ALGEBRA LINEAL Y TEORÍA MATRICIAL JOSUE PAYE CHIPANA

ESPACIOS VECTORIALES ¿CUÁNDO ES UN SUB ESPACIO VECTORIAL?

Debe cumplir con 2 axiomas para el cual usaremos dos conjuntos uno de
Es un conjunto infinito “V” no vacío donde sus objetos son llamados vectores, vectores S = u , u , u , u ,.......u  el otro de escalares K = {k , k , k , ,.......k }
→ → → → →

 1 2 3 4 n
 
1 2 3 n
sobre los que se definen las operaciones de adición y producto por un escalar,
siendo su estructura ⇒ (V ,+,•) 1 AXIOMA PARA LA SUMA DE VECTORES
→ →

¿CUÁNDO ES UN ESPACIO VECTORIAL? Axioma (1). Clausura Para La Suma: u1 + u2 ∈ S

Debe cumplir con 10 axiomas para el cual usaremos dos conjuntos uno de 1 AXIOMA PARA EL PRODUCTO POR UN ESCALAR
vectores V = u1 , u 2 , u3 , u 4 ,....... u n  el otro de escalares K = {k1 , k2 , k3 , ,.......kn }
→ → → → → →
Axioma (2). Clausura Para El Producto: k u1 ∈ S
 
5 AXIOMAS PARA LA SUMA DE VECTORES Una segunda forma de caracterizarlos a los 2 axiomas se concreta en la
→ → condición equivalente a la anterior “S” es un subespacio vectorial de V si y
Axioma (1). Clausura Para La Suma: u1 + u2 ∈ V → → → →

→ → → → sólo si se verifica que: ∀k1 , k2 ∈ R, ∀ u1 , u2 ∈ S ; k1u1 + k2u2 ∈ W

Axioma (2). Conmutatividad Para La Suma: u1 + u2 = u2 + u1
SUB ESPACIO VECTORIAL “S” (CONDICION)
Axioma (3). Asociatividad Para La Suma: u1 +  u 2 + u3  =  u1 + u 2  + u3
→ → → → → →
En los problemas veremos que es necesario expresar al sub espacio como
    conjunto con restricción, de esta manera siempre reconoceremos las condiciones
→ → → →
Axioma (4). Existencia Del Neutro “ φ ” Aditivo: u1 + φ = u1 del conjunto. Para fines prácticos lo veremos de esta forma general:
→ → → → S = {ESPACIO VECTORIAL / CONDICION }
Axioma (5). Existencia Del Inverso “ u −1 ” Aditivo: u1 + u −1 = φ COMBINACIÓN LINEAL
5 AXIOMAS PARA EL PRODUCTO POR UN ESCALAR
→
COMBINACIÓN LINEAL ES LA FORMA DE ESCRIBIR UN VECTOR
Axioma (6). Clausura Para El Producto: k u1 ∈ V COMO RESULTANTE (SUMA DE VECTORES)

Sea un conjunto ““V”” V = u1 , u2 , u3 , u4 ,....... un  , w que pertenece al espacio

→ → → → → →
Axioma (7). Distributividad Del Producto Por Un Escalar Respecto A La Suma De
Vectores: k  u1 + u2  = k u1 + k u2
→ → → →
 
  vectorial “V” y un conjunto de escalares K = {k1 , k2 , k3 , ,.......kn } , si puede escribir:
Axioma (8). Distributividad Del Producto De Un Vector Respecto A La Suma De “Todo vector se puede escribir como la suma de un
→ → →
Escalares: (k + k ) u = k u + k u
1 2 1 1 1 2 1
espacio vectorial multiplicado por un escalar a cada vector”
→ → → → → →
w = k 1 u 1 + k 2 u 2 + k 3 u 3 + u 4 + ....... + k n u n
Axioma (9). Asociatividad Del Producto: (k1 ⋅ k2 )u1 = k1 ⋅  k2 u1 
→→

 
→ → Para que exista una combinación lineal los valores k1 , k 2 , k 3 , ,.......k n deben
Axioma (10). Existencia Del Neutro Para el Producto “ k * ”: k * u1 = u1 ⇒ k * = 1
existir para cada vector de V = u 1 , u 2 , u 3 , u 4 ,....... u n  del espacio “V”
→ → → → →

 
SUBESPACIOS VECTORIALES

Es un conjunto “S” no vacío donde sus objetos son llamados vectores sobre NOTA: La combinación lineal en el ámbito de ingeniería tenemos que verla como
los que se definen las operaciones de adición y producto por un escalar, siendo una forma más de escribir un sistema lineal (OBJETIVO DE LA MATERIA)
su Estructura ⇒ (V ,+,•) A⋅ X =
B FORMA MATRICIAL

UN SUB ESPACIO VECTORIAL ES SUB CONJUNTO DE UN

ESPACIOVECTORIAL S ⊂ V AX Es una combinación lineal de las columnas de A
ALGEBRA LINEAL Y TEORÍA MATRICIAL JOSUE PAYE CHIPANA
 a11 
 
 a12 
 
 a13 
 
 a1n   b1 
   
DIMENSIÓN DE LA BASE “Dim()”
 a21   a22   a23  a  b 
AX = x1   + x2   + x3   + ..... + xn  2 n  =  2  Es el número de vectores no nulos que tiene una base
    
         
BASE = u1 , u 2 , u 3 , u 4 ,....... u n  Dim(BASE ) = n
→ → → → →
a  a  a   a  b 
 m1   m2   m3   mn   m 
INDEPENDENCIA LINEAL  
Dim(W + T ) = Dim(W ) + Dim(T ) − Dim(W ∩ T )
Sea un conjunto ““V”” V = u1 , u 2 , u 3 , u 4 ,....... u n  , w que pertenece al espacio
→ → → → → →

  Dim(W ⊕ T ) = Dim(W ) + Dim(T )

vectorial “V” y un conjunto de escalares K = {k1 , k 2 , k 3 , ,.......k n } , todos los
TEOREMA:
escalares son cero :
Sea V un espacio vectorial sobre k de dimensión finita, si W es un
“Todo vector se puede escribir como la suma de un espacio
V 
vectorial multiplicado por un escalar a cada vector” subespacio propio de V, entonces: Dim  = Dim(V ) − Dim(W )
→ → → → → → W 
0 = k1 u1 + k 2 u 2 + k 3 u 3 + u 4 + ....... + k n u n
OPERACIONES ENTRE SUB ESPACIOS VECTORIALES
SISTEMA HOMOGÉNEO: [A][K ] = [0] FORMA MATRICIAL
Sean W1 ,W2 , subespacios vectoriales de un espacio vectorial “V”, se definen las
LINEALMENTE INDEPENDIENTE: A ≠ 0
siguientes operaciones entre subespacios:
LINEALMENTE DEPENDIENTE: A = 0
INTERSECCIÓN Sean W1 ,W2 , dos subespacios vectoriales de un espacio vectorial
NOTA: SI UN CONJUNTO ES LINEALMENTE INDEPENDIENTE
ES BASE (GENERADOR) “V”. La intersección de dos subespacios vectoriales se define de la siguiente
TEOREMA forma: {
W1 ∩ W2 = x ∈ V / x ∈ W1 ∧ x ∈ W2 }
Dos vectores en un espacio vectorial son linealmente UNIÓN Sean W1 ,W2 ,dos subespacios vectoriales de un espacio vectorial
dependientes si y solo si uno es múltiplo escalar del otro
(V,+,.R). La unión de dos subespacios vectoriales se define de la siguiente
CONJUNTO GENERADOR (CALCULO DEL SUB ESPACIO) {
forma: W1 ∪ W2 = x ∈ V / x ∈ W1 ∨ x ∈ W2 }
 → → → → →

Si los vectores V = u1 , u 2 , u 3 , u 4 ,....... u n  en un espacio vectorial “V” GENERAN La UNIÓN de subespacios vectoriales no siempre es un subespacio
  vectorial
“V” si todo vector en “V” se puede escribir como una combinación lineal de ellos. SUMA Ya que la UNIÓN de subespacios vectoriales no tiene por qué ser un
→
Es decir, para todo v ∈ V , existen escalares α 1 , α 2 , α 3 , ,.......α n tales que: subespacio vectorial, necesitaríamos una operación alternativa que recoja en
→ → → → →
cierta forma la idea de JUNTAR o AÑADIR propia de la unión, que mantenga la
v = α 1 u1 + α 2 u 2 + α 3 u 3 + ....... + α n u n
estructura de subespacio vectorial
BASE DE UN SUB ESPACIO: Es un conjunto del espacio vectorial V si se cumplen las Para ello se construye la operación SUMA DE SUBESPACIOS:
siguientes condiciones:
Sean W1 ,W2 , dos subespacios vectoriales de “V”, se define la suma de estos
• Forman un sistema linealmente independiente
• Todo elemento de V se puede escribir como combinación lineal de los subespacios como: {
W1 + W2 = z ∈ V / z = x + y, x ∈ W1 ∧ y ∈ W2 }
elementos de la base B

¿CALCULO DE LA BASE W ? SUMA DIRECTA Cuando tenemos dos subespacios vectoriales cuya intersección es el
elemento neutro del espacio vectorial, y efectuamos la operación suma de subespacios, el
Para hallar la base tenemos que remplazar las condiciones del sub espacio en
subespacio resultante se obtiene añadiendo "totalmente" los vectores de uno con los del
el término general del espacio vectorial de esta manera: otro, es decir se realiza una SUMA DIRECTA de subespacios.
W = {ESPACIO VECTORIAL / CONDICION }
ALGEBRA LINEAL Y TEORÍA MATRICIAL JOSUE PAYE CHIPANA
Sea “V” un espacio vectorial y sean W1 ,W2 dos subespacios vectoriales de “V”, se define →
PROYECCIÓN ORTOGONAL DE UN VECTOR u SOBRE UNA BASE ORTONORMAL
la SUMA DIRECTA de estos subespacios al subespacio W1 ⊕ W2 = W si y sólo
→ → →
{} → → → → 
→
si W1 + W2 = W y además W1 ∩ W2 = 0 B = v1 ,v2 ,v3 ,v4 ,.......vn  : Proy u= u − ProyB u
B⊥
 
{ }
W1 ⊕ W2 = z ∈ V / z = x + y, x ∈ W1 ∧ y ∈ W2 y W1 ∩ W2 = 0 {} → →
TEOREMA → →
u; v
Sea “V” un espacio vectorial y W1 ,W2 , 2 subespacios vectoriales de V. ANGULO ENTRE DOS VECTORES u , v : cos θ = → →

Entonces W1 ∩ W2 y W 1+W2 también son subespacios vectoriales de V u v

PRODUCTO INTERIOR
Es un conjunto infinito “V” no vacío donde sus objetos son llamados vectores sobre → → →

los que se definen las operaciones de adición y producto por un escalar, siendo su MODULO DE UN VECTOR: u = u; u
Estructura ⇒ (V ,+,•)
→ → → → → →
¿CUÁNDO ES UN ESPACIO CON PRODUCTO INTERIOR? DISTANCIA ENTRE VECTORES: d = u− v = u − v; u − v
Debe cumplir con 4 axiomas para el cual usaremos dos conjuntos uno de vectores el
otro de escalares → →
→ →
Axioma (1). Conmutatividad: u; v = v; u
→ →
ORTOGONALIDAD ENTRE VECTORES u; v = 0

→ → → → → → →
Axioma (2). Distributividad: u; v + w = u; v + u; w PROCESO DE ORTONORMALIZACIÓN DE BASES GRAHAM SCHMIDT
→ → → → →

→ → → → Sea una base B = u1 , u 2 , u3 , u 4 ,....... u n  y la base ortonormalizada será
Axioma (3). Homogeneidad: α u; v = α u; v  
→ → → → →
→ →
u; u ≥ 0 → → → → →
 → u u 2 − u 2 ; u1 ' u1 '
Axioma (4). Positividad:
B' = u1 ' , u 2 ' , u3 ' , u 4 ',....... u n ' u1 ' = →1 →
u2 ' =
→ →
  u1
→ → → →

PROYECCIÓN DE UN VECTOR u SOBRE OTRO VECTOR v : u 2 − u 2 ; u1 ' u1 '

→ →
→ → → → → → →
→
u; v → u3 − u3 ; u 2 ' u 2 '− u3 ; u1 ' u1 '
→
Proy→ u = v u3 ' =
v → 2 → → → → → → →
v u3 − u3 ; u 2 ' u 2 '− u3 ; u1 ' u1 '

→ → → → → → → → → → → → → → →
PROYECCIÓN ORTOGONAL DE UN VECTOR u SOBRE OTRO VECTOR v :
→
un − un ; un−1 ' un−1 '− un ; un−2 ' un−2 '−....... − un ; u2 ' u2 '− un ; u1 ' u1 '
→ → →
Proy→⊥ u= u − Proy→ u un ' = → → → → → → → → → → → → →
v v
un − un ; un−1 ' un−1 '− un ; un−2 ' un−2 '−....... − un ; u2 ' u2 '− un ; u1 ' u1 '
→
PROYECCIÓN DE UN VECTOR u SOBRE UNA BASE ORTONORMAL

→ → → → →
 → → → → → → → → → →
B = v1 ,v2 ,v3 ,v4 ,.......vn  : Proy
= B u u ;v1 v1 + u ;v2 v2 + ... + u ;vn vn
 