Tema II :

Bases Sofía Gallegos Durán

°
Sea H m subespacio vectorial del espacio V . Un conjunto de vectores B =3 ve , va . . .
vn 4 en V

es una base de H si :

i ) B es un conjunto LI

Ñ H -

Gen B

Pudiésemos concluir por lo tanto , que H - V .

o una base de V es un
conjunto linealmente independiente que genera a V .

base
"
e El conjunto 3 es , er . . . en } es una de IR ,
lo que se acostumbra a llamar

"
base estándar ( canónica ) para IR .

"
• Sea Ama matriz invertible de nxn
,
sus columnas forman una base para IR ( ya que
sus columnas son LI ) .

3 E. Ei ti 4 S
"
° sea S =
. . .
t . es una base para el espacio vectorial Pn .

A esta se

acostumbra a llamar base estándar para Rn .

Teorema del conjunto generador

seas
=3 vrivr .
. .
Un
} un conjunto en V
y sea H -
_

Gen } Uni Va . . .
Un 4 ,

a) si de los vectores de S comb lineal de vectores

uno es una -

algunos
de S . entonces el conjunto formado a partir de S al eliminar ese vector , aún
a H
genera .

b) Si Ht 304 , algún subconjunto de Sesma base para H .

* una base se construye a partir de un conjunto generador descartando los

vectores innecesarios .

Por ejemplo : el Gen 3 4 , Vr , vz 4 =

Gen 341 Vrh , pa que si se tiene :

"
=L ! ) i
ml ! ) r vs
=p} )
Vz es C. Lineal de 5h t 3. Va
,
es decir vz se
puede construir a partir de
vr y va ,
por
lo tanto basta con decir que el conjunto generador está
formado por vn
y va .

* si el conjunto generador es LI
, entonces ya es una base . Si no ,
y uno de los

vectores dependiente demás puede eliminar

del conjunto es de los se

si más
este vector
hay vectores puede hacer hasta
conjunto
.
se lo =
que el

quede conjunto queda LI Si el con un solo vector tiene ser +0 ,

que .
ese

ya que AF 304 .

polinomial estándar
"
X Nota : Pn =
base ( 1 , t , tr . . .
t )
o las bases no son únicas
y
son ordenadas ( indexadas )
Observaciones :

1) Cada columna que no es pivote de una matriz A en su forma escalonada es

una combinación lineal de las columnas que sí son pivote .

"
2) Si A no está escalonada hay que escalonar hasta obtener una matriz "
B .
los

vectores columna que eran LI de la matriz A son los que en B son columnas

pivote , es decir las columnas pivote de B representan a lo

que serian aquellas
columnas LI de A que no se ven con facilidad .

3) las columnas pivote de una matriz A forman una base

para COIA
* una base es un conjunto generador que es lo más pequeño posible .
A la vez

es un conjunto LI lo más grande posible .

* las columnas de A de tamaño mxn tienen que generar Rm

a
para
poder ser una base .

sistemas de coordenadas

Hay que imponer un sistema de coordenadas en V .

→ si la base B contienen vectores ,

entonces el sistema de coordenadas hará

actúe
"
que V como IR .

?
Eiemplo : B =3 vi , va ,
vz 4 ,
entonces V actúa como IR

Sea B una base para un espacio vectorial V Asi , para cada X en V existe
.
,

un conjunto único de escalares q .

.
. cn tal que ,

× =
Cr br t . . . Cnbn

• las coordenadas de X respecto de la base B son los pesos cr ,

. . .
Cn tales que
" "

× = crbn . . .
tcnbn . son las B- coordenadas de X .

[ xsrs
=/
(f)
'

Ejemplo :
Hay que determinar × dados : B =3 br iba 4 para IR i be =
y
br =
(I ) y CXIB = (5) .

× = -2 ( br ) t 3 ( ba ) ⇒ -

a (f) t z (I) =
(b)
Eiemplo 2 : Encuentre EXJB ,
dados : x =

(f) ,
br =

(f) , ba =
µ)
al ) tutti )
'

(s)
'
x -
-
=

%
Í f. iii ) ⇒
( ÷ ! :) i.
×
.
-

.
KI
"
coordenadas en R

PB = 4 br ,
. . .
bn 4 es una base , por lo que la ecuación vectorial

× =
cnbr .
. .
t Cnbn es equivalente a × =
PB LXJB
"

PB es la matriz del cambio de coordenadas de B a la base estándar en IR .

Eiemplo
:(¡ g) ( Ya) (f) puede PBLXJB
expresar x
se por : =

=
⇒

-
- - ~
×
br bz CXJB

Nota : dado que PB es invertible ,

entonces : Pj x =
IXJB .
Y viene de :

/
"

PBLXJB = X P B

P YB TYBEXJB tslx)
-

P
-

"

[ XJB =P rslx ] → × se convierte en su vector de coordenadas B

.
 Mapeo de coordenadas :

El mapeo
sea B =3 bn . . .

, bn 4 una base para V . Tlxl = [ XJB es ma trans . lineal ,

( 1- 1)
"
inyectiva de V en IR .

• o Una transformación lineal no a uno de un

espacio vectorial V en un espacio vectorial W
se llama isomorfismo de V en W .

función [ XJB
"
° la T : V → IR dada por TCXI =
es un isomorfismo importante .

Cada cálculo de espacio vectorial en V se reproduce con exactitud en W viceversa

y
• , .

"

Cualquier e. v con una base de n vectores es indistinguible mente un

espacio de IR .

Dimensiones de un
espacio vectorial :

→ si un e. v V tiene una base B , entonces cualquier conjunto que contenga más de n

vectores es L . D .

→ Si m e. v V tiene una base de n vectores ,

entonces cualquier otra base de V debe tener

exactamente n vectores .

→ si V es generado por m conjunto finito de vectores , entonces se dice que tiene

dimensión finita . Sino es una dimensión infinita .

* la dimensión de V = dim V es el número de vectores en una base para V .

→ la dimensión del espacio 304--0

"
→ dim IR en

→ base estándar de Pn ( polinomios ) tiene ntr vectores .

dim Pn = htt

→ la base estándar de Mmxn tiene mn vectores , dim Mmxn =

m .
n

→ si H es un subespacio del e. v V ,
entonces dim HE dimv

→ dim NUI ( Al = no .
variables libres de Ax = 0 .
H dim COICAI = no columnas LI de A

Espacio fila
o A es una matriz de mxn , cada fila de A tienen entradas ,
: cada fila se

"
identifica con un vector en IR .

• El conjunto de todas las C. L de los vectores fila se denomina espacio fila de

"
A .
Cada fila tiene n entradas , por lo que Fila IAI es m subespacio de IR .

Nota :
como las filas de A son las columnas de At se puede decir Col Att en vez
,

÷:
f.¡ ¡ ÷ ! :?) .
. amo :

rr l 2 5 8 1 01 17 )

}
-

= -
, ,

subconjunto IRS
rr =
( 1,3 , 5) 115 ) El espacio fila de A es el de
generado
-

rz = ( 3,11 , -19 , 7,11 PM 3 rn , Vz ,

rz , va
} .
Fila (A) =
4h , Vz , rz va }
,

ra =
( 117 ,
-13 , 51-3 )
Ojo : se pueden escribir así o en vertical .

"
* los rectores del espacio Fil LAI son vectores de IR y por lo tanto , son m subes p .

"
de IR .

* Si dos matrices Ay B son equivalentes por filas , entonces sus espacios fila son

iguales .

* si B está en forma escalonada las filas de B + O forman una base para el

,

espacio fila de A ,
así como para el de B

↳ ÷! :{ H ! ! ! }:)
⇒ mio : a-

se obtiene que los vectores que generan al espacio Fit IAI son :

( 11012 ,
-
1 , 2)
y
l 01-1 , -5,5 , -

3) 11 tb puedo escoger a 11,012 , -112 )

y a

12 , -

ti -113 , 1) .

a.
como esos vectores son LI entonces cualquiera de esos 2 pares de vectores
,

es una base para el espacio fila de A .

* Para determinar una base del espacio NULLAI se necesita la forma

escalonada reducida de A .

* El número de columnas vectores fila LI en una matriz A es el mismo

y .

* la dimensión del espacio fila es la misma que la del espacio column

El Teorema del
Rango
El rango de A es la dimensión del espacio columna de A .

La dimensión del espacio fila de A es el rango de At ,

entonces las dimensiones

del espacio columna del espacio fila de una matriz A de mxn son iguales ,
y
e iguales al rango de A .

dimensión común de A número

posiciones
Esta el tb igual al de
,
rango , es

pivote y en A satisface "

rango A t dim Nut ( Al = n

* n = n° de columnas

Ejemplo :
mxn

a) A es una matriz de 7×9 ,

con un rango de 7
y un espacio nulo de 2 ,
además
su n = 9 .
7 + 2 =
9
Rango DIM h

A NULA)

b) una matriz A de 6×9 no puede tener un espacio nulo de dimensión 2 ,

porque
si lo tuviese su rango sería 7 , sin embargo las columnas de A son
'
R superior 6 entonces
vectores en
, por lo que la dim Coll A) no puede ser a ,

el
rango de A no podría ser mayor a 6 .
Propiedades importantes :

Rango de una matriz su inversa

y :

Cambio de base
→ En un espacio vectorial V de dimensión cada V

obtener
n , para × en podemos

LXJBlaspara basescoordenadas del vector × en la base B asi +

y
.

, ,

Entonces , sean B =3 bnibr . .

. bn } y 0--44,4 .
. . cn
} bases de un e. v. V

entonces existe una Única matriz p :B → C de nxn tal que :

[ XJC = PEXJB ,
donde las columnas de P son los C- coordenadas de los

vectores de la base B , es decir ,

P -
-

[ [ bici [ bic
,
. . .
[ tonto )
XP :B → C es la matriz de cambio de coordenadas de B a C .

* En otras palabras : la multiplicación de P :B → C convierte a las b- coordenadas

en C coordenadas .

×
[ Jc CJB
µ Y

[xp
←
CXJB
P :C → B
^
→
IR
p -1 :C → B "
IR

las columnas de P :C → B l matriz ) son LI además es matriz cuadrada

,

e invertible .
i. :

"
[ XJB = P LXJO
 Ejemplo : determine P :B -7C , dadas las bases : B =3 rtt , # ttti , 2T
} y
31 } además [ STZTJC
'
C- htt 1 1 tttt determine
, ,
y
Entonces ,

l ! ? })
011 ) t 111ft ) 011 tttti )

}
htt = t

B "
4tttE-3.pt Olrttlt 1 lrttttr )
* = - aiií + antes + o , " " »
,

Para determinar [ St 2T Jc :

St 2T = 3. (1) + 211 tt ) t 0 ( Htt E)

Estaba
( %)
: .
=

Ejemplo 2 :

bn =

(I ) , ba =

(I ) , en =
( In ) ,
cr =

( Iss ) , B =3 bi , bate y C- -
34144
Encuentre la matriz de cambio de coordenadas de Bac .

[ beso =

(¥ ) ,
y Ebola =
( %)

[ en cil abr
y
la cisl ! ) .ba

fa ? ! I :?) ( jo ! Es ? )
-

la criba bate -

i. lbic = Es ) y
[ bala = Es )
la matriz de cambio de coordenadas es i

P :B → C = [ Ebrio [ bala ] =
Esto )
* Para ir de C→ B encontrar la inversa P :B -7C

"

Cambio de base en IR
si B =3 bn.bz . . -
bn Y es una base
y
E es la base estándar =3 es , er .
.
- en }
lbrtq
"

en IR entonces br lo para los otros vectores B

y
= = en
,
.

P : B → E = PB PB P lbr ba bn ]
y
= = , . . .
 Tema I : vectores propios
°
Un vector propio de una matriz A denxn es un vector x t de 0 , tal que
Ax A escalar
= x
, para 7 m cualquiera .

°
Donde X es el valor propio de A .

• Si X +0 , entonces × es el vector propio correspondiente o asociado al

valor propio A .

Ejemplo :

A- =

( } bz ) u =

f}) ,
eres un vector propio de A , porque :

Kitt :) -1¥ .
-
a = -

en

Ejemplo 2 : demuestre que 7=7 es valor propio de la matriz anterior .

AX = 7X

Es Ax -

7- x = O

X LA -

TI ) = O

(fgbz ) (f ? ) ( § -6g ) propio

-

A -7 I -
z =
⇒ 7- sí es un valor
=

- de A .

Columnas LD ,

sol 70 .

los vectores propios se encuentran escalonando :

( II ; :) ( i III ) (I )
-

"
x. con x. ⇒ oaaa
-

⇒ ,
~

v. L vector de esa forma es un

vector propio correspondiente

A 1--7

Observación : X es un valor propio de la matriz A de nxn si y solo si :

LA -

XI ) X = O tiene una solución no trivial CFO )

Espacio propio
El conjunto de todas las soluciones de la -

II ) x = O es el espacio
t I)
"
nulo de la matriz (A -

. Ese conjunto es un subespacio de IR

y se llama espacio propio de A correspondiente al valor propio X .

"
/ LA Ilx }
Hx {X e IR A O
-

= =

•
El espacio propio consiste en el vector cero ( que Nf es un vector propio ) y
de todos los vectores propios correspondientes al valor propio X .

Para encontrar una base :

si me dan una matriz A un valor propio de esa matriz (a) hago :

y
•

1) A -

y I

2) resultado de reducida 0
Escalona el 1 hasta
llegar a la
igualando a .

LA -

XI) × =
O

3) L
saco soluciones , veo si hay v. .
Escribo como gen , los vectores sol son

la base .

* de matriz triangular las entradas de

diagonal
los valores propios una son su

principal .

* Arx = Xx
 El valor propio cero :

si una matriz tiene un valor propio cero ,

entonces se debe tener :
A

AX = OX =
0 , con × #O

le> Esto va a cumplirse sólo si la matriz A Nf es invertible .

Si A es invertible . entonces 7+0 .

o si X es un valor propio de A , con el FO , entonces

tz es un valor propio
de A !

¥
"
A A tienen el mismo vector propio correspondiente a 7
•
y y
respectivamente .

° El conjunto { ve . . .
,
vr Y que corresponde a vectores propios que corresponden a

+ valores propios de una matriz A de nxn es LI .

• si 0 es un valor propio de A ,
entonces A no es invertible .

Ecuación característica :

Axe sólo Va sol trivial si

•
un sistema homogéneo ,
O tiene su det (A) = 0

tiene A sol si su OUTA # 0

y . .

• Con el fin de Obtener los valores propios de la matriz Al que

hacen que el

sistema
homogéneo tenga co soluciones se utiliza la siguiente ecuación :

det l A -

XII = O

les ecuación característica de la matriz A .

m escalar A si X satisface
× es un valor propio de de
y solo sí la
• a
nxrr

ecuación característica de A .

O si A es una matriz de nxn , entonces detl A -

II ) es un polinomio de grado n

llamado polinomio característico de A .

* Multiplicidad alqebráica : cuántas veces sale repetida la raíz de un número

Por eremplo : Dr -10 , Ari Xz =

9 .
10 tiene multiplicidad 1
y el 9 ,
2 .

Similitud :

si A- y B son matrices de nxn , A es similar a B si tienen el mismo polinomio característico

y . : los mismos valores propios con las mismas multiplicidades .

• Esto quiere decir que existe una matriz P invertible , tal que P -1 AP = B
"
ó A PBP lo tanto A es similar B
y por a
=
,

Observaciones :

°
Hay matrices que no son similares a pesar de tener los mismos valores propios .

° Similitud no es lo mismo que equivalencia por filas .