Conceptos Fundamentales de Álgebra Lineal: Bases, Dependencia Lineal y Autovalores
Enviado por Chuletator online y clasificado en Matemáticas
Escrito el en español con un tamaño de 6,71 KB
Coordenadas y Combinación Lineal
Sea B = {v1, v2, . . . , vn} una base de V. Para cada u ∈ V, llamaremos coordenadas de u en B a una n-upla de escalares λ1, λ2, . . . , λn tal que:
λ1v1 + λ2v2 + . . . + λnvn = u
Llamaremos combinación lineal de un conjunto de vectores v1, v2, . . . , vk a cualquier expresión de la forma:
λ1v1 + λ2v2 + . . . + λkvk
donde λ1, λ2, . . . , λk ∈ K.
Sistema Generador
Sea V un espacio vectorial y S ⊂ V. Diremos que S es un sistema generador (s.g.) de V si cualquier vector de V se puede expresar como combinación lineal de elementos de S.
Independencia Lineal
Diremos que los vectores v1, v2, . . . , vk son linealmente independientes (l.i.) si la única combinación lineal de ellos que es 0 es la que tiene nulos todos los escalares, es decir:
λ1v1 + λ2v2 + . . . + λkvk = 0 ⇒ λ1 = λ2 = . . . = λk = 0
Un conjunto infinito de vectores es l.i. si cualquier subconjunto finito de vectores es l.i.
Espacio Lineal Generado
Sea S ⊂ V con V espacio vectorial. Llamaremos espacio lineal generado por S al conjunto de todas las combinaciones lineales de elementos de S. Este conjunto se denotará lin(S).
Observaciones sobre lin(S):
- o.1) lin(S) satisface la condición de subespacio y, por tanto, es un subespacio vectorial de V.
- o.2) lin(S) es el menor subespacio vectorial que contiene a S, puesto que cualquier subespacio que contenga a S debe contener todas las combinaciones lineales de los vectores de S, es decir, debe contener a lin(S).
- o.3) S1 ⊂ lin(S2) ⇒ lin(S1) ⊂ lin(S2) puesto que al ser lin(S2) un espacio vectorial, debe contener todas las combinaciones lineales de sus vectores.
Espacio de Filas y Columnas
Llamaremos espacio de filas y espacio de columnas respectivamente de la matriz A a los siguientes conjuntos:
fil(A) = lin{r1, r2, . . . , rm}
col(A) = lin{c1, c2, . . . , cn}
Autovectores y Autovalores
Sea V un espacio vectorial sobre ℂ y T : V → V una aplicación lineal. Diremos que v ∈ V - {0} es un vector propio o autovector de T si existe λ ∈ ℂ tal que T(v) = λv. En este caso, λ recibe el nombre de valor propio o autovalor de T.
Espacio Característico
Sea T : V → V una aplicación lineal y λ un autovalor de T. Llamaremos espacio característico de T asociado al autovalor λ al conjunto Wλ = {v ∈ V / T(v) = λv}. El espacio característico de una aplicación lineal asociado a un autovalor λ es, por tanto, al igual que sucedía con matrices, el conjunto formado por todos los autovectores correspondientes a ese autovalor junto con el vector nulo. Este conjunto es un subespacio vectorial de V.
Teorema de Dependencia Lineal
Sea V un espacio vectorial. Sean v1, v2, . . . , vk ∈ V. Entonces v1, v2, . . . , vk son linealmente dependientes (l.d.) ⇔ ∃j ∈ {1, 2, . . . , k} tal que:
vj = Σi=1, i≠jk αivi
Demostración
v1, v2, . . . , vk l.d. ⇒ ∃(β1, β2, . . . , βk) ≠ (0, 0, . . . , 0) tal que Σi=1k βivi = 0
(β1, β2, . . . , βk) ≠ (0, 0, . . . , 0) ⇒ ∃j ∈ {1, 2, . . . , k} / βj ≠ 0
Podemos despejar vj y tendremos:
vj = Σi=1, i≠jk (-βi/βj)vi
Es decir, tendremos vj expresado como combinación lineal de los restantes, como afirma el teorema.
vj - Σi=1, i≠jk αivi = 0
Tenemos así una combinación lineal nula que no tiene nulos todos los escalares puesto que vj va multiplicado por 1. Esto asegura la dependencia lineal de los vectores que aparecen en la combinación lineal.
Unicidad de los Escalares
Sea v ∈ lin{u1, u2, . . . , uk} con u1, u2, . . . , uk l.i. Entonces los escalares λ1, λ2, . . . , λk tales que v = Σi=1k λiui son únicos.
Demostración
Supongamos que:
v = Σi=1k αiui = Σi=1k βiui
con (α1, . . . , αk) ≠ (β1, . . . , βk), es decir, con algún escalar distinto en las dos combinaciones lineales. Entonces:
0 = Σi=1k αiui - Σi=1k βiui = Σi=1k (αi - βi)ui