Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Conjunto Generador Santy
Conjunto Generador Santy
Combinación lineal
Definición
Ejemplo 1
(x,y)=α(1,1)+β(1,–1)+γ(2,0)⇒{x=α+β+2γy=α–β(�,�)=�(1,1)+�(1,–
1)+�(2,0)⇒{�=�+�+2��=�–�
Veamos cómo es la resolución por el método de Gauss:
(112x1–10y)→F2→F2–F1(112x0–2–2y–x)→F2→–12.F2(112x011x–y2)(112�1–
10�)→�2→�2–�1(112�0–2–2�–�)→�2→–12.�2(112�011�–
�2)
{α+β+2γ=xβ+γ=x–y2⇒{α=–γ+x+y2β=x–y2–γ{�+�+2�=��+�=�–
�2⇒{�=–�+�+�2�=�–�2–�
Para cada (x,y)(�,�) en R2�2 , el sistema es compatible (indeterminado).
Entonces {(1,1),(1,–1),(2,0)}{(1,1),(1,–1),(2,0)} también genera R2�2.
Ejemplo 3
0V=0v1+0v2+…+0vr0�=0�1+0�2+…+0��
2. Si sumamos dos combinaciones lineales de los vectores dados, obtenemos otra
combinación lineal:
(a1v1+…+arvr)+(b1v1+…+brvr)=(a1+b1)v1+…+(ar+br)vr(�1�1+…
+����)+(�1�1+…+����)=(�1+�1)�1+…+(��+��)��
3. Si multiplicamos un escalar k por una combinación lineal de los vectores dados,
obtenemos una combinación lineal de dichos vectores:
k(a1v1+…+arvr)=(ka1)v1+…+(kar)vr�(�1�1+…+����)=(��1)�1+
…+(���)��
Estas tres condiciones permiten afirmar que el conjunto de todas las combinaciones
lineales de v1,v2,…,vr�1,�2,…,�� es un subespacio de V�.
Entonces:
(x,y,z)=α(1,02)+β(0,0,1)+γ(–1,0,1)=(α–γ,0,2α+β+γ)
(�,�,�)=�(1,02)+�(0,0,1)+�(–1,0,1)=(�–�,0,2�+�+�)
Son vectores con segunda componente nula. Se genera el mismo subespacio que en el
ejemplo anterior. Esto se explica porque el tercer vector es coplanar con los primeros
dos.
–1v1+k2v2+…+krvr=0V–1�1+�2�2+…+����=0�
Existe una combinación lineal no trivial (al menos uno de los escalares es distinto de
cero) que es igual al vector nulo. Por lo tanto, el conjunto {v1,v2,…,vr}{�1,�2,
…,��} es linealmente dependiente, como queríamos demostrar.
Ejemplo 1
α1(1,1)+α2(1,–1)=(0,0)�1(1,1)+�2(1,–1)=(0,0)
{α1+α2=0α1–α2=0⇒α1=0∧α2=0{�1+�2=0�1–�2=0⇒�1=0∧�2=0
Luego el conjunto es linealmente independiente (LI).
Ejemplo 2
α(1,1)+β(1,–1)+γ(2,0)=(0,0)⇒{0=α+β+2γ0=α–β�(1,1)+�(1,–
1)+�(2,0)=(0,0)⇒{0=�+�+2�0=�–�
Veamos cómo es la resolución por el método de Gauss:
(11201–100)→F2→F1–F2(11200–2–20)→F2→–12.F2(11200110)(11201–
100)→�2→�1–�2(11200–2–20)→�2→–12.�2(11200110)
{α+β+2γ=0β+γ=0⇒{α=–γβ=–γ{�+�+2�=0�+�=0⇒{�=–��=–�
El sistema de ecuaciones es compatible indeterminado, o sea tiene infinitas soluciones.
Luego, el conjunto es LD.
Notemos que también se cumple la forma alternativa de caracterizar la dependencia
lineal, pues es posible escribir (2,0)(2,0) como combinación lineal de (1,1)
(1,1) y (1,–1)(1,–1):
(1,1)+(1,–1)=(2,0)(1,1)+(1,–1)=(2,0)
Ejemplo 3
Ejemplo 4
Ejemplo 5
Propiedad 1
αv=0V��=0�
Si v=0V�=0�, α� puede tomar cualquier valor. Por lo tanto: {0V}{0�} es LD.
Si v≠0V�≠0� , la única solución es α=0�=0. Por lo tanto: {v}{�} es LI.
Propiedad 2
Demostración:
Sea A={v1,v2,…,vr,0V}⊂V�={�1,�2,…,��,0�}⊂�
Entonces se tiene que:
0v1+0v2+…+0vr+10V=0V0�1+0�2+…+0��+10�=0�
Probamos que existe una combinación lineal con escalares no todos nulos, que da el
vector nulo. Por lo tanto, A� es linealmente dependiente.
Interpretación geométrica
Observación previa: En lo que sigue consideramos los vectores colocados a partir del
origen de coordenadas.
Sean B={v1,v2,…,vn}�={�1,�2,…,��} y B′={w1,w2,…,wq}�
′={�1,�2,…,��} dos bases del espacio vectorial V�.
Como B� es una base, todo conjunto de más de n� vectores es LD. Pero B′�′ es LI,
entonces:
q≤n[1]�≤�[1]
Como B′�′ es una base, todo conjunto de más de q� vectores es LD. Pero B� es LI,
entonces:
n≤q[2]�≤�[2]
De [1] y [2] se deduce que q=n�=�.
En consecuencia:
dim(Rn)=ndim(��)=�
Para determinar la dimensión de los espacios de matrices, consideremos por
ejemplo V=R3×2�=�3×2. Cualquier matriz de 3×23×2 puede expresarse como
sigue:
⎛⎜⎝abcdef⎞⎟⎠=a⎛⎜⎝100000⎞⎟⎠+b⎛⎜⎝010000⎞⎟⎠+c⎛⎜⎝001000⎞⎟⎠+d⎛⎜⎝0001
00⎞⎟⎠+e⎛⎜⎝000010⎞⎟⎠+f⎛⎜⎝000001⎞⎟⎠(������)=�(100000)+�(010
000)+�(001000)+�(000100)+�(000010)+�(000001)
Observemos la similitud con R6�6 , sólo cambia el formato.
Encontramos seis matrices linealmente independientes que
generan V=R3×2�=�3×2. Es decir, encontramos una base (llamada base canónica)
de este espacio y por lo tanto: dim(R3×2)=3×2=6dim(�3×2)=3×2=6.
Generalizando, podemos afirmar que:
dim(Rmxn)=mxndim(����)=���
Busquemos la dimensión de los espacios de polinomios. Consideremos por
ejemplo V=P2�=�2. Cualquier polinomio de P2�2 puede expresarse cómo sigue:
p(x)=a0+a1x+a2x2=a01+a1x+a2x2�(�)=�0+�1�+�2�2=�01+�1�+�
2�2
El conjunto {1,x,x2}{1,�,�2} genera P2�2 y además es linealmente
independiente. Hemos obtenido una base (llamada canónica) de P2�2, y por lo
tanto dim(P2)=3dim(�2)=3.
Análogamente:
{1,x,x2,x3}basecanónicadeP3{1,�,�2,�3}�������ó������
�3
{1,x,x2,x3,…,xn}basecanónicadePn{1,�,�2,�3,
…,��}�������ó��������
Entonces:
dim(Pn)=n+1dim(��)=�+1
Ejemplo 1