Ingenierı́a Civil. Matemáticas I. 2012-2013. Departamento de Matemática Aplicada II. Escuela Superior de Ingenieros. Universidad de Sevilla. Tema 4.- Espacios vectoriales. Transformaciones lineales. 4.1.- Espacios y subespacios vectoriales. 4.2.- Espacios vectoriales de coordenadas. Espacio nulo y espacio columna de una matriz. Dependencia e independencia lineal. Ecuaciones paramétricas y ecuaciones implı́citas de un subespacio. 4.3.- Bases de un subespacio. Coordenadas. Dimensión. Rango de una matriz. El teorema del rango. Cambios de base. 4.4.- Ejercicios. Enunciados. Soluciones. 4.1.- Espacios y subespacios vectoriales. De forma genérica, un espacio vectorial es un conjunto donde hay definida una operación suma (la suma de dos elementos del conjunto es otro elemento del conjunto) y una operación producto por escalares (el producto de un escalar, real o complejo, por un elemento del conjunto es otro elemento del conjunto) con las propiedades que conocemos de la suma y producto por escalares para vectores de coordenadas (conmutatividad, asociatividad, existencia de elemento nulo, elemento opuesto, distributivas, etc.). Se dice que el espacio vectorial es real o es complejo en función de que se consideren escalares reales o complejos respectivamente. Además de los espacios de coordenadas, Rn y Cn , que manipulamos habitualmente, algunos ejemplos tı́picos de espacios vectoriales son, con las operaciones usuales de suma de matrices y funciones y de producto de una matriz o una función por un escalar: El conjunto de todas las matrices de dimensiones determinadas, m × n. El conjunto de todos los polinomios en una variable. El conjunto de todos los polinomios en una variable de grado menor o igual que un cierto n ∈ N. 93 94 Tema 4.- Espacios vectoriales. Transformaciones lineales. El conjunto de todas las funciones continuas (en un punto, en un intervalo). El conjunto de todas las funciones derivables (en un punto, en un intervalo). El conjunto de todas las funciones integrables en un intervalo. El conjunto de las funciones (continuas, derivables, integrables) que se anulan en un punto prefijado. Y algunos ejemplos tı́picos de conjuntos que, con las operaciones usuales, no son espacios vectoriales: El conjunto de todas las matrices cuadradas de orden n que tienen inversa. El conjunto de los polinomios de un grado prefijado n ∈ N. El conjunto de las funciones continuas f (en un punto, en un intervalo) tales que f (x0 ) = 1 siendo x0 un punto del intervalo dado. El conjunto de los vectores de R2 cuya segunda coordenada es igual a uno. El conjunto de los vectores de R2 cuyas coordenadas verifican una ecuación de segundo grado. El tipo de subconjuntos más importantes dentro de un espacio vectorial son los llamados subespacios vectoriales. En ellos se puede realizar las operaciones del espacio vectorial sin salirnos de dicho subconjunto. Definición. Se dice que un subconjunto (no vacio) S de un espacio vectorial es un subespacio vectorial si, con las operaciones que hay definidas en el espacio vectorial, es un espacio vectorial. Es decir, si verifica que: (a) ∀u ∈ S, ∀α ∈ K =⇒ αu ∈ S. (b) ∀u, v ∈ S =⇒ u + v ∈ S. De forma equivalente, S es un subespacio vectorial si ∀u, v ∈ S y ∀α, β ∈ K =⇒ αu + βv ∈ S. Notemos que si S es un subespacio vectorial, el vector nulo tiene que pertenecer a S. La propiedad (a) nos dice que si tenemos un vector no-nulo de un subespacio vectorial, la recta determinada por dicho vector está contenida en el subespacio. La propiedad (b) nos dice que si tenemos dos vectores (que no sean uno múltiplo del otro) de un subespacio vectorial, el plano determinado por dichos vectores está contenido en el subespacio. { } Obviamente S = ⃗0 y S = Kn son subespacios vectoriales (a veces llamados subespacios triviales). En el espacio tridimensional, cualquier recta o plano que pase por el origen es un subespacio vectorial. En el plano, los vectores de posición determinados por los puntos de una parábola NO forman un subespacio vectorial. Matemáticas I. Ingenierı́a Civil 4.1.- Espacios y subespacios vectoriales. 95 Proposición. El conjunto de todas las combinaciones lineales de unos vectores dados es un subespacio vectorial. Es decir, dados {v1 , . . . , vn }, Gen {v1 , . . . , vn } = {c1 v1 + · · · + cn vn : c1 , . . . , cn ∈ K} es un subespacio vectorial (del espacio vectorial que se esté considerando). Este subespacio vectorial se denomina subespacio generado por {v1 , . . . , vn }. Es fácil comprobar que se cumplen las siguientes propiedades. Propiedades. (1) Gen {v2 , . . . , vn } ⊆ Gen {v1 , v2 , . . . , vn } . (2) Gen {v1 , v2 , . . . , vn } = Gen {cv1 , v2 , . . . , vn } si c ̸= 0. (3) Gen {v1 , v2 , . . . , vn } = Gen {v1 + αv2 , v2 , . . . , vn }. (4) El subespacio generado por un conjunto de vectores no cambia al añadir combinaciones lineales de dichos vectores o quitar vectores que sean combinación lineal de los restantes. Ejemplos. Algunos ejemplos de subconjuntos que son o no son subespacios vectoriales. En el espacio vectorial de las matrices m × n, • el subconjunto de las matrices que tienen una fila (prefijada) nula es un subespacio vectorial. • el subconjunto de las matrices que tienen una fila (prefijada) no nula no es un subespacio vectorial. En el espacio vectorial de las matrices cuadradas n × n, • el subconjunto de las matrices simétricas es un subespacio vectorial. • el subconjunto de las matrices A cuadradas n × n que verfican que A2 = 0 no es un subespacio vectorial. • el subconjunto de las matrices cuadradas n × n con determinante cero no es un subespacio vectorial. En el espacio vectorial de todos los polinomios en una variable, • el subconjunto de los polinomios de grado par no es un subespacio vectorial. • el subconjunto de los polinomios de grado impar no es un subespacio vectorial. • el subconjunto de todos los polinomios en una variable de grado menor o igual que un cierto n ∈ N. Relacionados con los subespacios vectoriales están las llamadas variedades lineales (o afines). No son otra cosa que trasladados de subespacios vectoriales. Es decir, una variedad es un conjunto de vectores que se puede expresar de la forma p + S siendo p un vector dado y S un subespacio vectorial. Por ejemplo, en el plano o en el espacio, puesto que una recta que pase por el origen de coordenadas es un subespacio vectorial, cualquier recta Matemáticas I. 2012-2013 96 Tema 4.- Espacios vectoriales. Transformaciones lineales. será una variedad puesto que puede obtenerse trasladando, según un cierto vector, la recta paralela que pasa por el origen de coordenadas. El estudio que haremos a continuación de la estructura de espacio vectorial se centrará en los subespacios vectoriales. No consideraremos de forma explı́cita el estudio de las variedades lineales aunque aparezcan: la solución general de un sistema lineal es una variedad lineal porque la solucón general del sistema homogéneo asociado es un subespacio vectorial. A partir de la sección siguientes no vamos a considerar espacios vectoriales genéricos. Consideraremos, exclusivamente, los espacios vectoriales de coordenadas Rn y Cn . Los espacios vectoriales de coordenadas Rn y Cn son los modelos para trabajar con espacios vectoriales de dimensión finita (reales y complejos, respectivamente). Ası́, Rn , n = 1, 2, . . . , es el modelo para el estudio de los espacios vectoriales reales de dimensión finita n. Por ejemplo, en lo que se refiere exclusivamente a las operaciones suma y produco por un escalar, trabajar con el espacio de las matrices reales de dimensiones 3 × 2 o con el espacio vectorial de los polinomios reales (en una variable) de grado menor o igual que 5 (6 coeficientes reales arbitrarios) es equivalente a trabajar con el espacio R6 . Obviamente, todo lo que no se refiera exclusivamente a las operaciones suma y producto por un escalar en el espacio de las matrices o de los polinomios, se pierde al representar dichos espacios como R6 (factorización de polinomios, producto de matrices,...). 4.2.- Espacios vectoriales de coordenadas. 4.2.1.- Espacio nulo y espacio columna de una matriz. Definición. Sea A una matriz m × n con elementos en K. Se llama espacio nulo de A a Nul (A) := {x ∈ Kn : Ax = 0} . Es decir, al conjunto solución del sistema homogéneo Ax = 0. espacio columna de A al subespacio (de Km ) generado por las columnas de A, Col (A) := {y ∈ Km : y es combinación lineal de las columnas de A} . Notemos que decir que un vector y ∈ Km es combinación lineal de las columnas de A es equivalente a decir que el sistema Ax = y, con término independiente y e incógnita x, tiene solución. Si llamamos v1 , . . . , vn a las columnas de A y se tiene que y = α1 v1 + · · · + αn vn entonces α = (α1 , . . . , αn )T es solución de Ax = y puesto que y = Aα. Y viceversa, cada solución de Ax = y (si existe) nos da los coeficientes de una combinación lineal de v1 , . . . , vn que es igual a y. Es decir, Col (A) = {y ∈ Km : Ax = y es un sistema compatible} . No haremos especial referencia al espacio fila de A (subespacio vectorial generado por las filas de A). Cuando necesitemos referirnos a él lo haremos mediante Col (AT ). Proposición. Sea A una matriz m × n con elementos en K. Nul (A) es un subespacio vectorial de Kn . Col (A) es un subespacio vectorial de Km . Matemáticas I. Ingenierı́a Civil 4.2.- Espacios vectoriales de coordenadas. 97 Puesto que Nul (A) es un subespacio vectorial, para cualquier vector p ∈ Kn , el conjunto p + Nul (A) es una variedad lineal. Para cualquier v ∈ p + Nul (A) tendremos un vector u ∈ Nul (A) tal que v = p + u y por tanto, Av = Ap + Au = Ap. Es decir, v es solución del sistema Ax = b siendo b = Ap. Reciprocamente, si tenemos un sistema Ax = b compatible y p es una solución, cualquier otra solución v puede expresarse mediante v = p + (v − p) que es un vector de p + Nul (A) (puesto que A(v − p) = Av − Ap = b − b = 0). Por tanto, asociado a una matriz A, m × n tenemos: (1) Nul (A), el conjunto solución del sistema homogéneo Ax = 0 (es un subespacio vectorial de Kn ). (2) Col (A), el conjunto de términos independientes y para los que el sistema Ax = y es compatible (es un subespacio vectorial de Km ) (3) Para cada y ∈ Km , el conjunto solución del sistema Ax = y, {x ∈ Kn : Ax = y}. Si y ∈ Col (A) (el sistema Ax = y es compatible) es una variedad lineal de Kn . Si y ∈ / Col (A) (el sistema Ax = y es incompatible) no hay ningún vector en dicho conjunto. Ejercicio. (1) ¿Qué relación hay entre el espacio columna de una matriz y el de la matriz que se obtiene al hacer operaciones columna sobre la matriz? (2) ¿Qué relación hay entre el espacio nulo de una matriz y el de la matriz que se obtiene al hacer operaciones fila sobre la matriz? 4.2.2.- Dependencia e independencia lineal. Definición. Consideremos un conjunto finito de vectores {v1 , . . . , vn }. (a) Se dice que {v1 , . . . , vn } es linealmente dependiente (L.D.) si existe alguna combinación lineal no trivial de dichos vectores igual al vector nulo. Es decir, si existen coeficientes α1 , α2 , . . . , αn ∈ K no todos nulos tales que α1 v1 + α2 v2 + · · · + αn vn = 0. (b) Se dice que {v1 , . . . , vn } es linealmente independiente (L.I.) si no es linealmente dependiente. Si {v1 , . . . , vn } son vectores linealmente dependientes y tenemos una combinación lineal de estos vectores igual al vector nulo α1 v1 + α2 v2 + · · · + αn vn = 0 y el coeficiente αk ̸= 0, entonces de la igualdad anterior se puede despejar vk que quedará expresado como combinación lineal de los restantes vectores. Reciprocamente si tenemos un vector que es combinación lineal de otros, el conjunto formado por estos y el vector combinación lineal es un conjunto linealmente dependiente. Notemos además de que si una combinación lineal de vectores es igual al vector nulo, la combinación lineal que resulta de multiplicar por cualquier coeficiente también es el vector nulo. Propiedades. Consideremos un conjunto finito de vectores {v1 , . . . , vn }. Matemáticas I. 2012-2013 98 Tema 4.- Espacios vectoriales. Transformaciones lineales. (1) La dependencia o independencia lineal de {v1 , . . . , vn } no depende del orden en el que estén dados los vectores. (2) Si uno de los vectores es nulo o hay vectores repetidos, entonces es L.D. (3) La dependencia/independencia lineal de un conjunto no cambia al sustituir un vector por un múltiplo no-nulo. Siendo c ̸= 0 (c ∈ K), {v1 , . . . , vn } es L.D. ⇔ {u1 = cv1 , v2 , . . . , vn } es L.D. (4) La dependencia/independencia lineal de un conjunto no cambia al sumar a un vector un múltiplo de otro (distinto). Siendo α ∈ K {v1 , . . . , vn } es L.D. ⇔ {v1 , u2 = v2 + αv1 , . . . , vn } es L.D. (5) Al añadir vectores a un conjunto L.D. se obtiene un conjunto L.D. Al suprimir vectores de un conjunto L.I. se obtiene un conjunto L.I. Teorema. Consideremos vectores {v1 , . . . , vn } en Km y sea A la matriz cuyas columnas son los vectores dados . . .. .. · · · ... A = v1 v2 · · · vn . .. .. . . · · · .. Son equivalentes: (1) {v1 , . . . , vn } es un conjunto linealmente dependiente. (2) El sistema de ecuaciones Ax = 0 tiene infinitas soluciones. (3) Al reducir A a forma escalonada se obtienen r pivotes, r < n. (4) Alguno de los vectores vk es combinación lineal de los restantes. (5) Si el primer vector v1 es no-nulo, alguno de los vectores es combinación lineal de los anteriores. Observación. Interpretación de la reducción por filas de una matriz A en relación con la dependencia o independencia lineal de los vectores-columna de la matriz A. Notemos que dar una cierta combinación lineal de vectores es lo mismo que multiplicar la matriz cuyas columnas son dichos vectores por el vector columna formado por los correspondientes coeficientes .. .. .. x1 . . ··· . x2 . x1 v1 +2 v2 + · · · + xn vn = v1 v2 . . . vn . .. .. .. .. . . ··· . xn Matemáticas I. Ingenierı́a Civil 4.2.- Espacios vectoriales de coordenadas. Si al reducir A a forma escalonada obtenemos U .. . .. . A= v1 v2 .. .. . . 99 * .. 0 operaciones ··· . fila - U = .. . vn .. ··· . ∗ * 0 ∗ ··· ∗ ∗ ∗ ··· ∗ ∗ 0 ∗ * tenemos que: Cada columna de U en la aparece un pivote es linealmente independiente con las anteriores columnas de U . Por tanto, esto mismo es cierto para las correspondientes columnas de A. Cada columna de la matriz U en la que no hay pivote es combinación lineal de las anteriores columnas de U . Por tanto, esto mismo es cierto para las correspondientes columnas de A. Si tenemos una cierta fila nula en la matriz U esto quiere decir que una cierta combinación lineal de las filas de la matriz A es igual a la fila nula. Las filas pivote (de U y las correspondientes de A dependiendo de los intercambios de fila que se hayan hecho) son linealmente independientes. Es decir, en la situación del esquema anterior, se verifica que la columna 3 de U es combinación lineal de las columnas 1 y 2 (y lo mismo es cierto para las correspondientes columnas de A), las columnas {columna1, columna2, columna4} de U son linealmente independientes (y lo mismo es cierto para las correspondientes columnas de A. 4.2.3.- Ecuaciones paramétricas y ecuaciones implı́citas. Asociados a una matriz A, m × n, . . .. .. · · · A = v1 v2 · · · .. .. . . ··· a11 a12 · · · a1n .. . a21 a22 · · · a2n vn = .. .. .. ... . . . .. . am1 am2 · · · amn hemos considerado; El espacio nulo de la matriz A, esto es el conjunto de vectores x ∈ Kn caracterizados por las ecuaciones implı́citas homogéneas a11 x1 + a12 x2 + · · · + a1n xn = 0 a21 x1 + a22 x2 + · · · + a2n xn = 0 Ax = 0 . .. .. .. . . . a x + a x + ··· + a x = 0 m1 1 m2 2 mn n Matemáticas I. 2012-2013 100 Tema 4.- Espacios vectoriales. Transformaciones lineales. El espacio columna de la matriz A (y el subespacio generado por unos ciertos vectores), esto es, el conjunto de vectores y y = α1 v1 + α2 v2 + · · · + αn vn caracterizado por y1 y2 .. . y m las ecuaciones paramétricas homogéneas = = .. . α1 a11 + α2 a12 + · · · + αn a1n α1 a21 + α2 a22 + · · · + αn a2n .. . , α1 , α2 , . . . , αn ∈ K. = α1 am1 + α2 am2 + · · · + αn amn Resolviendo el sistema homogéneo Ax = 0 podemos obtener los vectores del espacio nulo de A como el conjunto de vectores que se pueden expresar como combinación lineal (arbitraria) de determinados vectores, es decir, como el subespacio generado por ciertos vectores o como el espacio columna de la matriz que tiene a dichos vectores como vectores columna. Por otra parte, puesto que el espacio columna de una matriz A está formado por los vectores, y, tales que el sistema de ecuaciones Ax = y es compatible, obteniendo las condiciones de compatibilidad de este sistema (en función del término independiente y), tendremos unas ecuaciones lineales homogéneas que permiten expresar el citado espacio columna como espacio nulo de otra matriz. Por tanto, hablar de espacio nulo o espacio columna de una matriz (o subespacio generado por ciertos vectores) no es hablar de conjuntos de vectores con caracterı́sticas distintas, sino que es hablar de un mismo tipo de conjunto de vectores, los subespacios vectoriales, pero expresados en forma distinta: (a) Cuando un subespacio vectorial viene dado como espacio nulo de una matriz tenemos una descripción implı́cita (ecuaciones implı́citas) de dicho conjunto (un vector está en el conjunto considerado si, y sólo si, sus coordenadas verifican el sistema homogéneo asociado a la matriz). (b) Cuando uno de dichos conjuntos de vectores viene dado como espacio columna de una matriz tenemos una descripción paramétrica (ecuaciones paramétricas) de dicho conjunto (un vector está en el conjunto considerado si, y sólo si, puede expresarse como combinación lineal de determinados vectores). Entre las descripciones implı́citas de un subespacio vectorial habrá unas mejores que otras, en el sentido de que una puede tener ecuaciones redundantes y otra no. De unas ecuaciones implı́citas dadas Ax = 0 se podrán suprimir las que sean redundantes, es decir las ecuaciones que sean combinación lineal de las restantes. Dichas ecuaciones las podemos localizar sin más que reducir a forma escalonada por filas la matriz A dada. Las filas (tanto de la matriz original A como de la matriz escalonada final U ) que contengan algún pivote nos darán unas ecuaciones implı́citas, no redundantes, de dicho subespacio. Si resolvemos el sistema tendremos una descripcion paramétrica del conjunto solución, es decir del subespacio dado, el espacio nulo de la matriz A original. Si en la descripción paramétrica eliminamos los parámetros, llegaremos a unas ecuaciones homogéneas que darán una descripción implı́cita del subespacio considerado. De la misma Matemáticas I. Ingenierı́a Civil 4.2.- Espacios vectoriales de coordenadas. 101 forma que en el caso de ecuaciones implı́citas, entre las descripciones paramétricas de un subespacio vectorial, unas serán mejores que otras en el sentido de que unas involucren menos vectores que otras. Es decir, si tenemos el espacio columna de una cierta matriz A, m × n, y los vectores columna de A son linealmente dependientes, suprimiendo vectores que sean combinación lineal de los que quedan, tendremos que el espacio columna de la matriz original también es el espacio columna de la matriz que resulta de la matriz anterior suprimiendo algunas columnas. Si nos quedamos con un conjunto de vectores linealmente independiente, tendremos que dichos vectores generan el espacio columna de la matriz original y cada vector de dicho espacio se puede expresar de forma única como combinación lineal de los vectores linealmente independientes obtenidos. Dichos vectores constituyen lo que se denomina una base (es decir, un conjunto de vectores linealmente independiente que genera el subespacio) del subespacio vectorial considerado, el espacio columna de la matriz original. De la misma forma que un subespacio vectorial, S, puede caracterizarse mediante ecuaciones implı́citas o ecuaciones paramétricas homogéneas, una variedad lineal, p + S, puede caracterizarse mediante ecuaciones implı́citas, en general no homogéneas, y mediante ecuaciones paramétricas, en general no homogéneas, puesto que el vector nulo puede no pertenecer a la variedad. Una vez que se tienen unas ecuaciones paramétricas/implı́citas de un subespacio S, puesto que la variedad p + S esta formada por los vectores v tales que u = v − p está en S, esto será equivalente a decir que u = v − p verifica las citadas ecuaciones de S. Ejemplo.- (Ecuaciones implı́citas −→ Ecuaciones implı́citas no redundantes, Ecuaciones paramétricas y una base). Consideremos el espacio nulo de la matriz −1 2 0 3 A = 3 0 1 −1 . 1 4 1 5 Es decir, estamos considerando el conjunto S de los vectores x ∈ R4 cuyas coordenadas (x1 , x2 , x3 , x4 ) verifican las ecuaciones (implı́citas) −x1 + 2x2 + 3x4 = 0 3x1 + x3 − x4 = 0 . x1 + 4x2 + x3 + 5x4 = 0 Haciendo operaciones fila sobre la matriz A ecuaciones del sistema) tenemos −1 2 0 3 −1 F2 + 3F1 3 0 1 −1 0 A= F3 + F1 1 4 1 5 0 (que se corresponden con operaciones sobre las 2 0 3 6 1 8 6 1 8 −1 2 0 3 - U = 0 6 1 8 . 0 0 0 0 F3 − F2 De hecho, refiriéndonos a la matriz original tenemos que F3 (A) = F2 (A)+2F1 (A). Equivalentemente, la tercera ecuación del sistema original es combinación lineal de las dos primeras con lo cual si un vector es solución de las dos primeras también lo es de la tercera. Resumiendo, tenemos que [ ] [ ] −1 2 0 3 −1 2 0 3 S = Nul (A) = Nul = Nul (U ) = Nul 3 0 1 −1 0 6 1 8 Matemáticas I. 2012-2013 102 Tema 4.- Espacios vectoriales. Transformaciones lineales. con lo cual nuestro conjunto S de vectores está caracterizado por las ecuaciones (no redundantes) } ( }) −x1 + 2x2 + 3x4 = 0 −x1 + 2x2 + 3x4 = 0 o por . 6x2 + x3 + 8x4 = 0 3x1 + x3 + x4 = 0 Resolviendo el sistema U x = 0 tenemos Variables libres -1 2 0 3 0 x3 y x4 . 0 6 1 8 0 =⇒ Variables fijas =⇒ 0 0 0 0 0 x1 y x2 . x2 = 61 (−x3 − 8x4 ) ⇒ x1 = 2x2 + 3x4 = 26 (−x3 − 8x4 ) + 3x4 = − 31 x3 + 13 x4 x1 x2 ⇒ x3 = x3 x4 1 − 31 3 8 − 16 + x4 − 6 . 0 1 0 1 Por tanto, 1 − 13 3 −1 −8 6 6 Nul (A) = Gen v1 = , v2 = 0 1 0 1 − 31 13 −1 −8 6 6 = Col = Col 1 0 0 1 = Gen −2 −1 6v1 = 6 0 1 , 3v2 = −4 0 3 −2 1 −1 −4 . 6 0 0 3 Los vectores {v1 , v2 } forman una base de S = Nul (A). Los vectores de Nul (A) son los que pueden expresarse como combinación lineal de v1 y v2 y, como consecuencia de la independencia lineal, cada vector de S sólo puede expresarse de una forma como combinación lineal de v1 y v2 . Los coeficientes que aparezcan en dicha combinación lineal son las coordenadas del vector de S respecto a la base {v1 , v2 } (de S). El vector v = [−8 5 18 − 6] está en S y sus coordenadas respecto a {v1 , v2 } son la solución de 1 1 − 3 3 −8 [ ] −1 −8 5 λ 6 6 , v = λv1 + µv2 ≡ v = v1 v2 ≡ 1 µ 0 18 0 1 −6 es decir, λ = 18, µ = −6 (v = 18v1 − 6v2 ). Ejemplo.- (Ecuaciones paramétricas −→ Ecuaciones paramétricas y Ecuaciones implı́citas no redundantes y una base). Vamos a utilizar la misma matriz A del ejemplo anterior. El espacio columna de dicha matriz es, por definición de espacio columna, el conjunto de Matemáticas I. Ingenierı́a Civil 4.2.- Espacios vectoriales de coordenadas. 103 vectores y que se pueden expresar como combinación lineal de las columnas de A, es decir los vectores y (con 3 coordenadas!) que se pueden expresar mediante y1 −1 2 0 3 y = y2 = α 3 + β 0 + γ 1 + δ −1 y3 1 4 1 5 para ciertos α, β, γ, δ ∈ R. Esto es lo mismo que decir que el espacio columna está formado por los vectores y ∈ R3 para los que el sistema de ecuaciones Ax = y tiene solución. En dicho caso, cada solución del sistema Ax = y nos darı́a una forma de expresar y como combinación lineal de las columnas de A. Obtengamos, para un vector genérico y ∈ R3 las condiciones de compatibilidad del sistema Ax = y, reduciendo la matriz ampliada del sistema [A|y] a forma escalonada. Haciendo las mismas operaciones fila que hemos hecho cuando hemos obtenido el espacio nulo tenemos −1 2 0 3 y1 F2 + 3F1 −1 2 0 3 y1 - 0 6 1 8 y + 3y [A|y] = 3 0 1 −1 y2 2 1 1 4 1 5 y3 F3 + F1 0 6 1 8 y3 + y1 F3 − F2 -1 - U = 0 0 2 6 0 0 3 y1 . 1 8 y2 + 3y1 0 0 y3 − y2 − 2y1 Por tanto, el sistema Ax = y es compatible (determinado o indeterminado) ⇐⇒ la tercera ecuación tiene solución ⇐⇒ y3 −y2 −2y1 = 0. Es decir, el espacio columna de A está formado por los vectores y ∈ R3 cuyas coordenadas verifican la ecuación (lineal homogénea) y3 − y2 − 2y1 = 0. Se trata, por tanto, de un plano (en R3 ) que pasa por el origen de coordenadas. Además, teniendo la forma escalonada U que hemos obtenido, tenemos que: las columnas 1 y 2 de U son linealmente independientes y las columnas 3 y 4 son combinación lineal de las columnas 1 y 2. Por tanto, lo mismo sucede con las columnas correspondientes de la matriz A. Es decir, el espacio columna de A (generado por las 4 columnas) coincide con el espacio generado por las columnas 1 y 2 de A (no de U !). Los vectores dados por las columnas 1 y 2 de A forman una base de Col (A) puesto que son linealmente independientes y generan dicho espacio. Si denotamos por v1 , v2 , v3 y v4 a los vectores columna de A, cada vector y ∈ Col (A) se puede expresar de infinitas formas distintas como combinación lineal de v1 , v2 , v3 y v4 puesto que el sistema de ecuaciones Ax = y es compatible (puesto que y ∈ Col (A)) indeterminado (puesto que hay 2 variables libres). Sin embargo, dicho vector y ∈ Col (A) sólo puede exprearse de una forma como combinación lineal de v1 y v2 puesto que el sistema de ecuaciones [ ] y1 v1 v2 λ = y 2 µ y3 tiene solución única. Para discutir, y resolver, este sistema basta con suprimir las columnas 3 y 4 de la reducción que hemos hecho del sistema Ax = y con lo cual tenemos -1 2 y1 −1 2 y1 3 0 y2 → · · · → 0 6 1y2 + 3y1 . 1 4 y3 0 0 y3 − y2 − 2y1 Matemáticas I. 2012-2013 104 Tema 4.- Espacios vectoriales. Transformaciones lineales. La solución única (λ, µ) de este sistema (compatible cuando y ∈ Col (A)) nos dará los coeficientes para los cuales se verifica y = λv1 + µv2 . Estos coeficientes (λ, µ) (únicos para cada vector y ∈ Col (A)) se denominan coordenadas de y respecto de la base {v1 , v2 }. Por ejemplo, las coordenadas del vector 1 y= 1 (∈ Col (A) puesto que y3 − y2 − 2y1 = 3 − 1 − 2 = 0) 3 respecto a la base {v1 , v2 } de Col (A) vienen dadas [ ] -1 1 v1 v2 λ = 1 −→ 0 µ 3 0 Ejemplo. Consideremos la matriz por la solución del sistema [ ] [ 1 ] 2 1 λ = 34 . 6 4 =⇒ µ 6 0 0 −1 0 1 2 1 −2 2 2 5 0 A= 1 −4 0 −3 3 . −1 2 1 3 −1 Con el mismo proceso de reducción a forma escalonada vamos a obtener: S1 = Nul (A) ⊂ K5 , unas ecuaciones paramétricas de S1 , S2 = Col (A) ⊂ K4 , unas ecuaciones implı́citas de S2 ,... Reducimos a forma escalonada un sistema de ecuaciones Ax = y siendo y un vector genérico de K4 , [A|y] F2 − 2F1 -1 0 1 F3 + F1 F4 − F1 0 2 0 0 −4 1 0 2 0 -1 0 1 F3 + 2F2 0 F4 − F2 0 2 0 0 1 0 0 0 2 1 y1 1 −2 y2 − 2y1 −1 4 y3 + y1 1 0 y4 − y1 2 1 y1 1 −2 y2 − 2y1 1 0 −3y1 + 2y2 + y3 0 0 y1 − y2 + y4 Por tanto, tenemos: (a) El espacio columna de A: El sistema Ax = y es compatible si, y sólo si, el vector y ∈ K4 verifica y1 −y2 +y4 = 0. Es decir Col (A) = {y ∈ K4 : y1 − y2 + y4 = 0}. Por otra parte, teniendo en cuenta la reducción que hemos hecho, los dos últimos vectores columna de A son combinación lineal de los tres primeros y estos tres primeros vectores columna son linealmente independientes. Si denotamos por {v1 , v2 , v3 , v4 , v5 } los vectores columna de A, tenemos Col (A) = Col v1 v2 v3 Matemáticas I. Ingenierı́a Civil 4.3.- Bases de un subespacio. 105 y cada vector y ∈ Col (A) se puede expresar de infinitas formas distintas (cada una de las soluuciones del sistema Ax = y) como combinación lineal de los vectores columna de A, pero de una única forma como combinación lineal de {v1 , v2 , v3 }. (b) El espacio nulo de A, las soluciones del sistema Ax = 0: Puesto que al reducir hemos obtenido 2 variables libres, la solución general del sistema homogéneo se podrá expresar en función de 2 parámetros arbitrarios, -1 0 [A|0] → 0 0 0 2 0 0 1 0 1 0 2 1 0 -1 1 −2 0 F1 −F3 0 −→ 1 0 0 0 0 0 0 0 x1 = x4 + x5 1 x2 = − 2 x4 + x5 =⇒ ⇔ x3 = −x4 x1 x2 x3 x4 x5 = 0 2 0 0 α+β − 12 α + β −α α β Por tanto, el espacio nulo de A está generado por dientes, 1 −1 2 −1 u1 = , u2 = 1 0 0 0 1 0 1 1 0 1 −2 0 1 0 0 0 0 0 = α 1 − 12 −1 1 0 +β 1 1 0 0 1 . los vectores, linealmente indepen1 1 0 0 1 . Notemos por último que, puesto que al hacer la reducción del sistema Ax = 0 hemos obtenido una fila de ceros, dicha ecuación es redundante en el sistema homogéneo y por tanto tenemos que -1 Nul (A) = Nul 0 0 0 2 0 1 2 1 −1 0 1 2 1 0 1 −2 = Nul −2 2 2 5 0 . 1 −4 0 −3 3 1 1 0 4.3.- Bases de un subespacio. Ya hemos citado lo que es una base de un subespacio vectorial. Definición. Dado un subespacio S de Kn distinto del subespacio trivial nulo S ̸= {0}, se dice que un conjunto de vectores {v1 , v2 , . . . , vr } de S es una base de S si: (a) {v1 , v2 , . . . , vr } es Linealmente Independiente, (b) {v1 , v2 , . . . , vr } genera S, S = Gen {v1 , v2 , . . . , vr }. Matemáticas I. 2012-2013 106 Tema 4.- Espacios vectoriales. Transformaciones lineales. Las anteriores condiciones se pueden expresar de la matriz cuyas columnas son los vectores dados .. .. . . ··· A = v1 v2 . . . .. .. . . ··· forma matricial: Si denotamos por A a .. . vr .. . las columnas de A forman una base de un subespacio vectorial S si: (a) El sistema homogéneo Ax = 0 tiene solución única (condición equivalente a que los vectores sean linealmente independientes) y (b) S = Col (A), es decir S está formado por los vectores y ∈ Km para los que el sistema de ecuaciones Ax = y es compatible. Ejemplos. (1) Los vectores canónicos de Kn , 1 0 e1 = .. . 0 , e2 = 0 .. , . . . , en = . 0 0 1 0 1 .. . forman una base de Kn . (2) Los vectores {e1 , e1 + e2 , · · · , e1 + e2 + · · · + en } también forman una base de Kn . (3) Si tenemos una matriz A, m × n, y al reducir a forma escalonada obtenemos n pivotes, entonces los vectores columna de A forman una base del espacio columna de dicha matriz. En general, si al reducir a forma escalonada obtenemos r pivotes, las r columnas pivote de A (no de la forma escalonada U ) forman una base de Col (A). (4) Si una matriz cuadrada A, n × n, tiene inversa, sus n columnas formam una base del espacio total Kn . 4.3.1- Coordenadas. Dimensión. Teorema/Definición. (Coordenadas respecto de una base) Sea S un subespacio vectorial (S ̸= {0}) y sea {v1 , v2 , . . . , vr } una base de S. (1) Teorema. cada vector v de S se puede expresar de forma única como combinación lineal de los vectores de la base dada, v = c 1 v1 + c 2 v2 + · · · + c r vr . (2) Definición. Los coeficientes que aparecen en dicha expresión (c1 , . . . , cr ) se denominan coordenadas de v respecto a la base dada B = {v1 , v2 , . . . , vr } y se suele denotar c1 [v]B = ... . cr Matemáticas I. Ingenierı́a Civil 4.3.- Bases de un subespacio. 107 Teorema/Definición. Consideremos un subespacio vectorial S ̸= {0} de Km . (1) Teorema. Se verifica: (a) S tiene base. (b) Todas las bases de S tienen el mismo número de elementos. (2) Definición. Al número de elementos de una base de S se le denomina dimensión de S. Por definición, la dimensión del subespacio nulo es cero. Si, al igual que antes, denotamos por A a la matriz cuyas columnas son los vectores dados .. .. . . . · · · .. .. , A= . v v v 1 2 r .. .. .. . . ··· . para cada vector v (vector columna) de S se verifica que v = Ac para algún vector de coeficientes c. De esta forma, todo subespacio se puede expresar como espacio columna de una matriz cuyas columnas sean los vectores de una base. Por tanto, se puede expresar mediante ecuaciones paramétricas, y elminando los paramétros se podrán obtener unas ecuaciones implı́citas que caractericen al subespacio dado. Teorema (El Teorema de la Base). Consideremos un subespacio vectorial S de Km de dimensión p y un conjunto de vectores {u1 , . . . , uq } ⊂ S: (a) Si {u1 , . . . , uq } generan S, entonces q ≥ p. Además, q = p ⇐⇒ {u1 , . . . , uq } es una base de S. (b) Si {u1 , . . . , uq } es linealmente independiente, entonces q ≤ p. Además, q = p ⇐⇒ {u1 , . . . , uq } es una base de S. En particular, si tenemos un conjunto de n vectores de Km : Si n > m, los n vectores no pueden ser linealmente independientes, Si n < m, los n vectores no pueden generar Km . 4.3.2.- Rango de una matriz. El teorema del rango. Definición. Dada una matriz A, m × n, se llama rango de A a la dimensión de su espacio columna, es decir, a la dimensión del subespacio vectorial (de Km ) Col (A) = {combinaciones lineales de las columnas de A} = {Ax : x ∈ Kn } = {y ∈ Km : Ax = y es un S.C.} . Teniendo en cuenta la relación entre la dimensión del espacio columna de A y la reducción de A a forma escalonada tenemos que rango(A) = número de pivotes de A. Para una matriz cuadrada A de orden n, teniendo en cuenta los resultados sobre la existencia de la inversa obtenemos que: A tiene inversa ⇐⇒ rango(A) = n. Teorema. Consideremos una matriz A, m × n. Se verifican: Matemáticas I. 2012-2013 108 Tema 4.- Espacios vectoriales. Transformaciones lineales. (a) rango(A) = rango(AT ). Es decir, la dimensión del subespacio vectorial (de Kn ) generado por las m filas de A coincide con la dimensión del espacio columna de A (subespacio vectorial de Km generado por las n columnas de A): ( ) dim (Col (A)) = dim Col (AT ) . Es decir, si por un lado reducimos la matriz A a forma escalonada por filas (mediante operaciones fila) y por otro reducimos a forma escalonada por columnas (mediante operaciones columna), el número de pivotes que se tienen en ambas reducciones es el mismo. (b) Teorema del rango: dim (Col (A)) + dim (Nul (A)) = n. (c) En términos de la reducción por filas de A a forma escalonada, el Teorema del rango se puede expresar mediante: (número de pivotes) + (número de variables libres) = n. La propiedad (a) anterior no es otra cosa que la expresión de que al reducir a forma escalonada el número de filas-pivote coincide con el número de columnas-pivote. Si consideramos la transformación lineal T : Kn −→ Km , asociada a una matriz A, m × n, el espacio imagen de la transformación es el espacio columna de la matriz de la matriz A, Imagen(T ) = T (Kn ) = {T (x) ∈ Km : x ∈ Kn } = = {y ∈ Km : y = T (x) para algún x ∈ Kn } = Col (A). Se trata, por tanto, de un subespacio vectorial de Km cuya dimensión es rango(A). Dada una matriz Am × n, la imagen, mediante la transformación lineal T (x) = Ax, de cualquier subespacio vectorial S de Kn será un subespacio vectorial T (S) de Km contenido en el espacio imagen (columna) y por tanto la dimensión de dicho subespacio T (S) será menor o igual que el rango (y menor o igual que la dimensión del subespacio S original). Además, si el subespacio S puede generarse con ciertos vectores {u1 , . . . , up } (en particular si {u1 , . . . , up } es una base de S) entonces T (S) puede generarse con {T (u1 ), . . . , T (up )}, S = Gen ({u1 , . . . , up }) =⇒ T (S) = Gen ({T (u1 ), . . . , T (up )}) . No obstante, el que {u1 , . . . , up } sea una base de S no implica que {T (u1 ), . . . , T (up )} sea una base de T (S). Por otra parte, si consideramos un subespacio vectorial H de Km , el conjunto de los vectores x ∈ Kn cuyos transformados T (x) = Ax pertenecen a H forman un subespacio vectorial de Kn . Ejercicio. Sea A una matriz m × n y B una matriz n × p, prueba que rango(AB) ≤ mı́n {rango(A), rango(B)} . Matemáticas I. Ingenierı́a Civil 4.3.- Bases de un subespacio. 109 4.3.3.- Cambios de Base. Todas las bases de Kn están formadas por n vectores. Puesto que en ese caso tendremos n vectores linealmente independientes con n coordenadas cada uno, la matriz cuadrada formada por dichos vectores como vectores columna tiene inversa (y los vectores columna de dicha matriz inversa formarán otra base de Kn ). Por otra parte, también los vectores fila de cada una de las dos matrices citadas serán una base de Kn . Para comprobar si n vectores forman una base de Kn bastará con reducir a forma escalonada la matriz formada por dichos vectores como vectores columna y comprobar si se obtienen n pivotes o menos. Notemos que, puesto que el orden de los vectores no influye en si éstos forman base o no, en la matriz citada podemos intercambiar las columnas. De hecho, podrı́amos hacer operaciones columna. Ejemplo. Sean e1 , e2 , . . . , en los vectores canónicos de Kn . Los vectores e1 , e1 + e2 , e1 + e2 + e3 , . . . , e1 + e2 + · · · + en forman una base de Kn . Para calcular las coordenadas de un vector genérico x ∈ Kn respecto de esta base basta con resolver el sistema (con término independiente x) 1 1 ··· 1 α1 x1 0 1 · · · 1 α2 x2 .. .. . . .. .. = .. . . . . . . . 0 0 ··· 1 αn xn Resolvemos el sistema 1 · · · 1 x1 1 · · · 1 x2 .. . . .. .. −→ . . . . 0 0 · · · 1 xn 1 0 .. . 0 0 · · · 0 x1 − x2 1 0 · · · 0 x2 − x3 .. .. . . . . . . . .. . . 0 0 · · · 1 0 xn−1 − xn 0 0 ··· 0 1 xn 1 0 .. . . Por tanto, las coordenadas de x respecto a la base dada son α1 x1 − x2 α2 x2 − x3 .. . . . . = . αn−1 xn−1 − xn xn αn Dada una base V = {v1 , v2 , . . . , vn } de Kn , las coordenadas de un vector x ∈ Kn respecto a dicha base son los coeficientes (únicos) α1 , α2 , . . . , αn para los cuales se verifica .. .. .. x1 α1 . . ··· . x2 α2 = x = α1 v1 + α2 v2 + · · · + αn vn = x ≡ v1 v2 . . . vn .. . .. . .. .. . . . · · · .. xn αn Matemáticas I. 2012-2013 110 Tema 4.- Espacios vectoriales. Transformaciones lineales. Sólo vamos a considerar cambios de bases entre bases del espacio total Kn . No consideraremos el problema de cambio de base entre bases de un subespacio. Dadas dos bases U = {u1 , u2 , . . . , un } y V = {v1 , v2 , . . . , vn } de Kn se trata de hallar la relación entre las coordenadas de un vector x ∈ Kn respecto de ambas bases. Las coordenadas de un vector x ∈ Kn respecto a U vienen dadas por un vector [x]U que verifica que x= x1 x2 .. . , α1 α2 .. . [x]U = xn ⇔ x = α1 u1 + α2 u2 + · · · + αn un αn ⇔ La matriz .. . x1 x2 .. . .. . .. . = u1 u2 .. .. . . xn ··· .. . un .. ··· . .. . α1 α2 .. . . (∗) αn . · · · .. .. . un .. ··· . .. . u u 1 2 .. .. . . que relaciona las coordenadas de un mismo vector x respecto a la base canónica con las coordenadas del mismo vector x respecto a la base U se denomina matriz del cambio de base U −→ C de U a la base canónica C = {e1 , e2 , . . . , en } y se denota por .. . .. . .. . ··· P = u1 u2 . . . un , C←U .. .. .. . . ··· . Puesto que la α1 α2 .. . αn ( la matriz igualdad (∗) es .. .. . . = u1 u2 .. .. . . P C←U equivalente a .. −1 ··· . .. . un .. ··· . P [x]U C←U ( ≡ [x]U = P C←U )−1 [x]C xn )−1 es la matriz del cambio de base C → U con lo cual P = U ←C Matemáticas I. x1 x2 .. . x = [x]C = ( P C←U )−1 . Ingenierı́a Civil 4.3.- Bases de un subespacio. 111 De forma análoga, si tenemos dos bases distintas de Kn , B = {v1 , v2 , . . . , vn } y U = {u1 , u2 , . . . , un } podrı́amos obtener las matrices de cambio de base B −→ U y U −→ B de la misma forma que lo que acabamos de hacer si conociéramos las coordenadas de los vectores de una base respecto a la otra. Si conocemos las coordenadas de los vectores de ambas bases respecto, por ejemplo, a la base canónica, podemos considerar un planteamiento similar. Denotemos las coordenadas de un vector genérico, x ∈ Kn , respecto de ambas bases B y U mediante β1 α1 [x]B = ... , [x]U = ... . βn αn Tenemos entonces que x = α1 v1 +· · ·+αn vn = β1 u1 +· · ·+βn un y expresando estas igualdades en forma matricial tenemos que x1 α1 β1 x = ... = v1 v2 · · · vn ... = u1 u2 · · · un ... x3 αn βn es decir, siendo B la matriz cuyas columnas son los vectores de la base B y siendo U la matriz cuyas columnas son los vectores de la base U se verifica que x = B [x]B = U [x]U . De estas expresiones podemos obtener las matrices de cambio de base, [x]B = B −1 U [x]U =⇒ P = B −1 U, B←U [x]U = U −1 B [x]B =⇒ P = U −1 B. U ←B Ejemplos. (1) Vamos a calcular las matrices de cambio de base entre la base canónica de R3 y la base { } B = v1 = [−2 1 0]T , v2 = [1 − 2 3]T , v3 = [−1 0 − 1]T . Siendo las coordenadas de un vector genérico x ∈ R3 respecto a B y respecto a la base canónica respectivamente, x1 α1 x = x2 [x]B = α2 , x3 α3 Matemáticas I. 2012-2013 112 Tema 4.- Espacios vectoriales. Transformaciones lineales. se verifica que x1 α1 x = α1 v1 + α2 v2 + α3 v3 ≡ x2 = v1 v2 v3 α2 . x3 α3 Por tanto, la matriz P = v1 v2 −2 1 −1 v3 = 1 −2 0 0 3 −1 (cuyas columnas son las coordenadas de los vectores B respecto a la base C) es la matriz P del cambio de base B −→ C, puesto que C←B x = [x]C = P [x]B , ∀x ∈ R3 . Puesto que la inversa P −1 verifica [x]B = P −1 [x]C , ∀x ∈ R3 dicha matriz es la del cambio de base C −→ B. Resumiendo, −2 1 −1 2 −2 −2 1 P P = P −1 = − 1 2 −1 . = P = 1 −2 0 , 6 B←C 0 3 −1 3 6 3 C←B (2) Calculemos las matrices de cambio de base entre las bases −1 1 −2 y B = v1 = 1 , v2 = −2 , v3 = 0 −1 3 0 1 −1 −1 U = u1 = 2 , u2 = −2 , u3 = 3 . 1 2 2 Denotemos las coordenadas de un vector genérico x ∈ R3 respecto de ambas bases B y U mediante β1 α1 [x]B = α2 , [x]U = β2 . β3 α3 Tenemos entonces que x = α1 v1 + α2 v2 + α3 v3 = β1 u1 + β2 u2 + β3 u3 . Escribiendo estas igualdades en forma matricial −2 1 −1 1 −1 −1 x1 α1 β1 x2 = 1 −2 0 α2 = 2 −2 3 β2 x3 α3 β3 0 3 −1 1 2 2 obtenemos Matemáticas I. −1 −2 1 −1 α1 1 −1 −1 β1 α2 = 1 −2 0 2 −2 3 β2 . α3 0 3 −1 β3 1 2 2 Ingenierı́a Civil 4.3.- Bases de un subespacio. 113 Por tanto, −1 −2 1 −1 1 −1 −1 2 −2 −2 1 −1 −1 P = 1 −2 0 2 −2 3 = − 61 1 2 −1 2 −2 3 B←U 0 3 −1 1 2 2 3 6 3 1 2 2 4 2 12 = 16 −4 7 −3 . −18 9 −21 Análogamente podrı́amos obtener −1 P P = U ←B B←U Matemáticas I. −20 25 −15 1 −5 22 −6 . = 15 15 −12 6 2012-2013 114 Tema 4.- Espacios vectoriales. Transformaciones lineales. 4.4.- Ejercicios. 4.4.1.- Enunciados. Ejercicio 1. Determina cuáles de los siguientes conjuntos de vectores son subespacios vectoriales, cuáles son variadades y cuáles no son ni lo uno ni lo otro: (a) El conjunto de los vectores (x1 , x2 ) ∈ R2 cuyas coordenadas verifican, respectivamente, (a1) x1 x2 = a (a ∈ R), (a2) x1 + 2x2 = 0 ó x1 − x2 = 0, (a3) x21 + x22 = a (a ∈ R), (a4) x1 + 2x2 = a y x1 − x2 = b, (a, b ∈ R). (b) El conjunto de los vectores (x1 , x2 , x3 ) ∈ R3 cuyas coordenadas verifican, respectivamente, (b1) (x1 + x2 )(x2 + x3 ) = 0, (b2) x1 = 0 y (x2 = 0 ó x3 = 0), x1 = α, 2 x = α + α , (b3) Se pueden expresar de la forma 2 x3 = 0, para algún α ∈ R. (b4) x1 + x2 + x3 ≤ 0. (c) El conjunto de los vectores (a1 , a2 , . . . , an ) ∈ Rn cuyas coordenadas verifican, respectivamente, (c1) Cada una de las coordenadas a3 , . . . , an es la media (aritmética) de las coordenadas anteriores, (c2) Cada una de las coordenadas a3 , . . . , an es la media geométrica de las dos coordenadas anteriores, a1 + a2 t + a3 t2 + · · · + an tn−1 vale 3 para t = 1. Ejercicio 2. Determina dos bases distintas de cada uno de los subespacios siguientes ası́ como ecuaciones implı́citas independientes para cada uno de ellos: (a) Vectores de R3 que pueden expresarse como combinación lineal de −1 1 0 v1 = y v2 = 1 2 1 y cuyas coordenadas verifican la ecuación x1 − x2 + x3 = 0. (b) Subespacio de R4 generado por los vectores −1 2 1 0 0 1 v1 = 2 , v2 = −4 v3 = 1 0 0 1 Matemáticas I. 3 y v4 = 2 . 0 2 Ingenierı́a Civil 4.4.- Ejercicios. 115 (c) Subespacio de R4 definido por las ecuaciones implı́citas x1 − x2 + x3 − x4 = 0, −2x1 + x2 + x3 = 0, 3x1 − 2x2 − x4 = 0. Ejercicio 3. Sea V la variedad de R4 x1 x2 x3 x4 dada por las ecuaciones paramétricas = = = = 1 + α − β + 2γ, −1 + 2α + β, 2 + 2α − 7γ, β + γ. Determina una base (del subespacio director) y la dimensión de V y halla unas ecuaciones implı́citas. Ejercicio 4. (1) Determina el rango de las siguientes matrices: 0 1 −1 2 0 −1 0 2 1 2 −2 3 A= , B= 0 1 −1 2 2 0 0 0 −1 −2 3 0 1 −1 2 2 3 2 . 1 2 2 1 0 −2 (2) Sea A una matriz 20 × 15 cuyo rango es rango(A) = 12. Determina la dimensión de los siguientes subespacios vectoriales, Col (A), Nul (A), Col (AT ) y Nul (AT ). Ejercicio 5. 1 0 T 0 1 Determina la matriz de una 1 1 0 0 0 1 = , T = 1 1 1 2 2 0 aplicación lineal T : R4 → R4 sabiendo 0 0 0 1 1 0 0 0 , T = , T = 1 0 0 0 0 1 1 0 Ejercicio 6. Sea T : R3 → R4 la transformación lineal que verifica 1 0 1 1 1 −1 −3 T 2 = , T 1 = , T 0 = −1 0 0 0 1 2 3 que . 1 −4 . −1 5 (a) Calclula la matriz A de dicha transformación. Matemáticas I. 2012-2013 116 Tema 4.- Espacios vectoriales. Transformaciones lineales. (b) Encuentra un sistema generador linealmente independiente y unas ecuaciones implı́citas de Col (A). (c) Obtén un conjunto linealmente independiente de vectores que genere el subespacio Nul (A). Ejercicio 7. Determina la matriz A de una transformación lineal T : R3 −→ R2 sabiendo que el espacio nulo de A viene dado por la ecuación implı́cita x1 − x2 − x3 = 0 y que [ ] 1 2 1 T = . −1 1 Ejercicio 8. Se considera la transformación lineal T cuya matriz asociada es [ ] 1 2 1 2 A= . 2 4 1 3 (a) Determina el espacio columna de A, Col (A). (b) Calcular los vectores del núcleo de T que, a su vez, verifican el sistema de ecuaciones { x1 + 4x2 − 2x3 + x4 = 2, x1 + 6x2 − 4x3 + x4 = 4. (c) Sea V el conjunto de los vectores encontrados en el apartado anterior. ¿Es V un subespacio vectorial de R4 ? Justifica la respuesta. Ejercicio 9. Siendo e1 , e2 , e3 los vectores de la base canónica de R3 y sabiendo que los vectores {u1 , u2 , u3 } e1 = 2u1 + 2u2 + u3 , e2 = u1 − 2u2 + 2u3 , e3 = −2u1 + u2 + 2u3 , señala la relación correcta: 2 2 1 (a) [e1 e2 e3 ] = 1 −2 2 [u1 u2 u3 ] . −2 1 2 −1 2 2 1 2 1 −2 (b) [u1 u2 u3 ] = 1 −2 2 = 91 2 −2 1 . −2 1 2 1 2 2 −1 2 1 −2 2 2 1 (c) [u1 u2 u3 ] = 2 −2 1 = 91 1 −2 2 . 1 2 2 −2 1 2 Ejercicio 10. Consideremos los siguientes vectores de R5 , 1 1 2 5 1 1 4 0 , , −1 v = v = v1 = 3 2 2 1 3 1 1 2 Matemáticas I. y v4 = 2 6 4 3 2 . Ingenierı́a Civil 4.4.- Ejercicios. 117 (a) ¿Son v1 , v2 , v3 y v4 linealmente independientes? (b) ¿Es v4 combinación lineal de v1 , v2 y v3 ? (c) ¿Es v1 combinación lineal de v2 , v3 y v4 ? (d) ¿Es v4 combinación lineal de v1 y v2 ? (e) ¿Es v4 combinación lineal de v2 y v3 ? (f ) ¿Son v1 , v2 y v3 linealmente independientes? Ejercicio 11. Sea f : R3 → R4 la aplicación lineal 1 2 −3 2 −1 4 f (x) = 3 a 1 b 4 −b dada por x1 x2 . x3 Determinar las condiciones a satisfacer por a y b para que el vector v = (−1, 3, 2, b − 4) verifique respectivamente: (a) No pertenezca a la imagen de f . (b) Sea la imagen de un único vector de R3 . (c) Sea la imagen de infinitos vectores de R3 . Ejercicio 12. Sea T : R2 → R2 la transformación que hace corresponder al punto P = (x1 , x2 ) el punto Q = (−x1 , x2 ). Señala la única opción que es correcta. es una transformación que no está bien definida. es una aplicación lineal que se representa, respecto de las bases canónicas, por la matriz [ ] −1 0 A= . 0 1 es una transformación, pero no es lineal porque tiene por ecuaciones y1 = −x1 cos π2 + x2 sen π2 , y2 = x1 sen π2 + x2 cos π2 . Ejercicio 13. (a) Demuestra que para una matriz cuadrada A se verifica que Nul (A) ⊆ Nul (A2 ) ⊆ · · · y Col (A) ⊇ Col (A2 ) ⊇ · · · Matemáticas I. 2012-2013 118 Tema 4.- Espacios vectoriales. Transformaciones lineales. (b) Demuestra que para dos matrices A y B con las dimensiones adecuadas se verifica que Nul (B) ⊆ Nul (AB) y Col (A) ⊇ Col (AB). Ejercicio 14. Extender a una base de Rn el conjunto linealmente independiente que se da: (a) {v1 = (1, 1, 1)} en R3 . (b) {v1 = (1, 3, 4), v2 = (1, 0, 2)} en R3 . (c) {v1 = (1, 1, 0), v2 = (1, 3, 0)} en R3 . (d) {v1 = (1, 1, 0, 1), v2 = (2, 1, 0, 3)} en R4 . Ejercicio 15. Dadas las bases de R2 [ ] [ ] −5 2 B1 = {u1 = , u2 = } y 2 1 [ B2 = {v1 = −3 1 ] [ , v2 = ] −4 }, 1 se pide: (a) Hallar las matrices de cambio de base entre B1 y B2 . (b) Obtener las coordenadas, [ ]en la base B2 , del vector v cuyas coordenadas respecto de la 2 base B1 son [v]B1 = . 1 Ejercicio 16. Consideremos la base B = {(2, 1), (−3, −1)} de R2 . (a) Obtener, en dicha base, las ecuaciones implı́citas y las paramétricas de los subespacios que en la base canónica vienen definidos mediante: E ≡ x1 + x2 = 0, F ≡ x1 − 2x2 = 0, G = Gen {(3, 1)}. (b) Obtener, en la base canónica, las ecuaciones implı́citas y las paramétricas de los subespacios que en la base B vienen definidos mediante: E ≡ y1 + 5y2 = 0, F ≡ y2 = 0, G = Gen {(1, 0)B }. Ejercicio 17. Halla las ecuaciones paramétricas de Nul (A), siendo A la matriz 1 −2 0 0 1 −3 3 0 1 −1 0 A= 0 . −1 2 4 0 2 −3 −1 0 Matemáticas I. Ingenierı́a Civil 4.4.- Ejercicios. 119 4.5.1.- Soluciones. Ejercicio 1. (a) (a1) El conjunto considerado no es subespacio vectorial y es inmediato comprobar que tampoco es una variedad. (a2) x1 + 2x2 = 0 ó x1 − x2 = 0. El conjunto considerado no es un subespacio vectorial. Puede comprobarse que tampoco es una variedad (al desplazar dos rectas que pasan por el origen se obtienen otras dos rectas). (a3) x21 + x22 = a (a ∈ R), Para a = 0 el único vector que verifica la ecuación es el vector nulo y por tanto, se trata de un subespacio vectorial. Para a < 0, no hay ningún vector (x1 , x2 ) ∈ R2 que verifique la ecuación. Por tanto, se trata del conjunto vacı́o que no es ni un subespacio vectorial ni una variedad. Para a > 0, la ecuación √ dada determina la circunferecia de centro el origen de coordenadas y radio a. Por tanto, no es ni un subespacio vectorial ni una variedad. (a4) Si a = b = 0, se trata de un subespacio vectorial puesto que el conjunto considerado está definido como el espacio nulo de una matriz, adems resolviendo el sistema que caracteriza al conjunto tenemos que el único vector que verifica las dos ecuaciones es el vector nulo. Si a ̸= 0 o b ̸= 0, el conjunto de vectores considerado es una variedad (es un único punto) cuyo subespacio director viene dado por las ecuaciones implı́citas x1 + 2x2 = 0 y x1 − x2 = 0, es decir el subespacio director es el subespacio nulo. (b) (b1) Es el conjunto formado por dos planos (que no es lo mismo que la recta intersección). Obviamente dicho conjunto no es ni un subespacio ni una variedad. (b2) Dicho conjunto no es ni un subespacio ni una variedad. (b3) Eliminando el parámetro α, el conjunto citado es el de los vectores cuyas coordenadas verifican { x2 = x1 + x21 , x3 = 0. Es decir, se trata de una parábola (en R3 ) que está contenida en uno de los planos coordenados. Obviamente dicho conjunto no es ni un subespacio ni una variedad. (b4) El vector (−1, 0, 0) verifica la inecuación dada, sin embargo, −2(−1, 0, 0) = (2, 0, 0) no la verifica. Por tanto, no es un subespacio vectorial. De la misma forma, tampoco se trata de una variedad. (c) (c1) Las condiciones que caracterizan a los vectores del conjunto considerado vienen Matemáticas I. 2012-2013 120 Tema 4.- Espacios vectoriales. Transformaciones lineales. dadas a3 a4 .. . a n por las siguientes ecuaciones, = 12 (a1 + a2 ) , a + a − 2a = 0, 1 2 3 1 = 3 (a1 + a2 + a3 ) , a + a + a − 4a = 0, 1 2 3 4 ≡ .. .. .. .. .. . . . . . 1 = n−1 (a1 + · · · + an−1 ) , a1 + · · · + an−1 − (n − 1)an = 0. Es decir, el conjunto considerado puede caracterizarse como el espacio nulo de una matriz. por tanto, es un subespacio vectorial. √ (c2) La media geométrica de dos números (reales positivos) α y β es γ = αβ. Obviamente el conjunto considerado no es un subespacio vectorial puesto que un múltiplo con coeficiente negativo de un elemento del conjunto no está en el conjunto. Tampoco es una variedad. Ejercicio 2. (a) Se trata del subespacio generado por el vector v1 = [−2, −1, 1]T (la recta que pasa por el origen de coordenadas y tiene a dicho vector como vector dirección). Una base, {v1 }. Otra base, {−2v1 }. Ecuaciones impı́citas: (b) { x1 + 2x3 = 0, x2 + x3 = 0. Observación.- El subespacio estaba originalmente definido como la intersección de un plano que venı́a dado en forma paramétrica con un plano que venı́a dado en forma implı́cita. Lo único que hemos hecho ha sido expresar la recta intersección en forma paramétrica y en forma implı́cita. { } 2x1 − 3x2 + x3 = 0 Ecuaciones implı́citas no redundantes . −x2 + x4 = 0 −1 1 0 1 . ,v = Una base v1 = 2 3 1 0 1 Otra base {v1 , v3 + v1 }. (c) El subespacio considerado puede caracterizarse mediante cualesquiera de las siguientes parejas de ecuaciones implı́citas no redundantes (y otras muchas), { } { } x1 − x2 + x3 − x4 = 0 x1 − 2x3 + x4 = 0, , y . −x2 + 3x3 − 2x4 = 0 −x2 + 3x3 − 2x4 = 0. Una base es Matemáticas I. 2 −1 3 −2 v1 = 1 , v2 = 0 0 1 . Ingenierı́a Civil 4.4.- Ejercicios. 121 Otra base es {v1 , v2 − 3v1 }. Ejercicio 3. La ecuación implı́cita de V viene dada por: −12x1 + 13x2 − 7x3 − 25x4 = −39. Una base de S, el subespacio v1 = director de V , es 2 −1 1 0 1 2 ,v = ,v = 2 2 0 3 −7 1 0 1 . Ecuación implı́cita de S : −12x1 + 13x2 − 7x3 − 25x4 = 0. dim (V ) = dim (S) = 3. Ejercicio 4. (a) Reduciendo a forma escalonada se obtiene rango(A) = rango(B) = 3. (b) dim (Col (A)) = 12. dim (Nul (A)) = 15 − 12 = 3. ( ) dim Col (AT ) = rango(AT ) = rango(A) = 12. ( ) dim Nul (AT ) = 20 − 12 = 8. Ejercicio 5. La matriz A 1 0 0 1 A= 1 1 2 0 es 0 0 0 1 1 1 −1 1 0 0 −1 1 1 0 0 0 −1 1 −1 0 0 0 2 −2 0 0 −1 1 = 0 1 0 0 1 2 3 −2 1 0 . 0 0 Ejercicio 6. (a) La matriz A asociada a la transformación T es −1 1 2 −5 2 1 A= 1 −1 −2 . 4 −1 1 Matemáticas I. 2012-2013 122 (b) Tema 4.- Espacios vectoriales. Transformaciones lineales. Un sistema generador linealmente independiente de Col (A) es −1 1 −5 2 v1 = 1 , v2 = −1 4 −1 Unas ecuaciones implı́citas vienen dadas por { x1 − 2x2 − x4 = 0, x1 + x3 = 0. . (c) Un conjunto generador linealmente independiente de Nul (A) es 5 u1 = 3 . 1 [ Ejercicio 7. A = −2 2 2 1 −1 −1 ] . Ejercicio 8. (a) El espacio columna de A es Col (A) = R2 . (b) x1 −2 x2 1 x3 = 0 x4 0 1 + λ −1 , ∀λ ∈ R. −1 1 (c) Obviamente V no es un subespacio vectorial, el vector nulo no está en V . Ejercicio 9. Las relaciones dadas entre los vectores de la base canónica {e1 , e2 , e3 } y los vectores de la base B = {u1 , u2 , u3 } pueden expresarse en forma matricial 2 1 −2 e1 e2 e3 = u1 u2 u3 2 −2 1 =⇒ (c). 1 2 2 Ejercicio 10. (a) v1 , v2 , v3 y v4 no son linealmente independientes. (b) v4 es combinación lineal de v2 y v3 , Matemáticas I. Ingenierı́a Civil 4.4.- Ejercicios. 123 (e) y, por tanto, de v1 , v2 y v3 . (c) v1 no es combinación lineal de v2 , v3 y v4 . (d) v4 no es combinación lineal de v1 y v2 . (f ) los vectores {v1 , v2 , v3 } son Linealmente Independientes. Ejercicio 11. (Comparar con los resultados obtenidos en el Ejercicio 9 del Tema 3) (a) Para un vector v ∈ R3 , v∈ / Im (f ) ≡ f (R3 ) ⇔ Ax = v es un sistema incompatible ⇔ (ver Ejercicio 9) (b) Un vector v ∈ R3 es imagen de un único vector de R3 ⇔ Ax = v es un sistema compatible determinado ⇔ (ver Ejercicio 9) (c) Un vector v ∈ R3 es imagen de infinitos vectores de R3 ⇔ Ax = v es un sistema compatible indeterminado ⇔ (ver Ejercicio 9) Ejercicio 12. X es una aplicación lineal que se representa, respecto de las bases canónicas, por la matriz ] [ −1 0 . A= 0 1 Ejercicio 13. (a) Comprobemos que Nul (A) ⊆ Nul (A2 ), las otras inclusiones se pueden obtener de forma análoga, Si x ∈ Nul (A) =⇒ Ax = 0 =⇒ AAx = 0 =⇒ x ∈ Nul (A2 ) Comprobemos que Col (A2 ) ⊆ Col (A), las otras inclusiones se pueden obtener de forma análoga: y ∈ Col (A2 ) =⇒ ∃x tal que A2 x = y =⇒ A(Ax) = y =⇒ y ∈ Col (A). (b) Si x ∈ Nul (B) =⇒ Bx = 0 =⇒ ABx = 0 =⇒ x ∈ Nul (AB). y ∈ Col (AB) =⇒ ∃x tal que ABx = y =⇒ A(Bx) = y =⇒ y ∈ Col (A)puesto que ∃z = Bx tal que Az = y. Matemáticas I. 2012-2013 124 Tema 4.- Espacios vectoriales. Transformaciones lineales. Ejercicio 14. (a) Primero tomamos un vector que no esté en la recta generada por v1 , por ejemplo v2 = e1 . A continuación tomamos un vector que no esté en el plano generado por v1 y v2 , por ejemplo v3 = (0, 1, 2). Y ya está. (b) Basta tomar un vector que no esté en el plano determinado por v1 y v2 . Puesto que la ecuación del plano es 6x1 + 2x2 − 3x3 =, podemos tomar v3 = e1 , por ejemplo. (c) Basta tomar v3 = e3 . (d) Para obtener una base de R4 hacen falta dos vectores linealmente independientes que sean linealmente independientes con v1 y v2 . Si obtenemos unas ecuaciones implı́tas del subespacio que generan v1 y v2 tendremos dos ecuaciones implı́tas. Si tomamos un vector v3 que verifique una de dichas ecuaciones y no la otra y un vector v4 que verifique la otra pero no la primera, ya estará. Ejercicio 15. (a) [ AB1 →B2 = [ (b) [v]B2 = 3 −2 −1 1 ] [ AB2 →B1 = 1 2 1 3 ] ] 4 . −1 Ejercicio 16. (a) Llamemos y1 e y2 las coordenadas en la base B, tenemos para E ≡ x1 + x2 = 0, ecuaciones implı́tas: 3y1 − 4y2 = 0 y las ecuaciones paramétricas: { y1 = 43 α α ∈ R. y2 = α para F ≡ x1 − 2x2 = 0, ecuaciones implı́tas: y2 = 0 y ecuaciones paramétricas: y1 = α, y2 = 0. para G, ecuacions implı́tas: y1 = 0 y ecuaciones paramétricas: y1 = 0, y2 = α. (b) Expresando, en cada caso, y1 e y2 en función de x1 y x2 tenemos E ≡ −6x1 + 13x2 = 0, F ≡ −x1 + 2x2 = 0. G ≡ x1 − 2x2 = 0. Ejercicio 17. Una base de Nul (A) es e4 , por lo tanto Nul (A) = Gen {e4 } . Matemáticas I. Ingenierı́a Civil