Académique Documents
Professionnel Documents
Culture Documents
Ejemplo 38.
n
1.- El conjunto
,( n n1 ) de n-adas de nmeros reales con la suma y
multiplicacin por escalares definidas por:
Si x, y
x y x1 y1 , x2 y2 ,,..., xn yn
Nota: el vector 0 de
2.- El conjunto
3.- El conjunto
sobre
Notas de curso
mn
y x x1 , x2 ,..., xn , donde
t
es 0 0, 0,..., 0
mn
lgebra Lineal
de funciones de 0,1 a
, es un espacio vectorial
y f :[0,1] ,
f g :[0,1]
5.- Sea V
xn
Nota: El vector 0 de
0 0 0 x 0 x2 ... 0 xn
es
el
polinomio
cero
polinomio
nulo:
Ejercicios
1.- Sea V
x, y
t
3.- Es
x, y
donde las
x, y
y el campo
de nmeros
4.- Sea V un espacio vectorial sobre el campo K . Demuestra que el vector nulo 0 de
V es el nico con la propiedad: v 0 v, v V
Notas de curso
lgebra Lineal
Notas de curso
lgebra Lineal
(A3), (M2), (M3), (M4) y (M5). As solo resta probar que se satisfacen las propiedades
(A4) y (A5). Ahora como W , sea v W
(1)v W por 2), pero (1)v v , luego v W , pero v (v) 0 y adems
v (v) W , luego 0 W
Se satisfacen las propiedades (A4) y (A5)
W es un subespacio vectorial de V
Ejemplo 39.
1.- Todo espacio vectorial V tiene al menos dos subespacios, V es un subespacio de s
mismo y el conjunto W 0 es tambin un subespacio de V , llamado subespacio
trivial.
sobre
y sea W
x, 0
, entonces W
es un
. (Comprobar)
22
sobre
0 x
y sea W
x, y
y 0
. Entonces W
es un subespacio de V . (Comprobar)
Definicin 37.- Sea V un e.v. sobre un campo F y sean v1 , v2 ,..., vr V . Se dice que el
vector v V es una combinacin lineal de los vectores v1 , v2 ,..., vr si existen escalares
1 , 2 ,..., r F tales que v 1v1 2v2 ... r vr
Notas de curso
lgebra Lineal
Ejemplo 40.
3
sobre
. Sean v1 1, 2, 1 , v2 6, 4, 2
t
Solucin:
tales que v 1v1 2v2 . As:
Hallemos escalares 1 , 2
t
t
t
t
9, 2,7 1 1, 2, 1 2 6, 4, 2 1 62 , 21 42 , 1 22
1 62 9
21 42 2
1 22 7
Resolviendo el sistema: 1 3 y 2 2
v es combinacin lineal de v1 y v2
2.- Sea V
sobre
. El vector v 2,1
t
y v2 2,0 .
t
Solucin:
Ya que no existen escalares 1 , 2
Notas de curso
lgebra Lineal
Ejemplo 41.
1.- Sea V
2
sobre
1
0
y sea S e1 , e2 , donde e1 , e2 , entonces
0
1
Demostracin:
Es claro que S
x
Sea v
y
v S ,
S .
x x 0
1
0
x y xe1 ye2
y 0 y
0
1
2
S ,
sobre
y sea
S e1 , e2 ,..., en
, donde
xn
sobre
. Entonces
V S .
Demostracin:
Es claro que S V , veamos que V S .
Sea P( x) V , donde P( x) a0 a1 x a2 x 2 ... an x n
P( x) a0 (1) a1 ( x) a2 ( x 2 ) ... an ( x n )
P( x) S , V S , V S
22
y sean
1 0
0 1
0 0
0 0
v1
, v2
, v3
, v4
.
0 0
0 0
1 0
0 1
genera a V .
Notas de curso
Entonces
S v1 , v2 , v3 , v4
lgebra Lineal
Demostracin:
Es claro que S V . Probemos que V S . Sea v
22
a b
, entonces v
c d
1 0 0 1 0 0
0 0
v a
b
c
d
v S , V S , V S
0 0 0 0 1 0
0 1
sobre
[ x] sobre
y sean
Notas de curso
lgebra Lineal
Definicin 40.- Sea V un e.v. sobre F y sea {v1 , v2 ,..., vn } V se dice que es
linealmente independiente (l.i.) si toda combinacin lineal de los vectores de ,
igualada a 0 implica que todos los escalares de la c.l. son cero. Es decir si
1v1 2v2 ... nvn 0 entonces 1 2 ... n 0 .
En caso contrario se dice que es linealmente dependiente (l.d.). Es decir es l.d. si
existe una c.l. 1v1 2v2 ... nvn 0 con algn i 0 .
Ejemplo 42:
1.- Consideremos el e.v.
sobre
o l.d.?
Solucin:
Como 1v1 2v2 0 o sea (4, 2)t 2(2,1)t 0
es l.d.
2.- Sea
sobre
l.d.?
Solucin:
Sea 1v1 2v2 0
1 (1, 2)t 2 (5, 6)t (0, 0)t
(1 52 , 21 62 ) (0, 0)t
1 52 0
21 62 0
1 5
Si A
, entonces | A | 4 0
2 6
A es invertible por lo cual el sistema tiene una nica solucin (la trivial)
1 2 0
es l.i.
Notas de curso
lgebra Lineal
3.- Sea
sobre
Si A 3 1 3 , entonces | A | 3 1 3 3 1 3 0
1 1 1
1 1 1
1 1 1
es l.d.
2x2
Ejercicio.- Sea el espacio vectorial
sobre
1 0
0 1
0 0
0 0
v1
, v2
, v3
, v4
,
0 0
0 0
1 0
0 1
{v1 , v2 , v3 , v4 } es l.i.
el
campo
demuestra
sean
que
Notas de curso
lgebra Lineal
Teorema: Sea V un e.v. sobre F y sea S {v1 , v2 ,..., vn } V , con S l.i. y sea v V ,
entonces S {v} es l.i. v S
Demostracin:
) Por hiptesis tenemos que S {v} es l.i. y queremos probar que v S . Por
contradiccin, supongamos que v S
1v1 2v2 ... nvn v 0 con al menos un escalar distinto de cero. Ntese que
0 , ya que en caso contrario, si 0
1v1 2v2 ... nvn 0 con al menos un i 0
S es l.d !! contradiccin porque S es l.i. por hiptesis.
v 1v1 v2 2 ... n vn
v 1 v1 2 v2 ... n vn
v S !! porque v S
S {v} es l.i.
Y ya.
Notas de curso
10
lgebra Lineal
b) R( A) {b F m | x F n , Ax b}
x1
x1 b1
x
x
b
b F m | x 2 , A 2 2
xn
xn bm
a11
a
Pero 21
an1
a12
a22
...
...
...
an 2
...
a1n x1 b1
a2 n x2 b2
ann xn bm
x1
x2
R ( A) b F | x
, b x1 A*1 x2 A*2 ... xn A*n
xn
x1
x
n
c) N ( At ) { y F m | At y 0nx1}
{ y F m | y t A 01xn }
d) R( At ) {c F n | y F m , c At y}
At *1 , At *2 ,..., At *m
A1* , A2* ,..., Am*
Se denomina espacio rengln de A
Notas de curso
11
lgebra Lineal
b) N ( A) 0
c) Rango( A) n
Demostracin:
a) b)
Es obvio que {0} N ( A) as probamos que N ( A) {0}
Sea x N ( A), x ( x1 , x2 , x3 ,..., xn )t , Ax 0
x1 A*1 x2 A*2 ... xn A*n 0
b) c) ya est probado.
Por ltimo probemos b) a)
As, probemos que las columnas de A son l.i.
Consideremos la c.l. 1 A*1 2 A*2 ... n A*n 0
Como A 1 , 2 ,..., n 0,0,...,0 , donde s 1 , 2 ,..., n
t
W un subespacio de
Notas de curso
nxn
sobre
y sea W {A aij
nxn
| aij , i j} Es
12
lgebra Lineal
2.- Sea A una matriz de orden mxn de rango n. Si 1 {v1 , v2 ,..., vr } es un conjunto de
vectores l.i. en
Teorema: Sea A F nxn entonces det( A) 0 A*1 , A*2 ,..., A*n son l.i.
Demostracin:
det( A) 0 A es invertible
Y ya.
Notas de curso
13
lgebra Lineal
Ejercicio.- Sea A F nxn si las columnas de A son l.i., Tambin lo son los renglones
de A?
Y ya.
3.6
Definicin 42: Sea V un e.v. sobre un campo F . Una base para V es un subconjunto
de V tal que:
a) es l.i.
b) genera a V es decir V .
Definicin 43: Sea V un e.v. sobre un campo F . Se dice que V es de dimensin finita
si V tiene una base finita (es decir tiene un numero finito de elementos) o si
Notas de curso
14
lgebra Lineal
Ejemplos 42:
1.- Consideremos e.v.
sobre
es 1 .
Demostracin:
1) Veamos que es l.i.
Sea x(1) 0 x 0 .
Entonces es l.i.
2) Veamos que
Sea r
1 es una base de
sobre
.
2
entonces
1 , y como 1
sobre
En efecto:
1)Veamos que es l.i.
t
t
t
Sea 1 (1,0) 2 (1,1) (0,0)
(1 2 , 2 )t (0, 0)t
1 2 0 y 2 0
1 2 0
v ( x, y)t
1 , 2
tales que
Notas de curso
2 y
2
15
lgebra Lineal
n
4.- Consideremos el espacio vectorial
sobre
. Una base para
t
t
t
(1,0,0,...,0) ,(0,1,0,...,0) ,...,(0,0,0,...,1) , llamada base cannica de n .
xn
sobre
xn .
xn
es
es
2x2
6.- Consideremos el espacio vectorial
sobre el campo
y sean
1 0
0 1
0 0
0 0
v1
, v2
, v3
, v4
. Entonces {v1 , v2 , v3 , v4 } es
0 0
0 0
1 0
0 1
una base para 2 x 2 .
Ejercicios:
1.- Consideremos el e.v.
W ( x, y, z )t 3 | 2 x 3 y z 0
sobre
sea
el
conjunto
3x3
de las matrices
Notas de curso
16
lgebra Lineal
nm
Y ya.
Ejemplo 43:
1.- dim
1 , dim
2 , en general dim
n .
Notas de curso
17
lgebra Lineal
[ x]n n 1
3.- dim
sobre
es l.i.
Teorema: Sea V un e.v. generado por un conjunto finito de vectores {v1 , v2 ,..., vn } .
Entonces todo conjunto l.i. de vectores de V es finito y adems no contiene ms de n
elementos.
Ejercicios:
1.- En
base de
El conjunto {(1,3, 2)t ,( ,0,1)t ,(e15 ,5.2,1)t ,(4, 5 13, 2)t } puede ser una
3
?
3x3
Es
W1 A V | A At
W2 A V | A At
Halla una base para W1 , una base para W2 y dim W1 W2
Notas de curso
18
lgebra Lineal
Notas de curso
19
lgebra Lineal
b) V W1 W2 y W1 W2 0
Ejercicio: Sea
a 0
W2
a, b
b 0
2x2
sobre
a b
un e.v. y sean W1
a, b
0
0
Teorema: Sea A
mn
Teorema: Sea A
mn
Notas de curso
20
lgebra Lineal
Ejemplo 44.1 2 1
1.- Sea A 1 0 2 , halla una base para R( A) y una base para R( At ) .
5 6 7
Solucin:
1 2 1
1 2 1
1 2 1
A 1 0 2 R2 R1 0 2 1
0 2 1
5 6 7 R 5R 0 4 2 R 2 R 0 0 0
1
2
3
3
1 2
1 1 , 0 es una base para R( A) y 2 1 2 1, 0
5 6
para R( At ) . dim R( A) 2 y dim R( At ) 2
1 0
0
0
2.- Extiende el conjunto l.i S , a una base de
1 1
2 2
2 1 es una base
Solucin:
1 0
0 0
Consideremos la matriz A
1 1
2 2
1 0 0 0
0 1 0 0
.
0 0 1 0
0 0 0 1
1 0
0 1
A
0 0
0 0
# 4 dim
Notas de curso
1 0 0 0
1
1 0 0
0 0 1 0
2 E
,
,
,
es l.i y como
A
0 1 0 0
1
1
0
1
1
2
2
0
0
0 0 1
2
4
, entonces es una base de 4 que contiene a S .
1 0 0
21
lgebra Lineal
Teorema.- Sea A
mn
x1
x2
S x
x xl1 h1 xl2 h2 ... xlnr hn r
x
n
Ejemplo 45.1 2 2 3
1.- Sea A 2 4 1 3 , halla una base para N ( At ) y una base para N ( A) .
3 6 1 4
Solucin: Para encontrar una matriz no singular P tal que PA U est en su forma
escalonada, procedemos a reducir la matriz aumentada A I a U P .
1
1 2 2 3 1 0 0
1 2 0 1 3
A I 2 4 1 3 0 1 0 ... 0 0 1 1 2 3
3 6 1 4 0 0 1
0 0 0 0 1
0
3
1
0 U P
5
1
3
2
1
0
3
3
1
0
Entonces P
3
3
5
1
3
3
Notas de curso
13
22
lgebra Lineal
x1
1 2 0 1 0
x
Entonces 0 0 1 1 2 0 .
0 0 0 0 x3 0
x
4
x1 2 x2 x4 0
Luego
x3 x4 0
x1 2 x2 x4
Entonces
x3 x4
x1
2 x2 x4
2
1
x2
x2
1
0
Entonces S
x2
x4 , x2 , x4
x x
0
1
x3
x4
x4
0
1
x4
2 1
0
1
Por lo tanto una base para N ( A) es 2 , .
0 1
0 1
rango( A) n
N ( A ) 0 rango( A) m
a) N ( A) 0
b)
mn
, entonces:
a)
R( A) N ( At )
b)
R( At ) N ( A)
Notas de curso
23
lgebra Lineal
A es una matriz de m p y B
rango( AB) rango( B) dim N ( A) R( B)
Si
es una matriz de
p n , entonces
O de manera equivalente:
Notas de curso
24