Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Tema II : Bases ° Sea H m subespacio vectorial del espacio V . Un conjunto de vectores B =3 ve , va . . . vn 4 en V es una base de H si : i ) B es un conjunto LI Ñ H -_ Gen B Pudiésemos concluir por lo tanto , que H- V . o una base de V es un conjunto linealmente independiente que genera a V . e El conjunto 3 es , er . . . en } es una base de IR " , lo que se acostumbra a llamar base estándar ( canónica) para IR " . • Sea Ama matriz invertible de nxn , sus columnas forman una base para IR " (ya que sus columnas son LI) . ° sea S = 3 E. Ei ti . . . t " 4 . S es una base para el espacio vectorial Pn . A esta se acostumbra a llamar base estándar para Rn . Teorema del conjunto generador seas =3 vrivr . . . Un } un conjunto en V y sea H -_ Gen } Uni Va . . . Un 4 , a) si uno de los vectores de S es una comb - lineal de algunos vectores de S . entonces el conjunto formado a partir de S al eliminar ese vector , aún genera a H . b) Si Ht 304 , algún subconjunto de Sesma base paraH . * una base se construye a partir de un conjunto generador descartando los vectores innecesarios . Por ejemplo : el Gen 3 4 , Vr , vz 4 = Gen341 Vrh , pa que si se tiene : " =L ! ) i ml !) r vs =p}) Vz es C. Lineal de 5h t 3.Va , es decir vz se puede construir a partir de vr y va , por lo tanto basta con decir que el conjunto generador está formado por vn y va . * si el conjunto generador es LI , entonces ya es una base . Si no , y uno de los vectores del conjunto es dependiente de los demás se puede eliminar este vector . si hay más vectores se puede hacer lo = hasta que elconjuntoquede LI . Si el conjunto queda con un solo vector ese tiene que ser +0, ya que AF 304 . X Nota : Pn = base polinomial estándar ( 1 , t , tr . . . t " ) o las bases no son únicas y son ordenadas ( indexadas) Sofía Gallegos Durán Observaciones : 1) Cada columna que no es pivote de una matriz A en su forma escalonada es una combinación lineal de las columnas que sí son pivote . 2) Si A no está escalonada hay que escalonar hasta obtener una matriz " B " . los vectores columna que eran LI de la matriz A son los que en B son columnas pivote , es decir las columnas pivote de B representan a lo que serian aquellas columnas LI de A que no se ven con facilidad . 3) las columnas pivote de una matriz A forman una base para COIA * una base es un conjunto generador que es lo más pequeño posible . A la vez es un conjunto LI lo más grande posible . * las columnas de A de tamaño mxn tienen que generar a Rm para poder ser una base . sistemas de coordenadas Hay que imponer un sistema de coordenadas en V . → si la base B contienen vectores , entonces el sistema de coordenadas hará que V actúe como IR " . Eiemplo : B =3 vi , va , vz 4 , entonces V actúa como IR ? Sea B una base para un espacio vectorial V . Asi , para cada X en V , existe un conjunto único de escalares q . . . cn tal que, × = Cr br t . . . Cnbn • las coordenadas de X respecto de la base B son los pesos cr , . . . Cn tales que × = crbn . . . tcnbn . " son las B- coordenadas de X " . [ xsrs =/ Ejemplo : Hay que determinar × dados : B =3 br iba 4 para IR ' i be = (f) y br = (I ) y CXIB = (5) . × = -2 (br ) t 3 ( ba) ⇒ - a (f) t z ( I ) = (b) Eiemplo 2 : Encuentre EXJB , dados : x = (f) , br = (f) , ba = µ ) x -- ( 's ) = al ' ) tutti ) % Í f. iii ) ⇒ (÷ ! :) i. × . .- KI coordenadas en R " PB = 4 br , . . . bn 4 es una base , por lo que la ecuación vectorial × = cnbr . . . t Cnbn es equivalente a × = PB LXJB PB es la matriz del cambio de coordenadas de B a la base estándar en IR " . Eiemplo :(¡g) ( Ya) = (f) ⇒ se puede expresar por : PBLXJB = x - - ~ - br bz CXJB × Nota : dado que PB es invertible , entonces : Pj x = IXJB . Y viene de : PBLXJB = X / P " B P - YB . TYBEXJB = P - tslx) [XJB =P " rslx] → × se convierte en su vector de . coordenadas B Mapeo de coordenadas : sea B =3 bn . . . , bn 4 una base para V . El mapeo Tlxl = [XJB es ma trans . lineal , inyectiva (1- 1) de V en IR " . • o Una transformación lineal no a uno de un espacio vectorial V en un espacio vectorial W se llama isomorfismo de V en W . ° la función T : V → IR " dada por TCXI = [XJB es un isomorfismo importante . • Cada cálculo de espacio vectorial en V se reproduce con exactitud en W , y viceversa . Cualquier e.v con una base de n vectores es indistinguiblemente un espacio de IR " . Dimensiones de un espacio vectorial : → si un e. v V tiene una base B , entonces cualquier conjunto que contenga más de n vectores es L . D . → Si m e. v V tiene una base de n vectores , entonces cualquier otra base de V debe tener exactamente n vectores . → si V es generado por m conjunto finito de vectores , entonces se dice que tiene dimensión finita . Sino es una dimensión infinita . * la dimensión de V = dim V es el número de vectores en una base para V . → la dimensión del espacio 304--0 → dim IR " en → base estándar de Pn ( polinomios) tiene ntr vectores . dim Pn = htt → la base estándar de Mmxn tiene mn vectores , dim Mmxn = m . n → si H es un subespacio del e. v V , entonces dim HE dimv → dim NUI ( Al = no . variables libres de Ax = 0 . H dim COICAI = no columnas LI de A Espacio fila o A es una matriz de mxn , cada fila de A tienen entradas , : cada fila se identifica con un vector en IR " . • El conjunto de todas las C. L de los vectores fila se denomina espacio fila de A . Cada fila tiene n entradas , por lo que Fila IAI es m subespacio de IR " . Nota : como las filas de A son las columnas de At , se puede decir ColAtt en vez ÷ : f.¡ ¡ ÷ . ! :?) . amo : rr = l- 2 , 5 , 8 1 01 - 17 ) rr = (1,3 , - 5) 115 ) } El espacio fila de A es el subconjunto de IRS generadorz = (3,11 , -19 , 7,11 PM 3 rn , Vz , rz , va } . Fila (A) = 4h , Vz , rz , va } ra = ( 117 , -13 , 51-3 ) Ojo : se pueden escribir así o en vertical . * los rectores del espacio Fil LAI son vectores de IR " y por lo tanto , son m subesp . de IR " . * Si dos matrices Ay B son equivalentes por filas , entonces sus espacios fila son iguales . * si B está en forma escalonada , las filas de B + O forman una base para el espacio fila de A , así como para el de B ⇒mio : a- ↳÷! :{H ! ! !}:) se obtiene que los vectores que generan al espacio Fit IAI son : ( 11012 , - 1 , 2) y l 01-1 , -5,5 , - 3) 11 tb puedo escoger a 11,012 , -112) y a 12 , - ti -113 , 1) . a. como esos vectores son LI , entonces cualquiera de esos 2 pares de vectores es una base para el espacio fila de A . * Para determinar una base del espacio NULLAI se necesita la forma escalonada reducida de A . * El número de columnas y vectores fila LI en una matriz A es el mismo . * la dimensión del espacio fila es la misma que la del espacio column El Teorema del Rango El rango de A es la dimensión del espacio columna de A . La dimensión del espacio fila de A es el rango de At , entonces las dimensiones del espacio columna y del espacio fila de una matriz A de mxn son iguales , e iguales al rango de A . Esta dimensión común , el rango de A , tb es igual al número deposicionespivote en A y satisface " rango A t dim Nut (Al = n * n = n° de columnas Ejemplo : mxn a) A es una matriz de 7×9 , con un rango de 7 y un espacio nulo de 2 , además su n = 9 . 7 + 2 = 9 Rango DIM h A NULA) b) una matriz A de 6×9 no puede tener un espacio nulo de dimensión 2 , porque si lo tuviese su rango sería 7 , sin embargo las columnas de A son vectores en R ' , por lo que la dim Coll A) no puede ser superior a 6 , entonces el rango de A no podría ser mayor a 6 . | Propiedades importantes : Rango de una matriz y su inversa : Cambio de base → En un espacio vectorial V de dimensión n , para cada × en V podemosobtenerlas coordenadas del vector × en la base B , LXJB , y asi para + bases . Entonces , sean B =3bnibr . . . bn } y 0--44,4 . . . cn } bases de un e. v. V entonces existe una Única matriz p :B→ C de nxn tal que : [XJC = PEXJB , donde las columnas de P son los C- coordenadas de los vectores de la baseB , es decir , P -- [ [bici [bic , . . . [ tonto) XP :B → C es la matriz de cambio de coordenadas de B a C . * En otras palabras : lamultiplicación de P :B→ C convierte a las b- coordenadas en C coordenadas . V [ Jc × CJB µ Y [xp← P :C→ B CXJB ^ →IR p -1 :C→ B IR" las columnas de P :C → B l matriz) son LI , además es matriz cuadrada e invertible . i. : [XJB = P " LXJO Ejemplo : determine P :B -7C , dadas las bases : B =3rtt , # ttti , 2T } y C- 31 , htt 1 1 tttt ' } , y además determine [STZTJC Entonces , htt = 011) t 111ft) t 011tttti) B } 4tttE-3.pt Olrttlt 1 lrttttr ) * = - aiií + antes + o , " "» , " l ! ? }) Para determinar [ St 2TJc : St 2T = 3. (1) + 211 tt ) t 0 (Htt E) : . Estaba = (%) Ejemplo 2 : bn = ( I ) , ba = (I ) , en = ( In) , cr = ( Iss) , B =3 bi , bate y C-- 34144 Encuentre la matriz de cambio de coordenadas de Bac . [beso = (¥ ,) y Ebola = (%) [ en cil abr y la cisl !) .ba la criba bate fa ? ! - I :?) - ( jo ! Es ? ) i. lbic = Es ) y [bala = Es) la matriz de cambio de coordenadas es i P :B → C = [ Ebrio [ bala ] = Esto ) * Para ir de C→ B encontrar la inversa P :B -7C Cambio de base en IR " si B =3 bn.bz . . - bn Y es una base y E es la base estándar =3 es , er . . - en} en IR " , entonces lbrtq = br y lo = para los otros vectores en B . P : B → E = PB y PB = P = lbr , ba . . . bn] Tema I : vectores propios ° Un vector propio de una matriz A denxn es un vector x t de 0 , tal que Ax = A x , para 7 m escalar cualquiera . ° Donde X es el valor propio de A . • Si X +0 , entonces × es el vector propio correspondiente o asociado al valor propio A . Ejemplo : A- = ( } bz) u = f } ) , eres un vector propio de A , porque : Kitt:) -1¥ . - a = - en Ejemplo 2 : demuestre que 7=7 es valor propio de la matriz anterior . AX = 7 X Es Ax - 7-x = O X LA - TI) = O A -7 I = (fgbz ) - z ( f ? ) = ( - § -6g ) ⇒ 7-sí es un valor propio - de A . Columnas LD , sol 70 . los vectores propios se encuentran escalonando : (II ; :) - ( i - III ) " ⇒ x. ( I ) , con x. ⇒ oaaa ~ v. L vector de esa forma es un vector propio correspondiente A 1--7 Observación : X es un valor propio de la matriz A de nxn si y solo si : LA - XI) X = O tiene una solución no trivial CFO) Espacio propio El conjunto de todas las soluciones de la - II) x = O es el espacio nulo de la matriz ( A - t I) . Ese conjunto es un subespacio de IR " y se llama espacio propio de A correspondiente al valor propio X . Hx = { X e IR " / LA - A Ilx = O } • El espacio propio consiste en el vector cero ( que Nf es un vector propio ) y de todos los vectores propios correspondientes al valor propio X . Para encontrar una base : • si me dan una matriz A y un valor propio de esa matriz (a) hago : 1) A - y I 2) Escalona el resultado de 1 hasta llegar a la reducida igualando a 0 . LA - XI) × = O 3) saco soluciones , veo si hay v. L . Escribo como gen , los vectores sol son la base . * los valores propios de una matriz triangular son las entradas de sudiagonalprincipal . * Arx = Xx El valor propio cero : si una matriz tiene un valor propio cero , entonces se debe tener : A AX = OX = 0 , con × #O le> Esto va a cumplirse sólo si la matriz A Nf es invertible . Si A es invertible . entonces 7+0 . o si X es un valor propio de A , con el FO , entonces tz es un valor propio de A ! • A y A " tienen el mismo vector propio correspondiente a 7 y ¥ respectivamente . ° El conjunto { ve . . . , vr Y que corresponde a vectores propios que corresponden a + valores propios de una matriz A de nxn es LI . • si 0 es un valor propio de A , entonces A no es invertible . Ecuación característica : • un sistema homogéneo , Axe O tiene sólo Va sol trivial si su det (A) = 0 y tiene A sol . si su OUTA # 0 . • Con el fin de Obtener los valores propios de la matriz Al que hacen que el sistema homogéneo tenga co soluciones se utiliza la siguiente ecuación : det l A - XII = O les ecuación característica de la matriz A . • m escalar × es un valor propio de A de nxrr si y solo sí X satisface a la ecuación característica de A . O si A es una matriz de nxn , entonces detl A - II ) es un polinomio de grado n llamado polinomio característico de A . * Multiplicidad alqebráica : cuántas veces sale repetida la raíz de un número Por eremplo : Dr -10 , Ari Xz = 9 . 10 tiene multiplicidad 1 y el 9 , 2 . Similitud : si A- y B son matrices de nxn , A es similar a B si tienen el mismo polinomio característico y . : los mismos valores propios con las mismas multiplicidades . • Esto quiere decir que existe una matriz P invertible , tal que P -1 AP = B ó A = PBP " , y por lo tanto A es similar a B Observaciones : ° Hay matrices que no son similares a pesar de tener los mismos valores propios . ° Similitud no es lo mismo que equivalencia por filas .
Compartir