Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
escalar- tambi en componente a componente- de modo que ciertas propiedades como la asociatividad y la conmutatividad se cumplan. La naturaleza de esta estructura es muy simple, lo cual es una ventaja did actica que emplearemos en nuestro provecho. La posibilidad de establecer en R2 y R3 una relaci on entre operaciones algebraicas y geom etricas es una oportunidad para enriquecer nuestra intuici on y acercarnos al concepto de espacio vectorial.(1 Al aplicar transformaciones elementales entre las quiz as hemos pasado por alto que el resultado ha sido siempre otra la del mismo tipo, es decir, con el mismo n umero de entradas. Esto signica que las transformaciones elementales son cerradas pues transforman las o pares de las en las del mismo tipo. Ya hemos visto que una la es tambi en una matriz de varias columnas y una sola la, y que recibe el nombre de vector (la). La palabra vector est a asociada a entidades f sicas que exhiben tres atributos fundamentales: direcci on, sentido y longitud. Lo usual en F sica es considerar vectores de dos o tres componentes, pero estas no son las u nicas opciones.2 De hecho, el n umero (3 de componentes corresponde a un nuevo atributo: la dimensi on. Ahora no interesa ir m as all a de nuestra experiencia con estas echas, que en sentido amplio llamamos vectores. De momento, nuestro modelo de vector corresponde a una colecci on ordenada de n umeros reales o complejos, separados por un espacio o una coma, dispuestos de manera vertical u horizontal. En principio, nuestro discurso puede hacerse, indistintamente, con vectores la o columna. Sin embargo, en lo que sigue asumiremos que todos los vectores son columnas, salvo que se especique que se trata de vectores la.
Vectores en Rn
Sea n un n umero entero positivo jo. Consideremos la colecci on de todas las listas de n umeros reales escritas en columna. A esa colecci on , a ese conjunto, le llamamos Rn . En s mbolos v1 v2 n R = { . ; v1 , , vn R} . . vn
1 2
Ver la secci on 1.3 de [1]. En F sica tambi en se emplean vectores con m as de tres componentes. 3 La dimensi on puede ser nita o innita. M as adelante podremos precisar a un m as este concepto.
A esta transformaci on V V T le llamamos transposici on, y al vector V T el vector transpuesto de V . Reescribamos la representaci on de Rn empleando la transposici on Rn = {V = (v1 , v2 , , vn )T ; v1 , , vn R} Podemos denir la igualdad entre elementos de Rn en t erminos de la igualdad componente a componente. Tambi en, de esta manera, podemos denir la suma y el producto por un escalar. v1 v1 u1 + v1 v1 u1 v2 v2 u2 v2 u1 + v2 , = . , . = . + . . . . . . . . . . . . vn vn un + vn vn un donde R. Es una costumbre llamar Rn al conjunto anteriormente denido junto a las operaciones suma y producto por un escalar. Todo ello en un mismo s mbolo. Se nalemos la T n existencia de un vector notable: el vector nulo 0R = (0, ..., 0) , aqu el cuyas componentes son todas cero. Las propiedades b asicas que cumplen estas operaciones dotan a Rn de una estructura de espacio vectorial.
Propiedades algebraicas de Rn
Cualesquiera sean U, V, W Rn , y , R, se cumplen las siguientes ocho propiedades i. U + V = V + U ii. (U + V ) + W = U + (V + W ) iii. U + 0Rn = U iv. U + (U ) = U + U = 0Rn
v. (U + V ) = U + V vi. ( + )U = U + U vii. (U ) = ()U viii. 1U = U El hecho a destacar es que las anteriores propiedades son las que se verican en cualquier espacio vectorial. En lugar de propiedades podemos llamarles axiomas y con ellos establecer el concepto abstracto de espacio vectorial. M as adelante lo haremos pero ser a repetir el listado anterior.
Subespacios
Si = S Rn , decimos que S es un subespacio de Rn si las leyes algebraicas que dotan a Rn de estructura de espacio vectorial, inducidas en S , tambi en verican las propiedades i-viii, para todo U, V, W S , y , R. Se entiende que todo subespacio vectorial es tambi en un espacio vectorial que ha heredado las leyes del espacio que le cobija. El m etodo te orico y general que seguimos para demostrar que una parte no vac a de un espacio vectorial es un subespacio es la siguiente. n 1 Sea = S Rn . Decimos que S es un subespacio de Rn si y s Proposicio olo si se cumplen i. Para todo U, V S se tiene que U V S ii. Para todo R y todo V S se cumple que V S . Las siguientes proposiciones son equivalentes a la proposici on 1 y por tanto pueden ser tambi en empleadas por el alumno si lo estimase conveniente. n 2 Sea = S Rn . Decimos que S es un subespacio de Rn si y s Proposicio olo si se cumplen i. Para todo U, V S se tiene que U + V S ii. Para todo R y todo V S se cumple que V S . n 3 Sea = S Rn . Decimos que S es un subespacio de Rn si y s Proposicio olo si se cumplen
i. Para todo U, V S y , R, se tiene que U + V S Veremos otras maneras de demostrar que una parte S del espacio es subespacio vectorial, en algunos casos m as t ecnicas y m as sencillas que las enumeradas anteriormente.
Uno de nuestros objetivos fundamentales consiste en dado S , hallar un S , S S , lo m as peque no posible y tal que Gen(S ) = Gen(S ). Teorema 1 Dada una colecci on {Fi ; i I }, nita o innita de subespacios de E , su intersecci on F = iI Fi es tambi en un subespacio de E . En general, la uni on de subespacios no es necesariamente un subespacio. Teorema 2 Gen(S ) es la intersecci on de todos los subespacios que contienen a S , y por tanto, Gen(S ) es un subespacio vectorial. De hecho, Gen(S ) es el menor subespacio que contiene a S .(6 n 3 Dado un subespacio F del espacio E , decimos que el sistema S es geDefinicio nerador de F si Gen(S ) = F . Para entender mejor lo que signica Gen(S ) consideremos algunos ejemplos sencillos pero importantes. Supongamos que S1 = Gen({V }). Seg un lo anterior, S1 es un subespacio del espacio al que pertenece V . Exactamente S1 = {V, R}, es decir, todos los m ultiplos escalares de V . Es lo que llamaremos una recta generada por V , o paralela a V . Qu e ocurre si consideramos dos vectores U y V ? Si S2 = Gen({U, V }) entonces puede ocurrir una de las dos siguientes posiblidades. i. S2 es una recta si los vectores son colineales, es decir, U = V , para cierto R. ii. S2 no es una recta si los vectores no son colineales. Si el espacio al que pertenecen estos vectores es R3 , entonces S2 ser a un plano que pasa por el origen. Si fuese R2 entonces S2 = R2 . Los vectores de suman entre s , y se multiplican por escalares. La ley asociativa le otorga consistencia a la suma de n vectores cualesquiera de Rn : V1 + + Vm . Estos vectores pueden ser previamente multiplicados por escalares 1 ,...,m , para formar lo que conocemos como combinaci on lineal de los vectores Vi . 1 V1 + + m Vm Escribamos 1 V1 + + m Vm = V Rn . Notemos que hemos construido un vector V mediante cierta agrupaci on de vectores y escalares. Fijemos los vectores Vi y hagamos dos preguntas: i. Es u nica esta forma de construir a V ?
6
ii. Dado otro W Rn cualquiera, existir an escalares 1 , ..., m tales que 1 V1 + + m Vm = W ? Denamos lo que se conoce como sistema linealmente independiente (l.i.) o libre n 4 Sea E un espacio vectorial. Un conjunto (o sistema) de vectores S = Definicio {V1 , , Vm } E , es l.i. si cualquier combinaci on lineal de estos vectores que cumpla 1 V 1 + + m Vm = 0E implica inevitablemente que los escalares son nulos, es decir, 1 = = m = 0. En caso contrario decimos que es un sistema linealmente dependiente (l.d.). Hay algunas proposiciones relacionadas con la independencia o dependencia lineal de vectores, que aparecen con frecuencia, por ejemplo i. Si V = 0E entonces el sistema formado u nicamente por el vector V , es decir, S = {V }, es un sistema linealmente independiente. (Probarlo) ii. Si S es libre, entonces cualquier S S , S = , es tambi en libre. iii. Si 0E S entonces S es linealmente dependiente (l.d.) (Probarlo) iv. Si S es l.d., entonces cualquier S S , es tambi en l.d. v. Si S es l.d., al menos uno de sus vectores es combinaci on lineal de los restantes. (Probarlo) En el curso subsiguiente de la asignatura veremos algunas t ecnicas para probar la independencia o dependencia lineal de una colecci on nita de vectores. La independencia lineal de un sistema de vectores {V1 , , Vm } est a relacionado con la unicidad de la representaci on que obtenemos de aquellos vectores que se esciben como combinaci on lineal de los Vi . La independencia lineal es el concepto que responde a la primera de las preguntas formuladas anteriormente. Lo que sigue responde a la segunda cuesti on. Sistemas generadores Dado un subespacio S de Rn , V S , y vectores Vi S , i = 1, ..., m, nos interesa saber si existen escalares i , i = 1, ...m, tales que 1 V1 + + m Vm = V . Si para todo V S existen tales escalares decimos que {V1 , ..., Vm } genera a S . Dicho de otro modo, dados V1 ,...,Vm , vectores del subespacio S de Rn (o de un espacio E cualquiera), es cierto o no que Gen({V1 , ..., Vm }) = S . Si fuese cierto, dir amos que {V1 , ..., Vm } genera a S , o que los vectores Vi , i = 1, ..., m son un sistema generador de S . En [1], secci on 1.3, pueden verse algunas aplicaciones del a lgebra lineal donde las combinaciones lineales tienen un rol destacado.
Bases
Dado un espacio vectorial cualquiera E nos interesa hallar un conjunto de vectores de E que le genere, es decir, si S es un tal sistema pretendemos que Gen(S ) = E . En otras palabras, todo vector de E se escribe como una combinaci on lineal de vectores de S . Por otra parte, parece ventajoso generar a S con la menor cantidad posible de vectores. La cuesti on es garantizar la existencia de semejante generador minimal.(7 n 5 Un sistema de vectores S es una base de E si Definicio i. S es l.i. ii. Gen(S ) = E . Ejemplo 1 Si E = R3 podemos escoger la llamada base can onica S = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} Es muy f acil hallar los escalares de la combinaci on lineal de la base can onica que produce un vector X R3 , en efecto X = (x1 , x2 , x3 ) = x1 (1, 0, 0) + x2 (0, 1, 0) + x3 (0, 0, 1). En lo sucesivo pondremos e1 = (1, 0, 0), e2 = (0, 1, 0), e3 = (0, 0, 1). Es aconsejable reformular los conceptos. En el caso que ahora nos ocupa podemos decir que: Una colecci on B de vectores de un espacio E es una base si y s olo si todo vector de E se puede escribir como una u nica combinaci on lineal de vectores de B .
Dimensi on
n 6 Si E admite una base nita B , entonces la dimensi Definicio on de E es el n umero de vectores de B , y al espacio E se le llama espacio de dimensi on nita. En otro caso se dice que E es de dimensi on innita. Si E = {0E } (espacio trivial) entonces se dice que E tiene dimensi on cero. La denici on anterior es consistente pues se prueba que todas las bases tienen el mismo n umero de vectores.
Decir que S es generador minimal signica que si S S , S = S entonces el sistema S no genera a E.
7
Teorema 3 Si E es de dimensi on nita n y F es un subespacio de E con dimensi on m, entonces m n. Teorema 4 Si dim E = n y S = {V1 , ..., Vm } es un sistema l.i., entonces m n. En este curso no trataremos con espacios de dimensi on innita, pero daremos un ejemplo en el siguiente material.
Problemas
Los problemas se conguran de la siguiente forma: i. Dada una colecci on de vectores concluir acerca de su dependencia lineal. ii. Dada una parte de un espacio vectorial, probar que esta es un subespacio.
10
iii. Dado un subespacio, hallar una base del mismo. iv. Dado un subespacio, calcular su dimensi on. Las dos u ltimas tareas est an obviamente relacionadas entre s . En el Bolet n 1 aparecen problemas de este tipo.
References
[1] David C. Lay, Algebra Lineal y sus Aplicaciones, Naucalp an de Ju arez (M exico) : Pearson Educaci on, 2007 Signaturas: IND M4 319, TEL M1 213, TOR 512 LAY alg.