1 CUADERNO IV ESPACIOS VECTORIALES Y APLICACIONES LINEALES Miguel A. Sainz, Joan Serarols, Anna M. Pérez Dep. de Informática y Matemática Aplicada Universidad de Girona RESUMEN: Se va a desarrollar la estructura algebraica denominada espacio vectorial, formada por vectores y escalares, y su correspondiente subestructura denominada subespacio. Se estudiarán los más interesantes, que son los de dimensión finita, caracterizándose sus conjuntos genaradores hasta llegar a una base como conjunto generador mínimo, formada por vectores linealmente independientes. El teorema de Steinitz permitirá definir la dimensión de un espacio. Se estudiará el concepto de aplicación lineal, su imagen, núcleo y rango para acabar con un importante teorema de caracterización de las aplicaciones lineales. IV.1.- ESPACIO VECTORIAL Vamos a estudiar una estructura algebraica dotada de distintas leyes de composición, de gran importancia en la matemática aplicada. Sea (K,+,·) un cuerpo y V un conjunto no vacío. Con el fin de distinguir a los elementos de K les llamaremos escalares y los designaremos preferentemente mediante letras minúsculas griegas o latinas: a,b,..,x,..,β ,σ ,... y a los elementos de V les llamaremos vectores y los designaremos mediante letras latinas minúsculas en negrita: x,y,z,... Suponemos en V las siguientes leyes de composición: a) Una l.c.i. en V, que llamaremos suma y designaremos por el mismo símbolo ,+, que la primera l.c.i. del cuerpo K + : V×V V (x,y) x+y b) Una l.c. externa en V con dominio de operadores K que llamaremos producto externo, y lo designaremos con el mismo símbolo · , omitido con frecuencia, que la segunda l.c.i del cuerpo K · : K×V V (β,x) β ·x El designar operaciones distintas con los mismos símbolos no tiene que dar lugar a ambigüedades, habiendo tenido la precaución previa de distinguir escalares y vectores; así α+β y αβ se refieren a las leyes de composición interna del cuerpo K, y x+y αx se refieren a las leyes de composición de V. Diremos que V es espacio vectorial sobre K, abreviadamente V e.v.s. K, si las dos leyes de composición verifican las siguientes propiedades: 2 1) (V,+) es un grupo abeliano, lo que significa 1a) La ley + es asociativa en V 1b) La ley + es conmutativa en V 1c) Existe el vector neutro en V : 0 1d) Para todo vector de x∈V existe su opuesto −x : x+(−x) = 0 2) ( ∀x,y∈V ) (∀ β ∈K) (β (x+y) = β x+ β y) 3) ( ∀x∈V) (∀ α ,β ∈K) ((α + β )x = α x+ β x) 4) (∀x∈V) (∀ α ,β ∈K) (α (β x) = (αβ )x) 5) (∀x∈V) (1·x = x) En esta definición hemos designado mediante 0 el vector neutro para la suma, para distinguirlo del escalar neutro de la suma 0 y del escalar unidad para el producto 1. El vector opuesto lo hemos designado por −x, notación habitual para una operación aditiva. Las condiciones 2) y 3) de la definición son una especie de propiedad distributiva del producto externo respecto a la suma de vectores y suma de escalares, y vistas las igualdades de derecha a izquierda, constituyen el modo de sacar un vector o un escalar factor común respectivamente. La condición 4) es una especie de propiedad asociativa entre el producto externo de V y el producto interno de K. La condición 5) puede interpretarse como que el elemento unidad para el producto interno de K es también unidad para el producto externo de V. Veamos como ejemplos algunos tipos importantes de espacios vectoriales. Ejemplo IV.1.1 Sea un cuerpo (K,+,·); el conjunto K n, formado por las n−plas de elementos de K, con las leyes de composición Suma : (a 1,a 2 ,...,a n)+(b 1,b 2,...,b n) = (a 1+b1,a 2 +b 2 ,...,a n+bn) Producto externo : α (a 1,a 2 ,...,a n) = (αa 1,αa 2 ,..., α a n ) El conjunto K n es espacio vectorial sobre K. En efecto, es fácil comprobar las propiedades anteriores, por ejemplo 1b) ∀x,y ∈ Kn serán x = (a 1 ,...,a n ) , y = (b 1 ,...,b n ) (a 1 ,...,a n )+(b 1 ,...,b n ) = (b 1 ,...,b n )+(a 1 ,...,a n) ya que (a 1 +b 1 ,...,a n+bn) = (b1+a 1 ,...,b n +a n) por la conmutatividad de la suma en K. 1c) Si 0 es el elemento neutro de + en K, entonces el vector (0,...,0) es el neutro de + en Kn, ya que para cualquier x = (a 1 ,...,a n)∈Kn será (a 1 ,...,a n)+(0,...,0) = (a 1 +0,...,a n+0) = (a 1 ,...,a n) 3 1d) Si −a i es el opuesto de ai en K, entonces el vector (−a 1 ,...,−a n) es el opuesto de (a 1 ,...,a n) en Kn ya que (a 1 ,...,a n)+(−a 1 ,...,−a n) = (a 1+(−a 1 ),..a n+(−a n )) = (0,0,...,0) 3) (α+β)(a 1 ,...,a n) = α(a 1 ,...,a n)+β(a 1 ,...,a n) = (α a 1,...,α a n)+(β a 1,...,β a n) = = (αa1+βa1,...,αan+βan) = ((α+β)a 1 ,..,(α + β )a n) y por distributividad del producto respecto de la suma en K, la propiedad se cumple. Análogamente se demuestran las otras condiciones de espacio vectorial. Casos particulares de este espacio vectorial Kn son los siguientes: a) Rn es espacio vectorial sobre R, por ser (R,+,·) un cuerpo. b) R2 es espacio vectorial sobre R, es decir, C es espacio vectorial sobre R. c) Para n = 1 tenemos el espacio vectorial de K sobre K. En este caso los vectores y escalares se confunden; asimismo la suma de vectores y el producto por un escalar con la suma y producto interno de K. Como casos particulares de éste tenemos c1) R es espacio vectorial sobre R. c2) C es espacio vectorial sobre C. Los espacios vectoriales anteriores son los más utilizados en ejercicios y problemas, formando una categoría importante, como más adelante justificaremos. No obstante, existen otros tipos de espacios vectoriales, dos de los cuales describimos en los siguientes ejemplos. Ejemplo IV.1.2 Sea (K,+,·) un cuerpo, A un conjunto no vacío y el conjunto de funciones de A en K F = { funciones f : A K} Consideramos en F las siguientes operaciones: Suma : f+g : A x K (f+g)(x) = f(x)+g(x) es decir, la función suma es una función de A en K tal que la imagen de un x∈A es la suma (l.c.i en K) de las imágenes f(x) y g(x) (que son elementos de K) Producto externo: αf: A x K (α f)(x) = α f(x) donde al ser α y f (x) elementos de K, αf(x) es el producto interno de K. Con estas dos leyes F es espacio vectorial sobre K. Por ejemplo 1c) La función 4 0A : A x K 0A(x) = 0 para 0 el neutro de la suma en K, es el vector neutro ya que (f+0A)(x) = f(x)+0A(x) = f(x)+0 = f(x) con lo que f+0A = f 4) (α(µf))(x) = α(µf)(x) = α(µf(x)) = (αµ)f(x) con lo que por la asociatividad de · en K, son iguales las funciones α(µf) = (αµ)f Ejemplo IV.1.3 Otro espacio vectorial lo constituye K[x], conjunto de polinomios sobre un cuerpo (K,+,·) con las operaciones suma : (a 0+a 1 x+...+a nxn)+(b 0+b 1 x+...+b mxm) = (a 0+b0)+(a 1 +b 1 )x+... producto externo : α(a 0+a 1 x+...+a nxn) = (αa 0)+(αa 1)x+...+(α a n )x n Fácilmente se prueba que (K[x],+) es un grupo abeliano, verificándose además las otras condiciones de espacio vectorial; por ejemplo 2) α((a 0+a 1 x+...+a nx n )+(b 0+b 1x+...+bmxm )) = α a nxn = α(a 0+b0)+α(a 1 +b 1 )x+...+ αbmxm α(a n+bm)xn si n > m si n < m si m = n α(a 0+a 1 x+...+a nx n )+α (b 0+b 1x+...+b m x m ) = α a nxn = (αa0+αb0)+(αa1+αb1)x+...+ αbmxm α(a n+bm)xn si n > m si n < m si m = n que son iguales, por distributividad del producto respecto de la suma en K. Ejercicios IV.1 .- Razonar si son espacios vectoriales los siguientes conjuntos: a) C sobre R. 5 b) F = {funciones reales} sobre R. c) P5[x] = {polinomios reales de grado ≤ 5} sobre R. IV.2.- En R+ se definen las operaciones x⊕y = xy λ⊗x = xλ Averiguar si es espacio vectorial sobre R . IV.3.- En el conjunto R×R se define (x,y)+(z,u) = (x+z,y+u) λ(x,y) = (λx,α1) Averiguar si con estas operaciones R×R es espacio vectorial sobre R para α1 = mismo para las operaciones . Lo (x,y)+(z,u) = (x+z,y+u) k(x,y) = (k2x,k2y) con k∈R Como (V,+) es un grupo, existe la operación inversa y así x−y será un vector que sumado con y nos da x, y es igual a la suma de x con el opuesto de y x − y = x+(−y) Recordemos que al ser K un cuerpo existe también la diferencia de escalares. De la definición de espacio vectorial se deducen propiedades que completan las condiciones de la definición y que junto con ellas constituyen las reglas de cálculo con vectores y escalares. Las enunciamos en la Tabla IV.1.1 TABLA IV.1.1 ___________________________________________________ Propiedades de las l.c. de un espacio vectorial Para cualesquiera x,y∈V y α,β∈K se verifica 1) (α−β )x = α x− β x 2) 0·x = 0 3) (−α )x = −α x α (x − y) = α x − α y α·0 = 0 α (−x) = −α x (−α )(−x) = α x 4) αx = 0 implica α = 0 o x = 0 ___________________________________________________ 6 Demostraciones: 1) (α − β )x+ β x = (α − β + β )x = α x ⇒ (α − β )x+ β x− β x = α x− β x ⇒ ⇒ (α − β )x = α x− β x Análogamente α (x−y)+ α y = α (x−y+y) = α (x+0) = α x ⇒ α (x−y) = α x− α y 2) Particularizando el resultado anterior para α = β, tenemos (α − α )x = α x − α x ⇒ 0·x = 0 y haciendo x = y se obtiene α (x−x) = α x− α x ⇒ α ·0 = 0 3) Si en la propiedad 1) hacemos α = 0, tenemos (0− β )x = 0·x− β x ⇒ (− β )x = 0− β x ⇒ (− β )x = − β x Análogamente con x = 0, α (0−y) = α 0− α y ⇒ α (−y ) = 0− α y ⇒ α (−y) = − α y Combinando ambos resultados (−α)(−x) = − (α (−x)) = − (− α x) = α x 4) Teniendo en cuenta que α = 0 αx = 0 ⇒ ∨ α ≠ 0 ⇒ α -1(α x) = α -10 ⇒ (α -1α )x = 0 ⇒ 1·x = 0 ⇒ x = 0 Ejercicios IV.4 .- Estudiar si el conjunto a+b 5 | a,b∈Q es o no un espacio vectorial sobre Q para la suma y producto de números reales. IV.5 .- Demostrar que E = a+b 2+c 3 | a,b∈Q es un espacio vectorial sobre Q. IV.2.- COMBINACIONES LINEALES Una importancia especial tienen las sumas de vectores multiplicados por escalares; una expresión del tipo 7 α 1 x 1 + α 2 x 2 +...+ α n x n se denomina combinación lineal de los vectores x1,...,xn. Así, diremos que un vector x es combinación lineal de los vectores x1,...,xn, si existen escalares α 1 ,..., α n tales que x = α 1 x 1 +...+ α n x n Los escalares α 1 ,..., α n reciben el nombre de coeficientes de la combinación lineal. Ejemplo IV.2.1. En el espacio vectorial R3 sobre R, como 3(1,−4,2)−5(6,2,0)=(−27,−22,6) diremos que (−27,−22,6) es combinación lineal de los vectores (1,−4,2), (6,2,0). Asímismo (−27,−22,6) es combinación lineal de (1,−4,2), (6,2,0) y (4,2,3) ya que 3(1,−4,2)−5(6,2,0)+0(4,2,3) = (−27,−22,6) Para averiguar si, por ejemplo, (3,−2,−12) es o no combinación lineal de (2,1,−1), (1,1,1), (−3,−3,−3) y (3,2,0), habrá que resolver la ecuación en R3 (3,−2,−12) = α 1(2,1,−1)+α 2(1,1,1)+α 3(−3,−3,−3)+α 4(3,2,0) Al hacer operaciones tenemos (3,−2,−12) = (2α 1+ α 2−3α 3+3α 4 , α 1+ α 2−3α 3+2α 4 ,− α 1+ α 2−3α 3) e igualando 2α 1+ α 2−3α 3+3α 4 = 3 α 1+ α 2−3α 3+2α 4 = −2 −α 1+ α 2−3α 3 = −12 que es un sistema lineal de tres ecuaciones en R en las incógnitas α 1 , α 2 , α 3 , α 4 ; si tiene solución significará que el vector (3,−2,−12) es combinación lineal de los otros cuatro. Resolviéndolo por reducción 2α 1+ α 2−3α 3+3α4 = 3 α 1+ α 4 = 5 α 1+ α 2−3α 3+2α 4 = −2 ⇒ 2α 1+2α 4 = 10 ⇒ α 1+ α 4 = 5 ⇒ −α 1+ α 2 −3α 3 = −12 ⇒ α4 = 5−α 1 ∧ α 2 = −12+α 1+3α 3 Así, dando valores arbitrarios a α 1 y α 3, obtenemos diferentes soluciones del sistema; tenemos pues infinitas soluciones luego (3,−2,−12) es combinación lineal de los otros vectores de infinitas maneras, por ser infinito el conjunto de coeficientes que verifican la ecuación. Por ejemplo, para α 3 = 1 y α1 = 4 obtenemos α 4 = 1 y α 2 = −5 , cumpliéndose que (3,−2,−12) = 4(2,1,−1) −5(1,1,1)+1(−3,−3,−3)+1(3,2,0) En general, y para espacios vectoriales tipo K n sobre K, toda ecuación en K n en la que 8 intervengan únicamente combinaciones lineales de vectores, al hacer operaciones en ambos miembros e igualar las componentes de los vectores resultantes se llega a un sistema de n ecuaciones lineales en K. Por esta razón vamos a exponer un procedimento ágil de resolución de estos sistemas; se denomina método de Gauss-Jordan; su base teórica se demostrará cuando hablemos de la solución general de un sistema de ecuaciones lineales y ahora se presenta de un modo totalmente práctico, basándonos simplemente en la posibilidad de permutar dos ecuaciones, multiplicar una ecuación por un escalar, sumar a una ecuación un múltiplo de otra, que son transformaciones que reducen el sistema a otro con las mismas soluciones. Supongamos un sistema lineal, es decir, las incógnitas están multiplicadas por escalares y sumadas. Por ejemplo, y para fijar ideas, vamos a razonar sobre un sistema lineal de tres ecuaciones con tres incógnitas x 1 ,x 2 y x3, aunque los resultados son válidos para sistemas de cualquier número de ecuaciones e incógnitas. a11 x1+a 12 x2+a 13 x3 = b 1 a21 x1+a 22 x2+a 23 x3 = b 2 a31 x1+a 32 x2+a 33 x3 = b 3 En primer lugar, como dos sistemas lineales de tres ecuaciones con tres incógnitas se distinguen entre sí por sus coeficientes, éstos identifican al sistema, y lo pueden representar. Para ello, los dispondremos en filas y columnas de forma que en cada fila figuren los coeficientes de cada ecuación y en cada columna los de cada incógnita; la última columna será la de los términos independientes. Así el sistema anterior se representará por a 11 a 21 a 31 a 12 a 22 a 32 a 13 a 23 a 33 b1 b2 b3 Esta disposición de los coeficientes en filas y columnas se denomina matriz del sistema (el concepto de matriz tiene un alcance mucho más amplio y será introducido más adelante; por ahora no es nada más que una disposición en filas y columnas de los coeficientes de un sistema de ecuaciones lineales). Las filas representan las ecuaciones, la última columna los términos independientes y las restantes columnas las incógnitas, en el orden en el que se hayan escrito. Supongamos que a11 ≠ 0; con él reduciremos a 0 los coeficientes no nulos que están en su columna sumando a la segunda ecuación, previamente multiplicada por a11, la primera ecuación multiplicada por −a21 y a la tercera ecuación, previamente multiplicada por a11, la primera ecuación multiplicada por −a31. (Si fuera a11 = 0, hacemos previamente a este proceso un cambio de ecuaciones para conseguir que este primer coeficiente sea no nulo). La matriz del sistema resultante será a 11 0 a 12 a122 a 13 a123 b1 1 b2 0 a132 a133 b3 1 Supongamos que a122 ≠ 0; con él reduciremos a 0 los coeficientes no nulos que están en su columna sumando a la primera ecuación, previamente multiplicada por a122, la segunda ecuación multiplicada por −a12 y a la tercera ecuación, previamente multiplicada por a122, la segunda ecuación multiplicada por −a 132 . (Si fuera a122 = 0, hacemos previamente a este proceso un cambio de la segunda ecuación con la tercera, si a132 ≠ 0; si también a 132 = 0 se salta a la siguiente columna, realizando estas transformaciones en la columna tercera). La matriz del 9 sistema resultante será a 11 0 a 13 0 a122 a123 b1 1 b2 a233 b3 0 0 2 Supongamos que a233 ≠ 0; con él reduciremos a 0 los coeficientes no nulos que están en su columna sumando a la primera ecuación, previamente multiplicada por a233, la tercera ecuación multiplicada por −a13 y a la segunda ecuación, previamente multiplicada por a233, la tercera ecuación multiplicada por −a 123 . (Si fuera a233 = 0, entonces o b 23 ≠ 0, en cuyo caso la tercera ecuación no tiene solución y tampoco el sistema, o b 23 = 0 y podemos prescindir de la tercera ecuación que se ha convertido en una identidad). La matriz del sistema resultante será a 11 0 1 0 a 22 0 0 0 0 b1 1 b2 2 a233 b3 Dividiendo la primera ecuación por a 11, la segunda por a 122 y la tercera por a 233, tendremos 1 0 0 0 1 0 0 0 1 c1 c2 c3 y la solución del sistema que representa, de acuerdo a como se han escrito las incógnitas, es x1 = c1 x2 = c2 x3 = c3 que es también la solución del sistema inicial. En resumen el método se basa en utilizar estas transformaciones (también puede dividirse una ecuación por un número en cualquier fase del proceso con el fin de manejar números más paqueños) para reducir la matriz del sistema inicial a otra que tenga columnas en las que exista un 1, en diferentes lugares, acompañado de ceros . Este tipo de columnas determinan las incógnitas, que podemos considerar principales, que pueden ser despejadas en función de los términos independientes y quizás también de otras incógnitas no principales que se pasan a los segundos miembros y entran a formar parte de estos términos independientes. Ejemplo IV.2.2. Siguiendo con el Ejemplo IV.2.1 veamos si es posible poner el vector (3,−2,−12) como combinación lineal de los vectores (2,1,−1),(1,1,1),(−3,−3,−3) y (3,2,0); esto significa resolver la ecuación (3,−2,−12) = α 1(2,1,−1)+α 2(1,1,1)+α 3(−3,−3,−3)+α 4(3,2,0) Al hacer operaciones tenemos (3,−2,−12) = (2α 1+ α 2−3α 3+3α 4 , α 1+ α 2−3α 3+2α 4 ,− α 1+ α 2−3α 3) 10 Igualando obtenemos 2α 1+ α 2−3α 3+3α 4 = 3 α 1+ α 2−3α 3+2α 4 = −2 −α 1+ α 2−3α 3 = −12 que es un sistema lineal de tres ecuaciones en R 3 en las cuatro incógnitas α 1 , α 2 , α 3 , α 4. Aplicando el método de Gauss-Jordan 2 1 –1 1 –3 1 –3 1 –3 3 3 2 –2 → 0 –12 2 0 0 1 –3 1 –3 3 –9 3 3 1 –7 → 3 –21 → 1 0 0 0 0 1 –3 0 0 1 5 1 –7 0 0 2 0 0 0 0 1 –3 0 0 2 1 0 10 –7 → 0 tenemos a α 1 y α 2 como incógnitas principales y la solución del sistema es α 1 = 5 −α 4 , α 2 = −7+3α 3− α 4 de modo que el vector dado resulta ser combinación lineal de los otros. Obsérvese que para resolver el problema no es necesario escribir la ecuación de la combinación lineal ni el sistema de ecuaciones en R sino que, directamente, de los datos puede escribirse la matriz del sistema. Así, el método de Gauss-Jordan no solamente sirve para resolver con rapidez un sistema de ecuaciones lineales sino que también permite plantear de un modo inmediato un problema como el anterior. Ejercicios IV.6.- Estudiar si el vector (1,2,3,5) de R4 es o no combinación lineal de los vectores de los los siguientes conjuntos a) {(2,3,0,5),(0,1,0,4),(1,1,0,2)} b) {(−5,2,8,−16),(−5,3,17,−14),(1,1,11,6)} c) {(0,1,2,−1),(1,2,−1,0),(0,2,−1,1),(4,6,1,3)} d) {(0,1,1,1),(1,0,1,−1),(2,2,2,1),(0,0,−1,−1),(0,1,1,0)} e) {(1,–1,3,3),(2,–2,6,6),(3,–1,3,5),(–2,2,−4,−4),(1,5,–3,3),(3,6,–9,0)} IV.7.- En R3 se dan los siguientes conjuntos de vectores: A = {(1,1,0),(1,0,1),(0,1,1),(0,1,−1)} B = {(3,0,0),(0,4,0),(0,0,2),(0,1,1)} Probar que cualquier vector de de R3 es combinación lineal de los vectores de A y B. 11 IV.8.- Hallar λ y µ para que el vector ( λ ,µ ,α 1,α 2) de Q 4 sea combinación lineal de los vectores (1,α3,−5,3) y (α4,−1,4,7) para α1 = , α2 = , α3 = , α4 = . IV.9.- Hallar m y n para que los vectores (1,1,0,m),(3,−1,n,−1) y (−3,5,n,−4) sean tales que uno sea combinación lineal de los otros dos. IV.3.- SUBESPACIO VECTORIAL Sea V un espacio vectorial sobre K y W un subconjunto no vacío de V; diremos que W es un subespacio de V si W es espacio vectorial sobre K, lo cual equivale a que W subespacio de V si y sólo si 1) 2) 3) 4) 5) 6) W es subgrupo aditivo de V W es estable para el producto externo (∀x,y∈W) (∀ α ∈K) (α (x+y) = α x+ α y) (∀x∈W) (∀ α ,β ∈K) ((α + β )x = α x+ β x) (∀x∈W) (∀ α ,β∈K) (α (βx) = (αβ )x) (∀x∈W) (1·x = x) Como las propiedades 3),4),5),6) se verificarán por el mero hecho de ser W un subconjunto de V, según la condición de subgrupo aditivo, tendremos que W subespacio de V si y sólo si 1) (∀x,y∈W) (x − y∈W) 2) (∀x∈W) (∀ α ∈K) (α x∈W) y estas dos condiciones se pueden resumir en la siguiente, a la cual equivalen W subespacio de V si y sólo si (∀x,y∈W) (∀ α ,β∈K) (α x+βy∈W) Esta condición es verificada por los siguientes conjuntos, que son los subespacios triviales {0}, ya que α ·0+ β ·0 = 0 ∈ {0} V, ya que αx+βy∈V por ser V un espacio vectorial. Si W1 y W2 son subespacios de V, la intersección W1 ∩ W2 es también un subespacio ya que cualesquiera que sean los escalares α,β∈K (∀x∈W1 ∩ W2) ((x∈W1 ∧ x∈W2) ⇒ α x+ β y∈W1) por ser W1 subespacio (∀y∈W1 ∩ W2) (( y∈W1 ∧ y∈W2) ⇒ α x+ β y∈W2) por ser W2 subespacio por lo que α x+ β y∈W1 ∩ W2 12 El concepto de intersección de dos subespacios se generaliza de una manera natural a n subespacios W1 ,...,Wn de un mismo espacio vectorial V, verificándose que W1 ∩ ... ∩ Wn es un subespacio, como fácilmente se demuestra por inducción. Se verifica que W1 ∩ ..∩ Wi ∩.. ∩ Wn ⊆ Wi para cualquier i = 1,...,n. Si W1 y W2 son subespacios de V, el conjunto de vectores W1 +W2 = {v1 +v2 v1 ∈W1 ∧ v2 ∈W2} es un subespacio, dado que para cualesquiera α,β∈K: (∀x∈W1 +W2 ) (x = v1 +v2) (∀y∈W1 +W2 ) (y = w1 +w2) luego α x+ β y = α (v1 +v2 )+ β (w1+w2) = (α v1 + β w1 )+( α v2 + β w2)∈W1+W2 ya que αv1 + β w1 ∈W1 y α v2 + β w2 ∈W2. Si W1 y W2 son tales que W1 ∩ W2 = {0} (evidentemente dos subespacios nunca pueden ser disjuntos pues todos contienen el vector 0), el subespacio suma se denomina suma directa, escribiéndose W1 ⊕W2 y se dice que W1 y W2 son dos espacios independientes. Un vector del subespacio W1 +W2 será un vector descomponible en suma de dos vectores uno de W1 y otro de W2 es decir x∈W1 +W2 ⇔ (∃v1 ∈W1 ) (∃v2 ∈W2 ) (x = v1 +v2) pudiendo eventualmente existir otra descomposición en suma, es decir, puede que los dos vectores v1 y v2 no sean únicos. Sin embargo se verifica que x∈W1 ⊕W2 ⇔ (∃v1 ∈W1 único) ( ∃v2 ∈W2 único) ( x = v1 +v2) En efecto, Directo: Si x = v1 +v2 con v1 ∈W1 y v2 ∈W2 ⇒ v1 −w1 = w2 −v2 = u x = w1 +w2 con w1 ∈W1 y w2 ∈W2 y si u ≠ 0, como u = v1 −w1 ∈W1 y u = w2 −v2 ∈W2, entonces W1 y W2 tendrían en común un vector distinto del 0, lo que está en contra de la hipótesis. Recíproco: Si W1 ∩ W2 ≠ {0}, existe un w∈V no nulo tal que w∈W1 ∩ W2, pudiéndose escribir x = (v1 +w)+(v2 − w ) con v1 +w∈W1 y v2 −w∈W2 y, por ello, la descomposición de x como suma no sería única. Si W1 y W2 son subespacios de V y se verifica que W1 ⊕W2 = V se dice que W1 y W2 son subespacios suplementarios. 13 El concepto de suma y suma directa de dos subespacios se generaliza de forma natural a n subespacios W1 ,...,Wn de un mismo espacio V, definiéndose W1 +...+Wn = {v1 +...+vn | v1 ∈W1 ∧ ... ∧ vn ∈Wn } demostrándose por inducción que es un subespacio. La suma se dirá directa si se verifican las n igualdades (W1 +...+Wi) ∩ Wi+1 = {0} (i = 1,..., n − 1) representándose por W1 ⊕ ...⊕ Wn; por inducción se demuestra que el hecho de ser directa la suma equivale a que todo vector del subespacio suma se exprese de forma única como suma de vectores de W1 ,...,Wn , en cuyo caso se dice que los subespacios son independientes. Se verifica que Wi ⊆ W1 ⊕ ...⊕ Wi ⊕ ...⊕ Wn para cualquier i = 1,...,n ya que xi = 0+...+xi+...+0 con 0∈W1 ,...,x i ∈ Wi ,...,0∈ Wn . Si v1 ,...,vn son vectores cualesquiera de V, el conjunto B = {α 1 v1 +...+ α n vn α 1 ,..., α n ∈K} es decir, el conjunto de todas las combinaciones lineales de los vectores v1 ,...,vn , es un subespacio vectorial de V, ya que (∀x∈B) (x = µ 1v1 +...+ µ n vn) (∀y∈B) (y = σ 1 v1 +...+ σ n vn) se verifica α x+ β y = α (µ 1 v1 +...+ µ n vn)+ β (σ 1v1 +...+ σ n vn) = (αµ 1+ βσ 1)v1 +...+( αµ n + βσ n )vn∈B Este tipo de subespacios tienen gran importancia y reciben el nombre de subespacios generados por un conjunto de vectores; se representan mediante el símbolo [v1 ,...,vn], que se lee como el subespacio generado por los vectores v1 ,..,vn y es [v1 ,...,vn] = {α 1 v1 +...+ α n vn α 1 ,..., α n ∈K} Además verifica que está contenido en todos los subespacios vectoriales de V que contienen a los vectores v1 ,...,vn; en efecto, si llamamos Ai a estos subespacios, tendremos que (∀i∈I) ([v1 ,...,vn] ⊆ Ai) con lo que (∃k∈I) ([v1 ,...,vn] = A k ) ∩ A i = [v1 ,...,vn] i∈I Ejemplo IV.3.1 En el espacio vectorial R3 sobre R, el subespacio engendrado por los vectores 14 (1,3,−4),(5,−1,0),(3,−1,−1),(2,4,0) es [(1,3,−4),(5,−1,0),(3,−1,−1),(2,4,0)] = = {α 1(1,3,−4)+α 2(5,−1,0)+α 3(3,−1,−1)+α 4(2,4,0) α 1,α 2,α 3,α 4∈R} = = {(α 1+5α 2+3α3+2α 4 ,3 α 1− α 2− α 3+4α 4 ,−4 α 1− α 3 ) α 1 ,α 2 ,α 3 ,α 4 ∈R} Para averiguar si el vector (2,2,−2) pertenece a este subespacio debemos verificar si existen escalares α 1 , α 2 , α 3 , α 4 tales que α 1+5α 2+3α 3+2α 4 = 2 3α 1− α 2− α 3+4α 4 = 2 −4α 1− α 3 = −2 Resolviendo este sistema por el método de Gauss-Jordan 1 5 3 3 –1 –1 –4 0 –1 → 1 5 3 2 2 1 5 3 2 2 0 –16 –10 –2 –4 → 0 –8 –5 –1 –2 → 0 20 11 8 6 0 20 11 8 6 2 2 4 2 → 0 –2 8 0 –1 11 6 –24 0 0 –22 –16 0 –8 –5 –1 –2 → 0 24 0 58 16 → 0 0 –3 11 2 0 0 –3 11 2 1 0 0 0 1 0 0 11/12 2/3 0 29/12 2/3 1 –11/3 –2/3 cuya solución es α 1 = (−11α 4+8) / 12 , α 2 = (−29α 4+8) / 12 , α 3 = (11α 4−2) / 3 y dando valores arbitrarios a α 4 pueden obtenerse las distintas soluciones del sistema. Esto quiere decir que (2,2,−2) pertenece al subespacio engendrado por los vectores (1,3,− 4),(5,− 1,0), (3,− 1,− 1) y (2,4,0) ya que es posible expresarlo como combinación lineal de ellos, además de distintas maneras. Podemos observar que a partir de los datos es posible plantear directamente la matriz del sistema escribiendo todos los vectores del subespacio en columna, y el vector a considerar como combinación lineal de los del espacio, en la última columna 1 5 3 3 –1 –1 –4 0 –1 2 2 4 2 0 –2 Ejercicios IV.10.- De los siguientes subconjuntos averiguar cuáles son subespacios a) A = {(x1,x2,x3)∈R 3 | 2x1–x2 = 0 , 2x1–x3 = 0} 15 b) B = {(x1,x2,x3)∈R 3 | 2x1–x2 = 1 , 2x1–x3 = 0} c) C = {(x1,x2,x1–3x2,1)∈R 4 | x1,x2∈R} IV.11.- Averiguar si la unión de dos subespacios vectoriales es otro subespacio vectorial. Demostrarlo mediante un contraejemplo con subespacios de R3 sobre R. IV.12.- Averiguar si F = {P(x)∈R[x] gr(P(x)) = 2 ∧ 2P''(0)+P '(1)+P(2) = 0} es un subespacio vectorial de R[x]. IV.13.- Averiguar si son subespacios los siguientes subconjuntos del espacio vectorial F de las funciones reales de variable real a) A = {f∈F f(x2) = (f(x))2} b) B = {f∈F f(0) = f(2)} c) C = {f∈F f(2) = 3+f(−1)} IV.14.- Probar que P = {f∈F (∀x∈R) (f(−x) = f(x))} I = {f∈F (∀x∈R) (f(−x) = −f(x))} son subespacios vectoriales del espacio vectorial F de las aplicaciones de R en R y que F = P+I. IV.15.- Qué condición deben verificar las coordenadas de un vector de R4 para que pertenezca a los subespacios A = [(1,1,0,1),(3,0,2,–3),(1,2,–1,–2)] y B = [(0,2,0,1),(1,0,2,–1) (3,1,1,1),(4,3,3,1),(3,4,6,–1)]. IV.4.- BASE Y DIMENSION DE UN ESPACIO VECTORIAL Los espacios vectoriales para los que existe un conjunto generador finito de vectores se denominan espacios de dimensión finita. No todos los espacios son de dimensión finita, es decir, no todos tienen un conjunto generador finito de vectores, de forma que todo vector pueda expresarse como combinación lineal de ellos. Ejemplo IV.4.1 a) Los espacios vectoriales Kn sobre un cuerpo K, son de dimensión finita, ya que el conjunto de vectores {(1,0,...,0),(0,1,...,0),...,(0,0,...,1)} es generador de Kn, pues cualquiera que sea (a 1,a 2 ,...,a n) ∈ Kn tenemos que (a 1,a 2 ,...,a n) = a 1 (1,0,...,0)+a 2 (0,1,...,0)+...+a n (0,0,...,1) 16 b) El espacio vectorial K[x] de los polinomios sobre un cuerpo K no es de dimensión finita pues no existe un conjunto finito de polinomios {P1,...,Pn} generador de K[x], ya que un polinomio Q cuyo grado sea tal que gr(Q) > max(gr(P1),...,gr(Pn)) no es expresable como combinación lineal de P1,...,Pn. Sin embargo el conjunto Kn[x] = {Polinomios sobre K de grado ≤ n} es un subespacio de K[x], como se demuestra fácilmente, de dimensión finita, ya que {1+0x+...+0xn , 0+1x+...+0xn ,...,0+0x+...+1xn} es un conjunto generador Kn[x] al verificar a0+a 1 x+...+a n xn = a 0 (1+0x+...+0xn)+a 1 (0+1x+...+0xn )+...+a n (0+0x+...+1xn) c) El espacio vectorial sobre R W = {funciones f : R R} tampoco es de dimensión finita, ya que ningún conjunto finito de funciones {f 1 ,...,f n } pueden generar W; por ejemplo, la funcion f1·...·fn no es combinación lineal de ellas. Las propiedades más importantes de los espacios vectoriales de dimensión finita, se enuncian en la Tabla siguiente: TABLA IV.4.1 ____________________________________________________________________ Propiedades de los espacios vectoriales de dimensión finita 1) Si (p1,...,pn) es una permutación de (1,...,n), entonces [x1 ,...,x n] = [xp 1 ,...,x pn] 2) β ≠ 0 implica [x 1 ,...,x i,...,x n ] = [x 1 ,...,β x i,...,x n ] 3) x 1 ,...,x i ,...,x j ,...,x n = x 1 ,...,x i + α x j ,...,x j ,...,x n 4) xi combinación lineal de los demás vectores equivale a [x 1 ,...,x i-1 ,x i ,x i+1 ,...,x n ] = [x 1 ,...,x i-1 ,x i+1 ,...,x n ] ____________________________________________________________________ Demostraciones: 17 Estas propiedades establecen en que condiciones un espacio vectorial generado permanece invariante al manipular los vectores generadores. Un espacio de dimensión finita, permanece invariante cuando en su conjunto generador 1) se reordenan vectores, ya que x∈[x 1 ,...,x n ] ⇔ (∃ α 1 ,..., α n∈K) (x = α 1 x 1 +...+ α nx n) ⇔ ⇔ x = α p1xp 1+...+ α p nxp n ⇔ x∈[ xp 1 ,...,x pn] 2) se multiplica un vector generador por un escalar no nulo β x∈[x 1 ,...,x i,...,x n ] ⇔ (∃ α 1 ,..., α i ,..., α n ∈K) (x = α 1 x 1 +...+ α ix i+...+ α nx n) ⇔ ⇔ x = α1x1+...+(α i/β ) β x i+...+ α n x n ⇔ x∈ [x 1 ,..., β x i,...,x n ] 3) se suma a un vector generador xi, un múltiplo de otro vector generador αxj, pues x∈ [x 1 ,...,x i ,...,x j ,...,x n ] ⇔ x = α 1 x 1 +...+ α ix i+...+ α j x j ...+ α nx n ⇔ ⇔ x = α 1 x 1 +...+ α i(x i+ α x j)+...+( α j−αα i)x j+...+ α nx n ⇔ ⇔ x ∈ [x 1 ,...,x i+ α x j,...,x j ...,x n ] 4) se añade o se quita un vector combinación lineal de los demás generadores; en efecto, si x i = β 1 x 1 +...+ β i-1 x i-1 + β i+1 x i+1 +...+ β n x n entonces x∈[x 1 ,...,x i-1 ,x i,x i+1 ,...,x n ] ⇔ x = α 1 x 1 +..+ α i-1x i-1+ α ix i+ α i+1 x i+1 +..+ α nx n ⇔ ⇔ x = α 1 x 1 +..+ α i-1x i-1+ α i( β 1 x 1 +..+ β i-1 x i-1 + β i+1 x i+1 +..+ β n x n )+ α i+1 x i+1 +..+ α n x n ⇔ ⇔ x = (α 1+ α iβ 1 )x 1 +..+( α i-1+ α iβ i-1)x i-1+( α i+1+ α iβ i+1 )x i+1 +..+( α n+ α iβ n)x n ⇔ ⇔ x ∈ [x 1 ,...,x i-1 ,x i+1 ,...,x n ] Recíprocamente, si [x 1,...,x i-1,x i+1 ,...,x n] = [x 1 ,...,x i-1 ,x i,x i+1 ,...,x n ], entonces x i debe ser combinación lineal de los demás ya que si así no fuera, xi sería un vector del segundo subespacio que no estaría en el primero. Esta última propiedad 4) sugiere la posibilidad de encontrar un subconjunto minimal generador de un espacio. Para un cierto espacio de dimensión finita [x 1 ,...,x n ] si en el conjunto generador {x1,...,xn} existe algún vector combinación lineal de los demás, puede ser suprimido sin variar el espacio generado y este proceso puede ser continuado hasta que no exista ningún vector en el conjunto generador combinación lineal de los demás, ya que su supresión cambiaría el espacio. Un conjunto generador minimal de un espacio vectorial de dimensión finita se denomina base del espacio. Su obtención y propiedades, dependen del importante concepto de independencia lineal. Un 18 conjunto de vectores {x1,...,xn} se dice que es linealmente independiente (l.i.) si y sólo si la ecuación α 1 x 1 +...+ α n x n = 0 tiene por única solución α 1 = ... = α n = 0. En caso contrario diremos que el conjunto de vectores {x 1,...,x n} es linealmente dependiente (l.d.) lo que, de acuerdo con la definición anterior, significa que existen escalares no todos nulos α 1,...,α n∈K tales que α 1 x 1 +...+ α n x n = 0 Ejemplo IV.4.2 a) En el espacio vectorial R3, el conjunto de vectores {(1,1,−1),(0,2,3),(1,4,4)} es l.i., pues resolviendo la ecuación α 1(1,1,−1)+α 2(0,2,3)+α 3(1,4,4) = (0,0,0) por el método de Gauss-Jordan 1 1 –1 0 2 3 1 4 4 0 0 → 0 1 0 0 0 2 3 1 3 5 → 1 0 0 0 2 0 0 0 1 0 0 → 0 0 0 → 0 1 0 0 1 0 0 0 2 0 0 1 0 1 3 1 0 0 1 0 0 → 0 0 0 0 da como soluciones α 1 = α 2 =α 3 = 0. b) El subconjunto {3,2+3x,5−7x2,6−x+x2}, del conjunto R2[x] de los polinomios de coeficientes reales de grado menor o igual que 2, es l.d. α 1(3)+α 2(2+3x)+α 3(5−7x2)+α 4(6−x+x2) = 0+0·x+0·x2 ⇒ ⇒ (3α 1+2α 2+5α 3+6α 4)+(3α 2− α 4)x+(−7α 3+ α 4)x2 = 0+0·x+0·x2 ⇒ ⇒ 3α 1+2α 2+5α 3+6α 4 = 0 3α 2 − α 4 = 0 −7α 3+ α 4 = 0 que resuelto por el método de Gauss-Jordan 3 0 0 2 5 6 3 0 –1 0 –7 1 0 0 → 0 9 0 0 0 15 20 3 0 –1 0 –7 1 0 63 0 → 0 0 0 0 0 155 0 3 0 –1 0 0 –7 1 0 da la solución α 1 = –155α 4/63, α 2 = α 4/3, α 3 = α 4/7 existiendo infinitas soluciones 19 que se obtienen dando valores arbitrarios a α 4 . Resumimos en la Tabla IV.4.2 las principales propiedades que caracterizan la independencia lineal de un conjunto de vectores. TABLA IV.4.2 __________________________________________________________________ Propiedades de la independencia lineal 1) {0} es l.d. 2) x ≠ 0 implica {x} es l.i. 3) {x1,x2} l.d. equivale a que existe algún escalar α ≠ 0 tal que x2 = αx1 o x1 = αx2 4) {0,x 1,...,x n} es l.d. para cualesquiera x 1,...,x n 5) x i = x j implica {x 1 ,..,x i,..,x j,..,x n } l.d. 6) {x1,...,xn} l.i. implica (∀i ≠ j) (xi ≠ xj) 7) {x1,..,xn} l.d. equivale a que algún xi es combinación lineal de los demás 8) {x 1 ,...,x n } l.d. implica (∀x∈V) ({x 1 ,...,x n ,x} l.d.) 9) {x 1,...,x n} l.i x no es combinación lineal de x1,...,xn implican {x 1,...,x n,x} l.i. implican {x i,...,x j} l.i. {x i,...,x j} ⊆ {x 1 ,...,x n } __________________________________________________________________ 10) {x 1 ,...,x n } l.i. Demostraciones: 1) {0} l.d. pues cualquier α∈K es solución de la ecuación α·0 = 0. 2) Si x ≠ 0, entonces {x} es l.i. pues la ecuación αx = 0 tiene como única solución α = 0. 3) Según la definición de dependencia lineal {x1,x2} l.d. ⇒ α1x1+α2x2 = 0 con algún αi no nulo ⇒ x 1 = α2 α1 x2 o x2 = α1 α2 x1 20 y diremos que x 1 y x 2 son vectores proporcionales. 4) Para cualesquiera que sean los vectores x 1,...,x n, el conjunto {0,x 1,...,x n} es l.d. ya que la ecuación α ·0+ α 1 x 1 +...+ α n x n = 0 tiene por solución α 1 = ... = α n = 0 y α cualquier escalar de K. 5) Si en un conjunto hay dos vectores iguales x i = x j el conjunto es l.d. ya que puede escribirse 0x 1 +...+1x j+...–1x j+...+0x n = 0 con lo que existen escalares no todos nulos soluciones de ecuación. 6) Es la contrarrecíproca de la anterior. 7) Esta propiedad caracteriza a los conjuntos de vectores linealmente dependientes y . Directo : {x 1 ,...,x n } l.d. ⇒ α 1 x 1 +...+ α nxn = 0 con algún α i ≠ 0 ⇒ ⇒ α ix i = − α 1 x 1 −...− α i-1x i-1− α i+1 x i+1 −...− α nx n = 0 ⇒ α α α α ⇒ xi = – 1 x1 – ... – i-1 xi-1 – i+1 xi+1 – ...– n xn αi αi αi αi y xi resulta ser combinación lineal de los demás. Recíproco: Si xi es combinación lineal, entonces x i = α 1 x 1 +...+ α i–1 x i+1 + α i+1 x i+1 +...+ α nx n ⇒ ⇒ α 1 x 1 +...+ α i–1 x i–1 +(−1)x i+ α i+1 x i+1 +...+ α n x n = 0 luego {x1.,...,xi,...,xn} es l.d. al existir al menos un coeficiente no nulo. Las propiedades 8), 9) y 10) expresan que ocurre respecto de la independencia lineal cuando se amplía o se reduce un conjunto de vectores. 8) {x 1,...,x n} l.d. ⇒ existe x i = α 1 x 1 +...+ α i–1 x i–1 + α i+1 x i+1 +...+ α nx n ⇒ ⇒ xi = α 1 x 1 +...+ α i–1 x i–1 + α i+1 x i+1 +...+ α n x n +0 x ⇒ {x 1 ,...,x n ,x} l.d. 9) Expresa que si a un conjunto l.i. se le añade otro vector, el conjunto resultante será l.d. si el vector añadido es combinación lineal de los otros, según 4), o l.i. si el vector añadido no es combinación lineal. En efecto, si {x 1 ,..,x n ,x} fuera l.d. tendríamos que un vector x i sería combinación lineal de los demás x i = α 1 x 1 +...+ α i–1 x i–1 + α i+1 x i+1 +...+ α n x n + α x con lo que a) Si α = 0, entonces {x1,...,xn} no sería l.i. b) Si α ≠ 0 tendríamos que 21 α α α α x= 1 xi – 1 x1 –...– i-1 xi-1 – i+1 xi+1 –...– n xn α α α α α lo que va contra la hipótesis. 10) Cualquier subconjunto de un conjunto l.i. continua siéndolo, pues si {xi,...,xj} fuera l.d., tendríamos x p = α ix i+...+ α p–1 x p–1 + α p+1 x p+1 +...+ α jxj para algún i ≤p≤j y añadiendo sumandos del tipo 0x 1 ,...,0x n , en el conjunto {x1 ,...,x p ,...,x n } el vector x p sería combinación lineal de los demás y no sería l.i..Sin embargo, queda sin resolver que caracter tiene un subconjunto de un conjunto l.d., ya que depende de los vectores que contenga, como se verá en el siguiente ejemplo. Ejemplo IV.4.3 En R3 el conjunto {(1,−1,2),(3,0,2),(0,1,4),(−7,−2,−2)} es l.d. ya que la ecuación α 1(1,−1,2)+α 2(3,0,2)+α 3(0,1,4)+α 4(−7,−2,−2) = (0,0,0) resolviendo por el método de Gauss-Jordan 1 –1 2 3 0 2 0 –7 1 –2 4 –2 0 0 → 0 1 3 0 3 0 –4 0 –7 1 –9 4 12 16 0 0 32 → 0 –48 0 144 0 0 16 0 0 0 → 0 0 0 → 0 1 0 0 1 0 0 0 –1 2 3 1 –9 0 16 0 0 1 0 0 2 0 –3 1 0 0 0 → 0 0 0 0 tiene por solución α 1 = –2α 4 , α 2 = 3α 4 , α 3 = 0 y α 4 arbitrario. Uno de los vectores, el (1,−1,2), o el (3,0,2), o el (−7,−2,−2), es combinación lineal de los otros. Sin embargo, no lo es el (0,1,4) ya que en la ecuación anterior α 3 = 0 y no puede ser despejado este vector. Además del proceso de resolución anterior se deduce que el conjunto {(1,−1,2),(3,0,2),(0,1,4)}, es decir, los vectores correspondientes a las columnas que después de las transformaciones tiene un 1 y todos los demás elementos 0, es l.i. ya que la solución de la ecuación de la independencia lineal que forman estos tres vectores se obtiene mediante los cálculos anteriores excluyendo la columna de coeficientes de α 4 y la solución es entonces α 1 = α 2 = α 3 = 0. Sin embargo, es l.d. el subconjunto {(1,−1,2),(3,0,2),(−7,−2,−2)}. Ejemplo IV.4.4 El conjunto de m vectores del espacio vectorial Kn {(0,...,0,b 1r ,...,b 1n ),(0,...,0,b 2s ,...,b 2n ),...,(0,...,0,b mv ,...,b mn ) } 22 con r < s < ...< v, b1r ≠ 0, b2s ≠ 0 ,..., bmn ≠ 0 es l.i.. En efecto, la ecuación de la independencia lineal para estos vectores es α 1 (0,..,0,b 1r ,..,b 1n )+ α 2 (0,..,0,b 2s ,..,b 2n )+..+ α m (0,..,0,b mv ,..,b mn ) = (0,..,0,0,..,0) que para resolver bastará con hacer operaciones e igualar las correspondientes componentes, llegando al sistema α 1b1r = 0 ........ α 1b1s–1 = 0 α 1b 1s+ α 2b2s = 0 ............. ................. α 1b 1v+ α 2 b 2v +...+ α m bmv= 0 .................... α 1b 1n+ α 2 b 2n +...+ α mbmn= 0 ⇒ α 1 = α 2 = ... = α m = 0 Ejercicios IV.16.-Estudiar si los siguientes conjuntos de vectores de R4 son l.i. o l.d. a) {(−5,2,8,−16),(−5,3,17,−14),(1,1,11,6)} b) {(0,1, α 1 ,−1),(1, α 2 ,−1,0),(0, α 3 ,−1,1),(4,6,1, α 4 )} para α 1 = , α4 = , α2 = , α3 = . c) {(0,1,1,1),(1,0,1,−1),(2,2,2,1),(0,0,−1,−1),(0,1,1,0)} IV.17.- Si E es e.v.s. R y {x 1,x 2,...,x n} l.i., demostrar que {x 1 , x 1 +x 2 ,..., x 1 +x 2 +...+x n } es también l.i. IV.18.- Si V es un e.v.s. K y {x 1,x 2,...,x n} es un conjunto de vectores l.i., demostrar que también lo es {a 1 x 1 ,a 2 x 2 ,...,a n x n }, con a i ≠ 0. IV.19.- En el espacio vectorial de las funciones reales de variable real, demostrar que f1(x) = e2x f2(x) = x2 f3(x) = x forman un conjunto l.i. La independencia lineal caracteriza a la base de un espacio vectorial, que ya hemos definido como un conjunto generador minimal del espacio, del modo expresado en el siguiente teorema: "Un conjunto de vectores constituyen una base de un espacio vectorial V de dimensión finita si y sólo si es un conjunto generador linealmente independiente". Demostración: Directo: Si los vectores e1 ,...,en forman base de V, constituyen un conjunto generador 23 minimal y por tanto l.i., pues si {e1 ,...,en} fuera l.d., algún ei sería combinación de los otros y por la propiedad 4 de la Tabla IV.2.1 V = [e1 ,...,ei ,...,en] = [e1 ,...,ei–1 ,ei+ 1 ,...,en] lo que va contra la hipótesis de que {e1 ,...,en} es conjunto generador minimal. Recíproco : Si {e1 ,...,ei ,...,en} es un conjunto generador de V linealmente independiente, es un conjunto generador minimal, pues si no lo fuera habría un subconjunto suyo generador de V, quizá el {e1 ,...,ei–1 ,ei+ 1 ,...,en}, en cuyo caso todo vector de V, en particular ei, sería combinación lineal de los éstos por lo que el conjunto {e1 ,...,ei ,...,en} no sería l.i., en contra de la hipótesis. Otra forma de caracterizar las bases viene expresada en el siguiente teorema: " Un conjunto de vectores es una base de un espacio vectorial V de dimensión finita si y sólo si es un conjunto linealmente independiente maximal". Demostración: Directo : Si los vectores e1 ,...,en forman una base de V, según el teorema anterior el conjunto {e1 ,...,en } es l.i. y generador de V, por lo que si x es un vector de cualquiera de V, es combinación lineal de e1 ,...,en; entonces {e1 ,...,en ,x} es l.d. y lo mismo ocurrirá con cualquier otro subconjunto de vectores que contenga estrictamente al {e1 ,...,e n } . Recíproco : Si {e1 ,...,en} es un conjunto maximal l.i., es también un conjunto generador de V, pues para cualquier vector x∈V, como {e1 ,...,en ,x} es l.d., uno de los vectores es combinación lineal de los otros ei = α 1 e1 +...+ α i-1 ei-1+ α i+1 ei+1 +...+ α n en + α x con α ≠ 0 (ya que si fuera α = 0, entonces sería ei una combinación lineal de e1 ,...,ei-1 ,ei+ 1 ,...,en y {e 1 ,...,ei ,...,en} no sería l.i.) por lo que x=– α1 α α α e –...– i-1 e i-1+ 1 e i – i+1 ei+1 –...– n e n α 1 α α α α y x es combinación lineal de ellos; por tanto, según el teorema anterior, al ser {e1 ,...,e i ,...,en} un conjunto l.i. y generador, es base de V. Según estas caracterizaciones antes obtenidas, (e1 ,...,en) base de V equivale a a) {e1 ,...,en} es un conjunto generador minimal de V b) {e1 ,...,en} es un conjunto generador l.i. de V c) {e1 ,...,en} es un conjunto maximal l.i. de V Como los vectores e1 ,...,en de una base forman un conjunto generador, se verifica que (∀x∈V) (∃ α 1 , α 2 ,..., α n∈K) (x = α1 e1 +...+ α n en) 24 y al ser un conjunto l.i., estos escalares α 1 ,..., α n son únicos, para cada vector, ya que si fuera x = α 1 e1 +...+ α n en ⇒ x = β 1 e1 +...+ β n en α 1− β 1 = 0 (α 1− β 1)e1 +...+( α n−β n)en = 0 ⇒ . . . . . . . ⇒ α n−βn = 0 α 1 = β 1 . . . . . α n = β n Estos escalares, únicos para cada vector respecto una base dada, se denominan componentes del vector respecto de la base de forma que, fijada una base de V, todo vector viene determinado de forma única por sus componentes respecto de ella. Ejemplo IV.4.5 En el espacio vectorial de R3 sabemos que, según un ejemplo anterior, los vectores (1,0,0),(0,1,0),(0,0,1) son generadores de R3 y como son l.i., constituyen una base de este espacio. Las componentes del vector (4,3,2) respecto de ella son (4,3,2) = α 1(1,0,0)+α 2(0,1,0)+α 3(0,0,1) ⇒ α 1 = 4, α 2 = 3, α 3 = 2 que coinciden con los elementos que forman la terna que es el vector; por ello, esta base se denomina base canónica. Los vectores (0,0,1),(1,0,0),(0,1,0), en este orden, forman base de R3 y las componentes del vector (4,3,2) serán: (4,3,2) = α 1(0,0,1)+α 2(1,0,0)+α 3(0,1,0) ⇒ α 1 = 2, α 2 = 4, α 3 = 3 distintas de las anteriores, por lo que debemos considerar como distintas ambas bases, aunque estén formadas por los mismos vectores. Para los espacios vectoriales del tipo Kn sobre K, para K un cuerpo cualquiera, los vectores (1,0,...,0),(0,1,...,0),...,(0,0,...,1), en este orden, constituyen la base canónica de K n , pues las componentes respecto ella de un vector (a 1,a 2 ,...,a n)∈K n son (a 1,a 2 ,...,a n) = a 1 (1,0,...,0)+a 2 (0,1,...,0)+...+a n (0,0,...,1) que coinciden con los elementos de K que forman la n−pla que es el vector. Si los vectores e1 ,...,en forman una base de V, los vectores e i 1 ,...,e i n , para (i1 ,i2 ,...,in ) una permutación de (1,2,...,n), forman también base de V, pues siguen para generadores, por la propiedad 1) de los espacios vectoriales de dimensión finita (Tabla IV.4.1) y l.i. (se comprueba de forma inmediata), pero ambas bases son distintas por ser distintas las componentes de un vector cualquiera. Por esta razón una base de un espacio V es una n−pla ordenada de vectores generadores de V y linealmente independientes. Si (e1 ,e2 ,..,en) es una base cualquiera de V, se cumple que e1 = 1e1+0e2 +...+0en e2 = 0e1+1e2 +...+0en ............. en = 0e1+0e2 +...+1en 25 de lo que se deduce que sus componentes, respecto de la base que ellos contituyen, son para e1 : 1,0,... y 0 para e2 : 0,1,... y 0 ............. para en : 0,0,... y 1 En un espacio de dimensión finita V conocer una base de V equivale a conocer el espacio vectorial, en el sentido de que mediante una base pueden representarse todos los vectores del espacio V, y como esta representación es única respecto a esta base, tendremos que cada vector es identificable con los elementos del cuerpo que son sus componentes. Ejercicios IV.20.- De los siguientes subconjuntos, decir cuales son subespacios. En caso de que lo sean, dar una base a) A = {(x,x,x) | x∈R} ⊆ R 3 b) B = {(x,y,x−y) | x,y∈R} ⊆ R 3 c) C = {(x,2x−y,x−2y) | x,y∈R} ⊆ R 3 d) D = {(x,y,1) | x,y∈R} ⊆ R 3 e) E = {(x−3y,x,y,y) | x,y∈R} ⊆ R 4 IV.21.- a) Probar que si a, b, c, y d forman base de R4, también forman base los vectores a, a+b, a+b+c, a+b+c+d b) Sea el vector de componentes (1,0,−1,0) respecto de la primera base. Hallar sus componentes en la segunda base. IV.22.- Sean los vectores de R3 a = (2,0,1) b = (1,−2,2) c = (1,2,−1) d = (1,0,1) e = (0,1,1) a) Hallar una base del subespacio A = [a,b,c] y averiguar si (5,4,3)∈A. Hallar asímismo bases para los subespacios B = [d,e] y A ∩ B. IV.23.- Dados los vectores de R3, a 1 = (1,2,−1), a 2 = (3,−1,2), b 1 = (3,0,−1), b 2 = (2,1,1), a) Averiguar si (a 1 ,a 2 ) y (b1,b2) forman bases de subespacios de R 3 y expresar el vector (1,1,1), si es posible, en función de dichas bases. b) Hallar la intersección de estos subespacios y una base de dicha intersección. IV.24.-Hallar una base de cada uno de los siguientes subespacios: a) A = [(4,2,−1),(1,α 1,−3)] ∩ [(1,0,α 2),(2,−1,α 3),(4,α 4,3)] 26 para α1 = , α2 = , α3 = , α4 = . α 1x1+x2–x3+x4 = 0 b) B = soluciones del sistema: para α1 = , α2 = , α3 = x1+ α 2x2+x3 = 0 α 3x1–x2+ α 4x3+x4 = 0 , α4 = . IV.25.- En R3 sean los subespacios A = [(1,0,1),(2,−1,1),(4,−1,3)] B = [(1,1,1),(1,−1,0),(2,0,1)] Hallar una base del subespacio A ∩ B. IV.26- Hallar una base del subespacio A = [(4,−5,7),(3,−3,4),(1,1,−2),(2,−1,1)] y para B = [(1,−2,3),(3,0,−1)]. Comparar A y B. IV.27.- En el espacio vectorial R4 se consideran los vectores v1 = (−1,4,−1,2) v2 = (5,2,a,−2) v3 = (5,13,−4,2) v4 = (13,3,−2,b) a) Determinar a y b para que formen una base de R4. b) Determinar a y b para que el subespacio vectorial engendrado por los dos primeros vectores coincida con el generado por los dos últimos. IV.28.- Sea (e1 ,e2 ,e3) una base de un subespacio vectorial E sobre R. Tres vectores de este espacio son u1 = 2e1+5e2 −e3 u2 = e1 −e2+5e3 u3 = 3e1+ e2 −e3 ¿Es (u1,u2,u3) otra base de E?. En caso afirmativo si v = 3e1+2e2 −e3 expresar v en la base (u 1,u 2,u 3). IV.29.- Sea E un espacio vectorial real de dimensión 3 y B = {e1 ,e2 ,e3 }, B' = {u 1,u 2,u 3} dos bases de E tales que u1 = 2e1+3e2 −e3 u2 = e2 −e3 u3 = 2e1 +e2+2e3 Dado v = 3e1 −e2+4e3, hallar sus componentes respecto de la base B'. IV.30.-Encontrar una base de los siguientes subespacios: a) A = {(x1,x2,x3)∈R 3 x1 = x2} b) B = [cos2x,sen2x,cos(2x)] c) C = [−1+x+3x2,–6+5x+2x2,8+4x+8x2] d) D = [(−1,1,0),(0,α 1,2),(1,1,α 2),(α 3,−1,0),(α 4,0,1)] α3 = e) A ∩ D , α4 = . para α 1 = , α2 = , 27 IV.31.- Sean x1,x2,x3 tres números reales distintos y los polinomios P 1(x) = (x−x2)(x−x3) , P 2(x) = (x−x1)(x−x3) , P 3(x) = (x−x1)(x−x2) a) Demostrar que (P 1 (x),P 2 (x),P 3 (x)) es una base del espacio vectorial de los polinomios de grado igual o menor que 2. b) Expresar en función de esta base el polinomio P(x) de grado menor o igual que tres, que verifica P(x1) = a P(x2) = b IV.32.- En E = {f f : R P(x3) = c con a,b,c∈R. R}, que es un e.v.s.R, a) Demostrar que F = {f(x) = ae x+bx+c a,b,c∈R} es un subespacio vectorial de E. Hallar una base de F. b) Hallar una base de G = {f∈F f(0) = 0} IV.33.- Hallar una base del subespacio generado por las funciones de R en R {f 1 ,f 2 ,f 3 ,f 4 ,f 5 ,f 6 } siendo f1 : R x f4 : R x R 1 f2 : R x R sen(x+1) f5 : R x R senx R cos2x f3 : R x f6 : R x R cosx R sin2x y encontrar las componentes de fi respecto de la base hallada. Una base espacio vectorial de dimensión finita no es única, como hemos comentado anteriormente; además veamos como a partir de ella pueden construirse otras, según asegura el denominado Teorema de Steinitz: " Si la n−pla (e1 ,...,en) es una base de V y {b1,...,bm} un conjunto l.i. de vectores de V, se verifica que m ≤ n y que m vectores de entre los e1 ,...,en pueden ser sustituídos por los vectores b1,...,bm de manera que la n−pla resultante sigue siendo una base de V ". En efecto, si (e1 ,...,en) es base de V, entonces b1 = α 1 e1 +...+ α n en, con algún α i ≠ 0 (pues si no tendríamos b 1 = 0 y {b 1 ,...,b m } no sería l.i.). Vamos a ver que b 1 puede sustituir a cualquier ei tal que su coeficiente en la igualdad anterior sea distinto de cero, de forma que la n− pla resultante es una base de V; en efecto, supongamos, para fijar ideas, que α 1 ≠ 0 y vamos a probar que (b1,e2 ,..,en) es base de V 1) {b 1 ,e2 ,...,en } es l.i.pues β 1 b 1 + β 2 e2 +...+ β n en = 0 ⇒ β1(α 1 e1+ α 2 e2 +...+ α n en)+ β 2e2 +...+ β n en = 0 ⇒ ⇒ β1α 1 e1+(β 2+ β 1α 2 )e2 +...+( β n + β 1 α n )en = 0 ⇒ 28 β 1α 1 = 0 β 2+ β 1α 2 = 0 ⇒ . . . . . . . . . β n+ β 1α n = 0 ⇒ β1 = 0 β2 = 0 . . . . βn = 0 2) {b1 ,e2 ,...,en } genera V pues para cualquier vector x∈V, como {e1 ,e2 ,...,en} genera V es x = µ 1e1+ µ 2e2 +...+ µ n en De b 1 = α 1 e1+ α 2 e2 +...+ α n en,como hemos supuesto α 1 ≠ 0, podemos despejar e1 y sustituirlo en la igualdad anterior para obtener α α x = µ 1 1 b1 – 2 e 2 –...– n e n +µ 2 e 2 +...+ µ n e n α1 α1 α1 es decir x= µ1 µ α µ α b1 + µ 2– 1 2 e 2 +...+ µ n – 1 n e n α1 α1 α1 que expresa a x como combinación lineal de b1,e2,..,en. Aplicamos el mismo razonamiento a la nueva base: como (b 1 ,e2 ,..,en ) es base de V , entonces b2 = σ 1b 1+ σ 2e2+ σ 3e3 +...+ σ n en , con algún σ i ≠ 0 para i = 2,...,n (ya que en caso contrario tendríamos b2 = σ 1 b 1 y {b 1 ,b 2 ,...,b m } no sería l.i.). Entonces b2 puede sustituir a cualquier ei tal que su coeficiente σi sea distinto de cero, de manera que la n−pla resultante es una base de V; en efecto, supongamos, para fijar ideas, que σ2 ≠ 0 y vamos a probar que (b1,b2,e3 ,...,en ) es base de V 1) {b 1 ,b 2 ,e3 ,...,en} es l.i.pues β 1b 1+ β 2b 2+ β 3e3 +...+ β n en = 0 ⇒ ⇒ β1b1+β2(σ1b1+σ2e2+ σ 3e3 +...+ σ n en)+ β 3e3 +...+ β n en = 0 ⇒ ⇒ (β1+β2σ1) b1+β2σ2e2+(β 3+ β 2σ 3) e3 +...+( β n + β 2 σ n ) en = 0 ⇒ ⇒ β 1+ β 2σ 1 = 0 β 2σ 2 = 0 β 3+ β 2σ 3 = 0 . . . . . . . . . β n+ β 2σ n = 0 ⇒ β1 = 0 β2 = 0 β3 = 0 . . . . . βn = 0 2) El conjunto {b 1 ,b 2 ,e3 ,...,en} genera V pues para cualquier vector x∈V, como {b 1 ,e2 ,e3 ,...,en} genera V es x = γ1b 1+ γ 2e2+ γ 3e3 +...+ γn en De b 2 = σ 1 b 1 + σ 2 e2 + σ 3 e 3 +...+ σ n en , al suponer σ 2 ≠ 0, podemos despejar e2 y 29 sustituirlo en la igualdad anterior para obtener x = γ 1b 1+ γ 2 – σ1 σ2 b 1+ 1 σ2 b2 – σ3 σ2 e 3 –...– σn σ2 e n +γ 3 e 3 +...+ γ n e n es decir x = γ 1– γ 2σ 1 σ2 b 1+ γ2 σ2 b 2+ γ 3 – γ 2σ 3 σ2 e 3 +...+ γ n – γ 2σ n σ2 en que expresa a x como combinación lineal de b1,b2,e3 ,..,en . Reiterando el razonamiento hasta llegar al vector bm, tendremos que m ≤ n, pues si fuera al revés, m > n, llegaría un momento que todos los vectores e1 ,...,en habrían sido sustituídos por n vectores de entre los b1,...,bm para la n−pla resultante, (b1,...,b n), una base de V por lo que bn+1 sería combinación lineal de ellos y {b1,...,bm} no sería l.i.. Así, al final de este proceso de sustituciones sucesivas, llegamos a una base de V en la cual m de los n vectores e1 ,...,en han sido sustituídos por b 1 ,...,b m . La n−pla resultante es una base de V, como queríamos demostrar. Ejercicios IV.34.-Averiguar si existe en el espacio R 4 una base que contenga a los vectores (α 1,3,− 1,α 2),(1,0,α 3,2) y (0,1,0,α 4), para α 1 = , α 2 = , α 3 = , α 4 = . IV.35.- Comprobar que el conjunto de vectores A = {(x,y,z,t)∈R 4 x = y−3z ∧ z = 2t } es un subespacio de R4. Hallar una base y completarla a una base de R4. IV.36.- En el espacio vectorial R3 sobre R sea el conjunto U = {(x,y,z)∈R 3 x+y+z = 0 } a) Demostrar que U es subespacio de R3. b) Demostrar que ((1,0,−1),(0,−1,1)) es una base de U. c) Completar esta base para obtener una base de R3. Consecuencias del importante teorema de Steinitz son los resultados que vemos a continuación. Corolario 1 "Todas las bases de un mismo espacio, tienen el mismo número de vectores". Demostración: Si (e1 ,...,en) y (u1,...,um) son bases del espacio vectorial V, entonces 30 (e1 ,...,en) base de V ⇒ {e1,...,en} l.i. ⇒ n≤m (u 1,...,u m ) base de V (u1,...,um) base de V ⇒ {u1 ,...,u m } l.i. ⇒ m≤n (e1 ,...,en) base de V ⇒ m=n Este número común de vectores que tienen todas las bases de un espacio vectorial V de dimensión finita, se denomina dimensión de V. El subespacio {0} no tiene dimensión, en sentido estricto, pues carece de base, ya que {0} es l.d.; sin embargo, definimos que dim({0}) = 0 Corolario 2 " Si dim(V) = n y m > n, entonces cualesquiera que sean los vectores v1 ,...,vm∈ V el conjunto {v1 ,...,vm} es l.d." Demostración: Como dim(V) = n, existe una base de V formada por n vectores; según el Teorema de Steinitz, si {v1 ,...,vm} fuera un conjunto l.i., entonces m ≤ n, lo que está contra la hipótesis. Corolario 3 " Si dim(V) = n y {v1 ,...,vn} es l.i., entonces (v1 ,...,vn) es una base de V ". Demostración: Como dim(V) = n, existe una base de V , (e1 ,...,en ), formada por n vectores. Como {v1 ,...,v n } es l.i., según el Teorema de Steinitz, los n vectores de la base pueden ser sustituídos por los n vectores l.i. y el resultado sigue para una base. Corolario 4 "Si dim(V) = n y {v1 ,...,vn} es un conjunto generador de V, entonces (v1 ,...,vn) es una base de V ". Demostración: {v1 ,...,vn} es también l.i., ya que si no lo fuera existiría un vector vi combinación lineal de los demás y, según las propiedades de los subespacios generados por un conjunto finito de vectores (Tabla IV.2.1), tendríamos V = [v1 ,...,vi-1 ,vi ,vi+ 1 ,...,vn] = [v1 ,...,vi-1 ,vi+ 1 ,..,vn] con lo que sería dim(V) < n, contra lo supuesto. 31 Corolario 5 " Si (e1 ,...,en) es una base de V y w1 ,...,wn son vectores de V obtenidos sucesivamente a partir de los e1 ,...,en, permutándolos, multiplicándolos por escalares no nulos o sumando a un vector un múltiplo de otro, entonces (w1 ,...,wn) es una base de V ". Demostración: Basta tener en cuenta que, según las propiedades vistas de los espacios generados por un conjunto finito de vectores, estas transformaciones no varían el subespacio generado, luego V = [w1 ,...,wn] y aplicando el corolario anterior, al ser dim(E ) = n, es (w1 ,...,wn) una base de V. Corolario 6 " Si V es un espacio de dimensión finita, y W es subespacio de V, entonces W es también de dimensión finita y dim(W) ≤ dim(V) y si dim(W) = dim(V) , entonces W = V " Demostración: Como dim(V) = n, existe una base de V, (e1 ,...,en), formada por n vectores. Si W no fuera de dimensión finita, entonces habría vectores de W, que también lo serían de V, que no serían combinación lineal de ningún conjunto finito de vectores, con lo que V tampoco sería de dimensión finita. Si (u 1 ,...,u m ) es una base de W, entonces {u 1 ,...,u m } es l.i.; en consecuencia m ≤ n, es decir, dim(W) ≤ dim(V). Si dim(W) = dim(V), entonces una base cualquiera de W, al estar formada por n vectores l.i., sería también base para V, por lo que todo vector de V sería también un vector de W, es decir, ambos espacios serían iguales. Corolario 7 " Si V es un espacio vectorial de dimensión finita y W1 y W2 son subespacios de V, dim(W1 ∩ W2) ≤ min(dim(W1),dim(W2)) Demostración: Basta aplicar el corolario 6, teniendo en cuenta que W1 ∩ W2 es subespacio de W1 y W2 . Corolario 8 " Si V es un espacio vectorial de dimensión finita y W1 y W2 son subespacios de V, 32 dim(W1 +W2) = dim(W1)+dim(W2)− dim(W1 ∩ W2)) Demostración: Sean (u1,...,ur) una base de W1 (v1 ,...,vs) una base de W2 (e1 ,...,em) una base de W1 ∩ W2 Como W1 ∩ W2 está contenido en W1 y W2 y {e1 ,...,em } es l.i., podemos sustituir estos vectores en las bases de W1 y W2 de forma que la r−pla y s−pla resultantes son bases (e1 ,...,em ,u i(m+1),...,u i(r)) es base de W1 (e1 ,...,em ,vi(m +1) ,...,vi(s)) es base de W2 En esta situación, vamos a demostrar que (e1 ,...,em ,u i(m+1) ,...,u i(r) ,vi(m +1) ,...,vi(s)) es base de W1 +W2 de donde se deduce inmediatamente dim(W1 +W2) = m+(r−m)+(s−m) = r+s−m = dim(W1)+dim(W2)−dim(W1 ∩ W2) En efecto, se verifica a) El conjunto {e1 ,...,em ,u i(m+1) ,...,u i(r) ,vi(m +1) ,...,vi(s)} genera W1 +W2 ya que para cualquier vector x de W1 +W2 será x 1 ∈W1 ⇒ x1 combinación lineal de la base de W1 x = x1+x2 con x 2 ∈W2 ⇒ x2 combinación lineal de la base de W2 por lo que x es combinación lineal de e1 ,...,em ,u i(m+1) ,...,u i(r) ,vi(m +1) ,...,vi(s) b) {e1 ,...,em ,u i(m+1) ,...,u i(r) ,vi(m +1) ,...,vi(s)} es l.i. pues partiendo de la ecuación de la independencia lineal (α 1 e1 +...+ α m em )+(β m+1u i(m+1)+...+β r u i(r))+(δ m+1vi(m+1) +...+ δ s vi(s)) = 0 se obtiene δ m+1 vi(m+1) +...+ δ s vi(s) = –α 1 e1 –...– α m em – β m+1u i(m+1)–...–β r u i(r)∈W 1 por lo que δm+1vi(m+1) +...+ δ s vi(s)∈W 1∩W 2, es decir δm+1vi(m+1) +...+ δ s vi(s) = γ 1 e1 +...+ γ m em ⇒ δm+1vi(m+1) +...+ δ s vi(s)–γ 1 e1 –...– γ m em = 0 Como {e1 ,...,em ,vi(m +1) ,...,vi(s)} es l.i. serán δm+1 =...= δs = 0, que sustituidos en la ecuación de la independencia lineal hacen que 33 α 1 e1 +...+ α m em + β m+1u i(m+1)+...+β r u i(r) = 0 Como {e1 ,...,em ,u i(m+1),...,u i(r)} es l.i., son α 1 =...= α m = β m+1 =...= β r = 0. Corolario 9 " Si la suma es directa, entonces dim(W1 ⊕W2) = dim(W1)+dim(W2 )". Demostración: Basta aplicar el teorema anterior teniendo en cuenta que si la suma es directa, entonces dim(W1 ∩ W2) = dim({0}) = 0 Este resultado se generaliza por inducción para la suma directa de más de dos subespacios, de modo que dim(W1 ⊕ ...⊕ Wn) = dim(W1)+...+dim(Wn ). Corolario 10 " Si (e 11 ,...,e 1n 1 ) es base del subespacio W 1 ,...,(e m 1 ,...,e mn m ) es base del subespacio Wm, entonces (e 11 ,...,e 1n 1 ,...,e m 1 ,...,e m n m ) es base de W 1⊕...⊕W m ". Demostración: En efecto, los vectores forman un conjunto l.i. ya que si α 11 e 11 +...+ α 1n 1e 1n 1+...+ α m1 e m1 +...+ α mn m e mn m = 0 haciendo α 11 e 11 +...+ α 1n 1e 1n 1 = e 1 ∈W 1 ................... α m1 e m1 +...+ α mn m e mn m = e m ∈W m es e 1+...+e m = 0; como la suma es directa, e 1 = 0,..., em = 0, por la independencia lineal de los vectores de las bases de cada Wi α 11 =...= α 1n 1 =...= α m1 =...= α mn m = 0 Además {e 11 ,...,e 1n 1 ,...,e m 1 ,...,e m n m } es un conjunto generador de W 1⊕...⊕W m pues para cualquier x∈W 1⊕...⊕W m existen x 1∈W 1,..., x m ∈W m tales que x = x 1+...+x m y x 1 = x 11 e 11 +...+x 1n 1e 1n 1 ................ x m = x m1 e m1 +...+x mn m e mn m 34 luego x = x 11 e 11 +...+x 1n 1e 1n 1+...+x m1 e m1 +...+x mn m e mn m . Ejercicios IV.37.- Hallar la dimensión de los espacios vectoriales C sobre R y C sobre C. IV.38.-Sean los vectores a = ( α1 ,0, α 2 ) b = (1,−1,α3 ) y c = ( α 4 ,1,−1) y sea E el espacio vectorial engendrado por estos tres vectores para α1 = , α2 = , α3 = , α4 = a) Hallar dimensión y una base de E y las componentes de (5,3,−2) respecto de esta base. b) Hallar la dimensión y una base del subespacio E ∩ [(1,0,1),(0,1,1)]. IV.39.- Hallar m y n para que los vectores (1,1,0,m),(3,−1,n,−1) y (−3,5,n,−4) generen un subespacio de R4 de dimensión menor que tres. IV.40.- Determinar, según los valores de los parámetros, dimensión y base de los subespacios generados por los siguientes conjuntos de vectores: a) A = {(r,1,1),(1,r,1),(1,1,r)} b) B = {(0,r,−s),(−r,0,t),(s,−t,0)} c) C = {(a,a,a,a),(a,b,b,b),(a,b,c,c),(a,b,c,d)} con r,s,a,b,c,d∈R. IV.41.- Sean los subespacios de R5 U = [(1,3,−2,2,3),(1,4,−3,4,2),(2,3,−1,2,9)] W = [(1,3,0,2,1),(1,5,−6,6,3),(2,5,3,2,1)] Hallar base y dimensión de los subespacios U , W, U ∩ W y U+W. IV.42.- Sea el espacio vectorial V sobre R con una base B = (u1,u2,u3) y los subespacios E = [a,b,c] y F = [d,e,f] con a = u1+3u3 b = 2u1−3u2+u3 c = 4u1−3u2+7u3 d = u1+u2+u3 e = 2u1+3u2+4u3 f = 3u1+4u2+5u3 Hallar bases y dimensión de E , F, E ∩ F y E+F. IV.43.- En el espacio vectorial R2n se consideran los subespacios vectoriales V = {(x 1 ,x 2 ,...,x 2n )∈R 2n x n+i = x i (i = 1,2,...,n)} U = {(y 1 ,y 2 ,...,y 2n )∈R 2n y 2n+1–i = y i (i = 1,2,...,n)} 35 En el caso n = 2, se pide hallar la dimensión y una base de V , U , V ∩ U y V+U. IV.44.- Sea (x 1 ,x 2 ,x 3 ) una base de E e.v.s K y los subespacios E 1 = [x1 ,x 2 +x 3 ], E 2 = [x2,x1+x3] y E3 = [x3,x1+x2]. Hallar una base de E1 ∩ E2 ∩ E3 y su dimensión. IV.5.- APLICACIONES LINEALES. Sean U y V dos espacios vectoriales sobre un mismo cuerpo K y f una aplicación f: U x V f(x) Diremos que f es una aplicación lineal entre U y V, si conserva las operaciones interna y externa, de ambos espacios, es decir 1) (∀x,y∈U) (f(x+y) = f(x)+f(y)) 2) (∀x∈U) (∀ λ∈K) (f(λx) = λf(x)) Ambas condiciones claramente equivalen a la siguiente: (∀x,y∈U) (∀ λ ,µ ∈K) (f(λ x+ µ y) = λ f(x)+ µ f(y)) ya que 1) 2) f(λ x+ µ y) = f(λ x)+f(µ y) = λ f(x)+ µ f(y) y recíprocamente, si en esta segunda condición hacemos λ = µ = 1 se verifica f(x+y) = f(x)+f(y) µ = 0 se verifica f(λx) = λf(x) Cuando V = U la aplicación lineal recibe el nombre de endomorfismo. Un subespacio A de U es un subespacio invariante por un endomorfismo f de U si A es estable por f, es decir si para cualquier vector x∈A es f(x)∈A. Por ejemplo U es obviamente invariante por cualquier endomorfismo definido sobre él. Ejemplo IV.5.1. La aplicación f de R3 en R2 definida por f(x,y,z) = (x−y,2z−3y) es lineal pues f(λ (x 1 ,x 2 ,x 3 )+ µ (y 1 ,y 2 ,y 3 )) = f(λ x 1 + µ y 1 ,λ x 2 + µ y 2 ,λ x 3 + µ y 3 ) = = ((λx1+µy1)−(λx2+µy2),2(λx3+µy3)−3(λx2+µy2)) que coincide con 36 λ f(x 1 ,x 2 ,x 3 )+ µ f(y 1 ,y 2 ,y 3 ) = λ (x 1 −x 2 ,2x 3 −3x 2 )+ µ (y 1 −y 2 ,2y 3 −3y 2 ) = = (λ(x1−x2)+µ (y1−y2),λ(2x3−3x2)+µ(2y3−3y2)) La aplicación f : R2 (x,y) R3 (x−y,3x−y,y+2) no es lineal pues son distintos f(λ (x 1,x 2)+ µ (y 1,y 2)) = f(λ x 1+ µ y 1,λ x 2+ µ y 2) = = ((λx1+µy1)−(λx2+µy2),3(λx1+µy1)−(λx2+µy2),(λx2+µy2)+2) λ f(x 1 ,x 2 )+ µ f(y 1 ,y 2 ) = λ (x 1 −x 2 ,3x 1 −x 2 ,x 2 +2)+ µ (y 1 −y 2 ,3y 1 −y 2 ,y 2 +2) = = (λ(x1−x2)+µ(y1−y2),λ(3x1−x2)+µ(3y1−y2),λ(x2+2)+µ(y2+2)) Las propiedades más principales de las aplicaciones lineales están en la siguiente Tabla IV.5.1. TABLA IV.5.1. ______________________________________________________________________ Propiedades de las aplicaciones lineales 1) f(0U) = 0V 2) f(−x) = −f(x) 3) S subespacio de U implica f(S) subespacio de V 4) W subespacio de V implica f -1(W) subespacio de U, si no es vacío 5) f(λ 1 u 1 +...+ λ n u n ) = λ 1 f(u 1 )+...+ λ n f(u n ) 6) f([u 1 ,...,u n ]) = [f(u 1 ),...,f(u n )] 7) {u 1,...,u n} l.d. implica {f(u 1),...,f(u n)} l.d. 8) f biyectiva y {z1,...,zm } l.i. implican {f -1(z1),...,f -1(zm )} l.i. 9) Si f y g son aplicaciones lineales, entonces f±g, λf y fog son lineales, cuando puedan definirse ______________________________________________________________________ Demostraciones: 1) Ya que para cualquier vector x∈U es f(x) = f(x+0U) = f(x)+f(0U) ⇒ f(0U) = 0V 37 De esta propiedad se obtiene que el subespacio {0 U } es invariante por cualquier endomorfismo sobre U. 2) Ya que para cualquier vector x∈U es 0V = f(0U ) = f(x–x) = f(x+(–x)) = f(x)+f(–x) ⇒ f(–x) = –f(x) 3) Como (∀z∈f(S)) (∃x∈S) (f(x) = z) (∀t∈f(S)) (∃y∈S) (f(y) = t) para cualesquiera λ,µ∈K, por ser S subespacio de U, será λ z+ µ t = λ f(x)+ µ f(y) = f(λ x+ µ y)∈f(S) 4) Como (∀x∈f -1(W)) (∃z∈W) (z = f(x)) (∀y∈f -1(W)) (∃t∈W) (t = f(y)) para cualesquiera λ,µ∈K será f(λ x+ µ y) = λ f(x)+ µ f(y) = λ z+ µ t∈W ⇒ λ x+ µ y∈f -1(W) por ser W subespacio de V. 5) La definición de aplicación lineal expresa que la imagen de una combinación lineal de dos vectores es combinación lineal de las imágenes con los mismos coeficientes; en este sentido esta propiedad viene a generalizar la definición de aplicación lineal en el sentido de que una aplicación lineal va a conservar las combinaciones lineales. Por inducción sobre el conjunto S = {z∈N f(λ 1u 1+...+λ zu z) = λ 1 f(u 1)+...+λ z f(u z)} que verifica 1∈S pues f(λ1u1) = λ1 f(u1) z∈S ⇒ f(λ 1u 1+...+λ zu z) = λ 1 f(u 1)+...+λ z f(u z) ⇒ ⇒ f(λ 1u 1+...+λ zu z)+λ z+1 f(u z+1) = (λ 1 f(u 1)+...λ z f(u z))+λ z+1 f(u z+1) ⇒ ⇒ f(λ 1u 1+...+λ zu z+ λ z+1u z+1) = λ 1 f(u 1)+...+λ z f(u z)+λ z+1 f(u z+1) ⇒ z+1∈S luego S = N. 6) La propiedad 3) expresa que la imagen de un subespacio es otro subespacio y la 6) precisa esta idea: la imagen de un subespacio de dimensión finita engendrado por unos vectores, es el subespacio de dimensión finita engendrado por los vectores imagen. En efecto, z∈f([u 1 ,...,u n ]) ⇒ (∃x∈[u 1 ,...,u n ]) (z = f(x)) y al ser x = λ1u1+...+λnun tendremos 38 z = f(λ 1 u 1 +...+ λ n u n ) = λ 1 f(u 1 )+...+ λ n f(u n ) ⇒ z∈[f(u 1 ),...,f(u n )] Recíprocamente z∈[f(u 1 ),...,f(u n )] ⇒ z = λ 1 f(u 1 )+...+ λ n f(u n ) = f(λ 1 u 1 +...+ λ n u n ) ⇒ z∈f([u 1 ...u n ]) 7) {u 1,...,u n} l.d. ⇒ existe un u i = α 1u 1+...+α i-1u i-1+ α i+1u i+1+...+α nu n ⇒ ⇒ f(u i) = α 1 f(u 1)+...+α i-1 f(u i-1)+α i+1 f(u i+1)+...+α n f(u n) ⇒ ⇒ {f(u 1 ),.., f(u i),.., f(u n )} l.d. 8) Por reducción al absurdo, y según la propiedad anterior {f -1 (z 1 ),..., f -1 (z m )} l.d. ⇒ {f(f -1 (z 1 )),..., f(f -1 (z m ))} l.d. ⇒ {z 1 ,...,z m } l.d. lo que va contra la hipótesis. V es lineal, entonces λf : U f(x) x 9) Si f : U x V es lineal, pues (λ f)(x) = λ f(x) (λ f)(α x+ β y) = λ f(α x+ β y) = λ (α f(x)+ β f(y)) = λα f(x)+ λβ f(y) α (λ f)(x)+β (λ f)(y) = α (λ f(x))+β (λ f(y)) = αλ f(x)+βλ f(y) que son iguales, por conmutatividad de K. Si f: U x f+g : U x V f(x) y g: U x V (f+g)(x) = f(x)+g(x) V g(x) son lineales, entonces es también una aplicación lineal, ya que (f+g)(α x+ β y) = f(α x+ β y)+g(α x+ β y) = α f(x)+ β f(y)+ α g(x)+ β g(y) = = α(f(x)+g(x))+β(f(x)+g(y)) = α(f+g)(x)+β(f+g)(y) Si f: U x g of : U x V f(x) y g: V y W (gof)(x) = g(f(x)) W g(y) son lineales, entonces también es lineal, pues (g of)(α x+ β y) = g(f(α x+ β y)) = g(α f(x)+β f(y)) = α g(f(x))+β g(f(y)) = α (g of)(x)+β (g of)(y) Esta última propiedad permite definir las siguientes estructuras algebraicas sobre conjuntos de aplicaciones lineales: a) Sea L(U,V) el conjunto de aplicaciones lineales de un espacio vectorial U en otro V, ambos sobre el mismo cuerpo. Tenemos entonces que (L(U,V),+) es una estructura 39 algebraica al ser + una l.c.i. en L(U,V), según la propiedad 9) anterior. Además (L(U,V),+) es un grupo abeliano, pues además de ser conmutativa y asociativa la suma, existe la aplicación neutra 0U : U V x 0U(x) = 0V que es lineal, ya que 0U(α x+βy) = 0V = α 0U(x)+β0U(y) verificando 0U+f = f pues (0U+f)(x) = 0U(x)+f(x) = f(x) y la aplicación opuesta (−f) : U x V (−f)(x) = −f(x) que es lineal, ya que (−f)(α x+ β y) = −(f(α x+ β y)) = − α f(x)− β f(y) = α (−f)(x)+ β (−f)(y) y −f+f = 0U pues (−f+f)(x) = (−f)(x)+f(x) = −f(x)+f(x) = 0U El conjunto L(U,V) es también un espacio vectorial sobre K ya que además de ser grupo abeliano aditivo, como acabamos de demostrar, se verifica (λ+µ)f = λf+µf pues ((λ+µ)f)(x) = (λ+µ)f(x) = λf(x)+µf(x) = (λf+µf)(x) λ(f+g) = λf+λg pues ((λ(f+g))(x) = λ(f+g)(x) = λ(f(x)+g(x)) = λf(x)+λg(x) = (λf+λg)(x) λ(µf) = (λµ)f pues λ(µf)(x) = λ((µf)(x)) = λ(µf(x)) = (λµ)f(x) = ((λµ)f)(x) 1f = f pues (1f)(x) = 1f(x) = f(x) b) Sea End(U) el conjunto de las aplicaciones lineales de U en U, es decir, de los endomorfismos de U. Se verifica que (End(U),+,o) es un anillo con elemento unidad, pues (End(U),+) es un grupo abeliano (se trata del caso anterior, para U = V), la composición de aplicaciones es asociativa según ya vimos, es distributiva respecto a la suma, por verificar fo(g+h) = (fog)+(foh) ya que (fo(g+h))(x) = f((g+h)(x)) = f(g(x)+h(x)) = f(g(x))+f(h(x)) = ((fog))+(foh))(x) Esta propiedad distributiva se verifica también en el caso de que f∈L(V,W), g∈L(U,V) y h∈L(U,V). La aplicación elemento unidad es 40 IU : U x U IU (x) = x que es lineal pues IU (αx+βy) = αx+βy = αIU (x)+βIU (y) y verifica foIU = f. c) Si GL(U) el conjunto de los endomorfismos de U biyectivos, entonces (GL(U),o) es un grupo, pues o es asociativa, existe elemento unidad, que es la aplicación IU anterior (pertenece a GL(U) por ser biyectiva) y la aplicación opuesta de f∈GL(U) es su inversa f -1 que es biyectiva y lineal ya que si z = f(x) y t = f(y) y f -1(αz+βt) = m , entonces f(m) = α z+ β t = α f(x)+ β f(y) = f(α x+ β y) ⇒ m = α x+ β y es decir, f -1(αz+βt) = αf -1(z)+βf -1(t) y además verifica f -1of = IU y fof -1 = IU . Ejercicios IV.45.- Averiguar si son lineales las siguientes aplicaciones: f : R3 (x,y,z) R2 (x+y,x+z) h : R2 (x,y) g : R4 (x,y,z,t) R2 (x2,y2) i: R x−y+z−t R3 (x,y,z) R3 (x+y,y+z,x+y+z+1) IV.46.- Averiguar si son lineales las aplicaciones de R3 en R2 dadas por las fórmulas a) f de R 3 en R 2 dada por f(x1,x2,x3) = (3x1+2x2+x3, x1−x2+x3 ) b) f de R2[x] en R2[x] dada por f(a0+a1x+a2x2) = a0+(a0+a1)x+(a0+a1+a2)x2 c) f de R2[x] en R2[x] dada por f(P(x)) = P´(x)+P´´(x) IV.47.- Sea E = {funciones f : R R indefinidamente derivables}. Averiguar cuáles de las siguientes aplicaciones son lineales para α1 = , α2 = , α3 = , α4 = . g:E f R f(α1) j:E R h:E f R f "(α2) k:E i:E f R 1 f (f '(α 4) )2 f(x) dx f 0 IV.6. NUCLEO, IMAGEN Y RANGO DE UNA APLICACION LINEAL Dada la aplicación lineal R f(0)+α3 41 f:U x V f(x) definimos como núcleo de f el conjunto de vectores del espacio inicial cuya imagen es el vector nulo del espacio final Nuc(f) = {x∈U f(x) = 0V} y la imagen como el conjunto de todos los vectores del espacio final que son imagen de algún vector del espacio inicial Im(f) = f(U) que verifican las propiedades expuestas en la Tabla IV.6.1. TABLA IV.6.1 _________________________________________________________ Propiedades de Nuc(f) e Im(f) 1) Nuc(f) es un subespacio de U 2) Im(f) es un subespacio de V 3) Im(f) = V equivale a f sobreyectiva 4) Nuc(f) = {0U} equivale a f inyectiva 5) ({u1,...,un}l.i. ⇒ {f(u1),...,f(un)}l.i.) equivale a f inyectiva _________________________________________________________ Demostraciones: 1) Por definición de núcleo (∀x∈Nuc(f)) (f(x) = 0V) (∀y∈Nuc(f)) (f(y) = 0V) y para cualesquiera α,β∈K f(α x+ β y) = α f(x)+ β f(y) = 0 V ⇒ α x+ β y∈Nuc(f) 2) Por definición de imagen (∀z∈Im(f)) (∃x∈U) (f(x) = z) (∀t∈Im(f)) (∃y∈U) (f(y) = t) y para cualesquiera α,β∈K α z+ β t = α f(x)+ β f(y) = f(α x+ β y)∈Im(f) 3) Es trivial, pues Im(f) es el espacio imagen, que coincidirá con el espacio final si y sólo si 42 f es sobreyectiva. 4) En efecto, si f es inyectiva tenemos x∈Nuc(f) ⇒ f(x) = 0V = f(0U) ⇒ x = 0U ⇒ Nuc(f) = {0U} y recíprocamente si Nuc(f) = {0U}, para cualesquiera vectores x,y∈U f(x) = f(y) ⇒ f(x)–f(y) = f(x–y) = f(0 U ) = 0 V ⇒ x–y∈Nuc(f) ⇒ x–y = 0 U ⇒ x = y 5) En las propiedades de las aplicaciones lineales hemos visto que la imagen de un conjunto linealmente dependiente es un conjunto linealmente dependiente; lo que ocurra con la imagen de un conjunto linealmente independiente dependerá del tipo de aplicación, tal como afirma esta equivalencia. En efecto, Directo: Si x∈Nuc(f), entonces f(x) = 0 V y si fuera x ≠ 0 U , entonces {x} l.i. para {f(x)} l.d., lo que va contra la hipótesis, luego x = 0U y f es inyectiva. Recíproco: α 1 f(u 1)+...+α n f(u n) = 0 V ⇒ f(α 1u 1+...+α nu n) = 0 V ⇒ ⇒ α 1u1+...+α nun∈Nuc(f) ⇒ α 1u1+...+α nun = 0U ⇒ α 1 =...= α n = 0 Ejemplo IV.6.1 La aplicación f: R3 (x,y,z) R2 (x−3y,x−y+2z) es lineal pues f( α (x 1 ,x 2 ,x 3 )+ β (y 1 ,y 2 ,y 3 )) = f( α x 1 + β y 1 ,α x 2 + β y 2 ,α x 3 + β y 3 ) = = (αx1+βy1−3(αx2+βy2),(αx1+βy1)−(αx2+βy2)+2(αx3+βy3)) α f(x 1 ,x 2 ,x 3 )+ β f(y 1 ,y 2 ,y 3 ) = α (x 1 −3x 2 ,x 1 −x 2 +2x 3 )+ β (y 1 −3y 2 ,y 1 −y 2 +2y 3 ) = = (α(x1−3x2)+β(y1−3y2),α(x1−x2+2x3)+β(y1−y2+2y3)) y ambos resultados coinciden. Hallemos núcleo e imagen Nuc(f) = {(x,y,z)∈R 3 f(x,y,z) = (0,0)} = {(3y,y,−y) y∈R} es decir, x−3y = 0 x = 3y ⇒ x−y+2z = 0 z = (y−x)/2 que es un subespacio; para hallar su base basta tener en cuenta que Nuc(f) = {(3y,y,−y) y∈R} = {y(3,1,−1) y∈R} = [(3,1,−1)] con lo que ((3,1,−1)) es una base de Nuc(f). Para calcular Im(f), según la definición, 43 (z1,z2)∈Im(f) ⇔ (∃(x 1,x 2,x 3)∈R 3) (f(x 1,x 2,x 3) = (z1,z2)) es decir, x1−3x2 = z1 ⇒ x1−x2+2x3 = z2 x1 = z1+3x2 x3 = (z2−x1+x2)/2 luego cualquiera que sean z1 y z2 existe antiimagen (x 1 ,x 2 ,x 3 ), y todo vector de R 2 pertenece a la imagen, Im(f) = R2 ⇒ ((1,0),(0,1)) base de Im(f) Como Nuc(f) ≠ {(0,0,0)}, f no es inyectiva y como Im(f) = R2, f es sobreyectiva. A la dimensión del subespacio Im(f) le llamaremos rango de la aplicación rang(f) = dim(Im(f)) El conocimiento del rango de una aplicación lineal proporciona resultados interesantes sobre ella, cuando los espacios vectoriales sobre los que está definida son de dimensión finita y que resumidos en la Tabla IV.6.2. TABLA IV.6.2. _____________________________________________________________ Propiedades del rango de una aplicación lineal f : U V 1) rang(f) = dim(U)−dim(Nuc(f)) 2) rang(f) ≤ dim(U) y rang(f) = dim(U) equivale a f inyectiva 3) rang(f) ≤ dim(V) y rang(f) = dim(V) equivale a f sobreyectiva 4) dim(U) = dim(V) equivale a (f inyectiva ⇔ f sobreyectiva ⇔ f biyectiva) ______________________________________________________________ Demostraciones : 1) Como Nuc(f) es de dimensión finita, por ser subespacio de U, supongamos que (u 1,...,u n) base U y (e1 ,...,em) base de Nuc(f) podemos sustituir m vectores u i por los m vectores ei, y el resultado es una base de U; supongamos, p.ej., que son los m primeros vectores, con lo que (e1 ,..,em ,u m+1 ,...,u n ) será una base de U. Demostremos que (f(um+1),...,f(un)) es base de Im(f) probando que forman un conjunto l.i. y generador. 44 a) {f(u m+1),...,f(u n)} l.i. pues λ m+1 f(u m+1)+...+λ n f(u n) = 0 V ⇒ f(λ m+1u m+1+...+λ nu n) = 0 V ⇒ ⇒ λm+1um+1+...+λnun∈Nuc(f) ⇒ λm+1 =...= λn = 0 ya que si existiesen λ i1 ≠ 0,...,λ ir ≠ 0 tendríamos x = λ i1u i1+...+λ iru ir∈Nuc(f) ⇒ λ i1u i1+...+λ iru ir = α 1 e 1 +...+ α m e m ⇒ ⇒ {u i1 ,...,u ir,e 1 ,...,e m } l.d. y (e 1,...,e m ,u m+1,...,u n) no sería base de U. b) Es un conjunto generador de Im(f) ya que (∀z∈Im(f)) (∃x∈U) (z = f(x) ⇒ z = f(λ 1e1+...+λ m em + λ m+1u m+1+...+λ nu n) ⇒ ⇒ z = λ1 f(e1)+...+λm f(em)+λm+1 f(um+1)+...+λn f(un) ⇒ ⇒ z = λm+1 f(um+1)+...+λn f(un)) ya que f(e1) =...= f(em) = 0V por ser base de Nuc(f). De a) y b) se deduce que dim(Im(f)) = n−m, es decir, rang(f) = dim(U)−dim(Nuc(f)) 2) Inmediata a partir de la anterior teniendo en cuenta que rang(f) = dim(U) ⇔ dim(Nuc(f)) = 0 ⇔ Nuc(f) = {0U} ⇔ f inyectiva 3) Según la definición de rango, rang(f) = dim(Im(f)) ≤ dim(V) para además dim(Im(f)) = rang(f) = dim(V) ⇔ Img(f) = V ⇔ f sobreyectiva 4) Si ambos espacios tienen la misma dimensión, entonces f inyectiva ⇔ dim(Nuc(f)) = 0 ⇔ rang(f) = dim(U) = dim(V) ⇔ f sobreyectiva luego f es biyectiva. En particular, y según esta propiedad, para todo f endomorfismo de U ser f inyectivo equivale a ser sobreyectivo y biyectivo. Ejemplo IV.6.2 Para la aplicación lineal del ejemplo IV.6.1 anterior, tenemos rang(f) = dim(Img(f)) = 2 dim(Nuc(f)) = 1 dim(R3) = 3 y, efectivamente rang(f) = dim(U)−dim(Nuc(f)). Como rang(f) < dim(R3), entonces f no es inyectiva. Como rang(f) = dim(R2) es f sobreyectiva. 45 Ejercicios IV.48.- Para la aplicación f de R3 en R2 definida por f(x,y,z) = (x+y/2,x+z/2) averiguar su rango, núcleo, imagen y clasificarla. Lo mismo para el endomorfismo f de R2[x] dado por f(P(x)) = P´(x)+P´´(x). IV.49.- Sea F el espacio vectorial de las funciones f : R Φ : R3 (a,b,c) F f: R x R y sea R f(x) = a sen2x+b cos2x+c a) Probar que Φ es lineal. b) Averiguar el Nuc(Φ), Im(Φ) y si Φ es inyectiva. c) Si U es el subespacio de las funciones constantes, hallar Φ -1(U). IV.50.- Sea la aplicación lineal f : R3 (x,y,z) R3 ((λ−2)x+2y−z,2x+λy+2z,2λx+2(λ+1)y+(1+λ)z) con λ∈R dado. Hallar según los valores de λ, el Nuc(f), Im(f) y rang f. IV.51.- Demostrar que todo endomorfismo inyectivo es necesariamente sobreyectivo. IV.7.- TEOREMA DE LA CARACTERIZACION DE UNA APLICACION LINEAL Sean U y V e.v.s. K, (e1 ,...,en) es una base de U y {b 1,...,b n} un subconjunto de V, en estas condiciones a) existe una única aplicación lineal f de U en V tal que f (e1 ) = b 1 , ..., f(en ) = b n . Además b) {b1,...,bn} l.i. equivale a f inyectiva y si V es de dimensión finita c) {b1,...,bn} generan V equivale a f sobreyectiva d) (b1,...,bn) base de V equivale a f biyectiva Demostración: Veamos sucesivamente los diversos resultados enunciados. a) En efecto, si x∈U, entonces por ser (e1 ,...,en) una base de U x = α 1e1 +...+ α n en 46 y definimos la correspondencia f:U x V f(x) = α 1 b 1 +...+ α n b n que es una aplicación, pues para todo vector x∈U existen y son únicos los escalares α1,...,αn que lo expresan como combinación lineal de la base (e1 ,...,en), luego es único el vector imagen α 1 b 1 +...+ α n b n En particular veamos las imágenes de e1 ,...,en e1 = 1⋅e1 +...+0⋅en ⇒ f(e1 ) = 1⋅b 1 +...+0⋅b n = b 1 ................................. en = 0⋅e1 +...+1⋅en ⇒ f(en ) = 0⋅b 1 +...+1⋅b n = b n Esta aplicación, así definida es lineal; en efecto como (∀x∈U) (∃ α 1 ,...,α n ∈K) (x = α 1 e1 +...+ α n en) (∀y∈U) (∃ β 1 ,...,β n ∈K) (y = β 1 e1 +...+ β n en) para cualesquiera λ,µ∈K tendremos f(λ x+ µ y) = f(λ (α 1e1 +...+ α n en)+µ (β 1e1 +...+ β n en)) = = f((λα1+µβ1)e1 +...+( λα n + µβ n )en) = (λα 1+ µβ 1)b 1+...+(λα n+ µβ n)b n λ f(x)+ µ f(y) = λ (α 1 b 1 +...+ α n b n )+ µ (β 1 b 1 +...+ β n b n ) = (λα 1 + µβ 1 )b 1 +...+( λα n + µβ n )b n Además f es la única aplicación lineal para la que f(e1) = b 1 ,...,f(en) = bn ya que si hubiera otra aplicación lineal con las mismas imágenes para los vectores e1 ,...,en g:U V e1 g(e1) = b 1 .............. en g(en) = b n entonces para cualquier vector x = α1e1 +...+ α n en sería g(x) = g(α 1e1 +...+ α n en) = α 1g(e1 )+...+ α n g(en ) = α 1 b 1 +...+ α n b n = f(x) La elección de los vectores b1,...,bn imagen de los vectores de la base determina una única aplicación lineal; más aún, si el espacio vectorial imagen es de dimensión finita, según sean estos vectores imagen la aplicación será de un tipo u otro. En efecto b) {b1,...,bn} l.i. equivale a f inyectiva. 47 Directo: Si x = α 1e1 +...+ α n en e y = β 1e1 +...+ β n en y f(x) = f(y), entonces α 1 b 1 +...+ α n b n = β 1 b 1 +...+ β n b n ⇒ (α 1 − β 1 )b 1 +...+( α n −β n )b n = 0 V y como se supone {b1,...,bn}l.i., será α1−β1 = 0 α1 = β1 ....... ⇒ ..... ⇒ x=y αn−βn = 0 αn = βn Recíproco: λ 1 b 1 +...+ λ n b n = 0 V ⇒ f(λ 1 e1 +...+ λ n en) = 0V ⇒ λ1e1 +...+ λ n en∈Nuc(f) y como se supone f inyectiva y (e1 ,...,en) base de U, entonces λ 1 e1 +...+ λ n en = 0U ⇒ λ 1 =....= λ n = 0 c) El conjunto {b1,...,bn} es generador de Im(f) ya que Im(f) = f(U) = f([e1 ,...,en]) = [f(e1 ),...,f(en )] = [b 1 ,...,b n ] y como se supone que {b1,...,bn} genera V ⇔ Im(f) = V ⇔ f sobreyectiva d) Reuniendo los resultados anteriores, tenemos {b1,...,bn} l.i. ⇔ f inyectiva (b 1,...,b n) base de V ⇔ {b1,...,bn} genera V ⇔ f sobreyectiva lo que equivale a que f es biyectiva. Ejemplo IV.7.1 Sean los espacios vectoriales R 3 y R 4. Una base de R 3 es ((1,1,0),(2,0,−1),(0,3,2)) pues forman un conjunto l.i.; en efecto 1 2 1 0 0 –1 0 3 2 0 0 → 0 → 1 2 0 –2 0 –1 0 3 2 0 0 → 0 1 0 3 0 –2 3 0 0 –1 0 0 → 0 1 0 0 0 –2 0 0 0 –1 0 0 → 0 1 0 0 0 0 0 0 1 0 Según el teorema anterior R3 (1,1,0) (2,0,−1) (0,3,2) f: R4 (1,1,0,2) (0,0,0,0) (0,0,2,4) 0 0 1 48 define una única aplicación lineal, cuya fórmula se puede hallar haciendo (x,y,z) = α 1(1,1,0)+α 2(2,0,−1)+ α 3(0,3,2) 1 2 1 0 0 –1 0 3 2 x y → z → 1 2 0 –2 0 –1 0 x 3 y–x → 2 z 1 0 0 0 –2 0 0 0 –1 siendo, por tanto 1 0 3 0 –2 3 0 0 –1 4y–3x–6z 4y–4x–6z → y–x–2z 1 0 0 y y–x → y–x–2z 0 1 0 0 –3x+4y–6z 0 2x–2y+3z 1 x–y+2z α 1 = −3x+4y−6z α 2 = 2x−2y+3z α 3 = x−y+2z con lo que (x,y,z) = (−3x+4y−6z)(1,1,0)+(2x−2y+3z)(2,0,−1)+(x−y+2z)(0,3,2) ⇒ ⇒ f(x,y,z) = (−3x+4y−6z)(1,1,0,2)+(2x−2y+3z)(0,0,0,0)+(x−y+2z)(0,0,2,4) = = (−3x+4y−6z,−3x+4y−6z,2x−2y+4z,−2x+4y−4z) Como {(1,1,0,2),(0,0,0,0),(0,0,2,4)} es l.d., entonces f no es inyectiva; como {(1,1,0,2)(0,0,0,0)(0,0,2,4)} no genera R4, entonces f no es sobreyectiva. Además Nuc(f) = {(x,y,z)∈R 3 f(x,y,z) = (0,0,0,0)} es decir, −3x+4y−6z = 0 2x−2y+4z = 0 cuya solución es z arbitrario, y = 0, x = −2z −2x+4y−4z = 0 por lo que Nuc(f) = {(−2z,0,z) z∈R} = {z(−2,0,1) z∈R} = [(−2,0,1)] para pues ((−2,0,1)) base de Nuc(f). Según las propiedades del rango dim(Im(f)) = rang(f) = 3−1 = 2 y, en efecto, el espacio imagen es Im(f) = [(1,1,0,2)(0,0,0,0),(0,0,2,4)] = [(1,1,0,2)(0,0,2,4)] siendo ((1,1,0,2)(0,0,2,4)) base de Im f 49 Dos consecuencias inmediatas se deducen del importante teorema anterior. En primer lugar "Si V es e.v.s. K de dimensión n, entonces V es algebraicamente identificable con Kn" En efecto, si (e1 ,e2 ,..,en) es una base de V, la identificación la establece la siguiente aplicación V Kn e1 (1,0,...,0) e2 (0,1,...,0) .............. en (0,0,...,1) que es biyectiva por ser los vectores imagen una base de Kn, la base canónica. Consecuencia inmediata de este resultado es que "Dos espacios vectoriales de dimensión finita son algebraicamente identificables si tienen la misma dimensión". En efecto, si U y V son e.v.s. K de dimensión n, ambos son identificables con K n y, por ello, son identificables entre sí. Ejercicios IV.52.- Sea la aplicación lineal f: R4 (1,0,0,0) (0,1,0,0) (0,0,1,0) (0,0,0,1) R4 (2,−1,−1,0) (−1,1,0,−1) (1,0,1,−1) (0,−1,−1,2) a) Hallar f(2,5,6,8), f(x,y,z,t) y f -1(1,0,0,1). b) Hallar Nuc(f), Im(f), rang f y clasificarla. IV.53.- Dada la aplicación lineal f : R2 (1,0) (0,1) R2 (√2,1) (1,√2 ) definir, si es posible, f -1 y hallar f -1(0,1) y f -1(x,y). Hallar núcleo, imagen y rango de f y f -1. IV.54.-Dadas las siguientes aplicaciones lineales, hallar sus rangos, bases del núcleo e imagen y clasificarlas: 50 R3 (1,1,0) (2,3,1) (0,−2,1) , α2 = , α3 = f: para α1 = R4 (3,2,0,1) (1,−2,1,1) (4,0,1,2) , α4 = . h : R2 (2,−1) (4,1) R4 (α 1,0,−1,α 2) (α 3,−2,α 4,1) IV.55.-Dadas las siguientes aplicaciones lineales, hallar sus rangos, bases del núcleo e imagen y clasificarlas: i: R3 (0,1,0) (1,0,0) (1,1,1) para α1 = , α2 = R3 (0,2,0) (1,0,0) (2,6,0) , α3 = j: , α4 = . R4 (1,2,−1,−3) (−3,−1,0,5) (4,2,5,0) (−3,−2,1,7) R2 (−5,1) (8,0) (α 1 , α 2 ) (α 3 , α 4 ) 51 PROCEDIMIENTOS PRÁCTICOS BASICOS Los procedimientos básicos que forman los elementos constructivos a partir de los cuales pueden abordarse los problemas que tratan sobre las materias desarrolladas en este Cuaderno, son los siguientes: - Determinar si una estructura es un espacio vectorial. - Resultados de combinaciones lineales en los e.v. Kn, K(x) y de funciones de A en K. - Averiguar si un vector es combinación lineal otros. - Algoritmo de Gauss-Jordan. - Determinar si un subconjunto es un subespacio. - Averiguar si un vector pertenece a un espacio de dimensión finita. - Simplificar conjuntos generadores. - Averiguar si un conjunto es o no linealmente independiente. - Hallar una base de un e.v. de dimensión finita. - Hallar componentes de vectores respecto de una base. - Obtener bases mediante el teorema de Steinitz. - Hallar bases de espacios suma e intersección. - Hallar bases y dimensión de subespacios. - Averiguar si una aplicación entre espacios vectoriales es lineal. - Hallar rango imagen y núcleo de una aplicación lineal - Definir aplicaciones lineales mediante fórmulas o mediante imágenes de vectores de una base 52 EJERCICIOS DE RECAPITULACION IV.56.- Sean los vectores de R4 v1 = (2,3,−1,0), v2 = (−3,1,0,2), v3 = (−4,5,−1,4) y v4 = (9,8,−3,−2) Probar que [v1 ,v2] = [v3 ,v4] = F y hallar un subespacio G tal que F+G = R4. IV.57.- La ecuación λ1e1 + λ 2 e2 + λ 3 e3 + λ 4 e4 + λ 5 e5 = 0 tiene como solución λ1 = λ2 = −λ3 λ4 = λ5 = 0 Se pide a) Relación de dependencia, si existe, entre los vectores e1 ,e2 ,e3 ,e4 ,e5 . b) Dimensión del subespacio engendrado por los ei . c) Indicar dos bases de este subespacio. IV.58.- a) Demostrar que los polinomios 1, 1+x, 1+x+x 2 ,..., 1+x+x2+...+x n forman una base del espacio vectorial de los polinomios de grado menor o igual a n. Calcular las componentes del polinomio: P(x) = 2x3−2x2+x−1 respecto a una base de este tipo. b) Demostrar que los polinomios 1,(x−a),(x−a)2 ,...,(x−a) n forman una base del espacio vectorial de los polinomios de grado menor o igual a n. c) Demostrar que para un polinomio P(x) de grado n, las componentes respecto la base anterior son P(a) , P '(a ) , P ''(a ) ,..., 2! P (n)(a) n! IV.59.- En R3 se dan los siguientes conjuntos de vectores: A = {(1,1,0),(1,0,1),(0,1,1),(0,1,−1)} B = {(3,0,0),(0,4,0),(0,0,2),(0,1,1)} a) Demostrar que los conjuntos A y B son generadores de R3. b) Hallar respecto de la segunda base (B) las componentes de un vector que respecto a la base primera (A) tiene de componentes (−1,2,−2). c) Generalizar este resultado hallando las componentes b 1 ,b 2 y b3 respecto de la segunda base del vector cuyas componentes respecto de la primera son a 1,a 2 y a 3 . IV.60.- Probar que el subespacio generado por los vectores (1,0,−1),(1,1,0) y (0,1,1) coincide con el engendrado por los vectores (2,1,−1) y (1,2,1). Si denominamos F a este subespacio de R 3 probar que (1,−1,0) no pertenece a F. Completar el vector (4,5,1)∈F a una base de F. IV.61.- En el espacio vectorial R3 sobre R sean los subespacios 53 S1 = [(0,1,1),(1,0,2),(−2,3,−1)] S2 = [(1,1,3),(−1,4,a)] a) Hallar a para que S1 = S2. b) Completar una base S 1 , hasta obtener una base de R 3 . Si llamamos S 3 el subespacio generado por el sistema de vectores añadidos a S1 para obtener la base de R3 estudiar si el conjunto S1 ∪ S3 es un subespacio vectorial. c) Hallar un sistema generador del subespacio vectorial S1 ∩ S4 para S4 el generado por el conjunto de vectores {(1,0,1),(0,0,1),(1,0,0)}. IV.62 .- Sean V y W dos espacios vectoriales reales, de bases (e1 ,e 2 ,e 3 ) y (u 1 ,u 2 ,u 3 ,u 4 ), respectivamente. Si λ∈R, dada la aplicación f:V e1 e2 e3 W λ u 1+u 2 u 3+u 4 u 1+u 2+u 3+u 4 hallar la ecuación de f, Nuc(f) e Im(f) y averiguar cuándo f es inyectiva. BIBLIOGRAFIA de Burgos J. (1988). Curso de Algebra y Geometría. Alhambra. Madrid. Dixmier J. (1974). Matemáticas Generales. Editorial Aguilar. Madrid. Godement R. (1974). Algebra. Tecnos. Madrid. Hoffmann R., Kunze R. (1974). Algebra Lineal. Prentice. Madrid. Lentin A., Rivaud J. (1973). Algebra Moderna. Aguilar. Madrid. Noble B., Daniel J.W. (1988). Applied Linear Algebra. Prentice Hall. London. Puerta F. (1986). Algebra lineal. Marcombo. Barcelona. Queysanne M. (1985) Algebra. Vicens-Vives. Barcelona. Sainz M.A., Serarols J.L. Pérez A.M. (1994). Álgebra. Escuela Politécnica Superior. Gerona. Strang G. (1982). Algebra Lineal y sus aplicaciones. Fondo Educativo Interamericano. Méjico. Xambó S. (1977). Algebra Lineal y geometrias lineales. EUNIBAR. Barcelona.