ESPACIOS VECTORIALES. Definicin y propiedades bsicas.

El espacio vectorial Rn es un conjunto de elementos llamados vectores en los que se definen dos operaciones, la adicin y la multiplicacin por un escalar. Se sabe que el espacio vectorial Rn es cerrado bajo estas operaciones; las suma de dos vectores en Rn pertenece a Rn y la multiplicacin por un escalar en Rn tambin pertenece a Rn. El espacio vectorial Rn tambin posee otras propiedades algebraicas. Por ejemplo, se sabe tambin que los vectores en Rn son conmutativos y asociativos bajo la adicin: u+v=v+u u + (v + w) =(u + v) + w En esta parte se analizan stas y otras propiedades algebraicas de Rn. Se formula un conjunto de axiomas basados en las propiedades de Rn. Cualquier conjunto que satisfaga estos axiomas poseer propiedades algebraicas similares a las del espacio vectorial Rn. A dicho conjunto se le dar el nombre de espacio vectorial y a sus elementos el nombre de vectores. La ventaja de este enfoque consiste en el hecho de que los conceptos y los resultados relacionados con el espacio vectorial Rn tambin se aplican a otros espacios vectoriales.

DEFINICIN. Un espacio vectorial real V es un conjunto de objetos, llamados vectores, cuyas operaciones de adicin y multiplicacin por un escalar se encuentran definidas en l y satisfacen las siguientes condiciones: AXIOMAS DE UN ESPACIO VECTORIAL. 1. Si x V y y V, entonces x + y V (Cerradura bajo la suma). 2. Para todo x, y, z en V, (x + y) + z = x + (y + z) (Ley asociativa de la suma de vectores) 3. Existe un vector 0 V tal que para todo x V, x + 0 = 0 + x = x 4. Si x V, existe un vector x en V tal que x + (x) = 0 (x se llama inverso aditivo de x) 5. Si x y y estn en V, entonces x + y = y + x. (Ley conmutativa de la suma de vectores). 6. Si x V y es un escalar, entonces x V (Cerradura bajo la multiplicacin por un escalar). 7. Si x y y estn en V y es un escalar, entonces (x + y) = x + y

(Primer ley distributiva) 8. Si x V y y son escalares, entonces ( + )x = x + x (Segunda ley distributiva) 9. Si x V y y son escalares, entonces (x) = ()x (Ley asociativa de la multiplicacin por escalares) 10. Para cada vector x V, 1x = x.

Ejemplo 1. Espacios vectoriales de matrices. Considere el conjunto de matrices reales de 2 x 2. Denote este conjunto como M22. En la seccin de matrices se definieron las operaciones de adicin y multiplicacin por un escalar en este conjunto y, de hecho, ste forma un espacio vectorial. Se analizarn algunos axiomas para comprobar esto. Utilizando la notacin vectorial para indicar los elementos de M22, sean

dos matrices de 2 x 2 cualesquiera. Se tiene entonces que:

Axioma 1:

u + v es una matriz de 2 x 2. Por consiguiente, M22 es cerrada bajo la adicin. Axiomas 2 y 5: De acuerdo al tema anterior de matrices, se sabe que las matrices de 2 x 2 son conmutativas y asociativas bajo la adicin.

Axioma 3:

La matriz cero de 2 x 2 es

, puesto que

Axioma 4:

Si

, entonces

ya que

El conjunto de matrices M22 de 2 x 2 constituye un espacio vectorial. Las propiedades algebraicas de M22 son similares a las de Rn. Asimismo, se puede concluir que Mmn, el conjunto de matrices de m x n es un espacio vectorial.

Ejemplo 2. Espacios vectoriales de funciones. Sea V el conjunto de funciones cuyo dominio est formado por los nmeros reales. Sean f y g elementos cualesquiera de V. Se define la adicin de f + g como una funcin tal que (f + g)(x) = f(x) + g(x) Esta expresin define a f + g como una funcin cuyo dominio es el conjunto de los nmeros reales. Para determinar el valor de f + g para cualquier nmero real x, se suma el valor de f en x y el valor de g en x. Esta operacin recibe el nombre de adicin de punto por punto. En seguida se definir la multiplicacin por un escalar de los elementos de V. Sea c un escalar cualquiera. La multiplicacin escalar de f , cf es la funcin (cf)(x) = c[f(x)] Esta expresin define a cf como una funcin cuyo dominio es el conjunto de los nmeros reales. Para determinar el valor de cf para cualquier nmero real x, se multiplica el valor de f en x por c. Esta operacin recibe el nombre de multiplicacin por un escalar punto por

punto. Para visualizar de forma geomtrica esas dos operaciones sobre funciones, considere dos funciones especficas: f(x) = x Entonces, f + g es la funcin definida por (f + g)(x) = x + x2 La multiplicacin de f por un escalar, como por ejemplo 3, es la funcin 3f definida por (3f)(x) = 3x Axioma 1: f + g se encuentra definida por (f + g)(x) = f(x) + g(x). f + g es una funcin cuyo dominio es el conjunto de los nmeros reales. f + g es un elemento de V; por lo tanto, V es cerrada bajo la adicin. y g(x) = x2

Ejemplo 3. Un espacio vectorial trivial Sea V = {0}. Es decir, V consiste slo en el nmero cero. Como 0 + 0 = 10 = 0 + (0 + 0) = (0 + 0) + 0 = 0, se ve que V es un espacio vectorial. Con frecuencia se le da el nombre de espacio vectorial trivial.

Ejemplo 4. Un conjunto que no constituye un espacio vectorial. Sea V = {1}. Es decir, V consiste slo en el nmero 1. ste no es un espacio vectorial ya que no respeta el axioma 1 (el axioma de cerradura bajo la suma). Para visualizar esto, es suficiente con observar que

Este conjunto tambin viola otros axiomas, sin embargo, con slo demostrar que viola al menos unos de los diez axiomas queda demostrado que V no es un espacio vectorial.

Ejemplo 5. El conjunto de puntos en R2 que estn en una recta que pasa por el origen constituye un espacio vectorial. Sea V={(x, y): y = mx, donde m es un nmero real fijo y x es un nmero arbitrario}. Es decir, V es el conjunto de todos los puntos que estn sobre la recta y = mx que pasa por el origen y tiene pendiente m. Para demostrar que V es un espacio vectorial, es posible comprobar que cumple con cada uno de los axiomas. Axioma 1. Suponga que x = (x1, y1) y y = (x2, y2) se encuentran en V. Entonces y1 = mx1, y2 = mx2 y

Por lo tanto se cumple el axioma 1. Axioma 4. Suponga que (x, y) V. Entonces y = mx y -(x, y) = -(x, mx) = (-x, m(-x), de manera que (x, y) tambin pertenece a V y (x, mx) + (-x, m(-x)) = (x x, m(x x)) = 0. Se puede concluir entonces que el conjunto de puntos en R2 que estn sobre una recta que pasa por el origen constituye un espacio vectorial. Ejemplo 6. El conjunto de puntos en R2 que se encuentran sobre una recta que no pasa por el origen no constituye un espacio vectorial. Sea V = {(x, y): y = 2x + 1, x R}. Es decir, V es el conjunto de puntos que estn sobre la recta y = 2x + 1. V no forma un espacio vectorial debido a que no se cumple la propiedad de cerradura bajo la suma. Para observa esto, suponga que (x1, y1) y (x2, y2) estn en V. Entonces, (x1, y1) + (x2, y2) = (x1 +x2, y1 +y2) Si el vector del lado derecho se encontrara en V, se tendra y1+ y2 = 2(x1 + x2) + 1 = 2x1 + 2x2 + 1 Pero y1 = 2x1 + 1 y y2 = 2x2 + 1 de forma que y1+ y2 = (2x1 + 1) + (2x2 + 1) = 2x1 + 2x2 + 2 Por lo tanto se concluye que Por ejemplo, (1, 3) y (2, 5) estn en V, pero (1, 3) + (2, 5) = (3, 8) no est en V debido a que 23 + 1 8.

Ejemplo 7. El espacio Rn es un espacio vectorial.

Cada vector en Rn es una matriz de n x 1. Segn la definicin de matrices de secciones anteriores, x + y es una matriz de n x 1 si x y y son matrices de n x 1. Haciendo

se ve que los axiomas 2 al 10 se obtienen de la definicin de suma de vectores(matrices).

Los vectores en Rn se pueden escribir indistintamente como vectores rengln o vectores columna.

TEOREMA Sea V un espacio vectorial. Entonces 1. 2. 3. 4. 0 = 0 para todo escalar . 0x = 0 para todo x V. Si x = 0, entonces = 0 o x = 0 (o ambos). (-1) x = -x para todo x V.

SUBESPACIO VECTORIAL. Ciertos subconjuntos de espacios vectoriales forman espacios vectoriales ellos mismos. Para motivar los conceptos, observe de nuevo el espacio vectorial Rn. El espacio Rn es un conjunto de vectores en el que se han definido las operaciones de adicin y multiplicacin por un escalar. Rn es cerrado bajo estas operaciones. Si suma dos vectores en Rn, obtiene un

elemento de Rn. Adems, si multiplica un elemento de Rn por un escalar obtiene un elemento de Rn. Por ejemplo, en R3

Considere ahora ciertos subconjuntos de Rn que tienen las mismas caractersticas de cerradura. Considere el subconjunto V de R3 que consta de los vectores de la forma (a, a, b). V consta de todos los elementos de R3 que tienen los primeros dos componente iguales. Por ejemplo, (2, 2, 3) y (-1, -, 5) se encuentran en V y (1, 2, 3) no pertenece a V. Observe que si suma dos elementos de V, obtiene un elemento de V y si multiplica un elemento de V por un escalar, obtiene un elemento de V. Sean (a, a, b) y (c, c, d) elementos de V y sea k un escalar. As,

en V se definen las operaciones de adicin y multiplicacin por un escalar. V tambin es cerrado bajo estas operaciones y posee las caractersticas algebraicas del espacio vectorial R3. Por lo tanto, se define como un espacio vectorial contenido en R3. Se llama a dicho espacio vectorial un subespacio del espacio mayor. Definicin. Sea H un subconjunto no vaco de un espacio vectorial V y suponga que H es en s un espacio vectorial bajo las operaciones de suma y multiplicacin por un escalar definidas en V. Entonces se dice que H es un subespacio de V. Normalmente se dice que el subespacio H hereda las operaciones del espacio vectorial padre V. TEOREMA Un subconjunto no vaco H de un espacio vectorial V es un subespacio de V si se cumplen las dos reglas de cerradura. Reglas de cerradura para ver si un subconjunto no vaco es un subespacio 1. Si x H y y H, entonces x + y H 2. Si x H, entonces x H para todo escalar . Este teorema demuestra que para probar si H es o no un subespacio de V, es suficiente verificar que

x + y y x estn en H cuando x y y estn en H y es un escalar. La anterior prueba contiene un hecho importante que merece la pena ser mencionado: Todo subespacio de un espacio vectorial V contiene al 0. Esto, con frecuencia, facilitar ver si un subconjunto de V en particular no, es un subespacio de V. Es decir, si un subconjunto no contiene al 0, entonces no es un subespacio. Observe que el vector cero en H, un subespacio de V, es el mismo que el vector cero en V. Ejemplo 1. Sea U el subconjunto de R3 que consta de todos los vectores de la forma (a, 0, 0) (con ceros en el segundo y tercer componentes). Demuestre que U es un subespacio de R3. Solucin: Sean (a, 0, 0) y (b, 0, 0) dos elementos de U y sea k un escalar. Se tiene

La suma y el producto de un escalar pertenecen a U. Por lo tanto, U es un subespacio de R3. Desde el punto de vista geomtrico, U es el conjunto de vectores que se encuentran en el eje x. Observe que la suma de los vectores se encuentra en el eje x y tambin la multiplicacin por un escalar de cualquiera de estos vectores. Ejemplo 2. Sea W el conjunto de vectores de la forma (a, a2, b). Demuestre que W no es un subespacio de R3. Solucin: W consta de todos los elementos de R3 en los que la segunda componente es el cuadrado de la primera. As, por ejemplo, el vector (2, 4, 3) se encuentra en W, mientras que el vector (2, 5, 3) no. Sean (a, a2, b) y (c, c2, d) elementos de W. Se obtiene

Por consiguiente, (a, a2, b) + (c, c2, d) no es un elemento de W. W no se encuentra cerrado bajo la adicin. W no es un subespacio. Ejemplo 3. El subespacio trivial. Para cualquier espacio vectorial V, el subconjunto {0} que consiste en el vector cero nada ms, es un subespacio ya que 0 + 0 = 0 y 0 = 0 para todo nmero real . Esto se conoce como el subespacio trivial.

Ejemplo 4. Un espacio vectorial es un subespacio de s mismo. Para cada espacio vectorial V, V es un subespacio de s mismo. Subespacios propios. Los dos ltimos ejemplos anteriores muestran que todo espacio vectorial V contiene dos subespacios, {0} y V (que coinciden si V = {0}). Es ms atractivo y retante localizar otros subespacios diferentes. Los subespacios distintos a {0} y V se designarn como subespacios propios. Tambin cabe aclarar que no todo espacio vectorial tiene subespacios propios. Ejemplo 5. Demuestre que el conjunto U de matrices diagonales de 2 x 2 es un subespacio propio del espacio vectorial M22 de matrices de 2 x 2. Solucin: Se debe demostrar que U es cerrado bajo la adicin y la multiplicacin por un escalar. Considere los dos elementos de U siguientes.

Se tiene que

Observe que u + v es una matriz diagonal de 2 x 2 y, por lo tanto, un elemento de U. U es cerrado bajo la adicin. Ahora sea c un escalar. Se tiene entonces que

cu es una matriz diagonal de 2 x 2. As, U es cerrado bajo la multiplicacin por un escalar. U es un subespacio propio de M22. Ejemplo 6. Sea W el conjunto de vectores de la forma (a, a, a + 2).Demuestre que W no es un subespacio de R3. Solucin: Verificar si (0, 0, 0) se encuentra en W. Existe algn valor de a para el cual (a, a, a + 2) sea igual a (0, 0, 0)? Se iguala (a, a, a + 2) con (0, 0, 0) y entonces se tiene:

(a, a, a + 2) = (0, 0, 0) Al igualar los componentes correspondientes se tiene que a=2 y a+2=0 Este sistema de ecuaciones no tiene solucin. De esta manera, (0, 0, 0) no es un elemento de W. W no es un subespacio.

COMBINACIN LINEAL. En secciones anteriores se ha probado que todo vector v = (a, b, c) en R3 se puede escribir en la forma v = ai + bj +ck Debido a esto, se dice que el vector v es una combinacin lineal de los tres vectores i, j, k. Por lo tanto, de forma ms general, podemos definir lo siguiente:

DEFINICIN. Combinacin 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 llama una combinacin lineal de v1, v2, , vn. Ejemplo 1. El vector (5, 4, 2) es una combinacin lineal de los vectores (1, 2, 0), (3, 1, 4) y (1, 0, 3), ya que se puede expresar de la manera siguiente: (5, 4, 2) = (1, 2, 0) + 2(3, 1, 4) 2(1, 0, 3) El problema de determinar si un vector es una combinacin lineal de otros vectores se convierte en resolver un sistema de ecuaciones. Ejemplo 2. Exprese el vector (4, 4, 5) como una combinacin lineal de los vectores (1, 2, 3), (1, 1, 4) y (3, 3, 2). Solucin: Analice la siguiente identidad para los valores a1, a2, y a3. a1(1, 2, 3) + a2(1, 1, 4) + a3(3, 3, 2) = (4, 5, 5)

Se tiene que (a1, 2a1, 3a1) + (a2,a2, 4a2) + (3a3, 3a3, 2a3) = (4, 5, 5) (a1 a2 + 3a3, 2a1 + a2 + 3a3, 3a1 + 4a2 + 2a3) = (4, 5, 5) Al igualar los componentes se obtiene el siguiente sistema de ecuaciones lineales: a1 a2 + 3a3 = 4 2a1 + a2 + 3a3 = 5 3a1 + 4a2 + 2a3 = 5 Este sistema de ecuaciones tiene muchas soluciones, a1 = 2r + 3, a2 = r 1, a3 = r

Por lo tanto, el vector (4, 5, 5) se puede expresar de muchas formas como una combinacin lineal de los vectores (1, 2, 3), (1, 1, 4) y (3, 3, 2), (4, 5, 5) = (2r + 3) (1, 2, 3) + (r 1) (1, 1, 4) + r(3, 3, 2) Por ejemplo, si r = 3, entonces, (4, 5, 5) = 3(1, 2, 3) + 2(1, 1, 4) + 3(3, 3, 2) Ejemplo 3.

Determine si la matriz

es una combinacin lineal de las matrices

en el espacio vectorial M22 de las matrices de 2 x 2. Solucin: Analice la siguiente identidad

Pueden encontrase escalares a1, a2, y a3 para los cuales se cumpla esa identidad? Al aplicar las operaciones de adicin y multiplicacin por un escalar de matrices, se obtiene

Al igualar los elementos correspondientes, se obtiene el siguiente sistema de ecuaciones lineales, a1 + 2a2 = 1 3a2 + a3 = 7 2a1 + 2a3 = 8 a1 + 2a2 = 1 Se puede demostrar que este sistema tiene una solucin nica, a1 = 3, a2 = 2 y a3 = 1. La matriz dada es, por lo tanto, la siguiente combinacin lineal de las otras tres matrices,

Ejemplo 4. Combinaciones lineales de polinomios. Todo polinomio de grado n se puede escribir como una combinacin lineal de los monomios 1, x, x2, , xn. Conjunto generador. Definicin. Se dice que los vectores v1, v2, , vn en un espacio vectorial V generan a V si todo vector en V se puede escribir como una combinacin lineal ellos. Es decir, para todo v V, existen escalares a1, a2, , an tales que v = a1v1 + a2v2 + + anvn

DEPENDENCIA E INDEPENDENCIA LINEAL. Sean v1, v2, , vn, n vectores en un espacio vectorial V. Entonces se dice que los vectores son linealmente dependientes si existen n escalares c1, c2, , cn no todos cero tales que c1v1 + c2v2 + + cnvn = 0 Si los vectores no son linealmente dependientes, se dice que son linealmente independientes. Teorema Dos vectores v1 y v2 en un espacio vectorial son linealmente dependientes si y slo si uno es un mltiplo escalar del otro.

Ejemplo 1. Dos vectores linealmente dependientes en R3. Combinacin lineal en R3

El vector

es una combinacin lineal de los vectores

puesto que

Ejemplo 2.

Determine si los vectores independientes. Solucin: La ecuacin

son linealmente dependientes o

conduce al siguiente sistema homogneo c1 + 3c2 + 11c3 = 0 3 c1 6c3 = 0 4c2 + 12c3 = 0 Escribiendo el siguiente sistema en la forma de matriz aumentada y reduciendo por renglones, se obtiene

Es evidente que esto nos conduce a deducir que dicho sistema tiene un nmero infinito de soluciones. Si consideramos c3 = 1, se tiene c2 = 3 y c1 = 2, de manera que

Los vectores son linealmente dependientes.

INTERPRETACIN GEOMTRICA DE LA INDEPENDENCIA LINEAL EN R3. Suponga que se tienen tres vectores u, v y w linealmente independientes en R3, entonces existen constantes c1, c2 y c3, no todas cero, tales que c1u + c2v + c3w = 0 Suponga ahora que c3 0 (un resultado similar se cumple si c1 0 o c2 0). Entonces se pueden dividir ambos lados de la expresin anterior entre c3 y reordenar los trminos para obtener

donde A = c1/c3 y B = c2/c3. Ahora se calcula lo siguiente:

debido a que u y v son ambos ortogonales a u x v. Ahora sea n = u x v. Si ocurre que n = 0, entonces u y v son paralelos (y colineales). De esta forma, u, v y w estn en cualquier plano que contiene tanto a u como a v y por lo tanto son coplanares. Si n 0, entonces u y v estn en el plano que consiste en aquellos vectores que pasan por el origen que son ortogonales a n. Pero w est en el mismo plano porque w n = w (u x v) = 0. Esto muestra que u, v, y w son coplanares. Por lo que, si u, v y w son coplanares, entonces son linealmente independientes. Se concluye que Tres vectores en R3 son linealmente dependientes si y slo si son coplanares.

Figura 1. Estos tres vectores son independientes y no coplanares.

Figura 2. Estos tres vectores son dependientes y coplanares.

BASES Y DIMENSIN.

Se dice que una recta tiene una dimensin y que un plano tiene dos dimensiones. En esta seccin se dar la definicin matemtica de dimensin a partir de los conceptos de conjunto generador e independencia lineal. BASE Un conjunto finito de vectores (v1, v2, , vn) es una base para un espacio vectorial V si 1. { v1, v2, , vn } es linealmente independiente. 2. { v1, v2, , vn } genera V. DEFINICIN El conjunto de n vectores e que se define como

es una base para Rn. Esta base recibe el nombre de base cannica para Rn. Ejemplo 1. Demuestre que el conjunto {(1, 0, 1), (1, 1, 1), (1, 2, 4)} es una base para R3. Solucin: Sea (x1, x2, x3) un elemento cualquiera de R3, se buscan escalares a1, a2 y a3, tales que (x1, x2, x3) = a1(1, 0, 1) + a2(1, 1, 1) + a3(1, 2, 4) Esta igualdad lleva al siguiente sistema de ecuaciones a1 + a2 + a3 = x1 a2 + 2a3 = x2 a1 + a2 + 4a3 = x3 Este sistema de ecuaciones tiene la solucin a1 = 2x1 3x2 + x3, a2 = 2x1 + 5x2 2x3 , a3 = x1 2x2 + x3 As, el conjunto genera el espacio. Ahora se demuestra que el conjunto es linealmente independiente. Considere la siguiente

igualdad b1(1, 0, 1) + b2(1, 1, 1) + b3(1, 2, 4) = (0, 0, 0) Esto da como resultado el siguiente sistema de ecuaciones b1 + b2 + b3 = 0 b2 + 2b3 = 0 b1 + b2 + 4b3 = 0 Este sistema tiene una solucin nica, b1 = 0, b2 = 0 y b3 = 0. Por lo tanto, el conjunto es linealmente independiente. Se ha demostrado que el conjunto {(1, 0, 1), (1, 1, 1), (1, 2, 4)} genera a R3 y es linealmente independiente. Por lo tanto, es una base para R3. Teorema Si {v1, v2, , vn} es una base para V y si v V, entonces existe un conjunto nico de escalares c1, c2, , cn tales que c1v1 + c2v2 + + cnvn Teorema Si {u1, u2, , um} y {v1, v2, , vn} son bases para un espacio vectorial V, entonces m = n; es decir, cualesquiera dos bases en un espacio vectorial V tienen el mismo nmero de vectores. DIMENSIN Definicin. Si un espacio vectorial V tiene una base que consta de n vectores, entonces la dimensin de V es n, que se denota como dim(V). El conjunto de n vectores

constituye una base (la base cannica) de Rn. Por lo que la dimensin de Rn es n. dimRn = n Note que se ha definido una base para un espacio vectorial como un conjunto finito de vectores que genera el espacio y es linealmente independiente. Dicho conjunto no existe

para todos los espacios vectoriales. Cuando este conjunto finito existe, se dice que el espacio vectorial es de dimensin finita. Si el conjunto no existe, se dice que el espacio vectorial es de dimensin infinita.

Ejemplo 1. La dimensin de Mmn En Mmn sea Aij la matriz de m x n con un uno en la posicin ij y cero en otra parte. Es sencillo demostrar que las matrices Aij para i = 1, 2, , m y j = 1, 2, , n forman una base para Mmn. As dim(Mmn) = mn. Ejemplo 2. Considere el conjunto {(1, 2, 3), (2, 4, 1)} de vectores en R3. Estos vectores generan un subespacio V de R3 que consta de todos los vectores de la forma v = c1(1, 2, 3) + c2(2, 4, 1) Los vectores (1, 2, 3) y (2, 4, 1) generan este subespacio. Adems, ya que el segundo vector no es mltiplo escalar del primer, los vectores son linealmente independientes. Por consiguiente, {(1, 2, 3), (2, 4, 1)} constituye una base para V. Por lo tanto, dim(V) = 2 Se sabe que V es, de hecho, un plano que pasa por origen. TEOREMA 1. El origen es un subespacio de R3. La dimensin de este subespacio es cero. 2. Los subespacios de una dimensin en R3 son rectas que pasan por el origen. 3. Los subespacios de dos dimensiones de R3 son planos que pasan por el origen. TEOREMA Cualesquiera n vectores linealmente independientes en un espacio vectorial V de dimensin n constituyen una base para V. Ejemplo 1. Considere el espacio vectorial M22 de matrices de 2 x 2. Las matrices

Generan M22 y son linealmente independientes. Por consiguiente, constituyen una base para M22. La dimensin del espacio vectorial M22 es 4. Asimismo, la dimensin del espacio vectorial Mmn es mn.

Ejemplo 2 Considere el espacio vectorial de polinomios de grado 2, P2. Las funciones x2, x y 1 generan P2 ya que cualquier polinomio ax2 + bx + c se puede expresar de la siguiente manera: ax2 + bx + c = a(x2) + b(x) + c(1) x2, x y 1 son linealmente independientes ya que ax2 + bx + c = 0 {x2, x, 1} constituye, por lo tanto, una base para P2. La dimensin del espacio vectorial P2 es 3. De la misma forma, el conjunto {xn, xn-1,, x, 1} es una base para Pn, cuya dimensin es n + 1. Esta base recibe el nombre de base cannica para Pn. Ejemplo 3 Determine (con una breve explicacin) si los enunciados siguientes son verdaderos o falsos. 1. Los vectores (1, 2), (1, 3) y (5, 2) son linealmente dependientes en R2. 2. Los vectores (1, 0, 0), (0, 2, 0) y (1, 2, 0) generan a R3. 3. {(1, 0, 2), (0, 1, 3) constituye una base para el subespacio de R3 que consta de los vectores (a, b, 2a 3b). 4. Cualquier conjunto de dos vectores se puede utilizar para generar un subespacio de dos dimensiones de R3. Solucin: 1. Verdadero: la dimensin de R2 es dos. Por consiguiente, tres vectores cualesquiera son linealmente independientes. 2. Falso: los tres vectores son linealmente dependientes. Por lo tanto, no pueden generar un espacio de tres dimensiones. 3. Verdadero: los vectores generan el subespacio, ya que (a, b, 2a 3b) = a(1, 0, 2) + b(0, 1, 3) Los vectores tambin son linealmente independientes porque no son colineales. 1. Falso: los dos vectores deben ser linealmente independientes.

Ejemplo 4.

Una base para el espacio de solucin de un sistema homogneo. Encuentre una base (y la dimensin) para el espacio de solucin S del sistema homogneo x + 2y z = 0 2x y + 3z = 0 Solucin:

Aqu . Como A es una matriz de 2 x 3, S es un subespacio de R3. Reduciendo por renglones, se encuentra, sucesivamente,

Entonces y = z y x = z, de manera que todas las soluciones son de la forma

As, es una base para S y dim (S) = 1. Observe que S es el conjunto de vectores que estn en la recta x = t, y = t y z = t.

BASES ORTOGONALES Y ORTONORMALES. En Rn se vio que n vectores linealmente independientes constituyen una base. La de uso ms comn es la base cannica E = {e1, e2, , en}. Estos vectores tienen dos propiedades: 1. ei ej = 0 2. ei ei = 1 si i j

DEFINICIN. Conjunto ortonormal en Rn. Se dice que un conjunto de vectores S = {u1, u2, , uk} en Rn es un conjunto ortonormal si (1) ui uj = 0 si i j (2) ui ui = 1 Si slo se satisface la ecuacin (1), se dice que el conjunto es ortogonal. Ejemplo 1. Demuestre que el conjunto conjunto ortonormal. Solucin: Primero se demuestra que cada para de vectores del conjunto es ortogonal. es un

As, los vectores son mutuamente ortogonales. Resta mostrar que cada vector es unitario. Se tiene que

TEOREMA Si S = {v1, v2, , vk} es un conjunto ortogonal de vectores diferentes de cero, entonces S es linealmente independiente.

TRANSFORMACIN LINEAL Antes de entrar a la definicin de una transformacin lineal se muestran el siguiente ejemplo. Ejemplo 1. Reflexin respecto al eje x.

En R2 se define una funcin T mediante la frmula toma un vector en R2 y lo refleja respecto al eje x.

. Geomtricamente, T

Fig 3. El vector (x, -y) es la reflexin respecto al eje x del vector (x, y)

Definicin Transformacin lineal. Sean V y W espacios vectoriales reales. Una transformacin lineal T de V en W es una funcin que asigna a cada vector v V un vector nico Tv W y que satisface, para cada u y v en V y cada escalar , T(u + v) = Tu + Tv y T(v) = Tv Notas sobre la notacin. 1. Se escribe T:VW para indicar que T toma el espacio vectorial V y lo lleva al espacio vectorial real W; esto es, T es una funcin con V como su dominio y un subconjunto de W como su imagen. 2. Se escriben indistintamente Tv y T(v). Denotan lo mismo; las dos se leen T de v. Esto es anlogo a la notacin funcional f(x), que se lee f de x. Ejemplo 1 Una transformacin lineal de R2 en R3. Sea T: R2R3 definida por

Por ejemplo

. Entonces

Pero

As

De manera similar

As, T es una transformacin lineal.

Ejemplo 2. Transformacin de reflexin. Sea T: R2R2 definida por

Es sencillo verificar que T es lineal. Geomtricamente, T toma un vector en R2 y lo refleja respecto al eje y.

I.Q. MGTVE

Combinacin Lineal y dependencia lineal

Combinacin Lineal Un vector w se denomina combinacin lineal de los vectores v1, v2,.vn Si se puede expresar de la forma W = k1 v1 + k2 v2 + k3 v3 +.+ kn vn donde k1 , k2 k3 kn son escalares. Este conjunto de vectores se denota como gen S gen ={ v1 , v2 ,v3 . vn } Ejemplo 1.-Todo vector v={a, b, c } en R3 se puede expresar como una combinacin de los vectores estndar bsicos i=(1,0,0) , j=(0,1,0) , k=(0,0,1) v= (a, b, c) = a (1,0,0) + b (0,1,0) + c (0,0,1) = ai + bj +ck 2.- Considerar los vectores u=(1,2,-1), y v=(6,4,2) en R3. Demostrar que w=(9,2,7) es una combinacin lineal de u y v, y que w=(4,-1,8) no lo es.

Hay que encontrar los escalares que satisfacen la ecuacin siguiente: W= k1 u + k2 v 1. (9,2,7)= k1 (1,2,-1) + k2 (6,4,2)

(9,2,7)= (1 k1, 2 k1,-1k1) + (6 k2 ,4 k2 ,2 k2 ) Igualando

9= k1 +6k2 2= 2k1 +4k2 7 = -k1 +2k2 Resolviendo el sistema k1 = -3 k2 = 2 La respuesta es: W= -3 u +3 v (4,-1,8)= k1 (1,2,-1) + k2 (6,4,2)

(4,-1,8)= (1 k1, 2 k1,-1k1) + (6 k2 ,4 k2 ,2 k2 ) Igualando

4= k1 +6k2 -1= 2k1 +4k2 8= -k1 +2k2 1. Resolviendo el sistema se llega a la conclusin que es inconsistente, por lo tanto no es combinacin lineal. Ejercicio 1.-Determinar si el vector v pertenece a gen = { v1 v2,v3} donde V1=(1,0.0,1) v2=(1,-1,0.0) v3=(0,1,2,2) V=(-1,4,2,2) V =(1,2,01) V=(-1,1,4,3) V=(0.1.10)

1. 2. 3. 4.

2.- Cual de los siguientes vectores son combinacin lineales de 1. Resolviendo el sistema se llega a la conclusin que es inconsistente, por lo tanto no es combinacin lineal. Ejercicio 1.-Determinar si el vector v pertenece a gen = { v1 v2,v3} donde V1=(1,0.0,1) v2=(1,-1,0.0) v3=(0,1,2,2) V=(-1,4,2,2) V =(1,2,01) V=(-1,1,4,3) V=(0.1.10)

1. 2. 3. 4.

2.- Cual de los siguientes vectores son combinacin lineales de

Independencia Lineal. Los vectores v1, v2, ..vn de un espacio vectorial son linealmente dependientes si existen constantes c1, c2,..cn no todas iguales a cero que satisfagan la siguiente expresin (son dependientes si aparte del cero hay otras respuestas, se recuerda que el sistema de ecuaciones generado en esta ocasin es homogneo): C1 v1 + c 2v2+cn vn =0 En caso contrario se dice que v1, v2, ..vn son linealmente independientes. Es decir que se debe cumplir la ecuacin anterior y los valores de c1 = c2=.=.cn=0. La nica posibilidad de combinacin lineal de ellos es que sean iguales a cero. Ejemplo: Determinar si los vectores (-1,1,0,0) y (-2,0,1,1) son linealmente independientes entre si. Formando la ecuacin C1 (-1,1,0,0) + c2 (-2,0,1,1)=(0,0,0,0) -c1 -2c2 =0 C1+ 0c2 =0 C2=0 C2=0 La nica solucin de este sistema es c1 = c2=0 Otro mtodo para resolver este tipo de ejercicios es el siguiente: Cada vector es una fila de una matriz a la cual se le escalonar por eliminacin gaussiana. Retomando el ejemplo anterior

-2f1 +f2 f2

Se puede llegar a la conclusin que son linealmente independientes, ya que se pudo escalonar la matriz. De caso contrario que una de las filas de la matriz se anulara la conclusin sera dependencia lineal. 2.- Considerando los vectores p1 (t)= t2 + t + 2 p2 (t)= 2t2 + t p3 (t)= 3t2 + 2t + 2 son linealmente independientes o no

Como se anul la tercera fila esto indica dependencia lineal entre los vectores. Nota: este espacio vectorial se refiere a polinomios de segundo orden, donde se deben agrupar por el grado, es decir lineales con lineales, independientes con independientes y los elementos que no encuentran presentes se les deben colocar cero (0).

Problemas resueltos de vectores 1

Expresa el vector = (1, 2, 3) como combinacin lineal de los vectores: = (1, 1, 0) y = (0, 1, 1). = (1, 0, 1),

Sumamos miembro a miembro las tres ecuaciones y a la ecuacin obtenida se le resta cada una de las ecuaciones.

Por sustitucin:

Por reduccin:

Grficamente:

1
Por sustitucin:

Por igualacin:

Por reduccin:

Grficamente:

INTEGRALES POR EL METODO

1

10

Integracin por sustitucin

En muchas ocasiones, cuando la integracin directa no es tan obvia, es posible resolver la integral simplemente con hacer un cambio de variable adecuado; este procedimiento se conoce como integracin por sustitucin. Ejercicios resueltos En los siguientes ejercicios realice la integral que se indica:

S o l u c i o n e s 1. Solucin:

2. Solucin:

3. Solucin:

4. Solucin:

5. Solucin:

6. Solucin:

7. Solucin:

8. Solucin:

9. Solucin:

10. Solucin:

11. Solucin:

12. Solucin:

13. Solucin:

14. Solucin:

15. Solucin:

16. Solucin:

17. Solucin:

18. Solucin:

19. Solucin: