −4 ⎠ ⇔ S2 = L (2, −4, −2)
z −2 1 2 −3
dim(T3 ) = 3 − rg = 3 − 2 = 1 < dim(S3 ) ⇒ S3 = T3 ¿T 3 ⊂ S3 ?
0 1 1
dim(S2 ) = 1
1 Necesitamos una base de T3
⇒ ⎫
BS2 = (2, −4, −2) x = 5λ ⎬
1 2 −3 1 0 −5
∼ ⇒ y = −λ
⎭
≡ T3 = L (5, −1, 1)
0 1 1 0 1 1 z = λ
(2, −4, −2) ∈ T2 ya que 2 + 2 · (−4) − 3 · (−2) = 0 ⇒ BS2 ⊂ T2 ⇒ S2 ⊂ T 2
2 ¿B T3 ⊂ S3 ? ⎛ ⎞ ⎛ ⎞ ⎛ ⎞
1 −1 5 1 −1 5 1 −1 5
Como dim(T2 ) = 3 − 1 = 2 > dim(S2 ) y S2 ⊂ T2 entonces S2 T 2 SÍ rg ⎝ 1 2 −1 ⎠ = rg ⎝ 0 3 −6 ⎠ = rg ⎝ 0 3 −6 ⎠ = 2
T3 S3 ⇐= 1 1 1 0 2 −4 0 0 0
Álgebra, ETSISI, UPM 53 Álgebra, ETSISI, UPM 54
Espacios vectoriales Espacios vectoriales
Propiedades
Es un subespacio vectorial.
NO es subespacio vectorial porque falla la propiedad de contener a la suma de
Su descripción “natural” es en implı́citas que se construyen juntando vectores de S ∪ T cuando uno es de S y otro de T .
unas ecuaciones implı́citas de S con unas de T .
T S T T
S + T = {u + v ∈ V / u ∈ S y v ∈ T }
S
Propiedades
Es un subespacio vectorial. S
S T
Contiene a S y a T . (Y por tanto a S ∪ T )
Todo subespacio que contenga a S ∪ T ha de contener a S + T . S ∩ T = {0R3 } S ∩ T = {0R3 } S∩T =S S∩T
Luego S + T es el menor subespacio que contiene a S ∪ T S + T = el plano que S + T = R3 S+T =T S + T = R3
contiene a S ∪ T
Si S = L(BS ) y T = L(BT ) entonces S + T = L(BS ∪ BT ).
¿dim(S + T ) = dim(S) + dim(T )?
Obs. 1: Al juntar un sistema generador de S con uno de T se tiene un generador
de S + T pero, en general, NO es base.
Obs. 2: Obviamente, para juntar los vectores, éstos deben estar referidos a la
misma base de V .
dim(S ∩ T ) = 0 dim(S ∩ T ) = 1 = 0