Libro de Algebra Lineal - MATEMATICAS EJERCICIOS RESUELTOS

Indice de materias Introduccién ww Matematica I con 5 1 Sistemas de Ecuaciones Lineales 7 1.1 Definiciones y ejemplos... ee @ 1.2. Combinacién lineal de ecuaciones 12 1.3 Operaciones elementales .... . 13 1.4 Sistemas dependientes e independ 16 1.5 Sistema de Cramer 17 16 s 2 alonamiento de un si: 19 .? ‘Hjerei¢iog Resueltos:. 0.0 0 60a ek ea wi a ee 22 2 Espacios Vectoriales 31 2.1 Definicién y propiedades basicas de espacio vectorial. . 31 2.2 Sub-espacios vectoriales 2... 02.0000. 42 2.3 Combinaciones Lineales. . . . . 52 2.4 Sub-espacio generado...... . 58 2.5 Dependencia Lineal... ..... we : 69 2.6 Bases de un espacio vectorial... . 2. 2... 79 2.6.1 Método para encontrar una base de un espacio vectorial 2... ee 85 2.6.2 Aplicacién del Teorema de Steinitz, 39 2.7. Dimensién de un espacio vectorial . 2.8 Suma de sub-espacios vectoriales 2.9 Ejercicios propuestos ... 2.2... Aplicaciones Lineales 119 3.1 Introduccién, definicién y ejemplos. pmacsg me dd3.2 Determinacién de una aplicacién lineal... . 2. 2. 126 3.3 Imagen y Nicleo de una aplicacién lineal . 131 3.4 Morfismos y dimensiones ..............-05 141 3.5. Estructura de um conjunto de morfismc 152 3.6 Bjercicios resueltos 3.7. Ejercicios propuestos Matrices 173 4.1 Matriz asociada a una aplicacién lineal . 173 4.2 Suma de morfismos y suma de matrices... 2.0... 179 4.3. Producto de un escalar por un morfismo y producto de um escalar por una matriz .. 2.00.00... 00s 181 4.4 Composicién de morfismos y producto de matrices . . . 183 4.5 Algunos tipos especiales de matrices... . 2.0... 186 4.6 Forma matricial de f(v) we... ee 193 4.7 Forma matricial de un sistema de ec. lineales . . . . . 195 4.8 Isomorfismos y matrices invertibles 4.9 Automorfismo y matriz de cambio de base . ace « 200 4.10 Un morfismo cualquiera y matrices equivalente: 203 4.11 Bjercicios resueltos 206 4.12 Bjercicios propuestos 215 Determinantes 219 5.1 Determinantes de matrices de M(K) 2.0.2... 219 5.2 Determinantes de matrices de M3(K) . 225 5.3. Determinante de matrices de M,(K) 228 5.4 Interpretacién geométrica del determinante . . . . 231 5.5 Matriz adjunta .........00.. : 232 5.6 Determinante de un endomorfismo - 234 5.7 Ejercicios resueltos 236. 5.8 Bjercicios propuestos ce es 246 Diagonalizacién ww Matematica] un 249 6.1 Introduccibn. . 2... 2... 7 2 a 249 6.2 Valores propios y vectores propios . 253 6.3 Valores propios simples... . . 258 6.4 Valores propios multiples . . . 26565 6.6 Aplicaciones Bilineales ‘el Td 7.3 7A 75 7.6 Ejercicios resueltos . Ejercicios propuestos . . Aplicaciones bilineales . 2.2... . 7.1.1 Ejemplos. Propiedades generales . . Formas bilineales 7.2.1 Matriz asociada a una forma bilineal 7.2.2 Representacién matricial de f(x,y) Espacios Euclidianos 7.3.1 Producto es 7.3.2 Norma 7.3.3 Ortogonalidad 7.34 Angulo y distar Formas bilineales simétricas Bjercicios resueltos Ejercicios propuestos . . . 268 - 273 275 we 276 .. 276 ws 287 + + 288 . . 289 . + 291 .. 291 - + 298 - = 298 .. 304 . - 306 . . 307 . 315Capitulo 1 Sistemas de Ecuaciones Lineales Mi 1. 1.1 Definiciones y ejemplos Nos hemos dado cuenta que muchos alumnos que Hegan al curso de Algebra lineal no saben qué es una ecuacién lineal, entonces jempece- mos por el principio? Comencemos por ver algunos ejemplos de ecuaciones lineales: Ejemplo: x + 2y—3z2+t=6 Ejemplo: 2x, — 342 +523 =7 Antiejemplo: 2xy + 5a2+52=4 Noes lineal, pues hay incégnitas multiplicadas entre sf. Antiejemplo: 2x? + 32 —5t=5 No es lineal, pues la incégnita x esta clevada a una potencia distinta a 1. Creo que ahora vas a entender bien la definicién jcierto? Definicién 1.1.1 Una ecuacién lineal de n incégnitas es una expresién del tipo: Qf, + OQg%2+-+++Ontn= 8 , YGEKK un cuerpo. Los x; son llamados incdégnitas. K=Q,R,C,Z2,Z3,Z,, p primo Re Resolver una ecuacién es encontrar todos los elementos de K que cumplen la igualdad. Esto quiere decir que no basta con encontrar algunas soluciones. uerde que Z es un anillo, no aleanza a ser un cuerpo. Veamos en un ejemplo cémo encontrar todas las soluciones. Ejemplo Resolvamos la ecuac n lineal 2x + 3y — 22 =5 Solucién wu Matematica l com Bueno hay que despejar una de las incégnitas. En esta oportunidad escogeremos .r: 3 5 w=—Sytz+5 2” 2 Esto quiere decir que cada vez que le demos un valor a y y a z, ten- dremos una solucién (2, y, 2). yzeEeR Por ejemplo: Sea y = 2 = 0, entonces x = (2,0,0) Otro ejemplo: Sea y = 1,2 = 0, entonces « = Luego otra solucién es (1, 1,0) 5 Iuego Ia solucin es 45 , nego x = 1. El conjunto de soluciones esta dado por {($¥ +2+3,y,z)iy,2 € R} Es interesante que sepas, que cuando en matematica uno define un ente, el proximo paso a seguir es definir cuando dos de esos entes son iguales. En este caso no hablaremos de igualdad de ecuaciones, sino, siguiendo la tradicién hablaremos de ecuaciones equivalentes, j, de acuerdo ?Definicién 1.1.2 Diremos que dos ecuaciones lineales son equivalentes si y sdlo si tienen las mismas soluciones. Veamos dos ejemplos: Ejemplo Consideremos las ecuaciones Bl: «tytz = 3 B2: Ww+2%4w+2z = 6 Estas dos ecuaciones son equivalentes pues tienen las mismas soluciones. Ejemplo 1): a+3y—52 = 5 2): 2x +6y —102 10 Estas dos ecuaciones son equivalentes. Nota Hemos observado que hay alumnos que no saben resolver la ecuacién lineal: E£:0r=0 {Cudles son los nitmeros reales que cumplen esta ecuacién? Por supuesto, todos los mimeros reales! jtrivial! Algunos contestan x = 0. A lo largo del curso nos encontraremos en repetidas oportunidades ante esta situacién, asf es que: jno lo olvide Antes de dar la definicién de un sistema de ecuaciones lineales, veremos algunos ejemplos:Ejemplo Ww —y+z=-1 ot 3yt22=5 Este es un sistema de ecuaciones lineales de 2 ecuaciones y 3 incdgnitas. Resolver este sistema, significa que debemos encontrar todos los a,y,z © IX, tales que cumplen las 2 ecuaciones al mismo tiempo. Ejemplo 3x +2y=11 da —y=11 r+3y=9 rt+y=14 Sistema formado por 4 ecuaciones y 2 incdgnitas Ejemplo atyte=4d Qa + 3y=7 3a —yt2=—2 Sistema formado por 3 ecuaciones y 3 incégnitas. Ejemplo tytz= Qn + 2y + 22=5 ste sistema es incompatible, pues no existen 3 ntimeros que al sumar- > obtenga 2 y § al mismo tiempo.Bueno, como has podido apreciar no hay relacién entre el ntimero de y el mimero de incégnitas para tener un sistema. Veamos la definicién. ecuaciones Definicién 1.1.3 Unsistema lineal dem ecuaciones yn incdgnitas, es un sistema del tipo: ant + ayte+ + +0 = At) + Agte+ ++ +02, = Be Ami E+ Am2t2+ +++ +OmnTn = Bm Donde aij..9 € K, los x; son Vamados las incégnitas. Dada la definicién, el préximo paso a seguir es definir cudndo dos sistemas son equivalentes. A la vista, no es obvio cudndo dos sistemas lo son. jLo vemos primero en un ejemplo? ww Matematica L con Observacién Estudiemos el sistema Ei: 2w-y = 4 eo Ey: 3e+y = 1 SE, +8 :5a=5> 1 w=1 en By:y=1-3>| y=2 Ahora estudiemos el siguiente sistema, de apariencia muy distinta al anterior: Ey: 30—y = Ey: a+2y = en By: 2y=-3-13|y \ => 2+ Ek, :4¢=45)] x=1Puesto que los dos sistemas tienen las mismas soluciones diremos que son “equivalentes”. Tenemos, entonces, la definicién siguiente: Definicién 1.1.4 Diremos que dos sistemas son equivalentes. si tienen exactamente las mismas soluciones. 1.2 Combinaci6n lineal de ecuaciones En esta seccién nos ocuparemos de cémo obtener a partir de algunas ecuaciones, otras ecuaciones, dentro del mismo sistema. Veamoslo en un ejemplo. ; Es tan facil comprender los conceptos en un ejemplo! ... y luego generalizarlo. Observaci6n Consideremos el sistema siguiente: Ey: r+2y Ey: W+y = 1 Hi we wr De este sistema podemos obtener la ecuacién Ey = E,+2E,: 4a +5y =—1, de tal modo que, six e y cumplen las ecuaciones 2, y £3, entonces cumplen £3. Diremos que £3 es una “combinacién lineal” de Ey y Ey Ahora, entenderas la definicién siguiente: Definicién 1.2.1 Sean Ey, E2,-+- la ecuacién ny nm ecuaciones. Diremos que E= Fy +09By+-+++0nEn es una combinacién lineal de las ecuaciones Ey, E2,--+, Ey1.3. Operaciones elementales Bueno, el problema que enfrentaremos ahora es encontrar las operaciones que podemos efectuar a un sistema de manera de obtener otro equivalente. Definicién 1.3.1 Diremos que una operacién es elemental si nos permite pasar de un sistema de ecuaciones a otro equivalente. Pero, veamos cudles son estas operaciones. Es trivial que si cambiamos el orden de las ecuaciones seguimos teniendo el mismo sistema, es decir, uno equivalente. Entonces Primera operacién: Consiste en intercambiar el orden de las ecuaciones. Ejemplo ww Matematica L con Es super importante que comiences a aprender la notacién que usaremos para indicar la operacién {Es facil! {Es trivial! aty=3 | Ly xr-y=7 a-y=7f > wr+y=3 A pesar de ser una operacién trivial, la usaremos a lo largo de todo el curso con el objetivo de ordenar algunas cosas. Notacién: L;; denota el intercambio de la ecuacién i con la ecuacién j También es trivial la operacin siguiente: Segunda operacién: Consiste en multiplicar una ecuacién por un niimero distinto de cero.Ejemplo (Nuevamente observe la notacién) r+y=3 | LQ) 2+2=6 z-%y=7f — s-%y=7 La ecuacién (1) fue multiplicada por 2. Observaci6n: Si se multiplica una ecuacién por cero, ésta se elimina, por lo tanto el sistema obtenido no es equivalente al original. Es decir no esta permitida la multiplicacién por cero. Notacién: L;(a) denotaré la multiplicacién por a de la ecnacién i. Ejemplo r=6 | 1,(0) r+%4=7f En el primer sistema, existe una tinica solucién, segundo sistema, el conjunto de soluciones es a es (6,4). En el Ejemplo (a —5)r + (a —5)y = 3(a — 5) Esta ecuacidn es equivalente a x + y = 3 salvo en el caso a =5 Tercera operacién: Consiste en sumarle a una ecuacién un miltiplo de otra ecuacién.Ejemplo 1) et+y=3 — 22 = 10 A la segunda ecuacién, le hemos sumado 1 vez la primera ecuacién. Notacién: L;;(a) denotaré sumarle a la ecuacién i, a ve 2 Estas son las tinicas tres operaciones elementales. No hay otras. es la ecuacion, Nota Estas operaciones son reversibles. En efecto: 1. La primera operacién: Si cambiamos la ecuacién FE, con la ecuacién Ey, la operacién inversa es ella, misma. 2. La segunda operacié6n: Si la ecuacién £; la multiplicamos por a, a # 0, entonces la operacién inversa es multiplicar la ecuacién 1 Ej; por —. por = 3. La tercera operacién: Si la ecuacién F; la cambiamos por E! = £E, + @E;, volvemos a la ecuacién £;, al efectuar la operacién E!—aBj =E; El hecho de que tales operaciones sean reversibles garantiza que el sistema que se obtiene de otro por operaciones elemental sea equivalente al inicial. es sucesivas Luego los dos sistemas son equivalentes. El sentido de utilizar las operaciones elementales sobre un sistema con una escritura mas simple. 5 conseguir trabajar Debemos cuidar de ir haciendo tales transformaciones por etapa.1.4 Sistemas dependientes e independientes Si en un sistema, una ecuacién esta escrita dos veces, es algo realmente imitil. jTrivial! Pero, a veces, no es tan trivial que hay ecuaciones agregadas intitil- mente, es decir ecuaciones que se pueden obtener de las anteriores. En lenguaje elegante: ecuaciones que son combinacién lineal de las demas. Observacién Consideremos el sistema: Ey: 8r+y = 2 Ey: Ww-y = 3 Ey: @+2y = — Vemos que E3 = Ey — Eo, Ex y Ey Diremos que el sistema es ”dependiente” s decir, £3 es una combinacién lineal de Es obvio, que para buscar la solucién del sistema nos quedamos solamente con las dos primeras ecuaciones. Definicién 1.4.1 Diremos que un sistema de ecuaciones es linealmente dependiente si al menos una ecuacién es combinacién lineal de las otras. Observacién www Matematical com Consideremos el sistema siguiente: Este sistema no es dependiente pues una ecuacién no es mtiltiplo de la otra. Diremos que es "independiente" By; wty Ey: x +3y I oes "Definicién 1.4.2 Diremos que un sistema de ecuaciones es linealmente independiente cuando no es linealmente dependiente, es decir, si ninguna ecuacién es combinacion lineal de las otras. En definitiva, en un sistema linealmente independiente no hay informacion de mas. Un sistema de ecuaciones linealmente independiente puede tener tres pectos posibles: [ mas incdgnitas que ecuaciones. L_| mas ecuaciones que incdgnitas. miimero de ecuaciones mimero de incégnitas. 1.5 Sistema de Cramer Cuando estudiamos un sistema de ecuaciones lineales, a nosotros nos interesa el ntimero de ecuaciones independientes. Se supone que el primer paso para resolver un sistema, es quedarse con un sistema independiente. udiar un Entonces, comencemos por tema independiente. Definicién 1.5.1 Un sistema de n ecuaciones y n incognitas, linealmente independiente, es llamado Sistema de Cramer. Observacién En la Educacién Media, uno comprendié que un sistema lineal de 2 ecuaciones y 2 incégnitas tiene una tinica solucién. Comprendimos queJo mismo ocurre en un sistema de 3 ecuaciones y 3 incégnitas. Debido a la manera en que se llega a esta solucién tinica, uno imagina que esto ocurre para un sistema lineal de n ecuaciones y n inc6gnitas, pero, para ser més cuidadosos habria que agregar: "sistema independiente” i, cierto ? Tenemos, entonces, la proposicién siguiente: Proposicién 1.5.1 Un sistema de Cramer tiene una tinica soluctén. Demostracién La demostracién la haremos por induccién sobre n = ntimero de ecuaciones = ntimero de incdgnitas. Sin = 1, tenemos un sistema lineal de 1 ecuacién y 1 inedgnita independiente, que trivialmente tiene una tinica solucién. Supongamos que todo sistema lineal independiente de n ecuaciones y n incégnitas tiene una tinica solucién (Esta es nuestra hipétesis de induccién). Ahora, consideremos un sistema de Cramer formado por las ecuaciones Ey, Eo, ---, En41 siguientes: Ey: Qk, + yt ts HON n41 Br Ey: Aah) + Og2T2+ FON Tn Be En? Oni® + Opetat + +Onnsi Tn = Bp Envi? Onenti + Ongiatot ++ +O nging1@n41 Brot Estudiemos el sistema formado por las n primeras ecuaciones. Este sistema lo escribimos de la manera siguiente: EX: ana t+aytet +++ +Qint, = fi — OinsiTng1 Ey: aay + 202+ +++ +O2nty = bo — Oonsitns Et Ont + Ongta+ ++ +Onnln in — Ann+1En+1Podemos pensar 7; = 3; — Qjn41%n41 como constantes. Entonces, tenemos un sistema de Cramer de n x n, luego tiene solucién tinica, a saber 4;,-++,,, con los elementos @; en funcidn de a), 3; ¥ tn41. Estos ),+++,6, los reemplazamos en E,,4) y tenemos: Engr: Ong191 + On 41282 +++ + OntinOn + Onsindrtntr = Bn+r De esta ecuacién se despeja 2,1 (recuerde que los 6;,--+,, estan en funcién de tn+1) Entonces tenemos una solucién tinica. Luego todo sistema de Cramer de n ecuaciones y n incégnitas tiene una tinica sohucin, para todo n, ntimero natural. 1.6 Proceso de escalonamiento de un sistema El proceso que nos ocupa ahora es escribir los sistemas en su forma més simple posible, pero, antes debemos definir qué ser para nosotros “la forma més simple posible”. A esta forma la llamaremos forma escalonada. Entonces, comencemos por ver algunos ejemplos de sistemas escalonados. Ejemplo El sistema siguiente esta en su forma escalonada: u+2y+5t=2 2+3t=3 u=4 Observemos cémo estan dispuestos los coeficientes:120 001 000 oun roo mo Definicién de sistema escalonado Diremos que un sistema de ecuaciones lineales esta escalonado si sat- isface las tres condiciones siguientes: 1. El coeficiente de la primera incégnita distinta de cero de cada ecuacién es 1, Es llamado lider. 2. Cuando hay un lider, los demas elementos de la columna. son ceros. 3. Los lideres deben ir de izquierda a derecha y de arriba hacia abajo. Veamos otros ejemplos: Ejemplo et4e+3i y+2z+5 Los coeficientes estan distribufdos como sigue: 104 3/1 012 5/4 El cual es un sistema escalonado.Ejemplo Se puede tener también el sistema, obviamente incompatible, siguiente: a+4z=0 yt2z=0 0O=1 Sus coeficientes estén distribuidos como sigue: 10 4/0 0 1 2/0 00 0}1 El cual es un sistema escalonado. Definicién 1.6.1 Matriz es una ordenacidn rectangular de nimeros. Definicién 1.6.2 Escalonar un sistema de ecuaciones lineales es lle- varlo a un sistema escalonado equivalente, a través de operaciones elementales. Observaciones Si al escalonar quedan filas con ceros tinicamente, significa que el sistema inicial era dependiente, es decir habia informacién de sobra. Si al escalonar queda una fila del tipo: 00 + O|1 significa que el sistema no tiene solucién. Si al escalonar, las filas distintas de cero corresponden a un sistema de n ecuaciones y n incégnitas, es un sistema de Cramer, luego tiene solucién tinica.Y si al escalonar, las filas distintas de cero corresponde a un sistema que tiene menos ecuaciones que incégnitas, obviamente que habra in- finitas soluciones. Pero mas que saber cudntas soluciones tiene un sistema, es importante encontrar las soluciones. A continuacién veremos varios ejercicios en los cuales se encuentran las soluciones de los sistemas, en caso que estas soluciones existan. Es emocionante ver cémo recién comenzado el curso, podemos resolver los sistemas lineales y familias de sistemas lineales. 1.7 Ejercicios Resueltos Ejercicio Estudiemos el sistema de ecuaciones: cty+z=2 2a -—yt2z2=— @+2y+2z2=3 w-yt22=-3 ww Matematica L con Solucién Comencemos por forma mas simple. scalonar el sistema, es decir, escribémoslo en su Anotemos solamente los coeficientes, para no escribir tantas letrpero, siempre respetando el orden. 1a aj2)\ i? 7. aa 2 -1 2)-2 —_— 0 -3 0 12 2)3 | oP jo. 1-1 2)/-3/ poo \o -21 Gp fii 1]2 t* 1 0|2 fei 1 ifi (-1) Ly 0.2 -1|5 cy (10 0/1 Ms 0102 — a | 00 1)-1 Li ~% Lo 000 Es decir, la solucién es (1,2, —1) Realmente facil de obtener la solucién j, cierto ? Ejercicio Estudiemos el sistema de ecuaciones sgte.: x-y—z+2u=0 a+y+3z4+4u=0 2a +y+4z2+7u=0 3r ty +52+10u=0 Solucién Comencemos por escalonar el sistema:-1 2 3 4jo| — [0 2 4 2]/0 4 7\o} 2? 10 3 6 3/0 5 wlo/ 759 Lo 4 8 4/0 1-1 -1 2{0\ LY 7101 3/0 01 2 1/0] — fo1 21/0 0 1 2 1/0} 25” | 00 0 ol 0 1 2 110) po \o 00 010 Es decir tenemos el sistema a+z+3u=0 y+2z+u=0 Si despejamos las incégnitas que corresponden a los lideres, tenemos: 2—3u —2z-u \ 72uEeR Luego, el conjunto de soluciones es: {(—2 —3u, -22 —u,2,u);2,0 € R} Definicién 1.7.1 Una familia de sistemas es un conjunto formado por una cantidad infinita de sistemas que han sido construsdos de manera andloga. Ejercicio Estudiemos la familia de sistemas siguiente para los diferentes valores deaeR a+4z+6t=1 et+yt9z46t=3 Qy + Wz + (a + 3)t = (a +3)Solucién 10 4 6 1 Lc» 10 4 6 1 119 6 3 a O15 0 2 0 2 10 a+3}a+3 _ 0 2 10 a+3};at+3 6 0 fs 1 2 (1.1) 3la-1 Debemos estudiar separadamente el sistema con a-+3 = 0 y la familia cona+3 0. Caso 1 | a+3=0es decir a = —3 Tenemos el sistema: 104 o15 000 Es decir, este sistema no tiene solucién. Caso 2 |a+3 40 es decir a 4 —3 Seguimos escalonando el sistema (1.1): ct) (104 6] 1 ce) (10 By fo1isol2 | for ~~ oooijst}) ~~ \oo ots 6/1 0} 2 => 0=-456¢ 0|-4 Roo =5a49 at 2 o-1 oF La familia de sistemas escalonada es la siguiente: a+ dz = =Has8 yt5z=2 ax~-3 = Despejando las incégnitas que corresponden a los lideres tenemos:= Bot a= ae i2e€RaZ-3 Comprobemos las soluciones: Caso a = 10 4 6/1 11 9 6/3 2F,-2F,+ Fy: 0=-4>e 0 2 10 0j0 Luego no existe solucién. Caso a # Ey: (=Se82 — 42) +42 + S258 a3 = 1 Ey: (“205° — dz) + (2-52) + 92 se+2= 3 Bs: 2(2 —5z) + 102 + (a +3) Luego cumple Ejercicio Resolvamos la siguiente familia de sistemas segtin los diferentes valores deaeR a+ 2y 4+ 32 + (a+ y+ (at 2)z a+ 2y + (a+ 5)zSolucién 1 2 3 1 a+l a+2 1 2 at5 =1, 2 a -—a- Eo f1 2 3 -1 — 10 a-1a-1 3 (1.2) a -a-6 1g” 0 0 a+2 Caso 1 |a+2=0es decir a = —2 Reemplazando en (1.2), tenemos: 12 34-1 2 3/-1 0 -3 -3] 3 1 1}-1 0 0 Of0 0 0] 0 101 2) all o1t 000 El sistema escalonado es : r+z=1 } r=1-2 ytz=-1 poe} zeR Caso 2 |a +240 es decir a # —2. Puesto que a +2 #0 podemos seguir escalonando el sistema (1.2): 2 3) -1 a-la-1] 3 (1.3) 0 1 ja-3 Caso 2i | a —1=0, es decir a =1 Ene ema (1.3), la segunda ecuacién quedad=35< Lucgo no existe solucién. Caso 2ii |a 4 1,-2 Seguimos escalonando el sistema (1.3). Tenemos iy) {123 Li? iy 011 — ~~ 001 1g? 12 0|-38a+8\ (() {1 0 0| ==#e=8 010) ata Lig 010 001) a-3 ~~ loo. Luego tenemos una tinica solucién, a saber —a? +3a-8. —a? + da z=a-3 a-1 ; a-l Sdlo haremos la comprobacién del caso a = 1 Tenemos Ey: x+2y+32 = -1 Ey: x+2y+3z = 2 Con estas dos ecuaciones basta ver que el sistema es inconsistente. Las demas soluciones satisfacen el sistema. Ahora es su turno comprobar las otras soluciones. jAnimo! Ejercicio Estudiemos la siguiente familia de sistemas de ecuaciones segtin los diferentes valores de a € IRebhe= Yr =1 (a? — 4)y + (a-2)z=a42 Solucién Comencemos a escalonar el sistema. Tenemos 1 0 1 1 0 1 u SL 0 a-4 a-2|a+2 carat) (1 0 1 1 fia (: 1 1 =, = 0 0 -a+a+2|a?+a-2 10 1 1 ={01 1 =I (14) 0 0 -(a—2)(a +1) | (a+2)(@-1) Caso 1 |a—2=0, es decir a =2 La tercera ecuacién queda 0 = 4 =< Luego no existe solucion. Caso 2 |a +1 =0, es decir a = —1 La tercera ecuacién queda 0 = —2 >< Luego no existe solucién. Caso 3 | 4 —1,2 Escalonamos a partir de (1.4) =1 Ls Gaye) 0 aLG) 100 — }o109% Ls" (oot (o—2)(a+1) Luego se tiene la solucién tinica: 22-2) 2a . —(a+2)(a—1) Hath %~ (@—Vati)’ (a —2)(a + 1) Ejercicios Propuestos 1. Considere el sistema de 2 ecuaciones lineales y 5 incégnitas y encuentre todas sus soluciones. @ + 2xg + 23 4+ a4 4+ a; 2a, + dag — 23 + 25 2. Resuelva el sistema siguiente atyt+2z2=3 Qe+y—z2=8 da + 3y + 32 = 14 3. Resuelva la familia de sistemas, segtin el valor de a € R arty + e= etayt+ xtytaz 4. Segiin los diferentes valores de & € IR encuentre todas las soluciones de la siguiente familia de sistemas de ecuaciones linealesCapitulo 2 Espacios Vectoriales 2.1 Definiciédn y propiedades basicas de espacio vectorial Nos parece que este es uno de los capitulos més emocionante del curso. Este concepto de “espacio vectorial”, realmente hace crear un nuevo espacio en nuestras mentes. Es algo muy diferente a lo estudiado en el curso anterior de Algebr: Todos los conceptos de este capitulo, los veremos geométricamente para poder entenderlos mejor. Después de haber visualizado estos conceptos uno puede hacer her- mosas abstracciones y Iegar a tener pensamientos tales como "una funcién es un vector”. Veremos muchisimos ejemplos y ejercicios. Vas a poder experimentar, ti mismo, qué es un espacio vectorial y qué es lo que ocurre en él que lo hace algo tan especial Ademés esperamos que te vayas imaginando los conceptos y propiedades, yas haciéndote preguntas de materias que veremos unas hojas més adelante. de manera que v Es tratar de vivir uno mismo la historia de la creacién de esta rama ayde las mateméaticas que es el Algebra Lineal. Te invitamos a sumergirte en los ”Espacios Vectoriales”. Bienvenido!. Observacién Consideremos IR?, el plano cartesiano y en él consideremos los vectores que parten en el origen y solamente ellos. Algebraicamente, IR? se describe como IR? = {(x,y); x,y € R}. En IR”, podemos definir la suma de dos elementos, de la manera siguiente: y eR. Sean u,v € IR®, luego u = (x,y), v = (a’,y’), ciertos a, a’ Entonces u+v = (x,y) + (a, y') =(@+e,y+y'). Este tiltimo es un elemento tipico de IR®, es decir, IR? es cerrada para la suma. Esta suma, geométricamente corresponde a ” la ley del paralelégramo” . Vedmoslo geométricamenteTenemos que IR? con esta suma cumple las siguientes propiedades 1. La suma es asociativa 2. Existe neutro: 0 = (0,0) 3. Todo elemento tiene inverso, a saber —(«,y) = (-a,-y) V(@,y) € IR? 4. La suma es conmutativa Es decir, (IR?, +) es un grupo abeliano. Bueno, la novedad es que a estos vectores les podemos cambiar su —— magnitud, es decir, multiplicarlos por un mimero, por ejemplo: 2-(1, 5), dos veces el vector (1,5), obtenemos el vector (2, 10) que sigue estando 2 en IR®. Es decir, uno puede definir la operacién externa, llamada ponderacién, siguiente: Ex: Rx IR? R? (a, (z,y)) 4 (ar,ay) V(x,y) € R?,va eR Esta operacién cumple las siguientes propiedades: 5. 1+ («,y) = (wy)6. (a+ 8)(x,y) = a(x, y) + B(x, y) 7. a(a,y) + (@',y)) +y) Fa(a'y/) 8. (a: B)(e,y) =a (B(2,y)) Esto para todo (x,y) € IR? y todo a, ER Bueno, creo que esto te parece facil jcierto? [Esperamos no equivocarme en nuestra apreciacién! Ocurre que por cumplir IR? estas 8 propiedades, diremos que IR? es un “IR-espacio vectorial o un "espacio vectorial sobre IR”. Resumiendo, veremos IR? como un conjunto cuyos elementos son vectores que parten en el origen y tales que se pueden sumar y ponderar. Esta estructura la vamos a genelizar {Te animas a dar un salto de abstraccién? Observacién Un ejemplo fisico de espacio vectorial, es el modelo que representa las fuerzas ejercidas sobre un punto material. Definicién 2.1.1 Sea V un conjunto. Sea K un cuerpo (K = Q; IR; Zia; Las; Zp, p primo, etc.). Sobre V definamos dos operaciones: 1. Una operacién llamada suma, denotada por +: +:VXVV; (vw) ~~ vtwEsta operacién es una ley de composicién interna. 2. Una operacién entre los elementos de V y los elementos de K, denotada por Ex que cumple Ex: KxV>V; (a,v) ~ a-v Es una operacion externa, pues opera con elementos que estén fuera de V. Esta operacién es conocida con el nombre de producto por escalar 0 ponderacién. Los elementos de V son llamados vectores y los elementos de K son llamados escalares. Sobre conjunto V_haremos exigencias, llamadas los aviomas de espacios vectoriales. Son los siguientes: B.V.1. (a@+0)4+0 = &+(0+W), Vit,7,W EV (Asociatividad) E.V.2. Existe neutro aditivo, denotado por 0. E.V.8. Para todo @ €V, existe WE V tal que o+u0 = 0. Notacién w = —@. E.V.4. B+it = w-+i, WE, € V. (Conmutatividad) EV. 18 E.V.6. (w+ 8) = abt Bd Va, BE K, EV EV. a(t+W) = atta, Va € K, Vi, EV E.V.8. (a3)-8=a+(B+8) , Va,BEK, WOEV En tal caso diremos que V es un K - espacio vectorial o un espacio vectorial sobre K. Nota Fundandose en estos axiomas, se desarrolla la teorfa llamada Algebra Lineal.Nota De ahora en adelante, K, denotara Q, Ro C. Ejemplo Estudiemos V sobre K. Donde V = {(—2u,a):2 € K} CK? Sea U, € V, luego los vectores # y w tienen la forma # = (—2r,x) y w = (—2y,y). V es cerrado para la suma pues, T+w = (20, x) +(—2y,y) = (20+ (—2y),2+y) = (-2e+y), x+y) el cual es un elemento tfpico de V. También es cerrado para la pon- deracidn, pues, a-@=a- (22,2) = (a(—2r), a2) = (—2(a2), ax) el cual es un elemento tipico de V. Ademas V cumple los 8 axiomas de espacios vectoriales. En efecto, cumple: (En lo suc remos simplemente v en lugar de @). E.V.1. Sean u,v,w € V, luego u = (-22,2),0 = (-2y,y),w = (—2z, z), ciertos 7,y,z € K. (ut v) + w= ((—22, x) + (—2y,y)) + (—2z, z 4 Qn + —2y,a+y) + (—22,2) ((-22 + —2y) + -22, (x+y) +2) (- an Qy + —2z),0+(y+2z)) (-2 fe u ) + (-2y + —22,y + 2) Qe, x) + ((—2y, 4) + (—22,2)) u+(v+w) E.V.2. 6 = (0,0) = ((—2)0,0), el cual es un clemento tipico de V. E.V.3. Sea v = (—20,2) € V, entonces —v = (—2(-a), (—2)), el cual es un elemento de V.EVA. v-+w= (20,2) + (-2 =(-2y+-22,y+a =wtv EV5. lev = 1+(-22,2) = (1(-22),12) = (-20,2) = v. E.V.6. (a+ Bu =(a +B) + (—2e,2) (a + B)(-22), (a+ B)x) —2x) + 3(-22), (ax + Bx) a(—2r),ax) + (3(-22), Bx) =a(—2x, x) + B(-22, 2) = av + Bv EVI. a-(v+w)=a-((—2r,2) + (—2y,y)) + (-20 + —2y, a+ y) = (a(—2x + —2y), a(x + y)) =(a(—2c) + a(—2y), ax + ay) = eS + (a(—2y), ay) = —2u,”) +a-(—2y,y) Fes w EV.8. (af): v= (aB)(- 20,2) = ((a3)(—2r), (a3)z) Bx)) = a(B(—2x),a(B2)) f = a(3v) (—24 + —2y,2 + y) (—2y, y) + (2a, a) Luego hemos demostrado que V es un KX espacio vectorial. Ejemplo V = {Br, ;a € K}, es un K-espacio vectorial. Ejemplo Sea V = K" = {(x1,29,...,2n);01,02,---,n € K}. Entonces K” es un K-espacio vectorial, donde la suma esta definida por: (@1,0-652n) + (a4 wh) = (1 + 24,02 +09, ..650n +2.) y el producto por escalar esta definido por: ( a(x1,22,-.., an) = (a@1, a%2,...,08n)Ejemplo Q(V2) = {a+ by2; a,b € Q} es un Q-espacio vectorial, donde la suma esta definida por: (a + bV2) + (a + B'V2) = (a +a’) + (b+ BI) V2 y el producto por escalar por: a(a+ bv2) = aa + (ab)v2 de donde Q(V2) es cerrado para la suma y producto por escalar. Se tiene que Q(./2) con la suma y la ponderacién asi definidas, cumple los ocho axiomas. Ejemplo Sea V = K[X] = {ap + aX + aX +--+ +a,X"; ao,...,4n € K} el conjunto de los polinomios con coeficientes en K. Entonces KX] es un espacio vectorial sobre K con la suma y la pon- deracién definidas en el curso anterior. Ejemplo Sea V = K.[X] = {ao + aX + a2X?; 49,41, a2 € K} el conjunto de los polinomios truncos de grado 2. Entonces [2|X] es un espacio vectorial sobre K. Ejemplo V = Ky[X] = {a9 t+a,X +--+ +amX™; ao, truncos de grado m. +@m € K} polinomios Nétese que los polinomios tienen grado menor o igual a m, razén por la cual m interviene en el nombre del conjunto: Ky, [X]. Sin embargo, en K’[X] los polinomios pueden tener cualquier grado, pues la letra n no tiene relacién con la notacién K[X].Bueno, K,, |X] es un K-espacio vectorial. Ejemplo Mox2(K) = «( ") .a,b,c,d € K}, es el espacio vectorial formado por todas las matrices de 2 x 2 con coeficientes en K. La igualdad de matrices esté dada por: :y (° n=(% 1) si so si a= ald Ademas la suma esta definida por: (" *+(% mya (ate yt) cd cd) \etd d+d y la multiplicacién por escalar esta definida por: a(’ n) (a8 a) cd) \ac ad Ejemplo V = {f; f IR > R} es el espacio vectorial formado por todas las funciones reales sobre los reales. La suma de dos funciones f y g es una funcién, denotada por f +g, y en cada ntimero real se comporta de la siguiente manera: (f + 9)(2) = F(z) + g(@) La ponderacién de una funcién f por un escalar a, es una funcidn, es denotada por a f, y en cada mimero real se comporta de la manera siguiente: (of)() = a: f(a)Estas dos operaciones cumplen los 8 axiomas. S6lo mostraremos E.V.2 y E.V.3, el resto queda de ejercicio. E] neutro es la funcién 0: IR > R; 0(7)=0 Vr eR EI inverso aditivo de la funcién f es —f, dada por (—f)(x) = —f(x) Definicién 2.1.2 Un espacio vectorial finito es un espacio vectorial que tiene una cantidad finita de vectores. Ejemplo de un espacio vectorial finito Z3(V2) = {a+ bvV2);a,b € Zs} es un espacio vectorial sobre Z3, con la suma definida por (a + bV2) + (c+ dV2) = (atc) + (b+d)v2 y la ponderacién definida por a: (a+bV2) = (aa) + (ab)V2, Va € Zs Ejemplo de un espacio vectorial finito Z3(V/2, V5) = {a + bV2 + eV5 + dV10; a,b, ¢,d € Ks} es un espacio vectorial sobre Z3 , sobre Z3(V2) y sobre Z3(V5) Ejemplo Z5[X] = {aq + aX + aX? +... + a,X"5 09, 01,02, -..,0n € Zp} es un Z;-espacio vectorial, con la suma definida en Z5[X]: Cuya multiplicacién por escalar esta definida por:a(ag +a,X +...+4,X") = (aap) + (aay) X +... + (aa,)X” Observe que este espacio vectorial tiene un ntimero infinito de clemen- tos. Proposicién 2.1.1 Sea V un K-espacio vectorial. Entonces 1. El neutro es tinico. 2. Todo vector tiene un unico inverso aditivo. Demostracién de 1 Sean 0 y 0’ dos neutros, entonces 0 = 0 + 0! = 0’. En la primera igualdad usamos que cl 0 es neutro y en la segunda igualdad usamos que 0 es neutro. Demostracién de 2 Sean v’ y v" dos opuestos aditivos de v. Entonces tenemos que vf +0=0' + (vtv") =(v' tv) +0" =040" =0" luego v' = v", es decir, el inverso es tinico. Proposicién 2.1.2 Sea V un K-espacio vectorial. Entonce 1. Ov =0,Wu EV. . a = 0,va eK Lac K,veV = a=00v=0 KR w& ®& . a(—v) = (av) = (-a)v, Va € KW eV 5. (-1)v = —v, Wo EVDemostracién 1 0-v=(040)0 =0-0+0-v luego 0-v =0 Demostracién 2 o-0=a(0+0)=a-0+a-0 nego a-0=6 Demostracién 3 Si a =0 esté demostrada la proposicién. Supongamos a ¥ 0, luego existe a~! € K. Multiplicando av = 0 por a7}, se tiene ag! - (av) = a7! -0, luego (a7! - a) -v = 0 luego 1-v = 0 luego v = 6. Demostracién 4 Por (2) se tiene a0 = 0, luego, a(v + —v) = 0, luego av + a(—v) luego —(av) = a(—v), es decir, el opuesto de av es a(—v) Ademés 0v = 0 y 0 = 0v = (a + —a)v = av + (—a)u, luego 0 = av + (—a)v. Esto dice que el inverso aditivo de av es (—a)u y se escribe —(aw) = (—a)u Demostracién 5 (-ljv tu = (-1u Flv = (-14 Dv = 00=0 luego el inverso aditivo de v es (—1)v, se escribe —v = (-1)v. 2.2 Sub-espacios vectoriales Ahora sabemos bien qué es un espacio vectorial es natural preguntarse si puede haber un esp: No te parece?. Bueno, tio vectorial dentro deotro espacio vectorial. En el curso anterior, estudiamos los grupos y luego definimos los sub- grupos. Entonces, inspirados en el concepto de sub-grupo, definamos un ”sub- espacio vectorial”. Definicién 2.2.1 Sea SCV, S40), entonces S es un sub-espacio vectorial de V si S es un K-espacio vectorial, con las mismas operaciones de V. Notacién S (2) Puesto que S es un sub-espacio vectorial de V, en particular es un espacio vectorial, luego cumple (2). (2)+() Para demostrar (1), tenemos que demostrar que se cumplen los 8 a- xiomas y que las operaciones estén bien definidas. Que S es cerrado para la suma, lo sabemos por (a). Que la ponderacién esta bien definida, lo sabemos por (b). Sabemos que en V, la suma es asociativa y conmutativa y S$ C V, Inego la suma es asociativa y conmutativa en S. En la hipétesis general, tenemos que S 4 ), luego existe un vector en S, llamémosle v. Multipliquemos v por el escalar 0 (este existe, pues K es un cuerpo) tenemos 0 - v = 0. Luego 6 esta en S. Asi tenemos E.V.2. Sea v € S, un vector cualquiera. Este vector lo podemos multiplicar por (1), tenemos (—1)v = —v, Inego —v € S. Asi tenemos E.V.3. En ambos casos, usamos (b). los restantes axiomas se obtienen trivialmente por el hecho que S' es un subconjunto de V. Luego (2)=(1)Nota Una "Caracterizacién” significa que podemos usar la proposicién, en vez de la definicién. Estas propiedades "caracterizan” un sub-espacio vectorial. Ejemplo 8 = {(a,0)/ae K} < K? En efecto, S F 6, pues; por ejemplo (2,0) € S. Sean s, s’ € S, luego s=(a,0) y a',0), ciertos a, a’ € K. Tenemos s +s! = (a,0) + (a’ +0) = (a- +a',0) el cual es un elemento de S. Sea aw € K, luego a-s = a (a,0) = (aa, 0) = (aa,0) el cual es también un elemento de S. Luego S es un sub-espacio vectorial de K?. Ejemplos S = {(0,0)} < K®; U = {(0,0,0)} < K*; S = {0} < K; {0} < V, para todo V, espacio vectorial. Ejemplo S = {(a,b); a+ b=0} < K? En efecto, S 4 @, pues, por ejemplo (2,—2) € S. Sean s, 8’ € S, entonces s a), s' = (b, -b), ciertos a,b € K’. Tenemos s + 8! = (a,—a) + (b, —b) = (a +b, —a — b) el cual es un elemento de S, pues la suma de las componentes del par ordenado es nula. Sea a € K, tenemos a(a,—a) = (aa, a(—a)) = (aa, —aa), el cual es un elemento de 5. Luego 5 < K? Ejercicio Demostremos que $ = {(x, y); 2x — 3y = 0} < IR?.Solucién 1. Demostremos que en $ hay al menos un elemento: (3,2) € S$ pues 2-3-—3-2=0. Luego S40 2. Demostremos que u,v ES >u+ves Sean u, v € S. Esto significa que uy v tienen la forma u = (a, y), v = (x1, 41) donde 2x — 3y = 0 y 2x; — 3y; = 0. La suma de uy v es: utu= (x,y) + (em) = (+ary +m) y se cumple: 2(a + a1) — 3(y +m) = Be + ary — By — By. = = (2x — 3y) + (22; — 3y,) =0 Luegou+veS. 3. Demostremos que u € S => au € S,Wa € R. Sea u € S, luego u = («,y) con 2a — 3y = 0, de donde: au =a(x,y) = (ax, ay) Se tiene: 2(ax) — 3(ay) = a(2x — 3y) =a-0=0 Asi hemos demostrado que 3 es un sub-espacio vectorial de IR?. Ademés observamos que S$ representa la recta que pasa por el origen con pendiente 2/3.Ejercicio a Demostremos que S = {( 0 abe ec Kh < Mayo(K). Solucién 1 (3 >) ES, luego S #0. 2. u,v € S. Esto significa que u y v tienen la forma: 1 -(¢ » ron (4 in) “ho dX’ 0 al Sumando tenemos: _ fa b\, (a bh =(°50 bh) . ue = (¢ ’) ( 0 “) =o eta) &* ab aa ab sa-una-(% )=(% es Lucgo S' es un sub-espacio vectorial de Mox2(K). Ejercicio Demostremos que Ks[X] = {ay +a1X +a2X?/ ao, a1, a € K} es un sub-espacio vectorial de K[X] Solucién 1. 342X + X? € Ky[X], luego K2[X] #0. 2. Sean p(X), q(X) € Ko[X]. Luego p(X) y q(X) tienen la forma: P(X) = a9 + ayX + aX? y q(X) = by +b X + boX2. P(X) + g(X) = (ao + aX + aX?) + (bo + 1X + boX?) = (a9 + by) + (ar +1) X + (az + bo) X? € K2[X]3. Sea p(X) € K[X], luego p(X) = ap+a,X +a2X?, luego tenemos: a: p(X) =a- (ay + aX + aX?) = aay + (aa,)X + (aaz)X? € KalX] De (1), (2) y (3), tenemos que K2[X] es un sub-espacio vectorial de K(X] Otra forma de escribir K3[X)] es: Ka[X] = {p(X) € K[X]/ gr p(X) < 2} Ejercicio iEs el conjunto S = {p(X) € K[X]/grp(X) = 2} un sub-espacio vectorial de K[X]? Solucién 1. p(X) =1+X+4+X? ES, luego S #0. 2. Sean p(X), q(X) € S, dados por p(X) =24+3X +5X? y q(X) =44+7X —5X? € S. Sin embargo p(X)-+9q(X) = (243X +5X2)+4 (447 —5X*) = 6+10X, el cual no pertenece aS pues su grado no es 2. Esto es un contraejemplo. Conclufmos entonces que Sno es un sub-espacio de K’LX]. Ejercicio Sea C = {f : IR — IR; fes continua}. Probemos que C! es un sub- espacio vectorial de F = {f : IR > IR}. Solucién Del curso de Calculo recordamos que:1. La funcién id : IR > R; id(. continua, Inego C 4 0. a, Va € RR es una funcién 2. La suma de dos funciones continuas es continua. 3. La ponderacién de una funcién continua es continua. Luego C’ es un sub-espacio vectorial de F. Ejercicio Sea V = {f : IR > R}. Sea S = {f € Vi f(x — 1) = f(a)}. De mostremos que S es un sub-espacio vectorial de V Solucién 1. La aplicacién nula pertenece a S, pues 0(a@ — 1) = O(a). Luego S#0 2. Sean f,g € S, luego (f +9)(@-1) = f(w@-1)+9(@- 1) = f(x) + 9(@) = (Ff +9)(2). Luego (f +9) €S 3. Sean f,g € S$, luego (af)(x — 1) = a(f(w — 1)) = a(f(«)) = (af)(a) Por (1), (2), (3), tenemos que S es sub-espacio vectorial de V Ejercicio En K*, considere el sub-espacio S={(xty+2z,04 2y42z,2r + 3y+52,0+2y+5z);x,y,2 € K}. Busquemos una representacién cartesiana de S.Solucién Sea r+yt2z a a@ + 2y + 22 b Qe +3y+52 = ¢ w+Qy+52 = d Luego escalonando el sistema se tiene: 11 2\a 102 2a—b 12 2|b 010 b-a 23 5/e] ° ~~ foo. c-b-a 12 5|d 0 0 0|3a+2b—3c+d E] sistema representa el sub-espacio dado ssi 3a + 2b — 3c +d=0 Luego S = {(a,b,¢,d);3a + 2b-—c¢+d = 0} es la representacién cartesiana de S Ejercicio En K‘*, considere el sub-espacio S = {(a,b,¢,d);2a-—b-—c+d=0,a+b+d=0} descrito en forma cartesiana. Busquemos tna representacién paramétrica de 3. 2-1 -11)0) ft ; 0 1 1 0 1/0 0 3 {0 a-ic+32d = 0 . a " Luego betes ta — 9 p Esdecir |, cde K 5 = {(te— 2d, -te— 1d, e,d);c,d € K} Ejercicio Sea V un K-espacio vectorial y $, 7 < V. Demostremos que ST es un sub-espacio vectorial de V.Solucién 1. 0€S,0ET luego 0E SNT, es decir SANT #0 i . Sean u,v € SOT, esto significa que u, v € Sy al mismo tiempo u,veT. Pero si u, v € S se tiene que u+v € S, pues 5 es un sub-espacio vectorial de V y u+v € T, pues T es un sub-espacio vectorial de V. Luego utv € SAT. 3. Sea u€ SAT, luego u € Sy ue T. Puesto que § y T son sub- espacios vectoriales, tenemos que a-u€ Sya-wET Vae K, es decir, a-wE SAT, Vac K Por (1), (2), (3) tenemos que $T es un sub-espacio vectorial de V. Ejercicio Sea V un K-espacio vectorial. Sea v1, v2,...,U, € V. Demuestre que S = {ayuy + agv, +... + AyUn301,09,...0, € A} es un sub-espacio de V. Demostracién ELO € S, pues 6 = 0v; + Ov +-+++0vn Observemos que al sumar dos elementos de S obtenemos un elemento de S y que al multiplicar un elemento de S por un escalar también obtenemos un elemento de S 2.3. Combinaciones Lineales ber si dado un vector, lo dados. Bueno, es decir Sabes, el problema que tenemos ahora es s podemos obtener a partir de otros dos vector sumando y ponderando esos vectores. Nos parece bastante légico hacerse esta pregunta pues en todo espacio vectorial se puede sumar y ponderar {Es légico, cierto?Observacién Sea V = IR?, espacio vectorial sobre IR, sea u = (2,1) € IR?. A partir de u podemos obtener otros vectores, como por ejemplo, uw; = 3(2, 1), es decir, u; = (6,3), 0 bien uz = (10,5), o us = (—8, —4), ete. Entonces diremos que u; es ”combinacidn lineal” de u. Lo mismo para Up Y Us. Observacién Sea V = IR®,u = (2,1),v = (1,2). A partir de uy v podemos obtener otros vectores. Recordemos que solamente esté permitido sumar cambiar la magnitud de los vectores. Por ejemplo, el vector w, = se puede obtener de w y v: wy =uto; (3,3) = (2,1) +(,2) También, el vector w2 = (5,4), pues: w, = 2u+v; (5,4) = 2(2,1) + (1,2) Diremos que w; es ”combinacién lineal” de uy v. Lo mismo para wy Observacién 2, 1),v = (4,2). Veamos si hay algtin par de escalares a y 9 ‘agan la igualdad: (3,3) = a(2,1) + 2(4,2) Luego (3,3) = (2a +48, a + 28) es decir, que cumplan simultancamente 3 = 2a+49 3 = a+28pero, dos cantidades iguales a una tercera son iguales entre si, luego comparando las ecuaciones tenemos 3 = §, lo cual es una con- tradiccién. El error estuvo en suponer que w lo podiamos obtener a partir de uy v. En este caso diremos que w “no es combinacién lineal” de u y v. Definicién 2.3.1 Un vector v € V se dice que es combinacién lineal de los vectores U1, 02,-.-,Un, si existen escalares 01,02,...,m € Kx tales que: v= ary + gv, +... + Onn Definicién 2.3.2 Sea S un subconjunto de V,v € V, se dice que v es combinacién lineal de los vectores de § si: v= ayy, +agv2+...+ ayn, ciertos a; € K, ciertos u;, € S Ejemplo Sea V = K®, es decir los vectores son 3-uplas. Sea vy = (1,2,3), vy = (2,5, —1), entonces v = (—9,—22, 1) es combinacién lineal de v, »». En efecto: y (9, -22, 1) = -1(1, 2,3) + —4(2,5, -1) Ejercicio En K%[X], consideremos los vectores u = 1+ 2X +X? y v= X— X? 1. Demostremos que el vector w; = 2+ 3X + 3X? es combinacién lineal de u y v. 2. Veamos si el vector wz = 3+ X es combinacién lineal de u y v. x? 3. Queremos saber para qué valor de k, el vector ws = 1+hX es combinacidn lineal de uy v.Solucién 1. Sea w; = a(1 + 2X +X?) + 3(X — X*). Luego 24+3X+3X? =a+ (a+ 8)X + (a—f)X? Por definicién de igualdad de polinomios tenemos a-B 2a+ 8B Escalonemos este sistema. Tenemos: 1 -1/3\ 167 /1 -1/ 3 \ Lf 21/3] > Jo 3]-3] — 1042/7 269 \o 1 |-1/7 cy” 1 0] 2 a=2 0 0] 0 | Luego 1 8 oO 1s- Luego w, = 2u+(—1)v. Efectivamente w, es combinacién lineal de uy v. 2. Supongamos que w2 = 3+ X es combinacién lineal de u y v, es decir, supongamos que existe a y 3 reales tal que: 34X=a(14+2X +X?) + B(X — xX?) =at(2a+ B)X + (a—B)X? Por la definicién de igualdad de polinomios tenemos: a-Z = 0 2a+ B 1 a=3 Escalonando este sistema tenemos:1 -1/0\ 15? 1 -1]0\ 1H /1 0} 3 2 1/1] — {[o 3]1] — Jo oj-s 10 |3) 9 \o 1/3) 16% \o 1) 3 En la segunda ecuacién nos queda 0 = —8, lo que es una con- tradiccién. Bueno, el error estuvo en suponer que existia un tal ay G, es decir en suponer que ws era combinacién lineal de uy v. Luego w» no es combinacién lineal de u y v. . Sea w3 = au+ Bu. Luego: 14+kX — X? =al4 (2a + A)X + (a — 8)X? Luego se tiene que se deben cumplir las ecuaciones siguientes: a-p = -1 2a+B = k a= 1 Escribamos este sistema en forma matricial y luego escalonémos- lo. ‘Tenemos 1 0 uy? fi 0} 1 1-1 — |o -1| -2 21 LG) \0O 1 |k-2 10; 1 (a) tn fg -1| -2 —~ Lo olk-4 Vemos que este sistema tiene solucién si y sdlo si k — 4 = 0, es decir k = 4. Luego wy es combinacién lineal de u y v si y sdlo si k = 4.Ejercicio Sea V = M2x3(K) sobre K. Es decir, los vectores son matrices de 2 filas y 3 columnas. an (i 7%, anfi tO, . ™=\o 1 1/' @~\o 1 6)? ® =1 0 0 Sean () oa) 0 0 2 -4 Co Demostremos que v = ( 7) es combinacién lineal de v1, v2 Y v3. Es decir, tenemos que encontrar a1, Q2, a3 € K tales que v = a,v; + Ay, + A303. Solucién 0-1 -4 125 100 011 (j 0 7 )=a(4 1 1) +a2(4 1 3) t0(4 0 >) Usando la definicién de igualdad de matrices, tenemos el sistema: ata = 0 2a; +03 = —1 5a;+a; = —4 o0o= 0 ata = 0 a,;+6a2+2a3 = 7 El cual reducido a su forma mas simple, mediante el escalonamiento del sistema, tenemos m|=-1, o=1, a3=1 Luego v = —1v, + lv, + lus, es decir, v es combinacién lineal de v, U9, U3.Como ejercicio al lector, te proponemos lo siguiente: 1 4 10 in ques vento w= Comprueba que el vector w (5 7 ) es combinacién lineal de los vectores v1, v2, ¢ Ademé studie la pregunta siguiente: . 2 5 F + ad ie i pst=(J £) combinacién lineal de v1, v2, 2.4 Sub-espacio generado La pregunta que ahora uno se hace es un poco més exigente. La idea es facil: dado un vector, queremos encontrar todos los vectores que se pueden obtener a partir de él. Bueno, se trata de ir sumando y ponderando los vectores que se van obteniendo. ... ¥ los queremos * todos”, O bien, dados dos vectores, queremos encontrar todos los vectores que se pueden obtener a partir de ellos. Idem para el caso de n vectores. Observacién Consideremos V = K2, un K-espacio vectorial. En él, démosnos el vector v = (1,2). Entonces queremos encontrar todos los vectores que se pueden obtener a partir de v. Estos vectores son todos aquellos de la forma w = a(-1,2), es decir, w = (—a, 2a). El conjunto obtenido es S={(xy); y= —22} Escribiremos $ =< (—1,2) >. En este caso, S$ es un sub-espacio vectorial de K?. ; Ocurriré esto, siempre ?Observacién Consideremos V = IR? y u = (1,2) y v = (2,—4). {Cuanto e lo maximo de espacio que podemos alcanzar a partir de u y v? Es decir, haciendo combinaciones lineales de estos vectores, {Qué vectores podemos obtener ?. Es decir, A qué conjunto es igual el conjunto {a(—1,2) + 3(2,—-4);a,3€ IR}? Observamos que haciendo combinaciones lineales de estos vectore no es posible “salir” de la recta. Diremos que el espacio generado por uy v es la recta L = {(«,y):y = —2x} y escribiremos L =< (1,2), (2,-4) >. En este caso L también es un sub-espacio vectorial de IR?. Esto es curioso. {No te parece? Tenemos la siguiente proposicién. Proposicién 2.4.1 Sean V un K-espacio vectorial y v1, v2,....Un € V. Entonces S = {avy + agv2 +--+ + Ontn} 01, 02,-..,0 € K} es el mas pequeno sub-espacio de V que contiene a v4, 02,--.;Un- Demostracién Vimos en un ejercicio que S es un subespacio vectorial de V, al final de la seccién 2.2 Demostremos ahora que es el mas pequefio que contiene avy, 02, ...;tn Sea H un sub-espacio vectorial de V que contiene a v4,02,-..,Un Por ser un sub-espacio debe contener ayv1,0202,...,Qntn para todo 41, 09,..., € K. También debe contener todas las sumas de vectores de H, es decir, H debe contener ayv1 + 0902 +... + On0n para todo 01,02,...,0n € K. Luego H debe contener a S. Bueno, esto quiere decir queEjemplo Sea V = K®. Consideremos los vectores vy = (1,2, 1) y v2 = (-1,1,3). Entonces S = {a(1,2,1) + 6(-1,1,3);a, 8 € K} es un sub-espacio vectorial de A%, el cual sera denotado por $ =< (1,2, 1), (—1,1,3) >. Definicién 2.4.1 Sea V un K-espacio vectorial. Sean vy, 02,..., Un € V. Entonces el conjunto formado por todas las combinaciones lineales de v1, 02,..+,Un es el sub-espacio llamado el sub-espacio generado por V4, v: Un y se denota < v1, 02,...,Un >, es decir, < U4, 02,066, Un >= {Adi tagve +: +OnUp; 01, 02,-..,An € K} = S. Diremos que {v1,02,...,0n} es un conjunto de generadores de 8. Pregunta Sea V = K?. Sea u = (3,1) y v = (1,—3) {Cual es el sub-espacio mas grande que se puede obtener ponderando y sumando estos vectores? Es decir, {Cual es el sub-espacio generado por u y v? Respuesta < (3,1), (1,-3 >= {a(3, 1) + B(1,-3); a, 8 € K} = = {Ga + 8,a-38); a,8 € K} Luego 3aty u—3y 0 79 (h-9) Bs decir todo vector (x,y) de K?, es combinacién lineal de (3,1) y (1, 3). De donde tenemos que < (3, 1), (1, -3) >= K?. (e,y) = (3,1) + Ejercicio Busquemos el sub-espacio de K%, generado por u = (1,1,1) y v = (2,3,1) y demos una descripeién cartesiana de este sub-espacio.Solucién 3 = {a(1,1,1) +. 3(2,3, 1}; 0,8 € K} Sea (x,y,2) = a(1,1,1) + 8(2,3,1). Esto equivale a suponer que el sistema de ecuaciones siguiente z= a+23 y a+3o tiene solucién z= atf Es decir, debemos encontrar la condicién necesaria y suficiente, para que este sistema tenga solucién. Escalonemos el sistema. Tenemos: 1 2{a\ 250 /1 2] «@ 1 13/y | — [0 1Jy-2 | 1ijz/ 1g) \o -1]z-2) ~~ Luego < (1, 1,1), (2,3, 1) >= {(z,y, 2); 22 —y—z=0} Ejercicio Encontremos un sistema de generadores para el sub-espacio de K°, siguiente: U ={(a,y,2);2e + y = 0} Solucién Los elementos de U tienen entonces la forma tfpica (7, —2z, 2). Ahora bien (wr, —2«, z) = 2(1, —2,0)+2(0,0, 1). Esto nos dice que todo vector de U lo podemos obtener a partir de (1,—2,0) y (0,0,1), es decir, lo podemos obtener como combinacicn lineal de (1,—2,0) y (0,0, 1) Entonces (1, —2,0) y (0,0,1) generan U, es decir U =< (1,-2.0), (0,0, 1) >Ejercicio Busquemos un conjunto de generadores para el sub-espacio V de K°, V = {(@+ 2y + 2,0 + 2y, —x — 2y + 3z);2,y,z € K} Solucién Observamos que: (w@+2y+ 2,04 2y, —x—2y+32z) = a(1,1,-1)+y(2,2,-2)+2(1, 0,3) Luego los vectores (1, 1,—1) ,(2,2, —2), (1,0,3) generan V, es decir V =< (1,1,-1), (2,2, —2), (1,0,8) > Ejercicio Busquemos un conjunto de generadores para el sub-espacio W de K°, W = {(2,y,2);0 +3y — 2 = 0} Solucién Los elementos de W tienen la forma tfpica (a, y, 7 +3y). Tenemos que: (x, y,@ + 3y) = x(1,0,1) + (0, 1,3) Luego un conjunto de generadores de W es {(1,0, 1), (0, 1,3)} y nego W =< (1,0,1), (0,1,3) > Ejercicio Sea V = K* Sea U =< (1,-2.0), (0,0,1) > y V =< (1,0.1), (0, 1,3) >. Busquemos un conjunto de generadores de UNV.Solucién Sea v UNV, luego: v = a(1,—2,0) + 2(0,0, 1) = a(1, 0,1) + 0(0,1,3)) ‘Tenemos: a= a 20 = 0b B = a+3b Luego 3 = —5a. Entonces v = a(1,—20) — 5a(0,0,1) = (a, —2a, —5a) = a(1, —2,—5) Luego UNV =< (1, —2, —5) >. Entonces {(1, 2, —5)} es un conjunto de generadores de UNV Ejercicio Sea V = K* y § =< (1,2, 1), (1,0, 1) >. Busquemos 5 vectores de S. Solucién Por ejemplo: vy = (1,2, 1) + (1,0, 1), es decir vy = (2,2, 2); v2 = 2(1, 2,1) = (2,4, 2); 1) — (1,0, 1) = (2,6,2); v4 = 2(1,0,1) = (2,0,2); vs = (1,2, 1) +3(1,0, 1) = (4,2,4) En fin, toda combinacién lineal de (1,2, 1) y (1,0, 1) es un vector de Ss.Ejercicio Sea V = Ky[X]. Busquemos un conjunto de generadores de } S={a+bX +eX?+dX3;2atb= Solucién Los elementos de S$ se caracterizan por tener el coeficiente de X? igual a la suma del doble de la constante més el coeficiente de X. Un elemento tipico de S, tiene la forma s = a+ bX + (2a + b)X? + dX, luego s = a(1 + 2X?) + b(X + X?) + dX%. Tenemos S$ =< 142X?,X4X?, X8> puesto que todo elemento de S se puede escribir como una combinacién lineal de estos tres vectores. Propiedades clementales de un sub-espacio generado 1. =< au,v >; Va € K — {0} 2. =< ut u,v >, VBE K 3. =< vU> Demostracién 1 Sea w €< u,v >, luego w tiene la forma w = au +t agu, ciertos 4, € K. Pero: ay w= —au+ agu, a #0 luego w E< au,u > a Por otra parte, sea w €< au,v >, entonces: w = §(au) + Av = (Bya)u+ pov, Mego w E< u,v >Demostracién 2 Sea w €< u,v >, luego: w= ayutagu = a;(ut Bv) + (a2 — a13)v, luego w E< ut Bu,v > Por otra parte, sea w €< ut Jv, vu >, entonces: w =ay(u+ Bv) + agv = ayu+ (a1 8 +a2)v, luego w E< u,v > Demostracién 3 Sea w €< u,v >, luego: w = au+v, ciertos a, € K ssiw = But+au ssiw E Notacién Estas tres propiedades se cumplen para el segundo vector. Observacién =< u,v,0> Observacién Esto se generaliza para un conjunto finito de vectores. Se tiene: 1. =< QU, Us,...,Un >a € Kia £0. 2. < Uy, U2,. 2. Un DSH< ty + Uy, U2,.--,Un >a © K. Bo tip dys + ogy, DSK Ug, yy wong Uy Estas operaciones que han sido realizadas en uj, u2, pueden realizarseDefinicién 2.4.2 Estos tres tipos de operaciones que dejan invariante un conjunto de generadores son llamadas operaciones elementales. Ejercicio Sea V = K3,U =< (3,9, 12), (1,3,6), (1,3,4) >. Busquemos una pre- sentacién mas simple de U. Solucién Para mayor comodidad, los vectores los anotaremos sin comas y los ordenaremos en una matriz. Hagamos las siguientes operaciones elementales: 3 9 12\ Li(j) (1 3 4) La(-1) (1 3 4 3 — {134 = 000 13 6 1 3 6/ Ls(-1) \O 0 2 Es decir, < (3,9, 12), (1,3, 6), (1,3, 4) >=< (1,3,4), (0,0, 2) >. Con esto hemos conseguido una presentacién mas simple del espacio. Ejercicio En IR?, determinemos el sub-espacio generado por el conjunto de vectores: A= {(1,3), (3,9), (2,6)} SoluciénLuego < (1,3), (3,9), (2,6) >=< (1,3) >= {(w,3x);2 € IR}. Este sub-espacio de IR?, representa la recta que pasa por el origen y tiene pendiente 3. Ejercicio Lo mismo que el ejercicio anterior, para A= {(2,4,6), (1,2,3), (5, 10, 15)} Solucién 123 ‘0 19 0 0 000 3), => < (2,4,6), (1,2, (5,10, 15) > 3) > r);0 € IR} El cual representa una recta de IR* que pasa por el origen. Ejercicio En K?, consideremos A = {(1,2), (1, 1)}. Determinemos el espacio generado por A. Solucién (; 1) Ta(—1) ¢: 2 ) Ta(-l) ¢; i) La2(-2) ( ’) a a a 11 0 -1 ool OlLuego < (1,2), (1,1) >=< (1,0), (0,1) >= {(2, Entonces A genera K? €K}=K? Ejercicio En V = K3[X] consideremos el sub-espacio S=<2+X+5X? 4X5, 442K +10X? +2N3,14X 42K7 4X8 > Busquemos un conjunto de generadores que tenga una cantidad mfni- ma de elementos Solucién Por comodidad anotaremos solamente los coeficientes de cada polinomio. 215 1), 215 103 0 4210 2}'*'/o 00 0]*5Jo 000 1121 1121 1121 1030 10 3 0 ’s/1 121 O01 -1i1 0000 00 0 0 Luego, basta generar $ por el conjunto de vectores {1+3X?,X —X? + X*} Nota Hemos observado que a un conjunto A de generadores de un sub- espacio S de V, al sacarle uno 0 més vectores puede, a veces seguir generando el mismo sub-espacio S. Esto nos conduce a la siguiente definicién.Definicién 2.4.3 Sea V un K-espacio vectorial. Sea G un conjunto finito de generadores de un sub-espacio § de V. Diremos que G es un conjunto minimal de generadores de S, si cada vez que se le quita alguno de sus elementos, pierde su propiedad de ser generador de Ejemplo G = {(1,2), (3,2)} es un conjunto minimal de generadores de K. T = {(1,1,1), (1, 1,0), (1,0, 0)} es un conjunto minimal de generadores de K*. 2.5 Dependencia Lineal Ahora es necesario que recuerdes el concepto de dependencia lineal en un sistema de ecuaciones lineales. A veces, tenfamos ecuaciones que podian ser obtenidas de otras, entonces deciamos que el sistema era linealmente dependiente. Ahora pensemos en un conjunto de vectores en un espacio vectorial. De la misma manera, a veces hay vectores que se pueden obtener de los otros, pues son combinacién lineal de ellos. Es entonce es natural usar este mismo concepto para un conjunto de vectores. {No es asi? Nos encantarfa que esta seccién la encuentres jTrivial!. Eso dirfa que estds asimilando bien el curso. Te recomendamos no empezar esta seccién si no has comprendido las anteriores, pues se te pueden confundir los conceptos que, sin embargo, son muy diferentObservacién Sea V = IR’, wu = (2,3), v = (10,15). Observamos que diremos que el conjunto {u,v} es “linealmente dependiente” que el vector v se puede obtener a partir de u Observacién Sea V = K3,u = (1,1,2), 0 = (2,1,5), w = (4,3, 9). Tenemos que w = 2u-+v. Diremos que el conjunto {u, v, w} es ”linealmente dependiente”. Ahora que tienes el concepto en forma intuitiva, podrés apreciar mejor la definicidn siguiente. Definicién 2.5.1 Sea V un K-espacio vectorial. Sea A 1582) 226 Pat Diremos que A es linealmente dependiente si al menos un vector v; € A es combinacidn lineal de los demés vectores de A. Diremos que un conjunto es linealmente independiente si ningiin vector depende de los otros, es decir, si ningtin vector es combinacién lineal de los demds. Abreviamos Ld. y Li respectivamente. Ejercicio Sea V = K*. Sea A = {(1,0,0,5), (0, 1,0, 4), (0,0, 1, 1)}. Demostremos que A es lincalmente independiente. Solucién Si suponemos que existen a,b € K tal que (1,0,0,5) = a(0,1,0,4) + (0,0, 1,1) legaremos a una contradiccién. Lo mismo ocurre si suponemos que existen c,d,e, f € K tales que(0,1,0,4) = e(1,0,0,5) + d(0,0,1, 1) 6 (0,0, 1, 1) = e(1,0,0,5) + f(0, 1,0, 4) Luego el conjunto A es linealmente independiente Observacién Sea V = K?. Sea A = {(3, 1), (6, 2)}. Estudiemos la dependencia lineal de A. Observe el chispazo genial siguiente: Obtengamos el vector 0 = (0,0) a partir de estos dos vectores. Por ejemplo, tenemos (0,0) = (—2)(3, 1) + 1(6, 2), 0 bien oO Il (0,0) = (—4)(3, 1) + 2(6, 2), 0 bien 3. 0 = (0,0) = 0(3, 1) + 0(6, 2) De (2): 4(3,1) = 2(6,2), como 4 4 0, podemos despejar (3,1) = (6, 2), es decir (3.1) = (6,2) Nie Conclusién: el conjunto A es Id. Observemos que esto lo pudimos hacer, pues tenfamos mds de una manera de obtener el vector 0, a partir de los vectores en estudio. Ejercicio Sea V = K? Estudiemos la dependencia lineal del conjunto A= {(3,1), (6,2), (1, )}Solucién Veamos las posibles maneras de obtener el vector (0, 0) Sea (0,0) = a(3, 1) + 3(6, 2) + 7(1.1). Inego: 0 = 304+68+4 0 = 304+68+3y Tenemos y = 0, a = —23. Luego. (0,0) = -26(3, 1) +. 46,2) + 0(1,), BE K Tomemos 3 = 1 (0,0) = —2(3, 1) + 1- (6,2) + 0(1, 1) luego (6,2) = 2(3, 1) + 0(1,1) Entonces el conjunto A es Ld Nota Esta forma de estudiar la dependencia lineal parece interesante. No hay que estudiar tantas ecuaciones como al usar directamente la definicién. Antes de estudiar una caracterizacién de dependencia lineal, veamos las siguientes definiciénes: Definicién 2.5.2 Sea {v,02,..-, tm} un conjunto de vectores de un espacio V. Diremos que Ovy + Ove +++ + Ovp es una combinacién lineal trivial. Definicién 2.5.3 {0} es linealmente dependiente. {v} es linealmente independiente si y sdlo sit #0Proposicién 2.5.1 (Caracterizacién de dependencia lineal) Sea V un esp son equivalentes: vectorial sobre K. Sea A = {v1,02,...,U,}, entonces 1. A es linealmente dependiente. 2 Ja; 40,0; € K tal que ayy ++ Fajvy +++ + Ont = Demostracién Dem (1) = (2): Sea A linealmente dependiente, luego existe al menos un vector que es combinacién lineal de los den . Sin pérdida de generalidad, supongamos que v1 es combinacidn lineal de los demés. ‘Tenemos Vy = Ag’, +++ + AnUn, Ciertos a2,...,Q, € K, luego O= (—1vy + anv. + +++ + Onn luego tenemos (2) Dem (2) > (1): Supongamos que existe a; 4 0, a; € K tal que ayy ++ + Ont, =O + ain + Sin pérdida de gencralidad, supongamos a, 4 0. Luego O40, = —agv2 +--+ —Oyv_, puesto que ay 0, tenemos by = Av +--+ =n, Inego tenemos (1) Repaso de légica La proposicién: (1) ¢ (2) , es logicamente equivalente a la proposicién: no(1) no(2). Luego la proposicién anterior es Iégicamente equivalente al siguiente corolario:Corolario 2.5.2 Sea V un K-espacio vectorial. Sea A= {01,02,..,%} entonces son equivalentes las siguientes proposiciones: 1. A es linealmente independiente. 2. Eviste una vinica manera de obtener el vector 0, a saber, como una combinacion. lineal trivial. Escrito en forma simbélica es Oyd +++ + Onn = 0 = 04 = ++ = On =0 Ejercicio En V = K%, consideremos A = {(1,1,1),(1,1,0),(1,0,0)}. Bs- tudiemos la dependencia lineal de A. Solucién Sea a(1, 1,1) + G(1, 1,0) + 4(1,0,0) = (00,0). Luego a+6+y7 = 0 a+ luego a = § = 7 = 0. Entonces la tinica manera de obtener el vector (0,0,0), es la forma trivial. Luego A es Li. Ejercicio Estudiemos en K, la dependencia lineal del conjunto A= {(1,1,2), (3,3,6), (1,2,5)}Solucién Sea a(1, 1,2) + 9(3,3,6) + (1,2, 5) = (0,0,0) De aqui obtenemos que « = —33 y 7 = 0. Lucgo todas las maneras posibles de obtener el vector 0 son: (0,0,0) = —38(1, 1,2) + (3,3, 6) + 0(1,2,5);8 € es decir, hay mas de una manera de obtener el vector 0. Luego A es Ld. Proposicién 2.5.3 Sea V un K’-espacio vectorial. Entonces: 1. Sea ACV, BC AyA lincalmente independiente, entonces B es linealmente independiente. 2. Si un conjunto de vectores contiene el 0, entonces el conjunto es linealmente dependiente. 3. Sea {v4,02,...,Un} Lic y {up,v2,...,Un,w} Ld., entonces w es combinacién lineal de v;, V2, -.« 4. Sea {v1,02,...,0n} Li. y supongamos que w no es combinacién lineal de v4, ¥2,...,Un, entonces {v1, wh es Li. Demostracién 1: j Trivial! Demostracién 2 Basta con escribir una combinacidn lineal nula no trivial como: 50 +01 + 0v2 +-++ +00, =0 Demostracién 3 Supongamos que A = {v4,02,-.-,Un,w} es Ld., entonces se puede obtener una combinacién lineal ula no trivial con los elementos de A: QU + AQv, ++-> + Anv_ + Bw = 0Si 3 =0 entonces: 001 + gv) + +++ + ant, =O y como {v,1 ; Un} es Li., tenemos que: Qy =a. =+:'=a,=0 luego A es Li. contradiccién, luego 3 ¥ 0, es decir, podemos despejar w en la primera ecuacién: =e w=— ty 8 es decir,w es combinacién lineal de v1, v2,..., Un Demostracién 4 Sea avy + gv, ++++ +a, Vy + Bw enemos que es combinacién lineal de los otros vectores, luego: 0 pues w no 00) + gv +++ + Any =O Tuego ay = a2 = +++ =a = 0. Ejercicio Sea V un K-espacio vectorial y {u,v,w} un conjunto de vectores Li. Estudiemos la dependencia lineal de los vectores s=ut2vt=u+v-—w,r=vt2w Solucién Sea as+ Bt-+ yr = 0. Luego a(ut2v)+S8(u+v—w) +7(v+2w) = 4, luego (a + B)u + (2a + 8+ 7)u + (—B + 27)w =0. Puesto que {u,v, w} es Li, hay una tinica manera de obtener el 0 y ésta es:atf 1 1 O0j0 100 2 1 1/0 — 01.0 0 -1 2/0 001 Luego a = 0, 6 = 0, 7 =0, es decir {1 Ejercicio Sea V un K-espacio vectorial y {u,v,w} un conjunto Li. Estudiemos la dependencia lineal de la siguiente familia de vectores. {u,s = (a —2)u+ (a —2)w,t =v+ (a? —4)wra € K} Solucién Sea au + bs + ct = 0. Luego au + (a — 2)v + (a — 2)w) + ev + (a? — Aw) = 0 Es decir au + ((a — 2)b + e)u + ((a — 2)b + (a? — d)c)w = 0. Puesto que {u,v, w} es un conjunto Li., entonces a=0 (a-2)b+e = 0 (a—2)b+(a?-4)e = 0 En forma matricial, tenemos 1 0 o jo Oa-2 1 |0 (2.1) 0 a-2 a?—4|0 Caso a — 2 =0 ssia = 2Tenemos 10 0J0 0 0 0 1/0 | Luego “ _ 0 } Para todo beR 0 0 ojo oe Reemplazando en (2.1), tenemos u,s = 0,4 = v. Luego para todo b € R, tenemos Ou + bs + 0t = 0, luego {u, 0, ¢} es Ld., Mnego{u, s,¢} es Ld. Caso a—2 40 ssia #2 (2.1) L3(<45) Caso a? — 5 = Tenemos Luego Ou + -t5es + ct = 0, Ve € IR, a? = 5. Luego {u, 5, t} es Ld. en este caso Caso a? £5 en este caso tenemos a = b c=0, luego {u, 8, t} es Li. Definicién 2.5.4 Sea A = {vj,02,-..,Un} un conjunto de vectores de un espacio vectorial V. Diremos que A es un conjunto maximal linealmente independiente si {v1, 02,...,Un,w} es linealmente dependiente para todo w € V Ejemplo Sea V = K®, A = {(1, 1), (1,0)} es un conjunto maximal linealmente independiente en V. En efecto, todo (a,b) € V se puede escribir como (a,b) = (b—a)(1, 1) + (1,0). Luego {(a,b), (1, 1), (1,0)} es Ld. V(a,b) € 22.6 Bases de un espacio vectorial Ahora vamos a estudiar al mismo tiempo las dos secciones anteriores Vamos a entrelazar el concepto de generadores de un espacio, con cl concepto de dependencia lineal. Para esto vamos a iniciar esta seccién con algunas consideraciones sobre las posibles posiciones de tres vectores no nulos en el plano. Sea V = IR? y consideramos u, v, w € V. Las posibles ubicaciones de u, v, w en el plano son las dadas en las siguientes tres observaciones: Observacién Observemos la siguiente figura: Los vectores u, v, w no nulos son colineales, es decir se encuentran. sobre una recta que denotamos por L. Observamos que: = L=< u,v >=< uw >=< 0,0 >=< u S=< USS = En este caso: {u,v,w}, {u,v}, {uw}, {v, w}son linealmente dependientes, mientras que fu}, {eo}, {w} son linealmente independientes. Diremos que los conjuntos {u}, {v}, {w}, son "bases de L” Observacién Consideremos vectores no nulos u, v colineales, es decir se encuentran sobre una recta que denotamos por L y w otro vector que no se encuentra sobre L. Dada una combinacion lineal nula de los vectores u, v, w: O=au+ Bu +qw necesariamente se debe tener 7 = 0; mientras que a y 8 pueden ser no nulos. El sub: tos tres vectores e: =R y 4R En este caso {u,v, w}, {u,v} son linealmente dependientes y {u,w} {v,w}, {u}, {v}.{w} son linealmente independientes. pacio generado por =< uw >=< 0,w Diremos que {u,w}, {v,w} forman, cada uno de ellos, una “base de IR”.Observacién Sean wu, v, w tres vectores no nulos, de los cuales no hay dos sobre la misma recta: Se puede tener: au+ Sv + yw =O con a, 8,7 £0 Luogo se tiene: = R? =< u,v >=< v,w >=< uw > Ademés se tiene que {u,v,w} Ld; {u,w} Lis {v,w} Lig {uv} Li Diremos que {u,v}, {u,w}, {v,w} forman ” bases de IR® Definicién 2.6.1 Un subconjunto B de V, se dice que forma una base de V, si B es Li. y B es wn conjunto de generadores de V. Problema En este momento, uno se pregunta qué relacién habré entre base y los conceptos de conjunto Li. maximal y conjunto de generadores minimal. La respuesta a esta inquietud, esta dada en la proposicion siguiente:Proposicién 2.6.1 (Conceptos equivalentes a base) Sea B= {v1,02,..., Un}, entonces son equivalentes: 1. Bes li. y <4, 02,...,Un >=V 2. Wwe existen tinicos 0, 09,...,0m € K, tales que: UV = 040, + AgQv2 + +++ + Onn 3. B es un conjunto minimal de generadores de V 4. B es un conjunto maximal Li.de V Demostracién (= (3) Sea B= {v1,02,...,Un} Liy V =< B >. Por demostrar que B es un conjunto minimal de generadores de V. Por hipotesis B genera V. Sdlo falta demostrar que este conjunto es minimal. Supongamos que no es minimal, es decir, supongamos sin pérdida de generalidad que B= {v;,02,...,Un—1} genera V, luego v, es combi- naci6n lineal de v1, ...Up—1, es decir, Up, = A101, +202 +...+Qn—1Un—-1, ciertos a; € K’, Mego {v1,02,..., Up} es Ld. contradiccién. Luego B es minimal. (3) = (4) Supongamos que {v,v2,-..,U,} e8 un conjunto minimal de generadores y supongamos ademas que {v1,02,...,Un} es Li. Sea C = {01, 02,---,Un,w}. Por (3) se tiene que w = aye) + ast. +... Ont. Luego {v1, 02,...,Un,w} es Ld., nego {v,v2,...,tn} es Li. maximal (=) B es Li. pues es Li. maximal Sea w € V un vector cualquiera. Tenemos que {v1, 02,..-.Un.w} es Ld., luego w = ayv) + A202 +...+Antp, luego < V4, 02,...,Un >= V (1)=(2)Sea v = ayv1 + agt2 +... + QnUn ¥ U = BY, + Bove t+...+ Bp. Dos descomposiciones de v. Luego av) + age, +... + Qntn = Grr + Bots +... + Brn Luego (a1 — 1)e1 + (a2 — Ba)v2 +... + (An — Bn)tn = 8. Puesto que {v1,v2,...,0,} es Li. tenemos que ay — 8; = a2 — Sy = Qi — By = 0, Mego a1 = 1,02 = fo, ...,An = By. Entonces e una tinica manera de escribir los vectores de V segiin el conjunto de vectores {v1,02,...,Un} ()=() (i) Por demostrar {vy, v2... , Un} es Li. Sea au, +agv2+... +AU, = Pero 0 = 0v, + Ova +... + 0u,. Entonces a0; + a9v2 +...+ Ann = Ov; + 0v2 +... + OUn. Puesto que la escritura es tinica, a; = 0, a2 Li. ;@ = 0. Luego es (ii) Sea v € V, entonces v = a101 +0202 +...+0,V, de manera tinica, en particular v = a,0; + a2v2 +...+ QU». Por (i) y (ii), tenemos (1) Hemos demostrado que (1)=>(3), (3)=>(4), (4)==(1) y ()=+(2), (2)=+(1). Luego el teorema esta demostrado. Definicién 2.6.2 Sea B = {v1,v2,...,tn} wna base de V. Sea v = yt) + Ogt2 +... + Anta. Entonces 04, 02,..-,0, son Hamadas las componentes de v, segiin la base B Definicién 2.6.3 Llamaremos la base canénica de K” a la base {er = (1,0, ...,0), €2 = (0,1, 40,0), on €n = (0,0,...,0, L)} Observamos que para todo elemento de K™ se tiene: Si (a), €2,-..,a,) € K", entonces (@1,@3,..., @) =a,(1,0,. +an(0,0Definicién 2.6.4 La base canénica de K,,{X], es la base {1,X,X2,...,X"}. Por otra parte, la base canénica de K[X], es la base {1,X,X2,.20,X",...}. Por ejemplo la base canénica de K?, es {e; = (1,0), ¢2 = (0, 1)}- Por otra parte la base canénica de K»[X], es la base {1, X, X?}. Ejercicio Sea V = K?, Demostremos que B = {(1, 1), (1,2)} es una base de K?. Solucién 1. Demostremos que B genera K?. Sea (x,y) = a(1,1) + G(1, 2), ciertos a, 3 € K luego: (x,y) = (a@ + B,a + 28) de donde § = y — 2 y a = 2x — y, es decir: (e.y) = (2x — y)(1,1) + (y—2)0.2) 2. Demostremos que B es Li. Sea a(1,1) + 8(1,2) = (0,0), nego: (a+ B,a + 2) = (0,0) De aqui se desprende que a = 6 = 0. ibir el 0 a partir de los dos iene que B es Li. Puesto que la tinica manera de vectores de B es la forma trivial Por (1) y (2) se tiene que B es una base de A? Las componentes de un vector cuslaniera (io,y) segiim la base B son: 2x — y,y — x. Por ejemplo: (3,5) = 1(1,1) + 2(1,2) Luego un vector (r,y), cualquiera de K2, se puede escribir como com- binacién lineal de (1, 1) y (1,2).Proposicién 2.6.2 Sea V un K-espacio vectorial. Entonces 1. Las componentes de la suma de dos vectores, son la suma de las componentes. or por un escalar, son lar. 2. Las componentes del producto de un v el producto de las componentes por el ¢ Demostracién Sea B = {v1,2,...,0n} una base de V sobre K. Sea v1 + Bove ++++ + Gna v= ays + 0902 + +++ + AnUn YW = Entone vt w= (aqry + v2 +--+ + Ann) + (Givi + Bove +++ + Brn) = (a4 + Ai)v1 + (a2 + Be)v2 + +++ + (An + Bn)Un Luego se tiene (1). Ademés: B-v=B(av + agv2 + +++ + Ann) = (Bar)o1 + (Baa)¥2 +++ + (Ban)Un Luego se tiene (2) 2.6.1 Método para encontrar una base de un espacio vectorial Recuerda que para tener escrito un sistema de ecuaciones lineales en su forma més simple, haciamos el proceso de escalonamiento, pues las operaciones clementales no alteran el si De la misma manera, tu sabes, que las operaciones elementales en un conjunto de generadores no alteran el espacio obtenido. iTe parece, entonces, natural, escalonar un conjunto de generadorsObviamente que al escalonar un conjunto de vectores, el conjunto obtenido, quiténdole los vectores nulos, es un conjunto minimal de generadores, luego es una base. También los vectores escalonados son 1.i., luego forman una base del espacio en cuestion. Ejercicio Sea V = K?, U =< (2,4,-5),(—4,-8,-2), (2,4,5) >. Busquemos una base de U cuyos vectores estén escalonados. Solucién 2 —b\ op f24 -4 -s -2] — Jo 0 -2}] —& - a 2 4 5) 6? \o 0 1) pw 24 -5\ LB /1 20 oo 1] — foo. 00 1/ 16% \o 0 0 Diremos que la “base escalonada” de U es B = {(1,2,0), (0,0, 1)}. Definicién 2.6.5 Sea V un espacio vectorial. Diremos que. un conjunto de vectores de V es escalonado si al escribirlos como filas de una matriz, se obtiene una matriz escalonada. Proposicién 2.6.3 Sea V un K-espacio vectorial y sea S < V, entonces el conjunto escalonado de generadores de Ses tinico y consti- tuye una base de 8. Definicién 2.6.6 La base de un espacio vectorial formada por el conjunto de vectores escalonados es llamada la base escalonada d pacio considerado.Corolario 2.6.4 (Caracterizacién de igualdad de sub-espacios) Sean S,T Al escalonar este conjunto de vectores tenemos la base escalonada B, B={(1.0, : 1), (0.1, 3.2)} Ejercicio Sea V = K3, S,T ; T =< (2,4,2),(3,6,5) >. Ambos conjuntos al ser escalonados tienen la misma base escalonada B = {(1,2,0), (0,0, 1)}, nego S =.Teorema 2.6.5 (de Steinitz) Sea V un K-espacio vectorial. Sea {vy.02,...,Un} un conjunto Li. y {wy,w2, ...,Wm} un conjunto de generadores de V. Entonces existe una base de V de la forma: {u, ns Wey sWhys +5 hy }s Chertos hy, hy, sky € {1,2,---.m} Demostracién Sea S =< v1, 02,...,Un > 1. Tenemos dos posibilidades: (a) wy E< v1, 0%) ...,tn >= 5, VG nemos que 8 = V y {v,¥ Vv. (b) Existe wy, que no pertenece a $. En este caso tenemos que {01,025 -..,Up Wey} es Li. = 1,2,...,m. Entonces te- .,Un} forman una base de Sea S) =< vj, v2 Un, Wk, > 2. Nuevamente tenemos dos posibilidades: (a) 5; =V, entonces {v1,v2,-.., Un; We} es una base de V (b) S; 4 V, entonces existe wy, ma no pertenece a $). En este caso tenemos que {v1, v2 Uns Why, Why } En forma andloga se construye Sz =< U1, 02,...,Uns Why, Why > Luego de un mimero finito de pasos no mayor a m, se obtiene la base buscada. 2.6.2 Aplicacién del Teorema de Steinitz Sea V un K-espacio vectorial. Sea {v1,02,...,v,} un conjunto Li. y sea {e1,€2,...,€m} wma base de V, entonces existe ua base de V de la forma: {v1,02,..-5 Uns €kys Ckgs «++ s€hy fy Ciertos ky, h2,..., ky € {1,2,..., my}Ejercicio Obtengamos una base de A que contenga al conjunto de vectores A= {(1,3,5,7), (1,6,5,0)} Solucién La base escalonada del espacio generado por A es B= {(1,0,5,14), (0, 1,0 Luego una base de V que contiene los vectores de A es C = {(1,3,5,7), (1,6,5,0), (0,0, 1,0), (0,0,0, 1)} Para esto se eligié dos vectores de la base candénica de K+ que tienen el 1 en lugares distintos de los elementos lideres de B. Ejercicio Busquemos una base de A3[X] que contenga el conjunto de vectores A= {3+6X — 12X8,2—4X + X?} Solucién La base escalonada del espacio generado por A es lye _oys y _ lye 3 B= {14 {X?— 24, — 5X? — X%} De la misma manera que en el caso anterior se lige una base que contenga los vectores de la base candnica de K[X] que tienen el 1 en lugares diferentes de los Iideres de la base B. Entonces se ha elegido la base C={3+6X —12X3,2-4X + X?, X?, X3}Ejercicio SeaV = K+ y S = {(a+b+ 3c,a + 2c,b + c,a+b + 3c); a,b,c € K} un sub-espacio de V. Busquemos una base B de 3 que contenga el vector u = (0,1,—1,0) y una base C de S que contenga el vector v= (5,3,2,5) Solucién El conjunto escalonado de generadores de $ es A= {(1,0,1, 1), (0,1, -1,0)} Entonces es facil completar con vectores de la base escalonada de S, eligiendo vectores que tengan el elemento Ifder en un lugar distinto al del vector u = (0,1,—1,0). Se tiene asf la base B = {(0,1,—1,0), (1,0, 1, D} Para la base C’, tenemos < (5,3, 2,5) >=< (1, 3 » LY La base pedida puede ser C= {(5,3,2,5), (0, 1,—1,0)} Ejercicio Sea V = Moy3(K). $< V definido por sat(Mtre -a-bt+e d 2 i () ibd em} Busquemos una base de S que contenga los vectores -(3 =3 °) =(2 0 0) “=\o 2 1) ¥"=\o 2 4Solucién Un conjunto de generadores de $ es {( 0 0) G -1 ) (; -1 ) (Z 1 tt oo oJ Xi o 0/0 1 o/*K0 08 1 La base escalonada de S es: {() 0 i) (° 1 °) (° 0 ‘) (° 0 yy 0 2 2)'\o 2 3/’\o 0 o/’\1 -1 0 La base escalonada del subespacio generado por u y v, es {i a)G 9 3)} Luego una posibilidad para B {(3 Soy ee yes Ot 2 2 1)/'\2 2 4)*\o 0 o/*\a -1 0 2.7 Dimension de un espacio vectorial Sabes, es bueno que vayas comprendiendo que uno de los problemas que preocupa en mateméticas, es encontrar entes que permanezcan invariantes al producir ciertos cambios. Son los lamados invariantes. Por el momento, hemos visto que todas las bases de K?, como K- espacio vectorial, tienen 2 elementos. Es decir el niimero de elementos de cada base es "invariante” en K?. {Sera cierto que en K, todas las bases tienen 3 elementos?. 4.-Y en un K-espacio vectorial V, ocurriré que todas las bases tiene la misma cantidad de elementos?. Es decir, uno se pregunta si el mimero de elementos de las diferentes bases de un espacio vectorial es un invariante. Interesante pregunta jcierto?. Bueno, esta seccién nos da la respuesta a esa pregunta.Comencemos por unos lemas y luego el teorema que dard la respuesta a esta pregunta. Lema Sea B = {ui,uz,..., tn} una base de um espacio vectorial V sobre K. Sea wu € V tal que u = aya Fagua +--+ Faz; +--+ nup, con algtin a; #0. Entonces el conjunto C = {ay, ug, ..., t)-1,, try, ty} también es una base de V. Demostracién Sin pérdida de gencralidad, supongamos a, # 0. En este caso C={u,w,..., Un}, luego uy = ay !u+ —az lagu, +++» + —ay anti 1. Demostremos que C’ genera V. Sea v € V. Entonces: v = Buy + Bou2 +--+ + Bata, ciertos 91, Go,..-,8n € K. Luego By(az tu —aytagu, — +++ — a7 tantn) + Betz +--+ + Butta Baz !u t+ (—ayBaz! + Bo)ug +++» + (—a7z land + Bn)un Es decir, v €< u, u,..., Un >, es decir {t, u2,...,U,} genera V. 2. Demostremos que C es Li. Sea AU + Pott, + +++ + Byttn =O Luego a(ayty + +++ + Ont) + Botta + +++ + Buty =De donde (aay) + (aa + B2)tt2 + +++ + (AO + Gn)tn = 0 Pero B es L.i., entonces: oo) aa = 0 (2) aay +b = 0 (rn) aan + By = 0 De 1) tenemos a en las ecuacion {u,ui2,...,Un} es 0, pues hemos supuesto a, # 0. Reemplazando ; (n), se tiene 6; = 0,2 = 2,--+,n. Luego Ejemplo B= {(1,1,1), (1, 1,0), (1,0,0)} es una base de K%, Tenemos que: (5,5, 2) = 2(1, 1,1) + 3(1, 1,0) + 0(4,0, 0) Entonces C = {(5,5, 2), (1, 1,0), (1,0, 0)} es otra base de K*, o bien, D = {(1,1,1),(5,5,2), (1,0,0)}. Sin embargo, el conjunto A = {(1, 1,1), (1,1,0), (5,5,2)} no es una base de K? Lema Supongamos que existe una base de V con n vectores. Si B= {ui,Uz,...,Un} C V es Li. y posee nm vectores, entonces B es una base de V.Demostracién Sea C = {v1,0%,...,0,} una tal base de V. Entonces: Uy = QyVy + Qgl2 + +++ + Opn ciertos a1,Q9,...,@, € K. Sabemos que uw, es no nulo, pues B es Li, luego existe algrin a; € Ki € {1,...,n} no nulo, Sin pérdida de generalidad, supongamos a, 4 0. El lema anterior nos asegura que {uy,v2,...,Un} es una base de V. Luego uz es combinacion lineal de U1, 02,6, Ups Inego existen ), 3,..., 8, no todos nulos tales que: Ug = Bray + Byv2 + +++ + Gnvn Si By ++ = 8, = 0, se tendrfa 8, 4 0 , luego {u;, uz} es Ld., luego {u, u2,..-,Un} Ld., lo cual es una contradiccién. Luego existe al menos un jj; no nulo, j € {2,...,n} Supongamos que 3 £ 0, luego {uy, Up, 03,...,U,} es una base de V. Repitiendo sucesivamente este proceso, tenemos que {u,...,%n} es una base de V. Lema Supongamou que en V’ existe tna Base con n vectores. Entorices todo gubsonjunto de V qua sea Li. tiene @ lo mda mn -vectores. Ea decir, ai A= {v),..., Um}, entonces m n y que sea Li. Entonces B= {uy,...,tUn} tiene n vectores y es un conjunto Li., luego B es una base, por el lema anterior. Luego existen a1,09,...,n € K tal que: Uns = Oty + Ogtty +++ + Anta nego {211 12, que S es Un, ny} €8 Ld., lo que es una contradiccién al hecho i. Luego V tiene a lo més n vectores 1.Teorema 2.7.1 (de invariancia) Sea V un K-espacio vectorial. Si V tiene una base con un ntimero finito de elementos, entonces toda otra base tiene el mismo nimero de elementos. Demostracién Sean B= {t,U2,..., tn} y C = {r,0 lesquieras de V. Como B es una base de V y C es Li. entonces m < n. Andlogamente, como C' es una base de V y B es 1.i., entonces n < m. Luego n=m. +650} dos bases cua- Nota Este teorema se llama de invariancia, pues nos dice que el mimero de elementos de una base no varia en las diferentes bases de un espacio vectorial. Definicién 2.7.1 Un espacio vectorial se dice de dimensién finita si posce una base con un niimero finito de elementos. En caso contrario se dice que es un espacio de dimensién infinita. Ejemplo 1? es un KX-espacio vectorial de dimensién finita, pues: B={(1,2),(3,5)} es una base de IR? sobre R. Ejemplo K% es un K-espacio vectorial de dimensién finita, pues: B= {(1,1,1), (1, 1,0), (1,0, 0)} » de IR? sobre K. es una basEjemplo IR[X] es un espacio vectorial de dimensién infinita sobre IR, pues no es posible construir ua base que tenga un ntimero finito de elementos En efecto, supongamos que existe un conjunto finito B, tal que: B={P(X),...,Pa(X)} es un conjunto de generadores de IR[X] con m = max {gr(Pi(X)),.--.9r(Pu(X))}, entonces, por ejemplo, el polinomio P(X) = 1+ X +X no es una combinacién lineal de P,(X), ..., P(X). Luego no es posible construir un conjunto finito de generadores Definicién 2.7.2 Sea V un K-espacio vectorial de dimensién finita Se lama dimensién de V al niimero de elementos de una (luego de cualquier) base de V. Notacién: dim V Ejemplos dimpR? = 2, dimpR® Ejercicios de espacios vectoriales complejos Ejercicio Sea V = Cy K = R. Encuentre una base de € sobre R. Solucién Afirmacién: B = {1,i} es una base de © sobre RUn elemento cualquiera de C tiene la forma a+ bi y tenemos que a+bi=a-1+b-i luego B genera C sobre K. Ademés, sea a+ 1 + 8-4 = 01+ 0i luego a = 0y 8 =0 luego B es Li. es decir, B es una base de € sobre R. Ejercicio Sea V = €? = © x Cy K =C. Busquemos una base de C? sobre C. Solucién Afirmacién: A = {(1,0), (0, 1)} es una base de ©? sobre ©. La forma tipica de un elemento de C? es (a + bi,c + di) el cual se escribe: (a + bi,c + dé) = (a + bi) (1,0) + (e + di)(0, 1) Lucgo A genera C? sobre C. Demostremos que A es Li. sobre ©. Sea (a+ fi)(1, 0) + (7+4#)(0, 1) = (0,0), con a, 8,7, 6 € IR. Nétese que esta igualdad esta en €7. Luego 0 +91 = 0+ OF y 7 + 5% = 040i, (ambas igualdades en C), nego a = 8 = =6 =0. Lucgo A es una base de ©? sobre C y dime’ Nétese que los escalares estan en C, luego dime = 1 Ejercicio Sea V = €? = (x Cy K = R. Busquemos la dimensién de C? sobre R Soluci6n Afirmacién: A = {(1,0), (i,0), (0, 1), (0,4)} es una base de ©? sobre R.La forma tipica de un elemento de C? es (a+bi,c+di), con a,b,e,d € IR el cual se escribe: (a + bi,e + di) = a(1,0) + b(i,0) + (0,1) + a(0, 4) Luego A genera €? sobre IR. Demostremos que A es Li. sobre IR. Sea a(1,0) + 3(i,0) +4(0, 1) +6(0, 4) = (0+ 0,0 + 04), (esta igualdad esta en C”), luego (a + i, 7 + di) = (0 + 0i,0 + 02), luego a y= 6 =0. Se tiene que A es una base de C? sobre Ry dimyC? Ejercicio Sea V = C* y K = C. Busquemos la dimensién de C? sobre C. Solucién Afirmacion: A = {(1,0,0), (0,0, 1), (0,0, 1)} es una base de C* sobre Cc. La forma tfpica de un elemento de C3 es (a+ bi,c + die + fi), el cual se escribe: (a+bi,c+di,e+ fi) = (a+bi)(1,0,0)+(c+di)(0, 1,0) +(e+Fi)(0,0, 1) Prueba que A es un conjunto Li. Ejercicio Sea V = C* y K = RR. Busquemos la dimensién de C* sobre R. Solucién Afirmacion: A = {(1,0,0), (2,0, 0), (0,1,0), (0.7, 0), (0,0, 1), (0,0,a)} es una base de C* sobre R y dimpC® = 6. Bueno, la demostracién queda para ti como ejercicio.Ejercicio Sea V un espacio vectorial de dimensién n sobre ©. Demostremos que V tiene dimensién 2n sobre IR. Solucién Sea A = {v4,02,. escribe en la forma: -:Un} una base de V sobre C. Luego v € V se v= (a1 t Hri)er + (a2 + Bai)va +--+ + (An + Bni)en QV + Av, + +++ + OnUn + (Hrt)vr + (Bot)v2 + +++ + (Bni)Un = ary + Ogv2 +++ +. Onn + Gi(iv1) + Bolive) + +++ + Bulivn) Luego B = {v1,02,-.-,Uns iti, iv2,...,ivn} genera C sobre IR. Sea avy + Og2 +--+ + Opty + Hrivy + 6 ig + +++ + Bnitn = 0+ 08 Luego (ay + i8,)0r + (a2 + iBo)02 + +++ + (Qn + 18n)0n = 0+ 08 Pero {v1,02,---,Un} es Li. sobre ©, Inego a +18; = 04 Oi, a2 + if, =04 0i,.-.,An + i18n = 0+ 07 por definicién de igualdad de ntimeros complejos, tenemos &% = B= 0 = a2 = fy = ++» = On = By Lucgo B = {04,02,-.., Un, iv1,i02,...,iv)} es Li. sobre IR. Luego B forma una base sobre IR. Entonces V tiene dimensién 2n sobre IR.2.8 Suma de sub-espacios vectoriales Nosotros vimos que la interseccién de los sub-espacios vectoriales es un sub-espacio vectorial. Uno se pregunta si ocurre lo mismo con la unién de dos sub-espacios A simple vista, gjintuicién!?, parece que no. Entonces si no lo fuera {Cuél serfa el més pequefio sub-espacio que contiene a la unién de dos sub-espacios? Bueno, de esto se trata esta seccién. Comencemos por estudiar un ejemplo concreto {Te animas?, | Vamos! Observacién En IR?, consideremos Se =< (1,2) >y T =< (1,1) >,, EsSUTm sub-espacio vectori Tenemos que (1,2) € SUT. Ademés (1,1) € SUT. Sin embargo, (1,2) + (1,1) = @,3) € SUT. Luego SUT no es un sub-espacio vectorial. { Cuando SUT es un sub-espacio vectorial ? i, Cual es el sub-espacio més pequeiio que contiene a SUT? < (1,2), ) Oy 1) >= {a(1,2) + B(1,1);a, 8 € R} = {s+ts € Ste T}=S+T Este sub-espacio debe contener todas las combinaciones lineales de (1,2) y (1,1). ¢ Sera entonces {a(1, 2) + 3(1,1); 0,3 € KY? Definicién 2.8.1 Sea V un K-espacio vectorial. Sean S,T ) S+T es el mas pequefio sub-espacio que contiene a S UT, pero SUT =T. Ademés T es un sub-espacio vectorial y es el més pequenio que se contiene a si mismo, luego S + T =T. =) ScSUTCS+T=T Nota Sean S,T < V con bases B y C' respectivamente. Entonces: S+T= Ejercicio Sea V = K3, § =< (1,-1.1), (1,2,3) >, T =< (1,-1,1), (2,1,0) >. Busquemos la base escalonada de $+ T. Solucién S4+T =< (1,-1,1), (2,1,0), (1, -1,1), (1.2.3) > =L ft 1=) 1 1-1 1 0 3 2 Lal) 0 3 2 0 0 0 0 0 10 0 3 -2 0 0 —-4 eee |100 010 000 001 La base escalonada de $ +T es {(1,0,0), (0, 1,0), (0,0, 1)} Ejercicio Sea U = K* Sean § =< (1,1,-1,1), (1,2,3,0) > , T =< (3,4,1,2), (0,1, -1,0) > Busquemos la base escalonada de S + T Solucién Sabemos que: S+T =< (1,1,-1,1), (1,2,3,0), (3,4, 1,2), (0,1,-1,0) > ti -li 11l-1 1 1 00 1 12 30] ~/o01 4-1) )/0 14-1 34 12 Ol 4-1 0 00 0 0 1-10 o1-1 0 0-11 0 100 1 100 1 ta) | 0 1 4 —1 -[b384 000 0 000 0 005-1 oo1 -3 La base escalonada de S +T es: {(1,0.0, 1), (0, 1,0, —2), (0,0, 1,-4)} Observacién Sea V = K3, § =< (1,-1,0), (12,3) >, T =< (1,-1.1), (2,1,0) >, dimS = 2,dimT = 21-10 1-1 0 100 1 23 0 33 010 1-11} "7/0 oo] ~}oo1 2 10 0 30 000 Luego dim(S +T) =3 Busquemos SMT. Sea v € SAT, luego a(1,—1,0) + (1, 2,3) = a(1, —1, 1) +(2, 1,0) Q = a+f = a+2b (2) : -a+2¢ a+b (3): 38 =a (3)en(1I) : a = 26426 (3)en(2) : -a = —58+b A la primera ecuacidn, restémosle 2 veces la segunda. Tenemos 3a = 123, es decir, a = 43. Luego v = 48(1, —1,0) + A(1, 2,3), es decir v = B(5, -2,3), de donde SOT =< (5,-2,3) > y dim SNT =1. Resulta que dim S$ +dim T = dim S+T —dim SOT. {Ocurrira esto siempre? Uno piensa: en la suma, puede que se repitan vectores, entonces hay que restarle la interseccion. jParece obvio!. Bueno, este chispazo genial esta enunciado en el siguiente teorema. Teorema 2.8.4 Sean S,T ayy tee + Opty + Br t+ + Beds = — Ww — 72 — 1 = yu € SAT => NW — Pw, — — YM, ESAT => YW = = WE = Spt H+ + atta +++ + Uy Sper to pete t Sy Fo + Sete =F =0 Sqpa ss qys hes Reemplazando en () tenemos que: Oty Hoe + Opty + Grr +++ + Bevy =O Entonces a, = +++ =a, = 6) =--- = 8, =0Luego B es Li. Por (1) y (2) se tiene que B es una base de S +7. Luego dim(S+T) = r+s+t; dimS = r+s,dimT = r+t, dimSnT =r r+s+t=(r+s)+(r+t)—r Luego dim S + T = dim S + dim T — dim SOT Ejercicio Consideremos los sub-espacios de K4, 3 =< (1,0,1,0),(0,1,0,0) >; T = {(x,y, 2,1); + y = 0} Busquemos una base de SOT y $+T. Solucién a, 2,t) = x(1,—-1,0,0) + 2(0,0, 1,0) + €(0,0,0, 1) 1 0 10 1000 mm |® 1 00 0100 _ 0-1 -10};s}/o0100]}5 0 0 10 0010 0 0 01 0001 10 ol 00 00 0 0 0 | => dim(S+T)=4 1 0 4=243-dim(SAT) > dim(SNT) =1 Necesitamos encontrar v € SAT, vu 40 v = a(1,0, 1,0) +(0, 1,0,0) = (1, -1, 0,0) +8(0, 0, 1,0) +¢(0,0,0, 1)Luego, (a, 3, a, 0) = (7, —7,4,€), de donde a = —8 = 7 =4,€ Entonces tenemos v =a(1,0,1,0) —a(0,1,0,0) 0 bien, v = a(1,—-1,0,0) + a(0,0, 1,0) + 0(0, 0,0, 1) Luego SAT =< (1,—1,1,0) > Nota Ahora vamos a poner la atencién en aquellos sub-espacios cuya inter- seccién entre ellos es {0}. Definicién 2.8.3 Sean S, T, W sub-espacios de V, diremos que un sub-espacio W de V es suma directa de los sub-espacios S y T siz 1.W=S4T 2. 507 = {0}. Notacién: W = S@T Ejercicio Sea V = K3,S = {(x,0,0); x € K},T = {(0,y,2):y,2 € K}. Entonces, demostremos que $@T = K* Soluci6n 1. Demostremos que K* = $+ T Sea v € K nego v = (x,y, 2) = (x, 0,0) +(0, y, 2) Inego (x, y, 2 se escribe como un vector de S$ mas un vector de T. Luego Kv S+T, luego K3 = S+TOtra manera de verlo serfa la siguiente: S =< (1,0,0) > y T =< (0,1,0), (0,0,1) >. 2. Seav € SMT, luego v € Sy v € T. Luego v = (x,0,0) y v = (0,y, 2). Luego (x,0,0) = (0,y,2) > 2 = 0,y = 0,2 =0 > v=0=(0,0,0) Entonces K? = S@T Ejercicio Consideremos V = K3,W = {(a,0,2);2,2 € K}, S =< (1,0,2) >, T =< (2,0,1) >. Demostremos que W = S@T: 1. Demostremos que W = $+T: 102 y (10 2)\h 201 00 -3 Lai(=2) 100 001 Pero también {(1,0,0), (0,0, 1)} es una base de W pues los vectores son Li. y ademds (r,0, 2) = «(1,0,0)+2(0,0, 1). Luego W = S+T Otra manera de demostrar que W = S'+ T es la siguiente Consideremos w € W y hacemos la siguiente afirmacion: (2,0, 2) = a(1,0,2) + 6(2,0,1), ciertos a, 8 € K Luego (x, 0, z) = (a + 23,0, 2a + 2) De donde se concluye que x = a + 23,2 = 2a+ 3Entonces Luego tenemos: 2z (x, 0, z) = ( )(2,0,1)€ $+T Es decir w = 5 +7, ciertos s € S,t€ T. Luego W = S+T 2. Ahora debemos demostrar que ST = {0} veSnNTsveSyveT >v=a(l,0,2) y v= A(2,0,1)) => v= (a,0,2a) y v = (28,0,8) + ((a, 0, 2a) = (28,0, 3)) >a = 28, 20 =f, + v=(0,0,0), es decir W = S@T. Definicién 2.8.4 Dos sub-espacios S yT de un sub-espacio vectorial V se dicen linealmente independientes s SnT = {0} Nota: Si S$ @T es directa entonces $ y T' son Li... Definicién 2.8.5 $i 3@T = W entonces $ yT son llamados sub- espacios suplementarios entre si en W Ejemplo K* =< (1,1) > @< (1.3) >, < (1,1) > es suplementario de < (1,3) > en K? y < (1,3) > es suplementario de < (1,1) > en K?Observacién Sean: 5 =< (1,3,0 >,T =< (0,0, 1), (0,1,0) >,U =< (1,0,0), (0,0, 1) > 0) > ® < (0,0, 1), (0, 1,0) > Tenemos entonces que KS =< (1, También: K3 =< (1,3,0) > ® < (1,0,0), (0,0, 1) > =S@Ty K*=SQUyT#U Se tiene K” Ejemplo Mayo(K) =< (5 0) >at(? *) same € K} (1 0 0 1) (0 0) (0 0 Moxa(K) =< (5 0) >O< (6 oh d) (5 ) > Observacién Sea f, : IR > RR; f,(a) = 2",n € IN. Observamos que: fx(—2) = fal); fs(—2) = = fon(2); fons (—2)?"4! = 2 2m} = — fongi() Fan( De manera natural se define Definicién 2.8.6 Diremos que una funcién g es par ssi g(—r) = g(x) y diremos we una funcién g es impar ssi g(—x) = —g(x) Ejercicio Sea V = {f : IR > IR}. Demostremos que V = {funciones pares} @{funciones impares}Solucién 1. Demostremos que V = {funciones pares} + {funciones impares} Afirmacién: f(a) = 2469 + Heft) 2. Demostremos que g es par. = fen+f(-e2) _ 2 Sea g(x) = Laezl g(—2) g(x), luego g es par. Demostremosque hi es impar h(2) = Loaf = _ =(f@y =) = h(x) Luego h es impar. Luego V = {funciones pares} + {funciones impares} 2. Demostremos que {funciones pares} A {funciones impares} = {0} Sea f par ¢ impar a la vez: Bs decir, f(—x) = f(a)¥2 € K y f(-#) =—f(x) Ve eR Luego f(x) = f(-2) = —f(x) luego 2f(x) = OVx € K, luego f(x) = Ovex € K luego f = 4, Inego {funciones pares} 9 {funciones impares} = {0} Proposicién 2.8.5 Sea V un K-espacio vectorial; S,T.W (2) Por (1), tenemos que s — s’ =O y t—1'=0. Lucgo s=s' yt=t' (2)=(1) Sea s +t = 0. Pensemos el 0 como 6 + 6, el primer 0 lo pensamos en S'y el segundo en T. Luego s +t =0 +0. De (2.) tenemos s = Definicién 2.8.7 Sean Vi, V2,....V_ < V. Entonces la suma de estos sub-espacios esté definida por: YtVote-tVy, = {oy try $e0+ + onpv; € Vii = 1,2,...,n}Proposicién 2.8.7 Sean Vi, V2,..., V, < V. Entonces MWtW+e-+UsVv Demostracién Se deja como ejercicio. Definicién 2 pacios Vj, V2... «8 Decimos que W es suma directa de los subes- iy Sit 1W=VitVat--+Vn 2.0=u tm +e + 0m, 0: EV; 7=1,2,...,0 => yp = vy = ++ = vy = 0. ( El cero se escribe de una sola manera ). Cuando esto ocurra, escribiremos: W=V08hn8:- OV, Proposicién 2.8.8 Sean Vi\,V2,...,Vn < V. SaW < VyW = VitVo+...+Va, entonces son equivalentes: 1 Su =O, we V,Vi=1,....n— 4, =0 a 2 Su = Sw, v0; EVM =1,....n Sv, = 0; an 8. ViASV; ={O}.Vi=1,....0 4 En palabras el punto tercero se puede expresar como: Cada sub-espacio intersectado con la suma de todos los otros sub- espacios es el {0}.Ejemplo Sea V = K8, Vj = {(a, 20,0), 2 € K}, Vo = {(2e, 2,0), € K}, = {(w, 2x, 3x),2 € R} Es facil ver que V; + V2 + V3 = K°. Veamos ahora si esta suma es directa. 1. i Vin (Ve+Va) 2. Primero conozcamos S = V2 + Vs V2 =< (2,1,0) > y Vg =< (1, 2,3) >. Luego: Vo + Vs =< (2, 1,0), (1,2,3) > 210)im(123)mco9/1 2 3 123 210 0-3 -6 tat) (12 3) tux-3 f 1 0 -1 od CD ed 3) Luego Vo + Vs =< (1,0, -1), (0, 1,2) > luego. =< (1,0,—1),(0,1,2) > consideremos w = a(1,2,0) = B(1,0,-1)+7(0, 1,2) EViA(Vat+ Va) Entonces (a, 20,0) = (3,7,—8 + 27), nego a = 8, 2a = 7, 0O=—B +27 sa=8 0 Luego Vi 9 (V2 + V3) = {0} De la misma manera debemos probar que Vo (Vi + V3) = {0} y Yen (Vi + V2) = {0} 2. O bien, podriamos demostrar que el 0 se escribe de manera tinica. O = (0,0,0) = vy + v2 + vg = a(1,2,0) + B(2,1,0) + 9(1, 2,3). Luego a+28+7=0, 2a+ 8 +27 =0, 37 =0, luego a = 8 Por (1) 0 por (2) tenemos que K? = Vi ® Vo ®Va2.9 Ejercicios propuestos 1. En RR? se define las siguientes operaciones: (a,b) 8 (e,d) = (a+d,b+e) a « (a,b) = (aa, —ab) Estudie cuales de axiomas de espacio vectorial cumplen estas operaciones. 2. Considere el conjunto IRy[X]. En él se define las siguientes operaciones: (a+ bX) + (c+ dX) = (a +c) + (b+ d)X A(a+bX) = (aa) + bX i Es IRi[X] un R espacio vectorial con estas operaciones? 3. Estudie si lo cios vectorial stientes conjuntos son sub-espacios de los espa- respectivos: (a) S = {a+ bX +cX2+dX% © Ky[X];2cd = b,b+a = 0} de K3[X] (b) T= (ce 4) € M,(K);a+d = 0,240? = —1} de Mo(K) (0) S={(a,y,2):22 + ay = 0} de K3 4. Estudie si el vector u = (5 + 5i,—1 + 3é) estd en el C-espacio vectorial generado por el vector v = (3 — i, 1 +4) 5. Estudie si es posible encontrar dos sub-espacios de IR‘, de di- mensién 2 cada uno, cuya interseccién sea 0 6. Sea V un K-espacio vectorial y sea {u,v,w,t} un conjunto de vectores linealmente independientes. (a) Demuestre que A = {u+ 0,0 + w,w + u} es linealmente independiente.10. ii. (b) Estudie la dependencia lineal de B = tt+u}. UtU,U + ww + (c) Estudie si el sub-espacio < A > es igual al sub-espacio < B >. Justifique su respuesta. . Estudie la dependencia lineal del conjunto de vectores siguiente: {(1, 1,2), (2,0? — 2, a +2), (3,0? +a—3, a? + 3a —4)} segiin los diferentes valores de a . En K”, indique en cada uno de los casos, las condiciones que debe cumplir n, para tener u,v,w € K®, tal que (a) {u,v} (b) {u,v}li. y w no pertenece a < u,v > (c) {u,v,w} es un conjunto minimal de generadores de K” . Sea V el IR-espacio vectorial definido por V = {ff : IR — RR}. Sean fi(x) = sen(.r), fol) = sen(2r), para todo x € IR. Estudie la dependencia lineal de {fi, fo}. Sea V u K-espacio vectorial. Si dim.(V) es ny €1,€2,...,€n 8 una base de V, muestre que existen sub-espacios Ho, H1,..., Hn de V tales que Hy C Hy C +++ C Hy y dim(Hi) =i En K*, considere los sub-espacios: S={(x, 2x + y,x + 2y, 2y);2,y € K} T =< (3,4,1,7), (5,0, —5,3), (0,0,0,4) > Encuentre la base escalonada de $,T, SAT, S+T. Encuentre una base de K* que contenga los vectores que generan el sub-espacio rtCapitulo 3 Aplicaciones Lineales 3.1 Introducci6én, definicién y ejemplos Nosotros vimos que lo més importante de un espacio vectorial es la existencia de una base cn él, Uno dirfa que la esencia de un espacio vectorial es la existencia de una base en él. Entonces, si queremos definir una aplicacién entre dos espacios vectoriales, debemos tener en cuenta esta consideracién. jObvio! Si no lo entonces cerremos los libros y terminemos aqui cl curso. ,No ? Bueno, pero {Que quiere decir tener en cuenta la existencia hacemos te pare’ de una base?, Creo que seré mejor que lo veamos en un ejemplo. Consideremos IR? y IR? como IR-espacios vectoriales y f : IR? > IR*. Ademés consideremos la base B = {(2,1), (3,2)} en el dominio de f. Supongamos que sdlo sabemos como se comporta f en los elementos de esta base. Supongamos, por ejemplo, que £(2,2) = 8,2.) y £(3,2) = (5,11) La pregunta que nos hacemos, es si es posible obtener la imagen de cualquier vector de IR?, 0 en qué condiciones lo podriamos obtener. 119Para esto, comencemos por usar el concepto de base, es decir, que todo elemento de IR? se escribe de uma manera tinica como combinacién lineal de la base. Veamos, por ejemplo, si es posible conocer la imagen del vector vu = (1,0) Sabemos que (1,0) = 2(2,1) + (—1)(3,2), luego f(1,0) = f[2(2,1) + (-)@,2)). {Qué exigencias deberfamos hacer a f para que la informacion dada a los vectores de B, pueda ser extendida a todo IR? ? .. un chispazo genial y hacemos las operaciones siguientes: F[2(2, 1) + (-1)(3, 2)] = F(2@, 1) + F(-1G, 2)) = 2f(2,1) + (-1)Ff(B,2) = = 2(3,2,1) + (-D6, 1.1) = =(1,3,1) Es decir hicimos las exigencias siguientes: 1. f(ut+v) = f(u) + flv) 2. f(au) = af(u) Las exigencias (1.) y (2.) hechas a una aplicacién, se entrelazan con la nocién de espacio vectorial y asf la informacién con respecto a los elementos de una base, se extiende a todos los vectores del espacio. Ademéas, sdlo para las aplicaciones que cumplan estas dos exigencias podremos utilizar el hecho que el Dominio y el Codominio sean espacios vectoriales. Estas consideraciones nos Ilevan a la siguiente definicién: Definicién 3.1.1 Sean U y V dos K-espacios vectoriales. Diremos que f : U —+ V es una aplicacién lineal si se cumplen si- multéneamente: 1. f(ut+v) = flu) + fo) 2. f(au) = af(u)Es muy agradable conocer una larga cantidad de ejemplos, antes de comenzar a estudiar sus propiedades. Veremos muchos ejemplos, pero también de aplicaciones que no son lineales. Esperamos que los estudies todos. ;De acuerdo ?...Tenemos. que seguir ilusionados con el Algebra Lineal... Ejemplo Sea V un K-espacio vectorial. Sea f : V —> V ;f(v) = v. Esta aplicacion es llamada identidad y se denota f = idy. Tenemos f(u+v) =ut+vs f(u) + f(r) y flaw) = au=af(u) Luego idy- es una aplicacién lineal. {Trivial! ;Cierto? Ejemplo Sea V un K-espacio vectorial. Sea f : V — V; f(v) = 0, llamada la aplicacién nula. Denotada por f = 0. f(ut+v) =0=040= f(u) + f(r) F(au) = 0 = a0 =af(u) Luego f es lineal. Ejemplo Sea V un K-espacio vectorial. Sea T : V —> V; T(v) = Av. Esta aplicacién es llamada homotecia de razén_\. Tenemos T(u+v) = Mu +0) = Aut dv = T(u) + Tw) T(au) = dau) = a(Au) = aT (uw) Luego T es una aplicacién lineal.Ejemplo: Reflexién en torno al eje X Sea T : IR? — IR? ; T(x, y) = Tey) + (ey) = Thetay+y)| Tla(x,y)] = renal (ax, -(ay)) = a(x, —y) = af ((x,y)) Luego T es lineal. Antiejemplo Sea f :IR — R; f(x) = cose cos (a + y) = cos cosy — sina siny Si fuese una aplicacién lineal tendrfamos que tener : cos (a + y) = cosa + cosyLuego coseno no es una aplicacién lineal. De la misma manera g: R—R; g(x) =sine no es una aplicacién lineal, pues sin (x + y) =sinx cosy + sin y cosa lo cual es distinto de sine + siny Antiejemplo: Translacién en el plano Sea T : IR? — IR®; 7 ‘ién, no es line y) = (w@ +a,y +). Esta aplicacién Hamada sia #00b#0, pues Tl(a,y) + (2',y')] Ti(xt+a'yt+y)] (x+a'+ay+y' +b)) (x +a,y +b) + (2,y') = T(x,y) + (2’,y') # T(w,y)+Ta’,y) También podriamos haber dicho: La aplicacién no es lineal. Contraejemplo: Sea T:R? —R?, T(ax,y) =(e@+1,y4 2) Observemos que tenemos T(1,0) + T(1, 1) = (2,2) + (2,3) = (4,5) Por otra parte T((1,0) + (1, D] = 72, 1) = (3,3) (4,5)Ejemplo: Rotacién en un dngulo a La rotacién en un dngulo a, Ra, esta definida por Ry TR? — BR’; Ro(2,y) = (x cosa — ysina,rsina + ycosa). Demostremos que F,, es lineal. GQ) Ratu) +@.y)) = Rolet+ay ty! = ((4+2')cosa—(y+y')sina, (x +2")sina + (y + ¥) cosa) = (xcosa —ysina,xsina +ycosa)+ (2' cosa — y' sina, x’ sina + y' cosa) = Rala,y) + Ra(a!,y!) (2) Ra(A(a,y)) Ra (Ax, Ay) (Ax cosa — Aysin.a, Ax sina + Ay cos «) = A(rcosa —ysina,xrsina + ycosa) = ARa (x,y) Por (1) y (2), tenemos que Ry es una aplicacién lineal.Ejemplo La aplicacién f : K? —> K*; f(x,y) = (2x + y, 3y) es lineal. Veamos la demostracién: Q) M@y+@y)) = f@+eyty)) = Qeto)+u+y).30+y) (2a + y,3y) + (22’ + y/, 3y') = fay) + fay) (2) fa(a,u)) F((ar,ay)) (2(ax) + (ay), 3(ay)) a(2x + y,3y) = af(x,y) Por (1) y (2) f es una aplicacién lineal. Ejemplo La aplicacién f : K* —+ K*; f(a,y,z) = (w+ 22,2 — y) es una aplicacién lineal. La prueba queda como ejercicio. Ejemplo Sea f : Ky[X] — Ki[X]; f(a + bX +X) = (a+ 2c) + (b—a)X es una aplicacién lineal. La demostracién es igual a las anteriores, pero vedmosla pues a muchos alummos les complica los polinomios... para que veas que es j j triviall!! f(atbX +cX?)+(a' + 8X +¢X2)) = f((ata’) + (DEW) X +(c+¢)X?) = ((at+a’)+2(ct+e')) +((b+0)—(ata’))X =a+a!+2c+2¢ + (b+0 —a—a')X= (a+2c+(b—a)X)+(a' +2c'+('—a')X) = f(a+bX +eX*) + f(a +UX +¢X?) f(a(a+bX +eX?)) = f(aa+abX + acX?) (aa) + 2(ac) + ((ad) — (aa))X aa + a2ec + (ab—aa)X = a(at+2e+(b—a)X) =af(a+ bX +X?) Luego f es lineal. Ejemplo a b Sea f : Mo(K) —+ Mg.2(K), aetna por J : 4 ) = a b+e ) , d 2a es una aplicacién lineal. Nota Sea f : V — W lineal. Entonces f(J) = 0. En efecto f(0) = f(0-0) =0- f(0) =0. Nota Es interesante observar que hemos visto aplicaciones lineales entre espacios diferentes, pero con la exigencia que tengan sus escalares en cl mismo cuerpo. 3.2 Determinacioén de una aplicacién lineal Tenemos resuelto el problema filoséfico sobre la existencia de aplicaciones lineales. Existen aplicaciones lineales. Ahi tienes muchos ejem-plos en la seccién anterior. Pero atin tenemos un problema filoséfico pendiente. Es el siguiente: Dados dos K-espacios vectoriales cualquiera... Mejor te lo explicamos en un ejemplo. ;, Bueno ? Es mejor comprender primero en un ejemplo y luego uno mismo hacer la generalizacion o abstraccién. Tomemos K? en el Dominio y K* en el Codominio. Dados los vectores (1,1) y (1,0) en el Dominio y los vectores (1,3,2) y (1,0,3) en el Codominio, quisiéramos saber si existe una aplicacién lineal que cumpla : f(1,1) = (1,3,2) y f(1,0) = (1,0,3) y ademas saber si hay otras aplicaciones lineales que cumplen estas mismas condiciones. Tomemos un veetor (z,y) € K? cualquiera. Tenemos (x,y) = y(1,1) + (#—y)(1,0). Puesto que estamos exigiendo que f sea lineal, tenemos f(x,y) = yf, 1) + (@ — y)f(1,0) = (1,3, 2) + (@ — y)(1,0,3) = = («,3y, 3x — y) Luego f(x,y) = («,3y,3x — y) cumple con las condiciones pedi- das. Luego existe una tal aplicacién. Ahora nos queda una pregunta: {Habra otra? Supongamos g : K? —+ K lineal tal que g(1,1) = (1,3,2) y g(1,0) = (1,0,3) Hacemos el mismo procedimiento y tenemos que g(r, y) 3r— y), la cual tiene la misma expresién analitica de f. Luego existe una aplicacién lineal que cumple las condiciones dadas y ésta es tinica. Bueno, esta explicacién es sélo un ejemplo. Espero que te sirva para comprender el problema en forma general. Es emocionante observar un problema tan importante y sin embargo de demostracién tan facil. Es, digamos un relAmpago de genialidad.. Aquf esta: Teorema 3.2.1 (Teorema fundamental del Algebra Lineal) Sea B = {v4,02,...,Un} una base de un espacio vectorial V, de dimension n sobre K y C= {wy,wo,...,Wn} una familia de n vectores de un espacio vectorial W sobre K.Entonces existe una aplicacién lineal f y solamente una, f : V — W, tal que F(e1) = wr, F(W2) = Way +0) fUn) = Wn Demostracién Comencemos por ver la existencia de una tal aplicacién. Para esto, te mostraré una aplicacién lineal que cumple las condiciones, luego existe una. j, De acuerdo? Sea v € V. Luego que los a, son tinicos. 10; Fagv2 +++++Ap,Up, ciertos a; € A. Notese Ahora, al vector v le hacemos corresponder un vector w, definido por, w= ayy + Agu. + +++ + ann Tenemos que Dom(f) = V, Im(f) W lineal tal que g(t) = wr, 9(v2) = w2,---, g(t) = Wn Sea v = a1v1 + 202 +++++O,Up Un vector cualquiera de V. Entonces gv) = gla + agv, + +++ + anUy) = ayg(vi) + a2g(v2) +++ + ang(vn) QW) + AQW2 + +++ + OW, = a f(v1) + o2f (v2) +++ + anf (Un) Player + agu, +++ + OnUn) = fle) Luego f(v) = g(v), Ve € V. De donde se concluye f = 9. Comentario Este Teorema nos dice que una aplicacién lineal esta totalmente de- terminada cuando conocemos su comportamiento en los elementos de una base y esta informacién se extiende por linealidad a todos los vectores del Dominio de la aplicacién lineal. Es decir, si uno conoce el comportamiento de una aplicacién lineal en una base, entonces se da por conocida la aplicacién. Uno dice : "Esta bien, sé de qué aplicacién se trata”. Observacién Geométricamente podemos observar que la rotacién en un Angulo a, en el plano, es una aplicacién lineal. Es lo mismo sumar dos vectores y Inego rotarlos, que rotarlos y luego sumarlos. Por otra parte, es lo mismo, ponderar un vector y luego rotarlo, que rotarlo y luego ponderarlo. Bueno, el problema ahora es obtener una expresién analitica de aplicacién.

Libro de Algebra Lineal - MATEMATICAS EJERCICIOS RESUELTOS

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Libro de Algebra Lineal - MATEMATICAS EJERCICIOS RESUELTOS

Uploaded by

Copyright:

Available Formats

You might also like