Documente Academic
Documente Profesional
Documente Cultură
INTEGRANTES: Limachi Astocondor, Elcira G. 11120050 Salazar Quispe, Mirian K. Sicha Cruz, Sandra Soto Roca, Raquel Valencia Guerrero, Milagros CURSO: Matemtica III TEMA: Espacios Vectoriales AULA: 210 CICLO: 3 10120197 11120284 11120089 11120209
2012
Espacios Vectoriales
INDICE
PRESENTACIN1 OBJETIVOS.2 ESPACIOS VECTORIALES ................................................................................................. 3 PROPIEDADES DE LOS ESPACIOS VECTORIALES .................................................... 6 SUB ESPACIO VECTORIAL ............................................................................................... 6 DEPENDENCIA E INDEPENDENCIA LINEAL .................. Error! Bookmark not defined. SISTEMA DE GENERADORES ............................................. Error! Bookmark not defined. BASE DE UN ESPACIO VECTORIAL .................................. Error! Bookmark not defined. DIMENSION DE UN ESPACIO VECTORIAL. .................... Error! Bookmark not defined. TRANSFORMACIONES LINEALES ................................................................................ 16 NUCLEO Y IMAGEN .......................................................................................................... 17 COMPOSICION DE TRANSFORMACIONES LINEALES ........................................... 19 BIBLIOGRAFIA21
Espacios Vectoriales
PRESENTACIN
Este presenta trabajo presenta los temas espacios vectoriales y transformaciones lineales los cuales son arte del curso de algebra lineal y dentro de ellos los temas de subespacios, combinaciones lineales, base y dimensin de un espacio vectorial entre otros.
Pgina 1
Espacios Vectoriales
OBJETIVOS
Con este trabajo se quiere lograr, conocer algunos conceptos necesarios para la mejor comprensin de los temas que se desarrollaran en la clase de matemtica III.
Pgina 2
Espacios Vectoriales
ESPACIOS VECTORIALES
DEFINICIN: El espacio vectorial es una terna (V,+, ), sean V un conjunto, k un campo y dos operaciones suma (+), y la otra producto (.). Los elementos de V son vectores, los elementos de k son escalares
APLICACIN SUMA +:VXVV (X,Y) +(X,Y)=X+Y . x+y = y+x; donde x;y V . x+(y+z)=(x+y)+z, x;y;z V axioma conmutativa axioma asociativa
x+0=0+x=x donde cero es un elemento neutro; x V; existe 0 V x+ (-x)= (-x)+ x, donde x es el opuesto de x; x V, existe x V
APLICACIN PRODUCTO . : KXV V (,x) .(,x)=x (x)= ()x; (+)X=x+x; (x+y)= x+y; x, , k x e V; x,y e V; , K k
CONDICIONES QUE VERIFICAN LOS ESPACIOS VECTORIALES 1. 2. x+(y+z)=( x+y)+z x+y= y+x x, y,z V x,y V
Pgina 3
Espacios Vectoriales
3. 4. 5. 6. 7. 8. x +0= 0+x neutro (x)= ()x x+(-x)=(-x)+ x (x +y)= x+ y 1x=x (+)x= .x+x 0 V, x V donde cero es un elemento x V , ,y R x V, existe el opuesto de x K, x,y V x V 1 K ,x V , K, x V
Ejemplo 1: V= ,
K=
(a,b) + (c,d)= (a+c, b+d) .(a,b) = (a, b) Es ( 1) , +, ., ) un espacio vectorial? (a,b)+[(c,d)+(m,n)] = (a,b)+[(c,m),(d,n)] [a+(c,m), b+(d+n)] = [(a+c)+m,(b+d) +n] (a+c, b+d) +(m,n) = [(a,b) + (c,d)] + (m,n) (a,b) + (c,d)= (a+c, b+d) =(c+a ,d+b) =(c,d) +(a,b) (a,b) (x,y) (a,b) +(x,y) = (a,b) (a+x, b+y) = (a,b) (a+x, b+y) =(a,b) a+x=a x=0 b+y=b y=0 (0,0) (a,b) +(0,0)=(a,b) (.(a,b)=(.a , .b) =.(a,b) =[.(a,b)] (a,b) , (p,q) (a,b) + (p,q) = (0,0) (a+q, b+q)= (0,0)
2)
3)
4)
5)
Pgina 4
Espacios Vectoriales
a+q=0 p=-a b+q=0 q=-b 6) (-a,-b)
[(a,b)+(c,d)= (a+c, b+d) =(a+c), (b+d) = (a+c, b+d) =(a,b)+(c,d) =(a,b)+(c,d) (a,b) , 1 1.(a,b)=(1.a, 1.b) =(a,b) ( ,+,, ) es un espacio vectorial ,+, , ) ,, es un espacio vectorial donde )=( + , + , + )
7)
En general: ( ( , ,
)+( ,
1) x+y = x.y = y.x = y+x 2) (x+y)+z= (x.y) +z =(x.y).z =x(yz) =x +(yz) =x+(y+z) 3) x+e= x x.e=x 4) x+n=1 =1 e= 1
Pgina 5
Espacios Vectoriales
n= 5) ( .).x= =( = ) =(.x) (+).x= = . =(.x).(.x) =x+.x (x+y)=
6)
7)
No es un espacio vectorial
PROPIEDADES DE LOS ESPACIOS VECTORIALES Sea (V,+, ,) un espacio vectorial: a) El elemento 0 es nico. b) El producto escalar 0 por cualquier vector es el vector nulo. c) El producto de un escalar por un vector es el vector nulo entonces el escalar es 0 o el vector es nulo es decir: six= =0 ^ x= d) El opuesto de cualquier escalar por un vector es igual al opuesto de su producto si k, x V, (-)x=-(x)
SUB ESPACIO VECTORIAL Sea (V, +, K, *) un espacio vectorial cualquiera y W , W V, diremos que W es un sub espacio vectorial de V, si y solo si:
Ejemplo 2: Sea: (R3,+, R,*) un sub espacio vectorial W = {(x, y, z) R3 /x=z} Es W un sub espacio vectorial de R3? Solucin
Pgina 6
Espacios Vectoriales
OPERACIONES CON SUB ESPACIOS Sean W1 y W2 dos sub espacios vectoriales de V. 1. INTERSECCIN DE SUB ESPACIOS La interseccin de dos subespacios vectoriales se define de la siguiente forma:
La interseccin de dos sub espacios es un sub espacio de V. Observacin: Para la interseccin sucesiva de espacios vectoriales se procede, inductivamente, de dos en dos. 2. UNIN DE SUBESPACIOS La unin de dos sub espacios vectoriales se define de la siguiente forma:
La unin de sub espacios no siempre es sub espacio de V. 3. SUMA DE SUB ESPACIOS La suma de dos sub espacios vectoriales se define de la siguiente forma:
Pgina 7
Espacios Vectoriales
Si Wi son sub espacios vectoriales, con i=1,..., n se define la suma de estos n sub espacios vectoriales como:
4. SUMA DIRECTA DE SUB ESPACIS VECTORIALES Si la interseccin entre W1 y W2es el sub espacio trivial (es decir, el vector nulo), entonces a la suma se la llama "suma directa". Es decir:
Pgina 8
Espacios Vectoriales
Suma de espacios vectoriales: Ya que la unin de sub espacios vectoriales no tiene por qu ser un sub espacio vectorial, necesitaramos una operacin alternativa que recoja en cierta forma la idea de JUNTAR o AADIR propia de la unin, que mantenga la estructura de sub espacio vectorial. Sean U1 y U2 sub espacios de un espacio vectorial (V;+; .;IK) y sea L V, U1 + U2 es suma directa de L, lo que se denota poniendo U1 U2 = L, si se verifica que U1 + U2 = L y U1 \ U2 = 0 Si L = V a los sub espacios U1; U2 se les denominan sub espacios suplementarios. U+V=x V / x=u +v,uU,vV Ejemplo 4: Sean los sub espacios vectoriales x, y,z) x, y, z)
/ Z=0 / X=Y=0
Se puede observar que W1 representa un plano del espacio y W2 una recta del espacio no coincidente con el plano, pudindose comprobar que , y adems
que Por tanto se puede afirmar que Adems en este caso podemos afirmar que W1 y W2 son SUBESPACIOS SUPLEMENTARIOS. Es decir, cuando coincide con el espacio vectorial total. COMBINACION LINEAL DEFINICIN 1: Sea un conjunto de vectores v1, v2,, vn que pertenecen al espacio vectorial V,
y un vector v V, diremos que este vector v es una combinacin lineal de v1, v2,, vn si es que v puede expresarse as:
v=1 v1 + 2 v2 +. +n vn
Donde: 1, 2, n son escalares
Pgina 9
Espacios Vectoriales
Ejemplo: El vector (x, y, z) IR3 es una C.L. de i = (1, 0,0), j = (0, 1,0), k = (0, 0,1), porque (x, y)=xi+yj+zk
1 v1 + 2 v2 +. +n = 0
Observacin 1: Si un conjunto es linealmente dependiente, existe algn vector entre ellos que es combinacin lineal de los dems, pero esto no quiere decir que cualquier vector de ellos sea combinacin lineal de los dems.
Por ejemplo, el siguiente conjunto en IR3 podemos comprobar que es L.d.: u=(1,0,0), v=(0,1,0), w=(1,1,0), k=(0,0,1), Tenemos que w = u + v (es decir, w=1u + 1v + 0k), hay un vector que es combinacin lineal de los dems. Pero no cualquier vector lo es, puesto que k no es combinacin lineal de los dems. Esto se puede ver haciendo: (0, 0,1) = (1, 0,0) + (0, 1,0) + (1, 1,0) Se obtiene un sistema incompatible. (Es decir no nos proporciona ninguna solucin).
Pgina 10
Espacios Vectoriales
INDEPENDENCIA LINEAL (L.I) Definicin 3
Los vectores v1, v2,, vn V son linealmente independientes si la ecuacin: 1 v1 + 2 v2 +. +n = 0, implica que 1= 2== n=0 Propiedades de la dependencia e independencia lineal. 1. Si el conjunto solo tiene un vector, el conjunto es L.d. si y slo si el vector es el (Vector cero). 2. Si el (vector cero) pertenece a un conjunto de vectores, el conjunto es L.d. 3. Si en un conjunto de vectores aparecen vectores repetidos el conjunto es L.d. 4. Si el conjunto consta de ms de dos vectores: el conjunto es L.d. si y solamente si un vector del conjunto es combinacin lineal de los restantes. 5. Si en un conjunto de vectores uno de ellos es mltiplo escalar de otro el conjunto es L.d. 6. Si el conjunto consta de ms de dos vectores y el primer vector no es el vector cero: el conjunto es L.d. si y solamente si un vector del conjunto es combinacin lineal de los vectores anteriores en el conjunto. 7. Si un conjunto de vectores contiene un subconjunto de vectores que es L.d., el conjunto es a su vez L.d. 8. Si un conjunto de vectores es L.i. entonces cualquier subconjunto de l tambin ser linealmente independiente.
EJEMPLO 1 1.-En IR4, los vectores v1 = (1, 0,-1,2), v2 = (1, 1, 0,1) y v3 = (2, 1,-1,1) son linealmente independientes: ++2=0 + =0 - -=0 2++=0
v1 +v2+v3 =0
===0
Pgina 11
Espacios Vectoriales
Un espacio vectorial V se dice que es de tipo nito si est generado por un nmero nito de vectores. Es decir, si existe un sistema de generadores A = {v1, v2, vn} Para estos espacios vectoriales de tipo nito, podemos denir sin problemas la noci n d e b a s e .
Propiedades Si A y B son dos subconjuntos nitos de un espacio vectorial V, entonces: 1. A 2. A B L (B) L(A) L (B). L(B). L(B) y B L(A).
L(A) A
3. L(A) = L (B)
EJEMPLO: 1) Hallar un sistema generador del subespacio {x = y} de IR3. Para ello obtenemos primero la forma paramtrica, que es {(, , ): , }. Entonces, (, , ) = (1, 1, 0) + (0, 0, 1).
Pgina 12
Espacios Vectoriales
As pues, (1, 1,0) y (0, 0,1) son un sistema generador del subespacio dado.
Proposicin 1 Si V {0} es un espacio vectorial con una base formada por n vectores entonces cualquier conjunto de n+1 vectores es L.d. Sea B = {v1, v2, vn} una base de V y A= {u1,..., un, un+1} V, con
Para que una combinacin lineal de los vectores de A sea igual al vector cero, se ha de cumplir: ( ) Que es un sistema lineal homogneo de n ecuaciones con n+1 incgnitas y tiene por tanto infinitas soluciones ( ) (0,0,0).Luego A es L.d.
. . .
Pgina 13
Espacios Vectoriales
Proposicin 2 Si V {0} es un espacio vectorial finitamente generado, entonces todas sus bases tienen el mismo nmero de elementos.
EJEMPLO 2: Una base de IR3 (1, 0,0) (1, 1,0) (0, 2,-3) Son linealmente independientes dado que forman un determinante nulo Son sistema generador de IR3 porque cualquier vector (a, b, c) se puede poner como combinacin lineal de ellos. En efecto dado (a, b, c) buscamos , , que satisfagan: (a, b, c) = (1, 0,0)+ (1, 1,0)+ (0, 2,-3) +=a +2=b -3=c En las , , incgnitas que es compatible determinado para cualquier a, b, c.
Pgina 14
Espacios Vectoriales
Observacin 2: Si V = {0}, entonces Dim (V) =0 Si V es de tipo finito, su dimensin es el nmero de elementos de cualquier base V. Si V no es de tipo finito, diremos que tiene dimensin infinita, y escribiremos dim V = Interpretacin geomtrica de subespacios Sean V= IRn y S incluido IRn es un subespacio vectorial: 1. Si dim S = 0, S = {0} es un punto (el origen). 2. Si dim S = 1, S = L ({u}) es la recta que pasa por el origen con vector de direccin u. 3. Si dim S = 2, S = L ({u; v}) es el plano que pasa por el origen con vectores de direccin u y v. 4. Si 2 < k = dim S < n - 1, S es un k-plano que pasa por el origen. 5. Si dim S = n - 1, S es un hiperplano que pasa por el origen. 6. Si dim S = n, S = IRn es todo el el espacio Proposiciones: Sea S = {v1, v2, vn} un sistema de vectores de un e.v. V de dimensin finita, tenemos: 1. Si S es sistema de generadores ,y m =dim V ,entonces S es base de V 2. Si S es L.i y m=dim V ,entonces S es base de V Frmula de Grassmann Dado dos subespacios vectoriales S y P V de dimensin finita, tenemos el resultado siguiente: Dim (S+P)=Dim(S+P)-Dim (S P) SUBESPACIOS SUPLEMENTARIOS Dos subespacios S y T de un espacio vectorial V se llaman suplementarios si V=S V=S+T y S T = {0} , entonces: T si y solo si:
Dim S
Pgina 15
Espacios Vectoriales
TRANSFORMACIONES LINEALES
El concepto de funciones se aplicara en este tema con la nica excepcin de que nos interesar mas las funciones cuyos dominios y recorridos son subconjuntos de espacios vectoriales. Tales funciones son llamadas transformaciones lineales, aplicaciones u operaciones. DEFENICIN 1: Sea V y W dos espacios vectoriales sobre un espacio vectorial k. una transformacin lineal es
Una transformacin lineal debe cumplir con el siguiente axioma: a) T( av + w) = aT(v) + T(w)
PROPIEDADES: Sea V y W un espacio vectorial de dimensin finita sobre el cuerpo K, c escalares de los R. Entonces existe una nica transformacin lineal T:V W tal que: a. b. c. d. T(0V) = 0W T(-v)= -T(v) T( v1 v2) =T(v1) T(v2) v= c1v1 + c2v2 + c3v3 +cnvn(1) T (v) = c1w1+ c2w2 + c3w3 +cnwn(2)
Pgina 16
Espacios Vectoriales
De (1) y (2) podemos afirmar: T (v) = c1T(v1) + c2T(v2) + + cnT(vn) Ejemplo 01 La proyeccin de los vectores transformacin lineal? Solucin: Para demostrar que este vector es una transformacin lineal, para ello, aplicaremos la definicin resumida: T ( av + bw) = aT(v) + T(w), para todo v = (x, y, z) R3, w = (m, n, s) R3 y para todo a R3, dondeav = (ax, ay, az), w = (m, n, s) y av + w =(ax + m, ay + n, az + s) Veamos: T(av + w) = T(ax + m, ay + n, az + s), como quiero demostrar sobre el plano XY entonces s y z son constantes y su valor es cero por tanto T (av + w) = T (ax + m, ay + n, a0 + 0) T (av + w) = T (ax, ay, 0) +T(m, n, 0) T (av + w) =aT(x, y, 0) + T(m, n, 0) T (av + w) =aT(v) + T(w) Proposicin 1: Sea f : V W una transformacin lineal. Entonces F es monomorfismo Nu(f) ={0} NUCLEO Y IMAGEN DEFINICIN 2: Sea Transformacin lineal. El NUCLEO de T denotado por N(T) o Ker(T), es el conjunto de todos los vectores vV tales que T(v) = 0 (x, y, z) R3 sobre el plano XY, es una
Pgina 17
Espacios Vectoriales
EJEMPLO 02 Sea la transformacin lineal T: R3R3 definido por la regla T(x, y, z) = (x + 2y +5z, 3x + 4y + 7z, x y), hallar el ncleo de T Solucin: El ncleo de T se obtiene haciendo el vector. w = (x + 2y +5z, 3x + 4y + 7z, x 2y) = (0, 0, 0) entonces x + 2y +5z = 0 x = 2y 3x + 4y + 7z = 0 suponiendo que z = t x 2y = 0 y = - 5/4 t, x = - 5/2t Entonces el vector solucin es (x, y, z) =( - 5/2t, - 5/4t, t) entonces t( - 5/2, - 5/4, 1) DEFINICIN 3: Sea Transformacin lineal. La IMAGEN de T denotado por T(V) es el subespacios de W
EJEMPLO 03 Sea la transformacin lineal T: R3 R3 definido por la regla T(x, y, z) = (y + 5z 3x, 3x + z + 5y, 4z 3x), hallar la imagen de T. La imagen de T esta formada por vectores de la forma (r, s, t) tal que T(v) = (y + 5z 3x, 3x + z + 5y, 4z 3x) = (r, s, t) El problema consiste en hallar los vectores (r, s, t) tal que existe una ecuacin que les relacione Y + 5z -3x = r Y + 5z -3x = r 3x + z + 5y = s 3x + z + 5y = s 3x + z + 5y = s 4z 3x = t 4z 3x =t 6y + 6z = r + s * 5y + 5z = s + t ** Al igualar * y ** se obtiene
Pgina 18
Espacios Vectoriales
Proposicin 2: Sean V y W dos K-espacios vectoriales y sea f : V W una transformacin lineal. Entonces, si {vi: iI es un sistema de generadores de V, {f (vi):iI} esun sistema de generadores de Im(f). TEOREMA 1: Una transformacin lineal T: V W, es inyectiva si, solo si N(T)={0}, 0 W, donde N representa el ncleo. Demostracin: () si T es inyectiva N (T)= {0v}, 0v: vector nulo de v Veamos: Si v N(T)T(v)=0w .(1) Debo probar que v=0v, donde 0v V Como N(T) es subespacio de V, se cumple 0w=T(0V).(2) (2) en (1): T (v)=T (0V) Pero, T es inyectiva v=0v () si N (T) =0V T es inyectiva Sea N (T)=0v entonces T (u)=T (v) T (u) - T (v) = 0w T (u - v) =0w u v = 0v u=v TEOREMA 2: Sea V un K espacio vectorial de dimensin finita y T :VW una transformacin lineal, entonces :dim(V) =dim N(T) + dimIm (T) TEOREMA 3: Sea V un K espacio vectorial de dimensin finita y T: VW una transformacin lineal, tiene inversa a izquierda si, y solo si, es inyectiva.
COMPOSICION DE TRANSFORMACIONES LINEALES La composicin de funciones usual puede realizarse, en particular, entre dos transformaciones lineales. El resultado es, en este caso, una nueva transformacin lineal. Proposicin 3. Sean V, W y Z K-espacios vectoriales. Sean f : V W y g : W Z transformaciones lineales. Entonces g f : V Z es una transformacin lineal. Demostracin. Sean v, w V . Entonces g o f(v + w) = g(f(v + v0)) = g(f(v) + f(w))= g(f(v)) + g(f(w)) =g o f (v) + g o f(w). Anlogamente, si K y v V , se tiene que g o f( v) = g(f( v)) = g( f(v)) = g(f(v)) = (g o f(v)).
Pgina 19
Espacios Vectoriales
Finalmente, analizamos las propiedades de la funcin inversa de una transformacin lineal biyectiva (es decir, un isomorfismo). Proposicin 4 Sean V y W dos K-espacios vectoriales y sea f : V W una transformacin lineal. Si f es un isomorfismo, entonces f-1: W V es una transformacin lineal (que resulta ser un isomorfismo). Demostracin. Sean w,w* W. Como f es un isomorfismo, existen nicos v,v* V tales que w = f(v) y w* = f(v* ). Entonces f-1 (w + w* ) = f-1 (f(v) + f(v* )) = f-1(f(v + v* )) = v + v* = f-1(w) + f-1(w* ): Dados w W y K, existe un nico v V tal que w = f(v). Entonces f-1( w) = f-1( f(v)) = f-1(f( v)) = v = (f-1(w)): Luego, f-1 es una transformacin lineal. Es claro que es biyectiva.
Pgina 20
Espacios Vectoriales
BIBLIOGRAFA
http://es.scribd.com/doc/40673112/18/Sistemas-de-generadores-y-bases http://personales.unican.es/camposn/espacios_vectoriales2.pdf http://www.dma.fi.upm.es/mreyes/Algebra/Apuntes/AL_ap_02.pdf http://es.wikipedia.org/wiki/Espacio_vectorial#Definici.C3.B3n_de_subespacio_ vectorial http://es.wikipedia.org/wiki/Subespacio_vectorial http://www.uam.es/personal_pdi/economicas/portega/web-algebra/capitulo1/teoria-1-3/1-3-subespacios.html http://www.dma.fi.upm.es/mreyes/Algebra/Apuntes/AL_ap_02.pdf http://docencia.udea.edu.co/GeometriaVectorial/uni4/seccion42.html Moiss Lzaro: algebra lineal, captulo 1,2, 3, 4 Coleccin Shau: algebra lineal, capitulo 7,8
Pgina 21