Professional Documents
Culture Documents
Un espacio vectorial real V es un conjunto de objetos, denominados vectores, junto con dos
operaciones binarias llamadas suma y multiplicacin por un escalar y que satisfacen los die
axiomas enumerados a continuacin.
Antes de presentar la lista de las propiedades que satisfacen los vectores en un espacio vector
deben mencionarse dos asuntos de importancia. En primer lugar, mientras que puede ser til p
R2 o R3 al manejar un espacio vectorial, con frecuencia ocurre que el espacio vectorial parece
diferente a estos cmodos espacios (en breve tocaremos este tema). En segunda instancia, la
definicin 1 ofrece una definicin de un espacio vectorial real. La palabra real significa que los
escalares que se usan son nmeros reales. Sera igualmente sencillo definir un espacio vectori
complejo utilizando nmeros complejos en lugar de reales. Este libro est dedicado principalme
espacios vectoriales reales, pero las generalizaciones a otros conjuntos de escalares presentan
poca dificultad. [1]
1-
2-
3-
4-
5-
6-
7-
8-
9-
Existen mltiples ejemplos de sub espacio, sin embargo, en primer lugar, se demostrar un
que hace relativamente sencillo determinar si un subconjunto de V es en realidad sub espacio de
Teorema de sub espacio
Si x H y y H, entonces x + y H.
ii)
Es obvio que si H es un espacio vectorial, entonces las dos reglas de cerradura se debern cump
contrario, para demostrar que es un espacio vectorial, se deber demostrar que los axiomas i)
definicin cumplen bajo las operaciones de suma de vectores y multiplicacin por un escalar
en V. Las dos operaciones de cerradura [axiomas i) y iv)] se cumplen por hiptesis, como los ve
H son tambin vectores en V, las identidades asociativa, conmutativa, distributiva y mult
[axiomas ii), v), vii), viii), ix) y x)] se cumplen.
Este teorema demuestra que para probar si H es o no es un sub espacio de V, es suficiente verifi
Cualquier vector se puede poner como combinacin lineal de otros que ten
distinta direccin.
Esta combinacin lineal es nica.
tienen distinta
direccin
Sean u1, u2, ,uk k vectores en Rn y A la matriz que tiene como columnas a estos ve
los vectores son linealmente independientes si el sistema Ax = 0 tiene nicamente
trivial.
Los vectores son linealmente dependientes si el sistema Ax=0 tiene soluciones no t
(solucin mltiple).
Si k=n
Los vectores son linealmente independientes si A es invertible
Si k>n
Los vectores son linealmente dependientes.
Dos vectores en un espacio vectorial son linealmente dependientes si uno de ellos
esmltiplo escalar del otro.
Teoremas
1. Cualquier conjunto que contenga al vector 0 es linealmente dependiente.
independiente.
3. Cualquier conjunto formado por dos vectores diferentes de cero, S = {v 1, v2}, donde
0, v2 0, es linealmente dependiente si, y slo si, uno de los vectores es mltiplo esc
otro.
Una base posee 2 caractersticas que se acaban de ver, debe tener suficientes valores para genera
pero no tantos de modo que uno de ellos pueda escribirse como una combinacin lineal de los d
vectores en S. Si un espacio vectorial consta de un nmero finito de vectores, entonces V es de d
finita. En caso contrario, V es de dimensin infinita.
Base
En trminos generales, una base para un espacio vectorial es un conjunto de vectores del espa
partir de los cuales se puede obtener cualquier otro vector de dicho espacio, haciendo uso de las
operaciones en l definidas.
La base es natural, estndar o cannica si los vectores v 1, v2,, vn forman base para Rn.
Si S={v1, v2,, vn} es una base para un espacio vectorial V entonces todo vector v en V se puede e
como:
1.
2.
Restar 2-1
0 = (c1- k1) v1+(c2- k2) v2++(cn- kn) vn
Ejemplo:
demostrar si S = {v1, v2,, v3} es base de R3, v1 = (1,2,1); v2 = (2,9,0); v3 = (3,3,4)
Proponer vector arbitrario, combinacin lineal
b = c1v1+ c2v2+ c3v3
(b1, b2, b3) = c1(1,2,1)+ c2(2,9,0)+ c3(3,3,4)
(b1, b2, b3) = c1+2c2+3c3;2c1+9c2+3c3; c1+4c3
c1 + 2c2 + 3c3 = b1
2c1 + 9c2 + 3c3 = b2
c1
+ 4c3 = b3
det A = [(1*9*4)+(2*3*1)+0]-[(1*9*3)+0+(4*2*2)]
= [36+6]-[27+16]
= -1
Si genera a R3
Si S = {v1, v2,, vn} es una base de un espacio vectorial V, entonces todo vector en V puede escri
una y solo una forma como combinacin lineal de vectores en S.
Para demostrar la unicidad (que en un vector dado puede representarse slo de una manera), se
que u tiene otra representacin u= b1v1 + b2v2++bnvn. Al restar la segunda representacin de la
se obtiene:
Sin embargo como S es linealmente independiente, entonces la nica solucin de esta ecuacin
trivial,
c1-b1=0
c2-b2=0,
cn-bn=0.
Sea u = (u1, u2, u3) cualquier vector en R3. Demuestre que la ecuacin u= c1v1+ c2v2 + c3v3 tiene s
nica para la base S= {v1, v2, v3}= {(1,2,3),(0,1,2), (-2,0,1).
C1
2C1 + C2
-2c3= u1
= u2
Como la matriz A es invertible, se sabe que este sistema tiene una solucin nica dada por C=A despejar A-1 se obtiene
Por ejemplo, el vector u = (1,0,0) puede representarse de manera nica como una combinacin
dev1, v2 y v3 en la forma siguiente.
Dimensin
Para concluir que un conjunto S= { v1, v2, , vn} es una base de un espacio vectorial V es necesar
que S satisface dos condiciones: que S genera a V y es linealmente independiente.
Estos dos comparten muchas propiedades, pero debido al conocimiento que se tiene sobre las
operaciones elementales en los renglones se empieza por considerar el espacio rengln de una m
Cabe recordar que dos matrices son equivalentes por renglones si una puede obtenerse a partir d
al aplicar operaciones elementales en los renglones. El siguiente teorema establece que las matr
equivalentes por renglones tienen el mismo espacio rengln.
Si una matriz A es equivalente por renglones a una matriz B que est en forma escalonada, ento
vectores rengln de B diferentes de cero forman una base del espacio rengln de A.
Solucin: Mediante las operaciones elementales en los renglones, A vuelve a escribirse en form
escalonada como se muestra a continuacin
Los vectores rengln diferente de cero, w1=(1,3,1,3), w2=(0,1,2,0), w3= (0,0,1,-1), forman una ba
espacio rengln de A.
As w1=(1,0,-3,3,2), w2= (0,1,9,-5,-6), y w3 =(0,0,1,-1,-1) forman una base del espacio rengln de
que equivale a afirmar que forman una base del espacio columna de A.
La dimensin del espacio rengln (o columna) de una matriz A se llama rango de A y se denota
rango (A).
Producto Interno:
Un producto interno sobre un espacio vectorial V es una operacin que asigna a cada par d
vectores u y v en V un nmero real <u, v>.
i. (v, v) 0
ii. (v, v) = 0 si y slo si v = 0.
iii, (u, v +w) = (u, v)+ (u, w)
iv. (u + v, w) = (u, w)+(v, w)
v. (u, v) = (v, u)
vi. (u, v) = (u, v)
vii. (u, v) = (u, v)
2. u + v, w = u, w + v, w
3. u, cv = cu, v.
1.
Sea B = {v1, v2, . . ., vn} una base de un espacio V con producto interno
w1= v1
Determine una base ortonormal del espacio solucin del siguiente sistema homogneo de ec
lineales
w+ x +
z= 0
-->
Para hallar una base ortonormal B= {u1, u2}, se usa la forma alternativa del pro
ortonormalizacin de Gram- Schmidt como sigue.
Definicin: Las transformaciones lineales son las funciones y tratan sobre K-espacios vector
que son compatibles con la estructura (es
decir, con la operacin y la accin) de estos espacios.
Aqu se presentan las funciones entre espacios vectoriales que preservan las cualidades de
espacios vectoriales. Es decir, de funciones que preservan la suma y la multiplicacin por e
es lineal.
Entonces :
T es lineal.
Una transformacin lineal preserva combinaciones lineales. Veremos que, debido a esto, una transform
lineal queda unvoca-mente determinada por los valores que toma en los elementos de una base cualqu
su dominio.
Teniendo en cuenta que las transformaciones lineales son funciones entre conjuntos
sentido estudiar la validez de las propiedades usuales de funciones: inyectividad,
suryectividad y biyectividad.
Las transformaciones lineales que verifican alguna de estas propiedades reciben nom
particulares:
Definicin 3.6 Sean V y W dos K-espacios vectoriales, y sea f : V W una transformacin linea
dice que:
1. f es un monomorfismo si f es inyectiva.
2. f es un epimorfismo si f es suryectiva.
3. f es un isomorfismo si f es biyectiva.
automorfismo.
Teorema 2
Sea V un espacio vectorial de dimensin finita con base B = {v1, v2, . . . , vn}. Sean w1,
w2, . . . , wn vectores en W. Suponga que T1 y T2 son dos transformaciones lineales de V
en W tales que T1vi = T2vi = wi para i = 1, 2, . . . , n. Entonces para cualquier vector v
V, T1v = T2v; es decir T1 = T2.
Ejemplo
Observacion 1. Observe que un T es no vacio porque, de acuerdo al teorema 1, T(0) = 0 de manera que 0 un T p
cualquier transformacin lineal T. Se tiene inters en encontrar otros vectores en V que se transformen en 0. De
observe que cuando escribimos T(0) = 0, el 0 de la izquierda est en V y el de la derecha en W.
Teorema 4
Si T:V W es una transformacin lineal, entonces
i.Un T es un subespacio de V.
ii.Im T es un subespacio de W.
Demostracion
encuentra e
ncleo. En la segunda slo el vector cero se encuentra en el ncleo. Los casos intermedios son ms interesantes.
Ejemplo 5 Ncleo e imagen de un operador de proyeccin
Sea T:R3 R3 definida por
Entonces x = y = 0. As, nu T = {(x,y,z):x = y = 0, zR}, es decir, el eje z, e Im T = {(x,y,z): z = 0}, es decir el plano
Observe que dim un T = 1 y dim Im T = 2.
Definicin 2
Toda matriz A de m*n da lugar a una transformacin lineal T:R R definida por Tx = Ax. Es evidente que un T = NA
Im A = CA, v(T) = v(A) y p(T) = p(A). Entonces se ve que las definiciones de ncleo, imagen, nulidad y rango de un
transformacin lineal son extensiones del espacio nulo, la imagen, la nulidad y el rango de una matriz.
Rm.Graficar un conjunto de puntos en otro es lo que se conoce como transformacin lineal de un conjunto de pu
Existen ciertas propiedades bsicas de las transformaciones lineales, las cuales si son tomadas en cuenta y aplica
momento de resolver un problema, pueden reducirlo un problema simple. La notacin general utilizada para una
transformacin lineal es T: Rn
Transformaciones lineales
Las transformaciones lineales forman un hilo que se entreteje en la tela de este texto. Su utilizacin mejora el se
geomtrico de lo escrito. Por ejemplo, en el captulo 1, las transformaciones lineales proporcionan una visin dinm
grfi ca de la multiplicacin matriz-vector.
1. Reflexin: Cuando un conjunto de puntos dados es graficado desde el espacio euclidiano de entrada a otro de m
que este es isomtrico al espacio euclidiano de entrada, llamamos a la operacin realizada la reflexin del conjunt
puntos dado. Esto puede realizarse tambin con respecto a la matriz, en tal situacin la matriz de salida es llamad
de reflexin. La reflexin es realizada siempre con respecto a uno de los ejes, sea el eje x o el eje y. Esto es como
la imagen espejo de la matriz actual.
2. Expansin: Al igual que en la reflexin, tambin es posible expandir los puntos dados en una direccin particula
expansin se realiza habitualmente para un cierto grado. Es como realizar una operacin de multiplicacin de los
del conjunto de puntos dados con un trmino escalar hacia la direccin donde tiene que ser expandido. Sea para u
(2, 3) si el grado de expansin 2 es la direccin de y, entonces el nuevo punto obtenido es (2, 6).
4. Rotacin: El trmino rotacin tiene dos significados, ya la rotacin de un objeto puede ser realizada con respect
dado o al eje mismo. La rotacin se realiza para un cierto grado el cual es expresado en forma de un ngulo. Asim
rotacin puede realizarse en la direccin de las manecillas del reloj, o inverso a las manecillas del reloj.
Como ejemplo, dirijmonos a producir la matriz estndar para la representacin de la transformacin lineal reflejan
conjunto de puntos en el plano x-y a travs de la recta y = (2x / 3).
El primer paso para esto es determinar los vectores base.
La imagen de la matriz base determina la imagen de cualquier elemento. Por lo tanto la imagen de a travs de y =
es determinada mediante la obtencin de una recta que pasa por (1, 0) y es que es ortogonal a . Esto est dado p
2) (3/ 2).
El punto donde las dos rectas, esto es, y = (3x/ 2) (3/ 2) e y = (2x/ 3) se intersectan se dado como (9/13, 6/13)
Tomamos p1 para ser el punto de reflexin de a travs de la recta dada. Este punto es simtrico respecto a (9/1
por lo tanto, podemos escribir que,
Esto produce,
De manera similar, la imagen del vector base resulta.