Documentos de Académico
Documentos de Profesional
Documentos de Cultura
INSTITUTO TECNOLÓGICO DE
TAPACHULA
SEMESTRE:3°
GRUPO: “B”
TAPACHULA, CHIAPAS
08 DE NOVIEMBRE DE 2023
1
ÍNDICE
INTRODUCCIÓN .................................................................................................... 3
4.0 ESPACIO VECTORIAL ..................................................................................... 4
4.1 DEFINICIÓN DE ESPACIO VECTORIAL .......................................................... 4
4.2 DEFINICIÓN DE SUBESPACIO VECTORIAL Y SUS PROPIEDADES .......... 17
4.3 COMBINACIÓN LINEAL. ................................................................................ 27
INDEPENDECIA LINEAL ...................................................................................... 27
4.4 BASES Y DIMENSIONES DE UN ESPACIO VECTORIAL,CAMBIO DE BASE
.............................................................................................................................. 36
4.5 ESPACIO VECTORIAL CON PRODUCTO INTERNO Y SUS PROPIEDADES
.............................................................................................................................. 43
4.6 BASE ORTO NORMAL,PROCESO DE ORTO NORMALIZACIÓN DE GRAM-
SCHIMDT .............................................................................................................. 45
CONCLUSIÓN ...................................................................................................... 48
BIBLIOGRAFÍA ..................................................................................................... 49
2
INTRODUCCIÓN
En el mundo de las matemáticas existen distintos métodos que son útiles para la
resolución de problemas que se aplican en muchas áreas. Los vectores son
bastante indispensables en el uso para conocer lugares. La idea de vector está
tomada de la Física, donde sirven para representar magnitudes vectoriales como
fuerzas, velocidades o aceleraciones. Para ello se emplean vectores de dos
componentes en el plano, de tres componentes en el espacio En esta investigación
conoceremos la importancia del estudio de espacios vectoriales y sus distintos usos.
3
4.0 ESPACIO VECTORIAL
I) Para la ley interna “Suma de vectores de E”, el par (E,+) es un Grupo Abeliano,
por lo
1) ∀ x,y∈ E x + y = y + x Conmutatividad
2) ∀ x,y,z ∈ E (x + y) + z = x + ( y + z ) Asociatividad
II) Para la ley de composición externa, “Producto de un vector por un escalar”, que
asocia a cada escalar α, y a cada vector x de E un vector único, llamado producto
de α y x, y que se representa por αx o xα, se satisfacen las siguientes
propiedades:
1) ∀ x, y ∈ E ∧ ∀ α ∈ α (x+y) = αx + αy
4
2) ∀ x ∈ E ∧ ∀ α,β ∈ (α+β) x = αx + βx
con operaciones de suma y producto por escalar, que denotaremos por para las
cuales se cumplen las ocho propiedades de la sección anterior. En otras palabras:
5
Es fácil verificar que cada propiedad de la Definición 4.1.1 esté satisfecha. En
Ejemplo 4.1.3. Dejado 𝐹∞ ser el conjunto de todas las secuencias sobre F, es decir,
(𝑢1, 𝑢2, … ) + (𝑣1, 𝑣2, … )𝑎(𝑢1, 𝑢2, … ) = (𝑢1 + 𝑣1, 𝑢2 + 𝑣2, … ), = (𝑎𝑢1, 𝑎𝑢2, … ).
Ejemplo 4.1.4. ¡Verifica que 𝑉 = {0} sea un espacio vectorial! (Aquí, 0 denota el
6
Ejemplo 4.1.5. Dejar 𝐹[𝑧] ser el conjunto de todas las funciones polinómicas 𝑝: 𝐹 →
(𝑎𝑝)(𝑧) = 𝑎𝑝(𝑧),
= 10𝑧 + 2 .
7
Como ya mencionamos, el conjunto con las operaciones de suma y multiplicación
por escalar que se hacen entrada por entrada es un espacio vectorial sobre
Otros ejemplos de espacios vectoriales con los que ya nos encontramos son los
espacios de matrices. Dado un campo y enteros positivos y el conjunto de
matrices en es un espacio vectorial en donde la suma se hace entrada a entrada y
la multiplicación escalar también.
¿Qué es lo que tenemos que hacer para mostrar que en efecto esto es un espacio
vectorial? Se tendrían que verificar las 8 condiciones en la definición de espacio
vectorial. Esto lo hicimos desde la primer entrada del curso, en el primer teorema
de la sección «Operaciones de vectores y matrices». Vuelve a leer ese teorema y
verifica que en efecto se enuncian todas las propiedades necesarias.
Aquí hay que tener cuidado entonces con los términos que se usan. Si estamos
hablando del espacio vectorial , las matrices no forman parte de él, y las matrices
no son vectores. Sin embargo, si estamos hablando del espacio vectorial,entonces
las matrices son sus elementos, y en este contexto las matrices sí serían vectores.
8
Sea F un campo y consideremos cualquier conjunto X. Consideremos el
Para definir el producto por escalar, tomamos una función f:X→F y un escalar c en
(𝑓 + 𝑔) + ℎ = 𝑓 + (𝑔 + ℎ).
9
Esta es una igualdad de funciones. Para que sea cierta, tenemos que verificarla en
todo el dominio, así que debemos mostrar que para todo x en X tenemos que ((𝑓 +
𝑔) + ℎ)(𝑥) = (𝑓 + (𝑔 + ℎ))(𝑥).
igualdades:
• Para que dicha igualdad sea cierta, se tiene que dar en cada elemento del
10
Ejemplo. El ejemplo anterior es muy abstracto, pues X puede ser cualquier cosa.
Sin embargo, hay muchos espacios de funciones con los cuales se trabaja
intervalo [0,1], entonces simplemente estamos hablando de las funciones que van
11
Otro ejemplo de espacios vectoriales que nos encontraremos frecuentemente son
Dado un campo 𝐹 y un entero positivo n usaremos 𝐹[𝑥] para referirnos a todos los
Tanto p(x) como q(x) están en 𝐶6 [𝑥], pues su grado es a lo más 6. Sin
12
.
, entonces
Esta es una igualdad de funciones. Para que sea cierta, tenemos que verificarla en
todo el dominio, así que debemos mostrar que para todo en tenemos que
Así, la suma en
Para que dicha igualdad sea cierta, se tiene que dar en cada elemento del dominio,
así que se evalúa en cierta
Se prueba la igualdad usando las definiciones de suma y producto por escalar, y las
propiedades de campo de
13
.
puede ser cualquier cosa. Sin embargo, hay muchos espacios de funciones con los
cuales se trabaja constantemente. Por ejemplo, si el campo es el conjunto
de reales y
es el intervalo
a los reales.
Si tomamos
dadas por
definida por
, entonces la función
, al
, o a cualquier otro.
14
Espacios vectoriales de polinomios
Dado un campo
y un entero positivo
usaremos
y usaremos
y grado a lo más
Ejemplo. Si
es
15
Tanto
como
están en
. Sin embargo,
no está en
pues su grado es
El polinomio
también es un elemento de
Recuerda que para sumar polinomios se tienen que sumar los coeficientes de
grados correspondientes. Al hacer multiplicación por escalar se tienen que
multiplicar cada uno de los coeficientes. De esta forma, si
, entonces
16
y
Resulta que
De esta forma,
17
espacio vectorial “más pequeño”, incluido en V.
Definición: Subespacio.
si contiene al vector K
(Se puede decir que S es “cerrado” para las operaciones suma y producto por
escalar.)
Es decir:
•0∈S.K
• Si v, w ∈ S entonces v + w ∈ S.
• Si v ∈ S y λ es un escalar, entonces λv ∈ S.
puesto que sabemos que se cumplen en V, y por tanto también en S (se dice que
S “hereda”
18
Por supuesto si para V utilizamos escalares reales, también para S; si para V
utilizamos
Ejemplos de subespacios.
• Producto por un escalar: λ∈ℜ , λ(a,a) = (λa, λa) que también es un elemento de
la recta.
• Suma: (x,y,0) + (x’,y’,0) = (x+x’, y+y’, 0) que también es un elemento del plano.
19
4) En el espacio P2 = { polinomios de grado ≤ 2 }, el conjunto de los polinomios de
grado ≤1
es un subespacio.
ab
bc
• Suma: + =
bc
a' b'
b' c'
a+a' b+b'
b+b' c+c'
20
• Producto por escalar: λ∈ , λ =
bc
λa λb
λb λc
de ellos es un punto, el { K
}.
23ℜ
Las curvas o las superficies curvas no son subespacios; tampoco las figuras
geométricas
21
0 }, y el subespacio total, formado por todos los vectores del espacio.
• Forma paramétrica: Mediante una expresión con parámetros, los cuales al tomar
Ayudará el conocer qué número de ecuaciones es necesario (lo que se verá más
adelante).
Ejemplos:
22
{ y=x }, y en paramétricas como { (λ,λ) : λ∈ℜ }
2) En 3
es la ecuación { z=x–y } .
3) En 3
y=x
z = 3x
x+z=0
en ℜ 3 :
23
Su forma paramétrica es (0,0,0): no hay parámetros, pues como se trata de un
solo punto,
x=0
y=0
z=0
ℜℜ
Si S es un subespacio de n
siguiente relación:
Sin embargo para que esto sea cierto debe cumplirse que las ecuaciones
implícitas sean
independientes entre sí, es decir, que ninguna sea combinación lineal de otras.
Esto significa
24
que, considerando las ecuaciones como un sistema, no “sobre” ninguna ecuación:
es decir,
(Esto será más fácil de comprobar más adelante, en el punto “Bases y dimensión”,
pues el número
Inclusión de subespacios.
Dados dos subespacios A y B, puede ocurrir que uno esté incluido en otro (una
recta dentro
A están también en B.
25
está en B.
paramétrica (α+β, α+β, 0), que en ℜ 3 corresponde a la forma implícita {x=y , z=0},
no se
cumple la relación anterior: 2+2 ≠ 3. Esto ocurre porque los dos dos parámetros no
son
(n es el nº de incógnitas).
Ejemplo
A= b= { y=0 } y=0
z=0
Tenemos que A ⊂ B , pues todo vector que satisfaga las dos ecuaciones de A, es
decir que
A= { (λ,0,0) : λ ∈ℜ } b= { (α,0,β) : α, β ∈ℜ }
tomando β=0.
Ambos ejemplos son el mismo, pues se trata del eje X contenido en el plano XZ.
26
4.3 COMBINACIÓN LINEAL.
INDEPENDECIA LINEAL
Teorema.
(Ello es debido a que calcular una combinación lineal de vectores involucra tanto
la suma como el
producto por escalares, así que equivale a probar ambas cosas por separado).
combinaciones lineales.
Ejemplo.
Tomamos dos elementos genéricos de U, (λ, λ) y (µ, µ). Una combinación lineal de
ellos es:
27
G
Ejemplo
2w–1
2 v , etc).
Observación
vector entre ellos que es combinación lineal de los demás. Pero esto no quiere
decir que
28
ya que, por (a), tenemos que w = u + v (es decir, w=1u + 1v + 0k ), hay un vector
que es
combinación lineal de los demás. Pero no “cualquier” vector lo es, puesto que k no
es
Cualquier vector se puede poner como combinación lineal de otros dos que
tengan distinta dirección.
Ejemplos
29
1 Dados los vectores , , calcular el vector combinación
lineal
Tendremos que
vectores y ?
y por tanto
30
Dependencia Lineal
Propiedades
despejando
2 Dos vectores del plano son linealmente dependientes si, y sólo si,
son paralelos.
31
3 Dos vectores del plano y son linealmente dependientes
si sus componentes son proporcionales.
entonces
Independencia lineal
En caso de que un conjunto de vectores no sea linealmente dependiente, se dice
que es
(b) La única forma de poner como combinación lineal de los vectores, es con todos
los coeficientes nulos.
Observación.
32
La definición de dependencia lineal no es: “ v, w son independientes si 0v + 0w = 0
”
Esa afirmación no aporta nada, puesto que se cumple para todos los vectores,
dependientes o no.
13
wv
Ejemplos.
Este sistema es compatible determinado,por tanto sólo tiene la solución α=0, β=0.
3α+4β=0
Así pues, la única forma de poner (0,0) como combinación lineal de u, v es con
coeficientes
33
3α+6β=0
Esto quiere decir (aun sin resolver el sistema) que existen coeficientes α , β no
nulos que permiten poner (0,0) como combinación lineal de w, k. Por tanto w, k son
linealmentedependientes.
si y solo si
La propiedad (2) nos dice que si dos vectores son linealmente dependientes
entonces sus componentes son proporcionales, en este caso, notemos que
34
2 Estudiar la dependencia lineal de los vectores: y
Necesitamos que
entonces
35
y ahora
36
1. Una base de S es un sistema generador minimal de S (lo más pequeño
posible).
Ejemplos de bases.
1. La base canónica de ! n:
e1 = (1,0,. . . ,0)
e2 = (0,1,. . . ,0)
........
en = (0,0,. . . ,1)
2. Otra base de ! 3
37
porque cualquier vector (a,b,c) se puede poner como
Se obtiene un sistema:
+=a
+2 =b
-3 = c
4. Base de un subespacio. En ! 3
, consideremos el subespacio S= plano XY. Veamos que los vectores (3,2,0) , (1,–
1,0) forman una base de S.
2–=b
5. Extender un conjunto para que forme base. ¿Es (1,0,2), (1,0,–1) base de ! 3
38
?
Sí, añadiendo algún otro vector de manera que siga siendo independiente de los
anteriores,
genera ! 3
6. Reducir un conjunto para que forme base. ¿Es (2,0,0), (0,3,0), (4,1,0) base de
S=plano XY de ! 3
Por tanto no son base de S. ¿Puede obtenerse una base de S de algún modo?
39
Suprimimos por tanto (4,1,0) y los restantes vectores (2,0,0), (0,3,0) siguen
generando el mismo subespacio S y son independientes. Son por tanto base de S.
Ejemplos de dimensión.
1. n
2. M2x2= {matrices 2x2 con términos reales} tiene dimensión 4. Una base de
M2x2 es:
,,,
1+0x+0x2
, 0+x+0x2
, 0+0x+x2
).
40
, 4+x2
, 3–x–5x2
Propiedades de la dimensión.
entonces dim S = r.
(Si un cierto conjunto de vectores tienen rango 2, entonces generan un plano; etc.)
Ejemplo.
En ! 3
Observamos que el rango de este conjunto (= rango de la matriz que forman, por
filas o por columnas) es 3. Así por la propiedad 4 , tenemos que dim S = 3. Pero
como estamos en ! 3 por la propiedad 3 ha de ser S= ! 3
Teorema.
41
Sea S un espacio o subespacio de dimensión m. Entonces,
Por tanto, si tenemos un conjunto formado por tantos vectores como indica la
dimensión, dichos vectores serán a la vez linealmente independientes y sistema
generador, o bien ninguna de las dos cosas.
Así pues, para probar que son base, bastaría probar solamente una de las dos
cosas: que son linealmente independientes, o que son sistema generador.
42
4.5 ESPACIO VECTORIAL CON PRODUCTO
INTERNO Y SUS PROPIEDADES
43
Nota 1. Aquí se usa la doble barra en lugar de una sola para evitar confusión con
el valor absoluto. Por ejemplo ǁsen tǁ denota la norma de sen t como un “vector”
en C[0, 2π] mientras que |sen t| denota el valor absoluto de la función sen t.
Complemento ortogonal
por
44
4.6 BASE ORTO NORMAL,PROCESO DE ORTO
NORMALIZACIÓN DE GRAM-SCHIMDT
45
Interpretación Geométrica
Esta sencilla interpretación del algoritmo para un caso que puede verse es
susceptible de generalización a espacios vectoriales de dimensión arbitraria, con
productos internos definidos, no necesariamente canónicos. Dicha generalización
no es otra que el proceso de Gram-Schmidt.
46
Descripción del Algoritmo de Ortonormalizacion de Gram-Schmidt
47
CONCLUSIÓN
48
BIBLIOGRAFÍA
https://blog.nekomath.com/algebra-lineal-i-espacios-vectoriales/
https://www.ehu.eus/ebravo/contenidos/Algebra%20lineal/Algebra.pdf
https://www.ugr.es/~rcamino/docencia/geo1-03/g1tema1.pdf
https://personales.unican.es/camposn/espacios_vectoriales1.pdf
https://blog.nekomath.com/algebra-lineal-ii-proceso-de-gram-schmidt-en-espacios-
euclideanos/
http://mate.dm.uba.ar/~jeronimo/algebra_lineal/Capitulo8.pdf
http://www.softgot.com/samhain/algebralineal/lecturas/AL-lectura5.pdf
https://www.superprof.es/apuntes/escolar/matematicas/analitica/vectores/depende
ncia-e-independencia-lineal.html
49