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 Tutorial N4 Dependencia e Independencia Lineal-Base-Dimensión-Coordenadas de un vector-Espacio Fila-Espacio Columna-Rango-Teorema de Rouche Frobenius Introducción: Los conceptos que vamos a estudiar en el presente trabajo práctico tienen estrecha relación con los anteriormente estudiados, sobre todo con los del T P 3. Por lo tanto muchas de las consideraciones que hemos realizado en los tutoriales correspondientes a estos TP, seguramente pueden ser útiles para el desarrollo del presente. Ejercicios 1 al 4: El ¿qué? debemos hacer en éstos ejercicios involucra los conceptos de dependencia e independencia lineal de un conjunto finito de vectores. En consecuencia algunas preguntas a responder serán ¿Cuando se dice que un conjunto de vectores es linealmente dependiente?. ¿Cuando se dice que es linealmente independiente?. Para saber ¿cómo? lo vamos a hacer, será necesario preguntarnos ¿Cómo determinamos si un conjunto de vectores es linealmente dependiente o independiente?. Responder estos interrogantes nos conduce a recordar las definiciones de estos conceptos, las propiedades asociadas a ellos y la mayoría de los conceptos que hemos manejado en los anteriores trabajos prácticos. Como dijimos anteriormente, no sólo es memorizar éstas definiciones y/o propiedades, sino también comprenderlas, para estar en condiciones de aplicarlas en la resolución de un problema dado. Analicemos cada uno de los ejercicios a resolver a fin de precisar ¿qué? debemos hacer, ¿cómo? lo vamos a hacer y el ¿por qué? de lo que hacemos. Ejercicio 1: ¿Qué? hay que hacer. Decidir si un conjunto dado es linealmente independiente o dependiente. ¿Cómo? determinamos si un conjunto es linealmente dependiente o independiente. Esto requiere verificar si para el conjunto se cumple la definición de dependencia lineal o Independencia lineal. Recordemos esas definiciones. Dado un espacio vectorial , un conjunto de vectores V1,V2, ,Vn y el vector , neutro de la suma en . Definición 1: es Linealmente dependiente si y solo sí i1 n iV i con algún i 0 1 Definición 2: es Linealmente independiente si y solo sí i1 n iV i i 0 i 1,2, ,n 2 Cuando tratamos el concepto de combinación lineal, vimos que la ecuación vectorial. i1 n iV i X Es equivalente a un sistema de ecuaciones lineales. Además de la definición de combinación lineal, concluimos que X es combinación lineal de los vectores V1,V2, ,Vn solo si ese sistema es consistente. Si hacemos en ella X obtenemos: i1 n iV i 3 Igualdad que aparece en las definiciones de dependencia e independencia lineal. La 3 es equivalente a un sistema de ecuaciones lineales homogéneo, que sabemos, siempre es consistente y puede tener infinitas soluciones o única solución. En el último caso la solución es la nula o trivial. Si interpretamos ambas definiciones la primera requiere que el vector , neutro de la suma en , 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 haber variables libres, podremos expresar esa combinación lineal con algún coeficiente no nulo (algún i 0 ), lo que a su vez es equivalente a que el vector , neutro de la suma en , se pueda expresar de infinitas 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 a su vez, eso es equivalente a que el vector , neutro de la suma en , se pueda expresar de una única manera como combinación lineal de los vectores V1,V2, ,Vn del conjunto . Así que no hay nada novedoso en resolver este tipo de problemas ¿verdad?, solo debemos determinar el tipo de solución del sistema homogéneo, resultante de expresar al vector nulo, como combinación lineal de los vectores del conjunto cuya dependencia o independencia lineal queremos determinar. Resolver un sistema de ecuaciones lineales es algo muy familiar para nosotros ¿verdad?. Veamos algunos ejemplos. Ejemplo 1 Decide, justificando tu respuesta, si el conjunto V1,V2,V31,1, 1, 0,1, 1, 1,1, 3 es linealmente dependiente o independiente. ¿Qué? debemos hacer. Decidir si el conjunto dado es linealmente dependiente o independiente. ¿Cómo? decidimos si un conjunto es linealmente dependiente o independiente. Como ya dijimos más arriba, verificando si cumple la definición de dependencia o de independencia lineal. Para ello expresamos el vector neutro de la suma como combinación lineal de los vectores del conjunto dado, resolvemos el sistema equivalente y determinamos si tiene única solución o infinitas soluciones. Si el sistema tiene solución única podemos decir que el conjunto es linealmente independiente y si el sistema tiene infinitas soluciones, podemos decir que es linealmente dependiente. Veamos que ocurre para el ejemplo dado. 1V1 2V2 3V3 Hipótesis de la definición de dependencia o independencia lineal 11,1, 1 20,1, 1 31,1, 3 0,0, 0. Sustitución. 1 3, 1 2 3, 1 2 33 0,0, 0. Producto por un escalar y suma de vectores. Aplicando la definición de igualdad de vectores llegamos al sistema equivalente: 1 3 0 1 2 3 0 1 2 33 0 Resolviendo por Gauss tenemos: 1 0 1 0 1 1 1 0 1 1 3 0 1 0 1 0 0 1 0 0 0 1 2 0 1 0 1 0 0 1 0 0 0 0 2 0 El sistema escalonado es: 1 3 0 2 0 23 0 En el sistema escalonado que es consistente, por ser homogéneo, tenemos 3Inc 3Ec 0 Variables Libres. Entonces el sistema tiene solución única. En consecuencia el conjunto es Linealmente Independiente. Ejemplo 2 Igual consigna a la del ejemplo 1 para: V1,V2 1 0 1 2 , 2 0 2 4 1V1 2V2 . Hipótesis de la definición de dependencia o independencia lineal 1 1 0 1 2 2 2 0 2 4 0 0 0 0 . Sustitución 1 22 0 1 22 21 42 0 0 0 0 . Poducto por un escalar y suma de matrices Por definición de igualdad de matrices llegamos al sistema equivalente. 1 22 0 1 22 0 21 42 0 Resolviendo por Gaus. 1 2 0 1 2 0 2 4 0 1 2 0 0 0 0 0 0 0 . El sistema escalonado es 1 22 0 En el sistema escalonado que es consistente por ser homogéneo, hay 2Inc 1ec 1 Variable Libre. Entonces el sistema tiene infinitas soluciones, y en consecuencia el conjunto es Linealmente Dependiente. Ejercicio 2: ¿Qué? debemos hacer. Dado un conjunto de vectores en los que sus vectores tienen algunas de sus componentes en función de un parámetro, analizar en función de los valores de ese parámetro, la dependencia o independencia lineal del conjunto. ¿Cómo? lo hacemos. Tal como lo hicimos en los ejemplos dados para el ejercicio 1, bastará con expresar el vector neutro de la suma como combinación lineal de los vectores del conjunto dado, encontrar el sistema de ecuaciones lineales equivalente, que a diferencia del ejercicio 1 ahora es un sistema con parámetros, así que el tipo de solución, estará condicionada por los valores de ese parámetro. Una vez escalonado el sistema, tendremos que analizar para que valores del parámetro, el sistema tiene única solución o infinitas soluciones. En el primer caso, diremos que el conjunto es Linealmente Independiente y en el segundo que es linealmente dependiente. Ejemplo 1: Determina, si existen, valores del parámetro k para los que el conjunto: k, 1, 1, 1,k, 1, 1,2,k 1 a Sea Linealmente Independiente b Sea Linealmente Dependiente 1V1 2V2 3V3 . Hipótesis de la definición de dependencia o independencia lineal 1k, 1, 1 21,k, 1 31,2,k 1 0,0, 0. Sustitución k1 2 3, 1 k2 23,1 2 k 13 0,0, 0. Producto por un escalar y suma de vectores Aplicando definición de igualdad de vectores obtenemos el sistema equivalente: k1 2 3 0 1 k2 23 0 1 2 k 13 0 Resolviendo el sistema por Gauss tenemos: k 1 1 0 1 k 2 0 1 1 k 1 0 Intercambio de filas F2 F1 1 k 2 0 k 1 1 0 1 1 k 1 0 . 1 k 1 0 0 1 k2 1 2k 0 0 1 k k 3 0 k1 1 k 1 0 0 1 k2 1 2k 0 0 0 1 kk2 4 0 k1 Se realizaron los siguientes calculos auxiliares para el escalonamiento de la última fila de la 3ra matriz: (1 k2k 3 1 k1 2k 1 k1 kk 3 1 2k 1 kk 3 k2 3k 1 2k 1 kk2 4 El sistema escalonado es: 1 k2 3 0 1 k22 1 2k3 0 1 kk2 43 0 Ahora bien, recordemos lo que acotamos al resolver sistemas con parámetros, acerca de que cuando en el proceso de escalonamiento condicionamos el parámetro, lo que sigue del proceso, vale solo si se cumplen estas condiciones para el o los parámetros. Así que, antes de analizar el tipo de solución en el sistema escalonado, debemos ver qué ocurre para esos valores de los parámetros. Con k 1. .Reemplazamos ese valor de k en la matriz ampliada del sistema, justo antes de imponer esa restricción para k en el proceso de Gauss. Haciendo eso tenemos: 1 k 1 0 0 1 k2 1 2k 0 0 1 k k 3 0 1 1 1 0 0 0 1 0 0 0 2 0 1 1 1 0 0 0 1 0 0 0 0 0 El sistema escalonado es: 1 2 3 0 3 0 El sistema es consistente por ser homogéneo y tenemos: 3Inc 2Ec 1 Variable Libre, así que podemos afirmar que el sistema tiene infinitas soluciones. Entonces si k 1 el sistema tiene infinitas soluciones y por lo tanto si k 1, es Linealmente Dependiente. Veamos con k 1. Reemplazamos ese valor de k en la matriz ampliada del sistema justo antes de imponer esa restricción para k en el proceso de escalonamiento de Gauss. Haciendo esto tenemos: 1 k 1 0 0 1 k2 1 2k 0 0 1 k k 3 0 1 1 1 0 0 0 3 0 0 2 4 0 1 1 1 0 0 2 4 0 0 0 3 0 El sistema escalonado es: 1 2 3 0 22 43 0 33 0 . El sistema es consistente por ser homogéneo y tenemos: 3Inc 3Ec 0 Variables Libres, así que, podemos decir que el sistema tiene única solución. Entonces si k 1 el sistema tiene solución única y por lo tanto si k 1, es Linealmente Independiente. Analicemos ahora el sistema escalonado que habíamos obtenido en el proceso (que ya dijimos vale solo si k 1 k 1. 1 k2 3 0 1 k22 1 2k3 0 1 kk2 43 0 . El sistema es consistente por ser homogéneo y hay 3 incógnitas y 3 ecuaciones que contienen al parámetro. Para que el sistema tenga solución única no debe haber variables libres, esto ocurre cuando el número de ecuaciones es igual al número de incógnitas. En este caso como las incógnitas son 3 igual a la cantidad de ecuaciones, deberíamos pedir que ninguna ecuación se elimine. Como por las condiciones de escalonamiento sabemos que k 1 k 1, ello ocurre si k2 4 0. Es decir si k 2 k 2 y k 1 k 1, el sistema tiene solución única, y en consecuencia es Linealmente Independiente. Pero ya hemos analizado que ocurre en particular para k 1 o k 1 en el momento del proceso previo a imponer cada una de esas restricciones. Como dijimos eso se realiza para determinar si esas son solo restricciones para poder realizar el proceso o son realmente condiciones para el tipo de solución del sistema. Como para k 1 ya determinamos que es Linealmente Dependiente y si k 1, es Linealmente Independiente, estamos en condiciones de saber interpretar ello y dar respuesta a la consigna. Respondemos lo pedido en a. Como para k 1, es Linealmente Dependiente, podemos decir que la condición k 1 es condición de solución para la independencia lineal, y como para k 1, es Linealmente Independiente, la condición k 1 sólo es condición de escalonamiento para la independencia lineal así que: Si k 2 k 2 k 1, el conjunto es Linealmente Independiente. Para que el sistema tenga infinitas soluciones en el sistema escalonado debería haber más ecuaciones que incógnitas, para que haya variables libres. Necesitamos entonces que al menos una de ellas se anule. Esto ocurre si k2 4 0. Es decir si k 2 k 2 Como la condición k 1 es condición de solución para la dependencia lineal, Ya que vimos más arriba que para k 1 el conjunto es Linealmente Independiente. Tanto 2 como 2 son distintos de 1, así que estos valores de k hacen que el conjunto sea Linealmente Dependiente ya que si reemplazamos cada uno de estos valores en el sistema escalonado queda: Si k 2 1 22 3 0 1 222 1 2 23 0 1 222 43 0 1 22 3 0 32 33 0 En el sistema escalonado que es consistente por ser homogéneo, hay 3Inc 2Ec 1 Variable Libre, por lo que el sistema tiene infinitas soluciones y en consecuencia es Linealmente Dependiente. Si k 2 1 22 3 0 1 222 1 223 0 1 222 43 0 1 22 3 0 32 53 0 En el sistema que es consistente por ser homogéneo, hay 3Inc 2Ec 1 Variable Libre, por lo que el sistema tiene infinitas soluciones y en consecuencia es Linealmente Dependiente. Además ya determinamos que si k 1, es Linealmente Dependiente. En consecuencia , si k 2 k 2 k 1 el conjunto es Linealmente Dependiente. Ejemplo 2: Consigna similar a la del ejemplo 1 para el conjunto: x2 x k, kx 1, kx2 2x 2 incluido en el espacio de polinomios con coeficientes reales y grado menor o igual que 2. Expresamos al polinomio nulo, neutro de la suma, como combinación lineal de los polinomios dados. Recordemos que el polinomio nulo de grado menor o igual que 2 es de la forma: 0x2 0x 0 que no es otra cosa que el número 0. Así que si expresamos al polinomio nulo como combinación lineal de los polinomios de tenemos: 1x2 x k 2kx 1 3kx2 2x 2 0x2 0x 0 Realizando el producto por un escalar: 1x2 1x 1k 2kx 2 3kx2 23x 23 0x2 0x 0 Realizando la suma de polinomios tenemos: 1 3kx2 1 2k 23x 1k 2 23 0x2 0x 0 Aplicando la definición de igualdad de polinomios tenemos el sistema equivalente: 1 k3 0 1 k2 23 0 k1 2 23 0 Resolviendo el sistema por Gauss: 1 0 k 0 1 k 2 0 k 1 2 0 1 0 k 0 0 k 2 k 0 0 1 2 k2 0 F3 F2 1 0 k 0 0 1 2 k2 0 0 k 2 k 0 1 0 k 0 0 1 2 k2 0 0 0 k 12k 2 0 Se realizaron los siguientes calculos auxiliares para el escalonamiento de la última fila en la última matriz: 12 k k2 k2 2 k 2k k3 2 2k k3 k 21 k k1 k2 21 k 1 k2 k1 k 1 kk2 k 2 1 kk2 k 2 k 1k2 k 2 La ecuación cuadrática k2 k 2 tiene como raíces a 1 y 2 (verificarlo) por lo que: k2 k 2 k 1k 2. Entonces el sistema escalonado es: 1 k3 0 2 2 k23 0 k 12k 23 0 Como no hemos necesitado imponer condiciones al parámetro en el proceso de escalonamiento, podemos analizar la solución del sistema en función de los posibles valores del parámetro directamente en el sistema escalonado. Para que el sistema tenga única solución, es necesario que no haya variables libres. Como el sistema tiene 3 incógnitas y hay 3 ecuaciones en el sistema escalonado, las que están en función del parámetro k y alguna de ellas podría anularse para algunos valores del parámetro. Entonces es necesario que ninguna de sus ecuaciones se elimine, ya que de ser así, en el sistema escalonado habría igual cantidad de ecuaciones que incógnitas, lo que equivale a que no haya variables libres. Esto último es equivalente a que el sistema tenga única solución, y en consecuencia que el conjunto sea Linealmente Independiente. Vemos que la últimaecuación puede anularse si k 12k 2 0. Es decir si k 1 k 2. Por lo tanto si k 1 k 2 , k 12k 2 0 la última ecuación no se anula y en consecuencia el sistema tiene única solución. Así que si k 1 k 2 el conjunto será Linealmente Independiente. Por el contrario si k 1 k 2 la última ecuación del sistema escalonado se anula y en él quedan 3Inc 2Ec 1 Variable Libre. El sistema tiene infinitas soluciones, y eso es suficiente para decir que el conjunto es Linealmente Dependiente. Ejercicio 3 ¿Qué? debemos hacer. Demostrar algunas propiedades de la dependencia e independencia lineal. El ¿cómo? lo hacemos es algo que ya hemos trabajado continuamente en los anteriores tutoriales con la única diferencia que ahora los conceptos involucrados en la proposición o teorema a demostrar son otros. Veamos algunos ejemplos: Ejemplo 1: Dado un espacio vectorial y U,V . Demuestra que si U kV entonces el conjunto U,V es linealmente dependiente. Demostraremos por el método directo. Esto es, a partir de la verdad de la hipótesis, debemos probar la verdad de la tesis, con lo cual habremos probado la verdad de la implicación. Ahora bien, demostrar la verdad de la tesis, requiere demostrar que el conjunto U,V es linealmente dependiente. Esto a su vez requiere demostrar que podemos expresar al vector , neutro de la suma en , como combinación lineal de U y V con algún coeficiente no nulo. Veamos cómo podemos lograr esto partiendo de la verdad de la hipótesis. U kV Hipótesis U kV kV kV Existencia del opuesto y ley uniforme 1 U kV Propiedad 1 U U, Def. de neutro de la suma en Si hacemos 1 1 y 2 k y reemplazamos en la anterior igualdad tenemos: 1U 2V con 1 1 0 Es decir hemos expresado al vector neutro de la suma en , como combinación lineal de U y V con algún coeficiente no nulo. En consecuencia hemos demostrado que el conjunto U,V es linealmente dependiente. Ejemplo 2. Dado un espacio vectorial y U,V . Demuestra que si U,V es linealmente dependiente, entonces U,V,W es también Linealmente Dependiente W Demostramos por el método directo. U,V es linealmente dependiente Hipótesis 1U 2V con algún i 0 Definición de dependencia lineal 1U 2V con algún i 0 Existencia del neutro y ley uniforme 1U 2V 0W con algún i 0 Prop. 0W W y Def. de neutro de la suma en Si en la anterior igualdad hacemos: i i i 1,2 y 3 0 y reemplazamos en la anterior igualdad tenemos: 1U 2V W con algún i 0 (ya que sabemos que algún i 0 para i 1,2 Es decir hemos expresado al vector neutro de la suma en como combinación lineal de los vectores U,V,W con algún coeficiente no nulo. Por lo tanto hemos demostrado que el conjunto U,V,W es Linealmente Dependiente W . Ejercicio 4: ¿Qué? debemos hacer. Sabiendo que un conjunto de vectores es Linealmente Independiente, decidir la dependencia o independencia lineal de otro, cuyos vectores están en función de los vectores del conjunto linealmente independiente. ¿Cómo? lo hacemos. Bastará expresar al vector , neutro de la suma, como combinación lineal de los vectores del conjunto cuya dependencia o independencia lineal queremos determinar y utilizando la hipótesis, extraer alguna conclusión que nos permita decidir su dependencia o independencia lineal. Veamos algunos ejemplos: Ejemplo 1. Dado un espacio vectorial y U,V . Si U,V es un conjunto linealmente independiente de un espacio vectorial , decide, justificando tu respuesta, si el conjunto U, 2U 3V es linealmente independiente o dependiente. Debemos ver si es linealmente independiente o dependiente con la hipótesis de que U,V es linealmente independiente. De acuerdo a lo dicho más arriba, debemos expresar el vector , neutro de la suma en , como combinación lineal de los vectores de , y analizar si esa combinación lineal es única o si es posible que haya más de una. Veamos que ocurre. 1U 22U 3V Hipótesis de la def. de independencia lineal 1U 22U 23V Dist. del prod. por un escalar respecto a la suma de vectores 1U 22U 32V Asoc. del producto por un escalar (1 22U 32V Asoc de la suma y Distrib. del producto por un escalar respecto a la suma de escalares Si observamos esta última expresión, vemos que el está expresado como una combinación lineal de los vectores U y V. Como por hipótesis U,V es linealmente independiente entonces aplicando la definición de independencia lineal debe ser: 1 22U 32V 1 22 0 32 0 Este sistema está escalonado, es consistente por ser un sistema homogéneo y además hay 2Inc 2Ec 0 variables libres, por lo que tiene única solución y es 1 2 0. Por lo tanto ocurre que: 1U 22U 3V i 0i 1,2. Es decir, se cumple la definición de independencia lineal para el conjunto y en consecuencia el conjunto es linealmente independiente. Ejemplo 2: Dado un espacio vectorial y U,V,W . Sabiendo que U,V,W es linealmente independiente, decide la independencia lineal de: U V,U kV,U kV kW en función de los valores del parámetro k Expresando al vector como combinación lineal de los vectores de 1U V 2U kV 3U kV kW Aplicando la propiedad distributiva del producto por un escalar respecto a la suma de vectores tenemos: 1U 1V 2U k2V 3U k3V k3W Aplicando las propiedades conmutativa y asociativa de la suma de vectores y la propiedad distributiva del producto por un escalar respecto a la suma de escalares tenemos: 1 2 3U 1 k2 k3V k3W Como podemos observar hemos expresado el neutro de la suma como combinación lineal de los vectores U,V,W que sabemos son linealmente independientes. En consecuencia por definición de independencia lineal, esta combinación lineal del nulo implica que todos sus coeficientes son nulos. Es decir: 1 2 3 0 1 k2 k3 0 k3 0 Si resolvemos el sistema por Gauss: 1 1 1 0 1 k k 0 0 0 k 0 1 1 1 0 0 k 1 k 1 0 0 0 k 0 El sistema escalonado es: 1 2 3 0 k 12 k 13 0 k3 0 Si analizamos el tipo de solución en función de los valores del parámetro k vemos que si k 0 k 1 ninguna de las ecuaciones del sistema escalonado se anula y quedan tantas ecuaciones como incógnitas, por lo que podemos afirmar que el sistema tiene única solución y entonces 1 2 3 0. Por lo tanto tenemos que: 1U V 2U kV 3U kV kW i 0 i 1,2, 3 Por lo tanto se cumple la definición de independencia lineal y podemos afirmar que si k 0 k 1 el conjunto es Linealmente Independiente. En cambio si k 0 k 1 en el sistema escalonado se anula una de sus ecuaciones, por lo que habrá 3Inc 2Ec 1 Variable Libre y por lo tanto el sistema tiene infinitas soluciones lo que es suficiente para decir que el conjunto es Linealmente Dependiente. Ejercicios 5 al 10 La consigna de éstos ejercicios involucra los conceptos de Base y Dimensión de un espacio (subespacio) vectorial. En consecuencia recordar las definiciones y algunas propiedades de éstos conceptos, interpretarlas y comprenderlas, será seguramente muy necesario para poder aplicarlas a la resolución de los mismos. Recordémoslas. Dados: Un espacio vectorial de dimensión finita y un conjunto V1,V2, ,Vk Decimos que es una base de si y solo sí : 1 es Linealmente Independiente 2 es un conjunto generador de Se denomina Dimensión de , al número de vectores que tiene una base de . Si observamos la definición de base, podemos ver que no hay nada nuevo que aprender, salvo la definición misma, ya que ella nos lleva a dos conceptos ya estudiados, el de Independencia Lineal y el de Conjunto Generador. De tal forma que sólo necesitaremos recordar éstos conceptos para resolver cualquier problema en el que esté involucrado el concepto de base. En cuanto a la Dimensión,es un concepto muy simple, ya que de acuerdo a la definición dada, sólo necesitamos contar el número de elementos que tiene una base. Por supuesto antes debemos tener o hallar una base para ese espacio vectorial. Trata de interpretar ambas definiciones a los efectos de responder éstos interrogantes: Dado un espacio vectorial y Dim n y si V1,V2; ,Vk Si k n ¿Podrá ser una base de ?. ¿Por qué? Si k n ¿Podrá ser una base de ?. ¿Por qué? Si k n ¿Podrá ser una base de ?. ¿Por qué? Recuerda que cada problema tendrá su particularidad y por lo tanto antes de aplicar la definición en forma mecánica, debemos razonarlo e interpretarlo a fin de encontrar el camino más óptimo para resolverlo. Ejercicio 5 ¿Qué? debemos hacer. Dado un espacio vectorial y un conjunto de vectores de ese espacio, decidir si ese conjunto es o no una base de ese espacio vectorial. Para ver ¿cómo? lo hacemos, solo bastará recordar la definición de base y verificar que el conjunto dado cumple con esa definición. Como recordarás, la definición de base exige que el conjunto sea linealmente independiente y generador del espacio. Así que resolver este problema es algo conocido y que sabemos hacerlo ¿verdad?. Sin embargo en este tipo de problemas también es necesario pensar fuertemente en el ¿por qué? lo hacemos de este u otro modo, ya que además de la definición es necesario recordar algunas propiedades o teoremas que involucran al concepto de base de un espacio vectorial. Así, responder los interrogantes antes enunciados, puede hacer que resolvamos un problema de determinar si un conjunto dado es o no una base de un espacio vectorial en el cual está incluido, sin necesidad de resolver las dos condiciones que exige la definición o tal vez sin resolver ninguna de las dos. Veamos algunos ejemplos. Ejemplo 1: Decide, justificando tu respuesta, si 1,0, 1, 2,1, 1 3 es o no una base de 3 ¿Qué? debemos hacer. Determinar si el conjunto dado es o no una base de 3. ¿Cómo? determinamos que un conjunto es una base de 3. Si nos remitimos a la definición habría que probar que ese conjunto es linealmente independiente y generador de 3. Ahora bien también dijimos que es importante el ¿por qué? de lo que hacemos cuando desarrollamos una tarea y que ello nos permite seleccionar la herramienta o método más eficaz para realizarla. Pensemos entonces, además de la definición ¿qué propiedades conocemos en relación al concepto de base y dimensión de un espacio (subespacio)?. Más arriba se ha planteado una serie de interrogantes que si has podido responderlos, es porque has recordado algunos teoremas relacionados con los conceptos de base y dimensión. Veamos cómo podemos responder a la consigna haciendo uso de ellos sin tener que utilizar la definición. Sabemos que la dimensión de 3 es 3. Puedes decirme ¿por qué? . Te sugiero repasar el resumen teórico del tema 3 y encontrar el teorema que permite asegurarlo. Ahora bien, como la dimensión de un espacio es el número de vectores que tiene una base de ese espacio, y además cualquier base de un espacio vectorial tiene la misma cantidad de vectores (hay un teorema que lo asegura) y esa cantidad es exactamente la dimensión, entonces cualquier conjunto que sea una base de 3, deberá tener exactamente 3 vectores linealmente independientes. Por lo tanto como 1,0, 1, 2,1, 1 tiene 2 vectores, cantidad menor que la dimensión de 3 que es 3, podemos asegurar que no es una base de 3 ya que si lo fuera, estaría contradiciendo que la dimensión de 3 es 3. Como hemos podido ver, se ha resuelto el problema apelando a teoremas que permiten justificar la respuesta, sin necesidad de probar las dos condiciones requeridas por la definición de base. Este es un ejemplo de la importancia del ¿por qué? cuando se realiza una tarea. Este interrogante nos permite pensar y analizar lo que estamos haciendo, a fin de buscar el mínimo esfuerzo para realizar la tarea. Además el hecho de responder a ese interrogante, nos permite evaluar respecto al conocimiento que tenemos de los conceptos involucrados en la tarea, y además en el caso de que los tenemos, cuan capaces somos, de hacer uso del razonamiento lógico-deductivo, para utilizarlos en la resolución de la tarea o problema. Cuando no dejemos de lado este aspecto, estaremos aprendiendo de manera comprensiva y significativa. Ejemplo 2: Igual consigna a la del ejemplo 1 para el conjunto: 1,0, 0, 1,1, 0, 1,2, 1 3 Si analizamos el conjunto vemos que tiene 3 vectores de 3 y como la dimensión de 3 es 3 podría ser una base de 3 si es linealmente independiente, ya que una base de 3 debe tener exactamente 3 vectores linealmente independientes. Si repasas el resumen teórico del tema 3, puedes verificar que hay un teorema que asegura que cualquier conjunto que tiene igual cantidad de vectores que la dimensión del espacio en el que está incluido, verifica que es linealmente independiente si y solo si es generador del espacio. En consecuencia si aplicamos este teorema al conjunto , si probamos que es linealmente independiente, habremos probado también que es generador de 3 y en consecuencia, habremos probado que es una base de 3. te sugiero verificar que esto ocurre para el conjunto dado. Ejercicios 6 y 7 ¿Qué? debemos hacer. Dado un subespacio (espacio), encontrar una base y la dimensión del mismo. ¿Cómo? lo hacemos. Sólo debemos recordar la definiciones de base y dimensión e interpretar las mismas. Veamos algunos ejemplos para que te sirvan de orientación al momento de resolver los que te propone la guía del trabajo práctico. Ejemplo 1: Dado el subespacio x,y, z 3/2x y z 0. Determina una base y la dimensión de . En este caso no tenemos dado ningún conjunto del subespacio . Debemos encontrar una base y la dimensión del mismo. Es decir, de acuerdo a la definición, debemos encontrar un conjunto de vectores incluido en que sea linealmente independiente y generador de . Ello bastará para asegurar que será una base de y por lo tanto la dimensión de será la cantidad de vectores que tenga esa base. Si pretendemos aplicar la primera condición de base, y si recordamos la definición de independencia lineal, vemos que la misma requiere tener dado un conjunto y en nuestro caso no lo tenemos. Así que tenemos que centrar la atención en la otra condición, la definición de conjunto generador de . Si recordamos la definición de conjunto generador: un conjunto es generador de un subespacio (espacio) si todo elemento de puede expresarse como combinación lineal de los elementos de . Nosotros no tenemos , pero conocemos el elemento genérico de . De acuerdo a lo visto en el TP Nº 1, el elemento genérico de está dado por la solución general de la ecuación de y representa cualquier elemento de . Conocemos la ecuación de , y sabemos encontrar su solución general ¿verdad?. Hagámoslo. La ecuación de es: 2x y z 0. Se trata de una ecuación con tres incógnitas, por lo tanto, es un sistema lineal escalonado. Sabemos que en un sistema escalonado, la cantidad de variables libres es la diferencia entre la cantidad de incógnitas del sistema y la cantidad de ecuaciones del sistema escalonado. En este caso: 3 1 2 Variables Libres. Elijamos a x,y como Variables Libres. Entonces z 2x y. La solución general será: x,y, z x,y,2x y que sabemos es el elemento genérico de y representa cualquier elemento de . Por definición de conjunto generador de un espacio, cualquier vector del espacio debe poder expresarse como combinación lineal de los vectores del conjunto generador. En este caso el espacio es y estamos buscando un conjunto generador de . Como la solución general de la ecuación de , representa cualquier vector de , si podemos expresarla como combinación lineal de ciertos vectores, habremos encontrado tal generador. Hagamos esto. x,y,2x y x, 0,2x, 0,y,y. Definición de suma en 3 x,y,2x y x1,0,2 y0,1, 1. Definición de producto por un escalar en 3 ¡Listo! hemos logrado expresar cualquier vector de como combinación linealde los vectores 1,0,2 y 0,1, 1. Entonces: 1,0,2, 0,1, 1 es un generador de (cumple la definición de conjunto generador). Hemos encontrado un conjunto generador de , bastaría justificar que es Linealmente Independiente, para poder afirmar que el conjunto hallado es una base de . Queremos justificar la independencia lineal de . Para ello podemos proceder de distintas formas, por ejemplo, aplicando la definición de independencia lineal. En este caso, debemos mostrar que el vector neutro de la suma en 3 puede escribirse de una única forma como combinación lineal de los vectores de . 11,0,2 20,1, 1 0,0, 0 1 0 2 0 21 2 0 Este sistema tiene solución única, en consecuencia es linealmente independiente y como ya probamos que es un generador de , podemos afirmar que es una base de . La dimensión de es 2 (número de vectores de . Ahora bien, a menudo estamos diciendo y lo repetimos más arriba, que antes de resolver un problema es mejor razonarlo, interpretarlo y en base a nuestros conocimientos (herramientas) buscar el camino más óptimo para resolverlo (seleccionar las herramientas más eficaces para realizar la tarea). Si recuerdas lo aprendido en las clases teóricas, o si repasas el resumen teórico del tema 3, seguro encontrarás que a partir de la definición de dimensión, se puede encontrar otra equivalente, que puede ser de mayor utilidad para algunos problemas (como el del anterior ejemplo). Así decimos que: La dimensión de un subespacio (espacio) es el número de variables libres de la solución general de su ecuación. 1 Asimismo teniendo en cuenta la definición de dimensión y base de un espacio vectorial de dimensión finita, se puede probar el siguiente teorema: Teorema: Dado V1,V2, ,Vn y Dim n, entonces: Linealmente Independiente si y solo sí es un conjunto generador de 2 Si interpretamos esta equivalencia, se puede ver que: sabiendo que un conjunto de un espacio vectorial tiene tantos vectores cómo la dimensión del espacio en el que está incluido, si probamos que es linealmente independiente, habremos probado también que es generador de ese espacio y recíprocamente. En otras palabras, sí se cumplen las hipótesis del teorema (dado un conjunto con una cantidad de vectores igual a la dimensión del espacio en el que está incluido), no hace falta probar las dos condiciones para poder afirmar que sea una base de , ya que ambas condiciones-en este caso particular- son equivalentes. Veamos como aplicamos éstas dos herramientas para resolver el anterior ejemplo: La ecuación de es: 2x y z 0. Como es una única ecuación, es un sistema escalonado, por lo que: 3Inc 1Ec 2 Variables Libres Dim 2. Por 1 Elijamos a x,y como variables libres Entonces z 2x y. La solución general será: x,y, z x,y,2x y, que como dijimos representa cualquier elemento de . x,y,2x y x, 0,2x, 0,y,y. Definición de suma en 3. x,y,2x y x1,0,2 y0,1, 1. Definición de producto por un escalar en 3. 1,0,2, 0,1, 1genera a . Definición de conjunto generador. Como es generador de y tiene igual cantidad de vectores que la dimensión de , aplicando el teorema 2 podemos decir que es linealmente independiente, por lo que será una base de . ¿No te parece que es más óptimo este último camino? ¡Claro que sí!, sobre todo cuando se trabaja con subespacios no tan simples como el del anterior ejemplo. Ejemplo 2: Dados los siguientes subespacios de 3 : x,y, z 3/2x y z 0 L1,0,1, 1,1, 0, 2,1,1 Determina una base y la dimensión para: i ii iii i Ya lo hemos realizado en el ejemplo 1 ii Observemos que es el subespacio generado por el conjunto 1,0,1, 1,1, 0, 2,1,1. Para encontrar una base y la dimensión de , podemos encontrar el subespacio generado por , algo que ya hicimos en el Trabajo Práctico 3, con ello expresaríamos a de la misma forma en la que está expresado , con lo que reducimos el problema a un problema que ya sabemos resolver. También por ser 1,0,1, 1,1, 0, 2,1,1 generador de , solo restaría ver si es o no linealmente independiente. Si es linealmente independiente, ¡Listo! estamos en condiciones de afirmar que es una base de y en consecuencia la Dim 3. Si es linealmente dependiente, ¡sonamos!. Nada de eso, recuerda que un conjunto generador puede ser linealmente dependiente y que una base de un espacio vectorial es el mínimo conjunto generador de ese espacio, en consecuencia cualquier conjunto linenalmente dependiente pero que sea generador de un espacio vectorial, contiene una base de ese espacio. Por lo tanto sólo debemos determinar cuál es la máxima cantidad de vectores de ese conjunto que son linealmente independientes. Podríamos ir descartando de a uno los vectores hasta encontrar lo que buscamos (procedimiento no muy útil). Más adelante veremos una herramienta para realizar esta tarea más eficazmente. iii Para encontrar una base y la dimensión de primero debemos encontrar . De acuerdo a la definición de intersección, si X X X . Conocemos las condiciones que debe cumplir un vector X para pertenecer a , porque conocemos su ecuación, pero no conocemos la ecuación de . Así que se hace necesario expresar a de la misma forma en que está expresado . Como L siendo 1,0,1, 1,1, 0, 2,1,1, entonces: Si X i i 1,2, 3/X i1 3 iV i. 1V1 2V2 3V3 X. Definición de combinación lineal. 11,0,1 21,1, 0 32,1,1 x,y, z. Sustitución. 1 2 23 x 2 3 y 1 3 z . Producto de un escalar por un vector, suma e igualdad de vectores Resolvemos por Gauss 1 1 2 x 0 1 1 y 1 0 1 z 1 1 2 x 0 1 1 y 0 1 1 z x 1 1 2 x 0 1 1 y 0 0 0 x y z El sistema escalonado es: 1 2 23 x 2 3 y 03 x y z X es combinación lineal de los vectores de solo si el sistema es consistente, y el sistema es consistente solo si x y z 0 Por lo tanto: x,y, z 3/x y z 0 Como x,y, z 3/2x y z 0 entonces: x,y, z 3/2x y z 0 x y z 0. Como podemos ver hemos reducido el problema a otro que ya sabemos resolver. Se resuelve de la misma forma que el inciso i, con la única diferencia que ahora para encontrar la dimensión de y la solución general hay que resolver el sistema : 2x y z 0 x y z 0 . Queda como ejercicio a los efectos de que practiques. Ejemplo 3: Determina una base y la dimensión del subespacio de matrices diagonales de 2 2. Si recordamos la definición de matrices diagonales tenemos: Ann aij es diagonal si y solo sí : aij 0 i j El elemento genérico de este espacio para n 2 será: X x11 0 0 x22 (solución general de su ecuación). La solución general tiene dos variables libres x11 y x22, en consecuencia la dimensión del subespacio de matrices diagonales de 2 2 , por la definición 1 es 2. De acuerdo a lo que hemos visto también en el ejemplo 1, para encontrar un generador de este espacio, basta con expresar el elemento genérico como combinación lineal de ciertas matrices, las que serán los elementos del conjunto generador. Así que: x11 0 0 x22 x11 0 0 0 0 0 0 x22 . Definición de suma de matrices. x11 0 0 x22 x11 1 0 0 0 x22 0 0 0 1 . Definición de producto por un escalar. Es decir 1 0 0 0 , 0 0 0 1 , será un conjnto generador del subespacio de las matrices diagonales de 2 2 ya que cumple la definición de conjunto generador. Como el conjunto generador ( ) tiene tantos vectores como la dimensión del espacio que genera, por el teorema (2), podemos afirmar que es linealmente independiente, y en consecuencia al verificar ambas condiciones de la definición de base, es una base del subespacio de matrices diagonales de 2 2. Ejemplo 4 Extiende la base encontrada en el ejemplo 1 para el subespacio: x,y, z 3/2x y z 0 3 a una base de 3 ¿Qué? debemos hacer. Dada una base de un subespacio de 3, extender esa base a una base de 3. Para ver ¿cómo?lo hacemos, debemos responder la pregunta.: ¿Qué significa extender una base de un subespacio a una base del espacio en el que está incluido?. ¿Cómo se extiende una base de un subespacio a una base del espacio? La respuesta al primer interrogante tiene que ver con que un subespacio de un espacio vectorial tiene dimensión menor o igual que la dimensión del espacio en el cual está incluido. Si es un subespacio propio su dimensión es menor que la dimensión del espacio, por lo que una base del mismo no puede ser una base del espacio, por tener menor cantidad de vectores que la dimensión del espacio. Extender una base de un subespacio para que sea una base del espacio en el que está incluido, no es más que agregarle a esa base, vectores del espacio para que la cantidad sea igual a la dimensión del espacio. Pero como una base debe ser un conjunto linealmente independiente, los vectores que se agreguen deben ser tales que aseguren que el nuevo conjunto sea linealmente independiente. Si tenemos en cuenta que un conjunto de vectores es linealmente dependiente si y solo si uno de sus vectores es combinación lineal de los restantes, para asegurar la independencia lineal, ninguno de los vectores que se agrega a la base del subespacio, debe ser combinación lineal de sus vectores. Así que listo, bastará que los vectores que se agreguen no pertenezcan al subespacio generado por ellos, ya que en él están todas las combinaciones lineales de los vectores del generador (base) del subespacio. De esta manera se asegura que el conjunto así obtenido sea linealmente independiente. Por otra parte necesitamos asegurar que ese conjunto sea generador del espacio. Para ello podemos usar el teorema (2) dado más arriba, ya que como ahora tenemos un conjunto linealmente independiente que tiene igual cantidad de vectores que la dimensión del espacio en el que está incluido, por el teorema es también generador del espacio y en consecuencia es una base de ese espacio. Una base para el subespacio x,y, z 3/2x y z 0 3 que encontramos al resolver el ejemplo1 es: 1,0,2, 0,1, 1 que como vemos tiene 2 vectores. Así que necesitamos agregar a este conjunto un vector de 3 de modo que el conjunto de los tres vectores sea linealmente independiente. TomamosW 0,1, 2 R3 peroW 0,1, 2 S ya que 2 0 1 2 1 0 , por lo que W 0,1, 2 no es combinación lineal de los vectores de G. Así que B 1,0,2, 0,1, 1, 0,1, 2 es linealmente independiente. Como B tiene tantos vectores como la dimensión de R3 entonces por el teorema antes citado, B es generador de R3 y por lo tanto B 1,0,2, 0,1, 1, 0,1, 2 es una base de R3 y B resulta de extender la base del subespacio Ejercicio 8 ¿Qué? debemos hacer. Encontrar una base de 4 que contenga a un conjunto de dos vectores linealmente independientes dados. ¿Cómo? lo hacemos. Solo debemos recordar la definición de base y de dimensión. Sabemos que la dimensión de 4 es igual a 4, así que una base para 4 debe tener 4 vectores linealmente independientes, y tenemos un conjunto de 2 vectores de 4 que debe formar parte de la base que encontremos. Como una base de 4 debe contener 4 vectores linealmente independientes, necesitamos adicionar a los 2 vectores dados, un vector de modo que el conjunto de 4 vectores así formado sea linealmente independiente. Los vectores dados generan un subespacio de 4 en el cual -de acuerdo a la definición de subespacio generado- están todas las combinaciones lineales de esos vectores. Como podemos ver el problema se reduce a lo realizado en el ejemplo 4 desarrollado para los ejercicios 6 y 7 (extender una base de un subespacio a una base del espacio). Ejercicio 9 ¿Qué? debemos hacer. Determinar, si existen, valores de un parámetro, para que un conjunto de tres vectores de 3 cuyas componentes están en función de ese parámetro, sea una base de 3. ¿Cómo? lo hacemos. Solo debemos recordar la definición de base y dimensión de un espacio vectorial y algunas propiedades de esos conceptos. Veamos un ejemplo ilustrativo. Ejemplo 1 Dado el conjunto 1,k,k 1, 2,k 1,0, 0, k 1, 2. Determina, si existen valores del parámetro k para que constituya una base de 3. Recordamos que para que un conjunto sea una base de 3 debe cumplir con: 1 Ser linealmente independiente y 2 Ser generador de 3. Pero si analizamos un poco y recordamos algunas cosas que ya dijimos anteriormente, sabemos que la dimensión de 3 es 3 y vemos que tiene 3 vectores (igual a la dimensión de 3. Por lo tanto, si tenemos en cuenta el Teorema 2 que enunciamos más arriba, podemos asegurar que basta demostrar solo una de las dos condiciones (por ser en este caso equivalentes). En consecuencia veamos para que valores del parámetro el conjunto es linealmente independiente. Expresando al , neutro de la suma en 3 como combinación lineal de los vectores de . 11,k,k 1 22,k 1,0 30,k 1,2 0,0, 0 Realizando el producto por un escalar y la suma de vectores 1 22, k1 k 12 k 13, 1 k1 23 0,0, 0 Aplicando la definición de igualdad de vectores obtenemos el sistema equivalente. 1 22 0 k1 k 12 k 13 0 k 11 23 0 I Resolviendo por Gauss 1 2 0 0 k k 1 k 1 0 k 1 0 2 0 1 2 0 0 0 k 1 k 1 0 0 2k 1 2 0 k1 1 2 0 0 0 1 1 0 0 2k 1 2 0 1 2 0 0 0 1 1 0 0 0 2k 0 . El sistema escalonado es: 1 22 0 2 3 0 2k3 0 II Como en el proceso de escalonamiento hemos impuesto al parámetro la condición k 1, este sistema escalonado vale para k 1. Veamos primero que ocurre con la solución del sistema si k 1. Para ello debemos reemplazar este valor en la etapa de escalonamiento previa a la que le impusimos esa condición a k, para poder seguir el proceso de escalonamiento. 1 2 0 0 0 k 1 k 1 0 0 2k 1 2 0 1 2 0 0 0 0 0 0 0 0 2 0 1 2 0 0 0 0 2 0 0 0 0 0 El sistema escalonado es 1 22 0 23 0 Vemos que el sistema tiene infinita soluciones, ya que se tiene 3Incóg 2ec 1 Variable Libre. Por lo tanto el conjunto es linealmente dependiente y en consecuencia la restricción k 1 es una condición para la independencia lineal. Si analizamos ahora la solución en II tenemos que: Si k 0 k 1 nos quedan 3Incóg 3ec 0 Variables Libres, así que el sistema tiene solución única. En consecuencia, si k 0 k 1, es linealmente independiente. Aplicando el teorema antes mencionado (al tener tantos vectores como la dimensión del espacio 3 en el que está incluido) y ser linealmente independiente, solo si k 0 k 1, entonces genera a 3 solo si k 0 k 1 y en consecuencia es una base de 3 solo si k 0 k 1. Ejercicio 10 En este ejercicio el ¿qué? debemos hacer consiste en realizar alguna demostración relacionada con propiedades de los conjuntos linealmente independientes o dependientes o de una base de un espacio vectorial. Para ver ¿cómo? lo hacemos, solo hay que recordar todo lo que ya dijimos en los anteriores tutoriales acerca de cómo demostrar implicaciones y por supuesto recordar los conceptos involucrados en cada uno de las proposiciones a demostrar. Veamos algunos ejemplos. Ejemplo 1: Demuestra que si V1 y V1 entonces es Linealmente Independiente. Demostramos por el Método Directo. En consecuencia suponiendo la verdad de la hipótesis debemos demostrar la verdad de la tesis. En este caso la tesis es a su vez una implicación ya que para probar la independencia lineal debemos probar que se cumple la definición y como vimos más arriba, esa definición es una implicación. Así que partimos de la verdad de la hipótesis de esta definición. V1 hipótesis de la definición de Independencia Lineal Como V1 V1 Hipótesis general del teorema 0 Propiedad U 0 U V1 0 Consecuencia de lo anterior Es decir, hemos demostrado que se cumple la definición de Independencia Lineal, por lo que hemos probado que es LinealmenteIndependiente. Ejemplo 2: Demuestra que si V1,V2,V3 es linealmente independiente, entonces: V1,V1 2V2,V1 V2 V3 es Linealmente Independiente. Como la definición de independencia lineal, indica que si el vector , neutro de la suma en se expresa como combinación lineal, de los vectores del conjunto, entonces los coeficientes de esa combinación lineal, son todos nulos, y esto equivale a decir que el sistema equivalente tiene única solución. Expresamos la combinación lineal del para ver qué tipo de solución tiene el sistema equivalente, considerando además la independencia lineal del conjunto , dada por la verdad de la hipótesis. Entonces tenemos: 1V1 2V1 2V2 3V1 V2 V3 . Hipótesis de la definición de independencia lineal 1V1 2V1 22V2 3V1 3V2 3V3 . Prop. distributiva del producto de un escalar respecto a la suma de vectores (1 2 3V1 22 3V2 3V3 . Prop distributiva del producto por un escalar respecto a la suma de escalares y conmutativa de la suma de vectores La última igualdad nos dice que el neutro de la suma en es combinación lineal de los vectores V1,V2,V3 y como por hipótesis V1,V2,V3 es Linealmente Independiente, entonces por definición de independencia lineal, esto implica que todos los coeficientes de esa combinación lineal son nulos. Es decir: 1 2 3 0 22 3 0 3 0 Podemos observar que este sistema ya esta escalonado y que tenemos 3Inc 3Ec 0 Variables Libres, por lo que podemos decir que tiene solución única. Es decir, se cumple que: 1V1 2V1 2V2 3V1 V2 V3 i 0i 1,2, 3, que equivale a decir que se verifica la definición de Independencia Lineal para el conjunto . En consecuencia podemos afirmar que es Linealmente Independiente. Ejercicio 11 ¿Qué? debemos hacer. Encontrar las coordenadas de un vector dado respecto a una base dada. ¿Cómo? lo hacemos. Solo debemos recordar la definición de coordenadas de un vector respecto a una base. Es importante no perder de vista lo de respecto a una base, ya que ello significa que la unicidad de dichas coordenadas, es precisamente respecto a esa base. Es decir las coordenadas de un mismo vector respecto a dos bases distintas no son iguales. Por lo tanto tiene sentido que dado un vector, cuyas coordenadas respecto a una base, por ejemplo la canónica, se conocen , se nos solicite hallar las coordenadas de ese mismo vector respecto a otra base, distinta de la canónica. Asimismo recordemos que cuando se habla de una base y de coordenadas de un vector respecto a esa base, hay que tener en cuenta, que los vectores de la base, están dados en un cierto orden, es decir la base se considera como un conjunto ordenado de vectores, por lo que si V1,V2, ,Vn es una base de un espacio , será distinta de V2,V1, ,Vn que tiene los mismos vectores pero el orden de V1 y V2 es distinto. Por otro lado cuando se nos da un vector, a menos que nos digan lo contrario, sus coordenadas siempre podrán considerarse dadas respecto a la base canónica del espacio al que pertenece. Por ejemplo si tenemos el vector U 2,3 2 como U 2,3 21,0 30,1 podemos decir que 2,3 son las coordenadas de U respecto a la base canónica 1,0, 0,1 de 2 En general Cualquier vector X 2 será X x,y x1,0 y0,1. Es ésta la razón de que simbolizaremos con x,y las coordenadas de cualquier vector de 2 respecto a la base canónica de 2. Si recordamos la convención tomada, en temas anteriores, designaremos a un vector de 2 como la matriz columna, con lo cual el vector fila será su transpuesta. La razón de ello es porque así lo hemos considerado al expresar un sistema de ecuaciones lineales en forma matricial. Si tenemos V1,V2 una base de 2, podríamos preguntarnos. ¿Cuáles son las coordenadas de X 2 respecto a la base ?. Si tenemos en cuenta la definición, serán los 1,2 tales que: X 1V1 2V2 Si hacemos: X x y ; V1 v11 v21 ;V2 v12 v22 Tenemos: x y 1 v11 v21 2 v12 v22 I. Si simbolizamos como X al vector en coordenadas respecto a la base tendremos que las coordenadas del vector X respecto a la base son: X 1 2 Observemos que la I se puede escribir en forma matricial como: x y v11 v12 v21 v22 1 2 II Si llamamos: X x y ; P v11 v12 v21 v22 y XB 1 2 La II queda expresada en forma sintética como: X PXB La II, es una ecuación matricial que relaciona las coordenadas de un vector en dos bases distintas, la canónica y la . Ella nos permitirá, conocidas las coordenadas de un vector en una de las bases, calcular sus coordenadas en la otra. Es decir nos permitirá pasar de las coordenadas de un vector en una base a las coordenadas de ese mismo vector en otra base distinta. Por esta razón se denominará ecuación de cambio de base (ya volveremos sobre esto más adelante en temas posteriores). Volviendo a la pregunta, nos interesaba conocer las coordenadas del vector X respecto a la base . Es decir en la II, conocidos x,y debemos averiguar los 1,2. Observemos que la II no es otra cosa que un sistema de dos ecuaciones con dos incógnitas 1,2 que ya sabemos tendrá solución única ¿por qué?. Dicha solución nos dará las coordenadas buscadas. En definitiva resolver este tipo de problemas no es más que resolver un sistema de ecuaciones lineales. Problema súper conocido y súper sabido por nosotros ¿verdad?. Ejemplo 1 Dado el vector U 3,1 Determina las coordenadas de U respecto a las bases canónica y 1,3, 1,2. Interpreta geométricamente. De acuerdo a la definición se denomina coordenadas de un vector respecto de una base a los coeficientes que permiten expresar al vector como combinación lineal de los elementos de la base. Así el vector U se lo puede expresar como combinación lineal de los vectores de la base canónica de la siguiente forma: 3,1 31,0 10,1 Por lo tanto las coordenadas de U respecto de la base canónica son 3,1. Si expresamos a U como combinación lineal de los elementos de la base tenemos: 3,1 s1,3 t1,2 1 En consecuencia las coordenadas de U respecto de la base serán los coeficientes s y t de la I y lo expresaremos de la siguiente forma: UB s t Para determinarlas solo necesitamos resolver la I que es equivalente a resolver el sistema: 1 1 3 2 s t 3 1 . Resolviendo por Gauss tenemos: 1 1 3 3 2 1 1 1 3 0 5 10 s t 3 5t 10 t 2 y s 1 Por lo tanto las coordenadas del vector U 3,1 respecto a la base son: U 1 2 Si consideramos cualquier vector x,y y como x,y son sus coordenadas respecto a la base canónica tendremos que sus coordenadas respecto a la base serán s, t y que ambas coordenadas estarán relacionadas mediante la ecuación matricial: x y 1 1 3 2 s t Si llamamos P 1 1 3 2 XB s t y X x y nos quedará: X PXB II Que como dijimos es la ecuación de cambio de base y permite pasar de las coordenadas en una base a las coordenadas en otra base. Así, si se conoce XB podemos calcular X directamente de II o bien conociendo X se puede calcular XB despejando como XB P1X Sabemos que P es inversible debido a que como las coordenadas de un vector son únicas la II tiene solución única y ello equivale a decir que P es inversible. Esto ya lo vimos en el T.P.No2. Para ver la interpretación geométrica, solo debemos tener en cuenta la definición al realizar la gráfica de las coordenadas. Las coordenadas en la base canónica son x,y x1,0 y0,1. Es decir el vector x,y es combinación lineal de los vectores 1,0, 0,1 y en consecuencia suma de los vectores x1,0, y0,1. Así que dado el punto para graficar las coordenadas, se trazan por el punto las paralelas a cada eje, y la intersección con el otro eje nos dará la coordenada correspondiente. Los ejes cartesianos x,y tienen como direcciones respectivamente a los vectores 1,0 y 0,1 y sus sentidos positivos están dados respectivamente por los sentidos de estos vectores.Asimismo la unidad o escala para cada uno de esos ejes, está dada por la longitud de cada uno de estos vectores respectivamente. Las coordenadas del mismo vector en la base B 1,3, 1,2, están dadas por: x,y s1,3 t1,2, por lo que tendremos igual interpretación. Es decir los nuevos ejes s, t tendrán respectivamente las direcciones de los vectores 1,3, 1,2, sus sentidos positivos estarán dados respectivamente por los sentidos de dichos vectores y la unidad o escala para cada eje, estará respectivamente dada por la longitud de dichos vectores. Del mismo modo que en el caso de la canónica, dado el punto para graficar las coordenadas se trazan por el punto las paralelas a cada eje y la intersección con el otro eje nos dará la coordenada correspondiente. Veamos para el ejemplo que estamos resolviendo. Ejemplo 2 Sabiendo que las coordenadas del vector U respecto a la base 1,2, 1,1 son : U 1 1 . Determina las coordenadas de U respecto a la base canónica. Solo debemos recordar la ecuación que relaciona las coordenadas de un vector en la base canónica de 2 y otra base cualquiera de 2 Esa ecuación es: X PXB Donde: X x y representa las coordenadas de cualquier vector de 2 respecto a la base canónica P u11 u12 u21 u22 representa la matriz de cambio de base cuyas columnas son los vectores de la base U1,U2u11,u21, u12,u22 XB s t representa las coordenadas de cualquier vector de 2 respecto a la base . Así que en la ecuación X PXB tanto P como XB son datos, por lo que solo debemos realizar el producto para encontrar X , que es la incógnita a determinar. Así que: X x y 1 1 2 1 1 1 2 1 Ejercicio 12 En éste ejercicio el ¿qué? debemos hacer, involucra los conceptos de espacio fila, espacio columna, espacio solución y rango de una matriz. Para ver ¿cómo? lo hacemos, debemos recordar las definiciones de tales conceptos para aplicarlos en su desarrollo. Su resolución no aporta nada nuevo a lo que ya hicimos en el TP3 o en los anteriores ejercicios de este trabajo práctico, ya que la definición de esos nuevos conceptos nos lleva a otros ya estudiados. Recordemos esas definiciones. Dada Una matriz Amn definimos: Espacio fila de A: Es el subespacio generado por las filas de A consideradas como vectores de n. Lo simbolizamos como E fA Espacio Columna de A: Es el subespacio generado por las columnas de A consideradas como vectores de m.Lo simbolizamos como EcA Espacio solución de A : Es el conjunto solución del sistema AX . Lo simbolizamos como ESA Rango de A : Es la dimensión del espacio fila o del espacio columna de la matriz A (que son iguales). Lo simbolizamos como RangoA Como podemos ver éstas definiciones nos llevan a conceptos ya conocidos. De manera que resolver problemas que los involucren no debería tener mayores inconvenientes ¿es así? Si llamamos F1,F2, ,Fm a las filas y C1,C2, ,Cn a las columnas de A respectivamente y recordamos la definición, podemos expresar el espacio fila o columna de A o el espacio solución de A según su definición en forma simbólica como: E fA LF1,F2, ,Fm n y EcA LC1,C2, ,Cm m ESA X n/AX y RangoA DimEfA DimEcA Así resolver problemas como: dada una matriz A, encontrar su espacio fila o su espacio columna, encontrar una base y la dimensión de esos espacios, determinar el rango de A, determinar si vectores dados pertenecen o no a esos espacios, no es otra cosa que encontrar un subespacio generado por un conjunto de vectores, encontrar una base y la dimensión de un subespacio, verificar si los vectores dados pertenecen o no a un subespacio, problemas ya resueltos en el TP3 o en los anteriores ejercicios de este TP4. Bastará con recordar cómo se resuelve estos problemas y repetir lo que ya hicimos allí. Sin embargo, para alguno de estos problemas, hemos incorporado en las clases teóricas, algunos conceptos que constituyen nuevas herramientas para resolverlos de forma más simple. Así, si el problema consiste en encontrar una base y la dimensión del espacio fila (o columna) de una matriz, como por definición, estos espacios no son más que subespacios generados por las filas o por las columnas. Ya conocemos un conjunto generador de esos espacios, en consecuencia bastaría ver si dicho conjunto es linealmente independiente, o determinar cuál es la máxima cantidad de vectores del mismo que son linealmente independientes, esto es así, porque ya sabemos que cualquier conjunto generador de un espacio, contiene una base de ese espacio. Para realizarlo, podemos hacer uso del siguiente teorema: Teorema: Las filas no nulas de una matriz escalonada y sus correspondientes en la matriz original son linealmente Independientes. Por lo tanto sólo necesitamos escalonar la matriz y ver cuáles de sus filas no se anulan, las que por el anterior teorema serán linealmente independientes, cómo también aquellas correspondientes de la matriz original. Estas filas constituyen una base del espacio fila de la matriz y la dimensión de este espacio será la cantidad de vectores de una base, por lo que será la cantidad de filas no nulas de la matriz escalonada. En el caso de las columnas, sólo necesitamos hacer lo mismo con la matriz transpuesta de la dada, y encontrar una base y dimensión para su espacio fila, con lo que habremos encontrado una base y la dimensión para el espacio columna, ya que por definición de matriz transpuesta, las filas de la matriz traspuesta son las columnas de la matriz dada. Veamos un ejemplo para mostrar lo que acabamos de decir: Ejemplo: Dada la siguiente matriz: A 0 1 0 1 1 1 2 1 2 1 4 3 i Expresa, usando la definición correspondiente el E fA; ECA y ESA ii Determina el E fA; ECA y ESA iii Determina el valor del parámetro k para que el vector U 2,1, 1 k pertenezca al ECA iv Determina una base y la dimensión de E fA; ECA y ESA v Determina el Rango de A Veamos cómo se procede: i Solo debemos aplicar la definición de cada uno de los espacios a determinar. E fA L0,1, 0,1, 1,1, 2,1, 2,1, 4,3 4 ECA L0,1, 0,1, 1,1, 2,1, 2,1, 4,3 3 ESA x,y, z, t 4/ 0 1 0 1 1 1 2 1 2 1 4 3 x y z t 0 0 0 ii Sólo debemos resolver lo anterior. Como podemos ver no hay nada nuevo ya que en el caso de los espacios fila y columna, es determinar el subespacio generado por un conjunto de vectores y en el caso del espacio solución, encontrar la solución de un sistema lineal homogéneo, problemas que ya resolvimos varias veces en los TP1 y TP 3 y que seguro sabemos realizar ¿verdad?. iii Una vez resuelto ii podemos encontrar la ecuación del espacio columna. Ya sabemos que cualquier vector de ese espacio, debe ser solución de su ecuación. Por lo tanto, reemplazando las componentes del vector U en la ecuación del espacio columna, podemos determinar el valor de k (si existe) para que dicho vector pertenezca al espacio columna. Queda como ejercicio. iv Para resolverlo vamos a aplicar el teorema mencionado mása arriba. 0 1 0 1 2 1 4 3 1 1 2 1 Intercambiamos Filas 1 con la filas 3 y escalonamos: 1 1 2 1 2 1 4 3 0 1 0 1 1 1 2 1 0 1 0 1 0 1 0 1 1 1 2 1 0 1 0 1 0 0 0 0 Como vemos en la matriz escalonada las filas 1 y 2 no son nulas, entonces aplicando el teorema, de las filas no nulas, podemos decir que son linealmente independientes y también lo son sus correspondientes en la matriz original. Así a la fila 1 de la matriz escalonada le corresponde la fila 3 de la matriz original y a la fila 2 de la escalonada le corresponde la fila 2 de la matriz original. En consecuencia una base del espacio fila será: BaseEfA 1,1, 2,1, 0,1,0,1 o bien: BaseEfA 1,1, 2,1, 2,1, 4,3. DimEfA 2 (número de vectores de la base) De la misma manera, se puede proceder para el espacio columna, encontrando una base y la dimensión para el espacio fila pero de AT, ya que como las filas de AT son las columnas de A, entonces EcA EfAT. Quedacomo ejercicio. v RangoA 2 DimEfA DimEcA Ejercicios 13 y 14 ¿Qué? hay que hacer. Aplicar el teorema de Rouche Frobenius para decidir si un sistema de ecuaciones lineales dado tiene o no solución, y en caso de tenerla, el tipo de solución que tiene. ¿Cómo? lo hacemos. Solo hay que recordar el teorema de Rouche Frobenius y el concepto de rango de una matriz. Veamos algunos ejemplos. Ejemplo 1 Utiliza el teorema de Rouche Frobenius para decidir, justificando tu respuesta, si el siguiente es consistente o no. En caso de consistencia indica el tipo de solución del mismo. 2x y 3z 2 x y 2z 1 2x y 3z 0 3x 2y 5z 4 Recordemos el teorema de Rouche Frobenius: Dado un sistema de m ecuaciones lineales con n incógnitas cuya expresión matricial es AX B. El sistema es consistente si y solo sí el rango de la matriz de coeficientes es igual al rango de la matriz ampliada. Es decir: (RangA RangAB Como consecuencia de este teorema tenemos un corolario que afirma: Si RangA RangAB r entonces: Si r n, el sistema tiene solución única. Si r n, el sistema tiene infinitas soluciones. Como podemos ver lo único que hay que hacer es calcular el rango de las matrices, de coeficientes y ampliada del sistema, y aplicando el teorema, podemos ver la consistencia o no del sistema según sean o no iguales. En caso de ser iguales comparar ese valor con la cantidad de incógnitas, para ver si el sistema tiene solución única o infinitas soluciones. Recordemos que el rango de una matriz no es más que la dimensión de su espacio fila o columna, que sabemos son iguales, y que la dimensión del espacio fila no es más que el número de filas no nulas de la matriz escalonada. Escalonemos la matriz ampliada del sistema para ver cuántas filas no nulas tiene. De ella también podremos ver cuántas filas no nulas tiene la matriz de coeficientes y comparar. A/B 2 1 3 2 1 1 2 1 2 1 3 0 3 2 5 4 2 1 3 2 0 1 1 0 0 4 0 4 0 1 1 2 2 1 3 2 0 1 1 0 0 0 4 4 0 0 0 2 Podemos observar que la matriz ampliada tiene 4 filas no nulas por lo que RangAB 4 y la última fila de la matriz de coeficientes se anuló, en consecuencia dicha matriz solo tiene 3 filas no nulas y por lo tanto RangA 3 Así que RangA 3 4 RangAB por lo que aplicamos el teorema de Rouche Frobenius, podemos decir que el sistema no tiene solución. Ejemplo 2 Aplicando el Teorema de Rouche Frobenius, determina si existen, valores del parámetro k para que el siguiente sistema: x y z 1 ky z 1 x 2y k 1z 3k 1 i Tenga solución única ii Tenga infinitas soluciones iii No tenga solución Escalonamos la matriz ampliada del sistema 1 1 1 1 0 k 1 1 1 2 k 1 3k 1 1 1 1 1 0 k 1 1 0 1 k 3k 2 1 1 1 1 0 1 k 3k 2 0 k 1 1 1 1 1 1 0 1 k 3k 2 0 0 1 k2 1 k3k 1 Los cálculos auxiliares realizados en el escalonamiento de la última fila: 1 k3k 2 1 3k2 2k 1 k2 2k2 2k 1 k2 2k 2k2 1 k1 k 2k 1 k1 k 2k 1 k3k 1 Ya tenemos la matriz ampliada escalonada analicemos las distintas posibilidades para el rango de la misma, como también del rango de la matriz de coeficientes, ya que de acuerdo a ello, podremos responder a las preguntas. La última fila de la matriz ampliada se anulará si 1 k2 0 1 k3k 1 0 La primera igualdad se cumple para k 1 k 1 y la segunda igualdad para k 1 k 1 3 . Entonces el valor que verifica ambas igualdades es k 1 En consecuencia si k 1 la matriz ampliada escalonada nos queda: 1 1 1 1 0 1 1 1 0 0 0 0 Como podemos ver, tanto la matriz ampliada como la matriz de coeficiente tienen 2 filas no nulas, por lo que RangAB RangA 2 y por lo tanto el sistema tiene solución. En este caso r 2 n 3, podemos decir que el sistema tiene infinitas soluciones. Hemos resuelto lo pedido en ii. Si k 1 tenemos que 1 k2 1 12 1 1 0 pero si reemplazando en: 1 k3k 1 1 131 1 22 4 0. En consecuencia si k 1 la matriz ampliada escalonada nos queda: 1 1 1 1 0 1 1 5 0 0 0 4 Como vemos la matriz ampliada tiene 3 filas no nulas y la matriz de coeficiente tienen 2 filas no nulas, por lo que RangAB 3 RangA 2 y por lo tanto el sistema no tiene solución. Hemos resuelto lo pedido en iii. Por último si k 1 k 1 tanto la matriz ampliada como la matriz de coeficientes tienen 3 filas no nulas por lo que RangAB RangA 3 y por lo tanto el sistema tiene solución. En este caso r 3 n. Podemos decir que el sistema tiene solución única. Hemos resuelto lo pedido en i. Ejercicio 15: ¿Qué? debemos hacer. Decidir la verdad o falsedad de algunas afirmaciones que involucran el concepto de solución de un sistema de ecuaciones lineales. Ya realizamos esta tarea en el TP1, pero ahora tenemos nuevos conceptos que pueden ayudarnos a responder este tipo de preguntas. ¿Cuáles?. Veamos un ejemplo. Ejemplo 1 Dado el sistema de ecuaciones lineales AX B en el que A p5. Decide, justificando tu respuesta, la verdad o falsedad de las siguientes afirmaciones: i p ,X 5 y B p ii Si Rango A 5 y Rango (AB 5 entonces el sistema tiene infinitas soluciones. i Analicemos el valor de verdad de la proposición dada. Como A p5 y en AX B debe estar definido el producto AX, entonces X 5 ya que el número de columnas de A es 5, así que el número de filas de X debe ser tambien 5 y en este caso B que es el resultado de ese producto debe ser de p 1, es decir B p. En consecuencia la proposición es Verdadera. ii Si analizamos el Rango de Ap5 y recordamos que rango se define como la dimensión del espacio fila o la dimensión del espacio columna, y que éstos son iguales, entonces rangoA 5 y rangoAB 5 Pero recordemos que para que el sistema tenga solución, por el teorema de Rouche Frobenius, debe ocurrir que rangoA rangoAB. En consecuencia, la hipótesis no asegura que ello ocurra, así que con la condición de la hipótesis, el sistema podría ser consistente o inconsistente. Por ejemplo si rangoA 3 5 y rangoAB 4 5, la hipótesis es verdadera, pero si aplicamos el teorema de Rouche Frobenius como rangoA 3 rangoAB 4 la tesis es falsa y en consecuencia la implicación es Falsa. Así que la proposición dada es falsa. Por último te recuerdo que debes resolver el CUESTIONARIO 4 que se presenta como otra de las actividades no presenciales del Tema 3 que tiene como objetivo que te sirva para autoevaluar tu aprendizaje de los temas que se desarrollaron en el trabajo práctico 4. Asimismo te sugiero que aunque en el cuestionario no te lo exige trata de justificar las respuestas dadas para todas las preguntas, pero sobre todo no te olvides de subir el archivo con las justificaciones de tus respuestas dadas para las preguntas cuya justificación se pide. Ing. Augusto A. Estrada V.
Compartir