SlideShare une entreprise Scribd logo
1  sur  28
Télécharger pour lire hors ligne
República Bolivariana de Venezuela

Ministerio del Poder Popular para la Educación Superior.

   Instituto Universitario Tecnológico de Ejido (IUTE)

                   Ejido Edo. Mérida




                                                   :




                                                            Integrante:

                                                       Nublis Casanova

                                                          C.I 16654044

                                          Pnf. Informática Sección “A”

                                                   ALGEBRA LINEAL

                                               Prof. Judith Rodríguez
Vector unitario:

Se denota frecuentemente con un acento circunflejo sobre su nombre, como (se
lee "r vector" o "vector r"). La notación mediante el uso de una breve ( ) también
es común, especialmente en desarrollos manuscritos. La tendencia actual es
representar el vector en la dirección del vector en la forma   .

Definición

Habiendo definido el concepto de vector unitario al comienzo de este artículo y
habiendo presentado la notación usual en la sección anterior, presentamos en
esta sección una definición simbólica de vector unitario.

      Sea el vector v ∈ ℝn. Se dice que v es un vector unitario y se lo denota
      mediante    si y solamente si el módulo de v es igual a 1.

O en forma más compacta:




                              Desigualdad triangular:
Desigualdad del triángulo:

La desigualdad es un teorema de geometría euclidiana que establece



      En todo triángulo la suma de las longitudes de dos lados
                                                                     1
      cualquiera es siempre mayor a la longitud del lado restante.



Este resultado ha sido generalizado a otros contextos más sofisticados como
espacios vectoriales.



Camino euclidiano de mínimo recorrido




Desigualdad del triángulo tendiendo hacia la igualdad mientras reduce su altura.

En geometría euclidiana (y en algunas otras geometrías) la desigualdad triangular
es un teorema importante acerca de las medidas y las distancias. Siguiendo en
geometría euclidiana, dicha desigualdad en triángulos rectángulos, es una
consecuencia del teorema de Pitágoras, y para los triángulos en general una
consecuencia de la ley de los cosenos, aunque ésta puede ser probada sin esos
teoremas. La desigualdad se puede ver intuitivamente ya sea en ℝ² o ℝ³ (aunque
también es válida para ℝn). La figura de la derecha muestra tres ejemplos
progresivos partiendo de una clara desigualdad (triángulo más alto) hasta
acercarse tanto como se quiera a la igualdad (triángulo más bajo). Advierta que se
logra tanta más aproximación a la igualdad, cuanto más se aproxima el vértice Z
(el opuesto al lado z) a cualquier punto del segmento que conforma al lado z de la
base del triángulo, y esto con total independencia del camino que se utilice.

El teorema de la desigualdad triangular solo menciona los casos de desigualdad
(no podría ser de otra manera debido a su enunciado) y así evita el tratar con el
caso límite de si tres vértices colineales siguen o no definiendo un triángulo, (aún
si se conviene en que sí, estaríamos ante un caso de figura geométrica
degenerada y éstas conducen en general a soluciones espurias, aunque
particularmente en éste caso, no es así).

Siendo h la altura del triángulo y tomando límite con       , la polémica se soslaya
y se adquiere el derecho a extender la fórmula inicial a una más general.

Si (x, y, z) son las respectivas denominaciones de los lados de un triángulo
cualquiera y h la altura correspondiente al lado z, entonces podremos reconocer
dos casos:

1) Aceptado h>0. Implica quedarnos con las tres desigualdades tradicionales del
teorema:




2) Aceptado h≥0. En éste segundo caso logramos tres desigualdades más
generales que las del teorema porque incluyen el caso que más nos interesa, el
cual es el caso límite de igualdad:
En geometría euclidiana, sólo se obtiene el caso límite de igualdad cuando el
triángulo (aunque degenerado) tenga altura h=0 (sobre el lado que se a
denominado z) y además el vértice Z pertenezca al segmento xy (o sea al lado z),
llegando entonces los tres vértices, a ser colineales, como se muestra en el
ejemplo (línea base).




Como el vértice Z puede estar en cualquier lugar (del plano al que pertenece el
triángulo), pero en la desigualdad triangular solo se logra el caso límite de
igualdad3 cuando dicho vértice se encuentra en un lugar tal que pertenece al
segmento constituyente del lado z, y como por otra parte la mínima longitud que
puede tener la suma x+y cumpliendo con ser mayor o igual a la longitud del lado z
es justamente la longitud del lado z, se concluye entonces que para el caso límite
de x+y=z estamos ante una longitud de mínimo recorrido posible entre los vértices
X e Y de z, (en definitiva entre dos puntos cualquiera, por ser z un lado genérico),
lo cual demuestra que la línea recta es el camino de menor longitud posible entre
ellos.

Por todo lo anterior es posible afirmar que:



         En geometría euclidiana la distancia más corta entre dos puntos es
         una línea recta.



Es importante registrar que la desigualdad triangular elucídela en ℝ² o ℝ³ es una
idea de gran simplicidad. Luego en matemáticas más avanzadas se podrá ver que
la “idea” de la desigualdad (ya no triangular) se puede generalizar también a
polígonos de cuatro o más lados. Luego sabiendo que los polígonos al tender su
número de lados a infinito (         ) se convierten en curvas, en las que aún vale
una versión con similitudes a la “idea” de desigualdad. Además en algunos casos
puede generalizarse el concepto a algunos espacios no euclidianos (con solo
reemplazar el concepto de recta por el de línea geodésica).




Suma de vectores:
Con los vectores podemos realizar una serie de operaciones. Una de ellas es la
suma. Podemos realizar la suma de vectores desde dos puntos de vista:
matemática y gráfica.

Suma de vectores matemática:
Para realizar la suma matemática de vectores, lo único que tenemos que hacer es
sumar las respectivas componentes de los vectores sumandos, obteniendo así, el
vector suma. Veamos un ejemplo:

(3, 2, -5) + (2, 1,3) = (3+2, 2+1, -5+3) = (5, 3, -2)

Suma gráfica de vectores:
Para realizar la suma gráfica de dos vectores, utilizamos el "método del
paralelogramo". Para ello, trazamos en el extremo del vector A, una paralela al
vector B y viceversa. Ambas paralelas y los dos vectores, determinan un
paralelogramo. La diagonal del paralelogramo, que contiene al punto origen de
ambos vectores, determina el vector SUMA. Puedes ver un ejemplo en el gráfico
que va a continuación:
Si tenemos que sumar varios vectores, podemos aplicar el método anterior,
sumando primero dos y a la suma, añadirle un tercero y así sucesivamente. Pero
también podemos hacerlo colocando en el extremo del primer vector, un vector
igual en módulo, dirección y sentido que el segundo. A continuación de éste,
colocamos un vector equivalente al tercero y así sucesivamente. Finalmente,
unimos el origen del primer vector con el extremo del último que colocamos y, el
vector resultante es el vector suma.

Puedes probar este método en el applet que viene a continuación, sumando
fuerzas:




Para manejarlo, elige en la lista desplegable rotulada con "Number of Forces", el
número de vectores que deseas sumar. A continuación, pulsa en "Find out
Resultant" y observarás el proceso de suma de los vectores. Pulsando en "Clear
Construction", limpias todo y puedes repetir el proceso.




                                 Producto escalar

En matemática, el producto escalar, también conocido como producto interno,
interior o punto (en inglés, dot product), es una operación definida sobre dos
vectores de un espacio euclídeo cuyo resultado es un número o escalar. Esta
operación permite explotar los conceptos de la geometría euclidiana tradicional:
longitudes, ángulos, ortogonalidad en dos y tres dimensiones. El producto escalar
puede definirse también en los espacios euclídeos de dimensión 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.
El producto interior o producto escalar de dos vectores en un espacio vectorial es
una forma bilineal, hermítica y definida positiva, por lo que se puede considerar
una forma cuadrática definida positiva.

Un     producto        escalar   se    puede       expresar   como      una     aplicación

                           donde V es un espacio vectorial y       es el cuerpo sobre el

que está definido V.         debe satisfacer las siguientes condiciones:


     1. Linealidad por la izquierda:                                          , y linealidad

        conjugada por la derecha:

     2. Hermeticidad:                    ,

     3. Definida positiva:             ,y              si y sólo si x = 0,


Donde                   son vectores de V,             representan escalares del cuerpo
  y es el conjugado del complejo c.

Si el cuerpo tiene parte imaginaria nula (v.g., ), la propiedad de ser sesquilineal
se convierte en ser bilineal y el ser hermítica se convierte en ser simétrica.


También suele representarse por           o por .

Un espacio vectorial sobre el cuerpo           o    dotado de un producto escalar se
denomina espacio prehilbert o espacio prehilbertiano. Si además es completo, se
dice que es un espacio de hilbert, y si la dimensión es finita, se dirá que es un
espacio euclídeo.

Todo producto escalar induce una norma sobre el espacio en el que está definido,
de la siguiente manera:


                   .
Definición geométrica del producto escalar en un espacio euclídeo real




A           •            B           =            |A|         |B|           cos(θ).
|A| cos(θ) es la proyección escalar de A en B.

El producto escalar de dos vectores en un espacio euclídeo se define como el
producto de sus módulos por el coseno del ángulo θ que forman.




En los espacios euclídeos, la notación usual de producto escalar es

Esta definición de carácter geométrico es independiente del sistema de
coordenadas elegido y por lo tanto de la base del espacio vectorial escogida.

Proyección de un vector sobre otro

Puesto que |A| cos θ representa el módulo de la proyección del vector A sobre la
dirección del vector B, esto es |A| cos θ = proy AB, será




De modo que el producto escalar de dos vectores también puede definirse como el
producto del módulo de uno de ellos por la proyección del otro sobre él.
Ángulos entre dos vectores

La expresión geométrica del producto escalar permite calcular el coseno del
ángulo existente entre los vectores:




Vectores ortogonales

Dos vectores son ortogonales o perpendiculares cuando forman ángulo recto entre
sí. Si el producto escalar de dos vectores es cero, ambos vectores son
ortogonales.




Ya que él              .

Vectores paralelos o en una misma dirección

Dos vectores son paralelos o llevan la misma dirección si el ángulo que forman es
de 0 radianes (0 grados) o de π radianes (180 grados).

Cuando dos vectores forman un ángulo cero, el valor del coseno es la unidad, por
lo tanto el producto de los módulos vale lo mismo que el producto escalar.




Observación

Una importante variante del producto escalar estándar se utiliza en el espacio-
tiempo de Minkowsky, es decir,     dotado del producto escalar:


                                               .
Propiedades del producto escalar

1. Conmutativa:




2. Distributiva respecto a la suma vectorial:




3. Asociativa respecto al producto por un escalar m:




Expresión analítica del producto escalar

Si los vectores A y B se expresan en función de sus componentes cartesianas
rectangulares, tomando la base canónica en      formada por los vectores unitarios
{i, j, k} tenemos:




El producto escalar se realiza como un producto matricial de la siguiente forma:
Norma o Módulo de un vector

Se define como la longitud del segmento orientado (vector) en el espacio métrico
considerado.

Se calcula a través del producto interno del vector consigo mismo.




Efectuado el producto escalar, tenemos:




De modo que




Por componentes, tomando la base canónica en            formada por los vectores
unitarios {i, j, k}




De modo que
Productos interiores definidos en espacios vectoriales usuales

      En el espacio vectorial     se suele definir el producto interior (llamado, en
       este caso en concreto, producto punto) por:




      En el espacio vectorial    se suele definir el producto interior por:




Siendo    el número complejo conjugado de

      En el espacio vectorial de las matrices de m x n , con elementos reales




Donde tr (A) es la traza de la matriz B y AT es la matriz traspuesta de A.

      En el espacio vectorial de las matrices de m x n , con elementos complejos




Donde tr(A) es la traza de la matriz B y A * es la matriz traspuesta conjugada de A.

      En el espacio vectorial de las funciones continuas sobre el intervalo C[a, b],
       acotado por a y b:




      En el espacio vectorial de los polinomios de grado menor o igual a n:
Dado                                                       tal                  que
                                         :




Generalizaciones

Formas cuadráticas

Dada una forma bilineal simétrica         definida sobre un espacio vectorial
puede definirse un producto escalar diferente del producto escalar euclídeo
mediante la fórmula:




Dónde:




                       Es una base del espacio vectorial

Puede comprobarse que la operación anterior                      satisface todas las
propiedades que debe satisfacer un producto escalar.

Tensores métricos

Se pueden definir y manejar espacio no-euclídeos o más exactamente variedades
de Riemann, es decir, espacios no-planos con un tensor de curvatura diferente de
cero, en los que también podemos definir longitudes, ángulos y volúmenes. En
estos espacios más generales se adopta el concepto de geodésica en lugar del de
segmento para definir las distancias más cortas en entre puntos y, también, se
modifica ligeramente la definición operativa del producto escalar habitual
introduciendo un tensor métrico                     , tal que la restricción del tensor
a un punto de la variedad de Riemann es una forma bilineal                  .

Así, dados dos vectores campos vectoriales          y    del espacio tangente a la
variedad de Riemann se define su producto interno o escalar como:




La longitud de una curva rectificable C entre dos puntos A y B se puede definir a
partir de su vector tangente   de la siguiente manera:




Diferencia de R1, R2, R3 y RN….

Espacio euclidiano o Espacio vectorial:

Un espacio euclidiano es el conjunto de n-adas ordenadas, también conocido por
espacio n-dimencional y de denota por Rn este es una sucesión de n números
reales ejemplo (a1, a2,..., en) donde los vectores Rn se clasifican así:

R1 = espacio unidimensional, línea recta real.

R2 = espacio bidimensional, pares ordenados.

R3 = espacio tridimensional, terna ordenadas.

Rn = espacio n-dimencional, n-adas ordenadas.

Operaciones Básicas con Vectores en R2:
Suma de vectores y multiplicación por un escalar:

Siendo X y Y dos vectores y H un escalar se dice que:

X + Y = (x1 , x2) + (y1 , y2) = (y1 , y2) + (x1 , x2) y la multiplicación por un escalar
se define H(x1 , x2)=(Hx1 , Hx2).

Las propiedades que cumple la suma de vectores son la misma que cumplían las
estructuras algebraicas de una operación que son: la de cierre, la conmutativa, la
asociativa, elemento neutro e identidad y la distributiva.

Las leyes que cumple la multiplicación por un escalar son:

La de cierre bajo la multiplicación Hx,

La distributiva (H+I)x = Hx + Ix ; H(x + y) = Hx + Hy,

La asociativa (HI)x = H(Ix),

y el elemento neutro de la multiplicación 1x = x.

Operaciones Básicas con Vectores en Rn:

Las operaciones básicas con vectores en Rn son las mismas que las operaciones
básicas que vimos anteriormente, o sea, la suma de vectores y la multiplicación
por un escalar la diferencia seria que en estos serian n-esimos elementos y n-
esimos vectores

ejemplo:

Para suma de vectores

X + Y = (x1 , x2, ... , xn) + (y1 , y2, ... , yn).

Para multiplicación de un vector por un escalar
H(x1 , x2, ... , xn) = (Hx1 , Hx2, ... , Hxn).

Las propiedades que cumplen son las mismas que vimos en operaciones básicas
con vectores en R2.

El vector cero “0” es el vector neutro o identidad de la suma de vectores en Rn:

0 = (0, 0, 0, ..., 0n), este vector tiene como propiedad de que es único, es decir, U
+ 0 = 0,

0U = 0, a0 = 0, aU = 0 si a = 0 o U = 0, donde “U” es un vector y “a” un escalar.

Espacios Vectoriales:

Un espacio vectorial es aquel conjunto de vectores que cumple las propiedades o
axiomas de la suma de vectores y la multiplicación por un escalar dichas
propiedades vistas en espacios n-dimensiónales Rn o R2. Un espacio vectorial es
un espacio no vacío.

Podríamos decir que un espacio vectorial es la abstracción de las propiedades de
un espacio n-dimencional , debe tomarse en cuenta que en el espacio vectorial no
se especifica operaciones ni vectores entonces se puede usar cualquier vector y
cualquier operación se puede sustituir la suma de vectores y la multiplicación por
un escalar, pero siempre cumpliendo todos las propiedades, siempre sería un
espacio vectorial.

Un espacio vectorial cumple con cuatro partes que son: un conjunto de vectores,
un conjunto de escalares, y dos operaciones. Estos forman un cuerpo que es igual
a las estructuras algebraicas de dos operaciones <conjunto, operación
,operación> (un cuerpo). Para comprobar que determinado conjunto es un espacio
vectorial es preciso definir o especificar las propiedades de suma multiplicación
por un escalar como vimos anteriormente tenemos que definir el elemento que
actúa como cero (0) y el negado de cada elemento.
Cuerpo:

Es el conjunto de números y operaciones cualesquiera que deben obedecer las
diez propiedades algebraicas que mencionamos en operaciones básicas de
espacios vectoriales.




Sub cuerpo:

Si se operan escalares en forma de sub cuerpo C y se operan bajo la suma y la
multiplicación por un escalar estos escalares no deben salirse del sub espacio
determinado y las operaciones de prueba son las mismas que se han mencionado
con anterioridad.

Sub espacio vectorial:

Esto dice que si W es un sub conjunto del espacio vectorial V entonces este es un
sub espacio de V. Si W es un espacio vectorial bajo las operaciones de suma y
multiplicación por un escalar definidas en V.

Para que W sea un sub espacio de V debe cumplir las propiedades de cierre de la
suma y la multiplicación por un escalar también debe cumplir la ley del elemento
neutro bajo la suma, el inverso bajo la suma y el neutro bajo la multiplicación por
un escalar.

Combinación Lineal:

Se denomina combinación lineal a u vector V en un espacio vectorial U u un
cuerpo h.

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

V = c1v1 + c2v2 + c3v3 +... + cnvn donde c son escalares del cuerpo h.
Envolvente Lineal:

Este es el conjunto de todas las combinaciones lineales semejantes denotado por
Lin(v1, v2, ..., vn) y se denomina envolvente lineal de u1, u2, ...,un.

Siendo S un sub conjunto de un espacio vectorial V entonces Lin S es un sub
conjunto de un espacio vectorial V y si W es un subconjunto de V que contiene a
S, necesariamente Lin S es complemento de W.

Conjuntos Generadores:

Si todo vector es un espacio vectorial puede ser expresado como combinación
lineal como lo vimos anteriormente entonces se dice que la combinación lineal es
un conjunto generador de un espacio vectorial..

En otras palabras si u1, u2, ..., un generan u entonces u pertenecen a V si existen
escalares c tal que:

V = c1u1 + c2v2 + ... + cnun entonces V es una combinación lineal de u1, u2, ...,
u3 .

Espacio fila y Espacio Columna de una Matriz:

Si A es una matriz m x n en un cuerpo K cualquiera, las filas de A pueden ser
vistas como vectores de Kn llamado espacio fila de U denotado por f - Lin A.

Así haciendo la matriz transpuesta esto quiere decir que si las columnas las
hacemos vectores de Km estos generan un sub espacio de Km llamado espacio
columna de A denotado c-Lin A.

Si hacemos operaciones elementales entre fila a A y obtenemos una matriz B
podemos decir que B es que cada fila de B es una combinación lineal de cada fila
de A por lo que el espacio fila de B esta contenido al espacio fila de A y así
viceversa, o sea, si efectuamos operaciones entre fila a B obtenemos A y esto
sería convención lineal de cada fila de B, esto cumple ciertos teoremas y
propiedades:

         atrices equivalentes por filas tienen el mismo espacio fila.



tienen las mismas filas no nulas.



filas.

Conjuntos Generadores e Independencia Lineal:

Si todo vector puede expresarse como combinación lineal de vectores en un
conjunto S entonces el conjunto S es un conjunto de un espacio vectorial.

Dependencia e Independencia Lineal:

Para que un vector tenga dependencia lineal este debe tener una solución no
trivial esto quiere decir que la combinación lineal denotado así: c1v1 + c2v2 + c3v3
= 0 , ósea que tiene una solución única.

Para comprobar la independencia Lineal.

Sea S = {v1, v2, ..., vn } un conjunto de vectores en un espacio vectorial V
entonces partiremos de la ecuación vectorial c1v1 + c2v2 + c3v3 = 0 (que es la
misma que combinación lineal don de c son escalares) se escribe un sistema
homogéneo de ecuaciones lineales en variable c1, c2, ..., ck . después se hace
Gauss-Jordán a la matriz aumentada para diagonal izarla si la solución de la
diagonalizacion tiene solamente solución trivial c1, c2, c3 entonces S es
linealmente independiente.
Si un conjunto S={v1, v2, ..., v3}, k>=2 es linealmente dependiente si solo si por lo
menos uno de los vectores vj puede expresarse como una combinación lineal de
los demás vectores S.

Base y Dimension:

En un conjunto S={v1 ,v2, ..., vk} es un espacio vectorial V este se denomina Base
si cumple que si es espacio vectorial tiene una base con un numero finito de
vectores entonces V es de dimensión finita y en caso contrario es de dimensión
infinita.

Base y Dependencia Lineal:

Si un conjunto finito S={ v1 , v2, ..., vn } es una base de un espacio vectorial V si
todo conjunto que contiene más de n vectores de V es linealmente dependiente.

Numero de Vectores de una Base:

Si un espacio vectorial V tiene una base con n vectores entonces toda base V
tiene n vectores.

Dimensión de un Espacio Vectorial:

Si un espacio vectorial V tiene una base con n vectores entonces esa n es la
dimensión de esa base y se denota dim(V) = n.

Teóricamente la dimensión se determina al hallar el conjunto de vectores
linealmente independientes que genera el sub espacio, este conjunto es una base
del sub-espacio y la dimensión del mismo es el número 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 continuación 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, también 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 renglón y el espacio columna son
iguales.

Para poder resolver la ecuación lineal utilizaremos la notación matricial Ax = B que
se utiliza para representar ecuaciones lineales.
= la solución de éste sistema nos permite ver el conjunto solución, esta solución
se escribe como n-adas y se denomina: vectores solución para un sistema
homogéneo se utiliza la notación matricial Ax = 0 es un espacio Rn esta solución
se denomina espacio solución del sistema también se llama espacio nulo de a. La
dimensión de este sistema se denomina nulidad de A.

Para la dimensión de un sistema homogéneo (Ax = 0) en una matriz A m x n y su
rango r entonces la dimensión seria n-r (nulidad - rango) = n.

Un sistema homogéneo Ax = 0 es un sub-espacio y un sistema no homogéneo Ax
= 0 es un sub-espacio y un sistema no homogéneo Ax = B donde B " 0 este no es
sub-espacio ya que el vector cero no es solucion.

Si Xp es una solución particular del sistema homogéneo entonces todo el sistema
se expresa como X = Xp + Xn donde Xh sería la solución del sistema homogéneo
Ax = 0.

Para ver el número de soluciones de las ecuaciones lineales se tomara en cuenta
tres reglas:



quiere decir si el rango de la solución de la matriz A es igual al del rango de la
matriz aumentada en B es igual a n entonces tiene una única solución.

      el rango (A) = rango [A | B]<n tiene esta soluciones infinitas.




Para las ecuaciones lineales con matrices cuadradas: Si A es una matriz n x n
cumple las siguientes condiciones:

   A es invertible.
ientes.




Coordenadas y cambio de base:

Siendo B={ v1, v2, ..., vn} una base de un espacio vectorial y x un vector en V que
representándose como combinación lineal ( x = c1v1 + c2v2 + ... + cnvn ) siendo
los escalares c. Se denomina como coordenadas x con respecto B en el vector Rn
denotado así xB = ( c1, c2, ..., cn ).

Cambio de base.

Partiendo de una base B a una base B' se tiene que hacer una multiplicación por
una matriz p-1 y está la obtenemos sacando la inversa de la base B esto sería P-1
y multiplicando P-1 por B obtenemos B' y viceversa.




                     Producto de un escalar por un vector

El producto de un escalar por un vector da por resultado otro vector, con la misma
dirección que el primero. Al hacer la multiplicación, el escalar cambia el módulo del
vector (gráficamente el largo) y en caso de ser negativo cambia también el
sentido. La dirección del vector resultado es siempre la misma que la del vector
original.
Matemáticamente se realiza multiplicando al escalar por cada una de las
componentes del vector.


Si por ejemplo el vector V tiene 2 coordenadas:


V = (x, y)
k V = k (x, y) = (kx, ky)


Ejemplo:


V = (2,1)
k=2
k V = 2 (2, 1) = (4, 2)




Ejemplo:


V= (2, 2)
k = -1
k V = -1 (2, 2) = (-2, -2)
Si los vectores son de más de dos coordenadas se realiza lo mismo por cada una
de ellas.




                              Un vector canónico:

Es aquel que se ajusta a una norma generalmente admitida como la mejor de las
posibles) porque es única y exclusiva para cada espacio vectorial, siendo escogida
de entre todas las bases posibles como se escoge un representante canónico en
una clase de equivalencia por ser el más sencillo y simplificado de todos ellos.

Un vector canonico, facilita una interpretación intuitiva del sistema de coordenadas
característico de un sistema cartesiano, de tal suerte, que para posicionar un
punto en la recta, el plano o el espacio, las coordenadas nos informan de la
distancia real en unidades, así facilita la lectura de posiciones y representación
métrica en el entorno del espacio vectorial y con ello, sus aplicaciones directas a la
geometría y a la física, entre otras importantes ciencias puras y aplicadas.
Coseno director:

 En una base ortonormal, se llaman cosenos directores del vector      = (x, y, z), a

  los cosenos de los ángulos que forma el vector     con los vectores de la base.




Ejemplo

Determinar los cosenos directores del vector (1, 2, −3).
Algebra lineal

Contenu connexe

Tendances (20)

Espacios vectoriales
Espacios vectorialesEspacios vectoriales
Espacios vectoriales
 
vectores en el espacio
vectores en el espacio vectores en el espacio
vectores en el espacio
 
Espacios cociente
Espacios cocienteEspacios cociente
Espacios cociente
 
Unidad 3 La Recta Y Su Ecuacion Cartesiana.
Unidad 3 La Recta Y Su Ecuacion Cartesiana.Unidad 3 La Recta Y Su Ecuacion Cartesiana.
Unidad 3 La Recta Y Su Ecuacion Cartesiana.
 
geometria-vectorial-unalmed
geometria-vectorial-unalmedgeometria-vectorial-unalmed
geometria-vectorial-unalmed
 
Espacios vectoriales
Espacios vectorialesEspacios vectoriales
Espacios vectoriales
 
Mate 3
Mate 3Mate 3
Mate 3
 
Vectores y estatica de solidos --- Chara H.
Vectores y estatica de solidos  --- Chara H.Vectores y estatica de solidos  --- Chara H.
Vectores y estatica de solidos --- Chara H.
 
Ejercicios x y z
Ejercicios x y zEjercicios x y z
Ejercicios x y z
 
Ecuaciones parametricas
Ecuaciones parametricasEcuaciones parametricas
Ecuaciones parametricas
 
Demostraciones geometricas
Demostraciones geometricasDemostraciones geometricas
Demostraciones geometricas
 
Espacio vectorial
Espacio vectorialEspacio vectorial
Espacio vectorial
 
Algebra vectorial
Algebra vectorialAlgebra vectorial
Algebra vectorial
 
Loriannys S. ecuaciones parametricas
Loriannys S. ecuaciones parametricasLoriannys S. ecuaciones parametricas
Loriannys S. ecuaciones parametricas
 
CALCULO VECTORIAL
CALCULO VECTORIALCALCULO VECTORIAL
CALCULO VECTORIAL
 
Espacios vectoriales
Espacios vectorialesEspacios vectoriales
Espacios vectoriales
 
Geometria analitica-vectorial-curso-basico
Geometria analitica-vectorial-curso-basicoGeometria analitica-vectorial-curso-basico
Geometria analitica-vectorial-curso-basico
 
Vectores
VectoresVectores
Vectores
 
Capítulo 6. Álgebra vectorial
Capítulo 6. Álgebra vectorialCapítulo 6. Álgebra vectorial
Capítulo 6. Álgebra vectorial
 
Vectores en el espacio
Vectores en el espacioVectores en el espacio
Vectores en el espacio
 

En vedette

Wound healing dressings and drug delivery systems
Wound healing dressings and drug delivery systemsWound healing dressings and drug delivery systems
Wound healing dressings and drug delivery systemsledzrock
 
Impacto de las tics
Impacto de las ticsImpacto de las tics
Impacto de las ticsalemartboh
 
1 DEUTSCH 2 Die Medien AG
1 DEUTSCH 2 Die Medien AG1 DEUTSCH 2 Die Medien AG
1 DEUTSCH 2 Die Medien AGamesstorff
 
Tipos de servidores
Tipos de servidoresTipos de servidores
Tipos de servidoresLuiS YmAY
 
Modelación estructural de sistemas
Modelación estructural de sistemasModelación estructural de sistemas
Modelación estructural de sistemasMaestros Online
 
do's and dont's in the lab
do's and dont's in the labdo's and dont's in the lab
do's and dont's in the labShelah Lontoc
 
Tema 3. estructura social y sus elementos
Tema 3.  estructura social y sus elementosTema 3.  estructura social y sus elementos
Tema 3. estructura social y sus elementosMarina Olivas Osti
 
H E L F Æ R D I G Færdigt_speciale_31.dec
H E L  F Æ R D I G Færdigt_speciale_31.decH E L  F Æ R D I G Færdigt_speciale_31.dec
H E L F Æ R D I G Færdigt_speciale_31.decLena Juhl
 

En vedette (16)

Dfasdsd
DfasdsdDfasdsd
Dfasdsd
 
Entidades
EntidadesEntidades
Entidades
 
Wound healing dressings and drug delivery systems
Wound healing dressings and drug delivery systemsWound healing dressings and drug delivery systems
Wound healing dressings and drug delivery systems
 
Impacto de las tics
Impacto de las ticsImpacto de las tics
Impacto de las tics
 
1 DEUTSCH 2 Die Medien AG
1 DEUTSCH 2 Die Medien AG1 DEUTSCH 2 Die Medien AG
1 DEUTSCH 2 Die Medien AG
 
2011.2.06 Marketing
2011.2.06 Marketing2011.2.06 Marketing
2011.2.06 Marketing
 
Plan de acogida final
Plan de  acogida finalPlan de  acogida final
Plan de acogida final
 
Tipos de servidores
Tipos de servidoresTipos de servidores
Tipos de servidores
 
sistema operativo Windows
 sistema operativo Windows sistema operativo Windows
sistema operativo Windows
 
Expo 2
Expo 2Expo 2
Expo 2
 
Modelación estructural de sistemas
Modelación estructural de sistemasModelación estructural de sistemas
Modelación estructural de sistemas
 
do's and dont's in the lab
do's and dont's in the labdo's and dont's in the lab
do's and dont's in the lab
 
Haccp parte 3 a
Haccp parte 3 aHaccp parte 3 a
Haccp parte 3 a
 
Herramientas de Análisis de Diagnostico Empresarial.
Herramientas de Análisis de Diagnostico Empresarial.Herramientas de Análisis de Diagnostico Empresarial.
Herramientas de Análisis de Diagnostico Empresarial.
 
Tema 3. estructura social y sus elementos
Tema 3.  estructura social y sus elementosTema 3.  estructura social y sus elementos
Tema 3. estructura social y sus elementos
 
H E L F Æ R D I G Færdigt_speciale_31.dec
H E L  F Æ R D I G Færdigt_speciale_31.decH E L  F Æ R D I G Færdigt_speciale_31.dec
H E L F Æ R D I G Færdigt_speciale_31.dec
 

Similaire à Algebra lineal (20)

Aplicaciones del producto vectorial
Aplicaciones del producto vectorialAplicaciones del producto vectorial
Aplicaciones del producto vectorial
 
Pamela blasco teoria electromagnetica
Pamela blasco  teoria electromagneticaPamela blasco  teoria electromagnetica
Pamela blasco teoria electromagnetica
 
Pamela blasco teoria electromagnetica
Pamela blasco  teoria electromagneticaPamela blasco  teoria electromagnetica
Pamela blasco teoria electromagnetica
 
Pamela blasco teoria electromagnetica
Pamela blasco  teoria electromagneticaPamela blasco  teoria electromagnetica
Pamela blasco teoria electromagnetica
 
FUNCIONES DE VARIAS VARIABLES
FUNCIONES DE VARIAS VARIABLES FUNCIONES DE VARIAS VARIABLES
FUNCIONES DE VARIAS VARIABLES
 
FUNCIONES DE VARIAS VARIABLES
FUNCIONES DE VARIAS VARIABLES FUNCIONES DE VARIAS VARIABLES
FUNCIONES DE VARIAS VARIABLES
 
Vectores en ele spacio
Vectores en ele spacioVectores en ele spacio
Vectores en ele spacio
 
Vectores001
Vectores001Vectores001
Vectores001
 
Teoria electromagnetica
Teoria electromagneticaTeoria electromagnetica
Teoria electromagnetica
 
funciones de varias variables
funciones de varias variablesfunciones de varias variables
funciones de varias variables
 
Magnitudes vectoriales
Magnitudes vectoriales Magnitudes vectoriales
Magnitudes vectoriales
 
Exposición de Física
Exposición de Física Exposición de Física
Exposición de Física
 
proyecto tecnológico
proyecto tecnológico proyecto tecnológico
proyecto tecnológico
 
Marlis
MarlisMarlis
Marlis
 
PROYECTO TECNOLÓGICO
PROYECTO TECNOLÓGICO PROYECTO TECNOLÓGICO
PROYECTO TECNOLÓGICO
 
Oliver,,,,
Oliver,,,,Oliver,,,,
Oliver,,,,
 
Vectores en el espacio
Vectores en el espacioVectores en el espacio
Vectores en el espacio
 
A
AA
A
 
Algebra
AlgebraAlgebra
Algebra
 
Algebra
AlgebraAlgebra
Algebra
 

Algebra lineal

  • 1. República Bolivariana de Venezuela Ministerio del Poder Popular para la Educación Superior. Instituto Universitario Tecnológico de Ejido (IUTE) Ejido Edo. Mérida : Integrante: Nublis Casanova C.I 16654044 Pnf. Informática Sección “A” ALGEBRA LINEAL Prof. Judith Rodríguez
  • 2. Vector unitario: Se denota frecuentemente con un acento circunflejo sobre su nombre, como (se lee "r vector" o "vector r"). La notación mediante el uso de una breve ( ) también es común, especialmente en desarrollos manuscritos. La tendencia actual es representar el vector en la dirección del vector en la forma . Definición Habiendo definido el concepto de vector unitario al comienzo de este artículo y habiendo presentado la notación usual en la sección anterior, presentamos en esta sección una definición simbólica de vector unitario. Sea el vector v ∈ ℝn. Se dice que v es un vector unitario y se lo denota mediante si y solamente si el módulo de v es igual a 1. O en forma más compacta: Desigualdad triangular:
  • 3. Desigualdad del triángulo: La desigualdad es un teorema de geometría euclidiana que establece En todo triángulo la suma de las longitudes de dos lados 1 cualquiera es siempre mayor a la longitud del lado restante. Este resultado ha sido generalizado a otros contextos más sofisticados como espacios vectoriales. Camino euclidiano de mínimo recorrido Desigualdad del triángulo tendiendo hacia la igualdad mientras reduce su altura. En geometría euclidiana (y en algunas otras geometrías) la desigualdad triangular es un teorema importante acerca de las medidas y las distancias. Siguiendo en geometría euclidiana, dicha desigualdad en triángulos rectángulos, es una consecuencia del teorema de Pitágoras, y para los triángulos en general una consecuencia de la ley de los cosenos, aunque ésta puede ser probada sin esos
  • 4. teoremas. La desigualdad se puede ver intuitivamente ya sea en ℝ² o ℝ³ (aunque también es válida para ℝn). La figura de la derecha muestra tres ejemplos progresivos partiendo de una clara desigualdad (triángulo más alto) hasta acercarse tanto como se quiera a la igualdad (triángulo más bajo). Advierta que se logra tanta más aproximación a la igualdad, cuanto más se aproxima el vértice Z (el opuesto al lado z) a cualquier punto del segmento que conforma al lado z de la base del triángulo, y esto con total independencia del camino que se utilice. El teorema de la desigualdad triangular solo menciona los casos de desigualdad (no podría ser de otra manera debido a su enunciado) y así evita el tratar con el caso límite de si tres vértices colineales siguen o no definiendo un triángulo, (aún si se conviene en que sí, estaríamos ante un caso de figura geométrica degenerada y éstas conducen en general a soluciones espurias, aunque particularmente en éste caso, no es así). Siendo h la altura del triángulo y tomando límite con , la polémica se soslaya y se adquiere el derecho a extender la fórmula inicial a una más general. Si (x, y, z) son las respectivas denominaciones de los lados de un triángulo cualquiera y h la altura correspondiente al lado z, entonces podremos reconocer dos casos: 1) Aceptado h>0. Implica quedarnos con las tres desigualdades tradicionales del teorema: 2) Aceptado h≥0. En éste segundo caso logramos tres desigualdades más generales que las del teorema porque incluyen el caso que más nos interesa, el cual es el caso límite de igualdad:
  • 5. En geometría euclidiana, sólo se obtiene el caso límite de igualdad cuando el triángulo (aunque degenerado) tenga altura h=0 (sobre el lado que se a denominado z) y además el vértice Z pertenezca al segmento xy (o sea al lado z), llegando entonces los tres vértices, a ser colineales, como se muestra en el ejemplo (línea base). Como el vértice Z puede estar en cualquier lugar (del plano al que pertenece el triángulo), pero en la desigualdad triangular solo se logra el caso límite de igualdad3 cuando dicho vértice se encuentra en un lugar tal que pertenece al segmento constituyente del lado z, y como por otra parte la mínima longitud que puede tener la suma x+y cumpliendo con ser mayor o igual a la longitud del lado z es justamente la longitud del lado z, se concluye entonces que para el caso límite de x+y=z estamos ante una longitud de mínimo recorrido posible entre los vértices X e Y de z, (en definitiva entre dos puntos cualquiera, por ser z un lado genérico), lo cual demuestra que la línea recta es el camino de menor longitud posible entre ellos. Por todo lo anterior es posible afirmar que: En geometría euclidiana la distancia más corta entre dos puntos es una línea recta. Es importante registrar que la desigualdad triangular elucídela en ℝ² o ℝ³ es una idea de gran simplicidad. Luego en matemáticas más avanzadas se podrá ver que la “idea” de la desigualdad (ya no triangular) se puede generalizar también a polígonos de cuatro o más lados. Luego sabiendo que los polígonos al tender su número de lados a infinito ( ) se convierten en curvas, en las que aún vale una versión con similitudes a la “idea” de desigualdad. Además en algunos casos
  • 6. puede generalizarse el concepto a algunos espacios no euclidianos (con solo reemplazar el concepto de recta por el de línea geodésica). Suma de vectores: Con los vectores podemos realizar una serie de operaciones. Una de ellas es la suma. Podemos realizar la suma de vectores desde dos puntos de vista: matemática y gráfica. Suma de vectores matemática: Para realizar la suma matemática de vectores, lo único que tenemos que hacer es sumar las respectivas componentes de los vectores sumandos, obteniendo así, el vector suma. Veamos un ejemplo: (3, 2, -5) + (2, 1,3) = (3+2, 2+1, -5+3) = (5, 3, -2) Suma gráfica de vectores: Para realizar la suma gráfica de dos vectores, utilizamos el "método del paralelogramo". Para ello, trazamos en el extremo del vector A, una paralela al vector B y viceversa. Ambas paralelas y los dos vectores, determinan un paralelogramo. La diagonal del paralelogramo, que contiene al punto origen de ambos vectores, determina el vector SUMA. Puedes ver un ejemplo en el gráfico que va a continuación:
  • 7. Si tenemos que sumar varios vectores, podemos aplicar el método anterior, sumando primero dos y a la suma, añadirle un tercero y así sucesivamente. Pero también podemos hacerlo colocando en el extremo del primer vector, un vector igual en módulo, dirección y sentido que el segundo. A continuación de éste, colocamos un vector equivalente al tercero y así sucesivamente. Finalmente, unimos el origen del primer vector con el extremo del último que colocamos y, el vector resultante es el vector suma. Puedes probar este método en el applet que viene a continuación, sumando fuerzas: Para manejarlo, elige en la lista desplegable rotulada con "Number of Forces", el número de vectores que deseas sumar. A continuación, pulsa en "Find out Resultant" y observarás el proceso de suma de los vectores. Pulsando en "Clear Construction", limpias todo y puedes repetir el proceso. Producto escalar En matemática, el producto escalar, también conocido como producto interno, interior o punto (en inglés, dot product), es una operación definida sobre dos vectores de un espacio euclídeo cuyo resultado es un número o escalar. Esta operación permite explotar los conceptos de la geometría euclidiana tradicional: longitudes, ángulos, ortogonalidad en dos y tres dimensiones. El producto escalar puede definirse también en los espacios euclídeos de dimensión 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.
  • 8. El producto interior o producto escalar de dos vectores en un espacio vectorial es una forma bilineal, hermítica y definida positiva, por lo que se puede considerar una forma cuadrática definida positiva. Un producto escalar se puede expresar como una aplicación donde V es un espacio vectorial y es el cuerpo sobre el que está definido V. debe satisfacer las siguientes condiciones: 1. Linealidad por la izquierda: , y linealidad conjugada por la derecha: 2. Hermeticidad: , 3. Definida positiva: ,y si y sólo si x = 0, Donde son vectores de V, representan escalares del cuerpo y es el conjugado del complejo c. Si el cuerpo tiene parte imaginaria nula (v.g., ), la propiedad de ser sesquilineal se convierte en ser bilineal y el ser hermítica se convierte en ser simétrica. También suele representarse por o por . Un espacio vectorial sobre el cuerpo o dotado de un producto escalar se denomina espacio prehilbert o espacio prehilbertiano. Si además es completo, se dice que es un espacio de hilbert, y si la dimensión es finita, se dirá que es un espacio euclídeo. Todo producto escalar induce una norma sobre el espacio en el que está definido, de la siguiente manera: .
  • 9. Definición geométrica del producto escalar en un espacio euclídeo real A • B = |A| |B| cos(θ). |A| cos(θ) es la proyección escalar de A en B. El producto escalar de dos vectores en un espacio euclídeo se define como el producto de sus módulos por el coseno del ángulo θ que forman. En los espacios euclídeos, la notación usual de producto escalar es Esta definición de carácter geométrico es independiente del sistema de coordenadas elegido y por lo tanto de la base del espacio vectorial escogida. Proyección de un vector sobre otro Puesto que |A| cos θ representa el módulo de la proyección del vector A sobre la dirección del vector B, esto es |A| cos θ = proy AB, será De modo que el producto escalar de dos vectores también puede definirse como el producto del módulo de uno de ellos por la proyección del otro sobre él.
  • 10. Ángulos entre dos vectores La expresión geométrica del producto escalar permite calcular el coseno del ángulo existente entre los vectores: Vectores ortogonales Dos vectores son ortogonales o perpendiculares cuando forman ángulo recto entre sí. Si el producto escalar de dos vectores es cero, ambos vectores son ortogonales. Ya que él . Vectores paralelos o en una misma dirección Dos vectores son paralelos o llevan la misma dirección si el ángulo que forman es de 0 radianes (0 grados) o de π radianes (180 grados). Cuando dos vectores forman un ángulo cero, el valor del coseno es la unidad, por lo tanto el producto de los módulos vale lo mismo que el producto escalar. Observación Una importante variante del producto escalar estándar se utiliza en el espacio- tiempo de Minkowsky, es decir, dotado del producto escalar: .
  • 11. Propiedades del producto escalar 1. Conmutativa: 2. Distributiva respecto a la suma vectorial: 3. Asociativa respecto al producto por un escalar m: Expresión analítica del producto escalar Si los vectores A y B se expresan en función de sus componentes cartesianas rectangulares, tomando la base canónica en formada por los vectores unitarios {i, j, k} tenemos: El producto escalar se realiza como un producto matricial de la siguiente forma:
  • 12. Norma o Módulo de un vector Se define como la longitud del segmento orientado (vector) en el espacio métrico considerado. Se calcula a través del producto interno del vector consigo mismo. Efectuado el producto escalar, tenemos: De modo que Por componentes, tomando la base canónica en formada por los vectores unitarios {i, j, k} De modo que
  • 13. Productos interiores definidos en espacios vectoriales usuales  En el espacio vectorial se suele definir el producto interior (llamado, en este caso en concreto, producto punto) por:  En el espacio vectorial se suele definir el producto interior por: Siendo el número complejo conjugado de  En el espacio vectorial de las matrices de m x n , con elementos reales Donde tr (A) es la traza de la matriz B y AT es la matriz traspuesta de A.  En el espacio vectorial de las matrices de m x n , con elementos complejos Donde tr(A) es la traza de la matriz B y A * es la matriz traspuesta conjugada de A.  En el espacio vectorial de las funciones continuas sobre el intervalo C[a, b], acotado por a y b:  En el espacio vectorial de los polinomios de grado menor o igual a n:
  • 14. Dado tal que : Generalizaciones Formas cuadráticas Dada una forma bilineal simétrica definida sobre un espacio vectorial puede definirse un producto escalar diferente del producto escalar euclídeo mediante la fórmula: Dónde: Es una base del espacio vectorial Puede comprobarse que la operación anterior satisface todas las propiedades que debe satisfacer un producto escalar. Tensores métricos Se pueden definir y manejar espacio no-euclídeos o más exactamente variedades de Riemann, es decir, espacios no-planos con un tensor de curvatura diferente de cero, en los que también podemos definir longitudes, ángulos y volúmenes. En estos espacios más generales se adopta el concepto de geodésica en lugar del de segmento para definir las distancias más cortas en entre puntos y, también, se modifica ligeramente la definición operativa del producto escalar habitual
  • 15. introduciendo un tensor métrico , tal que la restricción del tensor a un punto de la variedad de Riemann es una forma bilineal . Así, dados dos vectores campos vectoriales y del espacio tangente a la variedad de Riemann se define su producto interno o escalar como: La longitud de una curva rectificable C entre dos puntos A y B se puede definir a partir de su vector tangente de la siguiente manera: Diferencia de R1, R2, R3 y RN…. Espacio euclidiano o Espacio vectorial: Un espacio euclidiano es el conjunto de n-adas ordenadas, también conocido por espacio n-dimencional y de denota por Rn este es una sucesión de n números reales ejemplo (a1, a2,..., en) donde los vectores Rn se clasifican así: R1 = espacio unidimensional, línea recta real. R2 = espacio bidimensional, pares ordenados. R3 = espacio tridimensional, terna ordenadas. Rn = espacio n-dimencional, n-adas ordenadas. Operaciones Básicas con Vectores en R2:
  • 16. Suma de vectores y multiplicación por un escalar: Siendo X y Y dos vectores y H un escalar se dice que: X + Y = (x1 , x2) + (y1 , y2) = (y1 , y2) + (x1 , x2) y la multiplicación por un escalar se define H(x1 , x2)=(Hx1 , Hx2). Las propiedades que cumple la suma de vectores son la misma que cumplían las estructuras algebraicas de una operación que son: la de cierre, la conmutativa, la asociativa, elemento neutro e identidad y la distributiva. Las leyes que cumple la multiplicación por un escalar son: La de cierre bajo la multiplicación Hx, La distributiva (H+I)x = Hx + Ix ; H(x + y) = Hx + Hy, La asociativa (HI)x = H(Ix), y el elemento neutro de la multiplicación 1x = x. Operaciones Básicas con Vectores en Rn: Las operaciones básicas con vectores en Rn son las mismas que las operaciones básicas que vimos anteriormente, o sea, la suma de vectores y la multiplicación por un escalar la diferencia seria que en estos serian n-esimos elementos y n- esimos vectores ejemplo: Para suma de vectores X + Y = (x1 , x2, ... , xn) + (y1 , y2, ... , yn). Para multiplicación de un vector por un escalar
  • 17. H(x1 , x2, ... , xn) = (Hx1 , Hx2, ... , Hxn). Las propiedades que cumplen son las mismas que vimos en operaciones básicas con vectores en R2. El vector cero “0” es el vector neutro o identidad de la suma de vectores en Rn: 0 = (0, 0, 0, ..., 0n), este vector tiene como propiedad de que es único, es decir, U + 0 = 0, 0U = 0, a0 = 0, aU = 0 si a = 0 o U = 0, donde “U” es un vector y “a” un escalar. Espacios Vectoriales: Un espacio vectorial es aquel conjunto de vectores que cumple las propiedades o axiomas de la suma de vectores y la multiplicación por un escalar dichas propiedades vistas en espacios n-dimensiónales Rn o R2. Un espacio vectorial es un espacio no vacío. Podríamos decir que un espacio vectorial es la abstracción de las propiedades de un espacio n-dimencional , debe tomarse en cuenta que en el espacio vectorial no se especifica operaciones ni vectores entonces se puede usar cualquier vector y cualquier operación se puede sustituir la suma de vectores y la multiplicación por un escalar, pero siempre cumpliendo todos las propiedades, siempre sería un espacio vectorial. Un espacio vectorial cumple con cuatro partes que son: un conjunto de vectores, un conjunto de escalares, y dos operaciones. Estos forman un cuerpo que es igual a las estructuras algebraicas de dos operaciones <conjunto, operación ,operación> (un cuerpo). Para comprobar que determinado conjunto es un espacio vectorial es preciso definir o especificar las propiedades de suma multiplicación por un escalar como vimos anteriormente tenemos que definir el elemento que actúa como cero (0) y el negado de cada elemento.
  • 18. Cuerpo: Es el conjunto de números y operaciones cualesquiera que deben obedecer las diez propiedades algebraicas que mencionamos en operaciones básicas de espacios vectoriales. Sub cuerpo: Si se operan escalares en forma de sub cuerpo C y se operan bajo la suma y la multiplicación por un escalar estos escalares no deben salirse del sub espacio determinado y las operaciones de prueba son las mismas que se han mencionado con anterioridad. Sub espacio vectorial: Esto dice que si W es un sub conjunto del espacio vectorial V entonces este es un sub espacio de V. Si W es un espacio vectorial bajo las operaciones de suma y multiplicación por un escalar definidas en V. Para que W sea un sub espacio de V debe cumplir las propiedades de cierre de la suma y la multiplicación por un escalar también debe cumplir la ley del elemento neutro bajo la suma, el inverso bajo la suma y el neutro bajo la multiplicación por un escalar. Combinación Lineal: Se denomina combinación lineal a u vector V en un espacio vectorial U u un cuerpo h. Si los vectores v1, v2, v3, ..., vn en u si V puede expresarse como: V = c1v1 + c2v2 + c3v3 +... + cnvn donde c son escalares del cuerpo h.
  • 19. Envolvente Lineal: Este es el conjunto de todas las combinaciones lineales semejantes denotado por Lin(v1, v2, ..., vn) y se denomina envolvente lineal de u1, u2, ...,un. Siendo S un sub conjunto de un espacio vectorial V entonces Lin S es un sub conjunto de un espacio vectorial V y si W es un subconjunto de V que contiene a S, necesariamente Lin S es complemento de W. Conjuntos Generadores: Si todo vector es un espacio vectorial puede ser expresado como combinación lineal como lo vimos anteriormente entonces se dice que la combinación lineal es un conjunto generador de un espacio vectorial.. En otras palabras si u1, u2, ..., un generan u entonces u pertenecen a V si existen escalares c tal que: V = c1u1 + c2v2 + ... + cnun entonces V es una combinación lineal de u1, u2, ..., u3 . Espacio fila y Espacio Columna de una Matriz: Si A es una matriz m x n en un cuerpo K cualquiera, las filas de A pueden ser vistas como vectores de Kn llamado espacio fila de U denotado por f - Lin A. Así haciendo la matriz transpuesta esto quiere decir que si las columnas las hacemos vectores de Km estos generan un sub espacio de Km llamado espacio columna de A denotado c-Lin A. Si hacemos operaciones elementales entre fila a A y obtenemos una matriz B podemos decir que B es que cada fila de B es una combinación lineal de cada fila de A por lo que el espacio fila de B esta contenido al espacio fila de A y así viceversa, o sea, si efectuamos operaciones entre fila a B obtenemos A y esto
  • 20. sería convención lineal de cada fila de B, esto cumple ciertos teoremas y propiedades: atrices equivalentes por filas tienen el mismo espacio fila. tienen las mismas filas no nulas. filas. Conjuntos Generadores e Independencia Lineal: Si todo vector puede expresarse como combinación lineal de vectores en un conjunto S entonces el conjunto S es un conjunto de un espacio vectorial. Dependencia e Independencia Lineal: Para que un vector tenga dependencia lineal este debe tener una solución no trivial esto quiere decir que la combinación lineal denotado así: c1v1 + c2v2 + c3v3 = 0 , ósea que tiene una solución única. Para comprobar la independencia Lineal. Sea S = {v1, v2, ..., vn } un conjunto de vectores en un espacio vectorial V entonces partiremos de la ecuación vectorial c1v1 + c2v2 + c3v3 = 0 (que es la misma que combinación lineal don de c son escalares) se escribe un sistema homogéneo de ecuaciones lineales en variable c1, c2, ..., ck . después se hace Gauss-Jordán a la matriz aumentada para diagonal izarla si la solución de la diagonalizacion tiene solamente solución trivial c1, c2, c3 entonces S es linealmente independiente.
  • 21. Si un conjunto S={v1, v2, ..., v3}, k>=2 es linealmente dependiente si solo si por lo menos uno de los vectores vj puede expresarse como una combinación lineal de los demás vectores S. Base y Dimension: En un conjunto S={v1 ,v2, ..., vk} es un espacio vectorial V este se denomina Base si cumple que si es espacio vectorial tiene una base con un numero finito de vectores entonces V es de dimensión finita y en caso contrario es de dimensión infinita. Base y Dependencia Lineal: Si un conjunto finito S={ v1 , v2, ..., vn } es una base de un espacio vectorial V si todo conjunto que contiene más de n vectores de V es linealmente dependiente. Numero de Vectores de una Base: Si un espacio vectorial V tiene una base con n vectores entonces toda base V tiene n vectores. Dimensión de un Espacio Vectorial: Si un espacio vectorial V tiene una base con n vectores entonces esa n es la dimensión de esa base y se denota dim(V) = n. Teóricamente la dimensión se determina al hallar el conjunto de vectores linealmente independientes que genera el sub espacio, este conjunto es una base del sub-espacio y la dimensión del mismo es el número 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.
  • 22. 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 continuación 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, también 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 renglón y el espacio columna son iguales. Para poder resolver la ecuación lineal utilizaremos la notación matricial Ax = B que se utiliza para representar ecuaciones lineales.
  • 23. = la solución de éste sistema nos permite ver el conjunto solución, esta solución se escribe como n-adas y se denomina: vectores solución para un sistema homogéneo se utiliza la notación matricial Ax = 0 es un espacio Rn esta solución se denomina espacio solución del sistema también se llama espacio nulo de a. La dimensión de este sistema se denomina nulidad de A. Para la dimensión de un sistema homogéneo (Ax = 0) en una matriz A m x n y su rango r entonces la dimensión seria n-r (nulidad - rango) = n. Un sistema homogéneo Ax = 0 es un sub-espacio y un sistema no homogéneo Ax = 0 es un sub-espacio y un sistema no homogéneo Ax = B donde B " 0 este no es sub-espacio ya que el vector cero no es solucion. Si Xp es una solución particular del sistema homogéneo entonces todo el sistema se expresa como X = Xp + Xn donde Xh sería la solución del sistema homogéneo Ax = 0. Para ver el número de soluciones de las ecuaciones lineales se tomara en cuenta tres reglas: quiere decir si el rango de la solución de la matriz A es igual al del rango de la matriz aumentada en B es igual a n entonces tiene una única solución. el rango (A) = rango [A | B]<n tiene esta soluciones infinitas. Para las ecuaciones lineales con matrices cuadradas: Si A es una matriz n x n cumple las siguientes condiciones: A es invertible.
  • 24. ientes. Coordenadas y cambio de base: Siendo B={ v1, v2, ..., vn} una base de un espacio vectorial y x un vector en V que representándose como combinación lineal ( x = c1v1 + c2v2 + ... + cnvn ) siendo los escalares c. Se denomina como coordenadas x con respecto B en el vector Rn denotado así xB = ( c1, c2, ..., cn ). Cambio de base. Partiendo de una base B a una base B' se tiene que hacer una multiplicación por una matriz p-1 y está la obtenemos sacando la inversa de la base B esto sería P-1 y multiplicando P-1 por B obtenemos B' y viceversa. Producto de un escalar por un vector El producto de un escalar por un vector da por resultado otro vector, con la misma dirección que el primero. Al hacer la multiplicación, el escalar cambia el módulo del vector (gráficamente el largo) y en caso de ser negativo cambia también el sentido. La dirección del vector resultado es siempre la misma que la del vector original.
  • 25. Matemáticamente se realiza multiplicando al escalar por cada una de las componentes del vector. Si por ejemplo el vector V tiene 2 coordenadas: V = (x, y) k V = k (x, y) = (kx, ky) Ejemplo: V = (2,1) k=2 k V = 2 (2, 1) = (4, 2) Ejemplo: V= (2, 2) k = -1 k V = -1 (2, 2) = (-2, -2)
  • 26. Si los vectores son de más de dos coordenadas se realiza lo mismo por cada una de ellas. Un vector canónico: Es aquel que se ajusta a una norma generalmente admitida como la mejor de las posibles) porque es única y exclusiva para cada espacio vectorial, siendo escogida de entre todas las bases posibles como se escoge un representante canónico en una clase de equivalencia por ser el más sencillo y simplificado de todos ellos. Un vector canonico, facilita una interpretación intuitiva del sistema de coordenadas característico de un sistema cartesiano, de tal suerte, que para posicionar un punto en la recta, el plano o el espacio, las coordenadas nos informan de la distancia real en unidades, así facilita la lectura de posiciones y representación métrica en el entorno del espacio vectorial y con ello, sus aplicaciones directas a la geometría y a la física, entre otras importantes ciencias puras y aplicadas.
  • 27. Coseno director: En una base ortonormal, se llaman cosenos directores del vector = (x, y, z), a los cosenos de los ángulos que forma el vector con los vectores de la base. Ejemplo Determinar los cosenos directores del vector (1, 2, −3).