Está en la página 1de 12

ESPACIOS VECTORIALES

ESPACIO EUCLIDIANO O ESPACIO VECTORIAL


Un espacio euclidiano es el conjunto de n-adas ordenadas, tambien
conocido por espacio n-dimencional y de denota por R n
este es una
sucesin de n nmeros reales ejemplo (a 1, a2,...,an) donde los vectores Rn
se clasifican as:
1
R = espacio unidimensional, lnea recta real.
R2 = espacio bidimensional, pares ordenados.
R3 = espacio tridimensional, terna ordenadas.
Rn = espacio n-dimencional, n-adas ordenadas.
Un espacio vectorial es aquel conjunto de vectores que cumple las
propiedades o axiomas de la suma de vectores y la multiplicacin por un
escalar dichas propiedades vistas en espacios n-dimensinales R n o R2.
Un espacio vectorial es un espacio no vaco.
Podramos decir que un espacio vectorial es la abstraccin de las
propiedades de un espacio n-dimensional, debe tomarse en cuenta que en
el espacio vectorial no se especifica operaciones ni vectores entonces se
puede usar cualquier vector y cualquier operacin se puede sustituir la
suma de vectores y la multiplicacin por un escalar, pero siempre
cumpliendo todos las propiedades, siempre seria un espacio vectorial.
Un espacio vectorial cumple con cuatro partes que son: un conjunto de
vectores, un conjunto de escalares, y dos operaciones. Estos forman un
cuerpo que es igual a las estructuras algebraicas de dos operaciones
<conjunto, operacin, operacin> (un cuerpo). Para comprobar que
determinado conjunto es un espacio vectorial es preciso definir o
especificar las propiedades de suma multiplicacin por un escalar como
vimos anteriormente tenemos que definir el elemento que acta como cero
(0) y el negado de cada elemento.

Cuerpo:
Es el conjunto de nmeros y operaciones cualquiera que deben
obedecer las diez propiedades algebraicas que mencionamos en
operaciones bsicas de espacios vectoriales.
Sub cuerpo:
Si se operan escalares en forma de sub cuerpo C y se operan bajo la
suma y la multiplicacin por un escalar estos escalares no deben salirse
del sub espacio determinado y las operaciones de prueba son las mismas
que se han mencionado con anterioridad.
SUB ESPACIO VECTORIAL
Esto dice que si W es un sub conjunto del espacio vectorial V entonces
este es un sub espacio de V. Si W es un espacio vectorial bajo las
operaciones de suma y multiplicacin por un escalar definidas en V.
Para que W sea un sub espacio de V debe cumplir las propiedades de
cierre de la suma y la multiplicacin por un escalar tambin debe cumplir la
ley del elemento neutro bajo la suma, el inverso bajo la suma y el neutro
bajo la multiplicacin por un escalar.
COMBINACIN LINEAL
Se denomina combinacin lineal a u vector V en un espacio vectorial U
u un cuerpo h.
Si los vectores v1, v2, v3, ..., vn en u si V puede expresarse como:
V = c1v1 + c2v2 + c3v3 +... + cnvn donde c son escalares del cuerpo h.
CONJUNTOS GENERADORES
Si todo vector es un espacio vectorial puede ser expresado como
combinacin lineal como lo vimos anteriormente entonces se dice que la
combinacin lineal es un conjunto generador de un espacio vectorial..
En otras palabras si u1, u2,..., un generan u entonces u pertenecen a V si
existen escalares c tal que:

V = c1u1 + c2v2 +... + cnun entonces V es una combinacin lineal de


u1, u2,..., u3.
Conjuntos Generadores e Independencia Lineal:
Si todo vector puede expresarse como combinacin lineal de vectores
en un conjunto S entonces el conjunto S es un conjunto de un espacio
vectorial.
DEPENDENCIA E INDEPENDENCIA LINEAL
Para que un vector tenga dependencia lineal este debe tener una
solucin no trivial esto quiere decir que la combinacin lineal denotado as:
c1v1 + c2v2 + c3v3 = 0 , sea que tiene una solucin nica.
Para comprobar la independencia Lineal.
Sea S = {v1, v2,..., vn } un conjunto de vectores en un espacio vectorial V
entonces partiremos de la ecuacin vectorial c 1v1 + c2v2 + c3v3 = 0 (que es
la misma que combinacin lineal don de c son escalares) se escribe un
sistema homogneo de ecuaciones lineales en variable c 1, c2, ..., ck .
Despus se hace Gauss-Jordn a la matriz aumentada para diagonal
izarla si la solucin de la diagonalizacion tiene solamente solucin trivial c 1,
c2, c3 entonces S es linealmente independiente.
Si un conjunto S={v1, v2, ..., v3}, k>=2 es linealmente dependiente si solo si
por lo menos uno de los vectores v j puede expresarse como una
combinacin lineal de los dems vectores S.
BASE Y DIMENSION
En un conjunto S={v1 ,v2, ..., vk} es un espacio vectorial V este se
denomina Base si cumple que si es espacio vectorial tiene una base con
un numero finito de vectores entonces V es de dimensin finita y en caso
contrario es de dimensin infinita.

Base y Dependencia Lineal:


Si un conjunto finito S= { v 1 , v2, ..., vn } es una base de un espacio
vectorial V si todo conjunto que contiene mas de n vectores de V es
linealmente dependiente.
Numero de Vectores de una Base:
Si un espacio vectorial V tiene una base con n vectores entonces toda
base V tiene n vectores.
Dimensin de un Espacio Vectorial:
Si un espacio vectorial V tiene una base con n vectores entonces esa n
es la dimensin de esa base y se denota dim(V) = n.
Tericamente la dimensin se determina al hallar el conjunto de
vectores linealmente independientes que genera el sub espacio, este
conjunto es una base del sub-espacio y la dimensin del mismo es el
nmero de vectores que hay en la base.
Para ver que una base en un espacio n-dimensional:
Siendo V su espacio vectorial y n = n entonces S = { v 1, v2,... ,vn } en un
conjunto de vectores linealmente independientes en V, entonces S es una
base de V.
Ejemplo: si S = { v1, v2, ..., vn } genera a V, entonces S es una base de V
PRODUCTO ESCALAR
El producto interior o producto escalar de dos vectores a y b en el espacio
tridimensional se escribe a b y se define como
ab
ab

= |a| |b| cos g


=0

cuando a 0, b 0
cuando a = 0 o b = 0

Aqu g (0 g P ) es el ngulo entre a y b (calculado cuando los vectores


tienen sus puntos inciales coincidentes).

El valor del producto interior (escalar) es un escalar (un nmero real) y


esto motiva el trmino producto escalar. El coseno del ngulo g puede ser
positivo, cero o negativo, lo mismo se aplica al producto interior.
Observamos que el coseno es cero cuando g = 0.5 P = 90.

PRODUCTO VECTORIAL
Varias aplicaciones sugieren la introduccin de otro tipo de multiplicacin
vectorial en la que el producto de dos vectores sea nuevamente un vector.
Este producto vectorial de los dos vectores a y b se escribe
axb
y es un vector definido como sigue.
Si a y b tienen la misma direccin, son opuestos o uno de ellos es el vector
cero, entonces su producto vectorial es cero (v=0). En cualquier otro
caso es el vector cuya longitud es igual al rea del paralelogramo con a y b
como lados adyacentes y cuya direccin es perpendicular tanto a a como
a b y es tal que a, b, v, en ese orden, forman una terna derecha o triada
derecha.
El trmino derecho se debe al hecho de que los vectores a, b, v, en ese
orden, toman la misma orientacin que los dedos pulgar, ndice y medio de
la mano derecha cuando se colocan como se muestra en la figura de al
lado. Tambin puede decirse que si a se gira hacia la direccin de b,

describiendo el ngulo a < P, entonces v avanza en la misma direccin


que un tornillo de rosca derecha, si este se gira en el mismo sentido.
El paralelogramo donde a y b son los lados adyacentes tiene el rea |a| |b|
sen g. Se obtiene
|v| = |a| |b| sen g
El producto vectorial es anticonmutativo, si a x b = v y b x a = w. Entonces
|v| = |w| y para que b, a,w formen una terna derecha debe cumplirse que w
= -v. De lo anterior se obtiene
b x a = - (a x b)
La multiplicacin
anticonmutativa.

vectorial

de

vectores no es conmutativa,

sino

El orden de los factores en un producto vectorial tiene gran importancia y


debe observarse cuidadosamente.
Propiedades:
(ka) x b
a x (b + c)
(a + b) x c

= k(a x b) = a x (kb)
= (a x b) + (a x c)
= (a x c) + (b x c)

La multiplicacin vectorial no es asociativa, es decir,


a x (b x c)

(a x b) x c

Para calcular la longitud (magnitud) de un producto vectorial se puede


emplear:
|a x b|

DEFINICIN DE CONJUNTOS ORTONORMALES Y CONJUNTOS


ORTOGONALES
En un conjunto de vectores S de el espacio vectorial V es producto
interno es ortogonal si cada vector de y seria espacio ortonormal si cada
vector S es unitario.
Es ortonormal si < vi, vj > = 0 i j y || v j || = 1 donde i = 1, 2, 3, ..., n y
es ortonormal si < vi, vj > = 0 i j donde vi, vj pertenecen al conjunto s = {
v1, v2, ..., vn }
Un conjunto ortogonal es linealmente independiente si s es un conjunto
de vectores diferentes de cero y que pertenecen al espacio v con producto
interno.
PROCESO PARA ORTONORMALIZAR DE GRAM SCHMIDT
1) Ver si la base tiene producto interno (como ya lo vimos).
2) Convertir la base a una base ortogonal.
Sea B = { v1, v2, ..., vn }
w1 = v1
w2 = v2 proyw1 v2
wn = vn proyw1 v3 - - proyw(n-1) vn
B = { w1, w2, ..., wn }
3) y para ortonormalizar ui = wi / ||wi|| donde I = 1, 2, ..., n.
Donde B = { u1, u2, ..., un } es un abase ortonormal.
Aplicacin de los espacios con producto interno:
Producto cruz de dos vectores en el espacio:
Donde U = (u1, u2, ..., un )
V = (v1, v2, ..., vn )
UxV=

i
u1

v1

j
u2
v2

k
u 3
v3

Por el mtodo de cofactores =

u2
v2

u 3
v3

i+

u1
v1

u 3
v3

j+

u1
v1

u 2
v 2

k .

Las propiedades del producto cruz:


UxV=VxU
c(UxV)=cUxV=UxcV
UxU=0
Ux(V+W)=(UxV)+(UxW)
Ux0=0xU
U(VxW)=(UxV)W
U x V son paralelos si U x V = 0.
Aproximacin por mnimos cuadrados:
Siendo f y g dos funciones en x y funciones continuas en un intervalo
finito [ a, b ] entonces.
b
I = a f x g x 2 dx
siendo I = 0 si ( f g ) 0 esto se puede
representar como :
b
b
f ,g =
a f x g x 2 dx siendo I = a f x g x 2 dx = f g , f g = || f g
|| 2 esto significa que es equivalente minimizar || f g || 2 y || f g ||.
La aproximacin de minimos cuadrados esta dada por:
g = f , w1 w1 + f , w2 w2 + ... + f , wn wn siendo w1 = w1 donde
b = {w1, w2, w3,}

TRANSFORMACIONES LINEALES
Notacin standard de la transformada lineal es: V se denomina de T. Si
v pertenece a V y w esta en W, T (v) = w donde w ser la imagen de v bajo
T, el conjunto de todas las imgenes se llama contradominio de T y el
conjunto de v de V tales que T (v) = w se llama preimagen de w.
La definicin de transformacin lineal es que todo espacio vectorial en V
y W se puede hacer transformacin lineal si cumplen con los axiomas de la
distribucin bajo la suma ( T(U + V) = T( U ) + T ( v )) y la multiplicacin
por un escalar (T(cU)= cT(u)).

Cumpliendo con lo anterior la transformada lineal tiene sus propiedades


que son:
1)
2)
3)
4)

T(0) = 0
T(-v) = - T(v)
T(v-u) = T(v)-T(u)
S v = c1v1 + c2v2 +... + cnvn entonces v = c1 T (v1)+ c2 T (v2)+... + cn T
(vn).

Para definir una transformacion lineal por una matriz esta se notara as:
siendo a la matriz
m x n la funcion T se definir T (v) = Av que suna
transformacin lineal de Rn en Rm.
El ncleo se puede encontrar definiendo la transformada as. T(v) = 0
esto tambin se denomina como Kernel de T y se denota Ker (T) para que
sea ncleo esta debe cumplir que Ax = 0.
La dimensin del ncleo se llama nulidad y la dimensin del
contradominio de T se llama rango (si A = matriz entonces el rango de T va
ser = rango de A).
Dimensin del dominio = dimensin del rango + dimensin del ncleo.
Las transformaciones lineales puede ser uno a uno que son aquellas
que la preimagen de W consta de un solo vector, o sea, ser uno a uno
para toda u y v en V, T(u) = T(v), tambin hay que tomar en cuenta que
ker(T) = 0. Tambin las transformadas lineales puede ser sobre si y solo
si el rango de T es igual a la dimensin de W. Y un transformacin lineal es
biyectiba si es uno a uno y sobre.
Existencia de una transformacin inversa:
Sea T: Rn Rn una transformada de una matriz standard. Debe cumplir
las siguientes condiciones:
T es invertible
T es un isomorfismo
A es invertible
Si T es invertible con matriz standard A, entonces la matriz
standard de T-1 es A-1.

Un caso especial seria cuando V 0 W y B = B, don de la matriz A que


se denomina matriz de T con respecto a la base B. En este caso la matriz
de la transformacin identidad es simplemente In.
La matriz de transicin de un transformada lineal depende del espacio
V.
Las matriz de transicin T con respecto a la base B es diferente a la
matriz T con respecto a otra base B.
A[(V)]B [ T(V)]B es la forma directa a travs de la matriz A.
P-1AP[V]B = T[(V)]B forma indirecta.
A = P-1AP
Donde a es la matriz de T con respecto a B, A es la matriz T con respecto
a B, P es la matriz de transicin de B a B, P -1 es la matriz de transicin B a
B

CONCLUSION

Despus de haber realizado a plenitud este informe se han relacionado la


mayora de los temas acerca de espacio vectorial.
Se han visto

ms detallado y con ms exactitud los teoremas y

propiedades que hilan todos los temas propuestos por este informe como
el producto escalar, vectorial, el mtodo de Schmidt, entre otros; y se ha
se ha llegado a la conclusin de todos los temas estn relacionados en
cierta forma ya que en varios de estos se necesita recurrir

a las

propiedades que se han visto en temas anteriores.


Con esto podramos decir que me ha enseado a tener un amplio criterio
de la utilidad de temas ya vistos en nuestra carrera como la matemtica y
la fsica ya que tambin en algunos casos se trabajan con vectores, y que
no podemos omitir las enseanzas pasadas ya que estas nos forman las
bases para comprender y analizar y poder poner en practica los temas
futuros.

REPUBLICA BOLIVARIANA DE VENEZUELA


MINISTERIO DEL PODER POPULAR PARA LA DEFENSA
UNIVERSIDAD NACIONAL EXPERIMENTAL POLITECNICA DE LA FUERZA
ARMADA
NUCLEO - APURE

ESPACIOS VECTORIALES
Algebra lineal

PROFESOR:

ALUMNO:

NESTOR CASTILLO

GARRIDO VICTOR
CI: 18.147.261

San Fernando de Apure, Enero del 2011

También podría gustarte