Professional Documents
Culture Documents
INTRODUCCI
CONCEPTES PREVIS
GRUPO
2* Commutativa:
Para cualquier pareja a, b includa en G a b = b a
ANILLO
CUERPO
I ESPACIOS VECTORIALES
Quins ingredients necessitem per crear un espai vectorial?
1. Cogemos un conjunto llamado E que sern los vectores. Le definimos la operacin
suma, de manera que el conjunto cumpla ser un grupo Abeliano.
(E, +) vectores
2. Adoptamos K como un cuerpo definido como:
(K, +, ) escalares
3. Establecemos una aplicacin entre ellos, tal que:
(K x E) > E
(a, u)
(a, u)
OBS!!!
Una aplicacin es una relacin entre dos conjuntos.
R > R
y = 2x+1
donde tenemos una pareja resultante (a,b) expresada como RxR.
La operacin entre K y E es conocida como producto cartesiano. Es una operacin entre dos
conjuntos que da como resultado otro conjunto. El producto cartesiano de A y B es el conjunto A B
cuyos elementos son los pares ordenados (a, b), donde a es un elemento de A y b un elemento de B.
El nuevo conjunto representado por E y sus pares ordenados (a, u) tendr que cumplir cuatro
condiciones o propiedades:
1) a ( u + v ) = au + av (Cualquier valor de a existe en K y cualquier pareja u,v existe en E)
2) ( a + b ) u = au + bu (Cualquier pareja a,b existe en K y cualquier vector u existe en E)
3) a ( b u ) = ( a b ) u (Cualquier pareja a,b existe en K y cualquier vector u existe en E)
4) Existe 1, el elemento neutro de producto en K tal que: 1 u = u
( R3 , + , R ) (a lespai)
( Mnxm (R) , + , R )
Subespacios Vectoriales
Un subconjunto de E (SCE) puede ser a su misma vez un espacio vectorial. Entonces, ste es llamado
como subespacio vectorial. Pero tendr que cumplir dos condiciones:
1) Para cualquier pareja de vectores u, v existente en S, la suma de ellos ha de existir en S.
2) Para cualquier valor de a existente en K y cualquier valor de u existente en S, el vector
resultante (a, u) ha de existir en S. sto obliga necesariamente a que existe el elemento neutro y el
vector 0 en el subconjunto S.
Entonces, el subespacio vectorial ser: ( S, +, K ). Pero por qu decimos que es un subespacio si se
comporta como un espacio?
Porque es un conjunto de vectores (infinito o no) que se incluye en un espacio vectorial donde hay
muchos ms o donde el infinito de ste puede ser mayor.
( R2 , + , R )
donde R2 = { (a,b) ; a,b existen en R }
w = 2u + v
Primerament, imposem:
Si los coeficientes son necesariamente diferentes de cero, tenemos que el conjunto de vectores es
dependiente.
Ejemplo:
u(2,3)
2a + 3b = 0
dskklau + bv = 0
>
v(3,4)
3a + 4b = 0
La nica posible solucin es a=0 y b=0. Por tanto, estos dos vectores son independientes.
AS PUES, PODEMOS DECIR QUE:
Para R2, siempre una pareja ser independiente y una terna ser dependiente.
w(1,1) > au + bv + cw = 0 > a(2,3) + b(3,4) + c(1,1) = (0,0)
2a + 3b + c = 0
> Se trata de un sistema compatible determinado con infinitas soluciones.
3a + 4b + c = 0
3b + c = -2
Para a=1 >
SCD no H. 1 Solucin.
4b + c = -3
VECTORES GENERADORES
Cualquier vector perteneciente a un espacio vectorial se puede expresar como una combinacin lineal de
ellos, los vectores generadores.
Teniendo el espacio vectorial (E, +, K) y un subconjunto S c E tal que S = {u1, u2 un}
< u1, u2 un > c E = { a1u1 + a2u2 + + anun | a1, a2 an c K } = F > un nuevo subespacio vectorial.
Llamaremos F al conjunto de vectores generadores.
EJEMPLO:
< (1,1) > = F c R2 > recta x=y
As pues, la una base de R2 ser > < (1,1) , (-1,0) > = G c R2
La base ms sencilla se llama cannica y est formada por i + j.
BASES
Teniendo un determinado espacio vectorial, diremos que B es base de E si:
1) Son linealmente independientes.
2) Son generadores.
En R2 sern dos valores cualesquiera que tengan diferente direccin.
AS PUES, la dimensin ser el nmero mnimo de bases del espacio vectorial.
Ejemplo:
B = u (1,0) y v(1,1).
1) au + bv = 0 a, b?
a(1,0) + b(1,1) = (0,0) > (a,0) + (b,b) = (0,0) > (a+b, b) = (0,0)
a = 0 , b = 0 (SHCD linealment independents).
2) (c, d) = a(1,0) + b(1,1)
(a+b, b) = (c, d) > b = d
> a+b = c > a = c - d = c - d
Espacio de matrices 2x2 hechas con 4 nmeros reales. Cada matriz es un vector.
(M2x2 (R), +, R)
1 Vector cualquiera:
> Cannica
B = { 1, x+2, 3x2+5x-11 }
Una base tendr tres constituyentes (el grado del polinomio en cuestin +1).
Su dimensin ser n+1 segn el grado n.
La base cannica, en este caso, ser: { x2, x, 1, }
PROPOSICIN:
Un conjunto de vectores es linealmente independiente si uno de ellos se puede colocar como
combinacin lineal de los otros.
Sea (u1 un) vect. de E linealm. dep. <=> Uno de ellos es c. lineal resto
Demostracin:
EN UN SENTIDO
a1u1 + a2u2 + + anun = vector 0.
a=0
EN EL OTRO SENTIDO
u1 un > u1 = b2u2 + b3u3 + + bnun
(0,0) = - u1 + b2u2 + b3u3 + + bnun
TEOREMA:
Teniendo un espacio vectorial (E, +, K); un conjunto de vectores ser base de E si y solo si cualquier
vector de E se expresa de manera NICA como combinacin lineal de u1, u2 un.
B c E ; B = {u1 un} <=> Para cualquier vector existente en E, v = a1u1 + a2u2 + + anun, su
conjunto de ai es nico.
Contraejemplo:
3 vectores de R2 sern generadores pero no base porque son linealmente dependientes y pueden formar
cualquier otro vecto de infinitas maneras diferentes.
Demostracin:
EN UN SENTIDO (=>)
Sea v un vector de E cualquiera: v = a1u1 + a2u2 + + anun, demostraremos por reduccin al absurdo que
slo tiene una manera de ser expresado. Supongamos, pues, lo contrario; el mismo vector v expresado
de manera diferente:
v = b 1u 1 + b 2u 2 + + b nu n
SI RESTEM UNA MENYS LALTRE >
an = b n
- v = a 1u 1 + a 2u 2 + + a nu n
TEOREMA DE STEINITZ
Sea (E, +. R) un espacio vectorial cualquiera, tenemos una base B de ese espacio formada por los
vectores B = {u1 un} y adems tenemos un conjunto de vectores que son linealmente independientes
(v1, v2 vm), podemos substituir n vectores de B y substituirlos por m vectores del segundo conjunto,
siendo lo resultante todava una base de E. Pero no sern cualquier vector por cualquiera. Hay que
hacerlo siguiendo una serie de propiedades, Steinitz te dice que siempre podrs hacerlo.
DEMOSTRACIN:
Para el vector v1 existente en E, podemos decir que puede ser formado por la base de E de la siguiente
manera:
Suponiendo que a1 = 0
Teniendo que:
Por tanto:
1) Queda demostrado que < > 2 generan E.
2) Queda demostrar que son linealmente independientes. Para ello, haremos una combinacin
lineal = 0.
por tanto, si realizamos el sumatorio y extraemos factor comn de los vectores, queda:
De aqu podemos deducir que el factor que multiplica al primer vector ha de ser
obligatoriamente cero. Esto implica que o bien a, o bien b o bien ambos sean obligatoriamente cero.
Pero como hemos dicho antes, a es diferente de cero en todo caso, cosa que obliga a que b1 sea igual a
cero. Esto hace anular radicalmente cualquier factor donde apareza a, el coeficiente de v que poda
afectar al resultado, y por tanto, la igualdad con el vector 0 se cumple.
POR TANTO, hemos demostrado que la expresin anterior, una combinacin lineal de n vectores,
linealmente independientes y generadores por definicin, tienen todos los coeficientes 0.
Vemos que puede ser escrito de una nueva manera, segn la nueva base de E.
Podemos suponer que de c2 en adelante no pueden ser todos 0 porque de ser as, v2 sera combinacin
lineal de v1, cosa que ira contra-enunciado.
Supongo, pues, que c2 = 0, y aislo el vector u2:
Y, siguiendo la misma lnea argumentativa que para el primer caso, llegamos a la conclusin de que
podemos formar una nueva base de E con la siguiente estructura:
INTERSECCIN DE SUBESPACIOS
(E, +, K) Esp. Vectorial.
F, G c E Subespacios vectoriales.
Definiremos la interseccin de F y G como:
PERO, la unin
SUMA DE SUBESPACIOS
Definiremos la suma de F y G como:
Por ejemplo:
G
(0,1)
(2,1)
(2,0)
F
10
r+s-m
Sean:
11
=>
(cambio de base)
v = b 1e 1 + b 2e 2 + + b ne n
(nuevo vector)
=>
>
tendremos n2 P >
e 1 e2 en
relacin entre a y b.
12
>
Ejemplo:
u1 (1,0)
u2 (0,1)
B=
v = 3e1 + 2e2
B =
e1 (2,1)
e2 (-1,2)
(vector nuevo)
>
v = 4u1 + 7u2
OBS!
>
B3(v1vn)
>
P
Q
E > E > E
ui
ei
PQ
13
vi
P
R
E> E> E
>
para demostrar que
el cambio de base es
invertible:
ui
ei
ui
R
P
E> E> E
ei
PR = Id
ui
RP = Id
P=R-1
R=P-1
ei
APLICACIONS LINEALS
Cuando se cumplen dos condiciones, la aplicacin entre dos espacios vectoriales es lineal.
Ejemplo:
R > R2
x > (x,x)
f(x) = (x,x)
1) f(x+y) = f(x) + f(y)
(x+y , x+y) = (x,x) + (y,y) ok!
Si por el caso la aplicacin hubiera sido: f(x) = (x,x+1)
(x+y, x+y+1) = (x, x+1) + (y, y+1) = (x+y, x+y+2) > No es =, no es una aplicacin lineal.
OBS!
14
NUCLEO Nuc f c E
Conjunto de vectores de E, es decir, un subconjunto de E, cuya imagen es el 0.
Ejemplo:
P: R3 > R2
u(a,b,c)
IMAGEN Im f c F
Conjunto de vectores en F que tienen antimagen en E.
n-s
Damos por hecho que el Ncleo i la Imagen de f son subespacios vectoriales, ya que de otro modo no
tendra sentido habla de sus dimensiones.
1)
>
completamos la base a E:
2)
3)
4)
As pues, tendremos:
>
{f(us+1) , f(us+2) f(un)} que tienen dimensin n-s. Por tanto, son base hipottica de Im(f).
u1
u2
us
us+1
Nuc(f)
f(us+1)
f(un)
un
15
Im(f)
DEFINICIN:
Cundo una aplicacin lineal es un monomorfismo?
Siempre que la aplicacin lineal sea inyectiva.
Qu quiere decir sto?
Que todas las imgenes tengan una y tan slo una ninguna antimagen:
16
f(u1) = v1 f(u2) = v2
f(u3) = v3
u = a u 1 + b u2 + c u3
f(u) = f(a u1 + b u2 + c u3) = a v1 + b v2 + c v3
PROPOSICIN:
TEOREMA:
OBS!
f: E > E = endomorfismo.
Si endomorfismo es biyectivo: automorfismo
17
Ahora tenemos que dar las imgenes de los elementos de esta base.
Definimos f
>
vector de F :
Las imgenes de los n vectores de la base de E sern una cierta combinacin lineal de los vectores
base de F. A partir de sta primera ecuacin (1) podemos saber cualquier vector de F.
Por tanto:
18
Ejemplo I:
Ejemplo II:
19
ejemplo III.2
ejemplo III.3
20
21
22
dim F = m
(E, F, +, K)
( L(E,F) , + , K )
f,g,h,
l,r,
23
Observaciones:
1. El espacio L(E,F) es isomorfo al espacio Mmxn(K)
ejemplo:
24
No tendra sentido si los espacios son diferentes (es decir, si no se trata de un endomorfismo).
Propiedades de la composicin:
1) Asociativa (f o g) o h = f o (g o h)
2) Tiene elemento neutro: la identidad, tal que: I o f = f o I = f
(End(E), + , o)
25
ESPACIO DUAL
Anteriormente hemos visto L(E,F) tal que h g, f: E
F.
PERO:
Sea (E, +, K) un espacio vectorial de dim = n.
B = < u1, u2 un > base de E.
y dim K = 1 (sea el cuerpo que sea).
DEFINIMOS:
L ( E , K ) = E como el ESPACIO DUAL de E
26
27
28
Matriz 2x2:
Matriz 3x3:
29
Matriz n x n
PROPIEDADES
1) Si una fila o columna es suma de dos columnas o filas , el determinante se puede
escribir como:
2)
30
5)
31
REGLA DE LAPLACE
Observacin:
32
MATRIZ INVERSA
33
1. TIENE SOLUCIN?
2. CUNTAS TIENE?
34
3. CMO ENCONTRARLAS?
REGLA DE CRAMER
35
m=n
m=n
36
37
38
v1, , vn
F
f(u1) f(u2) f(ur) f(ur+1) f(ur+2)
f(un)
m
0
{ur+1, ur+2 }
Qu pasa si:
f: E
39
det(f-KI) = 0
ejemplo:
40
ejemplo II:
41
42
TRAZA DE LA MATRIZ
tr A = tr B = tr f
43
44
IV GEOMETRA
FORMA BILINEAL
Las formas bilineales son aplicaciones del espacio dual.
entonces:
OBS!
Phi es un tensor covariante de grado 2.
Sera contravariante si Phi estuviera aplicado a ExE.
Un determinante es una aplicacin multilineal.
45
As pues:
tal que:
pequea demo
46
47
PRODUCTO ESCALAR
Una forma bilineal es un producto escalar SI Y SLO SI es simtrica
y definida positiva.
Def Forma Definida Positiva
Teorema:
Todos los determinantes que su diagonal coincida con la diagonal principal de la matriz han de ser + para
que Phi sea definida positiva.
Teorema II:
u
90
v
VECTOR UNITARIO
48
Normalizar un vector:
49
MTODO:
50
51
Ejemplo:
NORMA
52
53
FUNCIONES ORTOGONALES
(Endomorfismos que conservan el producto escalar)
PROPIEDADES:
1.
2.
3.
4.
54
5.
PROPOSICIN :
55
56
Endomorfismos de E
Funciones ortogonales
especiales: rotaciones o giros:
SO(2).
+1
-1
Simetras
57
PROPOSICIONES:
1.
2.
ejemplo:
58
Aplicacin:
A (ngulos)
(u, u) f
~ (v,v)
(w, w) g
~ (x,x)
Identidad
g(f(u))
f(u)
Beta
Alpha
59
60
61