Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
U.N.Sa. - Facultad de Ciencias Exactas Asignatura: Algebra Lineal y Geometría Analítica Carreras: LAS, PM, LF, LER, TEU, TUES, TUP Año: 2 do Cuatrimestre 2019 Docente Responsable del curso: Ing. Augusto A. Estrada V RESUMEN DEL TEMA 3 ESPACIOS VECTORIALES 3.1.- INTRODUCCION: Cuando estudiamos conjuntos y definimos entre sus elementos una operación suma, muchos de ellos tienen la propiedad de que al sumar dos elementos del conjunto el resultado es otro elemento del conjunto. Se dice en este caso que la operación suma es cerrada en el conjunto. Asimismo dado un cuerpo de escalares, se puede definir el producto de un escalar por un elemento del conjunto y si el resultado es otro elemento del conjunto, se dice que la operación producto del escalar por el elemento del conjunto es cerrada Por ejemplo nosotros sabemos que las operaciones aritméticas de suma y producto de dos números reales es otro número real, la suma de dos vectores del plano 2 (o del espacio 3) es otro vector de 2 (o 3) y el producto de un número real por un vector de 2 (o del espacio 3) es otro vector de 2 (o 3) De igual manera vimos que la suma de dos matrices, y el producto de un número real por una matriz definidas en forma usual, (como lo hemos visto en el anterior capítulo) da como resultado otra matriz de las mismas características que las del conjunto de matrices con las que estamos trabajando. En todos los casos hemos visto además que esas operaciones cumplen una serie de propiedades. Hay muchos conjuntos (simples o abstractos) en los cuales se verifica esta situación. En este capítulo vamos a dar una definición general que caracterice a todos ellos y enunciar propiedades y teoremas en forma general que sirvan tanto para los conjuntos simples como para los más abstractos o arbitrarios llamando a esos conjuntos (que cumple con las propiedades antes mencionadas) Espacios Vectoriales y a los elementos de los mismos vectores, sin perjuicio de que se trate de vectores propiamente dichos (de 2, 3, , n), de matrices, funciones, polinomios, etc. 3.2.- ESPACIO VECTORIAL Definición: Dado un conjunto no vacio y un cuerpo de escalares (que puede ser o ), una operación suma () entre elementos de y una operación producto ( entre elementos del cuerpo y elementos del conjunto . Diremos que es un espacio vectorial sobre el cuerpo si y solo si La operación suma es cerrada en . Es decir: U,V (U V y cumple los siguientes axiomas: A1 : U,V U V V U A2 : U,V,W U V W U V W A3 : U / U , U U U U U (U: neutro de la suma en ) A4 : U U , U U U U U (U: inverso u opuesto de la suma en ) La operación producto es cerrada en . Es decir U , U y cumple los siguientes axiomas M1 : U ,V , , U V U V M2 : U ,, , U U U M3 : U ,, , U U M4 : U , , U U Así que para que un conjunto de vectores sea un espacio vectorial con las operaciones suma y producto de un escalar por un vector, sobre un cuerpo de escalares deberá cumplir que estas operaciones de suma y producto sean cerradas en el conjunto y cumplir con todas y cada una de los axiomas antes expuestos Notación: Para expresar que un conjunto es un espacio vectorial con las operaciones de suma y producto, sobre un cuerpo se simboliza por ( , , , En general, en la asignatura trabajaremos con el cuerpo de los reales así que en lo sucesivo, a menos que se diga lo contrario, será . En este caso decimos que es un espacio vectorial real. Propiedades: Si es un espacio vectorial sobre entonces: P1 : , (siendo el neutro de la suma en ) P2 : U , 0 , 0 U P3 : U 0 U (o ambas cosas a la vez) P4 : U , 1 U U (U opuesto de U) 3.3.- EL ESPACIO VECTORIAL n Si n y y se considera que n es el conjunto de matrices de 1 n ó de n 1, entonces podemos probar que n es un espacio vectorial con las operaciones de suma y producto por un escalar definidas en el tema 2 para las matrices reales, ya que para el conjunto de las matrices nm vimos que las operaciones suma y producto por un escalar son cerradas y cumplen con todas los axiomas. Por lo tanto nm es un espacio vectorial sobre el cuerpo de los reales con esas operaciones. Es decir ( n,, , es un espacio vectorial con las operaciones de suma y producto por un escalar definidas como: Si U u1,u2, ,un ny V v1,v2, ,vn n y Suma: U V u1 v1,u2 v2, ,un vn Producto por un escalar: U u1,u2, ,un Las anteriores definiciones de suma y producto por un escalar suelen denominarse operaciones de suma y producto por un escalar usuales o habituales en n Como casos particulares tenemos: Si n 2 será n 2 el conjunto de pares ordenados de números reales (vectores del plano) es un espacio vectorial con las operaciones de suma y producto por un escalar usuales. Si n 3 será n 3 el conjunto de ternas ordenadas de números reales (espacio tridimensional) es un espacio vectorial con las operaciones de suma y producto por un escalar usuales. 3.4.- SUBESPACIOS Definición: Dado un conjunto incluido en un espacio vectorial con las operaciones de suma y producto sobre un cuerpo de escalares. Decimos que el conjunto es un subespacio de si y solo si es un espacio vectorial con las mismas operaciones de suma y producto definidas en y sobre el mismo cuerpo de escalares. Teorema 3.1: incluido en un espacio vectorial es un subespacio de si y solo si 1 2 U,V U V 3 U, U Teorema 3.2: Si es un subconjunto de un espacio vectorial , entonces: es un subespacio de ( elemento neutro de la suma en ) Teorema 3.3: Si y son subespacios de un espacio vectorial , entonces es también un subespacio de . Recordemos que: X /X X y que X /X X ¿Será también un subespacio de ? Definición: Dados y subespacios de un espacio vectorial definimos la suma de y como: W U V / U V } Teorema 3.4: Si y son subespacios de un espacio vectorial , entonces es un subespacio de . Teorema 3.5: El conjunto solución de un sistema de m ecuaciones lineales con n incógnitas, homogéneo, es un subespacio de n. 3.5.- COMBINACIONES LINEALES Definición: Dado un conjunto finito de vectores V1,V2, ,Vn de un espacio vectorial , y W . Decimos que W es una combinación lineal de los vectores V1,V2, ,Vn si existen escalares i, i 1,2, ,n tal que: 1V1 2V2 nVn W 1 O bien en forma equivalente: i, i 1,2, ,n / n i1 iV i W 1 Analizando la definición, podemos ver que para que W sea combinación lineal de V1,V2, ,Vn, requiere que existan los escalares i, i 1,2, ,n tales que se verifique la ecuación 1 La ecuación 1 es una ecuación vectorial, si aplicamos la definición de igualdad de vectores será equivalente a un sistema de ecuaciones lineales cuyas incógnitas son los escalares i. Decir que existan los i tales que se cumpla la 1 es equivalente a decir que el sistema equivalente sea consistente. En consecuencia W será combinación lineal de los vectores V1,V2, ,Vn, si el sistema de ecuaciones lineales equivalente a 1 es consistente. Teorema 3.6: Si V1,V2, ,Vn , entonces el conjunto de todas las combinaciones lineales de los vectores de es un subespacio de . 3.6.-SUBESPACIO GENERADO (por un conjunto finito de vectores) Dado V1,V2, ,Vn , con un espacio vectorial. Definición: Al conjunto de todas las combinaciones lineales de los vectores de V1,V2, ,Vn se denomina Subespacio generado por y se denota por L y a se denomina conjunto generador de L . Es decir en forma simbólica será: L X / n i1 iV i X‘ Definición: Decimos que un conjunto genera al espacio , o que es un conjunto generador de si y solo si cualquier vector de puede expresarse como combinación lineal de los vectores de . Es decir: es un conjunto generador de si y solosí: X n i1 iV i X 3.7.- DEPENDENCIA E INDEPENDENCIA LINEAL Dado un subconjunto finito de vectores V1,V2, ,Vn de un espacio vectorial . Definición: Se dice que el conjunto es Linealmente Dependiente si y solo sí el elemento neutro (nulo) de la suma en , se puede expresar como combinación lineal de los vectores de , con algún coeficiente no nulo. Es decir: 1V1 2V2 nVn con i 0 para algún i 2 O bien e forma equivalente: i / i 0 n i1 iV i 2 Definición: Se dice que el conjunto es Linealmente Independiente si y solo si el elemento neutro (nulo) de la suma en , se puede expresar de una única manera, como combinación lineal de los vectores de . Es decir: 1V1 2V2 nVn i 0 i 1,2, ,n 3 O bien en forma equivalente: n i1 iV i i 0 i 1,2, ,n 3 Analicemos las anteriores definiciones: Si hacemos X en la definición de combinación lineal, ecuación 1 n i1 iV i W, obtenemos: i1 n iV i , igualdad que aparece en las definiciones de dependencia e independencia lineal. Ella es equivalente a un sistema de ecuaciones lineales homogéneo, que sabemos siempre es consistente. En consecuencia puede tener infinitas soluciones o única solución. En el último caso la solución es la nula (trivial). Si interpretamos ambas definiciones, la 2 o la 3, la primera requiere que el elemento neutro de la suma, , se pueda expresar como combinación lineal de los vectores V1,V2, ,Vn con algún coeficiente no nulo. Esto equivale a que el sistema equivalente tenga infinitas soluciones, ya que en este caso, al existir variables libres, podremos expresar esa combinación lineal con algún coeficiente no nulo (algún i 0). Esto es equivalente a que el vector nulo (neutro de la suma en ) se pueda expresar de muchas maneras como combinación lineal de los vectores V1,V2, ,Vn del conjunto En cambio en la segunda se exige que el , se pueda expresar como combinación lineal de los vectores V1,V2, ,Vn solo si todos los coeficientes son nulos. Esto equivale a que el sistema equivalente tenga única solución y eso es equivalente a que el vector nulo (neutro de la suma en se pueda expresar de una única manera como combinación lineal de los vectores V1,V2, ,Vn del conjunto . Teorema 3.7: Cualquier conjunto unitario es linealmente independiente si y solo si su único vector es no nulo Teorema 3.8: Cualquier conjunto de vectores que contenga al vector nulo es Linealmente Dependiente Teorema 3.9: Un conjunto de vectores es Linealmente Dependiente si y solo si uno de sus vectores es combinación lineal de los restantes Teorema 3.10: Cualquier conjunto que contenga un subconjunto Linealmente Dependiente es también Linealmente Dependiente Teorema 3.11: Cualquier subconjunto de un conjunto Linealmente Independiente es también Linealmente Independiente 3.8.- BASE Y DIMENSION Definición: Dado un subconjunto de un espacio vectorial . Se dice que es una base de si y solo 1 es Linealmente Independiente 2 es un conjunto generador de Teorema 3.12: Si V1,V2, ,Vn es una base de entonces cualquier vector W puede expresarse de una única forma como combinación lineal de los vectores de . Teorema 3.13: Si 1 V1,V2, ,Vn y 2 V1,V2, ,Vm son bases de un mismo espacio vectorial , de dimensiòn finita, entonces m n Definición: Decimos que un espacio vectorial es de dimensión finita si contiene un conjunto finito de vectores que es una base de él, y en este caso definimos como: Dimensión de al número de vectores que contiene una base de Teorema 3.14: La máxima cantidad de vectores de un conjunto Linealmente Independiente de un espacio vectorial de dimensión finita n, es n. Es decir: Si V1,V2, ,Vm es Linealmente Indepemdiente y y Dim n, entonces m n Teorema 3.15: La mínima cantidad de vectores de un conjunto generador de un espacio vectorial de dimensión finita n, es n. Es decir: Si V1,V2, ,Vm es Generador de y Dim n, entonces n m Teorema 3.16: V1,V2, ,Vn y Dim n entonces: es Linealmente Independiente si y solo es un generador de Teorema 3.17: La dimensión de un subespacio (espacio) es el número de variables libres de la solución general de su ecuación (elemento genérico del espacio) Base canónica de n Un vector de n es una n upla ordenada de números reales. Es decir X x1,x2, ,xn tal que x i i 1,2, ,n Si consideramos la suma usual en n podemos demostrar por inducción que: x1,x2, ,xn x1 n n 1,0, , 0 x2 n 0,1,0, , 0 xn n 0,0, , 1 Es decir podemos decir que X es combinación lineal de los n vectores: I1 1,0, , 0, I2 0,1, , 0,, In 0,0, , 1 de n En consecuencia si aplicamos la definición de conjunto generador, podemos afirmar que el conjunto n I1,I2, , In es un generador de n Además si aplicamos el Teorema 3.17 podemos afirmar que la dimensión de n es n (número de variables libres del vector genérico de n Ahora bien aplicando el Teorema 3.16 ya que n I1,I2, , In es un conjunto de n vectores de n cuya dimensión es n, como n I1,I2, , In es un generador de n será Linealmente Independiente y en consecuencia n I1,I2, , In es una base de n A esta base la denominamos base canónica (o estándar) de n Si n 3 tendremos que 3 1,0,0, 0,1,0, 0,0,1 es la base canónica de 3 Si n 2 tendremos que 2 1,0, 0,1 es la base canónica de 2 3.9.- COORDENADAS DE UN VECTOR Definición: Dado un espacio vectorial de dimensión finita n, V1,V2, ,Vn una base ordenada de y U Llamamos coordenadas de U respecto a la base o representación de U en la base a los coeficientes de la expresión de U como combinación lineal de los vectores de . Es decir: Si 1V1 2V2 nVn U entonces 1,2, ,n son las coordenadas de U respecto a la base y se simboliza por: U 1 2 n Teorema 3.18: Las coordenadas de un vector de un espacio vectorial, respecto a una base de ese espacio vectorial, son únicas Coordenadas de un vector de n respecto a la base canónica Anteriormente vimos que el conjunto I1,I2, , In es una base de n llamada Base Canónica y que para todo vector X x1,x2, ,xn es: X x1I1 x2I2 xnIn, por lo que de acuerdo a la definición de coordenadas de un vector respecto a una base, x1,x2, ,xn son las coordenadas del vector X respecto a la base canónica de n. Si V1,V2, ,Vn es una base cualquiera de n distinta de la canónica, y queremos determinar las coordenadas del vector X x1,x2, ,xn n respecto a la base según la definición de coordenadas de un vector serán: X 1 2 n Siendo 1,2, ,n los coeficientes que resultan de expresar a X como combinación lineal de los vectores de la base . Es decir: X 1V1 2V2 nVn Esta última ecuación es equivalente a un sistema de ecuaciones lineales consistente y por el Teorema 3.18 esta combinación lineal es única Este sistema de ecuaciones lineales puede escribirse en forma matricial como: X PX Donde X x1 x2 xn , X 1 2 n y Pnn V1/V2/ /Vn (matriz cuyas columnas son los vectores V i de la base X : Coordenadas de cualquier vector de n respecto a la base canónica X : Coordenadas de cualquier vector de n respecto a la base Pnn : Matriz de cambio de coordenadas (cambio de base) 3.10.- ESPACIO FILA, ESPACIO COLUMNA, ESPACIO SOLUCION y RANGO DE UNAMATRIZ Dada una matriz A mn llamamos: Espacio fila de A: Al subespacio generado por las filas de A consideradas como vectores de n. Lo simbolizamos por E fA. Es decir si llamamos F i i 1,2, ,m a las filas de A será: E fA LF1,F2, ,Fm n Espacio Columna de A: Al subespacio generado por las columnas de A consideradas como vectores de m. Lo simbolizamos por EcA. Es decir si llamamos Ci i 1,2, ,n a las columnas de A será: EcA LC1,C2; ,Cn m Espacio solución de A : o espacio nulo de A Al conjunto solución del sistema AX . Lo simbolizamos por EsA EsA X n / AX Teorema 3.19: Si A,B son matricesequivalentes por filas entonces el espacio fila de A es igual al espacio fila de B Teorema 3.20: Si A mn entonces el espacio fila de A es igual al espacio columna de AT Teorema 3.21: Las filas no nulas de una matriz escalonada y sus correspondientes en la matriz original constituyen un conjunto Linealmente Independiente Teorema 3.22: La dimensión del espacio fila y del espacio columna de cualquier matriz son iguales Rango de A : Se denomina rango de una matriz A a la dimensión del espacio fila o del espacio columna de la matriz A (que son iguales) lo simbolizamos por RangoA Teorema 3.23: (De Rouche Frobenius) Un sistema de m ecuaciones lineales con n incógnitas AX B, tiene solución si y solo si el rango de la matriz de coeficientes y el rango de la matriz ampliada son iguales Corolario: Si RangoA RangoAB n, el sistema tiene solución única Si RangoA RangoAB r n, el sistema tiene infinitas soluciones . Ing Augusto A. Estrada V.
Compartir