Escuela

Instituto Tecnológico De Hermosillo

Asignatura

Algebra Lineal

Profesor

Dagoberto Panduro Rosas

Alumno

Marcelo Alexis Merino Savin

Trabajo

Trabajo final, Espacios vectoriales y transformaciones lineales

Fecha de entrega

12-enero-2022

Trabajo final, Espacios vectoriales y transformaciones lineales

Espacio vectorial

Un espacio vectorial real V es un conjunto de objetos, denominados vectores,

junto con dos operaciones binarias llamadas suma y multiplicación por un escalar
y que satisfacen los diez axiomas enumerados a continuación.

Notación. Si “x” y “y” están en V y si a es un número real, entonces la suma se

escribe como

“x + y” y el producto escalar de a y x como ax.

 Propiedades

1- Si X pertenece a V y Y pertenece a V, entonces X+Y pertenece a V.

2- Para todo X, Y y Z en V, (x+y)+z = x(y+z).

3- Existe un vector |0 pertenece V tal que para todo X pertenece a V,

X+0=0+X=X.

4- Si x pertenece a V, existe un vector –x en V tal que x+(-x)=0.

5- Si X y Y están en V, entonces x+y=y+x.

6- Si x pertenece a V y a es un escalar, entonces ax pertenece a V.

7- Si X y Y están en V y a es un ecalar, entonces a(x+y)= ax + ay

8- Si X pertenece a V y a y b son escalares, entonces (a+b) x = ax+ by.

9- Si X pertenece a V y a y b son escalares, entonces a(bx) = (ab)x.

10- Para cada vector X pertenece a V, 1x = x.

Subespacio vectorial

Sea H un subconjunto no vacío de un espacio vectorial V y suponga que H es en

sí un espacio vectorial bajo las operaciones de suma y multiplicación por un
escalar definidas en V. Entonces se dice que H es un sub espacio de V.

 Teorema de subespacio
Un subconjunto no vacío de H de un espacio vectorial V es un sub espacio de V si
se cumplen las dos reglas de cerradura:

Reglas de cerradura para ver si un subconjunto no vació es un sub espacio:

1. Si x € H y y € H, entonces x + y € H.
2. Si x € H, entonces αx € H para todo escalar α.

Este teorema demuestra que para probar si H es o no es un sub espacio de V, es

suficiente verificar que:

x + y y αX están en H cuando x y y están en H y α es un escalar.

 Propiedades subespacio

1. El vector cero de V está en H.2

2. H es cerrado bajo la suma de vectores. Esto es, para cada u y v en H, la

suma u + v está en H.

3. H es cerrado bajo la multiplicación por escalares. Esto es, para cada u en H

y cada escalar c, el vector cu está en H.

Combinación lineal
Una combinación lineal de dos o más vectores es el vector que se obtiene al
sumar esos vectores multiplicados por escalares.

Cualquier vector se puede poner como combinación lineal de otros que tengan
distinta dirección.

Esta combinación lineal es única.

Sean v1,v2,…,vn vectores en un espacio vectorial V. Entonces cualquier vector de

la forma:

α1v1+α2v2+…+αnvn
donde α1v1+α2v2+…+αnvn son escalares se denomina combinación lineal de v1,v2,
…,vn.

Todo vector V = (a, b, c) en R3 se puede expresar como

i = (1,0,0);
j = (0,1,0);
k =(0,0,1)

V = (a, b, c) = a(i) + b(j) + c(k)

Entonces se dice que V es una combinación lineal de los 3 vectores i,j,k.

Dependencia e Independencia lineal

Los vectores son linealmente independientes si tienen distinta dirección y sus

componentes no son proporcionales.

Un conjunto de vectores {v1,v2,…,vk} es un espacio vectorial V es linealmente

dependiente si existen escalares c1,c2,…,ck, al menos uno de los cuales no es cero,
tales que:

c1v1+c2v2+…+ckvk=0

Si los vectores no son linealmente dependientes, se dice que son linealmente

independientes.

Criterios de Independencia Lineal

Sean u1, u2, …,uk k vectores en Rn y A la matriz que tiene como columnas a estos
vectores, los vectores son linealmente independientes si el sistema Ax = 0 tiene
únicamente solución trivial.
Los vectores son linealmente dependientes si el sistema Ax=0 tiene soluciones no
triviales (solución múltiple).

Si k=n
Los vectores son linealmente independientes si A es invertible.

Si k>n
Los vectores son linealmente dependientes.

Dos vectores en un espacio vectorial son linealmente dependientes si uno de ellos

es múltiplo escalar del otro.

Un conjunto de vectores linealmente independientes en n contiene a lo más n

vectores.

Tres vectores en 3 son linealmente dependientes si y sólo si son coplanares, esto

es, que están en un mismo plano.

Teoremas

1. Cualquier conjunto que contenga al vector 0 es linealmente dependiente.

2. Cualquier conjunto que contenga un único vector diferente de cero, v ≠0, es
linealmente independiente.
3. Cualquier conjunto formado por dos vectores diferentes de cero, S = {v1, v2},
donde v1 ≠ 0, v2 ≠ 0, es linealmente dependiente si, y sólo si, uno de los
vectores es múltiplo escalar del otro.
4. Cualquier conjunto que contenga un subconjunto linealmente dependiente
es linealmente dependiente.
5. Cualquier subconjunto de un conjunto linealmente independiente es
linealmente independiente.

Base y dimensión de un espacio vectorial

Un conjunto de vectores S={v1, v2,…, vn} en un espacio vectorial V se denomina

base de V si se cumplen las siguientes condiciones.

* S genera a V.

* S es linealmente independiente

Una base posee 2 características que se acaban de ver, debe tener suficientes
valores para generar a V, pero no tantos de modo que uno de ellos pueda
escribirse como una combinación lineal de los demás vectores en S. Si un espacio
vectorial consta de un número finito de vectores, entonces V es de dimensión
finita. En caso contrario, V es de dimensión infinita.

 Base

En términos generales, una “base” para un espacio vectorial es un conjunto de

vectores del espacio, a partir de los cuales se puede obtener cualquier otro vector
de dicho espacio, haciendo uso de las operaciones en él definidas.

La base es natural, estándar o canónica si los vectores v1, v2,…, vn forman base
para Rn.

Si S={v1, v2,…, vn} es una base para un espacio vectorial V entonces todo vector v
en V se puede expresar como:

1. V = c1v1+ c2v2+…+ cnvn

2. V = k1v1+ k2v2+…+ knvn

Restar 2-1

0 = (c1- k1) v1+(c2- k2) v2+…+(cn- kn) vn

Ejemplo:
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 de un espacio vectorial

Espacio vectorial con 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 las siguientes propiedades:

 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

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.
Base Ortonormal

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.

Transformación lineal

Las transformaciones lineales son las funciones y tratan sobre K-espacios

vectoriales que son compatibles con la estructura (es decir, con la operación y la
acción) de estos espacios.

Aquí se presentan las funciones entre espacios vectoriales que preservan las
cualidades de los espacios vectoriales. Es decir, de funciones que preservan la
suma y la multiplicación por escalares.

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)

Núcleo e imagen de una transformación lineal

 Transformaciones lineales: núcleo e imagen.

Teorema 1

Sea T: V S W una transformación lineal. Entonces para todos los vectores u, v,

v1,v2, . . . , vn en V y todos los escalares a1, a2, . . . , an:

i. T(0) = 0

ii. T(u - v) = Tu - Tv

iii. T(a1v1 + a2v2 +. . .+ anvn) = a1Tv1 + a2Tv2 +. . .+ anTvn

Nota. En la parte i) el 0 de la izquierda es el vector cero en V; mientras que el 0 de

laderecha es el vector cero en W.
Teorema 2

Sea V un espacio vectorial de dimensión finita con base B = {v1, v2, . . . , vn}.
Sean w1,

w2, . . . , wn vectores en W. Suponga que T1 y T2 son dos transformaciones

lineales de V

en W tales que T1vi = T2vi = wi para i = 1, 2, . . . , n. Entonces para cualquier

vector v ∈

V, T1v = T2v; es decir T1 = T2.

Representación de una transformación matricial

Representación matricial de una transformación de proyección

Aplicación de las transformaciones lineales

Graficar un conjunto de puntos en otro es lo que se conoce como transformación

lineal de un conjunto de puntos. Existen ciertas propiedades básicas de las
transformaciones lineales, las cuales, si son tomadas en cuenta y aplicadas al
momento de resolver un problema, pueden reducirlo un problema simple. La
notación general utilizada para una transformación lineal es T: Rn

 Transformaciones lineales

Las transformaciones lineales forman un “hilo” que se entreteje en la tela de este

texto. Su utilización mejora el sentido geométrico de lo escrito. Por ejemplo, en el
capítulo 1, las transformaciones lineales proporcionan una visión dinámica y gráfi
ca de la multiplicación matriz-vector.

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.