espacios vectoriales
DESCRIPTION
espacios vectorialesTRANSCRIPT
![Page 1: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/1.jpg)
Espacios Vectoriales
Algebra Lineal
![Page 2: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/2.jpg)
Objetivos Demostrar si una estructura algebraica de un
conjunto de vectores es un espacio vectorial. Definir un sub espacio de un espacio lineal y
encontrar una base para esto. Determinar si un subconjunto de un espacio
vectorial es un espacio lineal. Definir y reconocer la independencia lineal de un
conjunto de vectores. Definir y obtener una base para espacios lineales.
![Page 3: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/3.jpg)
Objetivos Definir espacios vectoriales relacionados con
matrices. Elaborar bases reduciendo una matriz
determinada a la forma escalonada. Definir el producto interior en un espacio
vectorial arbitrario. Definir longitud y ángulo en espacios con
producto interior. Determinar bases de un espacio vectorial con
vectores ortogonales.
![Page 4: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/4.jpg)
Repaso
a) Dados los vectores 𝑨‹1,−2,4› 𝑩‹0,−3,−7› 𝑪‹4,−1,5›; calcular: ሺ3𝐵− 4𝐴ሻ.ሺ4𝐶+ 2𝐵− 𝐴ሻ b) Hallar el producto de las dos matrices 𝑨= 1 4 6−2 3 51 0 4൩ 𝑩= 2 −3 51 0 62 3 1൩ c) Para el siguiente sistema de ecuaciones obtener la solución usando la regla de Cramer 𝑥− 4𝑦+ 𝑧= 6 4𝑥− 𝑦+ 2𝑧= −1 2𝑥+ 2𝑦− 3𝑧= −20 d) Encontrar la proyección ortogonal del vector 𝑼 sobre el vector 𝑨. Donde: 𝑼= ‹3,1,−7› 𝑨‹1,0,5›
![Page 5: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/5.jpg)
DEFINICION Sea V un conjunto cualesquiera no vacío de
elementos sobre el que están definidas dos operaciones: la adición y la multiplicación por escalares. Por adición se entiende una regla que asocia a cada par de elementos u y v en V un elemento u + v denominado suma de u y v; por multiplicación escalar se entiende una regla que asocia a cada escalar α y cada elemento u en V un elemento αu, denominado múltiplo escalar de u por α. Si los elementos u, v, w en V y los escalares α y β satisfacen los axiomas siguientes, entonces V se denomina espacio vectorial, y sus elementos se denominan vectores.
![Page 6: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/6.jpg)
Axiomas 1.- Si u, v están en V, entonces u + v está en V. 2.- Si u, v están en V, entonces u + v = v + u. 3.- Si u, v, w están en V, entonces u + ‹v + w›
= ‹u + v› + w. 4.- Existe un único elemento 0 en V, denominado
vector cero de V, tal que se cumple que : 0+ u = u + 0 = u para todo u en V.
5.- Para todo u en V existe un elemento -u en V, denominado opuesto de u, tal que se cumple: u+(-u)=(-u)+u=0.
![Page 7: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/7.jpg)
Axiomas
6.- Si α es cualquier escalar y u es cualquier elemento en V, entonces αu está en V.
7.- Si u, v están en V y α es un escalar, entonces α (u + v) = αu + αv.
8.- Si u está en V y α, β son escalares, entonces (α+β) u = αu + βu.
9.- Si u está en V y α, β son escalares, entonces α (βu) = (αβ) u.
10.- Si u está en V y 1 es un escalar, 1u = u.
![Page 8: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/8.jpg)
Ejemplo Si el conjunto de objetos estudiados V son
matrices de tamaño 2x2 con elementos de números reales, a cada matriz con la estructura se le denomina vector. La suma y el producto escalar están definidos de la siguiente manera:
Dado , , y k=a Tanto así como
![Page 9: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/9.jpg)
Axioma 1: Si u, v están en V, entonces u + v está en V. Debo demostrar que el objeto resultante de la
operación suma pertenece al conjunto V estudiado, lo cual podemos decir que es verdad basada en la definición de la operación suma.
u @+ m @ ∈V por la definición de operación suma
![Page 10: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/10.jpg)
SUBESPACIOS VECTORIALES Con frecuencia, se tiene que un espacio
vectorial está contenido en otro, y que la adición y la multiplicación por escalares del primer espacio vectorial se llevan a cabo de manera exactamente igual a la del segundo. Cuando esto es así, se dice que el primer espacio vectorial es subespacio del segundo.
![Page 11: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/11.jpg)
SUBESPACIOS VECTORIALES Sin embargo, si U es parte de un conjunto
más grande V del que se sabe es un espacio vectorial, entonces no es necesario verificar ciertos axiomas para U porque son heredados de V.
Todo espacio vectorial V tiene por lo menos dos sub-espacios: V y {0}
![Page 12: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/12.jpg)
SUBESPACIOS VECTORIALES Si U es un conjunto formado por uno o más
vectores de un espacio vectorial V, entonces U es un subespacio de V si y sólo si se cumplen las condiciones siguientes:
1.- Cerrado bajo la adición: Si u, v son elementos de U, entonces u + v está en U.
2.- Cerrado bajo la multiplicación escalar: Si α es cualquier número y u es un elemento de U, entonces αu está en U.
![Page 13: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/13.jpg)
Ejemplo Determinar si el conjunto W de los vectores de
la forma ‹a, 1, 1›, donde a es un número Real, constituyen un sub espacio de R3
![Page 14: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/14.jpg)
DEFINICIONES INICIALES: 1. Como no dan ninguna restricción para las operaciones de suma y resta utilizaremos los procedimientos usuales para vectores en R31. Existen los vectores: DEMOSTRACIÓN:Primera condición: =‹ Segunda condición: No Es Necesario Porque No Cumplió La PrimeraCONCLUSIÓN: No es un sub-espacio vectorial de R3 porque no cumple la condición de cerradura de la adición.
![Page 15: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/15.jpg)
COMBINACION LINEAL Una combinación lineal de dos o más vectores
es el vector que se obtiene al sumar esos vectores multiplicados por escalares
Cualquier vector se puede poner como combinación lineal de otros que tengan distinta dirección.
W=2.6u+3.2vEsta combinación lineal es única.
![Page 16: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/16.jpg)
VECTORES LINEALMENTE DEPENDIENTES Un conjunto de vectores se dice que
son linealmente dependientes si hay una combinación lineal de ellos que es igual al vector cero, sin que sean cero todos los coeficientes de la combinación lineal
![Page 17: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/17.jpg)
Propiedades En un conjunto con vectores que
son linealmente dependientes, al menos uno de ellos se puede expresar como combinación lineal de los demás.
Si un vector es combinación lineal de otros, entonces todos los vectores son linealmente dependientes.
![Page 18: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/18.jpg)
Propiedades Dos vectores ,….., y son linealmente
dependientes si sus componentes son proporcionales (el uno es múltiplo del otro).
u=kv
![Page 19: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/19.jpg)
Propiedades Si el determinante de la matriz que forman un
conjunto de vectores es igual a cero, estos vectores son linealmente dependientes ya que la matriz no tiene inversa.
Un conjunto finito de vectores que contiene al vector cero es linealmente dependiente.
Sea ,….., un conjunto de vectores en . Si r > n, entonces u es linealmente dependiente.
![Page 20: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/20.jpg)
Ejemplo Determinar los valores de k para que
sean linealmente dependientes los vectores u=‹3,k,-6›, v=‹-2, 1, k+3›, w=‹1, k+2, 4›. Escribir u como combinación lineal de v y w, siendo k el valor calculado.
![Page 21: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/21.jpg)
DEFINICIONES INICIALES: 1. Los vectores son linealmente dependientes si el determinante de la matriz
que forman es nulo.1. Existen los vectores:
u=‹3,k,-6›v=‹-2, 1, k+3›w=‹1, k+2, 4›
DEMOSTRACIÓN:
3‹1*4-‹k+2›‹k+3››-k‹-2*4-1‹k+3››-6‹-2‹k+2›-1*1›=0k2 – 4k + 12 = 0
k=-2 k=6
Ahora tenemos los vectores: u=‹3, -2, -6› v=‹-2, 1, 1› w=‹1, 0, 4›
u= av + bw‹3, -2, -6› = a‹-2, 1, 1› + b‹1, 0, 4›
-2a + b = 3a = -2
a + 4b = -6a=-2 b=-1
CONCLUSIÓN: El vector u es una combinación lineal de los vectores v y w.
u= -2v -1w
![Page 22: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/22.jpg)
VECTORES LINEALMENTE INDEPENDIENTES Varios vectores son linealmente
independientes si ninguno de ellos puede ser escrito con una combinación lineal de los restantes. Por lo tanto en la ecuación vectorial:
Los vectores linealmente independientes tienen distinta dirección y sus componentes no son proporcionales por lo tanto el determinante de la matriz que forman es diferente de cero.
![Page 23: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/23.jpg)
Vectores
‹a› ‹b› ‹c›‹a› Linealmente dependientes. ‹b› Linealmente dependientes. ‹c›Linealmente independientes.
![Page 24: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/24.jpg)
Ejemplo Demostrar que los vectores i = ‹ 1,0,0 ›, j = ‹
0,1,0› y k = ‹ 0,0,1› en R3. Son linealmente dependientes.
![Page 25: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/25.jpg)
DEFINICIONES INICIALES: 1. Varios vectores son linealmente independientes si ninguno
de ellos puede ser escrito con una combinación lineal de los restantes.
1. El conjunto de vectores es:i = ‹ 1,0,0 ›j = ‹ 0,1,0›k = ‹ 0,0,1›
DEMOSTRACIÓN:
k1i + k2j + k3k = 0
k1‹ 1,0,0 › + k2‹ 0,1,0› + k3‹ 0,0,1› = ‹0,0,0›
‹k1, k2, k3› = ‹0,0,0›
CONCLUSIÓN: Por tanto, k1 = 0, k2 = 0, k3 = 0; como
consecuencia, el conjunto S = {i, j, k} es linealmente independiente.
![Page 26: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/26.jpg)
BASE Y DIMENSION En algebra lineal, una base proporciona un
sistema coordenado para un espacio vectorial, mediante la noción de vectores coordenados.
DEFINICION DE ESPACIO GENERADO: Si es un conjunto de vectores en un espacio
vectorial V, entonces el subespacio U de V que consta de todas las combinaciones lineales de los vectores en S se denomina espacio generado por y se dice que los vectores generan a U.
![Page 27: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/27.jpg)
DEFINICION DE BASE Si V es cualquier espacio vectorial y es un
conjunto de vectores en V, entonces S se llama base de V si se cumplen las dos condiciones siguientes:
S es linealmente independiente. S genera a V.
![Page 28: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/28.jpg)
DEFINICION DE BASE Si es una base de un espacio vectorial V,
entonces todo vector v en V se puede expresar en forma única como
Se dice que un espacio vectorial V diferente de cero es de dimensión finita si contiene un conjunto finito de vectores que forma una base. Si no es así, se dice que V es de dimensión infinita.
Además, se considera que el espacio vectorial cero es de dimensión finita.
![Page 29: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/29.jpg)
DEFINICION DE DIMENSION Dim(V), Es el número de vectores que hay en una base
de V. El espacio vectorial cero es de dimensión cero. Si V es un espacio vectorial de dimensión finita
y es cualquier base, entonces: 1.- Todo conjunto con más de n elementos es
linealmente dependiente. 2.- Ningún conjunto con menos de n vectores
genera a V. 3.- Todas las bases de un espacio vectorial de
dimensión finita tienen el mismo número de vectores
![Page 30: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/30.jpg)
Ejemplo Demostrar que los vectores i = ‹ 1,0,0 ›, j = ‹
0,1,0› y k = ‹ 0,0,1› en R3. Son una base para R3.
![Page 31: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/31.jpg)
DEFINICIONES INICIALES: 1. Varios vectores forman una base para un espacio vectorial si estos generan a
dicho espacio y además son linealmente independientes. 1. El conjunto de vectores es:
i = ‹ 1,0,0 ›j = ‹ 0,1,0›k = ‹ 0,0,1›
DEMOSTRACIÓN: Para generar a R3 un vector arbitrario = ‹,, › se puede expresar como
combinación lineal de ‹i, j, k›. k1i + k2j + k3k = b
k1‹ 1,0,0 › + k2‹ 0,1,0› + k3‹ 0,0,1› = ‹,, ›
‹k1, k2, k3› = ‹,, ›
Por lo tanto ‹k1, k2, k3› pueden tomar cualquier valor real demostrándose así que
‹i, j, k› generan a R3. Para ser linealmente independientes:k1i + k2j + k3k = 0
k1‹ 1,0,0 › + k2‹ 0,1,0› + k3‹ 0,0,1› = ‹0,0,0›
‹k1, k2, k3› = ‹0,0,0›
CONCLUSIÓN: Por lo tanto, k1 = 0, k2 = 0, k3 = 0; como consecuencia, el conjunto
S = {i, j, k} es linealmente independiente. Además genera al espacio vectorial R3 porque cualquier vector b en R3 puede ser expresado como una combinación lineal de este conjunto de vectores. Como esta base consta de tres vectores su dimensión es 3.
![Page 32: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/32.jpg)
SISTEMAS HOMOGENEOS. El procedimiento para determinar una base
para el espacio solución de un sistema homogéneo Ax=0 (o espacio nulo de A) donde A es una matriz de m*n, es el siguiente:
1-. Resolver el sistema homogéneo dado, mediante reducción de Gauss-Jordan. Si en la solución no hay constantes arbitrarias, el espacio solución es (0), no tiene una base, y su dimensión es cero.
![Page 33: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/33.jpg)
SISTEMAS HOMOGENEOS. 2-. Si en la solución x hay constantes
arbitrarias, se escribe x como una combinación lineal de los vectores { x1, x2, ……, xp } con s1, s2, ……., sp como coeficientes:
X = s1x1 + s2x2 +……….+ spxp
3-. El conjunto de vectores { x1, x2, ……, xp }
es una base para el espacio solución de Ax=0; la dimensión del espacio solución es p.
![Page 34: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/34.jpg)
SISTEMAS HOMOGENEOS. Si A es una matriz de m*n, entonces el
conjunto de todas las soluciones del sistema de ecuaciones lineales homogéneo Ax=0 es un subespacio de Rn llamado espacio nulo de A y es denotado por N(A).
La dimensión del espacio nulo de A se denomina nulidad de A
![Page 35: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/35.jpg)
Ejemplo Determínese una base y la dimensión para el
espacio de soluciones del sistema homogéneo Ax=0 𝑥1 + 𝑥2 + 4𝑥3 +𝑥4 + 2𝑥5 = 0
𝑥2 + 2𝑥3 + 𝑥4 + 𝑥5 = 0 𝑥4 + 2𝑥5 = 0
𝑥1 - 𝑥2 + 2𝑥5 = 0 2𝑥1 + 𝑥2 + 6𝑥3 + 𝑥5 = 0
![Page 36: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/36.jpg)
Paso 1: Resolver el sistema homogéneo dado Ax=0, mediante reducción de Gauss-Jordan
. Reducción aplicando el método de Gauss-
Jordan.
![Page 37: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/37.jpg)
Paso 2: Si en la solución x hay constantes arbitrarias,
se escribe x como una combinación lineal de los vectores { x1, x2, ……, xp } con s1, s2, ……., sp como coeficientes
Por tanto las ecuaciones quedan de la siguiente manera:
![Page 38: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/38.jpg)
Tomamos las constantes arbitrarias s y t, por tanto:
![Page 39: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/39.jpg)
Expresando en forma de matrices X= X=+ X=+
![Page 40: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/40.jpg)
Dado que s y t son constantes arbitrarias asumimos primero que s=1 y t=0 y luego que s=0 y t=1 obteniendo así las soluciones:
=
![Page 41: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/41.jpg)
CONCLUSIÓN: El conjunto de vectores { , } es una base para el espacio de soluciones del sistema homogéneo dado y su dimensión es dos.
Estos dos vectores son soluciones de Ax=0 y todas las soluciones de este sistema homogéneo son combinaciones lineales de los mismos.
La nulidad de A es igual a dos.
![Page 42: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/42.jpg)
ESPACIOS DE RENGLONES Y COLUMNAS DE UNA MATRIZ; APLICACIONES PARA HALLAR BASES.
Considérese la matriz mxn:
En donde: ‹ …..› …..› ………………… …..›
![Page 43: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/43.jpg)
ESPACIOS DE RENGLONES Y COLUMNAS DE UNA MATRIZ; APLICACIONES PARA HALLAR BASES.
Se llaman vectores renglón de A. El subespacio de generado por los vectores renglón es el espacio de renglones de A.
= = ……….. = Se llaman vectores columna. El subespacio de
generado por los vectores columna es el espacio de columnas de A.
![Page 44: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/44.jpg)
Propiedades Las operaciones elementales sobre los renglones no
cambian el espacio de renglones de una matriz. Los vectores renglón diferentes de cero en una forma
escalonada de una matriz A forman una base para el espacio de renglones de A.
El espacio de columnas de una matriz A es el mismo que el
espacio de renglones de su traspuesta . Si A es una matriz cualquiera entonces el espacio de
renglones y el espacio de columnas de A tiene la misma dimensión.
La dimensión del espacio de renglones y columnas de una
matriz A se conoce como rango de A.
![Page 45: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/45.jpg)
COORDENADAS Y CAMBIOS DE BASE. Si el conjunto S = { v1 , v2 , . . . , vn } es
una base para un espacio vectorial V, entonces todo vector v en V se puede expresar como una combinación lineal de los elementos de S en la forma
v = c1 v1 + c 2v2 + . . . + cn vn ,
Entonces los escalares c1 , c2 , … , cn se denominan coordenadas de v relativas a la base S. el vector de v relativo a se denota por ‹v›s y es el vector en Rn definido por:
‹v›s = ‹c1, c 2, . . . cn ›
![Page 46: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/46.jpg)
COORDENADAS Y CAMBIOS DE BASE. Expresando el vector ‹v›s en forma de matriz
se denota por:
![Page 47: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/47.jpg)
Ejemplo Si el conjunto S = {v1, v2} es una base para
R2, en donde v1 = ‹1, 2›, v2 = ‹4, 2›. Encuéntrese el vector de coordenadas y la matriz de coordenadas de v = ‹6,6› con respecto a S.
![Page 48: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/48.jpg)
DEFINICIONES INICIALES: S = { v1 , v2 , . . . , vn es una base para un espacio vectorial V, entonces
todo vector v en V se puede expresar como v = c1 v1 + c 2v2 + . . . + cn vn ,
Entonces los escalares c1 , c2 , … , cn se denominan coordenadas de v
relativas a la base S. el vector de v relativo a S se denota por ‹v›s y es el
vector en Rn definido por: ‹v›s = ‹c1, c 2, . . . cn ›Existen los vectores:
v1 = ‹1, 2›
v2 = ‹4, 2›
v = ‹6,6›DESARROLLO:
V = c1 v1 + c2 v2
‹6,6›= c1 ‹1,2› + c2‹4,2›c1=2 c2=1
‹v›s=‹2,1›
‹v›s=
CONCLUSIÓN: como se observa en los gráficos
El vector v relativo a la base de R2 es v‹6,6›.
El vector de v relativo a la base S se denota por ‹v›s y es el vector:
‹v›s=‹2,1›
![Page 49: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/49.jpg)
Cambio de base.
Si se cambia la base para un espacio vectorial V, de cierta base dada U = { u1, u2, …, un } hacia otra nueva base W = { w1, w2, …, wn }, entonces la matriz de coordenadas inicial, [v]U, de un vector v está relacionada con la nueva matriz de coordenadas [v]w, por medio de la ecuación [v]w = P [v]u
En donde las columnas de P son las matrices de coordenadas de los vectores base iniciales con relación a la nueva base, es decir los vectores columnas de P son: [[u1]w, [u2]w, … , [un]w]
Simbólicamente, la matriz P se puede escribir P =ሾ ሾ𝒖𝟏ሿ𝒘 ⋮ ሾ𝒖𝟐ሿ𝒘 ⋮ ⋯ ⋮ ሾ𝒖𝒏ሿ𝒘ሿ Esta matriz se conoce como matriz de transición de U hacia W.
![Page 50: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/50.jpg)
Ejemplo
Considérense las bases U = ሼ𝑢1,𝑢2ሽ y W = ሼ𝑤1,𝑤2ሽ Para R2, en donde: u1 = ቂ10ቃ, u2 = ቂ01ቃ; w1 = ቂ11ቃ, w2 = ቂ21ቃ 1.- Hállese la matriz de transición de U hacia W. 2.- Hallar [v]w, si v = ቂ72ቃ
![Page 51: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/51.jpg)
Existen las bases: U = y W = Con sus respectivos vectores:: u1 = , u2 = ; w1 = , w2 =
DESARROLLO:En primer lugar deben encontrarse las matrices de coordenadas para los vectores base iniciales, u1 y u2, en relación con la nueva base W.
u1 = a1 w1 + a2 w2
‹1,0›= a1 ‹1,1› + a2‹2,1›a1=-1 a2=1
[]w=‹-1,1›
[]w =
u2 = b1 w1 + b2 w2
‹0,1›= b1 ‹1,1› + b2‹2,1›b1=2 b2=-1
[]w =‹2,-1›
[]w =
Por lo tanto, la matriz de transición de U hacia W es:
P =
![Page 52: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/52.jpg)
Solución (b). v = c1 u1 + c2 u2
‹7,2›= a1 ‹1,0› + a2‹0,1›
[v]U =
De modo que al aplicar : [v]w = P [v]u
[v]w ==
[v]w =
CONCLUSIÓN: Se realizó el cambio desde la base U hacia la base W a través de la matriz de transición P para obtener la matriz (vector) de coordenadas [v]w, que son las coordenadas del vector v con respecto a la base W.
![Page 53: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/53.jpg)
En muchos problemas, se dan un sistema de coordenadas rectangulares xy y se obtiene un nuevo sistema de coordenadas x’y’, al hacer el sistema xy en sentido contrario al de las manecillas del reloj, alrededor del origen, para describir un ángulo . Cuando se hace esto, cada punto Q en el plano tiene dos conjuntos de coordenadas: las coordenadas (x, y), relativas al sistema xy, y las coordenadas (x’, y’), relativas al sistema x’y’.
![Page 54: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/54.jpg)
Al introducir los vectores unitarios u1 y u2, a lo largo de los ejes x y y positivos y los vectores unitarios w1 y w2, a lo largo de los ejes x’ y y’ positivos, se puede considerar esta rotación como un cambio desde una base U = { u1 , u2 hasta una nueva base W’ = { w1 , w2 , por tanto, las nuevas coordenadas ( x’, y’) y las coordenadas iniciales ( x, y ) de un punto Q están relacionadas por
= P
![Page 55: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/55.jpg)
En donde P es una matriz de transición de U hacia W. Para encontrar P, deben determinarse las matrices de coordenadas de los vectores base iniciales u1 y u2, con relación a la nueva base.
![Page 56: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/56.jpg)
Como se indica en la figura ‹c›, las componentes de 𝑢1 en la nueva base son cos y Ɵ –sen , de modo Ɵque [𝑢1]W=ൣ� cos Ɵ −𝑠𝑒𝑛Ɵ ൧ En tanto que, como se indica en la figura ‹d› en seguida las componentes de 𝑢2, en la nueva base son cosቀ𝜋2 − Ɵቁ= 𝑠𝑒𝑛Ɵ y senቀ𝜋2 − Ɵቁ= 𝑐𝑜𝑠Ɵ , de modo que [𝑢2]w= ൣ � 𝑠𝑒𝑛Ɵ 𝑐𝑜𝑠Ɵ ൧
Por consiguiente, la matriz de transición de U hacia W es 𝑃= cosƟ 𝑠𝑒𝑛Ɵ−𝑠𝑒𝑛Ɵ 𝑐𝑜𝑠Ɵ ൨
Y que da: ቂ𝑥′ 𝑦′ ቃ=ൣ� cos Ɵ 𝑠𝑒𝑛Ɵ−𝑠𝑒𝑛Ɵ 𝑐𝑜𝑠Ɵ ൧ቂ 𝑥 𝑦 ቃ
O de modo equivalente x’= xcos + ysenƟ Ɵ y’= -xsen + ycosƟ Ɵ
![Page 57: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/57.jpg)
Ejemplo Hallar las coordenadas del punto Q(2,-1) si se
hacen girar los ejes Ɵ = 45 °.
![Page 58: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/58.jpg)
La matriz de transición de la base U hacia W es
Las coordenadas respecto a la nueva base se determinan con la ecuación
=
Como el ángulo de giro es 45° se obtiene:
Reemplazando en la ecuación:
=
![Page 59: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/59.jpg)
Las coordenadas iniciales de un punto Q son ‹x,y›=‹2,-1›,entonces
=
=
=
=
CONCLUSIÓN: Las nuevas coordenadas de Q son (x’,y’)= (1/
![Page 60: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/60.jpg)
BASES ORTONORMALES PROCESO DE GRAM·SCHMIDT En muchos problemas referentes a espacios
vectoriales, la selección de una base para el espacio se hace según convenga al que lo resuelve. Naturalmente, la mejor estrategia es ele gir la base a fin de simplificar la solución del problema. En los espacios vectoriales Rn, el mejor procedimiento a menudo es elegir una base en la que todos los vectores sean ortogonales (perpendiculares)entre sí.
![Page 61: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/61.jpg)
Definición: Se dice que un conjunto de vectores en un espacio Rn es un conjunto ortogonal si todas las parejas de vectores distintos en el conjunto son ortogo nales. Un conjunto ortogonal en el que cada vector tiene norma 1‹vector unitario› se conoce como ortonormal.
Si S == {,, ••• , } es un conjunto ortogonal de vectores diferentes de cero en un espacio Rn, entonces S es linealmente independiente
Dos vectores son ortogonales si su producto punto es cero
![Page 62: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/62.jpg)
Demostrar que el conjunto de vectores S = {,, } es ortonormal.
![Page 63: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/63.jpg)
Existen los vectores:
DESARROLLO:
Determinación de la ortogonalidad:
Determinación de la ortonormalidad:
CONCLUSIÓN: El conjunto S = {,, } es ortonormal.
![Page 64: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/64.jpg)
PASOS Sea V cualquier espacio de Rn diferente de
cero y con dimensión n, y supóngase que S = es cualquier base para V. La suce sión siguiente de pasos produce una base ortonormal } para V
Paso 1: Sea Paso 2: Para construir un vector , que sea
ortogonal a :
![Page 65: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/65.jpg)
Para que y sean ortogonales:
Como es una valor arbitrario decimos que
Por lo tanto:
![Page 66: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/66.jpg)
Paso 3: Ahora se obtendrá un vector que sea ortogonal a y .
Para que sea ortogonal a y se debe cumplir que:
El vector expresamos como una combinación
lineal del conjunto {
(son ortogonales)
![Page 67: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/67.jpg)
(son ortogonales)
Como es un valor arbitrario podemos asignar Por lo tanto:
![Page 68: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/68.jpg)
Reemplazado estos valores en la ecuación
Obtenemos:
Este procedimiento se puede extender hasta obtener la fórmula:
![Page 69: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/69.jpg)
Paso 4: Hasta ahora hemos encontrado un conjunto {que es una base vectores ortogonales. Para que este conjunto sea una base ortonormal debemos normalizar cada uno de los vectores del conjunto; es decir, debemos determinar el vector unitario de cada uno de los vectores para esto realizamos el siguiente proceso.
……… Por lo tanto la base ortonormal es el
conjunto {
![Page 70: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/70.jpg)
Considérese el espacio vectorial R3. Aplíquese el pro ceso de Gram-Schmidt para transformar la base = ‹1, 1,1›, = ‹0, 1,1›, = ‹0, 0,1› en una base ortonormal.
![Page 71: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/71.jpg)
DEFINICIONES INICIALES: Se dice que un conjunto de vectores en un espacio Rn es un conjunto ortogonal si todas las parejas de vectores distintos en el conjunto son ortogo nales. Un conjunto ortogonal en el que cada vector tiene norma 1(vector unitario) se conoce como ortonormal.Dos vectores son ortogonales si su producto punto es ceroExiste la base:
= ‹1, 1,1›, = ‹0, 1,1›, = ‹0, 0,1›
DESARROLLO:Paso 1:
= ‹1, 1,1›
Paso 2:
![Page 72: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/72.jpg)
Paso 3:
![Page 73: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/73.jpg)
Paso 4: Normalizamos la base ortogonal {,, }
CONCLUSIÓN: El conjunto W={,, } es una base ortonormal para .
![Page 74: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/74.jpg)
INTRODUCCION A LAS TRANSFORMACIONES LINEALES. Sean V y W espacios vectoriales reales. Una
transformación lineal T de V en W es una función que asigna a cada vector v ∈ V un vector único T(v) ∈ W y que satisface, para cada u y v en V y cada escalar α,
T(u + v) = T(u) + T(v) T(αv) = αT(v)
![Page 75: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/75.jpg)
TRES OBSERVACIONES SOBRE NOTACIÓN 1. Se escribe T: V → W para indicar que T toma
el espacio vectorial real V y lo lleva al espacio vectorial real W; esto es, T es una función con V como su dominio y un subconjunto de W como su imagen.
2. Se escriben indistintamente Tv y T(v). Denotan lo mismo; las dos se leen “T de v”. Esto es análogo a la notación funcional f (x), que se lee “f de x”.
Las transformaciones lineales con frecuencia se denominan operadores lineales.
![Page 76: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/76.jpg)
Ejemplo Para todo vector Para todo vector 𝑣 = ‹𝑣1,𝑣2› en 𝑅2, sea T:→ 𝑅2→𝑅2 definida por Tሺ𝑣1,𝑣2ሻ= ‹𝑣1 − 𝑣2,𝑣1 + 2𝑣2›. Determine la imagen de 𝑣 = ‹− 1,2›.
![Page 77: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/77.jpg)
DEFINICIONES INICIALES: Una función es una relación entre dos magnitudes, de tal manera que a cada valor de entrada (dominio) le corresponde un único valor de salida, llamada imagen.
Existen el vector v y la función T:
T‹
DESARROLLO:T‹
T‹
T‹-1,2›=‹-3, 3›
CONCLUSIÓN: La imagen de es .
![Page 78: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/78.jpg)
29-ene-15Presentación de Informe y Sustentación Trabajo integrador
03-feb-15 PRUEBA Y REVISIÓN (UNIDAD 4)
05-feb-15Presentación de Informe y Sustentación de guías de trabajo 3 y 4( Auto evaluación )
![Page 79: Espacios vectoriales](https://reader037.vdocuments.co/reader037/viewer/2022103004/563dba7f550346aa9aa623f3/html5/thumbnails/79.jpg)
Gracias por su atención
Ciclo concluido