Diapositiva

ALGEBRA LINEAL
UNIDAD 4 Y 5 ING.
PETROLERA
2° “P”
EQUIPO
NO.1
 INTEGRANTES: RUBEN ANTONIO SUAREZ CORTES
LA VENTA, HUIMANGUILLO TABASCO A 11 DE ABRIL DEL 2018

Espacio vectorial
un conjunto de objetos, denominados vectores, junto con dos

operaciones binarias llamadas:
• suma
• multiplicación por un escalar
satisfacen los diez axiomas
Notación. Si “u” y “v” están en V y si a es un número real, entonces la suma se

escribe como
“u + v” y el producto escalar de a y u como au
axiomas
1- LEY DE CERRADURA. Si u+v son elementos cualquiera en V, entonces u+v
pertenecen a V
2- LEY CONMUTATIVA. U+V=V+U
3- LEY ASOCIATIVA. U+(V+W)=(U+V)+W
4- ELEMENTRO NEUTRO PARA LA SUMA. Existe un elemento 0 en tal U que

U+0=0+U, para todo valor de U
5- ELEMENTO SIMETRICO O NEGATIVO. Para cada u en V existe un elemento –u en

V tal que u+(-u)=0
6- LEY DE CERRADURA. Si u es cualquier elemento de V y C es cualquier
numero real, entonces C*U pertenecen a V
7- LEY DISTRIBUTIVA. C(U+V)=CU+CV, para todo real c y todo elemento

u y v en V
8- LEY DISTRIBUTIVA. (c+d)u=cu+du para todo numero real c y d todo

elemento u en V
9- LEY ASOCIATIVA DE MULTIPLICACION. C*(du)=(cd)u para todo numero

real c y d y todo elemento u en V
10- ELEMENTO NEUTRO PARA MULTIPLICACION. 1U=U para u en V

Sub espacio vectorial y sus propiedades
Sea H un subconjunto no vacío de un espacio vectorial V y suponga que H es en sí

un espacio vectorial bajo las operaciones de suma y multiplicación por un escalar
definidas en V. Entonces se dice que H es un sub espacio de V.
Teorema de sub espacio
Un subconjunto no vacío de H de un espacio vectorial V es un sub espacio de V si

se cumplen las dos reglas de cerradura:
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.
PROPIEDADES DE SUB ESPACIO VECTORIAL
1). El vector cero de V está en H.2
2). H es cerrado bajo la suma de vectores. Esto es, para cada u y v

en
H, la suma u + v está en H.
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.
COMBINACION 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.
Una combinación lineal en M23
Conjunto generador.
Se dice que los vectores v1, v2, …, vn de un espacio vectorial V generan a V si todo vector en V se
puede escribir como una combinación lineal de los mismo. Es decir, para todo vÎV, existen escalares
a1, a2, …, an tales que v=a1v1+a2v2+…+anvn
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 donde
a1, a2, …, ak, son escalares arbitrarios.
Teorema: si v1, v2, …, vk son vectores en un espacio vectorial V, entonces gen{v1, v2, …, vk} es un subespacio
de V.
4.4 BASE Y DIMENSION DE UN ESPACIO VECTORIAL Y CAMBIO DE BASE
Un conjunto de vectores S={v1, v2,…, vn} en un espacio vectorial V se denomina base de V si se

cumplen las siguientes condiciones.
• 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:
 1. V = c1v1+ c2v2+…+ cnvn
 2. V = k1v1+ k2v2+…+ knvn

DIMENSION
Se llama dimensión de un espacio vectorial V al número de vectores que hay en cualquiera de sus
bases. Se denota dim (V).
La dimensión de Rn con las operaciones normales es n.
La dimensión de Pn con las operaciones normales es n+1.
La dimensión de Mm,n con las operaciones normales es mn.
Si W es un subespacio de un espacio vectorial n-dimensional, entonces se puede demostrar que la

dimensión de W es finita y que la dimensión de W es menor o igual que n.
4.5 ESPACIO VECTORIALCON PRODUCTO INTERNO Y SUS PROPIEDADES.
Producto Interno:
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:
1. (v, v) ≥ 0
2. (v, v) = 0 si y sólo si v = 0.
3. (u, v +w) = (u, v)+ (u, w)
4. (u + v, w) = (u, w)+(v, w)
5. (u, v) = (v, u)
6. (αu, v) = α(u, v)
7. (u, αv) = α(u, v)
Espacios con producto interior:
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.
u ●v = producto punto (producto interior euclidiano para Rn)

‹u, v› = producto interno general para espacio vectorial V.
Propiedades de los productos interiores:
1. ‹0, v› = ‹v, 0› = 0
2. ‹u + v, w› = ‹u, w› + ‹v, w›
3. ‹u, cv› = c‹u, v›.
Un espacio vectorial con producto interno se denomina espacio con producto interno.
4.6 Proceso de ortogonalización de Gram-Schmidt
En álgebra lineal, el proceso de ortonormalización de Gram–Schmidt es un algoritmo para construir, a partir de

un conjunto de vectores de un espacio vectorial con producto interno, otro conjunto ortonormal de vectores que
genere el mismo subespacio vectorial.
El método de Gram-Schmidt se usa para hallar bases ortogonales de cualquier base
no euclídea.
Es un vector ortogonal a U. Entonces, dados los vectores V1,…,Vn, se define:
A partir de las propiedades del producto escalar, es sencillo probar que el conjunto de
vectores U1,…,Un es ortogonal.
5.2 núcleo e imagen de una transformación lineal
 Definición (la imagen de una transformación lineal). Sean V, W

espacios vectoriales sobre un campo F y sea T ∈ L(V, W). La
imagen de T se define como el conjunto de todos los valores de la
aplicación T: im(T) := {w ∈ W : ∃v ∈ V tal que w = T(v)}.
 Definición (el núcleo de una transformación lineal). Sean V, W

espacios vectoriales sobre un campo F y sea T ∈ L(V, W). El núcleo
(kernel, espacio nulo) de T se define como la pre imagen completa
del vector nulo: ker(T) := { x ∈ V : T(x) = 0W}.
 El núcleo de una transformación lineal es un subespacio vectorial
del dominio. Sean V, W espacios vectoriales sobre un campo F y
sea T ∈ L(V, W). Entonces ker(T) es un subespacio de V .
 La imagen de una transformación lineal es un subespacio vectorial
del codo minio. Sean V, W espacios vectoriales sobre un campo F y
sea T ∈ L(V, W). Entonces im(T) es un subespacio de W.
Parte de demostración. Se aplica el criterio de subespacio. Se demuestra
que el conjunto im(T) es cerrado bajo la adición y bajo la multiplicación
por escalares, además contiene al vector cero.
Mostremos que el conjunto im(T) es cerrado bajo la adición. Sean w1, w2

∈ im(T). Por la definición de la imagen, existen v1, v2 ∈ V tales que w1 =
T(v1), w2 = T(v2). Por la linealidad de T,
T(v1 + v2) = T(v1) + T(v2) = w1 + w2.
Logramos encontrar un vector x = v1 + v2 tal que T(x) = w1 + w2. Por la

definición de la imagen, esto implica que w1 + w2 ∈ im(T).
5.3 Representación matricial de una transformación
lineal
 Su definición Sean V y W dos espacios vectoriales de dimensión n y m,
respectivamente, y sea T: V→W una transformación lineal, entonces
existe una matriz A de orden m × n llamada matriz de transformación
o representación matricial de T que satisface T(v) = Av para toda v en
V.
Representación Matricial de una transformación R3 en R4
Si se tiene una transformación T: R3 → R4 dada por

 La T representa la transformación, que será representada por AT,
mientras que la matriz a su lado representa el vector original. El
resultado es la transformación realizada. Para poder representarla de
forma matricial lo que se debe obtener es la matriz de transformación.
Ya que a la vez se obtiene, se pueden determinar otros datos como el
núcleo y la imagen de la transformación.
 Para este caso utilizando el resultado de la transformación, se puede
determinar fácilmente la matriz de transformación, separando el vector
original y determinando las operaciones que se realizaron.;
Y su representación quedaría como la matriz de trasformación

multiplicando al vector original para dar como resultado a la
transformación:
5.4 Aplicación de las transformaciones lineales,
reflexión, dilatación, contracción y rotación.
Reflexión sobre el eje x En este caso, queremos averiguar como está
definida la transformación T de R2 en R2 que cada vector
o refleja sobre el eje x, para obtener un vector
En una gráfica, vemos la situación como sigue:
En este caso, la situación es más sencilla ya que claramente tenemos

dos triángulos rectángulos que son congruentes, de donde T queda
definida como sigue:
Esta transformación se llama la reflexión sobre el eje x, y es
lineal, ya que:
Una dilatación es una transformación que incrementa distancias.
Sea V= (2 4) encontrara la expansión vertical cuando K=2

Expansión horizontal (k71) o contracción (0<k<1)
Expansión vertical (k71) o contracción (0<k<1)
Una contracción es una transformación que decrece distancias. Bajo una

contracción, cualquier par de puntos es enviado a otro par a distancia
estrictamente menor que la original.
Sea V= (2 4) encontrara la contracción horizontal cuando K=1/2

Haciendo la grafica el punto disminuye en el eje horizontal.
Rotación por un ángulo

Sea un ángulo medido en radianes. Queremos
averiguar cual es la transformación T de R2 en R2 que gira cada
vector un ángulo para obtener un vector
Si usamos las funciones trigonométricas, tenemos que
Distribuyendo y usando el hecho de que y

tenemos que:
Por lo tanto, ya descubrimos cómo debe estar definida la transformación

tal que
Esta transformación se llama la rotación por un ángulo y es lineal, ya que:

Diapositiva

Cargado por

Copyright:

Formatos disponibles

Diapositiva

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Diapositiva

Cargado por

Copyright:

Formatos disponibles

ALGEBRA LINEAL

 INTEGRANTES: RUBEN ANTONIO SUAREZ CORTES

LA VENTA, HUIMANGUILLO TABASCO A 11 DE ABRIL DEL 2018

un conjunto de objetos, denominados vectores, junto con dos

satisfacen los diez axiomas

Notación. Si “u” y “v” están en V y si a es un número real, entonces la suma se

2- LEY CONMUTATIVA. U+V=V+U

3- LEY ASOCIATIVA. U+(V+W)=(U+V)+W

4- ELEMENTRO NEUTRO PARA LA SUMA. Existe un elemento 0 en tal U que

5- ELEMENTO SIMETRICO O NEGATIVO. Para cada u en V existe un elemento –u en

7- LEY DISTRIBUTIVA. C(U+V)=CU+CV, para todo real c y todo elemento

8- LEY DISTRIBUTIVA. (c+d)u=cu+du para todo numero real c y d todo

9- LEY ASOCIATIVA DE MULTIPLICACION. C*(du)=(cd)u para todo numero

10- ELEMENTO NEUTRO PARA MULTIPLICACION. 1U=U para u en V

Sea H un subconjunto no vacío de un espacio vectorial V y suponga que H es en sí

Teorema de sub espacio

Un subconjunto no vacío de H de un espacio vectorial V es un sub espacio de V si

1). El vector cero de V está en H.2

2). H es cerrado bajo la suma de vectores. Esto es, para cada u y v

3). H es cerrado bajo la multiplicación por escalares. Esto es, para

Una combinación lineal en M23

Un conjunto de vectores S={v1, v2,…, vn} en un espacio vectorial V se denomina base de V si se

 1. V = c1v1+ c2v2+…+ cnvn

 2. V = k1v1+ k2v2+…+ knvn

La dimensión de Rn con las operaciones normales es n.

La dimensión de Pn con las operaciones normales es n+1.

La dimensión de Mm,n con las operaciones normales es mn.

Si W es un subespacio de un espacio vectorial n-dimensional, entonces se puede demostrar que la

u ●v = producto punto (producto interior euclidiano para Rn)

Propiedades de los productos interiores:

3. ‹u, cv› = c‹u, v›.

En álgebra lineal, el proceso de ortonormalización de Gram–Schmidt es un algoritmo para construir, a partir de

Es un vector ortogonal a U. Entonces, dados los vectores V1,…,Vn, se define:

 Definición (la imagen de una transformación lineal). Sean V, W

 Definición (el núcleo de una transformación lineal). Sean V, W

Mostremos que el conjunto im(T) es cerrado bajo la adición. Sean w1, w2

T(v1 + v2) = T(v1) + T(v2) = w1 + w2.

Logramos encontrar un vector x = v1 + v2 tal que T(x) = w1 + w2. Por la

Si se tiene una transformación T: R3 → R4 dada por

Y su representación quedaría como la matriz de trasformación

En una gráfica, vemos la situación como sigue:

En este caso, la situación es más sencilla ya que claramente tenemos

Una dilatación es una transformación que incrementa distancias.

Sea V= (2 4) encontrara la expansión vertical cuando K=2

Una contracción es una transformación que decrece distancias. Bajo una

Sea V= (2 4) encontrara la contracción horizontal cuando K=1/2

Rotación por un ángulo

Si usamos las funciones trigonométricas, tenemos que

Distribuyendo y usando el hecho de que y

Por lo tanto, ya descubrimos cómo debe estar definida la transformación

También podría gustarte