Escolar Documentos
Profissional Documentos
Cultura Documentos
ESPACIOS VECTORIALES.
Espacio vectorial. Propiedades
Definicin: Sea V un conjunto no vaco. V es un espacio vectorial sobre un cuerpo K , si en
V estn definidas dos leyes de composicin u operaciones: una interna que se denomina suma
de vectores (+) tal que v1 , v2 V est definido un elemento v1 v2 V y otra externa
llamada producto por escalares ( ) tal que K , v V existe un elemento v V que
cumplen las siguientes propiedades:
a) Asociativa
de
la
suma
de
vectores:
v1 (v2 v3 ) (v1 v2 ) v3
v1 , v2 , v3 V
b) Existencia de elemento neutro de la suma de vectores: 0 V / 0 v v 0 v
v V
c) Existencia de elemento opuesto: v V /( v) v v (v) 0
d) Conmutativa de la suma de vectores: v1 v2 v2 v1
e) Asociativa de escalares: 1 ( 2 v) (1 2 ) v
f)
v V
v1 , v2 V
1 , 2 K , v V
(1 2 ) v 1 v 2 v
1 , 2 K , v V
(v1 v2 ) v1 v2 ) K , v1 , v2 V
h) 1 v v
v V
y se lee Espacio
Ejemplos:
2
n
siendo R , con n 1, el conjunto de las n-uplas de nmeros reales ( x1 , x2 ,...., xn )
trivial, porque
propiedades de la definicin.
UNNOBA
3. V ( x, y) R / y p.x ,
2
pR
Si v1 , v2 V v1 ( x1 , y1 ) R 2 / y1 p.x1 v2 ( x2 , y 2 ) R 2 / y 2 p.x2
Sean R, v V .
Si v V v ( x, y) R / y p.x
2
a), d), e), f), g) y h) por ser los elementos de V vectores de R 2 , que es un espacio
vectorial.
c) Si v V v ( x, y) / y p.x y
4.
Pn ( R) p( x) a0 x n a1 x n1 ....... an / a0 , a1 ,......, an R
polinomios
de
grado menor o igual que n con coeficientes reales, con las operaciones habituales, es
un espacio vectorial sobre R .
5.
Propiedades
Sea V un espacio vectorial sobre K . Entonces :
1. 0 v 0 v V
2. 0 0 K
3. Si v 0 0 v 0
4. ( ) v ( v) K , v V
UNNOBA
3
Demostracin:
1.
0.v 0
2. Se prueba de manera similar :
0 .(0 0) .0 .0
Es decir: 0 .0 .0 (2)
Pero 0 V ( .0) V / .0 [( .0)] 0
Sumando ( .0) a ambos miembros de (2):
0 .0 .0 .0 [(.0)] (.0 .0) [(.0)]
0 .0 [ .0 ( .0)] 0 .0 0 0 .0
v 0
3. Sea v 0 K / 0
Si 0 1 K / 1 1 1
Si v 0 , multiplicando ambos miembros por
, aplicando la propiedad
asociativa de escalares, la propiedad 2 recin demostrada y la propiedad 1 v v ,
obtenemos:
1
v 0 0 v 0
4.
( ) v v 0
( ) v v 0 [( ) v v] [( v)] 0 [( v)]
( ) v { v [( v)]} ( v) ( ) v 0 ( v) ( ) v ( v)
por propiedad asociativa de la suma de vectores y por ser 0 elemento neutro de la
suma.
UNNOBA
( ) v ( v)
Propiedad:
Sea V un espacio vectorial sobre K y W un subconjunto no vaco de V . W es un subespacio
vectorial de V si y slo si la suma de vectores y el producto por escalares son cerradas.
Es decir:
W V /W
w1 , w2 W w1 w2 W
W es un subespacio vectorial de V
K , w W w W
Demostracin:
w W
4 de espacios vectoriales.
UNNOBA
5
Observaciones:
En virtud de la propiedad anterior
1.
Ejemplos:
W ( x, y) R 2 / x y
W es un subespacio de V porque:
w ( x1 , y1 ) con
- Si w1 , w2 W 1
w2 ( x2 , y 2 ) con
1. V R 2
x1 , y1 R 2 x1 y1
x2 , y 2 R 2 x2 y 2
w1 w2 ( x1 , y1 ) ( x2 , y2 ) ( x1 x2 , y1 y2 )
con
x1 x2 , y1 y2 R 2 x1 x2 y1 y2
w1 w2 W
Sean R, w W .
x, y R 2 x y
w ( x, y) ( x, y) con x, y R 2 x y
Si w W w ( x, y) con
w W
n
2. V M ( R) [aij ], i 1,...., n; j 1,...., n / aij R
W [aij ] M n ( R) / aij 0
-
i j es un subespacio de V :
i j
i j
w1 w2 W
Sean R, w W .
Si w W w [aij ], i 1,...., n; j 1,...., n / aij 0
i j
UNNOBA
i j
Si w1 , w2 W
i j
w W
Propiedad:
Sean U y S dos subespacios de un espacio vectorial V . Entonces:
1. U S {u s / u U s S}
2. U S {w / w U w S}
son subespacios vectoriales de V .
Demostracin:
1. U S es un subespacio vectorial porque:
w1 u1 s1
w2 u 2 s 2
- Si w1 , w2 U S
con u1 U s1 S
con u 2 U s 2 S
w1 w2 U S
Sean R, w U S .
Si w U S w u s
con u U s S
w (u s) u s
subespacios.
w U S
w1 U w1 S
w2 U w2 S
2. - Si w1 , w2 U S
w1 w2 U w1 w2 S por
ser U y S subespacios.
w1 w2 U S
Sean R, w U S .
Si w U S w U w S w U
w S por ser U y S
subespacios.
w U S
UNNOBA
Combinacin lineal
Definicin: Sea V un espacio vectorial sobre K y sean v1 , v2 ,......, vn V . Una combinacin
lineal
de
v1 , v2 ,......, vn
sobre
es
cualquier
elemento
de
la
forma
2. En V M 3 ( R)
2 2 5
7 1
7 es combinacin lineal de
6 3 1
0 3
1
0 2 1
2 1 4 y 3 1 1 ya que
5 1 0
4 1 1
0 3
2 2 5
1
0 2 1
7 1
7 2. 2 1 4 (1).3 1 1
6 3 1
5 1 0
4 1 1
Sistemas de generadores
Definicin: Sea V un espacio vectorial sobre K y sea v1 , v2 ,......, vn un subconjunto de V .
v1 , v2 ,......, vn es
v V
Ejemplos:
1.
porque
v ( x, y) R 2 , v x.(1,0) y.(0,1)
UNNOBA
2.
2x y
5x 3 y
y 2
11
11
3.
polinomio
p( x) Pn ( R) se puede escribir
a b
M 2 ( R)
c d
a b
1 0
0 1
0 0
0 0
c d a.0 0 b.0 0 c.1 0 d .0 1
1 0 0 1 0 0 0 0
2
,
,
,
es un sistema de generadores de M ( R) .
0 0 0 0 1 0 0 1
Luego
gen
, 1 , 2 ,....., n K
Observacin:
gen
Ejemplos:
1. En V R
gen
v R 2 / v (1 , 2 )
UNNOBA
, 1 , 2 R
, 1 , 2 R R 2
2. En V R 3
gen
v R 3 / v (1 , 2 ,0)
gen
, 1 , 2 R
, 1 , 2 R
3. En V R 3
gen
, 1 , 2 R
v R 3 / v (21 4 2 ,1 2 ,4 16 2 )
, 1 , 2 R
x 2 1 4 2
3
( x, y, z ) R / y 1 2 con 1 , 2 R
z 4 6
1
2
x 2 1 4 2
y 1 2 1 y 2
x 21 4 2 x 2.( y 2 ) 4 2 x 2 y 2 2 4 2 x 2 y 2 2
x 2y
2
2
z 4 16 2 z 4.( y 2 ) 6 2 z 4 y 4 2 6 2 z 4 y 2 2
z 4y
2
2
x 2y z 4y
x 2y z 4y x 2y z 4y 0 x 2y z 0
2
2
gen
UNNOBA
10
v1 , v2 ,......, vn son linealmente dependientes (ld) si existen escalares, no todos nulos, tales que
la combinacin lineal de ellos es igual a 0 y son linealmente independientes (li) en caso
contrario.
Ejemplos:
1. En V R 2
, v1 (1,2) y v2 (2,4)
1 2 2 0 1 2 2
21 4 2 0 2.(2 2 ) 4 2 0 0. 2 0 2 puede tomar cualquier
valor y no es necesariamente nulo.
Por lo tanto v1 (1,2) y v2 (2,4) son ld ( v2 2v1 )
3. En V M ( R)
2
1 0
0 1
0 0
0 0
v1
, v2
, v3
, v4
son li:
0 0
0 0
1 0
0 1
1v1 2 v2 3 4 v4 0
1 0
0 1
0 0
0 0 0 0
1
2
. 3
4
0 0
0 0
1 0
0 1 0 0
2 0 0
1
1 2 3 4 0
3 4 0 0
UNNOBA
11
Propiedades:
1. Sea V un espacio vectorial sobre K y sean v1 , v2 ,......, vn V .
de v1 , v2 ,......, vn .
Observaciones:
1. En virtud de la propiedad 2 y la teora de los sistemas lineales homogneos :
-
1 0 0
A 0 1 0 y
0 0 1
b)
1 4 1
A 1 1 0 y
2 8 2
A 1 0
A 0
UNNOBA
12
escalonada no se obtiene ninguna fila completa de ceros, y linealmente
dependientes en caso contrario.
Ejemplos:
En V R 3
a) v1 (1,0,0) , v2 (0,1,0) y v3 (0,0,1) son li porque:
1 0 0
A 0 1 0 y es una matriz escalonada con todas sus filas no nulas.
0 0 1
b) v1 (1,4,1) , v2 (1,1,0) y v3 (2,8,2) son ld porque:
1 4 1
A 1 1 0 y su forma escalonada
2 8 2
1 4 1
0 3 1 tiene una fila
0 0
0
completa de ceros.
uno de ellos es mltiplo del otro, por propiedad 1) y a rectas distintas si son
linealmente independientes.
3.
Bases y dimensin
Definicin: Sea V un espacio vectorial sobre K y sea v1 , v2 ,......, vn un subconjunto de V .
v1 , v2 ,......, vn
UNNOBA
gen
base de V
v1 , v2 ,......, vn V
v1 , v2 ,......, vn
li
13
Ejemplos:
1. En V R 2 : v1 (1,0) y v2 (0,1) son li ( ver ejemplo 1 pg. 10)
3 5
6 (5) 11 0
1 2
3.
En V R 3 :
11) y generan R
1 0 0 1 0 0 0 0
2
,
,
,
es una base M ( R) porque es un sistema de
0 0 0 0 1 0 0 1
4.
generadores de M 2 ( R) (ver ejemplo 4 pg. 8) y son li. (ver ejemplo 3 pg. 10)
Propiedad 1
Sea V un espacio vectorial sobre K y v1 , v2 ,......, vn una base de V .
Entonces, todo elemento del espacio vectorial se puede expresar de manera nica como
combinacin lineal de elementos de la base.
Es decir
1 , 2 ,....., n K
v V
Demostracin:
Sea v V y supongamos que se puede expresar de dos maneras distintas como combinacin
lineal de elementos de la base:
UNNOBA
14
Si 1v1 2 v2 ...... n vn 1v1 2 v2 ...... n vn
Propiedad 2
Sea V un espacio vectorial sobre K y v1 , v2 ,......, vn , w1 , w2 ,......, wm son dos bases
cualesquiera de V . Entonces dichas bases tienen el mismo nmero de elementos.
v1 , v2 ,......, vn , w1 , w2 ,......, wm
bases de V n m
Definicin: Sea V un espacio vectorial sobre K con una base finita. La dimensin del espacio
vectorial es el nmero de elementos de cualquier base. En este caso, V es un espacio
vectorial de dimensin finita o finito-dimensional.
Si v1 , v2 ,......, vn base de V dim V n
Observacin:
Si V 0 dim V 0
Ejemplos:
dim R 2 2
3
2. dim R 3
3. dim M 2 ( R) 4
1.
Propiedad
Sea V un espacio vectorial de dimensin finita n . Entonces V tiene a lo sumo n vectores
linealmente independientes.
UNNOBA
15
Notacin:
B.
1
2
C B (v ) .
.
n
Ejemplos:
1. V R 2 ;
2
C B (v)
1
2. V R
5
v 1v1 2 v2 (5,3) 1 (1,0) 2 (0,1) (5,3) ( 1 , 2 ) 1
2 3
5
C B (v)
3
3. V R
3
v 1v1 2 v2 (5,3) 1 (0,1) 2 (1,0) (5,3) ( 2 , 1 ) 1
2 5
UNNOBA
3
C B (v)
5
16
4. V P3 ;
B x 3; 2 x 5; x 2 1
; v 2 3x 5 x 2
v 1v1 2 v2 3 v3 2 3x 5x 2 1 ( x 3) 2 (2 x 5) . 3 ( x 2 1)
2 3x 5x 2 1 x 31 2 2 x 5 2 3 x 2 3
3 1 5 2 3 2
2 3x 5 x (3 1 5 2 3 ) ( 1 2 2 ) x 3 x 1 2 2 3
3 5
1 1; 2 2 ; 3 5
1
C B (v) 2
5
5. V M 2 ( R) ;
1 0 0 1 0 0 0 0
B
,
,
,
;
0 0 0 0 1 0 0 1
2 1
v
1 5
v 1v1 2 v2 . 3 v3 4 v4
2 1
1 0
0 1
0 0
0 0
1
2
3
4
1 5
0 0
0 0
1 0
0 1
2 1 1
1 5 0
0 0 2 0
0 0 0 3
0 0 0
0 0 4
2 1 1 2
1 2 ; 2 1; 3 1; 4 5
1 5 3 4
UNNOBA
2
1
C B (v)
1
5
17
Observaciones:
1. Si v (1 , 2 ,......, n ) R n y B la base cannica .
1
2
Entonces C B (v) .
.
n
2. Las coordenadas de un vector dependen de la base del espacio vectorial y tambin
del orden de los elementos de la misma. Es decir, si se cambia la base B del espacio
vectorial o se cambia el orden de los vectores de B , cambian las coordenadas del
vector.
C D (v) P C B (v)
donde P es una matriz invertible cuyas columnas son las coordenadas de los vectores de la
base B en la base D .
Demostracin:
v v1 v 2
1
2
. . vn .
.
n
(1)
v w1
UNNOBA
w2
1
2
. . wn .
.
n
con 1 , 2 ,....., n K
(2)
18
Por otro lado, todo vector de la base B se puede expresar como combinacin lineal de los
vectores de la base D :
vi w1 w2
1i
2i
. . wn . para i 1,2,........, n
.
ni
Luego:
v1
v2
. . v n w1
w2
11 12
21 22
. . wn .
.
n1 n 2
.
.
.
.
1n
2 n
. (3)
.
nn
v v1 v 2
1
11 12
2
21 22
. . v n . v w1 w2 . . wn .
.
.
n
n1 n 2
.
.
.
. 1n 1
2 n 2
. .
. . .
. nn n
(4)
1 11 12
2 21 22
. .
. .
n n1 n 2
UNNOBA
.
.
.
.
1n 1
2 n 2
. .
. .
nn n
19
1
1
2
2
. son las coordenadas de v en la base B y . son las coordenadas de v en la base D .
.
.
n
n
11 12
21 22
.
.
n1 n 2
1n
2 n
.
.
. . nn
de la base B en la base D , a la que llamamos P .
.
C D (v) P C B (v)
Observacin:
Ejemplo:
V R2 ;
Si
B (1,0); (0,1) ;
D (2,1); (1,1)
3
C B (v) , hallar CD (v)
3
a) Determinamos las coordenadas de los vectores de la base B en la base D :
UNNOBA
C D (v1 ) 3
1
3
lgebra y Geometra Analtica
20
1
C D (v 2 ) 3
2
3
1
3
2
C D (v ) P C B (v ) 3
1
1
3 3 2
2 3 1
2
C D (v)
1
N ( A) X R n / A X 0
Propiedad
n
El espacio nulo de una matriz A M mn (R) es un subespacio vectorial de R .
Demostracin:
UNNOBA
21
Si X 1 , X 2 N ( A) A X 1 0
A X 2 0
A ( X1 X 2 ) A X1 A X 2 0 0 0
X 1 X 2 N ( A)
Sean X N ( A), R .
Si X N ( A) A X 0
A ( . X ) .( A X ) .0 0
. X N ( A)
( A) dim N ( A) .
Observacin:
Si N ( A) 0 ( A) 0
Ejemplo:
2 1 1
A
1 2 3
N ( A) X R 3 / A X 0
x1
2 1 1 0 2 x1 x 2 x3 0
A X 0
x2
1 2 3 x 0 x1 2 x 2 3x3 0
3
Resolvemos el sistema: x1 x3 ; x2 x3 ; x3 x3 R
x3
N ( A) x3
x
3
Pero
x3
1
x x 1
3
3
x3
1
UNNOBA
1
1 es base de N ( A) dim N ( A) 1
1
( A) 1
22
Propiedad
Una matriz cuadrada es invertible si y slo si su nulidad es cero.
Es decir:
A M nn ( R) invertible si y slo si ( A) 0
Demostracin:
A M nn (R) invertible A 0 .
Adems un sistema homogneo A X 0 es compatible determinado y su nica solucin es
la trivial cuando A 0 .
Por lo tanto
N ( A) 0 ( A) 0
Aplicacin:
Si un sistema lineal homogneo es compatible indeterminado podemos determinar una base
del espacio solucin, que es una base del espacio nulo y la dimensin del mismo, que es la
nulidad de la matriz de los coeficientes.
Ejemplo:
x1 2 x 2 4 x3 3x 4 0
x1 2 x 2 2 x3 2 x 4 0
2 x 4 x 2 x 3 x 0
2
3
4
1
1 2 4 3
2 4 2 3
Reducimos la matriz a la forma escalonada:
1 2 4 3 1 2 4 3 1 2 4 3
1 2 2 2 0 0 2 1 0 0 2 1
0
2 4 2 3 0 0 6 3 0 0 0
Entonces
x1 2 x 2 4 x3 3x4 0
2 x3 x 4 0
2 x3 x 4 0 x3
UNNOBA
1
x4
2
lgebra y Geometra Analtica
23
1
x1 2 x2 4 x3 3x4 0 x1 2 x2 4. x4 3x4 0
2
x1 2 x2 x4 0 x1 2 x2 x4
x1
x
2 N ( A) es:
X
Luego
x3
x4
2 x 2 x 4 2 x 2 x 4
1
2
1
x2
x2 0
X 1
1
x 2 . x 4 . 1
0
0
x
4
2 4
2
2
0 x 4
0
x4
1
2
1
Y una base de N (A) y por lo tanto del conjunto solucin es ;
0
0
1
0
1
2
Im( A) Y R m / A X Y para a lg n X R n
Propiedad
La imagen de una matriz A M mn (R) es un subespacio vectorial de R m .
Demostracin:
n
Si Y1 , Y2 Im( A) X 1 , X 2 R / A X 1 Y1 A X 2 Y2
X 1 X 2 R n / A ( X 1 X 2 ) A X 1 A X 2 Y1 Y2 Y1 Y2 Im( A)
-
Y Im( A) X R n / A X Y . X R n / A ( . X ) .( A X ) .Y
.Y Im( A)
UNNOBA
24
Definicin: El rango de una matriz A M mn (R) es la dimensin de espacio imagen.
( A) dim Im( A) .
Definiciones:
-
R A gen
-
A.
C A gen
A.
Ejemplo:
2 1 1
A
1 2 3
Propiedades
1. La imagen de una matriz es igual a su espacio columna.
Sea A M mn (R) Im( A) C A
2. El rango de una matriz es igual a la dimensin de su espacio fila y a la dimensin de su
espacio columna.
Sea A M mn (R) ( A) dim R A dim C A
3. La suma del rango y de la nulidad de una matriz es igual al nmero de sus columnas.
Sea A M mn (R) ( A) ( A) n
Observaciones
1. Como Im( A) C A y C A est generado por las columnas de A , para determinar
una base y la dimensin del espacio imagen basta con ver cules de los vectores
columnas que generan C A son linealmente independientes para formar una base
de C A y por lo tanto de Im(A) .
UNNOBA
25
Ejemplo:
2 1 1
A
1 2 3
2 1 2 1 2
2 1 1
1
2 2 1 0 5 0 5
1 3 1 3 0 5 0 0
Los 2 primeros son linealmente independientes.
( A) 2
2 1 1
A
1 2 3
2 1 1 1 2 3 1 2 3
A
1 2 3 2 1 1 0 5 5
( A) 2
pero
UNNOBA
26
3. Como ( A) ( A) n . Entonces ( A) n ( A)
Ejemplo:
2 1 1
A
1 2 3
Como ( A) 2
n 3 , resulta
( A) n ( A) 3 2 1
( A) 1
Aplicacin:
El clculo del rango lo empleamos para determinar si un sistema lineal homogneo tiene o no
solucin. Recordar que un sistema homogneo A X B es compatible si ( A) ( A' ) e
incompatible en caso contrario, siendo A la matriz de los coeficientes y A' la matriz ampliada.
UNNOBA