ESPACIOS VECTORIALES DEFINICIN Y PROPIEDADES BSICAS Espacio vectorial real Un espacio vectorial real V es un conjunto de objetos, llamados vectores,

junto con dos operaciones llamadas suma y multiplicacin por un escalar que satisfacen los diez axiomas enumerados a continuacin. Notacin. Si x y y estn en V y si a es un nmero real, entonces la suma se escribe como x + y y el producto escalar de a y x como a x. AXIOMAS DE UN ESPACIO VECTORIAL Si x V y Y V, entonces x+y V (cerradura bajo la suma) Para todo x,y y z en V, (x+y) = x + (y +z) (ley asociativa de la suma de vectores) Existe un vector 0 V tal que para todo x V, x+0 = 0+x=x (el 0 se llama vector cero o idntico aditivo) Si x V, existe un vector x en V tal que x + (x) = 0 (x se llama inverso aditivo de x) Si x y y estn en V, entonces x+y= y+x (ley conmutativa de la suma de vectores) Si x V y a es un escalar, entonces a x V ( cerradura bajo la multiplicacin por un escalar) Si x y y estn en V y es un escalar, entonces (x +y) = x+ y (primera ley distributiva) Si x Vy y son escalares, entonces ( + )x = x+x (Segunda ley distributiva) Si x V y y son escalares, entonces (x) = ()x (ley asociativa de la multiplicacin por escalares) Para cada vector x V, 1x= x EJEMPLO 1 El espacio Rn Sea V = Rn = : xj E R para i = 1,2,...,n. Cada vector en Rn es una matriz de n * 1. segn la definicin de suma de matrices, x + y es una matriz de n * 1 si x y y son matrices de n*1. Haciendo 0= y x= , se ve que los axiomas ii) ax ) se obtienen de la definicin de matrices.

 SUBESPACIOS DEFINICIN Sea H un subconjunto no vaco de un espacio vectorial V y suponga que H es en s un espacio vectorial bajo las operaciones de suma y multiplicacin por un escalar definidas en V. Entonces se dice que H es un subespacio de V. Se puede decir que el subespacio H hereda las operaciones del espacio vectorial padre V. TEOREMA 1 Un subconjunto no vacio H es un espacio vectorial V es un subespacio de V si se cumplen las dos reglas de cerradura. Este teorema demuestra que para probar si H es o no un subespacio de V, es suficiente verificar que x + y y ax estn en H cuando x y y estn en H y a es un escalar. Lo anterior dice que: Todo subespacio de un espacio vectorial V contiene al 0. EJEMPLO El subespacio trivial Para cualquier espacio vectorial V, el subconjunto 0 que consiste en el vector cero nada ms es un subespacio ya que 0+0= 0 y a0 = 0 para todo nmero real a. TEOREMA 2 Sean H1 y H2 dos subespacios de un espacio vectorial V. Entonces H1 H2 es un subespacio de V. 5.3 INDEPENDENCIA LINEAL En el estudio de lgebra lineal, una de las ideas centrales es la dependencia o independencia lineal de los vectores. DEFINICIN Dependencia e independencia lneal sean v1, v2, ..., vn, n vectores en un espacio vectorial V. Entonces se dice que los vectores son lineamientos dependientes si existen n escalares no todos cero tales que C1 v1 + c2 v2 + ... cnvn = 0 Si los vectores no son lineamientos dependientes, se dice que son lineamientos independientes. TEOREMA 1 Dos vectores en un espacio vectorial son linealmente dependientes si y slo si uno es un mltiplo escalar del otro. TEOREMA 2 2

Un conjunto de n vectores en Rm siempre es linealmente dependiente si n>m. TEOREMA 3 A= Entonces las columnas de A, consideradas como vectores, son linealmente dependientes si y solo si el sistema , que se puede escribir como Ac = 0, tiene soluciones no triviales. TEOREMA 4 Sean v1, v2, ..., vn, n vectores en Rn y sea A una matriz de n*n cuyas columnas son v1, v2, ..., vn. Entonces v1, v2, ..., vn son linealmente independientes si y slo si la nica solucin al sistema homogneo Ax= 0 es la solucin trivial x=0. TEOREMA 5 Sea A una matriz de n*n. Entonces det A = 0 si y solo si las columnas de A son linealmente independientes. TEOREMA 6 Cualquier conjunto n vectores linealmente independientes en Rn genera a Rn EJEMPLO Dos vectores linealmente dependientes en R4 Los vectores v1= y v2= son linealmente dependientes ya que v2= 3v1. 5.4 BASES Y DIMENSIN DEFINICIN Base Un conjunto finito de vectores v1, v2, . . ., vn es una base para un espacio vectorial V si v1, v2, . . ., vn es linealmente independiente v1, v2, . . ., vn genera V. Todo conjunto de n vectores linealmente independiente Rn es una base en Rn En Rn se define Base cannica. Entonces, como los vectores e1 son las columnas de una matriz identidad e1, e2, . . ., en es un conjunto linealmente independiente y, por lo tanto, constituye una base en Rn. EJEMPLO Base cannica para M22 que , , y generan a M22 Si = C1 + C2 + C3 + C4 = , entonces es obvio que c1 = c2=c3=c4= 0. As, estas matrices son linealmente 3

independientes y forman una base para M22 . DEFINICIN Dimensin. Si el espacio vectorial V tienen una base finita, entonces la dimensin de V es el nmero de vectores en todas las bases y V se llama espacio vectorial de dimensin finita. De otra manera, V se llama espacio de dimensin infinita. Si V = 0 , entonces se dice que V tiene dimensin cero. EJEMPLO La dimensin de Rn Como n vectores linealmente independientes en Rn constituye una base, se ve que Dim Rn = n ESPACIOS CON PRODUCTO INTERNO DEFINICIN 1 Espacio con producto interno. Un espacio vectorial complejo V se llama espacio con producto interno si para cada par ordenado de vectores u y v en V, existe un nmero complejo nico (u,v), llamado producto interno de u y v, tal que si u, v y w estn en V y C, entonces

EJEMPLO Un producto interno en Rn Rn . es un espacio con producto interno con (u, v)= u * v. DEFINICIN 2 Sea V un espacio con producto interno y suponga que u y v estan en V. Entonces i. U y v son ortogonales si (u, v) = 0 La norma de u, denota por u, esta dada por U= Nota: A la u se le pone doble barra para evitar confusin con el valor absoluto EJEMPLO Dos vectores ortogonales en C2 En C2 los vectores (3, 1) y (2, 6i) son ortogonales porque ((3, 1), (2, 6i)) = 3*2 + (i)(6i) = 6 + (i)(6i) = 6 6 = 0 adems (3, i)) = = . DEFINICIN 3 Conjunto ortonormal . El conjunto de vectores v1, v2, . . ., vn es un conjunto ortonormal en V si (vi, vj) = 0 para i 4

y vi = = 1 DEFINICIN 4 Complemento ortogonal. Sea H un subespacio del espacio con producto interno V. Entonces el complemento ortogonal de H, denotado por H, est dado por H=x V : (x, h) = 0 para todo h H UNIDAD 6 TRANSFORMACIONES LINEALES 6.1 DEFINICIN Y EJEMPLOS Las transformaciones lineales ocurren con mucha frecuencia en el lgebra lineal y otras ramas de matemticas, tienen una gran variedad de aplicaciones importantes. DEFINICIN Transformacin lineal. Sean V y W espacios vectoriales reales. Una transformacin lineal T de V en W es una funcin que asigna a cada vector v V un vector nico Tv W y que satisface para cada u y v en V y cada escalar, T (u + v) = Tu + Tv y T( v) = Tv Terminologa. Las transformaciones lineales con frecuencia se llaman operadores lineales. EJEMPLOS La transformacin cero. Sean V yW espacios vectoriales y defina T:V W por Tv= 0 para todo v en V. Entonces T(v1 + v2) = 0= 0 + 0= Tv1 + Tv2 y t ( v) = 0= 0= Tv. En este caso T se llama la transformacin cero. La transformacin identidad. Sea V un espacio vectorial y defina I: V V por Iv= v para todo v en V. Aqu es obvio que I es una transformacin lineal, la cual se llama transformacin identidad u operador identidad. Transformacin dee reflexin. Sea T: R2 R2 definida por T = . Es sencillo verificar T es lineal. 5

Geomtricamente , T toma un vector en R2 y lo refleja respecto al eje y. 6.2 IMAGEN Y NCLEO DEFINICIN Sean V y W dos espacios vectoriales y sea T:V W una transformacin lineal. Entonces El ncleo de T, denotado por un T , esta dado por Un T= v V: Tv = 0 La imagen de T, denotado por imagen T, est dada por Imagen T = w W: w = Tv para alguna v V EJEMPLO Ncleo e imagen de la transformacin cero. Sea Tv= 0 para todo v V (T es la transformacin cero). Entonces un T = V e imagen T = 0 representacin matricial de una transformacin lineal Sea V un espacio vectorial real de dimensin n, W un espacio vectorial real de dimensin m y T: V W una transformacin lineal. Sean B1= v1, v2, . . ., vn una base para V y B2 = 0 0 . . . 0 X1 X2 . . XN 6

x1 x2 . . . xn a11 a12 ... a1n a21 a22 ... a2n . . . am1 am2 ... amn 2 1 0 3 6 3 0 9 1 0 0 . . 0

e1 = e2 = 0 1 0 . . 0 e3 = 0 0 1 . . 0 en = 0 0 0 . . 1 , , ,........, 0

00 01 00 00 01 00 10 01 00 00 10 10 00 C1 C2 C3 C4 00 01 00 00 (v,v) > 0 (v,v) = 0 si y slo si v= 0 (u, v +w) = (u, v ) + (u,w) (u + v, w)= (u, w) + (v, w) (u, v) = (v,u) (au, v) = a(u, v) (u, av)= a (u, v) X y x

10