Está en la página 1de 14

INSTITUTO TECNOLOGICO DE CERRO AZUL

CARRERA:
INGENIERA PETROLERA
MATERIA:
ALGEBRA LINEAL
GRUPO: 4
TRABAJO:
UNIDAD 4:
PRESENTA:
CRUZ SANTIAGO JESUS ROBERTO
CATEDRATICO:
ING. GERARDO REYES FIGUEROA

CERRO AZUL, VER.

4.1 DEFINICION DE ESPACIO VECTORIAL

Numerosos vectores diseminados en todas las direcciones en las dos


operaciones bsicas que es la adicin y multiplicacin escalar, que puede
realizarse con el cumplimiento de las siguientes propiedades:
Considere un espacio vectorial V formado por los vectores x, y, z, a
continuacin, tenemos las siguientes propiedades como verdaderas:
Propiedades de la suma
1. Propiedad de operacin interna: Si el vector x es parte del espacio
vectorial y el vector y es parte del espacio vectorial, y el vector resultante de
la suma de estos dos vectores, el cual es el vector x + y es tambin una parte
del espacio vectorial mismo.
2. Propiedad conmutativa: Si el vector x es parte del espacio vectorial, el
vector y es parte del espacio vectorial, y tenemos un vector resultante de la
suma de estos dos vectores, entonces el vector x + y es igual al vector y + x.
3. Propiedad asociativa: Si el vector x es parte del espacio vectorial, el vector
y es parte del espacio vectorial y el vector z es parte del espacio vectorial, y
tenemos un vector resultante de la adicin de estos tres vectores entonces
el vector x + (y + z) es igual al vector (x + y) + z.
4. Identidad aditiva: todo espacio vectorial contiene un vector nulo que es un
vector cero, lo que se denomina como la identidad aditiva, de tal manera que
su suma con cualquiera de los vectores en el espacio vectorial, no cambia el
vector real, que es 0 + x = x.
5. Inverso aditivo: Para todos los vectores de un espacio vectorial
determinado, existe un vector inversa disponible en el mismo espacio de tal

manera que la suma de los dos vectores nos da un vector cero, en


consecuencia si tenemos un vector x en el espacio vectorial entonces
debemos tambin tener un vector -x del mismo vector en el espacio.
Propiedades escalares de la multiplicacin:
Una multiplicacin escalar es aquella en la que se multiplica un vector con
cualquier cantidad escalar, que consiste en multiplicar la cantidad que
contiene una direccin con una cantidad sin direccin.
1. Propiedad de operacin interna: Si tenemos un vector x en un espacio
vectorial dado y un nmero real, entonces decimos que el vector resultante
de la multiplicacin escalar de estas dos cantidades, debe existir tambin
dentro del mismo espacio vectorial.
2. Propiedad distributiva: Si se tiene los vectores x y y en un espacio
vectorial V y un nmero real, entonces la operacin de a. (x + y) es
equivalente a ax + ay.
3. Propiedad distributiva: Si hay un vector x en un espacio vectorial V y un
nmero real a y b, la operacin (a + b) x es equivalente a ax + bx.
4. Propiedad asociativa: Si hay un vector x en un espacio vectorial V dado y
un nmero real a y b, entonces la operacin a. (bx) es equivalente a (ab) x.
5. Propiedad unitaria: La multiplicacin de cada vector en un espacio
vectorial dado con una cantidad de unidas escalar dar como resultado al
vector actual.

4.2 DEFINICION DE SUBESPACIO VECTORIAL

Sea V un espacio vectorial arbitrario sobre un campo F. Un subconjunto no


vaco W de V es llamado subespacio lineal de V, o simplemente un
subespacio, siempre que se cumplan dos condiciones:
(i) a + b 2 W siempre a, b 2 W, y
(ii) ra 2 W siempre que r 2 F.
Est claro que todo subespacio de un espacio vectorial contiene el vector
cero, 0. De hecho, {0} es un subespacio propio, llamado subespacio trivial.
Consideremos, por ejemplo, una ecuacin lineal a, b, c, d 2 F. Si d 6= 0,
entonces su conjunto de soluciones no puede ser un sub-espacio de F3 ya
que x = y = z = 0 no ser una solucin, y por lo tanto los conjunto de
soluciones no contienen 0 = (0, 0, 0)T . Por otro lado, como se seala a
continuacin, el conjunto solucin de un sistema arbitrario homogneo ax +
by + cz = 0 es un subespacio de F3.
Un subespacio W de V es un espacio vectorial sobre F por derecho propio.
Sabemos por supuesto que W es un subconjunto no vaco de V, el cual es
cerrado bajo la suma y la multiplicacin escalar. Pero entonces W contiene 0,
ya que 0W = 0 para cualquier w 2 W, y cada elemento w de W tiene su inverso
aditivo -w en W, ya que -w = (1) w. Pero el resto de los axiomas de espacio
vectorial estn en W, puesto que ya lo estn en V. Por lo tanto, mantienen
todos los axiomas del espacio vectorial en W.
Un hecho muy interesante sobre el espacio vectorial es que para cada
espacio vectorial tenemos en realidad dos subespacios. Uno de ellos es el
espacio vectorial propio, mientras que el otro es el subespacio cero, es
decir, W = {0}.
Veamos un ejemplo de subespacio.

Calcula si el conjunto de entrada viene siendo el subespacio del espacio


vectorial dado. Tenemos w como un conjunto de puntos de R2 donde el valor
de cada elemento del conjunto debe ser mayor que cero. Se est formando
un subespacio de R2?
Para probar esto simplemente tenemos que confirmar si el conjunto de
entrada se ajusta a la propiedad de cierre de la multiplicacin y suma
escalares.
Tomando la primera propiedad de clausura bajo la adicin
(x1, y1) + (x2, y2) = (x1 + x2, y1 + y2)
Ahora, ya se ha dicho que el valor de cada elemento en el conjunto es mayor
que cero. Por lo tanto, tenemos x1 y x2 es mayor que cero, esto
significa que su suma tambin debe ser mayor que cero. Similar es el caso
de y1 y y2. Esto significa que la propiedad de clausura bajo la adicin
es cierta.
Tomando la segunda propiedad de la multiplicacin escalar,
Para demostrar esta propiedad tomamos una cantidad escalar negativa c.
Entonces su multiplicacin con cualquier elemento del conjunto ser, c(x, y)
= (cx, cy)
Como el valor de c es negativo su multiplicacin con cualquier cantidad
positiva produce un trmino negativo. En consecuencia, la propiedad de
cierre de la multiplicacin escalar no es verdadera lo cual significa que no
forma parte del espacio vectorial dado.

4.3 COMBINACION LINEAL E INDEPENDENCIA LINEAL

En las Matemticas generales, el trmino combinacin lineal se refiere a una


expresin desarrollada a partir de un conjunto de trminos especficos,
despus de la multiplicacin de cada trmino del conjunto por una constante
en particular, y posteriormente mediante la suma del resultado. La forma
bsica de la combinacin lineal es ax + by. Aqu tanto a como b son trminos
constantes particulares. La Combinacin Lineal constituye el concepto
bsico del lgebra lineal.
Entendamos la definicin de una manera ms precisa. Considere el campo K
y el espacio vectorial V, que est sobre K. Suponga que v1. vn son
vectores juntos con a1an los cuales son escalares. Por lo tanto, la
combinacin lineal de los vectores es:
Podra darse el caso que uno se confunda con el significado bsico de
Combinacin lineal, es decir, si la Combinacin Lineal es un valor o una
expresin. Puede verse que en la mayora bsicamente el concepto se refiere
a un valor, aunque de vez en cuando se trata como una expresin.
Otro concepto importante que est ms o menos relacionado con la
Combinacin Lineal es la Independencia Lineal. Una familia de vectores se
dice que es linealmente independiente cuando ninguno de ellos puede ser
escrito con trminos de combinacin lineal dentro de la variedad de los
vectores del conjunto.
La definicin ms formal y precisa de la Independencia Lineal supone que V
denota un espacio vectorial no necesariamente de dimensin finita en un
campo arbitrario F. Antes de definir la nocin de la dimensin V, primero
debemos

introducir

algunas

nociones

preliminares,

partir

de

la

Independencia Lineal. De manera informal situamos que, un conjunto de

vectores son linealmente independientes si ninguno de ellos puede


expresarse como una Combinacin Lineal de los otros. En otras palabras,
dos vectores son linealmente independientes cuando no se encuentran en la
misma lnea a travs del origen y tres vectores son independientes cuando
no se encuentran en el mismo plano a travs del origen.
Veamos una definicin ms profunda de este concepto. Si w1. . . wk estn en
V. Decimos que w1. . . wk son linealmente independientes (simple o
independiente) si y solo si la combinacin a1w1 + a2w2 + + akwk = 0, con
a1, a2, . . . , ak F es una combinacin trivial a1 = a2 = = ak = 0. Si la
ecuacin a1w1 + a2w2 + + akwk = 0 tiene una solucin en la que algunos
ai 0, decimos que w1. . , son linealmente independientes (simple o
independiente). Tambin diremos que un subconjunto finito S de V es
independiente si los vectores contenidos en S son independientes.
Por ejemplo: Supongamos que queremos saber que si los vectores (1, 1) y
(3, 2) son linealmente independientes o no. Comencemos esta prueba
simple: Considere que 1 y 2 to son dos nmeros reales que satisfacen (1,
1) 1 + (3, 2) 2 = (0, 0).
Simplificando las coordenadas individualmente, obtenemos
1 3 2 =

4.4 BASE Y DIMENCION DE UN PACIO VECTORIAL

La base de un espacio vectorial es un subconjunto de un espacio vectorial


que se extiende sobre un espacio vectorial determinado y es linealmente
independiente en el mismo. Esto es, si tenemos un espacio vectorial V y
tenemos S como un subconjunto de este espacio vectorial, el cual consiste
de n vectores de la forma v1, v2, v3 vn entonces podemos definir
que este subconjunto es la base del espacio vectorial dado, si cumple las
dos condiciones siguientes:
1. Este subconjunto se extiende a travs del espacio vectorial dado. 2. S es
subconjunto de V conteniendo los vectores de V, los cuales son linealmente
independientes.
Con la ayuda de una ecuacin lineal podemos representar tal conjunto
como,

Aqu v es un vector que yace en el espacio vectorial dado y los vectores n


representados como v-1, v2, v3vn forman parte de la base del
espacio vectorial dado.
Existen numerosos ejemplos de la base de un espacio vectorial. Imagina tres
dimensiones las cuales constan de dos vectores. Imagina que estos
vectores no son planos. El plano definido con la ayuda de estos dos
vectores slo formar una base para los espacios tridimensionales actuales.
Esto es porque si definimos una combinacin lineal con la ayuda de estos
dos vectores, entonces este se encontrara definitivamente dentro el plano
mismo e inversamente tambin es posible expresar un vector dentro del

plano como una combinacin lineal de ambos. Ahora extendamos esta


definicin para formar la base de la definicin de la dimensin del espacio
vectorial. Imaginemos que tenemos un espacio vectorial V y sea S la base de
este espacio vectorial. Ahora coloquemos un nmero limitado de vectores en
la base de espacio vectorial S, entonces definiramos este espacio vectorial
dado como un espacio vectorial de dimensin finita y la dimensin real se
obtendra mediante calcular el nmero total de vectores en la base de ese
espacio vectorial.
En caso de que tengamos un nmero infinito de vectores en la base del
espacio vectorial dado, entonces llamaremos al espacio vectorial un espacio
vectorial de dimensin infinita, y la dimensin de tal espacio vectorial es y la
dimensin de un espacio vectorial nulo es el valor 0.
Puede haber ms de una base para un espacio vectorial dado. Esto
significara que es posible definir los vectores dentro de un espacio vectorial
dado como la sumatoria de los vectores de ambas bases. Sea V un espacio
vectorial y S la base de este espacio vectorial. Ahora definamos todos los
vectores v V en trminos de los elementos finitos de esta base. Definamos
ahora otra base para este espacio vectorial. Ahora bien, si intentamos
redefinir los elementos del espacio vectorial como una sumatoria de los
elementos del segundo vector, llamamos a este proceso cambio de base.
Este proceso puede ser considerado como una funcin identidad sobre los
elementos del espacio vectorial.
espacio vectorial de dimensin infinita, y la dimensin de tal espacio
vectorial es y la dimensin de un espacio vectorial nulo es el valor 0.
Puede haber ms de una base para un espacio vectorial dado. Esto
significara que es posible definir los vectores dentro de un espacio vectorial
dado como la sumatoria de los vectores de ambas bases. Sea V un espacio

vectorial y S la base de este espacio vectorial. Ahora definamos todos los


vectores v V en trminos de los elementos finitos de
esta base. Definamos ahora otra base para este espacio vectorial. Ahora
bien, si intentamos redefinir los elementos del espacio vectorial como una
sumatoria de los elementos del segundo vector, llamamos a este proceso
cambio de base.
Este proceso puede ser considerado como una funcin identidad sobre los
elementos del espacio vectorial.

4.5 ESPACIO VECTORIAL CON PRODUCTO INTERNO

Siempre que se utiliza el trmino espacio en un contexto matemtico, se


refiere a un espacio vectorial, es decir, real o n-espacio complejo, el espacio
de funciones continuas en la recta, el espacio de operadores lineales
adjuntos y as sucesivamente. Por lo tanto, es un hecho innegable, que este
tema tiene su propia importancia en el campo de las matemticas.
Fijaremos el espacio vectorial de una manera ms amplia, con una definicin
que contiene todos los conceptos relacionados. Sea F un campo y V un
conjunto. Supongamos que hay una operacin binaria sobre V llamada
adicin, la cual asigna a cada par de elementos a y b de V una suma nica a
+ b V. Imagina tambin, que hay una segunda operacin, llamada
multiplicacin escalar, que asigna a cualquier r F y a cualquier 2 V, un
mltiplo escalar nico ra V. Supongamos que tanto la suma como la
multiplicacin escalar satisfacen los siguientes axiomas:
(1) La suma de los vectores es conmutativa. Es decir, a + b = b + a para todo
a, b V.
(2) La suma de los vectores es asociativa. Es decir, (a + b) + c = a + (b + c)
para todo a, b, c V.
(3) Existe una identidad aditiva 0 V de manera que 0 + a = a para todos los a
V.
(4) Para todo a V, 1a = a, donde 1 es la identidad multiplicativa de F.
(5) Por cada elemento v de V, hay un elemento -v tal que v + (-v) = 0. De este
modo -v es un inverso aditivo de v.
(6) La multiplicacin escalar es asociativa. Si r, s F y a V, entonces (rs)a =
r(sa).

(7) La multiplicacin escalar es distributiva. Si r, s F y a, b V, entonces r(a +


b) = ra + rb, and (r + s)a = ra + sa.
Entonces V es un espacio vectorial sobre F.
Con el tiempo te dars cuenta de que todas las condiciones anteriores son
necesarias. Al igual que en los campos, la identidad aditiva 0 es nica, y los
inversos aditivos son nicos: cada vector tiene su inverso. Llamemos a 0, el
vector cero. En un espacio vectorial, slo puede haber un vector cero. Por
otra parte, el inverso aditivo de un vector es siempre nico.

4.6 BASE ORTONORMAL

La base es el subconjunto de algn espacio vectorial, tal que este es


linealmente independiente y se extiende sobre todos los elementos de ese
espacio vectorial. La base ortonormal es un tipo especial de base, la cual es
un subconjunto de un tipo especial de espacio vectorial el cual es el
producto escalar del espacio vectorial. Antes de ahondar en el tema, primero
aclararemos nuestro concepto sobre un conjunto ortonormal.
Sea un V producto escalar de un espacio vectorial, si cada vector par
discreto dentro de ese espacio vectorial es ortogonal, entonces podemos
definir el espacio vectorial como un conjunto ortogonal. Adems, ampliando
esta definicin, en un conjunto ortogonal si tenemos cada vector con una
norma igual a uno, entonces este es definido como conjunto ortonormal. Sea
V producto escalar de un espacio vectorial, y tenemos a S como base de ese
espacio vectorial dado, entonces, si S es un conjunto ortogonal, entonces lo
llamamos una base ortogonal y si S es un conjunto ortonormal entonces lo
denominamos una base ortonormal.
Formalmente hablando, una base S del producto escalar de un espacio
vectorial V que contiene vectores de la forma v1, v2, v3vn se
define como una base ortonormal si satisface la condicin <vi. vj> = 0
donde i no debe ser igual a j. Aqu . es el producto escalar del espacio
vectorial dado.
Sin embargo no es indispensable que una base ya determinada est en
forma ortogonal. Podemos, si es necesario, transformar la base a la forma
ortonormal. El procedimiento para hacerlo se llama proceso de orto
normalizacin de Gram Schmidt. La entrada del procedimiento es
generalmente una base finita y la salida es una base ortonormal definida en
algn perodo arbitrario. El teorema establece Para un conjunto k de

elementos, el cual es lineal e independiente, es posible construir un conjunto


ortonormal, y el conjunto resultante es la agrupacin lineal del conjunto de
entrada y se extiende sobre el mismo espacio vectorial.
Es esencial que la base est ordenada para que sea una base ortonormal.
Sea V un producto escalar de un espacio vectorial, y si tenemos a S como la
base del espacio vectorial dado que contiene los elementos de la forma
v1, v2, v3 vn . Ahora, que tenemos otra base S, que contiene los
elementos de la forma w1, w2, w3 wn. Aqu v1 = w1, entonces,

Tambin podemos afirmar lo definido de una manera inversa diciendo que si


S es un subconjunto ortonormal de V que consiste en vectores no cero,
entonces podemos decir que S es linealmente independiente.
Si tenemos S como base ortonormal para cualquier producto escalar de un
espacio vectorial, entonces por cada elemento en el espacio vectorial dado
tenemos,

Aqu x es un vector en el espacio vectorial dado y los coeficientes [x, vi]


son llamados coeficientes de Fourier. Un punto digno de mencin es que
todos los productos de los espacios vectoriales que tienen tamao finito,
tienen esencialmente una base ortonormal