Sei sulla pagina 1di 11

LGEBRA LINEAL. Prof. Ing. Sergio Ruvalcaba Morales 3.- Espacios vectoriales con producto escalar.

En muchas aplicaciones fsicas aparecen ciertas cantidades, como puede ser la temperatura, velocidad, aceleracin, altura, peso, etc. Estas cantidades poseen nicamente magnitud, es decir, pueden ser representadas por un nmero real, ya sea positivo o negativo, a este nmero real lo llamaremos escalar. Pero tambin existen en aplicaciones fsicas fenmenos que poseen magnitud y direccin, a estos los llamaremos vectores y los representaremos por flechas que tienen un origen y componentes. Un vector que este en un plano tiene dos 2 componentes y diremos que esta en el espacio vectorial R , pero si el vector tienen tres 3 componentes entonces esta en el espacio vectorial R . De esta manera podemos decir que existe n infinidad de espacios vectoriales que queramos definir, as el espacio vectorial n se representa R
n

.
n

Un vector en el espacio R lo podemos escribir como:

v = (v1, v2, vn)


Los reales (v1, v2, vn) representan las componentes o coordenadas del vector. Ejemplos: Los siguientes vectores estn en el espacio R (2, 6) (3x, -8) (1, -1/2) (x, y)
2

A veces los vectores de un espacio se escriben como columnas en lugar de renglones. A estos vectores se les denomina vectores columna. [ ] [ ]

Dos vectores son iguales si pertenecen al mismo espacio vectorial y sus componentes son iguales: Ejemplo: Determinar los valores de x y de y, para que los siguientes vectores sean iguales: (3, 8); (4, 2, 3); (x+y, 2x+3y); (5x-y; 4x+2y)

(x-y, x+y, z-1)

SUMA DE VECTORES Y PRODUCTO POR UN ESCALAR Sean los vectores u y v en el espacio R : U= (U1, U2,, Un) y V= (V1, V2,, Vn)
n

La suma de U y V, es el vector obtenido sumando las componentes correspondientes de stos: U + V = (U1+V1, U2+V2,, Un+Vn)

El producto de un escalar real k por el vector U, es el vector obtenido multiplicando cada componente de U por k: kU = (kU1, kU2,, kUn)

Definicin: Espacio Vectorial Real. Un espacio vectorial real V es un conjunto de objetos llamados vectores, que cumplen con dos tipos de operaciones suma y multiplicacin por un escalar y satisfacen diez axiomas.

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 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 (el 0 se llama vector cero o idntico aditivo) 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 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 (primera 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 (el 1 se llama idntico multiplicativo)

PRODUCTO ESCALAR DE DOS VECTORES Sean u y v dos vectores de R


n

u = (u1, u2,..., un) y v = (v1, v2,, vn) El producto escalar o interno de u y v denotado por u v, es el escalar obtenido multiplicando las componentes correspondientes de los vectores y sumando los productos resultantes: u v = u1v2+ u2v2++unvn Cuando el producto escalar de dos vectores sea cero, entonces los vectores son ortogonales o perpendiculares: Ejemplo: Sean los vectores u = (1, -2, 3, -4); v = (6, 7, 1, -2) y w = (5, -4, 5, 7) u v = 1(6)+(-2)(7)+3(1)+(-4)(-2)= 3

v w = 6(5)+(7)(-4)+1(5)+(-2)(7)= -7

u w = 1(5)+(-2)(-4)+3(5)+(-4)(7)= 0

Los vectores u y w son ortogonales.

MAGNITUD DE UN VECTOR Sea u = (u1, u2,..., un) un vector de R la magnitud del vector u se define como la raz cuadrada de la suma de sus componentes al cuadrado y se escribe | u |: | | Un vector unitario es cuando | u | = 1 Cuando un vector se normaliza se convierte en un vector unitario: | | | |
n

Ejemplo: Para los vectores u = (5, -3, 2, -2); v = (2, 4, 4, -2) y w = (1, -4, 2, 7), realiza las siguientes operaciones: uv; vw; uw; |u |; |v | ; |w|; ; ;

3.1.- Subespacios vectoriales y variables lineales. Definicin de Subespacio: 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.

REGLAS DE LOS SUBESPACIOS

1.- Si x H y y

H, entonces x+y

H (cerradura bajo la suma)

2.- Si x H y es un escalar, entonces x escalar)

H (cerradura bajo la multiplicacin por un

Ejemplo: Sea W el plano xy en R consistente en aquellos vectores cuya tercera componente es 0; en otras palabras W = {(a, b, 0): a, b R}. Determinar si los vectores: u = (a, b, 0); v = (c, d, 0) son subespacios de W. u + v = (a+c, b+d, 0) y (k)u = (ka, kb, 0)

Se cumplen las dos reglas por lo tanto si es un subespacio de W. Sea u = (x, y) en R consistente en que todos los puntos son del primer cuadrante; en otras palabras u = {(x, y): x, y >= 0}. Determinar si los vectores:
2

u = (3, 4); v = (1, 2) son subespacios de W. u + v = (4, 6) y (-2)u = (-6, -8)

No son subespacios cuando el escalar es menor que cero, porque el vector cambia al cuarto cuadrante. Los vectores unitarios de los ejes ortogonales de un espacio R son: Eje x i = (1, 0, 0) 3.2.- Combinaciones lineales. Un vector u = (a, b, c) en un espacio R se puede escribir en la forma u = ai+ bj+ ck , en este caso se dice que u es una combinacin lineal de los tres vectores i, j y k. De manera general, se tiene la siguiente definicin.
3 3

Eje y j = (0, 1, 0)

Eje z k = (0, 0, 1)

Definicin de Combinacin Lineal: Sean u1, u2,..., un vectores en un espacio V. Entonces cualquier vector de la forma: a1u1+ a2u2++anun Se llama una combinacin lineal de u1, u2,..., un Donde a1, a2,..., an son escalares.

Ejemplo: Demostrar que el vector u en el espacio de R es una combinacin lineal de los vectores u1 y u2 [ ]

Ejemplo: Una combinacin lineal de una matriz de 2x3 (M23 ) [ ] [ ] [ ]

INDEPENCENCIA LINEAL.

Dependencia e independencia lineal: Sean u1, u2,..., un vectores en un espacio V. Entonces se dice que los vectores son linealmente dependientes si existen n escalares a1, a2,..., an no todos cero tales que: a1u1+ a2u2++anun = 0 Si los vectores no son linealmente dependientes, se dice que son linealmente independientes. Nota: cuando los escalares a1, a2,...,an sean todos iguales a cero, los vectores sern linealmente independientes.

Ejemplos: Determinar si los siguientes espacios vectoriales son dependientes o linealmente independientes:

Es linealmente dependiente [ ] [ ]

Es linealmente independiente

Es linealmente dependiente [ ] [ ] [ ]

Es linealmente dependiente Ejemplo: Determinar si los tres vectores son dependientes o linealmente independientes. Recordar que el sistema ser linealmente dependiente, si tiene soluciones no triviales. [ ] [ ] [ ]

Solucin.- Los vectores tiene solucin trivial por lo tanto es linealmente independiente. Ejemplo: Determinar si los tres vectores son dependientes o linealmente independientes. Recordar que el sistema de vectores ser linealmente dependiente si tiene soluciones no triviales. [ ] [ ] [ ]

Solucin.- El sistema no tiene solucin trivial por lo tanto es linealmente dependiente.

3.3.- Base vectorial.

Base: Un conjunto infinito de vectores {u1, u2,..., un } es una base para un espacio vectorial V si: a) {u1, u2,..., un } es linealmente independiente.

b)

{u1, u2,..., un } genera a V.

Ejemplo.- Demostrar que el espacio vectorial M23 de todas las matrices de 2x3, formado por las seis matrices siguientes forman una base. [ ] [ ] [ ] [ ] [ ] [ ]

Cumple las dos reglas anteriores. a) Las matrices estn en su forma cannica, al formar la combinacin lineal se

presenta la solucin trivial es decir que todos los escalares de la combinacin lineal son cero. b) La combinacin lineal genera un espacio vectorial de matrices 2x3

Es decir las seis matrices forman una base de M23 Ejemplo.- Demuestre que el espacio vectorial de cuatro los vectores forman una base , , , , , , , , , -

Formando el sistema de ecuaciones de la combinacin lineal queda:

Del sistema de ecuaciones se obtiene que los escalares son iguales a cero, por lo tanto son 4 linealmente independientes. El sistema es dimensin 4 dim R y los vectores constituyen una 4 base de R . Otra forma de analizar el ejemplo anterior es la siguiente: Los vectores en R generan un espacio vectorial en R si su determinante es cero.
4 4

Y por lo tanto son linealmente independientes. Como conclusin podemos decir que si el determinante es diferente de cero, entonces los vectores son linealmente independientes.

Ejemplo.- Consideremos el espacio vectorial de tres vectores , Calculando el determinante queda Ejemplo.- consideremos el espacio vectorial de cuatro vectores [ ] ( ) ( )( ) ( ) , , -

Por lo tanto es linealmente independiente.

INVERSA DE UNA MATRIZ Sea la matriz A que cumple la ecuacin Ax = b, la inversa de la matriz A es A , y cumple la -1 relacin x = A b Clculo de una matriz inversa:
-1

-3R1+R2

R2/12

2R2+R1

y=3

| |

la matriz inversa de A es [

] y los valores de las variables son x= 2 y

Cuando una matriz es inversa de otra se debe cumplir:

A A-1 = I donde I es la matriz identidad.

Comprobacin: [ ][ ] [ ]

Ejemplos: Encontrar la matriz inversa y desarrollar la comprobacin: [ ] [ ] [ ] [ ]

Teorema: Si el determinante de una matriz es cero, entonces la matriz no tiene inversa. Pero si el determinante es diferente de cero la matriz en invertible.

Ejemplos Calcular los determinantes de las matrices anteriores.

Teorema: Si A y B son matrices invertibles de n x m, entonces tambin es AB, y el inverso de AB es el producto de los inversos de A y B en el orden opuesto. Esto es: (AB) = B A
-1 -1 -1

Ejemplo.- Comprobar el teorema con las matrices anteriores.


T T

Teorema: Si A es una matriz invertible, tambin lo es su A (transpuesta) y el inverso de A es -1 la transpuesta de A . Esto es: (A ) = (A )
T -1 -1 T

Ejemplo.- Comprobar el teorema con las matrices anteriores.

3.4.- Dimensin de un espacio vectorial. Los espacios vectoriales pueden clasificarse de acuerdo a su dimensin. Dimensin cero. Slo es el vector cero (0, 0, 0) Dimensin uno. Cualquier sub-espacio generado por un nico vector distinto de cero. Tales sub-espacios son lneas que pasan por el origen. (5, 3, 0) Dimensin dos. Cualquier sub-espacio generado por dos vectores linealmente independientes. Estos vectores generaran un plano que pase por el origen. (4, 1, 0) (0, 2, 6) Dimensin tres. Son tres vectores linealmente independientes en R que generan volumen. (2, 2, 0) (0, 4, 6) (6, 0, 6).
3

Si un espacio vectorial V tiene una base {u1, u2,..., un}, entonces cualquier conjunto que contenga ms de n vectores debe ser linealmente dependiente. Dicho de otra manera, la base {u1, u2,..., un}, de un espacio vectorial que contenga exactamente n vectores, necesariamente estos vectores son linealmente independientes. La dimensin de un espacio vectorial debe ser igual al nmero n de vectores que forman la base.

Ejemplo.- Determinar si los vectores (1, 1, 1), (1, 2, 3) y (2, -1, 1) constituyen una base del 3 espacio vectorial R . Solucin.- Los tres vectores forman una base si y slo si son linealmente independientes. Para demostrarlo formaremos el sistema de ecuaciones y determinaremos los valores de a, b y c.

La matriz a queda: [ ] [ ] [ ]

De esto se puede deducir que a=0, b=0 y c=0, luego los tres vectores son linealmente 3 independientes en consecuencia forman una base de R . Otra forma de hacerlos es calculando el determinante de la matriz A [ ] ( ) ( )( ) ( )

Como el determinante es diferente de cero por lo tanto, los tres vectores son linealmente independientes. Ejemplo.- Determinar si los vectores (1, 1, 1, 1), (1, 2, 3, 2) (2, 5, 6, 4) y (2, 6, 8, 5) forman una 4 base del espacio vectorial R . Solucin.- Los cuatro vectores forman una base si y slo si son linealmente independientes. Para demostrarlo formaremos el sistema de ecuaciones y determinaremos los valores de a, b, c y d.

La matriz a queda:

De esto se puede deducir que a, b, c y d tienen una infinidad de soluciones, por lo tanto los 4 cuatro vectores son linealmente dependientes en consecuencia no forman una base de R . La dimensin es dimW = 3. Otra forma de hacerlo es calculando el determinante de la matriz A

* [ ]

El determinante es cero, por lo tanto, los tres vectores son linealmente dependientes y no 4 forman una base de R . Ejemplo.- Sea V el espacio vectorial de las matrices reales 2 x 2. Determinar si las matrices siguientes constituyen una base de V. [ ] [ ] [ ] [ ]

Las matrices la podemos escribir como vectores A =(1, 1, 0, 0), B = (0, 1, 1, 0), C = (0, 0, 1, 1) y (0, 0, 0, 1)

La matriz a queda: [

De esto se puede deducir que a = b = c = d = 0, por lo tanto los cuatro vectores son linealmente 4 independientes en consecuencia forman una base de R . Otra forma de hacerlo es calculando el determinante de la matriz A

* [ ]

El determinante es diferente de cero, por lo tanto, los tres vectores son linealmente 4 independientes y forman una base de R .

BIBLIOGRAFA. Stanley I. Grossman. lgebra lineal. Mc Graw-Hill. Quinta Edicin Seymour Lipschutz. Algebra lineal. Serie Schaum. McGraw-Hill. Segunda Edicin. David C. Lay. lgebra Lineal y sus aplicaciones. Pearson Addison Wesley. Tercera Edicin.