Académique Documents
Professionnel Documents
Culture Documents
=
22 21
12 11
a a
a a
A y
(
=
22 21
12 11
b b
b b
B es la matriz
(
+ +
+ +
=
22 22 21 21
12 12 11 11
b a b a
b a b a
C y
que el producto del real k por la matriz A es igual a
(
=
22 21
12 11
ka ka
ka ka
kA . La matriz
nula en este espacio es
(
=
0 0
0 0
O y por supuesto
(
=
22 21
12 11
a a
a a
A es la matriz
opuesta a la matriz A.
SUBESPACIOS VECTORIALES.
Sea V = (V, +, K, ) un espacio vectorial. Sea adems W un subconjunto no vaco de
vectores de V; en smbolos, WV , W . Si ocurre que (W, +, K, ) es un espacio
vectorial por s mismo, entonces W se denomina subespacio vectorial de V.
Para que W sea subespacio de V deben cumplirse dos condiciones:
i) Si w
1
, w
2
W entonces w
1
+ w
2
W
ii) Si K, w
1
W entonces w
1
W
Nota.- Si el vector nulo de V no est en W, entonces W no es subespacio de V.
Para demostrar que W es subespacio del espacio V:
i) Verificar que W no sea vaco
ii) Verificar que W sea subconjunto de V
iii) Verificar que el vector nulo de V pertenezca a W
iv) Para cualesquiera vectores u, v de W y para cualesquiera escalares , ,
verificar que u+v es un vector de W y que u es tambin un vector de W.
SUBESPACIOS TRIVIALES. SUBESPACIOS PROPIOS.
Sea V = (V, + , R , ) espacio vectorial. Los subespacios
V (el mismo espacio vectorial)
V
o
= { }
6
se denominan subespacios triviales de V y existen para cada espacio vectorial V. Todos
los subespacios de V que no sean triviales se denominan subespacios propios.
LOS SUBESPACIOS DE R
3
.
En el espacio vectorial R
3
= (R
3
, + , R , ) tenemos que los subespacios triviales son el
mismo R
3
y el subespacio R
3
o
= ( { (0, 0, 0) }, + , R , ). Existirn en R
3
subespacios
propios?
El conjunto W = { v R
3
: v = ku, k R ; u } es un subespacio de R
3
.
Geomtricamente este subespacio representa una recta que pasa por el origen en R
3
.
Ejemplo 1.- W = { v R
3
: v = (t, t, 2t), t R }
Ejemplo 2.- W = { (x, y, z) : x = 3y = 2z }
Ejemplo 3.- W = { (x, y, z) : x+2y=z x+y=0 }
El conjunto W = { w R
3
: w = tu + rv; t, u R ; u kv } es un subespacio de R
3
, que
geomtricamente es un plano que pasa por el origen en R
3
.
Ejemplo 4.- W = { v R
3
: v = (t, r, r 2 t); r, t R }
Ejemplo 5.- W = { (x, y, z) : x+y+z = 0 }
Ejemplo 6.- W = { (x, y, z) : x=t, y=w+t, z=w }
Para sintetizar, los subespacios propios de R
3
son de dos tipos: rectas que pasan por el
origen y planos que pasan por el origen.
El conjunto de vectores W = { (x, y, z) : x +y+2z = 1 } no es un subespacio de R
3
.
El conjunto de vectores W = { (x, y, z) : x
2
+y
2
= 1 } no es un subespacio de R
3
.
CPSULAS LINEALES. GENERADORES.
Sea V un espacio vectorial y sea S = { v
1
, v
2
, ... , v
m
} un conjunto de m vectores en V.
La expresin c
1
v
1
+ c
2
v
2
+ ... + c
m
v
m
donde c
1
, c
2
, ..., c
m
son escalares se denomina
combinacin lineal de los vectores de S. Llamaremos cpsula lineal de S al conjunto de
todas las combinaciones lineales posibles que pueden construirse de esta forma:
lin(S) = { u V : u = c
1
v
1
+ c
2
v
2
+ ... +c
m
v
m
}
Este conjunto tambin se denomina conjunto generado por S.
Se demuestra que lin(S) es un subespacio de V; se dice que lin(S) es generado por S. A
su vez, los vectores de S se dicen generadores del espacio lin(S).
Ejemplo 7.- Si S = { (1, 1, 2) } entonces lin(S) es un recta que pasa por el origen en
R
3
. Queda hallar las ecuaciones de esta recta.
7
Ejemplo 8.- Si S = { (1, 1, 1), (0, 2, 1) } entonces lin(S) es un plano que pasa por el
origen en R
3
. Queda hallar la ecuacin de este plano.
Ejemplo 9.- Los vectores (1, 2, 3) y (1, 1, 0) generan W = { (x, y, z) : x+y z =0 }
siendo W subespacio propio del espacio R
3
.
Ejemplo 10.- Los conjuntos S = { (1, 0, 2), (1, 1, 3) } y T = { (0, 1, 1) , (3, 5, 1) } son
tales que lin(S) = lin(T), es decir, generan el mismo subespacio de R
3
. Queda hallar la
expresin del subespacio generado por ambos conjuntos.
DEPENDENCIA E INDEPENDENCIA LINEAL.
Dado S = { v
1
, v
2
, ... , v
m
} conjunto de m vectores en el espacio vectorial V, formemos
la igualdad
c
1
v
1
+ c
2
v
2
+ ... + c
m
v
m
= (*)
Si elegimos c
1
= 0, c
2
= 0, ... , c
m
= 0 entonces (*) se verifica por lo cual sta ser
siempre una solucin llamada solucin trivial. Si la solucin trivial es la nica aceptada
por (*) entonces S se dice linealmente independiente que los vectores de S son
independientes. Si adems de la solucin trivial existen para (*) otras soluciones no
triviales (es decir valores no todos simultneamente nulos para c
1
, c
2
, etc.) diremos que
S es linealmente dependiente que los vectores de S son dependientes. La dependencia
independencia lineal de un conjunto de vectores es una caracterstica excluyente; vale
decir, o bien S es linealmente independiente o bien es dependiente.
Nota.- Cualquier conjunto de vectores que contenga al vector nulo del espacio vectorial
es linealmente dependiente.
Nota.- Un conjunto de vectores S es linealmente dependiente si uno de sus vectores
puede escribirse como combinacin lineal del resto de los vectores
Nota.- Sean S y T dos conjuntos no vacos de vectores en el espacio V con S T.
Entonces:
a) Si S es linealmente dependiente, entonces T es linealmente dependiente. (Si S es
independiente no puede afirmarse nada acerca de T)
b) Si T es linealmente independiente entonces S es linealmente independiente. (Si T es
linealmente dependiente entonces no puede afirmarse nada acerca de S)
Ejemplo 11.- S = { (1, 2) , (2, 3) } es L.I. en R
2
.
Ejemplo 12.- P = { (2, 3), (0, 0) } es L.D. en R
2
,
Ejemplo 13.- T = { (1, 3) , (2, 6) } es L.D. en R
2
.
Ejemplo 14.- A = { (1, 0), (0, 1), (2, 3) } es L.D. en R
2
Ejemplo 15.- B = { (1, 1, 1) , (1, 1, 0), (1, 0, 0) es L.I. en R
3
Ejemplo 16.- C = { (1, 2, 1) , (3, 2, 2), (2, 0, 1) } es L.D. en R
3
Ejemplo 17.- D = { (1, 2, 3), (2, 1, 0) } es L.I. en R
3
Ejemplo 18.- E = { (1, 1, 2), (2, 2, 4) } es L. D. en R
3
Ejemplo 19.- F = { (1, 0, 0), (0, 1, 0), (0, 0, 1) } es L.I. en R
3
Ejemplo 20.- F = { (1, 0, 0), (0, 1, 0), (0, 0, 1), (1, 2, 3) } es L.D. en R
3
Ejemplo 21.- G = { (2, 1, 3), (0, 0, 0) es L.D. en R
3
Ejemplo 22.- H = { 1+x, x+x
2
, 1+x
2
} es L.I. en P
2
Ejemplo 23.- K = { 1+x, x+x
2
, (1+x)
2
} es L.D. en P
2
Ejemplo 24.- L = { 1 x, 1+x } es L.I. en P
1
y en P
2
8
BASES Y DIMENSIN.
Un conjunto S = { v
1
, v
2
, ... , v
n
} de vectores en un espacio vectorial V se dice que
conforma una base de V si:
a) S es linealmente independiente
b) lin(S) = V; es decir, S genera al espacio vectorial V.
Si es finito el nmero de vectores de una base del espacio estudiado, entonces este
nmero se denomina dimensin del espacio y es el mismo para cualquier base de tal
espacio. La dimensin del espacio V se denota dim(V).
Bases cannicas.- Se denominan bases cannicas a las bases ms sencillas para los
principales espacios vectoriales. Tambin reciben el nombre de bases usuales,
ordinarias o triviales.
La base cannica de R
2
es B = { e
1
, e
2
} = { (1, 0) , (0, 1) }.
Una base no cannica de R
2
se presenta en el ejemplo 11.
La base cannica de R
3
es B = { e
1
, e
2
, e
3
} = { (1, 0, 0), (0, 1, 0), (0, 0, 1) }
Una base no cannica de R
3
se presenta en el ejemplo 15.
Nota.- dim(R
n
) = n.
La base cannica de P
1
es B = { 1, x }
La base cannica de P
2
es B = { 1, x, x
2
}
Una base no cannica de P
2
es B = {1, 1+x, 1+x+x
2
}
Nota.- dim(P
n
) = n+1.
La base cannica de R
2x2
es
)
`
=
1 0
0 0
,
0 1
0 0
,
0 0
1 0
,
0 0
0 1
B y es evidente
que dim( R
2x2
) = 4. En general, dim (R
nxm
) = nm.
Nota.- Si W es subespacio del espacio vectorial V, entonces 0 dim(W) dim (V).
Nota.- Si U es el espacio trivial de V que consta nicamente del vector nulo, se
conviene en afirmar que dim (U ) = 0 y que este espacio no cuenta con base alguna.
Vector de coordenadas.- Sea B = { u
1
, u
2
, ... , u
n
} base del espacio vectorial V, y sea
v un vector cualquiera de V. Se denomina vector de coordenadas de v con respecto a B
al vector
(v)
B
= ( c
1
, c
2
, ... , c
n
)
donde
c
1
u
1
+ c
2
u
2
+ ... + c
n
u
n
= v
La matriz de coordenadas [v]
B
es un vector de R
nx1
con las mismas componentes que el
vector de coordenadas.