Académique Documents
Professionnel Documents
Culture Documents
130
CAPÍTULO 4: ESPACIOS VECTORIALES ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
⎡ X1 ⎤ ⎡0 ⎤ ⎡ cX1 ⎤ ⎡ cY1 ⎤ ⎡ X1 ⎤ ⎡ Y1 ⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
X 0 cX cY X Y
3. Si α = ⎢ 2 ⎥ tal que α∈V entonces ∃ θ ∈ V; θ = ⎢ ⎥ , tal que: = ⎢ 2 ⎥ + ⎢ 2 ⎥ = c• ⎢ 2 ⎥ + c• ⎢ 2 ⎥ = c•α + c•β
⎢ M ⎥ ⎢M⎥ ⎢ M ⎥ ⎢ M ⎥ ⎢ M ⎥ ⎢ M ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢⎣X n ⎥⎦ ⎢⎣0⎥⎦ ⎢⎣cX n ⎥⎦ ⎢⎣cYn ⎥⎦ ⎢⎣X n ⎥⎦ ⎢⎣Yn ⎥⎦
⎡ X1 ⎤ ⎡0⎤ ⎡ X1 ⎤ ⎡ X1 ⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
X 0 X X
α +θ = ⎢ 2⎥ + ⎢ ⎥ = ⎢ 2⎥ = α 7. Si α = ⎢ 2 ⎥ tal que α∈V y c, d∈ℜ entonces:
⎢ M ⎥ ⎢M⎥ ⎢ M ⎥ ⎢ M ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢⎣X n ⎥⎦ ⎢⎣0⎥⎦ ⎢⎣X n ⎥⎦ ⎢⎣X n ⎥⎦
⎡ X1 ⎤ ⎡ − X1 ⎤ ⎡ X1 ⎤ ⎡ (c + d )X1 ⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
X − X2 ⎥ X (c + d ) X 2 ⎥
4. Si α = ⎢ 2 ⎥ tal que α∈V entonces ∃ (-α) ∈ V; (−α) = ⎢ , tal (c + d ) • α = (c + d ) • ⎢ 2 ⎥ = ⎢ )
⎢ M ⎥ ⎢ M ⎥ ⎢ M ⎥ ⎢ M ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢⎣X n ⎥⎦ ⎢⎣− X n ⎥⎦ ⎢⎣X n ⎥⎦ ⎢⎣(c + d )X n ⎥⎦
que: ⎡ cX 1 + dX 1 ⎤ ⎡ cX 1 ⎤ ⎡ dX 1 ⎤
⎡ X1 ⎤ ⎡ − X1 ⎤ ⎡ X1 + (−X1 ) ⎤ ⎡ X1 − X1 ⎤ ⎡0⎤ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
cX + dX 2 ⎥ ⎢cX 2 ⎥ ⎢dX 2 ⎥
⎢ ⎥ ⎢
X
⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
− X 2 ⎥ ⎢ X 2 + ( − X 2 ) ⎥ ⎢ X 2 − X 2 ⎥ ⎢0 ⎥ =⎢ 2 = +
⎢ ⎥ ⎢ M ⎥ ⎢ M ⎥
α + ( −α ) = ⎢ 2 ⎥ + ⎢ = = = =θ ⎢
M
⎥ ⎢ ⎥ ⎢ ⎥
⎢ M ⎥ ⎢ M ⎥ ⎢ M ⎥ ⎢ M ⎥ ⎢M ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢⎣cX n + dX n ⎥⎦ ⎢⎣cX n ⎥⎦ ⎢⎣dX n ⎥⎦
⎣⎢X n ⎦⎥ ⎣⎢− X n ⎦⎥ ⎣⎢X n + (−X n )⎦⎥ ⎣⎢X n − X n ⎦⎥ ⎣⎢0⎦⎥
⎡ X1 ⎤
⎢ ⎥ ⎡ X1 ⎤ ⎡ X1 ⎤
X
5. Si α = ⎢ 2 ⎥ tal que α∈V entonces: ⎢ ⎥
X
⎢ ⎥
X
⎢ M ⎥
⎢ ⎥ = c• ⎢ ⎥ + d • ⎢ 2 ⎥ = c• α + d •β
2
⎢ M ⎥ ⎢ M ⎥
⎣⎢X n ⎦⎥ ⎢ ⎥ ⎢ ⎥
⎣⎢X n ⎦⎥ ⎣⎢X n ⎦⎥
⎡ X1 ⎤ ⎡1.X1 ⎤ ⎡ X1 ⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎡ X1 ⎤
X 1.X X
1•α = 1 • ⎢ 2 ⎥ = ⎢ 2 ⎥ = ⎢ 2 ⎥ = α . ⎢ ⎥
X
⎢ M ⎥ ⎢ M ⎥ ⎢ M ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ 8. Si α = ⎢ 2 ⎥ tal que α∈V y c, d∈ℜ entonces:
⎢ M ⎥
⎣⎢X n ⎦⎥ ⎣⎢1.X n ⎦⎥ ⎣⎢X n ⎦⎥ ⎢ ⎥
⎣⎢X n ⎦⎥
⎡ X1 ⎤ ⎡ Y1 ⎤
⎢ ⎥ ⎢ ⎥ ⎡ X1 ⎤ ⎡ (cd)X1 ⎤ ⎡ dX1 ⎤ ⎡ X1 ⎤
X Y
6. Si α = ⎢ 2 ⎥ , β = ⎢ 2 ⎥ tales que α, β∈V y c∈ℜ entonces: ⎢ ⎥ ⎢
X ( cd ) X
⎥ ⎢
dX
⎥ ⎢ ⎥
⎢ M ⎥ ⎢ M ⎥
(cd) • α = (cd ) • ⎢ ⎥ = ⎢
2 2 ⎥ = c•⎢ 2 ⎥ = c • (d • ⎢ X 2 ⎥ ) = c • (d • α )
⎢ ⎥ ⎢ ⎥ ⎢ M ⎥ ⎢ M ⎥ ⎢ M ⎥ ⎢ M ⎥
⎣⎢X n ⎦⎥ ⎣⎢Yn ⎦⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎣⎢X n ⎦⎥ ⎣⎢(cd)X n ⎦⎥ ⎣⎢dX n ⎦⎥ ⎣⎢X n ⎦⎥
⎡ X1 ⎤ ⎡ Y1 ⎤ ⎡ X1 + Y1 ⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
X Y X + Y2 ⎥
c • (α + β) = c • ( ⎢ 2 ⎥ + ⎢ 2 ⎥ ) = c • ( ⎢ 2 ) Luego, V es un espacio vectorial.
⎢ M ⎥ ⎢ M ⎥ ⎢ M ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ Observación:
⎣⎢X n ⎦⎥ ⎣⎢Yn ⎦⎥ ⎣⎢X n + Yn ⎦⎥
⎡ c(X1 + Y1 ) ⎤ ⎡ cX1 + cY1 ⎤ Las operaciones de adición y multiplicación por escalares de ℜn del ejemplo
⎢ ⎥ ⎢ ⎥ anterior son las operaciones usuales. De ahora en adelante, cada vez que se
c(X 2 + Y2 ) ⎥ ⎢ cX 2 + cY2 ⎥
=⎢ = mencione a ℜn como espacio vectorial se supondrá que es con las operaciones
⎢ M ⎥ ⎢ M ⎥
⎢ ⎥ ⎢ ⎥ de adición y multiplicación por escalares usuales, salvo que se mencione lo
⎣⎢ c ( X n + Y )
n ⎦ cX
⎥ ⎣⎢ n + cYn⎦⎥ contrario.
131 132
CAPÍTULO 4: ESPACIOS VECTORIALES ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
= an xn + an−1xn−1 + ...+ a0 + bn xn + bn−1xn−1 + ...+ b0 + cn xn + cn−1xn−1 + ...+ c0 Sea V = {5}. En V no está definida la operación de adición ya que
n n−1 n n−1 n n−1 5+5 = 10∉V. Luego, V no es un espacio vectorial.
= (an x + an−1x +...+ a0 + bn x + bn−1x +...+ b0 ) + cn x + cn−1x +...+ c0
= (α + β) + δ Ejemplo 4.5.
3. Si α = a n x n + a n −1 x n −1 + ... + a 0 tal que α∈V entonces ∃ θ ∈ V;
Sea V el conjunto de matrices en M2x2(ℜ) con la suma y multiplicación por
θ = 0x n + 0x n −1 + ... + 0 = 0, tal que: escalares definidas por:
α + θ = (a n x n + a n −1x n −1 + ... + a 0 ) + 0 = a n x n + a n −1x n −1 + ... + a 0 = α
⎡ X1 X2 ⎤ ⎡ Y1 Y2 ⎤ ⎡ X1 + Y1 + 1 X 2 + Y2 + 1⎤
4. Si α = a n x n + a n −1x n −1 + ... + a 0 tal que α∈V entonces ∃ (-α) ∈ V; ⎢ ⎥ + ⎢ ⎥ = ⎢ ⎥ y
⎣X 3 X4 ⎦ ⎣Y3 Y4 ⎦ ⎣X 3 + Y3 + 1 X 4 + Y4 + 1⎦
(−α) = −a n x n − a n −1x n −1 − ... − a 0 , tal que:
⎡X X2 ⎤ ⎡ c + cX1 − 1 c + cX 2 − 1⎤
c•⎢ 1 ⎥ = ⎢ ⎥
α + (−α) = a n x n + a n −1x n −1 + ... + a 0 + (−a n x n − a n −1x n −1 − ... − a 0 )
⎣X 3 X4 ⎦ ⎣c + cX 3 − 1 c + cX 4 − 1⎦
133 134
CAPÍTULO 4: ESPACIOS VECTORIALES ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
⎡X X2 ⎤ ⎡ Y1 Y2 ⎤ ⎡ X + Y1 + 1 X 2 + Y2 + 1⎤ ⎡ −1 −1⎤
V es un espacio vectorial ya que definiendo α = ⎢ 1 ⎥,β= ⎢ ⎥ y ⇒ ⎢ 1 ⎥ = ⎢ ⎥
⎣X 3 X4 ⎦ ⎣Y3 Y4 ⎦ X
⎣ 3 + Y3 + 1 X 4 + Y4 + 1⎦ ⎣− 1 − 1⎦
⎡Z Z2 ⎤ ⎧ X1 + Y1 + 1 = −1 ⎧ Y1 = −X1 − 2
δ= ⎢ 1 ⎥ se verifican las siguientes propiedades: ⎪ ⎪
⎣ Z3 Z4 ⎦ ⎪ X + Y + 1 = − 1 ⎪Y = − X 2 − 2
⇒ ⎨ 2 2
⇒ ⎨ 2
X
⎪ 3 + Y3 + 1 = −1 ⎪ Y3 = −X 3 − 2
⎡X X2 ⎤ ⎡ Y1 Y2 ⎤ ⎡ X1 + Y1 + 1 X 2 + Y2 + 1⎤ ⎪X 4 + Y4 + 1 = −1 ⎪Y4 = −X 4 − 2
⎩ ⎩
1. α+β= ⎢ 1 ⎥ + ⎢ ⎥ = ⎢ ⎥
⎣X 3 X4 ⎦ ⎣Y3 Y4 ⎦ ⎣X 3 + Y3 + 1 X 4 + Y4 + 1⎦ ⎡ −X − 2 −X 2 − 2 ⎤ ⎡ − X1 − 1 − 1 − X 2 − 1 − 1⎤
⇒ (-α) = ⎢ 1 ⎥ = ⎢ ⎥
⎡ Y + X1 + 1 Y2 + X 2 + 1⎤ ⎡ Y1 Y2 ⎤ ⎡ X1 X2 ⎤ ⎣ − X 3 − 2 − X 4 − 2 ⎦ ⎣− X 3 − 1 − 1 − X 4 − 1 − 1⎦
= ⎢ 1 ⎥= ⎢ ⎥ + ⎢ ⎥ = β + α.
⎣Y3 + X 3 + 1 Y4 + X 4 + 1⎦ ⎣Y3 Y4 ⎦ ⎣X 3 X4 ⎦ ⎡ −1 − X1 − 1 −1 − X 2 − 1⎤ ⎡ X1 X2 ⎤
= ⎢ ⎥ = (-1)• ⎢ ⎥
⎡X X2 ⎤ ⎡ Y1 Y2 ⎤ ⎡ Z1 Z2 ⎤ ⎣ − 1 − X 3 − 1 − 1 − X 4 − 1⎦ ⎣X 3 X4 ⎦
2. α + (β + δ) = ⎢ 1 ⎥ +( ⎢ ⎥ + ⎢ ⎥)
⎣X 3 X4 ⎦ ⎣Y3 Y4 ⎦ ⎣ Z3 Z4 ⎦ ⎡X X2 ⎤ ⎡1 + X1 − 1 1 + X 2 − 1⎤ ⎡ X1 X2 ⎤
5. (1)•α = (1)• ⎢ 1 ⎥= ⎢ ⎥ = ⎢ ⎥ =α
⎣X 3 X4 ⎦ ⎣1 + X 3 − 1 1 + X 4 − 1⎦ ⎣X 3 X4 ⎦
⎡X X2 ⎤ ⎡ Y1 + Z1 + 1 Y2 + Z 2 + 1⎤
= ⎢ 1 ⎥ + ⎢ ⎥ ⎡X X2 ⎤ ⎡ Y1 Y2 ⎤
⎣X 3 X4 ⎦ ⎣Y3 + Z3 + 1 Y4 + Z 4 + 1⎦ 6. c•(α + β) = c•( ⎢ 1 ⎥ + ⎢ ⎥)
⎣X 3 X4 ⎦ ⎣Y3 Y4 ⎦
⎡ X + (Y1 + Z1 + 1) + 1 X 2 + (Y2 + Z 2 + 1) + 1⎤
= ⎢ 1 ⎥ ⎡ X + Y1 + 1 X 2 + Y2 + 1⎤
⎣X 3 + (Y3 + Z3 + 1) + 1 X 4 + (Y4 + Z 4 + 1) + 1⎦ = c• ⎢ 1 ⎥
⎣X 3 + Y3 + 1 X 4 + Y4 + 1⎦
⎡ X + Y1 + Z1 + 1 + 1 X 2 + Y2 + Z 2 + 1 + 1⎤
= ⎢ 1 ⎥ ⎡ c + c(X1 + Y1 + 1) − 1 c + c(X 2 + Y2 + 1) − 1⎤
⎣X 3 + Y3 + Z3 + 1 + 1 X 4 + Y4 + Z 4 + 1 + 1⎦ = ⎢ ⎥
⎣c + c(X 3 + Y3 + 1) − 1 c + c(X 4 + Y4 + 1) − 1⎦
⎡ (X + Y1 + 1) + Z1 + 1 (X 2 + Y2 + 1) + Z 2 + 1⎤
= ⎢ 1 ⎥ ⎡ c + cX1 + cY1 + c − 1 c + cX 2 + cY2 + c − 1⎤
⎣(X 3 + Y3 + 1) + Z3 + 1 (X 4 + Y4 + 1) + Z 4 + 1⎦ = ⎢ ⎥
⎣c + cX 3 + cY3 + c − 1 c + cX 4 + cY4 + c − 1⎦
⎡ X + Y1 + 1 X 2 + Y2 + 1⎤ ⎡ Z1 Z2 ⎤
= ⎢ 1 ⎥ + ⎢ ⎥ ⎡ c + cX1 + cY1 + c − 1 + 1 − 1 c + cX 2 + cY2 + c − 1 + 1 − 1⎤
⎣X 3 + Y3 + 1 X 4 + Y4 + 1⎦ ⎣ Z3 Z4 ⎦ = ⎢ ⎥
⎣c + cX 3 + cY3 + c − 1 + 1 − 1 c + cX 4 + cY4 + c − 1 + 1 − 1⎦
⎡X X2 ⎤ ⎡ Y1 Y2 ⎤ ⎡ Z1 Z2 ⎤
=(⎢ 1 ⎥ + ⎢ ⎥)+ ⎢ ⎥ = (α + β) + δ ⎡ (c + cX1 − 1) + (c + cY1 − 1) + 1 (c + cX 2 − 1) + (c + cY2 − 1) + 1⎤
⎣X 3 X4 ⎦ ⎣Y3 Y4 ⎦ ⎣ Z3 Z4 ⎦ = ⎢ ⎥
⎣(c + cX 3 − 1) + (c + cY3 − 1) + 1 (c + cX 4 − 1) + (c + cY4 − 1) + 1⎦
⎡X X2 ⎤ ⎡ θ1 θ2 ⎤ ⎡ X1 X2 ⎤
3. α+θ=α⇒ ⎢ 1 ⎥ + ⎢ ⎥ = ⎢ ⎥ ⎡ c + cX1 − 1 c + cX 2 − 1⎤ ⎡ c + cY1 − 1 c + cY2 − 1⎤
⎣X 3 X4 ⎦ ⎣θ 3 θ4 ⎦ ⎣X 3 X4 ⎦ = ⎢
+ − + −
⎥ + ⎢ ⎥
⎣ c cX 3 1 c cX 4 1⎦ ⎣c + cY3 − 1 c + cY4 − 1⎦
⎡ X + θ + 1 X 2 + θ 2 + 1⎤ ⎡ X1 X2 ⎤
⇒ ⎢ 1 1 ⎥ = ⎢ ⎥ ⎡X X2 ⎤ ⎡ Y1 Y2 ⎤
⎣X 3 + θ3 + 1 X 4 + θ 4 + 1⎦ ⎣X 3 X4 ⎦ = c• ⎢ 1 ⎥ + c• ⎢ ⎥ = c•α + c•β
⎣X 3 X4 ⎦ ⎣Y3 Y4 ⎦
⎧ X1 + θ1 + 1 = X1 ⎧ θ1 + 1 = 0 ⎧ θ1 = −1
⎪ ⎪ ⎪ ⎡X X2 ⎤
⎪X 2 + θ 2 + 1 = X 2 ⎪θ2 + 1 = 0 ⎪θ = −1 7. (c+d)•α = (c+d)• ⎢ 1 ⎥
⇒ ⎨ ⇒ ⎨ ⇒ ⎨ 2 ⎣X 3 X4 ⎦
⎪ X 3 + θ3 + 1 = X 3 ⎪ θ3 + 1 = 0 ⎪θ3 = −1
⎪X 4 + θ 4 + 1 = X 4 ⎪θ4 + 1 = 0 ⎪θ 4 = −1 ⎡ c + d + (c + d )X1 − 1 c + d + (c + d )X 2 − 1⎤
⎩ ⎩ ⎩ = ⎢ ⎥
⎡ −1 −1⎤ ⎣c + d + (c + d )X 3 − 1 c + d + (c + d )X 4 − 1⎦
⇒ θ=⎢ ⎥
⎣− 1 − 1⎦ ⎡ c + d + cX1 + dX1 − 1 c + d + cX 2 + dX 2 − 1⎤
= ⎢ ⎥
⎡X X2 ⎤ ⎡ Y1 Y2 ⎤ ⎡ −1 −1⎤ ⎣c + d + cX 3 + dX 3 − 1 c + d + cX 4 + dX 4 − 1⎦
4. α + (-α) = θ ⇒ ⎢ 1 ⎥ + ⎢ ⎥ = ⎢ ⎥
⎣X 3 X4 ⎦ ⎣Y3 Y4 ⎦ ⎣− 1 − 1⎦
135 136
CAPÍTULO 4: ESPACIOS VECTORIALES ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
137 138
CAPÍTULO 4: ESPACIOS VECTORIALES ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
1. W es estable respecto a la adición, es decir, ∀ α, β ∈ W se cumple 1. Sean K un cuerpo y V un espacio vectorial sobre K. Para demostrar
que (α + β) ∈ W. que un subconjunto no vacío W de V es un subespacio de V basta
2. W es estable respecto a la multiplicación por escalares, es decir, ∀ con demostrar que:
α ∈ W, c ∈ K se cumple que (c•α) ∈ W.
1. θ ∈ W.
2. ∀ α, β ∈ W, c ∈ K se cumple que (c•α + β)∈W.
Teorema 4.2.
2. Sean K un cuerpo y V un espacio vectorial sobre K. Los conjuntos
Sean K un cuerpo y V un espacio vectorial sobre K. Si W es un subespacio de V y {θ} son subespacios de V denominados los subespacios
V entonces W es un espacio vectorial sobre K con las operaciones de adición y triviales de V. Los subespacios distintos a V y {θ} se denominan
multiplicación por escalares inducidas sobre W. subespacios propios.
139 140
CAPÍTULO 4: ESPACIOS VECTORIALES ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
c • α + β = c • (a m x m + a m −1x m −1 + ... + a 0 ) + (b m x m + b m −1x m −1 + ... + b 0 ) α + β ∈ W2. Por consiguiente, α + β ∈ W1 ∩ W2. Igualmente ∃ c ∈ K tal que
m m −1 m m −1
c•α ∈ W1 y tal que c•α ∈ W2. Por consiguiente c•α ∈ W1 ∩ W2. En
= ca m x + ca m−1x + ... + ca 0 + b m x + b m −1x + ... + b 0 consecuencia, W1 ∩ W2 es un subespacio de V.
m m −1
= (ca m + b m ) x + (ca m −1 + b m −1 ) x + ... + (ca 0 + b 0 ) ∈ W
Teorema 4.5.
ya que la suma y el producto de números reales es un número real. Sean K un cuerpo y V un espacio vectorial sobre K. Si W1 y W2 son
subespacios de V entonces W1 ∪ W2 es un subespacio de V si y sólo si
W es un subespacio propio de V = Pn.
W1 ⊆ W2 o W2 ⊆ W1.
Ejemplo 4.8. Demostración
En el ejemplo 4.1., si fijamos n = 1 se obtiene que V = ℜ es un espacio
CN(⇒): Sean K un cuerpo y V un espacio vectorial sobre K y W1 y W2
vectorial. Sea W = {3}. W no es un subespacio vectorial de V=ℜ ya que subespacios de V. Si W1 ∪ W2 es un subespacio de V entonces W1 ⊆ W2 o
0∉W. En general, V = ℜ no tiene subespacios propios.
W2 ⊆ W1.
Ejemplo 4.9.
Si W1 y W2 son subespacios de V y W1 ∪ W2 es un subespacio de V entonces
W1 ∩ W2 ≠ ∅. Utilicemos reducción al absurdo. Supongamos que no se
En el ejemplo 4.5., sea W el conjunto de matrices simétricas en M2x2(ℜ). W es
cumple que W1 ⊆ W2 o W2 ⊆ W1, es decir, W1 ⊄ W2 y W2 ⊄ W1. Esto
un subespacio de V ya que:
significa que W1 ∩ W2 = ∅, lo cual es una contradicción.
⎡ −1 −1⎤ ⎡ −1 −1⎤
1. θ=⎢ ⎥ ∈W ya que θ = ⎢ ⎥ es una matriz simétrica. CS(⇐): Sean K un cuerpo y V un espacio vectorial sobre K y W1 y W2
⎣− 1 − 1⎦ ⎣− 1 − 1⎦ subespacios de V. Si W1 ⊆ W2 o W2 ⊆ W1 entonces W1 ∪ W2 es un subespacio
⎡X X2 ⎤ ⎡ Y1 Y2 ⎤ de V.
2. Si α = ⎢ 1 ⎥,β= ⎢ ⎥ y c∈ℜ y α, β∈W entonces:
⎣X 3 X4 ⎦ ⎣Y3 Y4 ⎦ Si W1 ⊆ W2 o W2 ⊆ W1 entonces W1 ∪ W2 = W1 o W1 ∪ W2 = W2. Luego,
⎡X X2 ⎤ ⎡ Y1 Y2 ⎤ como W1 y W2 son subespacios de V entonces W1 ∪ W2 es un subespacio de
c•α + β = c• ⎢ 1 ⎥ + ⎢ ⎥ V.
⎣X 3 X4 ⎦ ⎣Y3 Y4 ⎦
Teorema 4.4.
Demostración
Figura 4.1.
Como W1 y W2 contienen a θ entonces W1 ∩ W2 ≠ ∅. Sean α, β ∈ W1 ∩ W2.
Luego, como W1 y W2 son subespacios de V entonces α + β ∈ W1 y
141 142
CAPÍTULO 4: ESPACIOS VECTORIALES ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
Observación: Demostración
αi ∈ S, i = 1, 2, …, n, dj ∈ K, βj ∈ S, j = 1, 2, …, m.
Definición 4.5.
En consecuencia,
Sean K un cuerpo y V un espacio vectorial sobre K. Sea S un subconjunto de
V. Se define como subespacio generado por S y se denota por [S] al conjunto: n m n m
(c•α + β) = (c• ∑c i • αi + ∑d j • βj ) = ( ∑ (cc ) • α i i + ∑d j • β j ) ∈ W.
[S] = I W i =1 j=1 i =1 j=1
W∈F (S)
Esto significa que W es un subespacio de V tal que S ⊆ W y por consiguiente
Observaciones: [S] ⊆ W (2).
1. [S] es el menor subespacio o subespacio más pequeño que contiene Finalmente, por (1) y (2) se deduce que W = [S].
a S, es decir, verifica las siguientes condiciones:
1.1. S ⊆ [S] Ejemplo 4.11.
1.2. Si U es un subespacio de V tal que S ⊆ U entonces
[S] ⊆ U. ⎡ 1⎤ ⎡ 2⎤
⎢ ⎥ ⎢ ⎥
2. [∅] = {θ}. Sean V = ℜ3 y S = { α1 = ⎢ 0⎥ , α 2 = ⎢3⎥ }. Determinemos explícitamente
⎢⎣ − 1 ⎥⎦ ⎢⎣5⎥⎦
Teorema 4.6.
[S].
Sean K un cuerpo y V un espacio vectorial sobre K. Si S es un subconjunto no
vacío de V entonces [S] es el conjunto formado por todas las combinaciones ⎡a ⎤
finitas de elementos de S, es decir, α ∈ [S] si y sólo si existen n ∈ ℵ*, vectores ⎢ ⎥
α = ⎢b⎥ ∈ [S] si y sólo si existen escalares c1, c2 ∈ ℜ tales que:
α1, α2, …, αn ∈ S y escalares c1, c2, …, cn ∈ K tales que: ⎢⎣ c ⎥⎦
n α = c1•α1 + c2•α2
α= ∑c • α
i =1
i i
Luego,
143 144
CAPÍTULO 4: ESPACIOS VECTORIALES ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
⎡a ⎤ ⎡ 1⎤ ⎡ 2⎤ ⎡ c1 ⎤ ⎡ 2c 2 ⎤ ⎡ c1 + 2c 2 ⎤ Demostración
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ ⎥b = c1 • ⎢ ⎥ 0 + c2 • 3
⎢ ⎥ = ⎢ 0 ⎥ + 3c
⎢ 2⎥ = ⎢ 3c 2 ⎥ 1. Por el teorema anterior [S2] es el conjunto formado por todas las
⎢⎣ c ⎥⎦ ⎢⎣ −1⎥⎦ ⎢⎣5⎥⎦ ⎢⎣− c1 ⎥⎦ ⎢⎣5c 2 ⎥⎦ ⎢⎣− c1 + 5c 2 ⎥⎦ combinaciones finitas de elementos de S2, es decir, β ∈ [S2] si y
sólo si existen n ∈ ℵ*, vectores β1, β2, …, βn ∈ S2 y escalares c1,
Esto es equivalente a resolver el sistema de ecuaciones lineales: c2, …, cn ∈ K tales que:
n
⎡ 1 2 a⎤ ⎡1 2 a ⎤
⎧ c1 + 2c 2 = a
⎪ ⎢ ⎥ ⎢ ⎥
β= ∑c • β i i
⎨ 3c 2 = b ⎢ 0 3 b ⎥3r → r3 + r1 ⎢0 3 b ⎥ i =1
⎪− c + 5c = c ⎢− 1 5 c ⎥ ⎢0 7 a + c ⎥
⎩ 1 2 ⎣ ⎦ ⎣ ⎦ A su vez, [S1] es el conjunto formado por todas las combinaciones
⎡ 3a − 2b ⎤ finitas de elementos de S1. Luego, como S1 ⊆ S2 entonces δ ∈ [S1]
⎡1 2 a ⎤ ⎢ 3 ⎥ si y sólo si δ se puede expresar como combinación lineal de los
⎢1 0 ⎥
1 ⎢ b ⎥ r1 → r1 − 2r2 ⎢ b ⎥
vectores β1, β2, …, βm ∈ S2, m < n, es decir,
r2 → r2 ⎢0 1 ⎥ r → r − 7r 0 1
3 ⎢ 3 ⎥ 3 3 2⎢ 3 ⎥
0 7a+c ⎢0 0 3a + 3c − 7 b ⎥ m
⎣ ⎦
⎢
⎣ 3
⎥
⎦
δ= ∑c
i =1
i • βi
3a + 3c − 7b
Este sistema es consistente si y sólo si = 0, es decir,
3 Y además se cumple que:
3a + 3c – 7b = 0. Luego,
m n n
⎡a ⎤
δ= ∑c
i =1
i • βi + ∑0 • β = ∑c
i = m +1
i
i =1
i • βi ; con cm+1 = cm+2 = … = cn = 0
⎢ ⎥ Por consiguiente, δ ∈ [S2] y se cumple que [S1] ⊆ [S2].
[S] = { ⎢b⎥ ∈ ℜ3: 3a + 3c – 7b = 0}
⎢⎣ c ⎥⎦
2. S1 – {α} ⊆ S1. Luego, por el apartado anterior [S1 – {α}] ⊆ [S1]
(3). Por hipótesis α ∈ S1 y α ∈ [S1 – {α}]. Luego, α ∈ [S1]. Por lo
3a + 3c – 7b = 0 ⇒ 3a = 7b – 3c ⇒ a = 7 b − c tanto, [S1] ⊆ [S1 – {α}] (4). Por (3) y (4) se cumple que [S1] = [S1
3
– {α}].
Luego,
4.5. INDEPENDENCIA Y DEPENDENCIA LINEAL.
⎡a ⎤ ⎡ 7 3 b − c⎤ ⎡7 ⎤ ⎡− 1⎤
⎢ ⎥ ⎢ ⎥ ⎢ 3⎥ ⎢ ⎥
⎢ ⎥b = ⎢ b ⎥ = b • ⎢ 1 ⎥ + c • ⎢0⎥
Definición 4.6.
⎢ ⎥ ⎢ ⎥
⎣⎢ c ⎦⎥ ⎣⎢ c ⎦⎥ 0
⎣⎢ ⎦⎥ ⎣⎢ 1 ⎦⎥ Sean K un cuerpo y V un espacio vectorial sobre K. Sea S un subconjunto de
V. Se dice que S es linealmente dependiente (L.D.) si existe un subconjunto
De manera que [S] también se puede escribir como: finito {α1, α2, …, αn} de S formado por vectores distintos y escalares c1, c2, …,
cn ∈ K no todos iguales a cero tales que:
⎡a ⎤ ⎡a ⎤ ⎡7 ⎤ ⎡− 1⎤
⎢ ⎥ ⎢ ⎥ ⎢ 3⎥ ⎢ ⎥
n
[S] = { ⎢b⎥ ∈ ℜ3: ⎢ ⎥b = b • ⎢ 1 ⎥ + c • ⎢ 0 ⎥ ; b, c∈ℜ} ∑c i • αi = θ
⎢⎣ c ⎥⎦ ⎢⎣ c ⎥⎦ ⎢0⎥ ⎢⎣ 1 ⎥⎦ i =1
⎣⎢ ⎦⎥
La igualdad anterior se dice que es una relación lineal entre los vectores α1, α2,
Teorema 4.7. …, αn. En este caso se dice también que los vectores α1, α2, …, αn son
linealmente dependientes (L.D.).
Sean K un cuerpo y V un espacio vectorial sobre K. Sean S1 y S2 subconjuntos
de V y α ∈ S1. Se dice que S es linealmente independiente (L.I.) si S no es L.D. En este caso
se dice también que los vectores α1, α2, …, αn son linealmente independientes
1. Si S1 ⊆ S2 entonces [S1] ⊆ [S2]. (L.I.).
2. Si α ∈ [S1 – {α}] entonces [S1] = [S1 – {α}]
145 146
CAPÍTULO 4: ESPACIOS VECTORIALES ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
⎡1⎤ ⎡ 2⎤ ⎡0⎤ ⎡ c ⎤ ⎡ 2d ⎤ ⎡0⎤ ⎡ c + 2d ⎤ ⎡0⎤ a•p1 + b•p2 + c•p3 = 0 ⇒ a.1+ b.x + c.x2 = 0 ⇒ a + bx + cx2 = 0 ⇒ a = b = c =
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
c • α + d • β = θ ⇒ c • ⎢2⎥ + d • ⎢ 5⎥ = ⎢0⎥ ⇒ ⎢2c⎥ + ⎢ 5d ⎥ = ⎢0⎥ ⇒ ⎢2c + 5d⎥ = ⎢0⎥ 0.
⎢⎣4⎥⎦ ⎢⎣ − 3⎥⎦ ⎢⎣0⎥⎦ ⎢⎣4c⎥⎦ ⎢⎣− 3d⎥⎦ ⎢⎣0⎥⎦ ⎢⎣4c − 3d⎥⎦ ⎢⎣0⎥⎦
Ejemplo 4.16.
Ejemplo 4.14. Verifiquemos que para cualesquiera escalares c1, c2, …, cn ∈ K se tiene que la
igualdad c1•e1 + c2•e2 + … + cn•en = θ implica que c1 = c2 = … = cn = 0.
⎡1⎤ ⎡ −1 ⎤ ⎡ 2⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ En efecto,
Sea V=ℜ3. Los vectores α = ⎢1⎥ , β = ⎢ 2⎥ y δ = ⎢8 ⎥ son L.D., ya que:
⎣⎢3⎦⎥ ⎣⎢ − 2 ⎦⎥ ⎣⎢8 ⎦⎥
147 148
CAPÍTULO 4: ESPACIOS VECTORIALES ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
=
⎢ ⎥
⎢ 0⎥
⎢ ⎥
c
+ ⎢ 2⎥ + … +
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢ 0 ⎥ = ⎢ c 2 ⎥ = ⎢0 ⎥
c1, c2, …, cn ∈ K no todos iguales a cero tales que ∑c
i =1
i • αi = θ .
⎢M⎥ ⎢M⎥ ⎢M⎥ ⎢M⎥ ⎢M ⎥
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ Supongamos, sin pérdida de generalidad que los primeros m
⎣⎢ 0 ⎦⎥ ⎣⎢ 0 ⎦⎥ ⎣⎢c n ⎦⎥ ⎢⎣c n ⎥⎦ ⎣⎢0⎦⎥ escalares son no nulos y que los últimos n–m escalares son nulos.
n
m n
Teorema 4.8. puede escribir como ∑c • α + ∑c • α
i =1
i i
i = m +1
i i =θ. Como
Sean K un cuerpo y V un espacio vectorial sobre K. Sean S1 y S2 subconjuntos cm+1 = cm+2 = … = cn = 0 entonces la relación anterior concluye en
de V y α ∈ V. que existen escalares no nulos c1, c2, …, cm tales que
m
1. Si S1 ⊆ S2 y S2 es L.I. entonces S1 es L.I. ∑c i • α i = θ , es decir, el conjunto {α1, α2, …, αm} es L.D. Ahora
2. Si S1 ⊆ S2 y S1 es L.D. entonces S2 es L.D. i =1
3. Si S1 es L.D. entonces existe un subconjunto S3 de V con S3 ⊆ S1 tal bien, un conjunto formado por un vector no nulo es L.I. ya que
que S3 es L.I. c•α = θ implica que c = 0. Al unir cualquiera de estos m vectores,
4. Si θ ∈ S1 entonces S1 es L.D. digamos el vector αm, con los n–m vectores restantes
5. {α} es L.I. si y sólo si α ≠ θ. αm+1, αm+2, …, αn se obtiene el conjunto de n–m+1 vectores
n
1. Supongamos que S2 = {α1, α2, …, αn}, con αi ≠ αj; i ≠ j; i, implica que cm = cm+1 = … = cn = 0. En consecuencia, existe un
j = 1, 2, …, n. Por hipótesis, S2 es L.I., es decir, para escalares subconjunto S3 de V con S3 ⊆ S1 tal que S3 es L.I. Nótese que si a
n S3 se le agrega alguno de los vectores α1, α2, …, αm-1 se obtiene un
c1, c2, …, cn ∈ K se tiene que la relación lineal ∑c i • αi = θ conjunto L.D.
i =1 4. Por hipótesis θ ∈ S1. Sea {θ, α} un subconjunto finito de S1 con α
implica que c1 = c2 = … = cn = 0. Como S1 ⊆ S2 entonces, de S2 ≠ θ. Luego existen escalares c1 = 1 y c2 = 0 tales que
existen sin pérdida de generalidad vectores α1, α2, …, αm, (m < n), 1•θ + 0•α = θ. Por consiguiente S1 es L.D.
tales que S1 = {α1, α2, …, αm}. Consideremos la relación lineal 5. CN(⇒):Si {α} es L.I. entonces α ≠ θ.
m
∑c
i =1
i • αi = θ . Dicha relación se puede escribir como Utilicemos reducción al absurdo. Supongamos que α = θ. Luego
{α} es L.D. ya que {α} = {θ} lo cual es una contradicción ya que
m n n
∑c
i =1
i • αi + ∑0 • α
i = m +1
i = θ , es decir, ∑c
i =1
i • α i = θ la cual implica por hipótesis {α} es L.I.
149 150
CAPÍTULO 4: ESPACIOS VECTORIALES ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
Demostración 1
− 2•α = β− •δ
2
CN(⇒): Si S es L.D. entonces existe j ∈ ℵ, 1 ≤ j ≤ n tal que αj ∈ [S – {αj}].
1 1
⇒ α = − β+ •δ
Por hipótesis existen escalares c1, c2, …, cn ∈ K no todos iguales a cero tal que: 2 4
Sea j ∈ ℵ, 1 ≤ j ≤ n tal que cj ≠ 0. Luego, Sean el espacio vectorial V = ℜn, A∈Mnxn(ℜ) y B = {A1, A2, …, An}⊆V. B es
L.I. si y sólo si A es no singular.
j−1 n
∑c • α
i =1
i i + cj •αj + ∑c • α
i = j+1
i i =θ Demostración
⎡1⎤ ⎡ −1 ⎤ ⎡2⎤ Si A es no singular entonces el SEL AX = θ nx1 tiene como única solución la
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
En relación al ejemplo 4.12., los vectores α = ⎢1⎥ , β = ⎢ 2⎥ y δ = ⎢8 ⎥ son solución trivial. Luego,
⎢⎣3⎥⎦ ⎢⎣ − 2 ⎥⎦ ⎢⎣8 ⎥⎦ ⎡ c1 ⎤
⎢ ⎥
L.D., ya que existen escalares c1, c2, c3 no todos iguales a cero c
AX = θ nx1 ⇒ X = θ nx1 ; siendo X = ⎢ 2 ⎥ , es decir,
1 ⎢M⎥
(c1 = –2, c2 = –1, c3 = ) tales que c1 • α + c 2 • β + c 3 • δ = θ , es decir, ⎢ ⎥
⎣⎢c n ⎦⎥
2
1
− 2 • α + (−1) • β + • δ = θ . Luego,
2
151 152
CAPÍTULO 4: ESPACIOS VECTORIALES ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
Demostración
c1•A1 + c2•A2 + … + cn•An = θ ⇒ c1 = c2 = … = cn = 0
Sea S = {α1, α2, …, αn} un conjunto de generadores de V, es decir, [S] = V.
Por consiguiente, B es L.I.
Como V ≠ {θ} existe algún j, tal que αj ≠ θ. Si S es L.I. entonces el teorema
esta demostrado. Si S es L.D. entonces existe p tal que αp ∈ [S – {αp}]. Luego,
Observaciones:
[S – {αp}] = V.
1. Sean el espacio vectorial V = ℜn, A∈Mnxn(ℜ) y B = {A1, A2, …, An}⊆V.
Repitiendo este proceso a lo sumo n-1 veces se obtiene un subconjunto B de S
L.I. tal que [B] = V, ya que un conjunto formado por un solo vector no nulo es
1.1. B es L.I. si y sólo si Det(A) ≠ 0.
L.I.
1.2. B es L.I. si y sólo si Rango(A) = n.
Definición 4.8.
2. B es L.D. si y sólo si A no es invertible (singular). Por el teorema 4.8.,
apartado 3, B es L.D., si y sólo si existen r columnas de A A1, A2, …, Ar
Sean K un cuerpo y V un espacio vectorial sobre K. Un subconjunto B de V se
tales que el conjunto C = {A1, A2, …, Ar} es L.I.
dice que es una base de V si B es L.I. y B es un conjunto de generadores de V.
3. Si A es no singular entonces At es no singular y (At)-1 = (A-1)t. Luego, A
Observaciones:
es no singular si y sólo si sus filas son vectores L.I.
1. V es finito dimensional si y sólo si V tiene una base finita.
4. El Rango de A es el número máximo de filas o columnas de A L.I.
2. Sea V un espacio vectorial finito dimensional. Si S es un conjunto
de generadores finito de V entonces existe una base B de V tal que
4.6. BASES.
B ⊆ S.
Definición 4.7.
Ejemplo 4.20.
Sean K un cuerpo y V un espacio vectorial sobre K. Un subconjunto S de V se
dice que es un conjunto de generadores de V si [S] = V. Si V tiene un conjunto Sean V = ℜn y B = {e1, e2, …, en}. B es L.I. y es también un conjunto de
de generadores finito entonces V se dice que es un espacio finito-dimensional generadores de V. Por consiguiente B es una base de V. Este conjunto
o finitamente generado. B = {e1, e2, …, en} se conoce como la base canónica de V = ℜn.
Si V = {θ} entonces V es finito dimensional ya que [∅] = V. Sean K un cuerpo, V un espacio vectorial sobre K, B = {α1, α2,…, αn} un
subconjunto de V y α ∈ V. Si B es una base de V entonces existe un conjunto
n
Ejemplo 4.19.
único de escalares c1, c2, …, cn ∈ K tales que α = ∑c
i =1
i • αi .
Sea V = ℜn. Veamos que B = {e1, e2, …, en} es un conjunto de generadores de
V. Demostración
⎣⎢X n ⎦⎥ ⎣⎢0⎦⎥ ⎣⎢0⎦⎥ ⎣⎢1⎦⎥ distintas como una combinación lineal de los vectores de la base, es decir:
153 154
CAPÍTULO 4: ESPACIOS VECTORIALES ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
Sean K un cuerpo, V un espacio vectorial sobre K finito dimensional y B1, B2 Consideremos la expresión c1•β1 + c2•β2 + … + cm•βm = θ.
subconjuntos de V. Si B1 y B2 son bases de V entonces B1 y B2 son finitas y
tienen el mismo número de vectores. Luego,
Demostración n n n
c1 • ∑c
j=1
1j • α j + c2 • ∑c j=1
2j • α j + ... + c m • ∑c
j=1
mj •αj = θ
Si V = {θ} entonces el resultado es inmediato ya que la única base es el
conjunto vacío.
Esta ecuación se puede escribir como:
Supongamos que V ≠ {θ}. Sea B1 = {α1, α2,…, αn} una base de V. Veamos
m m m
que B2 es finita y tiene n vectores. Verifiquemos que B2 no puede tener más de
n vectores. Utilicemos reducción al absurdo. Supongamos que B2 contiene mas
( ∑ c c ) • α + (∑ c
i =1
i1 i 1
i =1
i 2ci ) • α 2 + ... + ( ∑c
i =1
in c i ) • α n =θ
de n vectores. Entonces existen β1, β2, …, βn+1 ∈ B2. Ahora bien,
{β1, β2, …, βn+1} ⊆ V = [B1] y por lo tanto B2 es L.D. lo cual es una
Como B = {α1, α2,…, αn} es una base de V entonces B es L.I. Por
contradicción. Sea B2 = {β1, β2, …, βp}, con p ≤ n (5). Por otra parte, consiguiente,
B1 ⊆ V = [B2], lo cual implica que n ≤ p, es decir, p ≥ n (6). Por (5) y (6) se
tiene que n = p.
⎧ c11c1 + c 21c 2 + ... + c m1c m = 0
⎪
Definición 4.9. ⎪c12 c1 + c 22c 2 + ... + c m 2 c m = 0
⎨
⎪ M
Sean K un cuerpo, V un espacio vectorial sobre K y B una base de V. Se ⎪c1n c1 + c 2 n c 2 + ... + c mn c m = 0
define como Dimensión de V y se denota por Dim(V) al número de vectores de ⎩
cualquier base de V.
El SEL anterior es un SEL homogéneo de n ecuaciones con m
Ejemplo 4.21. incógnitas. Como m > n, es decir, n < m entonces el SEL
homogéneo tiene infinitas soluciones. Luego, existen escalares
En el ejemplo 4.16., Dim(V) = n. c1, c2, …, cm ∈ K no todos iguales a cero tales que
c1•β1 + c2•β2 + … + cm•βm = θ, es decir, S es L.D. lo cual es una
Teorema 4.14. contradicción.
Sean K un cuerpo, V un espacio vectorial sobre K finito dimensional con 2. Supongamos que S = {β1, β2,…, βm}. Si S es L.I. entonces forman
Dim(V) = n y S un subconjunto de V. una base de V y Dim(V) = m = n. Si S no es L.I. entonces es L.D. y
por el teorema 4.9. al menos uno de ellos se puede escribir como
1. Si S es un subconjunto L.I. de V y esta formado por m vectores combinación lineal de los vectores restantes. Eliminemos este
entonces m ≤ n. vector y apliquemos este proceso hasta que queden p vectores L.I.
2. Si S es un conjunto de generadores de V y esta formado por m Estos en conjunto deben ser un conjunto de generadores de V por la
vectores entonces m ≥ n. forma como se eligieron. Por consiguiente, Dim(V) = p < m. En
general, Dim(V) ≤ m, es decir, n ≤ m lo cual es lo mismo que decir
m ≥ n.
155 156
CAPÍTULO 4: ESPACIOS VECTORIALES ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
Sean K un cuerpo, V un espacio vectorial sobre K finito dimensional con Esto implica que c1 = c2 = … = cn = 0 ya que el conjunto formado
Dim(V) = n y S un subconjunto de V. por los vectores α1, α2,…, αn es L.I. Sea W = [S ∪{β}]. Como
α1, α2,…, αn, β están en V, W es un subespacio de V. Como
1. Si S esta formado por m vectores y m > n entonces S es un α1, α2,…, αn, β es un conjunto de vectores L.I. entonces forman una
subconjunto L.D. de V. base de W y además Dim(W) = n+1, lo cual es una contradicción
2. Si S esta formado por m vectores y m < n entonces S no es un ya que por el teorema 4.15. Dim(W) ≤ n.
conjunto de generadores de V.
2. Sean α1, α2,…, αn los n vectores que componen a S. Utilicemos
Teorema 4.15.
reducción al absurdo. Supongamos que S no es una base de V. En
ese caso, S no es L.I. Luego, por el teorema 4.14., apartado 2,
Sean K un cuerpo, V un espacio vectorial sobre K finito dimensional con
Dim(V) < n, lo cual es una contradicción ya que por hipótesis
Dim(V) = n y W un subconjunto de V. Si W es un subespacio de V entonces
Dim(V) = n.
W es finito dimensional y además se cumple que Dim(W) ≤ Dim(V).
Ejemplo 4.22.
Demostración
En el ejemplo 4.15., {p1(x) = 1, p2(x) = x, p3(x) = x2} es una base de P2 ya que
Por el teorema 4.8., apartado 1, cualquier conjunto de vectores L.I. en W es se demostró que es un conjunto de 3 vectores L.I. Esta base se conoce como
también L.I. en V. Por el teorema 4.14., cualquier conjunto L.I. en W puede base canónica de V=P2. En general, {1, x, x2, …, xn} es la base canónica de
contener a lo sumo n vectores. Si W = {θ} entonces Dim(W) = 0. Si W ≠ {θ}, V = Pn.
sea α1 un vector en W y W1 = [W]. Si W1 = W entonces Dim(W) = 1 ≤ n y
el teorema esta demostrado. Si W1 ≠ W sea α2 ∈ W tal que α2 ∉ W1 y sea Teorema 4.17.
W2 = [W]. Así sucesivamente continuamos hasta encontrar un conjunto de
vectores L.I. {α1, α2,…, αp} tales que W = [W]. El proceso tiene que terminar Sean K un cuerpo, V un espacio vectorial sobre K finito dimensional con
porque se pueden encontrar a lo sumo n vectores L.I. en W. Por consiguiente, Dim(V) = n y S es un subconjunto de V formado por m vectores (m<n). Si
Dim(W) = p ≤ n. S = {β1, β2,…, βm} es L.I. entonces existen vectores βm+1, βm+2,…, βn tales que
S ∪ {βm+1, βm+2,…, βn} es una base de V.
Teorema 4.16.
Demostración
Sean K un cuerpo, V un espacio vectorial sobre K finito dimensional con
Dim(V) = n y S un subconjunto de V formado por n vectores. Como Dim(V) = n entonces V tiene por lo menos una base. Sea
B = {α1, α2,…, αn} una base de V. Como B es una base de V cada uno de los
1. Si S es L.I. entonces S es una base de V. vectores de S se pueden expresar como combinación lineal de α1, α2,…, αn, es
2. Si S es un conjunto de generadores entonces S es una base de V. decir:
Demostración
β1 = c11 • α1 + c12 • α 2 + ... + c1n • α n
1. Sean α1, α2,…, αn los n vectores que componen a S. Utilicemos β 2 = c 21 • α1 + c 22 • α 2 + ... + c 2 n • α n
reducción al absurdo. Supongamos que S no es una base de V. M
Entonces existe un vector β ∈ V tal que β ∉ [S]. Esto significa que β m = c m1 • α1 + c m 2 • α 2 + ... + c mn • α n
el conjunto formado por los n+1 vectores α1, α2,…, αn, β es L.I.
Ahora bien, observemos que la ecuación:
⎡ c1i ⎤
c1•α1 + c2•α2 + … + cn•αn +cn+1•β= θ ⎢ ⎥
c
Sea Ci = ⎢ 2i ⎥ ; i = 1, 2, …, m.
⎢ M ⎥
Implica que cn+1 = 0, ya que de lo contrario podríamos escribir a β ⎢ ⎥
como una combinación lineal de α1, α2,…, αn dividiendo la ⎣⎢c ni ⎦⎥
ecuación anterior entre cn+1 y poniendo todos los términos excepto
157 158
CAPÍTULO 4: ESPACIOS VECTORIALES ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
Los Ci forman un conjunto L.I . en ℜn, ya que de otra manera {α1, α2,…, αn} Teorema 4.19.
no sería un conjunto L.I. Agreguemos a Ci n – m vectores que forman un
conjunto L.I. Sean estos vectores Cm+1, Cm+2, …, Cn. Luego, si: Sea A∈Mnxn(K). A es no singular si y sólo si n(A) = 0.
4.7. ESPACIO NULO, NULIDAD, IMAGEN, ESPACIO FILA Y Rango(A) = Dim(IA) = r(A).
ESPACIO COLUMNA DE UNA MATRIZ.
Teorema 4.20.
Definición 4.10.
Sea A∈Mmxn(K). Entonces IA es es un subespacio de Km.
Sea A∈Mmxn(K). Se define como espacio nulo de A y se denota por NA al
conjunto NA = {X∈Kn: AX = θnx1 }. Demostración
Teorema 4.18. Es claro que θmx1∈IA ya que el SEL homogéneo AX = θmx1 tiene al menos la
solución trivial X = θnx1. Sean Y1, Y2∈IA y c∈K. Sólo basta probar que
Sea A∈Mmxn(K). Entonces NA es un subespacio de Kn. (cY1+Y2)∈IA. En efecto, como Y1, Y2∈IA se tiene que ∃ X1, X2∈ Kn tales que
AX1 = Y1 y AX2 = Y2 (9). Luego, cAX1 = cY1 (10). Sumando a ambos lados de
Demostración (9) y (10) se obtiene que cAX1+AX2 = cY1+Y2, es decir,
A(cX1 + X2) = cY1+Y2. Por consiguiente, ∃ X*∈ Kn; X* = cX1 + X2 tal que
Es claro que θnx1∈NA ya que Aθnx1 = θnx1. Sean X1, X2∈NA y c∈K. Sólo basta AX* = cY1+Y2. Luego, (cY1+Y2)∈IA e IA es un subespacio de Km.
probar que que (cX1+X2)∈NA. En efecto, como X1, X2∈NA se tiene que
AX1 = θnx1 y AX2 = θnx1 (7). Luego, cAX1 = cθnx1 , es decir, cAX1 = θnx1 (8). Definición 4.13.
Sumando a ambos lados de (7) y (8) se obtiene que cAX1 + AX2 = θnx1 + θnx1,
es decir, A(cX1 + X2) = θnx1. Por consiguiente, (cX1+X2)∈NA y NA es un Sean A∈Mmxn(K), (A1)t , (A2)t , …, (Am)t ∈M1xn(K) las filas de A y
subespacio de Kn. A1, A2, …, An∈Mmx1(K) las columnas de A. Se definen como espacio fila de A
y espacio columna de A y se denotan por RA y CA, respectivamente, a los
Definición 4.11. conjuntos RA = [{(A1)t , (A2)t , …, (Am)t}] y CA = [{A1, A2, …, An}].
159 160
CAPÍTULO 4: ESPACIOS VECTORIALES ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
Sea A∈Mmxn(K). Entonces CA = IA. Supongamos que Dim(RA) = p. Sea S = {α1, α2, …, αp} una base para RA.
Nótese que αi∈Kn. Luego, cada fila de A se puede expresar como una
Demostración combinación lineal de los vectores de S, es decir, existen escalares cij;
i = 1, 2, …, m; j = 1, 2, …, p tales que:
Supongamos que Y∈IA. Entonces, ∃ X∈Kn: AX = Y. Luego,
(A1 ) t = c11 • α1 + c12 • α 2 + ... + c1p • α p
⎡ X1 ⎤ (A 2 ) t = c 21 • α1 + c 22 • α 2 + ... + c 2 p • α p
⎢ ⎥ (13)
[A1
A 2
L A ]
n ⎢X 2 ⎥
⎢ M ⎥
=Y M
⎢ ⎥ (A m ) t = c m1 • α1 + c m 2 • α 2 + ... + c mp • α p
⎢⎣X n ⎥⎦
⇒ X1 • A1 + X 2 • A 2 + L + X n • A n = Y Ahora bien, la j-ésima componente de (Ai)t es Aij. Por lo tanto, si igualamos las
j-ésimas componentes de ambos lados de (13) y escribimos αi de la forma:
Por lo tanto, Y es combinación lineal de A1, A2, …, An. Por consiguiente,
Y∈[{A1, A2, …, An}], es decir, Y∈ CA. Esto significa que IA⊆CA (11). ⎡ α1i ⎤
⎢ ⎥
α
Supongamos ahora que Y∈CA. Luego, Y se puede expresar como combinación α i = ⎢ 2i ⎥
⎢ M ⎥
lineal de A1, A2, …, An, es decir, existen escalares c1, c2, …, cn∈K tales que: ⎢ ⎥
⎢⎣α ni ⎥⎦
Y = c1 • A1 + c 2 • A 2 + L + c n • A n
Se obtiene que:
Luego,
A1 j = c11α1 j + c12α 2 j + ... + c1p α pj
⎡ c1 ⎤ A 2 j = c 21α1 j + c 22α 2 j + ... + c 2 p α pj
⎢ ⎥ M
[
Y = A1 A 2
c
L An ⎢ 2 ⎥
⎢M⎥
] A mj = c m1α1 j + c m 2 α 2 j + ... + c mpα pj
⎢ ⎥
⎣⎢c n ⎦⎥
Luego,
⎡ c1 ⎤
⎢ ⎥
[
⇒ A1 A 2
c
]
L An ⎢ 2 ⎥ = Y
⎢M⎥
⎡ A1 j ⎤
⎢ ⎥
⎡ c11 ⎤
⎢ ⎥
⎡ c12 ⎤
⎢ ⎥
⎡ c1p ⎤
⎢ ⎥
⎢ ⎥ ⎢ 2 j ⎥ = α • ⎢ 21 ⎥ + α • ⎢ 22 ⎥ + ... + α • ⎢ c 2 p ⎥ (14)
A c c
⎢ M ⎥ 1 j
⎢ M ⎥ 2 j
⎢ M ⎥ pj ⎢ M ⎥
⎣⎢c n ⎦⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
A
⎣⎢ mj ⎦⎥ ⎢ c
⎣ m1 ⎦⎥ ⎢ c
⎣ m2 ⎦⎥ ⎣⎢c mp ⎦⎥
⎡ c1 ⎤
⎢ ⎥
c
⇒ AX = Y, con X = ⎢ 2 ⎥ ⎡ c1i ⎤
⎢M⎥
⎢ ⎥ ⎢ ⎥
c
⎣⎢c n ⎦⎥ Sea βi = ⎢ 2i ⎥
⎢ M ⎥
⎢ ⎥
Por tanto, Y∈IA. Por consiguiente, CA⊆IA (12). ⎣⎢c mi ⎦⎥
Por (11) y (12) se tiene que CA = IA. Por consiguiente, como el lado izquierdo de (14) es la j-ésima columna de A se
tiene que cada columna de A se puede escribir como una combinación lineal
Teorema 4.22. de los vectores β1, β2, …, βp, lo cual significa que [{β1, β2, …, βp}] = CA y por
ende Dim(CA) ≤ p = Dim(RA) (15).
Sea A∈Mmxn(K). Entonces Dim(RA) = Dim(CA) = Dim(IA) = r(A).
161 162
CAPÍTULO 4: ESPACIOS VECTORIALES ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
Caso 2: D se obtuvo de A aplicando la operación elemental de filas rp→crp. ⎡ A11 A12 L A1p 0 0 L 0⎤
⎢ ⎥
⎢A 21 A 22 L A 2 p 0 0 L 0⎥
En este caso las filas de D son {D1 = A1, D2 = A2, …, Dp = cAp, …, Dm = Am}. ⎢ M M M M M M⎥
Ahora bien, cAp = c(Ap) y Ap = (1/c)cAp. Luego, cada fila de C es un múltiplo ⎢ ⎥
F = ⎢ A t1 At2 L A tt 0 0 L 0⎥
de una fila de A y viceversa. Esto indica que cada fila de C pertenece al
⎢ 0 0 L 0 0 0 L 0⎥
subespacio generado por las filas de A y viceversa. En consecuencia, RA ⊆ RC ⎢ ⎥
y RC ⊆ RA, por lo cual RC = RA. ⎢ M M M M M M⎥
⎢ ⎥
⎣ 0 0 L 0 0 0 L 0⎦
Caso 3: D se obtuvo de A aplicando la operación elemental de filas rp↔rs.
Donde r(F) = r(A) (17) y n(F) = n(A) (18). Ahora bien, es evidente que si j > t,
En este caso RA = RC porque las filas de A y C son las mismas (sólo que en
diferente orden). entonces Fei = θmx1, de forma tal que S(t) = {et+1, et+2, …, en} es un conjunto
L.I. de n-t vectores en NF. Probaremos ahora que [S(t)] = NF. Sea X∈NF un
Como B es equivalente por filas a A, B se obtiene de A aplicando un número vector de la forma:
finito de operaciones elementales de filas. Por consiguiente, lo demostrado
anteriormente aplicado varias veces demuestra que RA = RB. En consecuencia, ⎡ X1 ⎤
por el teorema 4.22., r(A) = r(B). ⎢ ⎥
⎢X 2 ⎥
⎢ M ⎥
Por último, el conjunto de soluciones de AX = θnx1 no cambia bajo las X=⎢ ⎥
operaciones elementales de fila aplicadas sobre A para obtener a B. De esta ⎢Xt ⎥
forma, NA = NB y por consiguiente n(A) = n(B). ⎢ M ⎥
⎢ ⎥
⎢⎣X n ⎥⎦
Teorema 4.24.
Sea A∈Mmxn(K). Entonces se cumple que r(A) + n(A) = n. Entonces se cumple que:
163 164
CAPÍTULO 4: ESPACIOS VECTORIALES ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
⎢ 0 ⎥ 0
⎢ ⎥ 0
⎢ ⎥ ⎢0⎥ ⎢⎣− 6 3 − 9⎥⎦ 3
X=⎢ = X t +1 ⎢ ⎥ + X t + 2 ⎢ ⎥ + ... + X n ⎢ ⎥ = X t +1e t +1 + X t + 2 e t + 2 + ... + X n e n ⎢⎣ ⎦ ⎢
⎣ ⎦
X t +1 ⎥ 1 0 0
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥
⎢X t + 2 ⎥ ⎢0 ⎥ ⎢1⎥ ⎢0⎥ Se observa que el número de filas no nulas de R es 1 por lo cual
⎢ ⎥ ⎢ ⎥ ⎢ ⎥ ⎢ ⎥ Rango(A) = r(A) = 1. Luego, cualquier columna de A forma una base para CA,
⎢ M ⎥ ⎢M⎥ ⎢M ⎥ ⎢M ⎥
⎢⎣ X n ⎥⎦ ⎢⎣0⎥⎦ ⎢⎣0⎥⎦ ⎢⎣1⎥⎦ es decir:
⎡ 2⎤
Esto prueba que [S(t)] = NF de forma tal que n(F) = n – t = n – r(F). Luego, ⎢ ⎥
r(F) + n(F) = n. Por (17) y (18) se tiene que r(A) + n(A) = n. CA = {Y∈ℜ3: Y = c ⎢ 4 ⎥; c ∈ ℜ } = IA
⎢⎣− 6⎥⎦
Ejemplo 4.23.
A su vez, una base para RA consiste en una combinación lineal de las filas no
Sea A∈M3x3(ℜ) definida por: nulas de R, es decir:
⎡ 2 −1 3⎤ ⎡ 1⎤
⎢ ⎥ ⎢ ⎥
A =⎢ 4 −2 6⎥
⎢⎣ − 6 R A = {X ∈ ℜ3 : X = a ⎢ − 1 ⎥; a ∈ ℜ}
3 − 9 ⎥⎦ ⎢ 2 ⎥
⎢⎣ 3 2 ⎥⎦
Determinemos Espacio Nulo (NA), Nulidad (n(A)), Imagen (IA), Rango (r(A)),
Espacio Fila (RA) y Espacio Columna (CA).
NA = {X∈ℜ3: AX = θ3x1 }
⎡ 2 −1 3⎤ ⎡ X1 ⎤ ⎡0⎤ ⎡ 2 − 1 3 0⎤ 1
⎢ ⎥⎢ ⎥ ⎢ ⎥ ⎢ ⎥ r1 → 2 r1
AX = θ3x1 ⇒ ⎢ 4 − 2 6 ⎥ ⎢ X 2 ⎥ = ⎢0 ⎥ ⇒ ⎢ 4 − 2 6 0⎥ ⎯⎯ ⎯ →
⎢⎣ − 6 3 − 9 ⎥⎦ ⎢⎣ X 3 ⎥⎦ ⎢⎣0⎥⎦ ⎢⎣ − 6 3 − 9 0⎥⎦
⎡ 1 −1 3 0⎤ ⎡1 − 1 3 0⎤
⎢ 2 2 ⎥ ⎯r⎯ ⎯⎯→ ⎢
2 → r2 − 4 r1 2 2 ⎥
⎢ 4 −2 6 0 ⎥ r → r + 6 r ⎢0 0 0 0⎥
⎢− 6 ⎯⎯ ⎯ ⎯ →
− 9 0⎥⎥ ⎢0 0 0⎥⎥
3 3 1
⎢⎣ 3 ⎢⎣ 0
⎦ ⎦
165 166
CAPÍTULO 4: ESPACIOS VECTORIALES ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
167 168
CAPÍTULO 4: ESPACIOS VECTORIALES ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
⎡ X1 ⎤ ⎡ Y1 ⎤ ⎡ X1 + Y1 + p ⎤ ⎡ X1 ⎤ ⎡ c + cX1 − p ⎤ 18. Deterrmine cuáles de los siguientes conjuntos de vectores son base de
⎢ ⎥ +⎢ ⎥ = ⎢ ⎥ y c• ⎢ ⎥ = ⎢ ⎥ ℜ3 :
⎣X 2 ⎦ ⎣Y2 ⎦ ⎣X 2 + Y2 + p ⎦ ⎣X 2 ⎦ ⎣c + cX 2 − p ⎦
Determine el valor de p para el cual ℜ2 con las operaciones de suma y ⎡1⎤ ⎡ 2⎤ ⎡3⎤
⎢ ⎥ ⎢ ⎥ ⎢ ⎥
multiplicación por escalares definidas anteriormente es un espacio 18.1. α1 = ⎢0⎥ , α 2 = ⎢2⎥ , α 3 = ⎢3⎥
vectorial. ⎢⎣0⎥⎦ ⎢⎣0⎥⎦ ⎢⎣3⎥⎦
169 170
CAPÍTULO 4: ESPACIOS VECTORIALES ALGEBRA LINEAL PARA ESTADÍSTICOS Y ACTUARIOS
19. Demuestre que los siguientes conjuntos de vectores de ℜ3 generan el 24.3. Determine las coordenadas de p∈P3 tal que p(x) = 3x3 + 2x2 –
mismo subespacio: x – 1 con respecto a la base obtenida en el apartado anterior.
171 172
CAPÍTULO 4: ESPACIOS VECTORIALES
⎡ −1 2 1⎤
⎢ ⎥
31.2. B = ⎢ 2 − 4 − 2⎥
⎢⎣ − 3 6 3⎥⎦
⎡1 −1 2⎤
⎢ ⎥
31.3. C = ⎢3 1 4⎥
⎢⎣5 − 1 8 ⎥⎦
⎡ 1 −1 2 1⎤
⎢ ⎥
−1 0 1 2⎥
31.4. D=⎢
⎢ 1 −2 5 4⎥
⎢ ⎥
⎢⎣ 2 − 1 1 − 1 ⎥⎦
⎡ −1 −1 0 0⎤
⎢ ⎥
0 0 2 3⎥
31.5. E=⎢
⎢ 4 0 −2 1⎥
⎢ ⎥
⎣⎢ 3 −1 0 4⎦⎥
173