Tecnológico Nacional de México

Instituto Tecnológico de Mérida

Ingeniería Bioquímica

Algebra lineal

Proyecto de la unidad 4 y 5

Alumno: Karol Patricia Salazar Ayuso

Maestro: Felipe Santiago Ramos Varguez

Enero-Junio del 2018

Fecha de entrega: Viernes 18 de mayo del 2018

1
 ÍNDICE

4 Espacios vectoriales.

4.1 Definición de espacio vectorial…………………………………………………………….3-4

4.2 Definición de subespacio vectorial y sus propiedades………………………………………5-6

4.3 Combinación lineal. Independencia lineal………………………………………………….7-9

4.4 Base y dimensión de un espacio vectorial, cambio de base………………………………10-11

4.5 Espacio vectorial con producto interno y sus propiedades………………………………….12

4.6 Base ortonormal, proceso de ortonormalización de Gram-Schmidt……………………….13-14

5 Transformaciones lineales

5.1 Definición de transformación lineal………………………………………………………15-16

5.2 Núcleo e imagen de una transformación lineal…………………………………………..17-18

5.3 Representación matricial de una transformación lineal…………………………………..19-21

5.4 Aplicación de las transformaciones lineales: reflexión, dilatación, contracción y rotación.22-23

2
4.1 DEFINICIÓN DE ESPACIO VECTORIAL
Un espacio vectorial es una estructura algebraica creada apartir de un conjunto no vacío, una
operación interna (llamada suma,definida para los elementos del conjunto) y una operación
externa(llamada producto por un escalar, definida entre dicho conjunto y uncuerpo matemático).

A los elementos de un espacio vectorial se les llama vectores y a los elementos del cuerpo,
escalares.

Notación. Si x y y están en V y si a es un número real, entonces la suma se escribe como x 1 y y el

producto escalar de a y x como ax. En primer lugar, mientras que puede ser útil pensar en R2 o R3
al manejar un espacio vectorial, con frecuencia ocurre que el espacio vectorial parece ser muy
diferente a estos cómodos espacios la definición anterior ofrece una definición de un espacio
vectorial real. La palabra “real” significa que los escalares que se usan son números reales. Sería
igualmente sencillo definir un espacio vectorial complejo utilizando números complejos en lugar de
reales

3
Ejemplos:

4
4.2 SUBESPACIOS VECTORIALES
Todos los espacios vectoriales tienen subconjuntos que también son espacios vectoriales.
Se dice que H es un subespacio vectorial de V si H es un subconjunto no vacío de V, y H es un
espacio vectorial, junto con las operaciones de suma entre vectores y multiplicación por un escalar
definidas para V.
Se puede decir que el subespacio H hereda las operaciones del espacio vectorial “padre” V.

Este teorema demuestra que para probar si H es o no un subespacio de V, es suficiente verificar que
x 1 y y ax están en H cuando x y y están en H y a es un escalar.
La prueba anterior contiene un hecho que por su importancia merece ser mencionado de forma
explícita:
Todo subespacio de un espacio vectorial V contiene al 0.
Este hecho con frecuencia facilitará la averiguación de si un subconjunto de V en particular no es
un subespacio de V. Es decir, si un subconjunto no contiene al 0, entonces no es un subespacio.
Note que el vector cero en H, un subespacio de V, es el mismo que el vector cero en V.
El subespacio trivial
Para cualquier espacio vectorial V, el subconjunto {0} que consiste en el vector cero es únicamente
un subespacio ya que 0 1 0 5 0 y a0 5 0 para todo número real a [parte i) del teorema 5.1.1]. Esto se
denomina subespacio trivial.
Teorema:
Sea H1 y H2 dos subespacios de un espacio vectorial V. Entonces H1 y H2 es un subespacio de V.
Ejemplos:

5
2.- Determinar los valores de a y b, si es que existen, para que
< (a, 1, −1, 2),(1, b, 0, 3) >=< (1, −1, 1, −2),(−2, 0, 0, −6) > .
Solución. Para que los dos subespacios coincidan, debemos pedir que (a, 1, −1, 2) y (1, b, 0, 3) se
escriban como combinación lineal de (1, −1, 1, −2) y (−2, 0, 0, −6) y que ambos vectores sean
linealmente independientes. Por tanto,
(a, 1, −1, 2) = α1(1, −1, 1, −2) + α2(−2, 0, 0, −6)
(1, b, 0, 3) = β1(1, −1, 1, −2) + β2(−2, 0, 0, −6) }
⇒
a = α1 − 2α2
1 = −α1
−1 = α1
2 = −2α1 − 6α2
1 = β1 − 2β2
b = −β1
0 = β1
3 = −2β1 − 6β2
Y la solución al sistema anterior es: α1 = −1, α2 = 0, a = −1, β1 = 0, β2 = −1/2 y b = 0. Por tanto,
(a, 1, −1, 2) = (−1, 1, −1, 2) y (1, b, 0, 3) = (1, 0, 0, 3) y ambos vectores son linealmente
independientes.

6
4.3 COMBINACIÓN LINEAL. INDEPENDENCIA LINEAL.
Combinación lineal Sean v1, v2, . . . , vn vectores en un espacio vectorial V. Entonces cualquier
vector de la forma

donde, a1, a2, . . . , an son escalares se denomina una combinación lineal de v1, v2, . . . , vn.
Ejemplo:
1) Comprobar que el vector u(3, 9) es combinación lineal del vector v(1, 3)

Dependencia e independencia lineal

Sean v1, v2, … , vn, n vectores en un espacio vectorial V. Entonces se dice que los vectores son
linealmente dependientes si existen n escalares c1, c2, . . . , cn no todos cero tales que

7
Si los vectores no son linealmente dependientes, se dice que son linealmente independientes.

Ejemplos:

8
9
4.4 BASE Y DIMENSIÓN DE UN ESPACIO VECTORIAL, CAMBIO DE BASE.
Un conjunto finito de vectores {v1, v2, . . . , vn} es una base para un espacio vectorial V si
i) {v1, v2, . . . , vn} es linealmente independiente.
ii) {v1, v2, . . . , vn} genera a V.
Todo conjunto de n vectores linealmente independiente en Rn es una base en Rn.

Puesto que los vectores ei son las columnas de una matriz identidad (que tiene determinante 1), {e1,
e2, . . . en} es un conjunto linealmente independiente y, por lo tanto, constituye una base en Rn.
Esta base especial se denomina base canónica en Rn. Ahora se encontrarán bases para algunos otros
espacios.
Demostrar si S = {v1, v2,…, v3} es base de R3, v1 = (1,2,1); v2 = (2,9,0); v3 = (3,3,4)
Proponer vector arbitrario, combinación lineal
b = c1v1+ c2v2+ c3v3
(b1, b2, b3) = c1(1,2,1)+ c2(2,9,0)+ c3(3,3,4)
(b1, b2, b3) = c1+2c2+3c3;2c1+9c2+3c3; c1+4c3
c1 + 2c2 + 3c3 = b1 det A = [(1*9*4)+(2*3*1)+0]-[(1*9*3)+0+(4*2*2)]
2c1 + 9c2 + 3c3 = b2 = [36+6]-[27+16]
c1+ 4c3 = b3 = -1 Si genera a R3

Dimensión
Si el espacio vectorial V tiene una base con un número finito de elementos, entonces la dimensión
de V es el número de vectores en todas las bases y V se denomina espacio vectorial de dimensión
finita. De otra manera, V se denomina espacio vectorial de dimensión infinita. Si V 5 {0}, entonces
se dice que V tiene dimensión cero
Ejemplo: Determinación de la dimensión de un subespacio
Sea W el subespacio de todas las matrices simétricas en M2,2 ¿Cuál es la dimensión de W?
Solución: Toda matriz simétrica 2 X 2 es de la forma
Por consiguiente, el conjunto

10
Genera a W. Además puede demostrarse que S es linealmente independiente, y se concluye que la
dimensión de W es 3.
Para concluir que un conjunto S= { v1, v2, …, vn} es una base de un espacio vectorial V es necesario
saber que S satisface dos condiciones: que S genera a V y es linealmente independiente.
Cambio de bases
Existe un número infinito de bases para elegir, ya que en un espacio vectorial de dimensión n,
cualquier n vector, linealmente independiente, forman una base. En esta sección se verá cómo
cambiar de una base a otra mediante el cálculo de cierta matriz.

11
4.5 ESPACIO VECTORIAL CON PRODUCTO INTERNO.
Producto Interno:
Un producto interno sobre un espacio vectorial V es una operación que asigna a cada par de
vectores u y v en V un número real <u, v>.
Un producto interior sobre V es una función que asocia un número real ‹u, v› con cada par de
vectores u y v cumple los siguientes axiomas:
Propiedades:
i. (v, v) ≥ 0
ii. (v, v) = 0 si y sólo 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. (αu, v) = α(u, v)
vii. (u, αv) = α(u, v)
Espacios con producto interior:
El producto interior euclidiano es solo uno más de los productos internos que se tiene que definir en
Rn Para distinguir entre el producto interno normal y otros posibles productos internos se usa la
siguiente notación.
u ●v = producto punto (producto interior euclidiano para Rn)
‹u, v› = producto interno general para espacio vectorial V.
Propiedades de los productos interiores:
1. ‹0, v› = ‹v, 0› = 0
2. ‹u + v, w› = ‹u, w› + ‹v, w›
3. ‹u, cv› = c‹u, v›.
Un espacio vectorial con producto interno se denomina espacio con producto interno

12
4.6 BASE ORTONORMAL, PROCESO DE ORTONORMALIZACIÓN DE GRAM-
SCHMIDT
Definición de conjunto ortogonales y conjuntos ortonormales
Un conjunto S de vectores en un espacio V con producto interior se llama ortogonal si todo par de
vectores en S es ortogonal, además cada vector en este conjunto es unitario, entonces S se denomina
ortonormal.

Proceso de ortonormalización de Gram-Schmidt

1. Sea B = {v1, v2, . . ., vn} una base de un espacio V con producto interno
2. Sea B´= {w1, w2, . . ., wn} donde wi está dado por:
w1= v1
Entonces B´ es una base ortogonal de V.

3. Sea ui= wi ││w1││ entonces el conjunto B´´={ u1, u2, . . ., un} es una base ortonormal de V.
Ejemplo: Forma alternativa del proceso de ortonormalización de Gram-Schmidt
Determine una base ortonormal del espacio solución del siguiente sistema homogéneo de
ecuaciones lineales
w+ x + z= 0
2w+x + 2y+ 6z=0
Solución: La matriz aumentada se reduce como se sigue.

-->
Entonces cada solución del sistema es de la forma

13
Una base del espacio solución es:

B= {v1, v2,} = {(-2,2,1,0), (1,-8,0,1)}.

Para hallar una base ortonormal B´= {u1, u2}, se usa la forma alternativa del proceso de
ortonormalización de Gram- Schmidt como sigue.

14
5.1 INTRODUCCIÓN A LAS TRANSFORMACIONES LINEALES
Transformaciones lineales:
Sean V y W espacios vectoriales reales. Una transformación lineal T de V en W es una función que
asigna a cada vector v P V un vector único Tv P W y que satisface, para cada u y v en V y cada
escalar a,

Las transformaciones lineales con frecuencia se denominan operadores lineales.

Se usará el concepto de la función para darle un tratamiento a los sistemas de ecuaciones lineales.
La restricción que haremos será sobre el tipo de funciones: solo estaremos interesados en funciones
que preserven las operaciones en el espacio vectorial. Este tipo de funciones serán llamadas
funciones lineales.
Sean V y W dos espacios vectoriales posiblemente iguales.
Una transformación lineal o mapeo lineal de V a W es una función
T : V → W tal que para todos los vectores u y v de V y cualquier escalar c:
a) T (u + v) = T (u) + T (v)
b) T (c u) = c T (u)

Demuestre que la transformación T : R2 →R2 definida por

es lineal.

Entonces:

Por otro lado, para todo escalar c,

15
Como se cumplen las dos condiciones:

T es lineal.

16
5.2 NÚCLEO E IMAGEN DE UNA TRANSFORMACIÓN LINEAL

Ejemplo:

17
Definición 1 Núcleo e imagen de una transformación lineal
Sean V y W dos espacios vectoriales y sea T:V W una transformación lineal. Entonces

i . El núcleo de T, denotado por un, está dado por

ii. La imagen de T, denotado por Im T, esta dado por

Ejemplo 5 Núcleo e imagen de un operador de proyección

Sea T:R3 R3 definida por

T es el operador de proyección de R3 en el plano xy.

Entonces x = y = 0. Así, nu T = {(x,y,z):x = y = 0, zϵR}, es decir, el eje z, e Im T = {(x,y,z): z = 0},

es decir el plano xy. Observe que dim un T = 1 y dim Im T = 2.

18
5.3 LA MATRIZ DE UNA TRANSFORMACIÓN LINEAL

19
20
21
5.4 APLICACIÓN DE LAS TRANSFORMACIONES LINEALES
1. Reflexión: Cuando un conjunto de puntos dados es graficado desde el espacio euclidiano de
entrada a otro de manera tal que este es isométrico al espacio euclidiano de entrada, llamamos a la
operación realizada la reflexión del conjunto de puntos dado. Esto puede realizarse también con
respecto a la matriz, en tal situación la matriz de salida es llamada la matriz de reflexión. La
reflexión es realizada siempre con respecto a uno de los ejes, sea el eje x o el eje y. Esto es como
producir la imagen espejo de la matriz actual.
2. Expansión: Al igual que en la reflexión, también es posible expandir los puntos dados en una
dirección particular. La expansión se realiza habitualmente para un cierto grado. Es como realizar
una operación de multiplicación de los elementos del conjunto de puntos dados con un término
escalar hacia la dirección donde tiene que ser expandido. Sea para un punto (2, 3) si el grado de
expansión 2 es la dirección de y, entonces el nuevo punto obtenido es (2, 6).
3. Contracción: La contracción es el procedimiento inverso de la expansión. Aquí el punto es
contraído en un determinado grado hacia una dirección dada. Sea el punto de entrada (4, 8) y este
debe ser contraído para el grado dos en la dirección de x entonces el nuevo punto resulta ser (2, 8).
4. Rotación: El término rotación tiene dos significados, ya la rotación de un objeto puede ser
realizada con respecto al eje dado o al eje mismo. La rotación se realiza para un cierto grado el cual
es expresado en forma de un ángulo. Asimismo, la rotación puede realizarse en la dirección de las
manecillas del reloj, o inverso a las manecillas del reloj.
Ejemplo:
Dirijámonos a producir la matriz estándar para la representación de la transformación lineal
reflejando un conjunto de puntos en el plano x-y a través de la recta y = (−2x / 3).
El primer paso para esto es determinar los vectores base.

22
BIBLIOGRAFÍA:

23