Professional Documents
Culture Documents
Indice
1. Conceptos b
asicos
1.1. Espacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2. Combinaciones lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1
1
4
2. Subespacios Vectoriales
2.1. Definicion y caracterizaciones de los subespacios . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2. Operaciones con subespacios vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6
6
10
3. Bases y dimensi
on
13
3.1. Bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.2. Dimension . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3.3. Completaci
on de bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
4. Sistemas de coordenadas y cambio de base
22
4.1. Sistemas de coordenadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4.2. Matrices de cambio de bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
1.
Conceptos b
asicos
1.1.
Espacios vectoriales
Definici
on: Un conjunto no vaco E es un espacio vectorial (ev) sobre R si tiene definidas dos operaciones
binarias:
J
L
: E R
E
: E E
E
(ponderaci
on)
(suma)
(x, ) 7 x
(x, y) 7 x y
que cumplen las siguientes propiedades (axiomas de espacio vectorial):
Axiomas de la suma
(1) La suma es conmutativa: x y = y x para todo x, y E.
(2) La suma es asociativa: (x y) z = x (y z) para todo x, y, z E.
(3) Existe un elemento neutro aditivo 0E tal que x 0E = x para todo x E.
(4) A cada x E le corresponde un inverso aditivo x
e E tal que x x
e = 0E .
Axiomas de la ponderaci
on
Ejemplos:
1. El conjunto E = Rn es un espacio vectorial sobre R con las operaciones de suma y ponderaci
on de vectores
definidas por componentes (que ahora llamaremos operaciones usuales).
2. El conjunto E = Mmn (R) de todas las matrices de m n es un espacio vectorial sobre R con las operaciones
de suma y ponderaci
on de matrices (que definimos por componentes en su momento).
3. El conjunto E = F (R) de todas las funciones reales f : R R es un espacio vectorial sobre R con la suma
y la ponderaci
on usuales de las funciones.
4. El conjunto E = C 1 (R) de las funciones reales continuas tambien es un espacio vectorial con las operaciones
usuales de funciones.
5. El conjunto E = P(R) = P[x] de todos los polinomios con coeficientes reales es un espacio vectorial sobre R
con la suma y ponderaci
on de polinomios(que son las operaciones conocidas de funciones reales).
6. El conjunto E = Pn (R) de todos los polinomios cuyo grado es menor o igual a n, con n N fijo, es un
espacio vectorial con las operaciones de suma y ponderaci
on de polinomios.
7. El conjunto E = Pn (R) de los polinomios de grado exactamente igual a n, con n N fijo, no es un espacio
vectorial sobre R, pues aunque ambas operaciones definidas cumplen sus cuatro axiomas, tenemos que la suma
no es cerrada en el conjunto, es decir, si sumamos dos polinomios de grado n, el resultado no es necesariamente
un polinomio de grado n.
Por ejemplo: si tomamos dos elementos de E, p1 (x) = xn + 3 y p2 (x) = 4 xn , entonces la suma de ellos
p1 (x) + p2 (x) = 7 no pertenece a E.
8. Comprobaremos que el conjunto E = {(x, y) R2 : x > 0, y > 0}, que representa el primer cuadrante del
plano real R2 , dotado con las operaciones
(x, y) (u, v) = (xu, yv)
es un espacio vectorial sobre R.
(x, y) = (x , y )
1
1
(a, b) (e
a, eb) = 0E (ae
a, beb) = (1, 1) e
a = ; eb =
a
b
( (a, b)) = (a , b ) = (a ) , (b ) = a , b = () (a, b)
( (a, b)) = (a , b ) = (a ) , (b ) = a , b = () (a, b)
9. Por u
ltimo, probaremos que el conjunto E = R2 es un espacio vectorial sobre R con las operaciones
p
p
3
x3 + u3 , 3 y 3 + v 3
(x, y) (u, v) =
3
3
(x, y) = ( x, y)
Notamos, en primer lugar, que ambas operaciones est
an bien definidas.
2
(1)
p
p
3
u3 + x3 , 3 v 3 + y 3
p
p
3
u3 + x3 , 3 v 3 + y 3
=
(u, v) (x, y)
= (x, y) (u, v)
(2)
(x, y) (u, v) (s, t)
p
p
3
3
u 3 + s 3 , v 3 + t3
= (x, y)
p
p
3
x3 + u3 + s3 , 3 y 3 + v 3 + t3
=
=
(x, y) (u, v) (s, t)
(3) El elemento (0, 0) es el elemento neutro de este espacio, pues para todo (x, y) en E
p
p
3
3
3
x3 + 03 , 3 y 3 + 03 =
x3 , v 3 = (x, y)
(x, y) (0, 0) =
(1) 1 (x, y) =
3
3
1 x, 1 y = (x, y)
p
p
3
+ x, 3 + y , mientras que, por otro lado,
(x, y) (x, y) =
=
p
p
3
x, 3 y 3 x, 3 y
p
p
3
+ x, 3 + y
= ( + ) (x, y)
p
p
(3) Ahora, (x, y) (u, v) = 3 (x3 + u3 ), 3 (y 3 + v 3 ) , mientras que
(x, y) (u, v) =
=
=
(4) Por u
ltimo,
3
x, 3 y 3 u, 3 v
p
p
3
(x3 + u3 ), 3 (y 3 + v 3 )
(x, y) (u, v)
p
p
() (x, y) = 3 x, 3 y
p
p p
p
(x, y) = 3 x, 3 y = 3 x, 3 y
p
p
(x, y) = 3 x, 3 y = 3 x, 3 y
Por tanto, el conjunto E es espacio vectorial sobre los reales con las operaciones y .
Debido a que todo conjunto que es un espacio vectorial cumple los mismos axiomas b
asicos con sus operaciones,
ciertas propiedades que no son axiomas son comunes a todos los espacios vectoriales.
Teorema. Sea E un espacio vectorial sobre R. Entonces:
i) El vector nulo 0E es u
nico.
ii) Para cada x E el vector (x) (inverso aditivo de x) es u
nico.
iii) 0 x = 0E para todo x E.
iv ) 0E = 0E para todo R.
v ) (1) x = (x) para todo x E.
vi) x = 0E = = 0 x = 0E .
vii) Existe un u
nico vector X soluci
on de la ecuaci
on u X = v. Este vector se anota X = v u.
Demostraci
on: Probaremos algunas afirmaciones. El resto queda propuesto.
i) Si suponemos que 01 y 02 son dos neutros de la suma en E. Entonces,
x E 01 + x = x + 01 = x y 02 + x = x + 02 = x
y, por tanto, 01 = 01 + 02 = 02 . Lo que demuestra la afirmaci
on.
iii) 0 x = (0 + 0) x = 0 x 0 x (0 x) = 0E = 0 x.
.
iv) 0E = (0E 0E ) = 0E 0E ( 0E ) = 0E = 0E
1.2.
Combinaciones lineales
En lo que sigue, E sera un espacio vectorial sobre R con las operaciones + (suma) y (ponderaci
on).
Definici
on:
1. Una combinaci
on lineal (cl) de los vectores v1 , v2 , . . . , vn E es una expresi
on de la forma
1 v1 + 2 v2 + + n vn ,
donde 1 , 2 , . . . , n R.
2. Se define el conjunto generado por {v1 , v2 , . . . , vn } E como el conjunto de todas las cl de estos vectores.
Lo denotamos por
{v1 , v2 , . . . , vn } = {1 v1 + 2 v2 + + n vn : i R}
3. El conjunto {v1 , v2 , . . . , vn } de vectores de E es linealmente independiente (li) si la u
nica forma de escribir
0E como cl de los vectores vi es usando coeficientes nulos. Es decir, si se tiene la siguiente implicaci
on:
0E = 1 v1 + 2 v2 + + n vn = 1 = 2 = = n = 0
4. El conjunto {v1 , v2 , . . . , vn } de vectores de E es linealmente dependiente (ld) si no es li, es decir, si
existen escalares 1 , 2 , . . . , n no todos nulos tales que
1 v1 + 2 v2 + + n vn = 0E
4
Definici
on general de conjuntos li y ld
Sea A E (A podra tener infinitos elementos). Entonces:
A es li si dado cualquier subconjunto finito A0 de A, se tiene que A0 es li (con la definicion ya dada).
A es ld si no es li, es decir, si existe un subconjunto finito A0 de A tal que A0 es ld (con la definicion ya dada).
Ejemplos:
1 2
0 1
2 1
0 3
,
,
,
. Para determinar si A es li o ld debemos
0 1
2 3
0 0
0 2
0 0
estudiar c
omo se escribe 0E =
como cl de los elementos de A:
0 0
0 0
1 2
0 1
2 1
0 3
=
+
+
+
0 0
0 1
2 3
0 0
0 2
+ 2 2 + + + 3
=
2
+ 3 + 2
Cuya matriz
1
2
0
1
+ 2
2 + + + 3
2
+ 3 + 2
asociada es
1 0
0 2 0
0 1
1 1 3
1
F2 2F
0 1
2 0 0 F3 12
F4 F1
0 3
3 0 2
=
=
=
=
0
0
0
0
1
0
0
3
0
0
7
F
0
F
2
4
3 3
2
3
0
2
1
0
0
0
0
0
1
0
2
3
0
0
0
3
0
0
0
1
1
2
3
2
3
0
2
0
3
F2 F3
0
2
F4 32 F2
de donde es claro que el sistema tiene infinitas soluciones, lo que significa que 0E puede escribirse de infinitas
formas como cl de los elementos de A. Entonces A es ld.
2. Si E = P[x] y A = xn : n N {0} = {1, x, x2 , . . . , xm , . . .} podemos probar que A es li, pues si tomamos
A0 = {xn1 , xn2 , . . . , xnk }
++ = 0
e + e2 + e3 = 0
2
e + e4 + e6 = 0
cuya matriz asociada es
1 1 1
1
e e2 e3 0
e2 e4 e6
0
1
1
1
1
1
e(e 1)
e(e2 1) 0 e(e 1)
e(e2 1)
2 2
2 4
2 2
e (e 1) e (e 1)
0
0
e (e 1)(e + 1)(e 2)
En el mismo espacio vectorial, consideramos el conjunto B = {cos2 (x), sen2 (x), 1}, donde 1 denota la funci
on
1(x) = 1 para todo x R, que es claramente un conjunto ld, por la conocida identidad trigonometrica:
cos2 (x) + sen2 (x) = 1
que implica que
O(x) = 1 cos2 (x) + 1 sen2 (x) + (1) 1(x)
2.
2.1.
Subespacios Vectoriales
Definici
on y caracterizaciones de los subespacios
Definici
on: Sea E un espacio vectorial sobre R. Un subespacio vectorial (sev) de E es un subconjunto no
vaco S de E que es un espacio vectorial por s mismo, con las operaciones suma y ponderaci
on que son heredadas
de E (se consideran las operaciones restringidas a S).
En teora, con esta definicion, para determinar si un subconjunto no vaco S de E es un subespacio vectorial, debera
comprobarse que las operaciones definidas en S cumplen con todos los axiomas de espacios vectoriales. Pero es claro
que la mayora de estas propiedades se cumplir
an trivialmente, simplemente por ser S E. As, tenemos el siguiente
resultado:
Teorema. Sea S un subconjunto no vaco de E. S es un sev de E si y s
olo si se cumplen las dos implicaciones
siguientes:
i) Si x, y S, entonces x + y S.
ii) Si x S y R, entonces x S.
Demostraci
on: Supongamos que S es un sev de E. Entonces, S es un ev sobre R con las operaciones de E
restringidas a S. Luego, ambas operaciones son cerradas en S, lo que significa que al tomar dos elementos x, y S,
el resultado de la suma, x + y, est
a en S. De manera analoga, si x S y R, entonces el resultado de la
ponderaci
on, x, pertenece a S.
Para la otra implicacion, supongamos que S es un subconjunto no vaco de E que cumple las condiciones (i) y (ii),
es decir, las operaciones de E restringidas a S son cerradas y est
an bien definidas en S. Debemos probar todos los
axiomas de espacio vectorial.
Como la suma es conmutativa y asociativa para todos los elementos de E, en particular, la suma es conmutativa y
asociativa para todos los elementos de S. Ahora, como S 6= , existe al menos un x S, entonces 0 x S por la
6
condicion (ii), pero 0 x = 0E S y, claramente, el neutro de la suma para todos los elementos de E tambien es
neutro para los elementos de S (s S 0E + s = s). De forma analoga, tenemos que para cada x S, su inverso
aditivo x = (1) x S, de nuevo por (ii). Y probamos que la suma cumple todos sus axiomas.
Los axiomas de la ponderaci
on se cumplir
an autom
aticamente, pues como las igualdades se cumplen para todos los
elementos de E, en particular se cumplen para los elementos de S. No hay nada que probar. Entonces S es espacio
vectorial sobre R.
Nota 1: De esta manera, para comprobar que un conjunto S es sev de E, debemos comprobar cuatro propiedades:
1. S E.
2. 0E S (lo que demuestra que S 6= ).
3. (x S y S) = x + y S.
4. (x S R) = x S.
Nota 2: En la demostracion del teorema queda claro que todo subespacio contiene al neutro del espacio 0E , luego
para probar que S 6= basta probar que 0E S, si no es as, entonces el conjunto S no es sev de E.
Ejemplos:
1. En el espacio vectorial E = M23 (R), tenemos que
a b c
S1 =
:a+b+c=1
0 0 0
0 0 0
no es un sev de E, pues 0E =
/ S1 .
0 0 0
3x y 0
Ahora, S2 =
: x, y, z R si es un sev de E, pues
0
0 z
i) S2 E, pues
0 0
ii) 0E =
0 0
3a
iii) Si X =
0
ii) Consideremos 0E = O(x) = 0 + 0x + 0x2 + 0x3 . Como O(0) = O(1) = O(2) = 0, tenemos que 0E S1 .
Ademas, O(1) = O0 (1) = O00 (1) = 0, luego 0E S2 .
Pero O(x)
/ S3 , pues el coeficiente de x2 no es igual a 1. De esta manera, ya sabemos que S3 no es sev
de E.
iii) Consideremos dos polinomios de E: p1 (x) y p2 (x).
Si suponemos que p1 (x), p2 (x) S1 , entonces p1 (0) = p1 (1) = p1 (2) = 0 y p2 (0) = p2 (1) = p2 (2) = 0.
Luego, la suma de estos elementos (p1 + p2 )(x) cumple que
(p1 + p2 )(0) = p1 (0) + p2 (0) = 0 + 0 = 0,
(p1 + p2 )(1) = p1 (1) + p2 (1) = 0 + 0 = 0,
(p1 + p2 )(2) = p1 (2) + p2 (2) = 0 + 0 = 0
Por tanto, (p1 + p2 )(x) S1 .
Si, ahora, suponemos que p1 (x), p2 (x) S2 , entonces p1 (0) = p01 (0) = p001 (0) = 0 y p2 (0) = p02 (0) =
p002 (0) = 0. Luego, la suma de estos elementos (p1 + p2 )(x) cumple que
(p1 + p2 )(0) = p1 (0) + p2 (0) = 0 + 0 = 0,
(p1 + p2 )0 (0) = p01 (0) + p02 (0) = 0 + 0 = 0
(p1 + p2 )00 (0) = p001 (0) + p002 (0) = 0 + 0 = 0
Por tanto, (p1 + p2 )(x) S2 .
Por otro lado, si suponemos que S es un sev de E, entonces podemos asumir que A = S, pues S E y S 6= , pero,
ademas, afirmamos que S = hSi. Para probarlo, notemos que S hSi, pues todo elemento de S es cl de s mismo
y, por tanto, est
a en hSi. La otra contenci
on es clara, pues toda cl de elementos en S sera un elemento de S, al ser
S un subespacio vectorial. Por tanto, hSi = S.
As, tenemos que todos los subespacios de un espacio vectorial son conjuntos generados por ciertos vectores del
espacio.
Ejemplos:
1. Ahora podemos asegurar que los u
nicos subespacios vectoriales de E = R3 son los conjuntos generados.
Podemos listar algunos que ya conocemos:
S = h{0E }i = {0E }
S = h{e1 , e2 , e3 }i = R3
Si ~x 6= 0E , entonces
S = {~x}
S = {~x, ~y }
Una vez que desarrollemos el concepto de base, podremos probar que todos los subespacios de R3 son de
alguno de los tipos descritos arriba.
2. Consideremos el subconjunto S = {p(x) E : p(0) = p(1) = p(2) = 0} del espacio vectorial E = P3 (R).
En un ejemplo anterior ya probamos que S es sev de E, por tanto, sabemos que S puede escribirse como un
conjunto generado. Determinaremos un conjunto de generadores li de S:
p(0) = a = 0
2
3
p(1) = a + b + c + d = 0
p(x) = a + bx + cx + dx S
p(2) = a + 2b + 4c + 8d = 0
a = 0
b+c+d = 0
b + 2c + 4d = 0
a = 0
b = 2d
c = 3d
p(x) = 2dx 3dx2 + dx3 = d 2x 3x2 + x3
Luego,
S=
D
2x 3x2 + x3
y el conjunto A = 2x 3x2 + x3 es li. De hecho, podemos decir que S es una recta en el espacio de los
polinomios de grado menor o igual a 3.
2.2.
a este
conjunto.
De hecho, si en E = R2 consideramos los subespacios S1 = {(1, 0)} y S2 = {(0, 1)} , es decir, S1 es el eje X y S2
es el eje Y . La uni
on S1 S2 consiste de ambos ejes coordenados del plano real. Pero si tomamos s1 = (1, 0) S1
y s2 = (0, 1) S2 , tendremos que s1 + s2 = (1, 1)
/ S1 S2 .
Entonces, en general,
S1 S2 no es un subespacio vectorial de E.
Nota : Se tiene que S1 S2 es un sev de E si y solo si S1 S2 o S2 S1 . Demuestrelo!
Podemos preguntarnos ahora por alg
un subespacio que contenga a S1 S2 . Para responder a esto, se hace la siguiente
definicion.
Definici
on: Sean S1 y S2 dos sev de E. Se define el conjunto suma de estos subespacios por
S1 + S2 = {x E : x = s1 + s2 con s1 S1 y s2 S2 }
10
S2
y x S1 + S2 .
S2
Ejemplo: Sean S1 = {a + bx + cx2 : a + b + c = 0} y S2 = {1, x2 x} dos sev de E = P2 (R). Encontremos los
subespacios S1 + S2 y S1 S2 .
Por el teorema anterior, para encontrar S1 + S2 nos conviene tener escritos ambos subespacios como conjuntos
generados. Entonces, partimos por encontrar un conjunto de vectores generadores de S1 :
p(x) = a + bx + cx2 S1
a + b + c = 0
a = b c
p(x) = (b c) + bx + cx2
p(x) = b(x 1) + c(x2 1)
De esta manera, tenemos que todos los elementos de S1 se pueden escribir como cl de los polinomios x 1 y x2 1,
es decir,
S1 = {x 1, x2 1}
Luego, usando el teorema anterior, tenemos que
S1 + S2 = {x 1, x2 1} + {1, x2 x} = {x 1, x2 1, 1, x2 x}
{z
}
{z
}
| {z }
|
|
A
AB
Para encontrar la interseccion de ambos subespacios, obtendremos un conjunto de vectores generadores, usando el
metodo usual (caracterizar los elementos del subespacio):
p(x) S1 S2
p(x) S1 y p(x) S2
p(x) = (x 1) + (x2 1) (ya que p(x) S1 )
11
sistema homogeneo:
= 0
= 0
= 0
que tiene infinitas soluciones, pues tenemos que es libre. Las soluciones del sistema son
=
0
Por u
ltimo, recordemos que estamos caracterizando los polinomios p(x) que est
an en S1 S2 . Entonces, reemplazamos los valores obtenidos de , , y en alguna de las expresiones de p(x) que tenemos. As, tendremos
que
p(x) = (x 1) + (x2 1) = (x 1) + (x2 1) = (x2 1 x + 1) = (x2 x)
(si reemplazamos en p(x) = (1) + (x2 x), obtendremos el mismo resultado). Luego, todos los polinomios de la
interseccion son cl del polinomio x2 x, es decir,
S1 S2 = {x2 x} .
Definici
on: Un espacio vectorial E sobre R es la suma directa de dos de sus subespacios S1 y S2 si se cumple
simult
aneamente que
i) E = S1 + S2 .
ii) S1 S2 = {0E }.
Esto se anota,
E = S1 S2 .
Nota : En el ejemplo anterior, tenamos que S1 S2 6= {0E }, por tanto, ya sabemos que P2 (R) no es suma directa
de estos subespacios. Pero, se tiene que P2 (R) = S1 + S2 ?
Como decidimos si S1 + S2 es todo el espacio vectorial? Como S1 + S2 es sev de E, entonces, S1 + S2 E, por
tanto, para determinar la igualdad basta ver si E S1 + S2 .
Sea p(x) = a + bx + cx2 (un elemento cualquiera de E), si probamos que p(x) S1 + S2 para todo valor de a, b y
c, tenemos la igualdad, si p(x)
/ S1 + S2 para algunos valores de a, b y c, entonces no tenemos la igualdad.
p(x) = a + bx + cx2 S1 + S2 p(x) {x 1, x2 1, 1, x2 x}
Existen , , , R tales que
p(x) = (x 1) + (x2 1) + (1) + (x2 x)
Existen , , , R tales que
a + bx + cx2 = ( + ) + ( )x + ( + )x2
= a
= b
= c
Y debemos estudiar cuando este sistema tiene solucion. Analizamos la matriz ampliada asociada:
a
1 1 1 0
1 1 1 0 a
1
0 0 1 b F2 + F1 0 1 1 1 b + a
0
1 0 1 c
0
1 0 1
c
F3 + F2
12
1 1 1 0
0 1 1 1
0
0 1 0
a
b+a
c+b+a
Entonces el sistema tiene solucion, sin importar los valores de a, b y c. Lo que significa que p(x) = a+bx+cx2 S1 +S2
siempre. Luego,
P2 (R) = S1 + S2
3.
3.1.
Bases y dimensi
on
Bases
Definici
on: Sea E un espacio vectorial sobre R y sea S un sev de E. Un conjunto B E es una base de S si y
s
olo si B es un conjunto generador li de S, es decir, si se tiene simult
aneamente que
i) B es un conjunto li
ii) S = hBi
Ejemplos:
1. En E = M22 (R), consideramos el subespacio
1 0
0 1
1 1
S=
,
,
0 0
0 0
0 0
1 0
0 1
1 1
De manera obvia, A =
,
,
es un conjunto generador de S, pero tambien es claro
0 0
0 0
0 0
que no es un conjunto li, pues
1 0
0 1
1 1
+
=
0 0
0 0
0 0
Para obtener una base de S eliminamos de A todos los vectores que son cl de los dem
as. En este caso, tenemos
que
1 0
0 1
B=
,
0 0
0 0
S
olo para dejar clara la importancia de eliminar solamente los vectores que son cl de otros, consideremos el
conjunto
1 0
C=
0 0
0 1
1 0
que es li, pero el conjunto generado por C no es S, ya que
no es cl de
.
0 0
0 0
2. En E = R3 , consideremos el subespacio
S = {(x, y, z) : x + 3y z = 0}
Para obtener una base de S, partimos buscando un conjunto generador:
(x, y, z) S
Luego,
x + 3y z = 0
z = x + 3y
(x, y, x + 3y) = x(1, 0, 1) + y(0, 1, 3)
S = {(1, 0, 1), (0, 1, 3)}
y tenemos que A = {(1, 0, 1), (0, 1, 3)} es un conjunto generador de S. Ademas, es claro que A es un conjunto
li, por tanto, A es una base de S.
13
Nota : En cualquier espacio vectorial E, tenemos que S0 = {0E } es sev de E. Ademas, tenemos que S0 = h{0E }i,
3.2.
Dimensi
on
Una vez tratado el concepto de base, nos interesa introducir el concepto de dimensi
on. Para esto, se deben
establecer algunos resultados.
Teorema. Sea E un ev sobre R y S un sev de E que es generado por n vectores. Entonces todo conjunto li de
vectores de S tiene a lo m
as n vectores.
Demostraci
on: Sea A = {u1 , . . . , un } un conjunto generador de S con n vectores y sea B = {b1 , . . . , bm } un
conjunto li de vectores en S. Queremos demostrar que m n.
Como B es li, entonces b1 6= 0E , . . . , bm 6= 0E y como S = hAi,
0E 6= b1 = 1 u1 + 2 u2 + + n un
y alguno de los coeficientes debe ser distinto de cero (si no, la cl dara 0E ).
Sin perder generalidad, vamos a suponer que 1 6= 0 (si no es ese, les cambiamos el nombre a los vectores de A).
Entonces,
1
2
n
u1 =
b1
u2
un
1
1
1
y tendremos que
{b1 , u2 , u3 , . . . , un } = {b1 , u1 , u2 , u3 , . . . , un } = {u1 , u2 , u3 , . . . , un } = S
y escribimos de ahora en adelante
Ahora, b2 S, luego
S = {b1 , u2 , u3 , . . . , un }
0E 6= b2 = 1 b1 + 2 u2 + 2 u3 + + n un
Como b1 y b2 son li, entonces alguno de los i 6= 0 (si todos fueran nulos, se tendra que b1 sera un ponderado de
b2 ) y, de nuevo, sin perder generalidad, asumimos que 2 6= 0. Entonces
u2 =
Luego
1
3
n
1
b2 b1 u 3
un
2
2
2
2
{b1 , b2 , u3 , . . . , un } = {b1 , b2 , u2 , u3 , . . . , un } = {b1 , u2 , u3 , . . . , un } = S
Repitiendo el proceso, vamos reemplazando cada uno de los ui por un bi en el conjunto generador de S.
Si suponemos que m > n, entonces los bi nos alcanzan (y nos sobran) para reemplazar todos los ui , es decir,
tendremos que
S = {b1 , b2 , b3 , . . . , bn }
y tendremos que bm 6= b1 , b2 , . . . , bn y que bm S, luego bm es cl de b1 , b2 , . . . , bn , lo que contradice el hecho de que
B es un conjunto li
Es decir, m no puede ser estrictamente mayor que n. Luego, m n.
Ahora probaremos que todas las bases de un espacio vectorial tienen el mismo n
umero de elementos.
Teorema. Sea E un ev sobre R y S un sev de E con una base de n vectores. Entonces todas las bases de S tienen
n vectores.
Demostraci
on: Sea A = {u1 , u2 , . . . , un } la base con n vectores de S y sea B = {b1 , b2 , . . . , bm } otra base de S.
Debemos demostrar que m = n.
Como S es generado por A y A tiene n vectores, entonces, por el teorema anterior, tenemos que B al ser li puede
tener a lo mas n vectores. Entonces m n.
Pero S = hBi, por tanto, S tambien es generado por m vectores y usando el teorema anterior, tendremos que A no
puede tener mas de m vectores li Luego, n m.
Con esto, hemos probado que n = m.
14
1
0
0
0
,
0
0
1
0
,
0
1
0
0
,
0
0
0
1
0
0
,
0
0
1
0
,
0
1
0
0
,
0
0
0
i
,
1
0
0
0
,
0
0
i
0
,
0
i
0
0
,
0
0
0
i
Notemos que si consideramos el conjunto M22 (C) con un espacio vectorial sobre el cuerpo de los complejos,
entonces
nuestros
umeros complejos. Luego, para poder generar una matriz de la forma
ponderadores son n
a + bi c + di
solo necesitamos los vectores del conjunto
e + f i g + hi
1 0
0 1
0 0
0 0
,
,
,
,
0 0
0 0
1 0
0 1
pues
a + bi c + di
1 0
0
= (a + bi)
+ (c + di)
e + f i g + hi
0 0
0
1
0 0
0
+ (e + f i)
+ (g + hi)
0
1 0
0
0
1
Entonces cuando el cuerpo del espacio vectorial es C tendremos que dim(M22 (C)) = 4 y cuando el cuerpo
del espacio vectorial es R tendremos que dim(M22 (C)) = 8.
Conocer la dimensi
on de un subespacio nos entrega un dato extra para poder determinar bases, como lo muestra
el siguiente resultado.
15
Teorema. Sea E un ev sobre R y sea S un sev de E con dim(S) = n. Si A es un subconjunto de S con n vectores,
entonces:
i) A es base de S si y s
olo si A es li
ii) A es base de S si y s
olo si S = hAi.
Demostraci
on: Si A es base de S, claramente A es li y S = hAi. Luego, para ambas afirmaciones basta demostrar
la otra implicacion.
i) Supongamos que A es li. Debemos probar que S = hAi (lo que significa que A es base de S).
Pero en realidad, basta probar que S hAi (la otra inclusi
on es obvia).
Supongamos que A es ld. Entonces existe al menos un vector en A que es cl de los dem
as vectores de A,
llamemos a a ese vector. Luego,
hA {a}i = hAi = S
Pero, entonces S es generado por un conjunto de n 1 vectores y los conjuntos li de S tienen a lo mas
n 1 vectores. Pero dim(S) = n, as que las bases de S tienen n vectores li. De nuevo hemos llegado a una
contradiccion.
Por tanto, A es li.
Ejemplo: Sea E un espacio vectorial con base A = {v1 , v2 , v3 , v4 , v5 }. Demostraremos que
B = {v1 + v2 , v2 + v3 , v3 + v4 , v4 + v5 , v5 + v1 }
tambien es una base de E.
Notemos que E es un espacio vectorial de dimensi
on 5, pues su base A tiene 5 elementos (as que todas las bases
de E tienen 5 elementos).
Como B es un conjunto con 5 vectores de E para probar que es una base basta demostrar que B es li o bien
que hBi = E (usamos el u
ltimo teorema).
Probaremos que B es li. Para esto, escribimos 0E como una cl de los vectores de B:
1 (v1 + v2 ) + 2 (v2 + v3 ) + 3 (v3 + v4 ) + 4 (v4 + v5 ) + 5 (v5 + v1 ) = 0E
= (1 + 5 )v1 + (1 + 2 )v2 + (2 + 3 )v3 + (3 + 4 )v4 + (4 + 5 )v5 = 0E
Pero los vectores v1 , v2 , v3 , v4 , v5 son li (pues A es base de E)
1 + 5 = 0
1 + 2 = 0
2 + 3 = 0 = 1 = 5 = 4 = 3 = 2 = 1 = 1 = 0
=
3 + 4 = 0
4 + 5 = 0
Luego, todos los i son cero y los vectores de B son li
16
3.3.
Completaci
on de bases
En esta secci
on estudiaremos ciertos elementos tecnicos que nos permiten encontrar bases con ciertas caractersticas
prestablecidas. Veremos c
omo extender un conjunto de vectores li a una base, c
omo determinar subespacios que
sumen directamente todo el espacio y probaremos el Teorema de la dimensi
on para subespacios.
Teorema. Sea E un ev sobre R y sea S un sev de E con dimensi
on finita. Entonces todo conjunto li de vectores
de S est
a contenido en una base de S.
Demostraci
on: Sea n = dim(S). Entonces todos los conjuntos li en S tienen a lo mas n vectores.
Sea A = {u1 , u2 , . . . , uk } un conjunto li de vectores en S. Entonces , sabemos que k n.
Si k = n, entonces A es una base de S (conjunto li con n = dim(S) vectores). Entonces la base de S que contiene a
A es el mismo conjunto A.
Si k < n, entonces A no es base de S y, por tanto, lo que falla es que A no genera a S. Es decir, existe un vector
v1 en S que no est
a en hAi y definimos el conjunto
A1 = A {v1 } = {u1 , u2 , . . . , uk , v1 }
que es li
Aplicamos el mismo procedimiento y podremos construir conjuntos
A A1 A2 Ank
todos li tales que Ai = Ai1 {ui } con ui S hAi1 i.
Entonces el conjunto Ank = {u1 , . . . , uk , v1 , . . . , vnk } es li y tiene n vectores, lo que implica que Ank es una
base de S que contiene a A.
Nota: En la practica, para extender un conjunto li a una base se usa el siguiente procedimiento:
1. Chequear que el conjunto A es li (si A es ld no se aplica el teorema).
2. Obtener una base B cualquiera de S (si es posible, usar la base canonica).
3. Se considera el conjunto
C = A B,
que es ld.
4. Eliminar de C los vectores de B que son cl de los otros vectores de C.
y el conjunto A = x3 + 7, 2x4 .
Como (x3 + 7)0 = 3x2 , (x3 + 7)00 = 6x y evaluando en cero dan cero, tendremos que x3 + 7 S y como (2x4 )0 = 8x3 ,
(2x4 )00 = 24x2 y tambien se obtiene cero al evaluar en cero, tendremos que 2x4 S, es decir, A S.
El conjunto A es li, pues
(x3 + 7) + (2x4 ) = 0 = 2x4 + x3 + 7 = 0 = = = 0,
por tanto, podemos extender el conjunto A a una base de S.
Para esto, debemos encontrar una base BS de S. Buscamos los generadores de S:
p(x) = a + bx + cx2 + dx3 + ex4 S
2c + 6d 0 + 12e 0
b = 0 c = 0
p(x) = a + dx3 + ex4
17
= 0
= 0
As,
S = {1, x3 , x4 }
Ademas,
S = {x3 + 7, 2x4 , 1} = {x3 + 7, 2x4 } + {1} = A + B A
hAi hB Ai = {0E },
Demostraci
on: Sea {u1 , u2 , . . . , uk } una base de S1 S2 (es decir, ya sabemos que dim(S1 S2 ) = k).
Como S1 S2 est
a contenido tanto en S1 como en S2 , podemos completar este conjunto li a bases de S1 y de S2 ,
obteniendo:
una base de S1 : {u1 , u2 , . . . , uk , v1 , v2 , . . . , vm }, lo que implica que dim(S1 ) = k + m
y
una base de S2 : {u1 , u2 , . . . , uk , w1 , w2 , . . . , wn }, lo que implica que dim(S2 ) = k + n.
Afirmamos que
B = {u1 , u2 , . . . , uk , v1 , v2 , . . . , vm , w1 , w2 , . . . , wn }
es una base de S1 + S2 .
Probemoslo:
i) Probemos que B es li. Si consideramos una cl de los vectores de B igualada a 0E :
1 u1 + + k uk + 1 v1 + + m vm + 1 w1 + + n wn = 0E ,
debemos probar que todos los coeficientes son cero. Pero esta cl equivale a
1 u1 + + k uk + 1 v1 + + m vm = 1 w1 n wn
18
(1)
hBi = {u1 , . . . , uk , v1 , . . . , vm } + {u1 , . . . , uk , w1 , . . . , wn } = S1 + S2 .
dim(S1 S2 ) = dim({0E }) = 0
x
W1 =
z
x
W2 =
z
x + 2y z + t
y
2x y z + 2t
M22 (R) :
t
x + 3y t
5y z
y
t
=
=
=
=
x+y+zt =
x + 2y t =
M22 (R) :
2x + 3y + z 2t =
0
0
0
0
0
0
y
t
x + 2y z + t
2x y z + 2t
x + 3y t
5y z
W1
1
2 1 1
1 2
2 1 1 2 F2 2F1
0 5
1 3
0 5
0 1 F3 + F1
0
5 1 0
0 5
=
=
=
=
0
0
0
0
de coeficientes:
1 1
1 2 1
0 5 1
1 0
0 0
1 0 F3 + F2
0
1 0
F4 + F2
0 0
0
1
0
0
0
As,
x
z
Luego,
y
t
x = 3y t
z = 5y
x y
3y t
=
z t
5y
W1
3
W1 = hAi, donde A =
5
Entonces, W1 es un subespacio de E.
y
t
3
=y
5
1
1 0
+t
0
0 1
1 0
1
,
.
0
0 1
y
t
W2
1 1 1 1
1
1 2 0 1 F2 F1 0
2 3 1 2
F3 2F1
0
x+y+zt
x + 2y t
2x + 3y + z 2t
= 0
= 0
= 0
matriz de coeficientes:
1 1 1
1 1
1 1 0
0 1
1 1 0
F3 F2
0 0
1 1
1 0
0
0
As,
x y
W2
z t
Luego,
y
t
x
= z
= x + 2z
y
x
z
1 0
0 1
=
=x
+z
t
z x + 2z
0 1
1 2
1
W2 = hBi, donde B =
0
Entonces, W2 es un subespacio de E.
20
0
0
,
1
1
1
.
2
2. Notemos que A =
3
5
1
1 0
,
es un conjunto li, pues ninguno de los vectores es m
ultiplo del otro.
0
0 1
3 1
1 0
1
W1 + W2 =
,
,
5 0
0 1
0
0
0
,
1
1
1
2
Para encontrar una base de W1 + W2 debemos determinar que vectores de A B son li. Hacemos una cl nula
de los vectores:
3 1
1 0
1 0
0 1
0 0
+
+
+
=
5 0
0 1
0 1
1 2
0 0
3 +
+
0 0
=
=
5 +
+ + 2
0 0
3 + = 0
+ = 0
= = = = = 0
=
5
+ = 0
+ + 2 = 0
Entonces A B es un conjunto de vectores li que genera a W1 + W2 , es decir, A B es una base de W1 + W2
y dim(W1 + W2 ) = 4.
5. Ahora, deberamos encontrar la interseccion de W1 con W2 . Pero esto no sera necesario, pues sabemos que
dim(W1 + W2 ) = dim(W1 ) + dim(W2 ) dim(W1 W2 )
= dim(W1 W2 ) = dim(W1 ) + dim(W2 ) dim(W1 + W2 ) = 2 + 2 4 = 0
Y como el u
nico subespacio de con dimensi
on cero es el conjunto formado solo por el cero del espacio, tenemos
que
0 0
W1 W2 =
0 0
y W1 W2 no tiene una base.
6. Como E = W1 W2 si y solo si E = W1 + W2 y W1 W2 = {0E }, debemos decidir si E = W1 + W2 (pues la
otra condicion la tenemos).
Pero dim(W1 + W2 ) = 4 = dim(E), luego W1 + W2 = E pues la base de W1 + W2 tambien es una base de E.
Luego, E s es suma directa de W1 y W2 .
21
4.
4.1.
Sistemas de coordenadas
En esta secci
on comenzaremos a reconocer las caractersticas comunes de todos los espacios vectoriales que
comparten dimensi
on. Para esto, el primer paso sera instalar en cada espacio vectorial un sistema de coordenadas.
Este proceso consiste en fijar una base del espacio vectorial y usarla como el sistema de referencia para describir el
resto de los vectores del espacio.
Consideraremos, de aqu en adelante, las bases de un espacio vectorial como conjuntos ordenados. De esta
manera, en E = R4 , tendremos que
B1 = {(1, 0, 0, 0), (0, 1, 0, 0), (0, 0, 1, 0), (0, 0, 0, 1)}
y
B2 = {(0, 1, 0, 0), (0, 0, 1, 0), (1, 0, 0, 0), (0, 0, 0, 1)}
son dos bases distintas del espacio, pues a pesar de contener los mismos cuatro vectores, estos est
an ubicados en
distinto orden dentro de la base. As, hablaremos frecuentemente de bases ordenadas de E.
Antes de hacer la definicion formal del sistema de coordenadas, revisaremos el siguiente resultado.
Teorema. Sea E un espacio vectorial sobre R y B = {b1 , b2 , . . . , bn } una base de E. Entonces, para cada elemento
x E existen u
nicos escalares 1 , 2 , . . . , n R tales que
x = 1 b1 + 2 b2 + + n bn .
Demostraci
on: Como B es base de E, tenemos que E = hBi. Luego, es claro que todo x E se puede escribir
como una combinaci
on lineal de los elementos de B. Lo que debemos demostrar es la unicidad de los coeficientes
de esta combinaci
on.
Entonces, supongamos que existen dos conjuntos de escalares 1 , . . . , n y 1 , . . . , n tales que
x = 1 b1 + 2 b2 + + n bn
x = 1 b 1 + 2 b 2 + + n b n .
Igualando ambas expresiones de x y reordenando la expresion en los elementos de la base, obtenemos que
(1 1 )b1 + (2 2 )b2 + + (n n )bn = OV .
Esto implica que 1 1 = 0, 2 2 = 0, . . . , n n = 0, pues los vectores de la base son li. Es decir, los
coeficientes de la cl son u
nicos.
2
Ahora estamos en condiciones de definir el sistema de coordenadas con respecto a una base fija.
Definici
on: Sea E un ev sobre R y sea B = {u1 , . . . , un } una base de E. Para cada x E, se define su vector
coordenada en la base B como
1
2
x B = . Rn ,
..
n
donde los i son los coeficientes de la cl que describe x en terminos de los vectores de la base B. Es decir,
x = 1 u1 + 2 u2 + + n un
22
Ejemplos:
1. Sea E = R3 . Al considerar la base can
onica de E, BC = {e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1)}, tenemos
que cualquier vector ~x = (x, y, z) cumple que
~x = x e1 + y e2 + z e3 ,
entonces
x
~x BC = y
z
Es decir, el sistema de coordenadas dado por la base canonica de R3 coincide con las coordenadas cartesianas
que se usan para definir inicialmente R3 .
Consideremos otra base de E, por ejemplo, B1 = {(1, 1, 1), (0, 1, 1), (0, 0, 1)}. Calculemos el vector coordenada
de ~x = (x, y, z) en esta nueva base. Para esto, determinemos la cl correspondiente:
~x = (1, 1, 1) + (0, 1, 1) + (0, 0, 1) = (, + , + + )
=
+ =
++ =
= x
=
= yx
= zy
x
y
z
= [~x]B1
x
= y x
zy
Por u
ltimo, si tomamos la base B2 = {(0, 1, 1), (1, 1, 1), (0, 0, 1)}, que tiene los mismos elementos de B1 pero
en distinto orden. Entonces, el vector coordenada de ~x = (x, y, z) es
yx
[~x]B2 = x
zy
Entonces:
++
+
= (1) + (1 + x) + (1 + x + x2 )
= ( + + ) + ( + )x + x2
=
1
= 4
=
4
23
= = 4, = 8, = 5
5
Por tanto, p(x) B2 = 8 y como B3 contiene los mismos vectores de B2 aunque en distinto orden,
4
5
tendremos que p(x) B3 = 4 .
8
Queda propuesto determinar los vectores coordenadas con respecto a estas tres bases de un polinomio generico
de E: p(x) = a + bx + cx2 .
1
1 + 1
1
1
.
..
x1 B = ... , x2 B = ... , x1 + x2 B =
, x1 B = ..
.
n
n + n
n
n
Ahora, la afirmaci
on es obvia.
4. Notemos que
c1 x1 + + ck xk
= c1 x1 B + + cn xk B
on es directo. Queda propuesto.
y que OV B = ~0 Rn . Con estas dos observaciones, demostrar la afirmaci
24
4.2.
Con frecuencia, el problema no sera obtener las coordenadas de un vector particular con respecto a distintas
bases, sino mas bien cambiar simult
aneamente las coordenadas de todos los vectores de un espacio vectorial que
estaban escritos en una base inicial a una nueva base. Este proceso se conoce como un cambio de base del espacio
o cambio de coordenadas y, usando todo nuestros conocimientos previos sobre Rn , concluiremos que el cambio de
base se lleva a cabo mediante una u
nica matriz que har
a todo el trabajo.
Definici
on: Sea E un ev sobre R y sean B1 y B2 dos bases distintas de E. Se define la matriz de cambio de
B2
base de B1 a B2 , que anotamos Id B , como la u
nica matriz que cambia las coordenadas con respecto a la base
1
B1 en coordenadas con respecto a B2 para todo vector x del espacio, es decir,
B2
x B2 = Id B1 x B1
x E
Usando la definicion de matriz de cambio de base, podemos determinar mas concretamente la forma de la matriz
de cambio de base.
Si dim(E) = n, B1 = {u1 , u2 , . . . , un } y B2 = {v1 , v2 , . . . , vn }, tendremos que tanto x B como x B son
2
1
B2
vectores de Rn . Entonces queremos determinar la matriz Id B1 de n n tal que
B2
x B2 = Id B1 x B1
x E
(2)
B2
Id B = ~c1 | ~c2 | | ~cn
1
Para encontrar la i-esima columna usaremos la igualdad (2) para x = ui (el i-esimo vector de la base B1 ). Como
ui = 0 u1 + 0 u2 + + 1 ui + + 0 un ,
entonces
ui B1
0
0
..
.
=
1
.
..
0
0
0
.
..
B2
B2 h i
Id B1 = u1 B2 u2 B2 un B2
B2
Ahora, por el u
ltimo teorema, tenemos que las columnas de Id B1 son li, por tanto, la matriz es invertible y
tendremos que su inversa sera
1
B1
B2
= Id B2 .
Id B1
25
b = 2c 3d
a = b c d = c + 2d
c, d libres
Entonces
S = {1 2x + x2 , 2 3x + x3 }
u2
(1 2x + x2 ) + (2 3x + x3 ) = 0 = ( + 2) + (2 3)x + x2 + x3 = 0
= = = 0
Como obtenemos una segunda base de S? Bueno, ya sabemos que dim(S) = 2, por tanto, solo debemos
encontrar dos vectores de S que sean li.
En general siempre se tendra lo siguiente (buen dato
) bases a partir de bases conocidas):
( para generar nuevas
n
X
Si {u1 , u2 , . . . , un } es base de un ev E, entonces u1 , u1 + u2 , . . . ,
ui tambien es una base de E.
k=1
v1 = u1 = 1 2x + x2
y
v2 = u1 + u2 = (1 2x + x2 ) + (2 3x + x3 ) = 3 5x + x2 + x3
B2 = {1 2x + x2 , 3 5x + x2 + x3 }
|
{z
} |
{z
}
v1
v2
B2
Ahora determinaremos la matriz Id B1 . Para eso, debemos escribir cada uno de los vectores de la base B1 como
cl de los vectores de la base B2 :
1
u1 = v1 = u1 B2 =
0
1
u2 = v2 u1 = v2 v1 = u2 B2 =
1
Entonces:
B2 h i
1 1
Id B1 = u1 B2 u2 B2 =
0 1
0
1
1
0
B1 B2 1
=
Id B2 = Id B1
26
0 1
1 0
1
1
1 1
0 1
Ejercicios
I. Espacios Vectoriales
1. Demuestre que el conjunto V = {(x, y, z) R3 : x > 0, y > 0, z > 0} es un espacio vectorial sobre R con las
operaciones (suma) y (ponderaci
on) definidas por
(a, b, c) (x, y, z) =
(x, y, z) =
2. Decida si el conjunto de los polinomios de grado menor o igual a 2, V = P2 (R), es un espacio vectorial sobre
R con las operaciones definidas por
(a0 + a1 x + a2 x2 ) (b0 + b1 x + b2 x2 ) =
(a0 + a1 x + a2 x2 ) =
3. Decida si el conjunto de las matrices de 2 2 con componentes reales, V = M22 (R), es un espacio vectorial
sobre R con las operaciones definidas por
0
a b
a b0
a + a0
1
0
=
c d
c d0
c + c0 + 1 0
a b
a b
=
c d
c d
p(x)dx = 0}
c) S = {(x1 , x2 , x3 , . . . , xn ) : x1 6= x2 }, V = Rn .
27
4. Sea V un espacio vectorial sobre R y sean U , S y W subespacios de V que satisfacen las siguientes condiciones:
U S =U W
SW
(3)
(4)
Suponga que
u + w = u0 + s
donde u y u0 son vectores de U , w W y s S. Demuestre que w S.
5. Sea V un espacio vectorial sobre R y sean S, T y U subespacios de V . Demuestre que:
T (S + U ) = {0V }
T S = {0V }
S U = {0V }
(T + S) U = {0V }
6. Sean S1 , S2 y S3 subespacios del espacio vectorial V tales que S1 S3 . Demuestre que
S1 + (S2 S3 ) = (S1 + S2 ) S3
De un ejemplo que muestre que si la condicion S1 S3 no se cumple, entonces la igualdad anterior no es
necesariamente valida.
7. El conjunto de todas las sucesiones reales
R = {(xn )nN : xn R}
es un espacio vectorial sobre R. Determine cuales de los siguientes conjuntos de sucesiones son subespacios de
R .
a) Todas las sucesiones que incluyen infinitos ceros (Ejemplo: xn = 1 + (1)n ).
b) Todas las sucesiones con xj = 0 a partir de alg
un termino en adelante.
c) Todas las sucesiones decrecientes, es decir, aquellas para las cuales xn1 xn para todo n N.
d ) Todas las sucesiones convergentes, es decir, aquellas para las cuales lm xn existe.
n
e) Todas las progresiones aritmeticas, es decir, aquellas para las cuales xn1 xn es la misma para todo n.
f ) Todas las progresiones geometricas, es decir, todas las de la forma (x1 , kx1 , k 2 x1 , . . .), admitiendo cualquier
k y cualquier x1 .
para todo x I
implica que c1 = c2 = . . . = cn = 0. El siguiente problema muestra las tecnicas mas comunes utilizadas para
determinar la independencia lineal de las funciones fi en el intervalo I.
a) Se define el Wronskiano de las funciones f1 , . . . , fn por
f1 (x)
f2 (x)
0
f10 (x)
f
(x)
2
W (x) =
..
.
(n1)
(n1)
f
(x)
(x) f2
1
fn1 (x)
0
fn1
(x)
(n1)
fn1 (x)
(n1)
(x)
fn
fn (x)
fn0 (x)
Demuestre que si existe c I tal que W (c) 6= 0, entonces las funciones fi (x) son l.i. en el intervalo I.
28
f1 (xn ) f2 (xn ) fn1 (xn ) fn (xn )
entonces las funciones fi son l.i. en el intervalo I.
6= 0
a) Demuestre que x y |x| son l.i. en el intervalo [1, 1], pero son l.d. en el intervalo [0, 1].
b) Demuestre que las funciones ex , ex , e2x son l.i. en cualquier intervalo I.
c) Demuestre que las funciones sen(x), cos(x) son l.i. en [0, ].
d ) Demuestre que las funciones sen2 (x), cos2 (x), 1 son l.d. en cualquier intervalo I.
e) Demuestre que las funciones sen(x), cos(x), sen(2x), cos(2x) son l.i. en el intervalo (, ).
f ) Demuestre que el conjunto con infinitos vectores {sen(nx) : n N} es l.i. en el intervalo [0, ].
n
n
X
X
i2
(n + 1 i)bi ,
ai
i+1
i=1
i=1
xi ai =
i=1
0 1 2
5. Sean R = 0 0 1 y W = {A M33 (R) : AR = RA}. Demuestre que W es un subespacio de las matrices
0 0 0
de 3 3 y encuentre base y dimensi
on de W .
6. Sea V un espacio vectorial sobre R. Demuestre que un conjunto B de vectores en V es base de V si y solo si
B es l.i. y, ademas, B {v} es l.d. para todo vector v V \ B.
7. Dado
x
+
x
+
3x3 + 4x4 + 2x5 5x6
1
2
=
=
=
=
=
c es compatible
Determine la dimensi
on de W , dando bases adecuadas para cada valor de k en R.
8. Sea p(x) = 1 + x + x2 + + xn . Decida si el conjunto
B = {p(x), p0 (x), p00 (x), p(3) (x), . . . , p(n1) (x), p(n) (x)}
es base de Pn (R).
9. En V = M22 (R), se define
S=
1
k
2
0 1
k
,
,
1
p 0
2
1
3
1 1 2
3
a
A = 1 1 1 4 2
3 3 8
7 c4
1
b y a, b, c R.
5
Determine todos los valores de a, b y c para los cuales dim(S) = 4 y demuestre que T = {(a, b, c) : dim(S) = 4}
es un subespacio de R3 . Cu
al es la dimensi
on de T ?
11. Sea V un espacio vectorial sobre R y sea {u1 , u2 , . . . , ur } la base del subespacio W de V . Demuestre que
{u1 , u2 + 2u1 , . . . , ur + ru1 } tambien es una base de W .
n de bases
IV. Operaciones de Subespacios Vectoriales. Extensio
x+y+z+t =
x y
: 2x 5y + 3z 2t =
1. Sean S =
z t
x 6y + 2z 3t =
0
1
0
yT =
1
1
2
,
1
1
1
.
2
a+b+c
= 0
a + c + 3d = 0
2
3
W2 = a + bx + cx + dx :
b 3d
= 0
c + 5d
= 0
1
S = {p(x) V : p(1) = 0 y 2p(0) + 3p0 (0) + p000 (0) = 0}
6
T = {a + bx + cx2 + dx3 V : a b + c d = 0 y 5a + c + d = 0}
5. Sea X una matriz de n n con rango r. Considere el subespacio vectorial de V = Mnn (R)
W = {Y V : XY = O}.
Determine la dimensi
on W .
6. Sea S1 = {A Mnn (R) : tr(A) = 0}. Determine la dimensi
on del subespacio S1 y otro subespacio S2 de
Mnn (R) tal que Mnn (R) = S1 S2 .
30
1 0
S1 =
1 2
S2
S3
* 0 2 1
1
1 4 +
2 0 , 1
0 , 1 1
=
1 4
0 2
3 1
a d
b e V :
=
c f
a + 2b + c
3a d
a+b+e
a + b + f
=
=
=
=
0
0
0
0
d ) Encuentre una base de V que contenga a B (la base encontrada en la parte anterior).
1
5. El conjunto B = {1 + x + 2x2 , 1 x, x2 } es una base de P2 (R). Si P = 2
3
de base de B a otra base B 0 , determine B 0 .
32
2 1
4 2 es la matriz de cambio
1 2