Escolar Documentos
Profissional Documentos
Cultura Documentos
Algebra Lineal
Docente:
Daniel's cruz paez
Alumno:
Adrian Alonso Roman
Grupo:
301
Tema:
Método del valor anual
Fecha elaborada:
26 de diciembre del 2017
INICIO
Unidad IV Espacios temporales
4.1 Definición de espacio vectorial
4.2 Definición de subespacio vectorial y sus propiedades.
4.3 Combinación lineal. Independencia lineal.
4.4 Base y dimensión de un espacio vectorial, cambio de base.
4.5 Espacio vectorial con producto interno y sus propiedades.
4.6 Base ortonormal.
Ejemplo
α1v1+α2v2+…+αnvn
donde α1v1+α2v2+…+αnvn son escalares se denomina combinación lineal de
v1,v2,…,vn.
c1v1+c2v2+…+ckvk=0
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.
Tres vectores en 3 son linealmente dependientes si y sólo si son coplanares, esto es,
que están en un mismo plano.
Teoremas
* 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
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
Ejemplo:
demostrar si S = {v1, v2,…, v3} es base de R3, v1 = (1,2,1); v2 = (2,9,0); v3 = (3,3,4)
Dimensión
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)
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.
1. ‹0, v› = ‹v, 0› = 0
2. ‹u + v, w› = ‹u, w› + ‹v, w›
Ejemplo 1.
Sean los vectores u = (1, 2, 1), v = (4, 0, -4) y w = (1, -1, 1), ¿son un conjunto
ortogonal?
nos damos cuenta de que todos son iguales a cero, por lo que el conjunto de
vectores es ortogonal.
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.
es lineal.
Entonces :
Por otro lado, para todo escalar c,
T es lineal.
Una transformación lineal preserva combinaciones lineales. Veremos que, debido a esto,
una transformación lineal queda unívoca-mente determinada por los valores que toma en
los elementos de una base cualquiera de su dominio.
1. f es un monomorfismo si f es inyectiva.
2. f es un epimorfismo si f es suryectiva.
3. f es un isomorfismo si f es biyectiva.
Teorema 1
Sea T: V S W una transformación lineal. Entonces para todos los vectores u, v, v1,
i. T(0) = 0
ii. T(u - v) = Tu - Tv
Teorema 2
Sea V un espacio vectorial de dimensión finita con base B = {v1, v2, . . . , vn}. Sean w1,
Sean V y W dos espacios vectoriales y sea T:V W una transformación lineal. Entonces
Observacion 1. Observe que un T es no vacio porque, de acuerdo al teorema 1, T(0) = 0 de manera que 0 ϵ un T
para cualquier transformación lineal T. Se tiene interés en encontrar otros vectores en V que “se transformen en
0”. De nuevo, observe que cuando escribimos T(0) = 0, el 0 de la izquierda está en V y el de la derecha en W.
Teorema 4
i.Un T es un subespacio de V.
ii.Im T es un subespacio de W.
Demostracion
ii. Sean w y x en Im T. Entonces w = Tu y x = Tv para dos vestores u y v en V. Esto significa que T(u + v)= Tu +
Tv = w + x y T(∝u) = ∝Tu =∝w. Por lo tanto, w + x y ∝w están en Im T.
Ejemplo 3. Núcleo e imagen de la transformación cero
Las transformaciones cero e identidad proporcionan dos extremos. En la primera todo se encuentra
en el núcleo. En la segunda sólo el vector cero se encuentra en el núcleo. Los casos intermedios son más
interesantes.
Toda matriz A de m*n da lugar a una transformación lineal T:R´´ R´´´ definida por Tx = Ax. Es evidente que un T =
NA, Im T = Im A = CA, v(T) = v(A) y p(T) = p(A). Entonces se ve que las definiciones de núcleo, imagen, nulidad y
rango de una transformación lineal son extensiones del espacio nulo, la imagen, la nulidad y el rango de una
matriz.
5.4 Aplicación de las transformaciones lineales.