Este capítulo introduce el concepto fundamental de espacio vectorial. Un espacio vectorial (V, +, K, .) es un conjunto V con dos operaciones (suma + y producto por escalares .) que cumplen ciertas propiedades axiomáticas. Se definen propiedades como asociatividad, elemento neutro para la suma, inversos, conmutatividad y distributividad. Luego se presentan ejemplos de espacios vectoriales como funciones, n-uplas, matrices y sucesiones. Finalmente se introduce el concepto de subespacio.
Aplicaciones de espacios y subespacios vectoriales en la carrera de Electróni...MATEOESTEBANCALDERON
Los espacios y sub-espacios vectoriales están aplicados en muchos campos de la vida cotidiana, en ingeniería, es muy útil para todo sin embargo en este trabajo analizaremos su aplicación a un área específica de la ingeniería electrónica y automatización.
El documento presenta varios ejercicios resueltos sobre el cálculo del centro de gravedad de diferentes figuras. En el primer ejercicio se pide determinar las coordenadas del centro de gravedad de una lámina de acero dividida en figuras geométricas conocidas. En el segundo ejercicio se realiza lo mismo para una figura compuesta. Los ejercicios siguientes implican hallar coordenadas, distancias y ángulos relacionados con el centro de gravedad de varillas, placas y otros objetos.
La ley de Gauss permite calcular campos eléctricos de distribuciones simétricas de carga. Establece que el flujo neto a través de cualquier superficie cerrada es igual a 4πε0 veces la carga neta interior. Se utiliza para derivar una expresión cuantitativa relacionando el flujo con la carga interior.
Ejercicios de matematica1 ecuacion de la rectaantoniojesus96
Este documento contiene 47 ejercicios de álgebra sobre ecuaciones de rectas. Los ejercicios involucran hallar ecuaciones de rectas paralelas o perpendiculares a otras rectas dados puntos, determinar pendientes y coeficientes de posición de rectas dadas sus ecuaciones, y resolver problemas gráficos identificando ecuaciones de rectas representadas en gráficas. El documento proporciona las instrucciones para cada ejercicio de manera individual.
Este documento introduce conceptos básicos sobre matrices. Define una matriz como una tabla rectangular de números ordenados en filas y columnas. Cada elemento de la matriz se identifica por su fila y columna mediante subíndices. Presenta ejemplos de diferentes tipos de matrices como cuadradas, triangulares, diagonales e identidad. Explica transformaciones elementales que permiten convertir una matriz en forma escalonada mediante operaciones en sus filas.
1. Tres cargas iguales ubicadas en los vértices de un triángulo equilátero experimentan una fuerza eléctrica igual a la mitad de la fuerza entre dos cargas separadas por la distancia del lado del triángulo.
2. La fuerza sobre la carga superior de un triángulo equilátero es la raíz cúbica de la fuerza entre dos cargas, y el campo eléctrico neto en el centro de la base es 8.4x1010 N/C.
3. Cuando una esfera neutra se pone en
MAS vertical. Periodo y frecuencia del MAS. Velocidad y aceleraciónYuri Milachay
El documento describe las ecuaciones del movimiento armónico simple (MAS) vertical y las condiciones iniciales de fase. Explica cómo determinar la constante elástica de un resorte mediante el equilibrio de fuerzas. También cubre el cálculo del periodo y la frecuencia en MAS, y presenta ejemplos numéricos de problemas relacionados con la velocidad, aceleración y energía en osciladores armónicos.
Matriz asociada a una transformacion linealalgebra
Una transformación lineal f entre espacios vectoriales de dimensiones finitas n y m se puede asociar a una matriz A de dimensión m x n. La matriz representa la transformación y su rango es igual a la dimensión de la imagen de f. Cambiar la base de un vector equivale a multiplicar sus coordenadas por una matriz de cambio de base.
Aplicaciones de espacios y subespacios vectoriales en la carrera de Electróni...MATEOESTEBANCALDERON
Los espacios y sub-espacios vectoriales están aplicados en muchos campos de la vida cotidiana, en ingeniería, es muy útil para todo sin embargo en este trabajo analizaremos su aplicación a un área específica de la ingeniería electrónica y automatización.
El documento presenta varios ejercicios resueltos sobre el cálculo del centro de gravedad de diferentes figuras. En el primer ejercicio se pide determinar las coordenadas del centro de gravedad de una lámina de acero dividida en figuras geométricas conocidas. En el segundo ejercicio se realiza lo mismo para una figura compuesta. Los ejercicios siguientes implican hallar coordenadas, distancias y ángulos relacionados con el centro de gravedad de varillas, placas y otros objetos.
La ley de Gauss permite calcular campos eléctricos de distribuciones simétricas de carga. Establece que el flujo neto a través de cualquier superficie cerrada es igual a 4πε0 veces la carga neta interior. Se utiliza para derivar una expresión cuantitativa relacionando el flujo con la carga interior.
Ejercicios de matematica1 ecuacion de la rectaantoniojesus96
Este documento contiene 47 ejercicios de álgebra sobre ecuaciones de rectas. Los ejercicios involucran hallar ecuaciones de rectas paralelas o perpendiculares a otras rectas dados puntos, determinar pendientes y coeficientes de posición de rectas dadas sus ecuaciones, y resolver problemas gráficos identificando ecuaciones de rectas representadas en gráficas. El documento proporciona las instrucciones para cada ejercicio de manera individual.
Este documento introduce conceptos básicos sobre matrices. Define una matriz como una tabla rectangular de números ordenados en filas y columnas. Cada elemento de la matriz se identifica por su fila y columna mediante subíndices. Presenta ejemplos de diferentes tipos de matrices como cuadradas, triangulares, diagonales e identidad. Explica transformaciones elementales que permiten convertir una matriz en forma escalonada mediante operaciones en sus filas.
1. Tres cargas iguales ubicadas en los vértices de un triángulo equilátero experimentan una fuerza eléctrica igual a la mitad de la fuerza entre dos cargas separadas por la distancia del lado del triángulo.
2. La fuerza sobre la carga superior de un triángulo equilátero es la raíz cúbica de la fuerza entre dos cargas, y el campo eléctrico neto en el centro de la base es 8.4x1010 N/C.
3. Cuando una esfera neutra se pone en
MAS vertical. Periodo y frecuencia del MAS. Velocidad y aceleraciónYuri Milachay
El documento describe las ecuaciones del movimiento armónico simple (MAS) vertical y las condiciones iniciales de fase. Explica cómo determinar la constante elástica de un resorte mediante el equilibrio de fuerzas. También cubre el cálculo del periodo y la frecuencia en MAS, y presenta ejemplos numéricos de problemas relacionados con la velocidad, aceleración y energía en osciladores armónicos.
Matriz asociada a una transformacion linealalgebra
Una transformación lineal f entre espacios vectoriales de dimensiones finitas n y m se puede asociar a una matriz A de dimensión m x n. La matriz representa la transformación y su rango es igual a la dimensión de la imagen de f. Cambiar la base de un vector equivale a multiplicar sus coordenadas por una matriz de cambio de base.
1. Se indica el orden de una matriz escribiendo el número de filas x el número de columnas.
2. Una matriz es cuadrada cuando el número de filas es igual al número de columnas.
3. La suma de los elementos de la diagonal principal de una matriz cuadrada se identifica como la traza.
Taller componetes rectangulares de un vectorDulmar Torrado
Este documento presenta un taller sobre el cálculo de las componentes rectangulares de vectores. Instruye calcular las componentes de varios vectores dados y hallar la suma de vectores usando el método de descomposición rectangular. Proporciona ejemplos numéricos de cómo aplicar el método para sumar vectores ligados a sistemas de coordenadas cartesianas.
Este documento trata sobre el potencial eléctrico y la capacitancia. Explica que la diferencia de potencial entre dos puntos es el trabajo requerido para mover una carga positiva entre esos puntos. También define el potencial absoluto y la energía potencial eléctrica. Finalmente, introduce los conceptos de capacitor, capacitancia y la energía almacenada en un capacitor.
El documento presenta cálculos para determinar el campo eléctrico generado por diferentes configuraciones de cargas. En la primera sección, calcula el campo eléctrico a lo largo del eje x producido por una carga lineal uniforme. En la segunda sección, calcula el campo entre dos planos paralelos con diferentes densidades de carga superficial. En la tercera sección, calcula el campo producido por una carga distribuida uniformemente sobre un anillo. En la cuarta y última sección, calcula el campo generado por un disco con densidad
Este documento presenta 6 problemas resueltos relacionados con la suma de vectores utilizando el método analítico. En el primer problema se aplica la ley del seno para encontrar el ángulo entre dos vectores dados sus magnitudes y la magnitud de su resultado. En el segundo problema también se usa la ley del coseno. El tercer problema involucra descomponer vectores en componentes rectangulares y realizar operaciones. En los problemas siguientes se usan métodos como descomposición vectorial.
Aplicaciones de Espacios y Subespacios Vectoriales en la Carrera de MecatrónicaBRYANDAVIDCUBIACEDEO
Se da a conocer un poco sobre los espacios y subespacios vectoriales, además de distintas aplicaciones de los mismos en la mecatrónica y distintos ejercicios aplicando el método Wronskiano para determinar la linealidad de un conjunto de funciones.
El documento presenta 5 ejercicios sobre bases de espacios vectoriales. En el primer ejercicio, se determina si un conjunto de vectores es una base para el espacio P2 resolviendo si es linealmente independiente y genera el espacio. En el segundo ejercicio, otro conjunto sí es una base para P2 al cumplir ambas condiciones. Los ejercicios 3 al 5 encuentran bases para otros espacios vectoriales.
1) Un campo magnético variable puede inducir un fenómeno eléctrico en un circuito, como una corriente eléctrica. 2) Cuando se cierra un interruptor en un circuito primario, se induce una fem momentánea en un circuito secundario debido al cambio en el flujo magnético. 3) La ley de inducción de Faraday establece que la fem inducida es directamente proporcional al cambio en el flujo magnético a través de un circuito con el tiempo.
El documento presenta un taller sobre ecuaciones lineales para estudiantes de noveno grado. Explica que el tema es resolver ecuaciones lineales utilizando el concepto y procedimiento correcto. El objetivo es que los estudiantes puedan resolver problemas prácticos que impliquen plantear y resolver ecuaciones lineales. El taller será entregado por la estudiante Blanca Fernández en la asignatura de Álgebra.
1) El documento explica el concepto de derivadas parciales de funciones de varias variables y cómo se utilizan para determinar cómo cambia el valor de una función cuando cambia una de sus variables independientes. 2) Define formalmente las derivadas parciales de primer orden y presenta la notación comúnmente usada. 3) Proporciona ejemplos numéricos para ilustrar cómo calcular derivadas parciales de funciones de dos variables.
Este documento explica el concepto de integrales triples. 1) Define una integral triple como el límite de sumas triples de Riemann cuando la partición tiende a cero. 2) Explica que una función debe ser continua y tener discontinuidades confinadas para ser integrable. 3) Enumera propiedades como linealidad y descomposición de regiones. El documento también cubre cálculo de integrales triples mediante iteración y coordenadas cilíndricas.
El documento presenta varios problemas resueltos relacionados con la relatividad de intervalos de tiempo, dilatación del tiempo, relatividad de la longitud y contracción de longitudes. El primer problema calcula la vida media de un muón en el laboratorio. El segundo calcula la distancia recorrida por el muón antes de desintegrarse. El tercer problema calcula la diferencia en lectura entre dos relojes atómicos, uno en movimiento y otro en reposo. Los problemas siguientes calculan distancias y tiempos en diferentes marcos de referencia involucrando muones y partículas.
El documento trata sobre el movimiento armónico simple. Explica conceptos como amplitud, periodo, frecuencia, energía potencial y cinética en un oscilador armónico. Presenta varios ejemplos numéricos de problemas relacionados con osciladores armónicos simples y complejos como resortes, péndulos y sistemas masa-resorte.
Este documento describe el método de coeficientes indeterminados para encontrar soluciones particulares a ecuaciones diferenciales lineales de segundo orden. El método se puede aplicar cuando la función consiste en una suma finita de funciones polinominales, exponenciales o trigonométricas, y permite hallar una solución particular Yp usando una tabla de derivadas.
Este documento contiene 10 ejercicios de vectores y producto escalar resueltos. Los ejercicios involucran hallar simétricos, vértices de triángulos, normalizar vectores, calcular ángulos entre vectores, proyecciones, clasificar triángulos y expresar vectores en bases. Para cada ejercicio, se provee la solución resuelta de manera concisa.
MOVIMIENTOS EN UNA DIMENSIÓN
2.1 Desplazamiento, velocidad y rapidez
2.2 Velocidad instantánea y rapidez
2.3 Aceleración
2.4 Movimiento unidimensional con aceleración constante
2.5 Objetos que caen libremente
2.6 Ecuaciones cinemáticas derivadas del calculo
Este documento presenta los conceptos fundamentales del movimiento armónico simple. Explica que el movimiento armónico simple ocurre cuando una fuerza restauradora es directamente proporcional al desplazamiento y de dirección opuesta. Presenta fórmulas para calcular la aceleración, velocidad, periodo y frecuencia en términos del desplazamiento, tiempo y constantes del sistema. También describe el movimiento periódico y el círculo de referencia para comparar el movimiento circular con su proyección horizontal.
1) El documento presenta 10 problemas de física moderna relacionados con la relatividad y la mecánica cuántica. 2) Los problemas incluyen cálculos de masa, energía y velocidad de partículas como electrones y protones en movimiento. 3) También se calculan frecuencias, longitudes de onda y cantidades de movimiento de fotones.
Gentile, enzo r. notas de álgebra i (1984)-versión ocrNicolas Arguello
Este documento presenta las notas de un curso de álgebra I. Incluye 7 capítulos que cubren temas como números naturales, enteros, racionales, complejos y polinomios. También introduce conceptos algebraicos como grupos, anillos y morfismos. El objetivo del curso es desarrollar las habilidades para trabajar con las estructuras algebraicas derivadas de la aritmética ordinaria.
Algebra ii (álgebra lineal) armando rojoleydycaceres7
Este documento habla sobre la importancia de resumir textos de manera concisa para captar la idea principal. Explica que un buen resumen debe identificar la idea central y los detalles más relevantes del documento original en una o dos oraciones como máximo.
1. Se indica el orden de una matriz escribiendo el número de filas x el número de columnas.
2. Una matriz es cuadrada cuando el número de filas es igual al número de columnas.
3. La suma de los elementos de la diagonal principal de una matriz cuadrada se identifica como la traza.
Taller componetes rectangulares de un vectorDulmar Torrado
Este documento presenta un taller sobre el cálculo de las componentes rectangulares de vectores. Instruye calcular las componentes de varios vectores dados y hallar la suma de vectores usando el método de descomposición rectangular. Proporciona ejemplos numéricos de cómo aplicar el método para sumar vectores ligados a sistemas de coordenadas cartesianas.
Este documento trata sobre el potencial eléctrico y la capacitancia. Explica que la diferencia de potencial entre dos puntos es el trabajo requerido para mover una carga positiva entre esos puntos. También define el potencial absoluto y la energía potencial eléctrica. Finalmente, introduce los conceptos de capacitor, capacitancia y la energía almacenada en un capacitor.
El documento presenta cálculos para determinar el campo eléctrico generado por diferentes configuraciones de cargas. En la primera sección, calcula el campo eléctrico a lo largo del eje x producido por una carga lineal uniforme. En la segunda sección, calcula el campo entre dos planos paralelos con diferentes densidades de carga superficial. En la tercera sección, calcula el campo producido por una carga distribuida uniformemente sobre un anillo. En la cuarta y última sección, calcula el campo generado por un disco con densidad
Este documento presenta 6 problemas resueltos relacionados con la suma de vectores utilizando el método analítico. En el primer problema se aplica la ley del seno para encontrar el ángulo entre dos vectores dados sus magnitudes y la magnitud de su resultado. En el segundo problema también se usa la ley del coseno. El tercer problema involucra descomponer vectores en componentes rectangulares y realizar operaciones. En los problemas siguientes se usan métodos como descomposición vectorial.
Aplicaciones de Espacios y Subespacios Vectoriales en la Carrera de MecatrónicaBRYANDAVIDCUBIACEDEO
Se da a conocer un poco sobre los espacios y subespacios vectoriales, además de distintas aplicaciones de los mismos en la mecatrónica y distintos ejercicios aplicando el método Wronskiano para determinar la linealidad de un conjunto de funciones.
El documento presenta 5 ejercicios sobre bases de espacios vectoriales. En el primer ejercicio, se determina si un conjunto de vectores es una base para el espacio P2 resolviendo si es linealmente independiente y genera el espacio. En el segundo ejercicio, otro conjunto sí es una base para P2 al cumplir ambas condiciones. Los ejercicios 3 al 5 encuentran bases para otros espacios vectoriales.
1) Un campo magnético variable puede inducir un fenómeno eléctrico en un circuito, como una corriente eléctrica. 2) Cuando se cierra un interruptor en un circuito primario, se induce una fem momentánea en un circuito secundario debido al cambio en el flujo magnético. 3) La ley de inducción de Faraday establece que la fem inducida es directamente proporcional al cambio en el flujo magnético a través de un circuito con el tiempo.
El documento presenta un taller sobre ecuaciones lineales para estudiantes de noveno grado. Explica que el tema es resolver ecuaciones lineales utilizando el concepto y procedimiento correcto. El objetivo es que los estudiantes puedan resolver problemas prácticos que impliquen plantear y resolver ecuaciones lineales. El taller será entregado por la estudiante Blanca Fernández en la asignatura de Álgebra.
1) El documento explica el concepto de derivadas parciales de funciones de varias variables y cómo se utilizan para determinar cómo cambia el valor de una función cuando cambia una de sus variables independientes. 2) Define formalmente las derivadas parciales de primer orden y presenta la notación comúnmente usada. 3) Proporciona ejemplos numéricos para ilustrar cómo calcular derivadas parciales de funciones de dos variables.
Este documento explica el concepto de integrales triples. 1) Define una integral triple como el límite de sumas triples de Riemann cuando la partición tiende a cero. 2) Explica que una función debe ser continua y tener discontinuidades confinadas para ser integrable. 3) Enumera propiedades como linealidad y descomposición de regiones. El documento también cubre cálculo de integrales triples mediante iteración y coordenadas cilíndricas.
El documento presenta varios problemas resueltos relacionados con la relatividad de intervalos de tiempo, dilatación del tiempo, relatividad de la longitud y contracción de longitudes. El primer problema calcula la vida media de un muón en el laboratorio. El segundo calcula la distancia recorrida por el muón antes de desintegrarse. El tercer problema calcula la diferencia en lectura entre dos relojes atómicos, uno en movimiento y otro en reposo. Los problemas siguientes calculan distancias y tiempos en diferentes marcos de referencia involucrando muones y partículas.
El documento trata sobre el movimiento armónico simple. Explica conceptos como amplitud, periodo, frecuencia, energía potencial y cinética en un oscilador armónico. Presenta varios ejemplos numéricos de problemas relacionados con osciladores armónicos simples y complejos como resortes, péndulos y sistemas masa-resorte.
Este documento describe el método de coeficientes indeterminados para encontrar soluciones particulares a ecuaciones diferenciales lineales de segundo orden. El método se puede aplicar cuando la función consiste en una suma finita de funciones polinominales, exponenciales o trigonométricas, y permite hallar una solución particular Yp usando una tabla de derivadas.
Este documento contiene 10 ejercicios de vectores y producto escalar resueltos. Los ejercicios involucran hallar simétricos, vértices de triángulos, normalizar vectores, calcular ángulos entre vectores, proyecciones, clasificar triángulos y expresar vectores en bases. Para cada ejercicio, se provee la solución resuelta de manera concisa.
MOVIMIENTOS EN UNA DIMENSIÓN
2.1 Desplazamiento, velocidad y rapidez
2.2 Velocidad instantánea y rapidez
2.3 Aceleración
2.4 Movimiento unidimensional con aceleración constante
2.5 Objetos que caen libremente
2.6 Ecuaciones cinemáticas derivadas del calculo
Este documento presenta los conceptos fundamentales del movimiento armónico simple. Explica que el movimiento armónico simple ocurre cuando una fuerza restauradora es directamente proporcional al desplazamiento y de dirección opuesta. Presenta fórmulas para calcular la aceleración, velocidad, periodo y frecuencia en términos del desplazamiento, tiempo y constantes del sistema. También describe el movimiento periódico y el círculo de referencia para comparar el movimiento circular con su proyección horizontal.
1) El documento presenta 10 problemas de física moderna relacionados con la relatividad y la mecánica cuántica. 2) Los problemas incluyen cálculos de masa, energía y velocidad de partículas como electrones y protones en movimiento. 3) También se calculan frecuencias, longitudes de onda y cantidades de movimiento de fotones.
Gentile, enzo r. notas de álgebra i (1984)-versión ocrNicolas Arguello
Este documento presenta las notas de un curso de álgebra I. Incluye 7 capítulos que cubren temas como números naturales, enteros, racionales, complejos y polinomios. También introduce conceptos algebraicos como grupos, anillos y morfismos. El objetivo del curso es desarrollar las habilidades para trabajar con las estructuras algebraicas derivadas de la aritmética ordinaria.
Algebra ii (álgebra lineal) armando rojoleydycaceres7
Este documento habla sobre la importancia de resumir textos de manera concisa para captar la idea principal. Explica que un buen resumen debe identificar la idea central y los detalles más relevantes del documento original en una o dos oraciones como máximo.
La unidad 5 del documento trata sobre transformaciones lineales. Introduce el concepto de transformaciones lineales y explica cómo se definen su núcleo e imagen. Además, explica cómo representar una transformación lineal mediante una matriz. El documento contiene ejemplos y ejercicios sobre estos temas fundamentales de las transformaciones lineales.
A continuación les mostraremos un reporte sobre un memorama algebraico, una excelente alternativa de enseñanza para jóvenes que estén empezando en el álgebra. Planteamos el objetivo de éste, los conceptos utilizados y el proceso de elaboración para llevarlo a cabo.
Este documento describe un material didáctico llamado "Memorama algebraico" que se utiliza para enseñar conceptos básicos de álgebra a estudiantes de nivel superior. Los estudiantes trabajan en equipos para crear sus propios memoramas usando 20 conceptos algebraicos clave. Luego juegan con los memoramas creados por otros equipos y escriben informes que demuestran su comprensión de los conceptos. El documento proporciona instrucciones detalladas para la creación y uso de los memoramas, así como criterios para evaluar el aprend
El documento resume los conceptos fundamentales de las funciones y relaciones matemáticas. Explica qué son las relaciones de equivalencia, inversas y funcionales, y cómo se pueden representar funciones de manera verbal, algebraica, gráfica y algorítmica. También define los conceptos clave de dominio, codominio e imagen de una función.
Este documento presenta estrategias para enseñar matemáticas en el nivel secundario, incluyendo aplicar estrategias innovadoras, elaborar juegos de aprendizaje y utilizar material concreto. También discute conceptos como porcentajes, aumentos y descuentos sucesivos, y pre-álgebra, así como criterios para la enseñanza efectiva de matemáticas.
El documento consiste en una colección de 141 páginas de ejercicios de álgebra de la Academia de Matemáticas. Cada página tiene el mismo formato, solicitando información sobre el grupo, fecha, calificación y nombre del estudiante, seguido de los ejercicios de álgebra.
Este documento presenta el resumen de un libro de Algebra Lineal. En el primer capítulo, se introduce el sistema de coordenadas rectangulares en el espacio tridimensional y se definen conceptos básicos como rectas, planos, ángulos y distancias. Luego, se explican las diferentes formas de representar una recta y un plano a través de ecuaciones vectoriales, paramétricas y generales. Finalmente, se analizan las relaciones geométricas entre rectas y planos como paralelismo, intersección y proyecciones ortogon
Este documento presenta el currículum de Eduardo Espinoza Ramos, un matemático peruano graduado en Matemática Pura. Ha sido catedrático de las principales universidades de la capital y ha publicado varios libros y artículos sobre álgebra lineal. El documento incluye la portada y el prólogo de su libro sobre álgebra lineal, en el que explica los temas que serán tratados en cada capítulo.
Este documento presenta el currículum de Eduardo Espinoza Ramos, un matemático peruano graduado en Matemática Pura. Ha sido catedrático de las principales universidades de la capital y ha publicado varios libros y artículos sobre álgebra lineal. El documento incluye la portada y el prólogo de su libro sobre álgebra lineal, en el que explica los temas que serán tratados en cada capítulo.
Este documento presenta el Capítulo 1 de Algebra II de Armando O. Rojo. El capítulo introduce nociones básicas de lógica, incluyendo proposiciones, conectivos lógicos, operaciones preposicionales y sus leyes, razonamiento deductivo válido, funciones preposicionales y circuitos lógicos. El capítulo proporciona los fundamentos lógicos necesarios para comprender conceptos algebraicos más avanzados presentados en los capítulos posteriores.
Este documento presenta el capítulo 1 de un libro de álgebra. Introduce nociones básicas de lógica, incluyendo la definición de proposiciones, notaciones para conectivos lógicos como la negación, conjunción, disyunción e implicación, y leyes lógicas como la doble negación y el modus ponens. También cubre funciones preposicionales y razonamiento deductivo válido.
Este documento presenta el capítulo 1 de un libro de álgebra. Introduce nociones básicas de lógica, incluyendo la definición de proposiciones, notaciones para proposiciones y conectivos lógicos, leyes lógicas y razonamiento deductivo válido. Explica conceptos como proposiciones, valores de verdad, negación, conjunción, disyunción e implicación, y cómo se pueden generar nuevas proposiciones a partir de proposiciones simples usando conectivos lógicos.
Solucionario de matematicas para administracion y economoaEdgar Quispe Ccora
Este documento presenta el resumen de un libro de matemáticas para administración y economía. El libro contiene la solución de problemas de conjuntos, relaciones, funciones, representación gráfica de rectas y curvas, cálculo diferencial e integral de funciones de una y más variables, ecuaciones diferenciales y en diferencias. El autor espera que este libro sirva de ayuda para los estudiantes en sus cursos de matemáticas y contribuya a su formación científica.
Este documento presenta un resumen de los conceptos básicos de lógica introducidos en el primer capítulo de un libro de álgebra. Introduce las nociones de proposición, notaciones y conectivos lógicos, operaciones proposicionales y leyes lógicas. Explica que una proposición es una oración declarativa a la que se le puede asignar un valor de verdad, ya sea verdadero o falso. Define los símbolos y conectivos utilizados para representar proposiciones simples y compuestas, así como las oper
Este documento presenta las instrucciones para un proyecto de construir un reloj solar. Los estudiantes aprenderán sobre los modelos de relojes solares y construirán uno para analizar su funcionamiento y facilidad de uso. Se les pide mejorar su diseño utilizando los conocimientos adquiridos en clases anteriores sobre figuras geométricas. Al finalizar, practicarán con su reloj solar y evaluarán su utilidad.
El libro contiene problemas que se usan en Algebra I y Algebra II de la facultad de Ingenieria FNI .
La editorial es MIr Moscu 1971
Los autores son D.Faddieev e I. Sominski
Este documento presenta un resumen de los conceptos matemáticos fundamentales necesarios para estudiar el libro, incluyendo definiciones de conjunto, función, imagen de una función, función compuesta y restricción de una función. Explica que se requieren conocimientos básicos de cálculo y álgebra lineal para comprender el libro.
Este documento presenta una introducción al álgebra lineal. En el capítulo 1 se define la noción de matriz y se estudian sus propiedades algebraicas. Se analizan también los sistemas de ecuaciones lineales y las operaciones elementales sobre matrices. Los capítulos siguientes tratan conceptos como determinantes, espacios vectoriales, transformaciones lineales, autovalores y autovectores. El objetivo general es iniciar al estudiante en los fundamentos del álgebra lineal.
Este documento presenta un programa de apoyo en ejercicios y asesoría en matemáticas para ingeniería, ofrecido por Maestros Online. Incluye 10 módulos sobre cálculo diferencial e integral de funciones de varias variables, funciones vectoriales y análisis vectorial. Proporciona instrucciones para la resolución de ejercicios relacionados con estos temas.
Este documento presenta un capítulo sobre la geometría del espacio euclidiano Rn. Introduce Rn como un espacio vectorial formado por n-tuplas ordenadas de números reales, y describe cómo Rn representa geométricamente puntos en líneas, planos y espacios de dimensión n. Explica conceptos como coordenadas cartesianas, ejes de coordenadas, sumas y productos por escalar de vectores, y provee ejemplos ilustrativos de estas operaciones en Rn.
Este documento presenta un capítulo sobre la geometría del espacio euclidiano Rn. Introduce conceptos fundamentales como puntos, vectores y coordenadas cartesianas en Rn. Explica cómo Rn puede verse como un espacio vectorial mediante la definición de operaciones como la suma vectorial y el producto escalar. Finalmente, menciona algunos temas geométricos adicionales que se abordarán más adelante como subespacios, ortogonalidad, transformaciones lineales y conceptos topológicos.
Este documento presenta un capítulo sobre la geometría del espacio euclidiano Rn. Introduce Rn como un espacio vectorial formado por n-tuplas ordenadas de números reales, y describe cómo Rn representa geométricamente puntos en líneas, planos y espacios de dimensión n. Explica conceptos como coordenadas cartesianas, ejes de coordenadas, sumas y productos por escalar de vectores, y provee ejemplos ilustrativos de estas operaciones en Rn.
Este documento presenta un capítulo sobre la geometría del espacio euclidiano Rn. Introduce Rn como un espacio vectorial formado por n-tuplas ordenadas de números reales, y describe cómo Rn representa geométricamente puntos en líneas, planos y espacios de dimensión n. Explica conceptos como coordenadas cartesianas, sumas y productos escalares de vectores, y cómo estos espacios vectoriales proporcionan una base para el cálculo multivariable.
Este documento presenta los conceptos básicos de la geometría analítica plana. Introduce el sistema de coordenadas lineal y bidimensional, y define conceptos como segmento rectilineo, distancia entre puntos, división de segmentos, ecuaciones de rectas y su pendiente. Explica las formas canónicas de ecuaciones para rectas, circunferencias, parábolas, elipses e hipérbolas, así como sus elementos y propiedades geométricas. Incluye numerosos ejemplos y ejercicios resueltos.
1. El documento presenta una serie de ejercicios relacionados con funciones constantes y lineales. Incluye problemas sobre ecuaciones de rectas, determinación de pendientes, dominios y rangos de funciones, y gráficas de funciones.
2. Se piden determinar ecuaciones de rectas, puntos de intersección, paralelismo, perpendicularidad y distancias entre puntos dados diferentes sistemas de ecuaciones lineales.
3. También incluye problemas sobre funciones constantes y lineales aplicadas a situaciones reales.
Similar a Algebra ii armando rojo - www.freelibros.com (20)
4. P R O LO G O
Este libro responde a los contenidos de la asignatura ALGEBRA LINEAL, que
figura en los planes de estudios del ciclo básico de Matemática de las facultades e
institutos ote profesorado. Se supone adquirido el conocimiento de los temas
relativos al álgebra de conjuntos, relaciones, y funciones, y de las estructuras de
grupo, anillo y cuerpo. Esencialmente se desarrolla a quí la estructura de espacio
vectorial y se estudian los modelos particulares indispensables en la formación actual
de profesionales y en las aplicaciones a disciplinas de uso cotidiano, entre las que
citamos, por ejemplo, la Estadística y la Investigación operativa.
El esquema seguido es análogo al expuesto en Algebra I, editado por EL
ATENEO en 1972. La teoría es ilustrada con el desarrollo de ejemplos en los que el
alumno puede apoyarse. En cada capítulo se propone un trabajo práctico cuyas
respuestas se sugieren en el texto.
Agradezco a la editorial EL ATENEO y a su personaI la colaboración que me
han brindado en todo lo concerniente a esta publicación.
Buenos Aires, mayo de 1973.
www.FreeLibros.com
A R M A N D O O . R O JO
6. www.FreeLibros.com
CONTENIDO
apítulo 1. ESTRUCTURA DE ESPACIO VECTORIAL. SUBESPACIO
1 . 2 . Concepto de espacio vectorial
1 . 3 . Propiedades de los espacios vectoriales
I 1. 4. Espacio vectorial de funciones
! 1. 5. Espacio vectorial de n-uplas
, 1. 6 . Espacio vectorial de matrices
, 1. 7. Espacio vectorial de sucesiones
1. 8 . Subespacios
1. 9. Operaciones entre subespacios
Trabajo Práctico I
pítulo 2. DEPENDENCIA E INDEPENDENCIA LINEAL. BASE Y DIMENSION
1
1
67
10
11
13
15
20
27
30
30
34
42
51
53
60
63
66
2 . 2 . Combinaciones lineales
2. 3. Subespacio generado
2 . 4. Dependencia e independencia lineal
2. 5. Sistema de generadores
2. 6 . Base de un espacio vectorial ^
2. 7. Dimensión de un espacio vectorial 57
2 . 8 . Dimensión de la suma
¡ Trabajo Práctico II
iítulo 3. TRASFORMACIONES LINEALES
3. 2 . Trasformación lineal entre dos espacios vectoriales 66
I 3. 3. Núcleo e imagen de una trasformación lineal 72
3. 4. Dimensiones del núcleo y de la imagen 80
3. 5. Teorema fundamental de las trasformaciones lineales 83
3. 6 . Producto de matrices 85
3. 7. Matriz asociada a una trasformación lineal 86
3. 8 . Composición de trasformaciones lineales 92
3. 9. Trasformación lineal 110 singular 93
3.10. Composición de trasformaciones lineales y producto de matrices 96
3.11. Espacio vectorial de trasformaciones lineales 98
3.12. Espacio dual de un espacio vectorial in i
Trabajo Práctico III ^
7. X C O N T E N ID O
Capítulo 4. MATRICES 106
4. 2. Producto de matrices 106
4. 3. Anillo de matrices cuadradas 109
4. 4. Trasposición de matrices 110
4. 5. Matrices simétricas y antisimétricas 112
4. 6 . Matrices triangulares 114
4. 7. Matrices diagonales 114
4. 8 . Matrices idempotentes e involutivas 115
4. 9. Inversa de una m atriz no singular 1 16
4.10. Matrices ortogonales 117
4.11. Matrices hermitianas 118
4.12. Matrices particionadas 121
4.13. Espacios fila y columna de una matriz 123
4.14. Operaciones y matrices elementales 130
4.15. Equivalencia de matrices 133
4.16. Método de Gauss Jordán para determinar el rango 135
4.17. Inversión de matrices por Gauss Jordán 138
4.18. Inversión de matrices por partición 141
4.19. Cambio de base y semejanza de matrices 144
Trabajo práctico IV 149
Capítulo 5. DETERMINANTES 155
5. 2. Determinantes 155
5. 3. Propiedades de la función determinante 157
5. 4. Existencia de D 161
5. 5. Unicidad del determinante 163
5. 6 . Determinante de la traspuesta 166
5. 7. Determinante del producto de dos matrices 169
5. 8 . Adjunta de una matriz cuadrada 170
5. 9. Inversión de matrices no singulares 172
5.10. Regla de Cilio 174
Trabajo Práctico V 177
Capítulo 6 . SISTEMAS LINEALES 181
6 . 2. Sistemas lineales 181
6 . 3. Teorema de Cramer 187
6. 4. Compatibilidad de sistemas lineales 188
6. 5. Resolución de sistemas lineales 190
6. 6. Sistemas homogéneos 196
6. 7. Conjunto solución de un sistema lineal 198
6. 8. Resolución de sistemas simétricos 202
6. 9. Método del orlado 205
Trabajo Práctico VI 210
www.FreeLibros.com
8. C O N T E N ID O X I
Capítulo 7. PRODUCTO INTERIOR. GEOMETRIA VECTORIAL 214
7. 2. Espacio vectorial euclidiano 214
7. 3. Ortogonalidad 219
7. 4. Desigualdad de Schwarz 222
7. 5. Desigualdad triangular 223
7. 6. Angulo de dos vectores 223
7. 7. Conjunto ortogonal de vectores 225
7. 8. Base ortonorm al 225
7. 9. Complemento ortogonal 229
7.10. Proyección de un vector sobre otro 232
7.11. Espacio afín Rn 233
7.12. Ecuaciones vectorial y cartesianas de la recta 236
7.13. Ecuación normal vectorial del plano 239
7.14. Curvas en el espacio 246
7.15. Superficie cilindrica 249
7.16. Superficie cónica 251
7.17. Proyección de una curva sobre un plano 253
Trabajo Práctico VII 257
Capítulo 8. VALORES Y VECTORES PROPIOS. DIAGONALIZACION 263
8. 2. Valores y vectores propios 263
8. 3. Polinomio característico de una matriz 270
8. 4. Diagonalización de matrices 276
8. 5. Triangulación de endomorfismos y de matrices 279
8. 6. Teorema de Hamilton-Cayley 282
Trabajo Práctico VIII 285
Capítulo 9. FORMAS BILINEALES Y CUADRATICAS 289
9. 2. Formas bilineales 289
9. 3. Formas hermitianas 293
9. 4. Formas cuadráticas 294
9. 5. Operadores adjuntos y traspuestos 296
9. 6. Operadores hermitianos y simétricos 299
9. 7. Operadores unitarios y ortogonales 300
9. 8. Teorema de Sylvester 303
9. 9. Diagonalización de operadores simétricos 307
9.10. Matrices simétricas reales y valores propios 310
9.11. Descomposición espectral de una matriz 311
9.12. Congruencia de formas cuadráticas 314
9.13. Signo de una forma cuadrática 318
Trabajo Práctico IX 321
www.FreeLibros.com
9. X II C O N T E N D IO
Capítulo 10. CONVEXIDAD. PROGRAMACION LINEAL 325
10.2. Conjuntos de puntos en Rn 325
10.3= Segmentos, hiperplanos y semiespacios 330
10.4. Convexidad en Rn 336
10.5. Convexidad y trasformaciones lineales 339
10.6. Hiperplanos soportantes 342
10.7. Puntos extremos 344
10.8. Introducción a la Programación Lineal 346
Trabajo Práctico X 356
BIBLIOGRAFIA 359
RESPUESTAS A LOS TRABAJOS PRACTICOS 361
INDICE 393
www.FreeLibros.com
10. www.FreeLibros.com
Capítulo 1
ESTRUCTURA DE ESPACIO VECTORIAL
SUBESPACIOS
1.1. INTRODUCCION
La estructura de espacio vectorial, que tratamos en este capítulo, es el concepto básico
del Algebra Lineal. Confiere unidad y precisión a temas esenciales de la matemática que
tienen vastas aplicaciones en la ciencia y en la tecnología actuales. Después de introducir el
sistema axiomático y de dar las propiedades fundamentales, proponemos los espacios
vectoriales de funciones,de los que se derivan los modelos de los espacios de matrices,
n—uplas y sucesiones de elementos de un cuerpo. Se da, finalmente, el concepto de
subespacio.
1.2. CONCEPTO DE ESPACIO VECTORIAL
Sean: V un conjunto no vacío, K un cuerpo, + y . dos funciones, que llamaremos suma y
producto, respectivamente.
Definición
El objeto (V, + , K , . ) es un espacio vectorial si y sólo si se verifican los siguientes:
Aj . La suma es una ley de composición interna en V.
+ : V2 -> V
O sea
x e V a y e V =>x + y e V
Esto significa que la suma de dos elementos cualesquiera de V es un único elemento de
V.
A2 . La suma es asociativa en V.
(x + y) + z = x + (y + z)
cualesquiera que sean x, y, z en V.
11. 2 ESTRUCTURA DE ESPACIO VECTORIAL. SUBESPACIOS
A3 . Existe un neutro para la suma en V.
El elemento neutro se denota con 0.
3 0 e V / V x e V : x + 0 - 0 + x = x
A4 • Todo elemento de V admite inverso aditivo u opuesto en V.
V x e V , 3 y e V / x + y = y + x = 0
Al opuesto de x lo denotamos con —x, o sea, y = —x.
A5 . La suma es conmutativa en V.
X + y = y + x
cualesquiera que sean x, y en V.
A6 . El producto es una ley de composición externa en V con escalares u operadores
en K. r
. : K X V - > V
De acuerdo con 5.6, A lgebraí, del mismo autor, la imagen del par (a, x), donde a e K y
x e V, se escribe a x y se llama producto del escalar a por x.
O sea
a e K a x e V =>ax e V
A7 . El producto satisface la asociatividad mixta.
V a e K, V P e K, V x e V : a (0 x) - (a p) x
Observamos aquí que los dos productos que figuran en el primer miembro
corresponden a la ley de composición externa. Pero el producto a p del segundo
miembro se efectúa en K.
A8 . El producto es distributivo respecto de la suma en K.
V a e K , V 0 e K , V x e V : ( a + 0 ) x = a x + (}x
La suma a + 0 se efectúa en K, pero la suma que figura en el segundo miembro
corresponde a la ley de composición interna en V.
Ag . El producto es distributivo respecto de la suma en V.
V a e K , V x e V , V y e V ; a,(x + y ) - o , x + o ; y
Las dos sumas se realizan en V.
A ,0. La unidad dei cuerpo es neutro para el producto.
V x e V : Ix = x
donde 1 denota la identidad en K.
Los axiomas A ,, A2, A 3, A4 y As caracterizan a (V ,+ ) como grupo abeliano. Los
últimos cinco axiomas son relativos a la ley de composición externa.
Los elementos de V se llaman vectores; en particular, el elemento neutro para la suma
www.FreeLibros.com
12. ESPACIO VECTORIAL 3
recibe el nombre de vector nulo. A menudo hablaremos del espacio vectorial V,
sobrentendiendo que nos referimos a la cuaterna (V, + , K , .). La simplificación de las
notaciones hace conveniente el uso de los mismos símbolos para nombrar las leyes de
composición interna en K, la suma en V y el producto de escalares por vectores. O sea, al
decir K nos estamos refiriendo al cuerpo (K, +, .), donde los signos “ + ” y denotan las
dos leyes de composición interna en K, que no tienen el mismo significado que las que
figuran en (V, +, K , .). Distinguiendo adecuadamente los elementos de K y los de V, no hay
lugar a confusión.
www.FreeLibros.com
Así
a + ¡3 es una suma en K x 4- y es una suma en V
a (i es un producto en K a x es el producto de un escalar por un vector
Ejemplo 1-1.
Sean: V = R2, K = R, la adición definida en R 2 por
(a , b) + (c , d) = (a + c , b + d) (1)
y el producto de números reales por elementos de R 2 definido mediante
a (a , b ) = (oca, ot b ) ( 2 )
Resulta (R2 , + , R ,.) el espacio vectorial de los pares ordenados de números reales
sobre el cuerpo de los números reales.
En efecto, de acuerdo con los ejemplos 5-2 y 5-5 iv) del texto nombrado, es (R2 , +)
un grupo abeliano.
Por otra parte se verifican:
A6 . Por la definición (2).
A7 . a = u ( P a , & b ) = (a ¡< p a ), a (P Z») ) - ( (a (3) a , (afl) b ) =
= (a 0) (a , b)
Hemos aplicado la definición (2), la asociatividad del producto en R y la definición
( 2).
Aa . (a + (3) (a , b) = ( (a + (i)a, (a+j3) Z>J = ( a a + (3a , a b + (ib) =
= (a a , a b) + (j3 a , 0 b) = a (a , b) + j3 ( a , b)
De acuerdo con (2), la distributividad del producto respecto de la suma en R, y las
definiciones (1) y (2).
A9 . a ^ (a , b) + ( c , d) J = a (a + c , b + -d)~ ( a (a + c ) , a (b + rf)| =
= (a a + a c , o t b + a d ) = (Oia, <x b) + (ot e, o c d ) ~ a ( a , b ) + a ( c , d)
13. 4 ESTRUCTURA DE ESPACIO VECTORIAL. SUBESPACIOS
Según (1), (2), distributividad de la multiplicación respecto de la adición en R y las
definiciones ( I ) y (2). ’ *
A¡0. 1 ( a , b) = (1 a , Ib) = ( a , b)
El significado geométrico de las operaciones de este espacio vectorial es el siguiente:
la suma de dos vectores no colineales del plano queda representada por la diagonal del
paraleiogramo que forman. El producto de un número real a por un vector no nulo
x ~ ( a , b), es el vector a x que tiene la misma dirección que x; el mismo sentido si
<*>0, y sentido opuesto si a < 0 . Corresponde a una dilatación si la l> 1 y a una
contracción si I ot I < 1. Si a - 0, entonces se obtiene el vector nulo.
www.FreeLibros.com
Ejemplo 1-2.
En R2 se definen: la suma, como en el ejemplo anterior, y la ley de composición
externa mediante
« ( « , * ) = (a , a) (2’)
Se verifica, como antes, que (R 2 , + ) es un grupo abeliano.
En cuanto a ( 2 ) , satisface A6. Su significado geométrico es el siguiente: todos los
pares ordenados que tienen la misma absisa, al ser multiplicados por cualquier número
real, se proyectan sobre la primera bisectriz paralelamente al eje de ordenadas.
14. ESPACIO VECTORIAL
www.FreeLibros.com
También se satisface A7, pues
« {$(<*,b)) = <*(a,a) = ( a , a ) = ( a $ ) ( a , b )
No se verifica A8, ya que
(a +i 3 ) ( a , b ) = (a, a)
pero
a (a , b) + 0 (a , b) = (a , a) + ( a , a) = (2a , 2a)
Este hecho es suficiente para afirmar que no se trata de un espacio vectorial.
El lector puede comprobar que esta interpretación cumple A9 pero no A 10 .
Observamos aquí que la estructura de espacio vectorial no es inherente exclusivamente
al conjunto V, sino que, además, depende de K y de las leyes de composición que se
definan. Aclaramos que toda vez que se mencione al espacio vectorial (R2, + , R , .) se
sobrentenderá que la suma y el producto son los definidos en (1) y en (2) del ejemplo
Ejemplo 1-3.
La estructura de espacio vectorial no es un sistema axiomático independiente, pues As
puede deducirse sobre la base de los restantes axiomas.
En efecto
15. 5 ESTRUCTURA DE ESPACIO VECTORIAL. SUBESPACIOS
x + x + y + y ^ l x + lx + ly + ly = (1 + l ) x + ( l + l)y — (1 + 1 ) 0 + y)
= 1 (x + y) + 1 (x + y) = l x + ly + l x + ly = x + y + x + y
en virtud de Aio , Ag, A9, Ag, A9 y A 10 .
O sea
X + x + y +*y - X + y + x + y
Por ley cancelativa en el grupo (V , + ) resulta
x + y = y + x
1.3. PROPIEDADES DE LOS ESPACIOS VECTORIALES
Sea (V, + , K , .) un espacio vectorial.
1.3.1. El producto del escalar O por cualquier vector es el vector nulo.
En efecto, por neutro para la suma en K y A8 es
a x = (a + 0)x = a x + Ox
www.FreeLibros.com
Por A 3 se tiene
JJHC + O O x
Y por ley cancelativa resulta
0 x = 0
1.3.2. El producto de cualquier escalar por el vector nulo es el vector nulo.
Por A 3 y A9 es
a x = f l ( x + 0 ) = « x + a 0
Entonces
a x + a O = o i x
Por A3
JX-X-+ a O ~xh c + O
Y por regularidad en (V, +), resulta
a O = O
16. PROPIEDADES DE LOS ESPACIOS VECTORIALES 7
1.3.3.Si el producto de un escalar por un vectores el vector nulo, entonces el escalar es 0 o
www.FreeLibros.com
el vector es nulo.
a x = 0 ^ a = 0 v x = 0
Se presentan dos posibilidades: a ~ 0, o bien, a 0
En el primer caso es verdadera la primera proposición de la disyunción que figura en la
tesis, y por consiguiente ésta es verdadera.
En el segundo caso es necesario probar que x = 0.
En efecto, siendo 0, existe el inverso multiplicativo en K, a ’1. Partiendo de la
hipótesis, premultiplicando por a 1, usando A7, 1.3.2., el producto de inversos en K y A i0
se tiene
a x = 0 => a -1 (a x) = a-1 0 => (a’1 a ) x = 0 lx ~ 0 x = 0
1.3.4. El opuesto de cualquier escalar por un vector es igual al opuesto de su producto.
(--«) x = - (a x)
Teniendo en cuenta A4, 1.3.1., la suma de opuestos en K y A8, es
— ( a x ) + a x = 0 = 0 x = (—a + a) x = ( - a ) x + a x
De
( a ) x +-e¿'X'= - ( a x) + jxjc
después de cancelar, resulta
( - a) x = - (a x)
En particular se tiene
(—1) x = --(1 x) = - x
1.4. ESPACIO VECTORIAL DE FUNCIONES
El símbolo Kx denota el conjunto de todas las funciones con dominio un conjunto X # 0
y codominio un cuerpo K, o sea
Kx = { f / f : X - > K |
En Kx definimos la suma de funciones y el producto de escalares por funciones mediante
i ) Si f y g son dos elementos cualesquiera de Kx , entonces f + g : X -»■ K es tal que
(f + g) (x) = f (*) + g (x ) V j c c X
ii) Si a es cualquier elemento de K y f es cualquier elemento de Kx , entonces
a f : X -> K es tal que
(a f) (x) = a f (x) V x e X
17. 8 ESTRUCTURA DE ESPACIO VECTORIAL. SUBESPACIOS
Tanto la suma de funciones con dominio X =É 0 y codominio K, como el producto de
escalares por funciones, se llaman leyes de composición punto a punto.
Resulta (KX , + , K , . ) un espacio vectorial. Para ello, veamos que se verifican los
axiomas.
A ( . f e Kx a g e Kx => f + g e Kx por la definición i)
A2 .Sean f, g y h en Kx . Cualquiera que sea x e X se verifica, teniendo en cuenta la
definición i) y la asociatividad de la suma en K:
( ( f + g) + h ) (x) = (f + g )(x ) + h (x ) = ( f ( x ) + g (x )j + h (x) =
= f (x) 4- ( g (X) + h (x) J = f (x) + (g + h) (x) - ( f + (g + h) (x)
Y por definición de funciones iguales resulta
(f + g) + h = f + (g + h)
A3 . El vector nulo es la función nula
e: X K definida por e (x) = 0 cualquiera que sea x e X .
Sea f e Kx . Teniendo en cuenta i), la definición de e y la suma en K, es
(f + e) 0 ) = f (x) + e (x) = f (x) + 0 = f (x) .
www.FreeLibros.com
Luego
f + e = f
Análogamente se verifica que e + f - f.
A4 • Inverso aditivo de f e Kx es la función - f : X -+ K definida por (~ f) (x) = - f (x)
En efecto, para todo x e X se verifica
( - f + f) (x) = ( f) (x) + f (x) - - f (x) + f (x) = 0 = e (x)
O sea
( - f ) + f = e
Análogamente se prueba que
f + ( - f ) = e
A s . La suma en Kx es conmutativa, ya que
(f + g) O ) = f (x) + g (x) = g (x) + f (x) = (g + 0 (x)
Luego
f + g = g + f cualesquiera que sean f y g en Kx .
A 6 . a e K A f e K x => a f e K x p o r la d e f i n i c i ó n i i ) .
A 7 . S e a n a e K , / 3 e K y f e K x .
18. ESPACIO VECTORIAL DE FUNCIONES <.
www.FreeLibros.com
Entonces
(a<JJf)) W = « ( ( Í O W ) = « ( p f ( x ) ) = (a fl)f(je ) = ( ( a f í t j (x)
Luego
a (/3 f) = (a /? )f
A8 . Considerando
a e K , 0 e K y f e K x es
((« + P) f j (*) = (a + p) f (x) = a f (x) + p f (X) =
= (a f) (jc) + (/i f) (x) = (a f + p f) (x)
en k “ ¡)“ i r “ " 3 tenÍend° “ CUe,,ta i0 ’ 13 d¡S,ributiVÍdad ^ 13 asociatividad del producto
Entonces es
(a + |3)f = a f + 0 f
A9 . Sean a e K , f e K x y g e K x .
y 0 » r2 e 0, distdbutividad del pr0duct0 resP“ ‘° de la suma en K y por las definiciones ii)
( “ (f+g)J (*) = <* ((f + g )W ) = , ( f W + g W ) =
= a f W + « g W = (oif) (A:) + (a g)(*) = (a f + a g ) w
O sea
a ( ? + g ) ~ a : f + a g
AI0 . Cualquiera que sea f en Kx se verifica
(lf)C *) = 1 f(* ) = f(je)
Luego
1 f = f
no Vedt0rial de laS funci0nes definidas “ 61
este espacio IZltZl ^ ^ C° mP° S1CÍÓn PUn‘° 3 P“ ‘°- Los
La figura siguiente explica la situación en el caso particular en que K = R y X = [0,1 ]
19. 10 ESTRUCTURA DE ESPACIO VECTORIAL. SUBESPACIOS
1.5. ESPACIO VECTORIAL DE «-UPLAS DE ELEMENTOS DE K
Con relación al espacio vectorial de funciones (Kx , +, K , .) consideremos el caso
particular en que X es el intervalo natural inicial I„. Toda función f: ln -*■ fí es una n-upla de
elementos de K, y escribiendo K1" = K" es (K ", + , K , .) el espacio vectorial de las n-uplas de
elementos de K.
Las definiciones i) y ii) dadas en 1.4. se traducen aquí de la siguiente manera:
i ) Si f y g denotan elementos de K", entonces f + g es la función de 1„ en K definida
www.FreeLibros.com
por
(f + g) Í0 ” f (0 + g ( 0 cualquiera que sea i e l„
Es decir
c i = (f + g) (0 = f (0 + g (0 = a¡ + bi
donde au b¡ y c¡ son las imágenes de i dadas por f, g y f + g, respectivamente.
En consecuencia, dos n-uplas de elementos de K se suman componente a componente.
ii) Si oí e K y f e K ", entonces a f es la función de I„ en K definida por
(a f) (?) = a f (/) cualquiera que sea / e In .
Denotando mediante c,- la imagen de i dada por a f es
Ci = (a 0 (0 = oc f (/) = a a¡
20. ESPACIOS DE N -U PL A S Y DE MATRICES j x
Es decir, el producto de un elemento de K por una n-upla se realiza multiplicando en K a
dicho elemento por cada componente de la n-upla.
En particular (K, +, K , .) es el espacio vectorial donde los vectores se identifican con los
elementos del cuerpo K. En este caso, la ley de composición externa es interna.
En consecuencia, (R, +, R , .) es el espacio vectorial de los números reales sobre el cuerpo
de los reales. Este es un caso particular del espacio vectorial de las n-uplas de números reales
sobre el cuerpo de los reales, que denotamos mediante (Rn, + , R , .).
(C", +, C ,.) es el espacio vectorial de las n-uplas de números complejos sobre el cuerpo de
los complejos.
1.6. ESPACIO VECTORIAL DE MATRICES n x m
Particularizando nuevamente con relación al espacio vectorial tratado en 1.4., consideremos
X = I„ X l m, o sea, el producto cartesiano de los dos intervalos naturales iniciales: e
Im •L
lamamos matriz n x m con elementos en K a toda función
La imagen del elemento ( /, /) perteneciente al dominio se denota por a¡j.
La matriz f queda caracterizada por el conjunto de las imágenes
«11 «12 . . . a Xm
«22 • • • a2m
www.FreeLibros.com
21. 12 ESTRUCTURA DE ESPACIO VECTORIAL. SUBESPACIOS
y suele escribirse como un cuadro de n.m elementos de K dispuestos en n filas y m columnas.
En cada fila o renglón se escriben las imágenes de todos los pares ordenados que tienen la
misma primera componente, y en cada columna se anotan las imágenes de todos los pares
ordenados que tienen la misma segunda componente. El elemento de la matriz que figura en
la fila i y en la columna j se denota por a¡j, y es la imagen dada por f, del par (i, /). Llamando
A a la matriz cuyo elemento genérico es ay, escribiremos
«11 «12 «13
«21 « 2 2 «23
A =
«i,
l 2 m
« n i « n 2 a n3
Tanto las filas como las columnas de A se llaman líneas de la matriz.
Abreviando, puede escribirse
A = (a¡j) donde /= 1, 2 ,. .., n y / = 1, 2 , . . m
El conjunto de todas las matrices n x m con elementos en K. es K!»XIm y se denota
www.FreeLibros.com
mediante KnXm.
Las definiciones i) y ii) dadas en 1.4, se traducen aquí de la siguiente manera: si A y B son
dos matrices de K” x m , su suma es C e K" x m, tal que
c¡j = (f + g) (i, j) = f (/,/) + g (/, /) = au + b¡j
y el producto del escalar a e K por la m atriz A es la m atriz de Kn x m cuyo elemento genérico
cu es tal que
c¡i = (a f) ( i , J) = a f (/ , f ) ~ a au
O sea, dos matrices del tipo n x m se suman elemento a elemento; y para multiplicar un
escalar por una matriz n x m se multiplica dicho escalar por todos los elementos de la matriz.
La cuaterna (KnXm, + , K , .) denota el espacio vectorial de las matrices n x m con
elementos en K. En este espacio, los vectores son matrices.
En particular (KnXn, + , K , .) es el espacio vectorial de las matrices cuadradas, es decir,
de n filas y n columnas.
El vector nulo del espacio K" x m se llama matriz nula; la denotaremos mediante N, y está
definida por «y = 0 V i V /.
La matriz inversa aditiva u opuesta de A = (a¡j) es B, cuyo elemento genérico satisface la
relación b¡¡ = -a¡j. Escribiremos B = —A.
Por definición de funciones iguales resulta A = B si y sólo si a¡j = b¡j V/ V /.
22. ESPACIO DE SUCESIONES 13
Ejemplo 1-4.
En R2 x 3 se consideran las matrices A y B cuyos elementos genéricos son a a = 2i - j y
¡j .j = 1 — i2. Obtenemos C = A — 2B.
La expresión de C es C = A + ( —2)B, y como
1 0 - 1
3 2 1 /
www.FreeLibros.com
resulta
1 0 - 1
C = +
B =
1.7. ESPACIO VECTORIAL DE SUCESIONES
Sean: X = N y KN el conjunto de todas las funciones de N en K. Los elementos de KN
son todas las sucesiones de elementos de K, y retomando lo expuesto en 1.4. resulta
(Kn , +, K, .) un espacio vectorial.
Las definiciones i) y ii) de 1.4. se interpretan ahora de la siguiente manera:
Ci = (f + g) (0 = f (0 + g (0 = + bi V i e N
c¡ = (a f) (/) = a f (i) = a a¡ Vi e N
O sea
(«j, a2, + (¿ i, b 2, ■ ■ bn, . . .) = (fli + b i, a2 + b 2, . . an .)
a (fl|, a2, ■ ■ a»t . . .) = ( aai , cta2, ■ ■ ocaUi . . .)
El vector nulo es la sucesión
0 = ( 0 , 0 , . . . , 0 , . . .)
Ejemplo 1-5
Sea R [X] el conjunto de los polinomios reales en la indeterminada X. La suma en
R [X] se define como en 12.2.2., Algebra 1, del mismo autor. El producto de escalares
23. 14 ESTRUCTURA DE ESPACIO VECTORIAL. SUBESPACIOS
reales por polinomios es el habitual, o sea si cxeK y P e R [X ], entonces a P es la
función de N0 en R definida por (ccP) (i) = a P (i), cualquiera que sea i e N0.
Res ta (R [X] ,+, R , .) el espacio vectorial de los polinomios reales en la indeterminada
X sobre el cuerpo de los números reales.
El conjunto de los polinomios reales de grado 2 no es un espacio vectorial sobre el
cuerpo de los reales, porque la suma no es una ley de composición interna en dicho
conjunto. Pero el conjunto de los polinomios reales de grado menor o igual que 2 y el
polinomio nulo constituye un espacio vectorial sobre R.
Ejemplo 1-6
Sea S el conjunto de las funciones reales definidas en [0,1 ] tales que f (0) = 0, es decir
S = í f : [ 0 , l ] ^ R / f ( 0 ) = 0j
Como todo elemento de S pertenece a R f0,1 es S C R l0-1)
Considerando las leyes de composición definidas en 1.4., se verifican
A, •feSAges^f(0)=OAg(0)=0=»f(0) + g(0)=c^(f + g)(o) = o=»f + geS
www.FreeLibros.com
24. SUBESPACIOS 15
A2 Como la suma de funciones es asociativa en R]0,1' , también lo es en S.
A3 . La función nula es el vector nulo de S.
A4 . Todo elemento de S admite un opuesto en S.
Si f e S, entonces —f e S, pues (—f) (0) = —f (0) = 0.
As . Cualesquiera que sean f y g en S, se tiene
f+ g = g + f
pues S C R^0,1 ^
A6 a e R a f e S ^ a e R a f ( 0 ) = 0 = > a f ( 0 ) = 0 = > ( a f ) ( 0 ) = 0 = » o t f e S
Los restantes axiomas, lo mismo que A2 y A5, por ser identidades en Rl°a í se
cumplen en S ya que S C R ^0’1 J.
En consecuencia, (S, + , R , .) es un espacio vectorial.
1.8. SUBESPACIOS
1.8.1. Concepto
Dados el espacio vectorial (V, + , K , .) y el conjunto no vacío S C V, si S es un espacio
vectorial sobre el mismo cuerpo K y con las mismas leyes de composición que en V, diremos
que (S, + , K , .) es un subespacio de (V, + , K , .), o simplemente, que S es uí? subespacio de
V.
Definición
S es un subespacio de (V, + , K , .) si y sólo si (S, +, K, .) es un espacio vectorial.
Cualquiera que sea (V, + , K , .), tanto V como j 0} son subespacios de V, llamados
triviales.
Ejemplo 1'7
Consideremos el espacio vectorial (R 2 , + , R , .) y los subconjuntos
T = ¡ (x, y ) e R2 i y = x + 1 ¡ S = {(x, y ) e R2 f y = 2 x )
T no es un subespacio, pues el vector nulo (0,0) ¿ T .
En cambio, S es un subespacio de R2 , ya que
1° (S, + ) es un subgrupo de (R2 , +). En efecto, de acuerdo con la condición suficiente
demostrada en 8.4.2., Algebra I, del mismo autor.se verifica
( x , y ) e S a ( x ’, y r) e S ^ y = 2x a y ’= 2 x ’^ y - y ’= 2 ( x -* •)= >
(x - x y - y 1) e S => (x, y ) + ( - x -y*) e S
www.FreeLibros.com
25. 16 ESTRUCTURA DE ESPACIO VECTORIAL. SUBESPACIOS
2o Respecto de la ley de composición externa consideramos
Los axiomas A ,, A ,, A , y A ,„ , por ser igualdades en R 2, se cumplen en S ya que
S C R
De la definición se deduce que (S, + , K , .) es un subespacio de (V, +, K, .) si y sólo si
(S, + ) es un subgrupo de (V, + ) y S es cerrado para el producto por escalares.
1.8.2. Condición suficiente
e n t L l T s ^ K n^ ? C‘° ^ V “ Cr ? v ° Para la entonces (a, t , K , .) es un subespacio de (V, +, K , .). SUma y Para 61 P0rduct0 P0r e s c a la r c s .
Hipótesis) (V, + , K , .) es un espacio vectorial
^ S C V
1 . x e S a y e S = >x + y e S
2. oí e K a x e S => a x e S
Tesis) (S, +, K , .) es un subespacio de (V, +, K , .)
Demostración)
1° Consideremos dos vectores cualesquiera x e y en S. De acuerdo con la condición 2 de
la hipótesis, por 1.3.4. y por la condición 1. de la hipótesis,se tiene
www.FreeLibros.com
26. SUBESPACIOS
x e S A y e S = > x e S A ( - l ) y e S = ^ x e S A - y e S => x + ( - y ) e S
En consecuencia,(S, + ) es un subgrupo de (V, +).
T S es cerrado para el producto por escalares, de acuerdo con la condición 2 de la
www.FreeLibros.com
hipótesis.
La aplicación del teorema demostrado es esencial para determinar si un conjunto S es un
subespacio de (V, + , K, .). Para que lo sea, deben verificarse las condiciones que figuran en la
hipótesis del mismo, a saber:
1. S =f=4>
2. S C V
3. x e S A y e S = > x + y eS
4 . a e K A x e S = * a x e S
Estas condiciones son, además, necesarias. Es decir, sabiendo que S es un subespacio son
proposiciones verdaderas.
Ejemplo 1-8
Sean: el espacio vectorial (R 3, + , R , .), y el conjunto S de las ternas ordenadas de R
tales que la tercera componente es igual a la suma de las dos primeras.
O sea
S= { ( x ^ ^ ^ e R 3 l x z = *i + *2 f
Afirmamos que S es un subespacio de R 3, pues
1. (1, 2, 3) e S => S =£0
2. S C R3 por la definición de S.
3. (x¡, X 2 , X 3 ) e S A O i , ^ 2, ^ 3) e S = > X 3 = X t + X 2 A y 3 - y l + y 2
="^3 + ^ 3 = (* 1 + V l ) + (*2 + 7 2 ) =>0Cl + y 1, X 2 + y 2 , X 3 + J ' 3) e S = >
^ ( x If x 2, x 3) + ( y l t y 2, y 3) e S
Hemos aplicado sucesivamente: la definición de S, la adición en R, la definición de S y
la definición de suma de ternas.
4. a e R a (xj, x 2l x 3) e S ^ a e R a x j =a: 1 + x 2 =>
^ a x 3 + otx2 :* ( o i x 1, a x 2, a x 3) e S =* o c ( x l , x 2, x 3) e $
Por definición de S, multiplicación en R, definición de S y la definición de producto
de escalares por ternas.
Al subespacio S pertenecen las ternas {xx, x 2, x 3) e R 3 que satisfacen la condición
x + x 2 - x 3 = 0
Esta ecuación define un plano que pasa por el origen.
17
27. 18 ESTRUCTURA DE ESPACIO VECTORIAL. SUBESPACIOS
Ejemplo 1-9
Considerando el espacio vectorial de las funciones reales definidas en [0 11 aue
denotamos mediante (R , + , R, .), sean los subconjuntos
1. S = { fe R V /(0 ) = 0 )
2. S = {f e RV/tO) = 1 }
f l e CT tiene Un subesPacio de R l. como fue tratado en detalle en el eiemolo
1-6. Independientemente del análisis realizado en el ejemplo citado se U» a f
misma conclusion aplicando el teorem a demostrado, pero en forma más'staple
En cuanto al caso 2., S no es un subespacio, pues no es cerrado m ra l í p
efecto, las funciones f y g de I en R definidas por P" a ‘a SUma' E"
f(r) = j ; + l g (^ )==x2 + 1
satisfacen las condiciones
f ( ° ) = l g(0) = 1
o sea, son elementos de S. Pero la suma f + g está definida por
( f + g) (x) = f(x) + g ( x ) = x 2 + x + 2
y no pertenece a S, ya que
(f + g )(0 ) = 2
Ejemplo 1-10
Dado el espacio vectorial (R4, +, R , .) consideramos
S - j ( x l t x 2, x 3, * 4) e R 4 /x1 + x 2 + x 3 + x 4 = 1 j
Se verifica que
1. pues (1, 0 ,0 , 0 ) e S
2. S C R 4 por la definición de S
3. S 110 es cerrado para la suma ya que
(1, 1 , - 1 , 0 ) e S a (I, 1, - 1 , 0) e S pero
(1, 1, —1, 0) +(1, 1, —1, o) = (2, 2, —2, 0)^S
s V e ^ o h ! T Ía’ S n° 68 Un SUbeSpacio- Por otri> porte, el vector nulo y esto basta para que no sea un subespacio. no perfteenneeccee aa
Ejemplo 1-11.
cd u m n as"’ + ’ R ' ° ^ ^ * t o matdCeS CUadradas „ filas y „
www.FreeLibros.com
28. SUBESPACIOS 19
www.FreeLibros.com
Si A e R” *n escribimos
A =
au a n
#21 #22
• « ln
• a 2 n
&n 1 • • • ®nn
Por definición, traza .de una matriz cuadrada es la suma de los elementos de su
diagonal. La notación es
tr
El conjunto
A = a n + ú¡22 + . . . + ann - 2^ ati
S = ( A e R nx" / fr A = 0
es el conjunto de las matrices de traza nula de R nxn, y constituye un subespacio, pues
se verifica:
1. S =£0, pues la matriz nula N es de traza nula, y en consecuencia es un elemento
de S.
2. S e Rnx" por definición de S.
3. S es cerrado para la adición.
Sean A y B dos matrices cualesquiera de S. Entonces
n n
A e S A B e S = > t r A = 0 / t r B = 0=>'E aH = 0 a 2 bü = 0 =>
i - 1 (= 1
=» i a„ + i bu = 0 ¿ (aü + bu) = 0=>
í=i «=i i—i
=> tr (A + B) = 0 => A + B e S
4. S es cerrado para el producto por escalares. En efecto
n
a e R A A e S = >a e R A í í - A = 0=>a e R Aí2=i «ít- = 0=>
n n
=> a 2 a a - 0 =► S a a¡i = 0 *=> tr (a A) = 0 =* a A e S
i = l i —1
Ejemplo 1-12.
Consideremos S = j ( x u x 2) e R2/* i > x 2 ¡ e investiguemos si S es un subespacio de
(R2,+> R, .)■
Se ve de inmediato que no se verifica A4, pues no todo elemento de S admite
opuesto en S. Así
(0, - l ) e S p e r o (0, 1 ) ¿ S
29. > ESTRUCTURA DE l-SPACIO VECTORIAL. SUBESPACIOS
Analizando la situación en términos de la condición suficiente demostrada, se verifica:
1. S * f )
2. S C R 2
3. S es cerrado para la suma.
O i , x 2)eSAOi ,^2)eS=>xl > x 2/ y x > y 2 =*
^*1 + y i > x 2 + y 2 * ( X l + y i ! x 2 + y 2 ) e s = > ( x i , x 2) + ( y l t y 2 ) e s
£ p t a ° “ Cerrad° Pari> d Pr° dUCt0 P° r eSC!ÜareS' C0m0I o ^ siguiente
(2,1) e S A (-2 ) (2,1) = (_ 4 , -2 )j^ S
En consecuencia, S no es un subespacio de R 2.
t *2
1.9. OPERACIONES CON SUBESPACIOS
1.9.1. Intersección de subespacios
Sea I S, | con i e l una familia de subespacios de (V, +, K, .). Denotaremos con S la
intersección de dicha familia, o sea, S = .H S,. Resulta S un subespacio de V.
ir. Tet° ie”la ^1; a ¡ " l e c c i ó n de toda familia de subespacios de V, es un subespacio de V
Hipótesis) (V, + , K, .) es un espacio vectorial
( Sf ) con i e I es una familia de subespacios de V
www.FreeLibros.com
30. INTERSECCION DE SUBESPACIOS 21
Tesis) S = .Qj S,- es un subespacio de V.
Demostración) De acuerdo con la condición suficiente 1.8.2. se verifica
n s, a y e n
www.FreeLibros.com
1. S no es vacío, pues
0 e S ¡ , Vi e I => 0 e H s¿ =>
¿ e l
r i o
i e l 1 r r
Por ser cada Sf un subespacio y por definición de intersección.
2. S está incluido en V, ya que
sfcv,v/ei=> sfcv=>scv ‘ 16 I
Por ser cada S, un subespacio de V y porque la intersección de toda familia de
subconjuntos de V es una parte de éste.
3. S es cerrado para la suma. En efecto
x e S A y e S = ^ x e > l s , A y e i l S / = >
¿el 7 iel
=> X € S¡ a y e Si, Vi e I => x + y e S¿, Vi e I ==>
^ x + y e P s ^ x + y e S
i e l
Por definición de intersección, y porque todo S¡ es un subespacio.
4. S es cerrado para el producto por escalares.
Consideremos ex e K y x e S. Ahora bien
a e K A x e S = * a e K A x e f i s ¿ = *
¿el 1
=> a e K a x e S ¡ , V/'e I => a x e S f , V/ e I =*
^ a x e H s . - ^ a x e S
iel
Ejemplo 1-13
En (R 3, + , R , .) consideramos los subespacios
Si = j ( x , , x 2í x 3) e R 3/x3 = 0 j S2 = j ( x I l x 2l x 3) e R 3/ x I= 0
La intersección de estos es
S = Si n S2 = j (X|, x 2, x 3) e R 3/ x i = 0 a x 3 = 0 }
31. 22 ESTRUCTURA DE ESPACIO VECTORIAL. SUBESPACIOS
Esto significa que un vector genérico de S es una terna del tipo ( 0 , x 2, 0) que puede
expresarse mediante (0, a , 0) para algún ol en R.
Entonces
S = ((0, a, 0) e R3 /a e R )
www.FreeLibros.com
O sea, S es el eje x 2
Subespacios de R3 son: R 3 , {0 }, todas las rectas que pasan por el origen y todos los
planos que pasan por dicho punto. Dos rectas distintas que pasan por e! origen son
subespacios cuya intersección es el vector nulo, y se llaman disjuntos.
1.9.2. Unión de subespacios
Si Si y S2 son dos subespacios de (V, + , K , .), entonces S i U S2, no es necesariamente un
subespacio de V, como lo prueba el siguiente ejemplo:
Consideremos en (R2, + , R , .) los subespacios Sj y S2 de la figura
35. ESTRUCTURA DE ESPACIO VECTORIAL. SUBESPACIOS
= * x e S A x = x 1 -f-XjAXi e T A x 2 eU=»
=^(xi + x 2 e S A X ] e S ) a x2 e U a Xi e T =>
^ X j € T a x 2 e S A x 2 eU=>
=> x t e Ta x 2 e S n U =► xi + x 2 e T + (S n U) =►
= > x e T + ( S n U )
www.FreeLibros.com
O sea
s n ( T + u ) c T + ( s n u ) ( i )
2o. x e T + (S n U) => x = xj + x2A x t c T a x 2 e S n u = >
^ X ! e T A x 2 6 S a x 2 e U =>
=>xj e T A x ! c S a x 2 e S A x 2 eU=>
=*Xi + x 2 eSAX! + x 2 e T + U=>
= > x , + x a e S n ( T + l J ) = > x e S n ( T + U)
Luego
T + (S O U) C S n (T + U) (2)
De (1) y (2) resulta la igualdad.
36. www.FreeLibros.com
fI
TRABAJO PRACTICO I
1-16. Determinar si las cuaternas que se indican denotan espacios vectoriales con las
operaciones que se indican
i ) (R, + , Q ,.) iü) (Q} + j r )
i i ) (Q, +, Q , .) iv) (R, +, Z , .)
1-17. Sea (V, + , K , .) un espacio vectorial. Demostrar
i ) x + y = 0 = > y ~ —x iü) x + ay = x + a z y ^ 0 ^ y = z
i i ) x + y = x =>y = 0 iv) ax = b x y x ¥^0 = b
1-18. Determinar ct sabiendo que y ^ 0 y que
(1 - a ) x + a ( x — y) = x — y
1'19. Considerando V = Rr , o sea, el conjunto de las funciones reales con una variable real,
y K = R, investigar si son espacios vectoriales sobre R:
i ) El conjunto de las funciones continuas,
i i ) El conjunto de las funciones derivables.
iü) El conjunto de las funciones pares, o sea, las funciones f e R R tales que
f 0 0 = f ( - x) .
iv) El conjunto de las funciones impares, es decir, las aplicaciones f c R R que
verifican f (x) = —f (-x ).
v ) El conjunto de las funciones constantes,
vi) El conjunto de las funciones no negativas.
1-20. Sean V = R2 y K = R. Determinar si las siguientes operaciones definen sobre V una
estructura de espacio vectorial.
( a , b ) + (a’ , b ,) = ( l a + l a ’ l ¡ } + l f }’)
2 2 2 2 '
oc ( a , b) ~ (ota, ab)
1-21. Determinar si (C2, + , C ,.) es un espacio vectorial, definiendo
( z , , z 2) + ( z ’l r z ’2) ^ ( z 1 + z ’l t z 2 + z ’2)
z ( z i , z 2) = ( z z l , z z 2)
37. 28 ESTRUCTURA DE ESPACIO VECTORIAL. SUBESPACIOS
1-22. Considerando el espacio vectorial (R3 , +, R , .), investigar si los siguientes conjuntos
son subespacios de R3
i ) S = ( ( x 1, x 2f x 3) e R 3/ x 1 + x 3 = 0 J
i i ) S = ( ( x 1, X 2 , x 3) e R 3/ i x 1 1= 1^2 l)
iii) S = | (x 1( x 2, x 3) e R 3/ x 3 =X i + 2 )
1-23. Sea el espacio vectorial ( R " ,+ , R , .). Determinar si los siguientes conjuntos son
www.FreeLibros.com
subespacios de R"
i ) S = ((Xi, x 2, . - - x n) e K n¡ x n e Z
n
ii) S = ( ( x i,x 2, .. x „ ) e R ^ S ü i X i ^ O A a i eR}
1-24. Demostrar que S = {(z , w) e C2/z = iw } es un subespacio de (C2, + , C , ,).
1-25. Sean C2 y S = | ( z , w ) e C2/z - z + w = 0 }. Determinar si son subespacios (S, +, C , .)
y ( S , + , R , .).
1-26. Sean S y T subespacios de (V, +, K , .). En el producto cartesiano S X T se definen
(x , y) + (x*, y ’) = (x + x’ , y + y ’)
<x (x , y) = (ax , ay)
Demostrar que ( S X T , + , K , .) es un espacio vectorial. El espacio S X T se llama
producto directo de S por T.
1-27. (R” x", + , R , .) denota el espacio vectorial de las matrices reales n x n.
Por definición, la matriz A e R nx n se llama triangular superior si y sólo si
i > j => a¡j = 0
Demostrar que (S ,+ , R , .) es un subespacio de R nx", siendo S el conjunto de las
matrices triangulares superiores.
1-28. Dado (R2 , + , R , .), determinar si los siguientes subconjuntos son subespacios
0 S - ( ( x , ^ ) / ( x - ^ ) 2 = ( x + ^ ) 2 )
ii) T =( ( x , y ) / - ^ x + y = x ~ ^ y
1'29. Considerando (C2 , + , R , .) el espacio vectorial de los pares ordenados de números
complejos sobre el cuerpo de los reales, investigar si los siguientes conjuntos son
subespacios del mismo.
1 ) S = j (z , u) e C2/z 2 + u 2 = 0 J
i i ) S = | (z , u) e C2¡z + 2« e R |
iii) S = {(z , u) e C2/ R e (z) = R e («))
iv) S = J (z , u) e C2 / I m (z) = 0 a Re (z - u) = Im (z) f
39. www.FreeLibros.com
C apitulo 2
DEPENDENCIA E IN D EPEN D EN C IA LINEAL,
BASE Y DIM EN SIO N
2.1. INTRODUCCION
En esta unidad introducimos las definiciones de combinación lineal de un conjunto no
vacio de un espado vectorial y de subespacio generado por el mismo. Se estudian la
dependencia e independencia lineal y los sistemas de generadores, a fin de caracterizar los
conceptos de base y de dimensión en el caso finito.
2.2. COMBINACIONES LINEALES
2.2.1. Concepto
A ^ Vr,V2’ ■ ' -;v" j una familia 0 conjunto de vectores del espacio ÍV + K 1
“ r e " : “ t í * " “ ■ ¿
Definición
Combinación lineal de la familia A C V es todo vector del tipo
n
.2 = a , Vl + ü 2 v2 + . . . + tt„ vn I oc¡ g K. a v¡ c A
o b t t e P“ r n u l o '“ S° n nUl° S’ h C° mbÍ”aCÍÓ" * « “ >•v tirail y se
Definición
El vector v e V es combinación lineal de la familia A c V si y sólo si exist™ ,
<*i, <*2 , . . tales que y ten escalares
40. COMBINACIONES LINEALES 31
Ejemplo 2-1.
Sean los vectores v, = ( - 1 , 0, 2) y v2 = ( - 1 , 2 ,4 ) en R 3 . Determinamos si los vectores
v = ( - 1 , 1, 3) y u - (1, 2, 2) son combinación lineal de Vj y v2 .
1. Para que v sea combinación lineal de v t y v2 deben existir escalares o¡i y a 2 tales
que
« i V! + a 2 v2 = v
www.FreeLibros.com
O sea
a , ( - 1 , 0 , 2) + o¡2 ( - 1 , 2 ,4 ) = (—1, 1, 3)
Por definición de ley externa es
( - a j , 0, 2 ) + ( - a 2, 2 aa , 4 a a) - ( - 1 , -1,3)
Por suma de ternas
(-(*! - 0:2 , 20:2 , 20!! + 4ota ) = ( - l , 1, 3)
Por igualdad de temas resulta
— OÍ! — C¿2 = —1
2 0*2 = 1
2 a i + 4 a 2 = 3
Entonces
0¡1 + q¡2 = 1
1
ct2 - -
a t + 2 o ^ = -
Sustituyendo a2 =— en la primera ecuación, se tiene
. 1 1
Oíj + - = 1 = * 0 t i = —
2 . 2
Como ambos valores a , = ~ y a7 = —satisfacen la tercera relación es v = — v 1 + —v2.
2 2 2 2
O sea, v puede expresarse como combinación lineal única de Vj y v2.
2. Si u = (1, 2, 2), entonces procediendo análogamente se llega a
41. 32 DEPENDENCIA E INDEPENDENCIA LINEAL. BASE Y DIMENSION
- Ci! - 0i2 = l
Oí! + 0i2 - -1
2 <*2 = 2 o bien
2ú¡i + 4<¡í2 = 2
a f (?) + b g (f) = 0 cualquiera que sea t e R
aet + b e ^ t = 0 (1)
Y como e 3í nunca es cero, resulta b = 0, que sustituido en (1) nos da
a e = 0
www.FreeLibros.com
a2 = 1
O'! + 2<*2 = 1
De donde
0i2 - 1 =>-0!, + 1 = - 1 => o¡! = - 2
Al sustituir en la tercera ecuación
- 2 + 2 . 1 = 0 ^ 1
Entonces u no es combinación lineal de Vi y v2.
Ejemplo 2-2.
En el espacio vectorial de las funciones reales de una variable real (Rr , + , R , .) sean las
funciones f y g definidas por
f ( 0 = eí y g ( 0 = e3í
Determinar todas las combinaciones lineales, es decir, los escalares a y b, tales que
a i + ¿>g = 0
donde 0 denota la función nula, definida por 0 (í) = 0 , V t € R.
Por definición de funciones iguales, suma de funciones y producto de escalares por
funciones (véase 1.4.) se tiene
O sea
El propósito es obtener los escalares a y b que satisfagan a (1) para todo t e R.
Derivando (1) se tiene
En consecuencia es a = 0.
Luego, la única combinación lineal de f y g que da la función nula es la trivial. Toda vez
que esto ocurra, diremos que los vectores, en este caso f y g, son linealmente
independientes.
42. COMBINACIONES LINEALES 33
Ejemplo 2-3-1.
Decidimos si el vector v = (1, 2 ,3 ) es com binación lineal de la familia cuyos elementos
son los vectores de R 3 ,
Vl = ( 1 , 0 , - 1 ) va = ( 0 , 1 , - 1 ) v 3 = ( 1 , 1, —2)
Investigamos si existen escalares reales a , b y c , tales que
a Vi + / j v 2 + c v 3 = v
www.FreeLibros.com
Entonces, debe ser
a (1 ,0 , —1) + (0, í , —1) + c (1, 1, —2) = ( 1 ,2 ,3 )
Efectuando operaciones
(a, 0, - a ) + (0, b, - b ) + (c, ct - 2 c ) = (1 ,2 , 3)
(a + c, b + c, ~a - ft‘- 2 c ) - ( l , 2 ,3 )
Por igualdad de ternas es
a + c - 1
b + c = 2
—a —b - 2 c = 3
Sumando las tres relaciones se tiene
0 = 6
lo que es imposible.
En consecuencia, v no es combinación lineal de Vi , v2 , y v 3 .
Ejemplo 2-3-2.
En el espacio vectorial (R2X2, + , R , .) se consideran las matrices
Determinar todas las combinaciones lineales de A, B y C que den la matriz nula N.
Hay que obtener a, 0 y y en R , tales que
a A + 0 B + 7 C = N
43. 34 DEPENDENCIA E INDEPENDENCIA LINEAL. BASE Y DIMENSION
Por producto de escalares po r matrices es
“ ° W í ° ) + /° ° . u ° °
0 a ) 0 0 / y y ) [ Q q
Por suma en R 2*2 se tiene
/< * + 0 0 / o 0
0 + 7 a + y ) 0 0 /
Por igualdad de matrices resulta
a + 0 = 0
0 + 7 = 0
oc + y = 0
De las dos primeras se deduce
Sustituyendo en la tercera es
www.FreeLibros.com
O sea
0f = _ 0 y <y = _ 0
- 2 0 = 0
0 = 0
Luego a = 0 = 7 = O y l a única combinación lineal que satisface la relación propuesta es
la trivial. v
2.3. SUBESPACIO GENERADO
2.3.1. Conjunto de combinaciones lineales
Sea A un conjunto no vacío de vectores del espacio (V, +, K , .). A expensas de A
podemos formar el subconjunto de V cuyos elementos sean todas las combinaciones lineales
de los vectores de A. A este conjunto lo denotaremos con el símbolo A, que se lee “A raya”
Si A = { V i, v2, . . v„ } , entonces escribiremos
^ = (i? i a¡ v* / “ í e K A vi e A )
Ejemplo 2-4.
El conjunto de todas las combinaciones lineales de los vectores
v, = ( 1 , 0 , 1 ) y v2 = (0, 1, l ) d e R 3
44. SUBESPACIO GENERADO 35
www.FreeLibros.com
es
Á = {«i ( 1 , 0 , 1 ) + o¡2 ( 0 ,1 , l )/ «*! e RA (*2 e R ¡
O sea
Á = j ( aj , ot a, «! + <*2 ) /<*i c R a a2 e R |
En consecuencia, a A pertenecen todas las temas cuya tercera componente es la suma
de las dos primeras.
Podemos escribir
A = ) (x i, x 2, x 3) e R 3 1 x 3 =Xi + x 2 )
2.3.2. Subespacio generado por una familia de vectores
Teorema. El conjunto de las combinaciones lineales de toda familia no vacía de un
espacio vectorial es un subespacio del mismo.
Hipótesis) (V, + , K , .) es un espacio vectorial
A = ( v i, va, ■ ■ .,v „ ¡ C V
Tesis) (A, + , K , .) es un subespacio de V
Demostración)
1. Siendo Vi = 1 v t + 0 v2 + . . . + 0 v„ se deduce que Vi e A, o sea, A 0
2. Por definición, se tiene
_ n
v e A => 3 a t , <x2, . . Q¡„ e K / v =í =2i a¡ v¿ a v¿ e A =>
n
=> v = .2^ a¡ v¡ a dj e K a v¡ e V, pues A C V
Luego
v e Á ^ v e V
O sea
A C V
3. A es cerrado para la suma.
Sean v y u en A.
45. DEPENDENCIA E INDEPENDENCIA LINEAL. BASE Y DIMENSION
www.FreeLibros.com
36
4. A es cerrado para_el producto por escalares.
Sean a e K y v e A.
a e K A v e A = > a e K A v = 2 a, v- =>
í=i 1 ‘
<*/ v, = 2 a (a, v,) = 2 (a a f) v, = 0, v , = » a v e Á
Como se cumplen las hipótesis del teorema 1.8.2., resulta (A, +, K ,.), un subespacio de
1 ’ 5 i“, IV,
Definición
El subespacio de las combinaciones lineales de la familia no vacía A C V se llama
subespacio generado por A.
Ejemplo 2-5.
Determinar el subespacio de (R 3, + ,R ,.) generado por la familia A cuyos elementos
son los vectores
v, = ( 2 , 1 , 2 ) y v2 = ( 1 , 2 , 1 )
Por definición, el subespacio A es el conjunto de las temas { x u x 2, x 3) e R 3 tales que
( x i , x 2l x 3) = a 1 (2, 1, 2) + ü2 ( 1, 2, 1)
= (2 , « i, 2a!) + (a2i 2a2, a 2)
= (2 a , + a 2 (a , + 2a2, 2a t + a 2)
Por igualdad de ternas es
2 a j + a 2 = x t
a i + 2a2 ~ x 2
2 a j + a 2 = x 3
De la primera y tercera relación se deduce
x i = x 3
y x 2 es cualquier número real.
En consecuencia
A - ¡ ( x l , x 2, x 1) / x l e R A x , e R
A es el plano de ecuación
x , - x* = 0
46. SUBESPACIO GENERADO
Ejemplo 2-6.
Obtener el subespacio de (R2 x2, +,.) Rge,nerado por las matrices
1 0 / O I
Vl~ ' o - i ) Vs( ~0 0 V , =
0 0
1 0
A = | /£= i o¡¡ V¿ /o íí e K a V,- e A ) '
Todo vector de A es una matriz I ^ ¿ I ta^ 1ue
1 0 ' 0 1 0 0
0)1 o - i / + “2lo o / + “3 U 0,
www.FreeLibros.com
a b
c d
Realizando operaciones en R2x2e s
47. 38 DEPENDENCIA E INDEPENDENCIA LINEAL. BÁSE Y DIMENSION
www.FreeLibros.com
En consecuencia
- a , oc2 = b , a 3 = c , - a , - d
Luego
d — - a y b y c
son números reales cualesquiera.
Los vectores de A son matrices del tipo
( : . * )
Es decir, Á es el subespacio de matrices de traza n ula.
2.3.3. Propiedad
El subespacio generado por una familia no vacía de un espacio vectorial es la intersección
de todos los subcspaeios que incluyen dicha familia.
Hipótesis) (V, + , K , .) es un espacio vectorial.
(¡>^A= j v j , v 2 l . . ., v„ j C V
( S,- J con i e I es la familia de tocios los subespacios que incluyen A.
Tesis) A = D S,-
i e l
Demostración)
Probaremos lasaos inclusiones que conducen a la igualdad.
1. á c n s¿
« e l
En efecto
_ n
x e A => x = 2 <xj Vj a dj e K a e A =>
n
=> x = 2 dj j a «y e K a v;- e Sf , Vi e I =>
=*x e S f , V i'el =*xe f l S.-
ie I
2. n s¡ c á i e l 1
Como todo v,- de A es combinación lineal de los elementos de A, pues
vf = 0 v, + 0 v2 + . . . + lv (- + . . . + 0 v„,
48. SUBESPACIO GENERADO 39
www.FreeLibros.com
se tiene que.
A C A
Y siendo A un subespacio que incluye a A, se identifica con algún S e s decir, existe; en
I tal que S;- = Á.
Por otra parte, como la intersección está incluida en cualquiera de los conjuntos que se
intersecan, es
O s.- c Si Uie I
En consecuencia
Por lo tanto
l Si C S, V,
ine l s¡' c a
A = n s, íel ‘
En virtud del teorema demostrado, observamos que el subespacio generado por una
familia no vacía de vectores de V z¡> ei “m ínim o” subespacio, en el sentido de inclusión, que
incluye a A.
Ejemplo 2-7.
Demostrar que los siguientes conjuntos de vectores generan el mismo subespacio de
R 3.
A = j (1, —1, 1) , (3, 0, 1) | B = j ( - 2 , - 1 , 0 ) , ( 5 , - 2 , 3 ) )
Determinaremos Á y B.
1. A A pertenecen las ternas (x, y , z), tales que
Entonces
Luego
Como t = - y , se tiene
( x , y , z ) = t ( 1, —1, 1) + « ( 3 , 0 , i)
(x, y, z) = (t, - t , t) + (3u, 0, «)
(x, y, z) = (t + 3« , - t , t + u)
x = t + 3u
y - - t
z - t + u
x = - y + 3u
49. DEPENDENCIA E INDEPENDENCIA LINEAL. BASE Y DIMENSION
www.FreeLibros.com
O sea
Restando
Resulta
x = - y + 3u
3 2 = - 3 y + 3 u
x - 3z = 2y
A = j ( x , y , z ) e R 3 ¡ x - 2y - 3 z - 0
2. Procediendo análogamente para obtener B es
(x, y, z) = t ( - 2, — 1 ,0 ) + u (5, —2, 3)
(x, y, z) = ( - 2 1, - t , 0) + (5m, —2«, 3»)
(x, _v, z) = (—2t + Su, —t — 2u, 3«)
O sea
Como u - — z , se tiene
3
O bien
Restando
Luego
Resulta
x = —21 4- 5«
y = - t - 2U
z = 3u
x = - 2 t + 7 *
y ~ - t ----- - z
3
x = —2 H — ■ z
3
2y = - 2 t ----- - z
3
x — 2y - 3z
B = ( x , y , z ) e R 3 l x ~-2y -3z = 0
A = B
La ecuación x - 2 y - 3 z = 0 corresponde a un plano que pasa por el origen.
50. SUBESPACIO GENERADO 41
Ejemplo 2-8.
El subespacio de (V, + , K , .) generado por un vector v es, en particular, el conjunto de
todos los múltiplos escalares de v, o sea
{ b / j k e KÍ
Determinamos el subespacio de R2 generado por v = (1,2).
Llamando S a tal subespacio, se tiene
S = ( ( x l , x 2) l ( x l , x 2) := k ( l , 2)¡
www.FreeLibros.com
En consecuencia
{ x t , x 2) = (k, 2k)
O sea
X i = k y x 2 = 2k
Eliminando el parámetro k entre ambas relaciones, resulta
* 2 = 2 * !
O lo que es lo mismo
2x ¡ - x 2 = 0
Entonces
S - j ( X í , x 2 ) e R 2 / 2 x i ~ x 2 = 0 ¡
S es la recta que pasa por el origen representada en la figura
51. 42 DEPENDENCIA E INDEPENDENCIA LINEAL. BASE Y DIMENSION
2.4. DEPENDENCIA E INDEPENDENCIA LINEAL
2.4.1. Conjunto linealmente independíente
En el ejemplo 2-2 hemos demostrado que la única combinación lineal de los vectores f y
g, cuyo resultado es el vector nulo, es la trivial. O sea
a f + b g = 0 =>aí=: b = Q
En este caso, los vectores son las funciones de R en R definidas por
f ( t ) = e t y g ( í) = e 3f
y la función que asigna a todo número real t, el valor 0, es el vector nulo. Este hecho se
traduce diciendo que los vectores f y g son linealmente independientes, o bien que el
conjunto { f, g } es linealmente independiente.
Sea A = | v j , v2 , . . . , vr | una familia de vectores del espacio (V, +, K ,.).
www.FreeLibros.com
Definición
La familia A C V es linealmente independiente si y sólo si la única combinación
lineal de dicha familia, cuyo resultado sea el vector nulo, es la trivial.
En símbolos
>•
A es linealmente independiente o Vz: .2 a¡ v¡ = 0 =► a¡ = 0.
La independencia lineal de un conjunto finito y no vacío de vectores significa que no
puede darse una combinación lineal de dicho conjunto que dé el vector nulo, con algún
escalar distinto de cero.
Para investigar la independencia lineal de un conjunto de vectores, se propone una
combinación lineal de éstos, con escalares a determinar, que sea igual al vector nulo. Si los
escalares son necesariamente nulos, entonces el conjunto es linealmente independiente.
Convenimos en que el conjunto vacío es linealmente independiente.
Definición
El conjunto A C V es linealmente independiente si y sólo si todo subconjunto finito de
A es linealmente independiente.
Esta definición extiende el concepto de independencia lineal a toda familia de vectores de
un espacio V.
52. INDEPENDENCIA LINEAL
Ejemplo 2-9.
Dado el espacio vectorial (R 3, +, R , . ) determinar si los siguientes conjuntos de
vectores son linealmente independientes.
i ) A = ( ( 1 , 0 , 0 ) , ( 0 , 1 , 0 ) , ( 0 , 0 , 1)|
ii) B = 1 ( 1 , - 1 , 0 ) , ( 1 , 1 , 2 ) , ( 1 , 0 , 1))
i ) Sea
«1 ( 1, 0 , 0 ) + ( 0 , 1, 0 ) + £*3 (0 , o, 1) = (0 , 0 , 0)
( « i , 0, 0 ) + ( 0 , 0 2 , 0 ) + (0, 0, a 3) = (0, 0 ,0 )
(« 1, 0 2 . « 3) = (0 , 0 , 0 )
www.FreeLibros.com
Por igualdad de ternas resulta
o¡i = a2 = a 3 = 0
Luego
A es linealmente independiente
ii) Procediendo análogamente
o¡i (1, — 1, 0) + a 2 (1 ,1 , 2 ) +ce3 ( 1 ,0 ,1 ) = (0 ,0 , 0)
( a , , , 0) + (a2, Os, 2«2) + (a3,0 , a 3) = ( 0 ,0 ,0 )
(<*! + o¿2 + a 3» _ a i + * 2 a2 + 0 3 ) = (0 , 0 , 0 )
Entonces
g¡i + a 2 + o¿3 = 0
- a , + <*2 = 0 = > a 1 = a 2
2 a-i + a 3 = 0 =► a 3 = - 2o¿2
Las infinitas soluciones de este sistema de ecuaciones son
<Xx~k
<*2 = k
ot3 = —2 k c o n fc e R
En consecuencia, B no es linealmente independiente, ya que los escalares no son
necesariamente nulos. Más aún, existen infinitas combinaciones lineales no triviales
cuyos resultados son el vector nulo.
Ejemplo 2‘10.
En (R1, + , R , .), donde I = [0,1 ], los vectores v t = sen y v2 = eos son linealmente
independientes.
53. 44 DEPENDENCIA E INDEPENDENCIA LINEAL. BASE Y DIMENSION
Sea
a , sen + a 2 eos = 0
www.FreeLibros.com
V í e [0,1 ] es
(aj sen + oc2 eos) (f) = O (?)
Por definición de suma de funciones y de función nula
(a ^ e n ) (t) + (a2 eos) (í) = 0
Por definición de producto de escalares por funciones
«i sen t + a2 c o s t ^ O (1) V i el
Derivando
o¡i eos t - a2 sen t = 0 (2)
Resolvemos el sistema respecto de a i y a2 :
A =
sen t eos t
eos t - sen t = - s e n í t - c o s 2 / = - 1
A a , =
0 eos t sen t 0
- 0 A a2 “
0
- sen t eos t 0
= 0
Y la única solución es
= o ¡ 2 = 0
O sea
¡ V], v2 } es linealmente independiente
Ejemplo 2-11.
Sabiendo que dos vectores vj y v2 son linealmente independientes en ( V , +, K )
demostrar que Vj + v2 y v2 son linealmente independientes.
Consideremos una combinación lineal de la familia ( v t + v 2 , v 2 } que sea igual al
vector nulo, con escalares a y b, que determinaremos:
a (v i + v2) + b v2 = 0
Por distributividad respecto de la suma en V
a V i + a v 2 + b v 2 = 0
54. DEPENDENCIA LINEAL 45
Por distributividad respecto de la suma en K
a Vj + (a + b) x-i = 0
Como, por hipótesis, Vj y v2 son linealmente independientes, se deduce
a = 0 y a + b = 0
www.FreeLibros.com
En consecuencia
a = b = 0
P o r consiguiente, Vi + v2 y v2 son linealmente independientes.
2.4.2. Propiedad.
Si un vector es combinación lineal de una familia linealmente independiente, entonces
dicha combinación lineal es única.
Sea v e V combinación lineal de la familia j Vi , v2 , . . .,v r } , y ésta linealmente
independiente. Entonces existen escalares a¡ tales que
r
V = 2 0íf v¡
1=1 1
Suponemos que existen escalares tales que
v = 2fi¡ vf
1=1
Entonces
.2 vf = 2 fr v¿
i = i i—i
O sea
2 aiVf - 2 /3¡v¡ = 0
«=i 1=1
Luego
.2 ( a f - f c ) v , = 0
1=1
Y como la familia es linealmente independiente, se deduce que
a¡ - (3¿ = 0 =► a¡ ~ (3¡ Vi' = 1, 2, . . r
En consecuencia, la combinación lineal es única.
2.4.3. Conjunto linealmente dependiente
En el ejemplo 2-9 ii) hemos probado que existen escalares no simultáneamente nulos a i ,
a2, a 3 tales que
55. 46 DEPENDENCIA E INDEPENDENCIA LINEAL. BASE Y DIMENSION
a , ( 1 , - 1 , 0 ) + 0 2 (1, 1 , 2 ) + a 3 ( 1 , 0 , 1 ) - ( 0 , 0 ,0 )
Diremos que los vectores (1, - 1 ,0 ) , (1, 1, 2) y (1 ,0 , 1) son linealmente dependientes.
www.FreeLibros.com
Definición
La familia A C V es linealmente dependiente si y sólo si no es linealmente
independiente.
La familia A = {Vi , v2, . . . , vr [ es un conjunto linealmente dependiente de vectores
de V si y sólo si existe una combinación lineal no trivial de dicha familia cuyo
resultado sea el vector nulo.
Negando las dos proposiciones que figuran en la definición de independencia lineal, se
tiene
r
A es linealmente dependiente o 3 / / 2 a, v- = 0 a a • =£ 0
¿=i 1 ' 1
La dependencia lineal de un conjunto finito de vectores significa que tiene que existir, al
menos, una combinación lineal de éstos que dé el vector nulo y que no sea trivial.
Para investigar la dependencia lineal de una familia de vectores, se propone una
combinación lineal de dicha familia, con escalares a determinar, que sea igual al vector nulo.
Si algún escalar es distinto de 0, entonces la familia es linealmente dependiente.
Ejem plo 2-12.
Los vectores (—2 ,4 ) y (1, - 2 ) son linealmente dependientes en ( R2>+, R, •)•
En efecto, sea
<*! ( - 2 , 4) + a 2 (1, —2) ~ (0, 0)
Por definición de producto de escalares por pares y por suma de pares es
( - 2 0-! +<*2,4 0!! - 2 oí2) = (0 ,0 )
Por igualdad de pares resulta
—2 <*! + a 2 = 0
4 a] - 2 a 2 = 0
Dividiendo la segunda relación por - 2 , el sistema se reduce a la única ecuación
—2 a! + a 2 = 0
Esta admite infinitas soluciones, dadas por
a 1 = k
a2 = 2 k y k e R
56. DEPENDENCIA E INDEPENDENCIA LINEAL 47
0 0^i / °
+
«3 0 '/ o
www.FreeLibros.com
Ejemplo 2‘13.
Las matrices
/ 1 0 /O 1 /O ° /O O
E n = í ) ^12 = | | Eai = | j E22 = i
V o o/ o o/ i o ' 'o 1
son vectores linealmente independientes del espacio vectorial (K2x2, + , K ,.), pues
cualquiera que sea la combinación lineal de los mismos con escalares en K, cuyo
resultado sea la matriz nula, es la trivial. En efecto
a i E n + ct2 E 12 + a 3 E2l + a 4 E22 = N =>
¡ a i 0 i 0 0C2 / O 0 /O 0 /O 0
l o 0 / o 0 / Va3 0 / ^0 a 4 / 0 0
a 2 0 0^
a 4 / i 0 0 ;
Luego
a 1 = a 2 “ a 3 = a 4 = 0
57. DEPENDENCIA E INDEPENDENCIA LINEAL. BASE Y DIMENSION
En cambio, las matrices
A - r 0
www.FreeLibros.com
1 o
y B =
1 0 / _ , o
son linealmente dependientes, pues
<*i A + a 2 B = N =>
« 1 - 0 2 0 / O O
a i - 02 0 / 0 0 .
O sea
a i - a 2 = 0 ^ oti~cx.2 = k / k e K
Por consiguiente, existen escalares no simultáneamente nulos que satisfacen la relación
anterior, lo que prueba la dependencia lineal.
2.4.3. Propiedades
‘ independiente n ° nU'° ^ eSPaCÍ° VeC‘° rial C°n5‘ÍtUye “ '“ ám e n te
Sea v * O en (V, + , K , .). Consideremos
lin e lr em e independiente.’ C°m° ’ # ° ’ " de“UCe qUe =" ° ’ y e" c™ -™ » c ia | v | es
” ^dependiente!^0 ^ CUa‘qUÍer ™ t 0 M C° nStÍtUye un « ta lm e n te
En efecto, cualquier escalar, nulo o no, satisface la relación « O = O, según lo demostrado
ni) Todo conjunto al que pertenezca el vector nulo es linealmente dependiente.
Sea A í Vj , v2,. . vr J con vy = 0. Se verifica que
Ovi + 0v2 + . . . + <xj vj + . .. + Ovr = O
O sea
a j v j = ocj O = O
en
con dj no necesariamente nulo.
58. DEPENDENCIA E INDEPENDENCIA LINEAL 49
iv) Un conjunto finito y no vacío de vectores es linealmente dependiente si y sólo si algún
vector es combinación lineal de los demás.
Sea A = {v j , v2). • vr í una familia de vectores de ( V , + , K , . ) . Demostramos las dos
condiciones en que se desdobla el enunciado: necesaria y suficiente.
n
I o. A es linealmente dependiente => 3 / /v ¡ =,S & v¡.
Por definición de dependencia lineal
A es linealmente dependiente =>
r
=►2 ct¡ ¡ = 0 a ocj ¥= 0 =>
í=i n
=> Uj j + %. a¡ v¡ = 0 a otj ^ 0 =>
rt
=>OtjVj = —^2 tt/V/ A
Premultiplicando por a / 1, inverso multiplicativo en K, de oc¡ 0, se tiene
n
<*/* (»jV;) = ( - a / i ) £ . «¡Vi
Por A7 y propiedad de la sumatoria
n
(ocf1
www.FreeLibros.com
Por inversos en K y A 7 es
n
1 v; = ( - a / 1 a*)*.-
1 i*}
Teniendo en cuenta A io, y llamando (3/ a — 1 ott se deduce
V'; “ l *) Vi*!
En consecuencia, existe e A, que es combinación lineal de los restantes vectores de A.
n
2°.Vj = 2 a¡ v¡ => A es linealmente dependiente.
Por hipótesis y trasposición de términos se tiene
n n
V,- — 2 a vf => S a,- Vj — V/ = 0 con a;- = -1
J i¿j
Como <Xj 0, el conjunto A es linealmente dependiente.
v ) Un conjunto finito y no vacío de vectores es linealmente independiente si y sólo si
ningún vector es combinación lineal de los demás.
59. 50 DEPENDENCIA E INDEPENDENCIA LINEAL. BASE Y DIMENSION
y Ss : ‘; ^ r ° strar’ pues bas,a ,,egar ias dos prop°sid°nes de ** ^
www.FreeLibros.com
En símbolos
A es linealmente independiente «■ V¿ : v;- =£ £ {J¡ y t
En lo sucesivo, y en algunas ocasiones, abreviaremos las expresiones' “linealmente
independiente y linealmente dependiente” mediante “L.I.” y “ L.D.” , respectivamente.
vi) Un conjunto finito y ordenado de vectores al que no pertenece el vector nulo es
pTectdemes. P6ndiente S1 V SOl° si al®ún vector es combinación lineal de los
10- A - { v , , v3, . . vr } es LD a 0 /A =* 3 k j 2 < k < r a vh - v¡
Demostración) Sea k el primer entero positivo tal que
| v j , v 2, . . . , Vft ) esL.D.
k existe por el principio de buena ordenación.
Por definición se tiene
fe
0/Vf - O y algún 0
Si = 0 , entonces j Vl, v2 , . . yh^ ¡ sería LD, contra lo supuesto.
Luego $h j= 0, y procediendo como en iv) 1? se deduce que
fc-i
vft = , 2 a¡ v¡
O sea, vk es combinación lineal de los precedentes, y k es tal que 2 < k < r.
2?. El recíproco es obvio y puede ser demostrado como ejercicio.
■ o n l S r 105 COn“ PtOS P° dem0S af¡rmar hS Si®uie"‘“
a) A es L.I.
b) Toda combinación lineal de la familia A, cuyo resultado sea el vector nulo, as la trivial.
c) Ningún vector de A es combinación lineal de ios demás.
Análogamente son equivalentes:
a ’) A es L.D.
re s u ¿ d t e r e ,™ c ^ o ? : b, o aCÍÓn 'Ínea‘ ^ A “ “
c ) Algún vector de A es combinación lineal de los demás.
60. SISTEMA DE GENERADORES 51
Ejemplo 2-14.
En el espacio vectorial de los polinomios reales sobre el cuerpo de los reales, P y Q
definidos por
P (x) = x 2 + x Q 0 ) = - 2 x
son linealmente independientes.
Sea
a? + bQ = 0 donde 0 denota el polinomio nulo
Cualquiera que sea x e R se verifica
(«P + 6 Q )(x ) = 0 (x )
Por definición de suma de funciones y de polinomio nulo es
(flP) (x) + (bQ) (x) = 0 V x e R
Por definición de producto de escalares por polinomios, se tiene
aP (x) + bQ (x) = 0
www.FreeLibros.com
O sea
a (x2 + x ) + b (- 2x ) = 0
Luego
a x2 + (a - 2b) x ~ 0 V x e R
S ix = - l , s e verifica a - a + 2b = 0 , y en consecuencia b = 0 .
Entonces es ax2 + a x = 0 ,y haciendo x = 1, resulta 2a = 0, o sea, a = 0.
2.5. SISTEMA DE GENERADORES
2.5.1. Concepto
Si un conjunto no vacío de vectores de un espacio (V, +, K , .) es tal que todo vector de V
puede expresarse como combinación lineal de dicho conjunto, entonces se dice que éste es
un sistema de generadores de V. Esto equivale a decir que el subespacio de V generado por
tal conjunto es el mismo V. El concepto de sistema-de generadores de un espacio vectorial es
independiente de la dependencia o independencia lineal del sistema. O sea, un sistema de
generadores puede ser linealmente independiente o no.
Definición
La familia A = {v , , v2, . . . , vr ) es un sistema de generadores de V si y sólo si todo
vector de V puede expresarse como combinación lineal de los vectores de A. O bien, A
es un sistema de generadores de V si y sólo si el subespacio generado por A es V.
Las notaciones “S.G.” y “C.L.” son abreviaturas de “ sistema de generadores” y
“combinación lineal” , respectivamente.
61. 52 DEPENDENCIA E INDEPENDENCIA LINEAL. BASE Y DIMENSION
La traducción simbólica de la definición anterior es
www.FreeLibros.com
r
A es un S.G. de V o v e V => v = 2 a¡ v,-
¿=i 1 ‘
O bien
A es un S.G. de V o A = V
Ejemplo 2-15.
El conjuntó A = j (1, 0) , (0 ,1 ) , (1, 1) } es un sistema de generadores de R2.
En efecto, si ( a , b) es cualquier vector de R2, deben existir escalares a, 0 y y tales que
a (1, 0) 4- 0 (0, 1) + 7 (1, 1) = ( a , ¿)
O sea
(a + y , 0 + 7 ) = (a , b)
Luego
a + y = a A 0 + 7 =
En consecuencia
ot = a - k , p - b - k , y = k V k e R
Este resultado nos dice que, efectivamente, A es un S.G. de R2, y además, que
cualquier vector del espacio puede expresarse de infinitas maneras como C.L. de los
vectores de A. Por otra parte, es fácil verificar que A constituye una familia L.D.
En el ejemplo 2-6 está demostrado que las matrices V 1} V2 y V3 constituyen un
sistema de generadores del espacio vectorial de las matrices reales de traza nula del tipo
2 X 2 . Además, tales matrices son linealmente independientes.
2.5.2. Propiedad
Si la familia A = { v1}v2 , . . . vr } es un S.G. L.D. de V, entonces existe e A, tal que
A - |v ;- | es un S.G. de V.
Demostración) Por ser A un sistema de generadores de V, se verifica
v e V =>v = 2 a ¡v¡ ( 1)
Como A es linealmente dependiente, por 2.4.3. iv), algún vector de A, digamos v/, es
combinación lineal de los restantes, o sea
3 Vy tal que vy = 2 (i¡ ( 2)
»*/
Teniendo en cuenta (1) y (2) podemos escribir
62. BASE 53
r r r
= cc4 y,- + 2 a¡ y,- = a¡ 2 & v¿ + 2 a, v, = 3 1 ¡*j 1 1 1 t*r* ' ¡*i ' 1
r r
= 2 (píj p¡ ¡ f j V ; r, + ot¡V) vi¿ = i¥2¡J ynt ii
En consecuencia, A - { v¡ j es un sistema de generadores de V.
Ejemplo 2-17.
Determinamos si los vectores Vj =(1,1,1v)2 ,= (1,1,0y )v 3 =(1,0, 0de)
(R3, +, R , .) constituyen un sistema de generadores de R 3.
El problema se reduce a investigar si existen escalares reales a, (3 y y, tales que
cualquiera que sea (a , b , c) e R 3 se verifique
a ( l f l, 1) + 0 ( 1 , 1, 0 ) + -y (1, 0 , 0 ) = (a , 6 , c)
(a + P + y , a + 0 ,á ) = (a , b , c)
www.FreeLibros.com
Luego
a + P + y =a
■ a + p = b
a = c
De donde resulta
a = c , p = b - c , y ~ a - b
En consecuencia, todo vector de R 3 puede expresarse como C.L. de los vectores
propuestos. Observamos, además, que tal C.L. es única para c a d a v e R 3,
En el caso en que ( a , b , c) sea el vector nulo, los escalares son nulos, y en
consecuencia los vectores v t , v2 y v3, además de constituir un S.G., son L.I.
Por este motivo se dice que tales vectores son una base de (R 3, +, R , .).
2.6. BASE DE UN ESPACIO VECTORIAL
2,6.1. Concepto de base
Sea A = {Vj , v2 , . . . , vn } una familia de vectores de (V, 4-, K , .).
Definición
La familia A C V es una base de( V, +, K,.) si y sólo si eusn . conjunto linealmcnte
independiente y sistema de generadores de V.
A C V es una base de V o A es L.I. y A = V
63. DEPENDENCIA E INDEPENDENCIA LINEAL. BASE Y DIMENSION
Ejem plo 2-18.
Una base de (K", +, K, .) es el conjunto de vectores
ej = ( 1, 0 , 0 , . . . , 0 )
e2 = (0, 1,0,...,0)
e„ = (0 , 0 , . . . , 0 , 1)
El lector puede comprobar que la familia { , e 2 , . . e„ | es linealmente
independiente y un sistema de generadores de K Tal familia recibe el nombre de base
canónica.
Ejem plo 2-19.
En el ejemplo 2-13 se demostró que las matrices E n , E 12 , E21 y E 22 constituyen
una familia linealmente independiente del espacio (K * , +, K , .).
Además, tal conjunto es un sistema de generadores de dicho espacio, y en consecuencia
es una base del mismo. La llamaremos también base canónica de K2 *2 .
Ejem plo 2-20.
Determinar una base del subespacio de (R 3 , + , R, ■) estudiado en el ejemplo 1-8.
Tal subespacio es
S = { ( x u x 2 , x 3 ) e R 3 ¡ x 3 = x x + x 2 |
Si (a , b , c) es un vector genérico de S, entonces se tiene c = a + b , y en consecuencia
podemos escribir, en virtud de las leyes de composición en S:
(a, b, c) = (a, b ,a + b) = (a, 0,fl) + (0, b, b) (1, 0,1) + b (0, 1, 1)
Este resultado nos dice que los vectores de R
vi = ( 1, 0 , l ) y v2 = ( 0 , 1, 1)
constituyen un sistema de generadores de S. A d e m á s , son linealmente independientes,
pues
a ( 1 , 0 , l) + 6 (0 , 1 , 1) = (0 , 0 , 0)=>a = b = 0
Por consiguiente, Vi y v2 constituyen una base de S.
2.6.2. Coordenadas o componentes de un vector
En este texto consideraremos únicamente espacios vectoriales de bases finitas. En
algunas ocasiones, para indicar que | v „ v 2, . . .,v„ | es una base del espacio vectorial
(V + K ) utilizaremos el símbolo [v] para hacer referencia a ella.
Si ’ | ’vi,’v2 , . . v„ f es una base de (V, +, K, .), entonces cada vector de V puede
www.FreeLibros.com
64. COORDENADAS 55
expresarse de modo único como combinación lineal de la base, ya que los vectores de ésta
son linealmente independientes y sistema de generadores, de acuerdo con 2.4.2.
O sea, six e V, entonces existen y son únicos los escalares x t , x 2, . . x n tales que
n
X = *1 V, + x 2 V2 + . . . + x n v n = 2 x¡ Vi
i- 1
Respecto de la base dada, el vector x e V queda caracterizado por los coeficientes de la
combinación lineal, o sea, por la n -u p la de elementos de K: (* ,, x 2 ,. . x„). Los escalares
x¡ se llaman coordenadas o componentes del vector x e V, respecto de la base dada. Si se
elige otra base en el espacio V, entonces el mismo vector x admite otras coordenadas o
componentes: 2, . .
Demostraremos más adelante que dos bases cualesquiera de un mismo espacio vectorial
son coordinables, es decir, tienen el mismo número de vectores.
Dada la base [v] = |v j v, 2, . . v„ ) del espacio (V, +, K , .), podemos expresar a cada
vector x e V como una matriz columna, cuyos elementos sean las coordenadas de x respecto
de [v]; en tal caso escribiremos
Ejemplo 2-21.
Determinar las coordenadas de x = ( - 2 , 3) perteneciente a (R 2 , +, R , .), respecto de
las bases:
i ) [v] — 1( 1, 1) , ( 1, 0)1
ii) [w] = | ( - 2 , 3 ) (, 1 , 2 ) |
iii) canónica
En el primer caso, planteamos la relación lineal
a ( U l) + 6 (1 ,0 ) = ( - 2 , 3)
Efectuando las operaciones, y resolviendo respecto de a y b, se tiene
(a + b ,a ) = (--2, 3) =*■ a + b = - 2 y a = 3 =>
=>a = 3 y b = - 5
En consecuencia, las coordenadas de x, respecto de la base [v], son: 3 y - 5
Y puede escribirse
www.FreeLibros.com
65. 56 DEPENDENCIA E INDEPENDENCIA LINEAL. BASE Y DIMENSION
En el segundo caso, procediendo análogamente, se llega a que las coordenadas de x son
1 y 0 , y por lo tanto
Finalmente, respecto de la base canónica, es
( —2, 3) = ( - 2 , 0) + (0, 3) = - 2 (1, 0) + 3 (0, 1)
O sea, las coordenadas de x son precisamente los elementos del par ordenado, y
escribiremos simplemente
2.6.3. Teorema de extensión a una base
[v j = | V l, v 2 , • • v „ | es u n a base del espacio cvteorial V, y
[w ] = { w t , w2 , . . wm } es un conjunto linealmente independiente, pero no de generadores
de V, e n to n c e s e x is te n vectores w,n + i> wfn + 2 > • • •>w m+p, ta^es ^ue
i w 1,w 2 , . . , w m , w m+I, . . . f wm+pj es una base de V.
Si [w] n [vj = 0, consideramos el conjunto
A = [w] U [ v ] = ( w i , w2 , . . . , w m , v i ! v3, . . . , v „ )
Como cada w,- es combinación lineal de los vectores de la base [v], A es un conjunto
linealmente dependiente por 2.4.3. iv). De acuerdo con 2.4.3. vi), siendo A un conjunto
finito y linealmente dependiente al que no pertenece el vector nulo, algún vector es
combinación lineal de los precedentes. Tal vector es un elemento de [v], ya que [w] es
linealmente independiente. Por otra parte, como A es un sistema de generadores linealmente
dependiente de V, y v,- es combinación lineal de los precedentes, resulta
A¡ - A - ( v¡ | = j Wl , w 2, . . . , wm, v , , . . .,vM ,v f+1, .. .,v„)
un sistema de generadores de V, según 2.5.2.
Si A¡ es linealmente independiente, el teorema está demostrado. Si A¿ es linealmente
dependiente, se reitera el proceso, y a lo sumo, al cabo de («—1) etapas se obtiene un
conjunto linealmente independiente que es sistema de generadores de V, o sea, una base.
2.6.4. Coordinabilidad de las bases
Dos bases cualesquiera de un mismo espacio vectorial son coordinables.
Hipótesis) (V, + , K , .) es un espacio vectorial.
[v]= ) v l5v2, . . . v „ í y [w ]= ( W! , w2, . . . , w j son bases de V.
www.FreeLibros.com
66. DIMENSION 57
www.FreeLibros.com
Tesis) [v] ~ [w] ,o sea, n = m.
Demostración) Consideremos
A = | wm, v l ! v2 , . . .,v„J
Este conjunto, al que no pertenece el vector nulo, es un sistema de generadores (pues [ v ]
es una base), y linealmente dependiente (ya que w m es C.L. de la familia [v]). La propiedad
2.4 .3 . nos dice que algún v¡ es C.L. de los precedentes, y, de acuerdo con 2.5.2,, es
A - { v¡ } un sistema de generadores de V.
Sea
A i — I wm_j, wm, Vj, . . ., v,-_i, V[+i, . . ., vfl f
Este conjunto es un sistema de generadores linealmente dependiente, y en consecuencia,
algún vy es combinación lineal de los precedentes. Lo mismo que en la etapa anterior, se lo
extrae y se agrega wm.2, obteniéndose
A2 = | Wm.2l Wm. h . .,VM ! Vi + 1 , . . „Vy.^Vy+i, . . -,Vn |
que es un sistema de generadores y linealmente dependiente.
Reiterando el procedimiento, afirmamos que no es psoible que los se "agoten untes”
que los wk , ya que en este caso los wfe sobrantes serian combniación lineal de los
considerados. En consecuencia es
m < n ( 1)
Análogamente, a partir de
B = | vb,W1 i W2 .......wm|
se prueba que
n K m (2 )
De (1) y (2), por la antisimetría de la relación de menor o igual, resulta
n - m
2.7. DIMENSION DE UN ESPACIO VECTORIAL
2.7.1. Concepto
En 2.6.4. hemos demostrado que si [v] es una base finita del espacio vectorial (V, + , K ,.),
entonces toda otra base de V es coordinable a [vE]s.t o significa que dos bases cualesquiera
de un mismo espacio vectorial tienen el mismo número de vectores. Tal número se llama la
dimensión del espacio.
Definición
Dimensión de un espacio vectorial V es el número cardinal de cualquiera de sus bases.
Si V consiste únicamente en el vector nulo, diremos que su dimensión es 0.
67. 58 DEPENDENCIA F. INDEPENDENCIA LINEAL. BASE Y DIMENSION
En ambos casos, V es un espacio de dimensión finita.
Si [v] = { V i, v2 , . . v„ } es una base de (V, +, K, .), escribiremos
diniR V = «
Ejemplo 2-22.
Analizando ejemplos propuestos anteriormente se tiene que
dimKKn = « dimKK2 x 2 = 4
dimRR rt = « dimRS = 2 siendo S el subespacio del ejemplo 2-20
El lector puede verificar que { 1, X, X2 | constituye una base del espacio vectorial de
los polinomios reales en la indeterminada X, de grado menor o igual que 2 y el
polinomio nulo, sobre el cuerpo de los reales. En consecuencia, su dimensión es 3.
www.FreeLibros.com
2.7.2. Propiedad
Un conjunto de « vectores de un espacio vectorial «-dimensional es una base si y sólo si es
linealmente independiente o sistema de generadores.
I o. Si [v] = { V j, v2 , . . vn } es una base de V y dimKV = «, entonces [v] es linealmente
independiente y sistema de generadores.
2o • Si dimKV = « y [v] = ¡ V j, v2 , . . v„ } es L.I., entonces [v] es S.G.
En efecto, si [v] no fuera un sistema de generadores, por el teorema de extensión, podrú
completarse hasta formar una base de V, en cuyo caso sería dimK V > n, io que es absurdo
• Si dimKV = n y [v] = ¡ V j, v2, .. v„ ¡ es S.G., entonces [v] es L.I.
Si [v] , que es S.G., fuera L.D., entonces existiría ¡ tal que [v] ¡ v ¡ ) es S.G. de V,
según 2.5.2. Si este conjunto de n — 1 vectores fuera L.I. constituiría una base de V. S:
[v] - { j } no fuera L.I. se reitera el procedimiento, y en todo caso se llega a una base de
cuyo cardinal es menor que «, lo que también es absurdo.
En consecuencia afirmamos que:
1 . « vectores linealmente independientes de un espacio vectorial «-dimensional constitu
yen una base del mismo.
2. Todo sistema de generadores de n vectores de un espacio vectorial «-dimensional e¡
una base del mismo.
3 . Todo conjunto de más de n vectores de un espacio vectorial «-dimensional e¡
linealmente dependiente.
La dimensión de un espacio vectorial (V, +, K, .) depende no sólo de V, sino también de!
cuerpo K. Seguidamente aclaramos esta observación.
Ejemplo 2-23.
Sean (V, + , R , .) y (V, +, C , .) dos espacios vectoriales, donde el conjunto de vectores
es el mismo en ambos casos y C es el cuerpo de los complejos.
2 .
ve
Ei
y,
68. DIMENSION 59
www.FreeLibros.com
.ent;
stiti
lal
Supongamos que dimc V = n. E ntonces es dimRV = 2n.
En efecto, si [v] = | Vjv, 2 , .. ., vn ) es una base de (V, + , C , .), entonces
[W]= {vi >v 2 , . . . , v n>/vI ,rví | es una base de (V, + , R, .).
Para ello probaremos que
1 [w] es L.I.
Sea
n n n
2 a /V.-+ 2 i , = 0 = > 2 (<Xj + i p j ) v ;=0=>O/+ i/3y = 0 , V/=*
;=i ;= i 1 1 ;= i
=> (Xj = fy = 0 , V/
2 . [w] es S.G.
Por ser [v] una base de (V, 4-, C, .), para todo v e V, existen escalares a¡ + i ty e C tales
que
v = j=.i + 1 & ví ^ v = £ ai vj + 0' v/>
Luego [w] es una base de (V, + , R , . ), y en consecuencia
dimR V = 2 dimc V
En particular, es
dimRC" = 2 dim cC" = 2 n
y
dimRC = 2 dim cC = 2
2.7.3. Propiedad
Sea S un subespacio de V. Se verifica que:
dim S = dim V o S = V
1. Si el subespacio S es el mismo V, entonces es obvio que dim S = dim V.
2. Supongamos ahora que S es un subespacio de V que verifica dim S = dim V.
^ j. Si la dimensión común es 0, entonces tanto S como V tienen como único elemento al
* vector nulo y son idénticos.
Sea dim S = dim V = n > 0. Consideremos una base de S:
[w]= í w1 ,w2, . . w„}
Los n vectores de [w] son L.I. en V, y de acuerdo con 2.6.3. constituyen una base de V.
Entonces son un S.G. de V, lo que nos dice que todo vector de V pertenece a S, o sea, V C S,
es y, como por definición de subespacio es S C V, resulta S = V.
69. 60 DEPENDENCIA E INDEPENDENCIA LINEAL. BASE Y DIMENSION
2.8. DIMENSION DE LA SUMA
2.8.1. Propiedad
Si S 4 y S2 son dos subespacios de (V, + , K , .) y la dimensión de V es finita, entonces se
verifica que
dim (Sj + S2) = dim Si + dim S2 - dim (Si n S2)
www.FreeLibros.com
Sean:
dim V = « . d i m S , = « ’ di mS2 = /2”
d i m ( s 1 n s 2) = p y d i m S ! + S 2 = q
Se trata de probar que
q u ’ + n" - f>
Consideremos S, O S 2 ^ j o ) y fx] = [ X l , x2 , . . xp ) una base de St n s 2.
Teniendo en cuenta que Si n S2 es un subespacio de Sj y de S2, completamos la base [x
a una base en cada uno de éstos.
Sean
{ x , , x 2 , . . . , x p>y I , y ;t). . . , y n ._J, J y
I x ¡ , x2 , . . xp , z , , z2 , . . . , z p | bases Si y en S2, respectivamente.
El conjunto
A = I X j, x 2 , . . Xp, y i , . . ., y n ’—p , z , , , . ,
es una base de S i + S2 , pues:
Io. Aes S. G. d e S! + S 2 .
En efecto, sea v e Sj + S2 . Por definición de subespacio suma es
v = x + y a x e S i a y e S 2
Entonces
71 -p
v = , ? i “ í X i + ¡ g b y ' + M “ ’'X+I . 2 í ’( z ,=
P n'-p n"-p
^ . 2 (a¡ + a ) x¡ + pi Y i + S p’. z .
2o. A es L.I.
Consideremos
Entonces
i* • » t* t ” y
. S a . x . + Z p , y ¡ + 7¡Zi = 0 ( 1)
71. 62 DEPENDENCIA E INDEPENDENCIA LINEAL. BASE Y DIMENSION
Sj y S2 son planos y la dimensión de cada uno de ellos es 2.
Si n S2 = { (x ,y , z) e R 3 / x - z a y ~ 0
Todo vector de Si O S2 es del tipo
(a, 0, a ) = a (1, 0 ,1 ) Va e R
www.FreeLibros.com
Luego
dim Si n S2 " í
En consecuencia
dim (S i + S 2) = 2 + 2 —1 = 3
O sea
S, + S 2 = R 3
72. TRABAJO PRACTICO ||
2-25. Expresar en cada caso, si es posible, al vector v como combinación lineal de vt y v2. El
espacio vectorial es (R 2, +, R , .).
i ) v = ( V 2 " ,- l ) , V l = ( > / 3 , 2 ) , v2 = ( — , 2)
ü) v = (2 , 4 ) , V! = ( - 1 , 3 ) , v2 = (2, - 6 )
2-26. Comprobar que los vectores de R 3
Ví = ( - 1 , 3 , 1 ) va = ( 3 , - 1 , 1) y v3 = ( 4 , 0 , 2 )
son linealmente dependientes, y expresar a v3 como combinación lineal de Vj y v2.
2-27. En (R2 *3 , + , R , .) se consideran las matrices
Probar que son linealmente independientes.
2-28. l'siudiar la dcpendoiu-ui o ¡iklepemlencu liin.il de los vectores
V ! = 2 1/2 y v2 = 31/4
en cada uno de los espacios vectoriales (R, + , R , .) y (R, + , Q, .)•
2-29. Dados los vectores (1, - 4 , 6 ) , ( 1 , 4 , 4 ) y (0, - 4 , x ) , del espacio R 3 sobre el cuerpo de
los reales, determ inar* para que sean linealmente dependientes.
2-30. Demostrar que si a, b y c son tres números reales distintos, entonces los vectores
(1, a, a2 ) , (1, b, b 2 ) y (1, c, c2 ) de (R 3 , + , R , .) son linealmente independientes.
2-31. En el espacio vectorial de las funciones reales definidas en R, se consideran las
funciones f, g y h, definidas por
f (f) = t2 + 2 1 - 1 , g (?) = t2 + 1 , h ( t ) - t 2 + t
Demostrar que son linealmente dependientes.
2-32. En el espacio vectorial (R r + ,R ,.) se dan las funciones f y g definidas por
f ( 0 = f . e ( 0 = j -
www.FreeLibros.com
73. 64 DEPENDENCIA E INDEPENDENCIA LINEAL. BASE Y DIMENSION
Probar que son linealmente independientes.
2-33. En ( R2, + , R , .), los vectores (a, b) y (<c , d ) verifican la condición a d - b c 4 o
Demostrar que son linealmente independientes.
2-34. Determinar si los vectores ( 1, 1, 1), ( 1, 1, 0) y (0, 1, - 1 ) son linealmente independientes
en (R 3, + , R , .) y en (C3, C ,.).
2-35. Sabiendo que v1} v2 y v3 son vectores linealmente independientes del espacio
(V, +, K , .), investigar la dependencia o independencia lineal de los siguientes
conjuntos de vectores:
i ) { v, + ÜV2 + ¿>V3 , V2 + Cl> 3 , V3 )
ii) { V!, V2 + av3 , v3 + bv2 ¡
donde a, b y c son elementos de K.
2'36. Sean: | x ,, x2, .. ., x„ ) un conjunto L.I. de (V, +, K , .) y k eK .
es L .u ., entonces u es comoinacion lineal de la tamilia A.
2-38. Sabiendo que el conjunto A, a que se refiere el ejercicio anterior, es L.I. en (V, +, K, )
y que x n o e s combinación lineal de dicho conjunto, entonces A U { x} es L.I.
2-39. Demostrar que si el conjunto A = j X l, x2 , . . x„ ) es L.I. en (V, +, K ,.), entonces
se verifica que el vector X ix¡ ¥= 0 .
2-40. Demostrar la independencia lineal de los vectores f ,, f2, y f3 del espacio (R1, +, R, .),
donde I es el intervalo cerrado de extremos 0 y 1 , sabiendo que
2 s i Q < x < l
3
2-42. Determinar el subespacio de (R 3 , + , R , .) generado por los vectores v, = (1, - 1 , 2),
v 2 = (0. —1, 1) y v3 = (1 ,1 ,0 ) . Obtener una base de dicho subespacio.
www.FreeLibros.com
fi (x) =
0 s ix e [ — ,11
3 1
Osi — < x < 1
3
f 3 (x) = 2 - x six e [0 , lj
2-41. Proponer una base en cada uno de los siguientes espacios vectoriales:
i ) (R, + , R , .)
i i) (R 4, + , R, .)
iii) (R2 x3 , + , R , .)
iv) ( C . + X , ■)
v ) (C, +, R, .)
74. TRABAJO PRACTICO II 65
2-43. Demostrar que los siguientes conjuntos de vectores de (R 3, + , R , .) generan el mismo
www.FreeLibros.com
subespacio
A = ((1, 0 , - 1 ) , ( 0 , - 2 , 1)) B = j ( 1 , - 2 , 0 ) , ( 2 , - 2 , - 1 ) |
2-44. Determinar una base y la dimensión del subespacio de matrices de traza nula de
(R2 x2, +, R, .)•
245. En (C2 , + , R , .) se considera el subespacio S = { (z, u) e C2 / z - 2u = 0 }
Obtener una base y la dimensión de S.
2-46. En (R2x2, + , R, .) se considera S = ( A e R 2x2 / á 12 (an + a 22) = 0 }
Investigar si S es un subespacio, y en caso afirmativo obtener una base del mismo.
2-47. Investigar si S = ( z , u) e C2 / z - J + u = 0} es un subespacio en (C2 , + , C , . ) y
(C2 , + , R, .)• Si lo es, determinar una base y la dimensión.
2-48. Determinar el subespacio S de ( R3, + , R , .) generado por los vectores ( 2 ,0 ,1 ) y
( - 1 , 0 , 1 ) . Hallar una base de S y su dimensión. Proponer un subespacio T que no
contenga a los vectores dados.
2-49. Dados los subespacios de (R4 , + , R , .)
51 = { ( X x , X 7 , X - i , X A ) ¡ X x + X 2 - * 3 + * 4 = 0 )
5 2 = I ( X l , X 2 , X 3 , X 4 ) / X i - x 2 - X 3 - x 4 = o )
Obtener la dimensión de S! + S2 .
2-50. Sea j vlv(2 , . . vn ) una familia de vectores de (V, + , K , .) y r < n . Por definición, el
conjunto j V! , v2, . . vr J es un subconjunto maximal de vectores L.I. si y sólo si
i>r=> j V j, v2, . . . , vr, v* J es L.D.
Demostrar que si { V j, v2 , . . v„ } es un S.G. de V y { Vj, v2,. . vr} es un subconjunto
maximal de vectores L.I., entonces éste es una base de V.
2-51. Demostrar que si V es un espacio de dimensión finita y V = Sj ®S2, entonces se
verifica que dim V = dim S x + dim S2 .
75. www.FreeLibros.com
C apítulo 3
TRA SFO RM AC IO NES LIN EALES
3.1. INTRODUCCION
Exponemos en este capítulo el concepto de trasformación lineal entre dos espacios
vectoriales sobre un mismo cuerpo, las propiedades generales y los tipos especiales de
trasformaciones lineales. Se introducen las estructuras de núcleo y de imagen de una
trasformación lineal y se da la relación entre sus dimensiones. Fijada una base en cada
espacio, siempre en el caso finito, se determina la matriz asociada a una trasformación lineal.
Después del estudio de la composición de trasformaciones lineales, se conecta este concepto
con el producto de matrices. Finalmente, se mencionan los espacios vectoriales de
trasformaciones lineales y el espacio dual de un espacio vectorial.
3.2. TRASFORMACION LINEAL ENTRE DOS ESPACIOS VECTORIALES
SOBRE UN MISMO CUERPO
Sean (V, + , K, .) y (W, + , K , .) dos espacios vectoriales sobre un mismo cuerpo K.
3.2.1. Concepto
La función / : V -*■ W es una trasformación lineal u homomorfismo si y sólo si
i ) l a imagen de la suma de dos vectores cualesquiera de V es igual a la suma de sus
imágenes en W
/ ( * + y ) = / ( x ) + / ( y )
ii) la imagen del producto de cualquier escalar por todo vector de V es igual al producto
del escalar por la imagen de dicho vector.
f (a x) = a f (x)
76. TRASFORMACiON LINEAL 67
Las condiciones i) y ii) se pueden reducir a la única siguiente:
/ : V -*■ W es una trasformación lineal si y sólo si
f ( a x + 0 y ) = a / ( x ) + |3 /(y )
cualesquiera que sean a y 0 en K, y x e y en V.
El lector puede demostrar por inducción completa que si / : V -> W es una trasformación
lineal, entonces se verifica que
/ ( J cc¡ x () = ¿ a f/(x ¿ )
1=1 i= i
cualquiera que sea n e N.
Esto nos permite afirmar que las trasformaciones lineales preservan las combinaciones
lineales.
Ejemplo 3-1
Sean los espacios vectoriales (R3, +, R , .) y (R2 , +, R, .)•
La función / : R3 -*■ R2 definida por
f ( x u x 2, x 3) = (Xt - x 3, x 2 - x 3)
es una trasformación lineal, ya que se verifican las condiciones:
i ) f [ ( x i , x 2, x 3) + ( y1, y 2, y 3) ] = f ( x l + y u x 2 + ya , x 3 + y 3) =
= ( x i + y i ~ x 3 - y 3, x 2 + y 2 - x 3 ~ y 3) (1)
por suma en R3 y definición d e /. Por otra parte, teniendo en cuenta la definición d e /
y la suma en R2 , es
f (x , x 2, X 3 ) + f ( y u V2 , y 3 ) = (xi - x 3 , x 2 - x 3) + O i — y 3, y 2 - y 3) =
= (*1 - x 3 + V j - y 3, x 2 - x 3 + y 2 - y 3) (2)
De ( 1) y (2 ) se deduce que la imagen de la suma es igual a la suma de las imágenes.
ii)P or definición de producto de escalares por ternas, definición de /, propiedad
www.FreeLibros.com
77. 68 TRASFORMACIONES LINEALES
distributiva del producto en R, producto de escalares por pares, y por definición de
/.e s
f [ c c ( x lt x 2, x 3) ] = f ( a x l , a x 2, a * 3) = (o:jct ~ a x 3, a x 2 - a x 3) =
= a ( x t - x 3, x 2 ~ x 3) = a f ( x 1, x 2, x 3)
0 sea, la imagen del producto de cualquier escalar por todo vector es igual al producto
del escalar por la imagen del vector.
Ejemplo 3-2.
La función / : R3 R 2 tal que / ( * , , x 2, x 3) = ( x t - x 3,x 2 - x 3 + 1) no es una
trasformación lineal, pues
f [ ( x l l x 2, x 3) + ( y 1, y 2l y 3) ] = f ( x 1 + y i , x 2 + y 2l x 3 + y 3) =
= (*i + y i - x 3 - y 3t x 2 + y 2 ~ x 3 - y 3 + 1)
pero
f ( x i , x 2, x 3) + f ( y u y 2, y 3) ^ ( x x - x 3, x 2 - X 3 + 1) + (y x ~ y 3, y 2 - y 3 + 1) =
= (* i ~ x 3 + y x - y 3, x 2 - x 3 + ^ 2 - y 3 + 2 )
Ejemplo 3-3.
Supongamos q u e / : R 2 -* R 3 es una trasformación lineal que verifica
/ ( ! > 0) = (1, 2, 3) y /(O , 1) = (0, - 1 , 2)
Podemos obtener la imagen de (2, —3) de la siguiente manera
/ ( 2 , - 3 ) = / [(2, 0) + (0, —3)] = / [ 2 (1, 0) 4* ( - 3 ) (0, 1)] =
“ 2 / ( 1, 0 ) + (—3 )/ (0 , 1) = 2 ( 1 , 2 , 3 ) + ( —3) (0 , - 1, 2 ) =
= ( 2, 4, 6 ) + ( 0 , 3 , - 6 ) = (2, 7, 0)
3.2.2. Propiedades y clasificación de las trasformaciones lineales
Sea / : V - * W una trasformación lineal. Denotaremos mediante 0V y 0W a los vectores
nulos en V y en W, respectivamente.
1 . La imagen del vector nulo del primer espacio por toda trasformación lineal es el vector
nulo del segundo espacio.
Teniendo en cuenta que el producto del escalar 0 por cualquier vector es el vector nulo, y
la condición ii) de la definición de trasformación lineal, se tiene
/ (0 V) = / (0 x) = 0/ (x) = 0 W
II. La imagen del opuesto de todo vector del primer espacio es igual al opuesto de su
www.FreeLibros.com
imagen.
78. PROPIEDADES 69
Considerando la propiedad I.3.4., y la definición de trasformación lineal, es
/ ( -X ) = / [ ( - l)x] =( - l ) / ( x ) = -/(X )
De acuerdo con la definición, una función / : V W es una trasformación lineal si y sólo
si satisface las condiciones i) y ii), pero nada se exige a / , salvo que sea una aplicación. En
particular diremos que
/ es un monomorfismo <*/es inyectiva
/ es un epimorfismo *>f es sobreyectiva
/ es un isomorfismo o / e s biyectiva
Si W = V, entonces la trasformación lineal / se llama un endomorfismo, y si éste es
biyectivo recibe el nombre de automorfismo. O sea, un automorfismo es toda trasformación
lineal biyectiva de un espacio vectorial en sí mismo.
Ejemplo 3-4.
La aplicación / : R3 -> R 3 definida por
f ( x i , x 2, x 3) = {x2, - x u x 3)
es un automorfismo en R 3.
Debemos probar que / es una trasformación lineal biyectiva.
1. / e s una trasformación lineal, ya que verifica:
i ) La imagen de la suma es igual a la suma de las imágenes
f [( x >x i , x 3) + ( yl , y 2l y?i) = f ( x l + y i , x 2 + y 2, x 3 + y 3) =
= (*2 + y 2, - * i ~ y l t x 3 + y ¡ ) = (x2, - x u x 3) + ( y2, - y l t y 3) =
= f ( X i , x 2l x 3) + f ( y l l y 2l y 3)
ii) La imagen del producto de cualquier escalar por todo vector es igual al producto
del escalar por la imagen del vector.
f [ a ( X t , x 2, x 3) ] = f ( a x i , a x 2, a x 3) ~ (<*x2, - a x u u x 3) =
~<x (x2l - x ¡, x 3) = a f ( x u x-2, x 3)
2. f e s inyectiva.
Sean (*], x 2l x 3) y { y {, y 2, y 3) en el dominio, tales que
f ( x i, x 2, x 3) = f ( y í f y 2, y 3)
www.FreeLibros.com
O sea
(x2, - x¡, x 3)= (y2l - y i, y 3)
Por lo tanto es
x -2 = y 2 , *1 = V, , x 3 = y 3