Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Sea K un cuerpo y V un conjunto no vacı́o. Definamos en ella 2 operaciones a las que llamaremos
adición y multiplicación por un escalar:
+ : V xV → V
(V, u) → v + u
• : KxV → V
λ, v) → λ.v
1.1 Coordenadas
Una de las caracterı́sticas útiles de una base B en un espacio n-dimensional V es que esencialmente
permite introducir coordenadas en V análogas a las coordenadas naturales Xi de un vector x =
(X1 , . . . , Xn ) en el espacio Fn . En este esquema, las coordenadas de un vector a en V con respecto
a la base B serán los escalares que sirven para expresar una como una combinación lineal de los
vectores en la base. Por lo tanto, nos gustarı́a considerar las coordenadas naturales de un vector
’a’ en Fn como definido por la base estándar para Fn ; sin embargo, al adoptar este punto de vista
debemos ejercitar una cierta cantidad de cuidado.
Definición Si V es un espacio vectorial de dimensión finita, una base ordenada para V es una
secuencia finita de vectores que es linealmente independiente y abarca V.
Suponemos:
1
de ahı́
a1 = a2 = a3 = · · · = an = 0; b1 = b2 = · · · = bn = 0
por lo tanto si la dimC V = n y dimR V = 2n
Ahora
• Suma:
(u, v) + (u1 , v1 ) = (u + u1 , v + v1 )
• Producto por un escalar:
no es igual a la operación
(α + ib)(u, v) = (α.u − bv, bu + av)
De R2 como C-espacio vectorial.
2
Definición Un C-espacio vectorial de dimensión finita con producto interno, se llama espacio
euclidiano complejo o espacio unitario.
1. < u, kv > = < kv, u > = k < u, v > = k < u, v > para todo k ∈ C
2. < u, u > = < u, u > luego < u, u > es real, por lo que tiene sentdo considerar:
< u, u >≥ 0
3. En Cn dados
X = (x1 , . . . , xn ), y = (y1 , . . . , yn )
Demostración
(−→) Para cada 1 ≤ i ≤ n
vi = 0.v1 + · · · + 0.vi−1 + 1.vi + 0.vi + 1 + · · · + 0.vn ∈< v1 , . . . , vn >⊆ S, de donde vi ∈ S.
(←−) Como v1 , . . . , vn ∈ S y S es un subespacio, entonces
n
X
αi vi ∈ S∀αi ∈ K
i=1
3
Demostración
(−→) Se tiene
< v1 , . . . , vn , vn + 1 >⊆< v1 , . . . , vn >
Entonces, por la proposición anterior,
vn + 1 ∈< v1 , . . . , vn >
w = α.u + β.v
Sea w un vector en R2 y u1 , u2 , u3 ∈ R2 .
Diremos que w es una combinación lineal entre los vectores u1 , u2 , u3 si y solo si existen α, β, ϕ ∈
R de modo que:
w = α.u1 + β.u2 + ϕ.u3
Sea V un espacio vectorial y u, v ∈ V. Diremos que u y v son vectores linealmente independientes
(li) si y solo si:
α.u + β.v = 0 −→ α = β = 0
Sea V un espacio vectorial sobre un cuerpo K, y v1 , v2 , . . . , vn ∈ V para algún n ∈ N. Diremos que
v1 , v2 , . . . , vn son vectores l.i si y solo si:
4
donde n ∈ N. Diremos que v1 , v2 , . . . , vn son vectores linealmente dependientes (l.d) si y solo si:
v1 , v2 , . . . , vn no son l.i.
Sea V un espacio vectorial y L ⊂ V un subconjunto no vacı́o en dicho espacio. Denotaremos por:
L = α + θ.u, θ ∈ R, L0 = b + α.v/t ∈ R
~ = F E sea
Donde u ,v son no nulos y no paralelos. Busquemos E ∈ L y F ∈ L’ tales que w = EF
perpendicular a u y v Como
E = a + θ.v, F = B + λ.v
Donde λ, θ están por determinar
~ = a.b + (λ.v − θ.u)
EF
que es distinto de cero por la desigualdad de Schwartz. Para estos valores de λ y θ, quedan
determinados los puntos E ∈ L y F ∈ L’ tales que
d(L, L0 ) = ||EF ||
a = (1, −1, 2, 1)
5
u = (1, 0, 1, 0)
b = (1, 2, 1, −1)
v = (0, 1, 1, 0)
~ - a.b + (λv - θu) debe satisfacer EF
Si E = a + θ.u y F = b + λ.v, entonces EF ~ .u = 0, EF
~ . v=
0, lo que a su vez determina el sistema
~ + λ < v.u > .θ||u||2 = 0
ab.u
6
Proposicion Las clases de equivalencia tienen las siguientes propiedades:
Ejemplo:
Sea:
S = (x, y, 2) ∈ R3 /x + 2y − 3z = 0
Hallemos una base del espacio
R3
/3.
El mecanismo que emplearemos en este ejemplo se utiliza casi siempre en situaciones más generales,
por lo que se debe prestar atención.
Construyamos una base de S de la siguiente manera: sea w = (x, y, z) ∈ S, entonces:
Luego v1 = (-2, 1, 0), v2 = (3, 0, 1) conforman una base de S. Completamos v1 , v2 a una base de
R3 , por ejemplo adjuntando u3 = v3 = (0, 0, 1). Luego v1 , v2 , v3 es una base de R3 pasando al
cociente, tenemos:
[v1 ] = S = [0]
[v2 ] = S = [0]
de donde sólo nos queda [v3 ] 6= [0]. Además, este último genera el espacio cociente R3 /S
Ası́:
Dim(R3 )/S = 1
1.8 Aplicaciones
Mientras que los espacios vectoriales son algo desarrollado en las matemáticas, también tienen
otros usos en diferentes ramas de la ciencia, ası́ como la ingenierı́a y hasta en la vida cotidiana. A
continuación, listaremos algunas de las aplicaciones:
7
Ciencia de Datos En la mayorı́a de problemas de Ciencia de Datos se tiene un conjunto de
datos en forma de ”m filas y ”n columnas, donde cada fila es un datum, punto o observación y cada
columna es una caracterı́stica o atributo. Lo anterior se representa por una matriz m x n la cual
puede tomar distintas formas, por lo que se puede aproximar cualquier punto en los datos como
una combinación lineal de algunos vectores, es decir, una base de un espacio vectorial, para esto se
usan distintos algoritmos, que pueden crear bases diferentes.
Fı́sica Gran parte de la fı́sica es trabajada mediante espacios vectoriales, por ejemplo, existen
magnitudes vectoriales, las cuales se representan por vectores dentro de un espacio vectorial, como
la fuerza, la velocidad o el campo eléctrico.
Resolución Con los datos dados por el problema, y las ecuaciones vectoriales de posición en
fı́sica, deducimos que:
x~u = [(4, 5) + t(1, 2)]u/s
x~v = [(8, 3) + t(3, −1)]u/s
Donde t = 4, con lo cual reemplazamos en las ecuaciones dadas para hallar la posición final de cada
móvil.
a~u = [(4, 5) + 4.(1, 2)] = [(4, 5) + (4, 8)] = (8, 13)
b~v = [(8, 3) + 4.(3, −1)] = [(8, 3) + (12, −4)] = (20, −1)
~
Ahora, con los vectores hallados, calculamos ab:
~ = ~b − ~a = (20, −1) − (8, 13)
ab
~ = (12, −14)u/s
ab
El resultado se obtuvo usando parte de la teorı́a desarrollada durante toda esta sección, aunque
simple, nos sirve para ilustrar el uso que tienen los espacios vectoriales dentro de una de las ramas de
la ciencias, que es la fı́sica, puesto que todos los elementos usados en el problema estan contenidos
dentro de un espacio vectorial R2 , el cual puede ser usado para distintos tipos de unidades de
distancia.
8
2 Transformaciones Lineales
Definición
• T (0) = 0
• T (−u) = −T (u), para todo u ∈ V
• T (u − v) = T (u) − T (v), para todo u, v ∈ V
• T ( nj=1 xj uj ) = nj=1 xj T (uj ), para todo xj ∈ K, uj ∈ V
P P
9
2.3 Base Dual
Para cada función lineal f ∈ V ∗ , existe un único v ∈ V tal que
2.3.1 Ejercicios
Demostración
2. Ejercicio: Hallar una T.L T : R3 → R2 que lleve el plano P = {u ∈ R3 /u.(1, 2, −3)} sobre
la recta de ecuación 2x + 5y = 0, y el punto (1, 0, −1) sobre (1, 1).
Solución
10
Solución
T (α1 v1 + α2 v2 + · · · + αn vn ) = 0 = T (0)
α1 v1 + α2 v2 + · · · + αn vn = 0
α1 = α2 = · · · = αn = 0 :
4. Ejercicio: Sea V = R2 B = {(1, 1), (1, −1)} base de V . Halle la base dual B ∗
Solución
(x + y) (x − y)
• f1 (x, y) = f1 (v1 ) + f2 (v2 )
2 2
(x + y)
Por (a) : f1 (x, y) = , ∀v = (x, y) ∈ V = R2
2
(x + y) (x − y)
• f2 (x, y) = f2 (v1 ) + f2 (v2 )
2 2
(x − y)
Por (b) : f2 (x, y) = , ∀v = (x, y) ∈ V = R2
2
∴ B ∗ = {f1 , f2 } base dual de B
11
2.4 Aplicaciones
Lista de Aplicaciones
12
3 Matrices
Los coeficientes de un sistema de ecuaciones lineales, tal como:
Ax + By = r
Cx + Dy = s
Revelan un ordenamiento rectangular de números, el cual es:
a b
[ ]
c d
13
3.2 Matrices Elementales y Cálculo de la Matriz inversa
Existen algunas operaciones sobre las filas y las columnas de una matriz, llamadas operaciones
elementales fila y operaciones elementales columna, respectivamente. En cuando a las operaciones
elementales fila, son esencialmente tres y consisten en:
1. Multiplicar una fila (de una matriz) por un número distinto de cero.
Estas operaciones no son sino el efecto de haber multiplicado a izquierda la matriz dada por
cierto tipo de matrices, llamadas matrices elementales.
La multiplicación por la derecha de estas matrices elementales produce las operaciones elemen-
tales columna.
Los tres tipos de matrices elementales en K nxn son:
1. Ei (λ): matriz obtenida de la identidad I, multiplicando la i-ésima fila por λ.K, λ 6= 0(1 ≤
i ≤ n).
2. Eij (λ): matriz obtenida de la identidadI, sumando a la i-ésima fila, la j-ésima fila multiplicada
por λ, donde i 6= j.
Ek Ek−1 . . . E1 A = I
Demostración
De la identidad
Ek Ek−1 . . . E1 A = I
obtenida de la proposición anterior, multiplicando por la izquierda sucesivamente por Ek−1 , . . . , E1−1 ,
se obtiene:
AEk . . . E1 = I
14
3.4 Cálculo de la inversa mediante operaciones elementales
Sea A ∈ K nxn una matriz cuya inversa deseamos hallar. Para tal efecto consideramos la matriz de
orden n × 2n.
[A|I]
Luego procedemos a multiplicar, por la izquierda, por matrices elementales E1 , . . . , Ek , de tal modo
que en la matriz
A−1 = Ek Ek−1 . . . E1
2. Toda fila cuyas componentes son todos ceros está por debajo de aquellas filas no nulas.
3. En cada columna donde aparece el 1-capital, sus demás componentes son ceros.
4. Si son r las filas no nulas, y si el 1-capital de la i-ésima fila está en la columna ki entoncesk1 <
k2 < . . . < kr
Ejemplos
1. La matriz cero (de cualquier orden) y la matriz identidad, son matrices escalonadas reducidas
por excelencia.
15
3.6 Base Canónica
Todo subespacio V ∈ K n está determinado por una o más ecuaciones lineales homogéneas, o
simplemente está generado por un conjunto finito de vectores. En cualquier caso dimV = r ≤ n.
Si {v1 , v2 , . . . , vr } es una base de V, formemos la matriz cuyas filas sean v1 , v2 , . . . , vr
v1
.
A= .
.
vr
Como sabemos, las filas no nulas de la m.e.r A0 asociada a A, conforman la base canónica de
V.
Propiedades
16
Ejemplo
Consideremos en R2 las dos bases siguientes: B = {(2, 3), (1, −1)} y la base canónica B 0 =
{(1, 0), (0, 1)}
Vamos a construir la matriz de cambio de base de B a B’. Para ello debemos expresar los vec-
tores de la base B en función de la base canónica B’.
Introduciendo estas coordenadas en las columnas de una matriz, tendremos la matriz de cambio
de base de B a B’:
2 3
P =
3 −1
Observación
Del mismo modo podemos construir la matriz de cambio de base de B’ a B. Para ello expresamos
los vectores de la base canónica B’ en función de la base B. Podemos hallarlo planteando dos sistemas
de ecuaciones, de los cuales se obtendrá
1 3 1 3
(1, 0) = (2, 3) + (1, −1) → ( , )
5 5 5 5
1 2 1 2
(0, 1) = (2, 3) − (1, −1) → ( , − )
5 5 5 5
Introduciendo estas coordenadas en las columnas de una matriz, tendremos la matriz de cambio
de base de B’ a B
1 3
Q = 51 5 2
5
−5
Vamos a aplicar estas matrices para hallar las coordenadas en base B del vector v = (1, 2).
Tenemos sus coordenadas en la base canónica B’ que son (1, 2). Utilizamos la matriz Q de cambio
de base de B’ a B:
1 3 3
5 5
1 5
1 2 =
5
− 5
2 − 51
Ası́ hemos obtenido ( 53 , − 15 ), las coordenadas de v en base B.
Podemos volver a las coordenadas en base B’ utilizando la matriz P de cambio de base de B a
B’:
3
2 1 5
1
=
3 −1 − 15 2
17
3.9 Sistema de Ecuaciones Lineales
Un sistema de m ecuaciones lineales con n incógnitas, es una colección de ecuaciones del tipo:
a11 x1 + a12 x2 + . . . + a1n xn = b1
.
.
.
ss
am1 x1 + am2 x2 + . . . + amn xn = bm
Este sistema también se puede escribir en la forma:
Ax = b
donde los números aij y bi son conocidos, mientras los números xj , desconocidos, son llamados
incógnitas.
La matriz A = [aij ] ∈ K mxn se llama matriz asociada al sistema. Con las notaciones matriciales
b1 x1
. .
b= . ,x = .
. .
br xr
Problema resuelto
Mediante operaciones elementales, calcular la inversa de la siguiente matriz:
0 5 −1
E= 6 1 6
1 0 1
Solución:
0 5 −1 | 1 0 0
E|I = 6 1 6 | 0 1 0
1 0 1 | 0 0 1
1 0 1 | 0 0 1
E13 .E = 6 1 6 | 0 1 0
0 5 −1 | 1 0 0
1 0 1 | 0 0 1
E21 (−6).E = 0 1 0 | 0 1 −6
0 5 −1 | 1 0 0
1 0 1 | 0 0 1
E32 (−5).E = 0 1 0 | 0 1 −6
0 0 −1 | 1 5 −30
1 0 0 | 2 5 29
E13 (−1).E3 (−1).E = 0 1 0 | 0
1 −6
0 0 1 | −1 −5 −30
18
2 5 29
E −1 = 0 1 −6
−1 −5 30
Problema Propuesto
U = (x, y, z, t, r) ∈ R5 /x + z + r = 0, x − y − t = 0
u = (x, y, z, x − y, −x − z)
De Aquı́ un conjunto de generadores de U es {(1, 0, 0, 1, −1), (0, 1, 0, −1, 0), (0, 0, 1, 0, −1)}
De la matriz:
1 0 0 1 −1
A = 0 1 0 −1 0
0 0 1 0 −1
Se observa que la matriz A ya es una matriz escalonada reducida, por lo que los vectores fila
conforman la base canónica.
Aplicación
Los sueldos de los profesores es 2500 soles mensuales, el de las personas destinadas a la limpieza
es de 1200 y el de los bedeles es 1500.
La columna de la matriz va a representar las diferentes facultades mientras que las filas rep-
resentaran el número de empleados en cada sector. A dicha matriz, la denominaremos matriz
A.
35 25 18 27
A = 10 4 5 9
2 3 2 4
19
La matriz B será la que represente los gastos de dicho personal en las facultades:
B= 2500 1200 1500
Multiplicamos las matrices A y B para obtener los gastos mensuales del personal:
35 25 18 27
AB = 2500 1200 1500 10 4 5 9
2 3 2 4
AB = 89000 71800 54000 84300
3.10 Aplicaciones
A continuación listaremos algunas aplicaciones de las Matrices en diversos campos de la ciencia:
Fı́sica En la fı́sica, las matrices son aplicadas en el estudio de circuitos electricos, mecánica
cuántica y óptica.
Criptografia Se usan matrices para encriptar mensajes, un programador usa matrices y ma-
trices inversas para un código o encriptar un mensaje.
Ahora daremos un peque?o ejemplo de como se usan las matrices en el campo de la criptografı́a:
Para facilitar el problema, usaremos una matriz clave 2x2 para la encriptación, el mensaje que
queremos encriptar es ”UTES”. Como nuestra matriz es 2x2, debemos dividir el mensaje en bloques
de 2 letras (Esto se cumple para todas las matrices, por ejemplo, en una matriz NxN, el mensaje
se divide en bloques de N letras).
A cada letra del mensaje le asignamos un valor numerico, desde 0 hasta la base modular. Para
nuestra encriptación, usaremos las letras A-Z (por lo que el módulo es 27). Entonces, A = 0, B =
1, C = 2, etc. hasta la Z = 26. A continuación vemos como al mensaje le asignamos los valores:
21 4
U T ES = 2120419 = ,
20 19
Nuestra matriz clave K para este ejemplo seria:
4 1
3 7
Ahora, para cada bloque de nuestro mensaje, multiplicamos por la matriz clave. Como veremos
a continuación, los valores resultantes estaran lejos del rango de los valores asinados a cada letra,
para arreglar esto, tomaremos los residuos de dividir por el módulo 27.
20
4 1 21 104 23 X
= M od27 = =
3 7 20 203 14 O
4 1 4 35 8 I
= M od27 = =
3 7 19 145 10 K
Con esto hemos encriptado nuestro mensaje original, empezando con el mensaje ”UTES”, para
que luego de multiplicar los bloques con la matriz clave, nuestro mensaje sea ”XOIK”
Podemos apreciar de el ejemplo anterior, que si bien es bastante simple, es una muestra de lo
importante que son las matrices para distintas disciplinas.
21