Está en la página 1de 14

ALGEBRA LINEAL

UNIDAD 4

Docente: I.B.Q. Abderramn


Hernndez Isleo
Alumno: Juan Pablo Contreras
Beltrn
Semestre y Grupo: 2 A
Lugar y Fecha: Coatzacoalcos,
Ver. 10-Noviembre-2015

13

Contenido
4.1 Definicin de un espacio vectorial......................................................................2
4.2 Definicin de subespacio vectorial y sus propiedades...........................................3
4.3 Combinacin lineal, independencia lineal.............................................................4
4.4 Base y dimensin de un espacio vectorial, cambio de base....................................6
4.5 Espacio vectorial con producto interno y sus propiedades......................................9
4.6 Base ortonormal,proceso de ortonoralizacin de Gram- Schmidt..........................10
Segundo paso.................................................................................................
Obtener un vector U2 ortogonal a U1:............................................................
Cuarto paso....................................................................................................

Juan Pablo Contreras Beltrn

13

4.1 Definicin de un espacio vectorial


En lgebra abstracta, un espacio vectorial es una estructura
algebraica creada a partir de un conjunto no vaco,
una operacin interna (llamada suma, definida para los
elementos del conjunto) y una operacin
externa (llamada producto por un escalar, definida entre
dicho conjunto y otro conjunto, con estructura de cuerpo ).
A los elementos de un espacio vectorial se les
llama vectores y a los elementos del cuerpo, escalares.
Satisfacen diez axiomas donde X,Y,Z vectores:
1) Si X pertenece a V y Y, entonces X+Y pertenece a V
(Cerradura bajo la suma).
2) Para todo X,Y,Z en V, (X+Y)+Z=X+(Y+Z)
(Ley asociativa de la suma de vectores)
3) Existe un vector 0 pertenece a V tal que para todo x que
pertenece a V, X+0=0+X=X.
(Idntico Aditivo)
4) Si X pertenece a V, Existe un vector -X en V tal que X+(X)=0
(Inverso Aditivo de X)
5) Si X y Y estn en V, entonces X+Y=Y+X
(Ley de conmutatividad)
6) Si X pertenece V y t es un escalar, entonces t*X tambien
pertenece a V
(Cerradura bajo la multiplicacin por un escalar)
7) Si X y Y pertenecen a V y k es un escalar, entonces
k*(X+Y)=k*X+k*Y
(Primera de distributiva)
8) Si X y Y estn en V y t y k son escalares entonces
(t+k)*X=tX+kX
(Segunda ley distributiva)

Juan Pablo Contreras Beltrn

13

9) Si X pertenece y k y t son escalares, entonces


k*(t*X)=(k*t)*X
(Ley asociativa de multiplicacin por un escalar)
10) Para cada vector X que pertenece a V, 1X=X.

4.2 Definicin de subespacio vectorial y sus propiedades.


Sea U un espacio vectorial sobre un cuerpo IK. Un subconjunto
no vaco S de U es un subespacio vectorial de U si y si solo
si S es un espacio vectorial sobre IK respecto a las leyes de
composicin heredadas de U
Ejemplo:
Calcular bases de los subespacios de R
4 S, T, S + T y S T, siendo S = {(x1; x2; x3; x4)|x1 x2 =
0}
y T =< (1;1;2;1);(2;3; 1;1) >.
Solucin. Tenemos
S = {(x1; x2; x3; x4)|x1 x2 = 0} = {(x1; x1; x3; x4)|x1; x2; x3 R} =< (1;1;0;0);
(0;0;1;0);(0;0;0;1) >

luego un sistema generador de S es {(1;1;0;0);(0;0;1;0);(0;0;0;1)}.


Ahora,
(0;0;0;0) = (1;1;0;0) + (0;0;1;0) + = =o sea que es
libre, resulta que B S = {(1;1;0;0);(0;0;1;0);(0;0;0;1)} es una base

de

S.
Un sistema generador de T es (1;1;2;1);(2;3; 1;1). Pero es tambin
libre, ya que (0;0;0;0) =

y la nica solucin al sistema anterior es , Por tanto, BT =


{(1;1;2;1);(2;3; 1;1)} es una base de T.

Juan Pablo Contreras Beltrn

13

4.3 Combinacin lineal, independencia lineal

Dados dos vectores:

y , y dos nmeros: a y b, el vector au+

bv se dice que es una combinacin lineal de

Una combinacin lineal de dos o ms vectores es el vector que


se obtiene al sumar esos vectores multiplicados por
sendos escalares.
V= a1V1 + a2V2 + anVn
Ejemplo:
Sean x= (1,2) , y= (3,-1); halla el vector que sea la
combinacin lineal de Z= 2X + 3Y
Z=2(1,2) + 3(3,-1)= (2,4) + (9,-3)= (11,1)

Independencia lineal:

Varios vectores libres del plano se dice que son linealmente


dependientes si hay una combinacin lineal de ellos que es
igual al vector cero, sin que sean cero todos los
coeficientes de la combinacin lineal, de no ser linealmente
dependientes entonces son linealmente independientes.

Varios vectores libres son linealmente independientes si


ninguno de ellos puede ser escrito con una combinacin lineal
de los restantes, los vectores linealmente independientes
tienen distinta direccin y sus componentes no son
proporcionales, es decir:

Juan Pablo Contreras Beltrn

13

U1 U2 U3
V 4 V2 V 3
W1 W2 W3

Ejemplo:
Dado S = [(1,1,0), (0,2,3), (1,2,3)
(0,0,0)= a(1,1,0) + b(0,2,3) + y(1,2,3)
(0,0,0)= (a,a,0) + (0,2b,3b) + (y,2y,3y)
(0,0,0)= (a+y,a+2b+2y,3b+3y)
a+y=0
a+2b+2y=0
3b+3y=0
1 0 1
1 2 2
0 3 3

0
0
0

F2-F1

F3-3f2

1 0 1
0 1 1 /2
0 0 3 /2

1 0 1
2/3 F1 0 1 1/2
0 0 1

1 0 1
0 2 1
0 3 3

0
0
0

F2/2

1 0 1
0 1 1/2
3 3 3

0
0
0

0
0
0

Como existe una sola solucin S es independiente

Juan Pablo Contreras Beltrn

0
0
0

4.4 Base y dimensin de un espacio vectorial, cambio de base.

A qu se le llama base?
Se llama base de un espacio (o subespacio) vectorial a un
sistema generador de dicho espacio o subespacio, que sea a la
vez linealmente independiente.
Propiedades de las bases:
1. Una base de S es un sistema generador minimal de S (lo ms
pequeo posible).
2. Adems es un conjunto independiente maximal dentro de S
(lo ms grande posible).
3. Una base de S permite expresar todos los vectores de S
como combinacin lineal de ella, de manera nica para cada
vector.
Ejemplos de bases:
La base cannica (o base natural, o base estndar) de
n:
e1 = (1,0,,0)
e2 = (0,1,,0)
........
en = (0,0, ,1)
Son
linealmente
independientes
porque
forman
un
determinante no nulo. Son sistema generador de n porque
todo
vector
(a1,a2,,an)
n
se
puede
expresar
como
combinacin lineal de ellos:
(a1, a2,an)= a1(1,0,0)+ a2(0,1, ,0)+ . . . + an(0,0, ,1)
A qu se le llama dimensin?

Juan Pablo Contreras Beltrn

Todas las bases de un mismo espacio o subespacio tienen el


mismo nmero de vectores. Se llama dimensin de dicho espacio
o subespacio.
Por tanto, la dimensin es el mximo nmero de vectores
independientes que podemos tener en el espacio o subespacio.
En otras palabras, es el mximo rango que puede tener un
conjunto de vectores de dicho espacio
Es tambin el rango de cualquier sistema generador de dicho
espacio.
Ejemplo de dimensin:
P2 = {polinomios de grado 2 con coeficientes reales} tiene
dimensin 3. Una base de P2 es, por ejemplo, la formada por
los tres polinomios siguientes:
(1+0x+0x2), (0+x+0x2), (0+0x+x2)
(es decir, los polinomios 1, x, x2).
Otra base: 1+2x+3x2, 4+x2, 3x5x2.
Propiedades de la dimensin:
Significado fsico de la dimensin: el espacio tiene
dimensin 3, los planos dimensin 2,
las rectas dimensin 1, el punto dimensin 0. El
subespacio {0} es el nico de dimensin 0.
La dimensin de un subespacio en n
, coincide con el nmero de parmetros libres en
su forma paramtrica. (1 parmetro=recta, 2
parmetros=plano)
Si S y T son subespacios y S est contenido en T,
entonces dim S dim T.
Adems, si se da la igualdad, dim S = dim T, entonces
ambos espacios han de coincidir.
El rango de una familia de vectores, es igual a la
dimensin del subespacio que generan.
Es decir: si v1,v2,vn generan un cierto subespacio S, y
si el rango de dicho conjunto es r,
entonces dim S = r.
(Si un cierto conjunto de vectores tienen rango 2,
entonces generan un plano; etc.)
Cambio de base

Juan Pablo Contreras Beltrn

En un espacio vectorial V, dadas dos bases B y B , se llama


matriz de cambio de base (o de cambio de coordenadas) de B a
B a la matriz que contiene en sus columnas las coordenadas
de los vectores de la base B expresados en funcin de la base
B.
Conocidas las coordenadas de un vector en base B, nos
permitir hallar las coordenadas de dicho vector en base B.
En efecto, sean (a1, a2, an) las coordenadas de un vector en
base B, y sea P la matriz de cambio de base de B a B.
Entonces:

P.

a1
a2
an

b1
b2
bn

o lo que es lo mismo

a1
a2
an

= P

-1

b1
b2
bn

Obtenindose as (b1, b2, . . . bn) las coordenadas del


vector en base B.
Ejemplo:
Consideremos en 2 las dos bases siguientes:
B ={(2,3), (1, 1)}
B ={(1,0), (0,1)}
Construyendo la matriz de cambio de base de B a B:
Para ello debemos expresar los vectores de la base B en
funcin de la base cannica B.
Para ello debemos expresar los vectores de la base B en
funcin de la base cannica B.
(2,3)= 2(1,0)+3(0,1)= (2,3)
(-1,1)= 1(1,0)-1(0,1)= (1,-1)
Introduciendo estas coordenadas en las columnas de una
matriz, tendremos la matriz de cambio de base de B a B:
P=

2 1
3 1

Juan Pablo Contreras Beltrn

4.5 Espacio vectorial con producto interno y sus propiedades.

El espacio
producto
vectores u
llamado el
estn en V

vectorial complejo V se conoce como un espacio con


interior
si
para
cualquier
par
de
y v en V, existe un nico nmero complejo (u, v),
producto interior de u y v, tal que si u, v y w
y si C, entonces

Propiedades:
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)
La barra en las condiciones (v) y (vii) denota el conjugado
complejo.
Ejemplo:
Dado los vectores P y R donde

P=8n+3m-5L y R= -3n-6m+2L
P.R= (8,3,-5).(3,-6,2)= (8)(3)+(3)(-6)+(-5)(2)
= 24-18-10=-4

Juan Pablo Contreras Beltrn

4.6 Base ortonormal,proceso de ortonoralizacin de Gram- Schmidt .

Los
vectores
de
una
base
pueden
ser
mutuamente
perpendiculares, o pueden no serlo. Cuando son mutuamente
perpendiculares se dice que es una base ortogonal.
Recurdese que dos vectores u y v en
slo si uv = 0.

son ortogonales si y

Si se tiene un conjunto de tres vectores u, v y w en


, y se
quiere verificar que sean un conjunto ortogonal, se necesitan
realizar todas las combinaciones de los productos punto:
(uv,uw,vw)
Ejemplo:
Sean los vectores
u = (1, 2, 1), v = (4, 0, -4)
(1, -1, 1), son un conjunto ortogonal?

w =

Al realizar los productos punto


uv= 0,uw= 0,vw= 0
nos damos cuenta de que todos son iguales a cero, por lo que
el conjunto de vectores es ortogonal.

Proceso de ortonormalizacin de Gram-Sscmidt


Es posible transformar cualquier base en
(no ortogonal y,
por lo tanto, no ortonormal) en una base ortonormal usando el
proceso de ortonormalizacinde Gram Schmidt.
Las frmulas para este proceso incluyen normalizaciones
(vectores unitarios), as como proyecciones de un vector
sobre otro para obtener vectores ortogonales.
Frmula:
Normalizar U3:

Juan Pablo Contreras Beltrn

Primer paso:
Obtener un primer vector unitario U1:

Segundo paso.
Obtener un vector

U2 ortogonal a U1:

Tercer paso.
Normalizar U2:

Cuarto paso.
Obtener un vector U3

ortogonal a U1

a U2:

Quinto paso.
Normalizar U3:

Ejemplo
Considere los vectores V1 = (1, 0, 1), V1 = (0, 1, 1) y V1 = (1, 0, 0) base de
. Transformar esta base en una base ortonormal por el proceso de Gram
Schmidt.
Primer paso.
Obtener un primer vector unitario U1:

Juan Pablo Contreras Beltrn

Segundo paso.
Obtener un vector U2 ortogonal a U1:

Tercer paso.
Normalizar U2:

Cuarto paso.
Obtener un vector U3 ortogonal a U1 y a U2:

Quinto paso.
Normalizar U3:

Juan Pablo Contreras Beltrn

Finalmente, el conjunto de vectores U1, U2, y U3 es una base ortonormal


de

Juan Pablo Contreras Beltrn