Instituto Universitario Politcnico

Santiago Mario
Extensin Caracas
Escuela de Ingeniera Civil

TRABAJO DE LOS ESPACIOS VECTORIALES

Profesor:
Ing. Ramirez

Autor:
Prez Rudy C.I.: 18.020.270

Caracas, 17 de Julio del 2014

Introduccin
En el presente trabajo se detalla un resumen general de la materia lgebra Lineal ,
en el cual se tratara de enlazar las relaciones de todos los temas vistos en
el transcurso del ciclo.
Por ejemplo, dimensin y espacio vectorial, combinacin lineal y matrices n x m, y
otros temas estn ampliamente relacionados igual que otros temas que veremos en
el transcurso de este trabajo.
Tratar de enlazar los temas de la presente asignatura fue satisfactorio ya que as nos
damos cuenta de que tanto necesitamos aprender los temas anteriores para poder
resolver los nuevos problemas, sin tener una buena base de los temas estudiados en
el transcurso del trabajo no podramos realizar los problemas de otros temas no
presentes en este trabajo ejemplo los valores y vectores propios en este se necesita
que se domine casi todo este trabajo para poder entender y poder analizar este tema
ya que estn grandemente relacionados .
En estos capitulo generalizamos los conceptos bsicos de los vectores. Las
propiedades comunes de la aritmtica matricial y vectorial se transforman en
propiedades definitorias para un conjunto de vectores abstractos o generalizados,
llamado espacio vectorial. Los conjuntos de matrices y de vectores ordinarios son
ejemplos de espacios vectoriales.
De igual manera se abordara el tema de sub espacio los conceptos de fundamentales
de sub espacios y base en Rn. La eleccin y uso de una base de un sub espacio se
parece a la eleccin y uso de un marco de coordenadas en el plano o en el espacio por
lo tanto esta es una preparacin para los conceptos abstractos correspondientes de la
unidad

Estructuras Algebraicas
Una estructura algebraica es un conjunto de operaciones binarias, esta se representan
<A, operacin>, < {a, b, c}, operacin>, as se representan las estructuras algebraicas
sencillas, las dobles se representan <conjunto, 1o. operacin, 2o. operacin>.
Una operacin binaria es cuando dos conjuntos se operan entre si y el resultado de
esta operacin da un tercer conjunto.
Tabla de Cayley es una tabla que contiene filas y columnas, para poder trabajar con
estas tablas se necesitan dos conjuntos finitos ejemplo:
A {1, 2,3} y B {4, 5,6}
C = A x B! C donde x es una multiplicacin ordinaria.
x

10 12

12 15 18

Donde c = {4, 5, 6, 8, 10, 12, 15,18}

Estructura Algebraica
Estos se pueden clasificar segn la cantidad de operaciones que tengan. Segn las
leyes que cumplan Las estructuras algebraicas de una operacin as tienen un nombre
en particular as:

Si cumple la ley de cierre se le denomina como estructura algebraica monoide.

Si cumple la de cierre y la asociativa es un semi grupo.
Si cumple la de cierre, la asociativa y la ley de identidad es un semi grupo con
identidad.
Si cumple la de cierre, la asociativa, la de identidad e la inversa es un grupo.
Si cumple ser grupo ms la ley conmutativa es un grupo abeliano.

Mientras que las estructuras algebraicas de dos operaciones, pueden ser:

Anillos, divisor cero, dominio entero o cuerpo o campo.

Para que una estructura algebraica de dos operaciones sea anillo esta debe
analizarse separadamente y as se clasifica:
para que sea anillo la primera operacin debe de ser grupo abeliano como lo
vimos anteriormente.
Luego debemos de ver si las dos operaciones son compatibles y esto se hace
haciendo que la segunda operacin de distribuya en la primera operacin.
Si los dos primeros pasos se cumplen entonces empezaremos a operar la
segunda operacin tomando en cuenta que:
Si la primera operacin es grupo abeliano y la segunda operacin es grupo
entonces este ser un anillo.
Si la segunda operacin es un semi grupo este ser anillo conmutativo o
abeliano.
Si la segunda operacin es un semi grupo con identidad es un anillo con
identidad.
As se clasifica un anillo.

Para que una estructura algebraica sea divisor cero este debe de cumplir que X y Y
que pertenecen un conjunto B entonces X y Y tienen que ser distintos al elemento
neutro de la primera operacin y al ser operados con la segunda operacin este tiene
que dar de resultado el elemento neutro de la primera operacin por ejemplo:
Para la operacin <A, +, x> donde X y Y pertenecen al conjunto A y que + es la
suma ordinaria y x la multiplicacin ordinaria entonces deberamos tener que X Y
" 0 ya que cero es el elemento neutro de la primera operacin y X y Y deben de ser
distintos de cero y al multiplicar X y Y esta operacin debe de dar el elemento neutro
de la primera operacin. Por lo tanto esta estructura algebraica no es un divisor cero.
Para que una estructura algebraica de dos operaciones sea Dominio Entero se dice
que primero debe de ser anillo abeliano con identidad y cumplir que X y Y deben de
pertenecer a un conjunto B y que si al operar la segunda operacin debe de dar el
elemento neutro de la primera operacin y que X o Y tiene que ser igual al elemento
neutro de la primera operacin ejemplo:
<A, +, x> donde X y Y pertenecen al conjunto A entonces X x Y = 0 si X o Y = 0.
Para que una estructura algebraica de dos operaciones sean cuerpo o campo este tiene
que ser primero un dominio entero como lo vimos anteriormente y que todo elemento
de la segunda operacin tiene un inverso menos el elemento neutro de la primera
operacin.

Propiedades de las operaciones

Ley de cierre: esta dice que al operar dos elementos el resultado debe pertenecer al
conjunto asignado en la operacin.
Elemento inverso o Identidad: este dice que un elemento operado con el neutro de
la operacin esta debe de dar de resultado el elemento ejemplo: el elemento neutro de
la suma es el 0 entonces a + 0 = a y 0 + a = 0.
Elemento inverso: este es aquel que al ser operado con cualquier elemento este debe
de dar de resultado el elemento neutro de la operacin ejemplo: el elemento inverso
de la suma es la resta entonces a + (-a) = 0 y (-a) + a = 0.
Ley asociativa: este dice que los elementos se pueden asociar sin alterar el resultado
ejemplo: (a + b) + c = a + (b + c)=d.
Ley conmutativa: este dice que el orden de los elementos no altera el producto
ejemplo:
a + b = b + a = c.
Espacios Vectoriales
Espacio euclidiano o Espacio vectorial:
Un espacio euclidiano es el conjunto de n-adas ordenadas, tambin conocido por
espacio n-dimensional y de denota por Rn este es una sucesin de n nmeros reales
ejemplo (a1, a2,..., an) donde los vectores Rn se clasifican as:
R1 = espacio unidimensional, lnea recta real.
R2 = espacio bidimensional, pares ordenados.
R3 = espacio tridimensional, terna ordenadas.
Rn = espacio n-dimensional, n-adas ordenadas.
Operaciones Bsicas con Vectores en R2:
Suma de vectores y multiplicacin por un escalar:
Siendo X y Y dos vectores y H un escalar se dice que:
X + Y = (x1, x2) + (y1, y2) = (y1, y2) + (x1, x2) y la multiplicacin por un escalar se
define H(x1, x2)= (Hx1, Hx2).

Las propiedades que cumple la suma de vectores son la misma que cumplan las
estructuras algebraicas de una operacin que son: la de cierre, la conmutativa, la
asociativa, elemento neutro e identidad y la distributiva.
Las leyes que cumple la multiplicacin por un escalar son:
La de cierre bajo la multiplicacin Hx,
La distributiva (H+I) x = Hx + Ix; H(x + y) = Hx + Hy,
La asociativa (HI) x = H (Ix),
y el elemento neutro de la multiplicacin 1x = x.
Operaciones Bsicas con Vectores en Rn:
Las operaciones bsicas con vectores en Rn son las mismas que las operaciones
bsicas que vimos anteriormente, o sea, la suma de vectores y la multiplicacin por
un escalar la diferencia sera que en estos serian n-esimos elementos y n-esimos
vectores ejemplo:
Para suma de vectores
X + Y = (x1, x2,..., xn) + (y1, y2,..., yn).
Para multiplicacin de un vector por un escalar
H(x1, x2,..., xn) = (Hx1, Hx2,..., Hxn).
Las propiedades que cumplen son las mismas que vimos en operaciones bsicas con
vectores en R2.
El vector cero 0 es el vector neutro o identidad de la suma de vectores en Rn:
0 = (0, 0, 0,..., 0n), este vector tiene como propiedad de que es nico, es decir, U + 0
= 0,
0U = 0, a0 = 0, aU = 0 si a = 0 o U = 0, donde U es un vector y a un escalar.
Espacios Vectoriales:
Un espacio vectorial es aquel conjunto de vectores que cumple las propiedades o
axiomas de la suma de vectores y la multiplicacin por un escalar
dichas propiedades vistas en espacios n-dimensinales Rn o R2. Un espacio vectorial
es un espacio no vaco.

Podramos decir que un espacio vectorial es la abstraccin de las propiedades de un

espacio n-dimensional, debe tomarse en cuenta que en el espacio vectorial no se
especifica operaciones ni vectores entonces se puede usar cualquier vector y cualquier
operacin se puede sustituir la suma de vectores y la multiplicacin por un escalar,
pero siempre cumpliendo todos las propiedades, siempre seria un espacio vectorial.
Un espacio vectorial cumple con cuatro partes que son: un conjunto de vectores, un
conjunto de escalares, y dos operaciones. Estos forman un cuerpo que es igual a las
estructuras algebraicas de dos operaciones <conjunto, operacin, operacin> (un
cuerpo). Para comprobar que determinado conjunto es un espacio vectorial es preciso
definir o especificar las propiedades de suma multiplicacin por un escalar como
vimos anteriormente tenemos que definir el elemento que acta como cero (0) y el
negado de cada elemento.
Cuerpo:
Es el conjunto de nmeros y operaciones cualesquiera que deben obedecer las diez
propiedades algebraicas que mencionamos en operaciones bsicas de espacios
vectoriales.
Sub cuerpo:
Si se operan escalares en forma de sub cuerpo C y se operan bajo la suma y la
multiplicacin por un escalar estos escalares no deben salirse del sub espacio
determinado y las operaciones de prueba son las mismas que se han mencionado con
anterioridad.
Sub espacio vectorial:
Esto dice que si W es un sub conjunto del espacio vectorial V entonces este es un sub
espacio de V. Si W es un espacio vectorial bajo las operaciones de suma y
multiplicacin por un escalar definidas en V.
Para que W sea un sub espacio de V debe cumplir las propiedades de cierre de la
suma y la multiplicacin por un escalar tambin debe cumplir la ley del elemento
neutro bajo la suma, el inverso bajo la suma y el neutro bajo la multiplicacin por un
escalar.
Combinacin Lineal:
Se denomina combinacin lineal a u vector V en un espacio vectorial U u un cuerpo
h.

Si los vectores v1, v2, v3,..., vn en u si V puede expresarse como:

V = c1v1 + c2v2 + c3v3 +... + cnvn donde c son escalares del cuerpo h.
Envolvente Lineal:
Este es el conjunto de todas las combinaciones lineales semejantes denotado por Lin
(v1, v2,..., vn) y se denomina envolvente lineal de u1, u2,..., un.
Siendo S un sub conjunto de un espacio vectorial V entonces Lin S es un sub
conjunto de un espacio vectorial V y si W es un subconjunto de V que contiene a S,
necesariamente Lin S es complemento de W.
Conjuntos Generadores:
Si todo vector es un espacio vectorial puede ser expresado como combinacin lineal
como lo vimos anteriormente entonces se dice que la combinacin lineal es un
conjunto generador de un espacio vectorial... En otras palabras si u1, u2,..., un
generan u entonces u pertenecen a V si existen escalares c tal que:
V = c1u1 + c2v2 +... + cnun entonces V es una combinacin lineal de u1, u2,..., u3.
Espacio fila y Espacio Columna de una Matriz:
Si A es una matriz m x n en un cuerpo K cualquiera, las filas de A pueden ser vistas
como vectores de Kn llamado espacio fila de U denotado por f - Lin A.
As haciendo la matriz transpuesta esto quiere decir que si las columnas las hacemos
vectores de Km estos generan un sub espacio de Km llamado espacio columna de A
denotado c-Lin A.
Si hacemos operaciones elementales entre fila a A y obtenemos una matriz B
podemos decir que B es que cada fila de B es una combinacin lineal de cada fila de
A por lo que el espacio fila de B esta contenido al espacio fila de A y as viceversa, o
sea, si efectuamos operaciones entre fila a B obtenemos A y esto sera convencin
lineal de cada fila de B, esto cumple ciertos teoremas y propiedades:
Las matrices equivalentes por filas tienen el mismo espacio fila.
Dos matrices en forma cannica por fila tienen el mismo espacio fila si estos
tienen las mismas filas no nulas.
Toda matriz es equivalente por fila a una matriz nica en forma cannica por filas.

Conjuntos Generadores e Independencia Lineal:

Si todo vector puede expresarse como combinacin lineal de vectores en un conjunto
S entonces el conjunto S es un conjunto de un espacio vectorial.
Dependencia e Independencia Lineal:
Para que un vector tenga dependencia lineal este debe tener una solucin no trivial
esto quiere decir que la combinacin lineal denotado as: c1v1 + c2v2 + c3v3 = 0,
sea que tiene una solucin nica.
Para comprobar la independencia Lineal.
Sea S = {v1, v2,..., vn} un conjunto de vectores en un espacio vectorial V entonces
partiremos de la ecuacin vectorial c1v1 + c2v2 + c3v3 = 0 (que es la misma que
combinacin lineal donde c son escalares) se escribe un sistema homogneo de
ecuaciones lineales en variable c1, c2,..., ck. Despus se hace Gauss-Jordn a la
matriz aumentada para diagonal izarla si la solucin de la diagonalizacion tiene
solamente solucin trivial c1, c2, c3 entonces S es linealmente independiente. Si un
conjunto S={v1, v2, ..., v3}, k>=2 es linealmente dependiente si solo si por lo menos
uno de los vectores vj puede expresarse como una combinacin lineal de los dems
vectores S.
Base y Dimensin:
En un conjunto S= {v1, v2,..., vk} es un espacio vectorial V este se denomina Base si
cumple que si es espacio vectorial tiene una base con un numero finito de vectores
entonces V es de dimensin finita y en caso contrario es de dimensin infinita.
Base y Dependencia Lineal:
Si un conjunto finito S= {v1, v2,..., vn} es una base de un espacio vectorial V si todo
conjunto que contiene ms de n vectores de V es linealmente dependiente.
Numero de Vectores de una Base:
Si un espacio vectorial V tiene una base con n vectores entonces toda base V tiene n
vectores.
Dimensin de un Espacio Vectorial:
Si un espacio vectorial V tiene una base con n vectores entonces esa n es la dimensin
de esa base y se denota dim(V) = n.

Tericamente la dimensin se determina al hallar el conjunto de vectores linealmente

independientes que genera el sub espacio, este conjunto es una base del sub-espacio y
la dimensin del mismo es el nmero de vectores que hay en la base.
Para ver que una base en un espacio n-dimensional:
Siendo V su espacio vectorial y n = n entonces S = {v1, v2,..., vn} en un conjunto de
vectores linealmente independientes en V, entonces S es una base de V.
Ejemplo: si S = {v1, v2,..., vn} genera a V, entonces S es una base de V
Rango de una matriz y sistema de ecuaciones lineales:
Sea una matriz Am x n = entonces sus n-adas corresponden a las
Filas de la matriz, ejemplo: (a11, a12,..., a1n), (a21, a22,..., a2n),..., (am1, am2,...,
amn) estas series son los vectores fila de A y los vectores columnas de A
corresponden a las columnas de la matriz ejemplo: (a11, a21,..., am1), (a12, a22,...,
am2),..., (a1n, a2n,..., amn).
El espacio fila y el espacio columna son sub-espacios de Rn generado por los
vectores fila y espacio columna de A.
Veremos a continuacin que los espacios fila y espacio columna comparten muchas
propiedades veremos primero el espacio fila, considerando que dos matrices son
equivalentes por fila si la segunda matriz se obtiene por operaciones elementales
entre fila esta tienen el mismo espacio fila, tambin hay que considerar que la matriz
no se modifica sus columnas por las operaciones elementales entre filas, pero si
pueden modificar sus filas. Si la matriz equivalente B esta en forma escalonada
entonces esta constituye un conjunto independiente. Y la base para el espacio fila de
una matriz: si la matriz A es igual en fila a la matriz B entonces en esta ultima los
vectores fila B son diferentes de cero esta forma una base para el espacio fila.
Si A es una matriz m x n entonces el espacio rengln y el espacio columna son
iguales.
Para poder resolver la ecuacin lineal utilizaremos la notacin matricial Ax = B que
se utiliza para representar ecuaciones lineales.
=
La solucin de ste sistema nos permite ver el conjunto solucin, esta solucin se
escribe como n-adas y se denomina: vectores solucin para un sistema homogneo se

utiliza la notacin matricial Ax = 0 es un espacio Rn esta solucin se denomina

espacio solucin del sistema tambin se llama espacio nulo de a. La dimensin de
este sistema se denomina nulidad de A.
Para la dimensin de un sistema homogneo (Ax = 0) en una matriz A m x n y su
rango r entonces la dimensin seria n-r (nulidad - rango) = n.
Un sistema homogneo Ax = 0 es un sub-espacio y un sistema no homogneo Ax = 0
es un sub-espacio y un sistema no homogneo Ax = B donde B " 0 este no es subespacio ya que el vector cero no es solucin.
Si Xp es una solucin particular del sistema homogneo entonces todo el sistema se
expresa como X = Xp + Xn donde Xh sera la solucin del sistema homogneo Ax =
0.
Para ver el nmero de soluciones de las ecuaciones lineales se tomara en cuenta tres
reglas:
Si rango (A) = rango [A | B] = n entonces el sistema tiene solucin nica esto
quiere decir si el rango de la solucin de la matriz A es igual al del rango de la matriz
aumentada en B es igual a n entonces tiene una nica solucin.
Si el rango (A) = rango [A | B] <n tiene esta soluciones infinitas.
Si el rango (A) = rango [A | B] entonces el sistema no tiene soluciones.
Para las ecuaciones lineales con matrices cuadradas: Si A es una matriz n x n cumple
las siguientes condiciones:
A es invertible.
Ax = b si tiene una solucin nica para la matriz bn x 1.
Ax = 0 tiene solucin trivial.
A es equivalente por renglones a 1n.
El determinante de A (|A|) " 0.
Rango (A) = n
Los n vectores fila de A son linealmente independientes.
Los n vectores columna de A son linealmente independientes.

Coordenadas y cambio de base:

Siendo B= {v1, v2,..., vn} una base de un espacio vectorial y x un vector en V que
representndose como combinacin lineal (x = c1v1 + c2v2 +... + cnvn) siendo los
escalares c. Se denomina como coordenadas x con respecto B en el vector Rn
denotado as xB = (c1, c2,..., cn).
Cambio de base.
Partiendo de una base B a una base B' se tiene que hacer una multiplicacin por una
matriz p-1 y esta la obtenemos sacando la inversa de la base B esto sera P-1 y
multiplicando P-1 por B obtenemos B' y viceversa.
Aplicacin de los espacios vectoriales:
Secciones cnicas y rotacin de ejes:
Toda cnica est dada por ax2 + by2 + cxy + dx + cy + f = 0 donde c de xy = 0
cuando sus ejes son paralelos al plano. Si la ecuacin tiene c en xy " 0 se necesita
sacar x' y y'. El ngulo de rotaciones debe sacar con la formula Cot 2 = (a-c)/b
rotando los polos en sentido anti horario en esta forma la base standard ya vista en
temas anteriores exhortada formando un nueva base que es B'= { (Cos , Sen ), (-Sen ,
Cos )} esto para hallar coordenadas en el plano P(x, y) respecto en a'x'2 + b'y'2 +
c'x'y' + d'x' + c'y' + f' = 0 rotando los ejes en sentido anti horario utilizando la formula
anterior de ngulos rotados y sabiendo que x = x'Cos - y'Sen y que y = x'Sen +
y'Cos .
Ecuaciones diferenciales Lineales:
Una ecuacin diferencial de orden n se denota yn + gn-1 (x) yn-1 +... + g1 (x) y' + g0
(x) y = f(x) donde g1, g2,..., gn dominios comunes. Si f(x) = 0 esta funcin se le
denomina como funcin homognea en caso contraria es una funcin no homognea.
Se denomina solucin de la ecuacin diferencial lineal si la solucin satisface cuando
y y sus n primeras derivadas se sustituyen en la ecuacin.
Toda ecuacin diferencial lineal homognea de orden n tienen solucin linealmente
independiente si {y1, y2,..., yn} tienen solucin linealmente independiente entonces
la solucin sera: y = c1y1 + c2y2 +... + cnyn esta es la solucin general donde c es
un numero real.
Sea {y1, y2,..., yn} un conjunto de funciones estas poseen n-1 derivadas en el
intervalo I. El determinante w es el llamado wroskiano del conjunto de funciones
dadas.

Para probar el que una ecuacin diferencial es linealmente independiente se puede

hacer por wroskiano. Este se hace si el wroskiano es diferente de cero (w " 0).
Vector fijo

Elementos de un vector
Direccin de un vector
La direccin del vector es la direccin de la recta que contiene al vector o de
cualquier recta paralela a ella.
Sentido de un vector

Mdulo de un vector

El mdulo de un vector es un nmero siempre positivo o cero.

Mdulo de un vector a partir de sus componentes

Mdulo a partir de las coordenadas de los puntos

Coordenadas de un vector

Si las coordenadas de los puntos extremos, A y B, son:

Clases de vectores
Vectores equipolentes

Dos vectores son equipolentes cuando tienen igual mdulo, direccin y sentido.
Vectores libres

El conjunto de todos los vectores equipolentes entre s se llama vector libre. Es decir
los vectores libres tienen el mismo mdulo, direccin y sentido.
Vectores fijos

Un vector fijo es un representante del vector libre. Es decir, los vectores fijos tienen
el mismo mdulo, direccin, sentido y origen.
Vectores ligados

Los vectores ligados son vectores equipolentes que actan en la misma recta. Es
decir, los vectores fijos tienen el mismo mdulo, direccin, sentido y se encuentran en
la misma recta.
Vectores opuestos

Los vectores opuestos tienen el mismo mdulo, direccin, y distinto sentido.

Vectores unitarios

Los vectores unitario tienen de mdulo, la unidad.

Para obtener un vector unitario, de la misma direccin y sentido que el vector dado se
divide ste por su mdulo.

Vectores concurrentes

Los vectores concurrentes tienen el mismo origen.

Vector de posicin

Vectores linealmente dependientes

Varios vectores libres del plano son linealmente dependientes si existe una
combinacin lineal de ellos que sea igual al vector cero, sin que sean cero todos los
coeficientes de la combinacin lineal.

Vectores linealmente independientes

Varios vectores libres son linealmente independientes si ninguno de ellos se puede

expresar como combinacin lineal de los otros.

Vectores ortogonales

Dos vectores son ortogonales o perpendiculares si su producto escalar es cero.

Vectores ortonormales

Dos vectores son ortonormales si:

1. Su producto escalar es cero.
2. Los dos vectores son unitarios.
Propiedades del Espacio Vectorial

Suma
vectores

de

Regla del paralelogramo Se toman como representantes dos vectores con el origen en
comn, se trazan rectas paralelas a los vectores obtenindose un paralelogramo cuya
diagonal coincide con la suma de los vectores.
Para sumar dos vectores se suman sus respectivas componentes.

Resta de vectores

Las componentes del vector resta se obtienen restando las componentes de los
vectores.

Producto de un nmero por un vector

Las componentes del vector resultante se obtienen multiplicando por K las

componentes del vector.

Combinacin lineal

Una combinacin lineal de dos o ms vectores es el vector que se obtiene al sumar

esos vectores multiplicados por sendos escalares.

Cualquier vector se puede poner como combinacin lineal de otros dos que tengan
distinta direccin.

Esta combinacin lineal es nica.

Vectores linealmente dependientes e independientes

Vectores linealmente dependientes

Varios vectores libres del plano se dice que son linealmente dependientes si hay una
combinacin lineal de ellos que es igual al vector cero, sin que sean cero todos los
coeficientes de la combinacin lineal.

Propiedades
1. Si varios vectores son linealmente dependientes, entonces al menos uno de ellos se
puede expresar como combinacin lineal de los dems.

Tambin se cumple el reciproco: si un vector es combinacin lineal de otros, entonces

todos los vectores son linealmente dependientes.
2. Dos vectores del plano son linealmente dependientes si, y slo si, son paralelos.

Vectores linealmente independientes

Varios vectores libres son linealmente independientes si ninguno de ellos puede ser
escrito con una combinacin lineal de los restantes.

Los vectores linealmente independientes tienen distinta direccin y sus componentes

no son proporcionales.

Ejemplo
Deterrminar si son linealmente dependientes o independientes los vectores.:

Base

Las coordenadas del vector respecto a la base son:

Ejemplos

Los dos vectores que forman una base no pueden ser paralelos.

Ejemplo
Qu pares de los siguientes vectores forman una base:

Base ortogonal

LLos dos vectores de la base son perpendiculares entre s.

Base ortonormal

Los dos vectores de la base son perpendiculares entre s, y adems tienen mdulo 1.

Es la base que se utiliza habitualmente, de modo que si no se advierte nada se supone

que se est trabajando en esa base.
Bases ortogonales y Ortonormales

Los vectores base son perpendiculares y tienen distinto mdulo.

Ortonormal

Los vectores de la base son perpendiculares, iguales y unitarios, es decir, de mdulo

1.

Las rectas OX, OY se llaman ejes de coordenadas o ejes coordenados cartesianos.

Espacio Con Producto Interno:

La longitud (norma) de un vector de Rn es V = (v1, v2,..., vn) est dada por:
________________
||V|| =" v12 + v22 + ... + vn2 esta no puede ser negativa si el vector v = 1 este se
llama vector unitario dos vectores U y V en Rn son paralelos si al vector V es
mltiplo del vector U, es decir, si U = cV si c > 0 los vectores van a la misma
direccin y si c < 0 van en direccin opuesta, la longitud de un mltiplo escalar se ve
por la formula || cV || = | c | || V || donde | c | es el valor absoluto de c y c es un escalar.
El vector unitario de V es si V " 0 entonces U = V / ||V|| es de longitud uno y tiene la
misma direccin de U+V se llama vector unitario en direccin de V este proceso se
llama normalizacin del vector V.
La distancia entre dos puntos se llama normalizacin del vector V.
___________________
d =" (u1 - v1)2+ (u2 - v2)2 y la distancia entre dos vectores en R2 se encuentra.
___________________
D (U, V) = || U - V || =" (u1 - v1)2+ (u2 - v2)2 donde U = (u1 - u2) y V = (v1 - v2).
Las propiedades que cumple la distancia son:
D (U, V) " 0.
D (U, V) = 0 si solo si U = V.
d( U , V ) = d( V , U ).

Para encontrar el ngulo entre dos vectores distintos de cero usamos la formula:
Cos = (u1v1 + u2v2) / ||U|| ||V|| donde U = (u1, u2) y V = (v1, v2) y donde u1v1 +
u2v2 se denota como producto punto de dos vectores. El producto punto para Rn se
denota U % V = u1v1 + u2v2 +... + unvn las propiedades que cumple son:
U%V=V%U
U % (V + W) = U % V + U % W
C (U % V) = cU % V = U % cV
V % V " ||V|| 2
V % V " 0 y V % V = 0 si solo si V = 0
Donde c es un escalar y que U, V, W son vectores cualesquiera en Rn.
Desigualdad de gauchy - schawarz:
La desigualdad de Gauchy - Schwarz dice que | U % V | " || U || || V || donde | U % V |
es valor absoluto de U % V donde U y V son vectores viendo esta desigualdad
podemos definir el ngulo entre dos vectores en Rn as: Cos = (U % V) / (||U|| ||V||)
esta frmula no define ngulos entre dos vectores, si U % V = 0 se dice que los
ngulos son ortogonales.
La desigualdad del triangulo:
Dice si U y V son vectores entonces || U + V || " || U || + || V ||.
El teorema de Pitgoras:
Este dice si U y V son vectores entonces || U + V ||2 = || U || 2 + || V || 2 solo para
vectores ortogonales.
Un producto punto es un producto interno Euclidiano esto es un producto interno que
se puede definir en R2. Para poder diferenciar el producto interior de otros posibles
productos internos lo escribiremos esto ser el producto general para el espacio
vectorial V.
Para solucionar un producto interno se procede igual que al definir un espacio
vectorial en el acho de que debe cumplir con varios axiomas para poder calificar
como producto interno estos axiomas son:
Siendo U, V, W vectores en V y c cualquier escalar:

 =
=+o=+
c=
" 0 y = 0 si solo si v = 0
==0
Para definir la norma, distancia, ngulo de dos vectores que tenga producto interno:
Siendo U, V vectores en V:
______
Norma = ||U|| =
Distancia entre U, V = d= || U - V ||
ngulo entre vectores U, V diferentes de 0 cos = / (||U|| ||V||) donde 0 " .
Dos vectores con producto interno son ortogonales si = 0. El vector unitario de un
vector con producto interno || U || = 1 el vector unitario en direccin de V donde U =
V / || V || donde V " 0. Para ver si U y V son vectores en el espacio con producto
interno deben cumplir con las propiedades de norma:
|| U || " 0.
|| U || = 0 si solo si U = 0.
|| cU || = | c | || U ||.
Y las propiedades de la distancia antes ya mencionadas.
Adems cumplen con la desigualdad de Gauchy - Schawarz, desigualdad del
triangulo y el teorema de Pitgoras antes yya explicadas.
Proyecciones ortogonales en espacios con producto interno:
Si U y V son vectores en el plano y V es diferente de 0 entonces este se puede
proyectar ortogonalmente a U y se denota como
ProyV U = [(U%V) / (V%V)] V

ProyU V = [(U%V) / (U%U)] U donde U%V y V%V son el producto punto o

producto interno Euclidiano.
Para en el espacio la proyeccin se denota como proyv U = [/] V, proyv U = [/] U.
La proyeccin ortogonal y distancia:
Siendo U y V dos vectores en el espacio V con producto interno y V " 0. Entonces la
distancia d (U, proyv) < d (U, cV) donde c " /.
Definicin de conjuntos orto normal y conjunto ortogonales:
En un conjunto de vectores S de el espacio vectorial V es producto interno es
ortogonal si cada vector de y seria espacio orto normal si cada vector S es unitario.
Es orto normal si < vi, vj > = 0 i " j y || vj || = 1 donde i = 1, 2, 3,..., n y es orto normal
si < vi, vj > = 0 i " j donde vi, vj pertenecen al conjunto s = {v1, v2,..., vn}
Un conjunto ortogonal es linealmente independiente si s es un conjunto de vectores
diferentes de cero y que pertenecen al espacio v con producto interno.
Proceso para orto normalizar de Gram - Schmidt:
Ver si la base tiene producto interno (como ya lo vimos).
Convertir la base a una base ortogonal.
Sea B = {v1, v2,..., vn}
w1 = v1
w2 = v2 - proyw1 v2
wn = vn - proyw1 v3 - - proyw(n-1) vn
B' = {w1, w2,..., wn}
Y para orto normalizar ui = wi / ||wi|| donde I = 1, 2,..., n.
Donde B'' = {u1, u2,..., un} es una base orto normal.
Aplicacin de los espacios con producto interno:
Producto cruz de dos vectores en el espacio:
Donde U = (u1, u2,..., un)

V = (v1, v2,..., vn)

UxV=
Por el mtodo de cofactores = i + j + k.
Las propiedades del producto cruz:
UxV=VxU
C (U x V) = c U x V = U x c V
UxU=0
U x (V + W) = (U x V) + (U x W)
Ux0=0xU
U (V x W) = (U x V) W
U x V son paralelos si U x V = 0.
Aproximacin por mnimos cuadrados:
Siendo f y g dos funciones en x y funciones continua en un intervalo finito [a, b]
entonces.
I = 2 dx siendo I = 0 si (f - g)! 0 esto se puede representar como:
= 2 dx siendo I = 2 dx = = || f - g || 2 esto significa que es equivalente minimizar || f g || 2 y || f - g ||.
La aproximacin de mnimos cuadrados est dada por:
g = w1 +w2 +... + wn siendo w1 = w1 donde b = {w1, w2, w3,}
Transformaciones Lineales:
Notacin standard de la transformada lineal es: V se denomina de T. Si v pertenece a
V y w esta en W, T (v) = w donde w ser la imagen de v bajo T, el conjunto de todas
las imgenes se llama contra dominio de T y el conjunto de v de V tales que T (v) = w
se llama pre imagen de w.
La definicin de transformacin lineal es que todo espacio vectorial en V y W se
puede hacer transformacin lineal si cumplen con los axiomas de la distribucin bajo

la suma (T (U + V) = T (U) + T (v)) y la multiplicacin por un escalar (T (cU)= cT

(u)). Cumpliendo con lo anterior la transformada lineal tiene sus propiedades que son:
T (0) = 0
T (-v) = - T (v)
T (v-u) = T (v)-T (u)
S v = c1v1 + c2v2 +... + cnvn entonces v = c1 T (v1)+ c2 T (v2)+... + cn T (vn).
Para definir una transformacin lineal por una matriz esta se notara as: siendo a la
matriz m x n la funcin T se definir T (v) = Av que suma transformacin lineal de Rn
en Rm.
El ncleo se puede encontrar definiendo la transformada as. T (v) = 0 esto tambin se
denomina como Kernel de T y se denota Ker (T) para que sea ncleo esta debe
cumplir que Ax = 0.
La dimensin del ncleo se llama nulidad y la dimensin del contra dominio de T se
llama rango (si A = matriz entonces el rango de T va ser = rango de A).
Dimensin del dominio = dimensin del rango + dimensin del ncleo.
Las transformaciones lineales puede ser uno a uno que son aquellas que la pre imagen
de W consta de un solo vector, o sea, ser uno a uno para toda u y v en V, T (u) = T
(v), tambin hay que tomar en cuenta que ker (T) = 0. Tambin las transformadas
lineales puede ser sobre si y solo si el rango de T es igual a la dimensin de W. Y un
transformacin lineal es biyectiba si es uno a uno y sobre.
Existencia de una transformacin inversa:
Sea T: Rn! Rn una transformada de una matriz standard. Debe cumplir las siguientes
condiciones:
T es invertible
T es un isomorfismo
A es invertible
Si T es invertible con matriz standard A, entonces la matriz standard de T-1 es A-1.

Un caso especial seria cuando V 0 W y B = B', don de la matriz A que se denomina

matriz de T con respecto a la base B. En este caso la matriz de la transformacin
identidad es simplemente In.
La matriz de transicin de una transformada lineal depende del espacio V.
Las matriz de transicin T con respecto a la base B es diferente a la matriz T con
respecto a otra base B'.
A'[(V)] B! [T (V)]B' es la forma directa a travs de la matriz A'.
P-1AP [V] B = T [(V)] B forma indirecta.
A' = P-1AP
Donde a es la matriz de T con respecto a B, A' es la matriz T con respecto a B', P es la
matriz de transicin de B' a B, P-1 es la matriz de transicin B a B'

Ejercicios
1.- Determinar el valor de x para que el vector (1, x,5) R
Pertenezca al sub espacio < (1,2,3),(1,1,1) >.
Solucin. (1, x,5) pertenece al sub espacio < (1,2,3),(1,1,1) > si y solo si (1, x,5) es
combinacin lineal de (1,2,3) y (1,1,1), o sea, si existen , R tales que
(1, x,5) = (1,2,3) + (1,1,1),
Pero entonces,
1=+
x = 2 +
5 = 3 +
y resolviendo el sistema anterior, tenemos = 2, = 1 y x = 3.
2.- Calcular bases de los sub espacios de R
4 S, T, S + T y S T, siendo S = {(x1, x2, x3, x4)|x1 x2 = 0}
y T =< (1,1,2,1),(2,3, 1,1) >.

Solucin. Tenemos
S = {(x1, x2, x3, x4)|x1 x2 = 0} = {(x1, x1, x3, x4)|x1, x2, x3 R} =< (1,1,0,0),
(0,0,1,0),(0,0,0,1) >,
luego un sistema generador de S es {(1,1,0,0),(0,0,1,0),(0,0,0,1)}. Ahora,
(0,0,0,0) = (1,1,0,0) + (0,0,1,0) + (0,0,0,1) = = = 0,
o sea que es libre, resulta que BS = {(1,1,0,0),(0,0,1,0),(0,0,0,1)} es una base de S.
Un sistema generador de T es (1,1,2,1),(2,3, 1,1). Pero es tambin libre, ya que
(0,0,0,0) = (1,1,2,1) + (2,3, 1,1)
0 = + 2
0 = + 3
0 = 2
0=+
y la nica solucin al sistema anterior es = = 0. Por tanto, BT = {(1,1,2,1),(2,3,
1,1)} es una base
de T.
Por definicin,
S + T = {s + t|s S y t T}
= {(x1, x1, x2, x3) + ( + 2, + 3,2 , + )|x1, x2, x3, , R}
=< (1,1,0,0),(0,0,1,0),(0,0,0,1),(1,1,2,1),(2,3, 1,1) >
Por tanto, un sistema generador de S + T es {(1,1,0,0),(0,0,1,0),(0,0,0,1),(1,1,2,1),
(2,3, 1,1)}. Pero
(1,1,2,1) = (1,1,0,0)+(0,0,1,0)+(0,0,0,1), luego {(1,1,0,0),(0,0,1,0),(0,0,0,1),(2,3,
1,1)} es sistema Generador de S + T. Adems, este sistema es libre luego es una
base de S + T.
Por ultimo, sabemos que S T es un sub espacio vectorial de dimensin 1 porque
dim(S T) = dim(S + T) dim(S) dim(T)

Ahora, (1,1,2,1) S T, luego como dim (S T) es 1, se tiene que < (1,1,2,1) >= S
T y una base de
S T es BST = {(1,1,2,1)}.
3.- Encontrar una base y la dimensin del sub espacio vectorial
S =< (1,2, 1,3),(2,1,0, 2),(0,1,2,1),(3,4,1,2) > .
Solucin. Un sistema generador de S es A = {(1,2, 1,3),(2,1,0, 2),(0,1,2,1),
(3,4,1,2)}. Pero A
no es libre ya que
(0,0,0,0) = 1(1,2, 1,3) + 2(2,1,0, 2) + 3(0,1,2,1) + 4(3,4,1,2)

0 = 1 + 22 + 33 + 34
0 = 21 + 2 + 3 + 44
0 = 1 + 23 + 4
0 = 32 22 + 3 + 24
y el sistema anterior tiene por solucin
1 = 2 = 3 = 4
Observamos que (3,4,1,2) es combinacin lineal de los anteriores, luego A
{(3,4,1,2)} =
{(1,2, 1,3),(2,1,0, 2),(0,1,2,1)} es tambin sistema generador de S. Pero
(0,0,0,0) = 1(1,2, 1,3) + 2(2,1,0, 2) + 3(0,1,2,1)

0 = 1 + 22 + 33
0 = 21 + 2 + 3
0 = 1 + 23
0 = 32 22 + 3
y el sistema anterior solo tiene por solucion a 1 = 2 = 3 = 0, es decir, {(1,2,
1,3),(2,1,0, 2),(0,1,2,1)} es libre. Por consiguiente una base de S es {(1,2, 1,3),
(2,1,0, 2),(0,1,2,1)} y la dimension de S es 3.
4.- Sea V un Q-espacio vectorial de dimension 4 con base B = {u1, u2, u3, u4}. Se
denen los vectores
v1 = 2u1 + u2 u3 v2 = 2u1 + u3 + 2u4 v3 = u1 + u2 u3 v4 = u1 + 2u3 + 3u4

5.- Sea v un vector de un K-espacio vectorial V de dimensin nita n 3 cuyas

coordenadas en una base de V son (x1 . . . xn), siendo x2= x3. Existe alguna
base de V en la cual las coordenadas de v sean
(1 0. . . 0)? Por qu?
Solucin. Como x2= x3, el vector v no es el vector nulo. Entonces, en
cualquier base que se obtenga al completar {v}, esto es, B = {v, u2, , un}, las
coordenadas de v sern (1 0. . . 0).
6.- Si V es un espacio vectorial de dimensin 1, cmo son sus bases?
Solucin. Las bases de V constan de un nico vector no nulo.
7.- Si U, W V dos sub espacios distintos de V y dim(V ) = n, dim(U) = dim(W) = n
1, cunto vale la dimensin de U W?
Solucin. Sabemos que
n 1 = max{dim(U), dim(W)} dim(U + W) dim(V ) = n.
Por tanto, dim(U + W) = n, n 1. Pero si dim(U + W) = n 1, al ser U, W U + W,
y coincidir las dimensiones, se deduce que U = U + W = W, lo cual es falso, por ser U
= W. Consecuentemente,

dim(U + W) = n y llevandolo a

dim(U + W) = dim(U) + dim(W) dim(U W),

decimos que
dim(U W) = n 1 + n 1 n = n 2.

Conclusin
Este trabajo se ha hecho con el fin de comprender que no hay que dejar lo que hemos
aprendido antes ya que eso nos va a ayudar a solucionar problemas en nuestro futuro.
Se han visto ms detallado y con ms exactitud los teoremas y propiedades que hilan
todos los temas propuestos por este trabajo y se ha se ha llegado a la conclusin de
todos los temas estn relacionados en cierta forma ya que en varios de estos se
necesita recurrir a las propiedades que se han visto en temas anteriores.

Con esto podramos decir que nos ha enseado a tener un amplio criterio de la
utilidad de temas ya vistos en nuestra carrera, ya que no podemos omitir las
enseanzas pasadas ya que estas nos forman las bases para comprender y analizar y
poder poner en prctica los temas futuros.
El espacio vectorial V involucra un cuerpo arbitrario K. Sea V un espacio vectorial
real. Supongamos que a cada par de vectores u, u V se le asigna un numero.
En el tema de los espacios vectoriales nos damos cuenta de que nos son muy tiles
los mtodos que este utiliza ya que nos ofrece ventajas como el ahorro de tiempo y
esfuerzo a la hora de aplicarlos tanto en nuestro campo de trabajo como en otras
situaciones que requieran de estos mtodos. Con esto podramos decir que nos ha
enseado a tener un amplio criterio de la utilidad de temas ya vistos en nuestra
carrera.