Professional Documents
Culture Documents
Bases y coordenadas
Definicin 2.1. Sea V un K espacio vectorial. Diremos que un conjunto B =
{v1 , v2 , . . . , vk } V es una base para V si
i) B es un conjunto linealmente independiente,
ii) hBi = V .
Es decir, B es un conjunto l.i. que genera todo el espacio vectorial V.
Ejemplo. Los conjuntos B1 =
1
1
0
1
,
, B2 =
,
son bases para
2
1
2
1
R2 .
Claramente los vectores de B1 son l.i.. Falta verificar que el espacio generado
ellos
por
t
es todo R2 . Para ello debemos probar que dado un vector columna w = a b existen
t
t
escalares 1 , 2 de tal manera que w = 1 1 2 +2 1 1 . Esta igualdad corresponde
a calcular una solucin de la ecuacin matricial
a
1 1
x
=
2
1
b
Aplicando operaciones elementales obtenemos que la solucin es nica y est dada por
1 = (a + b)/3, 2 = (b 2a)/3. Luego B1 es una base. Un argumento similar muestra que
B2 es una base de R2 .
Para el K espacio vectorial Kn hay una base natural, llamada base cannica. Definimos
en Kn los n vectores columna e1 , e2 , . . . , en siguientes:
t
ei = 0 . . . 0 1 0 . . . 0 , donde 1 est en la i-sima posicin .
El 1 representa el elemento unidad del cuerpo K. Afirmamos {e1 , e2 , . . . , en } forman una
base para Kn .
Proposicin 2.2. Sean e1 , e2 , . . . , en los n vectores cannicos de Kn . Entonces el
conjunto Bc = {e1 , e2 , . . . , en } es una base para Kn . Esta base es llamada la base cannica
de Rn .
t
Demostracin. Es fcil de ver que ellos son l.i.. Adems si w = c1 c2 . . . cn
entonces
t
w = c1 c2 . . . cn = c1 e1 + c2 e2 + + cn en
lo cual prueba que el subespacio generado por los vectores cannicos e1 , e2 , . . . , en es todo
Kn .
23
24
2. BASES Y COORDENADAS
f (1)
f (2)
f = ..
.
f (n)
Con esta notacin se tiene que las funciones ei definidas con anterioridad se representan
como:
1
0
0
0
1
0
e1 = .. , e2 = .. , en = ..
.
.
.
0
f (1)
1
0
0
f (2)
0
1
0
.. = f (1) .. + f (2) .. + + f (n) .. = f (1)e1 + f (2)e2 + + f (n)en
.
.
.
.
f (n)
Ejemplo. La base cannica del K espacio vectorial de las matrices de Mnm (K) est dada
por las matrices {Eij } donde Eij son las matrices con todos sus entradas nulas excepto la
posicin (i, j) donde hay un 1. Notemos que estas matrices estn bien definidas puesto que
0, 1 son siempre elementos que existen en el cuerpo.
Ejemplo. La base cannica para el espacio vectorial Pn (R), polinomios de grado a lo ms
n, es {1, x, x2 , . . . , xn }.
Ejemplo. Las matrices triangulares superiores son un subespacio de las matrices
cuadradas. Es fcil ver que las matrices triangulares superiores con el 1 en la posicin
ij, con i j, y cero el resto son una base del subespacio.
2. BASES Y COORDENADAS
25
k=1
i=1
k=1
l
X
!
ani xi
vn = 0
i=1
i=1
i=1
26
2. BASES Y COORDENADAS
2. BASES Y COORDENADAS
27
28
2. BASES Y COORDENADAS
Demostracin. Sea B una base para V con n elementos. Como W es no vaco existe
un elemento w1 W . Formemos el subespacio generado W1 =< {w1 } >. Hay dos posibilidades : W1 = W , en tal caso se termina el proceso y se encuentra una base con un solo
elemento W1 W un subconjunto propio. En este segunda opcin habra un elemento
no nulo w2 W que no est en W1 . Formamos entonces W2 =< {w1 , w2 } >. Como w2 no
est en W1 se tiene que w1 , w2 son l.i.
Entonces se tienen dos posibilidades: W2 = W W2 W un subespacio propio de W .
Si la primera se cumple se encuentra una base. Para la segunda alternativa se tendra un
elemento no nulo w3 W que no est en W2 . Por lo tanto w1 , w2 , w3 son l.i. Formamos
W3 =< {w1 , w2 , w3 } >. As sucesivamente. Este proceso no puede repetirse ms de n
veces pues el Teorema 2.3 asegura que un conjunto con ms de n elementos debe ser
necesariamente l.d. Por lo tanto, Wk = W para algn k n y adems dim W dim V .
La ltima aseveracin es una inmediata aplicacion del Teorema 2.7.
Ejemplo. Sea W el subespacio de Kn generado por los vectores l.i , v1 , v2 , . . . , vp con
p n. Entonces la dimensin de W es p.
Ejemplo. Los subespacios de R tienen dimensin 1 o 0. Luego, por Teorema 2.8, ellos son
R y {0}.
Ejemplo. La dimensin de V = Mnm es n m puesto que hay n m matrices Eij , l.i.
entre ellas, que componen la base cannica de V .
2. BASES Y COORDENADAS
29
W y de U
(W + U )
es un subespacio de
son subespacios de
El siguiente lema es clave para demostrar el teorema de las dimensiones que relaciona
los cuatro subespacios: U , W , U W y U + W .
Lema 2.9. Sea V un K espacio vectorial y B = {v1 , . . . , vl } un conjunto l.i. en V .
Entonces se puede completar B a una base de V .
Demostracin. La demostracin es similar a la tcnica utilizada en el Teorema 2.3,
incluso se aplica dicho teorema.
Ms an ellos estn relacionados por la siguiente igualdad dimensional
Teorema 2.10 (Frmula de Grassmann). Sean U y W subespacios del espacio vectorial
V . Entonces
dim (U + W ) = dim (U ) + dim (W ) dim (U W )
Demostracin. Supongamos que dim(U W ) = r . Sea { e1 , e2 , , er } una base
de (U W ) . Por el Lema 2.9 podemos extender el conjunto l.i. { e1 , e2 , , er } a una
base de U :
Bu = { e1 , e2 , , er , u1 , u2 , , up }.
En forma anloga la base de (U W ) se puede extender a una base de W ,
Bw = { e1 , e2 , , er , w1 , w2 , , wq }.
Es decir, dim (U ) = r + p , dim(W ) = r + q. Probaremos que el conjunto de vectores:
{ e1 , e 2 , , e r , u 1 , u 2 , , u p , w 1 , w 2 , , w q }
()
es una base de W + U
El conjunto de vectores () genera a U + W pues si : v U + W : entonces v = u + w
con u U y w W . Como Bu y Bw son bases de U y W respectivamente, entonces:
u = 1 e1 + 2 e2 + + r er + 1 u1 + + p up
w = 10 e1 + 20 e2 + + r0 er + 1 w1 + + q wq
Luego v = u + w se representa como:
v =u+w =
r
X
k=1
(k + k0 ) ek +
p
X
j uj +
j=1
q
X
p wi
i=1
30
2. BASES Y COORDENADAS
1
A = 2
3
1
1
2
1 1
1 2
0 3
Es fcil ver que S tiene dimensin 2 y est generado por los vectores
S=
1
,
0
Para T vemos el conjunto {(1, 1, 2, 0), (1, 1, 1, 0), (0, 1, 0, 1)} es l.i. , puesto que la
nica solucin de Bx =
0 es el vector 0 donde B es la matriz de 4 3 cuyas columnas son
los vectores del conjunto. En consecuencia dim (T ) = 3.
Calculemos S T . Claramente este subespacio consiste en todos los vectores de R4 que
estn en ambos subespacios S, T simultneamente,
x+y+z+t =
2x + y z + 2t =
3x + 2y + 3t =
(x, y, z, t)
2. BASES Y COORDENADAS
31
Por lo tanto,
x+y+z+t =
2x + y z + 2t =
3x + 2y + 3t =
(x, y, z, t)
( + , + , 2 + , )
( + ) 3(2 + )
3(2 + ) 2
y dim (S T ) = 0.
Resolviendo el sistema se tiene que = = = 0. Luego S T = {0}
Por la frmula de Grassmann, dim (S + T ) = 4. Es decir (S + T ) es un subespacio R4 de
dimensin 4. Como dim (R4 ) = 4 se obtiene que (S + T ) = R4 . Adems como S T = {0}
se deduce que R4 = S T .
Ejercicios.
1. Calcule la dimensin del subespacio W de R4 generado por
W =< {(1, 2, 3, 0), (1, 1, 0, 2), (1, 3, 6, 2), (3, 6, 9, 1)} >
2. Investigue si el conjunto B = {(1, 1, 1, 1), (1, 2, 2, 2), (1, 3, 3, 3), (1, 4, 4, 4)} es una
base para R4 .
3. Considere V el Z3 espacio vectorial de las matrices de 2 2 con entradas en Z3 .
Considere el conjunto S = {A1 , A2 } donde
A1 =
1
0
1
2
,
A2 =
0
2
1
2
,
32
2. BASES Y COORDENADAS
+1
3
5
4 + 1
,
3
0
,
+1
2
0
{
x R5 : x1 + x2 + x3 + x4 + 2x5 = 0 , 2x1 + x2 + x3 + x4 + 2x5 = 0}
W2
{
x R5 : x1 + x2 + x4 3x5 = 0, x2 + x3 + x4 8x5 = 0, x1 + x3 + 5x5 = 0}
1
1
A=
0
1
1 2 3
1
1
1
0 1
, B=
0
1
1
1
1
0 1
1
1
0
0
0
1
1
1
2
0
0
1
1
2. BASES Y COORDENADAS
33
c) W1 W2
d) W1 + W2
34
2. BASES Y COORDENADAS
= v1
w2
= v1 + v2
w3
= v1 + v2 + v3
w4
v1 + v 2 + v 3 + v 4
w5
v1 + v2 + v3 + v4 + v5
2. BASES Y COORDENADAS
35
1 a
2 . . . a
p con a
i las respectivas columnas
Demostracin. Escribamos A = a
t
x = 0.
de A. Sea x
= x1 x2 . . . xp el vector columna solucin de la ecuacin A
Sabemos que x
tambin es solucin del sistema escalonado correspondiente, E(A)
x = 0.
Sean xk1 , . . . , xkl las variables libres ( l < p), es decir, todas las variables x1 , , xp se
escriben en funcin de las l variables libres. Sabemos que este hecho se expresa vectorialmente como
x1
x2
.. = xk1 v1 + xk2 v2 + + xkl vl
.
xp
donde los vectores v1 , v2 , . . . , vl son l.i. y hay tantos vectores l.i. como variables libres
hubieren. Luego, los vectores v1 , . . . , vl forman una base, es decir, dim(NulA) = l.
Cada columna a
i de A se calcula como a
i = Aei , i = 1, . . . p, donde e1 , e2 , . . . , ep son
los vectores cannicos de Kp . Por ello se tiene que
EC(A) = h{A
e1 , A
e2 , . . . , A
ep }i
Por parte i), dim(NulA) = l con {v1 , v2 , . . . , vl } una base. Completemos esta base a una
base B de Kp . Puesto que dim Kp = p se tiene que
B = {v1 , v2 , . . . , vl , wl+1 , . . . , wp }
donde los vectores wi no estn en Nul A. Como B es una base, cada vector cannico ei
es decir, para cada
de Kp puede ser descrito por una combinacin lineal de vectores en B,
i = 1, . . . p,
ei =
l
X
ik vk +
k=1
p
X
ik wk
k=l+1
Aplicando las propiedades de linealidad de A y que Avk = 0, recordar que los vectores vk
son elementos de Nul A, se obtiene que
a
i = A
ei
= A
l
X
ik vk +
k=1
l
X
ik Avk +
k=1
p
X
p
X
!
ik wk
k=l+1
p
X
ik Awk
k=l+1
ik Awk
k=l+1
36
2. BASES Y COORDENADAS
Adems el conjunto {Awl+1 , . . . , Awp } es l.i.. Para corroborar esto supongamos que
tenemos una combinacin lineal nula,
p Awp + + l+1 Awl+1 = 0
Por linealidad de A obtenemos que
1 1 1 2
A = 0 1 1 0
1 2 2 2
Aplicando operaciones elementales hasta obtener la matriz escalonada reducida obtenemos
que
1 0 0 2
ER(A) = 0 1 1 0
0 0 0 0
Es decir, hay dos variables libres, de lo cual se deduce que las solucin general del sistema
A
x = 0 se describe como:
0
2
1
0
x
=
1 x3 + 0 x4
0
1
Luego, el subespacio Nul(A) tiene dos vectores l.i. que lo generan, luego dim Nul(A) = 2.
Ejemplo. Calculemos una base para EC (A) = {A
v : v K4 }, donde A es la matriz de
3 4 dada en el ejemplo anterior.
A partir de conocer la dimensin del Nul A podemos calcular una base de EC(A)
directamente de la informacin que tenemos de Nul A, puesto que sabemos que
0
1
A
2 + a
3 = 0
1 = 0 , es decir, a
0
2
0
y que A
a1 + a
4 = 0
0 = 0 ,es decir, 2
1
2. BASES Y COORDENADAS
37
donde a
i representa las columnas de la matriz A. Por lo tanto podemos elegir como base
las dos primeras columnas ( o las dos ltimas ). En resumen, RanA = 2.
1 1
2 1
0 1
2 es una matriz
Ejemplo. Calculemos una base para Nul A si A = 1
2 4
6
0
con coeficientes en R.
Determinando una matriz escalonada E(A) se tiene:
1
1
2
1
2 1
1
0 1
2 0
4
6
0
0
1 2
1 1
2 2
1
1
1 0
2
0
1 2 1
1 1
1 = E(A)
0 0
0
3
1
0
1
x
=
1 + 1
1
0
Como estos dos vectores son l.i. y generan Nul A, entonces forman una base para Nul A
y por lo tanto dim( Nul A) = 2.
Ejemplo. Determinar una base para E C(A) si A es la matriz con coeficientes en R dada
por
2
2
4
6
1
1
A=
2
3
2
1
6
8
1
0
4
5
0
0
0
1
E(A) =
1
0
0
0
2
0
0
0
2
1
0
0
1
1
0
0
0
0
1
0
1
2
1 1
2 , 6 ,
3
8
Proposicin 2.14. Las columnas de A que admiten pivotes forman una base para su
espacio columna.
Demostracin. La demostracin se deja como ejercicio.
38
2. BASES Y COORDENADAS
El subespacio fila es el subespacio generado por sus respectivas filas, esto es:
EF (A) = h { filas de A } i >= h { filas l.i. de A } i >
Para una matriz A de n p, EF (A) es un subespacio de Kp . Para encontrar una base de
l, a diferencia de EC (A), ste no se afecta al aplicar operaciones elementales filas, por lo
tanto en cualquier caso EF (A) = EF(E(A)), de donde se sigue fcilmente que las filas no
nulas de E(A) son l.i. y por lo tanto forman una base para EF(A), de donde se tiene:
Proposicin 2.15. Las filas no nulas de la matriz escalonada de cualquier matriz
dada, forman una base para su espacio fila.
En resumen, las filas l.i. de la matriz escalonada E(A) forman una base para EF (A).
Ejemplo. Calculemos una base para EF (A) donde
1
0
A=
1
0
2 1
3
2
1
1
0
1
2
1
3
0
1
0
E(A) =
0
0
2
1
0
0
2 1
3
2
0
1
0
0
2
A= 0
0
0
1
0
0
1
1
1
1
1
Observacin. Sabemos que las columnas que admiten pivotes forman una base para
E C(A), luego la dimensin de ste corresponde al nmero de pivotes de la matriz; pero
adems esta dimensin coincide con el nmero de filas l.i. de A que equivale al nmero de
filas no nulas de E(A), por lo tanto se tiene:
Proposicin 2.16. Dada una matriz cualquiera A, entonces
dim(E C(A)) = dim(E F (A))
Una consecuencia inmediata de este resultado es que
Proposicin 2.17. El rango de A es igual al rango de At .
2.1.
Coordenadas y Bases
39
n
X
i=1
i vi
y v=
n
X
i vi
entonces
i=1
n
X
(i i ) vi = 0
i=1
[p]B =
1
2
1
2
Al revs, [q]B =
0 corresponde al polinomio en P3 (R) dado por
3
40
2. BASES Y COORDENADAS
Demostracin. Ejercicio.
La importancia de esta funcin coordenada radica en que nos permite llevar las
propiedades de vectores abstractos v V a vectores columnas [v]B en el espacio vectorial Kn .
Mediante el teorema anterior transformaremos los problemas abstractos planteados
a nivel de los vectores de V en problemas con vectores en Kn , lo cual sabemos realizar
utilizando la Teora de Matrices desarrollada en los primeros captulos. Examinemos con
ms detencin este intercambio.
Empezemos por considerar un conjunto de vectores u1 , u2 , . . . up en V . Por ejemplo
queremos verificar si ellos son l.i. o l.d. en V . Si ellos fueran vectores de Kn sera inmediato
decidir su dependencia lineal calculando mediante el algoritmo de Gauss el Nul (A) donde
A es la matriz cuyas columnas son los vectores dados.
Para llevar los vectores abstractos u1 , u2 , . . . up a vectores en Kn aplicamos la funcin
coordenada, para lo cual debemos fijar una base B de V . Una vez fijada la base construimos
los vectores columna correspondientes [u1 ]B , [u2 ]B , . . . , [up ]B de Kn .
El prximo resultado nos permitir decidir si los vectores u1 , u2 , . . . up son l.i o l.d. en
V mirando los correspondientes vectores de coordenadas en Kn .
Ms an veremos que podemos calcular las combinaciones lineales en Kn y devolvernos
a V . Estos intercambios son posibles debido al Teorema anterior.
Proposicin 2.21. Sea V un K espacio vectorial y B una base de V .
a) Los vectores u1 , u2 , . . . , up en V son l.i en V si y slo si los correspondientes vectores
[u1 ]B , [u2 ]B , . . . , [up ]B son l.i. en Kn .
b) v = 1 u1 + + p up si y slo si [v]B = 1 [u1 ]B + + p [up ]B
41
Demostracin. Supongamos que los vectores u1 , u2 , . . . , up en V son l.i en V y consideremos una combinacin lineal nula en Kn ,
x1 [u1 ]B + x2 [u2 ]B + + xp [up ]B = 0
Por linealidad de la funcin coordenada, propiedades i), ii) de Teorema 2.20, tenemos que
[x1 u1 + x2 u2 + + xp up ]B = x1 [u1 ]B + x2 [u2 ]B + + xp [up ]B = 0
Como la funcin coordenada es bijectiva, el nico vector que va al vector nulo de Kn es
el vector nulo de V . Por lo tanto, x1 u1 + x2 u2 + + xp up = 0V . Como ellos son l.i. en
V entonces todos los escalares x1 , . . . , xp deben ser todos ceros. Por lo tanto, los vectores
[u1 ]B , [u2 ]B , . . . , [up ]B son l.i. en Kn . Al revs se razona de la misma manera. La segunda
parte de la proposicin es clara.
Observemos que la Proposicin nos garantiza que la funcin coordenada y su inversa
llevan conjuntos l.i. en conjuntos l.i. y conjuntos l.d. en conjuntos l.d.. Este resultado nos
permite discernir acerca de la dependencia lineal de vectores en V mirando sus respectivos
vectores coordenados en Kn . Aprovechamos este resultado para dar una demostracin
alternativa del siguiente resultado que fue demostramos usando otras tcnicas.
Teorema 2.22. Sea V un K espacio vectorial de dimensin n. Entonces cualquier
conjunto con ms de n elementos es l.d..
Demostracin. La demostracin es directa aplicando la funcin coordenada. Sea
S = {v1 , . . . , vm } con m > n y B una base para V . El conjunto S = {[v1 ]B , . . . , [vm ]B } es
un subconjunto de Kn con ms de n elementos. Por Teorema 2.3 se obtiene de inmediato que
S es un conjunto l.d. en Kn . Aplicando la proposicin anterior se obtiene que {v1 , . . . , vm }
es un conjunto l.d. en V .
La funcin coordenada nos permite solucionar sistemas vectoriales del tipo siguiente:
Consideremos el sistema vectorial en V
a11 v1 + a12 v2 + + a1q vn = w1
a21 v1 + a22 v2 + + a2q vn = w2
..
.. ..
.
. .
an1 v1 + an2 v2 + + anq vn = wn
42
2. BASES Y COORDENADAS
en Kp de la forma:
a11 [v1 ]B + a12 [v2 ]B + + a1q [vn ]B = [w1 ]B
a21 [v1 ]B + a22 [v2 ]B + + a2q [vn ]B = [w2 ]B
..
.. ..
.
. .
an1 [v1 ]B + an2 [v2 ]B + + anq [vn ]B = [wn ]B
Resolviendo este sistema en Kp encontramos, devolvendonos, la correspondiente solucin
del sistema vectorial original.
Ejemplo. Consideremos el sistema vectorial en V
a11 z1 + a12 z2 = w1
a21 z1 + a22 z2 = w2
Si aplicamos a este sistema la funcin coordenada, se tiene que:
a11 [z1 ] + a12 [z2 ] = [w1 ]
a21 [z1 ] + a22 [z2 ] = [w2 ]
donde hemos omitido la base en la notacin [zi ].
Supongamos que la dimensin de V es 2. Si a11 6= 0 podemos pivotear vectorialmente,
quedando el sistema equivalente
a11 [z1 ] + a12 [z2 ] = [w1 ]
e
a22 [z2 ] = [w1 ] + [w2 ]
Luego el sistema se transforma en el sistema numrico (en el cuerpo K)
x1
x2
c1
a11
+ a12
=
y1
y2
c2
x2
d1
e
a22
=
y2
d2
Sistema que finalmente corresponde a uno en K de la forma :
a11 x1 + a12 x2 = c1
a11 y1 + a12 y2 = c2
af
22 x2 = d1
af
22 y2 = d2
Ejemplo. Considere el polinomio p = x3 3x2 1 en el R espacio vectorial de los polinomios
de grado a lo ms 3. Determine si es posible escribir p como combinacin lineal de los
polinomios q1 = 2x3 2x + 1, q2 = x2 x, q3 = 2x + 1, q4 = x3 1. Vectorialmante
debemos resolver en V
p = a1 q1 + a2 q2 + a3 q3 + a4 q4
43
1
0 1 1
2 1 2 0
0
1 0 0
2
0 0 1
Calculando la escalonada reducida se
1
0
0
0
a1
1
a2 0
=
a3 3
a4
1
0 0 0 3/8
1 0 0 3
0 1 0 9/8
0 0 1 1/4
44
2. BASES Y COORDENADAS
1
0
0
0
A2 =
0
0
0
2
=
=
=
=
=
a) Calcule [v]B si [v]B = 1
b) Calcule [v]B si [v]B = 1
v1
v1 + v2
v1 + v2 + v3
v1 + v2 + v3 + v4
v1 + v2 + v3 + v4 + v5
t
2 3 4 5 .
t
2 3 4 5 .
10. Considere los vectores {1t, 1t+2t4 , 2+3t3 +t5 , t2 3t5 , t+2} en P5 . Determine
mediante una matriz si estos vectores son l.i. o l.d..
11. Sea N = {1, 2, 3, 4, 5} y F(N, R) el espacio vectorial de las funciones a valores
reales con dominio en N .
Determine la clase de dependencia lineal que existe entre las funciones
f1 , f2 , f3 , f4 , f5 F(N, R) donde fi (k) = ik , k = 1, 2, 3, 4, 5.
45