Escolar Documentos
Profissional Documentos
Cultura Documentos
TEMA:
22 – Noviembre - 2016
1
INDICE.
Propiedades de la suma………………………………………………………………………………………………….... 4
Teorema de subespacio……………………………………………………………………………………………………. 4
Reglas de cerradura para ver si un subconjunto no vacío es un subespacio……….... 5
Propiedades de subespacio vectorial……………………………………………………………………………. 5
Combinación lineal……………………………………………………………………………………………………………. 5
Independencia lineal…………………………………………………………………………………………………….…. 6
Un espacio vectorial…………………………………………………………………………………………………………..10
Conjunto ortormal……………………………………………………………………………………………………………….11
Longitud o norma o vector…………………………………………………………………………………………………11
Proceso de ortonormalización de Gram – Schmidt……………………………………………………….11
Conclusión………………………………………………………………………………………………………………………………………..13
Bibliografía………………………………………………………………………………………………………………………………………13
2
INTRODUCCION.
Un espacio vectorial o espacio lineal es el objeto básico de estudio en la rama de las matemáticas
llamada álgebra lineal.
Un espacio vectorial es una estructura algebraica. Se tiene esta estructura, con las operaciones
usuales, por ejemplo, los pares de números reales y los polinomios, para que poder tener un espacio
vectorial, se tiene que cumplir con las operaciones de suma y multiplicación por un escalar, si
cumplen con esas dos operaciones entonces podemos decir que es un espacio vectorial de lo
contrario no lo seria.
Por eso en el siguiente documento les presentaremos los espacios vectoriales donde le hablaremos
de las propiedades que poseen los conjuntos de dicho tema.
3
4.1.- definición de espacio vectorial
Un espacio vectorial es un espacio de numerosos vectores diseminados en todas las direcciones en
las dos operaciones básicas que es la adición y multiplicación escalar, que puede realizarse con el
cumplimiento de las siguientes propiedades:
Considere un espacio vectorial V formado por los vectores x, y, z, a continuación, tenemos las
siguientes propiedades como verdaderas:
Propiedades de la suma
5. Inverso aditivo: Para todos los vectores de un espacio vectorial determinado, existe un vector
inversa disponible en el mismo espacio de tal manera que la suma de los dos vectores nos da un
vector cero, en consecuencia, si tenemos un vector x en el espacio vectorial entonces debemos
también tener un vector -x del mismo vector en el espacio.
Teorema de subespacio
4
Reglas de cerradura para ver si un subconjunto no vació es un sub espacio
i) Si x € H y y € H, entonces x + y € H.
ii) Si x € H, entonces αx € H para todo escalar α.
Es obvio que, si H es un espacio vectorial, entonces las dos reglas de cerradura se deberán cumplir.
De lo contrario, para demostrar que es un espacio vectorial, se deberá demostrar que los axiomas
i) a x) de la definición cumplen bajo las operaciones de suma de vectores y multiplicación por un
escalar definidas en V. Las dos operaciones de cerradura [axiomas i) y iv)] se cumplen por
hipótesis, como los vectores en H son también vectores en V, las identidades asociativa,
conmutativa, distributiva y multiplicativa [axiomas ii), v), vii), viii), ix) y x)] se cumplen.
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.
4.3.- combinación lineal. Independencia lineal
COMBINACIÓN LINEAL
Sean v1, v2, …, vn, vectores en un espacio vectorial V. entonces cualquier vector de la forma:
a1v1+a2v2+…+anvn, donde a1,a2,…,an son escalares se denomina una combinación lineal de v1,
v2,…,vn.
5
Espacio generado por un conjunto de vectores.
Sean v, v2, …, vk, k vectores de un espacio vectorial V. el espacio generado por {v1, v2, …, vk} es el
conjunto de combinaciones lineales v1, v2, …, vk. Es decir
Teorema: si v1, v2, …, vk son vectores en un espacio vectorial V, entonces gen {v1, v2, …, vk} es un
subespacio de V.
INDEPENDENCIA LINEAL
En el estudio del algebra lineal, una de las ideas centrales es la de dependencia o independencia
lineal de los vectores. En esta sección se define el significado de independencia lineal y se
muestra su relación con la teoría de sistemas homogéneos de ecuaciones y determinantes.
En otras palabras, el vector cero se puede escribir como una combinación no trivial de v1 y v2 (es
6
decir, donde los coeficientes en la combinación lineal no son ambos cero). ¿Qué tienen de
La respuesta a esta pregunta es más difícil a simple vista. Sin embargo, es sencillo verificar que
Se ha escrito el vector cero como una combinación lineal de v1, v2, y v3. Parece que los dos
vectores de la ecuación y los tres vectores de la otra ecuación tienen una relación más cercana
que un par arbitrario de 2-vectores a una terna arbitraria de 3-vectores. En cada caso, se dice
que los vectores son linealmente dependientes. En términos generales, se tiene la importante
definición a continuación presentada.
Definición: sean v1, v2, …, vn vectores en un espacio vectorial V. entonces se dice que lois
vectores son linealmente dependientes si existen n escalares c1, c2, …, cn no todos ceros tales
que .
Si los vectores no son linealmente dependientes, se dice que son linealmente independientes.
Para decirlo de otra forma, v1, v2, .., vn son linealmente independientes si la ecuación
c1v1+c2v2+…+cnvn=0 se cumple únicamente para c1=c2=…=cn=0. Son linealmente dependientes si
el vector cero en V se puede expresar como una combinación lienal de v1, v2,…,vn con
coeficientes no todos iguales a cero.
Nota. Se dice que los vectores v1, v2, …, vn son linealmente independientes (o dependientes), o
que el conjunto de vectores {v1, v2, …, vn} es linealmente independiente (o pendiente). Esto es,
se usan las dos frases indistintivamente.
Dos vectores en un espacio vectorial son linealmente dependientes si y solo si uno de ellos es un
múltiplo escalar del otro.
7
Demostración: primero suponga que v2=cv1 para elgun escalar c≠0. Entonces cv1-v2=0 y v1 y v2
son linealmente dependientes. Por otro parte, suponga que v1 y v2 son linealmente dependientes.
Entonces existen constantes c1 y c2 al menos uno distinto a cero, tales que c1v1+c2v2=0. Si
Es decir, v1 es un múltiplo escalar de v2. Si c1=0, entonces c2≠0 y, por lo tanto, v2=0=0v1.
* 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:
Restar 2-1
8
Ejemplo:
demostrar si S = {v1, v2,…, v3} es base de R3, v1 = (1,2,1); v2 = (2,9,0); v3 = (3,3,4)
Si S = {v1, v2,…, vn} es una base de un espacio vectorial V, entonces todo vector en V puede
escribirse de una y solo una forma como combinación lineal de vectores en S.
Para demostrar la unicidad (que en un vector dado puede representarse sólo de una manera), se
supone que u tiene otra representación u= b1v1 + b2v2+…+bnvn. Al restar la segunda representación
de la primera se obtiene:
Sin embargo, como S es linealmente independiente, entonces la única solución de esta ecuación es
la trivial,
Dimensión
Se llama dimensión de un espacio vectorial V al número de vectores que hay en cualquiera de sus
bases. Se denota dim (V).
9
Sea A una matriz m x n.
Estos dos comparten muchas propiedades, pero debido al conocimiento que se tiene sobre las
operaciones elementales en los renglones se empieza por considerar el espacio renglón de una
matriz. Cabe recordar que dos matrices son equivalentes por renglones si una puede obtenerse a
partir de la otra al aplicar operaciones elementales en los renglones. El siguiente teorema
establece que las matrices equivalentes por renglones tienen el mismo espacio renglón.
Si una matriz A es equivalente por renglones a una matriz B que está en forma escalonada,
entonces los vectores renglón de B diferentes de cero forman una base del espacio renglón de A.
Un espacio vectorial 𝑉 se denomina espacio vectorial con producto interno si para cada par
ordenado de vectores 𝒖 𝑦 𝒗 en 𝑉, existe un número único(𝒖, 𝒗) denominado producto interno de
𝒖 𝑦 𝒗, los cuales si 𝒖, 𝒗 𝑦 𝒘 están en 𝑉 y 𝛼 es un número cualquiera, entonces se cumplen las
siguientes propiedades:
(𝒗, 𝒗) ≥ 𝟎
(𝒗, 𝒗) = 𝟎 𝒔𝒊 𝒚 𝒔ó𝒍𝒐 𝒔𝒊 𝒗 = 𝟎.
(𝒖, 𝒗 + 𝒘) = (𝒖, 𝒗) + (𝒖, 𝒘)
(𝒖 + 𝒗, 𝒘) = (𝒖, 𝒘) + (𝒗, 𝒘)
̅̅̅̅̅̅̅̅
(𝒖, 𝒗) = (𝒗, 𝒖)
(𝜶𝒖, 𝒗) = 𝜶(𝒖, 𝒗), 𝜶 𝒆𝒔 𝒖𝒏 𝒆𝒔𝒄𝒂𝒍𝒂𝒓
(𝒖, 𝜶𝒗) = 𝜶(𝒖, 𝒗), 𝒔𝒆𝒂 𝜶 𝒖𝒏 𝒆𝒔𝒄𝒂𝒍𝒂𝒓
También se tiene que si 𝑉 es un espacio con producto interno y suponga que 𝒖 𝑦 𝒗 están en el,
entonces también se cumplirá que:
La longitud o norma de un vector 𝒗 ∈ 𝘙𝑛 , se denota por |𝒗| y esta es igual a la siguiente fórmula:
|𝒗| = √𝒗 ∙ 𝒗
Primero se tiene la base 𝑠 la cual queremos hacer ortonormal, en nuestro ejemplo tomamos a 𝑠 =
1 0 1
{𝒗𝟏 , 𝒗𝟐 , 𝒗𝟑 } = {(1) , (1) , (0) } (es una base en 𝘙3 );
0 1 1
Para encontrar nuestro primer vector 𝑢1 de la base ortonormal tomamos a nuestro primer vector
1
de la base que se nos dio, es decir; 𝒗𝟏 = (1). A este vector le sacaremos su norma la cual es
0
|𝒗𝟏 | = √(1)2 + (1)2 + (0)2 = √2; ahora el para sacar a 𝒖𝟏 a cada elemento de nuestro vector 𝒗𝟏 =
1
1
1 √2
1 √2
(1) lo dividiremos entre su norma es decir 𝒖𝟏 = √2
= ( 1 ). Este es nuestro primer vector de
0 0 √2
0
(√2)
la base ortonormal.
11
Ahora para sacar el segundo vector; es decir 𝒖𝟐 sacaremos otro vector 𝒗′𝟐 que se obtendrá con la
1
1⁄ − 1⁄2
0 √2 0 2
1
siguiente formula 𝒗′𝟐 = 𝒗𝟐 − (𝒗𝟐 ∙ 𝒖𝟏 )𝒖𝟏 = (1) − ( 1 ) = (1) − (1⁄ ) = ( 1⁄ ), despues
√2 2 2
1 √2 1
0 0 1
3
obtendremos su norma, es decir; |𝒗′𝟐 | = √2. Ya obtenido esto se sacara 𝒖𝟐 el cual es igual al dividir
cada elemento del vector 𝒗′𝟐 entre su norma (entre |𝒗′𝟐 |). Por lo que obtenemos que el vector 𝒖𝟐 =
− 1⁄
√6
1⁄ .
√6
2
( ⁄√6 )
Ahora obtendremos nuestro último vector que es 𝒖𝟑 ; al igual que en el paso anterior obtendremos
otro vector antes de pero ahora se llamar
1 −1 2
1 1
√6 6 3
1 1 √2 1 11 √2 1 2
𝒗′𝟑 = 𝒗𝟑 − (𝒗𝟑 ∙ 𝒖𝟏 )𝒖𝟏 − (𝒗𝟑 ∙ 𝒖𝟐 )𝒖𝟐 = (0) − 1 − = (0) − 1 − = −
2 √6 √6 6 3
1 √2 1 √2
2 2 2
(0) (0) ( ) ( 3 )
(√6) 6
2
De la misma forma sacamos su norma es decir|𝒗′𝟑 | = ; para obtener el vector que nos interesa
√3
2
que es el 𝑢3 hay que dividir cada elemento de nuestro vector 𝒗′𝟑 entre su norma |𝒗′𝟑 | = con lo
√3
1⁄
√3
−1
que obtendremos que 𝑢3 = ⁄ .
√3
1
( ⁄√3 )
Por último ya obtenidos nuestros tres vectores concluimos que nuestra base ortonormal es 𝑠 ′ =
1⁄ − 1⁄ 1⁄
√6 √3
√2 1 −1
1⁄ , ⁄ , ⁄
√6 √3
√2 2 1
( 0 )
{ ( ⁄√6 ) ( ⁄√3 )}
Para generalizar la formula anterior la cual nos da los vectores de la nueva base la cual será
ortonormal tendremos la siguiente fórmula:
12
CONCLUSION.
Con este trabajo nos pudimos dar una idea de que los vectores están muy relacionados con las
matrices y además del amplio campo que tiene el álgebra lineal. Así mismo pudimos ver que hay
muchas maneras de trabajar con ellos; así como de las diferentes operaciones que se puede realzar
con estos como lo son el producto punto, la bases ortotormales, la norma o longitud, etc.
También nos sirvió para darnos cuenta de que todo lo que hemos visto en la materia está muy
relacionado con estos últimos temas y de la gran importancia que tienen; ya que son demasiados
útiles para muchas aplicaciones en la actualidad.
BIBLIOGRAFIA
Algebra Lineal - De José Job Flores
https://www.youtube.com/watch?v=85INoJkycAU
13