26 Espacios vectoriales 1. {v 1 , . . . , v i , . . . , v j , . . . , v n } ⊆ V es l.i. ⇐⇒ {v 1 , . . . , v j , . . . , v i , . . . , v n } ⊆ V es l.i. 2. {v 1 , . . . , v i , . . . , v n } ⊆ V es l.i. ⇐⇒ {v 1 , . . . , λv i , . . . , v n } ⊆ V es l.i. para λ ∈ K − {0}. 3. {v 1 , . . . , v i , . . . , v j , . . . , v n } ⊆ V es l.i. ⇐⇒ {v 1 , . . . , v i + λv j , . . . , v j , . . . , v n } ⊆ V es l.i. para λ ∈ K. Demostración. 1. Se deduce del hecho que en un conjunto no interesa el orden de sus elementos. 2. Supongamos que {v 1 , . . . , v i , . . . , v n } es linealmente independiente. Sean α 1 , . . . , α n ∈ K tales que α 1 v 1 + · · · + α i (λv i ) + · · · + α n v n = 0. Entonces se tiene que α j = 0 para cada j ≠ i y que α i .λ = 0. Puesto que λ ≠ 0, resulta que también α i = 0. Luego, el conjunto {v 1 , . . . , λv i , . . . , v n } es linealmente independiente. Esto prueba la equivalencia, puesto que para demostrar la otra implicación basta multiplicar el i-ésimo vector del conjunto por 1 λ . 3. Supongamos que {v 1 , . . . , v i , . . . , v j , . . . , v n } es linealmente independiente. Sean α 1 , . . . , α n ∈ K tales que 0 = α 1 v 1 + · · · + α i (v i + λv j ) + · · · + α j v j + · · · + α n v n = α 1 v 1 + · · · + α i v i + · · · + (α i λ + α j )v j + · · · + α n v n . La independencia lineal de {v 1 , . . . , v i , . . . , v j , . . . , v n } implica que de donde α k = 0 para todo 1 ≤ k ≤ n. α 1 = . . . = α i = . . . = α i λ + α j = . . . = α n = 0, En consecuencia, el conjunto {v 1 , . . . , v i + λv j , . . . , v j , . . . , v n } es linealmente independiente. La otra implicación se deduce de ésta observando que el conjunto {v 1 , . . . , v n } se obtiene de {v 1 , . . . , v i +λv j , . . . , v j , . . . , v n } cambiando el i-ésimo vector v i +λv j por (v i +λv j )+ (−λ)v j = v i . □ Como consecuencia de la proposición anterior, para decidir si un subconjunto de vectores {v 1 , . . . , v r } de K n es linealmente independiente podemos proceder como sigue: • Considerar la matriz A cuyas filas son los vectores v 1 , . . . , v r . • Triangular la matriz A.
1.3 Independencia lineal y bases 27 • Si la matriz obtenida tiene alguna fila nula, el conjunto es linealmente dependiente. De lo contrario, es linealmente independiente. En efecto, en cada paso de la triangulación, lo que se hace es cambiar el conjunto de vectores por otro conjunto como en 1., 2. o 3. de la proposición anterior. Luego, el nuevo conjunto de vectores será l.i. si y sólo si el anterior era l.i. Si alguna fila de la matriz obtenida es nula, es decir, uno de los vectores del conjunto de vectores obtenido es el 0, es claro que el conjunto es l.d. Por otro lado, si ninguna fila de la matriz triangular superior es nula, es fácil ver que el conjunto de vectores obtenido es l.i. 1.3.2 Bases y dimensión Introducimos ahora el concepto de base de un espacio vectorial. Definición 1.33 Sea V un K-espacio vectorial. Una familia {v α } α∈I se llama una base del espacio vectorial V si {v α } α∈I es una familia linealmente independiente de V que satisface < v α > α∈I = V . Ejemplos. 1. En K n , B = {e 1 , . . . , e n }, donde (e i ) i = 1 y (e i ) j = 0 si j ≠ i, es una base, llamada la base canónica de K n . 2. En K n×m , B = {E ij / 1 ≤ i ≤ n, 1 ≤ j ≤ m} es una base. 3. En K[X], B = {X i / i ∈ N 0 } es una base. Dos sistemas de generadores cualesquiera de un K-espacio vectorial V pueden tener distinta cantidad de elementos. Esto no sucede en el caso de dos bases y lo demostraremos para espacios vectoriales finitamente generados, lo que nos permitirá definir la dimensión de un espacio vectorial finitamente generado como la cantidad de elementos de una base cualquiera. Teorema 1.34 Sea V un K-espacio vectorial. Supongamos que < v 1 , . . . , v r > = V y que {w 1 , . . . , w s } ⊆ V es una familia linealmente independiente. Entonces s ≤ r. Demostración. Como V = < v 1 , . . . , v r >, para cada 1 ≤ i ≤ s, existen α ij ∈ K (1 ≤ j ≤ r) tales que w i = r ∑ j=1 α ij v j . Consideremos el siguiente sistema de r ecuaciones y s incógnitas: s∑ α hj x h = 0 1 ≤ j ≤ r. (1.1) h=1 Sea (β 1 , . . . , β s ) una solución del sistema. Entonces s∑ β h w h = h=1 s∑ ( r∑ ) β h α hj v j = h=1 j=1 s∑ ( r∑ ) β h α hj v j = h=1 j=1
- Page 1 and 2: Fascículo 2 Cursos de grado ISSN 1
- Page 3: Gabriela Jeronimo, Juan Sabia y Sus
- Page 6 and 7: iv
- Page 8 and 9: vi ÍNDICE GENERAL 2.5 Ejercicios .
- Page 10 and 11: viii ÍNDICE GENERAL 8.1.4 Ángulo
- Page 12 and 13: x ÍNDICE GENERAL
- Page 14 and 15: 2 Espacios vectoriales • La suma
- Page 16 and 17: 4 Espacios vectoriales Al igual que
- Page 18 and 19: 6 Espacios vectoriales (a) a · (v
- Page 20 and 21: 8 Espacios vectoriales Definición
- Page 22 and 23: 10 Espacios vectoriales iii) Sean
- Page 24 and 25: 12 Espacios vectoriales Ejemplos. 1
- Page 26 and 27: 14 Espacios vectoriales Análogamen
- Page 28 and 29: 16 Espacios vectoriales Segundo cas
- Page 30 and 31: 18 Espacios vectoriales Teorema 1.2
- Page 32 and 33: 20 Espacios vectoriales se dice no
- Page 34 and 35: 22 Espacios vectoriales −→ ⎛
- Page 36 and 37: 24 Espacios vectoriales Corolario 1
- Page 40 and 41: 28 Espacios vectoriales = r∑ ( s
- Page 42 and 43: 30 Espacios vectoriales Como por la
- Page 44 and 45: 32 Espacios vectoriales Demostraci
- Page 46 and 47: 34 Espacios vectoriales y como {v 1
- Page 48 and 49: 36 Espacios vectoriales 1.5 Ejercic
- Page 50 and 51: 38 Espacios vectoriales Ejercicio 8
- Page 52 and 53: 40 Espacios vectoriales Ejercicio 1
- Page 54 and 55: 42 Espacios vectoriales v) (3 + √
- Page 56 and 57: 44 Espacios vectoriales Ejercicio 3
- Page 58 and 59: 46 Espacios vectoriales
- Page 60 and 61: 48 Matrices Observación 2.1 Sean A
- Page 62 and 63: 50 Matrices Definición 2.7 Sea K u
- Page 64 and 65: 52 Matrices Para concluir esta secc
- Page 66 and 67: 54 Matrices Ahora introducimos las
- Page 68 and 69: 56 Matrices 2.4.2 Cambios de base D
- Page 70 and 71: 58 Matrices 1. C(B 1 , B 3 ) = C(B
- Page 72 and 73: 60 Matrices iv) Sea A ∈ K n×n co
- Page 74 and 75: 62 Matrices Ejercicio 16. Averiguar
- Page 76 and 77: 64 Matrices
- Page 78 and 79: 66 Transformaciones lineales Ejempl
- Page 80 and 81: 68 Transformaciones lineales De man
- Page 82 and 83: 70 Transformaciones lineales Luego,
- Page 84 and 85: 72 Transformaciones lineales Propos
- Page 86 and 87: 74 Transformaciones lineales Demost
- Page 88 and 89:
76 Transformaciones lineales Demost
- Page 90 and 91:
78 Transformaciones lineales Demost
- Page 92 and 93:
80 Transformaciones lineales Ejempl
- Page 94 and 95:
82 Transformaciones lineales Propos
- Page 96 and 97:
84 Transformaciones lineales • Po
- Page 98 and 99:
86 Transformaciones lineales iii) f
- Page 100 and 101:
88 Transformaciones lineales Ejerci
- Page 102 and 103:
90 Transformaciones lineales ii) Ha
- Page 104 and 105:
92 Transformaciones lineales Ejerci
- Page 106 and 107:
94 Transformaciones lineales
- Page 108 and 109:
96 Espacio dual 4.2 Base dual Sea E
- Page 110 and 111:
98 Espacio dual Hemos visto que tod
- Page 112 and 113:
100 Espacio dual • Es claro que 0
- Page 114 and 115:
102 Espacio dual Demostración. 1.
- Page 116 and 117:
104 Espacio dual iv) V = R 4 y S =
- Page 118 and 119:
106 Espacio dual
- Page 120 and 121:
108 Determinantes iii) f( A 1 | . .
- Page 122 and 123:
110 Determinantes Si f : K 2×2 →
- Page 124 and 125:
112 Determinantes Demostración. Da
- Page 126 and 127:
114 Determinantes ⎛ n+1 ∑ = (
- Page 128 and 129:
116 Determinantes Supongamos que va
- Page 130 and 131:
118 Determinantes ⎛ ⎞ 1 −2 1
- Page 132 and 133:
120 Determinantes Definición 5.15
- Page 134 and 135:
122 Determinantes La regla de Crame
- Page 136 and 137:
124 Determinantes ⎛ = det ⎜ ⎝
- Page 138 and 139:
126 Determinantes 5.6 Otra fórmula
- Page 140 and 141:
128 Determinantes Ejercicio 4. i) S
- Page 142 and 143:
130 Determinantes Ejercicio 13. Sea
- Page 144 and 145:
132 Determinantes
- Page 146 and 147:
134 Diagonalización semejanza de m
- Page 148 and 149:
136 Diagonalización cuyo conjunto
- Page 150 and 151:
138 Diagonalización Definición 6.
- Page 152 and 153:
140 Diagonalización pero si la mul
- Page 154 and 155:
142 Diagonalización iii) ⇒ i) Pa
- Page 156 and 157:
144 Diagonalización Proposición 6
- Page 158 and 159:
146 Diagonalización 6.3.2 Polinomi
- Page 160 and 161:
148 Diagonalización En consecuenci
- Page 162 and 163:
150 Diagonalización 2. Si gr(m A )
- Page 164 and 165:
152 Diagonalización En consecuenci
- Page 166 and 167:
154 Diagonalización En la siguient
- Page 168 and 169:
156 Diagonalización Observamos que
- Page 170 and 171:
158 Diagonalización Ejercicio 5. D
- Page 172 and 173:
160 Diagonalización Ejercicio 19.
- Page 174 and 175:
162 Diagonalización Ejercicio 29.
- Page 176 and 177:
164 Forma de Jordan es una matriz n
- Page 178 and 179:
166 Forma de Jordan Para la demostr
- Page 180 and 181:
168 Forma de Jordan El Teorema 7.7
- Page 182 and 183:
170 Forma de Jordan Demostración.
- Page 184 and 185:
172 Forma de Jordan Teorema 7.16 Se
- Page 186 and 187:
174 Forma de Jordan La idea de la f
- Page 188 and 189:
176 Forma de Jordan Con la notació
- Page 190 and 191:
178 Forma de Jordan de donde Nu(A
- Page 192 and 193:
180 Forma de Jordan Como J 1 (0) es
- Page 194 and 195:
182 Forma de Jordan • Si m J = (X
- Page 196 and 197:
184 Forma de Jordan 7.4 Ejercicios
- Page 198 and 199:
186 Forma de Jordan i) Para cada a
- Page 200 and 201:
188 Forma de Jordan
- Page 202 and 203:
190 Espacios vectoriales con produc
- Page 204 and 205:
192 Espacios vectoriales con produc
- Page 206 and 207:
194 Espacios vectoriales con produc
- Page 208 and 209:
196 Espacios vectoriales con produc
- Page 210 and 211:
198 Espacios vectoriales con produc
- Page 212 and 213:
200 Espacios vectoriales con produc
- Page 214 and 215:
202 Espacios vectoriales con produc
- Page 216 and 217:
204 Espacios vectoriales con produc
- Page 218 and 219:
206 Espacios vectoriales con produc
- Page 220 and 221:
208 Espacios vectoriales con produc
- Page 222 and 223:
210 Espacios vectoriales con produc
- Page 224 and 225:
212 Espacios vectoriales con produc
- Page 226 and 227:
214 Espacios vectoriales con produc
- Page 228 and 229:
216 Espacios vectoriales con produc
- Page 230 and 231:
218 Espacios vectoriales con produc
- Page 232 and 233:
220 Espacios vectoriales con produc
- Page 234 and 235:
222 Espacios vectoriales con produc
- Page 236 and 237:
224 Espacios vectoriales con produc
- Page 238 and 239:
226 Espacios vectoriales con produc
- Page 240 and 241:
228 Espacios vectoriales con produc
- Page 242 and 243:
230 Espacios vectoriales con produc
- Page 244 and 245:
232 Variedades lineales Se definen
- Page 246 and 247:
234 Variedades lineales Observació
- Page 248 and 249:
236 Variedades lineales 9.2.2 Varie
- Page 250 and 251:
238 Variedades lineales Sean Observ
- Page 252 and 253:
240 Variedades lineales 9.3.1 Ortog
- Page 254 and 255:
242 Variedades lineales 9.3.4 Dista
- Page 256 and 257:
244 Variedades lineales 9.4 Ejercic
- Page 258 and 259:
246 Variedades lineales Ejercicio 1
- Page 260 and 261:
248 Variedades lineales Ejercicio 2
- Page 262 and 263:
250 Formas bilineales 4. Sea Φ : R
- Page 264 and 265:
252 Formas bilineales 10.3 Formas b
- Page 266 and 267:
254 Formas bilineales ⎛ = ⎜ ⎝
- Page 268 and 269:
256 Formas bilineales Diagonalizand
- Page 270 and 271:
258 Formas bilineales bases de V ta
- Page 272 and 273:
260 Formas bilineales Definición 1
- Page 274 and 275:
262 Formas bilineales Observar que
- Page 276 and 277:
264 Formas bilineales
- Page 278 and 279:
Índice Alfabético acción, 5 adju
- Page 280 and 281:
268 ÍNDICE ALFABÉTICO producto in