Академический Документы
Профессиональный Документы
Культура Документы
FACULTAD DE INGENIERA
SEMESTRE 2015-2
LGEBRA LNEAL
MTODO DE EVALUACIN
La exencin se otorgar a los alumnos que acrediten el curso con calificacin aprobatoria
mnima de seis (6).
Para poder presentar los exmenes correspondientes a cada parte del curso, el alumno deber
entregar las series correspondientes a los captulos que comprenda cada examen. Esta serie
tiene un valor del 10% + la calificacin del examen.
Se dejarn tareas por clase, su promedio tendr un valor del 25%, NO SE ACEPTAN TAREAS
ATRASADAS.
Lectura de dos libros en el semestre, para evaluarlos se necesita calificacin APROBATORIA.
En caso de no quedar exentos se tendr la posibilidad de presentar los dos exmenes finales,
siempre y cuando su asistencia a clases sea del 70%. El primer final ser promediado con
parciales y con el promedio de las calificaciones de las tareas que se dejen a lo largo del curso.
Para este promedio se considerarn los siguientes porcentajes.
Examen final
50%
Exmenes parciales
40%
Tareas
10%
ESCALA DE CALIFICACIONES
0.0 5.9 --- 5
6.0 6.4 --- 6
6.5
6.6 7.4 --- 7
7.5
7.6 8.4 --- 8
8.5
8.6 9.4 --- 9
9.5
9.6 10 --- 10
BIBLIOGRAFA
1. Lay, David C.
lgebra Lineal y sus Aplicaciones, 2da. Edicin, Prentice Hall, 2001
4. Bell, E.T.
Historia de la Matemticas, 2da. Edicin, Fondo de Cultura Econmica, 1995
5. Anton H.
Introduccin al lgebra Lineal, Edit. Limusa, 2003
CAPTULOS:
I.
II.
III.
IV.
V.
lgebra Lineal: es la parte de la matemtica que estudia los espacios vectoriales y los conceptos
relacionados con ellos (matrices, espacios y formas algebraicas), as como las aplicaciones a la
teora de sistemas de ecuaciones lineales y al comportamiento algebraico de las funciones.
CAPITULO 2
ESPACIOS VECTORIALES
En forma genrica, a los elementos de un espacio vectorial se les llama vectores, por lo que, en
este contexto, la palabra vector adquiere un significado ms amplio.
DEFINICIN
En primera instancia se definir lo que es un espacio vectorial, para tal efecto se considerar un
conjunto U y un campo K, cuyos elementos se conocen como vectores y escalares
respectivamente.
Para poder llegar a definir la estructura de espacio vectorial se requiere, adems de las siguientes
operaciones:
1) Suma de vectores
2) Multiplicacin de un vector por un escalar.
Regla de correspondencia (criterio)
(a, b) + (c, d) = (a+d, b+c)
(a, b) = (a,b)
Si estas operaciones cumplen con las siguientes propiedades, entonces se tendr un espacio
vectorial.
EJEMPLO:
EJEMPLO:
EJEMPLO:
Espacio Nulo:
Contiene al vector nulo, ejemplo en polinomios: P= (0x2+0x+0)=
EJEMPLO:
PROPIEDADES ELEMENTALES DE LOS ESPACIOS VECTORIALES.
De los diez postulados que integran la definicin de espacio vectorial, los primeros cinco se refiere
nicamente a la adicin, y establecen que el sistema (V, +) es un grupo abeliano; por lo tanto, se
pueden enunciar las siguientes propiedades, las cuales son comunes a todos los espacios
vectoriales.
TEOREMA.
u , v , w V : u v u w v w
v 0 v ; v V
TEOREMA:
Sea V un espacio vectorial sobre K.
) : 0 = 0
) : 0 = 0, 0
) , : () = = ( )
) , : = 0 = 0 = 0
) , , : = 0 =
) , , : = 0 =
SUBESPACIO.
Es posible que un espacio vectorial tenga subconjuntos que sean, por s mismos, espacios
vectoriales.
Subespacio vectorial.
Dado un espacio vectorial A y un subconjunto B de A, si B es tambin un espacio vectorial respecto
a las operaciones definidas en A, decimos entonces que B es un subespacio vectorial de A.
Todo espacio vectorial es subespacio del mismo.
Para facilitar la verificacin de que un conjunto es subespacio vectorial o no, se dispone del
siguiente teorema.
Es decir que bastar con verificar la cerradura de B con respecto a la adicin y a la multiplicacin
por un escalar definidas en A para concluir que B es subespacio de A.
EJEMPLO:
NOTA: Condicin necesaria que un conjunto contenga el vector cero para que sea subespacio,
pero dicha condicin no es suficiente.
EJEMPLOS:
ISORMORFISMOS ENTRE ESPACIOS VECTORIALES.
El concepto de isomorfismo es de relevante importancia en las matemticas, especialmente desde
el punto de vista de sus aplicaciones. El trmino isomorfo, etimolgicamente significa de igual
forma, se emplea en el lgebra para denotar la idea de que dos sistemas son tan parecidos que
pueden considerarse, en esencia, como el mismo.
EJEMPLO.
Los espacios vectoriales del tipo Rn tienen una gran aplicacin en el estudio mismo de los espacios
vectoriales. Es probablemente que la aplicacin ms til resulte el teorema que estable que los
espacios vectoriales de la misma dimensin, son isomorfos. Es decir, todos los espacios vectoriales
de la misma dimensin son algebraicamente hablando, iguales. De esta manera al estudiar un
espacio vectorial V, de dimensin n, emplearemos el isomorfismo para trabajar con vectores del
espacio vectorial Rn y el resultado lo aplicaremos al espacio V.
= {[
|,
] , , }
4 = {(, , , )|, , , }
1 0
] (1,0,2,3)
2 3
(1,4,4,2) [1
4
4
]
2
DEFINICIN.
Sean U y V dos espacios vectoriales. Se dice que la funcin I:UV es un isomorfismo de U a V, si I
es biyectiva (inyectiva y suprayectiva) y adems cumple con las siguientes condiciones.
1) (1 + 2 ) = (1 ) + (2 )
2) ( ) = ()
Los espacios vectoriales isomorfos slo difieren en la naturaleza de sus elementos, sus
propiedades algebraicas son idnticas.
Si U y V son espacios vectoriales isomorfos bajo el isomorfismo I, entonces para el vector a del
espacio U, existe un nico vector v en el espacio V, tal que I(u)=v y recprocamente, para cada
vector de V del espacio V, existe un nico vector u del espacio U tal que I(v)=u
De acuerdo con lo anterior podemos establecer los siguientes teoremas:
EJEMPLO.
2.2 Combinacin Lineal. Dependencia Lineal. Conjunto generador. Base y dimensin de un espacio
vectorial. Coordenadas de un vector respecto a una base ordenada. Matriz de transicin.
COMBINACIN LINEAL.
Dado un espacio vectorial:
= {1 , 2 , 3 , , }
1v 1 2v 2 3v 3 ... nv n
EJEMPLO:
EJEMPLO:
DEPENDENCIA LINEAL.
Sea el conjunto de vectores: {1 , 2 , 3 , , }
Decimos que el conjunto V es linealmente dependiente, si existen escalares no todos nulos, que
satisfagan la ecuacin:
1v 1 2v 2 3v 3 ... nv n 0
Ecuacin de dependencia lineal
Si la nica solucin a dicha ecuacin es 1=2=3=...=n=0, entonces decimos que el conjunto V es
linealmente independiente.
Ejemplo: (1,0,0), (0,1,0), (0,0,1)
De acuerdo con lo anterior se tienen los siguientes dos teoremas:
Teorema 1: Todo conjunto de vectores que contenga al vector cero 0 es linealmente dependiente.
(1,0), (0,1), (0,0)
Teorema 2: Todo subconjunto de un conjunto de vectores linealmente independientes es a su vez
linealmente independiente.
(1,0), (0,1)
NOTA: Un conjunto formado por dos o ms vectores es linealmente dependiente cuando al menos
uno de ellos es una combinacin lineal de los otros vectores del conjunto.
En caso contrario; cuando ninguno de los vectores es combinacin lineal de los restantes, el
conjunto es linealmente independiente.
EJEMPLO:
EJEMPLO:
CONJUNTO GENERADOR DE UN ESPACIO VECTORIAL.
Cuando todos los vectores de un espacio vectorial pueden obtenerse mediante combinaciones
lineales de un conjunto finito de vectores de dicho espacio, se dice que dicho conjunto es
generador del espacio vectorial.
10
x 1v 1 2v 2 3v 3 ... nv n
Todo conjunto de vectores no vaco genera un espacio vectorial y para un espacio vectorial el
conjunto generador no es nico.
El conjunto de todas las combinaciones lineales de un conjunto de vectores de un espacio vectorial
V es un subespacio de V.
EJEMPLO:
Base cannica:
La base cannica de Rn es el conjunto {1 , 2 , 3 , , }
1 =
Donde = {
0
Todas las bases de un espacio vectorial de n elementos tienen el mismo nmero de elementos o
menor.
EJEMPLO:
11
Dimensin:
La dimensin de un espacio vectorial se define como la cantidad de vectores de cualquiera de sus
bases.
Teoremas:
- Sea V un espacio vectorial sobre K. Si = {1 , 2 , 3 , , } se dice que V es de
Dimensin n. Dim V = n, en particular si = {0} entonces dim V = 0.
-
EJEMPLOS.
a en la base B, y al arreglo
respecto a la base B.
El vector de coordenadas respecto a una base dada es nico para cada vector del espacio.
El vector de coordenadas de un vector perteneciente a un espacio, cambia al cambiar la base
de referencia.
EJEMPLO:
EJEMPLO:
12
MATRIZ DE TRANSICIN:
El cambio de coordenadas de una base a otra puede efectuarse multiplicando una matriz por un
vector. Esta matriz se conoce como matriz de transicin o matriz de cambio de base.
Para obtener esta matriz se procede de la siguiente forma:
= {1 , 2 , 3 , , }
= {
1 ,
2 ,
3 , ,
}
MW
= [(
)
)
)
)
1 (
2 (
3 (
]
(1 ) = 1 =1
1 +2
2 +
y deseamos obtener el vector de
De tal forma que, si conocemos el vector ()
coordenadas de ( ) , entonces ser suficiente con desarrollar el siguiente producto
( ) = ( )
EJEMPLO:
Toda matriz de transicin de una base A a otra B, es no singular y su inversa es la matriz de B a A.
Conviene hacer notar que toda matriz de transicin tiene inversa y adems que:
Si se conoce la matriz de transicin de una base V, a una base W, entonces la inversa de esa matriz
resulta ser:
)1
(
=
EJEMPLO:
13
1 2
]
1 0
() = {(1,1), (2,0)}
Se pueden formar espacios vectoriales con los renglones y las columnas de la matriz A, adems, se
puede presentar el hecho de aplicar transformaciones elementales a la matriz original y as
obtener matrices equivalentes.
De la misma forma en que se obtienen espacios vectoriales iguales con los renglones de una
matriz (aplicando transformaciones elementales), se pueden obtener espacios vectoriales iguales
considerando las columnas de dicha matriz.
Por lo tanto la aplicacin de transformaciones elementales sobre las lneas de una matriz conduce
a espacios vectoriales iguales a los espacios de las lneas originales. De esta manera es factible
obtener la base y dimensin de un espacio vectorial, reduciendo una matriz determinada, a la
forma escalonada.
14
Se dice que una matriz es una forma cannica escalonada, cuando adems de ser una matriz
escalonada, el primer elemento distinto de cero de cada rengln es uno y dicho elemento es el
nico diferente de cero en la columna en que se encuentra.
Ejemplo:
Para una matriz dada a existe una y slo una forma cannica escalonada que es equivalente a
la matriz A.
Los renglones no nulos de una forma cannica escalonada constituyen una base de su espacio
rengln.
La ltima propiedad es vlida tambin para una matriz escalonada cualquiera, pero en el caso de
una forma cannica an ms evidente.
EJEMPLO:
Teorema:
La relacin que guardan los espacios rengln y columna de una matriz es que la dimensin de
estos es la misma.
Para cualquier matriz A se tiene que: L (AR) L(AC), dim L(AR)=dim L(AC)
EJEMPLO:
RANGO:
Se llama rango de una matriz A, y se denota con R(A) al nmero:
R(A)=dim L(AR) = dim L(AC)
15
EJEMPLO.
2.4 El espacio vectorial de las funciones continuas de variable real. Subespacios de dimensin
finita. La dependencia lineal de funciones. Criterio del Wronskiano.
Esta expresin representa un nmero finito de ecuaciones una para cada nmero real x. Cmo no
es posible generar a todas las funciones continuas de variable real con un conjunto de un nmero
finito de elementos, se considera que la dimensin del espacio es finita.
EJEMPLO:
16
WRONSKIANO.
Dado el conjunto de funciones:
f1, f2, f3, ..., fn se define como Wronskiano al determinante:
1
| 1
= 1
|
(1)
1
2
2
2
3
3
|
|
(1=
(1)
2
(1)
3
Se tiene que el conjunto de funciones f1, f2, f3, ..., fn ser linealmente independiente si existe al
menos un valor de la variable para el cual W0.
En caso de que el determinante W=0 se tiene incertidumbre sobre la dependencia o
independencia del conjunto, por lo que se tendr que recurrir, en este caso a la ecuacin de
dependencia lineal.
EJEMPLO:
EJEMPLO:
EJEMPLO:
17
CAPITULO 3
TRANSFORMACIONES LINEALES
DEFINICIN DE TRANSFORMACIN:
Como sabemos una funcin f de A en B (donde A y B son conjuntos no vacos cualesquiera) es una
regla o criterio que asocia a cada elemento de A, uno y solo un, elemento de B, lo cual denotamos
mediante f: AB; existen tambin funciones entre espacios vectoriales que en forma similar
denotamos por: T:UV, donde U y V son espacios vectoriales sobre el mismo campo K y T es la
regla de correspondencia que asigna a cada vector de U uno y solo un vector de V, al que
llamaremos imagen de u y representamos como T(u).
T
T(u)
Dominio
Codominio
Al conjunto formado por todos los vectores que son imagen de algn vector del dominio, se le
conoce como el recorrido de la transformacin.
Lo representamos con T (U), esto es:
:
() = { | = (); }
18
v=T(u)
El ncleo de una transformacin es el conjunto de vectores cuya imagen es el vector cero. Dicho
conjunto lo representamos con: N (T), esto es:
() = {| ; () = 0}
U
N(T)
u1
u2
V
T
( x,y,z)
(x,y)
T(x,y,z) = (x,y)
EJEMPLO.
19
3.2 Definicin de transformacin lineal. Los subespacios ncleo y recorrido de una transformacin
lineal. Caso de dimensin finita: relacin entre las dimensiones del dominio, recorrido y ncleo de
una transformacin lineal.
TRANSFORMACIN LINEAL:
Antes de continuar con la descripcin de conjuntos que caracteriza a una transformacin se dar
la definicin correspondiente a transformacin lineal.
Una transformacin T:UV donde U y V son espacios vectoriales, es lineal, si y solo si, satisface las
siguientes propiedades:
1) Superposicin: La transformacin de una suma es igual a la suma de las transformaciones:
(1 + 2 ) = (1 ) + (2 ) 1 , 2
2) Homogeneidad: La transformacin de un vector multiplicado por un escalar es igual al producto
del escalar por la transformacin del vector.
( ) = () ,
EJEMPLO:
TEOREMA:
: , :
) ()
) ()
20
Se tiene que: 1 + 2 = (
1 ) + (
2 ) como T es lineal entonces:
1 + 2 = (
1 +
2 )
1 + 2 ()
= ( )
Como B es una base de V:
v 1v 1 2v 2 3v 3 ... nv n
= (1 1 +2 2 +3 3 + + ) Por lo que:
= (1 1 ) + (2 2 ) + (3 3 ) + + ( ) y como T es lineal
=1 (1 ) +2 (2 ) +3 (3 ) + + ( )
en consecuencia = {(1 ), (2 ), (3 ), , ( )} es un conjunto generador de T(V)
Si G es linealmente independiente entonces es una base de T(V) y si es linealmente dependiente
puede obtenerse una base de T(V) a partir de este.
EJEMPLO:
21
TEOREMA de dimensiones: Sea U un espacio vectorial y sea T:UV una transformacin lineal, se
tiene que:
Dim U = Dim T(U) + Dim N(T)
Donde U = dominio de la transformacin
T(U) = Recorrido de la transformacin
N(T) = Ncleo de la transformacin
Esto sucede siempre que se trabaja con espacios de dimensin finita, U es un espacio vectorial de
dimensin finita.
EJEMPLO:
EJEMPLO:
3.3 Matriz asociada a una transformacin lineal con dominio y codominio de dimensin finita.
Esta matriz se obtiene por la disposicin en columnas de las imgenes de los elementos de una
base cannica del dominio. De esta forma, la imagen de un vector est dada por el producto de la
matriz asociada y el vector dado en forma de columna.
T(u)
Esto es posible de esta forma, siempre y cuando tanto el dominio como el codominio sean
espacios del tipo Rn.
EJEMPLO:
22
De acuerdo con esto la matriz asociada a la transformacin referida a dos bases cualesquiera A y B
respectivamente se representa de la siguiente forma:
V
T
De esta forma se tiene que las columnas de dicha matriz son los vectores de coordenadas, en la
base B, de las imgenes de los elementos que integran la base A.
T: R3 R2
R3
R2
= {1 , 2 , 3 , , }
= {1 , 2 , 3 , , }
23
Imgenes:
(1 )
(2 ) Como combinacin
(3 ) lineal de los
elementos de B
( )
[(1 )]
[( 2 )]
[(3 )]
[( )]
() = [[(1 ) ] [(2 ) ]
[(3 ) ] [( ) ] ]
TEOREMA: Si T:V W es una transformacin lineal, existe una y solo una matriz:
De acuerdo con este teorema la matriz () nos permite calcular la imagen de un vector
cualquiera v del dominio, mediante el siguiente procedimiento, que podramos considerar
indirecto.
1) Determinar las coordenadas de v en la base A, ( ) ..
2) Multiplicar la matriz ()
por el vector ( ) .
24
Esquematizando:
Aplicando la regla
de correspondencia
( )
Clculo
Obtencin
1
de
3
1
coordenadas
Multiplicando por
de la
imagen
2
1
()
la matriz.
()
EJEMPLO:
TEOREMA: En una transformacin lineal, la dimensin del recorrido es igual a la dimensin o
rango de la matriz asociada referida a dicha transformacin.
EJEMPLO:
ALGEBRA DE TRANSFORMACIONES:
As como se tiene operaciones con funciones tambin se tienen operaciones con
transformaciones.
25
3) Multiplicacin por un escalar: Dada una transformacin T:UV y un escalar que pertenece al
campo de definicin, se define esta operacin de la siguiente forma:
( T) = T( ) U.
En trminos de matrices asociadas se tiene: M(T) = M(T)
R
R
T(u)
R[T(u)]
S( u )=R[T( u )],
Para que esta operacin pueda ser realizada debe existir interseccin entre el recorrido de T y el
dominio de R.
La relacin entre matrices asociadas est dada por:
M(RT)=M(R)M(T) o MRT=MRMT
26
EJEMPLOS:
TRANSFORMACIN INVERSA:
Dada una transformacin lineal T:VW existe una transformacin inversa T-1:WV, si y solo si, la
transformacin original es biyectiva, esto es:
1) Dim V = Dim W
2) Dim N(T) = 0
En trminos de matrices asociadas tenemos que:
T MT
T-1 MT-1=(MT)-1
EJEMPLO:
27
EJEMPLO:
TEOREMA: Sea T: VW una transformacin lineal. Si T-1 existe entonces es una transformacin
lineal.
TEOREMA: Sean T:VW una transformacin lineal, V un espacio de dimensin finita y A, B bases
de V y W respectivamente.
i) T-1 existe si y solo si () es no es singular
ii) Si T-1 existe, entonces ( 1 ) = [ ()]1
EJEMPLO:
Una traslacin por un vector b 0 desplaza a una figura sumando b a todos sus puntos. Una
transformacin afn es una transformacin lineal seguida de una traslacin.
28
OPERADOR LINEAL:
Son transformaciones de un espacio vectorial en s mismo, esto es, transformaciones del tipo:
T: VV
A las que se les conoce con el nombre de operadores
1 = (1,2)
(1 ) = (4,8) = 4(1,2) = 41
A tales vectores se les llama vectores caractersticos del operador T y a los escalares se les
conoce como valores caractersticos de dicho operador. ay-guen (egienvalor)
Del ejemplo, 4 es un valor caracterstico, y (1,2) es el vector caracterstico.
Se excluye al vector cero como vector caracterstico. Esto se debe a la conveniencia de que todo
vector caracterstico corresponda a un solo valor caracterstico. Empero, esta definicin permite al
escalar cero ser un valor caracterstico.
Algunos ejemplos:
Para la transformacin identidad:
I:VV, todos los vectores no nulos de V son vectores caractersticos
correspondientes al valor 1 puesto que ( ) = = 1 ;
Para la transformacin cero:
O:VV, todos los vectores no nulos de V son vectores caractersticos
correspondientes al valor 0, puesto que: 0( ) = 0 = 0
29
ESPACIO CARACTERSTICO:
Es claro que todos los vectores de un espacio vectorial se transforman en vectores del mismo
espacio al aplicarles la transformacin.
Si V entonces ( ) V.
Si al conjunto de vectores caractersticos le agregamos el vector nulo, entonces dicho conjunto
define un espacio vectorial al cual llamaremos espacio caracterstico:
() = { | , ( ) = } = 0
30
De 1 y 3 tenemos que:
I = ; donde I es la matriz identidad.
De donde:
I = 0
( I) = 0 . (4)
Si obtenemos el determinantes de A- I, esto es: DET (A- I) a esta expresin se le conoce como
polinomio caracterstico, de la transformacin si se iguala a cero (DET(A- I))=0 y se le llama
ecuacin caracterstica, la cual nos permite obtener los valores de , es decir los valores
caractersticos.
Para obtener los respectivos vectores caractersticos, asociados a los valores de , se utiliza la
ecuacin (4), esto es se determina la relacin entre los componentes del vector u, para los cuales
se satisface esta ecuacin.
EJEMPLO:
EJEMPLO:
31
MATRICES SIMILARES:
Las matrices asociadas a una transformacin lineal en dos bases cualesquiera, pertenecen a un
cierto tipo de matrices cuadradas llamadas similares.
La forma en que se relacionan las matrices asociadas a una transformacin lineal est dada por el
siguiente teorema:
TEOREMA: Sea T:VV una transformacin lineal sobre un espacio vectorial V de dimensin finita.
Si M es la matriz asociada a T referida a la base A y N es la matriz asociada a T respecto a la base B,
entonces N=P-1MP, donde P es a matriz de transicin de B a A.
= ()
= ()
=
= 1
ecuacin de similaridad
Por consiguiente el teorema puede escribirse de la siguiente manera: Dos matrices representan a
la misma transformacin lineal T de B a B en bases diferentes, si son similares, donde V es el
espacio vectorial de dimensin finita
Dos matrices representan al mismo operador si y solo si son similares.
Propiedades:
-
EJEMPLO:
Entre los tipos ms sencillos de matrices estn las diagonales. No siempre es posible encontrar una
representacin diagonal para cualquier operador. Las condiciones bajo las cuales existe tal
representacin:
32
Sea V un espacio vectorial de dimensin n y T:VV un operador lineal: existe una matriz diagonal
asociada a T, referida a una base, si y solo si existe una base de V formada por vectores
caractersticos. En tal caso, la matriz asociada a T, referida a esta base, es una matriz diagonal
cuyos elementos dii son los valores caractersticos correspondientes.
1
= [0
0
0
2
0
0 0
0 0]
0
Para que un operador lineal tenga representacin diagonal es condicin suficiente que sus valores
caractersticos sean diferentes, sin embargo tal condicin no es necesaria.
Dicho de otra manera, la suma de la dimensin de los espacios caractersticos debe ser la
dimensin del dominio, de esta forma se comprueba que el operador es diagonalizable; significa
que el operador o transformacin se puede representar por una matriz diagonal.
EJEMPLO:
Diagonalizacin: Es un procedimiento que permite modificar a una matriz cualquiera a efecto de
obtener su matriz diagonal. Para el caso de matrices asociadas a una transformacin, la matriz
diagonal que representa al operador se obtiene con la expresin:
D=P-1AP
Donde D es la matriz diagonal, P es una matriz formada por vectores caractersticos dispuestos en
forma de columna y se le llama matriz diagonalizadora, y A es una matriz asociada al operador
referida a una base cannica, llamada matriz diagonalizable.
TEOREMA: Una matriz A de nxn es similar a una matriz diagonal D, si y solo si existe un conjunto
linealmente independiente formado por n vectores caractersticos de A. En tal caso, existe una
matriz no singular P tal que: D=P-1AP
EJEMPLO:
EJEMPLO:
33
CAPITULO 4
ESPACIOS CON PRODUCTO INTERNO
PRODUCTO INTERNO:
Se ha visto que en un espacio vectorial se tiene la posibilidad de establecer varias operaciones,
una operacin muy importante es la correspondiente al producto interno entre vectores, la cual se
denota por:
,
(|)
Si una operacin cumple con las siguientes propiedades entonces ser un producto interno.
1) Simetra o conmutatividad
(|) = (|)
2) Distributividad sobre la adicin
( + |) = (|) + (|)
3) Homogeneidad
( |) = (|)
4) Positividad
(|) > 0 ; 0
Siempre y cuando el campo de definicin del espacio vectorial sea el campo de los reales.
EJEMPLO:
En el caso de que el campo de definicin del espacio vectorial corresponde al de los nmeros
complejos, la definicin de producto interno est dada por la verificacin de las siguientes
propiedades:
34
TEOREMA.
Sea V un espacio vectorial sobre C y sea ( |) un producto interno en V, entonces, ,
:
(| )
) (| ) =
) (|)
) (0|) = 0 = (|0)
) (|) > 0 0
EJEMPLO:
NORMA DE UN VECTOR
La idea de magnitud (o tamao) de un vector se introduce formalmente en un espacio vectorial
con el concepto de norma.
v
1
2
= ( | )
1) v 0 si v 0
2) v 0 si v 0
3) v v
4) u v u v
Desigualdad del triangulo
.
35
EJEMPLO:
EJEMPLO:
EJEMPLO:
VECTORES UNITARIOS:
v 1
(
) =
es un vector unitario.
, :
|(| )|2 (|) ( | )
|(| )| ( | )
Adems, la igualdad se cumple si y solo si u y v son linealmente dependientes
Si u =0 o v =0, es inmediato que la igualdad se verifica.
EJEMPLO:
d(u , v ) v u
36
La distancia es el conjunto de los nmeros reales no negativos, y tiene las siguientes propiedades.
1) (, ) 0
2) (, ) = 0 =
3) (, ) = ( , )
4) (,
) (,
) + ( ,
)
EJEMPLO:
,
(| )
cos =
Siempre y cuando el campo de definicin del espacio vectorial al cual pertenecen uy v sean los
reales R.
Si el campo de definicin es complejo, entonces la expresin que me permite calcular el ngulo es:
cos =
(| )
Donde R( v |u ) representa la parte real del nmero complejo que resulte del producto interno.
EJEMPLO
VECTORES ORTOGONALES.
En un espacio con producto interno, dos vectores uy v son ortogonales si:
(| ) = 0
La ortogonalidad depende de la seleccin del producto interno. Es posible que dos vectores sean
ortogonales con respecto a un producto interno y que al mismo tiempo no lo sean con respecto a
otro producto interno.
37
EJEMPLO.
u v
( | ) = 0;
Si adems v 1;
i
i el conjunto S es ortonormal.
EJEMPLO:
Independencia lineal
Conjunto generador
38
(| ) =1 (1 | ) +2 (2 | ) +3 (3 | ) + + ( | ) + + ( | )
(| ) = ( | )
(| )
=
( | )
(|1 )
() = [
,
(1 |1 )
(|2 )
,
(2 |2 )
(|3 )
(| )
,,
]
(3 |3 )
( | )
En el caso de que la base sea ortonormal, entonces el vector de coordenadas vendr dado por:
() = [(|1 ), (|2 ), , (| )]
Donde:
39
= {1 , 2 , , }
EJEMPLO:
PROCESO DE ORTOGONALIZACIN DE GRAM-SCHMIDT
Este se utiliza para obtener bases ortogonales de un espacio vectorial, a partir de una base
cualquiera de dicho espacio.
= {1 , 2 , 3 , , }
Representa una base ortogonal del espacio vectorial considerando que:
1 = 1
+1 = +1
=1
(+1 | )
( | )
(3 |1 )
(3 |2 )
3 = 3 [
1 +
]
(1 |1 )
(2 |2 ) 2
(4 |1 )
(4 |2 )
(4 |3 )
4 = 4 [
1 +
2 +
]
(1 |1 )
(2 |2 )
(3 |3 ) 3
EJEMPLO:
EJEMPLO.
40
( |) = 0
= { |( |) = 0; }
El conjunto de todos los vectores de V ortogonales a S se denota como S (complemento
ortogonal), esto es:
S es un subespacio.
Cerradura suma u1 , u2
( |1 ) + ( |2 ) = 0
0 +
0 = 0
Cerradura multiplicacin
( |) = ( |)
0 = 0
EJEMPLO:
TEOREMA:
Sea V un espacio con producto interno y sea W un subespacio de V de dimensin finita. Entonces
cualquier vector v V puede expresarse en forma nica como:
v w w'
donde w W y w ' W
EJEMPLO:
41
Si V, el vector
( | )
=1
EJEMPLO:
TEOREMA DE PROYECCIN.
Uno de los resultados de la teora de los espacios con producto interno es el llamado teorema de
proyeccin (o teorema de la mejor aproximacin).
Se trata de encontrar un vector
0 del plano W que sea el ms cercano a (o el ms
aproximado), en el sentido de que la distancia entre y
0 sea la menor distancia posible entre
y cualquier vector de W.
Sea V un espacio con producto interno y sea W un subespacio de V. Para cada vector V existe
uno y slo un vector
0 W tal que:
v w0 v w ,
Dicho vector es la proyeccin de sobre W.
EJEMPLO:
42
w W , w w0
Los sistemas inconsistentes surgen con frecuencia en las aplicaciones, aunque generalmente no
con una matriz de coeficientes tan grande. Cuando se necesita una solucin y no existe alguna, lo
mejor que se puede hace es encontrar una solucin tan cercana a la posible.
Por ejemplo al sistema no homogneo = , se debe encontrar una que haga tan cercana
a como sea posible.
El trmino de mnimos cuadrados surge del hecho de que es la raz cuadrada de una
suma de cuadrados.
DEFINICIN.
Si A es una matriz de orden mxn y est en Rn, una solucin por mnimos cuadrados de =
es una tal que:
TEOREMA:
Para cualquier matriz A de mxn y cualquier vector , hay una solucin x~ de mnimos cuadrados de
~ b~
= . Adems, si es la proyeccin de sobre Col A, entonces: Ax
TEOREMA: Si las columnas de una matriz de mxn forman un conjunto ortogonal, entonces ATA es
una matriz diagonal nxn.
TEOREMA:
Si A es una matriz mxn, siempre hay solucin por mnimos cuadrados de = .
Adems,
1. x~ es una solucin por mnimos cuadrados de = si y solo si es una solucin de las
ecuaciones normales
= .
= ( )1
EJEMPLOS.
44
CAPITULO 5
OPERADORES LINEALES EN ESPACIOS CON PRODUCTO INTERNO
Dentro de estos operadores y para una mejor comprensin se puede trabajar con el operador
adjunto.
DEFINICION.
Sea V un espacio con producto interno y sea : un operador lineal. Un operador se dice
que es adjunto de T si:
:
(()| ) = (| ( )), ,
Recordar que siempre hay una relacin entre las representaciones matriciales de los operadores T
y T* cuando stas se encuentran referidas a una base ortonormal.
TEOREMA
Sea V un espacio vectorial e dimensin finita con producto interno y sea B una base ortonormal de
B. Si : es un operador lineal, entonces:
( ) = [ ()]
TEOREMA
Si V es un espacio vectorial de dimensin finita y con producto interno, entonces para cada
operador lineal : existe un nico adjunto T*, que tambin es lineal.
EJEMPLO:
45
) ( ) =
) ( ) =
) ( + ) = +
) ( ) =
5.2 Definicin y propiedades elementales de operador normal.
DEFINICIN
Sea V un espacio con producto interno y sea : un operador lineal. Se dice que T es
normal si = .
De esta definicin se sigue de inmediato que si T es normal T* tambin es normal y viceversa.
) ( ) = ( ),
) ( ) = ( ) =
) 1 , 2 1 , 2
1 2 (1 |2 ) = 0
Interpretando lo anterior:
1) Si es un valor caracterstico de T entonces es un valor caracterstico de T*
2) Todo vector caracterstico de T es tambin un vector caracterstico de T* (aunque no
necesariamente correspondiente al mismo valor que para T).
3) Para operadores normales, los vectores caractersticos asociados a valores distintos son
ortogonales.
EJEMPLO:
46
Operadores normales reciben nombres especiales debido a que sus caractersticas propias son de
inters para la teora de operadores lineales. Estos operadores suelen distinguirse con diferentes
nombres cuando el espacio vectorial est definido sobre el campo de los nmeros complejos y
cuando est definido sobre el campo de los nmeros reales.
DEFINICIN:
Sea V un espacio vectorial sobre C (sobre R) con producto interno y sea : un operador
lineal, se dice que:
i)
ii)
iii)
T es hermitiano (simtrico) si T* = T
T es antihermitiano (antisimtrico) si T* = -T
T es unitario (ortogonal) si T* = 1
EJEMPLO:
TEOREMA
Sea V un espacio con producto interno, B es una base ortonormal de V, : un operador
lineal y A la representacin matricial de T referida a la base B.
i)
ii)
iii)
Operadores Unitarios.
Sea V un espacio de dimensin finita sobre Complejos con producto interno, y sea : un
operador lineal. Se tendr un operador unitario respecto al producto interno definido, si para todo
1 2 se cumple que:
((1 )|(2 )) = (1 |2 )
Si V es un espacio definido sobre los Reales es ms comn decir que T es un operador ortogonal,
cuando T satisface la condicin anterior.
TEOREMA: Propiedades.
1.- ( ) =
2.- Los valores caractersticos tendrn modulo 1.
EJEMPLO:
Recordando el teorema de proyeccin hay que remarcar que el resultado de este teorema era un
vector proyectado, con el teorema espectral el resultado ser un operador.
DEFINICIN.
Sea V un espacio vectorial sobre C (sobre R), de dimensin finita y con producto interno, y sea
: un operador normal (simtrico).
) = 1 1 + 2 2 + +
) 1 + 2 + + =
) = 0,
A la primer expresin del teorema se le conoce como descomposicin espectral del operador T,
tal descomposicin es nica (salvo en el orden de los sumandos).
EJEMPLO:
5.5 Aplicacin de los valores propios y los vectores propios a las formas cuadrticas:
Para esta parte del curso lo que se pretende es la aplicacin de algunos conceptos estudiados en la
geometra analtica. En particular a lo referente al giro de ejes, para simplificar la identificacin de
cnicas o bien la degeneracin de ellas.
49
x2 + y2 + = 0
A travs de un giro de ejes y si es necesario una traslacin de los mismos, obteniendo con esto,
una cnica con centro en el origen y sus ejes paralelos o coincidentes con los ejes coordenados.
Una forma cuadrtica siempre puede ser expresada en forma matricial de la siguiente manera:
ax2 +bxy + cy2
] [
2] [ ] =
Se observa que el trmino xy de la ecuacin aparece debido a los elementos que no estn en la
diagonal principal de la matriz A.
En cambio, si A fuese una matriz diagonal, el trmino xy no aparecera.
Por lo tanto para tener una ecuacin sin el trmino xy, se debe hacer un cambio de variable que
diagonalice a la matriz A. Utilizando la ecuacin: D=P-1AP, como se sabe la matriz P se forma con
los vectores caractersticos, sin embargo, es preferible usar vectores unitarios, ya que entonces la
matriz P es ortogonal, y por lo tanto PT=P-1.
50
Es importante tener presente que el determinante de la matriz P deber ser igual a 1. Si dicho
determinante fuese igual a -1 basta con invertir el orden de las columnas para tener la condicin
buscada.
El nuevo sistema de coordenadas x, y, en el cual la cnica carece del trmino xy, est dado por la
expresin:
[ ] = [] =
ngulo:
Ax 2 Bxy Cy 2 Dx Ey F
tan 2
B
AC
EJEMPLO.
51