Sei sulla pagina 1di 6

2018

Espacios vectoriales

Ingeniería Electromecánica
Mg. Edwin Homero Moreano Martínez
22/11/2018
UNIVERSIDAD TÉCNICA DE COTOPAXI
UNIVERSIDAD TÉCNICA DE COTOPAXI
Facultad-Ciya
Ingeniería Electromecánica

Mg. Edwin Homero Moreano Martínez

Integrantes:
Andrés Palma
Bryan Cela
Tema:
Definición y aplicación de espacios y subespacios vectoriales
Ob.General:
- Adquirir los conceptos esenciales que se requiere para la aplicación de espacios vectoriales
- Aplicando el concepto de espacios vectoriales tanto en el área de matemáticas como matrices,
funciones y propiedades
Ob. especifico.
- Operar con espacios vectoriales para poder realizar un trabajo más fácilmente
- Utilizar la notación y simbología matemática correctamente.
Resumen:
En álgebra abstracta, un espacio vectorial es una estructura algebraica creada a partir de un conjunto no
vacío, una operación interna llamada suma, definida para los elementos del conjunto y una operación
externa llamada producto por un escalar, definida entre dicho conjunto y otro conjunto, con estructura
de cuerpo , donde el escalar es un elemento del cuerpo, con 8 propiedades fundamentales.
A los elementos de un espacio vectorial se les llama vectores y a los elementos del cuerpo, escalares El
álgebra lineal es la rama de las matemáticas que estudia conceptos tales como vectores, matrices, sistemas
de ecuaciones lineales, espacios vectoriales, tiene conexiones con muchas áreas dentro y fuera de las
matemáticas como análisis funcional, ecuaciones de diferencias, investigación de operaciones
.Estudiando los conceptos relacionados con el álgebra lineal, como para el cálculo matricial, manejo de
vectores, combinaciones lineales, productos escalares y otros conceptos como la proyección en R (2)
Euclides R (3) y los giros en Y como sea representada el término.
UNIVERSIDAD TÉCNICA DE COTOPAXI

Espacios y subespacios Observación: En la definición anterior, cuando


decimos “escalares” nos estamos refiriendo a
vectoriales números reales. En este caso, se dice que VV es
En las unidades anteriores vimos que el álgebra un espacio vectorial real.
de vectores y el matrices presentan similitudes. También es posible que los escalares
Pudimos observar que las propiedades de la pertenezcan a otro conjunto numérico, por
suma (de vectores o de matrices) y del producto ejemplo los números complejos con los cuales
por un escalar son idénticas en ambos trabajaremos en la última unidad.
conjuntos. Ejemplo 1
En esta unidad, generalizaremos el concepto De acuerdo con las propiedades que vimos en la
de vector a partir de estas propiedades en primera unidad, podemos afirmar que R3R3 es
común que hemos señalado para vectores un espacio vectorial.
geométricos y matrices. Los espacios RnRn , con n≥1n≥1 , son los
Tabla de contenidos [mostrar] ejemplos principales de espacios vectoriales. La
Definición de espacio vectorial intuición geométrica desarrollada
Un espacio vectorial es un conjunto no para R3R3 nos ayudará a entender y visualizar
vacío VV de objetos, llamados vectores, en el muchos conceptos de esta unidad.
que se han definido dos operaciones: la suma y Los vectores de RnRn son n-uplas de números
el producto por un escalar (número real) sujetas reales, o sea:
a los diez axiomas que se dan a continuación. Rn={(x1,x2,…,xn),conxi∈R}Rn={(x1,x2,…,xn
Los axiomas deben ser válidos para todos los ),conxi∈R}
vectores uu, vv y ww en VV y todos los En RnRn , la suma de vectores y el producto
escalares αα y ββreales. por un escalar se definen así:
Llamamos u+vu+v a la suma de vectores Sean u=(u1,u2,…,un)yv=(v1,v2,…vn)∈Rnu=(u
en VV, y αvαv al producto de un número 1,u2,…,un)yv=(v1,v2,…vn)∈Rn
real αα por un vector v∈Vv∈V. u+v=(u1+v1,u2+v2,…,un+vn)∈Rnu+v=(u1+v1
1. u+v∈Vu+v∈V ,u2+v2,…,un+vn)∈Rn
2. u+v=v+uu+v=v+u αv=(αv1,αv2,…,αvn)∈Rnαv=(αv1,αv2,…,αvn)
3. (u+v)+w=u+(v+w)(u+v)+w=u+(v+w)
∈Rn
4. Existe un vector nulo 0V∈V0V∈V tal Puede comprobarse que las operaciones
que v+0V=vv+0V=v definidas verifican los axiomas de espacio
5. Para cada vv en VV, existe un opuesto (– vectorial.
v)∈V(–v)∈V tal que v+(–v)=0Vv+(–v)=0V
6. αv∈Vαv∈V
7. α(u+v)=αu+αvα(u+v)=αu+αv
Subespacios vectoriales
8. (α+β)v=αv+βv(α+β)v=αv+βv
9. α(βv)=(αβ)vα(βv)=(αβ)v Definición
10. 1v=v1v=v Sea VV un espacio vectorial y WW un
subconjunto no vacío de VV.
UNIVERSIDAD TÉCNICA DE COTOPAXI
WW es un subes pació de VV si WW es en sí entonces u+vu+v está en WW.
mismo un espacio vectorial con las mismas c. Si uu está en WW y kk es un
operaciones (suma de vectores y producto por escalar, kuku está en WW.
un escalar) definidas en VV.
Ejemplo ANALISIS Y RESULTADOS
W={(x1,x2)∈R2:x2=3x1}W={(x1,x2)∈R2:x2=
3x1} ¿es un subes pació de R2R2? Para estos se abordaran 4 módulos
El módulo 1 aborda las matrices y sus
propiedades, las determinantes y los sistemas
Primero analicemos el conjunto WW. Son de ecuaciones lineales; las matrices y las
todos vectores de R2R2 tales que la segunda determinantes servirán de elementos para
componente es el triple de la primera: establecer los métodos y criterios de solución
(x1,3x1)=x1(1,3)(x1,3x1)=x1(1,3) de los sistemas de ecuaciones lineales.
WW es la recta que pasa por el origen y tiene El módulo 2 aborda el concepto del vector, sus
vector director (1,3), o sea la recta de ecuación propiedades y los conceptos de espacios
y = 3x. vectoriales subespacios de dependencia e
Para decidir si WW es un subes pació independencia lineal, base, dimensión,
de R2R2 habría que verificar que se cumplen coordenadas y cambia sus elementos
los axiomas del 1 al 10. El lector puede propiedades e interrelaciones entre sus
comprobar que todos se cumplen en este caso. elementos.
Pero en general no es necesario verificar los El módulo 3 aborda la definición de
axiomas porque existe un criterio sencillo para transformación lineal, e núcleo e imagen de una
determinar si un subconjunto WW de un transformación lineal y la matriz de una
espacio vectorial VV es un subes pació, es el transformación lineal.
que sigue. El módulo 4 aborda el cálculo de valores y
Condiciones necesarias y suficientes para vectores propias, diagonalizacion de matrices
caracterizar subespacios simétricas.
Los módulos 2, 3 y 4 representan la parte de
Sea WW un subconjunto de un espacio mayor abstracción del curso, por tanto se
vectorial VV (W⊆V)(W⊆V). requiere un estudio más cuidadoso por parte del
WW es subes pació de VV si y sólo si se ejercicio planteado.
cumplen las siguientes condiciones:
a. 0V0V está en WW.
b. Si uu y vv están en WW,
UNIVERSIDAD TÉCNICA DE COTOPAXI

ANEXOS:

CONCLUSIONES:
 Después de estos ejemplos podemos resumir cuales son los diferentes tipos de subespacios
de R2R2 y R3R3
 Podemos llegar a la conclusión que el álgebra lineal está en todas las carreras donde usemos
métodos de solución de sistemas de ecuaciones lineales representadas por espacios vectoriales

BIBLIOGRAFIA:
 https://www.youtube.com/watch?v=JuquJNASbrc
 https://www.google.com.ec/search?biw=1200&bih=741&tbm=isch&sa=1&ei=WQErW5yWArKB5wK
Ln5f4Bw&q=transformaciones+lineales
 https://aga.frba.utn.edu.ar/matriz-asociada-a-una-transformacion-lineal/
 https://prezi.com/fwjl26arasjt/aplicaciones-del-algebra-lineal-en-la-electronica/
UNIVERSIDAD TÉCNICA DE COTOPAXI