Documente Academic
Documente Profesional
Documente Cultură
De acuerdo con las propiedades que vimos en la primera unidad, podemos afirmar
que R3R3 es un espacio vectorial.
Los espacios RnRn , con n≥1n≥1 , son los ejemplos principales de espacios
vectoriales. La intuición geométrica desarrollada para R3R3 nos ayudará a
entender y visualizar muchos conceptos de esta unidad.
Los vectores de RnRn son n-uplas de números reales, o sea:
Rn={(x1,x2,…,xn),conxi∈R}Rn={(x1,x2,…,xn),conxi∈R}
En RnRn , la suma de vectores y el producto por un escalar se definen así:
Sean u=(u1,u2,…,un)yv=(v1,v2,…vn)∈Rnu=(u1,u2,…,un)yv=(v1,v2,…vn)∈Rn
u+v=(u1+v1,u2+v2,…,un+vn)∈Rnu+v=(u1+v1,u2+v2,…,un+vn)∈Rn
αv=(αv1,αv2,…,αvn)∈Rnαv=(αv1,αv2,…,αvn)∈Rn
Puede comprobarse que las operaciones definidas verifican los axiomas de
espacio vectorial.
Ejemplo 2
Dados p(x)=ao+a1x+a2x2∈P2p(x)=ao+a1x+a2x2∈P2 y q(x)=bo+b1x+b2x2∈P2q
(x)=bo+b1x+b2x2∈P2
Definimos las operaciones:
(p+q)(x)=p(x)+q(x)=(ao+bo)+(a1+b1)x+(a2+b2)x2∈P2(p+q)(x)=p(x)
+q(x)=(ao+bo)+(a1+b1)x+(a2+b2)x2∈P2
(αp)(x)=αp(x)=(αao)+(αa1)x+(αa2)x2∈P2(αp)(x)=αp(x)=(αao)+(αa1)x+
(αa2)x2∈P2
Puede demostrarse que estas operaciones verifican todos los axiomas de espacio
vectorial.
Subespacios vectoriales
Definición
Ejemplo
W={(x1,x2)∈R2:x2=3x1}W={(x1,x2)∈R2:x2=3x1} ¿es un subespacio de R2R2?
Primero analicemos el conjunto WW. Son todos vectores de R2R2 tales que la
segunda componente es el triple de la primera:
(x1,3x1)=x1(1,3)(x1,3x1)=x1(1,3)
WW es la recta que pasa por el origen y tiene vector director (1,3), o sea la recta
de ecuación y = 3x.
Para decidir si WW es un subespacio de R2R2 habría que verificar que se
cumplen los axiomas del 1 al 10. El lector puede comprobar que todos se cumplen
en este caso.
Pero en general no es necesario verificar los axiomas porque existe un criterio
sencillo para determinar si un subconjunto WW de un espacio vectorial VV es un
subespacio, es el que sigue.
Condiciones necesarias y suficientes para caracterizar subespacios
Observaciones
Subespacios triviales
Ejemplo 2
Consideremos el conjunto W={(x,y)∈R2|x=0}W={(x,y)∈R2|x=0}. Es decir, la
recta de ecuación x=0x=0. ¿Es un subespacio de R2R2?
Se cumple (a) pues (0,0)∈W(0,0)∈W
Se cumple (b) pues la suma de dos vectores de WW, está en WW:
(0,y1)+(0,y2)=(0,y1+y2)(0,y1)+(0,y2)=(0,y1+y2)
Se cumple (c) pues el producto de un vector de WW por un número real está
en WW:
k(0,y)=(0,ky)k(0,y)=(0,ky)
Luego WW es subespacio de R2R2.
Ejemplo 3
Consideremos el conjunto W={(x,y,z)∈R3|x+y+2z=0}W={(x,y,z)∈R3|
x+y+2z=0}. Es decir un plano que pasa por el origen. ¿Es un subespacio
de R3R3?
De la ecuación del plano se deduce que: x=–y–2zx=–y–2z
Por lo tanto los vectores que pertenecen a WW responden a la forma (–y–2z,y,z)
(–y–2z,y,z) con y,z∈Ry,z∈R.
Se cumple (a) pues (0,0,0)∈W(0,0,0)∈W
Se cumple (b) pues la suma de dos vectores del plano, sigue estando en ese
plano:
(–y–2z,y,z)+(−y′–2z′,y′,z′)=(–(y+y′)–2(z+z′),y+y′,z+z′)(–y–2z,y,z)+(−y′–2z′,y′,z
′)=(–(y+y′)–2(z+z′),y+y′,z+z′)
Se cumple (c)(c) pues k(–y–2z,y,z)=(–ky–2kz,ky,kz)∈Wk(–y–2z,y,z)=(–ky–
2kz,ky,kz)∈W
Entonces WW es subespacio de R3R3.
Ejemplo 5
Ejemplos[editar]
Combinación lineal de dos vectores en el espacio.
Nota: Cualquier vector en el plano se puede poner como combinación lineal de otros dos
vectores que tengan distinta dirección. Asimismo, esta combinación lineal es única.
Ejemplos
Por lo que,
Solución: Supongamos que se puede escribir como una combinación lineal
de y , es decir, existen constantes tales que . Por lo
tanto, solo debemos encontrar estas constantes:
Espacio Generado El conjunto formado por todas las combinaciones lineales de los vectores v1,
v2,. . . , vk en R n se llama espacio generado por los vectores v1, v2,. . . , vk . Este conjunto se
representa por Gen {v1, v2, . . . , vk } es decir, es el conjunto formado por todas las expresiones de
la forma c1 · v1 + c2 · v2 + · · · + ck · vk donde c1,c2,. . . ,ck son escalares. Si V = Gen {v1, v2, · · · ,
vk } se dice que los vectores v1, v2,. . . , vk generan a V y que {v1, v2, . . . , vk } es un conjunto
generador de V.
Ejemplos[editar]
1. Dado un único segmento orientado en el plano, el conjunto que lo contiene como único
elemento es un sistema generador, ya que su espacio lineal generado es una recta
cuya dirección viene dada por dicho segmento.
2. Tomando el ejemplo anterior de manera más concreta, representemos a los
segmentos orientados en el plano cartesiano real como pares ordenados. Tomemos
entonces el par y construyamos , evidentemente es un sistema generador, pues
genera al conjunto que geométricamente se representa como una recta inclinada a
45° que pasa por el origen.
3. Siguiendo con la línea de ejemplos anteriores, tomemos ahora un conjunto . En este
caso , sin embargo el conjunto B es linealmente dependiente, ya que . Esto prueba
que B no es una base de S.
Geométricamente, se interpreta a la dependencia lineal como una relación
de paralelismo. Así, dos segmentos orientados en la misma dirección, es decir,
paralelos, generan una misma recta.
4. Dados tres puntos no colineales en el espacio, estos generan un plano que puede
ponerse en correspondencia uno a uno con el espacio euclídeo
5. Si tomamos en el ejemplo anterior tres puntos que sí son colineales, entonces el
conjunto formado por estos puntos genera una recta en vez de un plano. Tomando
sólo dos de estos puntos, podemos construir un segmento orientado y así establecer
una base del subespacio representado por la recta.
6. Vamos a un ejemplo más abstracto: el conjunto de funciones genera el espacio
de funciones afines. Más específicamente, es una base de este espacio. Si por
ejemplo tomamos el subconjunto de F como sistema generador, obtenemos el
subespacio de funciones afines .
En este caso, las funciones son vectores y los coeficientes, elementos del cuerpo
asociado.
Ejemplo[editar]
En el espacio tridimensional usual:
Ejemplo II[editar]
Sea V = Rn y consideremos los siguientes elementos en V:
Entonces e1, e2,..., en son linealmente independientes. Estos vectores
constituyen la base canónica en R.
Demostración[editar]
Supongamos que a1, a2,..., an son elementos de R tales que:
Sustituyendo e1, e2,..., en resulta:
Multiplicando:
Sumando coordenadas:
Por lo que se obtiene:
Así que:
Además:
Pero 0 es un vector, entonces:
Por lo que ai = 0 para todo i en {1,..., n}.
Entonces los vectores son linealmente independientes
Ejemplo III[editar]
Sea V el espacio vectorial de todas las funciones a variable
real. Entonces las funciones et y e2t en V son linealmente
independientes.
Demostración[editar]
Supongamos que a y b son dos números reales tales que:
aet + be2t = 0
Para todos los valores de t. Necesitamos demostrar
que a = 0 y b = 0. Para hacer esto dividimos por et (que
es un número real diferente de cero, sea cual sea t) y
restando obtenemos:
bet = −a
En otras palabras, la función bet debe ser
independiente de t, lo cual ocurre únicamente
cuando b = 0. Por lo tanto, a es cero.
Propiedades
1 Si varios vectores son linealmente dependientes, entonces al menos
uno de ellos se puede expresar como combinación lineal de los demás.
También se cumple el reciproco: si un vector es combinación lineal de
otros, entonces todos los vectores son linealmente dependientes.
2 Dos vectores del plano son linealmente dependientes si, y sólo si, son
paralelos.
3 Dos vectores libres del plano son
linealmente dependientes si sus componentes son proporcionales.
4 vectores en son linealmente dependientes si su determinante es
igual a cero.
Ejemplo:
Determinar los valores de para que sean linealmente dependientes los
vectores .
Escribir como combinación lineal de y , siendo el valor calculado.
Los vectores son linealmente dependientes si el determinante de la
matriz que forman es nulo, es decir que el rango de la matriz es menor
que 3.
1Calculamos el determinante
2Igualamos el determinante a cero
3Resolvemos la ecuación y obtenemos
4Así para los vectores
son . Escribimos en
términos de y
5Calculamos los valores de los escalares
6Igualando las coordenadas del lado izquierdo con las del derecho y
resolviendo las ecuaciones obtenemos
7Así la combinación lineal buscada es
8Se repiten los pasos 4, 5, 6 y 7 para
Vectores linealmente independientes
Varios vectores libres son linealmente independientes si ninguno de ellos puede ser
escrito con una combinación lineal de los restantes, de manera que si la combinación lineal
es igual a cero, entonces cada uno de sus coeficientes es igual a cero
Los vectores linealmente independientes tienen distinta dirección y sus componentes no son
proporcionales.
vectores en son linealmente dependientes si su determinante es distinto de cero.
Ejemplo:
Estudiar si son linealmente dependientes o independientes los
vectores
1Calculamos el determinante de los vectores
2Como el determinante es igual a cero, concluimos que los vectores son linealmente
dependientes.
Base
Tres vectores con distinta dirección forman una base, porque cualquier vector
del espacio se puede representar como combinación lineal de ellos
Las coordenadas del vector respecto a la base son:
Base ortogonal
Una base es ortogonal si los vectores de la base son perpendiculares entre sí.
Base ortonormal
Una base es ortonormal si los vectores de la base son perpendiculares entre sí, y además
tienen módulo 1.
La base formada por los vectores se
denomina base canónica.
Ejemplo:
¿Para que valores de los vectores
forman una base?
1Calculamos el determinante de los vectores
2El determinante se hace cero para , luego los vectores son linealmente
dependientes y no forman una base si .
3El determinante es distinto de cero para , luego los vectores son linealmente
independientes y forman una base si .
Demostración:
Consultar con el Docente de la cátedra, pues la misma es evaluada en el examen
final.
__________Observaciones
Retomando el concepto de "Isomorfismo entre Espacios Vectoriales" se puede
enunciar el siguiente:
Demostración[editar]
Sea T : V → W una aplicación lineal. Supongamos que el conjunto forma
una base del núcleo de T, (ker T). Por el teorema de extensión de la base, podemos
extender este conjunto para formar una base de V: . Puesto que la dimensión del
núcleo de T es m y la dimensión de V es m + n, solo se necesita demostrar que la
dimensión de la imagen de T (im T) es n.
Veamos que el conjunto es una base de im T. Sea v un vector arbitrario en V. Existen
escalares únicos tales que:
Por lo tanto, genera la im T.
Ahora, solo se necesita demostrar que el conjunto es linealmente independiente.
Podemos hacer esto demostrando que una combinación lineal de estos vectores es
cero si y solo si el coeficiente de cada vector es cero. Sea:
Entonces, puesto que ui genera a ker T, existe un conjunto de escalares di tales que:
Pero, puesto que el conjunto forma una base de V, todos los escalares ci, di deben ser
cero. Por lo tanto, es linealmente independiente y forma una base de im T. Esto
prueba que la dimensión de im T es n, como se deseaba.
x1+2x2+3x3= 9
4x1+5x2+6x3= 24
3x1+x2+2x3= 4
-4x1-8x2-12x3=-36
4x1+5x2+6x3=24
sumándolas resulta
-3x2-6x3=-12
La nueva ecuación se puede sustituir por cualquiera de las dos. Ahora tenemos:
x1+2x2+3x3= 9
0x1-3x2-6x3= -12
3x1+x2-2x3= 4
x1+2x2+3x3= 9
0x1-3x2-6x3= -12
0x1-5x2-11x3=-23
x1+2x2+3x3= 9
0x1+x2+2x3= 4
0x1+0x2+x3= 3
x3= 3
x2= 4-2(x3) = -2
x1= 9-3(x3)-2(x2) = 4
Se ha visto que al multiplicar o dividir los lados de una ecuación por un número
diferente de cero se obtiene una ecuación nueva y válida.
Tipos de sistemas
Un sistema de ecuaciones lineales puede ser:
donde
Ver matrices
Ver ejemplo
Método de Gauss-Jordan
7 de julio de 2010 Publicado por Victoria Pérez
Este método debe su nombre a Carl Friedrich Gauss y a Wilhelm jordan. Se trata de una serie
de algoritmos del algebra lineal para determinar los resultados de un sistema de ecuaciones
lineales y así hallar matrices e inversas. El sistema de Gauss se utiliza para resolver un
sistema de ecuaciones y obtener las soluciones por medio de la reducción del sistema dado a
otro que sea equivalente en el cual cada una de las ecuaciones tendrá una incógnita menos
que la anterior. La matriz que resulta de este proceso lleva el nombre que se conoce como
forma escalonada.
Este método, permite resolver hasta 20 ecuaciones simultáneas. Lo que lo diferencia del
método Gaussiano es que cuando es eliminada una incógnita, se eliminará de todas las
ecuaciones restantes, o sea, las que anteceden a la ecuación principal así como de las que la
siguen a continuación. De esta manera el paso de eliminación forma una matriz identidad en
vez de una matriz triangular. No es necesario entonces utilizar la sustitución hacia atrás para
conseguir la solución.
Para resolver sistemas de ecuaciones lineales con el método Gauss Jordan, debemos en
primer lugar anotar los coeficientes de las variables del sistema de ecuaciones lineales con la
notación matricial, por ejemplo:
Logramos esto aplicando a las distintas columnas y filas de las matrices, restas, sumas,
multiplicaciones y divisiones. Debemos tener en cuenta que las operaciones utilizadas se
aplicarán en todos los elementos de la fila.
En dicha matriz identidad no vemos los términos independientes. Esto sucede ya que cuando
la matriz original alcance la matriz identidad, los términos serán la solución del sistema y
verificarán la igualdad para cada variable que se corresponderán de la forma siguiente:
• d1 = x
• d2 = y
• d3 = z
Ahora teniendo clara esta base, analicemos detalladamente este método con un ejemplo
concreto.
Realizado lo anterior, podemos operar con las distintas columnas y filas de la matriz para así
convertirla en la matriz identidad, sin olvidar la forma del sistema:
Ahora debemos transformar el 2 de la primera fila de la matriz original en el 1 de la primera fila
de matriz identidad. Para realizar este paso multiplicamos toda la fila 1 por el inverso de 2, o
sea ½. Veamos como nos queda:
A continuación debemos obtener los dos ceros de la primera columna de la matriz identidad.
Para lograrlo buscaremos el opuesto de los números que se encuentren por debajo del 1 de la
primera columna. El opuesto de 3 será -3 y el de 5 -5. Hecho esto multiplicaremos los
opuestos de estos números por cada uno de los elementos de la fila primera y estos se
adicionarán a los números de sus respectivas columnas Por ejemplo en el caso de la segunda
fila, se multiplicará a -3 que es el opuesto de 3, por cada uno de los elementos de la primera
fila y se añadirá el resultado con el número correspondiente de la columna de la segunda fila.
Veamos el ejemplo:
A medida que realicemos este procedimiento operando con las distintas filas y columnas de la
matriz, observaremos como esta se transforma en el modelo de la matriz identidad. Finalizado
el proceso, encontraremos finalmente en la cuarta columna los valores de las variables.
Veamos entonces como nos quedaría:
x= 1
y= -1
z= 2
Resuelto el sistema de ecuaciones, podemos verificar como último paso:
1Si a ambos miembros de una ecuación de un sistema se les suma o se les resta
una
misma expresión, el sistema resultante es equivalente.
4 Sin en un sistema se sustituye una ecuación por otra que resulte de sumar las
dos
ecuaciones del sistema previamente multiplicadas o divididas por números no
nulos,
resulta otro sistema equivalente al primero.
3x + 2y + z = 1
5x + 3y + 4z = 2
x + y − z = 1
1 -2 1 | 1 1 -2 1 | 1
0 1 1 | 4 0 1 1 | 4
0 -2 5 | 6 0 0 7 |14
1 -2 1 | 1
0 1 1 | 4
0 0 1 | 2
1 -2 0 |-1
0 1 0 | 2
0 0 1 | 2
1 0 0 | 3
0 1 0 | 2
0 0 1 | 2
Mes salíó muy sencillo el ejemplo, no hace falta dividir por nada ahora, ya tenemos
directamente la respuesta en cada fila, en la primera x=3, en la segunda y=2 y en la
tercera z=2
Y eso es todo.