Espacios vetoriales

Un espacio vectorial es el conjunto de n-adas

ordenadas, también conocido por espacio n-
dimensional y de denota por Rn este es una sucesión
de n números reales ejemplo (a1,a2,...,an) donde los
vectores Rn se clasifican así:
R1 = espacio unidimensional, línea recta real.
R2 = espacio bidimensional, pares ordenados.
R3 = espacio tridimensional, terna ordenadas.
.......
Rn = espacio n-adimensional, n-adas ordenadas.
Operaciones Basicas con Vectores en R2:
Suma de vectores y multiplicación por un escalar:
Siendo X y Y dos vectores y H un escalar se dice que:
X + Y = (x1 , x2) + (y1 , y2) = (y1 , y2) + (x1 , x2) y la
multiplicación por un escalar se define H(x1 , x2)=(Hx1
, Hx2).
• Las propiedades que cumple la suma de
vectores son las misma que cumplían las
estructuras algebraica de una operación que
son: la de cierre, la conmutativa, la asociativa,
elemento neutro e identidad y la distributiva.
• Las leyes que cumple la multiplicación por un
escalar son:
• La de cierre bajo la multiplicación Hx,
• La distributiva (H+I)x = Hx + Ix ; H(x + y) = Hx +
Hy,
• La asociativa (HI)x = H(Ix),
• y el elemento neutro de la multiplicación 1x = x.
• Operaciones Básicas con Vectores en Rn
Las operaciones básicas con vectores en Rn son las mismas que
las operaciones básicas que vimos anteriormente, o sea, la suma
de vectores y la multiplicación por un escalar la diferencia seria que
en estos serian n-esimos elementos y n-esimos vectores ejemplo:
Para suma de vectores
X + Y = (x1 , x2, ... , xn) + (y1 , y2, ... , yn).
Para multiplicación de un vector por un escalar
H(x1 , x2, ... , xn) = (Hx1 , Hx2, ... , Hxn).
Las propiedades que cumplen son las mismas que vimos en
operaciones básicas con vectores en R2.
El vector cero “0” es el vector neutro o identidad de la suma de
vectores en Rn:
0 = (0, 0, 0, ..., 0n), este vector tiene como propiedad de que es
único, es decir, U + 0 = 0,
0U = 0, a0 = 0, aU = 0 si a = 0 o U = 0, donde “U” es un vector y “a”
un escalar.
• Espacios Vectoriales:
• Un espacio vectorial es aquel conjunto de vectores que cumple las
propiedades o axiomas de la suma de vectores y la multiplicación por un
escalar dichas propiedades vistas en espacios n-dimensiónales Rn o R2.
Un espacio vectorial es un espacio no vacío.
• Podríamos decir que un espacio vectorial es la abstracción de las
propiedades de un espacio n-dimencional , debe tomarse en cuenta que en
el espacio vectorial no se especifica operaciones ni vectores entonces se
puede usar cualquier vector y cualquier operación se puede sustituir la
suma de vectores y la multiplicación por un escalar, pero siempre
cumpliendo todos las propiedades, siempre seria un espacio vectorial.
• Un espacio vectorial cumple con cuatro partes que son: un conjunto de
vectores, un conjunto de escalares, y dos operaciones. Estos forman un
cuerpo que es igual a las estructuras algebraicas de dos operaciones
<conjunto, operación ,operación> (un cuerpo). Para comprobar que
determinado conjunto es un espacio vectorial es preciso definir o
especificar las propiedades de suma multiplicación por un escalar como
vimos anteriormente tenemos que definir el elemento que actúa como cero
(0) y el negado de cada elemento.
Cuerpo:
Es el conjunto de números y operaciones cualquiera que deben obedecer las diez
propiedades algebraicas que mencionamos en operaciones básicas de espacios
vectoriales.
Sub cuerpo:
Si se operan escalares en forma de sub cuerpo C y se operan bajo la suma y la
multiplicación por un escalar estos escalares no deben salirse del sub espacio
determinado y las operaciones de prueba son las mismas que se han mencionado
con anterioridad.
Sub espacio vectorial:
Esto dice que si W es un sub conjunto del espacio vectorial V entonces este es un
sub espacio de V. Si W es un espacio vectorial bajo las operaciones de suma y
multiplicación por un escalar definidas en V.
Para que W sea un sub espacio de V debe cumplir las propiedades de cierre de la
suma y la multiplicación por un escalar también debe cumplir la ley del elemento
neutro bajo la suma, el inverso bajo la suma y el neutro bajo la multiplicación por un
escalar.
Combinación Lineal:
Se denomina combinación lineal a u vector V en un espacio vectorial U u un cuerpo
h.
Si los vectores v1, v2, v3, ..., vn en u si V puede expresarse como:
V = c1v1 + c2v2 + c3v3 +... + cnvn donde c son escalares del cuerpo h.
Envolvente Lineal:
Este es el conjunto de todas las combinaciones lineales semejantes denotado por
Lin(v1, v2, ..., vn) y se denomina envolvente lineal de u1, u2, ...,un.
Siendo S un sub conjunto de un espacio vectorial V entonces Lin S es un sub conjunto
de un espacio vectorial V y si W es un subconjunto de V que contiene a S,
necesariamente Lin S es complemento de W.
Conjuntos Generadores:
Si todo vector es un espacio vectorial puede ser expresado como combinación lineal
como lo vimos anteriormente entonces se dice que la combinación lineal es un
conjunto generador de un espacio vectorial..
En otras palabras si u1, u2, ..., un generan u entonces u pertenecen a V si existen
escalares c tal que:
V = c1u1 + c2v2 + ... + cnun entonces V es una combinación lineal de u1, u2, ..., u3 .
Espacio fila y Espacio Columna de una Matriz:
Si A es una matriz m x n en un cuerpo K cualquiera, las filas de A pueden ser vistas
como vectores de Kn llamado espacio fila de U denotado por f - Lin A.
Así haciendo la matriz transpuesta esto quiere decir que si las columnas las hacemos
vectores de Km estos generan un sub espacio de Km llamado espacio columna de A
denotado c-Lin A.
Si hacemos operaciones elementales entre fila a A y obtenemos una matriz B podemos decir que B
es que cada fila de B es una combinación lineal de cada fila de A por lo que el espacio fila de B
esta contenido al espacio fila de A y así viceversa, o sea, si efectuamos operaciones entre fila a
B obtenemos A y esto seria convención lineal de cada fila de B, esto cumple ciertos teoremas y
propiedades:
• Las matrices equivalentes por filas tienen el mismo espacio fila.
• Dos matrices en forma canónica por fila tienen el mismo espacio fila si estos tienen las mismas
filas no nulas.
• Toda matriz es equivalente por fila a una matriz única en forma canónica por filas.
• Conjuntos Generadores e Independencia Lineal:
• Si todo vector puede expresarse como combinación lineal de vectores en un conjunto S
entonces el conjunto S es un conjunto de un espacio vectorial.
• Dependencia e Independencia Lineal:
• Para que un vector tenga dependencia lineal este debe tener una solución no trivial esto quiere
decir que la combinación lineal denotado así: c1v1 + c2v2 + c3v3 = 0 , ósea que tiene una
solución única.
• Para comprobar la independencia Lineal.
• Sea S = {v1, v2, ..., vn } un conjunto de vectores en un espacio vectorial V entonces partiremos
de la ecuación vectorial c1v1 + c2v2 + c3v3 = 0 (que es la misma que combinación lineal don de
c son escalares) se escribe un sistema homogéneo de ecuaciones lineales en variable c1, c2, ...,
ck . después se hace Gauss-Jordán a la matriz aumentada para diagonal izarla si la solución de
la diagonalizacion tiene solamente solución trivial c1, c2, c3 entonces S es linealmente
independiente.
• Si un conjunto S={v1, v2, ..., v3}, k>=2 es linealmente dependiente si solo si por lo menos uno de
los vectores vj puede expresarse como una combinación lineal de los demás vectores S.
• Base y Dimension:
• En un conjunto S={v1 ,v2, ..., vk} es un espacio vectorial V este se denomina Base si
cumple que si es espacio vectorial tiene una base con un numero finito de vectores
entonces V es de dimensión finita y en caso contrario es de dimensión infinita.
• Base y Dependencia Lineal:
• Si un conjunto finito S={ v1 , v2, ..., vn } es una base de un espacio vectorial V si todo
conjunto que contiene mas de n vectores de V es linealmente dependiente.
• Numero de Vectores de una Base:
• Si un espacio vectorial V tiene una base con n vectores entonces toda base V tiene n
vectores.
• Dimensión de un Espacio Vectorial:
• Si un espacio vectorial V tiene una base con n vectores entonces esa n es la
dimensión de esa base y se denota dim(V) = n.
• Teóricamente la dimensión se determina al hallar el conjunto de vectores linealmente
independientes que genera el sub espacio, este conjunto es una base del sub-
espacio y la dimensión del mismo es el numero de vectores que hay en la base.
• Para ver que una base en un espacio n-dimensional:
• Siendo V su espacio vectorial y n = n entonces S = { v1, v2,... ,vn } en un conjunto de
vectores linealmente independientes en V, entonces S es una base de V.
• Ejemplo: si S = { v1, v2, ..., vn } genera a V, entonces S es una base de V
• Aplicación de los espacios vectoriales:
• Secciones cónicas y rotación de ejes:
• Toda cónica esta dada por ax2 + by2 + cxy + dx + cy + f
= 0 donde c de xy = 0 cuando sus ejes son paralelos al
plano. Si la ecuación tiene c en xy " 0 se necesita sacar
x' y y'. El ángulo de rotaciones debe sacar con la formula
Cot 2 = (a-c)/b rotando los polos en sentido antihorario
en esta forma la base standard ya vista en temas
anteriores exhortada formando un nueva base que es
B'= { (Cos , Sen ), (-Sen , Cos )} esto para hallar
coordenadas en el plano P(x, y) respecto en a'x'2 + b'y'2
+ c'x'y' + d'x' + c'y' + f' = 0 rotando los ejes en sentido
antihorario utilizando la formula anterior de angulos
rotados y sabiendo que x = x'Cos - y'Sen y que y =
x'Sen + y'Cos .
• Ecuaciones diferenciales Lineales:
• Una ecuación diferencial de orden n se denota yn + gn-1 (x) yn-1
+ ... + g1 (x) y' + g0 (x) y = f(x) donde g1, g2, ..., gn dominios
comunes. Si f(x) = 0 esta función se le denomina como función
homogénea en caso contraria es una función no homogénea. Se
denomina solución de la ecuación diferencial lineal si la solución
satisface cuando “y” y sus n primeras derivadas se sustituyen en la
ecuación.
• Toda ecuación diferencial lineal homogénea de orden n tienen
solucion linealmente independiente si {y1, y2, ..., yn } tienen
solucion linealmente independiente entonces la solución seria : y =
c1y1 + c2y2 + ... + cnyn esta es la solucion general donde c es un
numero real.
• Sea {y1, y2, ..., yn } un conjunto de funciones estas poseen n-1
derivadas en el intervalo I. El determinante w es el llamado
wroskiano del conjunto de funciones dadas.
• Para probar el que una ecuación diferencial es linealmente
independiente se puede hacer por wroskiano. Este se hace si el
wroskiano es diferente de cero (w " 0).