Академический Документы
Профессиональный Документы
Культура Документы
DEPENDENCIA
1. ESPACIO VECTORIAL :
DEFINICION:
Sea V un conjunto dotado de una operacin interna +: V VV; que llamaremos
suma, y sea K un cuerpo conmutativo que define sobre V una operacin externa:
" : K V V; que llamaremos producto por escalares.
Diremos que (V; +; ; K) es un espacio vectorial (e.v.) sobre K, respecto de las
operaciones suma y producto por escalares si se verifican las siguientes
condiciones:
1.- (V; +) es un grupo conmutativo (es decir, satisface las propiedades
conmutativa, asociativa, existencia de elemento neutro, y simtrico de cualquier
elemento dado).
2.1.
2.2. ( ) () , K, V
2.3. (a b) ( ) (b) K, , V
2.4. ( ) ( ) ( ) , K, V
Los elementos de V se denominan vectores. Si K = R; el espacio vectorial se dice
real, y cuando K = C; el espacio vectorial se llama complejo.
Se pueden obtener fcilmente las siguientes propiedades:
1. 0 0 V,
2. 0 0
3. ( ) () ( ) V, K
Cualquier conjunto que posea unas operaciones suma y producto por escalares,
cumpliendo todas las propiedades anteriores, diremos que es un espacio vectorial.
Los elementos de tal conjunto se llamarn vectores (aunque pueda tratarse de objetos
diferentes a los vectores de la Fsica.)
Diremos que el espacio vectorial es real o complejo, segn sean los escalares.
que
4. Consideremos el conjunto M
(tambin denotado por M ) de las
matrices 2x2 con trminos reales:
{(
)(
pertenece a ME.
Sin embargo ME no es un espacio vectorial real, pues al multiplicar un elemento
de ME por un escalar real no est garantizado que el resultado permanezca dentro
de ME. Si el escalar es por ejemplo el nmero real 1.25, el resultado ya no es una
matriz con trminos enteros.
Por similar razn tampoco es un espacio vectorial complejo.
7. El conjunto C de los nmeros complejos se puede considerar como un
espacio vectorial real. En efecto, se pueden sumar dos nmeros complejos
obtenindose otro nmero complejo; y se puede multiplicar un complejo por
un escalar real, obtenindose otro complejo. Es decir,
Suma:
, que es otro nmero
complejo.
que es otro
2. SUBESPACIOS VECTORIALES :
Dado un espacio vectorial V, podemos considerar una parte S de l que funcione como un
espacio vectorial ms pequeo, incluido en V.
Como V es un espacio vectorial, posee unas operaciones (suma, producto por un escalar)
que en particular se pueden efectuar en S. Slo necesitaremos que, al efectuarlas, su
resultado quede dentro de S.
SUBESPACIO.
DEFINICIN:
S.
Ya no hace falta comprobar que se cumplen las propiedades asociativa, conmutativa, etc.
puesto que sabemos que se cumplen en V, y por tanto tambin en S (se dice que S
hereda las propiedades de las operaciones en V).
Por supuesto si para V utilizamos escalares reales, tambin para S; si para V utilizamos
complejos, tambin para S.
EJEMPLOS DE SUBESPACIOS.
1) La recta x=y es un subespacio de 2. Est formado por los vectores de la forma
(a,a). Contiene al vector (0,0).
Adems, es cerrado para la suma y producto por escalar:
Suma
Producto por un escalar
recta.
) es un subespacio
simtrica.
Producto escalar
. (
)=(
simtrica
6) Geomtricamente, los subespacios vectoriales de 2 y 3 son rectas, planos, y slo
uno de ellos es un punto, el { }.
Las curvas o las superficies curvas no son subespacios; tampoco las figuras geomtricas
finitas, como crculos o polgonos en el plano, esferas o poliedros en el espacio.
(Comprobar grficamente que no pueden sumarse vectores dentro de este tipo de
conjuntos)
7) En todo espacio vectorial existen el subespacio cero, formado solamente por el vector
}, y el subespacio total, formado por todos los vectores del espacio.
2.1 DESCRIPCIN DE LOS SUBESPACIOS DE
Los subespacios de
, su forma implcita
para describirlo en
CLCULO DE LA INTERSECCIN.
La forma ms sencilla (aunque no la nica) de calcular ST es utilizar la expresin
implcita de S y de T.
Como buscamos los vectores que verifiquen a la vez ambas condiciones,
podremos describir ST considerando conjuntamente las ecuaciones implcitas de
S y las de T (formando un sistema con todas ellas).
Este sistema, si es sencillo, puede considerarse ya como la forma implcita de
ST.
En todo caso, resolviendo este sistema obtenemos la forma paramtrica de ST.
SUMA DE SUBESPACIOS.
Dados dos subespacios S, T se define el subespacio suma como:
Es decir, aquellos vectores que podamos construir sumando un vector de S y uno
de T.
TEOREMA
La suma de subespacios es un subespacio.
CLCULO DEL SUBESPACIO SUMA.
Al contrario que la interseccin, la suma S+T se calcula ms fcilmente usando la
forma paramtrica de S y de T. Esto nos permite tomar un vector genrico de cada
uno de los subespacios y sumarlos, obtenindose una expresin paramtrica de
S+T.
No obstante la forma paramtrica as obtenida puede tener parmetros no
independientes.
Ms adelante, en el punto Sistemas generadores se dar otro mtodo para
calcular el subespacio suma.
3 .DEPENDENCIA E INDEPENDENCIA LINEAL
3.1 COMBINACIN LINEAL:
Definicin: Combinacin lineal.
Una combinacin lineal de dos o ms vectores es el vector que se obtiene al
sumar esos vectores multiplicados por sendos escalares.
Cualquier vector se puede poner como combinacin lineal de otros que tengan
distinta direccin.
Varios vectores libres del plano se dice que son linealmente dependientes si
hay una combinacin lineal de ellos que es igual al vector cero, sin que sean
cero todos los coeficientes de la combinacin lineal.
Teorema.
Para probar que un conjunto S es subespacio, basta probar que:
La combinacin lineal de elementos de S est en S. (Ello es debido a que
calcular una combinacin lineal de vectores involucra tanto la suma como el
producto por escalares, as que equivale a probar ambas cosas por separado).
Esto se suele expresar diciendo que un subespacio es un conjunto cerrado para
las combinaciones lineales.
Ejemplo.
Veamos si es subespacio de 2 el conjunto U= {(, ): }.
Tomamos dos elementos genricos de U, (, ) y (, ). Una combinacin lineal de
ellos es:
(, ) + (, ) = (+, +) que tambin es un elemento de U.
Por tanto U es subespacio.
PROPIEDADES:
EJEMPLO:
Determinar los valores de k para que sean linealmente dependientes los
vectores
,
combinacin lineal de y
y
, siendo k el valor calculado.
. Escribir
como
a1 = a2 = = an = 0
Los vectores linealmente independientes tienen distinta direccin y sus
componentes no son proporcionales.
EJEMPLOS:
1. Estudiar si son linealmente dependientes o independientes los vectores:
r = 2, n = 3
}
Este sistema es compatible
determinado,
) con
rango 2.
Esto quiere decir (an sin resolver el sistema) que existen coeficientes , , no
nulos que permiten poner (0,0,0) como combinacin lineal de u, v, w. Por tanto
son linealmente dependientes.
4) Veamos si son independientes u=(3,2,1), y v=(2,2,0) en 3 :
(0,0,0) = (3,2,1) + (2,2,0)
Esto quiere decir que la nica solucin es =0 , =0 y por tanto que la nica forma
de poner (0,0,0) como combinacin lineal de u, v, es con coeficientes nulos. Por
tanto son linealmente independientes.
OBSERVACIN.
Si observamos los dos ltimos ejemplos, veremos que la matriz del sistema est
formada por los vectores dados, en columnas.
Hallando el rango de esa matriz vemos si el sistema es compatible determinado o
indeterminado, y por tanto si los vectores son independientes o dependientes,
respectivamente.
Volveremos sobre esto ms tarde (en el punto Rango de un conjunto de
vectores.)
3.4 PROPIEDADES DE LA DEPENDENCIA / INDEPENDENCIA LINEAL.
1) El conjunto formado por un solo vector v no nulo, es libre.
(En efecto, una combinacin lineal de v es solamente v, y v=0 slo puede
conseguirse con =0).
2)
3)
4)
) cuyo rango es 3
se aprecia que el rango es 3. Esto quiere decir que de los 4 vectores, slo 3 son
independientes, y el otro es combinacin lineal de los dems.
Observacin.
En un caso como el 3 anterior, el clculo del rango nos dice cuntos vectores son
independientes, pero no cules. Aunque el rango sea 3, no est garantizado que 3
vectores cualesquiera vayan a ser independientes. Por ejemplo en este caso, u,v,w
no lo son.
Para saber cules lo son, se pueden tomar los correspondientes a las columnas
pivotales despus de escalonar la matriz (en este caso u, w, k). Tambin podemos
verlo usando la propiedad del rango, quitando el vector que no haga disminuir el
rango: en este caso podemos quitar v. Otra posibilidad es quitar u, o tambin w. Pero
no podemos quitar k, pues entonces disminuira el rango.
5. BASE Y DIMENSIO N:
DEFINICION:
Un subconjunto B = {v1, v2,..., vn} de un espacio vectorial V es una base de V si
1. El conjunto B = {(1, 0), (0, 1)} es una base para el espacio R 2 y se llama la
base estndar de IR2 . Lo que significa que dim(IR2 ) = 2.
2. El conjunto B = {(1, 0, 0), (0, 1, 0), (0, 0,1)} es una base para el espacio R 2 y se
llama la base estandar de IR3 . Lo que significa que dim(IR3 ) = 3.
7.
Donde
son las incgnitas y los nmeros
son los coeficientes
del sistema sobre el cuerpo
. Es posible reescribir el sistema
separando con coeficientes con notacin matricial:
Tipos de sistemas
Los sistemas de ecuaciones se pueden clasificar segn el nmero de soluciones
que pueden presentar. De acuerdo con ese caso se pueden presentar los
siguientes casos:
SISTEMAS INCOMPATIBLES:
De un sistema se dice que es incompatible cuando no presenta ninguna solucin.
Por ejemplo, supongamos el siguiente sistema:
El siguiente paso ser sustituir cada ocurrencia de la incgnita en la otra ecuacin, para
as obtener una ecuacin donde la nica incgnita sea la .
IGUALACIN
Como se puede observar, ambas ecuaciones comparten la misma parte izquierda, por lo que
podemos afirmar que las partes derechas tambin son iguales entre s.
Una vez obtenido el valor de la incgnita , se substituye su valor en una de las ecuaciones
originales, y se obtiene el valor de la .
La forma ms fcil de tener el mtodo de sustitucin es realizando un cambio para despejar
x despus de averiguar el valor de la y.
3.
REDUCCIN:
Este mtodo suele emplearse mayoritariamente en los sistemas lineales, siendo pocos los
casos en que se utiliza para resolver sistemas no lineales. El procedimiento, diseado para
sistemas con dos ecuaciones e incgnitas, consiste en transformar una de las ecuaciones
(generalmente, mediante productos), de manera que obtengamos dos ecuaciones en la que
una misma incgnita aparezca con el mismo coeficiente y distinto signo. A continuacin, se
suman ambas ecuaciones producindose as la reduccin o cancelacin de dicha incgnita,
obteniendo as una ecuacin con una sola incgnita, donde el mtodo de resolucin es
simple.
Por ejemplo, en el sistema:
Si sumamos esta ecuacin a la segunda del sistema original, obtenemos una nueva ecuacin
donde la incgnita ha sido reducida y que, en este caso, nos da directamente el valor de la
incgnita :
4. MTODO GRFICO
MTODO DE GAUSS
El siguiente paso consiste en eliminar la incgnita en la primera y tercera fila, para lo cual
les sumamos la segunda multiplicada por
y por
, respectivamente.
y por , respectivamente:
Llegados a este punto podemos resolver directamente las ecuaciones que se nos plantean:
6. REGLA DE CRAMER
La regla de Cramer da una solucin para sistemas compatibles determinados en
trminos de determinantes y adjuntos dada por:
el sistema no tiene solucin (en dicho caso decimos que el sistema est
sobredeterminado o que es incompatible)
el sistema tiene una nica solucin (el sistema es compatible determinado)
el sistema tiene un nmero infinito de soluciones (el sistema es compatible
indeterminado).