Академический Документы
Профессиональный Документы
Культура Документы
, donde
Un vector fijo del plano es un segmento orientado, en el que hay que distinguir tres
caractersticas:
mdulo: la longitud del segmento.
direccin: la orientacin de la recta.
sentido: indica cual es el origen y cual es el extremo final de la recta.
Componentes de un vector
Un vector en el espacio se puede expresar como una combinacin lineal de tres
vectores unitarios o versores perpendiculares entre s que constituyen una base
vectorial.
En coordenadas cartesianas, los vectores unitarios se representan por i, j, k
paralelos a los ejes de coordenadas x, y, z positivos.
Las componentes del vector en una base vectorial predeterminada pueden
escribirse entre parntesis y separadas con comas:
o expresarse como una combinacin de los vectores unitarios definidos en la base
vectorial. As, en un sistema de coordenadas cartesiano, ser:
Estas representaciones son equivalentes entre s, y los valores a
x
, a
y
, a
z
son las
componentes de un vector que, salvo que se indique lo contrario, son nmeros
reales.
Una representacin conveniente de las magnitudes vectoriales es mediante un
vector columna o un vector fila, particularmente cuando estn implicadas
operaciones matrices, del modo siguiente:
[
] [
]
Suma de vectores
Para sumar dos vectores libres (vector y vector) se escogen como representantes
dos vectores tales que el extremo final de uno coincida con el extremo origen del
otro vector.
Mtodo del paralelogramo
Este mtodo permite solamente sumar vectores de dos en dos. Consiste en
disponer grficamente los dos vectores de manera que los orgenes de ambos
coincidan en un punto, trazando rectas paralelas a cada uno de los vectores, en el
extremo del otro y de igual longitud, formando as un paralelogramo. El vector
resultado de la suma es la diagonal de dicho paralelogramo que parte del origen
comn de ambos vectores.
Mtodo del tringulo o mtodo poligonal
Consiste en disponer grficamente un vector a continuacin de otro,
ordenadamente: el origen de cada uno de los vectores coincidir con el extremo
del siguiente. El vector resultante es aquel cuyo origen coincide con el del primer
vector y termina en el extremo del ltimo.
Mtodo analtico para la suma y diferencia de vectores
Dados dos vectores libres:
(
)
(
)
El resultado de su suma o de su diferencia se expresa en la forma
(
) (
)
y ordenando las componentes,
EJEMPLOS
Dibujar las siguientes combinaciones lineales con los vectores:
*
+ *
+.
a)
b)
c)
d)
Solucin
a)
b)
6 5 4 3 2 1 1 2 3 4 5 6 7
6
5
4
3
2
1
1
2
3
4
5
6
x
y
u = (2,4)
v = (-1,1)
3v = (-3,3)
1/2u = (1,2)
-3v = (3, -3)
1/2u - 3v = (4,-1)
c)
14 13 12 11 10 9 8 7 6 5 4 3 2 1 1 2 3 4 5 6 7 8 9 10 11 12 13 14
13
12
11
10
9
8
7
6
5
4
3
2
1
1
2
3
4
5
6
7
8
9
10
11
12
13
x
y
u = (2,4)
v = (-1,1)
2u = (4,8)
4v = (-4,4)
-4v = (4,-4)
-2u = (-4,-8)
-2u -4v = (0,-12)
6 5 4 3 2 1 1 2 3 4 5 6
5
4
3
2
1
1
2
3
4
5
x
y
u = (2,4)
v = (-1,1)
3/4v = (-3/4,3/4)
u + 3/4v = (13/10,47/10)
d)
PRODUCTO PUNTO
Es una operacin definida sobre dos vectores de un espacio eucldeo cuyo
resultado es un nmero o escalar. Esta operacin permite explotar los conceptos
de la geometra euclidiana tradicional: longitudes, ngulos, ortogonalidad en dos y
tres dimensiones. El producto escalar puede definirse tambin en los espacios
eucldeos de dimensin mayor a tres, y en general en los espacios
vectoriales reales y complejos. Los espacios vectoriales dotados de producto
escalar reciben el nombre de espacios prehilbertianos
Definicin:
El producto punto entre dos vectores A y B denotados por , se define como
sigue:
a) Si
8 7 6 5 4 3 2 1 1 2 3 4 5 6 7 8
8
7
6
5
4
3
2
1
1
2
3
4
5
6
7
8
x
y
u = (2,4)
2v = (-2,2)
1/3 u = (2/3, 4/3)
-1/3 u = (-2/3,- 4/3)
-1/3 u + 2v = (-59/20, 27/40)
b) Si
Definicin geomtrica en un espacio eucldeo:
El producto escalar de dos vectores en un espacio eucldeo se define como el
producto de sus mdulos por el coseno del ngulo que forman.
||||
ngulos entre dos vectores
La expresin geomtrica del producto escalar permite calcular el coseno del
ngulo existente entre los vectores, mediante la siguiente definicin formal:
||||
Vectores ortogonales
Dos vectores son ortogonales o perpendiculares cuando forman ngulo recto entre
s. Si el producto escalar de dos vectores es cero, ambos vectores son
ortogonales.
ya que el
.
Propiedades del producto punto
1. Conmutativa
Demostracin
Sean
vectores en R
2
Definicin de vectores
Propiedad Conmutativa en R
Definicin de vectores
2. Distributiva respecto a la suma vectorial
Demostracin
Sean
en R
2
Definicin de vectores
Propiedad Distributiva en R
en R
2
, m un escalar en R
Definicin de vectores
Propiedad Distributiva en R
Propiedad Asociativa en R
Definicin de vectores
Propiedad Asociativa en R
Propiedad Conmutativa en R
Propiedad Asociativa en R
Despejando para coseno obtenemos:
Aplicando Propiedad punto notable
[ ]
Haciendo propiedad distributiva
[ ]
Aplicando propiedad distributiva nuevamente
[ ]
Aplicando Propiedad punto notable
Eliminando trminos semejantes
Terminando de simplificar
Queda demostrado el producto punto
2. Demostrar que el producto punto
Sean A,B y C tres vectores que pertenecen a R
n
Definicin de vectores
Suma de vectores
Prop. Distributiva
Prop. Asociativa
3. Demostrar que
Sean dos vectores A y B que pertenecen a R
n
Definicin de vectores
Propiedad Distributiva en R
Suma de vectores
Definicin de vectores
4. Demostrar la desigualdad triangular
Sean U y V vectores en R
n
Propiedad Distributiva en R
| |
Teoremas ya demostrado
Factorizacin
5. Demostrar
Tomamos dos vectores U y V en R
n
Propiedad Distributiva en R
PRODUCTO CRUZ
En lgebra lineal, el producto vectorial es una operacin binaria entre
dos vectores de un espacio eucldeo tridimensional que da como resultado un
vector ortogonal a los dos vectores originales.
Definicin:
Sean dos vectores a y b en el espacio vectorial R
3
. El producto vectorial
entre a y b da como resultado un nuevo vector, c. Para definir este nuevo vector
es necesario especificar su mdulo y direccin:
El mdulo de c est dado por
; donde es el ngulo determinado por los vectores a y b.
La direccin del vector c, que es ortogonal a a y ortogonal a b, est dada por
la regla de la mano derecha.
El producto vectorial entre a y b se denota mediante a b, por ello se lo llama
tambin producto cruz. En los textos manuscritos, para evitar confusiones con la
letra x (equis), es frecuente denotar el producto vectorial mediante a b.
El producto vectorial puede definirse de una manera ms compacta de la siguiente
manera:
, donde es el vector unitario y ortogonal a los
vectores a y b y su direccin est dada por la regla de la mano derecha y es,
como antes, el ngulo entre a y b. A la regla de la mano derecha se la llama a
menudo tambin regla del sacacorcho.
Producto vectorial entre dos vectores
Sean
| |
| |
| , en el que
|
| , es el determinante de orden 2.
Propiedades importantes
Cualesquiera que sean los vectores A, B y C:
1. , anticonmutividad (demostrada en ejercicio 5).
2. , cancelacin por ortogonalidad (demostrada en ejercicio 2).
EJERCICIOS
1. Demostrar que
Sean U, V y W tres vectores en R
3
Definicin de vectores
Propiedad asociativa en R
Propiedad Conmutativa en R
Propiedad Distributiva en R
Definicin de vectores
2. Demostrar que
Sean A y B dos vectores en R
3
) Definicin de Vectores
Def. de Vectores
Suma y resta de vectores
Definicin Producto Cruz
<
>
Propiedad Distributiva
<
>
Suma y resta en R
Definicin de vectores
4. Demostrar que
Sean U y V dos vectores en R
3
y c cualquier escalar en R
) Definicin de vectores
Propiedad Asociativa en R
Definicin de vectores
Definicin Producto cruz
Propiedad Conmutativa en R
Propiedad asociativa en R
Definicin de vectores
Factor comn en R
Propiedad Conmutativa en R
Definicin de vectores
Propiedad Asociativa en R
Factor Comn
Demostracin: sean
i. Cerradura bajo la suma
Definicin de vectores
suma de vectores
ii. Ley asociativa de la suma de vectores
) Def. De vectores
Suma de vectores
Prop.Asociativa en
Suma de vectores
(
Suma de vectores
iii. Existencia del idntico aditivo
Sabemos que existe es fcil verificar esta propiedad
iv. Existencia del idntico aditivo
Definicin de vectores
Suma de vectores
Igualando coordenadas
Despejando
v. Ley conmutativa de la suma
Como hemos visto en el capitulo anterior este axioma tambin se cumple que si
vi. Cerradura bajo la multiplicacin por un escalar
Definicin de vector
Definicin de vectores
Suma de vectores
Multiplicacin por escalar
Propiedad distributiva en
Suma de vectores
Se cumple la primera ley distributiva
viii. Segunda ley distributiva
Definicin de vectores
Propiedad distributiva en
Suma de vectores
Se cumple la segunda ley distributiva
ix. Ley asociativa de la multiplicacin por escalares
Definicin de vector
Demostracin:
Sean los vectores
i.
Definicin de vectores
Def. De vectores
Def. De suma
Def. De suma
Conmutatividad de suma
Definicin de suma
Definicin de suma
Se cumple la propiedad asociativa de la suma de vectores.
iii.
Definicin de vectores
Definicin de suma
Igualando componentes
Despejando para
Vemos que existe el idntico aditivo.
iv.
Definicin de vectores
Definicin de suma
Igualando componentes
Despejando para
Prueba
Definicin De suma
v.
Definicin de vectores
Definicin de suma
Conmutatividad en
Definicin de suma
Definicin de vectores
Se cumple la propiedad conmutativa de la suma de vectores
vi.
Vemos que esta es la definicin de la multiplicacin por escalares
vii.
Definicin de vectores
Def. Multiplicacin
Distributiva
def de suma
Definicin de vectores
Def. De producto
Distributiva en
Def.suma
Definicin de vectores
Cancelacin en
Definicin de vectores
Definicin de multiplicacin
Igualando componentes
Factorizando
Despejando
Debido a que todos los axiomas se cumplen entonces podemos concluir que los
vectores en
entonces:
i. Vemos que no cumple la cerradura bajo la suma
Definicin de vectores
Suma de vectores
Conmutatividad en
ii. La ley asociativa si se cumple
Definicin de vectores
Asociatividad en
iii. El idntico aditivo no existe
Definicin de vectores
Igualando componentes
Despejando t
El origen no est sobre la recta.
iv. El axioma del inverso aditivo tampoco se cumple. Puesto que
entonces no existir
v. La propiedad conmutativa para la suma de vectores si se cumple. Es fcil verificar
que
vi. No se cumple la cerradura bajo la multiplicacin por escalar.
Def. Multiplicacin por escalar
Propiedad distributiva en
Excepto cuando
vii. Es fcil verificar que si se cumple la primera ley distributiva.
Propiedad distributiva en
viii. La segunda ley distributiva tambin se cumple
Def. De multiplicacin por escalar
Propiedad distributiva en
ix. Tambin cumple la ley asociativa de la multiplicacin por escalares.
Definicin de Vectores
( ) ()
Asciatividad del producto en
x. El axioma diez tambin se cumple, es fcil verificarlo
=
Como pudimos ver algunos de los axiomas si se cumplen pero no cumplen los
axiomas i) iii) iv) vi). Debido a esto llegamos a la conclusin de que los vectores
que pertenecen a V no constituyen un espacio vectorial.
Recordemos que con uno de los diez axiomas que no se cumplan entonces el
conjunto no es un espacio vectorial, no es necesario verificarlos todos si antes ya
hemos comprobado que alguno de ellos no se cumplen. En el caso anterior los
hemos demostrado todos aun cuando no era necesario, esto fue para dar un poco
mas de ejemplos, a partir de este momento no sabemos de antemano que un
conjunto no es un espacio vectorial, solo buscaremos cual de los axiomas no se
cumple, para demostrar ms rpidamente que el conjunto no constituye un
espacio vectorial real.
Ejemplo 4
Demuestre que el si
i. Cerradura bajo la suma
Definicin de vectores
Cerradura en
ii. Ley asociativa de la suma
Definicin de polinomios
iii. Existencia del idntico aditivo
iv. Existencia del inverso aditivo
Es claro que si
Se cumple el axioma del inverso aditivo.
v. Ley conmutativa de la suma de vectores
Conmutatividad
en
La suma de polinomios es conmutativa
vi. Cerradura bajo la multiplicacin por un escalar.
Vemos que se cumple la cerradura bajo la multiplicacin por un escalar.
vii. Primera ley distributiva
Esta propiedad es muy clara y tambin se cumple
viii. Segunda ley distributiva
ix. Ley asociativa de la multiplicacin por escalares
Definicin de vectores
Distributiva en
Asociatividad en
x. Es claro que
Igualando
Sumando a la igualdad
[ ]
[ ] Propiedad asociativa
Idntico aditivo
Idntico aditivo
Concluimos que si existen dos idnticos aditivos, entonces se trata del mismo.
ii. De la misma manera que el anterior, supongamos que existen dos inversos
aditivos de respectivamente, entonces:
Definicin del inverso aditivo
Igualando miembros
Sumando a la igualdad
[ ] [ ] Propiedad asociativa
Propiedad del inverso aditivo
Existe el idntico aditivo
Por lo que concluimos de nuevo que si existen dos inversos aditivos para un
mismo vector de un espacio vectorial, entonces ambos son iguales o se trata del
mismo.
Existe una gran cantidad de ejemplos sobre espacios vectoriales, en este captulo
solamente abordamos unos pocos ejemplos que son casos muy generales, como
hemos visto demostrar si un conjunto constituye o no un espacio vectorial es muy
extenso y tedioso, lleva mucho trabajo y tiempo.
A continuacin veremos unos ejemplos en los que no desarrollaremos todos los
pasos pero si las propiedades mas esenciales que son la cerradura bajo la suma y
la multiplicacin por un escalar, ya que el resto de las propiedades se deducen a
partir de estos dos axiomas.
Ejemplo 5
El conjunto de vectores en
estn en entonces:
El resto de las propiedades se comprueban de la misma manera, este es un
ejemplo clsico igual a los que veremos en el siguiente captulo sobre los su
espacios vectoriales en los que solo se deben demostrar las propiedades de
cerradura.
Con esto concluimos esta parte de nuestro material, esperamos que haya sido de
utilidad y que al llegar hasta estas lneas ya se comprendan todos los conceptos
que hasta aqu hemos descrito
Sub Espacio Vectorial
Definicin:
Es un subconjunto que tambin es un espacio vectorial, de hecho todos los
espacios vectoriales tienen subconjuntos que tambin son espacios vectoriales.
Si H es un subconjunto no vacio de un espacio vectorial V y suponga que H es en
si un espacio vectorial bajo las operaciones de suma y multiplicacin por un
escalar definidas en V entonces se dice que H es un sub espacio de V.
Teorema
Es un subconjunto no vacio de H de un espacio vectorial V es un sub espacio de V
si se cumplen las dos reglas de cerradura.
1) Si
2) Si
Ejemplos de Sub espacio Vectoriales
Si
es un subespacio vectorial, no vacio
ii.
Demostrar si el subsiguiente subconjunto es un subespacio vectorial:
Sea
{(
, }
Primera condicin (
,
i.
(
, ;
(
(
, (
,
(
ii.
(
, (
, (
,
1) Si es un espacio vectorial. Demostrar que
si
.
0
2) -1
Sabemos que
( )
-1
Trabajo Individual
Determinar si los conjuntos dados de vectores n son sub espacios de
.
1) ,*
+ -
2) ,*
+ -
3) ,*
-
4) El plano determinado por los puntos con coordenados (1,0,0), (0,0,1), (0,0,0).
5) Sea un espacio vectorial y sean / para algn escolar .
Demuestre mediante axiomas que o bien
6) Sea un espacio vectorial y sea tales que
Mediante axiomas demuestre que .
7) Determine si el subconjunto dado de Matrices
es un sub espacio de
a. Conjunto de Matrices de la Forma
*
+
b. Conjunto de Matrices de la forma
*
+/
Desarrollo
1) ,*
+ - *
+ , 0
i.
+ ,
+ *
+ [
]
ii.
+ *
+
2) ,*
+ -
i.
+ *
+ [
]
ii.
+ *
+
3) {*
} *
i)
+ *
+ [
]
ii.
+ *
+ (1,0,0), (0,0,1), (0,0,0).
i)
(1,0,0) ,
(0,0,1) ;
(0,0,0)
(1,0,0) (0,0,1)
(1,0,1)
4) Partimos de q , existe
; por hiptesis
[
]
(
) (
) por el axioma i
1
por el axioma 10 I
Definamos
.) Por Hiptesis
; ;
5) Determine si el subconjunto dado de matrices
es un sub espacio de
1)
*
+
i)
*
+ ;
*
+ *
+ [
]
[
]
ii)
*
+ *
+ *
+
2) ,*
+ -
*
+
*
+ *
+ [
] [
]
iii)
*
+ [
] *
+
Combinacin lineal
Un vector x se dice que es combinacin lineal de un conjunto de vectores
A= {x
1
,x
2
,x
3
,,x
n
} al espacio vectorial V si se puede expresar como una suma de
los vectores de A multiplicados cada uno de ellos por un coeficiente escalar a
1
, a
2
,
a
3
,,a
n
R es decir:
x = a
1
x
1
+ a
2
x
2
+ a
3
x
3
++ a
n
x
n
As, x es combinacin lineal de vectores de A si podemos expresar x como una
suma de productos por escalar de una cantidad finita de elementos de A.
Ejemplo 1
El vector (20, 12, 37) es una combinacin lineal de los vectores (1, 3, 5) y (6, 2, 9)
(
+ (
+ (
+
Ejemplo 2
2x + 3y - 2z = 0 Se dice que z es combinacin lineal de x y de y, porque podemos
escribir z = x +
,, v
2
= (
, , v
n
= (
, y v =(
, vectores en R
n
. Debemos
demostrar que existen escalares c
1
, c
2
,, c
n
tales que
v = c
1
v
1
+ c
2
v
2
++ c
n
v
n
Esto es,
(
, = c
1
(
, + c
2
(
, ++ c
n
(
, (1)
Al resolver las multiplicaciones e igualando componentes obtenemos el siguiente
sistema de n ecuaciones y n variables c
1
, c
2
,, c
n :
c
1
+ c
2
+ + c
n
c
1
+ c
2
+ + c
n
. . . (2)
. . .
c
1
+ c
2
+ + c
n
Este sistema lo podemos escribir de la forma Ac = v, en donde
A= (
, y c = (
,
Pero el sistema (2) posee una nica solucin si y solo si el detA0. Pero si el
detA0 es porque las columnas de A son linealmente independientes. As pues,
existe un solo vector c que satisface el sistema y el teorema queda demostrado.
Teorema 2
Si v
1
, v
2
,, v
n
son vectores en un espacio vectorial V. Entonces gen {v
1
, v
2
,, v
n
}
es un subespacio de V.
Demostracin
Sea u = a
1
v
1
+ a
2
v
2
++ a
n
v
n
y v = d
1
v
1
+ d
2
v
2
++ d
n
v
n
vectores
que gen {v
1
, v
2
,, v
n
}, entonces,
i) u + v = (a
1
+ d
1
)v
1
+ (a
2
+ d
2
)v
2
++ (a
n
+ d
n
)v
n
gen {v
1
, v
2
,, v
n
}
ii) u = (a
1
)v
1
+ ( a
2
)v
2
++ (a
n
)v
n
gen {v
1
, v
2
,, v
n
}
Por lo tanto el gen {v
1
, v
2
,, v
n
} es un subespacio de V.
Teorema 3
Si uno de los v
1
, v
2
,, v
n
del espacio vectorial V es combinacin lineal de los
restantes, el generador permanece igual si se elimina dicho vector.
Teorema 4
Sea S = { v
1
, v
2
,, v
n
} un conjunto de vectores que son linealmente
independientes entonces
i) Si v es un vector que pertenece al generado por S, entonces v se escribe de
forma nica
como combinacin lineal de S. esto es, si
v = a
1
v
1
+ a
2
v
2
++ a
n
v
n
= d
1
v
1
+ d
2
v
2
++ d
n
v
n
entonces a
1 =
d
1,
a
2 =
d
2 ,,
a
n =
d
n
ii) ) Si v es un vector que no pertenece al generado por S, entonces { v
1
, v
2
,,
v
n
,v } es linealmente independientes
Espacio Generado por un Conjunto de Vectores
Sean los vectores v
1
, v
2
,...,v
k
en un espacio vectorial V. El espacio generado por
{v
1
, v
2
,..., v
k
} es el conjunto de combinaciones lineales de v
1
, v
2
,..., v
k
. Es decir,
gen { v
1
, v
2
,..., v
k
} = {v : v =
1
v
1
+
2
v
2
+ +
k
v
k
}
Ejemplo 2
Demostrar que los monomios 1, x, x
2
generan el subespacio de polinomios de
grado menor o igual a 2.
Solucin:
gen = {1, x, x
2
} = {p(x) : p(x) = a
0
+ a
1
x + a
2
x
2
} = P
2
Ntese que los escalares son a
0
, a
1
, a
2
. Hemos usado esta notacin por la
costumbre de denotar polinomios de esta forma. Claramente, este conjunto no es
el nico conjunto que genera a P
2
. Por ejemplo, el conjunto {1, x, x
2
, x
3
, x
4
}
tambin genera a P
2
. En efecto, cualquier polinomio de grado 2 se puede expresar
de la forma:
p(x) = a
0
+ a
1
x + a
2
x
2
+ 0x
3
+ 0x
4
.
En los ejemplos anteriores se aprecia que el conjunto de generadores de un
subespacio no es nico.
Ejemplo 3
Sea U = { (x, y) IR
2
/ 2x + y = 0 } < IR
2
Determinar un conjunto generador
de U
Solucin:
Dado (x, y) U tenemos que 2x + y = 0 es decir, y = -2x por lo tanto
(x, y) = (x, -2x) = x (1, -2) luego todos los elementos de U se pueden escribir como
combinacin lineal del vector (1, -2)
As
U = (1, -2)
Por lo tanto (1, -2) genera a U
Ejemplo 4
Sea U = { (x, y, z) IR
3
/ 2x + y + z = 0 , x+ y - z = 0} < IR
3
Determinar un
conjunto generador de U
Solucin:
Dado (x, y) U tenemos que:
2x + y + z = 0 (1)
x + y- z = 0 (2)
Despejando en trminos de z en (2), obtenemos
z = x + y (3)
Sustituyendo (3) en (1), obtenemos
3x + 2y = 0 (4)
Despejando en trminos de y en (2), obtenemos
y = z - x (5)
Sustituyendo (5) en (4), obtenemos
x + 2 z= 0 por lo tanto x = -2z
De forma anloga encontramos que y = 3z.
Por lo tanto podemos escribir (x, y, z) = (-2z, 3z, z) = z(-2, 3, 1) luego todo los
elementos de U se pueden escribir como combinacin lineal del vector (-2, 3, 1)
As
U= (-2, 3, 1)
Por lo tanto (-2, 3, 1) genera a U
Ejemplo 5
Sea U = {A M
22
/ A = -A
t
} < M
22
Determinar un conjunto generador de U
Solucin:
Dado (
) U se tiene
(
) = - (
)
As obtenemos que x=-x, y=-z, z=-y, t=-t.
Por lo tanto x=0, -y=z, t=0 Remplazando en la matriz tenemos que
( x, y, z, t ) = ( 0, y, -y, 0 )
= y( 0, 1, -1, 0 )
Luego todos los elementos de se pueden escribir como combinacin lineal del
vector (
) asi,
(
)
Por lo tanto (
) genera a U
Independencia lineal
En el estudio del algebra lineal, una de las ideas centrales es la de dependencia o
independencia lineal de los vectores. Se define el significado de independencia
lineal y se muestra su relacin con la teora de sistemas homogneos de
ecuaciones y determinantes.
Existe una relacin especial entre los vectores
) Por
supuesto, se puede apreciar que
En otras palabras, el vector cero se puede escribir como una combinacin no
trivial de
+ La respuesta a esta
pregunta es mas difcil a simple vista. Sin embargo, es sencillo verificar que
Se ha escrito el vector cero como una combinacin lineal de
. Parece que
los dos vectores en la ecuacin (1) y los tres vectores en la ecuacin (2) tienen
una relacin ms cercana que un par arbitrario de 2-vectores o una terna arbitraria
de 3-vectores.En cada caso, se dice que los vectores son linealmente
dependientes. En trminos generales se tiene la importante definicin que a
continuacin se presenta.
Dependencia e independencia lineal
Definicin:
Sean
no todos cero tales que
Si los vectores no son linealmente dependientes, se dice que son linealmente
independientes.
Para decirlo de otra forma
con coeficientes no
todos iguales a cero.
entonces se dice que los vectores
es linealmente
dependientes (o dependiente). Esto es, se usan las dos frases indistintamente.
Cmo se determina si un conjunto de vectores es linealmente dependiente o
independiente? El caso de 2- vectores es sencillo.
Teorema
Dependencia e independencia lineal
Dos vectores en un espacio vectorial son linealmente dependientes si y solo si uno
de ellos es un mltiplo escalar del otro.
Primero suponga que
son
linealmente dependientes. Entonces existen constantes
al menos uno
distinto de cero, tales que
Si
se obtiene
o sea,
Es decir
es un mltiplo escalar de
. Si
, entonces
y, por lo tanto,
Dos vectores linealmente dependientes en
Los vectores (
+ (
+ c(
+ .
Determine si los vectores (
+ (
+ (
+ (
+.Entonces multiplicando y
sumando se obtiene4
5=(
+2
=0
-2
+2
=0
3
+7
=0
De este modo, los vectores sern linealmente dependientes si solo si el sistema
(4) tiene soluciones no triviales. Se escribe el sistema (4) usando una matriz
aumentada y despus se reduce por reglones. La forma escalonada reducida por
reglones de
(
|
|
|
+ es (
|
|
|
+.
Este ultimo de sistema se lee
=0,
=0,
Determine si los vectores(
+ (
+ (
+ (
+11
=0
-3
- 6
=0 (*)
4
+12
=0
Escribiendo el sistema (5) en la forma de la matriz aumentada y reduciendo por
reglones, se obtiene
(
|
|
|
+ (
|
|
|
+
(
|
|
|
+ (
|
|
|
+
Nos podemos detener aqu ya que se muestra que el sistema (*) tiene un numero
infinito de soluciones. Por ejemplo, la ultima matriz aumnetada se lee
+2
=0
+3
=0
Si se hace
=1, se tiene
=-3 y
+ (
+ (
+ (
En el ejemplo 3 se encontraron tres vectores en
. Se
pueden tratar los vectores como si tuvieran un punto terminal en el
origen.Entonces existen constantes
u+
v+
w=0
Suponga que
0 o
0). Entonces se
puede dividirambos lado de (6) entre
v=Au + Bv
Donde A=-
y B=-
...,
no
todos ceros tales que
Sea
Pero el sistema (8) es el sistema (1.4.1) de la pagina 38 y, segn el teorema 1.4.1,
tiene un numero infinito de soluciones si n>m. De esta forma, existen escalares
+ (
+ (
+ (
contiene a lo mas n
vectores.
Del sistema (8) se puede hacer otra observacin importante cuya prueba se deja
como ejercicio
Sea A= 4
5
Entonces las columnas de A considerados como vectores, son linealmente
dependientes si y solo si el sistema (8) q se puede escribir como
=0, tiene
soluciones no triviales.
Aqu c=4
5
Significacin geomtrica:
Geomtricamente, dos vectores son independientes si no tienen la misma
direccin. Esta definicin supone que el vector nulo tiene todas las direcciones, en
otras palabras este debe generar un rea.
Tres vectores son independientes si y solo si no estn contenidos en el mismo
plano vectorial, o sea si ninguno de ellos es una combinacin lineal de los otros
dos (en cuyo caso estara en el plano generado por estos vectores) en otras
palabras este debe generar un volumen.
El espacio generado por un sistema de vectores es el conjunto de todas las
combinaciones lineales de estos vectores. Es un espacio vectorial. El espacio
generado por un vector no nulo es la recta vectorial dirigido por este vector. El
espacio generado por dos vectores independientes es el plano que los contiene.
Resulta fcil comprobar que el espacio generado por un sistema de vectores es el
menor (por la inclusin) espacio vectorial que los contiene a todos. Se le denomina
vect A, donde A es el sistema de vectores. Si n vectores son independientes, el
espacio generado es de dimensin n (dimensin en el sentido usual: 0 para un
punto, 1 para una recta, 2 para un plano...).
Ejemplo:
En el espacio tridimensional usual:
u y j son dependientes por tener la misma direccin.
u y v son independientes y definen el plano P.
u, v y w son dependientes por estar los tres contenidos en el mismo
plano.
u, v y k son independientes por serlo u y v entre s y no ser k una
combinacin lineal de ellos o, lo que es lo mismo, por no pertenecer al
plano P. Los tres vectores definen el espacio tridimensional.
Los vectores o (vector nulo, cuyas componentes son iguales a cero)
y k son dependientes ya que o = 0 k
Ejemplo del uso de la frmula f.
Son los tres vectores siguientes independientes?
Buscamos tres valores x, y y z que satisfagan la ecuacin:
Lo que equivale al sistema de ecuaciones siguiente:
Dado que la nica solucin es la trivial (x = y = z = 0), los tres vectores son
independientes.
Mtodo alternativo usando determinantes
Un mtodo alternativo usa el hecho que n vectores en R
n
son linealmente
independientes si y solo si el determinante de la matriz formada por estos vectores
como columnas es distinto de cero.
Dados los vectores:
La matriz formada por stos es:
El determinante de esta matriz es:
Ya que el determinante es no nulo, los vectores (1, 1) y (3, 2) son linealmente
independientes.
Ejemplo 2
Sea V = R
n
y consideremos los siguientes elementos en V:
Entonces e
1
, e
2
,..., e
n
son linealmente independientes. Estos vectores constituyen
la base cannica en R.
Demostracin
Supongamos que a
1
, a
2
,..., a
n
son elementos de R tales que:
Sustituyendo e
1
, e
2
,..., e
n
resulta:
Multiplicando:
Sumando coordenadas:
Por lo que se obtiene:
As que:
Adems:
Pero 0 es un vector, entonces:
Por lo que a
i
= 0 para todo i en {1,..., n}.
Entonces los vectores son linealmente independientes
Ejemplo 3
Sea V el espacio vectorial de todas las funciones a variable real. Entonces las
funciones e
t
y e
2t
en V son linealmente independientes.
Demostracin
Supongamos que a y b son dos nmeros reales tales que:
ae
t
+ be
2t
= 0
Para todos los valores de t. Necesitamos demostrar que a = 0 y b = 0. Para hacer
esto dividimos por e
t
(que es un nmero real diferente de cero, sea cual sea t) y
restando obtenemos:
be
t
= a
En otras palabras, la funcin be
t
debe ser independiente de t, lo cual ocurre
cuando b = 0. Por lo tanto, a es cero.
Soluciones a un sistema homogneo escritas como combinacin lineal de
vectores solucin linealmente independiente
Considere el sistema homogneo
Haciendo una reduccin de reglones
(
|
|
* (
|
|
*
(
|
|
*
El ltimo sistema es
(2)
Se ve que este sistema tiene un numero infinito de soluciones, que se escriben
como una combinacin lineal de los vectores columna:
4
5 (
5 (3)
Observe que 4
5 4
vectores en
. Entonces,
.
v. A es el producto de matrices elementales.
vi. la forma escalonada por reglones de A tiene n pivotes
vii. det A0.
viii. las columnas ( y renglones) de A son linealmente.
Demostracin:
La nica parte que no sea demostrado hasta el momento es que los renglones de
A son linealmente independientes det A0. Las columnas son independientes det
A0 det
.
Cualquier conjunto en n vectores linealmente independientes en
genera a
.
Sean
5, vectores linealmente
independientes y sea v=4
5 un vector en
tales que
Bases
Definicin de base:
Un conjunto finito de vectores {v
1
, v
2
,, v
n
} es una base para un espacio vectorial
v si
i. {v
1
, v
2
,, v
n}
es linealmente independiente.
ii. {v
1
, v
2
,, v
n}
genera a V.
Todo conjunto de n vectores linealmente independientes en R
n
es una base
de R
n
.
Ejemplo:
C
1
=
(
, C
2
=
(
, C
3
=
(
,, C
n
=
(
Puesto que los vectores c
i
son las columnas de la matriz identidad (que tiene
determinante 1), {c
1
, c
2
, . . . , c
n
} es un conjunto linealmente independiente y , por
lo tanto, constituye una base en R
n
.Esta base especial se denomina base
cannica en R
n
.
Teorema
Si {v
1
, v
2
,, v
n
} es una base para V y si v V, entonces existe un conjunto nico
de escalares c1, c2,,cn tales que v = c
1
v
1
+c
2
,v
2
++c
n
v
n
.
Demostracin:
Existe cuando menos un conjunto de dichos escalares porque {v
1
, v
2
,, v
n
}
genera a V.
Suponga entonces que v se puede escribir de dos maneras como una
combinacin lineal de los vectores de la base.
Es decir, supongamos que
V = c
1
v
1
+c
2
v
2
++c
n
v
n
= d
1
v
1
+c+d
2
v
2
++d
n
v
n
Entonces, restando se obtiene la ecuacin
(c
1
- d
1
) v
1
+ (c
2
- d
2
) v
2
++ (c
n
- d
n
) v
n
= 0
Pero como los v
i
son linealmente independientes, esta ecuacin se cumple si y
solo si
c
1
- d
1
= c
2
- d
2
=. . . = c
n
- d
n
= 0. As, c
1
=d
1
, c
2
= d
2
,. . ., c
n
=d
n
y el teorema
queda demostrado.
Teorema
Si {u
1,
u
2
,. . ., u
n
} y {v
1
, v
2
,, v
n
} son bases en un espacio vectorial V, entonces
m=n;
Es decir, cualesquiera dos bases en un espacio vectorial V tienen el mismo
nmero de vectores.
Demostracin:
Sea S
1
= {u
1,
u
2
,. . ., u
n
} y S
2
= {v
1
, v
2
,, v
n
} dos bases para V. Debemos
demostrar que m = n. esto se prueba mostrando que si m >n, entonces S
1
es un
conjunto linealmente independiente, lo que contradice la hiptesis que si de que si
S
1
es una base. Esto demostrara que m n. la misma prueba demostrara que n
m y esto prueba el teorema. As, basta demostrar que si m < n, entonces S
1
es
dependiente. Como S
1
constituye una base, todo u
n
se puede expresar como una
combinacin lineal de las v
j
. Se tiene
u
1
= a
11
v
1
+ a
12
v
2
+. . .+ a
1n
v
n
u
2
= a
21
v
1
+ a
22
v
2
+. . .+ a
2n
v
n
. . . .
. . . .
u
m
= a
m1
v
1
+ a
m2
v
2
+. . .+ a
mn
v
n
para determinar si S
1
es dependiente, deben encontrarse escalares c
1
,c
2
, . . . , c
m
,
no todos ceros, tales que
c
1
u
1
+ c
2
v
2
+. . . + c
m
v
m
= 0 (b)
Sustituyendo (a) en (b)
c
1
(a
11
v
1
+ a
12
v
2
+. . .+ a
1n
v
n
) + c
2
(a
21
v
1
+ a
22
v
2
+. . .+ a
2n
v
n
)+. . . +
c
m
(
a
m1
v
1
+
a
m2
v
2
+. . .+
a
mn
v
n
) = 0 (c)
la ecuacin (c) se puede rescribir como
(a
11
c
1
+ a
21
c
2
+ . . . + a
m1
c
m
) v
1
+ (a
12
c
1
+ a
22
c
2
+ . . . + a
m2
c
m
) v
2
+ . . . + (a
1n
c
1
+
a
2n
c
2
+ . . . +
a
mn
c
m
) v
n
= 0 (d)
Pero como v
1
, v
2
,, v
n
son linealmente independientes, se debe tener
a
11
c
1
+ a
21
c
2
+ . . . + a
m1
c
m
= 0
a
12
c
1
+ a
22
c
2
+ . . . + a
m2
c
m
= 0
. . .
. . . (e)
. . .
a
1n
c
1
+ a
2n
c
2
+. . . + a
mn
c
m
= 0
Entonces el sistema (e) es un sistema homogneo de n ecuaciones con las m
incgnitas
c
1
, c
2
,. . ., c
m
y como m > n se dice que el sistema tiene un numero infinito de
soluciones.
De esta forma, existen escalares c
1
, c
2
,. . ., c
m
, no todos cero, tales que (b) se
satisface y, por lo tanto, S
1
es un conjunto linealmente dependiente.
Ejemplo de base cannica para M
2x2
Sabemos que (
) , (
) (
) y (
) genera a M
2x2
.
Si (
) = c
1
(
) + c
2
(
) + c
3
(
) + c
4
(
) = (
),
entonces
es evidente que
c
1
= c
2
= c
3
= c
4
= 0. As, estas cuatro matrices son linealmente independientes y
forman una base para M
2x2
, lo que se denomina base cannica para M
2x2
.
Ejemplo
Encuentre una base para el conjunto que esta dado por el plano
=
{
.
/
Tomamos un x, y, z arbitrarios .
/
Tiene la forma siguiente (
+ =
(
+ + (
+
= x 4
5 + z 4
5 = 4
5 4
5
Por lo tanto forma una base del plano.
Dimensin
Definicin:
Si el espacio vectorial v tiene una base con un numero finito de elementos,
entonces la dimensin de v es el numero de vectores en todas las bases y v se
denomina espacio vectorial de dimensin finita. De otra manera, v se denomina
espacio vectorial de dimensin infinita. Si v = , entonces se dice que v tiene
dimensin cero.
Entonces se dice:
Si un espacio vectorial v tiene una base con n elementos entonces se dice que v
es dimensional finita y n es la dimensin de v y se representa dim (v) = n
La dimensin es un numero bien definido y no depende de la eleccin de una base
La dimensin del espacio , se define como cero. Por consiguiente cero es
dimensionalmente infinita.
V espacio vectorial que no tenga base finita se llama dimensionalmente finita.
En R
n
, P
n
, M
mxn
son dimensiones
finitas
Ejemplos:
a. Dim ( R
n
) = n
b. Dim ( P
n
) = n + 1
c. Dim (M
mxn
) = mxn
d. F (R) = dimensionalmente infinita
e. P = dimensionalmente infinita
Encuentre la dimensin del sub espacio v que es igual al generador de los
siguientes elementos
V = Gen R
3
generan a v tambin muestra que son linealmente
independiente
Por lo tanto es una base con dim (v) = 2
Teoremas de combinacin lineal
Sea s un sub conjunto de un espacio vectorial
Si s contiene un vector v se dice que es linealmente independiente si y solo si
V = 0.
Si s consiste en dos o mas vectores P
1
,
P
2
,,P
k
entonces s es linealmente
dependiente si y solo si cuando menos un vector sea una combinacin lineal de
los restantes.
Si s consiste en dos o mas vectores P
1
,
P
2
,, P
k
con V
1
0 entonces s es
linealmente dependiente si y solo si al menos un vector es una combinacin lineal
que le presede es decir P
1
,,P i
1
.
Cualquier conjunto de vectores que contiene al vector cero es linealmente
dependiente.
Dos vectores son linealmente dependientes si y solo si 1 es mltiplo escalar de
otro.
Cualquier conjunto de vectores que contiene a un conjunto linealmente
dependiente es a su ves linealmente dependiente
Cualquier subconjunto de un conjunto linealmente independiente tambin es
linealmente independiente.
Todo espacio vectorial tiene al menos una base.
Teorema de dimensiones
Si V es un espacio vectorial de n dimensiones y S un conjunto de m elementos.
1. Si S es linealmente independiente m n
2. Si S genera a V m n
Si V es un espacio vectorial n dimensional y sea s un conjunto con n elementos
1. Si S es linealmente independiente es una base.
2. Si S genera a V S es una base.
Sea V un espacio vectorial n dimensional y S un conjunto con m elementos
1. Si S es linealmente independiente y m n S se puede ampliar a una base
2. Si S envuelve a V S contiene una base.
Gua de Ejercicios sobre Espacios Vectoriales, Anlisis Vectorial.
1. Qu permite una base?
R.- Permite expresar todos los vectores como una combinacin lineal de ellos.
2. Dados 2 vectores , es un sistema generador de
? .
Escribimos estos vectores como una combinacin lineal de las constantes
de esta manera:
(
.
Al resolver este sistema da como resultado: x=y. Por lo que, estos vectores no
generan a todo
.
3. Si S= en
+,
Por lo que obtenemos: (
+ , al llevarla a la escalonada reducida la matriz
resultante es: (
+, por lo tanto
. Y el vector U
pertenece al subespacio generado por V y W.
5. Sea
. Determinar:
a) Esta
Gen {
}?
Por lo tanto,
, y se encuentra en Gen {
}.
b) Esta
Gen {
}?
Por lo tanto,
}.
c) Determinar si el conjunto
genera a
.
Tenemos que:
Se tienen las ecuaciones:
Al resolver para:
El resultado es:
Por lo tanto, el conjunto no genera a
}.
a)
.
Tenemos que:
, por lo que
.
b)
.
Tenemos que:
, por lo que
.
c)
.
Tenemos que:
, por lo que
.
7. Esta
en el generador de
en
.
Las ecuaciones que se obtienen son:
Por lo tanto,
se encuentra en el generador de P y Q.
8. Demuestre que generan a
.
Escribimos estos vectores como una combinacin lineal: .
++
+ , al llevarla a la
escalonada reducida la matriz resultante es: (
+ , por lo
tanto
.
9. Compruebe que el conjunto
es linealmente independiente en
.
Podemos escribir el conjunto en trminos de una combinacin lineal de la forma:
,
Si , entonces
, por lo que
Reduciendo
, por lo que
11. Demuestre que ni X= , ni Y= constituyen una base
de
.
a) Si escribimos el conjunto X como una combinacin lineal nos da:
Escribiendo las ecuaciones con las constantes tenemos:
Escribiendo las ecuaciones con las constantes tenemos:
.
Donde obtenemos que:
Escribiendo las ecuaciones con las constantes tenemos:
.
Donde obtenemos que:
.
12. genera
? .
Escribiendo las ecuaciones con las constantes tenemos:
.
Donde obtenemos que:
.
Por lo tanto, el conjunto dado genera a
.
13. Determine si el conjunto dado genera a
.
a) (
) (
) (
) (
)
Escribimos el conjunto como una combinacin lineal que genere a
(
)
(
)
(
)
(
) (
)
Escribiendo las ecuaciones con las constantes tenemos:
.
Donde obtenemos que:
.
Por lo tanto, el conjunto genera a
.
b) (
) (
) (
) (
)
Escribimos el conjunto como una combinacin lineal que genere a
(
)
(
)
(
)
(
) (
)
Escribiendo las ecuaciones con las constantes tenemos:
.
Donde obtenemos que:
.
Por lo tanto, el conjunto dado genera a
.
14. Cierto o Falso? A)
Falso. No se puede generar ya que no se podra obtener el trmino
a partir de
este conjunto de polinomios.
15. Determine si el conjunto es Linealmente Independiente.
a)
Escribimos el conjunto dado como una combinacin lineal de constantes:
Escribiendo las ecuaciones con las constantes tenemos:
.
Donde obtenemos que:
.
Por lo tanto, el conjunto dado es Linealmente Independiente.
c) (
) (
) (
) (
)
Escribimos el conjunto como una combinacin lineal que genere a
(
)
(
)
(
)
(
) (
)
Escribiendo las ecuaciones con las constantes tenemos:
.
Donde obtenemos que:
.
Por lo tanto, el conjunto dado es Linealmente Independiente.
16. Cierto o Falso? A) Dos vectores distintos cualesquiera de un espacio Vectorial,
son Linealmente Independientes?
Falso. Dos vectores distintos pueden pertenecer al mismo Espacio Vectorial y ser
a la vez mltiplo escalar del otro.
B) Tres polinomios Linealmente Independiente cualesquiera de
genera a
.
Falso. No se puede generar ya que no se podra obtener el trmino
a partir de
este conjunto de polinomios.
17. Sea V un Espacio Vectorial y
es linealmente independiente, tambin lo es
.
Si escribimos el conjunto descrito anteriormente, como una combinacin lineal de
constantes:
Multiplicando cada parte:
0
Al agrupar:
Pero como
Por lo tanto,
) (
)
Obtenemos las ecuaciones:
, donde obtenemos al
resolver:
.
Por lo tanto, (
) y (
+ (
+ (
+.
Escribimos la matriz de vectores
(
+
y lo llevamos a la forma escalonada, obtenemos:
(
+
Como tenemos una fila que contiene solo ceros, entonces concluimos que este
conjunto de vectores no es Linealmente independiente. Este conjunto genera a
, Por lo que
20. Obtenga la dimensin del conjunto V de todas las matrices de la forma ,(
)-.
Escribimos este conjunto en trminos de vectores linealmente independientes:
(
)
(
)
(
) (
)
Donde obtenemos al resolver:
.
Por lo tanto, (
) , (
) (
)son linealmente independientes y generan
a V.
Por lo que
Exposiciones
Matrices de las transformaciones lineales
Los vectores y las matrices se relacionan en forma ntima a travs de la
multiplicacin matricial. Para una matriz fija A de mxn, cualquier vector x de n
componentes, corresponde al vector Ax de m componentes. Esta correspondencia
definida por el producto matricial Ax es el principal ejemplo de una transformacin
lineal.
Las transformaciones lineales desempean un papel muy importante en
matemtica, fsica, ingeniera, procesamiento de imgenes, grficas en
computadora y otras reas de la ciencia y de la vida diaria.
Ahora dirigiremos nuestra atencin a un tipo contemporneo de aplicacin.
El dilema del caricaturista
Un caricaturista emplea computadoras y algebra lineal para transformar las
imgenes que dibuja. Supongamos que trata de dar la sensacin de movimiento a
la imagen de la figura (a)
Inclinndola y estirndola (horizontalmente) en forma gradual para llegar a la de la
figura (b). Si el estiramiento necesario, por ejemplo, a lo largo del eje x es 50%,
cmo puede modelarlo matemticamente y hacer que la computadora trace la
imagen inclinada?
El mtodo debera ser independiente de la imagen inicial para poder aplicarlo a
otros cuadros.
En la respuesta interviene una sencilla multiplicacin de matriz por vector. De
hecho, necesitamos multiplicar por la izquierda el vector coordenado de cualquier
punto en el plano que deseemos transformar, por la matriz:
*
+
As,
S
x
: R
2
R
2
*
+ S
x
( *
+ )
=
*
+ *
+
es la transformacin que se desliza en direccin positiva de x en un factor de 0,5.
Transformacin Matricial
Una transformacin matricial T se expresa mediante
T:R
n
R
m
y a sta le corresponde una matriz A de mxn tal que:
T(x)=Ax
Para todo xeR
n
. A se llama matriz (estndar) de T.
Ahora generalizaremos el concepto de la matriz estndar de una transformacin
matricial.
Toda transformacin lineal entre espacios vectoriales de dimensiones finitas
puede representarse con una transformacin matricial.
Este resultado til nos permite evaluar transformaciones lineales mediante la
multiplicacin de matrices
Definicin:
Se llama Transformacin Matricial a toda funcin T: M nx 1 M mx 1 definida por
T(x) = A. x siendo A M mxn
Teorema:
Toda Transformacin Matricial es una Transformacin Lineal si:
T: M nx1 M mx1 / T (x) = A . x es una Transformacin Matricial entonces T es
una Transformacin Lineal.
Demostracin:
Sean x , y M nx1 ; k R
Sea T: M nx1M mx1 definido por T (x ) = A . x
Sabemos que para que T sea lineal debe verificarse:
1) T (x+ y) = T (x) + T (y) _____x , y M nx1
2) T (k x ) = k T (x)___________x M nx1, k R
Lo comprobamos para la transformacin matricial
1) T (x+ y) = A (x+ y) = A (x) + A (y)=T (x) + T (y)
2) T (k x ) = A(k x) = k (Ax ) = k T (x)
Nota: Ahora sabemos que toda Transformacin Matricial es tambin
Transformacin Lineal. La recproca tambin es vlida, es decir toda
Transformacin Lineal tiene asociada una Transformacin Matricial.
Ahora bien, cmo se determina la Transformacin Matricial asociada a una
Transformacin Lineal?
Para ello enunciamos la siguiente:
Proposicin:
Sean B1={u1,u2, ... ,un} base del dominio V
y B2={v1,v2, ... ,vp} base del codominio W
i) Existe una nica matriz:
A M pxn tal que: A [x]B1 = [T(x)]B2 x V
ii) La matriz A se genera en la forma:
A = [[T(u1)]B2 [T(u2)]B2 ... [T(un)]]
A la matriz "A" se la llama matriz asociada a la transformacin con respecto a las
bases B1 y B2 respectivamente y se la suele simbolizar AT = [T]B1,B2.
Ahora s: Una Transformacin Lineal T: V W puede asociarse con una
Transformacin Matricial respecto de las bases B1 y B2, definida por:
MT: M nx1 M px1 / MT(x) = Ax
Con A M pxn y x M nx1
Proposicin: Sean T: V W una funcin, sean B1 y B2 bases de V y W
respectivamente.
Si existe una matriz A tal que: A [x]B1 = [T(x)]B2 x V, entonces T es una
Transformacin Lineal.
Nota: Cuando se trabaja para ambos Espacios Vectoriales con las bases
cannicas (o naturales) a la matriz de la Representacin Matricial se la llama
Matriz Estndar, y a la representacin "Matricial Cannica".
Una familia de Transformaciones Lineales muy importantes est constituida por
aquellas que tienen Dominio y Codominio en espacios de matrices columnas.
Matriz de una transformacin lineal
Sea t: v w una transformacin lineal entre dos espacios vectoriales v y w de
dimensiones finitas. Sea b= {v
1,
,v
n}
una base de v y b= {v
1,
, v
m}
una base de
w . la matriz de a de mxn cuyas columnas son:
[T(v
1
)]
B
,, [T(v
n
)]
B
Es la nica matriz que satisface:
[T(v)]
B=
v V
Transformacin de Galileo
Sean y dos marcos de referencia con ejes coordenados, x, y, z y x, y, z.
Supongamos que el marco se aleja del marco a una velocidad relativa
constante en una direccin a lo largo de los ejes x, x. Adems, supongamos
que hay dos observadores en y , por ejemplo, un matemtico y un fsico,
respectivamente, y que ambos se comunican sus mediciones (distancias,
velocidades, etc.).
Si son las coordenadas del espacio tiempo que usa el matemtico para
sus mediciones, y son las que emplea el fsico, cul es la relacin
entre los dos marcos de coordenadas? Como no hay movimiento a lo largo de los
ejes y, y y z, z, se debe cumplir que y= y y z= z. Tambin, en la mecnica
newtoniana, t= t para ambos marcos. Para mediciones a lo largo de los ejes x, x
sucede lo siguiente: una medicin x hecha en el momento t en el marco por el
matematico, es mayor que la medicin correspondiente hecha por el fsico al
mismo tiempo, y la diferencia es . Por consiguiente, . As,
En cuanto al tiempo, se tiene que
Las anteriores relaciones se pueden reescribir en forma matricial como:
Las anteriores son las transformaciones de Galileo ms simples. Generalmente se
consideran transformaciones ms generales, de hecho el conjunto de todas las
transformaciones del tipo anterior segn cualquier direccin (no necesariamente
sobre el eje X) junto con las rotaciones constituyen el llamado grupo de Galileo. El
grupo de Galileo completo incluyendo las traslaciones espaciales y temporales, es
substancialmente ms complicado que el grupo de Lorentz.
Ncleo y Contra dominio
Definicin.- Ncleo: Sea una transformacin lineal. El ncleo,
de T contiene todos los vectores en que se mapean a cero en .
Recordemos que el contradominio de T es el conjunto de todas las imgenes
de en .
Obsrvese que tanto como de una transformacin lineal son
conjuntos no vacios: implica que esta en y que
esta en .
Ejemplos.-
1. Determine el ncleo y el contradominio de
a) La transformacin lineal cero ;
b) La transformacin identidad lineal ;
c) La proyeccin
.
Figura. El ncleo y el contradominio de la proyeccin sobre el eje x.
2. Determine el ncleo de
.
0
1 *
+
Solucin.
Es el conjunto de todos los vectores 0
1 tales que *
+ *
+. Al
resolver el sistema , , se obtiene . De ah
que,
20
1 3 {[
]}
La propiedad fundamental del ncleo y del contradominio es que ambos
son espacios vectoriales.
Teorema.- Sea una transformacin lineal. Entonces:
1. es un subespacio de ;
2. es un subespacio de .
Demostracin.-
Ya determinamos vectores y que se mapean en y en ,
respectivamente. Por tanto, y estn en . En vista de lo anterior,
es un subespacio de
La dimensin del ncleo se llama nulidad de . La dimensin del contradominio
se llama rango de .
Ejemplos.-
3. Determine la nulidad y el rango de T en el ejemplo 2.-
Solucin.- Como = , la nulidad
es 1. Puesto que
, el rango es 2.
Figura. El ncleo y el contradominio de .
Teorema de la Dimensin.- Si es una transformacin lineal de
un espacio vectorial de dimensin finita a un espacio vectorial ,
entonces:
Ejemplos.-
4. Determine el contradominio de la transformacin lineal
Solucin.- El espacio nulo de esta generado por , que se
obtiene de inmediato al resolver el sistema , ,
. Por tanto, la nulidad de es 1. As, de acuerdo con el
teorema de la dimensin.
De manera que el contradominio es un subespacio tridimensional de
, y
esto significa que es todo
.
Teorema de la Dimensin
Si T: V W es una transformacin lineal de un Espacio Vectorial V de dimensin
finita a un Espacio Vectorial W, entonces:
Nulidad (T) + Rango (T) = dim ( T)
Este teorema es muy til, porque con frecuencia es mucho mas fcil determinar
el espacio nulo y la nulidad de una Transformacin Lineal que su
contradominio y su rango.
Ejemplo 1
Determine el contradominio de la transformacin lineal T: R
4
P
2
definida por
T (a, b, c, d) =(a-b)+(c+d)x+(2a+b)x
Solucin
El espacio nulo T est generado por (0, 0, -1, 1), que se obtiene de inmediato al
resolver el sistema a-b=0, c+d=0, 2a+b=0. Por tanto la nulidad de T es 1. As
de acuerdo con el teorema de la dimensin tenemos:
Rango (T)= dim (R
4
)-Nulidad (T)
= 4 - 1
= 3
Transformaciones biunvocas, sobre e isomorfismos
- Transformacin Biunvoca
Una transformacin T : AB, o uno a uno, si para cada elemento h del
contradominio hay exactamente un elemento cuya imagen es h = T (a).
Esto puede anunciarse como sigue:
T(a
1
)=T(a
2
)a
1=
a
2
o bien en forma equivalentemente a
1
a
2
T(a
1
)
T(a
2
)
- Transformacin Sobre
Una transformacin T : AB se llama sobre si su contradominio es igual a su
codominio es decir,
R ( T ) = B
- Isomorfismo
Una transformacin lineal entre dos espacios vectoriales que es biunvoca y
sobre, al mismo tiempo, se llama isomorfismo. Se considera que los espacios
isomorfos son iguales, porque sus elementos se corresponden en forma biunvoca
y la estructura de las operaciones en el espacio vectorial se conserva a travs de
la linealidad.
Ejemplo 2
Cules de las transformaciones son biunvocas ?Cules son sobre?
a. T : R
2
R
3
, T (x, y) = (x+y, y, 0)
b. T : R
3
R
2
, T (x, y, z)= (x, z)
Solucin
a. Si T (x
1
, y
1
) = T (x
2
, y
2
) entonces (x
1
+y
1
, y, 0) = (x
2
+y
2
, y, 0). Por consiguiente
y
1
= y
2
. As x
1
= x
2
. Por lo anterior (x
1
, y
1
) = (x
2
, y
2
) y T es biunvoca. T no es
sobre porque, (0,0,1) no es la imagen de algn vector 2.
b. T no es biunvoca T (0,0,0) = T (0,0)= T (0,1,0). T es sobre porque para todo
vector 2 (a, b), hay al menos un vector 3 que se transformar en el anterior.
Ejemplo 3
Demuestre que R
n
y P
n-1
son isomorfos
Solucin
Basta con determinar un isomorfismo entre los dos espacios consideramos T :
R
n
P
n-1
definida por:
T (a
0
,, a
n-1
)= a
0
+a
1
x++ a
n-1
x
n-1
[a
0
, a
1
, a
2
] a
0
+a
1
x+a
2
x
2
TRANSFORMACIONES A FINES
Definicin:
Una translacin por un vector b desplaza a una figura sumando a b a todos sus
puntos. Una transformacin a fin es una transformacin lineal seguida de una
translacin.
Ejemplo: obtenga la transformacin a fin que convirti la imagen de la izquierda
en la de la derecha, puesto que se utilizaron los siguientes puntos:
Puntos Imgenes
(1, 0) (2, -1)
(0.7, 0.7) (2.05, -0.3)
(0, 1) (1.5, 0)
(-0.7, 0.7) (0.65, -0.3)
(-0.7, -0.7) (-0.05, -1.7)
(0, -1) (0.5, -2)
(0.7, -0.7) (1.35, -1.7)
(1, 0) (2, -1)
(-1, 0) (0, -1)
Llegamos al sistema:
Siempre y cuando la ecuacin sea vlida para todos los puntos que se utilizaron
en la figura. Si lo es, solamente debemos comprobarlo.
De lo anterior vemos que T es el deslizamiento en el eje en 0.5 o mejor dicho
Sx(x, y)= (x+0.5y, y) seguido de la traslacin por (1, -1).
Ejemplo 2: Determine las imgenes del vector cero, y las imgenes de la base
estndar en:
*
+ (
)
Solucin:
(
) *
+ (
) (
) (
)
(
) *
+ (
) (
) (
)
(
) *
+ (
) (
) (
)
Ejemplo3: Escriba la siguiente transformacin como una transformacin a fin de la
forma
(
) (
)
Solucin: vemos que:
(
) (
) (
) *
+ (
) (
)
La cual ya est escrita como una transformacin a fin de la forma
A las transformaciones a fines se les conoce tambin como funciones iteradas, un
conjunto de funciones que al aplicarlas un numero repetido de veces pueden
transformar una figura en otra.
Ahora veremos la siguiente definicin:
Definicin: Fractal
Un fractal es un ejemplo geomtrico cuya estructura bsica fragmentada o
irregular se repite a diferentes escalas.
El termino fractal fue propuesto por Benoit Mandeldelbrot en 1975 que se deriva
del latn fractus que significa quebrado o fracturado.
Entre algunos fractales tenemos Los conjuntos de Julia (funciones iteradas en C),
La curva de Coch, La curva de Hilbert, y el triangulo de Sierpinski que
estudiaremos en este caso.
TRIANGULO DE SIERPINSKI
Es un fractal introducido en 1919 por el polaco Maclaw Sierpinski. Este fractal lo
podemos obtener aplicando iteraciones sucesivas a las transformaciones a fines
de
definidas por:
)
Por ejemplo comenzamos por un triangulo cuyos vrtices estn en (0, 0), (1, 0),
(0,1) y elegimos un punto dentro de l, y lo graficamos, por ejemplo tomamos el
punto (, ) seleccionaremos una de las tres funciones por ejemplo
y
calculamos la imagen
(
+
EJEMPLO: Hallar una matriz regular P tal que:
Solucin
(
+
(
+
Como ya sabemos, el clculo de las potencias Ak puede ser bastante tedioso.
Sin embargo, si A es diagonalizable y hemos calculado P y D, entonces
sabemos que
Asi que:
Con lo cual, iterando el proceso llegamos a:
Como el clculo de Dk equivale a elevar slo los elementos diagonales de D a
la k-sima potencia, vemos que Ak es fcil de obtener.
Si sucede que A es invertible, entonces 0 no es valor propio de A. Por
consiguiente D-1 existe y