Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Matem
aticas I. 2012-2013.
Departamento de Matem
atica Aplicada II.
Escuela Superior de Ingenieros. Universidad de Sevilla.
94
Y algunos ejemplos tpicos de conjuntos que, con las operaciones usuales, no son espacios
vectoriales:
El conjunto de todas las matrices cuadradas de orden n que tienen inversa.
El conjunto de los polinomios de un grado prefijado n N.
El conjunto de las funciones continuas f (en un punto, en un intervalo) tales que
f (x0 ) = 1 siendo x0 un punto del intervalo dado.
El conjunto de los vectores de R2 cuya segunda coordenada es igual a uno.
El conjunto de los vectores de R2 cuyas coordenadas verifican una ecuacion de segundo
grado.
El tipo de subconjuntos mas importantes dentro de un espacio vectorial son los llamados
subespacios vectoriales. En ellos se puede realizar las operaciones del espacio vectorial sin
salirnos de dicho subconjunto.
Definici
on. Se dice que un subconjunto (no vacio) S de un espacio vectorial es un subespacio vectorial si, con las operaciones que hay definidas en el espacio vectorial, es un
espacio vectorial. Es decir, si verifica que:
(a) u S, K = u S.
(b) u, v S = u + v S.
De forma equivalente, S es un subespacio vectorial si
u, v S y , K = u + v S.
Notemos que si S es un subespacio vectorial, el vector nulo tiene que pertenecer a S.
La propiedad (a) nos dice que si tenemos un vector no-nulo de un subespacio vectorial,
la recta determinada por dicho vector esta contenida en el subespacio. La propiedad (b)
nos dice que si tenemos dos vectores (que no sean uno m
ultiplo del otro) de un subespacio
vectorial, el plano determinado
por
dichos
vectores
est
a
contenido
en el subespacio.
{ }
n
Obviamente S = 0 y S = K son subespacios vectoriales (a veces llamados subespacios
triviales). En el espacio tridimensional, cualquier recta o plano que pase por el origen es
un subespacio vectorial. En el plano, los vectores de posicion determinados por los puntos
de una par
abola NO forman un subespacio vectorial.
Matematicas I.
Ingeniera Civil
95
Proposici
on. El conjunto de todas las combinaciones lineales de unos vectores dados es
un subespacio vectorial. Es decir, dados {v1 , . . . , vn },
Gen {v1 , . . . , vn } = {c1 v1 + + cn vn : c1 , . . . , cn K}
es un subespacio vectorial (del espacio vectorial que se este considerando). Este subespacio
vectorial se denomina subespacio generado por {v1 , . . . , vn }.
Es facil comprobar que se cumplen las siguientes propiedades.
Propiedades.
(1) Gen {v2 , . . . , vn } Gen {v1 , v2 , . . . , vn } .
(2) Gen {v1 , v2 , . . . , vn } = Gen {cv1 , v2 , . . . , vn } si c = 0.
(3) Gen {v1 , v2 , . . . , vn } = Gen {v1 + v2 , v2 , . . . , vn }.
(4) El subespacio generado por un conjunto de vectores no cambia al a
nadir combinaciones
lineales de dichos vectores o quitar vectores que sean combinacion lineal de los restantes.
Ejemplos. Algunos ejemplos de subconjuntos que son o no son subespacios vectoriales.
En el espacio vectorial de las matrices m n,
el subconjunto de las matrices que tienen una fila (prefijada) nula es un subespacio
vectorial.
el subconjunto de las matrices que tienen una fila (prefijada) no nula no es un
subespacio vectorial.
En el espacio vectorial de las matrices cuadradas n n,
el subconjunto de las matrices simetricas es un subespacio vectorial.
el subconjunto de las matrices A cuadradas n n que verfican que A2 = 0 no es
un subespacio vectorial.
el subconjunto de las matrices cuadradas n n con determinante cero no es un
subespacio vectorial.
En el espacio vectorial de todos los polinomios en una variable,
el subconjunto de los polinomios de grado par no es un subespacio vectorial.
el subconjunto de los polinomios de grado impar no es un subespacio vectorial.
el subconjunto de todos los polinomios en una variable de grado menor o igual
que un cierto n N.
Relacionados con los subespacios vectoriales estan las llamadas variedades lineales (o
afines). No son otra cosa que trasladados de subespacios vectoriales. Es decir, una variedad
es un conjunto de vectores que se puede expresar de la forma p + S siendo p un vector
dado y S un subespacio vectorial. Por ejemplo, en el plano o en el espacio, puesto que
una recta que pase por el origen de coordenadas es un subespacio vectorial, cualquier recta
Matematicas I.
2012-2013
96
Ingeniera Civil
97
Puesto que Nul (A) es un subespacio vectorial, para cualquier vector p Kn , el conjunto
p + Nul (A) es una variedad lineal. Para cualquier v p + Nul (A) tendremos un vector
u Nul (A) tal que v = p + u y por tanto, Av = Ap + Au = Ap. Es decir, v es solucion del
sistema Ax = b siendo b = Ap. Reciprocamente, si tenemos un sistema Ax = b compatible y
p es una solucion, cualquier otra solucion v puede expresarse mediante v = p + (v p) que
es un vector de p + Nul (A) (puesto que A(v p) = Av Ap = b b = 0).
Por tanto, asociado a una matriz A, m n tenemos:
(1) Nul (A), el conjunto solucion del sistema homogeneo Ax = 0 (es un subespacio vectorial
de Kn ).
(2) Col (A), el conjunto de terminos independientes y para los que el sistema Ax = y es
compatible (es un subespacio vectorial de Km )
(3) Para cada y Km , el conjunto solucion del sistema Ax = y, {x Kn : Ax = y}.
Si y Col (A) (el sistema Ax = y es compatible) es una variedad lineal de Kn . Si
y
/ Col (A) (el sistema Ax = y es incompatible) no hay ning
un vector en dicho
conjunto.
Ejercicio.
(1) Que relacion hay entre el espacio columna de una matriz y el de la matriz que se
obtiene al hacer operaciones columna sobre la matriz?
(2) Que relacion hay entre el espacio nulo de una matriz y el de la matriz que se obtiene
al hacer operaciones fila sobre la matriz?
4.2.2.- Dependencia e independencia lineal.
Definici
on. Consideremos un conjunto finito de vectores {v1 , . . . , vn }.
(a) Se dice que {v1 , . . . , vn } es linealmente dependiente (L.D.) si existe alguna combinacion lineal no trivial de dichos vectores igual al vector nulo. Es decir, si existen
coeficientes 1 , 2 , . . . , n K no todos nulos tales que
1 v1 + 2 v2 + + n vn = 0.
(b) Se dice que {v1 , . . . , vn } es linealmente independiente (L.I.) si no es linealmente
dependiente.
Si {v1 , . . . , vn } son vectores linealmente dependientes y tenemos una combinacion lineal
de estos vectores igual al vector nulo
1 v1 + 2 v2 + + n vn = 0
y el coeficiente k = 0, entonces de la igualdad anterior se puede despejar vk que quedara expresado como combinacion lineal de los restantes vectores. Reciprocamente si tenemos un
vector que es combinacion lineal de otros, el conjunto formado por estos y el vector combinacion lineal es un conjunto linealmente dependiente. Notemos ademas de que si una
combinacion lineal de vectores es igual al vector nulo, la combinacion lineal que resulta de
multiplicar por cualquier coeficiente tambien es el vector nulo.
Propiedades. Consideremos un conjunto finito de vectores {v1 , . . . , vn }.
Matematicas I.
2012-2013
98
Al a
nadir vectores a un conjunto L.D. se obtiene un conjunto L.D.
Al suprimir vectores de un conjunto L.I. se obtiene un conjunto L.I.
.. .. ...
A = v1 v2 vn
.
.. ..
. . ..
Son equivalentes:
(1) {v1 , . . . , vn } es un conjunto linealmente dependiente.
(2) El sistema de ecuaciones Ax = 0 tiene infinitas soluciones.
(3) Al reducir A a forma escalonada se obtienen r pivotes, r < n.
(4) Alguno de los vectores vk es combinacion lineal de los restantes.
(5) Si el primer vector v1 es no-nulo, alguno de los vectores es combinacion lineal de los
anteriores.
Observaci
on. Interpretacion de la reduccion por filas de una matriz A en relacion con la
dependencia o independencia lineal de los vectores-columna de la matriz A.
Notemos que dar una cierta combinacion lineal de vectores es lo mismo que multiplicar la matriz cuyas columnas son dichos vectores por el vector columna formado por los
correspondientes coeficientes
.. ..
..
x1
. . .
x2
.
x1 v1 +2 v2 + + xn vn = v1 v2 . . . vn
.
..
.. ..
..
. . .
xn
Matematicas I.
Ingeniera Civil
..
.
..
.
A=
v1 v2
.. ..
. .
99
..
0
operaciones
.
fila - U =
..
. vn
..
*
0
tenemos que:
Cada columna de U en la aparece un pivote es linealmente independiente con las
anteriores columnas de U . Por tanto, esto mismo es cierto para las correspondientes
columnas de A.
Cada columna de la matriz U en la que no hay pivote es combinacion lineal de las
anteriores columnas de U . Por tanto, esto mismo es cierto para las correspondientes
columnas de A.
Si tenemos una cierta fila nula en la matriz U esto quiere decir que una cierta combinacion lineal de las filas de la matriz A es igual a la fila nula.
Las filas pivote (de U y las correspondientes de A dependiendo de los intercambios de
fila que se hayan hecho) son linealmente independientes.
Es decir, en la situacion del esquema anterior, se verifica que
la columna 3 de U es combinacion lineal de las columnas 1 y 2 (y lo mismo es cierto
para las correspondientes columnas de A),
las columnas {columna1, columna2, columna4} de U son linealmente independientes (y
lo mismo es cierto para las correspondientes columnas de A.
A = v1 v2
.. ..
. .
hemos considerado;
El espacio nulo de la matriz A, esto es el conjunto de vectores x Kn caracterizados
por las ecuaciones implcitas homogeneas
Ax = 0
.
..
.. ..
.
.
.
a x + a x + + a x = 0
m1 1
m2 2
mn n
Matematicas I.
2012-2013
100
El espacio columna de la matriz A (y el subespacio generado por unos ciertos vectores), esto es, el conjunto de vectores y
y = 1 v1 + 2 v2 + + n vn
caracterizado por
y1
y2
..
, 1 , 2 , . . . , n K.
Ingeniera Civil
101
1 2 0 3
A = 3 0 1 1 .
1 4 1 5
Es decir, estamos considerando el conjunto S de los vectores x R4 cuyas coordenadas
(x1 , x2 , x3 , x4 ) verifican las ecuaciones (implcitas)
x1 + 2x2 +
3x4 = 0
3x1 +
x3 x4
= 0 .
x1 + 4x2 + x3 + 5x4 = 0
Haciendo operaciones fila sobre la matriz A
ecuaciones del sistema) tenemos
1 2 0 3
1
F2 + 3F1
3 0 1 1
0
A=
F3 + F1
1 4 1 5
0
2 0 3
6 1 8
6 1 8
1 2 0 3
- U = 0 6 1 8 .
0 0 0 0
F3 F2
De hecho, refiriendonos a la matriz original tenemos que F3 (A) = F2 (A)+2F1 (A). Equivalentemente, la tercera ecuacion del sistema original es combinacion lineal de las dos primeras con
lo cual si un vector es solucion de las dos primeras tambien lo es de la tercera. Resumiendo,
tenemos que
[
]
[
]
1 2 0 3
1 2 0 3
S = Nul (A) = Nul
= Nul (U ) = Nul
3 0 1 1
0 6 1 8
Matematicas I.
2012-2013
102
con lo cual nuestro conjunto S de vectores esta caracterizado por las ecuaciones (no redundantes)
} (
})
x1 + 2x2 +
3x4 = 0
x1 + 2x2 +
3x4 = 0
o por
.
6x2 + x3 + 8x4 = 0
3x1 +
x3 + x4
= 0
Resolviendo el sistema U x = 0 tenemos
Variables libres
-1 2 0 3 0
x3 y x4 .
0
6 1 8 0 =
Variables fijas =
0
0 0 0 0
x1 y x2 .
x2 = 61 (x3 8x4 )
x1
x2
x3 = x3
x4
1
31
3
8
16
+ x4 6 .
0
1
0
1
Por tanto,
1
13
3
1
8
6
6
0
1
31 13
1 8
6
6 = Col
= Col
1
0
0
1
= Gen
1
6v1 =
6
, 3v2 = 4
2 1
1 4
.
6
0
0
3
Los vectores {v1 , v2 } forman una base de S = Nul (A). Los vectores de Nul (A) son los que
pueden expresarse como combinacion lineal de v1 y v2 y, como consecuencia de la independencia lineal, cada vector de S solo puede expresarse de una forma como combinacion lineal
de v1 y v2 . Los coeficientes que aparezcan en dicha combinacion lineal son las coordenadas
del vector de S respecto a la base {v1 , v2 } (de S). El vector v = [8 5 18 6] esta en S y
sus coordenadas respecto a {v1 , v2 } son la solucion de
1 1
3 3 8
[ ]
1 8 5
6
6
,
v = v1 + v2 v = v1 v2
1
0 18
0
1 6
es decir, = 18, = 6 (v = 18v1 6v2 ).
Ejemplo.- (Ecuaciones parametricas Ecuaciones parametricas y Ecuaciones implcitas
no redundantes y una base). Vamos a utilizar la misma matriz A del ejemplo anterior.
El espacio columna de dicha matriz es, por definicion de espacio columna, el conjunto de
Matematicas I.
Ingeniera Civil
103
vectores y que se pueden expresar como combinacion lineal de las columnas de A, es decir
los vectores y (con 3 coordenadas!) que se pueden expresar mediante
y1
1
2
0
3
y = y2 = 3 + 0 + 1 + 1
y3
1
4
1
5
para ciertos , , , R. Esto es lo mismo que decir que el espacio columna esta formado
por los vectores y R3 para los que el sistema de ecuaciones Ax = y tiene solucion. En dicho
caso, cada solucion del sistema Ax = y nos dara una forma de expresar y como combinacion
lineal de las columnas de A. Obtengamos, para un vector generico y R3 las condiciones de
compatibilidad del sistema Ax = y, reduciendo la matriz ampliada del sistema [A|y] a forma
escalonada. Haciendo las mismas operaciones fila que hemos hecho cuando hemos obtenido
el espacio nulo tenemos
1 2 0 3 y1
F2 + 3F1
1 2 0 3
y1
- 0 6 1 8 y + 3y
[A|y] = 3 0 1 1 y2
2
1
1 4 1 5 y3
F3 + F1
0 6 1 8 y3 + y1
F3 F2
-1
- U = 0
0
2
6
0
0 3
y1
.
1 8
y2 + 3y1
0 0 y3 y2 2y1
[ ]
y1
v1 v2 = y 2
y3
tiene solucion u
nica. Para discutir, y resolver, este sistema basta con suprimir las columnas
3 y 4 de la reduccion que hemos hecho del sistema Ax = y con lo cual tenemos
-1 2
y1
1 2 y1
3 0 y2 0
6
1y2 + 3y1 .
1 4 y3
0
0 y3 y2 2y1
Matematicas I.
2012-2013
104
La solucion u
nica (, ) de este sistema (compatible cuando y Col (A)) nos dara los
coeficientes para los cuales se verifica
y = v1 + v2 .
Estos coeficientes (, ) (
unicos para cada vector y Col (A)) se denominan coordenadas de
y respecto de la base {v1 , v2 }. Por ejemplo, las coordenadas del vector
1
y= 1
( Col (A) puesto que y3 y2 2y1 = 3 1 2 = 0)
3
respecto a la base {v1 , v2 } de Col (A) vienen dadas
[ ]
-1
1
v1 v2 = 1 0
3
0
Ejemplo. Consideremos la matriz
[ ] [ 1 ]
2 1
= 34 .
6 4 =
6
0 0
1 0 1 2
1
2 2 2 5
0
A=
1 4 0 3 3 .
1 2 1 3 1
Con el mismo proceso de reduccion a forma escalonada vamos a obtener: S1 = Nul (A) K5 ,
unas ecuaciones parametricas de S1 , S2 = Col (A) K4 , unas ecuaciones implcitas de S2 ,...
Reducimos a forma escalonada un sistema de ecuaciones Ax = y siendo y un vector
generico de K4 ,
[A|y]
F2 2F1
-1
0 1
F3 + F1
F4 F1 0 2 0
0 4 1
0
2 0
-1
0 1
F3 + 2F2
0
F4 F2 0 2
0 0 1
0 0 0
2
1
y1
1 2 y2 2y1
1
4 y3 + y1
1
0 y4 y1
2
1
y1
1 2
y2 2y1
1
0 3y1 + 2y2 + y3
0
0
y1 y2 + y4
Matematicas I.
Ingeniera Civil
105
y cada vector y Col (A) se puede expresar de infinitas formas distintas (cada una de
las soluuciones del sistema Ax = y) como combinacion lineal de los vectores columna
de A, pero de una u
nica forma como combinacion lineal de {v1 , v2 , v3 }.
(b) El espacio nulo de A, las soluciones del sistema Ax = 0: Puesto que al reducir hemos
obtenido 2 variables libres, la solucion general del sistema homogeneo se podra expresar
en funcion de 2 parametros arbitrarios,
-1
0
[A|0]
0
0
0
2
0
0
1
0
1
0
2
1 0
-1
1 2 0 F1 F3 0
1
0 0
0
0
0 0
0
x1 = x4 + x5
1
x2 = 2 x4 + x5 =
x3 = x4
x1
x2
x3
x4
x5
0
2
0
0
+
12 +
1
u1 =
, u2 =
0
0
1
0
1
1 0
1 2 0
1
0 0
0
0 0
1
12
1
1
0
1
1
0
0
1
Notemos por u
ltimo que, puesto que al hacer la reduccion del sistema Ax = 0 hemos
obtenido una fila de ceros, dicha ecuacion es redundante en el sistema homogeneo y
por tanto tenemos que
-1
0
2
0
1 2
1
1 0 1 2 1
0 1 2 = Nul 2 2 2 5 0 .
1 4 0 3 3
1 1
0
2012-2013
106
.. ..
. .
A = v1 v2 . . .
.. ..
. .
vr
..
.
e1 = ..
, e2 =
..
, . . . , en = .
0
1
0
1
..
.
c1
[v]B = ... .
cr
Matematicas I.
Ingeniera Civil
107
Teorema/Definici
on. Consideremos un subespacio vectorial S = {0} de Km .
(1) Teorema. Se verifica:
(a) S tiene base.
(b) Todas las bases de S tienen el mismo n
umero de elementos.
(2) Definici
on. Al n
umero de elementos de una base de S se le denomina dimensi
on de
S. Por definicion, la dimension del subespacio nulo es cero.
Si, al igual que antes, denotamos por A a la matriz cuyas columnas son los vectores dados
.. ..
.
. . ..
..
,
A=
.
v
v
v
1
2
r
.. ..
..
. . .
para cada vector v (vector columna) de S se verifica que v = Ac para alg
un vector de
coeficientes c. De esta forma, todo subespacio se puede expresar como espacio columna de una
matriz cuyas columnas sean los vectores de una base. Por tanto, se puede expresar mediante
ecuaciones parametricas, y elminando los parametros se podran obtener unas ecuaciones
implcitas que caractericen al subespacio dado.
Teorema (El Teorema de la Base). Consideremos un subespacio vectorial S de Km de
dimension p y un conjunto de vectores {u1 , . . . , uq } S:
(a) Si {u1 , . . . , uq } generan S, entonces q p. Ademas, q = p {u1 , . . . , uq } es una base
de S.
(b) Si {u1 , . . . , uq } es linealmente independiente, entonces q p. Ademas, q = p
{u1 , . . . , uq } es una base de S.
En particular, si tenemos un conjunto de n vectores de Km :
Si n > m, los n vectores no pueden ser linealmente independientes,
Si n < m, los n vectores no pueden generar Km .
4.3.2.- Rango de una matriz. El teorema del rango.
Definici
on. Dada una matriz A, m n, se llama rango de A a la dimension de su espacio
columna, es decir, a la dimension del subespacio vectorial (de Km )
Col (A) = {combinaciones lineales de las columnas de A}
= {Ax : x Kn } = {y Km : Ax = y es un S.C.} .
Teniendo en cuenta la relacion entre la dimension del espacio columna de A y la reduccion
de A a forma escalonada tenemos que rango(A) = n
umero de pivotes de A.
Para una matriz cuadrada A de orden n, teniendo en cuenta los resultados sobre la
existencia de la inversa obtenemos que: A tiene inversa rango(A) = n.
Teorema. Consideremos una matriz A, m n. Se verifican:
Matematicas I.
2012-2013
108
(a) rango(A) = rango(AT ). Es decir, la dimension del subespacio vectorial (de Kn ) generado
por las m filas de A coincide con la dimension del espacio columna de A (subespacio
vectorial de Km generado por las n columnas de A):
(
)
dim (Col (A)) = dim Col (AT ) .
Es decir, si por un lado reducimos la matriz A a forma escalonada por filas (mediante
operaciones fila) y por otro reducimos a forma escalonada por columnas (mediante
operaciones columna), el n
umero de pivotes que se tienen en ambas reducciones es el
mismo.
(b) Teorema del rango: dim (Col (A)) + dim (Nul (A)) = n.
(c) En terminos de la reduccion por filas de A a forma escalonada, el Teorema del rango se
puede expresar mediante:
(n
umero de pivotes) + (n
umero de variables libres) = n.
La propiedad (a) anterior no es otra cosa que la expresion de que al reducir a forma
escalonada el n
umero de filas-pivote coincide con el n
umero de columnas-pivote.
Si consideramos la transformacion lineal T : Kn Km , asociada a una matriz A, m n,
el espacio imagen de la transformacion es el espacio columna de la matriz de la matriz A,
Imagen(T ) = T (Kn ) = {T (x) Km : x Kn } =
= {y Km : y = T (x) para alg
un x Kn } = Col (A).
Se trata, por tanto, de un subespacio vectorial de Km cuya dimension es rango(A).
Dada una matriz Am n, la imagen, mediante la transformacion lineal T (x) = Ax, de
cualquier subespacio vectorial S de Kn sera un subespacio vectorial T (S) de Km contenido en
el espacio imagen (columna) y por tanto la dimension de dicho subespacio T (S) sera menor o
igual que el rango (y menor o igual que la dimension del subespacio S original). Ademas, si el
subespacio S puede generarse con ciertos vectores {u1 , . . . , up } (en particular si {u1 , . . . , up }
es una base de S) entonces T (S) puede generarse con {T (u1 ), . . . , T (up )},
S = Gen ({u1 , . . . , up }) = T (S) = Gen ({T (u1 ), . . . , T (up )}) .
No obstante, el que {u1 , . . . , up } sea una base de S no implica que {T (u1 ), . . . , T (up )} sea
una base de T (S).
Por otra parte, si consideramos un subespacio vectorial H de Km , el conjunto de los
vectores x Kn cuyos transformados T (x) = Ax pertenecen a H forman un subespacio
vectorial de Kn .
Ejercicio. Sea A una matriz m n y B una matriz n p, prueba que
rango(AB) mn {rango(A), rango(B)} .
Matematicas I.
Ingeniera Civil
109
1 1 1
1
x1
0 1 1 2 x2
.. .. . . .. .. = .. .
. .
. . . .
0 0 1
n
xn
Resolvemos el sistema
1 1 x1
1 1 x2
.. . . .. ..
. . .
.
0 0 1 xn
1
0
..
.
0 0 0 x1 x2
1 0 0 x2 x3
..
.. . .
.
. . . . ..
.
.
0 0 1 0 xn1 xn
0 0 0 1
xn
1
0
..
.
1
x1 x2
2 x2 x3
..
.
.
.
. =
.
n1 xn1 xn
xn
n
Dada una base V = {v1 , v2 , . . . , vn } de Kn , las coordenadas de un vector x Kn respecto
a dicha base son los coeficientes (
unicos) 1 , 2 , . . . , n para los cuales se verifica
.. ..
..
x1
1
. . .
x2
=
x
=
1 v1 + 2 v2 + + n vn = x v1 v2 . . . vn
..
.
..
.
.. ..
.
. . ..
xn
n
Matematicas I.
2012-2013
110
Solo vamos a considerar cambios de bases entre bases del espacio total Kn . No consideraremos
el problema de cambio de base entre bases de un subespacio.
Dadas dos bases
U = {u1 , u2 , . . . , un }
y V = {v1 , v2 , . . . , vn }
x=
x1
x2
..
.
1
2
..
.
[x]U =
xn
x = 1 u1 + 2 u2 + + n un
La matriz
..
.
x1
x2
..
.
..
.
..
.
= u1 u2
..
..
.
.
xn
..
. un
..
.
..
.
1
2
..
.
()
.
..
..
. un
..
.
..
.
u u
1 2
..
..
.
.
que relaciona las coordenadas de un mismo vector x respecto a la base canonica con las
coordenadas del mismo vector x respecto a la base U se denomina matriz del cambio de
base U C de U a la base canonica C = {e1 , e2 , . . . , en } y se denota por
..
.
..
.
..
.
= u1 u2 . . . un
,
CU
..
..
..
.
. .
Puesto que la
1
2
..
.
n
(
la matriz
igualdad () es
..
..
.
.
= u1 u2
..
..
.
.
P
CU
equivalente a
.. 1
.
..
. un
..
.
P
[x]U
CU
[x]U =
P
CU
)1
[x]C
xn
)1
es la matriz del cambio de base C U con lo cual
P
=
U C
Matematicas I.
x1
x2
..
.
x = [x]C =
P
CU
)1
.
Ingeniera Civil
111
y U = {u1 , u2 , . . . , un }
1
1
x1
1
1
P
= B 1 U,
BU
[x]U = U 1 B [x]B =
P
= U 1 B.
U B
Ejemplos.
(1) Vamos a calcular las matrices de cambio de base entre la base canonica de R3 y la base
{
}
B = v1 = [2 1 0]T , v2 = [1 2 3]T , v3 = [1 0 1]T .
Siendo las coordenadas de un vector generico x R3 respecto a B y respecto a la base
canonica respectivamente,
x1
1
x = x2
[x]B = 2 ,
x3
3
Matematicas I.
2012-2013
112
se verifica que
x1
1
x = 1 v1 + 2 v2 + 3 v3 x2 = v1 v2 v3 2 .
x3
3
P = v1 v2
2 1 1
v3 = 1 2 0
0
3 1
(cuyas columnas son las coordenadas de los vectores B respecto a la base C) es la matriz
P
del cambio de base B C, puesto que
CB
x = [x]C = P [x]B ,
x R3 .
2 1 1
2 2 2
1
P
P
= P 1 = 1 2 1 .
= P = 1 2 0 ,
6
BC
0
3 1
3 6
3
CB
(2) Calculemos las matrices de cambio de base entre las bases
1
1
2
y
B = v1 = 1 , v2 = 2 , v3 = 0
1
3
0
1
1
1
U = u1 = 2 , u2 = 2 , u3 = 3 .
1
2
2
Denotemos las coordenadas de un vector generico x R3 respecto de ambas bases B
y U mediante
1
1
[x]B = 2 , [x]U = 2 .
3
3
Tenemos entonces que x = 1 v1 + 2 v2 + 3 v3 = 1 u1 + 2 u2 + 3 u3 . Escribiendo estas
igualdades en forma matricial
2 1 1
1 1 1
x1
1
1
x2 = 1 2 0 2 = 2 2 3 2
x3
3
3
0
3 1
1 2
2
obtenemos
Matematicas I.
2 1 1
1
1 1 1
1
2 = 1 2 0 2 2 3 2 .
3
0
3 1
3
1 2
2
Ingeniera Civil
113
Por tanto,
2 1 1
1 1 1
2 2 2
1 1 1
P
= 1 2 0 2 2 3 = 61 1 2 1 2 2 3
BU
0
3 1
1 2
2
3 6
3
1 2
2
4 2 12
= 16 4 7 3 .
18 9 21
Analogamente podramos obtener
P
P
=
U B
BU
Matematicas I.
20 25 15
1
5 22 6 .
=
15
15 12 6
2012-2013
114
4.4.- Ejercicios.
4.4.1.- Enunciados.
Ejercicio 1. Determina cuales de los siguientes conjuntos de vectores son subespacios vectoriales, cuales son variadades y cuales no son ni lo uno ni lo otro:
(a) El conjunto de los vectores (x1 , x2 ) R2 cuyas coordenadas verifican, respectivamente,
(a1) x1 x2 = a (a R),
(a2) x1 + 2x2 = 0 o x1 x2 = 0,
(a3) x21 + x22 = a (a R),
(a4) x1 + 2x2 = a y x1 x2 = b, (a, b R).
(b) El conjunto de los vectores (x1 , x2 , x3 ) R3 cuyas coordenadas verifican, respectivamente,
(b1) (x1 + x2 )(x2 + x3 ) = 0,
(b2) x1 = 0 y (x2 = 0 o x3 = 0),
x1 = ,
2
x
=
,
(b3) Se pueden expresar de la forma
2
x3 = 0,
para alg
un R.
(b4) x1 + x2 + x3 0.
(c) El conjunto de los vectores (a1 , a2 , . . . , an ) Rn cuyas coordenadas verifican, respectivamente,
(c1) Cada una de las coordenadas a3 , . . . , an es la media (aritmetica) de las coordenadas anteriores,
(c2) Cada una de las coordenadas a3 , . . . , an es la media geometrica de las dos coordenadas anteriores, a1 + a2 t + a3 t2 + + an tn1 vale 3 para t = 1.
Ejercicio 2. Determina dos bases distintas de cada uno de los subespacios siguientes as
como ecuaciones implcitas independientes para cada uno de ellos:
(a) Vectores de R3 que pueden expresarse como combinacion lineal de
1
1
0
v1 =
y v2 = 1
2
1
y cuyas coordenadas verifican la ecuacion x1 x2 + x3 = 0.
(b) Subespacio de R4 generado por los vectores
1
2
1
0
0
1
v1 =
2 , v2 = 4 v3 = 1
0
0
1
Matematicas I.
y v4 = 2 .
0
2
Ingeniera Civil
4.4.- Ejercicios.
115
x1 x2 + x3 x4 = 0,
2x1 + x2 + x3 = 0,
3x1 2x2 x4 = 0.
x1
x2
x3
x4
1 + + 2,
1 + 2 + ,
2 + 2 7,
+ .
Determina una base (del subespacio director) y la dimension de V y halla unas ecuaciones
implcitas.
Ejercicio 4.
(1) Determina el rango de las siguientes matrices:
0 1 1 2
0
1
0 2 1
2 2
3
A=
, B=
0 1 1 2
2
0
0 0 1 2 3
0
1 1 2
2 3
2
.
1 2
2
1 0 2
(2) Sea A una matriz 20 15 cuyo rango es rango(A) = 12. Determina la dimension de los
siguientes subespacios vectoriales,
Col (A), Nul (A), Col (AT ) y Nul (AT ).
Ejercicio 5.
1
0
T
0
1
0
0
0
1
1 0
0 0
, T = , T =
1 0
0 0
0
1
1
0
1
0
1
1
1
1
3
T 2 =
, T 1 =
, T 0 =
1
0
0
0
1
2
3
que
1
4
.
1
5
2012-2013
116
1
T
=
.
1
1
Ejercicio 8. Se considera la transformacion lineal T cuya matriz asociada es
[
]
1 2 1 2
A=
.
2 4 1 3
(a) Determina el espacio columna de A, Col (A).
(b) Calcular los vectores del n
ucleo de T que, a su vez, verifican el sistema de ecuaciones
{
x1 + 4x2 2x3 + x4 = 2,
x1 + 6x2 4x3 + x4 = 4.
(c) Sea V el conjunto de los vectores encontrados en el apartado anterior. Es V un subespacio vectorial de R4 ? Justifica la respuesta.
Ejercicio 9. Siendo e1 , e2 , e3 los vectores de la base canonica de R3 y sabiendo que los
vectores {u1 , u2 , u3 } e1 = 2u1 + 2u2 + u3 , e2 = u1 2u2 + 2u3 , e3 = 2u1 + u2 + 2u3 , se
nala
la relacion correcta:
2
2 1
(a) [e1 e2 e3 ] = 1 2 2 [u1 u2 u3 ] .
2 1 2
2
2 1
2 1 2
(b) [u1 u2 u3 ] = 1 2 2 = 91 2 2 1 .
2 1 2
1 2
2
2 1 2
2
2 1
(c) [u1 u2 u3 ] = 2 2 1 = 91 1 2 2 .
1 2
2
2 1 2
Ejercicio 10. Consideremos los siguientes vectores de R5 ,
1
1
2
5
1
1
4
0 ,
,
1
v
=
v
=
v1 =
3
2
2
1
3
1
1
2
Matematicas I.
v4 =
2
6
4
3
2
Ingeniera Civil
4.4.- Ejercicios.
117
1 2 3
2 1 4
f (x) =
3 a
1
b 4 b
dada por
x1
x2 .
x3
y1 = x1 cos 2 + x2 sen 2 ,
y2 = x1 sen 2 + x2 cos 2 .
Ejercicio 13. (a) Demuestra que para una matriz cuadrada A se verifica que
Nul (A) Nul (A2 ) y Col (A) Col (A2 )
Matematicas I.
2012-2013
118
(b) Demuestra que para dos matrices A y B con las dimensiones adecuadas se verifica que
Nul (B) Nul (AB) y Col (A) Col (AB).
Ejercicio 14. Extender a una base de Rn el conjunto linealmente independiente que se da:
(a) {v1 = (1, 1, 1)} en R3 .
(b) {v1 = (1, 3, 4), v2 = (1, 0, 2)} en R3 .
(c) {v1 = (1, 1, 0), v2 = (1, 3, 0)} en R3 .
(d) {v1 = (1, 1, 0, 1), v2 = (2, 1, 0, 3)} en R4 .
Ejercicio 15. Dadas las bases de R2
[
]
[ ]
5
2
B1 = {u1 =
, u2 =
} y
2
1
[
B2 = {v1 =
3
1
[
, v2 =
]
4
},
1
se pide:
(a) Hallar las matrices de cambio de base entre B1 y B2 .
(b) Obtener las coordenadas,
[ ]en la base B2 , del vector v cuyas coordenadas respecto de la
2
base B1 son [v]B1 =
.
1
Ejercicio 16. Consideremos la base B = {(2, 1), (3, 1)} de R2 .
(a) Obtener, en dicha base, las ecuaciones implcitas y las parametricas de los subespacios
que en la base canonica vienen definidos mediante:
E x1 + x2 = 0, F x1 2x2 = 0, G = Gen {(3, 1)}.
(b) Obtener, en la base canonica, las ecuaciones implcitas y las parametricas de los subespacios que en la base B vienen definidos mediante:
E y1 + 5y2 = 0, F y2 = 0, G = Gen {(1, 0)B }.
Ejercicio 17. Halla las ecuaciones parametricas de Nul (A), siendo A la matriz
1 2
0 0
1 3
3 0
1 1 0
A=
0
.
1
2
4 0
2 3 1 0
Matematicas I.
Ingeniera Civil
4.4.- Ejercicios.
119
4.5.1.- Soluciones.
Ejercicio 1. (a) (a1) El conjunto considerado no es subespacio vectorial y es inmediato
comprobar que tampoco es una variedad.
(a2) x1 + 2x2 = 0 o x1 x2 = 0.
El conjunto considerado no es un subespacio vectorial. Puede comprobarse que
tampoco es una variedad (al desplazar dos rectas que pasan por el origen se
obtienen otras dos rectas).
(a3) x21 + x22 = a (a R),
Para a = 0 el u
nico vector que verifica la ecuacion es el vector nulo y por tanto, se
trata de un subespacio vectorial.
Para a < 0, no hay ning
un vector (x1 , x2 ) R2 que verifique la ecuacion. Por tanto,
se trata del conjunto vaco que no es ni un subespacio vectorial ni una
variedad.
Para a > 0, la ecuacion dada determina la circunferecia de centro el origen de coordenadas y radio a. Por tanto, no es ni un subespacio vectorial ni una
variedad.
(a4)
Si a = b = 0, se trata de un subespacio vectorial puesto que el conjunto considerado
esta definido como el espacio nulo de una matriz, adems resolviendo el sistema que
caracteriza al conjunto tenemos que el u
nico vector que verifica las dos ecuaciones
es el vector nulo.
Si a = 0 o b = 0, el conjunto de vectores considerado es una variedad (es un u
nico
punto) cuyo subespacio director viene dado por las ecuaciones implcitas x1 +
2x2 = 0 y x1 x2 = 0, es decir el subespacio director es el subespacio nulo.
(b) (b1) Es el conjunto formado por dos planos (que no es lo mismo que la recta interseccion). Obviamente dicho conjunto no es ni un subespacio ni una variedad.
(b2) Dicho conjunto no es ni un subespacio ni una variedad.
(b3) Eliminando el parametro , el conjunto citado es el de los vectores cuyas coordenadas verifican
{
x2 = x1 + x21 ,
x3 = 0.
Es decir, se trata de una parabola (en R3 ) que esta contenida en uno de los
planos coordenados. Obviamente dicho conjunto no es ni un subespacio ni una
variedad.
(b4) El vector (1, 0, 0) verifica la inecuacion dada, sin embargo, 2(1, 0, 0) =
(2, 0, 0) no la verifica. Por tanto, no es un subespacio vectorial. De la misma
forma, tampoco se trata de una variedad.
(c) (c1) Las condiciones que caracterizan a los vectores del conjunto considerado vienen
Matematicas I.
2012-2013
120
dadas
a3
a4
..
a
n
= 12 (a1 + a2 ) ,
a
+
a
2a
=
0,
1
2
3
1
= 3 (a1 + a2 + a3 ) ,
a
+
a
+
a
4a
=
0,
1
2
3
4
.. ..
..
.. ..
. .
.
. .
1
= n1 (a1 + + an1 ) ,
a1 + + an1 (n 1)an = 0.
Ejercicio 2. (a) Se trata del subespacio generado por el vector v1 = [2, 1, 1]T (la recta
que pasa por el origen de coordenadas y tiene a dicho vector como vector direccion).
Una base, {v1 }.
Otra base, {2v1 }.
Ecuaciones impcitas:
(b)
x1 + 2x3 = 0,
x2 + x3 = 0.
Observaci
on.- El subespacio estaba originalmente definido como la interseccion
de un plano que vena dado en forma parametrica con un plano que vena dado en
forma implcita. Lo u
nico que hemos hecho ha sido expresar la recta interseccion
en forma parametrica y en forma implcita.
{
}
2x1 3x2 + x3 = 0
Ecuaciones implcitas no redundantes
.
x2 + x4 = 0
1
1
0
1
.
,v =
Una base v1 =
2 3 1
0
1
Otra base {v1 , v3 + v1 }.
(c)
Matematicas I.
2
1
3
2
v1 =
1 , v2 = 0
0
1
Ingeniera Civil
4.4.- Ejercicios.
121
Ejercicio 3.
v1 =
director de V , es
2
1
1
0
1
2
,v =
,v =
2 2 0 3 7
1
0
1
Ejercicio 4.
(a) Reduciendo a forma escalonada se obtiene rango(A) = rango(B) = 3.
(b)
Ejercicio 5. La matriz A
1 0
0 1
A=
1 1
2 0
es
0
0
0
1
1
1 1
1
0 0 1 1
1
0
0 0
1 1 1
0
0
0 2 2
0 0 1 1
=
0 1 0
0
1
2 3 2
1
0
.
0
0
1
1
2
5
2
1
A=
1 1 2 .
4 1
1
Matematicas I.
2012-2013
122
(b)
1
1
5
2
v1 =
1 , v2 = 1
4
1
Unas ecuaciones implcitas vienen dadas por
{
x1 2x2 x4 = 0,
x1 + x3 = 0.
.
u1 = 3 .
[
Ejercicio 7. A =
2 2
2
1 1 1
]
.
x1
2
x2 1
x3 = 0
x4
0
+ 1 , R.
1
1
Ejercicio 9. Las relaciones dadas entre los vectores de la base canonica {e1 , e2 , e3 } y los
vectores de la base B = {u1 , u2 , u3 } pueden expresarse en forma matricial
2 1 2
e1 e2 e3 = u1 u2 u3 2 2 1 = (c).
1 2
2
Ingeniera Civil
4.4.- Ejercicios.
123
Ejercicio 11. (Comparar con los resultados obtenidos en el Ejercicio 9 del Tema 3)
(a) Para un vector v R3 ,
v
/ Im (f ) f (R3 ) Ax = v es un sistema incompatible (ver Ejercicio 9)
(b) Un vector v R3 es imagen de un u
nico vector de R3
Ax = v es un sistema compatible determinado (ver Ejercicio 9)
(c) Un vector v R3 es imagen de infinitos vectores de R3
Ax = v es un sistema compatible indeterminado (ver Ejercicio 9)
Ejercicio 12. X es una aplicacion lineal que se representa, respecto de las bases canonicas, por la matriz
]
[
1 0
.
A=
0 1
Matematicas I.
2012-2013
124
Ejercicio 14. (a) Primero tomamos un vector que no este en la recta generada por v1 , por
ejemplo v2 = e1 . A continuacion tomamos un vector que no este en el plano generado
por v1 y v2 , por ejemplo v3 = (0, 1, 2). Y ya esta.
(b) Basta tomar un vector que no este en el plano determinado por v1 y v2 . Puesto que la
ecuacion del plano es 6x1 + 2x2 3x3 =, podemos tomar v3 = e1 , por ejemplo.
(c) Basta tomar v3 = e3 .
(d) Para obtener una base de R4 hacen falta dos vectores linealmente independientes que
sean linealmente independientes con v1 y v2 . Si obtenemos unas ecuaciones impltas
del subespacio que generan v1 y v2 tendremos dos ecuaciones impltas. Si tomamos
un vector v3 que verifique una de dichas ecuaciones y no la otra y un vector v4 que
verifique la otra pero no la primera, ya estara.
[
AB1 B2 =
[
(b) [v]B2 =
3 2
1
1
[
AB2 B1 =
1 2
1 3
]
4
.
1
Matematicas I.
Ingeniera Civil